广州市城市扩展及其城市热岛效应分析

樊亚鹏，徐涵秋，李乐，张好

(1.福州大学 环境与资源学院，福州 350108；2.福州大学遥感信息工程研究所，福州 350108)

1 引言

伴随着城市化进程的快速推进，城市人口的急速增加，建筑密度的大幅提升，绿地面积的不断减少，城乡之间的温差日益显现，并由此引发了城市热岛效应[1]。城市扩展极大地改变了自然景观结构、生态系统和区域气候，因此及时准确地获取建筑用地的变化，了解这些变化对城市热环境的影响，对于提高城市环境质量，建设生态城市均具有十分重要的意义。

近年来，随着遥感信息技术的迅速发展，各种遥感数据已被广泛应用于研究土地利用和土地覆盖变化，反演植被、建筑、水体和地表温度等重要的地表参数信息[2-10]，进而分析它们对城市热环境的影响。Weng以珠江三角洲城市群为例，综合利用TM遥感影像与GIS技术研究城市扩展对区域热环境的影响，结果表明1987年～1997年间城区温度增加了13K[11]。Xu和Chen利用城市热岛比例指数定量分析厦门市1989年～2000年间的城市热岛变化，发现其城市热岛效应得到了一定的缓解[12]。Xian和Crane等以坦帕湾流域为研究对象，利用TM/ETM+遥感影像反演其地表特征，结果显示高比例不透水面地区与高地表温度区域有较强的相关性[13]。Hardint和Jencen利用ASTER热红外影像定量反演了美国Terre Haute地区的地表温度，发现LAI每增加1个单位会导致温度降低1.2K[14]。苏泳娴等利用TM影像研究广州市城区公园的降温效果，发现以公园为主体的城市绿地能有效缓解城市热岛效应[15]。Ma等以广州市为例，利用Landsat TM/ETM+影像研究了城市热环境与主要地表参数间的关系，结果显示植被起降温作用而不透水面起升温作用[16]。Lazzarini等利用Landsat ETM+、ASTER和MODIS数据研究Abu Dhabi地区的城市热岛与不透水面之间的关系，发现不透水面每增加1个单位，温度在冬天会上升1K，而在夏天会上升2K[17]。

总的看来，众多专家学者已对广州市城市热岛效应进行了广泛的研究，但已有的研究多集中于广州市热岛效应与单一地表因素的关联性分析，而多因子、多时相、长时间序列的遥感定量化分析还比较少见。因此，本文旨在利用遥感技术对广州市1990年～2008年间的城市建成区扩展、城市热岛变化以及主要地表参数变化对城市热环境的影响进行定量化分析。这对广州城市热岛效应的缓解、城市的科学规划和绿色生态城市的建设具有重要的意义。

2 基本原理与方法

2.1 研究区概况及数据源

广州市作为广东省经济、政治、文化和科技中心，是中国对外开放的重要口岸之一。其地理位置介于22°26′N～23°56′N，112°57′E～114°03′E，是珠江三角洲腹地，属南亚热带典型的海洋季风气候。广州的经济总量和综合实力位居全国城市前列，2008 年全市GDP达8215.82亿元，位于全国第3位。

由于广州市辖区域一直在变化，为了保持研究区域在研究期间的一致性，本研究选取城市化程度较高的区域作为研究区，包含越秀区、天河区、荔湾区、黄浦区、海珠区、以及白云区和萝岗区的部分地区，面积为1141km2(图1)。

图1 2008年广州市行政区划图(左)及研究区遥感影像图(右)

本文选取了广州市1990年10月13日(TM)、2000年9月14日(ETM+)和2008年12月1日(TM)3个时相的影像。利用Chander等[18-19]和Chavez[20]的参数和模型将原始DN值转换成传感器处的反射率，以减小不同时相遥感影像在光照、大气和地形等方面的差异。采用二次多项式和最邻近像元法进行几何校正，配准的RMSE均小于0.5个像元。

2.2 建筑用地信息的提取

为了研究广州市城市空间扩展，必须获取其建筑用地信息。建筑用地这一地类较为复杂，很难通过简单的提取方法获得满意的精度。本文利用徐涵秋提出的IBI(Index-based Build-up Index)建筑用地指数来提取建筑用地信息。该指数摒弃了原始影像的多光谱波段，选取了代表建筑、植被、水体的3种主要城市地类，由于3个指数波段间的相关性小，因而可以很好地区分建筑用地与其他地类。其计算公式如下：

(1)

其中，NDBI为归一化建筑指数[8]；SAVI为土壤调节植被指数[5]；MNDWI为改进型归一化水体指数[4]。

2.3 植被信息的获取

用于获取植被信息的遥感指数较多，其中以归一化植被指数(NDVI)的使用最为广泛，因此本文采用NDVI指数来提取植被信息，其计算公式为：

(2)

其中，NIR为近红外波段的反射率；Red为红光波段的反射率。

2.4 地表温度的反演

地表温度(land surface temperature，LST)是依据Landsat用户手册中提供的算法[21]进行计算，将TM/ETM+第6波段的原始DN值转换成传感器处的光谱辐射值。其公式为：

L6=gain×DN+bias

(3)

其中，L6为Landsat TM或ETM+第6波段的像元在传感器处的辐射值；DN为像元灰度值；gain为第6波段的增益值(W/(m2·str·μm))；bias为第6波段的偏置值(W/(m2·str·μm))，均可从影像头文件获得。

然后利用传感器处的光谱辐射值计算亮温，其公式如下：

在这样的人生里，他遇到过数不清的形形色色的面孔，善良的，狡诈的，敦厚的，心机的，还有阴阳两面的，都无一例外在他的木偶戏里活脱脱地搬演过。他耍木偶耍得活灵活现，叫别人看得那么过瘾，而自己也正像木偶那样被生活中那些看不见的手摆弄过来摆弄过去，无论好坏都得受着。苦时“身上无衣又无盖，我冷冷清清，清清冷冷饿难挨”（《苏武牧羊》唱词），喜时“满园花儿齐开放，绿树荫浓细草长。”（《火焰驹·表花》唱词），人这一辈子啊，各种滋味都得尝都得受，虽然回头也不过是烟花一瞬，“哗”地就散了。

(4)

式中，T为传感器处温度值(K)；K1和K2分别为定标参数，在TM6波段中：K1=607.76W/(m2·str·μm)，K2=1260.56K；在ETM+6波段中：K1=666.09W/(m2·str·μm)，K2=1282.71K。

最后要获得地表温度LST还须对亮温T进行比辐射率纠正，公式为：

(5)

式中，LST为地表温度(℃)；λ为第6波段的中心波长(λ=11.5μm)；ρ=h×c/σ=1.438×10-2mK(其中，σ为斯特藩-波耳兹曼常数σ=1.38×10-23JK-1，普朗克常数h=6.626×10-34Js，光速c=2.998×108ms-1)；ε为地物比辐射率，依据Nichol[22]的研究，水体为0.99，植被为0.96，其余地物均为0.92。

由于使用的3幅影像获取时相不同，因而不能直接用其绝对地表温度来进行各年份间的温度比较，为了解决这一问题，Xu和Chen创建了城市热岛比例指数(URI)，采用正规化和密度分割技术来进行不同年份间城市热岛变化的研究[12]，将地表温度分布范围统一到0～1之间。正规化的公式如下：

(6)

其中，LST′是正规化后的地表温度；LSTi是第i个象元的地表温度；LSTmax是地表温度的最大值；LSTmin是地表温度的最小值。

通过以上的正规化处理，本文利用密度分割对正规化后3时相的地表温度进行等级划分，将地表温度分为7个温度等级，分别为低温、较低温、次中温、中温、次高温、高温和特高温，并进一步引入城市热岛比例指数(Urban-Heat-Island Ratio Index，URI)[12]，来对比各时相影像的城市热岛变化，其计算公式如下：

(7)

在本研究中，将广州市的地表温度分为7级，所以m为7。次高温、高温、特高温主要分布在城市，因此次高温、高温、特高温这3个等级构成了城市热岛的温度等级，代表了城市热岛范围，因此n为3。次高温、高温和特高温等级的级值分别为5、6和7。通过统计各温度等级占建成区的比例(表1)，就可以计算出各时相的城市热岛比例指数URI。以下以2008年为例说明计算过程：

(8)

表1 广州市1990年～2008年的温度等级面积变化

3 结果与讨论

3.1 城市扩展分析

本文利用IBI提取的建筑用地信息，并选用适当的阈值来提取广州市建成区(图2(a)，(b)，(c))，并计算其面积，所用的阈值分别是：1990：0.05；2000：0.06；2008：0.18。结果表明：广州市建成区的面积在1990年为110.2km2，2000年为243.9km2，2008年为381.2km2；18年间大幅增加了271.0km2，年均增长率达7.14%。

图2 广州1990年、2000年、2008年的建筑用地提取图(a-c)和地表温度分布图(d-f)

图3 广州1990年～2008年建成区空间范围变化图

通过广州市3个年份的城市建成区进行叠加可以看出(图3)，广州城区的空间扩展是以中心城区为核心，主要向东南北3个方向展开的，并经历了以下过程：①1990年～2000年：广州市建成区面积增加了133.7km2，年均增长率为8.27%，其中海珠区主要向东部扩展，黄浦区、白云区和萝岗区向北部快速扩展，荔湾区向西部小幅扩展，天河区向东部和北部同时迅速扩展。②2000年～2008年：广州市建成区面积增加了137.3km2，年均增长率为5.74%，其中黄浦区、白云区和萝岗区继续向北部快速扩展，天河区向东部扩展，使得越秀区、天河区、黄浦区和萝岗区连成一片，荔湾区向西南方向大幅扩展，海珠区向东南方向扩展。总的来看，在这18年间，广州城市渐渐由面状扩张模式演变为向东、北部扩展的带状模式并形成3个组团：老城区(荔湾区，越秀区，海珠区)、天河区和黄浦区(广州经济技术开发区)、3个组团使得广州像东部快速发展；而2条高速公路(广州-从化，广州-花都)使得广州向北部快速发展。

3.2 城市热岛效应动态变化分析

随着时间的变化和城市的扩展，广州市的城市热岛在所研究的18年间有了明显的变化。从图2可以看出，随着广州市建成区的扩大，热岛范围逐渐增大，且热岛区域的空间变化与建成区的空间扩展基本保持一致。1990年的高温区主要集中于海珠区，越秀区和萝岗区，且呈片状分布，热岛效应明显。2000年的高温区在原有的基础上，在天河区和黄浦区内出现了由点状变成片状的高温区。随着城市扩张，海珠区的高温区逐渐向东部蔓延，同时白云区和荔湾区大片区域也沦为高温区，热岛效应有所增强。到了2008年，老城区中高温区明显减少，建城区中大部分片状高温区逐渐消散，或转为点状分布，越秀区、海珠区和天河区的热岛效应明显得到缓解。城市热岛比例指数URI也定量地刻画了这一变化过程(表2)。广州建城区的URI在1990年达到0.56，在2000年上升到0.62，但到了2008年又下降为0.46，表现为一个先上升，后下降的过程。进一步将城市建成区的平均温度减去郊区的平均温度获得了广州的城市热岛强度(表2)。其变化走势也同样反映了广州城市的热岛效应经历了先上升，后下降的过程。

表2 广州1990年～2008年城市热岛变化

总的看来，城市热岛现象严重的区域主要集中在城市高密度住宅区，商业中心和工业区。在1990年～2000年间，广州城区绿地系统不完善，新建公园多以草地覆盖为主[23]，再加上老城区建筑密集，商业中心过于集中，道路狭窄，通风不畅[24]，致使2000年建成区内高温和特高温区面积比例占到了42.6%，比1990年增加了近29个百分点，因此这一期间，广州的城市热岛效应以上升为特点。而在2000年～2008年间，政府制定了科学合理的城市规划方案，进行旧城区改造，完善城区绿地系统，并将重工业外迁[25]，因此2008年建成区内特高温区逐渐消失，高温区也大幅减少，二者所占面积比例比2000年下降了近25个百分点，使得2008年广州城市热岛效应得到明显缓解。

3.3 城市热环境与主要地表参数的定量关系分析

城市建成区中最主要的地表参数是建筑用地与植被，它们是导致城市热环境发生变化的主要因素。因此，需要采用统计学中的回归分析来进一步研究建筑用地、植被和地表温度之间的定量关系。首先将所获得的建筑、植被信息正规化，将它们的数值统一量化到0～1之间，然后采用8×8网格在整个研究区内采样19820个样点，最后分别采用多种函数关系(线性、乘幂、指数、对数、多项式等)对采样点进行拟合，以选取各地表参数与地表温度之间的最佳拟合关系。

从获得的各回归分析方程可以看出(表3)，无论是单因子的逐个分析，或是多因子的综合分析都表明在所研究的3个年份里，地表温度与建筑用地呈正相关关系，而与植被则反之。如以2008年为例，从单因子回归模型可以定量看出，正规化后的植被指数数值每增加0.1，温度会降低0.93℃。对建筑用地和地表温度做多种回归模型时，在所有回归方程中，指数函数模型的决定系数最高，因此本文使用指数函数模型对建筑用地和地表温度的定量关系进行分析。同样以2008年为例，当建筑用地的比例每增加0.1，地表温度会增加0.93℃～1.55℃(图4，表4)。具体地，在低建筑用地比例地区(IBI≤0.3)，建筑用地比例每增加0.1，地表温度只增加1℃左右，而在高建筑用地比例地区(IBI≥0.7)，建筑用地比例每增加0.1，地表温度则会增加1.3℃。这表明高建筑用地比例地区的温度上升要快于低建筑用地比例地区。

表3 建筑用地(IBI)、植被(NDVI)与地表温度(LST)的关系方程

以上回归方程均通过1%的显著性检验

表4 根据回归方程计算的2008年建筑用地比例等级及其所对应的地表温度

在逐步回归分析中，建筑用地和植被都被保留下来，说明二者都是影响地表温度的重要因素。以2008年为例，如果每个建筑用地比例等级中的建筑用地比例在原等级上减少0.1，同时植被相应增加0.1，则温度会降低近1.1℃，明显大于只增加植被的0.70℃(多因子模型)或0.93℃(单因子模型)。因此，如果在降低建筑用地的同时，增加植被就会大大增加降温的幅度。

4 结束语

快速的城市化进程已使广州城市的空间范围大幅增加，并对城市热环境产生了一定的影响。利用多时相遥感影像的研究表明，广州市在1990年～2008年间的建成区扩展已使其面积增加了271.0km2，年均增长率达7.14%，其中又以1990年～2000年间的增长最快，年均增长率达8.27%，高于2000年～2008年间的5.74%。

城市快速扩展对城市热环境的影响表现为广州市的城市热岛效应经历了先加剧，后减弱的过程。近年来广州市加强旧城区改造和城市绿化建设，使得建成区内热岛集中分布的现象得到一定程度的缓解。

基于大量样本和多年份数据的统计回归分析表明，建筑用地扩张是导致广州市地表温度上升的主要原因，对城市热岛的加剧起着积极的作用；而植被则起着降低城市地表温度的作用。建筑用地与地表温度的指数函数型关系说明，高密度建筑用地地区的升温要明显快于低密度建筑用地地区。这一定量关系的发现，有助于在减缓热岛效应中采取有针对性的措施，即要重点对高密度建筑区进行改造，有针对性地对黄浦区和萝岗区进行旧城改造和增绿工程，以进一步缓解这些地区的城市热岛效应。

参考文献：

[1] VOOGT J A，OKE T R.Thermal remote sensing of urban climates[J].Remote Sensing of Environment，2003，86(3)：370-384.

[2] STREUTKER D R.A remote sensing study of the urban heat island of Houston，Texas[J].International Journal of Remote Sensing，2002，23(13)：2595-2608.

[3] SOBRINO J A，JIMéNEZ-MUOZ J C，PAOLINI L.Land surface temperature retrieval from Landsat TM5[J].Remote Sensing of Environment，2004，90(4)：434-446.

[4] XU H Q.Modification of Normalized Difference Water Index (NDWI) to enhance open water features in remotely sensed imagery[J].International Journal of Remote Sensing，2006，27(14)：3025-3033.

[5] HUETE A R.A soil-adjusted vegetation index (SAVI)[J].Remote Sensing of Environment，1988，25(3)：295-309.

[6] XU H Q.Extraction of urban built-up land features from Landsat imagery using a thematic-oriented index combination technique[J].Photogrammetric Engineering and Remote Sensing，2007，73(12)：1381-1392.

[7] XU H Q.A new index for delineating built-up land features in satellite imagery[J].International Journal of Remote Sensing，2008，29(14)：4269-4276.

[8] ZHA Y，GAO J，NI S.Use of normalized difference built-up index in automatically mapping urban areas from TM imagery[J].International Journal of Remote Sensing，2003，24(3)：583-594.

[9] LU D，WENG Q.Extraction of urban impervious surfaces from an IKONOS image[J].International Journal of Remote Sensing，2009，30(5)：1297-1311.

[10] TOOKE T R，COOPS N C，GOODWIN N R，et al.Extracting urban vegetation characteristics using spectral mixture analysis and decision tree classifications[J].Remote Sensing of Environment，2009，113(2)：398-407.

[11] 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(10)：1999-2014.

[12] XU H Q，CHEN B Q.Remote sensing of the urban heat island and its changes in Xiamen City of SE China[J].Journal of Environmental Sciences，2004，16(2)：277-281.

[13] XIAN G，CRANE M.An analysis of urban thermal characteristics and associated land cover in Tampa Bay and Las Vegas using Landsat satellite data[J].Remote Sensing of Environment，2006，104(2)：147-156.

[14] HARDIN P J，JENSEN R R.The effect of urban leaf area on summertime urban surface kinetic temperatures a Terre Haute case study[J].Urban Forestry and Urban Greening，2007，6(2)：63-72.

[15] 苏泳娴，黄广庆，陈修治，等.广州市城区公园对周边环境的降温效应[J].生态学报，2010，30(18)：4905-4918.

[16] MA Y，KUANG Y Q，HUANG N S.Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on TM/ETM+ imagery[J].International Journal of Applied Earth Observation and Geoinformation，2010，12(2)：110-118.

[17] LAZZARINI M，MARPU P R，GHEDIRA H.Temperature-land cover interactions：The inversion of urban heat island phenomenon in desert city areas[J].Remote Sensing of Environment，2013(130)：136-152.

[18] CHANDER G，MARKHAM B L.Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges[J].IEEE Transactions on Geoscience and Remote Sensing，2003，41(11)：2674-2677.

[19] CHANDER G，MARKHAM B L，HELDER D L.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+ and EO-1 ALI sensors[J].Remote Sensing of Environment，2009，113(5)：893-903.

[20] CHARVZ P S.Image-based atmospheric corrections-Revisited and revised[J].Photogrammetric Engineering and Remote Sensing，1996，62(9)：1025-1036.

[21] NASA.Landsat 7 science data users handbook[EB/OL].http：//landsathandbook.gsfc.nasa.gov，2013-05-29.

[22] NICHOL J.Remote sensing of urban heat islands by day and night[J].Photogrammetric Engineering and Remote Sensing，2005，71(5)：613-621.

[23] 陈朝辉.广州的城市化与生态环境建设[J].热带地理，2002，22(1)：34-38.

[24] 周素红，闫小培.广州城市空间结构与交通需求关系[J].地理学报，2005，60(1)：131-142.

[25] 广州市人民政府.广州市城市总体规划(2001-2010)[R].http：//www.upo.gov.cn/2285.shtml，2003.