王晗，李峰，王昊，秦泉，趙彤

(1.山東省氣象防災(zāi)減災(zāi)重點(diǎn)實(shí)驗(yàn)室，山東 濟(jì)南 250031；2.山東省氣候中心，山東 濟(jì)南 250031；3.青海省氣象科學(xué)研究所，青海 西寧 810000)

引言

城市熱島效應(yīng)(urban heat island effect)概念由英國氣候?qū)W家HOWARD[1]首次提出，指城市區(qū)域氣溫高于鄉(xiāng)村、郊區(qū)的現(xiàn)象。熱島效應(yīng)對(duì)人體健康的影響已成為最值得關(guān)注的公共衛(wèi)生問題之一[2]。DESCHNES and GREENSTONE[3]指出年極端高溫每增加一天，死亡率約上升0.11%。韓京等[4]通過篩查極端氣溫致濟(jì)南市居民非意外死亡的敏感人群，指出65歲以上老人為熱浪敏感人群，極端高溫會(huì)提高居民心腦血管疾病致死率。在全球氣候變暖與城市化進(jìn)程逐漸加快背景下，城鎮(zhèn)人口數(shù)量持續(xù)上升，人為排放熱源不斷增加，城市規(guī)模擴(kuò)張使城市下墊面類型與景觀分布急劇變化，均對(duì)城市熱島效應(yīng)造成顯著影響[5]。2013—2019年濟(jì)南市常住人口由833.17萬人增加到890.87萬人(包括萊蕪市并入濟(jì)南市之前的數(shù)據(jù))，城市建成區(qū)面積由590.6 km2增加到760.6 km2，地區(qū)生產(chǎn)總值由5 883.68億元增加到9 443.37億元[6-8]，城市化率進(jìn)一步提升。

城市熱島效應(yīng)研究通常采用氣象觀測法[9-11]、數(shù)值模擬法[12-13]、實(shí)驗(yàn)室仿真法[14]與遙感監(jiān)測法[15]。遙感監(jiān)測在時(shí)空尺度上具有時(shí)間高度同步、空間覆蓋廣、細(xì)節(jié)直觀的特點(diǎn)，在城市熱島效應(yīng)研究中具有不可替代的優(yōu)勢。針對(duì)不同衛(wèi)星的特點(diǎn)，學(xué)者基于多源衛(wèi)星數(shù)據(jù)如MODIS[16-18]、Landsat[19-20]、環(huán)境衛(wèi)星等數(shù)據(jù)[21]開展了很多研究。新一代國產(chǎn)極軌氣象衛(wèi)星的不斷升空，一定程度上克服了回訪周期較長、空間分辨率較低的缺點(diǎn)，使城市熱島監(jiān)測數(shù)據(jù)源的多樣性得到了進(jìn)一步擴(kuò)展[22-24]。定量監(jiān)測地表城市熱島可分為土地類型驅(qū)動(dòng)型與地表溫度格局驅(qū)動(dòng)型[25]，前者將土地覆蓋類型作為決定要素，通用性更強(qiáng)。地表溫度反演精度對(duì)城市熱島監(jiān)測產(chǎn)生重要影響，學(xué)者基于FY-3B/VIRR數(shù)據(jù)開展了反演研究與相關(guān)生態(tài)應(yīng)用，均得到較好反饋，也為地表城市熱島監(jiān)測應(yīng)用奠定了基礎(chǔ)[26-29]。

當(dāng)前對(duì)于城市熱島的空間差異與日變化等都存在較多研究，而城市熱島長時(shí)間年際變化的研究更有利于深入精細(xì)剖析熱島形成機(jī)理，進(jìn)而采取合理有效措施加以應(yīng)對(duì)。《濟(jì)南市城市總體規(guī)劃(2011—2020)》作為城市建設(shè)與發(fā)展的總指導(dǎo)，指出到2020年城鎮(zhèn)化水平達(dá)到75%以上，將構(gòu)成“一城兩區(qū)”的中心城空間結(jié)構(gòu)。故本文以濟(jì)南市為研究對(duì)象，基于FY-3B/VIRR數(shù)據(jù)采用“分裂窗”反演算法獲得高精度的地表溫度數(shù)據(jù)，根據(jù)遙感地表城市熱島強(qiáng)度相關(guān)指標(biāo)，通過年際尺度與季節(jié)尺度精細(xì)分析2013—2020年間城市熱島的時(shí)空分布特征與相關(guān)影響因素，將為城市的發(fā)展，建設(shè)濟(jì)南“山水形勝、生態(tài)宜居的環(huán)境友好型都市圈”進(jìn)一步提供決策參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

濟(jì)南市位于山東省中部，地理位置介于36°01′～37°04′N，116°12′～117°44′E之間，地處暖溫帶大陸性季風(fēng)氣候區(qū)，四季分明，日照充足。夏季常受熱帶、副熱帶高壓影響，降水集中，雨熱同期；冬季受極地大陸氣團(tuán)影響，天氣寒冷干燥。濟(jì)南南臨泰山為低山丘陵區(qū)，黃河及其支流自西向東流經(jīng)中部地區(qū)，北部為黃河下游的沖積平原?！渡綎|省城鎮(zhèn)化發(fā)展綱要(2012—2020年)》重點(diǎn)指出要形成濟(jì)南省會(huì)城市群經(jīng)濟(jì)圈的快速發(fā)展新格局，在市域城鎮(zhèn)體系中提出構(gòu)筑三條城鎮(zhèn)聚合軸的空間結(jié)構(gòu)，即與產(chǎn)業(yè)空間布局相適應(yīng)，形成以中心城市為中心，向東、向西、向北的三條城鎮(zhèn)聚合軸，從而提高空間聚集性，帶動(dòng)周圍城鎮(zhèn)發(fā)展(圖1)。

圖1 濟(jì)南市城市總體規(guī)劃(2011—2020年)(來源：http://nrp.jinan.gov.cn/)Fig.1 Master Plan of Jinan City (2011-2020) (Source: http://nrp.jinan.gov.cn/)

1.2 主要數(shù)據(jù)來源與處理

用于地表溫度反演的衛(wèi)星數(shù)據(jù)主要來自于山東省氣候中心實(shí)時(shí)接收的FY-3B/VIRR數(shù)據(jù)，熱紅外通道的空間分辨率為1 km，研究擬選用2013—2020年的晴空數(shù)據(jù)，基于國家衛(wèi)星氣象中心星地通公司開發(fā)的ShinerTek軟件包將數(shù)據(jù)進(jìn)行預(yù)處理(定標(biāo)、幾何校正、配準(zhǔn)、投影變化、高度角訂正與云檢測等)，處理后獲得通道信息明晰的LD3格式數(shù)據(jù)集。以濟(jì)南7個(gè)國家級(jí)地面氣象觀測站0 cm地溫?cái)?shù)據(jù)作為對(duì)比數(shù)據(jù)源，驗(yàn)證溫度反演算法的反演精度與該算法在濟(jì)南區(qū)域的實(shí)用性。進(jìn)而開展年際尺度與春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12月—次年2月)季節(jié)尺度的熱島時(shí)空特征分析。

熱島強(qiáng)度指數(shù)的計(jì)算，需要獲取郊區(qū)背景數(shù)據(jù)?！扮箸煲惶?hào)”(LJ1-01)夜間燈光數(shù)據(jù)分辨率為130 m，覆蓋范圍250 km×250 km，重訪周期為15 d，相較于其他同類型數(shù)據(jù)如DMSP/OLS與VIIRS數(shù)據(jù)，可識(shí)別夜間微弱燈光，保留更多信息，研究基于2018年數(shù)據(jù)，通過輻亮度轉(zhuǎn)換公式(L=DN3/2×10-10)進(jìn)行定標(biāo)處理，采用夜間燈光強(qiáng)度指數(shù)閾值法(L≤100)，提取夜間無燈光區(qū)域；結(jié)合數(shù)字高程數(shù)據(jù)(DEM)剔除南部山區(qū)等與城市平原高程差異過大區(qū)域(海拔高度差≥50 m)；結(jié)合基于MODIS數(shù)據(jù)獲取的2018年最大植被指數(shù)分布圖，通過閾值劃分(反演歸一化植被指數(shù)NDVI≥0.7)去除植被覆蓋度較低區(qū)域；參考基于2015年landsat8-OLI數(shù)據(jù)得到的濟(jì)南市土地利用類型，最終確定不受城市活動(dòng)影響，且土地類型較為穩(wěn)定的郊區(qū)背景數(shù)據(jù)(圖2)。

圖2 濟(jì)南郊區(qū)農(nóng)田背景(根據(jù)濟(jì)南市夜間燈光影像、最大植被指數(shù)、平原區(qū)域、土地利用類型分布確定)Fig.2 Farmland background of Jinan city (determined by the night light image, the maximum vegetation index, the plain area, and the distribution of land use types of Jinan City)

MODIS數(shù)據(jù)來源于美國國家航空航天局，選取2013—2020年夏季共52景分辨率為500 m的晴空數(shù)據(jù)，反演歸一化植被指數(shù)(NDVI)、基于植被指數(shù)和中紅外通道的混合水體指數(shù)(CIWI)和歸一化建筑指數(shù)(NDBI)。基于《濟(jì)南統(tǒng)計(jì)年鑒》中2013年與2020年各行政區(qū)域的三項(xiàng)產(chǎn)業(yè)地區(qū)生產(chǎn)總值與年末總?cè)丝跀?shù)相關(guān)統(tǒng)計(jì)數(shù)據(jù)開展城市熱環(huán)境影響因素分析，并基于灰色關(guān)聯(lián)度分析法定量分析各影響因素對(duì)熱環(huán)境變化的貢獻(xiàn)程度。

1.3 研究方法

1.3.1 地表溫度反演

研究采用適用于FY-3B/VIRR數(shù)據(jù)的改進(jìn)型Becker和Li“分裂窗”算法[30]對(duì)2013—2020年濟(jì)南市的地表溫度進(jìn)行反演。方法基于輻射傳輸方程，采用最小二乘法，在獲得多種地表、大氣狀態(tài)下輻亮度模擬數(shù)據(jù)與結(jié)合熱紅外通道溫度數(shù)據(jù)集的基礎(chǔ)上重新計(jì)算各所需參數(shù)，針對(duì)FY-3B/VIRR數(shù)據(jù)有更強(qiáng)的適用性：

TS=A0+P(T4+T5)/2+M(T4-T5)/2

(1)

式中，A0為常數(shù)，取-0.897；T4與T5為FY-3B/VIRR數(shù)據(jù)4、5熱紅外通道的亮溫，P和M分別為關(guān)于平均比輻射率與比輻射率差值的函數(shù)：

P=1+α(1-ε)/ε+β×Δε/ε2

(2)

M=γ′+α′(1-ε)/ε+β′×Δε/ε2

(3)

式中，α、β、γ′、α′和β′均為系數(shù)常數(shù)，分別為0.273、-0.358、4.061、5.918和0.388[31]。ε和Δε為4、5熱紅外通道的平均比輻射率與差值比輻射率：

ε=(ε4+ε5)/2

(4)

Δε=ε4-ε5

(5)

1.3.2 熱島強(qiáng)度指數(shù)計(jì)算

研究通過熱島強(qiáng)度指數(shù)(urban heat island intensity，UHII)分析濟(jì)南市及各區(qū)縣城市熱島年際尺度與季節(jié)尺度的時(shí)空變化規(guī)律。熱島強(qiáng)度指數(shù)為遙感反演的格點(diǎn)地表溫度與劃定郊區(qū)區(qū)域溫度均值之差，可直觀定性描述城市熱島效應(yīng)的大小與影響范圍[32]：

(6)

式中，IUHII(i)為第i個(gè)像元的熱島強(qiáng)度，Ti為第i個(gè)像元的遙感地表溫度，n為劃定郊區(qū)內(nèi)的有效像元數(shù)量；Tsub為劃定郊區(qū)內(nèi)各像元的遙感地表溫度。按照遙感地表城市熱島強(qiáng)度指數(shù)劃分，可分為強(qiáng)熱島(IUHII(i)>5.0 ℃)，較強(qiáng)熱島(3.0 ℃

1.3.3 熱島比例指數(shù)計(jì)算

研究通過熱島比例指數(shù)(urban heat island proportion index，UHPI)對(duì)區(qū)域城市熱島強(qiáng)度進(jìn)行整體評(píng)估，定量反映區(qū)域內(nèi)不同等級(jí)熱島強(qiáng)度與范圍。熱島比例指數(shù)指區(qū)域內(nèi)城區(qū)溫度高于郊區(qū)溫度的不同等級(jí)熱島面積的加權(quán)之和[33]：

(7)

式中，IUHP為熱島比例指數(shù)；m為熱島強(qiáng)度等級(jí)序號(hào)，m=7；i為城區(qū)溫度高于郊區(qū)溫度等級(jí)序號(hào)，i=5，6，7；n為城區(qū)溫度高于郊區(qū)溫度的等級(jí)數(shù)，n=3；wi為第i級(jí)的權(quán)重(取等級(jí)序號(hào)值)；pi為第i級(jí)所占面積百分比。IUHP的值取0～1.0，熱島比例指數(shù)增加意味著熱島現(xiàn)象的加重，按照區(qū)域城市熱島效應(yīng)評(píng)估等級(jí)劃分，可分為嚴(yán)重?zé)釐u等級(jí)(0.8

1.3.4 城市熱環(huán)境影響因子計(jì)算

從自然的角度出發(fā)，綜合考慮環(huán)境與地理因素，選取歸一化植被指數(shù)(NDVI)[34]、基于植被指數(shù)和中紅外通道的混合水體指數(shù)(CIWI)[35]以及歸一化建筑指數(shù)(NDBI)[36]開展熱環(huán)境影響因素分析，并對(duì)CIWI進(jìn)行歸一化處理：

INDV=(ρNIR-ρRed)/(ρNIR+ρRed)

(8)

ICIW=(INDV+RNIR/NIR)×C+C

(9)

INDB=(ρMIR-ρNIR)/(ρMIR+ρNIR)

(10)

式中，INDV為歸一化植被指數(shù)，ICIW為基于植被指數(shù)和中紅外通道的混合水體指數(shù)，INDB為歸一化建筑指數(shù)；NIR為近紅外波段；Red為紅光波段；MIR為中紅外波段；RNIR/NIR為近紅外波段與近紅外波段反照率均值的比值；C為常數(shù)，通常取100。

1.3.5 灰色關(guān)聯(lián)度分析

相較于在大量研究數(shù)據(jù)的支撐下，通過概率統(tǒng)計(jì)進(jìn)行系統(tǒng)分析的傳統(tǒng)方法，灰色關(guān)聯(lián)度分析法對(duì)樣本數(shù)量的要求較低，針對(duì)時(shí)間樣本相對(duì)較少的城市熱島效應(yīng)過程具有更好的應(yīng)用效果，可較為客觀地對(duì)各影響因素的貢獻(xiàn)度開展定量分析[37-38]?；疑P(guān)聯(lián)度分析主要對(duì)各影響因素時(shí)間序列開展比較，通過計(jì)算關(guān)聯(lián)度γi定量體現(xiàn)各影響因素的貢獻(xiàn)程度[39]：

(11)

式中，i為各影響因素類型；n為各影響因素的時(shí)間序列評(píng)價(jià)樣本數(shù)；ξi(k)為k時(shí)刻的關(guān)聯(lián)系數(shù)：

(12)

2 結(jié)果與分析

2.1 地表溫度反演

為驗(yàn)證改進(jìn)型Becker和Li“分裂窗”地表溫度反演算法在濟(jì)南市的適用性，研究以2018年為代表年份，提取該年度71景地表溫度反演數(shù)據(jù)中濟(jì)南(站號(hào)54823)、濟(jì)陽(站號(hào)54821)、商河(站號(hào)54724)、章丘(站號(hào)54727)、長清(站號(hào)54816)、平陰(站號(hào)54818)和萊蕪(站號(hào)54828)7個(gè)國家級(jí)地面氣象觀測站所在像元點(diǎn)的遙感地表溫度，與衛(wèi)星過境時(shí)刻站點(diǎn)實(shí)測“0 cm地表溫度”數(shù)據(jù)進(jìn)行對(duì)比驗(yàn)證分析(圖3)。反演結(jié)果與實(shí)測值之間的相關(guān)性較高，決定系數(shù)R2達(dá)到0.89，存在顯著線性正相關(guān)關(guān)系，為精確城市熱島監(jiān)測奠定基礎(chǔ)。

圖3 遙感地表溫度與地面實(shí)測溫度對(duì)比(單位：℃)Fig.3 Comparison of remotely sensed land surface temperature and actual surface temperature (units: ℃)

濟(jì)南不同季節(jié)地表溫度的高、低值分布特點(diǎn)存在明顯差異：春季和夏季濟(jì)南市地表溫度高值區(qū)出現(xiàn)在濟(jì)南市城區(qū)(歷下區(qū)、市中區(qū)、槐蔭區(qū)、天橋區(qū)和歷城區(qū)，下同)和鋼城區(qū)，低值區(qū)春季出現(xiàn)在商河縣和濟(jì)陽區(qū)，夏季出現(xiàn)在長清區(qū)和萊蕪區(qū)；秋季濟(jì)南市地表溫度高值區(qū)出現(xiàn)在鋼城區(qū)，低值出現(xiàn)在萊蕪區(qū)(表1)。整體上，濟(jì)南市不同季節(jié)的地表溫度基本與實(shí)際情況吻合，可以比較客觀、準(zhǔn)確地反映地表熱量差異、分布范圍和發(fā)展趨勢等特征。

表1 2013—2020年濟(jì)南春、夏、秋、冬季各區(qū)(縣)遙感地表溫度均值

2.2 城市熱島時(shí)間變化規(guī)律

2.2.1 年際尺度變化規(guī)律

2013—2020年總熱島區(qū)域(熱島強(qiáng)度≥1 ℃，下同)與總冷島區(qū)域(熱島強(qiáng)度≤-1 ℃，下同)面積占比總體呈現(xiàn)相反年際變化特征(圖4)?？偀釐u區(qū)域面積占比先增加后減小逐漸平穩(wěn)，在2014年達(dá)到峰值35.0%，2015年較上年明顯減小，不斷降低至2018年達(dá)到谷值11.0%，其后緩慢上升變化趨于穩(wěn)定；總冷島區(qū)域占比于2014年降至谷值為29.5%，后迅速上升至2018年出現(xiàn)峰值達(dá)59.1%；無熱島區(qū)域面積占比變化明顯，2018年之前變化緩慢，2018年后顯著上升。

圖4 2013—2020年濟(jì)南各熱島強(qiáng)度等級(jí)(a)和各冷島強(qiáng)度等級(jí)(b)面積變化(單位：%)Fig.4 Area changes in the intensity levels of Jinan’s urban heat(a) and cold(b) islands from 2013 to 2020 (units: %)

2013—2020年強(qiáng)熱島和較強(qiáng)熱島區(qū)域面積變化緩慢，總體呈降低趨勢；弱熱島等級(jí)面積變化與弱冷島之間呈現(xiàn)顯著相反的變化趨勢，其中弱熱島面積占比于2014年表現(xiàn)峰值達(dá)26.5%，后逐年降低于2017年達(dá)到谷值為8.9%，而后緩慢上升，2018年弱冷島強(qiáng)度區(qū)域面積占比增至峰值為35.0%，其后呈現(xiàn)下降趨勢，降幅高于弱熱島區(qū)域增加幅度，弱熱島與弱冷島總體面積占比總體均呈現(xiàn)減小趨勢；強(qiáng)冷島與較強(qiáng)冷島面積占比呈現(xiàn)波動(dòng)變化的特點(diǎn)。

2.2.2 季節(jié)尺度變化規(guī)律

濟(jì)南市夏季城市熱島強(qiáng)度最強(qiáng)且總熱島區(qū)面積最大為35.3%，秋季總熱島區(qū)域面積占比明顯高于春冬兩季為22.5%，春季、冬季總熱島強(qiáng)度區(qū)域面積占比基本持平分別為11.5%和10.6%，總體表現(xiàn)為夏季>秋季>春季>冬季；冷島區(qū)域面積在春季超過50%為69.5%，是四季之首，夏季與秋季面積占比基本持平，分別為31.1%和34.6%，冬季冷島強(qiáng)度區(qū)域面積占比為43.7%，總體表現(xiàn)為春季>冬季>秋季>夏季；無熱島區(qū)域隨季節(jié)變化影響范圍逐漸變大(圖5)。

圖5 濟(jì)南春、夏、秋、冬季各熱島強(qiáng)度等級(jí)面積占比變化(單位：%)Fig.5 Area changes in the proportions of each heat island intensity level in Jinan in each season (units: %)

分析不同季節(jié)熱島區(qū)域的年際變化(表2)可以得到：2014年與2015年春季總熱島區(qū)域面積明顯較高，分別為25.7%和27.3%，2016年次之，為10.8%，其余年份均小于10%，其中強(qiáng)熱島區(qū)域在2014年占比最大，為2.4%，其余年份均小于1%；2013年夏季總熱島面積區(qū)域占比最大超過50%為58.1%，其中強(qiáng)熱島區(qū)域占比7.9%，2015年、2016年和2019年面積基本持平，2018年明顯較低，僅為15.6%；2013年和2014年秋季總熱島面積占比較高，分別為49.6%和49.0%，自2015年起有顯著下降，較上年減少36.2%，2020年有輕微回升；2014年冬季熱島區(qū)域占比明顯較大，為37.5%，2020年次之，為21.7%，其余年份較小，均在7%以下。

表2 2013—2020年濟(jì)南市春、夏、秋、冬季熱島面積占比

2.3 城市熱島空間分布規(guī)律

以2013年與2020年為例，分析濟(jì)南市各區(qū)(縣)春、夏、秋、冬季城市熱環(huán)境格局空間分布(圖6)特征：2013—2020年間，春季以冷島區(qū)域?yàn)橹?，主要分布在商河縣、濟(jì)陽區(qū)、天橋區(qū)大部、歷城區(qū)與章丘區(qū)北部，市中區(qū)、萊蕪區(qū)、鋼城區(qū)和平陰縣主要以無熱島區(qū)域?yàn)橹?，歷下區(qū)與槐蔭區(qū)以弱熱島等級(jí)為主；夏季以熱島區(qū)域?yàn)橹?，歷下區(qū)與槐蔭區(qū)大部多表現(xiàn)強(qiáng)熱島，市中區(qū)北部、天橋區(qū)南部、歷城區(qū)中北部和章丘區(qū)大部以弱熱島區(qū)域?yàn)橹?，其余區(qū)(縣)多為無熱島區(qū)域；秋季、冬季大部分區(qū)(縣)以無熱島區(qū)域?yàn)橹?，歷下區(qū)秋季主體表現(xiàn)為較強(qiáng)熱島，冬季以弱冷島為主，天橋區(qū)秋、冬季分別以弱熱島與弱冷島為主，歷城區(qū)秋季呈現(xiàn)弱冷島，商河縣秋冬兩季均以弱冷島為主，市中區(qū)、濟(jì)陽區(qū)冬季主要以弱冷島區(qū)域?yàn)橹鳌?/p>

圖6 2013年(a1、b1、c1、d1)和2020年(a2、b2、c2、d2)濟(jì)南市春季(a1、a2)、夏季(b1、b2)、秋季(c1、c2)、冬季(d1、d2)熱島強(qiáng)度空間分布(色階表示熱島和冷島強(qiáng)度等級(jí))Fig.6 Spatial distribution of UHII in Jinan City in spring(a1/a2), summer(b1/b2), autum(c1/c2) and winter(d1/d2) in 2013(a1/b1/c1/d1) and 2020(a2/b2/c2/d2)(color scale represents the intensity of the heat island and cold island)

濟(jì)南市城市熱島空間格局主要以城鎮(zhèn)聚合軸為主導(dǎo)驅(qū)動(dòng)，呈現(xiàn)交通線路連接高溫?zé)釐u區(qū)，“點(diǎn)-線”式城市熱島空間結(jié)構(gòu)的特點(diǎn)。將濟(jì)南市條帶狀城市熱島中心城區(qū)(歷下區(qū)大部、市中區(qū)北部、槐蔭區(qū)東部與天橋區(qū)南部)作為強(qiáng)熱島輻射源，主要通過兩條城市主干道連接各區(qū)(縣)城市副高溫區(qū)：“東—西”走向以膠濟(jì)鐵路與經(jīng)十路、經(jīng)十東路連接歷城區(qū)中部與章丘區(qū)城市副高溫區(qū)；“東北—西南”走向以經(jīng)十西路、G220國道連接長清區(qū)與平陰縣城市副高溫區(qū)。南北走向城鎮(zhèn)聚合軸城市熱島空間格局也有相應(yīng)表現(xiàn)，但由于北部濟(jì)陽區(qū)與商河縣下墊面類型主要以農(nóng)田為主，郊區(qū)冷島效應(yīng)表現(xiàn)明顯，與“東北—西南”走向相比，影響范圍顯著較小，其中濟(jì)陽區(qū)熱島影響較商河縣更為顯著。

濟(jì)南市城市冷島區(qū)域主要可分為南部山區(qū)、北部平原農(nóng)田區(qū)與中部黃河流域區(qū)。南部山區(qū)以天然地形優(yōu)勢，且存在豐富的植被覆蓋，成為城市的天然冷源之一，是濟(jì)南市最主要、最穩(wěn)定的冷島區(qū)域；黃河及相關(guān)支流自西向東由城市中部區(qū)域穿過，其流域也形成了天然冷源帶，流域南北溫度差異顯著，在熱島強(qiáng)度緩解方面效應(yīng)明顯；北部平原農(nóng)田區(qū)由于下墊面類型的特殊性，相較于城鎮(zhèn)建設(shè)用地具有較大比熱容，且土壤具有一定的儲(chǔ)水能力，因此該區(qū)域成為濟(jì)南市影響面積最大的低溫冷島區(qū)域。

2.4 熱島比例指數(shù)變化

研究基于熱島比例指數(shù)表征與評(píng)價(jià)濟(jì)南各區(qū)(縣)熱島效應(yīng)程度，濟(jì)南市熱島比例指數(shù)總體呈現(xiàn)下降趨勢，2013年與2014年為較輕熱島，2014年后表現(xiàn)為輕微熱島。從季節(jié)來看，2015年春季為較輕熱島，其余年份均為輕微熱島；2013年夏季熱島比例指數(shù)為0.46，屬一般熱島，2014—2016年與2019—2020年為較輕熱島，2016—2018年為輕微熱島；2013—2014年秋季為較輕熱島，2014年后均為輕微熱島；冬季除2014年為較輕熱島，其余年份均為輕微熱島。

通過對(duì)比2020年與2013年城市熱島比例指數(shù)，發(fā)現(xiàn)春季除長清區(qū)與平陰縣熱島比例指數(shù)分別以0.04與0.08的幅度下降外，其余區(qū)(縣)均呈現(xiàn)上升趨勢，歷下區(qū)升高幅度最大為0.45；夏季除濟(jì)陽區(qū)呈現(xiàn)0.04的輕微上升幅度以外，總體均呈現(xiàn)明顯下降趨勢，以鋼城區(qū)的下降幅度最大為0.33；歷下區(qū)與槐蔭區(qū)秋季熱島比例指數(shù)均表現(xiàn)升高，市中區(qū)2020年與2013年持平，其余區(qū)(縣)下降趨勢顯著；冬季除萊蕪區(qū)與鋼城區(qū)外，熱島比例指數(shù)均呈現(xiàn)上升趨勢，其中歷下區(qū)與槐蔭區(qū)變化幅度較大，分別為0.60與0.56(圖7)。

圖7 2013—2020年濟(jì)南市熱島比例指數(shù)(UHPI)年際與季節(jié)變化(a)、各區(qū)(縣)熱島比例指數(shù)差值(ΔUHPI)變化(b)Fig.7 The changes of UHPI in interannual and seasonal variations from 2013 to 2020 (a), and the changes of UHPI in each county from 2013 to 2020 (b)

2.5 城市熱環(huán)境影響因素分析

由于城市熱環(huán)境形成依賴多因素共同作用，研究從自然與社會(huì)經(jīng)濟(jì)角度出發(fā)，結(jié)合時(shí)間尺度與空間尺度，通過Pearson相關(guān)性檢驗(yàn)分析多種因素與城市熱環(huán)境的相關(guān)性?；?013—2020年MODIS晴空數(shù)據(jù)，采用歸一化植被指數(shù)(NDVI)、歸一化建筑指數(shù)(NDBI)和基于植被指數(shù)、中紅外通道的混合水體指數(shù)(CIWI)，分析熱島典型發(fā)生季節(jié)(夏季)各熱島主要發(fā)生區(qū)域(歷下區(qū)、市中區(qū)、槐蔭區(qū)、天橋區(qū)、歷城區(qū)和章丘區(qū))三個(gè)主要因素的季節(jié)均值與熱島比例指數(shù)之間的相關(guān)關(guān)系，從時(shí)間尺度探索植被覆蓋、城鎮(zhèn)建筑和水體分布對(duì)熱環(huán)境的影響：熱島比例指數(shù)與三個(gè)主要自然因素在0.01顯著水平上均呈現(xiàn)高度相關(guān)關(guān)系，與歸一化植被指數(shù)、混合水體指數(shù)之間呈顯著負(fù)相關(guān)，相關(guān)系數(shù)R分別為0.700和0.617，植被覆蓋度較高、水體分布豐富有助于環(huán)境地表降溫，有益于熱島效應(yīng)的緩解；熱島比例指數(shù)與歸一化建筑指數(shù)之間為顯著正相關(guān)關(guān)系，相關(guān)系數(shù)R為0.334，即城鎮(zhèn)建筑越密集，一定程度上加重城市熱效應(yīng)(圖8、表3)。

圖8 熱島比例指數(shù)(UHPI)與歸一化植被指數(shù)(NDVI, a)、歸一化建筑指數(shù)(NDBI, b)和混合水體指數(shù)(CIWI, c)之間的相關(guān)性分析Fig.8 The relationship between UHPI and various influencing factors (a. NDVI, b. NDBI, c. CIWI)

除去自然因素外，社會(huì)經(jīng)濟(jì)也是影響城市熱環(huán)境的主要因素，分析2019年與2013年的各區(qū)(縣)三項(xiàng)產(chǎn)業(yè)生產(chǎn)總值差值(ΔPI-GDP、ΔSI-GDP、ΔTI-GDP)、總?cè)丝诓钪?ΔPOP)與總熱島區(qū)域面積差值(ΔSUHI)之間的相關(guān)關(guān)系。結(jié)果表明：ΔSUHI與ΔPOP、ΔSI-GDP、ΔTI-GDP之間呈現(xiàn)正相關(guān)關(guān)系，且與ΔPOP、以服務(wù)業(yè)為主的ΔTI-GDP在0.01顯著水平下呈現(xiàn)高度相關(guān)，相關(guān)系數(shù)R分別為0.823與0.769，人口增長帶來了較豐富的生產(chǎn)活動(dòng)與增加的能源消耗對(duì)城市熱環(huán)境的影響較大；ΔSUHI與以傳統(tǒng)工業(yè)與建筑業(yè)為主的第二產(chǎn)業(yè)呈現(xiàn)中等相關(guān)，相關(guān)系數(shù)R為0.492，熱島面積的變化均與這些因素之間存在較大關(guān)聯(lián)(圖9、表3)。

圖9 濟(jì)南市各區(qū)縣熱島面積占比差值(單位：%)與地區(qū)生產(chǎn)總值差值(單位：億元)、人口差值(單位：萬人)變化Fig.9 The relationship between ΔSUHI(units:%) and ΔPOP(units:10000 people)、ΔGDP (units: hundred million) in various counties of Jinan City

表3 UHPI與NDVI、NDBI、CIWI，ΔSUHI與ΔPOP、ΔPI-GDP、ΔSI-GDP、ΔTI-GDP的Pearson相關(guān)

為進(jìn)一步分析各影響因素對(duì)城市熱環(huán)境變化的貢獻(xiàn)程度，基于灰色關(guān)聯(lián)度分析法，以2013—2019年熱島比例指數(shù)為參考數(shù)列，其他自然、社會(huì)因素共7項(xiàng)因素作為對(duì)比數(shù)列，定量評(píng)價(jià)各類因素的貢獻(xiàn)程度(表4)。人口與歸一化植被指數(shù)對(duì)城市熱島效應(yīng)的變化貢獻(xiàn)度最高，達(dá)到0.8以上，是影響城市熱島效應(yīng)的較為直接的因素，其中人口因素的貢獻(xiàn)度達(dá)到0.927 1；NDBI、CIWI和TI-GDP與熱島比例指數(shù)的關(guān)聯(lián)度在0.70～0.80之間，歸一化建筑指數(shù)與第三產(chǎn)業(yè)生產(chǎn)總值的變化也間接影響人口的變化，水體作為城市內(nèi)的天然冷源，對(duì)城市熱島效應(yīng)的變化也具有一定的貢獻(xiàn)度；第二與第一產(chǎn)業(yè)生產(chǎn)總值對(duì)熱島效應(yīng)變化的貢獻(xiàn)度較小，關(guān)聯(lián)度在0.7以下，其中第一產(chǎn)業(yè)生產(chǎn)總值的灰色關(guān)聯(lián)度最小，僅為0.501 1。

表4 熱島比例指數(shù)(UHPI)與各影響因素之間的關(guān)聯(lián)度

3 結(jié)論與討論

3.1 結(jié)論

1)采用Becker和Li“分裂窗”算法進(jìn)行地表溫度反演，與地表實(shí)測0 cm地溫?cái)?shù)據(jù)開展精度對(duì)比驗(yàn)證，存在高度線性相關(guān)關(guān)系，決定系數(shù)R2達(dá)0.89，進(jìn)一步驗(yàn)證了該方法在濟(jì)南地區(qū)的適用性。濟(jì)南市地表溫度高值區(qū)主要出現(xiàn)在濟(jì)南市城區(qū)和鋼城區(qū)。

2)2013—2020年間，濟(jì)南市總熱島區(qū)域與總冷島區(qū)域面積呈現(xiàn)相反變化特征，總體呈現(xiàn)階段性，熱島區(qū)域2013—2014年、2018—2020年為上升階段，2014—2018年為下降階段，冷島區(qū)域變化趨勢反之。

3)濟(jì)南市春、夏、秋、冬季均存在不同程度的熱島現(xiàn)象。濟(jì)南市夏季城市熱島強(qiáng)度最強(qiáng)且熱島區(qū)域面積最大，秋季次之且顯著高于春、冬兩季。春季以2014年與2015年較大，2016年次之，其中2014年強(qiáng)熱島區(qū)域面積占比最大；夏季以2013年最大，為58.1%，2018年最小，僅為15.6%；秋季以2013年和2014年占比較大，2015年起占比顯著降低?？偀釐u區(qū)域面積占比在夏、秋兩季呈現(xiàn)顯著下降趨勢，春、冬兩季為上升趨勢。

4)春季濟(jì)南市冷島效應(yīng)表現(xiàn)明顯，其中歷下區(qū)與槐蔭區(qū)以弱熱島強(qiáng)度區(qū)域?yàn)橹?；夏季以熱島區(qū)域?yàn)橹?，歷下區(qū)與槐蔭區(qū)以強(qiáng)熱島強(qiáng)度區(qū)域?yàn)橹?；秋、冬季大部分區(qū)(縣)均為無熱島區(qū)。濟(jì)南市城市熱島空間格局主要以城鎮(zhèn)聚合軸為主導(dǎo)驅(qū)動(dòng)，呈現(xiàn)交通線連接高溫?zé)釐u區(qū)，“點(diǎn)-線”式空間結(jié)構(gòu)特點(diǎn)。冷島區(qū)域主要分布在南部山區(qū)、北部平原農(nóng)田區(qū)與中部黃河流域區(qū)。

5)濟(jì)南市熱島比例指數(shù)總體呈現(xiàn)下降趨勢，其中2013年、2014年為較輕熱島，其余年份為輕微熱島等級(jí)。春、冬兩季熱島比例指數(shù)總體呈現(xiàn)上升，其中歷下區(qū)上升幅度最大，夏、秋兩季大部分區(qū)(縣)均以下降趨勢為主。

6)從自然與社會(huì)經(jīng)濟(jì)因素的角度出發(fā)，通過Pearson相關(guān)性檢驗(yàn)，UHPI與NDVI、CIWI、NDBI，ΔSUHI與ΔPOP、ΔTI-GDP在0.01顯著水平上均呈現(xiàn)顯著相關(guān)關(guān)系；通過灰色關(guān)聯(lián)度分析，POP與NDVI為影響城市熱島效應(yīng)的主要因素。

3.2 討論與建議

1)對(duì)濟(jì)南市熱島強(qiáng)度的時(shí)空變化特征進(jìn)行了分析，在年際尺度與季節(jié)尺度獲得了一些初步結(jié)論，但還存在一些局限性。首先本文采用FY-3B/VIRR數(shù)據(jù)進(jìn)行研究，時(shí)間分辨率有一定提升，可更加具體地在時(shí)間尺度上進(jìn)行分析，但與其他光學(xué)衛(wèi)星數(shù)據(jù)的紅外波段對(duì)比，空間分辨率相對(duì)較低，在精細(xì)化分析局地?zé)釐u效應(yīng)變化方面存在一些不足，今后可開展多源衛(wèi)星數(shù)據(jù)結(jié)合，對(duì)濟(jì)南市內(nèi)部小范圍重點(diǎn)區(qū)域進(jìn)行獨(dú)立分析，更有助于了解熱島效應(yīng)的發(fā)展特征。

2)研究僅開展了濟(jì)南市城市熱島效應(yīng)的規(guī)律探索，但周圍城市群的發(fā)展也共同影響中心城市的熱島效應(yīng)，未來可擴(kuò)大研究的空間范圍，綜合考慮城市群因素開展更深入的研究。

3)基于本文的研究結(jié)論，影響城市熱島效應(yīng)最為主要的因素為人口與植被覆蓋度。未來可適度控制濟(jì)南市城區(qū)常住人口數(shù)量，關(guān)注重點(diǎn)區(qū)域如歷下區(qū)和市中區(qū)的人口密度；增加城市“冷源”如豐富城市植被覆蓋度、擴(kuò)大水體分布度等均可一定程度上緩解城市熱島效應(yīng)。