大理市森林景觀形態與熱環境的動態研究

張順敏,黃曉園,劉俊澤,陳 蓉,李 翔

(西南林業大學 地理與生態旅游學院，昆明 650224)

快速城市化進程導致了熱島效應的發生[1]。根據聯合國政府間氣候變化專門委員會(IPCC)第六次評估報告顯示,2011—2020年,全球地表溫度比1850—1900年升高了1.1℃,預計在2021—2040年內達到1.5 ℃[2]。全球氣溫的升高會導致危害多發并發,其中之一就是城市熱環境。城市熱環境所體現的城市熱島效應作用于城市,造成了空氣污染嚴重、疾病發病率上升和生物多樣性降低等一系列負面影響,熱環境正嚴重影響城市的正常運作和居民的生活質量。在此背景下,可持續發展理念受到世界各國的認同,熱環境的研究越發受到全球學者的關注[3]。當前對熱環境的研究主要是利用Landsat數據來反演地表溫度,如單通道算法[4]、多通道算法[5]、劈窗算法[6]。研究內容主要體現在土地利用類型[7-8]、城市空間格局[9]、植被覆蓋度[10]、地理單元劃分[11]、景觀格局[12]、數值模擬[13]和源匯景觀[14-15]等方面,而在森林景觀方面多采用景觀格局指數來衡量[16]。研究所涉及的指標都是從數值角度對城市的森林空間布局進行量化,反映的是森林整體形態特征,缺乏對森林內部空間格局的考量。運用形態學空間格局分析(Morphological Spatial Pattern Analysis,MSPA)研究森林景觀已受到國內外學者的廣泛關注[17-19]。目前,MSPA主要運用于森林景觀破碎化[20]和構建生態網絡[21-23]方面。雖然有部分學者在對熱環境進行研究時有所運用,但主要運用在熱島效應的景觀連通性方面[24-25],在森林景觀形態與熱環境的研究上極少運用。

大理市作為中國旅游發展最快的地區之一,是國家園林城市和中國優秀旅游城市,但高強度的人類活動和快速城市化已對區域生態環境產生了巨大的影響,部分地區生態系統功能下降,熱環境問題日漸嚴重,已成為經濟社會可持續發展的瓶頸。隨著《大理市國土空間規劃(2021—2035年)》的推進[26],大理市經濟社會發展已迎來新的機會,生態環境必將面臨新的挑戰。森林景觀形態在不同季節對熱環境有何差異?區域森林景觀與熱環境之間存在怎樣的耦合關系?是推進生態環境優化亟須解決的迫切問題。針對以上問題,本文基于大理市2006年、2016年遙感數據(http://www.gscloud.cn)和森林資源二類調查數據①開展研究:1)利用2006年、2016年遙感影像進行地溫反演,并采用MSPA分析森林景觀與熱環境的相關性:2)運用普通最小二乘(OLS)和地理加權回歸(GWR)建立森林景觀形態與熱環境的耦合關系模型。通過本文的研究,以期為緩解大理市熱環境提供參考依據。

1 研究區概況

大理市位于云南省西部,大理白族自治州中部,地處北緯25°25′—25°58′,東經99°58′—100°27′之間,市轄九鎮、一鄉、三個街道,面積1 815 km2。市域地形復雜,地勢西高東低,平均海拔2 090 m。地貌以山地為主,山地占總面積的70.5%;壩區占總面積的15.8%;洱海水域占總面積的13.7%[27]。屬亞熱帶高原季風氣候類型,平均氣溫15.2 ℃。境內蒼山是世界緯度帶相同或相近地區植被垂直帶譜最完整、植被類型最多樣、山地植被保存最自然的山脈之一。大理市森林總面積808.9 km2,森林覆蓋率大于46%①,主要植被類型為針葉林、常綠闊葉林、落葉闊葉林等。

2 研究數據和方法

2.1 數據來源

本文所涉及的2006年、2016年遙感影像從地理空間數據云(http://www.gscloud.cn)獲取,條代號為131/42,分辨率為30 m(表1)。土地利用數據來源于兩期森林資源二類調查數據(1)大理市人民政府.大理市省級森林城市建設總體規劃(2017—2026年).2017.。在地溫反演之前,對遙感影像進行預處理,包括輻射定標,大氣校正,影像裁剪等。所有影像及數據統一至WGS_1984_UTM_Zone_47N坐標系。

表1 研究區遙感影像數據源

2.2 研究方法

2.2.1地表溫度反演

本文基于大氣校正法,其原理是把大氣對衛星傳感器的影響從觀測到的熱輻射總量中去除,進而通過相應公式轉換為地表溫度(LST)[28]。首先,利用 Landsat熱紅外波段[TM,ETM(第6波段),TIRS(第10波段)]數據進行熱紅外波段輻射定標,將像元灰度值轉換為輻射亮度值,并通過歸一化植被指數(NDVI)以及植被覆蓋度(FVC)進行地表比輻射率計算[29];其次,估算出同溫下黑體輻射亮度,根據普朗克函數對研究區LST進行反演。參考文獻[30],具體計算公式如式(1)—式(3)所示。

Lχ=KGain×VDN+CBias

(1)

(2)

(3)

式中:Lχ為云頂輻射亮度[W/(m2·sr·μm)];

KGain,CBias和VDN分別為轉換函數的增益系數、偏移系數和像元灰度值,由影像自帶的元數據中可獲得;Ly為地表輻射亮度[W/(m2·sr·μm)];Lm,Ln分別為上、下行輻射強度[W/(m2·sr·μm)],t為大氣透過率,這3個參數均可由NASA網站(https://atmcorr.gsfc.nasa.gov/)查詢得到;e為地表發射率,參考覃志豪等[29]的研究成果計算得出;TS為反演的LST(K);K1,K2均為定標常數,對于TM,K1=607.76 W/(m2·sr·μm),K2=1260.56 K;對于ETM,K1=666.09 W/(m2·sr·μm),K2=1282.71 K;對于TIRS,K1=774.89 W/(m2·sr·μm),K2=1321.08 K。為驗證反演結果的準確性,將反演平均LST與同期MODIS數據得到的LST進行對比,結果顯示,誤差絕對值在2 K以內?？芍?反演結果能夠滿足研究需要,數據可用。

2.2.2景觀分類

選取2006年11月17日和2016年11月20日遙感影像,采用監督分類法對土地利用類型進行分類,將其分為林地、耕地、水域、建設用地、未利用地等5類(圖1)。為檢驗分類的準確度,根據每個土地的比例,隨機選擇100個點,并參考現有土地利用數據和谷歌歷史影像,利用混淆矩陣對分類結果進行精度評價。結果顯示:兩期土地利用類型總體精度分別為92%和90%;Kappa系數為88.04%和85.29%(表2),皆大于80%。

圖1 土地利用類型

表2 土地利用精度評價

在土地利用類型基礎上,依據《云南植被》[31]和我國現行的《土地利用現狀分類標準》[32]中的分類系統,結合兩期森林資源二類調查數據(2)大理市人民政府.大理市省級森林城市建設總體規劃(2017—2026年).2017.對林地植被進行分類,可將植被類型分為針葉林類和闊葉林類(常綠闊葉林和落葉闊葉林)(圖2、圖3)。

圖2 植被類型

圖3 闊葉林類型

2.2.3MSPA方法分析

MSPA是基于腐蝕、膨脹、開啟、閉合等數學形態學原理對柵格圖像的空間格局進行度量、識別和分割的一種圖像處理方法?；谶吘墝挾群蜕窒袼刂g的連通度,通過將森林斑塊分為核心(Core)、孔隙(Perforation)、孤島(Islet)、橋接(Bridge)、邊緣(Edge)、支線(Branch)、環島(Loop)等7個景觀類型(表3),實現對景觀碎片量化描述[33]。

表3 景觀類型分類

1)基于大理市兩期土地利用類型矢量數據,將其轉換為30 m柵格數據。2)以研究區的林地作為前景數據,賦值為2;其它用地類型劃分為非林地,作為背景數據,賦值為1。生成30 m空間分辨率的森林/非森林二值柵格影像。3)采用MSPA方法,以邊緣寬度為2個像元,且8個相鄰像元連通的結構來表征每個森林像素所屬景觀類型(圖4)。

圖4 2006年、2016年大理市森林空間形態

2.2.4回歸分析

1)多元線性回歸分析。線性回歸分析是一種預測性的建模技術,它研究的是因變量和自變量之間的關系。通過構建2006年和2016年的多元線性回歸模型,并運用OLS方法進行診斷,以此作為與其它模型比較的基準。

2)空間自相關和GWR分析?？臻g自相關常用的檢驗指標有莫蘭指數(Moran′sI)、鄰接比(Geary′sC)、熱點分析(Getis)、聚合函數(Join count)等,其中Moran′sI指數因其普適性而應用最為廣泛,Moran′sI指數值介于-1～1之間,數值大于0,則說明要素之間存在空間正相關;數值小于0,則為負相關;等于0,為不相關[34]。本文將研究尺度設定為1km×1km,首先,利用ArcGIS 10.8對8期LST平均值進行格網分析;其次,運用Geoda軟件對其進行局部空間自相關分析,局部莫蘭指數(Local Moran′sI)值分別為0.760,0.766,0.760,0.809,0.746,0.751,0.734,0.759,顯著性水平P<0.05,通過顯著性檢驗。表明大理市LST值在所選尺度下均呈很強的空間正相關。但顯著的空間自相關違背了標準非參數檢驗(如OLS中的相關檢驗)所要求的樣本間獨立性的基本假設,違反這一假設會導致對相關系數的過高估計,從而增加變量之間沒有關系的無效假設的相似度,因此還需采用GWR進行分析?；诔喑匦畔蕜t(AIC)值,選用高斯函數為權重函數,以每個像元的LST平均值作為GWR的因變量,各驅動因子為自變量,進行GWR分析。

3 結果分析

3.1 熱環境時空變化特征

基于均值—標準差法對LST進行分級,分為低溫、次低溫、中溫、次高溫、高溫區(圖5)。由圖5可知:2006年高溫區主要集中在上關鎮、雙廊鎮、挖色鎮、太邑鄉和下關鎮,以人類活動區域為熱源中心,呈現出明顯的多中心格局。2016年,在經濟快速發展,企業數量急劇上升的背景下,伴隨著建筑面積增加,綠地面積減少,新興工業區排放的二氧化碳和熱量增多,高溫區逐漸向海東鎮和鳳儀鎮擴散。低溫區主要在蒼山地區,該區域海拔高且垂直落差大,大面積分布生態林斑塊,林木茂密且人類活動少,較符合城市熱島效應的基本特征。

注:“①”上關鎮;“②”雙廊鎮;“③”挖色鎮;“④”太邑鄉;“⑤”下關鎮;“⑥”海東鎮;“⑦”鳳儀鎮;“⑧”蒼山。

大理市作為一個高原山地城市,地形對溫度起著重要的作用。蒼山地區由于海拔較其它地區高,始終為低溫分布區。2006年、2016年,熱環境的分布格局存在季節性差異,高溫區分布集中于夏季,春季則相對較低。隨著城市化的發展,在2016年,高溫區和次高溫區范圍逐漸擴大,這表明隨著人類活動的加強,其影響逐漸超過四季本身的氣候影響。

3.2 影響機制分析

3.2.1不同植被類型的熱環境特征

從不同植被類型占大理市林地總面積比例來看,大理市林地植被類型以針葉林為主(3)大理市人民政府.大理市省級森林城市建設總體規劃(2017—2026年).2017.。2006年:1)針葉林類占區域總面積的29.23%,占森林總面積的51.64%;闊葉林類占區域總面積的27.59%,占森林總面積的48.36%。2)在闊葉林中,落葉闊葉林占闊葉林的66.34%,常綠闊葉林占闊葉林的33.66%。2016年:1)針葉林類占區域總面積的28.45%,占森林總面積的51.44%;闊葉林類占區域總面積的26.64%,占森林總面積的48.56%。2)在闊葉林中,落葉闊葉林占闊葉林的68.94%,常綠闊葉林占闊葉林的31.06%。林地面積的減少與城市發展有較大關系,其中最明顯的為闊葉林類,其落葉闊葉林所占比例增加2.60%,而常綠闊葉林面積則減少,這與落葉闊葉林類多為經濟林有關①。

按春、夏、秋、冬來進行比較,由圖6可知:1)2006年,常綠闊葉林與LST的相關系數分別為0.002,-0.21,-0.31,-0.27;2016年的為-0.16,-0.17,-0.23,-0.27。2)2006年,落葉闊葉林與LST的相關系數為-0.09,-0.28,-0.17,-0.21;2016年的為-0.02,-0.32,-0.36,-0.25。3)2006年,針葉林與LST的相關系數為0.05,-0.07,-0.22,-0.21;2016年的為-0.26,-0.40,-0.38,-0.26。2006年、2016年,整體上各植被類型與LST呈負相關關系,且落葉闊葉林與LST在相關性上強于常綠闊葉林和針葉林。2016年與2006年相比,整體上植被類型與LST的相關系數有所提高,這與城市擴張致使森林面積減少有極大關系。由于植物生長具有季節性變化,NDVI與LST的相關性表現為夏季最強,冬季最弱。

注:“*”表示P<0.05;“**”表示P<0.01;“***”表示P<0.001。

3.2.2地形因子的熱環境特征

在地形因子上:1)海拔與LST相關性最強,呈顯著負相關。其中,秋季最強,兩年相關系數皆為-0.72;春季最弱,為-0.43和-0.39。這與太陽輻射和大氣透射率有關。大理市處于高原山區,海拔高,秋季多為無云期,提高了地面對太陽輻射的吸收。2)由于太陽高度角原因,坡向對溫度的影響主要表現在春季。3)在坡度方面,整體上LST隨坡度升高而遞減,秋季坡度對LST的影響最強,春季最弱。這種差異表明,春季坡度對LST的影響并不是一個決定性因素。

3.2.3森林景觀形態的熱環境特征

通過格網法將研究尺度設為1km×1km,每個網格內為氣溫平均值和景觀形態的斑塊面積比例,通過計算得出森林景觀形態與LST的相關系數。2006年、2016年,核心類景觀形態與溫度LST的關系最強,呈顯著負相關關系,其次為支線類,環島類相關性最低。2006年,相關性強度為核心>支線>邊緣>橋接>孔隙>孤島>環島;2016年,為核心>支線>邊緣>孔隙>孤島>橋接>環島。這表明,林地景觀形態面積占比越大,與LST的相關程度越高。但隨著城市化的不斷發展,2016年孔隙、孤島類的相關性強度強于橋接類,其森林景觀逐漸趨于破碎化。

3.3 LST回歸分析

3.3.1OLS分析

以2006年和2016年各月份的LST為因變量,海拔、坡度、坡向、NDVI、植被類型,以及7類森林景觀形態為自變量做回歸分析。由于每個自變量的量綱不統一,首先,對各因素值進行標準化處理。采用高斯函數進行擬合,運用AIC值確定帶寬,施瓦茲準則(SC)值確定合適的滯后期長度。利用ArcGIS10.8進行OLS分析,得到模型診斷結果(表4)。在該模型中,調整后,R2最大值為0.786,最小值為0.445,表示該模型可解釋因變量中78.6%和44.5%的變化,整體上各月份的模型擬合效果較好。且對于LST,自變量NDVI、常綠闊葉林、孤島和支線類與其呈正相關關系,NDVI對LST的貢獻度最大,其次為支線類(表5)。

表4 OLS模型診斷結果

表5 2016年OLS模型變量

3.3.2GWR分析

由于DEM和核心類在進行GWR模型分析時,存在共線性問題,因此需剔除該變量。GWR模型診斷結果(表6)與OLS模型相比,GWR模型的擬合優度R2均大于 OLS 模型,且改善明顯。表明:GWR模型對LST變化量的解釋能力以及擬合效果優于OLS模型,可以有效地解釋森林景觀形態對于LST的演變機制及空間非平穩性特征。

表6 GWR模型診斷結果

通過GWR模型分析可知:植被類型對LST呈現以負相關為主且較集中的區域分布特征;坡度對LST的影響以負相關為主,呈現多格局的分布特征;坡向對LST的影響以正相關為主,呈現中心向四周延伸的分布特征;NDVI對LST的影響以正相關為主,呈現“中部—東西”格局;在7類景觀形態中,橋接類、環島類、孔隙類對LST的影響以負相關為主,孤島類、邊緣類、支線類對LST的影響以正相關為主,均表現為空間多極化分布格局。

4 討論

由于大理市處于高原山地地區,地形的分割作用使熱環境出現多格局的分布特征,在空間上呈聚集狀態。這體現了地形對山地城市的重要性[35-36]。因此,要改善城市熱環境,必須充分利用城市的地形特征。LST則隨土地利用類型變化而變化,建設用地與熱環境呈正相關[7],林地與熱環境呈顯著負相關[11]。以往對于熱環境的研究主要基于夏季表面溫度以及單一年份的分析[37],對森林景觀與熱環境的研究通常采用景觀格局指數[38-39]進行相關性分析,而MSPA主要運用在森林破碎化[20]、生態網絡構建[21-23]和景觀連通性分析方面[24-25]。本文運用MSPA方法,擬合多因素對熱環境進行綜合影響分析,相比以往利用景觀格局指數得出的森林景觀類型,該方法更為直觀,所表達的生態學意義更為豐富。但由于本文主要研究自然因素對熱環境的影響,人文因素方面涉及較少,且LST數據主要是基于遙感影像數據獲取,容易受到云層和陰影的影響,從而降低了數據質量。因此,在今后的研究中:首先,可以采用新的高質量遙感數據來減少數據質量對研究結果的影響。其次,在因素選擇中可進一步豐富,如增加旅游效應、交通通達度等人文因素的影響,以及具有季節特征的風、濕度等氣象數據的研究,使研究結果更加顯著和準確。最后,森林景觀對緩解熱環境呈現出季節性差異,可加強對現有森林景觀的保護,如:對裸露土地景觀進行植樹處理,以減少裸露土地面積;通過合理地配置森林景觀,以緩解熱環境。

5 結論

1)基于多時相遙感數據,采用MSPA、回歸分析、空間分析等相結合的方法,對大理市森林景觀與熱環境的耦合關系進行了定量和定性分析,結果表明:2016年與2006年相比,大理市LST呈上升趨勢,并表現為多極化,即出現低溫區和高溫區聚集狀態。高溫區主要分布于研究區北部、西南地區和洱海周圍,這些區域多為城鄉居住區。2016年和2006年相比,建筑面積大量增加,溫度也隨之上升。主要增長點位于海東鎮和鳳儀鎮,溫度增幅超過2 ℃。而低溫區主要分布于蒼山地區,該區域植被茂密,森林對熱環境的緩解作用明顯,極大地降低了地表溫度。

2)森林景觀形態與熱環境表現出明顯的季節性差異,不同季節多重因素綜合影響的強度表現為秋季>夏季>春季>冬季;LST與核心類、孔隙類呈顯著負相關,與支線、邊緣、孤島、橋接、環島類均呈顯著正相關。2006年,相關性強度為核心>支線>邊緣>橋接>孔隙>孤島>環島;2016年的為核心>支線>邊緣>孔隙>孤島>橋接>環島。森林景觀形態面積占比越大,對溫度的降溫效應越明顯。

3)GWR 模型在1km×1km空間尺度上對熱環境演變影響因素的解釋優于OLS模型,各時期調整后的R2值均大于OLS的,且最大值可達0.815,表明其能較好地反映森林景觀與地表溫度間的定量關系。