大西安都市圈城市热岛效应时空分布特征及AOD对热岛强度的影响研究

梁秀娟 ，王旭红 *，牛林芝 ，韩海青 ，郑玉蓉 ，张秀

1.西北大学城市与环境学院，陕西 西安 710127；2.陕西省地表系统与环境承载力重点实验室，陕西 西安 710127；3.陕西西安城市生态系统定位观测研究站，陕西 西安 710127

城市热岛（Urban Heat Island，UHI）是城市扩张过程中地表覆盖特性硬化、气候条件改变和人为热排放等因素造成的城市地温明显高于周边地区的现象。随着城市的不断扩张以及人口活动的不断增加，不透水表面的覆盖面积逐渐增大打破了地表能量的收支平衡并影响了城市的热环境，导致出现了一系列社会生态和城市环境污染的问题（刘宇等，2006），因此，多年来，UHI效应一直备受国内外大量学者的关注。在一般的情况下，UHI有两种表示方法，第一种是从气象站点采集的大气温度来表征UHI（Peterson，2003；Chowet al.，2006），第二种是利用遥感技术获得的地表温度来研究UHI（Peng et al.，2012；Gedzelman et al.，2003）。由于气象站点稀疏，无法完整地反映整个研究区域的温度变化，且大多数站点建立在城市地区，对研究农村地表温度的检测有一定的限制。目前，遥感技术的日益发展，人们通过卫星有效地收集地表温度（LST）数据并应用于UHI的研究，因为具有更容易获得、大面积连续覆盖、更高空间率的优点。近年来，城市热岛、城市化以及大气污染带来的问题越来越严重，一定程度上影响了人们身体健康，破坏了城市生态环境。因此，研究UHI有助于了解城市热岛的状况特征和城市热环境的变化，对应对由UHI、大气污染等引起城市环境问题而提出的社会生态系统管理策略具有重要意义。当前，国内外学者们对UHI已进行了大量的研究。Gedzelman et al.（2003）研究分析了纽约的UHI，得出风速、风向和云量影响了城市温度导致UHI效应。王美雅等（2018）以中国13个主要城市为研究区域，分析了人口密度与白天的UHI强度的相关性，得出白天UHI强度随着人口密度增加而增加。张杨等（2012）利用TM影像数据定量分析了武汉市土地利用类型对UHI的影响，结果表明NDVI与地表温度存在着明显的负相关，这说明植被对城市热环境在一定程度起到缓解作用。高红燕等（2009）研究了长时间序列站点气温数据对UHI变化的影响，得出不同季节和年际平均气温对城市热岛具有明显的增强趋势。此外，也有一些学者提出城市中大气颗粒物和大气环境的污染也是UHI的一个贡献因素，如Cao et al.（2016）人利用气候模型量化了气溶胶对UHI强度的贡献，得出气溶胶加剧了中国夜间的UHI。Pandey et al.（2014）分析了UHI强度和气溶胶负荷的时间变化，得出UHI强度与气溶胶光学厚度（AOD）之间存在明显的线性相关性。Imhoff et al.（2010）和Tran et al.（2006）提出UHI强度可广泛地定义为城市与周边农村的温度差。这些研究主要关注于气象因子变化、大气污染、人口增长等因素对UHI演变的影响。

本研究依托地理信息技术和遥感技术，选取关中腹地的大西安都市圈为研究区，利用2003—2018年时间序列的MODIS影像获得的地表温度，分析近年来大西安都市圈城市热岛的时空分布、UHI强度的时间变化趋势，UHI强度与自然、社会经济因素的相关性研究。通过对UHI强度的时空格局的影响因素研究，探索城市热岛的形成机理，并提出缓解城市热岛效应的改进措施。

1 研究区域与数据

1.1 研究区

2010年，大西安总体空间发展规划首次提出，计划在10 a时间里，西安要建成面积为1×104km2，人口1 280×104人以上的国际化大都市，以此起到对西部地区的引领作用（张武康等，2018）。大西安主要集中在陕西省中部的关中地区平原腹地，南部依傍秦岭，北部接壤渭河平原，介于107°40′—109°49′E，33°41′—34°7′N之间，包括西安市整个行政辖区、咸阳市秦都区、渭城区、兴平市、武功县、泾阳县、三原县、礼泉县、乾县、杨凌区、渭南市和富平县，东西长约100 km，南北宽70 km，总面积为1.75×104km²（从辉等，2017）。研究区域地势北部低，南部高，属于温带半湿润大陆性季风气候，常年夏季炎热多雨，冬季稍冷少雨。研究区范围如图1所示。

图1 研究区地理位置Fig.1 Location of the study area

1.2 数据来源与处理

1.2.1 数据来源

收集了地表温度、土地覆盖等不同的数据集用来研究分析（表1）。研究区域的地表温度(LST)数据来源于美国国家航空航天管理局NASA提供的搭载在Aqua卫星上的MODIS 8天合成产品MYD11A2（第6版），该卫星在当地时间白天13:30左右（白天LST数据）和午夜01:30左右（夜晚LST数据）过境，空间分辨率为1 km（Wan，2008）。土地覆盖数据来自中国科学院提供的CLUD，总体准确性高于90%（Kuang et al.，2016；Liu et al.，2010；Liu et al.，2014），每5年更新一次原始数据，一共有25种土地覆盖类型，将类别重新分为4大类（城市地区、农村居民点、水体和其他类型）。

表1 本文中使用的数据集Table 1 Datasets used in this research

利用以下数据集来检测与UHI强度的相关性：

（1）气溶胶光学厚度（AOD）。本研究选用MODIS Level 2级气溶胶产品MYD04_3K“Optical_Depth _Land_And_Ocean”数据集来分析与UHI强度的相关性，它是C6版本下的DT（Dark Target）算法确定的日均产品（Remer et al.，2013；孙晓雷等，2015）。

（2）增强植被指数(EVI)。本研究使用MYD 13A3增强植被指数（EVI）数据集（月度合成产品，空间分辨率为1 km）提取植被信息（Han et al.，2013；Dallimer et al.，2011；Zhou et al.，2014a），EVI越高表示植被覆盖率越高（Wang et al.，2015）。

（3）降水数据。从中国气象网站（https://data.cma.cn/）获得月度降水数据，将站点数据用ArcGIS软件中的反距离权重（IDW）工具插值得到栅格数据，以反映城市的气候背景（廖顺宝等，2003）。

（4）遥感夜间灯光数据（NL）。DMSP/OLS夜间灯光数据集（第4版）是在美国NOAA网站下载的（Doll et al.，2006），研究使用的是稳定灯光值（stable light）部分，根据以前的研究（Peng et al.，2012；Liao et al.，2017），遥感夜间灯光数据（NL）是表征人为热释放的最佳数据之一。

（5）数字高程模型(DEM)。从SRTM（http://earthexplorer.usgs.gov/）免费获取数字高程数据，空间分辨率为α=3″（约90 m），以排除高度影响（Dallimer et al.，2011）。

1.2.2 数据预处理

MODIS数据处理。

由于大西安地区处于MODIS轨道交接处，下载两景影像（H26V05、H27V05）供后续研究。首先利用MRT软件对数据进行批量处理（影像镶嵌、重新投影和重采样）。然后利用ArcGIS软件对MODIS数据进行最大值合成得到月数据，对有缺失值的影像进行反距离权重插值。最后应用叠置分析得到MODIS数据的季平均和年平均数据。分析季节变化时，统一采用划分标准：春季（3—5月），夏季（6—8月），秋季（9—11月），冬季（12至次年2月）。

MYD11A2 LST数据处理。

每期数据选取LST_Day_1 km（白天）和LST_Night_1 km（夜晚）子数据集批量处理后进行辐射定标，将其转换为LST（Wan et al.，1997；Wan et al.，2004；张燊等，2019）。查找数据头文件可得到数据产品的辐射缩放比为0.02，辐射截距为0。利用公式（1）计算地表温度（℃），生成大西安的地表温度数据。

式中，ts代表地表温度，单位为℃；DN代表数据产品像元的亮度值，乘以0.02得到开尔文温度，单位为K。

遥感夜间灯光数据处理。

运用不变目标校正法（Elvidge et al.，2009；李雪萍等，2019）对DMSP/OLS夜间灯光数据进行了传感器间相互校正、连续性校正及过饱和校正处理得到长时间序列稳定的夜间灯光数据。

最后，将所有处理好的数据使用大西安都市圈行政范围矢量数据进行掩膜裁剪，得到大西安的影像数据，重新定义统一的投影（WGS_1984_UTM_Zone_49N）并重采样成1 km的空间分辨率，以利于后续进行相关分析。

2 研究方法

由于城市的快速发展，不同年份的城市规模和空间范围也有所不同。因此，在研究分析之前必须对市区进行划分。提取城市和农村的边界需要做以下4个步骤：（1）在4幅土地覆盖地图（2000、2005、2010、2015年）上使用1 km×1 km的移动窗口法（与MYD11A2数据的像素大小保持一致）生成建筑强度（BI）图，如图2所示（Imhoff et al.，2010）；（2）将BI以50%的阈值划分为高强度和低强度的建筑用地（Lu et al.，2002），并把大于50%的建筑用地聚合在一起作为城市区域（排除水像素）；（3）用叠加分析把4幅土地覆盖地图的城市区域相交得到稳定城市区域（SUA），也就是在整个年份中一直是市区；然后用叠加分析把4幅土地覆盖地图联合（即联合城市）并减去SUA，剩下的面积定义为城市区域（UA），如图3所示；（4）在联合城市区域上生成20 km和20—25 km的缓冲区（Zhou et al.，2014b；Yao et al.，2017），为了减少偏差，排除在城市区域平均高程±100 m范围以外的像素和水像素，将20—25 km的缓冲区作为农村区域（排除城市地区、工业用地和农村居民点像素）（Han et al.，2013；Yao et al.，2018）。分析UHI强度的时间序列是2003—2018年，将2005、2010、2015年划分的城乡边界分别表示2003—2007年、2008—2012年和2013—2018年的数据。

图2 土地覆盖数据生成的建筑强度（BI）图Fig.2 Building Intensity (BI) graphs generated from land cover data

图3 4个区域（稳定城市SUA、城市区域UA、20 km缓冲区和20—25 km缓冲区）的示意图Fig.3 Schematic diagram of four areas (stable city SUA, urban area UA, 20 km buffer zone and 20-25 km buffer zone)

在本研究中，从3个方面评估了UHI的时间趋势：

（1）UHI强度（UHII）。在生成城市地区和农村地区的边界后，用式（2）、（3）来表示UHII（Zhou et al.，2014b；Zhou et al.，2015）：

式中，tSUA，tUA和tR分别是稳定城市SUA，城市区域UA和农村地区的LST，而ΔtSUA和ΔtUA分别表示SUA和UA中的UHII。

（2）UHI区域（AreaUHI）。前人的研究中表明UHI的区域远远大于城市区域，符合UHI区域必须满足以下条件：①被划分为建成区（城市地区、工业用地和农村居民点）；②在联合城市区域和20 km缓冲区中；③LST比农村地区平均LST高1 ℃以上（Imhoff et al.，2010）。UHI区域面积则是满足条件的像元数量乘以1 km²。

（3）UHII面积增加百分比（PAIUHII）。首先利用公式（2）、（3）对联合城市以及20 km缓冲区计算出每个像素的UHII，然后对2003—2018年中每个像素的UHII值进行线性回归分析得到线性变化率，最后分别计算联合城市和20 km缓冲区的线性变化率大于零的像素百分比，将计算的PAIUHII代表像素UHII随时间序列增加而增加的百分比。如果PAIUHII为90%，则表明从2003—2018年，该地区90%的UHII有所增加。

3 结果与讨论

3.1 地表温度时空分布特征

大西安都市圈在2003—2018年间白天平均地温是21.68 ℃，夜晚平均地温是7.28 ℃。白天年平均地温在2013年最高为24.02 ℃，最低值出现在2012年仅为19.68 ℃，高低值相差4.34 ℃；夜晚年平均地温在2013年最高为8.48 ℃，在2008年最低是6.47 ℃，高低相差值为2.01 ℃，约为白天差值的一半。由图4a可以看出，在近16年以来大西安白天和夜晚年平均地温虽波动起伏，但整体上均呈现出逐渐上升趋势，其中白天上升趋势相对较快，整体上升约1.29 ℃，而夜晚平均地温整体上升仅为0.11 ℃。大西安都市圈处于季风气候区，季节变化明显，在图4b中看出4个季节的白天平均地温在不规则波动中逐渐上升，其中冬季波动程度最大，春季和秋季次之，夏季起伏程度最小。此外，夏季地表温度整体最高，在31.31—34.73 ℃之间，春季次之，冬季最低，在7.09—11.27 ℃之间。图4c中可知4个季节夜晚平均地温的起伏程度相比白天较小，其中春季和秋季的平均地温很接近，两者在交叉波动中均呈现缓慢上升的趋势，冬季夜晚的平均地温均小于0 ℃，在-6.45— -3.01 ℃之间起伏变化。从以上分析可以看出，研究区地表温度随着时间变化逐渐上升，城市化进程对其热环境时间变化特征的变化影响很大，尤其在2013年大西安地区地温达到了最高，但在2014—2018年期间城市化进程并未引起地表温度急剧增长，这与党元军等（2019）的研究结果一致。体现了城市建设部门在这个阶段对城市进行了合理的规划并采取了一些有效措施缓解了城市热岛效应。

图4 大西安都市圈地表温度年际和季节变化图Fig.4 Internanual and seasonal variations of LST in Greater Xi’an Metropolitan

利用Mann-Kendall非参数检验法和R/S分析法对大西安都市圈近16年年均地温和季均地温变化的时空特征进行了分析。从趋势检验结果（表2）得出：在2003—2018年间大西安都市圈白天平均地温的检测统计量Z值为1.981，在0.05显著水平下呈现上升趋势，倾斜率为0.123 ℃·a-1，远高于夜晚升温速率为0.051 ℃·a-1。从季节来看，各个季节白天平均地温的变化率相差不大，分别为0.130 ℃·a-1（春季），0.119 ℃·a-1（夏季），0.101℃·a-1（秋季）和0.121 ℃·a-1（冬季），其中夏季白天（P＜0.01）和冬季白天（P＜0.05）平均地温增加趋势比较明显，而春季和秋季白天平均地温虽呈现上升趋势，但没有通过0.1的显著性检验；在夜晚地表温度中，四季变化率中冬季（0.101 ℃·a-1）最高，其次是夏季（0.094 ℃·a-1），春季最小（0.062 ℃·a-1），其中夏季（P＜0.05）、秋季（P＜0.05）和冬季（P＜0.01）平均地温增加趋势比较明显，这与各个季节平均地温的变化趋势结果是一致的（图4）。结合R/S分析，从表2得到年、春季、夏季和秋季白天平均地温时间序列的Hurst指数均大于0.5，在夜晚平均地温中，全年、春季和夏季时间序列的Hurst指数大于0.5，表明大西安地区平均地温时间序列的变化前后正相关，上升趋势在未来的一段时间里具有持续性。

表2 2003—2018年大西安都市圈平均地温时间序列Mann-Kendall趋势检验及R/S分析结果Table 2 The Mann-Kendall trend test and R/S analysis of the average LST time series of Greater Xi'an Metropolitan in 2003-2018

通过计算得到全年、春季、夏季、秋季和冬季白天平均地表温度（θ）分别为21.67、24.61、32.8、20.79、8.46 ℃，标准差（SD）分别为4.36、4.53、5.83、3.99和3.41。根据文献（陈松林等，2009）中的均值-标准差法来研究大西安都市圈地温的空间变化特征，标准差反映的是地表温度相对于平均地温的分散程度，该方法表征高于平均地温的区域更容易转化成城市热岛区，并且均值-标准差法对温度变化具有一定的细节表现力以及对地表温度的空间分布格局分级数的敏感性较小。因此，均值-标准差法是研究城市热岛的适合方法。将大西安都市圈地表温度分为5个级别，分别为低温区、次低温区、中温区、次高温区和高温区，分级标准如表3所示。鉴于地表热场等级划分与城市热岛界定，将高温区和次高温区归类划分成热岛区。由于受城镇、工业建设以及人为活动的影响，不同时相的城市热岛相对显著（图5），从图中可以大体上看出年平均地温分布特征和四季分布基本相似，但四季平均温度分布明显呈现出不同的变化情况。整个研究区域的平均地温呈现北高南低的格局，其中低温区（主要分布在南部的秦岭一带）、中温区（主要分布在渭南市北部以及东南部、咸阳市西北部和西安市中间一部分）和次高温区（主要分布在北部以及中心部分）所占面积最大，这种分布形势与大西安总体空间发展战略相吻合。

表3 温度等级与对应的热场划分方法Table 3 Temperature level and corresponding thermal field division method

根据大西安都市圈平均地表温度分级的结果，将各个分级的地温面积进行统计，并计算出不同时相平均地温各个分级的面积比例，如表4所示。从表中可以看出年平均地温中次高温区面积最大，所占比例约为51%，高温区面积最小，所占比例为2.5%。在不同季节中，夏季、秋季和冬季的次高温区面积比例最大，高温区面积比例最小，所占面积比例不到5%，春季高温区所占面积相对较高，为9%。年平均和秋季平均地温面积所占比例由高到低排序依次为：次高温区＞低温区＞中温区＞次低温区＞高温区，夏季和冬季平均地温分级面积由高到低排序依次为：次高温区＞中温区＞低温区＞次低温区＞高温区，春季地温各个分级的面积排序和其他的大不相同，中温区所占面积最大，次低温区所占面积最小。年均热岛区所占面积比例约为54%，超过研究区总面积的一半，秋季和冬季热岛范围相对较高，春季的热岛范围最低。从以上研究得出大西安地区热岛效应显著，因此，在城市化进程发展的同时采取增加绿化面积等措施缓解热岛效应。

表4 年平均和季节平均不同等级地温面积比例Table 4 Percentage of ground temperature area in different grades and seasonal averages %

图5 大西安都市圈年平均和季节平均地表温度分级图Fig.5 Annual and seasonal mean LST grading in Greater Xi'an Metropolitan

3.2 UHII和城市热岛足迹（UHI区域）的特征分析

图6 2003—2018年SUA和UA的全年与季节平均UHI强度分布图Fig.6 Distribution of annual and seasonal average UHI intensity of SUA and UA from 2003 to 2018

表5 2003—2018年大西安都市圈UHI强度、UHI区域以及UHII面积增加百分比统计Table 5 UHII, AreaUHI and PAIUHII statistics of Greater Xi'an Metropolitan from 2003 to 2018

UHII在大西安比较明显（图6），分别把稳定城市区域（SUA）以及城市区域（UA）计算的UHII进行统计（表5），从表中看出SUA的UHII在全年白天（P＜0.01）和夜晚（P＜0.01），春季白天（P＜0.1）和夜晚（P＜0.01），夏季白天和夜晚（P＜0.05），秋季白天（P＜0.05）和夜晚（P＜0.05）以及冬季夜晚（P＜0.01）均显著高于UA。其中，SUA的全年夜晚平均UHII为3.74 ℃，比UA高出2.19 ℃，在春季夜晚和冬季夜晚平均UHII中，SUA比UA高出约2.5 ℃，其他UHII差值均小于2 ℃。从空间分布上看（图6），全年、春季、夏季和秋季白天的UHII高值主要分布在UA的西部和SUA的中间部分。然而，在全年和各个季节夜晚的UHII的高值集中在SUA整个区域，低值分布在UA区域，即城市夜晚的地表温度均高于周边农村地区，造成夜晚热岛效应的原因可能与人为放热（夜间灯光、冬季取暖、交通运输、气溶胶污染等方面）、道路和建筑物储存的太阳释放的热量和夜间产生的逆温现象，造成热量集中在城市区域。从冬季的UHII分布图中可以明显看出，白天的UHII远远小于夜晚，此外，白天的UHII低值主要分布在SUA区域，高值分布在四周的UA区域，也就是说在冬季白天城市的地表温度低于周边农村，这与夜晚的UHII分布正好相反。

表5中可以看出2003—2018年全年平均UHI面积在白天和夜晚分别为811、947 km²，四季白天的平均UHI面积大小排序为春季＞夏季＞秋季＞冬季，其中冬季的UHI面积仅为19 km²。然而，四季夜晚的UHI面积整体都比较高，春季和冬季面积最高，分别为1 075 km²和1 043 km²，其次是夏季和秋季，分别为813 km²和910 km²。春季和夏季白天的UHI面积比夜晚高出约400 km²，秋季和冬季则相反，其中，秋季夜晚的UHI面积比白天高出约700 km²，冬季高出1 000 km²，相差比较明显。图7所示的是2003—2018年联合城市和20 km缓冲区的UHI区域分布（UHII大于1 ℃），从图中大体上可以看出UHI主要分布在联合城市和20 km缓冲区内侧的少部分区域，其中秋季白天的UHI占城市中间小部分区域，而冬季只有缓冲区中的几个像元。

3.3 UHII、AreaUHI和PAIUHII的时间趋势

图7 2003—2018年联合城市和20 km缓冲区的全年与季节平均UHI区域分布图Fig.7 Distribution of annual and seasonal average UHI area of Union City and 20 km buffer from 2003 to 2018

图8 2003—2018年SUA和UA城区UHII的年际和季节时间序列Fig.8 Internanual and seasonal time series of UHII in SUA and UA urban areas from 2003 to 2018

图8所示的是2003—2018年SUA和UA城区UHII的趋势变化。结果表明，SUA和UA的UHII具有相似的波动变化，其中，全年夜晚和四季夜晚的UHII相比白天起伏波动较小，整体呈现明显的上升趋势，而秋季、冬季和全年的UHII在白天波动较大且呈现逐渐下降趋势。通过利用线性拟合分析得到全年和不同季节的城市热岛效应强度趋势，从表5可以看出SUA和UA全年夜晚UHII的变化率分别为0.079 ℃·a-1（P＜0.01）、0.072 ℃·a-1（P＜0.01），都通过了0.01的显著性检验，说明UHII的上升趋势比较明显，SUA白天UHII的变化率为-0.053 ℃·a-1（P＜0.01），呈现显著下降趋势，得知周围农村地区的地表温度上升幅度比SUA城区大，UA城区白天UHII（-0.004 ℃·a-1，P＞0.05）无明显下降。从季节来看，SUA和UA的UHII在春季白天、夏季白天均没有通过0.05的显著性检验，SUA的UHII在秋季白天（-0.079 ℃·a-1，P＜0.05）下降趋势比较明显，但UA（-0.033 ℃·a-1，P＞0.05）无显著的下降趋势。同时，SUA（-0.069 ℃·a-1，P＜0.05）和UA（-0.067 ℃·a-1，P＜0.01）的UHII在冬季白天都有比较明显的下降趋势。此外，UA在春季夜晚（0.100 ℃·a-1，P＜0.01）、夏季夜晚（0.056 ℃·a-1，P＜0.01）、秋季夜晚（0.043 ℃·a-1，P＜0.01）和冬季夜晚（0.101 ℃·a-1，P＜0.01）的UHII均呈现出显著的上升趋势，而SUA的UHII在夏季夜晚（0.056 ℃·a-1，P＜0.05）和秋季夜晚（0.052 ℃·a-1，P＜0.05）的上升趋势没有UA明显。

在大西安2003—2018年UHI面积有明显的增加（表5）。UHI面积在全年夜晚（36.11 km·a-1，P＜0.01）、春季白天（50.67 km·a-1，P＜0.01）、春季夜晚（38.88 km·a-1，P＜0.01）、夏季夜晚（33.41 km·a-1，P＜0.01）、秋季夜晚（21.10 km·a-1，P＜0.01）和冬季夜晚（50.44 km·a-1，P＜0.01)都有明显的增加趋势，但全年白天（15.06 km·a-1，P＞0.05）和夏季白天（21.16 km·a-1，P＞0.05）增加不明显。此外，秋季和冬季白天的UHI面积均呈现缓慢的下降趋势。

联合城市和20 km缓冲区的PAISUHII在全年夜晚均达到90%以上，分别为99.1%和91.1%，表明联合城市在2003—2018年夜晚99.1%的UHII有所增加，而20 km缓冲区有91.1%的UHII增加。联合城市从2003—2018年在春季夜晚、夏季夜晚、秋季夜晚和冬季夜晚分别有94.6%、99.5%、95.3%和98.8%的UHII增加。联合城市和20 km缓冲区的UHII在秋季白天、冬季白天增加都不明显，不足50%。

3.4 UHI强度与相关驱动力之间的关系

3.4.1 UHI强度与不同影响因素之间的相关性分析

图9 不同驱动因素与全年和不同季节的平均UHII之间的相关性Fig.9 Correlation between different drivers and the average UHII of the whole year and different seasons

选取两个人为参数（人口密度，NL遥感夜间灯光）、气象参数（降水）、植被活动参数（EVI增强型植被指数）、土地覆盖/利用（不透水表面）和大气污染（AOD气溶胶光学厚度）作为检验UHII变化的可能影响因素。利用公式（2）、（3）相同的方法计算了ΔNL、ΔEVI和ΔAOD，然后使用SPSS Statistics 22对这6个影响因素分别与SUA城区和UA城区的UHII进行Pearson相关分析并计算出相关系数，如图9所示的是不同驱动因素与全年昼夜、夏季昼夜和冬季昼夜UHII之间的显著性关系，由于稳定城市区域（SUA）的不透水表面覆盖面积在整个年份中并未发生变化，本研究中不作说明。从图9a中可以看出，影响年白天UHII的主要因素是NL（RUA=0.81，P＜0.01）、EVI（RSUA=0.5，P＜0.05；RUA=0.59，P＜0.01）、人口密度（RSUA=0.71，P＜0.01；RUA=0.45，P＜0.05）和不透水表面（RUA=0.55，P＜0.05），其中，ΔNL、人口密度和不透水表面与UHII存在正相关关系，NL数据是人为热释放的理想代表，白天UHII随着NL增加而增加。ΔEVI与UHII呈现负相关，随着植被的增加，白天UHII呈现下降趋势，这是因为植被可以通过蒸腾作用增加潜热通量，因此会对地表温度产生冷却作用，从而减小UHII（陈松林等，2009），但是ΔEVI与夜间UHII的相关性并不显著，这主要是由于植被在夜间没有蒸腾作用，UHIIUA与ΔEVI呈现出负相关性主要是由于UA城区随着时间序列增长从其他土地类型逐渐转化成不透水表面，从而导致植被覆盖逐渐减少。NL、AOD和不透水表面是影响年平均夜晚UHII的主要因素，ΔNL与UHIIUA的相关系数达到了0.88（P＜0.001），正相关关系比较强烈，ΔAOD与UHIIUA的显著性水平P＜0.05，正相关性相对较高。不透水表面是影响UHII的最直接因素，在白天，不透水表面会吸收并储存大量的太阳短波辐射，其反射率比其他土地覆盖类型小，因此，随着不透水表面覆盖面积的增加，白天和夜晚的UHII都会迅速增加，正相关关系显著（RUA=0.96，PUA＜0.05）。从图9b和图9c可以看出，人口密度也是影响夏季白天和冬季白天UHII的主要因素（PSUA＜0.01，PUA＜0.05），与夏季UHII有较强的正相关性，与冬季UHII呈现负相关性。此外，NL和EVI与夏季白天UHII有较强的相关性，降水与冬季白天UHII呈现明显的正相关关系，而不透水表面与冬季白天UHII呈现负相关，是因为冬季的太阳高度较低，高层建筑容易形成阴影，从而减少短波辐射量降低了地表温度。从夏季夜晚和冬季夜晚来看，NL、降水、AOD和不透水表面是主要的影响因素，ΔNL与夏季夜晚UHII存在极强的正相关性（PSUA＜0.01，PUA＜0.01），降水与夏季夜晚UHII（PSUA＜0.05，PUA＜0.05）和冬季夜晚（PSUA＜0.01，PUA＜0.05）显着负相关，冬季的植被对UHII影响不明显，因为该季节的植被活动较低。

3.4.2 气溶胶效应的归因分析

从图9中可以看到城市气溶胶载荷污染是加剧夜间地表温度的因素，气溶胶颗粒物以固态或者液态悬浮在大气中（郭婉臻等，2019），当气溶胶浓度较高时会形成大气污染，它们减少到达地面的短波辐射量从而改变了地表面能量的收支平衡，使得地表温度发生了变化（王海啸等，1993），然而气溶胶在长波大气窗（波长：8—12 mm）具有很强的吸收和发射能力，在一定条件下，气溶胶会反射来自城市夜间地表面发射的长波辐射，从而加剧了城市热岛强度（曹畅等，2017）。研究发现年平均夜晚UHII与ΔAOD呈现正相关性（R²UA=0.28，PUA＜0.05），夏季夜晚UHII与ΔAOD也存在着正相关性（R²SUA=0.22，R²UA=0.26，P＜0.05）（图9，图10），因此，用以下方法估算气溶胶对夜间城市热岛效应的贡献。

气溶胶会减少到达地面的短波辐射量，同时对地面发射出去的大部分能量又向下发射到地面，即大气逆辐射，因此有可能增加在城市地表接收的长波辐射能量。根据Cao et al.（2016）的研究，量化城市中气溶胶对UHI的贡献。可以表示为：

其中，th是气溶胶对UHI的贡献，λ0(≈0.20 ℃·m2·W-1)是本地固有的气候敏感性，f(≈1.7±0.9)是一个无量纲的能量再分配因子，L↓是表面接收到的向下长波辐射（大气分子和气溶胶的发射和散射），是通过城市AOD和AOD对长波辐射的灵敏度相乘得到的，由于大西安地区属于半湿润大陆性季风气候，查表可知AOD对长波辐射的灵敏度是 (23.8±4.6) W·m-2。

使用气候模型计算与对地面长波辐射观测值的分析相结合，从而定量分析气溶胶对夜间UHI的贡献（Jacobson，1998）。用公式（4）以及年平均夜晚AOD，计算出气溶胶对夜晚UHI的贡献值（表6），从表中得知气溶胶对SUA城区夜晚UHI的贡献为 (1.64±0.16) ℃，对UA城区夜晚UHI的贡献为 (1.92±0.14) ℃，相比SUA高出约0.28 ℃。这是由于SUA城区在这16 a间一直是商业和住宅建筑物，人为原因会排放出部分污染气体，但在UA城区以外周边的咸阳、渭南等市县多工业工厂，排放出大量的污染物，随着气体流动慢慢向城区中心涌来。因此，UA城区比SUA城区气溶胶污染更严重，对夜晚UHI的贡献更多。气溶胶对白天UHI的贡献是不确定的，因为气溶胶对表面短波辐射和长波辐射具有相反的作用且相关性不明显，不作研究分析。

图10 2003—2018年大西安都市圈年平均夜间UHII与ΔAOD的关系Fig.10 The relationship between annual average night UHII and ΔAOD in Greater Xi'an Metropolitan from 2003 to 2018

表6 气溶胶对UHI的贡献估算Tab.6 Estimation of aerosol contribution to UHI

4 结论

利用地理信息技术和遥感技术，对2003—2018年这16 a间的MODIS LST数据以及遥感夜间灯光、降水、AOD等影响因子进行了预处理，提取出大西安都市圈的地表温度，应用Mann-Kendal非参数检验法、Pearson相关分析和线性趋势分析等方法对大西安年均和季均地表温度以及城市热岛强度进行了时间和空间的分析，并且综合研究了城市热岛强度与其影响因素的相关性，得到以下结论：

（1）大西安都市圈在2003—2018年间白天平均地表温度是21.68 ℃，夜晚平均地表温度是7.28 ℃。其中，全年白天和夜晚平均地温均在2013年最高，分别为24.02、8.48 ℃。昼夜年均和季均地表温度多年来虽然起伏波动，但整体上呈现上升趋势，四季白天地温中冬季波动程度最大，夏季波动幅度最小，此外，大西安都市圈地表温度整体呈现北高南低的分布格局。

（2）2003—2018年间四个季节白天平均地温变化率分别为0.130 ℃·a-1（春季），0.119 ℃·a-1（夏季），0.101 ℃·a-1（秋季）和0.121 ℃·a-1（冬季），夏季（P＜0.01）和冬季（P＜0.05）增加趋势比较显著，夜晚平均地温变化率分别为0.062 ℃·a-1（春季），0.094 ℃·a-1（夏季），0.071 ℃·a-1（秋季）和0.101 ℃·a-1（冬季），除春季外，其他3个季节均有明显的上升趋势。

（3）SUA和UA的UHII在长时间序列中具有相似的波动变化，夜晚UHII均呈现增加趋势，但SUA的UHII在全年昼夜，春季昼夜，夏季昼夜，秋季昼夜和冬季夜晚的变化率均显著高于UA。此外，全年、春季、夏季和秋季白天UHII高值主要分布在UA的西部和SUA的中间部分；然而，夜晚UHII的高值主要集中在SUA区域，低值分布在UA区域。

（4）相关性分析中表明，全年和夏季白天UHII与ΔNL、人口密度和不透水表面呈正相关，与ΔEVI呈负相关，夜间UHII与ΔNL、ΔAOD和不透水表面呈正相关关系，夏季和冬季夜间UHII与降水呈负相关关系，此外，冬季夜间UHII与ΔNL和不透水表面有明显的正相关，而白天UHII与降水有显着正相关，与人口密度和不透水表面呈负相关。

（5）气溶胶污染是夜间城市热岛效应的主控因子，估算得到气溶胶对稳定城市区域夜间UHI的贡献为(1.64±0.16) ℃，对城市区域夜间UHI的贡献为 (1.92±0.14) ℃，通过治理气溶胶污染可以有效的缓解城市热岛现象。

以上分析中仍存在着不确定性。首先，本研究中只分析了增强型植被指数、降水、气溶胶污染、人口密度、遥感夜间灯光和不透水表面这6个影响城市热岛效应的因素，实际上还受到其他土地覆盖类型、地形、风向风速、气温、纬度、社会经济的发展等等很多因素的影响，今后还需要全方面考虑更多变量。其次，这次利用到的MODIS LST等数据受到时间的限制，研究的时间序列相对较短，无法研究在长时间序列中地表温度的周期性变化。综上所述，城市热岛效应在中国正在加剧，对社会、环境和生态造成了一定的影响。因此，有必要采取一些措施来缓解城市热岛效应，例如适当减少不透水表面和人为热排放，针对性的增加地表反照率和城市植被的活动，呼吁市民出门尽量坐公交车或者骑自行车不行，减少私家车的出行，防止生活环境继续恶化。