基于局地气候分区的济南市热环境空间分异及其影响因素

　　摘要：城市地表覆被及空间结构不同，导致热岛效应不同，城市热环境存在空间差异。局地气候分区(LCZ)在城市热岛研究方面得到了广泛应用。合理划分LCZ、科学制定LCZ分类标准，是基于LCZ研究城市热岛的关键技术问题。本文基于济南市城市路网、DEM和建筑大数据划分LCZ，利用Landsat 8遥感影像反演地表温度，采用克里金法进行气温空间插值，以地表温度和气温综合表达城市热环境。在此基础上，采用方差分析方法研究了城市热环境的空间分异特征和LCZ类内热环境差异，采用相关分析方法研究了城市热环境的影响因素。结果表明：① 济南市地表温度和4:00、8:00、14:00的气温空间分布格局差异明显，存在较高温度异常值的LCZ数量分别占全市LCZ总数的0.25%、1.60%、4.05%和3.96%。建筑密集区域地表温度较高，同时包含分散的较高气温区，呈现热岛效应;② 不同类型LCZ的地表温度和不同时刻气温平均值存在明显差异。高层低密度、高层中密度、中层低密度等类型存在较高气温异常值的数量分别占较高异常值总数的47.37%和33.33%、9.65%，类内热岛效应明显;③ LCZ类型不同，类内热岛效应存在差异。低层低密度、中层低密度、高层低密度和高层中密度等类型所处位置高程不同，其方差分析的P值均小于0.05，热岛效应存在显著差异;④ LCZ所处位置高程不同，建筑空间分布指标对城市热环境的影响各异。总体而言，地表温度与建筑平均高度呈负相关，且达到了0.05以上的显著性水平，而气温与之呈正相关，且达到了0.001的显著性水平;城市热环境与建筑基底面积及建筑体积的平均值和标准差、建筑密度、容积率等指标的正相关性达到了0.001的显著性水平，这些指标对城市热环境的正向影响作用明显。

　　关键词：局地气候分区;城市热岛;空间分异;影响因素;温度反演;空间插值;方差分析;相关分析;济南市

　　1 引言

　　城市热岛效应因对人们生产生活、身体健康及能源消耗、空气质量等方面影响较大，而受到国内外学者的广泛关注[1]。热岛效应研究通常以气温和地表温度为主要指标[2]。气温数据最常见的获取途径为气象站点气温观测，亦有通过实地测量和模型模拟等方法获取[1,3]。气象站点气温观测的时间序列数据较为丰富，但存在着站点数量较少、覆盖范围偏小等问题。地表温度数据最常见的获取方法为遥感影像温度反演[2]，亦有直接采用AST_08地表温度产品[4]。

　　温度反演使用的遥感影像有 Landsat 8[2,5]和 Landsat 7 ETM+[6]等，采用的反演方法有辐射传递方程算法[7]、单窗算法、分裂窗算法和大气校正法等[2,8-9]，其中基于 Landsat 8 反演地表温度，单窗算法和大气校正法较为常用[2]。遥感影像具有易获取、覆盖范围广等优点，同时也存在着重访周期较长、仅能获取某天某时刻数据、缺乏完整时间序列数据等问题[1,10]。地表温度数据亦有通过模型模拟获得(如 ENVI-met)，但其模拟结果与遥感影像(Landsat 8)反演的平均地表温度存在显著差异[11]。

　　城市热岛效应存在着季节和日变化特征，不同季节、不同时刻热岛效应差异较大[3,12]。气象站点实测气温数据能更好地表征城市热岛效应，采用地表温度，同时加入气象数据可能会获得更好效果[2]。因此，融合两类数据的城市热岛研究具有理论和实践意义。城市热岛研究框架和尺度由“城市-郊区”二元结构转向局地气候分区(Local Climate Zones,LCZ)[13]。

　　LCZ能够精确反映城郊地表覆被、材质和三维结构，在城市热岛、城市通风、空气污染研究和城市规划设计等方面得到了广泛应用[14-15]，全球130座城市基于LCZ开展了城市热岛相关研究[1]。LCZ分类方法主要有人工采样法、GIS分类和遥感影像分类[2]，其中，遥感影像分类应用广泛[8,16]，分类技术也不断成熟，随机森林和支持向量机分类比较适合基于像素的LCZ分类[17]。GIS分类法采用精确城市数据，分类精度较高[18]，但其存在着数据缺乏和方法规范不明确等应用障碍[19]。

　　随着城市大数据呈几何级数增长和基于 GIS 的 LCZ 制图流程不断完善，GIS分类方法逐步得到应用[4,19]。不同土地覆被和城市形态特征的LCZ存在显著地表温度差异[20-21]，其中，透水表面占比、树木密度和土壤湿度等土地覆被指标[21]和建筑密度、建筑高度等城市形态指标对城市热岛影响显著[2,4,22]。城市建成区的扩展及其带来的LCZ类型变化，也将提升区域温度[23]。同类LCZ 中土地覆被和城市形态特征指标的一致性至关重要。

　　LCZ可以基于格网或街区进行划分，由于街区内部的建筑高度、密度、材质等相对均质，因此以街区进行LCZ划分较为合理[4]。LCZ的适宜空间尺度通常介于气象学中的微、中尺度之间，为几百米至几千米[13]。街区通常采用城市道路数据进行划分，由于城市路网疏密不同，划分的街区必然大小不一，需要根据LCZ适宜的空间尺度确定街区大小。合并过小街区、拆分过大街区等问题需要进一步研究。本文采用城市道路、建筑大数据和DEM数据，进行LCZ划分，并融合地表温度和不同时刻的气温数据，研究城市热环境的空间分异特征及其影响因素。

　　2 研究区概况与数据来源

　　济南市是山东省省会，是全省政治、经济、文化和科教中心，地处中纬度地带，属于温带季风气候。济南地势南高北低，由南至北分别为低山丘陵、山前倾斜平原和黄河冲积平原。济南现辖10区2县，本研究以市中区、历下区、槐荫区、历城区和天桥区5区为研究区域(以下称为济南中心城区)。该区域总面积约2094 km2，建筑分布最密集，城市热岛效应比较显著。研究采用的数据来源如表1所示。研究使用的图形数据均采用2000国家大地坐标系(CGCS2000)，投影坐标系采用 CGCS2000_3_Degree_GK_CM_117E，并以天地图行政边界数据为基准进行地理配准和空间校正。

　　3 研究思路与方法本研究的技术路线。

　　3.1 局地气候分区

　　首先，基于城市道路和 DEM 数据划分城市街区，同时制定LCZ分类标准，并基于建筑大数据划分LCZ;然后，统计街区数量和面积大小，对于面积过小的街区，根据LCZ分类结果和最大边邻近原则进行合并，对于面积过大街区，按照建筑空间分布特征和地表覆被进行拆分;最后，根据最终划分的街区结果，重新进行LCZ分类。

　　3.1.1 LCZ分类根据热环境属性

　　相近原则，综合考虑地表覆盖、内部结构、材质和人类活动等方面，LCZ体系将城市下垫面分为10种建筑类型(高层高密度、中层高密度、低层高密度、高层低密度、中层低密度、低层低密度、低层轻质建筑、低层大体量、零散建筑和重工业类别)和7种自然类型(密林、散林、灌木、低植被、硬地、裸地和水体类别)[1,13]。

　　本文基于城市规划视角，重点分析建成区，主要基于建筑的立体空间分布格局进行 LCZ 分类。分类时主要遵循 3 个原则：① 与文献[13]的 LCZ 建筑类型基本一致[13];② 参考我国关于建筑高度的相关国家标准;③ 反映济南市建筑高度和建筑密度的数据分布特征，并使 LCZ 类内数值差异较小、类间数值差异较大。据此原则，首先，依据 2005 年和 2019 年《民用建筑设计通则》[26-27]基于建筑高度进行建筑分类的相关规 定，明确建筑分类的高度节点数值(约9、18、24、30 m 等)。

　　然后，计算研究区 11 万余栋建筑高度的平均值(16.14 m)、中位数(12.83 m)、标准差(12.91 m)和自然间断点分类节点高度 (9.32 m、16.54 m)，同时分析建筑高度数值分布频数图;最后，综合以上统计分析结果确定建筑高度分类节点数值为9 m和16.14 m。因为裙楼和部分附属建筑高度较低等原因，拉低了街区平均建筑高度，因此LCZ 分类标准中的建筑高度标准根据统计分析结果适当调低。

　　同理计算各LCZ分区建筑密度的平均值(15.5%)、中位数(14.4%)和标准差(12.9%)，同时分析建筑密度数值分布频数图，并最终确定建筑密度分类节点数值为 15%和 28%。依据建筑高度(H)和建筑密度(S)制定LCZ分类标准如表2所示。根据表2的分类标准，采用Matlab编程进行LCZ分类，并将分类结果基于 LCZ 关键字段(ID 号)与ArcGIS 10.5属性表建立连接，进行空间表达。

　　3.1.2 城市街区划分

　　对于建筑和道路密集的建成区，采用城市道路进行划分;对于建筑和道路稀疏的南部低山丘陵，以 DEM 数据，采用 TIN 进行划分。为保证道路不会将街区分割过小，选择高速公路、国道、省道、县道和城市一级道路共860条道路进行街区划分。划分街区的技术路线如下。

　　① 进行道路数据整合，将同名道路融合为一条，并将5类道路合并为同一图层。② 采用数学形态学闭运算将双线道路转变为单线道路。先进行膨胀运算：根据济南市道路的最大宽度并适当扩大的原则确定阈值(80 m)，对双线道路两侧建立80 m的缓冲区，并对各缓冲区进行合并。后进行腐蚀运算：将合并后的缓冲区要素转换为栅格并进行二值化处理，采用 ArcMap 10.5 的ArcScan工具箱中的矢量化工具对栅格道路进行中心线提取，即转为单线道路。③ 将道路线要素转为面要素，并处理过小和过大街区。

　　处理过小街区：对于面积小于4万m2的街区，首先按表1的标准对各街区进行 LCZ 分类;然后按照面积字段升序排序，根据排序结果，选择合适阈值逐级消除最小的街区，消除方法为将面积较小的街区按相邻边最大的原则合并到相同 LCZ 类别的较大街区中，采用ArcMap 10.5 的消除工具实现。处理过大街区：过大街区主要位于道路稀疏的南部低山丘陵，采用DEM，构造TIN进行分割;对于位于建成区的面积大于 400 万 m2的街区，对照建筑矢量图、道路矢量图和18级Google earth高清影像，按地表覆被一致的原则进行分割。

　　3.2 城市热环境

　　3.2.1 地表温度遥感影像

　　反演使用热红外遥感影像获取城市地表温度的研究方法较为成熟，由于使用 Landsat 8 反演地表温度，大气校正法较为常用[2]，本文采用ENVI 5.3运用大气校正法反演地表温度。具体技术路线如下：① 进行辐射定标，将影像亮度灰度值转换为绝对辐射亮度值。② 计算 NDVI，并基于 NDVI 阈值计算地表比辐射率(Land Surface Emissivity，LSE)。③ 利用LSE，根据普朗克公式计算地表温度。根据以上流程采用 ENVI 5.3 软件工具箱 Band Algerbra的Band Math工具完成地表温度反演。考虑到气象条件的偶然性，分别选择 2017 年 6 月 1 日、2017 年6月17日、2019年6月7日的Landsat 8遥感影像进行地表温度反演，其云量分别为2.04%、1.55%、2.04%，以该3天反演温度的平均值作为地表温度。

　　3.2.2 气温空间插值采用的气温数据

　　为济南市76个气象站点2020年 6 月 1 日—30 日 0:00—23:00 的观测值。首先计算 76 个站点 30 天 24 个时刻的气温平均值和标准差。24个时刻的气温标准差均小于5 ℃，温差变化较小，可以采用平均值表示时刻温度。其中，4:00平均气温最低，为23.5 ℃;14:00平均气温最高，为32.3 ℃;8:00平均气温为28.1 ℃，与全天平均气温(28.1 ℃)基本一致。该3个时刻能反映全天气温总体变化特点，因此选择各站点4:00、8:00、14:00的平均气温进行空间插值，获 取研究区气温分布数据。气温空间插值采用 ArcGIS 10.5 的 GeostatisticalAnalyst 工具箱完成，具体思路如下：

　　① 探索站点气温正态分布和空间自相关情况; ② 对3个时刻的各站点气温进行增量空间自相关分析，结果均为当邻接距离为9935 m时，空间自相关性达到最大峰值，所以进行克里金插值时，设定距离阈值为9935 m。因此距离站点超过该阈值的区域(主要为南部山区)无插值;③ 根据数据探索结果选择空间插值模型。因符合克里金插值基本条件，所以主要选用克里金插值;④ 对各种克里金插值结果进行验证和交叉验证，并按误差最小的原则选择最优模型。

　　3.3 方差分析

　　主要采用单因子方差分析研究不同类型 LCZ对城市热环境(地表温度和气温)的影响程度。单因子方差分析的数学原理为[28]：观测值与其平均值之差的平方和为离差平方和。

　　4 结果及分析

　　4.1 热环境空间分异

　　按照以上思路和方法，采用大气校正法反演了济南市6月的3 d的地表温度并求其平均值。其中，地表温度高温区主要分布在建筑密集区域，整体呈现北高南低的空间格局，与济南市地形南高北低的分布格局相反。3个时刻的气温空间分布格局也存在明显差异，4:00和8:00气温呈现从研究区中心向外围递减的趋势，4:00气温递减规律性最明显，14:00气温空间分布规律性最不明显，大部分地区14:00气温相近(主要分布于31.4~32.9 ℃)。

　　3个时刻，建筑密集区均分布有高温区，其空间分布不连续，呈现热岛效应。由于LCZ主要依据建筑物等地表覆被与材质等进行划分，未考虑地理位置差异，因此，同类LCZ 因其在城市中地理位置不同，其热环境也可能呈现差异，导致类内热岛现象[29]。根据济南市南高北低的地形特征，采用自然间断点法将地形高程分为5类，分别研究各类LCZ在不同高程下热环境的差异性。

　　地表温度随地面高程的升高而逐渐降低，3 个时刻的平均气温随高程呈抛物线变化，均在 3 级高程(135.6~235.1 m)平均气温最高。为进一步分析不同高程各类 LCZ 的热环境差异，分别对9类LCZ的5级高程温度进行方差分析。由于LCZ所处位置高程不同，热环境存在一定差异，因此，根据表5的高程分级标准，采用Spearman相关系数分别对5级高程和整个研究区的城市热环境(地表温度和3个时刻气温)和建筑空间分布指标进行相关分析并做显著性检验，结果如表7。

　　5 结论

　　本文采用城市道路、DEM 和建筑大数据进行LCZ分区，并基于Landsat 8遥感影像和站点气温分析济南市热环境空间分异、LCZ类内热环境差异及热环境影响因素，得出以下结论：

　　(1)济南市地表温度和不同时刻气温空间分布格局差异明显。建筑密集区域地表温度较高，同时存在不连续的较高气温区，呈现热岛效应。基于气温的热岛效应高于基于地表温度的热岛效应，存在较高地表温度异常值的LCZ数量占全市LCZ总数的 0.25%，4:00、8:00 和 14:00 存在较高气温异常值的 LCZ 数量分别占全市 LCZ 总数的 1.60%、4.05%和3.96%。一天中，随气温升高，气温空间分布格局由城市中心向外围递减逐渐转变为大部分地区气温相近。

　　(2)LCZ类型是影响地表温度和气温的重要因素。LCZ类型不同，城市地表温度和不同时刻气温平均值存在明显差异，其较高和较低温度异常值也存在明显不同。LCZ31、LCZ32、LCZ21等类型存在较高气温异常值较多，分别占较高异常值总数的47.37% 和 33.33% 、9.65% ，存 在 类 内 热 岛 效 应 。LCZ12、LCZ13、LCZ23、LCZ33 等类型无气温异常值，类内气温差异较小。

　　(3)LCZ 类型不同，类内热岛效应存在差异。不同位置高程 LCZ31、LCZ32 的地表温度和 4:00、8:00 和 14:00 气温方差分析的 P 值均小于 0.01，LCZ11、LCZ21 的地表温度和 3 个时刻气温方差分析的P值均小于0.05，该4种类型LCZ所处位置高程不同，热环境差异显著，类内热岛效应不同;LCZ33的热环境类内差异不显著;LCZ12、LCZ13、LCZ22、LCZ23等类型的地表温度和不同时刻气温的类内差异各异。

　　(4)LCZ所处位置高程不同，建筑空间分布指标对城市热环境的影响存在明显差异，LCZ所处位置高程越低，两者的相关性越显著，建筑空间分布指标对城市热环境的影响越明显。海拔高程235.2~433.5 m、433.6~747.3 m，城市热环境与绝大多数建筑空间分布指标的相关性不显著，8:00气温和14:00气温与建筑基底面积和建筑体积平均值的正相关分别达到了 0.01 和 0.05 的显著性水平。海拔高程 20.4~65.1 m，65.2~135.5 m，LCZ 数量最多，建筑分布密集，各建筑空间分布指标与城市热环境均存在不同显著性水平的相关性。

　　建筑平均高度对地表温度和气温的影响明显不同，地表温度与之呈负相关，且达到了0.05以上的显著性水平，气温与之呈正相关，且达到了 0.001 的显著性水平。高层建筑对太阳辐射的遮挡作用，在一定程度上降低了地表温度，但同时对气温具有提升作用。城市热环境与建筑基底面积及建筑体积的平均值和标准差、建筑密度、容积率等各项指标均呈显著正相关，且大多达到了 0.001 的显著性水平，具有明显正向影响。

　　本文基于城市路网划分街区，并根据LCZ适宜的空间尺度探究了较小街区合并和较大街区拆分的技术方法，同时基于济南市建筑高度和建筑密度数据的分布特征探讨了LCZ的定量分类方法，据此实现LCZ分类、分区，与基于遥感数据进行LCZ分类相比，其定量化更加精确，有利于同类研究对比和参考。但本文主要基于城市建筑进行LCZ分类，未考虑植被平均高度及覆盖率、水体覆盖率等影响城市热环境的土地覆被指标。未来研究中，可进一步考虑通过遥感影像、城市大数据、地理国情普查等途径获取比较详尽精确的土地覆被指标，并综合建筑指标统一进行LCZ定量分类，使城市热环境及其影响因素研究更加全面，以便为城市规划和建设提供科学依据。

　　参考文献(References)：

　　[ 1 ] 江斯达,占文凤,杨俊,等.局地气候分区框架下城市热岛时空分异特征研究进展[J].地理学报,2020,75(9):1860-1878. [ Jiang S D, Zhan W F, Yang J, et al. Urban heat islandstudies based on local climate zones: A systematicoverview[J]. Acta Geographica Sinica, 2020,75(9):1860-1878. ] DOI:10.11821/dlxb202009004

　　[ 2 ] 刘衍,慕凯凯,韩冰,等.城市局地气候分类的地表热岛效应[J].哈尔滨工业大学学报,2021,53(6):192-200. [ Liu Y,Mu K K, Han B, et al. Surface urban heat island effect oflocal climate zone[J]. Journal of Harbin Institute of Technology,2021,53(6):192-200. ] DOI:10.11918/201910120

　　[ 3 ] 杨小山,姚灵烨,金涛,等.南京夏季城市局地气温时空变化特征[J].土木与环境工程学报(中英文),2019,41(1):160-174.

　　[ Yang X S, Yao L Y, Jin T, et al. Temporal andspatial variations of local temperatures in the summer ofNanjing[J]. Journal of Civil and Environmental Engineering,2019,41(1):160-174. ] DOI:10.11835/j.issn.2096-6717.2019.020

　　作者：单宝艳*，张 巧，任启新，樊文平，吕永强