昆明市主城区热岛效应特征及驱动机制分析

何志斌



昆明市主城区热岛效应特征及驱动机制分析

何志斌

（昆明理工大学 国土资源工程学院，云南 昆明 650093）

选用昆明市主城区Landsat8遥感影像为基础，计算建筑指数，植被指数，水体指数。通过缨帽变换提取土壤湿度指数。利用大气校正法反演地表温度。利用地理信息系统分析昆明市主城区热岛的空间分布特征，时间演变特征以及热岛效应的驱动机制。结果表明人为活动和高密度建筑区域对热岛形成的作用较大。研究区热岛效应呈现两极分化，高低温区均有所增加。土壤湿度，水体，植被对热岛效应有缓解作用，但抑制作用远低于人为活动的促进作用。

城市热岛；演变特征；空间分布；驱动机制

0 引言

近年来随着社会经济的快速发展，国内大部分城市已经逐步走向高度城市化。作为城市化程度的重要指标，城市热岛效应随着城市环境的恶化也愈发受人关注。城市热岛效应所引发的城市气候问题已经越来越严重。2017年7月，国内大部分城市受到极度高温天气的侵袭，华北黄淮至江南华南等地18个省市区部分城市的平均气温超过40度；2016年12月环境保护部发布最严重雾霾预警，京津冀23个城市启动红色预警。城市热岛效应会使得城市空气密度下降，城市风速降低，因此城市中心的污染物不仅难以扩散出去，相反城市周边的大气污染物还会进一步向城市中心聚集[1-3]。城市热岛不仅会加剧大气污染，还会危害到人体健康，已经成为今天城市化发展背景下不可忽视的城市气候问题[4]。

遥感技术已经应用到人类生活的方方面面[5-7]，遥感技术也是研究热岛效应的最主要方法之一，由于获取信息快、更新周期短、测量范围大、信息量大的特征，遥感技术已经逐渐成为热岛效应研究的主要途径[8]。林荣平等[9]利用1991、2000、2013年的landsatTM遥感影像研究了福州市所有沿海河谷盆地热岛效应的时空变化，选取人文因素和自然因素探求热岛效应的驱动机制。结果表明热岛效应呈中心向外沿江分布态势，且高温扩散区域与城市建设用地有一致性；对高温区的形成人文促进作用大于自然抑制作用。吴彦樨等[10]利用遥感影像反演武汉市地表温度，提取NDVI，研究了武汉市城市热岛与植被覆盖的空间相关性。结果表明武汉市地表温度和NDVI之间呈现负相关，且地表温度与其周围700 m区域范围内的植被覆盖程度的相互关联度最大。李璇琼等[11]通过对遥感影像K-T变换，提取了兰州市的湿度指数。研究表明兰州市地表温度与湿度呈线性负相关。

已有的大部分研究利用单一因素与城市热岛进行关系分析。吴彦樨等的研究虽然说明了武汉市植被覆盖与城市热岛的关系，但城市热岛形成复杂，需从多个角度多个维度进行解释；李璇琼等研究则分析了NDBI、植被覆盖，湿度以及土地利用类型和地表温度的关系。但分析过程是独立进行的，不能体现影响因素的主次关系。本文以昆明市主城区作为研究对象，基于遥感影像反演地表温度，提取多个环境指数，通过相关性分析以及主成分分析探求昆明市中心城区热岛效应的驱动机制。

1 研究区概况

昆明地处云贵高原中部，位于东经102°10¢~ 103°40¢，北纬24°23¢~26°22¢。总体地势北部高，南部低，由北向南呈阶梯状逐渐降低。中部隆起，东西两侧较低。以湖盆岩溶高原地貌形态为主，红色山原地貌次之。是云南省省会，西南地区中心城市之一；是中国面向东南亚、南亚乃至中东、南欧、非洲的前沿和门户。本研究主要区域为昆明市主城四区，城市化明显，人口密集，具有较强代表性。

2 数据和方法

2.1 数据介绍

2013年发射的Landsat8卫星包含OLI（Operational Land Imager陆地成像仪）和TIRS（Thermal Infrared Sensor热红外传感器）两种传感器。本研究选取2017年3月14日、2015年3月9日、2014年2月5日的昆明市主城区（官渡区、西山区。盘龙区、五华区）的Landsat8影像数据作为基础研究数据，选取的影像基本无云覆盖。本研究的人口数据来自《昆明统计年鉴》[12]。

2.2 地表温度反演

2.2.1 辐射定标

Landsat8遥感影像上热红外波段的无量纲DN值转换为辐射亮度[13]。

Ll=Lmin(l)+(Lmax(l)-Lmin(l))Qdn/Qmax（1）

Ll为卫星传感器接收到的热红外辐射亮度值，Lmax(l)为接收到的最大热红外辐射亮度值，Lmin(l)为接收到的最小热红外辐射亮度值，Qdn为像元灰度值，Qmax为遥感影像最大灰度值

2.2.2 地表温度反演

选用大气校正法对地表温度进行反演。求取同温度下黑体反射率[14]：

B(Ts)=[Ll-L­-t·(1-e)L¯]/t·e（2）

B(Ts)为黑体在Ts温度下的热辐射亮度，e为地表辐射率，t为大气在热红外波段透过率，L­为大气向上辐射亮度，L¯为大气向下辐射到达地面后的反射能量。

地表真实温度计算[15]：

B(Ts)为黑体在Ts温度下的热辐射亮度，K1，K2对应Landsat8的热红外波段定标常数，对于TIRS10波段常数值值为774.89和1321.08。Ts减去开尔文温度273得到摄氏温度。

2.3 地表信息提取

（1）归一化建筑指数

查勇等利用NDBI-NDVi改善城市建筑用地的提取方法[16]。

NDBI=(MIR-NIR)/(MIR+NIR) （4）

式中MIR为中红外波段，NIR为近红外波 段。Landsat8的中红外波段与近红外波段分别是 B6, B5。

（2）归一化植被指数[17]

NDVI=(NIR-Red)/(NIR+Red) （5）

式中NIR为近红外波段，Red为红光波段。Landsat8红光波段与近红外波段分别为B4，B5。

（3）改进归一化差异水体指数[18]

MNDWI=(Green-MIR)/(Green+MIR) （6）

式中Green为绿光波段，MIR为中红外波段，分别对应Landsat8的B3,B6 波段。

（4）湿度因子

对昆明市主城区Landsat8遥感影像进行K-T变换[19]，提取其中湿度指数。用于反映区域内土壤植被湿度特征。

2.4 驱动因素分析

2.4.1 驱动因子选取与标准化

选取研究期内昆明市主城区人文因素与自然因素两大类共6个因子进行驱动因素分析。由于因子间的量纲不同，因子间数量级别有较大差异。采用方差标准化对驱动因子进行标准化处理[20]：

2.4.2 相关性与主成分分析

针对昆明市主城区地表温度的变化情况，对驱动因子进行相关性分析与主成分分析，判断与地表温度变化最为显著的驱动因子。

3 结果与分析

3.1 热岛效应空间分布特征

通过ArcGIS10.1软件对地表温度反演结果进行区域分析。获取2014、2015、2017年的地表温度。三年内城区内地表温度变化范围分别为9.50℃-35.72℃、13.34℃-37.74℃、15.90℃-40.36℃。平均地表温度分别为20.08℃、22.86℃、26.60℃。

表1 昆明市主城区地表温度统计（单位：℃）

Tab.1 The surface temperature in kunming urban area statistics (unit: ℃)

由图（1, 2）可知官渡区和五华区建筑用地较多，且连续大范围内植被覆盖较少，热岛形成最明显，盘龙区和西山区山地林地居多，高温区较少。昆明主城区热岛分布基本上与城市的建筑密集区，人口活动频繁区分布一致。近年来昆明市主城区逐渐走向高度城市化，人口向城市流动，城市建设用地面积不断增加。由3年的地表温度空间分布状态图可以看出，高温区面积不断扩大，且以商业住宅区为中心逐渐形成高温聚集区，平均地表温度从2014年的20.08℃上升到2017年的26.60℃。高温区内大部分是商业区与住宅区以及在建的建筑用地，区域内人口密集，人类活动频繁。

图1 2014-2017年昆明主城区热岛分布

图2 昆明主城区热岛影响因素分布

3.2 热岛效应时间变化特征

使用ArcGIS软件对2014、2015、2017年昆明市主城区地表温度结果进行温度级别划分，划分方法采用自然间断点分级法，将温度级别划分为4个类别。通过重分类统计各温度级别下的像元数，并通过像元大小换算成面积。

由表2图3看出，昆明市主城区在2014-2017年间，地表温度向低温区和高温区分化。低温区面积由434.82 km2增加到437.01km2，面积占比增加了0.1个百分点，高温区由316.58 km2增加到355.48 km2，面积增加了1.85个百分点，而中温区由688.60 km2减少到603.08 km2，减少了4.07个百分点。城区大部分空间由中温区转化为高温区和次高温区，形成热岛。次高温区变化最快，年均变化率0.53%，高温区次之且年均变化率0.46%。高温区与次高温区面积的占比越来越高，昆明市热岛范围逐渐扩大。

3.3 城市热岛驱动机制

昆明市主城区的热岛形成是受多种因素综合影响的结果。为探求研究区热岛效应的驱动机制研究选取人文因素和自然因素两个大类中的NDVI、MNDWI、湿度、NDBI、人口与人口密度这6个因子进行高温区驱动力分析。

表2 昆明市主城区2014-2017年地表温度级别面积统计表（单位：km2）

Tab.2 Statistical table of surface temperature level area in main urban area of kunming city from 2014 to 2017 (unit: km2)

图3 2014-2017年昆明市主城区地温等级面积

表3 昆明市主城区温度影响因子

Tab.3 The temperature influence factor of the main urban area of kunming city

注：人口数据来自《昆明统计年鉴-2016》

表4 驱动因子相关分析

Tab.4 Drive factor correlation analysis

注：*表示相关系数在0.01水平上显著.

利用SPSS软件进行地表温度与各因子之间的相关性分析，所选取的6个因子中，人口密度因子Sig值大于显著性水平，接受原假设认为人口密度与地表温度间不相关，剩余5个因子都与城市地表温度存在相关关系。人口因子与地表温度呈高度正相关，相关系数0.840；NDBI与地表温度呈中度正相关，相关系数0.609；NDVI与NDWI都和地表温度呈中度负相关，相关系数分别为-0.524，-0.554；城市土壤湿度与地表温度呈低度负相关，相关系数-0.310。

剔除与地表温度不相关的人口密度因子（P2），对其余5个因子进行公因子方差检验，信息损失量在20%以内，认为主成分分析效果较好，信息损失量不大，可以进行主成分分析。分析结果各因子主成分贡献率见表5。第一主成分贡献率72.063%，第二主成分贡献率23.060%，两个主成分累计贡献率达到95.096%，两个主成分包含了5个变量95.096%的信息，因此取前两个成分作为主成分即可充分反映昆明市主城区地表温度变化的驱动机制。

采用最大方差法对主成分进行旋转，获取正交旋转的因子载荷矩阵（表6），可更清楚解释各因子在两个主成分上的载荷分配。由表p5可知，人口，NDBI，NDVI，土壤湿度与第一主成分有较强相关性，MNDWI与第二主成分有较强的相关性。第一主成分可以解释人口，NDBI，NDVI和土壤湿度的因子信息，第二主成分可以解释MNDWI的因子信息。

表5 因子主成分分析

Tab.5 Factor principal component analysis

表6 主成分正交旋转因子载荷矩阵

Tab.6 Principal component orthogonal rotation factor loading matrix

结果表明昆明市主城区热岛的形成的主要影响因素是人文因素，人口与建筑用地是城市形成热岛的主要原因。植被，植被水分以及土壤湿度对热岛形成有阻力作用，但作用力远低于前两者对热岛形成的促进作用。

4 结论

本研究选用昆明市主城区Landsat8三期遥感影像作为基础数据，通过地表温度反演，依据反演结果研究昆明市主城区热岛效应的空间分布特征。研究区内热岛效应在官渡区和五华区最明显，这两个区域建筑密集，人类活动频繁，又是商业区和住宅区集中区域，植被覆盖区较少，热岛分布以建筑密集区为中心向外扩散。

研究采用自然间断点法对反演的3期地表温度结果进行温度级别划分，重采样统计各温度级别像元数并转换为地表面积。依据各温度级别面积的变化研究昆明主城区热岛效应时间演变特征。结果表明城区热岛效应呈现两极分化，中温区面积减少，低温区高温区面积增加且大部分城市区域温度增加转变为高温区和次高温区。次高温区扩散速率最快，年均增长率0.53%。

研究提取多个地表信息，结合《昆明统计年鉴》的人口统计数据，选取对昆明主城区热岛有影响的驱动因子进行分析，探求城市热岛的驱动机制。研究显示城区内人类活动和建筑对热岛形成有促进作用，且作用力较大；城区内植被分布，水体分布以及土壤湿度对城市热岛有缓解作用，但作用力远低于人类活动和建筑区域对热岛的促进作用。

缓解昆明主城区热岛效应可采取增加城区植被覆盖面积，提高城市土壤湿度，保留城市水体面积；同时控制城市开发密度，避免住宅区商业区大范围连片建设，间接调整人类活动由个别区域密集转为多区域分散。

[1] 陶双成, 邓顺熙, 高硕晗, 姚嘉林, 熊新竹. 北京采暖期典型区域环境空气污染特征分析[J]. 生态环境学报, 2016, 25(11): 1741-1747.

[2] Shobhakar Dhakal. The urban heat environment and urbansustainability[C]. In: FredMoavenzadeh, Keisuke Hanaki, PererBaccini eds. Future Cities: Dyanmincs and Sustainability. London:Kluwer A cadem ic Publishers, 2002: 179-172.

[3] Gillies R R, Carlson T N. Thermal remote sensing of surface soilwater content with partial vegetation cover for incorporation into climate models[J]. Journal of Applied Meteorology, 1995, 34: 745-756.

[4] 吴萍, 余文周. 雾霾成因、危害、公众反应及治理对策的探讨[J]. 中国公共卫生管理, 2014, 30(03): 453-454.

[5] 刘鑫淼, 康朝红, 薛乐乐. 基于ICA的遥感图像去噪融合研究[J]. 软件, 2015, 36(7): 53-56.

[6] 钱育蓉, 于炯, 英昌甜, 等. 云计算环境下新疆遥感应用数据中心的挑战与机遇[J]. 软件, 2015, 36(4): 58-61.

[7] 曹丹阳, 霍然, 孙凌, 等. 卫星可见光波段观测模拟与分析系统设计与开发[J]. 软件, 2018, 39(3): 01-07.

[8] 赵丽丽, 赵云升, 董贵华. 基于ETM+遥感影像的城市热岛效应监测技术研究[J]. 中国环境监测, 2006, (03): 59-63.

[9] 林荣平, 祁新华, 叶士琳. 沿海河谷盆地城市热岛时空特征及驱动机制[J]. 生态学报, 2017, 37(01): 294-304.

[10] 吴彦樨, 焦利民, 金健飞. 武汉市城市热岛与植被覆盖的空间相关性分析[J]. 环境科学与技术, 2016, 39(11): 156-161.

[11] 李璇琼, 卢正, 李永树. 兰州市热岛效应特征及驱动机制研究[J]. 兰州大学学报(自然科学版), 2016, 52(01): 69-74.

[12] 《昆明统计年鉴——2016年》编委会和编辑部. 杨建伟总编, 昆明统计年鉴, 中国统计出版社, 2016, 4, 年鉴.

[13] 马伟, 赵珍梅, 刘翔等. 植被指数与地表温度定量关系遥感分析——以北京市TM数据为例[J]. 国土资源遥感, 2010, (04): 108-112.

[14] 张仁华, 著. 定量热红外遥感模型及地面实验基础[M]. 北京: 科学出版社, 2009.

[15] 徐涵秋. 新型Landsat8卫星影像的反射率和地表温度反演[J]. 地球物理学报, 2015, 58(03): 741-747.

[16] 查勇, 倪绍祥, 杨山. 一种利用TM图像自动提取城镇用地信息的有效方法[J]. 遥感学报, 2003, (01): 37-40+82.

[17] 黄荣峰, 徐涵秋. 利用Landsat ETM+影像研究土地利用/覆盖与城市热环境的关系——以福州市为例[J]. 遥感信息, 2005, (05): 36-39+71.

[18] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, (05): 589-595.

[19] 李博伦, 遆超普, 颜晓元. Landsat 8陆地成像仪影像的缨帽变换推导[J/OL]. 测绘科学, 2016, 41(04): 102-107.

[20] 承继成, 林珲, 杨汝万. 面向信息社会的区域可持续发展导论[M]. 北京: 商务印书馆, 2001.

Analysis of Characteristics and Driving Mechanism of Heat Island Effect in Kunming

HE Zhi-bin

(School of Faculty of Land Resource Engineering, Kunming University of Science and Technology, Kunming 650093, China)

The Landsat8 remote sensing image of main city in Kunming was used to calculate the NDBI, NDVI, MNDWI. The soil humidity index was extracted through Tasseled Cap Transformation. The Radiative Transfer Equation was used to extract land surface temperature. Geo-Information system was used to discuss the distribution characteristics, evolution characteristics and the mechanism of UHI (Urban Heat Island Effect) of main city in Kunming. Results show that High density building area and human activity made a greater contribution to the heat island. The UHI area of Kunming main city displayed a polarization appearance, low temperature and high temperature areas were increased. Soil humidity, water and vegetation could relieve the UHI but the inhibitory action was weaker than the acceleration of human activity.

Urban Heat Island Effect; Evolution characteristics; Space distribution; Driving mechanism

TP79

A

10.3969/j.issn.1003-6970.2018.07.032

何志斌(1994-)，男，硕士研究生，研究方向为GIS。

本文著录格式：何志斌. 昆明市主城区热岛效应特征及驱动机制分析[J]. 软件，2018，39（7）：152-156