城市化进程对南京市区域气温变化的影响

虞海英，祝善友，刘正军

1. 中国测绘科学研究院摄影测量与遥感研究所，北京 100830；2. 南京信息工程大学遥感学院，江苏 南京 210044

城市化进程对南京市区域气温变化的影响

虞海英1，祝善友2，刘正军1

1. 中国测绘科学研究院摄影测量与遥感研究所，北京 100830；2. 南京信息工程大学遥感学院，江苏 南京 210044

20世纪90年代以来中国进入城市化快速发展阶段，城市规模迅速扩张，这在一定程度上对大气热环境产生了影响，如产生了城市热岛效应。文章基于南京气象站点观测数据、南京市统计年鉴以及landsat TM影像数据，选取人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6项指标构建城市化因子群，运用灰色关联度分析法对影响南京气温变化的因子群进行贡献度分析。首先，基于以往研究及南京市统计年鉴选取人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6项指标构建城市化因子群；其次，基于landsat TM影像数据利用监督分类方法提取建成区面积；最后，基于灰色关联度分析方法，定量计算出人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积6项城市化因子分别对年均温、年最高温、年最低温、季均温、月均温以及不同时期温度均值的影响。研究发现，（1）1983─2011年期间，南京市气温呈明显递增趋势，20世纪90年代后期增温更为明显，1999─2007年年均温增长了1.50 ℃。（2）发现对于同一参考数列（年均温、月均温等）而言，其影响因子关联度整体排序是一致的：人口密度＞建成区面积＞废气排放量＞运营车辆＞用电量＞绿地覆盖面积。（3）同一城市化因子对年均温变化、年最高温变化、年最低温变化的影响是不相同的。例如，人口密度对1983─2011年年均温变化影响最大，关联度达到了0.95；用电量、废气排放量和运营车辆对1983─2011年年最低温变化影响最大，其关联度分别为0.68、0.74、0.73。（4）同一城市化因子对不同月份气温变化的影响是不相同的，如人口密度与2月月均温之间的关联度最小，关联度为0.78；与3月月均温之间的关联度最大，关联度为0.93。（5）不同城市化因子随着时间的推移，对区域气温变化的影响也是不相同的。其中，人口密度、运营车辆以及建成区面积对气温变化的影响是立竿见影的效应；用电量和废气排放量对气温变化的影响是累加的效应；而城市绿地面积对气温的影响只是对温室气体吸收量多少的外在表现，一般绿地面积越多，吸收的温室气温也就越多，无附加影响。

城市化；区域气温变化；灰色关联度；南京

据IPCC第五次评估报告，1880─2012年全球地表平均温度升高0.85(0.65～1.06)℃，极有可能(95%以上的概率)的是1951年以来一半以上的全球变暖活动是由人类活动引起的（张晓华等，2014）。随着城市规模的发展、城市面积的扩大和城市人口的增加，大量生活、交通、工业人为热及温室气体排放，在城市下垫面的热力、动力作用和温室效应的影响下，可形成城市区域气候（郑思轶和刘树华，2008）。因此，城市发展对区域气温变化的影响问题受到广泛关注，国内外学者对此展开了大量研究。TonKaz等（Tonkaz和Cetin，2007）选取人口总量、运营车辆、城区绿地覆盖面积和建筑物总量，利用一元线性回归和多元线性回归方法分析了土耳其东南部半干旱地区的城市化因子对月极值温度的影响。中国学者周淑贞（周淑贞，1983）在20世纪80年代初就对上海展开了研究，发现城市发展会促进区域增温。随后，郑祚芳等（郑作芳等，2007；郑作芳，2011）、司鹏等（司鹏等，2009）、郑思轶等（郑思轶和刘树华，2008）对北京的研究也表明，城市化能够推动区域气温增长；高红燕等（高红燕等，2009）对西安的研究表明城市化对区域增温的影响还存在一定的阶段性和季节性。唐国利等（唐国利和丁一汇，2006）、潘文卓等（潘文卓等，2008）、闫少锋等（闫少锋等，2011）则先后对南京市气温变化展开了研究，表明自20世纪60年代以来南京市增温现象明显且存在一定的季节性和阶段性。

南京市是长江三角洲地区的特大城市，人口密集，高能耗企业众多，经济发展迅速，近些年来在城市化进程飞速发展的同时，造成了该地区温室气体和污染物排放量显著增高。因此，研究城市化进程对南京区域气温变化的影响变得尤为必要。在此基础上，周彦丽等（周彦丽等，2010）、刘霞等（刘霞等，2010）分别利用层次分析法和主成分分析法对南京市展开了研究，均表明城市的快速发展对区域增温有明显推动作用；并分析了不同城市化因子对区域气温变化的贡献度。但两者均未进行深入分析，如城市化对年最高温、年最低温、季均温以及月均温变化的贡献，而且分析方法的选择上也忽略了城市化进程因子之间相互影响的特性。

鉴于此，本文基于南京气象站点观测数据、南京市统计年鉴以及landsat TM影像数据，选取人口密度、废气排放量、运营车辆、用电量、绿地覆盖面积、建成区面积六项指标来构建城市化进程因子评价体系；然后，将其与南京市1983─2011年年均温、年最高温、年最低温、季均温、月均温等进行灰色关联度分析，定量评价城市化进程对南京市区域气温变化的影响。

1 研究区概况及资料来源

1.1 研究区概况

南京地处长江下游的宁镇丘陵山区，范围为31°14′～32°37′N，118°22′～129°14′E，属北亚热带湿润气候，总面积6515.74 km2，其中市区面积4733.13 km2（该面积为2010年南京市行政区划面积）（南京市统计局，2010）。市区历年平均气温16 ℃，最高气温40 ℃（2003年），最低气温-13.1 ℃（1991年）。

1.2 资料来源

1.2.1 气温数据及统计数据来源

（1）气温资料：1983─2011年南京市市区气象站点观测的逐日气温数据（中国气象局，2011）。

（2）统计资料：本研究中南京市1983─2011年的人口密度、用电量、废气排放量、运营车辆、绿地覆盖面积数据均来自于南京市统计年鉴（南京市统计局，2010）。其中，南京市共包括11个辖区，玄武区、秦淮区、鼓楼区、建邺区、雨花台区、浦口区、六合区、栖霞区、江宁区、溧水区、高淳区。由于早期统计资料中高淳区、溧水区为单独的县，没有纳入南京市，为了统计数据的可比性及可靠性，这2个区将不纳入本文研究范围。

1.2.2 遥感数据来源及处理

遥感具有可快速获取大面积数据的特点，用于监测南京市建成区面积动态变化十分有效。故选取1983、1984、1985等28幅遥感影像提取南京市各年份建成区面积（中国科学院计算机网络信息中心·科学数据中心，2011），各期数据云区覆盖均低于10%，且位于建成区外。遥感影像预处理流程主要包括几何校正、配准、裁剪、辐射定标和大气辐射校正。预处理后，基于ENVI软件，通过监督分类方法将研究区域分为林地、耕地、水体、裸地、建成区5类地物，监督分类总体精度均控制在70%～80%之间，分析计算1983─2011年南京市各年份建成区面积。

2 研究方法

本文主要从城市规模、能源消耗、城市基础建设3个方面选取6个指标构建城市化进程因子评价体系，对南京市1983─2011年年均温、年最高温、年最低温、季均温等进行评价，定量分析城市化进程对南京市区域气温变化的影响。其中，选取人口密度、建成区面积指标来反映城市规模状况；用电量、废气排放量来反映城市能源消耗状况；运营车辆和绿地覆盖面积则用于反映城市基础设施状况。

由于作用方式和机理不同，每个因子对区域气温变化贡献测度不一致且各因子之间会相互影响。故利用灰色关联度法对影响南京市气温变化的因子群进行贡献度分析。关联度是指其他数列与参考数列之间的接近程度，它描述了系统发展过程中因素间的相对变化情况，即变化大小、方向与速度的相对性（邓聚龙，1987）。由于每个影响因子的量纲、性质不同，需要将各指标值归一化为无量纲值，使实验结果具有可比性。

设有m个评价指标的n个评价样本组成的原始时间数列为Xi= {Xi(k)|k= 1,2,…,n;i= 0,1,2,…,m−1}。式中：X0为参考数列，其他为比较数列，以下若无特别说明，均满足i≠0。对原始数列进行均值生成处理，得到数列Xi。记第k时刻X0与Xi的绝对差为∆i(k)=|X0(k)−Xi(k)|(i= 1,2,…,m−1)，则Xi(k)与X0(k)的关联系数εi(k)可由公式（1）求得：

然而，关联度的大小只是因子间相互作用、相互影响的外在表现，关联度的排序才能体现众多因子对参考因子的相对影响程度。本文主要依据关联度大小和排序前后来判别城市化因子对气温的影响程度。

3 结果与分析

3.1 南京市气温变化特征

3.1.1 年均温变化特征

南京市年均温变化曲线如图1所示，分析发现1983─2011年南京市的年均温增长了1.86 ℃。其中，1983─1990年年均温增长为0.79 ℃；1991─1998年年均温增长为1.47 ℃；1999─2007年年均温增长了1.50 ℃。可以发现，20世纪90年代后城区内气温增加幅度更加明显，2008年温度的突降是由于南京气象站点的搬迁至江宁所导致的，江宁早期属于南京市城郊区。随着南京市城区外扩，站点观测温度也逐渐上升，2008─2011年年均温增长为1.09 ℃。

图1 南京市1983─2011年年均温变化Fig. 1 1983─2011 annual temperature change in Nanjing

图2 南京市1983─2011年年最值变化Fig. 2 1983─2011 annual most value change in Nanjing

3.1.2 年最高温、年最低温变化特征

南京市年最高温、年最低温变化曲线如图2所示，发现在城市化进程的发展中，年最高温变化平缓，波动性不大，整体只有微小的上升趋势，会导致高温天气出现，如2003年年最高温达到了40 ℃。年最低温在1983─1992年之前波动性较大，1993─2011年则较平缓，总体变化不大。

3.1.3 季均温变化特征

按气候学常用方法进行季节划分，将3～5月、6～8月、9～11月、12～2月分别划分为春、夏、秋、冬四季。通过分析1983─2011年季均温变化图（如图3），发现春、秋两季总体增温趋势较为明显，但年际间增减波动较大；夏季总体增温趋势较春、秋两季稍弱；1986─2004年冬季均温保持平稳增长趋势，其中2004年冬季均温达到了6.18 ℃，但波动幅度较小；2005年以后气温波动较大，使得冬季易出现极暖和极寒现象。

3.2 城市化进程对区域气温变化的影响

3.2.1 城市化进程对年均温、年最高温和年最低温的影响

研究分别将1983─2011年南京市年均温、年最高温、年最低温作为参考数列，6项城市化因子作为比较数列，通过灰色关联度计算，各比较数列与参考数列的关联度如图4。

从总体层面分析图4，可以看出人口密度和建成区面积是南京市年均温、年最高温、年最低温变化的主要影响因子；其次是废气排放量，运营车辆和用电量；绿地覆盖面积对其影响最小。将年均温、年最高温和年最低温分开来看，可以发现人口密度对年均温影响最大，其次是年最高温，对年最低温影响最小；用电量对年最低温影响最大，其次是年最高温，对年均温影响最小；废气排放量、运营车辆和绿地覆盖面积对气温影响排序则与用电量一致；建成区面积对年均温、年最高温和年最低温的影响是相同的。因此，可以说人口密度的增加和建成区扩展是造成南京市气温变化的最核心因子；而不同城市化因子对年均温、年最高和年最低温的具体影响程度却有所差异，人口密度造成的整体温度变化较为明显，用电量、废气排放量和运营车辆造成的温度变化在低温期较为明显。

3.2.2 城市化进程对季均温的影响

研究将1983─2011年南京市季均温作为参考数列，6项城市化因子作为比较数列，通过灰色关联度计算，各比较数列与参考数列的关联度如图5。

由图5可以看出，人口密度对南京市季均温变化影响最大，其次是建成区面积、废气排放量、运营车辆和用电量，绿地覆盖面积对其影响最小。各个城市化因子分别与春、夏、秋、冬四季的关联度排序大致相同，均在春秋两季影响较大，冬季影响较小，即城市快速发展对南京市春季气温和秋季气温变化影响最大。

图3 南京市1983─2011年季均温变化Fig. 3 Changes in average temperature during 1983─2011 season in Nanjing

图4 城市化因子与南京市1983─2011年年均温、年最高温、年最低温的关联度Fig. 4 The correlation degree of city factors and the annual mean temperature, the maximum temperature, the minimumtemperature in the years 1983─2011 in Nanjing

图5 城市化因子与南京市1983─2011年季均温的关联度Fig. 5 The correlation degree of city factor and the seasonal mean temperature in the years 1983─2011 in Nanjing

3.2.3 城市化进程对月均温的影响

研究将1983─2011年南京市1～12月月均温作为参考数列，6项城市化因子作为比较数列，通过灰色关联度计算，各比较数列与参考数列的关联度如图6。

由图6可以看出，不同城市化因子对于同一月份月均温的影响程度不同，其中，人口密度对月均温变化影响最大；建成区面积位居第二；然后是废气排放量、运营车辆、用电量，绿地覆盖面积对其影响最小。其次，同一城市化因子在不同月份，它们的关联度也是不同的，如：人口密度与2月月均温之间的关联度最小；与3月月均温之间的关联度最大；与4～11月月均温之间的关联度较为相近；与12月之间的关联度又突然下降。若将3～5月、6～8月、9～11月、12～2月分别划分为春、夏、秋、冬四季，该结果则与4.2.2中季均温变化分析结果一致。再次，从图上可以明显看出，6项城市化因子与3月月均温之间的关联度都为一年中的峰值，可能是2、3月份正值南京市春节后人员大量返城，频繁的通勤带来大量的交通热量和汽车尾气、用电量增加、工业耗能的增加。

图6 城市化因子与南京市1983─2011年1～12月月均温的关联度Fig. 6 The correlation degree of city factors and the monthly mean temperature in the years 1983─2011 in Nanjing

图7 不同时期年均温关联度Fig. 7 The correlation degree of city factors and the annual mean temperature in different period

图8 不同时期年最高温关联度Fig. 8 The correlation degree of city factors and the maximum temperature in different period

图9 不同时期年最低温关联度Fig. 9 The correlation degree of city factors and the minimum temperature in different period

3.2.4 城市化进程对不同时期气温的影响

不同时期，城市发展速率与侧重点均不同，本文将1983─2011年划分为1983─1989、1990─1999和2000─2011年3个时间段，分别计算各个时间段的年均温、年最高温和年最低温，并将其作为参考数列与6项城市化因子进行灰色关联度分析，关联度结果如图7、图8和图9。

图7、图8中人口密度、运营车辆以及建成区面积的关联度都随着时间先增加后减少，在20世纪90年代达到峰值；用电量和废气排放量的关联度则随着时间逐渐增加；城市化因子在同一时期对年均温、年最高温的影响基本一致。图9中用电量、废气排放量、运营车辆和建成区面积的关联度较其他2个时期均大出很多。城市绿地覆盖面积对年均温和年最高温的关联度随着时间无明显变化规律。

上述现象说明人口密度、运营车辆以及建成区面积对气温变化的影响是立竿见影的效应；用电量和废气排放量对气温变化的影响是累加的效应；而城市绿地面积对气温的影响只是对温室气体吸收量多少的外在表现，一般绿地面积越多，吸收的温室气温也就越多，无附加影响。因此，该项分析结果对南京市长期绿色规划的制定有一定的指导作用。

4 结论

（1）1983─2011年期间，南京市气温呈明显递增趋势，20世纪90年代后期增温更为明显。其中，年均温上升速率较大；年最高温、年最低温缓慢上升且幅度较小，但年际间波动较大；季节性增温主要在春秋两季较为明显，夏季稍弱，2005年之前冬季主要呈平稳增长趋势，2005年之后年际间波动较大，易出现极暖冬和极寒冬现象。

（2）将南京市1983─2011年年均温、年最高温、年最低温、季均温、月均温以及分时期年均温、年最高温和年最低温分别与城市化因子进行关联度分析，发现对于同一参考数列（年均温、季均温等）而言，其关联度整体排序是一致的：人口密度关联度＞建成区面积关联度＞废气排放量关联度＞运营车辆关联度＞用电量关联度＞绿地覆盖面积关联度。

（3）同一城市化因子对年均温变化、年最高温变化、年最低温变化的影响是不相同的。如：人口密度对1983─2011年年均温变化影响最大；用电量、废气排放量和运营车辆对1983─2011年年最低温变化影响最大。

（4）同一城市化因子对不同月份气温变化的影响是不相同的，如人口密度与2月月均温之间的关联度最小；与3月月均温之间的关联度最大；与4～11月月均温之间的关联度较为相近；与12月之间的关联度又突然下降。但6项城市化因子与3月月均温之间的关联度都为一年中的峰值。

（5）不同城市化因子随着时间的推移，对区域气温变化的影响也是不相同的。其中，人口密度、运营车辆以及建成区面积对气温变化的影响是立竿见影的效应；用电量和废气排放量对气温变化的影响是累加的效应；而城市绿地面积对气温的影响只是对温室气体吸收量多少的外在表现，一般绿地面积越多，吸收的温室气温也就越多，无附加影响。

TONKAZ T, CETIN M. 2007. Effects of urbanization and land-use type on monthly extreme temperatures in a developing semi-arid region, Turkey [J]. Journal of arid environments, 68(1): 143-158.

邓聚龙. 1987. 灰色系统基本方法[M]. 第一版. 湖北: 华中工学院出版社: 50-98.

高红燕, 蔡新玲, 贺皓, 等. 2009. 西安城市化对气温变化趋势的影响[J].地理学报, 64(9): 1093-1102.

何萍, 陈辉, 李宏波, 等. 2009. 云南高原楚雄市热岛效应因子的灰色分析[J]. 地理科学进展, 28(1): 25-32.

刘霞, 景元书, 王春林, 等. 2010. 城市化进程对南京市气温变化影响的主成分分析[J]. 热带气象学报, 26(4): 509-512.

潘文卓, 缪启龙, 许遐祯. 2008. 1951─2006年南京气温变化特征[J]. 南京气象学院学报, 31(5): 694-701.

司鹏, 李庆祥, 轩春怡, 等. 2009. 城市化对北京气温变化的贡献分析[J].自然灾害学报, 18(4): 138-144.

唐国利, 丁一汇. 2006. 近44年南京温度变化的特征及其可能原因的分析[J]. 30(1): 56-68.

闫少锋, 张金池, 张波, 等. 2011. 南京极值温度长期变化及其与平均温度的关系[J]. 气象与环境学报, 27(3): 33-39.

张晓华, 高云, 祁悦, 等. IPCC 2014. 第五次评估报告第一工作组主要结论对《联合国气候变化框架公约》进程的影响分析[J]. 气候变化研究进展, 10(1): 14-19.

郑思轶, 刘树华. 2008. 北京城市化发展对温度, 相对湿度和降水的影响[J]. 气候与环境研究, 13(2): 123-133.

郑祚芳, 郑艳, 李青春. 2007. 近30年来城市化进程对北京区域气温的影响倡[J]. 中国生态农业学报, 15(4): 26-29.

郑祚芳. 2011. 北京极端气温变化特征及其对城市化的响应[J]. 地理科学, 31(4): 459-463.

周淑贞. 1983. 上海城市发展对气温的影响[J]. 地理学报, 38(4): 397-405.

周彦丽, 景元书, 赵海江. 2010. 城市化发展对南京城市增温的影响分析[J]. 气象与减灾研究, 33(2): 43-47.

南京市统计局. 南京市统计年鉴[EB/OL].[2014-09-30].www.njtj.gov.cn/.

中国气象局·国家气象中心.中国气象科学数据共享服务网[EB/OL].[2014-10-30]. cdc.cma.gov.cn/home.do.

中国科学院计算机网络信息中心·科学数据中心.地理空间数据云[EB/OL].[2014-10-31]. www.gscloud.cn/.

Influence of Urbanization on the Temperature Changes in Nanjing

YU HaiYing1, ZHU shanyou2, LIU ZhengJun1
1. Institute of Photogrammetry and Remote Sensing, Chinese Academy of Surveying and Mapping, Beijing 100830, China; 2. Nanjing University of Information Science and Technology, Institute of Remote Sensing, Nanjing 210044, China

Due to the long period of rapid urban development since 1990’s, the atmospheric thermal environmental impact has been influenced to some extent in many Chinese cities, resulting in significant urban heat island effect. In this paper, potential indicators are proposed to identify major urbanization factors in Nanjing which may have significant influence on the regional temperature changes based on analyzing the Nanjing meteorological observation data, statistical yearbook of Nanjing city and the Landsat TM image data. The grey correlation degree analysis method is adopted to analyze the factor contributions on the influence of temperature variation. Firstly, based on the previous research and the statistical yearbook of Nanjing, six potential indicators including the population density, exhaust emissions, vehicles in operation, power consumption, green coverage area and built-up area are selected for assessment. Secondly, built-up areas were extracted based on multi-temporal Landsat TM images using a supervised classification method. Finally, the correlation degrees between the population density, exhaust emissions, vehicles in operation, power consumption, green coverage area and, built-up area, and the annual mean temperature, the maximum temperature, the minimum temperature, the seasonal mean temperature and the monthly mean temperature are calculated by the grey relational degree analysis method, respectively. The results show that: (1) During the period of 1983─2011, the temperature of Nanjing are shown as an increasing trend, especially since later period of 1990’s. The absolute temperature increase is 1.5℃ in 1999─2007. (2) It is found that for the same reference sequence (annual mean temperature, monthly mean temperature, etc.), the overall ranking order of the influence factors’ relevance remains no change, i.e., population density ＞ built-up area ＞ exhaust emissions ＞ vehicle in operation ＞power consumption ＞ green cover area. (3) However, the influence of the same factor to the annual mean temperature, the maximum temperature, the minimum temperature are different. For example, the maximum effect on annual mean temperature is the population density, with the a correlation coefficient of 0.95; the electricity consumption, emissions and vehicle in operation have more significant impacts on annual minimum temperature changes, where the correlation coefficients were 0.68, 0.74, 0.73, respectively. (4) The influence of the same factor on the monthly mean temperature is different. For example, the monthly mean temperature in February and the population density has the minimum correlation coefficient, i.e., 0.78; the monthly mean temperature in March and the population density has the maximum correlation coefficient, and the correlation coefficient is 0.93. (5) With the passage of time, different city factors have the different influence on the change of temperature.

urbanization; regional temperature change; gray correlation degree; Nanjing

X16

A

1674-5906（2014）09-1425-07

虞海英，祝善友，刘正军. 城市化进程对南京市区域气温变化的影响[J]. 生态环境学报, 2014, 23(9): 1425-1431. YU HaiYing, ZHU shanyou, LIU ZhengJun. Influence of Urbanization on the Temperature Changes in Nanjing [J]. Ecology and Environmental Sciences, 2014, 23(9): 1425-1431.

国家自然科学基金重点项目（41330750）；国土资源部公益性行业科研专项（201311038）

虞海英（1990年生），女，硕士研究生，研究方向为生态环境遥感。E-mail: yuhaiyingcasm@163.com

2014-07-19