北京通州地表溫度的時空分布特征與綠化作用

謝軍飛

叢日晨

王月容*

段敏杰

城市熱島(Urban Heat Island，UHI)效應是指城市氣溫或地表溫度高于郊區等非城市區域的一種溫度差別現象[1-2]。隨著城市的持續發展，大量水泥路面等不透水表面取代了原有的自然地表[3-4]，城市居民生活熱排放激增，也造成了城市熱排放量的日益增加[5-6]，導致目前城市熱島效應比較突出[7-11]。

目前城市熱島效應的研究范圍主要涉及城市地表層、城市冠層和城市邊界層3個層次[12]。其中，城市冠層和城市邊界層的熱島效應研究主要基于地面氣象觀測和數值模擬進行[13-16]。有別于城市大氣冠層和大氣邊界層溫度，城市地表層溫度與人居感受密切相關，不僅可以反映城市熱島效應狀況，也是當前城市熱島效應研究的核心內容之一[17]。傳統通過氣象站獲取的空氣溫度等數據，雖然能實現高時間分辨率的測定，但受經濟等因素的制約，難以實現空間上的全覆蓋。基于少量的氣象站點數據，通過空間內插的方法擴展到面上的誤差通常較大，而通過遙感衛星傳感器獲取的城市地表熱輻射信息，具有間隔周期短、空間覆蓋范圍廣、獲取成本低的優點，目前已成為研究城市地表溫度時空特征的重要途徑。另外，相對于氣溫，地表溫度受大尺度氣團運動的影響較小，比較適合評估人為活動對城市熱島效應的貢獻[18-19]。

通常，利用遙感衛星熱紅外波段數據反演地表溫度分2種情況：需通過大氣校正的地表溫度反演和不需要經過大氣校正的星上亮溫。當研究區域的水汽條件基本一致時，可以忽略大氣影響而用亮溫代表；當研究區域的大氣水汽條件差異較大時，會導致遙感衛星傳感器接收到的熱輻射強度與真實的地表熱輻射強度之間存在較大差異。為獲取真實的地表溫度，需經過含大氣校正的算法反演地表溫度[20]。

本研究基于Landsat 8衛星的熱紅外波段，在氣象要素的實地觀測支持下，通過劈窗反演算法獲取了2015、2016、2017和2019年的北京通州區(含北京城市副中心)地表溫度，并分析了北京通州區(含北京城市副中心)地表的熱島效應時空變化規律與影響因素，從而為緩解北京通州區及城市副中心地表的熱島效應提供科學建議。

1 研究區概況與遙感影像的選取

通州區(北緯39°36′～40°02′，東經116°32′～116°56′)位于北京的東南方向，東西寬約36.5km，南北長約48km，總面積達906km2。通州區地勢相對平坦，土質多為潮黃土、兩合土、沙壤土，屬于大陸性季風氣候區，年平均氣溫約為11.3℃，年降水量620mm左右。而北京城市副中心為原通州新城范圍，東至規劃東部發展帶聯絡線，西至朝陽區的規劃綠化隔離帶，南至京哈高速公路，北至潞苑北大街，東西寬約12km，南北長約13km，總面積為155km2(圖1)。

本研究選取了屬于2015、2016、2017和2019年共計7景Landsat 8衛星影像(由地理空間數據云http://www.gscloud.cn提供，云量少于10%的L1級數據產品，已經過系統的輻射校正和幾何校正處理，基本可以代表晴空條件下北京時間10：00的地表情況)。Landsat 8是2013年2月11日發射的，攜帶有OLI陸地成像儀和TIRS熱紅外傳感器。Landsat 8衛星在空間分辨率和波長范圍方面與Landsat 5保持了基本一致，但波段數量有明顯增加。該衛星一共有11個波段，波段1～7和9的空間分辨率均為30m，波段8為15m分辨率的全色波段，波段10和11空間分辨率為100m，均屬于熱紅外波段，衛星每16d可以實現一次全球覆蓋。

圖1 2015年研究區位置

2 地表溫度反演方法簡介

為了盡可能發揮Landsat 8衛星的2個熱紅外波段(常被稱作通道)的優勢，本研究選擇劈窗算法[21-22]來進行地表溫度反演，該劈窗算法屬于雙通道非線性反演，重點考慮了水汽等因素。

式中，ε和Δε分別表示2個波段的發射率均值與差值，取決于地表分類與覆蓋度；Ti和Tj表示2個波段的觀測亮溫；bi(i＝0，1，…，7)表示各項系數，其可通過實驗測定、大氣參數及大氣輻射傳輸方程的模擬數據集獲取。系數bi取決于大氣柱水汽含量。

另外，通過植被覆蓋度加權法，利用Landsat 8可見光、近紅外波段數據反演的NDVI與植被覆蓋度f估算像元發射率。

式中，植被發射率εv、背景發射率εg值來自相關的光譜數據庫；NDVIv和NDVIs分別為植被和裸土的NDVI值。為了使不同熱紅外波段間的NDVIs和NDVIv保持一致，取0.2作為NDVIs的固定值，取0.86作為NDVIv的固定值。當像元NDVI大于NDVIv時，像元的植被覆蓋度為1.0，像元發射率為εv，當像元NDVI小于NDVIs時，像元的植被覆蓋度為0.0，像元反射率即為εg。則是像元內各組分間多次散射而形成的腔體效應(Cavity Effect)參數，其大小與像元內部冠層結構與地表粗糙度有關。

為了減少不同數據源匹配導致的誤差，劈窗算法還從熱紅外波段本身數據去估算水汽。即首先利用MODTRAN和TIGR大氣廓線，建立2個劈窗通道的大氣透過率比值τj/τi與大氣水汽含量wv的經驗公式，然后通過滑動窗口內2個波段內亮溫(Ti和Tj)之間的協方差與方差的比值來估算透過率比值。

為了驗證劈窗算法反演的地表溫度精度，本研究還在2017年7月10日10：00(Landsat 8衛星的北京過境時間)，使用Fluke Ti 32紅外熱像儀，對處于通州城市副中心的水體、不透水鋪裝、草坪的地表溫度進行了測定，發現水體表面的平均溫度為30.3℃，不透水鋪裝的平均溫度為44.2℃，草坪的平均溫度為36.6℃，與劈窗算法反演的結果比較接近。

從圖2可以看出，2015年通州不同季節的地表溫度呈現出不同的空間分布特征：夏季和秋季，西北部和東南部的建成區地表溫度明顯高于周邊林地和農田區域。其中，最大熱島區域位于通州老城區，總體呈現出片狀和零星熱島共存的空間分布特征。而冬季的通州老城區地表溫度則顯著低于郊區林地與農田地表溫度，出現了明顯的“地表冷島效應”。

3 北京城市副中心不同季節地表溫度的空間分布特征

通過對2015年通州地表溫度反演圖的剪切處理，獲得了城市副中心不同季節地表溫度分布特征：夏季，通州大運河西南側的老城區出現了大面積的高溫區，并沿西南方向延伸至姚辛莊(主要由不透水地面和建筑組成)，北部的宋家莊地區也有一定的高溫區域分布，總體呈現多中心的熱島分布特征，而位于南部郊區的林地農田地表溫度相對較低。冬季，位于老城區的地表溫度則低于南部郊區的植被覆蓋區域，“地表冷島效應”也比較明顯(圖3)。

圖2 2015年通州不同季節的地表溫度分布

圖3 2015年城市副中心不同季節的地表溫度分布

為了判斷城市副中心冬季老城區的“地表冷島效應”是否為偶然現象，還進一步隨機選擇了2016年12月14日、2017年11月15日的Landsat 8衛星遙感影像，并反演其地表溫度。從圖4可以合理推測，城市副中心的老城區冬季“地表冷島效應”的出現并不是偶然現象。

王建凱等也發現了類似的冬季“地表冷島效應”，并認為一方面因為郊區地面的裸露土壤較為干燥，蒸發量較小，導致其升溫速度高于城區下墊面(如水泥路面)；另一方面原因是城區大氣污染物對太陽輻射有吸收和散射作用，在很大程度上削弱了到達地表的太陽輻射強度[23]。

對于上述解釋，在城市副中心地區還值得進一步探討：即使在干燥的情況下，裸露土壤的比熱容應該大于水泥路面等城市下墊面，在熱量輸入大于輸出的條件下，其升溫速度應該會低于城市地表。另外，關于城區污染物引發的“地表冷島效應”也值得商榷，區域污染物濃度不僅與污染源有關，還易受氣象條件與區域傳輸的影響，占地面積僅為155km2的城市副中心空氣污染物濃度空間分布會存在較大差異的可能性較小。如何解釋城市副中心冬季老城區“地表冷島效應”呢？是否有這么一種可能，即冬季上午時段，因空氣污染物的影響，導致老城區與郊區的太陽輻射強度均較弱，下墊面能量輸出大于輸入，在傳遞熱量至大氣的過程中，郊區的裸露土壤因比熱容較大，降溫速度較慢，從而導致其地表溫度高于水泥路面等城市下墊面占主要面積比例的老城區。

同時也應該了解到，同一區域相同時刻的地表溫度與氣溫值存在差異。雖然二者的差異在夜間較小，但是白天城市地表溫度與其上空的氣溫差異較大。根據2015年通州自動氣象站的觀測數據，晴朗的夏季中午城市地表溫度與氣溫的最大差異可以達到25℃；在冬季，城市地表溫度也會高過氣溫約13℃。

需要補充的是，隨著城市副中心環境改善與綠化建設的持續推進，2019年北京城市副中心的局部區域夏季地表溫度有所下降，尤其是北京市政府所在的行政辦公區的地表高溫范圍有明顯減少，姚辛莊地區的地表溫度也有一定程度的下降(圖5)。

概括上述多個小節的分析結果可以發現，通州(含北京城市副中心)城區夏秋兩季熱島效應顯著，出現這種現象的原因應該與城區下墊面類型等因素有關[24]。1)城市下墊面吸收更多的熱量。城市中大量的人工構筑物，如鋪裝地面、水泥路面、建筑物等，顏色較深，其反射率比自然下墊面小，導熱率也要比郊區自然界下墊面大，所以在相同的太陽輻射條件下，城市下墊面能吸收更多的熱量。再加上城市建筑物密集，街道和庭院中的“天穹可見度”較小，太陽輻射在高大建筑物之間的多次反射和吸收，能夠比郊區農村開闊地吸收更多的太陽能。2)城市下墊面的蒸散耗熱量小。與郊區相比，由于蒸騰作用散失的熱量較小，城市中植被覆蓋率較低。3)城市下墊面通常比熱容小，吸收相同熱量升溫更快。4)城市中建筑物密集，使下墊面的粗糙度增加，減弱了風速，不利于熱量向外擴散。

在通州地區，鄭曉瑩等基于網格法的定量研究發現，地表溫度與植被覆蓋度之間具有明顯的負相關關系[24]。本項目通過Arcmap的Spatial Analyst Tools-Multivariate，選擇band collection statistics工具，在出現的對話框中，選中圖6中2個柵格圖，并且勾選Covariance Matrix和Correlation Matrix進行相關分析，也發現北京城市副中心植被覆蓋度與地表溫度之間的相關系數可達0.57，具有較強的負相關關系。

基于上述負相關關系，很顯然，城市綠化能夠有效發揮緩解城市熱島的作用。城市綠化緩解熱島效應主要是通過園林植物生理活動中產生的生態效益，即植物通過葉片進行光合與蒸騰作用，吸收太陽輻射與環境中的熱量，從而實現地表降溫效應。

需要注意的是，城市熱島作為一種小尺度的氣象現象，必然受到大尺度天氣形勢的影響。當氣壓梯度小、微風或無風，或有下沉逆溫時，有利于熱島的形成。而如果處于不穩定的天氣形勢下，熱島的強度則會降低。有研究表明風速大于11m/s時，熱交換強烈，城市熱島效應不明顯。

圖4 城市副中心的冬季地表溫度分布

圖5 2019年8月17日北京城市副中心地表溫度分布

圖6 2015年7月5日城市副中心植被覆蓋度與地表溫度分布

4 小結與討論

本研究基于Landsat 8衛星的熱紅外波段，在氣象要素的實地觀測支持下，通過劈窗反演算法獲取了2015、2016、2017和2019年的北京通州區(含北京城市副中心)地表溫度，并分析了北京通州區(含北京城市副中心)地表的熱島效應時空變化規律與影響因素。主要研究結論如下。

1)2015年的夏季和秋季，西北部和東南部的建成區地表溫度明顯高于周邊林地和農田區域。其中，最大熱島區域位于通州老城區，總體呈現出片狀和零星熱島共存的空間分布特征。而冬季的通州老城區地表溫度則顯著低于郊區林地與農田地表溫度，出現了明顯的“地表冷島效應”。北京城市副中心也具有類似通州的規律，但熱島分布格局呈明顯的多中心，不僅在老城區，位于郊區的宋莊、姚辛莊因建筑面積較大，也出現了明顯的高溫區域。

2)北京城市副中心的老城區冬季“地表冷島效應”的出現并不是偶然現象，其可能原因是冬季上午時段，因空氣污染物的影響，導致老城區與郊區的太陽輻射強度均較弱，下墊面能量輸出大于輸入，在傳遞熱量至大氣的過程中，郊區的裸露土壤因比熱容較大，降溫速度較慢，從而導致其地表溫度高于水泥路面等城市下墊面占主要比例的老城區。

3)2019年北京城市副中心的局部區域夏季地表溫度有所下降，尤其是北京市政府所在的行政辦公區的地表高溫范圍有明顯減少，姚辛莊地區的地表溫度也有一定程度的下降。

4)城市地表熱島效應產生的主要驅動力來自城市內部的自然因素(土地利用)和社會因素(人口密度、生產活動)。北京城市副中心植被覆蓋度與地表溫度之間的相關系數可達0.57，具有較強的負相關關系。

此外，李延明等對北京城區的綠化覆蓋率和熱島強度進行了回歸分析，結果發現綠化覆蓋率與熱島強度之間呈顯著的負相關關系，綠化覆蓋率越高，則熱島強度越低[25]。并且對比發現綠化覆蓋率達到30%的區域，其熱島強度出現較明顯的減弱；而當綠化覆蓋率大于50%時，熱島強度的緩解現象極其明顯。

城市綠地系統的布局也會影響城市熱島，王美雅等通過對比廣州和深圳2個城市發現，它們雖然地理位置相鄰，但深圳的建設用地呈多區域分布，而廣州的建設用地卻集中連片發展，導致廣州熱島強度(3.07℃)高于深圳(2.43℃)[26]。因此，建議在城市建設過程中，多采用多中心布局的方式，有計劃地疏散主城區高聚集度的居住區或工業設施，從而降低城市整體地表熱島強度。

苗世光等通過數值模擬發現，在面積相同的情況下，對比集中型綠地布局，分散型綠地布局對環境溫度、濕度、風速的影響范圍更大，影響程度更深[27]。臧亭等認為在城市高密度中心區，在綠化面積一定的情況下，宜選擇多點布局方式，即增加綠地小斑塊數量，從而更好地發揮整體降溫效應[28]。薛濱夏等也從整體協同、均勻配置的角度，提出了應對城市熱島效應的3種綠地格局優化模式[29]。

需要補充的是，提高城市綠化覆蓋率是優化綠地系統布局的重要前提。尤其是對于城市建設用地緊張的區域，充分開展屋頂綠化將在提高綠化覆蓋率的同時緩解夏季熱島效應，姜之點等基于三維小氣候模型ENVI-met，在南京市開展了傳統光屋頂、簡易型綠化、復合型綠化的微氣候模擬與分析，其結果表明，街區尺度的屋頂綠化會產生“冷島效應”，并從屋面擴散到地面，從而會間接降低地表溫度[30]。

注：文中圖片均由作者繪制。