基于卫星遥感的合肥城市绿色空间对热环境的影响评估

2018-08-04李莹莹邓雅云陈永生张浩

生态环境学报 2018年7期

李莹莹，邓雅云，陈永生，张浩

1. 安徽农业大学林学与园林学院，安徽合肥 230036；2. 复旦大学环境科学与工程系，上海 200433

在快速城镇化进程影响下，城市人口急剧增加，城市不透水地面不断扩大，这些改变带来的气候变化在全球及区域尺度上日益引起人们关注（Grimmond，2007；Mccarthy et al.，2010）。全球50%以上的人口都居住在城市中，在全球变暖的趋势下，处于中低纬度的城市居民在夏季将受到日益严重的热环境影响（Zhang et al.，2016）。

城市热环境效应已成为城市环境研究的热点问题（Jenerette et al.，2016；Zhang et al.，2013），有关城市热环境效应的形成机制是相关研究的重点和难点问题。土地利用及其演变、城市景观格局、人口密度、风速和风向等均在一定程度上影响城市热环境效应（周红妹等，2008；Zhang et al.，2013；Honjo et al.，2000；贾刘强等，2009）。城市绿色空间主要包括人工型绿地、自然和半自然型绿地、以及河流、湿地等水体空间（李莹莹等，2016；常青等，2007）。众多学者强调，城市绿色空间是改善城市热环境效应，提高人体热舒适度的主要措施之一（Jenerette et al.，2016；Tan et al.，2010；孔繁花等，2013；王蕾等，2014，张昌顺等，2015）。研究城市绿色空间对热环境影响的传统方法以地面监测为主，该方法在进行大面积多点研究时受限于观测仪器及现实条件，通过对观测数据进行反演得到区域的城市热环境分布状况，其结果往往不够准确。

卫星遥感影像在空间覆盖和时间重复上具有一定优势，使得快速大面积监测热岛效应成为可能，自20世纪70年代以来，已被广泛应用于城市热岛效应研究（Rao，1972；Voogt et al.，2003；宫阿都等，2005；谢启姣等，2016）。很多学者利用卫星热红外（TIR）数据，包括 MODIS、Landsat TM/ETM+和ASTER等，分析城市热环境的空间格局，定量研究热岛效应（Colombi et al.，2007；Stathopoulou et al.，2007；Weng，2009）。具有较高分辨率的数据在研究下垫面对城市热岛影响方面具有重要意义，有研究利用高分辨率TIR数据，如Landsat ETM+（60 m）和ASTER（90 m）TIR数据，通过降尺度方法生成更精细的LST图，从而增强其在区域热监测中的应用（Bechtel et al.，2012；Weng et al.，2014），在中小尺度上取得了较好的效果。国内外学者应用遥感影像从绿地格局（Liu et al.，2009；陈爱莲等，2013；冯悦怡等，2014；Chen et al.，2014；陈康林等，2016；袁振等，2017）、植被覆盖与NDVI指数（Gallo et al.，1993；张小飞等，2006；岳文泽等，2006；Raynolds et al.，2008）及绿地对周围区域影响（栾庆祖等，2014；Chang et al.，2007；Lee et al.，2009；苏泳娴等，2010）角度开展了一系列绿地改善城市热环境的研究。由于城市下垫面较为复杂，多数研究采用30 m遥感影像对城市用地进行分类，其精度有待提高。基于高分辨率影像，详细了解城市精细土地覆盖类型与城市热岛形成机制之间的关系，对于改善城市热岛效应，制定合理城市及绿地规划策略至关重要。

合肥市是安徽省省会，作为中国“中部崛起”战略发展重点城市，其城市化进程速度惊人。根据31年气象资料，合肥在2012年被国家气象局评为中国最热的十大城市之一，由此可见，合肥市城市空间演变及其热岛效应均具有突出的代表性。在城市扩张、气候变化、人口增加、环境恶化的压力下，选择合肥市典型城市功能区开展基于卫星遥感的城市绿色空间改善城市热环境效应的定量研究，寻找城市绿色空间与建设用地的空间布局对城市热环境效应的影响规律，对于规避不合理的土地开发对城市热岛的放大作用具有重要的现实意义。研究结果可为合肥市制定相关城市规划政策、引导城市土地利用规划、改善城市热环境提供相应科学依据。

1 研究区概况

合肥位于安徽省中部，东经 116°40'～117°58'与北纬 30°56'～32°32'之间，市域面积 11445 km2，共辖瑶海、蜀山、庐阳、包河4区，肥东、肥西、长丰、庐江4县，1个县级市巢湖市；设有4个开发区，常住人口779.5万，国内生产总值5660.27亿元（合肥市统计局，2016）。本研究选择 3类合肥典型功能区（图1），包括老城区市中心、老城区居住和高校混合区、城市新区中心。

（1）老城区市中心

该功能区位于蜀山区，面积约209 hm2，以市府广场为中心，主要包括合肥老市政府、居住和商业混合区，道路网稠密。由于历史悠久，该区建筑密度大，绿地率低，人口密度较大，土地利用类型丰富，是集行政、商务、文化、休闲娱乐、居住和交通于一体的综合功能区，选择此研究区开展城市微尺度热环境具有一定的代表性。

（2）老城区居住和高校混合区

该功能区位于蜀山区，面积约334 hm2，包括合肥环城公园西山景区、安徽农业大学以及密集的居住和商业区。该区以科教、文化、历史、娱乐、居住和交通为主要功能，老旧低矮建筑及高层商住楼坐落其中。环城公园的存在为周围居民、游人提供聚会和运动休闲场所，同时改善了局地小气候和生态条件。选择该区有利于研究城市低矮建筑及城市绿地对热环境的影响。

（3）城市新区中心

该功能区位于滨湖新区，面积约412 hm2，包括滨湖会展中心、居住区、自然休闲地、宽阔的道路及城市在建用地。由于该区为新建城区，其用地格局与老城区有显著差异，以高层建筑为主，尺度较大，同时有大量用地处于在建状态。该区的选择对研究城市新区热环境效应具有一定典型性。

2 数据来源与研究方法

2.1 数据来源及预处理

本研究选择2012年3月24日资源三号数据（包括1个全色波段和4个多光谱波段，空间分辨率为2.1 m），用于提取精细尺度用地信息。参考相关研究（黄先德等，2015；廖凯涛等，2016），资源三号数据预处理过程包括大气校正、配准、正射校正、裁剪等。在对影像质量进行比较的基础上，本文选取了没有云层覆盖且完全覆盖研究区域的2013年9月19日Landsat 8 TIR频段数据（OLI传感器有9个波段，TIRS传感器有 2个波段，空间分辨率为30 m），对合肥市热岛效应进行分析。根据本研究目的和数据特点，对Landsat 8影像进行预处理，包括几何校正、图像裁剪、遥感数据定标和大气校正等步骤，图像预处理过程均在ENVI 5.1和ArcGIS 10.3中完成。

2.2 影像解译、精度验证与分类体系

对影像进行预处理后，在ENVI 5.1软件支持下，基于现场调查及相关规划图件信息，采用面向对象识别的方法对资源三号影像进行解译，结合后期的目视解译及手工修正，包括应用 ArcGIS 10.3的Eliminate模块消除零碎的斑块碎片，最终将研究区划分为9种土地利用、覆盖类型（表1）。随机选取100个分类目标集合区进行验证，总体精度达80%。

2.3 精细土地覆盖、路面类型识别

为了更好地分析城市下垫面对热岛效应的影响，本研究借鉴城市单元地块概念（Zhang et al.，2016），将由道路、围墙和其他具有规则形状的物体所围成的具有相对规则形状的聚集地块，如居住小区、商业区、公园、学校等进行划分和识别。然后基于土地覆盖特性、建筑密度和绿地率等特征进行分类，最后通过现场调查及手工校正，将 73个地块分为6组（表2）。

图1 研究区域Fig. 1 Location of the study area（a）合肥市老城区市中心；（b）老城区居住和高校混合区；（c）城市新区中心(a) Downtown of Hefei old city; (b) Residence and campus mixed zone; (c) Downtown of new development area

2.4 地表温度反演

地表温度反演主要分为五步：第一步，将Landsat 8影像第10波段灰度值DN转换为热辐射亮度Lλ，计算公式如下：

式中，Lλ为热辐射亮度，单位为W·m-2；G为增益系数，单位为W·m-2；O为偏移系数，单位为W·m-2，均可从影像投文件中获得。

第二步，将热辐射亮度反演成地表辐射亮温TB：

式中，TB为地表辐射亮温（K）；K1、K2为校订系数（K2=1321.08 K，K1=774.89 W·m-2）。

第三步，地表比辐射率的确定。本研究采用精细划分的土地覆盖、路面类型图进行地表比辐射率的调整（表3）。其中，水和植被的地表比辐射率估值分别为 0.9925 和 0.95（Artis et al.，1982；Nichol，1996），其他LCLS的地表比辐射率根据UNI-T热成像仪的用户指导手册进行估算（Zhang et al.，2016）。

第四步，根据以上公式得出的辐射温度只是地物的绝对亮温，并非实际意义上的地温。由于自然界中的大部分物体并非黑体，不同地物下垫面的发射率不相同，因此需要根据地物的真实反射率即地表比辐射率（Emissivity）计算实际的地表温度。根据Artis et al.（1982）的经验公式，通过地表比辐射率对辐射亮温进行校正，使之反演成为地表温度，公式如下：

式中，Ts是地表温度（K）；TB是辐射亮温（K）；λ为发射辐射的波长，一般取热红外波段的平均值，λ=11.5 µm；α=hc/K（1.438×10-2mK），h 是普朗克（Planek’s）常数，h=6.626×10-34J∙s-1，c 是光速，c=2.998×108m∙s-1，K 是斯蒂芬-波尔兹曼（Bolzman’s）常数，K=1.38×10-23J∙K-1；ε是地表比辐射率。

第五步，针对资源3号影像和Landsat 8两种数据源不匹配的问题，对Landsat 8数据源进行重采样（Zhang et al.，2016），重采样后Landsat 8影像分辨率与资源3号影像分辨率一致，从而减少了研究误差。

2.5 热岛强度计算

表观辐射通量能合理地反映城市地表对大气加热的过程，故以其衡量城市热岛强度的大小。表观辐射通量与面积有关，其计算式如下（Stone et al.，2006）：

表3 研究区土地利用、覆盖地表比辐射率Table 3 Assigned emissivity of land use/ land cover in this study

式中，ARFi代表第i个地块的ARF；Ai第i个地块的面积。

式中，ΦARFD为表观辐射通量密度，单位为W∙m-2；λ是 TOA 辐射；T为地表温度（K）；C1=3.7404×108(W∙μ4∙m-2)，C2=14387。

净ARF的计算公式如下：

式中，ARFi,net为第i个地块的净表观辐射通量；ARFc为有冷却表面的公园和休闲园林的平均ARF。

考虑到不同单元地块的净表观辐射通量受尺度效应影响，本文进一步采用单位面积（每公顷）净表观辐射通量（per ha net ARF）消除不同面积大小地块带来的尺度效应的影响。

2.6 景观格局指数选择

景观格局指数高度浓缩了景观格局信息，可以用来定量描述绿色空间景观格局的变化，进一步确定绿色空间改善城市热环境的效果。基于研究区土地覆盖分类图，计算各单元地块景观格局指数，重点分析绿色空间景观格局对单元地块水平上单位面积净显热通量的影响。通过参考相关研究后比较分析（李莹莹等，2016；Chen et al.，2014），选取景观面积比例（Percent of Landscape，PLAND）、最大斑块指数（Largest Patch Index，LPI）、景观聚集度指数（Aggregation Index，AI）、形状指数（Shape Index，SHAPE_MN）4个指标作为衡量绿色空间面积、形状及聚集度的景观格局指数，在Fragstats 4.2软件支持下进行分析计算。

表2 研究区典型地块的描述Table 2 Description of typical land parcels in this study

3 结果分析

3.1 城市功能区水平土地利用、覆盖识别及其热环境效应

研究区土地利用、覆盖分类结果分析如表4所示，老城区市中心、老城区居住和高校混合区均以低层建筑占比最高（24.86%～37.19%），其次是道路（20.11%～22.12%）和高层建筑（15.56%～20.71%）。植被在城市新区中心占比最大（28.68%），其次是在老城区居住和高校混合区（19.11%），在老城区市中心仅占到6.98%。城市新区由于正在建设中，所以在建用地占比较大（19.31%），并且存在一部分活动板房（2.23%）；老城区市中心由于用地紧张，在部分楼层顶楼上面也建有一定比例的活动板房（2.69%）。总之，3个城市典型功能区的用地格局总体上以占优势的不透水地表和破碎的透水地（植被和水体）为特征表面，即使城市新区中心植被占比最大（28.68%），也没有达到国家园林城市标准（绿化覆盖率35%）（王磐岩等，2012）。

表4 3个城市功能区不同土地利用、覆盖类型所占比例Table 4 The proportions of different land use/cover types in the three urban functional zones

图2 3个城市典型功能区表观辐射通量密度分布图（2013年9月19日）Fig. 2 Spatial distribution of ARFD on September19, 2013 at three UFZs (19 September 2013)（a）合肥市老城区市中心；（b）老城区居住和高校混合区；（c）城市新区中心。黑色区域为阴影(a) Downtown of Hefei old city; (b) Residence and campus mixed zone; (c) Downtown of new development area. In this figure, the shaded areas were marked gray

图3 不同土地利用/覆盖的平均ARFDFig. 3 Retrieved average ARFD associated with different land use/land cover

图2 所示为3个典型城市功能区表观辐射通量密度的分布格局，由于用地类型的差异，如高层建筑和低层建筑的分布差异、植被和水体的聚集和多寡等，均显著影响着热环境效应。图 3进一步显示了平均表观辐射通量密度与LCLSs的具体关系，分析可知，活动板房、在建用地具有最高的表观辐射通量密度，低层建筑、高层建筑、复合材料铺装和道路次之，水体和植被的表观辐射通量密度最低。

3.2 单元地块水平土地覆盖识别及其热环境效应

图4 研究区各地块每公顷单位面积净表观辐射通量格局（2013年9月19日）Fig. 4 Spatial distribution of ha net ARF on September 19, 2013 at three UFZs（a）合肥市老城区市中心；（b）老城区居住和高校混合区；（c）城市新区中心(a) Downtown of Hefei old city; (b) Mixture of residence and campus; (c) Downtown of new development area

在所划分的73块地块中，面积最大的为51.43 hm2，面积最小的为 1.27 hm2，标准误差为 1.26，通过计算每公顷净表观辐射通量消除尺度效应。图4所示为研究区单元地块水平平均净表观辐射通量的整体反演情况。结果表明，公园和以植被为主的地块拥有相对较低的平均净表观辐射通量，例如，老城区市中心的市府广场（编号 11），老城区居住和高校混合区的环城公园（编号 17），城市新区中心的闲置自然地（编号 16）、会展中心绿地（编号13）、绿地面积较大的高层住宅区（编号2、3、4、5、6）。相反，早期规划的老城区市中心绿地率较低的低矮住宅（编号12-23）、以及城市新区中心的裸露地表较多的在建用地（编号11、19）有着较高的平均净表观辐射通量。

表5所示为6种典型单元地块类型比例，其中类型1占比最大，其次依次为类型5、类型2、类型3及类型4，类型6所占比例最小。

表5 典型地块类型比例Table 5 The percentages of typical land parcel types

图5所示为6种典型地块类型的平均净表观辐射通量。类型 4（在建用地）的净表观辐射通量最高，其次是类型1（中心老旧住宅区），再次是类型2（高密度住宅区和商业区混合区域）和类型3（中密度住宅区和商业区混合区域），而类型5（规划良好的住宅区和商业区）和类型 6（公园和未开发林地）的平均净表观辐射通量最低。在建用地上有部分移动板房，土地以裸露为主，其单位面积净表观辐射通量最高，因此应避免城市建设中大量土地的长期荒置现象。相比之下，建设用地中，规划良好的有着较高植被覆盖率的高层住宅区表现出最低的单位面积净表观辐射通量，这表明此类用地规划可能有助于缓解城市热岛效应。

图5 研究区域平均净表观辐射通量Fig. 5 Average net ARF associated with land parcels of study area平均值±标准误差 Mean±standard error

3.3 景观格局水平绿色空间缓解热岛效应的定量分析

研究区 PLAND、LPI、AI、SHAPE_MN 与单位面积净表观辐射通量相关性研究结果如图 6所示。分析可知，当植被覆盖率在20%以下时，单位面积净表观辐射通量较离散，变动幅度较大，说明植被覆盖率较低时，植被对地块温度的影响作用较小。当地块内的植被覆盖率在20%以上时，样本数据更加靠近拟合曲线，此时，植被与单位面积净表观辐射通量的相关性增强，对单位面积净表观辐射通量的控制作用更强。

研究区 LPI与单位面积净表观辐射通量的相关性分析结果表明，随着地块内 LPI增大，单位面积净表观辐射通量呈下降趋势，说明植被在作为地块的主要用地类型后对缓解地块热环境具有较明显效果。由图6可知，AI值越大即植被分布越聚集，单位面积净表观辐射通量越小，降温效果更明显。SHAPE_MN表征地块内绿色空间的复杂程度，其拟合方程不尽理想，可能是在本研究地块中，植被的形状及复杂程度并不是决定单位面积净表观辐射通量的主要变量。综上，除了尽量增加绿地的总面积外，还需要将地块内绿地集中布置，使其在地块中起主导作用，其降温效果才能得到更大程度发挥。

4 讨论与结论

4.1 讨论

基于大量缓解城市热岛效应的研究及本文研究结果，本文总结了一些对策和经验，对绿色空间缓解城市热环境效应构建策略进行探讨：

4.1.1 提高绿色空间覆盖率

城市中植被和水体都是绿色空间的重要组成部分，而城市水体的增加、恢复和管理都更加困难，因此提高绿色空间覆盖率的有效方法仍是增加植被覆盖面积。国内外学者对植被覆盖与地表温度的定量关系开展了大量研究（Weng et al.，2004；Chen et al.，2006；Li et al.，2012；陈爱莲等，2012），对绿色空间的降温效应也达成了共识，但量化到具体的指标仍是值得商榷的问题。本研究所选3个微观尺度地块研究结果表明，其植被覆盖率均低于国家园林城市绿化覆盖率要求（35%）（王磐岩等，2012），这与城市绿化建设在市区内部的不平均分布有关。城市绿化覆盖率的提升，更多的是通过在城市外围区域增加绿地获得。而在城市中心区域，人口集中，建筑密集，更加容易受到热岛效应影响的区域反而不能通过植被覆盖面积的增加缓解热岛效应。单纯通过政府主导的拆迁以实现从建设用地向城市绿地的转变难以实现且不太现实，因此在建筑密集、缺少绿地的区域通过建设屋顶花园和垂直绿化形式来提高绿化覆盖率是缓解城市热岛效应的有效途径（肖荣波等，2005；陈爱莲等，2012）。例如，关于屋顶绿化，Wong et al.（2003）研究表明，绿化后屋顶的气温比没有植被覆盖的屋顶低4.2 ℃；关于垂直绿化，实验观察到垂直绿化系统日最高气温的降温效果可以高达 3.3 ℃（Wong et al.，2010）。

图6 研究区地块内植被景观格局指数与单位面积净表观辐射通量相关性分析Fig. 6 Correlation analysis between parcel-level urban green spaces landscape metrics and unit area ARF

4.1.2 增大地表反射率

城市地区往往表现出比周边农村地区更低的反射率，这是由于其地表颜色较深，太阳辐射量增加而热辐射率降低，导致 LST的升高，进一步加剧其近地层空气的加热过程，从而使气温升高（Taha，1997）。因此，增大地表反射率可以降低热岛效应。有研究表明，精细管理的绿色屋顶的湿润土壤有着较高的反照率，可显著降低屋顶表面热岛效应，使屋顶表面冷却，而疏于管理的土壤缺少水分，其反射率较低（Li et al.，2014）。城市反射率每增加 0.1可以使白天平均空气温度降低0.3～0.5 ℃（Sailor，2014）。本研究发现，活动板房（蓝色屋顶）、裸露土壤等疏于管理的在建用地、道路（黑色柏油马路）、低矮建筑、高层建筑、和复合材料铺装均有较高的ARFD，而有植被覆盖和水体区域有着较低的ARFD。建议对城市中裸露土地进行简单处理以减小其反射率；另外，可采用浅色外墙与屋顶以减少由于表面颜色导致的反射率下降引起的热岛效应。

4.1.3 加强地块的集约化水平

单元地块水平城市热环境效应结果分析表明，地块类型 1（中心老旧住宅区）和类型 2（高密度住宅区和商业区混合区域）表现出较高的单位面积净表观辐射通量。这是由于它们以低矮建筑为主，建筑密度高且规划欠佳，因而在未来的改造过程中，建议优先建设高层建筑，地块集中开发，降低建筑密度，从而整合更多的空间用于增加绿色空间，缓解城市中心热岛效应。值得一提的是，类型4（在建地区）有着较高的单位面积净表观辐射通量，这类用地主要位于城市新区，因此，建议城市新区建设应在详细规划后开展，减少土地闲置时间。规划良好的住宅区和商业区有着较低的单位面积净表观辐射通量，说明新区规划如能考虑合理开发、地块集约化建设、统筹分布绿色空间，就能减弱其所受到的强烈热岛效应的影响。公园和未开发林地有着最低的单位面积净表观辐射通量，然而城市地区不能只关注绿色空间总面积的增长，从景观格局水平绿色空间缓解热岛效应的定量分析结果可知，具有较大面积并且聚集布置的绿色空间，其降温效益才能得到更大的发挥。因此，如何在城市内部更好地进行绿色空间布局结构规划和调整是提升绿色空间生态效益的关键。