姜亞楠，官冬杰，程麗丹

(重慶交通大學(xué) 建筑與城市規(guī)劃學(xué)院，重慶 400074)

1 引言

采用遙感技術(shù)監(jiān)測(cè)城市熱島效應(yīng)和城市熱環(huán)境變化是近年來(lái)城市環(huán)境監(jiān)測(cè)和城市生態(tài)研究的熱點(diǎn)領(lǐng)域[1，2]。隨著城市化進(jìn)程的快速發(fā)展，人為改造的下墊面和人為活動(dòng)的熱量排放打破了原有的熱平衡，使得城市及其周邊區(qū)域的生態(tài)環(huán)境發(fā)生了很大變化[3]，因此，開(kāi)展城市熱環(huán)境變化研究對(duì)于保護(hù)生態(tài)環(huán)境、建設(shè)宜居城市具有重要指導(dǎo)意義[4]。然而，對(duì)于城市這種下墊面異質(zhì)性很大的區(qū)域，使用遙感方法對(duì)其熱環(huán)境進(jìn)行研究卻受到很多因素的制約，其中最為主要的因素是現(xiàn)有熱紅外遙感數(shù)據(jù)空間分辨率的限制[5]。目前研究熱環(huán)境所需要的熱紅外數(shù)據(jù)，空間分辨率普遍在100 m左右，在這個(gè)尺度上，可以正確區(qū)分城市與郊區(qū)的熱環(huán)境差異，卻無(wú)法劃分城市內(nèi)部的道路、高建筑密度區(qū)域、低建筑密度區(qū)域、公園和具有一定規(guī)模的綠地的熱環(huán)境差異[6]?？臻g降尺度技術(shù)是解決現(xiàn)有困境的有效途徑之一，它通過(guò)對(duì)同一傳感器的不同分辨率波段數(shù)據(jù)進(jìn)行整合，從而實(shí)現(xiàn)提高熱紅外影像空間分辨率的目標(biāo)[7]。運(yùn)用空間降尺度算法可以發(fā)掘遙感影像的潛力，獲得與可見(jiàn)光波段空間分辨率相同的熱紅外影像，這對(duì)于提高城市熱環(huán)境的監(jiān)測(cè)水平具有重要意義[8]。

本文以重慶市主城區(qū)為研究區(qū)域，獲取MODIS數(shù)據(jù)影響，運(yùn)用較成熟的降尺度算法，對(duì)降尺度后的數(shù)據(jù)影像產(chǎn)出熱場(chǎng)等級(jí)圖，結(jié)合土地利用數(shù)據(jù)、主城區(qū)與其他區(qū)縣的熱場(chǎng)強(qiáng)度的對(duì)比分析重慶市熱環(huán)境的分布規(guī)律。

2 研究區(qū)概況與數(shù)據(jù)來(lái)源

2.1 研究區(qū)概況

重慶市位于中國(guó)西南地區(qū)，緊靠長(zhǎng)江，與四川、貴州、湖北、湖南等接壤，是西南地重要的經(jīng)濟(jì)與交通樞紐站，屬長(zhǎng)江經(jīng)濟(jì)帶上游，位于東經(jīng)105°11′～110°11′、北緯28°10′～32°13′之間。全市面積約為8.24萬(wàn)km2，轄區(qū)東西長(zhǎng)470 km，南北寬450 km。重慶地勢(shì)獨(dú)特，多為山地丘陵，東南部、東北部高山較多沿長(zhǎng)江向西地勢(shì)逐漸平緩。地貌類型繁多，其中山地面積約占50%左右，高原、丘陵其次，平原僅為2.6%。與之相關(guān)的重慶市經(jīng)發(fā)展水平由高山貧瘠地區(qū)逐漸向三江匯流平坦處不斷邁進(jìn)。重慶特殊的地貌使得大氣環(huán)流、季風(fēng)進(jìn)退都有影響，造成了重慶獨(dú)有的氣候，復(fù)雜多變，空間差異性較大。

2.2 數(shù)據(jù)來(lái)源

2.2.1 遙感影像數(shù)據(jù)

本文選用的遙感影像從地理空間數(shù)據(jù)云(http://www.gscloud.cn)下載，下載2001年9月Landsat TM5影像，2010年10月Landsat TM5的遙感影像，選擇云量較少圖像清晰的日期下載共4景影像，選用分辨率為30 m的7個(gè)波段進(jìn)行合成，使用ENVI5.1以此對(duì)遙感影像進(jìn)行輻射校正、大氣校正、幾何精校正和圖像增強(qiáng)等預(yù)處理工作。根據(jù)重慶市主城區(qū)的矢量邊界使用ENVI裁剪模塊裁剪以獲得杭州市的遙感影像，結(jié)合Google map影像及查閱資料作為輔助資料確定研究區(qū)的土地利用類型和解譯標(biāo)志，將分類后的圖像做主要/次要分析，與原始影像對(duì)比，對(duì)錯(cuò)分、漏分等區(qū)域進(jìn)行手動(dòng)修改，將杭州市土地利用類型劃分為7大類：林地、耕地、交通用地、水域、草地、居民用地和裸地等。最后，根據(jù)混淆矩陣對(duì)分類進(jìn)行進(jìn)度評(píng)價(jià)，2001年與2010年的Kappa系數(shù)分別為0.83和0.88，即為監(jiān)督分類的結(jié)果較為良好。

在監(jiān)督分類的過(guò)程中，計(jì)算機(jī)的自動(dòng)分類是按照所選取興趣區(qū)的光譜特性，進(jìn)行分類的，由于存在同物異譜或者同譜異物的情況，所以在分類的過(guò)程中會(huì)有一些區(qū)域被分錯(cuò)，于是需要通過(guò)手動(dòng)進(jìn)行修改；分類的過(guò)程中也會(huì)由于遙感影像存在很多混雜的像素點(diǎn)，所以分類后會(huì)出現(xiàn)很多細(xì)小的斑塊，則可以通過(guò)ENVI的去除小斑塊工具進(jìn)行處理，在處理過(guò)程中，我選擇的是只要/次要分析，也有用聚類分析，但是聚類分析會(huì)使得象元過(guò)于平滑，使得圖像過(guò)于板塊化，所以對(duì)比發(fā)現(xiàn)主要/次要分析使得圖像大部分小斑塊去除，而且使得圖像不是太失真。計(jì)算機(jī)監(jiān)督分類，比較集中方法后，采用的是最大似然法進(jìn)行分類，之后再GIS軟件中處理，制作得到2001年和2010年兩個(gè)時(shí)期各自的土地利用圖。

2.2.1 地表溫度產(chǎn)品

本文選取了2000年和2010年9月末至10月初的多幅Landsat影像數(shù)據(jù)，來(lái)自美國(guó)NASA網(wǎng)站(https://ladsweb.modaps.eosdis.nasa.gov)其中地表溫度產(chǎn)品mod11a2，有12個(gè)波段，其中第1和第5波段分別為白天和夜間1km的地表溫度LST，NDVI產(chǎn)品是mod13q1(13 d、250 m)；dem數(shù)據(jù)從地理空間數(shù)據(jù)云上獲取，分辨率為90m。由于考慮到LST的季節(jié)性因素，選用了夏天和秋天之間的影響作為數(shù)據(jù)，經(jīng)觀察發(fā)現(xiàn)白天的數(shù)據(jù)優(yōu)于晚上數(shù)據(jù)。于是經(jīng)過(guò)篩選確定了最好的一期LST圖像和一期NDVI影像，云量幾乎沒(méi)有影響。同時(shí)選取了得到的重慶市2015年土地利用分布圖和重慶市各城區(qū)行政區(qū)劃圖作為輔助數(shù)據(jù)。

3 研究方法

3.1 空間降尺度算法

本文選用了較為成熟的一種降尺度手段 HUTS 算法作為方法。一般降尺度作為計(jì)算小面積降雨量時(shí)有著大量的應(yīng)用，而Dominguez等[9]于2011年提出一種在城市建成區(qū)應(yīng)用中，地表異質(zhì)性較大的區(qū)域表現(xiàn)更好的算法[6]。這種算法在傳統(tǒng)的降尺度算法上引入新的模擬函數(shù)，利用大尺度的地表溫度LST與植被歸一化指數(shù)(NDVI)和地表反照率(α)的回歸關(guān)系，建立模擬函數(shù)，從而利用小尺度的NDVI和地表反照率去擬合小尺度的LST。

本文利用1000 m的LST、NDVI、DEM以及經(jīng)緯度建立LST與三者之間的回歸關(guān)系，選擇R2最大的一組回歸函數(shù)，確定其系數(shù)作為最理想擬合函數(shù)，然后再根據(jù)已有的250 m NDVI、DEM以及經(jīng)緯度數(shù)據(jù)來(lái)帶入擬合出250 m的LST數(shù)據(jù)。其中，要計(jì)算出1000 m數(shù)據(jù)中真實(shí)值與擬合值的殘差，將殘差重采樣到250 m，最后將250 m殘差與擬合值相加，就得到了降尺度后的250 m LST數(shù)據(jù)。思路流程如圖1。

圖1 降尺度方法流程

通過(guò)SPSS軟件進(jìn)行一般線性擬合，經(jīng)過(guò)反復(fù)比較精度，最好的擬合方程為：

然后根據(jù)已知實(shí)際的1000 m LST進(jìn)行殘差處理，得到的1000 m殘差再插值到250 m。根據(jù)得到的擬合方程首先來(lái)擬合地表溫度LST250m結(jié)果：

然后將插值后的殘差與LST250day相加就得到了降尺度后的地表溫度數(shù)據(jù)(圖2)。本文研究的對(duì)象是城市熱環(huán)境現(xiàn)象，需要小尺度的地表溫度數(shù)據(jù)，因此降尺度是必須經(jīng)過(guò)的程序。

圖2 重慶市主城區(qū)地表溫度分布

3.2 地表覆蓋與地表溫度的定量分析

對(duì)地表溫度降尺度的結(jié)果進(jìn)行城市地表熱場(chǎng)等級(jí)劃分[10]。本研究選用密度分割法作為劃分方式，不同日期的溫度的絕對(duì)值不能說(shuō)明地表溫度空間分布特征，為了更精確的分析溫度分布，利用GIS，采用密度分割法對(duì)城市溫度進(jìn)行等級(jí)劃分：

T=A±X×SD

(1)

式(1)中：T為計(jì)算出的溫度閾值，A為研究區(qū)地表平均溫度，SD為地表溫度標(biāo)準(zhǔn)差，X表示標(biāo)準(zhǔn)差的倍數(shù)(表1)。標(biāo)準(zhǔn)差是個(gè)體值偏離均值的程度反映，這種方法能合理的對(duì)不同程度的溫度進(jìn)行歸一化處理，具有客觀性。將重慶市地表熱場(chǎng)分為了5個(gè)等級(jí)，由于重慶市屬于極炎熱地區(qū)，所以在劃分時(shí)著重劃分了高溫部分，溫度等級(jí)如表2。

表1 標(biāo)準(zhǔn)差倍數(shù)取值

圖3為降尺度按等級(jí)劃分后的重慶市地表溫度數(shù)據(jù)，可以看到有明顯的熱環(huán)境現(xiàn)象，人口密集發(fā)展程度好的區(qū)域，熱環(huán)境效應(yīng)明顯，在主城區(qū)以及沿江的重點(diǎn)區(qū)縣有著溫度較高，熱點(diǎn)聚集明顯。

根據(jù)地表熱場(chǎng)劃分的等級(jí)，將面轉(zhuǎn)為柵格文件，提取到點(diǎn)上，計(jì)算不同熱場(chǎng)溫度等級(jí)所占面積比例，得到表3，可以看出白天重慶市夏季末常溫區(qū)所占比例最大，站重慶市總面積的89.48%。低溫和較低溫區(qū)的區(qū)域較少。

表2 地表熱場(chǎng)等級(jí)劃分

利用重慶市2015年土地利用類型分布圖分析了各種土地利用類型與溫度的關(guān)系，如圖4，結(jié)果表明：

(1)綠植覆蓋地和水體地表溫度較低，從直觀上比較，林地溫度低于水域表面溫度，但都比建設(shè)用地和耕地的地表溫度低。該結(jié)果符合常理范圍，說(shuō)明降尺度的手段是切實(shí)有效，有理可循的科學(xué)手段。

圖3 降尺度后熱場(chǎng)分布等級(jí)

(2)植被覆蓋度決定地表溫度，其中居民用地對(duì)地表溫度貢獻(xiàn)較高，而綠地和水體因含水作用對(duì)地表溫度貢獻(xiàn)度較低。因此，在城市發(fā)展、規(guī)劃中，保證經(jīng)濟(jì)發(fā)展的同時(shí)合理控制城市建筑、裸地的面積，增加水體和綠地面積，從而適量的為城市地表降降溫[11]。

3.3 城市熱島強(qiáng)度

為綜合評(píng)價(jià)重慶市熱環(huán)境效應(yīng)，引入了熱島強(qiáng)度的算法[12]，根據(jù)重慶情況，把主城區(qū)與其余區(qū)縣做一個(gè)溫度差異值對(duì)比，從而得到重慶市主城區(qū)的熱島強(qiáng)度。具體做法是江城主城區(qū)平均溫度與區(qū)縣平均溫度做差值，對(duì)比主城區(qū)與其他區(qū)縣的熱環(huán)境有利于對(duì)主城區(qū)降溫，城市擴(kuò)張發(fā)展有著指導(dǎo)作用。

表3 不同地表熱場(chǎng)等級(jí)占比

圖4 土地利用類型分布

圖5 不同用地類型地表溫度

T城區(qū)=(T沙坪壩+T渝中區(qū)+T江北區(qū)+T南岸區(qū)+T九龍坡區(qū)+T大渡口區(qū)+T北碚區(qū)+T渝北區(qū)+T巴南區(qū))/9

T區(qū)縣=(T永川區(qū)+T涪陵區(qū)+T長(zhǎng)壽區(qū)+T江津區(qū)+T合川區(qū)+T南川區(qū)+T榮昌縣+T大足縣+T璧山縣+T銅梁縣+T潼南縣+T綦江縣+T萬(wàn)州區(qū)+T開(kāi)縣+T云陽(yáng)縣+T梁平縣+T墊江縣+T忠縣+T豐都縣+T奉節(jié)縣+T巫山縣+T巫溪縣+T城口縣+T黔江區(qū)+T武隆縣+T石柱縣+T秀山縣+T酉陽(yáng)縣+T彭水縣)/29

城市熱島強(qiáng)度為：UHI=T城區(qū)-T區(qū)縣

得到結(jié)果，重慶市主城區(qū)熱島強(qiáng)度為UHI=26.18-23.29=2.89。

4 結(jié)果分析

4.1 降尺度結(jié)果評(píng)價(jià)

降尺度是一種有效的數(shù)據(jù)分析手法，本研究通過(guò)構(gòu)建地表溫度數(shù)據(jù)與海拔、經(jīng)緯度、植被覆蓋度的擬合關(guān)系，將1 km的地表溫度數(shù)據(jù)降到了250 m，提高了原始數(shù)據(jù)的分辨率，反演了小尺度也能進(jìn)行地表溫度數(shù)據(jù)分析。如果用原始1000 m的數(shù)據(jù)，做出的效果一定不如降尺度后的明顯，說(shuō)明降尺度算法是具有一定準(zhǔn)確性的，可以應(yīng)用到多種數(shù)據(jù)的處理中，經(jīng)過(guò)降尺度的數(shù)據(jù)符合要求，能更便捷快速的的分析問(wèn)題。

4.2 地表覆蓋與地表溫度的定量分析

本文采用密度分割法對(duì)研究區(qū)地表溫度進(jìn)行等級(jí)劃分，劃分出6個(gè)等級(jí)，分析了重慶市面積所占各個(gè)等級(jí)比例，數(shù)據(jù)結(jié)果說(shuō)明，9月末至10月初的時(shí)間段，重慶市仍絕大部分處于常溫狀態(tài)，溫度分布在11.99 ℃

結(jié)合土地利用分布數(shù)據(jù)的分析，說(shuō)明了土地的含水量決定著地表溫度的高低。水的比熱容大，白天不易升溫，夜晚不易降溫，都對(duì)地表溫度數(shù)據(jù)產(chǎn)生了影響。當(dāng)植物覆蓋較高時(shí)能留住大量水分，使得地表溫度不易被改變，此結(jié)果對(duì)城市熱點(diǎn)降溫，改善熱環(huán)境質(zhì)量提出了建議，適當(dāng)?shù)脑黾又行某鞘械木G化，可以有效降低城市的熱效應(yīng)現(xiàn)象。

4.3 城市熱島強(qiáng)度

在計(jì)算過(guò)程中需要每個(gè)區(qū)縣和主城片區(qū)的地表溫度均值數(shù)據(jù)，同時(shí)還要注意首先要將地表溫度數(shù)據(jù)與土地利用面積結(jié)合起來(lái)，再進(jìn)行操作。本研究中熱島強(qiáng)度明顯，主城普遍的地表溫度都大于周圍區(qū)縣的地表溫度，說(shuō)明城市發(fā)展幾乎與地表溫度成正比，人口密集程度亦然。

5 結(jié)論

本研究利用降尺度手段明晰了城市熱島效應(yīng)與城市土地利用的關(guān)系，主要體現(xiàn)在：地表溫度數(shù)據(jù)與土地利用類型有關(guān)，當(dāng)用地類型植被覆蓋度較高、水分含量較高時(shí)，地表溫度受到弱化；主城區(qū)地表溫度在同一時(shí)相中，較其他區(qū)縣地表溫度高，可以明顯看出差距。所以本研究也為研究主城區(qū)擴(kuò)張與發(fā)展效果提供了依據(jù)。