陳誠誠，劉傳立

(江西理工大學(xué) 土木與測(cè)繪工程學(xué)院，江西 贛州 341000)

0 引 言

人類對(duì)能源的消耗以及自身的新陳代謝會(huì)產(chǎn)生大量的人為熱[1], 人為熱是城市熱島形成的重要因素之一[2-3], 它會(huì)改變城市的微氣候[4]、 影響城市空氣的質(zhì)量水平[5], 并且會(huì)對(duì)人體的健康和舒適度造成影響[6]。目前全球人為熱排放呈現(xiàn)增加趨勢(shì)[7], 1965—2012年全球平均人為熱釋放通量增加了0.02 W/m2[8], 中國的平均人為熱釋放通量1978—2008年增加了0.21 W/m2[9]。據(jù)相關(guān)研究, 人為熱對(duì)上海的城市環(huán)境增溫有著明顯促進(jìn)作用[10], 人為熱排放使長(zhǎng)株潭地區(qū)夏季和冬季的主城區(qū)環(huán)境溫度分別提高了0.7和1.5 ℃[11], 人為熱會(huì)讓城市夜間的熱島效應(yīng)強(qiáng)于日間[12]。

以省市級(jí)行政單元統(tǒng)計(jì)的人為熱排放數(shù)據(jù)并不能反映區(qū)域內(nèi)部人為熱的空間分布特征, 因此對(duì)人為熱數(shù)據(jù)進(jìn)行空間化模擬可以更好地研究人為熱的空間特征和影響機(jī)理。王耀庭等[13]通過人口密度和能源清單獲得北京市1 km×1 km分辨率的人為熱空間化數(shù)據(jù); 馮倍嘉等[14]利用污染物排放數(shù)據(jù)對(duì)人為熱排放進(jìn)行估算得到分辨率為3 km×3 km的空間模擬數(shù)據(jù); 吾娟佳[15]則采用夜間燈光數(shù)據(jù)對(duì)長(zhǎng)三角地區(qū)的人為熱進(jìn)行空間化模擬并發(fā)現(xiàn)長(zhǎng)三角的地表溫度和人為熱的分布具有顯著相關(guān)性。

實(shí)際上, 當(dāng)前對(duì)人為熱的研究多為單一時(shí)期或者非連續(xù)時(shí)期的定量分析, 缺乏較長(zhǎng)連續(xù)時(shí)間序列的人為熱時(shí)空變化特征的研究。本文利用最新的跨平臺(tái)夜間燈光數(shù)據(jù)實(shí)現(xiàn)較長(zhǎng)時(shí)間序列的人為熱空間化模擬, 將人為熱與夜間地表溫度進(jìn)行相關(guān)性分析, 探究人為熱排放和夜間地表溫度的關(guān)系。

1 研究方法與數(shù)據(jù)

1.1 研究區(qū)域概況

江西省位于113°34′—118°28′E, 24°29′—30°04′N(圖1), 東部接壤福建、 浙江, 西部接壤湖南, 北部毗鄰安徽、 湖北, 南部接壤廣東。江西省的地形以丘陵、 山地為主, 有“世界鎢都” “稀土王國” “中國銅都” “有色金屬之鄉(xiāng)”的美譽(yù)。

圖1 研究區(qū)DEM圖Fig.1 DEM of study area

1.2 數(shù)據(jù)

夜間燈光數(shù)據(jù)來自國家科技基礎(chǔ)條件平臺(tái)國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn), 該數(shù)據(jù)為利用自編碼器AE模型的跨傳感器校正方案將VIIRS和DMSP夜間燈光數(shù)據(jù)進(jìn)行統(tǒng)一, 獲得與NPP-VIIRS具有一致參數(shù)屬性的長(zhǎng)時(shí)間序列的夜間燈光數(shù)據(jù), 數(shù)據(jù)預(yù)處理過程同文獻(xiàn)[16]。

江西省歷年能源消費(fèi)數(shù)據(jù)以及人口數(shù)據(jù)來自《江西統(tǒng)計(jì)年鑒》(2005—2021), 后文簡(jiǎn)稱《年鑒》, 其中能源消耗數(shù)據(jù)已經(jīng)轉(zhuǎn)化成標(biāo)準(zhǔn)煤的數(shù)據(jù)。歷年的夜間地表溫度數(shù)據(jù)來自于NASA的MYD11A2版本的2005—2020年具有8 d時(shí)間分辨率以及1 km空間分辨率的共738幅(兩幅2004年12月最后16天數(shù)據(jù)用2004—2005年冬季的夜間平均地表溫度合成)數(shù)據(jù)合成的年平均夜間地表溫度數(shù)據(jù)以及每年的季節(jié)性夜間地表平均溫度數(shù)據(jù)。

1.3 方法

1.3.1 夜間燈光數(shù)據(jù)校正 盡管該夜間燈光數(shù)據(jù)具有較高精度, 但依然存在負(fù)值和不連續(xù)的極端大值的異常數(shù)據(jù), 因此需要對(duì)數(shù)據(jù)進(jìn)行二次校正。校正原則為: 負(fù)值和孤立的不連續(xù)極端大值[17]直接剔除并賦予周圍3×3鄰域柵格的最大值, 當(dāng)年研究年份的所有像元的燈光值不小于前一年的對(duì)應(yīng)位置的燈光值, 校正公式為

式中:DN(n,i)為第n年的第i個(gè)燈光值。為驗(yàn)證校正后夜間燈光數(shù)據(jù)的效果, 將校正前后的江西省歷年總燈光DN值與歷年GDP進(jìn)行的回歸擬合(圖2), 校正后的燈光數(shù)據(jù)與江西歷年GDP擬合得更好、 更符合地區(qū)發(fā)展趨勢(shì)。

圖2 夜間燈光數(shù)據(jù)校正前后與江西省GDP回歸擬合Fig.2 Regression fitting between nighttime lights before and after correction and GDP of Jiangxi

1.3.2 人為熱排放計(jì)算 基于已有研究[15], 人為熱量排放為

Q=∑(Ci×θi×ε)+(Pdtd+Pntn)×N×D,

式中:Q為總的人為熱排放量;Ci為第i種能源的消耗量;θi為第i種能源的標(biāo)準(zhǔn)煤折算系數(shù);ε為標(biāo)準(zhǔn)煤熱量排放系數(shù);Pd、Pn為人類白天和夜晚代謝功率;td、tn分別為每天白天活動(dòng)時(shí)間和夜晚睡眠時(shí)間, 這里全部為12 h;N為當(dāng)年研究區(qū)域的總?cè)丝跀?shù);D為當(dāng)年的天數(shù)。根據(jù)《年鑒》能源統(tǒng)計(jì)數(shù)據(jù)得到各類消費(fèi)能源折算標(biāo)準(zhǔn)煤系數(shù)以及標(biāo)準(zhǔn)煤熱排放系數(shù)(表1)。人類活動(dòng)和睡眠新陳代謝強(qiáng)度分別為171和70 W/人[17]。

表1 能源熱排放系數(shù)

1.3.3 Sen-MK顯著性檢驗(yàn)趨勢(shì)分析 Sen斜率估計(jì)是一種非參數(shù)統(tǒng)計(jì)的方法, 且可以減少數(shù)據(jù)中的誤差值和異常值對(duì)統(tǒng)計(jì)結(jié)果的影響, 計(jì)算效率高結(jié)果穩(wěn)定可靠, 其計(jì)算公式為

式中:θ為計(jì)算出的斜率集合的中位數(shù);xj、xi為待計(jì)算的時(shí)間序列數(shù)據(jù), 并依據(jù)時(shí)間順序排列, 本文則為時(shí)間序列的地表溫度數(shù)據(jù); 對(duì)于時(shí)間序列長(zhǎng)度為n的數(shù)據(jù)則會(huì)有n(n-1)/2個(gè)斜率, 對(duì)斜率集合排序后取得中位數(shù)作為結(jié)果輸出。

MK顯著性檢驗(yàn)也是一種非參數(shù)統(tǒng)計(jì)檢驗(yàn)方法, 該方法不要求統(tǒng)計(jì)數(shù)據(jù)服從正態(tài)分布, 也不要求數(shù)據(jù)的變化趨勢(shì)為線性, 并且不受缺失值和異常值影響。

式中:xj、xi為時(shí)間序列數(shù)據(jù), 本文中為時(shí)間序列上的夜間地表溫度數(shù)據(jù);n為時(shí)間序列長(zhǎng)度(本文時(shí)間跨度為16年);S近似為正態(tài)分布, 在給定顯著性水平α下, 如果|Z|>|Z|1-α/2表明不存在趨勢(shì)的假設(shè)被拒絕, 說明在時(shí)間序列上數(shù)據(jù)存在明顯的趨勢(shì)變化。Z1-α/2為在置信水平α下, 標(biāo)準(zhǔn)正態(tài)函數(shù)分布表對(duì)應(yīng)的值, 則當(dāng)|Z|的值分別大于1.65、 1.96、 2.58時(shí)則表示數(shù)據(jù)在時(shí)間序列趨勢(shì)上通過了信度為90%、 95%和99%的顯著性檢驗(yàn)。

1.3.4 相關(guān)性分析 為研究?jī)梢刂g的相關(guān)性, 利用皮爾遜相關(guān)系數(shù)作為兩要素之間相關(guān)程度的統(tǒng)計(jì)指標(biāo)

1.3.5 構(gòu)建人為熱排放空間化模型 為得到人為熱排放空間分布數(shù)據(jù), 參考文獻(xiàn)[18], 將2005—2020年江西省的夜間燈光總DN值和歷年的熱排放數(shù)據(jù)進(jìn)行回歸擬合, 構(gòu)建了線性、 多項(xiàng)式、 指數(shù)、 對(duì)數(shù)、 乘冪5種模型, 其回歸決定系數(shù)分別為0.931 6、 0.985 1、 0.989 2、 0.988 0、 0.984 8且都通過了p<0.01的顯著性檢驗(yàn) (圖3)。按照我國無燈光區(qū)域基本無人類活動(dòng)的原則, 零燈光區(qū)域的人為熱排放為零, 綜合模型的擬合優(yōu)度和現(xiàn)實(shí)意義, 本文選取無常數(shù)項(xiàng)的乘冪模型作為人為熱排放的空間化模型。

圖3 夜間燈光與人為熱排放回歸擬合模型Fig.3 Regression models between nighttime lights and anthropogenic heat emissions

(1) 人為熱排放空間化模型校正。由于回歸方程本身存在誤差, 在利用上述模型對(duì)人為熱排放空間化處理時(shí)會(huì)產(chǎn)生誤差, 因此需要借助真實(shí)的熱排放統(tǒng)計(jì)數(shù)據(jù)對(duì)空間化后的人為熱排放數(shù)據(jù)進(jìn)行線性校正。

熱排放數(shù)據(jù)空間化

Heati=f(DNi);

熱排放空間化數(shù)據(jù)校正

HeatT=Heati(Heatt/Heatall)。

式中:Heati、HeatT、Heatt、Heatall分別為空間化后的每個(gè)柵格的熱排放值、 糾正后的柵格熱排放數(shù)據(jù)、 研究區(qū)域人為熱數(shù)據(jù)和空間化后總的人為熱數(shù)據(jù);f()為人為熱的空間化模型;DNi為第i個(gè)柵格的燈光值。

(2) 熱排放模型檢驗(yàn)。為了對(duì)構(gòu)建的人為熱排放模型進(jìn)行精度驗(yàn)證, 將歷年總燈光數(shù)據(jù)輸入模型得到歷年的人為熱排放模擬數(shù)據(jù)并和歷年統(tǒng)計(jì)的人為熱排放數(shù)據(jù)進(jìn)行比對(duì)得到歷年模擬數(shù)據(jù)的相對(duì)誤差(表2)。目前對(duì)江西省熱排放的研究較少, 選取2010年的人為熱數(shù)據(jù)與本文進(jìn)行比較, 計(jì)算出的熱排放數(shù)據(jù)為201.409 2×1013kJ, 陸燕[17]此前的估算結(jié)果為209.9×1013kJ, 兩者結(jié)果相差不大, 因此認(rèn)為本文計(jì)算數(shù)據(jù)可信度高。

表2 江西省人為熱排放模擬值與統(tǒng)計(jì)值相關(guān)誤差

進(jìn)一步對(duì)空間化的人為熱排放數(shù)據(jù)的精度進(jìn)行驗(yàn)證, 對(duì)江西省各個(gè)地級(jí)市的模擬人為熱排放數(shù)據(jù)與統(tǒng)計(jì)的人為熱排放數(shù)據(jù)進(jìn)行回歸擬合(圖4), 歷年的回歸決定系數(shù)在0.82～0.93, 其中大于0.9的年份有3個(gè), 在0.82～0.90的年份有8個(gè), 整體擬合效果較好。由于江西省地級(jí)市的能源消費(fèi)統(tǒng)計(jì)數(shù)據(jù)在2010年之前有缺失, 僅對(duì)2010—2020年的數(shù)據(jù)進(jìn)行對(duì)比。

圖4 2010—2020年江西省各城市人為熱模擬值與統(tǒng)計(jì)值回歸擬合Fig.4 Regression fitting between anthropogenic thermal simulation and statistical values in cities of Jiangxi from 2010 to 2020

根據(jù)2010—2020年江西省各城市熱排放模擬數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的相對(duì)誤差(表3), 新余的熱排放模擬值和真實(shí)值相對(duì)誤差較大, 年均誤差接近30%, 是由于新余市為傳統(tǒng)的資源型工業(yè)城市且工業(yè)區(qū)相對(duì)集中, 較多高耗能的產(chǎn)業(yè)無法在夜間燈光中反映出來, 而歷年新余市總的夜間燈光面積占比維持在3%～5.5%, 其誤差對(duì)整體影響較小, 其余10個(gè)城市中, 年均相對(duì)誤差在2%～14%的城市有9個(gè), 在20%～30%的城市有1個(gè)。因此, 認(rèn)為該人為熱排放空間化模型精度良好。

表3 江西省各城市2010—2020年人為熱模擬值與統(tǒng)計(jì)值相對(duì)誤差

2 結(jié)果與分析

2.1 人為熱排放時(shí)空變化特征

將空間化的人為熱排放數(shù)據(jù)進(jìn)行分級(jí)后, 統(tǒng)計(jì)歷年各個(gè)級(jí)別熱排放量對(duì)應(yīng)的區(qū)域面積(圖5)。熱排放量為(0～0.03)×1013kJ級(jí)別的區(qū)域面積從2005年的2 006 km2增加到2020年的12 829.25 km2, 增加了539.54%; 熱排放量為(0.03～0.06)×1013kJ級(jí)別的區(qū)域面積從2005年的29.5 km2, 增加到2020年的509 km2, 增加了1 820.76%; (0.06～0.09)×1013kJ級(jí)別的熱排放量從2010年開始出現(xiàn), 對(duì)應(yīng)的區(qū)域面積從0.5 km2增加到2020年的35.5 km2, 增加了7 000%; 大于0.9×1013kJ級(jí)別的熱排放量從2016年開始出現(xiàn), 對(duì)應(yīng)的區(qū)域面積從0.25 km2增加到2020年的6.25 km2, 增加了2 400%。以上說明江西省各級(jí)別人為熱的區(qū)域范圍都在不斷擴(kuò)大, 人為熱排放強(qiáng)度也在不斷加強(qiáng)。

圖5 2005—2020年江西省不同量級(jí)的人為熱排放空間分布Fig.5 Spatial distribution of anthropogenic heat emissions of different magnitudes in Jiangxi from 2005 to 2020

選取江西省2005、 2010、 2015、 2020年的空間化人為熱排放數(shù)據(jù), 以每個(gè)柵格的熱排放值作為權(quán)重生成標(biāo)準(zhǔn)差橢圓(圖6)。橢圓整體為東北—西南方向分布, 橢圓長(zhǎng)短軸都隨時(shí)間增加, 扁率從2005年的0.447 1增加到2020年的0.487 8, 說明人為熱分布的方向性越來越明顯。方向角從2005年的35.815 4°變?yōu)?020年的26.635 3°, 重心則一直向東南方向移動(dòng), 移動(dòng)距離分別為11.212、 2.521、 6.172 km(表4), 表明東南部的人為熱排放影響在擴(kuò)大。從人為熱排放標(biāo)準(zhǔn)差橢圓的變化可以看出, 江西省熱排放由贛北地區(qū)主導(dǎo)的同時(shí), 中南部地區(qū)的熱排放影響也在逐漸擴(kuò)大。

圖6 江西省人為熱排放2005、2010、2015、2020年標(biāo)準(zhǔn)差橢圓Fig.6 Standard deviation ellipses of anthropogenic heat emission of Jiangxi in 2005，2010，2015 and 2020

表4 江西省人為熱排放標(biāo)準(zhǔn)差橢圓參數(shù)

2.2 夜間地表溫度變化特征

將歷年年平均夜間地表溫度數(shù)據(jù)按照Sen-MK方法處理后以p>0.1、 0.05

表5 夜間地表溫度變化趨勢(shì)的顯著性檢驗(yàn)結(jié)果

圖7 江西省2005—2020年夜間地表溫度變化趨勢(shì)(a)與顯著性檢驗(yàn)(b)Fig.7 Changing trend(a) and significance test(b) of nighttime land surface temperature in Jiangxi from 2005 to 2020

為進(jìn)一步了解不同季節(jié)夜間地表溫度的變化趨勢(shì), 分為春、 夏、 秋、 冬4個(gè)時(shí)間段, 并按照Sen-MK方法分別進(jìn)行處理后得到江西省不同季節(jié)的夜間地表溫度變化情況(圖8、 表6)。從統(tǒng)計(jì)結(jié)果可看出, 江西省冬季的夜間地表溫度處于升溫的區(qū)域面積和增長(zhǎng)趨勢(shì)均為最大分別為40 216.75 km2和0.112 ℃/a; 其次是秋季的19 934.5 km2和0.074 ℃/a; 夏季的增溫面積雖然高于春季, 但增溫趨勢(shì)小于春季。春季的夜間地表溫度處于降溫的區(qū)域面積和下降趨勢(shì)均為最大, 分別為2 661 km2和-0.048 ℃/a; 夏季的降溫面積為1 465.25 km2, 降溫趨勢(shì)最小, 為-0.021 ℃/a; 秋季的降溫面積為338.25 km2, 降溫趨勢(shì)為-0.032 ℃/a; 冬季的降溫面積最小為39.25 km2, 降溫趨勢(shì)為-0.026 ℃/a。

圖8 不同季節(jié)的夜間地表溫度升(a)、 降(b)溫區(qū)域面積及趨勢(shì)大小Fig.8 Area and trend of nighttime land surface temperature increase and decrease in different seasons

表6 不同季節(jié)夜間地表溫度變化趨勢(shì)的顯著性檢驗(yàn)結(jié)果

2.3 人為熱排放與夜間地表溫度的相關(guān)性

2.3.1 年內(nèi)相關(guān)性 提取人為熱排放對(duì)應(yīng)空間上的夜間地表溫度數(shù)據(jù), 求取相同熱排放值對(duì)應(yīng)的夜間地表溫度的平均值, 將兩者進(jìn)行線性回歸擬合, 詳見圖9。2005—2020年兩者的回歸決定系數(shù)在0.5～0.87, 最小為2008年的0.509 1, 最大為2011年的0.862 2, 且都通過p<0.01的顯著性檢驗(yàn), 說明在同一時(shí)期夜間地表溫度和人為熱排放有著極顯著的正相關(guān)。

圖9 2005—2020年人為熱排放和夜間地表溫度線性擬合Fig.9 Linear fitting between anthropogenic heat emission and nighttime land surface temperature from 2005 to 2020

2.3.2 年際變化相關(guān)性 根據(jù)空間化的人為熱排放數(shù)據(jù)把江西省分為熱排放區(qū)域和無熱排放區(qū)域, 統(tǒng)計(jì)兩個(gè)區(qū)域夜間地表溫度的平均變化趨勢(shì)如表7所示。在人為熱排放區(qū)域內(nèi)的夜間地表溫度整體上為增長(zhǎng)趨勢(shì), 無人為熱排放區(qū)域的夜間地表溫度整體上為下降趨勢(shì)。

表7 熱排放區(qū)域和無人為熱排放區(qū)域的夜間地表溫度平均變化趨勢(shì)

進(jìn)一步探究在人為熱排放區(qū)域中人為熱和夜間地表溫度在年際變化上的相關(guān)性, 得到兩者隨時(shí)間變化的相關(guān)性和顯著性檢驗(yàn)結(jié)果如圖10、 表8所示。在兩者正相關(guān)區(qū)域中有10.01%的面積通過p<0.1的顯著性檢驗(yàn), 負(fù)相關(guān)區(qū)域中2.61%的面積通過了p<0.1的顯著性檢驗(yàn)。

圖10 人為熱排放和夜間地表溫度年際變化的相關(guān)性(a)及顯著性檢驗(yàn)(b)Fig.10 Correlation(a) and significance test(b) between anthropogenic heat emission and interannual variation of nighttime land surface temperature

表8 人為熱排放與夜間地表溫度年際變化的顯著性檢驗(yàn)結(jié)果

3 結(jié) 論

通過新型的跨平臺(tái)夜間燈光數(shù)據(jù)構(gòu)建人為熱排放的空間化數(shù)據(jù), 實(shí)現(xiàn)了長(zhǎng)時(shí)間序列的人為熱排放時(shí)空變化模擬, 在一定程度上彌補(bǔ)了省級(jí)以下行政區(qū)能源消費(fèi)數(shù)據(jù)缺失的問題, 同時(shí)利用網(wǎng)格化的人為熱排放與對(duì)應(yīng)空間的夜間地表溫度進(jìn)行相關(guān)性研究得到二者的變化關(guān)系, 結(jié)果表明:

(1)江西省人為熱排放呈現(xiàn)顯著的增加趨勢(shì), 不同級(jí)別的熱排放量對(duì)應(yīng)的區(qū)域面積都處于擴(kuò)張趨勢(shì), 熱排放強(qiáng)度也在逐年增強(qiáng)。16年間人為熱排放標(biāo)準(zhǔn)差橢圓面積不斷擴(kuò)大、 重心持續(xù)向江西省東南方向移動(dòng), 人為熱排放影響逐漸擴(kuò)大。

(2)江西省有26.27%的區(qū)域的夜間地表溫度處于升溫趨勢(shì), 73.73%的區(qū)域夜間地表溫度處于降溫趨勢(shì)。其中, 冬季的夜間地表溫度增長(zhǎng)最明顯, 升溫面積和增長(zhǎng)趨勢(shì)均為最大, 春季的降溫面積和降溫趨勢(shì)最為明顯。

(3)人為熱排放強(qiáng)度和夜間地表溫度有著顯著的正相關(guān), 同一時(shí)期熱排放量高的區(qū)域的夜間地表溫度明顯較高, 在時(shí)間序列的變化上二者的顯著相關(guān)關(guān)系主要為正相關(guān)。

在同一時(shí)期, 人為熱排放量高的區(qū)域的夜間地表溫度總體上較高。人為熱對(duì)城市地表溫度的影響機(jī)理一般認(rèn)為有兩方面原因[19]: 一是人為熱在排放后直接加熱地表溫度; 二是人為熱排放過程還伴隨著溫室氣體的排放, 溫室氣體覆蓋在城市近地表, 在白天吸收了地面的長(zhǎng)波輻射后, 夜間又將長(zhǎng)波輻射逆輻射到地面對(duì)地表起到“保溫”的作用。年際變化上, 隨著熱排放量的增加, 其對(duì)應(yīng)區(qū)域的夜間地表溫度并不都顯著增加, 因影響夜間地表溫度的因素還有氣候、 地表植被覆蓋度及景觀格局等, 本文未對(duì)這些因素的影響作用進(jìn)行探究?？臻g化后的人為熱排放數(shù)據(jù)雖具有一定的精度, 但對(duì)于小尺度的精細(xì)化的定量研究仍顯不足, 這也是未來需要解決的問題。