重慶市市域熱場分布與土地利用的關聯分析

姜亞楠，官冬杰，程麗丹

(重慶交通大學 建筑與城市規劃學院，重慶 400074)

1 引言

采用遙感技術監測城市熱島效應和城市熱環境變化是近年來城市環境監測和城市生態研究的熱點領域[1，2]。隨著城市化進程的快速發展，人為改造的下墊面和人為活動的熱量排放打破了原有的熱平衡，使得城市及其周邊區域的生態環境發生了很大變化[3]，因此，開展城市熱環境變化研究對于保護生態環境、建設宜居城市具有重要指導意義[4]。然而，對于城市這種下墊面異質性很大的區域，使用遙感方法對其熱環境進行研究卻受到很多因素的制約，其中最為主要的因素是現有熱紅外遙感數據空間分辨率的限制[5]。目前研究熱環境所需要的熱紅外數據，空間分辨率普遍在100 m左右，在這個尺度上，可以正確區分城市與郊區的熱環境差異，卻無法劃分城市內部的道路、高建筑密度區域、低建筑密度區域、公園和具有一定規模的綠地的熱環境差異[6]。空間降尺度技術是解決現有困境的有效途徑之一，它通過對同一傳感器的不同分辨率波段數據進行整合，從而實現提高熱紅外影像空間分辨率的目標[7]。運用空間降尺度算法可以發掘遙感影像的潛力，獲得與可見光波段空間分辨率相同的熱紅外影像，這對于提高城市熱環境的監測水平具有重要意義[8]。

本文以重慶市主城區為研究區域，獲取MODIS數據影響，運用較成熟的降尺度算法，對降尺度后的數據影像產出熱場等級圖，結合土地利用數據、主城區與其他區縣的熱場強度的對比分析重慶市熱環境的分布規律。

2 研究區概況與數據來源

2.1 研究區概況

重慶市位于中國西南地區，緊靠長江，與四川、貴州、湖北、湖南等接壤，是西南地重要的經濟與交通樞紐站，屬長江經濟帶上游，位于東經105°11′～110°11′、北緯28°10′～32°13′之間。全市面積約為8.24萬km2，轄區東西長470 km，南北寬450 km。重慶地勢獨特，多為山地丘陵，東南部、東北部高山較多沿長江向西地勢逐漸平緩。地貌類型繁多，其中山地面積約占50%左右，高原、丘陵其次，平原僅為2.6%。與之相關的重慶市經發展水平由高山貧瘠地區逐漸向三江匯流平坦處不斷邁進。重慶特殊的地貌使得大氣環流、季風進退都有影響，造成了重慶獨有的氣候，復雜多變，空間差異性較大。

2.2 數據來源

2.2.1 遙感影像數據

本文選用的遙感影像從地理空間數據云(http://www.gscloud.cn)下載，下載2001年9月Landsat TM5影像，2010年10月Landsat TM5的遙感影像，選擇云量較少圖像清晰的日期下載共4景影像，選用分辨率為30 m的7個波段進行合成，使用ENVI5.1以此對遙感影像進行輻射校正、大氣校正、幾何精校正和圖像增強等預處理工作。根據重慶市主城區的矢量邊界使用ENVI裁剪模塊裁剪以獲得杭州市的遙感影像，結合Google map影像及查閱資料作為輔助資料確定研究區的土地利用類型和解譯標志，將分類后的圖像做主要/次要分析，與原始影像對比，對錯分、漏分等區域進行手動修改，將杭州市土地利用類型劃分為7大類：林地、耕地、交通用地、水域、草地、居民用地和裸地等。最后，根據混淆矩陣對分類進行進度評價，2001年與2010年的Kappa系數分別為0.83和0.88，即為監督分類的結果較為良好。

在監督分類的過程中，計算機的自動分類是按照所選取興趣區的光譜特性，進行分類的，由于存在同物異譜或者同譜異物的情況，所以在分類的過程中會有一些區域被分錯，于是需要通過手動進行修改；分類的過程中也會由于遙感影像存在很多混雜的像素點，所以分類后會出現很多細小的斑塊，則可以通過ENVI的去除小斑塊工具進行處理，在處理過程中，我選擇的是只要/次要分析，也有用聚類分析，但是聚類分析會使得象元過于平滑，使得圖像過于板塊化，所以對比發現主要/次要分析使得圖像大部分小斑塊去除，而且使得圖像不是太失真。計算機監督分類，比較集中方法后，采用的是最大似然法進行分類，之后再GIS軟件中處理，制作得到2001年和2010年兩個時期各自的土地利用圖。

2.2.1 地表溫度產品

本文選取了2000年和2010年9月末至10月初的多幅Landsat影像數據，來自美國NASA網站(https://ladsweb.modaps.eosdis.nasa.gov)其中地表溫度產品mod11a2，有12個波段，其中第1和第5波段分別為白天和夜間1km的地表溫度LST，NDVI產品是mod13q1(13 d、250 m)；dem數據從地理空間數據云上獲取，分辨率為90m。由于考慮到LST的季節性因素，選用了夏天和秋天之間的影響作為數據，經觀察發現白天的數據優于晚上數據。于是經過篩選確定了最好的一期LST圖像和一期NDVI影像，云量幾乎沒有影響。同時選取了得到的重慶市2015年土地利用分布圖和重慶市各城區行政區劃圖作為輔助數據。

3 研究方法

3.1 空間降尺度算法

本文選用了較為成熟的一種降尺度手段 HUTS 算法作為方法。一般降尺度作為計算小面積降雨量時有著大量的應用，而Dominguez等[9]于2011年提出一種在城市建成區應用中，地表異質性較大的區域表現更好的算法[6]。這種算法在傳統的降尺度算法上引入新的模擬函數，利用大尺度的地表溫度LST與植被歸一化指數(NDVI)和地表反照率(α)的回歸關系，建立模擬函數，從而利用小尺度的NDVI和地表反照率去擬合小尺度的LST。

本文利用1000 m的LST、NDVI、DEM以及經緯度建立LST與三者之間的回歸關系，選擇R2最大的一組回歸函數，確定其系數作為最理想擬合函數，然后再根據已有的250 m NDVI、DEM以及經緯度數據來帶入擬合出250 m的LST數據。其中，要計算出1000 m數據中真實值與擬合值的殘差，將殘差重采樣到250 m，最后將250 m殘差與擬合值相加，就得到了降尺度后的250 m LST數據。思路流程如圖1。

圖1 降尺度方法流程

通過SPSS軟件進行一般線性擬合，經過反復比較精度，最好的擬合方程為：

然后根據已知實際的1000 m LST進行殘差處理，得到的1000 m殘差再插值到250 m。根據得到的擬合方程首先來擬合地表溫度LST250m結果：

然后將插值后的殘差與LST250day相加就得到了降尺度后的地表溫度數據(圖2)。本文研究的對象是城市熱環境現象，需要小尺度的地表溫度數據，因此降尺度是必須經過的程序。

圖2 重慶市主城區地表溫度分布

3.2 地表覆蓋與地表溫度的定量分析

對地表溫度降尺度的結果進行城市地表熱場等級劃分[10]。本研究選用密度分割法作為劃分方式，不同日期的溫度的絕對值不能說明地表溫度空間分布特征，為了更精確的分析溫度分布，利用GIS，采用密度分割法對城市溫度進行等級劃分：

T=A±X×SD

(1)

式(1)中：T為計算出的溫度閾值，A為研究區地表平均溫度，SD為地表溫度標準差，X表示標準差的倍數(表1)。標準差是個體值偏離均值的程度反映，這種方法能合理的對不同程度的溫度進行歸一化處理，具有客觀性。將重慶市地表熱場分為了5個等級，由于重慶市屬于極炎熱地區，所以在劃分時著重劃分了高溫部分，溫度等級如表2。

表1 標準差倍數取值

圖3為降尺度按等級劃分后的重慶市地表溫度數據，可以看到有明顯的熱環境現象，人口密集發展程度好的區域，熱環境效應明顯，在主城區以及沿江的重點區縣有著溫度較高，熱點聚集明顯。

根據地表熱場劃分的等級，將面轉為柵格文件，提取到點上，計算不同熱場溫度等級所占面積比例，得到表3，可以看出白天重慶市夏季末常溫區所占比例最大，站重慶市總面積的89.48%。低溫和較低溫區的區域較少。

表2 地表熱場等級劃分

利用重慶市2015年土地利用類型分布圖分析了各種土地利用類型與溫度的關系，如圖4，結果表明：

(1)綠植覆蓋地和水體地表溫度較低，從直觀上比較，林地溫度低于水域表面溫度，但都比建設用地和耕地的地表溫度低。該結果符合常理范圍，說明降尺度的手段是切實有效，有理可循的科學手段。

圖3 降尺度后熱場分布等級

(2)植被覆蓋度決定地表溫度，其中居民用地對地表溫度貢獻較高，而綠地和水體因含水作用對地表溫度貢獻度較低。因此，在城市發展、規劃中，保證經濟發展的同時合理控制城市建筑、裸地的面積，增加水體和綠地面積，從而適量的為城市地表降降溫[11]。

3.3 城市熱島強度

為綜合評價重慶市熱環境效應，引入了熱島強度的算法[12]，根據重慶情況，把主城區與其余區縣做一個溫度差異值對比，從而得到重慶市主城區的熱島強度。具體做法是江城主城區平均溫度與區縣平均溫度做差值，對比主城區與其他區縣的熱環境有利于對主城區降溫，城市擴張發展有著指導作用。

表3 不同地表熱場等級占比

圖4 土地利用類型分布

圖5 不同用地類型地表溫度

T城區=(T沙坪壩+T渝中區+T江北區+T南岸區+T九龍坡區+T大渡口區+T北碚區+T渝北區+T巴南區)/9

T區縣=(T永川區+T涪陵區+T長壽區+T江津區+T合川區+T南川區+T榮昌縣+T大足縣+T璧山縣+T銅梁縣+T潼南縣+T綦江縣+T萬州區+T開縣+T云陽縣+T梁平縣+T墊江縣+T忠縣+T豐都縣+T奉節縣+T巫山縣+T巫溪縣+T城口縣+T黔江區+T武隆縣+T石柱縣+T秀山縣+T酉陽縣+T彭水縣)/29

城市熱島強度為：UHI=T城區-T區縣

得到結果，重慶市主城區熱島強度為UHI=26.18-23.29=2.89。

4 結果分析

4.1 降尺度結果評價

降尺度是一種有效的數據分析手法，本研究通過構建地表溫度數據與海拔、經緯度、植被覆蓋度的擬合關系，將1 km的地表溫度數據降到了250 m，提高了原始數據的分辨率，反演了小尺度也能進行地表溫度數據分析。如果用原始1000 m的數據，做出的效果一定不如降尺度后的明顯，說明降尺度算法是具有一定準確性的，可以應用到多種數據的處理中，經過降尺度的數據符合要求，能更便捷快速的的分析問題。

4.2 地表覆蓋與地表溫度的定量分析

本文采用密度分割法對研究區地表溫度進行等級劃分，劃分出6個等級，分析了重慶市面積所占各個等級比例，數據結果說明，9月末至10月初的時間段，重慶市仍絕大部分處于常溫狀態，溫度分布在11.99 ℃

結合土地利用分布數據的分析，說明了土地的含水量決定著地表溫度的高低。水的比熱容大，白天不易升溫，夜晚不易降溫，都對地表溫度數據產生了影響。當植物覆蓋較高時能留住大量水分，使得地表溫度不易被改變，此結果對城市熱點降溫，改善熱環境質量提出了建議，適當的增加中心城市的綠化，可以有效降低城市的熱效應現象。

4.3 城市熱島強度

在計算過程中需要每個區縣和主城片區的地表溫度均值數據，同時還要注意首先要將地表溫度數據與土地利用面積結合起來，再進行操作。本研究中熱島強度明顯，主城普遍的地表溫度都大于周圍區縣的地表溫度，說明城市發展幾乎與地表溫度成正比，人口密集程度亦然。

5 結論

本研究利用降尺度手段明晰了城市熱島效應與城市土地利用的關系，主要體現在：地表溫度數據與土地利用類型有關，當用地類型植被覆蓋度較高、水分含量較高時，地表溫度受到弱化；主城區地表溫度在同一時相中，較其他區縣地表溫度高，可以明顯看出差距。所以本研究也為研究主城區擴張與發展效果提供了依據。