城市化进程下地表温度时空变化及其与植被覆盖度的相关性*<br/>——以北京五环区域为例

城市化进程下地表温度时空变化及其与植被覆盖度的相关性*
——以北京五环区域为例

2021-08-09王丽群陈立欣

林业科学 2021年6期

袭月周洁王丽群陈立欣

(1.北京林业大学水土保持学院北京 100083；2.北京市农业环境监测站北京 100029)

城市化水平不断提高会导致城市升温严重(Duetal.,2007)。一方面，原始自然地表被水泥、混凝土、沥青等不透水面取代(王文杰等，2006)，导致地面反照度变小，吸热和储热能力增强，在相同太阳辐射下地面升温更快(Chunetal.,2014)，而且高密度建筑会降低近地表风速，阻挡地表热量扩散(Luoetal.,2016)；另一方面，城市中人类活动排放大量废热，导致城市不断升温(Grimmetal.,2008)。城市升温会对城市气候、生态环境质量、居民健康和能源消耗等方面造成消极影响(Gagoetal.,2013)，随着全球热浪和极端高温天气事件频发，研究城市热环境的时空格局、演变机制、影响因素及相应缓解措施等具有重要意义(葛荣凤等，2016)。

目前，众多学者从不同时间尺度探究了城市热环境的变化规律(Yaoetal.,2017;Yuetal.,2019)，如Zhou等(2014)研究中国32个主要城市的热岛强度发现，大多数城市夏季白天热岛强度最大，但夏季夜晚热岛强度比冬季夜晚低；Chen等(2019)研究福州市1999、2000、2008和2013年夏季(6—8月)的地表温度发现，热岛强度逐年增强，热岛面积不断扩大。Bek等(2018)研究表明，开罗2块区域地表温度在不同年份的升温速率不同。在城市热环境空间格局方面，Min等(2019)研究发现，地表温度较高的区域主要分布在建设程度高、人口密集的地区，而有较高植被或水体覆盖的地区地表温度较低；杜红玉(2018)研究表明上海市的高温区由北部中心城区不断向全市扩张。综上来看，城市化水平较高区域地表温度时空格局的长期变化已成为当前城市热环境研究的热点。

城市热环境受诸多因子影响，包括气象参数(如降水、风和太阳辐射等)、人类活动、下垫面覆盖等。在气象参数方面，Zhou等(2014)研究中国32个主要城市的热环境发现，平均气温和年降水量在夏季只对夜晚城市热环境有影响，而在冬季对白天和夜晚城市热环境均有影响。人类活动产生的热通量对城市升温具有重要影响(Bestetal.,2016)，构建城市通风走廊可缓解城市热环境(Renetal.，2018),天空视域因素、车辆形势规模以及空气污染物(NO2、CO、O3、PM2.5和PM10等)浓度均为城市变暖的弱驱动力(Khamchiangtaetal.,2019)。下垫面覆盖变化通过改变下垫面与大气间的相互作用影响地表能量分布，从而改变城市温度(Carlsonetal.,2000)，多项研究表明，城市不透水面强度的归一化不透水面指数NDISI与地表温度呈对数正相关(Guoetal.,2019a;徐涵秋，2011)，而城市地区的植被可使周围环境温度降低0.5～4.0 ℃(Berryetal.,2013;Qiuetal.,2013),有时甚至可达5～7 ℃(Oliveiraetal.,2011)。Sun等(2017)在北京市五环内区域的研究发现，当绿地面积扩大21.26～46.15 km2时，地表温度会降低0.67～1.11 ℃，当绿地面积减少43.88～64.98 km2时，地表温度会升高1.64～2.21 ℃。但需要说明的是，植被降温性能不仅受植被自身特征影响，也受周围城市特征影响，如局部城市形态、天空因素、空间位置和土地覆盖特征等(Leeetal.,2009;Lauetal.,2012；Duncanetal.,2019)，在气候变化背景下，城市特征随着城市化进程会发生巨大变化，进而可能影响植被在改变城市热环境方面的作用。增加城市植被是缓解城市热岛效应的重要手段(Akbarietal.,2008)，目前已有大量研究探讨植被覆盖对城市温度的影响(Jeneretteetal.,2011;Maetal.,2010)，但长时间城市化进程中的植被变化与城市热环境关系的系统研究鲜有报道。

植被在城市中的布局可通过合理规划进行调控，理解城市化进程中的热环境演变及植被降温效应随城市发展的动态变化，对预测城市化进程中植被的城市热环境影响具有重要的理论和实践价值。鉴于此，本研究基于1999—2017年5期夏季(7月)遥感影像，以城市化水平较高的北京五环内区域为研究对象，探究北京地表温度和植被覆盖度时空变化特征，分析不同栅格尺度下地表温度和植被覆盖度的相关性，阐明不同植被覆盖度条件下的植被降温差异，以期为改善城市生态环境、合理规划城市绿地提供参考。

1 研究区概况

以北京五环内区域(115°25′—117°30′E，39°38′—41°51′N)为研究对象，总面积约667.28 km2。研究区地处华北平原，海拔20～60 m，属典型的暖温带半湿润大陆性季风气候，年均温11～12 ℃，年均降水量640 mm，年均日照时数2 000～2 800 h，全年无霜期190～195天。北京五环内以东城区和西城区为功能核心区，以朝阳区、丰台区、海淀区、石景山区和大兴区为功能拓展区。2017年底，五环内区域常住人口1 208.80万人，占全市人口的55.69%。作为北京市城市建设和发展的主要区域，五环内区域建设速度快、人口容量大。

2 研究方法

2.1 数据来源与预处理

选取夏季晴朗少云且成像质量良好的Landsat-5 TM、Landsat-8 OLI/TIRS共5期遥感影像，成像时间分别为1999、2005、2009、2011和2017年的7月(表1)。Landsat-5 TM影像红色波段和近红外波段空间分辨率均为30 m，热红外波段空间分辨率为120 m；Landsat-8 OLI/TIRS红色波段和近红外波段空间分辨率均为30 m，热红外波段空间分辨率为100 m。

表1 遥感影像信息①Tab.1 Data source information of remote sensing image

首先运用ENVI 5.1软件对遥感影像进行辐射定标和大气校正，然后利用相应波段计算植被覆盖度并反演地表温度。对Landsat-5 TM遥感影像，利用第3、4波段计算植被覆盖度，利用第6波段反演地表温度；对Landsat-8 OLI/TIRS遥感图像，利用第4、5波段计算植被覆盖度，利用第11波段反演地表温度。

2.2 地表温度反演

采用大气校正法反演地表温度。该方法利用同期实测大气数据估算大气对地表热辐射的影响，从卫星传感器测得的热辐射总量减去大气对地表热辐射的影响得到地表热辐射强度，通过普朗克公式将地表热辐射强度转换为地表温度。

热红外波段黑体辐射强度(B)计算方法(杜红玉，2018)为：

B=[Lλ-Lu-τ·(1-ε)Ld]/τ·ε。

(1)

式中：B为热红外波段黑体辐射强度(W·sr-1m-2μm-1)；Lλ为卫星传感器在热红外波段的辐射强度(W·sr-1m-2μm-1)；Lu为透过大气向上的辐射强度(W·sr-1m-2μm-1)；Ld为透过大气向下的辐射强度(W·sr-1m-2μm-1)；τ为大气在热红外波段的透过率；ε为地表比辐射率。

得到热红外波段黑体辐射强度后，通过普朗克公式的反函数(式2)，求出真实的地表温度(杜红玉，2018)：

T=K2/ln(K1/B+1)。

(2)

式中：T为地表温度(℃)；K1(mW·sr-1m-2μm-1)和K2为辐射常数。

2.3 植被覆盖度计算

首先计算归一化植被指数(NDVI)(杨宇翀等，2018)：

NDVI=(NIR-R)/(NIR+R)。

(3)

式中：NIR为近红外波段的亮度；R为红色波段的亮度。

采用像元二分模型法计算植被覆盖度(FV)(杨宇翀等，2018)：

FV=(NDVI-NDVIs)/(NDVIv+NDVIs)

(4)

式中：NDVIv为纯植被的植被指数；NDVIs为纯土壤的植被指数。NDVIv=0.7，NDVIs=0；NDVI>0.7，FV=1；NDVI<0，FV=0。

2.4 地表温度等级划分

采用标准差分类法划分地表温度等级(杜红玉，2018)，以更直观地分析地表温度时空变化。根据式(5)将地表温度分为7个等级，即极低温区、低温区、次低温区、中温区、次高温区、高温区和极高温区：

D=X±as。

(5)

式中：D为不同等级地表温度阈值(℃)；X和s分别为研究区地表温度均值(℃)和方差(℃)；a为方差的倍数。

7个等级地表温度阈值见表2。

表2 地表温度等级划分Tab.2 Classification of the land surface temperature

基于ArcGIS10.5平台，利用上述地表温度等级划分方法，对反演出的地表温度图像进行进一步分析处理，得出北京五环地表温度等级分类图。

2.5 植被覆盖度等级划分

为直观分析研究区植被覆盖度变化，以20%间隔将植被覆盖度划分为5个等级：0～20%为低植被覆盖度，20%～40%为中低植被覆盖度，40%～60%为中植被覆盖度，60%～80%为中高植被覆盖度，80%～100%为高植被覆盖度(杨宇翀等，2018)。基于ArcGIS10.5平台，将利用上述分类阈值对植被覆盖度图像进行进一步分析处理，得出北京五环植被覆盖度等级分类图。

2.6 各温区及各植被覆盖度分区在各环之间的分布比例

为定量分析地表温度和植被覆盖度空间格局变化，先计算未去除面积影响的各温区及各植被覆盖度分区在各环之间的分布比例(Rij)：

Rij=Nij/Ni。

(6)

式中：Nij为i温区或植被覆盖度分区在j环区域(j表示二环内、二环至三环、三环至四环、四环至五环，下同)的栅格数；Ni为i温区或植被覆盖度分区的栅格总数。

由于各环面积存在差异，为去除面积不同对各温区及各植被覆盖度分区分布比例的影响，须计算各环之间区域面积占整个五环内面积的比例(Rj)：

Rj=Nj/N。

(7)

式中：Nj表示j环区域栅格数;N为五环内栅格总数。

去除面积影响的各温区及各植被覆盖度分区的分布比例(Rij0)：

Rij0=Rij/Rj。

(8)

2.7 植被覆盖度与地表温度相关性分析

基于ArcGIS渔网功能，分别以300、600、900和1 200 m为边长设置网格，除边缘区域外，所设置网格基本覆盖整个五环地区。将设置好的网格分别与反演的地表温度图像和植被覆盖度图像相叠加，利用网格内栅格数据平均值分别表示每个网格的地表温度和植被覆盖度，并将网格中的地表温度和植被覆盖度数据导入R软件进行线性回归分析，进而得出不同年份地表温度与植被覆盖度的关系。

3 结果与分析

3.1 不同年份地表温度反演结果与精度验证

地表温度反演结果显示，北京五环内以1999年平均地表温度最高(47.29 ℃)，2005年最低(37.24 ℃)(表3)。1999、2009和2017年地表温度平均值均在40 ℃以上，而2005和2011年则在40 ℃以下。1999年地表温度的空间变异性最大(SD=4.01 ℃)，2005年最小(SD=2.96 ℃)。

表3 不同年份地表温度Tab.3 Land surface temperature of different years

将反演得到的平均地表温度与气象站测得的0 cm平均地温进行对比，检验地表温度反演结果的准确性(杜红玉，2018)，结果发现，采用大气校正法反演得到的1999—2017年平均地表温度与气象站测得的0 cm平均地温变化趋势基本一致(图1)。

图1 研究期内反演所得地表温度和气象站测得0 cm地温变化趋势Fig.1 Comparison of surface temperature derived from remote sensed data and ground observation temperature measured at 0 cm from meteorological station during the study period

反演所得平均地表温度总体上高于气象站测得的0 cm平均地温，这可能是由于气象站测得的是一个点的地温，而反演得到的是整个五环内区域的地表温度均值，包含了较大空间差异性。此外，不透水面热容量高，在接受相同太阳辐射时升温极快(Chunetal.,2014)，因此拉高了五环内区域地表温度均值。精度验证结果表明，反演所得地表温度与实际情况基本吻合，可用于研究五环内区域地表温度时空变化及其与植被覆盖度的相关性。

3.2 地表温度时间变化特征

各温区面积占比变化如图2所示，1999—2017年，极低温区和低温区面积占比总体呈先升后降的变化趋势，均在2011年达到最低值(0.27%和6.26%)。但是，次低温区面积占比变化趋势与之相反，并在2011年达到最高值(22.99%)。研究期内中温区面积占比最高，均在35%以上，2009年最高(41.01%)。1999—2005年，次高温区面积占比由32.13%降至24.62%，2005—2011年，变幅不明显，而2011—2017年，由24.12%升至28.33%。高温区和极高温区面积占比变化趋势总体上与次高温区相反，1999—2005年，分别由2.73%和0.12%升至5.73%和1.02%，2005—2011年，略有上升，2011—2017年，分别降低0.96%和0.71%。综上，研究期内北京五环内热环境的时间变化总体分为2个阶段：1999—2011年，高温区和极高温区面积逐渐增加；2011—2017年，高温区和极高温区面积逐渐减少，而极低温区和低温区面积逐渐增加，热环境状况有所改善。

图2 研究期内各温区面积占比变化Fig.2 Changes of the area proportion of each temperature zone during the study period

3.3 地表温度空间分布特征

1999—2011年，三环至五环区域有所升温，而二环内热环境得到缓解(图3)。1999年中温及以上温区集中分布在五环内东西向的中部区域，中温区以下温区基本散落分布在四环至五环区域。此后，高温区和极高温区逐渐向外转移，在二环内分布比例分别降低19.80%和14.83%，在四环至五环区域分布比例分别升高23.95%和25.06%(图4)。至2011年，高温区和极高温区主要集聚在三环至五环间的东南部区域，分布比例分别为70.73%和78.92%。在此期间，四环至五环区域的极低温区、低温区和次低温区面积减少；而二环内低温区面积有所增加，极低温区和低温区在二环内分布比例分别升高21.43%和10.78%。

图3 研究期内各温区空间分布Fig.3 Spatial distribution of each temperature zone during the study period

2011—2017年，研究区内热环境整体得到一定程度的改善，二环内热环境有回升(图3)，四环至五环区域热环境改善最为显著，表现为中温区以上温区分布比例分别下降1.89%、13.77%和12.56%，而中温区以下温区分布比例分别升高5.32%、9.08%和4.2%(图4)。二环内中温区以上温区面积有所增加，其中，次高温区分布比例升高2.43%，高温区分布比例升高17.55%，极高温区分布比例升高5.71%。

图4 研究期内各温区在各环之间的面积分布比例Fig.4 Area proportion of each temperature zone between ring roads during the study period

3.4 植被覆盖度时空变化特征

3.4.1 植被覆盖度时间变化特征 1999—2017年，北京五环内区域植被覆盖度总体呈先降后升的趋势(图5)。1999—2005年植被覆盖度急剧下降，2005—2009年又急剧上升，之后其上升幅度较缓，2017年达到最高值(47.21%)(图5)。

图5 研究期内植被覆盖度变化Fig.5 Changes of vegetation coverage during the study period

由图6可知，1999—2005年，低植被覆盖度区面积占比由29.10%升至37.14%，其后急剧下降至最低值(21.90%)，2009—2011年，变化不明显，2011—2017年，升高1.39%。1999—2017年，中低植被覆盖度区面积占比先升后降，2005年达到最高值(33.86%)，2017年最低(23.48%)。研究期内中植被覆盖度区面积占比总体上与低植被覆盖度区变化趋势相反。中高植被覆盖度区和高植被覆盖度区面积占比变化趋势基本一致，均在2005年达到最低(分别为8.90%和4.46%)，2017年达到最高(分别为13.84%和19.73%)。

图6 研究期内各植被覆盖度区面积占比变化Fig.6 Changes of the area proportion of vegetation coverage zones during the study period

3.4.2 植被覆盖度空间变化特征研究期内高植被覆盖度区主要分布在四环至五环区域(分布比例≥40%)，低和中低植被覆盖度区主要分布在四环内(分布比例≥78%)(图7、8)。中高和高植被覆盖度区1999年基本分布在四环至五环区域，低和中低植被覆盖度区主要分布在四环内。2005年，五环内区域低和中低植被覆盖度区面积占比分别升高8.04%和4.3%，高植被覆盖度区面积占比降低6.8%，中植被覆盖度及以上分区主要散落分布在四环至五环的边缘区域，分布比例均达到峰值(分别为34.89%、53.3%和10.85%)。2005—2009年，中植被覆盖度及以上分区由外环逐渐向内转移，四环内植被覆盖度明显改善，体现在中植被覆盖度及以上分区分布比例均有所上升，低植被覆盖度区分布比例则明显下降。2017年，低植被覆盖度区在二环内和四环至五环区域分布比例略有上升，而在其他区域有所下降；中高和高植被覆盖度区分布比例除在四环至五环区域有所下降外，在其他区域均略有上升。

图7 研究期内各植被覆盖度区空间分布Fig.7 Spatial distribution of different vegetation coverage zones during the study period

图8 研究期内各植被覆盖度区在各环之间的分布比例Fig.8 Distribution proportion of each vegetation coverage zone between each ring road during the study period

3.5 地表温度与植被覆盖度的相关性分析

线性回归分析结果表明，不同年份地表温度与植被覆盖度总体呈极显著线性负相关(P<0.001)，且植被覆盖度每增加10%，地表温度下降1.09～1.71 ℃(图9)。

图9 不同年份地表温度与植被覆盖度的关系Fig.9 Relationship between land surface temperature and vegetation coverage in different years

40%～60%在中植被覆盖度条件下，所有年份地表温度与植被覆盖度均呈极显著线性负相关(P<0.001)(图10)。植被覆盖度极低(<20%)时，地表温度与植被覆盖度不存在相关关系；植被覆盖度相对较低(20%～40%)和较高(>60%)时，地表温度与植被覆盖度仅在某些年份存在显著相关。植被覆盖度较高时，样本数量相对较少，导致地表温度与植被覆盖度的关系未被检测出。同一栅格尺度下，随着植被覆盖度增加，不同植被覆盖度条件下植被的降温幅度(植被覆盖度每增加10%所降低的地表温度)增大。

图10 不同植被覆盖度条件下地表温度与植被覆盖度的关系Fig.10 Relationship between land surface temperature and vegetation coverage under different vegetation coverages图中每一行为同一年份，每一列为同一植被覆盖度条件。Each row in the figure is the same year,and each column is the same vegetation coverage condition.

4 讨论

4.1 北京五环内地表温度时空变化

1999—2017年，北京五环内热环境的时间变化总体分为2个阶段：1999—2011年,高温区和极高温区面积逐渐增加；2011—2017年，高温区和极高温区面积逐渐下降，极低温区和低温区面积逐渐增加，热环境状况有所改善。与本研究类似，葛荣凤等(2016)基于8期Landsat-5遥感影像研究发现，1991—2011年，北京六环内热岛强度呈增长趋势，增长速率为1.35 ℃·a-1；Chen等(2017)研究指出，1995—2009年北京高温区域面积逐渐增加。城市化进程越快地表温度增长趋势越明显。由此可见，北京热环境变化与城市化进程密切相关，1999—2011年北京城市化进程较快，不透水面快速增加，因此导致北京五环内区域高温区面积逐渐增加。本研究的温区空间分布变化也进一步证明了城市化水平对地表升温的促进作用(Caoetal.,2019)，1999年，北京东西向开发建设比南北向早，导致城市高温区集聚在东西向区域。此后，高温区和极高温区逐渐向外环转移，至2011年，高温区和极高温区主要集聚在三环至五环间的东南部区域。2001—2003年，四环路、五环路建成通车带动了三环至五环区域的发展，尤其是2008年北京奥运会期间该区域建设基础设施和体育设施，不透水面显著增加，导致该区域地温升高(Guoetal.,2019b)。同时，三环至五环区域的快速发展一定程度上缓解了二环内区域人口压力，从而使二环内热环境有所缓解。此外，本研究也证明城市化进程中提升植被覆盖度可有效改善城市热环境(Estoqueetal.,2017)。2017年植被覆盖度最高，为47.21%，且中高植被覆盖度区和高植被覆盖度区面积占比均为2017年最高(分别为13.84%和19.73%)，同期整个五环内区域的热环境状况有一定改善，以四环至五环间区域最为显著。

4.2 地表温度与植被覆盖度的相关性

植被通过吸收地表的太阳辐射、树冠遮挡减少入射地表的太阳辐射、蒸散增加周边空气湿度等方式降低环境温度。本研究显示，植被覆盖度每增加10%，地表温度下降1.09～1.71 ℃。由于植被降温效应受立地条件影响(Lietal.,2012)，地表温度随植被覆盖度增加的下降幅度存在差异。如在英国大曼彻斯特，每增加10%的植被覆盖可导致地表温度降低2 ℃(Gilletal.,2013)，在加拿大多伦多为0.5～0.8 ℃(Wangetal.,2016)。此外，植被降温作用存在有效尺度(Naeemetal.,2018)。本研究发现，极低的植被覆盖度(<20%)无法产生显著的地表降温，而在相对较低(20%～40%)的植被覆盖度条件下，地表温度与植被覆盖度不总是存在显著相关。在同一栅格尺度下，植被覆盖度越高，降温效应越强。Taha等(1997)比较加拿大4个城市植被的降温效应发现，植被覆盖度超过30%才有明显的降温效应，33%和67%的植被覆盖度分别降温0.5和1.0 ℃；在美国麦迪逊市，当树冠盖度超过一定程度后(40%)，其降温效应显著增强(Ziteretal.，2019)；在香港,5种植被覆盖度(0%、8%、16%、34%、56%)下56%植被覆盖度的植被降温效果最显著(Ngetal.，2012)；在慕尼黑，植被覆盖度达到70%～80%时的降温效果最显著(Alavipanahetal.,2015)。虽然不同城市植被覆盖度降温阈值有所差异，但均表明当植被覆盖度过低时植被降低地表温度的作用较弱，只有达到一定的植被体量才能有效降温，且较大的植被覆盖度更有利于降温。

4.3 不足与展望

在地面研究的单木或斑块尺度下，实地观测分析植被降温影响因素时发现，树种组成、冠层结构(郁闭度、叶面积指数、冠幅等)等植物群落特征是非常重要的影响因子(刘海轩等，2019；秦仲等，2016)。相比之下，在城区尺度通常利用遥感监测法并选用植被遥感指数(归一化植被指数、植被覆盖度等)来分析植被降温效应(Minetal.,2019;徐涵秋等，2011)。基于Landsat影像进行遥感监测的方法不适用于辨析植被种类、组成和树高等因子(崔凤娇等，2020)，植被高度、组成和类型对地表温度的影响较弱。虽然地面研究时的植被组成和结构等与环境温度相关显著，但遥感反演无法得到精度较高的局部区域温度，也就无法反映出植被组成和结构的降温差异。

不同植被区域对地表温度的影响不仅来自植被本身，而且受周围不透水表面的影响。在城市环境中，植被空间较为破碎，大部分植被斑块较小，因此，虽然植被类型等条件会造成降温效应差异，但由于周围环境(如不透水面)的影响，不同植被斑块间的温度差异会有所降低。这一现象在Zhang等(2009)的研究中得到了证实，基于遥感反演得到的乔木、灌木和草坪/野草地斑块的地表温度几乎不存在差异。

本研究对遥感影像进行土地利用监督分类后发现，林地所占比例高于草地，虽然遥感影像无法确认植被类型和组成，但由于草地占比低，且相对遥感影像的获取高度而言，林地中树木高度不存在显著差异，因此，植被类型、组成和平均高度对地表温度的影响在本研究尺度上相对较弱，结论仍可靠。

鉴于植被组成和结构对植被降温效果的重要影响，后续研究应尝试使用更高精度的遥感影像解译绿地空间的植被类型与组成，并结合地面调查获取植被样方详细信息，进一步验证遥感评估的植被降温效应，或发现该手段存在的问题及可能解决方法。