基于TM遙感反演和流動監(jiān)測的居住區(qū)熱環(huán)境效應(yīng)研究

高 凱

(上海植物園，上海城市植物資源開發(fā)應(yīng)用工程技術(shù)研究中心，上海 200231)

城市中的熱環(huán)境問題已成為營造最適人居環(huán)境的主要障礙之一。自Manley于1958年首次提出城市熱島(Urban Heat Island，UHI)的概念以來，國際社會對這一由于城市化過程所引起的城市溫度明顯高于郊區(qū)的現(xiàn)象關(guān)注程度逐年增高，相關(guān)文獻(xiàn)研究近10年來更以15%的速率增加[1-2]。

熱島效應(yīng)不僅僅帶來溫度的提高，更重要的是使城區(qū)凝露量、結(jié)霜量、霜凍日數(shù)、下雪頻率和積雪時間都小于郊區(qū)，暴雨、高溫等災(zāi)害性天氣的頻度、強度高于往年[3]；同時城市上空的云、霧量的增加，使有害氣體、煙塵在市區(qū)上空累積，形成嚴(yán)重的大氣污染，引發(fā)城市居民心腦血管、呼吸系統(tǒng)等疾病的發(fā)病率上升，形成很大的社會性危害[4]。近年來，很多學(xué)者應(yīng)用多種方法，如氣象數(shù)據(jù)監(jiān)測[5-6]、遙感解譯[7-8]、實地觀測[9]、分形分析[4,10]以及模擬分析[11-13]等，對城市熱島效應(yīng)在不同時間[14]、不同空間[15-16]上的特征、危害、緩解方法進(jìn)行研究。多數(shù)研究結(jié)果表明，緩解城市熱島效應(yīng)最好的景觀要素分別為水面與綠地斑塊。城市植被對于緩解城市熱島效應(yīng)具有顯著的作用，尤其是當(dāng)植被覆蓋率大于60%時,其地面熱輻射強度與郊區(qū)自然下墊面相當(dāng)[17]。

前人在熱島效應(yīng)機(jī)理研究的深度和廣度方面取得了豐厚成果，但是在如何減輕熱島效應(yīng)工程方面的研究，以及在監(jiān)測方法上的對比都還相對薄弱。為此，筆者以上海中心區(qū)域同地段的獨立小區(qū)為研究對象，利用遙感技術(shù)和流動觀測兩種方法就居住區(qū)內(nèi)影響熱環(huán)境改善方面的幾個主要關(guān)鍵因子進(jìn)行了分析模擬，以期為今后的研究在方法論上和新建居住區(qū)對熱環(huán)境的要求中提供準(zhǔn)確、有效的科學(xué)數(shù)據(jù)。

1 研究區(qū)域與方法

1.1研究區(qū)域概況選取上海植物園周邊居住區(qū)為研究對象，地點位于上海徐匯區(qū)西南角。該地區(qū)氣候?qū)儆诒眮啛釒Ъ撅L(fēng)氣候區(qū)，氣候溫和濕潤，年平均溫度16 ℃左右，全年無霜期約230 d，年平均降雨量在1 200 mm左右。

1.2研究對象測試時間在2013年的7月份進(jìn)行，試驗小區(qū)選擇在上海徐匯區(qū)和閔行區(qū)，東至龍吳路，北至漕寶路，西南分別至外環(huán)線，占地32 km2，在200個居住區(qū)內(nèi)選擇出36個居住區(qū)，居住區(qū)的類型分為3類：①容積率基本相同，綠化率呈現(xiàn)等級差異；②綠化率基本相同，容積率呈現(xiàn)等級差異；③綠化率和容積率基本相同，喬木比例呈現(xiàn)等級差異。每類選擇12個居住區(qū)。

1.3研究方法每種類型12個居住區(qū)為一組，6個人每人攜帶一臺便攜式Kestrel4000NV溫濕度計，在正午溫度超過35 ℃后，開始進(jìn)行同步流動監(jiān)測，記錄下每次測試的氣溫和濕度平均值，每人負(fù)責(zé)最鄰近的2個小區(qū)，每個小區(qū)測試時間不超過15 min，2個小區(qū)測試用時不超過40 min，試驗數(shù)據(jù)重復(fù)測試3 d。測試時，有一人騎自行車在居住區(qū)人活動最頻繁的道路和中心綠地上迂回前行，騎車選擇的路徑要有代表性和均一性，重復(fù)測試時的路徑可以選擇不同路線。測試時的天氣狀況以晴好高溫?zé)o風(fēng)為主，測試前3 d不曾下雨。

對選擇的36個居住區(qū)進(jìn)行航片解譯和TM溫度反演。航片資料主要解譯居住區(qū)的綠化覆蓋率和喬木比例；TM資料是以陸地衛(wèi)星LANDSAT-5為數(shù)據(jù)源，反演居住區(qū)整體溫度，成像時間為2013年7月28日10:18的衛(wèi)星上海過境影像，分辨率為120 m×120 m，結(jié)合上海地區(qū)均勻分布的56個自動氣象站點實時監(jiān)測記錄的氣溫數(shù)據(jù)(自動氣象站溫度計離地約1.5米高度，國際統(tǒng)一)和對應(yīng)時刻影像位置上的亮度溫度建立相關(guān)關(guān)系，用多項式擬合，要求R2>0.5，實現(xiàn)由亮溫到氣溫的反演，單位采用 ℃。該圖像由亮溫到氣溫的反演公式為：AT=0.400 6×TB+21.757 (R2=0.511)，其中TB為衛(wèi)星亮度溫度，AT為氣溫。

1.4數(shù)據(jù)分析全部數(shù)據(jù)由Excel 2007和SPSS 13.0結(jié)合完成分析。

2 結(jié)果與分析

2.1樣本居住區(qū)的基礎(chǔ)數(shù)據(jù)頻度分析為在200個居住區(qū)樣本內(nèi)尋找36個最具有代表性的居住區(qū)類型，對居住區(qū)樣本的住區(qū)面積、容積率、綠化覆蓋率和喬木比例進(jìn)行正態(tài)分布Q-Q頻度檢驗(圖1～4)。檢驗結(jié)果顯示，P值均小于0.01，樣區(qū)內(nèi)的200個居住區(qū)均符合正態(tài)分布的選樣要求，其中住區(qū)面積出現(xiàn)頻度最高值為4.5～5.0 hm2，容積率為1.5～2.0，綠化覆蓋率為35%左右，喬木比例為35%～40%。

考慮到TM遙感監(jiān)測資料的分辨率，所以在36個居住區(qū)選擇上面積均超過頻度峰值4.5 hm2；在容積率基本相同、綠化率呈現(xiàn)等級差異的類型中，12個居住區(qū)的容積率也選擇在1.5～2.0；在綠化率基本相同、容積率呈現(xiàn)等級差異類型中，綠化覆蓋率選擇在35%左右；在綠化率和容積率基本相同、喬木比例呈現(xiàn)等級差異類型中，綠化覆蓋率和容積率分別選擇在35%和1.5左右，喬木比例以35%～40%為中心點。

注：樣本數(shù)為208。圖1 居住區(qū)容積率的正態(tài)分布直方圖

注：樣本數(shù)為209。圖2 居住區(qū)面積的正態(tài)分布直方圖

注：樣本數(shù)為209。圖3 居住區(qū)綠化覆蓋率的正態(tài)分布直方圖

注：樣本數(shù)為209。圖4 居住區(qū)喬木比例的正態(tài)分布直方圖

2.2居住區(qū)容積率基本相同、綠化覆蓋率呈現(xiàn)等級差異類型分析在200個居住區(qū)內(nèi)，篩選出面積較大、容積率在1.5左右、綠化覆蓋率在20%～60%呈遞增的12個居住區(qū)，結(jié)果見表1。

將TM衛(wèi)星反演的居住區(qū)溫度與綠化覆蓋率做線性相關(guān)分析，發(fā)現(xiàn)兩者之間呈顯著的負(fù)相關(guān)，其線性公式為：T=-1.9B+35.7(R2=0.481，P<0.05)，其中T為氣溫，B為綠化覆蓋率，當(dāng)氣溫在35 ℃左右時，綠化覆蓋率每增加10%，居住區(qū)的氣溫就降低0.19 ℃(圖5)。通過實地的流動監(jiān)測的居住區(qū)溫度發(fā)現(xiàn)，溫度與綠化覆蓋率也存在顯著線性負(fù)相關(guān)，其線性公式為：T=-5.3B+39.6(R2=0.579，P<0.05)，其中T為氣溫，B為綠化覆蓋率，當(dāng)氣溫在39 ℃左右時，綠化覆蓋率每增加10%，居住區(qū)的氣溫就降低0.53 ℃(圖6)。

表1 居住區(qū)樣地的基礎(chǔ)數(shù)據(jù)

圖5 TM衛(wèi)星反演的居住區(qū)溫度與綠化覆蓋率線性關(guān)系

圖6 流動實測的居住區(qū)溫度與綠化覆蓋率線性關(guān)系

2.3居住區(qū)綠化覆蓋率基本相同、容積率呈現(xiàn)等級差異類型分析在200個居住區(qū)內(nèi)，篩選出面積較大、綠化面積在35%左右、容積率在1.3～5.5呈遞增的12個居住區(qū)，結(jié)果見表2。

表2 居住區(qū)樣地的基礎(chǔ)數(shù)據(jù)

將TM衛(wèi)星反演和流動性觀察的居住區(qū)溫度與容積率做相關(guān)分析，發(fā)現(xiàn)兩者之間的關(guān)系表現(xiàn)為：容積率在1.3～2.0時，氣溫和容積率呈正相關(guān)，即居住區(qū)容積率每上升1，氣溫分別升高0.7和2.3 ℃；容積率在2.0～5.5時，氣溫和容積率也呈正相關(guān)，但隨著居住區(qū)容積率的上升，溫度增加趨緩，即居住區(qū)容積率每上升1，氣溫才分別升高0.1和0.2 ℃。總體上，兩種方法容積率與溫度呈冪函數(shù)關(guān)系，分別為T=34.70R0.01(R2=0.663，P<0.05)和T= 32.194R0.03(R2=0.697，P<0.05)，其中T為氣溫，R為容積率(圖7、8)。

圖7 TM衛(wèi)星反演的居住區(qū)溫度與容積率關(guān)系

圖8 流動實測的居住區(qū)溫度與容積率關(guān)系

2.4居住區(qū)綠化覆蓋率和容積率基本相同、喬木比例呈現(xiàn)等級差異類型分析在200個居住區(qū)內(nèi)，篩選出面積較大、綠化面積在35%左右、容積率在1.5左右、喬木比例呈遞增的12個居住區(qū)，結(jié)果見表3。

表3 居住區(qū)樣地的基礎(chǔ)數(shù)據(jù)

將TM衛(wèi)星反演的居住區(qū)溫度與喬木比例做線性相關(guān)分析，發(fā)現(xiàn)兩者之間無顯著相關(guān)性(圖9)。通過實地的流動監(jiān)測的居住區(qū)溫度發(fā)現(xiàn)，溫度與喬木比例存在顯著線性負(fù)相關(guān)，其線性公式為：T=-1.23C+35.1(R2=0.719，P<0.05)，其中T為氣溫，C為喬木比例。在居住區(qū)綠化覆蓋率和容積率基本相同，以及氣溫在35 ℃的條件下，喬木比例每增加10%，居住區(qū)的氣溫就降低0.12 ℃(圖10)。

圖9 TM衛(wèi)星反演的居住區(qū)溫度與喬木比例線性關(guān)系

圖10 流動實測的居住區(qū)溫度與喬木比例線性關(guān)系

3 結(jié)論與討論

(1)將兩種測試方案進(jìn)行比較發(fā)現(xiàn)，居住區(qū)溫度與綠化覆蓋率都存在顯著的負(fù)相關(guān)，不同點在于兩者的環(huán)境溫度不同，實測時的溫度要高于TM衛(wèi)星反演溫度4.0 ℃，同時綠化覆蓋率每增加10%，衛(wèi)星反演的氣溫降低值要小于流動實測值0.34 ℃。分析表明，兩種方案由于測試手段和時間節(jié)點的不同導(dǎo)致環(huán)境溫度相差4.0 ℃，而溫度隨綠化覆蓋率變化程度不同。但總體上，夏季高溫期居住區(qū)綠化覆蓋率的提高，無疑可以降低環(huán)境溫度，且50%綠化覆蓋率的小區(qū)溫度要比20%綠化覆蓋率的小區(qū)低0.57～1.56 ℃。

(2)將兩種測試方案進(jìn)行比較發(fā)現(xiàn)，居住區(qū)溫度與容積率都存在正相關(guān)，而且也同時表現(xiàn)為：容積率在1.3～2.0時，氣溫上升較快；容積率在2.0～5.5時，溫度增加趨緩。拐點均出現(xiàn)在容積率達(dá)2.0左右時，而2.0也正是居住區(qū)由低層向高層轉(zhuǎn)變的小高層類型，其建造布局趨于疏散，較為通風(fēng)，減緩了容積率升高對居住區(qū)溫度升高的影響。但總體上，實測的居住區(qū)容積率變化對溫度的影響要大于TM遙感監(jiān)測的數(shù)據(jù)，其原因應(yīng)該是遙感手段無法監(jiān)測到居住區(qū)空調(diào)廚房排熱，以及墻體對空間環(huán)境的熱輻射造成的影響。綜合兩種監(jiān)測手段，容積率5.5的居住區(qū)溫度要比容積率為1.5的居住區(qū)高出0.7～1.5 ℃。

(3) TM衛(wèi)星反演技術(shù)對居住區(qū)喬木比例變化無響應(yīng)。原因可能是衛(wèi)星反演是基于下墊面屬性和氣象站的數(shù)據(jù)結(jié)合模擬形成的氣溫數(shù)據(jù)，對于同一屬性類型的綠化，無論是

草本、灌木還是喬木，沒有區(qū)分能力，所以導(dǎo)致了兩者之間無顯著相關(guān)性。總體上，夏季高溫期居住區(qū)綠化喬木比例的提高無疑可以降低環(huán)境溫度，且70%綠化喬木比例的小區(qū)溫度要比20%綠化喬木比例的小區(qū)低0.5 ℃左右。

由此可見，TM衛(wèi)星反演技術(shù)在對居住區(qū)較大尺度上的測試分析上，有一定的便捷性和準(zhǔn)確性，但在一些復(fù)雜的小區(qū)域類型中，會出現(xiàn)不同程度的偏差；而流動性觀察雖然較能反映真實情況，但受到人員、時間和環(huán)境限制，不利于在較大尺度上做好同步測試工作。因此，兩種方法可以從不同方向和層次上共同揭示城市人居環(huán)境中的熱環(huán)境效應(yīng)，有機(jī)結(jié)合數(shù)值模型和實地監(jiān)測將會受到廣泛的關(guān)注和應(yīng)用。

[1] 張書余.石家莊市環(huán)境形態(tài)的熱效應(yīng)分析[J].氣象,2002,28(10):18-21.

[2] 曾俠,錢光明,潘蔚娟.珠江三角洲都市群城市熱島效應(yīng)初步研究[J].氣象,2004,30(10):12-16.

[3] 肖榮波,歐陽志云,李偉峰,等.城市熱島的生態(tài)環(huán)境效應(yīng)[J].生態(tài)學(xué)報,2005(8):2055-2060.

[4] 宋艷,余世孝,李楠,等.深圳特區(qū)表面溫度空間分異特征[J].生態(tài)學(xué)報,2007(4):1489-1498.

[5] KOLOKOTSA D,PSOMAS A,KARAPIDAKIS E.Urban heat island in southern Europe:The case study of Hania Crete[J].Solar Energy,2009,83(10):1871-1883.

[6] TAHA H.Meso-urban meteorological and photochemical modeling of heat island mitigation[J].Atmospheric Environment,2008,42(38):8795-8809.

[7] CHEN X L,ZHAO H M,LI P Y,et al.Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J].Remote Sensing of Environment,2006,104:133-146.

[8] 黃一凡,李鋒,王如松,等.基于遙感信息的常州市熱島效應(yīng)[J].生態(tài)學(xué)雜志,2009,28(8):1594-1599.

[9] 高凱,秦俊，宋坤，等.城市居住區(qū)綠地斑塊的降溫效應(yīng)及影響因素分析[J].植物資源與環(huán)境學(xué)報,2009,18(3):50-55.

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

[11] IINO A,HOYANO A.Development of a method to predict the heat island potential using remote sensing and GIS data[J].Energy and Buildings,1996,23(3):199-205.

[12] SHIMODA Y,FUJII T,MORIKAWA T,et al.Residential end-use energy simulation at city scale[J].Building and Environment,2004,39(8):959-967.

[13] KIKEGAWA Y,CHI Y G,KONDO H,et al.Impacts of city-block-scale countermeasures against urban heat-island phenomena upon a building’s energy-consumption for air-conditioning[J].Applied Energy,2006,83(6):649-668.

[14] TRAN H,DAISUKE U,SHIRO O,et al.Assessment with satellite data of the urban heat island effects in Asian mega cities[J].International Journal of Applied Earth Observation and Geoinformation,2006,8:34-48.

[15] 戴曉燕,張利權(quán),過仲陽,等.上海城市熱島效應(yīng)形成機(jī)制及空間格局[J].生態(tài)學(xué)報,2009(7):3995-4004.

[16] IHARA T,GEN CHI Y,SATO T,et al.City-block-scale sensitivity of electricity consumption to air temperature and air humidity in business districts of Tokyo[J].Japan.Energy,2008,33:1634-1645.

[17] 李延明,郭佳,馮久瑩.城市綠色空間及對城市熱島效應(yīng)的影響[J].城市環(huán)境與城市生態(tài)，2004,17(1):1-4.