梁保平，李曉寧

（1.廣西師范大學(xué)環(huán)境與資源學(xué)院，廣西 桂林 541004；2.巖溶生態(tài)與環(huán)境變化研究廣西高校重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004）

城市LUCC時(shí)空格局對(duì)地表溫度的影響效應(yīng)研究
——以廣西柳州市為例

梁保平1，2，李曉寧1

（1.廣西師范大學(xué)環(huán)境與資源學(xué)院，廣西 桂林 541004；2.巖溶生態(tài)與環(huán)境變化研究廣西高校重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004）

研究目的：定量分析中國(guó)西南典型重工業(yè)城市——柳州市的土地利用、地表溫度時(shí)空演化特征以及不同土地利用類型對(duì)地表溫度的聯(lián)合影響效應(yīng)。研究方法：利用1991年Landsat 5的TM影像和2013年Landsat 8的OLI/TIRS影像數(shù)據(jù)，通過(guò)遙感技術(shù)反演提取研究區(qū)歸一化植被指數(shù)（NDVI）、歸一化差異建筑指數(shù)（NDBI）、改進(jìn)的歸一化差異水體指數(shù)（MNDWI）以及地表溫度（LST）等遙感參數(shù)，基于遙感指數(shù)疊加分類法獲取城市土地利用/覆蓋（LUCC）信息。研究結(jié)果：（1）柳州市22年間LUCC變化劇烈，受人為因素影響強(qiáng)烈的地物類型為建筑用地、耕地和裸地。其中，建筑用地變化幅度最大，面積增加了126.71%，新增建筑用地主要源于城市中原有的耕地類型。（2）兩期地表溫度數(shù)據(jù)均顯示，城市建筑用地的地表溫度最高，水體的地表溫度最低，建筑用地升溫效果顯著，是造成城市熱島效應(yīng)的主要原因之一。（3）影響因子相關(guān)性與多元回歸分析揭示，城市中各地物類型面積比與地表溫度均具有一定的相關(guān)性，但差異性較大。其中，建筑用地、裸地與地表溫度呈正相關(guān)，林地、水體與地表溫度呈負(fù)相關(guān)。研究結(jié)論：城市各種LUCC類型的地表溫度差異較大，水體和林地在緩解城市熱島效應(yīng)方面作用十分顯著，兩者比較，水體的降溫效果要優(yōu)于林地。

土地利用；土地覆被變化；地表溫度；遙感技術(shù)；柳州市

土地利用/覆被變化（簡(jiǎn)稱LUCC）是全球變化研究的重要領(lǐng)域，是學(xué)術(shù)界最為關(guān)注的熱點(diǎn)問(wèn)題之一[1]。近10年來(lái)，中國(guó)的城市化發(fā)展呈現(xiàn)日益加速態(tài)勢(shì)，快速城市化導(dǎo)致土地利用與覆被格局的劇烈變化，自然植被、水體等地物逐漸被建筑物、道路、廣場(chǎng)等不透水地表所取代，繼而引發(fā)城市熱島、霧霾污染、生態(tài)用地縮減、城市內(nèi)澇等諸多生態(tài)問(wèn)題，對(duì)城市人居環(huán)境的改善與城市可持續(xù)發(fā)展造成嚴(yán)重的影響。目前，遙感技術(shù)的快速發(fā)展為獲取城市土地利用和地表溫度信息，動(dòng)態(tài)監(jiān)測(cè)其變化提供了有效的技術(shù)支持。

國(guó)內(nèi)外學(xué)術(shù)界圍繞城市土地利用與城市熱環(huán)境的問(wèn)題進(jìn)行了大量研究，也取得了許多代表性成果[1-14]。如Hung等利用TERRA/MODIS數(shù)據(jù)，研究亞洲18個(gè)大城市的城市熱島強(qiáng)度的空間分布特征，并且利用Landsat系列影像分析了地表溫度與植被覆蓋度之間的相關(guān)性[1]。陳鋒等利用Landsat遙感數(shù)據(jù)，分別對(duì)北京、上海、沈陽(yáng)和武漢4城市的熱島效應(yīng)和城市下墊面的空間分布相關(guān)性進(jìn)行了定量研究[3]。夏俊士基于Landsat TM熱紅外數(shù)據(jù)反演的地表溫度數(shù)據(jù)，利用混合像元分解法和V-I-S模型，定量分析了徐州市地表溫度與不同土地覆蓋類型之間的關(guān)系[4]。韓貴鋒以重慶市主城區(qū)為例，利用TM影像反演地表溫度，提取城市各坡向上的地表溫度，并進(jìn)行方差分析。結(jié)果發(fā)現(xiàn)不同用地類型上的城市建設(shè)強(qiáng)度和生產(chǎn)、生活活動(dòng)差異是引起地表溫度變化的主要因素，而坡向的影響效應(yīng)是微弱的[5]。

上述研究對(duì)揭示城市土地利用格局與地表溫度和其他相關(guān)指數(shù)之間的關(guān)系具有較大的學(xué)術(shù)價(jià)值。但可看出，相關(guān)研究多集中在國(guó)內(nèi)外經(jīng)濟(jì)發(fā)展與城市化進(jìn)程較發(fā)達(dá)地區(qū)，研究?jī)?nèi)容主要是針對(duì)城市某一時(shí)間界面或者單個(gè)要素的分析，而對(duì)于地處中國(guó)西部城市化滯后區(qū)，開展不同時(shí)間界面上城市地表溫度的多要素聯(lián)合影響評(píng)價(jià)研究相對(duì)少見。

本文以中國(guó)西南典型的重工業(yè)城市柳州市為案例，利用Landsat系列的多光譜和熱紅外影像為數(shù)據(jù)源，通過(guò)反演各種地表參數(shù)，利用遙感指數(shù)疊加監(jiān)督分類方法獲取城市土地利用/覆蓋信息，進(jìn)而定量分析城市地表溫度的時(shí)空分布特征、不同土地利用類型對(duì)地表溫度的聯(lián)合影響效應(yīng)，以期為緩解城市熱島效應(yīng)、合理實(shí)施城市規(guī)劃、城市生態(tài)建設(shè)以及城市管理提供科學(xué)依據(jù)。

1 研究區(qū)域與數(shù)據(jù)獲取

1.1 研究區(qū)概況

柳州市地處中國(guó)華南地區(qū)、廣西壯族自治區(qū)中北部，位于北緯23°54′—26°03′，東經(jīng)108°32′—110° 28′之間，屬中亞熱帶向南亞帶過(guò)渡的氣候帶，受季風(fēng)環(huán)流影響，冬短夏長(zhǎng)，雨量豐沛，光熱充足，無(wú)霜期長(zhǎng)。市區(qū)平均氣溫為21.4℃，年降水量為1345—1940 mm之間，年蒸發(fā)量976.0 mm。全市現(xiàn)轄柳北、柳南、城中和魚峰4城區(qū)和柳江、柳城、鹿寨、融安、融水、三江6縣，土地總面積1.8萬(wàn)km2，全市總?cè)丝?75.87萬(wàn)人（2013年末）。作為廣西的第二大城市，柳州市也是中國(guó)華南、西南地區(qū)重要的工業(yè)基地、交通樞紐及區(qū)域性中心城市。

本文研究范圍選取位于柳州市繞城高速以內(nèi)的城市區(qū)域，因繞城高速范圍已成型不會(huì)再有大變動(dòng)，且繞城高速涵蓋了城市建設(shè)的核心區(qū)，是城市化過(guò)程、人為干擾最強(qiáng)烈的地帶，研究區(qū)具有典型性，其研究結(jié)論也具有現(xiàn)實(shí)指導(dǎo)意義。

1.2 研究數(shù)據(jù)獲取來(lái)源

本文采用1991年10月30日和2013年12月4日獲取的Landsat系列衛(wèi)星影像作為基礎(chǔ)數(shù)據(jù)①研究區(qū)近3年來(lái)有效數(shù)據(jù)只有2013年12月4日的Landsat8 OLI/TIRS影像。受天氣系統(tǒng)影響，此期間獲取的其他影像均存在不同程度的云覆蓋問(wèn)題，因此無(wú)法用于城市土地利用分類和地表溫度的熱紅外反演研究。。衛(wèi)星軌道號(hào)行號(hào)是P125r43，遙感圖像為UTM投影，坐標(biāo)系統(tǒng)為WGS84，橢球體類型為Krasovsky。其中，前者為L(zhǎng)andsat 5的TM數(shù)據(jù)，包括7個(gè)波段，除第6波段（熱紅外波段）的空間分辨率為120 m外，其他波段為30 m。后者為L(zhǎng)andsat 8的OLI/TIRS數(shù)據(jù)，包括11個(gè)波段，除第8波段（全色波段）、TIRS波段（band10/band11）的空間分辨率分別為15 m和100 m外，其余均為30 m。研究利用兩期熱紅外波段反演生成同期城市地表溫度信息，影像的成像時(shí)間均為上午10：30左右，研究區(qū)上空無(wú)云覆蓋，數(shù)據(jù)質(zhì)量良好，地物識(shí)別度較高。

為更好地進(jìn)行城市地物對(duì)比驗(yàn)證，研究中利用柳州市90年獲取的航片數(shù)據(jù)以及Google Earth Pro 7.1平臺(tái)下載的近期（2014年）高分衛(wèi)星影像作為參考圖件。其他相關(guān)參考資料有柳州市行政區(qū)劃圖、柳州社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)年鑒（1991—2013年）、《柳州市城市總體規(guī)劃（2004—2020年）》以及柳州市30 m的ASTER-DEM數(shù)據(jù)等。

2 研究方法

2.1 城市土地利用/覆蓋信息提取方法

考慮到Landsat遙感數(shù)據(jù)分辨率精度及研究區(qū)土地利用特征，同時(shí)參照中國(guó)土地資源分類系統(tǒng)的土地分類標(biāo)準(zhǔn)[15]，將區(qū)域土地覆蓋類型劃分成林地、耕地、建筑用地、水體和裸地5類。

借助遙感影像處理專業(yè)軟件ERDAS IMAGINE 9.3，通過(guò)典型指數(shù)疊加監(jiān)督分類方法獲取城市土地利用/覆蓋信息。即首先對(duì)兩期遙感影像進(jìn)行光譜增強(qiáng)預(yù)處理，分別提取歸一化植被指數(shù)（NDVI）、歸一化差異建筑指數(shù)（NDBI）和改進(jìn)的歸一化差異水體指數(shù)（MNDWI），然后對(duì)這3個(gè)指數(shù)進(jìn)行假彩色波段合成，經(jīng)目視解譯后再采用最大似然監(jiān)督分類法提取土地利用信息。通過(guò)與同期參考圖像數(shù)據(jù)檢驗(yàn)發(fā)現(xiàn)，研究區(qū)1991年、2013年兩期影像的總體分類精度分別為89.72%（Kappa系數(shù)為0.84）和92.43%（Kappa系數(shù)為0.86），整體效果要優(yōu)于傳統(tǒng)的多光譜監(jiān)督分類法（圖1，封二）。

2.1.1 歸一化植被指數(shù)（NDVI） NDVI是利用綠色植被在紅光波段的強(qiáng)吸收和近紅外波段的強(qiáng)反射光譜特性，經(jīng)數(shù)學(xué)組合變換得到的一種歸一化指數(shù)。該指數(shù)能夠部分消除因太陽(yáng)輻射、地形陰影和土壤背景不同而產(chǎn)生的光譜誤差，可以較好地提取區(qū)域植被的生物信息，其計(jì)算公式為：

式（1）中，NIR為近紅外波段, 即TM或OLI的第4波段的亮度值；R為紅光波段，即TM或OLI的第3波段的亮度值。2.1.2 歸一化建筑指數(shù)（NDBI） NDBI是基于建筑物在中紅外波段具有較高的光譜反射特性，而在近紅外波段的反射值降低的原理而構(gòu)造。但由于建筑物在中紅外與近紅外波段的反射值差異不如植被和水體那么明顯，因而如果單純以NDBI＞0來(lái)提取城市建筑用地信息，則其中會(huì)混有裸地、植被水體等其他地物類型信息。因而NDBI需要融合NDVI和MNDWI兩個(gè)指數(shù)波段進(jìn)行假彩色合成，才能更好地提取區(qū)域建設(shè)用地信息，其計(jì)算公式為：

式（2）中，MIR為中紅外波段, 即TM或OLI的第5波段的亮度值；NIR為近紅外波段, 即TM或OLI的第4波段的亮度值。

2.1.3 改進(jìn)的歸一化差異水體指數(shù)（MNDWI） 它是在Mcfeeters提出的歸一化差異水體指數(shù)（NDWI）的基礎(chǔ)上，對(duì)構(gòu)成該指數(shù)的波長(zhǎng)組合重新調(diào)整后得到的一種新指數(shù)。通過(guò)對(duì)水體、植被、建筑物的光譜曲線進(jìn)行了分析,發(fā)現(xiàn)水體在MNDWI波段影像上呈高亮度顯示，該指數(shù)易于將水體與植被、建筑物、裸地等地物區(qū)分開[16]。其計(jì)算公式為：

式（3）中，Green為綠光波段，即TM或OLI的第2波段的亮度值；MIR為中紅外波段, 即TM或OLI的第5波段的亮度值。

2.2 城市地表溫度（LST）反演

地表溫度反映的是在衛(wèi)星高度下，傳感器所探測(cè)到的熱輻射強(qiáng)度相對(duì)應(yīng)的地面溫度，其反演可采用Artis和Carnahan的算法[17]。即先將Landsat熱紅外波段灰度值轉(zhuǎn)化為相應(yīng)的熱輻射強(qiáng)度值，像元輻射強(qiáng)度與其DN值有如下關(guān)系：

式（4）中，Lλ表示傳感器接收到的熱輻射強(qiáng)度；DN表示熱紅外波段的像元灰度值，即Landsat 5的第6波段和Landsat 8 TIRS載荷的第10波段的亮度值；Gain和Bias分別為熱紅外波段對(duì)應(yīng)的增益和偏置。其次，再將熱輻射強(qiáng)度轉(zhuǎn)換為像元亮度溫度，計(jì)算公式為：

式（5）中，Ts表示像元亮度溫度,單位為K；K1、K2為常量，對(duì)于Landsat 5衛(wèi)星，K1= 607.76 W·m-2·sr-1·μm-1，K2= 1260.56 K；對(duì)于Landsat 8衛(wèi)星，K1= 774.89 W·m-2·sr-1·μm-1，K2= 1321.08 K。最后，根據(jù)地物的比輻射率將亮度溫度轉(zhuǎn)化為地表真實(shí)溫度，計(jì)算公式為：

式（6）中，LST為地表溫度（K）；Ts為輻射亮溫；λ為熱紅外波段的中心波長(zhǎng)，取值為11.5 μm；ρ = hc/b（1.438× 10-2m·K），b為波爾茲曼常數(shù)（1.38×10-23J·K-1），h為普朗克常量（6.626×10-34J·s），c為光速（2.998×108m·s-1）；ε為地物比輻射率，根據(jù)相關(guān)研究，植被覆蓋區(qū)、水體、建筑用地和裸地的比輻射率分別可取值0.986、0.995、0.970和0.972[18]（圖2，封二）。

3 結(jié)果與分析

3.1 柳州市LUCC空間分布特征及動(dòng)態(tài)變化分析

利用ArcGIS 10.0軟件工具，對(duì)柳州市1991年、2013年兩期土地利用/覆蓋分類圖進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析后，得到表1。

從表1中可以看出，近22年間柳州市土地利用狀況發(fā)生了劇烈的變化。其中，建筑用地面積增幅最大，從83.44 km2增加到189.17 km2，面積凈增105.73 km2，變化率為126.71%，年均增幅5.76%。表明柳州市目前正處于快速城市化發(fā)展的過(guò)程中，研究區(qū)內(nèi)建設(shè)用地面積擴(kuò)張十分顯著。建筑用地增加最為明顯的區(qū)域?yàn)榱鴸|新區(qū)、柳北區(qū)和柳南區(qū)，尤其是柳東新區(qū)，由于被規(guī)劃為未來(lái)柳州市的新城區(qū)和廣西的汽車產(chǎn)業(yè)發(fā)展基地，其區(qū)位優(yōu)勢(shì)和政策優(yōu)勢(shì)非常突出，在政府宏觀規(guī)劃的引導(dǎo)下，新區(qū)的大規(guī)模開發(fā)建設(shè)導(dǎo)致建筑用地面積增長(zhǎng)日益加快；其次分別是林地、水體，面積分別凈增20.16 km2和8.00 km2，變化率分別為8.10%和42.7%。林地和水體屬于生態(tài)用地類型，它們?cè)诰S護(hù)城市生態(tài)系統(tǒng)平衡與穩(wěn)定方面具有重要的功能。兩類用地面積的增加，說(shuō)明柳州市近年來(lái)環(huán)境保護(hù)工作取得了較大成績(jī)，特別是在城市水環(huán)境綜合整治、園林綠地與森林城市建設(shè)方面成效顯著，因而市區(qū)及周邊的生態(tài)環(huán)境質(zhì)量已得到明顯改善。與之相反，耕地和裸地則呈現(xiàn)減少趨勢(shì)，其中耕地面積減少最快，面積從284.38 km2減少到151.63 km2，面積凈減少了46.68%，年變化率為-2.12%。通過(guò)兩期土地利用/覆蓋分類圖的疊置分析可知，新增的建筑用地主要來(lái)源于城市中原有的耕地類型，說(shuō)明城市建成區(qū)的不斷擴(kuò)張是以耕地的占用和縮減為代價(jià)的，這也是當(dāng)前中國(guó)城市化發(fā)展過(guò)程中的普遍現(xiàn)實(shí)。

表1 1991—2013年柳州市LUCC的面積及變化率統(tǒng)計(jì)Tab.1 The statistical table of LUCC area and rate of change in Liuzhou from 1991 to 2013

3.2 柳州市土地覆蓋類型的地表溫度統(tǒng)計(jì)特征

為揭示城市不同土地覆蓋類型的地表溫度特征，將柳州市1991年、2013年的地表溫度圖層與土地利用分類圖進(jìn)行疊加，并根據(jù)公式T = K-273.15，將開氏溫度（K）轉(zhuǎn)換成攝氏溫度（℃），分別統(tǒng)計(jì)城市各土地利用類型的地表溫度特征值，結(jié)果如圖3所示。

從圖3可以看出，在柳州市各類土地利用/覆蓋類型中，林地、耕地、建筑用地、裸地及水體等不同地物的地表溫度均不相同，并且相同地物類型在不同監(jiān)測(cè)期的地表溫度也存較大差異。統(tǒng)計(jì)數(shù)據(jù)顯示，1991年柳州市LUCC的5類地物平均地表溫度大小排序?yàn)椋航ㄖ玫兀韭愕兀靖兀玖值兀舅w，而2013年大小排序則為：建筑用地＞耕地＞裸地＞林地＞水體。兩期數(shù)據(jù)中建筑用地的地表溫度都為最高（25.13℃和21.05℃），且標(biāo)準(zhǔn)差和差異系數(shù)也較大。建筑用地主要由水泥硬化路面和建筑屋頂?shù)炔煌杆畬痈采w，物質(zhì)結(jié)構(gòu)中水分含量少，地表潛熱容量較小，熱傳導(dǎo)率大，一旦接收太陽(yáng)輻射后，地表升溫速度會(huì)很快。此外，城市建筑用地以商業(yè)區(qū)、居民區(qū)及工業(yè)區(qū)分布為主，這些區(qū)域人口數(shù)量密集，經(jīng)濟(jì)社會(huì)活動(dòng)頻繁，人為熱排放量大，也是造成地表溫度偏高的重要原因。在LUCC各類地物中，林地和水體是兩類典型的低溫地物，兩期地表溫度空間分布圖顯示，柳州市的低溫區(qū)集中分布在柳江河、三門江國(guó)家森林公園和龍?zhí)豆珗@等重要水體和林地地帶。根據(jù)圖3，研究區(qū)水體和林地1991年的地表平均溫度較建筑用地分別低4.68℃和2.82℃，2013年則分別低3.07℃和2.62℃，兩者相比較，水體的“冷島”效應(yīng)要比林地更為顯著。由于水的比熱容較大，因相變而產(chǎn)生潛熱交換，它可以有效調(diào)節(jié)地表和空氣溫度增減的速率。

3.3 柳州市土地利用/覆蓋對(duì)地表溫度的綜合影響分析

3.3.1 城市LUCC比重與地表溫度的相關(guān)性分析 為定量揭示區(qū)域LUCC比重對(duì)城市地表溫度的影響效應(yīng)，利用ArcGIS 10.0軟件工具分別在1991年、2013年柳州土地利用分類圖上生成1 km×1 km單元的矢量網(wǎng)格，共建立624個(gè)網(wǎng)格。利用該軟件中的Spatial Analyst工具，將單元格網(wǎng)圖層分別與兩期地表溫度圖層進(jìn)行疊加分析，統(tǒng)計(jì)每個(gè)單元網(wǎng)格的平均地表溫度，同時(shí)計(jì)算出每個(gè)單元網(wǎng)格中土地利用/覆蓋的面積，并求出各類地物在網(wǎng)格中的面積百分比，最后在SPSS軟件中對(duì)各類地物的面積比例與地表溫度進(jìn)行一元線性回歸與相關(guān)性分析，統(tǒng)計(jì)結(jié)果見圖4。圖4中的相關(guān)性曲線與回歸方程顯示，在兩期數(shù)據(jù)中，城市各類地物面積比與地表溫度均具有一定的線性關(guān)系，但相關(guān)性程度差異較大。各地物類型中建筑用地、裸地與地表溫度均為正相關(guān)關(guān)系，而林地、水體與地表溫度呈現(xiàn)負(fù)相關(guān)性。一元線性擬合方程揭示，除裸地（2013年）在P＜0.05水平下呈現(xiàn)相關(guān)外，其他線性回歸方程均在P＜0.01下呈現(xiàn)顯著相關(guān)性，說(shuō)明各土地覆蓋類型對(duì)于城市地表溫度變化都有一定的貢獻(xiàn)。1991年時(shí)，與地表溫度相關(guān)性程度最大的地物類型為裸地，復(fù)相關(guān)系數(shù)R2為0.237。裸地主要由城市中裸土、裸石和城市待建的開發(fā)用地等構(gòu)成，其地表熱特征與城市建筑相類似，一旦接受太陽(yáng)輻射后地表溫度上升較快，加上20世紀(jì)90年代初期，柳州市建設(shè)正處于快速擴(kuò)張期，城市待開發(fā)建設(shè)用地面積比重較大，因而對(duì)同期地表溫度的貢獻(xiàn)率也最為顯著。2013年，各類地物類型中與地表溫度相關(guān)程度最大為林地，其復(fù)相關(guān)系數(shù)為0.505。大量研究表明，森林植被在減輕城市熱島效應(yīng)方面起著重要作用，綠色植被的葉面具有遮陽(yáng)和蒸騰作用，能夠降低氣溫、調(diào)節(jié)濕度、吸收太陽(yáng)輻射，其面積大小和數(shù)量是改善城市熱力環(huán)境的重要因子，尤其是伴隨城市建筑用地面積的急劇膨脹，這種生態(tài)調(diào)節(jié)作用也越來(lái)越明顯。

圖3 柳州市1991—2013年各土地覆蓋類型的地表溫度特征Fig.3 The LST of different land cover in Liuzhou from 1991 to 2013

對(duì)比兩期數(shù)據(jù)，柳州市林地、建筑用地、水體、耕地與地表溫度的復(fù)相關(guān)系數(shù)R2均呈現(xiàn)增大趨勢(shì)，其中，林地、建筑用地與地表溫度的復(fù)相關(guān)系數(shù)變化較為明顯，分別從0.2129增大到0.4843，0.1613增大到0.505。該變化意味著隨時(shí)間的推移，各土地類型對(duì)區(qū)域地表溫度的影響在不斷增強(qiáng)。其他類型與地表溫度擬合方程的復(fù)相關(guān)系數(shù)雖然較小（R2＜0.1），但由于本研究分析采用的是大數(shù)據(jù)樣本（自由度N＞600），故擬合方程在0.01水平上均是顯著的。此外，兩期數(shù)據(jù)的相關(guān)性分析結(jié)果揭示，耕地屬于一種特殊的地物類型，表現(xiàn)在它與地表溫度由1991年負(fù)相關(guān)轉(zhuǎn)變?yōu)?013年的正相關(guān)關(guān)系。其原因在于，耕地作為典型的人工地物類型，受季相與地表作物覆蓋變化影響較大，1991年、2013年的衛(wèi)星影像數(shù)據(jù)獲取時(shí)間分別為秋季（10月底）和冬季（12月初），秋季地表仍有一定農(nóng)作物覆蓋，地物光譜特征與林地類似，因而其與地表溫度會(huì)呈現(xiàn)負(fù)相關(guān)的關(guān)系，研究區(qū)冬季的耕地上少有綠色植被覆蓋，地表光譜特征與裸地相類似，故其與地表溫度會(huì)呈現(xiàn)正相關(guān)的關(guān)系。

圖4 研究區(qū)各類用地面積比與地表溫度的線性相關(guān)性（1991、2013年）Fig.4 Correlation between the area ratio of different land and LST in research area（1991、2013）

3.3.2 城市LUCC與地表溫度的多元回歸分析 影響因子的一元線性回歸擬合僅能反映各地物類型與地表溫度的兩兩相關(guān)關(guān)系，但是在區(qū)域尺度上，不同地物類型會(huì)對(duì)地表溫度的變化共同產(chǎn)生作用，為進(jìn)一步揭示城市LUCC如何對(duì)地表溫度產(chǎn)生聯(lián)合影響，即為探討和解釋可能對(duì)城市熱島效應(yīng)中起主導(dǎo)性作用的影響因子（土地覆被類型）。研究利用SPSS 軟件對(duì)上述格網(wǎng)樣本數(shù)據(jù)進(jìn)行多元線性回歸分析，結(jié)果發(fā)現(xiàn)1991年、2013年的城市LST與各土地類型比例存在如下關(guān)系:

兩期分析數(shù)據(jù)多元線性回歸方程的復(fù)相關(guān)系數(shù)R2分別為0.474和0.654，顯著性概率P均小于0.01，表明城市地表溫度與各土地類型比例之間是顯著的線性關(guān)系。從回歸方程系數(shù)來(lái)看，1991年，對(duì)城市地表溫度變化起重要影響的地物類型分別是裸地、建筑用地和水體，其中裸地、建筑用地起著增溫作用，水體起著降溫作用。2013年，對(duì)城市地表溫度變化起重要影響的地物類型分別是水體、林地和建筑用地，其中水體、林地起著降溫作用，建筑用地起著增溫作用。以2013年的水體為例，在假定其他自變量不變的情況下，研究區(qū)水體面積比例每增加10%，其地表溫度將降低0.22℃。若林地面積百分比每增加10%，區(qū)域地表溫度則降低0.13℃，這說(shuō)明在城市化快速發(fā)展與熱島效應(yīng)日益顯著的背景下，水體、林地是城市中兩類重要的低溫地物，而水體的降溫效果要比林地明顯。

4 結(jié)論與討論

本文利用遙感指數(shù)疊加分類法獲取城市土地利用/覆蓋信息，進(jìn)而定量分析研究區(qū)的土地利用、地表溫度時(shí)空演化特征和不同土地利用類型對(duì)地表溫度的聯(lián)合影響效應(yīng)，研究結(jié)果表明：

（1）1991—2013年的22年間，柳州市LUCC變化劇烈，其中受人為因素影響強(qiáng)烈的地物類型為建筑用地、耕地和裸地，特別是建筑用地和耕地面積比例發(fā)生了明顯的變化。建筑用地面積凈增105.73 km2，增加幅度為126.71%，耕地面積凈減少到132.74 km2，面積減少了46.68%，新增的建筑用地主要源于城市中原有的耕地類型。

（2）城市各種LUCC類型的地表溫度具有顯著性差異，兩期統(tǒng)計(jì)數(shù)據(jù)均顯示，建筑用地的地表溫度最高，水體的地表溫度最低。隨著城市建筑用地面積的日益擴(kuò)張，其升溫效果顯著，是造成城市熱島效應(yīng)的主要原因之一。

（3）影響因子相關(guān)性與多元回歸分析揭示，城市中各類地物類型面積比與地表溫度都具有一定的相關(guān)性，但差異性較大。其中，建筑用地、裸地與地表溫度為正相關(guān)，林地、水體與地表溫度呈負(fù)相關(guān)。水體和林地作為城市中兩類關(guān)鍵的地物類型，在緩解城市熱島效應(yīng)與改善生態(tài)環(huán)境質(zhì)量方面的作用十分顯著，兩者比較，水體的降溫效果要優(yōu)于林地。

（4）由于受影像空間分辨率、分類方法有效性等因素影響，估算LUCC地物類型面積時(shí)，部分混合像元可能會(huì)出現(xiàn)錯(cuò)誤分類；此外，利用熱紅外數(shù)據(jù)進(jìn)行地表溫度多元回歸分析時(shí)，受反演算法精度、數(shù)據(jù)獲取時(shí)間差異、城市下墊面多樣性以及分析樣本尺度大小等因素影響，從而使得各個(gè)研究參數(shù)之間的關(guān)系變得更為復(fù)雜。因而，本研究得出的結(jié)論還需結(jié)合不同研究區(qū)域、不同時(shí)相、不同取樣尺度等條件，進(jìn)行進(jìn)一步驗(yàn)證和分析。

（5）城市熱島效應(yīng)的影響因素分析已經(jīng)成為城市遙感研究的一個(gè)熱點(diǎn)課題，近年來(lái)的研究大多聚焦于城市植被指數(shù)或覆蓋度、不透水層、土壤濕度等生物物理參數(shù)與地表溫度的相關(guān)性問(wèn)題。諸多研究表明，僅采用單一影響因素解釋城市熱島效應(yīng)有較大的不確定性。地表溫度作為指示城市熱環(huán)境狀況的一個(gè)關(guān)鍵性遙感參數(shù)，其大小受到研究區(qū)氣候條件、植被覆蓋、不透水層、土壤質(zhì)地以及地形地貌等諸多要素的影響，其異質(zhì)性分布是多種因子共同作用下的結(jié)果。隨著研究的不斷深入，城市土地利用與土地覆蓋景觀格局、地表生物物理組分以及人類活動(dòng)空間強(qiáng)度特征等對(duì)于城市熱島的影響機(jī)理將是未來(lái)研究的重點(diǎn)內(nèi)容。

參考文獻(xiàn)（References）：

［1］ Hung T, Uchihama D, Ochi S, et al. Assessment with satellite data of the urban heat island effects in Asian mega cities［J］ . International Journal of Applied Earth Observation and Geoinformation，2006，（8）：34 - 48.

［2］ Buyantuyev A, Wu. Urban heat islands and landscape heterogeneity:linking spatiotemporal variations in surface temperatures to landcover and socioeconomic patterns［J］ . Landscape Ecology，2010，25（1）：17 - 33.

［3］ 陳鋒，何報(bào)寅，龍占勇. 利用Landsat ETM+分析城市熱島與下墊面的空間分布關(guān)系［J］ . 國(guó)土資源遙感，2008，2：56 - 61.

［4］ 夏俊士，杜培軍，張海榮，等. 基于遙感數(shù)據(jù)的城市地表溫度與土地覆蓋定量研究［J］ . 遙感技術(shù)與應(yīng)用，2010， 25（1）：15 - 23.

［5］ 韓貴鋒，葉林，孫忠偉. 山地城市坡向?qū)Φ乇頊囟鹊挠绊憽灾貞c市主城區(qū)為例［J］ . 生態(tài)學(xué)報(bào)，2014，34（14）：4017 - 4024.

［6］ 白楊，王敏，孟浩. 上海市快速城市化過(guò)程中地表溫度與地表覆蓋的關(guān)系研究［J］ . 環(huán)境污染與防治，2013，35（6）：49 - 54.

［7］ 曹璐，胡瀚文，孟憲磊，等. 城市地表溫度與關(guān)鍵景觀要素的關(guān)系［J］ . 生態(tài)學(xué)雜志 ，2011，30（10）：2329 - 2334.

［8］ 王敏，孟浩，白楊，等. 上海市土地利用空間格局與地表溫度關(guān)系研究［J］ . 生態(tài)環(huán)境學(xué)報(bào)，2013，22（2）：343 - 350.

［9］ Kong F H, Yin H W, Philip James, et al. Effects of spatial pattern of greenspace on urban cooling in a large metropolitan area of eastern China［J］ . Landscape and Urban Planning，2014，128：35 - 47.

［10］ 孔繁花，尹海偉，劉金勇，等. 城市綠地降溫效應(yīng)研究進(jìn)展與展望［J］ . 自然資源學(xué)報(bào)，2013，28（1）：171 - 181.

［11］ 李昕瑜，杜培軍，阿里木·賽買提. 南京市地表參數(shù)變化與熱島效應(yīng)時(shí)空分析［J］ . 國(guó)土資源遙感，2014，26（2）：177 - 183.

［12］ 梁保平，馬藝芳，李暉. 桂林市典型園林綠地與水體的降溫效應(yīng)研究［J］ . 生態(tài)環(huán)境學(xué)報(bào)，2015，24（2）：278 - 285.

［13］ 孟丹，李小娟，宮輝力，等. 北京地區(qū)熱力景觀格局及典型城市景觀的熱環(huán)境效應(yīng)［J］ . 生態(tài)學(xué)報(bào)，2010，30（13）：3491 - 3500.

［14］ 張小飛，王仰麟，吳健生，等. 城市地域地表溫度——植被覆蓋定量關(guān)系分析：以深圳市為例［J］ . 地理研究，2006，25（3）：369 -377.

［15］ 張景華，封志明，姜魯光. 土地利用/土地覆被分類系統(tǒng)研究進(jìn)展［J］ . 資源科學(xué)，2011，33（6）：1195 - 1203.

［16］ Artis D A, Carnahan W H. Survey of emissivity variability in thermography of urban areas［J］ . Remote Sensing of Environment，1982，12：313 - 329.

［17］ 徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù)MNDWI提取水體信息的研究［J］ . 遙感學(xué)報(bào)，2005，9（5）：19 - 25.

［18］ 覃志豪，Zhang M H, Karnieli A, Berliner P. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法［J］ . 地理學(xué)報(bào)，2001，56（4）：456 -466.

（本文責(zé)編：陳美景）

The Effects of Urban LUCC Spatio-temporal Structure on Land Surface Temperatures: A Case Study in Liuzhou City

LIANG Bao-ping1，2, LI Xiao-ning1
（1. College of Environment and Resources, Guangxi Normal University, Guilin 541004, China; 2. University Key Laboratory of Karst Ecology and Environmental Change of Guangxi Province, Guilin 541004, China）

The purpose of this paper is to quantitatively analyze the spatial-temporal characteristics of the urban land use and LST, to reveal the impacts of different land use types on LST of Liuzhou which is a heavy industry city in Southwest China. The paper made use of Landsat 5 TM in 1991 and Landsat 8 OLI&TIRS imagery in 2013. And the normalized difference vegetation index（NDVI）, normalized difference built up index（NDBI）, modified normalized difference water index（MNDWI）and land surface temperatures（LST）were extracted by remote sensing techniques. The land use andcover change（LUCC）data was gained by index-overlay classification. The results showed that 1）LUCC of Liuzhou changed drastically over the past 22 years, construction land, cropland and bare land were strongly affected by human factors. The area of construction land increased 126.71%. The newly-added construction land was mainly transformed from cropland. 2）The LST of construction land was the highest, making the main contribution to urban heat island, while the LST of water is the lowest. 3）Correlation analysis and multivariable regression analysis revealed that the proportion of LUCC had certain relation with LST, but there was a significant difference. The proportion of construction land and bare land were positive correlation with LST, things were the opposite for woodlands and water. It is concluded that LST of urban LUCC had significantly differences, woodlands and water could play a very important role in relieving Heat Island Effect, and the cooling effect of water was stronger than woodlands.

land use; land cover change; land surface temperatures; remote sensing techniques; Liuzhou City

F301.24

A

1001-8158（2016）11-0041-09

10.11994/zgtdkx.20161118.092253

2016-01-07；

2016-06-01

國(guó)家自然科學(xué)基金項(xiàng)目（No41361041）；廣西自然科學(xué)基金項(xiàng)目（2014GXNSFAA118300）；巖溶生態(tài)與環(huán)境變化研究廣西高校重點(diǎn)實(shí)驗(yàn)室（YRHJ15Z005）。

梁保平（1974-），男，陜西西安人，碩士，副教授。主要研究方向?yàn)?S技術(shù)應(yīng)用與城市土地利用規(guī)劃。E-mail: liangbp@163.com