基于Landsat数据的重庆市热环境时空格局变化研究

孟珂宇，徐丽华

(西南大学 资源环境学院，重庆400715)

0 引言

自二十世纪以来,城市化的快速发展导致人类活动的聚集和土地利用强度的加大,引起了城市热环境的显著变化,城市热环境对社会经济和人类健康产生重要影响[1-3]。随着空间信息技术的不断成熟,遥感技术在城市热环境研究方面取得了越来越广泛的应用。目前,关于城市热环境的研究主要集中在城市热环境时空格局分布及其驱动力因素方面。由于城市热环境受到气候特征、地理区位和土地利用情况等因素的作用较大,目前并不存在一套普适性、能够反映大部分城市特征的规律。因此当前对于城市热环境的研究,各位学者主要是结合各自研究区的特点,研究不同区域的热环境变化及其影响因素。对于城市热环境时空格局分布研究主要分为三类:对热环境分布格局年际变化[4-6]、季节变化和日变化的研究[7-10],其中热环境的年际变化研究最为广泛。城市热环境也称作城市热岛效应,是城市内空气、下垫面和各种外部因素组成的与热有关的热现象总和,而空气温度或下垫面表面温度是城市热环境的核心。热环境的影响因素主要包括植被覆盖度、水体覆盖度、不透水地面比例、归一化建筑指数(NDBI)、建筑密度等地表因素[11-16]以及绿地、水体、城市开放空间等特定的地表要素[17-19]。

2018年,重庆主城九区(渝中区、江北区、南岸区、九龙坡区、沙坪坝区、大渡口区、北碚区、渝北区和巴南区)人口占重庆市总人口的20%,是市内人口密度最大、经济水平发展最高的都市功能核心区,也是政治、文化的中心。另一方面,重庆市是典型的山地城市,地处四川盆地,两江交汇之处,夏季炎热,极端高温天气频繁出现。人口的高度密集和地形特征,导致重庆主城九区热环境问题较突出。近年来,重庆市高温现象频繁出现,如2016年8月连续12 d发布高温红色预警信号,刷新了极端高温新历史;2018、2019年夏季平均气温较常年显著偏高1 ℃,对人体健康和农业经济都产生了损失。本文拟以2001、2019年2期Landsat数据源,研究其近20年的城市热环境格局特征及其变化,并对NDVI、DEM和NDBI等因素对城市热环境的影响程度进行分析。以期为合理规划城市空间布局、改善城市生态质量提供依据。

1 材料与方法

1.1 研究区概况

本文研究区为重庆市九区,位于重庆市西部,地处106°14′E～106°53′E,29°19′N～29°57′N,面积为547 3 km2。研究区面积仅占全市的6.6%,但人口非常密集,2018年重庆主城九区的人口总数为687.49万,占重庆市总人口的20%。研究区主要位于长江和嘉陵江沿线,境内为川东平行岭谷区,山地谷地纵列分布,海拔为34～140 1 m,起伏较大,区内典型土壤为紫色土。重庆属亚热带季风性湿润气候,冬暖夏热,无霜期长、雨量充沛,降雨多集中于5—9月。2019年,重庆平均气温17.9 ℃,全市平均降水量1 120.8 mm。

1.2 数据源及其预处理

研究所采用的数据是覆盖2001年和2019年的2期Landsat数据,每期4景,详细信息如表1所示(数据来源https://www.gscloud.cn/)。Landsat是美国NASA发射的陆地卫星,能够提供长时间序列和稳定的数据,在探测地球资源、监测环境方面已有广泛应用。研究采用的2期影像多光谱波段分辨率均为30 m,热红外波段分辨率分别为120、100 m。影像云量均小于5%,能见度高、成像质量较好。对获得的卫星影像进行辐射定标、大气校正和影像裁剪等预处理,得到图1。

图1 研究区预处理后影像Fig.1 Preprocessed images of study area

表1 研究所用影像数据信息Tab.1 Information of research image data

1.3 研究方法

1.3.1 地表温度反演方法

辐射传输方程法是地表温度(Land Surface Temperature,LST)反演常用的方法,其公式为:

Lλ=[ε*B(TS)+(1-ε)L↓]*τ+L↑,

(1)

式中:Lλ为辐射强度,ε为地表比辐射率,TS为地表真实温度,B(TS)为普朗克定律推导得到的黑体在TS温度下的热辐射强度,τ为热红外波段的大气透过率,L↑和L↓分别为大气向上和大气向下辐射强度。由上式推得温度为T的黑体在热红外波段的辐射强度B(TS),根据普朗克定律反函数,得到LST:

(2)

(3)

式中:Lλ由影像的DN值计算得到,本研究中分别为TM影像第6波段、TIRS影像第10波段的像元值;L↑、L↓以及τ可以通过影像成像时间以及中心经纬度在NASA官网(http://atmcorr.gsfc.nasa.gov/)获得,K1、K2可以通过影像的头文件获得,ε通过植被覆盖度获取。

本研究中将像元分为水域、城镇以及自然表面三种,分别计算其地表比辐射率[20]:

(4)

式中:FV为植被覆盖度。

FV=(NDVI-NDVIS)/(NDVIV-NDVIS),

(5)

式中:NDVIS和NDVIV分别为裸土和植被的NDVI值,取NDVI累计百分比的95%和5%为植被NDVI和裸土NDVI值对植被覆盖度进行近似估计[21]。

1.3.2 影响因子选取

城市热环境是由自然环境与人类活动共同作用形成的。研究区是典型的低山丘陵地区,区域内高程差异较大,同时近年来经济发展迅速,城市下垫面变化迅速。因此本文选择海拔、植被覆盖和建筑密度作为影响因子,定量研究其与LST的响应关系。DEM为数字高程模型,可以反应研究内海拔高度变化;NDVI是能够表征植被覆盖度和其健康状态的重要指标;NDBI指代建设用地的密集程度[22-23]。其中高程数据为ASTER GDEM数据(数据来源https://www.gscloud.cn/),分辨率为30 m。NDVI和NDBI指标计算如下:

(6)

(7)

式中:R为红光波段,分别对应Landsat5、Landsat8的第3、4波段;NIR为近红外波段,分别对应Landsat5、Landsat8的第4、5波段;SWIR为短波红外波段,分别对应Landsat5、Landsat8的第5、6波段。

2 结果与分析

2.1 LST空间格局

2.1.1 LST空间分布特征

将LST采用双线性内插法重采样至1 000 m分辨率,与同日期的MOD11A1产品进行作差比较,对反演得到的LST进行精度验证。MOD11A1数据来自NASA网站(https://ladsweb.nascom.nasa.gov/search),采用MRT工具对其进行重投影并按研究区边界进行裁剪。结果显示差值平均值为0.22、0.69 ℃,且最大差值均不超过1 ℃。

为了更直观地量化LST,对LST进行相应的处理。首先进行归一化处理,公式如下:

(8)

式中:Tg为归一化后的LST,TS为反演所得LST,Tmax和Tmin分别为每一景遥感影像反演所得到的LST最大值和最小值。

参考学者徐涵秋的文章发现,均值-标准差法不仅能消除不同时期影像带来的差异,还能充分表征城市内部热环境的变化细节[24],因此本文选择均值-标准差法将LST分为6级。将研究区划分为低温区、次低温区、中温区、次高温区、高温区以及超高温区6类[25],得到结果如图2所示。

(a)2001年LST分布

(b)2019年LST分布

2001年,研究区6个温度等级面积从大到小的顺序是:次低温区>中温区>低温区>次高温区>高温区>超高温区。最高温和最低温分别为23.6、41.2 ℃。区域整体以低温区、次低温区以及中温区为主,超高温区面积极小。超高温区主要集中于两江交汇及长江沿岸区域,以江北区西南部大石坝、鲤鱼池一带、渝中半岛—沙坪坝区东部一带、九龙坡东北部陈家坪—石坪桥一带、大渡口区重钢片区、南岸区海峡路、铜元局一带以及巴南区李家沱一带、鱼洞一带为代表;除此之外,还有九龙坡区华龙一带、江北机场—空港、南岸区茶园片区为次高温区或是高温区。由于2001年研究区发展水平较低,此时建筑多依水而建,人类活动都集中在渝中区、江北区、沙坪坝区、九龙坡区、南岸区以及大渡口区各老城区,因此以上区域温度略高于其他人迹活动稀少的区域。

到了2019年,研究区6个温度等级面积从大到小的顺序是:中温区>次高温区>次低温区>高温区>低温区>超高温区。最高温和最低温分别为27.4、50.6 ℃。研究区内LST总体呈现“内高外低”的空间格局。由于经济发展,城市建成区向外扩张,高温区域成片密集出现。整体温度最高最为突出的是两江新区,其次为渝北区空港—江北机场—回兴、重庆北站—民心佳园和悦来—国博、江北区寸滩—海尔工业园这一片区高温区域集聚。渝中半岛—沙坪坝区双碑—重庆西站—九龙坡区华岩以东—大渡口区建桥工业园以北区域都是热岛效应较为显著的区域。南岸区西部以及中部茶园工业园,巴南区李家沱—鱼洞一带、木洞区域以及东北部的麻柳嘴镇也是温度较高区域;此外北碚区复兴—蔡家、沙坪坝区西部土主物流园—西永微电园、井口工业园、九龙坡区白市驿、九龙工业园—西彭工业园、大渡口工业产业园以及巴南区界石工业园—华南城一带也是新增的高温区域;而低温区则位于巴南区南部,为海拔较高、植被覆盖密集的区域;除此以外多为中温区。

2.1.2 LST时空变化趋势

从整体来看,2001—2019年,研究区内LST明显上升。目前重庆市主城九区高温区域较多且由中心两江沿岸向外扩张,整体呈现向北扩张的趋势。

观察图2可以发现,研究区内四山南北纵贯、两江环抱,独特的山水自然格局将研究区分割为几大部分,城市的总体布局规划也基于自然特色,呈现“多中心组团式”空间格局。高温区、超高温区也与各组团中心大致重合。下垫面的改变被认为是LST变化最根本的原因。近年来随着城市化的逐步推进,水体、植被转化为了建筑、硬质路面,硬质路面吸收大量入射的太阳辐射导致LST升高。城市化还加强了人口的聚集与人类活动的强度。人类的生产、交通活动必不可少地会带来能源消耗、废气排放等一系列被认为是导致LST变化的因素。研究区高温区域主要集中在工业园区和商业区。工业是研究区经济发展的支柱产业,2001—2019年间研究区内设置成立了大量的工业园区,如港城工业园区、建桥工业园区和西永微电园等,工业用地加速蔓延,并产生集聚效应。研究区处于低山丘陵地区,东南部、北部地形较高,难开发且城市发展受地形限制,2001年高温区域集中在中梁山以东、铜锣山以西和两江四岸附近。近年来随着基础设施的完善,桥梁、隧道的修建提高了城市扩张的速度。在政策的指引下,如2010年国市扩张突破了自然因素的限制,国务院设立了两江新区,2017年国务院建立了中国(重庆)自由贸易试验区,“渝新欧”班列的开通,给重庆带来了更多机遇和发展,而产业聚集带来的副作用之一就是局部区域的LST升高,热环境问题突出。

利用反演得到的2期LST,计算得到2001—2019年的温度等级转移矩阵,如表2所示。可以看出,2001—2019年,重庆市主城区内各温度等级面积变化较大,主要原因是随着研究区快速城市化发展,导致了LST整体升高,低温区和次低温区的面积大幅度减少。面积变化最剧烈的是次低温区,减少了2 840.04 km2,其面积大部分转移到了中温区,导致中温区面积增加最多(2 337.33 km2),成为2019年研究区内面积最具优势的温度等级。分析发现,温度等级的转移变化最大的是低温区—次高温区之间各等级的转换,且多发生在相邻2个等级内,这说明研究区内温度激增或骤降的区域很少。超高温区面积变化虽然最为平缓,但其对人类活动和生态环境造成的影响最大,需要引起强烈重视。

表2 2001—2019年温度等级转移矩阵Tab.2 Transfer matrix of temperature grade from 2001 to 2019 单位:km2

2.2 热力景观格局演变分析

本研究在斑块类型水平上,对各温度等级的格局演变从数量(斑块数量)、形态(景观形状指数、凝聚度指数)以及结构(斑块密度、最大斑块指数)三方面进行了分析;在景观水平上,选取了蔓延度指数、连通性指数、多样性指数和均匀度指数来表征热力景观格局的特征和变化[25],使用的软件为Fragstats。2001、2019年斑块类型水平的各景观指数如表3所示。

表3 斑块类型水平上热力景观指数Tab.3 Thermal landscape index on patch type level

2.2.1 斑块类型水平上热力景观格局演变

①破碎化程度降低,优势斑块改变

从斑块密度来看,研究区内低温区、次低温区以及中温区区域的斑块密度都下降了0.78～0.98,说明各温度等级区域的破碎化程度显著降低;而随着热环境的加剧,高温区域持续扩张,导致次高温区、高温区以及超高温区的斑块密度上升。从最大斑块指数来看,中温区最大斑块指数增长了12倍,在2019年代替次低温区为研究区的优势斑块类型,这也说明了研究区内整体呈温度上升的趋势;

②聚合程度增大、连通性较强

从景观形状指数来看,温度较低区域(低温区、次低温区以及中温区)的景观形状指数均呈下降趋势,说明其区域边界由复杂向简单变化,斑块向聚集化发展;而高温区域因为由研究区中心向外扩散,斑块大量增加,导致景观形状指数上升。因为2019年高温区和超高温区多为工业用地,连结成片,所以斑块的团聚性较2001年增强较多。2019年所有等级的凝聚度指数均大于95,说明研究区实际景观格局对城市规划有较好的响应,所有斑块的聚合程度都较好,连通性较强。因此在未来发展中,要注意继续保持低温斑块的团聚性,对于高温区域则要适当采取阻隔措施,如修建绿化带,增加植被面积等防止高温斑块大量团聚,造成热环境。

2.2.2 景观水平上热力景观格局演变

2001、2019年景观水平上热力景观指数如表4所示。对研究区从景观水平上分析,2001—2019年,斑块数量和斑块密度大幅度减少,均降低了62%,这体现了重庆市主城区的热力景观总体上呈聚集化,也说明随着经济发展和城市规划,研究区对土地的集约利用有了显著的效果。蔓延度指数有所上升,说明研究区内斑块总体向着密集、团聚的方向发展,连通性增强。连通性指数变化不大,均高于99.8,说明研究区内斑块整体连通性一直较高。从均匀度指数和多样性指数来看,二者分别减少了0.06和0.03,说明研究区近年来的发展导致景观的多样性和均衡性稍微有所下降。同时,均匀度指数在0.5左右,说明研究区景观均衡性较低,这也为研究区日后在发展建设的同时,要注重生态环境的维护提供了思路。

2.3 城市热环境成因分析

将2019年反演LST与来源于中科院地理科学与资源研究所的同期土地利用数据叠加,如图3所示。可以发现绝大多数的高温区域是建设用地,目前重庆的经济支柱以第二产业为主,因而研究区内工业园区较多,工业园通常占地面积较大且多为硬化地面,植被覆盖率低,加之日常生产工作导致其局部LST过高。由于研究区地处山地,碍于地形的制约,各工业园区区位与人类活动区域临近,导致其散热效果不好,也易使热量聚集。此外,重庆市主城区在空间格局上呈现多中心组团式发展,各大商圈的建筑密度和人口密度较大,其LST也较高。近年来重庆的旅游业有长足发展,机场及各大火车站吞吐量极大,LST也升高。已知水体对地表面有降温作用,但在2019年,研究区两江流域及其周围的温度并未显现出明显的降低,这是因为重庆位于丘陵地区,为了加强各区之间的交流连通,修建众多桥梁,导致硬化地面掩盖了水面,从而水体的降温效应不明显。而研究区内海拔较高的山地由于地形原因,开发痕迹更小,因此其植被覆盖更高,区域温度较低,如中梁山山脉、缙云山山脉以及巴南区南部区域。

图3 2019年重庆市主城九区LST Fig.3 LST of Chongqing urban district in 2019

可以看出,地形、建筑以及植被覆盖度是影响研究区LST的重要影响因素。因此本研究选择NDVI、DEM以及NDBI三个指标表征,对其与LST做Pearson相关分析,如表5所示。

表5 各影响因子与LST相关系数Tab.5 Correlation coefficient between influence factors andLST

①NDVI与LST相关性分析

比较2期NDVI值,发现NDVI与LST呈负相关,而2019年NDVI相关系数达到了-0.68,比2001(-0.48)呈现更大的相关性,这表明2019年NDVI与LST联系较2001年相比更为紧密,说明城市热环境的恶化,导致对植被的依赖性增强。在日后规划布局中,注意合理规划绿地格局,充分发挥其对于城市热环境的缓解作用。同时2019年绿地的降温作用比2001年更为显著。2019年NDVI每增加0.1,LST就降低2 ℃;

②DEM与LST相关性分析

DEM与2期LST的相关性分别为-0.4和-0.48,说明研究区内高程与LST呈负相关,且2019年二者相关性更大,对研究区而言,海拔每升高100 m,LST可降低0.8 ℃。重庆市位于山地丘陵地区,地形起伏较大,其地面温度与高程的相关性较显著。同时近年来由于发展规划的要求,研究区内在海拔较低的平坦地区修建了多座大型工业园区,导致海拔低的地方与相对高海拔地区温差更大。

③NDBI与LST相关性分析

2期NDBI与LST呈正相关。随着城镇化导致的人口密集,使得城市范围向外扩张,地表建筑覆盖度增大,而硬化后的土地通常具有散热性差的特征,破坏地表热平衡,使得LST上升,因此LST与NDBI的关系也更为紧密。

综合来看,3个指标与LST均有较强相关性,且到2019年,研究区对3个影响因子的响应均强于2001年,LST与3种地表因素的相关性为:NDBI>NDVI>DEM,说明在城镇化较完善的主城九区,比起高程和植被覆盖度等自然因素,建筑覆盖度对LST的影响更大。

3 结论

本文基于2期Landsat影像,使用辐射传输方程算法反演得到LST,并采用景观格局分析法、相关性分析法对重庆市主城区近20年热环境格局的特征和变化进行了研究,结果表明:

①2001—2019年间,随着城市发展建设,重庆市主城九区城市热环境显著加剧,整体上呈现向北延伸的趋势,高温区域面积扩张,同时分布上由零散向聚集成片化发展,且多为建设用地。到2019年主城九区LST呈现“内高外低”的空间格局。

②研究区低温区域边界由复杂向简单变化,斑块向聚集化发展,热力景观总体上连通性高,斑块趋于聚集化,同时多样性和均衡性还有待加强。

③LST与3种地表因素的相关性为:NDBI>NDVI>DEM,且3种地表因素2019年相关性均高于2001年。NDVI和DEM与LST呈负相关,NDBI与LST呈正相关。

重庆市作为典型的山地城市,对其热环境的研究对于其他具有相似地形特征的地区有一定的借鉴意义和参考价值。