城市擴張過程中不透水面空間格局演變及其對地表溫度的影響
——以烏魯木齊市為例

周玄德,郭華東, 孜比布拉·司馬義

1 新疆大學資源與環境科學學院,烏魯木齊 830046 2 中國科學院對地觀測與數字地球科學中心數字地球重點實驗室,北京 100094

隨著城市化進程的不斷加快和人類活動的加劇,生態與環境問題大量涌現,人類賴以生存和發展的生態系統受到巨大的影響,其中城市生態問題尤為突出,如環境污染、交通擁堵、城市安全等。城市生態環境與人類自身發展的協調性,成為生態質量監測的熱點之一[1- 2]。在城市生態系統研究中,多基于單一的指標進行監測,如土地利用覆蓋變化、植被徑流變化、城市熱島問題、不透水面等生態因子對城市生態進行評價,從景觀生態學的角度研究生態因子之間的關系相對較少。城市化加快的一個明顯特點是城市不透水面快速擴張,城市建設中各類建筑物和構筑物的面積和密度不斷增加,大量的自然表面轉化為不透水面,城市景觀發生了巨大的變化[3- 4]。因此研究不透水面覆蓋變化對城市熱環境的影響對優化城市生態系統有一定的指導意義。

不透水面,主要是指如道路、瀝青、水泥等水不能通過其下滲到土壤中的城市人工景觀[5- 7],已成為城市景觀的重要組成部分。不透水面景觀的面積、豐度、空間格局變化特征,反映城市擴張、變化,體現了城市化的程度。近年來城市熱島問題日益顯著[8-9],主要是城市化過程中,不透水面的大幅度增加,使得下墊面土地利用覆蓋類型發生變化[10-11],進而影響著地表溫度,因此研究兩者的關系,對于改善城市熱環境有著重要的意義。

隨著遙感技術的快速發展,特別是遙感監測技術的應用,使得不透水面的提取更加客觀化、科學化,能夠很好的從多個角度反映不透水面的動態變化[12-14]。同時熱紅外波段數據的出現,使得獲取不同時相的地表溫度成為可能。近年來,在多源遙感數據的支撐下,不透水面與城市熱島效應的關系研究成為熱點[15-16]。大量的研究表明,不透水面與城市熱環境表現為顯著的相關性,包括線性、非線性的正相關[17- 22],即地表溫度隨著不透水面的升高而升高。然而該類研究主要側重于不透水面與地表溫度之間的數值關系分析,從不透水面景觀生態學的角度,特別是不透水面各類景觀指數對地表溫度的影響研究較少。在城市中,不透水面呈現著各類不同覆蓋程度不透水面構成的斑塊,面狀的空間格局特征相對明顯。基于該考慮,在前人研究的基礎上,從不透水面類型的角度出發,研究不透水面對地表溫度的影響。目前,伴隨著生態修復、城市修補、城市更新、海綿城市等概念的提出,將不透水面景觀融入到城市大環境中,分析面狀的不透水面與地表溫度的定量關系更顯重要。本文選取烏魯木齊市作為研究區,分析2000年以來不透水面類型變化強度、變化方向及景觀格局特征,對地表溫度影響的定量分析,探討兩者的變動規律,為城市規劃相關部門在城市發展的整體布局中提供參考。

1 研究區、數據來源與研究方法

1.1 研究區

本文以烏魯木齊市主城區為研究范圍,如圖1,覆蓋外環以內的矩形區域,同時考慮到烏魯木齊市區的長條形狀,將矩形區域北邊延至城北主干道,南邊延至大灣南路,具體的經緯度范圍,87.51°—87.64°E,43.74°—43.91°N,總面積188.25 km2,該區域人類活動比較劇烈,不透水面是該區域的主要構成部分,是不透水面空間格局特征及對地表溫度影響研究的典型區域。

圖1 研究區位Fig.1 The Location of the study

1.2 數據來源

獲取了2000年9月2日、2008年8月7日Landsat5 TM數據,2016年7月28日Landsat8 OLI數據三幅影像數據源,數據分辨率30 m,軌道號142/030, 日間成像數據,影像季相相同,成像時間較接近,數據云量覆蓋較少,數據質量較好, 避免了因季節差異、植被生長狀態不同而造成的影響,具體數據標識包括LT51420302000246BJC00、LT51420302008220BJC01、LC81420302016210LGN00,詳見表1,數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺 (http://www.gscloud.cn) 。由于影像數據的可獲性、質量等因素,未能選取同月數據予以研究。同時獲取成像時間當日七個氣象監測點氣溫數據,包括米東區環保局、新疆農科院農場、培訓基地、鐵路局、監測站、三十一中學、收費所,覆蓋整個研究區范圍。

1.3 研究方法

1.3.1 城市不透水面提取

城市不透水面是本文研究的基礎,這里選用不透水面指數來表征,具體計算方法中[23- 24],綜合考慮下選取了徐涵秋的歸一化差值不透水面指數[25-28],用于提取研究區的不透水面。同時將歸一化不透水面指數(Normalized Impervious Surface Index,NDISI),劃分為7個區間,反映不透水面覆蓋類型,依次是無覆蓋(NDISI<0.2)、低覆蓋(0.2< NDISI <0.3)、較低覆蓋(0.3< NDISI <0.4)、中覆蓋(0.4< NDISI <0.5)、較高覆蓋(0.5< NDISI <0.6)、高覆蓋(0.6< NDISI <0.7)、全覆蓋(NDISI >0.7)。

式中,NDISI為歸一化差值不透水面指數,NIR、MIR1和TIR分別為影像的近紅外、中紅外1和熱紅外波段,分別對應著TM影像的B4、B5、B6波段,Landsat8對應著B5、B6、B10波段,MNDWI為改進的歸一化水體指數,見下式：

MNDWI=(Green-MIR1)/(Green+MIR1)

式中,Green為綠色波段,對應著TM影像的B3波段,Landsat8的B4波段。

1.3.2 地表溫度反演

地表溫度的計算主要是基于熱紅外波段反演,反演算法主要包括輻射傳輸方程法、單窗算法、單通道算法[29-30],考慮數據的獲取性及操作的可行性,采用了在TM影像的B6波段、TIRS影像的B10波段,在輻射傳輸方程算法下反演研究區地表溫度,其中輻射傳射方程算法中,所涉及的大氣透過率τ、大氣向上輻射亮度L↑、大氣向下輻射亮度L↓的參數值,是在NASA網站(http://atmcorr.gsfc.nasa.gov)查詢,輸入成像時間及中心經緯度獲取大氣剖面信息,具體的值如下：

表1 大氣剖面參數信息

1.3.3 不透水面格局與地表溫度的關系

為了更好的研究不透水面景觀空間格局特征,在不透水面類型劃分的基礎上,結合景觀生態學的理論,分別選取了斑塊密度(Patch Density,PD)、面積-周長分位數(Permimeter-area fractal dimension,PAFRAC)、聚集指數(Aggregation Index,AI)、香農多樣性指數(Shannon′s diversity index,SHDI),細化不透水面斑塊的景觀特征。

不透水面空間格局對地表溫度的影響分析中,分別從不透水面類型百分比、各類景觀指數共計11個指標作為自變量,具體包括較低覆蓋面積百分比、中覆蓋面積百分比、較高覆蓋面積百分比、高覆蓋面積百分比、斑塊密度(PD)、最大斑塊指數(LPI)、邊界密度(ED)、斑塊面積均值(AREA_MN)、形狀指數均值(SHAPE_MN)、鄰近指數均值(ENN_MN)、斑塊結合度指數(COHESION),計算與因變量地表溫度均值之間的相關性。

2 結果分析

2.1 城市不透水面的變化特征

根據前面介紹的不透水面指數的提取方法,得到了2000年以來3個時間點的烏魯木齊市主城區不透水面指數的空間分布圖,精度驗證選用GoogleEarth作為對比,選取不同地表覆蓋類型進行檢驗,提取精度達到85%以上。根據圖2發現,烏魯木齊市主城區的不透水面擴張明顯,特別是西南區域,由較低覆蓋類型明顯的轉化為中覆蓋、較高覆蓋類型。2016年,高覆蓋不透水面的區域面積明顯減少,主要由于在道路、廣場、交通環島等重要節點擺放花卉及新建街旁綠地、綠道等,但是整個區域被較高不透水面類型所覆蓋。在高覆蓋不透水面的空間布局上,2000年主要集中在城市中心,相對集中,2008年高覆蓋不透水面分布相對分散,逐漸向郊區擴散,2016年高覆蓋不透水面主要集中在城市交通道路上,道路周邊區域的不透水面指數降低,側面了反映了隨著城市的發展表現為擴張的同時,不透水面的內部結構不斷優化。

圖2 烏魯木齊市不透水面類型圖Fig.2 The impermeable surface coverage type

圖3 烏魯木齊市不透水面覆蓋類型面積百分比 Fig.3 The area percentage of impermeable surface coverage type

通過3個時間點不透水面覆蓋類型占比的統計,見圖3,研究發現：2000年以來,烏魯木齊市主城區不透水面主要集中在較低覆蓋到高覆蓋之間,占整個研究區面積的95%以上,即研究區不透水面指數主要集中分布在0.3—0.7區間內,較低覆蓋類型逐年向較高覆蓋類型轉化,2000年以后較低覆蓋類型不透水面逐年降低,由5.77%下降到2016年的0.29%,而在較高覆蓋類型的不透水面上,2000年48.44%,2016年高達73.34%,說明了主城區不透水面呈現著由中心向郊區不斷蔓延的態勢。

圖4 烏魯木齊市不透水面覆蓋變化及增量Fig.4 The changes and increments of impermeable surface cover of Urumqi

為了比較直觀的分析2000年以來,每個區域的不透水面的變化情況,分別用當年的數據減去上個時間點的數據,大于零記為升變化,小于零記為降變化,得到2000—2008、2008—2016兩個時間段的升降變化圖,然后再對兩幅圖進行合成,得到由升、降構成的分類圖,見圖4,進一步顯示了研究區不透水面指數的升降變化空間分布,計算得到2000年以來不透水面指數一直處于下降的區域占15.88%,主要集中在主城區內部；一直處于上升的區域占29.86%,主要分布在城市的郊區,其中貫穿城區的G216國道不透水面增強顯著；表現為先降后升和先升后降的不透水面分別占20.07%、34.20%,主要穿插在城區與郊區之中。

關于不透水面指數變化的量化分析中,將不透水面指數的變化劃分為5個層次,見圖4,其中0表示不透水面指數沒有變化,計算得到了兩個時間段不透水面指數的具體增量。分析得到,兩個時間段不透水面指數并沒有體現大幅度的增量,2000年到2008年中沒有增量的占35.95%,2008年以來沒有增量的區域繼續增加,達到了50.08%,該區域主要集中在老城區,即基礎設施很早就已經完善的區域,隨著城市綠化、生態環境等人居條件的改善,該區域“去水泥”化效果突出。在不透水面指數的增量上,主要位于城市郊區,這也是城市發展的需要,體現了城市擴張的趨勢,由老城向新城、城中心向近郊遠郊逐漸推移的過程。

2.2 城市不透水面的空間格局變化

不透水面已成為城市景觀的重要組成部分之一,本文借助生態學中景觀的相關概念對研究區不透水面類型的相關指數予以分析,結合研究需要及景觀指數特點,選擇公式簡單、生態學意義明確、足以說明景觀格局特征的斑塊密度(Patch Density,PD)、聚集指數(Aggregation Index,AI)、面積-周長分維數(Permimeter-area fractal dimension,PAFRAC)、香農多樣性指數(Shannon′s diversity index,SHDI)4個指數,定量分析2000年以來不透水面空間格局的變化。其中,斑塊密度PD、AI、PAFRAC,計算結果見表2。

斑塊密度PD反映了每100 hm2中斑塊的數量,由于3個年份的影像數據范圍的一致性,即總景觀面積,斑塊密度、斑塊數量與斑塊數量占總數量比值均傳達同樣的信息。分析發現,2000年以來,不透水面無覆蓋、低覆蓋、全覆蓋斑塊密度相對較小,主要集中在其他斑塊,特別是中覆蓋、高覆蓋斑塊,而且此類斑塊密度上升明顯,如2000年中覆蓋密度到9.68,2008年為10.51,2016年增加到13.11,相比2000年增長了35.44%,側面反映了研究區不透水面主要以較低覆蓋、中覆蓋、較高覆蓋、高覆蓋景觀斑塊為主,而且表現為增長趨勢,與前面的不透水面斑塊占比分析的結論一致。

面積周長分維數反映了斑塊形狀由二維景觀鑲嵌體向歐氏幾何的分離的過程,取值范圍在1—2之間,當所有斑塊都較小或斑塊樣本小于10時,PAFRAC在分類文件中沒有明確定義,比如在2016年的PAFRAC顯示為“N/A”,說明了無覆蓋斑塊數量太少。2000年以來面積周長分維數均位于1.5左右大于1,反映了斑塊形狀的復雜性,然而對每個年份所有斑塊的面積周長分維數的整體比較發現,均值有下降的趨勢,反映了隨時間的推移,斑塊形狀規則化明顯,這與城市化進程中城市規劃的作用相一致。

聚集指數是基于同類型斑塊像元間公共邊界長度來計算,取值范圍0—100之間,值越大反映了斑塊的聚合程度越高。計算結果顯示,研究區不透水面斑塊中,無覆蓋、中覆蓋、較高覆蓋斑塊的聚集相對較高,到了2016年較高覆蓋不透水面景觀的聚集程度最大,聚集指數達到87.71,其他斑塊的聚集程度相對較弱。

香農多樣性指數SHDI是對整體景觀中斑塊類型的復雜性、多樣性的評價,利于不同景觀斑塊的比較。研究發現,SHDI逐漸下降,2000年SHDI為1.29,2008年SHDI為1.18,2016年僅0.84,說明了斑塊豐富度在降低,不透水面景觀類型多樣性減弱。

2.3 城市不透水面空間格局對地表溫度的影響

通過輻射傳輸方程法,反演得到研究區的地表溫度的空間分布,結合地表氣象數據的驗證,精度較高,見圖5。2000年以來,地表溫度增溫顯著,如表3,2000年地表溫度均值25.94℃,2008年達到32.06℃,2016年地表溫度的平均值高達35.51℃,而且最小、最大溫度也表現為同等的增大趨勢。同時,2000年不透水面指數均值0.51,2008、2016年不透水面指數均值分別為0.53、0.54,也表現為明顯的增長趨勢。2000—2008年,不透水面指數增長了0.02,地表溫度增長了6.12℃；2008—2016年,不透水面指數增長了0.01,地表溫度增長了3.45℃。由此發現,2000年以來,不透水面指數每增加0.01,地表溫度增長3℃左右。從空間分布上,2000年主城區零散的分布著“冷點”區,數量相對較多,“熱點”區域的數量及面積相對較少；2008年以來,“冷點”數量較少、“熱點”區域增多；2016年,“冷點”區域極少,被大批量的“熱點”區域所包圍,該“熱點”分布相對零散,表現為向郊區蔓延的趨勢。“熱點”區域主要分布著地表溫度的極大值,該分布區與較高及以上不透水面覆蓋區高度重合。

表3 烏魯木齊市地表溫度統計

2.3.1 不透水面與地表溫度的關系

很多研究表明,隨著不透水面的增加,地表溫度也隨之增加,兩者呈現明顯的正相關關系。從不透水面指數、地表溫度影像圖入手,構成兩者之間的散點圖,如圖6a。研究發現,圖形呈聚集的點球裝,形狀所覆蓋的面積逐漸變小,側面反映了研究區不透水面指數及地表溫度的集聚性,不透水面指數相對比較集中,95%以上的集中在0.3—0.7之間。

因此進一步的將不透水面指數進行密度分割,以0.01為起點,0.01為步長,1為終點,得到100個等級的不透水面指數值,分別計算每個等級指數對應像元的地表溫度的均值,由此得到了不透水面指數與對應地表溫度均值的曲線圖,見圖6b。

分析發現,不透水面指數與地表溫度的關系相對復雜,兩者的曲線波動明顯,表現為“M”形狀,以0.3、0.5、0.7的不透水面指數值為轉折點,不透水面指數在0—0.3時,伴隨不透水面指數的增加,地表溫度上升；不透水面指數在0.3—0.5時,不透水面指數增加,地表溫度表現為下降的趨勢；不透水面指數在0.5—0.7時,兩者表現為同增的趨勢;當不透水面指數大于0.7時,兩者表現了一定程度的負相關。

圖6 烏魯木齊市不透水面與地表溫度散點圖Fig.6 Scatter plot of impermeable surface and surface temperature of Urumqi

考慮到研究區無覆蓋、低覆蓋、全覆蓋類型的不透水面占比較低,共計不足5%,因此分割得到的樣本數量相對較少,可能會對均值化后得到的地表溫度帶來誤差,難以較全面表現該類型不透水面的真實溫度。關于在對不透水面類型與地表溫度的關系研究中,將剔除無覆蓋、低覆蓋、全覆蓋類型,重點研究較低覆蓋、中覆蓋、較高覆蓋、高覆蓋不透水面對地表溫度的影響。

圖7 烏魯木齊市不透水面類型與地表溫度均值散點圖 Fig.7 Scatter plot of impermeable surface type and surface temperature of Urumqi

從不透水面的覆蓋類型上,分析不透水面類型與地表溫度的關系,發現兩者表現為比較明顯的“V”型曲線,見圖7。2000年不透水面覆蓋區域對地表溫度起到增溫效果的區間集中在較高覆蓋到高覆蓋之間,“降溫”效果的區間集中在低覆蓋到較高覆蓋之間,2008年、2016年的不同類型不透水面與地表溫度的關系曲線圖比較一致,以中覆蓋不透水面為臨界點。

2.3.2 其他地表類型與地表溫度的關系

為了進一步的驗證前面的研究,從不同地表類型對地表溫度的影響分析出發,分別選用了建筑指數(IBI)、裸土指數(SI)、植被指數(NDVI)定量的研究與地表溫度的關系。其中,建筑指數越高,不透水面指數越高,反之,不透水面指數越低；裸土指數、植被指數越高,不透水面指數越低,反之,不透水面指數越高。借鑒前面對不透水面指數密度分割的方法,分別得到了三者與地表溫度的散點圖,見圖8。研究發現,建筑指數、裸土指數與地表溫度的曲線圖比較相近,它們與地表溫度的相關性不是很明顯,除2000年以外,其他年份關系比較復雜。2000年時,建筑指數、裸土指數主要分布在0—0.2之間,隨著指數的增大,地表溫度上升,主要維持在25—30℃；2008年時,建筑指數、裸土指數主要分布在0—0.3之間,隨著指數的增大,地表溫度變化不大,主要維持在30—40℃；2016年時,建筑指數、裸土指數主要分布在0—0.3之間,隨著指數的增大,地表溫度的變化波動明顯,主要維持在40—45℃。由于“同物異譜、異物同譜”的存在,關于建筑用地與裸土的區分一直是遙感信息提取的一個難點,因此建筑指數、裸土指數與地表溫度的散點圖比較相似。但是它們指數值分布區間的擴大,反映了在空間布局的變化,集聚性增加,同時該類地表的溫度上升明顯。在植被指數與地表溫度的分析中,表現為比較明顯的負相關,即隨著植被指數的增加,地表溫度下降明顯。

圖8 烏魯木齊建筑指數、裸地指數、植被指數與地表溫度的散點圖Fig.8 Scatter map of urumqi building index, bare earth index, vegetation index and surface temperature

2.3.3 不透水面空間格局與地表溫度的相關性

前面的分析發現,研究區不透水面類型中,無覆蓋、低覆蓋、全覆蓋的比重相對較少,因此在研究地表溫度與不透水面類型及對應景觀指數的關系時,這三類斑塊將不予考慮。由于一副影像只能得到一組因素變量,無法完成相關系數的計算,因此需要重新采樣。考慮到不同時間成像的數據間的差異性,應盡可能以某一年的數據為基礎數據,這里選取2016年的Landsat8數據進行分析。首先對2016年的不透水面指數值采樣,隨機選取100個100×100像元的樣區,再對這100個樣區分別計算地表溫度的相關影響變量,包括：較低覆蓋面積占總面積百分比、中覆蓋面積占總面積百分比、較高覆蓋面積占總面積百分比、高覆蓋面積占總面積百分比、PD、LPI、ED、AREA_MN、SHAPE_MN、ENN_MN、COHESION及影像地表溫度的均值,由此得到100個樣本,用于分析不透水面空間格局對地表溫度的影響,計算過程主要是通過Matlab 2015代碼、Fragstats 4.2軟件實現,結果見表4。

不透水面類型斑塊中,與地表溫度相關性比較顯著,低覆蓋、中覆蓋與地表溫度之間表現為負相關,即低覆蓋、中覆蓋類型面積越多,地表溫度越低,其中中覆蓋斑塊負相關程度較大,相關系數絕對值達到0.69；較高覆蓋、高覆蓋與地表溫度之間表現為正相關,即較高覆蓋、高覆蓋面積越多,地表溫度越高,兩者的相關系數分別達到了0.41、0.42。

表4 烏魯木齊市地表溫度與不透水面的相關系數

*：0.05的顯著性水平；**：0.01的顯著性水平

斑塊密度與地表溫度之間的相關性分析中,較低覆蓋斑塊密度與地表溫度表現為負相關性,其絕對值為0.47,即該斑塊下,斑塊密度越高,地表溫度越低；中覆蓋、較高覆蓋、高覆蓋斑塊下,與地表溫度呈現正相關關系,隨著斑塊密度的增長,地表溫度也隨著增長。

最大斑塊指數與地表溫度之間的相關性分析中,較高覆蓋、高覆蓋斑塊與地表溫度呈現正相關關系,隨著最大斑塊指數的增長,地表溫度也隨著增長。

邊界密度與地表溫度之間的相關性分析中,除高覆蓋斑塊邊界密度與地表溫度表現為正相關以外,其余斑塊,包括較低覆蓋、中覆蓋、較高斑塊的邊界密度與地表溫度均呈現負相關性,即該斑塊下,邊界密度指數越高,地表溫度越低。

斑塊面積均值、形狀指數均值與地表溫度的相關性方面,兩者的作用相反。臨近指數均值、斑塊結合度指數與地表溫度的關系方面,在較低覆蓋斑塊下,兩類指數越大,地表溫度越低,其中臨近指數的相關系數絕對值較大,負相關作用明顯；其余斑塊下,兩類景觀指數對地表溫度的作用是背離的。

3 結論與討論

3.1 結論

(1)研究區不透水面整體表現為由城市中心向郊區蔓延的方向,其中西南區域更為顯著。研究區不透水面指數,主要集中在0.3—0.7之間,以中覆蓋、較高覆蓋、高覆蓋為主,占總面積的90%以上。

(2)不透水面指數變化上,15.89%的區域不透水面指數在連續下降,主要集中在主城區內部；20.07%的區域不透水面指數連續上升,主要分布在城市的郊區；不透水面變化強度中,不透水面指數多集中在10%以下的增長。

(3)不同地表類型中,植被與地表溫度呈負相關,隨著植被指數的增加,地表溫度下降顯著；建筑、裸地對地表溫度的影響相對復雜,2000年正相關明顯,其他年份波動變化。

(4)不透水面空間格局分析中,香農多樣性指數逐年下降,不透水面類型多樣性減弱；斑塊密度高值區主要集中在中覆蓋類型,由2000年的9.68上升到2016年的13.11,增長了35.44%；面積周長分維數均在1.5左右,反映了斑塊形狀的復雜性,在各時間點的對比上表現為下降趨勢,說明斑塊形狀向規則化方向推移；聚集指數的高值區主要集中在中覆蓋、較高覆蓋類型,2016年較高覆蓋該指數高達87.71。

(5)地表溫度增溫顯著,2000年地表溫度均值25.94℃,2008年達到32.06℃,2016年地表溫度的平均值高達35.51℃,而且“冷點”數量減少,“熱點”數量增多。

(6)不透水面指數與地表溫度的關系研究中,曲線圖呈“M”形狀,以0.3、0.5、0.7的不透水面指數值為轉折點,不透水面指數0—0.3之間,兩者表現為負相關,不透水面指數0.3—0.5之間,兩者表現為正相關,不透水面指數0.5—0.7之間,兩者表現為負相關,不透水面指數大于0.7時,兩者表現為正相關。

(7)地表溫度的相關變量研究中,較高覆蓋、高覆蓋不透水面面積占比與地表溫度呈正相關,面積越大,溫度越高,相關系數分別為0.41、0.42；其中,較高覆蓋不透水面的景觀指數中,斑塊密度、最大斑塊指數、形狀指數均值、斑塊結合度指數與地表溫度正相關,相關系數依次為0.30、0.29、0.30、0.40,其余表現為不同程度的負相關。

伴隨著城市的快速發展,研究區不透水面急速擴張,城市熱島效應明顯,其中較高覆蓋、高覆蓋的不透水面對地表溫度的影響較大,植被的降溫效果較好。因此在城市生態建設中,應保證一定的綠地率,一方面可以美化市容市貌,還可以降低城市熱島效應。同時,通過優化不透水面的空間布局、降低不透水面的斑塊密度等措施,消弱不透水面對地表溫度的正相關作用。還可以從道路的材質選擇、屋頂綠化等手段,來盡可能的優化城市生態環境。總體而言,城市生態系統較復雜,完善、優化系統的有效運行,并不是單一的生態因子可以徹底解決的,需要因地制宜,科學合理的制定生態修復的方案。

3.2 討論

本文通過歸一化差值不透水面指數法、輻射傳輸方程法分別提取了研究區的不透水面指數及地表溫度,精度較高,能夠滿足研究要求。同時借助景觀指數很好的反映了不透水面覆蓋類型的景觀空間特征。研究發現不透水面與地表溫度的關系存在一定程度的階段性。該階段性特征,一方面印證了前人關于不透水面與城市熱環境的顯著相關性特征,同時也體現了非線性的正相關性。然而階段性特征也給出了不透水面與城市熱環境之間負相關性的存在,即在一定的范圍內,隨著不透水面指數的增加,地表溫度下降,這是在對不透水面指數分類予以細分后得到的。因此不透水面對地表溫度的影響相對復雜,不能單一的將不透水面指數值絕對化。不透水面指數僅體現了該像元內不透水面多少情況,還需要思考該像元內不透水面的斑塊數量、空間布局等因素,綜合評價與地表溫度的影響。同時單個像元內不透水面的材質、像元的高程等因素也會帶來不同程度的影響。在建筑用地、裸地的提取方面,有待進一步改善。

未來可以通過高分辨率影像為數據源,將地表類型細化,分別從商業區、辦公區、住宅區、道路、公園等相對微觀的尺度量化不透水面對地表溫度的分析,更加深入的分析不透水面相關要素對地表溫度的影響程度。