北京市土地覆盖变化对地表温度的影响

蒋金豹，蔡庆空，崔希民，陶亮亮，马彦辉

（1.中国矿业大学（北京）地球科学与测绘工程学院，北京100083；2.北京师范大学a.地表过程与资源生态国家重点实验室；b.环境演变与自然灾害教育部重点实验室，北京100875；3.中煤平朔集团有限公司，山西朔州036006）

0 引言

城市化进程的快速发展促使土地覆盖类型发生着巨大的变化，这一变化最明显的负面效应之一是引起城市地表温度的升高。作为大气圈和生物圈物质和能量交换的界面，土地覆盖变化将会影响下垫面性质的变化，下垫面性质的变化又会影响地表温度的变化，因此，研究土地覆盖变化对地面温度变化的影响，不仅能从根源上分析各土地利用类型地表温度的特征，而且有助于深入理解土地覆盖变化对地表温度变化的影响机制。现阶段国内外城市热环境遥感研究主要集中在城市热场空间分异、城市热岛的动态变化过程、城市地表温度与其影响因素之间的关系3个方面［1］。目前，国内外学者关于土地覆盖类型与地表温度之间的关系已经做了一定的研究，文献［2－3］就珠江三角洲和广州市的土地覆被变化对城市热场的影响进行了时空上的对比分析；文献［4］采用地表温度（LST）、蒸散量（ET）等指标研究了地表温度对土地覆盖变化的响应；文献［5］对郑州市土地资源动态变化进行了遥感监测与分析，得出城市化进程的高速推进是土地利用发生变化的最主要原因；文献［6］利用两个不同季相TM／ETM＋影像分析福州市及其周边地区土地覆盖及其热场的时空分布特征；文献［7］利用城市扩张因子和人工智能算法，建立了广州市城市扩张动态变化模型，并分析城市扩张影响下的城市热岛效应；文献［8］利用Landsat TM（专题制图仪）数据从空间上定性分析了土地利用类型和温度分布的对应关系；文献［9］分析了上海市土地利用类型及土地空间分布格局与地表温度之间的关系；文献［10］研究了珠江三角洲地区土地覆盖变化，特别是城市增长对地表温度变化的影响。关于不同土地覆盖类型的变化对地表温度变化的影响机制仍缺乏整体性和系统性的研究。

本文在前人研究的基础上，选取北京市1991年和2011年（间隔20年）的两期同季相数据，研究分析了北京市土地覆盖类型与地表温度之间的关系以及土地覆盖变化对地表温度变化的影响机制与作用规律，以期合理利用土地资源，优化城市建设，缓解和控制城市高温，为建设美丽城市提供理论和实践依据。

1 研究区域与研究方法

1.1 研究区域及数据预处理

北京市地处华北平原西北部，地理坐标为39°38′～41°05′N，115°24′～117°30′E，地势西北高、东南低，属典型的中纬度大陆性季风气候，年平均气温在10～12℃，地貌类型主要以山地、丘陵、平原为主，海拔在20～2 303 m，植被属暖温带落叶阔叶林类型并兼有温性针叶林分布，森林覆盖率在40%～60%，旱地、林地、建设用地和草地是其主要的土地利用类型。

为获取北京市地表温度和土地覆盖信息，选取1991年6月18日和2011年6月8日的两期Landsat-5 TM影像作为数据源，两期影像季相一致，数据质量较好，卫星过境时间为上午10：30左右，经辐射定标、大气校正后以2011年的影像为基准，校正1991年的影像，经拼接、裁剪后得到覆盖研究区的数据，同时收集了卫星过境时的常规气象资料。

1.2 研究方法

1.2.1 土地覆盖分类

为了定量研究土地覆盖变化对地表温度的影响，首先需要对遥感影像进行土地覆盖分类［5］，参照中国科学院资源环境数据库的全国土地利用分类体系，将北京市土地利用类型分成6类（建设用地、水体、旱地、林地、草地和水田），利用已有的ALOS高分辨率影像，结合影像色调、纹理等特征，在影像上的均质区域按6∶4的比例选取6种土地利用类型的样本点与验证点，基于样本点构建专家知识的决策树分类方法对两期影像进行分类，并且对分类图进行精度评价，得到kappa系数分别是0.79（1991年）和0.76（2011年），分类的总体精度分别是0.74（1991年）和0.72（2011年），结合高分辨率影像对分类结果进行后处理，得到研究区土地覆盖分类图，如图1所示。

图1 北京市土地覆盖分类图

1.2.2 地表温度反演

地表温度的反演采用文献［11］提出的单窗算法，其中，大气平均作用温度用近地表大气温度近似估计，近地表大气温度通过查询北京气象台当天的气象资料获取；大气透射率和地表比辐射率参考文献［11－14］提出的估算方法进行估算，在上述资料的基础上可反演出研究区1991年6月18日和2011年6月8日的地表温度，如图2所示。

1.2.3 土地覆盖变化对地表温度的影响分析

由于土地利用方式可以通过影响热辐射以及土壤水分等特征，导致地表温度分异。为研究土地覆盖类型变化对地表温度的影响，分别将1991年和2011年的土地覆盖分类图与相应的地表温度叠加，得到各土地利用类型的平均地表温度，并使用影像差值方法分别对1991年和2011年的土地利用分类图和地表温度图进行变化检测，将得到的土地覆被变化图与地表温度变化图叠加进行关联分析，探讨这些变化之间的相互关系。

2 结果与分析

2.1 1991年到2011年间北京市土地覆盖变化

在得到1991年和2011年两期土地覆盖分类图的基础上，利用影像差值的方法构建1991年到2011年间北京市土地利用转移矩阵，如表1所示，从表1中可以看出：20年间北京市土地利用格局发生了很大的变化，其中，增幅最大的是建设用地，达到154.34%，印证了北京市快速城市化的过程，其次是草地，增幅为14.41%；与此同时，林地、水体、旱地和水田面积减少，其中水田减少幅度最大，达到85.82%，其次是林地、旱地和水体，其减少幅度依次为26.02%、25.01%和24.23%，林地减少面积最多，由4 911.14 km2减少到3 633.48 km2，旱地次之，减少面积是1 175.59 km2。

图2 基于Landsat-5 TM数据的1991年和2011年地表温度图（单位：℃）

通过土地利用转移矩阵，进一步说明建设用地增加的154.34%中，主要来源于旱地和草地，其所占比例分别为48.26%和12.14%；草地增加的14.41%中，主要来源于林地（25.54%）和旱地（5.44%）的减少。在减少的类型中，减少的林地有1 383.84 km2主要用于草地（25.54%）的恢复，占林地总面积的28.18%；水体减少的24.23%主要转换成了旱地（36.42%）和草地（12.38%）；旱地和水田的减少主要用于建设用地的扩展，其所占比例依次是36.20%和54.96%。

表1 北京市1991年到2011年间土地利用转移矩阵 km 2

2.2 不同土地覆盖类型的地表温度

表2 各土地覆盖类型的平均地表温度 ℃

为了研究土地覆盖类型对地表温度的影响，首先统计研究区各土地覆盖类型相应温度值的像元数，并与相应像元温度加权求和，得到1991年和2011年各土地覆盖类型的平均地表温度和标准差，如表2所示。从表2中可以看出：两期数据中建设用地的地表温度值最高（1991年32.08℃，2011年33.76℃），水体温度最低（1991年20.66℃，2011年22.55℃）。与其他土地覆盖类型相比，林地的地表温度有相对较大的标准差（1991年3.00，2011年3.39），这说明林地种类的差异性大。反演的地表温度由高到低的排序依次都是：建设用地＞旱地＞水田＞草地＞林地＞水体，且2011年各土地利用类型地表温度都较1991年温度值高，说明1991年到2011年间北京市各土地利用类型的地表温度一直在增高。

将两年的地表温度影像通过差值方法得到1991年到2011年间地表温度变化空间分布图，之后将地表温度变化图进行分级处理得到地表温度变化的分级图。通过分析处理，1991年到2011年间，研究区内绝大部分地区的地表温度是升高的，温度升高的区域占研究区总面积的86.45%，其中微弱升高的区域占研究区53.09%，主要集中在北京的西北、东部、西南和东北部地区，中度升高的区域占研究区33.07%，主要集中在北京北部、中部和西南部地区，极度升高的区域占研究区0.29%；温度降低的区域占研究区总面积的13.55%，主要分布在东南和东部地区，少量分布在西部山区。

2.3 土地覆盖变化对地表温度变化的影响

将土地覆盖变化图和地表温度变化图进行叠加并进行关联分析，得到土地覆盖变化下的地表温度变化，如表3所示。由图3可以看出：1991年到2011年间，在土地覆盖类型未发生变化的区域，地表温度都升高，其中温度升高在3℃以上的有草地、林地和建设用地，旱地温度升高1.91℃，水田温度升高最小，达0.89℃；在土地覆盖类型发生变化的区域，建设用地转化为林地、水体和草地，温度都降低，转化为水体温度降低最多，其次是林地，说明水体和植被覆盖情况对城市地表温度有较好的降温效果；水体转化为建设用地、林地、水体、旱地和草地温度有不同程度的升高，其中转化为建设用地温度升高最多，转化为草地温度升高最小，造成上述现象的原因主要是由于城市空间的扩展引起下垫面性质改变，尤其是城市的空间建设用地面积的增加，造成植被覆盖度降低，使得区域地表温度的增加，而林地、草地和水体等土地覆盖类型能够有效的吸收、散射和反射部分太阳辐射，保持自然下垫面土壤湿度，改变地表能量平衡在潜热和显热的能量分配，同时植被覆盖也增大了热惯量，在相同太阳辐射条件下，能有效地阻止地表温度的上升。

表3 土地覆盖变化下的地表温度变化 ℃

3 结论

本文利用遥感数据并结合地理信息系统（GIS）空间分析方法，对北京市1991年到2011年土地覆盖变化对地表温度变化的影响进行了评估，并得出如下结论：

（1）不同土地覆盖类型地表温度具有差异性，表现出建设用地温度高，水体温度低，各覆盖类型地表温度由高到低依次是：建设用地＞旱地＞水田＞草地＞林地＞水体，温度升高的区域占研究区总面积的86.45%，其中微弱升高的区域占53.09%，中度升高的区域占33.07%，且2011年地表温度较1991年温度值高。

（2）土地覆盖类型的变化改变了地表温度的空间分布特征，在土地覆盖类型未发生变化的区域，地表温度都升高，其中温度升高在3℃以上的有草地、林地和建设用地；在土地覆盖类型发生变化的区域，转化为建设用地部分按温度升高由高到低依次是：水体＞水田＞草地＞林地＞旱地，转化为水体部分按温度降低由高到低依次是：建设用地＞旱地＞草地＞水田＞林地，造成上述现象的原因主要是由于研究区土地覆盖类型的变化引起城市下垫面性质的改变，而下垫面性质的改变最终又引起地表温度的变化，因此，土地覆盖类型的变化是影响城市地表温度变化的重要原因。

［1］ 程好好，曾辉，汪自书，等.城市绿地类型及格局特征与地表温度的关系—以深圳特区为例［J］.北京大学学报：自然科学版，2009，45（3）：495－501.

［2］ Weng Q.A Remote Sensing-GIS Evaluation of Urban Expansion and Its Impact on Surface Temperature in the Zhujiang Delta，China［J］.International Journal of Remote Sensing，2001，22：1999－2014.

［3］ Weng Q，Yang S H.Managing the Adverse Thermal Effects of Urban Development in a Densely Populated Chinese City［J］.Journal of Environmental Management，2004，70：145－146.

［4］ 刘朝顺，高志强，高炜.基于遥感的蒸散发及地表温度对LUCC响应的研究［J］.农业工程学报，2007，23（8）：1－8.

［5］ 段金龙，张学雷，王玉龙.郑州市土地资源动态变化的遥感监测与分析［J］.河南科技大学学报：自然科学版，2013，34（1）：98－100.

［6］ 张友水，韩春峰，伍雄昌，等.多时相遥感影像福州市热场与土地覆盖分析［J］.资源科学，2011，33（5）：950－957.

［7］ 韦春竹.基于遗传神经网络的城市扩张模拟和城市热岛研究［D］.成都：电子科技大学，2013.

［8］ Li J H.Study of Relation Between Land Cover Conditions and Temperature Based on Landsat／TM Data［J］.Remote Sensing Technology and Application，1998，13（1）：18－28.

［9］ 岳文泽，徐丽华.城市土地利用类型及格局的热环境效应研究—以上海市中心城区为例［J］.地理科学，2007，27（2）：243－248.

［10］ 钱乐祥，丁圣彦.珠江三角洲土地覆盖变化对地表温度的影响［J］.地理学报，2005，60（5）：761－770.

［11］ Qin Z H，Karnieli A，Berliner P.A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region［J］.International Journal of Remote Sensing，2001，22（18）：3719－3746.

［12］ 杨景梅，邱金桓.用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究［J］.大气科学，2002，26（1）：9－22.

［13］ 覃志豪，LiW J，Zhang M H，et al.单窗算法的大气参数估计方法［J］.国土资源遥感，2003（2）：37－43.

［14］ Sobrino JA，Jimenez-Munoz JC，Paolini L.Land Surface Temperature Retrieval from Landsat TM5［J］.Remote Sensing of Environment，2004，90（4）：434－440.