李红，高皜，解韩玮

西南林业大学大数据与智能工程学院，云南 昆明 650224

城市热环境是影响城市生态环境的主要影响因素之一（权凌等，2014；李翔泽等，2014；栾庆祖等，2014）。当城市发展到一定规模时，城市下垫面性质的大量改变、大气污染以及人工排放废热等行为会使得热量在城区范围内聚集，导致城区温度明显高于郊区，形成了城市热岛效应（黄伟峰等，1988）。而且城市规模越大，热岛效应越明显，热岛强度也越大（郭红等，2007）。相关研究表明，当城市区域内的温度高于 28 ℃时，居民就会产生不适感，工作效率有所下降；当温度达到 35 ℃或以上时，会显著提高人体呼吸系统类或其他病症的发生率，严重威胁到城市居民的身体健康（Shahmohamadi et al.，2011）。随着城市增长与全球气候的异常变化，“城市热岛”的影响也愈加严重（李柏延等，2014；赵颜创等，2014），由此引起的城市热环境问题也成为中国城市发展和规划过程中必须考虑的重要问题之一（李翔泽等，2014；栾庆祖等，2014；张好等，2014）。

改革开放以来，中国城市的热岛现象日益加剧，国内外学者也从多方面对城市热环境进行了相关研究。其中，有基于机理的研究：如刘艳红等（2009）基于植物蒸腾理论，通过植被生长量的计算估测不同植被结构内部的小气候效应。有借助仪器设备进行测量的研究：如周坚华（1998）以绿地斑块为单位，通过温湿度计等实验仪器对绿地斑块进行实地观测，比较了不同结构、不同类型绿地的小气候效应。也有基于气象数据的研究：如孙绩华等（2015）利用昆明周边多个自动气象站观测的2004—2012年温度序列，研究了昆明城市热岛效应的日、季节和年际变化特征，并分析了昆明城市热岛水平分布和变化趋势。特别地，遥感影像由于能够大范围地重复检测和反演地表温度以及相关参数，已被广泛应用于城市热环境的研究。其中，有基于遥感指数反演的研究：如陈旭等（2015）使用单时相 Landsat遥感数据反演归一化植被指数（NDVI）作为探讨城市绿地和城市热环境相关关系的反映指标，发现不同城市功能区内各绿地类型的降温效应存在明显差异；江樟焰等（2006）使用单景Landsat影像对NDVI与LST进行了相关分析，认为二者呈负相关关系；凌丽媛等（2016）使用多时相Landsat影像对NDVI和LST作分析，均发现NDVI与LST呈显著负相关关系；Weng et al.（2004）使用不同空间分辨率的遥感影像研究了印第安纳州植被覆盖度与地表温度的关系，发现植被覆盖度与温度呈负相关，并且在不同的分辨率影像上相关性不同；而刘娇妹等（2008）通过研究发现植被的复层结构可提高降温增湿的效果，且当植被覆盖率大于60%时效果最为显著。也有基于遥感分类的研究：如蔺银鼎等（2006）发现林地范围内的平均温度比外围5 m处低2.18 ℃，平均湿度增加6.74%；草地范围内的平均温度比外围5 m处低0.81 ℃，平均湿度增加5.05%，表明绿地结构和绿地面积都可对热环境产生较大影响；黄良美等（2007）对南宁市4种功能区的不同城市绿地进行研究，发现不同的绿地具有不同的降温增湿效果，林隙温度明显低于近旁裸草地；梁娟等（2007）发现城市林地、复合绿地和草地3种类型中，城市林地的降温效果最佳，其次是复合绿地，最后才是草地；而何介南等（2011）研究表明，在降温减湿效果方面，乔木林＞乔灌林＞灌丛＞草地。

图1 研究区域Fig. 1 Study area

昆明市位于东经 102°10'～103°40'，北纬 24°23'～26°22'，市中心海拔1891 m，南濒滇池，三面环山。它是中国重要的旅游、商贸城市，是西部地区重要的中心城市，亦是滇中城市群的核心圈。此外，昆明还是中国面向东南亚、南亚开放的门户枢纽，是中国唯一面向东盟的大都市。虽然它属北纬亚热带，但由于位于云贵高原，海拔高度较高，故它具有典型的温带气候特点，年均气温 14.5 ℃，最热月（7月）平均气温19.7 ℃，最冷月（1月）平均气温7.5 ℃，年温差12～13 ℃，为全国最小。由于昆明地理位置和气候都具有特殊性（图1），目前，已有一定数量的昆明城市热环境及其影响因素间关系的研究（刘鑫等，2011；宋毅等，2014；彭妮等，2015；郑亦佳等，2017），但是，这些研究或者以点代面（彭妮等，2015）、或者只涉及单一时相（刘鑫等，2011）、或者只使用单一技术方法（宋毅等，2014）。而作为中国乃至国际重要的旅游城市和中国西南地区的核心城市，昆明城市热环境对城市旅游发展、城市形象、城市居民生活的影响敏感性也更高。已有研究表明，昆明城市发展过程中，昆明市主城区区域内热岛强度较大的区域的空间分布变化不大（Chen et al.，2017）。如何从时空变化上综合分析昆明城市热环境及其影响因素间关系以提高昆明城市生态环境质量，提高城市人口体感指数，增强旅游城市环境竞争力？有关这方面研究还比较缺乏。

本研究利用多时相遥感数据，在分析昆明主城区城市热环境及其主要影响因素的时空分布特征的基础上，探索影响城市热环境的主要因素，以此作为城市空间优化的重要参考。研究结果对指导城市绿地规划建设以及定量评价城市绿地建设均可提供技术支撑和科学参考。同时，以城市热岛效应现状及其历史演变为主要依据，把城市热岛效应预评估结论融入到规划或环境治理中，从减缓城市热岛效应，建设宜居城市方面提出合理性建议。

1 数据与方法

1.1 数据获取

以Landsat遥感影像为主要数据源，考虑天气及研究区植被生长情况以及数据获取的限制，选择昆明市主城区区域内天气晴朗且无云影像，分别为2002年4月30日Landsat 7影像、2008年4月6日Landsat 5影像和2014年4月23日Landsat 8影像。三期影像数据均来源于地理空间数据云（http://www.gscloud.cn）。

1.2 数据预处理

1.2.1 辐射定标

经过辐射定标将DN值转化为具有物理意义并能够对其进行分析的辐射亮度值。采用的辐射定标公式为：

式中，G为增益系数，B为偏移系数，这两个系数都可以通过影像的元数据文件获取。此部分操作通过ENVI软件的Radiometric Calibration工具完成。

1.2.2 几何校正

虽然所用遥感数据均来源于Landsat卫星，其轨道高度、轨道倾角等参数相同，但因其成像时间、传感器等不同，图像的几何特征也会产生一定的差异，利用几何校正来消除图像之间的几何畸变十分必要。以2014年的Landsat 8影像为基准，对2002年的Landsat 7影像和2008年的Landsat 5影像进行几何校正（吴露露等，2008）。在2002年影像和2008年影像上选取一定数量的控制点，尽量均匀分布在影像上，然后在 2014年影像相同位置选取对应的地物控制点，控制点的选择一般遵循在影像中明显且不易变化的拐点原则，校正模型选择的是多项式，选择3次卷积法作为重采样方法，完成对2002年和2008年影像的配准，使得3幅影像的相同地物出现在同一位置，误差不超过1个像元。

1.2.3 图像裁剪

利用ENVI软件的Subset工具，基于昆明市主城区行政边界对3幅影像进行图像裁剪，获得3个时期的昆明市主城区遥感影像图，如图2。

1.3 分类与土地利用提取

采用ISODATA非监督分类法对土地利用进行分类，ISODATA又称为迭代自组织分析算法，是一种常用的非监督分类方法（钱成越，2010）。由于实验数据为Landsat影像，空间分辨率为30 m，分出较多的类别操作难度大，且本研究主要探讨植被覆盖、水体、建筑用地等地表参数与城市热环境的关系，因此将地表覆盖分为4类，分别是水域、植被、城镇用地及未利用地。其中，水域包括河流、湖泊、湿地等；植被包括耕地、林地、草地、苗圃等；城镇用地包括城镇、居民点、交通用地等；未利用地包括沙地、裸土地、盐碱地等。按照ISODATA分类要求，经过多次尝试，将三期影像都初始分成40个子类。然后对照高空间分辨率的Google影像对分类结果的各子类进行目视判读，将每个子类合并到水域、植被、城镇用地和未利用地4个类别中。分类结果的精度评价则结合 Google影像，通过目视解译选取植被、水域、城镇用地和未利用地4个分类的感兴趣区（ROI），利用ENVI中的Confusion Matrix Using Ground Truth ROIs工具将ROI与土地利用分类结果进行匹配，输出混淆矩阵，得到分类结果的总体分类精度和Kappa系数。

1.4 植被覆盖测度

归一化差异植被指数（NDVI）（表 1）可以有效提取植被信息和监测植被的生长状态（Chen et al.，2017），但其值包含植被覆盖和非植被覆盖，引入植被覆盖度可以有效排除非植被覆盖地表的干扰，有利于进一步研究城市植被覆盖情况。

植被覆盖度是表征地表植物生长态势和变化的重要参数，可以通过该参数研究特定区域内的植被变化情况（王冬梅等，2012）。利用像元二分模型估算昆明市主城区的植被覆盖度，得到研究区域的植被覆盖变化（包月梅等，2015），其公式为：

图2 昆明市主城区遥感影像Fig. 2 Remote sensing image of the main urban area of Kunming

表1 NDVI指数Table 1 NDVI index

式中，FVC指植被覆盖度；NDVI为归一化植被指数；NDVImin为完全被裸土或无植被覆盖区域的NDVI值，即纯土壤像元的NDVI值；NDVImax为完全被植被所覆盖区域的NDVI值，即纯植被像元的NDVI值。NDVImax和NDVImin一般取一定置信度范围内的最大值与最小值，置信度的取值主要根据研究区域影像数据的实际情况来定，通常以累积百分数5%和95%作为置信区间（刘静等，2009）。本研究采用一般经验值，NDVImax=0.7和NDVImin=0.05，即当影像中的某个像元NDVI值大于0.7时，FVC取值为1，当其NDVI值小于0.05时，FVC取值0。根据式（2）计算得到2002年、2008年及2014年的植被覆盖度图，然后对求得的植被覆盖度图像采用等间距密度分割的方式将其分为5级，即低覆盖度0～0.2、中低覆盖度0.2～0.4、中覆盖度 0.4～0.6、中高覆盖度 0.6～0.8、高覆盖度0.8～1。

1.5 地表温度反演

选用辐射传输方程法（吴志刚等，2016）对地表温度（Land Surface Temperature，LST）进行反演，其基本原理是估计大气对地表热辐射的影响，用陆地卫星传感器观测的热辐射总量减去大气对地表热辐射的影响量，得到地表热辐射强度，最后将热辐射强度转化为对应的地表温度。卫星传感器接收到的热红外辐射亮度值Lλ由3个部分所组成：大气的上行辐射亮度L↑、大气下行辐射亮度L↓（大气向下辐射到达地面后反射的能量）、地面的真实辐射亮度经过大气层衰减作用之后被卫星传感器接受到的热辐射能量（吴志刚等，2016）。卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为：

式中，ε为地表比辐射率；TS为地表真实温度（K）；B(TS)为黑体热辐射亮度；τ为大气在热红外波段的透过率。大气下行辐射亮度L↓和大气上行辐射亮度 L↑单位均为 W·m-2·sr-1·µm-1。假设地表、大气对热辐射具有朗伯体性质，则温度为T的黑体在热红外波段的辐射亮度B(TS)为：

式中，地面真实温度TS可以用普朗克公式的函数获取：

式中，对于TM影像，K1=607.76，K2=1260.56；对于 ETM+，K1=666.09，K2=1282.71；对于 TIRS Band 10，K1=774.89，K2=1321.08。

式（4）中的透过率τ、大气上行辐射亮度L↑、大气下行辐射亮度L↓3个参数可以通过NASA提供的网址（http://atmcorr.gsfc.nasa.gov/）输入影像的成像时间、中心经纬度以及其他相应参数信息，得到大气剖面信息（由于缺少气压、温度、相对湿度等相关参数信息，所以获得的结果是基于模型计算的）。参与计算的3景影像的基本信息如表2所示，成像时间和大气剖面模型计算的时间均为格林尼治时间，过境时间为成像时间加上8个区时。

表2 影像基本信息Table 2 Basic image information

运用ENVI软件的Band Math工具，计算获得NDVI、FVC和地表比辐射率图像，再通过热红外波段的辐射亮度图、地表比辐射率图以及大气剖面信息，计算得到黑体辐射亮度图像，最后将其转换为地表温度图像。然后对3年地表温度图的平均温度和标准差取平均值，将平均温度（29.91 ℃）设置为中温区，平均标准差（5.43上取整为6 ℃）作为分割间距，并结合高温界线（35 ℃为黄色预警线，40 ℃为红色预警线）将温度范围划分 5个等级，分别为低温区低于21 ℃、较低温区21～27 ℃、中温区 27～33 ℃、较高温区 33～39 ℃及高温区39 ℃以上。同时，使用密度分割法（徐赛萍等，2014）将2002年、2008年和2014年的地表温度图像划分为这5个级别以便更好地揭示热环境空间分布变化。

2 结果与分析

2.1 昆明市主城区土地利用时空演化特征

采用ISODATA对2002年、2008年、2014年的影像进行非监督分类得到3年的土地利用分布图（图 3）。通过选取样本对分类图进行混淆矩阵精度检验，2002年的分类精度为 76.13%、Kappa系数为 0.62，2008年的分类精度为68.22%、Kappa系数为 0.51，2014年的分类精度为 90.42%，Kappa系数为0.85。

由图3～5可知，2002—2014年间，城镇用地面积呈正增长趋势，水体、植被和未利用地都呈负增长趋势。其中，虽然植被覆盖类型的面积在 2002年、2008年和2014年中均占最大比重，但随着城市的扩张，植被覆盖类型的面积逐年减小。2002—2008年植被面积减少70.61 km2，2008—2014年减少138.28 km2，2002—2014年植被所占比重减少了7.77%，减少的面积高达 208.89 km2。未利用地面积在 12年间也不断减少且所占比重一直较小。而水体面积与所占比重虽也在逐年减小（2002—2008年减少1.36 km2，2008—2014年减少10.68 km2），但水体面积的缩小除了由于人类占用湿地、河流进行围湖造田等活动造成以外，昆明地区持续的干旱也是水域面积减少的主要原因之一。城镇用地在2002—2014年间一直保持着快速扩张趋势，在2002—2008年城镇用地增加了116.54 km2，2008—2014年增加了178.73 km2，在2002—2014年城镇用地所占比重增长了10.98%，共增加了295.18 km2，2014年的城镇用地面积相当于 2002年城镇用地面积的2.62倍。

图3 昆明市主城区土地利用类型分布图Fig. 3 Distribution pattern of land use types in main urban area of Kunming, 2002, 2008 and 2014

图4 昆明市主城区土地利用类型分布Fig. 4 Distribution of land use types in the main urban area of Kunming

图5 昆明市主城区各土地利用类型所占比重变化Fig. 5 The proportion of land use types in the main urban area of Kunming

2.2 昆明市主城区植被覆盖时空演化特征

图6 昆明市主城区植被覆盖度分级分布图Fig. 6 Spatial distribution of vegetation coverage in the main urban areas of Kunming, 2002, 2008 and 2014

图7 昆明市主城区2002年、2008年、2014年植被覆盖度变化Fig. 7 Change of vegetation coverage in the main urban areas of Kunming in 2002, 2008 and 2014

将2002年、2008年和2014年的植被覆盖采用密度分割划分为5个等级，结果如图6。由图 6～8可知，昆明主城区的植被覆盖度以中等水平为主。2002年、2008年和2014年中覆盖面积最大的分别为中低覆盖度、中覆盖度和中覆盖度，中等水平的覆盖度在主城区占据了主导地位。其中，低覆盖度和中低覆盖度在 12年来一直呈减少趋势，低覆盖度面积减少了47.24 km2，所占比重降低了1.91%，中低覆盖度面积减少了174.6 km2，所占比重降低了7.1%；而中覆盖度在 12年来则一直呈增加趋势，面积增加了49.71 km2，所占比重增长2.04%；中高覆盖度和高覆盖度则呈现出波动变化的趋势，中高覆盖度所占比重先增加后减少，2002—2008年增加了6.35%，在2008—2014年减少了0.47%，12年间总体呈增加趋势，上升了5.88%；高覆盖度所占比重先减少后增加，2002—2008年下降了1.86%，2008—2014年上升了2.96%，12年间总体呈增加趋势，增加了1.1%。特别地，12年来植被覆盖度大于0.6的植被覆盖面积共增加了220.26 km2。总体来说，昆明市主城区的低覆盖度、中覆盖度、高覆盖度的比重变化相对较小，而中低覆盖度和中高覆盖度的比重变化较大（图8），中低覆盖度所占比重的减少和中高覆盖度所占比重的增加则刚好呈互补关系，城市中覆盖度、中高覆盖度和高覆盖度的比重及面积总体呈增长趋势。

2.3 昆明市主城区热环境时空演化特征

将2002年、2008年和2014年的地表温度图像划分为5个级别，结果如图9。由图9～10可知，2002年、2008年和2014年昆明市主城区的平均温度分别为27.36、30.80、31.56 ℃。12年来昆明市主城区平均温度呈上升趋势。2002年、2008年和2014年昆明市主城区的低温区主要分布在滇池等河湖区域，位置基本不变，范围则在减小。2002年，城市中心区域温度主要集中在低温区、较低温区和中温区，2008年和2014年则主要集中在中温区、较高温区和高温区，温区范围有所提高。2002年、2008年和2014年低温区和高温区所占的比重相对较低，低温区与高温区之和所占比重分别是 11.87%、12.71%、11.02%。低温区所占比重在 12年间一直呈降低趋势，降低了3.89%；而高温区比重12年来则呈现先增加后降低，总体增加的现象，增长了3.04%；较低温区所占比重在12年间一直呈降低趋势，共降低了22.22%，特别是2002—2008年较低温区面积迅速减小了 448.65 km2；中温区在 2002年和2008年都占据着最大比重，总体呈下降趋势；2014年较高温区占据了当年的最大比重，变化趋势呈先减小后增加，2002—2008年下降了5.59%，2008—2014年稍稍增加了0.34%。较高温区的变化和其他温区不同，其比重在 2002—2014年一直呈上升趋势，上升幅度是所有温区中最大的，达31.32%。以上变化说明昆明市主城区的温区由 2002年的较低温区和中温区占主要地位逐渐演变成 2008年、2014年的以中温区和较高温区占主要地位。较高温区和高温区比重在 12年间一直增长，表明昆明市主城区城市热环境的不断强化。但是，2002年、2008年和 2014年昆明市主城区的温度变异系数（变异系数=标准差/均温）分别为0.19、0.19和0.16，则说明在温度整体升高的背景下，昆明市主城区温度的内部整体差异呈变小趋势。

图8 昆明市主城区各植被覆盖度等级比重变化Fig. 8 The proportion of vegetation coverage in the main urban area of Kunming

图9 昆明市主城区地表温度分级图Fig. 9 Spatial distribution of LST in the main urban areas of Kunming, 2002, 2008 and 2014

图10 昆明市主城区各温区比重变化Fig. 10 Changes in the proportion of the temperature in the main urban areas of Kunming

3 讨论

对比图5、图8和图10可以看出，植被类型面积的减少和城镇用地面积的增加与较低温区域面积的减少和较高温区域面积的增加是对应的。与本研究类似，刘鑫等（2011）基于 Landsat数据对昆明地区的热岛效应分析发现，高温区主要集中在中心城区和城镇用地密集区域，而城市中的绿地、水体和公园则可以有效降低周边热岛强度。然而，植被覆盖度图却显示中低覆盖度区域减少而中高覆盖度区域增加。

观察图6～8可知，中低覆盖度区域的减少主要来自于基本无植被覆盖的未利用地类型，且这一类型主要被转换为了城镇用地类型。正如刘鑫等（2011）提出在城市规划和景观设计时应当提高城市植被覆盖和增加绿化面积从而有效减弱热岛效应和改善局部气候一样，城镇用地类型大多会人工种植一定的植被，从而提高了这些区域的植被覆盖度。相反地，宋毅等（2014）基于ETM+/TM数据对滇池流域不透水表面变化与城市热岛效应关系研究中发现，不透水面的存在导致了局部地区温度的明显升高且城市热岛的空间分布和变化与不透水面的分布和变化存在着明显的一致性。因此，不透水表面性质的城镇用地类型又决定了它具有更高的地表温度。所以，土地利用类型的转变以及人类活动的参与共同形成了研究区内植被覆盖度提高，而地表温度也提高的情况。相似地，研究区内植被类型面积的减少也主要是中低覆盖度区域的面积减少。覆盖度低的区域由于植被较少，不能够完全覆盖裸土，植被的遮阴效果差，植被应有的降温特征不能够得到完全体现。陈旭等（2015）基于Landsat 8数据和实地调查数据研究台州市城市绿地对热岛效应的缓解作用时也发现新城区绿地相比老城区绿地的降温效应差，其主要原因是新城区绿地覆盖度远低于老城区绿地覆盖度造成。当这些区域转换为城镇用地后，同样由于人工种植景观植被或者公园规划，反而提高了这些区域的植被覆盖度。因此，在研究区内的有些区域则表现出了植被类型面积减少但地表温度反而降低的现象。同样地，虽然提高了植被覆盖度，但城镇用地的特有地表特征又决定了这些区域具有较高的地表温度。最终，未利用地和较低覆盖度的植被区域被转换为城镇用地后，在提高了植被覆盖度的同时也提高了地表温度。而这种地表温度的提高也因为植被覆盖度的提高受到了抑制。因此，地表温度提高程度最大的是较高温区而非高温区，增加植被覆盖度对于降低或者缓解城市热环境是有效的。

同时也应注意到，对于高植被覆盖度的区域，地表温度也有相应升高。因此，城市热环境的持续增高并非完全由于城市化导致的城市地表特征的变化，其均温的大幅增高也可能是由全球变暖大环境的影响所致，尽管全球变暖过程中城市化也做出了巨大“贡献”。类似地，彭妮等（2015）使用气象资料对昆明近 50年的城市化气候变化特征及趋势进行研究发现，在全球变暖背景下，昆明城市和郊区均呈现增暖趋势，昆明市城市规模快速扩大带来的城市热岛效应对昆明市气温持续上升有着相当重要的贡献，但是，增温速率主要受全球变暖趋势的影响。

4 结论

通过以上分析可知，（1）2002—2014年，昆明市主城区城镇用地面积共增加了 295.18 km2，2014年城镇用地面积是2002年的2.62倍。同时，植被覆盖度大于 0.6的植被覆盖面积共增加了220.26 km2，且中低覆盖度所占比重的减少和中高覆盖度所占比重的增加呈互补关系。（2）昆明市主城区平均温度呈现上升趋势，主城区的温区由较低温区和中温区为主转变为中温区和较高温区为主。（3）昆明市城镇用地的增加主要来自于低植被覆盖区域和未利用地，其地表属性的特征使其提高了地表温度，但同时城镇用地绿化提高了植被覆盖度从而抑制了其地表温度的过度升高。（4）增加植被覆盖度对降低或者缓解城市热环境是有效的，但 12年来昆明市主城区高植被覆盖度区域地表温度的相应增高说明城市热环境的持续增高并非完全由于城市化导致的城市地表特征的变化所致，全球变暖大环境的影响也是其均温大幅增高的主要原因之一。