刘祖昱, 杨维芳, *,吕建伟,李德宴,李蓉蓉

基于Landsat影像的西宁市不透水面时空演变及其增温效应分析

刘祖昱1, 2, 3, 杨维芳1, 2, 3, *,吕建伟1, 2, 3,李德宴1, 2, 3,李蓉蓉1, 2, 3

1. 兰州交通大学测绘与地理信息学院, 兰州 730070 2. 地理国情监测技术应用国家地方联合工程研究中心, 兰州 730070 3. 甘肃省地理国情监测工程实验室, 兰州 730070

深入探讨城市不透水面时空演变及其对城市热环境的影响, 对于促进城市协调发展和优化城市生态系统意义重大。以西宁市2001、2009和2017年Landsat TM/OLI影像为数据源, 利用增强型归一化差值不透水面指数提取不透水面, 采用单窗算法反演地表温度, 分析了西宁市不透水面和地表温度的时空分布特征, 并对二者进行回归分析和对比分析, 研究了不透水面的增温效应。结果表明: (1)2001—2017年西宁市不透水面扩张显著, 总面积由41.58 km2增长到96.23 km2, 年增长率高达8.22%; (2)2001-2017年, 不透水面下垫面温度分布主要以中温区、次高温区和高温区为主, 且中温区、次高温区比例呈下降态势, 而高温区比例持续上升, 高温区面积由2001年5.36 km2增长到2017年的37.91 km2, 年增长率达12.8%; (3)城西区、城中区、城东区高温区的增长主要集中在前期, 而城北区高温区在整个研究期均呈显著增长; (4)不透水面覆盖比例与地表温度正相关, 不透水面比例每增加0.1, 地表温度增加0.7-1 ℃, 城市不透水面增加对地表温度的升高和城市热环境的恶化作用明显; (5)各城区不透水面增温效应存在差异性, 城北区不透水面增温效应最强, 城中区、城西区不透水面增温效应最弱。

不透水面; 地表温度; 时空演变; 增温效应

0 引言

当前, 世界经济发展日新月异, 城市化是经济发展带动下必然产生的趋势, 据统计世界上有一半的人口居住在城市里, 而上个世纪末城市人口仅占四分之一[1]。城市化进程的不断推进, 导致土地利用类型快速转变, 大量以植被、湿地、森林、土壤为主的自然景观逐渐被沥青、水泥等高储热性能的人工材料所替代[2]。人们对城市土地资源的开发利用, 从根本上改变了城市地表构成, 进而改变城市生态环境[3]。城市生态环境问题也逐渐影响了人类的活动及身心健康, 这种恶性的人地关系促使城市生态环境问题日趋严重, 受到学术、政府、公众等社会各方面广泛关注[4]。

不透水面是指如道路、沥青、水泥等水不能通过其下渗到土壤中的城市人工景观[5]。不透水面作为城市地表构成的重要部分, 其景观的面积、格局变化等特征, 可定量反映城市的扩张变化, 并可表征城市化的进度, 对于城市规划、环境和资源管理具有重要意义。城市不透水面的快速扩张, 带来了一系列生态环境问题, 比如城市排水泄洪能力减弱[6]、水体质量下降[7]和城市热岛效应增强等[8-9], 因此有必要对不透水面进行深入的研究。

近年来, 国内外学者针对不透水面对城市地表温度的影响做了大量研究, 大多研究集中在不透水面信息提取方法及不透水面覆盖比例与地表温度的相关关系上, 缺乏不透水面时空扩张对城市增温幅度的定量估算研究, 而且现有的研究主要集中在一线城市[10-14], 针对西北干旱区城市研究较少。西宁市作为干旱区代表性城市之一, 在西部大开发战略的推动下, 城市不透水面快速扩张, 城市热环境恶化显著, 研究其不透水面时空变化对城市地表温度的影响对于优化人居环境与提升城市品质有重要的意义[15]。因此本文采用增强型归一化差值不透水面指数(Enhanced normalized difference impervious surface index, ENDISI)[16]和单通道算法[17]反演不透水面专题信息和地表温度, 研究西宁市不透水面时空分布对地表温度的影响, 为改善城市热环境和城市发展合理规划提供参考。

1 研究区概况

本文以西宁市主城区为研究范围(图1), 西宁市是一个拥有悠久历史的高原古城, 位于青海省东北部, 青藏高原东北部, 地处在湟水及三条支流的交汇处。呈东西向条带状, 地势西南高、东北低。四周群山怀抱, 南有南山、北有北山。

图1 研究区地图

Figure 1 Map of the study area

2 数据来源

获取了2001、2009 年Landsat5 TM数据和2017年Landsat8 OLI日间成像数据, 具体数据标识包括LT51320352001226BJC00、LT51320352009264IKR 00、LC81320352017254LGN00, 数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.Gscloud.cn/)。

3 研究方法

3.1 不透水面提取

目前不透水面提取的主要方法有: 基于像素的图像监督分类法[18], 混合像元分析法[19-20]以及面向对象分类的算法[21]和指数法[22]等, 本研究不透水面提取采用适用于西北干旱区的ENDISI指数法。利用该指数时需先利用改进的归一化水体差异指数(modified normalized difference water index,MNDWI)掩模水体, 再进行ENDISI结果的提取。具体波段运算公式如下:

式中:分别对应TM影像的第1、2、3、4、5、7, OLI影像的第2、3、4、5、6、7波段。

3.2 地表温度反演

目前地表温度反演常用的方法主要有: 辐射传输方程法、单窗算法、单通道算法, 考虑到单窗算法的普适应和易操作性, 本研究采用单窗算法获取地表温度信息, 其计算公式如下:

上式中,为地表温度,为传感器温度值,为热红外波段的中心波长,为波尔兹曼常数,为地表比辐射率;KK为定标系数;L分别为TM和OLI影像BB波段的辐射值;为像元灰度值,依次为波段增益值、偏置值; 不同时相影像因天气原因导致当天气温发生变化, 分析地表温度时空分布特征不能直接进行分析, 因此本文采用陈松林等提出的均值－标准差法[23]对地表温度进行分级(表1)。

4 结果分析

4.1 不透水面时空分布

根据前面介绍的不透水面提取方法, 得到各期不透水面空间分布信息(图2)和不透水面覆盖率及年均变化率统计表(表2), 以google历史影像作为参考对不透水面提取结果进行精度验证, 提取精度都在85%以上, 符合精度要求。由图2可见, 西宁市不透水面时空扩张显著, 由城中心向周边呈快速蔓延态势。2001年西宁市不透水面分布非常集中, 主要分布在城中心, 2001—2009年研究区不透水面快速向四周蔓延, 表现为“扩张式”增长模式; 2009—2017不透水面集聚程度不断提高, 该阶段不透水面增长主要以“填充式”增长模式为主。由表2可以看出, 不透水面覆盖率由2001年的11.92%增长到2017年的27.60%, 年均增长率为8.22%; 从各个城区看, 研究期内西宁市四个区不透水面积均表现持续增长的趋势, 城北区不透水面面积覆盖率由2001年的12.14%发展到2017年的30.31%, 其不透水面年均增长率位于四个城区之首, 且后期年比前期略有增长; 城西区2001年不透水面覆盖率为12.12%, 2017年增长至25.81%, 年均增长率在前期均处于较高水平, 不透水面面积迅速增加, 而在后期明显减速, 表明后期城西区建设步伐放缓; 城东区与城中区不透水面覆盖率相对较低, 2001年2个城区不透水面覆盖率分别为14.12%、19.61%, 2017年分别增至24.95%、29.31%, 城东区不透水面年均增长率在后期大幅度降低, 表明该区域不透水面扩张步伐呈放缓的态势, 城中区16年以来增速始终处于较低水平并且后期增速还在减小。通过横向对比发现, 前期研究区不透水面扩张区域主要集中在城东区、城北区和城西区, 到后期主要城北区为主, 城西区增速降低, 而城东区和城中区城市化建设已接近饱和状态, 增速大大减慢。

表1 温度等级划分标准

(注: T为温度, Mean代表温度均值, Std代表温度标准差)

图2 2001-2017 研究区不透水面专题信息影像

Figure 2 Thematic information image of impervious surface in the research area from 2001 to 2017

表2 研究区不透水面覆盖率及年均增长率统计

4.2 地表温度时空分布特征

根据地表温度反演模型及温度划分标准得到研究区各期的地表温度分区图(图3), 以各期不透水面为掩模数据获得研究区不透水面下垫面温度分布信息及年均变化率统计表(表3)和各城区不透水面下垫面温度分布信息统计表(表4)。

表3 研究区不透水面下垫面温度分布信息及年均变化率统计表

图3 2001-2017年研究区地表温度分区图

Figure 3 Zoning map of surface temperature in the study area from 2001 to 2017

表4 西宁市各城区不透水面下垫面温度分布信息统计

由表3和图3可以看出, 整体上2001—2017年西宁市城市热环境恶化明显, 不透水面下垫面高温区迅速扩张, 高温区比例从2001年的12.88%增长到2017年的39.39%, 年均增长率高达12.86%, 而次高温区、中温区、次中温区、低温区均呈现负增长, 中温区所占比例降低最快, 从2001年的48.25%下降到2017年30.29%, 年均增长率为-2.33%。分析各研究时期地表温度分布发现, 2001年不透水面下垫面温度分布以中温区、次高温区为主, 所占比例高达81.9%, 中温区所占比例最大, 而低温区和次中温区比例较低; 2009年低温区、次中温区相比2001年变化不大, 中温区、次高温区呈现负增长, 而高温区呈现迅速增长态势, 年均增长率高达19.21%; 2017年, 低温区、次中温区、中温区、次高温区相比2009年呈现略微下降态势, 而高温区持续增长。

由表4可以看出, 研究期内低温区、次中温区在城西区、城中区、城东区的分布一直处于较低水平, 城北区早期低温区、次中温区面积远高于其他几个城区, 并呈下降态势, 这是由于早期城市化发展程度低于其他几个区所致, 随着城北区城市化速度的加快, 低温区比例开始下降。中温区、次高温区在各城区分布均处于较高水平, 且整体呈下降态势。高温区整体成增长态势, 城西区、城中区、城东区高温区的增长主要集中在前期, 后期增长不明显, 而城北区高温区在整个研究期均呈显著增长态势, 2017年高温区在各个城区的分布比例均处于较高水平, 局部热岛现象显著。

4.3 不透水面增温效应分析

不透水面提高了城市地表温度, 同时影响着热量散发, 对热环境有较大负面影响, 为了定量分析城市不透水面对热环境的影响, 在Arcgis中采用3 × 3 像元大小的网格覆盖不透水面专题信息图, 基于单个像元采用随机采样的方法生成150样本, 每个样本对应一组不透水面比例和温度值数据, 然后将两者进行线性回归分析(图4)。

由图4可以看出, 各研究期内不透水面比例与地表温度呈线性正相关关系; 2001年, 研究区内不透水面的比例每增长0.1会导致地表温度相对升高1 ℃; 到2009年时, 不透水面的比例每增长0.1会使地表温度升高0.9 ℃; 到2017年不透水面比例每增长0.1, 地表温度升高0.7 ℃。总体来说,不透水面的时空扩张会直接导致地表温度的上升, 进而造成城市热环境恶化, 加剧城市热岛效应。

城市热环境还受到城市空间内分布的植被、水体、阴影等影响, 不同的地表构成会导致不透水面增温效应存在差异性, 利用增温强度分析研究区各城区不透水面增温效应的差异性, 增温强度用高温区比例与不透水面比例的比值代表, 表2和表4可以看出, 整个研究区内, 城北区不透水面增温效应最强, 2001—2017年不透水面覆盖率增长18.17%, 不透水面下垫面高温区比例增长15.03%, 增温强度达0.83; 其次是城东区不透水面增长10.83%,不透水面下垫面高温区比例增长7.87%, 增温强度为0.73; 城中区、城西区地表温度对不透水面增长响应最弱, 增温强度仅为0.16和0.13。

图4 不透水面与地表温度相关性分析图

Figure 4 Correlation analysis between impervious surface and surface temperature

5 结论与讨论

5.1 结论

在新型城镇化背景下进行了不透水面时空演变及其增温效应研究, 得出主要结论如下:

(1)西宁市不透水面扩张显著, 总面积由2001年的41.58 km2增长到2017年的96.23 km2, 年均增长率高达8.22%; 城北区不透水面面积增长率位于四区之首, 城中区增长率最低; 研究期内前期不透水面面积增长主要集中城东区、城北区和城西区, 后期面积增长主要以城北区为主, 城东区和城中区不透水面空间分布接近饱和状态, 其增长速度大大降低。

(2)西宁市不透水面下垫面温度分布主要以中温区、次高温区、高温区为主, 且中温区、次高温区比例呈下降态势, 而高温区比例持续上升, 高温区面积由2001年的5.36 km2增长到2017年的37.91 km2, 年均增长率高达12.8%; 城西区、城中区、城东区高温区的增长主要集中在前期, 而城北区高温区在整个研究期均呈显著增长态势。

(3)不透水面覆盖比例与地表温度呈正相关, 不透水面下垫面温度随不透水面比例增高而升高, 不透水面比例每增加0.1, 地表温度增加0.7-1 ℃, 不透水面的增加对城市热环境的恶化和城市热岛效应的增强推动作用明显; 各城区不透水面增温效应由于不透水面时空分布特征不同而存在差异性, 城北区不透水面增温效应最强, 城中区、城西区地表温度对不透水面增长响应最弱。

5.2 讨论

本文基于landsat遥感影像分析了西宁市不透水面时空演变对地表温度的影响, 能有效体现城市不透水面时空分布特征和地表温度分布的空间异质性, 有助于人们了解城市发展状况和热环境演变态势, 为政府部门规划决策提供参考。但本文目前仅通过研究区不透水面覆盖比例变化分析对地表温度的影响, 而不透水面对地表温度的影响还涉及不透水面的形状、材料等多个因素, 如何综合考虑多个指标分析不透水面变化对城市热环境的影响是下一步研究的重点。

[1] 徐涵秋. 城市不透水面与相关城市生态要素关系的定量分析[J]. 生态学报, 2009, 29(05): 2456–2462.

[2] 李乐, 徐涵秋. 杭州市城市空间扩展及其热环境变化[J]. 遥感技术与应用, 2014, 29(02): 264–272.

[3] 李伟峰, 欧阳志云. 城市生态系统的格局和过程[J]. 生态环境, 2007, (02): 672–679.

[4] 余红娇. 干旱区城市不透水面的遥感估算及其气候效应分析[D]. 乌鲁木齐: 新疆大学, 2018.

[5] 周玄德, 郭华东, 孜比布拉·司马义. 城市扩张过程中不透水面空间格局演变及其对地表温度的影响——以乌鲁木齐市为例[J]. 生态学报, 2018, 38(20): 7336–7347.

[6] 石树兰, 庞博, 赵刚, 等. 基于有效不透水面识别的城市雨洪过程模拟研究[J]. 北京师范大学学报(自然科学版), 2019, 55(05): 595–602.

[7] 蒋昌波, 钟量, 隆院男, 等. 沩水流域中上游径流对不透水面扩张的响应[J]. 水资源与水工程学报, 2019, 30(05): 32–39.

[8] 王琳, 徐涵秋. 快速城市化下福州市的热环境变迁[J]. 同济大学学报(自然科学版), 2017, 45(09): 1336–1344.

[9] 宋毅, 杨昆, 赵旭东, 等. 基于ETM+/TM数据的滇池流域不透水面变化与城市热岛效应关系研究[J]. 科学技术与工程, 2014, 14(03): 49–54.

[10] 冯珊珊, 樊风雷. 2006―2016年粤港澳大湾区城市不透水面时空变化与驱动力分析[J]. 热带地理, 2018, 38(04): 536–545

[11] 周正龙, 沙晋明, 季建万. 福州主城区热岛效应与不透水面的关系及时空变化分析[J]. 福建师范大学学报(自然科学版), 2019, 35(01): 19–27.

[12] 王林申, 付佳, 贾琦, 等. 济南市地表参数变化及其热岛效应响应[J]. 干旱区资源与环境, 2019, 33(01): 148– 152.

[13] 邓睿, 胡日查, 刘亮, 等. 基Landsat8 OLI/TIR数据的重庆市不透水面与城市热环境关系研究[J]. 重庆交通大学学报(自然科学版), 2017, 36(01): 68–76.

[14] 徐永明, 刘勇洪. 基于TM影像的北京市热环境及其与不透水面的关系研究[J]. 生态环境学报, 2013, 22(04): 639–643.

[15] 樊智宇, 詹庆明, 刘慧民, 等. 武汉市夏季城市热岛与不透水面增温强度时空分布[J]. 地球信息科学学报, 2019, 21(02): 226–235.

[16] 穆亚超, 颉耀文, 张玲玲, 等. 一种新的增强型不透水面指数[J]. 测绘科学, 2018, 43(02): 83–87.

[17] 周玄德. 新疆典型城市不透水面及其地表温度的分形研究[D]. 新疆大学, 2018.

[18] 翟珂, 吴晓青, 秦元伟, 等. 基于OLI影像的环渤海湾不透水面提取及空间格局分析[J]. 资源科学, 2015, 37(10): 1920–1928.

[19] WENG Qihao, LU Dengsheng. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis,United States[J]. International Journal of Applied Earth Observations and Geoinformation, 2007, 10(01): 68–83.

[20] WU Changshan, ALAN T. Murray.Estimating impervious surface distribution by spectral mixture analysis[J]. Remote Sensing of Environment, 2003, 84(4): 493–505.

[21] SEBARI I, HE Dong-Chen. Automatic fuzzy object- based analysis of VHSR images for urban objects extra­ction[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 79(Complete): 171–184.

[22] 徐涵秋. 一种快速提取不透水面的新型遥感指数[J]. 武汉大学学报(信息科学版), 2008, 33(11): 1150–1153.

[23] 王天星, 陈松林, 阎广建. 地表参数反演及城市热岛时空演变分析[J]. 地理科学, 2009, 29(05): 697–702.

Spatial-temporal evolution of impervious surface in Xining based on landsat imagery and analysis of its temperature increasing effect

LIU Zuyu1, 2, 3,YANG Weifang1, 2, 3, LV Jianwei1, 2, 3, LI Deyan1, 2, 3, LI Rongrong1, 2, 3

1. Faculty of Geomatics, Lanzhou Jiaotong University1, Lanzhou 730070, China 2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China 3. Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China

In-depth discussion of the spatial and temporal evolution of urban impervious surface and its impact on urban thermal environment is of great significance for promoting coordinated urban development and optimizing urban ecosystem.The Landsat TM / OLI images of Xining City in 2001, 2009 and 2017 were used as data sources. The impervious surface was extracted using the enhanced normalized difference impervious surface index, and the single-window algorithm was used to retrieve the surface temperature. Spatial-temporal distribution characteristics of surface and surface temperature, and regression analysis and comparative analysis of the two were conducted to study the effect of temperature increase on the impervious surface.The results show that: (1) In 2001-2017, the impervious surface expansion of Xining City was significant, the total area increased from 41.58 km2to 96.23 km2, and the annual growth rate was as high as 8.22%. (2)From 2001 to 2017, the temperature distribution of the underlying surface of the impervious surface was mainly in the middle temperature zone, the sub-high temperature zone, and the high temperature zone, and the proportion of the middle temperature zone and the sub high temperature zone showed a downward trend, while the proportion of the high temperature zone continued to increase from 5.36 km2in 2001 to 37.91 km2in 2017, and the annual growth rate reached 12.8%. (3)The growth of high-temperature areas in the western, central and eastern parts of the city was mainly concentrated in the early stage, while the high-temperature areas in the northern part of the cityincreased significantly throughout the study period. (4)The proportion of impervious surface coverage was positively related to the surface temperature. For every 0.1 increase in the proportion of impervious surface, the surface temperature increases by 0.7-1 ℃. The increase in impervious surface of the city had a significant effect on the increase of surface temperature and the deterioration of urban thermal environment. (5)There were differences in the effect of temperature increase on the impervious surface of each urban area. The effect of temperature increase on the impervious surface of the northern part of the city was the strongest, and the effect of temperature increase on the impervious surface of the central and western parts was the weakest.

impervious surface; surface temperature; space-time evolution; Warming effect

10.14108/j.cnki.1008-8873.2020.04.013

刘祖昱, 杨维芳, 吕建伟,等. 基于Landsat影像的西宁市不透水面时空演变及其增温效应分析[J]. 生态科学, 2020, 39(4): 99–105.

Liu Zuyu,Yang Weifang, Lu Jianwei, et al. Spatial-temporal evolution of impervious surface in Xining based on landsat imagery and analysis of its temperature increasing effect[J]. Ecological Science, 2020, 39(4): 99–105.

X87

A

1008-8873(2020)04-099-07

2019-12-07;

2020-01-13

国家自然科学基金(41364001); 国家重点研发计划资助项目(2017YFB0504203)资助; 兰州交通大学优秀平台支持(201806)

刘祖昱(1993—), 男, 硕士, 主要从事遥感图像变化检测、生态变化评估的研究, E-mail: 574125874@qq.com

杨维芳(1970—), 女, 博士、教授, 主要从事空间数据处理技术的研究, E-mail: 99903217@qq.com