北京城市熱島效應時空變化遙感分析

楊 敏， 楊貴軍， 王艷杰， 張勇峰， 張智宏， 孫晨紅

(1.陜西省地震局，西安 710068； 2.國家農業信息化工程技術研究中心,北京 100097；3.農業部農業信息技術重點實驗室,北京 100097； 4.北京市農業物聯網工程技術研究中心,北京 100097； 5.西安中天緯地測繪科技有限公司,西安 710054；6.西安科技大學測繪科學與技術學院,西安 710054； 7.西安航天天繪數據技術有限公司,西安 710054)

0 引言

改革開放以來，我國城鎮化政策多次變動，大體經歷4個階段： ①城鎮化恢復發展階段(1978—1984年)； ②城鎮化平穩發展階段(1984—1992年)； ③城鎮化加速發展階段(1992—2003年)； ④城鎮化統籌發展階段(2003年至今)[1]。現在，中國人口大約有40%居住在城市，快速的城鎮化進程帶來了諸多生態環境問題，城市表面熱島效應及其變化就是其中最為嚴重的問題之一[2-3]。城市熱島效應指的是城市中央區域的地表溫度(land surface temperature，LST)明顯高于郊區等城市邊緣的LST，溫度差值越大表示城市熱島效應越強，反之，溫度差值越小表示城市熱島效應越弱[4-5]。交通、工業、商業和住宅區等人為熱源的加劇導致熱島中心區域近地面氣溫高、空氣密度小、氣壓低，大氣做上升運動，與周圍地區形成氣壓差異，從而在城市中心區域形成一個低壓區，使生產、生活中產生的各種大氣污染物在熱島中心區域聚集，危害人們的身體健康甚至生命[5]。因此，城市熱島效應的大小及模式已成為對許多城市氣候研究的主要問題。對城市熱島效應的研究方法主要有氣象資料分析法[6]、布點觀測法[7]、數值模擬化法[8]和衛星遙感技術法[9-10]4種，其中衛星遙感技術法因能夠大面積同步觀測、時效性強、空間分辨率高而被廣泛利用。目前，大量衛星遙感數據己應用于城市熱島效應研究，如NOAA/AVHRR[11]，Terra/Aqua MODIS/ASTER[12]，FY-2C[13]和Landsat TM/ETM+/TIRS[14-16]等數據。國內外學者對城市熱島效應的遙感研究主要有： Gallo等[17]在1993年通過分析城鄉歸一化植被指數(normalized difference vegetation index，NDVI)及LST差異，評估了最低氣溫對城市環境的的影響； Chen等[18]在2016年使用NDVI從不同時期的遙感影像中提取深圳市土地利用/覆蓋信息，分析其與熱紅外波段反演的LST之間的關系，并通過城市不透水面分析了LST與城鎮化之間的關系； Mathew等[19]在2016年研究了LST與不透水面面積及海拔的關系； Shen等[20]在2016年通過時空融合方法分析了武漢市連續26 a間高空間分辨率城市熱島效應發展模式及其與NDVI、不透水面面積及植被覆蓋度之間的相關關系； 許飛等[21]在2014年在Hottel模型中利用TM數據模擬了城市屋頂在不同反射率下對太陽輻射的吸收過程進行模擬，結果表明“白屋頂計劃”能有效緩解城市熱島效應。

北京市作為中國的首都，發展十分迅速。自城鎮化加速發展階段(1992—2003年)和城鎮化統籌發展階段(2003年至今)以來，北京市城區規模不斷擴大，不透水面增多，城市能源消耗增大，這些都影響著城市的熱島分布格局。因此，研究和調查北京的城市熱島現象很有意義[18]。許多學者已做過廣泛研究，Xu等[22]在2013年利用TM影像分析北京市城市熱島效應與NDVI等指數之間的時空分布關系； Peng等[23]在2016年研究北京市2001年以及2009年春夏秋冬4個季節的熱島效應和城市功能分區、景觀類型與熱島效應之間的關系； Wang等[24]在2016年將北京—天津—河北城市群作為研究區域，結果表明城鎮化進程對溫度的影響顯著，城市熱島效應隨晝夜變化和季節變化而變化，并預測隨著城市擴張，研究區的城市環境會越來越不適宜人們生活，特別是夜間環境； 楊可明等[25]在2014年基于V-I-S模型和全約束最小二乘混合像元分解模型來分析城市不透水面豐度與LST之間的關系，結果表明城市不透水面能夠反映城市熱環境的空間分布。對北京市熱島效應的研究成果已有很多，但很少有人從城鎮化進程角度對熱島效應的發展模式進行研究。本文結合他人已有的研究成果，從定量(基于相對溫度比例分級策略(relative percentage temperature grading strategy，RPGS)的熱聚合指數(heat aggregation indicator，HAI))和定性(基于RPGS方法對地表亮度溫度進行等級劃分)2個方面研究城鎮化進程的發展對北京市城市熱島效應時空變化的影響，旨在為政府部門進行合理的城區規劃、減輕城市熱島效應的影響提供參考依據。

1 研究區概況及數據源

1.1 研究區概況

北京市位于E115.7°～117.4°，N39.4°～41.6°之間，總面積為16 807.8 km2，截至2014年底常駐人口總數為2 151.6萬人[26]。自1978年改革開放以來，北京在40 a間發生了巨大變化，政治經濟文化的快速發展使北京城區面積迅速擴張，城市下墊面變化很大。為了去除云污染以及圖像拼接和相關問題對研究結果的影響，本文使用了覆蓋北京絕大部分地區的單景Landsat衛星影像，因此本文研究區域為北京市部分區域(東城區、西城區、海淀區、朝陽區、豐臺區、石景山區、順義區及通州區這8個市轄區的全部區域以及房山區、大興區和門頭溝區的部分區域)。圖1示出研究區位置。

圖1 研究區位置Fig.1 Location of study area

1.2 數據及其預處理

1.2.1 日平均最高氣溫數據與理想時間窗口

本文從中國氣象數據官網(http: //data.cma.cn)獲取北京市1984—2014年間每天的日平均最高氣溫，然后計算出這31年日平均最高氣溫(圖2)。在分析這些數據并考慮衛星數據可用性的基礎上，選擇一年中最熱的5—9月作為熱島效應分析的“理想時間窗口”(圖2中2條直線之間)。本文所有數據均選自這個時間范圍。

圖2 Landsat數據獲取的理想時間Fig.2 Ideal time of Landsat data acquired

1.2.2 Landsat衛星數據

考慮到中國國民經濟發展實行“五年計劃”制度以及Landsat衛星數據的可獲取性，本研究所用數據的間隔均在5 a左右，所用Landsat衛星數據均獲取自美國地質調查局官網(http: //glovis.usgs.gov/)，并結合圖2所示每一年份的數據優先選擇5—9月份時間范圍內的影像。Landsat5/7/8的載荷分別對應TM，ETM+和TIRS這3種傳感器，本文所采用的3種傳感器獲取對應日期數據的部分參數如表1所示。

表1 所獲取Landsat數據的部分參數Tab.1 Parameters of Landsat data acquired

對上述7景影像利用ENVI軟件分別進行輻射定標、大氣校正、幾何糾正和裁剪等預處理，為后續研究提供基礎影像數據。

2 研究方法

2.1 地表亮度溫度生成

本文用Landsat數據直接反演地表亮度溫度(以下簡稱為地表亮溫)，作為LST來研究熱島效應。熱紅外波段數據經輻射定標之后，便可根據普朗克函數直接求解地表亮溫[27]，其計算公式為

TB=K2/ln(K1/Lλ+1),

(1)

式中：TB為地表亮溫，K；Lλ為熱紅外波段輻射亮度值； K1和K2為常量[27]。在本文中，地表亮度溫度、地表亮溫與地表溫度(LST)是同義語。

2.2 地表亮溫等級劃分

為了減少溫度波動帶來的影響，本文采用Shen等[20]提出的RPGS方法確定本文地表亮溫的等級劃分標準以生成溫度圖。RPGS方法利用相對百分比范圍劃分LST數據，參考各個地物類別在研究區范圍內所占的比例確定閾值。本文對7期Landsat影像進行最大似然分類，將地物主要分為5類： 水體、高大植被、低矮植被、裸土以及不透水面(如瓦片、瀝青、水泥混凝土等材料構成的建筑物、路面和停車場等)，每一類最高溫和最低溫之間的溫差都在10 K以上。分類結果見表2。

表2 7期Landsat影像中各覆蓋類別最小/最大/平均LST及面積比例Tab.2 Minimum / maximum / average of LST and area ratio for classes of coverage in Landsat images acquired in seven periods

考慮到一般地表覆蓋類型的溫度由低到高分別為水體/森林、農田、裸土、農村居民用地、其他建設用地和城鎮用地，以分類結果為參考，將水體和高大植被作為低溫區、低矮植被作為亞低溫區、裸土作為中溫區、不透水面作為亞高溫區和高溫區，得到本文的RPGS方法地表亮溫等級劃分標準(表3)。

表3 RPGS方法溫度等級劃分Tab.3 Classification of temperature grades based on RPGS method

本文的研究重點是高溫區和亞高溫區的轉移趨勢，故文中所有日期的數據均采用表3中的溫度等級劃分標準，以確保每一個溫度等級中的像元個數不發生變化。采用RPGS方法能夠清晰地觀察到時間序列上的熱轉移趨勢。

3 結果與分析

3.1 城市熱分布演變過程定性分析

根據2.1節描述的地表亮溫的生成方法以及2.2節中表3所列的地表亮溫等級劃分方法，生成1985，1991，1995，2001，2005，2011和2015年這7 a的北京市LST分級分布圖(圖3)。圖中表現出明顯的規律，能夠清晰地反映城市熱島效應的演變過程。

(a) 1985年(b) 1991年 (c) 1995年 (d) 2001年

(e) 2005年(f) 2011年 (g) 2015年

圖3LST分級分布圖

Fig.3DistributionofLSTgrades

圖3中所有的影像都是采用RPGS方法劃分的，每一景影像中每一溫度區域的像元個數均未發生變化，統一的劃分標準可以清楚地從時間序列數據中反映出城市的熱轉移趨勢。圖3中一系列的地表亮溫分級圖表明，市中心的溫度均持續高于周邊郊區(農村)的溫度。高溫區(紅色)及亞高溫區(黃色)主要分布在市區，且隨著時間的推移和城鎮化進程的加快，城區范圍不斷擴大，城區內工業發達、商業繁華、人口增多，郊區則大部分變為城區，綠化、裸土面積減小； 因此，高溫區域和亞高溫區域由原來的市中心和郊區裸土區域逐漸擴展為集中分布在整個城區內。由于城區的擴展，高溫區和亞高溫區就由早些年的集中分布在東城區和西城區向外擴展為若干個小熱島，分布在整個北京市的市中心。值得注意的是，隨著城鎮化進程的發展階段不同，高溫區也呈現不同的演化模式。早期的高溫區絕大部分集中在東城區、西城區等老城區，亞高溫區則圍繞著高溫區分布； 與高溫區的分布相比，亞高溫區的分布較為分散且溫度等級分布幾乎沒有什么變化，主要表現在1985年和1991年，該時間段為城鎮化進程的平穩發展階段，城鎮化進程緩慢，地表覆蓋變化不大，引起熱島效應的因子幾乎不變。中期高溫區慢慢向老城區之外的區域擴展，但分布仍較為集中； 亞高溫區則在向郊區(農村)擴展； 市中心的亞低溫區域增多，主要表現在1995年和2001年(對應著城鎮化進程的加速發展階段)，從影像圖中可看出該期間北京市城區已經擴展至整個五環線，建筑面積急劇增多，因此熱島區域也由市中心向外擴展。自2005年起，高溫區零零散散地分布于整個五環或者六環區域內，形成一些零星的小熱島區域，而市中心由原來的大部分屬于高溫區域變為絕大部分屬于亞高溫區域。2005年至今，整個北京市已經形成一個整體亞高溫和局部高溫的組合模式。

經分析發現了一個有趣的現象，即熱島效應最嚴重的地區由原來集中分布在老城區變為離散分布于幾個局部地區。為了將上述熱島現象的演變模式在更小的尺度展現出來，本文對市中心的東西城區(東城區和西城區)、朝陽區、海淀區及石景山區做進一步分析。為了確保更清晰的對比，根據前文所說的中國城鎮化進程發展階段，將本文所用Landsat影像分為3個時段，分別為1985—1991年、1995—2001年和2005—2015年。對每個時段的影像求LST平均值，之后仍然采用2.2節中的地表亮溫等級劃分方法，生成LST分布分級圖(圖4)。圖4(a)—(c)是東、西城區階段性熱演變圖。東、西城區是北京市老城區，從圖中可以看出，高溫區域大面積集中分布在東、西城區； 隨著時間的流逝，高溫區范圍急劇縮小且變得分散； 在最新時段(2005—2015年)，老城區只剩下一個小范圍的高溫區，該高溫區位于大柵欄商業街區，該街區人口眾多、胡同密集、建筑物覆蓋度很高而植被覆蓋度很低(圖4(a)—(c)中的方框區域)。

(a) 東西城區(1985—1991年)(b) 東西城區(1995—2001年) (c) 東西城區(2005—2015年)

(d) 朝陽區(1985—1991年)(e) 朝陽區(1995—2001年)(f) 朝陽區(2005—2015年)

(g) 海淀區(1985—1991年)(h) 海淀區(1995—2001年) (i) 海淀區(2005—2015年)

圖4-1各時段Landsat影像平均LST演變圖

Fig.4-1EvolutionofaverageLSTofLandsatimageindifferentstages

(j) 石景山區(1985—1991年) (k) 石景山區(1995—2001年) (l) 石景山區(2005—2015年)

圖4-2各時段Landsat影像平均LST演變圖

Fig.4-2EvolutionofaverageLSTofLandsatimageindifferentstages

圖4(d)—(f)是朝陽區階段性熱演變圖，2個方框內的熱分布均發生了顯著變化。上面方框內高溫區域及亞高溫區域逐漸分散，結合圖5[28]可以看出，這部分區域的熱源主要來自大型購物中心； 而下面方框與上面方框內的熱分布趨勢恰恰相反，結合圖6可知，新增加的不透水面中有很多工廠區，包括金屬廠、面粉廠、印刷廠和紙品廠等高溫熱源。

(a) 2000年以前 (b) 2010年前 (c) 2013年前

圖5大型購物中心分布變化情況

Fig.5Changesindistributionoflargeshoppingmalls

(a) 北京市工廠區(藍灰色點)(b) 2015年熱分布圖

圖6熱分布與工廠區和住宅區之間的關系

(搜索自騰訊地圖： 圓形(或橢圓形)內是工廠密集區，方框內是住宅區)

Fig.6Relationshipbetweenthermaldistributionandfactoryareaaswellasresidentialarea

圖6展示了熱分布與工廠區和住宅區之間的關系。圖6(a)是在騰訊地圖(http: //map.qq.com/)搜索北京市工廠區后的位置示意圖，圖6(b)是與6(a)對應的熱分布圖。圖6(a)只是網頁截圖，無法獲取更詳細、更精確的信息，但可以通過視覺簡單比較工廠分布與熱分布的關系，能夠發現在工廠密集分布的區域(圖6中的圓形(或橢圓形)區域)，高溫區與亞高溫區分布也相對密集。值得注意的是，雖然住宅區(圖6中的方框區域)人口密度較高，建筑物也較多，但其高溫區(或亞高溫區)并不多。這表明，工廠區對熱分布的影響遠遠大于住宅區對熱分布的影響。

圖4(g)—(i)是海淀區階段性熱演變圖。海淀區的熱分布大部分屬于亞高溫區且總體變化不大，只有局部變得離散，且熱島區域均集中在東部和南部區域。結合圖5和圖7(圖7引自“北京市第三次全國經濟普查數據可視化系統”的“統計圖庫”)可以看出，海淀區的大型購物中心以及能源消耗較大區域均在東部和南部，故在東部和南部呈現熱島現象。海淀區中部和西部有頤和園、植物園、香山等歷史名勝和自然風景區，北部有許多的農田和村莊。因此，海淀區高溫區域集中在東部和南部區域。海淀區的東部和南部區域作為老城區，變化不是很大，故一直是高溫或亞高溫區域。

(a) 海淀區 (b) 石景山區

圖72014年能源消耗合計

Fig.7Totalenergyconsumptionin2014

圖4(j)—(l)是石景山區階段性熱演變圖。早期階段高溫區和亞高溫區聚集在老城區，隨著時間的推移而分散，圓圈內高溫區略微變小且變得離散，亞高溫區略微變大。結合圖7(b)可知，圓圈區域屬于石景山區能源消耗最多的廣寧街道和古城街道，這是因為自1919年首鋼興建以來，石景山區成為北京市的重工業區[29]，特別是廣寧街道； 而隨著工業的發展，古城街道也變成石景山區的政治經濟中心。故石景山區熱島區域整體變化不大。

值得注意的是，建筑物低矮密集且低植被覆蓋區域的溫度遠遠高于建筑物高大稀疏且高植被覆蓋區域的溫度，如圖8所示。

(a) 2015年全色影像(部分)(b) 對應(a)中A區域 (c) 對應(a)中B區域

圖8建筑物低矮密集且低植被覆蓋區域(A)和建筑物高大稀疏且高植被覆蓋區域(B)溫度分級

Fig.8Temperaturegradesoflow-vegetation-coveredareaswithlow-denseofbuildings

(A)andhigh-vegetation-coveredareaswithtall-sparseofbuildings(B)

圖8(b)是選取的二環線周圍建筑物低矮密集且低植被覆蓋區域(東至前門大街，西至南新華街，北至前門西大街，南至珠市口西大街)，圖8(c)是建筑物高大稀疏且高植被覆蓋區域(東至工人體育場東路，西至二環線，北至工人體育場北路，南至朝陽門外大街)，圖8(b)和(c)均是結合2015年的Landsat全色影像(圖8(a))從2015年地表亮溫分級圖中選取的。由圖8可以看出，在建筑物高度較高、密度較低、植被覆蓋度較大的區域，LST相對較低，更適宜居住。

3.2 熱聚合和熱島強度演變過程定量分析

利用基于RPGS的HAI描述高溫區及亞高溫區的聚合度。HAI是對利用RPGS方法進行溫度等級劃分之后，選擇感興趣區域內的高溫區或者亞高溫區的像元個數(或面積)進行統計記錄的方法。本文選擇東西城區、四環路和五環路3個典型區域。圖9是東西城區、四環路、五環路在1985年的最大似然分類結果圖中的位置示意圖，其中東西城區根據2007年北京行政矢量圖劃分，四環路和五環路根據2015年衛星影像劃分。圖10為以上3個區域內高溫區、高溫區與亞高溫區之和的HAI。

圖9 用于定量研究地表城市熱島效應的區域(1985年) (從內到外分別是： 東西城區、四環路、五環路)Fig.9 Areas for quantitative study of surface urban heat island effect in 1985

(a) 東西城區高溫區 (b) 四環路高溫區 (c) 五環路高溫區

(d) 東西城區高溫區與亞高溫區之和 (e) 四環路高溫區與亞高溫區之和(f) 五環路高溫區與亞高溫區之和

圖101985—2015年北京市HAI

Fig.10Beijingheataggregationindicatorsfrom1985to2015

由圖10可以明顯看出，不管是東西城區、四環路還是五環路，無論是高溫區還是高溫區與亞高溫區之和，像元個數整體上均呈波動下降趨勢，表明城鎮化導致郊區變城區、高溫區域由聚集于原來的老城區變成散布于擴建后的整個城區。因此，隨著時間的流逝，東西城區、四環路和五環路高溫區域像元個數均呈波動下降趨勢。事實上，HAI定量分析結果表現出與圖3和圖4所示城市熱島演變過程具有高度一致性。HAI變化的主要原因是，亞高溫區已經趨于穩定狀態，而高溫區呈分散趨勢，與北京市的城鎮化進程模式一致。

圖3、圖4和圖10均顯示出北京市城市熱島效應呈波動下降的趨勢，隨時間流逝沒有大范圍成片熱聚集區，這和以前報道的對北京市熱島效應的研究結果不太一致，其主要原因為國家政策影響城鎮化進程，進而影響到城市土地覆蓋變化的發展模式。

4 結論與建議

本文以經篩選的1985年、1991年、1995年、2001年、2005年、2011年和2015年7個時段內的Landsat衛星數據為基礎，采用遙感手段，分析了北京市城市熱島效應的時空變化特征，得到如下結論：

1)考慮到國家政策對城鎮化進程的影響，本文使用7個時段的Landsat衛星數據分析北京市熱島效應熱轉移趨勢。一方面，隨著北京市城鎮化進程的發展，在1985—2015年間溫度較高的區域(高溫區和亞高溫區)一直集中在城區范圍內，城中央明顯的大范圍高溫區域形成島狀結構； 另一方面，高溫區已從東西城區向海淀、豐臺、石景山等區域轉移，導致高溫區域越來越分散，東西城區高溫區大部分被亞高溫區所替代，整個研究區已無大范圍聚集的高溫區，取而代之的是零星分布的小熱島區域。

2)對城市熱分布演變過程的定性分析結果表明，在工廠密集、大型購物中心較多、住宅區分布較廣的區域，高溫區與亞高溫區分布也相對較密集，但呈遞減趨勢。究其原因可能是，雖然住宅區人口密度大、建筑物分布密集，但是住宅區能源消耗合計沒有工廠區大，綠化程度比工廠區高，且沒有明顯的熱源。此結論對城市規劃具有重要意義，可為相關部門合理規劃工業園區分布以減輕城市熱島效應的影響提供參考依據。

綜上所述，如何緩解或盡量減輕城市熱島效應將是一個非常值得研究討論的話題。本文的研究考慮到城市綠地面積可有效減輕城市熱島效應的影響，建筑物等地物的密集則會加重城市熱島效應，可給出在以后的城市規劃中應該避免高密度低層且低植被覆蓋住宅區的建設等建議。

本文在研究熱島效應的時空變化特征中，雖然用到的遙感影像數據的時間間隔相對于已有研究已經大大縮小，但是時間間隔仍然相差了5 a左右，5 a的時間內城市可能已經發生了很大的變化； 因此，后續的研究應進一步縮小遙感影像數據獲取的時間間隔，爭取做到1 a的時間分辨率。另外，城市熱島效應會隨季節而變化，也會隨晝夜而變化，故在研究城市熱島效應時，對氣溫測量的合適季節與晝夜時刻，以及對應遙感數據類型與時相的選擇方法也值得進一步調查研究。