合肥市区33年间城市化变化轨迹对地表温度的热贡献度

周 华， 吴庆双， 李 强， 仲冠南

(1.安徽师范大学 地理与旅游学院，安徽 芜湖 241003；2.全图通位置网络有限公司，北京 100716)

引言

截止2019年末，我国人口城镇化率首次超过60%[1]。随着城市化进程的加快，城市化的水平也在逐步提高，城市的规模在不断扩展，必然导致城市土地利用类型的快速变化，这种人为改造的下垫面类型、人口的聚集造成的环境热打破了原有的地表热平衡，引发了城市生态、空气质量、居民健康和城市可持续发展的一系列问题[2-4]。地表温度上升的内在动力是土地利用/覆盖变化(LUCC),为了研究和解决城市热岛效应问题，需要定量化分析各类土地利用/覆盖变化对地表温度的影响。

现阶段，城市化及其对城市热岛效应的影响之间的定量关系仍然是模棱两可的。不同土地利用变化所带来的城市化效应也是不同的。国内外学者对城市土地利用/覆盖变化与地表温度之间的相关性进行了研究。康文敏[5]分析福州所辖各县市区土地利用/覆盖变化对地表温度贡献度，利用多距离空间聚类分析(Ripley’s K函数)法分析地表温度聚集与分散的尺度效应。边晓辉[6]结合土地利用类型的开发度和重心偏移分析了浙江省湖州市的LUCC，并借助主成分分析法探讨LUCC与城市热岛效应之间的关系。丁海永[7]采用TVX空间聚类点的运动轨迹法，将地表温度与某类土地利用类型绘制成散点图，分析聚集点的空间轨迹路径和方向对地表温度的影像。Suresh Chandra[8]利用同心圆法研究印度斋浦尔市1993—2015年间城市扩张对地表温度的影像。

本文研究安徽省合肥市区1987—2020年间的四期遥感影像，基于GEE平台进行土地利用分类和地表温度反演，运用地理编码的方式获取四期土地利用类型的变化轨迹，并结合地表温度定量化分析各轨迹对城市热环境的贡献度，量化在城市化过程中不同土地利用/覆盖类型的变化对热岛效应的影响，为城市功能分区与布局、生态环境与可持续发展提供科学的依据。

1 研究区及数据来源

1.1 研究区域概况

合肥市是安徽省省会，地处中国华东地区、安徽省中部，环抱巢湖。东经117°11"～117°22"，北纬31°48"～31°58"，属于亚热带季风性湿润气候。合肥市有4个市辖区，4个县，1个县级市，4个市辖区分别为蜀山区、瑶海区、庐阳区和包河区。合肥市是中国长三角副中心城市，皖江城市带核心城市，“一带一路”和长江经济带战略双节城市，是国家重要的科研教育基地。近些年，合肥市城市化发展速度位居中国城市前列，根据第七次全国人口普查数据显示，合肥市市区人口为511.82万人，占全市常住人口54.62%，城市规模已迈入特大城市行列，研究区地理位置见图1所示。

图1 研究区地理位置以及其Landsat 8影像(2020-04-23)Fig.1 The geographical location of the study area and its Landsat 8 images (2020-04-23)

1.2 数据来源与预处理

合肥市区的四期遥感影像图来源于Google Earth Engine平台(表1)，选取的是Landsat数据集的地表反射率数据集(SR)，Landsat 5 TM影像获取日期为1987年4月21日，Landsat 7 ETM+影像获取日期分别为2000年4月16日和2010年4月28日，Landsat 8 OIL影像获取日期为2020年4月23日，卫星过境时间为当地时间上午10点06到10点43之间，遥感影像质量高，云量低于1%，符合地表温度反演要求。GEE所提供的数据Landsat 5、landsat 7和Landsat 8都进行了三次卷积重采样，将所有红外波段分辨率都重采样至30m，并将红外波段的灰度值(DN)转化为辐射亮度，单位为开尔文。其中需要对2010年遥感影像，利用ENVI5.3 Landsat gap_fill插件进行去条带处理。本文数据利用GEE所提供的随机森林函数库对遥感影像进行土地利用分类，依据《土地利用分类标准》结合研究目的将遥感影像分为林地/草地、未利用地、水体、建设用地、耕地5类，在Google Earth上选取样本点，利用混淆矩阵进行精度验证，总体分类精度在86%以上，Kappa系数大于等于0.76，符合精度要求。

表1 1987—2020年四期遥感图像数据源Table 1 Data sources of the four remote sensing images from 1987 to 2020

2 研究方法

2.1 地表温度反演

目前,国内外常用地表温度反演的方法大致可归纳为4类：热辐射传输方程法、劈窗算法、单窗算法、多通道算法[9]。本文基于GEE平台，通过编码形式运用单窗算法对合肥市四期Landsat数据进行地表温度反演，该算法相比其他算法具有反演精度高，适用性强等特点，简化了GEE中编码难度。徐涵秋[10]研究得出Landsat 8 TIR第11波段的不确定性大于TIR10波段，故选择TIR10波段进行地表温度反演。单窗算法公式如下：

(1)

式中：T为像元的地表温度，单位是开尔文(K)。a、b是常量，a=-67.35535,b=0.458608(TM/ETM+)；a=-60.919,b=0.428(Landsat 8)。Tsenor为红外波段的亮度值，Ta是近地表大气平均作用温度(K)，ε为地表反射率，τ为大气透射率，C和D为地表反射率和大气透射率计算所得的中间变量。

地表比辐射率估算采用由Sobrino提出的NDVI阈值法[12-13]：

(2)

式中：NIR、R为遥感图像的近红外和红外波段，NDVISoil为裸土或无林地/草地覆盖区域的NDVI值，NDVIVeg为完全林地/草地覆盖的NDVI值。当NDVI>0.70时，Fv取值为1；当NDVI<0.05时，Fv取值为0。

将地表温度T(开尔文)转为摄氏度：LST=T-273.15

遥感图像获取时间的差异性导致传感器所接收的太阳辐射能量不同，直接用绝对地表温度值比较结果不够准确。为了有效减少不同时期地表温度差异，多期遥感图像的地表温度反演的结果需要正规化处理[14]，计算公式为

NLST=(LST-LSTmin)/(LSTmax-LSTmin)

(3)

式中：NLST为正规化处理后的地表温度，LSTmax和LSTmin分别为地表温度的最大值和最小值。为了清晰表述地表温度时空分布特征，利用均值(μ)-标准差法(σ)作为温度等级的划分依据(表2)，并在多次尝试不同的划分方法中，选取0.5σ[15-16]能够有效划分低温区与次低温区和高温区、极高温区域的温度等级，最终将地表温度划分为低温区、次低温区、中温区、次高温区、高温区和极高温区。表2中，μ和σ分别代表归一化地表温度的平均值和标准差，划分后得到合肥市热岛等级分布图。

表2 合肥市地表温度等级划分Table 2 Classification of surface temperature grades in Hefei

2.2 土地利用轨迹编码

为了定量化的描述合肥市区33a的土地利用/覆盖变化，本文采用地图编码的方式记录每个栅格图像像元值的变化[17]。引入土地利用覆盖/变化轨迹定量剖析合肥市区土地利用在区划内随时间的变化过程。根据土地利用分类,对林地/草地-1、未利用地-2、水域-3、建设用地-4和耕地-5进行编码,利用式(4)对4期的分类结果进行栅格编码和栅格像元叠加计算[18],得到土地利用变化轨迹图层，例如NO.2144像元轨迹表示1987年是未利用地、2000年是林地/草地、2010年是建设用地、2020年是建设用地(图2)。

图2 轨迹编码示意图Fig.2 Schematic diagram of trajectory encoding

T=Classyear·10n-1+Classyear·10n-2+Classyear·10n-3+···+Classyear·10n-n

(4)

式中：Classyear表示对应年份土地利用分类的结果，n表示遥感图像期数，T表示变化轨迹。

2.3 城市化轨迹热贡献度

徐涵秋[19]、彭文甫[20]、张晓东[21]、吴迪[22]等对土地利用类型与城市热岛效应的相关性研究表明，不透水面增加、建设用地的增加与城市热岛效应的上升具有强烈的正相关性。本文研究1987—2020年合肥市区四期的土地利用变化共提取相关轨迹617条，突出城市化对地表温度的贡献率，本文提取城市化相关轨迹(NO.4444，NO.xxx4，NO.xx44，NO.x4444，x表示除建设用地以外的其他土地利用类型)共86条，并选取前10条城市化轨迹。研究侧重于土地利用类型向建设用地转化的过程对地表温度的贡献率。城市化轨迹贡献公式[23]为

(5)

3 结果与分析

3.1 土地利用覆盖/变化分析

由图3、表3可知，1987—2020年合肥市区土地利用/覆盖变化显著，建设用地面积明显增加，1987—2020年，从123.54km2增加至469.58km2，整体城市化发展较快。林地/草地面积由171.84km2增加至279.95km2，面积正增长，耕地和未利用地面积不断减小，其中耕地面积由1987年的601.66km2减少至286.73km2，总体变化率为20.20%，与建设用地的增长率接近，未利用地以及水体面积减少了4.43%和4.53%。1987—2000年间合肥市的城市化发展速度较慢，面积仅由原先123.54km2增长至174.11km2。进入21世纪以后，合肥市城市化发展明显加快，2000—2010年建设用地增长100%，2010—2020年建设用地面积增长也接近150%。合肥市区的耕地面积减少了6.17%，林地/草地面积从2010—2020年间实现了正增长，总体增加了6.94%，秉承了长江经济带区域绿色可持续发展的大背景。从空间上分析可得出，1987—2000年间，合肥市区的建成区扩张围绕着城市中心边缘地区，2000—2010年间城市建成区由城市核心区逐渐向庐阳区、瑶海区、包河区的中心地带扩张，2010—2020年间，蜀山区的东北地区建设用地面积明显增加。

表3 1987—2020年合肥市市区土地利用/覆盖变化面积Table 3 Area of land use/cover change in the urban area of Hefei from 1987 to 2020

图3 1987—2020年合肥市市区土地利用类型Fig.3 Types of land use in the urban area of Hefei from 1987 to 2020

3.2 地表温度变化分析

在GEE上，基于单窗算法反演的地表温度，经过正规化处理获取合肥市区地表温度分级结果(图4)。结合1987—2020年合肥市区LST等级分布图和LST变化统计表(表4)可得：1987—2020年间，随着城市建设用地的增加，高温区、极高温区由城市中心区域逐渐向城区各区域扩张，扩张方向与新增的建设用地扩张方向基本保持相同，其中2020年蜀山区的次高温区、高温、极高温区域较1987年显著增加，市区的次高温、高温、特高温面积分别增加158.21km2、176.76km2、24.87km2，城市热岛不断扩大。低温区域增加了7.03km2，主要分布在巢湖水域；次低温区减少了439.74km2，与其主要分布的耕地面积大量减少有关。

表4 1987—2020年合肥市区温度等级分区面积统计(单位：km2)Table 4 Temperature grade zone area statistics of the urban area of Hefei from 1987—2020(Unit:km2)

图4 1987—2020年合肥市区地表温度等级分布图Fig.4 Distribution of surface temperature grades in the urban area of Hefei from 1987 to 2020

3.3 城市化轨迹对地表温度贡献度分析

以利用Arcgis栅格计算器工具，统计四期地表温度反演图像的每个栅格单元的像素值，计算1987年、2000年、2010年和2020年四期遥感图像的地表温度平均值；利用公式(4)统计1987—2020年四期土地利用数据并进行地图编码，获取土地利用轨迹数据617条，筛选出城市化轨迹86条，本文选取合肥市区前10条城市化轨迹(图5、表5)，结合公式(5)得到合肥市区1987—2020年间的地表温度贡献度(图6、表6)。其中，前10条城市化轨迹占土地利用变化总轨迹的比例为15.05%，占城市化轨迹的相对比例为53.91%。由表5可以看出，合肥市的建设用地转化主要来自于耕地与未利用地。其中旧城区(NO.4444)热贡献度一直保持在10%以上，也是城市热岛的集中分布区域。分析NO.5554，NO.5144、NO,5124轨迹可知，耕地、林地/草地未转化为建设用地之前，对城市热贡献度平均为-0.55%，处于较低水平，转化为建设用地之后对城市热贡献度平均高于4.65%。NO.2224、NO.2144、NO.2124轨迹由未利用地向建设用地转化后，热贡献度平均高于5.48%。1987—2020年期间，10条城市化轨迹温度增幅前三位的都是源于耕地转化为建设用地，耕地转化为建设用地导致下垫面温度变化剧烈，相比之下未利用地转化为建设用地增幅相对较低。NO.4444旧城区的地表温度不断上升且城市热贡献度一直保持在10%以上。随着城市化进程不断推进，旧城区城市内部建设用地密度增加，聚集性建设用地斑块导致地表温度增加。

图5 1987—2020年城市化轨迹空间分布(前10)Fig.5 Spatial distribution of urbanization trajectory from 1987 to 2020 (top ten)

表5 1987—2020年城市化轨迹空间占比(前10)Table 5 Urbanization trajectory space proportion from 1987—2020(top ten)

表6 前10条城市化轨迹统计及其热贡献度Table 6 Top 10 urbanization trajectories and their thermal contribution

图6 1987—2020年合肥市区城市化轨迹热贡献度指数Fig.6 The thermal contribution index of Hefei urbanization trajectory from 1987—2020

4 结论

基于1987—2020年的四期遥感影像，通过随机森林分类、单窗算法地表温度反演、城市化轨迹提取、计算城市化轨迹对地表温度的热贡献度指数，定量化研究城市化进程中合肥市区城市化时空格局变化及特征。主要结论如下：

合肥市区自1987到2020年期间，建设用地面积净增长了346.04km2，建设用地区域占比由7.93%扩大至30.14%；耕地面积大幅度减少，总体变化率为20.20%；未利用地、水体面积也减少了69.21km2、70.7km2，总体变化率为4.43%和4.53%。林地/草地总体变化是正增长，但从2000年后，林/草地面积在逐年减少。2010年之后合肥市城市化扩张由以旧城区中心扩张模式转型为各市区域中心扩张模式，尤其是以巢湖方向的城市化发展趋势明显，秉承了合肥市近年来“大湖名城”的城市化政策思想。

33年的城市化发展，合肥市区的地表温度增温区(次高温区、高温区、极高温区)面积的增幅为40.1%，降温区(低温区)的涨幅为0.8%，地表热环境总体呈现升温趋势，城市热岛问题严峻。计算城市化轨迹对地表温度的贡献指数表明，合肥市区城市化建设用地主要来源于耕地面积和未利用地面积的转换，也有一部分来自林地/草地。未利用地-建设用地、耕地-建设用地转换对所在下垫面的增温效应明显，贡献指数变化分别都为正趋势。旧城区(NO.4444)对热环境的贡献度高且变化率小，中心地带的旧城区是城市热环境持续而稳定的热源。

结合1987—2020年四期土地利用类型(图3)和地表温度等级分布(图4)可得到，合肥市的地表温度随着建设用地的扩张，高温分布由市中心向合肥市各区域转移，其中蜀山区西北部地区的高温区增长明显。城市的热岛中心(极高温区)出现多点分布的现象，面积从1987年的13.27km2增长至2020年的38.14km2，合肥市热岛问题严峻。

根据以上的研究结果，给出以下两点建议：(1)城市化发展增加建设用地的同时，应科学配置城市绿色用地，缓解城市热岛效应。合肥市建设用地的扩张，以牺牲大量的绿色用地为代价，这种建设用地的增加与绿色用地的减少导致城市地表温度上升，城市发展需要建设用地，也需要考虑城市热岛带来的城市生态环境问题，可以多增加城市绿地公园，多种植绿色植被，提高城市绿地率。(2)优化城市建设用地的空间布局，正确规划布局道路交通系统，控制建筑物的密度和高度，留出城市空间通风廊道，加快空气流通[24]。特别是针对合肥市旧城区改造，要使其空间分布更加绿色、科学。

合肥市作为长江经济带一个重要的增长极，要秉承长江经济带生态文明建设的先行示范带原则。本文的研究成果，阐明了合肥市33年间城市化发展对城市热环境变化的影响，可为城市发展规划提供科学的参考，为促进城市的绿色可持续发展，实现经济高质量发展提供有益的经验和启示。