黃木易,岳文澤,何 翔

?

巢湖流域地表熱環(huán)境與景觀變化相關(guān)分析及其尺度效應(yīng)

黃木易1,岳文澤2*,何 翔1

(1.安徽建筑大學(xué)環(huán)境與能源工程學(xué)院,安徽合肥 230601；2.浙江大學(xué)土地管理系,浙江杭州 310058)

基于Landsat ETM+/TIRS影像數(shù)據(jù),采用大氣校正法反演巢湖流域地表溫度,分析2000~2013年的流域地表熱環(huán)境效應(yīng)演變規(guī)律,通過5個(gè)尺度的網(wǎng)格化采樣,在不同幅度水平上定量分析LST與下墊面景觀的相關(guān)性及其尺度效應(yīng).結(jié)果表明:2000~2013年,巢湖流域LST高強(qiáng)度區(qū)域主要以合肥市區(qū)為集聚中心并向城市周邊蔓延,低強(qiáng)度區(qū)域逐漸縮小,流域地表熱環(huán)境效應(yīng)增強(qiáng).LST與下墊面景觀結(jié)構(gòu)相關(guān)關(guān)系分析表明,建設(shè)用地景觀是流域熱環(huán)境效應(yīng)的主要原因,而水體、林地景觀可有效抑制地表溫度;景觀格局對熱環(huán)境效應(yīng)影響顯著,建設(shè)用地與農(nóng)地景觀的破碎度、分離度指數(shù)與LST呈極顯著負(fù)相關(guān),而林地、水體景觀的破碎度和分離度與LST呈極顯著正相關(guān);LST對景觀優(yōu)勢度的影響最敏感,建設(shè)用地優(yōu)勢度與LST呈極顯著正相關(guān),而林地、水體優(yōu)勢度增加則能有效降低地表溫度.探索性空間數(shù)據(jù)分析(ESDA)及尺度效應(yīng)分析表明:巢湖流域地表熱環(huán)境具有顯著的空間聚集性,且LST空間格局具有明顯的尺度效應(yīng),巢湖流域地表熱環(huán)境效應(yīng)相關(guān)研究的適宜幅度域?yàn)?~4km.通過規(guī)劃合理配置林地和水體景觀類型資源,加強(qiáng)建設(shè)用地增長調(diào)控,優(yōu)化景觀格局是抑制流域地表熱環(huán)境效應(yīng)的主要對策.

地表熱環(huán)境；景觀格局；相關(guān)分析；尺度效應(yīng)；巢湖流域

自Howard首次發(fā)現(xiàn)倫敦城市與郊區(qū)存在溫差的“熱島效應(yīng)”(Urban Heat Island,UHI)以來,城市熱島現(xiàn)象受到了廣泛關(guān)注[1-2].多年來,國內(nèi)外學(xué)者對城市熱島的表現(xiàn)形態(tài)、演變模擬、驅(qū)動(dòng)機(jī)制[3-11]等開展了大量研究,取得了豐碩的成果.研究表明,土地利用及植被覆蓋變化是大氣、水質(zhì)等生態(tài)環(huán)境變化的主要因素[12-14],同時(shí)也是地表熱環(huán)境效應(yīng)形成、演變的重要原因[15].由于土地利用類型的物理特性、熱學(xué)特征、輻射特征差異,會(huì)導(dǎo)致不同的地表熱環(huán)境效應(yīng).如由水泥結(jié)構(gòu)為主的建筑物、道路等城市不透水面顯熱通量大導(dǎo)致地表溫度相對較高,是熱島效應(yīng)的主要原因,而綠地、水體等由于潛熱通量貢獻(xiàn)大,導(dǎo)致地表溫度相對較低,具有抑制熱島效應(yīng)的功能[16-17].因此,隨著城市的快速擴(kuò)張,熱島效應(yīng)隨下墊面地類性質(zhì)的變化而變化.相關(guān)研究也表明,熱島效應(yīng)與景觀格局關(guān)系密切,基于遙感和GIS的地表熱環(huán)境與景觀要素間相互關(guān)系的研究為目前該領(lǐng)域熱點(diǎn).相關(guān)研究從早期對單一景觀類型的作用發(fā)展到關(guān)注景觀整體格局對城市熱島效應(yīng)的影響[18-21].但總的來說,城市地表的熱島效應(yīng)研究頗多,而在流域?qū)哟紊祥_展地表熱環(huán)境效應(yīng)的研究不多.其次,相關(guān)研究主要關(guān)注其特點(diǎn)與成因,而對其影響因素及作用機(jī)理的研究相對薄弱[22].另外,多數(shù)研究從單一尺度上劃分空間單元以建立熱島效應(yīng)與景觀變化的分析樣本,基于多種尺度的研究案例缺乏.尺度問題是景觀生態(tài)學(xué)的核心問題[23],景觀格局與地表熱環(huán)境的關(guān)系研究需要關(guān)注尺度對生態(tài)機(jī)制的影響.因此,在作為社會(huì)、經(jīng)濟(jì)熱點(diǎn)區(qū)域的流域?qū)用骈_展地表熱環(huán)境與景觀變化相關(guān)關(guān)系及其尺度效應(yīng)綜合研究,揭示流域地表熱環(huán)境影響因素和生態(tài)學(xué)機(jī)制具有重要的理論與實(shí)踐意義.

巢湖流域作為長江流域的重要組成部分,該區(qū)域人口密度大、經(jīng)濟(jì)發(fā)達(dá),是人類活動(dòng)的熱點(diǎn)區(qū)域.近年來,高速城市化和工業(yè)化推動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展的同時(shí),對流域景觀格局產(chǎn)生了強(qiáng)烈影響[24],流域生態(tài)系統(tǒng)受到顯著干擾,區(qū)域生態(tài)環(huán)境質(zhì)量也在不斷惡化[25-26],而以合肥為核心的特大城市建成區(qū)的快速擴(kuò)張所導(dǎo)致的不透水面增加對流域地表溫度的影響也越來越顯著,在一定程度上影響流域生態(tài)系統(tǒng)的結(jié)構(gòu)和功能.目前,巢湖流域景觀格局、土地覆被變化、水質(zhì)污染防治等引起相關(guān)學(xué)者的關(guān)注,流域景觀格局與地表熱環(huán)境效應(yīng)的相關(guān)性研究主要以流域單個(gè)城市為對象,分析城市熱島強(qiáng)度的時(shí)空變化[27-29],關(guān)于流域下墊面景觀結(jié)構(gòu)、格局與熱環(huán)境的相關(guān)分析、尺度效應(yīng)及生態(tài)機(jī)制研究鮮有報(bào)道.本研究遵循景觀生態(tài)學(xué)研究范式,基于空間信息技術(shù)平臺及地統(tǒng)計(jì)分析等方法,詳細(xì)探討了巢湖流域景觀結(jié)構(gòu)與格局變化對熱環(huán)境效應(yīng)的影響,并對巢湖流域熱環(huán)境效應(yīng)的尺度問題展開討論,提出了流域熱環(huán)境相關(guān)研究的適宜幅度域.結(jié)果在一定程度上可為巢湖流域規(guī)劃、景觀資源配置與生態(tài)系統(tǒng)優(yōu)化、熱環(huán)境效應(yīng)管控措施制定等提供決策理論依據(jù).

1 研究區(qū)概況

巢湖(31°43′~32°25′N,117°16′~117°51′E)流域位于安徽省中部,長江流域下游,行政區(qū)劃涉及11縣及合肥市轄區(qū)、六安市轄區(qū)和巢湖市轄區(qū).流域總面積約14000km2.地勢南高北低,西南為山區(qū),東北為丘陵及淺山區(qū),沿湖及東南為平原.巢湖周圍共有大小入湖河流33條[30].研究區(qū)所在位置見圖1.2000年巢湖流域總?cè)丝诩s779萬人,流域GDP為481.5億,鎮(zhèn)化率為44％.2013年流域人口數(shù)為1300萬人左右,生產(chǎn)總值達(dá)5578.4億,城鎮(zhèn)化提高至67.8％.合肥市作為省會(huì)城市,是巢湖流域的核心區(qū)域,是全省乃至整個(gè)中部地區(qū)崛起的重要經(jīng)濟(jì)引擎.

2 研究數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源及處理

本研究利用3期Landsat ETM+/TIRS衛(wèi)星影像數(shù)據(jù)(其中2000、2005年為4月份ETM+,2013年為9月份TIRS,3個(gè)時(shí)相的9景影像成像清晰少云、質(zhì)量良好,釆用UTM投影統(tǒng)一到WGS-84坐標(biāo)系)和DEM數(shù)據(jù)(格式為GRID的SRTM數(shù)字高程數(shù)據(jù),來源于美國對地觀測全球高程數(shù)據(jù),分辨率90m).首先利用ArcGIS 10.0水文分析模塊對DEM進(jìn)行巢湖流域范圍提取.其次,利用ENVI 5.1對3期遙感影像(軌道號分別為120/038、121/038、121/039)進(jìn)行幾何糾正、拼接、直方圖匹配等圖像預(yù)處理.最后,利用提取的巢湖流域范圍對拼接處理后的遙感影像進(jìn)行裁剪,并對影像進(jìn)行解譯,結(jié)合流域的景觀特點(diǎn),將研究區(qū)分為農(nóng)地、林地、水體、建設(shè)用地4種景觀類型.對3期遙感影像的分類結(jié)果進(jìn)行精度檢驗(yàn),其Kappa系數(shù)均在0.75以上,符合研究要求.另外,利用ArcGIS 10.0創(chuàng)建漁網(wǎng)工具對提取的流域范圍進(jìn)行不同幅度的空間采樣,創(chuàng)建1km×1km、2km×2km、3km×3km、4km×4km和5km×5km的尺度單元,形成5種不同幅度的尺度變化.利用網(wǎng)格疊加解譯后的景觀分類圖、地表溫度反演圖,逐一計(jì)算各網(wǎng)格內(nèi)的景觀格局指數(shù)和地表溫度平均值.

2.2 景觀類型提取及指數(shù)計(jì)算

景觀格局指數(shù)用來量化景觀生態(tài)結(jié)構(gòu)、功能與過程[31].本文除基于景觀結(jié)構(gòu)外,還討論景觀格局變化對流域地表熱環(huán)境影響及尺度效應(yīng).從景觀斑塊的破碎化、分離程度、連通性、優(yōu)勢斑塊控制景觀程度等角度探討流域地表溫度與下墊面格局的相關(guān)性研究,有助于更好地理解景觀生態(tài)學(xué)過程.因此,本文選擇了破碎度、分離度和優(yōu)勢度景觀格局指數(shù).其中,破碎度指數(shù)(),反映某一景觀類型被分割的破碎程度;分離度指數(shù)(),反映某一景觀類型中的斑塊之間在空間上的分離程度;優(yōu)勢度指數(shù)(),主要用來表達(dá)景觀類型中一種或幾種類型控制整個(gè)區(qū)域內(nèi)景觀類型的程度.限于篇幅,各景觀指數(shù)計(jì)算公式詳見Fragstats 3.3和文獻(xiàn)[31].由于不同幅度水平下的網(wǎng)格單元樣本數(shù)量大,本文在Arcgis10.0中利用Model Builder建模后批量計(jì)算網(wǎng)格景觀格局指數(shù).

2.3 地表熱環(huán)境信息反演

對于流域景觀尺度的研究,Landsat系列衛(wèi)星數(shù)據(jù)適用性較強(qiáng),進(jìn)行溫度反演時(shí)也多使用TM/ETM+/OLI_TIRS影像.本研究基于大氣校正法[32],利用Landsat影像反演地表溫度.基本原理為,首先估計(jì)大氣對地表熱輻射的影響,然后將此部分影響從衛(wèi)星傳感器所觀測到的熱輻射總量中去除,將得到的地表熱輻射強(qiáng)度再轉(zhuǎn)化為相應(yīng)的地表溫度.衛(wèi)星傳感器接收到的熱紅外輻射亮度值λ由3部分組成:大氣向上輻射亮度L;地面的真實(shí)輻射亮度經(jīng)過大氣層之后到達(dá)衛(wèi)星傳感器的能量;大氣向下輻射到達(dá)地面后反射的能量L.因此,衛(wèi)星傳感器接收到的熱紅外輻射亮度值L的表達(dá)式可寫為:

式中:為地表比輻射率;S為地表真實(shí)溫度, K;S)為黑體熱輻射亮度;為大氣在熱紅外波段的透過率.則溫度為的黑體在熱紅外波段的輻射亮度S)為:

式中:對于TM,1=606.76mW/(cm2×μm×sr),2= 1260.56K;對于ETM+,1=666.09mW/(cm2×μm×sr),2=1282.71K;對于TIRS Band10,1= 774.89mW/(cm2×μm×sr),2=1321.08K.其中,大氣剖面參數(shù)在NASA提供的網(wǎng)站(http://atmcorr. gsfc.nasa.gov/)中,輸入成影時(shí)間以及中心經(jīng)緯度可以獲取大氣剖面參數(shù).利用影像及大氣剖面數(shù)據(jù),依據(jù)大氣校正法的溫度反演方法,使用ENVI5.1中的Band Math工具、NDVI工具和Radiometric Calibration等工具計(jì)算出3個(gè)時(shí)相各景影像的地表溫度.

3 結(jié)果與分析

3.1 巢湖流域地表溫度(LST)空間分布特征

常用的溫度等級劃分方法有自然斷點(diǎn)法、溫度正規(guī)化法、均值-標(biāo)準(zhǔn)差法等.本文采用均值-標(biāo)準(zhǔn)差法,將研究區(qū)地表溫度(LST)的平均值作為基準(zhǔn),通過與不同倍數(shù)標(biāo)準(zhǔn)差進(jìn)行組合來區(qū)分閾值,對流域LST等級進(jìn)行劃分,該方法能夠在一定程度上減小背景差異影響,使不同時(shí)相的地表溫度數(shù)據(jù)更具可比性[33],依據(jù)該法將各年份流域LST劃為5個(gè)溫區(qū),即低、次低、中、次高和高溫區(qū)(圖2).

分析表明,2000~2013年間,隨城市化和工業(yè)化的推動(dòng),巢湖流域地表熱環(huán)境空間格局發(fā)生了相應(yīng)的變化,其時(shí)空差異特征明顯.其中,2000年的地表熱場主要以中溫及以下為主,高溫區(qū)范圍很小,主要位于合肥市區(qū)內(nèi),熱環(huán)境空間格局較簡單.2005年,流域地表熱環(huán)境主要以次高溫及以下為主,高溫區(qū)范圍在合肥市區(qū)內(nèi)并進(jìn)一步擴(kuò)大,呈輻射狀向城市周邊蔓延,與鄰近地表形成“高溫-次高溫-中溫”逐級分布狀況.具體表現(xiàn)為:高溫區(qū)主要為城鎮(zhèn),如合肥市區(qū)、舒城縣城區(qū)及連接城市之間的交通干道.巢湖東部為山區(qū),因近年來的礦業(yè)發(fā)展導(dǎo)致植被減少,地表溫度高.而低溫區(qū)主要以巢湖水域?yàn)槔鋶u中心,西南部大別山區(qū)由于植被覆蓋較廣,地表溫度較低.2013年由于城鎮(zhèn)化、工業(yè)化進(jìn)程加快,社會(huì)經(jīng)濟(jì)活動(dòng)對流域地表的土地景觀格局造成了強(qiáng)烈干擾,大量自然景觀轉(zhuǎn)變?yōu)槿斯ず桶肴斯ぞ坝^類型,導(dǎo)致巢湖流域下墊面景觀格局改變,土地利用程度加強(qiáng)[34],熱場演變表現(xiàn)為:高溫、次高溫區(qū)增加明顯,低溫區(qū)減少.其中巢湖北部的合肥市由于城鎮(zhèn)化的快速發(fā)展及巢湖市行政區(qū)劃調(diào)整,合肥市和巢湖市區(qū)集中連片發(fā)展,造成合肥特大城市建成區(qū)面積大幅增加,在地表熱溫度上表現(xiàn)為高溫區(qū)面積增加,熱環(huán)境效應(yīng)明顯增強(qiáng).同時(shí),近年來,巢湖市礦業(yè)經(jīng)濟(jì)發(fā)展速度快,采礦業(yè)造成的大片山體裸露也是該區(qū)域地表溫度上升的原因之一.

3.2 巢湖流域地表溫度(LST)時(shí)序變化及轉(zhuǎn)移趨勢分析

本文利用ArcGIS 10.0分析2000~2013年巢湖流域LST的轉(zhuǎn)化情況,通過轉(zhuǎn)移矩陣分析可揭示此期間巢湖流域地表熱環(huán)境效應(yīng)的時(shí)空演化規(guī)律.分析表明,2000~2013年,流域LST總體表現(xiàn)為低溫區(qū)、中溫區(qū)減少,次低溫區(qū)、次高溫區(qū)和高溫區(qū)增加.其中,中溫區(qū)面積大輻下降,由2000年6014.91km2變?yōu)?013年4791.39km2,主要轉(zhuǎn)化為次低溫區(qū)、次高溫區(qū)和高溫區(qū),面積分別為1496.82km2、1543.95km2和323.32km2.流域地表熱環(huán)境溫區(qū)類型轉(zhuǎn)化表現(xiàn)為:高等級向低等級轉(zhuǎn)化(面積大于50km2)的主要類型有7種,總面積為3595.79km2,而低等級向高等級轉(zhuǎn)化主要類型為8種,面積達(dá)3955.71km2,為高等級向低等級轉(zhuǎn)化的1.1倍(表1).總體上,2000~2013年巢湖流域由于受到城市化、工業(yè)化的推動(dòng),社會(huì)經(jīng)濟(jì)發(fā)展對土地利用模式的影響,流域下墊面的景觀格局受到了強(qiáng)烈影響,流域地表熱環(huán)境格局變化明顯.

表1 巢湖流域地表溫度時(shí)序變化轉(zhuǎn)移矩陣(2000~2013年)(km2)

3.3 巢湖流域地表熱環(huán)境效應(yīng)與下墊面景觀相關(guān)性分析

3.3.1 網(wǎng)格化地表溫度(LST)空間異質(zhì)性分析 為了定量研究LST與下墊面景觀類型的相關(guān)性及尺度效應(yīng),本文對景觀類型柵格圖和地表反演溫度柵格圖各進(jìn)行1km×1km、2km× 2km、3km×3km、4km×4km和5km×5km共5種不同尺度的網(wǎng)格化采樣.LST網(wǎng)格采樣后利用ArcGIS 10.0的Zonal Statics工具計(jì)算樣方內(nèi)LST的平均值,限于篇幅,2000、2005和2013年巢湖流域在3km×3km尺度下的LST空間分布特征見圖3.最后進(jìn)行流域地表熱環(huán)境幅度效應(yīng)及其與下墊面景觀相關(guān)性分析.在此,首先利用ESDA方法探討巢湖流域地表熱環(huán)境隨幅度變化的響應(yīng)特點(diǎn).

探索性空間數(shù)據(jù)分析法(Exploratory Spatial Data Analysis, ESDA)通過分析空間中某位置的觀察值與其相鄰位置觀察值是否存在相關(guān)性及相關(guān)程度,從而探索空間事物的分布特征[35].在1km、2km、3km、4km和5km 幅度下,分別計(jì)算地表溫度(LST)的全局Moran’s I[36].限于篇幅,本研究利用ArcGIS 10.0空間分析模塊對2013年巢湖流域各尺度水平下的LST描述性統(tǒng)計(jì)變量和空間異質(zhì)性變化進(jìn)行分析.Moran’s I值在1km、2km、3km、4km和5km 幅度下分別為0.78、0.72、0.71、0.60和0.79,說明5個(gè)幅度下的LST都存在空間自相關(guān)(圖4).隨著幅度的變化,Moran’s I指數(shù)和-Score檢驗(yàn)均呈波動(dòng)變化趨勢,Moran’s I一般采用方法進(jìn)行顯著性檢驗(yàn).本文中,5個(gè)尺度下LST空間自相關(guān)全部通過了顯著性檢驗(yàn)(<0.05).Moran's I指數(shù)和-Score檢驗(yàn)的意義在于,當(dāng)Moran’s I>0時(shí),數(shù)值越大表明其空間正相關(guān)性越強(qiáng),-Score>1.96時(shí),數(shù)值越大表明其空間正相關(guān)則越顯著.圖4中,5個(gè)尺度下的-Score值均遠(yuǎn)大于1.96,表明巢湖流域LST空間分布呈現(xiàn)很強(qiáng)的空間正相關(guān).

為了進(jìn)一步揭示局域地區(qū)地表溫度是否存在顯著的空間聚集點(diǎn),本文進(jìn)行局部空間自相關(guān)分析LST網(wǎng)格單元之間的空間關(guān)聯(lián)性,并可視化局域空間差異,揭示流域LST的空間分布規(guī)律,分析不同尺度下研究區(qū)內(nèi)LST網(wǎng)格單元之間的相互關(guān)聯(lián)性.局部自相關(guān)Moran’s I值將空間分為“高高(HH)、低低(LL)、高低(HL)和低高(LH)”四個(gè)部分,其中,HH聚集區(qū),表示LST高的中心地區(qū)其周邊LST也較高,體現(xiàn)在空間關(guān)聯(lián)中為擴(kuò)散效應(yīng);LL聚集區(qū)表示中心地區(qū)和相鄰地區(qū)的LST都較低,屬于低溫區(qū);落入高高和低低區(qū)的LST在地理空間上存在顯著的空間正相關(guān).高低聚集區(qū),表示中心地區(qū)LST值高鄰值低,在空間關(guān)聯(lián)中表現(xiàn)出極化效應(yīng);低高聚集區(qū),表示中心地區(qū)LST低鄰接高,在空間關(guān)聯(lián)中屬于過渡區(qū).其中不顯著的網(wǎng)格單元為LST空間性不強(qiáng)的區(qū)域,本研究中主要呈片狀分布(圖5).

LST不同幅度變化的空間格局分析表明,Moran’s I值呈“降-升”的變化趨勢,即1~4km幅度變化中呈下降趨勢,4~5km時(shí)呈上升趨勢,在4km處具有明顯拐點(diǎn).空間自相關(guān)分析表明:1km到4km幅度變化中,LST的空間分布呈現(xiàn)零散到具有多中心集中的變化過程,Moran’s I值表現(xiàn)為下降趨勢;而4km到5km的幅度變化,LST的空間從多中心分布趨向團(tuán)狀集聚變化,分布格局進(jìn)一步簡化,集聚中心受幅度變化而減少,因此,Moran’s I值表現(xiàn)為上升趨勢.另一方面,LST描述性統(tǒng)計(jì)變量顯示,隨幅度的變化,LST的空間分布格局及其統(tǒng)計(jì)參數(shù)均發(fā)生了一定的改變:LST平均值變化在0.4℃范圍內(nèi),呈“升-降-升”變化趨勢,在3km處存在谷點(diǎn),總體上幅度變化對流域地表溫度平均值的影響不大;LST方差呈先上升后下降,在3km處有一個(gè)峰值.結(jié)合空間自相關(guān)Moran’s I值和LST方差分析表明:3km幅度下的LST差異最大,顯示該尺度下熱場分布信息量豐富.同時(shí),LST的空間分布具有明顯的聚集性,因此,巢湖流域地表熱環(huán)境效應(yīng)相關(guān)研究適宜的幅度域?yàn)?2,4)km.

3.3.2 流域地表溫度(LST)與下墊面景觀結(jié)構(gòu)相關(guān)分析 下墊面是大氣的直接熱源,地表溫度場與大氣溫度場關(guān)系密切,同等太陽輻射條件下,城鎮(zhèn)用地中的建筑物道路等化學(xué)人工材料吸熱快且熱容量小,較自然下墊面(林地、草地、水體等)升溫快,導(dǎo)致其表面溫度明顯高于自然下墊面,從而造成相應(yīng)區(qū)域地表溫度較高[37].

本文對巢湖流域地表溫度與下墊面景觀結(jié)構(gòu)進(jìn)行互動(dòng)分析,結(jié)果表明,景觀結(jié)構(gòu)與LST呈極顯著相關(guān)關(guān)系,2013年巢湖流域3km幅度下景觀結(jié)構(gòu)與LST的相關(guān)關(guān)系見圖6.其中,建設(shè)用地景觀與LST呈極顯著正相關(guān)關(guān)系,相關(guān)系數(shù)為0.5936,為流域地表熱環(huán)境效應(yīng)的重要影響源,而林地、水體景觀與LST呈極顯著負(fù)相關(guān)關(guān)系,其中水體相關(guān)系數(shù)最高,達(dá)-0.5855,二者為流域地表熱環(huán)境效應(yīng)抑制的主要貢獻(xiàn)源.由于農(nóng)地景觀受季節(jié)性影響最大,本研究9月份的農(nóng)地景觀與LST呈正相關(guān)關(guān)系,主要因?yàn)樵摷竟?jié)部分農(nóng)田作物收獲后,由于裸露的土壤表層比林地、水體顯熱通量貢獻(xiàn)更大,因而地表溫度相對較高.但與建設(shè)用地景觀相比,其相關(guān)系數(shù)仍較低.結(jié)果表明,巢湖流域城鎮(zhèn)用地面積的擴(kuò)張是地表溫度增強(qiáng)的重要原因,而林地與水體景觀對抑制流域地表溫度有重要作用.因此,土地利用和城市發(fā)展模式是地表溫度空間差異的主要原因,尋求合理的城市土地利用規(guī)模、結(jié)構(gòu)、方式及其空間布局,應(yīng)當(dāng)成為有效遏制熱環(huán)境效應(yīng)的重要目標(biāo)[21].

3.3.3 地表溫度(LST)與下墊面景觀格局相關(guān)性及尺度效應(yīng) 研究表明,區(qū)域地表溫度除與下墊面的類型結(jié)構(gòu)有關(guān)外,還受到下墊面景觀格局的影響.本文對巢湖流域地表溫度與景觀破碎度、分離度及優(yōu)勢度指數(shù)進(jìn)行定量相關(guān)分析,揭示LST與景觀格局的作用機(jī)制,探討互動(dòng)作用下的尺度效應(yīng).2013年巢湖流域3km幅度下景觀格局與LST的相關(guān)關(guān)系分析顯示,建設(shè)用地、林地和水體景觀類型格局指數(shù)與LST相關(guān)性普遍較高(表2),體現(xiàn)了該幾類景觀類型的格局變化對LST的影響程度較高,但影響效果各異.其中,建設(shè)用地分離度、破碎度與LST呈負(fù)相關(guān)關(guān)系,表明具有增溫作用的建設(shè)用地如分離程度高、越小斑塊化,則增溫效果會(huì)下降.而林地與水體景觀的分離度、破碎度與LST呈現(xiàn)正相關(guān)關(guān)系,表明具有降溫作用的生態(tài)用地如小斑塊化、分離度高則降溫作用明顯下降.從優(yōu)勢度來看,建設(shè)用地優(yōu)勢度越高,LST越高,呈正相關(guān)關(guān)系,而林地、水體的優(yōu)勢度與LST呈負(fù)相關(guān)關(guān)系,優(yōu)勢度越高抑制熱環(huán)境效應(yīng)效果越好.由于農(nóng)地景觀由于受季節(jié)性影響,在本研究中對流域熱環(huán)境效應(yīng)具有一定的促進(jìn)作用.

按照相關(guān)系數(shù)高低排序:建設(shè)用地>林地>水體>水體>建設(shè)用地>水體>林地>農(nóng)地>建設(shè)>林地>農(nóng)地>農(nóng)地(表2).總體上顯示,LST對優(yōu)勢度的影響較分離度與破碎度更加敏感.研究表明,建設(shè)用地集中連片擴(kuò)張、建成區(qū)“攤大餅”式蔓延是LST增強(qiáng)的主要原因.而林地和水體等具有生態(tài)功能用地在城市化過程中被其他用地占用造成分離或破碎,在很大程度上降低其對LST的抑制功能.因此,實(shí)踐中可通過加強(qiáng)流域景觀結(jié)構(gòu)的配置和格局的調(diào)控與優(yōu)化來達(dá)到緩解熱環(huán)境效應(yīng)的目的,如流域景觀規(guī)劃中,緩解熱環(huán)境效應(yīng)的措施首先應(yīng)當(dāng)控制城鎮(zhèn)用地集中連片式蔓延增長,并增加林地、水體等生態(tài)功能景觀資源的配置,通過適度分散布局面積較大的綠地、整合低破碎度的綠地達(dá)到形狀規(guī)整,也是有效緩解流域熱環(huán)境效應(yīng)的關(guān)鍵.另外,通過林地廊道將分散林地斑塊有效連接,構(gòu)建流域城鎮(zhèn)綠地網(wǎng)絡(luò)系統(tǒng),對于緩解流域熱環(huán)境效應(yīng)的效果也是明顯的[37].

表2 3km幅度下地表溫度(LST)與下墊面景觀格局相關(guān)分析(2013年)

注:限于篇幅,表中只列入2013年3km尺度下的景觀格局指數(shù)與LST的直線方程關(guān)系.網(wǎng)格單元尺度為1km時(shí),樣本單元12090個(gè),自由度>1000,0.01=0.081;2km時(shí),樣本單元3097個(gè),>1000,0.01=0.081;3km時(shí),樣本單元1548 個(gè),>1000,0.01=0.081;4km時(shí),樣本單元860個(gè),500<<1000,0.01=0.115;5km時(shí),樣本單元568個(gè),500<<1000,0.01=0.115.

尺度問題是景觀生態(tài)學(xué)的核心問題[24],景觀格局與LST相關(guān)研究需要關(guān)注尺度效應(yīng).不同幅度下景觀格局與LST的相關(guān)性分析表明,景觀格局指數(shù)與LST相關(guān)性隨尺度變化具有一定的差異:總體上,建設(shè)用地、林地和農(nóng)地景觀與LST的相關(guān)性隨尺度變化呈上升趨勢,而水體景觀與LST相關(guān)性隨尺度變化呈下降趨勢.其中,建設(shè)用地破碎度、建設(shè)用地分離度、建設(shè)用地優(yōu)勢度、林地分離度、林地優(yōu)勢度和水體優(yōu)勢度在3km幅度下具有明顯拐點(diǎn)(圖7).結(jié)果表明,斑塊水平上,不同景觀類型格局指數(shù)對幅度變化的響應(yīng)敏感性不一致.少數(shù)景觀格局指數(shù)與LST的相關(guān)性對幅度變化響應(yīng)較弱,隨幅度變化,在3km左右呈上下波動(dòng).幅度變化對流域景觀格局與LST的相關(guān)性分析會(huì)產(chǎn)生一定的影響,因此,流域地表熱環(huán)境與景觀格局互動(dòng)分析時(shí)需選擇合適的幅度水平.

4 結(jié)論

4.1 巢湖流域2000~2013年的地表熱環(huán)境效應(yīng)整體上逐漸增強(qiáng),空間格局變化明顯,高溫區(qū)主要聚集在合肥市區(qū)范圍,并進(jìn)一步呈輻射狀向周邊蔓延,而中溫以下等級區(qū)域逐漸縮小.空間異質(zhì)性分析表明,LST網(wǎng)格化單元呈顯著空間正相關(guān). LST的空間聚集特征受幅度變化的影響,流域地表熱環(huán)境應(yīng)選擇適合的幅度水平.結(jié)合空間自相關(guān)、LST方差等參數(shù),巢湖流域地表熱環(huán)境效應(yīng)相關(guān)研究的適宜幅度域在(2,4)km范圍.

4.2 巢湖流域景觀結(jié)構(gòu)與LST的相關(guān)性分析表明,建設(shè)用地景觀與LST呈極顯著正相關(guān)關(guān)系,成為流域地表熱環(huán)境效應(yīng)增強(qiáng)的重要影響源,而林地、水體景觀與LST呈極顯著負(fù)相關(guān)關(guān)系,二者為流域地表熱環(huán)境效應(yīng)抑制的主要貢獻(xiàn)源.巢湖流域城鎮(zhèn)用地面積的擴(kuò)張是地表溫度增強(qiáng)的主要原因,而林地與水體景觀是抑制流域熱環(huán)境效應(yīng)的重要因素.因此,流域規(guī)劃實(shí)踐中,應(yīng)當(dāng)按照總體規(guī)劃適度控制流域內(nèi)建成區(qū)總規(guī)模和建設(shè)用地新增量,避免城鎮(zhèn)用地規(guī)劃集中連片布局形成大斑塊建設(shè)用地基質(zhì),同時(shí)加強(qiáng)林地、水體、耕地等生態(tài)景觀資源的保護(hù)和配置可有效緩解流域熱環(huán)境效應(yīng).

4.3 巢湖流域景觀格局與LST的相關(guān)關(guān)系及其尺度效應(yīng)分析顯示,建設(shè)用地、林地和水體景觀類型格局指數(shù)與LST相關(guān)性普遍較高,對LST的變化影響程度較高,但對LST的影響效果各異.其中,具有增溫作用的建設(shè)用地如果分離程度高、越小斑塊化,則增溫效果會(huì)下降.而具有降溫作用的林地與水體等生態(tài)用地景觀如果小斑塊化、分離度高則降溫作用將明顯下降.另外,LST受優(yōu)勢度的影響較分離度和破碎度更加敏感.因此,在流域規(guī)劃中也應(yīng)當(dāng)注重加強(qiáng)流域內(nèi)城鎮(zhèn)建成區(qū)景觀格局的優(yōu)化調(diào)控,如城鎮(zhèn)建設(shè)用地開發(fā)應(yīng)通過修建、連接綠地和水體廊道來分散城鎮(zhèn)用地布局,整合破碎的生態(tài)景觀資源,把相互分散的斑塊有機(jī)的連接起來形成綠地網(wǎng)絡(luò)系統(tǒng),可有效抑制LST緩解流域熱環(huán)境效應(yīng).

[1] Howard L. Climate of London deduced from metrological observations [M]. London: Harvey and Dorton Press(3rd edition), 1833,1:348.

[2] 李志乾,鞏彩蘭,胡 勇,等.城市熱島遙感研究進(jìn)展 [J]. 遙感信息, 2009,8:100-105.

[3] 岳文澤,徐麗華,徐建華.20世紀(jì)90年代上海市熱環(huán)境變化及其社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)力 [J]. 生態(tài)學(xué)報(bào), 2010,30(1):155-164.

[4] 謝苗苗,王仰麟,付梅臣.城市地表溫度熱島影響因素研究進(jìn)展 [J]. 地理科學(xué)進(jìn)展, 2011,30(1):35-41.

[5] 錢敏蕾,徐藝揚(yáng),李 響,等.上海市城市化進(jìn)程中熱環(huán)境響應(yīng)的空間評價(jià) [J]. 中國環(huán)境科學(xué), 2015,35(2):624-633.

[6] 葛榮鳳,王京麗,張力小,等.北京市城市化進(jìn)程中熱環(huán)境響應(yīng) [J]. 生態(tài)學(xué)報(bào), 2016,36(19):1-10.

[7] Jusuf S K, Wong N H, Hagen E, et al. The influence of land use on the urban heat island in Singapore [J]. Habitat International, 2007,31(2):232-242.

[8] Nichol J E, Fung W Y, Lam K S, et al. Urban heat island diagnosis using ASTER satellite images and ‘in situ’ air temperature [J]. Atmospheric Research, 2009,94(2):276-284.

[9] Van De Kerchove R, Lhermitte S, Veraverbeke S, et al. Spatio-temporal variability in remotely sensed land surface temperature, and its relationship with physiographic variables in the russian altay mountains [J]. International Journal of Applied Earth Observation and Geoinformation, 2013,(20):4-19.

[10] Choi Y Y, Suh M S, Park K H. Assessment of surface Urban Heat Islands over three megacities in East Asia using land surface temperature data retrieved from COMS [J]. Remote Sensing, 2014,6(6):5852-5867.

[11] Sirous H, Weng Q, Darvishi A, et al. Seasonal variations of the surface Urban Heat Island in a semi-arid city [J]. Remote Sensing, 2016,8(4):352-368.

[12] 唐新明,劉 浩,李 京,等.北京地區(qū)霾/顆粒物污染與土地利用/覆蓋的時(shí)空關(guān)聯(lián)分析 [J]. 中國環(huán)境科學(xué), 2015,35(9):2561- 2569.

[13] 徐建鋒,尹 煒,閆峰陵,等.農(nóng)業(yè)源頭流域景觀異質(zhì)性與溪流水質(zhì)耦合關(guān)系 [J]. 中國環(huán)境科學(xué), 2016,36(10):3193-3200.

[14] 張 月,張 飛,王 娟,等.基于LUCC的艾比湖區(qū)域生態(tài)風(fēng)險(xiǎn)評價(jià)及預(yù)測研究 [J]. 中國環(huán)境科學(xué), 2016,36(11):3465-3474.

[15] 蔣 晶,喬 治.北京市土地利用變化對地表溫度的影響分析 [J]. 遙感信息, 2012,27(3):105-111.

[16] 壽亦萱,張大林.城市熱島效應(yīng)的研究進(jìn)展與展望 [J]. 氣象學(xué)報(bào), 2012,70(3):338-353.

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

[18] 周紅妹,丁金才,徐一鳴,等.城市熱島效應(yīng)與綠地分布的關(guān)系監(jiān)測和評估 [J]. 上海農(nóng)業(yè)學(xué)報(bào), 2002,18(2):83-88.

[19] 王 勇,李發(fā)斌,李何超,等.RS與GIS支持下城市熱島效應(yīng)與綠地空間相關(guān)性研究 [J]. 環(huán)境科學(xué)研究, 2008,21(4):81-87.

[20] 陳愛蓮,孫然好,陳利頂.基于景觀格局的城市熱島研究進(jìn)展 [J]. 生態(tài)學(xué)報(bào), 2012,32(14):4553-4565.

[21] 王美雅,徐涵秋,付 偉,等.城市地表水體時(shí)空演變及其對熱環(huán)境的影響 [J]. 地理科學(xué), 2016,36(5):1-7.

[22] 彭保發(fā),石憶邵,王賀封,等.城市熱島效應(yīng)的影響機(jī)理及其作用規(guī)律-以上海市為例 [J]. 地理學(xué)報(bào), 2013,68(11):1461-1471.

[23] 申衛(wèi)軍,鄔建國,林永標(biāo),等.空間粒度變化對景觀格局分析的影響 [J]. 生態(tài)學(xué)報(bào), 2003,23(12):2506-2519.

[24] 黃木易,何 翔.巢湖流域土地景觀格局變化及生態(tài)風(fēng)險(xiǎn)驅(qū)動(dòng)力研究 [J]. 長江流域資源與環(huán)境, 2016,25(5):743-750.

[25] 李云生,周廣金,梁 濤,等.巢湖流域的土地利用變化及其生態(tài)系統(tǒng)功能損益 [J]. 地理研究, 2009,28(6):1656-1664.

[26] 黃木易,何 翔.近20年來巢湖流域景觀生態(tài)風(fēng)險(xiǎn)評估與時(shí)空演化機(jī)制分析 [J]. 湖泊科學(xué), 2016,28(4):785-793.

[27] 嚴(yán) 平,楊書運(yùn),王相文.合肥城市熱島強(qiáng)度及綠化效應(yīng) [J]. 合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2000,23(3):348-352.

[28] 劉 玲,吳坤悌,黃光瑞,等.合肥城市發(fā)展對熱島強(qiáng)度的影響 [J]. 長江流域資源與環(huán)境, 2008,17(Z1):88-93.

[29] 姚玉龍,劉普幸,陳麗麗.基于遙感影像的合肥市熱島效應(yīng)時(shí)空變化特征及成因 [J]. 生態(tài)學(xué)雜志, 2013,32(12):3351-3359.

[30] 閻伍玖,王心源.巢湖流域非點(diǎn)源污染初步研究 [J]. 地理科學(xué), 1998,18(3):263-267.

[31] 傅伯杰,陳利頂,馬克明,等.景觀生態(tài)學(xué)原理及應(yīng)用 [M]. 北京:科學(xué)出版社, 2001:58.

[32] Sobrino J A, Jimenez-Munoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM5 [J]. Remote Sensing of Environment, 2004,90(4):434-440.

[33] 陳松林,王天星.等間距法和均值標(biāo)準(zhǔn)差法界定城市熱島的對比研究 [J]. 地球信息科學(xué)學(xué)報(bào), 2009,11(2):145-150.

[34] 黃木易,何 翔,吳 迪,等.巢湖流域土地利用程度變化及其空間異質(zhì)性分析 [J]. 土壤, 2015,47(5):994-1000.

[35] 馬榮華,蒲英霞,馬曉冬.GIS空間關(guān)聯(lián)模式發(fā)現(xiàn) [M]. 北京:科學(xué)出版社, 2007:103-107.

[36] Kyriakidis P, Journel A G. Geostatistics models: a review [J]. Mathematical Geology, 1999,31(6):615-684.

[37] 卞子浩,馬超群,王 迪,等.西安地區(qū)熱島效應(yīng)與景觀生態(tài)格局相關(guān)性研究 [J]. 干旱氣象, 2016,34(2):342-348.

Correlation analysis between land surface thermal environment and landscape change and its scale effect in Chaohu Basin.

HUANG Mu-yi1, YUE Wen-ze2*, HE Xiang1

(1.Department of Environmental Engineering, Anhui Jianzhu University, Hefei 230601, China；2.Department of Land Management, Zhejiang University, Hangzhou 310058, China)., 2017,37(8)：3123~3133

Based on the Landsat ETM+/TIRS image data, the inversion of Land surface temperature (LST) were conducted by using atmospheric correction method, and the evolution of land surface thermal environment effect was analyzed from 2000 to 2013 in Chaohu Basin. Cell samples at five scales level were obtained through gridding method, the scale effect of LST and its correlations with the surface landscapes were further quantitatively analyzed at specified scales. The results showed thathigh LST area was mainly concentrated in Hefei city and spread to its peripheries, while low LST area shrank gradually due to turning into moderate LST area from 2000 to 2013 in Chaohu Basin. As a result, the land surface thermal environment effect was enhanced.The correlation analysis between LST and landscape structure indicated that the construction land landscape was the main reason for the land surface thermal environment effect in the basin, while water and woodland landscapes could restrain LST effectively. The influence of landscape pattern on land surface thermal environment effect was significant. The analysis of correlations indicated that strong significant negative correlations were observed between the fragmentation and separation indices of construction and rural land landscapes and LST, but there was significant positive correlation between the fragmentation and separation indices of woodland and water landscapes and LST. LST is most sensitive to the change of landscape dominance index. The dominance index of construction land was significantly positively correlated with LST, while increasing the dominance of woodland and water could significantly reduce the surface temperature. Analysis of the scale effect and Exploratory Spatial Data Analysis (ESDA) for LST indicated that the LST had a significant spatial clustering characteristic in Chaohu Basin, and that the spatial pattern of LST had an obvious scale effect. 2~4km was the suitable extent of the researches on land surface thermal environment in Chaohu Basin. Countermeasures derived from the study for restraining the surface thermal environment in Chaohu Basin included: allocating ecological functional landscape resources, such as woodland and water landscapes, reasonably through planning; strengthening regulations on the growth of construction land; and finally optimizing the landscape pattern.

surface thermal environment；landscape pattern；correlation analysis；scale effect；Chaohu Basin

X87

A

1000-6923(2017)08-3123-11

黃木易(1978-)男,安徽蕪湖人,副教授,博士,主要從事城鎮(zhèn)化質(zhì)量、流域生態(tài)環(huán)境健康診斷及空間信息挖掘.發(fā)表論文30余篇.

2017-01-22

國家社會(huì)科學(xué)基金重點(diǎn)項(xiàng)目(14AZD124);國家自然科學(xué)基金項(xiàng)目(41671533)和中央高校基本科研業(yè)務(wù)費(fèi)資助;安徽省哲學(xué)社會(huì)科學(xué)規(guī)劃項(xiàng)目(AHSKQ2016D23)

* 責(zé)任作者, 教授, wzyue@zju.edu.cn