馬安青， 馬冰然， 張　震， 邢容容， 余瑋瑋， 韋　婉， 孫　碩

(1.中國海洋大學環(huán)境科學與工程學院，山東 青島 266100； 2.中國科學院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730000；

3.中國科學院大學，北京 100049； 4.河北省地礦局秦皇島礦產水文工程地質大隊，河北 秦皇島 066001)

?

濱海城市熱環(huán)境驅動因素分析
——以青島地區(qū)為例*

馬安青1， 馬冰然1， 張震2,3， 邢容容4， 余瑋瑋1， 韋婉1， 孫碩1

(1.中國海洋大學環(huán)境科學與工程學院，山東 青島 266100； 2.中國科學院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730000；

3.中國科學院大學，北京 100049； 4.河北省地礦局秦皇島礦產水文工程地質大隊，河北 秦皇島 066001)

摘要：綜合分析青島地區(qū)熱環(huán)境的驅動因素，本文利用Landsat ETM+遙感影像、DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM等數(shù)據(jù)，首先運用單窗算法反演出青島地區(qū)的地表溫度，運用相關性分析法，分析了高程、坡度、植被覆蓋、不透水表面、土地利用程度和社會經濟等指標與地表溫度的關系；補充香農多樣性指數(shù)、斑塊聚集度和散布指數(shù)3個景觀因子，對這9個指標進行空間主成分分析，確定它們對青島地區(qū)地表溫度的貢獻率。結果發(fā)現(xiàn)，高程、坡度、植被覆蓋與地表溫度成負相關，不透水表面、土地利用程度、社會經濟與地表溫度成正相關；第一、二主成分均為土地利用程度，第三主成分為植被覆蓋，第四主成分為景觀格局。因此，本文所選因子對城市熱島具有顯著的影響，其中土地利用程度、植被覆蓋度和景觀格局是影響青島市熱環(huán)境的主要因素，核心影響因素為土地利用程度。

關鍵詞：熱環(huán)境；驅動因素；相關性分析；空間主成分分析；濱海城市

引用格式：馬安青， 馬冰然， 張震. 濱海城市熱環(huán)境驅動因素分析—以青島地區(qū)為例[J]. 中國海洋大學學報(自然科學版)， 2016, 46(4)： 109-117.

MA An-Qing, MA Bing-Ran, ZHANG Zhen. Driving factors of the thermal environment of coastal city: A case study in Qingdao[J]. Periodical of Ocean University of China, 2016, 46(4): 109-117.

熱島效應是城市發(fā)展帶來的一系列問題之一，它引起的高溫不但威脅著城市居民的身心健康，而且由于城鄉(xiāng)間的氣壓差引起空氣環(huán)流，城市地區(qū)的污染物難以擴散。在全球氣候變暖的大背景下，城市熱環(huán)境已成為研究的熱點，如Rao P K第一次提出利用熱紅外遙感數(shù)據(jù)進行了地表溫度反演，并制作了地面熱場分布圖[1]；Bastiaanssen等人利用Landsat TM與其他衛(wèi)星遙感數(shù)據(jù)，發(fā)現(xiàn)不同土地類型的地表溫度不同[2]；Carlson等使用AVHRR和Landsat TM數(shù)據(jù)，分析了Chest市植被覆蓋、陸面濕度，以及陸面輻射溫度對快速城市化所作出的反應[3]；張小飛利用Landsat ETM+數(shù)據(jù)提取了深圳市下墊面類型、地表溫度和植被覆蓋等信息，認為下墊面類型和植被覆蓋度對熱島效應的強度有著明顯的影響[4]；黃聚聰?shù)妊芯苛?987—2007年廈門城市化進程中城市熱島景觀格局的演變，得出20年來廈門熱島景觀斑塊總數(shù)及密度呈增加趨勢、整個熱島景觀逐漸變得破碎化、高等級熱島景觀類型乃至于整個熱島景觀的斑塊形狀趨向復雜[5]；邱健等用混合像元分解法提取青島市植被蓋度，發(fā)現(xiàn)熱島強度和植被蓋度具有顯著的負相關性，并且當植被蓋度相同時,集中綠地或周邊為農田時熱島強度較小[6]；岳文澤運用空間主成分分析方法研究了上海市人類活動對城市熱環(huán)境的影響，認為城市建筑與人口密度、工業(yè)區(qū)布局、下墊面類型以及城市景觀多樣性4個因子是影響城市熱環(huán)境空間格局的主要因子[7]。

沿海城市是中國城市化水平最高的地區(qū)，在過去的30年間，城市面積急劇擴展，產生的城市環(huán)境問題要高于內陸地區(qū)，并且影響因素多樣。但是從以上的研究中可以看出，對濱海地區(qū)快速城市化過程中的地面熱環(huán)境響應的多是從單因素角度出發(fā)，多因素的研究并不多，因此，本研究以典型沿海城市青島作為研究對象，運用Landsat ETM+遙感影像、DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM等數(shù)據(jù)，從多因素的角度探討青島地區(qū)熱環(huán)境可能的驅動因素，為沿海城市熱環(huán)境、熱島效應等研究起到一定的借鑒作用，也為政府部門制定規(guī)劃和決策提供一定的支持，促進濱海城市的可持續(xù)發(fā)展。

1研究區(qū)域概況與數(shù)據(jù)

青島市位于山東半島南端、黃海之濱，是膠東半島經濟中心城市、中國重要沿海城市和國際著名港口城市。青島下轄共有6個市轄區(qū)(市南區(qū)、市北區(qū)、李滄區(qū)、嶗山區(qū)、城陽區(qū)和黃島區(qū))及4個縣級市(膠州市、即墨市、平度市、萊西市)。由于平度市和萊西市與其他地區(qū)不處在同一景遙感圖像上，為了研究的方便和數(shù)據(jù)精確性，本研究區(qū)暫不包括這兩個市。因此本研究區(qū)總體地理位置處于119°56′E～120°46′E，35°52′N～36°29′N(見圖1)。研究區(qū)面積6402.46km2，占青島市總面積的57.73%，人口672.97萬，占青島總人口的77.22%。研究區(qū)域屬于溫帶季風性氣候，同時具有海洋性氣候特征。

本研究所采用的數(shù)據(jù)有：2010年9月12號Landsat ETM+數(shù)據(jù)(軌道號為120/35，圖像清晰無云)、2010年DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM數(shù)據(jù)、研究區(qū)域行政邊界圖、氣象數(shù)據(jù)(2010年9月12日平均氣溫，相對濕度等數(shù)據(jù))等。

圖1　研究區(qū)示意圖

2地表溫度反演

Landsat影像在ENVI4.8軟件支持下進行去條帶、幾何糾正、重采樣和圖像裁剪等工作后，采用覃志豪等提出的單窗算法計算地表溫度，具體計算過程、參數(shù)確定方法見相關參考文獻[10-14]。本研究用標準差分類法[8]對反演出的地表溫度圖分別劃分地表溫度區(qū)間。根據(jù)反演的地表溫度平均值和標準差，在ENVI中采用密度分割(Density Slice)的方法將整個區(qū)域的地表溫度分為7個溫度區(qū)間，7個溫度區(qū)間及其范圍的確定方法如表1，反演結果如圖2。

表1　不同地表溫度區(qū)間的范圍確定

注：1)TS為地表溫度，a為平均值，Sd為標準差。1)TSis the surface temperature, a is the average, and Sd is the standard deviation.

圖2　地表溫度分布圖

3驅動因子與地表溫度相關性分析方法

為分析青島地區(qū)熱環(huán)境的驅動機制，本研究考慮到自然和人文兩個方面，具體指標包括青島地區(qū)地形(高程與坡度)、植被覆蓋、不透水表面、土地利用程度、社會經濟因素、離海岸線距離等，分別提取柵格圖并與反演得到的地表溫度導入SPSS中進行相關性分析。除地形提取使用研究地區(qū)DEM數(shù)據(jù)，社會經濟因素分析采用穩(wěn)定燈光數(shù)據(jù)外，其余均使用前面反演地表溫度的Landsat ETM+圖像。柵格圖的提取及相關性分析過程如下：

3.1 柵格圖的提取

3.1.1 地形、植被覆蓋度和不透水表面的提取利用DEM數(shù)據(jù)提取高程和坡度，一般來說隨著高程或坡度的增加，地表溫度呈下降趨勢；植被覆蓋度可由歸一化植被指數(shù)(NDVI)確定，由于植被水分的蒸騰，使其周圍空氣的濕度和溫度發(fā)生一系列變化而起到降溫的作用，利用ENVI4.8的NDVI計算功能提取研究區(qū)域的NDVI；選擇混合像元分解法[15-16]提取不透水表面，不透水表面(人工鋪砌的道路、廣場、建筑物等)使得其所在地區(qū)蒸發(fā)的水分減少，并且吸收大量太陽輻射熱量并形成反射，一般使地區(qū)的地表溫度上升。結果如圖3所示。

圖3　地形、植被指數(shù)和不透水表面的提取結果

3.1.2 土地利用程度一定區(qū)域范圍內的土地利用程度是多種土地利用類型變化的結果，土地利用程度的數(shù)量化可以用土地利用程度綜合指數(shù)來表示。為獲取土地利用程度綜合指數(shù)，本研究首先采用監(jiān)督分類和人工目視解譯相互結合的方法，根據(jù)全國遙感監(jiān)測土地利用/覆蓋分類體系，結合野外驗證將研究區(qū)域劃為6種土地利用類型：耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地、未利用土地(見圖4)。然后參考莊大方[17]的方法，對土地利用程度分級賦值(見表2)，土地利用程度綜合指數(shù)計算公式如公式1。

(1)

圖4　2010年土地利用/覆蓋圖

類型①未利用地②林、草、水③農用地④居民地、工礦用地⑤土地利用類型⑥未利用或難利用地林地、草地、水域耕地、園地、人工草地城鎮(zhèn)、農村、工礦用地、交通用地分級指數(shù)⑦1234

Note:①Type; ②Unused land; ③Forest、wat grassland; ④Arable land; ⑤Urban、 rural and industrod; ⑥Type; ⑦Index

其中La為研究區(qū)某單元的土地利用程度綜合指數(shù)，取值區(qū)間為[100,400]上的連續(xù)函數(shù)；Ai為研究區(qū)該單元第i級的土地利用程度分級指數(shù)；Ci為研究區(qū)該單元第i級土地利用程度分級面積百分比。利用ArcGIS可將土地利用程度綜合指數(shù)空間化，結果如圖5。

圖5　土地利用程度綜合指數(shù)空間分布圖

3.1.4 社會經濟城市熱環(huán)境變化是對城市化的生態(tài)響應，可以說社會經濟因素與城市熱環(huán)境密切相關。社會經濟因素包括人口密度、國內生產總值(GDP)、電力能源消耗等等。美國軍事氣象衛(wèi)星DMSP搭載的OLS傳感器為城市社會經濟研究提供了一種新的數(shù)據(jù)獲取手段，能夠探測到城市燈光甚至小規(guī)模居住地、車流、船只等發(fā)出的低強度燈光，使之區(qū)別于明顯黑暗區(qū)域的鄉(xiāng)村[18]，國內外許多學者分析了DMSP/OLS燈光數(shù)據(jù)和社會經濟因子的相關性[19-22]，表明DMSP/OLS燈光數(shù)據(jù)可以反映社會經濟發(fā)展狀況，因此本研究采用DMSP/OLS燈光數(shù)據(jù)中的穩(wěn)定燈光值數(shù)據(jù)(排除偶然燈光噪聲)值代替社會經濟值。經過坐標系轉換、裁剪等一系列操作使之與前面的數(shù)據(jù)產品一致，得到2010年穩(wěn)定燈光數(shù)據(jù)圖(見圖6)，燈光越強，顏色越淺，DN值為63的表示像元大部分為飽和像元，一般分布在城市中心區(qū)域。

3.2 相關性分析方法

將提取的柵格圖利用ArcGIS的Create Random Points工具隨機選取點，并利用Extract Values to Points工具將各因素與反演的地表溫度賦值到點圖層，將點圖層屬性表導出利用SPSS軟件分別作出散點圖。

圖6　研究區(qū)穩(wěn)定燈光數(shù)據(jù)圖

4相關性分析結果與討論

研究區(qū)地表溫度與各驅動因素散點圖如圖7所示。

圖7　各驅動因素與地表溫度相關性散點圖

從圖7的相關性分析可以看出，各因素都與溫度表現(xiàn)出了或正或負密切的相關性。其中地表溫度與不透水表面、土地利用程度綜合指數(shù)、燈光數(shù)據(jù)為正相關，與高程、坡度、植被覆蓋度(由NDVI表示)為負相關。經過F檢驗，發(fā)現(xiàn)這6個因子與地表溫度均呈現(xiàn)顯著的正(或負)相關關系(見表3)，F(xiàn)值均大于F0.005=7.88。地表溫度與高程、坡度之間存在著負相關關系，經過統(tǒng)計，其中青島地區(qū)高程每增加100m地表溫度平均下降約1.00℃，而坡度每增加1°地表溫度平均下降約為0.17℃；地表溫度與NDVI的負相關關系證明了植被具有緩解熱島的作用；地表溫度與不透水表面之間的正相關關系表明不透水表面對城市地表溫度的升高具有促進作用；地表溫度與土地利用綜合程度指數(shù)成正相關，說明城市化程度較高的地區(qū)往往具有較高的地表溫度；地表溫度與穩(wěn)定燈光值成正相關，說名社會經濟越發(fā)達的地區(qū)，其地表溫度相對于其他地區(qū)越高。

表3　F檢驗及其結果

5空間主成分(PCA)分析過程及方法

從前面的研究可以看出，研究區(qū)熱環(huán)境的形成受多種因子綜合影響，但這些因子之間又存在著一定的相關性，因此本研究進一步采用主成分分析法探討研究區(qū)域內熱環(huán)境影響因素的貢獻率大小。主成分分析法是一種將原來多個指標化為少數(shù)幾個相互獨立的綜合指標的統(tǒng)計方法[23]。相互獨立的指標即多元變量系統(tǒng)中的主成分，且各主成分之間對系統(tǒng)目標的貢獻度不同，第一主成分的貢獻度最大，第二主成分的貢獻度次之，以此類推，各主成分的貢獻度遞減[24]。通常情況下，按各主成分的累積貢獻率大于85%的原則提取主成分因子。空間數(shù)據(jù)的主成分分析面對的是每一個空間變量所對應的矩陣，一般的統(tǒng)計分析軟件無法實現(xiàn)[25]，因此，本研究在使用ArcGIS軟件下ArcToolBox工具箱中的Principal Components工具，實現(xiàn)對影響青島地區(qū)熱環(huán)境空間變量的主成分分析。

5.1 熱環(huán)境影響因子指標體系構建

本文選取能夠空間化的指標來構建熱環(huán)境影響因子的指標體系，前面已經介紹了海拔高程、坡度、植被覆蓋、不透水表面、土地利用程度綜合指數(shù)、穩(wěn)定燈光值等6個指標，另外，景觀格局的變化也影響城市的熱環(huán)境效應，再選取景觀格局的3個指標[25]：香農多樣性指數(shù)(反映景觀類型豐富度和均勻度)、斑塊聚集度(反映斑塊類型的物理連通性)、散布指數(shù)(反映不同斑塊類型分布的非隨機性或聚集程度)。這3個指標可以在FRAGSTATS景觀格局分析軟件中用移動窗口法結合土地利用/覆蓋圖求出，其空間分布如圖8，指標體系見表4。

表4　熱環(huán)境影響因子的指標體系

圖8　研究區(qū)景觀格局指數(shù)圖

5.2 數(shù)據(jù)處理

由于柵格數(shù)據(jù)便于進行疊加分析，所以本研究的主成分分析以前面獲得的柵格數(shù)據(jù)為基礎，同時，為了保證分辨率的一致性，所有柵格圖像全部重采樣為30m的分辨率，與本文所用遙感影像分辨率相同。另外，由于各個因子的分級值或者計量單位均不同，不具有可比性，因此需要對影響因子指標進行標準處理，采用歸一化的方法對各因子進行處理。當因子與地表溫度呈正相關的時候，采用公式(2)；當因子與地表溫度呈負相關的時候，采用公式(3)。

(2)

(3)

6PCA分析結果與討論

表5是研究區(qū)熱環(huán)境各個空間變量的特征值和貢獻度。由表5可知，前4個主成分包含了原始變量中高達90.28%的信息。由此可認為前4個主成分已經很好地反映了城市熱環(huán)境形成的主要原因。

表6是前4個主成分包含原來9個變量的信息載荷情況。對于第1主成分來說，貢獻率最高的是土地利用程度綜合指數(shù)，其次依次為不透水表面、穩(wěn)定燈光值等，同時香農多樣性指數(shù)對第一成分的貢獻為負；對于第二主成分來說，貢獻最高的仍然是土地利用程度綜合指數(shù)，其次依次為不透水表面、坡度等等，同時斑塊聚集度、散布指數(shù)、植被覆蓋度、穩(wěn)定燈光值對第2主成分的貢獻值為負，且穩(wěn)定燈光值對第2主成分的貢獻度的絕對值較大；對于第3主成分來說最高的是植被覆蓋度，其次依次是坡度、不透水表面組分等等，同時斑塊聚集度、散布指數(shù)、土地利用程度綜合指數(shù)、穩(wěn)定燈光值的貢獻值為負；對于第4主成分來說，貢獻度最高的是散布指數(shù)，其次是斑塊聚集度、土地利用程度綜合指數(shù)等，同時香農多樣性指數(shù)、穩(wěn)定燈光值、不透水表面組分等貢獻度為負值。

表5　研究區(qū)熱環(huán)境各個空間變量的特征值及貢獻度

表6　主成分得分載荷矩陣

綜合考慮前4個主成分的各因素的貢獻度大小，對于青島地區(qū)來說，第1、2主成分都集中反映了土地利用程度對熱環(huán)境產生的影響，但結合穩(wěn)定燈光值對第1主成分和第2主成分的貢獻值分別為正值和負值的情況來看，第1主成分強調的是社會經濟發(fā)達地區(qū)即城市建設區(qū)的土地利用情況，第2主成分強調的是社會經濟不發(fā)達地區(qū)的土地利用情況；第3主成分集中反映的是植被覆蓋情況，包含植被覆蓋度等信息；第4主成分集中反映了景觀格局對城市熱環(huán)境的影響，包含香農多樣性指數(shù)、散布指數(shù)、斑塊聚集度等信息。圖9為研究區(qū)域前4個主成分的空間分布格局。

圖9　研究區(qū)前4個主成分的空間分布格局

7主成分模擬與地表溫度的關系

根據(jù)得到的4個主成分，以貢獻率為權重進行加權求和，從而得到主成分模擬結果對熱環(huán)境影響特征模型：

S=0.4361P1+0.2052P2+0.1637P3+0.0978P4。

(4)

式中:S為主成分模擬的綜合指數(shù)；P1、P2、P3、P4分別為第1、2、3、4主成分因子。在ArcGIS中使用用柵格計算器計算，結果如圖10。

圖10　研究區(qū)主成分模擬的空間分布

將主成分模擬綜合指數(shù)與地表溫度導入到SPSS中進行分析，結果如圖11。從圖11可以看出主成分模擬的綜合指數(shù)與地表溫度之間存在著十分密切的正相關關系。使用F檢驗法進行回歸方程的顯著性分析，回歸方程的F值為146.794，均大于F0.005=7.88，表明主成分模擬的綜合指數(shù)與地表溫度之間存在著顯著的線性正相關關系，說明主成分因子在總體水平上較好地揭示了城市熱環(huán)境形成的原因。

圖11　主成分模擬綜合指數(shù)與地表溫度相關性散點圖

8結語

本研究根據(jù)下墊面因子中的海拔高程、坡度、植被覆蓋、不透水表面組分、土地利用程度綜合指數(shù)、社會經濟等分別與地表溫度之間做的相關性分析，其中地表溫度與海拔高程、坡度、植被覆蓋之間成負相關，與不透水表面、土地利用程度、社會經濟成正相關。

研究利用主成分分析方法提取出影響青島地區(qū)熱環(huán)境的主成分因子，它們分別是土地利用、植被覆蓋和景觀格局。通過加權求和模擬出青島地區(qū)熱環(huán)境的綜合因子，發(fā)現(xiàn)該因子與地表溫度之間有著良好的相關性,同時也說明了提取的主成分可以較好的模擬青島地區(qū)熱環(huán)境的形成原因。

參考文獻：

[1]Rao P K. Remote sensing of urban heat islands from an environmental satellite[J]. Bulletin of the American Meteorological Society, 1972, 53: 647-648.

[2]Bastiaanssen W G M, Menenti M. Mapping of evaporation in the western desert of Egypt with remote sensing techniques[J]. International Journal of Remote Sensing, 1990, 3: 110-112.

[3]Carlson T N, Arthur S T. The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology: As satellite perspective[J]. Global and Planetary Change, 2000, 25: 49-65.

[4]張小飛, 王仰麟, 吳健生, 等. 城市地域地表溫度-植被覆蓋定量關系分析——以深圳市為例[J]. 地理研究, 2006, 25(3): 369-377.

Zhang X F, Wang Y L, Wu J S, et al. Study on land surface temperature vegetation cover relationship in urban region: a case in Shenzhen City[J]. Geographical Research, 2006, 25(3): 369-377.

[5]黃聚聰, 趙小鋒, 唐立娜, 等. 城市化進程中城市熱島景觀格局演變的時空特征——以廈門市為例[J]. 生態(tài)學報, 2012, 32(2): 622-631.

Huang J C, Zhao X F, Tang L N, et al. Analysis on spatiotemporal changes of urban thermal landscape pattern in the context of urbanisation: a case study of Xiamen City[J]. Acta Ecologica Sinica, 2012, 32(2): 622-631.

[6]邱建, 賈劉強, 王勇. 基于遙感的青島市熱島與綠地的空間相關性[J]. 西南交通大學學報, 2008, 43(4): 427-433.

Qiu J, Jia L Q, Wang Y, Spacial correlation between heat island and green space in Qingdao city based on remote sensing[J]. Journal of Southwest Jiaotong University, 2008, 43(4): 427-433.

[7]岳文澤, 徐建華. 上海市人類活動對熱環(huán)境的影響[J]. 地理學報, 2008, 63(3): 247-256.

Yue W Z, Xu J H. Impact of human activities on urban thermal environment in Shanghai[J]. Acta Geographica Sinica, 2008, 63(3): 247-256.

[8]程晨, 蔡喆, 閆維, 等. 基于Landsat TM/ETM+的天津城區(qū)及濱海新區(qū)熱島效應時空變化研究[J]. 自然資源學報, 2010, 25(10): 1727-1737.

Cheng C, Cai Z, Yan W, et al. Study of temporal and spatial variation of urban heat island based on Landsat TM in central city and binhai new area of Tianjin[J]. Journal of Natural Resources, 2010, 25(10): 1727-1737.

[9]Markham B L, Barker J L. Landsat MSS and TM post-calibration dynamic ranges, exoatmospheric reflectances and at-satellite temperatures[J]. EOSAT Landsat Technical Notes, 1986, 1: 3-8.

[10]QIN Z H, KARNIELI A. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J]. International Journal of Remote Sensing, 2001, 22(18): 3739-3746.

[11]覃志豪, 李文娟, 徐斌, 等. 利用Landsat TM6 反演地表溫度所需地表輻射率參數(shù)的估計方法[J]. 海洋科學進展, 2004, 22(Z1): 129-137.

Qin Z H, Li W J, Xu B, et al. Estimation method of land surface emissivity for retriveving land surface temperature from Landsat TM6 data. [J]. Advances in marine science, 2004, 22(Z1): 129-137.

[12]楊景梅, 邱金桓. 我國可降水量同地面水汽壓關系的經驗表達式[J]. 大氣科學, 1996, 20(5): 620-626.

Yang J M, Qiu J H. The empirical expressions of the relation between precipitable water and ground water vapor pressure for some areas in China[J]. Chinese Journal of Atmospheric Sciences, 1996, 20(5): 620-626.

[13]賈仰文, 王浩, 倪廣恒, 等. 分布式流域水文模型原理與實踐[M]. 北京: 中國水利水電出版社, 2005.

Jia Y W, Wang H, Ni G H, et al. Principles and Practice of Distributed Watershed Hydrological Model[M]. Beijing: China Water&Power Press, 2005.

[14]覃志豪, 李文娟, 徐斌, 等. 陸地衛(wèi)星TM6波段范圍內地表比輻射率的估計[J]. 國土資源遙感, 2004, 15(3): 28-32, 41.

Qin Z H, Li W J, Xu B, et al. The estimation of land surface emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004, 15(3): 28-32, 41.

[15]潘竟虎, 李曉雪, 馮兆東. . 基于V-I-AP模型的蘭州市不透水面與植被蓋度時空格局分析[J]. 資源科學, 2010, 32(3): 520-527.

Pan J H, Li X X, Feng Z D. Analysis of Spatial and Temporal Patterns of Impervious Surfaces and Vegetation Covers in Lanzhou Based on the V-I-AP Model[J]. Resources Science, 2010, 32(3): 520-527.

[16]岳文澤, 吳次芳. 基于混合光譜分解的城市不透水面分布估算[J]. 遙感學報, 2007, 11(6): 914-922.

Yue W Z, Wu C F. Urban impervious surface distribution estimation by spectral mixture analysis[J]. Journal of Remote Sensing, 2007, 11(6): 914-922.

[17]莊大方, 劉紀遠. 中國土地利用程度的區(qū)域分異模型研究[J]. 自然資源學報, 1997, 12(2): 105-111.

Zhuang D F, Liu J Y. Study on the model of regional differentiation of land use degree in China[J]. Journal of Natural Resources, 1997, 12(2): 101-111.

[18]何春陽, 史培軍, 李景剛, 等. 基于DM SP/OLS夜間燈光數(shù)據(jù)和統(tǒng)計數(shù)據(jù)的中國大陸20世紀90 年代城市化空間過程重建研究[J]. 科學通報, 2006, 51(7): 856-861.

He C Y, Shi P J, Li J G, et al. Urbanization process reconstruction based on DMSP / OLS Nighttime Light Data and statistics of mainland of China in the 1990s[J]. Science Bulletin, 2006, 51(7): 856-861.

[19]Sutton P. Modeling population density with nighttime satellite imagery and GIS[J]. Computers Environment and Urban Systems, 1997, 21(3-4): 227- 244.

[20]S Amaral, G Camara, A M V Monterio, et al. Estimating population and energy consumption in Brazilian Amazonia using DMSP nighttime satellite data[J]. Computers, Environment and Urban Systems, 2005, 29: 179-195.

[21]Elvidge C D, Baugh K E, Kihn E A, et al. Mapping city lights with nighttime data from the DMSP Operational Linescan System[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63(6): 727-734.

[22]Elvidge C D, Baugh K E, Kihn E A, et al. Relation between satellite observed visible-near infrared emissions, population, economic activity and electric power consumption[J]. International Journal of Remote Sensing, 1997, 18(6): 1373-1379.

[23]陸守一. 地理信息系統(tǒng)[M]. 北京: 高等教育出版社, 2004.

Lu S Y. Geographic information system[M]. Beijing: China Higher Education Press, 2004.

[24]馮曉剛, 撒利偉, 石輝. 基于多元目標的主成分分析的熱島效應成因研究——以西安市為例[J]. 西安建筑科技大學學報(自然科學版), 2012, 44(4): 507-511.

Feng X G, Sa L W, Shi H. Study on the urban heat island effect based on the PCA of multi-purpose[J]. J Xi’an Univ of Arch &Tech (Natural Science Edition), 2012, 44(4): 507-511.

[25]潘竟虎, 李寶娟. 基于空間PCA的蘭州市熱環(huán)境人文驅動因素分析[J]. 干旱區(qū)地理, 2011, 34(4): 662-670.

Pan J H, Li B J. Simulation and analysis of human dimensions of urban thermal environment in valley-city: a case study of Lanzhou City[J]. Arid Land Geography, 2011, 34(4): 662-670.

責任編輯龐旻

Driving Factors of the Thermal Environment of Coastal City：A Case Study in Qingdao

MA An-Qing1, MA Bing-Ran1, ZHANG Zhen2,3, XING Rong-Rong4,YU Wei-Wei1, WEI Wan1, SUN Shuo1

(1.College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China; 2.Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lanzhou 730000, China; 3.University of Chinese Academy of Sciences, Beijing 100049, China; 4.Qinhuangdao Mineral Resource and Hydrogeological Brigade, Hebei Geological Prospecting Bureau, Qinhuangdao 066001, China)

Abstract：Using Landsat ETM+ images, DMSP/OLS data, DEM data et al, comprehensively analyzed on many driving factors of thermal environment in Qingdao area. Firstly, the surface temperature of Qingdao area was inversed by mono-window algorithm, then the correlation analysis method was used to analyze the relationship between elevation, slope, vegetation cover, impervious surface, the degree of land use, social and economic indicators and the surface temperature. Moreover, the Shannon Diversity Index, Patch Cohesion Index and Contagion Index were added, and the spatial principal component analysis was used on the 9 indicators to determine the size of their contribution rate of surface temperature in Qingdao area. The result shows that the factors of elevation, slope and vegetation cover have negative relationship with surface temperature, while the factors of impervious surface, the degree of land use, social and economic indicators have positive relationship with surface temperature; The first and the second main components are both the degree of land use, the third component is the vegetation cover, and the fourth main component is the landscape pattern. Therefore, the significant correlations are existed between these factors, and the degree of land use, vegetation cover and landscape patterns are the main factors for the thermal environment in which the degree of land use is the core factor in Qingdao area.

Key words：thermal environment; driving factors; correlation analysis; spatial principal component analysis; coastal city

DOI：10.16441/j.cnki.hdxb.20150124

中圖法分類號：X87

文獻標志碼：A

文章編號：1672-5174(2016)04-109-09

作者簡介：馬安青(1970-)，男，博士,主要從事地理信息系統(tǒng)與遙感的應用研究。E-mail:anqing@ouc.edu.cn

收稿日期：2015-04-03；

修訂日期：2015-06-05

*基金項目：山東江蘇海島海岸帶調查研究項目(908-01-WY02)；基于RS的青島地區(qū)地面熱場時空變化驅動機制研究項目(1312011015)；河口濕地高分遙感精細分類技術與系統(tǒng)集成調試研究合同(20130032)資助

Supported by Investigation of Shandong and Jiangsu Coastal Islands(908-01-WY02); Driving Mechanism of Temporal and Spatial Changes of Thermal Field in Qingdao Based on RS(1312011015); Estuary Wetlands High Resolution Remote Sensing Fine Classification Technology and System Integrated Debugger Research Contracts(20130032)