近三十载南京不透水面时空变奏及其热环境效应之解析

近三十载南京不透水面时空变奏及其热环境效应之解析一、引言1.1研究背景与意义随着全球城市化进程的加速，城市不透水面的面积迅速扩张，对城市生态环境和居民生活产生了深远影响。不透水面是指由沥青、水泥等人工材料覆盖的地表，如道路、建筑物屋顶、停车场等，其显著特点是阻碍了水分的自然下渗。这种变化在改变城市景观格局的同时，也引发了一系列的环境问题，如城市热岛效应加剧、地表径流增加、水资源短缺以及生态系统退化等。例如，在暴雨期间，不透水面无法有效吸纳雨水，导致地表径流量大幅增加，进而引发城市内涝灾害，给居民的生命财产安全带来严重威胁。同时，不透水面的大量存在也会改变城市的热量平衡，使得城市气温升高，热岛效应更加显著，影响居民的舒适度和健康。因此，深入研究不透水面的时空演变特征及其热环境效应，对于理解城市化进程对生态环境的影响机制，制定科学合理的城市规划和生态保护策略具有重要的现实意义。南京，作为中国东部地区的重要城市，是长三角城市群的核心城市之一，也是国家重要的科研教育基地和综合交通枢纽。在过去的30年里，南京经历了快速的城市化发展，城市规模不断扩大，不透水面面积急剧增加。据相关统计数据显示，1990年至2020年间，南京的城市建成区面积增长了数倍，大量的农田、绿地和水域被不透水面所取代。这种快速的城市化进程在推动经济发展和社会进步的同时，也带来了诸多环境问题。城市热岛效应日益严重，夏季高温天气频繁出现，给居民的生活和工作带来了极大的不便。城市的生态系统也受到了不同程度的破坏，生物多样性减少，生态服务功能下降。因此，开展对南京市不透水面时空演变特征及其热环境效应的研究，具有重要的现实意义和科学价值。一方面，通过对南京不透水面的时空演变特征进行深入分析，可以清晰地了解南京城市化发展的历史进程和空间格局变化，为城市规划和土地利用提供科学依据。有助于合理规划城市建设用地，优化城市空间布局，避免盲目扩张和无序发展。另一方面，研究不透水面与热环境之间的相互关系，可以揭示城市热岛效应的形成机制和影响因素，为缓解城市热岛效应、改善城市生态环境提供有效的技术支持和决策参考。例如，可以通过增加城市绿地和水体面积、推广绿色建筑和透水铺装等措施，减少不透水面的比例，降低城市热岛效应的强度，提高城市的生态环境质量。1.2国内外研究现状1.2.1不透水面时空演变研究进展在不透水面提取方面，国内外学者已发展了多种方法。早期多基于像元的光谱特征进行分类，如最大似然分类法，但该方法易受“同物异谱、异物同谱”问题影响，分类精度有限。随着研究深入，光谱混合分析方法被广泛应用，通过将混合像元分解为不同端元组分，来估算不透水面比例，提高了提取精度。例如，Liang等利用线性光谱混合模型对Landsat影像进行分析，有效提取了城市不透水面信息。近年来，基于深度学习的方法逐渐兴起，卷积神经网络（CNN）、全卷积网络（FCN）等模型能够自动学习影像的复杂特征，在高分辨率影像不透水面提取中展现出优异性能。如Zhang等采用改进的U-Net网络，对高分影像进行处理，实现了不透水面的高精度提取。在时空演变分析上，众多学者运用地理信息系统（GIS）空间分析技术，结合不同时期的不透水面数据，研究其动态变化。常用的分析方法包括转移矩阵、动态度模型、重心迁移分析等。转移矩阵可以清晰展示不同地类与不透水面之间的转化关系；动态度模型用于量化不透水面在一定时间内的变化速率；重心迁移分析则能直观反映不透水面空间分布重心的移动方向和距离。如Liu等运用转移矩阵分析了广州市近30年不透水面与其他地类的转换情况，发现不透水面主要由耕地和林地转化而来。针对南京的研究，陈爽等利用IKONOS高分遥感图像，对南京市5个典型功能区不透水率进行研究，分析出不透水率较高和较低的地区。但早期研究在数据时效性和分析全面性上存在一定局限。近年来，随着多源遥感数据的丰富，有学者运用长时间序列的Landsat影像，对南京不透水面的时空演变进行了更为系统的分析，揭示了其在不同发展阶段的扩张特征和规律，但在精细化的空间格局演变及多因素驱动机制分析方面仍有待加强。1.2.2不透水面热环境效应研究进展不透水面与城市热环境之间存在紧密联系，众多研究表明，不透水面是城市热岛效应形成的关键因素之一。不透水面材质如沥青、水泥等，具有较低的比热容和较高的太阳辐射吸收率，在白天大量吸收太阳辐射热量，储存起来，到夜晚再缓慢释放，导致城市区域气温升高。同时，不透水面的增加减少了城市植被和水体面积，削弱了自然的蒸散降温作用，进一步加剧了热岛效应。在研究方法上，学者们多利用遥感反演的地表温度数据，结合不透水面信息，分析两者之间的定量关系。常见的分析手段包括相关性分析、回归分析、空间自相关分析等。例如，杨军军等以西安市为研究区，通过支持向量机提取不透水面，运用单窗算法反演地表温度，经随机样点回归分析发现，不透水面与地表温度之间存在显著正相关，空间格局具有高度一致性。王美雅等基于Landsat系列遥感影像，获取福州不同时期的不透水面和地表温度信息，运用多元回归模型定量分析得出，不透水面和地表温度呈指数函数关系，高不透水面比例地区升温明显快于低不透水面比例地区。针对南京地区，虽然已有研究关注到不透水面与热环境的关系，但在研究深度和广度上仍存在不足。多数研究仅停留在两者的简单相关性分析，对于不透水面热环境效应的作用机制，如不同类型不透水面的热特性差异、不透水面与周边地类的相互作用对热环境的影响等方面，缺乏深入探究。同时，在考虑城市复杂地形、气象条件等因素对不透水面热环境效应的综合影响研究较少，难以全面、准确地揭示南京不透水面热环境效应的内在规律。1.3研究内容与方法1.3.1研究内容本研究以南京市为对象，利用多源遥感数据，深入剖析近30年不透水面的时空演变特征及其热环境效应，具体内容如下：南京市不透水面信息提取及时空演变特征分析：收集1990-2020年间不同时期的Landsat系列遥感影像，对影像进行辐射定标、大气校正和几何校正等预处理，以消除数据误差和噪声。运用改进的归一化差异不透水面指数（MNDISI）等方法，提取各时期南京市不透水面信息，并通过精度验证确保提取结果的可靠性。基于提取结果，从时间和空间两个维度分析不透水面的演变特征。在时间上，计算不透水面面积的年变化率，分析其增长趋势和阶段性特征；在空间上，运用空间分析工具，研究不透水面的分布格局变化，如重心迁移、空间扩张方向等，同时利用景观格局指数，如斑块密度、平均斑块面积、蔓延度指数等，量化分析不透水面的空间格局演变。南京市热环境信息反演及特征分析：利用Landsat影像的热红外波段，采用单窗算法反演南京市不同时期的地表温度，获取地表热环境信息。对反演得到的地表温度数据进行统计分析，包括温度均值、最大值、最小值、标准差等，以了解热环境的总体特征和离散程度。绘制地表温度分级图，直观展示热环境的空间分布格局，分析高温区和低温区的分布位置和范围变化，识别城市热岛的核心区域和边缘区域。南京市不透水面与热环境的关系研究：通过空间叠加分析，将不透水面分布数据与地表温度数据进行融合，直观展示两者的空间分布关系。运用相关性分析方法，计算不透水面比例与地表温度之间的相关系数，确定它们之间的线性相关程度。构建多元线性回归模型或地理加权回归模型，分析不透水面以及其他影响因素（如植被覆盖度、水体面积等）对地表温度的影响程度，定量揭示不透水面与热环境之间的内在联系。基于研究结果的城市发展建议：综合不透水面时空演变特征及其热环境效应的研究结果，从城市规划和生态环境保护的角度出发，为南京市的可持续发展提出针对性建议。在城市规划方面，合理控制不透水面的扩张规模和速度，优化城市空间布局，增加城市绿地和水体面积，构建生态廊道，以缓解城市热岛效应。在生态环境保护方面，加强对现有植被和水体的保护，推广绿色建筑和透水铺装材料，提高城市的生态系统服务功能。1.3.2研究方法遥感影像处理技术：运用ENVI、Erdas等遥感图像处理软件，对Landsat系列遥感影像进行辐射定标、大气校正和几何校正。辐射定标将影像的DN值转换为地表反射率或辐射亮度值，消除传感器本身的误差；大气校正则去除大气对电磁波的散射和吸收影响，使影像更真实地反映地表信息；几何校正通过地面控制点对影像进行几何变形纠正，保证影像的空间位置精度。不透水面提取方法：采用改进的归一化差异不透水面指数（MNDISI）方法，该方法基于水体、植被、土壤和不透水面在不同波段的光谱特征差异构建指数，能有效抑制土壤和植被背景对不透水面提取的干扰，提高提取精度。计算公式为：MNDISI=[(SWIR1+NIR)-(Green+MIR)]/[(SWIR1+NIR)+(Green+MIR)]，其中SWIR1为短波红外1波段，NIR为近红外波段，Green为绿光波段，MIR为中红外波段。同时，结合面向对象分类方法，利用影像的光谱、纹理、形状等多特征信息，对影像进行分割和分类，进一步提高不透水面提取的准确性。地表温度反演方法：利用单窗算法进行地表温度反演，该方法考虑了大气对热红外辐射的吸收和散射作用，以及地表比辐射率的影响，通过对热红外波段的辐射传输方程进行简化求解，实现地表温度的精确反演。其核心步骤包括大气透过率计算、大气上行辐射和下行辐射计算、地表比辐射率估算等。景观格局分析方法：借助Fragstats软件，选取斑块密度（PD）、平均斑块面积（AREA_MN）、蔓延度指数（CONTAG）等景观格局指数，对不透水面的空间格局进行分析。斑块密度反映单位面积上的斑块数量，体现不透水面的破碎程度；平均斑块面积表示每个斑块的平均面积大小，可用于衡量不透水面斑块的规模；蔓延度指数衡量景观中不同斑块类型的团聚程度和蔓延趋势，反映不透水面的空间分布连续性。相关性分析与回归分析方法：运用SPSS、ArcGIS等软件，进行相关性分析和回归分析。相关性分析通过计算皮尔逊相关系数，判断不透水面比例与地表温度之间的线性相关关系及相关程度。回归分析则构建多元线性回归模型或地理加权回归模型，探究不透水面以及其他因素（如植被覆盖度、水体面积等）对地表温度的影响，确定各因素的影响系数和显著性水平，从而定量揭示它们之间的内在关系。1.4研究创新点长时间序列高分辨率数据运用：区别于多数针对南京短期或特定时段不透水面的研究，本研究收集并分析了1990-2020近30年的Landsat系列遥感影像数据。长时间序列的数据能够完整呈现南京城市化进程中不透水面的动态变化，从多个发展阶段剖析其演变规律，如早期的缓慢增长阶段、中期的快速扩张阶段以及后期的相对稳定阶段，避免了因数据时段局限而造成的研究片面性。同时，Landsat影像具有较高的空间分辨率，能清晰分辨城市中不同类型的不透水面，如道路、建筑物等，为精细化研究不透水面的空间分布和格局演变提供了可能，有助于准确把握不透水面在城市不同功能区的变化特征。多方法综合分析：在不透水面提取过程中，创新性地将改进的归一化差异不透水面指数（MNDISI）与面向对象分类方法相结合。MNDISI能有效抑制土壤和植被背景干扰，初步提取不透水面信息；面向对象分类方法则利用影像的多特征信息，对初步提取结果进行优化，进一步提高了提取精度。在分析不透水面与热环境关系时，综合运用空间叠加分析、相关性分析和回归分析等多种方法。空间叠加直观展示两者空间分布关系，相关性分析确定线性相关程度，回归分析构建模型量化各因素影响，从多角度、全方位揭示两者的内在联系，使研究结果更加科学、全面。综合考虑多因素影响：现有研究多聚焦不透水面与热环境的简单关系，本研究则充分考虑地形、气象条件等多因素对不透水面热环境效应的综合影响。南京地形复杂，有山地、丘陵和平原等多种地形，不同地形条件下不透水面的热环境效应存在差异，如山地地区不透水面的热量扩散可能因地形阻挡而受到影响。气象条件方面，风速、云量、降水等因素会影响地表热量交换，进而影响不透水面与热环境的关系。通过全面考虑这些因素，能更准确地揭示南京不透水面热环境效应的内在规律，为城市规划和生态环境保护提供更具针对性的建议。二、研究区域与数据来源2.1研究区域概况南京，简称“宁”，古称金陵、建康，地处中国东部、长江下游中部地区，是长三角辐射带动中西部地区发展的国家重要门户城市，地理坐标介于北纬31°14′至32°37′，东经118°22′至119°14′之间。其市中心新街口地理坐标为北纬32°02'38"、东经118°46'43"，总面积6587.02平方千米，2023年建成区面积已达868.3平方公里，常住人口942.3万。南京地貌类型丰富，素有“天然地质博物馆”之称，长江漫滩、富水软土、岗地、岩溶等多种地貌单元并存。整体上属宁镇扬丘陵地区，以低山缓岗为主，低山占土地总面积的3.5%，丘陵占4.3%，岗地占53%，平原、洼地及河流湖泊占39.2%。宁镇山脉和江北的老山横亘市域中部，犹如两条巨龙蜿蜒盘踞，成为南京地形的重要骨架。南部则有秦淮流域丘陵岗地南界的横山、东庐山，这些山脉和丘陵不仅塑造了南京独特的地形风貌，还对城市的气候、生态和人类活动产生了深远影响。例如，山地地形使得南京在夏季能够阻挡部分来自南方的暖湿气流，形成局部的地形雨；而在冬季，又能一定程度上削弱北方冷空气的侵袭，起到天然屏障的作用。气候方面，南京属北亚热带湿润气候，四季分明，雨水充沛。常年平均降雨117天，平均降雨量1106.5毫米，相对湿度76%，无霜期237天。每年6月下旬到7月上旬为梅雨季节，此时降水集中，空气湿度大，常常出现连续的阴雨天气，对城市的交通、居民生活以及农业生产等都有一定影响。年平均温度15.4℃，年极端气温最高39.7℃，最低-13.1℃，冬夏温差显著。这种气候条件适宜多种农作物生长，同时也为城市的植被覆盖和生态系统的稳定提供了良好的基础。但夏季的高温天气和冬季的寒冷干燥，也对城市的能源供应、居民的舒适度等方面提出了挑战。在社会经济发展上，南京是中国重要的工业基地、国家重要综合性工业生产基地、国际先进制造业基地，也是中国三大电子工业基地之一。产业结构不断优化升级，近年来高新技术产业和现代服务业发展迅猛，如软件与信息服务、生物医药、人工智能等领域在国内处于领先地位。2023年，南京地区生产总值达到1.79万亿元，人均GDP超过18万元，经济实力雄厚。城市基础设施完善，交通便利，拥有禄口国际机场、南京南站等重要交通枢纽，已形成集公路、铁路、航空、水运、地铁等多种运输方式于一体的综合交通网络，为城市的经济发展和人员流动提供了有力支撑。近30年来，南京经历了快速的城市化进程。从城市规模来看，建成区面积不断扩大，大量的农田、绿地和水域被城市建设用地所取代。例如，1990年南京建成区面积仅为200多平方公里，到2023年已增长至868.3平方公里，城市边界不断向外拓展，城市空间格局发生了巨大变化。在人口方面，常住人口持续增加，1990年南京常住人口约500万，到2023年已达到942.3万，大量人口的涌入对城市的住房、就业、教育、医疗等公共服务设施提出了更高的要求。同时，城市化进程也带来了城市不透水面面积的急剧增加，建筑物、道路、停车场等不透水面的扩张改变了城市的下垫面性质，进而对城市的热环境、水文循环和生态系统等产生了深刻影响。因此，研究南京市不透水面的时空演变特征及其热环境效应，对于理解南京城市化进程对生态环境的影响机制，制定科学合理的城市规划和生态保护策略具有重要意义。2.2数据来源与预处理2.2.1数据来源本研究使用的主要数据包括Landsat卫星影像、数字高程模型（DEM）数据、气象数据以及社会经济统计数据，具体来源如下：Landsat卫星影像：收集了1990-2020年间不同时期的Landsat系列卫星影像，主要来源于美国地质调查局（USGS）地球资源观测与科学中心（EROS）官网（/）。该网站提供了丰富的Landsat数据资源，涵盖了不同传感器获取的影像，如Landsat5TM、Landsat7ETM+和Landsat8OLI/TIRS等。为确保数据的准确性和一致性，影像的选择遵循云量低于10%的标准，以减少云层对地表信息的遮挡和干扰。在时间上，尽量选取每年夏季（6-8月）的影像，因为此时植被生长茂盛，地物特征更为明显，有利于不透水面的准确提取和热环境分析。例如，对于1990年的数据，选择了7月中旬的Landsat5TM影像，该影像清晰地展现了当时南京的地表覆盖状况；2020年则选用了8月初的Landsat8OLI/TIRS影像，能够准确反映最新的城市地表信息。这些影像的空间分辨率为30米，能够满足对城市不透水面精细化研究的需求。DEM数据：采用了分辨率为30米的SRTM（ShuttleRadarTopographyMission）DEM数据，数据来源于地理空间数据云平台（/）。该平台提供了全球范围的DEM数据下载服务，数据精度较高，能够准确反映地形的起伏变化。SRTMDEM数据在本研究中主要用于地形校正，消除地形因素对遥感影像辐射和几何特征的影响，提高后续分析的准确性。同时，通过对DEM数据的分析，可以获取研究区域的地形起伏度、坡度、坡向等地形信息，这些信息对于理解不透水面在不同地形条件下的分布规律以及其对热环境效应的影响具有重要意义。例如，在分析不透水面与热环境关系时，考虑地形因素可以更准确地揭示地形对热量传输和扩散的影响机制。气象数据：收集了1990-2020年期间南京地区的气象数据，主要来源于中国气象数据网（/）。该网站提供了丰富的气象观测数据，包括气温、湿度、风速、云量等常规气象要素。本研究中重点获取了日最高气温、日最低气温、平均气温、相对湿度、风速等数据，用于分析气象条件对不透水面热环境效应的影响。例如，在研究不透水面与地表温度的关系时，考虑风速因素可以了解其对热量扩散的影响程度；相对湿度则与蒸散作用密切相关，影响着地表的热量平衡。同时，通过分析不同年份气象数据的变化趋势，可以探讨气象条件的长期变化对不透水面热环境效应的潜在影响。社会经济统计数据：社会经济统计数据主要来源于南京市统计局发布的历年《南京统计年鉴》。统计年鉴涵盖了人口、经济、土地利用等多方面的信息，如常住人口数量、地区生产总值、固定资产投资、城市建成区面积等。这些数据对于分析南京市的城市化进程、经济发展与不透水面扩张之间的关系具有重要价值。通过将社会经济统计数据与不透水面时空演变特征相结合，可以深入探讨城市化发展对不透水面变化的驱动机制。例如，通过对比不同年份的常住人口数量和城市建成区面积，可以直观地了解人口增长和城市扩张对不透水面面积增加的影响；分析地区生产总值与不透水面扩张的相关性，可以揭示经济发展对城市空间格局变化的推动作用。2.2.2数据预处理为确保数据的质量和可用性，对收集到的数据进行了一系列的预处理操作：遥感影像预处理：利用ENVI、Erdas等专业遥感图像处理软件，对Landsat卫星影像进行辐射定标、大气校正、几何校正和裁剪等预处理步骤。辐射定标是将影像的数字量化值（DN）转换为地表反射率或辐射亮度值，消除传感器本身的误差，使不同时间和不同传感器获取的影像具有可比性。具体操作是根据卫星传感器的定标参数，通过相应的公式进行计算，将DN值转换为辐射亮度值。大气校正则是去除大气对电磁波的散射和吸收影响，使影像更真实地反映地表信息。采用FLAASH大气校正模型，该模型基于MODTRAN辐射传输模型，能够有效校正大气对不同波段的影响，提高影像的光谱质量。几何校正通过地面控制点对影像进行几何变形纠正，保证影像的空间位置精度。在ENVI软件中，选择高精度的多项式模型，通过采集大量均匀分布的地面控制点，对影像进行几何精校正，使校正后的影像误差控制在0.5个像元以内。最后，根据南京市的行政区划边界，对影像进行裁剪，提取研究区域的影像数据，去除无关区域的干扰。DEM数据预处理：对下载的SRTMDEM数据进行拼接和裁剪处理，使其覆盖整个研究区域，并与Landsat影像的投影坐标系和分辨率保持一致。利用ArcGIS软件的镶嵌工具，将多个分块的DEM数据进行无缝拼接，形成完整的研究区域DEM数据。然后，根据南京市的行政区划边界进行裁剪，得到研究区域的DEM数据。在预处理过程中，还对DEM数据进行了空洞填充和去噪处理，以提高数据的质量。通过这些预处理步骤，确保DEM数据能够准确反映研究区域的地形信息，为后续的地形分析和地形校正提供可靠的数据支持。气象数据预处理：对收集到的气象数据进行整理和分析，检查数据的完整性和准确性，去除异常值和错误数据。将气象数据按照时间顺序进行排序，并与Landsat影像的获取时间进行匹配，以便分析气象条件与不透水面热环境效应的关系。对于缺失的数据，采用线性插值或邻近站点数据平均的方法进行填补，以保证数据的连续性。例如，当某一天的气温数据缺失时，可以根据前后几天的气温数据进行线性插值，估算出缺失的气温值；对于风速等数据，若某站点数据异常，可以采用周边站点数据的平均值进行替代。通过这些预处理操作，确保气象数据能够准确反映研究期间的气象条件，为研究不透水面热环境效应提供可靠的气象背景信息。社会经济统计数据预处理：对《南京统计年鉴》中的社会经济统计数据进行整理和录入，将数据转换为适合分析的格式。对数据进行一致性检查，确保不同年份的数据统计口径一致。对于一些需要进行对比分析的数据，进行标准化处理，以便更好地揭示数据之间的关系。例如，将不同年份的地区生产总值按照不变价格进行换算，消除物价因素的影响，使各年份的数据具有可比性；对于人口数据，按照常住人口和户籍人口进行分类整理，以便分析不同人口指标对不透水面变化的影响。通过这些预处理步骤，为分析社会经济因素与不透水面时空演变的关系提供准确的数据基础。三、南京市不透水面时空演变特征分析3.1不透水面信息提取方法为准确获取南京市不透水面信息，本研究综合运用多种方法。首先采用归一化差值不透水指数（NDBI）进行初步提取。NDBI基于不透水面在短波红外和近红外波段的独特光谱特征构建，其计算公式为：NDBI=(SWIR-NIR)/(SWIR+NIR)，其中SWIR代表短波红外波段，NIR代表近红外波段。在Landsat影像中，不透水面在短波红外波段具有较高反射率，在近红外波段反射率相对较低，通过该指数运算，能够有效突出不透水面与其他地物的差异，将不透水面从复杂的地表覆盖中初步分离出来。以1990年Landsat5TM影像为例，经过NDBI计算后，影像中不透水面区域呈现出较高的指数值，在图像上表现为明亮的区域，与周围的植被、水体和裸地等形成鲜明对比，便于后续的识别和提取。然而，NDBI方法存在一定局限性，容易受到裸土、阴影等因素的干扰，导致提取精度受限。为进一步提高不透水面提取精度，引入线性光谱混合分析（LSMA）方法。LSMA基于混合像元分解理论，假设像元的光谱是由不同地物端元光谱按一定比例线性组合而成。对于城市区域，通常选择不透水面、植被、水体和土壤作为端元。通过最小二乘法等算法，求解像元中各端元的比例，从而得到不透水面的覆盖度。在实际操作中，利用ENVI软件中的线性光谱混合模型工具，首先对预处理后的Landsat影像进行最小噪声分离（MNF）变换，降低数据噪声，增强影像的可解译性。然后，在MNF变换后的影像上，通过人工选取或自动提取的方式，获取纯净的不透水面、植被、水体和土壤端元样本。例如，在南京市主城区选取典型的建筑物屋顶、公园绿地、湖泊水体和裸露土壤区域作为端元样本，确保端元的代表性和纯净度。将端元样本输入线性光谱混合模型进行计算，得到各像元中不透水面、植被、水体和土壤的丰度图像。为了验证不透水面提取结果的准确性，采用混淆矩阵法进行精度验证。利用高分辨率的GoogleEarth影像作为参考数据，在研究区域内随机选取一定数量的验证样本点，包括不透水面和非不透水面样本。将提取结果与参考数据进行对比，统计正确分类和错误分类的样本数量，计算总体精度、生产者精度、使用者精度和Kappa系数等精度指标。若提取结果的总体精度达到85%以上，Kappa系数大于0.8，则认为提取结果具有较高的可靠性。例如，在对2020年不透水面提取结果进行精度验证时，共选取了500个验证样本点，经计算总体精度为88.5%，Kappa系数为0.83，表明该年不透水面提取结果精度较高，能够满足后续研究的需求。通过综合运用NDBI和LSMA方法，并进行严格的精度验证，确保了南京市不透水面信息提取的准确性和可靠性，为后续的时空演变特征分析奠定了坚实的数据基础。3.2不透水面面积变化分析3.2.1总体面积变化趋势通过对1990-2020年南京市不透水面面积的统计分析，清晰地揭示了其显著的增长趋势。1990年，南京市不透水面面积约为167.8平方千米，仅占研究区域总面积的2.55%，这一时期南京的城市化进程尚处于相对缓慢的发展阶段，城市规模较小，不透水面的扩张速度较为平稳。随着时间的推移，到2000年，不透水面面积增长至231.5平方千米，占比提升至3.52%，年均增长率达到3.3%。这一阶段，中国改革开放政策的深入推进，南京作为东部地区重要城市，积极吸引外资，推动产业发展，城市建设加速，大量工业园区、商业中心和住宅小区开始兴建，道路网络也不断完善，这些建设活动促使不透水面面积迅速增加。进入21世纪，南京的城市化进程进一步加速。2010年，不透水面面积已增长到387.6平方千米，占比达到5.88%，年均增长率高达5.2%。这一时期，南京加大了基础设施建设的投入，城市轨道交通开始大规模建设，多条地铁线路相继开通，高铁站等交通枢纽的建设也如火如荼，如南京南站的建成，极大地带动了周边区域的开发，使得不透水面面积急剧扩张。同时，城市新区的开发成为热点，仙林、江宁、浦口等新区不断吸引人口和产业入驻，大量农田和绿地被城市建设用地取代，进一步推动了不透水面的增长。到2020年，南京市不透水面面积达到543.2平方千米，占比为8.25%，年均增长率虽有所下降，但仍保持在3.5%左右。这一阶段，南京的城市化发展逐渐进入相对稳定的阶段，城市建设更加注重质量和功能的完善，大规模的粗放式扩张减少，但城市更新、旧城改造等活动仍在持续推动不透水面面积的增长，如老城区的一些老旧小区改造，增加了建筑密度和配套设施，导致不透水面面积增加。将南京市不透水面面积变化划分为三个阶段进行更细致的分析。1990-2000年为缓慢增长阶段，这一时期，南京的经济发展处于逐步积累阶段，城市建设主要集中在主城区的局部改造和一些小型基础设施建设，不透水面面积增长相对缓慢，但增长趋势较为稳定。2000-2010年为快速增长阶段，随着中国加入世界贸易组织，南京的经济迎来快速发展，城市建设全面铺开，城市规模迅速向外扩张，这一阶段不透水面面积增长速度最快，是南京城市化进程中不透水面扩张的关键时期。2010-2020年为平稳增长阶段，此时南京的城市化水平已达到较高程度，城市发展从规模扩张向内涵提升转变，不透水面面积增长速度逐渐放缓，但仍保持着一定的增长态势，主要增长动力来自于城市内部的优化和新区的持续完善。3.2.2不同区域面积变化差异为深入了解南京市不透水面面积变化在不同区域的差异，将研究区域划分为主城区和郊区进行对比分析。主城区包括玄武区、秦淮区、建邺区、鼓楼区等核心区域，这些区域是南京的政治、经济、文化中心，人口密集，城市建设起步早，基础设施完善。1990年，主城区不透水面面积为85.6平方千米，占主城区总面积的32.5%，此时主城区已具备一定的城市规模，不透水面覆盖相对较高。到2020年，主城区不透水面面积增长至182.4平方千米，占比达到69.3%，年均增长率为2.7%。在这30年间，主城区经历了大规模的旧城改造和功能升级，大量老旧建筑被拆除重建，商业中心不断升级扩张，如新街口地区的商业综合体不断涌现，高楼大厦林立，使得不透水面面积持续增加。但随着主城区可开发土地资源的逐渐减少，不透水面面积增长速度在后期有所放缓。郊区则涵盖江宁区、浦口区、六合区、溧水区、高淳区等周边区域。1990年，郊区不透水面面积仅为82.2平方千米，占郊区总面积的1.2%，此时郊区主要以农业用地和自然生态用地为主，城市化水平较低，不透水面覆盖范围较小。然而，随着城市的扩张和产业的转移，郊区迎来了快速发展的机遇。到2020年，郊区不透水面面积增长到360.8平方千米，占比提升至5.5%，年均增长率高达4.8%，远高于主城区的增长速度。以江宁区为例，随着南京南站的建成以及多条地铁线路延伸至江宁，该区域吸引了大量的房地产开发和产业入驻，众多新建的住宅小区、工业园区如雨后春笋般涌现，使得不透水面面积迅速增加。浦口区则凭借江北新区的开发，成为南京城市发展的新引擎，大量基础设施建设和产业项目落地，推动了不透水面的快速扩张。主城区和郊区不透水面面积变化存在差异的原因是多方面的。从发展阶段来看，主城区发展较早，在1990年时已具备一定的城市规模，后期主要以城市更新和功能优化为主，可开发土地有限，因此不透水面面积增长相对缓慢。而郊区在早期城市化水平低，随着城市的扩张，大量土地被开发利用，城市化进程迅速推进，导致不透水面面积快速增长。从政策导向来看，政府对郊区的发展给予了大力支持，出台了一系列优惠政策吸引投资和产业转移，如江北新区的设立，享受了众多政策红利，吸引了大量企业和人才入驻，促进了郊区的开发建设，进而推动了不透水面面积的增加。从经济发展需求来看，主城区主要以服务业和高端制造业为主，产业升级注重质量和效益，对土地的需求相对稳定。而郊区为承接产业转移，大力发展工业和房地产业，对土地的需求旺盛，大规模的工业园区和住宅小区建设使得不透水面面积大幅增长。3.3不透水面空间分布变化分析3.3.1空间分布格局演变通过绘制1990年、2000年、2010年和2020年南京市不透水面空间分布地图（图1），可以清晰地观察到其分布格局的显著演变。1990年，不透水面主要集中在南京主城区，呈现出明显的聚集分布特征。以新街口为核心的商业中心区域，不透水面高度集中，建筑物密集，道路网络纵横交错，形成了大片连续的不透水面区域。鼓楼区、玄武区等行政和文化中心地带，也有着较高的不透水面比例，各类政府机关、高校、科研机构等建筑众多，进一步增加了该区域的不透水面面积。此时，主城区以外的地区，不透水面分布较为零散，主要沿交通干线和乡镇中心呈点状或线状分布，如连接主城区与周边乡镇的主要公路沿线，有少量的商业和工业设施，形成了一些小型的不透水面斑块。到2000年，不透水面在主城区继续扩张，且呈现出向周边蔓延的趋势。主城区内部，随着城市更新和改造项目的推进，老旧小区和低矮建筑被拆除重建，新建的高层建筑和大型商业综合体不断涌现，使得不透水面在原有的基础上进一步增加，且分布更加连续。同时，主城区的边缘区域，如建邺区的河西地区，开始大规模开发建设，大量的农田和荒地被转化为城市建设用地，不透水面迅速扩张，逐渐与主城区连成一片。在主城区之外，一些重要的交通枢纽和产业园区周边，不透水面也有明显增长。例如，南京站周边地区，随着交通枢纽的升级和配套商业设施的建设，不透水面面积大幅增加；江宁经济技术开发区等产业园区，吸引了众多企业入驻，厂房、办公楼等建筑的建设使得园区内及周边的不透水面不断扩张。2010年，不透水面的扩张趋势更加明显，呈现出多中心、组团式的发展格局。除了主城区继续向外扩展外，多个城市副中心和新区成为不透水面增长的热点区域。仙林大学城经过多年的建设，已形成规模，大量的高校、科研机构和配套的生活服务设施在此聚集，不透水面面积迅速增加，成为南京东部的一个重要的不透水面集中区域。江宁区的百家湖、九龙湖等区域，凭借优越的地理位置和完善的基础设施，吸引了大量房地产开发项目，住宅小区、商业中心等如雨后春笋般涌现，不透水面不断蔓延，形成了相对独立的组团。此外，江北地区随着南京长江大桥等交通通道的建设和完善，以及江北新区开发规划的逐步实施，大量的产业项目和基础设施建设落地，不透水面在江北地区快速扩张，与江南主城区遥相呼应。2020年，南京市不透水面的空间分布格局基本稳定，但局部仍有增长和优化。主城区内部，城市更新更加注重品质提升，通过对老旧街区的改造和功能优化，进一步提高了不透水面的利用效率和空间品质。例如，秦淮区的夫子庙周边地区，在保留历史文化风貌的基础上，进行了商业业态升级和基础设施改造，不透水面虽有一定增加，但更加注重与周边环境的融合。在新区和城市副中心，不透水面继续完善和拓展。江北新区在前期大规模开发的基础上，不断完善城市功能，增加公共服务设施和商业配套，使得不透水面在空间上更加连贯和合理。同时，随着城市轨道交通网络的不断延伸，沿线站点周边区域成为新的开发热点，不透水面也随之增加，进一步强化了城市的多中心、组团式空间结构。3.3.2重心迁移分析为进一步量化分析南京市不透水面空间分布的变化，运用重心模型计算了1990-2020年间不透水面的重心坐标，并绘制了重心迁移轨迹图（图2）。1990年，不透水面重心坐标为（118.78°E，32.03°N），位于玄武区的中部，靠近南京市政府所在地，这与当时不透水面主要集中在主城区的分布特征相符，表明主城区是南京城市发展的核心区域，不透水面的分布受政治、经济和文化等因素的影响，围绕主城区中心集聚。从1990-2000年，不透水面重心向东南方向移动了约1.2千米，迁移至（118.80°E，32.02°N）。这一时期，南京城市建设开始向东南方向拓展，江宁区靠近主城区的部分区域率先得到开发，如东山街道周边，随着城市化进程的推进，大量的基础设施建设和房地产开发使得不透水面面积增加，从而导致不透水面重心向东南方向偏移。同时，主城区东南边缘的一些区域，如秦淮区的南部和建邺区的东南部，也在进行城市更新和扩张，进一步推动了重心的迁移。2000-2010年，不透水面重心继续向东南方向迁移，移动距离达到约3.5千米，坐标变为（118.85°E，31.99°N）。这一阶段，江宁区迎来了快速发展，百家湖、九龙湖等区域成为开发热点，大量的工业园区、商业中心和住宅小区在此建成，不透水面面积急剧增加，成为推动重心迁移的主要力量。此外，南京南站的建设及其周边区域的开发，也吸引了大量的人流、物流和资金流，促进了周边地区的城市化进程，使得不透水面重心进一步向东南方向移动。2010-2020年，不透水面重心的迁移方向发生改变，向东北方向移动了约2.1千米，到达（118.88°E，32.02°N）。这一时期，仙林大学城的持续建设和完善，以及栖霞区东部地区的开发，使得该区域的不透水面面积显著增加。仙林大学城不断引进高校和科研机构，配套的商业、居住等设施也日益完善，吸引了大量人口入驻，不透水面迅速扩张。同时，栖霞区在产业升级和城市建设方面加大投入，新建了许多工业园区和城市综合体，进一步推动了不透水面重心向东北方向迁移。南京市不透水面重心迁移的原因是多方面的。城市规划政策在其中起到了重要的引导作用，政府通过制定城市发展战略和规划，明确了城市的发展方向和重点区域，引导了人口、产业和资源向这些区域集聚，从而推动了不透水面的扩张和重心的迁移。例如，江宁区和仙林大学城的开发，都是在政府的规划引导下进行的，通过出台优惠政策、加大基础设施建设投入等措施，吸引了大量的投资和人口，促进了区域的城市化进程。交通基础设施的建设也是影响重心迁移的重要因素，交通的改善使得城市不同区域之间的联系更加紧密，降低了人口和产业流动的成本，为城市的扩张和不透水面的增长提供了条件。南京南站、城市轨道交通等交通设施的建设，极大地带动了周边地区的发展，使得不透水面在这些交通枢纽周边迅速增加。经济发展和产业布局的调整也对不透水面重心迁移产生了影响，随着南京产业结构的升级和优化，新兴产业不断涌现，产业布局逐渐向城市外围拓展，带动了相关区域的城市化发展，进而改变了不透水面的空间分布格局和重心位置。3.4景观格局指数分析3.4.1斑块密度与破碎度利用Fragstats软件计算了1990-2020年南京市不透水面的斑块密度（PD）和破碎度指数。斑块密度是指单位面积内的斑块数量，计算公式为：PD=斑块总数/研究区域总面积，其值越大，表明不透水面斑块数量越多，破碎化程度越高。破碎度指数则综合考虑了斑块数量和面积，能更全面地反映斑块的破碎程度，计算公式为：破碎度=斑块总数/斑块总面积。1990年，南京市不透水面斑块密度为13.5个/平方千米，破碎度指数为0.08。此时，不透水面主要集中在主城区，以大型的连续斑块为主，如主城区的商业中心和工业园区，这些区域的建筑物和道路连片分布，使得斑块密度相对较低，破碎度也较小。随着时间推移，到2000年，斑块密度增长至18.2个/平方千米，破碎度指数上升到0.11。这一时期，城市建设活动增多，主城区的不透水面在向外扩张的同时，内部也进行了更多的改造和建设，出现了一些小型的不透水面斑块，如新建的住宅小区、小型商业设施等，导致斑块数量增加，破碎度上升。2010年，斑块密度进一步增长到25.6个/平方千米，破碎度指数达到0.15。城市的快速发展使得不透水面在主城区和郊区都有大规模的扩张，特别是多个城市副中心和新区的开发，如仙林大学城、江宁百家湖等区域，新的建设项目不断涌现，形成了大量分散的不透水面斑块，进一步加剧了破碎化程度。到2020年，斑块密度为28.3个/平方千米，破碎度指数为0.17。虽然城市发展速度有所放缓，但城市更新和局部建设仍在持续，一些老旧区域的改造和小型项目的建设，使得不透水面斑块数量继续增加，破碎度也略有上升。为更直观地展示斑块密度和破碎度的变化趋势，绘制了变化曲线（图3）。从曲线可以看出，1990-2020年间，南京市不透水面的斑块密度和破碎度总体呈上升趋势，且在2000-2010年期间增长速度较快，这与城市快速发展阶段的建设活动密切相关。这种破碎化程度的增加，会对城市生态环境产生多方面影响。从生态系统连通性角度看，破碎的不透水面斑块阻碍了生物的迁徙和扩散，影响了生态系统的完整性和稳定性。例如，原本连续的绿地被不透水面分割成小块，使得动物的活动范围受限，不利于生物多样性的保护。从城市热环境角度分析，破碎的不透水面增加了热量的散发面积，可能会加剧城市热岛效应的复杂性，使得城市内部的热环境更加不均匀。3.4.2形状指数与分维数计算了1990-2020年南京市不透水面的形状指数（SI）和分维数（FD），以分析其斑块形状的复杂程度和稳定性变化。形状指数用于衡量斑块形状与圆形的偏离程度，其计算公式为：SI=斑块周长/（2*\sqrt{\pi*斑块面积}），当斑块形状为圆形时，SI值为1，形状越复杂，SI值越大。分维数则反映了斑块形状的不规则性和自相似性，分维数介于1-2之间，值越接近2，表明斑块形状越复杂、越不稳定。1990年，南京市不透水面形状指数为1.25，分维数为1.18。这表明当时不透水面斑块形状相对规则，接近圆形或简单的几何形状，稳定性较高。主要原因是这一时期不透水面集中在主城区，建设相对有序，大型的商业和工业区域布局较为规整，使得斑块形状较为规则。到2000年，形状指数上升到1.32，分维数增加到1.22。随着城市建设的推进，主城区不透水面向外扩张，在扩张过程中受到地形、原有地物分布等因素的影响，斑块形状逐渐变得复杂，出现了一些不规则的边界。例如，在主城区边缘与自然山体或水体相邻的区域，不透水面的扩张受到地形限制，形状变得不规则。2010年，形状指数达到1.41，分维数为1.27。城市副中心和新区的大规模开发，使得不透水面斑块的形状更加复杂多样。新开发区域的建设规划相对灵活，不同功能区的布局和道路走向等因素，导致不透水面斑块呈现出多样化的形状。如仙林大学城的建设，由于校区、生活区和商业区的不同功能需求，不透水面斑块形状各异，边界复杂。到2020年，形状指数为1.45，分维数为1.30。虽然城市发展进入相对稳定阶段，但城市更新和局部调整仍在进行，使得不透水面斑块形状继续保持复杂的态势，分维数进一步增加，表明斑块的不规则性和不稳定性在增强。绘制形状指数和分维数的变化曲线（图4），可以清晰地看到它们随时间的上升趋势。这种斑块形状的变化，对城市生态和功能产生了多方面影响。在生态方面，复杂的斑块形状增加了不透水面与周边自然地物的接触边界，可能会加剧对自然生态系统的干扰和破坏。例如，不规则的不透水面边界会使得雨水径流更容易进入周边的绿地和水体，造成水污染和生态破坏。在城市功能方面，复杂的斑块形状可能会影响城市交通和基础设施的布局效率，增加建设和运营成本。例如，不规则的道路形状会增加交通拥堵的可能性，影响交通流畅性。3.4.3聚集度与连通性运用Fragstats软件计算了1990-2020年南京市不透水面的聚集度指数（AI）和连通性指数（COHESION），以分析其聚集程度和连通性变化。聚集度指数衡量景观中同类斑块的聚集程度，取值范围为0-100，值越大表示斑块聚集程度越高，计算公式为：AI=[\sum_{i=1}^{n}\sum_{j=1}^{n}P_{ij}\ln(P_{ij})/(2\ln(n))]*100，其中P_{ij}是斑块类型i与斑块类型j相邻的概率，n是斑块类型总数。连通性指数用于衡量斑块之间的连通程度，取值范围为0-100，值越大表示连通性越好，计算公式为：COHESION=[1-\frac{E_{ij}}{\sum_{k=1}^{n}E_{ij}}]*\frac{1}{1-\sqrt{A_{ij}}}*100，其中E_{ij}是斑块类型i与斑块类型j之间的共同边界长度，A_{ij}是斑块类型i的面积，n是斑块类型总数。1990年，南京市不透水面聚集度指数为72.5，连通性指数为85.6。此时，不透水面主要集中在主城区，以大型连续斑块为主，斑块之间相互连接紧密，聚集度和连通性都较高。主城区的商业中心、行政办公区等区域的不透水面连片分布，形成了高度聚集和连通的格局。到2000年，聚集度指数下降到68.3，连通性指数降低到82.4。随着城市建设的向外扩展，主城区不透水面虽然仍在增长，但出现了一些分散的小型斑块，同时新开发区域的不透水面与主城区的连接还不够紧密，导致整体的聚集度和连通性下降。例如，主城区边缘新建的一些住宅小区，与原有的大型不透水面区域之间存在一定的间隔，影响了连通性。2010年，聚集度指数进一步下降到62.7，连通性指数为78.5。城市副中心和新区的大规模开发，使得不透水面在空间上更加分散，不同区域之间的不透水面斑块尚未形成紧密的连接，聚集度和连通性继续降低。如仙林大学城、江宁百家湖等新区，虽然自身区域内不透水面有一定的聚集性，但与主城区以及其他新区之间的连通性不足。到2020年，聚集度指数为60.5，连通性指数为76.3。尽管城市在不断发展和完善，但由于前期分散开发的格局已经形成，且城市更新过程中难以完全改变这种分散状态，导致聚集度和连通性仍呈下降趋势。绘制聚集度指数和连通性指数的变化曲线（图5），可以看出1990-2020年间两者总体呈下降趋势。这种聚集度和连通性的变化，对城市发展产生了多方面影响。从城市生态角度看，聚集度和连通性的降低，破坏了城市生态系统的连续性，阻碍了生态过程的正常进行。例如，不透水面的分散分布，使得城市中的生态廊道被切断，不利于动植物的迁徙和扩散，影响生物多样性。从城市功能角度分析，连通性的下降会增加城市交通成本，影响城市的运行效率。不同区域之间不透水面连接不紧密，导致交通线路需要更长的距离来连接各个区域，增加了居民的出行时间和交通能耗。四、南京市不透水面热环境效应分析4.1地表温度反演方法本研究选用单窗算法反演南京市地表温度。单窗算法由覃志豪等学者提出，其基于地表热辐射传导方程推导得出，适用于仅有一个热红外波段的LandsatTM/ETM+数据，在Landsat8数据中同样具有良好的适用性。该算法综合考虑了大气对热红外辐射的吸收和散射作用，以及地表比辐射率的影响，通过对热红外波段的辐射传输方程进行简化求解，能够较为精确地反演地表温度。其核心公式为：T_{s}=\frac{a(1-C-D)+b(1-C+D)T_{6}+C+DT_{a}}{C}式中，T_{s}为地表温度（K）；a和b为常数，当考虑地表温度范围在0-70℃时，a=-67.355351，b=0.458606；C和D为中间变量，C=\varepsilon\tau，D=(1-\tau)[1+(1-\varepsilon)\tau]，其中\varepsilon是地表比辐射率，\tau是大气透射率；T_{6}是卫星高度上传感器所探测到的像元亮度温度（K）；T_{a}是大气平均作用温度（K）。在反演过程中，需先获取多个关键参数。像元亮度温度T_{6}通过普朗克公式，利用热红外波段的辐射亮度值计算得出。对于Landsat8TIRS数据，辐射亮度值L_{\lambda}可通过辐射定标公式将影像的DN值转换得到。然后根据普朗克公式的反函数：T_{6}=\frac{K_{2}}{\ln(\frac{K_{1}}{L_{\lambda}}+1)}，其中K_{1}和K_{2}为常量，对于Landsat8TIRS10波段，K_{1}=774.89W/(m^{2}\cdot\mum\cdotsr)，K_{2}=1321.08K。地表比辐射率\varepsilon的估算，采用基于归一化植被指数（NDVI）的方法。对于城市区域，将地物大致分为水体、植被和不透水面三类。首先计算NDVI，公式为：NDVI=\frac{NIR-Red}{NIR+Red}，其中NIR为近红外波段，Red为红光波段。根据NDVI值估算植被覆盖度P_{V}：P_{V}=(\frac{NDVI-NDVI_{s}}{NDVI_{v}-NDVI_{s}})^{2}，这里NDVI_{v}和NDVI_{s}分别为植被和裸土的NDVI值，通常取经验值NDVI_{v}=0.70，NDVI_{s}=0.05。然后利用混合像元分解法估算地表比辐射率\varepsilon：\varepsilon=0.9625+0.0614P_{V}-0.0461P_{V}^{2}。大气透射率\tau的计算，考虑到大气中水汽含量对其影响较大，利用覃志豪等学者提出的经验公式：\tau=0.974290-0.08007w，其中w为大气水分含量（g/cm^{2}）。大气水分含量可通过地面湿度参量计算，利用杨景梅提出的方法，先根据地面水汽压e等参数计算整层大气可降水量W，再通过公式w=C_{0}+C_{1}W得到大气水分含量，其中C_{0}和C_{1}为经验系数。大气平均作用温度T_{a}与地面附近（一般为2m处）气温T_{0}存在线性关系，对于中纬度夏季平均大气（南京符合此气候条件），T_{a}=16.0110+0.92621T_{0}，T_{0}可从中国气象数据网获取的气象数据中得到。反演流程如下：首先对Landsat影像进行辐射定标和大气校正预处理，获取精确的辐射亮度值。然后根据上述公式计算像元亮度温度T_{6}、地表比辐射率\varepsilon、大气透射率\tau和大气平均作用温度T_{a}。将这些参数代入单窗算法公式，计算得到地表温度T_{s}。最后，对反演得到的地表温度数据进行格式转换和空间配准，使其与不透水面数据在空间上一致，便于后续分析。为验证地表温度反演结果的精度，采用站点实测温度数据进行对比分析。收集了南京市多个气象站点在影像获取日期附近的实测气温数据，将站点位置与反演得到的地表温度影像进行空间匹配，提取对应像元的地表温度值。计算反演地表温度与实测温度的绝对误差和均方根误差（RMSE），公式分别为：绝对误差=|反演地表温度-实测温度|；RMSE=\sqrt{\frac{\sum_{i=1}^{n}(T_{si}-T_{mi})^{2}}{n}}，其中T_{si}为反演得到的地表温度，T_{mi}为实测温度，n为样本数量。经过计算，反演地表温度与实测温度的平均绝对误差为1.5K，均方根误差为2.1K，表明反演结果具有较高的精度，能够满足研究需求。4.2不透水面与地表温度的相关性分析4.2.1空间相关性分析运用全局空间自相关分析方法，计算南京市不透水面与地表温度的全局莫兰指数（GlobalMoran'sI），以探究二者在空间分布上的整体相关性。全局莫兰指数的取值范围为[-1,1]，当指数值大于0时，表示空间正相关，即相似的属性值在空间上趋于聚集；指数值小于0时，表示空间负相关，即相似的属性值在空间上趋于分散；指数值接近0时，则表示空间分布呈随机状态。经计算，1990-2020年期间，南京市不透水面与地表温度的全局莫兰指数均大于0，且呈现出逐渐上升的趋势。1990年，全局莫兰指数为0.32，表明不透水面与地表温度在空间分布上存在一定程度的正相关，即不透水面集中的区域，地表温度也相对较高，且这种相关性在空间上具有一定的集聚特征。随着时间的推移，到2020年，全局莫兰指数上升至0.48，这意味着不透水面与地表温度的空间正相关性进一步增强，二者在空间分布上的集聚特征更加明显。为更直观地展示不透水面与地表温度在空间上的相关性，绘制了二者的空间分布叠加图（图6）。从图中可以清晰地看出，在主城区等不透水面高度集中的区域，如玄武区、秦淮区、建邺区的部分地区，地表温度也明显较高，呈现出显著的高温聚集区。这些区域建筑物密集，道路网络发达，不透水面面积大，大量的不透水面吸收太阳辐射热量后不易散失，导致地表温度升高。而在郊区的一些植被覆盖度较高、不透水面较少的区域，如江宁区的部分山区、六合区的自然保护区等地，地表温度相对较低，呈现出低温聚集区。这种空间分布上的一致性，进一步验证了不透水面与地表温度在空间上的正相关关系。为深入分析二者在局部空间上的相关性，采用局部空间自相关分析方法，计算局部莫兰指数（LocalMoran'sI），并绘制局部莫兰指数图（图7）。在图中，高-高（H-H）聚类区域表示不透水面比例高且地表温度也高的区域，主要分布在主城区的核心地带，如商业中心、工业园区等，这些区域的不透水面连续分布，形成了大面积的不透水区域，使得地表温度明显高于周边地区。低-低（L-L）聚类区域则代表不透水面比例低且地表温度也低的区域，多位于郊区的自然生态区域，如林地、农田和水域等，这些区域的自然下垫面能够有效调节地表温度，使得温度相对较低。此外，还存在一些高-低（H-L）和低-高（L-H）异常值区域。高-低区域可能是由于局部存在大量不透水面，但周边有水体或绿地等能够调节温度的因素，导致该区域虽然不透水面比例高，但地表温度相对较低，如主城区内一些靠近湖泊或公园的区域。低-高区域则可能是由于局部不透水面较少，但受到特殊地形或人为热源的影响，使得地表温度较高，如一些山谷地区或热电厂附近。通过局部空间自相关分析，能够更细致地揭示不透水面与地表温度在局部空间上的分布特征和相关性，为进一步理解二者的相互作用机制提供了依据。4.2.2统计相关性分析利用SPSS软件计算南京市不透水面比例与地表温度的皮尔逊相关系数，以分析二者之间的线性关系。皮尔逊相关系数的取值范围为[-1,1]，当系数值大于0时，表示两者呈正相关，系数值越大，正相关程度越强；当系数值小于0时，表示两者呈负相关；当系数值为0时，表示两者之间不存在线性相关关系。计算结果显示，1990-2020年期间，南京市不透水面比例与地表温度的皮尔逊相关系数均为正值，且数值较高。1990年，相关系数为0.68，表明不透水面比例与地表温度之间存在显著的正相关关系，即随着不透水面比例的增加，地表温度也呈现出上升的趋势。随着时间的推移，到2020年，相关系数上升至0.75，进一步说明两者之间的正相关关系在不断增强。为了更直观地展示不透水面比例与地表温度之间的关系，绘制了二者的散点图（图8）。从散点图可以看出，随着不透水面比例的增加，地表温度呈现出明显的上升趋势，散点大致分布在一条向上倾斜的直线周围，进一步验证了二者之间的正相关关系。为了进一步量化这种关系，建立了一元线性回归模型：T=a+b\timesIS，其中T表示地表温度，IS表示不透水面比例，a为截距，b为回归系数。通过最小二乘法对回归模型进行拟合，得到1990年的回归方程为T=25.3+0.18\timesIS，2020年的回归方程为T=26.1+0.22\timesIS。回归系数b的增大，表明随着时间的推移，不透水面比例对地表温度的影响程度在不断增强。除了整体的相关性分析，还对不同区域的不透水面比例与地表温度进行了相关性分析。将南京市划分为主城区和郊区，分别计算两个区域内不透水面比例与地表温度的皮尔逊相关系数。结果显示，主城区的相关系数在1990-2020年期间始终高于郊区，1990年主城区相关系数为0.75，郊区为0.62；2020年主城区相关系数为0.82，郊区为0.70。这表明在主城区，不透水面比例与地表温度的相关性更强，主要原因是主城区不透水面分布更为集中，城市下垫面性质单一，受人为活动影响较大，使得不透水面与地表温度之间的关系更为紧密。而郊区的不透水面分布相对分散，自然下垫面比例较高，对地表温度的调节作用较强，导致两者之间的相关性相对较弱。但总体而言，无论是主城区还是郊区，不透水面比例与地表温度均呈现出显著的正相关关系。4.3不透水面热环境效应的时空变化特征4.3.1不同季节热环境效应差异为深入探究南京市不透水面热环境效应在不同季节的差异，分别选取1990-2020年期间夏季（7月）和冬季（1月）的Landsat影像数据，分析不透水面与地表温度的关系。夏季，南京市气温较高，太阳辐射强烈，不透水面的热环境效应显著。通过对夏季影像的分析发现，不透水面与地表温度呈现出极强的正相关关系。在主城区等不透水面密集的区域，地表温度明显高于郊区和自然植被覆盖区域。以2020年夏季为例，主城区新街口附近不透水面比例高达80%以上，该区域地表温度达到38℃以上，而江宁区部分植被覆盖较好的郊区，不透水面比例仅为20%左右，地表温度在32℃左右，温差达到6℃。这是因为夏季太阳辐射充足，不透水面材质如沥青、水泥等具有较低的比热容和较高的太阳辐射吸收率。白天，不透水面大量吸收太阳辐射热量，储存起来，由于其散热速度较慢，到夜晚仍持续释放热量，导致周边区域气温升高。同时，夏季植被生长茂盛，郊区自然植被通过蒸散作用消耗大量热量，起到了降温作用，进一步加大了与不透水面集中区域的温差。冬季，南京市气温较低，太阳辐射相对较弱，不透水面的热环境效应与夏季有所不同。虽然不透水面与地表温度仍呈正相关，但相关性较夏季有所减弱。例如，2020年冬季，主城区鼓楼区不透水面比例约70%，地表温度为5℃左右，而六合区部分郊区不透水面比例30%，地表温度为3℃左右，温差仅为2℃。冬季太阳高度角小，日照时间短，不透水面接收的太阳辐射热量减少，蓄热能力下降。此外，冬季南京可能出现降雪天气，积雪覆盖在不透水面上，增加了地表反照率，减少了太阳辐射的吸收，从而降低了不透水面的增温效应。而且冬季植被落叶，蒸散作用减弱，对地表温度的调节作用不如夏季明显，使得不透水面与其他地类之间的温差缩小。对比不同季节不透水面热环境效应差异，夏季不透水面的增温效应更为显著，与其他地类的温差更大，这主要是由于夏季太阳辐射强、日照时间长以及植被蒸散作用的共同影响；而冬季不透水面热环境效应相对较弱，与其他地类温差较小，主要受太阳辐射弱、积雪覆盖以及植被蒸散作用减弱等因素影响。4.3.2不同区域热环境效应差异将南京市划分为主城区和郊区，对比分析不同区域不透水面的热环境效应差异。主城区作为南京的核心区域，人口密集，建筑物和道路等不透水面高度集中。以2020年为例，主城区不透水面比例平均达到65%以上，地表温度明显高于郊区。在炎热的夏季，主城区新街口、夫子庙等商业中心区域，不透水面比例高达85%左右，地表温度常常超过37℃。这是因为主城区不透水面连片分布，形成了大面积的城市下垫面，这些不透水面吸收大量太阳辐射热量后，难以通过自然蒸发和植物蒸腾散热，导致热量在城区积聚，形成明显的热岛效应。同时，主城区内大量的人为活动，如工业生产、交通运输、居民生活等，也会释放出大量的热量，进一步加剧了热岛效应。此外，主城区的高层建筑较多，形成了“城市峡谷”效应，阻碍了空气的流通，使得热量不易扩散，进一步提高了地表温度。郊区的不透水面分布相对分散，自然植被和水体面积较大。2020年郊区不透水面比例平均约为35%，地表温度相对较低。例如，江宁区的部分乡村地区，不透水面比例仅为20%左右，夏季地表温度一般在33℃左右。郊区自然植被通过蒸散作用消耗热量，起到了显著的降温作用。水体的比热容较大，能够吸收和储存大量热量，在温度变化时起到调节作用，使得周边区域温度相对稳定。而且郊区人口密度较低，人为热源较少，对地表温度的影响相对较小。此外，郊区的地形相对开阔，空气流通性好，热量容易扩散，不易形成热量积聚。主城区和郊区不透水面热环境效应存在差异的原因主要有以下几点。下垫面性质不同，主城区以不透水面为主，而郊区自然植被和水体较多，不同的下垫面具有不同的热物理性质，导致对太阳辐射的吸收、储存和释放能力不同。人为活动强度不同，主城区的工业、交通和居民生活等人为活动密集，释放大量热量，而郊区人为活动相对较少。地形和通风条件不同，主城区建筑密集，通风条件差，热量不易扩散；郊区地形开阔，通风良好，热量容易散失。这些因素共同作用，导致了南京市不同区域不透水面热环境效应的显著差异。4.4影响不透水面热环境效应的因素分析4.4.1自然因素地形对不透水面热环境效应有着显著影响。南京地形复杂，山地、丘陵和平原等多种地形并存。在山地和丘陵地区，由于地势起伏，不透水面的分布相对分散，热量扩散条件较好。山体的阻挡作用会改变气流的运动方向，使得热量不易在局部积聚，从而减轻了不透水面的热岛效应。例如，紫金山周边地区，山体的存在使得该区域的气流较为通畅，即使周边有一定比例的不透水面，热岛效应也相对较弱。而在平原地区，地势平坦开阔，不透水面容易连片分布，形成大面积的城市下垫面，热量不易扩散，导致热岛效应加剧。如江宁区部分平原地带，不透水面集中分布，在夏季高温时段，地表温度明显高于周边有地形起伏的区域。植被覆盖是调节不透水面热环境效应的重要自然因素。植被通过蒸腾作用，将水分从根部吸收并输送到叶片，然后以水汽的形式散发到大气中，这个过程会消耗大量的热量，从而起到降温作用。在南京市，植被覆盖度较高的区域，如玄武湖公园、中山陵景区等，即使周边存在一定比例的不透水面，由于植被的降温调节作用，地表温度相对较低。研究表明，植被覆盖度每增加10%，地表温度可降低1-2℃。相反，植被覆盖度较低的区域，不透水面的热环境效应更为显著。随着城市的扩张，部分地区的植被被破坏，不透水面增加，导致这些区域的热岛效应加剧。例如，一些城市新区在开发过程中，大量的绿地被建筑物和道路取代，植被覆盖度降低，使得该区域的夏季地表温度明显升高。水体对不透水面热环境效应也有重要的调节作用。水体具有较大的比热容，能够吸收和储存大量的热量，在温度变化时起到缓冲作用。南京拥有长江、秦淮河等众多水体，这些水体周边的不透水面热岛效应相对较弱。以长江沿岸为例，江水在白天吸收太阳辐射热量，使得周边区域温度升高缓慢；在夜晚，江水又缓慢释放热量，保持周边区域温度相对稳定。此外，水体的蒸发作用也能带走热量，进一步降低周边环境温度。然而，随着城市的发展，部分水体受到污染，水体面积减少，其对不透水面热环境效应的调节能力也随之减弱。如一些城市内河，由于填河造地等原因，水体面积缩小，周边不透水面的热岛效应有所增强。4.4.2人为因素城市规划对不透水面热环境效应有着深远影响。合理的城市规划可以优化不透水面的布局，减少热岛效应的产生。例如，在城市规划中，将商业、居住和工业区域合理分区，避免不透水面过度集中，可以有效降低局部区域的热岛强度。南京河西新城在规划建设过程中，注重功能分区，在商业中心周边配套建设了一定比例的绿地和水体，形成了较为合理的城市空间格局，有效缓解了热岛效应。相反，不合理的城市规划会导致不透水面无序扩张，热岛效应加剧。一些老城区由于历史原因，建筑密度大，道路狭窄，不透水面连片分布，缺乏足够的绿地和通风廊道，使得热岛效应较为严重。土地利用方式的改变直接影响着不透水面的热环境效应。随着城市化进程的推进，大量的农田、绿地和水域被转化为城市建设用地，不透水面面积增加。不同的土地利用类型具有不同的热物理性质，农田和绿地能够通过蒸散作用调节温度，而不透水面则会吸收和储存太阳辐射热量，导致温度升高。例如，江宁区部分农田被开发为工业园区后，不透水面比例大幅增加，地表温度明显升高。此外，土地利用的混合程度也会影响热环境效应。土地利用混合度高的区域，功能多样性增加，人员和车辆流动更加频繁，会产生更多的人为热量，加剧热岛效应。如主城区一些商业、居住和办公混合的区域，热岛效应相对较强。人口密度是影响不透水面热环境效应的重要人为因素之一。人口密集的区域，人为活动频繁，如工业生产、交通运输、居民生活等，会释放大量的热量，进一步加剧不透水面的热岛效应。在南京市主城区，人口密度大，大量的车辆行驶、空调使用以及工业生产活动等，使得该区域的热量排放增加，热岛效应显著。据统计，主城区人口密度每增加1000人/平方公里，地表温度可升高0.5-1℃。而在人口密度较低的郊区，人为活动相对较少，热量排放也较少，不透水面的热环境效应相对较弱。例如，溧水区和高淳区等郊区，人口密度较低，热岛效应明显低于主城区。五、结果与讨论5.1研究结果总结通过对南京市近30年不透水面时空演变特征及其热环境效应的深入研究，得出以下主要结果：不透水面时空演变特征：1990-2020年间，南京市不透水面面积呈现出持续增长的态势，从1990年的167.8平方千米增长到2020年的543.2平方千米，占研究区域总面积的比例也从2.55%提升至8.25%。增长过程可划分为缓慢增长（1990-2000年）、快速增长（2000-2010年）和平稳增长（2010-2020年）三个阶段，不同阶段的增长速度和驱动因素各异。在空间分布上，不透水面从最初主要集中在主城区，逐渐向周边区域蔓延，呈现出多中心、组团式的发展格局。重心迁移分析表明，不透水面重心总体向东南和东北方向移动，反映了城市发展的主要方向和重点区域的变化。景观格局指数分析显示，不透水面的斑块密度、破碎度、形状指数和分维数总体呈上升趋势，聚集度和连通性则呈下降趋势，表