珞珈一號(hào)夜間燈光數(shù)據(jù)的福建省人為熱通量估算

林中立，徐涵秋，林從華

1.福建工程學(xué)院建筑與城鄉(xiāng)規(guī)劃學(xué)院,福州 350118;

2.福州大學(xué)環(huán)境與安全工程學(xué)院空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室,福州 350116;

3.福州大學(xué)遙感信息工程研究所福建省水土流失遙感監(jiān)測(cè)評(píng)估與災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室,福州 350116

1 引言

當(dāng)前，城市化進(jìn)程正在全球范圍內(nèi)以前所未有的速度進(jìn)行。城市化的快速發(fā)展伴隨著城市空間的不斷擴(kuò)張，自然地表被大面積的人工建筑所取代，城市熱島效應(yīng)逐步加?。≧izwan 等，2008；Imhoff 等，2010）。同時(shí)，城市人口數(shù)量激增，根據(jù)聯(lián)合國(guó)人口司統(tǒng)計(jì)數(shù)據(jù)顯示，世界城市人口比例從1950年的30%增加至2018年的55.3%，預(yù)計(jì)到2050年，世界城市人口比例將會(huì)達(dá)到68%（United Nations，2019）。密集的人類生產(chǎn)和生活消耗了大量不同形式的能源，最終除了向大氣排放溫室氣體外，還釋放大量熱量，這種熱量即為人為熱（Anthropogenic Heat）（Oke，1976；陳兵等，2016）。城市地區(qū)大量的人為熱排放可直接加熱地表和近地表大氣，影響局地能量平衡，加劇城區(qū)及其周邊區(qū)域溫度的升高，對(duì)局地氣候，尤其是城市熱島效應(yīng)產(chǎn)生不可忽視的影響（Block，2004；何曉鳳等，2007；Pal等，2012）。

Torrance 和Shun（1976）是最早關(guān)注城市人為熱排放及其對(duì)氣候影響的學(xué)者。隨后，許多學(xué)者也投入到人為熱的研究當(dāng)中，對(duì)城市和區(qū)域的人為熱排放進(jìn)行估算（Ichinose 等，1999；佟華等，2004；Bohnenstengel 等，2014）。研究者通常以人為熱通量AHF（Anthropogenic Heat Flux），即在單位時(shí)間和單位面積內(nèi)所產(chǎn)生的人為熱排放總通量（W/m2）來(lái)定量衡量人為熱排放的數(shù)量（Iamarino等，2012）。Wang 等（2019）對(duì)2016年中國(guó)地區(qū)的AHF 進(jìn)行估算，結(jié)果表明，在省級(jí)水平上，上海的年均AHF 最高，達(dá)12.53 W/m2，天津、北京和廣東次之，分別為6.91 W/m2、5.84 W/m2和4.53 W/m2。Flanner（2009）根據(jù)研究的模型預(yù)測(cè)，到2040年美國(guó)大陸、西歐以及中國(guó)地區(qū)的年均AHF 將分別達(dá)到0.59 W/m2、0.89 W/m2和0.76 W/m2，同時(shí)他還指出全球年均AHF 的不斷增加，將會(huì)加劇全球平均溫度的升高，并且致使行星邊界層內(nèi)的氣溶膠等大氣污染物釋放進(jìn)入AHF 較高的地區(qū)?？梢?jiàn)，人為熱排放是當(dāng)前全球城市，尤其是快速發(fā)展大背景下的中國(guó)城市的溫度升高、環(huán)境質(zhì)量下降等問(wèn)題的不可忽視的重要原因。

夜間燈光數(shù)據(jù)能在夜間探測(cè)到地球表面微弱的近紅外輻射，包括城市甚至小規(guī)模居民地的燈光、車流和其他持久性光源，以及云、油氣燃燒等短暫性光源（Elvidge 等，1997）?；谶@一特性，夜間燈光數(shù)據(jù)能夠較好地反映社會(huì)經(jīng)濟(jì)活動(dòng)與能源消耗的空間分布情況，已有許多學(xué)者發(fā)現(xiàn)了夜間燈光亮度值與AHF 之間存在顯著的相關(guān)關(guān)系（Chen 等，2012；馬盼盼等，2016；Wang 等，2019），利用這一特性可進(jìn)行AHF 的空間估算。Wang 等（2019）利用NPP/VIIRS 夜間燈光正規(guī)化亮度值NTLnor（Normalized nighttime light data）獲得了與AHF較高的擬合度（R2=0.95）。一些學(xué)者發(fā)現(xiàn)，將夜間燈光數(shù)據(jù)結(jié)合植被指數(shù)能夠在一定程度上消除夜間燈光數(shù)據(jù)過(guò)飽和的問(wèn)題，有效提高城市夜間燈光亮度的分異性與區(qū)分度，在城市開發(fā)較早、發(fā)展速度平穩(wěn)的地區(qū)可以有效凸顯城市核心區(qū)的燈光亮度與周邊臨近區(qū)域的差異（陳穎彪等，2019），從而提高夜間燈光與AHF 間的擬合度。Lu 等（2008）結(jié)合DMSP/OLS 夜間燈光數(shù)據(jù)與MODIS NDVI 植被產(chǎn)品，構(gòu)建了人居指數(shù)HSI（Human Settlement Index）。Chen 和Hu（2017）利用HSI對(duì)北京市縣區(qū)級(jí)尺度的AHF進(jìn)行擬合，得到了較為顯著的擬合度（R2=0.989）。Zhang 等（2013）則指出在燈光飽和區(qū)，可能出現(xiàn)NDVI 接近0，從而導(dǎo)致HSI 呈指數(shù)級(jí)增長(zhǎng)，造成矯枉過(guò)正的問(wèn)題，因此他們?cè)贖SI的成果基礎(chǔ)上，構(gòu)建了植被調(diào)節(jié)城市夜間燈光指數(shù)VANUI（Vegetation Adjusted NTL Urban Index）。

夜間燈光數(shù)據(jù)是AHF 定量估算的重要數(shù)據(jù)之一，但一直以來(lái)，應(yīng)用最為廣泛的夜間燈光數(shù)據(jù)為美國(guó)前后兩代的夜間燈光數(shù)據(jù)（DMSP/OLS 和Suomi-NPP/VIIRS），但其分辨率僅為30 arc-second（≈1000 m）和15 arc-second（≈500 m），基本無(wú)法揭示城市內(nèi)部AHF 的空間分異細(xì)節(jié)。2018年6月武漢大學(xué)成功發(fā)射了Luojia 1-01衛(wèi)星（http：//www.lmars.whu.edu.cn/index.php/xwzx/2168.html［2020-06-22］），提供了空間分辨率為130 m，輻射分辨率為14 bit 的夜間燈光影像，顯著改善了當(dāng)前夜間燈光影像空間分辨率低的問(wèn)題（Jiang等，2018；李德仁等，2019；鐘亮和劉小生，2019；Wang 等，2020），運(yùn)用Luojia 1-01 夜間燈光數(shù)據(jù)有望顯著提高AHF估算的空間分辨率，然而針對(duì)這一方面的研究和應(yīng)用迄今還鮮有報(bào)道。福建省是中國(guó)東部沿海的重要省份，當(dāng)前針對(duì)福建省人為熱排放的相關(guān)研究仍鮮有報(bào)道。鑒于此，本文基于Luojia 1-01夜間燈光數(shù)據(jù)，構(gòu)建2018年福建省AHF 的遙感估算模型，實(shí)現(xiàn)省域范圍的AHF高空間分辨率估算，并對(duì)福建省AHF 的空間分布規(guī)律進(jìn)行分析和探討。因此，本研究對(duì)Luojia 1-01夜間燈光數(shù)據(jù)的科學(xué)應(yīng)用及其省域尺度人為熱排放的研究都具有重要意義。

2 研究區(qū)和數(shù)據(jù)源

2.1 研究區(qū)概況

福建省位于中國(guó)東南沿海，地理位置為23°33′N—28°19′N，115°50′E—120°43′E，全省陸地總面積為124000 km2。福建省地形以山地丘陵為主，占全省總面積的80%以上，森林覆蓋率達(dá)67%，長(zhǎng)期居全國(guó)首位。福建省屬亞熱帶海洋性季風(fēng)氣候，溫暖濕潤(rùn)。2010年—2018年，總?cè)丝趶?693 萬(wàn)人增至3941 萬(wàn)人，地區(qū)生產(chǎn)總值從14737 億元增至35804 億元，能源消費(fèi)方面也出現(xiàn)較大的增幅，從9189 萬(wàn)噸標(biāo)準(zhǔn)煤增至13131 萬(wàn)噸標(biāo)準(zhǔn)煤（福建省統(tǒng)計(jì)局和國(guó)家統(tǒng)計(jì)局福建調(diào)查總隊(duì)，2019）。

福建省共有9個(gè)地級(jí)市（福州、廈門、漳州、泉州、三明、莆田、南平、龍巖和寧德），下轄85個(gè)縣（市、區(qū)），其中泉州市的金門縣，以及一些面積較小的沿海島礁不在此次研究區(qū)范圍內(nèi)，因此研究區(qū)總面積為121518 km2（圖1（a））。

圖1 福建省行政區(qū)劃圖及其夜間燈光影像Fig.1 The map of Fujian Province and its nighttime light image

2.2 遙感影像數(shù)據(jù)源

本文所用Luojia 1-01 夜間燈光影像來(lái)自高分辨率對(duì)地觀測(cè)系統(tǒng)湖北數(shù)據(jù)與應(yīng)用網(wǎng)（http：//www.hbeos.org.cn［2020-06-22］）發(fā)布的GEC 系統(tǒng)幾何糾正產(chǎn)品。Luojia 1-01于2018年6月2日發(fā)射升空后，2018年全年先后過(guò)境福建省10 次，經(jīng)逐影像檢查，剔除其中4次質(zhì)量不佳（大面積云對(duì)信息的遮擋、薄云造成的影像模糊與燈光溢出）的過(guò)境影像，本次采用的影像日期分別為：7月31日、8月21日、9月15日、9月26日、10月5日、10月30日、11月23日。

由于本文采用的一些AHF反演算法需要借助植被指數(shù)，所以進(jìn)一步選用了2018年的Landsat 8 影像。數(shù)據(jù)來(lái)自美國(guó)地質(zhì)調(diào)查局（USGS）官方網(wǎng)站（https：//earthexplorer.usgs.gov/［2020-06-22］）發(fā)布的Level 1T 產(chǎn)品（path/row：118—121/40—44）。影像獲取時(shí)間盡量選取7—8月植被長(zhǎng)勢(shì)最好的夏季，但因福建多云雨，部分影像質(zhì)量欠佳，因此使用9—10月影像或相近年份的數(shù)據(jù)進(jìn)行補(bǔ)充，并利用時(shí)間相近的數(shù)據(jù)對(duì)少量的空洞進(jìn)行填補(bǔ)（表1）。由于福建地區(qū)以常綠植被為主，所以7—10月的植被長(zhǎng)勢(shì)仍較為相近。

表1 研究所用Landsat 8影像Table 1 Landsat 8 images used in the study

3 研究方法

鑒于Luojia 1-01 夜間燈光數(shù)據(jù)尚無(wú)計(jì)算AHF的先例，本文提出一套利用該數(shù)據(jù)反演AHF 影像的技術(shù)流程（圖2）。

圖2 Luojia 1-01夜間燈光數(shù)據(jù)反演AHF的技術(shù)流程圖Fig.2 The flowchart of the retrieval of AHF via Luojia 1-01 nighttime light data

3.1 幾何校正

所獲取的Luojia 1-01 夜間燈光影像雖然已進(jìn)行系統(tǒng)幾何糾正，但根據(jù)產(chǎn)品信息顯示的定位精度，仍存在150—400 m 不等的誤差，而且不同景的影像其幾何偏移量也不同。因此，本文將幾何定位較為精確的Landsat 8 作為基準(zhǔn)影像，結(jié)合夜間燈光影像的成像特性，選取具有空間特征的地面控制點(diǎn)，如道路的交叉路口、橋梁的端點(diǎn)、建筑與水體等自然地物的邊界折點(diǎn)等，將每一景Luojia 1-01 逐一與Landsat 8 影像進(jìn)行配準(zhǔn)，誤差控制在0.5個(gè)像元內(nèi)。

3.2 輻射校正

（1）Luojia 1-01 夜間燈光影像的拼接與輻射亮度轉(zhuǎn)換。由于覆蓋福建省全境范圍的夜間燈光數(shù)據(jù)需由多景影像進(jìn)行拼接，并且存在同一區(qū)域覆蓋多景影像的情況，為了確保夜間燈光數(shù)據(jù)的空間連續(xù)性，并消除夜間燈光數(shù)據(jù)存在的短暫燈光噪聲，將相互重疊的區(qū)域進(jìn)行燈光亮度均值化的處理，同時(shí)規(guī)定若有一景影像的像元值為0，則該像元所代表的這一位置則為0（曹子陽(yáng)等，2015）。將處理后的影像進(jìn)行拼接，并裁剪得到研究區(qū)的夜間燈光影像。進(jìn)一步將影像的DN 值轉(zhuǎn)換為輻射亮度值，轉(zhuǎn)換公式源于Luojia 1-01 官方網(wǎng)站（http：//www.hbeos.org.cn［2020-06-22］）：

式中，L為夜間燈光絕對(duì)輻射校正后輻射亮度值（W/（m2·sr·μm））。

（2）Luojia 1-01 夜間燈光影像的異常值校正。夜間燈光異常值是指那些具有異常高亮度值的像元，可由火光或油氣燃燒產(chǎn)生（Shi 等，2014）。本文根據(jù)Shi 等（2014）提出的異常值校正方法，將福建地區(qū)城市發(fā)展程度最高的省會(huì)福州和經(jīng)濟(jì)特區(qū)廈門的夜間燈光進(jìn)行統(tǒng)計(jì)，得到其最大輻射亮度值為9814.52 W/（m2·sr·μm），將該值作為異常值校正閾值，若研究區(qū)內(nèi)有高于這一閾值的像元，則查看該像元相鄰的8 個(gè)像元，并選擇8 個(gè)相鄰像元中最大的DN值重新賦值給這一異常像元。

（3）Landsat 8的輻射校正則采用Landsat用戶手冊(cè)中的模型和Chavez 的COST 大氣校正模型，將原始影像的DN 值轉(zhuǎn)換為傳感器處反射率（at-sensor reflectance）（Chavez，1996；Chander 和Markham，2003；USGS，2019）。

最后將經(jīng)過(guò)影像配準(zhǔn)和輻射校正的Luojia 1-01夜間燈光影像和Landsat 8 的投影轉(zhuǎn)換為Alberts 等面積投影，并將Luojia 1-01 空間分辨率重采樣為與Landsat 8相同的30 m（圖1（b））。

3.3 AHF空間估算指數(shù)的計(jì)算

本文選取了當(dāng)前常用的3種夜間燈光數(shù)據(jù)AHF估算指數(shù)進(jìn)行實(shí)驗(yàn)，分別為NTLnor、HSI和VANUI。這3 種指數(shù)都是基于美國(guó)前后兩代夜間燈光數(shù)據(jù)DMSP/OLS和NPP/VIIRS提出的，其中HSI和VANUI還需綜合MODIS 植被指數(shù)產(chǎn)品進(jìn)行計(jì)算。目前針對(duì)Luojia 1-01 夜間燈光數(shù)據(jù)的AHF 估算指數(shù)還未見(jiàn)報(bào)道。因此，本文嘗試將這3 個(gè)指數(shù)移植到Luojia 1-01 數(shù)據(jù)中，并結(jié)合Landsat 影像的歸一化植被指數(shù)NDVI（Normalized Difference Vegetation Index）進(jìn)行AHF 的反演。NTLnor、HSI和VANUI指數(shù)的計(jì)算公式分別為（Lu 等，2008；Zhang 等，2013）：

式中，NTL、NTLmax和NTLmin分別為夜間燈光輻射亮度值及其最大值和最小值；NDVImax為NDVI在研究年份中的最大值。本文利用所獲取的各景Landsat 8影像計(jì)算NDVI值，然后通過(guò)逐景NDVI數(shù)據(jù)的疊加分析，從中求出NDVI 的最大值（Lu 等，2008），其計(jì)算公式為

式中，NDVI1，NDVI2，…，NDVIn為各景影像的NDVI數(shù)據(jù)。

對(duì)于NTLmin的獲取，本文采用常用的指數(shù)閾值法（Imhoff等，1997；Ma等，2012；Yue等，2014）。利用Google Earth高分影像對(duì)Landsat 8 NDVImax數(shù)據(jù)純植被像元提取效果的目視比對(duì)，確定將NDVImax大于0.52 設(shè)定為純植被像元，其上疊加的燈光輻射亮度值如大于0，即認(rèn)為這一區(qū)域?yàn)闊艄庖绯?。?jù)此統(tǒng)計(jì)得到燈光溢出區(qū)域的夜間燈光輻射亮度均值為2.02 W/（m2·sr·μm），因此將NTLmin設(shè)為2.02。

3.4 基于統(tǒng)計(jì)年鑒的AHF數(shù)據(jù)統(tǒng)計(jì)計(jì)算

基于統(tǒng)計(jì)年鑒計(jì)算的AHF 數(shù)據(jù)是夜間燈光數(shù)據(jù)反演結(jié)果的對(duì)比驗(yàn)證依據(jù)。因此，本文采用至上而下源清單法，根據(jù)福建省統(tǒng)計(jì)年鑒數(shù)據(jù)（福建省統(tǒng)計(jì)局和國(guó)家統(tǒng)計(jì)局福建調(diào)查總隊(duì)，2019），對(duì)2018年福建省84 個(gè)縣（市、區(qū)）的工業(yè)、交通、建筑（商業(yè)和生活建筑）以及人體新陳代謝（馬盼盼等，2016；Chen 和Hu，2017；Wang 等，2019），這4 個(gè)主要人為熱排放源的年均AHF 進(jìn)行計(jì)算，公式為

式中，QS為地區(qū)年均AHF總量（W/m2）；QI為工業(yè)熱通量（W/m2）；QV為交通熱通量（W/m2）；QB為建筑熱通量（W/m2）；QM為人體新陳代謝熱通量（W/m2）。

QI、QV、QB和QM的計(jì)算公式分別為

式中，EI為工業(yè)標(biāo)準(zhǔn)煤熱消耗，用每噸標(biāo)準(zhǔn)煤當(dāng)量表示（tce）；C為標(biāo)準(zhǔn)煤熱值，中國(guó)規(guī)定的標(biāo)準(zhǔn)煤發(fā)熱值為29306 kJ/kg；A為研究區(qū)土地面積（m2）；T為時(shí)間，本次研究為1年。

式中，CMV為民用機(jī)動(dòng)車保有量；D為機(jī)動(dòng)車年均行駛距離（km）；E為汽油消耗率（L/km）；ρ為汽油消耗密度（kg/L）；NHC為凈熱量消耗（kJ/g）（Chen和Hu，2017）。

式中，EBC和EBR分別為商業(yè)建筑和生活建筑標(biāo)準(zhǔn)煤熱消耗（tce）。

式中，s1和s2分別為人體活動(dòng)階段（7：00—23：00）和人體睡眠階段（23：00—7：00）的人均代謝熱消耗（W）（Grimmond，1992；Quah和Roth，2012）；t1和t2分別為人體活動(dòng)時(shí)長(zhǎng)和睡眠時(shí)長(zhǎng)（h）；P為人口數(shù)量。

3.5 AHF遙感估算模型的構(gòu)建與驗(yàn)證

前文述及，夜間燈光亮度值與AHF 有著顯著的相關(guān)性，利用這一特性可將夜間燈光估算指數(shù)結(jié)果與統(tǒng)計(jì)年鑒數(shù)據(jù)的AHF 計(jì)算結(jié)果進(jìn)行關(guān)聯(lián)，構(gòu)建基于夜間燈光數(shù)據(jù)的AHF遙感空間估算模型。根據(jù)統(tǒng)計(jì)年鑒，通過(guò)式（6）—（10）可計(jì)算得到福建省84 個(gè)縣域（不含金門縣）的年均AHF 統(tǒng)計(jì)值（記為：AHFsta），并將其作為因變量（y）；將NTLnor、HSI 和VANUI 估算指數(shù)計(jì)算得到的各縣域均值作為自變量（x），然后進(jìn)行多種函數(shù)的回歸分析，建立AHF的遙感估算模型。

通過(guò)對(duì)比不同估算模型的回歸方程擬合度（R2），初步篩選出R2較高的估算模型。為了進(jìn)一步評(píng)價(jià)AHF 估算模型的結(jié)果，采用統(tǒng)計(jì)學(xué)上常用的五折交叉驗(yàn)證法（5-fold cross-validation），該交叉驗(yàn)證是將樣本數(shù)據(jù)隨機(jī)分成5 份，將其中4 份作為訓(xùn)練數(shù)據(jù)，1 份作為測(cè)試數(shù)據(jù)，最終得到5 次驗(yàn)證結(jié)果，并將其作為對(duì)估算模型精度的結(jié)果，使用均方根誤差（RMSE）進(jìn)行定量表示（楊立娟等，2018；Yang等，2019）。

4 結(jié)果與討論

4.1 AHF最佳遙感估算模型的確定與驗(yàn)證

為了從NTLnor、HSI 和VANUI 這3 個(gè)指數(shù)中確定出最佳估算模型，在回歸時(shí)分別采用線性、多項(xiàng)式、指數(shù)、對(duì)數(shù)、乘冪等5 種函數(shù)對(duì)3 個(gè)指數(shù)（x）和基于統(tǒng)計(jì)年鑒計(jì)算的AHF（記為：AHFsta）進(jìn)行回歸分析。各估算模型的方程擬合都通過(guò)了1%的顯著性檢驗(yàn)（p<0.01），從表2 可以看出，乘冪函數(shù)估算模型在3 個(gè)指數(shù)中的R2都是最高的，而其中NTLnor、VANUI 的R2都大于0.9，高于HSI的0.8。

表2 AHF空間估算模型Table 2 The AHF spatial estimation models based on different indexes

雖然VANUI乘冪估算模型的R2略高于NTLnor乘冪估算模型，但優(yōu)勢(shì)不明顯。因此，將二者乘冪函數(shù)估算模型進(jìn)行五折交叉驗(yàn)證。從圖3的驗(yàn)證結(jié)果可知，2 個(gè)估算模型的估算值與統(tǒng)計(jì)的AHFsta驗(yàn)證值之間的擬合度很高，R2均達(dá)到0.98。就RMSE 誤差而言，VANUI 乘冪估算模型的2.1786 W/m2小于NTLnor的2.2411 W/m2，因此本文選用VANUI 乘冪估算模型作為福建省AHF的最佳遙感估算模型。

圖3 AHF估算模型驗(yàn)證交叉驗(yàn)證結(jié)果Fig.3 Cross-validation results of AHF estimation models

從上述NTLnor、HSI 和VANUI 的估算模型構(gòu)建結(jié)果可以看出，這3 個(gè)指數(shù)與AHFsta的回歸方程都有著較好的擬合度，其中NTLnor和VANUI乘冪估算模型驗(yàn)證有著較高的精度。但VANUI 從估算模型擬合度和模型估算精度方面都要略高于NTLnor，說(shuō)明在單一夜間燈光數(shù)據(jù)得到的NTLnor中引入植被指數(shù)，對(duì)模型估算精度的提高確實(shí)有一定作用。然而，對(duì)于HSI，雖然也同樣引入植被指數(shù)，但估算模型擬合效果仍不夠理想，通過(guò)考察HSI的計(jì)算公式（式（3））可以發(fā)現(xiàn)，由于NTLnor與NDVImax有著較顯著的乘冪關(guān)系，因此當(dāng)NTLnor在高亮燈光區(qū)域出現(xiàn)最大值，或接近最大值1 時(shí)，NDVImax則將接近最小值0，這將造成HSI 值呈指數(shù)級(jí)快速增加，出現(xiàn)極大值的極端情況，導(dǎo)致HSI計(jì)算結(jié)果的失真（Zhang 等，2013）。Wang 等（2019）也在研究中指出，運(yùn)用NTLnor和VANUI 所構(gòu)建的估算模型其AHF估算結(jié)果要明顯優(yōu)于HSI。

4.2 AHF空間估算結(jié)果

根據(jù)基于VANUI 的乘冪估算模型（AHFsta=848.2905x0.8198）反演出2018年福建省AHF 分布圖（圖4（a））和各縣（市、區(qū)）的AHF 均值分布圖（圖4（b））?？梢钥闯?，福建省AHF整體上呈現(xiàn)明顯的空間分異性，經(jīng)濟(jì)水平較高的東南沿海地區(qū)，其AHF 也較高，在空間上形成了從福州到廈門的沿海人為熱排放集聚帶；而中、西部地區(qū)多為山地，森林覆蓋度高，城市較為分散，因此AHF 整體較低，分布也較為稀疏。

圖4 2018年福建省AHF分布圖Fig.4 The AHF map of Fujian Province in 2018

對(duì)圖4 進(jìn)行統(tǒng)計(jì)可知，2018年全省AHF 均值為0.88 W/m2。9 個(gè)地級(jí)市中，廈門的年均AHF 最高，達(dá)10.98 W/m2，泉州、莆田、福州、漳州等沿海城市次之，年均AHF 在0.98—1.95 W/m2，而北部的寧德以及中西部?jī)?nèi)陸山區(qū)的龍巖、三明、南平等城市則較低，均值在0.38—0.46 W/m2（圖5），在空間上明顯體現(xiàn)出東西分異的狀況。

圖5 福建省9個(gè)城市的年均AHFFig.5 The average annual AHF values of the nine prefecture-level cities of Fujian Province

為探究Luojia 1-01 高分辨率數(shù)據(jù)在確定城市內(nèi)部AHF 空間細(xì)節(jié)方面是否有優(yōu)勢(shì)，對(duì)福建省東部沿海AHF 高值集聚最明顯的福州市區(qū)、泉州市區(qū)和廈門島進(jìn)行城市AHF 空間細(xì)節(jié)呈現(xiàn)（圖6）?？梢钥闯?，Luojia 1-01 影像具有較強(qiáng)的城市內(nèi)部空間刻畫能力，能夠清晰地揭示城區(qū)人為熱排放的分異細(xì)節(jié)。進(jìn)一步對(duì)Luojia 1-01 所呈現(xiàn)的AHF空間細(xì)節(jié)進(jìn)行分析，在城市空間尺度上，3個(gè)城市的AHF均呈現(xiàn)在老城區(qū)或大型商業(yè)區(qū)的塊狀集聚，如福州東街口和江濱商業(yè)區(qū)、泉州城市中心區(qū)、廈門的老城區(qū)和集中商業(yè)區(qū)等區(qū)域，這些區(qū)域的AHF 多在150 W/m2以上，局部最高值區(qū)域可超過(guò)500 W/m2。此外，一些大型的市政公共設(shè)施區(qū)也有較大面積的高值集聚，如廈門高崎國(guó)際機(jī)場(chǎng)、貨運(yùn)碼頭、廈門國(guó)際會(huì)展中心的AHF 都超過(guò)100 W/m2。相比于商業(yè)區(qū)和大型公共設(shè)施區(qū)，一些連片居住片區(qū)，如福州金山住宅區(qū)、泉州東海灣片住宅區(qū)、廈門島內(nèi)住宅區(qū)等，其AHF則有一定程度的降低，可保持在10—50 W/m2。而一些城市近郊的村莊和社區(qū)的AHF則更低，一般為2—10 W/m2。從圖6還可以發(fā)現(xiàn)，人為熱排放除了呈塊狀集聚外，同時(shí)沿城市主干道呈網(wǎng)狀蔓延，根據(jù)主干道的車流情況與繁華程度的不同，AHF 呈現(xiàn)出不同的數(shù)值，一般為30—100 W/m2，而在一些道路的交匯點(diǎn)，AHF可達(dá)200 W/m2（表3）。

表3 不同用地類型的AHF均值Table 3 The mean AHF of the different land use types

圖6 福建省3個(gè)主要沿海城市的AHF高值區(qū)域Fig.6 High AHF areas in the three coastal cities of Fujian Province

以上分析表明Luojia 1-01 高空間分辨率數(shù)據(jù)有助于城市內(nèi)部AHF 空間細(xì)節(jié)的辨析，并可獲取各土地覆蓋類型的AHF 定量數(shù)值。根據(jù)用地屬性和用地功能的不同，AHF 數(shù)值可表現(xiàn)為：城市集中商業(yè)區(qū)>大型市政公共設(shè)施區(qū)>城市主干道>城市住宅區(qū)>近郊住宅區(qū)，這一發(fā)現(xiàn)將有助于人為熱的減排和治理。但是，研究也發(fā)現(xiàn)作為城市白天關(guān)鍵熱源之一的工業(yè)區(qū)未能在AHF 結(jié)果中很好地體現(xiàn)，許多工業(yè)區(qū)在反演的AHF影像中的值并不高。這主要是由于工業(yè)區(qū)的生產(chǎn)活動(dòng)及其熱排放主要是在白天進(jìn)行，因此夜間燈光數(shù)據(jù)未能捕捉到夜間工業(yè)區(qū)的信息，造成了工業(yè)區(qū)AHF 數(shù)值偏低的結(jié)果。在今后的AHF 研究中可加入白天過(guò)空的熱紅外遙感數(shù)據(jù)，以彌補(bǔ)這一缺陷。這是由于熱紅外數(shù)據(jù)可以較全面地揭示日間人為活動(dòng)熱源的空間分異規(guī)律，特別是對(duì)工業(yè)區(qū)的生產(chǎn)及其熱排放有明顯的熱輻射信息反饋，因此，在后續(xù)研究中可嘗試耦合夜間燈光與熱紅外數(shù)據(jù)，以期更加全面、精準(zhǔn)地定量估算AHF的空間分布。

5 結(jié)論

本文運(yùn)用Luojia 1-01 夜間燈光數(shù)據(jù)，輔以Landsat 8 植被指數(shù)數(shù)據(jù)，構(gòu)建了AHF 空間估算的遙感模型，并反演得到了福建省AHF 空間分布影像，所獲得主要結(jié)論如下：

（1）Luojia 1-01 夜間燈光可以有效地反演AHF數(shù)據(jù)，揭示其空間分布細(xì)節(jié)。在所采用的3個(gè)指數(shù)中，VANUI 指數(shù)與福建省2018年各縣域的AHF 統(tǒng)計(jì)數(shù)據(jù)的擬合度最高，基于其乘冪函數(shù)構(gòu)建的AHF遙感估算模型的RMSE誤差也最小。

（2）從VANUI 估算模型反演得到的AHF 結(jié)果可知，2018年福建省年均AHF 為0.88 W/m2，且在空間上表現(xiàn)為經(jīng)濟(jì)水平較高的東南沿海地區(qū)的AHF明顯高于中、西部?jī)?nèi)陸地區(qū)，并形成了東部沿海熱排放集聚帶。由于AHF 與工業(yè)產(chǎn)值和城市人口密度的相關(guān)度最高，因此，在今后的城市發(fā)展中，應(yīng)避免人口和工業(yè)過(guò)度集中，逐步對(duì)高熱集聚區(qū)進(jìn)行有序疏散。

（3）Luojia 1-01相比于前兩代夜間燈光DMSP/OLS 和Suomi-NPP/VIIRS 在影像的空間分辨率上有了較大的提升，這顯著提高了夜間燈光數(shù)據(jù)對(duì)AHF 空間細(xì)節(jié)的辨析能力。本文也因此發(fā)現(xiàn)了研究區(qū)城市內(nèi)部因用地屬性和功能的不同而表現(xiàn)出的AHF不同，具體表現(xiàn)為：城市集中商業(yè)區(qū)>大型市政公共設(shè)施區(qū)>城市主干道>城市住宅區(qū)>郊區(qū)住宅區(qū)，這一發(fā)現(xiàn)將有助于城市人為熱的減排和治理。