山地城市裸地时空变化的热环境响应特征研究

doi:10.6046/gtzyyg.2019.04.25

山地城市裸地时空变化的热环境响应特征研究

曹琦¹, 师满江^,¹, 周亮², 王婷³, 彭黎君¹, 郑仕雷¹

1. 西南科技大学土木工程与建筑学院,绵阳 621010

2. 兰州交通大学测绘与地理信息学院,兰州 730070

3. 中国科学院地理科学与资源研究所,北京 100101

Study of the response characteristics of thermal environment with spatial and temporal changes of bare land in the mountain city

CAO Qi¹, SHI Manjiang^,¹, ZHOU Liang², WANG Ting³, PENG Lijun¹, ZHENG Shilei¹

1. College of Civil Engineering and Architecture, Southwest University of Science and Technology, Mianyang 621010, China

2. College of Surveying and Geographic Information, Lanzhou Jiaotong University, Lanzhou 730070, China

3. Institute of Geographic Science and Resources, Chinese Academy of Sciences, Beijing 100101, China

通讯作者: 师满江(1985-),男,博士,讲师,主要从事城乡规划理论与技术的研究。Email:shimj111@163.com。

责任编辑: 张仙

收稿日期: 2018-09-26 修回日期: 2019-03-27 网络出版日期: 2019-12-15

基金资助:

国家自然科学基金项目“山地丘陵城市建成区时空扩展与城市韧性协调发展研究”.  41701172
四川省教育厅项目“基于城市双修的城市裸地景观生态格局及修复路径”.  18ZB0610
西南科技大学人才引进专项项目“成渝城市群城镇化与生态环境耦合机理研究”共同资助.  17zx7102

Received: 2018-09-26 Revised: 2019-03-27 Online: 2019-12-15

作者简介 About authors

曹琦(1984-),女,博士,讲师,主要从事区域规划与理论的研究。Email:1098890240@qq.com。。

摘要

裸地被认为是导致城市热岛效应的下垫面之一,然而以往研究对于裸地在热岛效应中的贡献度仍缺乏定量刻画。以2005年、2011年和2017年3期Landsat TM/OLI 遥感影像为数据源,以西南山地城市绵阳市为研究区,通过反演土地利用/土地覆被变化过程中地表温度响应特征,构建裸地热岛效应贡献度指数,分析了在城市化进程中裸地时空变化的地表热环境响应特征。主要结论有: ①2005—2017年间,裸地占整个研究区面积最低为4.73%(即2005年的53.98 km ²),最高为6.34%(即2011年的72.28 km ²),12 a间总面积减少了5.54 km ²,城市开发区、城乡过渡带以及沿新建道路是裸地集中分布区; ②2005—2017年间,随着裸地斑块的空间集聚,高密度区裸地地表温度显著高于低密度区,但地形(高程、坡度、坡向),斑块面积和形状等对裸地地表温度的影响不显著; ③2005—2017年间,裸地与农村地区地表温度的绝对差由1.73 ℃增加到2.12 ℃,低于同时期城市不渗水面与农村区域的地表温度差(3.07~3.23 ℃),裸地对区域热岛效应的贡献度由34%(2005年)增长到37%(2011年),最后又下降至20%(2017年)。研究结果可为评估城市裸地要素的热场时空变化特征、缓解城市热岛效应提供科学依据。

关键词： 裸地 ; 地表温度 ; 热岛效应 ; Landsat TM/OLI ; 山地城市 ; 绵阳市

Abstract

Bare land is considered to be an important source causing urban heat island (UHI) in the urban underlying surface. However, quantitative description of the contribution of bare land to UHI in different periods of urbanization remains vague. Taking three phase Landsat TM/OLI remote sensing images from 2005 to 2017 of Mianyang, a mountain city in southwest China, as the research area and based on inverting the thermal environment response characteristics of land use/land cover change, the authors constructed the contribution index of bare land to UHI effect and analyzed the spatial and temporal changes of the surface thermal environment of bare land in the process of urbanization. The results are as follows: (1) In 2005—2017, bare land accounted for 4.73% (53.98 km ² in 2005) to 6.34% (72.28 km ² in 2011) in the study area, showing a trend of “increasing first and then decreasing” with total area (5.54 km ²) decreasing. Bare land was mainly distributed along new roads, urban development zones and urban-rural boundaries. (2) In 2005—2017, with the spatial agglomeration of bare land patches, the surface temperature of bare land in high-density area was significantly higher than that in low-density area, but the influence of bare land topography (elevation, slope, aspect), patch area and shape on the surface temperature of bare land was not significant. (3) In 2005—2017, the absolute difference of surface temperature between bare land and rural areas increased from 1.73 ℃ to 2.12 ℃, which was lower than the temperature of urban impermeable surface and rural area (3.07~3.23 ℃), and the contribution of bare land to urban heat island effect increased from 34% (2005) to 37% (2011) and finally decreased to 20% (2017). This study can provide a scientific basis for evaluating the spatial and temporal changes of urban bare land elements and mitigating the urban heat island effect.

Keywords： bare land ; surface temperature ; urban heat island ; Landsat TM/OLI ; mountain city ; Mianyang City

PDF (5848KB) 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

曹琦, 师满江, 周亮, 王婷, 彭黎君, 郑仕雷. 山地城市裸地时空变化的热环境响应特征研究. 国土资源遥感[J], 2019, 31(4): 190-198 doi:10.6046/gtzyyg.2019.04.25

CAO Qi, SHI Manjiang, ZHOU Liang, WANG Ting, PENG Lijun, ZHENG Shilei. Study of the response characteristics of thermal environment with spatial and temporal changes of bare land in the mountain city. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(4): 190-198 doi:10.6046/gtzyyg.2019.04.25

0 引言

扩大居住区、露天采矿、城市基础设施建设等人类活动直接或间接地导致地表植被退化,形成地表裸露(以下简称裸地)^[1]。虽然裸地在全球土地利用/土地覆被变化(land use /land cover change, LUCC)中占比很小,但裸地的形成和增长改变了原生地表生态系统的结构和功能,造成区域生态环境的恶化^[2,3,4]。此外,裸地也被认为是导致城市热岛(urban heat island, UHI) 效应的地表下垫面之一^[5]。然而裸地因分布零散、面积占比小,在传统的LUCC研究或城市规划中容易被忽视(如在土地利用分类中裸地常划分为未利用地或其他类用地类型),且裸地受人类活动和自然过程双重影响,时空转化复杂^[2,6],因此,在LUCC研究中针对单一裸地要素的研究鲜有报道。此外,虽然已有研究证实裸地的地表温度仅次于城市不渗水面^[7,8],是导致UHI的第二策源地,但对裸地在UHI中的比例及在时间上的变化特征缺乏定量化的描述。

中国有大约超过一半的城市位于山地丘陵区^[9]。受地形影响,山地城市山体和地表植被更易被破坏,形成大量裸露山体和裸露地表^[10]。此外,山地城市建成区空间闭塞,风速小,气流难以流动,加剧了UHI效应,俗称“火炉”(如重庆市)。传统对山地城市地表温度与UHI的研究主要基于以下3个方面: ①山地地形与UHI的关系,如Estoque等^[11]和韩贵锋等^[12]分别对菲律宾山地城市和重庆市进行研究,发现山地地形如坡度、坡向及海拔等并不能阻止山地城市UHI的加强,吕志强等^[13]发现山地建成区地表温度受海拔变化的影响显著高于地形起伏的影响; ②山地城市形态与热环境的关系,如蔡智等^[14]以重庆市为例,探讨了建筑容积率、建筑密度、天空开阔度等与地表温度之间复杂的非线性关系; ③山地城市LUCC对UHI的影响,在此类研究中,一般将导致山地城市UHI的用地类型归类为建设用地^[15]。综上研究发现,现有对山地城市UHI效应的研究大多忽视了裸地在UHI中的作用; 此外,目前通过调整LUCC缓解UHI的研究大多集中在增加城市植被或水体上^[16,17],也忽视了通过对裸地的改造利用来达到缓解UHI的作用。

基于此,本研究选择典型山地城市四川省绵阳市为研究区,通过遥感解译研究区2005—2017年间LUCC信息,结合裸地的时空变化特征,构建裸地UHI贡献度指数,定量分析裸地时空变化的地表热环境响应特征,为理清裸地在城市化进程中热环境特征及利用裸地缓解UHI提供科学依据。

1 数据和方法

1.1 研究区概况及数据源

绵阳市位于四川盆地西北部,涪江中上游,属山地丘陵地貌特征。市区三面环山,涪江、安昌江、芙蓉溪穿城而过,城市发展受地形影响,在空间形态上形成一个向NW倾斜的“Y”型。绵阳市是2008年“5·12”汶川大地震的重灾区,近年来通过灾后重建及国家科技城等建设,市区及周边出现大量裸地,给城市景观及生态环境都带来了很大破坏。本研究区范围参考绵阳市总体规划(2010—2020)中规划区范围,包含绵阳市涪城区、游仙区和安州区(图1)。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 研究区2017年5月1日Landsat OLI彩色合成影像

Fig.1 Landsat OLI images of the study areas in May 1,2017 displayed in false color composite

本研究主要数据源如表1所示。Landsat TM,OLI/TIRS 遥感数据下载自美国地质调查局网站(https: //earthexplorer.usgs.gov,行列号为130/38)。其中Landsat TM的第1—5波段和Landsat OLI的第1—7波段用于LUCC的解译,Landsat TM 第6波段和Landsat TIRS的第10波段用于地表温度反演。所有地理信息数据经投影和坐标转换统一为UTM_Zone_48N投影和GCS_WGS_1984坐标系。

表1 本研究主要数据源

Tab.1 Landsat images and auxiliary data were used in this study

数据类型		卫星过境时间	空间分辨率	云覆盖度/%	主要用途
遥感影像	Landsat TM	2005-04-14	多光谱波段为30 m	0	解译研究区LUCC信息; 反演研究区地表温度
	Landsat TM	2011-06-02	热红外波段为120 m	0
	Landsat OLI/TIRS	2017-05-01	多光谱波段为30 m	4
			全色波段波段为15 m
			热红外波段为100 m
辅助数据	数字高程模型(digital elevation model ,DEM)		30 m	0	高程、坡度、坡向分析
辅助数据	Google Earth影像	2017-10-01 2010-11-15	0.5 m	0	训练样本选取和精度验证

新窗口打开| 下载CSV

1.2 LUCC遥感解译方法

基于分层分类法^[18]对影像进行LUCC遥感解译。首先将研究区LUCC分为裸地、城市不渗水面、耕地、林地、水域和其他共6类; 然后进行裸地信息的提取,待满足精度后将裸地信息掩模处理后再提取城市不渗水面; 同理,提取城市不渗水面后,将已经提取的类别进行掩模处理后再提取下一类用地,依此进行,直到所有用地类型提取完毕。其中,城市不渗水面和裸地的提取参考徐涵秋等^[19]和李霞等^[20]采用的归一化差异不透水面指数(normalized difference impervious surface index,NDISI)和归一化差异土壤指数(normalized difference soil index,NDSI)分别提取; 植被和水体由于光谱特征差异明显而相对容易被提取,林地和耕地依据归一化差异植被指数(normalized differential vegetation index,NDVI)阈值进行分离; 在完成以上5类用地提取和精度验证后,利用ArcMap10.2软件中的Erase工具,用研究区擦除以上5类用地,剩余为其他类用地。解译精度验证是在参考研究区2010年和2017年的Google Earth影像的基础上,在Landsat TM/OLI上尽可能选取各地类较为纯净的训练样本感兴趣区域(region of interest,ROI),每类用地的ROI数量不低于100个,然后将提取信息与ROI比对检验,保证每一类用地的精度保持在90%。

1.3 LUCC及裸地时空变化分析方法

1.3.1 LUCC及裸地年变化率和动态度

分别采用年变化率K_i和动态度 ${D_{i}}^{[21]}$ 来表示第i类LUCC的年均变化速率和强度。计算公式分别为

(1)

K_{i} = (\frac{Δ S_{i, t}}{S_{i}}) \frac{1}{t} \times 100 %

(2)

D_{i} = (\frac{|Δ S_{i, t}|}{S_{a}}) \frac{1}{t} \times 100 %

式中: S_i为监测开始时间第i类LUCC的总面积; ΔS_i_,_t为监测开始至结束时段内第i类LUCC的净变化面积; t为时间段; S_a为研究区总面积。

1.3.2 裸地景观变化特征及与地表温度的关系

首先,分别选取裸地斑块数量、面积、形状指数表征裸地时空变化的景观特征^[22],其中斑块数量、面积、形状指数的计算在ArcMap10.2软件中完成; 然后,统计分析裸地景观指数与裸地地表温度的线性关系,分析裸地景观变化的热环境相应特征。

1.3.3 裸地空间分布及与地表温度的关系

1)裸地在空间分布上的集聚、分散趋势可能影响裸地地表温度。为此,首先选择核密度估计(kernel density estimation, KDE)计算裸地在空间分布上的密度特征,KDE通过监测中心要素与周边邻近要素之间的距离,并对距离及权重进行连续化模拟形成栅格图像,每个栅格的核密度值反映空间要素的分布特征^[23]; 然后,统计不同密度等级下对应裸地地表温度的面积比例,裸地高密度等级下对应裸地高温面积占比越高,表明密度对地表温度越有促进作用。

2)位于不同高程、坡度和坡向上的裸地,其对应地表温度可能也有差异。首先,基于研究区30 m空间分辨率DEM数据分析,提取裸地地形分布特征; 然后,建立不同裸地地形因子与裸地地表温度之间的线性关系,以表征不同地形条件下的裸地地表温度响应特征。

1.4 裸地地表温度反演及分析方法

考虑到研究区山地丘陵地形受水汽和云量的影响较大,因此选择辐射传输方程(radiative transfer equation,RTE)模型反演地表温度^[24]。其基本原理为先估算大气对地表热辐射的影响,然后把大气影响这部分从卫星传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,再进一步将地表热辐射强度转换为地表温度,具体反演流程参考文献[24]。

1.4.1 地表温度热力等级划分

为表示研究区及裸地地表温度的空间分布特征,首先计算研究区及裸地的热岛强度指数,然后运用均值-标准差法对归一化后的热岛强度指数进行等级划分,从高到低依次划分为高温、次高温、中温、次低温和低温5个热力等级^[25]。热岛强度计算公式为

(3)

H = \frac{T_{i} - T_{\min}}{T_{\max} - T_{\min}}

式中: H为热岛强度指数; T_i为第i个像元的地表温度; T_max和T_mim分别为影像中最低温和最高温。H值越大,说明热岛强度越高; 反之,则说明强度越低。

1.4.2 裸地热岛效应贡献率指数

裸地热岛效应贡献率指数(C_UHI)由裸地在UHI中的相对温度比例和面积比例2部分构成,前者参考UHI的计算方式,后者计算裸地在UHI下垫面(本研究为城市不渗水面和裸地)中的面积比例。具体计算公式为

(4)

C_{UHI} = \frac{T_{Bare} - T_{Rural}}{T_{Urban} - T_{Rural}} \frac{S_{Bare}}{S_{Urban} + S_{Bare}} \times 100 %

式中: C_UHI为裸地的热岛效应贡献度指数; T_Bare,T_Urban和T_Rural分别为裸地、城市区域和乡村区域的平均温度; S_Bare和S_Urban分别为相应时期裸地和城市建成区(本研究以城市不渗水面代替)的面积。其中T_Urban-T_Rural为UHI效应强度指数^[26]; T_Bare-T_Rural为裸地热岛效应强度指数。

2 结果与分析

2.1 LUCC变化及地表温度响应特征

2.1.1 LUCC及裸地变化特征

图2展示了研究区不同时期的LUCC信息。城市建成区(图中为城市不渗水面)沿着河谷盆地不断扩展,裸地不同时期在城乡过渡带、城市建成区内以及道路两边均有分布,整体显示出零散的空间分布特点。经统计,2005—2017年,研究区耕地、裸地、林地和城市不渗水面构成的4大类用地占研究区总面积(1 140.68 km²)的90%左右,其中耕地和林地分别占60%和20%左右,裸地在研究区面积占比中最高达到6.34%(2011年72.28 km²),最低约占4.73% (2005年53.98 km²),反映出裸地占比面积小的特征,其次,水域和其他类用地面积合计约占研究区6%左右。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 研究区2005—2017年间LUCC分布

Fig.2 LUCC in the study area from 2005 to 2017

图3为2005—2017年间研究区LUCC年变化率和动态度。如图3(a),在2005—2011年和2011—2017年2个时期内,裸地年变化率分别为3.57%和-4.22%,呈“先增后减”的变化特征; 城市不渗水面面积由38.96 km²增长到115.02 km²,年变化率分别为18.37%和6.74%; 同时期耕地面积由73.83 km²下降到68.49 km²,林地总面积减少0.71 km²,水域面积基本维持稳定。从2005—2011年和2011—2017年2个时期内各用地类型的动态度来看(图3(b)),裸地动态度分别为19%和28%,对应同期城市不渗水面分别为63%和49%,耕地分别为30%和49%,林地分别为35%和47%,因此,裸地在研究区4大类用地类别中动态度最小,最大为城市不渗水面。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 2005—2017年间研究区LUCC年变化率和动态度

Fig.3 Annual average growth rate and growth intensity of LUCC in the study area from 2005 to 2017

综合来看,2005—2017年间,耕地面积大幅下降和城市不渗水面迅速扩张是研究区LUCC最显著的特征,裸地变化呈“先增后减”、整体下降的趋势。

2.1.2 LUCC及裸地地表热环境特征

2005—2017年间的3期遥感数据中,本研究反演的研究区地表温度与历史时期的气象记录(绵阳市统计年鉴http: //tjj.my.gov.cn/bmwz/mytjnj/index.html)相对误差分别为13%,6%和8%。鉴于本研究侧重于不同时期地表温度在空间上的相对强弱特征。因此,地表温度反演结果可用于本文的后续研究。在地表温度遥感反演的基础上,将研究区地表温度和3个时期裸地地表对应的地表温度按照式(3)划分为5个等级,并分别统计不同温度等级下的面积占研究区的比例,结果如表2所示。

表2 2005—2017年间研究区及裸地不同等级地表温度对应的面积比例

Tab.2 Area ratios corresponding to different levels of surface temperature of the study area and bare land from 2005 to 2017(%)

温度等级	2005年		2011年		2017年
温度等级	研究区地表温度面积	裸地地表温度面积	研究区地表温度面积	裸地地表温度面积	研究区地表温度面积	裸地地表温度面积
高温区	4.05	33.38	4.14	29.52	4.12	26.09
次高温区	13.50	39.01	12.94	38.97	15.45	46.84
中温区	28.19	17.74	31.63	22.14	30.58	22.37
次低温区	20.97	8.92	18.56	8.27	17.19	4.02
低温区	33.29	0.95	32.73	1.10	32.66	0.68

新窗口打开| 下载CSV

2005—2017年间,研究区高温区、次高温区和中温区三者总面积比例由45.74%增长到50.15%,其中高温及次高温区由17.55%增长到19.57%,同时期次低温和低温区面积由54.26%下降低到49.85%。研究区温度等级的变化呈现高温和次高温区面积逐年增长,次低温和低温区面积逐年下降的趋势,充分表明研究区UHI效应逐年增强的趋势。

2005—2017年间,裸地地表次低温和低温区面积由2005年的9.87%降低到2017年的4.70%,同期中温区由17.74%增长到22.37%,高温和次高温区占到裸地面积的70%以上。反映出裸地地表温度在中温区的比例逐年增长,但面积占比较小,而高温和次高温区在裸地地表温度中起到了主导作用,这也是造成裸地UHI效应的主要原因。

2.2 裸地景观变化的热环境响应特征

2.2.1 裸地斑块面积、形状变化的热环境响应特征

2005—2017年间,裸地斑块数量增加显著,但同时期裸地总面积、平均斑块面积减小。裸地斑块数量由2005年的1 592增长到2017年的2 430,增长了52%,但平均斑块面积下降了42%,对应同时期斑块形状指数分别为1.29,1.56和1.43。综合来看,研究区裸地景观格局随时间推移而呈现出更加破碎化的变化特点。图4为裸地斑块面积、形状指数与对应地表温度的散点图和线性关系。整体来看,除2011年裸地地表温度整体高于2005年和2017年外,其他各时期裸地斑块面积、形状指数与对应斑块地表温度之间不存在明显的线性关系,表明裸地斑块面积和形状对其地表温度的影响甚微。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2005—2017年间研究区裸地面积、形状指数与裸地地表温度散点图

Fig.4 Scattered plots of area, shape index and surface temperature of bare land in the study area from 2005 to 2017

2.2.2 裸地空间分布密度的热环境响应特征

表2表明裸地地表温度主要集中在次高温和高温区(占总温度的70%),为此,首先将KDE结果按密度从大到小依次划分为高密度区、次高密度区,中密度区,次低密度区和低密度区5个等级(图5); 然后,统计落入高密度区、次高密度区和中密度区中裸地高温和次高温区的面积比例(表3),面积占比越高,表明密度与地表温度相关性越高。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 2005—2017年间裸地密度分布与温度分布特征

Fig.5 Bare land density distribution and its surface temperature distribution characteristics from 2005 to 2017

表3 2005—2017年不同密度等级下裸地温度等级分布面积比例

Tab.3 Distribution area of bare land temperature grade under different density grades from 2005 to 2017(%)

年份	高密度区-高温	高密度区-次高温	高密度区-中温	次高密度区-高温	次高密度区-次高温	次高密度区-中温	中密度区-高温	中密度区-次高温	中密度区-中温	合计
2005年	2.53	4.18	2.32	5.36	11.49	10.50	5.82	16.20	23.54	81.93
2011年	2.73	5.80	4.78	3.98	9.72	13.13	4.16	14.07	26.29	84.66
2017年	3.15	9.61	7.29	3.64	11.17	15.58	4.10	13.26	22.94	90.73

新窗口打开| 下载CSV

首先,如图5所示,从裸地空间分布来看,裸地密度随时间有逐渐增强的趋势,特别是高密度区和次高密度区面积显著扩展。不同时期裸地高密度区集中分布在涪城区、游仙区、方水乡和松垭镇等区域,以上区域是近年来城市高密度开发建设区,代表了城市在空间上的扩展方向。其次,裸地密度分布与裸地地表温度在空间上有较高的重叠区。经表3统计,在2005年,分布在裸地中密度以上(包括高密度、次高密度和中密度)区域里裸地高温、次高温及中温区面积占中密度以上区域面积的81.93%,到2017年这一比例增长到90.73%; 仅高温以上区域就占到不同时期的50%左右,且呈逐年上升的趋势。这一特征表明高密度裸地分布区地表温度显著高于低密度分布区。

2.2.3 裸地地形分布的热环境响应特征

经对研究区DEM进行统计分析,研究区裸地均分布在海拔400~650 m的高程范围内,坡度集中在0~15°之间,在坡向上,各时期在东南、南和西南向略有增大,但整体较为均衡。

图6展示了裸地地形特征与地表温度之间的相关性。从地形因子对应的裸地地表温度来看,较为明显的是2011年裸地高程和坡度与裸地温度之间具有较弱的负相关(随高程的增长裸地地表温度有降低的迹象),而在2005年和2017年没有表现出明显的相关性,说明高程起伏和坡度变化对裸地的地表温度影响不显著。再从裸地分布的坡向上看,各个坡向上的裸地地表温度仍以各时期裸地平均地表温度为主。整体来看,除个别年份外,无论是裸地所处的高程,还是坡度和坡向,地形特征对裸地地表温度没有明显的影响。这与Estoque等^[11]和韩贵锋等^[12]的研究结论相似。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 2005—2017年间研究区地形因子与裸地地表温度散点图

Fig.6 Scattered plots of the topography factor and surface temperature in the study area from 2005 to 2017

2.3 裸地在UHI效应中的贡献度

表4统计了研究区2005年、2011年和2017年UHI效应强度(T_Urban-T_Rural)、裸地热岛效应强度(T_Bare-T_Rural)和裸地热岛效应贡献度(C_UHI)的计算结果。

表4 2005—2017年间研究区T_Urban-T_Rural,T_Bare-T_Rural和C_UHI

Tab.4 The T_Urban-T_Rural,T_Bare-T_Rural and C_UHI from 2005 to 2017

年份	T_Urban/℃	T_Rural/℃	T_Bear/℃	T_Urban-T_Rural/℃	T_Bare-T_Rural/℃	C_UHI/%
2005年	24.59	21.52	23.24	3.07	1.72	34
2011年	29.69	26.58	29.06	3.11	2.48	37
2017年	24.79	21.56	23.68	3.23	2.12	20

新窗口打开| 下载CSV

2005—2017年间,研究区UHI效应强度由3.07 ℃升高到3.23 ℃,再次表明研究区UHI有加强的趋势。对应同期裸地地表温度与农村区域地表温度的绝对值也由1.73 ℃增长到2.12 ℃,通过前文分析推断,裸地随时间在空间上集聚特征加剧了裸地地表温度。

然而,裸地对区域UHI的贡献除绝对温度外,与其面积的变化也有直接关系。2005—2017年间,在导致UHI增强的下垫面中,城市不渗水面总面积扩大了近2倍(由2005年38.96 km²增长到2011年的115.02 km²),而同期裸地面积下降了5.54 km²,裸地自身面积下降导致其在UHI下垫面中的比重也随之降低。因此,综合来看,裸地在研究区UHI的贡献度由2005年的34%增长到2011年的37%的而后又下降至2017年的20%。

3 讨论与结论

本研究利用2005—2017年间3期Landsat系列遥感影像提取研究区裸地时空分布信息,并通过构建裸地UHI贡献度指数,探讨城市化不同阶段裸地时空变化的地表热辐射特征及对UHI的贡献度。主要结论有:

1)2005—2017年间,研究区裸地面积呈先增后减、总面积微降的变化趋势,而对应裸地斑块数量呈整体增长趋势,表明研究区裸地分布破碎化程度不断加剧。不同时期裸地占整个研究区面积在4.73%~6.34%之间。从空间分布来看,城市新开发区,城乡交错带以及沿河流两岸、沿新建道路两边是裸地高密度分布区,裸地在空间上的分布趋势一定程度上揭示了城市未来空间扩展的方向。

2)从研究区地表温度的变化来看,UHI效应强度由3.07 ℃增长到3.23 ℃,表明研究区UHI有不断加剧的迹象,主要原因是城市不渗水面的迅速扩张,城市不渗水面面积由2005年的38.96 km²增长到2017年的115.02 km²,年变化率以及动态度是所有用地类型中变化最为剧烈的。而同时期中,裸地面积由59.52 km²(2005年)下降到53.98 km²(2017年),因此,在城市不渗水面迅速增长和裸地面积整体下降的双重影响下,裸地热岛效应贡献度也呈现整体下降趋势,即由34%(2005年)下降至20%(2017年)。

3)在影响裸地地表温度的因素中,裸地高程、坡度、坡向及斑块大小和形状对其地表温度的影响微弱,而裸地在空间上的密度分布趋势显著影响地表温度,两者在空间上呈显著的正相关。因裸地高密度区均集中在城市边缘或城乡过渡带,因此,相对于整个研究区,受城市不渗水面迅速扩张和裸地面积降低,裸地密度对裸地地表温度的作用并未明显加剧区域UHI。

受遥感影像空间分辨率的限制,部分较小面积的裸地(如城市施工区等)在本研究中不能被有效提取,一定程度上影响了研究结果精准性。此外,本研究重点分析了裸地在城市化进程中对UHI的贡献度,但没能进一步探讨裸地经改造利用后,对缓解UHI的潜力大小。因此,该问题是今后需进一步深入研究的方向。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Hansen M

, Egorov

, Potapov P

, et al.

Monitoring conterminous United States (CONUS) land cover change with web-enabled Landsat data (WELD)

[J]. Remote Sensing of Environment, 2014,140(1):466-484.