基于CA-Markov模型的海口市城市熱島模擬預(yù)測(cè)*

王子安，孟慶巖，張琳琳，胡蝶，楊天梁

(1 中國科學(xué)院空天信息創(chuàng)新研究院， 北京 100101；2 中國科學(xué)院大學(xué)， 北京 100049； 3 中國科學(xué)院空天信息創(chuàng)新研究院海南研究院， 海南 三亞 572029; 4 三亞中科遙感研究所， 海南 三亞 572029)

隨著城鎮(zhèn)化進(jìn)程的不斷加快，原有地表覆被中的土壤、綠地、水體等自然景觀類型逐步減少，并被建筑物、道路等不透水面代替，造成城市溫度明顯高于城郊區(qū)(縣)的現(xiàn)象，為城市熱島(urban heat island, UHI)[1]，致使城市熱島形成和加強(qiáng)的效應(yīng)為城市熱島效應(yīng)。城市熱島效應(yīng)存在諸多負(fù)面影響，如使城市環(huán)境惡化，人體產(chǎn)生疾病，甚至還會(huì)威脅到全球氣候[2]，所以研究城市熱島發(fā)展趨勢(shì)，模擬預(yù)測(cè)其未來演變情況刻不容緩。

目前，對(duì)城市熱島效應(yīng)的研究，主要包括城市熱島時(shí)空演變[3-5]、成因機(jī)制[6-8]、環(huán)境影響[9-11]與模擬預(yù)測(cè)[12-14]等。其中，在城市熱島數(shù)值模擬預(yù)測(cè)方面，使用較多的方法主要包括4類：1)引入灰色系統(tǒng)理論，運(yùn)用灰色關(guān)聯(lián)度分析法定量計(jì)算城市熱環(huán)境影響因子的貢獻(xiàn)率[15-17]；2)以熱力學(xué)和動(dòng)力學(xué)為基礎(chǔ)，利用邊界層數(shù)值模式(一維、二維、三維)，模擬城市熱島的現(xiàn)狀與趨勢(shì)[18-20]，包括回歸分析等數(shù)學(xué)模擬方法[21]；3)應(yīng)用中尺度大氣模式模型模擬運(yùn)算復(fù)雜的城市環(huán)境演變過程，最終模擬城市熱環(huán)境[22-24]；4)通過使用馬爾可夫(Markov)模型、元胞自動(dòng)機(jī)(cellular automata, CA)等預(yù)測(cè)模型模擬城市熱環(huán)境的分布情況。上述方法為城市熱環(huán)境的研究提供了新視角，同時(shí)如何提高城市熱環(huán)境演變的準(zhǔn)確性將成為新的挑戰(zhàn)。本研究將CA模型對(duì)復(fù)雜系統(tǒng)空間進(jìn)行模擬的功能與Markov模型對(duì)時(shí)間序列敏感的優(yōu)勢(shì)相結(jié)合，該模型在土地利用及覆被變化的演變過程已較成熟[25-27]，但在預(yù)測(cè)分析城市熱環(huán)境的相關(guān)研究還較少，因此模型欠缺可推廣性。

如何緩解城市熱島并提出相應(yīng)措施是當(dāng)前研究的核心問題，國內(nèi)外研究者已獲得一些科研成果。最廣泛認(rèn)可的解決方案是增加每單位綠色植物的數(shù)量[28-30]。如Gallo等[31]利用國家海洋和大氣管理局系列氣象衛(wèi)星上搭載的4通道輻射計(jì)(NOAA/AVHRR)數(shù)據(jù)采集地表輻射溫度與植被指數(shù)，對(duì)地表溫度與植被指數(shù)關(guān)系進(jìn)行了研究，得出二者存在較強(qiáng)的線性關(guān)系。然而，由于城市的快速擴(kuò)張，如何在充分利用綠地的同時(shí)，合理增加建筑物等不透水面面積來調(diào)節(jié)城市溫度，仍然是一大難題。已有較多文獻(xiàn)得出城市熱島效應(yīng)的增強(qiáng)或地表溫度的升高與建設(shè)用地等不透水面面積的增大密不可分，甚至有較強(qiáng)的推動(dòng)作用[32-34]。但是，上述研究側(cè)重于單變量的變化在時(shí)間維度上的對(duì)比分析，忽略了其他因素對(duì)城市熱環(huán)境的共同影響作用，其結(jié)果較為片面。本文將綜合考慮不透水面和綠地指數(shù)，研究其與城市熱環(huán)境的關(guān)系。

綜上，鮮有模型能構(gòu)建城市熱環(huán)境的時(shí)空格局演變，并將其特征凸顯出來，且缺乏多因素對(duì)城市熱環(huán)境的變化研究。基于此，本文以?？谑袨槔?，采用2000—2018年Landsat遙感數(shù)據(jù)反演地表溫度，構(gòu)建CA-Markov模型進(jìn)行城市熱島模擬與預(yù)測(cè)，并用適宜性圖集修正相關(guān)的模型參數(shù)，對(duì)2024年熱島強(qiáng)度的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，同時(shí)引入Kappa系數(shù)評(píng)價(jià)解譯精度。最后通過多元線性回歸模型，分析城市熱島強(qiáng)度與歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)、歸一化差值建成指數(shù)(normalized difference built-up index，NDBI)的相關(guān)關(guān)系，以期為城市規(guī)劃部門制定城市未來發(fā)展方向的相關(guān)政策提供參考。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概括

?？谑惺呛Ｄ鲜∈?huì)，地處中國華南地區(qū)海南島的北部(19°31′～20°06′N，110°10′～110°42′E)，屬熱帶海洋季風(fēng)氣候。國家“一帶一路”倡議支點(diǎn)城市，是海南省政治、經(jīng)濟(jì)、文化、科技中心，也是最大的交通樞紐。在2015年通過的“多規(guī)合一”實(shí)施方案中，明確表示要充分利用 “海綿城市”開辟一個(gè)全新的市域一體化空間布局。近年來，伴隨著旅游業(yè)的發(fā)展，?？谑谐鞘谢ㄔO(shè)步伐加快，不透水面面積持續(xù)擴(kuò)張，人口密度與城市規(guī)模越來越大，環(huán)境污染問題日益嚴(yán)峻，其中城市熱島效應(yīng)為最顯著問題之一[35-36]。

1.2 數(shù)據(jù)源與數(shù)據(jù)預(yù)處理

選取Landsat5 TM與Landsat8 OLI/TIRS遙感數(shù)據(jù)作為城市熱島研究對(duì)象，數(shù)據(jù)可從美國地質(zhì)調(diào)查局(United States Geological Survey,USGS)網(wǎng)站(www.earthexplorer.usgs.gov)直接獲取。Landsat5 TM數(shù)據(jù)熱紅外波段的空間分辨率為120 m，而Landsat8 OLI/TIRS數(shù)據(jù)熱紅外波段的空間分辨率為100 m，為了光學(xué)存儲(chǔ)和使用將原始數(shù)據(jù)重采樣到30 m。將所有Landsat熱紅外數(shù)據(jù)做重采樣到與Landsat 8地表溫度數(shù)據(jù)分辨率一致。由于 2000—2018 年海口市6—9月份的夏季 Landsat數(shù)據(jù)存在不同地區(qū)、不同程度的云覆蓋嚴(yán)重的現(xiàn)象，對(duì)于整幅影像來說，可用數(shù)據(jù)缺乏，因此選擇云覆蓋率小于30%，適合進(jìn)行地表溫度反演的數(shù)據(jù)(成像時(shí)間為2000年11月7日、2008年11月29日、2016年12月5日、2018年5月17日)作為本研究的數(shù)據(jù)使用。

輔助數(shù)據(jù)為?？谑行姓^(qū)劃矢量數(shù)據(jù)、土地利用現(xiàn)狀圖。采用監(jiān)督分類的方法得各個(gè)年份的土地利用與覆被類型分類圖。利用ERDAS軟件實(shí)現(xiàn)幾何校正，采用雙線性插值的二階多項(xiàng)式變換進(jìn)行重采樣，手動(dòng)選擇33個(gè)地面控制點(diǎn)，得到的幾何配準(zhǔn)誤差小于一個(gè)像素的Landsat數(shù)據(jù)(30 m)。

2 研究方法

首先基于輻射傳輸方程法對(duì)Landsat數(shù)據(jù)進(jìn)行地表溫度反演，采用城郊溫差法計(jì)算城市熱島強(qiáng)度范圍，依據(jù)可變閾值的方法進(jìn)行熱島強(qiáng)度分級(jí)，對(duì)其進(jìn)行時(shí)空分布特征分析。借助CA-Markov模型模擬預(yù)測(cè)未來城市熱島強(qiáng)度的時(shí)空演變規(guī)律，并驗(yàn)證預(yù)測(cè)結(jié)果的可信度。最后利用波段運(yùn)算計(jì)算NDVI、NDBI標(biāo)準(zhǔn)化指數(shù)，分別與城市熱島強(qiáng)度進(jìn)行多元線性回歸分析，并提出相應(yīng)的緩解措施。

2.1 地表溫度反演與等級(jí)劃分

利用輻射傳輸方程法估算地表溫度。根據(jù)輻射傳輸模型，衛(wèi)星傳感器接收到的熱紅外輻射亮度值的表達(dá)式為

(1)

Lsensor=Gain*DN+Offest，

(2)

Gain=(Lmax-Lmin)/Quantize，

(3)

Offest=Lmin，

(4)

式中：Gain為增益值，Offest為偏置值；Quantize為量化級(jí)數(shù)。進(jìn)而，利用典型地表比輻射率組合的方法估計(jì)地表比輻射率ε[37]。本文將地表地物類型視作由城鎮(zhèn)、水面和自然表面構(gòu)成。水面的結(jié)構(gòu)較單一，εw為0.995；城鎮(zhèn)可以看作由建筑物和道路構(gòu)成，簡(jiǎn)化為植被與建筑物的混合地表；自然表面可以看成由陸地表面、林業(yè)用地和農(nóng)田等構(gòu)成，所以可粗略地將地表分為裸露的土壤、植被完全覆蓋的地表、植被和裸土共同構(gòu)成的混合地表。具體計(jì)算方法如下：

Landsat數(shù)據(jù)預(yù)處理后，分別計(jì)算歸一化植被指數(shù)NDVI、歸一化水體指數(shù)NDWI與歸一化建筑指數(shù)NDBI。利用NDWI指數(shù)掩膜水體，其次根據(jù)NDBI指數(shù)設(shè)置合適的閾值將影像數(shù)據(jù)分為自然表面與城鎮(zhèn)表面。自然表面εnature與城鎮(zhèn)表面εbuilt-up的計(jì)算方法如下：

εnature=fcRvεv+(1-fc)Rsεs+dε，

(5)

εbuilt-up=fcRvεv+(1-fc)Rmεm+dε，

(6)

式中：εv為植被的地表比輻射率，取其為0.986；εs為裸土的地表比輻射率，取其為0.972；εm為建筑物純像元的地表比輻射率，取其為0.970；Rv為植被的溫度比率，Rs為裸土的溫度比率，Rm為建筑物的溫度比率；fc為植被覆蓋度。相關(guān)參數(shù)計(jì)算方法如下:

Rv=0.933 2+0.058 5fc，

(7)

Rs=0.990 2+0.106 8fc，

(8)

Rm=0.988 6+0.128 7fc，

(9)

fc=(NDVI-NDVImin)/(NDVImax-NDVImin).

(10)

最后根據(jù)美國國家航空航天局(NASA)官網(wǎng)中提供的大氣上下行輻射、大氣路徑的透過率τ，可根據(jù)式(1)反推地表真實(shí)溫度Ts

Ts=K2/ln(K1/B(Ts)+1)，

(11)

式中K1、K2為定標(biāo)常數(shù)。對(duì)于陸地衛(wèi)星Landsat，依據(jù)其不同的影像掃描類型，參數(shù)的取值不同。根據(jù)去云結(jié)果，選取?？谑斜辈繀^(qū)域，得到2000—2018年?？谑械乇頊囟犬a(chǎn)品4景，如圖1所示。

圖1 Landsat數(shù)據(jù)反演?？谑械乇頊囟葓D

在得到反演的地表溫度數(shù)據(jù)后，將此溫度數(shù)據(jù)與相應(yīng)亮度溫度(brightness temperature)進(jìn)行差值處理，差值數(shù)據(jù)如表1所示。由于亮度溫度是沒有考慮大氣和地表等因素，其溫度往往要比實(shí)際地溫低。對(duì)比標(biāo)準(zhǔn)差和平均值，反演精度較可靠，但由于缺乏詳細(xì)的溫度相關(guān)數(shù)據(jù)，如每個(gè)區(qū)(縣)的相關(guān)溫度數(shù)據(jù)，反演精度還有待提高。

表1 ?？谑械乇頊囟扰c亮度溫度數(shù)據(jù)差值

進(jìn)而計(jì)算城市熱島強(qiáng)度(urban heat island intensity,UHII)，選擇城郊溫差法計(jì)算熱島強(qiáng)度[38]。參考現(xiàn)有的研究方法將地表溫度近似視為城市溫度，郊區(qū)溫度選擇背景為農(nóng)田區(qū)域的平均值[39-41]。本研究將具有以下特點(diǎn)的區(qū)域作為農(nóng)田區(qū)域背景：土地利用和覆被變化分類系統(tǒng)中，將除建設(shè)用地、水體和山區(qū)以外的地區(qū)定義為農(nóng)村地區(qū)[42-43]。根據(jù)此篩選條件得農(nóng)村背景地區(qū)范圍，進(jìn)而疊加溫度圖，計(jì)算平均值作為郊區(qū)溫度?；诖耍脽釐u強(qiáng)度計(jì)算公式如下

(12)

式中:UHIIi為像素i在圖像上對(duì)應(yīng)的熱島強(qiáng)度(K)，Ti為像素i的地表溫度(K)，n為鄉(xiāng)村背景區(qū)域像素總數(shù)，Tbj為像元j在農(nóng)村區(qū)域內(nèi)的比較。為反映城市熱島強(qiáng)度空間分布特征，采用可變閾值的方法[44]將城市熱島強(qiáng)度劃分為5個(gè)等級(jí)。此級(jí)別劃分方式可有效防止由于極端天氣狀況導(dǎo)致的熱島強(qiáng)度差別較大的情況。

2.2 CA-Markov模型建構(gòu)與檢驗(yàn)

將元胞自動(dòng)機(jī)模型和馬爾科夫模型相結(jié)合，在時(shí)間和空間兩個(gè)維度上進(jìn)行動(dòng)態(tài)演變分析，該模型在模擬預(yù)測(cè)土地利用分類、人口動(dòng)態(tài)演變等地理過程已較成熟[45-46]。將其應(yīng)用到城市熱島模擬中，可表示為

St+1=f(St,N)，

(13)

式中：St與St+1表示不同時(shí)刻元胞狀態(tài)，N代表鄰域，f代表轉(zhuǎn)換規(guī)則。將熱島強(qiáng)度等級(jí)分布圖作為元胞空間，每一個(gè)柵格像元作為一個(gè)元胞，具體構(gòu)建過程借助IDRISI17.0軟件進(jìn)行。

以年為單位，根據(jù)已有的數(shù)據(jù)基礎(chǔ)，將起始時(shí)間設(shè)為2008和2016年，時(shí)間間隔均為8 a，分別模擬2016年和2024年的城市熱環(huán)境分布。首先確定轉(zhuǎn)移矩陣，利用Markov模型制作2000—2008年和2008—2016年熱島強(qiáng)度等級(jí)的面積及概率轉(zhuǎn)移矩陣。其次，采用監(jiān)督分類的方法將?？谑?008和2016年土地覆被類型解譯為6類，分別是草地、林地、耕地、水體、建設(shè)用地和裸露地，其中建設(shè)用地包括商業(yè)、住宅、道路、文化和工業(yè)用地。進(jìn)而生成適宜性圖集，由于城市熱島與下墊面類型關(guān)系密切[47-48]，可根據(jù)土地利用和覆被變化類別預(yù)測(cè)計(jì)算熱環(huán)境的發(fā)展趨勢(shì)，本研究在多目標(biāo)決策模擬模塊中將林地和水體當(dāng)做模擬的限制條件，并根據(jù)各土地覆被類型確定其對(duì)城市熱島的貢獻(xiàn)率，經(jīng)反復(fù)試驗(yàn)后，采用層次分析法將耕地的權(quán)重設(shè)為0.2，建設(shè)用地設(shè)為0.3，裸露地設(shè)為0.4，草地設(shè)為0.1，最后根據(jù)權(quán)重值取交集，得適宜性圖集，其值域?yàn)?～255。此外，設(shè)定某元胞的狀態(tài)受到該元胞周圍5×5元胞構(gòu)成行列式的影響，且循環(huán)次數(shù)設(shè)成8。

投資人通過SNS和互聯(lián)網(wǎng)的傳播特性將資金進(jìn)行全面整合，這就是所謂的眾籌融資。眾籌融資可以為社會(huì)團(tuán)體、個(gè)人以及中小企業(yè)提供融資渠道。眾籌投資具有依靠群眾力量、注重創(chuàng)意、低門檻以及多樣性等特點(diǎn)?，F(xiàn)階段國家鼓勵(lì)人們進(jìn)行創(chuàng)業(yè)，社會(huì)中也出現(xiàn)了不少有創(chuàng)新、有想法的項(xiàng)目，要想讓這些創(chuàng)意以品牌的形式發(fā)展起來，必須要有充足的資金進(jìn)行支撐。在這種情況下，眾籌融資的作用越來越凸顯，相關(guān)平臺(tái)會(huì)對(duì)創(chuàng)業(yè)人的創(chuàng)意進(jìn)行審核，只要?jiǎng)?chuàng)意審核通過，創(chuàng)業(yè)人員就可以得到相應(yīng)的創(chuàng)業(yè)資金。

使用Kappa系數(shù)指標(biāo)來評(píng)價(jià)結(jié)果解譯精度[49]。即通過模擬2016年熱島強(qiáng)度的實(shí)際值與模擬值，得相應(yīng)Kappa指數(shù)來定量評(píng)價(jià)模擬結(jié)果：

(14)

(15)

(16)

式中：Po，Pp與Pc分別為實(shí)際狀況、理想狀況與隨機(jī)狀況下建模正確的百分比，n1與n分別為模擬結(jié)果正確的柵格數(shù)目和研究區(qū)柵格總數(shù)，N為熱島強(qiáng)度等級(jí)級(jí)數(shù)。當(dāng)Kappa系數(shù)<40%時(shí)，兩幅圖像之間的一致性較差，模擬精度較低；當(dāng)Kappa系數(shù)為40%～75%，表示兩幅圖像之間誤差比較明顯，模擬結(jié)果不夠理想；當(dāng)Kappa系數(shù)>75%時(shí)，認(rèn)為兩幅圖像之間一致性較高，模擬結(jié)果可信度較高[50]。

2.3 標(biāo)準(zhǔn)化指數(shù)計(jì)算

多種因素影響城市熱島，但其主要與下墊面的類型因素有關(guān)，即地表覆蓋類型。本文認(rèn)定由植被、水體及建筑物3種地表覆蓋類型構(gòu)成海口市范圍，由于?？谑兴w所占有的面積相對(duì)于其他地表地物覆蓋類型的面積比例相對(duì)較小，即對(duì)城市熱島強(qiáng)度UHII影響不大，而主要影響海口市UHII的地表地物是植被和城市建筑物。故利用標(biāo)準(zhǔn)化指數(shù)NDVI和NDBI來表征土地利用及覆被類型，并量化土地利用及覆被類型與UHII之間的關(guān)系。NDVI是增強(qiáng)植被信息最廣泛應(yīng)用的植被指數(shù)之一[51]，通過將植被與水和土壤分開來反映植被覆蓋率[52]。NDBI是一種常用的增強(qiáng)建筑信息和提取城市建成區(qū)用地的指標(biāo)之一[51]，是描述土地開發(fā)、城市化和地表參數(shù)的重要分析工具[53]。NDBI和NDVI的數(shù)值計(jì)算是采用ENVI中的Band Math輔助工具展開。

2.3.1 歸一化差值植被指數(shù)NDVI

NDVI是利用可見光和近紅外反射率來確定植被豐度的物理量[54-57]，如下所示

(17)

式中：ρNIR和ρRED分別代表可見光紅色波段(0.63～0.69 μm )和近紅外波段(0.76～0.90 μm)的反射率。在TM/ETM+圖像中，ρNIR為波段4的反射率，ρRED為波段3的反射率；在OLI圖像中，ρNIR為波段5的反射率，ρRED為波段4的反射率。該公式產(chǎn)生的值為[-1，1]，其中較小的正值與裸土有關(guān)，較大的正值與植被有關(guān)，負(fù)值或接近零值表示與非植被表面特征有關(guān)，如水、云和雪[34,58]。

2.3.2 歸一化差值建成指數(shù)NDBI

NDBI是根據(jù)近紅外和短波紅外反射率評(píng)估建成區(qū)(包括裸露的荒地)的另一種衛(wèi)星衍生指數(shù)[59]。為了檢驗(yàn)城市建成區(qū)對(duì)UHII的影響，可使用以下公式計(jì)算

(18)

3 結(jié)果與分析

3.1 熱島強(qiáng)度時(shí)空變化分析

采用可變閾值的方法對(duì)熱島強(qiáng)度進(jìn)行分級(jí)得等級(jí)空間分布圖，如圖2所示。由圖可知，3期遙感數(shù)據(jù)的熱島效應(yīng)都較明顯。?？诔侵行摹⑽骱０秴^(qū)域，尤其在國興大道及附近一帶為熱島、強(qiáng)熱島地區(qū)，正常島主要分布于中部偏南的龍橋鎮(zhèn)、永興鎮(zhèn)等地，這一區(qū)域后期發(fā)展不確定因素較多。綠島、冷島主要分布在南部云龍鎮(zhèn)附近，這一區(qū)域?qū)儆谠鷳B(tài)環(huán)境，主打內(nèi)容是度假養(yǎng)生。

圖2 2000—2016年?？谑袩釐u強(qiáng)度等級(jí)空間分布圖

具體而言，2000年強(qiáng)熱島區(qū)域主要分布于瓊山區(qū)、龍華區(qū)及秀英區(qū)北部，這些區(qū)域人口密度較高，也是?？谑械慕?jīng)濟(jì)發(fā)展中心。到2016年，強(qiáng)熱島、熱島區(qū)域逐漸向周邊城區(qū)擴(kuò)散，這可能與城鎮(zhèn)化進(jìn)程的發(fā)展有關(guān)，尤其是瓊山區(qū)強(qiáng)熱島區(qū)域范圍明顯增加。各時(shí)期的冷島、綠島及正常島主要分布在植被覆蓋率較高的南部區(qū)域。熱島強(qiáng)度增強(qiáng)變化明顯的區(qū)域主要集中在瓊州海峽沿岸、南渡河西岸以及高鐵周圍，該區(qū)域主要由2000年的冷島、綠島轉(zhuǎn)變?yōu)?016年的熱島、強(qiáng)熱島；而南渡河?xùn)|岸及南部都出現(xiàn)了較大的降溫趨勢(shì)，即熱島強(qiáng)度等級(jí)下降。這說明?？谑性诔鞘谢l(fā)展進(jìn)程中，瓊州海峽及南渡河西部發(fā)展較快，熱島分布隨城鎮(zhèn)化的擴(kuò)展而擴(kuò)散。

進(jìn)一步統(tǒng)計(jì)各熱島等級(jí)的面積轉(zhuǎn)化，由表2可知，冷島面積減少33.9 km2；綠島面積從188.28 km2增加到226.924 km2，增加了38.64 km2，且占32.18%的比重，是16年中變化最大的；正常島減少14.08 km2，熱島減少2.26 km2，基本保持不變；強(qiáng)熱島增加11.60 km2。?？谑性诔鞘薪ㄔO(shè)的同時(shí)，對(duì)于生態(tài)保護(hù)的地區(qū)開發(fā)較多，但是在整個(gè)熱島效應(yīng)較強(qiáng)的地區(qū)，熱島與強(qiáng)熱島面積增加得相對(duì)不多，說明?？谑性诮?jīng)濟(jì)發(fā)展的同時(shí)，也兼顧了部分的環(huán)境效益。

表2 2000—2016年海口市熱島強(qiáng)度等級(jí)統(tǒng)計(jì)值

由表3各熱島強(qiáng)度等級(jí)轉(zhuǎn)移矩陣可知，2000—2008年有50%左右的冷島保持不變，有22.29%的部分是由綠島轉(zhuǎn)換來的，原因主要是冷島絕大區(qū)域?yàn)楹醇昂恿鳎_辟遠(yuǎn)景有限，在調(diào)節(jié)范圍內(nèi)溫度轉(zhuǎn)變幅度較小；綠島轉(zhuǎn)出概率為58.38%，大部分區(qū)域轉(zhuǎn)成冷島和正常島，但其他熱島強(qiáng)度類型轉(zhuǎn)換較少，這可能與該地區(qū)內(nèi)的開發(fā)建設(shè)速度緩慢有關(guān)；正常島變化較大，轉(zhuǎn)出概率為71.84%，其中30.74%轉(zhuǎn)換成綠島，24.87%轉(zhuǎn)為熱島；熱島和強(qiáng)熱島僅有30%左右保持不變，熱島有24.53%轉(zhuǎn)變?yōu)檎u，強(qiáng)熱島有35.36%向熱島轉(zhuǎn)變。由此可得熱島強(qiáng)度等級(jí)向低等級(jí)轉(zhuǎn)化較多，向高等級(jí)轉(zhuǎn)化較少，說明?？谑性诔鞘薪ㄔO(shè)的同時(shí)兼顧了綠化，導(dǎo)致熱島強(qiáng)度加劇現(xiàn)象并不強(qiáng)烈，但是對(duì)水體或生態(tài)用地保護(hù)不夠完善，導(dǎo)致冷島的部分減少。2008—2016年熱島強(qiáng)度等級(jí)轉(zhuǎn)移有以下幾大特點(diǎn)：冷島轉(zhuǎn)換為其他熱島強(qiáng)度等級(jí)較多，占有54.61%的比率，大部分區(qū)域轉(zhuǎn)換為綠島和正常島，可能與這一時(shí)期開發(fā)建設(shè)較大有關(guān)；綠島中有16.24%的冷島和18.26%的正常島轉(zhuǎn)化而來，熱島中有18.79%轉(zhuǎn)為強(qiáng)熱島，強(qiáng)熱島有40.81%轉(zhuǎn)為熱島。

表3 熱島強(qiáng)度等級(jí)轉(zhuǎn)移矩陣

3.2 CA-Markov模型的熱島強(qiáng)度預(yù)測(cè)

3.2.1 模擬結(jié)果及精度分析

利用CA-Markov模型模擬2016年熱島強(qiáng)度等級(jí)分布圖，并與反演得到的2016年熱島強(qiáng)度等級(jí)分布圖進(jìn)行精度驗(yàn)證，如圖3所示。利用ArcGIS空間分析工具，分別統(tǒng)計(jì)各熱島強(qiáng)度等級(jí)實(shí)際反演結(jié)果與利用CA-Markov模型模擬中的柵格數(shù)量(表4)。

圖3 2016年?？谑袩釐u強(qiáng)度等級(jí)結(jié)果圖

表4 2016年?？谑袩釐u強(qiáng)度等級(jí)模擬精度

2016年熱島等級(jí)模擬效果最佳，達(dá)到93.46%，強(qiáng)熱島次之，正常島、綠島模擬正確率低于80%，究其原因可能是其受自然因素干擾較大，如各個(gè)季節(jié)的氣象條件、氣候變化的可預(yù)測(cè)性較差。冷島模擬正確率達(dá)到73.25%，該誤差可能與數(shù)據(jù)處理過程、相關(guān)參數(shù)設(shè)置等有關(guān)。進(jìn)而在CROSSTAB模塊中將模擬得到的2016年熱島強(qiáng)度等級(jí)分布圖與實(shí)際圖疊加，取交集部分計(jì)算Kappa系數(shù)，為80.49%(>75%)，模擬結(jié)果可信度較高。

3.2.2 預(yù)測(cè)結(jié)果分析

根據(jù)2008年模擬預(yù)測(cè)2016年海口市熱環(huán)境分布，將其模擬值與實(shí)際值數(shù)據(jù)進(jìn)行對(duì)比，模擬精度較高，表明可對(duì)2024年?？谑羞M(jìn)行模擬預(yù)測(cè)分析。利用CA-Markov模型模擬預(yù)測(cè)?？谑?024年熱島強(qiáng)度等級(jí)，如圖4所示。由圖中可以看出，熱島和強(qiáng)熱島區(qū)主要分布在秀英區(qū)西海岸及江東新區(qū)等主城區(qū)。正常島占據(jù)面積較大，主要分布在建成區(qū)的邊緣地帶，而冷島大部分是河流，還有少數(shù)湖泊地區(qū)，綠島零星分布于湖泊及其周邊。2016年熱島強(qiáng)度各等級(jí)分布較為分散，可能是由于城市處于建設(shè)初期，更大地依賴于交通、能源等交通網(wǎng)，致使城市斑塊呈離散狀分布。與2016年熱島強(qiáng)度等級(jí)分布相比，2024年熱島強(qiáng)度變化劇烈的地區(qū)主要分布在瓊山區(qū)、龍華區(qū)及美蘭區(qū)的中北部及其外圍，原因可能與隨著城市化進(jìn)程的加快，該時(shí)間段內(nèi)開發(fā)及建設(shè)速度較快有關(guān)。

圖4 2024年海口市城市熱島強(qiáng)度預(yù)測(cè)圖

通過2016年反演熱島強(qiáng)度范圍的模擬值和實(shí)際值表明，CA-Markov模型能夠較好地模擬城市熱島的空間分布情況，但是會(huì)存在錯(cuò)分區(qū)域，這主要與選擇5×5的行列式濾波器直接影響到中心元胞的狀態(tài)有關(guān)，造成中心元胞的不穩(wěn)定。同時(shí)，研究將水體這一土地利用類型設(shè)為約束條件，僅考慮除水體外的其他土地利用類型的作用，較2008年相比，由于水體的面積減少，即冷島面積減少，相應(yīng)地轉(zhuǎn)成綠島、正常島等其他熱島強(qiáng)度范圍。根據(jù)結(jié)果可知，模擬預(yù)測(cè)的結(jié)果是否準(zhǔn)確與轉(zhuǎn)換規(guī)則密不可分，而目前存在的模型轉(zhuǎn)換規(guī)則無法得到非線性的因素，如間斷型變量對(duì)熱島強(qiáng)度產(chǎn)生的影響，所以需要進(jìn)一步結(jié)合神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法對(duì)模型進(jìn)行優(yōu)化，這也是今后本研究的研究重點(diǎn)。

統(tǒng)計(jì)2024年各熱島強(qiáng)度等級(jí)柵格數(shù)如表5，冷島急劇減少18.97%，減少的區(qū)域大部分轉(zhuǎn)換為綠島和熱島，分別增加了10.33%和7.61%。正常島所占比例最多，且增長(zhǎng)速度較快，變化較為劇烈，原因可能是由于人為因素所導(dǎo)致的。強(qiáng)熱島面積變化較小，熱島面積中存在部分區(qū)域轉(zhuǎn)為正常島，但總體來說熱島強(qiáng)度增大。從預(yù)測(cè)結(jié)果看，?？谑谐鞘袩釐u強(qiáng)度呈正向變化趨勢(shì)明顯。因此，如果不采取相應(yīng)對(duì)策和措施，城市熱島效應(yīng)將進(jìn)一步加劇，這將對(duì)?？谑芯用窠】岛铜h(huán)境等帶來不利影響。需要指出的是，此處的預(yù)測(cè)結(jié)果不涉及人工熱排放等造成的影響。

表5 2016—2024年?？谑谐鞘袩釐u強(qiáng)度等級(jí)變化值

為進(jìn)一步分析熱島強(qiáng)度演變的趨勢(shì)方向及分布變化，利用ArcGIS 10.2方向分布工具計(jì)算2016與2024年熱島強(qiáng)度的標(biāo)準(zhǔn)差橢圓，如圖5所示，并生成表示熱島強(qiáng)度中心位置的重心點(diǎn)。標(biāo)準(zhǔn)差橢圓的長(zhǎng)半軸表示熱島強(qiáng)度分布與發(fā)展的方向，短半軸表示熱島強(qiáng)度的分布范圍，短半軸越短，表示數(shù)據(jù)呈現(xiàn)的向心力越明顯；反之，短半軸越長(zhǎng)，表示數(shù)據(jù)的離散程度越大。長(zhǎng)短半軸的值差距越大，即扁率越大，表示數(shù)據(jù)的方向性越明顯。反之，如果長(zhǎng)短半軸越接近，表示方向性越不明顯。如果長(zhǎng)短半軸完全相等，即為一個(gè)整圓，其沒有任何的方向及分布特征。

由圖5可以看出，熱島重心有向東南方向移動(dòng)的趨勢(shì)，移動(dòng)方向大致與趨勢(shì)橢圓長(zhǎng)軸方向一致，主要原因是龍華區(qū)、瓊山區(qū)、美蘭區(qū)中南部大規(guī)模的開發(fā)建設(shè)使得熱島增強(qiáng)。2016年熱島強(qiáng)度標(biāo)準(zhǔn)差橢圓短半軸較長(zhǎng)，說明在此期間熱島強(qiáng)度離散化程度較大，即各個(gè)區(qū)域均有熱島分布，這與上述研究相一致，離市中心越近熱島分布越聚集。2024年熱島強(qiáng)度標(biāo)準(zhǔn)差橢圓長(zhǎng)短半軸的差距增大，表明熱島強(qiáng)度的分布方向性較明顯，即有向分散方向發(fā)展的趨勢(shì)。綜上，2016—2024年熱島強(qiáng)度整體的發(fā)展趨勢(shì)呈現(xiàn)西北—東南方向，且有向北—南方向靠攏的趨勢(shì)，其與旅游業(yè)的發(fā)展不無關(guān)系。

圖5 2016和2024年海口市熱島重心和標(biāo)準(zhǔn)差橢圓圖

3.3 城市熱島強(qiáng)度與標(biāo)準(zhǔn)化指數(shù)回歸擬合關(guān)系

本文基于2000—2018年Landsat數(shù)據(jù)，首先進(jìn)行三步預(yù)處理工作，分別是對(duì)水體進(jìn)行掩膜、穗帽變換(TC變換)和輻射定標(biāo)，進(jìn)而計(jì)算標(biāo)準(zhǔn)化指數(shù)NDVI和NDBI。將城市熱島強(qiáng)度作為因變量，標(biāo)準(zhǔn)化指數(shù)NDVI和NDBI作為自變量，以圖像的每一個(gè)像元為單元，建立單因素線性回歸與多元線性回歸方程。

3.3.1 單因素線性回歸

以往的研究發(fā)現(xiàn)NDVI在一定區(qū)域的分布可以緩解熱島效應(yīng)，NDVI越密集，降溫效果越好。為了掌握NDVI與UHII的規(guī)律，本研究在提取NDVI的基礎(chǔ)上，通過與相應(yīng)區(qū)域UHII進(jìn)行疊加分析，得到空間相關(guān)關(guān)系，如圖6(a)～6(d)所示。

從圖6(a)～6(d)可得，在4個(gè)年份UHII均與NDVI有較強(qiáng)的負(fù)相關(guān)關(guān)系。同一區(qū)域的NDVI指數(shù)越高，UHII越低?；貧w方程均通過了p<0.01顯著性檢驗(yàn)，即在99%的顯著性水平下顯著。但不同時(shí)間的空間分布和發(fā)展水平不同，擬合方程反映出明顯的差異。與2008年11月相比，2016年12月的NDVI線性擬合關(guān)系變化更劇烈，說明在相同的植被覆蓋度變化范圍內(nèi)，后者對(duì)UHII響應(yīng)更明顯。除此之外，NDVI的值多分布在零值偏右側(cè)的位置，說明?？谑械闹脖桓采w度較高，從2013年開始，大部分NDVI值開始向零值靠近，到2016年絕大部分NDVI值開始向負(fù)值趨近，說明?？谑械闹脖桓采w度有降低趨勢(shì)。根據(jù)前文對(duì)海口市城市熱島的研究也可以得出，2008—2016年海口市熱島面積比2000—2008年熱島面積增加得多，這也從側(cè)面印證了地表植被有緩解熱島效應(yīng)的作用。

由圖6(e)～6(h)可以看出隨著NDBI值升高，UHII值變高，說明地表建筑物覆蓋對(duì)城市熱島效應(yīng)起促進(jìn)作用。且NDBI和UHII的相關(guān)性最大可達(dá)0.713，說明UHII的變化與下墊面有較強(qiáng)的相關(guān)關(guān)系。隨著時(shí)間的增加，海口市NDBI與UHII關(guān)系變化明顯增大，說明?？谑袕?008—2018年城鎮(zhèn)化明顯。由此可知，?？谑械某鞘袩釐u效應(yīng)有增加趨勢(shì)，應(yīng)當(dāng)采取相應(yīng)的措施。

3.3.2 多元線性回歸

經(jīng)單因素線性回歸分析發(fā)現(xiàn)，UHII與NDVI、NDBI之間的關(guān)系顯著。為進(jìn)一步研究綜合關(guān)系，本文在統(tǒng)計(jì)軟件中將各年UHII與標(biāo)準(zhǔn)化指數(shù)進(jìn)行多元線性回歸分析[60]，進(jìn)而比較單因素線性回歸的R2及多元線性回歸分析的R2，如表6所示。發(fā)現(xiàn)對(duì)比于單因素而言，NDVI和NDBI指數(shù)共同描述UHII更加準(zhǔn)確。究其原因，可能是由于諸多因素影響地表下墊面[61]，單因素的分析往往忽略了多因素對(duì)UHII的共同作用，如果僅關(guān)注其中的一類參數(shù)，其結(jié)果較為片面。

表6 單因素分析與多元線性回歸分析比較

通過多元線性回歸最優(yōu)擬合方程(表6)可以看出，標(biāo)準(zhǔn)化指數(shù)(NDVI與NDBI)是UHII兩個(gè)重要的影響因素，也就是綠地與不透水面和城市熱島強(qiáng)度密切相關(guān)。而且，UHII與NDVI 呈負(fù)相關(guān)，與NDBI 呈正相關(guān)，這與單因素回歸的結(jié)果(圖6)一致。但 NDVI與NDBI 指數(shù)的系數(shù)與單因素回歸分析相比有較大差別。在多元線性回歸分析中，NDBI 每升高0.1，將造成 0.20～1.42 ℃ 的城鄉(xiāng)地區(qū)地表溫度差；而NDVI每升高0.1，城鄉(xiāng)地區(qū)地表溫度差降溫 0.22～0.45 ℃。

4 結(jié)論

從本文分析可以看到，城市熱島強(qiáng)度的增加與城市地表覆蓋物以及自然景觀的劇烈變化有關(guān)，要使熱島效應(yīng)在一定區(qū)域內(nèi)達(dá)到最佳的降溫效果，需要結(jié)合海口市發(fā)展的實(shí)際情況，從增大下墊面植被率，改變綠化途徑和合理規(guī)劃城市建設(shè)入手。本文基于遙感數(shù)據(jù)，模擬預(yù)測(cè)海口市熱島強(qiáng)度，分析與量化熱島強(qiáng)度與標(biāo)準(zhǔn)化指數(shù)之間的空間特征關(guān)系。得出如下結(jié)論：

1)采用層次分析法對(duì)土地利用類型定義轉(zhuǎn)換規(guī)則，應(yīng)用到?？谑袩釐u效應(yīng)的模擬，利用CA-Markov模型模擬預(yù)測(cè)2016年城市熱島強(qiáng)度，Kappa系數(shù)為80.49%，模擬精度較高，精度較高，各熱島強(qiáng)度等級(jí)平均誤差較小，總體來看模擬效果較好。

2)2000—2016年間?？谑袩釐u效應(yīng)由低等級(jí)逐漸向高等級(jí)過渡，強(qiáng)熱島面積增加11.60 km2，熱島面積基本保持持平，綠島面積增加38.64 km2，是16年中熱島強(qiáng)度等級(jí)變化最大的。但是在整個(gè)熱島效應(yīng)較強(qiáng)的地區(qū)，熱島與強(qiáng)熱島面積增加的相對(duì)不多，說明海口市在經(jīng)濟(jì)發(fā)展的同時(shí)，也兼顧了部分的環(huán)境效益。

3)如依照2008—2016年的熱島強(qiáng)度轉(zhuǎn)移的速率發(fā)展，2024年的熱島強(qiáng)度面積將變化不大，由16.50%增長(zhǎng)到17.08%，強(qiáng)熱島面積將基本保持不變。且2024年熱島重心向東南方向偏移，反映出熱島在空間上向東南方向聚集。若不進(jìn)行人工干預(yù)，海口市生態(tài)安全及物種多樣性將受到威脅。

4)相比較單因素而言，NDVI和NDBI指數(shù)共同描述UHII的變化更為準(zhǔn)確。在多元線性回歸分析中，NDVI指數(shù)每上升0.1，城鄉(xiāng)地區(qū)地表溫度差降0.22～0.45 ℃；而NDBI指數(shù)每上升0.1，將對(duì)城鄉(xiāng)地區(qū)地表溫度造成0.20～1.42 ℃的溫度差。

本研究采用CA-Markov模型模擬預(yù)測(cè)熱島強(qiáng)度，部分熱島強(qiáng)度類型的預(yù)測(cè)精度存在一定誤差，需進(jìn)一步探究自然因素和人為因素對(duì)城市熱環(huán)境的評(píng)價(jià)指標(biāo)體系，探討相應(yīng)權(quán)重大小并進(jìn)而優(yōu)化轉(zhuǎn)換規(guī)則，進(jìn)一步提高模擬精度。接下來將結(jié)合年度、季節(jié)及月度的熱島效應(yīng)分布，分析其時(shí)空演變規(guī)律。為指導(dǎo)城市土地利用合理布局提供參考依據(jù)。