武漢地區(qū)綠地對熱環(huán)境的影響

陳 濤，張旭陽，李鵬宇，陳彥龍，王 毅

（1.中國地質(zhì)大學（武漢） 地球物理與空間信息學院，湖北 武漢 430074）

隨著全球變暖與城市化進程的加快，城市熱島效應越發(fā)顯著。早期的城市熱格局研究局限于利用有限的定點溫度觀測數(shù)據(jù)或氣象站點數(shù)據(jù)，與城郊溫度進行對比[1,2]。這種方法耗時費力，難以全面、同步地反映地面地熱輻射狀況。遙感技術克服了常規(guī)方法的缺陷與不足[3,4]，使多尺度城市熱環(huán)境定性、定量研究成為可能。從Rao提出并利用熱紅外數(shù)據(jù)對城市熱島效應進行研究開始，城市熱環(huán)境的遙感研究不斷發(fā)展和完善[5,6]。針對熱空間格局與地表參數(shù)特征之間的關系，國內(nèi)外已有諸多研究成果[7-9]。本文以武漢市為例，通過研究綠地斑塊的周長、面積等形狀要素與綠地斑塊溫度特征的關系，探討綠地斑塊對城市熱環(huán)境的影響。

1 研究區(qū)域概況

武漢市土地面積為8 467.6 km2,其中城區(qū)面積3 963.6 km2。受數(shù)據(jù)條件的限制，本文研究區(qū)域為武漢市中心城區(qū)600×600像素大小的區(qū)域。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)準備

本文所用遙感數(shù)據(jù)為一景2002-07-09的Landsat ETM+數(shù)據(jù)及其他一些相關資料。所用圖像處理軟件為Matlab和ENVI 4.8。

2.2 技術方法與流程

2.2.1 地溫反演方法

目前，已經(jīng)提出的地表溫度方法包括熱傳輸輻射法、基于輻射傳輸模型的陸面溫度反演法[10]、覃志豪等的單窗算法[11]，以及Sobrino等提出的普適性單通道法[12]。由于普適性單通道算法應用較為廣泛，本文選用此方法進行溫度反演，其計算公式為：

式中，Lsensor是傳感器輻射值；ε是地表比輻射率；Ψ1、Ψ2、Ψ3是大氣水汽含量w的函數(shù)，分別如式（2）～式（4）所示：

參數(shù)γ和δ的計算公式為：

式中，Tsensor是亮度溫度；λ是有效波長，C1=1.191 04×108，C2=1 438.7。

2.2.2 技術流程

將經(jīng)過預處理的Landsat ETM+影像作為柵格數(shù)據(jù)載入 ArcGIS ，以高分辨率的Google Earth影像為參考數(shù)據(jù)，把 EMT+影像中的城市綠地斑塊進行矢量化，得到城市綠地斑塊的矢量圖層。利用 ArcGIS的幾何統(tǒng)計功能，對各綠地斑塊矢量要素的周長和面積進行統(tǒng)計。利用ETM+影像反演研究區(qū)域地表溫度，根據(jù)地溫反演結果得到相應綠地斑塊的最高、最低和平均溫度，其技術流程見圖1。

圖1 技術流程圖

在ArcGIS中對綠地斑塊進行緩沖區(qū)分析，即對綠地邊界以外不同緩沖距離的溫度進行評價比較。根據(jù)各個綠地斑塊周長和面積數(shù)值的分布范圍，選定緩沖區(qū)的距離為240 m(4個像元)；其次，通過獲取綠地斑塊各緩沖區(qū)環(huán)內(nèi)地表溫度的統(tǒng)計值，用緩沖區(qū)與對應斑塊平均溫度差值衡量綠地斑塊對周邊熱環(huán)境的影響；最后，得到形狀要素信息（周長、面積）與溫度信息后，繪制各形狀要素與溫度信息的散點圖，并進行曲線擬合。

3 結果與分析

3.1 城市綠地特征及其熱環(huán)境效應分析

圖2為研究區(qū)地表溫度反演結果，與曹麗琴在同時期同區(qū)域內(nèi)的反演結果一致[13]，證明本文利用普適性單通道算法反演的地表溫度結果真實有效。圖3為研究區(qū)主要綠地分布圖。

綠地斑塊的周長、面積、最小溫度、最大溫度、均值溫度及緩沖區(qū)溫差的統(tǒng)計結果見表1。

圖2 研究區(qū)地表溫度圖

圖3 研究區(qū)綠地分布圖

由表1可知，各綠地斑塊形狀差異顯著，對應的斑塊地表溫度亦有明顯的不同。其中，綠地最低溫出現(xiàn)在珞珈山，為27.770 9 ℃，綠地面積和周長分別為0.419 76 km2和3.090 3 km；最高溫出現(xiàn)在機場綠地，為43.415 7 ℃，其面積和周長分別為0.521 1 km2和4.614 5 km；最小均溫出現(xiàn)在喻家山，為29.737 9 ℃，該綠地面積和周長僅為0.974 4 km2和5.457 1 km；最大均溫也現(xiàn)在機場綠地，高達35.769 1 ℃。

表1 各綠地斑塊形狀特征及地表溫度統(tǒng)計表

根據(jù)統(tǒng)計結果，山體綠地溫度大都小于城區(qū)公園綠地溫度，且山體綠地溫度表現(xiàn)為位于城區(qū)中心的山體綠地溫度高于鄰近水體的山體綠地溫度，溫度分布受其形狀特征影響較小。因此在分析各綠地斑塊特征與地表溫度之間的關系時，將山體綠地和一些水域面積較大的公園綠地剔除。通過Matlab可以繪制斑塊特征和溫度的散點圖，并利用高斯模型對其具體關系進行擬合。圖4為綠地斑塊特征與地表溫度散點圖及擬合結果。

高斯模型公式為：

式中，T為擬合值；x為自變量；a、b、c為參數(shù)，擬合結束后，參數(shù)取值自動確定，結果如表2所示。

表2 綠地斑塊特征與地表溫度擬合結果參數(shù)表

從圖4和表2可以發(fā)現(xiàn)，綠地對應的溫度隨著綠地面積和周長的增加而降低，即綠地斑塊溫度與綠地面積和周長呈負相關關系。對比相關系數(shù)可以發(fā)現(xiàn)，溫度與面積和周長的負相關性相近，周長略低于面積。

3.2 城市綠地對周圍熱環(huán)境的影響分析

從表1可以發(fā)現(xiàn)，綠地斑塊外部的緩沖區(qū)溫度明顯高于內(nèi)部溫度。溫差最大的是黃鶴樓公園，達5.637 6 ℃，可能是因為黃鶴樓公園是旅游勝地，周邊城市化程度較高，商業(yè)休閑區(qū)密布，導致綠地外圍溫度較高；緩沖區(qū)溫差最小的地區(qū)為梅嶺，為-0.051 9 ℃，即綠地周圍的均溫低于綠地內(nèi)部溫度，這是由于梅嶺兩面環(huán)水，周邊有大塊溫度低于綠地的水域。總的來說，綠地斑塊周圍熱環(huán)境受綠地斑塊的特征、斑塊空間位置及其地表覆被特征的影響差異較大。溫差越大，說明綠地斑塊對周圍熱環(huán)境的影響越大；溫差越小，與周圍熱環(huán)境相互影響相對越強。

為了進一步分析綠地對周圍熱環(huán)境的影響，利用高斯模型模擬綠地斑塊特征與綠地內(nèi)外部平均溫差之間的關系，具體擬合模型及參數(shù)見圖5和表3。

圖4 綠地面積和周長與地表溫度關系圖

圖5 綠地面積和周長與溫差關系圖

表3 綠地斑塊特征與溫差擬合結果

從圖5和表3可以發(fā)現(xiàn)，綠地斑塊的面積和周長較小時，隨著面積和周長的增加，溫差也逐漸增大；但隨著周長面積的進一步增加，溫差增加的速率逐漸減小；當周長和面積增加到一定程度時，溫差隨周長面積的增加有下降的趨勢。這種特征反映了如下事實：當綠地周長和面積較小時，綠地對周圍環(huán)境的影響力極其有限，但受到周圍環(huán)境的影響較大，導致較小的綠地本身溫度較高，從而使緩沖區(qū)溫差較低；隨著綠地周長和面積的增大，綠地受到周圍環(huán)境的影響越來越小，因而溫度也會有相應的降低，導致緩沖區(qū)溫差降低；當綠地周長和面積大到一定程度后，隨著綠地周長和面積的增加，綠地對周邊環(huán)境的影響開始越來越顯著，導致綠地周圍環(huán)境溫度與綠地本身溫度的差異越來越小，緩沖區(qū)溫差逐漸降低。

[1]Oke T R. Boundary Layer Climates [M]. Methuen, 1987

[2]Yoshikado H, Tsuchida M. High Levels of Winter Air Pollution under the Influence of the Urban Heat Island along the Shore of Tokyo Bay [J].Journal of Applied Meteorology，1996, 35：1 804-1 813

[3]Oke T R, Spronken-Smith R A, Jauregui E, et al.The Energy Balance of Eentral Mexico City during the Dry Season [J].Atmospheric Environment, 1993, 33：3 919-3 930

[4]Stoll M, Brazel A. Surface-air Temperature Relationships in the Urban Environment of Phoenix. Arizona [J]. Phys. Geography, 1992, 13(2):160-179

[5]Rao P K. Remote Sensing of Urban “Heat Island” from an Environmental Satellite [J].Bull AM Meteorol Soc,1971,53:647-648

[6]Roth M, Oke T R, Emery W J. Satellite Derived Urban Heat Island from Three Coastal Cities and the Utilization of Such Data in Urban Climatology [J]. International Journal of Remote Sensing, 1989, 10: 1 699-1 720

[7]Lougeay R, Brazel A, Hubble M. Monitoring Intra-urban Temperature Patterns and Associated Land Cover in Phoenix, Arizona using Landsat Thermal Data [J]. Geocarto International, 1996, 11: 79-89

[8]Quattrochi D A, Luvall J C. Thermal Infrared Remote Sensing for Analysis of Landscape Ecological Process: Methods and Applications [J]. Landscape Ecology, 1994, 14: 577-598

[9]Lo C P, Quattrochi D A, Luvall J C. Application of Highresolution Thermal Infrared Remote Sensing and GIS to Assess the Urban Heat Island Effect [J]. International Journal of Remote Sensing, 1997, 18: 287-304

[10]Artis D A, Carnahan W H. Survey of Emissivity Cariability in Thermography of Urban Areas [J]. Remote Sensing of Environment, 1982, 12: 167-218

[11]Qin Z, Karnieli A, Berliner P. A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region[J]. International Journal of Remote Sensing, 2001, 2(18): 3 719-3 746

[12]Jiménez-Muňoz J C, Sobrino J A. A Generalized Single-channel Method for Retrieving Land Surface Temperature from Remote Sensing Data [J]. Journal of Geophysical Research. 2003, 108: 22

[13]曹麗琴. 城市熱環(huán)境及其影響因子的定量遙感研究[D].武漢：武漢大學，2009