福州市城市热岛效应时空演变研究

吴慧凤，陈志强



福州市城市热岛效应时空演变研究

吴慧凤，陈志强

（福建师范大学 地理科学学院，福建 福州 350117）

基于福州市1989年、2000年和2016年的TM遥感影像，采用遥感与GIS相结合的方法提取城市核心区，划分热岛效应区，研究福州市热岛效应区的热岛强度以及空间结构变化。研究结果表明：1989年、2000年和2016年，福州市城市核心区与非城市核心区的平均温差分别为3.67 ℃、3.70 ℃和5.38 ℃，热岛效应显著增强；1989年福州市热岛效应区呈现双中心结构，2000年呈现多中心结构，而2016年则呈现连片分布结构。随时间的推移，等级较低的热岛效应区不断向等级较高的热岛效应区转化，热岛强度较强的地区面积不断增大。缓冲距离越远，热岛效应综合指标趋于降低，热岛效应减弱；在缓冲距离相同的地方，随时间的推移，热岛效应综合指标趋于增大，热岛效应增强。

热岛；遥感；GIS；时空格局

城市化给人们的生活带来文明进步和经济繁荣，但是由于城市人口的不断增长，工业生产和居民生活的集中化程度越来越高，导致城市空间内热量聚集，影响着城市的大气环境、区域气候、能源消耗及居民健康[1]，从而直接改变城市居民的热舒适度和整体生活质量[2]，形成了城市热岛效应。城市热岛（Urban Heat Island，UHI）效应是指城市气温明显高于周边郊区的现象，是城市化最明显的气候响应形式[3]。目前，关于城市热岛效应的研究主要集中其研究方法[3]、形态结构[4]、变化趋势[5]、影响因素[6]、形成机制[7]及应对措施[8]等方面。就研究方法而言，城市热岛效应的相关研究方法主要有气象监测与遥感[9]。由于遥感能为城市热岛效应研究提供连续、宏观的数据源，可开展空间结构等细节特征的变化研究，因而该方法日益受到重视。

福州市作为沿海经济高度发展的省会城市之一，是闽南地区金融、科技、商贸中心以及交通枢纽[10]。自改革开放后，其城市化速度稳步加快，城市与人口规模显著扩大，城市下垫面结构及其性质变化显著，再加上其四周环山的地形特点，城市热岛效应日益加剧[10]。因此，本文选取福州市主城区为研究区，基于TM影像数据，提取地表温度，划分热岛效应区，开展城市热岛的时空对比研究，以期为福州市及类似区域的新型城市化建设、城市经济发展、居民生活水平的提高提供借鉴意义。

1 研究区概况及研究方法

1.1 研究区概况

25°58'~26°25' N，119°10'~119°41' E，地处福建省东南沿海，是闽江下游的河口盆地中心；平均日照时数达1 700 h~1 980 h；年平均气温19.60 ℃，年平均降雨量约1 637 mm，年降水量时空分布不均，全年气候温暖湿润，四季较分明，属亚热带海洋性季风气候；地形以山地、丘陵为主，属于典型的河口盆地；受地形地貌的影响福州盛行东南风，其次为西北风；水系十分发达，水网密布，闽江横贯市区东流入海；成土条件复杂，土壤为以红壤和水稻土为主；植被类型较为复杂，种类繁多，包括常绿阔叶林、灌丛、滨海沙生植被等；直至2016年，福州有鼓楼区等5个市辖区，面积共计1 043 km2[11]。近年来，由于城建速度加快，福州市气温的不断上升引起了广泛的关注[12]。

1.2 研究方法

1.2.1 地表温度反演

以1989-06-15、2000-06-29、2016-06-25的TM影像作为数据源，反演福州市地表温度。

Jimenez-Munoz和Sobrino对普朗克函数在某个温度值附近展开一阶泰勒级数，从而得到普适单窗算法如下[13]：

其中

式中，为大气水汽含量，设为1.5 g·cm-2；提取研究区的归一化差值植被指数（NDVI）；提取土地利用数据（自然地表、城市建设用地和水域）；根据相关参考文献[14,15]中的方法设置地表比辐射率；采用普适单窗算法反演地表温度。

1.2.2 热岛效应划分

在ArcGIS中提取每个栅格单元建设用地密度，据此划分城市核心区与非城市核心区。城市核心区指建设用地密度在0.5～1.0之间的城市地区，非城市核心区指建设用地密度低于0.5的郊区或农村地区，详见参考文献[16]。分别求取三个年份城市核心区和非城市核心区各自的平均温度，并根据表1，划分热岛效应区。

表1 热岛划分标准[17]

1.2.3 转移矩阵分析

转移矩阵是指对两期同一地区不同年份的热岛效应区图层进行叠加，求得关于不同级别热岛效应区发生变化后的级别及其变化面积的二维矩阵，其反映静态固定区域固定时间不同级别热岛效应区的面积，还反映初期各类热岛效应区的面积的转出和末期各类热岛效应区的转入情况[18]。利用公式(7)计算其转换概率[23]，式中，ij为1989～2000年（或者2000～2016年）由级热岛效应区类型转换为级热岛效应区类型的转换概率；ij为级热岛效应区类型转换为级热岛效应区类型的面积。

1.2.4 缓冲区分析

根据福州城市建设用地的布局的遥感影像，可以认为福州市为单中心城市。由于福州市八一七路的中间位置——东街口是福州城市经济活动最繁忙的地段，因此以其为中心点向外做等距离扩散的缓冲区，缓冲距离为1 km，绘制同心圆，覆盖整个福州，共计37个同心圆，最大同心圆半径为37 km。同心圆与不同年份的福州市热岛分布图进行叠加，对“非热岛效应区”“弱热岛效应区”“中等热岛效应区”“强热岛效应区”四个不同级别的热岛效应进行赋值，分别赋以1、2、3、4，并用“热岛效应综合指数”表示热岛效应在不同缓冲距离的分布情况，从而分析在城市化过程中表现出的热岛效应空间分布特征[19]。本文将“热岛效应综合指数”定义为：

式中，W为热岛效应综合指数；ij为第环第级热岛效应面积；j为第环面积，表示各级热岛效应区的赋值。

2 结果分析

2.1 热岛效应区面积比例变化

表2是福州市1989年、2000年和2016年热岛的面积及其比例。结合表1，由表2可知，福州市城市核心区与非城市核心区的平均温差越来越大，即城市热岛效应逐步增强。非热岛效应区及弱热岛效应区的面积比例不断减少，强热岛效应区迅速扩大。

表2 福州市3个年份热岛的面积及其比例

图1 福州市3个年份热岛分布

影响热岛强度最为突出的因素是城市人口及城区扩张[20]。城市扩展引起下垫面的性质如地表反照率、热容性等地表第一性物理参数发生变化[21-22]。因此，在工业用地、建筑物及人口较为密集的地区大多温度较高，而植被覆盖较好的区域以及水系大多温度较低[23]。1989年，福州市的强热岛效应区和中等热岛效应区集中于城市核心区，强热岛效应区呈双中心结构，分别主要对应鼓楼区和台江区。这主要是因为这两个区的商业和住宅较为密集，人为热排放较多。非热岛效应区和弱热岛效应区主要对应于水体、耕地和林地等区域；2000年，主要老城区工厂不断迁出，导致两个强热岛效应区趋于萎缩。与此同时，晋安区的鼓山镇、仓山区和马尾经济技术开发区热岛面积均有较大增幅，形成多个强热岛效应区，呈多中心结构；2016年，老城区、南台岛和马尾区等地的城市建设不断增加，致使强热岛效应区由原本多中心结构向连片结构的态势演变[24]。

2.2 热岛效应转移矩阵分析

表3 1989-2000年福州市不同等级热岛效应区转移矩阵

表4 1989-2000年福州市不同等级热岛效应区转换概论矩阵

表5 2000-2016年福州市不同等级热岛效应区转移矩阵

表6 2000－2016年福州市不同等级热岛效应区转换概论矩阵

由表3、表4可知，在1989年-2000年，非热岛效应区、弱热岛效应区、中等热岛效应区分别向更高级别的热岛效应区转移，分别约占其22.42%、12.87%、13.39%。2000年的强热岛效应区有39.60%是由中等热岛效应区转化来，33.83%保留其原热岛强度。在中等热岛效应区中，有39.42%是由弱热岛效应区转化而来，41.39%保留其中等热岛效应区的特性。弱热岛效应区及非热岛效应区大部分保留其原有强度，只有小部分发生转化。

从表5、表6可得，在2000年-2016年，非热岛效应区、弱热岛效应区、中等热岛效应区分别向热岛强度更强的级别转移，分别约占其37.78%、39.44%、77.48%。2016年的强热岛效应区有50.44%是由中等热岛效应区转化而来，36.92%是由弱热岛效应区转化而来。中等热岛效应区有61.73%是由弱热岛效应区转化而来，而弱热岛效应区有56.36%是从非热岛效应区转化而来，非热岛效应区大部分保留其原有强度。

2.3 热岛效应缓冲区分析

图2 福州市3个年份热岛缓冲区分布

图3 福州市3个年份各缓冲区的热岛效应综合指数

由图2和图3可看出同一年份的热岛效应综合指数从城市中心点向外呈现递减趋势，表明离城市中心点越近，热岛效应表现得越强烈，离城市中心点越远，热岛效应较弱。从1989年的数据可以看出，在距离城市中心点5 km范围内表现出较强的热岛效应，在距离城市中心点1 km范围内热岛最强。从2000年的数据可见，在距离城市中心点7 km范围内的热岛效应表现得较为强烈，在距离城市中心点1 km范围内表现最强。2016年的热岛效应表现为在距离城市中心点11 km范围内较强，在距离城市中心点3 km范围内热岛效应水平相当，说明福州市东街口的中心职能范围在扩大与强化。1989年、2000年、2016年在0-10 km范围内，热岛效应综合指数下降速度较快，而在距离城市中心点相同距离的缓冲区范围内，随时间的推移，热岛效应综合指数也大致呈递增趋势。这一变化主要是由于城市化进程的不断推进，城市建设用地不断增多，大量人口在城市中心点附近聚集，从而呈现团聚现象，且该团块面积也在不断增加。

3 结论

福州城市核心区与非城市核心区的平均温差不断增加，城市热岛效应显著增强。非热岛效应区和弱热岛效应区面积比例不断减少，强热岛效应区迅速扩大，其福州强热岛效应区分别呈现双中心、多中心和集中连片的格局。

福州热岛分布呈现出由热岛强度较低的地区不断向热岛强度较强的地区转化的趋势，且热岛强度较强的地区面积不断增大。

福州市热岛效应综合指标随着离城市中心点距离的增加而减少，分别在距离城市中心点5 km、7 km、11 km表现出较强热岛效应。在距离城市中心点相同距离的地点，随着时间的推移，大体呈现递增趋势。

[1] 林林,李国胜,戟东建.成都市热岛效应及其与下垫面的关系[J].生态学杂志,2018,2(2):34-38.

[2] 于淑秋,卞林根,林学椿.北京城市热岛"尺度"变化与城市发展[J].中国科学,2005,35(S1):97-106.

[3] 白杨,王晓云,姜海梅,刘寿东.城市热岛效应研究进展[J].气象与环境学报,2013,29(2):101-106.

[4] Sheng L, Tang X, You H, Gu Q, Hu H. Comparison of the urban heat island intensity quantified by using air temperature and Landsat land surface temperature in Hangzhou, China[J]. Ecological Indicators, 2017,(72): 738-746.

[5] Li L, Huang X, Li J, Wen D. Quantifying the Spatiotemporal Trends of Canopy Layer Heat Island (CLHI) and Its Driving Factors over Wuhan, China with Satellite Remote Sensing[J]. Remote Sensing, 2017, 9(6): 536-538.

[6] Wang H, Zhang Y, Jin T, Li Y. Surface Urban Heat Island Analysis of Shanghai (China) Based on the Change of Land Use and Land Cover[J]. Sustainability, 2017, 9(9): 1538-1541.

[7] Huang F, Zhan W, Voogt J, Hu L, Wang Z, Quan J, Ju W, Guo Z. Temporal upscaling of surface urban heat island by incorporating an annual temperature cycle model: A tale of two cities[J]. Remote Sensing of Environment, 2016, 186: 1-12.

[8] Kim DH, Ahn BI, Kim EG. Metropolitan Residents’ Preferences and Willingness to Pay for a Life Zone Forest for Mitigating Heat Island Effects during Summer Season in Korea[J]. Sustainability, 2016, 8(11): 1155-1159.

[9] 刘勇洪,徐永明,马京津,权维俊.北京城市热岛的定量监测及规划模拟研究[J].生态环境学报,2014,23(7): 1156-1163.

[10] 王天星.地表参数遥感定量反演及其在城市热环境研究中的应用[D].福州:福建师范大学,2008:5-15.

[11] 陈文惠.福州土地利用变化及其驱动力多元综合分析[J].地球信息科学学报,2005,7(3):45-50.

[12] 徐涵秋.基于城市地表参数变化的城市热岛效应分析[J].生态学报,2011,31(14):3890-3901.

[13] Jiménez-Muñoz JC, Sobrino JA. A generalized single‐channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research Atmospheres, 2003, 108(22): 2015-2023.

[14] 覃志豪,李文娟,徐斌,陈仲新,刘佳.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感, 2004,16(3):28-32.

[15] Sobrino J A, Jiménez-Muñoz JC, Paolini L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90(4): 434- 440.

[16] 李书娟,曾辉.快速城市化地区建设用地沿城市化梯度的扩张特征——以南昌地区为例[J].生态学报, 2004,24(1):55-62.

[17] 杨英宝,苏伟忠,江南,甄峰.南京市热岛效应变化时空特征及其与土地利用变化的关系[J].地理研究,2007, 26(5):877-886.

[18] 吴琳娜,杨胜天,刘晓燕.1976年以来北洛河流域土地利用变化对人类活动程度的响应[J].地理学报,2014, 69(1):54-63.

[19] 白丽月.近二十年福州城市建设用地扩展研究[D].福州:福建师范大学,2010:10-20.

[20] 刘宇峰,原志华,孔伟,孙铂,安彬.1993-2012年西安城区城市热岛效应强度变化趋势及影响因素分析[J].自然资源学报,2015,30(6):974-985.

[21] 崔耀哥,刘纪远,秦耀辰,董金玮,路婧琦,张帅帅.北京城市扩展对热岛效应的影响[J].生态学杂志,2015, 34(12):3485-3493.

[22] 陈旭,李霖,王江.城市绿地对热岛效应的缓解作用研究——以台州市为例[J].生态环境学报,2015,24(4): 643-649.

[23] 彭保发,石忆邵,王贺封,王亚力.城市热岛效应的影响机理及其作用规律——以上海市为例[J].地理学报, 2013,68(11):1461-1471.

[24] 肖和善.福州市热岛效应时空特征及演变规律研究[D].福州:福建师范大学,2008:15-20.

Study on Spatial-Temporal Pattern of the Urban Heat Island Effectin Fuzhou

WU Hui-feng, CHEN Zhi-qiang

(College of Geographical Sciences, Fujian Normal University, Fuzhou 350117, China)

A method combining quantitative remote sensing and GIS is used. Using the TM remote sensing images of Fuzhou in 1989, 2000, and 2016, the urban core area is extracted and the heat island effect area is divided in order to study intensity change and spatial structure changes of the heat island effect area in Fuzhou. The results show that: 1) In 1989, 2000, and 2016, the average temperature difference between urban core and non-urban core areas in Fuzhou is 3.67°C, 3.70°C, and 5.38°C respectively. And the heat island effect is significantly enhanced; in 1989, the urban heat island effect area of Fuzhou presents a dual-center spatial structure, which tends to be a multi-center spatial structure in 2000, and tends to be contiguous and distributed in 2016. 2) With time goes, the lower grade heat island effect area is continuously transformed to the higher grade heat island effect area, and the area with strong heat island is increasing. 3) The longer the buffer distance is, the smaller comprehensive indicator of the heat island effect is, and the heat island effect weakens. At the same buffer distance, the general indicator of the heat island effect tends to increase and the heat island effect strengthens with time.

heat island; remote sensing; GIS; spatial-temporal pattern

X24

A

1009-9115(2018)06-0155-06

10.3969/j.issn.1009-9115.2018.06.034

国家重点研发项目（2016YFC0502905）

2018-05-16

2018-07-13

吴慧凤（1995-），女，福建泉州人，硕士研究生，研究方向为资源与环境、地理教育。

（责任编辑、校对：王淑娟）