高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

下垫面覆盖类型变化对城市热岛的影响

李膨利 MuhammadAmir Siddique 樊柏青 黄华国 刘东云

引用本文:
Citation:

下垫面覆盖类型变化对城市热岛的影响

    作者简介: 李膨利。主要研究方向:风景园林规划与设计。Email:lizi200906@163.com 地址:100083北京市海淀区清华东路35号北京林业大学园林学院.
    通讯作者: 刘东云,博士,副教授。主要研究方向:生态规划、城市景观规划设计、可持续环境设计。Email:laurstudio@sina.com  地址:同上
  • 中图分类号: S723;X87

Impact of Land Surface Types Change on Urban Heat Island: A Case Study of Chaoyang District, Beijing

  • 摘要: 目的 快速发展的城市化进程改变了下垫面性质和结构,从而影响了城市热量平衡,导致城市热岛效应逐渐蔓延。方法 本文利用2002—2017年北京市朝阳区Landsat系列遥感影像计算研究区域归一化植被指数(NDVI)变化,并基于大气校正法利用Landsat热红外波段进行地表温度(LST)反演,进一步对所获地表温度进行归一化处理;同时利用2002—2017年北京市朝阳区谷歌全色卫星影像,基于DeepLabv3 + 网络利用深度学习对朝阳区下垫面分类并分析其动态变化。结果 (1)朝阳区15年间平均地表温度呈上升趋势,城市热岛逐年加剧;至2017年,区内不再存在单一热岛中心,而转为复杂的镶嵌式结构、多中心分布。(2)15年间不透水面面积共减少71.02 km2,降幅20.98%;水域面积共减少2.53 km2,降幅24.12%;植被面积共增加73.54 km2,增幅56.57%。(3)对地表温度与下垫面类型动态变化相关性进行分析表明,地表温度与不透水面面积呈正相关,与植被面积呈负相关关系。(4)从总量来看,2012—2017年朝阳区与城市热岛效应成负相关关系的植被与水域面积总量增加明显,但城市热岛效应不降反增。结论 植被和水域对城市热岛效应的缓解作用在用地强度、建筑密度和人类活动不断增长的前提下逐渐变得有限。在现有城市发展模式下,朝阳区地表温度将继续上升,城市热岛进一步加剧。
  • 图 1  2002—2017年北京市朝阳区NDVI变化

    Figure 1.  Normalized difference vegetation index in Chaoyang District(2002—2017)

    图 2  2002—2017年朝阳区地表温度

    Figure 2.  Land surface temperature of Chaoyang District(2002—2017)

    图 3  2002—2017年朝阳区地表温度等级分布

    Figure 3.  Chaoyang District land surface temperature grade distribution map(2002—2017)

    图 4  2002—2017朝阳区低温区和高温区面积占比变化

    Figure 4.  2002—2017 Chaoyang District low temperature zone and high temperature zone area ratio change

    图 5  2002—2017年朝阳区下垫面覆盖类型格局

    Figure 5.  Chaoyang District underlying surface types change(2002—2017)

    图 6  2002—2017年朝阳区地表温度与下垫面覆盖变化关系

    Figure 6.  Relationship between land surface temperature and land cover types change in Chaoyang District(2002—2017)

    图 7  典型地块2002—2017卫星图像、下垫面覆盖类型和地表温度变化

    Figure 7.  2002—2017 satellite image, land cover types and land surface temperature change of typical plots

    表 1  2002—2017年朝阳区归一化植被指数统计

    Table 1.  Normalized vegetation index statistics of Chaoyang District(2002—2017)

    年份
    Year
    NDVI最大值
    A maximum NDVI
    NDVI平均值
    The average NDVI
    2002 0.09 − 0.26
    2007 0.50 − 0.15
    2012 0.38 − 0.16
    2017 0.62 0.20
    下载: 导出CSV

    表 2  2002—2017朝阳区地表温度各等级分布比例

    Table 2.  2002—2017 Chaoyang District land surface temperature grades distribution ratio %

    年份
    Year
    低温
    low temperature
    (< 0.2)
    较低温
    Lower temperature
    (0.2 ~ 0.35)
    次中温
    Inferior Medium-temperature
    (0.35 ~ 0.45)
    中温
    Medium-temperature
    (0.45 ~ 0.55)
    次高温
    Inferior high temperature
    (0.55 ~ 0.625)
    高温
    High temperature
    (0.625 ~ 0.75)
    特高温
    Special high temperature
    (> 0.75)
    2002 3.72 17.40 29.93 34.15 12.89 1.82 0.10
    2007 1.90 14.80 28.39 34.11 15.94 4.60 0.27
    2012 2.30 18.16 33.54 33.39 9.06 3.39 0.17
    2017 0.01 1.84 21.32 42.16 21.33 12.43 0.91
    下载: 导出CSV

    表 3  2002—2017朝阳区下垫面覆盖类型变化

    Table 3.  Chaoyang District underlying surface types change(2002—2017)

    年份
    Year
    植被面积
    Vegetation area/km2
    占比
    Proportion/%
    水域面积
    Water area/km2
    占比
    Proportion/%
    不透水面面积
    Impervious area/km2
    占比
    Proportion/%
    2002 130.00 27.14 10.49 2.19 338.51 70.67
    2007 120.32 25.12 4.56 0.95 354.12 73.93
    2012 190.32 39.74 7.15 1.49 281.53 58.77
    2017 203.54 42.50 7.96 1.66 267.49 55.84
    下载: 导出CSV

    表 4  2002—2017年朝阳区不同下垫面覆盖类型地表温度及各年平均温度

    Table 4.  Land surface temperature of different underlying surface types of Chaoyang District(2002—2017)℃

    下垫面覆盖类型
    Erlying surface type
    年份 Year
    2002200720122017
    不透水面32.5541.5033.1433.04
    植被31.1339.4730.2932.67
    水体31.1037.1828.3430.74
    年平均温度31.9040.9531.5132.71
    下载: 导出CSV
  • [1] 彭少麟, 周凯, 叶有华, 等. 城市热岛效应研究进展[J]. 生态环境, 2005, 14(4):574−579.Peng S L, Zhou K, Ye Y H, et al. Research progress in urban heat island[J]. Ecology and Environment, 2005, 14(4): 574−579.
    [2] Oke T R. The distinction between canopy and boundary-layer urban heat islands[J]. Atmosphere, 1976, 14(4): 268−277. doi: 10.1080/00046973.1976.9648422
    [3] Oke T R. Canyon geometry and the nocturnal urban heat island: comparison of scale model and field observations[J]. Journal of Climatology, 1981, 1(3): 237−254. doi: 10.1002/joc.3370010304
    [4] Oke T R. Street design and urban canopy layer climate[J]. Energy and Buildings, 1988, 11(1/3): 103−113.
    [5] Oke T R. The heat island of the urban boundary layer: characteristics, causes and effects[M]//Cermak J E, Davenport A G, Plate E J, et al. Wind Climate in Cities. Dordrecht: Springer, 1995: 81−107.
    [6] Oke T R. Towards better scientific communication in urban climate[J]. Theoretical and Applied Climatology, 2006, 84(1/3): 179−190.
    [7] Roth M, Oke T R, Emery W J. Satellite-derived urban heat islands from three coastal cities and the utilization of such data in urban climatology[J]. International Journal of Remote Sensing, 1989, 10(11): 1699−1720. doi: 10.1080/01431168908904002
    [8] Grimmond C S B, Roth M, Oke T R, et al. Climate and more sustainable cities: climate information for improved planning and management of cities (producers/capabilities perspective)[J]. Procedia Environmental Sciences, 2010, 1: 247−274. doi: 10.1016/j.proenv.2010.09.016
    [9] Voogt J A, Oke T R. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003, 86(3): 370−384. doi: 10.1016/S0034-4257(03)00079-8
    [10] Dousset B. Surface temperature statistics over los angeles: the influence of land use[C]//IGARSS’91 Remote Sensing: Global Monitoring for Earth Management. Espoo: IEEE, 1991.
    [11] Gallo K P, Mcnab A L, Karl T R, et al. The use of a vegetation index for assessment of the urban heat island effect[J]. International Journal of Remote Sensing, 1993, 14(11): 2223−2230. doi: 10.1080/01431169308954031
    [12] Nichol J E. High-resolution surface temperature patterns related to urban morphology in a tropical city: a satellite-based study[J]. Journal of Applied Meteorology, 1996, 35(1): 135−146. doi: 10.1175/1520-0450(1996)035<0135:HRSTPR>2.0.CO;2
    [13] Ben-Dor E, Saaroni H. Airborne video thermal radiometry as a tool for monitoring microscale structures of the urban heat island[J]. International Journal of Remote Sensing, 1997, 18(14): 3039−3053. doi: 10.1080/014311697217198
    [14] Hafner J, Kidder S Q. Urban heat island modeling in conjunction with satellite-derived surface/soil parameters[J]. Journal of Applied Meteorology, 1999, 38(4): 448−465. doi: 10.1175/1520-0450(1999)038<0448:UHIMIC>2.0.CO;2
    [15] Yuan F, Bauer M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery[J]. Remote Sensing of Environment, 2007, 106(3): 375−386. doi: 10.1016/j.rse.2006.09.003
    [16] 杨可明, 周玉洁, 齐建伟, 等. 城市不透水面及地表温度的遥感估算[J]. 国土资源遥感, 2014, 26(2):134−139. doi: 10.6046/gtzyyg.2014.02.22Yang K M, Zhou Y J, Qi J W, et al. Remote sensing estimating of urban impervious surface area and land surface temperature[J]. Remote Sensing for Land & Resources, 2014, 26(2): 134−139. doi: 10.6046/gtzyyg.2014.02.22
    [17] Xiao R B, Ouyang Z Y, Zheng H, et al. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China[J]. Journal of Environmental Sciences, 2007, 19(2): 250−256. doi: 10.1016/S1001-0742(07)60041-2
    [18] 孟宪磊. 不透水面、植被、水体与城市热岛关系的多尺度研究[D]. 上海: 华东师范大学, 2010.Meng X L. Multi-scale relationships between impervious surface, vegetation, water and urban heat island[D]. Shanghai: East China Normal University, 2010.
    [19] Zhou J, Chen Y H, Zhang X, et al. Modelling the diurnal variations of urban heat islands with multi-source satellite data[J]. International Journal of Remote Sensing, 2013, 34(21): 7568−7588. doi: 10.1080/01431161.2013.821576
    [20] 李延明, 张济和, 古润泽. 北京城市绿化与热岛效应的关系研究[J]. 中国园林, 2004, 20(1):72−75. doi: 10.3969/j.issn.1000-6664.2004.01.020Li Y M, Zhang J H, Gu R Z. Research on the relationship between urban greening and the effect of urban heat island[J]. Chinese Landscape Architecture, 2004, 20(1): 72−75. doi: 10.3969/j.issn.1000-6664.2004.01.020
    [21] 彭静, 刘伟东, 龙步菊, 等. 北京城市热岛的时空变化分析[J]. 地球物理学进展, 2007, 22(6):1942−1947. doi: 10.3969/j.issn.1004-2903.2007.06.043Peng J, Liu W D, Long B J, et al. A study of the urban heat island of Beijing based on remote sensing images[J]. Progress in Geophysics, 2007, 22(6): 1942−1947. doi: 10.3969/j.issn.1004-2903.2007.06.043
    [22] 葛荣凤, 王京丽, 张力小, 等. 北京市城市化进程中热环境响应[J]. 生态学报, 2016, 36(19):6040−6049.Ge R F, Wang J L, Zhang L X, et al. Impacts of urbanization on the urban thermal environment in Beijing[J]. Acta Ecologica Sinica, 2016, 36(19): 6040−6049.
    [23] 曹丽琴, 张良培, 李平湘, 等. 城市下垫面覆盖类型变化对热岛效应影响的模拟研究[J]. 武汉大学学报•信息科学版, 2008, 33(12):1229−1232.Cao L Q, Zhang L P, Li P X, et al. Simulation study of influence of change of land surface types on urban heat island[J]. Geomatics and Information Science of Wuhan University, 2008, 33(12): 1229−1232.
    [24] 祝善友, 高牧原, 陈亭, 等. 基于ENVI-met模式的城市近地表气温模拟与分析——以南京市部分区域为例[J]. 气候与环境研究, 2017, 22(4):499−508. doi: 10.3878/j.issn.1006-9585.2017.16197Zhu S Y, Gao M Y, Chen T, et al. Simulation and analysis of urban near-surface air temperature based on ENVI-met model: a case study in some areas of Nanjing[J]. Climatic and Environmental Research, 2017, 22(4): 499−508. doi: 10.3878/j.issn.1006-9585.2017.16197
    [25] Pakarnseree R, Chunkao K, Bualert S. Physical characteristics of Bangkok and its urban heat island phenomenon[J]. Building and Environment, 2018, 143: 561−569. doi: 10.1016/j.buildenv.2018.07.042
    [26] Yin C H, Yuan M, Lu Y P, et al. Effects of urban form on the urban heat island effect based on spatial regression model[J]. Science of the Total Environment, 2018, 634: 696−704. doi: 10.1016/j.scitotenv.2018.03.350
    [27] Xu Y, Ren C, Ma P F, et al. Urban morphology detection and computation for urban climate research[J]. Landscape and Urban Planning, 2017, 167: 212−224. doi: 10.1016/j.landurbplan.2017.06.018
    [28] 北京市统计局. 北京区域统计年鉴-2018[M]. 北京: 中国统计出版社, 2018.Beijing Municipal Burbeau of Statistics. Beijing Statistical Yearbook 2018[M]. Beijing: China Statistics Press, 2018.
    [29] Sobrino J A, Jiménez-Muñoz J C, Paolin L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434−440. doi: 10.1016/j.rse.2004.02.003
    [30] 徐涵秋, 陈本清. 不同时相的遥感热红外图像在研究城市热岛变化中的处理方法[J]. 遥感技术与应用, 2003, 18(3):129−133. doi: 10.3969/j.issn.1004-0323.2003.03.002Xu H Q, Chen B Q. An image processing technique for the study of urban heat island changes using different seasonal remote sensing data[J]. Remote Sensing Technology and Application, 2003, 18(3): 129−133. doi: 10.3969/j.issn.1004-0323.2003.03.002
  • [1] 武鹏飞王茂军张学霞 . 北京市植被绿度与城市热岛效应关系研究. 北京林业大学学报,
    [2] 徐梦林李冠衡鞠鲤懋 . 基于ENVI技术下的蒙山风景区景观格局动态评估与分析. 北京林业大学学报, doi: 10.13332/j.1000-1522.20190240
    [3] 赵人镜戈晓宇李雄 . “留白增绿”背景下北京市栖息生境型城市森林营建策略研究. 北京林业大学学报, doi: 10.13332/j.1000-1522.20180187
    [4] 张爱因张晓丽 . Landsat-8地表温度反演及其与MODIS温度产品的对比分析. 北京林业大学学报, doi: 10.13332/j.1000-1522.20180234
    [5] 段文标郭绮雯陈立新冯静王丽霞杜珊 . 阔叶红松混交林不同大小林隙地表温度和浅层土壤温度的时空异质性. 北京林业大学学报, doi: 10.13332/j.1000-1522.20180390
    [6] 徐一丁杨子蕾李运远 . 北京市城市边缘区通风廊道型林地营建方法研究. 北京林业大学学报, doi: 10.12171/j.1000-1522.20190002
    [7] 于淼戈晓宇 . 基于SWMM模拟的首钢西十地块低影响开发系统雨洪调控效果研究. 北京林业大学学报, doi: 10.13332/j.1000-1522.20180324
    [8] 尹豪马毅敏谢潇萌 . 居住区绿地中生长残损植物研究——以北京为例. 北京林业大学学报, doi: 10.13332/j.1000-1522.20170310
    [9] 尹豪秦诗语李马金彭蕾 . 北京市公园绿地中灌木生长形态的美景度评价及影响因子研究. 北京林业大学学报, doi: 10.13332/j.1000-1522.20190069
    [10] 李方正刘阳施瑶胡凯富郑曦 . 基于生态系统服务功能模拟演算的绿色空间规划框架. 北京林业大学学报, doi: 10.13332/j.1000-1522.20190149
    [11] 杨路明秦树高刘振朱林峰刘峰 . 毛乌素沙地不同下垫面地表凝结水形成过程. 北京林业大学学报, doi: 10.13332/j.1000-1522.20150375
    [12] 曲炳鹏孙向阳李素艳张骅王心语熊凯毅贠炳辉 . 园林废弃物生态覆盖垫的制备及其水分特性. 北京林业大学学报, doi: 10.13332/j.1000-1522.20170465
    [13] 董建文翟明普章志都刘可人王艳霞 . 福建省山地坡面风景游憩林单因素美景度评价研究. 北京林业大学学报,
    [14] 魏强张秋良代海燕郭鑫 , . 大青山不同植被下的地表径流和土壤侵蚀. 北京林业大学学报,
    [15] 连鹏李志茹范周周刘双李昭蓉周金星彭霞薇 . 城市污泥与园林废弃物混合堆肥施用对紫穗槐生长及土壤环境的影响. 北京林业大学学报, doi: 10.13332/j.1000-1522.20170442
    [16] 杨淑平张德顺李跃忠鞠瑞亭刘鸣 . 气候变暖情景下上海园林树木抗病虫能力评价. 北京林业大学学报, doi: 10.13332/j.1000-1522.20160346
    [17] 李瀚之余新晓樊登星孙佳美常玉梁洪儒 . 模拟降雨条件下黑麦草覆盖度对褐土坡面径流流速的影响. 北京林业大学学报, doi: 10.13332/j.cnki.jbfu.2014.05.014
    [18] 张靖宙吴秀芹肖桂英 . 云南省建水县不同石漠化治理模式下碳储量功能评估. 北京林业大学学报, doi: 10.13332/j.1000-1522.20180069
    [19] 王明枝
    王保平
    詹亚光龙玲马文辉杨晓晖李梅熊瑾张秋英李慧符韵林殷亚方杜华强侯亚南杨海龙刘震李全发饶良懿黄国胜宋小双张一平李景文李景文朱金兆吕建雄李俊清秦瑶朱金兆窦军霞耿晓东李发东尹立辉陆熙娴王雪军范文义刘文耀韩海荣李吉跃徐峰梁机李妮亚张克斌李俊清陈晓阳赵敏王洁瑛陈素文秦素玲李云欧国强沈有信李凤兰于贵瑞李黎刘桂丰毕华兴康峰峰齐实陈晓阳唐黎明赵宪文孙玉军倪春慈龙骏乔杰刘雪梅韦广绥刘伦辉马钦彦魏建祥任海青王玉成张桂芹王雪赵双菊蒋建平黎昌琼宋献方朱国平李伟文瑞钧李伟张万军宋清海孙涛李慧周海江杨谦丁霞孙晓敏孙志强刘莹李宗然
    , . 土壤水对降水和地表覆盖的响应. 北京林业大学学报,
    [20]
    王鸽韩琳张昱
    . 东北地区地表NDVI的时空变化规律. 北京林业大学学报,
  • 加载中
图(7)表(4)
计量
  • 文章访问数:  178
  • HTML全文浏览量:  32
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-01-17
  • 录用日期:  2019-08-22
  • 网络出版日期:  2020-01-20

下垫面覆盖类型变化对城市热岛的影响

    通讯作者: 刘东云, laurstudio@sina.com
    作者简介: 李膨利。主要研究方向:风景园林规划与设计。Email:lizi200906@163.com 地址:100083北京市海淀区清华东路35号北京林业大学园林学院
  • 1. 北京林业大学园林学院,北京 100083
  • 2. 北京林业大学林学院,北京 100083

摘要: 目的快速发展的城市化进程改变了下垫面性质和结构,从而影响了城市热量平衡,导致城市热岛效应逐渐蔓延。方法本文利用2002—2017年北京市朝阳区Landsat系列遥感影像计算研究区域归一化植被指数(NDVI)变化,并基于大气校正法利用Landsat热红外波段进行地表温度(LST)反演,进一步对所获地表温度进行归一化处理;同时利用2002—2017年北京市朝阳区谷歌全色卫星影像,基于DeepLabv3 + 网络利用深度学习对朝阳区下垫面分类并分析其动态变化。结果(1)朝阳区15年间平均地表温度呈上升趋势,城市热岛逐年加剧;至2017年,区内不再存在单一热岛中心,而转为复杂的镶嵌式结构、多中心分布。(2)15年间不透水面面积共减少71.02 km2,降幅20.98%;水域面积共减少2.53 km2,降幅24.12%;植被面积共增加73.54 km2,增幅56.57%。(3)对地表温度与下垫面类型动态变化相关性进行分析表明,地表温度与不透水面面积呈正相关,与植被面积呈负相关关系。(4)从总量来看,2012—2017年朝阳区与城市热岛效应成负相关关系的植被与水域面积总量增加明显,但城市热岛效应不降反增。结论植被和水域对城市热岛效应的缓解作用在用地强度、建筑密度和人类活动不断增长的前提下逐渐变得有限。在现有城市发展模式下,朝阳区地表温度将继续上升,城市热岛进一步加剧。

English Abstract

  • 作为全球城市化进程最快的国家之一,根据《中国统计年鉴2018》,截至2017年末我国城镇化率已达58.52%,接近发达国家中等城市化水平。为了缓解人口激增带来的土地紧缺压力,城市一方面向外扩张获得土地资源,另一方提高城市建成区的开发强度和建筑密度。城市建设用地、人口规模与城市空间的扩展,导致城市自然地表要素被人造表面所替代,从而引起城市下垫面的变化。

    下垫面的变化是城市热岛效应的重要驱动机制之一[1]。城市温度被分为近地表空气温度(Near surface air temperature)、地表温度(Land surface temperature,LST)、下表面温度(Subsurface temperature)[2-8]。城市地表热岛具有很高的时空分异性,不同地物吸收太阳长波辐射后波段辐射值不同,可以通过遥感技术反演得到空间上连续的地表温度,从而对地表温度进行观测[9]。遥感监测具有覆盖范围广、图像直观和时间高度同步的优点,因此在城市热岛研究中发挥着越来越重要的作用[10-14]。Yuan等[15]、杨可明[16]、Xiao等[17]、孟宪磊[18]、Zhou等[19]、李延明等[20]、彭静等[21]、葛荣凤等[22]、曹丽琴等[23]从不同尺度研究了城市下垫面变化与城市热岛的关系。近年来,越来越多的学者认识到,需要进一步从人口、经济、产业形态、建筑密度和容积率等为代表的社会驱动力角度深入研究“城市热岛”[24-27]

    本研究以快速发展并受到强烈城市热岛影响的北京市朝阳区为研究对象,研究过程中将低分辨率的Landsat卫星影像和高分遥感数据相结合。Landsat卫星影像进行地表温度反演,获得热环境时空演变结构及规律;同时利用DeepLabv3 + 网络对同期高分谷歌全色影像进行深度学习,获得高精度的下垫面覆盖类型分类;对地表温度与下垫面覆盖类型动态变化进行相关性分析。研究结果为城市规划和风景园林建设提供参考和依据,探讨在快速城市化进程中减缓城市热岛的有效途径,从而改善生态环境。

    • 朝阳区位于北京市东部,区域范围39°49′ ~ 40°5′N,116°21′ ~ 116°38′E。平均海拔34 m,面积479 km2(本研究区域不包括东北侧机场街道),2017年常住人口达373.9万人[28],人口密度8 216人/ km2,是北京市最大、人口最密集的城区。2017年朝阳区生产总值为5 629.41亿元,占全市生产总值的21.02%。

    • 本研究采用2002—2017年(2002-06、2007-06、2012-05和2017-05共4期影像)谷歌全色卫星影像用于下垫面覆盖类型分类,空间分辨率1 m × 1 m。所使用影像云量小、地物清晰,满足研究需要。

      遥感影像来自美国Landsat ETM + 和Landsat OLI,条带号为p123/r032,成像时间分别为2002-06-07T02:42(ETM +);2007-06-05T02:43(ETM +);2012-05-17T02:48(ETM +)和2017-05-23T02:53(OLI);4期影像成像时间相近具有可比性。其中,近红外波段(ETM + 影像为第4波段,OLI影像为第5波段)及红色波段(ETM + 影像为第3波段,OLI影像为第4波段)空间分辨率30 m × 30 m,用于NDVI指数提取;热红外波段(TM影像为第6波段,空间分辨率120 m × 120 m、ETM + 影像为第6波段,空间分辨率60 m × 60 m;OLI影像为第10波段,空间分辨率100 m × 100 m)用于地表温度反演。获取的卫星影像已经过系统辐射校正和几何校正;在ENVI中对2007-06-05期影像及2012-05-17期影像采用SLC-off模型校正,以消除此时间段内由于卫星传感器故障引起的影像错误。之后将4期影像在ENVI中统一进行辐射定标及大气校正,以消除因大气散射引起的误差。为便于观察,统一对图像进行色彩增强处理,然后利用朝阳区矢量边界裁剪图像得到朝阳区卫星影像。

    • 归一化植被指数(Normalized Difference Vegetation Index,简称NDVI指数)是植被生长状态及植被生长空间分布密度的最佳指示因子,与植物分布密度呈线性相关。其计算公式为:

      $ {\rm{NDVI}} = \frac{{{\rho _{{\rm{NIR}}}} - {\rho _{{\rm{RED}}}}}}{{{\rho _{{\rm{NIR}}}} - {\rho _{{\rm{RED}}}}}} $

      (1)

      式中:ρNIRρRED分别为近红外波段和红光波段的地表反射率。

      NDVI在[− 1, 1]之间变化,根据其计算原理及公式可知,NDVI指数的数值越大,表明植被覆盖度越高;负值表明地面覆盖为水、云、雪,或玻璃、金属等对可见光高反射的材料;0表明区域内为裸土或岩石。

    • 本研究基于大气校正法[29],利用Landsat热红外波段进行研究区域地表温度反演。具体步骤如下。

      (1)计算卫星传感器接收到的热红外辐射亮度值

      $ {L_{\rm{\lambda }}} = {\rm{gain}} \times {\rm{DN}} + {\rm{bias}} $

      (2)

      式中:Lλ是热红外辐射亮度值,gain和bias是热红外波段的增益和偏置值,从影像的头文件中读取;DN是影像原始灰度值。

      (2)计算同温度下的黑体辐射亮度

      $ B\left( {{T_{\rm{S}}}} \right) = \frac{{{L_\lambda } - {L_u} \uparrow - \tau \times \left( {1 - \varepsilon } \right){L_d} \downarrow }}{{\tau \times \varepsilon }} $

      (3)

      式中:BTs)为黑体热辐射亮度(K),Ts为地表真实温度(℃),ε为地表比辐射率,τ为大气在热红外波段的透过率,Lu↑为向上辐射率,Ld↓为向下辐射率。

      地表比辐射率ε通过Sobrino等[29]提出的NDVI阈值法计算,

      $ \varepsilon = 0.004P{\rm{v}} + 0.986 $

      (4)

      $ {P_V} = \frac{{NDVI - NDV{I_{{\rm{soil}}}}}}{{NDV{I_{{\rm{veg}}}} - NDV{I_{{\rm{soil}}}}}} $

      (5)

      式中:PV为植被覆盖度;NDVI为归一化植被指数;NDVIsoil为裸土或无植被覆盖区域的NDVI值;NDVIveg代表完全被植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值;取经验值NDVIveg = 0.70和NDVIsoil = 0.05,即当某个像元的NDVI大于0.70时,PV取值为1;当NDVI小于0.05,PV取值为0。

      (3)普朗克公式计算地表温度

      $ {T_s} = \frac{{{K_2}}}{{\ln \left( {\dfrac{{{K_1}}}{{B\left( {{T_S}} \right)}} + 1} \right)}} $

      (6)

      式中:TS是地表温度;K1K2是校准常数,对于ETM + 传感器,K1 = 666.09 W/(m2·µm·sr),K2 = 1 282.71 K,对于OLI传感器,K1 = 774.89 W/(m2·µm·sr),K2 = 1 321.08 K。

    • 为研究朝阳区热岛效应在2002—2017年间的变化,需要对4幅影像进行统一比较。4幅影像的获取时间集中在各年5月下旬至6月上旬,其绝对温度由于时相差异存在误差,需要对各年地表温度进行归一化处理[30],将各年温度统一至0 ~ 1之间,计算公式为:

      $ {N_i} = \frac{{{T_{{s_i}}} - {T_{{s_{{\rm{min}}}}}}}}{{{T_{{s_{{\rm{max}}}}}} - {T_{{s_{{\rm{min}}}}}}}} $

      (7)

      式中:Ni为第i个像元正规化后的值,Tsi为第i个像元的绝对亮温值,Tsmin为地面绝对亮温的最小值,Tsmax为地面绝对亮温的最大值。

    • 城市下垫面由人工不透水面物质、植被和水体组成。其中不透水面具体指由各种不透水建筑材料所覆盖的表面,如由瓦片、沥青、水泥混凝土等材料构成的建筑物、路面和停车场等。快速发展的城市化进程改变了下垫面性质和结构,自然的土壤、水面和植被覆盖逐渐减少,取而代之的是由花岗岩、水泥、沥青以及金属混合物组成的不透水面,导致地表水分蒸腾作用减少、径流加速、显热的储存和传输增加等一系列问题,从而影响了城市热量平衡。同时,城市建筑高大密集,墙体与地面、墙体与墙体之间多次反射吸收热量,也使得城市地表表面温度维持在一个高值。

      本文旨在研究城市下垫面变化对地表温度变化的驱动作用,故根据下垫面透水性质,将研究区域内下垫面覆盖类型分为不透水面、植被和水域。分类采用分辨率为1 m × 1 m的谷歌全色影像(2002-06、2007-06、2012-05和2017-05共4期影像),人工目视辨别各下垫面类型样本点,利用DeepLabv3 + 网络深度学习,根据样本点的不同下垫面色彩、纹理等特征进行分类识别。

    • 2002—2017年朝阳区NDVI变化图(图1)显示:朝阳区植被覆盖空间格局整体呈现由北向南、由东向西逐渐降低的特征。以长安街−京通快速路为界,朝阳区北部地区植被覆盖度高于南部地区;以四环为明显分界,四环外植被覆盖程度高于四环内西侧区域。从时间变化上,2002—2017年NDVI指数最大值和平均值15年间总变化趋势为上升,且2012—2017年间增长明显(表1)。15年间NDVI指数平均值上升幅度为177%。

      图  1  2002—2017年北京市朝阳区NDVI变化

      Figure 1.  Normalized difference vegetation index in Chaoyang District(2002—2017)

      表 1  2002—2017年朝阳区归一化植被指数统计

      Table 1.  Normalized vegetation index statistics of Chaoyang District(2002—2017)

      年份
      Year
      NDVI最大值
      A maximum NDVI
      NDVI平均值
      The average NDVI
      2002 0.09 − 0.26
      2007 0.50 − 0.15
      2012 0.38 − 0.16
      2017 0.62 0.20
    • 基于大气校正法反演得到各年份地表温度(图2)。将各年份地表辐射温度进行归一化处理,使各年份温度统一到0 ~ 1的范围内。将归一化后的地表温度划分为低温(< 0.2)、较低温(0.2 ~ 0.35)、次中温(0.35 ~ 0.45)、中温(0.45 ~ 0.55)、次高温(0.55 ~ 0.625)、高温(0.625 ~ 0.75)、特高温(> 0.75)7个等级[30],得到朝阳区地表温度等级分布,即城市热岛分布图(图3)。

      图  2  2002—2017年朝阳区地表温度

      Figure 2.  Land surface temperature of Chaoyang District(2002—2017)

      图  3  2002—2017年朝阳区地表温度等级分布

      Figure 3.  Chaoyang District land surface temperature grade distribution map(2002—2017)

      2002年,朝阳区西南潘家园一带呈现出较高的地表温度,但并未发展出明显的城市热岛中心。至2007年,由于城市建设等原因,京通快速路、京沪高速沿线地表温度明显高于周边地区,十八里店、望京至东五环两侧区域热岛也十分突出。至2012年,得益于大规模的城市绿地建设,城市热岛效应得到一定缓解。主要热岛中心主要集中在朝阳区南侧十八里店、百子湾区域,东北区域东坝乡周边和北侧黄港乡周边,这些区域特点表现为该时段正处于集中建设中或是密集的人口聚集地。至2017年,城市热岛效应剧烈加剧,研究区域内不再存在单一热岛中心,而是呈现出复杂的镶嵌式结构在全区内多中心分布。

      从各年份不同温度等级的分布情况和面积占比分析得出,从2002年到2017年低温和较低温区域面积占比下降明显,高温和特高温区域面积占比增幅明显(表2图4)。

      表 2  2002—2017朝阳区地表温度各等级分布比例

      Table 2.  2002—2017 Chaoyang District land surface temperature grades distribution ratio %

      年份
      Year
      低温
      low temperature
      (< 0.2)
      较低温
      Lower temperature
      (0.2 ~ 0.35)
      次中温
      Inferior Medium-temperature
      (0.35 ~ 0.45)
      中温
      Medium-temperature
      (0.45 ~ 0.55)
      次高温
      Inferior high temperature
      (0.55 ~ 0.625)
      高温
      High temperature
      (0.625 ~ 0.75)
      特高温
      Special high temperature
      (> 0.75)
      2002 3.72 17.40 29.93 34.15 12.89 1.82 0.10
      2007 1.90 14.80 28.39 34.11 15.94 4.60 0.27
      2012 2.30 18.16 33.54 33.39 9.06 3.39 0.17
      2017 0.01 1.84 21.32 42.16 21.33 12.43 0.91

      图  4  2002—2017朝阳区低温区和高温区面积占比变化

      Figure 4.  2002—2017 Chaoyang District low temperature zone and high temperature zone area ratio change

    • 为研究城市热岛效应和下垫面覆盖类型变化的关系,本研究采用分辨率为1 m × 1 m的谷歌全色影像(2002-06、2007-06、2012-05和2017-05共4期影像),利用DeepLabv3 + 网络深度学习提取下垫面信息(表3图5)。由表3可知:包括建筑、基础设施等在内的不透水面面积先增后减,2002年为338.51 km2,占全区面积的70.67%;到2007年,不透水面面积增加了15.61 km2,增幅4.61%,其面积占全区面积的73.93%;至2012年,不透水面面积由354.12 km2减少至281.53 km2,面积占全区面积比为58.77%,降幅20.50%,下降明显;由2012年到2017年,不透水面面积继续小幅度减少至267.49 km2,占全区面积比减少为55.84%。与此同时,区内2002年植被面积总和为130.00 km2,占全区面积的27.14%;至2007年,植被面积减少至120.32 km2,与2002年相比减少了7.45%;此后的5年间植被面积有较大增长,2012年植被面积增长至190.32 km2,与2007年相比增幅58.18%,年均增长率12.15%;2002—2017年,植被面积继续保持小幅度增长,总面积为203.54 km2,占全区面积的42.48%,为各观察年份的最高值。水域占全区面积比重小,其面积自2002年至2007年减少,于2007—2017年间有所增长。

      表 3  2002—2017朝阳区下垫面覆盖类型变化

      Table 3.  Chaoyang District underlying surface types change(2002—2017)

      年份
      Year
      植被面积
      Vegetation area/km2
      占比
      Proportion/%
      水域面积
      Water area/km2
      占比
      Proportion/%
      不透水面面积
      Impervious area/km2
      占比
      Proportion/%
      2002 130.00 27.14 10.49 2.19 338.51 70.67
      2007 120.32 25.12 4.56 0.95 354.12 73.93
      2012 190.32 39.74 7.15 1.49 281.53 58.77
      2017 203.54 42.50 7.96 1.66 267.49 55.84

      图  5  2002—2017年朝阳区下垫面覆盖类型格局

      Figure 5.  Chaoyang District underlying surface types change(2002—2017)

      15年间不透水面面积共减少71.02 km2,降幅20.98%;水域面积共减少2.53 km2,降幅24.12%;植被面积共增加73.54 km2,增幅56.57%。

    • 在ArcGIS中,将朝阳区各年地表温度与朝阳区下垫面覆盖类型分别矢量化后进行叠加,保留每个像元在原图层的值。对叠加后的矢量图像进行分区计算统计,分别得到各年份不同下垫面覆盖类型的平均地表温度(表4)。由表4可知:在所有研究年份中,不同下垫面覆盖类型的地表温度均存在差别;不透水面的地表温度始终高于该年平均地表温度;而植被和水域对应的地表温度则均低于年均地表温度,且水体的地表温度为下垫面类型中最低。不同下垫面地表温度不同,下垫面覆盖类型对地表温度的影响作用也不同:不透水面对地表有增温作用,植被和水域对地表有降温作用。

      表 4  2002—2017年朝阳区不同下垫面覆盖类型地表温度及各年平均温度

      Table 4.  Land surface temperature of different underlying surface types of Chaoyang District(2002—2017)℃

      下垫面覆盖类型
      Erlying surface type
      年份 Year
      2002200720122017
      不透水面32.5541.5033.1433.04
      植被31.1339.4730.2932.67
      水体31.1037.1828.3430.74
      年平均温度31.9040.9531.5132.71

      进一步研究朝阳区地表温度与下垫面覆盖类型变化的关系(图6),在SPSS中对地表温度与下垫面类型动态变化相关性进行分析可得,地表温度与不透水面面积呈正相关,即不透水面面积增加引起地表温度上升,二者相关性系数0.653,为强相关;地表温度与植被面积呈负相关关系,也即植被面积增加将使地表温度下降,相关性系数为− 0.612,其绝对值大于0.6,二者为强相关。

      图  6  2002—2017年朝阳区地表温度与下垫面覆盖变化关系

      Figure 6.  Relationship between land surface temperature and land cover types change in Chaoyang District(2002—2017)

      但从总量来看,2012—2017年朝阳区与城市热岛效应成负相关关系的植被与水面面积总量增加明显,但城市热岛效应不降反增,与常规刚好相反。

      进一步深入研究,对比2012—2017年间下垫面类型变化区域和地表温度变化区域,选取朝阳区内情况符合且无水域分布的典型区域进行分析:图7a为日坛公园,2002—2017年日坛公园的下垫面类型未发生较大改变,但2017相较2002年地表温度高温区域总体依然上升;图7b是位于朝阳区松榆南路南侧、首都图书馆东侧的区域,2002—2017年建筑格局和数量均未发生改变,容积率没有任何变化,但2017相较2002年地表温度高温区域总体依然上升;图7c为姚家园路北侧海国际居住区,2002年区域内部多为平房建筑,2017年此区域逐步建设成为中高层建筑住宅,2002—2017年下垫面类型中不透水面减少,绿地增多,但2017相较2002年地表温度高温区域总体依然上升;图7d为国家体育场西侧、北辰西路东侧区域,相较2002年,2017年其内部的低层建筑已被全部拆除,转换为绿地,对比地表温度变化,可知区域内地表温度高温区域呈升高趋势。以上情况表明,地表温度升高不仅受下垫面类型变化影响,全球气候变化、区域内人口数量增长、经济活动增加等因素均可能造成地表温度升高、热岛效应加剧。

      图  7  典型地块2002—2017卫星图像、下垫面覆盖类型和地表温度变化

      Figure 7.  2002—2017 satellite image, land cover types and land surface temperature change of typical plots

    • 本研究结合遥感与深度学习技术,研究了朝阳区下垫面覆盖类型动态变化和朝阳区地表温度时空变化,并对二者相关性进行研究。结果表明:

      (1)过去15年来,朝阳地区的下垫面覆盖类型经历了较大变化:15年间不透水面面积共减少71.02 km2,降幅20.98%;水域面积共减少2.53 km2,降幅24.12%;植被面积共增加73.54 km2,增幅56.57%。排除时相等因素干扰,将各年份地表温度归一化处理后发现,15年间朝阳区高温和特高温区域面积占全区面积的比重由2002年的1.91%上升至2017年的13.35%,低温和较低温区域面积占比由21.12%锐减至1.85%。区内城市热岛加剧,并逐渐发展为多中心分布。

      (2)分析地表温度与下垫面覆盖类型变化的相关性后发现:地表温度与不透水面面积呈正相关,与植被面积呈负相关关系;同时,虽然不透水面面积减少,但朝阳区城市热岛效应仍然进一步加剧。通过对朝阳区内典型区域的调研分析,植被和水面对城市热岛可起的缓解作用在城市气温升高、用地强度、建筑密度不断增长的前提下逐渐变得有限。此外,新建不透水地面和建筑更多采用混凝土、金属、玻璃等,亦直接影响城市热环境。在现有城市发展模式下,朝阳区地表温度将继续上升、城市热岛进一步加剧。

      (3)本研究同时发现,影响地表温度的因素很多,下垫面类型变化、全球气候变化、人为热等均可能造成地表温度升高、热岛效应加剧。本研究仅从下垫面覆盖类型变化的角度探讨了人为活动对城市热岛效应的机理,未来研究需要捋清不同因素对地表温度变化的贡献,同时从城市用地强度、城市空间结构并结合经济普查、人口普查、能耗调查等较高精度数据,实现景观尺度上人为活动影响热岛效应的机理性分析。如何精确获取人为热数据,将其纳入到城市地表热环境研究也尚需进一步探讨。

      (4)本研究以城市地表热岛为研究对象,从宏观层面上初步探讨了高密度城市空间发展对近地表温度的时空影响机理。在对城市不透水面进行准确评估和预测的基础上,可以发现亟待改善的城市空间问题和敏感区域,研究结果可用于提出高密度城市空间格局优化的策略和城市近地空间的设计导则,对缓解“城市热岛”和建设“韧性(resilience)城市”等议题具有重要意义。,

参考文献 (30)

目录

    /

    返回文章
    返回