城市熱環(huán)境季相變異及與非滲透地表的定量關(guān)系分析
——以廣州市中心區(qū)為例

郭冠華，吳志峰，劉曉南

1. 中國科學(xué)院廣州地球化學(xué)研究所，廣東 廣州 510640；2.中國科學(xué)院大學(xué)，北京 100049；3. 廣東省生態(tài)環(huán)境與土壤研究所，廣東省農(nóng)業(yè)環(huán)境綜合治理重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510650；4.廣州大學(xué)地理科學(xué)學(xué)院，廣東 廣州 510006

城市熱環(huán)境季相變異及與非滲透地表的定量關(guān)系分析
——以廣州市中心區(qū)為例

郭冠華1,2,3，吳志峰4*，劉曉南3

1. 中國科學(xué)院廣州地球化學(xué)研究所，廣東 廣州 510640；2.中國科學(xué)院大學(xué)，北京 100049；3. 廣東省生態(tài)環(huán)境與土壤研究所，廣東省農(nóng)業(yè)環(huán)境綜合治理重點(diǎn)實(shí)驗(yàn)室，廣東 廣州 510650；4.廣州大學(xué)地理科學(xué)學(xué)院，廣東 廣州 510006

基于遙感衛(wèi)星影像的熱環(huán)境時空格局及與地表特征相關(guān)性分析是目前城市熱環(huán)境研究的主要內(nèi)容，但此類研究針對季相變異特征的分析較為缺乏。以廣州市中心區(qū)2005年下半年3期不同季相的Landsat TM影像為數(shù)據(jù)源，提出一種面向?qū)ο蠓指畹姆椒ㄌ崛〕鞘袩釐u/冷島分布，并利用重心模型定量其季相變化移動軌跡；采用回歸樹模型構(gòu)建地表溫度（Land surface temperature, LST）與非滲透地表的關(guān)系方程，旨在揭示城市熱環(huán)境季相變異性規(guī)律。結(jié)果表明：（1）隨夏季到深秋，熱島呈現(xiàn)從中心區(qū)退出的態(tài)勢，南部冷島大面積消失，7月18日至10月22日熱島重心向東移動2.5 km，冷島重心向西北移動3.4 km。10月22日至11月23日冷島重心向西北移動9 km，熱島重心向東南移動8 km；（2）隨季相變化，地表溫度與非滲透地表的正相關(guān)關(guān)系趨于復(fù)雜，二者相關(guān)性從7月18日的0.9941降至11月23日的0.8691，對于11月23日數(shù)據(jù)，使用二次多項(xiàng)式方程更能表達(dá)二者的關(guān)系；（3）與傳統(tǒng)的線性回歸模型相比，回歸樹模型能更好地模擬地表溫度的空間異質(zhì)性，非滲透地表的增溫作用存在非線性趨勢，并且二者的關(guān)系模型存在明顯的空間異質(zhì)性。

非滲透地表；季相變異；熱環(huán)境；廣州市中心區(qū)

城市化及其生態(tài)環(huán)境效應(yīng)是近年來地理學(xué)與生態(tài)學(xué)領(lǐng)域研究的重點(diǎn)之一。人類活動導(dǎo)致的溫室氣體排放和土地利用變化都會促進(jìn)區(qū)域日平均溫度的增加（Gallo等，1999），從而加劇城市熱島效應(yīng)。利用遙感衛(wèi)星獲取地表溫度是城市熱環(huán)境研究的重要數(shù)據(jù)源。目前基于遙感影像的城市熱環(huán)境研究主要集中在兩個方面：一是運(yùn)用地表溫度數(shù)據(jù)診斷城市熱環(huán)境時空變化格局（Weng等，2014；段金龍等，2011；徐涵秋，2011）；二是分析地表溫度與其它典型城市地表參數(shù)（如土地覆被組成和配置）之間的相關(guān)性（Buyantuyev等，2010；Guo等，2015；Li等，2011；岳文澤等，2006）。但由于遙感影像獲取條件限制，研究時常常只選用某一時刻的地表溫度數(shù)據(jù)來反映特定時期內(nèi)溫度特征，無法全面把握城市熱環(huán)境狀況，因此熱環(huán)境的季相變異特征仍有待深入分析（Guo等，2015）。城市地表溫度分布是城市下墊面組成的重要反映，并且與時間、空間、大氣邊界層狀況密切相關(guān)（Camilloni等，2012）。近年來已有學(xué)者發(fā)現(xiàn)地表溫度與地表參數(shù)之間的關(guān)系會隨季節(jié)變化而改變，如 Liu等（2008）及Zhou等（2014）在開展地表溫度與景觀格局關(guān)系研究時均指出了季相變化的重要性。

城市是一個異常復(fù)雜的地域空間，在短時間內(nèi)（如同一年內(nèi)），城市內(nèi)部水體、非滲透地表等地表參數(shù)是固定不變的，而地表溫度會受天氣狀況、太陽高度角等因素影響，在利用遙感衛(wèi)星影像進(jìn)行城市熱環(huán)境分析時，短時期內(nèi)的熱環(huán)境分析結(jié)果是否具有季相變異？其變異程度多大？這些變異與地表參數(shù)有如何的關(guān)系？這些科學(xué)問題都有待深入分析。針對這一背景，本文以廣州市中心區(qū)為研究對象，提出了一種面向?qū)ο蟮姆椒ㄔ\斷城市熱島/冷島格局季相變化，并以非滲透地表表征城市典型地表參數(shù)，引入回歸樹模型挖掘非滲透地表對地表溫度的非線性關(guān)系及其空間異質(zhì)性。本論文重點(diǎn)在于揭示利用遙感衛(wèi)星進(jìn)行城市熱環(huán)境研究時分析結(jié)果的季相變異性，以促進(jìn)人們對城市熱環(huán)境格局與變化的理解。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

廣州市（112°57′～114°3′E，22°26′～23°56′N）地處南中國沿海，珠江三角洲中北緣，隔海與香港、澳門相望，是珠三角都市圈的核心城市，被稱為中國的“南大門”。廣州市全市面積約7434.40 km2，2010年常住人口 1270.08萬人，中心城區(qū) 772.72萬人，占 60.84%。在城市空間分布上，廣州市城-鄉(xiāng)梯度十分明顯（圖 1）：珠江流經(jīng)城市中部，兩岸分布著城市化發(fā)展成熟的老城區(qū)（越秀區(qū)、海珠區(qū)西部）及新型城市發(fā)展區(qū)（如天河區(qū)CBD），分別向南、北、東3個方向的擴(kuò)展軸為番禺區(qū)、白云區(qū)和蘿崗區(qū)3個新區(qū)。本文的研究區(qū)位于廣州市中心城區(qū)，包含 126個鎮(zhèn)/街道辦行政單位，面積約1461.66 km2，基本上涵蓋了廣州市城市化主要地域，對城市熱環(huán)境研究具有一定的代表性。

圖1 研究區(qū)位置示意圖Fig. 1 The location of study area

1.2 數(shù)據(jù)源與預(yù)處理

本研究采用數(shù)據(jù)源為2005年下半年的Landsat TM遙感影像（行列號：122/44，時相為7月18日、10月22日和11月23日）和SPOT 5融合數(shù)據(jù)（行列號：284～303和284～304，時相為2006年1月26日和2005年12月20日）。Landsat TM衛(wèi)星拍攝時間均在上午10:45左右，衛(wèi)星拍攝當(dāng)天天氣狀況如表1所示。從表1可知，不同季相影像天氣狀況差別較大，對不同季相背景下廣州市城市熱環(huán)境狀況具有一定的代表性。TM影像數(shù)據(jù)為Level A級產(chǎn)品，參考已通過正射校正和幾何校正 2000年Landsat TM影像，對三景TM影像進(jìn)行幾何精校正，校正時候共選取 58個控制點(diǎn)，利用最近鄰插值進(jìn)行進(jìn)行重采樣，校正后個TM影像均方根誤差均低于 0.5個像元（15 m）。最后使用單窗算法（Qin等，2001a；Qin等，2001b）獲取城市地表溫度分布圖，因單窗算法比較常用，這里不詳細(xì)敘述。

表1 Landsat TM影像獲取日期天氣狀況Table 1 Climate condition of Landsat TM acquired dates

1.3 研究方法

1.3.1 城市熱島/冷島聚集區(qū)提取

傳統(tǒng)的地表溫度分級方法是基于單一像元的連續(xù)特征值轉(zhuǎn)化為離散的空間數(shù)據(jù)。這種等級劃分方法會產(chǎn)生“椒鹽效應(yīng)”（蘇偉等，2007），各像元會被零碎化，忽略了數(shù)據(jù)中豐富的空間信息（如圖2(A)）。面向?qū)ο蠓指畹挠跋穹治黾夹g(shù)近年來已經(jīng)成為遙感研究的熱點(diǎn)，它可以有效解決傳統(tǒng)劃分方法的一些局限性問題（Blaschke，2003，2010；Blaschke等，2000）。本研究利用面向?qū)ο蠓椒▽Φ乇頊囟葦?shù)據(jù)進(jìn)行影像分割，分割后能獲得感興趣區(qū)的溫度邊界，邊界內(nèi)各溫度像元值具有相似的特征（如強(qiáng)度、紋理等）（圖2(B)）。

圖2 地表溫度密度分割景觀分類(A)與面向?qū)ο蠓指?B)對比Fig. 2 Comparison of density slicing (A) and object-oriented segmentation (B) for a LST image

空間自相關(guān)分析具有空間集聚度識別功能，主要應(yīng)用在探索地理分布變量的非隨機(jī)性空間分布上，已在地理、經(jīng)濟(jì)等諸多領(lǐng)域得到應(yīng)用（Yang等，2012）?？臻g自相關(guān)分析具有包括兩個工具，即全局空間相關(guān)性和局部空間相關(guān)性。本研究采用局部莫蘭指數(shù)（Local Moran’I）進(jìn)行地表溫度對象的空間聚集度識別，計算如下（Anselin，1995；Anselin等，2006）：

式中，wij為空間權(quán)重矩陣， xi和分別為第i個變量值和所有變量的平均值，具體計算在OpenGeoDa 0.9.5-i中實(shí)現(xiàn)，結(jié)果如圖3和表3所示。計算結(jié)果為4種地表溫度集聚類型（Guo等，2015）。

H-H（熱島）：高溫對象被同等級的高溫對象包圍；

L-L（冷島）：低溫對象被低溫對象包圍；

H-L：高溫對象被低溫對象包圍；

L-H：低溫對象被高溫對象包圍。

1.3.2 城市非滲透表面提取

首先運(yùn)用小波分析結(jié)合IHS（Intensity、Hue、Saturation）變換的方法對SPOT 5多光譜波段和全色波段進(jìn)行融合，然后對兩景融合影像進(jìn)行拼接，得到2.5 m空間分辨率的多光譜影像。對融合數(shù)據(jù)進(jìn)行面向?qū)ο蠓诸?，主要分類類型包括水體、植被、裸地、陰影和建設(shè)用地地表，面向?qū)ο蠓诸愒趀Cognition Developer 8.7中完成，分類總體精度為89.6%。完成分類后，將水體、植被、裸地 3種地表類型進(jìn)行合并，并賦予編碼為 0，而陰影和建設(shè)用地重編碼為 1（表示非滲透地表），最后生成非滲透地表二值圖層?？紤]到計算量問題，利用ArcGIS生成250 m×250 m的網(wǎng)格，將該網(wǎng)格與分類得到的非滲透地表二值圖進(jìn)行疊加運(yùn)算，即可計算整個研究區(qū)域每個網(wǎng)格內(nèi)的非滲透地表比例。

1.3.3 回歸樹模型

回歸樹模型屬于數(shù)據(jù)結(jié)構(gòu)挖掘的一種技術(shù)（Walton，2008；肖榮波等，2007）。數(shù)據(jù)挖掘技術(shù)是一個數(shù)據(jù)分析的非參數(shù)統(tǒng)計過程，其特點(diǎn)是在分析過程中充分利用數(shù)據(jù)的二叉樹結(jié)構(gòu)，通過對數(shù)據(jù)樣本的不斷細(xì)分，二叉樹節(jié)點(diǎn)使得上層數(shù)據(jù)變量的變異最大，通枝節(jié)內(nèi)部數(shù)據(jù)變量同質(zhì)性越近，最后同枝節(jié)內(nèi)樣本趨于同質(zhì)或剩余數(shù)量過少而無法繼續(xù)分支而結(jié)束分析（張立彬等，2002），回歸樹模型的實(shí)質(zhì)在于以不同規(guī)則下（Rule）多組線性模型的方式挖掘數(shù)據(jù)樣本之間的非線性關(guān)系。本文使用回歸樹模型來構(gòu)建地表溫度與非滲透地表的關(guān)系模型，目的在于揭示其關(guān)系的內(nèi)部異質(zhì)性和空間分布特征（Wylie等，2007）?；貧w樹模型通過Cubist 2.08實(shí)現(xiàn)。

2 結(jié)果與分析

2.1 地表溫度分區(qū)統(tǒng)計

從分析各行政區(qū)不同季相地表溫度變化狀況（表2）可知，不同季相地表溫度格局變化十分明顯。7月18日荔灣區(qū)和越秀區(qū)地表溫度最高，平均溫度均有314 K，其次是海珠區(qū)、黃埔區(qū)和天河區(qū)，蘿崗區(qū)、白云區(qū)和番禺區(qū)平均溫度最低。這是因?yàn)槔鬄硡^(qū)和越秀區(qū)是廣州市老城區(qū)，內(nèi)部高密度建筑景觀比例較大。10月22日溫度分布情況與前一時期分布格局變化不大。但到11月23日，地表溫度最高值出現(xiàn)在黃埔區(qū)、海珠區(qū)、荔灣區(qū)和番禺區(qū)，溫度均在297 K左右，天河區(qū)和越秀區(qū)溫度反而較低，溫度最低為白云區(qū)和蘿崗區(qū)。初步分析結(jié)果可以看出，在夏季、秋季再到深秋季節(jié)這段時期內(nèi)，高溫區(qū)有從廣州市中心向番禺區(qū)等郊區(qū)轉(zhuǎn)移的趨勢。

表2 各行政區(qū)不同季相地表溫度平均值Table 2 Mean LST of different districts in various seasons K

表3 各行政區(qū)季相日期熱島/冷島面積比例Table 3 Hot/cool island area proportion of different districts in various seasons %

2.2 城市熱島/冷島聚集區(qū)時空變化

圖3和表3結(jié)果表明，不同季相熱島/冷島聚集區(qū)格局變化十分明顯：7月 18日熱島聚集區(qū)主要集中在市中心及周邊行政區(qū)中心鎮(zhèn)位置，如海珠區(qū)中西部、白云區(qū)南部和番禺區(qū)市橋鎮(zhèn)，其中荔灣區(qū)熱島面積比例最大，為52.14%；其次為越秀區(qū)和海珠區(qū)、蘿崗區(qū)面積比例最少。10月22日熱島聚集區(qū)開始出現(xiàn)退出市中心的態(tài)勢，特別是越秀區(qū)和荔灣區(qū)熱島比例分別降至6.96%和15.46%，番禺區(qū)中心位置熱島面積則快速增加，至11月23日面積比例達(dá)29.95%（表3）。冷島集聚區(qū)主要集中在林地景觀面積較大的北部山區(qū)和以水塘、農(nóng)田景觀為主東南部區(qū)域，隨時間推移，南部冷島聚集區(qū)開始消失，如番禺冷島面積比例降至3.15%，且主要分布在番禺西部的幾大森林公園位置（圖3，c）。

圖3 研究區(qū)不同季相熱島/冷島聚集區(qū)分布特征Fig. 3 Spatial distribution of hot/cool island in different seasons

采用重心模型（段翰晨等，2012），定量熱島/冷島移動格局，結(jié)果如圖4所示。7月18日至10月22日間，雖然兩期數(shù)據(jù)相差約3個月，但其熱島和冷島重心變化相比后一個時間段要小，熱島重心向東移動2.5 km，冷島重心向西北移動3.4 km。10月22日至11月23日期間，冷島重心向西北移動9 km，熱島重心向東南移動8 km。結(jié)合圖3可以看出，11月23日廣州市東南位置上冷島基本消失，熱島面積優(yōu)勢十分明顯，這可能是因?yàn)樵摰貐^(qū)水田較多，天冷時節(jié)大量水體溫度比周邊陸地地表溫度高，表現(xiàn)為“熱島”。由上述分析可知，廣州市中心區(qū)的熱環(huán)境格局受季相變異特征十分明顯。

圖4 不同季相影像熱島/冷島重心轉(zhuǎn)移狀況Fig. 4 Changes of hot/cool islands centroid in different seasons

2.3 地表溫度與非滲透地表回歸樹關(guān)系建模

已有研究表明，城市非滲透表面對地表溫度具有很強(qiáng)的指示意義（Li等，2011；Xiao等，2007）。短時間內(nèi)城市非滲透表面變化是微乎其微的，本小節(jié)重點(diǎn)揭示地表溫度與非滲透地表的統(tǒng)計關(guān)系及其季相變異性。首先統(tǒng)計非滲透地表每個 1%的間距范圍內(nèi)平均地表溫度值，繪制相關(guān)性散點(diǎn)圖（圖5a、b、c）。從圖中可以看出，總體上地表溫度與非滲透地表呈正相關(guān)關(guān)系，隨季相變化這種正相關(guān)呈現(xiàn)減弱態(tài)勢：7月18日地表溫度與非滲透地表的線性關(guān)系R2為0.9882以上，相關(guān)系數(shù)達(dá)0.9941；10月22日，這種線性關(guān)系稍有減弱，用二次多項(xiàng)式方程能更好表達(dá)它們之間的關(guān)系，r2也達(dá)到0.9887。到11月23日，線性回歸方程僅能表達(dá)75%的地表溫度變異性，而利用二次多項(xiàng)式時可以提高到93%。由此可知，從夏季到深秋季節(jié)，二者線性關(guān)系不斷減弱，非滲透地表對城市熱環(huán)境的指示作用下降，二者二次多項(xiàng)式關(guān)系逐漸增強(qiáng)，其影響機(jī)制也趨于復(fù)雜。

已有很多文獻(xiàn)利用線性回歸方法構(gòu)建地表溫度和非滲透地表的關(guān)系模型（肖榮波等，2007；Xiao等，2007），本文引入回歸樹的方法嘗試建立二者的非線性關(guān)系。圖5d、e、f為基于回歸樹規(guī)則劃分的地表溫度和非滲透地表散點(diǎn)圖狀況，圖中顯示隨季相變化二者關(guān)系趨于復(fù)雜，前兩個時期用兩個規(guī)則就可以把二者的復(fù)雜關(guān)系表達(dá)出來，樣本分割的閾值分別為14.73和19.55；11月23日二者關(guān)系比較復(fù)雜，回歸樹結(jié)果得到3個規(guī)則，樣本分割閾值為17.80和32.48。

圖5 不同季相影像地表溫度與非滲透地表散點(diǎn)圖Fig. 5 Scatterplots of LST vs. impervious surface for three seasons

此外，本文同時對比了回歸樹和傳統(tǒng)線性回歸模型在預(yù)測地表溫度時的性能表現(xiàn)，結(jié)果如表4所示，其中IS為非滲透地表，相關(guān)性為Pearson計算得到的相關(guān)系數(shù)。在預(yù)測性能方面，回歸樹在各個季相上均優(yōu)于線性回歸模型，如對于10月22日影像線性回歸得到的表達(dá)式僅能表達(dá)地表溫度 58%的空間異質(zhì)性，而回歸樹模型可以提高到62%。而且，對比不同季相相關(guān)性和R2兩個參數(shù)發(fā)現(xiàn)，隨季相變化研究區(qū)地表溫度異質(zhì)性增強(qiáng)，回歸樹模型的優(yōu)勢也更為突出，如7月18日回歸樹比線性回歸R2提升1%，到11月23日則提升了8%。

相比與線性回歸模型，回歸樹模型得到的是不同情景下的關(guān)系方程，而這些關(guān)系方程顯示非滲透地表對地表溫度的增溫顯然是不一樣的（表 4）。分析發(fā)現(xiàn)，在非滲透地表高值區(qū)中，非滲透地表的增溫作用遠(yuǎn)小于低值區(qū)，如7月18日影像的非滲透地表比例大于14.73%時，非滲透地表提高1%地表溫度僅增加0.066 K，而在低值區(qū)1%的非滲透地表增加會形成0.129 K的增溫，其它季相數(shù)據(jù)也有類似的結(jié)論。

為進(jìn)一步揭示地表溫度與非滲透地表關(guān)系模型的空間異質(zhì)性，將各季相獲得的規(guī)則投影到研究區(qū)上（圖6），利用IKONOS高空間分辨率影像識別與規(guī)則相對應(yīng)的典型地表景觀特征（圖 7）?？傮w上，由于回歸樹結(jié)果的規(guī)則劃分（見表 4），地表溫度與非滲透地表的關(guān)系模型在空間上可以分為建筑區(qū)和植被水體區(qū)（圖 6）：建筑區(qū)內(nèi)以建筑用地為主導(dǎo)，綠地、水體等生態(tài)用地面積比例較少（圖 7a）；植被水體區(qū)內(nèi)建筑用地較少，主要的地表景觀類型為大面積的植被覆蓋和水體（圖7b），如廣州北部林區(qū)和珠江河道。在11月23日，規(guī)則1的斑塊變得零散，規(guī)則3主要沿規(guī)則1和規(guī)則2的邊界零星分布，地表景觀類型主要為農(nóng)田裸地和遍布沙土的開發(fā)區(qū)（圖7c）。不同季相規(guī)則格局對比發(fā)現(xiàn)，規(guī)則1減少趨勢比較明顯，減少的位置主要集中在南部番禺區(qū)中心位置。

表4 不同季相地表溫度與非滲透地表回歸樹模型及其與線性回歸模型比較Table 4 Comparison of regression tree and linear regression in modeling LST and impervious surface relationship

圖6 不同季相影像回歸樹模型規(guī)則空間分布Fig. 6 Spatial distribution of different rules in various seasons

圖7 不同規(guī)則下典型地表景觀狀況Fig. 7 Typical surface landscape characteristics of different rules

3 討論

地表溫度是一個復(fù)雜的生態(tài)參數(shù)，它與地表覆蓋物的理化性質(zhì)緊密相關(guān)，是地表熱性質(zhì)的反饋因子，另一方面也受大尺度瞬時的城市邊界天氣環(huán)境深刻影響，但前者在短時間內(nèi)相對穩(wěn)定，而后者則時空變化十分明顯。本研究從季相變異的角度分析熱環(huán)境格局及其與非滲透地表相關(guān)性。研究結(jié)果表明，廣州市中心區(qū)2005年下半年內(nèi)地表溫度熱島/冷島集聚區(qū)分布格局季相差異十分明顯，7月18日廣州市城區(qū)內(nèi)熱島面積較大，熱島效應(yīng)十分顯著，而隨季相變化和城市整體地表溫度下降，熱島開始出現(xiàn)從市中心區(qū)退出的態(tài)勢，到 11月下旬，廣州市城市熱島主要集中在南部的番禺區(qū)，同時原本在南部大片分布的冷島也開始消失。

研究發(fā)現(xiàn)地表溫度與非滲透地表的正相關(guān)關(guān)系隨季相變化逐漸減弱，二者關(guān)系趨于復(fù)雜，說明非滲透地表對地表溫度的指示作用在下降，二者空間上的正相關(guān)格局變得不完全重合。暗示著除非滲透地表外，還有其它隨季相變化的生態(tài)參數(shù)密切影響著城市熱環(huán)境的演變過程。此外，本文還提出用回歸樹模型來建立地表溫度與非滲透地表之間的關(guān)系方程。研究表明相對于傳統(tǒng)的線性回歸方法，回歸樹模型能在不同的季相中更好地模擬地表溫度的異質(zhì)性，同時也揭示出不同等級非滲透地表的增溫作用差異。回歸樹模型的優(yōu)勢在于挖掘地表溫度和非滲透地表數(shù)據(jù)樣本的潛在關(guān)系，識別出分割閾值而產(chǎn)生不同的規(guī)則，使得非滲透地表能夠在多個層面表達(dá)地表溫度的異質(zhì)性。

廣州市處于我國南方典型的多云多雨地區(qū)，全年不同季相的光學(xué)影像往往難以獲得，本研究僅使用了2005年下半年3個時期的Landsat TM影像，難以全面反映廣州市的熱環(huán)境狀況。而且僅用地表溫度數(shù)據(jù)表征城市熱島格局有一定的局限性，日后研究需要結(jié)合氣象站點(diǎn)或自主實(shí)測的溫度結(jié)果與遙感影像地表溫度進(jìn)行對比分析。后續(xù)研究也需要考慮城市近地表、城市冠層和城市邊界層等不同尺度上的熱環(huán)境狀況來系統(tǒng)把握城市熱環(huán)境變化規(guī)律。

ANSELIN L. 1995. Local indicators of spatial association—LISA[J]. Geographical analysis, 27(2): 93-115.

ANSELIN L, SYABRI I, KHO Y. 2006. GeoDa: an introduction to spatial data analysis[J]. Geographical analysis, 38(1): 5-22.

BLASCHKE T. 2003. Object-based contextual image classification built on image segmentation, in: Advances in Techniques for Analysis of Remotely Sensed Data, 2003 IEEE Workshop on, IEEE: 113-119.

BLASCHKE T. 2010. Object based image analysis for remote sensing[J]. ISPRS journal of photogrammetry and remote sensing, 65(1): 2-16.

BLASCHKE T, LANG S, LORUP E, et al. 2000. Object-oriented image processing in an integrated GIS/remote sensing environment and perspectives for environmental applications[J]. Environmental information for planning, politics and the public, 2: 555-570.

BUYANTUYEV A, WU J. 2010. Urban heat islands and landscape heterogeneity: linking spatiotemporal variations in surface temperatures to land-cover and socioeconomic patterns[J]. Landscape Ecology, 25(1): 17-33.

CAMILLONI I, BARRUCAND M. 2012. Temporal variability of the Buenos Aires, Argentina, urban heat island[J]. Theoretical and Applied Climatology, 107(1-2): 47-58.

GALLO K P, OWEN T W. 1999. Satellite-based adjustments for the urban heat island temperature bias[J]. Journal of Applied Meteorology, 38(6): 806-813.

GUO G H, WU Z F, XIAO R B, et al. 2015. Impacts of urban biophysical composition on land surface temperature in urban heat island clusters[J]. Landscape and Urban Planning, 135: 1-10.

LI J X, SONG C H, CAO L, et al. 2011. Impacts of landscape structure on surface urban heat islands: a case study of Shanghai, China[J]. Remote Sensing of Environment, 115(12): 3249-3263.

LIU H, WENG Q H. 2008. Seasonal variations in the relationship between landscape pattern and land surface temperature in Indianapolis, USA[J]. Environmental monitoring and assessment, 144(1-3): 199-219.

QIN Z H, KARNIELI A, BERLINER P. 2001a. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J]. International Journal of Remote Sensing, 22(18): 3719-3746.

QIN Z H, DALL'OLMO G, KARNIELI A, et al. 2001b. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J]. Journal of Geophysical Research: Atmospheres (1984-2012), 106(D19): 22655-22670.

WALTON J T. 2008. Subpixel Urban Land Cover Estimation: Comparing Cubist, Random Forests, and Support Vector Regression[J]. Photogrammetric Engineering & Remote Sensing, 74(10): 1213-1222.

WENG Q H, FU P. 2014. Modeling annual parameters of clear-sky land surface temperature variations and evaluating the impact of cloud cover using time series of Landsat TIR data[J]. Remote Sensing of Environment, 140: 267-278.

WYLIE B K, FOSNIGHT E A, GILMANOV T G, et al. 2007. Adaptive data-driven models for estimating carbon fluxes in the Northern Great Plains[J]. Remote Sensing of Environment, 106(4): 399-413.

XIAO R B, OUYANG Z Y, ZHENG H, et al. 2007. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China[J]. Journal of Environmental Sciences, 19(2): 250-256.

YANG Z S, SLIUZAS R, CAI J M, et al. 2012. Exploring spatial evolution of economic clusters: A case study of Beijing[J]. International Journal of Applied Earth Observation and Geoinformation, 19: 252-265.

ZHOU W Q, QIAN Y G, LI X M, et al. 2014. Relationships between land cover and the surface urban heat island: seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures[J]. Landscape Ecology, 29(1): 153-167.

段翰晨, 王濤, 薛嫻, 等. 2012. 科爾沁沙地沙漠化時空演變及其景觀格局[J]. 地理學(xué)報, 67(7): 917-928.

段金龍, 宋軒, 張學(xué)雷. 2011. 基于 RS的鄭州市城市熱島效應(yīng)時空演變[J]. 應(yīng)用生態(tài)學(xué)報, 22(1): 165-170.

蘇偉, 李京, 陳云浩, 等. 2007. 基于多尺度影像分割的面向?qū)ο蟪鞘型恋馗脖环诸愌芯俊择R來西亞吉隆坡市城市中心區(qū)為例[J]. 遙感學(xué)報, 11(004): 521-530.

肖榮波, 歐陽志云, 蔡云楠, 等. 2007. 基于亞像元估測的城市硬化地表景觀格局分析[J]. 生態(tài)學(xué)報, 27(8): 3189-3197.

徐涵秋. 2011. 基于城市地表參數(shù)變化的城市熱島效應(yīng)分析[J]. 生態(tài)學(xué)報, 31(14): 3890-3901.

岳文澤, 徐建華, 徐麗華. 2006. 基于遙感影像的城市土地利用生態(tài)環(huán)境效應(yīng)研究——以城市熱環(huán)境和植被指數(shù)為例[J]. 生態(tài)學(xué)報, 26(5): 1450-1460.

張立彬, 張其前. 2002. 基于分類回歸樹(CART)方法的統(tǒng)計解析模型的應(yīng)用與研究[J]. 浙江工業(yè)大學(xué)學(xué)報, 30(4): 315-318.

Seasonal Variations of Urban Heat Environment and Its Relationship to Impervious Surface: A Case Study of Guangzhou Core Urban Area

GUO Guanhua1,2,3, WU Zhifeng4*, LIU Xiaonan3
1. Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510640, China; 2. University of Chinese Academy of Sciences, Beijing 100049, China；3. Guangdong Key Laboratory of Agricultural Environment Pollution Integrated Control, Guangdong Institute of Eco-Environmental and Soil Sciences, Guangzhou 510650, China; 4. School of Geographical Sciences, Guangzhou University, Guangzhou 510006, China

Pattern analysis of urban heat environment and modeling its driving factors are the two aspects in studies with the use of remote sensing images (e.g. Thermal band in Landsat TM). However, impacts of remote sensing images seasonal selection on urban heat environment analysis remain a challenge for researchers. We took Guangzhou city as a study area, and attempted to characterize the behaviors of urban thermal pattern and variations of relationship between LST and impervious surfaces over three thermal images from Landsat TM5 in 2005. We proposed an Object-oriented segmentation method to extract hot/cool islands and characterized their seasonal variations pattern with centroid method. Additionally, we modeled the LST-impervious surfaces relationship with regression tree. We found that: (1) From July 18 to November 23, hot islands tend to disappear from the urban core area and cool islands tend to disappear from the southern of Guangzhou. Centroid of hot islands shifts to eastern with 2.5km while centroid of cool islands shifts to north-western with 3.4 km form July 18 to October 22. And Centroid of cool islands shifts to north-western with 9 km while centroid of hot islands shifts to south-eastern with 8km form October 22 to November 23. (2) Pearson’s relationship between LST and impervious surfaces decrease from 0.9941 in July 18 to 0.8691 in November 23. Quadratic polynomial model shows better performances in November 23. (3) Compared to traditional linear regression, regression tree model is able to estimate more heterogeneity of LST. Results of regression tree indicates the impacts of impervious surface on LST is nonlinear and their distribution of equation are of spatial heterogeneity.

impervious surfaces; seasonal variations; urban heat environment; Guangzhou Core Urban Area

10.16258/j.cnki.1674-5906.2015.02.014

X16

A

1674-5906（2015）02-0270-08

郭冠華，吳志峰，劉曉南. 城市熱環(huán)境季相變異及與非滲透地表的定量關(guān)系分析——以廣州市中心區(qū)為例[J]. 生態(tài)環(huán)境學(xué)報, 2015, 24(2): 270-277.

GUO Guanhua, WU Zhifeng, LIU Xiaonan. Seasonal Variations of Urban Heat Environment and Its Relationship to Impervious Surface: A Case Study of Guangzhou Core Urban Area [J]. Ecology and Environmental Sciences, 2015, 24(2): 270-277.

國家自然科學(xué)基金項(xiàng)目（41171446；41201543）；廣州市屬高?！把虺菍W(xué)者”科研項(xiàng)目（12A002G）

郭冠華（1986年生），男，博士研究生，從事城市熱環(huán)境研究。E-mail:gghgiser@qq.com *通訊作者：E-mail: gzuwzf@163.com

2015-01-06