长春市热岛定量评估及成因分析

吴玉洁 李宇凡 吴 迪 马艳敏

（1.吉林省气象科学研究所，吉林长春 130062；2.长白山气象与气候变化吉林省重点实验室，吉林长春 130062；3.吉林省气候中心，吉林长春 130062）

1 引言

城市热岛最初是由Howard[1]发现伦敦市中心气温高于郊区而提出的概念，其强度在城市中心、人口密集地区和工业区更为显著[2-3]，且对大气环境、公共健康、能源消耗、社会生产等均产生深远影响[4]，是主导城市生态环境的重要因素之一。 密切关注城市热岛发生发展过程， 及时进行热岛评估、成因分析及对策制定，对维护城市生态、合理规划城市布局意义深刻。

根据城市大气层范围及常规研究方法划分，城市热岛包括：城市边界层热岛（BUHI）、城市冠层热岛（CUHI）和城市地表层热岛（SUHI）3 种类型。 其中，BUHI 是指发生在城市建筑层高度之上的热岛，受海拔高度影响温度差异较大，探测难度和成本增加， 通常以数值模拟的方式表达；CUHI表示城市地表至平均建筑层范围的热岛， 通常采用地面观测手段， 由城市与郊区的气象站观测气温计算， 但对于大区域尺度研究的空间代表性较差；SUHI 是指陆地表层的热岛， 通过卫星遥感观测资料进行反演计算，具备时间同步性好、覆盖范围广、直观定量、成本低等优势，目前在城市热岛研究领域正逐渐得到普及[5-6]。

热岛研究常用卫星遥感资料包括：TERRA/MODIS、Landsat_8/TIRS、NOAA/AVHRR 等[7-11]国外卫星传感器数据。 FY-3、HJ-1B、CBERS-02、Tiangong-1 等系列国产卫星或空间站遥感资料的应用也在得到发展[12-13]，但因常以单日数据为例缺乏气候代表性[14]，或是缺少精度验证难以评估反演误差[2，15]，始终未形成系统的技术方法，相较国外卫星数据资料在业务方面的应用还比较薄弱。为促进国内卫星资料运用，结合当前研究现状，本研究采用气象业务规范的技术方法，以FY-3B 气象卫星为例筛选构建长时间序列数据， 利用地面观测资料及不同源卫星数据的前人研究结果进行对比验证， 从气候尺度对长春市热岛分布及变化情况进行定量评估， 对气象卫星在相关业务领域中的应用效果进行评价，为城市生态环境发展、城市生态布局规划提供科学依据。

2 数据来源及处理

根据卫星数据获取时间，地表温度（LST）反演数据选取2011—2019年长春市（124.5°E—127.1°E，43.2°N—45.3°N）夏季（6—8月）白天1000 m 分辨率FY-3B/VIRR 晴空或低云盖数据（下载地址为：satellite.nsmc.org.cn）；卫星数据预处理、地表温度反演及热岛指数等根据2019年中国气象局发布的《城市热岛卫星遥感监测评估技术导则（试行）》进行定义和计算； 地面气象加密观测站平均气温（ATmean）、0 cm 平均地温（GTmean）数据来自于全国综合气象信息共享平台（CIMISS），选取与研究卫星数据对应日期的数据， 所选站点缺测数据＜10%；归一化植被指数（NDVI）由美国国家航空航天局（NASA）提供的MOD13Q1 产品获得，选取同FY-3B 卫星数据日期临近（2015年6—8月）的数据进行均值合成；国家尺度1：10 万比例尺土地利用数据集（LUCC）、2016年2 m、16 m 分辨率GF-1卫星数据均由国家卫星气象中心（NSMC）处理整合后提供，数据结果可直接应用。

3 研究方法

3.1 地表温度（LST）反演

基于Becker-Li 线性分裂窗算法反演LST，公式如下：

式中，TS为反演的地表温度LST；A0=-0.89712，通过模拟数据回归计算得到；T4和T5分别为4、5 通道2 个热红外通道的亮温；P 和M 皆为地表发射率的函数，取α=0.27297，β=-0.35818，γ′=4.06068，α′=5.918，β′=0.38843， 均通过模拟数据回归计算得到；ε 为2 个热红外通道的平均比辐射率；Δε 为2 个热红外通道比辐射率的差值。

地表比辐射率ε 基于NDVI 进行估算， 根据NDVI 值的大小分为3 类，算法如下：

当NDVI＜0.2 时， 认为是裸土像元，ε 采用固定值，即ε4=0.9547，ε5=0.9709；当NDVI＞0.5 时，认为是完全由植被覆盖，2 通道的ε 假定为常数值，采用典型值0.99；当0.2≤NDVI≤0.5 时，认为是由裸土和植被构成的混合像元，ε 根据下式来估算：

式中，εV为纯植被的比辐射率，即εV=0.99；εs，i为i通道裸土平均比辐射率；dεi为自然表面的几何分布和内部反射效应， 对纯像元和混合像元该项值极小，本算法将其忽略。 PV为植被覆盖度，由下式计算：

式中，NDVImax=0.5，NDVImin=0.2。

3.2 热岛强度

城市热岛监测通常采用热岛强度（UHII）进行表征，公式如下：

式中，UHIIi为第i 个像元对应的热岛强度；Ti为第i 个像元地表温度；n 为郊区内有效像元数；Tsub为郊区内像元的地表温度。

为比较热岛程度，将地表城市热岛强度UHII划分为7 个等级，等级划分标准见表1。

表1 遥感地表城市热岛强度UHII 划分及含义

3.3 郊区背景

选择远离市区的土地利用性质稳定的常年绿地作为背景区，根据2016年分辨率为2 m 的GF-1卫星数据，对2015年土地利用数据（LUCC）进行校正（图1），并提取了盐碱地土地类型。 为使郊区背景具有代表性， 在长春市市区外的5 个区县各选取一处常年绿地作为郊区背景， 最终以5 个选取的平均值作为郊区背景值。

图1 长春市土地利用分类及郊区背景选区

3.4 热岛比例指数

采用热岛比例指数（UHPI）评估区域城市热岛效应强弱。UHPI 是城市市区温度高于郊区温度的不同等级热岛强度的面积加权和， 是反映区域内不同等级热岛强度与范围的综合定量指标，公式如下：

式中，UHPI 为城市热岛比例指数；m=7 为热岛强度等级数；i 为市区温度高于郊区温度等级序号，即表2 中的5、6、7；n=3 为市区温度高于郊区温度的等级数；Wi为第i 级的权重， 取对应等级值；pi为第i 级所占的面积百分比，数值为0～100。 UHPI值在0～1.0，该值越大，热岛现象越严重，等级划分标准见表2。

表2 区域城市热岛效应评估等级划分标准

4 结果分析

4.1 地表温度（LST）反演结果验证

为证明LST 反演效果， 利用地面气象加密观测站平均气温（ATmean） 和0 cm 平均地温（GTmean）实测数据进行对比验证。

对2011—2019年相同站点位置的LST 和ATmean 进行相关性分析， 结果表明：114 站中，LST 与ATmean 的Pearson 相关系数为0.774，通过了0.01 水平的显著性检验，说明反演的LST 时空分布特征与实际监测的ATmean 分布趋势一致。 由于LST 与ATmean 监测手段的差异，数值差异明显。 Yang 等[16]研究结果表明：Landsat8/TIRS单日反演的45 站LST 与实测ATmean 差值普遍在6.0 ℃以上，极差达10.6 ℃，全区域极差达22.9 ℃。本研究中长春市2011—2019年夏季114 站LST与ATmean 的差值为10.4～21.1 ℃，全区域极差为

21.2 ℃，与Landsat-8/TIRS 的反演结果较一致。

因缺少0 cm 地温（GT）的分钟及小时观测数据，且用于反演LST 的数据普遍为正午和午后，温度达到全天的波峰时段， 为使验证数据具有代表性选取2018年7月30日典型高温日的0 cm 地温日均值 （GTmean）， 同反演的对应站点位置的LST （由2 km 半径的圆形区域LST 平均值表示）数值进行比较，结果表明：LST 同GTmean 的差值，最大值出现在长春站，为3.3 ℃；最小值出现在双阳站，为0.6 ℃（表3）。各站|LST-GTmean|≤3.3 ℃，LST 同GTmean 极差出现在长春站。

表3 2018年7月30日长春市地表温度（LST）与0 cm 地温（GTmean）差异比较 ℃

综合LST 同ATmean、GTmean 的时空匹配情况及前人不同源卫星数据研究结果，FY3B/VIRR的LST 反演效果理想， 较国内外多源卫星反演精度符合常规标准。

4.2 热岛强度（UHII）时空分布及变化特征

对2011—2019年UHII 进行均值合成， 结果表明：空间分布上（图2），强热岛区域主要分布在市区和郊区区县发展中心； 较强热岛区域在强热岛区域外围； 弱热岛区域在较强热岛区域外围及农安县大部区域； 冷岛区域主要集中在水田和林地区域；其余区域无热岛，对应土地类型主要为旱地。 除农安县，全市热岛区域的主要分布规律是：以强热岛区域为中心呈环状分布， 由内至外依次为强热岛、较强热岛和弱热岛，符合城市热岛效应的发生发展规律。农安县波罗湖周围为盐碱地，且本县大部区域气温整体偏高， 因此呈现出大面积的弱热岛效应。 根据2016年GF-1 卫星16 m 分辨率数据绘制市区发展中心建筑群边界轨迹，市区中心的热岛分布轨迹同中心建筑群吻合度较高。

图2 长春市2011—2019年夏季热岛强度（UHII）时空分布

对图2 数据进行统计分析，结果表明：9年来长春市夏季总热岛面积百分率为26.4%， 无热岛为52.9%，总冷岛为20.7%，总体以无热岛为主；热岛中以弱热岛（21.1%）为主；各行政区的总热岛面积百分率，绿园区（83.7%）、农安县（65.7%）、朝阳区 （50.9%） 居前三位。 其中， 强热岛， 绿园区（30.7%）、朝阳区（24.1%）、南关区（8.4%）居前三位。较强热岛，绿园区（27.6%）、南关区（13.6%）、宽城区（13.4%）居前三位。 弱热岛，农安县（58.7%）、绿园区（25.4%）、宽城区（24.2%）居前三位。总体表现为绿园区的强、较强、弱热岛占比均较大；农安县弱热岛占比最大；朝阳区、宽城区总热岛占比较大；其余区县普遍以无热岛为主（表4）。

4.3 热岛比例指数（UHPI）变化规律

对市区、 全市及各行政区9年来UHPI 进行分类统计（表5），结果表明：市区和全市的UHPI年际波动规律不尽相同，9年来的平均值分别为0.182、0.028，热岛强度均为轻微等级。 市区UHPI最大值为0.224，出现在2018年，为较轻等级；全市最大值为0.043，出现在2016年，为轻微等级。主要行政区中， 各区县UHPI年际波动变化规律不尽相同， 绿园区历年UHPI 均为最大，9年来的平均值为0.515，热岛强度为一般等级；其次为朝阳区（0.273）和南关区（0.162），热岛强度分别为较轻和轻微等级。 整体而言，除绿园区，长春市整体呈现轻微热岛。

表5 长春市2011—2019年夏季各区域热岛比例指数（UHII）

4.4 成因分析

下垫面类型及性质是影响地表温度、 热岛效应分布的主要因素， 根据2015年夏季植被指数（NDVI）均值合成数据（图3）并结合土地利用类型（图1），对NDVI 同LST、ATmean的相关性进行分析，结果表明：LST、ATmean同NDVI 的Pearson 相关系数分别为-0.464 和-0.361，均通过了0.01 水平的显著性检验。 市区、 郊区区县的发展中心和波罗湖周围NDVI 较小的区域对应LST、ATmean较高， 林区和少部水田NDVI 较高的区域， 对应的LST、ATmean较低。 对LST、ATmean同NDVI 建立线性回归方程， 结果表明：LST、ATmean同NDVI 的回归方程的sig.=0.000，相关系数在0.001 水平上显著，其 中 ，LST =42.23 -9.53NDVI，ATmean=25.74 -2.27NDVI，NDVI 对LST 的影响效果较ATmean更显著。

图3 长春市2015年夏季NDVI 均值合成

根据研究结论， 长春市高温及热岛区域主要发生在市区和郊区区县的发展中心、 农安县波罗湖周围盐碱地区域，其中，各区域发展中心为城市下垫面性质变化导致的地表热容量降低以及工商业厂区和人为活动温室气体排放等引起的城市热岛效应， 农安县波罗湖周围区域是由区域生态环境导致。由热岛效应成因分析结果可知，缓解城市热岛效应可根据土地类型种植适宜植被， 通过改善植被NDVI 来改善地表温度的思路对城市绿化进行布局。

5 结语

（1） 本研究对长春市夏季地表温度和城市热岛时空分布特征进行了全面分析， 基于长时间序列计算的平均结果具有气候代表性， 为长春市夏季地表温度和城市热岛强度特征提供了背景资料，为单日高温事件、热岛事件提供了气候对照依据， 为后续长春市夏季气象因子对城市热岛影响的定量化评估研究提供了基础。

（2）长春市夏季以无热岛为主，热岛区域在市区和郊区区县的发展中心及农安县大部， 以弱热岛为主； 市区和全市热岛强度均为轻微等级，其中，绿园区历年UHPI 均为最大，热岛强度为一般等级，其余区域为较轻或轻微等级。

（3）LST、ATmean同NDVI 的Pearson 相关系数分别为-0.464 和-0.361， 均通过了0.01 水平的显著性检验。LST、ATmean同NDVI 的线性回归方程分别 为 ：LST =42.23 -9.53NDVI，ATmean=25.74 -2.27NDVI，sig.均为0.000，相关系数均在0.001 水平上显著，NDVI 对LST 的影响效果较ATmean更显著。

（4） 本研究定量评估了以植被为主的土地类型对地表温度和城市热岛的影响，但对水体、居民用地等其他土地类型仅通过有限样本粗略比较了与温度的关系，后续研究可通过构建水体指数、不透水面指数等指标同温度的关系进行更全面的定量评估。

（5） 本研究基于前人不同源卫星数据研究结果， 同FY-3B 卫星数据LST 反演结果进行比较，一定程度上验证了FY-3B 数据的精度。 但因选取数据时次、数据分辨率、研究区域范围等的差异，会对验证结果造成一定影响， 后续研究将通过提取不同源卫星数据/产品临近时次的LST 反演结果对FY-3B 数据进行更细致的精度验证。