都市郊区热岛效应时空变化及城镇化进程影响分析——以南京市江宁区为例

刘任棋,李明阳,刘雅楠

(南京林业大学林学院，江苏 南京 210037)

近年来，社会经济快速发展，城镇化进程不断推进，随之而来的城市热岛效应问题也日趋严重。热岛效应影响城市环境质量，危害市民的健康，也抑制了社会经济的进一步发展。这一现象得到了许多国内外专家和学者的高度重视，并对此展开了大量相关领域的研究工作。

国内外对热岛效应的早期研究主要方法有气象资料法、布点观测法和数值模拟法。这3种方法侧重于对离散观测点的数值比较，缺少对研究区热岛效应空间格局及驱动因素的深层次分析[1]。而近些年来遥感技术趋于成熟，它突破了前3种方法的局限，能宏观和直观地对地球表面进行实时动态监测，并节省大量人力、物力、财力，为热岛效应的深入研究提供了新的途径。目前，我国对许多大城市都进行了基于遥感技术热岛效应研究，也取得了大量的成果[2-4]。但是，这些研究大多采用2～4期的长时间间隔的遥感影像进行分析，其结果具有一定的偶然性，不能反映出热岛效应长期的动态变化过程。本研究基于1997—2000年及2002—2012年共15期TM/ETM+遥感数据，采用普朗克(planck)定律反演地表温度，再利用伪不变特征的相对辐射归一化方法对数据作进一步处理，克服了遥感图像时相不一致导致的反演温度缺乏可比性的弊端。对热岛效应的评价采用了时间序列分析法和年际变化分析法，从时间和空间2个维度呈现出研究年份间反演温度的变化趋势。此外，通过城镇化指数与研究年份间反演温度数据做相关性分析，来进一步研究城镇化进程对都市郊区热岛效应的影响。

与以往研究相比，论文选取城镇化进程迅速的南京郊区江宁为研究对象，采用长时间系列遥感图像为主要信息源，在地表温度反演、伪不变特征相对辐射校正基础上，进行时间系列分析、空间变化分析、驱动因素分析。研究成果可以为区域生态环境的制定提供科学参考。

1 研究区概况

江宁区位于北纬31°37′～32°07′，东经118°28′～119°06′，地处南京市中南部。2001年1月，国务院同意撤销江宁县，设立江宁区。区域总面积 1 558 km2，水域面积186 km2。其地质条件十分复杂，在漫长的地质历史演化过程中，内外营力所塑造的地貌类型比较齐全。常态地貌有低山、丘陵、岗地、平原和盆地，其中丘陵岗地面积最大，素有“六山一水三平原”之称。属北亚热季风气候区，温暖湿润，四季分明。区域雨量充沛，水资源丰富。

1997—2012年，江宁从一个昔日的小县城蜕变成了高科技花园新城。在这16年间，江宁区的城镇化进程不断推进，经济迅速发展。据南京市统计年鉴数据显示，1997年，江宁城市化率为35%,国内生产总值为75.83亿元，占全市的10.04%，在10区5县中排名第四；至2012年，江宁的城市化率提高到了52%，国内生产总值达到945.70亿元，占全市的14.65%，在11区2县中排名第一。

2 研究材料与方法

2.1 数据来源与预处理

本研究数据主要来源为：1)地理空间数据云网站(http://www.gscloud.cn/)免费下载的江宁区1997—2012年6—9月的Landsat TM/ETM+数据，云覆盖率<10%。其中，2001年数据由于云量过大、不满足条件而缺失。2)江宁区1:50行政区划矢量文件。3)来自于南京市统计局网站(http://www.njtj.gov.cn/)的江宁区1997—2012年7月均温、平均降水量。4)来自于江宁区统计局网站(http://www.jiangning.gov.cn/tjj/index.htm)的1997—2012年研究区建成区面积、城镇人口、第二、三产业增加值等社会经济资料。

遥感图像的几何精校正以研究区1:10万地形图为参照，选取均匀分布的100个地面控制点(GCP)来进行。大气校正采用ENVI的FLAASH模块进行。2003年5月31日后的ETM+遥感图像条带去除采用Landsat Gapfill。利用江宁区行政边界矢量文件进行空间子集运算。

2.2 地表温度反演方法

地表温度是研究地球表面的重要参数，被称为地表的皮肤温度。 反演地表温度对自然灾害监测、城市热岛等有着重要意义，利用热红外遥感技术是反演地表温度的主要方式[5]。

采用Landsat系列数据的第六波段，将第六波段的像元灰度值通过如下公式计算转换成在传感器的辐射值：

Lλ=Grescale×DN+Brescale

(1)

式中，Lλ指热红外波段像元在传感器处的辐射值；DN为像元灰度值，Landsat TM数据原灰度值用Band 6，若采用TIRS数据，应用Band 10；Grescale和Brescale分别为波段增益值和偏置值，查找辐射定标参数可知，对于TM数据，Grescale为0.055，Brescale为1.182 43，而对于TIRS数据，Grescale为3.342，Brescale为0.1[6]。

其次，要得到反演温度值，应将上述计算出的热红外波段辐射值进行转化，转化利用Planck公式[7]进行，如下：

(2)

式中，T为亮度温度(℃)；K1和K2分别为定标参数：对于TM数据，K1=607.76W/(m2.sr.μm)，K2=1 260.56K，而对于TIRS数据，K1=774.89W/(m2.sr.μm )，K2=1 321.08K。273.15为水三相点热力学温度。

2.3 伪不变特征相对辐射校正法

伪不变特征法是由Schott在1988年提出的，常用于多时相多源遥感影像的研究，对传感器自身和大气等引起的误差起到很好的校正作用。对于多期同一区域同一波段中计算所得的灰度值图像，通常可分成基准图像和待校正图像，而基准图像灰度值与待校正图像灰度值之间往往存在线性相关的关系。从多期反演温度图像中选择一幅结果较理想的温度图像作为基准图像。本研究的基准图像日期为2002年07月12日，其余年份的反演温度图像为待校正图像。研究表明，伪不变特征是在多时相影像中反射率不随季节和生物周期变化而变化的地物，多选用未受扰动的水体、裸岩、大屋顶等作为伪不变特征点[8]。因此，从基准图像中提取具有代表性的多个干点(裸岩、裸地、建筑物等)和多个湿点(水体等)作为伪不变特征点(Pseudo Invariant Features, PIFs)。将基准图像中的伪不变特征点灰度值(X)和各年的待校正图像灰度值(Y)利用最小二乘法得到以下线性相关关系式：

Y=αX+k

(3)

式中,α是线性关系中的斜率值，k是线性关系中的截距值。

2.4 年际变化分析法

一元线性回归分析可以在每个像元的基础上，模拟1997—2000年和2002—2012年间各年份年地表反演温度变化趋势，计算公式为[9]：

(4)

式中，θslope为趋势斜率，n为计算时间段的总年数，Ci为第i年的年反演温度灰度值。利用反演温度灰度值序列和时间序列(年份)的相关关系来判断温度变化的显著性:斜率为负时表示温度下降，反之则表示温度上升。

2.5 时间序列分析法

时间序列分析方法最早起源于1927年数学家Yule提出建立自回归模型来预测市场变化规律[10]。它是作为研究事件发展变化的一种量化分析方法。与一般的统计数据相比，时间序列数据有严格的先后顺序，且大多数情况下不是相互独立的，存在着前后相承的关系[11]。 在时间序列分析模型选用的过程中，为了使模型在拟合实际数据时具有更大的灵活性，有时在模型中既包含自回归部分也包括滑动平均部分，这就是自回归—滑动平均(Autoregressive-Moving Average)[11]。模型表达式为：

yi=β0+β1yi-1+β2yi-2+…βpyi-p+εi+α1εi-1-α2εi-2+…+αqεi-q

(5)

式中：yi是平稳、正态、零均值的时间序列；p和q是模型的自回归阶数和移动平均阶数；β和α是不为0的待定系数；εi为独立误差项。

2.6城镇化指数计算法

城镇化指数是反映某地城镇化水平高低的重要指标。本研究参考曾鸿程、孙育秋等人的方案[13]，选取了3个反映城镇化的主要因子计算城镇化指数。这3个因子分别为：非农业人口占总人口的比重，第二、三产业产值占国内生产总值的比重，建成区面积占整个区域面积的比例。各因子为等权重，计算公式为：

(6)

式中：Cj为区域j的城镇化指数；Wi为第i种城镇化因子的权重；Xi为选取的城镇化因子。

3 结果与分析

3.1 热岛效应时间序列变化分析

将1997—2000年和2002—2012年归一后的地表反演平均温度输入SPSS 23.0软件，利用预测工具中的专家建模器选择ARMA(0，0，0)模型进行拟合，拟合平稳R2为0.833，说明拟合模型能够解释83.3%的方差，拟合精度较高。拟合结果如图1。

图1 反演地表平均温度时间序列分析Fig.1 Time series analysis of retrieved average land surface temperature

从图1可见，1997—2012年地表平均温度总体呈上升趋势，其中1997年地表平均温度值最低，为20.97℃。2012年地表平均温度值最高，为41.05℃。极差为20.08℃。从温度变化趋势来看，大致可分为2个阶段：1997—2002年，温度逐年升高，呈平稳上升趋势，平均每年升高2.78℃；2002—2012年，曲线有明显的起伏变化，呈波动上升趋势，平均每年升高1.22℃。对比这2个阶段，可见2002—2012年温度上升趋势稍有缓和。综上分析，从时间维度上分析，随着江宁区城镇化进程的不断推进，地表温度不断上升，热岛效应问题也越来越突出。

3.2 热岛效应空间变化分析

为分析热岛效应的空间变化特征，将经伪不变特征法校正后的像元代入年际变化公式中计算热岛效应年际变化趋势，并由小到大分成等间距的4级，0.61～1.07(Ⅰ级)、1.07～1.53(Ⅱ级)、1.53～1.99(Ⅲ级)、1.99～2.45(Ⅳ级)，且分别用蓝、绿、黄、红4种颜色来表示，如图2。

图2 江宁区反演地表温度年际变化趋势Fig.2 Trend of annual change in inverting land surfacetemperature in Jiangning District

由图2可见，θslope的计算结果均为正值，说明15年中整个江宁区的反演温度变化均呈上升趋势。图中江宁大部分区域被绿色覆盖(Ⅱ级)，热岛效应上升趋势较显著。蓝色部分(Ⅰ级)上升趋势不显著，主要分布在西北部、西南部的水体区域以及东南

部的植被覆盖区。黄色部分(Ⅲ级)分布较为分散，以江宁区中北部的经济技术开发区为主。红色部分(Ⅳ级)为极显著上升区域，分布最少，零星分布在江宁区中北部的区政府及其附近的建筑群集中区和人口密集区。综上分析，不同的土地利用类型，热岛效应的年际变化趋势也存在差异。人口密集区和建筑群集中区的热岛效应问题最为显著，植被覆盖区和水体次之。原因在于，不同土地利用类型的下垫面热力性质不同，在相同的太阳辐射条件下，建筑群、泊油路等比水体和植被覆盖区，比热容小且对太阳辐射的吸收率更大。因此，建筑群、泊油路等集中区域升温较快，热岛效应上升趋势最显著。再结合江宁区的历史背景来看，从2001年建区以来，城镇化发展迅速，大量的耕地、绿地被高大密集的建筑群、工业区、商业区所替代，人口也不断地迁入。由此，热岛效应趋势的不断上升也可以得到解释。

3.3 城镇化进程对热岛效应的影响分析

1)将研究年份的城镇化指数输入SPSS 23.0软件，利用预测工具中的专家建模器选择ARMA(0，0，0)模型进行拟合，拟合平稳R2为0.981，说明拟合模型可以解释98.1%的方差，模型精度较高。拟合结果见图3。

图3 城镇化指数时间序列分析Fig.3 Time series analysis of urbanization index

从图3的拟合曲线可以看出，在研究年限内，城镇化指数随时间的推移呈上升趋势。城镇化指数平均值为0.44，最低值出现在1997年，为0.35，最高值出现在2012年，为0.52。15年间提高了0.17。其中1997—2009年为城镇化高速发展阶段；2009—2012年，城镇化发展进程稍有放缓。再对比图2中的反演温度拟合曲线可以发现，两者的变化趋势相符。

2)相关分析法是探究变量因素之间的相关程度的一种方法，能反映出变量之间的依存关系。将反演地表温度数据和城镇化指数数据以及从南京市统计局网站上搜集的研究区1997—2012年间7月均温和7月降水量输入SPSS 23.0软件中，通过相关分析工具计算相关性指数，结果如表1。

根据统计学原理，如果相关系数|r|>0.95，则2个变量之间存在显著性相关；|r|≥0.8，高度相关；0.5≤|r|<0.8，中度相关； 0.3≤|r|<0.5，低度相关；|r|<0.3， 关系极弱，认为不相关。从表1可以看出，反演地表平均温度与城镇化指数、平均气温以及月降水量都具有正相关性。其中，反演平均温度与城镇化指数的高度正相关，证明江宁区城镇化发展是热岛效应的主要驱动因素。江宁区2001年才开始撤县改区，是南京市的新兴区，建区前后一直致力于城镇化建设。由于建筑用地和基础设施的需要，建成区面积不断增大，不透水面积减少，绿地面积也不断减少，必然会引起温度的升高。

表1 地表反演温度与城镇化指数及气象因子的Pearson相关性分析

4 结论与讨论

4.1 主要结论

经过对1997—2012年江宁区地表反演温度时空变化及城镇化指数驱动性因素的研究，得出以下结论：1)从时间序列上分析，随着年份的推移，反演平均温度的总体变化呈上升趋势。其中1997—2002年平均温度呈平稳上升趋势。2003—2012年温度呈波动上升趋势，上升趋势较前一阶段稍有缓和。2)从空间格局上分析，整个江宁区的年际变化均呈上升趋势，其中人口密集区、建筑群区上升趋势最显著，植被覆盖区和水体上升趋势次之。而热岛效应问题与城镇化进程密切相关，自1997年以来，江宁区城镇化的发展推动了建成区面积不断扩大，土地资源的格局发生改变，热岛效应问题也愈加严重。3)从城镇化进程的角度分析，反演温度与城镇化指数呈高度正相关，说明城镇化的发展推动了热岛效应问题的恶化。而热岛效应增强的实质是下垫面的性质发生改变，地表热性质也随之改变。

4.2 讨论

在本研究中采用伪不变特征相对辐射校正法进行归一化，此方法需要人工选取样本点，具有一定的主观性，会对实验结果造成一定的误差。然而，近期王璟睿[6]等在多时相Landsat影像地表亮温辐射归一化方法的研究中，对比了伪不变特征相对辐射校正法和多元变化检测相对辐射归一化方法，发现多元变化检测相对辐射归一化法处理后的影像优于伪不变特征相对辐射校正法，且前者克服了人工选取样本点的主观性。因此，在之后的相关研究中可采取多元变化检测相对辐射归一法。

在探究城镇化进程对热岛效应影响的分析中，发现反演地表平均温度与南京市7月均温及月降水量弱相关、不相关，原因可能在于采用不变特征法校正后的反演温度为7月12日的温度，而对应的气候数据为7月份均温及7月份降水量，时间的不一致性导致二者的相关性不强。

从上述结论中可以看出，江宁区的热岛效应问题在不断恶化，相关部门应该加以重视并采取相应的措施进行控制。在此从热岛效应的不同驱动性因素的角度给热岛效应的治理提出建议：1)需要合理规划城市土地格局，多建设绿地，扩大不透水层面积；2)规划时应选用合理的下垫面作为建筑材料；3)政府部门可增加对农业人口的补助，且对迁移到本地的非农业人口做一定的限制；4)大力宣传和倡导低碳生活，提高人们的环保意识，减少人为热排放[14]。

[1] 但尚铭,许辉熙,叶强,等.我国城市热岛效应研究方法综述[J].四川环境,2008,27(4):88-91.

[2] 李成范,刘岚,周廷刚,等.基于定量遥感技术的重庆市热岛效应[J].长江流域资源与环境,2009,18(1):60.

[3] 薛丹,李成范,雷鸣,等.基于MODIS数据的上海市热岛效应的遥感研究[J].测绘与空间地理信息,2013,36(4):1-3.

[4] 陈颖锋,王玉宽,傅斌,等.基于MODIS地面温度数据的成都市热岛时空变化[J].长江流域资源与环境,2016,25(1):156-162.

[5] 朱贞榕,程朋根,桂新,等.地表温度反演的算法综述[J].测绘与空间地理信息,2016,39(5):70-75.

[6] 谭桂容,蔡哲,徐永明.基于Landsat影像的南京地区热岛效应[J].安徽农业科学,2009,37(13):6050-6052.

[7] 郭丽峰,高小红,亢健,等.伪不变特征法在遥感影像归一化处理中的应用[J].遥感技术与应用,2009,24(5):588-595.

[8] 穆少杰,李建龙,陈奕兆,等.2001-2010年内蒙古植被覆盖度时空变化特征[J].地理学报,2012(9):1255-1268.

[9] 罗芳琼,吴春梅.时间序列分析的理论与应用综述[J].柳州师专学报,2009,24(3):113-117.

[10] Seyed Omidreza Shobairi,荣媛,李明阳,等.广东省植被覆盖度时空变化及驱动因素分析[J].西南林业大学学报,2017,37(1)：144-148，169.

[11] 张树京，齐立心.时间序列分析简明教程[M].北京：清华大学出版社，2003:39-42.

[12] CHANDER G, MARKHAM B L, HELDER D L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 all sensors[J]. Remote Sensing of Environment,2009,113:893-903.

[13] 蒋好华.区域创新之路[M].北京：新华出版社，2005:20-31.

[14] 张逢生,王雁,闫世明,等.浅析城市“热岛效应”的危害及治理措施[J].科技情报开发与经济,2011,21(32):147-149.