城市热环境空间格局及影响因素分析——以大连市金州区为例

孙雨萌，张育庆

（辽宁师范大学地理科学学院，辽宁 大连 116029）

0 引言

随着城市化发展进程加快，城市区域人口聚集，大量排放二氧化碳等气体，一些自然地表如林地、草地已被建筑所取代，同时高层楼房也会阻碍热量散发，导致市区地表温度比郊区高，城市热岛效应逐渐加强。城市热岛效应是一种普遍存在的有害环境问题。城市发展要考虑到社会经济的发展，同时也要注重保护生态环境，这是当前全球发展的一项不可避免的任务[1,2]。

19 世纪初，英国科学家Howard 首次指出伦敦城中心的气温比周围的乡村高；此后各国学者对不同纬度、不同类型的城市陆续做了大量的城区、郊区温度对比观测均发现郊区的温度低于城区，Manley 将这种郊区的温度低于城区的现象命名为 “城市热岛”，Oke 将城市中心区的温度“高峰”值与郊区温度的差值定义为“热岛强度”[3，4]。城市热岛强度受很多因素影响，如：绿地、水体、非自然下垫面在城市内的覆盖程度、人类活动等，对这些因素的研究成为减缓城市热岛效应的关键步骤。国内外学者利用气象资料、遥感影像、模拟模型及布点观测等研究方法对影响城市热岛的单因子因素、城市热岛的危害及缓解的对策进行了广泛研究[5-9]。研究表明，城市热岛与植被的分布、面积及长势呈负相关，植被分布面积越大、区域越集中，城市热岛效应的减缓效果越好，并且不同类型的植被减缓城市热岛效应的效力也不同，因此合理规划和积极发展城市绿化建设是减缓城市热岛效应的关键[10-14]，水体分布的合理规划同样对减缓城市热岛效应有显著作用，水面的比热容与导热能力远高于陆地，在蒸发时消耗热能，有效降低地表温度，减缓“热岛效应”[15]。除此之外，当非自然下垫面在城市区间内覆盖率过高时，地表温度增长十分显著，戴晓燕等人研究得出，非自然下垫面与地表温度之间存在明显的正相关性[16-19]。城市内部存在大量工厂、住宅所用的加热装置及机动车辆，这些机器运作耗能的同时也排放着大量的温室气体，加剧了城市热岛效应。各国学者大都研究单因子影响因素减缓城市热岛效应的策略，但是对于如何将各单因子影响因素合理规划来减缓城市热岛效应，目前研究的普及率不高。

综上所述，本文通过Landsat 8 影像结合地物分类，研究大连市金州区地表覆盖及城市热环境时空特征，以对城市合理规划布局，改善生态环境，为促进可持续发展提供有价值的参考。

1 研究区概况

大连市金州区，西邻辽东半岛，位于大连市中部，与黄海、渤海东西相接，北靠东北腹地，陆地区域面积1 850 平方公里，海岸线长322 公里。金州的地形属于低山丘陵区，由北向南构成中部高、两侧低的地形，处于北半球中纬度地区，位于西风带，气候系统以副热带系统为主，所处地理环境为一面傍山、三面靠水的半岛环境，所以金州区四季分明、气候温和湿润，降水集中在某一时间段内，季风气候明显。

优越的地理位置和良好的气候条件为金州区经济发展与社会建设提供了强有力的基础。自2012 年以来，金州区的第二产业与第三产业发展迅速，在某一程度上加剧了土地大幅度开垦，一些自然地表如林地、耕地、草地被占用，修建居民区与商业区，导致区域趋于城市化。正因为金州区趋于城市化的发展，城市区域人口聚集，排放汽车尾气等，同时建造的高楼也会阻挡热量的散发，导致城市地区会比郊区的地表温度高，如果不加以控制就会形成城市热岛。

2 研究数据和方法

本文选取过境时间为北京时间2018 年8 月2 日，条带号为119，形编号33 号的Landsat 8 OLI_TIRS 多光谱及热红外波段遥感影像。成像时间为炎热夏季，天气晴好，研究区域云量均小于5%，遥感成像条件较好，借助ENVI 5.3 软件对遥感影像进行预处理。在ArcGIS 10.5 中进行投影转换、镶嵌、工作区裁剪等，矢量数据来源于大连市金州区行政边界的矢量数据（表1）。

表1 数据来源

2.1 单窗算法反演地表温度

本文选取单窗算法反演地表温度。该算法只需要三个参数，分别为：大气平均作用温度、大气透射率和地表比辐射率。最终简化的单窗体算法模型为：Ts={a

式中，Ts是地表实际温度；T6为行星亮度温度；Ta为大气等效温度；a 和b 是参考系数a=-67.355 351，b=0.458 606；C 和D 是中间变量，可用下面两式求得C=ετ，D=(1-τ)[1+(1-ε)τ]，式中ε 为地表比辐射率，τ为大气透射率。

2.2 随机森林分类法

随机森林就是以决策树为基本单元，通过集成学习的概念将多棵树集成的一种算法，而它的本质属于机器学习的一个分支—集成学习（Ensemble Learning）方法。

对于机器学习中的决策树而言，如果带分类的事物集合可以划分为多个类型当中，则某个类（xi）的信息可以定义如下：

式中，I(x)用来表示随机变量的信息；P(xi)是指当xi发生时的概率。

3 结果与分析

3.1 LST 空间分布

从图1 可以看出，城市热岛中的高温区（热点地区）主要分布在大连市金州区的老城区，特别是城市中心地区和南部地区，这里以一些老式住宅区、中央商务区为主，其中，城区南部温度最高，为57.61℃。另外个别规模较小些的热点地区主要分布在城区西部的一些开发工业区，这里以工业与仓储用地为主。而在东部地区温度比较低，其中城区东北部温度最低，为23.74℃。LST 的变化总趋势为由城区西部向东部递减，建筑分布密集的地方地表温度高，植被分布多的地方地表温度低。

3.2 地表覆盖空间特征

依据研究区土地利用类型与地表覆盖类型，由图2 确定该研究区包含5 种主要地物类型，分别为植被、耕地、水体、裸土、建筑。

大连市金州区的土地面积为1 850 平方千米，城区内耕地面积最大，为599.4 平方千米，占城区总面积的32.4%；植被覆盖地区近548 平方千米，占城区总面积的29.6%；裸土面积为340.4 平方千米，占城区总面积的18.4%；建筑面积与裸土面积相近，大约为355.2平方千米，占城区总面积的19.2%；城区内水体面积最少，大约为7.4 平方千米，仅占城区总面积的0.4%。从图2 中可以看出，在研究区南部有大量的建筑密集分布；边缘部分大多为裸土覆盖，西部边缘部分为建筑与裸地穿插覆盖；中心区域植被和耕地较多，建筑相对较少；在北部中心地带植被分布密集，建筑分布稀疏，裸土分布较少；水体只分布在城区东侧边缘中心部分。

3.3 地表覆盖对LST 的影响

利用ArcGIS 中通过分区统计获得各种地物类型温度的最大值、最小值与平均值（表2）。结合图2，建筑用地由于大量人为热量的释放以及缺乏植被导致地表温度最高，平均温度超过40℃。植被主要以森林、草地等绿色建设为主，植被覆盖率高的地方水分蒸发与蒸腾率较高，从而有利于地表和大气中热量的交换，对应的温度较低，平均温度不到40.5℃；平均温度最低的土地类型是耕地，这主要因为所有的植被都分散在城市内部，由于城市热岛效应使得城市内部温度要高于分布于城市外围的农业用地。总体上耕地类型单一，使它具有最低的平均地表温度[20]。

表2 不同地表覆盖物温度反演结果

图2 地表覆盖空间分布

4 讨论

4.1 创新性

关于城市地表覆盖物对LST 的影响，已有研究表明建筑区的LST 高于自然地表覆盖所在区，水体和植被具有一定的降温作用。在温度差异方面，植被的温度梯度具有明显的规律性，在同一时期，裸地温度的分布类似于水泥地工况的温度分布，相同时刻建筑密集区与植被的LST 最大温差可达10℃，植被与裸地最大温差为1℃，裸地与建筑密集区最大温差为5℃，可见建筑区密度过大是致使热岛效应形成的主要因素。此外，LST 空间分布受多因素影响，不同影响因子存在弱相关性。本文创新之处在于将Landsat 8 影像通过单窗算法反演地表温度、随机森林分类法划分地物类别，结合GIS 空间分析，首次对影响LST 的多种因素进行相关分析，对于研究如何降低城市热岛效应更加深入。

4.2 局限性

本次计算得到的LST 出现了一些异常值，排除云层的影响，可能是由于影像反演LST 的精度问题导致的，另外，地物分布不均可能会导致地物覆盖面积计算精度出现误差。同时，我们需要更多的研究来得出更普遍的结论，LST 在地表不同高度、不同时刻会出现不同的数值，城市的空气环境也是影响LST 的因素，处于不同空气环境的地区的LST 分布规律也值得研究。

5 结论

本文通过单窗算法反演地表温度、随机森林分类法划分地物类别，结合GIS 空间分析，研究大连市金州区地表覆盖及城市热环境时空特征。得到如下三点结论：

（1）研究区具有明显的热岛效应，中心城区的温度总体上明显高于城市边缘区和郊区。在城市热岛内部，地表温度也存在明显差异。最高温度位于城区南部，为57.61℃，最低温度位于城区东北部，为23.74℃。

（2）研究区包含5 种主要地物类型，包含植被、耕地、水体、裸土、建筑，其中耕地的面积最大，为599.4 平方千米，占城区面积的32.4%，水体面积最小，约为7.4平方千米，仅占城区面积的0.4%。

（3）在城市地表覆盖系统内，不同土地利用类型地表温度具有明显差异，城市地表温度在绝大多数地物之间的差异是显著的。其中建筑密集区、交通发达区与植被的LST 最大温差可达10℃。

因此，在城市规划中要充分考虑到地表覆盖因素，城市布局一定要有利于生态环境的建设，选择适宜的城市结构模式和适宜的城市设计模式。对城市进行合理规划布局，改善生态环境，提高城市的生态保护水平。