上海市土地利用空間格局與地表溫度關系研究

王敏，孟浩，白楊*，蘇敬華，沙晨燕，張敏

1. 上海市環境科學研究院應用生態研究所，上海 200233；2. 上海師范大學生命與環境科學學院，上海 200234

城市化導致土地利用與生態格局發生劇烈變化，自然植被、農田等被建筑物、道路和其他不透水地表取代，對城市環境、城市生態系統過程和功能帶來巨大影響，嚴重威脅到城市人居環境和城市居民生活質量改善。城市熱島效應就是其中極為重要的問題之一。由于城市熱島效應的產生及演變與城市地表土地利用格局變化、人類社會經濟活動密切相關, 是城市生態環境狀況的綜合概括與體現, 因而, 對于城市熱島的分布特征、形成演變機制等問題的研究受到了眾多學科領域的廣泛關注[1-2]。

地表覆蓋被認為是影響城市熱島形成與演變的主要因素，植被指數、不透水面率等指標與城市地表溫度的相互關系是目前該領域研究的熱點。植被指數被較早地用于城市熱島的研究中。植被通過自身蒸騰作用調節周圍的能量交換，植被覆蓋度高的地方具有較高的潛熱交換[3]。1993年Gallo等[4]首次利用植被指數估測了城市熱島效應在引起城鄉氣溫差異方面的作用,表明植被指數和城鄉氣溫之間存在明顯的線性關系。隨后，歸一化植被指數被廣泛用于地表溫度與城市熱島的研究[5-6], 眾多的研究結果表明NDVI與LST存在顯著的負相關關系[7-8]。但Sandholt等[9]、Yuan等[10]的研究表明,因土壤質地、季節、傳感器視角等因素的不同,導致LST與NDVI的關系表現為弱線性關系。因此城市化進程中LST與NDVI的相互關系仍需要進一步研究[6-7]。

不同城市下墊面類型，如植被、水體、建筑物等具有不同的熱容量，其空間分布特征與變化對地表溫度有不同的影響。因此，城市土地利用空間格局對地表溫度的影響是當前研究的熱點。宮阿都等[11]以北京市為例，得出了城市熱島效應與城市土地利用/覆蓋類型及其空間分布具有密切的關系，同時得出隨著城市經濟的發展和人口規模的膨脹，人為作用對城市熱島效應的影響將會越來越大。周媛等[12]以沈陽市三環為研究對象，定量分析了地表溫度和植被指數在不同城市土地利用類型之間的差異及空間關系。上述研究揭示了土地利用格局與地表溫度和其他相關指數之間的關系，但是對于土地利用類型的空間格局分布與組成特征，如建筑物形狀特征、高度等對地表溫度的影響，研究還比較少。

近30年來，隨著經濟的高速發展與人口的持續增長，上海城市迅速擴張，城市發展與生態環境之間的矛盾進一步加劇，土地利用與景觀格局的變化導致的生態環境問題已成為上海市社會經濟發展的障礙。本文以上海市外環為研究區域，采用2011年5月Landsat TM數據,借助景觀格局指數與遙感模擬，定量研究土地利用空間格局特征與城市地表溫度的關系，以期為緩解城市熱島效益，合理城市規劃、城市生態建設與管理提供依據。

1 研究區域與研究方法

1.1 研究區概況

上海位于120°51′～122°12′N,31°40′～31°53′E,土地總面積6340.5 km2。2010年末常住人口達到2302.66萬人，城市化發展迅速，是我國目前城市化程度最高的城市。本文主要研究上海市外環以內區域，總面積657.91 km2,其中有包括綠地、道路、水體、居民區等多種土地利用類型。

1.2 數據來源及預處理

土地利用類型數據從上海市2011年航空影像提取，購于上海市城市信息中心，數據精度達到95%以上。地表溫度模擬采用Landsat TM影像，軌道號為118/38，成像時間為2011年5月20日，購于中國科學院對地觀測與數字地球科學中心。在Erdas 9.2 軟件下進行多波段融合后，對影像進行投影轉換，將投影系統轉換為常用的UTM/WGS84。

1.3 地表溫度反演

地表溫度（LST）反演采用Artis和Carnahan（1982）的算法[13]：

式中，λ為TM6波段的中心波長，取11.5μm[14]；ρ=hc/σ=1.438×10?2m?K ，σ為斯特藩-波爾茲曼常數（1.38×10?23J/K ），h為普朗克常數（6.626×10?34Js），c為光速（2.998×108m/s ）；ε為地表比輻射率，T為傳感器出溫度值，其計算方法分別如下：

采用Sobrino等[15]的NDVI閾值法，計算地表比輻射率，分為以下3種情況：

（1）NDVI＜0.2，象元看成裸地，地表比輻射率等于土壤的比輻射率；

（2）NDVI＞0.5，象元看成全部覆蓋植被，地表比輻射率等于植被的比輻射率；

（3）0.2≤NDVI≤0.5，不同地表覆蓋類型的混合象元，其比輻射率采用下式進行計算：

式中，vε為植被比輻射率，sε為土壤比輻射率，分別取值0.99和0.97[16]；dε為包括自然表面的幾何分布和內部反射的影響；F為形狀因子，取值0.55；NDVImax取0.5；NDVImin取0.2。

傳感器處溫度值T采用以下公式進行計算[17]：

式中，K1和K2為TM6波段的標定參數，分別取值為607.76、1260.56 mW/(cm2·ster·m)，對于ETM+則分別取值為666.09、1282.7 mW/(cm2·ster·m)；L6為TM6的象元在傳感器處的輻射值；DN為象元灰度值；Lmax和Lmin分別為該波段探測器可探測的最高和最低輻射值，分別取1.530、0.124 mW/(cm2·ster·m)。

1.4 熱島景觀等級劃分標準

采用密度分割法[18-19]對城市地表溫度進行分級:

式中，RLST為計算出的溫度閾值范圍；LST為地表平均溫度；SD為地表溫度的標準差；n表示標準差的倍數；分級標準如表1所示。

1.5 景觀指數篩選

所選景觀指數反映了城市土地利用類型的數量、結構和空間格局等下墊面特征，借助景觀格局分析軟件Fragstats 3.3，采用移窗算法，對各個景觀指數進行模擬和空間化。所選指標如下：

(1)表征面積與形狀特征：類型面積(CA)、面積-周長分維度指數（Pafrac）；

(2)表征破碎度特征：斑塊數(NP)、斑塊密度(PD)、聚集度（AI）；

表1 地表溫度劃分標準 Table 1 Classification scheme of land surface temperature

(3)表征多樣性特征：多樣性(Shdi)、均勻度(Shei)。

1.6 建筑物高度提取

從Google earth上獲取需要模擬的建筑物的二維影像，利用SketchUp軟件模擬光照效果，使得三維模型的陰影與二維影像的陰影重合，從而自動獲取目標建筑物的高度數據。具體操作步驟請閱文獻[20]。通過網上查找和實地測量得到7個實際建筑物的高度值，對模擬的30個建筑物高度數據進行驗證。

2 結果與分析

2.1 土地利用格局特征

借助Fragstats軟件的空間移窗算法模塊，實現各種景觀指數的空間化如圖1（部分）所示。從斑塊密度（PD）和斑塊數（NP）的空間分布可以看出，土地利用格局破碎化最嚴重的區域分布在上海市的老城區，主要是黃浦區、盧灣區和部分虹口區，居住用地和商業用地分布多而密集；隨著這個區域向外延伸，破碎化程度逐漸降低。面積-周長分維度指數（Pafrac）反映了斑塊形狀特征，研究區內部均勻地分布著多個高值區域，反映了這些區域土地斑塊的形狀較其他區域更加復雜。香農多樣性指數（Shdi）和均勻度指數（Shei）在空間上表現出基本一致的格局特征，反映了土地利用格局在空間上的多樣性與均勻程度。

圖1 地表溫度與部分景觀格局指數空間分布特征 Fig.1 Spatial distribution of LST and some landscape indices

2.2 地表溫度空間分布特征

采用上述方法對研究區地表溫度進行反演，結果如圖1所示。總的來看，研究區的地表溫度呈現了從西北向東南遞減的分布格局。高值區域主要集中在西北和東北角上的工業園區，土地利用類型以工業用地為主；低值區域主要集中在湖泊和河流。

從圖2可以看出，從河流到工業用地，不同的土地利用類型下墊面溫度呈現出上升的趨勢。地表溫度均值最低的土地利用類型為河流，為23.12 ℃，主要是黃浦江和蘇州河；其次是零星分布的湖泊，均值為25.23 ℃；各種住宅用地的地表溫度居中，其中以別墅式住宅的平均溫度最低，為32.16 ℃，其次是新式住宅（33.13 ℃），最后是舊式住宅（34.72 ℃）；平均地表溫度最高的是工業用地，為35.89 ℃，同時地表最高溫度達到了43.21 ℃。

圖2 不同土地利用類型地表溫度均值 Fig.2 The mean value of each land use type

采用密度分割法，將地表溫度分為了7個等級，不同溫度等級的土地利用構成如圖3所示。低溫區主要有河流和公園構成，分別占低溫區總面積的70.05%和10.23%，鐵路用地和城市軌道交通用地在低溫區沒有分布。高溫區主要由工業用地、倉儲用地和道路廣場組成，分別占高溫區總面積的78.15%、6.42%和5.58%，其中河流、湖泊和別墅式住宅均沒有分布在高溫區域內。

不同土地利用類型在各個溫度等級的分布情況如表2所示。河流只分布在低溫區和亞低溫區，且94.03%的區域分布在低溫區；湖泊只分布在低溫區、亞低溫區和弱低溫區。公園主要分布在中溫區（39.30%）和亞低溫區（29.48%）；工業用地主要分布于中溫區和弱高溫區，比例分別為46.91%和37.12%。

圖3 不同溫度等級的土地利用構成 Fig.3 Land use types in each LST level

3種住宅用地均主要分布在中溫區，超過35%的別墅式住宅分布在亞低溫區和弱低溫區，新式住宅分布在低溫區的面積比例較別墅式住宅少很多，僅占約15%，而舊式住宅就更少，不到4%。同時，別墅式住宅中僅有不到6%的面積比例分布于各類高溫區，而新式住宅的這一比例約為18%，舊式住宅的這一比例超過了60%。

表2 不同土地利用類型在各個溫度等級的分布比例 Table 2 Land use distribution in different LST level

2.3 地表溫度與土地利用類型的定量關系

為了研究城市不同土地利用類型地表溫度的差異性，對每一種土地利用類型隨機生成100個采樣點，分別提取這些點對應的地表溫度，借助SPSS軟件，采用t檢驗進行顯著性分析，結果如表3所示。

河流和湖泊均與其他各種土地利用類型表現出了極顯著的相關性，表示它們的溫度均要明顯低于其他類型。公園除了與林地沒有表現出相關性，與其他土地利用類型也表現出了極顯著的相關性，表示公園的溫度與林地溫度類似。工業用地也與其他各種土地利用類型表現出了極顯著的差異性，說明工業用地的地表溫度比其他類型要顯著偏高。

2.4 地表溫度與土地利用空間格局的單因子分析

為了弄清不同土地利用類型空間組合特征對地表溫度的影響，進一步提取上述隨機生成的點在空間上對應的各種景觀指數的值。在SPSS軟件下進行Pearson相關性分析，結果如表4所示。

地表溫度與不透水率、斑塊數和斑塊密度等表現出了極顯著的相關性，與多樣性指數和均勻度指數表現出了顯著的相關性。除了與不透水率、聚集度指數表現為正相關以外，與其他指數均表現為負相關。說明地表溫度與城市化水平具有極為顯著的相關性，另外與下墊面的構成特征也有非常顯著的關系。

表3 城市不同土地利用類型地表溫度的差異性分析 Table 3 t-test of LST among different land use types

表4 土地利用格局指數與地表溫度相關性分析 Table 4 The relationships between LST and landscape indices

2.5 地表溫度與土地利用空間格局的多因子分析

地表溫度與土地利用格局之間的關系不是簡單的單因素所決定，而是由有多種下墊面特征綜合作用決定的。本研究進一步對多元空間數據進行回歸分析，得出影響地表溫度的主要、次要因素及其權重大小。結果如式(8)所示，不透水率、斑塊聚集度和斑塊數等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。

2.6 地表溫度與建筑高度關系

為了弄清建筑高度是否對地表溫度有影響，在研究區范圍內隨機選取了30個高層建筑，其類型主要為居住用地和商業用地，分別模擬和提取這30個建筑的高度和對應的地表溫度。首先對模擬的建筑物高度進行了精度驗證，通過網上查詢和實際調查，獲取了7個建筑的實際高度，與模擬數據進行對比，如圖4a所示，t-test結果表明，t = 0.794，df= 6，P = 0.457 > 0.05, 說明模擬的數據和實測數據沒有顯著差異，即對研究區建筑的高度進行了比較精確的模擬。

建筑高度與地表溫度的Pearson相關性分析表明，二者之間呈現顯著的負相關性（Sig.=0.012），相關性系數為-0.453，說明地表溫度隨建筑高度變化的趨勢是建筑物越高，溫度越低。采用回歸分析擬合二者的線性回歸模型，結果如圖4b所示。

3 討論

隨著城市化和城市人口的不斷增加，城市區域土地利用類型發生著劇烈的變化，越來越多的自然植被、農田等被不透水的水泥地、磚瓦和建筑用地等取代，從而導致整個城市下墊面的熱輻射性質發生很大的改變。城市土地利用類型多樣，組合方式也各不相同，其引起的地表溫度格局也表現出不同的特征?？偟膩砜?，工業用地的地表溫度均值最高，河流、湖泊的地表溫度均值最低。工業用地不透水率高，主要是由磚瓦和水泥等建筑材料構成，其熱容量小而熱傳導率和熱擴散率大，同時其本身有可能就是熱源，從而導致了周圍的溫度比其他幾種土地利用類型更高。水體由于熱容量大，傳導率小的特征，溫度上升比較緩慢。從水體分布在不同溫度等級的情況來看，河流全部分布在低溫區和亞低溫區，超過98%的湖泊面積分布于低溫區和亞低溫區，說明水體可以顯著地降低地表的氣溫，對于緩解城市熱島效應、維持城市溫度的穩定具有重要的作用。

圖4 建筑物高度驗證及其與地表溫度的關系 Fig.4 Height validation and its relationship with LST

公園和林地主要分布于低溫區和中溫區，同時公園和林地的地表溫度并未表現出顯著的差異，說明城市公園和林地具有相同的降溫效應。草地主要分布于中溫區、亞低溫區和弱高溫區。t檢驗結果表明，草地地表溫度與林地、公園均表現出了顯著的差異性，說明草地表面溫度明顯高于林地和公園，即草地的降溫效應低于林地和公園。

從3種住宅用地的地表溫度特征來看，由于舊式住宅修建較早，密集而不利于空氣的流通，加之缺少綠地和水體覆蓋，所以其地表溫度的均值最高，而且主要分布于中溫區、弱高溫區和亞高溫區。隨著居住用地的不斷規劃和完善，綠地和水體在新建住宅用地中的比例不斷增加，新式住宅和別墅式住宅用地地表溫度下降明顯，同時分布區域也逐漸有高溫區向低溫區偏移，t檢驗結果也表明新式住宅、別墅式住宅與舊式住宅地表溫度有顯著性差異。這一結果說明在居住區增加綠地和水體的比重可以明顯地降低地表溫度，改善人居生活環境。

增加景觀中綠地和水體比例，提高景觀多樣性與復雜度，通過增加綠化用地對不透水地表進行分割可以明顯降低地表溫度。城市土地利用空間格局特征與地表溫度的關系研究表明，地表溫度與斑塊數和斑塊密度等表現出極顯著的相關性，與多樣性指數和均勻度指數表現出顯著的相關性。除了與不透水率、聚集度指數表現為正相關以外，與其他指數均表現為負相關。地表溫度與土地利用格局之間的關系不是簡單的單因素所決定，而是由多種下墊面特征綜合作用決定的。本研究進一步對多元空間數據進行回歸分析，得出影響地表溫度的主要、次要因素及其權重大小。結果表明，不透水率、斑塊聚集度和斑塊數等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。土地斑塊破碎化越嚴重、多樣性越大的區域，地表溫度越低。這類區域主要是住宅用地和商業用地，城市下墊面均被道路綠地分割，對不透水地表形成了一定的阻隔，從而對地表溫度也起到了明顯的消減作用。同一種土地利用類型聚集程度越高，溫度越高；斑塊形狀越簡單，地表溫度越高，多分布于工業用地（工業用地不透水地表連片分布，綠化面積比重較少，而且形狀大多比較規整，趨于圓形或方形）。該結論可用于城市格局優化和緩解城市熱島效應。

4 結論

本研究以上海市外環內區域為研究對象, 借助GIS和遙感技術，采用2011年TM和航空影像數據，研究了上海城市土地利用類型、格局特征與地表熱環境分異之間的關系。研究結果表明, 城市不同土地利用類型的地表溫度差異較大, 平均地表溫度最低的是河流，最高的為工業用地。工業用地、道路廣場用地和居住用地等的平均地表溫度明顯高于河流、公園和林地的平均地表溫度。低溫區主要由河流和公園構成，高溫區主要由工業用地、倉儲用地和道路廣場組成，其中河流、湖泊和別墅式住宅均沒有分布在高溫區域內。盡管草地也具有一定的降溫效應，但其降溫效果沒有水體、公園等明顯。城市建筑物高度與地表溫度的Pearson相關性結果表明，二者之間呈現了顯著的負相關性，說明地表溫度隨著城市建筑物的增高而降低。新式住宅、別墅式住宅地表平均溫度顯著低于舊式住宅。地表溫度與斑塊數、斑塊密度等表現出了極顯著的相關性，與多樣性指數、均勻度指數表現出了顯著的相關性。城市不透水率、斑塊聚集度和斑塊數等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。研究結果表明，增加城市景觀中綠地和水體比例，提高景觀多樣性與復雜度，借助綠化用地對不透水地表進行分割可以明顯降低地表溫度。

[1] 黃聚聰,趙小鋒,唐立娜,等. 城市化進程中城市熱島景觀格局演變的時空特征：以廈門市為例[J]. 生態學報, 2012, 32(2): 0622-0631.

[2] 戴曉燕,張利權,過仲陽,等.上海城市熱島效應形成機制及空間格局[J]. 生態學報,2009,29(7):3995-4004.

[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] GALLO K P, MCNAB A, KARL T R, et al. The use of NOAA AVHRR data for assessment of the urban heat island effect [J]. Journal of Applied Meteorology, 1993, 32(5):899-908.

[5] GOWARD S N, XUE Y, CZAJKOWSKI K P.Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment, 2002, 79(2): 225-242.

[6] 曹璐,胡瀚文,孟憲磊,等. 城市地表溫度與關鍵景觀要素的關系[J].生態學雜志, 2011,30(10):2329-2334.

[7] WENG Q, LU D, SCHUBRING J.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment, 2004, 89(4):467-483.

[8] ZHANG Y S, INAKWU O, HAN C D. Bi-temporal characterization of land surface temperature in relation to impervious surface area, NDVI and NDBI, Using a sub-pixel image analysis[J].Journal of Applied Earth Observation and Geoinformation, 2009,11(4): 256-264.

[9] SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2):213-224.

[10] YUAN F, BAUER M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery[J]. Remote Sensing of Environment, 2007, 106(3):375-386

[11] 宮阿都，陳云浩，李京，等. 北京市城市熱島與土地利用/覆蓋變化的關系研究[J]. 中國圖象圖形學報，2007, 12（8）：1476-1482.

[12] 周媛,石鐵矛,胡遠滿,等. 基于城市土地利用類型的地表溫度與植被指數的關系[J]. 生態學雜志, 2011,30(7):1504-1512.

[13] ARTIS D A, CARNAHAN W H. Survey of emissivity variability in thermography of urban areas[J]. Remote Sensing of Environment, 1982, 12: 313-329.

[14] MARKHAM B L, BARKER J L. Spectral characterization of the Landsat Thematic Mapper Sensors[J]. International journal of Remote Sensing, 1985, 6: 697-716.

[15] SOBRINA J A, JIMENEZ-MUNOZ J C, PAOLINI L. Land surface temperature retrieval from Landsat TM 5[J]. Remote Sensing of Environment, 2004, 90: 434-440.

[16] LI F, JACKSON T J, KUSTAS W P, et al. Deriving land serface temperature from Landsat 5 and 7 during SMEX02/SMACEX [J]. Remote Sensing of Environment, 2004, 92: 521-534.

[17] 徐涵秋. 基于城市地表參數變化的城市熱島效應分析[J]. 生態學報，2011, 31（14）：3890-3901.

[18] SMITH RM. Comparing traditional methods for selecting class intervals on choropleth maps[J]. The Professional Geographer, 1986, 38: 62-67.

[19] WENG Q. Fractal analysis of satellite-detected urban heat island effect[J]. Photogrammetric Engineering and Remote Sensing, 2003, 69: 555-566.

[20] 安潔玉，程朋跟，丁斌芬. 基于Google Earth二維影像獲取建筑物高度的方法[J]. 地理與地理信息科學, 2010, 26(6): 31-33.