李志坤，张风丽，王国军，邵 芸

(1. 中国科学院遥感与数字地球研究所雷达应用研究室，北京 100010； 2. 中国科学院大学，北京 100049)

北京市1993—2011年风速变化与下垫面粗糙特性关系研究

李志坤1，2，张风丽1，王国军1，邵 芸1

(1. 中国科学院遥感与数字地球研究所雷达应用研究室，北京 100010； 2. 中国科学院大学，北京 100049)

北京市近年来雾霾频发，大气污染物的扩散与风场环境及下垫面粗糙特性具有极大的相关性。本文首先利用1993—2011年的我国地面国际交换站气象观测资料对北京市地面风速风向年际变化特征进行了分析。结果表明，1993—2011年北京市平均风速呈现下降趋势，且自2006年来北京市风速下降尤为明显，北风出现频率明显下降。在此基础上，本文利用2007—2011年的ALOS PALSAR数据和夜晚灯光数据提取分析了北京市城镇用地扩展情况，进而结合下垫面粗糙特性的时空演变特征分析了北京市地区风速风向变化与下垫面粗糙特性的关系。分析结果表明，城市扩张造成的下垫面粗糙度的增加阻碍了北方来风，导致了北京市风场分布的变化及平均风速的减小。

风速;粗糙度;城市化;夜晚灯光;合成孔径雷达;建成区

城镇化在所有人类活动中对气候环境影响最大[1]。从20世纪90年代起，北京的快速发展使城市用地面积急剧扩张，土地覆盖类型发生了剧烈变化[2]。城镇化过程中城镇用地面积及结构的变化影响下垫面粗糙特性，进而影响区域气候和环境。前人已开展许多关于城镇化过程对于气候/气象环境影响的研究[3]。

SAR(synthetic aperture radar)具有全天时全天候的工作能力且能同时获取城镇用地范围及粗糙元高度维信息[4]，对于监测城镇化过程具有明显优势，中低分辨率SAR数据可有效用于城市范围的快速提取与监测[5-6]。本文主要关注规模化城市建设用地的范围与动态，为了剔除非人类密集活动区域强散射特征、中小城镇用地造成虚警的影响，因此本文引入了夜晚灯光数据。

夜晚数据可以记录城市夜晚灯光信息，对于描述人类经济活动非常有效[7]。Imhoff[8]、Su[9]、Ghosh[10]、Zhang[11]、Balk[12]等都将夜晚灯光数据与数字土地利用图融合。因此，本文综合利用SAR数据和夜晚灯光数据进行北京市用地范围的快速提取与年际变化分析。

1 研究区概况与数据源

1.1 研究区概况

北京市背靠燕山，毗邻天津市和河北省，气候为典型的北温带半湿润大陆性季风气候，四季分明，寒暑悬殊[13]。北京市是中国城镇化扩张最快的区域，同时这一地区在近几年也面临着最严重的空气污染问题。

1.2 数据源介绍

1.2.1 气象站点观测数据

本文利用中国地面国际交换站气候日值数据集(版本V3.0)进行风场数据的时空演变分析。北京地区包含1个站点，位于北京东南偏南部。

1.2.2 ALOS PALSAR数据

本研究采用的合成孔径雷达数据为2007—2011年共5年的ALOS PALSAR WB1模式HH单极化数据。原始数据使用L波段成像，入射角为27.1°，数据分辨率为100 m，单景数据可覆盖北京市范围。对每一景数据进行了几何校正、辐射定标和裁剪等预处理。

1.2.3 夜晚灯光数据

本文选用了DMSP的稳定灯光数据产品作为辅助数据，这种数据产品能够消除地表的闪电和火光等偶然因素造成的光源[14]，在国内外已被广泛应用于城市监测[8-12]。本文利用2007—2011年的数据并对数据进行几何校正、裁剪等处理，得到北京市5年夜晚灯光的图像数据。

2 研究方法

首先利用气象站点观测数据对北京市风速风向年际变化情况进行系统的统计和分析；然后综合利用SAR数据和夜间灯光数据提取北京市建城区面积及下垫面粗糙度特性时空演变规律；最后结合风场数据和下垫面粗糙特性监测结果探讨了风场变化的原因，以及下垫面粗糙特性演变对其造成的影响。

2.1 风场数据处理方法

为了利用气象站点观测数据分析风场变化规律，本文对站点每个方向平均风速、频率，以及所有方向上的平均风速进行了统计分析；对统计出的平均风速和特定方向上的平均风速数据进行了时间序列分析，并线性趋势拟合得到风速变化率值。线性回归系数表示风速的趋势，当系数大于0时表示随时间增加风速呈上升趋势，反之亦然。回归系数的大小反映了风速变化的快慢。

2.2 基于ALOS PALSAR数据与夜晚灯光数据相结合的建成区范围快速提取方法

本文提出了一种综合利用ALOS PALSAR数据与夜晚灯光数据的城市建成区范围快速提取方法，以快速提取中尺度范围的城市建设用地范围，进而刻画城镇化进程造成的下垫面粗糙特性的演变规律。该方法的主要思路如下：

利用区域增长算法从经过预处理的ALOS PALSAR图像提取城镇建设区域；之后利用邻域分析方法[15]从夜晚灯光数据提取城镇区域，并以此作为辅助数据消除仅利用SAR数据提取规模化建成区时存在的虚警。

本文利用相应时期的TM数据对该方法的检测结果进行了评价，结果表明，上述方法提取的城镇建设区域全局精度可达93.2%。

3 试验结果

3.1 风场数据提取与分析结果

3.1.1 平均风速

根据中国地面国际交换站气候日值数据集提取了北京市1993—2011年间年度平均风速的变化情况(如图1所示)，整体平均风速呈下降趋势，平均10年间下降0.19 m/s。

图1 北京市平均风速

3.1.2 风向频率特征

为了研究北京市风速下降的可能成因，本文统计了北京市1993—2011年间的北京市最大风速所在风向的分布规律，结果如图2所示。可以看出，北京市最大风速经常出现在SSW、SW、NW、N、NE这5个风向上，其中最大风速在SSW这一方向的出现次数最多。

由北京市平均风速统计的结果显示，北京市从2006年之后的风速下降较为明显。从2007—2011年间北京市最大风速的风向分布规律可以看出，在该时间段内北风出现的比例相对于1993—2011年明显降低了。

针对这一发现，本文进一步统计了1993—2011年间5个主要风向上的平均风速情况，结果如图3所示。图3中三角标记和菱形标记的分别为北风与西北风，米字形标记表示东北风；矩形标记与圆形标记分别表示西南风与西南偏南风。可以看出，北京市西北风与北风的平均风速高于西南方向和东北方向来风的风速，尤其是在西北方向上，风速明显较高。

图2 年北京市最大风速出现频率

图3 不同风向的平均风速

在2006年之后，北京市最大风速中北风和西北风出现的频率有所下降，因此笔者推测正是因为风速较高的偏北方向来风出现频率的降低，造成了北京地区平均风速的下降。为此本文进而统计了北风1993—2011年频率变化情况，结果如图4所示。

图4 N+NW方向上最大风速年出现频率

1993—2011年之间，北京市N+NW方向上最大风速出现频率的变化规律与图3的平均风速变化规律十分一致。综合来看，偏北方向来风的出现频率呈波动下降趋势,10年内平均每年降低2.2次。而这4年北京市平均风速整体也呈波动下降的趋势。

3.2 建成区提取结果

为了分析北京市风速降低的原因，本文利用2007—2011年间的ALOS PALSAR和NL数据提取了北京市规模化建成区的范围及变化情况，结果如图5所示。这里，利用不同颜色的结果表示不同年间北京建成区的范围，其中红色表示2007年的建成区范围，深蓝色表示2008年的建成区范围，黄色表示2009年的建成区范围，浅蓝色表示2010年的建成区范围，绿色表示2011年的建成区范围。

北京市建成区面积及变化情况见表1。北京市从2007—2011年5年间建成区面积总共增长214 km2。建成区面积逐年增长，增长面积呈上升趋势，其中2010—2011年度建成区面积增长最大，增长了114.55 km2。2010—2011年度建成区面积增长率也最大，同比去年增长了7.9%。2007—2011这5年内建成区面积增长了241.11 km2，建成区增长率为18%左右。北京地区建成区由城市中心向四周进行扩张，北部建成区扩张面积高于南部地区。北京北部以5个聚落为单位进行扩展，南部区域沿着正南、东南、西南3个方向条形扩展，逐渐连成线状。

图5 2007—2011年城市建设用地扩展情况

4 分析与讨论

北京地区1993—2011年间风速呈现波动下降的趋势，平均10年下降0.19 m/s；而北京地区最常出现的5个风向上，西北风和北风强度常年高于南风和东北风。本文所选站点正处于北京东南偏南部，北京市城镇化的扩展造成的下垫面粗糙性的改变对北风影响最大，具体表现为北风最大风速出现频率降低及北京平均风速的下降。

表1 北京市建成区扩张情况

为了验证这一结论，笔者选取了与北京情况相似的两个城市天津和石家庄进行了分析。利用2007—2011年的ALOS PALSAR和NL数据得知，天津5年间城镇用地面积扩展了134.5 km2，且主要集中在站点的东北偏东方向上，围绕着天津市原有建成区程辐射状增长；石家庄城镇用地面积扩展了124.85 km2，且主要集中在站点的东北方向上，围绕着石家庄原有建成区程辐射状增长。从2006年开始天津市东北方向上的最大风速频率出现逐年下降的趋势，从30天/年下降至4天/年。石家庄市东北方向上的频率也同样出现逐年下降的趋势，从30天/年下降至19天/年。可见，与北京相似，正是由于城市快速扩张改变了城市下垫面粗糙特性，从而阻碍了相应方向上风速的大小，城镇化过程造成的粗糙元的增多和高度的增加，对风速形成了明显的拖拽效应。

5 结 语

本文利用气象观测站获取的风场资料，分析了北京市地区风速、风向的时空分布规律，以及城镇化过程对于风场的影响。结果表明，由于城市建设用地范围和建筑物在空间维的快速扩展，使得平均风速、主导风向的分布，以及北风出现频率都出现了明显下降。基于SAR数据和夜晚灯光数据的监测结果表明，是由于快速城镇化造成的下垫面粗糙特性的改变造成了局地风场的变化。

[1] RIDDER K D,LAUWAET D,MAIHEU B.UrbClim——A Fast Urban Boundary Layer Climate Model[J].Urban Climate，2015(12):21-48.

[2] 王静，苏根成，匡文慧，等. 特大城市不透水地表时空格局分析——以北京市为例[J]. 测绘通报，2014(4):90-94.

[3] JIN M,DICKINSON R N,ZHANG D.The Footprint of Urban Areas on Global Climate as Characterized by MODIS[J].Journal of Climate，2005，18(18):1551-1565.

[4] 梁家琳. 雷达卫星的遥感应用及发展[J]. 测绘通报，1999(3):12-13.

[5] GAMBA P,LISINI G.Fast and Efficient Urban Extent Extraction Using ASAR Wide Swath Mode Data[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing，2013，6(5):2184-2195.

[6] GAMBA P,LISINI G,TRIANNI G,et al.Urban Area Mapping Using ASAR Wide Swath Mode and Landsat Data: A Comparison on Eastern China[C]∥Urban Remote Sensing Event.Sao Paulo:IEEE，2013：127-130.

[7] 宋金超，李新虎，吝涛，等.基于夜晚灯光数据和Google Earth的城市建成区提取分析[J]. 地球信息科学学报，2015，17(6):750-756.

[8] IMHOFF M,LAWRENCE W,ELVIDGE C,et al.Using Nighttime DMSP/OLS Images of City Lights to Estimate the Impact of Urban Land Use on Soil Resources in the United States [J].Remote Sensing of Environment，1997，59(1):105-117.

[9] SU Y,CHEN X,WANG C,et al.A New Method for Extracting Built-up Urban Areas Using DMSP-OLS Nighttime Stable Lights:A Case Study in the Pearl River Delta，Southern China[J].Giscience & Remote Sensing，2015，52(2):218-238.

[10] GHOSH T,POWELL R,ELVIDGE C,et al.Shedding Light on the Global Distribution of Economic Activity[J].Open Geography Journal，2010,3(1)：147-160.

[11] ZHANG Q L,SETO K C.Mapping Urbanization Dynamics at Regional and Global Scales Using Multi-temporal DMSP/OLS Nighttime Light Data[J].Remote Sensing of Environment，2011，115(9):2320-2329.

[12] BALK D,NGHIEM S,RODRIGUEZ E,et al.New Methods for Understanding Intra-urban Contours at a Global Scale: An Application of Dense Sampling Methods of QuikSCATScatterometer with Population and Housing Data[C]∥Urban Remote Sensing Joint Event.[S.l.]：IEEE，2007：1-4.

[13] 刘燚.京津冀地区空气质量状况及其与气象条件的关系[D].长沙：湖南师范大学，2010.

[14] 刘双庆.引入一种新型震害快速评估基础数据的尝试——DMSP/OLS卫星夜光数据的使用[J].防灾科技学院学报，2012，14(3):70-75.

[15] 苏泳娴，张虹鸥，陈修治，等.基于DMSP/OLS夜间灯光数据提取城镇建设用地的邻域分析法[J].热带地理，2015，35(2):193-201.

TheRelationshipResearchBetweenWindSpeedandtheUnderlyingSurfaceRoughnessinBeijingDuring1993—2011

LI Zhikun1，2，ZHANG Fengli1，WANG Guojun1，SHAO Yun1

(1. Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing 100010,China； 2. University of the Chinese Academy of Sciences，Beijing 100049，China)

In recent years,Beijing has encountered serious air pollution problem. Atmospheric pollutants diffusion has a great correlation with the wind speed and the underlying surface roughness. Therefore，the 1993—2011 China ground international exchange station wind data are used to analyse the characteristics of the change of wind speed and direction in the ground. The results show that from 1993 to 2011 in Beijing，the average wind speed decreases. Since 2006 wind speed is significantly changed，the analysis shows that the frequency of north wind decreased may be a mainly reason. On this basis，we use the 2007—2011 ALOS PALSAR and night light data to extract and analyse the land expansion of Beijing. To analyze the relationship between wind speed and direction change of Beijing with surface roughness. The results show that the city expansion causes the increase of roughness,drags the north wind，leeds to decreased of wind speed and changes the wind field in Beijing city.

wind velocity;roughness;urbanization;nightlight；synthetic aperture radar；built-up area

2017-03-07；

2017-05-22

国家自然科学基金(41671359；61471358)；国家重点研发计划(2016YFB0502500)

李志坤(1992—)，男，硕士生，主要从事城市遥感的相关研究工作。E-mail：1439100241@qq.com

李志坤，张风丽，王国军，等.北京市1993—2011年风速变化与下垫面粗糙特性关系研究[J].测绘通报，2017(12)：29-32.

10.13474/j.cnki.11-2246.2017.0373.

P237

A

0494-0911(2017)12-0029-04