劉任棋,李明陽,劉雅楠

(南京林業(yè)大學林學院，江蘇 南京 210037)

近年來，社會經濟快速發(fā)展，城鎮(zhèn)化進程不斷推進，隨之而來的城市熱島效應問題也日趨嚴重。熱島效應影響城市環(huán)境質量，危害市民的健康，也抑制了社會經濟的進一步發(fā)展。這一現(xiàn)象得到了許多國內外專家和學者的高度重視，并對此展開了大量相關領域的研究工作。

國內外對熱島效應的早期研究主要方法有氣象資料法、布點觀測法和數(shù)值模擬法。這3種方法側重于對離散觀測點的數(shù)值比較，缺少對研究區(qū)熱島效應空間格局及驅動因素的深層次分析[1]。而近些年來遙感技術趨于成熟，它突破了前3種方法的局限，能宏觀和直觀地對地球表面進行實時動態(tài)監(jiān)測，并節(jié)省大量人力、物力、財力，為熱島效應的深入研究提供了新的途徑。目前，我國對許多大城市都進行了基于遙感技術熱島效應研究，也取得了大量的成果[2-4]。但是，這些研究大多采用2～4期的長時間間隔的遙感影像進行分析，其結果具有一定的偶然性，不能反映出熱島效應長期的動態(tài)變化過程。本研究基于1997—2000年及2002—2012年共15期TM/ETM+遙感數(shù)據(jù)，采用普朗克(planck)定律反演地表溫度，再利用偽不變特征的相對輻射歸一化方法對數(shù)據(jù)作進一步處理，克服了遙感圖像時相不一致導致的反演溫度缺乏可比性的弊端。對熱島效應的評價采用了時間序列分析法和年際變化分析法，從時間和空間2個維度呈現(xiàn)出研究年份間反演溫度的變化趨勢。此外，通過城鎮(zhèn)化指數(shù)與研究年份間反演溫度數(shù)據(jù)做相關性分析，來進一步研究城鎮(zhèn)化進程對都市郊區(qū)熱島效應的影響。

與以往研究相比，論文選取城鎮(zhèn)化進程迅速的南京郊區(qū)江寧為研究對象，采用長時間系列遙感圖像為主要信息源，在地表溫度反演、偽不變特征相對輻射校正基礎上，進行時間系列分析、空間變化分析、驅動因素分析。研究成果可以為區(qū)域生態(tài)環(huán)境的制定提供科學參考。

1 研究區(qū)概況

江寧區(qū)位于北緯31°37′～32°07′，東經118°28′～119°06′，地處南京市中南部。2001年1月，國務院同意撤銷江寧縣，設立江寧區(qū)。區(qū)域總面積 1 558 km2，水域面積186 km2。其地質條件十分復雜，在漫長的地質歷史演化過程中，內外營力所塑造的地貌類型比較齊全。常態(tài)地貌有低山、丘陵、崗地、平原和盆地，其中丘陵崗地面積最大，素有“六山一水三平原”之稱。屬北亞熱季風氣候區(qū)，溫暖濕潤，四季分明。區(qū)域雨量充沛，水資源豐富。

1997—2012年，江寧從一個昔日的小縣城蛻變成了高科技花園新城。在這16年間，江寧區(qū)的城鎮(zhèn)化進程不斷推進，經濟迅速發(fā)展。據(jù)南京市統(tǒng)計年鑒數(shù)據(jù)顯示，1997年，江寧城市化率為35%,國內生產總值為75.83億元，占全市的10.04%，在10區(qū)5縣中排名第四；至2012年，江寧的城市化率提高到了52%，國內生產總值達到945.70億元，占全市的14.65%，在11區(qū)2縣中排名第一。

2 研究材料與方法

2.1 數(shù)據(jù)來源與預處理

本研究數(shù)據(jù)主要來源為：1)地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/)免費下載的江寧區(qū)1997—2012年6—9月的Landsat TM/ETM+數(shù)據(jù)，云覆蓋率<10%。其中，2001年數(shù)據(jù)由于云量過大、不滿足條件而缺失。2)江寧區(qū)1:50行政區(qū)劃矢量文件。3)來自于南京市統(tǒng)計局網(wǎng)站(http://www.njtj.gov.cn/)的江寧區(qū)1997—2012年7月均溫、平均降水量。4)來自于江寧區(qū)統(tǒng)計局網(wǎng)站(http://www.jiangning.gov.cn/tjj/index.htm)的1997—2012年研究區(qū)建成區(qū)面積、城鎮(zhèn)人口、第二、三產業(yè)增加值等社會經濟資料。

遙感圖像的幾何精校正以研究區(qū)1:10萬地形圖為參照，選取均勻分布的100個地面控制點(GCP)來進行。大氣校正采用ENVI的FLAASH模塊進行。2003年5月31日后的ETM+遙感圖像條帶去除采用Landsat Gapfill。利用江寧區(qū)行政邊界矢量文件進行空間子集運算。

2.2 地表溫度反演方法

地表溫度是研究地球表面的重要參數(shù)，被稱為地表的皮膚溫度。 反演地表溫度對自然災害監(jiān)測、城市熱島等有著重要意義，利用熱紅外遙感技術是反演地表溫度的主要方式[5]。

采用Landsat系列數(shù)據(jù)的第六波段，將第六波段的像元灰度值通過如下公式計算轉換成在傳感器的輻射值：

Lλ=Grescale×DN+Brescale

(1)

式中，Lλ指熱紅外波段像元在傳感器處的輻射值；DN為像元灰度值，Landsat TM數(shù)據(jù)原灰度值用Band 6，若采用TIRS數(shù)據(jù)，應用Band 10；Grescale和Brescale分別為波段增益值和偏置值，查找輻射定標參數(shù)可知，對于TM數(shù)據(jù)，Grescale為0.055，Brescale為1.182 43，而對于TIRS數(shù)據(jù)，Grescale為3.342，Brescale為0.1[6]。

其次，要得到反演溫度值，應將上述計算出的熱紅外波段輻射值進行轉化，轉化利用Planck公式[7]進行，如下：

(2)

式中，T為亮度溫度(℃)；K1和K2分別為定標參數(shù)：對于TM數(shù)據(jù)，K1=607.76W/(m2.sr.μm)，K2=1 260.56K，而對于TIRS數(shù)據(jù)，K1=774.89W/(m2.sr.μm )，K2=1 321.08K。273.15為水三相點熱力學溫度。

2.3 偽不變特征相對輻射校正法

偽不變特征法是由Schott在1988年提出的，常用于多時相多源遙感影像的研究，對傳感器自身和大氣等引起的誤差起到很好的校正作用。對于多期同一區(qū)域同一波段中計算所得的灰度值圖像，通?？煞殖苫鶞蕡D像和待校正圖像，而基準圖像灰度值與待校正圖像灰度值之間往往存在線性相關的關系。從多期反演溫度圖像中選擇一幅結果較理想的溫度圖像作為基準圖像。本研究的基準圖像日期為2002年07月12日，其余年份的反演溫度圖像為待校正圖像。研究表明，偽不變特征是在多時相影像中反射率不隨季節(jié)和生物周期變化而變化的地物，多選用未受擾動的水體、裸巖、大屋頂?shù)茸鳛閭尾蛔兲卣鼽c[8]。因此，從基準圖像中提取具有代表性的多個干點(裸巖、裸地、建筑物等)和多個濕點(水體等)作為偽不變特征點(Pseudo Invariant Features, PIFs)。將基準圖像中的偽不變特征點灰度值(X)和各年的待校正圖像灰度值(Y)利用最小二乘法得到以下線性相關關系式：

Y=αX+k

(3)

式中,α是線性關系中的斜率值，k是線性關系中的截距值。

2.4 年際變化分析法

一元線性回歸分析可以在每個像元的基礎上，模擬1997—2000年和2002—2012年間各年份年地表反演溫度變化趨勢，計算公式為[9]：

(4)

式中，θslope為趨勢斜率，n為計算時間段的總年數(shù)，Ci為第i年的年反演溫度灰度值。利用反演溫度灰度值序列和時間序列(年份)的相關關系來判斷溫度變化的顯著性:斜率為負時表示溫度下降，反之則表示溫度上升。

2.5 時間序列分析法

時間序列分析方法最早起源于1927年數(shù)學家Yule提出建立自回歸模型來預測市場變化規(guī)律[10]。它是作為研究事件發(fā)展變化的一種量化分析方法。與一般的統(tǒng)計數(shù)據(jù)相比，時間序列數(shù)據(jù)有嚴格的先后順序，且大多數(shù)情況下不是相互獨立的，存在著前后相承的關系[11]。 在時間序列分析模型選用的過程中，為了使模型在擬合實際數(shù)據(jù)時具有更大的靈活性，有時在模型中既包含自回歸部分也包括滑動平均部分，這就是自回歸—滑動平均(Autoregressive-Moving Average)[11]。模型表達式為：

yi=β0+β1yi-1+β2yi-2+…βpyi-p+εi+α1εi-1-α2εi-2+…+αqεi-q

(5)

式中：yi是平穩(wěn)、正態(tài)、零均值的時間序列；p和q是模型的自回歸階數(shù)和移動平均階數(shù)；β和α是不為0的待定系數(shù)；εi為獨立誤差項。

2.6城鎮(zhèn)化指數(shù)計算法

城鎮(zhèn)化指數(shù)是反映某地城鎮(zhèn)化水平高低的重要指標。本研究參考曾鴻程、孫育秋等人的方案[13]，選取了3個反映城鎮(zhèn)化的主要因子計算城鎮(zhèn)化指數(shù)。這3個因子分別為：非農業(yè)人口占總人口的比重，第二、三產業(yè)產值占國內生產總值的比重，建成區(qū)面積占整個區(qū)域面積的比例。各因子為等權重，計算公式為：

(6)

式中：Cj為區(qū)域j的城鎮(zhèn)化指數(shù)；Wi為第i種城鎮(zhèn)化因子的權重；Xi為選取的城鎮(zhèn)化因子。

3 結果與分析

3.1 熱島效應時間序列變化分析

將1997—2000年和2002—2012年歸一后的地表反演平均溫度輸入SPSS 23.0軟件，利用預測工具中的專家建模器選擇ARMA(0，0，0)模型進行擬合，擬合平穩(wěn)R2為0.833，說明擬合模型能夠解釋83.3%的方差，擬合精度較高。擬合結果如圖1。

圖1 反演地表平均溫度時間序列分析Fig.1 Time series analysis of retrieved average land surface temperature

從圖1可見，1997—2012年地表平均溫度總體呈上升趨勢，其中1997年地表平均溫度值最低，為20.97℃。2012年地表平均溫度值最高，為41.05℃。極差為20.08℃。從溫度變化趨勢來看，大致可分為2個階段：1997—2002年，溫度逐年升高，呈平穩(wěn)上升趨勢，平均每年升高2.78℃；2002—2012年，曲線有明顯的起伏變化，呈波動上升趨勢，平均每年升高1.22℃。對比這2個階段，可見2002—2012年溫度上升趨勢稍有緩和。綜上分析，從時間維度上分析，隨著江寧區(qū)城鎮(zhèn)化進程的不斷推進，地表溫度不斷上升，熱島效應問題也越來越突出。

3.2 熱島效應空間變化分析

為分析熱島效應的空間變化特征，將經偽不變特征法校正后的像元代入年際變化公式中計算熱島效應年際變化趨勢，并由小到大分成等間距的4級，0.61～1.07(Ⅰ級)、1.07～1.53(Ⅱ級)、1.53～1.99(Ⅲ級)、1.99～2.45(Ⅳ級)，且分別用藍、綠、黃、紅4種顏色來表示，如圖2。

圖2 江寧區(qū)反演地表溫度年際變化趨勢Fig.2 Trend of annual change in inverting land surfacetemperature in Jiangning District

由圖2可見，θslope的計算結果均為正值，說明15年中整個江寧區(qū)的反演溫度變化均呈上升趨勢。圖中江寧大部分區(qū)域被綠色覆蓋(Ⅱ級)，熱島效應上升趨勢較顯著。藍色部分(Ⅰ級)上升趨勢不顯著，主要分布在西北部、西南部的水體區(qū)域以及東南

部的植被覆蓋區(qū)。黃色部分(Ⅲ級)分布較為分散，以江寧區(qū)中北部的經濟技術開發(fā)區(qū)為主。紅色部分(Ⅳ級)為極顯著上升區(qū)域，分布最少，零星分布在江寧區(qū)中北部的區(qū)政府及其附近的建筑群集中區(qū)和人口密集區(qū)。綜上分析，不同的土地利用類型，熱島效應的年際變化趨勢也存在差異。人口密集區(qū)和建筑群集中區(qū)的熱島效應問題最為顯著，植被覆蓋區(qū)和水體次之。原因在于，不同土地利用類型的下墊面熱力性質不同，在相同的太陽輻射條件下，建筑群、泊油路等比水體和植被覆蓋區(qū)，比熱容小且對太陽輻射的吸收率更大。因此，建筑群、泊油路等集中區(qū)域升溫較快，熱島效應上升趨勢最顯著。再結合江寧區(qū)的歷史背景來看，從2001年建區(qū)以來，城鎮(zhèn)化發(fā)展迅速，大量的耕地、綠地被高大密集的建筑群、工業(yè)區(qū)、商業(yè)區(qū)所替代，人口也不斷地遷入。由此，熱島效應趨勢的不斷上升也可以得到解釋。

3.3 城鎮(zhèn)化進程對熱島效應的影響分析

1)將研究年份的城鎮(zhèn)化指數(shù)輸入SPSS 23.0軟件，利用預測工具中的專家建模器選擇ARMA(0，0，0)模型進行擬合，擬合平穩(wěn)R2為0.981，說明擬合模型可以解釋98.1%的方差，模型精度較高。擬合結果見圖3。

圖3 城鎮(zhèn)化指數(shù)時間序列分析Fig.3 Time series analysis of urbanization index

從圖3的擬合曲線可以看出，在研究年限內，城鎮(zhèn)化指數(shù)隨時間的推移呈上升趨勢。城鎮(zhèn)化指數(shù)平均值為0.44，最低值出現(xiàn)在1997年，為0.35，最高值出現(xiàn)在2012年，為0.52。15年間提高了0.17。其中1997—2009年為城鎮(zhèn)化高速發(fā)展階段；2009—2012年，城鎮(zhèn)化發(fā)展進程稍有放緩。再對比圖2中的反演溫度擬合曲線可以發(fā)現(xiàn)，兩者的變化趨勢相符。

2)相關分析法是探究變量因素之間的相關程度的一種方法，能反映出變量之間的依存關系。將反演地表溫度數(shù)據(jù)和城鎮(zhèn)化指數(shù)數(shù)據(jù)以及從南京市統(tǒng)計局網(wǎng)站上搜集的研究區(qū)1997—2012年間7月均溫和7月降水量輸入SPSS 23.0軟件中，通過相關分析工具計算相關性指數(shù)，結果如表1。

根據(jù)統(tǒng)計學原理，如果相關系數(shù)|r|>0.95，則2個變量之間存在顯著性相關；|r|≥0.8，高度相關；0.5≤|r|<0.8，中度相關； 0.3≤|r|<0.5，低度相關；|r|<0.3， 關系極弱，認為不相關。從表1可以看出，反演地表平均溫度與城鎮(zhèn)化指數(shù)、平均氣溫以及月降水量都具有正相關性。其中，反演平均溫度與城鎮(zhèn)化指數(shù)的高度正相關，證明江寧區(qū)城鎮(zhèn)化發(fā)展是熱島效應的主要驅動因素。江寧區(qū)2001年才開始撤縣改區(qū)，是南京市的新興區(qū)，建區(qū)前后一直致力于城鎮(zhèn)化建設。由于建筑用地和基礎設施的需要，建成區(qū)面積不斷增大，不透水面積減少，綠地面積也不斷減少，必然會引起溫度的升高。

表1 地表反演溫度與城鎮(zhèn)化指數(shù)及氣象因子的Pearson相關性分析

4 結論與討論

4.1 主要結論

經過對1997—2012年江寧區(qū)地表反演溫度時空變化及城鎮(zhèn)化指數(shù)驅動性因素的研究，得出以下結論：1)從時間序列上分析，隨著年份的推移，反演平均溫度的總體變化呈上升趨勢。其中1997—2002年平均溫度呈平穩(wěn)上升趨勢。2003—2012年溫度呈波動上升趨勢，上升趨勢較前一階段稍有緩和。2)從空間格局上分析，整個江寧區(qū)的年際變化均呈上升趨勢，其中人口密集區(qū)、建筑群區(qū)上升趨勢最顯著，植被覆蓋區(qū)和水體上升趨勢次之。而熱島效應問題與城鎮(zhèn)化進程密切相關，自1997年以來，江寧區(qū)城鎮(zhèn)化的發(fā)展推動了建成區(qū)面積不斷擴大，土地資源的格局發(fā)生改變，熱島效應問題也愈加嚴重。3)從城鎮(zhèn)化進程的角度分析，反演溫度與城鎮(zhèn)化指數(shù)呈高度正相關，說明城鎮(zhèn)化的發(fā)展推動了熱島效應問題的惡化。而熱島效應增強的實質是下墊面的性質發(fā)生改變，地表熱性質也隨之改變。

4.2 討論

在本研究中采用偽不變特征相對輻射校正法進行歸一化，此方法需要人工選取樣本點，具有一定的主觀性，會對實驗結果造成一定的誤差。然而，近期王璟睿[6]等在多時相Landsat影像地表亮溫輻射歸一化方法的研究中，對比了偽不變特征相對輻射校正法和多元變化檢測相對輻射歸一化方法，發(fā)現(xiàn)多元變化檢測相對輻射歸一化法處理后的影像優(yōu)于偽不變特征相對輻射校正法，且前者克服了人工選取樣本點的主觀性。因此，在之后的相關研究中可采取多元變化檢測相對輻射歸一法。

在探究城鎮(zhèn)化進程對熱島效應影響的分析中，發(fā)現(xiàn)反演地表平均溫度與南京市7月均溫及月降水量弱相關、不相關，原因可能在于采用不變特征法校正后的反演溫度為7月12日的溫度，而對應的氣候數(shù)據(jù)為7月份均溫及7月份降水量，時間的不一致性導致二者的相關性不強。

從上述結論中可以看出，江寧區(qū)的熱島效應問題在不斷惡化，相關部門應該加以重視并采取相應的措施進行控制。在此從熱島效應的不同驅動性因素的角度給熱島效應的治理提出建議：1)需要合理規(guī)劃城市土地格局，多建設綠地，擴大不透水層面積；2)規(guī)劃時應選用合理的下墊面作為建筑材料；3)政府部門可增加對農業(yè)人口的補助，且對遷移到本地的非農業(yè)人口做一定的限制；4)大力宣傳和倡導低碳生活，提高人們的環(huán)保意識，減少人為熱排放[14]。

[1] 但尚銘,許輝熙,葉強,等.我國城市熱島效應研究方法綜述[J].四川環(huán)境,2008,27(4):88-91.

[2] 李成范,劉嵐,周廷剛,等.基于定量遙感技術的重慶市熱島效應[J].長江流域資源與環(huán)境,2009,18(1):60.

[3] 薛丹,李成范,雷鳴,等.基于MODIS數(shù)據(jù)的上海市熱島效應的遙感研究[J].測繪與空間地理信息,2013,36(4):1-3.

[4] 陳穎鋒,王玉寬,傅斌,等.基于MODIS地面溫度數(shù)據(jù)的成都市熱島時空變化[J].長江流域資源與環(huán)境,2016,25(1):156-162.

[5] 朱貞榕,程朋根,桂新,等.地表溫度反演的算法綜述[J].測繪與空間地理信息,2016,39(5):70-75.

[6] 譚桂容,蔡哲,徐永明.基于Landsat影像的南京地區(qū)熱島效應[J].安徽農業(yè)科學,2009,37(13):6050-6052.

[7] 郭麗峰,高小紅,亢健,等.偽不變特征法在遙感影像歸一化處理中的應用[J].遙感技術與應用,2009,24(5):588-595.

[8] 穆少杰,李建龍,陳奕兆,等.2001-2010年內蒙古植被覆蓋度時空變化特征[J].地理學報,2012(9):1255-1268.

[9] 羅芳瓊,吳春梅.時間序列分析的理論與應用綜述[J].柳州師專學報,2009,24(3):113-117.

[10] Seyed Omidreza Shobairi,榮媛,李明陽,等.廣東省植被覆蓋度時空變化及驅動因素分析[J].西南林業(yè)大學學報,2017,37(1)：144-148，169.

[11] 張樹京，齊立心.時間序列分析簡明教程[M].北京：清華大學出版社，2003:39-42.

[12] CHANDER G, MARKHAM B L, HELDER D L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 all sensors[J]. Remote Sensing of Environment,2009,113:893-903.

[13] 蔣好華.區(qū)域創(chuàng)新之路[M].北京：新華出版社，2005:20-31.

[14] 張逢生,王雁,閆世明,等.淺析城市“熱島效應”的危害及治理措施[J].科技情報開發(fā)與經濟,2011,21(32):147-149.