基于Landsat數(shù)據(jù)的烏魯木齊市熱環(huán)境時(shí)空演化特征分析

趙禾苗, 阿里木江·卡斯木,2,*

基于Landsat數(shù)據(jù)的烏魯木齊市熱環(huán)境時(shí)空演化特征分析

趙禾苗1, 阿里木江·卡斯木1,2,*

1. 新疆師范大學(xué)地理科學(xué)與旅游學(xué)院, 烏魯木齊 830054; 2. 新疆師范大學(xué)絲綢之路經(jīng)濟(jì)帶城鎮(zhèn)化發(fā)展研究中心, 烏魯木齊 830054

近年來(lái), 由于城市化的快速發(fā)展, 城市熱環(huán)境問(wèn)題不斷加劇, 為了解快速城市化背景下城市中心區(qū)熱環(huán)境的變化特征及其影響因素, 以烏魯木齊主城區(qū)為研究區(qū), 基于2000、2005、2010、2015、2017年五期Landsat遙感影像, 提取NDVI、FVC等值, 采用輻射傳輸方程法對(duì)城市地表進(jìn)行溫度反演, 利用線性回歸方程法分析城市地表溫度與下墊面因子的相互關(guān)系。結(jié)果表明: (1)2000—2017年期間, 烏魯木齊市主城區(qū)中高溫區(qū)和高溫區(qū)面積持續(xù)增加, 共增加了756.83 km2, 低溫區(qū)和中低溫區(qū)面積則不斷減小, 減少面積為639.92 km2, 中心城區(qū)熱環(huán)境不斷強(qiáng)化; (2)大量低植被和高植被覆蓋度區(qū)域轉(zhuǎn)變?yōu)橹械椭脖缓椭兄脖桓采w度區(qū)域, 植被覆蓋度在0.2—0.6的區(qū)域比重增加了9.63%, 大于0.8的植被覆蓋由2005年的29 km2降低為2017年的0.08 km2; (3)LST與FVC呈負(fù)相關(guān)關(guān)系, 說(shuō)明植被對(duì)熱場(chǎng)具有調(diào)節(jié)作用。研究結(jié)果可對(duì)烏魯木齊生態(tài)城市建設(shè)及區(qū)域經(jīng)濟(jì)與生態(tài)的可持續(xù)發(fā)展提供一定的參考價(jià)值。

Landsat; 溫度反演; 熱環(huán)境; 輻射傳輸方程法; 烏魯木齊

0 前言

改革開(kāi)放以來(lái), 我國(guó)城鎮(zhèn)化進(jìn)程明顯加快, 《國(guó)家新型城鎮(zhèn)化發(fā)展規(guī)劃(2014—2020年)》表明: 預(yù)計(jì)到2020年, 我國(guó)城鎮(zhèn)化率將達(dá)60%。隨著城市化的迅速推進(jìn), 城市中心區(qū)域不透水面不斷增加, 導(dǎo)致主城區(qū)地表溫度顯著高于周圍郊區(qū), 熱島效應(yīng)日趨嚴(yán)重[1]。城市規(guī)模越大, 相應(yīng)的熱島效應(yīng)越明顯, 熱島強(qiáng)度越大[2]。溫度的升高造成城市環(huán)境嚴(yán)重污染, 大氣質(zhì)量下降, 極端高溫對(duì)城市居民健康構(gòu)成威脅[3]。隨著城市增長(zhǎng)和全球氣候急劇變化, 城市熱島現(xiàn)象愈加嚴(yán)重, 由此引起的城市熱環(huán)境問(wèn)題也成為城市發(fā)展進(jìn)程中首要考慮的問(wèn)題[4]。

近些年來(lái), 國(guó)內(nèi)外眾多學(xué)者從多角度多層次對(duì)城市熱環(huán)境進(jìn)行了研究, 在研究?jī)?nèi)容上主要針對(duì)地表溫度的分布區(qū)域、分布面積以及時(shí)空變化特征等。由于遙感影像能大范圍、長(zhǎng)時(shí)間、連續(xù)重復(fù)監(jiān)測(cè)和反演地表溫度以及各種相關(guān)參數(shù), 并且隨著3S技術(shù)的快速發(fā)展, 遙感手段如今已成為研究城市熱島的主要手段[5]。如賈劉強(qiáng)等[6]通過(guò)多時(shí)序Landsat數(shù)據(jù)反演NDVI探討了城市綠地與熱環(huán)境的相關(guān)關(guān)系, 發(fā)現(xiàn)不同城市功能區(qū)各綠地類型對(duì)熱島效應(yīng)緩解效應(yīng)存在明顯差異; 買(mǎi)買(mǎi)提江等[7]通過(guò)單時(shí)相Landsat TM數(shù)據(jù)對(duì)NDVI和LST進(jìn)行相關(guān)分析, 認(rèn)為二者呈明顯負(fù)相關(guān)關(guān)系; 姚玉龍等[8]通過(guò)多時(shí)序Landsat數(shù)據(jù)對(duì)LST和FVC進(jìn)行相關(guān)分析, 發(fā)現(xiàn)二者呈明顯線性關(guān)系; 劉嬌妹等[9]通過(guò)研究發(fā)現(xiàn), 植被復(fù)層結(jié)構(gòu)可有效減緩熱島效應(yīng), 且當(dāng)植被覆蓋率大于60%時(shí)效應(yīng)最顯著; 也有基于遙感分類的研究: 陳艷紅等[10]研究發(fā)現(xiàn)不同土地類型的LST由明顯差異, 不同綠色空間類型的降溫差異明顯, 表現(xiàn)為水體＞濕地＞林地/草地; 梁書(shū)維等[11]利用MODIS數(shù)據(jù)通過(guò)構(gòu)建RVI、NDVI、GNDVI、EVI四個(gè)指數(shù)發(fā)現(xiàn), 不同類型土壤持有不同保水能力, 米合熱古力麗等[12]通過(guò)單窗算法反演溫度發(fā)現(xiàn), 綠洲土地利用和覆被變化可以改變?cè)搮^(qū)域的FVC和LST的空間分布特征。

烏魯木齊位于我國(guó)西北干旱區(qū), 深居內(nèi)陸, 是我國(guó)距離海洋最遙遠(yuǎn)的城市[13]。近些年來(lái), 隨著經(jīng)濟(jì)社會(huì)的不斷發(fā)展, 城市擴(kuò)張速率急劇加快, 烏魯木齊作為西部地區(qū)少有的百萬(wàn)人口城市, 城市熱島問(wèn)題逐漸凸顯[14]。作為新疆首府, 烏魯木齊是我國(guó)西部地區(qū)重要的經(jīng)濟(jì)中心, 全疆政治經(jīng)濟(jì)文化的中心, 我國(guó)向西開(kāi)放的重要門(mén)戶[15]。目前, 已有一定數(shù)量的烏魯木齊城市熱環(huán)境及其下墊面影響因子研究, 如呂光輝等[16]利用MODIS數(shù)據(jù)通過(guò)分裂窗算法反演烏魯木齊地表溫度, 分析了烏魯木齊熱島的日變化和季節(jié)變化特征; 哈尚辰[17]通過(guò)Landsat數(shù)據(jù)利用單窗算法反演溫度, 通過(guò)計(jì)算熱島強(qiáng)度來(lái)評(píng)價(jià)烏魯木齊的熱島效應(yīng); 楊雅楠[18]通過(guò)單窗算法反演地溫分析下墊面的影響因子; 姚玉龍等[19]通過(guò)構(gòu)建NDVI指數(shù)分析了烏魯木齊地溫的時(shí)空變化特征及成因; 買(mǎi)合甫拉提等[20]通過(guò)夜間燈光數(shù)據(jù)和NDVI數(shù)據(jù)的結(jié)合, 分析了烏魯木齊建成區(qū)在擴(kuò)張過(guò)程中的植被變化及熱島效應(yīng)。但目前為止, 運(yùn)用輻射傳輸方程法反演分析烏魯木齊城區(qū)的研究較為少見(jiàn), 將NDVI與像元二分模型結(jié)合進(jìn)行該區(qū)地表溫度的研究也較缺乏。

為此, 本研究利用2000—2017年間5期遙感數(shù)據(jù), 結(jié)合熱場(chǎng)強(qiáng)度、植被覆蓋度、溫度反演、GIS空間分析等方法, 研究城市熱環(huán)境的時(shí)空演變過(guò)程及其影響因子, 以期從長(zhǎng)時(shí)間序列上揭示城市熱島變化機(jī)理, 為城市綠地建設(shè)和城市化健康發(fā)展提供重要的理論依據(jù), 在生態(tài)城市建設(shè)方面提出合理性的建議。

1 研究區(qū)概況

烏魯木齊(86°37′—88°58′E, 42°45′—45°00′N)地處亞歐大陸中心, 位于我國(guó)新疆中部, 全市包括七區(qū)一縣, 總面積1.4萬(wàn) km2[21](圖1)。區(qū)域地處天山中段北麓, 準(zhǔn)噶爾盆地南緣, 受山體分割, 烏魯木齊建成區(qū)呈南北趨勢(shì)擴(kuò)展, 近些年, 城市規(guī)模不斷擴(kuò)張, 人口密度急劇增加[22]。本區(qū)深居內(nèi)陸中心, 三面環(huán)山, 距海遙遠(yuǎn), 濕潤(rùn)水汽難以到達(dá), 是典型大陸干旱氣候, 全年少雨, 年均氣溫7.3 ℃, 平均降水量為236 mm, 具有春秋季短, 冬夏季長(zhǎng), 夏季炎熱干燥等特點(diǎn)[23]。

圖1 研究區(qū)位置和遙感影像圖

Figure 1 Location and remote sensing image of the study area

2 數(shù)據(jù)來(lái)源及研究方法

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

本文以2000—2017年為研究時(shí)段, 以Landsat遙感影像為主要數(shù)據(jù)源, 考慮天氣及研究區(qū)植被生長(zhǎng)狀況, 選擇烏魯木齊主城區(qū)區(qū)域天氣晴朗且無(wú)云影像, 分別為2000年9月25日、2005年9月7日、2010年8月20日的Landsat5影像和2015年9月3日、2017年9月17日的Landsat8影像。五期影像數(shù)據(jù)均來(lái)源于地空間數(shù)據(jù)云(http://www. gscloud.cn)。數(shù)據(jù)信息如表1。使用ENVI5.3軟件中的Radiometric Calibration工具對(duì)各個(gè)波段數(shù)據(jù)進(jìn)行輻射定標(biāo), 將像元灰度值轉(zhuǎn)化為輻射強(qiáng)度值; 再通過(guò)FLASH模塊對(duì)影像進(jìn)行大氣校正; 研究區(qū)影像裁剪利用Masking掩模處理完成。

表1 影像基本信息

2.2 研究方法

2.2.1 地表溫度反演

論文選用輻射傳輸方程法[24]對(duì)地表溫度進(jìn)行反演, 其原理是預(yù)估大氣對(duì)地表熱輻射的影響, 從衛(wèi)星傳感器接收到的總輻射量中減去大氣對(duì)地表熱輻射的影響, 得到地表熱輻射強(qiáng)度后, 將其轉(zhuǎn)換為相應(yīng)地表溫度[25]。輻射傳輸方程法的優(yōu)點(diǎn)是對(duì)熱紅外波段沒(méi)有限制, 但需要大氣上行輻射亮度、大氣下行輻射亮度、地表比輻射率等參數(shù)。衛(wèi)星傳感器接收到的熱紅外輻射亮度值Lλ由3個(gè)部分組成, 其數(shù)學(xué)表達(dá)式為:

=[()+(1-)↓]τ+↑ (1)

式中,為地表比輻射率;為地表真實(shí)溫度;()為黑體輻射亮度;↓為大氣向下輻射亮度;↑為大氣向上輻射亮度; τ為大氣在熱紅外波段的透過(guò)率。

大氣上行輻射亮度↑和大氣下行輻射亮度↓單位均為W·m-2·sr-1·μm-1, 假設(shè)地表、大氣對(duì)熱輻射具有朗伯體性質(zhì), 那么溫度為的黑體在熱紅外波段的輻射亮度B(Ts)為:

()(1)(2)

式中, 大氣透過(guò)率, 上下行輻射亮度↑,↓三個(gè)參數(shù)值可通過(guò)NASA官網(wǎng)輸入影像成像時(shí)間、中心經(jīng)緯度、以及其它信息查詢得到。

求出黑體輻射亮度后, 根據(jù)普朗克黑體輻射定律反演得到地表真實(shí)溫度Ts為:

=/ln[/()+1] (3)

式中, 不同影像1 、2值不同, 對(duì)于TM影像,1=607.76,2=1260.56; 對(duì)于TIRS影像Band10,1=774.89,2=1321.08。

2.2.2 熱場(chǎng)分級(jí)

本文選用2000—2017年間的5副影像有著不同年份和日期, 用絕對(duì)溫度難以比較熱場(chǎng)變化, 因此引入熱場(chǎng)強(qiáng)度分級(jí)指標(biāo), 本文采用均值-標(biāo)準(zhǔn)差[26]法劃分熱場(chǎng)等級(jí)(表2), 較常用的是等間距密度分割法, 以均值和標(biāo)準(zhǔn)差的倍數(shù)組合進(jìn)行分級(jí)。標(biāo)準(zhǔn)差反映溫度相對(duì)于均溫的偏離程度, 兩者組合能反應(yīng)不同地物溫度差異, 以不同標(biāo)準(zhǔn)差倍數(shù)組合為切入點(diǎn), 以地物溫度對(duì)平均溫度的變異程度為劃分依據(jù), 在不同時(shí)相的城市熱環(huán)境研究中, 可以有效避開(kāi)時(shí)間差異的影響[27]。

2.2.3 歸一化植被指數(shù)

NDVI(歸一化植被指數(shù))是反映地表植被生長(zhǎng)狀況的最佳指標(biāo), 被廣泛用來(lái)提取植被信息[28], 其值范圍在-1到1之間, 計(jì)算公式為:

表2 均值-標(biāo)準(zhǔn)差法劃分熱場(chǎng)等級(jí)

式中: NIR為近紅外波段, Red為紅光波段。Landsat TM影像近紅外和紅外波段分別是4、3波段, Landsat OLI-TIRS影像近紅外和紅外波段分別是5、4波段[29]。

2.2.4 植被覆蓋度

NDVI可以有效監(jiān)測(cè)植被以及提取地表植被覆蓋信息, 但其值包含植被覆蓋和非植被覆蓋信息[30]。

像元二分模型[31]是一種簡(jiǎn)單實(shí)用的遙感估算模型, 它假設(shè)一個(gè)像元地表由有植被覆蓋部分和無(wú)植被覆蓋部分組成, 遙感傳感器接受檢測(cè)到的光譜信息也由這兩個(gè)組分因子線性加權(quán)合成, 各因子權(quán)重值為各自面積在像元中所占比重, 植被覆蓋度可看作植被的權(quán)重。

本研究將NDVI與像元二分模型進(jìn)行結(jié)合來(lái)計(jì)算植被覆蓋度(FVC), 一個(gè)像元的NDVI值可以表示為由植被部分所貢獻(xiàn)的NDVIveg信息和無(wú)植被覆蓋所貢獻(xiàn)的NDVIsoil信息。在沒(méi)有實(shí)測(cè)數(shù)據(jù)時(shí), NDVIveg取遙感影像圖中NDVI最大值, NDVIsoil取影像圖中NDVI最小值[32]。其公式為:

NDVI為影像中各像元的NDVI值; NDVImax和NDVImin一般取一定置信區(qū)間的最大值和最小值, 參考前人研究結(jié)果, 以累計(jì)百分?jǐn)?shù)5%和95%作為置信區(qū)間[33], 采用經(jīng)驗(yàn)值, NDVImax=0.05, NDVImin=0.7, 根據(jù)公式計(jì)算得到2000.2005.2010.2015.2017年的植被覆蓋度圖, 結(jié)合具體情況將烏魯木齊主城區(qū)植被覆蓋度分為5級(jí), 低覆蓋度0—0.2、中低覆蓋度0.2—0.4、中覆蓋度0.4—0.6、中高覆蓋度0.6—0.8、高覆蓋度0.8—1。

3 結(jié)果與分析

3.1 烏魯木齊主城區(qū)植被覆蓋度分析

將2000、2005、2010、2015、2017年的植被覆蓋采用密度分割法劃分為5個(gè)等級(jí), 結(jié)果如圖2, 由圖可知, 烏魯木齊主城區(qū)植被覆蓋以低水平為主。低水平覆蓋度和中低覆蓋度在主城區(qū)占據(jù)主導(dǎo)地位, 在18年以來(lái)低植被覆蓋呈波動(dòng)下降變化, 總體面積減少了121.24 km2, 所占比重降低了9.42%; 中低植被覆蓋總體呈增加趨勢(shì), 由2000年的133.95 km2增加到了2017年的225.94 km2, 所占比重增加了7.15%; 中覆蓋度在前10年有所增加, 近幾年又開(kāi)始呈波動(dòng)減小趨勢(shì), 中高植被覆蓋在2010年左右達(dá)到最高值后持續(xù)降低, 在2017年有所增加, 表明2000—2010年烏魯木齊城市化較弱, 由于地處西北邊陲的特殊地理位置, 前幾年烏魯木齊的發(fā)展主要是屯墾戍邊; 所以前幾年植被覆蓋有逐漸增加趨勢(shì), 2010—2017年, 中植被和中高植被都開(kāi)始降低, 與城市化進(jìn)程息息相關(guān), 城鎮(zhèn)化速率不斷加快, 城鎮(zhèn)人口遞增, 建成區(qū)面積不斷擴(kuò)大, 植被覆蓋又退回到了2000年時(shí)的狀態(tài)。近18年來(lái), 中高植被覆蓋面積總體增加了了1.46 km2, 所占比重增加了0.11%; 高植被覆蓋由2000年的4.15 km2降低到了2017年的0.08 km2, 所占比重降低了0.32%。

總體來(lái)說(shuō), 烏魯木齊主城區(qū)低植被覆蓋、中覆蓋度、高覆蓋度呈波動(dòng)變化趨勢(shì), 整體比重變化較小, 而中低植被覆蓋變化較大, 低覆蓋度和高覆蓋度所占比重的減少和中低覆蓋度和中覆蓋度所占比重的增加剛好呈互補(bǔ)關(guān)系, 城市中低覆蓋度比重及面積整體呈增長(zhǎng)趨勢(shì), 而高覆蓋度呈減少趨勢(shì)。

注: LVC(低植被覆蓋); MLVC(中低植被覆蓋); MVC(中植被覆蓋); MHVC(中高植被覆蓋); HVC(高植被覆蓋)

Figure 2 Spatial distribution of vegetation coverage in the main urban areas of Urumqi

表3 2000—2017年烏魯木齊主城區(qū)植被覆蓋面積及百分比

3.2 烏魯木齊主城區(qū)地表溫度分析

將2000、2005、2010、2015、2017年的地表溫度圖像劃分為5個(gè)等級(jí), 結(jié)果如圖3, 由圖可知, 18年以來(lái), 烏魯木齊主城區(qū)平均溫度總體呈上升趨勢(shì)。2000年, 城市中心區(qū)域溫度主要集中在低溫區(qū)和中低溫區(qū), 2010年和2015年中心溫度則主要集中在中溫區(qū)和中高溫區(qū), 溫區(qū)范圍有所提高, 2017年的中心區(qū)域溫度范圍變成了中溫區(qū)、中高溫區(qū)和高溫區(qū)。2000年低溫區(qū)和中低溫區(qū)所占比重較高, 中高溫區(qū)和高溫區(qū)比重較低; 2017年低溫區(qū)和中低溫區(qū)所占比重較低, 而中溫區(qū)、中高溫區(qū)、高溫區(qū)占比較大。主城區(qū)低溫區(qū)和中低溫區(qū)所占比重在近20年間一直呈降低趨勢(shì), 分別降低了20.07%和29.67%; 高溫區(qū)比重持續(xù)增加, 增長(zhǎng)了37.46%。中溫區(qū)比重呈先增加后降低再增加再降低的波動(dòng)變化, 總體呈減少趨勢(shì), 減少了9.08%; 中高溫區(qū)比重也是呈先增加后降低的趨勢(shì), 總體趨勢(shì)增加了21.36%; 其中, 在2000—2005年間, 中溫區(qū)面積由2000年的487.31 km2增加至2005年的636.55 km2, 迅速增加了149.24 km2, 而后開(kāi)始降低, 2017年中溫區(qū)面積由2010年的522.77 km2降低至370.39 km2, 比重降低了11.84%。而中高溫區(qū)面積在2000年至2010年間持續(xù)增加至314.80 km2, 比重增長(zhǎng)了11.7%, 2015年至2017年, 中高溫區(qū)占比開(kāi)始波動(dòng)下降, 2017年中高溫區(qū)面積降低至290.93 km2。

總體來(lái)說(shuō), 烏魯木齊主城區(qū)溫度增加變化劇烈, 2000年的低溫區(qū)和中低溫區(qū)在2010年逐漸演變?yōu)橹袦貐^(qū)和中高溫區(qū), 2010年的中溫區(qū)在2017年也逐漸演變?yōu)楦邷貐^(qū), 表明2000至2017年這18年間烏魯木齊主城區(qū)熱島效應(yīng)逐漸明顯, 熱環(huán)境不斷強(qiáng)化。

注: LT(低溫區(qū)); MLT(中低溫區(qū)); MT(中溫區(qū)); MHT(中高溫區(qū)); HT(高溫區(qū))

Figure 3 Spatial distribution of LST in the main urban areas of Urumqi

表4 2000—2017年烏魯木齊主城區(qū)地表溫度面積及百分比

圖4 烏魯木齊主城區(qū)各溫區(qū)比重變化

Figure 4 Changes in the proportion of the temperature in the main urban areas of Urumqi

3.3 烏魯木齊主城區(qū)地表溫度與植被覆蓋指數(shù)關(guān)系分析

一般來(lái)說(shuō), 有植被覆蓋的地區(qū)相較于其他無(wú)植被覆蓋的地區(qū)有著較低的地表溫度, 一方面是由于植被表面不斷向空氣中蒸騰水分; 另一方面植被繁茂的枝葉能夠遮蔽陽(yáng)光, 這都使得植被周邊的溫度發(fā)生改變。為研究烏魯木齊主城區(qū)地表溫度與植被覆蓋度的關(guān)系, 在研究區(qū)內(nèi)隨機(jī)選取120個(gè)點(diǎn), 提取各點(diǎn)對(duì)應(yīng)的地表溫度和植被覆蓋度的值, 進(jìn)行回歸分析(圖5), 結(jié)果顯示, 烏魯木齊主城區(qū)NDVI與地表溫度基本呈負(fù)相關(guān)。表4可知, 相關(guān)系數(shù)分別為0.40、0.56、0.68、0.62、0.61, 均高于中度相關(guān), 圖2表明主城區(qū)內(nèi)環(huán)區(qū)域植被覆蓋逐年下降, 逐漸呈破碎化現(xiàn)象, 下降趨勢(shì)和面積與熱場(chǎng)變化面積相一致, 城區(qū)周邊區(qū)域植被覆蓋較高, 多為墨綠色; 由熱場(chǎng)空間變化圖可知, 主城區(qū)中心區(qū)域熱島不斷增強(qiáng), 表現(xiàn)為橙色、紅色區(qū)域面積增大, 植被覆蓋降低明顯; 從時(shí)間變化可知, 2000—2017年近18年間, 從2000年的以高植被為主且主要集中于中心區(qū)域, 逐漸轉(zhuǎn)變?yōu)?017年的以中低植被為主, 僅剩下邊緣山區(qū)為中高植被覆蓋區(qū)。植被覆蓋度下降的同時(shí), 地表溫度高溫區(qū)由中心城區(qū)往外持續(xù)擴(kuò)展, 至2017年, 研究區(qū)域大部分呈現(xiàn)紅色, 植被覆蓋的減少促使熱環(huán)境效應(yīng)強(qiáng)化明顯。

4 討論與結(jié)論

由烏魯木齊熱島強(qiáng)度時(shí)空演變及與熱環(huán)境影響因素相關(guān)分析可看出, 主城區(qū)熱環(huán)境問(wèn)題仍較突出, 特別是最近五年變化劇烈, 城市熱島不斷增強(qiáng), 環(huán)境惡化嚴(yán)重。植被類型的減少和較高溫區(qū)域面積增加相對(duì)應(yīng), 但影響烏魯木齊主城區(qū)地表溫度的不僅僅是植被覆蓋度, 還應(yīng)從土地覆蓋與變化方面等進(jìn)行考慮, 本研究較為籠統(tǒng)的分析了城區(qū)地表FVC與LST的相互關(guān)系, 未探討FVC和LST在不同土地類型下的關(guān)系, 已有學(xué)者分析發(fā)現(xiàn), 對(duì)于不同土地利用類型, 提高植被覆蓋時(shí), 對(duì)地表溫度的影響有所差異, 地表熱環(huán)境變化與土地利用類型緊密相關(guān)。此后的研究可從建設(shè)用地、耕地、林地等多方面進(jìn)行分析, 進(jìn)一步揭示影響城市熱環(huán)境的人為因素, 為城市生態(tài)建設(shè)與發(fā)展規(guī)劃提供更科學(xué)的指導(dǎo)。

本文圍繞烏魯木齊主城區(qū), 基于2000、2005、2010、2015、2017年五期Landsat遙感影像, 提取NDVI、FVC等值, 采用輻射傳輸方程法對(duì)城市地表進(jìn)行溫度反演, 分析烏魯木齊主城區(qū)熱場(chǎng)等級(jí)強(qiáng)度, 利用線性回歸方程法分析城市地表溫度與下墊面因子的相互關(guān)系, 結(jié)論如下:

(1)2000—2017年近18年間, 烏魯木齊主城區(qū)低植被覆蓋面積降低了121.24 km2, 中低植被覆蓋面積增加了92.1 km2, 高植被覆蓋由2000年的4.15 km2降低到了2017年的0.08 km2, 所占比重降低了0.32%。其中, 2000—2010年間, 中高植被覆蓋緩慢增加, 2010年以后逐年下降, 2017年中高植被覆蓋度降至18.5 km2, 總體植被覆蓋度由低植被覆蓋和中高植被覆蓋為主向中低植被覆蓋轉(zhuǎn)化。2010年后, 中低植被覆蓋的增加伴隨中高覆蓋植被的減少, 植被景觀破碎化現(xiàn)象愈發(fā)明顯。與植被覆蓋變化相對(duì)應(yīng), 2000—2010年城市熱環(huán)境增加趨勢(shì)較弱, 而2010—2017年熱環(huán)境強(qiáng)化明顯。

注: LST(地表溫度); FVC(植被覆蓋度)

Figure 5 Analysis of correlation between LST and FVC

表4 LST與FVC相關(guān)關(guān)系

(2)烏魯木齊主城區(qū)平均溫度總體呈上升趨勢(shì), 熱場(chǎng)強(qiáng)度不斷增加, 主城區(qū)的溫區(qū)由低溫區(qū)和中低溫區(qū)為主轉(zhuǎn)變?yōu)橹懈邷貐^(qū)和高溫區(qū)為主。2000年的低溫區(qū)和中低溫區(qū)在2010年逐漸演變?yōu)橹袦貐^(qū)和中高溫區(qū), 2010年的中溫區(qū)在2017年也逐漸演變?yōu)楦邷貐^(qū)。相較于2000—2010年, 2010---—2017年高溫區(qū)比重增加了25.75%, 2000至2017年近18年間烏魯木齊主城區(qū)熱島效應(yīng)逐漸明顯, 熱環(huán)境不斷強(qiáng)化。

(3)主城區(qū)內(nèi)環(huán)區(qū)域植被覆蓋逐年下降, 逐漸呈破碎化, 下降趨勢(shì)和面積與熱場(chǎng)變化面積相一致, 空間變化圖可知, 主城區(qū)中心區(qū)域熱島不斷增強(qiáng), 植被覆蓋降低明顯, 烏魯木齊市主城區(qū)地表溫度與植被覆蓋呈明顯負(fù)相關(guān)關(guān)系, 植被覆蓋的減少促使熱環(huán)境效應(yīng)強(qiáng)化明顯。

[1] 欒慶祖, 葉彩華, 劉勇洪, 等. 城市綠地對(duì)周邊熱環(huán)境影響遙感研究——以北京為例[J]. 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(2): 252–261.

[2] Fang Chuanglin, Gao Qian, Zhang Xiaolei, et al. Spatiotemporal characteristics of the expansion of an urban agglomeration and its effect on the ecoenvironment: Case study on the northern slope of the Tianshan Mountains. [J]. Science China Earth Sciences, 2019, 62(9): 1461–1472.

[3] SHAHMOHAMADI P, CHE-ANI A I, ETESSAM I, et al. Healthy Environment: The Need to Mitigate Urban Heat Island Effects on Human Health[J]. Procedia Engineering, 2011, 20(11): 61–70

[4] 阿里木江·卡斯木, 唐兵. 基于RS & GIS的新疆城市擴(kuò)展時(shí)空動(dòng)態(tài)變化分析[J]. 冰川凍土, 2013, 35(4): 1056– 1064.

[5] 潘瑩, 崔林林, 劉昌脈, 等. 基于MODIS數(shù)據(jù)的重慶市城市熱島效應(yīng)時(shí)空分析[J]. 生態(tài)學(xué)雜志, 2018, 37(12): 3736–3745.

[6] 賈劉強(qiáng),邱建. 基于遙感的城市綠地斑塊熱環(huán)境效應(yīng)研究——以成都市為例[J]. 中國(guó)園林, 2009, 25(12): 97-101.

[7] 買(mǎi)買(mǎi)提江·買(mǎi)提尼亞孜, 阿里木江·卡斯木. 干旱區(qū)典型城市下墊面特征及其與地表熱環(huán)境的關(guān)系研究[J]. 生態(tài)環(huán)境學(xué)報(bào), 2015, 24(11): 1865–1871.

[8] 姚玉龍, 劉普幸, 陳麗麗. 基于遙感影像的合肥市熱島效應(yīng)時(shí)空變化特征及成因[J]. 生態(tài)學(xué)雜志, 2013, 32(12): 3351–3359.

[9] 劉嬌妹, 李樹(shù)華, 楊志峰. 北京公園綠地夏季溫濕效應(yīng)[J]. 生態(tài)學(xué)雜志, 2008(11): 1972–1978.

[10] 陳燕紅, 蔡芫鑌. 福州主城區(qū)綠色空間演化的熱環(huán)境效應(yīng)差異[J]. 生態(tài)學(xué)雜志, 2019, 38(7): 2149–2158.

[11] 梁書(shū)維. 基于多源遙感數(shù)據(jù)的吉林省西部作物旱災(zāi)評(píng)價(jià)研究[D]. 長(zhǎng)春: 吉林大學(xué), 2019.

[12] 米合熱古麗·塔什卜拉提, 塔西甫拉提·特依拜, 買(mǎi)買(mǎi)提·沙吾提, 等. 渭庫(kù)綠洲土地利用/覆被變化對(duì)地表溫度的影響[J]. 山地學(xué)報(bào), 2017, 35(3): 291–299.

[13] 謝霞. 干旱區(qū)綠洲城市空間結(jié)構(gòu)研究[D]. 烏魯木齊: 新疆大學(xué), 2007.

[14] 陳凌燕, 竇燕. 烏魯木齊城市擴(kuò)張、經(jīng)濟(jì)發(fā)展與經(jīng)濟(jì)結(jié)構(gòu)動(dòng)態(tài)研究[J]. 合作經(jīng)濟(jì)與科技, 2019(6): 14–20.

[15] 王欣. 烏魯木齊城市經(jīng)營(yíng)的戰(zhàn)略選擇——建設(shè)“現(xiàn)代化國(guó)際商貿(mào)城”[J]. 新疆財(cái)經(jīng), 2006(1): 51–54.

[16] 呂光輝, 貢璐. MODIS熱紅外數(shù)據(jù)在烏魯木齊市熱島研究中的應(yīng)用[J]. 干旱區(qū)研究, 2007(5): 698–703.

[17] 哈尚辰, 阿里木江·卡斯木. 基于土地集約利用水平的城市熱島效應(yīng)影響因子分析[J]. 冰川凍土, 2016, 38(1): 270–278.

[18] 楊雅楠. 近20a烏魯木齊市城市熱環(huán)境空間格局變化與下墊面關(guān)系的研究[D]. 烏魯木齊: 新疆師范大學(xué), 2017.

[19] 姚玉龍. 西北綠洲典型城市地表溫度的時(shí)空變化特征與成因分析[D]. 蘭州: 西北師范大學(xué), 2014.

[20] 買(mǎi)合甫拉提·乃比. 烏魯木齊市建成區(qū)擴(kuò)張進(jìn)程中的植被及其熱島效應(yīng)研究[D]. 烏魯木齊: 新疆大學(xué), 2019.

[21] 阿里木江·卡斯木, 玉蘇普江·艾麥提. 基于ALOS數(shù)據(jù)的烏魯木齊市綠地景觀格局研究[J]. 地域研究與開(kāi)發(fā), 2012, 31(2): 86–89.

[22] 肖魯湘, 張?jiān)鱿? 譚文彬, 等. 近三十年烏魯木齊市建成區(qū)的時(shí)空動(dòng)態(tài)變化分析[J]. 世界科技研究與發(fā)展, 2007(4): 37–42.

[23] 吳梅, 劉卉, 湯萬(wàn)龍, 等. 基于烏魯木齊基礎(chǔ)氣象資料分析的城市規(guī)劃有關(guān)問(wèn)題探討[J]. 資源節(jié)約與環(huán)保, 2015(9): 142–143.

[24] 樂(lè)通潮, 聶森, 潘輝, 等. 基于Landsat8衛(wèi)星影像的地表溫度反演及福州春季城市熱島效應(yīng)分析[J]. 西北林學(xué)院學(xué)報(bào), 2019, 34(5): 154–160.

[25] 李紅, 高皜, 解韓瑋. 昆明市主城區(qū)熱環(huán)境及其影響因素的時(shí)空演化特征[J]. 生態(tài)環(huán)境學(xué)報(bào), 2018, 27(10): 1916–1924.

[26] 哈尚辰, 阿里木江·卡斯木. 基于土地集約利用水平的城市熱島效應(yīng)影響因子分析[J]. 冰川凍土, 2016, 38(1): 270–278.

[27] 楊沈斌, 趙小艷, 申雙和, 等. 基于Landsat TM/ETM+數(shù)據(jù)的北京城市熱島季節(jié)特征研究[J]. 大氣科學(xué)學(xué)報(bào), 2010, 33(4): 427–435.

[28] 李樂(lè), 徐涵秋. 杭州市城市空間擴(kuò)展及其熱環(huán)境變化[J]. 遙感技術(shù)與應(yīng)用, 2014, 29(2): 264–272.

[29] 雷磊, 塔西甫拉提·特依拜, 李金香, 等.干旱區(qū)典型綠洲地表溫度與植被覆蓋度相關(guān)性研究[J]. 中國(guó)沙漠, 2011, 31(4): 1001–1007.

[30] 包月梅, 孫紫英, 趙鵬武, 等. 基于遙感數(shù)據(jù)的根河市火燒跡地植被覆蓋度時(shí)空分析[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 2015, 43(11): 62–69.

[31] 李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京: 中國(guó)科學(xué)院研究生院(遙感應(yīng)用研究所), 2003.

[32] 孫久虎, 劉曉萌, 李佑鋼, 等. 北運(yùn)河地區(qū)植被覆蓋的遙感估算及變化分析[J]. 水土保持研究, 2006(6): 97–99.

[33] 劉靜, 銀山, 張國(guó)盛, 等. 毛烏素沙地17年間植被覆蓋度變化的遙感監(jiān)測(cè)[J]. 干旱區(qū)資源與環(huán)境, 2009, 23(7): 162–167.

Spatial and temporal evolution of thermal environment in Urumqi based on Landsat data

ZHAO hemiao1, Alimujiang KASIMU1,2,*

1. School of Geographic Science and Tourism, Xinjiang Normal University, Urumqi 830054, China 2. Research Center for Urbanization Development of Silk Road Economic Belt, Xinjiang Normal University, Urumqi 830054, China

In recent years, with the rapid development of urbanization, problem on the urban thermal environment has been intensifying. In order to clarify the changing characteristics and causes of the thermal environment in the urban center area in the rapid urbanization, we studied the main urban areas of Urumqi and extracted NDVI, FVC according to Landsat remote sensing images in 2000, 2005, 2010, 2015, 2017. The land surface temperatures were retrieved with the radiative transfer equation algorithm, and the relationship between urban surface temperature and underlying surface factor with the linear regression equations. The results are as follows. (1) 2000-2017, the middle high temperature areas and the high temperature areas in the main urban area of Urumqi continued to increase, with a total increase of 756.83 km2. On the contrary, the low temperature areas and the medium low temperature areas continued to decrease, with a total decrease of 639.92 km2.(2) A large number of areas with low and high vegetation coverage were converted to areas with medium, low and medium low coverage. The proportion of areas with vegetation coverage between 0.2 and 0.6 increased by 9.63%, and the vegetation coverage greater than 0.8 decreased from 29 km2in 2005 to 0.08 km2in 2017. (3) LST was negatively correlated with FVC, which indicated that the thermal field could be regulated by vegetation. The research results can provide references for the construction of Urumqi ecological city and the sustainable development of regional economy and ecology.

Landsat; temperature inversion; thermal environment; radiation transfer equation method; Urumqi

10.14108/j.cnki.1008-8873.2021.06.003

TU984; X16

A

1008-8873(2021)06-021-09

趙禾苗, 阿里木江·卡斯木. 基于Landsat數(shù)據(jù)的烏魯木齊市熱環(huán)境時(shí)空演化特征分析[J]. 生態(tài)科學(xué), 2021, 40(6): 21–29.

ZHAO hemiao, Alimujiang KASIMU. Spatial and temporal evolution of thermal environment in Urumqi based on Landsat data[J]. Ecological Science, 2021, 40(6): 21–29.

2020-05-06;

2020-05-29基金項(xiàng)目:國(guó)家自然科學(xué)基金項(xiàng)目(41661037); 新疆維吾爾自治區(qū)研究生科研創(chuàng)新項(xiàng)目(XJ2021G259)

趙禾苗(1998—), 女, 四川遂寧人, 碩士研究生, 研究方向: 資源環(huán)境遙感, E-mail: 2205362737@qq.com

通信作者:阿里木江·卡斯木, 男, 新疆烏魯木齊市人, 博士, 教授, 主要從事資源環(huán)境遙感研究, E-mail: alimkasim@xjnu.edu.cn