基于Landsat數據的重慶市熱環境時空格局變化研究

孟珂宇，徐麗華

(西南大學 資源環境學院，重慶400715)

0 引言

自二十世紀以來,城市化的快速發展導致人類活動的聚集和土地利用強度的加大,引起了城市熱環境的顯著變化,城市熱環境對社會經濟和人類健康產生重要影響[1-3]。隨著空間信息技術的不斷成熟,遙感技術在城市熱環境研究方面取得了越來越廣泛的應用。目前,關于城市熱環境的研究主要集中在城市熱環境時空格局分布及其驅動力因素方面。由于城市熱環境受到氣候特征、地理區位和土地利用情況等因素的作用較大,目前并不存在一套普適性、能夠反映大部分城市特征的規律。因此當前對于城市熱環境的研究,各位學者主要是結合各自研究區的特點,研究不同區域的熱環境變化及其影響因素。對于城市熱環境時空格局分布研究主要分為三類:對熱環境分布格局年際變化[4-6]、季節變化和日變化的研究[7-10],其中熱環境的年際變化研究最為廣泛。城市熱環境也稱作城市熱島效應,是城市內空氣、下墊面和各種外部因素組成的與熱有關的熱現象總和,而空氣溫度或下墊面表面溫度是城市熱環境的核心。熱環境的影響因素主要包括植被覆蓋度、水體覆蓋度、不透水地面比例、歸一化建筑指數(NDBI)、建筑密度等地表因素[11-16]以及綠地、水體、城市開放空間等特定的地表要素[17-19]。

2018年,重慶主城九區(渝中區、江北區、南岸區、九龍坡區、沙坪壩區、大渡口區、北碚區、渝北區和巴南區)人口占重慶市總人口的20%,是市內人口密度最大、經濟水平發展最高的都市功能核心區,也是政治、文化的中心。另一方面,重慶市是典型的山地城市,地處四川盆地,兩江交匯之處,夏季炎熱,極端高溫天氣頻繁出現。人口的高度密集和地形特征,導致重慶主城九區熱環境問題較突出。近年來,重慶市高溫現象頻繁出現,如2016年8月連續12 d發布高溫紅色預警信號,刷新了極端高溫新歷史;2018、2019年夏季平均氣溫較常年顯著偏高1 ℃,對人體健康和農業經濟都產生了損失。本文擬以2001、2019年2期Landsat數據源,研究其近20年的城市熱環境格局特征及其變化,并對NDVI、DEM和NDBI等因素對城市熱環境的影響程度進行分析。以期為合理規劃城市空間布局、改善城市生態質量提供依據。

1 材料與方法

1.1 研究區概況

本文研究區為重慶市九區,位于重慶市西部,地處106°14′E～106°53′E,29°19′N～29°57′N,面積為547 3 km2。研究區面積僅占全市的6.6%,但人口非常密集,2018年重慶主城九區的人口總數為687.49萬,占重慶市總人口的20%。研究區主要位于長江和嘉陵江沿線,境內為川東平行嶺谷區,山地谷地縱列分布,海拔為34～140 1 m,起伏較大,區內典型土壤為紫色土。重慶屬亞熱帶季風性濕潤氣候,冬暖夏熱,無霜期長、雨量充沛,降雨多集中于5—9月。2019年,重慶平均氣溫17.9 ℃,全市平均降水量1 120.8 mm。

1.2 數據源及其預處理

研究所采用的數據是覆蓋2001年和2019年的2期Landsat數據,每期4景,詳細信息如表1所示(數據來源https://www.gscloud.cn/)。Landsat是美國NASA發射的陸地衛星,能夠提供長時間序列和穩定的數據,在探測地球資源、監測環境方面已有廣泛應用。研究采用的2期影像多光譜波段分辨率均為30 m,熱紅外波段分辨率分別為120、100 m。影像云量均小于5%,能見度高、成像質量較好。對獲得的衛星影像進行輻射定標、大氣校正和影像裁剪等預處理,得到圖1。

圖1 研究區預處理后影像Fig.1 Preprocessed images of study area

表1 研究所用影像數據信息Tab.1 Information of research image data

1.3 研究方法

1.3.1 地表溫度反演方法

輻射傳輸方程法是地表溫度(Land Surface Temperature,LST)反演常用的方法,其公式為:

Lλ=[ε*B(TS)+(1-ε)L↓]*τ+L↑,

(1)

式中:Lλ為輻射強度,ε為地表比輻射率,TS為地表真實溫度,B(TS)為普朗克定律推導得到的黑體在TS溫度下的熱輻射強度,τ為熱紅外波段的大氣透過率,L↑和L↓分別為大氣向上和大氣向下輻射強度。由上式推得溫度為T的黑體在熱紅外波段的輻射強度B(TS),根據普朗克定律反函數,得到LST:

(2)

(3)

式中:Lλ由影像的DN值計算得到,本研究中分別為TM影像第6波段、TIRS影像第10波段的像元值;L↑、L↓以及τ可以通過影像成像時間以及中心經緯度在NASA官網(http://atmcorr.gsfc.nasa.gov/)獲得,K1、K2可以通過影像的頭文件獲得,ε通過植被覆蓋度獲取。

本研究中將像元分為水域、城鎮以及自然表面三種,分別計算其地表比輻射率[20]:

(4)

式中:FV為植被覆蓋度。

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

(5)

式中:NDVIS和NDVIV分別為裸土和植被的NDVI值,取NDVI累計百分比的95%和5%為植被NDVI和裸土NDVI值對植被覆蓋度進行近似估計[21]。

1.3.2 影響因子選取

城市熱環境是由自然環境與人類活動共同作用形成的。研究區是典型的低山丘陵地區,區域內高程差異較大,同時近年來經濟發展迅速,城市下墊面變化迅速。因此本文選擇海拔、植被覆蓋和建筑密度作為影響因子,定量研究其與LST的響應關系。DEM為數字高程模型,可以反應研究內海拔高度變化;NDVI是能夠表征植被覆蓋度和其健康狀態的重要指標;NDBI指代建設用地的密集程度[22-23]。其中高程數據為ASTER GDEM數據(數據來源https://www.gscloud.cn/),分辨率為30 m。NDVI和NDBI指標計算如下:

(6)

(7)

式中:R為紅光波段,分別對應Landsat5、Landsat8的第3、4波段;NIR為近紅外波段,分別對應Landsat5、Landsat8的第4、5波段;SWIR為短波紅外波段,分別對應Landsat5、Landsat8的第5、6波段。

2 結果與分析

2.1 LST空間格局

2.1.1 LST空間分布特征

將LST采用雙線性內插法重采樣至1 000 m分辨率,與同日期的MOD11A1產品進行作差比較,對反演得到的LST進行精度驗證。MOD11A1數據來自NASA網站(https://ladsweb.nascom.nasa.gov/search),采用MRT工具對其進行重投影并按研究區邊界進行裁剪。結果顯示差值平均值為0.22、0.69 ℃,且最大差值均不超過1 ℃。

為了更直觀地量化LST,對LST進行相應的處理。首先進行歸一化處理,公式如下:

(8)

式中:Tg為歸一化后的LST,TS為反演所得LST,Tmax和Tmin分別為每一景遙感影像反演所得到的LST最大值和最小值。

參考學者徐涵秋的文章發現,均值-標準差法不僅能消除不同時期影像帶來的差異,還能充分表征城市內部熱環境的變化細節[24],因此本文選擇均值-標準差法將LST分為6級。將研究區劃分為低溫區、次低溫區、中溫區、次高溫區、高溫區以及超高溫區6類[25],得到結果如圖2所示。

(a)2001年LST分布

(b)2019年LST分布

2001年,研究區6個溫度等級面積從大到小的順序是:次低溫區>中溫區>低溫區>次高溫區>高溫區>超高溫區。最高溫和最低溫分別為23.6、41.2 ℃。區域整體以低溫區、次低溫區以及中溫區為主,超高溫區面積極小。超高溫區主要集中于兩江交匯及長江沿岸區域,以江北區西南部大石壩、鯉魚池一帶、渝中半島—沙坪壩區東部一帶、九龍坡東北部陳家坪—石坪橋一帶、大渡口區重鋼片區、南岸區海峽路、銅元局一帶以及巴南區李家沱一帶、魚洞一帶為代表;除此之外,還有九龍坡區華龍一帶、江北機場—空港、南岸區茶園片區為次高溫區或是高溫區。由于2001年研究區發展水平較低,此時建筑多依水而建,人類活動都集中在渝中區、江北區、沙坪壩區、九龍坡區、南岸區以及大渡口區各老城區,因此以上區域溫度略高于其他人跡活動稀少的區域。

到了2019年,研究區6個溫度等級面積從大到小的順序是:中溫區>次高溫區>次低溫區>高溫區>低溫區>超高溫區。最高溫和最低溫分別為27.4、50.6 ℃。研究區內LST總體呈現“內高外低”的空間格局。由于經濟發展,城市建成區向外擴張,高溫區域成片密集出現。整體溫度最高最為突出的是兩江新區,其次為渝北區空港—江北機場—回興、重慶北站—民心佳園和悅來—國博、江北區寸灘—海爾工業園這一片區高溫區域集聚。渝中半島—沙坪壩區雙碑—重慶西站—九龍坡區華巖以東—大渡口區建橋工業園以北區域都是熱島效應較為顯著的區域。南岸區西部以及中部茶園工業園,巴南區李家沱—魚洞一帶、木洞區域以及東北部的麻柳嘴鎮也是溫度較高區域;此外北碚區復興—蔡家、沙坪壩區西部土主物流園—西永微電園、井口工業園、九龍坡區白市驛、九龍工業園—西彭工業園、大渡口工業產業園以及巴南區界石工業園—華南城一帶也是新增的高溫區域;而低溫區則位于巴南區南部,為海拔較高、植被覆蓋密集的區域;除此以外多為中溫區。

2.1.2 LST時空變化趨勢

從整體來看,2001—2019年,研究區內LST明顯上升。目前重慶市主城九區高溫區域較多且由中心兩江沿岸向外擴張,整體呈現向北擴張的趨勢。

觀察圖2可以發現,研究區內四山南北縱貫、兩江環抱,獨特的山水自然格局將研究區分割為幾大部分,城市的總體布局規劃也基于自然特色,呈現“多中心組團式”空間格局。高溫區、超高溫區也與各組團中心大致重合。下墊面的改變被認為是LST變化最根本的原因。近年來隨著城市化的逐步推進,水體、植被轉化為了建筑、硬質路面,硬質路面吸收大量入射的太陽輻射導致LST升高。城市化還加強了人口的聚集與人類活動的強度。人類的生產、交通活動必不可少地會帶來能源消耗、廢氣排放等一系列被認為是導致LST變化的因素。研究區高溫區域主要集中在工業園區和商業區。工業是研究區經濟發展的支柱產業,2001—2019年間研究區內設置成立了大量的工業園區,如港城工業園區、建橋工業園區和西永微電園等,工業用地加速蔓延,并產生集聚效應。研究區處于低山丘陵地區,東南部、北部地形較高,難開發且城市發展受地形限制,2001年高溫區域集中在中梁山以東、銅鑼山以西和兩江四岸附近。近年來隨著基礎設施的完善,橋梁、隧道的修建提高了城市擴張的速度。在政策的指引下,如2010年國市擴張突破了自然因素的限制,國務院設立了兩江新區,2017年國務院建立了中國(重慶)自由貿易試驗區,“渝新歐”班列的開通,給重慶帶來了更多機遇和發展,而產業聚集帶來的副作用之一就是局部區域的LST升高,熱環境問題突出。

利用反演得到的2期LST,計算得到2001—2019年的溫度等級轉移矩陣,如表2所示?？梢钥闯?2001—2019年,重慶市主城區內各溫度等級面積變化較大,主要原因是隨著研究區快速城市化發展,導致了LST整體升高,低溫區和次低溫區的面積大幅度減少。面積變化最劇烈的是次低溫區,減少了2 840.04 km2,其面積大部分轉移到了中溫區,導致中溫區面積增加最多(2 337.33 km2),成為2019年研究區內面積最具優勢的溫度等級。分析發現,溫度等級的轉移變化最大的是低溫區—次高溫區之間各等級的轉換,且多發生在相鄰2個等級內,這說明研究區內溫度激增或驟降的區域很少。超高溫區面積變化雖然最為平緩,但其對人類活動和生態環境造成的影響最大,需要引起強烈重視。

表2 2001—2019年溫度等級轉移矩陣Tab.2 Transfer matrix of temperature grade from 2001 to 2019 單位:km2

2.2 熱力景觀格局演變分析

本研究在斑塊類型水平上,對各溫度等級的格局演變從數量(斑塊數量)、形態(景觀形狀指數、凝聚度指數)以及結構(斑塊密度、最大斑塊指數)三方面進行了分析;在景觀水平上,選取了蔓延度指數、連通性指數、多樣性指數和均勻度指數來表征熱力景觀格局的特征和變化[25],使用的軟件為Fragstats。2001、2019年斑塊類型水平的各景觀指數如表3所示。

表3 斑塊類型水平上熱力景觀指數Tab.3 Thermal landscape index on patch type level

2.2.1 斑塊類型水平上熱力景觀格局演變

①破碎化程度降低,優勢斑塊改變

從斑塊密度來看,研究區內低溫區、次低溫區以及中溫區區域的斑塊密度都下降了0.78～0.98,說明各溫度等級區域的破碎化程度顯著降低;而隨著熱環境的加劇,高溫區域持續擴張,導致次高溫區、高溫區以及超高溫區的斑塊密度上升。從最大斑塊指數來看,中溫區最大斑塊指數增長了12倍,在2019年代替次低溫區為研究區的優勢斑塊類型,這也說明了研究區內整體呈溫度上升的趨勢;

②聚合程度增大、連通性較強

從景觀形狀指數來看,溫度較低區域(低溫區、次低溫區以及中溫區)的景觀形狀指數均呈下降趨勢,說明其區域邊界由復雜向簡單變化,斑塊向聚集化發展;而高溫區域因為由研究區中心向外擴散,斑塊大量增加,導致景觀形狀指數上升。因為2019年高溫區和超高溫區多為工業用地,連結成片,所以斑塊的團聚性較2001年增強較多。2019年所有等級的凝聚度指數均大于95,說明研究區實際景觀格局對城市規劃有較好的響應,所有斑塊的聚合程度都較好,連通性較強。因此在未來發展中,要注意繼續保持低溫斑塊的團聚性,對于高溫區域則要適當采取阻隔措施,如修建綠化帶,增加植被面積等防止高溫斑塊大量團聚,造成熱環境。

2.2.2 景觀水平上熱力景觀格局演變

2001、2019年景觀水平上熱力景觀指數如表4所示。對研究區從景觀水平上分析,2001—2019年,斑塊數量和斑塊密度大幅度減少,均降低了62%,這體現了重慶市主城區的熱力景觀總體上呈聚集化,也說明隨著經濟發展和城市規劃,研究區對土地的集約利用有了顯著的效果。蔓延度指數有所上升,說明研究區內斑塊總體向著密集、團聚的方向發展,連通性增強。連通性指數變化不大,均高于99.8,說明研究區內斑塊整體連通性一直較高。從均勻度指數和多樣性指數來看,二者分別減少了0.06和0.03,說明研究區近年來的發展導致景觀的多樣性和均衡性稍微有所下降。同時,均勻度指數在0.5左右,說明研究區景觀均衡性較低,這也為研究區日后在發展建設的同時,要注重生態環境的維護提供了思路。

2.3 城市熱環境成因分析

將2019年反演LST與來源于中科院地理科學與資源研究所的同期土地利用數據疊加,如圖3所示?？梢园l現絕大多數的高溫區域是建設用地,目前重慶的經濟支柱以第二產業為主,因而研究區內工業園區較多,工業園通常占地面積較大且多為硬化地面,植被覆蓋率低,加之日常生產工作導致其局部LST過高。由于研究區地處山地,礙于地形的制約,各工業園區區位與人類活動區域臨近,導致其散熱效果不好,也易使熱量聚集。此外,重慶市主城區在空間格局上呈現多中心組團式發展,各大商圈的建筑密度和人口密度較大,其LST也較高。近年來重慶的旅游業有長足發展,機場及各大火車站吞吐量極大,LST也升高。已知水體對地表面有降溫作用,但在2019年,研究區兩江流域及其周圍的溫度并未顯現出明顯的降低,這是因為重慶位于丘陵地區,為了加強各區之間的交流連通,修建眾多橋梁,導致硬化地面掩蓋了水面,從而水體的降溫效應不明顯。而研究區內海拔較高的山地由于地形原因,開發痕跡更小,因此其植被覆蓋更高,區域溫度較低,如中梁山山脈、縉云山山脈以及巴南區南部區域。

圖3 2019年重慶市主城九區LST Fig.3 LST of Chongqing urban district in 2019

可以看出,地形、建筑以及植被覆蓋度是影響研究區LST的重要影響因素。因此本研究選擇NDVI、DEM以及NDBI三個指標表征,對其與LST做Pearson相關分析,如表5所示。

表5 各影響因子與LST相關系數Tab.5 Correlation coefficient between influence factors andLST

①NDVI與LST相關性分析

比較2期NDVI值,發現NDVI與LST呈負相關,而2019年NDVI相關系數達到了-0.68,比2001(-0.48)呈現更大的相關性,這表明2019年NDVI與LST聯系較2001年相比更為緊密,說明城市熱環境的惡化,導致對植被的依賴性增強。在日后規劃布局中,注意合理規劃綠地格局,充分發揮其對于城市熱環境的緩解作用。同時2019年綠地的降溫作用比2001年更為顯著。2019年NDVI每增加0.1,LST就降低2 ℃;

②DEM與LST相關性分析

DEM與2期LST的相關性分別為-0.4和-0.48,說明研究區內高程與LST呈負相關,且2019年二者相關性更大,對研究區而言,海拔每升高100 m,LST可降低0.8 ℃。重慶市位于山地丘陵地區,地形起伏較大,其地面溫度與高程的相關性較顯著。同時近年來由于發展規劃的要求,研究區內在海拔較低的平坦地區修建了多座大型工業園區,導致海拔低的地方與相對高海拔地區溫差更大。

③NDBI與LST相關性分析

2期NDBI與LST呈正相關。隨著城鎮化導致的人口密集,使得城市范圍向外擴張,地表建筑覆蓋度增大,而硬化后的土地通常具有散熱性差的特征,破壞地表熱平衡,使得LST上升,因此LST與NDBI的關系也更為緊密。

綜合來看,3個指標與LST均有較強相關性,且到2019年,研究區對3個影響因子的響應均強于2001年,LST與3種地表因素的相關性為:NDBI>NDVI>DEM,說明在城鎮化較完善的主城九區,比起高程和植被覆蓋度等自然因素,建筑覆蓋度對LST的影響更大。

3 結論

本文基于2期Landsat影像,使用輻射傳輸方程算法反演得到LST,并采用景觀格局分析法、相關性分析法對重慶市主城區近20年熱環境格局的特征和變化進行了研究,結果表明:

①2001—2019年間,隨著城市發展建設,重慶市主城九區城市熱環境顯著加劇,整體上呈現向北延伸的趨勢,高溫區域面積擴張,同時分布上由零散向聚集成片化發展,且多為建設用地。到2019年主城九區LST呈現“內高外低”的空間格局。

②研究區低溫區域邊界由復雜向簡單變化,斑塊向聚集化發展,熱力景觀總體上連通性高,斑塊趨于聚集化,同時多樣性和均衡性還有待加強。

③LST與3種地表因素的相關性為:NDBI>NDVI>DEM,且3種地表因素2019年相關性均高于2001年。NDVI和DEM與LST呈負相關,NDBI與LST呈正相關。

重慶市作為典型的山地城市,對其熱環境的研究對于其他具有相似地形特征的地區有一定的借鑒意義和參考價值。