耿樹豐,任嘉義,楊 俊,2,*,國安東,席建超
1 遼寧師范大學自然地理與空間信息科學遼寧省重點實驗室, 大連 116029
2 中國科學院區域可持續發展分析與模擬重點實驗室, 北京 100101
3 中國科學院地理科學與資源研究所, 北京 100101
21世紀以來,世界各國城市快速發展,人口聚集,不透水面和建筑改變了原有自然覆蓋特征[1—2]。在工業發達、經濟發展增速較快的大城市,局部熱環境和小氣候在不同程度上發生變化,城鄉之間產生溫度差異,引發城市熱島效應(Urban Heat Island,UHI),不利于可持續發展[3—6]。UHI是城市化導致微氣候變化的總體反映,地表溫度(Land Surface Temperature, LST)能夠說明地表增溫程度,更能直接影響人類居住舒適度,近年來受到廣泛關注[7—8]。
起初,針對地表溫度的研究集中于地表覆蓋,LST與不透水面密度(正)和植被密度(負)之間存在顯著的相關性[9—10]。另外,地表覆蓋組分的空間分布及結構對LST的影響存在差異,聚集度越大,地表溫度越高[11—15]。然而,由于建筑在水平地面和垂直空間分布具有不均勻性,城市內部狹窄的街道和高樓對熱量和通風存在阻擋作用,建筑的幾何形態對LST的影響更加復雜[16—20]。對于發展中國家,特別是人口稠密區,土地利用方式多樣化發展,傳統城市熱島研究已不能很好地反映當地實際熱環境狀況[21]。
為了綜合考慮城市形態對熱環境的影響,Stewart將建筑物屋頂至地面的一層大氣定義為城市冠層,并按照建筑類型和地表覆蓋類型將城市劃分為17個氣候區,即局地氣候分區(Local Climate Zone,LCZ),代表地物的簡單組合[22],為研究城市熱環境提供了新思路。局地氣候分區的表面溫度隨研究區域地理位置、地形、地表建筑物高度、間距、材料、透水率、幾何形狀等的改變而不同,已有研究表明溫度差異存在于大多數LCZ類別中,Hu等基于局地氣候區分析了地表溫度時空變化[23],Yang等發現城市建成區LCZ的LST高于自然地表LCZ,且LST與自然LCZ相關性更高[24—25]。在LCZ制圖方面,Zhao等以局地氣候區為空間背景構建了地表自訓練分類框架[26];Zheng等基于GIS方法對高密度城市進行了局地氣候區制圖[27]。LCZ分類體系提高了城市景觀與氣候分類的匹配程度[28—29],但目前國內在LCZ尺度下研究LST的成果相對較少,本研究采用遙感影像與建筑數據相結合劃分LCZ,能夠改善單一影像在劃分建成區方面的不足,有利于探究局地氣候視角下的LST變化規律。
綜上所述,本文以建筑數據、Landsat 8 影像和氣象數據為基礎,運用地表溫度(LST)反演、決策樹分類、GIS空間分析等方法對京津冀劃分局地氣候區,定量分析不同LCZ下城市LST的分異規律,為國土空間規劃、緩解熱島、改善城市生態環境提供參考。
京津冀地區位于中國環渤海心臟地帶,是中國北方經濟規模最大、最具活力的地區,經濟發展帶來一定的環境問題。如圖1,北京 (39°26′—41°03′N, 115°25′—117°30′E) 地處華北平原北部,地勢西北高、東南低,氣候為暖溫帶半濕潤半干旱季風氣候,夏季高溫多雨,冬季寒冷干燥;天津 (38°34′—40°15′N,116°43′—118°04′E) 位于華北平原東北部,東臨渤海,屬暖溫帶半濕潤季風性氣候,年平均氣溫約為14℃,7月最熱,1月最冷;石家莊 (37°27′—38°47′N,113°30′—115°20′E),位于河北省中南部,臨近渤海海域,溫帶季風氣候顯著,四季分明,截至2019年,建成區面積338.16 km2,城鎮人口676.14萬人,城鎮化率65.05%。本研究選擇三個城市的主城區作為研究區域,即既包含建成區也包含市中心外圍的過渡地帶,在城市氣候帶背景下探究地表溫度分異規律。

圖1 研究區地理位置
選取建筑數據及Landsat8遙感數據,如表1所示。由于季節變化明顯,全年溫差較大,選取2019年夏季晴天、低云量時段的影像。在使用前利用ENVI5.3 FLAASH大氣校正模塊進行處理以消除水汽等影響,之后通過拼接、裁剪得到研究區域。建筑數據包含建筑物高度、樓層數信息,在ArcGIS 10.2中依據現行國家《民用建筑設計通則》(GB50352—2019)[30]將建筑高度及密度進行分類,并結合Landsat- 8影像作為LCZ制圖的支撐數據。此外氣象數據參與了天氣判斷與LST反演。

表1 數據來源與說明
Stewart等的局地氣候體系包括10種建筑類型和7種土地覆蓋類型,其中建筑密度分為緊密和稀疏,土地覆蓋分為高密度、低密度植被區、灌木區、低矮植被、硬化地面、沙地以及水體[31]。本研究利用ArcGIS 10.2的Create Finshnet工具對研究區構建 30 m 格網,劃分LCZ1-6,同時利用ENVI5.3,基于Landsat 8的藍、綠、紅、近紅外波段以及ISODATA非監督分類結果構建多源數據集,使用CART算法獲取LCZA-G的分類規則。由于計算量較大,先收集訓練樣本,在樣本區獲取決策樹,再得到整個研究區的土地覆蓋信息。經精度檢驗,北京、天津、石家莊影像分類的Kappa系數分別為0.94、0.82、0.93。最后統計網格內建筑類型和地表覆蓋類型,得到局地氣候區分類(表2)。

表2 局地氣候分區類型
地表溫度反演精度受遙感影像質量影響。本研究選取時間段內天氣晴朗,采用單窗算法[32]和Landsat8的TM10波段結合估算LST[33],公式如下:
(1)
C=ετ
(2)
D=(1-τ)[1+(1-ε)τ]
(3)
式中Ts為地表溫度(K),T10是傳感器上的亮度溫度(K),Ta是大氣平均溫度(K),a、b為參考系數,當地表溫度為0—70℃時,a=-67.355351,b=0.458606,ε表示T10的地表發射率,τ表示T10的大氣透射率。
如圖2所示,研究區市區幾乎被建筑LCZ填滿,建筑高度整體為低層和中層居多,高層較少,就密度而言,北京、天津、石家莊密集型建筑分別占比27.54%、21.95%、25.09%。其中北京LCZ1大多分布在東西城區,LCZ2、LCZ3由中心城區向外擴張;天津LCZ1—3主要集中在中心城區;石家莊裕華區西部,橋西區東部LCZ2、LCZ3居多,LCZ1分布相對零散。另外北京西部、天津市中心外圍、石家莊北部有高密度植被或農田覆蓋,城市公園包含了市內主要的綠地和水體分布。

圖2 北京、天津、石家莊局地氣候區分布
地表溫度能夠反應城市熱環境格局(圖3)。整體來看,研究區市中心溫度高于郊區,建筑覆蓋區地表溫度較高,工業區往往出現明顯的高溫,森林、河流是主要低溫區域。北京市西部有大量植被覆蓋,地表溫度較低,有20.41%的地區地表溫度處在24℃以下,地表溫度在24—30℃的區域占73.81%,高于30℃的地區主要分布在東南部,占比5.78%;天津市地表溫度表現為中心高、四周低的特點,所選時間段溫度高于北京,僅有0.51%的區域溫度低于30℃,高于40℃占比達到55.56%,熱島效應顯著;石家莊大部分區域地表溫度在26—32℃,占比77.92%,有0.06%的地區溫度高于38℃,說明出現極端高溫現象。

圖3 北京、天津、石家莊地表溫度空間分布
圖4表明不同氣候帶的地表溫度存在差異,建筑類型LCZ總體高于自然地表LCZ。在城市三維結構中,建筑在水平方向按不同密度分布,在垂直方向上表現為高度不同,對地表溫度造成不同的影響。當建筑高度相同時,建筑密集區域地表溫度高于建筑稀疏區域。對于建成區LCZ,北京、天津、石家莊LCZ3(緊密型低層)覆蓋區的平均地表溫度表現為最高,分別為26.33℃、45.27℃、29.27℃;城市內部的熱量易被分散水平低、表面復雜的中高層建筑阻擋,但高度達到一定程度反而會遮擋部分太陽輻射,因此LCZ4(稀疏型高層)地表溫度普遍最低,分別為24.80℃、42.97℃、27.05℃。另外,植被和水體能夠降低地表溫度,裸土和鋪設路面的地表溫度始終較高。

圖4 北京、天津、石家莊局地氣候分區LST
當前,極端氣候、熱島效應、溫室效應等環境問題嚴重影響城市人居環境與安全,我國致力于發展綠色低碳循環經濟體系,以實現碳達峰、碳中和[34—36]。減碳控排與生態文明建設越來越引起人們的關注,局地氣候區下的城市熱環境研究能夠為國土空間規劃提供參考。本文以北京、天津、石家莊為研究區域,通過劃分局地氣候區,利用Landsat 8影像反演地表溫度,定量分析了不同類型局地氣候的地表溫度分異規律,研究表明:
(1)北京、天津、石家莊市區幾乎被建筑LCZ填滿,密集型建筑分別占比27.54%、21.95%、25.09%,自然LCZ主要位于郊區,城市公園包含了主要的綠地和水體分布。
(2)在空間分布上,建筑覆蓋區地表溫度較高,熱島效應顯著,森林、河流是主要低溫區域。
(3)不同氣候帶的地表溫度存在差異,建筑類型LCZ總體高于自然地表LCZ。其中建筑區域內表現為LCZ3(緊密型低層)平均地表溫度最高,北京、天津、石家莊分別為26.33℃、45.27℃、29.27℃;LCZ4(稀疏型高層)地表溫度普遍最低,分別為24.80℃、42.97℃、27.05℃。植被和水體能夠降低地表溫度,裸土和鋪設路面的地表溫度始終較高。
綜上所述, 2019年夏季研究區城市內部存在熱島效應,局地氣候區視角下的地表溫度差異性明顯。合理的城市設施布局能夠改善通風,緩解城市內部熱量聚集,因此,在空間規劃與建設中應考慮建筑分布,充分利用植被和水域等降溫作用,因地制宜,從而保證區域氣候與社會經濟的協調發展。
本文的局限性在于以土地覆蓋類型為基礎的LCZ劃分可能會由于尺度問題而出現一定的誤差,不能很好地與實際情況相匹配。另外,LCZ對LST的影響可能因為城市規模大小而不同,希望在后續研究中能夠深入分析LST的時空分布及變化趨勢,使結論更具普遍性。此外,氣候背景、數據處理、影像精度等也會對結果造成一定影響。