姜亚楠，官冬杰，程丽丹

(重庆交通大学 建筑与城市规划学院，重庆 400074)

1 引言

采用遥感技术监测城市热岛效应和城市热环境变化是近年来城市环境监测和城市生态研究的热点领域[1，2]。随着城市化进程的快速发展，人为改造的下垫面和人为活动的热量排放打破了原有的热平衡，使得城市及其周边区域的生态环境发生了很大变化[3]，因此，开展城市热环境变化研究对于保护生态环境、建设宜居城市具有重要指导意义[4]。然而，对于城市这种下垫面异质性很大的区域，使用遥感方法对其热环境进行研究却受到很多因素的制约，其中最为主要的因素是现有热红外遥感数据空间分辨率的限制[5]。目前研究热环境所需要的热红外数据，空间分辨率普遍在100 m左右，在这个尺度上，可以正确区分城市与郊区的热环境差异，却无法划分城市内部的道路、高建筑密度区域、低建筑密度区域、公园和具有一定规模的绿地的热环境差异[6]。空间降尺度技术是解决现有困境的有效途径之一，它通过对同一传感器的不同分辨率波段数据进行整合，从而实现提高热红外影像空间分辨率的目标[7]。运用空间降尺度算法可以发掘遥感影像的潜力，获得与可见光波段空间分辨率相同的热红外影像，这对于提高城市热环境的监测水平具有重要意义[8]。

本文以重庆市主城区为研究区域，获取MODIS数据影响，运用较成熟的降尺度算法，对降尺度后的数据影像产出热场等级图，结合土地利用数据、主城区与其他区县的热场强度的对比分析重庆市热环境的分布规律。

2 研究区概况与数据来源

2.1 研究区概况

重庆市位于中国西南地区，紧靠长江，与四川、贵州、湖北、湖南等接壤，是西南地重要的经济与交通枢纽站，属长江经济带上游，位于东经105°11′～110°11′、北纬28°10′～32°13′之间。全市面积约为8.24万km2，辖区东西长470 km，南北宽450 km。重庆地势独特，多为山地丘陵，东南部、东北部高山较多沿长江向西地势逐渐平缓。地貌类型繁多，其中山地面积约占50%左右，高原、丘陵其次，平原仅为2.6%。与之相关的重庆市经发展水平由高山贫瘠地区逐渐向三江汇流平坦处不断迈进。重庆特殊的地貌使得大气环流、季风进退都有影响，造成了重庆独有的气候，复杂多变，空间差异性较大。

2.2 数据来源

2.2.1 遥感影像数据

本文选用的遥感影像从地理空间数据云(http://www.gscloud.cn)下载，下载2001年9月Landsat TM5影像，2010年10月Landsat TM5的遥感影像，选择云量较少图像清晰的日期下载共4景影像，选用分辨率为30 m的7个波段进行合成，使用ENVI5.1以此对遥感影像进行辐射校正、大气校正、几何精校正和图像增强等预处理工作。根据重庆市主城区的矢量边界使用ENVI裁剪模块裁剪以获得杭州市的遥感影像，结合Google map影像及查阅资料作为辅助资料确定研究区的土地利用类型和解译标志，将分类后的图像做主要/次要分析，与原始影像对比，对错分、漏分等区域进行手动修改，将杭州市土地利用类型划分为7大类：林地、耕地、交通用地、水域、草地、居民用地和裸地等。最后，根据混淆矩阵对分类进行进度评价，2001年与2010年的Kappa系数分别为0.83和0.88，即为监督分类的结果较为良好。

在监督分类的过程中，计算机的自动分类是按照所选取兴趣区的光谱特性，进行分类的，由于存在同物异谱或者同谱异物的情况，所以在分类的过程中会有一些区域被分错，于是需要通过手动进行修改；分类的过程中也会由于遥感影像存在很多混杂的像素点，所以分类后会出现很多细小的斑块，则可以通过ENVI的去除小斑块工具进行处理，在处理过程中，我选择的是只要/次要分析，也有用聚类分析，但是聚类分析会使得象元过于平滑，使得图像过于板块化，所以对比发现主要/次要分析使得图像大部分小斑块去除，而且使得图像不是太失真。计算机监督分类，比较集中方法后，采用的是最大似然法进行分类，之后再GIS软件中处理，制作得到2001年和2010年两个时期各自的土地利用图。

2.2.1 地表温度产品

本文选取了2000年和2010年9月末至10月初的多幅Landsat影像数据，来自美国NASA网站(https://ladsweb.modaps.eosdis.nasa.gov)其中地表温度产品mod11a2，有12个波段，其中第1和第5波段分别为白天和夜间1km的地表温度LST，NDVI产品是mod13q1(13 d、250 m)；dem数据从地理空间数据云上获取，分辨率为90m。由于考虑到LST的季节性因素，选用了夏天和秋天之间的影响作为数据，经观察发现白天的数据优于晚上数据。于是经过筛选确定了最好的一期LST图像和一期NDVI影像，云量几乎没有影响。同时选取了得到的重庆市2015年土地利用分布图和重庆市各城区行政区划图作为辅助数据。

3 研究方法

3.1 空间降尺度算法

本文选用了较为成熟的一种降尺度手段 HUTS 算法作为方法。一般降尺度作为计算小面积降雨量时有着大量的应用，而Dominguez等[9]于2011年提出一种在城市建成区应用中，地表异质性较大的区域表现更好的算法[6]。这种算法在传统的降尺度算法上引入新的模拟函数，利用大尺度的地表温度LST与植被归一化指数(NDVI)和地表反照率(α)的回归关系，建立模拟函数，从而利用小尺度的NDVI和地表反照率去拟合小尺度的LST。

本文利用1000 m的LST、NDVI、DEM以及经纬度建立LST与三者之间的回归关系，选择R2最大的一组回归函数，确定其系数作为最理想拟合函数，然后再根据已有的250 m NDVI、DEM以及经纬度数据来带入拟合出250 m的LST数据。其中，要计算出1000 m数据中真实值与拟合值的残差，将残差重采样到250 m，最后将250 m残差与拟合值相加，就得到了降尺度后的250 m LST数据。思路流程如图1。

图1 降尺度方法流程

通过SPSS软件进行一般线性拟合，经过反复比较精度，最好的拟合方程为：

然后根据已知实际的1000 m LST进行残差处理，得到的1000 m残差再插值到250 m。根据得到的拟合方程首先来拟合地表温度LST250m结果：

然后将插值后的残差与LST250day相加就得到了降尺度后的地表温度数据(图2)。本文研究的对象是城市热环境现象，需要小尺度的地表温度数据，因此降尺度是必须经过的程序。

图2 重庆市主城区地表温度分布

3.2 地表覆盖与地表温度的定量分析

对地表温度降尺度的结果进行城市地表热场等级划分[10]。本研究选用密度分割法作为划分方式，不同日期的温度的绝对值不能说明地表温度空间分布特征，为了更精确的分析温度分布，利用GIS，采用密度分割法对城市温度进行等级划分：

T=A±X×SD

(1)

式(1)中：T为计算出的温度阈值，A为研究区地表平均温度，SD为地表温度标准差，X表示标准差的倍数(表1)。标准差是个体值偏离均值的程度反映，这种方法能合理的对不同程度的温度进行归一化处理，具有客观性。将重庆市地表热场分为了5个等级，由于重庆市属于极炎热地区，所以在划分时着重划分了高温部分，温度等级如表2。

表1 标准差倍数取值

图3为降尺度按等级划分后的重庆市地表温度数据，可以看到有明显的热环境现象，人口密集发展程度好的区域，热环境效应明显，在主城区以及沿江的重点区县有着温度较高，热点聚集明显。

根据地表热场划分的等级，将面转为栅格文件，提取到点上，计算不同热场温度等级所占面积比例，得到表3，可以看出白天重庆市夏季末常温区所占比例最大，站重庆市总面积的89.48%。低温和较低温区的区域较少。

表2 地表热场等级划分

利用重庆市2015年土地利用类型分布图分析了各种土地利用类型与温度的关系，如图4，结果表明：

(1)绿植覆盖地和水体地表温度较低，从直观上比较，林地温度低于水域表面温度，但都比建设用地和耕地的地表温度低。该结果符合常理范围，说明降尺度的手段是切实有效，有理可循的科学手段。

图3 降尺度后热场分布等级

(2)植被覆盖度决定地表温度，其中居民用地对地表温度贡献较高，而绿地和水体因含水作用对地表温度贡献度较低。因此，在城市发展、规划中，保证经济发展的同时合理控制城市建筑、裸地的面积，增加水体和绿地面积，从而适量的为城市地表降降温[11]。

3.3 城市热岛强度

为综合评价重庆市热环境效应，引入了热岛强度的算法[12]，根据重庆情况，把主城区与其余区县做一个温度差异值对比，从而得到重庆市主城区的热岛强度。具体做法是江城主城区平均温度与区县平均温度做差值，对比主城区与其他区县的热环境有利于对主城区降温，城市扩张发展有着指导作用。

表3 不同地表热场等级占比

图4 土地利用类型分布

图5 不同用地类型地表温度

T城区=(T沙坪坝+T渝中区+T江北区+T南岸区+T九龙坡区+T大渡口区+T北碚区+T渝北区+T巴南区)/9

T区县=(T永川区+T涪陵区+T长寿区+T江津区+T合川区+T南川区+T荣昌县+T大足县+T璧山县+T铜梁县+T潼南县+T綦江县+T万州区+T开县+T云阳县+T梁平县+T垫江县+T忠县+T丰都县+T奉节县+T巫山县+T巫溪县+T城口县+T黔江区+T武隆县+T石柱县+T秀山县+T酉阳县+T彭水县)/29

城市热岛强度为：UHI=T城区-T区县

得到结果，重庆市主城区热岛强度为UHI=26.18-23.29=2.89。

4 结果分析

4.1 降尺度结果评价

降尺度是一种有效的数据分析手法，本研究通过构建地表温度数据与海拔、经纬度、植被覆盖度的拟合关系，将1 km的地表温度数据降到了250 m，提高了原始数据的分辨率，反演了小尺度也能进行地表温度数据分析。如果用原始1000 m的数据，做出的效果一定不如降尺度后的明显，说明降尺度算法是具有一定准确性的，可以应用到多种数据的处理中，经过降尺度的数据符合要求，能更便捷快速的的分析问题。

4.2 地表覆盖与地表温度的定量分析

本文采用密度分割法对研究区地表温度进行等级划分，划分出6个等级，分析了重庆市面积所占各个等级比例，数据结果说明，9月末至10月初的时间段，重庆市仍绝大部分处于常温状态，温度分布在11.99 ℃

结合土地利用分布数据的分析，说明了土地的含水量决定着地表温度的高低。水的比热容大，白天不易升温，夜晚不易降温，都对地表温度数据产生了影响。当植物覆盖较高时能留住大量水分，使得地表温度不易被改变，此结果对城市热点降温，改善热环境质量提出了建议，适当的增加中心城市的绿化，可以有效降低城市的热效应现象。

4.3 城市热岛强度

在计算过程中需要每个区县和主城片区的地表温度均值数据，同时还要注意首先要将地表温度数据与土地利用面积结合起来，再进行操作。本研究中热岛强度明显，主城普遍的地表温度都大于周围区县的地表温度，说明城市发展几乎与地表温度成正比，人口密集程度亦然。

5 结论

本研究利用降尺度手段明晰了城市热岛效应与城市土地利用的关系，主要体现在：地表温度数据与土地利用类型有关，当用地类型植被覆盖度较高、水分含量较高时，地表温度受到弱化；主城区地表温度在同一时相中，较其他区县地表温度高，可以明显看出差距。所以本研究也为研究主城区扩张与发展效果提供了依据。