基于地表参数变化的南京市热岛效应时空演变特征分析

朱菲，苏涛，王建，夏俊，廖晋一

(安徽理工大学 空间信息与测绘工程学院，安徽 淮南 232001)

0 引言

近几十年来，随着全球经济的快速发展，城市化建设进程不断加快，促进了社会关系、经济结构生活方式等的变化[1]，但同时热岛效应也越来越明显。城市规模的持续扩大使得下垫面的结构发生变化，进而影响城市局部气候，造成城市高温化，影响居住环境的安全性和舒适性，对人体健康构成极大的威胁[2]，并加剧能源消耗及温室气体排放，所造成的环境问题愈来愈严重[3]。

热岛效应最早记载是Lake Howard 在19世纪末首次发现伦敦市中心气温普遍高于郊区，城乡夜间温差大于白天[4]。1958年，Manley[5]首次定义城市热岛的概念后，各个国家学者对不同下垫面类型城市与郊区气温对比观测，均发现城市气温高于郊区的热岛现象。随着遥感等探测技术的发展，国内外专家学者开始利用热红外波段探测地面热岛变化，Gallo等[6]在1993年首次利用AVHRR传感器数据得到植被指数，并分析了城市乡村气温差与热岛之间的关系；徐涵秋[7]利用Landsat影像研究不透水面、植被、水体等主要地表参数与地表温度(land surface temperature，LST)之间的相关性；Coseo等[8]探讨了土地利用覆盖、建筑以及邻近热源对芝加哥城市热岛效应的影响；张硕等[9]研究了珠三角城市热岛群体时空分布，分析了经济结构对热岛效应的影响程度；王美雅等[10]研究了不透水面时空变化及其对城市热环境影响；张晓东等[11]讨论了城市形态演化与热环境之间的响应关系。

综上所述，人们对于热岛效应的研究越来越多，而通过多时相分析时间序列的热岛效应的变化规律，直观掌握热环境的时序变化特征，进而研究导致热环境变化的驱动因素，对于城市热岛效应的缓解和治理有着重大意义。因此，本文利用遥感技术研究近20年来传统“火炉城市”南京热环境格局变化特征及驱动因素，为全面分析城市热岛效应的形成与缓解治理提供依据。

1 数据与研究区

1.1 研究区概况

南京市作为江苏省省会，地处长江中下游平原，位于31°14′N～32°37′N、118°22′E～119°14′E之间，属于北亚热带湿润气候，夏季高温多雨，冬季寒冷干燥。南京市年平均降水121 d，平均降水量达1 106.05 mm。年平均温度为16 ℃，夏季最高温度可达38 ℃，冬季最低温度达-8 ℃。自改革开放以来，南京市作为长三角地区的重要一环，借改革开放和省会城市的优势，坐上了经济发展的快车，据2019年统计，南京市城镇化率已高达83.2%。

1.2 数据源及预处理

2 理论基础

2.1 地表温度反演

本文采用单通道(single-channel,SC)算法[12]进行研究区地表温度的反演，此算法针对Landsat TM/TIRS数据计算方式有所不同，LST计算如式(1)所示。

(1)

式中：LST为地表温度，单位为K；γ、δ为Plank函数的两个参数；φ1、φ2、φ3为大气水汽含量的函数；ε为地表比辐射率；Lsensor为卫星高度上传感器测得的辐射强度，单位为W·μm4·m-2·sr-1，其计算如式(2)所示。

Lsensor=gain×DN+bias

(2)

式中：DN为像元灰度值；gain为增益值；bias为偏移值，可在影像头文件中查找。

对于TM 6波段，各参数计算[13]如式(3)所示。

(3)

式中：c1=1.191 04×108W·μm4·m-2·sr-1；c2=14 387.7 μm；Tsensor为亮度温度，单位为K；λ为有效波长，对于TM 6，λ=11.457；ω为大气水汽含量，单位为g/cm2。

对于TIRS 10波段，各参数计算[14]如式(4)所示。

(4)

式中：bγ=c2/λ，对于TIRS 10，bγ的取值为1 324；τ为大气透过率；L↑、L↓分别为大气上、下行辐射值，单位为W·μm4·m-2·sr-1。

1)亮度温度的计算。亮度温度又称地面辐射温度，是遥感器在卫星高度所观测到的热辐射强度相对应的温度。求算亮度温度的过程需要将DN值转化为相应的热辐射强度值，然后根据热辐射强度推算对应的亮度温度，计算方法[15]如式(5)所示。

(5)

式中：K1、K2为热红外波段的定标常数，对于TM 6波段，K1=607.76 W·m-2·sr-1·μm-1，K2=1 260.56 K；TIRS 10的K1=774.89 W·m-2·sr-1·μm-1，K2=1 321.08 K。

2)地表比辐射率的计算。下垫面覆盖类型可分为以下3种：水体、自然地表和城镇，不同的覆盖类型对应的比辐射率有很大的差异。文献[16-17]的研究表明，在TM 6区间，水体、植被、裸土和建筑物的比辐射率分别取0.995、0.986、0.972 15、0.970；在TIRS 10区间，水体、植被、裸土和建筑物纯净像元的比辐射率分别为0.996 830、0.986 720、0.967 670、0.964 885。对于自然地表和城镇比辐射率运用混合像元法，计算如式(6)至式(9)所示。

ε=fvRvεv+(1-fv)Rsεs+dε(自然表面)

(6)

ε=fvRvεv+(1-fv)Rmεm+dε(城镇地表)

(7)

其中，

(8)

(9)

式中：fv为像元的植被覆盖度；Rv、Rs、Rm分别为植被、裸土和建筑物表面的温度比率；εv、εs、εm分别为植被、裸土和建筑物的比辐射率；dε反映了地形对比辐射率的影响，地表较平整时，一般dε取0。由于热辐射相互作用在植被与裸土各占一半时达到最大，故fv阈值以0.5为界。

2.2 热岛质心转移模型

热岛的变化与其城市自身的发展联系紧密，热岛重心为不同等级热岛斑块的热力集中点[18-19]。为进一步揭示20年来南京市热环境的演变规律，本文引入热岛重心的思想，借助热岛斑块重心转移距离和热力重心转移角度两个指标，来定量分析南京市热环境的空间变化特征。要计算不同时期的热岛斑块重心转移距离，需先计算不同时期各热岛类型斑块的重心[20]，计算如式(10)所示。

(10)

式中：Xt和Yt分别为第t年热岛斑块的重心坐标；n为第t年该类型热岛斑块个数；Cti为第t年该热岛斑块中第i个斑块的面积；Xti、Yti分别为第t年该热岛斑块中第i个斑块的几何中心坐标。

通过计算不同时期的热岛斑块重心转移距离，可清楚表达该时段内热岛效应的变化特征，计算如式(11)所示。

(11)

式中：d代表热岛重心转移距离；xt、yt和xt+1、yt+1分别表示第t和t+1年热力重心坐标。

为更容易表示热岛斑块转移的角度，本研究假设正东方向为0°，逆时针旋转一周为360°，计算如式(12)所示。

θ=arctan [(yt+1-yt)/(xt+1-xt)]

(12)

式中：θ为热岛重心转移角度，本文定义为x坐标轴正方向逆时针至直线所形成的夹角，取值范围为0°～360°。

2.3 遥感参数的获取

不同下垫面覆盖类型对地表温度的影响有较大差异，对城市热岛效应的贡献也不同[21]。由于城市热环境与城市建筑、植被和水体三者的关系最为密切，因此本文基于光谱指数的方法，将归一化建筑指数(normalized difference built-up index，NDBI)[22]、归一化植被指数(normalized difference vegetation index，NDVI)和归一化水体指数(modified normalized difference water index，MNDWI)[23]3种光谱指数组合，通过选取一定的阈值将它们从影像中提取出来，研究三者近20年来的变化及其与地表热环境的定量关系。

3 结果与分析

3.1 热岛反演结果

利用式(1)至式(9)计算得到南京市地表温度，由于5期影像成像时间不同，难以用反演的绝对温度直接进行比较，为了消除时相差异的影响，需要对绝对温度进行正规化处理[24]，将不同时相的温度范围统一到0～1之间，再进行热岛等级的划分。热岛等级划分为5级：强热岛区(0.8～1)、热岛区(0.6～0.8)、正常区(0.4～0.6)、绿岛区(0.2～0.4)、强绿岛区(0～0.2)。结果如图1所示。

图1 南京市各年份热岛分布图

从时间序列上看：2000—2020年的热岛、强热岛斑块逐步呈现扩大的趋势，其中，2000—2006年总体热岛分布较为类似，扩张幅度较小；2006年六合区相比其他年份热岛斑块较多，原因是2006年影像为5月份，农作物虽基本长全，但长势较低，使得部分裸土区域影响热岛的分布；2006年之后呈现进一步扩张，至2010年边缘地区出现了小规模的热岛群体，呈“摊饼式”增大，但大都处于建成区周围；反之，2000—2020年的绿岛、强绿岛斑块逐步呈现减少的趋势，其中2000—2010年，低温区仍以水体和植被覆盖为主，扩张幅度不明显，但2010年以后，南京市中部、南部的绿岛区、正常区逐渐转化为热岛区，甚至强热岛区。

从空间分布上看：强热岛区主要在城市建成区中心及周围地区，如栖夏区、建邺区、秦淮区、浦口区东北部，这些区域主要以商业区、城市居民区或者工业区为主。商业区和城市居民区属于典型的建筑物密集区域，下垫面多为沥青、混凝土、金属等不透水面结构，这些材料自身的性质能够吸收大量的太阳辐射，加之生产生活自身所带来的人为热量的排放，造成这些区域内温度急剧上升，并会在相当长时间内保持高温。而工业区内由于工业废热集中排放，也会引起局部地区温度上升。与此相反，绿岛、强绿岛区主要分布在以下长江及沿岸区域、以玄武湖为主的湖泊区域、以紫金山为代表的森林植被区等，间接印证了水体和植被对于热环境的改善和提高是有作用的。

3.2 地表温度验证

虽然单通道算法是目前比较精确的地表温度反演算法，但仍然需要验证以保证反演结果的准确性。采用MOD11A1地表温度产品从不同地物类型对反演结果进行验证，采取监督分类方法分离出建筑、植被、水体和裸土，利用ArcGIS软件从每种地物随机选取150个样本点，统计各自MODIS产品平均值与反演平均值，如图2所示。结果表明，总体看来MODIS地表温度产品均低于反演的平均LST值，其中，建筑和裸土相比植被和水体温度较高且平均LST较接近；而水体由于其热传导性较强，水面不易积聚热量而使表面温度相对较低，植被适中，居于二者之间。

图2 不同地物LST反演验证

图3 各区平均地表温度

从不同地类平均LST的值来看，MODIS产品平均地表温度值在建筑、裸土和植被3个地类中明显低于Landsat反演结果，其中建筑、裸土的温差值最大，平均为3～4 K，植被的温差约为2 K。对于水体而言，MODIS产品温度值与Landsat反演值较接近，平均温差在0.6～1 K，可能由于水体本身的异质性，使得温度变化较小。从各个时间段来看，2010-08-19、2017-07-21两个时间点天气较热，建筑和裸土的平均LST相差较大，而2000-10-10、2006-05-20、2020-10-01 3个时间点天气相对较凉爽，二者的平均LST相差较小，反观植被和水体，平均温度的变化和天气的冷热关系不太明显。为进一步分析南京市地表温度的时序分布规律，本文对南京市11个市直辖区5期LST平均值进行了统计(图3)。就平均LST而言，南京市从北往南，从六合区至高淳区，5期数据温度曲线一致呈现“Λ”形分布，地表温度呈现先升高后下降趋势。位于主城区范围的鼓楼区、建邺区、秦淮区平均LST均高于其他区，玄武区因为玄武湖使得平均LST相对较低，从主城区向北向南，各年份曲线虽有交叉，但其基本趋势保持一致，平均LST逐渐降低，呈现明显的地表温度城乡梯度差。其主要原因为城区内地表类型以建设用地为主，其特殊的下垫面对太阳辐射吸收率高，另外受大气污染等因素影响，导致其温度较高；随着距离城市中心越远，建筑密度下降，植被和水体等相应增加，由于植被能通过蒸腾减少土壤表面存储的热量，加之水体比热容较大等原因，使得郊区地表温度较低。

3.3 热岛重心转移

由式(10)至式(12)计算出南京市城市扩展及热岛斑块重心转移距离及角度(表1、图4)，从图4可直观看出热岛斑块重心转移与城镇化方向的关系。2000—2020年间，热岛、强热岛区域重心总体迁移趋势与城镇大致相同，呈现“先南后西”，绿岛、强绿岛区域则呈现相反趋势。具体表现为：从2000后，随着南京市政府提出“一城三区”发展战略后，为南京跨江发展、沿江发展指明方向，南京市进入到快速城镇化阶段，2000—2006年，热岛、强热岛区域向东南方向迁移，主要是南京城镇建设主要方向集中在东南方向；2006—2010年扩展方向大体呈正南方，扩展强度进一步增强，热岛区域中心迁移距离进一步增大，这是因为这几年房地产产业发展带动城市经济、人口和配套资源集聚，虽受金融危机影响，总体城镇化水平还是呈现稳定发展；2010年以后，城镇化速度放缓且重心往西南偏移，这主要是近年来江北浦口区等城市化发展较快，同时还伴随着像禄口机场这种类型的以点带面式的扩张的影响。另外，绿岛、强绿岛区域重心迁移方向相同，与热岛、强热岛区域及城市重心转移方向大致相反，从侧面说明了热岛斑块重心转移方向与城市建设与发展具有很强的相关性，快速城镇化发展是热岛效应空间格局变化的主要驱动力之一。

表1 热岛斑块重心转移统计

图4 热岛重心转移路径

利用ArcGIS软件对各年份热岛斑块类型的面积进行统计处理，结果如表2、表3所示。从各热岛斑块面积可以看出，2000—2020年间，热岛和强热岛区面积比例由6.48%上升到40.81%，面积增加了2 262.76 km2，而绿岛、强绿岛占比由37.38%下降到13.39%，面积减少1 181.59 km2，正常区面积占比下降了10.34%，面积下降680.89 km2，变化幅度较大。从增速来看，热岛、强热岛区年均增速为正，绿岛、强绿岛区增速为负，说明热岛面积还在增加，建成区面积还在增大，情况不容乐观。数据表明，南京市的热岛效应已经相当显著。

表2 热岛面积统计

表3 热岛面积增速统计 %

3.4 热岛效应与地表参数定量关系

为获得不透水面、植被、水体同地表温度之间的关系，从二维和多维关系分别采用单因子回归和多元逐步回归分析方法进行统计回归分析，以获得其之间的最佳拟合方程和定量关系。为避免各参数纲量不统一，将地表参数进行正规化处理，数值统一化到0～1之间[25]。本次研究从研究区内利用ArcGIS创建随机点工具随机选取500个样本点，分别以回归统计中的单因子回归和多因子逐步回归法进行分析(表4)。单因子回归分析和多因子逐步回归分析都表明，在所研究的5个年份中建筑与地表温度都呈正相关关系，而植被，水体则相反。以2006年为例，从单因子回归方程可以看出，正规化后的植被指数NDVI每增加0.1，温度降低1.36 ℃；水体指数MNDWI每增加0.1，温度降低1.01 ℃；建筑指数NDBI每增加0.1，温度增长1.15～2.02 ℃，由于建筑指数关系与温度呈指数关系，因此建筑密度越高，温度上升越快。

表4 建筑指数、植被指数、水体指数与地表温度的定量关系

从多元逐步回归分析方程可以看出，建筑因子的系数都接近或大于植被和水体系数之和，可见建筑因子对地表温度的影响占主要部分；其次多元回归方程中除建筑因子的系数为正，植被和水体因子的系数都为负，因此，可增大建设城市绿化设施，保护水体，合理规划建设用地，控制建筑设施覆盖密度、可较好地较低地表温度，起到缓解、抑制热岛效应的作用。

4 结束语

本文用2000—2020年5期Landsat影像数据结合地理空间分析和数理统计的方法，在得到南京市地表温度和热岛效应分布特征基础上，研究热岛斑块的分布状态及重心转移路径，通过计算建筑、植被与水体指数，进而研究地表参数与地表温度之间的定量关系，提出缓解热岛效应的办法，研究结果如下。

1)强热岛区主要在城市建成区中心及周围地区，且逐步呈现扩张趋势，而绿岛区则以水体和植被覆盖为主。

2)南京市近20年来研究区热岛与强热岛面积从6.48%上升到40.81%，而绿岛、强绿岛则由37.38%下降到13.39%。

3)热岛、强热岛斑块重心与城市重心迁移方向一致，总体呈现“先南后西”偏移，而绿岛、强绿岛重心迁移方向则不同。

4)建筑指数与地表温度呈正相关关系，植被、水体与地表温度呈负相关关系，且建筑指数与地表温度关系呈指数型，建筑越密集对地表温度影响越大。

虽然本文对南京市热岛效应进行了较为全面的分析，但是这仅限于对单个城市的研究，就目前而言，针对城市群的研究还比较少，随着城市群的发展，热岛效应不再局限于单一城市，而已成为各城市共同面对的共性问题；其次，如何定量地认识城市规模与热岛效应的关系，以及景观组分与空间构型如何作用于热岛效应也是今后重要的研究方向。