地表热力特征对非渗透表面景观指数的响应——以广州市天河区为例

王亚飞，钱乐祥*，焦全军

(1.广州大学 地理科学学院，广东 广州 510006；2.中国科学院 遥感与数字地球研究所，北京 100094)

地表热力特征对非渗透表面景观指数的响应
——以广州市天河区为例

王亚飞1，钱乐祥1*，焦全军2

(1.广州大学 地理科学学院，广东 广州 510006；2.中国科学院 遥感与数字地球研究所，北京 100094)

非渗透表面作为土地利用/土地覆盖的重要组成部分，其与城市热环境的关系一直备受关注，其中对地表的增温效应是城市热岛研究中的核心问题.基于广州市天河区2000年Landsat7 ETM+影像数据，分别运用单窗算法和归一化线性光谱混合模型获得地表温度和非渗透表面丰度信息，通过双变量相关性分析、多元线性回归分析以及景观生态学方法，研究了城市地表温度对非渗透表面的响应机制，并且引入主成分分析的方法解决了各景观指数在多元线性回归分析中存在的共线性问题.结果表明：城市地表温度和非渗透表面在空间分布上具有较为明显的一致性，在丰度值小于0.8时，二者呈现非常强的正相关性；当丰度值大于0.8时，非渗透表面空间布局对地表温度影响作用较为明显，选择的14个景观指数中，对地表温度有增温效应的有11个，有降温效应的有3个.研究成果对于改善城市生态环境和加强合理规划都具参考价值.

非渗透表面；城市地表温度；景观格局指数；空间格局；响应

0 引 言

城市是人类生产、生活和文明成果最集中的地域空间,是地球表层物质、能量和信息交换最活跃的场所.城市化是当今世界上最重要的社会、经济现象之一.它不仅改变了地表自然特征，而且使得地表温度发生了变化，并由此引发了城市热岛效应[1].近年来，国内外学者针对不同国家和地区对城市热岛效应开展了广泛的研究[2-6].监测和评估城市热岛分布以及影响作用,对改善城市小气候和生态环境、城市环境质量、气象预报、城市规划等方面,具有重要的科学意义和实用价值[7].

城市化实际上是土地利用/土地覆盖景观格局演变的过程.城市景观及其格局是城市热环境形成最主要的原因.因此，将景观的观点引入城市热环境的研究中，分析城市景观格局演变对城市热环境的影响以及城市景观的热环境效应是十分必要的.国内外针对城市景观热环境的研究比较早的是Makoto等人[8]，先是对东京市街道的景观格局进行了研究，结果发现街道不同的走向，对附近150 m范围内的居住区的温度有不同的影响.Weng[9]和Liu[10]等运用景观指数的方法分析了土地利用格局对地表温度的影响.陈云浩[11]等借鉴景观生态学的研究方法，首次提出了“热力景观”的概念，并在RS、GIS的支持下，研究了上海近10年热力景观类型的变化强度和趋势.郭冠华[12]等从景观格局尺度效应的角度出发，研究了粒度效应对城市热岛空间格局分析的影响.

非渗透表面作为土地利用/土地覆盖的一种类型，是监测城市生态系统及环境变化的重要指标[13].非渗透表面在城区的大量分布是导致城市地表温度上升的最直接原因.近年来，利用卫星遥感数据能够大面积监测地面信息的特点，对非渗透表面信息的研究及其产生的城市热岛效应已成为遥感领域的一个热点.Yuan[14]等以TM/ETM+影像为数据源，采用归一化线性光谱混合模型提取非渗透表面丰度值，并与地表温度进行回归分析，结果表面二者存在明显的线性正相关关系.钱乐祥[15]等利用TM/ETM+影像选择植被、非渗透表面、土壤3种端元模拟不同种类的城市环境，通过非渗透表面丰度域值定义城乡边界和城市开发密度, 评估广州地表热特征，并指出，高丰度的非渗透表面通常与高地表温度相关.彭文甫[16]等和魏锦宏[17]等从地表温度的空间分布格局出发，定量化研究了地表温度与非渗透表面的关系，结果表明，城市非渗透表面和地表温度之间存在正相关关系，并且随距市中心距离的增大，不透水能力和地表温度都呈降低趋势.

目前，非渗透表面对城市地表温度的影响多是直接定量化研究非渗透丰度和地表温度之间的关系，而借助景观生态学的知识对非渗透表面的空间分布格局特征对地表温度的影响还有进一步研究空间.本文以广州市天河区为例，利用景观生态学的方法，研究非渗透表面高值区景观指数对城市热环境的影响，试图在内在机制和定量研究方面有所提高，以期为生态城市的科学发展提供理论依据.

1 研究区域与数据组织

1.1 研究区域

天河区位于广东省广州市市区(老城区)东部，是广州市东进轴与南拓轴交汇点，位于113°15′55″～113°26′30″E，23°6′0″～23°14′45″N之间，属于亚热带季风气候，年平均气温在20～22℃之间，总面积96.33 km2，户籍人口69万，是建设中的广州市新城市中心区.

1.2 数据组织与预处理

选取Landsat 7 ETM+影像，获取时间为2000年9月14日，当日大气状况良好，晴朗无云.其中热红外波段有高增益和低增益两个波段，分辨率为60 m，除全色波段分辨率为15 m外，其他波段分辨率均为30 m.本研究反演地表温度所用热红外波段为高增益波段.对影像进行辐射定标、几何校正、大气校正等处理，并按照最近邻算法将所有波段重采样为30 m分辨率，坐标系以UTM，zone 49N为投影坐标，以WGS-84为基准面.

2 研究方法

2.1 地表温度反演

目前有3种方法可用来从TM/ETM+数据中反演地表温度，分别是辐射传导方程法[18]、单窗算法[19-21]、普适性单通道算法[22].单窗算法因其3个关键参数(地表比辐射率、大气透射率、大气平均作用温度)都易通过计算获取，而且精度较高，因此得到广泛应用.采用单窗算法反演研究区内地表温度，其公式为：

(1)

(1)式中Ts单位为K；a6、b6为常量，一般情况下(地表温度在0-70℃范围内)，取值a6=-67.355351，b6=0.458606；T6为地表亮温数据；C6和D6为中间变量，计算地表温度所需具体公式和参数可从文献[19-21,23]中获取.

2.2 非渗透表面丰度值提取

中分辨率的Landsat7ETM+影像在像元尺度上表征的地表覆盖类型并不能保证是由纯像元地类组成，甚至大多数像元都是混合有几种地类的不纯净像元.因此，前人提出了线性光谱混合模型以提取出混合像元中各端元的百分比组成信息[24].归一化线性混合光谱分解模型是按照线性光谱混合模型的原理，先对影像数据各波段光谱值做归一化处理，然后对混合像元进行高精度分解的方法[25].根据Ridd[26]提出的植被(V)-非渗透表面(I)-土壤(S)概模型，用影像端元法选取植被、非渗透表面、土壤3种纯净像元作为端元.在选取端元前，应先根据修正的归一化水体指数(MNDWI)对水体做掩膜，排除水面的影响，然后对影像进行反射率标准化、最小噪声分离变换(MNF)、纯净像元提取(PPI)、N维散度分析，以提高3种端元提取的精度.其中光谱至归一化和完全约束线性混合光谱分解模型分别可用(2)、(3)二式求算：

(2)

(3)

2.3 景观格局指数的选取

景观生态学因其景观指数多样[27]，能够从类型、景观和斑块3个层次对城市热环境格局进行全面表征，因此，在城市热环境研究中得到了广泛应用.景观指数能够高度浓缩景观格局信息，定量化表征景观的结构组成和空间配置，通过景观指数描述景观格局及变化，建立格局和景观过程的内在联系，是景观生态学最常用的定量化研究方法[28].选取14个景观指数用来表征非渗透表面的空间格局状况：(1)数量特征指标，包括斑块密度PD、最大斑块指数LPI、边缘密度ED、拼块类型面积CA、拼块所占景观面积百分比PLAND、斑块面积AREA_mn；(2)形态特征指标，包括景观形状指数LSI、形状指数SHAPE_mn、邻近指数CONTIG_mn；(3)结构特征指标，包括散布与并列指数IJI、景观分裂指数DIVISION、聚合度AI、斑块凝聚度COHESION、欧氏邻近距离ENN_mn.

针对2000年天河区非渗透表面的空间分布情况，运用景观生态学方法，选取适当的景观指数来表征非渗透表面的空间格局状况，研究非渗透表面景观指数对地表温度的影响.首先按照丰度值0.3、0.5、0.6、0.7、0.8的间隔将非渗透表面丰度分为6个级别，随机选取大小为2km*2km的样本126个(因研究区范围限制)，分别统计每个样区的平均地表温度，并用Fragstats软件计算选取的景观指数，需要说明的是本文只对非渗透表面高值区(大于0.8)的景观指数与地表温度的关系作研究.

3 结果与分析

3.1 城市地表温度、非渗透表面反演结果

由图 1可知，天河区城区地表温度明显高于周围地区，数值达到48℃以上，高温区主要位于城区西部、南部以及广园快速路沿线等地段，这些区域分布着广州东站、天河客运站、金融商务区、大量的高密度居民住宅、燕塘工业园和天河软件园工业区，建筑拥挤、人口众多、容积率高、绿地覆盖率低，使得地表温度高温值连片集中分布，表现出明显的城市热岛特征；低温区主要集中在离中心区较远的高植被覆盖区，以及市区的一些水体和绿地等地类，如天河公园、珠江公园、广州动物园、东湖等区域.由图2可知，2000年，非渗透表面丰度高值区主要集中在天河体育中心、石牌、棠下、东圃、黄村一带，并且这些高值区成片出现.其中，天河体育中心一带是广州市金融商务中心地带，影像中大部分像元的丰度值达到0.85以上，石牌、棠下、东圃、黄村等区域以高密度住宅区为主，丰度值达到0.9以上.随着离中心区距离的增加，丰度值随之降低，市区边缘地带等植被覆盖区丰度值都在0.5以下.与图1地表温度反演结果对比可看出，二者的空间分布与像元值的变化具有较为明显的一致性，丰度高值区对应温度高温区，丰度低值区对应温度低温区，可初步判断二值关系密切.

图1 2000年天河区地表温度反演结果 图2 2000年天河区非渗透表面丰度图

图3 2000年天河区地表温度均值和非渗透表面丰度散点图

从图3可以看出，当丰度值在0.8以下时，地表温度均值随非渗透表面丰度值的增大而线性升高；而当丰度值大于0.8时，这种线性关系不再显著，地表温度均值表现为很平缓的上升态势，二者以一种复杂的非线性关系存在.因此，对非渗透表面高值区域，单纯地研究丰度值和地表温度在数值上的关系已显得意义不大，应从非渗透表面空间分布格局出发，探讨其分布特征对地表温度的影响.

3.2 非渗透表面格局指数对地表温度的响应

首先用双变量相关性分析的方法计算地表温度均值和各个指数以及指数间的相关性，结果表明，地表温度均值和各指数间均呈二变量显著相关，并且通过1%的置信水平检验，相关系数介于0.448-0.946之间，其中与CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn、CONTIG_mn、AI、COHESION等11个指数间呈显著正相关，与ENN_mn、IJI、DIVISION等3个指数间呈显著负相关.同时，除斑块密度PD和拼块类型面积CA的相关系数为0.116没有通过置信水平检验外，其余指数间也显著相关，可初步判定这些具有相关性的指数间存在共线性，不能直接用这些指数和地表温度进行多元线性回归分析，否则结果中会出现一些指数的显著性得到抑制而通不过检验，这与之前的相关性分析相互矛盾.先对地表温度均值和各指数做多元线性回归，在回归分析中进行共线性诊断，其中特征值约为0的维度和条件索引大于10的列较多，可以判定某些指数间存在严重共线性.为了解决各指数间的共线性问题，需先对每个指数进行主成份分析，得到两个因子.第一个因子代表了除斑块密度外的13个指数的主要信息，而第二个因子主要代表了斑块密度的信息.用得到的两个主成份因子和地表温度均值再做多元线性回归，其中R2=0.924，调整R2=0.923，并且通过置信水平1%的F检验，两个解释变量也通过了置信水平1%的t检验，说明线性回归方程拟合效果比较好.根据主成份因子和各指数间的转换关系，将得到的线性方程变换成解释变量为14个指数的标准化处理形式的多元线性回归方程，以便统一各指数的量纲和数量级，其结果分别如公式(4)所示：

Y=46.916+0.1037*CA+0.1034*PLAND+0.1712*PD+0.0681*LPI+0.1451*ED+0.1855*LSI+0.0427*AREA_mn+0.1034*SHAPE_mn+0.1286*CONTIG_mn-0.1608*ENN_mn-0.1443*IJI-0.0317*DIVISION+0.1391*AI+0.1603*COHESION

(4)

由方程(4)可以看出，城区地表温度与CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn、CONTIG_mn、AI、COHESION等11个指数间存在正相关关系，与ENN_mn、IJI、DIVISION等3个指数间存在负相关关系，这与地表温度和各指数间的二变量相关性检测结果一致，其中对城市中心区地表温度影响作用较大的指数有斑块密度PD、景观形状指数LSI、斑块聚集度指数COHESION以及欧氏邻近距离ENN_mn.从CONTIG_mn、ENN_mn、IJI、DIVISION、AI、COHESION6个指数可以看出，城区建设用地分割程度越大、离散程度越高，即建设用地面积越小数量越少，地温也相应越低；从CA、PLAND、PD、LPI、ED、LSI、AREA_mn、SHAPE_mn8个指数可以看出，建设用地集中度越高、所占面积越大、形状复杂程度越高，越有利于高温区的形成.以上分析结果能够较好的解释非渗透表面丰度值在0.8以上时，地表温度不再随其丰度值增加而呈线性增高趋势，二者之间的非线性关系与非渗透表面空间分布有关，斑块面积和密度越大，斑块形状越趋于复杂，越有利于地表的增温，而斑块破碎化和离散程度越高，越有利于地表的降温，如金融商务区、火车站、工业园等区域，建筑格局稠密单一，建筑形状复杂，少有绿地、水面，导致其地温也相应偏高.

4 讨论与结论

本文以广州市天河区为例，定量研究了城市中心城区非渗透表面与地表温度的关系，以Landsat7 ETM+影像为数据源，分别运用单窗算法和归一化线性光谱混合模型提取了地表温度和非渗透表面丰度信息，并从景观生态学的角度出发，研究了非渗透表面空间布局特征对地表温度的影响.

(1)单窗算法和归一化线性光谱混合模型都是经过前人反复试验和运用的成熟度和普适性较高的算法和模型，温度反演和非渗透表面提取的结果精度较高，方法可靠，能够满足本研究需求.对比地表温度和非渗透表面丰度的结果，二者在空间分布上具有较为明显的一致性，市区中心地带高温呈现片状分布，随离中心地带距离的增加，温度逐渐降低，城市热岛现象比较明显.

(2)通过做非渗透表面丰度和地表温度均值的回归分析发现，当丰度值在0-0.8范围内时，二者之间呈现非常强的线性正相关关系.当丰度值大于0.8时，二者以一种复杂的非线性关系存在，说明在城市中心区，非渗透表面丰度值不再是影响地表温度变化的主要原因，在探讨非渗透表面和地表温度的关系时，必须要结合非渗透表面的空间布局进行研究.

(3)以适当的景观指数表征非渗透表面的空间布局特征，研究非渗透表面丰度高值区指数和地表温度的关系.选取的14个指数当中，有11个与地表温度之间表现为正相关关系，3个表现为负相关关系，其中斑块密度PD、景观形状指数LSI、斑块聚集度指数COHESION以及欧氏邻近距离ENN_mn4个指数对地表温度的影响最大.非渗透表面空间布局显著影响了城市地表温度，其斑块的变化以及形状复杂性的增加，使得它获得太阳辐射的面积也随之增加，进而对城市地表有增温作用；而非渗透表面斑块破碎化和离散程度的增加，更有利于城市环境中能量的交换，进而对城市地表有降温作用.因此，可通过合理优化非渗透表面空间分布来减轻城市热环境效应.

(4)通过引入主成分分析的方法消除了各指数在多元线性回归分析中存在的共线性问题，解决了指数与地表温度回归分析中显著性得到抑制的问题.

基于以上讨论，可从景观格局角度提出一些缓解热岛效应的建议：优化城区内部绿地结构，有效降低建设用地面积和密度；增加建筑之间间距，提高其内部热量的流通性；避免片状建设用地因连接的交通线最终连成更大片的建设用地模式的出现.

[1] VOOGT J A,OKE T R.Thermal remote sensing of urban climates[J].Remote Sensing of Environment,2003,86(3):370-384.

[2] 周红妹，周成虎，葛伟强,等.基于遥感和GIS的城市热场分布规律研究[J].地理学报,2001,56(2)：189-197.

[3] WENG Qihao.Fractal analysis of Satellite-detected Urban Heat Island Effect[J].Photogram metric Engineering & Remote Sensing,2003,69(5):555 - 566.

[4] 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):2223 - 2230.

[5] GALLO K P,MCNAB A L,KARL T R,et al.The use of NOAA AVHRR data for assessment of the urban heat island effect [J].Journal of Applied MeTeorology,1993(32):899 - 908.

[6] GALLO K P,TARPLEY J D.The comparison of vegetation index and surface temperature composites for urban heat island analysis [J].International Journal of Remote Sensing,1996(17):3071 - 3076.

[7] 罗小波,刘明皓.HJ-1B卫星遥感数据在重庆市城市热环境监测的应用分析[J].中国科学：信息科学,2011(41):108-116.

[8] YOKOHARI Makoto,BROWN Robert D,KATO Yoshitake,et al.The cooling effect of paddy fields on summertime air temperature in residential Tokyo,Japan[J].Landscape and Urban Planning,2001(53):17-27.

[9] WENG Qihao,LIU Hua,LU Dengsheng.Assessing the effects of land use and land cover patterns on thermal conditions using landscape metrics in city of Indianapolis,United States[J].Urban Ecosyst,2007(10):203-219.

[10] LIU Hua,WENG Qihao.Seasonal variations in the relationship between landscape pattern and land surface temperature in Indianapolis,USA[J]. Environ Monit Assess，2008(144):199-219.

[11] 陈云浩，史培军，李晓兵.基于遥感和GIS 的上海城市空间热环境研究[J].测绘学报,2002,31(2)：139-144.

[12] 郭冠华，陈颖彪，魏建兵.粒度变化对城市热岛空间格局分析的影响[J].生态学报，2012，32(12)：3764-3772.

[13] 刘珍环，王仰麟，彭建.不透水表面遥感监测及其应用研究进展[J].地理科学进展，2010,29(9)：1143-1152.

[14] YUAN Fei,BAUER Marvin 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):375-386.

[15] 钱乐祥，崔海山，冯艳芬.非渗透表面对广州主城区地表热特征的影响[J].地理与地理信息科学，2008,24(1)：91-95.

[16] 彭文甫，张东辉，何政伟，等.成都市地表温度对不透水面的响应研究[J].遥感应用，2010(2)：98-102.

[17] 魏锦宏，谭春阳，王勇山.中心城区不透水表面与城市热岛效应关系研究[J].测绘与空间地理信息，2010，37(4)：69-72.

[18] YAO ming MA,OSAMU T,HIROHIKO I,et al.Determination of regional land surface heat flux densities over heterogeneous landscape of HEIFE integrating satellite remote sensing with field observations[J].Journal of the Meteorological Society of Japan,2002,80(3):485-501.

[19] 覃志豪.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报，2001，56(4)：456-466.

[20] 覃志豪，LI Wenjuan,ZHANG Minghua.等.单窗算法的大气参数估计方法[J].国土资源遥感，2003(2)：37-43.

[21] 覃志豪，李文娟，徐斌，等.利用Landsat TM6反演地表温度所需地表辐射率参数的估计方法[J].海洋科学进展，2004,22：129-137.

[22] JIMéNEZ-MUOZ J C,SOBRINO J A.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research，2003,108(22):1-9.

[23] 钱乐祥，丁圣彦.珠江三角洲土地覆盖变化对地表温度的影响[J].地理学报,2005，60(5)：761-770.

[24] WU Changshan,MURRAY Alan T..Estimating impervious surface distribution by spectral mixture analysis[J].Remote Sensing of Environment,2003(84):493-505.

[25] WU Changshan.Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery[J]. Remote Sensing of Environment,2004(93):480-492.

[26] 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):2165- 2185.

[27] 陈利顶，刘洋，吕一河，等.景观生态学中的格局分析：现状、困境与未来[J].生态学报，2008,28(11)：5521-5531.

[28] 郑新奇，付梅臣.景观格局空间分析技术及其应用[M].北京：科学出版社，2010.

[责任编辑：徐明忠]

Study on response of surface thermal characteristics to the landscape pattern metrics of impervious surface and its application in tianhe district of guangzhou city

WANG Yafei1,QIAN Lexiang1*,JIAO Quanjun2

(1.School of Geographical Sciences,Guangzhou University,Guangzhou 510006,China;2. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences,Beijing 100094,China)

As one of the important of LUCC, the relationship between impervious surface and urban thermal environment has been closely watched, from which, the effect of warming on the surface is the central issue of the study of urban heat island. Using the Landsat 7 ETM+ image of the Tianhe district,Guangzhou city in 2000 as the data source, we retrieved land surface temperature by using Mon-window algorithm and developed the Normalization Spectral Mixture Analysis Method to extract the percent of impervious surface(POIS). Through Bivariate correlation analysis and Multiple linear regression analysis, in particular, combining with the means of landscape ecology, This paper studies the response of urban surface temperature(UST)to the impervious surface. However,The introduction of the Principal Component Analysis method solved the Collinearity problem of landscape pattern metrics(LPMS)in the Multiple linear regression analysis.The results show that UST has high similarity with the impervious surface in the spatial pattern, in which, Both present a very strong positive correlation when POIS is less than 0.8, however, the spatial distribution of impervious surface plays a more important role when POIS is greater than 0.8. There are 11 LPMS that have warming effect on UST, and the rest of three LPMS have cooling effect on UST. The research results have a reference value in fields of inproving the urban ecological environment and strengthening the reasonable planning.

inpervious surface;urban surface temperature;landscape pattern metrics;spatial pattern;the response

2014-12-10；

2014-12-22

广州市属高校科技计划项目(10A004)；省部共建黄河中下游数字地理技术教育部重点实验室开放基金项目(GTYR2011001)

王亚飞(1987-)，男，河南周口人，广州大学硕士研究生，主要从事定量遥感资源环境等方面的研究.

P931.92

A

1672-3600(2015)06-0078-06