重庆市主城都市区热岛效应定量评估

张德军 杨世琦* 祝 好 叶勤玉 何泽能 饶智杰

1）（重庆市气象科学研究所，重庆 401147）

2）（重庆市农业气象与卫星遥感工程技术研究中心，重庆 401147）

3）（四川省南充市仪陇县气象局，南充 637000）

引 言

地表城市热岛是指由城市内大量的人工发热、建筑物和道路等高蓄热体及绿化减少等因素导致的城市高温化，即城市中心地表温度高于周围郊区温度的现象［1-3］。由于热岛中心区域地表温度高，与周围郊区形成气压差，郊区近地面大气向热岛中心区辐合，在城市中心形成低压漩涡，导致人类活动产生的大气污染物质在热岛中心区域聚集，对人类身体健康和生命安全构成潜在威胁［4-6］。及时准确掌握城市热岛效应的时空变化特征，对缓解城市热岛效应以及解决与之相关的环境污染、能源消耗、公共健康等问题具有重要意义［7-10］。

遥感技术具有宏观、快速、经济等特点［11］，能弥补气象站点空间分布的不足［12-13］，是实现区域或全球尺度城市热岛效应监测的唯一方法［8，14-15］。为了定量评估地表城市热岛的时空分布特征，人们基于遥感技术提出了诸多可行算法［16-18］。其中，城乡二分法是目前应用最为广泛的方法之一［19］，但如何划分郊区背景是利用城乡二分法估算地表城市热岛的难点［20］。常用的郊区背景划分方法有缓冲区法和规模法两种［1，10］：缓冲区法是以城市建成区外1～50 km 的缓冲区范围作为郊区背景［21-22］，规模法是在确定城市建成区后，以城区外1.5倍或2倍建成区面积作为郊区背景［23-24］。Li等［1］认为简单地将城市外固定缓冲区或固定面积区域作为郊区背景，会导致城市热岛强度监测出现误差。Lai等［25］认为使用相同的缓冲区评估不同地理和社会经济特征的城市热岛效应不合理，尤其是下垫面较为复杂的山地城市，复杂的地形环境使城区和郊区海拔差异较大，城区和郊区温差随海拔差异的增大而增加，简单地采用城市外固定区域作为郊区背景将加大二者温差，造成山地城市热岛效应评估误差，因而简单地利用缓冲区法和规模法估算山地城市热岛效应不合理。

除缓冲区法和规模法外，刘勇洪等［19］提出一种在农田基础上，结合地形、土地利用、植被覆盖和城市夜间灯光数据确定郊区背景的城市热岛强度的监测方法，分析与评估京津冀城市群11个平原城市热岛时空变化。邓玉娇等［26］选择以大面积覆盖，且与城市中心海拔相差较小的开阔农田作为郊区背景，定量分析粤港澳大湾区城市群城市热岛的时空分布特征，并采用多元线性回归，综合分析城市热岛的驱动因素。以上研究结果表明：地形、土地利用、植被覆盖和城市夜间灯光指数等在满足一定条件时，以农田或林地信息为郊区背景反演城市热岛强度是一种可行方法［27-28］。但不同于以上研究区，山地城市地表覆盖类型主要以植被与作物镶嵌类型和林地类型为主，农作物种植区域零散分布，不存在大范围连片种植区，且林地多集中在与城区海拔差异较大的区域，因而在中等分辨率尺度下（空间分辨率为1000 m），单一采用农田或林地信息作为郊区背景估算山地城市地表城市热岛不准确。为解决山地城市热岛效应监测过程的郊区背景划分问题，本文结合城市夜间灯光数据、高程数据及地表分类数据，提出一种针对山地城市郊区背景划分的方法，并采用城乡二分法定量评估2001—2020年重庆市主城都市区城市热岛时空变化，分析社会经济因子对城市热岛强度的影响。

本文插图中所涉及的行政区域界线基于审图号为GS（2019）3333号标准地图制作，底图无修改。

1 研究区概况与数据来源

1.1 研究区概况

重庆市别称山城，地处我国内陆西南部，位于长江上游，总面积为8.24×104km2，东西相距470 km，南北相距450 km，东依湖南、湖北，西接四川，北靠陕西，南抵贵州［29］。辖区主要分布在长江沿线，是我国西南地区主要的经济文化中心。重庆市地形起伏较大，辖区内海拔高度为16～2721 m，平均海拔高度为400 m，中部和西北部主要以丘陵和低山为主，北部和东南部主要为构成四川盆地边缘山地的群山，东有巫山，南有大娄山，东南方向有武陵山，北部有大巴山，地势呈现一山一岭、一山一槽二岭的形貌［30］。2020年5月9日重庆市主城区由原9区扩容至21区，扩容后的主城区被称为主城都市区，原主城区被称为中心城区。主城都市区（图1）主要集中在重庆市西部，海拔高度为131～2184 m，平均海拔高度为478 m。不同于平原大城市，重庆市主城区地表覆盖类型主要以混交林、城市和建筑区、草地以及作物和自然植被镶嵌类等地物为主，其面积占比分别为7.8%，4.6%，35.6%和48.8%。

图1 重庆市主城都市区数字高程和地表分类Fig.1 Digital elevation and land-cover of the metropolitan circle of Chongqing

1.2 数 据

1.2.1 地表温度

本文选用MODIS 地表温度产品数据（MOD-11A1 V006）定量评估重庆市主城都市区热岛效应时空分布特征。MOD11A1 V006是Wan［31］结合广义分裂窗算法［32］和昼夜算法［33］反演的第6代MODIS LST 产品数据，其空间分辨率为1 km，时间分辨率为1 d。Wan［34］和Duan等［35］研究表明：在均质场地处MODIS LST 的误差小于1 K。由于精度高且易获取，MODIS LST 被广泛应用在城市热岛、地表土壤水分变化等研究领域。主城都市区城市热岛季节和年产品数据为LST 日产品数据采用平均值合成法得到，其中冬季为前一年12月—2月、春季为3—5月，夏季为6—8月，秋季为9—11月，年度为1—12月。

1.2.2 地表覆盖类型

MCD12Q1是MODIS三级土地覆盖类型产品数据［36-37］。根据国际地圈生物圈计划的描述，MCD12Q1包含17个主要土地覆盖类型和1 个未分类，其中17个主要土地覆盖类型包含11个自然植被类型、3个土地开发和镶嵌的地类和3个非草木土地类型定义类［38-39］。由于数据空间分辨率为500 m，为匹配MODIS11A1数据的空间分辨率，本文采用MODIS二次投影工具（MODIS reprojection tool，MRT），对数据进行拼接、投影转换、重采样等处理，生成2001—2020年重庆市地表覆盖类型数据集。

1.2.3 夜间灯光数据

夜间灯光数据灰度值多用于提取城市建成区和反映人类活动的影响范围［40］。当前常用的夜间灯光数据主要来自DMSP（Defense Meteorological Satellite Program）和Suomi NPP 卫 星［41-42］。DMSP 卫 星上搭载的Operational Linescan System（OLS）传感器可生产1000 m 分辨率的夜间灯光数据产品。Suomi NPP卫星上搭载的可见光／红外辐射成像仪（visible infrared imaging radiometer suit，VIIRS）能够获取新的夜间灯光遥感影像，空间分辨率提高至750 m，生产的夜间灯光数据产品空间分辨率为500 m。本文利用DMSP／OLS 数据（2001—2013 年）和Suomi NPP／VIIRS数据（2014—2020年）划分城市建成区和几乎不受人类活动影响的郊区背景区域。

1.2.4 社会经济因子

本文收集2001—2020年重庆市总人口数、城镇人口数、国内生产总值、能源消耗总量、车辆保有量和建成区面积等经济因子数据，用于定量评估重庆市主城都市区城镇化进程对城市热岛强度的影响。社会经济因子数据来源于重庆市统计局发布的历年统计年鉴。

2 研究方法

不同于平原地区，重庆市主城都市区地形起伏较大，下垫面覆盖类型相对复杂，在1 km 尺度下作物与自然植被镶嵌分布，基于传统缓冲区法和规模法划分的郊区参考背景无法准确评估主城都市区城市热岛效应的时空分布特征。为解决山地城市热岛效应监测过程中郊区背景难以划分的问题，本文结合夜间灯光指数、地表覆盖类型及高程等数据，提出一种适用于山地城市郊区背景划分的方法，并利用划分的郊区背景和城区范围，采用城乡二分法定量评估主城都市区地表城市热岛时空分布特征，具体步骤：①利用MODIS 土地覆盖类型数据（MCD-12Q1），采用传统缓冲区算法提取主城区外5～25 km 范围的缓冲区；②筛选出缓冲区内与城区平均海拔高差小于50 m 的像元；③选择夜间灯光值小于15的像元用于确定不受人类活动影响的区域，即为一般不存在热岛影响的郊区背景区域。

地表城市热岛表征城市地表温度与郊区地表温度的差异。本文采用叶彩华等［43］提出的热岛强度指数及等级划分标准定量评估重庆市主城区城市热岛的时空变化规律。城市化进程以及郊区城镇化会影响城市热岛效应的强度，本文通过分析各社会经济因子与城市热岛强度间的相关性定量评估城市化对地表城市热岛的影响。

3 结果与分析

3.1 郊区背景划分对比

图2为基于传统缓冲区法和本文提出的综合缓冲区法在5～25 km 尺度下提取的重庆市主城都市区郊区背景空间分布。由图2可知，不同缓冲区尺度下，传统缓冲区法和综合缓冲区法提取的郊区背景区域存在明显差异，主要集中在主城都市区的东部、西部部分区域及中心城区山脉处。郊区背景存在差异的区域与城郊高程差大于50 m 的区域重合，说明两算法提取的郊区背景差异主要源自是城区、郊区高程差的限制。传统缓冲区法仅以城区外固定范围的缓冲区作为郊区背景，该方法适用于城区与郊区海拔高差较小的平原地区。对于地形复杂的山地城市，城区与郊区海拔差异较大，且城区外固定范围内地表覆盖类型复杂，采用传统缓冲区算法提取的郊区背景中包含大量高海拔林地像元，较大的海拔差会对城区、郊区的温差造成一定影响，从而影响城市热岛效应的监测精度。本文提出的综合缓冲区法考虑了城区与郊区的高程差以及零星分布的城镇对城市热岛监测的影响，剔除了传统缓冲区范围内与城区平均海拔高程差大于50 m 的区域，以降低海拔高程差对城市热岛监测精度的影响。

图2 传统缓冲区法和综合缓冲区法在5～25 km 尺度下提取的主城都市区郊区背景空间分布Fig.2 Rural reference map of the metropolitan circle of Chongqing extracted at the scale from 5 km to 25 km based on traditional buffer algorithm and comprehensive buffer algorithm

图3为2001—2020年基于传统缓冲区法和综合缓冲区法在25 km 缓冲区尺度下提取的主城都市区郊区背景面积，城区面积和夜间灯光指数大于15的区域面积随时间的变化结果。由于传统缓冲区法以固定缓冲区范围作为郊区背景，在25 km 缓冲区尺度下，传统缓冲区法提取的郊区背景面积只随着城区面积的增加而减少，且郊区背景面积年际变化相对较小。综合缓冲区法剔除了传统缓冲区范围内夜间灯光指数大于15的像元，在25 km 尺度下提取的郊区背景面积随城区外夜间灯光指数大于15的区域面积的增加而减少，说明在忽略海拔高度对郊区背景面积变化的影响下，综合缓冲区法提取郊区背景的另一个影响因素为卫星城镇分布。城区外夜间灯光指数大于15 的区域面积增大，表明2001—2020年重庆市主城都市区郊区卫星城镇迅速扩张，但这部分像元在地表覆盖类型产品上未被标识为城镇和居民用地，这势必对城市热岛监测精度造成一定误差，因此剔除郊区范围内夜间灯光指数大于15的像元可降低卫星城镇对城市热岛监测精度的影响。

图3 2001—2020年传统缓冲区法和综合缓冲区法在25 km 尺度下提取的重庆市主城都市区郊区背景面积、城区面积和夜间灯光指数大于15的区域面积Fig.3 Rural reference areas of the metropolitan circle of Chongqing extracted at 25 km scale by traditional buffer algorithm and comprehensive buffer algorithm，city area and area of nighttime light great than 15 from 2001 to 2020

3.2 地表城市热岛监测及评估

3.2.1 地表城市热岛监测结果对比

基于传统缓冲区法和综合缓冲区法提取的郊区背景估算的主城都市区地表城市热岛空间分布差异如图4所示。由图4可知，两种方法计算的较强热岛和强热岛区空间分布较为一致，均主要分布在渝北区西南部、渝中区、江北区西部、沙坪坝东部以及九龙坡区东北部等区域，这与重庆市主城都市区城市和建筑区主要集中群位置一致（图1）。但传统缓冲区法估算的弱热岛区域面积明显大于综合缓冲区法的估算结果。传统缓冲区法估算结果除大足区、荣昌区、潼南区以及武陵山区外，其余区县均受大范围的弱热岛影响。综合缓冲区法估算结果的弱热岛区域主要分布在较强热岛和强热岛附近区域以及江津区北部。结果存在明显差异的原因是传统缓冲区法提取的郊区背景包含了大量的高海拔林地像元，降低了郊区背景平均温度，从而加大了城区和郊区温度差，使一些非城镇区域出现了假热岛现象。

图4 传统缓冲区法和综合缓冲区法提取郊区背景估算的重庆市主城都市区城市热岛空间分布Fig.4 Spatial distribution of the surface urban heat island in the metropolitan circle of Chongqing estimated by traditional buffer algorithm and comprehensive buffer algorithm

3.2.2 缓冲区尺度对地表城市热岛的影响

图5为2020 年夏季郊区尺度从5 km 增加到25 km 重庆市主城都市区城市热岛的空间变化。由图5可以看到，重庆市主城都市区热岛等级随着缓冲区尺度的增大而增大，热岛等级升高的区域面积为2302 km2，占总面积的8.02%。图6为不同缓冲区尺度主城都市区城市热岛等级面积统计结果。由图6可知，随着缓冲区尺度的增大，较强热岛和强热岛面积逐渐增加，但强冷岛和较强冷岛的面积逐渐减小，变化幅度随缓冲区尺度的增加而减小。这是由于缓冲区尺度过小时，算法提取的郊区背景像元主要集中在城区像元附近，此时城区和郊区像元间温差较小，随着缓冲区尺度逐渐增大，郊区背景范围覆盖区域逐渐远离城区，此时城区和郊区温差扩大。

图5 2020年夏季郊区尺度从5 km 增加到25 km 重庆市主城都市区城市热岛空间变化Fig.5 Areas variation of the surface urban heat island in the metropolitan circle of Chongqing with buffer zone scale increasing from 5 km to 25 km in summer of 2020

图6 2020年夏季不同郊区缓冲区尺度下重庆市主城都市区城市热岛等级面积Fig.6 Areas of different surface urban heat island level in the metropolitan circle of Chongqing at different buffer zone scales in summer of 2020

3.2.3 主城都市区地表城市热岛时空分布特征

地表城市热岛表征城市地表下垫面对城郊温差的影响。在分析热岛效应年际变化前，本文首先分析2001，2008，2013年和2020年重庆市主城都市区城区面积变化。2001年重庆市主城都市区城市面积为718 km2，面积占比为2.5%；2008年城区面积扩大为1046 km2，面积占比为3.6%，扩大区域主要集中在中心城区的西部以及各区县驻地附近；2013年主城都市区城区面积进一步扩大至1139 km2，面积占比为4.0%；2020 年主城都市区城区面积为1386 km2，面积占比为4.8%。2001年至2020年重庆市主城都市区城区面积扩大了668 km2，城区面积增速为33.4 km2·a-1。

图7为2001，2008，2013年和2020年基于综合缓冲区法估算的重庆市主城都市区城市热岛年平均空间分布。主城都市区城市热岛效应与城市建成区空间分布较为一致，且热岛区面积随城市建成区面积扩大而增加。2001年主城都市热岛区面积较小，较强热岛等级以上区域主要集中在渝北区、渝中区和九龙坡区驻地所在区域，区域面积占比为0.5%，弱热岛影响区域面积占比为12.91%，无热岛及冷岛区域面积占比为86.59%。2008年城市化进程加快以及城镇人口增加，受较强热岛以上等级区域面积占比增加为1.0%，弱热岛影响区域面积占比增长为10.44%，无热岛及冷岛区域面积占比为88.56%。与2008年相比，2013年较强热岛以上等级区域面积明显增大，长寿、涪陵、南岸等区（县）出现较强热岛现象，面积占比增加为3.26%，弱热岛区域面积占比增加为17.47%，无热岛及冷岛区域面积占比则减少为79.27%。2020年随着地表覆盖类型的改变，受热岛效应影响区域面积继续扩大，主城都市区各区、县政府驻地附近均出现了热岛效应，受较强热岛以上等级影响区域面积占比达到3.73%，弱热岛影响区域面积占比为19.33%，无热岛及受冷岛影响区域面积占比为76.94%。图8 为2001—2020 年主城都市区热岛面积占比随时间的变化。由图8可知，主城都市区较强热岛和强热岛面积均随时间的增长呈波动上升的趋势，较强热岛面积占比从2001年的0.5%增长为2020年的2.95%，年增速为0.12%；强热岛面积占比从2001年的0.21%增长为2020年的0.78%，年增速为0.03%。以上统计结果表明：2001—2020年主城都市区热岛区域主要分布在中心城区及各区（县）政府驻地区域，热岛影响范围随着时间的推移逐渐扩大，且热岛影响等级也逐渐增大。

图8 2001—2020年重庆市主城都市区较强热岛和强热岛面积随时间变化Fig.8 Area changes of surface urban heat island in the metropolitan areas of Chongqing from 2001 to 2020

图9为2020年重庆市主城都市区城市热岛的季节分布。由图9可知，重庆市主城都市区热岛强度空间分布存在明显季节差异。春季主城都市区主要受弱热岛和弱冷岛影响，弱热岛分布在中心城区、潼南和合川等区（县），面积占比为10.56%；弱冷岛分布在主城都市区的东部和中心城区内各山脉处，面积占比为30.80%。夏季随着气温的不断升高，城区不透水面地表温度升温明显大于郊区茂密植被和林地区域，使主城都市区城郊温差增大，城市热岛效应明显增强，受较强热岛和强热岛影响区域明显增大。较强热岛和强热岛区域集中在中心城区及各区（县）驻地处，两者面积占比升高至7.31%。此外受城市增温辐射影响，部分城、郊结合区域受弱热岛影响，影响面积占比为13.13%。秋季主城都市区主要受弱热岛影响，部分区域出现较强热岛，弱热岛和较强热岛影响区域面积占比分别为14.88%和4.53%。秋季高海拔地区降温明显，低海拔地区降温缓慢，导致主城都市区东部出现冷岛效应，受弱冷岛、较强冷岛和强冷岛影响区域面积占比分别为32.02%，10.28%和4.24%。冬季主城都市区超过一半的区域不受热岛效应影响，中心城区存在小范围的弱热岛影响区域，其面积占比为11.10%，东部地区则出现弱冷岛和较强冷岛区域，区域面积占比分别为29.30%和6.31%。综上所述，重庆市主城都市区城市热岛效应主要呈夏季最强、冬季最弱的趋势，这与遥感监测城市热岛效应结果一致［44-46］。

图9 2020年重庆市主城都市区城市热岛季节分布Fig.9 Seasonal spatial distribution of surface urban heat island in metropolitan circle of Chongqing in 2020

3.3 城市化进程对地表城市热岛的影响

经济规模、能源消耗、机动车保有量、建成区面积等是表征城市化进程的直接指标因子，根据各社会经济因子与城市热岛面积之间的关系，可为控制山地大城市发展方向和规模，避免城市热岛提供的数据依据。本文利用2001—2020年重庆市统计年鉴中的总人口数、城镇人口数、国内生产总值、能源消耗总量、城市建成区面积及民用车辆拥有量6个因子与各年较强热岛等级以上面积进行线性拟合（图10）。由图10可见，2001—2020年重庆市总人口数、城镇人口数、国内生产总值、能源消耗总量、城市建成区面积及民用车辆拥有量均与热岛面积间呈显著正相关关系，相关系数分别为0.91，0.94，0.95，0.94，0.90 和0.96（均 达到0.01 显著性水平）。表明在城市发展过程中，总人口数、城镇人口数、国内生产总值、能源消耗总量、城市建成区面积及民用车辆拥有量的变化对重庆市主城都市区热岛强度的变化均有重要影响。

图10 2001—2020年重庆市主城都市区各经济因子与较强热岛以上面积散点图Fig.10 Scatter plots of the economic factors and the areas of surface urban heat island in the metropolitan circle of Chongqing from 2001 to 2020

4 结论与讨论

为及时准确评估山地城市热岛效应的时空分布特征，本文提出一种针对山地大城市郊区背景划分的方法，对2001—2020年重庆市主城都市区城市热岛时空变化特征进行分析和评估，得到以下主要结论：

1）综合缓冲区法剔除了与城区海拔高度差较大的像元和夜间灯光值大于15的像元，估算的地表城市热岛空间分布优于传统缓冲区法估算结果。

2）重庆市主城都市区较强热岛以上等级区域主要集中在中心城区、长寿区、涪陵区以及各区县驻地附近区域，较强冷岛和强冷岛区域集中在东南部的高海拔地区以及中心城区部分山脉处。

3）2001—2020年重庆市主城都市区地表城市热岛面积随时间增长呈波动上升趋势，其中较强热岛面积占比从2001 年的0.5%增长为2020 年的2.95%，平均年增速为0.12%；强热岛面积占比从2001年的0.21%增长为2020年的0.78%，平均年增速为0.03%。此外，地表城市热岛具有明显的季节特性，夏季最强、冬季最弱。

4）2001—2020 年重庆市总人口数、城镇人口数、国内生产总值、能源消耗总量、城市建成区面积及民用车辆拥有量均与热岛面积间呈显著正相关关系，表明社会经济因子对重庆市主城都市区热岛强度的变化具有重要影响。

本文综合采用夜间灯光数据、高程数据及地表分类数据，提出一种适用于山地城市热岛效应监测的郊区背景划分方法，并讨论不同缓冲区尺度对热岛效应监测的影响，同时分析社会经济因子对城市热岛时空变化的驱动作用。但仍存在一些关键问题：①为剔除山地城市中卫星城镇对地表城市热岛监测精度的影响，本文参考刘勇洪等［19］的研究成果，将夜间灯光值小于15的像元认定为完全不受人类活动影响的区域，但未讨论该阈值在重庆主城都市区的适用性。后续将详细研究适用于山地城市的城区和郊区夜间灯光阈值。②由于目前缺乏评估地表城市热岛监测精度的指标，在讨论缓冲区尺度对地表城市热岛监测精度的影响时，本文仅能解释不同缓冲区尺度下地表城市热岛的监测结果，无法确定地表城市热岛监测的最佳尺度。③城市化进程是影响地表城市热岛的因素，本文通过线性相关分析社会经济因子对地表城市热岛的可能影响，但未从机理上解释各因子对地表城市热岛的具体影响。局地天气形势与气象条件是影响地表城市热岛的外部因素［47-49］，风速、云量、大气环流等气象条件均是影响地表城市热岛的重要因素，下一步将考虑结合数值模式分析天气系统对地表城市热岛的影响机制。