杭州典型城市湿地温度效应的季节和类型差异

张 伟, 蒋锦刚, 朱玉碧

(1. 西南大学 地理科学学院，重庆 400715;2. 华东师范大学 上海市城市化生态过程与生态恢复重点实验室，上海 200062;3. 杭州师范大学 理学院 遥感与地球科学研究院，杭州 311121; 4. 西南大学 经济管理学院，重庆 400715)

杭州典型城市湿地温度效应的季节和类型差异

张 伟1-3, 蒋锦刚3, 朱玉碧4

(1. 西南大学 地理科学学院，重庆 400715;2. 华东师范大学 上海市城市化生态过程与生态恢复重点实验室，上海 200062;3. 杭州师范大学 理学院 遥感与地球科学研究院，杭州 311121; 4. 西南大学 经济管理学院，重庆 400715)

以杭州市四个典型城市湿地为研究对象，通过城市地表温度(LST)的遥感反演和GIS空间分析，探讨了季节和湿地类型对城市湿地局地温度效应的影响.研究发现：①湿地温度效应的季节差异非常明显，季节因素对湿地温度效应的类型、范围和幅度及梯度变化等都有重要影响.②传统的湿地分类与湿地温度效应之间没有直接联系；湿地的面积、周长等是湿地温度效应的重要影响因素；湿地形状对温度效应的影响并不明显.③对各湿地单位水体面积所产生的温度效应进行了比较分析，发现京杭大运河温度效应的效率最高.湿地面积和温度效应的关系极有可能是呈S型曲线的模式.

城市湿地； 温度效应； 遥感； 季节； 湿地类型； 杭州

0 引 言

近年来，随着全球城市化进程的加速，城市热岛效应日益显著，严重影响了城市人居环境的质量.如何缓解城市热岛效应，调节城市小气候成为了学者们普遍关注的热点问题[1-3].城市地表温度(LST)被认为是城市气候研究的核心参数和环境温度的主体，对城市大气层底层温度的高低和城市总体温度的高低具有重要的影响[4].学者们从城市土地利用[5]、城市形态[6]、城市建筑[7]等方面入手，探讨了城市地表温度的影响因素和调控措施.其中，城市下垫面的类型、性质、分布等始终是城市小气候研究的焦点[8].

湿地具有比较明显的局地小气候调节效应.许多学者也利用实地观测[9]和遥感反演[10-12]等方法开展了相关的研究，以期为缓解热岛效应、提升人居环境[13,14]提供依据.湿地的温度效应往往是季节因素(太阳辐射、温度、湿度、风速等)和个体特征(面积、深度、形状等)综合作用的结果[15-17].但在现有研究中，多是针对单个季节、单个湿地进行研究，尚未见到对四个季节、多种湿地类型进行深入分析的文献.据此，本文拟以杭州市为例，基于ALOS遥感影像和四个季节的Landsat 5遥感影像，分析杭州市最重要、最典型的四个城市湿地的温度效应，以期加深对湿地局地小气候调节功能的认识，为缓解城市热岛效应，提升人居环境，开展城市规划提供科学依据.

1 研究区

杭州市位于亚热带季风区，夏季气候炎热湿润，冬季寒冷干燥.全年平均气温17.5 ℃，平均相对湿度70.3%，年降水量1 454 mm，年日照时数1 765 h.近20年来，杭州市的平均气温上升明显，缓解城市热岛效应已经成为杭州城市建设中亟待解决的重要问题.

杭州是典型的江南水乡城市，拥有西湖、西溪、钱塘江、京杭大运河等丰富的湿地资源(见图1).日益突出的城市热岛效应，类型丰富的湿地资源，显著的季节变化使得杭州市成为开展城市湿地温度效应研究的极佳场所.在城市热岛效应不断增强的背景下，通过对杭州市不同季节、不同类型湿地冷湿效应的研究，有助于进一步认识湿地温度效应的作用机理，从而为缓解城市热岛效应，提升城市人居环境，实现城市湿地的科学规划与合理布局提供决策参考.

图1 杭州市的TM5卫星遥感影像Fig.1 Satellite image of Hangzhou city

2 数据与方法

2.1 数据

采用4景覆盖杭州市的Landsat 5卫星影像作为地表温度反演的基础数据.TM影像的成像时间分别为2005年10月17日(秋季)，2007年1月8日(冬季)，2007年3月29日(春季)，2008年7月5日(夏季).利用ALOS影像提取杭州市西湖、西溪、钱塘江、京杭大运河这四个主要湿地的边界，其成像时间为2010年8月20日，空间分辨率为2.5 m.

2.2 地温反演方法

本文采用Jiménez-Munoz提出的普适性单通道算法进行地表温度的反演.具体的反演步骤包括：①遥感影像的预处理.利用美国国家航空和航天管理局下设单位LEDAPS开发的配准与正射纠正程序包AROP进行配准，配准误差控制在0.5个像元以内.利用COST大气校正模型进行大气校正[18].②进行地表发射率的估计.通过归一化植被指数(NDVI)获得地物比辐射率(LSE).③地表温度反演.对TM热红外波段进行辐射定标以后，即可计算像元的亮温，进而利用Jiménez-Munoz的普适性单通道算法计算地表温度.LST的反演公式和参数取值，详见文献[19,20].

2.3 温度效应分析方法

通过Arcgis的缓冲区分析功能，以湿地边界为起点，向外以50 m等间隔距离设定1 000 m的缓冲区，统计湿地内部，以及周边不同缓冲距离内地表温度的平均值.对本文中几个重要的概念定义如下：①第i个缓冲区的温差(Ui).指湿地外第i个缓冲区的平均温度(Ti)与该湿地内部的平均温度(Tc)的差值.②影响范围.指自湿地边界开始，至不再受到湿地温度效应影响的距离.主要通过人工判断的方法来确定湿地温度效应的影响范围.即由湿地边界开始，随着缓冲区距离的增加，温度曲线首次出现由陡峭变为平坦的明显拐点，或者温度曲线的斜率出现剧烈变化时，就将该点作为影响范围的边界点[11].③影响幅度.在湿地温度效应的影响范围内，最高平均温度和最低平均温度之间的差值.④温度效应的类型.在湿地温度效应的影响范围内，如果温差U呈上升趋势，则表示其类型为冷湿效应；即湿地对周边区域有降温作用.反之则为暖湿效应.

3 结果和讨论

根据前文提到的地表温度的遥感反演和GIS空间分析，利用ENVI和Arcgis软件，得到杭州市各季节的地表温度分布图(见图2).

图2 杭州市夏季地表温度的遥感反演结果Fig.2 Remote sensing inversion result of LST in Hangzhou city

根据前述定义，计算各湿地在四个季节各个缓冲区的温差，分析其温度效应的影响幅度和影响范围，结果如下(图3—6)：

图3 西溪湿地内外地表温差的梯度变化趋势Fig.3 Gradient changes of the surface temperature difference between inside and outside of XiXi Wetland

图4 西湖内外地表温差的梯度变化趋势Fig.4 Gradient changes of the surface temperature difference between inside and outside of XiHu

图5 钱塘江内外地表温差的梯度变化趋势Fig.5 Gradient changes of the surface temperature difference between inside and outside of Qian Tang river

3.1 季节差异

由图3—6中可以看出，湿地温度效应的季节差异非常大.①从湿地内外温度的比较上看，无论在哪个季节，四个湿地内的温度总是低于湿地外.但温差的幅度却存在着巨大的季节差异.在夏季，湿地内外的温差均是各季节中最大的，平均温差为11.695 ℃，最高可达15.58 ℃.而在冬季，湿地内外的温差普遍较小，平均温差仅1.388 ℃，仅为夏季的11.86%.②从湿地外地表温度差值曲线的形态上看，也有比较明显的季节差异.总体而言，春夏的曲线形态均比较相似，而冬季则比较特别.就西溪湿地而言，四个季节的温差曲线形态可以很容易地分为两类.其中，春季和夏季比较相似，其相关系数为0.884；秋季和冬季比较相似，相关系数为0.917.就西湖而言，四个季节的温差曲线形态同样可以很容易地分为两类.其中，春、夏、秋季比较相似，其相关系数均在0.9以上；冬季和其他季节的相关性则非常低，均在0.3以下.就钱塘江而言，春、夏和秋季比较相似.其中春夏的相关系数高达0.991；春秋季的相关系数也较高，为0.850.冬季与其它季节的相关性则比较低.就京杭大运河而言，春季和夏季比较相似，其相关系数高达0.996；冬季的温差曲线最为特别，与春夏两季的相关系数均接近-0.7.③从温度效应的类型上看，冷湿效应出现的频率远高于暖湿效应.在春夏两季，所有的湿地均表现为冷湿效应.而暖湿效应多出现在冬季，秋季也偶有出现.这种情况也是比较容易理解的.在中国，春夏季主要表现为增温过程.由于水体的热容量更大，增热的速率更慢，使得水面和水上空气的温度较低，故而表现为冷湿效应；反之，中国的秋冬季主要表现为降温过程.此时，水体降温速率较慢，有助于缓和水面和水上空气的降温过程，故而表现为暖湿效应.从影响范围来看，暖湿效应的平均影响范围为316.7 m；冷湿效应则为207.7 m.这表明暖湿效应虽然出现的频率较低，但仍对周边区域有重要的影响.④温度效应的影响范围.湿地温度效应的影响范围也有较大的季节差异.其中，夏季最大，平均影响范围为287.5 m，最高达400 m；春季最小，为187.5 m.⑤温度效应的幅度.从各缓冲区温度效应影响范围内地表温度的变化幅度来看，仍是夏季的变化幅度最大，平均幅度为5.323 ℃；冬季则最小，平均幅度为0.525 ℃.这主要是因为夏季气温高，温度变化剧烈，导致温度效应的幅度也比较大.

图6 京杭大运河内外地表温差的梯度变化趋势Fig.6 Gradient changes of the surface temperature difference between inside and outside of the Grande Canal

3.2 类型差异

3.2.1 各湿地的温度效应

由图中可以看出，各湿地温度效应的差异也比较大.①从各湿地温度差值曲线的形态上看，各湿地存在一定的差异.首先，与其它湿地相比，西溪湿地的土地利用结构比较特殊(水体占49.94%，植被占35.66%，建设用地占14.40%)，导致其温差曲线形态与其它湿地也存在着很大的差异，相关系数多在0.5以下，甚至出现负相关的情况.其次，在四个季节中，钱塘江和西湖的相关性都是最高的，其相关系数最高时达0.959(春季).而钱塘江和京杭大运河同属河流湿地，在形状上显然也更接近，但二者的相关系数最高时也仅为0.852，明显低于钱塘江和西湖的相关系数.这表明湿地的温度效应与传统的湿地分类并不一致，与形状的相关性也较弱.②从湿地内外温差的比较上看，河流湿地的平均温差较大.其中，钱塘江的温差最大，四季平均温差为9.07 ℃.西溪和西湖的温差较低，分别为4.30℃和4.31℃.③从各湿地温度效应的影响范围来看，各湿地的差异并不大.四个季节平均影响范围最大的是京杭大运河，为275 m；最小的为钱塘江，为212.5 m.西溪和西湖的影响范围相同，均为225 m.这是一个非常有趣的现象.因为从水域面积上看，京杭大运河最小(2.58 km2)，钱塘江最大(74.83 km2)，与影响范围刚好呈负相关的关系.④从各湿地温度效应的影响幅度来看，钱塘江最大，为3.74 ℃；西溪湿地最小，为0.34 ℃.⑤从各湿地温度效应的类型来看，西溪湿地和京杭大运河都曾出现过暖湿效应，而西湖和钱塘江则全是冷湿效应.

综上可知，①钱塘江、西湖这种面积较大，水面比较集中的湿地，在各个季节均易成为高强度的冷源.对周边区域产生较强烈的降温效应，但影响范围并不大.②西溪、京杭大运河这类面积不大，水域布局较分散的湿地，它们对周边区域的温度影响并不剧烈，但范围并不算小.同时，这类湿地在以增温为主的春夏季可表现为冷湿效应，在以降温为主的秋冬季可表现为暖湿效应，在冬冷夏热的亚热带季风区，其气候调节价值更大.

3.2.2 温度效应的影响因素

在本部分，将四个湿地的基本特征(见表1)与各季节的温度效应进行相关分析，探讨湿地温度效应的影响因素.①水体面积.水体面积与夏季湿地温度效应的影响范围之间呈较高的相关性，其Pearson 相关系数为0.970 4；与秋季湿地内外温差之间亦具有较高的相关性，Pearson 相关系数为0.901 7.②湿地的周长.湿地周长与湿地内外温差之间存在强烈的相关性，其Pearson 相关系数为0.985 7.③湿地形状.无论是斑块形状指数，还是斑块分维数，与湿地温度效应的相关性均比较差，这表明湿地的形状对湿地温度效应的影响很弱.④湿地内部土地利用结构.水体在湿地中所占比例与湿地温度效应的影响幅度呈较高的相关性，其Pearson 相关系数为0.969 8.综上可知，水域的面积、周长等是湿地温度效应的重要影响因素；而湿地形状对温度效应的影响并不明显.但是，由于本研究中湿地样本量较少，故相关分析结果仅能作为初步判定的依据.

表1 杭州市四个典型湿地的基本情况Tab.1 Basic information of the four typical wetlands in Hangzhou

3.2.3 温度效应的影响效率

将各湿地各季节温度效应的影响范围和影响幅度除以该湿地的面积，得到表2和表3.

表2 各湿地不同季节单位水体面积的影响范围Tab.2 Influence ranges of unit water area for each wetland in different seasons m·km-2

表3 各湿地不同季节单位水体面积的影响幅度Tab.3 Influence amplitudes of unit water area for each wetland in different seasons ℃·km-2

从表1和表2可知：①在单位水体面积的温度效应影响范围方面，京杭大运河的效率是最高的.尤其是在冬季，其影响范围达174.76 m/km2，远高于同为河流湿地的钱塘江(1.34 m/km2).而西湖和西溪湿地的影响范围则比较接近.②在单位水体面积的温度效应影响幅度方面，京杭大运河的效率同样是最高的.其平均影响幅度为1.12 ℃/km2，同样远高于钱塘江(0.05 ℃/km2).

从上面可以看出：①面积是影响湿地温度效应的重要因素，但二者并不是简单的线性关系.当湿地面积达到一定的阈值时，其温度效应的影响范围和幅度均不再同步增长.换言之，面积和温度效应的关系极有可能是呈S型逻辑斯蒂增长曲线的模式.因此，在城市规划中，应该找到这一阈值，并根据阈值来确定湿地的空间布局，这样就能以最小的湿地面积，获取最大的气候调节功能.②京杭大运河的面积最小，但温度效应的效率却最高.在今后的城市规划中，可尝试多布局一些细长的人工河流，以调节城市小气候.

4 结 论

(1) 季节差异.无论是湿地内外的温差，湿地外地表温度的梯度变化，温度效应的类型、影响范围和影响幅度等各个方面，湿地的温度效应都具有巨大的季节差异.首先，湿地内外的温差，以及温度效应的影响幅度在夏季最大，冬季最小.其次，在温度效应的影响范围上，夏季最大，春季最小.

(2) 类型差异.首先，钱塘江、西湖这种面积较大，水面比较集中的湿地，在各个季节均易成为高强度的冷源，能对周边区域产生较强烈的降温效应.平均影响幅度在3～4 ℃之间；影响范围在200～250 m之间.其次，西溪、京杭大运河这类面积不大，水域布局较分散的湿地，它们对周边区域的温度影响较小.最后，Pearson相关分析的结果表明，水域的面积、周长等是湿地温度效应的重要影响因素；而湿地形状对温度效应的影响并不明显.

(3) 效率差异.本文对各湿地单位水体面积所产生的温度效应进行了比较，发现无论是影响范围，还是影响幅度，京杭大运河的效率都是最高的.湿地面积和温度效应的关系极有可能是呈S型逻辑斯蒂增长曲线的模式.因此，在今后的城市规划中，可尝试多布局一些细长的人工河流，以调节城市小气候.

[1] ARNFIELD A J. Two decades of urban climate research: a review of turbulence, exchanges of energy and water, and the urban heat island[J]. International Journal of Climatology, 2003, 23(1): 1-26.

[2] 戴晓燕, 张利权, 过仲阳, 等. 上海城市热岛效应形成机制及空间格局[J]. 生态学报, 2009, 29(7): 3995-4004.

[3] TOMLINSON C J, CHAPMAN L, THORNES J E, et al. Derivation of Birmingham's summer surface urban heat island from MODIS satellite images[J]. International Journal of Climatology, 2012, 32(2): 214-224.

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

[5] CHEN X L, ZHAO H M, LI P X, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J]. Remote sensing of environment, 2006, 104(2): 133-146.

[6] DIXON P G, MOTE T L. Patterns and causes of Atlanta's urban heat island-initiated precipitation[J]. Journal of Applied Meteorology, 2003, 42(9): 1273-1284.

[7] TAKEBAYASHI H, MORIYAMA M. Surface heat budget on green roof and high reflection roof for mitigation of urban heat island[J]. Building and Environment, 2007, 42(8): 2971-2979.

[8] MIAO S, CHEN F, LEMONE M A, et al. An observational and modeling study of characteristics of urban heat island and boundary layer structures in Beijing[J]. Journal of Applied Meteorology and Climatology, 2009, 48(3): 484-501.

[9] SAARONI H, ZIV B. The impact of a small lake on heat stress in a Mediterranean urban park: the case of Tel Aviv, Israel [J]. International journal of Biometeorology, 2003, 47(3): 156-165.

[10] CAO X, ONISHI A, CHEN J, et al. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data[J]. Landscape and urban planning, 2010, 96(4): 224-231.

[11] SUN R, CHEN A, CHEN L, et al. Cooling effects of wetlands in an urban region: The case of Beijing[J]. Ecological Indicators, 2012, 20: 57-64.

[12] KARDINAL JUSUF S, WONG N H, HAGEN E, et al. The influence of land use on the urban heat island in Singapore[J]. Habitat International, 2007, 31(2): 232-242.

[13] NARITA K, MIKAMI T, SUGAWARA H, et al. Cool-island and cold air-seeping phenomena in an urban park, Shinjuku Gyoen, Tokyo[J]. Geographical Review of Japan, 2004, 77(5): 403-420.

[14] ROBITU M, MUSY M, INARD C, et al. Modeling the influence of vegetation and water pond on urban microclimate[J]. Solar Energy, 2006, 80(4): 435-447.

[15] 傅抱璞. 我国不同自然条件下的水域气候效应[J]. 地理学报, 1997, 52(3): 246-252.

[16] 李书严, 轩春怡, 李伟, 等. 城市中水体的微气候效应研究[J]. 大气科学, 2008, 32(3): 552-560.

[17] KODAMA Y. The influence of Lake Minchumina, Interior Alaska, on its surrounding[J]. Met Geoph Biod, 1983,33: 199-18.

[18] CHVAEZ R S. Imgae-based atmospheric coerretion revisited and improved[J]. Photogrmametric Engineering and Remote Sensing,1996, 62(9):1025-1036.

[19] JIMÉNEZ-MUOZ J C, SOBRINO J A. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22): 1984-2012.

[20] JIMÉNEZ-MUOZ J C, CRISTBAL J, SOBRINO J A, et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J].IEEE Trans Geosci Remote Sens, 2009, 47(1):339-349.

(责任编辑 李万会)

Type and seasonal difference of urban wetland’s temperature effect in Hangzhou, China

ZHANG Wei1-3, JIANG Jin-gang3, ZHU Yu-bi4

(1.SchoolofGeographicalSciences,SouthwestUniversity,Chongqing400715,China;2.ShanghaiKeyLabforUrbanEcologicalProcessesandEco-Restoration,EastChinaNormalUniversity,Shanghai200062,China; 3.InstituteofRemoteSensingandEarthSciences,CollegeofScience,HangzhouNormalUniversity,Hangzhou311121,China;4.CollegeofEconomicsandManagement,SouthwestUniversity,Chongqing400715,China)

This paper takes four typical urban wetlands of Hangzhou for example and discusses the influence of season and wetland type on the temperature effect of urban wetland by means of remote sensing and GIS spatial analysis. The results show that: (1) the seasonal difference of wetland’s temperature effect is very obvious. Seasonal factors have an important influence on the type, range, amplitude and gradient change of urban wetland’s temperature effect. (2) There are no direct relationships between traditional classification system for wetland types and urban wetland’s temperature effect. Wetland’s size and perimeter have an important influence on its temperature effect, while the influence of wetland’s shape on the temperature effect is not obvious. (3) Comparing the efficiency of different wetland’s temperature effects, we find that the efficiency of Grande Canal is the highest. The relationship between wetland size and temperature effect is most likely to beScurve model.

urban wetland; temperature effect; remote sensing; seasonal; wetland type; Hangzhou

1000-5641(2015)04-0123-09

2014-07

国家自然科学基金(41101039)；浙江省自然科学基金(LY14D010007)；上海市城市化生态过程与生态恢复重点实验室开放基金(SHUES2014A01)；浙江省重点科技创新团队项目(2010R50039-15)；浙江省地理信息中心资助项目

张伟，男，博士，讲师，主要研究方向为土地利用及城市生态.E-mail: zwei1997@126.com.

朱玉碧，女，博士，副教授，研究方向为土地利用及其生态效应.E-mail: yubizhu@yahoo.com.cn.

K903

A

10.3969/j.issn.1000-5641.2015.04.013