哈尔滨市景观格局演变过程对热环境效应的影响

The Influence of the Evolution Process of Landscape Pattern on the Thermal Environment Effect in Harbin

摘要: 深入探究景观格局演变过程对城市热环境效应的影响，对减缓城市热岛效应，改善人居环境、实现城市与生态环境可持续发展具有重要意义。基于TM、Landsat多期遥感影像数据，运用地表温度反演、景观格局指数分析方法，探讨哈尔滨市2000~2020年城市扩张过程中景观格局与城市热环境的时空演变特征，并用Person相关法分析两者之间的关系。结果表明：2000~2020年，哈尔滨市发展前期扩张明显，热岛效应明显，呈现先加剧后逐渐平稳的趋势。哈尔滨市各区的热力景观分布特征与各区的综合发展情况及区划调整有一定相关性。不同温度分区的景观格局特征与温度的相关关系呈现不同的相关关系，热岛区的景观整体格局指数与地表温度均表现为正相关；低温区的平均斑块分维数、聚集度指数景观指数与地表温度表现为正相关，景观类型比例与最大斑块指数景观指数与地表温度表现为负相关。

Abstract: It is of great significance to explore the influence of landscape pattern evolution on the urban thermal environment effect, which is of great significance to alleviate the urban heat island effect, improve the living environment, and realize the sustainable development of the urban and ecological environment. Based on the multi-phase remote sensing image data of TM and Landsat, the land surface temperature inversion and landscape pattern index analysis methods were used to explore the temporal and spatial evolution characteristics of landscape pattern and urban thermal environment in the process of urban expansion in Harbin from 2000 to 2020, and the relationship between the two was analyzed by Person correlation method. The results show that from 2000 to 2020, Harbin has obvious expansion in the early stage of development, and the heat island effect is obvious, showing a trend of first intensifying and then gradually stabilizing. The distribution characteristics of thermal landscapes in various districts of Harbin have a certain correlation with the comprehensive development and zoning adjustment of each district. The correlation between landscape pattern characteristics and temperature in different temperature zones showed different significant relationships, and the overall landscape pattern index and surface temperature in the heat island area showed a significant positive correlation. The average patch dimension and aggregation index of low temperature area were significantly positively correlated with land surface temperature, and the proportion of landscape type was significantly negatively correlated with the maximum patch index.

1. 引言

城市是自然、经济、社会的混合生态系统。在过去几十年，中国经历了快速的城市化进程，据《2018年版世界城镇化展望》报告数据显示，世界上55%以上的人口生活在城市地区，这一比例将在2050年增加到68% (联合国，2018年)。快速的城市化进程，使自然植被和农田迅速被人造表面取代，导致了大量的人为热排放，同时也导致了城市景观的巨大变化和相关问题的出现，其中城市热岛效应问题尤为突出 [1] [2] [3] 。城市热岛效应导致的气温升高可能会造成一系列负面的生态和社会后果，包括与热相关的死亡率增加、改变生物群落结构和促进全球变暖 [4] [5] [6] 。

目前，国内外学者针对城市景观格局与城市热环境效应展开了一系列研究。Balling等利用AVHRR图像分析阿塞拜疆地区辐射温度的分布，发现地表辐射温度分布与土地利用类型直接相关 [7] ；Bastiaanssen利用Landsat TM与其他卫星遥感数据，发现不同的土地类型的反演出的地表温度不同 [8] ；Yasser Ghobadi等根据多时相遥感影像数据分析了地表温度与土地利用之间的空间关系，研究发现植被指数与地表温度存在最强负相关的土地利用类型是湿地 [9] 。邹婧等研究表明土地利用格局对地表温度的影响受到城市自然地理条件和整体规划布局的限制，且不同地区研究结果之间的吻合程度不高 [10] ；曹璐等基于Landsat TM/ETM + 遥感影像，研究了上海城市热岛的时空格局变化及其成因，探索地表温度与植被指数、植被覆盖度、不透水面等生物物理参数之间的相关关系，结果表明人口和城市景观变化是导致地表温度变化的主要原因 [11] 。多数研究还集中在一种或少数几种土地利用覆盖类型，全面综合性的定量分析积累还显得不足。

哈尔滨市是中国东北地区重要的中心城市，近年来处于城市快速扩张的发展阶段，城市空间格局变化迅速，区域热环境产生了一定变化，长时间尺度的城市景观格局与地表温度之间的关系研究还很缺乏。本文以哈尔滨市9个市辖区为研究对象，运用地表温度反演、景观格局指数分析方法及Person相关法对哈尔滨市2000~2020年的地表温度、景观格局变化及两者之间的相关关系进行定量分析及评价，以便为试图通过景观管理减少其影响的城市规划者提供科学支持，对城市规划和最小化潜在的城市化环境影响具有重要意义。

2. 研究区概况与研究方法

2.1. 研究区概况

哈尔滨市地处中国东北平原东北部地区，黑龙江省南部，处东北亚中心区域，位于东经125˚42'~130˚10'、北纬44˚04'~46˚40'之间。哈尔滨是中国纬度较高、气温较低的大城市，哈尔滨的气候属中温带大陆性季风气候，四季分明，冬长夏短，冬季漫长寒冷，而夏季则显得短暂凉爽。春、秋季气温升降变化快，属于过渡季节，时间较短。哈尔滨市区地域平坦、低洼，东部县(市)多山及丘陵地，东南临张广才岭支脉丘陵，北部为小兴安岭山区，中部有松花江通过，山势不高，河流纵横，平原辽阔。哈尔滨市土壤类型较多，共有9个土类、21个亚类、25个土种。哈尔滨市植物资源丰富，种类繁多，包括藻类植物和苔藓植物，分布集中、经济价值高；野生动物的种类与数量都比较多。

哈尔滨市9个市辖区、2个县级市和7个县，总面积53100平方千米，占全国土地面积的0.55%。本项目主要对哈尔滨市内南岗区、道里区、道外区、香坊区、平房区、松北区、呼兰区、阿城区、双城区共9个市辖区进行研究。此部分区域面积较大，人口分布密集，建筑布局复杂，城市内部景观斑块数量较多，分布均匀。

2.2. 数据来源及预处理

本文选取覆盖于研究区2000年、2008年、2014年、2020年清晰少云的美国Landsat系列卫星Landsat 4-5TM及Landsat 8 TIRS/OLI遥感数据影像，分辨率为30 m，数据来自地理空间数据云(http://www.gscloud.cn/)。2000年、2008年的遥感影像为Landsat 5 TM数据，2014年、2020年的遥感影像为Landsat 8 TIRS/OLI数据。根据东北地区的物候和植被生长特点，把遥感影像的获取时间限制在7月至9月之间，选取日期尽可能一致，且天气均为晴天，以消除由于降雨、季节太阳高度角和植物物候差异的影响。

2.3. 研究方法

2.3.1. 地表温度反演

通过辐射传输方程法反演地表温度，此方法不仅适用于Landsat5 TM数据，且适用于Landsat8 TIRS/OLI数据 [12] [13] [14] 。根据大气剖面实时参数来估算大气对地表辐射的影响，然后从卫星所在位置接收到的热辐射总量中减去，从而得到地表辐射强度，通过归一化植被指数得到地表辐射率，根据地表辐射率转化为地表实际温度 [15] [16] [17] 。

首先，通过NDVI计算地表比辐射率：

$P_v=\frac{NDVI-NDV{I}_{soil}}{NDV{I}_{veg}+NDV{I}_{soil}}$ (1)

$\begin{array}{c}\epsilon =0.004*P_v+0.986\end{array}$ (2)

其中， $\epsilon$ 为地表比辐射率， $P_v$ 为混合像元中植被的比例， $NDVI$ 为归一化植被指数， $NDV{I}_{soil}$ 为完全是裸土或无植被覆盖区域的 $NDVI$ 值， $NDV{I}_{veg}$ 则代表完全被植被所覆盖的像元的 $NDVI$ 值，即纯植被像元的 $NDVI$ 值。取经验值 $NDV{I}_{veg}$ = 0.70和 $NDV{I}_{soil}$ = 0.05 [18] [19] [20] ，即当某个像元的 $NDVI$ 大于0.70时， $P_v$ 取值为1；当 $NDVI$ 小于0.05， $P_v$ 取值为0。

其次，根据Landsat 数据中的热红外波段的像元值计算相应的辐射亮度( $L_{\lambda }$ )，卫星传感器接收到的热红外辐射亮度值 $L_{\lambda }$ 由三部分组成：大气向上辐射亮度 $L_{up}$ ，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射 $L_{down}$ 到达地面后反射的能量。进而计算亮度温度( $T_s$ )，最后将亮度温度转化成地表温度，计算过程如下：

$L_{\lambda }=\left[\epsilon B\left(T_s\right)+\left(1-\epsilon \right)L_{down}\right]\tau +L_{up}$ (3)

$B\left(T_s\right)=\frac{\left[L_{\lambda }-L_{up}-\tau \left(1-\epsilon \right)*L_{down}\right]}{\epsilon *\tau }$ (4)

$T_s=\frac{K_2}{\ln \left(\frac{K_1}{B\left(T_s\right)}\right)+1}$ (5)

其中， $T_s$ 为地表真实温度(K)， $B\left(T_s\right)$ 为黑体热辐射亮度， $\tau$ 为大气在热红外波段的透过率。 $K_1$ 和 $K_2$ 为TIRS10波段的定标常数。对于TM， $K_1$ = 607.76 W/(m²µmsr)， $K_2$ = 1260.56 K；对于TIRS Band10， $K_1$ = 774.89 W/(m²µmsr)， $K_2$ = 1321.08 K。根据哈尔滨气象站点的位置信息，对结果进行精度验证，可满足研究需求。

2.3.2. 土地利用类型划分

结合研究区的城市下垫面特征，采用监督分类中的最大似然法将研究区域分为水体、耕地、林地、草地、建设用地、未利用地6个景观类别(表1)。在分类结果中，难免会存在一些面积特别小的斑块，通过聚类统计后进行去除 [21] [22] [23] [24] [25] 。利用哈尔滨市土地利用现状图及Google Earth 选点方式对土地利用数据进行精度验证，利用误差矩阵进行精度评价，总体分类精度在75%以上，满足研究的精度要求。

Table 1. Land classification in the study area

表1. 研究区土地分类

2.3.3. 景观格局指数分析

由于各景观格局指数之间存在一定关联性，为全面反映生态空间的景观格局，参考以往相关文献 [18] [25] [26] ，从类型水平与景观水平上共选取6个常用景观格局指数进行研究(表2)，类型水平上选取景观类型比例(PLAND)、最大斑块指数(LPI)、聚集度指数(AI)、平均斑块分维数(FRAC_MN)；景观水平上选取斑块密度(PD)、平均斑块面积(AREA_MEAN)。通过ArcGIS 10.2软件，统计各个窗口单元的平均LST 与景观指数。

Table 2. Statistics of selected landscape pattern indicators

表2. 选取的景观格局指标统计

注：i代表斑块类型；j代表斑块序列号；a_ij代表第i类第j类斑块的面积；g_ii是第i类斑块的同类相邻斑块数；g_iimax为第i类斑块的最大相邻斑块数；N是某一景观类型的斑块数据；E为所有斑块边界的总长度；A为景观总面积。

2.3.4. Person相关分析

用来反映两个随机变量之间的线性相关程度。其值处于−1~1之间，越接近于1，正相关性越强；反之，负相关性越强；当接近于0 时，则认为两组变量之间相关性较差。正相关表明要素属性值之间的变化具有相同的趋势，负相关则表明要素之间的相关变化具有相反的趋势。

${\rho }_{X,Y}=\frac{N{{\displaystyle \sum }}_{i=1}^N{x}_i{y}_i-{{\displaystyle \sum }}_{i=1}^N{x}_i{{\displaystyle \sum }}_{i=1}^N{y}_i}{\sqrt{N{{\displaystyle \sum }}_{i=1}^N{x}_i{}^2-{\left({{\displaystyle \sum }}_{i=1}^N{x}_i\right)}^2}\sqrt{N{{\displaystyle \sum }}_{i=1}^N{y}_i^2-{\left({{\displaystyle \sum }}_{i=1}^N{y}_i\right)}^2}}$ (6)

式中， $x_i$ 表示变量集X中第i个变量； $y_i$ 表示变量集Y中第i个变量；N表示变量数目。

3. 结果与分析

3.1. 地表温度反演分析

通过均值–标准差法 [27] [28] ，根据反演出的地表温度将研究区域分为高温区、次高温区、中高温区、中温区、中低温区、次低温区、低温区7个热力等级类型，其中高温区、次高温区定义为热岛区。通过ArcGIS获取了2000年、2008年、2014年、2020年哈尔滨市热力景观类型图(图1)，以反映城市热岛状况。结果显示，2000年高温区除了分布在主城区以外，由于地表裸露，受太阳辐射升温迅速，还分布在部分耕地和沙滩地带，城市热岛效应并不突出。2008年市区温度比周围郊区温度高，城市热岛效应明显；且松北区温度升温明显。2014年建筑物密集的市区中心地区升温明显，城市热岛效应加剧。2020年市区西南部高温区增加，热岛效应明显。高温区主要分布在建筑物密集的市中区区域，而低温区主要分布在水体、草地和林地，表明草地和林地与水体对城市热岛效应有一定的降温效果。

Figure 1. Harbin heat grade type

图1. 哈尔滨市热力等级类型

3.2. 土地利用变化分析

通过ArcGIS获取了2000年、2008年、2014年、2020年哈尔滨市土地利用分类图(图2)。近20年来研究区范围内耕地为主要优势类型，变化幅度较小，呈现出微微下降的趋势；林地、草地和未利用地基本保持相对稳定，水体面积呈现增长的趋势，建设用地面积呈持续增加趋势，这表明哈尔滨市城市化进程逐步加快有关。近20年来研究区景观格局变化明显，城市化扩张较为明显。在2008~2014年间的变化幅度最大，这与“十二五”时期经济快速发展进而导致建设用地扩张加快有关。

Figure 2. Harbin city land use classification

图2. 哈尔滨市土地利用分类

3.3. 景观格局变化分析

由表3分析得出，研究区内耕地景观样区在整个景观中面积比例最大，为主要优势类型，其次是建设用地、林地。六类景观样区平均斑块分维数水平比较相近，聚集度指数变化幅度不大。耕地景观类型比例呈逐年减少趋势，最大斑块指数呈先增加后减少的趋势；建设用地景观类型比例呈逐年增加趋势，最大斑块指数呈先增加后减少的趋势，林地景观类型比例呈先增加后减少的趋势，最大斑块指数呈先稳定增加后减少的趋势。2000~2014年，研究区建设用地斑块在不断的增加和聚合，说明城市化进程在不断加快。2014~2020年，城市化进程放缓但依旧呈现扩张的趋势。由表4分析得出，从全局的角度对研究区的景观水平进行分析，2000~2020年景观样区斑块密度呈现先增加、后减少并趋于稳定的趋势，平均斑块面积呈现出减少的趋势。2008年人为干扰对景观干扰最大，对内部生态过程的影响最大。

Table 3. Landscape pattern index at the type level

表3. 类型水平上景观格局指数

Table 4. Landscape pattern index at the landscape level

表4. 景观水平上景观格局指数

3.4. 景观格局与地表温度的相关性分析

3.4.1. 不同景观类型对LST影响

为了更好地表征不同景观类型的对LST的整体影响，通过GIS对不同景观类型的平均地表温度值进行统计。由表5分析可知，2000年耕地地表平均温度最高，表明部分耕地地表裸露，受太阳辐射升温迅速；2008~2020年地表温度序列大致为建设用地 > 耕地 > 未利用地 > 水体 > 草地 > 林地，建设用地平均地表温度最高，林地平均地表温度是所有土地利用类型中最低的。

Table 5. Average surface temperature for different landscape types

表5. 不同景观类型的平均地表温度

3.4.2. 景观格局指数对地表温度影响

为更清晰地表达景观指数与地表温度的关系，以邻近年份2020年为例，选取景观指数与地表温度做栅格尺度上的相关性分析。将各个景观指数的重复值对应的多个LST值做均值处理。由表6分析可知，热岛区的景观整体格局指数中景观类型比例、最大斑块指数、平均斑块分维数、聚集度指数景观指数与地表温度均表现为正相关；说明热岛区内草地、林地和水体与高温斑块的接触，能降低环境温度。中高温区的景观整体格局指数中景观类型比例、最大斑块指数、聚集度指数景观指数与地表温度均表现为正相关，平均斑块分维数景观指数与地表温度表现为负相关；中温区的景观整体格局指数中，景观类型比例、最大斑块指数、平均斑块分维数景观指数与地表温度均表现为正相关，聚集度指数景观指数与地表温度表现为负相关；中低温区的景观整体格局指数中，景观类型比例与平均斑块分维数等景观指数与地表温度均表现为正相关，最大斑块指数、聚集度指数景观指数与地表温度表现为负相关；次低温区的景观整体格局指数中，景观类型比例、最大斑块指数、聚集度指数与平均斑块分维数景观指数与地表温度均表现为负相关；低温区的景观整体格局指数中，平均斑块分维数、聚集度指数景观指数与地表温度均表现为正相关，景观类型比例与最大斑块指数景观指数与地表温度表现为负相关。

Table 6. Correlation between different temperature zones and landscape pattern index

表6. 不同温度分区与景观格局指数间的相关关系

注：*P < 0.05；*P < 0.01。

4. 结论

以哈尔滨市2000年、2008年、2014年、2020年相邻时段的TM、Landsat多期遥感影像为基础，结合GIS、ENVI和景观分析软件，分析了哈尔滨市城市扩张过程中景观格局与城市热环境的时空演变特征，得出以下结论：

1) 哈尔滨市在研究时段内存在明显的热岛效应，且不同景观类型的热力性质不同。2008年热岛区域在2000年的基础上开始有所扩张，2014年城市热岛区域扩张明显，2020年热岛区域整体上有所降低，但仍有扩张趋势。高温区主要分布在建筑物密集的市中区区域，而低温区主要景观类型为水体、草地和林地，表明草地、林地与水体对城市热岛效应有一定的降温效果。

2) 景观格局影响地表温度的内在机制较为复杂，景观格局在不同温度分区之间表现出明显的分异特征，呈现出不同的相关关系。高温区的景观整体格局指数中景观类型比例、最大斑块指数、平均斑块分维数、聚集度指数景观指数与地表温度均表现为正相关；中温区的景观整体格局指数中，景观类型比例、最大斑块指数、平均斑块分维数景观指数与地表温度均表现为正相关，聚集度指数景观指数与地表温度表现为负相关；而低温区的景观整体格局指数中，平均斑块分维数、聚集度指数景观指数与地表温度均表现为正相关，景观类型比例与最大斑块指数景观指数与地表温度表现为负相关。

本文通过皮尔逊相关法开展了哈尔滨市景观格局变化对热环境的影响研究，刻画了城市地表温度随景观格局的变化。为城市土地规划、管理与相关政策制定提供了科学支撑，同时为定量研究多个因素对城市热环境的影响提供了一条可行途径。