南京市熱環境與地表覆被的時空尺度效應及驅動機制研究

郭宇，王宏偉，張喆，唐明，吉喜燕，侯梅芳

上海應用技術大學生態技術與工程學院，上海 201418

伴隨著城市經濟和人口的快速增長，全球城市正在迅速擴張以滿足急劇增長的生產和生活需求（Qi et al.，2019，Ma et al.，2016），使植被和水體等構成的自然地表轉變為建筑和不透水面（Mathew et al.，2016；Pal et al.，2017），導致城市熱島效應加劇（Yue et al.，2019），嚴重影響城市氣候和居民的生活質量（Fang et al.，2018），增加了城市居民的高溫健康風險（Hu et al.，2017），降低了城市生態系統服務價值（Zhou et al.，2018）。自然或人為活動引起的地表覆被類型變化是導致城市熱環境變化的重要因素（Sultana et al.，2018），理解城市熱環境與地表覆被類型的時空尺度效應及驅動機制對于緩解城市熱島，合理的城市規劃布局和提高人居環境具有重要的現實意義（欒夏麗等，2018）。

城市熱環境受下墊面類型影響顯著（Kuang et al.，2015；王敏等，2013）。基于遙感獲得的地表參數數據在研究城市熱環境方面已取得良好的效果，地表參數與地表溫度密切相關（王天星等，2009；翁清鵬等，2015；謝啟姣等，2016），且具有顯著的時空特征效應（Ma et al.，2016）。王植等（2018）對沈陽市16年間地表參數與地表溫度進行擬合分析研究，發現不透水面的升溫作用接近甚至超過植被和水體降溫作用之和，且隨地表參數的變化，熱島面積上升了11.83%。崔林林等（2018）研究了不同季節期間歸一化植被指數（NDVI）、歸一化建筑指數（NDBI）與改進的歸一化水體指數（MNDWI）與地表溫度間的相關關系，結果表明同一地表參數在不同季節與地表溫度的相關性存在一定的差異。人們不僅做了不同時間尺度方面的城市熱環境效應研究，還進行了空間上的跨尺度研究（Luo et al.，2016）。Min et al.（2019）以南京都市圈為例，選取100、300、600、900、1500 m的理想網格尺度進行4種地表特征參數與地表溫度的相關性研究，結果發現300 m網格尺度最具解釋力。韓善銳等（2017）以南京市主城周邊為研究區，選取2、5、10 km的空間尺度進行研究，發現隨尺度增大植被蓋度與地表溫度呈逐漸增強的極顯著負相關關系，而水體蓋度與地表均溫僅在2 km尺度存在極顯著負相關。從前述可看出，同樣以南京為研究區，Min et al.（2019）和韓善銳等（2017）因研究空間尺度范圍及跨度不同而使得城市熱環境效應研究結果各異，而基于不同的研究對象結果差異性更大（孟憲磊，2010；杜航等，2019）。因此，城市熱環境與地表覆被的時空尺度效應研究還有待深入。

本文以南京市為研究對象，利用Landsat 8遙感影像數據獲取四季地表溫度和地表特征參數，在此基礎上研究了30—16000 m共14不同空間尺度上地表特征參數與地表溫度之間的相關性，并進一步探討了不同時空條件下城市熱環境的主要驅動因素，以期深入理解城市熱環境變化的驅動機制，為城市的合理規劃與可持續發展提供參考和依據。

1 研究區域與數據源

1.1 研究區概況

南京市（31°14′-32°37′N，118°22′-119°14′E）位于長江下游，江蘇省西南部，是江蘇省省會及政治、經濟、文化中心，也是一帶一路戰略與長江經濟帶戰略交匯的節點城市，南京都市圈核心城市。南京屬于北亞熱帶濕潤氣候，三面環山，地跨長江兩岸，雨量充沛，冬夏長、春秋短，冬夏溫差顯著。截止2017年，南京市常住人口為833.5萬人，城鎮化率為82.29%，主城區已完全城鎮化，建成區面積達 1398.69 km2。高度的城市化和城市規模的不斷擴大及高強度的經濟活動導致南京市一直位于全國火爐城市排名的前列。

1.2 數據源

本研究選取南京市2017年3月15日（春）、7月21日（夏）、10月9日（秋）、12月12日（冬）四期成像質量良好的遙感影像（行列號：120-38），影像數據下載自地理空間數據云（http://www.gscloud.cn/）。數據處理級別為 L1T，無需進行幾何校正（初慶偉等，2013），因此影像預處理包括輻射定標和大氣校正。利用Landsat 8的OLI陸地成像儀的波段通過計算得到 NDVI、NDBI和MNDWI地表參數數據。利用Landsat 8的TIRS熱紅外傳感器的波段反演地表溫度，由于第11波段存在較大誤差，采用TIRS 10波段進行反演（徐涵秋，2015）。

南京市土地利用原始數據取自清華大學團隊提供的2017年分辨率為30 m的全球土地覆被數據集（Gong et al.，2019）（http://data.ess.tsinghua.edu.cn），經重分類提取相應的土地利用類型。

2 研究方法

2.1 地表溫度反演

本研究進行地表溫度反演的方法為輻射傳輸方程法（RTE法），也稱大氣校正法。該方法首先估計大氣對地表熱輻射的影響，然后從衛星傳感器所觀測到的熱輻射總量減去這部分大氣影響，得到地表熱輻射強度，再將該熱輻射強度轉化為相應的地表溫度（鄧書斌，2014）。具體公式如下：

式（1）為大氣輻射傳輸方程，其中：Lλ為衛星傳感器接收到的熱紅外輻射亮度值，由大氣向上輻射亮度L↑、地面的真實輻射亮度經過大氣層之后到達衛星傳感器的能量和大氣向下輻射到達地面后反射的能量L↓三部分組成；ε為地表比輻射率；TS為地表真實溫度（單位為K）；B(TS)為黑體熱輻射亮度；τ為大氣在熱紅外波段的透過率。溫度為T的黑體在熱紅外波段的輻射亮度B(TS)計算公式如下：

L↑、L↓、τ通過在 NASA提供大氣校正參數計算器（ACPC）（http://atmcorr.gsfc.nasa.gov）中輸入成像時間及中心經緯度獲得。TIRS的Band10熱紅外波段與 TM/ETM+6熱紅外波譜范圍相近，因此采用 TM/ETM+6相同的地表比輻射率計算方法，使用Sobrino et al.（2004）提出的NDVI閾值法計算地表比輻射率ε：

式中，Pv是植被覆蓋度，計算公式如下：

其中，NDVI為歸一化植被指數，見式（6）；NDVIsoil為完全被裸土或無植被覆蓋區域的 NDVI值，NDVIveg代表純植被像元的 NDVI值。取經驗值NDVIveg=0.70和NDVIsoil=0.05，即當某個像元的NDVI大于0.70時，Pv取值為1；當NDVI小于0.05，Pv取值為0（鄧書斌，2014）。

TS可以用普朗克公式函數獲?。?/p>

式中，K1、K2為轉換參數，對 Landsat8-TRIS數據，K1=774.89 W·m-2·sr-1·μm-1；K2=1321.08 K。

2.2 地表溫度等級劃分

本研究選用均值-標準差分類法進行南京市地表溫度等級的劃分。均值-標準差分類法以地表溫度均值與標準差的倍數組合為依據劃分溫度等級（Kachar et al.，2015），此方法相較于等間距分級法具有能較好地反映不同地表的溫度變異細節和體現熱環境的空間分布的優勢（潘瑩等，2018；程志剛等，2016）。本文分別選取均值（μ）、0.5個標準差（0.5 std）和1個標準差（1 std）為分割點值將南京市地表溫度劃分為5級，見表1。

表1 均值-標準差溫度等級劃分方法Table 1 Mean-standard deviation temperature grade division method

2.3 地表參數計算

2.3.1 歸一化植被指數（NDVI）

NDVI指數能將植被從水和土中分離出來，能反映植被生長狀態及植被覆蓋度，其值越高表示植被覆蓋度越大（Gillesoie et al.，2018）。其表達式為（Weber et al.，2018）：

式中，RNI表示近紅外波段反射率；Rr表示紅光波段反射率。

2.3.2 改進的歸一化水體指數（MNDWI）

由于傳統水體指數（NDWI）提取城市中的水體效果較差，徐涵秋提出的改進的歸一化水體指數（MNDWI）能很好地區分陰影和水體，更適用于提取城鎮范圍內的水體，其表達式如下（Xu，2006）：

式中，Rg表示綠光波段反射率；RMI表示中紅外波段反射率。

2.3.3 歸一化建筑指數（NDBI）

查勇等（2003）在楊山（2000）引進國際通用建筑指數定義仿歸一化植被指數的基礎上提出歸一化建筑指數（NDBI），根據在近紅外和中紅外波段之間城鎮灰度值增高，其他地類灰度值均變小的規律，較為準確地提取城鎮等建筑用地信息，NDBI值越大表明建筑越密集（Polydoros et al.，2015），其表達式如下（Chen et al.，2017）：

式中，RMI表示中紅外波段反射率；RNI表示近紅外波段反射率。

3 結果與分析

3.1 地表溫度反演精度驗證

本文選取反演地表溫度與當時氣溫對比法檢驗地表溫度反演的精度（王植等，2018）。通過中國氣象數據網（http://data.cma.cn/data/online.html?t=1）查閱南京市當時氣溫數據，與反演的地表溫度對比進行精度驗證。如表2所示，各時期地表溫度均高于當時氣溫，且趨勢一致，表明反演結果與實際情況吻合，精度較高。因此本文反演得到的地表溫度可用于南京市熱環境的研究。

表2 研究區地表溫度與氣溫對比Table 2 Comparison of land surface temperature and air temperature in the study area

3.2 南京市熱環境空間分布

如圖1所示，南京市熱環境的空間分布特征存在較大的季節差異。夏、秋季，南京市中心城區呈高溫集中連片分布區，即夏、秋季南京市中心城區的熱島效應明顯。春、冬季，南京市中心城區的高溫區面積相對較小且分散；春季，六合區為主要高溫集中連片區；冬季，高溫聚集區主要分布在長江南京段水域、浦口區西部及高淳區東南部。

3.3 南京市各土地利用類型的平均溫度

由圖2可知，不透水面和未利用地的平均地表溫度全年呈現出高于其他用地類型的特點；耕地的平均地表溫度在春季表現為顯著高于林地、草地、水體用地類型，其他季節不明顯；水體在冬季表現出異常增溫現象。因此，可看出不透水面、水體和耕地等土地覆被類型是造成南京市熱環境變化的主要地表自然驅動因素。

圖1 南京市2017年熱環境空間分布圖Fig. 1 The spatial distribution of thermal environment in Nanjing in 2017

3.4 不同時空尺度下地表溫度與 3種地表特征參數的相關關系分析

3.4.1 南京市春季不同空間尺度的相關分析

如表3所示，南京市春季NDVI僅在300 m以下的網格尺度上與地表溫度具顯著負線性相關關系；MNDWI和NDBI與地表溫度幾乎在所有網格尺度上均表現較高的顯著性，且可以看出NDBI的斜率最大，表明其增溫效應最明顯；MNDWI的測定系數R2在所有網格尺度上均為最大，表明 MNDWI與地表溫度的負線性擬合關系最強。整體看來，春季NDBI隨著網格尺寸的增大與地表溫度的相關關系呈波動變化，而 MNDWI隨網格尺寸增加R2呈先增大后減小的變化，在網格尺寸為12000 m時相關性最強。

圖2 南京市2017年四季不同土地利用類型的平均地表溫度Fig. 2 The average land surface temperature of different land-use types in Nanjing during the four seasons in 2017

表3 春季3種地表特征參數與地表溫度在不同網格尺寸之間的相關性Table 3 Correlation between the three surface feature parameters and land surface temperature in different grid sizes in spring

3.4.2 南京市夏季不同空間尺度的相關分析

如表4所示，南京市夏季NDBI幾乎在所有尺度上均與地表溫度存在極顯著的正相關關系（P＜0.0001）；NDVI和 MNDWI均在 12000 m 以下的網格尺度上與地表溫度呈顯著負相關關系，網格尺寸超過12000 m顯著性消失，該結果表明植被和水體的降溫效應分析存在一定的面積閾值，這與前人研究成果相符（Du et al.，2017；Wu et al.，2019），從而可看出研究南京市夏季植被和水體顯著性降溫效應在理想網格尺度上的面積閾值為144 km2。

如圖 3所示，無論何種網格尺寸測定系數R2均表現為：NDBI＞NDVI＞MNDWI，且 NDBI 線性回歸的斜率均遠大于NDVI和MNDWI（見表4），表明建筑等不透水面是南京市夏季城市熱環境惡化的主要驅動因素。隨著研究尺度的增大，3種地表特征參數與地表溫度線性相關性的測定系數（R2）均呈上升趨勢，表明研究尺度越大，模型的擬合度越高，這與Liang et al.（2008）及韓善銳等（2017）的研究結果相似。

表4 夏季3種地表特征參數與地表溫度在不同網格尺寸之間的相關性Table 4 Correlation between the three surface features and land surface temperature in different grid sizes in summer

圖3 南京市夏季不同網格尺寸的測定系數Fig. 3 Determine coefficients of different grid sizes in Nanjing in summer

3.4.3 南京市秋季不同空間尺度的相關分析

如表5所示，南京市秋季NDVI和NDBI均在6000 m以下的網格尺度上具極顯著負相關性，在網格尺寸為8000 m時具顯著性相關關系，MNDWI在 12000 m以下的所有網格尺度上均具極顯著負相關性，而在網格尺寸為16000 m時具顯著負相關性。MNDWI的測定系數R2在所有網格尺寸上均為最大，表明MNDWI與地表溫度的負線性擬合關系最強，但就斜率而言，NDBI仍表現出最大斜率，表明 NDBI的增溫效應仍最明顯。NDVI和 NDBI的測定系數R2隨網格尺寸的增大呈先增大后減小變化，NDVI在網格尺寸為500 m相關性最大，NDBI在網格尺寸為 500 m時表現出最大的相關性；而MNDWI的測定系數R2隨網格尺寸的增大呈遞增趨勢，在網格尺寸為12000 m時達到最大相關性。

表5 秋季3種地表特征參數與地表溫度在不同網格尺寸之間的相關性Table 5 Correlation between the three surface characteristics parameters and land surface temperature in different grid sizes in autumn

3.4.4 南京市冬季不同空間尺度的相關分析

如表6所示，南京市冬季3種地表特征參數在不同網格尺度上與地表溫度的相關關系均較弱，且僅在一定的網格尺寸具顯著性。其中，NDVI僅在網格尺寸為6000 m時與地表溫度呈極弱的相關關系；NDBI在網格尺寸為6000—10000 m時與地表溫度具顯著正相關關系；MNDWI與地表溫度的相關關系隨著網格尺寸的增加在4000 m處發生由正相關到負相關的轉變。整體而言，南京市冬季地表溫度受地表覆被類型的驅動作用遠低于春、夏、秋三季，說明南京市冬季熱環境可能更受地表覆被以外的驅動力作用。

表6 冬季3種地表特征參數與地表溫度在不同網格尺寸之間的相關性Table 6 Correlation between the three surface characteristics parameters and land surface temperature in different grid sizes in winter

4 討論

人類活動改變下墊面的土地覆被類型，進而間接導致城市熱環境變化，從而推動城市熱島效應的形成。土地覆被類型變化導致的城市熱環境的改變并非固定不變，土地覆被類型的熱效應具有一定的時空特征，這種時空特征對城市熱島效應的驅動作用不容忽視。

由圖2可知，南京市春季不同土地利用類型的平均溫度為：未利用地 (19.67 ℃)＞不透水面(18.38 ℃)＞耕地 (18.21 ℃)＞···＞水體 (14.80 ℃)。因此，南部廣泛的水體分布導致南部形成了低溫連片區。南京市六合區北部為大面積耕地分布區，而南京市春季耕地均溫偏高，故造成六合區北部的高溫集中連片區。研究選取 2017年 3月 15日的Landsat 8遙感影像反映南京市春季熱環境和土地覆被狀況，而南京市六合區耕地受其上作物類型及作物生長狀況的影響，春季耕地可能呈現類似裸地或半裸地特征而使得耕地均溫偏高。因此，南京市春季熱環境空間分布主要受人類耕作活動及作物生長周期的驅動，研究期耕地裸露造成高溫區集中分布于六合區；水體為南部低溫集中連片區的主要驅動因素；而此時城市建設用地等不透書面的升溫作用略低于耕地，僅形成高溫散布區。

夏季NDBI在所有網格尺度上測定系數R2和斜率均遠高于NDVI和MNDWI，表明城市建設用地等不透水面為南京市夏季熱島效應的最顯著土地覆被驅動因素，這與崔林林等（2018）和劉丹等（2018）的研究成果相似。秋季不透水面仍為城市熱島效應的重要的土地覆被驅動因素，但其作用強度明顯低于夏季，且存在尺度效應（表5）。

南京市冬季熱環境的顯著特征為長江南京段水域溫度偏高，該結果并不能單用水體的比熱容大具有保溫作用解釋，因為南部的石臼湖、固城湖等水體未出現高溫。一方面考慮到長江的重要經濟和航運地位，陸大道院士（2014）曾指出長江作為中國主要的內陸航道，僅上海港至南京港貨物吞吐占全部內河港口吞吐量的 66%，濱江一帶具有大量工業和交通設施；另一方面，已有很多研究表明人為熱排放也是造成熱環境惡化的重要因素（Yin et al.，2018；李洪忠等，2019）。因此，不同空間尺度的研究表明冬季熱環境較少受地表覆被類型的影響（表6），南京市冬季長江南京段高于城區內其他水域的熱環境異?，F象可能源于運輸熱釋放等人為熱排放驅動。

5 結論

（1）僅從地表覆被因素并不能完全解釋熱環境變化的驅動機制，建設用地擴張、運輸熱釋放等人為熱排放等人類活動因素可能對城市熱環境產生較強的驅動作用，特別是冬季最為顯著。

（2）在不同研究空間尺度條件下南京市一年中春、夏、秋三季均表現出NDBI與地表溫度的顯著正相關關系，且回歸分析的斜率均為最大，表明城市發展導致的建筑等不透水面是城市熱島效應的重要驅動因素。

（3）在城市規劃布局時，應統籌季相變化和地表覆被類型與城市熱環境的空間尺度效應以便確定該城市各種地表覆被類型的合理分布。