基于遥感的南京市城市扩张方向和类型的热效应

王月香, 陈婉婷, 朱瑜馨, 蔡安宁,3

(1.淮阴师范学院城市与环境学院,淮安 223300; 2.中国矿业大学公共管理学院(应急管理学院),徐州 221116; 3.南京市晓庄学院旅游与社会管理学院,南京 211171)

0 引言

近年来伴随城市化快速发展、城市规模的不断扩大,城市地区大量自然地表逐步被城镇居民生活所需的房屋、道路和建筑物等不透水面所替代,城市人口与之相应急增,城市人为热排放增加。这一系列变化引发城市热岛效应并导致热环境逐渐恶化[1],目前城市热岛效应已成为最频繁且最具影响力的气候灾害之一[2],分析城市扩张如何影响热环境对优化城市热环境质量具有重要意义。

国内外学者针对南京市城市化发展与地表温度空间特征及动态变化之间的关系展开大量研究并取得丰富的研究成果。刘新等[3]利用城市化指标探究南京市城市化发展进程和热岛效应的关系; 朱俊峰等[4]结合归一化植被指数(normalized difference vegetation index,NDVI)与归一化建筑物指数(normalized difference building index,NDBI)探究南京市城市热岛与植被覆盖和不透水面的关系; 裴欢等[5]基于土地利用覆盖关系研究南京市夏季热岛特征。而南京市城市扩张方向和类型对热环境的影响研究却较少[6]。鉴于此,本文选择研究南京市城市化过程中的城市用地时空演变特征及相应的城市热环境变化。参考已有量化城市扩张指标文献,选用不透水面[7]量化南京市城市扩张。随着遥感技术的不断发展,不透水面常用遥感指数法来识别,如生物量组分指数(biophysical composition index,BCI)[8]、归一化差值不透水面指数(normalized difference impervious surface index,NDISI)[9]和NDBI[10]等,其中BCI指数能够更好地区分土壤、水域和植被[8]。地表温度的反演使用较为广泛的方法包括辐射传输方程法(大气校正法)、单窗算法和劈窗算法等[11-14],本文选用BCI提取2000—2020年近21 a的城市不透水面,采用适用任何热红外波段的辐射传输方程法反演相应时间地表温度,探究2000—2020年间2个不同发展阶段的不透水面扩张方向和类型,以及不透水面变化对地表温度产生的影响,分析2个时期地表温度的变化与不透水面扩张的相对关系。

1 研究区概况及数据源

1.1 研究区概况

南京市地处中国东部、长江下游中部地区,是江苏省省会,作为新一线城市,承担着中国的重要交通枢纽作用。该区地理坐标为N31°14′～32°37′,E118°22′～119°14′之间,总面积达6 587 km2,图1为研究区位置示意图。该区沿江而建,向北与广阔的江淮平原相连,向东与繁华的长江三角洲相接,低山与和缓的平原构成的主要地貌,丘陵、岗地约占全市总面积的60.8%。南京市是全国重点门户城市,作为长三角区域辐射带动中西部地区的重要一员,在2021年公布的《新发展十年——中国城市投资环境发展报告》中,城市投资活跃度远超其他区域,中国排名第四,仅次于深圳、上海、北京。经济发展迅速,城市包容性大,更加推动了南京外来人口的迅速增多,推动南京城市经济活动进一步发展。文化历史悠久、政府大力扶持和经济迅速发展加速了城市发展的进程,使南京市的城市体系和空间格局不断变化。南京市城市人口的大量增加导致了城市空间向外扩大,更多的不透水地表取代了原来的自然地表,生态环境问题日益明显。另外,南京市属于亚热带季风气候,气候变化和城市的快速发展相结合,使得城市热环境问题更加突出。因此,选取南京市作为研究区具有一定的代表性。

图1 研究区位置示意图

1.2 数据源

为反映2000—2020年间2个阶段城市扩张类型和方向的热效应,以10 a为时间尺度,从地理空间数据云平台(http: //www.gscloud.cn)下载覆盖南京市域、成像时间相近、少云清晰的2期Landsat5 TM和1期Landsat8 OLI遥感影像,详细信息如表1所示。

表1 Landsat数据相关信息

应用ENVI 5.3软件对所有下载的Landsat遥感影像进行辐射定标和FLAASH大气校正以消除影像影响。并对校正后影像依照研究区的矢量边界进行拼接、裁剪,得到2000年、2010年及2020年的南京市Landsat卫星遥感影像。

2 研究方法

2.1 地表温度反演

对2000年和2010年的Landsat5 TM及2020年的Landsat8 OLI 这3个年份热红外影像进行辐射定标,基于辐射传输方程,利用卫星传感器接收到的热红外辐射亮度值来计算在热红外波段下黑体的辐射亮度,再利用普朗克定律反函数,计算地表真实温度Ts。

首先,计算地表比辐射率,即物体向外辐射电磁波的能力。由于大尺度上对比辐射率精确测量有较大困难,本文依据可见光和近红外光谱信息,参考Sobrino等[15]提出的NDVI阈值法估计比辐射率ε,计算公式为:

ε=0.004Pv+0.986

,

(1)

Pv=(NDVI-NDVIs)/(NDVIv-NDVIs) ,

(2)

式中:Pv为植被覆盖度;NDVI为归一化差异植被指数;NDVIs为无植被或完全为裸地区域的NDVI值;NDVIv为完全为植被区域的NDVI值。根据影像数据对NDVIv和NDVIs分别取合适的值。

接着,假设地表、大气对热辐射具有朗伯体性质,计算热红外波段下,温度为T的黑体辐射亮度,计算公式为:

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/τε,

(3)

式中:Lλ为辐射定标值;L↑为大气上行辐射亮度;L↓为大气下行辐射并由地表反射后的亮度;τ为大气在热红外波段的通过率。其中,L↑,L↓和τ可以通过在NASA平台(https: //atmcorr.gsfc.nasa.gov/)输入遥感影像的成像时间以及南京市的中心经纬度得到的相关大气剖面数据获取。该公式由其辐射传输方程换算得到,其计算公式为:

Lλ=[εB(Ts)+(1-ε)L↓]τ+L↑。

(4)

最后,依据普朗克定律反函数转化计算地表真实温度,单位为℃,其计算公式为:

Ts=K2/ln[K1/B(Ts)+1]

,

(5)

式中K1和K2分别为常量。在Landsat5中,K1=607.76 W/(m2•μm•sr),K2=1 260.56 K; 在Landsat8中,K1=774.89 W/(m2•μm•sr),K2=1 321.08 K。

应用同期的MODIS第6版的MOD11A1地表温度产品对Landsat反演的地表温度结果进行精度检验,相关系数计算结果分别为0.75,0.85和0.68,达到城市热环境时空演变分析精度要求。

由于绝对温度难以量化不同时期的热环境变化,采用极差标准化地表温度(normalized land surface temperature,NLST)比较不同年份热环境的变化,采用自然间断法将标准化地表温度分为热区、中热区、中冷区和冷区4个热力等级[16-17],并将热区和中热区定义为热岛区。

2.2 不透水面提取

选用BCI指数来提取不透水面[8],该方法源于混合像元分解模型,将城市地表视作由土壤、不透水面和植被3个主成分组成,BCI指数能较好地区分不同地物类型,为减少水体对不透水面信息提取的干扰,在计算BCI指数之前先进行了水体掩模。

首先,进行水体掩模处理,应用改进的归一化差异水体指数(modified normalized difference water index,MNDWI)[18]结合阈值法提取水体,公式为:

,

(6)

式中G和MIR分别为遥感影像绿光波段和中红外波段的反射率。

接着,对掩模水体后的反射率影像进行缨帽变换,获得具有明确物理含义的亮度、绿度和湿度分量,并最大最小值标准化为[0,1],公式分别为:

,

(7)

,

(8)

,

(9)

式中:H,L和V分别为高反照率、低反照率和植被,TC1,TC2和TC3分别为缨帽变换生成的亮度、绿度和湿度分量;TC1max,TC1min,TC2max,TC2min,TC3max和TC3min分别为TC1,TC2和TC3的最大、最小值。

再计算BCI指数,公式为:

。

(10)

最后,应用阈值法提取2000年、2010年和2020年南京市不透水面。对识别的不透水面结果,从Google Earth影像上随机采集200个验证样本作为真实值进行Kappa系数精度检验,结果显示Kappa系数值分别为0.70,0.75和0.78,均大于0.6,达到城市扩张分析精度要求。对其进行计算获得城市扩张强度和紧凑度,计算公式分别为:

(11)

,

(12)

式中:UII为城市扩张强度;U1和U2分别为研究区初期、末期城市不透水面面积;p为时间间隔;t为年份;Ct为第t年城市斑块紧凑度;At和Pt分别为第t年城市斑块的面积和周长。

2.3 标准差椭圆

由于城市的发展空间特征主要体现在不透水面扩张上,选择通过分析不透水面的城市扩张方向和类型的变化来反映南京市近年来的城市扩张状况。标准差椭圆是分析空间分布方向性特征的经典方法之一[19-20],可以概括各种地理要素的中心趋势、离散性与方向性趋势等空间特征。其计算公式分别为:

(13)

,

(14)

,

(15)

(16)

2.4 景观扩张指数

城市扩张空间类型是对城市斑块扩张方式最直接的描述,参考刘小平等[21]提出的景观扩张指数量化城市扩张类别的方法,将南京市城市扩张景观划分为3种空间类型,分别是填充式、边缘式和飞地式。景观扩张指数是通过计算新增城市斑块最小包围盒面积占比来定量描述某景观动态扩张过程中的类型和空间分布[22]。其计算公式为:

,

(17)

式中:LEI为景观扩张指数;BA为新增斑块的最小包围盒面积;NA为新增斑块面积;IA为最小包围盒与原有斑块相交的面积。

首先,通过叠加2个时期的城市不透水面提取新增不透水面,并记录其编号及面积; 其次,为新增区域创建最小包围盒,并依据编号计算包围盒面积; 最后,将最小外包围盒与第一年不透水面相交,统计各包围盒内的所有相交斑块面积。然后,计算LEI,对扩张区域进行分类:LEI在(50,100]之间,类型为填充式; 在(0,50]之间,为边缘式; 等于0时,为飞地式。分别统计2000年、2010年和2020年南京市的不透水面面积,计算在2000—2010年和2010—2020年2个时期的面积变化和变化速率。

3 结果与分析

3.1 热环境时空特征

2000年、2010年和2020年南京市地表温度空间分布如图2所示,城市中心温度高、周围郊区温度低,存在显著的城市热岛效应。其中建设用地和工业用地地表温度高,水体和公园温度低,地表温度热岛区分布都较为集中且相似,并在主城区都沿着长江呈条带状。由表2可以看出,2000—2020年间,整体上平均温度由29 ℃增加到30 ℃,最高温度增加了2 ℃,说明城市扩张引发城市热岛效应。过程中出现了先下降后上升现象,主要是因为遥感反演地表温度为瞬时值,气象观测数据显示2000年5月3日、2010年4月5日与2020年4月24日平均气温分别为22.2 ℃,16.2 ℃和30 ℃。

表2 2000年、2010年和2020年地表温度统计

(a) 2000年 (b) 2010年 (c) 2020年

为了更好刻画南京市热力等级变化规律,依据地表温度分级处理结果(图3),统计2000年、2010年和2020年不同等级区域面积占比(表3)。热岛区域占比由34.2%升至58.6%再至46.4%,总体呈现出上升趋势。3个年份高温区域均主要围绕城市中心区域,其他区域随着距离高温区核心区域的距离增加而温度降低。核心区域在2000年主要位于秦淮区、鼓楼区和建邺区老城区与浦口区; 在2010年除了主城区以外主要为江宁区及高淳区; 在2020年除了主城区以外主要为浦口区及溧水区。温度区间为冷区和中冷区时,2种类别之和所占比例由65.8%下降至41.4%再至53.7%,总体上呈现下降趋势,其中两者基本位于水域、农田或大片森林及周边,这也说明水体和植被对热岛效应有削弱作用。

表3 2000年、2010年和2020年热力等级分区面积占比

(a) 2000年 (b) 2010年 (c) 2020年

3.2 城市扩张方向和类型

2000年、2010年和2020年的南京市不透水面空间分布如图4所示,不透水面面积总体呈增长趋势,随着时间推移逐渐向南扩张,增长范围扩大,除中心城区外的其他区域不透水面面积变化较大,显著增加,在一定范围内不透水面密度增大。基于城市扩张强度与紧凑度计算结果,能看出2010—2020年城市扩张现象最为强烈,扩张强度值为1.38%,显著高于前10 a的0.07%。3个年份城市不透水面的紧凑度分别为0.873 0, 0.870 8和0.857 1,在2020年最为分散,这段时间内南京市的城市扩张速度较快。

(a) 2000年 (b) 2010年 (c) 2020年

根据2.3节方法将计算得到的南京市3个年份的标准差椭圆叠加可视化(图5),通过对3个椭圆的数据对比发现椭圆分布方向上大致相似(表4),表明城市不透水面扩张总体以“南北”方向增长为主,且随着时间推移椭圆长轴增长,城市扩张方向性变强,2020年城市扩张范围最大,2000年最小。这3个年份的标准差椭圆短半轴逐年减短,说明城市不透水面向心力减弱,随着时间发展,南京市的不透水面分布较为分散,不再只分布在城市原有中心城区附近,开始在其他区域形成新的城市核心。

表4 2000年、2010年和2020年标准差椭圆相关数据

图5 2000年、2010年及2020年不透水面标准差椭圆分布

统计分析2000—2010年与2010—2020年的2个时期不透水面空间分布变化(表5),发现前10 a不透水面扩张速度远小于后10 a,移动角度分别为303°和275°,扩张方向总体为东南方向。2000—2010年为城市扩张的主要时间,在这一个10 a间的新增不透水面面积占21 a间所有新增扩张面积的66.0%。

表5 2000—2020年新增不透水面变化数据

图6为根据景观扩张指数,通过式(17)计算得到的2000—2020年南京市不透水面地表扩张类型情况。总体上来看,在2000—2010年间城市用地扩张区域大于2010—2020年; 在前10 a间,南京市长江以南区域城市扩张比其他区域更明显,后10 a间南京市长江以北区域城市扩张比其他区域更明显。依据不同扩张类型的占比(表6)可以看出边缘扩张模式占比最大,成为南京市城市扩张主导类型,在近21 a间南京市扩张区域内广泛分布,且集中在江宁区、高淳区、栖霞区、浦口区和六合区。在各个区域内以某点为核心向外发展。填充扩张是最集中的,呈现出在中心老城区附近,区域较小,成块状分布的特点。飞地扩张是最分散的,在全市各个区域都有零散分布。2个时期内南京城市扩张在中心区域的发展都主要表现为沿着河流向东西方向延伸。

表6 2000—2020年扩张类型占比

(a) 2000—2010年 (b) 2010—2020年

3.3 城市扩张类型与地表热环境的关系

整体上,南京市城市热岛分布和不透水面分布具有空间一致性(图3—4),城市热岛区与不透水面空间分布区域基本吻合,且相同时间内变化区域也较为一致。城市中心区域不透水面密度较大成为城市热岛中心,随着南京市城市不透水面向外扩张,南京市地表的热岛区也随之向外蔓延,两者均向南发展。随着距中心城区的距离增加,不透水面的密度下降,面积减少,地表温度也逐渐降低,成为较低的热力等级; 随着时间的推移,南京城市区域范围扩大,不透水面面积增加,地表温度上升,甚至部分低热力等级区域转变为高热力等级区域。

近20 a来,南京市的3种城市扩张类型的热环境具有不同的特征,其中,边缘式扩张对南京市地表温度的影响更大。由图3和图6可得南京市主要扩张类型的边缘扩张,其热岛等级主要是由中冷区、中热区转变为热岛区,而填充式扩张多由中热区转变为热区,总体上不透水面扩张区域地表温度呈上升趋势。基于表7可以对比得出: 2000—2020年期间,热岛区域在每个扩张类型内占比都较大,且呈增加趋势。2000—2010年期间,边缘式、飞地式和填充式扩张模式热岛面积占比分别为68.0%,66.7%和59.4%,说明边缘式扩张模式热岛效应最强,其次飞地式,而填充式扩张模式相对较小。2010—2020年期间,边缘式扩张模式中热岛面积百分比最高,值为85.0%; 其次为飞地式扩张模式,值为77.6%; 填充式扩张模式最小,值为60.5%。值得注意的是虽然热岛面积占比呈增加趋势,但后10 a中的热区占比与前10 a相比显著减少,说明新型生态城市建设有助于改善城市热环境。

表7 2000—2020年不同城市扩张类型的热力等级占比

由于不透水面是影响城市热环境的主导因素[23-26],因此选用不透水面占比的变化进一步分析不同城市扩张模式造成城市热环境变化差异的可能原因。按照城市扩张模式叠加统计起始、结束年份不透水面的占比,结果显示2000—2010年间,边缘式、飞地式和填充式扩张模式不透水面占比分别增加了69.99,55.46和55.64百分点。2010—2020年期间,飞地式扩张模式不透水面占比增加值最大为68.20百分点; 其次为边缘式扩张模式,为67.86百分点; 填充式扩张模式不透水面占比上升最小,为21.57百分点。

4 结论

基于Landsat卫星影像,通过不透水面指数及地表温度反演方法,得到多年不透水面及地表温度数据,对比分析结果研究得出南京市不透水面时空变化规律及热环境的演变特征,研究城市扩张方向和类型对热环境的影响。得出以下结论:

1)利用地表温度反演方法得到的2000—2020年的地表温度分区,南京市热岛面积由2 248 km2增加到3 051 km2,高温区域范围逐年扩大。随着距中心区域距离的增加,地表温度降低,城市主城区范围相对于整个区域为高温区。在2000—2010年间城市热岛向南扩张,2010—2020年向四周扩张。

2)利用BCI指数提取得到2000年、2010年和2020年南京市不透水面,研究不透水面扩张的方向与类型,随着时间的推移,南京市不透水面由中心向四周扩张,扩张速度先快后慢,扩张中心向南移动。21 a间的城市扩张类型构成相似,边缘式扩张模式占比最高,填充式次之,飞地式最小。

3)南京市不透水面分布与地表温度具有空间一致性,不透水面与地表温度较高的区间空间一致性高。不透水面扩张方向与地表热岛扩张方向一致,边缘式扩张模式热效应最大,飞地式次之,填充式最小。改善边缘式扩张模式中景观格局配置能够有效缓解城市热岛效应。

但本文仍存在一些不足之处,由于选取时间跨度为10 a,缺少连续时间范围变化规律与特征的分析研究。