王憲凱, 孟慶巖, 李娟, 胡新禮, 張琳琳

北京市主城區(qū)不透水面時空演變及其熱環(huán)境效應(yīng)研究

王憲凱1, 4, 孟慶巖2, 3, *, 李娟2, 3, 胡新禮2, 3, 張琳琳2

1. 濟南市房產(chǎn)測繪研究院, 濟南 250001 2. 中國科學(xué)院空天信息創(chuàng)新研究院, 北京 100101 3. 中國科學(xué)院空天信息研究院海南研究院, 三亞 572029 4. 中國礦業(yè)大學(xué), 北京 100083

城市不透水面是表征城市化進程的重要指標, 開展城市不透水面研究對生態(tài)環(huán)境監(jiān)測及城市建設(shè)規(guī)劃具有重要意義。以北京市主城區(qū)為研究區(qū), 基于Landsat影像采用支持向量機(SVM)和線性光譜混合分解模型(LSMM)相結(jié)合的方法提取研究區(qū)2002年、2009年和2017年三期不透水面; 同時采用輻射傳輸方程法反演研究區(qū)地表溫度, 分析北京市主城區(qū)不透水面時空格局演變及其與城市熱環(huán)境的相關(guān)性。研究結(jié)果表明: 2002—2017年, 北京市主城區(qū)近15年不透水面聚集度較高且呈持續(xù)增長趨勢, 東、西城區(qū)不透水面面積占比最高, 朝陽區(qū)和海淀區(qū)不透水面增長速率和增長強度相對較大。北京市主城區(qū)不透水面呈放射狀擴張趨勢且增長集中在四環(huán)以外的區(qū)域, 不透水面蓋度高值區(qū)面積不斷增加。研究區(qū)近15年地表溫度持續(xù)升高, 熱島效應(yīng)加劇, 地表溫度高值區(qū)與城市建筑區(qū)空間分布存在一致性。不透水面空間格局與熱環(huán)境高度相關(guān), 不透水面的斑塊密度和破碎度與地表溫度呈負相關(guān), 斑塊所占景觀比例及最大斑塊指數(shù)與地表溫度呈正相關(guān), 可通過合理控制相關(guān)景觀指標、優(yōu)化不透水面空間格局控制地表溫度。在此基礎(chǔ)上提出了緩解城市熱島效應(yīng)的建議: 增加樹木、草地等用地類型; 將不透水面分割成許多小斑塊, 減少大面積不透水面區(qū)域分布; 使用透水性材料等。

城市化; 不透水面; 時空格局; 熱島效應(yīng); 遙感

0 前言

城市不斷擴張改變了下墊面類型和結(jié)構(gòu), 使原本以植被為主的自然地表被高儲熱的建筑、廣場、道路等不透水地表所取代[1]。不透水面大量分布導(dǎo)致城市熱環(huán)境不斷惡化, 地表溫度不斷上升, 形成了城市熱島效應(yīng)[2—3]。熱島效應(yīng)一直是城市生態(tài)研究的重點問題, 對空氣質(zhì)量、區(qū)域氣候、人居環(huán)境和城市生態(tài)等方面產(chǎn)生了一系列負面影響[4]。因此研究城市熱島、分析不透水面對地表溫度的影響對于改善城市生態(tài)環(huán)境與提升居民生活質(zhì)量具有重要意義。

當前, 利用遙感技術(shù)開展城市不透水相關(guān)研究受到國內(nèi)外學(xué)者廣泛關(guān)注。如Ridd將城市地表覆被視為植被、不透水面和土壤的線性組合, 提出了著名的植被-不透水面-土壤(Vegetable-Impervious-Soil, V-I-S)模型[5], 被許多研究者使用。Wu等對線性光譜混合分解模型(LSMA)進行改進, 降低了同種地物端元之間的光譜差異, 提高了不透水面提取精度[6]。徐涵秋創(chuàng)建了歸一化差值不透水面指數(shù)(Normalized Difference Impervious Surface Index, NDISI), 該指數(shù)可應(yīng)用于大區(qū)域不透水面信息快速自動提取, 具有較高精度[7]。利用遙感影像進行大范圍地表溫度反演可以對城市熱島問題進行定量分析, 探究其時空演變特征[8—9]。當前, 使用較廣泛的地表溫度反演方法主要有輻射傳輸方程法、單窗算法、單通道法和劈窗算法等[10—12], 其中輻射傳輸方程法因適用于任何熱紅外波段而被廣泛應(yīng)用。針對城市不透水面與城市熱島相關(guān)性研究, 張旸等分析了北京市六環(huán)內(nèi)城市不透水面蓋度變化及對地表溫度的影響, 研究表明城區(qū)各環(huán)路區(qū)域內(nèi)不透水面蓋度與地表溫度均呈正相關(guān)[13]。曹璐等基于遙感影像獲取上海外環(huán)線以內(nèi)的地表溫度, 不透水面及歸一化植被指數(shù)信息, 定量研究了地表溫度與主要城市景觀類型的關(guān)系[14]。魏錦宏等研究得出城市不透水面與地表溫度空間格局呈現(xiàn)高度相似性, 兩者具有明顯的指數(shù)關(guān)系, 其數(shù)值均隨著與城市中心距離的增加而減少[15]。

北京市作為國家首都, 近年來隨著經(jīng)濟的發(fā)展城市化進程不斷加快, 導(dǎo)致城市不透水面持續(xù)增加, 進而造成一系列城市生態(tài)環(huán)境問題, 其中最突出的就是城市熱島問題?；诖? 本文以北京市主城區(qū)為研究區(qū), 以中分辨率遙感影像為數(shù)據(jù)源, 采用遙感技術(shù)探究北京市主城區(qū)城市不透水面演變特征及其對城市熱環(huán)境的影響。研究成果可為北京市生態(tài)環(huán)境質(zhì)量監(jiān)測、城市建設(shè)規(guī)劃和持續(xù)健康發(fā)展提供理論依據(jù)。

1 研究區(qū)和數(shù)據(jù)源

1.1 研究區(qū)狀況

北京市(39°28′N—41°25′N, 115°25′E—117°30′E)位于華北平原西北部, 總面積約16410 km2, 共轄16個區(qū)、縣, 是全國的政治、文化中心。北京氣候為典型的北溫帶半濕潤大陸性季風(fēng)氣候, 夏季炎熱多雨, 冬季寒冷干燥, 春、秋短促。以北京市主城區(qū)為研究區(qū), 包括兩個功能核心區(qū): 東城區(qū)和西城區(qū)及四個功能拓展區(qū): 海淀區(qū)、石景山區(qū)、豐臺區(qū)和朝陽區(qū)。研究區(qū)面積約1368 km2, 占北京市總面積的8.33%。北京市主城區(qū)是全市居民集中區(qū)、商業(yè)金融中心和交通樞紐。

1.2 研究數(shù)據(jù)

本研究使用數(shù)據(jù)均由美國USGS網(wǎng)站提供, 共獲取2002年8月2日、2009年9月22日Landsat5TM及2017年9月12日OLI-TIRS三期遙感影像, 影像中心經(jīng)緯度分別為(40°20′N, 116°36′E; 40°20′N, 116°42′E; 40°20′N, 116°44′E), 空間分辨率為30 m, 無云或少云分布, 質(zhì)量較好。對影像數(shù)據(jù)進行輻射定標、大氣校正等預(yù)處理, 使其更精確地反映地面實際情況。

2 研究方法

本文基于中分辨率遙感影像, 采用支持向量機監(jiān)督分類和線性光譜混合分解模型相結(jié)合的方法提取研究區(qū)不透水面蓋度信息。基于影像熱紅外波段采用輻射傳輸方程法反演地表溫度。分析北京市主城區(qū)不透水面及地表溫度時空變化, 并研究兩者相關(guān)性。

2.1 不透水面提取

2.1.1 監(jiān)督分類初步提取不透水面

城市不透水面由低反射率地物(如瀝青)及高反射率地物(如水泥路)組成, 兩者間光譜反射率存在較大差異。不同的植被類型(如草坪、農(nóng)作物等）具備相似的光譜形態(tài), 但反射率也有明顯差異。基于以上因素, 直接采用SVM監(jiān)督分類準確獲取不透水面信息存在一定難度。本文借鑒錢樂祥[16]等人提出的方法, 對研究區(qū)遙感影像進行光譜標準化處理以降低各地表覆被的光譜差異, 標準化處理公式為

2.1.2 線性光譜混合分解模型獲取不透水面最終結(jié)果

中分辨率遙感影像中一個像元范圍內(nèi)包含多種地物, 像元的光譜特征可看作幾種純凈地物光譜值的組合, 該像元被稱為混合像元; 混合像元內(nèi)的純凈地物被稱為端元。線性光譜混合模型假設(shè)每一光譜波段中單個像元的反射率為端元組分反射率與其所占像元面積比例為權(quán)重的線性組合[17—20]。該模型表達

圖1 研究區(qū)位置示意圖

Figure 1 Location of the study area

式為:

為避免水體對不透水面信息提取的干擾, 在采用線性光譜混合分解法提取研究區(qū)不透水面前, 采用歸一化水體指數(shù)()[21]對影像進行水體掩膜處理。

對經(jīng)過水體掩膜的研究區(qū)影像進行MNF變換、PPI計算, 并結(jié)合手動選擇端元方法選取低反照地物、高反照地物、植被和土壤四種端元。運用線性光譜混合模型對經(jīng)監(jiān)督分類所得初始不透水面進行亞像元分解。將低反射率地物和高反射率地物相加得研究區(qū)不透水面蓋度結(jié)果。

2.1.3 不透水面提取精度評價

在Google Earth高分影像上均勻選取200個5 × 5(150 m ×150 m)像元大小的樣本, 提取各樣本區(qū)不透水面蓋度作為真實值; 統(tǒng)計線性光譜混合分解所得不透水面蓋度影像上各對應(yīng)樣本區(qū)不透水面蓋度值, 對研究結(jié)果進行精度評價。

2.2 地表溫度反演

式中:1、2為衛(wèi)星發(fā)射前定標常數(shù), 對于Landsat-5影像數(shù)據(jù),1和2分別為 607.76 W·(m2·sr·μm)–1和1260.56 W·(m2·sr·μm)–1, 對于Landsat-8影像數(shù)據(jù),1和2分別為774.89 W·(m2·sr·μm)–1和1321.08 W· (m2·sr·μm)–1。

2.3 景觀格局變化

景觀格局(Landscape Pattern)多指空間格局, 是由許多人為或自然形成的大小、形狀和排列不同的景觀要素共同作用形成的綜合體, 是各種復(fù)雜的社會、地理和生物因子彼此作用的結(jié)果[25]。景觀指數(shù)(Landscape indices)是指對景觀格局信息高度濃縮, 表征其空間配置與結(jié)構(gòu)組成等方面特征的簡單定量指標。景觀指數(shù)種類繁多, 研究中多從宏觀角度分為描述景觀總體特征及描述景觀要素的指數(shù)兩個層次[26]。

對于單一的不透水景觀, 景觀聚集度和破碎化程度是衡量景觀異質(zhì)性的重要指標。根據(jù)研究區(qū)特點, 借鑒以往有關(guān)學(xué)者的研究經(jīng)驗, 本文選用了多種指標, 包括斑塊數(shù)()、斑塊結(jié)合指數(shù)()、聚集度()、最大斑塊指數(shù)()等。

3 結(jié)果與分析

3.1 不透水面時空演變

采用線性光譜混合分解模型將SVM監(jiān)督分類獲取的初始不透水面信息分解為高反射率地物、低反射率地物、植被和土壤等地物, 將高、低反射率地物相加得研究區(qū)不透水面蓋度影像。所得各期不透水面結(jié)果誤差均值均在0.02以內(nèi), 達到研究精度要求。利用Google Earth高分影像對研究結(jié)果進行精度評價(圖2), 得出各年份系數(shù)均在0.8以上, 不透水面提取精度較高。所得北京市主城區(qū)2002—2017年不透水面蓋度結(jié)果如圖3所示。

北京市主城區(qū)內(nèi)不透水面蓋度低值區(qū)多分布在山地、林地等集中區(qū)域, 不透水面蓋度高值區(qū)主要集中于中心城區(qū)且與建設(shè)用地分布具有一致性, 以東西城區(qū)為中心呈放射狀分布。利用公式(7)統(tǒng)計2002年至2017年研究區(qū)的不透水面面積, 結(jié)果如表1所示。2002—2017年研究區(qū)不透水面增長顯著, 從2002年的626.53 km2增長到2017年的846.21 km2, 年均增長2.34%。不透水面占比由45.80%上升到61.86%。

將北京市主城區(qū)不透水面蓋度影像分為六個等級, 分別為自然地表(<0.1)、極低不透水面蓋度(0.1≤<0.3)、低不透水面蓋度(0.3≤<0.5)、中等不透水面蓋度(0.5≤<0.7)、高不透水面蓋度(0.7≤<0.9)和極高不透水面蓋度(≥0.9)。各級不透水面蓋度分布如圖4所示。統(tǒng)計各等級不透水面面積及其占研究區(qū)總面積百分比, 統(tǒng)計數(shù)據(jù)如表2所示。

由圖4和表2可得自然地表主要分布在海拔相對較高的山地和林地等多植被區(qū)域, 在自然地表周圍交叉分布著極低蓋度、低蓋度及中蓋度不透水面區(qū)域, 而高蓋度、極高蓋度不透水面集中分布在研究區(qū)中部建筑密集區(qū)。2002年自然地表為525.36 km2, 在各等級中面積最大, 占比為38.40%。極高不透水面蓋度區(qū)域比重次之, 面積為350.92 km2, 占比為25.65%; 其他各等級不透水蓋度占比相對較小。2017年相較于2002年, 極高不透水蓋度區(qū)域面積增加至439.69 km2, 占比為32.15%, 在各等級不透水區(qū)域中比重最大; 自然地表面積減少至409.75 km2, 占比降低至29.96%。2002—2017年, 北京市主城區(qū)自然地表和中等不透水面蓋度區(qū)域所占比重持續(xù)降低, 面積分別減少115.61 km2、31.28 km2; 高不透水蓋度與極高不透水蓋度區(qū)域所占比重持續(xù)增長, 面積分別增加52.12 km2、88.77 km2。總體上不透水蓋度低值區(qū)面積在減少, 不透水蓋度高值區(qū)面積呈增長趨勢。

圖2 不透水面提取精度檢驗結(jié)果

Figure 2 Test results of impervious surface extraction accuracy

圖3 2002—2017研究區(qū)不透水面蓋度分布圖

Figure 3 Distribution map of impervious surface coverage in the study area from 2002 to 2017

表1 研究區(qū)不透水面統(tǒng)計數(shù)據(jù)

為進一步研究不透水面演變規(guī)律, 計算研究區(qū)2002—2017年不透水面景觀格局指數(shù), 見表3。由表可知, 2002—2017年不透水面占景觀比例、最大斑塊指數(shù)和斑塊數(shù)量呈增長趨勢, 表明研究區(qū)不透水面不斷擴張, 不透水面面積持續(xù)增加; 不透水面斑塊結(jié)合指數(shù)越來越大, 景觀分裂指數(shù)逐年減小, 聚集度指數(shù)總體增加, 表明研究區(qū)不透水面不斷向外延伸擴展、不透水面越來越聚集。

統(tǒng)計研究區(qū)各環(huán)路內(nèi)不透水面面積及其占比, 利用公式(8)計算變化速率以反映不透水面年均變化量, 利用公式(9)計算不透水面變化強度(年均增加面積與基年面積之比), 見表4、表5。北京市主城區(qū)各環(huán)面不透水面占比由二環(huán)至五環(huán)逐漸降低; 四環(huán)以內(nèi)不透水面所占比重均在0.75以上, 該區(qū)域城市化建設(shè)完成度較高, 四環(huán)外不透水面所占比重相對較小, 在城市建設(shè)中擁有廣闊的發(fā)展空間。2002—2017年四環(huán)內(nèi)各區(qū)域不透水面變化較小; 不透水面增長區(qū)域集中在四環(huán)至五環(huán)之間及五環(huán)以外, 兩區(qū)域不透水面分別增加47.45 km2和152.55 km2。城市化進程不斷推進加快了城市向外擴張的速度, 進而推動不透水面大量增長。

圖4 2002—2017研究區(qū)不透水蓋度等級分布圖

Figure 4 Distribution map of impervious surface coverage grade in the study area from 2002 to 2017

表2 研究區(qū)各等級不透水面蓋度統(tǒng)計數(shù)據(jù)

表3 2002年—2017年研究區(qū)不透水面景觀格局指數(shù)

表4 研究區(qū)各環(huán)路間不透水面統(tǒng)計數(shù)據(jù)

表5 研究區(qū)各環(huán)路間不透水面變化速率和變化強度表

統(tǒng)計研究區(qū)各區(qū)縣不透水面面積、占比、變化速率及變化強度等, 所得數(shù)據(jù)如表6、表7所示。各時期東、西城區(qū)兩個功能核心區(qū)不透水面占比均在0.85以上, 海淀、朝陽、豐臺、石景山四個功能擴展區(qū)不透水面比例相對較低。各區(qū)不透水面占比變化: 2002—2017年, 東、西城區(qū)變化較小; 豐臺區(qū)、石景山區(qū)、海淀區(qū)和朝陽區(qū)不透水面占比均表現(xiàn)出上升趨勢, 其中朝陽區(qū)升幅最大, 由45.84%上升至66.32%, 增加超出20個百分點; 海淀區(qū)次之, 不透水面占比由34.68%提高至50.65%。就擴張速度而言: 2002—2017年各區(qū)縣中海淀區(qū)和朝陽區(qū)不透水面變化速率和變化強度均在前兩位, 不透水面年均增長4.65 km2和6.17 km2; 豐臺區(qū)和石景山區(qū)不透水面擴張速度低于海淀區(qū)和朝陽區(qū), 變化速率分別為3.08 km2·a-1和0.34 km2·a-1; 而東、西城區(qū)不透水面變化速率最小, 分別為0.09 km2·a-1和0.04 km2·a-1?？傮w上, 北京市主城區(qū)不透水面向外圍各區(qū)縣不斷擴張, 和城市建設(shè)發(fā)展方向呈現(xiàn)一致性。

表6 各區(qū)縣不透水面統(tǒng)計情況

表7 各區(qū)縣不透水面變化速率和變化強度表

3.2 地表溫度空間分布特征

采用輻射傳輸方程法獲取北京市主城區(qū)地表溫度信息, 利用MOD11A1(MODIS日地表溫度產(chǎn)品)對經(jīng)重采樣的研究區(qū)地表溫度影像進行精度驗證。MOD11A1數(shù)據(jù)產(chǎn)品由網(wǎng)站https://lpdaacsvc.cr. usgs.gov/appeears/task/area提供, 其像元值可轉(zhuǎn)換成地表溫度值, 轉(zhuǎn)換方式為像元值乘0.02減去273.15。分別在MOD11A1數(shù)據(jù)產(chǎn)品和地表溫度反演影像上均勻選取200個樣本進行精度評價。各時期兩者相關(guān)系數(shù)分別為0.86、0.85和0.89, 說明地表溫度反演結(jié)果精度高適用于本研究。2002—2017年北京市主城區(qū)地表溫度如圖5所示。

北京市主城區(qū)地表溫度低值區(qū)主要集中于水體和植被等分布區(qū)域, 溫度高值區(qū)與城市地表建筑區(qū)具備高度一致性。2002—2017年北京市主城區(qū)地表溫度最高值由35.79℃增加至43.08℃, 提高7.29℃, 升溫效應(yīng)顯著。2002年研究區(qū)平均溫度24.75℃, 標準差為2.15; 2017年研究區(qū)平均溫度31.50℃, 標準差為2.66; 日平均溫度增加6.75℃, 標準差增加0.51(表8)。熱島效應(yīng)顯著區(qū)域溫度離散性較高, 溫度高值區(qū)與低值區(qū)差異明顯, 標準差可反應(yīng)溫度分布的離散性。2002—2017年研究區(qū)地表溫度標準差增加, 說明溫度提升加劇了城市熱島效應(yīng)。

為更好地表征研究區(qū)地表熱環(huán)境的空間分布及其變化特征, 對獲取的北京市主城區(qū)地表溫度影像利用公式如式(10)進行歸一化處理。

采用均值和標準差法將歸一化地表溫度進行分級處理, 分級公式如下:

式中,表示歸一化地表溫度分級閾值,表示溫度均值,表示標準差,表示標準差倍數(shù)。

圖5 2002—2017研究區(qū)地表溫度分布圖

Figure 5 Temperature distribution map of study area

表8 2002—2017研究區(qū)地表溫度統(tǒng)計數(shù)據(jù)(單位℃)

表9 各溫度等級區(qū)間劃分標準

由圖6可知北京市主城區(qū)熱環(huán)境在2002至2017年變化顯著, 各時期不同溫度等級地表分布也存在差異。強冷島和冷島區(qū)主要集中分布在水體、林地集中區(qū)域, 中間區(qū)主要分布在近郊區(qū)域, 熱島和強熱島區(qū)多分布于建筑密度及人口密度較高的城市建成區(qū), 城區(qū)相較于郊區(qū)和農(nóng)村地表溫度高、熱島效應(yīng)顯著。

為定量分析北京市主城區(qū)2002—2017年熱島強度時空變化特征, 統(tǒng)計各溫度等級面積及其所占研究區(qū)總面積的百分比, 如表10所示。2002—2017年北京市主城區(qū)各溫度等級中面積最大的為中間區(qū), 分別占研究區(qū)總面積的42.63%和37.51%。相比2002年, 2017年北京市主城區(qū)熱島區(qū)和強熱島區(qū)所占比重持續(xù)提升, 面積分別增加43.50 km2、63.93 km2; 期間, 由于熱島區(qū)和強熱島區(qū)擴張取代了中間區(qū)的部分區(qū)域, 使中間區(qū)所占比重顯著降低, 面積減少69.94 km2; 冷島區(qū)和強冷島區(qū)面積分別減少29.50 km2和7.92 km2。相比2002年, 2009年及2017年北京市主城區(qū)熱島效應(yīng)逐漸加劇。

3.3 不透水面蓋度與城市熱島相關(guān)性

將獲取的北京市主城區(qū)不透水面蓋度影像及地表溫度影像進行歸一化處理, 在兩影像對應(yīng)區(qū)域隨機均勻獲取200個樣本點, 統(tǒng)計各樣本不透水蓋度及地表溫度值, 基于SPSS軟件利用回歸分析工具探究兩者間相關(guān)性。采用線性、對數(shù)、二次函數(shù)、冪函數(shù)和指數(shù)函數(shù)等多種回歸方法建立北京市主城區(qū)2002年、2009年和2017年不透水面蓋度()與地表溫度()的關(guān)系模型。結(jié)果如表(11—13)所示。所得各關(guān)系式中不透水蓋度與地表溫度均呈正相關(guān)關(guān)系, 且在各關(guān)系模型中二次函數(shù)分析所得兩者相關(guān)性最強, R2分別為0.783、0.768和795。將各期不水面蓋度(0—1)以0.1為間隔進行等級劃分, 基于二次函數(shù)模型計算所得回歸方程計算各等級不透水面蓋度對應(yīng)地表溫度, 見如表14。由計算結(jié)果可得2002—2017年研究區(qū)不透水面蓋度值越大, 對應(yīng)地表溫度越高, 且不透水面蓋度每增加0.1, 地表溫度增加值不斷擴大, 表明在高不透水面蓋度區(qū)域, 地表升溫效應(yīng)明顯強于低不透水面蓋度區(qū)域。

圖6 2002—2017研究區(qū)熱島強度等級劃分圖

Figure 6 Classification of heat island intensity levels in the study area from 2002 to 2017

表10 各等級熱島面積和占比統(tǒng)計數(shù)據(jù)

3.4 不透水面景觀格局與城市熱島相關(guān)性

研究不透水面景觀格局與地表溫度的定量關(guān)系,將研究區(qū)地表溫度進行歸一化處理, 分析歸一化地表溫度均值與各不透水面景觀指數(shù)的關(guān)系。為滿足樣本數(shù)據(jù)分析的準確性, 本文以研究區(qū)各區(qū)縣為個體, 將研究區(qū)依行政區(qū)劃分為東城區(qū)、西城區(qū)、朝陽區(qū)、石景山區(qū)、豐臺區(qū)和海淀區(qū)六個部分, 分別統(tǒng)計出各區(qū)縣同一時期的地表溫度均值和對應(yīng)的各景觀指數(shù)值。運用SPSS軟件對各景觀指數(shù)與歸一化地表溫度均值進行回歸分析和顯著性分析。采用Pearson相關(guān)系數(shù)表征各變量間的相互關(guān)系, 該系數(shù)是線性相關(guān)條件下, 兩個變量間相互關(guān)系密切程度的統(tǒng)計指標, 取值為-1—1, 判定系數(shù)R2是對所得回歸方程擬合程度好壞的度量指標, 取值為0—1。

表11 2002年地表溫度與不透水面多模型回歸分析

表12 2009年地表溫度與不透水面多模型回歸分析

表13 2017年地表溫度與不透水面多模型回歸分析

經(jīng)過相關(guān)分析得出最大斑塊指數(shù)()、斑塊所占景觀比例()、斑塊密度)及斑塊破碎度()等與地表均溫()有顯著相關(guān)性, Pearson相關(guān)系數(shù)分別為0.745、0.728、-0.547、-0.629, 在0.01水平上(雙側(cè))顯著相關(guān)。分別對最大斑塊指數(shù)、斑塊所占景觀比例、斑塊密度及斑塊破碎度與歸一化地表均溫進行回歸分析, 所得結(jié)論如下: 如圖7a可見最大斑塊指數(shù)()與地表均溫()大致呈線性函數(shù)關(guān)系, 回歸方程為=0.002+0.441, R2=0.515; 由圖7b可見, 斑塊密度()與地表均溫()大致呈二次函數(shù)關(guān)系, 回歸方程為=-0.007PD-1.046× 10-5+0.559, R2=0.316; 由圖7c可見, 斑塊破碎度()與地表均溫()大致呈線性函數(shù)關(guān)系, 回歸方程為=-0.256+0.730, R2=0.351; 由圖7d可見, 斑塊所占景觀比例()與地表均溫()大致呈線性函數(shù)關(guān)系, 回歸方程為=0.002+ 0.428, R2=0.486。

表14 2002—2017年各不透水面蓋度對應(yīng)地表溫度

由研究結(jié)果得出: 斑塊密度及破碎度指數(shù)越大, 表明不透水面越破碎, 不透水面斑塊之間分布著較多的其他地物類型斑塊, 從而降低了不透水面的聚集增溫效應(yīng)。最大斑塊指數(shù)和斑塊所占景觀比例指數(shù)越大, 說明區(qū)域內(nèi)不透水面分布范圍越廣、面積越大, 則相應(yīng)的地表溫度比零星分布的不透水面區(qū)域溫度更高。為更好地控制城市熱環(huán)境, 須對城市不透水面格局進行合理規(guī)劃。

4 討論與結(jié)論

針對城市化建設(shè)中城市熱島效應(yīng)日益嚴重的問題, 本文以北京市主城區(qū)為研究區(qū), 基于中分辨率遙感影像, 探究城市不透水面與地表溫度提取的有效方法, 定性和定量分析研究區(qū)不透水面與地表溫度的時空演變特征, 并對兩者間的相關(guān)性進行分析, 研究得出: (1)北京市主城區(qū)不透水面蓋度高值區(qū)集中于東、西城區(qū)等功能核心區(qū)及其附近區(qū)域; 2002至2017年, 東、西城區(qū)等老城區(qū)因城市建設(shè)處于飽和狀態(tài), 不透水面增長緩慢, 而朝陽區(qū)及海淀區(qū)隨著經(jīng)濟的發(fā)展, 城市化進程加快, 在各城區(qū)中不透水面增長速率和強度較大, 不透水面面積顯著增加。(2)北京市主城區(qū)地表溫度低值區(qū)主要分布在植被、水體等集中區(qū)域, 高溫區(qū)與城市建成區(qū)在空間分布上具有一致性。2002至2017年北京市主城區(qū)地表溫度明顯升高, 伴隨城市化進程的快速推進, 城市熱島效應(yīng)不斷增強。(3)不透水面蓋度與地表溫度呈二次函數(shù)的顯著正相關(guān)關(guān)系, 兩者具備相同的空間分布特征及變化趨勢, 不透水面蓋度值越大, 對應(yīng)地表溫度越高, 不透水面蓋度高值區(qū)升溫效應(yīng)更強。不透水面景觀格局變化對地表溫度具有重要影響, 不透水面斑塊密度越大、斑塊越破碎排布越分散, 對應(yīng)的地表溫度越低; 不透水面斑塊面積越大、聚集度越高, 相應(yīng)的地表溫度越高。

圖7 景觀指數(shù)與地表溫度函數(shù)關(guān)系圖

Figure 7 The function diagram between landscape index and surface temperature

基于亞像元尺度的不透水面蓋度估算, 本文采用了支持向量機(SVM)監(jiān)督分類與線性光譜混合分解模型相結(jié)合的方法, 經(jīng)驗證該方法比傳統(tǒng)使用線性光譜分解法所得不透水面蓋度精度更高。以北京市主城區(qū)為研究對象, 探究大尺度長時間序列不透水面時空演變特征。定性和定量分析了近15年北京市主城區(qū)不透水面的空間分布特征和動態(tài)變化規(guī)律, 對研究區(qū)不透水面景觀格局變化進行研究, 為大區(qū)域范圍不透水面的應(yīng)用研究提供參考。研究分析了不透水面景觀格局與地表溫度的關(guān)系, 基于所得成果提出合理控制不透水面的相關(guān)景觀指標、統(tǒng)籌不透水面布局以控制地表溫度的建議, 為城市規(guī)劃建設(shè)及生態(tài)環(huán)境保護提供理論支撐。

[1] 鄒春城. 基于不透水面百分比, 景觀指數(shù)與土地利用類型的福州市城市熱環(huán)境分析[D]. 福州: 福建師范大學(xué), 2014.

[2] WENG Q. A remote sensing–GIS evaluation of urban expansion and its impact on surface temperature in the Zhujiang Delta, China[J]. International Journal of Remote Sensing, 2001, 22(10): 1999–2014.

[3] XU Duo, DIAN Zhou. Research on the Planning Methods of Mitigating Summer Urban Heat Island Effects among Basin Citie–A Case Study at Xi’an, China[J]. Procedia Engineering, 2016, 169: 248–255.

[4] 王紅紅, 邢立新, 潘軍, 等. 城市景觀格局對熱環(huán)境影響遙感研究[J]. 環(huán)境保護科學(xué), 2012, 38(04): 44–48.

[5] RIDD M K. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing: comparative anatomy for cities[J]. International Journal of Remote Sensing, 1995, 16(12): 2165–2185.

[6] WU Changshan, MURRAY A. Estimating impervious surface distribution by spectral mixture analysis[J]. Remote Sensing of Environment, 2003, 84(4): 493–505.

[7] 胡實, 熊黑鋼, 朱忠鵬. 北京市各區(qū)縣不透水面動態(tài)變化特征研究[J]. 安徽農(nóng)業(yè)科學(xué), 2015, 43(07): 237-240+ 255.

[8] 鄧睿, 胡日查, 劉亮, 等. 基于Landsat8 OLI/TIRS數(shù)據(jù)的重慶市不透水面與城市熱環(huán)境關(guān)系研究[J]. 重慶交通大學(xué)學(xué)報(自然科學(xué)版), 2017, 36(01): 68–76.

[9] JIMENEZ-MUNOZ J C, CRISTOBAL J, SOBRINO J A, et al. Revision of the Single-Channel Algorithm for Land Surface Temperature Retrieval From Landsat Thermal-Infrared Data[J]. IEEE Transactions on Geoence and Remote Sensing, 2009, 47(1): 339–349.

[10] 李海峰. 基于TM影像的地表溫度反演算法研究[J]. 電腦知識與技術(shù), 2017, 13(02): 223–225.

[11] 侯宇初, 張冬有. 基于Landsat8遙感影像的地表溫度反演方法對比研究[J]. 中國農(nóng)學(xué)通報, 2019, 35(10): 142– 147.

[12] GEORGE X. Satellite remotely-sensed land surface parameters and their climatic effects for three metropolitan regions[J]. Advances in Space Research, 2008, 41(11): 1861–1869.

[13] 張旸, 胡德勇, 陳姍姍. 北京城區(qū)不透水地表蓋度變化及對地表溫度的影響[J]. 地球信息科學(xué)學(xué)報, 2017, 19(11): 1504–1513.

[14] 曹璐, 胡瀚文, 孟憲磊, 等. 城市地表溫度與關(guān)鍵景觀要素的關(guān)系[J]. 生態(tài)學(xué)雜志, 2011, 30(10): 2329–2334.

[15] 周正龍, 沙晉明, 季建萬. 福州主城區(qū)熱島效應(yīng)與不透水面的關(guān)系及時空變化分析[J]. 福建師范大學(xué)學(xué)報(自然科學(xué)版), 2019, 35(01): 19–27.

[16] 錢樂祥, 崔海山. 運用歸一化光譜混合模型分析城市地表組成[J]. 國土資源遙感, 2006, (02): 64–68.

[17] 武曉峰, 蘇根成, 匡文慧, 等. 基于混合光譜分解模型的城市不透水面遙感估算方法[J]. 西部資源, 2012, (02): 119–122.

[18] 李波, 黃敬峰, 吳次芳. 基于熱紅外遙感數(shù)據(jù)和光譜混合分解模型的城市不透水面估算[J]. 自然資源學(xué)報, 2012, 27(09): 1590–1600.

[19] 王偉武, 朱婷媛, 楊華杰. 基于杭州不透水地面信息的城市擴張驅(qū)動力研究[J]. 建筑與文化, 2015, (04): 146– 147.

[20] 李涵, 李龍, 張婷, 等. 徐州市中心城區(qū)不透水面時空異質(zhì)性分析[J]. 長江流域資源與環(huán)境, 2019, 28(03): 668– 680.

[21] XU Hanqiu. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing, 2006, 27(12/14): 3025–3033.

[22] 徐涵秋, 陳本清. 城市熱島與城市空間發(fā)展的關(guān)系探討—— 以廈門市為例[J]. 城市發(fā)展研究, 2004, (02): 66–71.

[23] JAHANGIR M S, MOGHIM S. Assessment of the urban heat island in the city of Tehran using reliability methods[J]. Atmospheric Research, 2019, 225: 144–156.

[24] 樊智宇, 詹慶明, 劉慧民, 等. 武漢市夏季城市熱島與不透水面增溫強度時空分布[J]. 地球信息科學(xué)學(xué)報, 2019, 21(02): 226–235.

[25] HULSHOFF R M. Landscape indices describing a Dutch landscape[J]. Landscape Ecology, 1995, 10(2): 101–111.

[26] 陳文波, 肖篤寧, 李秀珍. 景觀指數(shù)分類、應(yīng)用及構(gòu)建研究[J]. 應(yīng)用生態(tài)學(xué)報, 2002, (01): 121–125.

Spatiotemporal evolution and thermal environmental effects of impervious surfaces in the main urban area of Beijing

WANG Xiankai1,4, MENG Qingyan2,3,*, LI Juan2,3, HU Xinli2,3, ZHANG Linlin2

1. Jinan Research Institute of Real Estate Surveying and Mapping, Jinan 250001, China 2. Aerospace Information Research Institute Chinese Academy of Sciences, Beijing 100101, China 3. Hainan Research Institute of the Academy of Chinese Academy of Sciences, Sanya 572029, China 4. China University of Mining and Technology, Beijing 100083, China

The impervious surface of a city is an important indicator to characterize the process of urbanization. The research on imperviousness of the city is of great significance for ecological environment monitoring and urban construction planning. The main urban area of Beijing was taken as the research area. Based on Landsat image, the impervious surface was extracted from the research area in 2002, 2009 and 2017 by combining support vector machine (SVM) and linear spectral hybrid decomposition model (LSMM). At the same time, the radiative transfer equation method was used to invert the surface temperature of the study area,the spatial and temporal pattern evolution of impervious surface in the main urban area of Beijing and its correlation with the urban thermal environment were analyzed.The proportion of impervious surface area in the Dongcheng District and Xicheng District areas was the highest, and the growth rate and intensity of impervious surface in Chaoyang District and Haidian District were relatively large.The impervious surface of the main urban area of Beijing showed a radial expansion trend and the growth was concentrated outside the Fourth Ring Road,the area with high coverage of impervious surface increased continuously.In recent 15 years, the surface temperature of the study area has been rising continuously, the heat island effect has been intensified, and the spatial distribution of the high value area of the surface temperature is consistent with that of the urban construction area.The spatial pattern of impervious surface was highly correlated with the thermal environment, the patch density and fragmentation of impervious surface were negatively correlated with the surface temperature, and the proportion of patches in the landscape and the maximum patch index were positively correlated with the surface temperature,the surface temperature could be controlled by reasonably controlling relevant landscape indexes and optimizing the spatial pattern of impervious surface.On this basis, some suggestions are put forward to alleviate the urban heat island effect: adding land use types such as trees and grass;dividing the impervious surface into many small patches to reduce the distribution of large areas of impervious surface;using permeable materials, etc.

urbanization;impervious surface; spatiotemporal pattern; heat-island effect; remote sensing

王憲凱, 孟慶巖, 李娟, 等. 北京市主城區(qū)不透水面時空演變及其熱環(huán)境效應(yīng)研究[J]. 生態(tài)科學(xué), 2021, 40(1): 169–181.

WANG Xiankai, MENG Qingyan, LI Juan, et al. Spatiotemporal evolution and thermal environmental effects of impervious surfaces in the main urban area of Beijing[J]. Ecological Science, 2021, 40(1): 169–181.

10.14108/j.cnki.1008-8873.2021.01.022

P237

A

1008-8873(2021)01-169-13

2020-03-07;

2020-04-16

浙江省新型重點專業(yè)智庫杭州國際城市學(xué)研究中心浙江省城市治理研究中心“錢學(xué)森城市學(xué)金獎”課題成果(20QXS007); 四川省科技計劃項目“基于大數(shù)據(jù)機器學(xué)習(xí)與冠層反射率模型結(jié)合的水稻葉面積指數(shù)提取技術(shù)”(2018JZ0054); 國家高分辨率對地觀測重大科技專項項目“環(huán)境保護遙感動態(tài)監(jiān)測信息服務(wù)系統(tǒng)(二期)” (05-Y30B01-9001-19/20-1)

王憲凱(1990—), 男, 山東省菏澤人, 碩士研究生, 主要從事遙感影像信息提取及城市生態(tài)環(huán)境研究, 電話: 18813136382, E-mail: wxkape@163.com

孟慶巖(1971—), 男, 博士, 研究員, 博士生導(dǎo)師, 主要從事城市陸表環(huán)境遙感研究, E-mail: mengqy@radi.ac.cn