1990—2015年宁波市热岛效应特征与人口资源环境分析

谭志宁，席素亭

(1.广西壮族自治区城乡规划设计院，广西 南宁 530022；2.河北工程大学 建筑与艺术学院，河北 邯郸 056038)

据国家统计局统计截止到2019年我国的城市化率己达到60.60%，快速的城市化进程对地球环境造成很多负面的影响，远远超出了其所在的物理边界，从《京都协议书》到《哥本哈根议定书》，再到2015年我国国家领导人赴巴黎参加世界气候大会，世界各国对全球气候、生态的变化都密切关注，人类赖以生存的人-地-气生态平衡系统，正逐渐失去其原有的平衡，而城市热岛效应就是生态平衡系统中的重要因素[1]。热岛效应是指当城市发展到一定程度，城区温度明显高于郊区，形成类似高温孤岛的现象[2]。在气候变暖背景下，城市热岛和天气事件联系越来越紧密：城市热岛与热浪的协同作用加剧了城市恶劣的微气象条件，对城市生态环境、人类健康和环境质量都带来极大威胁与挑战[3]。城市热岛效应已成为城市发展进程中普遍面临的环境问题，因此对其深入研究意义重大。1972年Rao提出用热红外监测地表热岛之后[4]，地表温度(Land Surface Temperature, LST)被广泛用于城市热岛的研究，遥感技术的发展为地表温度的全面监测提供手段，热红外监测地表热岛也有利于从宏观角度把握其变化规律。获取近地面的地表温度最直接和准确的方法是现场监测,但是由于地面监测站点较少且建设费用高，无法进行长时间连续大范围监测。随着卫星数据的时空分辨率日益提高，地表温度反演对城市热岛的长时间序列监测受到人们的广泛关注。

目前对热岛效应的研究主要在于热岛效应时空演变[5-6]，热岛效应影响因素分析[7-8]，城市热岛的生态效应[9-10]以及热岛效应的预测评估[11-12]。历华基于4个季节的MODIS影像计算长株潭地区的地表温度, 在对归一化建筑指数 (Normalized Difference Built-up Index，NDBI) 和归一化植被指数(Normalized Difference Vegetation Index，NDVI)研究中发现，NDBI是城市热岛研究的有效指标[13]，李学敏对襄阳市热岛效应演变进行分析，基于剖面分析和多元回归，得出植被覆盖对城市热岛的影响大于建筑密度[14]。目前研究较少从人口、GDP等社会经济因素分析城市热岛效应的时空演变。但实际上由于人类的强干预作用，人类的经济活动对于环境的影响远大于自然作用，是导致环境质量下降的主要因素[15]。因此探究社会经济因素与温度关系，是研究人口资源环境的新课题。

本文主要选取了宁波市在六个时间段的LST数据，采用单窗算法进行地表温度反演LST数据，利用MODIS数据进行验证,运用地理信息系统空间分析技术、Pearson相关性分析方法,分析宁波市中心城区热岛效应的时空特征演变特征及其与NDVI、NDBI、人口规模和GDP产值的相关性，明确各社会经济因子对城市热岛空间规模、地表温度变化的影响，为制定缓解宁波市热岛效应的政策措施提供可靠理论依据以及合理建议，以期缓解该区域环境变化。

1 材料与方法

1.1 研究区概况

宁波市地处我国海岸线中段，长江三角洲南翼，处于东经120°55′至122°16′，北纬28°51′至30°33′的范围。宁波市不仅仅是东南沿海重要的港口城市，长江三角洲南翼经济中心，也是环杭州湾大湾区的重要组成部分(图1)。本文选取宁波市中心城区为研究区域，总面积为2 437.59 hm2, 宁波市中心城区布局呈“一主两副，双心三带”的空间结构。一主即三江片，两副即北仑片和镇海片；双心即三江口中心和东部新城中心；三带即余姚江、奉化江、甬江形成的三条滨江生活带，外围形成慈城、东钱湖、东部滨海、九龙湖、澥浦等组团。到2020年宁波市中心城区人口规模达到395万，建设用地规模达到420 hm2，随着城市规模的不断扩大，热岛效应受到人们的广泛关注。如，姚一舟等人利用 Landsat 卫星影像反演了宁波市 1995、2002、2009 年的不透水面、植被、水体、地面温度等主要地表参数，发现14 年间研究区域城市热岛范围明显扩大，热岛效应逐渐加强，并且研究区内8个方向上出现了 10 个新的热岛[16]；丁烨毅等人利用1961—2005年城郊两气象站气温资料，分析出宁波市的城市热岛效应呈逐年增强的趋势，秋冬季的热岛强度较春夏季强热岛效应具有较明显的日变化，并且“夜热岛”强于“日热岛”[17]。

1.2 数据来源

本研究采用的温度反演数据为1990年8月14日、1995年7月3日、2000年8月2日和2005年7月28日的Landsat 5 TM数据、2010年8月29日和2015年8月24日Landsat 8 OLI/TIRS数据，来自地理空间数据云平台，行列号为118/39(表1)。本研究主要选取B6热红外波段进行单窗算法温度反演，研究区内图像质量良好，云量极少，地面特征清晰。温度反演后利用MODLT1D 中国1 km地表温度产品对2000、2005、2010和2015年地表温度反演结果进行验证，由于MODIS地表温度存在较多空值，基于最大值合成法将相邻三天的地表温度数据进行合成。进一步从NDVI、NDBI、人口和GDP对热岛效应的变化进行分析，数据采用中国人口、GDP空间分布公里网格数据集，来自中国科学院资源环境数据云平台(http://www.resdc.cn/)。

图1 研究区概况Fig.1 Overview of the study area

表1 数据来源

1.3 研究方法

本研究采用覃志豪等的单窗算法[18]进行地表温度反演，该算法针对Landsat TM/ETM+的热红外波段数据提出，后胡德勇等人根据Landsat8数据特征进行改进[19]，具有较高的反演精度，计算公式如下：

Ts=[a10(1-C10-D10)+
(b10(1-C10-D10)+C10+D10)]T10

(1)

C10=τ10ε10

(2)

D10=(1-τ10)[1+(1-ε10)τ10]

(3)

式中：Ts为地表温度(K)；T10为卫星传感器探测到的像元亮度温度(K)；则a10=-67.954 2，b10=0.459 87[20]；τ10和ε10分别指大气透射率和地表比辐射率，地表比辐射率参考覃志豪算法。大气透射率可在NASA官网(http//atmcorr.gsfc.nasa.gov/)上根据影像的成像时间和中心经纬度查询，由于2000年之前的大气透射率无法查询，1990年和1995年遥感数据反演地表温度采用2000年8月2日的大气透射率。

1.4 热岛效应指标

为比较不同时相的宁波市中心城区热岛效应强度，将宁波市中心城区地表温度按照标准差法进行划分，将地表温度较高的四级定义为极强热岛、中强热岛、次强热岛和弱热岛(表2)，Tmean表示平均地表温度，Tsd表示地表温度的标准差。

表2 热岛类型划分

1.5 归一化植被指数提取

归一化植被指数NDVI是研究热岛效应驱动因素的常见参数。目前国内外相关研究较多集中在NDVI时序变化与其它生态因子相关性的研究，而这些生态因子主要是气候因子，如降水、温度等[21]。NDVI具有消除部分辐射误差的特点，可用于检测植被生长状况，其公式如下：

(4)

式中：ρNIR和ρRED是Landsat数据的近红外波段和红外波段的表面反射率，NDVI越高表明区域内植被覆盖度越高、生长状况越好。

归一化建筑指数NDBI源于对归一化植被指数NDVI的深入分析，其可以用来表征城镇用地的密集程度，计算公式如下：

(5)

式中，ρMIR和ρNIR为Landsat TM数据的中红外波段和近红外波段的表面反射率，Landsat8 OLI/TIRS的NDBI通过SWIR1和NIR波段计算。NDBI越高表明区域内建筑物用地比例越高，建筑分布越密集。

2 结果与讨论

2.1 温度反演结果及验证

1990—2015年宁波市中心城区地表温度反演结果如图2所示，研究表明MODIS LST数据与实际温度差小于1℃[22]，随机选取宁波市中心城区内的样本点对2000、2005、2010和2015年地表温度反演结果进行验证(图3、表3)，地表温度反演LST和MODIS LST为显著正相关，R2最小为0.68，拟合优度较好，反演结果与真实温度具有良好的一致性，RMSE和绝对误差结果较小，地表温度反演结果良好，对城市发展研究具有一定价值。

2.2 热岛效应时空变化特征

通过计算得到宁波市中心城区1990—2015年6个不同时期地表温度反演结果，根据标准差法将其划分为极强热岛、中强热岛、次强热岛和弱热岛(图4)。1990—2015年宁波市中心城区热岛效应变化显著，各类型热岛面积(hm2)如表4所示。1990—1995年，中强热岛面积从86.43 hm2增加到109.95 hm2，极强热岛面积从73.49 hm2增加到83.31 hm2，城市热岛聚集在三江口中心逐渐向西部扩散；1995到2000年次强热岛从323.94 hm2增加到449.86 hm2，中强热岛从109.95 hm2增加到221.16 hm2，增长100.01%，但极强热岛下降明显，从83.31 hm2减少到6.74 hm2，主要原因是宁波市中心城区发展迅速，城市热岛逐渐从单中心发展到多中心，热岛效应普遍上升，各地区之间热岛差异减少；2000—2005年极强热岛从6.74 hm2增加到24.22 hm2，中强热岛也有所增加，热岛效应粗具规模；2005—2010年热岛面积未发生较大变化，主要原因是宁波从“增量发展”逐步走向“存量发展”，从单一的注重“增量市场”到逐步关注“存量市场”。在2005—2010年，宁波市中心城区扩张速度减缓，因此热岛效应有所缓和。随着城市的发展，热岛斑块会逐渐由低级向高级转变，宁波市中心城区在三江口周边、甬江口两岸和经济技术开发区形成了三大高温片区[23]。2010—2015年热岛面积基本保持不变，热岛效应仍不可忽视。总而言之，1990—2015年宁波市中心城区热岛效应经历了由单中心走向多中心、高速发展到缓慢增长的历程。

2.3 温度变化特征与各因素的相关性

2.3.1 温度与NDVI、NDBI的相关性

宁波市中心城区地表温度与NDVI呈负相关性，与NDBI呈正相关性(表5)。从1990—2017年平均LST、平均NDVI和平均NDBI变化(图5)来看，从宏观上分析，平均NDVI变化趋势与平均LST基本相同，这表明了城市植被覆盖率与城市热岛效应之间联系紧密。1995—2000年平均NDVI变化幅度最大，下降约35.71%；1990—2000年平均LST与NDVI相关性不强，在2005年之后，NDVI绝对值增大且大于0.5，说明植被对于热岛效应的缓解作用逐渐增强。

1990—2005年平均NDBI上升约75%，2005—2010年平均NDBI迅速下降，宁波市城市建设用地分布从密集走向疏散，2010—2015年平均NDBI变化较少。原因可能为，1990—1995年宁波市中心城区发展迅速，热岛效应加剧，2000年突如其来的非典疫情大大减少了人类活动，减少温室气体的排放，缓解了热岛效应，而持续的高温干旱使得植被的活动减少，因此平均NDVI值较小，2000—2005年城乡发展迅速，区域统筹发展格局加快发展，热岛效应加剧。

图2 1990—2015年宁波市中心城区地表温度Fig.2 Land surface temperature of Ningbo central urban area from 1990 to 2015

图3 遥感反演地表温度和MODIS LST散点图Fig.3 Remote sensing inversion of land surface temperature and MODIS LST scatter map

表3 2000、2005、2010、2015地表温度反演验证

表4 宁波市1990、1995、2000、2005、2010、2015热岛面积

图4 1990—2015年宁波市中心城区热岛效应演变Fig.4 Evolution of the heat island effect in the central urban area of Ningbo from 1990 to 2015

图5 1990—2017年平均LST、平均NDVI和平均NDBI变化Fig.5 Changes of mean LST, mean NDVI and mean NDBI from 1990 to 2015

表5 地表温度与NDVI、NDBI相关性

2005—2010年加快区域统筹发展，不少外围组团、卫星城的建设缓解了中心城区的压力，中心城区热岛效应减缓，2010—2015年宁波市注重绿色空间的营造，NDVI增加，对热岛效应起到了很好的缓解作用。NDBI、NDVI与热岛效应联系较为密切，城市发展中城市规模应当合理，避免“摊大饼”式地扩张，当城市发展到一定规模时，城市绿色建设是缓解热岛效应的有效途径。

2.3.2 温度与人口规模的相关性

1990—2015年人口空间分布如图6所示，将1990、2000、2005、2015年LST 数据和1990、2000、2005、2015年人口公里网格进行相关分析，分析得出地表温度与人口呈正相关(表6)且其相关性在2004年为最大值。由图7可知,在1990—2005年，宁波市中心城区人口呈现波动变化。通过调查分析后发现，人口在这段时间内发生波动的主要原因是宁波市中心城区人口在当时处于流出状态，一部分宁波人选择外出经商，同时一部分外来务工人员涌入，但人口规模最终并未发生很大变化。除此之外，这一时期宁波市中心城区注重港口建设，镇海区和北仑区的人口明显增多，由此可见，人口主要增长区域与地表温度变化是相一致的。2005年后，随着宁波市综合实力的不断提高，人口有了较大增长，增长的人口主要来自两个部分：一部分是吸引到宁波发展、工作的优秀人才，一部分是外出经商的宁波人回乡建设。2005—2010年的最大1 km网格人口与2005年前相比增长到将近5倍，可以得出随着时间的推移，人口区域差异在不断增大。2010—2015年，虽然人口持续增长，城乡差距仍旧显著，但是人为活动对热岛效应的影响减弱，主要原因是由于宁波市在不断推进新型城市化的同时开始注重生态保护。人口的快速增加和城乡的差距并不会直接导致城市热岛效应，建议政府在城市化初期合理控制人口规模，并在城市化水平的提高过程中，注重资源和环境的保护，由此可以在缩小城乡差异的同时既能为城市发展注入活力，又能为城市建设营造良好的生态环境。

2.3.3 温度与GDP相关性

1995—2015年宁波市中心城区GDP空间分布如图8所示，计算1998、2004、2013、2017年遥感反演LST数据和2000、2005、2010、2015年GDP的相关性，其相关性在2010年达到最大，为0.62(表7)。

图6 1990—2015年宁波市中心城区人口空间分布Fig.6 Spatial distribution of population in the central urban area of Ningbo from 1990 to 2015

表6 地表温度与人口空间分布相关性

图7 1990—2015年1 km网格人口变化Fig.7 Population change of 1 km grid from 1990 to 2015

从图8中可以发现，2005—2010年，宁波市中心城区GDP处于下滑状态，其主要原因是2008 年的金融危机所带来的持续性影响。当时我国虽然没有在金融上遭受严重冲击，但全球金融危机及经济衰退的影响对我国的冲击和考验也是严峻的。在全球经济一体化和国际分工高度化，中国长期以来用外需来支持经济的发展模式等，都导致了中国在当时的债务水平激增，经济增长处于弛缓状态。2010—2015年，宁波市中心城区GDP持续上升，经济发展速度加快，经济水平整体呈上行状态，其主要原因是驱动经济增长的要素，已逐渐从传统的劳动与资源密集型，升级成以人才流入、科技创新、消费升级为导向的“高质量发展”。宁波市中心城区不断转型升级的制造业，是经济茁壮生长的基石。2015年，宁波市中心城区GDP产值已经超过了2005至2010年下滑前，2005年的GDP产值，达到了19 679.68万元/km2的水平。这表明了宁波市中心城区的经济发展正在逐渐向技术驱动型转变。随着环杭州湾大湾区的建设，宁波市发展将迎来更大挑战，城市发展应当优先发展高新技术行业，发挥港口的优势，加快贸易往来，促进经济发展的同时保护生态环境，为城市生活营造良好环境。

图8 1995—2015年GDP空间分布和平均GDP总产值变化Fig.8 Spatial distribution of GDP and change of average GDP from 1995 to 2015

表7 地表温度与GDP空间分布相关性

3 结论

本文尝试利用宁波市Landsat 5 TM和Landsat 8 OLI/TIRS数据，进行温度反演及其影响因素的相关性分析，主要的研究结果如下，1990—2015年宁波市中心城区热岛效应逐渐增强，中强热岛和极强热岛面积逐渐增多，宁波市中心城区热岛效应经历了由单中心走向多中心、高速发展到缓慢增长的历程；影响因素分析表明，热岛效应与NDVI和NDBI和人口规模布局息息相关，植被对于热岛效应起到一定程度缓解作用，而建筑密度增加会增强热岛效应，人口和GDP也是热岛效应的驱动因素。

研究采用单窗算法进行地表温度反演，虽然对于TM数据而言反演精度高，有利于从宏观角度把握变化规律，但基于单窗算法的地表温度反演依赖气象数据，从而会影响较极端或严重污染情况下的温度反演精度，今后可考虑对宁波—杭州—上海，乃至环杭州湾大湾区的更长时间序列的Landsat 8数据进行深入分析，以提高结论的准确性和代表性。