關(guān)中平原城市群夏季城市熱島特征及驅(qū)動(dòng)力

胡李發(fā) ,謝元禮 *,崔思穎 ,周 鵬 ,李云梅 ,孫韶啟 (.西北大學(xué)城市與環(huán)境學(xué)院,陜西 西安 7027；2.陜西省地表系統(tǒng)與環(huán)境承載力重點(diǎn)實(shí)驗(yàn)室,陜西 西安 7027)

城市快速擴(kuò)張是目前社會(huì)經(jīng)濟(jì)發(fā)展的重要特征之一,它會(huì)改變原有下墊面的物理性質(zhì),影響地表與大氣之間的熱量交換,從而改變局地氣候模式[1].城市熱島(UHI)效應(yīng)是城市熱環(huán)境最為明顯的特征,代表著地球表面環(huán)境的人為改變,表現(xiàn)為城區(qū)氣溫明顯高于外圍郊區(qū)的現(xiàn)象[2].例如,氣溫升高會(huì)加快光化學(xué)反應(yīng)速度,誘發(fā)光化學(xué)煙霧的形成,加劇城市污染物的擴(kuò)散[3].極端天氣發(fā)生的頻次增加,為應(yīng)對高溫天氣而導(dǎo)致城市能耗增加[4].傳統(tǒng)的 UHI研究依賴于地面氣象站點(diǎn)的觀測數(shù)據(jù),受限于站點(diǎn)數(shù)量與位置分布的不均衡,難以準(zhǔn)確地反映 UHI在空間上的連續(xù)變化情況.遙感監(jiān)測法以其大面積、多時(shí)相和高空間分辨率的優(yōu)點(diǎn)克服了傳統(tǒng)方法在空間上不連續(xù)的局限.隨著遙感數(shù)據(jù)產(chǎn)品的豐富與衛(wèi)星空間分辨率的提升,熱紅外遙感已經(jīng)成為城市氣候和環(huán)境監(jiān)測廣泛采用的一種方法[5].

目前,國內(nèi)外學(xué)者借助遙感手段對 UHI的反演算法[6-7]、時(shí)空分布特征[8-9]、驅(qū)動(dòng)力因素[10]與緩解措施[11-12]等方面已經(jīng)取得了豐富的研究成果,大量的空間計(jì)量模型[13-14]與景觀生態(tài)理論[15-17]也被引入到 UHI演變過程與作用機(jī)理等研究中.已有的研究表明,地表溫度(LST)與不透水面之間存在顯著的正相關(guān)[18-19],不透水面增加會(huì)引起地表比輻射率、粗糙度及反照率的變化,增強(qiáng)地表顯熱通量,改變區(qū)域垂直方向的輻射能量平衡,從而加劇城市熱島現(xiàn)象[1].城市公園、綠地與水體等綠色景觀對地表起著降溫增濕的作用[11-12],綠色植被通過潛熱交換與遮蔭效果緩解了周圍的小氣候.人類活動(dòng)因子與城市生態(tài)景觀的格局、類型等同樣也在城市表層熱環(huán)境的變化中起著不可忽視的作用[20-21].例如,城市熱島強(qiáng)度隨著離市區(qū)距離的增加呈指數(shù)級(jí)衰減[22],不同區(qū)域之間存在明顯的晝夜與季節(jié)變化差異,某些特殊的區(qū)域在冬季還存在一種“冷島”現(xiàn)象[8].景觀格局與類型的異質(zhì)性也使得不同綠色景觀與 LST之間的關(guān)系存在差異性,人工本底景觀格局的 UHI效應(yīng)通常大于自然本底景觀格局[16].森林和水體的降溫效果要優(yōu)于草地,草地的降溫效果還尚不明確[23].

以往的研究多關(guān)注于某個(gè)或多個(gè)時(shí)間斷面衛(wèi)星過境時(shí)刻的熱島分布格局,在數(shù)據(jù)源的選取上過多依賴于陸地衛(wèi)星(Landsat系列),在研究方法上也多選用回歸分析來探討各個(gè)因子與 LST之間的相互關(guān)系.受限于衛(wèi)星過境時(shí)刻的天氣狀況與衛(wèi)星重訪周期過長等不利因素,難以對城市群范圍的 UHI實(shí)現(xiàn)穩(wěn)定、連續(xù)的觀測.同時(shí),簡單的相關(guān)性分析只能從全局的角度探究 LST與相關(guān)參數(shù)之間存在的某種線性關(guān)系,難以定量分析各個(gè)影響因子對于UHI的解釋程度.考慮到關(guān)中平原城市群位于我國大陸腹地,四季分明,夏季炎熱多雨且存在明顯的城市熱島效應(yīng)[20].因此,本文選擇 2001～2017年夏季時(shí)間序列的 MODIS地溫產(chǎn)品,利用 Mann-Kendall非參數(shù)檢驗(yàn)、主成分分析與地理探測器模型深入探究關(guān)中平原城市群夏季 UHI的時(shí)空變化特征與相關(guān)驅(qū)動(dòng)因子,以期為將來城市生態(tài)環(huán)境規(guī)劃提供參考.

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

關(guān)中平原城市群地處我國西北內(nèi)陸地區(qū),橫跨甘肅、陜西與山西三省.該區(qū)域下轄11個(gè)地級(jí)市,共計(jì)90個(gè)區(qū)縣,行政面積達(dá)1.07×105km2.如圖1所示,區(qū)域地勢整體上起伏較大,南部為秦嶺山脈,中東部為狹長的關(guān)中平原,北部為黃土高原邊緣區(qū),海拔在217～3748m 之間.作為古絲綢之路的起點(diǎn)與亞歐大陸橋的重要支點(diǎn),關(guān)中平原城市群是我國西部地區(qū)對外開放的重要窗口,也是西部地區(qū)僅次于成渝城市群的第二大城市群.隨著社會(huì)經(jīng)濟(jì)發(fā)展與城市化進(jìn)程的加快,城市不透水面積占比急劇上升,大量的人造熱源與空氣懸浮顆粒物加劇了地面的增溫效果.南北高、中間低的特殊地形構(gòu)造導(dǎo)致中部平原地區(qū)通風(fēng)不暢,難以在短時(shí)間內(nèi)將城市積聚的熱量擴(kuò)散至周邊的鄉(xiāng)村區(qū)域,進(jìn)一步加重了地區(qū)城市熱島效應(yīng)所帶來的生態(tài)環(huán)境負(fù)面效應(yīng).

圖1 研究區(qū)位置Fig.1 Location of the study area

1.2 數(shù)據(jù)來源及預(yù)處理

MODIS傳感器作為Aqua和Terra衛(wèi)星上的重要載荷,提供了豐富的大氣、陸地與海洋系列標(biāo)準(zhǔn)產(chǎn)品.本文選擇2001～2017年的MOD11A2作為地表溫度的數(shù)據(jù)源,該產(chǎn)品是由 MODIS第 31、32通道的熱紅外波段運(yùn)用分裂窗算法計(jì)算所得,空間分辨率為1km,時(shí)間分辨率為8d,目前已被廣泛用于區(qū)域和全球尺度的 UHI研究[24].氣溶膠光學(xué)厚度(AOD)來自于MCD19A2,空間分辨率為1km,時(shí)間分辨率1d.地表反照率數(shù)據(jù)與增強(qiáng)植被指數(shù)(EVI)產(chǎn)品分別來自于MOD09A1及 MOD13A1,空間分辨率為500m,時(shí)間分辨率分別為8/16d.以上4種MODIS產(chǎn)品皆來自于美國國家航空航天局(NASA)官網(wǎng)(https://ladsweb.modaps.eosdis.nasa.gov).其他數(shù)據(jù),如 2001年與2017年土地利用數(shù)據(jù)來自于自然資源部30m全球地表覆蓋數(shù)據(jù)集-GlobeLand30;高程數(shù)據(jù)來自于地理空間數(shù)據(jù)云(http://www.gscloud.cn);夜間燈光數(shù)據(jù)來自于美國國家地理信息中心(https://ngdc.noaa.gov);多年月平均降水來源于國家科技基礎(chǔ)條件平臺(tái)—國家地球系統(tǒng)科學(xué)數(shù)據(jù)中心(http://www.geodata.cn).

由于研究區(qū)位于兩景影像的交匯處(軌道號(hào)為h26v05與h27v05),且4種MODIS產(chǎn)品17a間的數(shù)據(jù)總量超過了 2000幅,因此本文選擇借助 Google Earth Engine(GEE)行星級(jí)云計(jì)算平臺(tái)來完成MODIS數(shù)據(jù)的篩選、拼接、重投影、裁剪與計(jì)算等處理工作.參考中國科學(xué)院土地利用分類標(biāo)準(zhǔn)將兩期的土地利用數(shù)據(jù)重新分類成耕地、林地、草地、水體、城鎮(zhèn)與未利用土地6大類,利用Python腳本求得多年月均降水?dāng)?shù)據(jù)的夏季平均值.

1.3 研究方法

1.3.1 M-K檢驗(yàn)與Sen’s斜率分析 Mann-Kendall趨勢檢驗(yàn)是一種廣泛用于檢測時(shí)間序列趨勢顯著性的非參數(shù)檢驗(yàn)法[25],它不受數(shù)據(jù)實(shí)際分布的影響,并且對數(shù)據(jù)異常值的敏感性較低.目前已被廣泛用于氣溫、降水等氣象因子的長時(shí)間序列變化檢測[9].Sen’s 斜率分析是一種時(shí)間序列變化斜率的計(jì)算方法,它不會(huì)受到少數(shù)幾個(gè)奇異值的影響.對于時(shí)間序列的地表溫度 X=[x1,x2,…,xn],兩者的計(jì)算公式可以參考文獻(xiàn)[9].

1.3.2 計(jì)算熱島強(qiáng)度 利用遙感手段獲取的溫度值為地表溫度,定義城市熱島強(qiáng)度為城市區(qū)域的平均LST與鄉(xiāng)村地區(qū)平均LST之差.首先利用2001年與 2017年的土地利用數(shù)據(jù)集分別提取出城鎮(zhèn)用地信息,使用1km×1km大小的格網(wǎng)統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)城鎮(zhèn)用地的占比,若網(wǎng)格內(nèi)城鎮(zhèn)用地的占比大于 50%,則定義為城市區(qū)域[22].將2001年的城市區(qū)域定義為老城區(qū),2017年與2001年城市區(qū)域之差定義為新建城區(qū).參考前人[24,26]的研究成果,在2017年城市區(qū)域的外圍以 5km為步長進(jìn)行多級(jí)緩沖區(qū)分析,統(tǒng)計(jì)每個(gè)緩沖帶內(nèi)城鎮(zhèn)用地的占比,若該區(qū)域內(nèi)城鎮(zhèn)用地占比低于 10%,則定義為鄉(xiāng)村區(qū)域.最后將 10～15km之間的緩沖帶定義為鄉(xiāng)村地區(qū).城市熱島強(qiáng)度的計(jì)算公式如下所示:

式中:LSTSU與 LSTNU分別指老城區(qū)與新建城區(qū)的平均LST;LSTR指鄉(xiāng)村地區(qū)的平均 LST;SUHIISU與SUHIINU則分別代表老城區(qū)與新建城區(qū)的地表熱島強(qiáng)度.

1.3.3 地表干度指數(shù)的計(jì)算 地表干度指數(shù)(NDBSI)是徐涵秋[27]等針對遙感生態(tài)評(píng)價(jià)所提出的一種衡量地表“干化”程度的新型指標(biāo),該指數(shù)可以增強(qiáng)包括裸土和建筑在內(nèi)的裸露地表信息.具體的計(jì)算方法可以參考文獻(xiàn)[27].

1.3.4 城市熱環(huán)境指數(shù)的構(gòu)建 以往的研究多注重于探究 LST與單一地表覆蓋因子之間的相關(guān)性大小,植被指數(shù)[11,28]與高程等已被證明其與 LST之間存在顯著的負(fù)相關(guān),而建筑指數(shù)[29]、裸土指數(shù)、氣溶膠[30]及夜間燈光[31]則對LST存在積極作用.主成分分析(PCA)是一種利用協(xié)方差矩陣進(jìn)行特征分析,在原始信息量損失最小的情況下對數(shù)據(jù)進(jìn)行降維處理的分析方法.該方法通過一系列正交變換將原來多個(gè)變量壓縮為彼此相互獨(dú)立的少數(shù)幾個(gè)綜合變量,然后根據(jù)實(shí)際需要從中取出幾個(gè)較少的綜合變量來重新組合成一組新的互不相關(guān)的綜合指標(biāo)來代替原來的指標(biāo).本文利用主成分分析法將植被指數(shù)(EVI)、干度指數(shù)(NDBSI)、高程(DEM)、降水、氣溶膠光學(xué)厚度(AOD)與夜間燈光數(shù)據(jù)進(jìn)行降維處理,構(gòu)建一個(gè)新的城市熱環(huán)境指數(shù)(UTEI)來表征城市熱環(huán)境.

式中:m為所提取出的主成分個(gè)數(shù);PCi為第i個(gè)主成分;ai為第i個(gè)主成分的貢獻(xiàn)率大小.

1.3.5 地理探測器 地理探測器是探測空間分異性,以及揭示其背后驅(qū)動(dòng)因子的一種新的統(tǒng)計(jì)學(xué)方法,它克服了傳統(tǒng)方法假設(shè)過多的局限[32].該方法主要有兩大優(yōu)勢:一是不僅可以探測數(shù)值型數(shù)據(jù),而且還能探測定性數(shù)據(jù);二是探測兩因子交互作用于因變量.自 Wang等[33]提出以來,該方法已被用于環(huán)境監(jiān)測[34]、土地利用[35]與大熊貓生境適宜度評(píng)價(jià)[36]等研究領(lǐng)域.相關(guān)模型及理論方法的具體介紹可以參考文獻(xiàn)[32],基本理論計(jì)算公式如下所示:

式中:q為自變量(影響因子)對于因變量(地表溫度)空間分異性的解釋能力,取值范圍為[0,1],值越大,解釋能力就越強(qiáng);i=1, …, L為自變量的分層;Ni與N為第i層和全區(qū)的樣本數(shù);?i2與?2分別是第i層與全區(qū)域因變量值的方差.

2 結(jié)果與分析

2.1 LST的時(shí)空特征分析

2.1.1 LST的空間分布 研究區(qū)幅員廣闊、地勢高低起伏較大,使用均值-標(biāo)準(zhǔn)差法與自然間斷點(diǎn)分級(jí)法難以刻畫 LST在空間上的變異情況.因此,文章使用2001～2017年夏季白天/夜晚平均LST的絕對值來描述地區(qū)熱環(huán)境的空間分布特征,結(jié)果如圖2所示.由表1與圖2可見,關(guān)中平原城市群2001～2017年夏季白天的平均LST為29.3℃,最大值為38.2℃,最低值為15.9℃,標(biāo)準(zhǔn)差為4.1℃.白天的高溫區(qū)(＞34℃)主要分布在中部關(guān)中平原地區(qū),這里人口密集、工農(nóng)業(yè)發(fā)達(dá),大量的不透水面與耕地增溫迅速,加之盆地地形不易散熱,從而形成大片的高溫區(qū).低值區(qū)(＜30℃)主要分布在南部的秦嶺山脈、中部黃河沿岸與北部山區(qū).相比中部關(guān)中盆地,南北山區(qū)植被覆蓋密集,而植被生長茂盛的區(qū)域往往具有更強(qiáng)的蒸散發(fā)作用,表現(xiàn)為較高的潛熱通量與較低的顯熱通量,從而形成顯著的低溫區(qū);夜晚平均LST為18.3℃,最大值為 26.4℃,最低值為 5.6℃,標(biāo)準(zhǔn)差為 2.8℃,其變化幅度低于白天.同時(shí),夜間LST的空間分布與白天較為一致,但高值區(qū)更加集中,尤其是西安市主城區(qū)的LST(＞24℃)明顯高于其它地區(qū).

表1 2001～2017年夏季平均LST統(tǒng)計(jì)值(℃)Table 1 Statistical value of summer average LST from 2001 to 2017(℃)

圖2 2001～2017年夏季平均LSTFig.2 Average LST in summer from 2001 to 2017

2.1.2 LST的時(shí)間變化檢測 對 2001～2017年夏季白天/夜晚的平均LST進(jìn)行趨勢分析,利用M-K非參數(shù)檢驗(yàn)得到 LST標(biāo)準(zhǔn)正態(tài)分布統(tǒng)計(jì)量 Z.當(dāng) Z＞0時(shí),LST表現(xiàn)為增大趨勢,反之則減小.取置信水平α=0.01,當(dāng)|Z|＞2.58時(shí),LST表現(xiàn)為極顯著上升或極顯著下降趨勢;取置信水平α=0.05,當(dāng) 1.96＜|Z|≤2.58 時(shí),LST 表現(xiàn)為顯著上升或顯著下降趨勢,否則無顯著變化趨勢.

由圖3和表2可知,白天LST極顯著下降和顯著下降的區(qū)域主要集中在咸陽、寶雞與平?jīng)鋈械慕唤缣?以及運(yùn)城市中部與天水市東部,占區(qū)域總面積的 10.2%.前人的研究表明,得益于退耕還林還草政策的實(shí)施,這些區(qū)域的植被覆蓋度在近些年得到了明顯的改善[37],而植被的蒸騰作用可以通過增加潛熱通量和減少感熱通量來降低 LST[38].白天 LST極顯著上升與顯著上升的區(qū)域主要分布在寶雞市主城區(qū)北部平原地區(qū)、西安市主城區(qū)北部、咸陽市主城區(qū)南部、渭南市與運(yùn)城市中部,占區(qū)域總面積的2.62%.城市化進(jìn)程的快速推進(jìn)與現(xiàn)代農(nóng)業(yè)的蓬勃發(fā)展加劇了大量的自然地表轉(zhuǎn)換為人工不透水面,城市建筑與人工大棚等低反照率表面導(dǎo)致地表熱容量增加、蒸散發(fā)減少[39],故而這些區(qū)域的 LST在白天上升趨勢顯著.

圖3 2001～2017年夏季平均LST變化趨勢分布Fig.3 The distribution of average LST variation trend in summer from 2001 to 2017

表2 2001～2017年夏季白天和夜晚LST均值變化趨勢統(tǒng)計(jì)(%)Table 2 Statistical table of LST mean variation trend during the day and night in summer from 2001 to 2017(%)

到了夜晚,LST極顯著下降和顯著下降的區(qū)域主要零星分布在寶雞市與平?jīng)鍪芯硟?nèi),僅占區(qū)域總面積的 0.25%,變化極其不顯著.LST極顯著上升與顯著上升的區(qū)域主要分布在城市擴(kuò)張區(qū)域與黃河沿岸,占區(qū)域總面積的 6%.大量的人工地表在夜晚向大氣釋放白天所存儲(chǔ)的熱量[40],城市冠層中氣溶膠和氣態(tài)污染物濃度的增加會(huì)影響地表與大氣之間的輻射交換[13],使得大氣對地面的保溫效果加劇,從而導(dǎo)致城區(qū)溫度進(jìn)一步升高.

使用 Sen’s斜率分析得到 2001～2017年夏季白天/夜晚 LST的斜率變化圖(圖 4).可以看出,與M-K非參數(shù)檢驗(yàn)結(jié)果保持一致的是,無論白天還是夜晚,LST變化斜率大于0.1的區(qū)域主要集中在關(guān)中平原地區(qū),且白天的變化幅度大于夜晚.白天LST下降趨勢明顯,17a來的整體變化情況為-0.053℃/a,夜晚LST在整體上呈上升趨勢,變化斜率為0.026℃/a.

圖4 2001～2017年夏季白天和夜晚平均LST變化斜率分布Fig.4 Slope distribution of summer average LST of the daytime and nighttime from 2001 to 2017

2.2 熱島強(qiáng)度的年際變化分析

對2001～2017每一年的SUHII進(jìn)行計(jì)算可以得出其變化趨勢,無論白天還是夜間,SUHII都呈上升趨勢.其中,白天 SUHII在整體上高于夜間,整個(gè) 17a間白天的SUHIISU與SUHIINU平均值相較于夜晚分別高出0.3和0.4℃.根據(jù)表3與圖5可以看出,白天SUHIISU與SUHIINU在總體上表現(xiàn)為波動(dòng)上升趨勢,分別在 2012與 2013年達(dá)到最高值 6與 4.7℃,但SUHIISU整體上大于 SUHIINU,平均差值達(dá)到了 1.2℃.夜晚 SUHIISU與 SUHIINU依舊表現(xiàn)為上升趨勢,變化趨勢較為緩和,兩者皆在 2017年達(dá)到最高值.SUHIISU大于SUHIINU,平均差值1.3℃,略高于白天的差值.

圖5 2001～2017年夏季地表城市熱島強(qiáng)度變化Fig.5 The variation of surface urban heat island intensity in summer from 2001 to 2017

表3 關(guān)中平原城市群2001～2017年夏季熱島強(qiáng)度Table 3 Summer heat island intensity of Guanzhong Plain urban agglomerationin from 2001 to 2017

由上述分析結(jié)果可知,關(guān)中平原城市群 2001～2017這17a間夏季的SUHII有著顯著上升,城鄉(xiāng)之間的地表溫差在逐漸擴(kuò)大,這與趙安周等[39]在京津冀地區(qū)城市熱島強(qiáng)度變化的研究中所得出的結(jié)論一致.Yao等[41]在對全球397個(gè)大城市SUHII的研究中也認(rèn)為,農(nóng)村地區(qū)植被覆蓋的顯著上升與城市地區(qū)植被覆蓋的快速下降是城鄉(xiāng)之間地表溫差逐漸擴(kuò)大的重要原因.與陳穎鋒等[42]的研究所不同的是,無論是老城區(qū)還是新建城區(qū),SUHII始終保持著上升態(tài)勢.

2.3 UTEI與LST的關(guān)系

以2017年為例,利用主成分分析法對標(biāo)準(zhǔn)化過后的 EVI、NDBSI、多年平均降水、DEM、AOD與夜間燈光數(shù)據(jù)進(jìn)行數(shù)據(jù)壓縮與降維處理,最后得到各主成分的載荷與累積貢獻(xiàn)率矩陣.如表 4所示,PC1、PC2與PC3的累積貢獻(xiàn)率達(dá)到了86.35%,表明前3個(gè)主成分集中了原來6個(gè)指標(biāo)的大部分信息,因此用前 3個(gè)主成分來構(gòu)建城市熱環(huán)境指數(shù)是合理的.由于第1主成分占據(jù)了UTEI的大部分信息,且NDBSI、AOD和夜間燈光與PC1呈顯著負(fù)相關(guān),EVI、降水與DEM對PC1起正向作用,這表明UTEI指數(shù)與區(qū)域生態(tài)環(huán)境呈顯著正相關(guān).即UTEI指數(shù)越高,區(qū)域生態(tài)環(huán)境越好.

表4 2017年主成分載荷與累計(jì)貢獻(xiàn)率矩陣Table 4 Principal component loading and cumulative contribution rate matrix in 2017

圖6所示,歸一化后的UTEI與LST在空間分布上具有很高的一致性.北部山系與南部秦嶺山脈處植被覆蓋密集的區(qū)域UTEI指數(shù)較高,說明該處生態(tài)環(huán)境較好;而UTEI的低值區(qū)主要分布在中部的關(guān)中平原地區(qū),該地區(qū)人口密集、城鎮(zhèn)眾多,人類活動(dòng)對地表擾動(dòng)較大,尤其是在大西安地區(qū),這里存在一個(gè)明顯的大面積低值區(qū).為檢驗(yàn)UTEI指數(shù)衡量地表熱環(huán)境的準(zhǔn)確性與可靠性,利用采樣工具在研究區(qū)隨機(jī)生成2000個(gè)檢驗(yàn)點(diǎn),使用疊加分析提取出這2000個(gè)點(diǎn)所對應(yīng)的UTEI與LST值,最后進(jìn)行回歸擬合.

圖6 2017年關(guān)中平原城市群的UTEIFig.6 The urban thermal environment index of Guanzhong Plain urban agglomeration in 2017

圖7顯示,白天標(biāo)準(zhǔn)化后的LST與UTEI之間存在顯著的相關(guān)性(P＜0.05),兩者表現(xiàn)為二次曲線關(guān)系,相關(guān)系數(shù)高達(dá)0.850;夜晚標(biāo)準(zhǔn)化后的LST與UTEI之間也存在顯著的負(fù)相關(guān)(P＜0.05),相關(guān)系數(shù)達(dá)到了0.624.作為一個(gè)新的地表綜合參數(shù),UTEI不僅能夠直觀形象的展示地區(qū)熱環(huán)境的時(shí)空分布狀況,還可以作為一個(gè)新的城市熱環(huán)境監(jiān)測指標(biāo)來衡量區(qū)域環(huán)境質(zhì)量.

圖7 2017年夏季UTEI與LST的關(guān)系Fig.7 Relationship between UTEI and LST in summer of 2017

2.4 LST的驅(qū)動(dòng)力分析

地理探測器的自變量因子應(yīng)當(dāng)是類型值而非連續(xù)型數(shù)值,進(jìn)行計(jì)算之前必須將 EVI、NDBSI、DEM、平均降水、AOD與夜間燈光這6個(gè)因子進(jìn)行重分類(土地利用數(shù)據(jù)已是類型值).首先借助自然間斷點(diǎn)分級(jí)法將自變量劃分為 6類,該方法已被相關(guān)學(xué)者[31]用于城市熱環(huán)境研究中驅(qū)動(dòng)因子的離散化處理.然后利用采樣工具將研究區(qū)分為間隔2.5km大小的格點(diǎn),將 LST與重分類后的影響因子提取值至每一個(gè)格點(diǎn),最后將數(shù)據(jù)導(dǎo)入地理探測器軟件進(jìn)行計(jì)算.

2.4.1 因子探測分析 因子探測分析可以探測某自變量在多大程度上能解釋 LST的空間分異性,用取值范圍為[0,1]的q值進(jìn)行度量.q值越大表示變量X對于 LST的解釋(影響)能力就越強(qiáng),反之則越弱.如表 5所示,各個(gè)驅(qū)動(dòng)因子對于地表溫度的解釋能力在白天和夜晚存在顯著的差異,白天的解釋能力明顯優(yōu)于夜晚.在白天,7個(gè)驅(qū)動(dòng)因子對于 LST的解釋能力從大到小排序依次為:NDBSI(0.686)＞DEM(0.672)＞EVI(0.616)＞AOD(0.539)＞土地利用(0.483)＞夜間燈光(0.473)＞降水(0.403).地表參數(shù)(NDBSI、DEM及EVI)對于LST的影響皆超過0.6,顯著高于氣象因子(降水與 AOD)與人類活動(dòng)作用(夜間燈光與土地利用),表明地表參數(shù)在白天是LST空間分異的主控因子.主要原因可能在于夏季白天的太陽高度角大、日照時(shí)間長、植被生長旺盛,不透水面與裸地等高熱容量地表增溫迅速,而公園、森林等植被覆蓋密集處則因植被的光合作用與遮蔽效果升溫緩慢,從而導(dǎo)致LST在空間上的分異性顯著.

表5結(jié)果顯示,7個(gè)驅(qū)動(dòng)因子對于夜間LST的解釋能力從大到小排序依次為: DEM(0.845)＞AOD(0.515)＞夜間燈光(0.419)＞土地利用(0.238)＞NDBSI(0.235)＞EVI(0.217)＞降水(0.203).這表明高程對夜間LST空間分布的影響最大,AOD與夜間燈光對LST的影響十分顯著,而NDBSI、EVI、降水與土地利用對于 LST的影響則較小.相較于白天的因子作用效果,高程對于 LST的影響有著顯著提升,AOD對于LST的影響略有下降,而NDBSI、EVI、降水與土地利用對于 LST的影響下降幅度巨大.主要原因可能在于夜間植被的光合作用減弱,人工地表向大氣釋放白天所存儲(chǔ)的熱量,而AOD等大氣懸浮顆粒則通過向下的長波輻射對地表起著保溫作用.

表5 2017年LST驅(qū)動(dòng)因素探測分析Table 5 Land surface temperature driving factors detection and analysis table in 2017

2.4.2 各因子的交互作用分析 交互作用探測是評(píng)估兩個(gè)因子共同作用時(shí)是否會(huì)增強(qiáng)或減弱對于LST的解釋能力,或者判斷這兩個(gè)因子對于 LST的影響是否相互獨(dú)立.在夏季白天(表6),任意兩個(gè)因子的交互作用(q值)皆大于單一因子對于LST的影響,都表現(xiàn)為顯著的雙因子增強(qiáng)效果,這說明各個(gè)因子對于 LST的影響都是相互獨(dú)立的,且兩兩交互的作用效果優(yōu)于單一因子的作用.高程(DEM)與其它各個(gè)因子之間的交互效果都十分顯著(q＞0.7),其與NDBSI之間的交互作用最大(q＞0.9),說明 DEM 與NDBSI之間的交互作用最能解釋白天LST的空間分異性.

表6 2017年夏季白天地表溫度驅(qū)動(dòng)因子交互分析Table 6 Interaction analysis of driving factors of surface temperature in summer daytime of 2017

到了夜晚(表 7),高程與其它變量之間的交互作用依舊十分的顯著,q值都接近 0.85.其中,高程與夜間燈光(人類活動(dòng)因素)的交互效果最大(q=0.863),說明海拔與人類活動(dòng)是關(guān)中平原城市群夏季夜晚LST的主要影響因素.AOD與其它變量之間的交互作用均大于0.5,其中AOD與DEM的交互值(0.849)僅次于DEM與夜間燈光的交互值.這說明氣溶膠等懸浮顆粒物在夜晚具有良好的保溫效果,也是區(qū)域城市熱島的重要影響因子.

表7 2017年夏季夜晚地表溫度驅(qū)動(dòng)因子交互分析Table 7 Interaction analysis of driving factors of surface temperature in summer nighttime of 2017

3 討論

3.1 人類活動(dòng)對城市熱島的影響

城市熱島與人類活動(dòng)息息相關(guān),快速的城市化加劇了大量的自然地表轉(zhuǎn)化為人工不透水面,整個(gè)關(guān)中平原城市群 2001～2017年的不透水面積已由4238km2增長為7250km2.這些人造地表主要由磚石構(gòu)造與混泥土材料所組成,相比植被、水體等自然表面,其蒸散發(fā)下降,儲(chǔ)熱能力上升[40].過去的研究僅僅簡單的將各種以行政單元為尺度的社會(huì)統(tǒng)計(jì)數(shù)據(jù)與SUHII進(jìn)行線性回歸[30,43],從空間上割裂了城市熱場的連續(xù)性和完整性,也難以定量化的探究人類活動(dòng)對地表熱環(huán)境的擾動(dòng).文章使用夜間燈光數(shù)據(jù)來表征人類活動(dòng)的強(qiáng)弱程度,通過將夜間燈光數(shù)據(jù)作為一個(gè)輔助參數(shù),構(gòu)建了一個(gè)能夠表征城市地表熱環(huán)境的UTEI指數(shù),保證了人類活動(dòng)強(qiáng)度在空間上的連續(xù)性和一致性.同時(shí),借助地理探測器的因子探測與交互探測功能,定量化的評(píng)價(jià)了人類活動(dòng)對城市熱場的影響.

3.2 鄉(xiāng)村背景選取對城市熱島的影響

目前,國內(nèi)外學(xué)者對于城市熱島研究中鄉(xiāng)村背景的選取并沒有給出一個(gè)固定的解決方案,但大致上可以分為“城鄉(xiāng)二分法”與“緩沖區(qū)分析法”兩種.城鄉(xiāng)二分法是將研究區(qū)按照土地利用屬性劃分為建設(shè)用地與非建設(shè)用地,通過求取兩者平均地溫的差值來表征城市熱島強(qiáng)度的大小.緩沖區(qū)分析法則是先根據(jù)建設(shè)用地利用強(qiáng)度劃分出城區(qū)范圍,然后用城區(qū)周邊一定緩沖區(qū)距離內(nèi)非建設(shè)用地的占比來確定鄉(xiāng)村區(qū)域,最后求取兩者平均地溫的差值.使用不同的計(jì)算方法會(huì)得出不同的熱島強(qiáng)度值,選取具有代表性的鄉(xiāng)村背景是城市熱島研究中不可忽視的重要環(huán)節(jié)[44].本文在進(jìn)行城市與鄉(xiāng)村的劃分時(shí)充分考慮了時(shí)間變化的影響,利用兩個(gè)時(shí)期的土地利用數(shù)據(jù)將城市區(qū)域劃分為老城區(qū)與新建城區(qū),最后使用統(tǒng)一的鄉(xiāng)村背景作為參照對象,保證了結(jié)果的延續(xù)性與合理性.同時(shí),本文并未排除農(nóng)村地區(qū)的海拔影響,原因在于農(nóng)村地區(qū)的天然林更多的分布在高海拔地區(qū)[24],保留這些區(qū)域可能會(huì)更加準(zhǔn)確地反映農(nóng)村LST的大小.

3.3 尺度效應(yīng)對城市熱島的影響

城市熱環(huán)境具有尺度效應(yīng)[45],在不同的時(shí)間和空間尺度下會(huì)得出不一樣的研究結(jié)論.高空間分辨率的遙感影像能夠提供更加豐富的地物細(xì)節(jié),但受限于重訪周期與過境時(shí)刻的天氣狀況,難以在特定時(shí)期內(nèi)獲取到連續(xù)、高質(zhì)量的影像數(shù)據(jù).關(guān)中平原城市群地處西北內(nèi)陸,轄區(qū)面積廣闊,使用Landsat系列衛(wèi)星數(shù)據(jù)將難以保證數(shù)據(jù)在時(shí)間尺度上的一致性.MODIS傳感器擁有較高的時(shí)間分辨率和地面覆蓋范圍,盡管其空間分辨率相比于Landsat系列稍遜一籌,但可以對大區(qū)域地表熱環(huán)境實(shí)現(xiàn)穩(wěn)定和連續(xù)的監(jiān)測.同時(shí),利用已有的高空間分辨率的可見光-近紅外數(shù)據(jù),選取合適的算法對低空間分辨率的熱紅外影像進(jìn)行降尺度研究,構(gòu)建快速、高效和精確的遙感影像時(shí)空融合模型來加強(qiáng)城市內(nèi)部的遙感監(jiān)測將是未來城市熱環(huán)境遙感研究的重要方向.

4 結(jié)論

4.1 關(guān)中平原城市群 2001～2017年夏季白天平均LST為29.3℃,夜晚為18.3℃.白天的LST存在小幅下降,變化趨勢為-0.053℃/a;夜間 LST表現(xiàn)為小幅上升的趨勢,變化率為0.026℃/a,LST在白天的降溫幅度略微高于夜間的增溫幅度.

4.2 整個(gè)關(guān)中平原城市群 17a間夏季城市熱島強(qiáng)度呈顯著上升趨勢,白天的增長幅度大于夜間.無論白天還是夜晚,SUHIISU都顯著大于SUHIINU.

4.3 2001～2017年夏季白天平均LST的高溫區(qū)主要分布在中部關(guān)中平原地區(qū),低溫區(qū)主要分布在南部的秦嶺山脈、中部黃河沿岸與北部山區(qū). 夜間 LST的空間分布與白天較為一致,但高值區(qū)更加集中.

4.4 相比其它單一的地表參數(shù),利用主成分分析法構(gòu)建的UTEI能夠很好的表征區(qū)域熱環(huán)境的優(yōu)劣狀況.UTEI與 LST之間存在顯著的負(fù)相關(guān),白天(P＜0.05,R2=0.850)和夜晚(P＜0.05,R2=0.624)都表現(xiàn)為二次曲線關(guān)系,白天的相關(guān)性大小略高于夜間.

4.5 因子探測分析表明,地表參數(shù)(NDBSI、DEM與EVI)在白天是地表溫度空間分異的主控因子,人類活動(dòng)(夜間燈光)、海拔高低(DEM)與大氣因子(AOD)是夜間地表溫度的主要控制變量;交互探測結(jié)果顯示,無論白天還是夜晚,任意雙因子之間的交互作用優(yōu)于單一因子的作用效果,表現(xiàn)為顯著的雙因子增強(qiáng).其中DEM與NDBSI之間的交互效果在白天最好,DEM 與夜間燈光的交互作用在夜間最大,AOD在夜間的影響效果顯著.