兰州市彩钢板建筑时空聚集特征及其对城市热岛效应影响分析

张 乃 心，杨 树 文,2,3*，付 昱 凯，闫 恒，薛 庆

(1.兰州交通大学测绘与地理信息学院，甘肃 兰州 730070；2.地理国情监测技术应用国家地方联合工程研究中心，甘肃 兰州 730070；3.甘肃省地理国情监测工程实验室，甘肃 兰州 730070)

彩钢板建筑以带有有机涂层的钢板为主要材质，夏季阳光直射使得金属材质的建筑物表面温度高达70～80 ℃[1]，不仅会引发光污染、火灾风险[2]等安全隐患问题，还会加剧城市热岛效应。彩钢板建筑多为功能性的临时建筑物，其空间结构特征及演变规律与城市发展密切相关[3,4]。近年来，彩钢板建筑越来越多被应用于建筑用地、产业园区、机场等区域，引发了一系列城市问题。因此，研究彩钢板建筑分布及其与城市热岛效应的相关性具有重要意义。但现有城市热岛相关研究多以建筑物[5-9]或某一类型景观[10-12]为研究目标，尚无彩钢板建筑对城市热岛效应影响的相关研究。鉴于此，本文利用Landsat5、Landsat8及GF-2、Google Earth影像数据，结合U-net神经网络、辐射传输方程法、距离加权方法等，探究兰州市彩钢板建筑时空变化特征及其对城市热岛效应的影响，以期为推动城市生态环境绿色发展及城市规划建设提供决策参考。

1 研究区及数据

兰州市是西北重要工业基地,辖5个区、3个县，属于典型的温带半干旱气候。近年随着城市化发展和东部企业西迁，兰州市产生了大量的彩钢板建筑群。本研究以兰州市主城区(七里河区、安宁区、西固区、城关区)为研究对象，总面积约206.109 km2。

本研究所用反演地表温度的数据为2008年8月3日的Landsat5 TM影像和2017年8月3日的Landsat8 OLI-TIRS影像，空间分辨率均为30 m，含云量分别为4%和6.3%，影像质量良好；彩钢板建筑群矢量数据通过2008年0.3 m Google Earth影像及2017年1 m国产GF-2融合影像提取获得。所有影像数据均经过辐射定标、大气校正、影像融合、影像裁剪等预处理，为后续实验精度提供保证。

2 研究方法

本文研究流程(图1)为：基于GF-2影像，采用典型编—解码U-net神经网络提取研究区彩钢板建筑信息，采用距离加权方法计算彩钢板建筑聚集密度，然后基于Landsat5及Landsat8影像热红外波段采用辐射传输方程法反演兰州市地表温度，并利用Fragstats 4.2软件计算彩钢板建筑景观指数，从而分析兰州市主城区彩钢板建筑及其聚集密度、景观格局指数与地表温度的时空变化特征。

图1 技术路线Fig.1 Technical route

2.1 彩钢板建筑提取

U-net是一种对称型神经网络，最初主要用于医学影像的语义分割[13]，其网络结构主要由编码器和解码器两部分组成，编码器通过对输入图像进行4次反复的“卷积+最大池化”操作处理，获得5个初步有效特征层，然后通过解码器的4次上采样操作将特征图像恢复至原图尺寸，并通过跳跃连接的方式与编码部分对应层级的特征图像进行融合，从而保留更多的图像特征信息。

本文以全色与多光谱融合并进行相应预处理的GF-2影像为基础数据，根据彩钢板建筑的光谱特征及空间分布特征，针对性地对彩钢板建筑进行增强显示，同时借助ArcGIS 10.2软件对600张彩钢板建筑GF-2影像进行人工标注，并将图像尺寸统一输出为256×256大小制作样本数据集，以4∶1的比例将其划分为训练集和验证集，并在Pytorch深度学习框架下采用U-net神经网络进行训练，从而利用训练好的网络提取彩钢板建筑。

2.2 彩钢板建筑聚集密度计算

根据调研发现，彩钢板建筑连片分布会增加局部地表温度，且不同密集度的彩钢板建筑对热岛效应的影响程度不同。考虑一定半径范围内不同面积彩钢板的权重，能较准确地反映彩钢板在某位置聚集的程度和状态，以及在不同聚集状态下呈现出的某种具有代表性的城市发展特征。为此，本研究通过距离加权方法计算彩钢板建筑的聚集密度。

二值图像中彩钢板建筑的像元值为1，非彩钢板建筑的像元值为0，以某一像元点为中心，距离作为权重，计算半径R范围内彩钢板像元值的平均值，作为该点附近彩钢板建筑的聚集密度D(R)。因地表温度(LST)图像分辨率为30 m，故二值图像输出像元值大小同样设置为30 m，且实验中R也为30 m。计算公式为[14]：

(1)

式中：Pi、di分别为半径R范围内第i个像元的值(0或1)及其中心点像元之间的欧氏距离；m为半径R范围内的像元总数。

2.3 地表温度反演

本研究采用辐射传输方程法反演兰州市主城区地表温度，该方法从卫星传感器所观测到的热辐射总量中剔除估计的大气对地表热辐射的影响，得到地表辐射亮度，再将其转化为相应的地表温度[15]。计算公式为：

(2)

式中：ε表示地表比辐射率；B(TS)表示温度为TS的黑体在热红外波段的辐射亮度；τ表示大气透过率，其与大气向上辐射亮度LU和大气向下辐射亮度LD可在NASA网站(http://atmcorr.gsfc.nasa.gov/)通过输入成像时间和中心经纬度获得。

2.4 景观格局变化分析

景观格局一般指由形状和大小各异的自然或人为景观要素共同作用而成的综合体[16,17]，景观指数用于描述景观格局的空间结构及配置特征[18]。对于彩钢板建筑景观而言，其破碎化程度及聚集度是衡量景观异质性的关键指标。为避免指数之间的信息冗余，本研究结合前述不同级别下的彩钢板建筑聚集密度，在类型水平上选用斑块密度(PD)、最大斑块指数(LPI)、斑块凝聚度指数(COHESION)和周长面积分维(PAFRAC)4种常用指标，通过景观指数与地表温度的相关性分析，对城市彩钢板建筑格局进行合理规划。

3 结果与分析

3.1 彩钢板建筑提取结果及其演变

利用U-net神经网络提取的2008年及2017年研究区彩钢板建筑如图2所示。选取3个区域(图3)应用检测准确率(PA)、Kappa系数及Dice相似系数对提取结果精度进行评价，从3个评价指标均值看，PA=94.23%，Dice=0.8686，Kappa=0.8301(表1)，表明应用U-net神经网络能较准确提取彩钢板建筑，且较好保留了彩钢板建筑的细节特征。

图2 2008年和2017年研究区彩钢板建筑分布Fig.2 Color steel plate buildings in the study area in 2008 and 2017

图3 基于U-net神经网络的彩钢板建筑提取Fig.3 Color steel plate building extraction based on U-net neural network

表1 利用U-net神经网络提取彩钢板建筑的精度指标Table 1 Accuracy indexes of extracting color steel plate buildings using U-net neural network

对图2提取结果进行统计发现：2008年兰州市主城区内彩钢板建筑数量达11 803个，平均面积273.91 m2；2017年共7 330个，平均面积857.41 m2。进一步统计2008-2017年研究区内彩钢板建筑的面积以及大型(面积大于2 000 m2)、小型(面积小于500 m2)彩钢板建筑的占比(表2)可知：2008-2017年研究区彩钢板建筑面积呈增长趋势，年均增长8.65%，大型彩钢板建筑占比较多，年均增长12.83%，小型彩钢板建筑年均减少1.09%。

表2 研究区彩钢板建筑统计数据Table 2 Statistical data of color steel plate buildings in the study area

分区域统计彩钢板建筑的面积、占比及其变化速率C(变化面积与年份之差之比)、变化强度I(变化速率与初始年份彩钢板建筑面积之比)(表3)，可以看出：2008年彩钢板建筑面积占比以城关区最多，其他区占比较少，2017年除七里河区外，其他区占比均达0.9%以上；就扩张速度而言，2008-2017年安宁区彩钢板建筑变化最大，变化速率最高，西固区次之，七里河区变化最缓慢。进一步将研究区彩钢板建筑叠加谷歌影像图分析并结合实地考察后发现，2008-2017年彩钢板建筑增长多分布于安宁区的刘家堡、费家营及仁寿山景区一带，西固区奥体中心、范家坪村一带，城关区科技产业园、刘家滩新村一带，且以大型彩钢板建筑增长为主。2008年小型彩钢板建筑遍布兰州市，近年来主城区内小型彩钢板建筑(居民违章建筑、临时施工场所、城中村建筑等)大量减少，使得城市建筑整体布局不断协调化、标准化，对兰州市城市发展具有阶段性意义。

表3 各行政区彩钢板建筑统计数据Table 3 Statistical data of color steel plate buildings in various administrative regions

3.2 彩钢板建筑聚集密度空间分布特征

采用距离加权方法计算得到研究区彩钢板建筑聚集密度D(R)，将其分为低(0≤D(R)<0.25)、中(0.25≤D(R)<0.5)、高(0.5≤D(R)≤0.99)3个聚集密度区等级(图4)，并统计各等级彩钢板建筑面积及其占研究区总面积的比例(表4)。

图4 研究区彩钢板建筑聚集密度分布Fig.4 Distribution of the aggregation density of color steel plate buildings in the study area

表4 各密度等级彩钢板建筑面积及占比Table 4 Area and proportion of color steel plate buildings of each density grade

由图4可知：2008年彩钢板建筑高密度区分布较零散，中低密度区以高密度区域为中心，呈放射状分布；2017年彩钢板建筑高密度区分布较集中，中低密度区同样伴随高密度区向外扩散分布。将彩钢板建筑矢量数据叠加密度图分析后发现，高密度区以大型彩钢板建筑集中分布为主，低密度区以分散的小型彩钢板建筑为主。总体上，彩钢板建筑由2008年无规则的散落分布转为2017年紧凑集中式分布，体现了城市规划发展过程中的规律性。由表4可知，2008年研究区内彩钢板建筑高密度区面积为1.84 km2，在各等级中占比最大，中低密度区面积占比相对较小；2017年高密度区面积增至3.23 km2，占比达1.57%；中密度区和低密度区面积分别增至1.95 km2、1.57 km2，占比分别为0.95%、0.76%。总体而言，3个密度等级下的彩钢板建筑均呈增长趋势。

3.3 地表温度空间分布特征

利用辐射传输方程法反演得到研究区地表温度(图5)，可以看出，靠近黄河一带温度较低，城市边缘区温度较高，2008-2017年高温区范围逐渐扩大，低温及亚低温区范围不断缩小。由地表温度的最值、平均值及标准差(表5)可知，2008-2017年研究区地表温度最值、平均值均有升高，其中最大值升高了4.65 ℃，标准差降低了0.18 ℃，表明2017年地表温度升高且离散度减小。

图5 地表温度反演结果Fig.5 Inversion results of the surface temperature

表5 研究区温度统计数据Table 5 Temperature statistics of the study area单位：℃

为避免不同时相间温度差异对研究结果的影响，首先将地表温度数据依据式(3)进行归一化处理，以更直观地描述地表温度的空间变化过程及特点；然后采用均值—标准差方法(式(4))将归一化后的地表温度结果进行规范化分级(标准见表6)处理(图6)。分析图6发现，2008年高冷岛区及冷岛区面积较大，集中分布于黄河一带以及安宁区、西固区未开发利用的林地、草地，高热岛区及热岛区集中分布于安宁区的产业园区、七里河区的工业建设区以及城关区的科技园区；2017年高冷岛区及冷岛区范围缩减，高热岛区扩大，安宁区、西固区、城关区热岛效应加剧显著。

图6 归一化地表温度Fig.6 Normalized surface temperature

表6 均值—标准差法划分地表温度等级标准Table 6 Classification standard of surface temperature divided by mean-standard deviation method

Tn=(T-Tmin)/(Tmax-Tmin)

(3)

式中：Tn为归一化地表温度值，取值在0～1之间；Tmin、Tmax分别为该时期研究区内地表温度的最小值和最大值。

Ts=a±n×std

(4)

式中：Ts为温度分割值；a为地表温度平均值；std为地表温度标准差；n为系数，取值±0.5、±1。

为进一步定量分析2008-2017年研究区地表温度的空间变化特征，本研究统计了各温度分区的面积及其占整个研究区面积的比例(表7)。由表7可知，中温区在各级热岛强度中占比最大，其次是热岛区、高热岛区。相比2008年，2017年高冷岛区、冷岛区及热岛区面积分别减少3.69 km2、4.94 km2、10.43 km2，而高热岛区及中温区面积分别增长14.57 km2、4.5 km2，占比达18.09%、44.09%，可见9年间热岛效应加剧明显。

表7 各等级地表温度面积及其占比Table 7 Area of each grade of surface temperature and its proportion

3.4 彩钢板建筑聚集密度与城市热岛效应相关性

为进一步探究彩钢板建筑与地表温度之间的相关关系，将2008年、2017年彩钢板建筑聚集密度与相应的地表温度数据随机排序，等间距分成200组，将每组的平均值导入SPSS软件进行相关性分析(图7)。由图7可知，2008年、2017年彩钢板建筑聚集密度与地表温度均呈线性正相关，由于2008年彩钢板建筑总面积相对较小，大型彩钢板建筑聚集程度较低，聚集密度每增加0.1，地表温度上升0.20 ℃，其对地表温度产生的影响较小；2017年大型彩钢板建筑占比大，聚集程度高，聚集密度每增加0.1，地表温度上升0.28 ℃，表明彩钢板建筑聚集密度越大，其对地表增温效应越强，加剧了夏季兰州市主城区热岛效应。

图7 彩钢板建筑聚集密度与地表温度回归关系Fig.7 Regression relationship between color steel plate building aggregation density and surface temperature

3.5 彩钢板建筑景观指数与城市热岛效应相关性

由Fragstats 4.2软件计算得到的彩钢板建筑的景观指数(表8)可以看出，2008-2017年最大斑块指数(LPI)不断升高，表明9年间彩钢板建筑优势度不断升高，面积、范围不断扩大，这主要与大型彩钢板建筑占比的不断增大有关；斑块密度(PD)及斑块凝聚度指数(COHESION)均变小，破碎化程度降低，聚集程度升高；周长面积分维(PAFRAC)持续增大，表明城市化进程加快使得兰州市主城区内彩钢板建筑斑块形状由复杂趋于简单，且受人类活动影响越来越大，这与前述彩钢板建筑及其聚集密度的变化趋势结论相符。

表8 研究区彩钢板建筑景观指数统计Table 8 Statistics on landscape indexes of color steel plate buildings in the study area

进一步统计2008年、2017年彩钢板建筑的景观指数与平均地表温度的相关关系(表9)。由表9可知，景观指数与地表温度均呈线性相关，2008年及2017年最大斑块指数(LPI)、斑块凝聚度指数(COHESION)与地表温度呈线性正相关，表明LPI、COHESION越大的区域，彩钢板建筑分布越广、面积越大、地表温度越高；斑块密度(PD)、周长面积分维(PAFRAC)与地表温度呈线性负相关，PD值越大，表明彩钢板建筑景观破碎度越高，该区域温度越低，且彩钢板建筑斑块内分布有较多其他地物斑块，PAFRAC值越大，区域温度越低，表明该区域受人类活动影响较大。

表9 彩钢板建筑景观指数与地表温度线性回归Table 9 Linear regression between color steel plate building landscape indexes and surface temperature

4 结论

本文基于中、高分辨率遥感影像，利用U-net神经网络提取彩钢板建筑，采用距离加权方法计算彩钢板建筑聚集密度，然后利用辐射传输方程反演研究区地表温度，并计算景观指数，最后以彩钢板建筑聚集密度、景观指数为指标，分析夏季兰州市主城区彩钢板建筑对城市热岛效应的影响，得出以下结论：1)2008-2017年彩钢板建筑面积增长近一倍，高密度区占比增大，安宁区增幅最大;2)2008-2017年研究区地表温度不断升高，高热岛区占比增大，热岛效应显著增强；3)彩钢板建筑聚集密度与地表温度呈显著线性正相关，2017年较2008年彩钢板建筑聚集程度更高，对地表温度的影响更大，大型彩钢板建筑的高度聚集是加剧城市热岛效应的主要原因之一；4)彩钢板建筑景观指数与地表温度均呈线性相关关系，其中最大斑块指数与地表温度相关性最强，各指数分别在不同程度上揭示了彩钢板建筑的面积、范围、连续性、破碎化程度等指标对地表温度产生的不同影响。

夏季彩钢板建筑对兰州市热岛效应产生的影响不容忽视，应避免大型彩钢板建筑的大量聚集，扩大绿化及城市水面的范围。因景观格局特征依赖于时空尺度的变化，未来需进一步讨论景观指数在不同采样尺度下的响应特点以及不同尺度下彩钢板建筑景观指数对地表温度的不同影响，进而为城市建筑景观规划及缓解城市热岛效应提供参考。