陈 涛，张旭阳，李鹏宇，陈彦龙，王 毅

（1.中国地质大学（武汉） 地球物理与空间信息学院，湖北 武汉 430074）

随着全球变暖与城市化进程的加快，城市热岛效应越发显著。早期的城市热格局研究局限于利用有限的定点温度观测数据或气象站点数据，与城郊温度进行对比[1,2]。这种方法耗时费力，难以全面、同步地反映地面地热辐射状况。遥感技术克服了常规方法的缺陷与不足[3,4]，使多尺度城市热环境定性、定量研究成为可能。从Rao提出并利用热红外数据对城市热岛效应进行研究开始，城市热环境的遥感研究不断发展和完善[5,6]。针对热空间格局与地表参数特征之间的关系，国内外已有诸多研究成果[7-9]。本文以武汉市为例，通过研究绿地斑块的周长、面积等形状要素与绿地斑块温度特征的关系，探讨绿地斑块对城市热环境的影响。

1 研究区域概况

武汉市土地面积为8 467.6 km2,其中城区面积3 963.6 km2。受数据条件的限制，本文研究区域为武汉市中心城区600×600像素大小的区域。

2 数据与方法

2.1 数据准备

本文所用遥感数据为一景2002-07-09的Landsat ETM+数据及其他一些相关资料。所用图像处理软件为Matlab和ENVI 4.8。

2.2 技术方法与流程

2.2.1 地温反演方法

目前，已经提出的地表温度方法包括热传输辐射法、基于辐射传输模型的陆面温度反演法[10]、覃志豪等的单窗算法[11]，以及Sobrino等提出的普适性单通道法[12]。由于普适性单通道算法应用较为广泛，本文选用此方法进行温度反演，其计算公式为：

式中，Lsensor是传感器辐射值；ε是地表比辐射率；Ψ1、Ψ2、Ψ3是大气水汽含量w的函数，分别如式（2）～式（4）所示：

参数γ和δ的计算公式为：

式中，Tsensor是亮度温度；λ是有效波长，C1=1.191 04×108，C2=1 438.7。

2.2.2 技术流程

将经过预处理的Landsat ETM+影像作为栅格数据载入 ArcGIS ，以高分辨率的Google Earth影像为参考数据，把 EMT+影像中的城市绿地斑块进行矢量化，得到城市绿地斑块的矢量图层。利用 ArcGIS的几何统计功能，对各绿地斑块矢量要素的周长和面积进行统计。利用ETM+影像反演研究区域地表温度，根据地温反演结果得到相应绿地斑块的最高、最低和平均温度，其技术流程见图1。

图1 技术流程图

在ArcGIS中对绿地斑块进行缓冲区分析，即对绿地边界以外不同缓冲距离的温度进行评价比较。根据各个绿地斑块周长和面积数值的分布范围，选定缓冲区的距离为240 m(4个像元)；其次，通过获取绿地斑块各缓冲区环内地表温度的统计值，用缓冲区与对应斑块平均温度差值衡量绿地斑块对周边热环境的影响；最后，得到形状要素信息（周长、面积）与温度信息后，绘制各形状要素与温度信息的散点图，并进行曲线拟合。

3 结果与分析

3.1 城市绿地特征及其热环境效应分析

图2为研究区地表温度反演结果，与曹丽琴在同时期同区域内的反演结果一致[13]，证明本文利用普适性单通道算法反演的地表温度结果真实有效。图3为研究区主要绿地分布图。

绿地斑块的周长、面积、最小温度、最大温度、均值温度及缓冲区温差的统计结果见表1。

图2 研究区地表温度图

图3 研究区绿地分布图

由表1可知，各绿地斑块形状差异显著，对应的斑块地表温度亦有明显的不同。其中，绿地最低温出现在珞珈山，为27.770 9 ℃，绿地面积和周长分别为0.419 76 km2和3.090 3 km；最高温出现在机场绿地，为43.415 7 ℃，其面积和周长分别为0.521 1 km2和4.614 5 km；最小均温出现在喻家山，为29.737 9 ℃，该绿地面积和周长仅为0.974 4 km2和5.457 1 km；最大均温也现在机场绿地，高达35.769 1 ℃。

表1 各绿地斑块形状特征及地表温度统计表

根据统计结果，山体绿地温度大都小于城区公园绿地温度，且山体绿地温度表现为位于城区中心的山体绿地温度高于邻近水体的山体绿地温度，温度分布受其形状特征影响较小。因此在分析各绿地斑块特征与地表温度之间的关系时，将山体绿地和一些水域面积较大的公园绿地剔除。通过Matlab可以绘制斑块特征和温度的散点图，并利用高斯模型对其具体关系进行拟合。图4为绿地斑块特征与地表温度散点图及拟合结果。

高斯模型公式为：

式中，T为拟合值；x为自变量；a、b、c为参数，拟合结束后，参数取值自动确定，结果如表2所示。

表2 绿地斑块特征与地表温度拟合结果参数表

从图4和表2可以发现，绿地对应的温度随着绿地面积和周长的增加而降低，即绿地斑块温度与绿地面积和周长呈负相关关系。对比相关系数可以发现，温度与面积和周长的负相关性相近，周长略低于面积。

3.2 城市绿地对周围热环境的影响分析

从表1可以发现，绿地斑块外部的缓冲区温度明显高于内部温度。温差最大的是黄鹤楼公园，达5.637 6 ℃，可能是因为黄鹤楼公园是旅游胜地，周边城市化程度较高，商业休闲区密布，导致绿地外围温度较高；缓冲区温差最小的地区为梅岭，为-0.051 9 ℃，即绿地周围的均温低于绿地内部温度，这是由于梅岭两面环水，周边有大块温度低于绿地的水域。总的来说，绿地斑块周围热环境受绿地斑块的特征、斑块空间位置及其地表覆被特征的影响差异较大。温差越大，说明绿地斑块对周围热环境的影响越大；温差越小，与周围热环境相互影响相对越强。

为了进一步分析绿地对周围热环境的影响，利用高斯模型模拟绿地斑块特征与绿地内外部平均温差之间的关系，具体拟合模型及参数见图5和表3。

图4 绿地面积和周长与地表温度关系图

图5 绿地面积和周长与温差关系图

表3 绿地斑块特征与温差拟合结果

从图5和表3可以发现，绿地斑块的面积和周长较小时，随着面积和周长的增加，温差也逐渐增大；但随着周长面积的进一步增加，温差增加的速率逐渐减小；当周长和面积增加到一定程度时，温差随周长面积的增加有下降的趋势。这种特征反映了如下事实：当绿地周长和面积较小时，绿地对周围环境的影响力极其有限，但受到周围环境的影响较大，导致较小的绿地本身温度较高，从而使缓冲区温差较低；随着绿地周长和面积的增大，绿地受到周围环境的影响越来越小，因而温度也会有相应的降低，导致缓冲区温差降低；当绿地周长和面积大到一定程度后，随着绿地周长和面积的增加，绿地对周边环境的影响开始越来越显著，导致绿地周围环境温度与绿地本身温度的差异越来越小，缓冲区温差逐渐降低。

[1]Oke T R. Boundary Layer Climates [M]. Methuen, 1987

[2]Yoshikado H, Tsuchida M. High Levels of Winter Air Pollution under the Influence of the Urban Heat Island along the Shore of Tokyo Bay [J].Journal of Applied Meteorology，1996, 35：1 804-1 813

[3]Oke T R, Spronken-Smith R A, Jauregui E, et al.The Energy Balance of Eentral Mexico City during the Dry Season [J].Atmospheric Environment, 1993, 33：3 919-3 930

[4]Stoll M, Brazel A. Surface-air Temperature Relationships in the Urban Environment of Phoenix. Arizona [J]. Phys. Geography, 1992, 13(2):160-179

[5]Rao P K. Remote Sensing of Urban “Heat Island” from an Environmental Satellite [J].Bull AM Meteorol Soc,1971,53:647-648

[6]Roth M, Oke T R, Emery W J. Satellite Derived Urban Heat Island from Three Coastal Cities and the Utilization of Such Data in Urban Climatology [J]. International Journal of Remote Sensing, 1989, 10: 1 699-1 720

[7]Lougeay R, Brazel A, Hubble M. Monitoring Intra-urban Temperature Patterns and Associated Land Cover in Phoenix, Arizona using Landsat Thermal Data [J]. Geocarto International, 1996, 11: 79-89

[8]Quattrochi D A, Luvall J C. Thermal Infrared Remote Sensing for Analysis of Landscape Ecological Process: Methods and Applications [J]. Landscape Ecology, 1994, 14: 577-598

[9]Lo C P, Quattrochi D A, Luvall J C. Application of Highresolution Thermal Infrared Remote Sensing and GIS to Assess the Urban Heat Island Effect [J]. International Journal of Remote Sensing, 1997, 18: 287-304

[10]Artis D A, Carnahan W H. Survey of Emissivity Cariability in Thermography of Urban Areas [J]. Remote Sensing of Environment, 1982, 12: 167-218

[11]Qin Z, Karnieli A, Berliner P. A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region[J]. International Journal of Remote Sensing, 2001, 2(18): 3 719-3 746

[12]Jiménez-Muňoz J C, Sobrino J A. A Generalized Single-channel Method for Retrieving Land Surface Temperature from Remote Sensing Data [J]. Journal of Geophysical Research. 2003, 108: 22

[13]曹丽琴. 城市热环境及其影响因子的定量遥感研究[D].武汉：武汉大学，2009