摘要：城市地表覆被及空間結構不同，導致熱島效應不同，城市熱環境存在空間差異。局地氣候分區(LCZ)在城市熱島研究方面得到了廣泛應用。合理劃分LCZ、科學制定LCZ分類標準，是基于LCZ研究城市熱島的關鍵技術問題。本文基于濟南市城市路網、DEM和建筑大數據劃分LCZ，利用Landsat 8遙感影像反演地表溫度，采用克里金法進行氣溫空間插值，以地表溫度和氣溫綜合表達城市熱環境。在此基礎上，采用方差分析方法研究了城市熱環境的空間分異特征和LCZ類內熱環境差異，采用相關分析方法研究了城市熱環境的影響因素。結果表明：① 濟南市地表溫度和4:00、8:00、14:00的氣溫空間分布格局差異明顯，存在較高溫度異常值的LCZ數量分別占全市LCZ總數的0.25%、1.60%、4.05%和3.96%。建筑密集區域地表溫度較高，同時包含分散的較高氣溫區，呈現熱島效應;② 不同類型LCZ的地表溫度和不同時刻氣溫平均值存在明顯差異。高層低密度、高層中密度、中層低密度等類型存在較高氣溫異常值的數量分別占較高異常值總數的47.37%和33.33%、9.65%，類內熱島效應明顯;③ LCZ類型不同，類內熱島效應存在差異。低層低密度、中層低密度、高層低密度和高層中密度等類型所處位置高程不同，其方差分析的P值均小于0.05，熱島效應存在顯著差異;④ LCZ所處位置高程不同，建筑空間分布指標對城市熱環境的影響各異。總體而言，地表溫度與建筑平均高度呈負相關，且達到了0.05以上的顯著性水平，而氣溫與之呈正相關，且達到了0.001的顯著性水平;城市熱環境與建筑基底面積及建筑體積的平均值和標準差、建筑密度、容積率等指標的正相關性達到了0.001的顯著性水平，這些指標對城市熱環境的正向影響作用明顯。

　　關鍵詞：局地氣候分區;城市熱島;空間分異;影響因素;溫度反演;空間插值;方差分析;相關分析;濟南市

　　1 引言

　　城市熱島效應因對人們生產生活、身體健康及能源消耗、空氣質量等方面影響較大，而受到國內外學者的廣泛關注[1]。熱島效應研究通常以氣溫和地表溫度為主要指標[2]。氣溫數據最常見的獲取途徑為氣象站點氣溫觀測，亦有通過實地測量和模型模擬等方法獲取[1,3]。氣象站點氣溫觀測的時間序列數據較為豐富，但存在著站點數量較少、覆蓋范圍偏小等問題。地表溫度數據最常見的獲取方法為遙感影像溫度反演[2]，亦有直接采用AST_08地表溫度產品[4]。

　　溫度反演使用的遙感影像有 Landsat 8[2,5]和 Landsat 7 ETM+[6]等，采用的反演方法有輻射傳遞方程算法[7]、單窗算法、分裂窗算法和大氣校正法等[2,8-9]，其中基于 Landsat 8 反演地表溫度，單窗算法和大氣校正法較為常用[2]。遙感影像具有易獲取、覆蓋范圍廣等優點，同時也存在著重訪周期較長、僅能獲取某天某時刻數據、缺乏完整時間序列數據等問題[1,10]。地表溫度數據亦有通過模型模擬獲得(如 ENVI-met)，但其模擬結果與遙感影像(Landsat 8)反演的平均地表溫度存在顯著差異[11]。

　　城市熱島效應存在著季節和日變化特征，不同季節、不同時刻熱島效應差異較大[3,12]。氣象站點實測氣溫數據能更好地表征城市熱島效應，采用地表溫度，同時加入氣象數據可能會獲得更好效果[2]。因此，融合兩類數據的城市熱島研究具有理論和實踐意義。城市熱島研究框架和尺度由“城市-郊區”二元結構轉向局地氣候分區(Local Climate Zones,LCZ)[13]。

　　LCZ能夠精確反映城郊地表覆被、材質和三維結構，在城市熱島、城市通風、空氣污染研究和城市規劃設計等方面得到了廣泛應用[14-15]，全球130座城市基于LCZ開展了城市熱島相關研究[1]。LCZ分類方法主要有人工采樣法、GIS分類和遙感影像分類[2]，其中，遙感影像分類應用廣泛[8,16]，分類技術也不斷成熟，隨機森林和支持向量機分類比較適合基于像素的LCZ分類[17]。GIS分類法采用精確城市數據，分類精度較高[18]，但其存在著數據缺乏和方法規范不明確等應用障礙[19]。

　　隨著城市大數據呈幾何級數增長和基于 GIS 的 LCZ 制圖流程不斷完善，GIS分類方法逐步得到應用[4,19]。不同土地覆被和城市形態特征的LCZ存在顯著地表溫度差異[20-21]，其中，透水表面占比、樹木密度和土壤濕度等土地覆被指標[21]和建筑密度、建筑高度等城市形態指標對城市熱島影響顯著[2,4,22]。城市建成區的擴展及其帶來的LCZ類型變化，也將提升區域溫度[23]。同類LCZ 中土地覆被和城市形態特征指標的一致性至關重要。

　　LCZ可以基于格網或街區進行劃分，由于街區內部的建筑高度、密度、材質等相對均質，因此以街區進行LCZ劃分較為合理[4]。LCZ的適宜空間尺度通常介于氣象學中的微、中尺度之間，為幾百米至幾千米[13]。街區通常采用城市道路數據進行劃分，由于城市路網疏密不同，劃分的街區必然大小不一，需要根據LCZ適宜的空間尺度確定街區大小。合并過小街區、拆分過大街區等問題需要進一步研究。本文采用城市道路、建筑大數據和DEM數據，進行LCZ劃分，并融合地表溫度和不同時刻的氣溫數據，研究城市熱環境的空間分異特征及其影響因素。

　　2 研究區概況與數據來源

　　濟南市是山東省省會，是全省政治、經濟、文化和科教中心，地處中緯度地帶，屬于溫帶季風氣候。濟南地勢南高北低，由南至北分別為低山丘陵、山前傾斜平原和黃河沖積平原。濟南現轄10區2縣，本研究以市中區、歷下區、槐蔭區、歷城區和天橋區5區為研究區域(以下稱為濟南中心城區)。該區域總面積約2094 km2，建筑分布最密集，城市熱島效應比較顯著。研究采用的數據來源如表1所示。研究使用的圖形數據均采用2000國家大地坐標系(CGCS2000)，投影坐標系采用 CGCS2000_3_Degree_GK_CM_117E，并以天地圖行政邊界數據為基準進行地理配準和空間校正。

　　3 研究思路與方法本研究的技術路線。

　　3.1 局地氣候分區

　　首先，基于城市道路和 DEM 數據劃分城市街區，同時制定LCZ分類標準，并基于建筑大數據劃分LCZ;然后，統計街區數量和面積大小，對于面積過小的街區，根據LCZ分類結果和最大邊鄰近原則進行合并，對于面積過大街區，按照建筑空間分布特征和地表覆被進行拆分;最后，根據最終劃分的街區結果，重新進行LCZ分類。

　　3.1.1 LCZ分類根據熱環境屬性

　　相近原則，綜合考慮地表覆蓋、內部結構、材質和人類活動等方面，LCZ體系將城市下墊面分為10種建筑類型(高層高密度、中層高密度、低層高密度、高層低密度、中層低密度、低層低密度、低層輕質建筑、低層大體量、零散建筑和重工業類別)和7種自然類型(密林、散林、灌木、低植被、硬地、裸地和水體類別)[1,13]。

　　本文基于城市規劃視角，重點分析建成區，主要基于建筑的立體空間分布格局進行 LCZ 分類。分類時主要遵循 3 個原則：① 與文獻[13]的 LCZ 建筑類型基本一致[13];② 參考我國關于建筑高度的相關國家標準;③ 反映濟南市建筑高度和建筑密度的數據分布特征，并使 LCZ 類內數值差異較小、類間數值差異較大。據此原則，首先，依據 2005 年和 2019 年《民用建筑設計通則》[26-27]基于建筑高度進行建筑分類的相關規 定，明確建筑分類的高度節點數值(約9、18、24、30 m 等)。

　　然后，計算研究區 11 萬余棟建筑高度的平均值(16.14 m)、中位數(12.83 m)、標準差(12.91 m)和自然間斷點分類節點高度 (9.32 m、16.54 m)，同時分析建筑高度數值分布頻數圖;最后，綜合以上統計分析結果確定建筑高度分類節點數值為9 m和16.14 m。因為裙樓和部分附屬建筑高度較低等原因，拉低了街區平均建筑高度，因此LCZ 分類標準中的建筑高度標準根據統計分析結果適當調低。

　　同理計算各LCZ分區建筑密度的平均值(15.5%)、中位數(14.4%)和標準差(12.9%)，同時分析建筑密度數值分布頻數圖，并最終確定建筑密度分類節點數值為 15%和 28%。依據建筑高度(H)和建筑密度(S)制定LCZ分類標準如表2所示。根據表2的分類標準，采用Matlab編程進行LCZ分類，并將分類結果基于 LCZ 關鍵字段(ID 號)與ArcGIS 10.5屬性表建立連接，進行空間表達。

　　3.1.2 城市街區劃分

　　對于建筑和道路密集的建成區，采用城市道路進行劃分;對于建筑和道路稀疏的南部低山丘陵，以 DEM 數據，采用 TIN 進行劃分。為保證道路不會將街區分割過小，選擇高速公路、國道、省道、縣道和城市一級道路共860條道路進行街區劃分。劃分街區的技術路線如下。

　　① 進行道路數據整合，將同名道路融合為一條，并將5類道路合并為同一圖層。② 采用數學形態學閉運算將雙線道路轉變為單線道路。先進行膨脹運算：根據濟南市道路的最大寬度并適當擴大的原則確定閾值(80 m)，對雙線道路兩側建立80 m的緩沖區，并對各緩沖區進行合并。后進行腐蝕運算：將合并后的緩沖區要素轉換為柵格并進行二值化處理，采用 ArcMap 10.5 的ArcScan工具箱中的矢量化工具對柵格道路進行中心線提取，即轉為單線道路。③ 將道路線要素轉為面要素，并處理過小和過大街區。

　　處理過小街區：對于面積小于4萬m2的街區，首先按表1的標準對各街區進行 LCZ 分類;然后按照面積字段升序排序，根據排序結果，選擇合適閾值逐級消除最小的街區，消除方法為將面積較小的街區按相鄰邊最大的原則合并到相同 LCZ 類別的較大街區中，采用ArcMap 10.5 的消除工具實現。處理過大街區：過大街區主要位于道路稀疏的南部低山丘陵，采用DEM，構造TIN進行分割;對于位于建成區的面積大于 400 萬 m2的街區，對照建筑矢量圖、道路矢量圖和18級Google earth高清影像，按地表覆被一致的原則進行分割。

　　3.2 城市熱環境

　　3.2.1 地表溫度遙感影像

　　反演使用熱紅外遙感影像獲取城市地表溫度的研究方法較為成熟，由于使用 Landsat 8 反演地表溫度，大氣校正法較為常用[2]，本文采用ENVI 5.3運用大氣校正法反演地表溫度。具體技術路線如下：① 進行輻射定標，將影像亮度灰度值轉換為絕對輻射亮度值。② 計算 NDVI，并基于 NDVI 閾值計算地表比輻射率(Land Surface Emissivity，LSE)。③ 利用LSE，根據普朗克公式計算地表溫度。根據以上流程采用 ENVI 5.3 軟件工具箱 Band Algerbra的Band Math工具完成地表溫度反演。考慮到氣象條件的偶然性，分別選擇 2017 年 6 月 1 日、2017 年6月17日、2019年6月7日的Landsat 8遙感影像進行地表溫度反演，其云量分別為2.04%、1.55%、2.04%，以該3天反演溫度的平均值作為地表溫度。

　　3.2.2 氣溫空間插值采用的氣溫數據

　　為濟南市76個氣象站點2020年 6 月 1 日—30 日 0:00—23:00 的觀測值。首先計算 76 個站點 30 天 24 個時刻的氣溫平均值和標準差。24個時刻的氣溫標準差均小于5 ℃，溫差變化較小，可以采用平均值表示時刻溫度。其中，4:00平均氣溫最低，為23.5 ℃;14:00平均氣溫最高，為32.3 ℃;8:00平均氣溫為28.1 ℃，與全天平均氣溫(28.1 ℃)基本一致。該3個時刻能反映全天氣溫總體變化特點，因此選擇各站點4:00、8:00、14:00的平均氣溫進行空間插值，獲 取研究區氣溫分布數據。氣溫空間插值采用 ArcGIS 10.5 的 GeostatisticalAnalyst 工具箱完成，具體思路如下：

　　① 探索站點氣溫正態分布和空間自相關情況; ② 對3個時刻的各站點氣溫進行增量空間自相關分析，結果均為當鄰接距離為9935 m時，空間自相關性達到最大峰值，所以進行克里金插值時，設定距離閾值為9935 m。因此距離站點超過該閾值的區域(主要為南部山區)無插值;③ 根據數據探索結果選擇空間插值模型。因符合克里金插值基本條件，所以主要選用克里金插值;④ 對各種克里金插值結果進行驗證和交叉驗證，并按誤差最小的原則選擇最優模型。

　　3.3 方差分析

　　主要采用單因子方差分析研究不同類型 LCZ對城市熱環境(地表溫度和氣溫)的影響程度。單因子方差分析的數學原理為[28]：觀測值與其平均值之差的平方和為離差平方和。

　　4 結果及分析

　　4.1 熱環境空間分異

　　按照以上思路和方法，采用大氣校正法反演了濟南市6月的3 d的地表溫度并求其平均值。其中，地表溫度高溫區主要分布在建筑密集區域，整體呈現北高南低的空間格局，與濟南市地形南高北低的分布格局相反。3個時刻的氣溫空間分布格局也存在明顯差異，4:00和8:00氣溫呈現從研究區中心向外圍遞減的趨勢，4:00氣溫遞減規律性最明顯，14:00氣溫空間分布規律性最不明顯，大部分地區14:00氣溫相近(主要分布于31.4~32.9 ℃)。

　　3個時刻，建筑密集區均分布有高溫區，其空間分布不連續，呈現熱島效應。由于LCZ主要依據建筑物等地表覆被與材質等進行劃分，未考慮地理位置差異，因此，同類LCZ 因其在城市中地理位置不同，其熱環境也可能呈現差異，導致類內熱島現象[29]。根據濟南市南高北低的地形特征，采用自然間斷點法將地形高程分為5類，分別研究各類LCZ在不同高程下熱環境的差異性。

　　地表溫度隨地面高程的升高而逐漸降低，3 個時刻的平均氣溫隨高程呈拋物線變化，均在 3 級高程(135.6~235.1 m)平均氣溫最高。為進一步分析不同高程各類 LCZ 的熱環境差異，分別對9類LCZ的5級高程溫度進行方差分析。由于LCZ所處位置高程不同，熱環境存在一定差異，因此，根據表5的高程分級標準，采用Spearman相關系數分別對5級高程和整個研究區的城市熱環境(地表溫度和3個時刻氣溫)和建筑空間分布指標進行相關分析并做顯著性檢驗，結果如表7。

　　5 結論

　　本文采用城市道路、DEM 和建筑大數據進行LCZ分區，并基于Landsat 8遙感影像和站點氣溫分析濟南市熱環境空間分異、LCZ類內熱環境差異及熱環境影響因素，得出以下結論：

　　(1)濟南市地表溫度和不同時刻氣溫空間分布格局差異明顯。建筑密集區域地表溫度較高，同時存在不連續的較高氣溫區，呈現熱島效應。基于氣溫的熱島效應高于基于地表溫度的熱島效應，存在較高地表溫度異常值的LCZ數量占全市LCZ總數的 0.25%，4:00、8:00 和 14:00 存在較高氣溫異常值的 LCZ 數量分別占全市 LCZ 總數的 1.60%、4.05%和3.96%。一天中，隨氣溫升高，氣溫空間分布格局由城市中心向外圍遞減逐漸轉變為大部分地區氣溫相近。

　　(2)LCZ類型是影響地表溫度和氣溫的重要因素。LCZ類型不同，城市地表溫度和不同時刻氣溫平均值存在明顯差異，其較高和較低溫度異常值也存在明顯不同。LCZ31、LCZ32、LCZ21等類型存在較高氣溫異常值較多，分別占較高異常值總數的47.37% 和 33.33% 、9.65% ，存 在 類 內 熱 島 效 應 。LCZ12、LCZ13、LCZ23、LCZ33 等類型無氣溫異常值，類內氣溫差異較小。

　　(3)LCZ 類型不同，類內熱島效應存在差異。不同位置高程 LCZ31、LCZ32 的地表溫度和 4:00、8:00 和 14:00 氣溫方差分析的 P 值均小于 0.01，LCZ11、LCZ21 的地表溫度和 3 個時刻氣溫方差分析的P值均小于0.05，該4種類型LCZ所處位置高程不同，熱環境差異顯著，類內熱島效應不同;LCZ33的熱環境類內差異不顯著;LCZ12、LCZ13、LCZ22、LCZ23等類型的地表溫度和不同時刻氣溫的類內差異各異。

　　(4)LCZ所處位置高程不同，建筑空間分布指標對城市熱環境的影響存在明顯差異，LCZ所處位置高程越低，兩者的相關性越顯著，建筑空間分布指標對城市熱環境的影響越明顯。海拔高程235.2~433.5 m、433.6~747.3 m，城市熱環境與絕大多數建筑空間分布指標的相關性不顯著，8:00氣溫和14:00氣溫與建筑基底面積和建筑體積平均值的正相關分別達到了 0.01 和 0.05 的顯著性水平。海拔高程 20.4~65.1 m，65.2~135.5 m，LCZ 數量最多，建筑分布密集，各建筑空間分布指標與城市熱環境均存在不同顯著性水平的相關性。

　　建筑平均高度對地表溫度和氣溫的影響明顯不同，地表溫度與之呈負相關，且達到了0.05以上的顯著性水平，氣溫與之呈正相關，且達到了 0.001 的顯著性水平。高層建筑對太陽輻射的遮擋作用，在一定程度上降低了地表溫度，但同時對氣溫具有提升作用。城市熱環境與建筑基底面積及建筑體積的平均值和標準差、建筑密度、容積率等各項指標均呈顯著正相關，且大多達到了 0.001 的顯著性水平，具有明顯正向影響。

　　本文基于城市路網劃分街區，并根據LCZ適宜的空間尺度探究了較小街區合并和較大街區拆分的技術方法，同時基于濟南市建筑高度和建筑密度數據的分布特征探討了LCZ的定量分類方法，據此實現LCZ分類、分區，與基于遙感數據進行LCZ分類相比，其定量化更加精確，有利于同類研究對比和參考。但本文主要基于城市建筑進行LCZ分類，未考慮植被平均高度及覆蓋率、水體覆蓋率等影響城市熱環境的土地覆被指標。未來研究中，可進一步考慮通過遙感影像、城市大數據、地理國情普查等途徑獲取比較詳盡精確的土地覆被指標，并綜合建筑指標統一進行LCZ定量分類，使城市熱環境及其影響因素研究更加全面，以便為城市規劃和建設提供科學依據。

　　參考文獻(References)：

　　[ 1 ] 江斯達,占文鳳,楊俊,等.局地氣候分區框架下城市熱島時空分異特征研究進展[J].地理學報,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 ] 劉衍,慕凱凱,韓冰,等.城市局地氣候分類的地表熱島效應[J].哈爾濱工業大學學報,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 ] 楊小山,姚靈燁,金濤,等.南京夏季城市局地氣溫時空變化特征[J].土木與環境工程學報(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：單寶艷*，張 巧，任啟新，樊文平，呂永強