昆明市主城区热环境效应及影响因素分析

何咪，何萍，赵琳，王振吉

1.云南师范大学地理学部

2.楚雄师范学院区域气候与环境变化研究所

3.百色学院管理科学与工程学院

热环境是在地表物理性质与人类社会经济活动的共同影响下，能高度概括和体现一个城市生态环境状况的复杂系统[1]。随着城市范围的扩大，自然下垫面转变为人工下垫面，城市内部热能的传输途径与效率相应发生变化，城市热环境效应增强[2-4]。有研究表明，城市热环境不仅会造成高温热浪天气频发、加剧热岛环流对污染物的集聚，还会增加居民失眠与患心血管疾病的概率，影响人类的身体健康[5-6]。因此，研究城市热环境效应对于优化城市生态环境、提升城市人居舒适度有重要意义。

近年来，随着城市热环境问题日益突出，城市热环境效应的时空演变及其影响因素已经成为学界关注的焦点[7-12]。学者们在小尺度上通过定量测定与数值模拟发现，适宜的建筑物高度[13]、植物配置和树冠形态[14]、街道高宽比[15]可以有效改善城市热环境。在大尺度上，沈中健等[16]研究显示，城镇发展会导致本地区及周边地区的地表温度升高；赵禾苗等[17]在对乌鲁木齐的研究中指出，不透水面的增加会促使热环境效应增强。Ma等[18]研究发现，绿地和水体的合理配置对上海市不透水面密集区域的热岛效应具有缓解作用。

昆明市作为云南省省会，近年来发展迅速，但在城市发展的同时，热环境效应日趋严重。目前对昆明市热环境效应的研究中，杨云源等[19]发现昆明市主城区建筑区的地表温度高温区具有从城内向郊区移动的特征；李红等[20]指出昆明市主城区热环境效应受到植被覆盖度等地表特征因素的影响；章皖秋等[21]研究发现，各类型土地覆盖的植被覆盖度、斑块外形特征与地表温度之间存在一定的关系。以上学者揭示了昆明市主城区热环境效应的空间分布特征及土地利用类型、植被等产生的影响，但数据来源单一，影响因素局限于某一方面，忽略了其他因素的影响，研究方法一般都是对比分析或回归分析法，难以定量分析影响因素所产生的影响力大小，且只能计算单一因子的影响，无法分析多个影响因子的交互作用。

鉴于此，笔者基于遥感影像、兴趣点数据(POI指数)、高程(DEM)数据等多源空间数据，运用遥感系统（RS）-地理信息系统（GIS）技术反演地表温度，提取地表信息，结合标准差椭圆方法研究昆明市主城区热环境效应的时间演变特征与空间分布特征，并通过地理探测器定量分析城市植被、水体、不透水面、景观格局、地形地貌之间的交互作用对地表温度产生的影响力，以期为缓解昆明市的热环境效应，建设生态文明城市提供参考。

1 研究区概况

昆明市位于云南省中部 (102°10′E～103°40′E，24°23′N～26°22′N)，是滇中城市群的中心城市，也是我国面向东南亚、南亚的重要枢纽城市。昆明市地势整体自北向南呈阶梯状倾斜，三面环山，南临滇池，属于亚热带季风气候，市区年均气温为15 ℃，全年温差较小，享有“春城”的美誉之称。昆明市下辖7个区、6个县和1个县级市，研究选取昆明市主城区作为研究区域，主城区范围包括西山区、官渡区、呈贡区与盘龙区、五华区的部分地区(图1)，总面积约2 667.31 km2。

图1 研究区土地利用类型Fig.1 Land use types in the study area

2 数据来源与研究方法

2.1 数据来源与预处理

选取的Landsat TM/OLI遥感影像，分辨率为30 m，选取时间段内天空云量小于5%，成像条件较好，利用ENVI 5.3软件对遥感影像进行辐射定标、大气校正与裁剪处理。根据所需，研究还获取了土地利用数据、高程（DEM）数据、POI指数，采用ArcGIS 10.2软件对土地利用类型图进行重分类与重采样处理，对DEM数据、POI指数进行投影转换、裁剪处理，数据来源见表1。

表1 数据来源Table 1 Data sources

2.2 研究方法

获取昆明市主城区2000年、2010年和2020年的遥感影像，采用辐射传输方程法与标准差法反演地表温度、划分温度等级，采用标准差椭圆研究热环境效应的空间变化特征，利用ENVI 5.3软件与ArcGIS 10.2软件分析各影响因子的空间分布，通过地理探测器探讨植被、水体、建筑用地、不透水面、景观格局、坡度、高程与社会经济活动对昆明市主城区热环境效应产生的影响力。

2.2.1 地表温度反演

2.2.1.1 数据转换

将像元的灰度(DN)转化为辐射亮度，公式如下：

式中：Lλ为热红外辐射亮度，W/(m2·sr·µm)，Landsat5 TM采用的是第6波段，Landsat8 OLI采用的是第10波段；Gain、Bias分别为影像的增益系数与偏移系数，这2个系数可以从影像的元数据中获取。

2.2.1.2 辐射传输方程法

地表温度(LST)是表征城市热场能量平衡的最佳指标，对地表温度进行反演是研究城市热环境的核心步骤[22]。采用辐射传输方程法进行地表温度的反演[23]，公式如下：

式中：Ld为 大气的下行辐射亮度，W/(m2·sr·µm)；Lu为大气的上行辐射亮度，W/(m2·sr·µm)； α为地表比辐射率；LT为同温黑体在热红外波段的辐射亮度，W/(m2·sr·µm)；τ为大气在热红外波段的透过率。Ld、Lu、τ3个参数可以从美国国家航空航天局(NASA)官网（http://atmcorr.gsfc.nasa.gov）直接获取。

α的计算公式如下：

式中：NDVI为归一化植被指数，为0.157～0.727；NIR为遥感影像中的近红外波段的波长，取0.85～0.88 µm；Red 为红光波段的波长，µm，取0.64～0.67µm。当NDVI小于0时，地表比辐射率为0.995，地表是水体；当NDVI为0.157～0.727时，是水泥质地面；当NDVI大于0.727时，一般为植被覆盖面；当NDVI小于0.157时，公式不成立。

根据式（2）可推出下述公式：

2.2.1.3 地表亮度温度

将热红外辐射强度转换为像元亮度，公式如下：

式中：Ta为 地表亮度温度，℃；K1、K2为反演常数。Landsat5 TM 第 6 波段的K1为 607.76 W/(m2·sr·µm)，K2为 1 260.56 K，Landsat8 OLI第10波段的K1为774.89 W/(m2·sr·µm)，K2为 1 321.08 K。

2.2.2 地表温度分级

采用标准差法对地表温度(T)进行分级，共划分为极低温区、低温区、较低温区、中温区、较高温区、高温区、极高温区7个等级，并将较高温区与高温区、极高温区3个等级所在的区域视为城市发生热岛效应的区域。具体的分级标准见表2。

表2 昆明市主城区地表温度等级划分Table 2 Grade classification of surface temperature in the main urban area of Kunming

2.2.3 地表信息的获取

2.2.3.1 植被与水体

植被覆盖度(FVC)是根据NDVI改进用于反映植被覆盖状况的指数，计算公式如下：

式中 NDVIsoil、NDVIveg分别为NDVI统计结果中的最小值与最大值。

改进归一化差异水体指数(MNDWI)可以更有效地扩大水体同其他地物之间的差异，计算公式如下：

式中：Green为遥感影像中的绿光波段的波长，取0.53～0.59 µm；MIR 为短波红外1波段的波长，取1.57～1.65 µm。

2.2.3.2 城市建设强度

归一化建筑指数(NDBI)是反映建筑用地信息的指数，NDBI越大时，建筑用地面积越大。计算公式如下：

归一化差异不透水面指数(NDISI)是能够反映不透水面信息的指数。计算公式如下：

式中TIRS1为Landsat8影像中第10波段的波长，取 1.57～1.65 µm。

2.2.3.3 景观格局指数

斑块结合度指数(COHESION)是衡量景观系统中不同斑块聚散和分散状态的指数，其值越大，表示斑块越集聚。计算公式如下：

式中：m为景观斑块数量，个；pij为i类型景观中第j个斑块的周长，m，aij是i类型景观中第j个斑块的面积，hm2，A是景观面积，hm2。

景观分割度指数(DIVISION)反映景观系统中不同斑块分布的分割度，计算公式如下：

式中：Di为i类型景观的距离，m；Ai为i类型景观的面积，hm2。

香农多样性指数(SHDI)是反映景观的异质性指数，计算公式如下：

式中：pi为i类型景观斑块面积在整个景观斑块中占据的比例，%。

香农均度指数(SHEI) 是描述景观系统内各斑块类型均等分布状况的指数，SHEI越接近1，不同的斑块类型在景观系统中分布得越均匀。计算公式如下：

利用Fragstats 4.2软件对土地利用类型图计算得到COHESION、DIVISION、SHDI与 SHEI。

2.2.3.4 地形地貌

高程是某点到地面垂直方面的距离，坡度是指地面陡缓的程度，二者采用ArcGIS 10.2软件提取DEM数据得到。

2.2.3.5 社会经济活动

社会经济活动信息可以反映人类活动与社会经济活动的空间分布信息[24]，采用ArcGIS 10.2软件对POI指数进行密度分析，得到购物中心、生活娱乐、餐饮等13类与人们生活密切相关的POI指数。

2.2.4 标准差椭圆模型

标准差椭圆模型中的椭圆中心表示地理要素在空间分布的相对位置，方位角表示地理要素在空间分布的趋势方向，长轴代表地理要素在空间分布的离散程度[25]。采用ArcGIS 10.2软件对昆明市主城区热环境变化方向与移动轨迹进行研究。

2.2.5 地理探测器

地理探测器具有探测2个因子交互作用于因变量的独特优势，是可以研讨因变量的空间分异性，计算自变量对因变量影响力大小的统计学方法[26]。计算公式如下：

式中：q为影响力；L为因变量或者自变量的分区；Nh和N分别为区h和全区的单元数，个； σ2和 σ2分别h为区h和全区的因变量的方差。

评估2个影响因子（x1、x2）交互作用下对因变量的影响力是增强还是减弱，2个影响因子的关系可以分为5类，具体见表3。

表3 2个影响因子对因变量交互作用的类型Table 3 Types of the interaction of two influencing factors on dependent variables

3 结果与分析

3.1 昆明市主城区热环境效应的空间分布特征

昆明市主城区地表温度等级如图2所示。从图2可以看出，整个研究期间的热岛区分布特征极为相似，围绕滇池呈不规则的环状分布以及北部不规则的块状分布，这些区域主要是工业、人口、交通等城镇建设密集区域，如北部汽车客运车、海口工业园区、长水机场、呈贡大学城等。极低温区、低温区与较低温区主要分布在滇池、梦里水乡森林公园、西山森林公园等地区，这些区域多为水体、林地与草地，人口稀疏，建设程度低。从行政区划上看，热岛区主要集中在五华区、官渡区与呈贡区，其中极高温区主要集中在五华区与西山区，较高温区、高温区主要集中在西山区、官渡区与呈贡区，对比3期时序图发现，热岛区的延展方向与城市建成区的扩张方向基本一致。

图2 昆明市主城区地表温度等级Fig.2 Surface temperature grade of the main urban area of Kunming

绘制2000——2020年昆明市主城区热环境方向变化与重心迁移图(图3)，2000年的热环境方向主轴呈东北——西南走向，2010年、2020年主轴方向转为西北——东南走向。2000——2010年，热环境重心向西北方向偏转了57.5°，距离偏移2.47 km。该时期内官渡区大力开发建设，地表温度上升改变了热环境重心的位置，2010——2020年，热环境重心向西北方向偏转24.25°，距离偏移0.86 km，这是呈贡区生态环境改善、热环境效应缓解，官渡区持续发展的结果。

图3 2000——2020年昆明主城区热环境方向变化与重心迁移Fig.3 Change of thermal environment direction and migration of center in the main urban area of Kunming from 2000 to 2020

3.2 昆明市主城区热环境效应的时间演变特征

2000年、2010年和2020年昆明市主城区地表平均温度分别为15.35、19.03、17.48 ℃，呈先上升后下降的趋势，整体上升了2.12 ℃。近20年来，热岛区面积无明显扩张，但对比各时期的温度等级面积和占比发现(表4)，2000年、2010年与2020年极低温区的面积占比分别为1.13%、0.00%、0.26%，期间低温区的面积增加了0.73%，较低温区的面积先增后减，整体增加了4.55%，极低温区有向低温区和较低温区转变的态势。中温区的面积减少了5.37%，较高温区的面积先减后增，整体减少1.83 %，高温区面积先增后减，整体增加1.17 %，极高温区面积占比由0.17%增加至0.34%，较高温区与高温区正在逐渐转变为极高温区。因此，尽管昆明市主城区的热岛区面积变化不明显，但热环境效应仍有增强的趋势。

表4 2000——2020年昆明市主城区地表温度等级面积及占比Table 4 Area and proportion of surface temperature grades in the main urban area of Kunming from 2000 to 2020

由各行政区地表温度等级面积(表5)与各行政区热岛区面积占比（图4）可知，在研究期间内，昆明市主城区热环境效应演变剧烈，2000年的呈贡区的热岛区面积高达52.72%，到2020年时缩减至43.44%，同时，盘龙区热岛区面积减少7.73 km2，这是因为在城市建设过程中，绿化面积增加使得区域的热环境效应有所缓解。西山区未发生明显变化，五华区呈现先减少后增加的趋势，这与较高温区的变化有关。官渡区的热岛区面积从33.19%增至41.25%，其中较高温区、高温区、极高温区的面积分别增加了22.22、26.95、1.94 km2，是热环境效应增强最显著的区域，主要受官渡区近20年的高速发展，包括建成区面积扩大，人口集聚等影响。因此，昆明市主城区不同区域热环境演变特征与该区域的城市建设强度具有紧密的关系。

表5 昆明市主城区各行政区地表温度等级面积统计Table 5 Statistics table of heat island area of each administrative region in the main urban area of Kunming km2

图4 昆明市主城区各行政区热岛区面积占比Fig.4 Proportion of heat island area of each administrative region in the main urban area of Kunming

3.3 昆明市主城区热环境效应的影响因素分析

3.3.1 影响因子的空间分布

昆明市主城区热环境效应影响因素空间分布如图5所示。由图5(a)可知， FVC的位置、大小与研究区植被的分布、密度一致，高值主要分布在郊区，低值主要分布在水域、城市建成区。由图5(b)可知，MNDWI的分布与研究区的湖泊、水库位置一致，高值主要分布在水域。由图5(c)和(d)可知，NDBI与NDISI的分布与城市下垫面性质有关，城市建成区的值普遍偏高且与热岛区分布一致。景观格局指数的分布与土地利用类型相关，反映了昆明市主城区的景观连结度、分割度、多样性与均匀度，由图5(e)(f)(g)(h)可知，城市热岛区的土地利用以建设用地为主，景观连结度较小且分割度高，呈现出多样化分布与均匀分布的状态。坡度与高程是紧密关联2个影响因子，且二者呈正相关，由图5(i)和(j)可知，研究区地势整体上为北高南低的盆地地形，城市的建成空间受限，高程与坡度较小的中部、南部以及东北部区域，是昆明主要的城市建成区范围。由图5(k)可知, POI指数的分布与城市建成区有关，建成区范围内的POI指数较高，社会经济活动强度较大，郊区的社会经济活动强度相对较弱，城市中心的地表温度也明显高于郊区。

图5 昆明市主城区热环境影响因素空间分布Fig.5 Spatial distribution of influencing factors of thermal environment in the main urban area of Kunming

3.3.2 影响因子的影响力分析

为了确定各影响因子对昆明市主城区热环境效应的影响力，在ArcGIS 10.2软件中随机选取500个采样点，并获取500个采样点的地表温度以及相对应的POI指数、景观格局指数、高程、坡度信息等，导入Matlab软件计算地表温度与这些指数的相关性(表6)，再利用地理探测器分析各项影响因子对地表温度产生的影响力，结果见表7。

由表6可知，除FVC、MNDWI、NDISI与高程以外，其余的影响因子与地表温度正相关。地理探测器的结果与相关性结果比较发现二者有相似性，与地表温度相关性大的影响因子产生的影响力也大，但是，地理探测器的结果无法显示出影响因子的方向性。由表7可知，对地表温度产生影响力最大的是 NDBI、FVC，因此，NDBI、FVC 是导致昆明市主城区地表温度上升的主要因子。热环境效应是多个影响因子交互作用的结果，通过地理探测器进一步分析各影响因子之间的交互作用对地表温度的影响力（由于POI指数未通过显著性检验，不对其进行计算），结果见表8。

表6 昆明市主城区地表温度与影响因子的相关性Table 6 Correlation between surface temperature and influencing factors in the main urban area of Kunming

表7 影响因子对昆明市主城区地表温度的影响力Table 7 Influence of influencing factors on the surface temperature in the main urban area of Kunming

由表8可知，不同交互类型的影响因子对昆明市主城区地表温度产生了双因子增强、单因子非线性减弱与非线性增强3种类型的交互作用，其中双因子增强的交互作用最多，也就是说，多数情况下，昆明市主城区地表温度影响因子交互作用产生的影响力大于单个影响因子的影响力。从数值来看，NDBI与高程的非线性增强交互作用的影响力最大，为0.52，在传统的研究中，海拔每上升100 m，气温下降0.6 ℃，当高程与NDBI交互作用时，海拔每上升100 m，气温下降＞0.6 ℃，对地表温度的影响力增强，当坡度或高程与其他因子交互作用时，也会增强对地表温度的影响力。单因子非线性减弱分别是MNDWI与NDBI、NDISI的交互作用类型，反映出当水体与建筑用地或不透水面交互作用时，会减弱对水体对热环境效应的缓解作用。因此，昆明市主城区的热环境效应不是由某个因子单独影响作用的，而是多个影响因子共同作用的结果，根据地理探测器的结果，可以通过优化影响因子的组合，如建筑与水体，来缓解昆明市主城区的热环境效应，但本研究仅对2018年的热环境效应影响因素进行了讨论，难以全面地概括实际情况，且地理探测器的数据计算量有限，对大范围研究区的计算结果会存在误差，为了更准确地提供其在实际应用中的参考价值，今后可结合其他定量分析方法对四季变化、日夜更替等不同情景模式下各影响因素影响力的变化进行更深入地研究。

表8 影响因子的交互作用结果Table 8 Results of the interaction of influencing factors

4 结论

(1)昆明市主城区的热岛区主要分布在工业、人口、交通等城镇建设密集区域，2000——2020年，热环境方向主轴由东北——西南走向转变为西北——东南走向。2000——2010年热环境重心向西北方向偏转57.5°，偏移2.47 km，由于该时期官渡区大力开发建设，地表温度上升，改变了热环境效应的空间格局；2010——2020年的热环境重心向西北方向偏转24.25°，偏移0.86 km，这是呈贡区生态环境改善、热环境效应缓解，官渡区持续发展的结果。

(2)2000年、2010年、2020年昆明市主城区地表平均温度分别为 15.35、19.03、17.48 ℃，2010年、2020年相较2000年分别增加3.68、2.13 ℃，极低温区有向低温区、较低温区转变的态势，较高温区与高温区逐渐转变为极高温区。昆明市主城区热环境效应有增强的趋势，其中，官渡区的增强趋势最明显，并且不同区域热环境效应的演变特征与该区域的城市建设强度具有紧密的关系。

(3)通过地理探测器的分析，从各影响因子的影响力来看，建筑用地面积与植被覆盖度是对昆明市主城区热环境效应影响最大的因子，从影响因子的交互作用来看，高程与建筑用地的协同作用产生的影响力最大，当水体与建筑用地或不透水面交互作用时，会减弱水体对热环境效应的缓解作用。