西安城市扩张对热岛效应的研究

1、以缓解热岛效应为目的的热环境模拟分析以西安市为例【内容摘要】城市热环境特别是热岛效应已经困扰城市构建生态、宜居、低碳、环保进程中难以逾越的障碍，并且已经演变成为一种城市环境公害，成为构建循环节约型经济社会理念下一个亟待解决的问题。本文在将元胞自动机理论与马尔可夫理论相结合的基础上取其精华，构建了城市热环境模拟预测的UHI-CA-Markov模型，以用来模拟预测和分析西安市未来热环境发展趋势，为缓解城市热岛效应提供参考价值。【关键词】城市热环境；元胞自动机理论；马尔可夫理论；模拟预测；一、 引言地球的生态系统在依赖于人类的同时也受到人类活动的干扰，从而逐渐失衡。全球变暖、海平面上升、冰川融化、臭

2、氧减少和空气中的二氧化碳增加等均已成为全球学术界、各国政府和社会公众共同关注的重大环境问题。西部大开发战略的实施，使西部地区的政治、经济、文化发展也加快了城市化进程，使城市规模不断扩大，人口增长，持续快速城市化对城市环境和生态环境安全有着深远的影响。与此同时,城市作为人类的群居地,构建绿色、生态、安全可持续的生产生活环境是构建和谐社会,促进城市化进程的关键所在。城市作为人类的群居地,构建绿色、生态、安全可持续的生产生活环境是构建和谐社会,促进城市化进程的关键所在。因此，缓解城市热岛效应，研究城市热环境、空间分布、动态变化及其控制策略，是实现城市可持续发展的背景下快速城市化的重要一环。一、 研究

3、区概况西安市的辖区包括西安市行政所属的新城、碑林、莲湖、渐桥、未央、雁塔、阎良、长安、临憧九区和蓝田、周至、户县、高陵四县及咸阳市行政辖属的各个县区，共计11区1市9县。地理坐标介于北纬33°3935°33，东经107°39109°49之间。总占地面积14860km²，约占陕西省总而积的7.23%，研究区地理位置及行政区划图如下图所示。图1 西安城市圈西安市地势东南高，西北与西南低。西安都市圈地貌类型复杂多样，河网水系绝大多数均属于黄河流域渭河水系。研究区域内水资源丰富，就西安市而言，市区河谷平原区天然水资源15.78亿立方米/年;黄土台塬区天

4、然水资源3.58亿立方米/年,基岩山区天然水资源0.55亿立方米/年,总计19.91亿立方米/年,其中可开采利用量为13.16亿立方米/年，丰富的水资源为西安地区城市建设和城乡居民生活提供了保障。三、城市热环境模拟与预测分析综述已有文献发现，目前城市热环境评价与模拟预测的主要方法包括:(l)将灰色系统理论引入,运用灰色关联度分析影响城市热环境因子的贡献度。典型代表有陈志、何萍；（2）基于热力学和动力学，利用边界层数值模型模拟了城市热岛效应的现状。典型代表有杨梅学、杨卜华及佟华等。（3）基于计算流体力学技术的应用，将计算流体力学技术与遥感技术相结合，采用数值计算模型、模型计算等方法进行施工，对武

5、汉和兰州的局部区域热环境进行了相关模拟,研究结果表明CFD技术应用于城市热环境的研究是可行的,但是没有构建仿真模型,缺乏可推广性。本文尝试将元胞自动机理论与马尔可夫理论相结合，取其精华，用来构建城市热环境模拟预测的UHI-CA-Markov模型，以用来模拟预测和分析西安市未来热环境发展趋势，为缓解城市热岛效应提供参考价值。（一）研究目的与研究方法1.研究目的本文以城市化为背景,以经济高速发展和人类活动干扰剧烈的人类聚集区城市为研究区域,以城市热环境产生、反演及其趋势模拟和对策分析作为研究对象,在分析城市热岛特征、变化格局基础上探讨城市生态系统内部不同土地利用类型对城市热景观格局的影响,分析其动

6、态变化,模拟热格局的发展趋势,揭示人类景观格局变化对热力景观的影响,并深入剖析了城市化进程中城市热岛效应的调控机制,分析其对策，为西安都市圈打造更加和谐的人居热环境奠定基础,进一步为城市碳减排措施提供科学依据。2.研究方法本文主要研究方法是基于元胞自动的空间模拟功能和马尔可夫模型的数量预测功能,构建用于城市热环境模拟与预测的UHI-CA-Markov模型,并以西安市为例,模拟了2012年和2018年西安市地表热环境数量及其空间分布情况,并以灰色系统预测模型GM(1,l)为检验模型,并且对UHI-CA-Markov模型的模拟精度进行检验。（二）相关模型综述1.元胞自动机模型标准元胞自动机是一四元

7、组，它由四部分组成：细胞、细胞空间、邻居和进化规则。具体根据以下公式进行表达：At+l=(Ld,St,N,F) （1）在公式（1）当中，A代表着一个元胞自动机系统;L代表离散的元胞空间,d代表元胞空间的维数,d=l表示一维空间网格,d=2表示一维空间网格;网格的单位点被称为元胞的单位元胞，所有的元胞都是在一个网格单位当中的：代表一个有限的，离散状态的一组元胞，并且每个元胞在任何给定的时间都处于给定装填当中； N代表邻居的元胞组合,每一个元胞都有n个邻元作为邻居,n表示的是元胞的邻居的个数;F表示状态转换函数,即元胞状态的变化规律。本研究中将城市热环境划分为强绿岛区、绿岛区、常温区、热岛区和强热

8、岛区共5种热环境类型,在这五种不同热环境类型的基础上对5种不同的Geo-CA元胞类型进行了构建,各元胞类型按照其自身的转换概率和演化规则进行转化。2.马尔可夫预测模型马尔可夫预测模型是一种概率的研究。它对初步概率和转移概率进行研究之后，基于时间序列的随机过程对事物运动变化的过程进行确定，并对未来的发展趋势进行预测。对离散空间I中,设随机序列x(n),nO,1,2.离散状态E(1,2)或(l,2.N)或(-2,-1,O,l,2),若对于任意的m个非负整数n1,n2,nm (0n1<n2<<nm)和任意自然数k,以及任意il,i2,jm,jE满足:PX(nm+k)=j|X(n1)

9、i1,X(n2)=i2,X(nm)=im=PX(nm+k)= j| X(nm)=im 则称X(n),n=O,1,2为马尔可夫链,简记Xm,m0。3. UHI-CA-Markov模型构建本文将元胞自动机模型和马尔可夫模型相结合,建立了用于城市热环境分析的UHI-CA-Markov模型,实现了对城市热环境空间变化趋势的模拟与预测。其原理是利用研究区(西安市)已有热环境空间分布构建马尔可夫链的面积转移矩阵和概率转移矩阵,确定模拟城市热环境变化的CA规则。利用马尔可夫模型的时间动态优势和CA强大的空间动态演化能力,实现对城市热环境空间动态演化规律的探索与分析,克服单纯CA预测或者Markov预测各自的

10、不足,为城市热环境研究提供方法参考。（三）环境模拟与预测以西安市2000、2006年地表温度反演数据为基础,通过归一化方法消除时相影响后,分别作为研究初期和末期的城市热环境数据,其结果统计见表1。2000年2006年热岛类型面积面积比面积面积比强热岛区7.650.939.361.14绿岛区131.4515.95114.5913.90常温一区268.9332.63314.0938.11常温二区265.0932.16254.6030.89热岛区131.9116.00103.9012.61强热岛区19.222.3327.723.36表1 西安市热岛类型分布随后，以2006年地表温度反演归一化数据作为

11、精度评价数据,转化为热岛类型元胞数值表。2000年2006年热岛类型元胞个数比例元胞个数比例强热岛区85020.93104021.14绿岛区14605815.9512731713.90常温一区29881532.6334898638.11常温二区29454832.1628289130.89热岛区14657116.0011544712.61强热岛区213502.33308083.36表2 西安市热岛类型元胞数值表转移矩阵与转移概率矩阵的确定是运用Markov模拟预测的核心。文中首先对地表温度反演结果进行重编码操作,然后利用ERDAS中的Interpreter功能中的GIS Analysis中的Ma

12、trix命令构建20002006年的热岛类型数据的转移矩阵,结果见下表。转移概率矩阵是运用马尔可夫模型进行预测的必要条件,由研究时段的初期和末期热岛数据类型进行空间叠加计算获取,并通过马尔可夫模型计算出强绿岛区、绿岛区、常温一区、常温二区、热岛区及强热岛区各类型的转化概率图像,概率取值范围介于(O,l)之间,其值大小代表了下一时刻元胞转化为其它热岛类型的概率大小,数值越大,元胞转换的机率越大。2000年2006年强热岛区绿岛区常温一区常温二区热岛区强热岛区合计强热岛区2008118324873813208210401绿岛区28412996463326294241398363127316常温一区

13、3146632621825718910388072098348987常温二区15552446684600111874527567640282891热岛区680687518882379543787013188115449强热岛区合计46910699437613082685453604117295279463450610554556122890330803表三 20002006西安市热岛类型转移矩阵由Markov概率及统计图分析可知,每种热岛类型在下一个时间段向其它所有热岛类型转化的概率不同,对应的条件概率最大值分别为:P强绿岛区、绿岛区、常温一区、常温二区、热岛区、强热岛区=0.3666、0.4

14、974、0.5231、0.3955、0.3288、0.2774。如常温二区条件概率图最大值为0.3955,最小为0.0055,表明2000年常温区范畴的区域,到了2006年继续为常温区范畴的概率是0.3955,同时最大值的分布范围就是2000年常温二区的分布范围,基于2000-2006年各热岛类型条件概率图,得到了2000-2006年6年间不同热岛类型之间的转移概率矩阵,见表4所示。2000/2006强热岛区绿岛区常温一区常温二区热岛区强热岛区强热岛区0.19300.18100.23910.36660.02000.0002绿岛区0.02230.23540.49740.23110.01100.0

15、029常温一区0.00900.18130.52310.25530.02520.0060常温二区0.00550.08630.29910.39550.18650.0270热岛区0.00590.05950.16360.32880.32800.1142强热岛区0.01520.14210.27740.23680.14630.1822表4 西安市热岛类型转移概率矩阵模型精度评价是模拟预测分析过程中必不可少的步骤，本文针对各种热岛类型的数量及空问分布格局两方面展开精度评价。模型建立后，将西安市2006的热环境的实际值与模拟值进行比较。热岛类型实际值模拟值误差值误差比例强热岛区10402107613593.3

16、0绿岛区12731713078234652.60常温一区3489863602911130053.10常温二区282891279567-3324-1.10热岛区115447105891-9556-9.00强热岛区3080830580-228-0.74表5 西安市2006年热环境实际值与模拟值本章以GIS和RS技术为依托,基于元胞自动机理论和马尔可夫模型构建了城市热环境模拟与预测的元胞-马尔可夫热环境模拟与预测模型。并以西安市为研究对象,模拟了西安市城市热环境趋势,最后引入灰色系统论的经典预测模型GM(1,l)对基于元胞-马尔可夫的模拟与预测结果进行验证,结果表明:一、构建了可用于城市热环境模拟与

17、预测的元胞-马尔可夫热模拟模型,以西安市为例证明了元胞-马尔可夫热模拟模型用于城市热环境模拟与预测是可行的。二、对比分析两者之间最大区域为强热岛区域,误差达到1.83%,其他热岛类型两者误差均小于1%,表明了模型具有比较高的准确程度。在此基础上，仿真的结恶果说明了西安市在未来的一段时间之内热环境相对来说比较良好，但是恶化的趋势也有一定的可能性。因此，建议城市规划建设当中居民热环境规划作为一项重要内容加以考虑。（四）预测结果与评价2006年LST2012年LST20062012年LST变化热岛类型元细胞数面积面积比元胞数面积面积比元胞数面积比例强热岛区104029.361.14104009.36

18、1.14-200绿岛区127317114.5913.90130949117.8514.3036323.260.4常温一区348986314.0938.11353381318.0438.5843953.950.47常温二区282891254.6130.88279251251.3330.49-3640-3.28-0.39热岛区115447103.9012.6110964598.6811.97-5802-5.22-0.64强热岛区3080827.223.363222028.993.5214121.270.16表6 西安市2006一2012年LST变化数值表由表6可知,2006-2012年西安市热岛类

19、型的变化表现出以下趋势:一、强热岛区域呈现小幅增加的趋势。6年间强热岛区域面积较2006年增幅为0.16%,年均增幅为0.027%,变化缓慢,究其原因是政府注重城区生态环境治理,限制三高等工矿企业的数量和三废等污染的排放等,综合治理的结果; 第二，热岛面积略有减少。6年间热岛区域面积较2006年减少5.22km2,减幅为0.64%,年均减幅为0.106%,究其原因是城市绿化建设等生态工程的实施使得城市热岛效应缓解的直接表现:三、常温一区表现为小幅增加的趋势,常温二区则表现为小幅减少的趋势,综合表现为小幅增加的趋势,累计增加面积0.57 km2,增幅为0.08%,究其原因是热.岛区域减少演变为常

20、温区一导致常温区面积增力11的结果;四、绿岛区表现为小幅增力1的趋势。6年问绿岛区而积累计增加3.26 km2,增幅比例为0.4%,究其原因是大面积乔木灌木的种植导致绿岛区域面积增加的结果;五、强绿岛区域6年间所占一面积呈现持平状态,其成因是强绿岛区域所在地水域面积总量不变的结果。2006年LST2018年LST20062018年LST变化热岛类型元细胞数面积面积比元胞数面积面积比元胞数面积比例强热岛区104029.361.1498588.691.06-7440.670.08绿岛区127317114.5913.90119599107.6413.06-7718-6.95-0.84常温一区3489

21、86314.0938.11354169318.7538.6751834.660.56常温二区282891254.6130.88288771259.8931.5358805.280.64热岛区115447103.9012.6111000799.0112.01-5440-4.89-0.60强热岛区3080827.223.363364230.283.6728342.560.31表7 西安市2006一2018年LST变化数值表由表7可知,2012-2018年西安市热岛类型的变化表现出以下趋势:一、强热岛区域表现为略微增加的趋势,6年间共增加1.29 km2,增幅为0.15%,基本与2006-2012年

22、6年间的增速保持持平;二、热岛区域表现为略微增加的趋势,6年间共增加0.33 km2,增幅为0.04%;三、常温区(包括常温一区和常温二区)均表现为增加的趋势,常温一区基本与2012年持平,常温二区表现为较为明显的增加,增加面积为8.56 km2,增幅比例为1.04%,是所有热类型中增加最多的一类;分析其原因是绿岛区面积减少,从而演变为常温区的结果。四、绿岛区表现为持续减少的趋势,6年间共减少10.21 km2,减少幅度为1.24%,年均减幅为0.207%,分析绿岛区域减少的缘山是城市建成区面积持续扩张,使得自然地表覆被被城市用地类型所取代,导致绿岛区减少的结果。五、强绿岛区呈现为略微减少的趋

23、势,6年间共减少0.67 km2,减少幅度为0.08%。通过对热环境的模拟分析，我们能够看出，西安市环境随着热岛效应的不断加深而日益受到严重的影响，热岛区逐渐增加，绿岛区不断减少。因此，我们应当在对西安市热环境模拟分析的基础上，尽快提出缓解热岛效应的解决方案，减轻环境压力，实现环境和经济的共同可持续发展。四、结论与讨论研究热岛效应目的是为了消除或者减弱城市热岛效应的发生、发展。在充分认识了解城市热岛效应形成的过程机理基础上，从热岛效应调控体系的角度出发,提出了针对西安、咸阳等西安都市圈大中型城市应对和缓解热岛效应的具体对策,主要包括城市规划中的若干对策分析、控制工业热源中的若干对策分析及控制民

24、用热源的若干对策分析。城市环境涵盖的范围很广,尤其是城市热环境研究是关乎城市居民身心健康，是关乎城市生态环境的持续建设，是关乎西安市经济持续发展的具有生态和经济战略意义的城市化进程,是环境生态建设的一个重要方面。本文限于时问和精力,只是以西安都市圈为例,对城市热环境的成因和对策等进行了分析，为缓解热岛效应打下了基础。主要参考文献：1 David J, Sailor Lu, A toP一down methodology for developing diurllal and seasonal Anthropogenic heating Profiles for urban areasJAtmos

25、 Pherie Environment,2004,39(3):2737一2748.2 Umamaheshwaran Rajasekar,Qinhao Weng.Urban heat island monitoring and analysis using a non-Parametricmodel:AeasestudyofIndianaPolisJ.ISPRSJournalofPhotogrammetryandRemoteSensing,2009,64:86一96.3 SobrinoJA.Jimnez一Munoz JC, Paolini L.Landsurfaeetem Peratureret

26、rieval from LandsatTMSJ.Remote Sensing of Environnellt,2004,90:434一440.4 Gyanesh Chander, Brian L. Markham, Julia A. Barsi. Revised Landsat-5 Thematic Mapper Radiometric CalibrationJ. IEEE GEOSCIENCE AND REMOTE SENSING LETTERS, 2007,4(3):490-4945张杨,江平,陈奕云,熊浩宇,张照男. 基于Landsat TM影像的武汉市热岛效应研究J. 生态环境学报,2

27、012,05:884-889.6寿亦萱,张大林. 城市热岛效应的研究进展与展望J. 气象学报,2012,03:338-353.7姚玉龙,刘普幸,陈丽丽. 基于遥感影像的合肥市热岛效应时空变化特征及成因J. 生态学杂志,2013,12:3351-3359.8王文杰,申文明,刘晓曼,张峰,潘英姿,罗海江. 基于遥感的北京市城市化发展与城市热岛效应变化关系研究J. 环境科学研究,2006,02:44-48.9田武文,黄祖英,胡春娟. 西安市气候变暖与城市热岛效应问题研究J. 应用气象学报,2006,04:438-443.10张勇,余涛,顾行发,张玉香,陈良富,余姗姗,张文君,李小文. CBERS-02 IRMSS热红外数据地表温度反演及其在城市热岛效应定量化分析中的应用J. 遥感学报,2006,05:789-797.11曹进,曾光明,石林,焦胜,周建飞. 基于RS和GIS的长沙城市热岛效