城市景觀格局與地表溫度的定量關(guān)系
——以蘭州市為例

郝嘉楠,高澤陽(yáng)

(蘭州大學(xué) 資源環(huán)境學(xué)院，甘肅 蘭州 730030)

研究全球資源環(huán)境和氣候變化問題，地表溫度的重要性不言而喻.諸如城市熱環(huán)境、全球氣候、土地利用等課題，都離不開地表溫度這一至關(guān)重要的因素.城市熱島效應(yīng)，表現(xiàn)為城市四周農(nóng)村地區(qū)溫度明顯低于城市溫度[1]，形成類似高溫孤島的現(xiàn)象，這是城市化進(jìn)程達(dá)到一定程度時(shí)的必然現(xiàn)象.城市熱島的出現(xiàn)，使得城市能源消耗增加，硫化物，碳氧化物、氮氧化物等空氣污染物的排放量大大上升，其對(duì)人體的傷害也不容小覷.城市下墊面的性質(zhì)、人工熱源的增加、水氣影響、空氣污染、城市景觀格局的變化、綠地減少、人口遷徙等，都是造成熱島效應(yīng)不容忽視因素[2].已有大量研究證明，土地利用組成及其空間格局會(huì)對(duì)地表溫度產(chǎn)生影響.個(gè)別土地利用/覆蓋類型對(duì)溫度的影響研究，是目前研究最為普遍的方向，張震[3]通過主成分分析方法和相關(guān)分析方法，研究了青島市下墊面、土地利用驅(qū)動(dòng)因子和社會(huì)經(jīng)濟(jì)對(duì)地表溫度產(chǎn)生的影響；李琳[4]結(jié)合了回歸分析方法，主成分分析方法和相關(guān)分析方法，得到與成都市地表溫度呈現(xiàn)正相關(guān)的景觀格局類型是不透水面，與地表溫度呈現(xiàn)負(fù)相關(guān)的景觀格局類型是植被，而水體與地表溫度呈現(xiàn)微弱負(fù)相關(guān)關(guān)系.但是定量化分析景觀格局與地表溫度之間的關(guān)系，應(yīng)加以提高.鄒婧[5]等通過研究土地利用類型與結(jié)構(gòu)和地表熱環(huán)境之間的關(guān)系，定量地探討了深圳市景觀格局與地表溫度之間的關(guān)系.王雪[2]等利用最小二乘法和地理加權(quán)回歸方法，分析北京市景觀格局對(duì)地表溫度的影響.

研究城市景觀格局與地表溫度的定量關(guān)系，有利于合理規(guī)劃城市土地資源，緩解城市熱島效應(yīng)，為城市規(guī)劃與發(fā)展提供科學(xué)的指導(dǎo).作為西部地區(qū)重要的中心城市之一，蘭州市的城市化步伐越來越快，由此引發(fā)的生態(tài)環(huán)境問題也日益增加.因此，土地利用與景觀格局的變化導(dǎo)致的生態(tài)環(huán)境問題阻礙了蘭州市社會(huì)經(jīng)濟(jì)的發(fā)展.本文以蘭州市為研究區(qū)域，使用2017年夏季Landsat 8影像，定量地研究了不透水面和植被覆蓋與地表溫度的關(guān)系，并從景觀角度出發(fā)，探討蘭州市景觀類型空間格局和組成與地表溫度空間分布之間的關(guān)系，旨在為蘭州市城市生態(tài)改善以及合理規(guī)劃城市布局提供科學(xué)支持.

1 研究區(qū)概況

蘭州市位于甘肅省中部，東經(jīng)102°36′-104°34′，北緯35°35′-37°7′之間[6].土地總面積為13085.6 km2，區(qū)域內(nèi)地貌復(fù)雜多樣，山地、高原、平川、河谷、沙漠、戈壁，類型齊全，交錯(cuò)分布，地勢(shì)自西南向東北傾斜，有著兩山夾一河的特點(diǎn)，地形呈狹長(zhǎng)型[7].受蘭州市自身地勢(shì)高差的懸殊和復(fù)雜的地形的影響，蘭州市局部氣候差異性較大：蘭州市的西側(cè)、南側(cè)均是石質(zhì)山，屬于溫寒帶濕潤(rùn)地區(qū)，海拔較高，年平均氣溫只有20-50 ℃，年降水量?jī)H為 500 mm，其中北側(cè)和東北地區(qū)平均氣溫在60 ℃左右，年平均降水量小于250 mm，屬于溫涼帶干旱區(qū).蘭州市中心城市地帶屬于溫帶半干旱地區(qū)，平均氣溫在11.20 ℃左右[8].

年平均日照時(shí)數(shù)為2446 h，無霜期為180 d[9].隨著蘭州市社會(huì)經(jīng)濟(jì)的發(fā)展，蘭州市土地利用發(fā)生了巨大變化，城市熱島效應(yīng)也越來越顯著.

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本實(shí)驗(yàn)選用美國(guó)陸地衛(wèi)星Landsat 8 OLI/TIRS影像數(shù)據(jù)(數(shù)據(jù)來源：USGS EarthExplorer)作為地表溫度反演和土地利用/覆蓋分類的基礎(chǔ)數(shù)據(jù).影像選取時(shí)間為2017年8月3日，軌道號(hào)為131-35，研究區(qū)范圍內(nèi)云量覆蓋為0.使用1∶200000蘭州市土地利用總體規(guī)劃圖輔助進(jìn)行土地利用/覆蓋分類.并對(duì)原始影像進(jìn)行輻射校正、研究區(qū)域裁剪等預(yù)處理.

2.2 研究方法

2.2.1 地表溫度反演

文章采用輻射傳導(dǎo)方程法反演地表溫度[10].根據(jù)輻射傳導(dǎo)方程法反演地表溫度Ts的表達(dá)式為：

式中，K1、K2為傳感器的定標(biāo)常數(shù)，在Landsat OLI的取值分別為K1=774.89 W/(m2*μm*sr)，K2=1321.08 K；B(Ts) 為溫度Ts的黑體輻射亮度，計(jì)算公式如下：

式中，τ為大氣透過率，L↑為大氣上行輻射，L↓為大氣下行輻射；這三個(gè)參數(shù)值可通過美國(guó)航天航空局官網(wǎng)( https://atmcorr.gsfc.nasa.gov) 輸入相關(guān)參數(shù)查詢；Lλ為傳感器接收到熱紅外光譜輻射亮度；ε為地表比輻射率.

使用NDVI閾值法可計(jì)算地表比輻射率ε[11]：

ε=0.004PV+0.986

式中，PV是植被覆蓋度，采用像元二分法計(jì)算.原理如下:

式中，NDVIsoil為裸土覆蓋區(qū)域的NDVI值；NDVIveg代表完全植被覆蓋區(qū)域的NDVI值；NDVI 為歸一化植被指數(shù)，根據(jù)下式計(jì)算：

式中，NIR和R分別為L(zhǎng)andsat 8影像的近紅外波段和紅波段.

統(tǒng)計(jì)計(jì)算完的NDVI值，NDVIsoil和NDVIveg分別取為NDVI累計(jì)5%和95%的像元值.

2.2.2 基于AdaBoost算法的土地類型/覆蓋提取

遙感影像分類，通常情況下屬于多分類問題范疇.首先，AdaBoost賦予每個(gè)樣本相同的權(quán)重，即樣本被選擇為基分類器的概率.此后，進(jìn)行加權(quán)抽樣，于樣本集中提取訓(xùn)練樣本，生成弱分類器，對(duì)樣本總體進(jìn)行弱分類，得到當(dāng)前分類器的誤差.利用誤差計(jì)算各樣本權(quán)重，這樣便可提升錯(cuò)誤分類樣本權(quán)重；按此法，可在之后迭代過程中，再次集中選擇更多，容易被錯(cuò)誤分類的樣本.同時(shí)，新生成的分類器也將對(duì)這些樣本給予更多關(guān)注.這一系列的弱分類器，便是基于類似多次迭代過程形成的.這些弱分類器對(duì)未知實(shí)體進(jìn)行分類，并最終利用加權(quán)投票的方式，集成所有分類結(jié)果[12].AdaBoost有很多不同的基分類算法，在AdaBoost中，不同地物通過迭代次數(shù)的改變，而影響其分類的精度.

本實(shí)驗(yàn)采用基于AdaBoost算法的分類系統(tǒng)，把土地分為：林地、其他植被(包括園地、農(nóng)用地、草地等)、其他用地(包括自然保留地、灘涂等)、不透水面和水體5種類型.

2.2.3 相關(guān)分析

相關(guān)分析的任務(wù)，就是揭示地理要素之間相互關(guān)系的密切程度[13].地理要素之間相互關(guān)系密切程度的測(cè)定，主要是通過對(duì)相關(guān)系數(shù)的計(jì)算與檢驗(yàn)來完成的，兩個(gè)地理要素間相關(guān)關(guān)系的計(jì)算方式為：

式中，rxy為要素x與y之間的相關(guān)關(guān)系系數(shù)，其值介于[-1，1]之間，是表示兩要素之間的相關(guān)程度的統(tǒng)計(jì)指標(biāo).rxy>0，表示正相關(guān)，rxy<0，表示負(fù)相關(guān)，rxy的絕對(duì)值越接近于1，表示兩要素的關(guān)系越密切.

2.2.4回歸分析

作為一種分析變量關(guān)系的強(qiáng)有力的工具，回歸分析通過建立的回歸模型來反映地理要素間的具體數(shù)量關(guān)系[14].回歸模型有線性與非線性兩種.一元線性回歸模型因變量與自變量單一對(duì)應(yīng).假設(shè)有兩個(gè)地理要素(變量)x和y，x為自變量，y為因變量.則一元線性回歸模型的基本結(jié)構(gòu)形式為：

ya=a+bx+εa

本文通過回歸分析定量研究蘭州市不透水面、植被覆蓋與地表溫度的關(guān)系，并建立它們之間關(guān)系的回歸方程.

2.2.5 空間自相關(guān)分析

空間自相關(guān)分析是為了確定地理要素之間在空間上的相關(guān)性[15].空間自相關(guān)系數(shù)可以用來定量地描述地理要素在空間上的依存程度，其計(jì)算公式為：

2.2.6 景觀格局指數(shù)

景觀格局指數(shù)屬于定量分析因素，用以反映景觀格局信息[16].本文結(jié)合研究區(qū)域景觀特點(diǎn)和空間特性，選取了8個(gè)景觀格局指標(biāo)研究蘭州市土地利用格局.景觀格局指數(shù)通過Fragstats4.2軟件計(jì)算得到，如表1示：

表1 景觀格局指數(shù)

3 蘭州市景觀格局與地表溫度的關(guān)系研究

3.1 不同土地類型之間溫度比較

表2 不同土地利用類型的地表溫度分布圖

表2是蘭州市2017年土地利用/覆蓋類型的地表溫度統(tǒng)計(jì)值.通過對(duì)比均值可以發(fā)現(xiàn)，2017年研究區(qū)地表溫度序列為：其他用地>不透水面>其他植被>水體>林地.其他用地、不透水面的平均地表溫度在5種土地利用類型中排名靠前.其他植被里包含有大量的草地、農(nóng)用地、花園等土地類型，所以其平均地表溫度比較高.蘭州山地面積占全市面積的85%，連續(xù)的大面積裸土地直接導(dǎo)致了其他用地溫度過高.林地的地表溫度是所有土地利用類型中最低的，其次是水體.

對(duì)比土地利用類型的地表溫度的標(biāo)準(zhǔn)差，其順序?yàn)椋浩渌玫?林地>其他植被>水體>不透水面.不透水面地表溫度的標(biāo)準(zhǔn)差最低，主要原因是因?yàn)樘m州市城鎮(zhèn)大多處在地勢(shì)平坦的地區(qū)，建筑集中且分布均勻.黃河是蘭州市的主要水域，水質(zhì)差異小，均一性比較大，所以水體的標(biāo)準(zhǔn)差相對(duì)于其他地區(qū)比較小.其他用地是所有土地利用類型中標(biāo)準(zhǔn)差最大的，這主要是因?yàn)槠渌玫乩锇寺阃恋亍⑻幵诔擎?zhèn)中的未利用地等，其跨度比較大.蘭州地區(qū)的林地主要集中在東南地區(qū)，其余地區(qū)林地稀疏、密度小，林地分布不均衡.

3.2 不透水面與地表溫度的關(guān)系

將不透水面與地表溫度進(jìn)行回歸分析，二者的分析結(jié)果如圖1所示.

圖1 研究區(qū)不透水面與地表溫度關(guān)系Fig.1 relation between impermeable water surface and surface temperature in the study area

圖2 研究區(qū)植被覆蓋與地表溫度關(guān)系Fig.2 relationship between vegetation cover and surface temperature in the study area

由圖1可以發(fā)現(xiàn)，研究區(qū)不透水面與地表溫度之間有著顯著的線性正相關(guān)關(guān)系，隨著不透水面程度的加深，地表溫度也呈現(xiàn)明顯的上升趨勢(shì).這就表明，不透水面可以增加地表溫度，不透水面區(qū)域越多的地方，地表溫度也就越高.因而，不透水面的擴(kuò)展會(huì)導(dǎo)致城市熱島效應(yīng)加劇.

3.3 植被覆蓋與地表溫度的關(guān)系

將植被覆蓋與地表溫度進(jìn)行回歸分析，二者的分析結(jié)果如圖2所示.

由圖2可以看出，植被覆蓋與地表溫度呈現(xiàn)顯著的線性負(fù)相關(guān)關(guān)系，植被覆蓋度越好，地表溫度越低.這說明植被具有降低地表溫度的作用，由于城鎮(zhèn)用地密度大的地方，植被密度小、種類少，造成了地表溫度增加.植被種類多而密集區(qū)域，溫度比較低.植被對(duì)于減緩城市地表溫度作用明顯.

3.4空間自相關(guān)分析結(jié)果

本文通過GeoDa空間分析軟件，使用全局空間自相關(guān)模型統(tǒng)計(jì)檢驗(yàn)地表溫度與植被覆蓋和不透水面二者分布的空間自相關(guān)性.空間自相關(guān)系數(shù)Moran’s I見表3.

表3 Moran’s I系數(shù)

Moran’s I系數(shù)顯示，蘭州市地表溫度與植被覆蓋和不透水面的分布均呈現(xiàn)空間正自相關(guān).相對(duì)而言，不透水面分布的空間聚集性要強(qiáng)于植被覆蓋.

3.5 最小二乘法回歸模型分析結(jié)果

本實(shí)驗(yàn)主要通過SPSS軟件，以5類土地利用類型為自變量，溫度為因變量，為每個(gè)景觀格局指數(shù)建立OLS模型.表4為5類土地利用類型與地表溫度的擬合優(yōu)度.

表4 土地利用類型與地表溫度的擬合優(yōu)度

在OLS模型中，景觀格局指數(shù)CA對(duì)地表溫度解釋率為60.8%，這就說明地表溫度受不同土地利用類型面積大小的影響.景觀格局指數(shù)LPI、AREA_MN對(duì)地表溫度解釋率分別為63.2%、60.8%，LPI代表最大斑塊占景觀面積的比例，說明某種土地類型越集中，對(duì)溫度的影響越大.而AREA_MN表示的是景觀的破碎程度，AREA_MN越大，溫度就越高.ED對(duì)溫度的影響程度一般，其他指數(shù)的R2和調(diào)整R2相對(duì)較小.

4 結(jié) 論

本文得到的結(jié)論有以下三點(diǎn)：

(1)蘭州市的林地主要集中在東南地區(qū)，而西北地區(qū)多為黃土裸地，中間過渡區(qū)域多為裸地、草地、耕地、城鎮(zhèn)等用地.在空間格局上，蘭州市有著兩山夾一河的特點(diǎn).所以研究區(qū)內(nèi)的地表溫度呈現(xiàn)出南北兩山溫度高于城市中部區(qū)域，西北地區(qū)溫度略高于東南地區(qū)的特點(diǎn).研究區(qū)最高溫度為45.34 ℃.不透水面密集的區(qū)域，溫度普遍比較高，溫度高值區(qū)主要分布在蘭州市北山的區(qū)域.最低地表溫度為18.45 ℃.林地和水域分布廣泛均一區(qū)域地表溫度相對(duì)較低.總的來看，城市與郊區(qū)溫差顯著，城市地區(qū)存在著大面積島嶼狀高溫區(qū)域，熱島效應(yīng)明顯.由于不透水面對(duì)太陽(yáng)輻射的反射率小，可以吸收更多的太陽(yáng)輻射，導(dǎo)致溫度升高.而城鎮(zhèn)地區(qū)人口密度大，建筑密集，產(chǎn)生的人為熱量對(duì)熱島的形成有促進(jìn)的作用.

(2)蘭州市不透水面和植被覆蓋與地表溫度的分布呈不同程度的空間相關(guān)性，表現(xiàn)出一定的聚集分布狀態(tài).不透水面與地表溫度的擬合優(yōu)度為63%，植被覆蓋與地表溫度的擬合優(yōu)度為59%，說明不透水面和植被覆蓋與地表溫度的相關(guān)性比較高，不透水面與地表溫度呈現(xiàn)正相關(guān)關(guān)系，植被覆蓋與地表溫度呈現(xiàn)負(fù)相關(guān)關(guān)系.

(3)在OLS模型中，共有4種景觀格局指數(shù)與地表溫度得到了比較好的擬合效果.LPI對(duì)確定景觀的優(yōu)勢(shì)類型有一定的促進(jìn)作用，CA制約著景觀內(nèi)物種的豐度、優(yōu)勢(shì)等.由于蘭州市市區(qū)集中在東南地區(qū)，所以蘭州市的不透水面主要集中在東南地區(qū)，蘭州市林地主要分布在東南地區(qū)，其他用地(裸地、黃土地等)主要分布在南北兩山，黃河是蘭州市的主要水體.所以LPI和CA越大，對(duì)溫度的影響就越大.AREA_MN反映蘭州市不同景觀格局的破碎程度，一般情況下，AREA_MN越大，溫度就越高.蘭州市的地表溫度受景觀破碎度、斑塊面積等的影響較高.因此，減少不透水面面積，加大不透水面的破碎程度，在一定程度上，可以緩解城市熱島效應(yīng).提高蘭州市綠化程度，能更有效降低城市區(qū)域的地表溫度.蘭州市植被聚集地多為低溫區(qū)，所以，通過增加蘭州市植被面積，豐富植被類型，增加植被多樣性和密集度，可以有效緩解蘭州市熱島效應(yīng).