基于TM遥感反演和流动监测的居住区热环境效应研究

高 凯

(上海植物园，上海城市植物资源开发应用工程技术研究中心，上海 200231)

城市中的热环境问题已成为营造最适人居环境的主要障碍之一。自Manley于1958年首次提出城市热岛(Urban Heat Island，UHI)的概念以来，国际社会对这一由于城市化过程所引起的城市温度明显高于郊区的现象关注程度逐年增高，相关文献研究近10年来更以15%的速率增加[1-2]。

热岛效应不仅仅带来温度的提高，更重要的是使城区凝露量、结霜量、霜冻日数、下雪频率和积雪时间都小于郊区，暴雨、高温等灾害性天气的频度、强度高于往年[3]；同时城市上空的云、雾量的增加，使有害气体、烟尘在市区上空累积，形成严重的大气污染，引发城市居民心脑血管、呼吸系统等疾病的发病率上升，形成很大的社会性危害[4]。近年来，很多学者应用多种方法，如气象数据监测[5-6]、遥感解译[7-8]、实地观测[9]、分形分析[4,10]以及模拟分析[11-13]等，对城市热岛效应在不同时间[14]、不同空间[15-16]上的特征、危害、缓解方法进行研究。多数研究结果表明，缓解城市热岛效应最好的景观要素分别为水面与绿地斑块。城市植被对于缓解城市热岛效应具有显著的作用，尤其是当植被覆盖率大于60%时,其地面热辐射强度与郊区自然下垫面相当[17]。

前人在热岛效应机理研究的深度和广度方面取得了丰厚成果，但是在如何减轻热岛效应工程方面的研究，以及在监测方法上的对比都还相对薄弱。为此，笔者以上海中心区域同地段的独立小区为研究对象，利用遥感技术和流动观测两种方法就居住区内影响热环境改善方面的几个主要关键因子进行了分析模拟，以期为今后的研究在方法论上和新建居住区对热环境的要求中提供准确、有效的科学数据。

1 研究区域与方法

1.1研究区域概况选取上海植物园周边居住区为研究对象，地点位于上海徐汇区西南角。该地区气候属于北亚热带季风气候区，气候温和湿润，年平均温度16 ℃左右，全年无霜期约230 d，年平均降雨量在1 200 mm左右。

1.2研究对象测试时间在2013年的7月份进行，试验小区选择在上海徐汇区和闵行区，东至龙吴路，北至漕宝路，西南分别至外环线，占地32 km2，在200个居住区内选择出36个居住区，居住区的类型分为3类：①容积率基本相同，绿化率呈现等级差异；②绿化率基本相同，容积率呈现等级差异；③绿化率和容积率基本相同，乔木比例呈现等级差异。每类选择12个居住区。

1.3研究方法每种类型12个居住区为一组，6个人每人携带一台便携式Kestrel4000NV温湿度计，在正午温度超过35 ℃后，开始进行同步流动监测，记录下每次测试的气温和湿度平均值，每人负责最邻近的2个小区，每个小区测试时间不超过15 min，2个小区测试用时不超过40 min，试验数据重复测试3 d。测试时，有一人骑自行车在居住区人活动最频繁的道路和中心绿地上迂回前行，骑车选择的路径要有代表性和均一性，重复测试时的路径可以选择不同路线。测试时的天气状况以晴好高温无风为主，测试前3 d不曾下雨。

对选择的36个居住区进行航片解译和TM温度反演。航片资料主要解译居住区的绿化覆盖率和乔木比例；TM资料是以陆地卫星LANDSAT-5为数据源，反演居住区整体温度，成像时间为2013年7月28日10:18的卫星上海过境影像，分辨率为120 m×120 m，结合上海地区均匀分布的56个自动气象站点实时监测记录的气温数据(自动气象站温度计离地约1.5米高度，国际统一)和对应时刻影像位置上的亮度温度建立相关关系，用多项式拟合，要求R2>0.5，实现由亮温到气温的反演，单位采用 ℃。该图像由亮温到气温的反演公式为：AT=0.400 6×TB+21.757 (R2=0.511)，其中TB为卫星亮度温度，AT为气温。

1.4数据分析全部数据由Excel 2007和SPSS 13.0结合完成分析。

2 结果与分析

2.1样本居住区的基础数据频度分析为在200个居住区样本内寻找36个最具有代表性的居住区类型，对居住区样本的住区面积、容积率、绿化覆盖率和乔木比例进行正态分布Q-Q频度检验(图1～4)。检验结果显示，P值均小于0.01，样区内的200个居住区均符合正态分布的选样要求，其中住区面积出现频度最高值为4.5～5.0 hm2，容积率为1.5～2.0，绿化覆盖率为35%左右，乔木比例为35%～40%。

考虑到TM遥感监测资料的分辨率，所以在36个居住区选择上面积均超过频度峰值4.5 hm2；在容积率基本相同、绿化率呈现等级差异的类型中，12个居住区的容积率也选择在1.5～2.0；在绿化率基本相同、容积率呈现等级差异类型中，绿化覆盖率选择在35%左右；在绿化率和容积率基本相同、乔木比例呈现等级差异类型中，绿化覆盖率和容积率分别选择在35%和1.5左右，乔木比例以35%～40%为中心点。

注：样本数为208。图1 居住区容积率的正态分布直方图

注：样本数为209。图2 居住区面积的正态分布直方图

注：样本数为209。图3 居住区绿化覆盖率的正态分布直方图

注：样本数为209。图4 居住区乔木比例的正态分布直方图

2.2居住区容积率基本相同、绿化覆盖率呈现等级差异类型分析在200个居住区内，筛选出面积较大、容积率在1.5左右、绿化覆盖率在20%～60%呈递增的12个居住区，结果见表1。

将TM卫星反演的居住区温度与绿化覆盖率做线性相关分析，发现两者之间呈显著的负相关，其线性公式为：T=-1.9B+35.7(R2=0.481，P<0.05)，其中T为气温，B为绿化覆盖率，当气温在35 ℃左右时，绿化覆盖率每增加10%，居住区的气温就降低0.19 ℃(图5)。通过实地的流动监测的居住区温度发现，温度与绿化覆盖率也存在显著线性负相关，其线性公式为：T=-5.3B+39.6(R2=0.579，P<0.05)，其中T为气温，B为绿化覆盖率，当气温在39 ℃左右时，绿化覆盖率每增加10%，居住区的气温就降低0.53 ℃(图6)。

表1 居住区样地的基础数据

图5 TM卫星反演的居住区温度与绿化覆盖率线性关系

图6 流动实测的居住区温度与绿化覆盖率线性关系

2.3居住区绿化覆盖率基本相同、容积率呈现等级差异类型分析在200个居住区内，筛选出面积较大、绿化面积在35%左右、容积率在1.3～5.5呈递增的12个居住区，结果见表2。

表2 居住区样地的基础数据

将TM卫星反演和流动性观察的居住区温度与容积率做相关分析，发现两者之间的关系表现为：容积率在1.3～2.0时，气温和容积率呈正相关，即居住区容积率每上升1，气温分别升高0.7和2.3 ℃；容积率在2.0～5.5时，气温和容积率也呈正相关，但随着居住区容积率的上升，温度增加趋缓，即居住区容积率每上升1，气温才分别升高0.1和0.2 ℃。总体上，两种方法容积率与温度呈幂函数关系，分别为T=34.70R0.01(R2=0.663，P<0.05)和T= 32.194R0.03(R2=0.697，P<0.05)，其中T为气温，R为容积率(图7、8)。

图7 TM卫星反演的居住区温度与容积率关系

图8 流动实测的居住区温度与容积率关系

2.4居住区绿化覆盖率和容积率基本相同、乔木比例呈现等级差异类型分析在200个居住区内，筛选出面积较大、绿化面积在35%左右、容积率在1.5左右、乔木比例呈递增的12个居住区，结果见表3。

表3 居住区样地的基础数据

将TM卫星反演的居住区温度与乔木比例做线性相关分析，发现两者之间无显著相关性(图9)。通过实地的流动监测的居住区温度发现，温度与乔木比例存在显著线性负相关，其线性公式为：T=-1.23C+35.1(R2=0.719，P<0.05)，其中T为气温，C为乔木比例。在居住区绿化覆盖率和容积率基本相同，以及气温在35 ℃的条件下，乔木比例每增加10%，居住区的气温就降低0.12 ℃(图10)。

图9 TM卫星反演的居住区温度与乔木比例线性关系

图10 流动实测的居住区温度与乔木比例线性关系

3 结论与讨论

(1)将两种测试方案进行比较发现，居住区温度与绿化覆盖率都存在显著的负相关，不同点在于两者的环境温度不同，实测时的温度要高于TM卫星反演温度4.0 ℃，同时绿化覆盖率每增加10%，卫星反演的气温降低值要小于流动实测值0.34 ℃。分析表明，两种方案由于测试手段和时间节点的不同导致环境温度相差4.0 ℃，而温度随绿化覆盖率变化程度不同。但总体上，夏季高温期居住区绿化覆盖率的提高，无疑可以降低环境温度，且50%绿化覆盖率的小区温度要比20%绿化覆盖率的小区低0.57～1.56 ℃。

(2)将两种测试方案进行比较发现，居住区温度与容积率都存在正相关，而且也同时表现为：容积率在1.3～2.0时，气温上升较快；容积率在2.0～5.5时，温度增加趋缓。拐点均出现在容积率达2.0左右时，而2.0也正是居住区由低层向高层转变的小高层类型，其建造布局趋于疏散，较为通风，减缓了容积率升高对居住区温度升高的影响。但总体上，实测的居住区容积率变化对温度的影响要大于TM遥感监测的数据，其原因应该是遥感手段无法监测到居住区空调厨房排热，以及墙体对空间环境的热辐射造成的影响。综合两种监测手段，容积率5.5的居住区温度要比容积率为1.5的居住区高出0.7～1.5 ℃。

(3) TM卫星反演技术对居住区乔木比例变化无响应。原因可能是卫星反演是基于下垫面属性和气象站的数据结合模拟形成的气温数据，对于同一属性类型的绿化，无论是

草本、灌木还是乔木，没有区分能力，所以导致了两者之间无显著相关性。总体上，夏季高温期居住区绿化乔木比例的提高无疑可以降低环境温度，且70%绿化乔木比例的小区温度要比20%绿化乔木比例的小区低0.5 ℃左右。

由此可见，TM卫星反演技术在对居住区较大尺度上的测试分析上，有一定的便捷性和准确性，但在一些复杂的小区域类型中，会出现不同程度的偏差；而流动性观察虽然较能反映真实情况，但受到人员、时间和环境限制，不利于在较大尺度上做好同步测试工作。因此，两种方法可以从不同方向和层次上共同揭示城市人居环境中的热环境效应，有机结合数值模型和实地监测将会受到广泛的关注和应用。

[1] 张书余.石家庄市环境形态的热效应分析[J].气象,2002,28(10):18-21.

[2] 曾侠,钱光明,潘蔚娟.珠江三角洲都市群城市热岛效应初步研究[J].气象,2004,30(10):12-16.

[3] 肖荣波,欧阳志云,李伟峰,等.城市热岛的生态环境效应[J].生态学报,2005(8):2055-2060.

[4] 宋艳,余世孝,李楠,等.深圳特区表面温度空间分异特征[J].生态学报,2007(4):1489-1498.

[5] KOLOKOTSA D,PSOMAS A,KARAPIDAKIS E.Urban heat island in southern Europe:The case study of Hania Crete[J].Solar Energy,2009,83(10):1871-1883.

[6] TAHA H.Meso-urban meteorological and photochemical modeling of heat island mitigation[J].Atmospheric Environment,2008,42(38):8795-8809.

[7] CHEN X L,ZHAO H M,LI P Y,et al.Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J].Remote Sensing of Environment,2006,104:133-146.

[8] 黄一凡,李锋,王如松,等.基于遥感信息的常州市热岛效应[J].生态学杂志,2009,28(8):1594-1599.

[9] 高凯,秦俊，宋坤，等.城市居住区绿地斑块的降温效应及影响因素分析[J].植物资源与环境学报,2009,18(3):50-55.

[10] WENG Q H,LU D S,SCHUBRING J.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J].Remote Sensing of Environment,2004,89:467-483.

[11] IINO A,HOYANO A.Development of a method to predict the heat island potential using remote sensing and GIS data[J].Energy and Buildings,1996,23(3):199-205.

[12] SHIMODA Y,FUJII T,MORIKAWA T,et al.Residential end-use energy simulation at city scale[J].Building and Environment,2004,39(8):959-967.

[13] KIKEGAWA Y,CHI Y G,KONDO H,et al.Impacts of city-block-scale countermeasures against urban heat-island phenomena upon a building’s energy-consumption for air-conditioning[J].Applied Energy,2006,83(6):649-668.

[14] TRAN H,DAISUKE U,SHIRO O,et al.Assessment with satellite data of the urban heat island effects in Asian mega cities[J].International Journal of Applied Earth Observation and Geoinformation,2006,8:34-48.

[15] 戴晓燕,张利权,过仲阳,等.上海城市热岛效应形成机制及空间格局[J].生态学报,2009(7):3995-4004.

[16] IHARA T,GEN CHI Y,SATO T,et al.City-block-scale sensitivity of electricity consumption to air temperature and air humidity in business districts of Tokyo[J].Japan.Energy,2008,33:1634-1645.

[17] 李延明,郭佳,冯久莹.城市绿色空间及对城市热岛效应的影响[J].城市环境与城市生态，2004,17(1):1-4.