基于空间自相关的城市热岛时空格局变化

江振蓝， 潘 辉， 张宝玉， 王婷芬 (.闽江学院地理科学系，福建福州 35008；2.闽江学院科研处，福建福州 35008)



基于空间自相关的城市热岛时空格局变化

江振蓝1， 潘 辉2*， 张宝玉1， 王婷芬1(1.闽江学院地理科学系，福建福州 350108；2.闽江学院科研处，福建福州 350108)

[目的]明确空间自相关分析方法运用于揭示城市热岛时空变化规律的有效性和可行性。[方法]利用Landsat热红外波段进行地表温度反演，采用空间自相关局部指标G系数进行城市热岛范围的界定，并进行1996—2016年福州城市热岛的时空格局研究。[结果]1996—2016年城市热岛范围持续扩展，热岛状况的恶化速度大于缓解速度，热岛问题日益严重，但在热岛内部，强度却有所缓解，福州热岛效应的威胁主要来源于城市扩展形成的新热岛区。[结论]空间自相关局部指标G系数能同时兼顾地表温度的高低及其空间相关关系，不仅能从统计学意义上有效地界定城市热岛范围，还能从可视化角度揭示其时空变化规律，从而为城市热岛定量研究提供新思路。

城市热岛；遥感；空间自相关；时空格局

随着城市化进程的不断加快，城市热岛效应问题日趋严重，国内外学者通过利用气象站气温监测资料以及使用不同分辨率的卫星遥感图像积极开展城市热岛效应相关研究。其中，遥感监测方法能克服地面定点观测的不连续性，提供大面积的连续且同步的观测，自1972 年，Rao首次利用遥感卫星手段研究了城市热岛效应[1]，随后出现了大量相关研究。目前，利用遥感数据主要是通过反演地表温度、植被指数和热力景观等方法对城市热岛进行监测，其中以反演地表温度的方法最为直接，应用最广。张新刚等[2]利用1991和1999年的Landsat TM6数据反演地表温度，分析了杭州市城市热岛效应现状及其变化规律。张勇等[3]利用CBERS-02 IRMSS传感器热红外遥感数据反演北京地区和苏锡常地区的地表温度，并利用城市热场变异指数分析热岛效应。王靓等[4]利用MODIS 8天合成地表温度产品数据，分析2005—2014年北京市城建区不同热岛强度等级的空间分布特征及年内变化规律。Pan[5]利用1993、2001和2011年的Landsat TM/ETM+热红外波段反演的地表温度进行热场划分，研究兰州市城市热岛时空格局变化特征。然而，有关城市热岛定量的研究都面临着一个共同的基础问题，即城市热岛范围的界定或地表温度的等级划分[6]。

目前，热岛范围的界定或地表温度的等级划分主要基于温度等级法[4，7-11]，将地表温度划分为不同的等级，进而判断城市热岛范围。这些方法界定的热岛在一定程度上可以反映城市热场的空间分布，但由于阈值或分级数的确定具有很强的人为主观性，缺乏统一的标准和规范，使得城市热岛效应研究样本之间的通用性和可比性大大降低。Stewart[12]综合分析了1950—2007年190个城市热岛研究的文献，发现由于热岛强度定义、观测方法及数据处理等方面的问题，导致75%的样本数据缺乏可比性。为了克服传统城市热岛提取方法中主观性大的缺点，笔者利用空间自相关分析方法，从统计学意义上确定城市热岛范围，并从可视化角度揭示其时空变化规律，避免人为干涉，旨在最大程度地消除研究结果的不确定性。

1 材料与方法

1.1 研究区概况福州地处我国东南沿海闽江入海口(118°24′～120°30′ E，25°16′～26°39′ N)，属于亚热带海洋性季风气候，全年冬短夏长。地貌属于典型的河口盆地，城区位于盆区中央，四周被海拔600～1 000 m的群山环抱。作为福建省的省会城市，福州是我国东南沿海城市化速度最快的城市之一。改革开放以来，随着城市化水平的不断提高，福州城市范围急剧扩大，居民生产生活耗费的能源也日益增多，城市热岛效应愈发显著，尤其是近年来市区夏季温度屡创新高，2007年创下了连续38 d气温超过35 ℃的纪录，成为凤凰卫视气象节目评出的中国新三大“火炉”之首[13]。城市热岛效应及其带来的不利影响，已引起相关部门的高度重视。该研究的区域范围为福州主城区及其比邻地区，面积为795 km2。

1.2 研究数据及预处理数据主要包括遥感数据：福州市1996年8月21日和2006年8月17日的Landsat 5 TM影像以及2016年7月27日的Landsat 8影像，行列号为119/42；福州市第二次土地调查数据，用以辅助土地利用分类和精度检验。

遥感图像预处理主要包括：①对原始影像数据进行辐射定标；②利用Flaash模型对可见光、近红外数据辐射定标结果进行大气校正；③以福州市土地利用图(横轴墨卡托投影(UTM)50N带)为参考，对3期影像进行几何精校正，误差控制在0.5个像元内；④研究区影像裁剪。以上步骤均在ENVI 5.2支持下完成。

1.3 研究方法

1.3.1地表温度反演。根据美国地质勘探局(USGS)的建议，目前Landsat 8第11波段(TIRS 11)值仍不稳定性，建议用户将第10波段(TIRS 10)作为单波段热红外数据进行使用。因此，笔者采用2016年Landsat 8第10波段和1996、2006年的landsat TM 第6波段，根据NASA官方的Landsat用户手册所提供的算法进行地表温度反演[14]，具体步骤如下：

1.3.1.1 地表亮温(T)的计算。运用公式T=K2/ln(K1/L+1)，将热红外波段辐射定标后的光谱辐射值转换为亮温。式中，T为像元的亮度温度，K；L为光谱辐射值，W/(m2·sr·μm)，即为热红外波段辐射校正后的值；K1和K2为热红外波段的定标常数，TM6的K1=607.76 W/(m2·sr·μm)，K2=1 260.56 K；TIRS 10的K1=774.89 W/(m2·sr·μm)，K2=1 321.08 K。

1.3.1.2 地表比辐射率(ε)的估算。采用覃志豪等[15]提出的经验公式法进行计算，首先将地类分为水面、城镇(包括城市和村庄)和自然表面(指各种天然陆地表面、林地和农田等)；然后计算各地类的植被指数和植被覆盖度，从而估算出各地类的地表比辐射率。

1.3.1.3 地表温度反演。根据地物的比辐射率将求出的亮温转换为地表温度[14]：

(1)

式中，LST为地表温度,℃；λ为波段的中心波长，TM6和TIRS 10的波段分别为11.5和10.9 μm；ρ=h×c/σ=1.438×10-2mK(其中，斯特潘-玻尔兹曼常数σ=1.38×10-23JK-1，普朗克常数h=6.626×10-34Js，光速c=2.998×108ms-1)；ε为地物的比辐射率。

1.3.2基于空间自相关的城市热岛时空格局特征分析。

1.3.2.1格网尺度。由于Lansat TM6的空间分辨率为120 m×120 m， Landsat 8 TIRS 10的空间分辨率为100 m×100 m。为了能够最大限度地反映城市热岛的空间分布特征，满足兼顾最小的空间分辨率，笔者采用120 m×120 m的格网尺度进行城市热岛时空特征分析。

1.3.2.2空间自相关局部指标G系数。空间自相关是指同一个变量在不同空间位置的相关性，是空间单元属性值聚集程度的一种度量[16]。空间自相关性可用全局和局部2种指标度量，全局指标探测研究区整体的空间自相关程度，局部指标则计算变量在每个空间单元与邻近单元的相关程度。城市热岛是一个开放系统，一个热岛区域向周围区域扩散的同时，也将受到其他热点区域的扩散作用影响，根据空间自相关定义，城市热岛是一种空间自相关现象[17-18]，笔者采用空间自相关局部指标G系数进行城市热岛强度等级及其范围的界定。局部G系数是由Ord和Getis(1995)提出[19]的一种基于距离权矩阵的局部空间自相关指标，能探测高值聚集和低值聚集，计算公式为：

(2)

2 结果与分析

2.1 福州地表温度的时空分布特征从图1可以看出，福州城乡之间的地表温度差异明显，高低温的突变线与城乡的边界大致一致。1996—2016年高温区(红、橙色区域)呈扩展趋势，其空间格局也发生了显著变化。1996年高温区基本上与建成区重合，除了闽侯上街和仓山区金山的沙滩外，在台江、鼓楼、晋安等老城区的建设用地比较密集的地区形成相应的高温中心(红色区域)，呈集中的团聚状分布；而在2006和2016年高温区域较1996年有明显的增长，在老城区外围形成新的高温中心，尤其在仓山区及闽侯上街的大学城变化最为明显。但老城区高温区的部分区域温度有所下降，造成高温区内部温度差异明显。

2.2 福州城市热岛的时空格局变化特征从图2可以看出，1996和2006年城市热岛的空间分布格局大致一致，热岛等级均以强热岛区占绝对优势，其面积远大于热岛区和弱热岛区，在空间上呈现集中的团聚状分布，热岛区和弱热岛区呈零星分布于其四周；2016年城市热岛仍以强热岛区所占比重最大，但热岛区及弱热岛区明显增加，呈斑块状分布于城建区，使得原本呈团聚状分布的强热岛区域内部被分割，在空间上呈多孔的斑块状分布。

由表1可知，随着时间的推移，福州市热岛范围在研究期间呈现持续的扩展趋势，由1996年的热岛区为中心快速向南(仓山区)、向西(闽侯上街大学城区域)及向东(马尾区的沿江区域)扩展，热岛面积由1996年的146.05 km2扩大至2016年的232.45 km2。在此期间，相对的城市冷岛范围呈波动式上升趋势，1996—2006年面积略有所下降，但2006—2016年面积却呈快速增大。研究区城市热岛范围和冷岛范围均呈现扩展的变化趋势，说明研究区城建区与周边地区的温度差异愈加明显，城市热岛效应程度加深，影响范围越来越大。

图1 1996—2016年福州市地表温度分布

表1 1996—2016年福州市不同等级的城市热岛面积

图2 1996—2016福州市城市热岛的空间分布(120 m×120 m尺度)

由表2、3可知，城市热岛变化类型分为3类：热岛恶化区，即热岛强度较小等级向热岛等级强度较高等级转化区域，包括非热岛等级向弱热岛、热岛或强热岛等级转化，弱热岛等级向热岛或强热岛等级转化区域，热岛等级向强热岛等级转化的区域；热岛缓解区，即热岛强度较高等级向热岛等级强度较低等级转化区域，包括强热岛等级向热岛、弱热岛及非热岛等级的变化区域，热岛等级向弱热岛、非热岛等级变化的区域，弱热岛等级向非热岛等级变化的区域；热岛不变区，即城市热岛等级保持不变的区域。1996—2006和2006—2016年热岛恶化区和热岛缓解区的面积分别为90.55和34.66 km2、90.87和68.21 km2，恶化区面积始终大于缓解区面积，说明研究期间福州市城市热岛恶化的速度始终大于缓解速度，进一步说明福州热岛效应总体上呈现恶化的趋势。

由表2、3可知，不同阶段热岛的恶化与缓解过程的相对作用不同，1996—2006年热岛恶化速度远大于缓解速度，城市热岛以恶化过程为主，表现为城市热岛变化以强热岛区的扩展为主(面积由99.20 km2增加至133.60 km2)，热岛区小幅增长(面积从27.80 km2增加至37.90 km2)，弱热岛区面积几乎不变；2006—2016年城市恶化速度虽然保持与前10年几乎相同的速度，但城市热岛的缓解过程却较前10年有显著提高，为1996—2006年的2倍，这一阶段热岛恶化与缓解并存的特点较为突出，表现为城市热岛扩展以热岛区的扩展为主(面积由37.90 km2增加至72.90 km2，增加了近1倍)，弱热岛区小幅增长(由19.10 km2增加至32.80 km2)，而强热岛区比例却略有下降(由133.60 km2下降为126.80 km2)。

表2 1996—2006年福州市不同强度等级的热岛变化情况

表3 2006—2016年福州市不同强度等级的热岛变化情况

2.3 城市扩展对福州城市热岛时空格局的影响运用文献[20]中的方法提取1996、2006、2016年福州市城镇建设用地信息，利用福州土地利用二调数据和实地调查数据进行精度检验，1996、2006、2016年城镇用地信息提取的总体精度和Kappa系数分别为92%和0.84、91%和0.82、93%和0.85。将城镇用地分布图与城市热岛分布图进行叠加，以便分析城市扩展对热岛的时空格局影响，结果见表4～6。

表4 1996—2006年福州市城建区的热岛分布情况

表5 1996—2006年福州市城建区不同强度等级的热岛变化情况

由表4可知，1996—2016年随着建设用地的扩展，城市热岛在城建区的分布范围也随之扩大，从1996年的78.07 km2扩展至2006年的158.11 km2，再扩展至2016年的215.08 km2，但热岛占城建区的比例却随着时间的推移呈递减趋势，从1996年的72.69%下降至2016年的66.83%。这说明，一方面，由于城市扩展占用耕地、湿地等，使得城市热岛范围进一步扩大，热岛效应进一步加重；另一方面，福州旧城改造过程中采取有力的城市热岛缓解措施，如增加绿化面积、屋顶改造等，使得老城区的城市热岛得到一定缓解，2006—2016年城市热岛的缓解效果尤为明显。

由表5可知，1996—2006年新城区、老城区的热岛恶化区和缓解区的面积分别为51.39和5.30 km2、20.12和11.94 km2，在热岛等级变化类型中，新老城区均以非热岛区向强热岛区转化的面积最大。说明这一阶段老城区的城市热岛缓解措施实施力度不大，效果不明显，新老城区均以热岛恶化过程为主，造成该阶段城市热岛的发展以恶化过程为主。由表6可知，2006—2016年新城区、老城区的热岛恶化区和缓解区的面积分别为39.82和5.40 km2、40.02和52.98 km2，在热岛等级变化类型中，老城区以强热岛区向热岛区转化的面积最大(26.06 km2)，非热岛区向强热岛区转化的面积仅为8.65 km2；新城区则以非热岛区向热岛区转化的面积最大，非热岛区向强热岛区转化的面积次之。这说明该阶段在城市扩展区域仍以恶化过程为主，但在老城区由于城市热岛缓解措施的有力实施，热岛得到很大程度的缓解，缓解速度甚至超过了恶化速度。综上，现阶段福州城市热岛效应恶化最主要原因是城市扩展产生的新热岛区，今后的热岛防治中，新城区的合理规划及新热岛产生的预防措施需引起高度重视。

表6 2006—2016年福州市城建区不同强度等级的热岛变化情况

3 结论与讨论

(1)该研究表明，福州城市热岛范围在研究期间呈现持续扩展的趋势，且热岛状况的恶化速度始终大于缓解速度，热岛效应日益严重，已成为福州可持续发展需要迫切解决的生态环境问题。

(2)随着时间的推移，城市热岛的空间分布格局也随之发生变化：1996—2006年城市热岛等级以强热岛等级占绝对优势，呈团聚状分布于建设用地密集的城建区，逐步向外零星分布于热岛区和弱热岛区；2016年热岛等级虽仍以强热岛等级所占比重最大，但热岛区及弱热岛区面积明显增加，呈小斑块状分布于城建区，使得原本呈团聚状分布的强热岛区域内部被分割，在空间上呈多孔的斑块状分布。

(3)福州城市热岛的时空变化规律主要是由于一方面，城市扩展占用耕地、湿地等产生新的热岛区，使得新城区以热岛恶化过程为主，热岛扩展迅速；另一方面，福州旧城改造过程中采取有力的城市热岛缓解措施(如增加绿化面积、屋顶改造等)，使得老城区的城市热岛缓解作用突出，尤其在2006—2016年老城区的热岛缓解速度已超过恶化速度。这说明城市热岛效应已引起各级政府及管理部门的高度重视，并对城市热岛防治采取了有力的措施，使得热岛效应严重的老城区热岛状况得到了缓解。但在新城区的城市规划中，城市热岛的预防工作却有所欠缺，应在今后的热岛缓解措施的制订和实施过程中重点解决。

(4)该研究采用空间自相关局部指标G系数进行城市热岛范围的界定，不仅考虑了地表温度的大小，还考虑了地表温度的空间相关性，较传统的城市热岛范围界定方法更具科学性，可以更为有效地揭示城市热岛的时空变化趋势。而且，由于G系数具有明确的统计学意义，不同的显著性水平代表不同的城市热场类型，阈值的确定不受季节、区域影响，更无需人为干预，使得研究结果不因时、因地、因人而异，更具可比性，适合在城市热岛定量研究中进一步推广。

[1] RAO P K.Remote sensing of urban heat islands from an environmental satellite[J].Bulletin of the American meteorological society,1972,53:647-648.

[2] 张新刚，周斌，王珂.杭州市热岛效应的遥感监测[J].科技通报，2004,20(6)：501-505.

[3] 张勇，余涛，顾行发，等.CBERS-02 IRMSS热红外数据地表温度反演及其在城市热岛效应定量化分析中的应用[J].遥感学报，2006，10 (5)：789-797.

[4] 王靓，孟庆岩，吴俊，等.2005-2014年北京市主要城建区热岛强度时空格局分析[J].地球信息科学，2015，17(9)：1047-1054.

[5] PAN J H.Area delineation and spatial-temporal dynamics of urban heat island in Lanzhou city,China using remote sensing imagery[J].Journal of the Indian society of remote sensing,2016,44:111(1)-127.

[6] 陈松林，王天星.等间距法和均值-标准差法界定城市热岛的对比研究[J].地球信息科学学报，2009，11(2)：145-150.

[7] 徐涵秋，陈本清.不同时相的遥感热红外图像在研究城市热岛变化中的处理方法[J].遥感技术与应用，2003，18(3)：129-133.

[8] 张好，徐涵秋，李乐，等.成都市热岛效应与城市空间发展关系分析[J].地球信息科学学报，2014，16(1)：70-78.

[9] QIAO Z，TIAN G J.Spatiotemporal diversity and regionalization of the urban thermal environment in Beijing[J].Journal of remote sensing,2014,18(3):715-734.

[10] 白杨，孟浩，王敏，等.上海市城市热岛景观格局演变特征研究[J].环境科学与技术，2013,36(3)：196-201.

[11] ZHOU W Q,QIAN Y G,LI X M,et al.Relationships between land cover and the surface urban heat island:Seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures[J].Landscape ecology,2014,29(1):153-167.

[12] STEWART I D.A systematic review and scientific critique of methodology in modern urban heat island literature[J].International journal of climatology, 2011,31(2):200-217.

[13] 徐涵秋.基于城市地表参数变化的城市热岛效应分析[J].生态学报，2011，31(14)：3890-3901.

[14] NASA.Landsat 7 science data users handbook[EB/OL].(2011-03-11)[2012-12-28].http://landsathandbook.gsfc.nasa.gov.

[15] 覃志豪，李文娟，徐斌，等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感，2004(3)：28-36，41.

[16] GETIS A,ORD J K.The analysis of spatial association by use of distance statistics[J].Geographical analysis,1992,24(3):189-206.

[17] 张伟，蒋锦刚，朱玉碧.基于空间统计特征的城市热环境时空演化[J].应用生态学报，2015，26(6)：1840-1846.

[18] 王鹏龙，张建明，吕荣芳.基于空间自相关的兰州市热环境[J].生态学杂志，2014，33(4)：1089-1095.

[19] ORD J K,GETIS A.Local spatial autocorrelation statistics:Distributional issues and anapplication[J].Geographical analysis,1995,27(4):286-306.

[20] 江振蓝，林爱平.基于HIS变换的城镇用地信息快速提取新方法[J].闽江学院学报，2011，32(2)：131-136.

Spatiotemporal Pattern Changes of Urban Heat Island Based on Spatial Autocorrelation

JIANG Zhen-lan1,PAN Hui2*,ZHANG Bao-yu1et al (1.Department of Geographical Science,Minjiang University,Fuzhou,Fujian 350108; 2.Scientific Research Department,Minjiang University,Fuzhou,Fujian 350108)

[Objective] To find the effectiveness and feasibility of applying Spatial Autocorrelation Analysis Method in revealing spatiotemporal change law of urban heat island.[Method] Landsat thermal infrared band was used to define the spatial autocorrelation local index G coefficient within the range of urban heat island.Spatiotemporal pattern of urban heat island in Fuzhou was researched from 1996 to 2016.[Result] Within 1996-2016,heat island problem deteriorated,featuring continuous expansion of heat islands and higher rate of deterioration than that of mitigation.But the intensity of heat was mitigated inside the heat islands.This showed that the threat of heat island in the city was mainly from the new heat island areas developed in the process of urbanization.[Conclusion] Spatial autocorrelation local index G coefficient reflects both the level of land surface temperature and its spatial correlation.It helps to define the scope of urban heat island statistically and to visualize the spatiotemporal dynamics.This research provides a new way of research on urban heat island.

Urban heat island; Remote sensing; Spatial autocorrelation; Spatiotemporal dynamics

福州市科技计划项目(2014S130)；福建省自然基金项目(2016J01194)；福建省科技厅社会发展引导性项目(2015Y0074)。

江振蓝(1977- )，女，福建政和人，副教授，博士，从事生态环境遥感研究。*通讯作者，教授，博士，从事环境资源管理、生态旅游研究。

2016-08-31

S 181.3

A

0517-6611(2016)30-0041-05