2014-2023年昆明市呈贡区地表温度时空变化研究

-2023年昆明市呈贡区地表温度时空变化研究摘要地表温度（LandSurfaceTemperature，LST）变化能够直接影响生态变化，导致人类生活环境恶化，对地表温度变化进行监测能够有效保护生态环境。本研究选取MDDIS卫星MOD11A2产品遥感影像数据对昆明市呈贡区地表温度进行时空变化研究，并结合2014年、2019年、2023年三期昆明市呈贡区建筑密度对昆明市呈贡区空间特征变化进行研究。得出以下结果：（1）2014-2023年，昆明市呈贡区地表温度整体升高显著，进程有明显的波动性。十年间，日间LST低温上升了1.58℃，日间LST高温上升了0.81℃，日间平均LST上升了1.141℃；2019年变化幅度最大，其标准差达到了4.246。（2）2014-2023年昆明呈贡地表温度低温区缩小、高温区扩大，与建筑密度密切相关：低密度区21-24℃正相关，中密度区24-27℃负相关，高密度区21-24℃极负相关、超30℃正相关。关键词：地表温度；时空变化；建筑密度；相关分析；昆明市呈贡区AbstractChangesinLandSurfaceTemperature(LST)candirectlyaffectecologicalchanges,leadingtodeteriorationofthehumanlivingenvironment.Monitoringchangesinlandsurfacetemperaturecaneffectivelyprotecttheecologicalenvironment.ThisstudyselectedremotesensingimagedatafromtheModerateResolutionImagingSpectroradiometer(MDDIS)satelliteMOD11A2producttoinvestigatethespatiotemporalchangesinsurfacetemperatureinChenggongDistrict,KunmingCity.ThestudyalsocombinedthebuildingdensityofChenggongDistrictin2014,2019,and2023toinvestigatethespatialcharacteristicsofChenggongDistrictinKunmingCity.Thefollowingresultswereobtained:(1)From2014to2023,theoverallsurfacetemperatureinChenggongDistrict,KunmingCityincreasedsignificantly.Overthepastdecade,thedaytimeLSTlowtemperaturehasincreasedby1.58℃,thedaytimeLSThightemperaturehasincreasedby0.81℃,andthedaytimeaverageLSThasincreasedby1.141℃;TheLSTshowedthelargestchangein2019,withastandarddeviationof4.246.(2)From2014to2023,thesurfacetemperatureinChenggongDistrict,KunmingCitywillcontinuouslydecreaseinthelow-temperaturearea(<21℃)andexpandinthehigh-temperaturearea(>30℃),andtherangeofchangeisrelatedtothedistributionofbuildings.Keywords:surfacetemperature,spatiotemporalvariation,buildingdensity,correlationanalysis,ChenggongDistrict,KunmingCity1引言1.1研究背景及国内外现状1.1.1研究背景随着城市化进程加速，城市持续扩张，这对生态环境产生了一定作用，其中地表热环境的变化较为较大，地表温度，即LandSurfaceTemperature，LST，它作为衡量地球表面热状态的关键指标，它的变化呈现出在全球变暖趋势下生态压力增大的情形，像植物生长周期发生改变、动物栖息地丧失以及生物多样性减少等，它还直接关联到湿地干涸、森林火灾频发等严峻问题[1]。在不同的生态区域中，地表温度的变动会引发一系列的连锁反应，比如热带雨林遭受高温干旱威胁，物种生存面临挑战，寒带地区冰川融化以及冻土解冻，不仅改变了地貌，还释放出温室气体，加速了全球变暖[1][2],对于人类社会来讲，地表温度升高还影响了居民的生活质量，增加了健康风险，农业方面作物生长周期被打乱，粮食安全面临挑战，极端天气事件增多也造成了巨大的经济损失和社会不稳定因素[3]。研究地表温度的变化，对于应对气候变化、保护生态系统以及保障人类福祉都有着不可替代的意义，昆明市呈贡区作为中国西南地区的关键城市之一，城市发展速度较快，是观察城市发展如何影响地表温度和相关生态效应的理想研究区域[4]，依靠剖析呈贡区的地表温度时空变化规律，以及呈贡区建筑物密度对地表温度的影响，可以制定更有效的环境保护策略和措施，促进区域可持续发展提供帮助。1.1.2国内外研究现状国内外针对地表温度（LST）变化展开的研究，揭示出多种因素对其产生影响，囊括自然条件与人类活动等方面，研究手段丰富多样，其中遥感技术凭借高效率、大范围覆盖以及可获取长时间序列数据的优势，得以广泛应用，比如在印度因帕尔市的一项研究里，研究人员凭借剖析土地利用/土地覆盖的变化发现，绿色区域和水域面积减少，使得地表温度升高，而成品区和荒地则会促使地表温度上升[5]。LULC变化对地表温度有着明显影响，同样遥感技术结合地理信息系统，已被用于监测全球范围内城市化引发的城市热岛效应，这些研究一般依赖卫星影像数据，像Landsat系列，运用辐射传输方程法或单窗算法等方法反演地表温度[5][6]，揭示城市扩张、建筑密集度增加及硬化表面增多等因素怎样加剧城市热岛效应[6]。在中国昆明市呈贡区所开展的相关研究说明，随着城市化进程不断加速，地表温度出现了上升的情况，此项研究明确指出，高强度城市化区域乃是热岛效应的主要集中之地[6]，该研究也阐述了长时间序列监测所有的意义，借助过去20年的观察可发现，昆明市主城区经历了从极低温区向低温区转变的这样一个过程，这充分体现出城市化对地表温度有着深刻的影响。另外当建筑用地与海拔相互作用时，其对地表温度的影响表现得较为突出，研究显示，分层植被覆盖以及建筑用地是影响地表温度的关键因素之一[8]。然而尽管在上面叙述了多个方面已经取得了一定进展，昆明市呈贡区的相关研究在时间跨度方面还存在欠缺，缺乏长期的数据给予支持，当前已经有的研究多数都聚焦在短期内的地表温度变化和它与特定因素之间的关联，反而关于建筑物密度对地表温度的长期影响，它展开的探讨相对比较少，如果借鉴前人的研究方式，像采用MODIS或者Landsat等高分辨率遥感数据来实施长时间序列的地表温度监测[7]，并且结合建筑密度去剖析它对地表温度的影响，是可以填补这方面的空白的。鉴于建筑物密度是影响地表温度的关键要素，运用空间分析工具可以更加精确地量化两者之间的关系，为理解呈贡区的城市化进程及其生态效应提供科学依据。尽管已经有了诸多关于地表温度变化的研究，但是针对昆明市呈贡区的深入研究还是明显不足，在长时间尺度上的观测和分析方面，本研究依靠借鉴已经有的研究方法和技术手段，聚焦于呈贡区，探索地表温度的时空变化规律，和建筑物密度是如何影响地表温度，为城市规划和生态环境保护提供重要的数据支持和决策依据。凭借着对比不同时间点的数据来进行分析，可以更深入地明白，城市化进程里建筑物密度增加会对地表温度产生的具体影响，想出有效的缓解办法，像增加绿化覆盖率这类措施可降低城市热岛效应，这样可以提升城市居住环境质量，可以推动城市可持续发展。1.2研究内容本文是以昆明市呈贡区作为研究区，利用2014年至2023年7月份的MODIS卫星MOD11A2产品遥感影像数据，来提取地表温度（LST），主要研究内容包括了：（1）研究2014年至2023年地表温度的时空变化特点，涉及对温度进行分级，分为低温区、中温区、高温区，凭借对比2014年、2019年和2023年的数据，着重关注日间LST的变化趋向以及低温区和高温区的时空变化特性。（2）针对建筑物密度与LST之间的关联展开研究，运用皮尔逊相关性分析方法，对低密度建筑区、中密度建筑区以及高密度建筑区和LST之间的关系给予评估。2研究区概况和数据来源2.1研究区概况昆明市呈贡区处于102°45′～102°59′E,24°21′～24°45′N，在中国云南省昆明市南部，紧挨着滇池东南岸，是昆明市的关键部分。该区域地理位置优越，气候条件温和，属于典型的亚热带季风气候区，年平均气温维持在大约15℃，夏季7月的平均气温约为22℃，极端高温天气时温度能达到30℃[9]，这样的气候特征为农业发展提供了良好自然条件，也让呈贡区成为宜居之地，因为其独特的地理位置和气候条件，呈贡区在昆明市的城市化进程中起着关键作用。近年来昆明市整体经济社会不断发展，在此背景下呈贡区出现了较为十分突出的城市扩张，2006年至2019年期间，呈贡区城市建设用地面积持续增加，城市扩展态势较大，主要朝着东南以及东北方向推进[10]。2.2数据来源本研究的数据囊括了2014年至2023年7月期间昆明市呈贡区的十期MDDIS卫星MOD11A2产品遥感影像，以及2014年、2029年和2023年三期昆明市呈贡区的建筑轮廓矢量数据[10]，其中遥感影像数据源自NASA官方数据网站，所选的MOD11A2产品为地表温度/发射率8天合成数据，是基于每日1公里分辨率的地表温度/发射率产品合成而来。该产品能提供晴朗天气下地表温度和发射率的平均值，常用于研究地表能量平衡、气候变化以及生态系统监测等方面，而建筑轮廓矢量数据中，2019年和2023年的数据均来自CSDN网站，由于2014年我国尚未对建筑轮廓矢量进行数据提取存储，2014年昆明市呈贡区的建筑轮廓矢量数据是依据2019年昆明市呈贡区的建筑轮廓矢量数据，并结合2014年昆明市Landsat-8TIRS遥感影像数据处理后得到的。2014年昆明市Landsat-8TIRS遥感影像取自地理空间数据云，成像时间为2014年2月，所选影像数据成像质量良好，研究区内天气晴朗无云，大气可见度高，空间分辨率为30米。表2-1数据来源数据名称数据来源时间MDDIS卫星MOD11A2产品遥感影像/search/order/1/MODIS:Terra2014-2013年7月建筑物轮廓矢量数据/地理空间数据云2019年、2023年2014年3研究方法3.1地表温度提取地表温度反演借助劈窗算法来开展，该算法在参考文献[12][13]中有相关介绍。（1）读取原始数据从美国国家航空航天局的官方数据网站或者其授权的数据分发平台，下载所需要的MOD11A2HDF文件，这类文件覆盖了热红外波段，具体而言就是第31和32波段的亮度温度信息以及其他辅助数据层，下载结束之后，需要运用专门的工具，像是HDFView或ENVI把HDF格式转换成更加易于操作的GeoTIFF格式，以此在ArcGIS中进行加载和处理。（2）辐射亮度定标若要把数字数值即DN转换成为物理量辐射亮度，需要从MODIS数据集的属性当中读取每个波段相应的增益与偏移量，第31波段的增益为0.05500，其偏移量为1.19110，第32波段的增益是0.05245，偏移量则是1.43600。利用MODIS辐射定标公式公式（3.1）： （3.1）可以分别得到两个波段的辐射亮度。例如：第31波段的辐射亮度计算公式为公式（3.2）： （3.2）其中B31是第31波段的DN值。第32波段的辐射亮度计算公式为公式（3.3）： （3.3）其中B32是第32波段的DN值于ArcGIS软件内，可借助“栅格计算器”即RasterCalculator，将上述公式给予输入，挑选相应的波段数据当作输入内容，对输出路径以及文件名进行设置，待点击确认之后便可获取该波段的辐射亮度图像。（3）亮度温度计算在获得辐射亮度之后，可把它转化为亮度温度，亮度温度所指的是，在假设物体为黑体的情况下，与观测到的辐射亮度相对应的温度，这种转换是依据普朗克定律来进行的，其公式如下公式（3.4）： （3.4）这里𝐶1和𝐶2是普朗克常数的具体值，𝜆是波长，𝐿𝜆是特定波长下的辐射亮度。对于MODIS第31波段—如公式（3.5）， ， （3.5）波长范围为10.78～11.28μm；对于第32波段—如公式（3.6）， ， （3.6）波长范围为11.77～12.27μm。（4）几何校正与投影变换为保证后续的分析准确无误，还应该对数据进行几何校正[12]，这是鉴于卫星成像时或许会引入位置误差，导致图像与实际地理坐标不相符，几何校正可以借助地面控制点来完成，让图像像素与地球表面真实地理位置一一对应，还要依据研究区域实际需求，挑选适宜投影方式，比如UTM等，用来保证数据的一致性与可比性。（5）地表温度反演完成上述各项步骤之后，当下便可运用劈窗算法[12]去计算地表温度，劈窗算法属于一种常用方法，其借助两个相邻热红外通道之间存在的差异，以此消除大气影响，对地表比辐进行修正。地表温度反演公式如下公式（3.7）： （3.7）其中𝑇𝑠是地表温度，𝑇𝑏31和𝑇𝑏32分别是MODIS第31和32波段的亮度温度，而𝑎，𝑏和𝑐劈窗算法参数，这些参数需依据具体情形来开展计算与调整，其中涉及到了大气透过率(𝑡)以及地表比辐射率(𝜖)所产生的影响。劈窗算法[12]一般是属于迭代的过程，囊括了初始估计、迭代计算和收敛判断这三个步骤，于初始阶段，可依照已经有的数据或者经验值来进行初步设定𝑎,𝑏和𝑐的值，之后持续对这些参数给予调整，直到计算得出的地表温度与实测数据间的差异小于预设的阈值，便认定达到了收敛状态，获取最终的地表温度反演结果。（6）参数计算参数𝑎,𝑏,和𝑐的计算会涉及到大气透过率(𝑡)以及地表比辐射率(𝜖)这两个方面。相应的计算方法是依照如下公式（3.8）和公式（3.9）来进行的： （3.8） （3.9）其中𝜖31和𝜖32分别为第31和32波段的地表比辐射率，可以从查找表中获取；𝜏是大气光学厚度，𝜃是传感器高度角。大气透过率𝑡需要根据传感器高度角、大气下界温度、大气水汽含量等参数计算。3.2地表温度分级当下探讨地表温度时较为常用的方法包含自然断点法、温度正规化法、均值-标准差法等，而本文采用的是温度分级自然断点法，把2014年到2023年7月昆明市呈贡区的地表温度变化划分成了五个等级[14]，分别是低温区（<21℃）、次低温区（21-24℃）、中温区（24-27℃）、次高温区（27-30℃）以及高温区（>30℃），这样的分类方式对分析区域热环境的时空演变特征有帮助。可揭示出呈贡区在十年里地表温度的动态变化趋势。表3-1地表温度分级表温度等级划分区间低温区<21℃次低温区21-24℃中温区24-27℃次高温区27-30℃高温区>30℃3.3建筑密度提取利用ArcGIS软件将建筑物矢量轮廓数据，用来进行构建渔网来制作呈贡区建筑密度图，并拥有2014年（数据来源如表1）、2019年和2023年的昆明市呈贡区建筑轮廓的矢量数据。由于这些数据可能来自不同的坐标系或投影方式，所以在处理数据前必须要用“投影”工具将所有数据转换为统一的坐标系统，好保证后续处理的一致性和准确性。具体的操作步骤如下面方法：首先，在ArcGIS中加载需要转换的数据；然后，打开“工具组”中的“数据管理工具组”（DataManagementTools），选择“投影变换工具组”中的“创建自定义地理（坐标）变换”工具；最后，再设置输入和输出地理坐标系，就可以完成投影转换[14]。完成坐标系统一之后，便可以进入创建渔网的阶段，打开ArcGIS软件并加载建筑轮廓矢量数据，借助“数据管理工具”里的“创建渔网”功能对研究区域给予划分，依据研究目的，可指定适宜的渔网单元大小，本文选择1000米×1000米的渔网单元大小，这会对分析的精细程度产生决定作用。把输出坐标系统设置成与输入建筑轮廓矢量数据相同，以保证渔网可准确覆盖整个呈贡区，将创建好的渔网保存成新的SHP文件，作为下一步计算的基础，紧接着是关键的建筑密度计算环节，把新生成的渔网和原始建筑轮廓矢量数据一起加载到ArcMap中，接着运用“空间连接”工具使两者建立关联，借助字段计算器或者编写Python脚本统计每个网格内的建筑数量以及总面积，计算公式如（3.10）所示。建筑密度计算公式： （3.10）其中，是单个建筑的基底面积；渔网单元的面积。为了可直观地将分析结果呈现出来，我制作生成了一张清晰程度较高的建筑密度图，此时运用“符号化”功能，依据每个网格内建筑的数量或者面积来设定颜色分级，挑选出一个适宜的色彩方案，让建筑密度较高的区域显得更加突出显眼，还需要增添必要的地图元素，像是标题、比例尺、指北针等，以此来完善地图表达，使其有更高的信息性以及美观性。在完成上述这些操作之后，再次仔细检查所生成的建筑密度图，确认其有合理性以及准确性。完成上述相关操作之后，需再次认真检查所生成的建筑密度图，以此来确认该图有合理性以及准确性。4结果与分析4.1呈贡区地表温度时间变化分析针对2014年到2023年这十年间昆明市呈贡区7月的地表温度展开统计分析可发现，在2014年至2023年7月这段时间里，昆明市呈贡区的日间表温度整体呈现出上升的态势，不过这一进程随着十分突出的年度间波动，从表3可以看出，2014年7月的日间最小LST是16.77℃，最大LST是31.28℃，平均LST为24.90℃，到了2023年7月，日间最小LST数值增长至18.35℃，最大LST增长至32.09℃，平均LST增长至26.01℃。在这十年间，日间LST最小值上升了1.58℃，日间LST最大值上升了0.81℃，日间平均LST上升了1.141℃，地表温度以每年大约0.11℃的速度在递增，增长速率为4.458%。表4-12014-2023年7月昆明市呈贡区日间地表温度变化表单位：℃最大值(Maximum)最小值（Minimum）平均值（Meanvalue）标准差(Standarddeviation)2014年7月31.2816.7724.902.8162015年7月32.3118.3025.423.1272016年7月34.0217.9325.893.4312017年7月35.1814.7725.693.7672018年7月33.8814.7925.183.6452019年7月37.5717.5725.374.2462020年7月34.8518.6726.513.6332021年7月31.4817.6824.963.0802022年7月34.3618.4826.323.3502023年7月32.0918.3526.013.361表4-2所呈现出的变化趋势有着较为十分突出的波动特征，根据表4-2的数据说明，不同的年份之间的地表温度变化速率存在差异，有正有负表示着地表温度年变化有着上升和下降的情况，这意味着年度间的气温变化并不是呈线性增长，而是经历了不同程度的波动情况，像在2018年7月至2019年11月这个时间段内，日间LST最大值的变化速率是10.891%，然而在2019年7月至2020年7月期间，却出现了下降，下降幅度是-7.230%，在2016年7月至2017年7月期间，日间LST最小值的变化速率是-17.624%，但是在2018年7月至2019年7月期间，又出现了18.796%的上升速率。这些数据体现出，虽然长期来看趋势是升温，但短期内又存在较为十分突出的波动性以及不确定性。表4-22014-2023年7月昆明市呈贡区每年日间地表温度变化速率表最大值

(Maximum)最小值

（Minimum）平均值

（Meanvalue）2014年7月-2015年7月6.394%9.123%2.088%2015年7月-2016年7月5.292%-0.370%1.849%2016年7月-2017年7月3.410%-17.624%-0.772%2017年7月-2018年7月-3.695%1.130%-1.985%2018年7月-2019年7月10.891%18.796%0.754%2019年7月-2020年7月-7.230%6.261%0.946%2020年7月-2021年7月-9.670%-5.303%-5.847%2021年7月-2022年7月9.149%4.525%5.449%2022年7月-2023年7月-6.606%-0.703%-1.179%凭借对图4-1进行观察可发现，在2019年的时候，LST的变化幅度是最大的，其标准差达到了4.246，这充分说明在这一年份当中，地表温度的波动是最为剧烈的，和十年间变化幅度处于第二高的2017年相比较而言，2017年LST变化幅度的标准差为3.767，2019年的变化标准差要比2017年高出0.479。除此之外，2019年的LST高温达到了十年间的最高数值，为37.97℃，对LST最大值以及最小值的变化趋势展开分析，可看出它们在整体上呈现出一种共同增长的态势，不过也存在并非完全同步的情况，LST最大值在整体上呈现出上升的趋向，尽管在某些年份会出现波动。就像2019年达到峰值之后出现了下降的情况，但是在2022年又再次出现了回升，LST最小值同样呈现出上升的趋势，在2015年、2020年以及2022年有着较为十分突出的增长，这也就说明，在多数情形下，最大值和最小值是一同增长的，然而，两者之间也是存在差异的。举例来说，在2017年和2018年的时候，可以观察到最大值出现了较大的上升，而最小值却出现了下降的情况，这显示出了不同步的现象，另外在2021年，当最大值出现下降的时候，最小值则维持在相对稳定的状态，这证实了两者独立变化的特性，综合来看，尽管最大值和最小值在长期的趋势上都呈现出上升的规律，但是在短期的波动当中并不总是同步变化的，这显示出了复杂且多变的地表温度动态特性。4.2呈贡区地表温度空间变化分析对2014年至2023年这十年间昆明市呈贡区7月的地表温度分级数据展开统计后可发现，呈贡区低温区即温度小于21℃的区域范围持续缩小，展开来说，低温区变化的空间范围是从呈贡区中部区域朝着西南部、东北部、东部以及东南部逐渐缩减的，如图4-2所示，而且低温区也就是温度小于21℃的区域面积，从2014年的21平方公里减少至2023年的37平方公里，虽说在2019年时有所增加，达到了56平方公里，不过整体趋势仍是减少的，如表4-3所示。这种变化趋势或许和城市化进程里的土地利用变化存在关联，建筑物以及硬化表面的增多使得地表温度有所升高，高温区域也就是温度大于30℃的区域范围不断增大[14]，并且变化幅度较大，如图4-2所示，高温区域也就是温度大于30℃的区域面积加重，从2014年的15平方公里增加到2023年的50平方公里，在2019年达到了57平方公里，呈现出较大的变化幅度。这些高温区域数量上有所增长，其分布还从呈贡区中部向四周扩散，体现出城市化过程中建筑物密集区的扩展对地表温度的关键影响，比如大学城片区作为快速城市化发展的典型区域，其地表温度变化格外突出，高温区集中在高层住宅区、商圈、学校周边等人口密集区域[17]。从（表4-3）各温度区间来看，24-27℃和27-30℃两个中温区间的面积变化较为复杂，其中24-27℃区间面积在2019年有所下降后，又在2023年回升至98平方公里，而27-30℃区间则持续增长到135平方公里，说明随着城市化进程的推进，呈贡区LST空间变化正经历着由中低温区向高温区转变的过程。表4-32014、2019、2023年7月不同LST温度区间面积变化表单位：km2<21℃21-24℃24-27℃27-30℃>30℃2014年7月21163109100152019年7月561349170572023年7月378898135504.32014-2023年昆明市呈贡区建筑物密度变化情况从整体数据来看（如图4-3和表4-4），在2014年至2023年这段时期内，昆明市呈贡区经历了较为突出的地表建筑密度变化，在这十年里，2023年建筑密度超过0.16的区域相较于2014年增长率达到了50%，这直观反映了随着住宅、商业以及公共设施的快速扩展，高密度建筑区域逐渐成为了主流。从时间角度来看，2014年至2019年间，建筑密度的增长主要集中在0.06到0.16之间，增长幅度处于0.11至0.16之间的区域，占比高达37.5%，这一现象说明当时城市建设用地面积迅速拓展，在东南和东北方向的新开发区体现得更为较大，然而到了2019年至2023年期间，建筑密度的增长速率有所减慢，多数新增建筑密度集中在较低的增长区间内，其中建筑密度增长超过0.16的区域仅占2%，这能显示出城市核心区域的发展正逐步趋向饱和状态。在城市的中心区域，有一个较为十分突出的趋势，那就是低层建筑逐渐被高层建筑替代，使建筑的整体高度普遍有所增加，这无疑给地表建筑密度增加了更大的压力[18]，这种高密度的开发模式，提升了地面建筑物之间的紧密程度，还引发了地表温度上升的状况，最终形成了“热岛效应”[18][19]。与之形成鲜明对比的是，在郊区以及自然景观保护区，政府依靠严格的政策引导以及规划控制，维持了相对较低的建筑密度，并且提高了绿地和开放空间的占比[19]，有效地缓解了因城市化进程所带来的环境压力，在过去的十年当中，呈贡区的城市发展速度较快，然而在未来，需要更加重视可持续性以及生态平衡，以此来应对城市发展过程中产生的各类挑战。表4-4建筑密度增长情况变化表（百分比）<0.010.01-0.060.06-0.110.11-0.16>0.162014-20191.744%1.531%10.294%37.500%25.000%2019-20231.775%5.528%5.333%4.550%2.000%2014-20233.847%7.143%16.176%43.750%50.000%4.4地表温度与建筑物密度相关性分析依据2014年、2029年以及2023年这三期昆明市呈贡区建筑密度数据所展开的分析可说明，呈贡区的地表温度变化和建筑物分布高度存在关联，高温区域主要集中于城市中心地带以及新建的建筑较为密集的区域，与之相对的是，低温区域正逐步朝着郊区以及自然景观区域转移[20]。从空间分布的具体情况来观察，呈贡区的高温区域主要集中于城市的中心地带以及新建的建筑较为密集的区域，与之相对的是，低温区域则是逐渐朝着郊区以及自然景观区域转移，这样的一种现象实际上反映出城市区域的地表温度明显要高于其周边的农村地区或者自然区域[21][22]。为剖析昆明市呈贡区地表温度和建筑密度之间的关系，本研究针对2014年、2019年和2023年7月这三年的数据，对其中的LST值和建筑密度数据做了相关性分析（结果数据如表4-5）。研究发现：（1）低密度区域：当地表温度处于21至24℃这个范围时，它与建筑密度呈现出较强的正相关关系，相关值达到了0.992，不过在其他温度范围时则呈现出负相关关系。（2）在中低等密度区域以及中等密度区域当中，当地表温度处于24℃至27℃这个范围的时候，其与建筑密度呈现出负相关的关系，而在其他温度范围之内则呈现出正相关的关系。（3）在高密度区域当中，地表温度处于21℃至24℃这个范围时，和建筑密度呈现出很强的负相关关系，相关值为-0.992，而当温度处于高于30℃的温度段时，尽管相关性有所减弱，不过依然显示出正相关的趋势，高密度建筑对于高温区的LST有着提升的作用。表4-52014-2023年昆明市呈贡区地表温度与建筑物密度Pearson相关分析结果表<21（℃）21-24（℃）24-27（℃）27-30（℃）>30（℃）<0.01（低）-0.4570.9920.606-0.538-0.7780.01-0.06（中）0.155-0.982-0.3260.7750.5420.06-0.11（中）0.589-0.959-0.7220.40.8660.11-0.16（中）0.761-0.867-0.8640.1760.959>0.16（高）0.457-0.992-0.6060.5380.778*p<0.05**p<0.015结论本研究通过对昆明市呈贡区2014年至2023年7月的地表温度（LST）时空变化进行分析，研究地表温度的时空变化规律，并结合建筑物密度，研究建筑物密度对地表温度的影响。结果显示：（1）在2014年至2023年这段时间里，呈贡区的地表温度呈现出上升趋势，不过年间波动较为较大，十年间地表温度日间LST最小值上升了1.58℃，日间LST最大值上升了0.81℃，日间平均LST上升了1.141℃，凭借对比不同年份的数据可以发现，2019年的LST波动最为剧烈，标准差达到最大值4.246，该年度地表温度变化幅度较大。在空间方面，高温区域的范围在不断扩大，区域变化范围从呈贡区中部向四周扩展，低温区范围则逐渐缩小，且区域变化范围也是从呈贡区中部向四周扩展。（2）2014年至2023年，昆明市呈贡区建筑密度在空间上呈现出从中心向外围递增的趋势，高密度区域有所扩张，相关性分析显示，不同密度区域地表温度与建筑密度的相关性各不相同，低密度区在21-24℃呈强正相关，中低及中等密度区在24-27℃呈负相关，高密度区在21-24℃呈极强负相关，高于30℃则呈正相关。另外高温区与高建筑密度区域空间分布高度重合，在城市中心表现非常明显，这显示出建筑密度对LST有复杂影响，意味着建筑密度增加使地表温度变化加剧。参考文献[1]江颂,彭建,董建权,等.地表城市热岛效应的概念内涵与定量刻画[J].地理学报,2022,77(09):2249-2265.[2]EarthIntelligence,Whyheatwavesandurbanheatislandsarearisingthreat.4EarthIntelligence.[2021-07-09][3]刘文君,邓帆,刘子阳,等.基于GEE的武汉市生产-生活-生态空间布局对地表温度变化的影响[J].中国科技信息,2025,(09):126-129.[4]哈尔滨市城市热岛和局部气候区的构建研究[2024-11-05][5]岳文泽,徐建华,徐丽华.基于遥感影像的城市土地利用生态环境效应研究--以城市热环境和植被指数为例[J].生态学报,2006,26(5):1450-1460.[6]盛莉.快速城市化背景下城市热岛对土地覆盖及其变化的响应关系研究[D].浙江省:浙江大学,2013.[7]范志强,杨荣,凌张军,等.基于多源遥感影像对土地利用类型和地表温度的关系研究——以安庆市城区为例[J/OL].长沙大学学报,1-9[2025-05-09].[8]高吉喜,王永财,侯鹏,等.近20年黄河流域陆表水域面积时空变化特征研究[J].水利学报,2020,51(09):1157-1164.[9]何咪,何萍,赵琳,等.昆明市主城区热环境效应及影响因素分析[J].环境工程技术学报,2023,13(01):403-412.[10]BINODINIMAJHI,KRISHNACHANDRARATH.Urbanization-inducedLanduseLandCoverChangeanditsImpactonLandSurfaceTemperature:AStudyUsingSatelliteImageries[J].Indianjournalofenvironmentalprotection,2022,42(9):1071-1079.[9]昆明市呈贡区2023-