袁 帥,張 金 夢(mèng),徐 志 剛,唐 歌 實(shí),王 馳,陳 吉 科*

(1.南京信息工程大學(xué)遙感與測(cè)繪工程學(xué)院，江蘇 南京 210044；2.江蘇第二師范學(xué)院城市資源與環(huán)境學(xué)院，江蘇 南京 211200；3.龍巖學(xué)院資源工程學(xué)院，福建 龍巖 364012；4.徐州長(zhǎng)城基礎(chǔ)工程有限公司，江蘇 徐州 221000)

0 引言

截至2016年，全球約55%的人居住在城市，預(yù)計(jì)到2050年該比例會(huì)達(dá)到70%[1]。城市化水平提高對(duì)城市氣候產(chǎn)生一系列影響，城市熱島效應(yīng)作為城市氣候最顯著的表征，已經(jīng)嚴(yán)重影響城市宜居性、生產(chǎn)效率和環(huán)境質(zhì)量[2,3]。目前，城市熱島效應(yīng)相關(guān)研究主要分為城市大氣熱島效應(yīng)和城市地表熱島效應(yīng)兩類，前者通常使用城市和農(nóng)村氣象站點(diǎn)間的溫度差測(cè)量，由于站點(diǎn)數(shù)量有限，難以進(jìn)行大規(guī)模的空間研究[4]。而各種遙感衛(wèi)星及傳感器的發(fā)展[5-7]為快速、準(zhǔn)確獲取大范圍城市地表熱輻射信息提供了可能，基于熱紅外遙感數(shù)據(jù)探討城市熱島效應(yīng)已成為當(dāng)前城市氣候研究的熱點(diǎn)方向之一[8,9]。

目前，城市地表熱島效應(yīng)研究主要集中于地表熱環(huán)境的時(shí)空格局及驅(qū)動(dòng)因素等方面，明確城市地表熱環(huán)境的驅(qū)動(dòng)因素是緩解城市熱島效應(yīng)的重要基礎(chǔ)[10]。其中，建筑用地作為城市區(qū)域最主要的土地利用類型，其面積、高度和空間格局等均能顯著影響城市生態(tài)環(huán)境[11,12]。近年來(lái)，學(xué)者們圍繞城市建筑如何影響地表熱環(huán)境開展了一系列研究。例如：武鵬飛等基于歸一化建筑指數(shù)，揭示了北京市建筑二維形態(tài)(建筑用地面積比例和空間構(gòu)型)直接影響城市地表溫度時(shí)空分布[13]；葛亞寧等探討了北京市建筑區(qū)地表溫度與建筑密度的關(guān)系[14]；徐涵秋提出一種新型建筑指數(shù)并以廈門為研究區(qū)，發(fā)現(xiàn)城市建筑用地密度對(duì)地表溫度具有正效應(yīng)[15]。此外，地表溫度還受建筑的位置、方向和排列等因素影響，且存在晝夜差異[16]。高層建筑物的垂直結(jié)構(gòu)可通過(guò)改變地表熱量存儲(chǔ)、天空視角或地表空氣流通從而影響地表溫度[17,18]，這使得從二維角度闡釋城市建筑用地和地表溫度之間的關(guān)系已不能滿足當(dāng)前城市地表熱環(huán)境研究的需要，近年來(lái)部分學(xué)者嘗試探究城市建筑三維形態(tài)對(duì)地表溫度的影響機(jī)制。例如：Li等使用隨機(jī)森林模型量化了武漢市中心建筑高度等三維形態(tài)對(duì)城市地表溫度的影響及其季節(jié)變化[19]；Chen等以南京市為案例的研究表明，相對(duì)于其他三維形態(tài)指數(shù)，建筑高度和天空可視因子更能影響白天地表溫度的空間分布[10]。

上述研究分別開展了建筑二維和三維形態(tài)對(duì)地表溫度的影響，但針對(duì)建筑二維和三維形態(tài)對(duì)地表溫度聯(lián)合影響機(jī)制的研究較少，且缺乏對(duì)地表溫度晝夜變化響應(yīng)的研究。因此，本文以南京中心城區(qū)為研究區(qū)域，基于多源遙感數(shù)據(jù)獲得城市晝夜地表溫度及建筑二維和三維形態(tài)指標(biāo)，采用梯度提升回歸樹(GBRT)模型剖析城市建筑二維和三維形態(tài)對(duì)地表溫度影響的相對(duì)重要性及其晝夜差異，并量化關(guān)鍵驅(qū)動(dòng)因素與晝夜地表溫度的關(guān)聯(lián)機(jī)制，以期為南京市未來(lái)城市建筑用地優(yōu)化與緩解城市熱島效應(yīng)提供理論依據(jù)和科學(xué)指導(dǎo)。

1 研究區(qū)域及數(shù)據(jù)

1.1 研究區(qū)概況

南京市是長(zhǎng)三角地區(qū)的重要中心城市之一，總面積約6 587.02 km2，截至2020年人口超過(guò)900萬(wàn)，地貌類型包括平原、丘陵和崗地，氣候類型屬于亞熱帶季風(fēng)氣候。南京被認(rèn)為是長(zhǎng)江流域的四大火爐城市之一，夏季白天平均氣溫達(dá)到27 ℃，最高氣溫超40 ℃，近年來(lái)夏季出現(xiàn)持續(xù)高溫天氣。受限于研究區(qū)LiDAR數(shù)據(jù)的完整性，本文選擇南京部分主城區(qū)作為研究區(qū)(圖1)，包括鼓樓區(qū)、玄武區(qū)和秦淮區(qū)的絕大部分以及棲霞區(qū)、雨花臺(tái)區(qū)和建鄴區(qū)的部分區(qū)域，面積約205 km2。

圖1 研究區(qū)位置Fig.1 Location of the study area

1.2 數(shù)據(jù)及預(yù)處理

(1)機(jī)載LiDAR數(shù)據(jù)和IKONOS-2影像數(shù)據(jù)。機(jī)載LiDAR數(shù)據(jù)主要用于提高土地覆蓋分類精度并獲取城市建筑的垂直結(jié)構(gòu)信息，采集時(shí)間為2009年4月21-22日，其平均密度約為4點(diǎn)/m2，使用3 m空間分辨率的機(jī)載LiDAR數(shù)據(jù)獲取數(shù)字高程模型(DEM)和數(shù)字表面模型(DSM)，DSM減去DEM可得僅代表地物絕對(duì)高度特征的歸一化數(shù)字表面模型(nDSM)；IKONOS-2高分辨率遙感影像采集時(shí)間為2009年6月18日，包括藍(lán)(0.45～0.53 μm)、綠(0.52～0.61 μm)、紅(0.64～0.72 μm)和近紅外(0.77～0.88 μm)4個(gè)波段，空間分辨率為3.2 m。研究中對(duì)機(jī)載LiDAR數(shù)據(jù)和IKONOS-2影像進(jìn)行空間配準(zhǔn)，校正誤差控制在0.5個(gè)像元內(nèi)。鑒于多源遙感數(shù)據(jù)融合能彌補(bǔ)各數(shù)據(jù)源的局限，減少理解的模糊性，本研究融合IKONOS-2和機(jī)載LiDAR數(shù)據(jù)，采用面向?qū)ο蠓诸惙椒▽?duì)城市土地覆蓋進(jìn)行分類。首先，基于IKONOS影像4個(gè)光譜波段和利用機(jī)載LiDAR數(shù)據(jù)提取的DEM、DSM、nDSM以及強(qiáng)度特征，通過(guò)多尺度影像分割創(chuàng)建地理對(duì)象；其次，充分挖掘地理對(duì)象的不同屬性特征，包括基于機(jī)載LiDAR數(shù)據(jù)獲取的強(qiáng)度和回波特征等；最后，利用隨機(jī)森林分類器實(shí)現(xiàn)面向?qū)ο蟮耐恋馗采w分類，決策樹的數(shù)量(ntree)和節(jié)點(diǎn)中用于構(gòu)建二叉樹的特征數(shù)量(mtry)分別設(shè)置為500和輸入特征數(shù)的平方根，得到城市土地覆蓋分類的總體準(zhǔn)確度達(dá)99.35%，分類準(zhǔn)確度在98.85%～99.92%之間，建筑物的生產(chǎn)者和使用者的準(zhǔn)確度分別為99.35%和99.0%。土地覆蓋圖需重新采樣至3 m空間分辨率以便后續(xù)分析。

(2)地表溫度數(shù)據(jù)。采用ASTER的Surface Kinectic Temperature 產(chǎn)品(AST08)提供的白天和夜間的90 m空間分辨率地表溫度數(shù)據(jù)(http://lpdaac.usgs.gov/products/ast_08v003/)，數(shù)據(jù)絕對(duì)精度在±1.5 K之間?；跀?shù)據(jù)質(zhì)量及可獲得性，選擇2011年5月1日11時(shí)的場(chǎng)景作為白天的LST圖像，夜間時(shí)間選擇2011年4月4日22時(shí)19分，此外，由于產(chǎn)品的溫度單位為K，需將圖像像元值轉(zhuǎn)化為℃進(jìn)行分析。盡管研究所用ASTER數(shù)據(jù)與IKONOS-2、機(jī)載LiDAR數(shù)據(jù)存在大約兩年的時(shí)間差，但由于研究區(qū)城市建筑形態(tài)相對(duì)穩(wěn)定，2009-2011年建筑物變化有限，故數(shù)據(jù)時(shí)間差對(duì)本文研究結(jié)果的影響忽略不計(jì)[10]。

2 研究方法

2.1 建筑二維景觀格局指標(biāo)

建筑用地景觀格局(即景觀組成和空間構(gòu)型)對(duì)城市地表熱環(huán)境具有重要影響[10]，其中，景觀組成描述與景觀斑塊種類及其多度相關(guān)的特征，包括斑塊類型和數(shù)量、每個(gè)斑塊類型的面積、比例等，景觀空間構(gòu)型代表景觀斑塊的特征、排列、位置和走向等。本文選擇5個(gè)廣泛使用的景觀格局指標(biāo)測(cè)量建筑物的二維景觀格局(表1)，包括1個(gè)景觀組成指標(biāo)(景觀百分比(PLAND))和4個(gè)景觀空間構(gòu)型指標(biāo)(斑塊密度(PD)、邊緣密度(ED)、平均斑塊形狀指數(shù)(SHAPE_MN)和平均斑塊面積(AREA_MN))，5種指標(biāo)通過(guò)Fragstats軟件計(jì)算，信息冗余度較小。

表1 建筑二維景觀格局指標(biāo)Table 1 Landscape indices for 2D morphology of buildings

2.2 建筑三維形態(tài)指標(biāo)

本研究選擇建筑平均高度(BH_Mean)、建筑最大高度(BH_Max)、建筑高度變異(BH_SD)和天空可視因子(SVF)4個(gè)指標(biāo)量化建筑物的三維空間形態(tài)[20](表2),前3個(gè)指標(biāo)分別反映建筑總體高度、極值和離散特性，SVF表征某位置看到天空的比例(0表示完全遮擋，1表示無(wú)遮擋)，主要通過(guò)改變空氣流通和接收太陽(yáng)輻射影響地表溫度[21]。

表2 建筑三維形態(tài)指標(biāo)Table 2 Indices for 3D morphology of buildings

2.3 梯度提升回歸樹(GBRT)模型

GBRT模型利用統(tǒng)計(jì)學(xué)和機(jī)器學(xué)習(xí)技術(shù)，結(jié)合“回歸樹”(regression tree)和“增強(qiáng)”(boosting)的優(yōu)點(diǎn)，相對(duì)于傳統(tǒng)的回歸模型，其對(duì)非線性關(guān)系的解釋能力和預(yù)測(cè)能力更強(qiáng)，廣泛用于生態(tài)環(huán)境研究[22]。該模型每棵回歸樹所學(xué)習(xí)的是之前所有回歸樹的殘差，將該殘差與累加預(yù)測(cè)值相加得到真實(shí)值，將每次預(yù)測(cè)結(jié)果與目標(biāo)值的殘差作為下一次學(xué)習(xí)的目標(biāo)。

本研究以建筑二維景觀格局和三維形態(tài)指標(biāo)為自變量、晝夜地表溫度(LST)為因變量建立GBRT模型。在建模過(guò)程中，隨機(jī)選擇75%的數(shù)據(jù)作為訓(xùn)練樣本，其余數(shù)據(jù)作為驗(yàn)證樣本。為減少模型隨機(jī)誤差對(duì)結(jié)果的影響，文中取100次獨(dú)立實(shí)驗(yàn)結(jié)果平均值進(jìn)行分析。此外，本文通過(guò)繪制自變量的部分依賴性圖闡明城市地表溫度對(duì)建筑二維和三維形態(tài)指標(biāo)變化的響應(yīng)特征，也稱邊際效應(yīng)，反映其他指標(biāo)保持恒定時(shí)，某特定驅(qū)動(dòng)因素對(duì)地表溫度的影響(邊際效應(yīng)大于0表示存在正面影響，小于0表示存在負(fù)面影響，等于0表示關(guān)系不顯著)。部分依賴性圖是在保持所有其他自變量取其平均值的前提下解釋每個(gè)自變量對(duì)因變量的影響，峰值表示自變量對(duì)地表的最大升溫或降溫程度。本文使用決定系數(shù)(R2)和均方根誤差(RMSE)評(píng)價(jià)不同空間尺度下GBRT模型的試驗(yàn)效果，從而確定最佳空間尺度；同時(shí)，使用GBRT模型中的相對(duì)重要性參數(shù)評(píng)價(jià)不同城市建筑二維和三維形態(tài)指標(biāo)對(duì)地表溫度變化影響的貢獻(xiàn)率，不同形態(tài)指標(biāo)對(duì)地表溫度相對(duì)重要性總和為1，相對(duì)重要性越大，說(shuō)明該指標(biāo)對(duì)地表溫度的影響越大。

3 結(jié)果與分析

3.1 最佳空間尺度選擇

由于城市建筑二維和三維形態(tài)指標(biāo)與地表熱環(huán)境的相互關(guān)系具有空間尺度依賴性，因此，需在連續(xù)不同空間尺度上對(duì)其進(jìn)行探究，甄別出能準(zhǔn)確揭示城市地表熱環(huán)境時(shí)空格局的最佳空間尺度。綜合考慮地表溫度數(shù)據(jù)和城市土地覆蓋圖空間分辨率后，選擇90 m、180 m、270 m、360 m、450 m和540 m共6個(gè)空間尺度分析建筑二維和三維形態(tài)指標(biāo)對(duì)地表溫度影響的空間尺度依賴性，在ArcGIS軟件中計(jì)算各尺度網(wǎng)格的二維和三維形態(tài)指標(biāo)及地表溫度均值，然后，通過(guò)R2和RMSE評(píng)價(jià)指標(biāo)(表3)確定最佳空間尺度。

表3 晝夜不同空間尺度下GBRT模型的R2及RMSETable 3 R2 and RMSE of the GBRT model at different grid scale in daytime and nighttime

由表3可知，白天和夜間的R2值隨空間尺度的增加先變大后減小，在450 m的尺度取得最大值，分別為0.64和0.36；對(duì)于RMSE，白天隨空間尺度的增加先減小后增大，在450 m時(shí)最小(1.37)，而夜間則隨空間尺度的增加而減小，在540 m時(shí)最小(1.10)，其中在450 m處減小的速度明顯趨緩。綜上所述，本文選擇450 m作為最佳空間尺度進(jìn)行后續(xù)分析。同時(shí)，研究發(fā)現(xiàn)在所有空間尺度下，基于GBRT模型獲得白天地表溫度的R2均大于夜間，這表明相對(duì)于夜間而言，聯(lián)合建筑二維和三維形態(tài)能更好地捕獲白天地表溫度的空間變異。隨著空間尺度增加(90～450 m)，建筑二維和三維形態(tài)聯(lián)合對(duì)晝夜地表溫度的解釋均呈現(xiàn)增強(qiáng)趨勢(shì)，這主要?dú)w因于：空間尺度越小，部分建筑表面受到太陽(yáng)照射，而其他建筑表面處于陰影中，隨著空間尺度增大，由建筑三維形態(tài)空間變異引起的變化相對(duì)減小，不同分析單元之間的熱特性相應(yīng)變小，導(dǎo)致建筑能解釋更多的地表溫度空間變異。

3.2 城市建筑二維和三維形態(tài)指標(biāo)對(duì)地表溫度影響的相對(duì)重要性及其晝夜差異

以450 m為空間尺度分析不同建筑二維和三維形態(tài)指標(biāo)對(duì)白天和夜間地表溫度的相對(duì)重要性(圖2)。可以看出，白天PLAND、SVF和SHAPE_MN對(duì)地表溫度的影響較重要，三者貢獻(xiàn)之和約為69%，其余因素的相對(duì)重要性均在0.063以下；夜間對(duì)地表溫度影響排前三的為BH_Mean、SVF和BH_Max，三者貢獻(xiàn)之和約為64%，其他因素的相對(duì)重要性均在0.1以下?？梢姲滋斓乇頊囟瓤臻g變異的主導(dǎo)因素為建筑二維形態(tài)，而夜間建筑三維形態(tài)對(duì)地表溫度的相對(duì)重要性更高,這與前人對(duì)武漢的研究結(jié)果一致[23]。這是因?yàn)榘滋毂M管建筑三維形態(tài)會(huì)影響入射太陽(yáng)輻射量和散熱量，但其會(huì)受建筑景觀格局的限制，而夜間建筑三維形態(tài)通過(guò)影響空氣流動(dòng)等對(duì)地表溫度的影響更顯著[9]。另外，BH_SD在夜間的相對(duì)重要性仍較高，且其晝夜相對(duì)重要性變化較大，因此，選擇2個(gè)二維景觀格局指標(biāo)(PLAND和SHAPE_MN)與4個(gè)三維形態(tài)指標(biāo)(BH_Mean、SVF、BH_Max和BH_SD)共6個(gè)關(guān)鍵驅(qū)動(dòng)因素，分析其對(duì)地表溫度(LST)的邊際效應(yīng)及晝夜差異(圖3)，并將地表溫度隨關(guān)鍵驅(qū)動(dòng)因素的變化規(guī)律歸納為上升型、上升后平緩型、下降后平緩型和V形4種關(guān)聯(lián)機(jī)制(表4)。

表4 6個(gè)關(guān)鍵驅(qū)動(dòng)因素與晝夜地表溫度的關(guān)聯(lián)模式Table 4 Correlation modes of six key driving factors and LSTs in daytime and nighttime

圖2 建筑二維和三維形態(tài)指標(biāo)對(duì)晝夜地表溫度影響的相對(duì)重要性Fig.2 Relative importance for the influence of 2D and 3D building morphology indices on LSTs in daytime and nighttime

對(duì)各指標(biāo)具體分析：1)白天PLAND與LST關(guān)聯(lián)模式為上升型，當(dāng)PLAND小于34.5%時(shí)，起到降溫效果，大于34.5%時(shí)為增溫效果，主要是由于當(dāng)建筑物數(shù)量較多且密集時(shí)，會(huì)阻礙區(qū)域空氣流通并可能造成局部無(wú)風(fēng)，導(dǎo)致區(qū)域地表溫度上升，同時(shí)，城市高密度建筑區(qū)內(nèi)缺少綠地、水體等景觀，且更易產(chǎn)生人為熱，進(jìn)一步加劇熱島效應(yīng)[14,24]；夜間關(guān)聯(lián)模式為下降后平緩型，PLAND對(duì)LST一直起降溫效果(圖3a)。2)白天SHAPE_MN與LST關(guān)聯(lián)模式為下降后平緩型，對(duì)LST始終起降溫效果；夜間關(guān)聯(lián)模式為上升后平緩型，小于1.41時(shí)起降溫效果，大于1.41時(shí)起增溫效果(圖3b)。建筑區(qū)域白天升溫與夜間降溫均較快，SHAPE_MN越大，表明建筑與植被、水體等其他景觀接觸面積越大，白天建筑區(qū)域的熱量向其他景觀流通，達(dá)到降溫效果，夜間則減緩其溫度降低以達(dá)到保溫效果。3)白天SVF與LST關(guān)聯(lián)模式為上升型，SVF小于0.83時(shí)起降溫效果，大于0.83時(shí)起增溫效果；夜間關(guān)聯(lián)模式總體為V形，SVF小于0.83或大于0.98時(shí)起增溫效果，介于0.83～0.98之間時(shí)起降溫效果 (圖3c)。通常，SVF主要通過(guò)兩方面影響地表溫度：一方面，SVF越高意味到達(dá)地表的太陽(yáng)輻射越多，在一定程度上對(duì)地表起增溫效果；另一方面，SVF越高，城市通透性越強(qiáng)，空氣流通性越好，可降低地表溫度。因此，SVF對(duì)地表溫度的影響主要取決于以上兩方面的共同作用。4)白天BH_Mean與LST關(guān)聯(lián)模式為下降后平緩型，對(duì)LST始終起降溫效果；夜間關(guān)聯(lián)模式為上升后平緩型,BH_Mean小于11.53 m時(shí)對(duì)LST起降溫效果，大于11.53 m時(shí)起增溫效果(圖3d)。白天一定范圍內(nèi)的BH_Mean越大意味著建筑遮擋了更多的太陽(yáng)輻射，為降溫效應(yīng)；而夜間BH_Mean越大意味著建筑對(duì)地表長(zhǎng)波輻射的反射增強(qiáng)，不利于熱量散失，因此對(duì)地表有保溫作用。5)白天BH_SD與LST關(guān)聯(lián)模式為V形，對(duì)LST始終起降溫效果(圖3e)；夜間關(guān)聯(lián)模式為上升后平緩型，小于4.41 m時(shí)起降溫效果，大于4.41 m時(shí)起增溫效果(圖3e)。究其原因，白天較高的BH_SD利于增加風(fēng)環(huán)流以釋放熱量，同時(shí)增加了對(duì)太陽(yáng)輻射的反射；夜間地表輻射的熱量被建筑遮擋，較高的BH_SD對(duì)地表起到保溫作用[25]。6)白天BH_Max與LST的關(guān)聯(lián)模式為上升后平緩型，始終起降溫效果；夜間關(guān)聯(lián)模式仍為上升后平緩型，小于63 m時(shí)起降溫效果，大于63 m時(shí)起增溫效果(圖3f)。

圖3 6個(gè)關(guān)鍵驅(qū)動(dòng)要素對(duì)晝夜地表溫度的邊際效應(yīng)Fig.3 Marginal effects of six key driving factors on LSTs in daytime and nighttime

4 結(jié)論

本文采用梯度提升回歸樹(GBRT)模型量化了南京市主城區(qū)建筑二維和三維形態(tài)對(duì)地表溫度的影響，并對(duì)6個(gè)關(guān)鍵驅(qū)動(dòng)因素的影響模式進(jìn)行剖析，得出以下結(jié)論：1)在南京市主城區(qū)，利用GBRT模型分析建筑二維和三維形態(tài)對(duì)地表溫度影響的最佳空間尺度為450 m，且白天地表溫度受建筑二維形態(tài)影響較大，而夜間地表溫度的主要驅(qū)動(dòng)因素為建筑三維形態(tài)。2)白天PLAND和SVF對(duì)地表溫度的影響模式為上升型，SHAPE_MN和BH_Mean的影響模式為下降后平緩型，BH_Max、BH_SD對(duì)地表溫度的影響模式分別為上升后平緩型、V形；夜間PLAND對(duì)地表溫度的影響模式為下降后平緩型，SVF對(duì)地表溫度的影響模式為V形，SHAPE_MN、BH_SD、BH_Max和BH_Mean對(duì)地表溫度的影響模式為上升后平緩型。3)建議在進(jìn)行城市規(guī)劃時(shí)，應(yīng)嚴(yán)格限制建筑密度，通過(guò)規(guī)劃一些水體與綠地，以增加建筑與周圍景觀之間的熱量流通；同時(shí)，可通過(guò)適量增加樓層高度并合理規(guī)劃區(qū)域內(nèi)樓層差異以有效緩解城市熱島效應(yīng)。