劉鈺琪， 楊德響， 楊曦光,2

(1.東北林業(yè)大學(xué)林學(xué)院，黑龍江 哈爾濱 150040；2.東北林業(yè)大學(xué)森林生態(tài)系統(tǒng)可持續(xù)經(jīng)營教育部重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150040)

城市是中國人口聚集和生活的主要場所，無論從城市人口[1](城市人口占比超過50%，2011年)還是城市建成區(qū)面積[2](城市建成區(qū)面積占其與農(nóng)村建成區(qū)二者總面積的近70%，2017年)均高于農(nóng)村。城市發(fā)展過程中產(chǎn)生了諸多生態(tài)環(huán)境問題，城市熱島效應(yīng)就是其中之一。城市熱島效應(yīng)是指城市地區(qū)溫度明顯高于郊區(qū)溫度的現(xiàn)象[3]。人類的各種生產(chǎn)生活活動改變了原有的自然格局，也改變了城市區(qū)域及其周邊的氣候和環(huán)境狀況，進(jìn)而引起了城市熱島效應(yīng)。隨著城市化進(jìn)程的加速，城市熱島效應(yīng)日益明顯。城市熱島效應(yīng)的產(chǎn)生對城市的居住舒適性產(chǎn)生了負(fù)面影響，尤其是在夏天，這一影響會更加明顯[4]。同時，城市熱島效應(yīng)還會改變局部氣候，影響區(qū)域生態(tài)狀況，加重生態(tài)環(huán)境污染[5-6]。因此，城市熱島效應(yīng)所導(dǎo)致的一系列后果引起人們的廣泛關(guān)注。黑龍江省哈爾濱市是中國東北區(qū)域最大的城市，面積達(dá)5.31萬km2。新中國成立后，哈爾濱市成為了重要工業(yè)基地，建設(shè)了包括電機(jī)廠、汽輪機(jī)廠在內(nèi)的幾十個重點(diǎn)工程，形成了較為完備的重工業(yè)體系。幾十年來，這些重點(diǎn)工程的存在給哈爾濱市帶來經(jīng)濟(jì)發(fā)展的同時，也不可避免地帶來了諸多生態(tài)環(huán)境問題，城市熱島效應(yīng)問題便是其中之一。目前，采用城鄉(xiāng)二分法計(jì)算城鄉(xiāng)溫度差來表征城市熱島強(qiáng)度(Urban-Heat-Island Intensity，UHII),此方法是較為常用的定量評估方法，但是在代表性地區(qū)的選取上有較強(qiáng)的主觀性[7]。徐涵秋等[7]針對不同時相熱紅外遙感圖像的對比問題，提出了城市熱島比例指數(shù)(Urban-Heat-Island Ratio Index，URI)。URI是指城市中熱島面積占其建成區(qū)面積的比例，并通過對不同溫度等級賦予相應(yīng)的權(quán)重來定量評估城市熱島變化。如今，URI已經(jīng)被廣泛地運(yùn)用于城市熱島效應(yīng)的評價，被政府和越來越多的科研人員所接受[8-9]。劉勇洪等[10]對北京城市熱島進(jìn)行定量監(jiān)測時發(fā)現(xiàn)，北京市2011年的URI為0.503 8。林中立等[11]利用URI研究了2017年南京、杭州、福州和廣州的城市熱島狀況，發(fā)現(xiàn)URI分別為0.566 0，0.637 0，0.689 0和0.616 5。然而，URI在其應(yīng)用上也存在有諸多問題。如在城市建成區(qū)邊界的選取上往往采用目視解譯法或基于夜間燈光數(shù)據(jù)來提取城市邊界，其中目視解譯法的準(zhǔn)確性依賴于專業(yè)人員的經(jīng)驗(yàn)，夜間燈光數(shù)據(jù)提取城市邊界時所采用的方法不同也會導(dǎo)致提取的城市面積差別較大[12]。此外，通常采用歸一化方法比較不同時相地溫影像數(shù)據(jù)，而影像上極端值的存在會導(dǎo)致歸一化后的數(shù)值相對集中。以往研究常采用經(jīng)驗(yàn)或與實(shí)際氣溫比較的方法來確定歸一化處理所需要的閾值，但閾值選取的主觀性會增加城市熱島定量研究的不確定性[13-14]。綜上，URI在應(yīng)用于不同城市間、不同時相數(shù)據(jù)間的比較時，客觀性大大削弱。本研究以哈爾濱市繞城高速作為中心城區(qū)邊界，研究中心城區(qū)城市熱島效應(yīng)。采用拉依達(dá)準(zhǔn)則剔除極端溫度值，研究哈爾濱市中心城區(qū)地表溫度的分布特征與城市熱島效應(yīng)的變化狀況，并分析極端溫度值產(chǎn)生的原因以及地物之間溫度差異的原因，為城市生態(tài)環(huán)境規(guī)劃和緩解城市熱島效應(yīng)提供參考。

1 研究區(qū)區(qū)域及數(shù)據(jù)獲取

哈爾濱市地理位置為東經(jīng)125°42′～130°10′、北緯44°04′～46°40′，地處黑龍江省中南部，松嫩平原東南部，屬中溫帶大陸性季風(fēng)氣候，緯度高，氣溫低，四季分明，冬長夏短，全市總面積約為5.31萬km2。以哈爾濱市區(qū)繞城高速以內(nèi)的中心城區(qū)為研究對象，研究范圍包括哈爾濱市區(qū)內(nèi)所轄的5個區(qū)，道里區(qū)，道外區(qū)，香坊區(qū)，松北區(qū)，南崗區(qū)。研究范圍占地面積4 285.59 km2，人口416.47萬人，地區(qū)生產(chǎn)總值3 531.7億元，分別占全市面積的8.07%，全市人口的43.3%，占全市GDP的58%[15]。

本研究選取2015-09-04、2017-09-09、2019-09-15無云Landsat 8 OLI/TIRS Level 1級遙感影像，數(shù)據(jù)源自美國地質(zhì)勘探局網(wǎng)站(https://earthexplorer.usgs.gov/)。

2 研究方法

2.1 地表溫度的反演

遙感數(shù)據(jù)經(jīng)輻射定標(biāo)和大氣校正后進(jìn)行地表溫度的反演，反演方法采用覃志豪等[16]提出的單窗算法，經(jīng)眾多學(xué)者驗(yàn)證，該算法適用于Landsat 8數(shù)據(jù)，并具有很高的反演精度[17-19]。地表比輻射率的計(jì)算根據(jù)覃志豪等[20]的方法可得，大氣平均作用溫度采用中緯度夏季平均大氣模型，大氣透過率在NASA網(wǎng)站(美國國家航空航天局網(wǎng)站：https://atmcorr.gsfc.nasa.gov/)獲取。由于徐涵秋等[21]在對Landsat 8熱紅外光譜數(shù)據(jù)定標(biāo)準(zhǔn)確性的分析中發(fā)現(xiàn)，對于在中低植被覆蓋下，利用第11波段進(jìn)行地表溫度反演的準(zhǔn)確性高于第10波段。因此，本研究通過計(jì)算第11波段的亮度溫度進(jìn)行地表溫度的反演。

圖1 研究區(qū)域位置示意圖Fig.1 Locationmap of the study area

2.2 地表溫度剖面線的選取與繪制

地表溫度剖面線可以直觀地反映所選剖面上的地表溫度變化特征，而歸一化植被指數(shù)(Normalized VegetationIndex，NDVI)剖面線可以反映區(qū)域下墊面特征，可為分析地表溫度的高低提供依據(jù)。結(jié)合中心城區(qū)特點(diǎn)，以“米”字形的4條剖面線對其進(jìn)行空間采樣。采樣時，結(jié)合谷歌地圖進(jìn)行位置辨別，以黑龍江省政府為中心點(diǎn)，向四周8個方向延伸，分別做“N-S”、“W-E”、“NE-SW”、“NW-SE”4條剖面線，提取地表溫度值和NDVI值。4條剖面線經(jīng)過的區(qū)域有工業(yè)區(qū)、商業(yè)區(qū)、住宅區(qū)、林地、水體、耕地、公園、城中村等，具有較好的代表性和典型性，便于分析哈爾濱市熱島效應(yīng)的分布和影響因素。

NDVI在數(shù)值上等于遙感圖像近紅外波段的反射值與紅光波段反射值之差除以兩者之和，具體公式如下：

(1)

式中:NearIR為近紅外波段反射值，Red為紅光波段反射值。

利用ENVI5.3中的工具箱(Toolbox)中提供的NDVI計(jì)算工具完成NDVI值的提取。

2.3 不同時相熱島效應(yīng)的對比

采用歸一化處理的方式來減少時相差異，具體公式如下：

(2)

式中：Ni為第i個像元?dú)w一化處理后的值；Ti為第i個像元地面溫度值；Tmin為地面溫度最小值，Tmax為地面溫度最大值。

為避免極端值對歸一化產(chǎn)生影響，本研究采用拉依達(dá)準(zhǔn)則對數(shù)據(jù)進(jìn)行預(yù)處理。具體方法如下：計(jì)算圖像中地溫的平均值(x)和標(biāo)準(zhǔn)差(σ)，凡是像元溫度大于x+3σ，則令其等于1；凡是像元溫度小于x-3σ，則令其為0；剩余溫度區(qū)間進(jìn)行歸一化處理。并定義Tmin=x-3σ，Tmax=x+3σ。

對歸一化處理后的地溫?cái)?shù)據(jù)進(jìn)行等間距分割，依次劃分為低溫區(qū)(0～0.2)、較低溫區(qū)(0.2～0.4)、中溫區(qū)(0.4～0.6)、次高溫區(qū)(0.6～0.8)、高溫區(qū)(0.8～1.0)，共計(jì)5個溫度分區(qū)，并根據(jù)實(shí)際情況將次高溫區(qū)和高溫區(qū)設(shè)置為城市溫度高于郊區(qū)溫度的分區(qū)。

城市熱島比例指數(shù)URI計(jì)算方式如下：

(3)

式中：m為歸一化后的等級數(shù)，m=5；n為城區(qū)高于郊區(qū)的溫度等級數(shù)，n=2；wi為權(quán)重?cái)?shù)，為第i級的級值，次高溫區(qū)取4，高溫區(qū)取5；pi為第i級所占的比例。

本研究對哈爾濱市中心城區(qū)2015、2017、2019年9月中上旬3幅遙感影像進(jìn)行了地表溫度反演，并分析哈爾濱市建成區(qū)內(nèi)城市熱島時空分布特征，進(jìn)行URI的計(jì)算及其分析。

3 結(jié)果與分析

3.1 哈爾濱市主要行政區(qū)地表溫度空間分布特征

通過對地表溫度影像數(shù)據(jù)進(jìn)行矢量裁剪，得到2015、2017、2019年9月中上旬的3期以哈爾濱市繞城高速內(nèi)的中心城區(qū)為研究區(qū)域的地表溫度影像圖(圖2)，同時分別統(tǒng)計(jì)出3期影像中5個行政區(qū)地表的最高溫度、最低溫度和平均溫度(表1)。

圖2 2015、2017、2019年研究區(qū)地表溫度影像圖

表1 2015、2017、2019年研究區(qū)內(nèi)各行政區(qū)相關(guān)溫度統(tǒng)計(jì)數(shù)據(jù)

從表1可以看出，在所研究的3個時間點(diǎn)上，香坊區(qū)、南崗區(qū)的平均溫度高于其他行政區(qū)，松北區(qū)、道里區(qū)和道外區(qū)平均溫度相對較低；香坊區(qū)的最高溫度均高于其他行政區(qū)的最高溫度，其2015年和2017年的最高溫度高達(dá)39 ℃，明顯高于同期最高溫度的平均水平；南崗區(qū)的最低溫度均低于其他行政區(qū)的最低溫度，其2015年和2017年的最低溫度低至0 ℃，遠(yuǎn)低于同期最低溫度的平均水平。

3.2 基于剖面線的地表溫度空間分布特征分析

分別繪制2015、2017、2019年3期研究區(qū)內(nèi)N-S、W-E、SW-NE、NW-SE 4個方向的剖面線，同時提取地表溫度值和NDVI值，并對部分局部極值所處的位置加以標(biāo)識(圖3)。從圖3可以看出，在N-S、W-E、SW-NE和NW-SE 4個方向的剖面線圖中，均具有明顯的城市熱島特征，地表溫度剖面線呈現(xiàn)出兩邊低、中間高的態(tài)勢，而NDVI剖面線呈現(xiàn)出兩邊高、中間低的態(tài)勢。剖面線所經(jīng)過區(qū)域的下墊面構(gòu)成不同，導(dǎo)致地表溫度剖面線呈現(xiàn)出峰谷狀特征?？傮w來看，高溫區(qū)和低溫區(qū)的位置基本維持不變，在工業(yè)區(qū)、商業(yè)區(qū)溫度一般較高，在水體、林地和公園溫度一般較低。同時研究發(fā)現(xiàn)，圖中的高層建筑所處區(qū)域往往成為低溫區(qū)域，不同的城市棚戶區(qū)之間溫度差異較大。

圖3 2015、2017、2019年研究區(qū)內(nèi)N-S、W-E、NE-SW、NW-SE 4個方向的地表溫度與NDVI剖面線圖Fig.3 Surface temperature and NDVI profiles of N-S,W-E,NE-SW and NW-SE directions in the study area in 2015,2017 and 2019

N-S地溫剖面線中，最高溫度出現(xiàn)在電機(jī)廠，最低溫度均出現(xiàn)在松花江。松北棚戶區(qū)、省政府、電機(jī)廠為相對其周邊的高溫度區(qū)域；松北的部分耕地和池塘、香坊區(qū)的高層住宅、公園為相對其周邊的低溫度區(qū)域。W-E地溫剖面線中，最低溫度均出現(xiàn)在棚戶區(qū)，最高溫度均出現(xiàn)在省政府。道里區(qū)的普通住宅(康安小區(qū))、香坊區(qū)的工業(yè)區(qū)是相對周圍區(qū)域的高溫區(qū)域，道里區(qū)的高層住宅、南崗區(qū)的普通住宅(文林電力花園小區(qū))和公園是相對周圍區(qū)域的低溫區(qū)域。孟曉陽等[22]在研究“白屋頂計(jì)劃”對城市熱島效應(yīng)作用時發(fā)現(xiàn)，屋頂溫度的升高主要源自于屋頂對太陽輻射吸收引起的升溫，而淺色屋頂因太陽輻射引起的升溫要顯著低于深色屋頂。因此，康安小區(qū)深色的屋頂顏色是導(dǎo)致其溫度高于文林電力花園小區(qū)的重要原因(圖4)。松北棚戶區(qū)是N-S方向的高溫區(qū)域，而四方臺棚戶區(qū)則是W-E方向的低溫區(qū)域，兩者溫差較大。其中，松北棚戶區(qū)內(nèi)含有大量的工廠和小作坊，而四方臺棚戶區(qū)的功能主要以居住為主，居民主要從事農(nóng)業(yè)生產(chǎn)；四方臺棚戶區(qū)屋頂顏色偏淺而松北棚戶區(qū)屋頂顏色則以深色為主。

圖4 康安小區(qū)與文林花園小區(qū)屋頂影像圖Fig.4 The image of the roof of Kang’an community and Wenlin garden community

NE-SW地溫剖面線中，最低溫度均出現(xiàn)在公園，最高溫度均出現(xiàn)在機(jī)器制造公司。大學(xué)、省政府為相對周圍區(qū)域的高溫區(qū)域；林場、林區(qū)、高層住宅為溫度相對較低的區(qū)域。NW-SE地溫剖面線中，最低溫度均出現(xiàn)在松花江，最高溫度均出現(xiàn)在省政府。相對高溫區(qū)域有停車場、火車站和軸承廠；相對低溫區(qū)域有河流、賓館、高層住宅和耕地。

總體來看，除水體和高層住宅外，其他重點(diǎn)分析區(qū)域的溫度值與NDVI值均呈負(fù)相關(guān)關(guān)系。在4個方向的剖面線中，高層住宅區(qū)域是剖面線中不可忽視的低溫區(qū)域。住宅高度與密度通過改變附近區(qū)域日照環(huán)境而影響城市局部熱環(huán)境。大量研究表明，隨著區(qū)域內(nèi)樓層的增高，其內(nèi)部地表溫度有降低趨勢[23-24]。本研究遙感圖像均取自哈爾濱市(約北緯45°)的9月中上旬，此時，太陽幾乎直射赤道，而遙感衛(wèi)星則是位于哈爾濱的上空，這就導(dǎo)致獲得的高樓附近的圖像有一大部分是高樓的影子(圖5)，從而形成了地表溫度圖像和剖面線圖的低溫區(qū)域[22]。根據(jù)遙感影像文件可知，獲取影像時的太陽高度角約44.6°，對于一棟平均層高為3 m的30層的高層住宅，其產(chǎn)生的影子長度約為91.3 m，至少會影響Landsat系列遙感影像中3個像元值的大小。

圖5 高層建筑影響遙感圖像原理圖Fig.5 Schematic diagram of tall buildings affecting remote sensing image

城市熱島效應(yīng)的存在會導(dǎo)致人們對高溫的感覺更加明顯。高層住宅所產(chǎn)生的影子面積隨季節(jié)的變化而變化，夏季時，對中國大部分北方城市和地區(qū)而言，高層住宅的影子面積最小，對于部分南方城市和地區(qū)而言，高層住宅幾乎沒有影子。同時，高層住宅的存在對區(qū)域內(nèi)熱量向周圍散發(fā)會起到消極作用，一些不符合城市風(fēng)道規(guī)劃的高層住宅還可能阻擋通風(fēng)廊道，抑制空間環(huán)境空氣流通，進(jìn)而加劇熱島效應(yīng)[25]。因此，雖然在本研究中高層住宅屬于低溫區(qū)，但并不意味著高層建筑有助于緩解熱島效應(yīng)，這與建筑物密度、建筑布局、綠化面積、人口密度等有密切關(guān)系[26-27]，相關(guān)的研究有待進(jìn)一步深入。

3.3 基于城市熱島比例指數(shù)的城市熱島效應(yīng)分析

利用2.3節(jié)介紹的方法計(jì)算研究區(qū)的城市熱島比例指數(shù)，分析哈爾濱市和其各行政區(qū)內(nèi)的城市熱島空間分布特征及年際變化。對研究區(qū)的遙感影像進(jìn)行溫度分區(qū)計(jì)算后可得到2015、2017、2019年各溫度分區(qū)所占的百分比以及對應(yīng)的城市熱島比例指數(shù)(見表2)，溫度分區(qū)圖見圖6。

圖6 2015、2017、2019年哈爾濱市中心城區(qū)溫度分區(qū)Fig.6 Temperature zone in the central urban area of Harbinfrom 2015, 2017 and 2019

表2 2015、2017、2019年哈爾濱市中心城區(qū)各溫度分區(qū)占比表Table 2 Proportion of each temperature zone in the central urban area of Harbin in 2015, 2017 and 2019

由表2可知，近5年來城市熱島比例指數(shù)為先增大后減小。2015、2017、2019年哈爾濱市各個溫度分區(qū)的比例變化明顯。其中，低溫區(qū)、較低溫區(qū)遞增，中溫區(qū)、高溫區(qū)比例先減后增，次高溫區(qū)的比例則先增后減。

為分析中心城區(qū)內(nèi)各行政區(qū)域的熱島強(qiáng)度，評價熱島的時空變化特征，對中心城區(qū)遙感圖像按照區(qū)內(nèi)行政邊界進(jìn)行矢量裁剪后，進(jìn)行溫度分區(qū)計(jì)算，中心城區(qū)內(nèi)所屬各行政區(qū)的城市熱島比例指數(shù)見表3。

表3 2015、2017、2019年哈爾濱市中心城區(qū)內(nèi)各行政區(qū)城市熱島比例指數(shù)Table 3 Proportion index of urban heat island of each administrative district in the central urban area of Harbin in 2015, 2017 and 2019

按照行政區(qū)域劃分，2015-09-04哈爾濱市中心城區(qū)內(nèi)的熱島效應(yīng)強(qiáng)度大小為：南崗區(qū)>道里區(qū)>香坊區(qū)>道外區(qū)>松北區(qū)；2017-09-09哈爾濱市中心城區(qū)內(nèi)的熱島效應(yīng)強(qiáng)度大小為：南崗區(qū)>道外區(qū)>道里區(qū)>香坊區(qū)>松北區(qū)；2019-09-15哈爾濱市中心城區(qū)內(nèi)的熱島效應(yīng)強(qiáng)度大小為：南崗區(qū)>道外區(qū)>道里區(qū)>香坊區(qū)>松北區(qū)?？傮w來看，南崗區(qū)的熱島效應(yīng)最強(qiáng)，松北區(qū)熱島效應(yīng)最弱，其余區(qū)域熱島效應(yīng)強(qiáng)度沒有顯著差異并位于兩者之間。

綜合地溫影像與數(shù)據(jù)分析，香坊區(qū)、南崗區(qū)熱島效應(yīng)呈減弱趨勢，松北區(qū)、道里區(qū)和道外區(qū)熱島效應(yīng)強(qiáng)度有所波動。

4 討論與結(jié)論

本研究利用2015、2017、2019年9月中上旬3幅Landsat 8遙感影像數(shù)據(jù)，基于單窗算法反演哈爾濱市主要行政區(qū)(5個區(qū))的地表溫度，并借助地表溫度剖面線和城市熱島比例指數(shù)等方法，研究了哈爾濱市建成區(qū)內(nèi)地表溫度分布特征與城市熱島效應(yīng)強(qiáng)度的變化規(guī)律，有針對性地分析了哈爾濱市建成區(qū)內(nèi)高溫區(qū)域和低溫區(qū)域形成的可能原因。

哈爾濱市中心城區(qū)內(nèi)溫度存在異質(zhì)性特征，但整體規(guī)律明顯。工業(yè)區(qū)、商業(yè)區(qū)溫度一般較高，影像中的最高溫度均出現(xiàn)在哈爾濱市電機(jī)廠，其溫度高的主要原因是人工熱源產(chǎn)生了大量熱量；在水體、林地和公園溫度一般較低，部分工業(yè)設(shè)施(制冷器、冷卻塔等)容易形成極端溫度值。影像中的哈南倉儲物流園和中國移動(哈爾濱)數(shù)據(jù)中心的溫度異常得低于平均溫度，其最低溫度接近0 ℃。這些園區(qū)或中心的共同之處不僅在于均采用了白色屋頂，并且均有制冷器的存在，倉儲物流園中有冷庫和冷鏈物流中心，數(shù)據(jù)中心有專門用于機(jī)房冷卻的制冷器。因此，人工冷源的存在可能是該區(qū)域存在極端低溫的重要原因。

通過溫度剖面線分析發(fā)現(xiàn)，高層住宅、屋頂顏色對地表溫度影響較大。其中高層住宅對熱島效應(yīng)有雙重作用：一方面其影子會在一定程度上降低地表溫度；另一方面高樓建筑存在對區(qū)域熱量散發(fā)起到消極作用，引起局部溫度的升高。

2015、2017、2019年哈爾濱市中心城區(qū)整體熱島效應(yīng)變化不明顯，URI的最大變化不超過0.023，其內(nèi)南崗區(qū)的熱島效應(yīng)最強(qiáng)，松北區(qū)熱島效應(yīng)最弱；香坊區(qū)、南崗區(qū)的區(qū)域熱島效應(yīng)呈減弱趨勢，松北區(qū)、道里區(qū)和道外區(qū)的區(qū)域熱島效應(yīng)強(qiáng)度有所波動。此外，利用URI對城市熱島效應(yīng)進(jìn)行評價時容易受到當(dāng)時當(dāng)?shù)貧夂?如降水)的影響。未來研究中，有必要選擇合適的方法減輕氣候不同所帶來的影響。