基于地表參數變化的南京市熱島效應時空演變特征分析

朱菲，蘇濤，王建，夏俊，廖晉一

(安徽理工大學 空間信息與測繪工程學院，安徽 淮南 232001)

0 引言

近幾十年來，隨著全球經濟的快速發展，城市化建設進程不斷加快，促進了社會關系、經濟結構生活方式等的變化[1]，但同時熱島效應也越來越明顯。城市規模的持續擴大使得下墊面的結構發生變化，進而影響城市局部氣候，造成城市高溫化，影響居住環境的安全性和舒適性，對人體健康構成極大的威脅[2]，并加劇能源消耗及溫室氣體排放，所造成的環境問題愈來愈嚴重[3]。

熱島效應最早記載是Lake Howard 在19世紀末首次發現倫敦市中心氣溫普遍高于郊區，城鄉夜間溫差大于白天[4]。1958年，Manley[5]首次定義城市熱島的概念后，各個國家學者對不同下墊面類型城市與郊區氣溫對比觀測，均發現城市氣溫高于郊區的熱島現象。隨著遙感等探測技術的發展，國內外專家學者開始利用熱紅外波段探測地面熱島變化，Gallo等[6]在1993年首次利用AVHRR傳感器數據得到植被指數，并分析了城市鄉村氣溫差與熱島之間的關系；徐涵秋[7]利用Landsat影像研究不透水面、植被、水體等主要地表參數與地表溫度(land surface temperature，LST)之間的相關性；Coseo等[8]探討了土地利用覆蓋、建筑以及鄰近熱源對芝加哥城市熱島效應的影響；張碩等[9]研究了珠三角城市熱島群體時空分布，分析了經濟結構對熱島效應的影響程度；王美雅等[10]研究了不透水面時空變化及其對城市熱環境影響；張曉東等[11]討論了城市形態演化與熱環境之間的響應關系。

綜上所述，人們對于熱島效應的研究越來越多，而通過多時相分析時間序列的熱島效應的變化規律，直觀掌握熱環境的時序變化特征，進而研究導致熱環境變化的驅動因素，對于城市熱島效應的緩解和治理有著重大意義。因此，本文利用遙感技術研究近20年來傳統“火爐城市”南京熱環境格局變化特征及驅動因素，為全面分析城市熱島效應的形成與緩解治理提供依據。

1 數據與研究區

1.1 研究區概況

南京市作為江蘇省省會，地處長江中下游平原，位于31°14′N～32°37′N、118°22′E～119°14′E之間，屬于北亞熱帶濕潤氣候，夏季高溫多雨，冬季寒冷干燥。南京市年平均降水121 d，平均降水量達1 106.05 mm。年平均溫度為16 ℃，夏季最高溫度可達38 ℃，冬季最低溫度達-8 ℃。自改革開放以來，南京市作為長三角地區的重要一環，借改革開放和省會城市的優勢，坐上了經濟發展的快車，據2019年統計，南京市城鎮化率已高達83.2%。

1.2 數據源及預處理

2 理論基礎

2.1 地表溫度反演

本文采用單通道(single-channel,SC)算法[12]進行研究區地表溫度的反演，此算法針對Landsat TM/TIRS數據計算方式有所不同，LST計算如式(1)所示。

(1)

式中：LST為地表溫度，單位為K；γ、δ為Plank函數的兩個參數；φ1、φ2、φ3為大氣水汽含量的函數；ε為地表比輻射率；Lsensor為衛星高度上傳感器測得的輻射強度，單位為W·μm4·m-2·sr-1，其計算如式(2)所示。

Lsensor=gain×DN+bias

(2)

式中：DN為像元灰度值；gain為增益值；bias為偏移值，可在影像頭文件中查找。

對于TM 6波段，各參數計算[13]如式(3)所示。

(3)

式中：c1=1.191 04×108W·μm4·m-2·sr-1；c2=14 387.7 μm；Tsensor為亮度溫度，單位為K；λ為有效波長，對于TM 6，λ=11.457；ω為大氣水汽含量，單位為g/cm2。

對于TIRS 10波段，各參數計算[14]如式(4)所示。

(4)

式中：bγ=c2/λ，對于TIRS 10，bγ的取值為1 324；τ為大氣透過率；L↑、L↓分別為大氣上、下行輻射值，單位為W·μm4·m-2·sr-1。

1)亮度溫度的計算。亮度溫度又稱地面輻射溫度，是遙感器在衛星高度所觀測到的熱輻射強度相對應的溫度。求算亮度溫度的過程需要將DN值轉化為相應的熱輻射強度值，然后根據熱輻射強度推算對應的亮度溫度，計算方法[15]如式(5)所示。

(5)

式中：K1、K2為熱紅外波段的定標常數，對于TM 6波段，K1=607.76 W·m-2·sr-1·μm-1，K2=1 260.56 K；TIRS 10的K1=774.89 W·m-2·sr-1·μm-1，K2=1 321.08 K。

2)地表比輻射率的計算。下墊面覆蓋類型可分為以下3種：水體、自然地表和城鎮，不同的覆蓋類型對應的比輻射率有很大的差異。文獻[16-17]的研究表明，在TM 6區間，水體、植被、裸土和建筑物的比輻射率分別取0.995、0.986、0.972 15、0.970；在TIRS 10區間，水體、植被、裸土和建筑物純凈像元的比輻射率分別為0.996 830、0.986 720、0.967 670、0.964 885。對于自然地表和城鎮比輻射率運用混合像元法，計算如式(6)至式(9)所示。

ε=fvRvεv+(1-fv)Rsεs+dε(自然表面)

(6)

ε=fvRvεv+(1-fv)Rmεm+dε(城鎮地表)

(7)

其中，

(8)

(9)

式中：fv為像元的植被覆蓋度；Rv、Rs、Rm分別為植被、裸土和建筑物表面的溫度比率；εv、εs、εm分別為植被、裸土和建筑物的比輻射率；dε反映了地形對比輻射率的影響，地表較平整時，一般dε取0。由于熱輻射相互作用在植被與裸土各占一半時達到最大，故fv閾值以0.5為界。

2.2 熱島質心轉移模型

熱島的變化與其城市自身的發展聯系緊密，熱島重心為不同等級熱島斑塊的熱力集中點[18-19]。為進一步揭示20年來南京市熱環境的演變規律，本文引入熱島重心的思想，借助熱島斑塊重心轉移距離和熱力重心轉移角度兩個指標，來定量分析南京市熱環境的空間變化特征。要計算不同時期的熱島斑塊重心轉移距離，需先計算不同時期各熱島類型斑塊的重心[20]，計算如式(10)所示。

(10)

式中：Xt和Yt分別為第t年熱島斑塊的重心坐標；n為第t年該類型熱島斑塊個數；Cti為第t年該熱島斑塊中第i個斑塊的面積；Xti、Yti分別為第t年該熱島斑塊中第i個斑塊的幾何中心坐標。

通過計算不同時期的熱島斑塊重心轉移距離，可清楚表達該時段內熱島效應的變化特征，計算如式(11)所示。

(11)

式中：d代表熱島重心轉移距離；xt、yt和xt+1、yt+1分別表示第t和t+1年熱力重心坐標。

為更容易表示熱島斑塊轉移的角度，本研究假設正東方向為0°，逆時針旋轉一周為360°，計算如式(12)所示。

θ=arctan [(yt+1-yt)/(xt+1-xt)]

(12)

式中：θ為熱島重心轉移角度，本文定義為x坐標軸正方向逆時針至直線所形成的夾角，取值范圍為0°～360°。

2.3 遙感參數的獲取

不同下墊面覆蓋類型對地表溫度的影響有較大差異，對城市熱島效應的貢獻也不同[21]。由于城市熱環境與城市建筑、植被和水體三者的關系最為密切，因此本文基于光譜指數的方法，將歸一化建筑指數(normalized difference built-up index，NDBI)[22]、歸一化植被指數(normalized difference vegetation index，NDVI)和歸一化水體指數(modified normalized difference water index，MNDWI)[23]3種光譜指數組合，通過選取一定的閾值將它們從影像中提取出來，研究三者近20年來的變化及其與地表熱環境的定量關系。

3 結果與分析

3.1 熱島反演結果

利用式(1)至式(9)計算得到南京市地表溫度，由于5期影像成像時間不同，難以用反演的絕對溫度直接進行比較，為了消除時相差異的影響，需要對絕對溫度進行正規化處理[24]，將不同時相的溫度范圍統一到0～1之間，再進行熱島等級的劃分。熱島等級劃分為5級：強熱島區(0.8～1)、熱島區(0.6～0.8)、正常區(0.4～0.6)、綠島區(0.2～0.4)、強綠島區(0～0.2)。結果如圖1所示。

圖1 南京市各年份熱島分布圖

從時間序列上看：2000—2020年的熱島、強熱島斑塊逐步呈現擴大的趨勢，其中，2000—2006年總體熱島分布較為類似，擴張幅度較小；2006年六合區相比其他年份熱島斑塊較多，原因是2006年影像為5月份，農作物雖基本長全，但長勢較低，使得部分裸土區域影響熱島的分布；2006年之后呈現進一步擴張，至2010年邊緣地區出現了小規模的熱島群體，呈“攤餅式”增大，但大都處于建成區周圍；反之，2000—2020年的綠島、強綠島斑塊逐步呈現減少的趨勢，其中2000—2010年，低溫區仍以水體和植被覆蓋為主，擴張幅度不明顯，但2010年以后，南京市中部、南部的綠島區、正常區逐漸轉化為熱島區，甚至強熱島區。

從空間分布上看：強熱島區主要在城市建成區中心及周圍地區，如棲夏區、建鄴區、秦淮區、浦口區東北部，這些區域主要以商業區、城市居民區或者工業區為主。商業區和城市居民區屬于典型的建筑物密集區域，下墊面多為瀝青、混凝土、金屬等不透水面結構，這些材料自身的性質能夠吸收大量的太陽輻射，加之生產生活自身所帶來的人為熱量的排放，造成這些區域內溫度急劇上升，并會在相當長時間內保持高溫。而工業區內由于工業廢熱集中排放，也會引起局部地區溫度上升。與此相反，綠島、強綠島區主要分布在以下長江及沿岸區域、以玄武湖為主的湖泊區域、以紫金山為代表的森林植被區等，間接印證了水體和植被對于熱環境的改善和提高是有作用的。

3.2 地表溫度驗證

雖然單通道算法是目前比較精確的地表溫度反演算法，但仍然需要驗證以保證反演結果的準確性。采用MOD11A1地表溫度產品從不同地物類型對反演結果進行驗證，采取監督分類方法分離出建筑、植被、水體和裸土，利用ArcGIS軟件從每種地物隨機選取150個樣本點，統計各自MODIS產品平均值與反演平均值，如圖2所示。結果表明，總體看來MODIS地表溫度產品均低于反演的平均LST值，其中，建筑和裸土相比植被和水體溫度較高且平均LST較接近；而水體由于其熱傳導性較強，水面不易積聚熱量而使表面溫度相對較低，植被適中，居于二者之間。

圖2 不同地物LST反演驗證

圖3 各區平均地表溫度

從不同地類平均LST的值來看，MODIS產品平均地表溫度值在建筑、裸土和植被3個地類中明顯低于Landsat反演結果，其中建筑、裸土的溫差值最大，平均為3～4 K，植被的溫差約為2 K。對于水體而言，MODIS產品溫度值與Landsat反演值較接近，平均溫差在0.6～1 K，可能由于水體本身的異質性，使得溫度變化較小。從各個時間段來看，2010-08-19、2017-07-21兩個時間點天氣較熱，建筑和裸土的平均LST相差較大，而2000-10-10、2006-05-20、2020-10-01 3個時間點天氣相對較涼爽，二者的平均LST相差較小，反觀植被和水體，平均溫度的變化和天氣的冷熱關系不太明顯。為進一步分析南京市地表溫度的時序分布規律，本文對南京市11個市直轄區5期LST平均值進行了統計(圖3)。就平均LST而言，南京市從北往南，從六合區至高淳區，5期數據溫度曲線一致呈現“Λ”形分布，地表溫度呈現先升高后下降趨勢。位于主城區范圍的鼓樓區、建鄴區、秦淮區平均LST均高于其他區，玄武區因為玄武湖使得平均LST相對較低，從主城區向北向南，各年份曲線雖有交叉，但其基本趨勢保持一致，平均LST逐漸降低，呈現明顯的地表溫度城鄉梯度差。其主要原因為城區內地表類型以建設用地為主，其特殊的下墊面對太陽輻射吸收率高，另外受大氣污染等因素影響，導致其溫度較高；隨著距離城市中心越遠，建筑密度下降，植被和水體等相應增加，由于植被能通過蒸騰減少土壤表面存儲的熱量，加之水體比熱容較大等原因，使得郊區地表溫度較低。

3.3 熱島重心轉移

由式(10)至式(12)計算出南京市城市擴展及熱島斑塊重心轉移距離及角度(表1、圖4)，從圖4可直觀看出熱島斑塊重心轉移與城鎮化方向的關系。2000—2020年間，熱島、強熱島區域重心總體遷移趨勢與城鎮大致相同，呈現“先南后西”，綠島、強綠島區域則呈現相反趨勢。具體表現為：從2000后，隨著南京市政府提出“一城三區”發展戰略后，為南京跨江發展、沿江發展指明方向，南京市進入到快速城鎮化階段，2000—2006年，熱島、強熱島區域向東南方向遷移，主要是南京城鎮建設主要方向集中在東南方向；2006—2010年擴展方向大體呈正南方，擴展強度進一步增強，熱島區域中心遷移距離進一步增大，這是因為這幾年房地產產業發展帶動城市經濟、人口和配套資源集聚，雖受金融危機影響，總體城鎮化水平還是呈現穩定發展；2010年以后，城鎮化速度放緩且重心往西南偏移，這主要是近年來江北浦口區等城市化發展較快，同時還伴隨著像祿口機場這種類型的以點帶面式的擴張的影響。另外，綠島、強綠島區域重心遷移方向相同，與熱島、強熱島區域及城市重心轉移方向大致相反，從側面說明了熱島斑塊重心轉移方向與城市建設與發展具有很強的相關性，快速城鎮化發展是熱島效應空間格局變化的主要驅動力之一。

表1 熱島斑塊重心轉移統計

圖4 熱島重心轉移路徑

利用ArcGIS軟件對各年份熱島斑塊類型的面積進行統計處理，結果如表2、表3所示。從各熱島斑塊面積可以看出，2000—2020年間，熱島和強熱島區面積比例由6.48%上升到40.81%，面積增加了2 262.76 km2，而綠島、強綠島占比由37.38%下降到13.39%，面積減少1 181.59 km2，正常區面積占比下降了10.34%，面積下降680.89 km2，變化幅度較大。從增速來看，熱島、強熱島區年均增速為正，綠島、強綠島區增速為負，說明熱島面積還在增加，建成區面積還在增大，情況不容樂觀。數據表明，南京市的熱島效應已經相當顯著。

表2 熱島面積統計

表3 熱島面積增速統計 %

3.4 熱島效應與地表參數定量關系

為獲得不透水面、植被、水體同地表溫度之間的關系，從二維和多維關系分別采用單因子回歸和多元逐步回歸分析方法進行統計回歸分析，以獲得其之間的最佳擬合方程和定量關系。為避免各參數綱量不統一，將地表參數進行正規化處理，數值統一化到0～1之間[25]。本次研究從研究區內利用ArcGIS創建隨機點工具隨機選取500個樣本點，分別以回歸統計中的單因子回歸和多因子逐步回歸法進行分析(表4)。單因子回歸分析和多因子逐步回歸分析都表明，在所研究的5個年份中建筑與地表溫度都呈正相關關系，而植被，水體則相反。以2006年為例，從單因子回歸方程可以看出，正規化后的植被指數NDVI每增加0.1，溫度降低1.36 ℃；水體指數MNDWI每增加0.1，溫度降低1.01 ℃；建筑指數NDBI每增加0.1，溫度增長1.15～2.02 ℃，由于建筑指數關系與溫度呈指數關系，因此建筑密度越高，溫度上升越快。

表4 建筑指數、植被指數、水體指數與地表溫度的定量關系

從多元逐步回歸分析方程可以看出，建筑因子的系數都接近或大于植被和水體系數之和，可見建筑因子對地表溫度的影響占主要部分；其次多元回歸方程中除建筑因子的系數為正，植被和水體因子的系數都為負，因此，可增大建設城市綠化設施，保護水體，合理規劃建設用地，控制建筑設施覆蓋密度、可較好地較低地表溫度，起到緩解、抑制熱島效應的作用。

4 結束語

本文用2000—2020年5期Landsat影像數據結合地理空間分析和數理統計的方法，在得到南京市地表溫度和熱島效應分布特征基礎上，研究熱島斑塊的分布狀態及重心轉移路徑，通過計算建筑、植被與水體指數，進而研究地表參數與地表溫度之間的定量關系，提出緩解熱島效應的辦法，研究結果如下。

1)強熱島區主要在城市建成區中心及周圍地區，且逐步呈現擴張趨勢，而綠島區則以水體和植被覆蓋為主。

2)南京市近20年來研究區熱島與強熱島面積從6.48%上升到40.81%，而綠島、強綠島則由37.38%下降到13.39%。

3)熱島、強熱島斑塊重心與城市重心遷移方向一致，總體呈現“先南后西”偏移，而綠島、強綠島重心遷移方向則不同。

4)建筑指數與地表溫度呈正相關關系，植被、水體與地表溫度呈負相關關系，且建筑指數與地表溫度關系呈指數型，建筑越密集對地表溫度影響越大。

雖然本文對南京市熱島效應進行了較為全面的分析，但是這僅限于對單個城市的研究，就目前而言，針對城市群的研究還比較少，隨著城市群的發展，熱島效應不再局限于單一城市，而已成為各城市共同面對的共性問題；其次，如何定量地認識城市規模與熱島效應的關系，以及景觀組分與空間構型如何作用于熱島效應也是今后重要的研究方向。