大西安都市圈城市熱島效應時空分布特征及AOD對熱島強度的影響研究

梁秀娟 ，王旭紅 *，牛林芝 ，韓海青 ，鄭玉蓉 ，張秀

1.西北大學城市與環境學院，陜西 西安 710127；2.陜西省地表系統與環境承載力重點實驗室，陜西 西安 710127；3.陜西西安城市生態系統定位觀測研究站，陜西 西安 710127

城市熱島（Urban Heat Island，UHI）是城市擴張過程中地表覆蓋特性硬化、氣候條件改變和人為熱排放等因素造成的城市地溫明顯高于周邊地區的現象。隨著城市的不斷擴張以及人口活動的不斷增加，不透水表面的覆蓋面積逐漸增大打破了地表能量的收支平衡并影響了城市的熱環境，導致出現了一系列社會生態和城市環境污染的問題（劉宇等，2006），因此，多年來，UHI效應一直備受國內外大量學者的關注。在一般的情況下，UHI有兩種表示方法，第一種是從氣象站點采集的大氣溫度來表征UHI（Peterson，2003；Chowet al.，2006），第二種是利用遙感技術獲得的地表溫度來研究UHI（Peng et al.，2012；Gedzelman et al.，2003）。由于氣象站點稀疏，無法完整地反映整個研究區域的溫度變化，且大多數站點建立在城市地區，對研究農村地表溫度的檢測有一定的限制。目前，遙感技術的日益發展，人們通過衛星有效地收集地表溫度（LST）數據并應用于UHI的研究，因為具有更容易獲得、大面積連續覆蓋、更高空間率的優點。近年來，城市熱島、城市化以及大氣污染帶來的問題越來越嚴重，一定程度上影響了人們身體健康，破壞了城市生態環境。因此，研究UHI有助于了解城市熱島的狀況特征和城市熱環境的變化，對應對由UHI、大氣污染等引起城市環境問題而提出的社會生態系統管理策略具有重要意義。當前，國內外學者們對UHI已進行了大量的研究。Gedzelman et al.（2003）研究分析了紐約的UHI，得出風速、風向和云量影響了城市溫度導致UHI效應。王美雅等（2018）以中國13個主要城市為研究區域，分析了人口密度與白天的UHI強度的相關性，得出白天UHI強度隨著人口密度增加而增加。張楊等（2012）利用TM影像數據定量分析了武漢市土地利用類型對UHI的影響，結果表明NDVI與地表溫度存在著明顯的負相關，這說明植被對城市熱環境在一定程度起到緩解作用。高紅燕等（2009）研究了長時間序列站點氣溫數據對UHI變化的影響，得出不同季節和年際平均氣溫對城市熱島具有明顯的增強趨勢。此外，也有一些學者提出城市中大氣顆粒物和大氣環境的污染也是UHI的一個貢獻因素，如Cao et al.（2016）人利用氣候模型量化了氣溶膠對UHI強度的貢獻，得出氣溶膠加劇了中國夜間的UHI。Pandey et al.（2014）分析了UHI強度和氣溶膠負荷的時間變化，得出UHI強度與氣溶膠光學厚度（AOD）之間存在明顯的線性相關性。Imhoff et al.（2010）和Tran et al.（2006）提出UHI強度可廣泛地定義為城市與周邊農村的溫度差。這些研究主要關注于氣象因子變化、大氣污染、人口增長等因素對UHI演變的影響。

本研究依托地理信息技術和遙感技術，選取關中腹地的大西安都市圈為研究區，利用2003—2018年時間序列的MODIS影像獲得的地表溫度，分析近年來大西安都市圈城市熱島的時空分布、UHI強度的時間變化趨勢，UHI強度與自然、社會經濟因素的相關性研究。通過對UHI強度的時空格局的影響因素研究，探索城市熱島的形成機理，并提出緩解城市熱島效應的改進措施。

1 研究區域與數據

1.1 研究區

2010年，大西安總體空間發展規劃首次提出，計劃在10 a時間里，西安要建成面積為1×104km2，人口1 280×104人以上的國際化大都市，以此起到對西部地區的引領作用（張武康等，2018）。大西安主要集中在陜西省中部的關中地區平原腹地，南部依傍秦嶺，北部接壤渭河平原，介于107°40′—109°49′E，33°41′—34°7′N之間，包括西安市整個行政轄區、咸陽市秦都區、渭城區、興平市、武功縣、涇陽縣、三原縣、禮泉縣、乾縣、楊凌區、渭南市和富平縣，東西長約100 km，南北寬70 km，總面積為1.75×104km2（從輝等，2017）。研究區域地勢北部低，南部高，屬于溫帶半濕潤大陸性季風氣候，常年夏季炎熱多雨，冬季稍冷少雨。研究區范圍如圖1所示。

圖1 研究區地理位置Fig.1 Location of the study area

1.2 數據來源與處理

1.2.1 數據來源

收集了地表溫度、土地覆蓋等不同的數據集用來研究分析（表1）。研究區域的地表溫度(LST)數據來源于美國國家航空航天管理局NASA提供的搭載在Aqua衛星上的MODIS 8天合成產品MYD11A2（第6版），該衛星在當地時間白天13:30左右（白天LST數據）和午夜01:30左右（夜晚LST數據）過境，空間分辨率為1 km（Wan，2008）。土地覆蓋數據來自中國科學院提供的CLUD，總體準確性高于90%（Kuang et al.，2016；Liu et al.，2010；Liu et al.，2014），每5年更新一次原始數據，一共有25種土地覆蓋類型，將類別重新分為4大類（城市地區、農村居民點、水體和其他類型）。

表1 本文中使用的數據集Table 1 Datasets used in this research

利用以下數據集來檢測與UHI強度的相關性：

（1）氣溶膠光學厚度（AOD）。本研究選用MODIS Level 2級氣溶膠產品MYD04_3K“Optical_Depth _Land_And_Ocean”數據集來分析與UHI強度的相關性，它是C6版本下的DT（Dark Target）算法確定的日均產品（Remer et al.，2013；孫曉雷等，2015）。

（2）增強植被指數(EVI)。本研究使用MYD 13A3增強植被指數（EVI）數據集（月度合成產品，空間分辨率為1 km）提取植被信息（Han et al.，2013；Dallimer et al.，2011；Zhou et al.，2014a），EVI越高表示植被覆蓋率越高（Wang et al.，2015）。

（3）降水數據。從中國氣象網站（https://data.cma.cn/）獲得月度降水數據，將站點數據用ArcGIS軟件中的反距離權重（IDW）工具插值得到柵格數據，以反映城市的氣候背景（廖順寶等，2003）。

（4）遙感夜間燈光數據（NL）。DMSP/OLS夜間燈光數據集（第4版）是在美國NOAA網站下載的（Doll et al.，2006），研究使用的是穩定燈光值（stable light）部分，根據以前的研究（Peng et al.，2012；Liao et al.，2017），遙感夜間燈光數據（NL）是表征人為熱釋放的最佳數據之一。

（5）數字高程模型(DEM)。從SRTM（http://earthexplorer.usgs.gov/）免費獲取數字高程數據，空間分辨率為α=3″（約90 m），以排除高度影響（Dallimer et al.，2011）。

1.2.2 數據預處理

MODIS數據處理。

由于大西安地區處于MODIS軌道交接處，下載兩景影像（H26V05、H27V05）供后續研究。首先利用MRT軟件對數據進行批量處理（影像鑲嵌、重新投影和重采樣）。然后利用ArcGIS軟件對MODIS數據進行最大值合成得到月數據，對有缺失值的影像進行反距離權重插值。最后應用疊置分析得到MODIS數據的季平均和年平均數據。分析季節變化時，統一采用劃分標準：春季（3—5月），夏季（6—8月），秋季（9—11月），冬季（12至次年2月）。

MYD11A2 LST數據處理。

每期數據選取LST_Day_1 km（白天）和LST_Night_1 km（夜晚）子數據集批量處理后進行輻射定標，將其轉換為LST（Wan et al.，1997；Wan et al.，2004；張燊等，2019）。查找數據頭文件可得到數據產品的輻射縮放比為0.02，輻射截距為0。利用公式（1）計算地表溫度（℃），生成大西安的地表溫度數據。

式中，ts代表地表溫度，單位為℃；DN代表數據產品像元的亮度值，乘以0.02得到開爾文溫度，單位為K。

遙感夜間燈光數據處理。

運用不變目標校正法（Elvidge et al.，2009；李雪萍等，2019）對DMSP/OLS夜間燈光數據進行了傳感器間相互校正、連續性校正及過飽和校正處理得到長時間序列穩定的夜間燈光數據。

最后，將所有處理好的數據使用大西安都市圈行政范圍矢量數據進行掩膜裁剪，得到大西安的影像數據，重新定義統一的投影（WGS_1984_UTM_Zone_49N）并重采樣成1 km的空間分辨率，以利于后續進行相關分析。

2 研究方法

由于城市的快速發展，不同年份的城市規模和空間范圍也有所不同。因此，在研究分析之前必須對市區進行劃分。提取城市和農村的邊界需要做以下4個步驟：（1）在4幅土地覆蓋地圖（2000、2005、2010、2015年）上使用1 km×1 km的移動窗口法（與MYD11A2數據的像素大小保持一致）生成建筑強度（BI）圖，如圖2所示（Imhoff et al.，2010）；（2）將BI以50%的閾值劃分為高強度和低強度的建筑用地（Lu et al.，2002），并把大于50%的建筑用地聚合在一起作為城市區域（排除水像素）；（3）用疊加分析把4幅土地覆蓋地圖的城市區域相交得到穩定城市區域（SUA），也就是在整個年份中一直是市區；然后用疊加分析把4幅土地覆蓋地圖聯合（即聯合城市）并減去SUA，剩下的面積定義為城市區域（UA），如圖3所示；（4）在聯合城市區域上生成20 km和20—25 km的緩沖區（Zhou et al.，2014b；Yao et al.，2017），為了減少偏差，排除在城市區域平均高程±100 m范圍以外的像素和水像素，將20—25 km的緩沖區作為農村區域（排除城市地區、工業用地和農村居民點像素）（Han et al.，2013；Yao et al.，2018）。分析UHI強度的時間序列是2003—2018年，將2005、2010、2015年劃分的城鄉邊界分別表示2003—2007年、2008—2012年和2013—2018年的數據。

圖2 土地覆蓋數據生成的建筑強度（BI）圖Fig.2 Building Intensity (BI) graphs generated from land cover data

圖3 4個區域（穩定城市SUA、城市區域UA、20 km緩沖區和20—25 km緩沖區）的示意圖Fig.3 Schematic diagram of four areas (stable city SUA, urban area UA, 20 km buffer zone and 20-25 km buffer zone)

在本研究中，從3個方面評估了UHI的時間趨勢：

（1）UHI強度（UHII）。在生成城市地區和農村地區的邊界后，用式（2）、（3）來表示UHII（Zhou et al.，2014b；Zhou et al.，2015）：

式中，tSUA，tUA和tR分別是穩定城市SUA，城市區域UA和農村地區的LST，而ΔtSUA和ΔtUA分別表示SUA和UA中的UHII。

（2）UHI區域（AreaUHI）。前人的研究中表明UHI的區域遠遠大于城市區域，符合UHI區域必須滿足以下條件：①被劃分為建成區（城市地區、工業用地和農村居民點）；②在聯合城市區域和20 km緩沖區中；③LST比農村地區平均LST高1 ℃以上（Imhoff et al.，2010）。UHI區域面積則是滿足條件的像元數量乘以1 km2。

（3）UHII面積增加百分比（PAIUHII）。首先利用公式（2）、（3）對聯合城市以及20 km緩沖區計算出每個像素的UHII，然后對2003—2018年中每個像素的UHII值進行線性回歸分析得到線性變化率，最后分別計算聯合城市和20 km緩沖區的線性變化率大于零的像素百分比，將計算的PAIUHII代表像素UHII隨時間序列增加而增加的百分比。如果PAIUHII為90%，則表明從2003—2018年，該地區90%的UHII有所增加。

3 結果與討論

3.1 地表溫度時空分布特征

大西安都市圈在2003—2018年間白天平均地溫是21.68 ℃，夜晚平均地溫是7.28 ℃。白天年平均地溫在2013年最高為24.02 ℃，最低值出現在2012年僅為19.68 ℃，高低值相差4.34 ℃；夜晚年平均地溫在2013年最高為8.48 ℃，在2008年最低是6.47 ℃，高低相差值為2.01 ℃，約為白天差值的一半。由圖4a可以看出，在近16年以來大西安白天和夜晚年平均地溫雖波動起伏，但整體上均呈現出逐漸上升趨勢，其中白天上升趨勢相對較快，整體上升約1.29 ℃，而夜晚平均地溫整體上升僅為0.11 ℃。大西安都市圈處于季風氣候區，季節變化明顯，在圖4b中看出4個季節的白天平均地溫在不規則波動中逐漸上升，其中冬季波動程度最大，春季和秋季次之，夏季起伏程度最小。此外，夏季地表溫度整體最高，在31.31—34.73 ℃之間，春季次之，冬季最低，在7.09—11.27 ℃之間。圖4c中可知4個季節夜晚平均地溫的起伏程度相比白天較小，其中春季和秋季的平均地溫很接近，兩者在交叉波動中均呈現緩慢上升的趨勢，冬季夜晚的平均地溫均小于0 ℃，在-6.45— -3.01 ℃之間起伏變化。從以上分析可以看出，研究區地表溫度隨著時間變化逐漸上升，城市化進程對其熱環境時間變化特征的變化影響很大，尤其在2013年大西安地區地溫達到了最高，但在2014—2018年期間城市化進程并未引起地表溫度急劇增長，這與黨元軍等（2019）的研究結果一致。體現了城市建設部門在這個階段對城市進行了合理的規劃并采取了一些有效措施緩解了城市熱島效應。

圖4 大西安都市圈地表溫度年際和季節變化圖Fig.4 Internanual and seasonal variations of LST in Greater Xi’an Metropolitan

利用Mann-Kendall非參數檢驗法和R/S分析法對大西安都市圈近16年年均地溫和季均地溫變化的時空特征進行了分析。從趨勢檢驗結果（表2）得出：在2003—2018年間大西安都市圈白天平均地溫的檢測統計量Z值為1.981，在0.05顯著水平下呈現上升趨勢，傾斜率為0.123 ℃·a-1，遠高于夜晚升溫速率為0.051 ℃·a-1。從季節來看，各個季節白天平均地溫的變化率相差不大，分別為0.130 ℃·a-1（春季），0.119 ℃·a-1（夏季），0.101℃·a-1（秋季）和0.121 ℃·a-1（冬季），其中夏季白天（P＜0.01）和冬季白天（P＜0.05）平均地溫增加趨勢比較明顯，而春季和秋季白天平均地溫雖呈現上升趨勢，但沒有通過0.1的顯著性檢驗；在夜晚地表溫度中，四季變化率中冬季（0.101 ℃·a-1）最高，其次是夏季（0.094 ℃·a-1），春季最小（0.062 ℃·a-1），其中夏季（P＜0.05）、秋季（P＜0.05）和冬季（P＜0.01）平均地溫增加趨勢比較明顯，這與各個季節平均地溫的變化趨勢結果是一致的（圖4）。結合R/S分析，從表2得到年、春季、夏季和秋季白天平均地溫時間序列的Hurst指數均大于0.5，在夜晚平均地溫中，全年、春季和夏季時間序列的Hurst指數大于0.5，表明大西安地區平均地溫時間序列的變化前后正相關，上升趨勢在未來的一段時間里具有持續性。

表2 2003—2018年大西安都市圈平均地溫時間序列Mann-Kendall趨勢檢驗及R/S分析結果Table 2 The Mann-Kendall trend test and R/S analysis of the average LST time series of Greater Xi'an Metropolitan in 2003-2018

通過計算得到全年、春季、夏季、秋季和冬季白天平均地表溫度（θ）分別為21.67、24.61、32.8、20.79、8.46 ℃，標準差（SD）分別為4.36、4.53、5.83、3.99和3.41。根據文獻（陳松林等，2009）中的均值-標準差法來研究大西安都市圈地溫的空間變化特征，標準差反映的是地表溫度相對于平均地溫的分散程度，該方法表征高于平均地溫的區域更容易轉化成城市熱島區，并且均值-標準差法對溫度變化具有一定的細節表現力以及對地表溫度的空間分布格局分級數的敏感性較小。因此，均值-標準差法是研究城市熱島的適合方法。將大西安都市圈地表溫度分為5個級別，分別為低溫區、次低溫區、中溫區、次高溫區和高溫區，分級標準如表3所示。鑒于地表熱場等級劃分與城市熱島界定，將高溫區和次高溫區歸類劃分成熱島區。由于受城鎮、工業建設以及人為活動的影響，不同時相的城市熱島相對顯著（圖5），從圖中可以大體上看出年平均地溫分布特征和四季分布基本相似，但四季平均溫度分布明顯呈現出不同的變化情況。整個研究區域的平均地溫呈現北高南低的格局，其中低溫區（主要分布在南部的秦嶺一帶）、中溫區（主要分布在渭南市北部以及東南部、咸陽市西北部和西安市中間一部分）和次高溫區（主要分布在北部以及中心部分）所占面積最大，這種分布形勢與大西安總體空間發展戰略相吻合。

表3 溫度等級與對應的熱場劃分方法Table 3 Temperature level and corresponding thermal field division method

根據大西安都市圈平均地表溫度分級的結果，將各個分級的地溫面積進行統計，并計算出不同時相平均地溫各個分級的面積比例，如表4所示。從表中可以看出年平均地溫中次高溫區面積最大，所占比例約為51%，高溫區面積最小，所占比例為2.5%。在不同季節中，夏季、秋季和冬季的次高溫區面積比例最大，高溫區面積比例最小，所占面積比例不到5%，春季高溫區所占面積相對較高，為9%。年平均和秋季平均地溫面積所占比例由高到低排序依次為：次高溫區＞低溫區＞中溫區＞次低溫區＞高溫區，夏季和冬季平均地溫分級面積由高到低排序依次為：次高溫區＞中溫區＞低溫區＞次低溫區＞高溫區，春季地溫各個分級的面積排序和其他的大不相同，中溫區所占面積最大，次低溫區所占面積最小。年均熱島區所占面積比例約為54%，超過研究區總面積的一半，秋季和冬季熱島范圍相對較高，春季的熱島范圍最低。從以上研究得出大西安地區熱島效應顯著，因此，在城市化進程發展的同時采取增加綠化面積等措施緩解熱島效應。

表4 年平均和季節平均不同等級地溫面積比例Table 4 Percentage of ground temperature area in different grades and seasonal averages %

圖5 大西安都市圈年平均和季節平均地表溫度分級圖Fig.5 Annual and seasonal mean LST grading in Greater Xi'an Metropolitan

3.2 UHII和城市熱島足跡（UHI區域）的特征分析

圖6 2003—2018年SUA和UA的全年與季節平均UHI強度分布圖Fig.6 Distribution of annual and seasonal average UHI intensity of SUA and UA from 2003 to 2018

表5 2003—2018年大西安都市圈UHI強度、UHI區域以及UHII面積增加百分比統計Table 5 UHII, AreaUHI and PAIUHII statistics of Greater Xi'an Metropolitan from 2003 to 2018

UHII在大西安比較明顯（圖6），分別把穩定城市區域（SUA）以及城市區域（UA）計算的UHII進行統計（表5），從表中看出SUA的UHII在全年白天（P＜0.01）和夜晚（P＜0.01），春季白天（P＜0.1）和夜晚（P＜0.01），夏季白天和夜晚（P＜0.05），秋季白天（P＜0.05）和夜晚（P＜0.05）以及冬季夜晚（P＜0.01）均顯著高于UA。其中，SUA的全年夜晚平均UHII為3.74 ℃，比UA高出2.19 ℃，在春季夜晚和冬季夜晚平均UHII中，SUA比UA高出約2.5 ℃，其他UHII差值均小于2 ℃。從空間分布上看（圖6），全年、春季、夏季和秋季白天的UHII高值主要分布在UA的西部和SUA的中間部分。然而，在全年和各個季節夜晚的UHII的高值集中在SUA整個區域，低值分布在UA區域，即城市夜晚的地表溫度均高于周邊農村地區，造成夜晚熱島效應的原因可能與人為放熱（夜間燈光、冬季取暖、交通運輸、氣溶膠污染等方面）、道路和建筑物儲存的太陽釋放的熱量和夜間產生的逆溫現象，造成熱量集中在城市區域。從冬季的UHII分布圖中可以明顯看出，白天的UHII遠遠小于夜晚，此外，白天的UHII低值主要分布在SUA區域，高值分布在四周的UA區域，也就是說在冬季白天城市的地表溫度低于周邊農村，這與夜晚的UHII分布正好相反。

表5中可以看出2003—2018年全年平均UHI面積在白天和夜晚分別為811、947 km2，四季白天的平均UHI面積大小排序為春季＞夏季＞秋季＞冬季，其中冬季的UHI面積僅為19 km2。然而，四季夜晚的UHI面積整體都比較高，春季和冬季面積最高，分別為1 075 km2和1 043 km2，其次是夏季和秋季，分別為813 km2和910 km2。春季和夏季白天的UHI面積比夜晚高出約400 km2，秋季和冬季則相反，其中，秋季夜晚的UHI面積比白天高出約700 km2，冬季高出1 000 km2，相差比較明顯。圖7所示的是2003—2018年聯合城市和20 km緩沖區的UHI區域分布（UHII大于1 ℃），從圖中大體上可以看出UHI主要分布在聯合城市和20 km緩沖區內側的少部分區域，其中秋季白天的UHI占城市中間小部分區域，而冬季只有緩沖區中的幾個像元。

3.3 UHII、AreaUHI和PAIUHII的時間趨勢

圖7 2003—2018年聯合城市和20 km緩沖區的全年與季節平均UHI區域分布圖Fig.7 Distribution of annual and seasonal average UHI area of Union City and 20 km buffer from 2003 to 2018

圖8 2003—2018年SUA和UA城區UHII的年際和季節時間序列Fig.8 Internanual and seasonal time series of UHII in SUA and UA urban areas from 2003 to 2018

圖8所示的是2003—2018年SUA和UA城區UHII的趨勢變化。結果表明，SUA和UA的UHII具有相似的波動變化，其中，全年夜晚和四季夜晚的UHII相比白天起伏波動較小，整體呈現明顯的上升趨勢，而秋季、冬季和全年的UHII在白天波動較大且呈現逐漸下降趨勢。通過利用線性擬合分析得到全年和不同季節的城市熱島效應強度趨勢，從表5可以看出SUA和UA全年夜晚UHII的變化率分別為0.079 ℃·a-1（P＜0.01）、0.072 ℃·a-1（P＜0.01），都通過了0.01的顯著性檢驗，說明UHII的上升趨勢比較明顯，SUA白天UHII的變化率為-0.053 ℃·a-1（P＜0.01），呈現顯著下降趨勢，得知周圍農村地區的地表溫度上升幅度比SUA城區大，UA城區白天UHII（-0.004 ℃·a-1，P＞0.05）無明顯下降。從季節來看，SUA和UA的UHII在春季白天、夏季白天均沒有通過0.05的顯著性檢驗，SUA的UHII在秋季白天（-0.079 ℃·a-1，P＜0.05）下降趨勢比較明顯，但UA（-0.033 ℃·a-1，P＞0.05）無顯著的下降趨勢。同時，SUA（-0.069 ℃·a-1，P＜0.05）和UA（-0.067 ℃·a-1，P＜0.01）的UHII在冬季白天都有比較明顯的下降趨勢。此外，UA在春季夜晚（0.100 ℃·a-1，P＜0.01）、夏季夜晚（0.056 ℃·a-1，P＜0.01）、秋季夜晚（0.043 ℃·a-1，P＜0.01）和冬季夜晚（0.101 ℃·a-1，P＜0.01）的UHII均呈現出顯著的上升趨勢，而SUA的UHII在夏季夜晚（0.056 ℃·a-1，P＜0.05）和秋季夜晚（0.052 ℃·a-1，P＜0.05）的上升趨勢沒有UA明顯。

在大西安2003—2018年UHI面積有明顯的增加（表5）。UHI面積在全年夜晚（36.11 km·a-1，P＜0.01）、春季白天（50.67 km·a-1，P＜0.01）、春季夜晚（38.88 km·a-1，P＜0.01）、夏季夜晚（33.41 km·a-1，P＜0.01）、秋季夜晚（21.10 km·a-1，P＜0.01）和冬季夜晚（50.44 km·a-1，P＜0.01)都有明顯的增加趨勢，但全年白天（15.06 km·a-1，P＞0.05）和夏季白天（21.16 km·a-1，P＞0.05）增加不明顯。此外，秋季和冬季白天的UHI面積均呈現緩慢的下降趨勢。

聯合城市和20 km緩沖區的PAISUHII在全年夜晚均達到90%以上，分別為99.1%和91.1%，表明聯合城市在2003—2018年夜晚99.1%的UHII有所增加，而20 km緩沖區有91.1%的UHII增加。聯合城市從2003—2018年在春季夜晚、夏季夜晚、秋季夜晚和冬季夜晚分別有94.6%、99.5%、95.3%和98.8%的UHII增加。聯合城市和20 km緩沖區的UHII在秋季白天、冬季白天增加都不明顯，不足50%。

3.4 UHI強度與相關驅動力之間的關系

3.4.1 UHI強度與不同影響因素之間的相關性分析

圖9 不同驅動因素與全年和不同季節的平均UHII之間的相關性Fig.9 Correlation between different drivers and the average UHII of the whole year and different seasons

選取兩個人為參數（人口密度，NL遙感夜間燈光）、氣象參數（降水）、植被活動參數（EVI增強型植被指數）、土地覆蓋/利用（不透水表面）和大氣污染（AOD氣溶膠光學厚度）作為檢驗UHII變化的可能影響因素。利用公式（2）、（3）相同的方法計算了ΔNL、ΔEVI和ΔAOD，然后使用SPSS Statistics 22對這6個影響因素分別與SUA城區和UA城區的UHII進行Pearson相關分析并計算出相關系數，如圖9所示的是不同驅動因素與全年晝夜、夏季晝夜和冬季晝夜UHII之間的顯著性關系，由于穩定城市區域（SUA）的不透水表面覆蓋面積在整個年份中并未發生變化，本研究中不作說明。從圖9a中可以看出，影響年白天UHII的主要因素是NL（RUA=0.81，P＜0.01）、EVI（RSUA=0.5，P＜0.05；RUA=0.59，P＜0.01）、人口密度（RSUA=0.71，P＜0.01；RUA=0.45，P＜0.05）和不透水表面（RUA=0.55，P＜0.05），其中，ΔNL、人口密度和不透水表面與UHII存在正相關關系，NL數據是人為熱釋放的理想代表，白天UHII隨著NL增加而增加。ΔEVI與UHII呈現負相關，隨著植被的增加，白天UHII呈現下降趨勢，這是因為植被可以通過蒸騰作用增加潛熱通量，因此會對地表溫度產生冷卻作用，從而減小UHII（陳松林等，2009），但是ΔEVI與夜間UHII的相關性并不顯著，這主要是由于植被在夜間沒有蒸騰作用，UHIIUA與ΔEVI呈現出負相關性主要是由于UA城區隨著時間序列增長從其他土地類型逐漸轉化成不透水表面，從而導致植被覆蓋逐漸減少。NL、AOD和不透水表面是影響年平均夜晚UHII的主要因素，ΔNL與UHIIUA的相關系數達到了0.88（P＜0.001），正相關關系比較強烈，ΔAOD與UHIIUA的顯著性水平P＜0.05，正相關性相對較高。不透水表面是影響UHII的最直接因素，在白天，不透水表面會吸收并儲存大量的太陽短波輻射，其反射率比其他土地覆蓋類型小，因此，隨著不透水表面覆蓋面積的增加，白天和夜晚的UHII都會迅速增加，正相關關系顯著（RUA=0.96，PUA＜0.05）。從圖9b和圖9c可以看出，人口密度也是影響夏季白天和冬季白天UHII的主要因素（PSUA＜0.01，PUA＜0.05），與夏季UHII有較強的正相關性，與冬季UHII呈現負相關性。此外，NL和EVI與夏季白天UHII有較強的相關性，降水與冬季白天UHII呈現明顯的正相關關系，而不透水表面與冬季白天UHII呈現負相關，是因為冬季的太陽高度較低，高層建筑容易形成陰影，從而減少短波輻射量降低了地表溫度。從夏季夜晚和冬季夜晚來看，NL、降水、AOD和不透水表面是主要的影響因素，ΔNL與夏季夜晚UHII存在極強的正相關性（PSUA＜0.01，PUA＜0.01），降水與夏季夜晚UHII（PSUA＜0.05，PUA＜0.05）和冬季夜晚（PSUA＜0.01，PUA＜0.05）顯著負相關，冬季的植被對UHII影響不明顯，因為該季節的植被活動較低。

3.4.2 氣溶膠效應的歸因分析

從圖9中可以看到城市氣溶膠載荷污染是加劇夜間地表溫度的因素，氣溶膠顆粒物以固態或者液態懸浮在大氣中（郭婉臻等，2019），當氣溶膠濃度較高時會形成大氣污染，它們減少到達地面的短波輻射量從而改變了地表面能量的收支平衡，使得地表溫度發生了變化（王海嘯等，1993），然而氣溶膠在長波大氣窗（波長：8—12 mm）具有很強的吸收和發射能力，在一定條件下，氣溶膠會反射來自城市夜間地表面發射的長波輻射，從而加劇了城市熱島強度（曹暢等，2017）。研究發現年平均夜晚UHII與ΔAOD呈現正相關性（R2UA=0.28，PUA＜0.05），夏季夜晚UHII與ΔAOD也存在著正相關性（R2SUA=0.22，R2UA=0.26，P＜0.05）（圖9，圖10），因此，用以下方法估算氣溶膠對夜間城市熱島效應的貢獻。

氣溶膠會減少到達地面的短波輻射量，同時對地面發射出去的大部分能量又向下發射到地面，即大氣逆輻射，因此有可能增加在城市地表接收的長波輻射能量。根據Cao et al.（2016）的研究，量化城市中氣溶膠對UHI的貢獻。可以表示為：

其中，th是氣溶膠對UHI的貢獻，λ0(≈0.20 ℃·m2·W-1)是本地固有的氣候敏感性，f(≈1.7±0.9)是一個無量綱的能量再分配因子，L↓是表面接收到的向下長波輻射（大氣分子和氣溶膠的發射和散射），是通過城市AOD和AOD對長波輻射的靈敏度相乘得到的，由于大西安地區屬于半濕潤大陸性季風氣候，查表可知AOD對長波輻射的靈敏度是 (23.8±4.6) W·m-2。

使用氣候模型計算與對地面長波輻射觀測值的分析相結合，從而定量分析氣溶膠對夜間UHI的貢獻（Jacobson，1998）。用公式（4）以及年平均夜晚AOD，計算出氣溶膠對夜晚UHI的貢獻值（表6），從表中得知氣溶膠對SUA城區夜晚UHI的貢獻為 (1.64±0.16) ℃，對UA城區夜晚UHI的貢獻為 (1.92±0.14) ℃，相比SUA高出約0.28 ℃。這是由于SUA城區在這16 a間一直是商業和住宅建筑物，人為原因會排放出部分污染氣體，但在UA城區以外周邊的咸陽、渭南等市縣多工業工廠，排放出大量的污染物，隨著氣體流動慢慢向城區中心涌來。因此，UA城區比SUA城區氣溶膠污染更嚴重，對夜晚UHI的貢獻更多。氣溶膠對白天UHI的貢獻是不確定的，因為氣溶膠對表面短波輻射和長波輻射具有相反的作用且相關性不明顯，不作研究分析。

圖10 2003—2018年大西安都市圈年平均夜間UHII與ΔAOD的關系Fig.10 The relationship between annual average night UHII and ΔAOD in Greater Xi'an Metropolitan from 2003 to 2018

表6 氣溶膠對UHI的貢獻估算Tab.6 Estimation of aerosol contribution to UHI

4 結論

利用地理信息技術和遙感技術，對2003—2018年這16 a間的MODIS LST數據以及遙感夜間燈光、降水、AOD等影響因子進行了預處理，提取出大西安都市圈的地表溫度，應用Mann-Kendal非參數檢驗法、Pearson相關分析和線性趨勢分析等方法對大西安年均和季均地表溫度以及城市熱島強度進行了時間和空間的分析，并且綜合研究了城市熱島強度與其影響因素的相關性，得到以下結論：

（1）大西安都市圈在2003—2018年間白天平均地表溫度是21.68 ℃，夜晚平均地表溫度是7.28 ℃。其中，全年白天和夜晚平均地溫均在2013年最高，分別為24.02、8.48 ℃。晝夜年均和季均地表溫度多年來雖然起伏波動，但整體上呈現上升趨勢，四季白天地溫中冬季波動程度最大，夏季波動幅度最小，此外，大西安都市圈地表溫度整體呈現北高南低的分布格局。

（2）2003—2018年間四個季節白天平均地溫變化率分別為0.130 ℃·a-1（春季），0.119 ℃·a-1（夏季），0.101 ℃·a-1（秋季）和0.121 ℃·a-1（冬季），夏季（P＜0.01）和冬季（P＜0.05）增加趨勢比較顯著，夜晚平均地溫變化率分別為0.062 ℃·a-1（春季），0.094 ℃·a-1（夏季），0.071 ℃·a-1（秋季）和0.101 ℃·a-1（冬季），除春季外，其他3個季節均有明顯的上升趨勢。

（3）SUA和UA的UHII在長時間序列中具有相似的波動變化，夜晚UHII均呈現增加趨勢，但SUA的UHII在全年晝夜，春季晝夜，夏季晝夜，秋季晝夜和冬季夜晚的變化率均顯著高于UA。此外，全年、春季、夏季和秋季白天UHII高值主要分布在UA的西部和SUA的中間部分；然而，夜晚UHII的高值主要集中在SUA區域，低值分布在UA區域。

（4）相關性分析中表明，全年和夏季白天UHII與ΔNL、人口密度和不透水表面呈正相關，與ΔEVI呈負相關，夜間UHII與ΔNL、ΔAOD和不透水表面呈正相關關系，夏季和冬季夜間UHII與降水呈負相關關系，此外，冬季夜間UHII與ΔNL和不透水表面有明顯的正相關，而白天UHII與降水有顯著正相關，與人口密度和不透水表面呈負相關。

（5）氣溶膠污染是夜間城市熱島效應的主控因子，估算得到氣溶膠對穩定城市區域夜間UHI的貢獻為(1.64±0.16) ℃，對城市區域夜間UHI的貢獻為 (1.92±0.14) ℃，通過治理氣溶膠污染可以有效的緩解城市熱島現象。

以上分析中仍存在著不確定性。首先，本研究中只分析了增強型植被指數、降水、氣溶膠污染、人口密度、遙感夜間燈光和不透水表面這6個影響城市熱島效應的因素，實際上還受到其他土地覆蓋類型、地形、風向風速、氣溫、緯度、社會經濟的發展等等很多因素的影響，今后還需要全方面考慮更多變量。其次，這次利用到的MODIS LST等數據受到時間的限制，研究的時間序列相對較短，無法研究在長時間序列中地表溫度的周期性變化。綜上所述，城市熱島效應在中國正在加劇，對社會、環境和生態造成了一定的影響。因此，有必要采取一些措施來緩解城市熱島效應，例如適當減少不透水表面和人為熱排放，針對性的增加地表反照率和城市植被的活動，呼吁市民出門盡量坐公交車或者騎自行車不行，減少私家車的出行，防止生活環境繼續惡化。