项小云 ，杜 嘉，宋开山，赵博宇，周昊昊，郭萍萍，张丽烟，胡雅婷

1.江苏省新海高级中学，连云港 222005

2.中国科学院东北地理与农业生态研究所，长春 130102

3.福建闽江河口湿地国家级自然保护区管理处，福州 350000

4.福州市晋安区自然资源和规划局，福州 350000

5.吉林农业大学 信息技术学院，长春 130118

城市热岛效应是指城市气温明显高于周边郊区的现象，是城市化过程中最为明显的变化形式（白杨等，2013）。城市建设用地由于其独特的下垫面性质使其成为了一个高蓄热体，加之城市人口密度较大、活动频繁，使得城市市区温度明显高于外围地区（徐永明和刘勇洪，2013）。随着社会经济的发展，城市建设用地持续向外扩张，使得城市的热岛效应不断增强。热岛效应已成为影响城市环境的重要因素之一，对城市的水文、大气环境、土壤条件、生物的分布和气候等都产生了重要影响。

湿地是位于陆生生态系统和水生生态系统之间的过渡性地带，是水陆相互作用形成的生态系统（袁军和吕宪国，2004）。湿地具有较大的比热容量和较强的水分蒸散度，对周边的大气温度和湿度都起到显著的调节作用。由于湿地长期季节性积水，使其具有水热容量大的特性，且湿地表面增温困难并伴有剧烈的蒸发现象，因此使得湿地近地层空气湿度增加，气候较周边区域更加冷湿。正是由于这种冷岛作用，所以湿地能够在一定程度上缓解城市热岛效应。国内关于湿地冷岛效应的研究有很多，聂晓和王毅勇（2010）对沼泽湿地的局地小气候效应进行了研究，结果表明：沼泽湿地具有显著的“冷湿岛”效应，并且不同高度“冷湿”效应表现不同，越靠近地面，“冷湿”效应越明显；拱秀丽等（2011）对沼泽湿地冷湿小气候效应的时空分布特征进行了统计分析和数值模拟研究，结果表明：沼泽湿地在白天表现出强烈的“冷岛”效应，午后14∶00“冷岛”效应最显著，到夜间22∶00湿地的“冷岛”效应基本消失，湿地上空的相对湿度变化随高度递减；崔丽娟等（2015）以北京市典型湿地为样本，研究湿地对城市温度、湿度和负氧离子浓度的影响，结果显示：湿地对城市局部环境具有小气候效应，并且这种效应随着距离水体越近作用越强，间接表明了湿地作用对周边不同距离影响程度有所不同；朱春阳（2015）对城市湖泊湿地与温湿效应间的关系进行研究，结果表明湖泊湿地布局对城市环境有降温增湿的效应，尤其以多斑块离散型湖泊湿地更为显著。Deilami et al（2018）对影响城市热岛效应的时空因素进行了系统的综述，指出了解什么因素导致的城市热岛效应是至关重要的，这样才能有针对性地减少这些因素造成的影响，因此本研究从空间因素方面分析城市土地利用/覆被变化及影响福州市热岛效应的空间因素。以上诸多学者的研究均证实了湿地强大的降温增湿效应，但是以往的研究仅仅关注了湿地的冷岛作用对城市热岛具有一定的缓解效果，但对于其缓解的范围以及对不同土地类型的缓解程度鲜有涉及。所以本研究在此基础上分析了湿地冷岛作用的影响范围，并且对周围不同土地利用/覆被类型的缓解效果也进行了分析。

福州市是福建省政治、经济、文化中心，同时也是海峡西岸经济区中心城市之一。近些年来由于经济的不断发展，城市持续扩张，使得城市热岛效应不断增强，福州市已经连续多年成为中国的新“四大火炉”城市之一。本文利用福州市4期遥感影像进行地表温度反演，并利用实测数据对反演结果进行验证。而后基于GIS缓冲区分析和叠加分析功能，根据不同年份的LST遥感反演结果，分析湿地对其他不同地表类型的降温效果，从而进一步了解福州市湿地在调节小气候和缓解城市热岛效应方面的影响范围和影响强度。

1 研究区与研究方法

1.1 研究区概况

福州地理位置位于25°15′— 26°39′ N，118°08′ —120°31′E，位于福建省东部、闽江下游及沿海地区，东边与太平洋相连。福州市四面环山，中部低、四周高，属于典型的河口盆地（陈文惠，2005；郭鸿博，2017）。福州市的盆地主要分布在南边，东部主要以丘陵和平原为主，适合人类聚集以及城市的发展。气候类型属典型的亚热带海洋性季风气候，年平均气温在16 — 20℃，气温适宜，温暖湿润，阳光充足，雨量充沛。年平均日照数为1700 — 1980 h；年平均降水量为900 — 2100 mm（王天星，2008），正是由于这种优越的气候环境，使得福州市城市景观四季常青。

福州市位于沿海地区，拥有众多的湿地资源。闽江为福建省第一大江，在福州市连江县附近注入东海，闽江河口地区分布较多串珠状湿地，部分较为重要的湿地区域距离城区很近（周亮进，2007）。本文研究区包括福州市鼓楼区、台江区、仓山区、晋安区、马尾区等五个市辖区，研究区总面积1430 km2，如图1所示。

图1 福州市研究区示意图Fig. 1 Research area of the Fuzhou

1.2 数据来源

研究中地表温度反演和土地利用/覆被分类所选用的Landsat影像主要来源于美国地质调查局（USGS）网站（https://espa.cr.usgs.gov/index/），通过查询地理位置匹配关系，得到能够覆盖整个福州市的4个时期Landsat影像数据，筛选影像上基本无云或者云量较少（＜10%）、时相适宜的影像，如表1所示。

表1 遥感数据名称及数据类型说明Tab. 1 Remote sensing data name and data type description

辅助数据来源与处理：除遥感数据外，还搜集、整理了覆盖研究区的气象数据、地表参数以及土地利用数据，作为地表温度反演的辅助信息，具体包括以下数据：

（1）气象数据集

在地表温度计算过程中，需要卫星过境时的瞬时气象资料，2015年后数据来源于中国气象数据网地面气象站定时观测资料，实时数据进行了允许值范围检查，对其中错误数据进行了剔除。而2015年前资料则根据当地气象站的资料经Parton-Logan模型推算得到，Parton-Logan模型的数学描述为（Parton，1981；Prihodkoand Goward，1997；齐述华等，2006）：

式中：Y为白天时长，Z为夜晚时长，Ti是第i时刻的温度，TX和TN分别是一天中的最高和最低温度（可以是气温或土壤温度），TS是日落时刻的温度，m是第i时刻离出现最低温度时刻的时间差，n是日落到出现最低温度的时间差，a是最高温度的延迟系数，b是晚上温度系数。该模型假定一天中的最高温度出现在白天的某个时刻，最低温度出现在日出前后的几个小时之内。Parton-Logan模型需要输入的参数包括：最高温度、最低温度、日序、纬度等，系数a、b是根据模拟的是土壤温度还是气温来确定的，并与土壤深度或气温观测高度有关。

（2）大气探空数据集

研究所采用的大气探空资料为遥感影像相对应时间的福州市探空实测数据。探空实测数据来源于美国怀俄明大学大气科学系（http://weather.uwyo.edu/upperair/sounding.html）。获取的主要参数，包括大气各层的气温、气压、相对湿度、露点温度等。根据大气各层的温湿度与气压，可计算大气水汽含量w（孟宪红等，2007）：

式中：w为整层大气水汽含量；g为重力加速度；Ps、Pt分别为地面气压和大气顶部气压；q为比湿；P为各层气压。

（3）土地利用/覆被数据

基于ArcGIS软件平台，以《福州市城市总体规划（2009 — 2020）》为依据，包括福州市鼓楼区、台江区、仓山区、晋安区、马尾区等五个市辖区，研究区总面积1430 km2，提取福州市研究区矢量边界（刘辉，2014）。

在《土地利用/覆被现状分类标准》国家标准和《全国第二次土地调查》分类系统基础上，结合研究的主要目的，将研究区土地利用/覆被类型分为建设用地、耕地、道路、林地、水体及沼泽等六类（陈百明和周小萍，2007；徐勇等，2011）。采用遥感影像分析软件eCognition作为分类平台，以多尺度分割得到的影像对象为基础，结合多源辅助信息，运用决策树分类方法对Landsat数据进行土地利用信息地物类型的信息提取，从而获得较高精度的研究区土地利用空间分布数据，并进行精度验证。据此完成研究区4期土地利用类型数据。

1.3 研究方法

1.3.1 基于大气校正后的单窗算法的Landsat反演 】地表温度方法

根据福州市的气候、植被特点，从多种地表温度（LST）反演的方法中找到最佳的LST反演方法，最后选择的算法为单窗算法。覃志豪等（2001a）发展了一个单窗算法，从Landsat系列卫星的热红外波段中估算地表温度，即：

式中：C=ε τ，D= (1 −τ)[1+(1 −ε)τ]，a= − 67.355351，b= 0.458606，ε是地表比辐射率，τ为整层大气透射率，Tsensor为传感器的亮度温度，Ta为大气平均作用温度，由下式求出：

式中：T0是近地层大气温度。

覃志豪等（2001b）依据大气中的水汽含量对大气透射率进行了估算：

式中：w是大气水汽含量。

利用大气校正模型中提供的六种标准大气廓线，各层空气水分含量占大气水分含量的比率Rw(z)的分布非常相似的特点，建立一个简单的模型反推大气剖面各层的水分含量，计算公式如下：

式中 ：w(z)是高度为z处的大气水分含量（g ∙ cm−2）；在近地层，Rw(0)近似等于0.40206，因而根据近地层空气湿度可以求出总的大气水分含量w。

覃志豪等（2001a）单窗算法的优势在于仅需要地表比辐射率、大气透过率和大气平均作用温度三个基本参数。该算法精度高、所需数据少，适合于Landsat TM和OLI两种类型遥感影像，是国内外研究中应用较为广泛的地表温度反演方法（马耀明等，2003；杜嘉等，2009）。

选取基于大气校正后的单窗算法的Landsat反演地表温度方法，对1986年、1994年、2005年、2016年共4期能够完全覆盖福州市所在区域的遥感影像数据进行福州市地表温度反演工作。由于夏季的湿地冷岛效应较为强烈，所以选取4期夏季遥感影像数据进行地表温度反演工作。

1.3.2 土地利用/覆被动态度

土地利用/覆被动态度是描述土地资源数量变化程度的常用方法，本研究引用该方法构建本区域的土地利用/覆被动态度模型，用于反映各土地利用/覆被类型面积的变化幅度与速度，并通过类型间的比较反映变化的类型差异，从而探究其背后的驱动或约束因素（刘盛和和何书金，2002），其表达式为：

式中：K1为研究时段内区域某一种土地利用/覆被类型的动态度，Ua、Ub分别为研究时段初期与末期该土地利用/覆被类型的面积；T为研究时段，当设定为年时，模型结果表示该区此类土地利用/覆被类型的年变化率。

1.3.3 马尔可夫转移矩阵

马尔可夫（Markov）模型用转移概率矩阵模拟景观从一种状态向另一种状态转移的动态过程，是一系列特定的时刻间隔下，一个亚稳定系统由T时刻状态向T+ 1时刻转化的一系列过程（张海龙等，2005）。该模型的显著优点是不需要连续的长时间序列数据，且直观性强，因此，采用马尔可夫转移矩阵来描述不同土地利用/覆被类型之间在时间维度上的发展演化过程，其数学表达式为：

式中：Pij为景观类型i转变为景观类型j的转移概率，N为景观类型个数，假定在动态过程中保持不变，且：（1）0≤Pij≤1（i，j= 1, 2, 3, …,N）；（每行元素之和为1）。

以年为单位，把土地利用/覆被变化分成一系列的离散的演化状态，从一个状态到另一个状态的转化速率通过各时间段内某土地利用/覆被类型的年平均转化率获得。对不同时期的土地利用/覆被图层进行叠加分析运算，得到研究区域不同时段的土地利用/覆被动态图层，并通过该图层的属性表，计算出土地利用/覆被类型转移概率。

1.3.4 城市热岛贡献指数（UHI）

城市热岛的研究重点是对城市下垫面温度相对强弱的空间分布特征进行研究，利用城市热岛贡献指数（UHI）来客观地对比不同年份之间的城市热岛变化（张春桂等，2011；徐涵秋和王美雅，2016）。UHI公式如下：

式中：H′代表某一土地利用/覆被类型上的LST累加值；Tij代表某一土地利用/覆被类型上的LST大于区域平均值的LST值；Ta0代表区域平均LST值；ni代表某一土地利用/覆被类型上的LST大于区域平均值的像元个数；N代表区域的像元个数。

2 结果与分析

2.1 土地利用/覆被变化情况

2.1.1 土地利用/覆被验证情况

本文采用误差矩阵和Kappa系数方法对研究区土地利用/覆被分类结果进行验证，由于研究时间跨度较长、数据有限，仅能对研究区2015年土地利用/覆被分类结果进行验证。为确保研究数据的准确与精度，于2016年9月开展福州市实地野外调查与采样工作。共采集福州市土地覆盖野外调查样点237个，采样路线长度351 km，采样路线覆盖福州市五个市辖区。根据表2精度评价混淆矩阵的结果可知，本研究所得到的2015年各土地利用/覆被分类的用户精度和生产者精度均在92.3% — 94.7%，Kappa系数为0.84，对应的分类精度级别为非常好，满足进一步研究需要。

表2 2015年土地利用/覆被精度评价混淆矩阵Tab. 2 2015 Land use accuracy evaluation confusion matrix

研究使用的遥感影像为中等分辨率的Landsat系列影像，并且福州市作为历史悠久的文化名城，其景观比较破碎，在30 m×30 m尺度内可能存在由于分辨率和混合像元导致的分类精度具有局限性的问题。针对这部分的问题，在后续的研究过程中可以选择使用更高分辨率的遥感数据进行研究。

2.1.2 土地利用/覆被动态度分析

福州市湿地类型包括沼泽和水域，根据4期福州市土地利用/覆被图（图2），自1985年以来，福州市水域和沼泽面积呈持续减少态势。1985 — 1995年水域和沼泽面积分别减少4.6 km2和2.5 km2，动态度分别为− 3.2%和− 7.4%，水域和沼泽减少幅度不大。通过分析1995年和2005年水域和沼泽面积的变化发现，水域面积由1995年的140.2 km2减少为2005年的139.6 km2，动态度为− 0.4%；沼泽面积由1995年的31.2 km2减少为2005年的25.8 km2，动态度为− 17.3%；这期间水域面积变化幅度不大，沼泽面积急剧减少。通过对2005 — 2015年水域和沼泽面积的变化研究可知，水域面积由2005年的139.6 km2减少为2015年135.2 km2，动态度为 − 3.2%；沼泽面积由2005年的25.8 km2减少为2015年的20.5 km2，动态度为− 20.5%；这期间水域和沼泽面积依旧持续减少，其中沼泽面积减少剧烈。在整个研究期间，水域和沼泽的面积分别由1985年的144.8 km2和33.7 km2下降为2015年的135.2 km2和20.5 km2。1985 — 2015年，研究区湿地发生了剧烈的变化，需要对福州市土地利用/覆被类型进行转移矩阵分析，通过转移矩阵分析可以更清楚地观测出各类型湿地的转化方向，以及湿地总面积的变化状况。

图2 1985 — 2015年福州市土地利用/覆被空间分布图Fig. 2 Spatial distribution map of land use in Fuzhou City from 1985 to 2015

2.1.3 马尔可夫转移矩阵分析

根据4期影像获取福州市土地利用/覆被类型空间分布情况，获得1985 — 2015年福州市土地利用/覆被类型占比表（表3）。通过表3可以看出，近30 a以来，建设用地和道路面积明显增加，建设用地增幅较大，从1985年占比10.6%到2015年占比23.4%，所占比例增加了12.8%。耕地面积急剧减少，从1985年占比21.3%减少为2015年9.5%，所占比例减少了11.8%。其余林地、水域和沼泽面积都在持续减少，所占比例分别减少1.6%、0.6%和1.0%。

表3 1985 — 2015年福州市土地利用/覆被类型占比Tab. 3 Proportion of land use types in Fuzhou City from 1985 to 2015

通过对土地利用/覆被类型占比分析，发现在1985 — 2015年，研究区土地利用/覆被类型发生着剧烈的变化。其中，变化最为剧烈的是建设用地和耕地。建设用地增幅十分剧烈，所占土地比例接近总面积的25%，耕地面积减少幅度较大，仅占总面积的10%不到。据此，对福州市土地利用/覆被类型进行马尔可夫转移矩阵分析（表4），通过转移矩阵分析可以更清楚地观测出各土地利用/覆被类型之间的转化方向。

表4 1985—2015年福州市土地利用/覆被类型转移矩阵Tab. 4 Land use type transfer matrix of Fuzhou City from 1985 to 2015（转移面积 Transfer area / km2）

1985 — 2015年福州市水域和沼泽面积变化呈持续减少态势。其中，水域主要转化为建设用地、沼泽和道路，转化面积分别为13.3 km2、6.9 km2和2.3 km2，其转化面积占1985年水域面积的比例分别为9.2%、4.8%和1.6%；沼泽主要转化为水域、建设用地和耕地，转化面积分别为11.7 km2、9.0 km2和1.5 km2，其转化面积占1985年沼泽面积的比例分别为34.7%、26.7%和4.5%。福州市的建成区包括建设用地和道路，自1985年以来，湿地主要转化为建成区，转化面积为22.3 km2，其转化面积占1985年湿地面积比例的17.3%。福州市1985 — 2016年这30多年间湿地总面积呈持续减少态势，各类型湿地的变化绝大部分是各类型湿地之间的互相转化，其余变化的部分主要是各类型湿地转化为耕地和建设用地。

2.2 地表温度反演分析

2.2.1 地表温度反演结果验证

地表温度的验证是一大难点，用于验证的实测数据还受到天气等因素影响只能对部分日期的地表温度反演结果进行验证。并且由于缺乏其他年份逐小时气象数据，研究仅能对2016年反演温度结果进行验证。本文利用实测地表温度数据对经过大气校正改进的单窗算法进行了验证，为后续结果的分析奠定基础。

为了验证单窗算法估算的地表温度的可信度，在估算结果中选取福州站站点位置（图1）的估算值与实测值进行比较，实测值数据选择卫星过境时刻福州气象站点定时数据。在获取影像的过程中，由于卫星轨道漂移或其他因素影响可能造成像元的变形，研究以福州站为中心提取像元大小为3×3窗口范围内的估算平均值，以期最大限度地消除这些影响。

地表温度反演结果与实测数据比较如图3所示，两者变化的趋势基本吻合。根据其散点图显示，确定性系数为0.9475，满足研究需要。尽管大气校正改进的单窗算法的相对误差已经较小，但是遥感反演地表温度的是120 m×120 m范围内的像元尺度的平均值，像元中极有可能还混合包含有周边的地物，而地面实测值只是测量仪器内的地表温度，存在尺度差异性。

图3 地表温度反演结果与实测数据对比图Fig. 3 Comparison of surface temperature inversion results and measured data

2.2.2 地表温度反演结果分析

利用基于大气校正后的单窗算法的Landsat反演地表温度方法，完成福州市1986年、1994年、2005年、2016年4期地表温度反演，如图4所示。

图4 福州市地表温度反演结果示意图Fig. 4 Schematic diagram of the inversion results of surface temperature in Fuzhou

通过对4期反演结果进行分析发现，城市热岛主要集中在工商业聚集和人口密集的地区，温度以其为中心向周围逐渐降低。除此之外，由于城市规模不断扩张、市辖区的面积急剧扩大，建筑密度也越来越密集。研究区内，热岛效应在闽江周边区域形成一处低温地带，温度自闽江向两岸延伸呈现逐渐降低的变化趋势。

1985 — 2005年研究区内地表温度较高的区域很小，主要聚集在闽江两岸商业圈和人口聚集的晋安区、鼓楼区。2005年以后地表温度高温区域面积明显增加，大部分城区城市热岛效应逐渐增强，地表温度都比较高。与之前相对比，地表温度高温地区不再是单独分布的区域，随城市规模不断向外的扩张，高温区域逐渐连成了一片。台江区和马尾区为较为集中的高温区，尤其是在金山工业园区、快安等地方地表温度变化剧烈。造成这种现象主要是由于城市的不断发展，建成区的面积不断向外扩张，使城市外部的非建设用地不断转变为建设用地所致。

福州市夏季地表温度逐年升高，温度升高幅度十分剧烈，并且其高温范围由热源中心向外不断扩张。温度向外扩张的趋势与建设用地和道路的扩张趋势趋于一致。据此，通过ArcGIS的分区统计分析功能对其结果进行进一步分析，分析结果如表5所示。

表5 不同土地覆被/利用方式上的地表温度平均值Tab. 5 Average surface temperature over different land use patterns

通过4期地表反演结果，结合ArcGIS的分区统计分析功能和各土地利用/覆被数据，可以发现：（1）各主要土地利用/覆被方式的温度从大到小依次为道路＞建设用地＞沼泽＞耕地＞林地＞水体；（2）建设用地和道路的温度要明显高于水体、林地和沼泽，其原因主要是建设用地和道路的比辐射率较高，因此温度相对较高，形成强烈的城市热岛；（3）沼泽和水体的温度与林地的温度相差不多但是要低于周围其他地物地表温度，体现出湿地的冷岛效应。

2.3 福州市热岛效应的分析

根据上述福州市地表温度的空间分布特征以及土地利用/覆被数据可以发现，福州市城市热岛向外扩张的趋势与建设用地和道路的扩张趋势趋于一致。这也说明了由于城市扩张引起的土地利用/覆被变化对城市热岛效应的强烈影响作用。进而使用城市热岛贡献指数（UHI）对不同年份的热岛效应变化进行分析。

研究利用ArcGIS的空间分析功能，计算了福州市城市热岛贡献指数UHI（图5），可以发现，建设用地贡献了整个研究区城市热岛效应的52%，占绝对主导地位。其次是林地和耕地分别贡献了整个研究区城市热岛效应的34%和12%。而水域、沼泽和道路的总和则只贡献了整个研究区城市热岛效应的1%，几乎可以忽略不计。从不同年份的值来看，在1985年，建设用地只贡献了整个研究区城市热岛效应的24%，并不占主导地位，远小于当时占主导地位的林地（45%）和耕地（30%），表明这时，福州市城市热岛中建设用地因素影响还不明显。但是随着时间的推移，建设用地的贡献比例显著上升，尤其是到2005年达到了64.8%，已经完全占据主导地位。而到了2016年建设用地的贡献比例达到了93%，可以说这时候的城市热岛完全由建设用地决定。

图5 1985 — 2015年不同土地利用/覆被类型的Hi值分布图Fig. 5 Hi value distribution map of different land use types from 1985 to 2015

2.4 湿地的冷岛效应分析

为了分析湿地对周边其他土地利用/覆被类型的降温作用，在福州市地表温度反演结果的基础上，以福州市湿地（水域和沼泽）矢量边界内主要连片部分的湿地作为缓冲区的中心，向湿地外围做500 m的缓冲区，且制作缓冲区的间隔距离为30 m（本文所使用的遥感影像数据的空间分辨率为30 m）。利用ArcGIS的分区统计功能，对不同距离缓冲区内的地表温度进行分析，得出不同距离缓冲区内各土地利用/覆被类型的平均地表温度（图6）。

图6 1988 — 2015年湿地500 m缓冲区内各土地利用/覆被LST分区统计图Fig. 6 Statistical analysis of land use LST in the 500 m buffer zone of wetlands in 1985 — 2015

通过上图分析可以发现：（1）研究区内各土地利用/覆被类型上的地表温度随着距离湿地的距离增加而不断上升，说明了湿地对于周边区域有着强烈的降温作用。（2）各个土地利用/覆被类型上的地表温度随着距离湿地距离的增加而不断上升，但是到达一定距离后，其地表温度不再增加，说明湿地对于周边区域的降温作用也有一定的适用范围，而且各个土地利用/覆被类型的适用范围并不相同。建设用地和道路的地表温度相差不大，但相比其他地物类型的均值高很多，其次是耕地的地表温度均值最低。

为了更加直观地进行分析，通过ArcGIS的分区统计结果制作1985 — 2015年湿地对周边各土地利用/覆被类型地表温度的影响距离（表6）。

根据表6，自1985年到1995年，湿地对周边各土地利用/覆被类型地表温度的影响距离在不断减小，2005年到2016年期间，影响距离有一个短暂的增加，但增加的距离较小。1985 — 2015年湿地对周边各土地利用/覆被类型地表温度的影响距离总体来看，呈现出减小的趋势，影响距离由1986年的400 m减小到2016年的360 m。根据湿地对周边各土地利用/覆被类型地表温度的影响距离，计算出1985 — 2015年湿地对周边各土地利用/覆被类型地表温度的影响范围（表7）。

表6 1985 — 2015年湿地对周边各土地利用/覆被类型地表温度的影响距离Tab. 6 The influence distance of wetland on the surface temperature of surrounding land use types from 1985 to 2015

表7 1985—2015年湿地对周边各土地利用/覆被类型地表温度的影响范围Tab. 7 The influence range of wetland on the surface temperature of surrounding land use types from 1985 to 2015

通过表7可知，自1985年以来湿地对周边各土地利用/覆被类型地表温度的影响面积呈现波动中降低的趋势，影响面积由1986年的352 km2减小到2016年的320 km2，影响范围下降，平均速度为0.94 km2∙ a−1。这说明在1985 — 2015年，湿地对于周边土地利用/覆被类型的影响范围整体上是处于减小趋势。

为了更加直观地显示湿地对周边各土地利用/覆被类型地表温度的影响范围，进而利用ArcGIS软件和不同年份土地利用/覆被数据，根据计算出来的湿地对周边各土地利用/覆被类型地表温度的影响范围，将受到湿地影响区域显示出来（图7）。

图7 1985 — 2015年湿地对周边土地利用/覆被类型地表温度的影响范围Fig. 7 The influence range of wetland on the surface temperature of surrounding land use types from 1985 to 2015

通过地表温度反演图和距离图对比，发现湿地对周边各土地利用/覆被类型地表温度的影响范围呈现波动中降低的趋势，建设用地等城市热岛效应剧烈的区域都受到湿地影响，但与1985年相比由于部分湿地的消失，部分城市热岛效应剧烈的区域不再受到湿地影响。也就是说，湿地的冷岛效应正在不断减弱，其原因是由于湿地面积的不断减少，结合土地利用/覆被数据发现湿地面积不断减少主要是转化为建设用地和道路。

3 结论

利用经大气校正过的单窗算法对1985 — 2015年4期Landsat影像进行地表温度反演工作，通过对反演结果进行分析，发现建设用地和道路的地表温度普遍高于其他土地利用/覆被类型，成为城市热岛的主要热源，湿地（水域和沼泽）的地表温度较低，体现出强烈的冷岛效应。通过一系列的定量分析，发现湿地的冷岛作用对城市热岛效应的加剧有着一定的缓解作用，为福州市缓解城市热岛工作提供了一定的方向和解决思路。根据研究得出以下结论：

（1）建设用地和道路的地表温度要高于其他土地利用/覆被类型，是城市中的主要热源。由于城市的不断扩张，建设用地的比重逐渐增大，建设用地对城市热岛的贡献率越来越大，2016年建设用地的城市热岛贡献指数UHI达到93%。

（2）湿地对于周围的土地利用/覆被类型有着降低温度的作用，所以在一定程度上可以缓解建设用地和道路的高温情况。

（3）1985 — 2015年，湿地对周边地区影响范围呈现逐渐降低的趋势，换言之，湿地的冷岛效应正在不断减弱，而其原因正是湿地面积的减少。因此保护现有湿地不受人为破坏，加强湿地规划特别是加强湿地公园建设将对缓解福州市城市热岛效应起到重要的作用。