全 文 ：快速城市化山地城市地表温度的多维梯度
———以重庆市主城区为例*
韩贵锋**摇 赵摇 珂摇 颜文涛摇 叶摇 林
(重庆大学建筑城规学院 /山地城镇建设与新技术教育部重点实验室, 重庆 400045)
摘摇 要摇 以重庆市主城区为研究对象,利用 TM / ETM+和 MODIS 数据获取地表温度(LST)和
相对热岛强度(RHII),分析其在地形、人口和 GDP等多维梯度上的分布规律以及可能存在的
量化关系.结果表明: 研究区 LST、RHII 分别在高程和地形起伏度两个梯度上呈非单调下降
趋势,表现为显著的二次多项式函数关系,其中,200 ~ 350 m 高程段内的城市建设活动剧烈,
热岛强度最大. RHII与人口密度和单位面积 GDP之间均呈显著的线性关系,人口密度每增加
1000 人· km-2,RHII 上升 0. 10 益;单位面积 GDP 每增加 1000 万元· km-2,RHII 上升
0郾 08 益 .
关键词摇 地表温度摇 相对热岛强度摇 地形梯度摇 人口梯度摇 GDP梯度摇 重庆市主城区
文章编号摇 1001-9332(2012)06-1655-08摇 中图分类号摇 X87摇 文献标识码摇 A
Multi鄄gradients of land surface temperature in mountainous cities with rapid urbanization:
A case study in central area of Chongqing City. HAN Gui鄄feng, ZHAO Ke, YAN Wen鄄tao, YE
Lin (Ministry of Education Key Laboratory of New Technology for Construction of Cities in Mountain
Area, College of Architecture and Urban Planning, Chongqing University, Chongqing 400045, Chi鄄
na) . 鄄Chin. J. Appl. Ecol. ,2012,23(6): 1655-1662.
Abstract: By using TM / ETM+ and MODIS images, the land surface temperature (LST) and rela鄄
tive heat island intensity (RHII) of the central area of Chongqing City were extracted to analyze the
distribution patterns of the LST and RHII along the multi鄄gradients of topography, population, and
gross domestic product (GDP) as well as the potential quantitative relationships. The LST and
RHII manifested a non鄄monotonically decreasing trend along the gradients of elevation and relief de鄄
gree, respectively, both with a significant quadratic polynomial relationship. The maximum RHII
appeared at 200-350 m elevation section due to the massive urban construction activities, and had
significant linear relationships with the population density and the GDP per square kilometer. The
RHII rose about 0. 10 益 when the population density increased 1000 people per square kilometer,
and rose about 0. 08 益 when the GDP per square kilometer increased 10 million RMB Yuan.
Key words: land surface temperature; relative heat island intensity; topographic gradient; popula鄄
tion gradient; GDP gradient; central area of Chongqing City.
*国家自然科学基金项目 (41001364 )、教育部博士点基金项目
(20090191120030)和重庆大学青年骨干教师创新能力培育基金项目
(CDCX023)资助.
**通讯作者. E鄄mail: hangf@ cqu. edu. cn
2011鄄09鄄16 收稿,2012鄄03鄄26 接受.
摇 摇 在全球、区域和局部等多种尺度上,城市化进程
深刻影响着净第一性生产力、生物多样性、气候、水
文等多种环境要素[1],成为全球增温的一个重要促
进因素[2] .快速城市化地区的地表覆盖发生着快速
而复杂的变化,原有的植被、土壤、水体等自然地表
逐渐被沙砾、砖石、沥青、混凝土、金属等人工材料取
代,降低了土壤蒸发,增加了感热的存储和传递,从
而降低了近地面湿度和空气流动[3-4];笼罩在城市
上空的空气污染物的长时间滞留,使地表与大气之
间的水分、热量等循环过程随之改变,导致城市近地
面温度高于其周边郊区或农村,形成城市热岛(ur鄄
ban heat island, UHI) [5] .热岛及其空间构成是城市
下垫面变化的一个重要反映,是城市气候最重要的
现象之一[6],强烈影响局部天气和气候、生态系统
功能、能源消耗、生活质量和人类健康. 城市下垫面
复杂而多变与所处的生态背景密切相关,故热岛强
应 用 生 态 学 报摇 2012 年 6 月摇 第 23 卷摇 第 6 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jun. 2012,23(6): 1655-1662
度因时间、空间、天气状况不同而有显著差异[7] . 由
于传统的气温测量方法既难以实现大面积的同步监
测,又难以监测小尺度上的温度变化[8],而利用遥
感获取的地表温度则能弥补传统监测手段的不足.
虽然地表温度不同于空气温度,但两者有相同的变
化趋势[9-10] .与空气热岛相比,地表热岛与复杂的城
市地表类型吻合度更高,是许多气候模型和水文生
态模型的关键参数[11] . 因此,利用遥感数据研究城
市地面热岛是近年来城市环境变化研究的一个热点
领域.
随着中国城市化进程的加快,城市化诱发的城
市热岛现象日益加剧[12-13] .近 20 年来,许多学者利
用遥感数据研究了不同城市的地表热岛,分析了地
表热场的空间格局及其与地表类型和归一化植被指
数(NDVI)的关系,取得了一系列成果[10,14-16],但以
往研究主要针对平原城市,如上海、北京和广州等.
然而,地形对气候、水文、地质等多种要素及地表生
态过程产生了巨大的影响和基础性控制作用. 在山
地区域,地表温度还受到高程、坡度、坡向、地形起伏
等地形要素以及入射辐射、大气过程、土壤湿度、地
表覆盖和植被类型等多种因素的综合影响[17] .重庆
地处三峡库区腹地,是典型的山地城市,主城区人口
稠密、建筑密度高,是长江沿岸著名的“火炉冶城市
之一.自成立直辖市以来,重庆市的城市化快速扩
张,随着两江新区的建设,城市向东、西分别跨越了
铜锣山和中梁山.快速的城市化过程导致生境破碎
化和严重的环境污染,热岛效应十分突出.本文通过
遥感数据获取地表温度,分析了地表温度在地形、人
口和经济发展强度等梯度上的分布规律,研究了山
地城市热岛受地形条件和社会经济的影响特征,旨
在为在城市规划和土地利用中科学制定城市热岛减
缓措施提供依据.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
重庆市主城区属中亚热带季风性湿润气候,位
于“四山(缙云山、中梁山、铜锣山和明月山)冶平行
岭谷地带,“四山冶植被覆盖度较高,是主城区的重
要生态屏障和生物多样性蕴藏基地,长江和嘉陵江
横穿而过,是典型的大山水城市生态格局.该区地形
以丘陵和低山为主,素有“山城冶之称. 选择主城核
心区(内环线以内)及其周边快速扩展区(外环线以
内) 作为主要的研究靶区 ( 29郾 45毅—29郾 63毅 N,
106郾 43毅—106郾 60毅E)(图1) ,面积约2222 km2 ,其
图 1摇 研究区分布示意图
Fig. 1摇 Sketch map of the distribution of the study area郾
中,内环线区域面积 227 km2,主要包括渝中区以及
江北区、沙坪坝区、渝北区、大渡口区、九龙坡区、南
岸区、巴南区的部分区域.
1郾 2摇 数据及处理
1郾 2郾 1 TM 和 ETM+ 摇 重庆市主城区 TM 和 ETM+横
跨 2 景(p128 / r39 和 p128 / r40),影像获取时间分别
为 1988鄄09鄄15、 1993鄄05鄄24、 2001鄄05鄄22、 2007鄄09鄄10
和 2009鄄08鄄24.根据气象记录显示,上述日期均为晴
天.除 2001 年为 ETM+外,其余年份均为 TM.数据来
源于同一系列传感器,而且均处于春季和秋季,具有
较好的可比性.其中,1993 年缺失 p128 / r40,未完全
覆盖外环线区域,为了便于多个年份的比较,利用
TM和 ETM+数据分析时,只限在内环线内进行.
在 ERDAS中进行大气矫正和辐射矫正,然后
进行直方图匹配,再进行镶嵌拼接. 以 1 颐 1 万地形
图为参考,配准 2007 年影像,均匀选取 56 个控制
点,利用 2 次多项式对 2007 年 TM影像进行几何校
正,双线性内插法采样,像元大小为 120 m伊120 m,
精度控制在 1 个像元之内.利用影像对影像的方法,
将其余 4 个年份的 TM / ETM+影像配准到 2007 年
TM影像上,1993 年 ETM+的第 6 波段重采样为 120
m分辨率,其余年份保持 120 m分辨率,配准误差小
于 1 个像元.为了尽量消除地形因素对影像的影响,
利用 DEM(30 m)进行地形校正,纠正地形阴影和图
像扭曲所带来的误差.
1郾 2郾 2 MODIS数据摇 Terra / MODIS地表温度(LST)数
据对应的产品编号是 MOD11A2,行列号为 h27v06,来
6561 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
自美国 NASA 网站(https: / / wist. echo. nasa. gov),其
时间分辨率为 8 d,名义空间分辨率为 1 km,2003 年
共 46 幅. 在 ArcGIS 9郾 3 中将 LST 和人口栅格图像
配准到 TM影像上,配准控制精度小于 30 m,对 LST
进行重采样,使其实际空间分辨率为 1 km,并利用
缩放系数和补充数,将像元值转换为地表温度.由于
MODIS空间分辨率较 TM 粗,故研究范围确定为整
个外环线以内的区域.
1郾 2郾 3 人口与 GDP 数据 摇 中国科学院地理科学与
资源研究所对外发布的 2003 年全国人口和 GDP(1
km)栅格数据(GRID),来自地球系统科学数据共享
平台 ( http: / / www郾 geodata郾 cn / ) . 在 ArcGIS 9郾 3 中
将其配准至 2007 年 TM,配准控制精度小于 30 m.
研究区内 30 m分辨率的数字高程模型(digital
elevation model,DEM)来自 ASTER GDEM,其分辨率
和坐标系统与 TM影像相同.
1郾 3摇 研究方法
1郾 3郾 1 地表温度提取摇 TM / ETM+是城市环境研究中
最常用的遥感数据之一,近年来许多学者采用热红
外遥感对城市热场进行了有益的尝试[18-20] . 基于
TM / ETM+第 6 波段反演地表温度,国际上已有较成
熟的反演方法[21-23],通常包含 3 个过程:将影像灰
度值转化为行星反射值;将行星反射值转化为地表
辐射亮温;将地表辐射亮温转化为 LST.将反演结果
减去 273郾 15 转化为摄氏温度. 2001 年使用 ETM+反
演时,使用高增益状态数据(Band62).
1郾 3郾 2 相对热岛强度摇 热岛强度通常用城市的气温
与郊区代表性对照点的气温差值来表达,称为绝对
热岛强度. 然而,在本文的时间跨度 (1988—2009
年)上,快速城市化进程中用作对照的郊区逐渐转
变为城区,使对照点温度逐渐失去对照价值.而且不
同年份的对照点也会随城区扩张而外移,绝对热岛
强度降低了在时间序列上的可比性.事实上,进行多
年对比时,由于城市化的快速发展,城乡交错,没有
严格意义上的郊区,故利用研究区内的平均地表温
度值为对照温度,得到相对热岛强度( relative heat
island intensity,RHII).相对热岛强度既消减了城市
化对城市参照背景的影响,也剔除了遥感影像成像
时间的季节差异,在时间序列上具有较强的可比性,
本文的热岛强度在未特别说明时均指 RHII.
1郾 3郾 3 相关分析与回归分析 摇 提取 LST 和 RHII 在
高程、起伏度、人口、GDP 等梯度上的分布值,利用
SPSS和 Excel计算 Pearson相关系数,探究地表温度
与这些要素的相关关系,尝试进行最小二乘法回归
分析,判断是否存在线性或非线性函数关系.
2摇 结果与分析
2郾 1摇 地表温度和相对热岛强度的地形梯度分布
内环线区域的最高海拔为 392 m,位于平顶山、
洪恩寺等局部高地,目前主要为公园,植被覆盖度较
高(图 2);最低海拔为 109 m,主要为长江和嘉陵江
水面及其沿江滩涂地带.研究区海拔介于 200 ~ 300
m的面积为 128郾 77 km2,占总面积的 58郾 5% . 研究
区平均高程 225 m,高差 183 m. 长江和嘉陵江沿岸
及山体周边坡度较大,其余大部分地区均小于 10毅.
2郾 1郾 1 地表温度和相对热岛强度的高程梯度分布摇
本文中的 DEM分辨率为 30 m,故按照 30 m 分段,
分别统计每个高程段内 5 个时期的地表温度平均
值.由图 3 可以看出,1988—2009 年,研究区平均地
表温度的变化趋势基本相同,109 ~ 140 m高程主要
图 2摇 重庆市内环线高程和坡度分布
Fig. 2摇 Distribution of the elevation and slope within the Inner Ring Road of Chongqing City郾
75616 期摇 摇 摇 摇 摇 摇 摇 摇 韩贵锋等: 快速城市化山地城市地表温度的多维梯度———以重庆市主城区为例摇 摇 摇 摇 摇
为河流、滩涂及其周边高坡度地区,地表温度均较
低;随着高程的增加,地表温度迅速升高,高程至
171 ~ 200 m 时,地表温度基本平稳,其中,2001、
2007 和 2009 年稳中有升,而 1988 和 1993 年稳中有
降;350 m以上高程地区,地表温度均呈下降趋势,
但仍然明显高于河流水面地区的温度.总体来看,各
高程带上,1988 年的地表温度最低,其次为 2007
年;2009 与 1993 年地表温度在各高程带上的分布
相差不大,260 m以下区域各高程段 1993 年地表温
度大于 2009 年, 260 m 以上地区 2009 年地表温度
大于 1993 年;2001 年的地表温度在各高程带上均
最大.
摇 摇 1988—2009 年,研究区 RHII 随高程的梯度分
布趋势基本相同(图 3). 高程在 140 m 以下地区的
地表温度(LST)均小于各年份对应的平均 LST;141
~ 170 m高程段内的 RHII在 0 附近徘徊,说明该高
程带内的 LST与各年对应的平均 LST 基本相当.高
程 170 m以上区域,各年份的 RHII 均较大,说明均
存在显著的热岛,其中,171 ~ 260 m 高程段内 RHII
相差不大;260 ~ 350 m高程的 RHII有所差异,21 世
纪后的 RHII 值较高,1988 和 1993 年相对较低,说
明近 10 年来城市用地和扩张在此高程带内对城市
热岛的影响显著.高程 350 m 以上区域有较好的植
被覆盖,3个年份的RHII差异明显减小. 总体上看,
图 3摇 各高程段平均地表温度和相对热岛强度
Fig. 3摇 Average LST and average RHII against elevation郾
玉:1988; 域:1993; 芋:2001; 郁:2007; 吁:2009郾
随着高程上升,研究区 RHII 形成了两头低、中间高
的分布特征.
2郾 1郾 2 地表温度和相对热岛强度的高程统计分析摇
按照 30 m 高程分段,分别提取每个分段内的平均
LST和平均 RHII,并以此为因变量,高程为自变量,
采用最小二乘法回归拟合,分析 LST 和 RHII 随高
程分布的定量化关系. 结果表明,研究区 LST 和
RHII与高程之间普遍存在二次多项式拟合关系
(P<0郾 05),且最大 RHII均分布于 200 ~ 300 m高程
之间.在低海拔和高海拔地区,人类活动较弱,LST
较低;在中等海拔地区,人类生产和生活的活动强度
最大,开发建设活动显著,绿地覆盖较少,不透水下
垫面的面积较集中,LST 较高,地表热岛显著. 5 个
年份回归方程的 R2值介于 0郾 67 ~ 0郾 79,2007 和
2009 年的 R2值较大.这说明随着重庆市主城区城市
化的快速推进,中等高程地区人为生产、生活活动的
规模和强度加剧,而低海拔区主要是水面和难以利
用的滩涂,高海拔区(如平顶山、鹅公岩、红恩寺等
局部高地)的植被覆盖率较高且保护较好,导致低
海拔区和高海拔区的 LST和 RHII均较低.
2郾 1郾 3 地表温度和相对热岛强度与地形起伏度之间
的统计分析摇 地形起伏度是描述一个区域地形特征
的重要指标,目前已在人居环境自然评价、生态环境
评价、城市发展成本评价等方面得到广泛应
用[24-25] .本文所用地形起伏度指在一定区域内,最
高点海拔高度与最低点海拔高度的差值. 使用 Arc鄄
GIS 9郾 3 的邻域统计工具,设定分析窗口为 450 m,
计算窗口内的高差,以避免空间自相关性对后续回
归拟合的影响[26] . 地形起伏度栅格图分辨率保持
30 m,其空间分布与坡度十分相似,坡度较大地区的
地形变化较大,导致地形起伏的变化也较大.地形起
伏度较大的地区主要分布在嘉陵江和长江沿岸,以
及鹅公岩、洪恩寺、平顶山等局部高地周边.
按照 30 m的地形起伏分段,统计每个分段内的
平均 LST 和 RHII,并以此作为因变量,地形起伏度
作为自变量,分析两者的关系.地形起伏度与 5 个年
份的 RHII 均存在显著的 2 次多项式拟合关系
(P<0郾 05),R2值介于 0郾 52 ~ 0郾 82. 在内环线以内,
起伏度较小的平坦区域大部分为水面,LST 和 RHII
较小;而在起伏度较大的陡坡区域,如平顶山、鹅公
岩、洪恩寺等局部的植被覆盖较高,人为活动较少,
其 LST和 RHII较小;起伏度在 40 ~ 120 m地区的人
为活动最强烈,LST 和 RHII 较高. 1988—2009 年,地
形起伏度与 RHII之间的拟合优度 R2值逐渐下降,表
8561 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
明这种二次多项式函数关系在逐渐减弱.这充分说明
城市开发建设活动、城市生产和生活活动受地形起伏
的影响越来越小,自然地形变化对人为活动的制约和
障碍作用逐渐下降,也预示着人类生产力,以及人们
改变自然的能力、强度和广度均在日益增强.
2郾 2摇 地表温度的人口和 GDP梯度分布
2郾 2郾 1 基于 MODIS的地表温度 不同季节 LST 的空
间分布有较大差异. 2003 年 3 月底至 4 月初,研究
区域北部两路组团和机场周边以及西南部九龙坡工
业密集区存在较高的 LST;4 月中旬,北部地区 LST
下降,中部地区尤其是内环线内区域的 LST 较高;6
月上旬和 9 月下旬,较高的 LST 集中分布在内环线
区域(图 4).
摇 摇 2003 年,强度较大的热岛已经超出内环线,主
要向北扩展至江北机场,形成带状扩展模式,与主城
区向北发展以及机场高速沿线的广大渝北地区快速
建设活动密切相关.最高的 RHII 值近 5 益,主要分
布在九龙坡的陈家坪和杨家坪及其周边人口密集和
工业集中区;嘉陵江以北的广大区域、中梁山和缙云
山之间的谷地平坝区(如西永西彭等新城开发区)
以及北碚区的 RHII 值在 0 ~ 2 益;低于区域平均地
表温度而形成的“冷岛冶主要分布在山地和林地覆
盖区,如西部的缙云山和中梁山区域、东部的铜锣山
及其广大的周边区域.
Oke[27]和 Landsberg[28]利用气温数据得到城市
热岛强度(UHI)与人口数量(pop)之间的量化关系:
UHI=0郾 73lgpop.根据 2003 年研究区常住人口(617
万),通过上式估算城市热岛强度(气温)为 4郾 96
益 .基于 MODIS数据的地表温度显示,研究区 2003
年 RHII 为 4郾 98 益 (图 5).虽然前者为传统的绝对
城市热岛强度,后者为相对热岛强度,但两者高度相
吻合.
图 4摇 2003 年部分时段基于 MODIS的平均地表温度
Fig. 4摇 Average LST data based on MODIS of part periods in 2003郾
a)2003鄄30—04鄄06; b)2003鄄04鄄07—04鄄14; c)2003鄄06鄄02—06鄄09; d)
2003鄄09鄄22—09鄄29.
2郾 2郾 2 地表温度和相对热岛强度的人口梯度分布摇
人口密度在一定程度上反映了人为活动强度. 整个
研究区的平均人口密度为 1744郾 44 人·km-2,内环
线区域的平均人口密度达 10687郾 92 人·km-2 .内环
线内的渝中区、江北区、沙坪坝和九龙坡区等老城区
的人口密度更大,最高达 21237 人·km-2;在内环线
的周边区域,以及北部城区和蔡家等组团,人口密度
也较大;内环线与外环线之间属于城市扩散扩展区,
人口密度较低,小于 500 人·km-2(图 5).
研究区 RHII与人口密度之间的 Pearson相关系
数为 0郾 46(n=2219),存在极显著相关关系.高密度
人口主要聚集在重庆市内环线区域,并逐渐向外围
图 5摇 2003 年研究区基于 MODIS的相对热岛强度(a)人口密度(b)和 GDP(c)的空间分布
Fig. 5摇 Relative heat island intensity (a) based on MODIS, population density (b) and GDP (c) in 2003 in the study area郾
95616 期摇 摇 摇 摇 摇 摇 摇 摇 韩贵锋等: 快速城市化山地城市地表温度的多维梯度———以重庆市主城区为例摇 摇 摇 摇 摇
如北部新区方向迁移,直接或间接地造成局部 LST
上升,引发一系列热岛效应.在内环线与外环线之间
的广大区域,人口相对分散,人口密度远低于内环线
内的地区,加之开发强度小、生产生活活动产生的废
热较少、建筑密度较小、不透水下垫面比例较小,尤
其是在“四山冶山地植被覆盖较高,使该类地区温度
低于区域平均温度,形成“冷岛冶.
利用 ArcGIS空间分析功能,提取并统计人口密
度与 RHII的关系(图 6).结果发现,RHII 与人口密
度之间存在显著的线性关系(P<0郾 05),当人口密度
每增加 1000 人·km-2时,RHII 上升约 0郾 10 益 . 在
研究区外围的“四山冶地区和植被覆盖较高地区,分
布人口相对较少,LST低于研究区域平均 LST,RHII
呈负值;距主城核心区(即内环线老城区)越近,人
口密度越大;高度聚集的人们主要分布在城市的居
住区、商业区和工业区,建筑密度较大、容积率相对
较高、不透水面比例较大,相应的 LST 和 RHII 显著
增强.
2郾 2郾 3 地表温度和相对热岛强度的 GDP 梯度分布
摇 人口与 GDP 之间存在着高度的相关性[27],然而
GDP的构成比人口密度更复杂,不同发展阶段的产
业结构差异明显,对地表覆盖的改造和开发强度也
不同.工业化时期,第二产业对 GDP贡献较大,城市
热岛会随之增强;而后工业化时期,经济发展趋势表
现为产业结构趋“轻冶,第三产业对 GDP 的贡献更
大,此时城市热岛强度不但不会随着 GDP 增加,反
而会降低,在发达国家以及我国上海等地,中心城区
的热岛效应已经经历了由强到弱的过程[20] .重庆市
是我国西南地区的重工业城市. 2003 年重庆市主城
区内开始实施“退二进三冶政策,虽然部分工业企业
开始迁移至郊区或开发区,但大部分原有老工业企
业仍在内环区域高度集中,且商业主要集聚在内环
图 6摇 研究区相对热岛强度与人口密度的散点图
Fig. 6摇 Scatter diagram of relative heat island intensity and pop鄄
ulation in the study area郾
线区域多个组团,导致核心区单位土地面积 GDP较
高,相应的 LST 也较高;外围如渝北区机场、两路、
北碚、巴南鱼洞等地区的城市开发活动也较强,大型
企业或工业集中分布,LST也较高;在内环与外环之
间的广大区域,主要为农业植被或森林植被,地表覆
盖及其结构未发生较大改变,居住区、商业区和工业
区分布面积较小,LST较低,故 RHII也较弱.
研究 区 平 均 单 位 面 积 GDP 为 3390郾 74
万元·km-2, 其 中, 内 环 线 区 域 平 均 为 1郾 86
亿元·km-2 .该区单位面积 GDP 的最高值为 3郾 07
亿元·km-2,位于内环以内的渝中半岛、大坪、陈家
坪、杨家坪、石桥铺、江北老城等商业密集和工业集
中区;最小值为 10 万元·km-2,分布于内环线与外
环线之间的广大郊区和农村地区. 单位土地面积
GDP呈现出由内环向外环过渡的梯度分布.
依据 ArcGIS空间统计,单位面积 GDP 与 RHII
之间的 Pearson相关系数为 0郾 59(n = 2219),存在极
显著的正相关关系,且强于人口密度与 RHII之间的
相关关系.单位面积 GDP每增加 1000 万元·km-2,
RHII上升 0郾 08 益 .与人口密度相比,单位面积 GDP
更能反映地表覆盖状况. 人口密度只是城市热岛形
成的起源.在城市化和工业化快速过程中,开发建设
活动改变地表覆盖及其结构后,地表热量交换平衡
被打破,使局部 LST 升高,产生和加剧了城市热岛
现象.
3摇 讨摇 摇 论
3郾 1摇 山地城市地表温度形成和分布的复杂性
通常情况下,气温随着高程增加而呈下降趋势,
在没有人类活动干扰下,地表温度也应该表现出类
似的变化趋势.然而城市带来的巨量的生产和生活
活动,强烈地改变了原有地表类型,以及伴随的土
壤鄄植被鄄大气之间的物质和能量交换过程被打破,
导致地表温度的变化趋势发生了改变.在山地城市,
地表接收的太阳辐射与地表构成因坡度、坡向、地形
起伏、地形位、地形粗糙度、坡度变率等地形条件不
同而存在较大的空间差异.受自然地形条件的影响,
人口的分布和聚集并非如平原城市有较明显的城乡
梯度规律,而受河流和山体隔断呈现依山就势的组
团结构,城市人为活动是城市热岛的主要成因,使地
表温度和热岛强度在高程梯度或垂直梯度上不再是
单调递减模式,导致山地城市地表温度和热岛强度
的驱动因素更复杂. 识别自然因素和社会因素对山
地城市热岛的贡献,并探索其影响机理,将是下一步
0661 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
的重要研究内容.
3郾 2摇 基于遥感数据的地表温度
虽然基于传统方法监测的城市气温热岛最容易
被人体感知,但利用有限的气温监测点难以满足空
间精度的要求.随着对气候变化的关注从学术界走
向政策和公众领域,以及对城市热岛研究向各个空
间尺度上的扩展,必然对数据的空间分辨率和时间
分辨率提出更高的要求. 与 MODIS 数据相比,虽然
TM / ETM+遥感数据有较高的空间分辨率,但其时间
分辨率较低,本研究虽然跨度 20 年,但只有 5 个瞬
间静态的数据截面,仅能反映 20 年来的总体变化趋
势,无法满足连续时间序列的分析以及某些时间段
的变化特征提取. MODIS 数据具有较高的时间分辨
率(8 d),但空间分辨率较粗(1 km),适宜进行时间
序列分析以及年内和年际变化特征的提取. 本研究
通过 MODIS得到的年均相对热岛强度与 Oke[28]和
Landsberg[29]计算的热岛强度高度一致,说明本文利
用地表温度得到的相对热岛强度来衡量城市热岛的
方法是适合的.利用其他遥感数据、在其他年份、在
其他城市的研究是否也存在这种高度吻合的普适
性,还需大量研究来验证.
3郾 3摇 热岛强度与人口和 GDP的关系
人口与 GDP 的栅格化精度依赖于所采用的插
值方法和样本数据大小及位置,目前尚未有统一标
准.除本文所用的人口栅格化数据外,还有联合国环
境计划署的 5 km分辨率全球资源信息数据库(UN鄄
EP / GRID)、美国国家橡树岭实验室全球 1 km 分辨
率的人口数据(LandScan)等,各有优缺点.栅格化的
数据能有效避免传统的以行政单元统计的平均化和
均质化问题,可反映其空间差异[30] . 本文所用的人
口和 GDP栅格数据是由中国科学院地理科学与资
源研究所生产制作,具有较高的精度,非常适合空间
上的统计分析.
虽然相对热岛强度与人口梯度存在显著的线性
关系,但两者之间的定量关系仅指人口梯度上的变
化比例,即人口密度每增加 1000 人·km-2,相对热
岛强度上升 0郾 10 益,并不能视为两者之间绝对量的
线性关系.相对热岛强度随单位面积 GDP的梯度分
布规律与人口密度相似.人口密度和单位面积 GDP
反映的是城市社会经济发展的综合指标,构成比较
复杂.虽然单位面积 GDP 与产业结构密切相关,然
而不同的产业结构,如以第二产业为主的工业化上
升期和以第三产业为主的后工业化期可能产生相同
的 GDP,但前者 GDP 导致热岛加剧,而后者可能并
非如此,原因在于两种情况下的土地利用类型、城市
下垫面构成、人为热量排放等不同.在北京和上海等
发达地区,城市原有的工业退出老城区,日益发达的
第三产业也产生较高的单位面积 GDP,然而热岛强
度正在经历减缓过程.本文以重庆市 2003 年数据进
行分析,当时正值直辖后城市化和工业高速发展阶
段,得出相对热岛强度与单位面积 GDP之间有显著
的线性关系,而近年来内环线区域的热岛强度也呈
减弱趋势.
4摇 结摇 摇 论
研究区 LST与 RHII 在高程梯度和地形起伏度
梯度上均呈现两头低、中间高的稳定空间分布特点.
其中,海拔 171 ~ 300 m 地区的生产、生活活动较集
中,LST达到最高并保持平稳. 1988—2009 年,海拔
200 m 以下区域的热岛强度呈显著下降趋势,城市
开发建设活动明显向 200 ~ 350 m的高程区域转移,
该区域内 RHII有所加剧,其中,320 ~ 350 m 高程内
RHII增加的最明显.
RHII与人口密度和单位面积 GDP 之间均呈显
著的线性关系.居住、商业带和工业等高密度人口聚
集区逐渐向北转移,热岛也随之向北转移.在内环线
与外环线之间的广大地区,人口相对分散,人口密度
远低于内环线以内的地区,尤其是在“四山冶植被覆
盖区,LST低于区域平均 LST,形成“冷岛冶. 人口密
度每增加 1000 人·km-2,RHII 上升 0郾 10 益;单位
面积 GDP在空间上的分布与 LST 空间分布有更高
的吻合度,单位面积 GDP每增加 1000 万元·km-2,
RHII上升 0郾 08 益 .
参考文献
[1]摇 Imhoff ML, Zhang P, Wolfe RE, et al. Remote sensing
of the urban heat island effect across biomes in the conti鄄
nental USA. Remote Sensing of Environment, 2010,
114: 504-513
[2]摇 Zhao HM, Chen XL, Li PX, et al. Remote sensing im鄄
age鄄based analysis of the relationship between urban heat
island and land use / cover changes. Remote Sensing of
Environment, 2006, 104: 133-146
[3]摇 Roth M. Review of urban climate research in ( sub)
tropical regions. International Journal of Climatology,
2007, 27: 1859-1873
[4]摇 Onishi A, Cao X, Ito T, et al. Evaluating the potential
for urban heat鄄island mitigation by greening parking lots.
Urban Forestry & Urban Greening, 2010, 9: 323-332
[5]摇 Manley G. On the frequency of snowfall in metropolitan
England. Quarterly Journal of the Royal Meteorological
Society, 1958, 84: 70-72
16616 期摇 摇 摇 摇 摇 摇 摇 摇 韩贵锋等: 快速城市化山地城市地表温度的多维梯度———以重庆市主城区为例摇 摇 摇 摇 摇
[6]摇 Szymanowski M, Kryza M. Application of geographically
weighted regression for modelling the spatial structure of
urban heat island in the city of Wroclaw. Procedia Envi鄄
ronmental Sciences, 2011, 3: 14-19
[7]摇 Camilloni I, Barrucand M. Temporal variability of the
Buenos Aires, Argentina, urban heat island. Theoretical
and Applied Climatology, 2011, 107: 47-58
[8]摇 Dousset B, Gourmelon F, Laaidi K, et al. Satellite mo鄄
nitoring of summer heat waves in the Paris metropolitan
area. International Journal of Climatology, 2011, 31:
313-323
[9]摇 Nichol JE. A GIS鄄based approach to microclimate moni鄄
toring in Singapore爷 s high鄄rise housing estates. Photo鄄
grammetric Engineering & Remote Sensing, 1994, 60:
1225-1232
[10]摇 Buyantuyev A, Wu JG. Urban heat islands and land鄄
scape heterogeneity: Linking spatio鄄temporal variations
in surface temperatures to land鄄cover and socioeconomic
patterns. Landscape Ecology, 2010, 25: 17-33
[11]摇 Diak GR, Mecikalski JR, Anderson MC, et al. Estima鄄
ting land鄄surface energy budgets from space: Review and
current efforts at the University of Wisconsin鄄Madison
and USDA鄄ARS. Bulletin of the American Meteorological
Society, 2004, 85: 65-78
[12]摇 Gao H鄄Y (高红燕), Cai X鄄L (蔡新玲), He H (贺
皓), et al. The impact of urbanization on the surface
temperature in Xi爷 an. Acta Geographica Sinica (地理
学报), 2009, 64(9): 1093-1102 (in Chinese)
[13]摇 Xie Z鄄Q (谢志清), Du Y (杜摇 银), Zeng Y (曾摇
燕), et al. Impact of urbanization on regional tempera鄄
ture change in the Yangtze River Delta. Acta Geographi鄄
ca Sinica (地理学报), 2007, 62(7): 717 -727 ( in
Chinese)
[14]摇 Duan J鄄L (段金龙), Song X (宋 摇 轩), Zhang X鄄L
(张学雷). Spatiotemporal variation of urban heat island
in Zhengzhou City based on RS. Chinese Journal of
Applied Ecology (应用生态学报), 2011, 22 (1):
165-170 (in Chinese)
[15]摇 Rajasekar U, Weng Q. Spatio鄄temporal modelling and
analysis of urban heat islands by using Landsat TM and
ETM+ imagery. International Journal of Remote Sensing,
2009, 30: 3531-3548
[16]摇 Jiang X鄄D (江学顶). Xia B鄄C (夏北成), Guo L (郭
泺), et al. Characteristics of multi鄄scale temporal鄄spa鄄
tial distribution of urban heat island in Guangzhou. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2007, 18(1): 133-139 (in Chinese)
[17]摇 Bertoldi G, Notarnicola C, Leitinger G, et al. Topo鄄
graphical and ecohydrological controls on land surface
temperature in an alpine catchment. Ecohydrology,
2010, 3: 189-204
[18]摇 Yue W鄄Z (岳文泽), Xu J鄄H (徐建华). Impact of hu鄄
man activities on urban thermal environment in Shang鄄
hai. Acta Geographica Sinica (地理学报), 2008, 63
(3): 247-256 (in Chinese)
[19]摇 Li J鄄J (李俊杰), He L鄄H (何隆华), Chen J (陈
杰). A study on urban thermal field of Nanjing based
on satellite remote sensing. Resources and Environment
in the Yangtze Basin (长江流域资源与环境), 2005,
14(6): 760-763 (in Chinese)
[20]摇 Dai X鄄Y (戴晓燕), Zhang L鄄Q (张利权), Guo Z鄄Y
(过仲阳), et al. Mechanism of formation of urban heat
island effect and its spatial pattern in Shanghai. Acta
Ecologica Sinica (生态学报), 2009, 29(7): 3995 -
4004 (in Chinese)
[21]摇 Sobrino JA, Jimenez鄄Munoz JC, Paolini L. Land surface
temperature retrieval from Landsat TM5. Remote Sensing
of Environment, 2004, 90: 434-440
[22]摇 Weng Q, Lu D, Schubring J. Estimation of land surface
temperature: Vegetation abundance relationship for ur鄄
ban heat island studies. Remote Sensing of Environment,
2004, 89: 467-483
[23]摇 Qin Z, Kanieli A. A mono鄄window algorithm for retrie鄄
ving land surface temperature from Landsat TM data and
its application to the Israel鄄Egypt border region. Interna鄄
tional of Remote Sensing, 2001, 22: 3719-3746
[24]摇 Feng Z鄄M (封志明), Tang Y (唐 摇 焰), Yang Y鄄Z
(杨艳昭), et al. The relief degree of land surface in
China and its correlation with population distribution.
Acta Geographica Sinica (地理学报), 2007, 62(10):
1073-1082 (in Chinese)
[25]摇 Niu WY, Harris WM. China: The forecast of its envi鄄
ronmental situation in the 21st century. Journal of Envi鄄
ronmental Management, 1996, 47: 101-114
[26]摇 Han G鄄F (韩贵锋), Xu J鄄H (徐建华). Vegetation
change trajectory and the reasons in Shanghai City. Acta
Ecologica Sinica (生态学报), 2009, 29(4): 1793 -
1803 (in Chinese)
[27]摇 Zhao J鄄W (赵进文). The model of the relationship be鄄
tween total population and GDP in China. Chinese Jour鄄
nal of Population Science (中国人口科学), 2003(3):
25-31 (in Chinese)
[28]摇 Oke TR. City size and the urban heat island. Atmos鄄
pheric Environment, 1973, 13: 769-779
[29]摇 Landsberg EH. The Urban Climate. Volume 28 ( Inter鄄
national Geophysics ). New York: Academic Press,
1981
[30]摇 Liao S鄄B (廖顺宝), Sun J鄄L (孙九林). GIS based
spatialization of population census data in Qinghai鄄Tibet
Plateau. Acta Geographica Sinica (地理学报), 2003,
58(1): 25-33 (in Chinese)
作者简介 摇 韩贵锋,男,1975 年生,博士,副教授. 主要从事
生态遥感与 GIS 空间分析及其在城市规划中的应用研究.
E鄄mail: hangf@ cqu. edu. cn
责任编辑摇 杨摇 弘
2661 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷