林中立， 徐涵秋

(1. 福建省环境科学研究院， 福建 福州 350013； 2. 福州大学环境与资源学院， 福建 福州 350116； 3. 福建省水土流失遥感监测评估与灾害防治重点实验室， 福建 福州 350116)

0 引言

城市化在给全世界带来繁荣和进步的同时， 也给全球生态环境带来明显的负面影响[1-3]. 其中， 城市热岛效应表现尤为突出， 已引起国内外普遍关注[4-7]. 城市热岛(urban heat island, UHI)是指城市气温高于郊区的现象， 而城市热岛强度(urban heat island intensity, UHII)则为城乡之间温度差， 它是衡量城市热岛程度的重要指标之一. 目前， 城乡温度差(urban rural difference, URD)是定量估算城市热岛强度较为常用的方法[8-9]， 然而这种评估方法在如何选择城市和郊区的代表温度上存在较大的主观性.

近百年来， 随着全球气温的不断升高[10]， 全球温度日较差(diurnal temperature range, DTR)呈下降趋势. 一些学者注意到， DTR的下降是由于年平均最高气温和最低气温间的变化幅度不一致， 最低气温的升高幅度高于最高气温[11-12]. 根据DTR的这一特性， 很多学者利用DTR对区域热环境的变化程度进行估算， 《Nature Climate Change》就区域城市化发展所导致的DTR缩小和热岛效应加剧进行相关报道， 比如利用长时间序列气温数据， 对比城区与郊区的城市热岛效应[13]. 结果显示， 在城区与郊区平均温度均呈升高的情况下， DTR的变化却不相同， 随着热岛效应的加剧， 导致城区的DTR下降， 而郊区DTR的变化则呈相反态势. 中国作为世界上最大的发展中国家， 快速城市化后的DTR变化也引起了很多学者的关注， 对我国1978-1998年间DTR变化开展研究[14]， 结果显示， 20年间冬季平均最高温与最低温分别上升0.704 ℃、 1.096 ℃， DTR缩小了0.392 ℃， 表明我国冬季城市热岛效应的加剧. 基于台湾地区1897-2005年间的气温历史资料[15]， 得到平均最低温度的上升要高于平均最高温度的结果， DTR呈下降趋势. 分析表明， 城区人类活动是影响气温变化的主要因素. 在利用1953-2004年近50年的气温数据对深圳气候变化进行的研究中[16]， 认为随着城市建设的快速发展， 深圳气温明显升高， 高温天数显著增加， 年均DTR缩小了1.55 ℃. 然而， 就利用气象站点数据估算区域DTR变化的方法， 对于在郊区未设置气象站的区域并不适用[14]. 因此， 基于气象站的热岛效应强度估算在我国仍有一定的局限性.

鉴于此， 探讨利用卫星遥感热红外影像， 采用基于遥感影像的DTR (DTRMODIS)来表征研究区长时间序列多年份的地表温度变化程度， 并对中国东部沿海地区的城市热岛强度进行定量估算. 同时， 利用气象站点月平均气温数据来计算基于气象数据的DTR (DTRWS)， 并将DTRWS与DTRMODIS的结果进行对比分析， 证明利用遥感热红外影像估算研究区DTR的可行性， 为城市热岛强度的定量估算探索科学可行的方法.

1 研究区概况与方法

1.1 研究区概况

中国东部沿海地区位于东亚大陆东缘， 太平洋西岸， 其地理位置介于北纬18°09′35′′～42°37′31′′和东经108°37′26′′～122°13′42′′之间， 其MODIS影像如图1所示. 中国东部沿海是中国城市化发展水平最高的地区， 陆域国土面积为92 959.60 km2， 仅占全国陆地面积的9.65%， 但其常住人口为5.23亿人(2014年)， 占全国人口的38.20%， 国内生产总值(GDP)为350 100.88亿元(2014年)， 占到全国总量的55.09%.

1.2 遥感数据与预处理

选用MODIS/Terra和MODIS/Aqua日间和夜间逐8日合成平均地表温度(LST)产品(MOD11A2、 MYD11A2)， 作为本次研究的地表温度数据， 该产品数据质量较好， 误差在1 ℃之内[17]， 已在热环境的相关研究中得到广泛应用[18-19]. 将覆盖中国东部沿海研究区的7景产品数据影像(h26v04、 h26v05、 h27v04、 h27v05、 h28v05、 h28v06以及h28v07)进行拼接， 并依据研究区矢量边界进行裁剪， 获得研究区2001-2013年夏季9月份的日、 夜地表温度数据.

本文所使用的气象数据是由美国国家海洋大气管理局(national oceanic and atmospheric administration, NOAA)、 国家环境信息中心(national centers for environmental information, NCEI)发布的气象站点月平均气温数据， 选取分布于中国东部沿海研究区内的30个气象站点(图2)， 时间为2001-2012年夏季9月份(由于2013年所发布的气象站点数据缺失较多， 因此未选用2013年的数据).

1.3 基于气象数据的DTR计算

根据气象学上温度日较差(DTR)的定义， DTR表示温度最高值与最低值之差的一个指标. 随着城市温度不断升高， 最高气温与最低气温之间的变化幅度不一致， 后者的上升幅度高于前者， 从而导致DTR下降. 因此， 利用DTR下降幅度来定量表征城市热岛强度.

鉴于此， 将NOAA NCEI获取的各个气象站点2001-2012年9月平均最高气温和平均最低气温， 分别计算得到30个气象站点数据的DTR结果， 记为： DTRWS， 如下式：

DTR

WS

=

T

max

-

T

min

(1)

式中：Tmax、Tmin分别为平均最高温度和平均最低温度.

1.4 基于遥感热红外影像的DTR计算

研究采用MODIS地表温度数据产品， 以中国东部沿海地区夏季9月份为研究季相， 将产品所获得日间月平均地表温度作为平均最高温度， 将夜间月平均地表温度作为最低温度， 以此计算得到基于MODIS遥感影像的DTR值， 记为： DTRMODIS， 这一DTR的求取方法已在国际上得到应用[20-23]， 如下式：

DTR

MODIS

=LST

day

-LST

night

(2)

式中： LSTday、 LSTnight分别表示MODIS地表温度产品数据的日间平均地表温度和夜间平均地表温度.

图1 研究区MODIS影像示意图Fig.1 MODIS image of study area

图2 气象站点研究区分布位置示意图Fig.2 Location of weather stations in study area

2 结果和分析

2.1 基于DTRMODIS的区域热岛强度分析

中国东部沿海地区9月份(以2001年和2013年为例)的日间平均地表温度(LSTday)和夜间平均地表温度(LSTnight)如图3所示.

图3 2001-2013年中国东部沿海地区9月份LSTday、 LSTnight影像Fig.3 LSTday and LSTnight images of September in study area from 2001 to 2013

LSTday整体上呈现出北低南高的空间分布趋势， 从高温区域来看， 极端高温区主要分布于城市建成区， 这些区域土地利用强度大， 高温斑块边缘明显， 其次在华北平原也有较大面积的高温区， 这主要是由于作物收割后， 土壤裸露而引起地表温度的升高. 就低温区域而言， 与蒙古高原交界的河北北部山区平均温度最低， 其次为浙江和福建的丘陵山地区域. LSTnight也同样呈现北低南高的空间分布特征，高温区分布于珠三角区域， 极端高温斑块仍在城市区域集聚, 而夜间温度的高低温区过渡较日间温度更为平缓.

图4为2001-2013年东部沿海地区的LSTday和LSTnight统计图， 从图中可以看出LST随着年份的变化不断波动. 2001-2013年间， LSTday的均值为26.69 ℃， 其中LSTday的最大波动发生在2004年和2007年， 2004年的日间月均温最低为25.87 ℃， 而后持续上升， 到了2007年达到月均温最高为27.56 ℃， 其余年份的月均温变化不大. 反观LSTnight， 其2001-2013年间的均值为16.98 ℃， 较LSTday低9.71 ℃. 2001-2007年间LSTnight呈年际间交替起伏， 到2007年LSTnight出现峰值18.08 ℃， 而后2007-2013年间， LSTnight的变化相对较小. 整体而言， 2001-2013年间LSTday和LSTnight均呈现出上升的趋势， 且LSTnight的上升要高于LSTday.

图4 2001-2013年中国东部沿海地区9月份LSTday和LSTnight统计结果Fig.4 Changes of LSTday and LSTnight of September in study area from 2001 to 2013

根据式(2)， 将2001-2013年每个年份的LSTday和LSTnight影像做差值运算， 得到DTRMODIS(图5)， 可以看出DTRMODIS整体呈现北高南低的空间分布特征. 其中， DTRMODIS最高的区域位于研究区最北部， 其次为华北平原的作物耕种区， 由北至南DTRMODIS逐渐减小. 而在山东与江苏两省交界区域， DTRMODIS明显变化， 呈下降趋势， 再往南， 则整体趋势基本不变.

从表1的统计结果中可以看出， DTRMODIS从2001年的10.61 ℃减小至2013年的9.47 ℃， 在这12年间DTRMODIS减少了1.14 ℃. 从DTRMODIS的年际变化也可以发现， 虽然DTRMODIS随着年份的变化不断起伏波动， 但就整体而言， 2001-2013年间DTRMODIS呈下降的趋势.

表1 2001-2013年中国东部沿海地区温度数据统计结果

随着全球气温不断升高， 年平均最高气温和年平均最低气温之间的变化幅度不一致， 后者上升幅度高于前者， 从而导致全球DTR的逐渐缩小. 从计算结果可得到2001-2013年间， 中国东部沿海地区的DTRMODIS缩减了1.14 ℃， 并呈下降趋势， DTRMODIS的不断减小表明该地区城市热岛强度不断增加的事实.

2.2 DTRMODIS成因分析

图6 2001年和2013年中国东部沿海地区土地覆盖类型图Fig.6 Land cover of study area in 2001 and 2013

结合2001年和2013年MODIS土地覆盖类型产品(MCD12Q1)类型Ⅰ (IGBP全球植被分类体系)[24-25]的土地覆盖分类结果(图6)可以看出， 研究区北部的草地其DTRMODIS最高， 其次为华北平原的耕地， 而森林、 城市建成区的DTRMODIS均较低. 一些学者在对土地利用/覆盖变化对DTR的影响研究中， 也得到相同的空间分布特征， Gallo等[26]发现气象站周边土地利用/覆盖的不同会导致DTR观测值的差异， 如城市和机场周边的DTR比农场、 乡村的DTR要低.

DTR变化的最直接原因是最高、 最低温度的变化幅度不一致. 有许多因素会对最高、 最低温度的变化造成影响， 包括太阳辐射[27]、 云[28]、 水汽含量[29]等自然因素和城市扩展与城市化发展过程中下垫面的改变、 污染气体与温室气体的排放等人为因素.

随着城市化与工业化的发展， 由人类活动产生的大气污染气体与温室气体不断增多， 如以硫酸盐和黑碳为主要成分的工业气溶胶， 对全球气候的变化造成了显著的影响[30-31]. 然而， 有研究表明温室气体的排放对最高、 最低温度的影响程度相近， 这也就是说温室气体对DTR的影响很小[32-33]. 由此可见， 人类对土地利用/覆盖的改变是城市化对气候影响最为深刻的活动， 且城市下垫面的改变对以LST为代表的DTR造成的影响最为明显[34]. 而在城市气候变化中， 最直观的表现就是城市热岛效应.

2.3 DTRMODIS的可行性分析

利用NOAA NCEI网站上发布的气象站气温数据， 选取分布于研究区内的30个气象站点(图2)， 并计算得到基于气象数据的DTR (DTRWS). 根据30个气象站点的坐标， 在DTRMODIS的结果中得到对应位置的DTRMODIS数据. 将2001-2012年这12年间的DTRWS与DTRMODIS数据进行回归分析， 获得DTRWS和DTRMODIS通过1%显著性检验的回归模型方程(图7).

从图7可看出， 无论是线性还是多项式方程， 都表现出DTRWS和DTRMODIS之间具有较好的拟合关系， 多项式的相关系数(R)略高于线性. 多项式回归模型的方程表达式为：

回归分析表明， 本文采用气象数据计算的DTRWS和遥感影像计算的DTRMODIS之间具有较显著的相关性， 证明利用遥感热红外影像估算研究区DTR的可行性.

同时， 对2001-2012年的DTRWS变化进行统计， 结果见图8. 从图8中可以看出DTRWS整体呈下降趋势， 再次证明中国东部沿海地区城市热岛强度的加剧.

图7 DTRWS和DTRMODIS的回归模型Fig.7 Regression models of DTRWS and DTRMODIS

图8 2001-2012年中国东部沿海地区9月份DTRWS统计结果Fig.8 Changes of DTRWS of September in study area from 2001 to 2012

3 结语

将气象学上的温度日较差(DTR)概念引入遥感的热岛强度定量评估中， 利用MODIS日、 夜平均温度分别作为最高温度和最低温度， 计算得到中国东部沿海地区的DTRMODIS由2001年的10.61 ℃减小至2013年的9.47 ℃， 12 a间缩减了1.14 ℃， 表明地区城市热岛强度不断增加的事实.

利用气象站气温数据计算得到DTRWS， 对DTRMODIS的结果进行验证， 将DTRWS与DTRMODIS进行相关关系分析， 证明利用遥感热红外影像估算研究区DTR的可行性， 揭示DTRWS和DTRMODIS之间具有较显著的相关性. 该成果有助于解决因气象站点分布有限， 且分布不均， 难以全面揭示区域热环境变化的问题， 实现对地表热岛空间分布的连续观测， 揭示区域热环境的空间变异细节. 研究还发现， 研究区的DTRWS同样表现出下降的趋势， 再次证明中国东部沿海地区城市热岛强度的不断加剧.