衛星遙感在城市化和城市熱島監測中的應用

廖代強 朱浩楠 姜平 柴闖闖

（1 重慶市氣候中心，重慶 401147；2 重慶舍特氣象應用研究所，重慶 401147）

0 引言

由于城市發展狀況不同，不同研究所選取的城市發展強度指標各有差異。有研究結合城市發展實際情況，選取工業生產總值、年末實有道路面積、全年用電量、年末總人口、全年供水量、公共交通實有車輛、建成區面積、原煤消耗總量及工業廢氣排放量、城市人口比重、人均國內生產總值、城市人均住房面積、城市人均公共綠地面積和城市用氣氣化率等作為城市化指標數據。但這些數據不易獲得且社會發展較快，變化又大，因而不適宜作為城市發展強度指標。

考慮到城市發展往往產生城市熱島效應，利用遙感資料反演地表亮溫，能分析城區與郊區的溫度差異，可更直接地反映出城市下墊面的物理變化特征。由于遙感技術具有快速、全方位地獲取不同空間分辨率、多光譜信息的特征，已成為對城市熱島效應影響因素的監測與分析的有效手段。本文嘗試利用美國軍事氣象衛星（Defense Meteorological Satellite Program，DMSP）搭載的Operational Linescan System（OLS）傳感器夜間燈光數據、30 m高分辨率土地利用資料和MODIS地表溫度遙感數據來分析重慶城市發展與熱島強度關系及其城市熱島的空間分布，以期望能得到較為理想的城市發展與熱島強度的關系和城市熱島空間分布。

1 資料及處理

本文采用的資料包括自1992年以來的重慶區域內DMSP/OLS夜間燈光數據、30 m高分辨率土地利用資料和MODIS地表溫度遙感數據。

1.1 DMSP/OLS數據處理

DMSP/OLS觀測的夜間燈光強度數據是表征區域人類活動強度的重要指標，也是目前遙感平臺連續觀測全球城市發展時間最長的遙感產品，能客觀度量城市發展及空間差異。本文使用夜間穩定燈光（stable light）影像，數據空間分布為1 km，Digital Number (DN)值范圍0～63。圖1所示為1993—2013年重慶市夜間燈光強度空間分布。由于衛星更新換代，觀測時間內總共有F10、F12、F14、F15、F16和F18共六代衛星。

圖1 1993—2013年重慶市夜間燈光強度空間分布Fig. 1 Spatial distribution of night light in Chongqing from 1993 to 2013

圖2 給出了從數據中提取得到的重慶市DN值總和年變化。盡管總體而言，該圖可以體現重慶市城市化逐漸增加的趨勢，但由于傳感器老化、傳感器更新換代等原因，不同衛星的數據存在較大跳躍；而同一顆衛星的數據，變化也并不穩定，無法直接使用。因此參考金平斌等的研究，采用不變目標區域法進行校正。校正方法步驟為：1）選定多年燈光變化幅度較緩和的地區作為參考區域，并挑選某一年作為參考年。經對比后，采用多年DN值變化幅度較小的萬盛區作為參考區域，并選擇2013年作為參考年。2）利用其他年份參考區域DN值和參考年的參考區域DN值逐年建立回歸模型。經測試，采用冪函數作為回歸方程的方程形式為：

圖2 重慶市多衛星DN值總和年變化Fig. 2 The annual change of the sum of multi-satellite DN values in Chongqing

其中，

DN

代表校正后的值，

DN

代表校正前的值，

a

、

b

代表回歸系數。

然后，利用得到的回歸方程對整個區域的DN值進行校正。

1.2 MODIS資料處理

選用了2003—2018年的MOD11A2和MYD11A2衛星遙感反演地表溫度數據進行分析研究。由于儀器故障、云干擾、輻射干擾等因素，MODIS數據經常會出現缺測現象，若不對數據進行合理填補，將會嚴重影響到分析結果。本文參考Crosson等的研究，將MOD11A2和MYD11A2數據進行融合。具體做法為：首先逐格點計算MOD11A2和MYD11A2的近五年夏季平均值，然后計算二者之差；接下來對于每一個MYD11A2數據中的缺測像元，都用當天的MOD11A2對應位置像元值加上剛剛計算的氣候差異作為替換。由于溫度變化具有時間連續性和季節性，使用該方法能較好地填補MYD11A2中的缺測部分，而之后的分析也將基于該填補后的MYD11A2數據。

2 重慶市城市發展與熱島強度指數

2.1 城市發展指數

為表征重慶城市發展指標，參考謝志清等和Ma等的研究，利用訂正后的DMSP/OLS燈光數據構建城市發展指數。城市發展指數計算公式為：

其中，

S

為經緯度單元格面積，

S

為城市規模，

DN

為63，只統計

DN

≥12的格點。

圖3 所示為利用校正后DMSP/OLS數據計算得到的重慶全市、渝西（渝中、大渡口、江北、南岸、沙坪壩、九龍坡、萬盛、北碚、璧山、榮昌、銅梁、大足、長壽、渝北、永川、潼南、巴南、綦江、合川、南川、涪陵、江津）、渝東南（黔江、秀山、武隆、豐都、石柱、彭水、酉陽）和渝東北（墊江、梁平、忠縣、巫山、城口、萬州、云陽、開縣、巫溪、奉節）地區的城市發展指數變化。由圖3可知，不論是重慶全市還是西部、東南和東部地區，城市發展指數都呈隨時間不斷增長的趨勢。但其中，渝西的城市化指數及其增長趨勢明顯高于渝東南和渝東北，渝東南的城市化指數和指數增長趨勢相對最弱。這說明重慶地區的城市化進程主要在渝西地區進行，而渝東南及渝東北發展相對較緩。

根據不同

DN

值累積面積序列，利用

t

滑動檢驗將燈光強度所占面積的轉折點（＞39）劃分快速發展區，把重慶分為10個主要城市群，分別為：主城區、合川、永川、銅梁、長壽、涪陵、萬州、開縣、云陽、巫山。其中城市面積最大的為主城區，面積達到1438.97 km，其次是長壽和萬州，分別為128.2 km和124.4 km。同時可見，重慶的大部分城市發展集中在渝西，渝東北城市發展較緩，而渝東南地區城市發展特征不明顯。

圖3 重慶全市、渝西、渝東南和渝東北的城市發展指數Fig. 3 Urban development index of Chongqing city,west Chongqing, southeast Chongqing and northeast Chongqing

2.2 城市熱島強度指數

城市熱島強度通常定義為城區溫度減去郊區溫度，因此如何定義“城市”是區分城區與郊區的重要一環，會直接影響到對熱島強度的計算結果。為充分體現熱島效應對局地溫度的影響，本文將城市熱島強度指數定義為城市區（建成區）和邊界區（城市發展區）的平均溫度減去剩余地區（郊區）的平均溫度（即背景溫度）。本文溫度背景區的確定是結合夜間穩定燈光數據，根據城市聚類法（CCA）分類為非城市區（CCA算法類似火災蔓延模擬，通過選擇初始“著火點”，逐步“引燃”周圍的“可燃點”進而劃分出城市的范圍。其步驟分為：首先隨機選取城市像元，利用八領域法計算城市連通域；然后定義距離閾值

L

，距離小于

L

的連通域視為同一城市群落；最后定義聚集閾值

S

，去除像元個數小于

S

的連通域（即面積較小的建筑群落）。CCA方法可以使用人口密度、不透水下墊面作為輸入，也可使用土地利用作為輸入，本文采用土地利用）且海拔高度與城區相差不大的地區作為溫度背景區。然后根據MODIS衛星遙感數據計算城市區和背景區的溫度，再用每年的城市平均溫度減去背景溫度得到多年重慶市全市、渝西、渝東北和渝東南地區的熱島強度指數的時間分布（圖4）。其中不同片區的熱島強度指數用不同片區的背景溫度計算。

由圖4可知，無論哪個季節，重慶全市的熱島強度指數均呈增長趨勢。夏季的熱島強度指數最強、春季次之，秋季和冬季熱島強度最弱。渝西片區的熱島強度變化趨勢與重慶市的基本一致，說明重慶市的熱島效應大部分都集中在渝西片區。而渝東北盡管也呈現增長趨勢，但其增幅和熱島強度均低于渝西。渝東南片區的熱島強度指數最弱，只在春夏兩季有明顯的增長趨勢，而在秋冬兩季則受氣候變化影響，無明顯特征；可見由于渝東南地區城市面積較小，發展較慢，城市對局地氣候的影響較弱。

圖4 重慶市、渝西、渝東北和渝東南（春夏秋冬（a～d））的熱島強度指數序列（單位：℃）Fig. 4 Heat island intensity index series of Chongqing,western Chongqing, northeast Chongqing and southeast Chongqing (spring (a), summer (b), autumn (c) and winter (d))

3 重慶市熱島效應時空格局

3.1 不同年的熱島效應空間分布

圖5 重慶市2003年（a）、2008年（b）、2013年（c）和2018年（d）熱島強度分布（單位：℃）Fig. 5 The intensity distribution of heat island in Chongqing in 2003 (a), 2008 (b), 2013 (c) and 2018 (d)

根據2.2節城市熱島強度指數的計算步驟，用城市平均溫度減去背景區溫度。得到2003、2008、2013和2018年的全市熱島分布（圖5）。根據圖5可知，隨著城市發展建設，重慶市的城市熱島強度和范圍2003—2018年都有明顯的增加的趨勢，強熱島所占面積不斷增大，且主要集中在渝西地區；渝東北強熱島區域面積相對較小，而渝東南則并未有明顯變化。另外，海拔較高、表現為強冷島的區域，多年變化幅度也相對較小。

3.2 不同季節的熱島效應空間分布

圖6 為重慶市春夏秋冬四季的熱島強度氣候態分布，可見重慶市熱島效應最明顯的是夏季，強熱島區域面積相對最大，并與主要城市基本吻合；春季的熱島效應較夏季偏弱，但依然可見大范圍的強熱島。熱島效應最弱的是秋季和冬季，秋季僅有主城區和長壽、涪陵一帶還有強熱島分布；冬季則基本沒有強熱島，且高溫區的分布主要與地形有關，受城市影響不明顯。

3.3 不同季節的熱島強度發生頻率空間分布

最后，參照北京市主要城建區熱島強度時空格局的研究，利用多年遙感觀測統計重慶市不同季節各級熱島強度發生的頻率（統計時按不同年月分別計算背景溫度），最終得到圖7所示分布。從圖中可見，強熱島（三級熱島）主要集中發生在渝西主城區一帶，且以春夏兩季發生次數最多，頻率高達50%以上，這主要是由于春夏季太陽輻射較大，而城市區域比輻射率較高因而高溫特征相對顯著；但渝東北和渝東南地區強熱島發生頻率較少，絕大部分地區的發生頻率都小于10%。秋季渝西的強熱島發生次數少于春季，而冬季強熱島發生頻率最少，最高未超過40%。重慶地區弱熱島則主要集中發生在冬季，并以渝西地區為主要發生地，從圖7j可見大片地區的弱熱島發生頻率都超過了40%。

3.4 不同月份的熱島效應時間分布

圖6 重慶市春季（a）、夏季（b）、秋季（c）和冬季（d）熱島強度氣候態分布（單位：℃）Fig. 6 The climatic distribution of heat island intensity in Chongqing in spring (a), summer (b), autumn (c) and winter (d)

圖8 為全市、渝西、渝東北和渝東南片區多年各個月份的熱島強度指數與背景溫度散點圖。首先可見，重慶地區的熱島效應具有明顯的季節特征：冬半年熱島效應較弱，夏半年較強；另外，渝西地區熱島效應強于渝東北和渝東南，且渝東南地區的冬半年沒有熱島效應。而全市及渝西地區熱島強度隨背景氣溫增加而增加，并在時間上呈順時針特征，說明全市及渝西地區春季熱島效應強于秋季。根據圖8c可知，渝東北片區的熱島強度隨時間呈逆時針變化，說明該地秋季熱島效應強于春季。而同時可見，渝東北并非簡單的表現為背景場溫度越高、熱島效應越強：背景溫度較低的1月和12月，熱島強度比背景溫度較高的2月和11月更強；且同樣的背景溫度，但在不同月份的熱島有明顯區別。渝東南地區與渝東北相近，熱島強度指數在時間上呈逆時針特征。這種“翻轉效應”可能是與植被和氣候的相互作用有關：渝東南、渝東北植被較多，城市面積相對較少，在春季時，植被對城市高溫能起到一定緩解作用；而秋季植被綠葉減少，降溫效果下降，城市熱島較春季更明顯，因此表現為秋季熱島強于春季；而渝西地區由于植被較少，太陽輻射造成的城市升溫更加明顯，所以春季熱島強于秋季。更進一步的成因分析還有待深入研究，但同時這也說明重慶地區的熱島效應具有明顯的局地特征，受局地氣候環境的影響較大。

4 結論

1）重慶市多年城市指數呈逐年遞增的趨勢。其中，渝西的城市化指數及其增長趨勢明顯高于渝東南和渝東北，渝東南的城市化指數和指數增長趨勢相對最弱；重慶全市的熱島強度指數均呈增長趨勢。夏季的熱島強度指數最強、春季次之，秋季和冬季熱島強度最弱。

2）城市熱島強度指數與城市發展指數呈正相關。其中，渝西和全市的呈顯著正相關，渝東南和渝東北相關性較差。這說明城市發展指數較高時，城市化面積較大才會對城市熱島產生影響。

3）重慶市熱島的空間分布是隨著城市的發展，中等強度以上的熱島所占面積不斷增大，且主要集中在渝西地區；渝東北中等以上熱島區域面積相對較小，而渝東南則并未有明顯變化。強熱島主要發生在夏季，且集中在渝西地區，主城區發生頻率超過50%；春秋季發生頻率次之，而冬季各地的強熱島發生頻率基本都小于10%。弱熱島主要發生在冬季，且依然以渝西地區為主。這與重慶地區的城市分布和發展特征相一致。

圖7 重慶市春季（a—c）、夏季（d—f）、秋季（g—i）、冬季（j—l）1～3級熱島強度發生頻率Fig. 7 The frequency of heat island intensity of grade 1-3 in Chongqing in spring (a-c), summer (d-f), autumn (g-i) and winter (j-l)

4）重慶地區的熱島效應具有明顯的季節特征：冬半年熱島效應較弱，夏半年較強；另外，渝西地區熱島效應強于渝東北和渝東南；渝西地區春季熱島效應強于秋季，渝東南和渝東北則相反。這種“翻轉效應”可能是與植被和氣候的相互作用有關。

圖8 重慶全市（a）、渝西（b）、渝東北（c）和渝東南（d）的熱島強度指數—背景溫度散點圖（不同顏色方框代表不同月份平均值，灰色圓點代表多年樣本）Fig. 8 The heat island intensity index-background temperature scatter diagram of Chongqing municipality (a), west Chongqing (b), northeast Chongqing (c) and southeast Chongqing (d), respectively. The color-coded boxes represent averages for different months, and the gray dots represent multi-year samples