研究论文 正式出版 版本 2 Vol 10 (2) : 166-176 2019
下载
基于遥感影像的近30年西宁市热岛效应时空变化分析
Spatio temporal change of urban heat island effect in Xining from Landsat image
: 2018 - 06 - 08
: 2018 - 09 - 29
: 2018 - 10 - 19
136 1 0
摘要&关键词
摘要:本文利用1987—2015年多个时相的Landsat卫星影像及同期气象和社会经济数据,结合多年建成区边界,利用单窗算法反演了地表温度,结合热场变异指数定量分析了西宁市城市建成区热岛强度时空演化特征,探讨了其与城市绿化程度、车辆数等要素的关系,提出了城市化进程中城市热岛效应的调控措施。研究结论显示:(1)西宁市夏季表现为“热岛”效应,冬季为“冷岛”效应;(2)西宁市热岛效应强度在时间序列有三个节点,2000年以前西宁市夏季和冬季白天各个热岛区面积变化不明显,2000年以后热岛区面积,尤其是较强热岛区面积和中热岛区面积都出现迅速增加的趋势,2003年热岛区面积达到最高,2003年以后热岛区面积渐渐回落,2011年以后又增强;(3)夏季“热岛”区面积变化趋势和冬季“冷岛”区面积变化趋势一致,且与建成区变化一致。
关键词:城市热岛效应;单窗算法;地表温度反演;BCI;热场变异指数;西宁市
Abstract & Keywords
Abstract: Background, aim, and scope Withing the implementation of the western development policy, Xining entered a rapid development stage at the end of twentieth Century, and the scale of the city has been expanding, which has caused the urban heat island effect to become more and more prominent. Therefore, it is of great significance to study the spatial and temporal evolution characteristics and mitigation measures of urban heat island effect in Xining for the sustainable development of Xining. Compared with previous studies, the general urban heat island studies mostly take the urban administrative boundary as the suburb boundary. This paper takes the urban built-up area boundary as the urban and suburban boundary, and is relatively new. Materials and methods Using the Landsat satellite image from 1987 to 2015 and the same period of meteorological data and economic data, selected the single window algorithm to retrieve the surface temperature in Xining City from Landsat satellite image, combined with the thermal field variation and years of built-up area of the boundary,then the characteristics of temporal spatial evolution of Xining City urban heat island effect is analyzed in this paper. At the same time, the relationship between heat island intensity and vegetation, impervious surface, population and other factors was discussed. Finally, it puts forward the regulation measures of urban heat island effect in the process of urbanization. Result The results show that: (1) In summer in Xining city as "heat island" effect, "cold island" effect in winter. (2) The intensity of heat island in Xining city at the time is divided into three intervals, 1987~2000 years of heat island effect enhanced slowly from 2000 to 2003 is the rapid increase of 2003 to 2011, the heat island effect gradually weakened, from 2011 to 2015 the heat island effect, strength remained unchanged. (3) The same trend area of summer heat island area and trend of winter cold island, and built-up area change. Discussinon The change of the heat island area in Xining shows that 2000 has become an important time node for the change of thermal environment. Before 2000, the area of heat island in Xining increased little, but there was a sharp increase after 2000. This is due to the implementation of the western development policy. Xining has expanded rapidly in the original built-up area, making the city development from a single center to a multi center structure, and the increasing rate of greening can not catch up with the speed of development. Combined with the actual situation in Xining, this paper puts forward four relief measures for the heat island effect. (1) The artificial lakes should be dug near the industrial zone and the park. (2) Private cars should be controlled. (3) Green energy, such as abundant solar and wind energy in Qinghai Province (3) Construction the counties around Huangzhong, Huangyuan and other Xining cities to attract and disperse the population. Conclusions Research shows: (1) There was almost no change of heat island area in Xining before 2000. After 2000, the area of heat island area, especially the area of strong heat island area and medium heat island area, increased rapidly. In 2003, the area of heat island area reached the highest. From 2003 to 2011, the area of heat island gradually decreased, but increased again after 2011. (2) During the summer daytime, the intensity of urban heat island in Xining is positively correlated with the number of vehicles, built-up area, population and NDBI mean, and negatively correlated with urban greening rate, NDVI mean and BCI. (3) In winter daytime, the intensity of urban heat island in Xining is positively correlated with urban greening rate, NDVI, NDBI, BCI, and negatively correlated with the number of vehicles and built-up area. Recommendations and perspectives Due to the lack of remote sensing data and the poor quality of remote sensing data, the final screening image is not continuous in time, and the final result may lose some information. If there are more image data, better results should be obtained. In the study, it was found that during the winter, Xining was an obvious “cold island” in the daytime. Some studies have shown that the urban area in winter is “heat island” at night. However, due to the limitation of the imaging time of remote sensing data, the night thermal environment in the built area has not been studied in this paper. In future studies, we will focus on the heat island effect of winter nights in Xining.
Keywords: urban heat island effect; single window algorithm; land surface temperature retrieval; BCI; thermal field variability index; Xining City
城市热岛效应(urban heat island effects)是由于城市内大量的人工发热、建筑物和道路等高蓄热体的增加及绿地减少等因素的影响,导致城市“高温化”,即中心城区的气温明显高于城郊区(县)的现象(寿亦萱和张大林,2012)。随着人们对居住环境要求的不断提高,人们也越来越关注城市热环境问题。国际上,世界气象组织(WMO)专门设立研究“热岛”机构;国务院2005年发布的《国家中长期科学和技术发展规划纲要(2006—2020)》中明确要求,为提升城市功能与空间节约利用,要把“城市热岛”效应形成机制与人工调控技术作为重点研究内容。20世纪末,随着西部大开发政策的实施,西宁市进入了快速发展时期,城市规模不断扩大,城市气温增加明显,城市热岛效应越来越突出。因此,研究西宁市城市热岛效应的时空演变特征以及热岛效应的缓解措施对西宁市的生态环境建设和可持续规划有重要的参考意义。
以往对热环境研究中针对复杂地形区和河谷型城市的相对较少,并且一般城市热岛研究多以城市行政边界作为城郊边界(孙茂存和李俊锋,2015;张建明等,2012),本文参考王靓等(2015)的研究城市建成区边界作为主城区和城郊边界,相对来说更加新颖;针对本文的研究区,有对热岛效应时空分布特征研究(于斌等,2008),也有热岛效应与植被或其他下垫面类型的定量关系研究(贾伟和高小红,2014),但是很少有全面的对其分布、变化及其影响因素进行定量分析的研究,本文的研究填补了这一空缺。
1   研究区概况
西宁市是青海省省会,位于36°12'27"—37°30'9"N,100°47'56"—101°56'49"E,地处青藏高原河湟谷地,市区南北向有北川河穿城而过,东西向有湟水河穿城而过,是典型的河谷型城市,海拔最高4849 m,最低2102 m,市区平均海拔2295 m(张忠孝,2009)。该区属于高原大陆性半干旱气候,昼夜温差大,冰冻期长,年日照时数2590 h,年降水量306.2 mm,平均气温6.4℃,夏无酷暑,因此有“夏都”之称(王江山,2004)。1949年9月5日西宁解放,9月8日成立市人民城府,为青海省所辖市。1950年西宁市为青海省人民政府驻地。2015年底,全市总人口约231万人,城镇化率为69%(青海省统计局和国家统计局青海调查总队,2015)。


图1   研究区概况
Fig.1 Survey of study region
2   数据与方法
2.2   数据来源
本研究中所用数据源有遥感数据、气象数据和统计数据。遥感数据主要使用了Landsat 5的TM数据和Landsat 8的OLI数据,来源于地理空间数据云网站(http://www.gscloud.cn/)。其中地表温度反演时使用Landsat 5 TM6波段和Landsat 8 OLI-TIRS11波段数据,空间分辨率分别为为120 m和60 m。研究中总共选用夏季8期(每期有132-34和132-35两景)和冬季6期影像(表2),预处理包括辐射定标、配准、裁剪、重采样等。气象站数据以西宁市气象台的主要观测数据为主,来源于中国气象数据网(http://data.cma.cn/data/cdcindex/cid/f0fb4b55508804ca.html/),选用影像相应日期的实测气温值和相对湿度。统计数据包括西宁市常住人口、西宁市民用汽车拥有量、西宁市建成区面积和西宁市建成区绿化率,来源于青海省历年统计年鉴。
2.3   研究方法
2.3.1   地表温度的遥感反演
准确反演地表温度比较复杂,因为非同温混合像元的普遍存在、比辐射率方向性、大气下行辐射效应以及陆面上方气溶胶的局地变化等因素都会影响反演地表温度的准确性(赵英时,2002)。城市区域范围有限,可认为区域水汽状况一致,在晴空无云状态下,可直接用亮度温度来表征城市热场的空间相对分布(浦苗苗,2014)。本研究采用覃志豪的单窗算法对西宁市的地表温度进行反演。具体过程如下:
第一步:根据热辐射强度推算所对应的亮度温度T。计算公式为:
\(\mathrm{T}={\mathrm{K}}_{2}/\mathrm{ln}\left(1+{\mathrm{K}}_{1}/{\mathrm{L}}_{\mathrm{\lambda }}\right)\) (1)
式中:T为象元亮度温度(K),K1和K2为卫星发射前预设的常量,不同的传感器值有不同值,\({\mathrm{L}}_{\mathrm{\lambda }}\)为相应的热辐射强度,可由红外波段的灰度值和传感器能探测到的最大和最小辐射亮度计算得到。
第二步:地表温度反演所需参数的估算
首先,进行地表比辐射率ε的计算,目前常用的计算地表比辐射率的方法有两种(常庆瑞等,2004):一种是利用经验公式来进行计算,另一种是基于混合像元的计算方法。本文根据前人(司敏,2013)的经验,结合研究区实际情况,对不同地区选择不同的估算方法(见表1)。其中,自然表面比辐射率算法引用基于混合像元原理的地表比辐射率算法,公式如下:
\(\mathrm{\epsilon }=\mathrm{f}{\mathrm{\epsilon }}_{\mathrm{v}}+\left(1-\mathrm{f}\right){\mathrm{\epsilon }}_{\mathrm{i}}+{\mathrm{d}}_{\mathrm{\epsilon }}\) (2)
其中:\({\mathrm{\epsilon }}_{v}\)为热红外波段内植被的比辐射率,取值0.905,\({\mathrm{\epsilon }}_{\mathrm{i}}\)为热红外波段内裸地的比辐射率,取值0.960,\({\mathrm{d}}_{\mathrm{\epsilon }}\)代表地表几何分布和内散射效应,可以由植被覆盖度\(\mathrm{f}\)计算得到,植被覆盖度由NDVI指数计算得到(如公式(3)、公式(4)):
\({\mathrm{d}}_{\mathrm{\epsilon }}=\left\{\begin{array}{c}0.0038f                    f\le 0.5\\ 0.0038\left(1-\mathrm{f}\right)f       f>0.5               \end{array}\right\\) (3)
\(\mathrm{f}=\left(\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}-{\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)/\left({\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}}_{\mathrm{m}\mathrm{a}\mathrm{x}}-{\mathrm{N}\mathrm{D}\mathrm{V}\mathrm{I}}_{\mathrm{m}\mathrm{i}\mathrm{n}}\right)\) (4)
表1   不同地表类型的比辐射率估算公式
像元类型
Pixel type
NDVI取值范围
The value range of NDVI
地表比辐射率
Emissivity
水域 WatersNDVI﹤-0.180\(\mathrm{\epsilon }=0.995\)
裸土 Exposed soil-0.180≤NDVI﹤0.157\(\mathrm{\epsilon }=0.972\)
混合像元 Mixed pixel0.157≤NDVI﹤0.886\(\mathrm{\epsilon }=\mathrm{f}{\mathrm{\epsilon }}_{\mathrm{v}}+\left(1-\mathrm{f}\right){\mathrm{\epsilon }}_{\mathrm{i}}+{\mathrm{d}}_{\mathrm{\epsilon }}\)
植被 Vegetative coveNDVI≥0.886\(\mathrm{\epsilon }=0.986\)
其次,估算大气平均作用温度Ta,大气平均作用温度可以用当日近地面气温T0计算,对于中纬度大气,冬季 \({\mathrm{T}}_{a}=19.2740+0.91118{\mathrm{T}}_{0}\),夏季\({\mathrm{T}}_{a}=16.0110+0.92621{\mathrm{T}}_{0}\)(陈云浩等,2006)。
\(\mathrm{\omega }=0.189\mathrm{P}+0.342\) (5)
\(\mathrm{P}=0.6108\mathrm{*}\mathrm{e}\mathrm{x}\mathrm{p}\frac{17.27\left({\mathrm{T}}_{0}-273.15\right)}{237.3+\left({\mathrm{T}}_{0}-273.15\right)}\mathrm{*}\mathrm{R}\mathrm{H}\) (6)
最后,进行大气透过率τ的估算,τ可以由水汽含量求得,根据不同的气温和湿度条件可以推算出不同的大气透过率估算方程,根据研究区的温度和地理环境情况,经过对水汽含量的计算,其水汽含量值近似于0.4 g/cm2,所以本研究中夏季大气透过率用\({\mathrm{\tau }}_{6}=0.974290-0.08007\mathrm{\omega }\)估算,冬季用\({\mathrm{\tau }}_{6}=0.982009-0.09611\mathrm{\omega }\)估算,得到估算结果如表3所示。
表2   地表温度反演参数
成像日期
Image acquired date
实测值 Measured value估算值 estimate
夏季
Summer
1987.9.913.7286.8552281.690.49610.9346
1995.8.1617.3290.4569285.030.59950.9263
2000.8.1117.3290.4563285.030.57710.9281
2003.9.209.8282.9572278.080.50690.9337
2011.8.1020.3293.4550287.810.56710.9289
2015.8.2113.3286.4566281.320.53250.9317
冬季
winter
1989.2.10-4.5268.6547264.060.38090.9454
1995.1.5-7.3265.8536261.510.36600.9468
2000.10.32.2275.3556270.170.41780.9419
2006.10.311.3274.4559269.350.41680.9419
2013.12.5-1.5271.6559266.800.40300.9433
2015.1.9-8.3264.8539260.600.36610.9468
第三步:地表真实温度反演,公式如下:
\(\mathrm{T}\mathrm{S}=\frac{1}{C}\left\{a\left(1-\mathrm{C}-\mathrm{D}\right)+\left[\left(\mathrm{b}-1\right)\left(1-\mathrm{C}-\mathrm{D}\right)+1\right]\mathrm{T}-\mathrm{D}{\mathrm{T}}_{\mathrm{a}}\right\}\) (7)
式中:TS为地表真实温度,单位为K;Ta 为大气平均作用温度;a、b为常量。一般情况下,辐射亮度温度在273—343 K范围内时,取值a=-67.355351,b=0.458 606(覃志豪等,2004),C、D分别用(4-8)、(4-9)式表示:
\(\mathrm{C}=\mathrm{\epsilon }\mathrm{\tau }\) (8)
\(\mathrm{D}\mathrm{ }=\mathrm{ }\left(1-\mathrm{\epsilon }\right)\mathrm{ }\left[1+\left(1-\mathrm{\epsilon }\right)\mathrm{\tau }\right]\) (9)
2.3.2   基于热场变异指数的西宁市及辖区热岛定量分析
某一地点的地表温度仅仅能代表该单一像元的热属性值,热场的分布往往具有局地性,所以要研究某一点地表温度在整个研究区域中的高低值和变异情况只靠地表温度值是不够的。因而本文利用基于遥感反演的地表真实温度的城市热场变异系数来定量分析热岛效应。热场变异系数定义如下:
某点的LST与研究区域平均LST的差值同研究区域平均LST之比,可描述该点的热场变异情况(孙飒梅和卢昌义,2002):
\(\mathrm{H}\mathrm{I}\left(\mathrm{T}\right)=\left(\mathrm{T}-{\mathrm{T}}_{\mathrm{M}\mathrm{E}\mathrm{A}\mathrm{R}}\right)/{\mathrm{T}}_{\mathrm{M}\mathrm{E}\mathrm{A}\mathrm{R}}\) (10)
式中:\(\mathrm{H}\mathrm{I}\left(\mathrm{T}\right)\)为城市热场变异系数;\(\mathrm{T}\)为城市某点的遥感反演LST;\({\mathrm{T}}_{\mathrm{M}\mathrm{E}\mathrm{A}\mathrm{R}}\)为城市研究区域的平均LST。热场变异系数越大表明研究区的相对地表温度越高。为了更为直观地描述城市热场变化情况,参考孙飒梅等[18]的研究进一步采用阈值法将热场变异系数分为5级,将西宁分为无热岛区、弱热岛区、中热岛区、较强热岛区和强热岛区五个区间(表3)进行分析。
表3   生态评价指标阈值划分
热场变异系数
Coefficient of heat field variation
热岛效应强度
Intensity of the heat island effect
生态评价指标
Ecologicalevaluating indicator
≤0无 No优Excellent
0~0.005弱 Weak良 Good
0.005~0.010中Medium一般Average
0.010~0.015较强Strong较差Fair
≥0.015强Stronger差 Poor
3   结果与分析
3.1   西宁市夏季“热岛”效应时空演变特征
3.1.1   夏季热岛区面积变化定量分析
由图2可见,1987—1995年夏季白天,强热岛区面积略有增加;1995—2000年,所有级别的热岛区面积都明显增加,中热岛区面积增加最明显,增加到66.18 km2,强热岛区面积和较强热岛区面积有小幅度增加;2002—2006年,除了弱热岛区面积减小外,其他各级热岛区面积均有大幅度增加,其中较强热岛和中热岛区面积达到研究年份中的最大值,分别为80.72 km2、90.93 km2,2006—2011年有大幅回落,到2011年只有33.9 km2; 2011—2015年中热岛区和较强热岛区面积减小,但是弱热岛区面积和强热岛区面积都是增加的,到2015年,只有6.41 km2为无热岛区,强热岛区面积占到69.47 km2,几乎占到整个市区面积的20.4%。


图2   西宁市夏季各级别热岛区面积变化
Fig.2 The area change of different grade heat island area in Xining in summer
3.1.2   夏季热岛效应时空分布特征
分析结果显示(图3):1987年,西宁市内还没有强热岛区;到1995年,开始出现强热岛区,主要分布在城中区、城西区工业区和建成区以外的裸土地带;2000—2003年,城中区和城东区增温明显,强热岛区和较强热岛区范围都明显扩展,同时城西区出现大面积的强热岛区,建成区内外温差进一步加大,热岛强度增强;2003—2011年,热岛效应有一个减弱的过程,建成区内大部分地区处于较强热岛区,市区内有三个明显的强热岛中心,除了之前一直存在的城西区工业区和城东区经济开发区外,还有海湖新区;2011—2015年,热岛效应加强,尤其在城西区和海湖新区更明显。
夏季西宁市热岛效应变化在时间上分为四段,1987—2000年热岛效应缓慢增强,2000—2003年是一个快速增强的时期,2003—2011年又缓慢回落,2011年以后又开始增强。主要原因分析如下:20世纪80年代末,西宁市属于发展初期,城市发展速度相对比较缓慢,城市建设密度比较低,人为热排放和空气污染相对比较少,相应的城市热岛效应比较弱;2000—2003年随着西部大开发战略的实施,城市扩展速度加快,建成区内建设密度增大、不透水面的比例加大了,同时又忽略了生态环境的保护,热岛效应增强。2003—2011年,随着人们对城市生态环境质量要求的提高,城市生态环境建设越来越受到重视,城市生态环境有所改善,绿化率从2003年25%增加到2011年的37%,对城市热岛效应起到了一定的缓解作用(黄金海,2006)。到2015年西宁市建成区面积几乎已经扩张到整个西宁所在的河谷,市内建成区面积达到83 km2,加上研究区夏季日照强,不透水面吸收辐射增温,市区温度上升快,而绿化率比2011年仅上升了1.5%,市区内绿地和水体对热岛效应的缓解作用赶不上城市建设和发展对热岛的加强作用时,热岛效应又开始增强。


图3   夏季西宁市热岛效应强度分布和建成区边界
Fig.3 The intensity distribution of heat island effect and the boundary of built-up area in Xining in summer
3.2   西宁市冬季热岛效应时空演变特征
3.2.1   冬季热岛区面积变化定量分析
如图4所示,1989—2000年冬季白天,热岛效应是减小的趋势;2000—2006年处于低谷,面积基本保持不变,2006年以后,弱热岛区面积增加;2013—2015年基本保持不变。而弱热岛区面积、中热岛区面、较强热岛区面积和强热岛区面积的变化趋势是一样的,都是在1989年到2000年期间有明显增加,2000年和2006年基本保持不变,只有在2000年出现了研究时段内冬季热岛区面积的最大值,有热岛区面积达到257.5 km2。也就是说,冬季西宁市区的“冷岛”效应更为明显。


图4   西宁市冬季各级别热岛区面积变
Fig.4 The area change of different grade heat island area in Xining in winter
3.2.2   冬季热岛效应时空分布特征
由图5可见,除了热岛效应突然增强的2000年和2006年在海湖新区和城西区工业区出现的中热岛区外,其余时段内西宁市建成区都为“冷岛”。另外,在西宁市夏季热岛的分布变化中,始终有两个区域表现为于“冷岛”:一个是人民公园,另一个是城北区生物园区。西宁市区冬季建成区白天出现“冷岛”效应可能是因为冬季市区城市污染物以及灰尘与郊区相比偏多并且不易扩散,削弱了太阳辐射,导致市区气温和地表温度较郊区明显偏低,在市区形成了“冷岛”效应。对于城市的“冷岛”效应,国内一些研究都已证实了它存在(徐永明等,2009;刘沁萍,2013),王建凯等(2007)为了进一步证实冬、春季“冷岛”的形成原因,用城乡热特性的差异对其形成机理进行研究,发现乡村的热惯量小于城市,可以得出在白天城市会出现 “冷岛”效应。杨鹏等(2013)从气温和地表温度两个角度分析石家庄市城市热岛的时空分布规律,结果也发现用气温和遥感数据反演都显示冬季白天9—15时市区会出现“冷岛”效应 ,冬季的夜间会出现“热岛”现象。本研究受遥感资料成像时间的限制,无法研究建成区夜间的热岛效应,可以在后期研究中注意冬季夜间的热岛效应。


图5   冬季西宁市热岛效应强度分布和建成区边界
Fig.5 The intensity distribution of heat island effect and the boundary of built-up area in Xining in summer
3.3热岛效应影响因子及其多元回归分析
城市下垫面的变化、人口规模和人为热的排放、城市植被及绿化、城市规模以及城市发展状况都会对城市热岛效应产生影响。本研究选取车辆数(x1),建成区面积(x2)、绿化率(x3)、NDVI均值(x4)、NDBI均值(x5)、BCI均值(x6)和人口数(x7)七个指标分别与1987—2015年冬季和夏季西宁市的热岛效应值HI(T)进行相关分析,为了使计算得到的结果不受量纲的影响,先对原始数据进行标准化处理,然后进行相关性计算。
计算结果(表4、5)表明:夏季白天HI(T)与车辆数、建成区面积、NDBI均值和人口数呈正相关,其中与建成区面积的相关性最好,相关系数达到0.421;与城市绿化率、NDVI均值、BCI指数呈负相关,其中与NDVI均值的负相关最明显,相关系数为-0.502。冬季白天,西宁市热岛强度HI(T)与城市绿化率、NDVI均值、NDBI均值和BCI均值呈正相关,其中与NDBI的相关性最好,相关系数达到0.847;冬季白天西宁市地表温度与市区车辆数、建成区面积呈负相关,相关系数分别为-0.177和-0.296,与人口的相关性不显著。
表4   西宁市夏季白天各指标与HI(T)的相关性矩阵
指标类型
Index type
车辆
Cars
建成区面积
Area of built-up area
绿化率
Greening rate
NDVI均值
NDVI
(mean)
NDBI
均值
NDBI
(mean)
BCI
均值
BCI
(mean)
人口数
population
HI(T)
车辆
Cars
1.000
建成区面积
Area of built-up area
0.989*1.000
绿化率
Greening rate
0.948*0.970*1.000
NDVI均值NDVI(mean)0.977*0.974*0.929*1.000
NDBI均值NDBI(mean)-0.824*-0.832*-0.684*-0.800*1.000
BCI均值BCI(mean)-0.495*0.521*-0.361*-0.493*0.838*1.000
人口
population
0.837*0.807*0.880*0.802*-0.390*0.039*1.000
HI(T)0.369*0.421*-0.471*-0.502*0.400*-0.340*0.282*1.000
*:表示相关性在0.05水平上显著。
*: indicates that the correlation of the parameters reaches a significant level p≤0.05.
表5   西宁市冬季白天各指标与HI(T)的相关性矩阵
指标类型
Index type
车辆
Cars
建成区面积
Area of built-up area
绿化率
Greening rate
NDVI均值
NDVI
(mean)
NDBI
均值
NDBI
(mean)
BCI
均值
BCI
(mean)
人口数
population
HI(T)
车辆
Cars
1.000
建成区面积
Area of built-up area
0.953*1.000
绿化率
Greening rate
0.993*0.940*1.000
NDVI均值NDVI(mean)0.964*0.872*0.961*1.000
NDBI均值NDBI(mean)0.336*0.037*0.358*0.456*1.000
BCI均值
BCI(mean)
-0.548*-0.640*-0.561*-0.320*0.411*1.000
人口
population
0.336*0.037*0.358*0.456*0.351*0.111*1.000
HI(T)-0.177*-0.296*0.148*0.149*0.349*0.847*-0.0941.000
*:表示相关性在0.05水平上显著。
*: indicates that the correlation of the parameters reaches a significant level p≤0.05.
4   讨论
综合分析西宁市各个热岛区面积的变化规律,除去比较平稳的变化趋势,研究区热岛变化较大的区间是2000年以后,2000年以前西宁市发展是顺应一般城市发展的规律缓慢发展,虽然热岛区面积有增加也不是十分明显,但是到2000年后热岛区面积出现了激增。这是因为2000年以后随着西部大开发战略的实施,西宁市的按照新修编的《西宁市城市总体规划》,在原有建成区基础上,以东、中、西为轴线,南、北为两带,拉开城市骨架,逐步形成具有较强聚集和扩散功能、市区范围分工协作的功能组团和四级中心体系,使城市发展由单中心结构向多中心结构转变[29]。在这种规划和发展下,2000年成为西宁市热环境变化的重要的一个时间节点。
根据西宁市热岛效应的影响因素,结合西宁市发展实际情况,提出了四条西宁市热岛效应缓解措施:第一,在西钢(西宁特殊钢股份有限公司)等工业区附近增挖人工河流、湖泊,缓解该区域热岛效应,在海湖新区、人民公园等和西山植物园等有条件的地区,可通过合理规划增加水面面积来增强城市降温增湿功能;第二,应严格控制私有汽车数量,尽可能地减少人为热排放,利用青海省有利的自然资源,发展太阳能、风能、水能等新能源,以减少煤、石油等化石燃料的使用量,减少温室气体排放量;第三,逐步将城北的高耗能、高污染的工厂、企业搬迁至生态容量较高、河谷下风向的城市郊区域;第四,可考虑在海湖新区等新型居住区发展新的大型商业中心,通过人流疏散的方式来缓解旧城区的热岛效应,同时也可以满足新型居住区居民的生活需求;另外可以发展市区周边的县城,逐渐吸引和分散人口。
5   结论
(1)1987—1995年,夏季白天,西宁市区和市郊温差不大,2000年以后,城市热源的分布明显增多,地表温度热源主要分布在三个区域:城市中心和居民新区等人口稠密的地区;工业园区;城区边缘地带的河谷裸土地。冬季白天,地表温度没有十分明显的高低极值,西宁市区从1989年起,就表现为一个“冷岛”。夏季的热岛区和冬季的冷岛区均随着西宁市城区发展有向东、西、南北四个方向扩展的趋势。
(2)西宁市热岛区面积变化在时间序列上有三个节点:2000年以前西宁市夏季和冬季白天各个热岛区面积变化不明显,2000年以后热岛区面积,尤其是较强热岛区面积和中热岛区面积都出现迅速增加的趋势;2003年热岛区面积达到最高,2003年以后热岛区面积渐渐回落;2011年以后又增强。
(3)夏季白天,热岛强度与西宁市区车辆数、建成区面积NDBI均值和人口数呈正相关,热岛强度与城市绿化率、城市NDVI均值、BCI指数呈负相关。冬季白天,西宁市热岛区面积与城市绿化率、NDVI均值、NDBI均值和BCI均值呈正相关,与市区车辆数、建成区面积呈负相关,相关系数分别为-0.177和-0.296,与人口的相关性不明显。
常庆瑞, 蒋平安, 周勇, 等. 2004. 遥感技术导论[M].北京: 科学出版社: 153-174. [Chang Q R, Jiang P A, Zhou Y, et al. 2004. Introduction to remote sensing technology [M]. Beijing: Science Press: 153-174.]
陈云浩, 宫阿都, 李京. 2006. 基于地表辐射亮温标准化的城市热环境遥感研究[J].中国矿业大学学报, 35(4): 462-467. [Chen Y H, Gong A D, Li J. 2006. Study of urban thermal environment using remote sensing data based on radiation normalization [J]. Journal of China University of Mining and Technology, 35(4): 462-467.]
黄金海. 2006. 杭州市热岛效应与植被覆盖关系的研究[D]. 杭州: 浙江大学. [Huang J H. 2006. Studies on the relationship between vegetation cover and urban heat island effect in Hangzhou [D]. Hangzhou: Zhejiang University.]
贾伟, 高小红. 2014. 河谷型城市热岛空间分布格局演变及对策——以西宁市区为例[J].地球信息科学学报, 16(4): 592-601. [Jia W, Gao X H. 2014. Analysis of urban heat island environment in a valley city for policy formulation: a case study of Xining City in Qinghai Province of China [J]. Journal of Geo-information Science, 16(4): 592-601.]
刘沁萍. 2013. 近20年来中国建成区扩张、建成区植被和热岛效应变化及其人文影响因素研究 [D].兰州: 兰州大学. [Liu Q P. 2013. Expansion of built-up areas, changes of vegetation and heat island effect in these areas, and human impact on the changes in China, 1992—2010 [D]. Lanzhou: Lanzhou University.]
浦苗苗. 2014. 基于Landsat数据的西安市热岛效应研究[D].西安: 长安大学. [Pu M M. 2014. The study of urban heat island effects about Xi’an city using Landsat data [D]. Xi’an: Chang’an University.]
青海省统计局, 国家统计局青海调查总队. 2015. 青海统计年鉴2015[M].北京: 中国统计出版社. [Qinghai Provincial Bureau of Statistics, NBS Survey Office in Qinghai. 2015. Qinghai statistical yearbook 2015 [M]. Beijing: China Statistics Press.]
寿亦萱, 张大林. 2012. 城市热岛效应的研究进展与展望[J].气象学报, 70(3): 338-353. [Shou Y X, Zhang D L. 2012. Recent advances in understanding urban heat island effects with some future prospects [J]. Acta Meteorology Sinica, 70(3): 338-353.]
司敏. 2013. 基于Landsat数据的城市热岛效应变化及预测研究——以天津市(滨海新区)为例[D].天津: 天津师范大学. [Si M. 2013. Research on change of urban heat island effect and prediction based on Landsat data — a case study of Tianjin (Binhai New Area) [D]. Tianjin: Tianjin Normal University.]
孙茂存, 李俊锋. 2015. 基于TM遥感影像数据的乌鲁木齐热岛效应分析[J].测绘通报, (5): 95-98. [Sun M C, Li J F. 2015. Analysis of heat island effect of Urumqi based on TM remote sensing image data [J]. Bulletin of Surveying and Mapping, (5): 95-98.]
孙飒梅, 卢昌义. 2002. 遥感监测城市热岛强度及其作为生态监测指标的探讨[J].厦门大学学报(自然科学版), 41(1): 66-70. [Sun S M, Lu C Y. 2002. Study on monitoring intensity of urban heat island and taking it as an indicator for urban ecosystem by remote sensing [J]. Journal of Xiamen University (Natural Science), 41(1): 66-70.]
覃志豪, 李文娟, 徐斌, 等. 2004. 陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感, (3): 28-32. [Qin Z H, Li W J, Xu B, et al. 2004. The estimation of land surface emissivity for Landsat TM6 [J]. Remote Sensing for Land & Resources, (3): 28-32.]
王建凯, 王开存, 王普才. 2007. 基于MODIS地表温度产品的北京城市热岛(冷岛)强度分析[J].遥感学报, 11(3): 330-339. [Wang J K, Wang K C, Wang P C. 2007. Urban heat (or cool) island over Beijing from MODIS land surface temperature [J]. Journal of Remote Sensing, 11(3): 330-339.]
王江山. 2004. 青海天气气候[M]. 北京: 气象出版社: 56-58. [Wang J S. 2004. Qinghai weather and climate [M]. Beijing: Meteorology Press: 56-58.]
王靓 , 孟庆岩, 吴俊, 等. 2015. 2015. 2005—2014年北京市主要城建区热岛强度时空格局分析[J].地球信息科学学报, 17(9): 1047-1054. [Wang L, Meng Q Y, Wu J, et al. 2015. Monitoring and analyzing spatio-temporal changes of heat island intensity in Beijing main urban construction area from 2005 to 2014 [J]. Journal of Geo-information Science, 17(9): 1047-1054.]
徐永明, 覃志豪, 朱焱. 2009. 基于遥感数据的苏州市热岛效应时空变化特征分析[J].地理科学, 29(4): 529-534. [Xu Y M, Qin Z H, Zhu Y. 2009. Spatial and temporal analysis of urban heat island in Suzhou city by remote sensing [J]. Scientia Geographica Sinica, 29(4): 529-534.]
杨鹏, 陈静, 侯晓玮, 等. 2013. 基于多源数据的城市热岛效应研究——以石家庄地区为例[J].气象, 39(10): 1304-1313. [Yang P, Chen J, Hou X W, et al. 2013. Study of urban heat island based on multi-source data — by the example of the Shijiazhuang area [J]. Meteorological Monthly, 39(10): 1304-1313.]
于斌, 刘峰贵, 周强, 等. 2008. 西宁市气温变化与热岛效应分析[J]. 安徽农业科学, 36(36): 16031-16033. [Yu B, Liu F G, Zhou Q, et al. 2008. Analysis of the air temperature changes and heat island effect in Xining City [J]. Journal of Anhui Agricultural Sciences, 36(36): 16031-16033.]
张建明, 王鹏龙, 马宁, 等. 2012. 河谷地形下兰州市城市热岛效应的时空演变研究[J].地理科学, 32(12): 1530-1537. [Zhang J M, Wang P L, Ma N, et al. 2012. Spatial-temporal evolution of urban heat island effect in basin valley — a case study of Lanzhou City [J]. Scientia Geographica Sinica, 32(12): 1530-1537.]
张忠孝. 2009. 青海地理[M]. 第二版. 北京: 科学出版社. [Zhang Z X. 2009. Qinghai geography [M]. 2nd ed. Beijing: Science Press.]
赵英时. 2002. 遥感应用分析原理与方法[M].北京: 科学出版社: 50-353. [Zhao Y S. 2002. Principle and method of remote sensing application analysis [M]. Beijing: Science Press: 50-353.]
稿件与作者信息
刘雪梅1, 2
LIU Xuemei1, 2
高小红1
GAO Xiaohong1
贾伟1
JIA Wei1
青海省科技厅自然科学基金项目(2016-ZJ-907)
Natural Science Fund Project of Qinghai Provincial Science & Technology Department(2016-ZJ-907)
出版历史
出版时间: 2018年10月19日 (版本2
参考文献列表中查看
地球环境学报
Journal of Earth Environment