成都城市下垫面变化对地表热场的影响

宋云帆; 闵文彬; 彭骏

doi:10.13718/j.cnki.xdzk.2022.07.021

成都城市下垫面变化对地表热场的影响

中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610071

基金项目: 国家自然科学基金项目(42071410); 国家高分辨率对地观测重大专项(30-H30C01-9004-19/21)

详细信息

作者简介:
宋云帆，硕士，助理研究员，主要从事卫星遥感技术的应用研究 .

通讯作者: 闵文彬，研究员;

中图分类号: TP79

Effects of Underlying Surface Change on Variation of Urban Thermal Characteristics in Chengdu

Institute of Plateau Meteorology, CMA/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610071, China

摘要: 利用2001年和2018年MODIS夏季地表温度产品, 结合地表覆盖类型及植被指数数据, 对比分析了成都市夏季城市热岛和热场强度的昼夜时空分布特征及变化, 并重点分析了成都地表热场与城市建筑用地面积、植被覆盖度的关系. 结果表明: ① 2001年到2018年, 成都市夏季城市地表热场发生了显著的变化, 中心城区、近郊及远郊区县热岛范围均明显扩大, 由多中心热岛发展为主城区与邻近郊县连城一片; 热岛效应昼夜变化明显. ②成都市城市不透水面面积增加了763.33 km², 强热岛面积增加了610 km²; 城市不透水面与城市热岛区域分布及面积变化密切相关. ③成都市整体热场强度表现为西低东高的特征, 热场强度高温区与植被覆盖度呈负相关关系, 白天相关性明显优于夜晚.
- 下垫面变化 /
- 城市热岛 /
- 热场强度 /
- 中分辨率成像光谱仪 /
- 植被覆盖度
Abstract: Using 2001 and 2018 MODIS summer land surface temperature, combined with landcover and Normalized difference value vegetation index (NDVI) data, the diurnal and spatial distribution characteristics and changes of urban heat island and heat field intensity in Chengdu in summer were comparatively analyzed, and the relationship between surface heat field and urban construction land area and vegetation coverage in Chengdu was intensively analyzed. The results showed that: ① From 2001 to 2018, the urban surface heat field of Chengdu had a great change. The range of heat island in the central urban area, suburban and suburban counties was significantly expanded, and the main urban area was developed from a multi-center heat island to main urban area adjacent to the suburban counties. The diurnal change of heat island effect was significant. ② The impervious surface area and strong heat island area increased by 763.33 km² and 610 km², respectively. The change of impervious surface area was closely related to the regional distribution and area change of the heat island. ③ The overall distribution of heat island in Chengdu was low in the west and high in the east. The relationship between heat field intensity and vegetation coverage was negatively correlated.
- underlying surface change /
- urban heat island /
- heat field intensity /
- MODIS /
- vegetation coverage .

图 1 研究区域概况图

下载: 全尺寸图片幻灯片

图 2 成都市热岛分布图(蓝色线条内为平原区)

下载: 全尺寸图片幻灯片

图 3 土地覆盖类型图

下载: 全尺寸图片幻灯片

图 4 成都市各区县市城市不透水面及热岛面积变化统计图

下载: 全尺寸图片幻灯片

图 5 成都市植被覆盖度分布图

下载: 全尺寸图片幻灯片

图 6 成都市热场强度分布图

下载: 全尺寸图片幻灯片

图 7 热场强度与植被覆盖度相关系数图

下载: 全尺寸图片幻灯片

表 1 热岛强度等级划分表

热岛强度划分方法	热岛强度等级	热岛强度划分方法	热岛强度等级
UHII_i＞μ+std	强热岛区	μ-std≤UHII_ii≤μ-0.5std	弱冷岛区
μ+0.5std≤UHII_ii≤μ+std	弱热岛区	UHII_ii≤μ-std	强冷岛区
μ-0.5std≤UHII_ii≤μ+0.5std	过渡区

下载: 导出CSV

表 2 热场强度等级划分表

热场强度指数划分	热场强度等级	热场强度指数划分	热场强度等级
0＜HFII_i＜0.57	低温区	0.75≤HFII_i＜0.9	次高温区
0.57≤HFII_i＜0.6	次低温区	0.9≤HFII_i＜1	高温区
0.6≤HFII_i＜0.75	中温区

下载: 导出CSV

表 3 2001年和2018年热岛面积变化统计表 km²

时间/变化量	强热岛区		弱热岛区		过渡区		弱冷岛区		强冷岛区
时间/变化量	总体	平原区	总体	平原区	总体	平原区	总体	平原区	总体	平原区
2001年白天	27 580	539	1 510	715	7 031	5 038	1 812	981	1 609	1
2018年白天	1 557	1 150	3 398	1 638	6 144	4 388	871	96	2 451	1
2001年夜晚	282	282	1 052	1 048	10 709	5 948	475	0	1 968	0
2018年夜晚	539	535	3 217	2 065	8 283	4 664	689	0	1 630	0
白天变化量	-1 019	610	1 892	923	-887	-650	-941	-884	841	0
夜晚变化量	258	253	2 165	1 017	-2 426	-1 284	214	0	-338	0

下载: 导出CSV

[1]	陈云浩, 李京, 李晓兵. 城市空间热环境遥感分析: 格局、过程、模拟与影响[M]. 北京: 科学出版社, 2004.
[2]	胡华浪, 陈云浩, 宫阿都. 城市热岛的遥感研究进展[J]. 国土资源遥感, 2005, 17(3): 5-9, 13. doi: 10.3969/j.issn.1001-070X.2005.03.002
[3]	任金华, 吴绍华, 周生路, 等. 城市不透水面遥感研究进展[J]. 国土资源遥感, 2012, 24(4): 8-15. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-GTYG201204003.htm
[4]	STREUTKER D R. Satellite-Measured Growth of the Urban Heat Island of Houston, Texas[J]. Remote Sensing of Environment, 2003, 85(3): 282-289. doi: 10.1016/S0034-4257(03)00007-5
[5]	SOBRINO J A, OLTRA-CARRIÓ R, SÒRIA G, et al. Impact of Spatial Resolution and Satellite Overpass Time on Evaluation of the Surface Urban Heat Island Effects[J]. Remote Sensing of Environment, 2012, 117: 50-56. doi: 10.1016/j.rse.2011.04.042
[6]	MEMON R A, LEUNG D Y C, LIU C H. An Investigation of Urban Heat Island Intensity (UHⅡ) as an Indicator of Urban Heating[J]. Atmospheric Research, 2009, 94(3): 491-500. doi: 10.1016/j.atmosres.2009.07.006
[7]	孙铁钢, 肖荣波, 蔡云楠, 等. 城市热环境定量评价技术研究进展及发展趋势[J]. 应用生态学报, 2016, 27(8): 2717-2728. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB201608040.htm
[8]	杨朝斌, 何兴元, 张树文, 等. 基于Landsat 8的城市热岛效应与地表因子关系研究——以长春市为例[J]. 干旱区资源与环境, 2016, 30(12): 110-115. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-GHZH201612017.htm
[9]	何炳伟, 赵伟, 李爱农, 等. 基于Landsat 8遥感影像的新旧城区热环境特征对比研究——以成都市为例[J]. 遥感技术与应用, 2017, 32(6): 1141-1150. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201706019.htm
[10]	张好, 徐涵秋, 李乐, 等. 成都市热岛效应与城市空间发展关系分析[J]. 地球信息科学学报, 2014, 16(1): 70-78. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201401012.htm
[11]	陈颖锋, 王玉宽, 傅斌, 等. 成渝城市群城镇化的热岛效应[J]. 生态学杂志, 2015, 34(12): 3494-3501. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201512031.htm
[12]	张顺谦, 周长艳. 成都市晴天热岛效应的时空分布特征与成因[J]. 应用生态学报, 2013, 24(7): 1962-1968. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB201307026.htm
[13]	但尚铭, 但玻, 杨秀蓉, 等. 卫星遥感成都平原城市热岛效应的动态特征[J]. 环境科学与技术, 2009, 32(7): 10-13. doi: 10.3969/j.issn.1003-6504.2009.07.003
[14]	曾胜兰. 道路建设对成都市热岛效应的影响[J]. 生态环境学报, 2014, 23(10): 1622-1627. doi: 10.3969/j.issn.1674-5906.2014.10.009
[15]	李晓敏, 曾胜兰. 成都、重庆城市热岛效应特征对比[J]. 气象科技, 2015, 43(5): 888-897. doi: 10.3969/j.issn.1671-6345.2015.05.018
[16]	程志刚, 杨欣悦, 孙晨, 等. 成都地区夏季城市热岛变化及其与城市发展的关系[J]. 气候变化研究进展, 2016, 12(4): 322-331. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-QHBH201604009.htm
[17]	胡毅, 朱克云, 李跃春, 等. 成都平原中西部近40年气候特征及其变化研究[J]. 成都信息工程学院学报, 2004, 19(2): 223-231. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-CDQX200402019.htm
[18]	XU Y D, YU L, PENG D L, et al. Annual 30-m Land Use/Land Cover Maps of China for 1980-2015 from the Integration of AVHRR, MODIS and Landsat Data Using the BFAST Algorithm[J]. Science China Earth Sciences, 2020, 63(9): 1390-1407. doi: 10.1007/s11430-019-9606-4
[19]	叶彩华, 刘勇洪, 刘伟东, 等. 城市地表热环境遥感监测指标研究及应用[J]. 气象科技, 2011, 39(1): 95-101. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-QXKJ201101019.htm
[20]	陈松林, 王天星. 等间距法和均值标准差法界定城市热岛的对比研究[J]. 地球信息科学学报, 2009, 11(2): 145-150. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX200902001.htm
[21]	潘莹, 崔林林, 刘昌脉, 等. 基于MODIS数据的重庆市城市热岛效应时空分析[J]. 生态学杂志, 2018, 37(12): 3736-3745. doi: https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201812032.htm
[22]	肖洋, 熊勤犁, 欧阳志云, 等. 基于MODIS数据的重庆市植被覆盖度动态变化研究[J]. 西南大学学报(自然科学版), 2013, 35(7): 121-126. doi: http://xbgjxt.swu.edu.cn/article/id/jsuns20120208

图( 7) 表( 3)

计量

文章访问数: 3398
HTML全文浏览数: 3398
PDF下载数: 113
施引文献: 0

全文HTML

开放科学(资源服务)标志码(OSID):
城市热岛是指城区气温高、郊区气温低的现象，在温度空间分布上，城市犹如一个温暖的岛屿^[1-2]. 随着城市化进程的加快，城市高楼林立、街道纵横，致使城区风速减弱，空气流通受阻，热量不能及时散发，这是热岛效应产生的原因之一^[3-5]. 传统的气象站点气温差异热岛分析方法^[6]由于气象站点有限，很难全面掌握城市热岛的空间分布信息^[7]，对于研究城市热岛的空间分布规律、影响因素等存在一定的局限性. 随着卫星遥感技术的进步，遥感监测成为了研究城市热环境的重要手段. 大量学者通过对遥感反演的地表温度、植被指数和地表分类信息的分析研究，说明了城市不透水面是城市热岛效应的重要驱动机制，植被指数变化是城市热岛的一个重要影响因素^[8-9]. 因此聚焦于城市发展引起的下垫面性质变化，对城市热岛的空间分布及强度变化影响进行分析，对于我国未来城市化发展规划具有重要意义.

成都市作为四川省省会、特大城市，近年来社会经济高速发展，城市化进程发展迅速，导致城市热岛效应也越来越明显^[10-11]，针对这一现象许多专家学者进行了多方面的研究. 张顺谦等^[12]基于劈窗算法，使用MODIS数据分析了2005-2016年成都市热岛效应的时空变化特征，并提出成都市热岛最大峰值出现在7月份. 但尚铭等^[13]发现成都属于强热岛类型，强度高于平原内其他中小城市，具有明显的季节特征，夏季最强，春秋次之，冬季最弱. 曾胜兰^[14]指出成都市热岛效应呈现多热中心的分布模式，明显强于其他大、中、小型城市. 李晓敏等^[15]应用MODIS地表温度数据发现成都市的城市热岛效应呈现环状分布特征，且强热岛范围在2003-2014年间不断扩大. 程志刚等^[16]研究表明成都地区2000-2010年间夏季热环境变化显著，昼夜变化明显，白天热岛强于夜晚，城市热岛发展与日较差、人口等因素有较好的相关性. 但目前针对成都地表热场的研究多集中分析其时空分布及演变规律，探讨下垫面对成都地表热场影响的研究较少. 成都城市化导致城区不透水面快速增加，以及成都对环境的建设和治理使得郊区植被覆盖增加，均改变了原有下垫面的物理性质，对地表热环境造成影响. 因此聚焦于研究成都城市下垫面变化对地表热场的影响显得尤为重要.

本研究以2001年和2018年MODIS数据反演的地表温度为基础，结合植被指数和地表分类数据，对比了成都市2001年和2018年城市热岛和热场强度的空间分布变化，重点分析了成都市地表热场与城市不透水面、植被覆盖度之间的联系. 研究结果可为成都市城市规划和热环境整治及管理提供科学依据.

2. 数据和方法

2.1. 数据来源及预处理

地表温度数据采用MODIS数据反演的MOD11A1日温度产品，空间分辨率为1 km×1 km；由于成都地区多云多雨，而地表温度数据只有在晴空条件下才能获取，本研究选取晴空较多且热岛效应最明显的夏季(6月份)数据进行研究.

结合GLC土地分类结果^[18]以及成都市地表的实地踏查，对MCD12Q1地表覆盖数据产品中成都行政区划内进行了部分修正；地表覆盖数据空间分辨率为500 m×500 m. 归一化植被指数数据采用MOD13A1产品，分辨率为500 m×500 m；为了对比分析更为科学准确，本研究选取与地表温度数据时间相近的数据. 遥感数据的预处理包括拼接、重投影、重采样和裁剪.

2.2. 研究方法

2.2.1. 热岛强度指数

城市热岛强度指数(Urban Heat Island Intensity Index，UHII)即城市地表温度与郊区乡村地表温度值之差^[19]，用于反映城区与郊区乡村地表温度的差别. 热岛强度表达式为：

式中：UHII_i为第i个像元对应的热岛强度指数；T_i为第i个像元的绝对地表温度值；n为选取的郊区农田范围内有效像元数；T_crop为选取的郊区农田范围内绝对地表温度值.

为了分析热岛空间分布的年际变化，使结果具有可比性，本研究依据均值—标准差法将成都市范围内热岛强度分为5级，如表 1所示. 标准差(std)是对地表温度偏离温度均值(μ)的反映，较常用的等间距密度分割法更能反映城市热岛温度变异的细节^[20].

2.2.2. 热场强度指数

鉴于城市热岛研究侧重下垫面温度相对高低的空间分布特征，同时为了消除不同年份获取数据时由于时相差异存在的误差，本研究引入了热场强度指数(Heat Field Intensity Index，HFII). 热场强度指数即热场的归一化，能反映影像热场分布的相对高温、低温范围和位置信息，具有热场指示意义^[21]，其表达式为：

式中：HFII_i为第i个像元对应的热场强度指数；T_i为第i个像元的绝对地表温度值；T_min为研究范围内绝对地表温度值最小值；T_max研究范围内绝对地表温度值最小值. HFII_i的取值范围为：0~1，其值越大，表示高温现象越明显. 根据已有研究并结合研究区实际情况，将热场强度指数分为5个等级，如表 2所示.

2.2.3. 植被覆盖度

归一化植被指数(NDVI)是植被生长状态及植被覆盖度的最佳指示因子，本研究基于NDVI数据，利用像元二分模型估算成都市范围内的植被覆盖度^[22]，计算公式如下：

式中：NDVI_min为裸土或无植被覆盖区域的NDVI值；NDVI_max为完全由植被覆盖区域的NDVI值.

计算植被覆盖度时，通常根据研究区影像实际情况设置NDVI的上下阈值，来代表NDVI_max和NDVI_min，在一定程度上减弱遥感影像噪声带来的误差影响. 本研究通过分析研究区域NDVI数据，采用0.5%和99.5%的置信区间.

4. 结论

本研究利用MODIS地表温度数据结合地表覆盖类型数据、植被指数数据，研究成都地区地表热场的变化特征及其与下垫面变化之间的关系，得到以下主要结论：

① 成都市热岛效应明显，2001年到2018年热岛面积显著增大，平原区内白天热岛分布由2001年强热岛主要集中于主城区同时在近郊区县呈点状分布，转变为2018年主城区与近郊连成一片. 成都市热岛效应昼夜差异明显，夜晚热岛分布主要集中在主城区，强度和面积均小于白天. 2001年白天龙泉山脉以东出现了大面积强热岛现象，显著大于2018年同区域强热岛面积.

② 2001年到2018年热场强度高温区位置分布与变化趋势在白天与热岛效应变化相似，夜晚出现大面积次高温区，表明成都市夜间温差比白天小.

③ 城市热岛与城市不透水面对比分析发现，平原区内热岛分布及变化与城市不透水面变化具有较高的一致性. 城市高速发展造成的城市不透水面面积增加是导致成都市热岛效应不断增强的主要因素之一.

④ 高温区和中温区热场强度与植被覆盖度在白天负相关性显著，2001年龙泉山脉以东白天出现的大面积强热场与该时期植被覆盖度较低密切相关. 表明植被覆盖度也是影响成都市地表热场的重要因素之一.

本研究以成都市热场变化为研究对象，分析了其与下垫面覆盖类型中的建筑区面积和植被覆盖度之间的变化关系，探讨了城市发展进程中下垫面变化对城市热场时空变化的影响机理，结果可为相关部门制定热环境整治和建筑区规划政策提供思路.

参考文献 (22)

姓名
	姓名不能为空！
邮箱
	邮箱不能为空！非法的邮箱地址。
手机号码
	电话不能为空！请输入有效手机号!
标题
	标题不能为空！
留言内容
	内容不能为空！
验证码
	验证码不能为空！验证码错误！

留言板

成都城市下垫面变化对地表热场的影响

中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610071

作者简介:
宋云帆，硕士，助理研究员，主要从事卫星遥感技术的应用研究 .

通讯作者: 闵文彬，研究员;

Effects of Underlying Surface Change on Variation of Urban Thermal Characteristics in Chengdu

Institute of Plateau Meteorology, CMA/Heavy Rain and Drought-Flood Disasters in Plateau and Basin Key Laboratory of Sichuan Province, Chengdu 610071, China

计量

成都城市下垫面变化对地表热场的影响

通讯作者: 闵文彬，研究员;

作者简介: 宋云帆，硕士，助理研究员，主要从事卫星遥感技术的应用研究
中国气象局成都高原气象研究所/高原与盆地暴雨旱涝灾害四川省重点实验室, 成都 610071

English Abstract