GIS和RS在城市地表温度研究中的应用——以福州市为例

周依婷，李小梅

（福建师范大学环境科学与工程学院，福建 福州 350007）

1 前言

城市化对气候的重要影响之一是地表温度升高和温室气体排放的出现，它们已经并将继续影响城市气候。由于世界各地城市的不断扩张，人口集中及城市建筑物大量增加，人类活动产生的热量迅速增加。目前城市热岛现象已从一般的气象问题变为严重影响城市生态环境的关键因素[1]。城市热量的积累使城市地表温度明显高于郊区或农村地区[2]，其直接影响城市空气质量[3]、当地气候[3]和能源利用[4]等。 城市地表温度升高最直接的后果是极端高温天气的产生，加剧了城市热岛强度和范围，例如伯明翰城市热岛强度高达7 ℃[5]、阿姆斯特丹高达9 ℃[6]、曼彻斯特最高为10 ℃[7]、美国东北部最高为5 ℃[8]、悉尼达到10 ℃[9]、福州达到6.73 ℃[10]。这样的持续高温环境可能大幅度增加中暑、心血管病、失眠率、心脏病、呼吸系统疾病等发生。显然，城市热岛对人们的日常生活产生严重影响，城市居民因此面临着健康风险[9]。城市热岛是城市环境研究的热点问题之一。

2 研究区域与数据来源

2.1 研究区概况

本文以福州市主城区为研究对象。福州市位于北纬25°15'～26°39'，东经118°08'～120°31'（地理位置见图1），为福建省省会，政治、文化、交通中心，也是海峡西岸经济区的中心城市。福州属亚热带海洋性季风气候，年平均气温为20～25℃；最冷月份1～2月、平均气温达6～10℃；最热月7～8月、平均气温为33～37℃；年平均降水量为900～2100 mm。福州市平均海拔600～1000 m，地势由西向东倾斜，闽江穿城而过，从福州向东流向东海。福州是典型的河口盆地，城市在盆地中心，由于地形较封闭，不利于气流流动，热岛效应明显。

图1 研究区地理位置

2.2 数据源

本文选择2016年7月27日Landsat数据作为遥感数据源，影像均下载自http://www.gscloud.cn/。为保证影像质量，本文仅选取云量小于20%的影像。影像经过几何校正、地形校正、辐射定标、大气校正和区域裁剪等预处理，用以反演地表温度。

3 研究方法

3.1 地表温度反演

研究的地温反演采用单窗算法[11]，该算法根据地表热辐射传输方程推导出，公式如下：

其中，ε地表比辐射率，τ为大气透射率，Lλ为图像辐射定标，K1、K2为系数。Tλ为地面亮度温度值，Tα为大气平均作用温度，a、b为系数，取a=-62.806，b=0.434[12]。参数的计算采用热带平均大气和中纬度夏季平均大气温度的平均值[13]，公式如下：

其中，T0为近地表温度。

3.2 Anselin Local Moran's I 分析

Anselin Local Moran's I 分析又称为聚类与异常值分析，它在原理上来说是属于从下至上的系统聚类。Anselin Local Moran's I算法是Anselin 在基于Globe Moran's I算法的基础上，提出的一个识别局部聚类和空间异常值的算法[14]。该算法的计算公式如下：

n 为要素的总数目。

3.3 地表指数的提取

归一化植被指数(NDVI)反映地表植被状况的遥感指数，定义为近红外通道和可见光通道反射率之差的商[15]。在遥感图像中，近红外波段和红色波段的反射值之差大于两者之和。其计算公式如下：

其中，NIR为近红外波段，R为红外波段。

改进的归一化差异水体指数（MNDWI）基于Mcfeeters提出的归一化差异水体指数（NDWI）的分析。徐涵秋修改了构成该指数的波长组合，提出了一种改进的归一化差异水体指数（Modified NDWI）[16]，并在包含不同类型水体的遥感图像上测试了该指数，大部分结果比NDWI更好，尤其是在市区提取水体时。城市建设用地信息混杂，提取水体的范围扩大。同时还发现与NDWI相比MNDWI可以揭示水体的细微特征，例如悬浮沉积物的分布和水质的变化。另外，MNDWI可以轻松区分阴影和水体，解决了去除水体提取中的阴影的问题[17]其计算公式如下：

其中，Green为绿光波段数据；MIR为中红外波段数据。

归一化建筑指数（NDBI）是查勇等提出的一种提取城镇建设用地信息的指数[18]，其计算公式如下：

其中，MIR为中红外波段数据；NIR为近红外波段数据。

4 结果与分析

4.1 福州市主城区2016年地表温度分布特征

图2 福州市主城区2016年地表温度

从图2中可知，2016年福州市主城区地表温度升高趋势显著。研究区北部有横山、国家森林公园、鲤鱼峰等山脉，南部水域环绕，起到了降温效果，地表温度呈现出“中间高四周低”的现象，而城市中心高温度地区呈现“多中心”现象。

主干道交通量大，燃料消耗大向周边环境中排除大量的热量。同时，机动车驾驶产生大量的氮氧化物，二氧化碳，粉尘和其他排放物。这些物质将从下垫面吸收热辐射并产生温室效应，这导致周边环境进一步变暖，因此人类活动所释放的热量是形成城市地表温度升高的主要原因之一。

4.2 福州市地表温度空间关联动态

任何地理事物都与其他地理事物有关，但在距离上，邻近的地理事物比其他地理事物更重要，即空间自相关[19]。同样，地表温度升高集聚也是一种常见的地理现象，在对流换热作用下，相邻空间单元之间存在连通性，其热环境相互影响。利用ArcGIS提供的Global Moran’s I工具，可识别地表温度的空间自相关，在建立一个500 m×500 m的空间网格后，该工具将根据每个空间网格的位置和平均表面温度来衡量空间自相关，给定一组元素和相关属性，该工具将评估所表示的模式是聚类模式、离散模式还是随机模式[14]。

图3 局部空间自相关分析结果

从图3可以看出，地表温度在某些区域具有显着的正相关性，高温区与低温区相对隔离。“高-高”的空间网格主要包括3种类型的功能空间：⑴东街口区、鼓楼区、晋安区政府、王庄和其他高密度的居民和商业混合区；⑵上洋工业区、红星工业区以及浦上工业区；⑶交通枢纽，如汽车北站、汽车南站、火车北站、火车南站等。“低-低”空间类型相对简单，均为研究范围内有大面积水体或者大面积植被覆盖起到了降温作用。总体上，虽然地表温度高温区总面积较大，空间分布密集，但主要由水体和植被组成的低温区域对高温区域具有明显的隔离作用，形成了相对集中的降温作用。

4.3 地表温度集聚成因分析

4.3.1 地表温度与地表指数回归分析

本文以2016年7月27日Landsat 8 OLI/TIRS为基础，分析了城市地表指数与地表温度的关系，提取了3种具有代表性的地表指数，其中包括归一化植被指数（NDVI）改良归一化差分水分指数（MNDWI）、归一化建筑指数（NDBI），如图4。

图4 地表指数（NDVI、MNDWI、NDBI）以及LST分布图

图5 NDVI与LST散点图

在福州市主城区中创建1000个随机点，间隔为100 m，将提取出的各地表指数的值赋值给各个点，3种表面指数与表面温度的相关分析。结果见图5。

从图5中的线性回归方程可以看出，福州市主城区NDVI与地表温度呈现明显的负相关，但是相关系数很低，只有0.141。随着NDVI的增大地表温度降低，当NDVI增大0.5时，地表温度下降约1.3 ℃。这表明NDVI能够影响地表温度的上升即植被具有抑制城市地表温度升高的作用，因此，增加城市植被覆盖度可以减轻地表温度的升高。

图6 MNDWI与LST散点图

根据图6中的回归方程可以看出，福州市主城区改进的MNDWI与地表温度相关性较弱，其相关系数只有0.003。当改进的MNDWI处于-0.5～0时，其对应的地表温度则分布在27.5～37.5 ℃范围中。

图7 NDBI与LST散点图

从图7的线性回归方程可以看出，福州市主城区NDBI与地表温度成正相关，相关系数为0.626，随着NDBI增加地表温度升高。NDBI每增加0.25，地表温度将升高约2.71 ℃，这表明NDBI的增加将加剧地表温度的升高，即建筑用地的增加将会带来地表温度升高。

简而言之，除了MNDWI与表面温度之间的相关性较低外，其他指标与地表温度之间的相关性较好。NDVI与地表温度呈负相关，而NDBI与地表温度呈正相关。在分析表面指数与表面温度之间的相关性时，NDBI对地表温度的升高具有较大的贡献，而NDVI在一定程度上抑制了表面温度的升高。因此，提高城市植被覆盖度和合理规划城市建设用地，对于减轻福州城市地表温度升高具有重要意义。

4.3.2 基于PCA法的城市地表温度升高驱动机制分析 在城市热流场研究中，影响地表温度变化的因素很多。因此，有必要将原始变量转化为几个相互独立的新变量，并以线性组合的形式包含原始变量的信息，从而简化原始变量的作用。使用SPSS 26软件分析并计算上述相关地表指数，并计算每个影响因素对主要成分的贡献率。其中，第一主成分的贡献率为63.8%，第二主成分的贡献率为35.751%，累计贡献率为99.591%。前2个主要因素是福州市城市地表温度升高的主要影响因素。

结合主成分特征向量值，第一主成分Y1主要为NDVI，其次为NDBI；第二主成分Y2主要为NDBI、其次为MNDWI。2个主成分同各指标间的线性关系为：

Y1=0.69X1+0.11X2-0.71X3

Y2=-0.27X1+0.95X2-0.12X3

对研究区进行2个主成分数值提取，并与地表温度进行回归拟合，结果如表3。

为对比各个指标的贡献程度，此处引入标准化回归模型：

TS=-0.156Y1+0.822Y2

将主成分公式代入，该模型转化为：

TS=-0.32958X1+0.76374X2-0.01212X3

由上式可知，各个指标每变化1个单位，会导致福州市主城区地表温度变化0.32958，0.76374，0.01212。由此表明，建筑规模促进地表温度升高、城市地表温度升高，贡献率为0.76374。而植被、水体对城市地表温度起抑制作用，贡献率为-0.32958，水体影响较弱，贡献率为-0.01212。

5 结论

通过对福州市主城区2016年Landsat系列数据进行地表温度反演，结合全局空间自相关分析，线性分析、主成分分析等方法，研究了福州市夏季地表温度特征，并对地表指数与城市地表温度的关系做了分析研究。主要得到以下结论：

⑴ 2016年福州市主城区城市地表温度集聚显著，高温区主要集中于人口密集的东街口区，鼓楼区，晋安区政府，王庄和其他高密度的居民和商业混合区；上洋工业区、红星工业区、浦上工业区；以及交通枢纽，如汽车北站，汽车南站，火车北站，火车南站等。虽然高温区总面积较高，空间分布密集，但水体和植被起到了一定的区域降温作用形成了相对集中的冷却效应。

表1 主成分分析主要结果（a）

表2 主成分分析主要结果（b）

表3 回归系数

⑵ 地表温度与地表指数具有一定的相关性，NDVI与地表温度呈现负相关，NDBI与地表温度呈现正相关，但MNDWI与地表温度的相关性较差。通过对3个指标进行主成分分析，发现建筑规模能够影响地表温度上升，对其具有促进作用，地表植被及水体环境能够缓解地表温度的上升，其中水体环境的作用较弱。