曲靖市马龙区城市林木树冠覆盖与热环境的相关性1)

周天宇 朱坤 彭建松 秦记争 代继平

(国家林业和草原局林草调查规划院，北京，100714) (西南林业大学) (云南美腾环境科技有限公司) (西南林业大学)

目前关于林木树冠覆盖与热环境的研究，主要集中于“北上广深”等大都市，而作为森林植被类型多样，森林垂直分异的西南片区、高原山地城市等地的研究却相对较少。曲靖是典型的高原山地城市，马龙又是曲靖“一主两副”中心城市之一。在这种背景下，本研究以马龙区建成区为研究对象，利用马龙建成区地表温度反演所得温度数据作为热环境研究的数据源，选择林木树冠覆盖巨大和特大的35个斑块，探究城市林木树冠覆盖斑块特征与城市热环境的相关性，以期为类似区域城市森林和城市规划建设提供参考。

1 研究区概况

马龙区拥有突出的地理位置和良好的发展环境以及优越的资源禀赋。地处云南省东部、曲靖市西部(东经103°16′～103°45′、北纬25°8′～25°37′)，位于贵昆经济走廊和渝昆综合经济走廊，是云南与贵州、重庆互联互通重要节点，也是滇中产业新区“两片两轴八组团”总体空间布局的重要组团。2018年10月马龙区获得“云南省森林城市”称号，2019年11月曲靖市成功获评“国家森林城市”。截至2020年，全区林木面积83 172.18 hm2，国土面积159 934 hm2，林木覆盖率52%。城市建成区面积621.42 hm2，绿地面积263.74 hm2，城区绿化覆盖率42.44%，树冠垂直投影面积156.91 hm2，城区树冠覆盖率达25.25%。马龙区作为滇中森林城市优化发展区域的一部分，对现有森林城市进行优化提质，充分展现高原山地森林城市特色。

2 研究方法

2.1 地表温度的反演

基于遥感数据反演的地表温度来研究城市热环境，具有可行性、合理性和高效性[8-11]。常用的地表温度反演算法主要有大气校正法、分裂窗算法和单通道算法等，遥感数据反演有利于大范围获取地表温度，而且精度很高。

本研究基于ENVI5.3软件，选择2020年5月9日的Landsat8 OLI_TIRS卫星影像(条带号129，行编号42，空间分辨率30 m×30 m)的第10段热红外波，所选影像在获取时云量较少，影像质量较高，地物显示清晰，反演的温度能正确表达城市地表温度。采用适合于Landsat卫星影像的大气校正法，通过辐射定标、大气校正、辐射亮度计算、地表比辐射率计算等进行地表温度反演。其原理是首先估计大气对地表热辐射的影响，然后把这部分大气影响从卫星传感器所观测到的热辐射总量减去，从而得到地表热辐射强度，再把这一热辐射强度转化为相应的地表温度[12]。根据大气校正法进行地表温度反演的表达式如下：

Lλ=[εB(TS)+(1-ε)L↓]τ+L↑；

ε=0.004PV+0.986；

式中:Lλ表示热红外辐射亮度值；ε表示地表比辐射率；τ为大气在热红外波段的透过率；L↑为大气向上辐射亮度；L↓为大气向下辐射的反射亮度；B(TS)表示黑体热辐射亮度；TS表示地表真实温度；PV表示植被覆盖率；K1、K2为常数，对于TIRS Band10，K1=774.89W/(m2·sr·μm)，K2=1 321.08 K。

本文针对SAR图像目标和场景分类问题，提出了一种改进的基于卷积神经网络的SAR图像分类算法。针对数据集训练样本较少的问题，采用数据增强的方法人工地增加训练样本的大小；为了解决卷积神经网络中因网络参数过多导致的过拟合问题，采用一种多尺度卷积模块替代高层卷积层，在输出层采用卷积和全局均值池化的组合替代全连接层。分别对MSTAR数据集和陕西渭南地区的高分辨率SAR图像进行目标和场景分类实验，本文算法针对MSTAR 10类目标和高分辨率SAR图像3类场景的分类正确率分别达到了98.89%和91.85%；通过构建相同深度的卷积神经网络进行对比实验，结果表明，本文算法有效地解决了网络的过拟合问题。

根据美国NASA公布的网站(http://atmcorr.gsfc.nasa.gov)，输入成像时间(2020-05-09,03:33)以及中心经度(Lat：25.5920)和中心纬度(Lon：103.27)，得到大气剖面信息：τ=0.90，L↑=0.66W/(m2·sr·μm)，L↓=1.15W/(m2·sr·μm)。

2.2 林木树冠覆盖的提取

eCognition软件是国内外拥有最多用户群的面向对象分类软件，提供了棋盘分割、四叉树分割、光谱差值分割和多尺度分割4种主要的分割算法。多尺度分割算法作为e Cognition中的核心技术，在影像分割中起到至关重要的作用[13-14]。

本研究根据e Cognition Developer 9.0面向对象分类软件为解译平台，选择具有清晰影像的的Google Earth全色历史影像(2020年1月，空间分辨率0.54 m×0.54 m)，采用多尺度分割方法对影像进行处理。分割操作中设置合适的分割参数至关重要[15-16]，通过不断合并同质性景观斑块、分割异质性景观斑块，逐步调整分割参数(尺度、颜色、紧致度等)大小，直到得到最优异质性斑块分割参数(见表1、图1)，然后用于对整个影像数据的分割。结合研究区的具体情况，解译得到不透水面、草地、裸土地、树冠覆盖和水体等5种土地覆盖类型。

表1 景观斑块最优分割参数

对树冠覆盖斑块等级划分方法参照文献[17-19]，结合研究区树冠覆盖斑块面积(S)现状，将林木树冠覆盖斑块面积分为特小、小、中、大、特大和巨大斑块6个等级，各等级树冠覆盖斑块面积(S)范围依次为S<0.01 hm2、0.01 hm2≤S<0.05 hm2、0.05 hm2≤S<0.10 hm2、0.10 hm2≤S<0.50 hm2、0.50 hm2≤S<1.00 hm2、S≥1.00 hm2。

图1 景观斑块最优分割参数示意图

参照文献[15，21]计算斑块形状指数和降温率。公式如下：

式中：A为斑块形状指数，E为斑块周长，S为斑块面积。

为排除环境梯度变化对地表温度的影响，选择降温率作为缓解热岛作用的表现因子。降温率等于研究区裸土地平均地表温度减去树冠覆盖斑块平均地表温度与研究区裸土地平均地表温度的比。

降温率=((裸土地平均地表温度-树冠覆盖斑块平均地表温度)/裸地平均地表温度)×100%。

3 结果与分析

3.1 地表温度的空间分布特征

由图2可知，马龙区城市建成区地表温度最高为39.75 ℃，最低为28.76 ℃，平均地表温度为35.32 ℃。根据Arcgis10.7自然间断点分级法，将温度数据划分为低温(28.76，32.29]℃、亚低温(32.29,34.15]℃、中温(34.15,35.40]℃、亚高温(35.40,36.60]℃、高温(36.60,39.75]℃等5个级别。36.60 ℃以上地表高温区域主要在盛昌路、建设路、南门街一带，龙泉北路、云龙路、文河路以北地区，油民线等周边，主要为面积较大的不透水面和裸土地，形成了高温区，高温区域零星分布于整个研究区；35.40～36.60 ℃地表亚高温区域，主要分布在地表高温区域周边；28.76～32.29 ℃地表低温区域，主要集中在大面积水体、公园绿地和树冠覆盖度高的区域，形成了低温区(如水景公园、汇龙溪湿地公园、沈家山森林公园、正觉寺公园等区域)，这些地表有利于降低城市热岛效应；32.29～34.15 ℃地表亚低温区域，主要分布在低温区域周边；其余为34.15～35.40 ℃中地表温度区域，分布较为广泛且相对均匀。

图2 研究区地表温度分级图

3.2 土地覆盖类型的分布特征

由图3可知，马龙区城市建成区建筑及不透水面面积388.08 hm2，占研究区面积的62.45%；树冠覆盖面积156.91 hm2，占研究区面积的25.25%，其中较大的树冠覆盖斑块主要分布在沈家山森林公园、正觉寺公园、水景公园、历史文化广场、汇龙溪湿地公园、龙泉公园、龙海路、龙西路、迎宾路、滨河路等区域，在环城西路、文河路、锦新路、盛昌路、建设路等区域树冠覆盖面积占比较小且斑块呈现零散分布形态；裸土地面积58.13 hm2，占研究区面积的9.35%，主要为建筑用地施工期间的裸露地以及暂时闲置地，如征迁后目前还未利用地；水体及草地面积占比较小，面积分别为11.06、7.25 hm2，分别占研究区面积的1.78%、1.17%，水体主要为马龙河、红石岩沟以及公园中的水体，草地主要为路旁、城市绿地中的草地以及部分空置地上临时覆盖的草地。

3.3 不同土地覆盖类型的地温分布

由于土地覆盖类型的辐射率、比热容的不同，其太阳能的反射和吸收能力有所差异，因此可以观察到不同景观类型的平均地表温度存在显著差异[20]。由表2可知，不透水面的平均地表温度最高，其次是裸土地、草地、树冠覆盖，水体最低。其中草地、树冠覆盖和水体平均地表温度低于研究区平均地表温度，不透水面和裸土地高于研究区平均地表温度。不透水面较高的地表温度主要与地表材料以及密集的人类活动和大量的能源消耗有关。草地不能起到明显的降温效应，林木的蒸腾作用和较低的表面辐射率以及水体的高反射特性导致林木树冠覆盖和水体的平均地表温度较低。林木树冠覆盖对地表温度具有降温作用，但由于部分斑块面积较小且分布零散，容易受到周围大面积不透水面的影响，导致平均温度相比水体较高。

图3 研究区土地覆盖类型图

表2 不同土地覆盖类型地表温度统计

3.4 林木树冠覆盖的空间格局

由表3、图4可知，马龙区城市建成区共有林木树冠覆盖斑块761个，其中特小斑块70个、小斑块355个、中斑块157个、大斑块144个、特大斑块11个、巨大斑块24个。S≥1.00 hm2的巨大斑块数量较少，但斑块面积所占比例最大，占总斑块面积的62.68%；0.01 hm2≤S<0.05 hm2的小斑块数量最多，斑块面积所占比例较小，占总斑块面积的6.20%；S<0.01 hm2的特小斑块面积所占比例最小，占总斑块面积的0.25%。巨大和特大斑块类型主要分布在西南区和东北区，大、中、小、特小斑块类型相对均匀地分布于全区，以中区为主。对比研究区林木树冠覆盖与地表温度分布可得，斑块面积较小，差异性不明显且降温效果不明显，因此选择林木树冠覆盖面积巨大和特大、形状多样化、降温效果比较明显的35个斑块，探究城市林木树冠覆盖斑块对城市热环境的调节作用。

由表4可知，根据Arcgis10.7提取城市林木树冠覆盖巨大和特大斑块面积与周长，其斑块面积和周长均具有较大的取值范围。最大值为沈家山森林公园树冠覆盖斑块面积28.19 hm2，周长15.67 km；其次为正觉寺公园树冠覆盖斑块面积19.79 hm2，周长14.85 km；最小值为马龙区园林绿化局旁树冠覆盖斑块面积0.52 hm2，周长2.27 km。

表3 树冠覆盖斑块等级构成统计

图4 研究区树冠覆盖斑块分级分布图

表4 巨大和特大树冠覆盖斑块特征统计

3.5 林木树冠覆盖特征对城市热环境的影响

由表5可知，树冠覆盖斑块面积、周长和形状指数均与斑块降温率存在正相关关系，但两两之间的显著程度不同，其中面积、周长与降温率分别在0.05水平上显著相关，形状指数与降温率在0.05水平上不显著相关。说明可以通过增加树冠覆盖斑块面积和周长，更好的达到增加斑块降温率从而降低斑块内部温度的目的。

表5 降温率与各树冠覆盖斑块特征Pearson相关系数

根据巨大和特大树冠覆盖斑块特征统计，选取逐步回归的方法剔除对模型显著性影响最小、最不重要的自变量树冠覆盖斑块形状指数，对斑块面积(x1)、周长(x2)与降温率(y)进行回归分析，选择拟合精度最优的回归方程。由图5可知，对比线性、对数、二次、三次回归模型，发现线性模型的拟合精度高于对数、二次、三次回归模型，比其他3种模型能够更好地反应面积与降温率及周长与降温率之间的相关性关系。生成的线性模型回归方程分别为y=0.256x1+0.777，R2=0.176；y=0.316x2+0.054，R2=0.152。面积与降温率的决定系数较大，表明面积与降温率关系的紧密程度高于周长与降温率之间的关系。从回归方程的斜率来看，降温率与面积关系方程的为0.256，降温率与周长线性方程的斜率为0.316，周长与降温率的斜率较大，表明周长每增加0.1 km，降温率平均增加0.032%，面积每增加0.1 hm2，降温率平均增加0.026%，表明周长的增加对斑块内部温度的缓解作用较强，面积的增加对斑块内部温度的缓解作用较弱。

图5 树冠覆盖斑块面积、周长与降温率回归分析

4 结论与讨论

基于e Congnition Developer 9.0、ENVI 5.3及Arcgis 10.7软件对2020年5月9日Landsat8 OLI_TIRS卫星影像数据和2020年1月Google Earth全色历史卫星影像数据提取研究区地表温度分布及土地覆盖类型分布，进而得到研究区城市热岛空间分布及城市林木树冠覆盖分布，并进行目视解译。将研究区地表温度划分为低温(28.76～32.29 ℃)、亚低温(32.29～34.15 ℃)、中温(34.15～35.40 ℃)、亚高温(35.40～36.60 ℃)、高温(36.60～39.75 ℃)5个级别。最高温39.75 ℃，最低温28.76 ℃，平均温35.32 ℃。将研究区土地覆盖类型分为不透水面、树冠覆盖、裸土地、水体及草地5种，其中不透水面面积388.08 hm2，占研究区面积的62.45%，占比最大；草地面积7.25 hm2，占研究区面积的1.17%，占比最小。不同土地覆盖类型的地温分布，不透水面的平均地表温度最高，其次是裸土地、草地、树冠覆盖，水体最低。最终选择林木树冠覆盖面积巨大和特大、形状多样化、降温效果比较明显的35个斑块，探究城市林木覆盖斑块对城市热环境的调节作用。

树冠覆盖斑块降温率与树冠覆盖斑块面积、斑块周长、斑块形状指数分别进行Pearson相关性分析，其中面积和周长与降温率分别在0.05水平上显著相关，说明通过增加树冠覆盖斑块面积和周长，可以增加树冠覆盖斑块的降温率，从而降低斑块内部的温度。剔除树冠覆盖斑块形状指数，对斑块面积、周长与降温率进行曲线回归分析，发现线性方程为拟合精度最优的回归方程，面积与降温率关系的紧密程度高于周长与降温率之间的关系，但周长的增加对斑块内部温度的缓解作用较强，而面积的增加对斑块内部温度的缓解作用相对较弱。

研究发现林木树冠覆盖和水体的平均地表温度较低。传统观念上，城市绿地仅仅是供居民休闲、游憩以及观赏的场所，随着城市气温逐年增加，“热岛效应”越来越严重，城市各类绿地形成的林木树冠覆盖及城市水体对环境的降温效应显得尤为重要。因此，在未来城市规划设计时，为了更好地发挥其降温效应，首先考虑增大林木树冠覆盖和水体面积，但城市用地紧张是城市化进程的主要体现，可以在独立斑块的基础上，组建有机廊道网，进而从整体上改善城市的热环境，提高城市的宜居性[22]。同时林木树冠覆盖是一种特殊的城市景观，尽管现在人们已经对城市景观要素斑块和廊道的连通性、生态意义有了相当的认识，但是如何连通林木树冠覆盖斑块以及组合形式导致的生态结果有待进一步研究。

贾宝全等[23-24]认为，可增加潜在树冠覆盖(PUCT)是城市森林发展的潜力指标，指可以用来栽植树木能够被树冠覆盖，但目前还未栽植、尚未被覆盖的土地面积主要包括裸土地和草地2类具有开发潜力的土地。研究区潜在树冠覆盖面积为65.38 hm2，其中裸土地面积58.13 hm2、草地面积7.25 hm2，可提高树冠覆盖率10.52%，能达到的最大树冠覆盖率为35.77%。但同时需考虑城市植物群落美景度，应适当保留一定空地。

通过对城市林木树冠覆盖斑块与城市热环境的相关性的定量研究发现，由于研究区域巨大和特大斑块数量有限，部分结论缺少严谨的统计分析验证，同时研究地表温度数据来源于2020年5月9日OLI/TIRS遥感影像反演所得，与研究区实际温度可能会有误差，且地点局限于马龙区城市建成区，时间和空间上均具有一定的局限性。因此，研究结果可能仅适用于与研究区域类似的地区，如何建立更精确地适用于常年各时间段大部分地区的温度分布规律模型，尚待进一步研究。

本文研究林木树冠覆盖斑块自身特征对斑块内部平均地表温度的影响，仅选择了斑块的几何形状面积和周长以及形状指数3个自变量。在城市土地覆盖类型中，城市林木树冠覆盖斑块与其他斑块和树冠覆盖斑块之间会相互影响，且林木斑块内部地表温度极易受到周围环境的影响。因此，今后研究城市林木树冠覆盖斑块与城市热环境的影响，应综合考虑内外部多种因素。