黃奕欽, 龔建周

廣州市中心城區(qū)城市不透水地表覆蓋結(jié)構(gòu)與地表溫度的關(guān)聯(lián)性研究

黃奕欽, 龔建周*

廣州大學(xué)地理科學(xué)與遙感學(xué)院, 廣州 510006

城市不透水地表作為城市地表的重要組成, 正確認(rèn)識城市不透水地表覆蓋結(jié)構(gòu)對城市熱島的影響, 可為改善城市熱環(huán)境提供策略。文章基于Landsat-8 OLI/TIRS 和 GF-2 遙感影像, 通過反演地表溫度和提取城市不透水地表覆蓋信息, 利用GIS空間分析技術(shù)、景觀格局指數(shù)和統(tǒng)計分析方法, 分析了廣州中心城區(qū)城市不透水地表覆蓋結(jié)構(gòu)對城市地表溫度的影響特征。主要結(jié)果如下: (1)廣州中心城區(qū)地表溫度分布空間異質(zhì)特征明顯, 其地溫圖呈現(xiàn)斑塊鑲嵌狀, 且有明顯的高溫、低溫區(qū)域存在, 其中不透水地表覆蓋平均溫度最高, 裸地次之, 最低是水域和綠地。(2)多數(shù)空間尺度分析結(jié)果顯示, 隨空間分析尺度從630 m×630 m 增至1800 m×1800 m, 不透水地表比例和地表溫度均存在正相關(guān)關(guān)系, 其相關(guān)系數(shù)(程度)在0.61—0.68(<0.01)之間。(3)地表溫度和不透水地表斑塊的最大斑塊指數(shù)、平均斑塊面積指數(shù)、平均形狀指數(shù)和聚集度指數(shù)顯著正相關(guān)(<0.01), 其中不透水地表的聚集度對地表溫度的影響最大, 但基于網(wǎng)格單元分析的景觀指數(shù)曲線與平均地表溫度之間未呈現(xiàn)完全一一對應(yīng)關(guān)系。城市不透水地表顯著影響地表溫度, 合理調(diào)整設(shè)計城市不透水空間分布格局, 可有效減弱城市熱島強(qiáng)度。

城市熱島; 不透水地表; 景觀格局; 廣州

0 前言

不透水地表(Impervious Surface Area, ISA)是一種天然或者人造的能阻止水滲透的表面[1]。隨著城市化進(jìn)程不斷深入, 城市不透水地表面積、密度的增加改變了城市的地表反照率[2]、比輻射率[3]、地表粗糙度[4]、地表顯熱通量[5]等地表物理特性, 使得地表熱平衡受到破壞。建筑物、水泥硬化地面等高儲熱性材料釋放大量熱能使得城市地表溫度快速上升, 局地氣溫顯著升高, 由此產(chǎn)生嚴(yán)重的城市熱島效應(yīng)[6-8], 引發(fā)了如夏季高溫異常[9]、水文條件惡化[10]、生態(tài)調(diào)節(jié)失衡[11]等一系列負(fù)面影響, 基于此, 研究不透水地表對城市熱環(huán)境的影響對緩解城市熱島效應(yīng)、優(yōu)化人居環(huán)境具有重要意義。

已有研究認(rèn)為, 城市不透水地表與熱環(huán)境關(guān)系密切。如: Mathew等[12]研究城市熱島效應(yīng)時空分布與植被、城市化、海拔三個因素的關(guān)系, 研究顯示不同季節(jié)城市熱島時空分布與強(qiáng)度變化, 得出不透水地表與城市熱島的強(qiáng)相關(guān)性。崔林林等[13]在研究成都市熱島效應(yīng)與下墊面的關(guān)系中, 分別討論了2013-2017年4個時間點三種下墊面(植被、水體、建筑)改良指數(shù)與熱島效應(yīng)的相關(guān)程度, 其中歸一化建筑指數(shù)與地表溫度在4個時間點上均對應(yīng)呈正相關(guān)關(guān)系。Morabito等[14]對意大利4個地區(qū)2001年—2013年建筑用地專題數(shù)據(jù)和地表溫度數(shù)據(jù)進(jìn)行回歸分析, 結(jié)果表明建筑用地比例和地表溫度呈線性正相關(guān)。Chen等[15]在確定地表各物質(zhì)含量與地表亮度溫度的關(guān)系研究中指出, 地表亮度溫度與不同地表覆蓋類型在不同空間位置的溫度分布差異有關(guān), 其中不透水表面組分對地表溫度有強(qiáng)正向影響?？偟膩砜? 以往研究主要集中在不透水地表與地表溫度的相關(guān)關(guān)系表現(xiàn)形式上, 缺乏不透水組成及形狀、聚集度等表面結(jié)構(gòu)與城市熱環(huán)境關(guān)系的定量分析。

本研究選定廣州城市中心為研究區(qū)域, 基于遙感影像反演地表溫度, 提取城市不透水地表數(shù)據(jù), 進(jìn)行二者之間關(guān)系的定量分析, 目的在于探討人口密集的城市區(qū)域不透水地表結(jié)構(gòu)與熱環(huán)境之間的關(guān)系。包括以下3個方面的內(nèi)容: (1)地表溫度的遙感反演、不透水地表數(shù)據(jù)的提取; (2)為避免可塑性面積單元或尺度效應(yīng)對景觀分析的影響, 設(shè)置一系列空間分析范圍大小, 進(jìn)行不透水地表比例與地表溫度的相關(guān)分析; (3)以景觀格局指數(shù)表征不透水地表結(jié)構(gòu), 進(jìn)行不透水地表結(jié)構(gòu)與地表溫度關(guān)系的分析。研究結(jié)果有助于認(rèn)知城市熱環(huán)境, 為城市規(guī)劃和城市管理提供理論支撐。

1 研究區(qū)域、數(shù)據(jù)與研究方法

1.1 研究區(qū)域及中心城區(qū)范圍的劃定

廣州市位于22°26′—23°56′N, 112°57′—114°3′E, 年平均氣溫21.4—21.9℃, 年平均降雨量1623.6— 1899.8mm。依據(jù)《廣州市城市總體規(guī)劃(2017—2035年)》劃定的廣州市中心區(qū)域如圖1, 面積約264.73km2。該區(qū)域作為廣州科技創(chuàng)新、文化交往、綜合服務(wù)的核心區(qū)域, 是城市商業(yè)、文娛、消費等社會活動的主要開展區(qū)域, 是城市進(jìn)行各類社會活動的主要場所。

1.2 數(shù)據(jù)源及預(yù)處理

研究所需數(shù)據(jù)包括1景Landsat 8 OLI/TIRS和2景高分二號(GF-2)遙感影像。前者用于反演地表溫度, 后者用于提取不透水地表覆蓋信息。其中, Landsat-8 OLI/TIRS 遙感影像來源于USGS(https:// earthexplorer.usgs.gov/), 獲取時間為2018年7月22日, 軌道行列號122/044; 高分二號(GF-2)影像來源于華南農(nóng)業(yè)大學(xué)高分科教服務(wù)平臺(http://gao-fenplatform.com/), 獲取時間為2017年12月03日, 軌道行列號分別是1016/185和1017/185。

Landsat 8 OLI/TIRS數(shù)據(jù)的預(yù)處理包括影像裁剪、輻射定標(biāo)、大氣校正。首先, 裁剪影像得到研究區(qū)域。其次, 將Landsat 8 OLI第4、5波段和TIRS第10波段進(jìn)行輻射定標(biāo), 分別將DN值轉(zhuǎn)換為輻射亮度值、亮度溫度。最后, 進(jìn)行大氣校正, 消除大氣、光照等因素的影響。

圖1 研究區(qū)域在廣州的位置

Figure 1 The location of study area in Guangzhou

GF-2數(shù)據(jù)的預(yù)處理包括影像鑲嵌、影像裁剪、正射校正、輻射定標(biāo)、大氣校正、圖像融合。首先, 對兩景影像進(jìn)行鑲嵌和裁剪, 得到研究區(qū)域。其次, 對研究區(qū)域GF-2數(shù)據(jù)進(jìn)行正射校正, 消除幾何誤差, 將誤差控制在1m以內(nèi)。再次, 將多光譜影像數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正, 消除干擾。最后, 應(yīng)用PANSHARP方式融合多光譜影像數(shù)據(jù)與全色影像數(shù)據(jù), 融合后分辨率為1m。兩組數(shù)據(jù)通過影像重采樣工具實現(xiàn)分辨率的統(tǒng)一。

1.3 多空間分析尺度設(shè)置與景觀格局指數(shù)計算

采用皮爾遜相關(guān)方法進(jìn)行城市不透水表面結(jié)構(gòu)與地表溫度關(guān)系研究, 包括兩個方面的內(nèi)容。一方面, 為避免可塑性面積單元或尺度效應(yīng)對景觀分析的影響, 設(shè)置一系列空間分析范圍大小, 進(jìn)行不透水地表比例與地表溫度的相關(guān)分析; 另一方面, 以景觀格局指數(shù)表征不透水地表結(jié)構(gòu), 進(jìn)行不透水地表結(jié)構(gòu)與地表溫度關(guān)系的分析。其中:

(1)多空間分析尺度設(shè)置。為避免可塑性面積單元或尺度效應(yīng)對景觀分析的影響[16], 設(shè)置一系列空間分析范圍大小, 進(jìn)行不透水地表比例與地表溫度的相關(guān)分析。李孝永等[17]進(jìn)行的多尺度空間分析認(rèn)為630 m×630 m是分析城市地表溫度與地表覆蓋組分關(guān)系的最佳尺度。以此為基礎(chǔ), 文章以100 m× 100 m作為最小尺度空間, 分別設(shè)置了10 m、50 m、90 m、150 m共4種空間尺度間隔進(jìn)行實驗, 空間分析尺度的個數(shù)都為10個, 實驗結(jié)果顯示在較小尺度空間(間隔為10 m、50 m的多空間尺度)不透水地表比例和地表溫度沒有呈現(xiàn)明顯的變化規(guī)律, 且二者關(guān)系特征不顯著, 而在較大尺度空間(550 m×550 m以上)相關(guān)性結(jié)果變化特征較為明顯, 相關(guān)程度穩(wěn)定, 最終確定采用10個空間分析尺度, 尺度間隔130 m ×130 m (630 m×630 m, 760 m×760 m, …1670 m×1670 m, 1800 m×1800 m)。逐像元統(tǒng)計各尺度網(wǎng)格的平均地表溫度及不透水地表比例。

(2)景觀格局指數(shù)選取。景觀格局指數(shù)是高度濃縮景觀格局信息的指標(biāo), 多個指數(shù)的綜合運用能較好地表征景觀結(jié)構(gòu)特征。分別從斑塊大小、形狀、聚集度等方面, 選取平均斑塊面積指數(shù)(mean patch size index, MPI)、平均形狀指數(shù)(mean shape index, MSI)、聚集度指數(shù)(aggregation index, AI)、最大斑塊指數(shù)(largest patch index, LPI)共4個指數(shù), 對不透水地表進(jìn)行景觀格局分析。Fragstats4.2計算景觀格局指數(shù)值, 各指數(shù)的定義與生態(tài)學(xué)意義參見表1。文章參考前人研究成果[18, 19], 用于計算平均地表溫度和景觀格局指數(shù)的網(wǎng)格大小為5 km×5 km。

2 城市地表溫度反演與不透水地表提取

2.1 地表溫度反演算法

針對Landsat TM遙感數(shù)據(jù), 覃志豪等[20]根據(jù)地表熱輻射傳導(dǎo)方程, 將大氣、地表的影響包含在公式內(nèi), 推導(dǎo)出一個科學(xué)可行且精度高的地表溫度(Land Surface Temperature, LST)反演方法, 稱為單窗算法。胡德勇等[21]等在其基礎(chǔ)上推導(dǎo)出了針對Landsat 8 TIRS圖像反演地表溫度的單窗算法, 文章采用胡德勇等的單窗算法, 進(jìn)行中心城區(qū)地表溫度反演。采用的最終化簡式為:

表1 景觀格局指數(shù)的描述與生態(tài)學(xué)意義

2.2 城市不透水地表提取

基于預(yù)處理后的GF-2影像, 利用面向?qū)ο蠓椒ㄌ崛〕鞘胁煌杆畬?。其? 面向?qū)ο蠓诸惙椒梢葬槍庾V特征相似但類型不同的影像對象通過紋理、形狀、領(lǐng)域信息進(jìn)行有效劃分[23]。借助Envi5.3中基于樣本的面向?qū)ο蠓诸惞ぞ? 設(shè)定參數(shù)分割閾值為40、合并閾值為90、紋理內(nèi)核為10, 實現(xiàn)圖像的分割、合并, 目視解譯選擇樣本數(shù)據(jù)進(jìn)行訓(xùn)練分類, 最后選擇支持向量機(jī)(Support Vector Machine)訓(xùn)練方法得到基于樣本的面向?qū)ο蠓诸惤Y(jié)果。根據(jù)研究需要, 將景觀類型分為不透水地表、綠地和水域、裸地共四種, 其中不透水地表包括道路、建筑物、廣場三類。

3 城市不透水地表覆蓋結(jié)構(gòu)與地表溫度的關(guān)聯(lián)

3.1 城市不透水地表與城市熱島空間分布特征

中國天氣網(wǎng)(www.tianqi.com)顯示研究區(qū)平均氣象溫度32 ℃, 本實驗得出地表溫度平均為32.99 ℃,反演結(jié)果基本屬于正常范圍; 利用團(tuán)隊研究積累數(shù)據(jù)成果, 基于混淆矩陣對分類精度進(jìn)行評價, 結(jié)果顯示總體分類精度(Overall Accuracy, OA)為89.33%, Kappa系數(shù)為0.8742。此外, 考慮到用于地表溫度反演和不透水地表提取的影像時相不一致, 特基于中國科學(xué)院資源環(huán)境數(shù)據(jù)中心(http://www. resdc.cn/data.aspx)數(shù)據(jù), 對不透水地表提取結(jié)果進(jìn)行疊置比對, 發(fā)現(xiàn)除圖斑邊界不完全吻合外, 兩個圖層疊置效果比較好, 并對少量邊界差異相大的圖斑進(jìn)行手工修改。廣州中心城區(qū)地表溫度反演和地表覆蓋分布顯示如圖2。如圖2a、2b所示, 研究區(qū)域不透水地表覆蓋沿珠江河流兩岸密集分布之格局, 占比高達(dá)60.6%。其次是綠地, 比例達(dá)23.7%。水域覆蓋面積比例達(dá)12.1%。裸土覆蓋在研究區(qū)域的占比較小。

研究區(qū)地表溫度空間異質(zhì)特征明顯(圖2c), 中東部有一個極低冷島區(qū)域(黑色斑塊, 在琶洲會展中心), 東南角地表溫度較低, 西南角出現(xiàn)面積較大的高溫區(qū)域, 其溫度甚至高出中心區(qū)域的溫度, 這一帶是廣州企業(yè)化園林種植的集中區(qū)域。盡管如此, 基于ArcGIS分區(qū)運算, 提取4種地表覆蓋類型對應(yīng)的地表溫度平均值(圖2d)仍然顯示, 不透水地表覆蓋平均溫度最高, 高達(dá)34 ℃; 裸地次之; 最低的是水域和綠地, 溫度29.2 ℃、32.1 ℃, 研究區(qū)水體和綠地已達(dá)一定規(guī)模并已對城市熱島產(chǎn)生減弱效應(yīng)。

3.2 城市不透水地表比例與地表溫度的相關(guān)分析

隨著空間分析尺度從630 m×630 m增至1800 m ×1800 m, 分別繪制不透水地表覆蓋比例與地表溫度線性的回歸曲線。結(jié)果顯示, 如多數(shù)空間分析尺度上, 相關(guān)系數(shù)值在0.65—0.68(因此僅繪制相關(guān)系數(shù)最小和最大的曲線, 即空間分析尺度630、1540 m, 如圖3a、3b, 各空間尺度相關(guān)系數(shù)結(jié)果如表2); 只有89 0m和1800 m二個空間分析尺度下, 相關(guān)系數(shù)值偏小, 分別只有0.61和0.63(圖3c、3d)。為此可認(rèn)為, 不透水地表比例和地表溫度之間存在相關(guān)關(guān)系, 其值在0.61—0.68之間(<0.01), 相關(guān)系數(shù)(程度)因空間分析尺度略存在差異。

3.3 城市不透水地表覆蓋結(jié)構(gòu)與地表溫度的相關(guān)分析

基于網(wǎng)格單元, 將平均地表溫度和不透水地表結(jié)構(gòu)指數(shù)進(jìn)行皮爾遜相關(guān)分析(圖4), 可以看出4種結(jié)構(gòu)指數(shù)都與地表溫度有正相關(guān)關(guān)系(<0.01)。其中, 地表溫度與不透水地表覆蓋的聚集度指數(shù)相關(guān)性最高, 相關(guān)系數(shù)達(dá)0.79。次之是最大斑塊面積指數(shù), 相關(guān)系數(shù)達(dá)0.74。最后是平均斑塊面積指數(shù)、平均形狀指數(shù), 其系數(shù)分別為0.64、0.61。由此可以認(rèn)為, 城市不透水地表的聚集度越高、其斑塊面積占比越大, 地表溫度則相應(yīng)越高, 熱島強(qiáng)度也越高。

圖2 廣州中心城區(qū)地表溫度與地表覆蓋的空間分布與統(tǒng)計

Figure 2 The spatial distribution and statistics of surface temperature and land cover in Guangzhou downtown

表2 10個空間分析尺度的相關(guān)系數(shù)

基于網(wǎng)格單元進(jìn)行區(qū)域劃分(圖5), 依次統(tǒng)計各網(wǎng)格的平均地表溫度、計算其景觀格局指數(shù), 最后繪制曲線圖6。可以看出, 各網(wǎng)格的平均地表溫度不同, 對應(yīng)的景觀格局指數(shù)也因網(wǎng)格而異。盡管如此, 景觀指數(shù)曲線與平均地表溫度之間并沒呈現(xiàn)完全一一對應(yīng)地相關(guān)關(guān)系。

圖3 不同空間尺度下不透水地表與地表溫度的線性相關(guān)曲線

Figure 3 The result of Linear regression analysis between impervious surface and surface temperature at different spatial scales

特別地是第12個網(wǎng)格, 平均地表溫度呈現(xiàn)出低值27.79 ℃, 平均斑塊指數(shù)、最大斑塊指數(shù)、平均形狀指數(shù)也分別出現(xiàn)最小值0.85、1.82、1.21, 聚集度指數(shù)值也較低, 其值為65.57(僅高于第5網(wǎng)格的指數(shù)值), 表明從斑塊面積大小或最大斑塊面積來看, 該網(wǎng)格的不透水斑塊表現(xiàn)出分散、離散狀態(tài), 而形狀趨于最為簡單。查看網(wǎng)格所在地理位置正好是研究區(qū)東部水域片區(qū), 該區(qū)域水域集聚, 水體降溫效果明顯, 不透水地表呈現(xiàn)零散分布鑲嵌格局。在第8個網(wǎng)格上, 平均地表溫度呈現(xiàn)高值33.94 ℃, 平均斑塊指數(shù)值則極大, 聚集度指數(shù)、最大斑塊指數(shù)和平均形狀指數(shù)值也較高; 此外還有第12、13和5等網(wǎng)格, 幾個景觀指數(shù)值也都呈現(xiàn)為極值或局部極值。

圖4 不透水地表結(jié)構(gòu)指數(shù)和地表溫度的相關(guān)性指數(shù)

Figure 4 Correlation between impervious surface and surface temperature

4 討論

從微觀尺度研究區(qū)域土地利用信息、建筑材料差異對城市局部熱環(huán)境的影響是一個值得關(guān)注的話題, Surjamanto等[24]研究模擬了磚、加氣混凝土、玻璃棉保溫木材、玻璃纖維增強(qiáng)混凝土四類圍護(hù)結(jié)構(gòu)材料對城市熱島的影響, 其研究結(jié)論對于降低城市地區(qū)貧困人口的能源消耗具有重要意義。文章高溫區(qū)集中分布于西南區(qū)域(第1網(wǎng)格), 平均地表溫度達(dá)高值36.74 ℃, 聚集度指數(shù)、平均斑塊指數(shù)、最大斑塊指數(shù)、平均形狀指數(shù)分別達(dá)81.03、16.07、46.08、1.47, 四個結(jié)構(gòu)指數(shù)都處于較高水平。經(jīng)過研究發(fā)現(xiàn)該區(qū)域是企業(yè)化園林種植的集中區(qū)域, 為保證種植物在夏季高溫條件下的存活與生長, 管理者會采用特殊的建筑材料修筑園區(qū)屋頂、墻壁等圍護(hù)結(jié)構(gòu), 這些材料的密度、熱容和熱導(dǎo)率與普通材料不同, 具備吸熱、保溫、隔水的物理特性, 因此在該區(qū)域出現(xiàn)了高溫集聚的現(xiàn)象。

圖5 研究區(qū)域基于單元網(wǎng)格(5 km×5 km)的劃分

Figure 5 Research area division based on cell grid (5 km×5 km)

圖6 基于單元網(wǎng)格(5 km×5 km)的平均地表溫度和景觀指數(shù)變化曲線

Figure 6 Curves of average surface temperature and landscape indexes for each 5 km×5 km cell

李孝永等[17]在十個空間尺度下(180 m×180 m 到990 m×990 m)討論北京、天津和石家莊的城市地表覆蓋組分與結(jié)構(gòu)特征對地表溫度的影響, 發(fā)現(xiàn)630 m×630 m 是研究二者相關(guān)關(guān)系的最佳尺度。Xiao等[25]在對中國北京不透水地表空間格局和地表溫度的關(guān)系研究中發(fā)現(xiàn), 隨空間分辨率的增大, 不透水地表空間格局與地表溫度的相關(guān)系數(shù)呈現(xiàn)正相關(guān)性增長的趨勢。基于已有成果, 本文通過劃分不同大小的空間分析單元, 研究不同空間分析尺度下不透水地表覆蓋結(jié)構(gòu)和地表溫度的相關(guān)關(guān)系, 經(jīng)過反復(fù)實驗確定從630 m×630 m到1800 m×1800 m的空間分析尺度, 并且各尺度之間的間隔是130 m×130 m為研究區(qū)的合理空間分析尺度, 研究得出了與前人研究相近的結(jié)論。盡管如此, 相關(guān)關(guān)系強(qiáng)度呈現(xiàn)一個閾值范圍, 如相關(guān)系數(shù)值在0.65—0.68; 隨著空間分析尺度繼續(xù)增大, 相關(guān)關(guān)系不再繼續(xù)增加甚至呈現(xiàn)下減弱現(xiàn)象, 如在1800 m時, 相關(guān)系數(shù)值減小為0.63(圖3d), 可能的原因是大空間分析尺度會產(chǎn)生對地物信息空間分布的平滑作用隨著分析單元柵格大小的增加, 小尺度空間中豐富的地物結(jié)構(gòu)信息在較大空間分析尺度中被平滑消失, 不透水面空間異質(zhì)性會一定程度減弱。同時, 研究區(qū)域溫度圖呈現(xiàn)高度斑塊鑲嵌狀, 隨著空間尺度的增大, 獨個單元完全由不透水面覆蓋的情況顯著減少, 每個分析單元的植被、水體或不透水面等具有良好降溫效果的地表成分比例總體提升, 地表溫度不再顯著升高, 呈現(xiàn)變化穩(wěn)定甚至下降的趨勢, 導(dǎo)致了相關(guān)關(guān)系不再繼續(xù)增加甚至呈現(xiàn)下減弱現(xiàn)象, 該現(xiàn)象也一定程度說明了高不透水面占比導(dǎo)致地表溫度提升是較為局部和微小尺度的現(xiàn)象。

文章中存在不透水地表密集區(qū)域的地表溫度并沒有呈現(xiàn)高溫反而是異常低溫的現(xiàn)象, 除了前文所提及的特殊建筑材料的原因之外, 這類現(xiàn)象可能的解釋是由于特殊的城市地表形態(tài)和建筑形態(tài)產(chǎn)生的局地氣象所引起。劉琳等[26]在關(guān)于多種城市地表形態(tài)的局地氣候分析中指出, 緊湊高層建筑區(qū)有助于在夏季形成局部冷島效應(yīng)并提高居民熱舒適感覺。相似地, Oshio等[27]在關(guān)于日本冬季城市獨立高層建筑與城市熱環(huán)境的相關(guān)研究中指出, 獨立高層建筑有利于降低局部地區(qū)溫度。

5 結(jié)論

文章基于Landsat 8 OLI/TIRS和GF-2遙感影像, 通過反演城市地表溫度、提取城市不透水地表覆蓋信息, 利用GIS空間分析技術(shù)、景觀格局指數(shù)和統(tǒng)計分析方法, 進(jìn)行中心城區(qū)城市不透水地表覆蓋結(jié)構(gòu)與城市地表溫度相關(guān)關(guān)系的案例分析。主要結(jié)論如下:

因地表覆蓋和結(jié)構(gòu)的空間異質(zhì)性, 致使中心城市溫度空間差異特征明顯, 溫度圖呈現(xiàn)出高度斑塊鑲嵌狀。不透水地表平均溫度高于自然或半自然地表(如水域和綠地), 但是受特殊的城市地表形態(tài)和建筑形態(tài)產(chǎn)生的局地氣象影響, 研究區(qū)中東部局部地塊(琶洲會展中心)出現(xiàn)一個溫度極低的冷島現(xiàn)象; 研究區(qū)西南區(qū)域是企業(yè)化園林種植的集中區(qū)域, 建筑材料修筑園區(qū)屋頂、墻壁等圍護(hù)結(jié)構(gòu), 致使該區(qū)域出現(xiàn)了高溫集聚的現(xiàn)象。典型的不透水面如建筑物、構(gòu)筑物、硬化地面等對地表產(chǎn)生增溫效應(yīng)或植被、水體等透水面對地表具有的降溫作用, 主要是作用小尺度范圍對區(qū)域產(chǎn)生顯著的局地氣象影響。區(qū)域的地表覆蓋、地表組分及相關(guān)景觀結(jié)構(gòu)交互耦合產(chǎn)生效應(yīng), 在特定情況下會產(chǎn)生劇烈的局部溫度變化。

由于可塑性面積單元問題的存在, 城市不透水地表覆蓋比例與地表溫度之間的線性相關(guān)程度因空間分析單元略異, 但相關(guān)系數(shù)值都在0.65—0.68(顯著相關(guān))的范圍內(nèi)變化; 但是當(dāng)空間分析單元達(dá)到某一個高值后, 二者之間的相關(guān)強(qiáng)度并不繼續(xù)增大, 表現(xiàn)為相關(guān)程度及空間分析單元都存在閾值現(xiàn)象(表2)。表示景觀結(jié)構(gòu)的平均斑塊面積、最大斑塊面積、聚集程度或形狀等指數(shù), 都與平均地表溫度存在類似的相關(guān)關(guān)系, 但景觀指數(shù)曲線與平均地表溫度之間相關(guān)關(guān)系比較復(fù)雜, 文章未能加以討論分析, 未來應(yīng)進(jìn)一步細(xì)致地探究及其機(jī)制剖析。這些研究結(jié)論表明, 為較好控制廣州中心城區(qū)地表高溫現(xiàn)象, 最重要的是要減少不透水地表覆蓋比例和增加植被、水體等具有良好降溫效能的透水地表覆蓋比例, 如在市政工程中采用透水材料代替水泥硬化路面、高密度不透水區(qū)中低層建筑頂樓適當(dāng)種植花草形成綠色屋頂、優(yōu)化城市綠化帶建設(shè)形成城市綠地通道、建設(shè)人工湖和噴泉等人工水體設(shè)施來實現(xiàn)降溫。同時, 未來的城市規(guī)劃布局應(yīng)適度控制城市不透水地表比例, 有效管控城市不透水地表分布與結(jié)構(gòu)或合理布置城市地表覆蓋結(jié)構(gòu), 能有效提升城市熱島調(diào)節(jié)能力。

致謝:本研究由國家自然科學(xué)基金(42071123)資助。作者對華南農(nóng)業(yè)大學(xué)胡月明教授在研究數(shù)據(jù)方面給予的幫助表示特別感謝。

[1] ARNOLD C L, GIBBONS C J. Impervious Surface Coverage: The Emergence of a Key Environmental Indicator[J]. Journal of the American Planning Association, 1996, 62(2): 243–258.

[2] JONES P D, GROISMAN P Y, COUGHLAN M, et al. Assessment of urbanization effects in time series of surface air temperature over land[J]. Nature, 1990, 347(6289): 171–177.

[3] OKE T R. The energetic basis of the urban heat island[J]. Quarterly Journal of the Royal Meteorological Society, 1982, 108(455): 1–24.

[4] PIELKE R A, ADEGOKE J, BELTRáN -PRZEKURAT A, et al. An overview of regional land-use and land-cover impacts on rainfall[J]. Tellus B: Chemical and Physical Meteorology, 2007, 59(3): 587–601.

[5] RIZWAN A M, DENNIS L Y C, LIU Chunho. A review on the generation, determination and mitigation of Urban Heat Island[J]. Journal of Environmental Sciences, 2008, 20(1): 120–128.

[6] GUO Guanhua, ZHOU Xiaoqing, WU Zhifeng, et al. Characterizing the impact of urban morphology heterogeneity on land surface temperature in Guangzhou, China[J]. Environmental Modelling and Software, 2016, 84: 427–439.

[7] XU Hanqiu. Analysis of Impervious Surface and its Impact on Urban Heat Environment using the Normalized Difference Impervious Surface Index (NDISI)[J]. Photogrammetric Engineering and Remote Sensing, 2010, 76(5): 557–565.

[8] CHEN Xiaoling, ZHAO Hongmei, LI Pingxiang, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J]. Remote Sensing of Environment, 2006, 104(2): 133–146.

[9] SANTAMOURIS M. Recent progress on urban overheating and heat island research. Integrated assessment of the energy, environmental, vulnerability and health impact. Synergies with the global climate change[J]. Energy and Buildings, 2020, 207: 109482.

[10] TONG S T, CHEN Wenli. Modeling the relationship between land use and surface water quality[J]. Environmental Management, 2002, 66(4): 377–393.

[11] CHI Wenfeng, SHI Wenjiao, KUANG Wenhui. Spatio- temporal characteristics of intra-urban land cover in the cities of China and USA from 1978 to 2010[J]. Journal of Geographical Sciences, 2014, 25(1): 3–18.

[12] MATHEW A, KHANDELWAL S, KAUL N, et al. Investigating spatial and seasonal variations of urban heat island effect over Jaipur city and its relationship with vegetation, urbanization and elevation parameters[J]. Sustainable Cities and Society, 2017, 35: 157–177.

[13] 崔林林, 李國勝, 戢冬建. 成都市熱島效應(yīng)及其與下墊面的關(guān)系[J]. 生態(tài)學(xué)雜志, 2018, 37(5): 1518–1526.

[14] MORABITO M, CRISCI A, MESSERI A, et al. The impact of built-up surfaces on land surface temperatures in Italian urban areas[J]. Science of the Total Environment, 2016, 551: 317–326.

[15] CHEN Tao, ZHANG Xujia, NIU Ruiqing. The Relationship between Urban Land Surface Material Fractions and Brightness Temperature Based on MESMA[J]. Remote Sensing, 2017, 9(6): 532.

[16] 鄔建國. 景觀生態(tài)學(xué): 格局、過程尺度與等級[M]. 北京: 高等教育出版社, 2007.

[17] 李孝永, 匡文慧. 北京、天津和石家莊城市地表覆蓋組分與結(jié)構(gòu)特征對地表溫度的影響[J]. 生態(tài)學(xué)雜志, 2019, 38(10): 3057–3065.

[18] LUCK M, WU Jianguo. A gradient analysis of urban landscape pattern: a case study from the Phoenix metropolitan region, Arizona, USA[J]. Landscape Ecology, 2002, 17(4): 327–339.

[19] CHEN Ailian, YAO Lei, SUN Ranhao, et al. How many metrics are required to identify the effects of the landscape pattern on land surface temperature?[J]. Ecological Indicators, 2014, 45(1): 424–433.

[20] 覃志豪, ZHANG Minghua, KARNIELI A, 等. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J]. 地理學(xué)報, 2001(4): 456–466.

[21] 胡德勇, 喬琨, 王興玲, 等. 單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J]. 遙感學(xué)報, 2015, 19(6): 964– 976.

[22] 錢樂祥, 丁圣彥. 珠江三角洲土地覆蓋變化對地表溫度的影響[J]. 地理學(xué)報, 2005, 60(5): 761–770.

[23] SHACKELFORD A K, DAVIS C H. A combined fuzzy pixel-based and object-based approach for classification of high-resolution multispectral data over urban areas[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(10): 2354–2364.

[24] WONORAHARDJO S, SUTJAHJA I M, MARDIYATI Y, et al. Characterising thermal behaviour of buildings and its effect on urban heat island in tropical areas[J]. International Journal of Energy and Environmental Engineering, 2019, 11(1): 129–142.

[25] XIAO Rongbo, OUYANG Zhiyun, ZHENG Hua, et al. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China[J]. Journal of Environmental sciences, 2007, 19(2): 250–256.

[26] 劉琳, 劉京, 林姚宇, 等. 多種城市地表形態(tài)的局地氣候分析[J]. 建筑科學(xué), 2017, 033(2): 8–14, 26.

[27] OSHIO H, CHEN Kan, ASAWA T. Airborne and Terrestrial Observations of the Thermal Environment of Urban Areas Surrounding a High-Rise Building during the Japanese Winter[J]. Sensors, 2020, 20(2): 517.

The relationship between the impervious surface covering structure and land surface temperature in Guangzhou downtown

HUANG Yiqin, GONG Jianzhou*

School of Geography and Remote Sensing, Guangzhou University, Guangzhou 510006, China

Urban impervious surface is an important component of urban surface, and a correct understanding of the influence of urban impervious surface cover structure on urban heat island can provide strategies for improving urban thermal environment. Based on Landsat-8 OLI/TIRS and GF-2 remote sensing images, this paper analyzes the influence characteristics of impervious urban surface cover structure on urban surface temperature in Guangzhou downtown by inverting surface temperature and extracting impervious urban surface cover information, using GIS spatial analysis technology, landscape pattern index and statistical analysis method. The result are as follow. (1)The surface temperature distribution in Guangzhou downtown is characterized by obvious spatial heterogeneity. The geothermal map is inlaid with patches, and there are obvious high temperature and low temperature areas, among which the average temperature of impervious surface cover is the highest, followed by bare land, and the lowest is water area and green land. (2)Most spatial scale analysis results show that with the increase of spatial analysis scale from 630 m×630 m to 1800 m×1800 m, there is a positive correlation between impervious surface proportion and surface temperature, and the correlation coefficient and degree is 0.61-0.68 (<0.01) due to the difference of spatial analysis scale. (3)The maximum patch index, average patch area index, average shape index and aggregation index of impervious surface patches are significantly and positively correlated (<0.01), where the aggregation degree of impervious surface has the greatest influence on surface temperature, but the landscape index curve based on grid cell analysis does not show a complete one-to-one correspondence with the average surface temperature. Urban impervious surface significantly affects surface temperature, and reasonable adjustment of urban impervious spatial distribution pattern can effectively reduce urban heat island intensity.

urban heat island; impervious surface; landscape pattern; Guangzhou

10.14108/j.cnki.1008-8873.2022.04.005

X24

A

1008-8873(2022)04-032-09

2020-07-26;

2020-08-20

國家自然科學(xué)基金項目(42071123)

黃奕欽(1999—), 男, 廣東揭陽人, 本科生, 主要從事城市熱島研究, E-mail: huangyq1999@126.com

通信作者:龔建周(1970—), 女, 湖北恩施人, 博士, 教授, 主要從事城市化與生態(tài)環(huán)境效應(yīng)研究, E-mail: gongjzh66@126.com

黃奕欽, 龔建周. 廣州市中心城區(qū)城市不透水地表覆蓋結(jié)構(gòu)與地表溫度的關(guān)聯(lián)性研究[J]. 生態(tài)科學(xué), 2022, 41(4): 32–40.

HUANG Yiqin, GONG Jianzhou. The relationship between the impervious surface covering structure and land surface temperature in Guangzhou downtown[J]. Ecological Science, 2022, 41(4): 32–40.