濱海地區(qū)地表溫度空間異質性影響因素探究

宋筱楠,遲廣源,史月,范強

(遼寧工程技術大學測繪與地理科學學院,遼寧 阜新 123000)

0 引言

隨著我國城市化進程不斷加快,大量人口從鄉(xiāng)村走向城市,據(jù)《中國統(tǒng)計年鑒》顯示,1979–2018年城市人口平均增長速度為4.0%。城市人口聚集勢必會導致城市大量林地、草地和水域等“藍綠空間”被建筑和道路等不透水面所替代[1?3],導致地表溫度(LST)持續(xù)增高?！?019年全球氣候報告》指出,地表溫度變化會導致大氣污染、海洋污染、登革熱病毒傳播、森林火災頻發(fā)和海洋生物多樣性減少等一系列巨型災害的發(fā)生。

濱海城市是陸地與海洋的過渡城市,具有復雜而特殊的生態(tài)系統(tǒng)[4]。作為中國城市化水平發(fā)展較快的城市類型,其地表溫度變化原因異常復雜。有研究表明,地表溫度變化很大程度是由于下墊面性質發(fā)生改變[5],下墊面用地類型由于自身的導熱性及比熱容等因素,對地表溫度產(chǎn)生巨大影響,而下墊面指數(shù)對下墊面用地類型有較強的表征意義,故國內(nèi)外學者針對城市下墊面和地表溫度的相關性進行了大量研究。Guha等[6]使用4期Landsat影像探究了地表溫度與歸一化植被指數(shù)(NDVI)的時空關系,結果表明:地表溫度與NDVI呈現(xiàn)非常強烈的負相關效應,且影響效應隨時間減小;Mishra等[7]使用MODIS數(shù)據(jù)探究了地表溫度與NDVI的空間相關性,結果發(fā)現(xiàn):NDVI值在空間上有顯著變化,但并不與地表溫度變化一致,這種現(xiàn)象在林地地區(qū)尤為嚴重;帥晨等[8]學者利用NDVI、改進的歸一化水體指數(shù)(MNDWI)和歸一化建筑指數(shù)(NDBI)三種遙感指數(shù)研究了地表溫度與三種指數(shù)的相關關系,結果表明:下墊面指數(shù)與地表溫度存在空間差異性,且各指數(shù)對地表溫度的相關性效應各有不同。早期的研究多用普通最小二乘法(OLS)回歸研究自變量與因變量之間的擬合關系,眾多研究顯示,該方法描述變量之間的全局效應較為合適,但描述存在明顯空間異質性變量的能力明顯不足[9?11]。隨著空間分析技術的不斷革新,地理加權回歸(GWR)技術在空間異質性或不穩(wěn)定性研究中的優(yōu)勢逐漸顯露。GWR經(jīng)過多年發(fā)展,從最初的基本模型改進出混合地理加權回歸模型(Mixed-GWR)[12]、時空地理加權回歸分析模型(GTWR)[13]、多尺度地理加權回歸模型(Multiscale-GWR)[14]等多種衍生模型。改進的回歸模型對存在空間異質性變量之間的描述更為細致、準確。

綜上所述,本文利用Multiscale-GWR模型探究大連市內(nèi)四區(qū)地表溫度與NDBI、NDVI、歸一化裸土指數(shù)(NDBAI)和MNDWI 4種下墊面指數(shù)的相關關系,并進行可視化表示,直觀地分析4種指數(shù)與地表溫度空間異質性關系,以期改善人居健康和生態(tài)環(huán)境。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域概況與數(shù)據(jù)來源

大連市 (圖 1)地處遼寧省南端 (38?43′N～40?12′N,120?58′E～123?31′E),位于黃海與渤海的交界處,屬帶有海洋性特點的溫帶季風性氣候,冬無嚴寒,夏無酷暑。由于其獨特的地理位置和優(yōu)質的旅游資源,大連市近年來逐步成為東北三省的經(jīng)濟引領城市,所轄地區(qū)內(nèi)甘井子區(qū)、西崗區(qū)、沙河口區(qū)和中山區(qū)組成的內(nèi)四區(qū)經(jīng)濟發(fā)展極為迅速。經(jīng)濟的發(fā)展代表著人口的聚集,所引起的地表溫度升高問題尤為嚴重,因此以大連市內(nèi)四區(qū)為研究區(qū)域探究濱海城市地表溫度與下墊面之間的空間異質性具有代表性意義。

圖1 研究區(qū)域位置。(a)遼寧省;(b)大連市;(c)大連市內(nèi)四區(qū)Fig.1 Location of the study area.(a)Liaoning Province;(b)Dalian City;(c)four districts of Dalian

本研究采用的數(shù)據(jù)來源于美國地質勘探局USGS官網(wǎng)(網(wǎng)址:http://glovis.usgs.gov/),因為夏季的地表溫度較高,熱島效應較強,研究具有現(xiàn)實意義,故選擇的影像時間為2018年8月,將數(shù)據(jù)進行輻射定標與大氣校正預處理。

1.2 研究方法

1.2.1 輻射校正及單窗算法

為了將獲取影像的輻射亮度值轉換為星上亮度溫度并消除傳感器自身產(chǎn)生的誤差[15],需要對原始影像進行輻射定標及大氣校正處理,轉換的公式為

式中Lλ為像元輻射亮度值,單位為W·m?2·sr?1·μm?1;ML為增益參數(shù);E為像元值;AL為偏移參數(shù)。輻射定標后,采用FLAASH方法進行大氣校正處理。

目前針對地表溫度的反演主要有單通道算法[16?18]、多通道算法[19,20]、單窗算法[21]和劈窗算法[22]等。綜合考慮地表溫度反演所用參數(shù),單窗算法具有反演精度高、普適性強等特點。本研究采用的Landsat 8 OLI數(shù)據(jù)擁有第10波段和第11波段兩個熱紅外波段,據(jù)研究顯示第10波段對地表溫度的反演效果最佳[23],因此采用單窗算法計算第10波段熱紅外通道的大連市內(nèi)四區(qū)地表溫度,公式為

式中Ld為地表溫度(單位為K),a、b為回歸系數(shù),α為大氣透過率,C、D為中間變量,T為星上輻射量度對應的亮溫溫度,β為地表比輻射率,Tmn為大氣平均作用溫度。

1.2.2 下墊面指數(shù)

下墊面是地形、地貌和氣候等自然因素與道路和建筑等人造因素的結合體,其物理性質對熱環(huán)境有著非常大的影響。近年來隨著遙感技術的不斷發(fā)展,遙感指數(shù)作為下墊面性質的獨特表征受到眾多學者青睞。另有研究表明,下墊面指數(shù)與地形[24]、氣候[25]和季風[26]等地表溫度相關因素息息相關。本研究利用研究區(qū)域矢量對經(jīng)過輻射校正后的影像進行裁剪,提取影像綠光、紅光、短波紅外、中紅外、近紅外和熱紅外波段以求解下墊面指數(shù)。下墊面指數(shù)計算方式見表1。

表1 下墊面指數(shù)計算方式Table 1 Calculation method of underlying surface index

1.2.3 多尺度地理加權回歸

傳統(tǒng)的回歸分析主要是假定在不同區(qū)域內(nèi)變量呈現(xiàn)為同質性,并對自變量和因變量進行回歸分析,以探究變量之間的全局效應。主要用到的方式為OLS[31],該模型的計算公式為

式中Yi表示第i點因變量值,β0表示截距,βk為回歸系數(shù),Xi,k表示第i點第k個自變量值,εi表示殘差。該模型計算自變量和因變量之間的全局效應較為合適,但是對于存在地理空間異質性的變量描述結果不佳?？臻g異質性主要是描述在不同地理區(qū)域、某一物質具有不同表征的一種性質。隨后出現(xiàn)的GWR模型即可解決存在空間異質性的變量回歸問題,該模型將空間坐標融入OLS,以實現(xiàn)空間異質性研究[32],GWR模型的計算公式為

式中μi、νi表示第i點的空間坐標,該模型通過不斷迭代確定最優(yōu)帶寬以影響自變量與因變量的擬合效果。多尺度地理加權回歸在地理加權回歸的基礎上進行優(yōu)化,引入了各自變量不同的優(yōu)化帶寬,經(jīng)過GWR估計、半?yún)?shù)GWR估計、最小二乘估計和總體歸零的初始化步驟后,殘差估計收斂至收斂準則,迭代結束[33]。Multiscale-GWR模型的計算公式為

式中you j為回歸系數(shù)的最優(yōu)帶寬,其中不同帶寬即為多尺度的具體體現(xiàn)。

2 結果分析

2.1 地表溫度空間分異特征

圖2為單窗算法反演的大連市內(nèi)四區(qū)地表溫度分布情況。大連市內(nèi)四區(qū)的地表溫度呈現(xiàn)由東向西遞減的分布態(tài)勢,且中山區(qū)、沙河口區(qū)和西崗區(qū)的平均地表溫度比甘井子區(qū)要高。分別為西崗區(qū)(36.95?C)>沙河口區(qū)(36.66?C)>中山區(qū)(34.93?C)>甘井子區(qū)(34.83?C)。中山區(qū)、沙河口區(qū)和西崗區(qū)南部地區(qū)臨海,地表溫度總體趨勢為由北至南遞減;甘井子區(qū)西南部林地較多,東部地區(qū)地表溫度明顯較西南部高。

圖2 地表溫度圖Fig.2 Distribution of LST

2.2 OLS與Multiscale-GWR模型回歸結果

以LST作為因變量,NDBI、NDVI、MNDWI和NDBAI指數(shù)作為自變量,構建OLS模型與Multiscale-GWR模型,模型結果見表2。

表2 OLS與Multiscale-GWR模型結果Table 2 The results of OLS and Multiscale-GWR model

由表2所示,經(jīng)過Multiscale-GWR模型的變量擬合后,殘差平方和下降至274.400,說明Multiscale-GWR模型擬合精度較OLS模型有大幅度提高;同時,Multiscale-GWR模型的赤池信息準則較OLS模型也有大幅度的下降。R2的值域為[0,1],自0至1代表著擬合程度逐漸增高,R2的值越高,說明自變量對因變量的解釋力更足,所以從R2和調(diào)整R2(AdjustedR2)得知,Multiscale-GWR模型使變量之間的擬合程度增高。OLS模型除了進行全局效應的擬合,還可以計算方差膨脹因子(VIF),VIF的值若小于10,則可以證明自變量之間不存在多重共線性[34]。本研究采用的變量VIF的值分別為:NDBI(2.203)、NDVI(1.789)、MNDWI(1.204)、NDBAI(1.147),下墊面指數(shù)之間不存在多重共線性。綜上所述,大連市內(nèi)四區(qū)地表溫度與下墊面指數(shù)之間的全局效應非常薄弱,二者的空間異質性非常強,因此本研究利用Multiscale-GWR模型探究地表溫度與下墊面指數(shù)之間的空間異質性。經(jīng)計算,所選指數(shù)的最優(yōu)帶寬分別為:NDBI(70.00)、NDVI(46.00)、MNDWI(46.00)、NDBAI(43.00)。

2.3 空間異質性分析

2.3.1 Multiscale-GWR模型擬合程度異質性

Multiscale-GWR模型的回歸系數(shù)如表3所示,其中選取回歸系數(shù)的平均值、標準差、中位數(shù)及最大值作為統(tǒng)計類型。由表可以看出,下墊面指數(shù)的回歸系數(shù)存在正負雙值的現(xiàn)象,表明各指數(shù)存在空間異質性。回歸系數(shù)的絕對值大小可以表現(xiàn)出下墊面指數(shù)對地表溫度的影響作用力強弱,利用回歸系數(shù)的平均值作為整體回歸的影響作用力度量,故下墊面指數(shù)對地表溫度的影響作用力由大至小依次為:NDBAI、NDVI、MNDWI、NDBI。

表3 回歸系數(shù)Table 3 Regression coefficient

大連市內(nèi)四區(qū)Multiscale-GWR模型的擬合分布如圖3所示(LocalR2為局部擬合程度)。由圖可知,研究區(qū)中心的整體擬合程度較大,邊緣地區(qū)擬合程度較小,平均地表溫度最大的西崗區(qū)擬合程度高的區(qū)域面積比例較小。

圖3 Multiscale-GWR模型的擬合結果Fig.3 Fitting results of multiscale-GWR model

2.3.2 下墊面指數(shù)相關系數(shù)空間異質性分析

將Multiscale-GWR模型運行得到的下墊面指數(shù)相關系數(shù)進行可視化表示,得到如圖4所示結果。

圖4 下墊面指數(shù)相關系數(shù)。(a)NDBI系數(shù);(b)NDVI系數(shù);(c)NDBAI系數(shù);(d)MNDWI系數(shù)Fig.4 The correlation coefficient of underlying surface index.(a)Coefficient of NDBI;(b)coefficient of NDVI;(c)coefficient of NDBAI;(d)coefficient of MNDWI

1)NDBI系數(shù)空間異質性分析。NDBI指數(shù)對地表溫度的影響具有空間異質性。大連市內(nèi)四區(qū)的總體影響力為正值區(qū)域較多,負值主要出現(xiàn)在邊緣地區(qū),說明NDBI指數(shù)對地表溫度的影響大部分呈正相關效應,伴隨著NDBI數(shù)值的增加,地表溫度也在升高,這與郭宇等[35]的研究結果相似。這主要是由于不同下墊表面中,不透水面的地表溫度較高,而大連市8月份的地表溫度較高、城市熱島效應聚集,與高度城市化的市內(nèi)四區(qū)NDBI指數(shù)大多呈現(xiàn)一致的分布態(tài)勢。高度影響力地區(qū)出現(xiàn)在甘井子區(qū)的西南部和沙河口區(qū)的南部,上述地區(qū)的土地利用類型多為林草地。其他地表溫度較低區(qū)域大多呈現(xiàn)的是負相關效應。

2)NDVI系數(shù)空間異質性分析。NDVI指數(shù)相關系數(shù)表明,總體為負相關效應,正相關效應在空間上分布較為分散,主要集中于甘井子區(qū),與地表溫度分布圖對比得知,地表溫度較高的區(qū)域主要為負相關,這主要是由于NDVI指數(shù)的正負差異性,負值區(qū)域大部分為湖泊和河流等水域,不透水面聚集區(qū)域水域較少,NDVI數(shù)值降低,地表溫度增高。同時,中山區(qū)、西崗區(qū)和沙河口區(qū)的正相關效應區(qū)域也恰好為地表溫度較低區(qū)域。NDVI的主要表征地物為林草地,通過本研究成果可以驗證林草地能夠起到降低地表溫度的作用,這也驗證了劉丹和于成龍[36]、崔林林等[37]分析NDVI指數(shù)可以反映林草地具有降溫效應的觀點。

3)NDBAI系數(shù)空間異質性分析。NDBAI指數(shù)的相關系數(shù)在空間上呈現(xiàn)由中心向四周逐漸增大的擴散分布態(tài)勢,總體呈負相關效應,市內(nèi)四區(qū)邊緣呈現(xiàn)正相關效應。說明在大部分地區(qū)NDBAI數(shù)值較高的區(qū)域,地表溫度較低,而在NDBAI數(shù)值較低的區(qū)域,地表溫度較高。原因可能是大連市屬生態(tài)宜居型城市,城市綠化率、城市用地使用率和水體覆蓋率較高,加之夏季草類植物生長茂盛,使得裸地的面積較小,從而導致NDBAI指數(shù)在大部分區(qū)域呈現(xiàn)負相關效應。

4)MNDWI系數(shù)空間異質性分析。MNDWI指數(shù)在空間上的分布呈現(xiàn)負相關效應的面積占比多于正相關效應,甘井子區(qū)和沙河口區(qū)地表溫度較高區(qū)域與地表溫度呈現(xiàn)負相關效應,而西崗區(qū)和中山區(qū)地表溫度較高區(qū)域與地表溫度呈現(xiàn)正相關效應。水域屬于降溫地物,夏季較大的太陽輻射量及較長的日照時間可蒸發(fā)產(chǎn)生大量水汽,使得地表溫度降低。對NDVI和MNDWI進行對比發(fā)現(xiàn),NDVI比MNDWI的系數(shù)絕對值大,可以說明植被的降溫效果較水域更為強烈,這驗證了曹璐等[38]的研究結果。

3 結論

為了提出改善人居環(huán)境和生態(tài)健康可借鑒性成果,利用Multiscale-GWR模型探究了大連市內(nèi)四區(qū)地表溫度與下墊面指數(shù)的空間異質性關系,結論如下:

1)大連市內(nèi)四區(qū)的地表溫度呈現(xiàn)由東向西遞減的分布態(tài)勢,由于南部地區(qū)臨海,中山區(qū)、沙河口區(qū)和西崗區(qū)的地表溫度北部地區(qū)較南部地區(qū)要高;甘井子區(qū)的西南部林地較多,故該區(qū)域其他地區(qū)的地表溫度較西南部高。

2)從全局模式和局部模式探究得知,大連市內(nèi)四區(qū)地表溫度與下墊面指數(shù)關系基本上不存在全局效應,空間異質性很強。Multiscale-GWR模型通過優(yōu)化不同因子的不同帶寬,擬合程度達到0.968,說明選取的4個下墊面指數(shù)對地表溫度有著非常強的解釋力。

3)下墊面指數(shù)對地表溫度的影響存在空間異質性。二者的相關系數(shù)表明,下墊面指數(shù)對地表溫度的影響作用力NDBAI>NDVI>MNDWI>NDBI。NDBAI、NDVI和MNDWI指數(shù)總體上呈現(xiàn)負相關效應,NDBI總體上呈現(xiàn)正相關效應。

城市化推進引起的地表溫度升高,導致城市病不斷出現(xiàn),合理控制地表溫度升高是城市發(fā)展的必要考慮。本研究采用Multiscale-GWR模型探究大連市內(nèi)四區(qū)地表溫度與下墊面指數(shù)的相關效應,擬合程度非常高,間接提出可以從不同層面上改善地表溫度升高的方式,即地表溫度升高的主要因素是不透水面的升溫作用,裸土及未利用地的升溫作用在大連市內(nèi)四區(qū)內(nèi)表現(xiàn)不強,林草地及水域具有良好的降溫效果,且林草地的降溫效果更佳,故城市在大力發(fā)展城市建設用地的同時,更應該注重林草地及水域的合理化配置,可以更好地調(diào)節(jié)地表溫度。但是,本研究僅以大連市內(nèi)四區(qū)為例進行探究,從國家及省域層面的地表溫度空間異質性因素并未得知,接下來的研究著重利用不同方法探究更大區(qū)域的地表溫度空間異質性因素。