21世纪以来, 世界各国城市快速发展, 人口聚集, 不透水面和建筑改变了原有自然覆盖特征^[1-2]。在工业发达、经济发展增速较快的大城市, 局部热环境和小气候在不同程度上发生变化, 城乡之间产生温度差异, 引发城市热岛效应(Urban Heat Island, UHI), 不利于可持续发展^[3-6]。UHI是城市化导致微气候变化的总体反映, 地表温度(Land Surface Temperature, LST)能够说明地表增温程度, 更能直接影响人类居住舒适度, 近年来受到广泛关注^[7-8]。

起初, 针对地表温度的研究集中于地表覆盖, LST与不透水面密度(正)和植被密度(负)之间存在显著的相关性^[9-10]。另外, 地表覆盖组分的空间分布及结构对LST的影响存在差异, 聚集度越大, 地表温度越高^[11-15]。然而, 由于建筑在水平地面和垂直空间分布具有不均匀性, 城市内部狭窄的街道和高楼对热量和通风存在阻挡作用, 建筑的几何形态对LST的影响更加复杂^[16-20]。对于发展中国家, 特别是人口稠密区, 土地利用方式多样化发展, 传统城市热岛研究已不能很好地反映当地实际热环境状况^[21]。

为了综合考虑城市形态对热环境的影响, Stewart将建筑物屋顶至地面的一层大气定义为城市冠层, 并按照建筑类型和地表覆盖类型将城市划分为17个气候区, 即局地气候分区(Local Climate Zone, LCZ), 代表地物的简单组合^[22], 为研究城市热环境提供了新思路。局地气候分区的表面温度随研究区域地理位置、地形、地表建筑物高度、间距、材料、透水率、几何形状等的改变而不同, 已有研究表明温度差异存在于大多数LCZ类别中, Hu等基于局地气候区分析了地表温度时空变化^[23], Yang等发现城市建成区LCZ的LST高于自然地表LCZ, 且LST与自然LCZ相关性更高^[24-25]。在LCZ制图方面, Zhao等以局地气候区为空间背景构建了地表自训练分类框架^[26]；Zheng等基于GIS方法对高密度城市进行了局地气候区制图^[27]。LCZ分类体系提高了城市景观与气候分类的匹配程度^[28-29], 但目前国内在LCZ尺度下研究LST的成果相对较少, 本研究采用遥感影像与建筑数据相结合划分LCZ, 能够改善单一影像在划分建成区方面的不足, 有利于探究局地气候视角下的LST变化规律。

综上所述, 本文以建筑数据、Landsat 8影像和气象数据为基础, 运用地表温度(LST)反演、决策树分类、GIS空间分析等方法对京津冀划分局地气候区, 定量分析不同LCZ下城市LST的分异规律, 为国土空间规划、缓解热岛、改善城市生态环境提供参考。

1 研究区概况

京津冀地区位于中国环渤海心脏地带, 是中国北方经济规模最大、最具活力的地区, 经济发展带来一定的环境问题。如图 1, 北京(39°26′—41°03′N, 115°25′—117°30′E) 地处华北平原北部, 地势西北高、东南低, 气候为暖温带半湿润半干旱季风气候, 夏季高温多雨, 冬季寒冷干燥；天津(38°34′—40°15′N, 116°43′—118°04′E) 位于华北平原东北部, 东临渤海, 属暖温带半湿润季风性气候, 年平均气温约为14℃, 7月最热, 1月最冷；石家庄(37°27′—38°47′N, 113°30′—115°20′E), 位于河北省中南部, 临近渤海海域, 温带季风气候显著, 四季分明, 截至2019年, 建成区面积338.16 km², 城镇人口676.14万人, 城镇化率65.05%。本研究选择三个城市的主城区作为研究区域, 即既包含建成区也包含市中心外围的过渡地带, 在城市气候带背景下探究地表温度分异规律。

2 数据与研究方法 2.1 数据来源与预处理

选取建筑数据及Landsat8遥感数据, 如表 1所示。由于季节变化明显, 全年温差较大, 选取2019年夏季晴天、低云量时段的影像。在使用前利用ENVI5.3 FLAASH大气校正模块进行处理以消除水汽等影响, 之后通过拼接、裁剪得到研究区域。建筑数据包含建筑物高度、楼层数信息, 在ArcGIS 10.2中依据现行国家《民用建筑设计通则》(GB50352—2019)^[30]将建筑高度及密度进行分类, 并结合Landsat-8影像作为LCZ制图的支撑数据。此外气象数据参与了天气判断与LST反演。

2.2 局地气候区划分

Stewart等的局地气候体系包括10种建筑类型和7种土地覆盖类型, 其中建筑密度分为紧密和稀疏, 土地覆盖分为高密度、低密度植被区、灌木区、低矮植被、硬化地面、沙地以及水体^[31]。本研究利用ArcGIS 10.2的Create Finshnet工具对研究区构建30 m格网, 划分LCZ1-6, 同时利用ENVI5.3, 基于Landsat 8的蓝、绿、红、近红外波段以及ISODATA非监督分类结果构建多源数据集, 使用CART算法获取LCZA-G的分类规则。由于计算量较大, 先收集训练样本, 在样本区获取决策树, 再得到整个研究区的土地覆盖信息。经精度检验, 北京、天津、石家庄影像分类的Kappa系数分别为0.94、0.82、0.93。最后统计网格内建筑类型和地表覆盖类型, 得到局地气候区分类(表 2)。

2.3 地表温度反演

地表温度反演精度受遥感影像质量影响。本研究选取时间段内天气晴朗, 采用单窗算法^[32]和Landsat8的TM10波段结合估算LST^[33], 公式如下:

(1)

(2)

(3)

式中T_s为地表温度(K), T₁₀是传感器上的亮度温度(K), T_a是大气平均温度(K), a、b为参考系数, 当地表温度为0—70℃时, a=-67.355351, b=0.458606, ε表示T₁₀的地表发射率, τ表示T₁₀的大气透射率。

3 结果与分析 3.1 局地气候区空间分布

如图 2所示, 研究区市区几乎被建筑LCZ填满, 建筑高度整体为低层和中层居多, 高层较少, 就密度而言, 北京、天津、石家庄密集型建筑分别占比27.54%、21.95%、25.09%。其中北京LCZ1大多分布在东西城区, LCZ2、LCZ3由中心城区向外扩张；天津LCZ1—3主要集中在中心城区；石家庄裕华区西部, 桥西区东部LCZ2、LCZ3居多, LCZ1分布相对零散。另外北京西部、天津市中心外围、石家庄北部有高密度植被或农田覆盖, 城市公园包含了市内主要的绿地和水体分布。

3.2 地表温度反演结果

地表温度能够反应城市热环境格局(图 3)。整体来看, 研究区市中心温度高于郊区, 建筑覆盖区地表温度较高, 工业区往往出现明显的高温, 森林、河流是主要低温区域。北京市西部有大量植被覆盖, 地表温度较低, 有20.41%的地区地表温度处在24℃以下, 地表温度在24—30℃的区域占73.81%, 高于30℃的地区主要分布在东南部, 占比5.78%；天津市地表温度表现为中心高、四周低的特点, 所选时间段温度高于北京, 仅有0.51%的区域温度低于30℃, 高于40℃占比达到55.56%, 热岛效应显著；石家庄大部分区域地表温度在26—32℃, 占比77.92%, 有0.06%的地区温度高于38℃, 说明出现极端高温现象。

3.3 基于局地气候区的地表温度差异性

图 4表明不同气候带的地表温度存在差异, 建筑类型LCZ总体高于自然地表LCZ。在城市三维结构中, 建筑在水平方向按不同密度分布, 在垂直方向上表现为高度不同, 对地表温度造成不同的影响。当建筑高度相同时, 建筑密集区域地表温度高于建筑稀疏区域。对于建成区LCZ, 北京、天津、石家庄LCZ3(紧密型低层)覆盖区的平均地表温度表现为最高, 分别为26.33℃、45.27℃、29.27℃；城市内部的热量易被分散水平低、表面复杂的中高层建筑阻挡, 但高度达到一定程度反而会遮挡部分太阳辐射, 因此LCZ4(稀疏型高层)地表温度普遍最低, 分别为24.80℃、42.97℃、27.05℃。另外, 植被和水体能够降低地表温度, 裸土和铺设路面的地表温度始终较高。

4 结论与讨论

当前, 极端气候、热岛效应、温室效应等环境问题严重影响城市人居环境与安全, 我国致力于发展绿色低碳循环经济体系, 以实现碳达峰、碳中和^[34-36]。减碳控排与生态文明建设越来越引起人们的关注, 局地气候区下的城市热环境研究能够为国土空间规划提供参考。本文以北京、天津、石家庄为研究区域, 通过划分局地气候区, 利用Landsat 8影像反演地表温度, 定量分析了不同类型局地气候的地表温度分异规律, 研究表明:

(1) 北京、天津、石家庄市区几乎被建筑LCZ填满, 密集型建筑分别占比27.54%、21.95%、25.09%, 自然LCZ主要位于郊区, 城市公园包含了主要的绿地和水体分布。

(2) 在空间分布上, 建筑覆盖区地表温度较高, 热岛效应显著, 森林、河流是主要低温区域。

(3) 不同气候带的地表温度存在差异, 建筑类型LCZ总体高于自然地表LCZ。其中建筑区域内表现为LCZ3(紧密型低层)平均地表温度最高, 北京、天津、石家庄分别为26.33℃、45.27℃、29.27℃；LCZ4(稀疏型高层)地表温度普遍最低, 分别为24.80℃、42.97℃、27.05℃。植被和水体能够降低地表温度, 裸土和铺设路面的地表温度始终较高。

综上所述, 2019年夏季研究区城市内部存在热岛效应, 局地气候区视角下的地表温度差异性明显。合理的城市设施布局能够改善通风, 缓解城市内部热量聚集, 因此, 在空间规划与建设中应考虑建筑分布, 充分利用植被和水域等降温作用, 因地制宜, 从而保证区域气候与社会经济的协调发展。

本文的局限性在于以土地覆盖类型为基础的LCZ划分可能会由于尺度问题而出现一定的误差, 不能很好地与实际情况相匹配。另外, LCZ对LST的影响可能因为城市规模大小而不同, 希望在后续研究中能够深入分析LST的时空分布及变化趋势, 使结论更具普遍性。此外, 气候背景、数据处理、影像精度等也会对结果造成一定影响。