基于Fragstats4的景觀格局指數(shù)與地表溫度的相關(guān)性
——以石家莊市為例

楊鵬 高祺* 張艷品 劉思廷 齊曉華 曹春莉 程巳陽

(1 石家莊市氣象局，石家莊 050081; 2 中國氣象科學(xué)研究院災(zāi)害天氣國家重點實驗室，北京 100081)

引言

隨著城市化的發(fā)展，土地利用/覆蓋和景觀格局都發(fā)生變化，水泥、瀝青等不透水地表組成的建成區(qū)持續(xù)擴張，水體、天然植被等構(gòu)建的生態(tài)空間不斷萎縮，交通及路網(wǎng)用地密度提升，景觀格局完整性遭到破壞[1-5]。近年來，從景觀生態(tài)學(xué)的角度開展土地利用尺度效應(yīng)的研究是一個逐漸興起的研究方向。土地利用景觀格局變化研究對優(yōu)化城市布局和加快美麗城市建設(shè)至關(guān)重要，景觀的組成和結(jié)構(gòu)特征是影響熱場分布的主要因素，組成特征對熱場的影響主要是由于各地類熱效應(yīng)不同，結(jié)構(gòu)特征主要影響斑塊間能量交換[6-8]。

國內(nèi)外許多學(xué)者從不同方面、利用不同方法開展景觀格局指數(shù)與地表溫度的相關(guān)性研究。Callo等[9]最先利用NOAA/AVHRR數(shù)據(jù)證明NDVI與LST有負相關(guān)；Weng Qihao等[10]利用景觀格局指數(shù)研究不同土地利用景觀格局對熱環(huán)境的影響；Coseo等[11]通過對芝加哥城市熱島影響因素分析得出，不透水地表比率和數(shù)目可以解釋68%的氣溫變化；江學(xué)頂[12]采用遙感和MM5模式研究珠江三角洲城市群的城市熱力景觀及其日變化規(guī)律；馬勇剛等[13]以烏魯木齊為研究區(qū)，將景觀分類和景觀格局變化圖與地表溫度圖進行對比，研究景觀格局變化對城市熱島的影響；徐雙等[14]以Landsat7 ETM+數(shù)據(jù)和土地利用現(xiàn)狀數(shù)據(jù)為數(shù)據(jù)源，分析了2004年和2010年長沙市熱力景觀空間格局演變；吳未等[15]以無錫市2010年TM數(shù)據(jù)研究了快速城市化平原地區(qū)不同景觀指數(shù)隨粒度的變化特征及適宜尺度的選擇。

本文以石家莊市區(qū)作為研究區(qū)，選擇1987年、2004年和2019年Landsat遙感影像數(shù)據(jù)，以城市景觀格局為視角，深入研究景觀格局指數(shù)與地表溫度的相關(guān)性，可以掌握城市化發(fā)展對熱環(huán)境的影響，可以為城市的合理規(guī)劃、生態(tài)環(huán)境改善以及可持續(xù)發(fā)展提供理論依據(jù)和技術(shù)支撐。

1 研究區(qū)概況

本文以石家莊市區(qū)作為研究區(qū)(圖1)。石家莊市地處河北省中南部，太行山東麓，位于37°27′～38°47′N，113°30′～115°20′E之間，屬于溫帶半濕潤半干旱大陸性季風(fēng)氣候， 太陽輻射的季節(jié)性變化顯著，四季分明。近年來，由于城市工業(yè)化進程加快，使得城市綠地越來越少，城市景觀結(jié)構(gòu)發(fā)生改變，城市工業(yè)、交通運輸和居民向大氣中排放的人為熱和廢熱日益增加，城郊之間某些氣象要素已出現(xiàn)明顯差異， 城市熱島效應(yīng)愈發(fā)顯著。通過研究景觀格局指數(shù)與地表溫度的相關(guān)關(guān)系，可以掌握城市景觀對城市環(huán)境的影響，為石家莊城市建設(shè)、城市規(guī)劃和生態(tài)平衡的改善提供一定的理論依據(jù)和技術(shù)支撐。

圖1 石家莊市區(qū)地理位置

2 資料和方法

2.1 Landsat遙感數(shù)據(jù)及處理

本文所需數(shù)據(jù)資料主要涉及了Landsat衛(wèi)星遙感資料、氣象資料以及相關(guān)的地理信息資料等。遙感影像數(shù)據(jù)來源于國際科學(xué)數(shù)據(jù)服務(wù)平臺[16]，條帶號/行編號為124/34，數(shù)據(jù)格式為 .TIF，數(shù)據(jù)選取時間為1987年7月31日、2004年8月30日和2019年7月23日，其中1987年和2004年為Landsat5 TM數(shù)據(jù)，2019年為Landsat8 OLI_TIRS數(shù)據(jù)，具體遙感數(shù)據(jù)信息見表1所示；氣象資料來源于河北省氣象數(shù)據(jù)共享服務(wù)平臺；地理信息資料由河北省地理信息局提供，數(shù)據(jù)格式為.shp格式。

表1 Landsat遙感數(shù)據(jù)信息

由于遙感影像在采集過程中不可避免地會受到傳感器自身光學(xué)性質(zhì)和結(jié)構(gòu)特點等內(nèi)部因素以及太陽輻射、地形條件等外部因素的影響，為保證研究結(jié)果的可靠性，需要對遙感數(shù)據(jù)進行預(yù)處理，主要包括波段合成、輻射定標、大氣校正、幾何校正和邊界圖裁剪等[17]。遙感數(shù)據(jù)預(yù)處理操作過程均在ENVI 5.2下進行，經(jīng)過處理后，1987年、2004年和2019年遙感影像圖見圖2所示。

圖2 1987年(a)、2004年(b)和2019年(c)石家莊衛(wèi)星遙感影像

2.2 監(jiān)督分類方法

監(jiān)督分類方法又稱訓(xùn)練場地法，是以建立統(tǒng)計識別函數(shù)為理論基礎(chǔ)，依據(jù)典型樣本訓(xùn)練方法進行分類的技術(shù)[18]。即根據(jù)已知訓(xùn)練區(qū)提供的樣本，通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對各待分類影像進行的圖像分類，是模式識別的一種方法。判別準則若滿足分類精度要求，則此準則成立；反之，需重新建立分類的決策規(guī)則，直至滿足分類精度要求為止。目前比較常見的監(jiān)督分類方法主要有平行六面體法、最大似然法、最小距離法、馬氏距離法、神經(jīng)網(wǎng)絡(luò)法、支持向量機法等。本文利用最大似然法的監(jiān)督分類方法對遙感影像數(shù)據(jù)進行分類處理，根據(jù)研究需要和4種類型的影像圖的表征特點(表2)，將景觀類型分為綠地、水體、不透水地表和未利用地等四種類型，分類結(jié)果見圖3所示。通過精度計算得到1987年、2004年和2019年下墊面分類的總體精度分別為98.23%、98.79%和96.48%，Kappa系數(shù)分別為95.92%、97.43%和95.12%，總體精度和Kappa系數(shù)均在95%以上，表明分類精度很高，能夠滿足研究要求。

表2 4種下墊面類型的樣本影像

圖3 1987年(a)、2004年(b)和2019年(c)石家莊4類下墊面分類結(jié)果

2.3 地表溫度反演算法

本文針對Landsat5 TM數(shù)據(jù)，采用單窗算法反演地表溫度[19]；針對Landsat8 OLI數(shù)據(jù)，采用劈窗算法反演地表溫度[20]。具體方法及參數(shù)請參考文獻。其中， Landsat5 TM數(shù)據(jù)的熱紅外通道為第6波段，Landsat8 OLI數(shù)據(jù)是第10和第11波段。本文通過相同時間點的地面氣象觀測站點的地溫數(shù)據(jù)作為驗證數(shù)據(jù)源對反演精度進行檢驗， 發(fā)現(xiàn)單窗算法和劈窗算法的誤差絕對值分別在1.2 K和0.8 K之內(nèi)，反演結(jié)果能夠滿足研究需要，數(shù)據(jù)可用。

2.4 景觀格局指數(shù)

景觀格局指數(shù)能夠比較精確地反映景觀的結(jié)構(gòu)組成和空間配置信息，是一個簡單的定量指標。根據(jù)描述對象的等級，可分為斑塊水平指數(shù)、斑塊類型水平指數(shù)和景觀水平指數(shù)[21-22]。本文利用Fragstats 4.2軟件計算景觀格局指數(shù)，在類型水平上選取8種景觀格局指數(shù)，在景觀水平上選取9種景觀格局指數(shù)，具體描述見表3、表4所示。

表3 類型水平上選取的景觀指數(shù)定義

表4 景觀水平上選取的景觀指數(shù)定義

2.5 移動窗口

移動窗口(Moving window)是通過對窗口內(nèi)所選中景觀指標進行統(tǒng)計計算，輸出對應(yīng)于所選景觀指數(shù)柵格圖，移動窗口算法[23]可以從空間角度展示出景觀格局的動態(tài)變化過程。移動窗口算法的基本原理是將窗口(用戶指定形狀和大小)放置在每個柵格像元上，計算選定的度量并將值返回給柵格像元。因此，柵格像元周圍的每個窗口都被視為子景觀，并對每個單元重復(fù)此過程，移動窗口算法原理的示意,如圖4所示，窗口a、b、c計算結(jié)果分別寫入柵格1、2、3中，以次類推。

圖4 移動窗口算法原理(窗口a、b、c計算結(jié)果分別寫入柵格1、2、3中)

3 結(jié)果與分析

3.1 地表溫度反演

圖5給出了1987年、2004年和2019年地表溫度反演結(jié)果?？梢钥闯?，1987年、2004年和2019年研究區(qū)地表溫度空間分布均表現(xiàn)出中心高、周邊低的現(xiàn)象，城市熱島效應(yīng)比較明顯。隨著石家莊城市建設(shè)的快速發(fā)展，市區(qū)熱島發(fā)展較快，熱島強度和面積不斷增加，東-西向發(fā)展明顯；1987年和2004年滹沱河河道及附近存在一條比較顯著的“高溫帶”，隨著滹沱河的綜合治理及蓄水工程的實施，“高溫帶”逐漸消失，現(xiàn)已成為石家莊市區(qū)的“生態(tài)冷源”。

圖5 反演地表溫度:(a)1987年，(b)2004年，(c)2019年

3.2 景觀粒度的選擇

景觀粒度是景觀中可識別的最小斑塊單元，有關(guān)研究發(fā)現(xiàn)，景觀格局指數(shù)會隨粒度的變化而發(fā)生變化[24-25]。本文將研究區(qū)重采樣為空間分辨率為30 m、60 m、90 m、120 m、150 m、180 m、210 m、240 m、

270 m和300 m的粒度大小，選取蔓延度指數(shù)(CONTAG)、景觀導(dǎo)度指數(shù)(COHESION)、香農(nóng)多樣性指數(shù)(SHDI)和香農(nóng)均度指數(shù)(SHEI)等景觀格局指數(shù)，研究不同粒度下景觀格局指數(shù)的變化。

圖6給出了1987年、2004年和2019年不同粒度下景觀格局指數(shù)的變化。從圖6可以看出，1987年、2004年和2019年不同年份的景觀格局指數(shù)大小不同，但變化趨勢基本一致；四種景觀格局指數(shù)均隨粒度的不同而發(fā)生變化，蔓延度指數(shù)和景觀導(dǎo)度指數(shù)變化較為明顯，香農(nóng)多樣性指數(shù)和香農(nóng)均度指數(shù)變化相對較小。研究表明，景觀指數(shù)隨粒度變化的第1尺度域是確定粒度大小，進行景觀格局分析的適宜取值范圍，根據(jù)研究區(qū)各景觀指數(shù)變化曲線的拐點和躍變區(qū)間確定最佳適宜粒度[26]，從圖6可以看出，在120 m、180 m、240 m和270 m處出現(xiàn)拐點，從圖6b景觀導(dǎo)度指數(shù)(COHESION)看，90 m～150 m范圍為第1尺度域，210 m～270 m范圍為第2尺度域，由此可以判定，90 m～150 m范圍內(nèi)為最佳適宜粒度，由于熱紅外波段的空間分辨率為120 m，經(jīng)綜合考慮，最終確定該研究區(qū)的適宜粒度為120 m。

圖6 不同空間粒度下景觀格局指數(shù)的變化:(a)蔓延度，(b)景觀導(dǎo)度，(c)香農(nóng)多樣性，(d)香農(nóng)均度

3.3 景觀格局指數(shù)計算

景觀格局指數(shù)能夠比較精確地反映景觀的結(jié)構(gòu)組成和空間配置信息，是一個簡單的定量指標。根據(jù)描述對象的等級，可分為斑塊水平指數(shù)、斑塊類型水平指數(shù)和景觀水平指數(shù)。斑塊水平指數(shù)往往被作為計算其他景觀指數(shù)的基礎(chǔ)，而其本身對了解整個景觀的結(jié)構(gòu)并沒有很大的解釋價值，通常采用的是斑塊類型水平指數(shù)和景觀水平指數(shù)。在獲得了各種類型水平指數(shù)和景觀水平指數(shù)的基礎(chǔ)上，對單個時相的景觀格局和不同時相的景觀格局變化進行分析，說明景觀的變化情況及變化趨勢。利用Fragstats 4.2軟件分別計算斑塊類型水平指數(shù)和景觀水平指數(shù)，結(jié)果見表5、表6所示。從表5可以看出，1987—2019年綠地的斑塊類型面積(CA)整體呈逐年減少趨勢，不透水地表和水體的斑塊類型面積(CA)在逐年增加。1987—2019年綠地的斑塊數(shù)量(NP)在逐年增加，綠地的破碎化指數(shù)(SPLIT)基本呈逐年增加趨勢，綠地的最大斑塊面積指數(shù)(LPI)在1987年、2004年和2019年分別為68.27%、12.40%和9.54%，呈逐漸減少趨勢，這都說明研究區(qū)范圍內(nèi)綠地斑塊在不斷地裂化和減少。綠地的斑塊形狀指數(shù)(LSI)在1987年、2004年和2019年分別為19.69、22.15和36.37，說明綠地斑塊形狀不規(guī)則化程度加劇。綠地的聚集度指數(shù)(AI)在1987年、2004年和2019年分別為89.44%、86.51%和71.66%，說明研究區(qū)內(nèi)綠地景觀斑塊的離散程度增大，綠地斑塊的空間優(yōu)勢性大大降低。不透水地表的最大斑塊面積指數(shù)(LPI)在1987年、2004年和2019年分別為12.09%、29.58%和54.18%，呈逐年增加趨勢，不透水地表的破碎化指數(shù)(SPLIT)在1987年、2004年和2019年分別為68.15、11.41和3.40，呈逐年減少趨勢，說明研究區(qū)范圍內(nèi)不透水地表斑塊在不斷的增加和聚合，形成優(yōu)勢斑塊，說明城市化進程對城市景觀格局影響較大。

表5 1987、2004、2019年類型水平上的景觀指數(shù)

景觀水平指數(shù)可以從全局的角度對研究區(qū)的景觀水平進行分析，通過表6可以看出，1987—2019年最大斑塊面積指數(shù)(LPI)呈現(xiàn)先減少、后增加的趨勢，破碎化指數(shù)(SPLIT)與之相反，呈現(xiàn)先增加、后減少的趨勢，說明隨著城市化進程的加快，綠地斑塊面積在逐漸減少和裂化，綠地的景觀優(yōu)勢在不斷下降，不透水地表的面積在逐漸增加和聚合，不透水地表的景觀優(yōu)勢在不斷加強，逐漸形成優(yōu)勢景觀，這一結(jié)論合理解釋了研究區(qū)范圍內(nèi)優(yōu)勢景觀由綠地景觀逐漸向不透水地表景觀演變的過程。另外，1987—2019年聚集度(AI)逐漸減少，表明景觀中不同類型的斑塊離散程度在逐漸增大。

表6 1987、2004、2019年景觀水平上的景觀指數(shù)

3.4 移動窗口尺寸選取

景觀格局指數(shù)的分析僅以數(shù)值描述景觀格局，難以直接描述景觀格局的空間形態(tài)，利用移動窗口可以實現(xiàn)景觀格局指數(shù)的空間可視化，這就更加有利于統(tǒng)計分析景觀格局指數(shù)與對應(yīng)地表溫度的關(guān)系。本文利用Fragstats 4.2的移動窗口功能得到景觀格局指數(shù)空間分布圖，為了更加科學(xué)地確定研究區(qū)移動窗口的網(wǎng)格尺度大小，本研究以2019年為例，統(tǒng)計分析了不同網(wǎng)格尺度下不同景觀類型占比(PLAND)與地表溫度的關(guān)系(圖7)。從圖7可以看到，綠地和不透水地表與地表溫度的相關(guān)性較高，在360×360～1080×1080(m)范圍內(nèi)，基本呈穩(wěn)定增加趨勢，到1320×1320(m)則開始下降；水體則呈逐漸下降趨勢，未利用地呈波動趨勢，在600×600(m)處相關(guān)性最高，但未利用地與地表溫度的相關(guān)性最差，這是與未利用地的不規(guī)則分布有關(guān)，在本文分析中將不再考慮未利用地的分析部分。經(jīng)反復(fù)測試，600×600和360×360(m)相差不大，由于水體的跨度在1400 m左右，相關(guān)研究[23-25]表明一般選取其尺度的1/2作為窗口尺寸為宜，經(jīng)綜合考慮，最終確定以600×600(m)的正方形移動窗口進行景觀格局分析。

圖7 不同網(wǎng)格尺度下4種下墊面類型占比與地表溫度的相關(guān)系數(shù)(絕對值)

3.5 不同景觀格局指數(shù)之間的相關(guān)關(guān)系

以2019年為例，利用移動窗口法對2019年的遙感影像圖進行計算，得到9種景觀格局指數(shù)柵格圖，并對其進行相關(guān)性分析，結(jié)果見表7。從表7可以看出，很多景觀格局指數(shù)之間呈現(xiàn)出較高的相關(guān)性，如香農(nóng)多樣性指數(shù)(SHDI)和最大斑塊面積指數(shù)(LPI)的相關(guān)性為-0.910，SHDI值越高，表明景觀種類越多，斑塊破碎化程度越高，其最大斑塊面積指數(shù)LPI越?。话邏K破碎化指數(shù)(SPLIT)和最大斑塊面積指數(shù)(LPI)的相關(guān)性為-0.946，說明破碎化程度與最大斑塊呈顯著負相關(guān)，斑塊越破碎導(dǎo)致LPI指數(shù)越?。话邏K形狀指數(shù)(LSI)和聚集度(AI)的相關(guān)性為-0.897，表明LSI與AI呈顯著負相關(guān)，斑塊形狀指數(shù)增加使其不規(guī)則度增加，進而導(dǎo)致聚集度減少；斑塊形狀指數(shù)(LSI)和香農(nóng)多樣性指數(shù)(SHDI)的相關(guān)性為0.891，LSI增加使得其不規(guī)則度增加，最終導(dǎo)致斑塊破碎，香農(nóng)多樣性指數(shù)SHDI增加。根據(jù)表7并考慮不同景觀格局指數(shù)的生態(tài)學(xué)意義，本文選取景觀占比(PLAND)、最大斑塊指數(shù)(LPI)、斑塊破碎化指數(shù)(SPLIT)和聚集度指數(shù)(AI)進行分析。

表7 2019年不同景觀格局指數(shù)之間的相關(guān)系數(shù)

3.6 景觀格局指數(shù)與地表溫度的相關(guān)性分析

本文選取景觀占比(PLAND)、最大斑塊指數(shù)(LPI)、斑塊破碎化指數(shù)(SPLIT)和聚集度指數(shù)(AI)，對2019年的遙感影像圖進行計算和分析，從景觀優(yōu)勢度、破碎化以及聚集程度等角度，分析了研究區(qū)范圍內(nèi)綠地、水體和不透水地表的景觀格局指數(shù)與平均地表溫度之間的相關(guān)性，結(jié)果見表8所示。

表8 4種類型景觀格局指數(shù)與平均地表溫度的相關(guān)系數(shù)

從表8可以看出，綠地、水體和不透水地表的景觀格局指數(shù)與平均地表溫度均表現(xiàn)出較好的相關(guān)關(guān)系，均為極顯著性相關(guān)，其中綠地和不透水地表的相關(guān)性最好，水體次之。斑塊百分比指數(shù)(PLAND)、最大斑塊指數(shù)(LPI)和聚集度(AI)與平均地表溫度表現(xiàn)出一致的極顯著相關(guān)關(guān)系(綠地和水體為負相關(guān)，不透水地表為正相關(guān))，破碎化指數(shù)(SPLIT)則恰恰相反(綠地和水體為正相關(guān)，不透水地表為負相關(guān))。綠地和水體占比與平均地表溫度相關(guān)系數(shù)分別為-0.844和-0.598，不透水地表占比與平均地表溫度相關(guān)系數(shù)為0.911，綠地和不透水占比與平均地表溫度的相關(guān)性高于水體，表明綠地為城市地表熱環(huán)境效應(yīng)抑制的主要貢獻源，不透水地表是造成城市熱島的主要因素。平均地表溫度與斑塊百分比指數(shù)(PLAND)和最大斑塊指數(shù)(LPI)的相關(guān)系數(shù)明顯高于平均地表溫度與聚集度(AI)和破碎化指數(shù)(SPLIT)的相關(guān)系數(shù)，這一研究結(jié)果可以說明，一個優(yōu)勢斑塊(景觀)對平均地表溫度的影響效果明顯大于幾個比較分散或破碎的斑塊(景觀)。

由此可以得出，一個較大規(guī)模的綠地(或水體)產(chǎn)生的冷島效應(yīng)明顯強于幾個較小的分散綠地(或水體)；同理，規(guī)模較大或連片的不透水地表會比幾個較為分散的不透水地表產(chǎn)生更強的熱島效應(yīng)。由此可見，合理優(yōu)化城市景觀的空間布局是改善城市熱環(huán)境、減輕城市熱島效應(yīng)最有效的途徑和手段。

4 結(jié)論

本文以石家莊市為例，基于1987年、2004年和2019年Landsat遙感影像數(shù)據(jù)，運用遙感、景觀生態(tài)學(xué)、地理信息系統(tǒng)和統(tǒng)計分析等理論方法，分析景觀格局指數(shù)與地表溫度的相關(guān)性，得出結(jié)論如下：

(1)1987—2019年綠地CA逐年減少，NP、LSI和SPLIT逐年增加，LPI和AI逐年減少，說明研究區(qū)范圍內(nèi)綠地斑塊在不斷地裂化和減少，綠地斑塊形狀不規(guī)則化程度加劇，綠地景觀斑塊的離散程度增大，空間優(yōu)勢性不斷降低；不透水地表和水體CA逐年增加，LPI逐年增加，SPLIT逐年減少，說明研究區(qū)范圍內(nèi)不透水地表斑塊在不斷地增加和聚合，形成優(yōu)勢斑塊，城市化進程對城市景觀格局影響較大。

(2)1987—2019年LPI呈現(xiàn)先減少、后增加的趨勢，SPLIT先增加、后減少，說明綠地斑塊面積在逐漸減少和裂化，綠地的景觀優(yōu)勢在不斷下降，不透水地表的面積在逐漸增加和聚合，不透水地表的景觀優(yōu)勢在不斷加強，解釋了優(yōu)勢景觀由綠地景觀逐漸向不透水地表景觀演變的過程。

(3)LST與PLAND和LPI的相關(guān)系數(shù)明顯高于LST與AI和SPLIT的相關(guān)系數(shù)，說明一個優(yōu)勢斑塊(景觀)對LST的影響效果明顯大于幾個比較分散或破碎的斑塊(景觀)，一個較大規(guī)模的綠地(或水體)產(chǎn)生的冷島效應(yīng)明顯強于幾個較小的分散綠地(或水體)。