杨 敏， 杨贵军， 王艳杰， 张勇峰， 张智宏， 孙晨红

(1.陕西省地震局，西安 710068； 2.国家农业信息化工程技术研究中心,北京 100097；3.农业部农业信息技术重点实验室,北京 100097； 4.北京市农业物联网工程技术研究中心,北京 100097； 5.西安中天纬地测绘科技有限公司,西安 710054；6.西安科技大学测绘科学与技术学院,西安 710054； 7.西安航天天绘数据技术有限公司,西安 710054)

0 引言

改革开放以来，我国城镇化政策多次变动，大体经历4个阶段： ①城镇化恢复发展阶段(1978—1984年)； ②城镇化平稳发展阶段(1984—1992年)； ③城镇化加速发展阶段(1992—2003年)； ④城镇化统筹发展阶段(2003年至今)[1]。现在，中国人口大约有40%居住在城市，快速的城镇化进程带来了诸多生态环境问题，城市表面热岛效应及其变化就是其中最为严重的问题之一[2-3]。城市热岛效应指的是城市中央区域的地表温度(land surface temperature，LST)明显高于郊区等城市边缘的LST，温度差值越大表示城市热岛效应越强，反之，温度差值越小表示城市热岛效应越弱[4-5]。交通、工业、商业和住宅区等人为热源的加剧导致热岛中心区域近地面气温高、空气密度小、气压低，大气做上升运动，与周围地区形成气压差异，从而在城市中心区域形成一个低压区，使生产、生活中产生的各种大气污染物在热岛中心区域聚集，危害人们的身体健康甚至生命[5]。因此，城市热岛效应的大小及模式已成为对许多城市气候研究的主要问题。对城市热岛效应的研究方法主要有气象资料分析法[6]、布点观测法[7]、数值模拟化法[8]和卫星遥感技术法[9-10]4种，其中卫星遥感技术法因能够大面积同步观测、时效性强、空间分辨率高而被广泛利用。目前，大量卫星遥感数据己应用于城市热岛效应研究，如NOAA/AVHRR[11]，Terra/Aqua MODIS/ASTER[12]，FY-2C[13]和Landsat TM/ETM+/TIRS[14-16]等数据。国内外学者对城市热岛效应的遥感研究主要有： Gallo等[17]在1993年通过分析城乡归一化植被指数(normalized difference vegetation index，NDVI)及LST差异，评估了最低气温对城市环境的的影响； Chen等[18]在2016年使用NDVI从不同时期的遥感影像中提取深圳市土地利用/覆盖信息，分析其与热红外波段反演的LST之间的关系，并通过城市不透水面分析了LST与城镇化之间的关系； Mathew等[19]在2016年研究了LST与不透水面面积及海拔的关系； Shen等[20]在2016年通过时空融合方法分析了武汉市连续26 a间高空间分辨率城市热岛效应发展模式及其与NDVI、不透水面面积及植被覆盖度之间的相关关系； 许飞等[21]在2014年在Hottel模型中利用TM数据模拟了城市屋顶在不同反射率下对太阳辐射的吸收过程进行模拟，结果表明“白屋顶计划”能有效缓解城市热岛效应。

北京市作为中国的首都，发展十分迅速。自城镇化加速发展阶段(1992—2003年)和城镇化统筹发展阶段(2003年至今)以来，北京市城区规模不断扩大，不透水面增多，城市能源消耗增大，这些都影响着城市的热岛分布格局。因此，研究和调查北京的城市热岛现象很有意义[18]。许多学者已做过广泛研究，Xu等[22]在2013年利用TM影像分析北京市城市热岛效应与NDVI等指数之间的时空分布关系； Peng等[23]在2016年研究北京市2001年以及2009年春夏秋冬4个季节的热岛效应和城市功能分区、景观类型与热岛效应之间的关系； Wang等[24]在2016年将北京—天津—河北城市群作为研究区域，结果表明城镇化进程对温度的影响显著，城市热岛效应随昼夜变化和季节变化而变化，并预测随着城市扩张，研究区的城市环境会越来越不适宜人们生活，特别是夜间环境； 杨可明等[25]在2014年基于V-I-S模型和全约束最小二乘混合像元分解模型来分析城市不透水面丰度与LST之间的关系，结果表明城市不透水面能够反映城市热环境的空间分布。对北京市热岛效应的研究成果已有很多，但很少有人从城镇化进程角度对热岛效应的发展模式进行研究。本文结合他人已有的研究成果，从定量(基于相对温度比例分级策略(relative percentage temperature grading strategy，RPGS)的热聚合指数(heat aggregation indicator，HAI))和定性(基于RPGS方法对地表亮度温度进行等级划分)2个方面研究城镇化进程的发展对北京市城市热岛效应时空变化的影响，旨在为政府部门进行合理的城区规划、减轻城市热岛效应的影响提供参考依据。

1 研究区概况及数据源

1.1 研究区概况

北京市位于E115.7°～117.4°，N39.4°～41.6°之间，总面积为16 807.8 km2，截至2014年底常驻人口总数为2 151.6万人[26]。自1978年改革开放以来，北京在40 a间发生了巨大变化，政治经济文化的快速发展使北京城区面积迅速扩张，城市下垫面变化很大。为了去除云污染以及图像拼接和相关问题对研究结果的影响，本文使用了覆盖北京绝大部分地区的单景Landsat卫星影像，因此本文研究区域为北京市部分区域(东城区、西城区、海淀区、朝阳区、丰台区、石景山区、顺义区及通州区这8个市辖区的全部区域以及房山区、大兴区和门头沟区的部分区域)。图1示出研究区位置。

图1 研究区位置Fig.1 Location of study area

1.2 数据及其预处理

1.2.1 日平均最高气温数据与理想时间窗口

本文从中国气象数据官网(http: //data.cma.cn)获取北京市1984—2014年间每天的日平均最高气温，然后计算出这31年日平均最高气温(图2)。在分析这些数据并考虑卫星数据可用性的基础上，选择一年中最热的5—9月作为热岛效应分析的“理想时间窗口”(图2中2条直线之间)。本文所有数据均选自这个时间范围。

图2 Landsat数据获取的理想时间Fig.2 Ideal time of Landsat data acquired

1.2.2 Landsat卫星数据

考虑到中国国民经济发展实行“五年计划”制度以及Landsat卫星数据的可获取性，本研究所用数据的间隔均在5 a左右，所用Landsat卫星数据均获取自美国地质调查局官网(http: //glovis.usgs.gov/)，并结合图2所示每一年份的数据优先选择5—9月份时间范围内的影像。Landsat5/7/8的载荷分别对应TM，ETM+和TIRS这3种传感器，本文所采用的3种传感器获取对应日期数据的部分参数如表1所示。

表1 所获取Landsat数据的部分参数Tab.1 Parameters of Landsat data acquired

对上述7景影像利用ENVI软件分别进行辐射定标、大气校正、几何纠正和裁剪等预处理，为后续研究提供基础影像数据。

2 研究方法

2.1 地表亮度温度生成

本文用Landsat数据直接反演地表亮度温度(以下简称为地表亮温)，作为LST来研究热岛效应。热红外波段数据经辐射定标之后，便可根据普朗克函数直接求解地表亮温[27]，其计算公式为

TB=K2/ln(K1/Lλ+1),

(1)

式中：TB为地表亮温，K；Lλ为热红外波段辐射亮度值； K1和K2为常量[27]。在本文中，地表亮度温度、地表亮温与地表温度(LST)是同义语。

2.2 地表亮温等级划分

为了减少温度波动带来的影响，本文采用Shen等[20]提出的RPGS方法确定本文地表亮温的等级划分标准以生成温度图。RPGS方法利用相对百分比范围划分LST数据，参考各个地物类别在研究区范围内所占的比例确定阈值。本文对7期Landsat影像进行最大似然分类，将地物主要分为5类： 水体、高大植被、低矮植被、裸土以及不透水面(如瓦片、沥青、水泥混凝土等材料构成的建筑物、路面和停车场等)，每一类最高温和最低温之间的温差都在10 K以上。分类结果见表2。

表2 7期Landsat影像中各覆盖类别最小/最大/平均LST及面积比例Tab.2 Minimum / maximum / average of LST and area ratio for classes of coverage in Landsat images acquired in seven periods

考虑到一般地表覆盖类型的温度由低到高分别为水体/森林、农田、裸土、农村居民用地、其他建设用地和城镇用地，以分类结果为参考，将水体和高大植被作为低温区、低矮植被作为亚低温区、裸土作为中温区、不透水面作为亚高温区和高温区，得到本文的RPGS方法地表亮温等级划分标准(表3)。

表3 RPGS方法温度等级划分Tab.3 Classification of temperature grades based on RPGS method

本文的研究重点是高温区和亚高温区的转移趋势，故文中所有日期的数据均采用表3中的温度等级划分标准，以确保每一个温度等级中的像元个数不发生变化。采用RPGS方法能够清晰地观察到时间序列上的热转移趋势。

3 结果与分析

3.1 城市热分布演变过程定性分析

根据2.1节描述的地表亮温的生成方法以及2.2节中表3所列的地表亮温等级划分方法，生成1985，1991，1995，2001，2005，2011和2015年这7 a的北京市LST分级分布图(图3)。图中表现出明显的规律，能够清晰地反映城市热岛效应的演变过程。

(a) 1985年(b) 1991年 (c) 1995年 (d) 2001年

(e) 2005年(f) 2011年 (g) 2015年

图3LST分级分布图

Fig.3DistributionofLSTgrades

图3中所有的影像都是采用RPGS方法划分的，每一景影像中每一温度区域的像元个数均未发生变化，统一的划分标准可以清楚地从时间序列数据中反映出城市的热转移趋势。图3中一系列的地表亮温分级图表明，市中心的温度均持续高于周边郊区(农村)的温度。高温区(红色)及亚高温区(黄色)主要分布在市区，且随着时间的推移和城镇化进程的加快，城区范围不断扩大，城区内工业发达、商业繁华、人口增多，郊区则大部分变为城区，绿化、裸土面积减小； 因此，高温区域和亚高温区域由原来的市中心和郊区裸土区域逐渐扩展为集中分布在整个城区内。由于城区的扩展，高温区和亚高温区就由早些年的集中分布在东城区和西城区向外扩展为若干个小热岛，分布在整个北京市的市中心。值得注意的是，随着城镇化进程的发展阶段不同，高温区也呈现不同的演化模式。早期的高温区绝大部分集中在东城区、西城区等老城区，亚高温区则围绕着高温区分布； 与高温区的分布相比，亚高温区的分布较为分散且温度等级分布几乎没有什么变化，主要表现在1985年和1991年，该时间段为城镇化进程的平稳发展阶段，城镇化进程缓慢，地表覆盖变化不大，引起热岛效应的因子几乎不变。中期高温区慢慢向老城区之外的区域扩展，但分布仍较为集中； 亚高温区则在向郊区(农村)扩展； 市中心的亚低温区域增多，主要表现在1995年和2001年(对应着城镇化进程的加速发展阶段)，从影像图中可看出该期间北京市城区已经扩展至整个五环线，建筑面积急剧增多，因此热岛区域也由市中心向外扩展。自2005年起，高温区零零散散地分布于整个五环或者六环区域内，形成一些零星的小热岛区域，而市中心由原来的大部分属于高温区域变为绝大部分属于亚高温区域。2005年至今，整个北京市已经形成一个整体亚高温和局部高温的组合模式。

经分析发现了一个有趣的现象，即热岛效应最严重的地区由原来集中分布在老城区变为离散分布于几个局部地区。为了将上述热岛现象的演变模式在更小的尺度展现出来，本文对市中心的东西城区(东城区和西城区)、朝阳区、海淀区及石景山区做进一步分析。为了确保更清晰的对比，根据前文所说的中国城镇化进程发展阶段，将本文所用Landsat影像分为3个时段，分别为1985—1991年、1995—2001年和2005—2015年。对每个时段的影像求LST平均值，之后仍然采用2.2节中的地表亮温等级划分方法，生成LST分布分级图(图4)。图4(a)—(c)是东、西城区阶段性热演变图。东、西城区是北京市老城区，从图中可以看出，高温区域大面积集中分布在东、西城区； 随着时间的流逝，高温区范围急剧缩小且变得分散； 在最新时段(2005—2015年)，老城区只剩下一个小范围的高温区，该高温区位于大栅栏商业街区，该街区人口众多、胡同密集、建筑物覆盖度很高而植被覆盖度很低(图4(a)—(c)中的方框区域)。

(a) 东西城区(1985—1991年)(b) 东西城区(1995—2001年) (c) 东西城区(2005—2015年)

(d) 朝阳区(1985—1991年)(e) 朝阳区(1995—2001年)(f) 朝阳区(2005—2015年)

(g) 海淀区(1985—1991年)(h) 海淀区(1995—2001年) (i) 海淀区(2005—2015年)

图4-1各时段Landsat影像平均LST演变图

Fig.4-1EvolutionofaverageLSTofLandsatimageindifferentstages

(j) 石景山区(1985—1991年) (k) 石景山区(1995—2001年) (l) 石景山区(2005—2015年)

图4-2各时段Landsat影像平均LST演变图

Fig.4-2EvolutionofaverageLSTofLandsatimageindifferentstages

图4(d)—(f)是朝阳区阶段性热演变图，2个方框内的热分布均发生了显著变化。上面方框内高温区域及亚高温区域逐渐分散，结合图5[28]可以看出，这部分区域的热源主要来自大型购物中心； 而下面方框与上面方框内的热分布趋势恰恰相反，结合图6可知，新增加的不透水面中有很多工厂区，包括金属厂、面粉厂、印刷厂和纸品厂等高温热源。

(a) 2000年以前 (b) 2010年前 (c) 2013年前

图5大型购物中心分布变化情况

Fig.5Changesindistributionoflargeshoppingmalls

(a) 北京市工厂区(蓝灰色点)(b) 2015年热分布图

图6热分布与工厂区和住宅区之间的关系

(搜索自腾讯地图： 圆形(或椭圆形)内是工厂密集区，方框内是住宅区)

Fig.6Relationshipbetweenthermaldistributionandfactoryareaaswellasresidentialarea

图6展示了热分布与工厂区和住宅区之间的关系。图6(a)是在腾讯地图(http: //map.qq.com/)搜索北京市工厂区后的位置示意图，图6(b)是与6(a)对应的热分布图。图6(a)只是网页截图，无法获取更详细、更精确的信息，但可以通过视觉简单比较工厂分布与热分布的关系，能够发现在工厂密集分布的区域(图6中的圆形(或椭圆形)区域)，高温区与亚高温区分布也相对密集。值得注意的是，虽然住宅区(图6中的方框区域)人口密度较高，建筑物也较多，但其高温区(或亚高温区)并不多。这表明，工厂区对热分布的影响远远大于住宅区对热分布的影响。

图4(g)—(i)是海淀区阶段性热演变图。海淀区的热分布大部分属于亚高温区且总体变化不大，只有局部变得离散，且热岛区域均集中在东部和南部区域。结合图5和图7(图7引自“北京市第三次全国经济普查数据可视化系统”的“统计图库”)可以看出，海淀区的大型购物中心以及能源消耗较大区域均在东部和南部，故在东部和南部呈现热岛现象。海淀区中部和西部有颐和园、植物园、香山等历史名胜和自然风景区，北部有许多的农田和村庄。因此，海淀区高温区域集中在东部和南部区域。海淀区的东部和南部区域作为老城区，变化不是很大，故一直是高温或亚高温区域。

(a) 海淀区 (b) 石景山区

图72014年能源消耗合计

Fig.7Totalenergyconsumptionin2014

图4(j)—(l)是石景山区阶段性热演变图。早期阶段高温区和亚高温区聚集在老城区，随着时间的推移而分散，圆圈内高温区略微变小且变得离散，亚高温区略微变大。结合图7(b)可知，圆圈区域属于石景山区能源消耗最多的广宁街道和古城街道，这是因为自1919年首钢兴建以来，石景山区成为北京市的重工业区[29]，特别是广宁街道； 而随着工业的发展，古城街道也变成石景山区的政治经济中心。故石景山区热岛区域整体变化不大。

值得注意的是，建筑物低矮密集且低植被覆盖区域的温度远远高于建筑物高大稀疏且高植被覆盖区域的温度，如图8所示。

(a) 2015年全色影像(部分)(b) 对应(a)中A区域 (c) 对应(a)中B区域

图8建筑物低矮密集且低植被覆盖区域(A)和建筑物高大稀疏且高植被覆盖区域(B)温度分级

Fig.8Temperaturegradesoflow-vegetation-coveredareaswithlow-denseofbuildings

(A)andhigh-vegetation-coveredareaswithtall-sparseofbuildings(B)

图8(b)是选取的二环线周围建筑物低矮密集且低植被覆盖区域(东至前门大街，西至南新华街，北至前门西大街，南至珠市口西大街)，图8(c)是建筑物高大稀疏且高植被覆盖区域(东至工人体育场东路，西至二环线，北至工人体育场北路，南至朝阳门外大街)，图8(b)和(c)均是结合2015年的Landsat全色影像(图8(a))从2015年地表亮温分级图中选取的。由图8可以看出，在建筑物高度较高、密度较低、植被覆盖度较大的区域，LST相对较低，更适宜居住。

3.2 热聚合和热岛强度演变过程定量分析

利用基于RPGS的HAI描述高温区及亚高温区的聚合度。HAI是对利用RPGS方法进行温度等级划分之后，选择感兴趣区域内的高温区或者亚高温区的像元个数(或面积)进行统计记录的方法。本文选择东西城区、四环路和五环路3个典型区域。图9是东西城区、四环路、五环路在1985年的最大似然分类结果图中的位置示意图，其中东西城区根据2007年北京行政矢量图划分，四环路和五环路根据2015年卫星影像划分。图10为以上3个区域内高温区、高温区与亚高温区之和的HAI。

图9 用于定量研究地表城市热岛效应的区域(1985年) (从内到外分别是： 东西城区、四环路、五环路)Fig.9 Areas for quantitative study of surface urban heat island effect in 1985

(a) 东西城区高温区 (b) 四环路高温区 (c) 五环路高温区

(d) 东西城区高温区与亚高温区之和 (e) 四环路高温区与亚高温区之和(f) 五环路高温区与亚高温区之和

图101985—2015年北京市HAI

Fig.10Beijingheataggregationindicatorsfrom1985to2015

由图10可以明显看出，不管是东西城区、四环路还是五环路，无论是高温区还是高温区与亚高温区之和，像元个数整体上均呈波动下降趋势，表明城镇化导致郊区变城区、高温区域由聚集于原来的老城区变成散布于扩建后的整个城区。因此，随着时间的流逝，东西城区、四环路和五环路高温区域像元个数均呈波动下降趋势。事实上，HAI定量分析结果表现出与图3和图4所示城市热岛演变过程具有高度一致性。HAI变化的主要原因是，亚高温区已经趋于稳定状态，而高温区呈分散趋势，与北京市的城镇化进程模式一致。

图3、图4和图10均显示出北京市城市热岛效应呈波动下降的趋势，随时间流逝没有大范围成片热聚集区，这和以前报道的对北京市热岛效应的研究结果不太一致，其主要原因为国家政策影响城镇化进程，进而影响到城市土地覆盖变化的发展模式。

4 结论与建议

本文以经筛选的1985年、1991年、1995年、2001年、2005年、2011年和2015年7个时段内的Landsat卫星数据为基础，采用遥感手段，分析了北京市城市热岛效应的时空变化特征，得到如下结论：

1)考虑到国家政策对城镇化进程的影响，本文使用7个时段的Landsat卫星数据分析北京市热岛效应热转移趋势。一方面，随着北京市城镇化进程的发展，在1985—2015年间温度较高的区域(高温区和亚高温区)一直集中在城区范围内，城中央明显的大范围高温区域形成岛状结构； 另一方面，高温区已从东西城区向海淀、丰台、石景山等区域转移，导致高温区域越来越分散，东西城区高温区大部分被亚高温区所替代，整个研究区已无大范围聚集的高温区，取而代之的是零星分布的小热岛区域。

2)对城市热分布演变过程的定性分析结果表明，在工厂密集、大型购物中心较多、住宅区分布较广的区域，高温区与亚高温区分布也相对较密集，但呈递减趋势。究其原因可能是，虽然住宅区人口密度大、建筑物分布密集，但是住宅区能源消耗合计没有工厂区大，绿化程度比工厂区高，且没有明显的热源。此结论对城市规划具有重要意义，可为相关部门合理规划工业园区分布以减轻城市热岛效应的影响提供参考依据。

综上所述，如何缓解或尽量减轻城市热岛效应将是一个非常值得研究讨论的话题。本文的研究考虑到城市绿地面积可有效减轻城市热岛效应的影响，建筑物等地物的密集则会加重城市热岛效应，可给出在以后的城市规划中应该避免高密度低层且低植被覆盖住宅区的建设等建议。

本文在研究热岛效应的时空变化特征中，虽然用到的遥感影像数据的时间间隔相对于已有研究已经大大缩小，但是时间间隔仍然相差了5 a左右，5 a的时间内城市可能已经发生了很大的变化； 因此，后续的研究应进一步缩小遥感影像数据获取的时间间隔，争取做到1 a的时间分辨率。另外，城市热岛效应会随季节而变化，也会随昼夜而变化，故在研究城市热岛效应时，对气温测量的合适季节与昼夜时刻，以及对应遥感数据类型与时相的选择方法也值得进一步调查研究。