国土资源遥感, 2018, 30(3): 213-223 doi: 10.6046/gtzyyg.2018.03.29

北京城市热岛效应时空变化遥感分析

杨敏1,2,3, 杨贵军,2,3,4, 王艳杰2,3,4, 张勇峰5, 张智宏6, 孙晨红7

1. 陕西省地震局,西安 710068

2. 国家农业信息化工程技术研究中心,北京 100097

3. 农业部农业信息技术重点实验室,北京 100097

4. 北京市农业物联网工程技术研究中心,北京 100097

5. 西安中天纬地测绘科技有限公司,西安 710054

6. 西安科技大学测绘科学与技术学院,西安 710054

7. 西安航天天绘数据技术有限公司,西安 710054

Remote sensing analysis of temporal-spatial variations of urban heat island effect over Beijing

YANG Min1,2,3, YANG Guijun,2,3,4, WANG Yanjie2,3,4, ZHANG Yongfeng5, ZHANG Zhihong6, SUN Chenhong7

1. Shaanxi Earthquake Agency, Xi’an 710068, China;

2. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China

3. Key Laboratory of Agri-informatics, Ministry of Agriculture, Beijing 100097, China

4. Beijing Engineering Research Center of Agricultural Internet of Things, Beijing 100097, China

5. Xi’an Zhongtianweidi Surveying & Mapping Technology Co.,Ltd., Xi’an 710054, China;

6. College of Geomatics, Xi’an University of Science and Technology, Xi’an 710054, China;

7. Xi’an Aerospace Tian Painted Data Technology Co., Ltd., Xi’an 710054, China;

通讯作者: 杨贵军(1975-),男,博士,研究员,主要从事定量遥感应用、图像分析处理、3S集成开发及资源遥感监测等相关技术研究。Email:yanggj@nercita.org.cn。

责任编辑: 张仙

收稿日期: 2016-12-9   修回日期: 2017-02-7   网络出版日期: 2018-09-15

基金资助: 国家自然科学基金项目“基于同化策略的地表温度多模式降尺度方法及其不确定性研究”.  41271345

Received: 2016-12-9   Revised: 2017-02-7   Online: 2018-09-15

作者简介 About authors

杨敏(1991-),女,硕士研究生,主要研究方向为热红外遥感。Email:yangmin_91@163.com。 。

摘要

为了从城镇化进程角度研究自1985年以来北京市城市热岛效应的时空变化特点,利用7期夏季的Landsat TM/ETM+/TIRS遥感影像数据反演地表亮度温度以代替地表温度(land surface temperature,LST); 然后将其用于城市热岛效应的一系列定性和定量分析,揭示出北京市热分布以及城市热岛效应特征。研究结果表明: ①高温区域和亚高温区域不断地由郊区向城区集中,但东西城区(东城区和西城区)的高温区域表现出明显的下降趋势,大范围热岛被零星分布的小热岛取代; ②工业园区对北京市热岛效应的影响远高于住宅区对北京市热岛效应的影响; ③建筑物低矮密集且低植被覆盖区域的温度远远高于建筑物高大稀疏且高植被覆盖区域的温度。研究可为政府部门通过合理规划水体、绿地、工业园区、住宅区等的分布来减轻城市热岛效应的影响提供参考依据。

关键词： 地表亮度温度(地表亮温) ; 地表温度(LST) ; 城市热岛 ; 空间分布 ; 时空变化 ; 北京

Abstract

In order to study the temporal-spatial variation of the urban heat island effect over Beijing since 1985, the authors utilized the 7 phases of Landsat TM/ETM+/TIRS images in summer to perform retrieval of the land surface brightness temperature so as to replace the true land surface temperature(LST). And the LST data were used for a series of qualitative and quantitative analysis of urban heat island effect to reveal Beijing heat distribution and the characteristics of urban heat island effect. Some conclusions have been reached: ① The high-temperature regions and sub-high temperature regions are continuously centralized to the urban area, but the high-temperature regions in Dongcheng District and Xicheng District show a significant downward trend, and the large scale of heat island is replaced by the small heat islands;② The influence of industrial estate on the urban heat island effect in Beijing is much higher than that of the residential district in Beijing;③ The temperature of the areas with low-rise and dense buildings and low vegetation coverage are much higher than the temperature of the areas with tall and sparse buildings and high vegetation coverage. The results of the study would play an important role in urban planning in that they provide the reference frame for the government departments to reduce the impact of urban heat island effect based on rational planning of the distribution of water, green land,industrial estate and residential areas.

Keywords： land surface brightness temperature ; land surface temperature(LST) ; urban heat island ; spatial distribution ; temporal and spatial variation ; Beijing

PDF (11553KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杨敏, 杨贵军, 王艳杰, 张勇峰, 张智宏, 孙晨红. 北京城市热岛效应时空变化遥感分析. 国土资源遥感[J], 2018, 30(3): 213-223 doi:10.6046/gtzyyg.2018.03.29

YANG Min, YANG Guijun, WANG Yanjie, ZHANG Yongfeng, ZHANG Zhihong, SUN Chenhong. Remote sensing analysis of temporal-spatial variations of urban heat island effect over Beijing. REMOTE SENSING FOR LAND & RESOURCES[J], 2018, 30(3): 213-223 doi:10.6046/gtzyyg.2018.03.29

0 引言

改革开放以来,我国城镇化政策多次变动,大体经历4个阶段: ①城镇化恢复发展阶段(1978—1984年); ②城镇化平稳发展阶段(1984—1992年); ③城镇化加速发展阶段(1992—2003年); ④城镇化统筹发展阶段(2003年至今)[1]。现在,中国人口大约有40%居住在城市,快速的城镇化进程带来了诸多生态环境问题,城市表面热岛效应及其变化就是其中最为严重的问题之一[2,3]。城市热岛效应指的是城市中央区域的地表温度(land surface temperature,LST)明显高于郊区等城市边缘的LST,温度差值越大表示城市热岛效应越强,反之,温度差值越小表示城市热岛效应越弱[4,5]。交通、工业、商业和住宅区等人为热源的加剧导致热岛中心区域近地面气温高、空气密度小、气压低,大气做上升运动,与周围地区形成气压差异,从而在城市中心区域形成一个低压区,使生产、生活中产生的各种大气污染物在热岛中心区域聚集,危害人们的身体健康甚至生命[5]。因此,城市热岛效应的大小及模式已成为对许多城市气候研究的主要问题。对城市热岛效应的研究方法主要有气象资料分析法[6]、布点观测法[7]、数值模拟化法[8]和卫星遥感技术法[9,10]4种,其中卫星遥感技术法因能够大面积同步观测、时效性强、空间分辨率高而被广泛利用。目前,大量卫星遥感数据己应用于城市热岛效应研究,如NOAA/AVHRR[11],Terra/Aqua MODIS/ASTER[12],FY-2C[13]和Landsat TM/ETM+/TIRS[14,15,16]等数据。国内外学者对城市热岛效应的遥感研究主要有: Gallo等[17]在1993年通过分析城乡归一化植被指数(normalized difference vegetation index,NDVI)及LST差异,评估了最低气温对城市环境的的影响; Chen等[18]在2016年使用NDVI从不同时期的遥感影像中提取深圳市土地利用/覆盖信息,分析其与热红外波段反演的LST之间的关系,并通过城市不透水面分析了LST与城镇化之间的关系; Mathew等[19]在2016年研究了LST与不透水面面积及海拔的关系; Shen等[20]在2016年通过时空融合方法分析了武汉市连续26 a间高空间分辨率城市热岛效应发展模式及其与NDVI、不透水面面积及植被覆盖度之间的相关关系; 许飞等[21]在2014年在Hottel模型中利用TM数据模拟了城市屋顶在不同反射率下对太阳辐射的吸收过程进行模拟,结果表明“白屋顶计划”能有效缓解城市热岛效应。

北京市作为中国的首都,发展十分迅速。自城镇化加速发展阶段(1992—2003年)和城镇化统筹发展阶段(2003年至今)以来,北京市城区规模不断扩大,不透水面增多,城市能源消耗增大,这些都影响着城市的热岛分布格局。因此,研究和调查北京的城市热岛现象很有意义[18]。许多学者已做过广泛研究,Xu等[22]在2013年利用TM影像分析北京市城市热岛效应与NDVI等指数之间的时空分布关系; Peng等[23]在2016年研究北京市2001年以及2009年春夏秋冬4个季节的热岛效应和城市功能分区、景观类型与热岛效应之间的关系; Wang等[24]在2016年将北京—天津—河北城市群作为研究区域,结果表明城镇化进程对温度的影响显著,城市热岛效应随昼夜变化和季节变化而变化,并预测随着城市扩张,研究区的城市环境会越来越不适宜人们生活,特别是夜间环境; 杨可明等[25]在2014年基于V-I-S模型和全约束最小二乘混合像元分解模型来分析城市不透水面丰度与LST之间的关系,结果表明城市不透水面能够反映城市热环境的空间分布。对北京市热岛效应的研究成果已有很多,但很少有人从城镇化进程角度对热岛效应的发展模式进行研究。本文结合他人已有的研究成果,从定量(基于相对温度比例分级策略(relative percentage temperature grading strategy,RPGS)的热聚合指数(heat aggregation indicator,HAI))和定性(基于RPGS方法对地表亮度温度进行等级划分)2个方面研究城镇化进程的发展对北京市城市热岛效应时空变化的影响,旨在为政府部门进行合理的城区规划、减轻城市热岛效应的影响提供参考依据。

1 研究区概况及数据源

1.1 研究区概况

北京市位于E115.7°~117.4°,N39.4°~41.6°之间,总面积为16 807.8 km2,截至2014年底常驻人口总数为2 151.6万人[26]。自1978年改革开放以来,北京在40 a间发生了巨大变化,政治经济文化的快速发展使北京城区面积迅速扩张,城市下垫面变化很大。为了去除云污染以及图像拼接和相关问题对研究结果的影响,本文使用了覆盖北京绝大部分地区的单景Landsat卫星影像,因此本文研究区域为北京市部分区域(东城区、西城区、海淀区、朝阳区、丰台区、石景山区、顺义区及通州区这8个市辖区的全部区域以及房山区、大兴区和门头沟区的部分区域)。图1示出研究区位置。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   研究区位置

Fig.1   Location of study area


1.2 数据及其预处理

1.2.1 日平均最高气温数据与理想时间窗口

本文从中国气象数据官网(http: //data.cma.cn)获取北京市1984—2014年间每天的日平均最高气温,然后计算出这31年日平均最高气温(图2)。在分析这些数据并考虑卫星数据可用性的基础上,选择一年中最热的5—9月作为热岛效应分析的“理想时间窗口”(图2中2条直线之间)。本文所有数据均选自这个时间范围。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   Landsat数据获取的理想时间

Fig.2   Ideal time of Landsat data acquired


1.2.2 Landsat卫星数据

考虑到中国国民经济发展实行“五年计划”制度以及Landsat卫星数据的可获取性,本研究所用数据的间隔均在5 a左右,所用Landsat卫星数据均获取自美国地质调查局官网(http: //glovis.usgs.gov/),并结合图2所示每一年份的数据优先选择5—9月份时间范围内的影像。Landsat5/7/8的载荷分别对应TM,ETM+和TIRS这3种传感器,本文所采用的3种传感器获取对应日期数据的部分参数如表1所示。

表1   所获取Landsat数据的部分参数

Tab.1  Parameters of Landsat data acquired

传感器类型获取日期空间分辨率/m时间分
辨率/d
可将光和近
红外波段		热红外
波段
Landsat5 TM198507183012016
19910617
19950916
20050725
20110726
Landsat7 ETM+200109243060
Landsat8 TIRS2015082430100

新窗口打开| 下载CSV


对上述7景影像利用ENVI软件分别进行辐射定标、大气校正、几何纠正和裁剪等预处理,为后续研究提供基础影像数据。

2 研究方法

2.1 地表亮度温度生成

本文用Landsat数据直接反演地表亮度温度(以下简称为地表亮温),作为LST来研究热岛效应。热红外波段数据经辐射定标之后,便可根据普朗克函数直接求解地表亮温[27],其计算公式为

TB=K2/ln(K1/Lλ+1)

式中: TB为地表亮温,K; Lλ为热红外波段辐射亮度值; K1和K2为常量[27]。在本文中,地表亮度温度、地表亮温与地表温度(LST)是同义语。

2.2 地表亮温等级划分

为了减少温度波动带来的影响,本文采用Shen等[20]提出的RPGS方法确定本文地表亮温的等级划分标准以生成温度图。RPGS方法利用相对百分比范围划分LST数据,参考各个地物类别在研究区范围内所占的比例确定阈值。本文对7期Landsat影像进行最大似然分类,将地物主要分为5类: 水体、高大植被、低矮植被、裸土以及不透水面(如瓦片、沥青、水泥混凝土等材料构成的建筑物、路面和停车场等),每一类最高温和最低温之间的温差都在10 K以上。分类结果见表2。

表2   7期Landsat影像中各覆盖类别最小/最大/平均LST及面积比例

Tab.2  Minimum / maximum / average of LST and area ratio for classes of coverage in Landsat images acquired in seven periods

覆盖类别LST1985年1991年1995年2001年2005年2011年2015年7期平均
水体最低/K287.87290.99284.80283.63293.55296.20296.86290.56
最高/K302.09305.36298.92300.11304.34312.18307.72304.39
平均/K295.19295.95292.02292.07297.91299.34299.75296.03
面积比例/%0.570.740.620.730.750.750.680.69
高大植被最低/K286.45290.61284.62282.90292.94293.76293.74289.29
最高/K303.09308.85303.76301.84308.67310.90310.81306.85
平均/K295.70297.69293.60293.86298.73300.58301.55297.39
面积比例/%22.9123.7933.1627.5724.4524.876.3823.30
低矮植被最低/K286.50290.25287.60282.38291.35294.75293.10289.42
最高/K303.14308.46299.34302.55305.80310.59312.73306.09
平均/K295.62297.08292.91293.11298.29300.23302.04297.04
面积比例/%30.728.0631.0918.6230.8827.5035.2226.01
裸土最低/K281.98291.87289.32282.37293.25294.69295.34289.83
最高/K305.98310.11301.18306.51310.28314.42315.11309.08
平均/K296.84299.07294.23294.68300.25302.40304.25298.82
面积比例/%34.6746.5914.9024.1314.9111.0116.0923.19
不透水面最低/K277.24290.72283.12275.15289.90292.51293.86286.07
最高/K308.72315.46311.19309.09313.24317.51316.18313.05
平均/K298.16300.65294.93295.02301.22304.06305.47299.93
面积比例/%11.1320.8220.2328.9529.0235.8741.6426.81
分类精度OA/%96.0495.9895.2692.2594.0792.0293.4694.16
Kappa0.950.950.940.900.920.900.920.93

新窗口打开| 下载CSV


考虑到一般地表覆盖类型的温度由低到高分别为水体/森林、农田、裸土、农村居民用地、其他建设用地和城镇用地,以分类结果为参考,将水体和高大植被作为低温区、低矮植被作为亚低温区、裸土作为中温区、不透水面作为亚高温区和高温区,得到本文的RPGS方法地表亮温等级划分标准(表3)。

表3   RPGS方法温度等级划分

Tab.3  Classification of temperature grades based on RPGS method

温度分区所占比例/%分区范围/%
低温区24.0[0,24)
亚低温区26.0[24,50)
中温区23.2[50,73.2)
亚高温区25.5[73.2,98.7)
高温区1.3[98.7,100]

新窗口打开| 下载CSV


本文的研究重点是高温区和亚高温区的转移趋势,故文中所有日期的数据均采用表3中的温度等级划分标准,以确保每一个温度等级中的像元个数不发生变化。采用RPGS方法能够清晰地观察到时间序列上的热转移趋势。

3 结果与分析

3.1 城市热分布演变过程定性分析

根据2.1节描述的地表亮温的生成方法以及2.2节中表3所列的地表亮温等级划分方法,生成1985,1991,1995,2001,2005,2011和2015年这7 a的北京市LST分级分布图(图3)。图中表现出明显的规律,能够清晰地反映城市热岛效应的演变过程。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   LST分级分布图

Fig.3   Distribution of LST grades


图3中所有的影像都是采用RPGS方法划分的,每一景影像中每一温度区域的像元个数均未发生变化,统一的划分标准可以清楚地从时间序列数据中反映出城市的热转移趋势。图3中一系列的地表亮温分级图表明,市中心的温度均持续高于周边郊区(农村)的温度。高温区(红色)及亚高温区(黄色)主要分布在市区,且随着时间的推移和城镇化进程的加快,城区范围不断扩大,城区内工业发达、商业繁华、人口增多,郊区则大部分变为城区,绿化、裸土面积减小; 因此,高温区域和亚高温区域由原来的市中心和郊区裸土区域逐渐扩展为集中分布在整个城区内。由于城区的扩展,高温区和亚高温区就由早些年的集中分布在东城区和西城区向外扩展为若干个小热岛,分布在整个北京市的市中心。值得注意的是,随着城镇化进程的发展阶段不同,高温区也呈现不同的演化模式。早期的高温区绝大部分集中在东城区、西城区等老城区,亚高温区则围绕着高温区分布; 与高温区的分布相比,亚高温区的分布较为分散且温度等级分布几乎没有什么变化,主要表现在1985年和1991年,该时间段为城镇化进程的平稳发展阶段,城镇化进程缓慢,地表覆盖变化不大,引起热岛效应的因子几乎不变。中期高温区慢慢向老城区之外的区域扩展,但分布仍较为集中; 亚高温区则在向郊区(农村)扩展; 市中心的亚低温区域增多,主要表现在1995年和2001年(对应着城镇化进程的加速发展阶段),从影像图中可看出该期间北京市城区已经扩展至整个五环线,建筑面积急剧增多,因此热岛区域也由市中心向外扩展。自2005年起,高温区零零散散地分布于整个五环或者六环区域内,形成一些零星的小热岛区域,而市中心由原来的大部分属于高温区域变为绝大部分属于亚高温区域。2005年至今,整个北京市已经形成一个整体亚高温和局部高温的组合模式。

经分析发现了一个有趣的现象,即热岛效应最严重的地区由原来集中分布在老城区变为离散分布于几个局部地区。为了将上述热岛现象的演变模式在更小的尺度展现出来,本文对市中心的东西城区(东城区和西城区)、朝阳区、海淀区及石景山区做进一步分析。为了确保更清晰的对比,根据前文所说的中国城镇化进程发展阶段,将本文所用Landsat影像分为3个时段,分别为1985—1991年、1995—2001年和2005—2015年。对每个时段的影像求LST平均值,之后仍然采用2.2节中的地表亮温等级划分方法,生成LST分布分级图(图4)。图4(a)—(c)是东、西城区阶段性热演变图。东、西城区是北京市老城区,从图中可以看出,高温区域大面积集中分布在东、西城区; 随着时间的流逝,高温区范围急剧缩小且变得分散; 在最新时段(2005—2015年),老城区只剩下一个小范围的高温区,该高温区位于大栅栏商业街区,该街区人口众多、胡同密集、建筑物覆盖度很高而植被覆盖度很低(图4(a)—(c)中的方框区域)。

图4-1

新窗口打开| 下载原图ZIP| 生成PPT

图4-1   各时段Landsat影像平均LST演变图

Fig.4-1   Evolution of average LST of Landsat image in different stages


图4-2

新窗口打开| 下载原图ZIP| 生成PPT

图4-2   各时段Landsat影像平均LST演变图

Fig.4-2   Evolution of average LST of Landsat image in different stages


图4(d)—(f)是朝阳区阶段性热演变图,2个方框内的热分布均发生了显著变化。上面方框内高温区域及亚高温区域逐渐分散,结合图5[28]可以看出,这部分区域的热源主要来自大型购物中心; 而下面方框与上面方框内的热分布趋势恰恰相反,结合图6可知,新增加的不透水面中有很多工厂区,包括金属厂、面粉厂、印刷厂和纸品厂等高温热源。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   大型购物中心分布变化情况

Fig.5   Changes in distribution of large shopping malls


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   热分布与工厂区和住宅区之间的关系(搜索自腾讯地图: 圆形(或椭圆形)内是工厂密集区,方框内是住宅区)

Fig.6   Relationship between thermal distribution and factory area as well as residential area


图6展示了热分布与工厂区和住宅区之间的关系。图6(a)是在腾讯地图(http: //map.qq.com/)搜索北京市工厂区后的位置示意图,图6(b)是与6(a)对应的热分布图。图6(a)只是网页截图,无法获取更详细、更精确的信息,但可以通过视觉简单比较工厂分布与热分布的关系,能够发现在工厂密集分布的区域(图6中的圆形(或椭圆形)区域),高温区与亚高温区分布也相对密集。值得注意的是,虽然住宅区(图6中的方框区域)人口密度较高,建筑物也较多,但其高温区(或亚高温区)并不多。这表明,工厂区对热分布的影响远远大于住宅区对热分布的影响。

图4(g)—(i)是海淀区阶段性热演变图。海淀区的热分布大部分属于亚高温区且总体变化不大,只有局部变得离散,且热岛区域均集中在东部和南部区域。结合图5和图7(图7引自“北京市第三次全国经济普查数据可视化系统”的“统计图库”)可以看出,海淀区的大型购物中心以及能源消耗较大区域均在东部和南部,故在东部和南部呈现热岛现象。海淀区中部和西部有颐和园、植物园、香山等历史名胜和自然风景区,北部有许多的农田和村庄。因此,海淀区高温区域集中在东部和南部区域。海淀区的东部和南部区域作为老城区,变化不是很大,故一直是高温或亚高温区域。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   2014年能源消耗合计

Fig.7   Total energy consumption in 2014


图4(j)—(l)是石景山区阶段性热演变图。早期阶段高温区和亚高温区聚集在老城区,随着时间的推移而分散,圆圈内高温区略微变小且变得离散,亚高温区略微变大。结合图7(b)可知,圆圈区域属于石景山区能源消耗最多的广宁街道和古城街道,这是因为自1919年首钢兴建以来,石景山区成为北京市的重工业区[29],特别是广宁街道; 而随着工业的发展,古城街道也变成石景山区的政治经济中心。故石景山区热岛区域整体变化不大。

值得注意的是,建筑物低矮密集且低植被覆盖区域的温度远远高于建筑物高大稀疏且高植被覆盖区域的温度,如图8所示。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   建筑物低矮密集且低植被覆盖区域(A)和建筑物高大稀疏且高植被覆盖区域(B)温度分级

Fig.8   Temperature grades of low-vegetation-covered areas with low-dense of buildings(A)and high-vegetation-covered areas with tall- sparse of buildings(B)


图8(b)是选取的二环线周围建筑物低矮密集且低植被覆盖区域(东至前门大街,西至南新华街,北至前门西大街,南至珠市口西大街),图8(c)是建筑物高大稀疏且高植被覆盖区域(东至工人体育场东路,西至二环线,北至工人体育场北路,南至朝阳门外大街),图8(b)和(c)均是结合2015年的Landsat全色影像(图8(a))从2015年地表亮温分级图中选取的。由图8可以看出,在建筑物高度较高、密度较低、植被覆盖度较大的区域,LST相对较低,更适宜居住。

3.2 热聚合和热岛强度演变过程定量分析

利用基于RPGS的HAI描述高温区及亚高温区的聚合度。HAI是对利用RPGS方法进行温度等级划分之后,选择感兴趣区域内的高温区或者亚高温区的像元个数(或面积)进行统计记录的方法。本文选择东西城区、四环路和五环路3个典型区域。图9是东西城区、四环路、五环路在1985年的最大似然分类结果图中的位置示意图,其中东西城区根据2007年北京行政矢量图划分,四环路和五环路根据2015年卫星影像划分。图10为以上3个区域内高温区、高温区与亚高温区之和的HAI。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   用于定量研究地表城市热岛效应的区域(1985年)(从内到外分别是: 东西城区、四环路、五环路)

Fig.9   Areas for quantitative study of surface urban heat island effect in 1985


图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   1985—2015年北京市HAI

Fig.10   Beijing heat aggregation indicators from 1985 to 2015


由图10可以明显看出,不管是东西城区、四环路还是五环路,无论是高温区还是高温区与亚高温区之和,像元个数整体上均呈波动下降趋势,表明城镇化导致郊区变城区、高温区域由聚集于原来的老城区变成散布于扩建后的整个城区。因此,随着时间的流逝,东西城区、四环路和五环路高温区域像元个数均呈波动下降趋势。事实上,HAI定量分析结果表现出与图3和图4所示城市热岛演变过程具有高度一致性。HAI变化的主要原因是,亚高温区已经趋于稳定状态,而高温区呈分散趋势,与北京市的城镇化进程模式一致。

图3、图4和图10均显示出北京市城市热岛效应呈波动下降的趋势,随时间流逝没有大范围成片热聚集区,这和以前报道的对北京市热岛效应的研究结果不太一致,其主要原因为国家政策影响城镇化进程,进而影响到城市土地覆盖变化的发展模式。

4 结论与建议

本文以经筛选的1985年、1991年、1995年、2001年、2005年、2011年和2015年7个时段内的Landsat卫星数据为基础,采用遥感手段,分析了北京市城市热岛效应的时空变化特征,得到如下结论:

1)考虑到国家政策对城镇化进程的影响,本文使用7个时段的Landsat卫星数据分析北京市热岛效应热转移趋势。一方面,随着北京市城镇化进程的发展,在1985—2015年间温度较高的区域(高温区和亚高温区)一直集中在城区范围内,城中央明显的大范围高温区域形成岛状结构; 另一方面,高温区已从东西城区向海淀、丰台、石景山等区域转移,导致高温区域越来越分散,东西城区高温区大部分被亚高温区所替代,整个研究区已无大范围聚集的高温区,取而代之的是零星分布的小热岛区域。

2)对城市热分布演变过程的定性分析结果表明,在工厂密集、大型购物中心较多、住宅区分布较广的区域,高温区与亚高温区分布也相对较密集,但呈递减趋势。究其原因可能是,虽然住宅区人口密度大、建筑物分布密集,但是住宅区能源消耗合计没有工厂区大,绿化程度比工厂区高,且没有明显的热源。此结论对城市规划具有重要意义,可为相关部门合理规划工业园区分布以减轻城市热岛效应的影响提供参考依据。

综上所述,如何缓解或尽量减轻城市热岛效应将是一个非常值得研究讨论的话题。本文的研究考虑到城市绿地面积可有效减轻城市热岛效应的影响,建筑物等地物的密集则会加重城市热岛效应,可给出在以后的城市规划中应该避免高密度低层且低植被覆盖住宅区的建设等建议。

本文在研究热岛效应的时空变化特征中,虽然用到的遥感影像数据的时间间隔相对于已有研究已经大大缩小,但是时间间隔仍然相差了5 a左右,5 a的时间内城市可能已经发生了很大的变化; 因此,后续的研究应进一步缩小遥感影像数据获取的时间间隔,争取做到1 a的时间分辨率。另外,城市热岛效应会随季节而变化,也会随昼夜而变化,故在研究城市热岛效应时,对气温测量的合适季节与昼夜时刻,以及对应遥感数据类型与时相的选择方法也值得进一步调查研究。

参考文献

马晓河, 胡拥军 .

中国城镇化进程、面临问题及其总体布局

[J].改革, 2010(10):30-45.

[本文引用: 1]

Ma X H, Hu Y J . The process,problems and general layout of urbanization in China[J].Reform, 2010(10):30-45.

[本文引用: 1]

王骏飞 . 西(安)咸(阳)新区城市地表温度遥感反演及其变化研究[D]. 重庆:西南大学, 2015.

[本文引用: 1]

Wang J F . Research of Xixian New Area Land Surface Temperature Retrieval and Its Changes Based on Remote Sensing Images[D]. Chongqing:Southwest University, 2015.

[本文引用: 1]

Li X M, Zhou W Q, Ouyang Z Y .

Relationship between land surface temperature and spatial pattern of greenspace:What are the effects of spatial resolution?

[J]. Landscape and Urban Planning, 2013,114:1-8.

DOI:10.1016/j.landurbplan.2013.02.005      URL     [本文引用: 1]

刘宇峰, 原志华, 孔伟 , 等.

1993—2012年西安城区城市热岛效应强度变化趋势及影响因素分析

[J]. 自然资源学报, 2015,30(6):974-985.

[本文引用: 1]

Liu Y F, Yuan Z H, Kong W , et al.

The changing trend of heat island intensity and main influencing factors during 1993─2012 in Xi’an City

[J]. Journal of Natural Resources, 2015,30(6):974-985.

[本文引用: 1]

Yuan F, Bauer M E .

Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery

[J]. Remote Sensing of Environment, 2007,106(3):375-386.

DOI:10.1016/j.rse.2006.09.003      URL     [本文引用: 2]

宋艳玲, 董文杰, 张尚印 , 等.

北京市城、郊气候要素对比研究

[J]. 干旱气象, 2003,21(3):63-68.

[本文引用: 1]

Song Y L, Dong W J, Zhang S Y , et al.

Study on characteristics of climate elements in Beijing

[J] Arid Meteorology, 2003,21(3):63-68.

[本文引用: 1]

董妍, 李星敏, 杨艳超 , 等.

西安城市热岛的时空分布特征

[J]. 干旱区资源与环境, 2011,25(8):107-112.

URL     [本文引用: 1]

选取1959-2008年西安市常规气象站和城区加密自动站逐小时气温资料,采用城、郊气温对比法研究西安城市热岛效应的时间变化和空间分布。结果表明：西安城市热岛效应逐年增加,具有明显的季节变化特征;热岛强度日变化呈现双峰分布,两个峰值分别出现在05时和21时左右,最低值出现在11时左右。在西安市城区一直存在一个强城市强热岛中心和一个弱热岛中心;秋冬季西安市出现了多个热岛中心。

Dong Y, Li X M, Yang Y C , et al.

Distributive characters of urban heat island effect in Xi’an City

[J]. Journal of Arid Land Resources and Environment, 2011,25(8):107-112.

[本文引用: 1]

Giannaros T M, Melas D, Daglis I A , et al.

Numerical study of the urban heat island over Athens (Greece) with the WRF model

[J]. Atmospheric Environment, 2013,73:103-111.

DOI:10.1016/j.atmosenv.2013.02.055      URL     [本文引用: 1]

In this study, the Weather Research and Forecasting (WRF) model coupled with the Noah land surface model was tested over the city of Athens, Greece, during two selected days. Model results were compared against observations, revealing a satisfactory performance of the modeling system. According to the numerical simulation, the city of Athens exhibits higher air temperatures than its surroundings during the night (>402°C), whereas the temperature contrast is less evident in early morning and mid-day hours. The minimum and maximum intensity of the canopy-layer heat island were found to occur in early morning and during the night, respectively. The simulations, in agreement with concurrent observations, showed that the intensity of the canopy-layer heat island has a typical diurnal cycle, characterized by high nighttime values, an abrupt decrease following sunrise, and an increase following sunset. The examination of the spatial patterns of the land surface temperature revealed the existence of a surface urban heat sink during the day. In the nighttime, the city surface temperature was found to be higher than its surroundings. Finally, a simple data assimilation algorithm for satellite-retrieved land surface temperature was evaluated. The ingestion of the land surface temperature data into the model resulted to a small reduction in the temperature bias, generally less than 0.202°C, which was only evident during the first 4–502h following the assimilation.

Nichol J E, Hang T P .

Temporal characteristics of thermal satellite images for urban heat stress and heat island mapping

[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2012,74:153-162.

DOI:10.1016/j.isprsjprs.2012.09.007      URL     [本文引用: 1]

王艳慧, 肖瑶 .

北京市1989—2010年地表温度时空分异特征分析

[J]. 国土资源遥感, 2014,26(3):146-152.doi: 10.6046/gtzyyg.2014.03.24.

Magsci     [本文引用: 1]

以3S技术为支持，采用TM数据、应用单窗算法对1989-2010年间北京市五环内地表温度（land surface temperature，LST）进行反演，并采用同步的MODIS 温度产品对反演结果进行对比验证。在此基础上，利用距平值分析和剖面线分析等方法揭示了20多a来北京市地表温度的时空分异总体特征；基于归一化水汽指数（normalized difference moisture index，NDMI）和归一化建筑指数（normalized difference building index，NDBI）分析了研究区内地表温度的时空变化特征，定量揭示并阐述了地表温度和NDMI及NDBI的相关关系。研究结果表明：反演温度可较为真实地反映研究区地表热量的空间差异；北京地表温度时空变化特征明显，同一时段、不同土地覆盖类型的地表温度差异较为显著，热岛效应明显；地表温度和NDBI呈显著的正相关，与NDMI则呈显著的负相关，NDMI和NDBI在表征地表热特征方面均是较好的指标。该结果为监测北京地表温度变化及其时空分布特征提供了依据。

Wang Y H, Xiao Y .

A temporal-spatial variation analysis of land surface temperature in Beijing

[J]. Remote Sensing for Land and Resources, 2014,26(3):146-152.doi: 10.6046/gtzyyg.2014.03.24.

Magsci     [本文引用: 1]

纪瑞鹏, 张喜民, 李刚 .

沈阳等6城市热岛效应卫星监测研究

[J].辽宁气象, 2000(4):22-23.

[本文引用: 1]

Ji R P, Zhang X M, Li G . Study on satellite monitoring of urban heat island effect in 6 cities[J].Liaoning Meteorology, 2000(4):22-23.

[本文引用: 1]

Flores R J L, Filho A J P, Karam H A .

Estimation of long term low resolution surface urban heat island intensities for tropical cities using MODIS remote sensing data

[J]. Urban Climate, 2016,17:32-66.

DOI:10.1016/j.uclim.2016.04.002      URL     [本文引用: 1]

王亚维, 宋小宁, 唐伯惠 , 等.

基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例

[J]. 国土资源遥感, 2015,27(4):68-72.doi: 10.6046/gtzyyg.2015.04.11.

URL     Magsci     [本文引用: 1]

<p>地表温度是气候、水文和生态等研究领域的基本参数,在地表水量和能量平衡的研究和应用中发挥着十分重要的作用。强烈的异质性是地表温度反演精度不高的主要原因之一。该文以黄河源区玛曲为研究区,评估FY-2C数据的地表温度反演精度,为将来温度反演算法和产品的进一步发展提供依据。首先,以与FY-2C相同空间分辨率的MODIS地表温度产品(MOD11B1)为地表温度真值,对反演的地表温度进行了验证; 然后,利用研究区内20个采样点的土壤温度(5 cm)实测数据对反演结果进行验证。结果表明,FY-2C地表温度与MODIS温度产品具有较好的相关性,相关系数在0.72~0.95之间,均方根误差在0.44~3.87 K之间,平均均方根误差为1.90 K; 反演结果和实测数据的相关系数为0.69。</p>

Wang Y W, Song X N, Tang B H , et al.

Validation of FY-2C derived land surface temperature over the source region of the Yellow River:A case study of Maqu County

[J]. Remote Sensing for Land and Resources, 2015,27(4):68-72.doi: 10.6046/gtzyyg.2015.04.11.

Magsci     [本文引用: 1]

Bokaie M, Zarkesh M K, Arasteh P D , et al.

Assessment of urban heat island based on the relationship between land surface temperature and land use/ land cover in Tehran

[J]. Sustainable Cities and Society, 2016,23:94-104.

DOI:10.1016/j.scs.2016.03.009      URL     [本文引用: 1]

宋彩英, 覃志豪, 王斐 .

基于Landsat TM的地表温度分解算法对比

[J]. 国土资源遥感, 2015,27(1):172-177.doi: 10.6046/gtzyyg.2015.01.27.

Magsci     [本文引用: 1]

如何综合可见光波段信息提高地表温度的空间分辨率一直是热红外遥感应用研究的重要方向。以北京市Landsat TM图像为数据源,对比分析了SUTM和E-DisTrad模型地表温度分解的空间特征差异性和适用范围。结果表明: 在植被覆盖较低、地表温度较高的中心城区,SUTM模型的地表温度分解效果更佳,最小均方根误差和平均绝对误差分别为1.522 K和1.191 K; 在植被覆盖较高、地表温度较低的郊区,E-DisTrad模型的地表温度分解效果更好,最小均方根误差和平均绝对误差分别为1.768 K和1.173 K。2种模型都能有效地提高地表温度的空间分辨率,但是在植被覆盖不同的地区分解结果呈现一定的差异性。

Song C Y, Qin Z H, Wang F .

Comparison of two models for decomposition of land surface temperature image using Landsat TM data

[J]. Remote Sensing for Land and Resources, 2015,27(1):172-177.doi: 10.6046/gtzyyg.2015.01.27.

Magsci     [本文引用: 1]

李昕瑜, 杜培军, 阿里木·赛买提 .

南京市地表参数变化与热岛效应时空分析

[J]. 国土资源遥感, 2014,26(2):177-183.doi: 10.6046/gtzyyg.2014.02.28.

Magsci     [本文引用: 1]

利用南京市1989年TM和2001年、2010年ETM<sup>+</sup>卫星遥感数据，提取了3个时期的归一化植被指数（normalized difference vegetation index，NDVI）、改进的归一化水体指数（modified normalized difference water index，MNDWI）、归一化建筑指数（normalized difference build-up index，NDBI）和归一化不透水面指数（normalized difference impervious surface index，NDISI）等地表参数；利用热红外波段遥感数据反演地表温度，并从时间维对比分析了3个时期各个参数的变化和产生的原因；利用回归分析方法探讨了上述地表参数变化与城市地表温度之间的关系，即地表温度与NDISI和NDBI呈正相关，与NDVI呈负相关。进一步分析表明，南京市最近20 a来不透水面和建筑面积大幅增大，植被覆盖范围减少，城市热岛效应加剧，不透水面、建筑指数与地表温度的变化趋势和城市扩张趋势一致。该研究成果对于揭示南京市热岛效应、优化土地配置和推进生态城市建设具有一定的参考意义。

Li X Y, Du P J, Alim S .

Spatial-temporal analysis of urban heat island effect and surface parameters variation in Nanjing City

[J]. Remote Sensing for Land and Resources, 2014,26(2):177-183.doi: 10.6046/gtzyyg.2014.02.28.

Magsci     [本文引用: 1]

Gallo K P, Mcnab A L, Karl T R , et al.

The use of NOAA AVHRR data for assessment of the urban heat island effect

[J]. Journal of Applied Meteorology, 1993,32(5):899-908.

DOI:10.1175/1520-0450(1993)032<0899:TUONAD>2.0.CO;2      URL     [本文引用: 1]

A vegetation index and a radiative surface temperature were derived from satellite data acquired at approximately 1330 LST for each of 37 cities and for their respective nearby rural regions from 28 June through 8 August 1991. Urban-rural differences for the vegetation index and the surface temperatures were computed and then compared to observed urban-rural differences in minimum air temperatures. The purpose of these comparisons was to evaluate the use of satellite data to assess the influence of the urban environment on observed minimum air temperatures (the urban heat island effect). The temporal consistency of the data, from daily data to weekly, biweekly, and monthly intervals, was also evaluated. The satellite-derived normalized difference (ND) vegetation-index data, sampled over urban and rural regions composed of a variety of land surface environments, were linearly related to the difference in observed urban and rural minimum temperatures. The relationship between the ND index and observed differences in minimum temperature was improved when analyses were restricted by elevation differences between the sample locations and when biweekly or monthly intervals were utilized. The difference in the ND index between urban and rural regions appears to be an indicator of the difference in surface properties (evaporation and heat storage capacity) between the two environments that are responsible for differences in urban and rural minimum temperatures. The urban and rural differences in the ND index explain a great amount of the variation observed in minimum temperature differences than past analyses that utilized urban population data. The use of satellite data may contribute to a globally consistent method for analysis for urban heat island bias.

Chen W, Zhang Y, Gao W J , et al.

The investigation of urbanization and urban heat island in Beijing based on remote sensing

[J]. Procedia-Social and Behavioral Sciences, 2016,216:141-150.

DOI:10.1016/j.sbspro.2015.12.019      URL     [本文引用: 2]

As the capital of China, Beijing has become a world city after decades of development. It is necessary and meaningful to have a comprehensive investigation of the urban situation in Beijing. In addition, with the development and widely applied in urban studies, the remote sensing technology was put into use as a significant tool in this study which including DMSP-OLS and Landsat TM/ETM. This study was made up with two aspects: the urbanization investigation and the urban heat island effect survey. For the first part, the investigation was carried out by the correlation analysis with the official statistics and the night time light times series images from DMSP-OLS. Another aspect is the urban heat island effect survey, the Landsat TM/ETM data in 1995 and 2009 were processed to provide the NDVI and LST in the study region. By using the correlation analysis and regression analysis, the comprehensive understanding of the phenomenon of urban heat island in Beijing can be got.

Mathew A, Khandelwal S, Kaul N .

Spatial and temporal variations of urban heat island effect and the effect of percentage impervious surface area and elevation on land surface temperature:Study of Chandigarh City,India

[J]. Sustainable Cities and Society, 2016,26:264-277.

DOI:10.1016/j.scs.2016.06.018      URL     [本文引用: 1]

Shen H F, Huang L W, Zhang L P , et al.

Long-term and fine-scale satellite monitoring of the urban heat island effect by the fusion of multi-temporal and multi-sensor remote sensed data:A 26-year case study of the city of Wuhan in China

[J]. Remote Sensing of Environment, 2016,172:109-125.

DOI:10.1016/j.rse.2015.11.005      URL     [本文引用: 2]

许飞, 张雪红, 李栋 , 等.

“白屋顶计划”对缓解城市热岛效应的有效性评价

[J]. 国土资源遥感, 2014,26(1):90-96.doi: 10.6046/gtzyyg.2014.01.16.

Magsci     [本文引用: 1]

<p>为评价&ldquo;白屋顶计划&rdquo;对缓解城市热岛效应的有效性，以上海市城区为例进行了研究。首先，对研究区域TM图像进行大气校正获取地表反照率；然后，用Hottel模型模拟了晴天逐时太阳辐照度，并对城市屋顶在不同反射率下吸收太阳辐射过程进行了模拟；最后，经过回归建模估算出&ldquo;白屋顶计划&rdquo;在夏季午间高温时段能使热岛温度降低1.32℃，并估算出夏季白屋顶室内空调节能效率可达12.60%。</p>

Xu F, Zhang X H, Li D , et al.

Evaluation of the “white roof plan” for alleviating heat island effect

[J]. Remote Sensing for Land and Resources, 2014,26(1):90-96.doi: 10.6046/gtzyyg.2014.01.16.

Magsci     [本文引用: 1]

Xu L Y, Xie X D, Li S .

Correlation analysis of the urban heat island effect and the spatial and temporal distribution of atmospheric particulates using TM images in Beijing

[J]. Environmental Pollution, 2013,178:102-114.

DOI:10.1016/j.envpol.2013.03.006      URL     [本文引用: 1]

Peng J, Xie P, Liu Y X , et al.

Urban thermal environment dynamics and associated landscape pattern factors:A case study in the Beijing metropolitan region

[J]. Remote Sensing of Environment, 2016,173:145-155.

DOI:10.1016/j.rse.2015.11.027      URL     [本文引用: 1]

Wang J, Huang B, Fu D J , et al.

Response of urban heat island to future urban expansion over the Beijing-Tianjin-Hebei metropolitan area

[J]. Applied Geography, 2016,70:26-36.

DOI:10.1016/j.apgeog.2016.02.010      URL     [本文引用: 1]

杨可明, 周玉洁, 齐建伟 , 等.

城市不透水面及地表温度的遥感估算

[J]. 国土资源遥感, 2014,26(2):134-139.doi: 10.6046/gtzyyg.2014.02.22.

URL     Magsci     [本文引用: 1]

基于植被-不透水面-土壤模型和全约束最小二乘法混合像元分解模型，从探索城市热岛效应和城市不透水面关系出发，利用TM数据对北京市海淀区的城市不透水面丰度和地表温度进行估算，并在此基础上对二者之间的相关性进行定性分析和定量评价。研究表明：城市不透水面的空间分布和变化趋势与地表温度之间存在明显的一致性，二者相关系数达到0.752 5，这说明城市不透水面信息可以很好地反映城市热环境的空间分布状况。

Yang K M, Zhou Y J, Qi J W , et al.

Remote sensing estimating of urban impervious surface area and land surface temperature

[J]. Remote Sensing for Land and Resources, 2014,26(2):134-139.doi: 10.6046/gtzyyg.2014.02.22.

Magsci     [本文引用: 1]

北京市统计局.

人口

[EB/OL].( 2015- 11- 09)[2016-12-09]. .

URL     [本文引用: 1]

NASA.

Landsat 7 Science Data Users Handbook

[EB/OL].( 2016 -08)[2016-12-09].

URL     [本文引用: 2]

北京市第三次全国经济普查数据可视化系统:主题研究

[EB/OL].[ 2016- 12- 09]. .

URL     [本文引用: 1]

鞠鹏艳 .

转型期的石景山区规划

[J].北京规划建设, 2007(2):133-138.

DOI:10.3969/j.issn.1003-627X.2007.02.036      URL     [本文引用: 1]

正在北京市区的几个行政区中,石景山区一直是不太引人注意的,人们提起它一般会联想到“重工业、污染、边缘地区”等词汇,即便是近几年热闹了一阵的环球嘉年华,也没有从根本上改变几十年来人们对石景山区的认识。然而,处于大众视野

Ju P Y . Planning of Shijingshan District in transitional[J].Beijing Planning Review, 2007(2):133-138.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发