濱海城市熱環(huán)境驅(qū)動(dòng)因素分析
——以青島地區(qū)為例*

馬安青， 馬冰然， 張　震， 邢容容， 余瑋瑋， 韋　婉， 孫　碩

(1.中國(guó)海洋大學(xué)環(huán)境科學(xué)與工程學(xué)院，山東 青島 266100； 2.中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730000；

3.中國(guó)科學(xué)院大學(xué)，北京 100049； 4.河北省地礦局秦皇島礦產(chǎn)水文工程地質(zhì)大隊(duì)，河北 秦皇島 066001)

?

濱海城市熱環(huán)境驅(qū)動(dòng)因素分析
——以青島地區(qū)為例*

馬安青1， 馬冰然1， 張震2,3， 邢容容4， 余瑋瑋1， 韋婉1， 孫碩1

(1.中國(guó)海洋大學(xué)環(huán)境科學(xué)與工程學(xué)院，山東 青島 266100； 2.中國(guó)科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所，甘肅 蘭州 730000；

3.中國(guó)科學(xué)院大學(xué)，北京 100049； 4.河北省地礦局秦皇島礦產(chǎn)水文工程地質(zhì)大隊(duì)，河北 秦皇島 066001)

摘要：綜合分析青島地區(qū)熱環(huán)境的驅(qū)動(dòng)因素，本文利用Landsat ETM+遙感影像、DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM等數(shù)據(jù)，首先運(yùn)用單窗算法反演出青島地區(qū)的地表溫度，運(yùn)用相關(guān)性分析法，分析了高程、坡度、植被覆蓋、不透水表面、土地利用程度和社會(huì)經(jīng)濟(jì)等指標(biāo)與地表溫度的關(guān)系；補(bǔ)充香農(nóng)多樣性指數(shù)、斑塊聚集度和散布指數(shù)3個(gè)景觀因子，對(duì)這9個(gè)指標(biāo)進(jìn)行空間主成分分析，確定它們對(duì)青島地區(qū)地表溫度的貢獻(xiàn)率。結(jié)果發(fā)現(xiàn)，高程、坡度、植被覆蓋與地表溫度成負(fù)相關(guān)，不透水表面、土地利用程度、社會(huì)經(jīng)濟(jì)與地表溫度成正相關(guān)；第一、二主成分均為土地利用程度，第三主成分為植被覆蓋，第四主成分為景觀格局。因此，本文所選因子對(duì)城市熱島具有顯著的影響，其中土地利用程度、植被覆蓋度和景觀格局是影響青島市熱環(huán)境的主要因素，核心影響因素為土地利用程度。

關(guān)鍵詞：熱環(huán)境；驅(qū)動(dòng)因素；相關(guān)性分析；空間主成分分析；濱海城市

引用格式：馬安青， 馬冰然， 張震. 濱海城市熱環(huán)境驅(qū)動(dòng)因素分析—以青島地區(qū)為例[J]. 中國(guó)海洋大學(xué)學(xué)報(bào)(自然科學(xué)版)， 2016, 46(4)： 109-117.

MA An-Qing, MA Bing-Ran, ZHANG Zhen. Driving factors of the thermal environment of coastal city: A case study in Qingdao[J]. Periodical of Ocean University of China, 2016, 46(4): 109-117.

熱島效應(yīng)是城市發(fā)展帶來的一系列問題之一，它引起的高溫不但威脅著城市居民的身心健康，而且由于城鄉(xiāng)間的氣壓差引起空氣環(huán)流，城市地區(qū)的污染物難以擴(kuò)散。在全球氣候變暖的大背景下，城市熱環(huán)境已成為研究的熱點(diǎn)，如Rao P K第一次提出利用熱紅外遙感數(shù)據(jù)進(jìn)行了地表溫度反演，并制作了地面熱場(chǎng)分布圖[1]；Bastiaanssen等人利用Landsat TM與其他衛(wèi)星遙感數(shù)據(jù)，發(fā)現(xiàn)不同土地類型的地表溫度不同[2]；Carlson等使用AVHRR和Landsat TM數(shù)據(jù)，分析了Chest市植被覆蓋、陸面濕度，以及陸面輻射溫度對(duì)快速城市化所作出的反應(yīng)[3]；張小飛利用Landsat ETM+數(shù)據(jù)提取了深圳市下墊面類型、地表溫度和植被覆蓋等信息，認(rèn)為下墊面類型和植被覆蓋度對(duì)熱島效應(yīng)的強(qiáng)度有著明顯的影響[4]；黃聚聰?shù)妊芯苛?987—2007年廈門城市化進(jìn)程中城市熱島景觀格局的演變，得出20年來廈門熱島景觀斑塊總數(shù)及密度呈增加趨勢(shì)、整個(gè)熱島景觀逐漸變得破碎化、高等級(jí)熱島景觀類型乃至于整個(gè)熱島景觀的斑塊形狀趨向復(fù)雜[5]；邱健等用混合像元分解法提取青島市植被蓋度，發(fā)現(xiàn)熱島強(qiáng)度和植被蓋度具有顯著的負(fù)相關(guān)性，并且當(dāng)植被蓋度相同時(shí),集中綠地或周邊為農(nóng)田時(shí)熱島強(qiáng)度較小[6]；岳文澤運(yùn)用空間主成分分析方法研究了上海市人類活動(dòng)對(duì)城市熱環(huán)境的影響，認(rèn)為城市建筑與人口密度、工業(yè)區(qū)布局、下墊面類型以及城市景觀多樣性4個(gè)因子是影響城市熱環(huán)境空間格局的主要因子[7]。

沿海城市是中國(guó)城市化水平最高的地區(qū)，在過去的30年間，城市面積急劇擴(kuò)展，產(chǎn)生的城市環(huán)境問題要高于內(nèi)陸地區(qū)，并且影響因素多樣。但是從以上的研究中可以看出，對(duì)濱海地區(qū)快速城市化過程中的地面熱環(huán)境響應(yīng)的多是從單因素角度出發(fā)，多因素的研究并不多，因此，本研究以典型沿海城市青島作為研究對(duì)象，運(yùn)用Landsat ETM+遙感影像、DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM等數(shù)據(jù)，從多因素的角度探討青島地區(qū)熱環(huán)境可能的驅(qū)動(dòng)因素，為沿海城市熱環(huán)境、熱島效應(yīng)等研究起到一定的借鑒作用，也為政府部門制定規(guī)劃和決策提供一定的支持，促進(jìn)濱海城市的可持續(xù)發(fā)展。

1研究區(qū)域概況與數(shù)據(jù)

青島市位于山東半島南端、黃海之濱，是膠東半島經(jīng)濟(jì)中心城市、中國(guó)重要沿海城市和國(guó)際著名港口城市。青島下轄共有6個(gè)市轄區(qū)(市南區(qū)、市北區(qū)、李滄區(qū)、嶗山區(qū)、城陽區(qū)和黃島區(qū))及4個(gè)縣級(jí)市(膠州市、即墨市、平度市、萊西市)。由于平度市和萊西市與其他地區(qū)不處在同一景遙感圖像上，為了研究的方便和數(shù)據(jù)精確性，本研究區(qū)暫不包括這兩個(gè)市。因此本研究區(qū)總體地理位置處于119°56′E～120°46′E，35°52′N～36°29′N(見圖1)。研究區(qū)面積6402.46km2，占青島市總面積的57.73%，人口672.97萬，占青島總?cè)丝诘?7.22%。研究區(qū)域?qū)儆跍貛Ъ撅L(fēng)性氣候，同時(shí)具有海洋性氣候特征。

本研究所采用的數(shù)據(jù)有：2010年9月12號(hào)Landsat ETM+數(shù)據(jù)(軌道號(hào)為120/35，圖像清晰無云)、2010年DMSP/OLS穩(wěn)定燈光數(shù)據(jù)、DEM數(shù)據(jù)、研究區(qū)域行政邊界圖、氣象數(shù)據(jù)(2010年9月12日平均氣溫，相對(duì)濕度等數(shù)據(jù))等。

圖1　研究區(qū)示意圖

2地表溫度反演

Landsat影像在ENVI4.8軟件支持下進(jìn)行去條帶、幾何糾正、重采樣和圖像裁剪等工作后，采用覃志豪等提出的單窗算法計(jì)算地表溫度，具體計(jì)算過程、參數(shù)確定方法見相關(guān)參考文獻(xiàn)[10-14]。本研究用標(biāo)準(zhǔn)差分類法[8]對(duì)反演出的地表溫度圖分別劃分地表溫度區(qū)間。根據(jù)反演的地表溫度平均值和標(biāo)準(zhǔn)差，在ENVI中采用密度分割(Density Slice)的方法將整個(gè)區(qū)域的地表溫度分為7個(gè)溫度區(qū)間，7個(gè)溫度區(qū)間及其范圍的確定方法如表1，反演結(jié)果如圖2。

表1　不同地表溫度區(qū)間的范圍確定

注：1)TS為地表溫度，a為平均值，Sd為標(biāo)準(zhǔn)差。1)TSis the surface temperature, a is the average, and Sd is the standard deviation.

圖2　地表溫度分布圖

3驅(qū)動(dòng)因子與地表溫度相關(guān)性分析方法

為分析青島地區(qū)熱環(huán)境的驅(qū)動(dòng)機(jī)制，本研究考慮到自然和人文兩個(gè)方面，具體指標(biāo)包括青島地區(qū)地形(高程與坡度)、植被覆蓋、不透水表面、土地利用程度、社會(huì)經(jīng)濟(jì)因素、離海岸線距離等，分別提取柵格圖并與反演得到的地表溫度導(dǎo)入SPSS中進(jìn)行相關(guān)性分析。除地形提取使用研究地區(qū)DEM數(shù)據(jù)，社會(huì)經(jīng)濟(jì)因素分析采用穩(wěn)定燈光數(shù)據(jù)外，其余均使用前面反演地表溫度的Landsat ETM+圖像。柵格圖的提取及相關(guān)性分析過程如下：

3.1 柵格圖的提取

3.1.1 地形、植被覆蓋度和不透水表面的提取利用DEM數(shù)據(jù)提取高程和坡度，一般來說隨著高程或坡度的增加，地表溫度呈下降趨勢(shì)；植被覆蓋度可由歸一化植被指數(shù)(NDVI)確定，由于植被水分的蒸騰，使其周圍空氣的濕度和溫度發(fā)生一系列變化而起到降溫的作用，利用ENVI4.8的NDVI計(jì)算功能提取研究區(qū)域的NDVI；選擇混合像元分解法[15-16]提取不透水表面，不透水表面(人工鋪砌的道路、廣場(chǎng)、建筑物等)使得其所在地區(qū)蒸發(fā)的水分減少，并且吸收大量太陽輻射熱量并形成反射，一般使地區(qū)的地表溫度上升。結(jié)果如圖3所示。

圖3　地形、植被指數(shù)和不透水表面的提取結(jié)果

3.1.2 土地利用程度一定區(qū)域范圍內(nèi)的土地利用程度是多種土地利用類型變化的結(jié)果，土地利用程度的數(shù)量化可以用土地利用程度綜合指數(shù)來表示。為獲取土地利用程度綜合指數(shù)，本研究首先采用監(jiān)督分類和人工目視解譯相互結(jié)合的方法，根據(jù)全國(guó)遙感監(jiān)測(cè)土地利用/覆蓋分類體系，結(jié)合野外驗(yàn)證將研究區(qū)域劃為6種土地利用類型：耕地、林地、草地、水域、城鄉(xiāng)工礦居民用地、未利用土地(見圖4)。然后參考莊大方[17]的方法，對(duì)土地利用程度分級(jí)賦值(見表2)，土地利用程度綜合指數(shù)計(jì)算公式如公式1。

(1)

圖4　2010年土地利用/覆蓋圖

類型①未利用地②林、草、水③農(nóng)用地④居民地、工礦用地⑤土地利用類型⑥未利用或難利用地林地、草地、水域耕地、園地、人工草地城鎮(zhèn)、農(nóng)村、工礦用地、交通用地分級(jí)指數(shù)⑦1234

Note:①Type; ②Unused land; ③Forest、wat grassland; ④Arable land; ⑤Urban、 rural and industrod; ⑥Type; ⑦Index

其中La為研究區(qū)某單元的土地利用程度綜合指數(shù)，取值區(qū)間為[100,400]上的連續(xù)函數(shù)；Ai為研究區(qū)該單元第i級(jí)的土地利用程度分級(jí)指數(shù)；Ci為研究區(qū)該單元第i級(jí)土地利用程度分級(jí)面積百分比。利用ArcGIS可將土地利用程度綜合指數(shù)空間化，結(jié)果如圖5。

圖5　土地利用程度綜合指數(shù)空間分布圖

3.1.4 社會(huì)經(jīng)濟(jì)城市熱環(huán)境變化是對(duì)城市化的生態(tài)響應(yīng)，可以說社會(huì)經(jīng)濟(jì)因素與城市熱環(huán)境密切相關(guān)。社會(huì)經(jīng)濟(jì)因素包括人口密度、國(guó)內(nèi)生產(chǎn)總值(GDP)、電力能源消耗等等。美國(guó)軍事氣象衛(wèi)星DMSP搭載的OLS傳感器為城市社會(huì)經(jīng)濟(jì)研究提供了一種新的數(shù)據(jù)獲取手段，能夠探測(cè)到城市燈光甚至小規(guī)模居住地、車流、船只等發(fā)出的低強(qiáng)度燈光，使之區(qū)別于明顯黑暗區(qū)域的鄉(xiāng)村[18]，國(guó)內(nèi)外許多學(xué)者分析了DMSP/OLS燈光數(shù)據(jù)和社會(huì)經(jīng)濟(jì)因子的相關(guān)性[19-22]，表明DMSP/OLS燈光數(shù)據(jù)可以反映社會(huì)經(jīng)濟(jì)發(fā)展?fàn)顩r，因此本研究采用DMSP/OLS燈光數(shù)據(jù)中的穩(wěn)定燈光值數(shù)據(jù)(排除偶然燈光噪聲)值代替社會(huì)經(jīng)濟(jì)值。經(jīng)過坐標(biāo)系轉(zhuǎn)換、裁剪等一系列操作使之與前面的數(shù)據(jù)產(chǎn)品一致，得到2010年穩(wěn)定燈光數(shù)據(jù)圖(見圖6)，燈光越強(qiáng)，顏色越淺，DN值為63的表示像元大部分為飽和像元，一般分布在城市中心區(qū)域。

3.2 相關(guān)性分析方法

將提取的柵格圖利用ArcGIS的Create Random Points工具隨機(jī)選取點(diǎn)，并利用Extract Values to Points工具將各因素與反演的地表溫度賦值到點(diǎn)圖層，將點(diǎn)圖層屬性表導(dǎo)出利用SPSS軟件分別作出散點(diǎn)圖。

圖6　研究區(qū)穩(wěn)定燈光數(shù)據(jù)圖

4相關(guān)性分析結(jié)果與討論

研究區(qū)地表溫度與各驅(qū)動(dòng)因素散點(diǎn)圖如圖7所示。

圖7　各驅(qū)動(dòng)因素與地表溫度相關(guān)性散點(diǎn)圖

從圖7的相關(guān)性分析可以看出，各因素都與溫度表現(xiàn)出了或正或負(fù)密切的相關(guān)性。其中地表溫度與不透水表面、土地利用程度綜合指數(shù)、燈光數(shù)據(jù)為正相關(guān)，與高程、坡度、植被覆蓋度(由NDVI表示)為負(fù)相關(guān)。經(jīng)過F檢驗(yàn)，發(fā)現(xiàn)這6個(gè)因子與地表溫度均呈現(xiàn)顯著的正(或負(fù))相關(guān)關(guān)系(見表3)，F(xiàn)值均大于F0.005=7.88。地表溫度與高程、坡度之間存在著負(fù)相關(guān)關(guān)系，經(jīng)過統(tǒng)計(jì)，其中青島地區(qū)高程每增加100m地表溫度平均下降約1.00℃，而坡度每增加1°地表溫度平均下降約為0.17℃；地表溫度與NDVI的負(fù)相關(guān)關(guān)系證明了植被具有緩解熱島的作用；地表溫度與不透水表面之間的正相關(guān)關(guān)系表明不透水表面對(duì)城市地表溫度的升高具有促進(jìn)作用；地表溫度與土地利用綜合程度指數(shù)成正相關(guān)，說明城市化程度較高的地區(qū)往往具有較高的地表溫度；地表溫度與穩(wěn)定燈光值成正相關(guān)，說名社會(huì)經(jīng)濟(jì)越發(fā)達(dá)的地區(qū)，其地表溫度相對(duì)于其他地區(qū)越高。

表3　F檢驗(yàn)及其結(jié)果

5空間主成分(PCA)分析過程及方法

從前面的研究可以看出，研究區(qū)熱環(huán)境的形成受多種因子綜合影響，但這些因子之間又存在著一定的相關(guān)性，因此本研究進(jìn)一步采用主成分分析法探討研究區(qū)域內(nèi)熱環(huán)境影響因素的貢獻(xiàn)率大小。主成分分析法是一種將原來多個(gè)指標(biāo)化為少數(shù)幾個(gè)相互獨(dú)立的綜合指標(biāo)的統(tǒng)計(jì)方法[23]。相互獨(dú)立的指標(biāo)即多元變量系統(tǒng)中的主成分，且各主成分之間對(duì)系統(tǒng)目標(biāo)的貢獻(xiàn)度不同，第一主成分的貢獻(xiàn)度最大，第二主成分的貢獻(xiàn)度次之，以此類推，各主成分的貢獻(xiàn)度遞減[24]。通常情況下，按各主成分的累積貢獻(xiàn)率大于85%的原則提取主成分因子?？臻g數(shù)據(jù)的主成分分析面對(duì)的是每一個(gè)空間變量所對(duì)應(yīng)的矩陣，一般的統(tǒng)計(jì)分析軟件無法實(shí)現(xiàn)[25]，因此，本研究在使用ArcGIS軟件下ArcToolBox工具箱中的Principal Components工具，實(shí)現(xiàn)對(duì)影響青島地區(qū)熱環(huán)境空間變量的主成分分析。

5.1 熱環(huán)境影響因子指標(biāo)體系構(gòu)建

本文選取能夠空間化的指標(biāo)來構(gòu)建熱環(huán)境影響因子的指標(biāo)體系，前面已經(jīng)介紹了海拔高程、坡度、植被覆蓋、不透水表面、土地利用程度綜合指數(shù)、穩(wěn)定燈光值等6個(gè)指標(biāo)，另外，景觀格局的變化也影響城市的熱環(huán)境效應(yīng)，再選取景觀格局的3個(gè)指標(biāo)[25]：香農(nóng)多樣性指數(shù)(反映景觀類型豐富度和均勻度)、斑塊聚集度(反映斑塊類型的物理連通性)、散布指數(shù)(反映不同斑塊類型分布的非隨機(jī)性或聚集程度)。這3個(gè)指標(biāo)可以在FRAGSTATS景觀格局分析軟件中用移動(dòng)窗口法結(jié)合土地利用/覆蓋圖求出，其空間分布如圖8，指標(biāo)體系見表4。

表4　熱環(huán)境影響因子的指標(biāo)體系

圖8　研究區(qū)景觀格局指數(shù)圖

5.2 數(shù)據(jù)處理

由于柵格數(shù)據(jù)便于進(jìn)行疊加分析，所以本研究的主成分分析以前面獲得的柵格數(shù)據(jù)為基礎(chǔ)，同時(shí)，為了保證分辨率的一致性，所有柵格圖像全部重采樣為30m的分辨率，與本文所用遙感影像分辨率相同。另外，由于各個(gè)因子的分級(jí)值或者計(jì)量單位均不同，不具有可比性，因此需要對(duì)影響因子指標(biāo)進(jìn)行標(biāo)準(zhǔn)處理，采用歸一化的方法對(duì)各因子進(jìn)行處理。當(dāng)因子與地表溫度呈正相關(guān)的時(shí)候，采用公式(2)；當(dāng)因子與地表溫度呈負(fù)相關(guān)的時(shí)候，采用公式(3)。

(2)

(3)

6PCA分析結(jié)果與討論

表5是研究區(qū)熱環(huán)境各個(gè)空間變量的特征值和貢獻(xiàn)度。由表5可知，前4個(gè)主成分包含了原始變量中高達(dá)90.28%的信息。由此可認(rèn)為前4個(gè)主成分已經(jīng)很好地反映了城市熱環(huán)境形成的主要原因。

表6是前4個(gè)主成分包含原來9個(gè)變量的信息載荷情況。對(duì)于第1主成分來說，貢獻(xiàn)率最高的是土地利用程度綜合指數(shù)，其次依次為不透水表面、穩(wěn)定燈光值等，同時(shí)香農(nóng)多樣性指數(shù)對(duì)第一成分的貢獻(xiàn)為負(fù)；對(duì)于第二主成分來說，貢獻(xiàn)最高的仍然是土地利用程度綜合指數(shù)，其次依次為不透水表面、坡度等等，同時(shí)斑塊聚集度、散布指數(shù)、植被覆蓋度、穩(wěn)定燈光值對(duì)第2主成分的貢獻(xiàn)值為負(fù)，且穩(wěn)定燈光值對(duì)第2主成分的貢獻(xiàn)度的絕對(duì)值較大；對(duì)于第3主成分來說最高的是植被覆蓋度，其次依次是坡度、不透水表面組分等等，同時(shí)斑塊聚集度、散布指數(shù)、土地利用程度綜合指數(shù)、穩(wěn)定燈光值的貢獻(xiàn)值為負(fù)；對(duì)于第4主成分來說，貢獻(xiàn)度最高的是散布指數(shù)，其次是斑塊聚集度、土地利用程度綜合指數(shù)等，同時(shí)香農(nóng)多樣性指數(shù)、穩(wěn)定燈光值、不透水表面組分等貢獻(xiàn)度為負(fù)值。

表5　研究區(qū)熱環(huán)境各個(gè)空間變量的特征值及貢獻(xiàn)度

表6　主成分得分載荷矩陣

綜合考慮前4個(gè)主成分的各因素的貢獻(xiàn)度大小，對(duì)于青島地區(qū)來說，第1、2主成分都集中反映了土地利用程度對(duì)熱環(huán)境產(chǎn)生的影響，但結(jié)合穩(wěn)定燈光值對(duì)第1主成分和第2主成分的貢獻(xiàn)值分別為正值和負(fù)值的情況來看，第1主成分強(qiáng)調(diào)的是社會(huì)經(jīng)濟(jì)發(fā)達(dá)地區(qū)即城市建設(shè)區(qū)的土地利用情況，第2主成分強(qiáng)調(diào)的是社會(huì)經(jīng)濟(jì)不發(fā)達(dá)地區(qū)的土地利用情況；第3主成分集中反映的是植被覆蓋情況，包含植被覆蓋度等信息；第4主成分集中反映了景觀格局對(duì)城市熱環(huán)境的影響，包含香農(nóng)多樣性指數(shù)、散布指數(shù)、斑塊聚集度等信息。圖9為研究區(qū)域前4個(gè)主成分的空間分布格局。

圖9　研究區(qū)前4個(gè)主成分的空間分布格局

7主成分模擬與地表溫度的關(guān)系

根據(jù)得到的4個(gè)主成分，以貢獻(xiàn)率為權(quán)重進(jìn)行加權(quán)求和，從而得到主成分模擬結(jié)果對(duì)熱環(huán)境影響特征模型：

S=0.4361P1+0.2052P2+0.1637P3+0.0978P4。

(4)

式中:S為主成分模擬的綜合指數(shù)；P1、P2、P3、P4分別為第1、2、3、4主成分因子。在ArcGIS中使用用柵格計(jì)算器計(jì)算，結(jié)果如圖10。

圖10　研究區(qū)主成分模擬的空間分布

將主成分模擬綜合指數(shù)與地表溫度導(dǎo)入到SPSS中進(jìn)行分析，結(jié)果如圖11。從圖11可以看出主成分模擬的綜合指數(shù)與地表溫度之間存在著十分密切的正相關(guān)關(guān)系。使用F檢驗(yàn)法進(jìn)行回歸方程的顯著性分析，回歸方程的F值為146.794，均大于F0.005=7.88，表明主成分模擬的綜合指數(shù)與地表溫度之間存在著顯著的線性正相關(guān)關(guān)系，說明主成分因子在總體水平上較好地揭示了城市熱環(huán)境形成的原因。

圖11　主成分模擬綜合指數(shù)與地表溫度相關(guān)性散點(diǎn)圖

8結(jié)語

本研究根據(jù)下墊面因子中的海拔高程、坡度、植被覆蓋、不透水表面組分、土地利用程度綜合指數(shù)、社會(huì)經(jīng)濟(jì)等分別與地表溫度之間做的相關(guān)性分析，其中地表溫度與海拔高程、坡度、植被覆蓋之間成負(fù)相關(guān)，與不透水表面、土地利用程度、社會(huì)經(jīng)濟(jì)成正相關(guān)。

研究利用主成分分析方法提取出影響青島地區(qū)熱環(huán)境的主成分因子，它們分別是土地利用、植被覆蓋和景觀格局。通過加權(quán)求和模擬出青島地區(qū)熱環(huán)境的綜合因子，發(fā)現(xiàn)該因子與地表溫度之間有著良好的相關(guān)性,同時(shí)也說明了提取的主成分可以較好的模擬青島地區(qū)熱環(huán)境的形成原因。

參考文獻(xiàn)：

[1]Rao P K. Remote sensing of urban heat islands from an environmental satellite[J]. Bulletin of the American Meteorological Society, 1972, 53: 647-648.

[2]Bastiaanssen W G M, Menenti M. Mapping of evaporation in the western desert of Egypt with remote sensing techniques[J]. International Journal of Remote Sensing, 1990, 3: 110-112.

[3]Carlson T N, Arthur S T. The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology: As satellite perspective[J]. Global and Planetary Change, 2000, 25: 49-65.

[4]張小飛, 王仰麟, 吳健生, 等. 城市地域地表溫度-植被覆蓋定量關(guān)系分析——以深圳市為例[J]. 地理研究, 2006, 25(3): 369-377.

Zhang X F, Wang Y L, Wu J S, et al. Study on land surface temperature vegetation cover relationship in urban region: a case in Shenzhen City[J]. Geographical Research, 2006, 25(3): 369-377.

[5]黃聚聰, 趙小鋒, 唐立娜, 等. 城市化進(jìn)程中城市熱島景觀格局演變的時(shí)空特征——以廈門市為例[J]. 生態(tài)學(xué)報(bào), 2012, 32(2): 622-631.

Huang J C, Zhao X F, Tang L N, et al. Analysis on spatiotemporal changes of urban thermal landscape pattern in the context of urbanisation: a case study of Xiamen City[J]. Acta Ecologica Sinica, 2012, 32(2): 622-631.

[6]邱建, 賈劉強(qiáng), 王勇. 基于遙感的青島市熱島與綠地的空間相關(guān)性[J]. 西南交通大學(xué)學(xué)報(bào), 2008, 43(4): 427-433.

Qiu J, Jia L Q, Wang Y, Spacial correlation between heat island and green space in Qingdao city based on remote sensing[J]. Journal of Southwest Jiaotong University, 2008, 43(4): 427-433.

[7]岳文澤, 徐建華. 上海市人類活動(dòng)對(duì)熱環(huán)境的影響[J]. 地理學(xué)報(bào), 2008, 63(3): 247-256.

Yue W Z, Xu J H. Impact of human activities on urban thermal environment in Shanghai[J]. Acta Geographica Sinica, 2008, 63(3): 247-256.

[8]程晨, 蔡喆, 閆維, 等. 基于Landsat TM/ETM+的天津城區(qū)及濱海新區(qū)熱島效應(yīng)時(shí)空變化研究[J]. 自然資源學(xué)報(bào), 2010, 25(10): 1727-1737.

Cheng C, Cai Z, Yan W, et al. Study of temporal and spatial variation of urban heat island based on Landsat TM in central city and binhai new area of Tianjin[J]. Journal of Natural Resources, 2010, 25(10): 1727-1737.

[9]Markham B L, Barker J L. Landsat MSS and TM post-calibration dynamic ranges, exoatmospheric reflectances and at-satellite temperatures[J]. EOSAT Landsat Technical Notes, 1986, 1: 3-8.

[10]QIN Z H, KARNIELI A. 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, 2001, 22(18): 3739-3746.

[11]覃志豪, 李文娟, 徐斌, 等. 利用Landsat TM6 反演地表溫度所需地表輻射率參數(shù)的估計(jì)方法[J]. 海洋科學(xué)進(jìn)展, 2004, 22(Z1): 129-137.

Qin Z H, Li W J, Xu B, et al. Estimation method of land surface emissivity for retriveving land surface temperature from Landsat TM6 data. [J]. Advances in marine science, 2004, 22(Z1): 129-137.

[12]楊景梅, 邱金桓. 我國(guó)可降水量同地面水汽壓關(guān)系的經(jīng)驗(yàn)表達(dá)式[J]. 大氣科學(xué), 1996, 20(5): 620-626.

Yang J M, Qiu J H. The empirical expressions of the relation between precipitable water and ground water vapor pressure for some areas in China[J]. Chinese Journal of Atmospheric Sciences, 1996, 20(5): 620-626.

[13]賈仰文, 王浩, 倪廣恒, 等. 分布式流域水文模型原理與實(shí)踐[M]. 北京: 中國(guó)水利水電出版社, 2005.

Jia Y W, Wang H, Ni G H, et al. Principles and Practice of Distributed Watershed Hydrological Model[M]. Beijing: China Water&Power Press, 2005.

[14]覃志豪, 李文娟, 徐斌, 等. 陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J]. 國(guó)土資源遙感, 2004, 15(3): 28-32, 41.

Qin Z H, Li W J, Xu B, et al. The estimation of land surface emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004, 15(3): 28-32, 41.

[15]潘竟虎, 李曉雪, 馮兆東. . 基于V-I-AP模型的蘭州市不透水面與植被蓋度時(shí)空格局分析[J]. 資源科學(xué), 2010, 32(3): 520-527.

Pan J H, Li X X, Feng Z D. Analysis of Spatial and Temporal Patterns of Impervious Surfaces and Vegetation Covers in Lanzhou Based on the V-I-AP Model[J]. Resources Science, 2010, 32(3): 520-527.

[16]岳文澤, 吳次芳. 基于混合光譜分解的城市不透水面分布估算[J]. 遙感學(xué)報(bào), 2007, 11(6): 914-922.

Yue W Z, Wu C F. Urban impervious surface distribution estimation by spectral mixture analysis[J]. Journal of Remote Sensing, 2007, 11(6): 914-922.

[17]莊大方, 劉紀(jì)遠(yuǎn). 中國(guó)土地利用程度的區(qū)域分異模型研究[J]. 自然資源學(xué)報(bào), 1997, 12(2): 105-111.

Zhuang D F, Liu J Y. Study on the model of regional differentiation of land use degree in China[J]. Journal of Natural Resources, 1997, 12(2): 101-111.

[18]何春陽, 史培軍, 李景剛, 等. 基于DM SP/OLS夜間燈光數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的中國(guó)大陸20世紀(jì)90 年代城市化空間過程重建研究[J]. 科學(xué)通報(bào), 2006, 51(7): 856-861.

He C Y, Shi P J, Li J G, et al. Urbanization process reconstruction based on DMSP / OLS Nighttime Light Data and statistics of mainland of China in the 1990s[J]. Science Bulletin, 2006, 51(7): 856-861.

[19]Sutton P. Modeling population density with nighttime satellite imagery and GIS[J]. Computers Environment and Urban Systems, 1997, 21(3-4): 227- 244.

[20]S Amaral, G Camara, A M V Monterio, et al. Estimating population and energy consumption in Brazilian Amazonia using DMSP nighttime satellite data[J]. Computers, Environment and Urban Systems, 2005, 29: 179-195.

[21]Elvidge C D, Baugh K E, Kihn E A, et al. Mapping city lights with nighttime data from the DMSP Operational Linescan System[J]. Photogrammetric Engineering and Remote Sensing, 1997, 63(6): 727-734.

[22]Elvidge C D, Baugh K E, Kihn E A, et al. Relation between satellite observed visible-near infrared emissions, population, economic activity and electric power consumption[J]. International Journal of Remote Sensing, 1997, 18(6): 1373-1379.

[23]陸守一. 地理信息系統(tǒng)[M]. 北京: 高等教育出版社, 2004.

Lu S Y. Geographic information system[M]. Beijing: China Higher Education Press, 2004.

[24]馮曉剛, 撒利偉, 石輝. 基于多元目標(biāo)的主成分分析的熱島效應(yīng)成因研究——以西安市為例[J]. 西安建筑科技大學(xué)學(xué)報(bào)(自然科學(xué)版), 2012, 44(4): 507-511.

Feng X G, Sa L W, Shi H. Study on the urban heat island effect based on the PCA of multi-purpose[J]. J Xi’an Univ of Arch &Tech (Natural Science Edition), 2012, 44(4): 507-511.

[25]潘竟虎, 李寶娟. 基于空間PCA的蘭州市熱環(huán)境人文驅(qū)動(dòng)因素分析[J]. 干旱區(qū)地理, 2011, 34(4): 662-670.

Pan J H, Li B J. Simulation and analysis of human dimensions of urban thermal environment in valley-city: a case study of Lanzhou City[J]. Arid Land Geography, 2011, 34(4): 662-670.

責(zé)任編輯龐旻

Driving Factors of the Thermal Environment of Coastal City：A Case Study in Qingdao

MA An-Qing1, MA Bing-Ran1, ZHANG Zhen2,3, XING Rong-Rong4,YU Wei-Wei1, WEI Wan1, SUN Shuo1

(1.College of Environmental Science and Engineering, Ocean University of China, Qingdao 266100, China; 2.Cold and Arid Regions Environmental and Engineering Research Institute, Chinese Academy of Sciences, Lanzhou 730000, China; 3.University of Chinese Academy of Sciences, Beijing 100049, China; 4.Qinhuangdao Mineral Resource and Hydrogeological Brigade, Hebei Geological Prospecting Bureau, Qinhuangdao 066001, China)

Abstract：Using Landsat ETM+ images, DMSP/OLS data, DEM data et al, comprehensively analyzed on many driving factors of thermal environment in Qingdao area. Firstly, the surface temperature of Qingdao area was inversed by mono-window algorithm, then the correlation analysis method was used to analyze the relationship between elevation, slope, vegetation cover, impervious surface, the degree of land use, social and economic indicators and the surface temperature. Moreover, the Shannon Diversity Index, Patch Cohesion Index and Contagion Index were added, and the spatial principal component analysis was used on the 9 indicators to determine the size of their contribution rate of surface temperature in Qingdao area. The result shows that the factors of elevation, slope and vegetation cover have negative relationship with surface temperature, while the factors of impervious surface, the degree of land use, social and economic indicators have positive relationship with surface temperature; The first and the second main components are both the degree of land use, the third component is the vegetation cover, and the fourth main component is the landscape pattern. Therefore, the significant correlations are existed between these factors, and the degree of land use, vegetation cover and landscape patterns are the main factors for the thermal environment in which the degree of land use is the core factor in Qingdao area.

Key words：thermal environment; driving factors; correlation analysis; spatial principal component analysis; coastal city

DOI：10.16441/j.cnki.hdxb.20150124

中圖法分類號(hào)：X87

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-5174(2016)04-109-09

作者簡(jiǎn)介：馬安青(1970-)，男，博士,主要從事地理信息系統(tǒng)與遙感的應(yīng)用研究。E-mail:anqing@ouc.edu.cn

收稿日期：2015-04-03；

修訂日期：2015-06-05

*基金項(xiàng)目：山東江蘇海島海岸帶調(diào)查研究項(xiàng)目(908-01-WY02)；基于RS的青島地區(qū)地面熱場(chǎng)時(shí)空變化驅(qū)動(dòng)機(jī)制研究項(xiàng)目(1312011015)；河口濕地高分遙感精細(xì)分類技術(shù)與系統(tǒng)集成調(diào)試研究合同(20130032)資助

Supported by Investigation of Shandong and Jiangsu Coastal Islands(908-01-WY02); Driving Mechanism of Temporal and Spatial Changes of Thermal Field in Qingdao Based on RS(1312011015); Estuary Wetlands High Resolution Remote Sensing Fine Classification Technology and System Integrated Debugger Research Contracts(20130032)