【《西安市城市热环境时空演变实证分析案例》8100字】

西安市城市热环境时空演变实证分析案例目录TOC\o"1-3"\h\u30652西安市城市热环境时空演变实证分析案例 1307041.1地表温度反演 1233091.1.1地表温度反演方法 1275831.1.2地表温度反演结果 371631.1.3反演结果精度验证 4294361.2城市热环境格局 5191471.2.1地表温度分级方法 5125661.2.2地表温度分级结果 5267551.3城市热环境格局空间结构变化 7104991.1.1热环境格局空间结构变化研究方法 75401.1.2热环境格局空间结构变化 7312821.4城市热环境格局空间分布变化 10200351.4.1热环境格局空间分布变化研究方法 1025021.4.2热环境格局空间分布变化 11107611.5小结 151.1地表温度反演1.1.1地表温度反演方法目前基于遥感影像反演地表温度的方法已经十分成熟，已有大量研究者基于Landsat、MODIS等影像数据对地温进行了获取，其中Landsat系列卫星影像因其较高的分辨率、较长的时间序列和易获取性被广泛应用，因此本研究中选取Landsat影像数据进行地表温度信息的获取。在有关地表温度反演的研究中，许多方法在算法处理和模型构建等处理中存在一定的差异，但总体研究思路基本一致，主要有3钟比较典型的方法，分别为大气校正法、单窗算法和劈窗算法，例如JuanC.Jimenez-Munoz单通道算法、覃志豪单窗算法、OfferRozenstein算法和JuanC.Jimenez-Munoz劈窗算法等ADDINNE.Ref.{BADBE158-A487-48F9-97CE-BBD641008ADB}[87]。覃志豪单窗算法ADDINNE.Ref.{ABED7C34-99D5-4420-9319-98093C7CA868}[101]根据地表热辐射传输方程，基于Landsat5TM数据的第6波段进行计算，以获取地表温度信息，该方法所需反演参数少，可以仅从一个热红外波段获取温度信息，精度较高，具有较强的适用性，是一种十分成熟的地表温度反演方法。因此，本文使用覃志豪单窗算法获取地表温度信息，该方法需要3个计算参数，分别为大气平均作用温度、大气透过率和地表比辐射率，主要计算公式为： TS=(a1−C−D C=ετ (1.2) D=(1−τ)(1+(1−ε)τ) (1.3)式（1.1）、（1.2）、（1.3）中TS为地表真实温度(K)，a和b为常数，分别为-67.355351和0.458606。ε为地表比辐射率，τ为大气透过率，Ta为大气平均作用温度，大气平均作用温度可由式（1.4）计算得到，其中T0为地面附近2m的气温： Ta=16.0110+0.92621T0大气透过率主要受到大气水分含量变化的影响，覃志豪等ADDINNE.Ref.{27F5B553-3DC7-41B5-841D-228D1574B86A}[102]对大气透过率变化和大气水分含量间的关系进行模拟，得出了大气透过率估算方程如表1.1。表1.1大气透射率估算方程大气剖面水分含量ω/(g∙大气透过率估计方程R标准误差高气温0.4-0.6τ0.996110.0023681.6-1.0τ0.998270.002539低气温0.4-1.6τ0.994630.0033401.6-1.0τ0.998990.002375表1.1中的大气水分含量ω可以通过与Landsat影像获取日期相同的MODIS数据的第2波段和第19波段获取ADDINNE.Ref.{07D3B951-552B-4DB7-B1D3-708AAD699998}[88,103]，具体公式如下： ω=α−lnτω τω=ρ19式（1.5）中的ω即为大气水分含量，式（1.6）中的τω为大气透过率，ρ(19)和ρ(2)分别为MODIS数据的第19和第2波段的表观反射率，α和β为常数，分别取0.02和0.651ADDINNE.Ref.{F5B7118E-21E9-47B5-BB6E-9B2EA71F7F36}[103,104]，最后对结果重采样至30m分辨率以与Landsat的分辨率相匹配。地表比辐射率可通过计算NDVI的方式获取，先将地表分为城镇用地、水体和自然表面，分别计算它们的比辐射率，其中水体的比辐射率为0.995。而在计算城镇用地和自然表面比辐射率前，需要首先计算植被覆盖度： Pv=(NDVI−NDVI式（1.7）中Pv为植被覆盖度，NDVI为归一化植被指数，NDVISoil为完全裸露和没有被植被覆盖的地区的NDVI，NDVIVeg为完全被植被覆盖的地区的NDVI，此处结合前人研究ADDINNE.Ref.{04B05911-BD34-4D27-B444-0B3221C7F7A4}[87]，取NDVIVeg为0.7，NDVI然后计算城镇用地和自然表面的比辐射率如式（1.8）和（1.9），据此完成参数的确定，计算得出地表温度结果。 ε城镇用地=0.9589+0.086Pv ε自然表面=0.9625+0.0614Pv1.1.2地表温度反演结果通过上述方法，基于Landsat5、Landsat7和Landsat8数据，对所选取的2005年、2010年、2014年和2019年4期影像进行地表温度反演，并使用矢量数据对研究区范围内的计算结果进行裁剪，获得研究区范围内的地表温度数据。4期温度反演结果如图1.1。图1.1地表温度反演结果1.1.3反演结果精度验证由于气象站点分布较为分散，无法获得大范围连续的温度数据，因此使用基于遥感手段获取的温度产品对所反演的地表温度结果进行验证更加具有科学性。选取与所使用Landsat数据成像时间相同的MODIS温度产品。由于MODIS数据与Landsat数据的分辨率不同，因此本研究采用划分格网的形式对研究区进行分割。通过ArcGIS的渔网功能，以3km×3km大小的格网对研究区进行划分，先分别计算Landsat和MODIS地表温度在每个网格中的平均温度，然后计算每个网格中两种数据平均温度之间的差值，最后计算所有网格温度差的平均值。结果表明，2005、2010、2014和2019年的反演结果与MODIS产品的平均温度差分别为1.68℃、1.52℃、0.42℃、1.22℃，说明地表温度反演结果有较高的准确度，可以较好的对热环境变化和不同土地覆盖类型的温度特征进行研究。1.2城市热环境格局1.2.1地表温度分级方法基于获取的4年研究区夏季地表温度反演结果，可以大致的了解该地区的热环境情况，但由于各期影像获取时间不一致，无法直接使用地表温度结果进行对比。为了更加直观的对研究区的热环境变化进行分析，本文采用标准差分级法ADDINNE.Ref.{3B177ECB-415A-4880-A857-1978F37BC064}[105]对研究区地表温度进行分级，建立统一的量化标准将不同年份的地表温度结果进行客观的对比。在分级之前，需要先将地表温度结果标准化成0—1之间的数值： T=(Ti−T式（1.10）中，T是每个像元地表温度标准化后的结果，Ti是每个像元的实际地表温度值，Tmin和在得到每年标准化后的温度结果后，按标准差分级法对这些温度结果进行分级，具体划分方法如表1.2，并将其中的较高温区、高温区和特高温区定义为城市热岛区。表1.2地表温度等级划分等级代码等级分级方法1低温区T<Tmean-2较低温区Tmean-TStd<T<T3中温区Tmean-0.5TStd<T<4较高温区Tmean<T<Tmean5高温区Tmean+0.5TStd<T<T6特高温区T>Tmean+其中Tmean和T1.2.2地表温度分级结果根据上述的标准化分级方法，将每一年的地表温度结果划分为6个等级如图1.2，并结合分级结果，对各温度区面积占研究区总面积的百分比进行计算。 图1.2地表温度分级结果结果表明，2005年低温区主要分布在泾阳、渭城东部和长安西部，位于城市周边之外，占研究区总面积的14.7%；较低温区同样分布在城区周围，与低温区相邻但相对更接近城区，面积占比为16.58%；中温区和较高温区在城市周边的乡镇村庄区域分布较多，面积占比分别为26.15%和10.29%；高温区和特高温区主要集中在莲湖区、新城区、雁塔区为、渭城区和秦都区，面积占比分别为15.50%和16.78%。2010年中温区及以下的区域仍分布在城市之外，其中低温区分布较少，面积比为5.36%，较低温区则占28.63%，有明显增多；中温区面积占比为21.35%，较2005年有小幅下降；2010年的较高温区、高温区和特高温区面积占比分别为15.93%、15.08%和16.28%，相比2005年有小幅波动，高温区、特高温区仍主要集中在西安、咸阳主城区之中。2014年低温区所占面积比为16.25%，相对2010年有明显增加；较低温区和中温区的面积占比分别为18.84%和18.59%，相对2010年有一定下降；较高温区和高温区的面积占比分别为16.59%和11.49%，相对2010年有小幅增加，特高温区在这一年更多密集的集中在新城区、未央区和灞桥区西部，面积占比为16.25%，相对于2010年空间分布上有向东转移的情况。2019年低温区面积占比为12.98%，较2014年进一步减少；较低温区、中温区和较高温区分布在主城区周围，面积比分别为21.19%、21.28%和17.13%；高温区和特高温区仍然集中在未央、莲湖、新城、碑林和灞桥区和秦都、渭城区的城区部分，面积占比分别为12.11%和15.31%，相对于2014年有少量减少。总体来看，研究区内城市热岛区的分布情况与城市、乡镇的建设范围相近，其中特高温区大部分集中在西安、咸阳主城区之内，中温区及以下则更多分布在城镇村之外的区域，因此城市用地布局的改变可能是导致城市热环境变化的主要原因之一。1.3城市热环境格局空间结构变化1.1.1热环境格局空间结构变化研究方法为了对各个温度分区的转移变化情况进行对比分析，采用转移面积比例矩阵的形式，统计每两个相邻年份间各温度分区向其他温度分区转移的面积在原分区总面积中所占的比例，对研究区热环境格局的结构变化进行探究，具体的计算公式如下： SijSi=式（1.11）中i为上一年的温度分区等级代码（i=1,2,3,...,m,m≤6），j为下一年的温度等级分区代码（j=1,2,3,...,n,n≤6），Sij即为上一年的温度分区i转移至下一年温度分区j的面积，Si为上一年温度分区i的总面积，1.1.2热环境格局空间结构变化基于上面的温度分级结果，进一步计算每两个年份之间各温度分区向其他温度分区转移的面积比例，以对各温度分区之间的相互转化情况进行探讨，各年份温度分区转移情况如表1.3—表1.5。表1.32005—2010年各温度分区转移面积比低温区较低温区中温区较高温区高温区特高温区低温区18.54%54.81%18.21%5.28%1.99%1.17%较低温区6.85%51.24%28.42%8.35%1.32%1.83%中温1.63%31.26%32.50%18.86%8.87%4.89%较高温2.09%16.06%26.59%25.97%17.85%11.43%高温1.29%8.82%18.48%21.53%21.94%21.94%特高温0.77%5.23%11.08%15.04%20.02%47.85%表1.42010—2014年各温度分区转移面积比低温区较低温区中温区较高温区高温区特高温区低温区54.73%25.88%10.62%4.59%2.10%2.10%较低温区35.10%31.46%18.09%8.13%1.45%1.77%中温11.62%24.73%30.59%19.77%8.87%4.42%较高温2.32%8.93%22.98%30.17%22.00%11.60%高温0.99%1.87%11.05%21.88%29.79%30.44%特高温0.47%1.43%4.81%11.67%21.91%59.70%表1.52014—2019年各温度分区转移面积比低温区较低温区中温区较高温区高温区特高温区低温区37.34%40.04%15.25%4.94%1.58%0.85%较低温区22.69%37.72%26.75%9.04%2.67%1.12%中温10.12%24.67%35.15%21.74%5.86%2.47%较高温1.28%11.40%26.81%34.32%18.07%6.13%高温1.04%5.06%11.59%25.49%31.00%21.83%特高温0.37%2.58%5.87%8.95%17.34%64.90%结果表明， 到2010年，2005年的低温区中有18.54%的区域仍保持为低温区，有54.81%的区域转化为较低温区，18.21%的区域转化为中温区，其余小部分区域转化为温度更高的几个分区。2005年的较低温区有51.24%在2010年仍为较低温区，主要向中温区转化了28.42%的面积。2005年的中温区有32.50%在2010年仍为中温区，主要向较低温区和较高温区转化了31.26%和18.86%。2005年的较高温区有25.97%在2010年仍为较高温区，有17.85%和11.43%向高温区和特高温区转化，26.59%和16.06转化为中温区和较低温区，向相邻温区转化较多。2005年的高温区有21.94%在2010年仍为高温区，有21.94%的区域转化为特高温区，21.53%、18.48%分别转化为较高温区和中温区。2005年的特高温区面积有47.85%在2010年保持不变，主要有20.02%和15.04%分别转为高温区和较高温区。整体来看这两个年份间特高温区变化最小，低温区变化最大，向较低温区的转移较为明显，相邻温度区之间有着明显相互的交换，且大部分温度区变化过程不会涉及过大的温度等级跨越。2010年的低温区有54.73%的面积在2014年仍保持等级不变，较低温区有31.46%在2014年保持等级不变，主要有35.10%转化至较低温区。2010年的中温区有30.59%到2014年保持等级不变，主要有24.73%和19.77%分别转化至较低温区和较高温区。2010年的较高温区有30.17%的面积在2014年保持等级不变，有35.60%的区域向更高温区转化，而其余更多的区域则转向更低温区。2010年的高温区有29.79%在2014年等级不变，向特高温区转移了占比最多的30.44%。2010年的特高温区有59.70%仍保持为特高温区，其余主要向高温区转化了21.91%。总体来说，2010年—2014年低温区和特高温区是转化相对最少的2个分区，而高温区则是变化最大的分区，各温度分区变化仍以往相邻温区转化为主，并且转化的等级区跨度越大，转化的比例就越少。2014年的低温区中有37.34%的面积在2019年仍为低温区，有40.04%和15.25%分别转化至较低温区和中温区。2014年的较低温区有37.72%的区域在2019年保持不变，主要向两侧的低温区和中温区分别转化了22.69%和26.75%的区域。2014年的中温区有35.15%保持等级不变，分别有24.67%和21.74%的区域向两侧的较低温区和较高温区转化。2014年的较高温区有34.32%在2019年保持等级不变，有11.4%、26.81%和18.07%的区域分别向两侧的较低温、中温和高温区转化。2014年的高温区有33%的面积到2019年仍保持等级不变，有11.59%、25.49%和21.83%的区域分别向两侧的中温区、较高温区和特高温区转化。2014年的特高温区有64.9%的区域在2019年仍保持为特高温区，有17.34%的区域转化至高温区，是各个温度等级区中变化程度最小的。整体来看，2014—2019年间特高温区转化最少，除两侧的极端温区之外，各温度区主要向相邻两侧的温度分区转化。从2005—2019年间不同地表温度等级分区的变化情况可以看出，随着时间的推移，处于较高温区及以上的区域保持不变的比例逐渐增加，尤其是特高温区在2014—2019年间已经有64.90%的区域保持分区不变，说明研究区的城市热岛区已经具有一定规模，存在明显的城市热岛效应。总体来看，各温度分区主要向相邻温度区转化，且转化的等级区跨度越大，转化的比例就越少。1.4城市热环境格局空间分布变化1.4.1热环境格局空间分布变化研究方法标准差椭圆是一种描述要素空间分布的度量，可以表现出它们的方向趋势。该方法最早由美国南加州大学社会学教授D.WeltyLefever在1926年提出，该方法需要首先计算圆心： SDEx=i=1 SDEy=i=1式（1.12）和（1.13）中，xi和yi是每个要素的坐标，表示它们的空间位置，X和Y是它们的算术平均中心，SDEx tanθ=(A+B)C A=i=1nxi B=i=1nxi C=2i=1nxi式（1.14）—（1.17）中，xi和y σx=2i=1 σy=2i=1 式（1.18）和（1.19）中σx和σ1.4.2热环境格局空间分布变化基于上述方法，可以得出不同温度分区在每个年份的标准差椭圆，该椭圆主要从三个方面来描述要素的空间分布情况。以正北为0°，椭圆长半轴从正北方向顺时针旋转的角度即为方位角，该参数可以较好的描述各温度分区的空间分布方向趋势。扁率是椭圆长短半轴数值之差，扁率越大证明空间分布的方向性越明显。圆心则表示了要素空间分布的中心位置，以显示不同温度分区的空间几何重心。标准差椭圆计算结果如图1.3。图1.3各温度区标准差椭圆计算结果1）方位角变化结果表明各温度区在方向上基本呈西北—东南分布。2005年低温区的方位角为97.17°，更接近东西分布，到2010年方位角增加了16.78°，低温区的空间分布有明显的向北偏移的趋势。2014年低温区的方位角减少了5.51°，到2019年又进一步增加了20.03°，总体上看，低温区的方位角在15年间有明显增大，表现出从东西分布到西北—东南分布的空间变化趋势。较低温区的方位角呈先减少后增大的变化趋势，2005年方位角为110.84°，到2010年减少了4.61°，到2014年进一步减少了0.58°，到2019年则增加了9.2°，15年间总体增加了4.02°，2014年—2019年有较明显变化，但整体变化趋势不大，一直保持着西北—东南分布。中温区2005年的方位角为116.56°，到2010年减少了1.55°，到2014年进一步减少了0.28°，到2019年则较2014年增加了1.78°，2005年—2019年整体增长1.95°，方位角变化很小，也一直保持着比较稳定的西北—东南分布趋势。较高温区2005年方位角为115.99°，到2010年减少了6.75°，到2014年则增加了1.03°，而到2019年则进一步又增加了11.15°，变化较为明显，2005年—2019年共增加5.44°。高温区2005年的方位角为115.38°，到2010年减少了10.80°，到2014年进一步减少了8.27°，到2019年则增加了8.87°，整体来看高温区的方位角15年间共降低10.2°，有向东西分布偏移的趋势。特高温区2005年方位角为121.32°，到2010年、2014年和2019年分别减少了6.42°、6.36°和2.31°，15年间总体下降15°，也有向东西分布偏移的趋势。总体上2005年—2019年高温区和特高温区的方位角明显减少，有向东西分布靠近的趋势，这也是由于城市不断扩张，西安、咸阳城区由相互分离变为相互连接，研究区内城市用地集中连片，导致温度进一步提升，致使这两个温度分区有向东西分布发展的趋势。2005—2019年间方位角变化最大的是低温区，整体方向趋势从接近东西分布转变为西北—东南分布，这主要是由于西安、咸阳城市化的不断进行，西咸新区也在不断发展，导致低温区受到挤压，主要集中在了研究区西北部、东南部主城区和西咸新区外的城市周边地带。其他温度分区方向分布趋势变化不大，均较为稳定的保持着西北—东南的空间分布趋势。2）扁率变化2005年低温区的扁率为0.21，到2019年经历了先增加再减少再增加的过程，最终扁率增加到0.31，空间分布的向心力显著增加，方向趋势明显，这也是由于随着城镇化的进行，地表下垫面性质改变引起了热环境变化，低温地区减少并受到挤压，因此方向性逐渐增强。其他温度分区的扁率均呈现下降的变化趋势。较低温区的扁率逐年连续下降，从2005年的0.34降低至2019年的0.16，中温区的扁率也从2005年的0.38降低到2019年的0.21，扁率有显著下降情况，方向趋势减小。较高温区的扁率呈先减少再增加的变化过程，但整体仍从2005年的0.31降低到了2019年的0.22。高温区的扁率同样连续下降，从2005年的0.31降低到了2019年的0.17。特高温区2010年的扁率较上一年减少0.06，到2014年进一步减少了0.13，到2019年增加了0.007，总体减少0.19，是各温度分区中扁率减少最多的，方向性趋势显著下降，这也是由于研究区内城市不断扩张，建设用地分布逐渐均匀，导致了其空间分布的方向性减弱。整体来看，研究区内只有低温区空间分布的向心力增强，方向性更加明显，而其他温度区空间分布的方向趋势均有减弱，其中特高温区减弱程度最大，说明该地区地表温度较高的区域已经均匀分布于研究区之中，低温区面积减少并受到挤压，因此方向性更加明显，而其他温度分区由于空间分布逐渐趋于均匀而极大的减少了其分布的方向趋势。3）中心变化结果表明，低温区的中心主要集中在汉长城遗址北部，西安绕城高速一带。2010年，中心向北移动7.59km，处于秦汉新城附近，到2014年向西南方向移动了6.25km，到2019年进一步向西南方向移动了1.31km，2005年—2019年整体向西北方向移动了1.08km。较低温区的中心同样集中在汉长安城遗址一带，2005年在绕城高速汉城服务区南侧，2010年相较上一年向东南转移1.68km，位于汉长城未央宫遗址处，到2014年则继续向北移动1.30km，而到2019年则移动较少，仅向东北方移动了0.53km。中温区中心2005年