城市地表覆盖组分及植被多样性——以贵阳市为例

高姗，郑学

(山东省国土测绘院，山东 济南 250000)

0 引言

城市作为人类活动最聚集的地区，既是潜在的生态气候脆弱区，也是引发气候变化的重要区域[1]。随着城市化水平的不断提高，快速的土地利用变化及人口流动加剧了城市生态环境恶化，引发了诸如热岛效应、空气污染、人居环境适宜性降低和生物多样性下降等问题[2-4]。与此同时，城市及其城市群地区也为改善气候变化提供了重要机会。城市地表覆盖及其空间分布直接影响城市热环境状况，进而影响城市空气污染扩散、人居体感舒适度及城市生态多样性。改善城市空间规划，形成更多公园和开放空间、湿地和城市农业的网络有助于减少洪水风险和减少热岛效应。因此，分析城市地表覆盖组分及植被多样性对热环境的影响，对通过城市内部公园及开放空间建设、城市不透水面和绿地合理规划布局调控热岛效应具有重要意义。

目前，学者们已经开展了较多针对城市地表覆盖组分对地表温度的影响研究。崔林林等[5]研究了成都市热岛效应与下垫面关系，证明夏季地表温度与植被归一化指数NDVI呈负相关，与城市不透水面指标归一化建筑指数NDBI呈较强正相关。袁振等[6]研究了城市内部不透水面、植被和水体与地表温度的关系，发现城市地表覆盖类型对地表热效应也具有显著影响。其中，城市内部的主要地表覆盖类型城市不透水面对城市热岛强度具有正效应，城市不透水面密度越高，地表温度越高[7-9]；然而，城市内部覆盖的植被和水体对城市热岛强度具有负效应，植被通过树冠阴影或蒸腾作用可以对地表温度进行调节，能够缓解城市热岛效应，且低密度植被区具有更好的降温效果[10-12]。水体利用其较高比热容和流动性，对缓解城市热岛具有重要作用，单一水体面积越大，对热岛效应的平均缓冲距离越大[13-14]。此外，为了定量化研究地表结构对城市热环境的影响，学者们深入研究了地表景观格局对城市地表温度的影响，结果表明城市地表温度与不透水面、植被和水体的斑块大小、形状指数、边缘密度等景观指数之间存在正相关[15-17]。同时，景观指数对地表温度的影响还受季节、空间尺度等因素的制约，不同季节由于地表覆盖的季节性变化使景观指数对地表温度的影响具有季节性规律，且二者之间的相关性直接受景观指数计算尺度的影响[18-19]。受区域气候、地形地貌等自然因素的影响，不同城市的地表覆盖特征对地表温度的热效应也存在显著差异。如，Estoque等分析了东南亚3个城市地表覆盖对城市热岛效应的影响，发现不同城市绿地聚集度对城市热岛效应影响程度不一致，但规律基本一致。李孝永等[17]研究了北京、天津和石家庄3个城市的地表覆盖特征与地表温度之间的关系，表明城市不透水面聚集度会对地表温度产生显著影响。

综上所述，目前对城市地表覆盖与热岛效应的研究主要以不透水面、绿地和水体3种覆盖类型为主，分析不同城市覆盖类型空间占比、景观格局指数对地表温度的影响，对具体植被类型及其空间覆盖多样性对地表温度的影响研究较少。此外，目前的研究区域主要以京津冀、长三角、粤港澳大湾区和长江中游城市群中的大城市为主，对中国西南部城市热岛效应研究比较匮乏。因此，本研究基于Landsat-8 OLI遥感影像和MODIS LST温度产品数据，选取西南部中心城市贵阳市为研究区，对其精细地表覆盖组分、植被多样性与地表温度的关联性进行分析，探索贵阳市热岛效应的时空分布特征，以期增加对贵阳市城市热岛效应及其影响因素的认识，为贵阳市未来城市内部地表覆盖格局优化与生态保护提供科学依据。

1 研究区概况

本研究选取贵阳市为研究区(图1)，平均海拔1100m，是贵州省省会和西南地区重要中心城市。贵阳地处云贵高原，地貌以山地、丘陵为主，属于典型的喀斯特山地城市，气候为亚热带季风性温润气候，全年平均气温14.9℃，是全国重要的生态休闲度假旅游城市。贵阳市下辖6区1市3县，主城区位于南明和云阳区，截至2021年末，常住人口超过600万人，城镇化率增幅明显。

图1 研究区域影像图

2 数据与方法

2.1 数据源及预处理

本研究使用的数据主要包括多时相遥感影像数据和遥感地表温度产品数据。选取贵阳市全境2021年1月1日—2021年12月31日全年云量少于15%的数Landsat-8 OLI数据作为研究区域进行地表覆盖分类的基础数据。分别选择1月、4月、8月和11月MODIS Terra 8天合成的温度产品作为地表温度数据。遥感影像辐射定标和大气校正等预处理都基于GEE(Google Earth Engine)平台完成，具体使用数据详细信息见表1。将MODIS温度产品DN值转化为摄氏温度，计算公式(1)：

表1 主要数据源及其详细信息

T=0.02×LST-273.15

(1)

式中:LST为MODIS温度产品数据；T为转化为摄氏温度后的数据。

2.2 城市地表覆盖分类

为了获得更详细的地表覆盖分类信息，基于多时相遥感影像光谱数据，采用随机森林方法将研究区域地表覆盖类型分为：旱地、水田、常绿阔叶林、落叶阔叶林、常绿针叶林、灌木林、草地、不透水面和水体9类。具体分类过程为：首先分别选取春夏秋冬4个季节的多时相遥感影像，同时计算各时相影像水体指数(MNDWI，Modified Normalized Difference Water Index)、植被指数(NDVI，Normalized Difference Vegetation Index)、建筑指数(NDBI，Normalized Difference Build-up Index)以及基于灰度共生矩阵的影像纹理特征(均值、方差、熵和对比度)，然后构建随机森林分类器进行监督分类，最后利用高分影像上选择的样本对分类结果进行验证。在特征构建中所使用指数特征模型为公式(2)～(4)：

(2)

(3)

(4)

其中:b3、b4、b5和b6分别为Landsat8 OLI影像经过大气校正后的第3～6光谱波段。

在随机森林分类模型训练中，决策树个数选择30，采用Bagging算法进行集成学习。选择标记样本的60%作为训练样本，10%的样本进行交叉验证，剩下30%的样本进行精度验证。本研究最后的分类结果通过总体精度、单类别精度和Kappa系数进行综合评价。

2.3 空间分析与统计分析

热岛效应主要体现在城市区域，表现出明显的城乡差异。本文主要以不透水面分布较多的城市建成区及其周围作为主要研究区。在确定主要研究区的基础上，对其进行地表覆盖及温度等信息进行统计和分析。本研究使用的温度产品是1km空间分辨率产品。因此，本研究通过生成1km×1km的网格对研究区不同地物覆盖覆盖率、覆盖多样性、植被多样性和温度进行统计分析。利用信息熵来评价地表覆盖多样性和植被多样性，其计算公式(5)为：

(5)

式中:C为地表覆盖类别体系；ci为第i类；P(ci)为统计单元内的覆盖率。

为了分析地表覆盖组分与地表温度的关系，利用皮尔逊相关分析计算相关系数，分析其相关性和显著性水平。

3 结果与分析

3.1 城市地表覆盖类型与地表温度特征

如图2所示，贵阳市建成区主要集中分布于研究区正南方，呈条带状向周围扩展。城市内部地表覆盖以不透水面、常绿阔叶林和常绿针叶林为主，建成区周围分布有较多水田和旱田。从表2可知，本研究利用GEE平台，结合多时相遥感影像分类获得的研究区域土地覆盖数据，其总体分类精度达到了84.96%，单一类别精度均超过了80%，可以满足本文后续的研究。

图2 研究区土地覆盖分类结果

表2 研究区土地覆盖分类精度评价

从不同季节地表温度看，研究区地表温度具有明显的季节差异，1月份地表温度较低，平均温度约为15℃，城市区域最高温度约16℃，不同地表覆盖对温度的影响在1℃左右。4月份地表平均温度约为21℃，不透水面表现出较为明显的增温效应。8月份研究区温度较其他3个月都高，平均温度约29℃，不透水面的增温效果最为明显，高出平均温度约5℃。11月份温度较8月份有明显回落，但比4月份温度要高，平均温度约24℃。总体上，研究区全年地表温度随季节变化明显，相邻季节地表温度差约5℃。

如图3所示，研究区地表温度的空间分异非常明显。4月份高温区域主要出现在建成区，表明地表下垫面对地表温度具有重要影响。次高温区域地表覆盖主要以旱田为主，考虑到该区域农作物生长周期在4～9月份，4月份处于农作物播种和出苗期，地表植被覆盖较少，裸露土壤增温效果明显。4月份温度较低的区域主要出现在水体、水田和森林覆盖区域。8月份，建成区域温度进一步提高，且与周围地表温度形成明显梯度。然而，次高温分布区域分布范围较4月份明显减少，这主要与8月份处于农作物生长旺季，农田植被覆盖率增加，对地表温度产生了明显的降温效应。

图3 研究区4月和8月地表温度空间分布

3.2 地表覆盖组分及多样性对地表温度的影响

为了进一步定量化分析地表覆盖组分、多样性等对地表温度的影响，通过空间计算获得研究区不同地物覆盖类型的空间覆盖率，如图4所示。研究区城市建成区及周边区域地表覆盖主要包括旱田、水田、常绿阔叶林、落叶阔叶林、常绿针叶林和不透水面，灌木林、草地和水体分布较少。城市建成区内部植被类型主要以常绿落叶林和常绿针叶林为主。

图4 研究区建成区域主要地表覆盖类型的空间覆盖率

通过利用信息熵计算研究区地表覆盖多样性和植被覆盖多样性来研究地表组分复杂度与地表温度的关联性。综合考虑所有地物类型组合情况对地表温度的影响，计算获得的覆盖多样性如图5(a)。从图中可知，建成区域由于城市地表覆盖类型多样，地表覆盖多样性一般较高，尤其是城市周边区域和城市内部的公共空间。研究区覆盖多样性较低的区域与农田分布区域一致。植被覆盖多样性主要是用来衡量地表植被类型的空间组成复杂度。如图5(b)所示，建成区域植被多样性较其他区域要低，主要与建成区植被覆盖面积较少有关，但是城市内部及周围仍然存在部分植被覆盖度较高区域。同时，本研究也计算出了研究区所有植被覆盖率(图5(c))，与植被多样性一起用来分析覆盖组分复杂性对地表温度的影响。总体上，建成区域植被覆盖度较其他区域低，植被覆盖度沿城市扩张方向出现阶梯式增长趋势。

图5 研究区地表覆盖和植被覆盖多样性、植被覆盖率空间分布

分别计算不同地物类型覆盖率、植被覆盖率、地表覆盖多样性及植被覆盖多样性与对应地表温度的相关系数，在置信度为95%水平下的评价结果如表3所示。从表中可以发现，各地表组分因子与地表温度的相关性存在季节性差异。旱田覆盖率在1月份与地表温度的相关系不显著，说明1月份旱田对地表温度的影响较弱。在4月、8月和11月，旱田与地表温度相关性明显增加且呈负相关，说明农作物的覆盖对地表产生了降温作用，在8月份时表现出最大相关性，而水田覆盖率与温度的相关性不显著。常绿阔叶林、落叶阔叶林和常绿针叶林都与温度呈负相关，说明这些植被类型对地表温度降温明显。其中，常绿阔叶林和落叶阔叶林四季与地表温度都为较强负相关， 8月和11月对地表温度的影响尤为显著；常绿针叶林在1月份表现出较弱正相关，而在4月、8月和11月表现出负相关，但是相关性并不显著。灌木林与地表温度的相关性较弱，而草地在8月份与地表温度表现出较强负相关。不透水面与地表温度呈较强正相关，在8月和11月尤为显著。水体在1月份与地表温度呈正相关，而在其他月份呈负相关，说明水体在温度气温较低时具有增温作用，而在气候较高时具有降温作用。

表3 地表覆盖组分及多样性与地表温度的相关性

本研究重点考查了覆盖多样性和植被多样性对地表温度的影响，如表3所示。综合比较发现，植被多样性全年四季都与地表温度呈较强负相关，说明植被组成结构对地表温度的影响是显著的，能够有效降低地表温度。联合植被覆盖率与地表温度的关系发现，植被覆盖多样性与地表温度的相关性在4个月份中普遍较植被覆盖率高，说明地表植被的组成多样性要比植覆盖率对地表温度的影响更为显著。结合地表覆盖多样性分析发现，覆盖多样性对地表温度的影响较植被多样性较弱，说明增加非植被类型的地表覆盖一定程度上抵消了植被对地表温度的降温效应。

4 结论

本研究基于Landsat-8 OLI遥感时序影像和MODIS温度产品数据，通过提取城市地表覆盖精细信息，结合不同季节8天合成的MODIS温度产品数据，利用时空统计分析、相关性分析等方法，对贵阳市城市地表温度季节变化及其与地表组分、地表覆盖多样性和植被多样性等因子进行了关联分析，结果表明：

(1)不同地表覆盖类型对城市地表温度的影响具有显著差异。城市内部常绿阔叶林在不同季节都有明显的降温效应，其覆盖区域的地表温度明显较低，其次是常绿针叶林，不透水面对城市地表温度的增温效应最明显，其中在夏季最为显著。

(2)地表覆盖多样性指标是影响城市地表温度的重要因子。与植被覆盖率相比，植被覆盖多样性与地表温度表现出更强的相关性，表明植被多样性的增加对地表温度的调节更有效。然而，不透水面的增加，会明显减弱植被多样性对地表温度的降温作用。