土地覆盖类型对城市热岛效应的响应分析

裔传祥,胡继超,李小军

(1. 南京信息工程大学应用气象学院，江苏 南京 210044； 2. 中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101)

城市热岛效应是指城市中的气温明显高于外围郊区的现象[1]。近些年，城市热岛效应备受国内外重视。随着全球变暖和我国城市化进程的加快，以及城市下垫面的快速变化，植被、水体等透水面被不透水面所替代，导致地表热力学性质、粗糙度等发生改变，由此也带来了一系列的城市热环境问题[2]。其中城市热岛效应问题日趋严重，商业交通、工业生产等人为热源直接或间接促使了城市热岛的形成[3-4]。城市热岛效应不仅会引发各种热浪灾害，而且还对城市居民健康造成了严重威胁[5-6]。

土地覆盖类型是城市地表温度分布的主要影响因素，研究城市地表温度和土地覆盖之间的关系，分析城市热岛特征，有助于更加深入了解城市热岛效应在不同土地覆盖类型下的空间特征，同时也可以从城市热岛效应产生的角度为城市建设及维护生态环境提供重要的理论依据。随着卫星遥感技术的快速发展，人们对热岛效应的研究手段逐渐由单一的依靠气象站进行观测转移到利用遥感影像热红外波段反演获取空间连续的地表温度[7-8]。在遥感研究中，人们通过建立相关指数来描述某种土地覆盖类型与城市热岛之间的关系[9-13]。近年来，对植被和建筑用地这两种土地覆盖类型与城市热岛效应之间关系的研究层出不穷。众多研究者通过引入归一化植被指数(normalized differential vegetation index，NDVI)来表征植被覆盖信息，探讨植被与城市热岛效应之间的关系，发现植被覆盖比例与地表温度具有较好的负相关性[9-11]。相比易受生长周期影响的植被指数，反映建筑信息的归一化建筑指数(normalized difference built-up index，NDBI)则较稳定，大量研究表明，城市建筑用地覆盖比例与温度存在明显的正相关关系[12]。也有学者通过改进的归一化水体指数(modified normalized difference water index，MNDWI)和归一化裸土指数(normalized difference barren index，NDBaI)分别研究了水体和裸土与城市热岛效应之间的关系[13]。

为研究城市热岛与土地覆盖类型之间的关系，本文选取我国典型热岛城市济南、武汉和重庆作为研究区，选取MODIS卫星产品分别提取3个城市2003年、2008年、2013年的土地覆盖信息与地表温度信息，定量分析城市热岛对土地覆盖类型的响应关系，对于解决城市热岛效应问题具有重要意义。

1 研究区域及数据

1.1 研究区域

济南属于暖温带半湿润季风气候，经济发达，人口集中，城市化发展较快；武汉是华中地区最大的城市，位于江汉平原东部，长江中游与汉水交汇处，全市北高南低，属于北亚热带季风湿润气候，常年湿润，城市热岛效应明显；重庆是西南地区的经济重镇，位于四川盆地东部，全市以低山、丘陵为主，属于亚热带季风性湿润气候，其重工业发展迅速，人口增长快，是我国“三大火炉”城市之一。

1.2 数据源

MODIS是安装在美国第二代观测卫星Terra和Aqua卫星上的传感器，具有波谱分辨率高、时间周期快、获取较为容易等特点，在众多领域得到了广泛的应用。本文所需要的数据主要包括2003、2008和2013年3个城市的地表温度数据及土地覆盖分类数据，两种数据主要来源于MODIS Level 3级标准产品，其中还包括Landsat TM、ETM+和MODIS Level 3级地表反射率等辅助数据。

地表温度数据来源于MODIS Level 3中的地表温度产品(MOD11A1)，文中分别提取济南、武汉、重庆市2003、2008和2013年夏季白天的地表温度(land surface temperature，LST)和质量控制(quality control，QC)数据，时间为各年6月1日—8月31日，共92天；土地覆盖数据使用的是MCD12Q1。其中，MOD09A1及Landsat TM、ETM+用来辅助提取建筑用地，MOD09A1是MODIS 8天合成的地表反射率产品，其数据集包含红、绿、蓝、近红外和短波波段的反射率等，根据国际地圈生物圈计划(international geosphere-biosphere program，IGBP)分类方案，分别提取各个城市3个年份的土地覆盖数据及各年夏季的反射率数据(红外和短波波段)。

1.3 数据处理方法

文中涉及的数据处理主要包括地表温度数据和土地覆盖数据的投影变换、数据提取、镶嵌、裁切及类别合并等。为保证投影信息一致，将上述数据的投影统一转换为阿尔伯斯投影(Albers equal-area conic projection)。

对于土地覆盖分类数据MCD12Q1，数据处理主要包括原始分类方案的类别合并和重编码。结合3个城市的土地覆盖特性，最终将IGBP分类方案重新编码为耕地、草地、林地、水体、城市用地及裸地6种土地覆盖类型。城市用地的分布具有整体集中、局部分散的特点，并且零散分布的城市在遥感影像上受周围地物影响较大，极易出现错分现象[14]，因此，为保证城市用地的分类精度，通过计算归一化建筑指数并参考高分辨率遥感影像等辅助数据采取目视解译的方式提取城市用地。最终得到济南、武汉、重庆市不同年份的土地覆盖分类结果，如图1所示。对MOD09A1地表反射率产品的处理主要为去云处理，对每年两个轨道(h27v05、h27v06)获取的各12景影像采取最小值合成法合成为一幅无云影像。

2 热岛效应分析模型

为了更好地分析土地覆盖与城市热岛的关系，将研究量纲化，避免分析过于笼统，需要引进具体的指数。因此，本文引入了热岛分级、建筑指数、相关性分析计算方法进行系统的研究。

2.1 热岛分级

为了更加直观地表达城市热岛强度，采用均值-标准差法(式(1))将城市热岛划分为5个等级。这种分级方法以平均温度和标准差的倍数关系作为切入口，能够有效地界定城市热岛，在不同时期城市热岛演变对比研究中可以在一定程度上避免时间差异的影响[15]。

T=T0+X·SD

(1)

式中，T为分段点；T0为影像的平均值；SD为影像的标准差；X为标准差的倍数，本文设为0.5和1.5[8]。

2.2 建筑指数

城市用地的分类通过计算归一化建筑指数[16](式(2))得到，它能够较准确地提取城市用地。

(2)

式中，RNIR和RSWIR分别对应MOD09A1中的第2波段和第6波段的光谱反射率。

图1 济南、武汉和重庆不同年份的土地覆盖分类结果

2.3 相关性分析

Pearson简单相关系数(pearson product-moment correlation coefficient，PPCC)(式(3))用来分析地表温度与土地覆盖类型之间的关系。PPCC是考察两个变量之间线性关系的一种统计分析方法[17]，取值范围为[-1,1]，通常用R来表示。当R为正值时，表示两变量正相关；反之为负相关；R的绝对值越大，表明两个变量之间的相关程度越密切。公式如下

(3)

3 研究结果与分析

3.1 地表温度与土地覆盖类型的关系

为探讨不同地表覆盖类型与城市热岛之间的关系，分别把济南、武汉、重庆3个城市2003年、2008年和2013年的土地覆盖数据与地表温度数据相叠加，得到每种土地覆盖类型的平均地表温度及温度标准差，并加入各种土地类型所占比例得到表1。从表中可以看出，3个城市不同类型土地覆盖的热特性之间存在共性，城市用地和裸地由于具有相似的非渗透性和无蒸发性、较强的热传导性和较高的热容量，地表温度较高；而水体由于其较强的蒸发作用，呈现出明显的低温状态，城市用地和水体的地表温度差异较大。由于本文获取的耕地覆盖类型与草地具有相似的植被覆盖特征。草地和耕地地表温度比较接近，均高于林地。同时，3个城市不同类型土地覆盖的热特性之间也存在差异，并且这种热特性随时间的变化而变化。

表1 济南、武汉、重庆各年份土地覆盖类型平均地表温度、标准差及所占比例

结合表1与图1可以看出，济南和武汉的土地覆盖类型以耕地为主，并且分布比较稳定。此外，济南市水体、林地、裸地所占面积相对较少，年际变化不明显，而草地和城市用地变化则较明显。武汉市水域面积比例较大，从2003年的15.79%降到2013年的14.38%，而城市用地比例增加。相比济南和武汉，重庆市下垫面以耕地、林地和草地为主，2003年至2013年，草地面积所占比例由19.72%减少到14.75%，而林地面积比重增加。

济南不同土地覆盖类型地表温度从高到低的顺序为：2003年，城市用地>裸地>草地>耕地>水体>林地；2008年，城市用地>裸地>草地>耕地>林地>水体；2013年，裸地>城市用地>草地>耕地>水体>林地。3个年份各个土地覆盖类型的温度排序不一致，城市用地与裸地的平均温度一直高居前两位，并明显高于其他土地覆盖类型，草地一直处于第3位，水体、林地则一直占据后两位，这说明济南市草地的降温效果并不明显，而水体、林地相对更能影响济南市的温度变化。武汉3个时期各土地覆盖类型地表温度的排序均为：城市用地>裸地>耕地>草地>林地>水体。由表1可以看出，裸地的温度标准差在2003年和2013年均高于同一时期的其他土地覆盖类型，这是由于裸地主要以裸露的地表及在建工地为主，接受太阳辐射后，温度会迅速上升导致。重庆3个时期土地覆盖类型的温度排序均为：城市用地>裸地>耕地>草地>水体>林地，与武汉一致，水体与林地排在后两位，说明水体和林地更能影响城市热岛的温度变化，除裸地外，林地温度的标准差也较高，这是由于重庆东西部海拔高度差异大，植被垂直地带性分异明显导致。

济南城市用地平均地表温度较高，处于33.3℃与34.59℃之间，水体地表温度的差值在4.48℃与5.73℃之间；武汉水域面积大，3个时期白天水体温度相比其他覆盖类型均处于最低位置，它与城市用地的地表温度的差值在2.91℃与4.32℃之间；重庆3个时期林地温度要明显低于其他覆盖类型，在25.36℃与26.85℃之间，它与城市用地温度之间的差值在6.44℃与6.69℃之间。可以看出地表温度与土地覆盖类型有着密切的联系。

3.2 土地覆盖类型对城市热岛的影响分析

为了更好地研究土地覆盖类型对城市热岛的影响，分别计算2003年、2008年、2013年济南、武汉、重庆不同地表覆盖类型所占比例与其对应地表温度的相关系数(见表2)，并结合上述统计的数据，分析这二者之间的相关性，确定不同城市热岛效应对土地覆盖类型的响应。

表2 济南、武汉、重庆土地覆盖类型所占比例与地表温度的相关系数表

结合表1和表2可以看出，城市用地所占比例与地表温度呈正相关，并且由沿海到内陆相关性逐渐降低，济南城市用地比例与地表温度的相关性最高，武汉其次，相关性最低的为重庆。济南市的城市用地所占比例与地表温度呈正相关，并且相关性系数从2003年的0.48、2008年的0.55，至2013年的0.73，相关性逐渐增加；而与地表温度呈较明显负相关的地表类型是耕地和林地，耕地的相关系数最高达-0.43，说明林地和耕地是缓解济南热岛的主要地物类型。结合表1，济南的城市用地面积虽呈增加趋势，但增长速度缓慢，同时在耕地面积相对平衡的状态下，林地面积有所增加，因此济南的高温区比例没有出现较大的波动。

武汉除城市用地外，耕地与地表温度也呈正相关，但相关性较小；水体、林地、草地与地表温度呈负相关，其中水体与地表温度的响应系数最高达到-0.6。结合表1和表2可以看出，在这段时间内武汉的城市化进程迅速，城市用地比例大幅上升，使得许多水体区域转变为城市用地，水体比例持续下降，导致高温区所占的比例增长迅速，热岛效应明显。

重庆耕地与地表温度呈较高的正相关，2003年、2008年、2013年的相关系数分别为0.56、0.69、0.66，城市用地其次；而林地与地表温度存在较高的负相关，对应年份的相关系数分别为-0.75、-0.82、-0.81。结合表1和表2可以看出，随着重庆耕地面积的减少及林地区域的增加，高温区所占比例有所降低，城市热岛得到一定程度的缓解。综合这3个城市的土地覆盖类型所占比例与地表温度的相关性可以发现，对城市热岛影响最大的土地类型是城市用地，而最能缓解城市城市热岛效应的土地覆盖类型为林地。

4 结 语

本文基于MODIS数据，分别提取了热岛效应典型城市济南、武汉、重庆在2003年、2008年、2013年夏季的地表温度和土地覆盖类型，定量分析了不同土地利用类型与城市热岛效应的响应关系，识别出各个城市缓解城市热岛效应的主要土地利用类型。可以发现，地表温度与土地覆盖类型有着紧密的联系，城市用地所占比例与地表温度均为正相关，济南、武汉、重庆由沿海到内陆城市用地与地表温度的相关性逐渐降低。不同城市中最能缓解城市热岛效应的土地覆盖类型有所不同：济南的土地分布类型中林地和耕地相对更能影响济南的温度变化；武汉水体对城市起到了最主要的降温作用；重庆3个时期林地温度要低于其他土地覆盖类型，林地对重庆的城市热岛效应缓解能力最强。

本文工作对解释城市热岛效应与土地覆盖类型响应关系、减缓城市热岛效应具有重要的参考意义。

[1] 宋艳玲,张尚印.北京市近40年城市热岛效应研究[J].中国生态农业学报,2003,11(4):126-129.

[2] 樊辉.基于Landsat TM 的城市热岛效应与地表特征参数稳健关系模型[J].国土资源遥感, 2008, 20(3): 45-51.

[3] FAN H, SAILOR D J. Modeling the Impacts of Anthro-pogenic Heating on the Urban Climate of Philadelphia: a Comparison of Implementations in Two PBL Schemes[J]. Atmospheric Environment, 2005, 39(1): 73-84.

[4] 王朝春.城市气候高温化的成因与对策——以福州市城区为例[J].城市问题,2006 (9): 98-102.

[5] BORNSTEIN R, LIN Q. Urban Heat Islands and Sum-mertime Convective Thunderstorms in Atlanta: three Case Studies[J]. Atmospheric Environment, 2000, 34(3): 507-516.

[6] 彭少麟,周凯,叶有华,等.城市热岛效应研究进展[J].生态环境, 2005, 14(4): 574-579.

[7] 季崇萍,刘伟东,轩春怡.北京城市化进程对城市热岛的影响研究[J].地球物理学报, 2006, 49(1): 69-77.

[8] WENG Q. Fractal Analysis of Satellite-detected Urban Heat Island Effect[J]. Photogrammetric Engineering & Remote Sensing, 2003, 69(5): 555-566.

[9] GALLO K P, OWEN T W. Satellite-based Adjustments for the Urban Heat Island Temperature Bias[J]. Journal of Applied Meteorology, 1999, 38(6): 806-813.

[10] WENG Q, LU D, SCHUBRING J. Estimation of Land Surface Temperature-vegetation Abundance Relationship for Urban Heat Island Studies[J]. Remote sensing of Environment, 2004, 89(4): 467-483.

[11] 江樟焰,陈云浩,李京.基于Landsat TM数据的北京城市热岛研究[J].武汉大学学报(信息科学版), 2006, 31(2): 120-123.

[12] LI H, LIU Q, ZOU J. Relationships of LST to NDBI and NDVI in Changsha-Zhuzhou-Xiangtan Area Based on MODIS Data[J]. Scientia Geographica Sinica, 2009, 29(2):262-267.

[13] SUN Q, WU Z, TAN J. The Relationship Between Land Surface Temperature and Land Use/Land Cover in Guangzhou, China[J]. Environmental Earth Sciences, 2012, 65(6): 1687-1694.

[14] 韦晶,孙林,刘双双,等.大气颗粒物污染对土地覆盖变化的响应[J].生态学报, 2015, 35(16): 5495-5506.

[15] 杨沈斌，赵小艳，申双和，等.基于Landsat TM/ETM+数据的北京城市热岛季节特征研究[J].大气科学学报，2010,33(4)：427-435.

[16] 查勇，倪绍祥，杨山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报,2003,7(1):37-40.

[17] 程春晓,徐宗学,张淑荣,等.黑河流域上中游植被蒸散发时空演变趋势及其影响因子分析[J].北京师范大学学报(自然科学版), 2014 (5):535-542.