城市热环境季相变异及与非渗透地表的定量关系分析

Ii = n ×
( xi − x) × wij ( xi − x) i ( xi − x)2 j
（1） 式中，个变量值和所有变量的平均值，具体计算在 OpenGeoDa 0.9.5-i 中实现， 结果如图 3 和表 3 所示。 计算结果为 4 种地表温度集聚类型 （Guo 等， 2015） 。 H-H（热岛）：高温对象被同等级的高温对象 包围； L-L（冷岛）：低温对象被低温对象包围； H-L：高温对象被低温对象包围； L-H：低温对象被高温对象包围。 1.3.2 城市非渗透表面提取 首先运用小波分析结合 IHS（Intensity、Hue、 Saturation）变换的方法对 SPOT 5 多光谱波段和全 色波段进行融合，然后对两景融合影像进行拼接， 得到 2.5 m 空间分辨率的多光谱影像。对融合数据 进行面向对象分类， 主要分类类型包括水体、 植被、 裸 地 、 阴 影和 建 设 用 地地 表 ， 面 向对 象 分 类 在 eCognition Developer 8.7 中完成，分类总体精度为 89.6%。完成分类后，将水体、植被、裸地 3 种地 表类型进行合并，并赋予编码为 0，而阴影和建设 用地重编码为 1（表示非渗透地表），最后生成非 渗 透 地 表 二值 图 层 。 考虑 到 计 算 量问 题 ， 利 用 ArcGIS 生成 250 m×250 m 的网格，将该网格与分 类得到的非渗透地表二值图进行叠加运算，即可计 算整个研究区域每个网格内的非渗透地表比例。 1.3.3 回归树模型 回归树模型属于数据结构挖掘的一种技术 （ Walton，2008；肖荣波等， 2007）。数据挖掘技 术是一个数据分析的非参数统计过程，其特点是在 分析过程中充分利用数据的二叉树结构，通过对数 据样本的不断细分，二叉树节点使得上层数据变量 的变异最大，通枝节内部数据变量同质性越近，最 后同枝节内样本趋于同质或剩余数量过少而无法 继续分支而结束分析（张立彬等，2002），回归树 模型的实质在于以不同规则下（Rule）多组线性模 型的方式挖掘数据样本之间的非线性关系。本文使 用回归树模型来构建地表温度与非渗透地表的关 系模型，目的在于揭示其关系的内部异质性和空间
基金项目：国家自然科学基金项目（41171446；41201543） ；广州市属高校“羊城学者”科研项目（12A002G） 作者简介：郭冠华（1986 年生） ，男，博士研究生，从事城市热环境研究。E-mail:gghgiser@ *通讯作者：E-mail: gzuwzf@ 收稿日期：2015-01-06
10 月 22 日和 11 月 23 日） 和 SPOT 5 融合数据 （行 列号：284~303 和 284~304，时相为 2006 年 1 月 26 日和 2005 年 12 月 20 日）。Landsat TM 卫星拍摄 时间均在上午 10:45 左右，卫星拍摄当天天气状况 如表 1 所示。从表 1 可知，不同季相影像天气状况 差别较大，对不同季相背景下广州市城市热环境状 况具有一定的代表性。TM 影像数据为 Level A 级 产品，参考已通过正射校正和几何校正 2000 年 Landsat TM 影像， 对三景 TM 影像进行几何精校正， 校正时候共选取 58 个控制点，利用最近邻插值进 行进行重采样，校正后个 TM 影像均方根误差均低 于 0.5 个像元（15 m）。最后使用单窗算法（Qin 等，2001a；Qin 等，2001b）获取城市地表温度分 布图，因单窗算法比较常用，这里不详细叙述。
与时间、 空间、 大气边界层状况密切相关 （Camilloni 等，2012）。近年来已有学者发现地表温度与地表 参数之间的关系会随季节变化而改变，如 Liu 等 （2008）及 Zhou 等（2014）在开展地表温度与景观 格局关系研究时均指出了季相变化的重要性。 城市是一个异常复杂的地域空间，在短时间内 （如同一年内），城市内部水体、非渗透地表等地 表参数是固定不变的，而地表温度会受天气状况、 太阳高度角等因素影响，在利用遥感卫星影像进行 城市热环境分析时，短时期内的热环境分析结果是 否具有季相变异？其变异程度多大？这些变异与 地表参数有如何的关系？这些科学问题都有待深 入分析。针对这一背景，本文以广州市中心区为研 究对象，提出了一种面向对象的方法诊断城市热岛 /冷岛格局季相变化， 并以非渗透地表表征城市典型 地表参数，引入回归树模型挖掘非渗透地表对地表 温度的非线性关系及其空间异质性。本论文重点在
表 2 各行政区不同季相地表温度平均值 Table 2 Mean LST of different districts in various seasons K 行政区 白云区 番禺区 海珠区 黄埔区 荔湾区 萝岗区 天河区 越秀区 季相 7 月 18 日 311.61 311.81 313.36 312.92 314.07 311.04 312.96 314.14 10 月 22 日 300.12 300.88 302.51 302.41 302.88 300.19 301.78 302.39 11 月 23 日 294.28 297.01 297.12 297.86 297.11 294.93 296.26 296.21
表1 Table 1 季相 7 月 18 日 10 月 22 日 11 月 23 日 Landsat TM 影像获取日期天气状况 气温/℃ 33.7 23.5 18 气压/hPa 287 166 110 相对湿度/% 56 58 55 Climate condition of Landsat TM acquired dates 风速/(m·s-1) 1.7 2 2
分布特征 （Wylie 等， 2007） 。 回归树模型通过 Cubist 2.08 实现。
2 结果与分析
2.1 地表温度分区统计 从分析各行政区不同季相地表温度变化状况 （表 2） 可知， 不同季相地表温度格局变化十分明显。 7 月 18 日荔湾区和越秀区地表温度最高， 平均温度 均有 314 K，其次是海珠区、黄埔区和天河区，萝 岗区、白云区和番禺区平均温度最低。这是因为荔 湾区和越秀区是广州市老城区，内部高密度建筑景 观比例较大。10 月 22 日温度分布情况与前一时期 分布格局变化不大。但到 11 月 23 日，地表温度最 高值出现在黄埔区、海珠区、荔湾区和番禺区，温 度均在 297 K 左右， 天河区和越秀区温度反而较低， 温度最低为白云区和萝岗区。初步分析结果可以看 出，在夏季、秋季再到深秋季节这段时期内，高温 区有从广州市中心向番禺区等郊区转移的趋势。
图 1 研究区位置示意图 Fig. 1 The location of study area
1.2 数据源与预处理 本研究采用数据源为 2005 年下半年的 Landsat TM 遥感影像（行列号：122/44，时相为 7 月 18 日、
1.3 研究方法 1.3.1 城市热岛/冷岛聚集区提取 传统的地表温度分级方法是基于单一像元的 连续特征值转化为离散的空间数据。这种等级划分 方法会产生“椒盐效应”（苏伟等，2007），各像 元会被零碎化，忽略了数据中丰富的空间信息（如 图 2(A)）。面向对象分割的影像分析技术近年来已 经成为遥感研究的热点，它可以有效解决传统划分 方法的一些局限性问题（Blaschke，2003，2010； Blaschke 等，2000）。本研究利用面向对象方法对 地表温度数据进行影像分割，分割后能获得感兴趣 区的温度边界，边界内各温度像元值具有相似的特 征（如强度、纹理等）（图 2(B)）。 空间自相关分析具有空间集聚度识别功能，主 要应用在探索地理分布变量的非随机性空间分布
生态环境学报 2015, 24(2): 270-277 Ecology and Environmental Sciences
E-mail: editor@
城市热环境季相变异及与非渗透地表的定量关系分析 ——以广州市中心区为例
郭冠华
1, 2, 3
引用格式：郭冠华，吴志峰，刘晓南 . 城市热环境季相变异及与非渗透地表的定量关系分析——以广州市中心区为例[J]. 生 态环境学报, 2015, 24(2): 270-277. GUO Guanhua, WU Zhifeng, LIU Xiaonan. Seasonal Variations of Urban Heat Environment and Its Relationship to Impervious Surface: A Case Study of Guangzhou Core Urban Area [J]. Ecology and Environmental Sciences, 2015, 24(2): 270-277.
城市化及其生态环境效应是近年来地理学与 生态学领域研究的重点之一。人类活动导致的温室 气体排放和土地利用变化都会促进区域日平均温 度的增加（Gallo 等，1999），从而加剧城市热岛 效应。利用遥感卫星获取地表温度是城市热环境研 究的重要数据源。目前基于遥感影像的城市热环境 研究主要集中在两个方面：一是运用地表温度数据 诊断城市热环境时空变化格局（Weng 等，2014； 段金龙等，2011；徐涵秋，2011）；二是分析地表 温度与其它典型城市地表参数（如土地覆被组成和 配置）之间的相关性（Buyantuyev 等，2010；Guo 等，2015；Li 等，2011；岳文泽等，2006）。但由 于遥感影像获取条件限制，研究时常常只选用某一 时刻的地表温度数据来反映特定时期内温度特征， 无法全面把握城市热环境状况，因此热环境的季相 变异特征仍有待深入分析（Guo 等，2015）。城市 地表温度分布是城市下垫面组成的重要反映，并且
，吴志峰 *，刘晓南
4
3
1. 中国科学院广州地球化学研究所，广东 广州 510640； 2.中国科学院大学，北京 100049； 3. 广东省生态环境与土壤研究所，广东省农业环境综合治理重点实验室，广东 广州 510650；4.广州大学地理科学学院，广东 广州 510006
摘要： 基于遥感卫星影像的热环境时空格局及与地表特征相关性分析是目前城市热环境研究的主要内容，但此类研究针对 季相变异特征的分析较为缺乏。以广州市中心区 2005 年下半年 3 期不同季相的 Landsat TM 影像为数据源，提出一种面向对 象分割的方法提取城市热岛/冷岛分布，并利用重心模型定量其季相变化移动轨迹；采用回归树模型构建地表温度（Land surface temperature, LST）与非渗透地表的关系方程，旨在揭示城市热环境季相变异性规律。结果表明： （1）随夏季到深秋， 热岛呈现从中心区退出的态势，南部冷岛大面积消失，7 月 18 日至 10 月 22 日热岛重心向东移动 2.5 km，冷岛重心向西北 移动 3.4 km。10 月 22 日至 11 月 23 日冷岛重心向西北移动 9 km，热岛重心向东南移动 8 km；（2）随季相变化，地表温度 与非渗透地表的正相关关系趋于复杂，二者相关性从 7 月 18 日的 0.994 1 降至 11 月 23 日的 0.869 1，对于 11 月 23 日数据， 使用二次多项式方程更能表达二者的关系；（3）与传统的线性回归模型相比，回归树模型能更好地模拟地表温度的空间异 质性，非渗透地表的增温作用存在非线性趋势，并且二者的关系模型存在明显的空间异质性。 关键词： 非渗透地表；季相变异；热环境；广州市中心区 DOI: 10.16258/ki.1674-5906.2015.02.014 中图分类号：X16 文献标志码：A 文章编号：1674-5906（2015）02-0270-08