重工业城市<br/>——柳州市热岛效应的空间分布和时间演变

重工业城市
——柳州市热岛效应的空间分布和时间演变

2021-08-26钱建平杨佳旺

四川环境 2021年4期

李彭，钱建平，陈潇，杨佳旺

(1.桂林理工大学地球科学学院，广西桂林 541006；2.江苏师范大学文学院，江苏徐州 221116)

前言

城市热岛效应是指当城市发展到一定规模，由于城市下垫面性质的改变、大气污染以及人工废热的排放等使城市温度高于郊区，形成的类似高温孤岛现象[1]。其造成的城市内部高温，严重威胁居民身心健康，同时会造成城乡气压差，引起空气环流，导致城市地区污染物不易扩散，加重城市内部污染，同时还会使城市耗能增多，总体而言对城市居民及生态的影响弊大于利。

柳州市是广西壮族自治区重要的区域中心城市，作为广西最大的工业城市，柳州市的工业总量占广西的1/3。2009年12月，柳州开始加大产业结构调整力度，做优做强汽车、机械、冶金、化工等产业，加快建设先进制造基地。随着工业化迅速发展，城市规模的扩张、人口总数的增长，生活、交通、生产等能源的消耗亦急剧增长。城市下垫面结构急剧变化，直接造成土地利用/覆盖大规模的改变，建筑物和城区道路的高吸热率，混凝土、钢筋、水泥或砖块等低反射率，间接导致热岛效应日益突出[2]。

近年来，国内外学者对热岛效应做了大量的研究[3～5]。遥感反演地表温度的算法最基本的理论依据是维恩位移定律和普朗克定律，主要方法有辐射传输方程法[6]、单通道算法[7-8]、单窗算法[9-10]、劈窗算法[11-12]。其中孟宪红等[13]基于Landsat 5TM数据，采用3种算法对金塔地区的地表温度进行反演，结果表明单窗算法和辐射传输方程法好于单通道算法。史新等[14]基于Landsat 8数据的3种地表温度反演算法进行对比分析，3种算法计算LST的像元值线性拟合程度类似，空间分布一致，其中辐射传输方程法与单通道算法精度接近一致差值在0～0.05K区间范围内，单窗算法的LST偏高于其他2种算法差值在0～1.27K区间范围内。所以本文使用辐射传输法反演柳州市Landsat 5与Landsat 8遥感影像的地表温度，并通过计算绘制热岛效应强度分布图，再通过多源信息分析和尝试探索地表温度与影响其因子之间的关系。

1 研究区概况

以柳州市区为研究区图1(a)，含5个市辖区，人口约86万，全区总面积3 554.03km2。柳州市区地形平坦微有起伏，地貌以岩溶残蚀型峰林平原和峰林丛洼地为主。低山丘陵穿插其中，约占陆地面积58.4%，具有典型的岩溶地貌特征。柳江自西北方绕城向东南方向流去。该市区属亚热带季风气候，太阳辐射量年平均为95～110kcal/cm2，日照时数平均1 250～1 570h，一年中以7～8月最高，1～2月最低，无霜期长达300天以上。年平均气温近21℃，一年中气温以7～8月最高，平均气温在29℃左右；1～2月气温最低，平均气温在10℃左右。区内降雨充沛，年降雨量有1 300～1 500mm。

图1 研究区遥感影像(a)与功能分区(b)Fig.1 Research area remote sensing image (a) and functional division (b)

鉴于城市热岛效应主要与城市建筑物和道路等高蓄热体、人工热源、人口密度、工业能耗、空气污染、植被类型及覆盖度等多方面的因素相关，故对柳州市区依各单元功能分区图1(b)，其中：

商贸交通工业中心区，分布于市区中部，集商贸、交通、文教、工业多种功能中心区。其中工业以汽车和钢铁为主要特色产业，拥有柳州上汽汽车、柳钢等生产基地。

工业区，分布于市区北东部。主要以汽车及汽车零部件产业为主，其中汽车产业有上汽通用五菱公司、东风柳汽公司等企业，汽车零部件有广西玲珑轮胎有限公司、柳州玉柴动力有限公司等企业。据统计，2001年工业总产值294.83亿元，2017年增加到4 670.00亿元。

经济开发区，分布于市区西南方向，紧邻商贸交通工业中心区。拥有机械制造、制药等为主体的多元化体系。在柳州市工业的带动下,经济发展猛速，呈现出优势产业和强优企业不断发展壮大的良好势态。

农业乡镇企业区，主要分布在市区北部、北东部以及南部。是种植、养殖、采集、渔猎等生产经营而取得产品的盈利性经济城镇。

城市绿化区(带)，分布在商贸交通工业区与工业区之间。是莲花山保护区所在区域，该地域范围内青山挺立，碧水环绕，森林覆盖率达67%，是市区不可多得的大型生态功能区、城市“后花园”和“绿肺”。

农业区，分布在市区西南方向。主要是以种植水稻等农作物为主的区域，周边地区以种植糖蔗、林果为主。

农林区，主要分布于市区西部、中南部，地属山区，境内石山连绵，森林覆盖率为47%。

2 研究方法

2.1 数据收集

按照月份相近(10～12月)、影像清晰、云量低(低于1%)的原则从地理空间数据云和美国国家航空航天局(NASA)网站获取8期研究区遥感数据。除此之外文中使用数据包括：柳州市2000年至今月值气象数据(中国气象数据网)；柳州市区2017年行政区边界矢量数据(广西自治区国土资源信息中心)；空间分辨率为30m的数字高程模型(地理空间数据云)；2001年与2017年柳州市区人口统计数据、柳州市工业总产值数据(柳州市统计局)。

2.2 反演结果

2.2.1 地表温度的获取

利用星载或机载传感器收集、记录地物的热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。辐射传输方程是描述热辐射传播通过介质时与介质产生相互作用而使热辐射能按一定规律传输的方程。研究区遥感影像经过辐射定标、大气校正等预处理后，利用辐射传输方程法获得柳州市区的地表温度(Land surface temperature，LST)。虽然地表温度与气象局监测到的大气温度存在一定的差异，但数值相近。姜会飞等[15]统计了地表温度与气温的关系后发现，冬夏两季的大气温度与地表温度存在较小温差。将此次柳州市区地表温度反演结果与实际月值气象数据对比发现，地表温度值与实际气温值相差2℃以下，符合此次研究的需要。

2.2.2 城市热岛效应强度分级

由于选用了柳州市区遥感影像来反演地表温度，为了提高研究结果的可比性，引入城市热岛效应强度(Urban Heat Island Intensity，UHII)，它反映了高温区域与周边区域的温度相对差异，计算公式如下：

UHII=(TKin-TMean)/TMean

式中，UHII为城市热岛效应强度，TKin为地表温度，TMean为地表平均温度。计算得出热岛效应强度值，并按其划分5个区域(图2)：强绿岛区(-0.10以下)、绿岛区(-0.10～-0.03)、正常区(-0.03～0.03)、热岛区(0.03～0.10)及强热岛区(0.10以上)。

图2 柳州市区热岛效应强度分级图Fig.2 Classification map of UHII in Liuzhou urban area

由图2可知：(1)强热岛区主要集中在商贸交通工业中心区和工业区，热岛区主要集中在商贸交通工业中心区和工业区边缘以及经济开发区，正常区主要分布在农业乡镇企业区，绿岛区集中在城市绿化区(带)、农业区，强绿岛区集中在农林区；(2)由农林区到农业区、城市绿化区(带)、农业乡镇企业区、经济开发区、工业区、商贸交通工业中心区，伴随其工业生产和居民生活能耗增大，热岛效应逐渐增强；(3)热岛效应的年度变化趋势明显，热岛区由2001～2018年呈向北东、南西双向扩展的特点。2010年自治区政府做出依托柳东新区建设广西柳州汽车城的重大决策，使得工业区发展速度加快，强热岛区趋向北东扩展，并逐年加强。2015年以来经济开发区出现热岛区，2017年柳江撤县划区，经济迅速发展，热岛效应又趋向南西向经济开发区蔓延并逐年加强。

3 结果分析

3.1 地表温度与城市发展的关系

美国军事气象卫星DMPS搭载的OLS传感器夜间探测的夜间灯光值在城镇信息提取、社会经济因子估计及光污染、火灾、渔火、天然气燃烧检测等方面的应用趋于成熟[16]。

因为夜间灯光影像的光电放大能力很强及存储量小，所以能够更加直观地反映出人类的活动，在城镇化监测[17～20]等方面应用广泛。对研究我国城市空间变化方面，夜间灯光值数据提供了一种新的方法[21]。聂艳等[22](2019)用DMSP/OLS数据提取我国东北地区城镇信息，系统诊断东北地区城镇发展格局、发展形态、发展强度、发展方向等；林中立等[23](2019) 也使用DMSP/OLS夜间灯光影像对我国东部沿海地区城市扩展动态进行监测。此次研究由DMSP/OLS夜间灯光值数据截取柳州市区夜间灯光值(图3)。

图3 柳州市区夜间灯光值图(2001与2013)Fig.3 Night light values map of Liuzhou urban area (2001 and 2013)

总体上，柳州市商贸交通工业中心区夜间灯光值高，工业区、经济开发区次之，农业乡镇企业、城市绿化区(带)、农业区较低，农林区更低。与城市规模的变化一致，柳州市区夜间灯光值年度变化趋势明显，2001年局限在商贸交通工业中心区，到2013年夜间灯光值向周边的工业区、经济开发区、农业乡镇企业区扩张，面积扩大，充分反映出热岛效应与经济活动密切相关(图3)。

进一步统计2001年和2013年夜间灯光值，编制地表温度与夜间灯光值散点图(图4)，发现地表温度与夜间灯光值呈正比关系，地表温度随着夜间灯光值的增加而上升，即随着城市规模的扩张，地表温度上升。

图4 地表温度与夜间灯光值散点图Fig.4 Scatter diagram of LST and night light values

3.2 地表温度与高程的关系

不同的地貌类型对城市的热岛效应影响不同，因此将地表温度与从数字高程模型(Digital Elevation Model，DEM)提取的柳州市区高程对比，采用相同的拉伸色彩，更加直观的表现出高低温区域及分布规律(图5)。

图5 柳州市区高程(a)与地表温度(b)Fig.5 Liuzhou urban area DEM(a) and LST(b)

在图5(a)中，可以看出柳州市区地势具有西高东低的特点，西部为高山区，高程最高值为526m(红色)；东部条带状“川”字型低山丘陵，高程最低值48m(蓝色)；中部为平原分布。而在图5(b)中，以2018年为例，地表温度西部、中南部低，最低值21.69℃(蓝色)，中部、北东部高，最高值35.38℃(红色)。结合功能区分布可知，农林区多分布于地势高、地表温度低的区域，农业区、城市绿化区(带)、农业乡镇企业区次之，商贸交通工业中心区、工业区、经济开发区分布在地势较低、地表温度高的区域。

进一步统计地表温度与高程，编制两者二维散点图(图6)可知：(1)地表温度与高程呈反比关系，即随着高程逐渐增加，地表温度逐渐下降；(2)散点图拟合方程的斜率k=-0.0056，说明高程与地表温度呈反比关系，相关系数R2=0.2569。由拟合方程可知地表温度随着高程的增加而下降，即高程每增长1 000m，气温随之下降5.6℃；(3)地表温度的点阵较宽，地表温度高低波动较大，说明商贸交通工业中心区与工业区地表温度存在一定的差异。

图6 地表温度与高程散点图Fig.6 Scatter diagram of LST and DEM

3.3 地表温度与下垫面的关系

城市热岛效应与下垫面性质存在一定的关系，为了定量分析地表温度与下垫面的关系，按下垫面组成分为植被、水体、不透水面，提取柳州市区2018年10月优化土壤调节植被指数(OSAVI)、改进归一化差异水体指数(MNDWI)以及不透水面指数(NDISI)来观测对应指数图像上的时空序列变化及其与地表温度的量化关系。

3.3.1 地表温度与植被的关系

地表温度与植被的疏密程度相关，为了减少土壤噪声对植被指数提取的影响，Rachel R. Fern等[24]指出优化土壤调整植被指数是一种新的方法，可以适应更大的变异性，利用该方法提取柳州市区植被分布(图7)。

图7 柳州市区植被分布Fig.7 OSAVI distribution in Liuzhou urban area

从整体上看，农业区、农林区OSAVI最高，农业乡镇企业区、城市绿化区(带)较高，经济开发区较低，工业区、商贸交通工业中心区最低。从2001～2018年，一方面城市绿化区(带)、农业区、农林区重视绿化建设，OSAVI增加，植被覆盖度上升；另一方面与城市建筑面积扩大、入驻企业增加、工业迅速发展等相适应，商贸交通工业中心区向工业区、经济开发区、农业乡镇企业区OSAVI减少，植被覆盖度下降(图7)。

进一步统计柳州市区2018年10月植被指数，结果表明地表温度与植被指数呈负相关，结果与李晓婷等[25](2018)在研究宁德市植被与热岛关系发现两者关系基本一致。从中得到拟合方程的斜率为k=-5.9186，表明植被与地表温度呈负相关，相关系数R2=0.3758。由拟合方程可知地表温度随着植被指数增加而递减，即植被指数每增加0.1，地表温度随之下降约0.59℃。反之植被指数的减少导致地表温度的上升，所以植被覆盖度少的区域更容易出现热岛效应。

3.3.2 地表温度与水体的关系

地表不同介质的吸热率、热容量有一定的差别，水体相较于植被、不透水面的吸热率高、热容量大，水体的减少会导致局部地表温度的上升。在对Mcfeeters提出的归一化差值水体指数 (NDWI) 分析的基础上[26]，徐涵秋等[27]对构成该指数的波长组合进行了调整，提出了改进的归一化差值水体指数，该指数对大部分不同类型水体的提取效果优于归一化水指数(NDWI)，特别是城镇范围内的水体，使用此方法提取柳州市区水体分布(图8)。

图8 柳州市区水体分布Fig.8 MNDWI distribution of Liuzhou urban area

从水体分布看，区内最主要水系——柳江，2001年以来变化不明显。但从整体上看，区内水体分布有减少趋势。相对2001年，2009年、2018年地表零星水体明显减少，这表明城市发展用地增大使得许多自然湖泊消失(图8)。

进一步统计2018年10月柳州市区水体指数，其中拟合方程式得斜率k=-3.6089，表明水体与地表温度呈负相关，相关系数R2=0.0219。并推知地表温度随着水体指数的增加而下降，即水体指数每增加0.1，地表温度下降约0.36℃。反之水体指数的减少而上升，所以水体覆盖面积的减少，促使地表温度的上升，导致热岛效应的出现。

3.3.3 地表温度与不透水面的关系

地表温度受城市建筑、城区道路等不透水面的影响。周正龙等[28](2019)发现福州主城区热岛效应与不透水面呈正相关，柳州市区地表温度与不透水面指数关系也有类似情况。

为了将不透水面和其它背景信息有效的区分开，采用徐涵秋提出的归一化差异水体指数，提取柳州市区不透水面分布如图9。

图9 柳州市区不透水面分布Fig.9 NDISI distribution of Liuzhou urban area

从不透水面的分布特征看，一方面农林区、农业区、城市绿化区(带)不透水面无明显变化。对应地，这些区域城市经济活动微弱、植被覆盖度高；另一方面商贸交通工业中心区、工业区、经济开发区、农业乡镇企业区不透水面面积明显增加，这与城市扩张、经济开发区建设、工业建设迅速发展一致。从年度变化上看，2001年不透水面中高值(红、黄色)网状分布在柳州市区中部，不透水面中高值由2009年到2018年呈向北东扩展，并集中于商贸交通工业中心区，2009年以来商贸交通工业中心区不透水面向工业区与经济开发区蔓延。2018年不透水面轮廓与强热岛区、热岛区轮廓基本吻合(图9)。

进一步统计柳州市区2018年10月不透水面指数，得到拟合方程式，其斜率k=22.26，说明不透水面与地表温度呈正相关，相关系数R2=0.468。

可见地表温度随着不透水面指数的增加而上升，即不透水面每增加0.1，地表温度上升约2.23℃。说明城市建筑、公路等用地面积的增加，导致地表温度上升带来热岛效应。

3.3.4 地表温度与植被、水体、不透水面的关系

冯华梅等[29](2017)在昆明城市热岛效应的研究中发现植被指数和水体指数与城区热岛效应均呈线性负相关，即植被和水体可以缓解热岛效应；建筑用地指数与热岛效应呈线性正相关，城市建设用地对热岛效应有较大的贡献。

本文为更好反映柳州市地表温度与下垫面的关系，分析影响地表温度下垫面中的主要影响因子。提取柳州市区2018年10月影像的优化土壤调节植被指数(OSAVI)、改进归一化差异水体指数(MNDWI)以及不透水面指数(NDISI)三个指数导入至Origin，并绘制三维散点图(图10)。

图10 地表温度与 OSAVI、MNDWI、NDISI三维散点图(2018)Fig.10 3D scatter diagram of LST and OSAVI, MNDWI and NDISI (2018)

由图10可以看出三者之间的两两关系：(1)在NDISI-OSAVI面上, NDISI与OSAVI具有强的反相关关系，NDISI随着OSAVI的增加而减少，即植被覆盖度低的区域，不透水面的覆盖度高。(2)在NDISI-MNDWI面上, NDISI与MNDWI具有弱的正相关关系，NDISI随着MNDWI的增大而增大，这反映出了建筑用地的亲水性，城市建设依山傍水，柳江作为柳州市的主要河流，影响着建筑群的带状分布。(3)在OSAVI-MNDWI面上, MNDWI与OSAVI具有弱的反相关关系，MNDWI随着OSAVI的增加而减少，表现了植被与水体的相离性。

3.4 地表温度与地物光谱特征值分布的关系

羟基铁染信息是在可见光区范围内,它们的光谱信息是由为数不多的阳离子的电子跃迁所引起的。作为遥感地质找矿的主要手段已经应用多年，但在热岛效应的研究中尚未涉及，本文采用主成分分析法分别提取2018年柳州遥感影像的羟基和铁染特征值，并探索其与地表温度的关系。

地物光谱提取结果显示，研究区羟基离子在-0.03～0.05，铁染离子在-0.80～1.00产生特征谱带，具有代表性。提取羟基铁染特征值制作散点图，探索地表温度与二者之间的关系。

3.4.1 地表温度与羟基特征值之间的关系

羟基反映了岩石中的含水矿物，也反映了水体、湿地等信息。提取柳州市2018年10月遥感影像的羟基特征值(图11)。从羟基特征值分布看出，羟基特征值多分布于含水量相对丰富的农林区及其周边、柳江流域附近。进一步统计地表温度与羟基特征值绘制散点图，羟基特征值主要分布在柳州市区西部即柳江流域周围。通过散点图以遥感资料得知的地表温度和以羟基特征值为坐标的散点图符合二阶线性关系，左端羟基特征值在-0.0300～-0.0018，随着羟基特征值的增加，地表温度下降，符合水体、湿地等地表对热岛效应的抑制作用；右端羟基特征值在-0.0018～0.0500，随着羟基特征值的增加，地表温度上升，说明商贸、建筑、交通、工业等建设的亲水性，所以羟基特征值高的区域存在一定的高温现象。

图11 柳州市区羟基特征值分布及特征(2018)Fig.11 Distribution of hydroxyl characteristic values in Liuzhou urban area (2018)

3.4.2 地表温度与铁染特征值之间的关系

铁染信息反映了岩石中铁质矿物的存在，除此之外，也反映了城市钢铁构筑物、建筑设施和交通工具(如桥梁、铁轨、车辆等)的分布。从铁染特征值分布看出，铁染特征值多分布于商贸交通工业中心区、工业区、经济开发区及农业乡镇企业区(图12)。进一步统计地表温度与铁染特征值绘制散点图。铁染特征值多分布在北中部及北东部。通过散点图可知铁染特征值与地表温度拟合方程斜率k=2.6094，说明二者呈正相关，相关系数R2=0.3538。随着铁染特征值的增加，地表温度上升，反映出城市钢铁器件和建筑设施的高吸热率、低反射率，促使这部分区域地表温度上升，从而出现热岛效应。

图12 柳州市区铁染特征值分布及特征(2018)Fig.12 Distribution of characteristic values of iron dyeing in Liuzhou urban area (2018)

4 讨论

4.1 柳州市热岛效应的影响因素

上述研究表明，热岛效应主要受制于植被、水体和不透水面影响。其与水体、植被呈负相关，与不透水面呈正相关，且与水体、植被相关性较弱，与不透水面的相关性最强。此结果与西安、南京、杭州、福州和广州[30-31]颇为类似。由于不透水面多属工业、建筑密集区，热量会更多的表现为显热交换形式，从而导致了地表温度上升和城市热岛的产生；而植被与水体覆盖的区域因具有较高的蒸腾(发)作用，热量更多地表现为潜热交换而表现出对城市热岛的抑制作用[32]。即不透水面的增温效果强于植被的降温效果，植被的降温效果又强于水体的降温效果[33-34]。

4.2 柳州市热岛效应的时空分布规律

2001年以来，柳州市热岛效应总体上呈逐渐增强的趋势。从热岛强度时间序列图(图2)看出，2001年热岛效应弱，呈零星热点分布；2009年热岛效应增强，显现出商贸交通工业中心区的成片热岛区，面积为93.57km2；2015年除商贸交通工业中心区热岛强度增加，工业区出现成片热岛区，面积增至196.70km2；2018年热岛效应进一步扩大、增强，向北东工业区与南西经济开发区迅速扩张，热岛面积达352.12km2。

热岛效应的持续增强，与城市规模扩大、经济发展加速密切相关，由商贸交通工业中心区(2001)——工业区的发展、经济开发区成立(2009)——农业乡镇企业区的出现(2018)。与此同时，柳州市区常驻人口呈逐年递增的趋势，由92.58万人增长到179.68万人。工业总产值也逐年上升，由294.83亿元增加到4 670.00亿元。相应地，夜间灯光值由2001年到2013年自商贸交通工业中心区向工业区、经济开发区、农业乡镇企业区扩张；不透水面由零星斑点状(2001)到明显的片状(2009)，最后呈带状分布(2018)。上述事实表明，城市规模扩张导致了人口总数的增加，城市生活、工业生产能耗增长，建筑、交通用地面积的增大等，进而影响地表温度，间接引起热岛效应[35-36]。

4.3 羟基、铁染特征值对热岛效应的关系

羟基、铁染等矿物成分信息提取在遥感地质学中的找矿研究应用多年[37～39]，本次尝试作为热岛效应研究新指标，铁染特征值(-0.80～1.00)与地表温度呈正相关，与强热岛区、热岛区分布一致。铁染特征值多分布在商贸交通工业中心区、工业区、经济开发区及农业乡镇企业区，与夜间灯光值、不透水面中高值区域近似一致。铁染特征值本质上反映了工业城市铁制设施多且吸热率高、热容量小的性质，以及易使地表温度上升的特点，提取铁染特征值相比下垫面更适用于工业城市热岛效应的趋势预测。羟基特征值(-0.03～0.05)多分布于农林区，以及柳江流域附近。一般而言，地表温度与羟基特征值呈反相关，但在此研究区偏向二阶线性关系，其原因可能受城市建筑常伴水而建的影响。