城市地表覆蓋組分及植被多樣性
——以貴陽市為例

高姍，鄭學

(山東省國土測繪院，山東 濟南 250000)

0 引言

城市作為人類活動最聚集的地區，既是潛在的生態氣候脆弱區，也是引發氣候變化的重要區域[1]。隨著城市化水平的不斷提高，快速的土地利用變化及人口流動加劇了城市生態環境惡化，引發了諸如熱島效應、空氣污染、人居環境適宜性降低和生物多樣性下降等問題[2-4]。與此同時，城市及其城市群地區也為改善氣候變化提供了重要機會。城市地表覆蓋及其空間分布直接影響城市熱環境狀況，進而影響城市空氣污染擴散、人居體感舒適度及城市生態多樣性。改善城市空間規劃，形成更多公園和開放空間、濕地和城市農業的網絡有助于減少洪水風險和減少熱島效應。因此，分析城市地表覆蓋組分及植被多樣性對熱環境的影響，對通過城市內部公園及開放空間建設、城市不透水面和綠地合理規劃布局調控熱島效應具有重要意義。

目前，學者們已經開展了較多針對城市地表覆蓋組分對地表溫度的影響研究。崔林林等[5]研究了成都市熱島效應與下墊面關系，證明夏季地表溫度與植被歸一化指數NDVI呈負相關，與城市不透水面指標歸一化建筑指數NDBI呈較強正相關。袁振等[6]研究了城市內部不透水面、植被和水體與地表溫度的關系，發現城市地表覆蓋類型對地表熱效應也具有顯著影響。其中，城市內部的主要地表覆蓋類型城市不透水面對城市熱島強度具有正效應，城市不透水面密度越高，地表溫度越高[7-9]；然而，城市內部覆蓋的植被和水體對城市熱島強度具有負效應，植被通過樹冠陰影或蒸騰作用可以對地表溫度進行調節，能夠緩解城市熱島效應，且低密度植被區具有更好的降溫效果[10-12]。水體利用其較高比熱容和流動性，對緩解城市熱島具有重要作用，單一水體面積越大，對熱島效應的平均緩沖距離越大[13-14]。此外，為了定量化研究地表結構對城市熱環境的影響，學者們深入研究了地表景觀格局對城市地表溫度的影響，結果表明城市地表溫度與不透水面、植被和水體的斑塊大小、形狀指數、邊緣密度等景觀指數之間存在正相關[15-17]。同時，景觀指數對地表溫度的影響還受季節、空間尺度等因素的制約，不同季節由于地表覆蓋的季節性變化使景觀指數對地表溫度的影響具有季節性規律，且二者之間的相關性直接受景觀指數計算尺度的影響[18-19]。受區域氣候、地形地貌等自然因素的影響，不同城市的地表覆蓋特征對地表溫度的熱效應也存在顯著差異。如，Estoque等分析了東南亞3個城市地表覆蓋對城市熱島效應的影響，發現不同城市綠地聚集度對城市熱島效應影響程度不一致，但規律基本一致。李孝永等[17]研究了北京、天津和石家莊3個城市的地表覆蓋特征與地表溫度之間的關系，表明城市不透水面聚集度會對地表溫度產生顯著影響。

綜上所述，目前對城市地表覆蓋與熱島效應的研究主要以不透水面、綠地和水體3種覆蓋類型為主，分析不同城市覆蓋類型空間占比、景觀格局指數對地表溫度的影響，對具體植被類型及其空間覆蓋多樣性對地表溫度的影響研究較少。此外，目前的研究區域主要以京津冀、長三角、粵港澳大灣區和長江中游城市群中的大城市為主，對中國西南部城市熱島效應研究比較匱乏。因此，本研究基于Landsat-8 OLI遙感影像和MODIS LST溫度產品數據，選取西南部中心城市貴陽市為研究區，對其精細地表覆蓋組分、植被多樣性與地表溫度的關聯性進行分析，探索貴陽市熱島效應的時空分布特征，以期增加對貴陽市城市熱島效應及其影響因素的認識，為貴陽市未來城市內部地表覆蓋格局優化與生態保護提供科學依據。

1 研究區概況

本研究選取貴陽市為研究區(圖1)，平均海拔1100m，是貴州省省會和西南地區重要中心城市。貴陽地處云貴高原，地貌以山地、丘陵為主，屬于典型的喀斯特山地城市，氣候為亞熱帶季風性溫潤氣候，全年平均氣溫14.9℃，是全國重要的生態休閑度假旅游城市。貴陽市下轄6區1市3縣，主城區位于南明和云陽區，截至2021年末，常住人口超過600萬人，城鎮化率增幅明顯。

圖1 研究區域影像圖

2 數據與方法

2.1 數據源及預處理

本研究使用的數據主要包括多時相遙感影像數據和遙感地表溫度產品數據。選取貴陽市全境2021年1月1日—2021年12月31日全年云量少于15%的數Landsat-8 OLI數據作為研究區域進行地表覆蓋分類的基礎數據。分別選擇1月、4月、8月和11月MODIS Terra 8天合成的溫度產品作為地表溫度數據。遙感影像輻射定標和大氣校正等預處理都基于GEE(Google Earth Engine)平臺完成，具體使用數據詳細信息見表1。將MODIS溫度產品DN值轉化為攝氏溫度，計算公式(1)：

表1 主要數據源及其詳細信息

T=0.02×LST-273.15

(1)

式中:LST為MODIS溫度產品數據；T為轉化為攝氏溫度后的數據。

2.2 城市地表覆蓋分類

為了獲得更詳細的地表覆蓋分類信息，基于多時相遙感影像光譜數據，采用隨機森林方法將研究區域地表覆蓋類型分為：旱地、水田、常綠闊葉林、落葉闊葉林、常綠針葉林、灌木林、草地、不透水面和水體9類。具體分類過程為：首先分別選取春夏秋冬4個季節的多時相遙感影像，同時計算各時相影像水體指數(MNDWI，Modified Normalized Difference Water Index)、植被指數(NDVI，Normalized Difference Vegetation Index)、建筑指數(NDBI，Normalized Difference Build-up Index)以及基于灰度共生矩陣的影像紋理特征(均值、方差、熵和對比度)，然后構建隨機森林分類器進行監督分類，最后利用高分影像上選擇的樣本對分類結果進行驗證。在特征構建中所使用指數特征模型為公式(2)～(4)：

(2)

(3)

(4)

其中:b3、b4、b5和b6分別為Landsat8 OLI影像經過大氣校正后的第3～6光譜波段。

在隨機森林分類模型訓練中，決策樹個數選擇30，采用Bagging算法進行集成學習。選擇標記樣本的60%作為訓練樣本，10%的樣本進行交叉驗證，剩下30%的樣本進行精度驗證。本研究最后的分類結果通過總體精度、單類別精度和Kappa系數進行綜合評價。

2.3 空間分析與統計分析

熱島效應主要體現在城市區域，表現出明顯的城鄉差異。本文主要以不透水面分布較多的城市建成區及其周圍作為主要研究區。在確定主要研究區的基礎上，對其進行地表覆蓋及溫度等信息進行統計和分析。本研究使用的溫度產品是1km空間分辨率產品。因此，本研究通過生成1km×1km的網格對研究區不同地物覆蓋覆蓋率、覆蓋多樣性、植被多樣性和溫度進行統計分析。利用信息熵來評價地表覆蓋多樣性和植被多樣性，其計算公式(5)為：

(5)

式中:C為地表覆蓋類別體系；ci為第i類；P(ci)為統計單元內的覆蓋率。

為了分析地表覆蓋組分與地表溫度的關系，利用皮爾遜相關分析計算相關系數，分析其相關性和顯著性水平。

3 結果與分析

3.1 城市地表覆蓋類型與地表溫度特征

如圖2所示，貴陽市建成區主要集中分布于研究區正南方，呈條帶狀向周圍擴展。城市內部地表覆蓋以不透水面、常綠闊葉林和常綠針葉林為主，建成區周圍分布有較多水田和旱田。從表2可知，本研究利用GEE平臺，結合多時相遙感影像分類獲得的研究區域土地覆蓋數據，其總體分類精度達到了84.96%，單一類別精度均超過了80%，可以滿足本文后續的研究。

圖2 研究區土地覆蓋分類結果

表2 研究區土地覆蓋分類精度評價

從不同季節地表溫度看，研究區地表溫度具有明顯的季節差異，1月份地表溫度較低，平均溫度約為15℃，城市區域最高溫度約16℃，不同地表覆蓋對溫度的影響在1℃左右。4月份地表平均溫度約為21℃，不透水面表現出較為明顯的增溫效應。8月份研究區溫度較其他3個月都高，平均溫度約29℃，不透水面的增溫效果最為明顯，高出平均溫度約5℃。11月份溫度較8月份有明顯回落，但比4月份溫度要高，平均溫度約24℃?？傮w上，研究區全年地表溫度隨季節變化明顯，相鄰季節地表溫度差約5℃。

如圖3所示，研究區地表溫度的空間分異非常明顯。4月份高溫區域主要出現在建成區，表明地表下墊面對地表溫度具有重要影響。次高溫區域地表覆蓋主要以旱田為主，考慮到該區域農作物生長周期在4～9月份，4月份處于農作物播種和出苗期，地表植被覆蓋較少，裸露土壤增溫效果明顯。4月份溫度較低的區域主要出現在水體、水田和森林覆蓋區域。8月份，建成區域溫度進一步提高，且與周圍地表溫度形成明顯梯度。然而，次高溫分布區域分布范圍較4月份明顯減少，這主要與8月份處于農作物生長旺季，農田植被覆蓋率增加，對地表溫度產生了明顯的降溫效應。

圖3 研究區4月和8月地表溫度空間分布

3.2 地表覆蓋組分及多樣性對地表溫度的影響

為了進一步定量化分析地表覆蓋組分、多樣性等對地表溫度的影響，通過空間計算獲得研究區不同地物覆蓋類型的空間覆蓋率，如圖4所示。研究區城市建成區及周邊區域地表覆蓋主要包括旱田、水田、常綠闊葉林、落葉闊葉林、常綠針葉林和不透水面，灌木林、草地和水體分布較少。城市建成區內部植被類型主要以常綠落葉林和常綠針葉林為主。

圖4 研究區建成區域主要地表覆蓋類型的空間覆蓋率

通過利用信息熵計算研究區地表覆蓋多樣性和植被覆蓋多樣性來研究地表組分復雜度與地表溫度的關聯性。綜合考慮所有地物類型組合情況對地表溫度的影響，計算獲得的覆蓋多樣性如圖5(a)。從圖中可知，建成區域由于城市地表覆蓋類型多樣，地表覆蓋多樣性一般較高，尤其是城市周邊區域和城市內部的公共空間。研究區覆蓋多樣性較低的區域與農田分布區域一致。植被覆蓋多樣性主要是用來衡量地表植被類型的空間組成復雜度。如圖5(b)所示，建成區域植被多樣性較其他區域要低，主要與建成區植被覆蓋面積較少有關，但是城市內部及周圍仍然存在部分植被覆蓋度較高區域。同時，本研究也計算出了研究區所有植被覆蓋率(圖5(c))，與植被多樣性一起用來分析覆蓋組分復雜性對地表溫度的影響。總體上，建成區域植被覆蓋度較其他區域低，植被覆蓋度沿城市擴張方向出現階梯式增長趨勢。

圖5 研究區地表覆蓋和植被覆蓋多樣性、植被覆蓋率空間分布

分別計算不同地物類型覆蓋率、植被覆蓋率、地表覆蓋多樣性及植被覆蓋多樣性與對應地表溫度的相關系數，在置信度為95%水平下的評價結果如表3所示。從表中可以發現，各地表組分因子與地表溫度的相關性存在季節性差異。旱田覆蓋率在1月份與地表溫度的相關系不顯著，說明1月份旱田對地表溫度的影響較弱。在4月、8月和11月，旱田與地表溫度相關性明顯增加且呈負相關，說明農作物的覆蓋對地表產生了降溫作用，在8月份時表現出最大相關性，而水田覆蓋率與溫度的相關性不顯著。常綠闊葉林、落葉闊葉林和常綠針葉林都與溫度呈負相關，說明這些植被類型對地表溫度降溫明顯。其中，常綠闊葉林和落葉闊葉林四季與地表溫度都為較強負相關， 8月和11月對地表溫度的影響尤為顯著；常綠針葉林在1月份表現出較弱正相關，而在4月、8月和11月表現出負相關，但是相關性并不顯著。灌木林與地表溫度的相關性較弱，而草地在8月份與地表溫度表現出較強負相關。不透水面與地表溫度呈較強正相關，在8月和11月尤為顯著。水體在1月份與地表溫度呈正相關，而在其他月份呈負相關，說明水體在溫度氣溫較低時具有增溫作用，而在氣候較高時具有降溫作用。

表3 地表覆蓋組分及多樣性與地表溫度的相關性

本研究重點考查了覆蓋多樣性和植被多樣性對地表溫度的影響，如表3所示。綜合比較發現，植被多樣性全年四季都與地表溫度呈較強負相關，說明植被組成結構對地表溫度的影響是顯著的，能夠有效降低地表溫度。聯合植被覆蓋率與地表溫度的關系發現，植被覆蓋多樣性與地表溫度的相關性在4個月份中普遍較植被覆蓋率高，說明地表植被的組成多樣性要比植覆蓋率對地表溫度的影響更為顯著。結合地表覆蓋多樣性分析發現，覆蓋多樣性對地表溫度的影響較植被多樣性較弱，說明增加非植被類型的地表覆蓋一定程度上抵消了植被對地表溫度的降溫效應。

4 結論

本研究基于Landsat-8 OLI遙感時序影像和MODIS溫度產品數據，通過提取城市地表覆蓋精細信息，結合不同季節8天合成的MODIS溫度產品數據，利用時空統計分析、相關性分析等方法，對貴陽市城市地表溫度季節變化及其與地表組分、地表覆蓋多樣性和植被多樣性等因子進行了關聯分析，結果表明：

(1)不同地表覆蓋類型對城市地表溫度的影響具有顯著差異。城市內部常綠闊葉林在不同季節都有明顯的降溫效應，其覆蓋區域的地表溫度明顯較低，其次是常綠針葉林，不透水面對城市地表溫度的增溫效應最明顯，其中在夏季最為顯著。

(2)地表覆蓋多樣性指標是影響城市地表溫度的重要因子。與植被覆蓋率相比，植被覆蓋多樣性與地表溫度表現出更強的相關性，表明植被多樣性的增加對地表溫度的調節更有效。然而，不透水面的增加，會明顯減弱植被多樣性對地表溫度的降溫作用。