長江經(jīng)濟(jì)帶中部大都市氣候變化與土地利用響應(yīng)
——以武漢市為例

尹夢(mèng)晗 艾 東，2* 葉 菁

(1.中國農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院，北京 100193；2.中國農(nóng)業(yè)大學(xué) 自然資源部農(nóng)用地質(zhì)量與監(jiān)控重點(diǎn)實(shí)驗(yàn)室，北京 100193；3.中國地質(zhì)大學(xué)(武漢) 公共管理學(xué)院，武漢 430074)

全球氣溫不斷上升，極端氣候事件(如高溫?zé)崂?、大風(fēng)、暴雨、寒潮、洪澇、干旱等)頻繁發(fā)生，已經(jīng)嚴(yán)重威脅了人類的生命健康和經(jīng)濟(jì)的有序發(fā)展[1]。聯(lián)合國政府間氣候變化專門委員會(huì)(IPCC)關(guān)于全球變暖趨勢(shì)的第5次評(píng)估報(bào)告稱：“1901—2012年的100多年，全球地表溫度升高了0.89 ℃；21世紀(jì)的頭10年是有史以來最熱的10年，但預(yù)計(jì)全球地表溫度將繼續(xù)升高，到本世紀(jì)末達(dá)到比工業(yè)革命前高1.5～2.0 ℃的水平[2]。”同時(shí)，城市化進(jìn)程的不斷推進(jìn)使得建設(shè)用地迅速擴(kuò)張，地表硬化增加。由城市化引起的地表和大氣變化通常導(dǎo)致氣溫升高，這一現(xiàn)象比周圍的非城市化地區(qū)表現(xiàn)更劇烈，尤其是在夜間更為突出[3]。1958年，Manley[4]正式將這種現(xiàn)象定義為“城市熱島效應(yīng)”。城鄉(xiāng)溫度升高差距越大，表明熱島效應(yīng)越劇烈；反之，則表明熱島效應(yīng)尚不明顯。城市熱島效應(yīng)問題已不再是單純的氣候問題，也嚴(yán)重阻礙城市化進(jìn)程和生態(tài)環(huán)境的可持續(xù)發(fā)展[5]。如何減緩城市熱島效應(yīng)，降低地表溫度,解決城市重要生態(tài)問題，已成為全球研究熱點(diǎn)。

常用的熱島效應(yīng)研究方法有氣象站點(diǎn)觀測(cè)法[6-7]和地表溫度反演法[8-9]。由于我國氣象站點(diǎn)有限，數(shù)據(jù)缺乏普遍性，且數(shù)據(jù)搜集困難，不適合進(jìn)行大范圍分析[10]。隨著遙感技術(shù)的不斷發(fā)展和完善，使得遙感數(shù)據(jù)成為獲取一系列熱島效應(yīng)指標(biāo)的良好數(shù)據(jù)源，特別是Landsat遙感影像因其具有較高的分辨率、良好的連續(xù)性、數(shù)據(jù)的可獲取性，被廣泛應(yīng)用。已有研究比較了不同遙感影像地表溫度反演方法的適用情況與精度[11-14]。隨著該領(lǐng)域研究的逐步深入，城市熱島與土地利用/覆被變化的疊加分析逐漸成為研究熱點(diǎn)：邊曉輝等[15]基于湖州市4 期遙感影像分析了土地利用和覆被變化對(duì)城市熱島效應(yīng)的響應(yīng)及影響因素的相關(guān)性；余俞寒等[16]基于武漢城市群2005—2015年3 期地表溫度數(shù)據(jù)，建立了城市熱島與土地利用空間格局之間的回歸模型，并模擬預(yù)測(cè)現(xiàn)有土地利用變化趨勢(shì)下城市熱島效應(yīng)演變規(guī)律；楊智威等[17]從社會(huì)、經(jīng)濟(jì)、環(huán)境角度選取人口密度、建設(shè)用地面積、水體面積等5 項(xiàng)影響因子建立其與粵港澳大灣區(qū)區(qū)域地表溫度間的多元線性回歸模型，并得出單元人口密度、建設(shè)用地面積與城市熱島空間格局具有較強(qiáng)相關(guān)性的結(jié)論。

然而，已有研究多側(cè)重于各地類對(duì)城市熱島的影響，其中建設(shè)用地對(duì)城市熱島的影響研究也多關(guān)注于宏觀層面，如城市整體建設(shè)用地?cái)U(kuò)張、不透水面率增加對(duì)城市熱島的增溫效應(yīng)[18-20]，極少有研究對(duì)建設(shè)用地進(jìn)行細(xì)分。在探究不同建設(shè)用地類型對(duì)城市熱島的影響程度，楊敏等[21]考慮了工業(yè)園區(qū)、住宅和商業(yè)用地的不同作用，但只是進(jìn)行了定性分析。因此，有必要開展工業(yè)、商業(yè)、住宅、交通等不同建設(shè)用地類型對(duì)城市熱島影響定量研究，通過國土空間規(guī)劃配置建設(shè)用地布局，減緩城市熱島效應(yīng)。

武漢作為長江經(jīng)濟(jì)帶中部大都市，在長江中游城市群發(fā)展中起核心作用。武漢是中國水域面積最大的城市，也是中國著名的“火爐”城市之一。武漢熱島效應(yīng)明顯[22]，同時(shí)隨著城市化進(jìn)程加速，不透水面逐漸增加，城市熱島面積不斷增長[19]，從而成為城市熱島效應(yīng)的典型研究區(qū)。

因此，本研究擬以長江經(jīng)濟(jì)帶典型城市武漢為研究區(qū)域，首先利用Landsat-5的TM數(shù)據(jù)以及Landsat-8的OLI/TIRS數(shù)據(jù)對(duì)武漢地表溫度進(jìn)行了反演；同時(shí)，為減少誤差，降低數(shù)據(jù)的不確定性，對(duì)反演的地表溫度進(jìn)行均值無量綱化處理，分析武漢市1996—2016年熱島效應(yīng)時(shí)空演變特征；其次，基于1996—2016年土地利用類型圖，分析各用地類型對(duì)城市熱島的影響；最后，在此基礎(chǔ)上，利用POI點(diǎn)將建設(shè)用地進(jìn)一步分為工礦倉儲(chǔ)、交通運(yùn)輸、商業(yè)等類型，采用Logistic回歸模型定量探究不同建設(shè)用地對(duì)熱島的影響，以期為武漢市國土空間規(guī)劃，建設(shè)用地合理布局，優(yōu)化城市人居環(huán)境提供參考。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)概況

武漢地處長江中游，是湖北省省會(huì)，長江經(jīng)濟(jì)帶的核心城市。全市下轄13 個(gè)行政區(qū)，南北最大縱距約154.0 km，東西最大橫距132.1 km。武漢大部分地區(qū)位于平坦平原，屬亞熱帶季風(fēng)氣候，常年雨量豐沛，氣溫居高。武漢市內(nèi)湖泊眾多，濕地資源豐富，居全球內(nèi)陸城市前3位。武漢作為新一線城市，近年來發(fā)展迅速，地區(qū)生產(chǎn)總值在2018年達(dá)到1.484 萬億元，城市建設(shè)迅猛發(fā)展，其建成區(qū)面積在省會(huì)城市中高居第2位。

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1遙感影像

本研究中應(yīng)用Landsat影像數(shù)據(jù)進(jìn)行地表溫度反演，來源于美國陸地衛(wèi)星計(jì)劃，下載自美國地質(zhì)勘探局官網(wǎng)(http:∥glovis.usgs.gov)。目前常用Landsat數(shù)據(jù)有：Landsat-5對(duì)應(yīng)TM傳感器，具有一個(gè)熱紅外波段，分辨率為120 m；Landsat-7對(duì)應(yīng)ETM+傳感器，具有一個(gè)熱紅外波段，分辨率為60 m；Landsat-8影像對(duì)應(yīng)TIRS傳感器，具有2個(gè)熱紅外波段，分辨率為100 m。為降低數(shù)據(jù)的不確定性，以6、7、8月影像地表溫度的平均值作為夏季平均地表溫度數(shù)據(jù)。綜合考慮云量、各月溫度、各傳感器開始使用及停止時(shí)間后，選取了9個(gè)遙感影像數(shù)據(jù)(表1)。

表1 本研究所用遙感影像Table 1 Remote sensing images used in this study

因?yàn)槲錆h地處2 個(gè)條帶號(hào)和行編號(hào)的交匯處，所以每個(gè)時(shí)相下載了3 幅影像進(jìn)行鑲嵌后，應(yīng)用武漢行政區(qū)劃的矢量文件提取武漢市影像。同時(shí)，在ENVI中對(duì)影像進(jìn)行了大氣校正和鑲嵌裁剪等預(yù)處理工作。

1.2.2POI數(shù)據(jù)

本研究采用的POI數(shù)據(jù)為高德地圖采集的2016年武漢市興趣點(diǎn)數(shù)據(jù)。高德地圖以地圖導(dǎo)航為基礎(chǔ)，生成大數(shù)據(jù)，基本上包含了研究區(qū)內(nèi)的實(shí)體對(duì)象，可以對(duì)城市的中心熱點(diǎn)進(jìn)行識(shí)別和分析集聚特征。采集到的興趣點(diǎn)共124 812個(gè)，包含住宅小區(qū)、金融服務(wù)、醫(yī)療服務(wù)等類別。

原始的POI數(shù)據(jù)只有地理坐標(biāo)系，為其定義投影坐標(biāo)系，導(dǎo)出屬性表至EXCEL進(jìn)行數(shù)據(jù)的篩選，刪除了無效數(shù)據(jù)和重復(fù)數(shù)據(jù)共18 715個(gè)。同時(shí)按照三調(diào)土地利用分類，對(duì)應(yīng)POI類型將整體分為商服用地(表2，1～9類POI)、住宅用地、公共管理與公共服務(wù)用地(表2,11～18類POI)、交通運(yùn)輸用地及工礦倉儲(chǔ)用地(表2,19～20類POI)，最終選取商服用地點(diǎn)82 736個(gè)，住宅用地點(diǎn)5 950個(gè)，公共管理與公共服務(wù)點(diǎn)16 428個(gè)，工礦倉儲(chǔ)點(diǎn)983個(gè)。

2 研究方法

2.1 地表溫度反演

2.1.1輻射亮溫計(jì)算

亮度溫度是在衛(wèi)星高度上傳感器探測(cè)波段范圍內(nèi)，普朗克黑體輻射函數(shù)與傳感器響應(yīng)函數(shù)乘積積分得到的輻射值[22]。其計(jì)算公式如下：

T1=K2/ln(K1/Lλ+1)

(1)

式中：T1為亮度溫度，單位為K；K1、K2為定標(biāo)常數(shù)，可從遙感影像的頭文件中查到；Lλ為輻射強(qiáng)度，可基于ENVI自帶的輻射定標(biāo)功能直接算出。

2.1.2植被覆蓋度計(jì)算

植被覆蓋度指某一地區(qū)上植被覆蓋程度，體現(xiàn)該地區(qū)綠化程度和綠地分布，可由歸一化植被指數(shù)計(jì)算(NDVI)得到。公式為[23]：

PV=NDVI-NDVIs/NDVIv-NDVI

(2)

式中：PV為植被覆蓋度；NDVI可由ENVI直接計(jì)算，NDVIs和NDVIv分別為裸土區(qū)和完全植被區(qū)的NDVI取值。當(dāng)NDVI>0.7時(shí)，PV取值為1；當(dāng)NDVI<0.05時(shí)，PV取值為0。

2.1.3地表比輻射率計(jì)算

地表比輻射率(ε)是指在同一溫度下地表發(fā)射的輻射量與一黑體發(fā)射的輻射量的比值，與地表組成成分、地表粗糙度、波長等因素有關(guān)[24]。其計(jì)算公式為：

ε=0.004PV+0.986

(3)

表2 POI數(shù)據(jù)類型及數(shù)量Table 2 POI types and quantities

2.1.4單窗算法計(jì)算地表溫度

采用單窗算法反演3個(gè)時(shí)相的地表溫度。首先計(jì)算大氣透射率，可根據(jù)大氣濕度或水分含量得出。其計(jì)算公式為[14]：

C=τε

(4)

D=(1-τ)[1+τ(1-ε)]

(5)

式中：C、D為計(jì)算中間量；τ為大氣透射率，可根據(jù)大氣濕度或水分含量得出，取經(jīng)驗(yàn)值0.894[22]。

TS={a(1-C-D)+[b(1-C-D)+
C+D]T1-DTa}/C

(6)

式中：TS為地表溫度，K；Ta為大氣均溫，K，可處理氣象站近地表溫度來代替。

2.2 城市熱島界定

由于所選取的遙感影像時(shí)間、云量存在差異，因此對(duì)地表溫度進(jìn)行均值無量綱化處理，使得影像數(shù)據(jù)具有可比性，能夠有效反映熱島效應(yīng)的強(qiáng)弱。計(jì)算公式如下：

(7)

表3 熱島強(qiáng)度分級(jí)標(biāo)準(zhǔn)Table 3 Classification standard of heat island strength

2.3 城市熱島與土地利用響應(yīng)分析

2.3.1監(jiān)督分類

監(jiān)督分類，又稱“訓(xùn)練分類法”，其通過定量的事先已知的像元樣本判別其他未知類別[25]。常用的監(jiān)督分類方法為“最大似然法”:假設(shè)每個(gè)波段每一類統(tǒng)計(jì)都呈正態(tài)分布，計(jì)算像元屬于某一訓(xùn)練樣本的似然度，將像元?dú)w為似然度最大的一類中[26]。具體操作流程為：

1)選擇訓(xùn)練樣本。監(jiān)督分類的實(shí)施依賴訓(xùn)練樣本的選取，其準(zhǔn)確度會(huì)直接影響分類結(jié)果。在選取樣本時(shí)需保證樣本在研究區(qū)內(nèi)均衡分布且具有代表性。同時(shí)，在樣本選取完成后需要通過樣本可分離度驗(yàn)證，若兩值均>1.9說明樣本之間可分離性好，屬于合格樣本；<1.8則需要重新選擇樣本，<1就考慮將2類樣本合成一類樣本。

因此，本研究利用已進(jìn)行預(yù)處理的遙感影像進(jìn)行訓(xùn)練樣本選擇，并根據(jù)論文需要將地類分為4 類—“耕地、建設(shè)用地、水域以及綠地”，其中綠地不僅包括城市綠地還包括了林地。經(jīng)過目視解譯判讀及不斷調(diào)試，最終本研究選擇的訓(xùn)練樣本如圖1所示。除水域外，各地類訓(xùn)練樣本數(shù)量均在10 個(gè)以上，且均勻分布在各行政區(qū)內(nèi)。因水域特征較為明顯，故在訓(xùn)練樣本選取時(shí)保證具有代表性即可。3 個(gè)時(shí)相訓(xùn)練樣本的分離度驗(yàn)證結(jié)果如表4所示。

圖1 訓(xùn)練樣本分布圖Fig.1 Distribution of training samples

2)執(zhí)行監(jiān)督分類。運(yùn)用最大似然法進(jìn)行監(jiān)督分類，分類完成后1996年影像分類精度96.750 8%，Kappa系數(shù)0.955 4；2006 年影像分類精度97.659 1%，Kappa系數(shù)0.967 9；2016 年影像分類精度96.406 2%，Kappa系數(shù)0.952 0，均達(dá)到精度要求，可以使用。

2.3.2核密度分析

核密度估計(jì)法在空間形態(tài)研究中可借用于分析高低形態(tài)指標(biāo)的集中分布區(qū)，可以分析數(shù)據(jù)分布的核心區(qū)域，適用于研究高度、密度和強(qiáng)度的空間分布。

在核密度估計(jì)法中，擬估計(jì)的概率密度函數(shù)的一般形式為：

(8)

表4 樣本可分離度驗(yàn)證結(jié)果Table 4 Sample separability results

為數(shù)據(jù)樣本個(gè)數(shù)；Xi為第i個(gè)采樣值；K為核函數(shù)；h為核函數(shù)的帶寬[27]。一個(gè)常用的核密度估計(jì)函數(shù)的表達(dá)式為：

(10)

式中：K為核函數(shù)； (x-xi)2+(y-yi)2是點(diǎn)(xi，yi)和(x，y)之間的距離；h是帶寬，m；n是范圍內(nèi)的點(diǎn)數(shù)。

2.3.3Logistic回歸模型

Logistic回歸模型用于探究因變量與自變量間的非線性關(guān)系[28]，其因變量一般為二分變量，取值通常為0或1，也可為多分類變量；自變量可以為分類變量也可連續(xù)[29]。如果考察自變量對(duì)因變量的影響程度，一般將連續(xù)變量轉(zhuǎn)化為分類變量后再納入模型。因此，根據(jù)Logistic回歸模型特點(diǎn)，以武漢熱島強(qiáng)度作為因變量，將武漢市非熱島區(qū)賦值為0，熱島區(qū)賦值為1；以各類型建設(shè)用地密度為自變量，由高到低分為5 類。模型公式如下[30]：

(11)

式中：P為熱島效應(yīng)發(fā)生概率；X1,X2,…,Xn為影響熱島效應(yīng)的因素；β1,β2,…,βn為回歸系數(shù)，其絕對(duì)值越大對(duì)熱島效應(yīng)發(fā)生概率影響越大[31]。模型采用Wald對(duì)回歸系數(shù)進(jìn)行檢驗(yàn)，取顯著性水平為0.05，當(dāng)Wald統(tǒng)計(jì)量對(duì)應(yīng)的概率P值<0.05時(shí)，則認(rèn)為該解釋變量的回歸系數(shù)與零有顯著差異，應(yīng)保留在方程中；反之,則不能通過顯著性檢驗(yàn)應(yīng)被去除[32]。

3 結(jié)果與分析

3.1 武漢熱島效應(yīng)時(shí)空演變

3.1.1武漢市地表溫度反演結(jié)果

利用多源遙感影像，運(yùn)用單窗算法，反演武漢市1996—2016年地表溫度結(jié)果如圖2所示。根據(jù)數(shù)據(jù)分布特征，采用相等間隔法，按“<20 ℃,20～25 ℃,25～30 ℃,30～35 ℃,≥35 ℃”將溫度結(jié)果劃分為了5 級(jí)。從圖2中可以看出武漢市1996年大部分區(qū)域地表溫度為20～25 ℃，而2016年時(shí)溫度<25 ℃的區(qū)域已近乎消失。

武漢中心城區(qū)在20年間溫度較高，其中武昌區(qū)作為老城區(qū)溫度1996—2016年一直居高不下，地表溫度較同期其他行政區(qū)溫度較高；同時(shí)，東西湖區(qū)在2016年時(shí)大部分區(qū)域已位于次高溫區(qū)，而蔡甸區(qū)、江夏區(qū)是除中心城區(qū)外少數(shù)擁有高溫區(qū)的2個(gè)行政區(qū)(圖2)。

圖2 1996、2006及2016年武漢地表溫度Fig.2 1996， 2006 and 2016 Wuhan surface temperatures

3.1.2武漢城市熱島效應(yīng)分析

熱島效應(yīng)分析發(fā)現(xiàn)1996—2016年，武漢市熱島強(qiáng)度不高，大部分區(qū)域?qū)儆谳^弱熱島區(qū)(圖3)，武漢熱島區(qū)域主要集中于市中心，并呈擴(kuò)散態(tài)勢(shì)。由圖3可見：1996年武漢非熱島區(qū)域主要集中于東西湖區(qū)和蔡甸區(qū)，僅有極少數(shù)熱島區(qū)域分布在武昌區(qū)、江漢區(qū)等中心城區(qū)以及江夏區(qū)，且1996年武漢不具有極強(qiáng)熱島區(qū)；1996—2006年武漢市熱島面積進(jìn)一步增長，且增長區(qū)域主要位于中心城區(qū)以及東西湖區(qū)、蔡甸區(qū)、漢南區(qū)的西部和北部。研究發(fā)現(xiàn)2016年武漢熱島區(qū)域明顯增加，且熱島區(qū)域較2006年更為集中在中心城區(qū)及其周邊，非熱島區(qū)域主要集中于黃陂和新洲區(qū)，而中心城區(qū)及江夏區(qū)、蔡甸區(qū)、東西湖區(qū)中靠近中心城區(qū)的區(qū)域熱島面積快速增長。

圖3 1996、2006及2016年武漢熱島強(qiáng)度Fig.3 1996， 2006 and 2016 Wuhan heat island intensity

運(yùn)用Arcgis自帶的工具生成3 個(gè)時(shí)相的熱島中心，并進(jìn)行方向分布分析可知，武漢近20年的熱島中心均集中在中心城區(qū)，且大致沿長江兩側(cè)分布。熱島中心垂直方向逐漸向南偏移，且有繼續(xù)向南偏移趨勢(shì)。同時(shí)，熱島中心水平方向也具有向東西湖區(qū)、蔡甸區(qū)等西側(cè)的行政區(qū)偏移趨勢(shì)，但與垂直方向相比偏移尺度較小。

為能更準(zhǔn)確的分析武漢熱島效應(yīng)的時(shí)間演變特征，將熱島分級(jí)圖與武漢行政區(qū)劃相疊加，經(jīng)過面積統(tǒng)計(jì)，結(jié)果如表5所示。由表5可見武漢熱島效應(yīng)時(shí)序變化特征為逐漸增強(qiáng)，且強(qiáng)熱島增加幅度較大。

表5 1996、2006及2016年武漢熱島面積分級(jí)統(tǒng)計(jì)Table 5 Statistics of Wuhan heat island area classification in 1996，2006 and 2016 km2

將強(qiáng)度分級(jí)中“較強(qiáng)熱島、強(qiáng)熱島、極強(qiáng)熱島”3 級(jí)歸為熱島區(qū)域，其余2 級(jí)歸為非熱島區(qū)域，武漢1996—2016年總熱島面積變化如圖4所示。從圖中可以看出武漢自1996—2016年熱島面積快速上升，增長速率變化較為平穩(wěn)。武漢自1996—2016年為城鎮(zhèn)快速建設(shè)期，不透水面顯著增加，建筑密度逐漸加大，因此自1996年武漢熱島面積持續(xù)上升，強(qiáng)度逐漸增強(qiáng)。

圖4 1996、2006及2016年武漢熱島面積變化圖Fig.4 Change of heat island area in Wuhan in 1996， 2006 and 2016

分析各行政區(qū)1996—2016年熱島面積變化情況如表6所示，中心城區(qū)熱島面積在20年間顯著增加，且在2006—2016年快速增長。同時(shí)在20年間熱島面積有所上升的為東西湖區(qū)和蔡甸區(qū)，但增長速率較緩，且與武漢熱島效應(yīng)分布圖結(jié)合可以看出，其熱島面積增加區(qū)域靠近中心城區(qū)。除江夏區(qū)、新洲區(qū)和中心城區(qū)外，其余各區(qū)熱島面積變化幅度不大，基本保持穩(wěn)定。各區(qū)熱島面積的時(shí)序變化也印證了武漢城市熱島逐漸向中心城區(qū)集聚，并以中心城區(qū)為中心向外擴(kuò)散的趨勢(shì)。

3.2 武漢市城市熱島效應(yīng)與土地利用響應(yīng)關(guān)系

3.2.1熱島與土地利用類型

土地利用分類結(jié)果如圖5所示?？芍?，武漢1996—2016 年建設(shè)用地和綠地逐漸增多而耕地逐漸減少，這是由武漢近年來城市建設(shè)以及退耕還林政策的實(shí)施所導(dǎo)致的。對(duì)比3 幅用地分布圖與熱島效應(yīng)分布圖，從空間分布看，建設(shè)用地的分布較其他類型土地與熱島區(qū)域的分布具有較高的一致性。

將各地類與熱島區(qū)進(jìn)行疊置分析，結(jié)果如表7所示。從表中可以看出，水體對(duì)熱島效應(yīng)的減弱是最為明顯的，其3個(gè)時(shí)相中非熱島區(qū)均在95%以上。同時(shí)，綠地對(duì)熱島效應(yīng)也起到較為明顯的減緩作用，非熱島區(qū)占總面積也達(dá)到95%左右。對(duì)于耕地來說，在1996年和2016年2 個(gè)時(shí)相中非熱島區(qū)90%以上，但是在2006年耕地有10%的區(qū)域位于熱島區(qū)。耕地對(duì)熱島的減緩作用受其地上種植物的影響，同時(shí)在監(jiān)督分類中建設(shè)用地與耕地的區(qū)分存在一定難度，造成了一定的誤差。

表6 1996、2006及2016年武漢各區(qū)熱島面積Table 6 Heat island area of each district in Wuhan in 1996， 2006 and 2016 km2

圖5 1996、2006及2016年武漢土地利用類型演變圖Fig.5 Change of land use in Wuhan in 1996， 2006 and 2016

建設(shè)用地與其他用地類型相反，熱島區(qū)面積占比較大，2016年所占比例達(dá)到43%，一定程度上說明了建設(shè)用地對(duì)熱島效應(yīng)的增強(qiáng)作用。熱島效應(yīng)為一種區(qū)域小氣候，受到區(qū)域本身和周邊影響。在1996—2006年建設(shè)用地集聚度較小的情況下，周邊綠地、水體可顯著減緩建設(shè)用地帶來的熱島效應(yīng)，因此在這2 個(gè)時(shí)相中建設(shè)用地中的熱島區(qū)所占比例不高。同時(shí)，由此比例可以看出，并非所有建設(shè)用地均會(huì)導(dǎo)致城市熱島效應(yīng)的顯著增加。因此，進(jìn)一步探究不同建設(shè)用地類型對(duì)熱島的影響具有重要意義。

3.2.2熱島與建設(shè)用地

為進(jìn)一步探究熱島效應(yīng)與建設(shè)用地的關(guān)系，將建設(shè)用地進(jìn)一步細(xì)分為商服用地、住宅用地、工礦倉儲(chǔ)用地、公共管理與公共服務(wù)用地、交通運(yùn)輸用地5類，各類別中POI的分布如圖6所示。

表7 各土地利用類型在熱島區(qū)域占比Table 7 Proportion of each land use type in heat island area %

圖6 各建設(shè)用地類型POI分布圖Fig.6 POI distribution map of construction land types

經(jīng)過多次試驗(yàn)，綜合考慮POI點(diǎn)圖微觀空間集聚特征以及空間結(jié)構(gòu)的宏觀特征，選取1 000 m帶寬進(jìn)行密度分析。為使數(shù)據(jù)具有可比性，同樣采取均值化無量綱方法對(duì)密度進(jìn)行無量綱處理，結(jié)果如圖7所示，可以看出各建設(shè)用地高密度區(qū)均集中在中心城區(qū)。

圖7 武漢市各建設(shè)用地核密度分布圖Fig.7 Core density distribution map of construction land in Wuhan City

運(yùn)用Arcgis中“創(chuàng)建隨機(jī)點(diǎn)”工具，隨機(jī)創(chuàng)建1300 個(gè)隨機(jī)點(diǎn)，以熱島強(qiáng)度為因變量，各用地類型密度為自變量，進(jìn)行二元Logistic回歸分析。在進(jìn)行分析前需對(duì)數(shù)據(jù)進(jìn)行多重共線分析[33]。本研究利用SPSS對(duì)自變量進(jìn)行共線性診斷。特征值約為0，條件指標(biāo)>10時(shí)可能存在多重共線性，根據(jù)表8所示，自變量不存在顯著的共線性。

將熱島效應(yīng)與各建設(shè)用地類型進(jìn)行Logistic回歸分析，方法采用“向前：LR法”。模型擬合優(yōu)度的檢驗(yàn)結(jié)果中內(nèi)戈?duì)柨芌方值越接近1，擬合優(yōu)度越好，檢驗(yàn)該模型的內(nèi)戈?duì)柨芌方為0.620，擬合優(yōu)度較好。

同時(shí)根據(jù)霍斯默-萊梅肖檢驗(yàn)的檢驗(yàn)結(jié)果可知，P值為0.394>0.05，統(tǒng)計(jì)不顯著，即模型較好的擬合了數(shù)據(jù)。

因此回歸分析結(jié)果見表9。從表9中可以看出，工礦倉儲(chǔ)用地、交通運(yùn)輸用地、公共管理用地均對(duì)城市熱島效應(yīng)具有顯著的增強(qiáng)作用，其回歸系數(shù)均為正值，且顯著性均<0.05，其中交通運(yùn)輸用地對(duì)熱島效應(yīng)增強(qiáng)作用最為明顯，交通運(yùn)輸用地密度每增加1 個(gè)單位，其熱島效應(yīng)產(chǎn)生的概率增加2.613 倍，這是由于交通運(yùn)輸用地呈網(wǎng)狀結(jié)構(gòu)分布，暴露度較高，周邊散熱少，使得熱島效應(yīng)增加明顯。

同時(shí)，住宅用地與商服用地未通過顯著性檢驗(yàn)(P>0.05)，未能進(jìn)入模型。這是由于商業(yè)區(qū)與住宅區(qū)通常毗鄰而建，隨著人居環(huán)境要求的逐漸提升，其內(nèi)部和周邊具有大量的綠化用地，這些植物可有效遮擋建筑物本身，同時(shí)吸收熱量，對(duì)熱島效應(yīng)起到減緩作用，使得二者對(duì)城市熱島效應(yīng)的增強(qiáng)作用不顯著。

因此，最終得到的Logistic回歸方程為：

表8 自變量共線性檢驗(yàn)結(jié)果Table 8 Independent variable collinearity test results

表9 Logistic回歸分析結(jié)果Table 9 Logistic regression analysis results

(11)

4 討論與結(jié)論

4.1 討論

本研究利用多源遙感數(shù)據(jù)進(jìn)行地表溫度反演，計(jì)算了熱島強(qiáng)度指數(shù)分析武漢熱島效應(yīng)，并對(duì)影響土地利用類型與熱島的關(guān)系進(jìn)行研究，研究結(jié)果表明：建設(shè)用地與熱島強(qiáng)度呈正相關(guān)關(guān)系；綠地、水體與熱島強(qiáng)度呈負(fù)相關(guān)關(guān)系。這與已有研究結(jié)果具有一致性[15-16]。此外，本研究還細(xì)化了建設(shè)用地類型，定量探究了工礦倉儲(chǔ)、住宅用地等對(duì)熱島效應(yīng)的影響。

但是本研究還存在一些有待解決和優(yōu)化的問題：在影像選取上間隔10年，時(shí)間較長，10年間城市變化是巨大的，以10年為1 期易忽略城市發(fā)展中的細(xì)節(jié)變化，在之后研究中還有待優(yōu)化。此外，POI點(diǎn)數(shù)量雖龐大，但與實(shí)際建設(shè)用地分布還存在一定誤差，各建設(shè)用地類型與熱島間的關(guān)系準(zhǔn)確性還可進(jìn)一步提高。因此，優(yōu)化影像選取的時(shí)間，同時(shí)準(zhǔn)確獲取城市建設(shè)用地分布以提升模型的準(zhǔn)確性是今后深入研究的方向。

4.2 結(jié)論

本研究通過反演多源遙感數(shù)據(jù)的地表溫度對(duì)武漢1996—2016年熱島效應(yīng)及其擴(kuò)散特征進(jìn)行了分析，同時(shí)基于土地利用與熱島的關(guān)系，細(xì)分建設(shè)用地類型，建立Logistic回歸模型，得出如下結(jié)論：

1)武漢熱島效應(yīng)的時(shí)間演變趨勢(shì)為熱島面積逐漸增加，增長速率保持較高水平穩(wěn)定不變；熱島強(qiáng)度逐漸增大，且隨著時(shí)間推移，強(qiáng)度增強(qiáng)趨勢(shì)愈發(fā)明顯；

2)武漢1996—2016年熱島效應(yīng)的空間分布特征有以中心城區(qū)為圓心，向四周進(jìn)一步擴(kuò)散趨勢(shì)。武漢熱島中心逐漸向西南方向偏移，但目前趨勢(shì)還不明顯；

3)武漢各區(qū)中，中心城區(qū)在20年間熱島面積持續(xù)增長，強(qiáng)度持續(xù)增大，且增長速率在逐漸上升。在新城區(qū)中，蔡甸區(qū)和東西湖區(qū)熱島面積在20年間也有所增長，熱島區(qū)域靠近中心城區(qū)，也表明武漢熱島向中心城區(qū)集聚并以此為基點(diǎn)擴(kuò)散的趨勢(shì)；

4)水體和綠地可明顯緩解城市熱島效應(yīng)，而建設(shè)用地則成為導(dǎo)致熱島增加的主要因素。其中，交通運(yùn)輸用地對(duì)熱島效應(yīng)增加貢獻(xiàn)最為明顯，工礦倉儲(chǔ)用地和公共管理與公共服務(wù)用地也可導(dǎo)致熱島效應(yīng)的增強(qiáng),而住宅用地、商服用地因自身和周邊綠地的影響未表現(xiàn)出明顯的增強(qiáng)作用。

在今后的國土空間規(guī)劃中，宏觀尺度層面，要保障一定數(shù)量比例的生態(tài)空間、城市綠地以減緩溫度攀升；微觀尺度層面，在城市規(guī)劃或村莊規(guī)劃中，要合理布置各類型的建設(shè)用地，建設(shè)點(diǎn)片狀小綠地、口袋公園。此外，對(duì)于突出的高溫?zé)釐u地區(qū)，還可以進(jìn)行城市更新或生態(tài)修復(fù)。