北京通州地表温度的时空分布特征与绿化作用

谢军飞

丛日晨

王月容*

段敏杰

城市热岛(Urban Heat Island，UHI)效应是指城市气温或地表温度高于郊区等非城市区域的一种温度差别现象[1-2]。随着城市的持续发展，大量水泥路面等不透水表面取代了原有的自然地表[3-4]，城市居民生活热排放激增，也造成了城市热排放量的日益增加[5-6]，导致目前城市热岛效应比较突出[7-11]。

目前城市热岛效应的研究范围主要涉及城市地表层、城市冠层和城市边界层3个层次[12]。其中，城市冠层和城市边界层的热岛效应研究主要基于地面气象观测和数值模拟进行[13-16]。有别于城市大气冠层和大气边界层温度，城市地表层温度与人居感受密切相关，不仅可以反映城市热岛效应状况，也是当前城市热岛效应研究的核心内容之一[17]。传统通过气象站获取的空气温度等数据，虽然能实现高时间分辨率的测定，但受经济等因素的制约，难以实现空间上的全覆盖。基于少量的气象站点数据，通过空间内插的方法扩展到面上的误差通常较大，而通过遥感卫星传感器获取的城市地表热辐射信息，具有间隔周期短、空间覆盖范围广、获取成本低的优点，目前已成为研究城市地表温度时空特征的重要途径。另外，相对于气温，地表温度受大尺度气团运动的影响较小，比较适合评估人为活动对城市热岛效应的贡献[18-19]。

通常，利用遥感卫星热红外波段数据反演地表温度分2种情况：需通过大气校正的地表温度反演和不需要经过大气校正的星上亮温。当研究区域的水汽条件基本一致时，可以忽略大气影响而用亮温代表；当研究区域的大气水汽条件差异较大时，会导致遥感卫星传感器接收到的热辐射强度与真实的地表热辐射强度之间存在较大差异。为获取真实的地表温度，需经过含大气校正的算法反演地表温度[20]。

本研究基于Landsat 8卫星的热红外波段，在气象要素的实地观测支持下，通过劈窗反演算法获取了2015、2016、2017和2019年的北京通州区(含北京城市副中心)地表温度，并分析了北京通州区(含北京城市副中心)地表的热岛效应时空变化规律与影响因素，从而为缓解北京通州区及城市副中心地表的热岛效应提供科学建议。

1 研究区概况与遥感影像的选取

通州区(北纬39°36′～40°02′，东经116°32′～116°56′)位于北京的东南方向，东西宽约36.5km，南北长约48km，总面积达906km2。通州区地势相对平坦，土质多为潮黄土、两合土、沙壤土，属于大陆性季风气候区，年平均气温约为11.3℃，年降水量620mm左右。而北京城市副中心为原通州新城范围，东至规划东部发展带联络线，西至朝阳区的规划绿化隔离带，南至京哈高速公路，北至潞苑北大街，东西宽约12km，南北长约13km，总面积为155km2(图1)。

本研究选取了属于2015、2016、2017和2019年共计7景Landsat 8卫星影像(由地理空间数据云http://www.gscloud.cn提供，云量少于10%的L1级数据产品，已经过系统的辐射校正和几何校正处理，基本可以代表晴空条件下北京时间10：00的地表情况)。Landsat 8是2013年2月11日发射的，携带有OLI陆地成像仪和TIRS热红外传感器。Landsat 8卫星在空间分辨率和波长范围方面与Landsat 5保持了基本一致，但波段数量有明显增加。该卫星一共有11个波段，波段1～7和9的空间分辨率均为30m，波段8为15m分辨率的全色波段，波段10和11空间分辨率为100m，均属于热红外波段，卫星每16d可以实现一次全球覆盖。

图1 2015年研究区位置

2 地表温度反演方法简介

为了尽可能发挥Landsat 8卫星的2个热红外波段(常被称作通道)的优势，本研究选择劈窗算法[21-22]来进行地表温度反演，该劈窗算法属于双通道非线性反演，重点考虑了水汽等因素。

式中，ε和Δε分别表示2个波段的发射率均值与差值，取决于地表分类与覆盖度；Ti和Tj表示2个波段的观测亮温；bi(i＝0，1，…，7)表示各项系数，其可通过实验测定、大气参数及大气辐射传输方程的模拟数据集获取。系数bi取决于大气柱水汽含量。

另外，通过植被覆盖度加权法，利用Landsat 8可见光、近红外波段数据反演的NDVI与植被覆盖度f估算像元发射率。

式中，植被发射率εv、背景发射率εg值来自相关的光谱数据库；NDVIv和NDVIs分别为植被和裸土的NDVI值。为了使不同热红外波段间的NDVIs和NDVIv保持一致，取0.2作为NDVIs的固定值，取0.86作为NDVIv的固定值。当像元NDVI大于NDVIv时，像元的植被覆盖度为1.0，像元发射率为εv，当像元NDVI小于NDVIs时，像元的植被覆盖度为0.0，像元反射率即为εg。则是像元内各组分间多次散射而形成的腔体效应(Cavity Effect)参数，其大小与像元内部冠层结构与地表粗糙度有关。

为了减少不同数据源匹配导致的误差，劈窗算法还从热红外波段本身数据去估算水汽。即首先利用MODTRAN和TIGR大气廓线，建立2个劈窗通道的大气透过率比值τj/τi与大气水汽含量wv的经验公式，然后通过滑动窗口内2个波段内亮温(Ti和Tj)之间的协方差与方差的比值来估算透过率比值。

为了验证劈窗算法反演的地表温度精度，本研究还在2017年7月10日10：00(Landsat 8卫星的北京过境时间)，使用Fluke Ti 32红外热像仪，对处于通州城市副中心的水体、不透水铺装、草坪的地表温度进行了测定，发现水体表面的平均温度为30.3℃，不透水铺装的平均温度为44.2℃，草坪的平均温度为36.6℃，与劈窗算法反演的结果比较接近。

从图2可以看出，2015年通州不同季节的地表温度呈现出不同的空间分布特征：夏季和秋季，西北部和东南部的建成区地表温度明显高于周边林地和农田区域。其中，最大热岛区域位于通州老城区，总体呈现出片状和零星热岛共存的空间分布特征。而冬季的通州老城区地表温度则显著低于郊区林地与农田地表温度，出现了明显的“地表冷岛效应”。

3 北京城市副中心不同季节地表温度的空间分布特征

通过对2015年通州地表温度反演图的剪切处理，获得了城市副中心不同季节地表温度分布特征：夏季，通州大运河西南侧的老城区出现了大面积的高温区，并沿西南方向延伸至姚辛庄(主要由不透水地面和建筑组成)，北部的宋家庄地区也有一定的高温区域分布，总体呈现多中心的热岛分布特征，而位于南部郊区的林地农田地表温度相对较低。冬季，位于老城区的地表温度则低于南部郊区的植被覆盖区域，“地表冷岛效应”也比较明显(图3)。

图2 2015年通州不同季节的地表温度分布

图3 2015年城市副中心不同季节的地表温度分布

为了判断城市副中心冬季老城区的“地表冷岛效应”是否为偶然现象，还进一步随机选择了2016年12月14日、2017年11月15日的Landsat 8卫星遥感影像，并反演其地表温度。从图4可以合理推测，城市副中心的老城区冬季“地表冷岛效应”的出现并不是偶然现象。

王建凯等也发现了类似的冬季“地表冷岛效应”，并认为一方面因为郊区地面的裸露土壤较为干燥，蒸发量较小，导致其升温速度高于城区下垫面(如水泥路面)；另一方面原因是城区大气污染物对太阳辐射有吸收和散射作用，在很大程度上削弱了到达地表的太阳辐射强度[23]。

对于上述解释，在城市副中心地区还值得进一步探讨：即使在干燥的情况下，裸露土壤的比热容应该大于水泥路面等城市下垫面，在热量输入大于输出的条件下，其升温速度应该会低于城市地表。另外，关于城区污染物引发的“地表冷岛效应”也值得商榷，区域污染物浓度不仅与污染源有关，还易受气象条件与区域传输的影响，占地面积仅为155km2的城市副中心空气污染物浓度空间分布会存在较大差异的可能性较小。如何解释城市副中心冬季老城区“地表冷岛效应”呢？是否有这么一种可能，即冬季上午时段，因空气污染物的影响，导致老城区与郊区的太阳辐射强度均较弱，下垫面能量输出大于输入，在传递热量至大气的过程中，郊区的裸露土壤因比热容较大，降温速度较慢，从而导致其地表温度高于水泥路面等城市下垫面占主要面积比例的老城区。

同时也应该了解到，同一区域相同时刻的地表温度与气温值存在差异。虽然二者的差异在夜间较小，但是白天城市地表温度与其上空的气温差异较大。根据2015年通州自动气象站的观测数据，晴朗的夏季中午城市地表温度与气温的最大差异可以达到25℃；在冬季，城市地表温度也会高过气温约13℃。

需要补充的是，随着城市副中心环境改善与绿化建设的持续推进，2019年北京城市副中心的局部区域夏季地表温度有所下降，尤其是北京市政府所在的行政办公区的地表高温范围有明显减少，姚辛庄地区的地表温度也有一定程度的下降(图5)。

概括上述多个小节的分析结果可以发现，通州(含北京城市副中心)城区夏秋两季热岛效应显著，出现这种现象的原因应该与城区下垫面类型等因素有关[24]。1)城市下垫面吸收更多的热量。城市中大量的人工构筑物，如铺装地面、水泥路面、建筑物等，颜色较深，其反射率比自然下垫面小，导热率也要比郊区自然界下垫面大，所以在相同的太阳辐射条件下，城市下垫面能吸收更多的热量。再加上城市建筑物密集，街道和庭院中的“天穹可见度”较小，太阳辐射在高大建筑物之间的多次反射和吸收，能够比郊区农村开阔地吸收更多的太阳能。2)城市下垫面的蒸散耗热量小。与郊区相比，由于蒸腾作用散失的热量较小，城市中植被覆盖率较低。3)城市下垫面通常比热容小，吸收相同热量升温更快。4)城市中建筑物密集，使下垫面的粗糙度增加，减弱了风速，不利于热量向外扩散。

在通州地区，郑晓莹等基于网格法的定量研究发现，地表温度与植被覆盖度之间具有明显的负相关关系[24]。本项目通过Arcmap的Spatial Analyst Tools-Multivariate，选择band collection statistics工具，在出现的对话框中，选中图6中2个栅格图，并且勾选Covariance Matrix和Correlation Matrix进行相关分析，也发现北京城市副中心植被覆盖度与地表温度之间的相关系数可达0.57，具有较强的负相关关系。

基于上述负相关关系，很显然，城市绿化能够有效发挥缓解城市热岛的作用。城市绿化缓解热岛效应主要是通过园林植物生理活动中产生的生态效益，即植物通过叶片进行光合与蒸腾作用，吸收太阳辐射与环境中的热量，从而实现地表降温效应。

需要注意的是，城市热岛作为一种小尺度的气象现象，必然受到大尺度天气形势的影响。当气压梯度小、微风或无风，或有下沉逆温时，有利于热岛的形成。而如果处于不稳定的天气形势下，热岛的强度则会降低。有研究表明风速大于11m/s时，热交换强烈，城市热岛效应不明显。

图4 城市副中心的冬季地表温度分布

图5 2019年8月17日北京城市副中心地表温度分布

图6 2015年7月5日城市副中心植被覆盖度与地表温度分布

4 小结与讨论

本研究基于Landsat 8卫星的热红外波段，在气象要素的实地观测支持下，通过劈窗反演算法获取了2015、2016、2017和2019年的北京通州区(含北京城市副中心)地表温度，并分析了北京通州区(含北京城市副中心)地表的热岛效应时空变化规律与影响因素。主要研究结论如下。

1)2015年的夏季和秋季，西北部和东南部的建成区地表温度明显高于周边林地和农田区域。其中，最大热岛区域位于通州老城区，总体呈现出片状和零星热岛共存的空间分布特征。而冬季的通州老城区地表温度则显著低于郊区林地与农田地表温度，出现了明显的“地表冷岛效应”。北京城市副中心也具有类似通州的规律，但热岛分布格局呈明显的多中心，不仅在老城区，位于郊区的宋庄、姚辛庄因建筑面积较大，也出现了明显的高温区域。

2)北京城市副中心的老城区冬季“地表冷岛效应”的出现并不是偶然现象，其可能原因是冬季上午时段，因空气污染物的影响，导致老城区与郊区的太阳辐射强度均较弱，下垫面能量输出大于输入，在传递热量至大气的过程中，郊区的裸露土壤因比热容较大，降温速度较慢，从而导致其地表温度高于水泥路面等城市下垫面占主要比例的老城区。

3)2019年北京城市副中心的局部区域夏季地表温度有所下降，尤其是北京市政府所在的行政办公区的地表高温范围有明显减少，姚辛庄地区的地表温度也有一定程度的下降。

4)城市地表热岛效应产生的主要驱动力来自城市内部的自然因素(土地利用)和社会因素(人口密度、生产活动)。北京城市副中心植被覆盖度与地表温度之间的相关系数可达0.57，具有较强的负相关关系。

此外，李延明等对北京城区的绿化覆盖率和热岛强度进行了回归分析，结果发现绿化覆盖率与热岛强度之间呈显著的负相关关系，绿化覆盖率越高，则热岛强度越低[25]。并且对比发现绿化覆盖率达到30%的区域，其热岛强度出现较明显的减弱；而当绿化覆盖率大于50%时，热岛强度的缓解现象极其明显。

城市绿地系统的布局也会影响城市热岛，王美雅等通过对比广州和深圳2个城市发现，它们虽然地理位置相邻，但深圳的建设用地呈多区域分布，而广州的建设用地却集中连片发展，导致广州热岛强度(3.07℃)高于深圳(2.43℃)[26]。因此，建议在城市建设过程中，多采用多中心布局的方式，有计划地疏散主城区高聚集度的居住区或工业设施，从而降低城市整体地表热岛强度。

苗世光等通过数值模拟发现，在面积相同的情况下，对比集中型绿地布局，分散型绿地布局对环境温度、湿度、风速的影响范围更大，影响程度更深[27]。臧亭等认为在城市高密度中心区，在绿化面积一定的情况下，宜选择多点布局方式，即增加绿地小斑块数量，从而更好地发挥整体降温效应[28]。薛滨夏等也从整体协同、均匀配置的角度，提出了应对城市热岛效应的3种绿地格局优化模式[29]。

需要补充的是，提高城市绿化覆盖率是优化绿地系统布局的重要前提。尤其是对于城市建设用地紧张的区域，充分开展屋顶绿化将在提高绿化覆盖率的同时缓解夏季热岛效应，姜之点等基于三维小气候模型ENVI-met，在南京市开展了传统光屋顶、简易型绿化、复合型绿化的微气候模拟与分析，其结果表明，街区尺度的屋顶绿化会产生“冷岛效应”，并从屋面扩散到地面，从而会间接降低地表温度[30]。

注：文中图片均由作者绘制。