水环境模拟国家重点实验室，北京师范大学环境学院，北京100875摘要:城市热环境空间区划是采用分区管理的思路来缓解城市社会经济发展与热环境之间矛盾的技术基础。本文构建城市热环境区划模型的思路为:(1)将不同时相的MODIS地表温度数据产品进行正规化、分级，分析2008年北京城市热环境时空分布特征。(2)构建城市热环境影响因素评价体系，并通过空间主成分分析计算得到热环境影响主成分因子。(3)通过自组织映射神经网络，利用热环境影响主因子，进一步对热环境进行空间区划。结果表明，北京夜间较白天城市热岛分布层次感明显，夏季白天较其他季节高温区聚合程度高。区域下垫面组成要素直接影响热环境，北京城市热环境的主成分因子依次为植被覆盖、地形地貌、城市下垫面建设规模和人为热排放，并依此将北京划为7个热环境区域，根据各个分区热环境成因机制差异分别提出热环境改善和调控措施。

　　关键词:热环境，区划，空间主成分分析，人工神经网络，北京

　　1、引言

　　城市发展往往引起城市下垫面和大气特征的剧烈变化，地表反照率、温度、湿度和空气动力学特性的变化会引起一系列微尺度和中尺度的气候变化(Ｒoth等，1989)。城市热岛UHI是城区温度高于郊区的现象(Oke，1982)，是城市发展最显著的特征之一。从空间结构上看，城市热岛由各种尺度的热岛叠加而成，具有多时间、多中心的尺度结构(江田汉等，2004);从时间变化上看，热岛强度昼夜、季节变化明显，在白天和暖季中最大(Schmidlin，1989);从影响热岛的因素来看，热岛强度随风速和云量的增加而降低(Kidder和Essenwanger，1995)，随城市/人口规模的增加而增大(Yamashita和Sekine，1990)。

　　随着城市化进程加快，城市热岛效应强度和影响范围不断扩大，严重影响区域气候变化、城市大气环境和居民健康。城市热岛引发的高温灾害，将带来巨大的经济损失。城市热岛环流使城郊对流增强，洪涝灾害发生频率大大增加。城市热岛使得污染物不易扩散，空气质量严重下降，将引发城市病。近年来“城市病”日益严重，夏季高温热浪、冬季城市通风条件差而导致的大范围灰霾等严重危害人类健康和生活质量。城市化进程能否科学健康发展，已成为关乎中国社会经济又好又快发展、人民生活质量提高的关键，是国家重大需求。

　　早期主要使用大气温度数据进行城市热岛监测和研究，即大气城市热岛AHUI，根据其不同层次可分为城市边界层热岛BLHI和城市冠层热岛CLHI。AUHI是通过固定或移动的热探测器与空气直接接触的结果来表征城市和郊区大气温度的差异，所得到的数据是离散的点数据或线性数据。由于时间上的连续性，AUHI可以用于昼夜对比、月份对比、年际对比和历史对比。Ｒao(1972)提出用热红外遥感进行城市热岛研究，标志着城市热岛研究进入新的阶段，即通过热红外遥感数据所反演的温度作为地表温度来表征地表城市热岛SUHI(Voogt726JournalofＲemoteSensing遥感学报2014，18(3)和Oke，2003;陈爱莲等，2012)。热红外遥感数据能够大面积覆盖地表，具有较高的空间分辨率和空间的连续性。随着遥感技术的发展，热红外遥感数据在时间分辨率上也有较大提高。已有的研究成果证明，热红外遥感反演的地表温度除了具有更高的时空分异性，其与土地利用类型的相关性更高，而城市热岛强度也比AHUI高，对地表特征和人类活动更为敏感(Ｒoth等，1989;Voogt和Oke，2003)。

　　区划研究，是探讨区域单元的形成过程、时空分异特征、调控措施，实现区域发展方案效益最大化的必要手段(郑度等，2005)。随着城市人口持续增加和快速城市化发展，不合理的城市规划会进一步加剧城市热环境，而紧凑城市和高密度城市等不可避免的发展趋势对城市环境的要求更高。目前，通过区划研究对城市热环境识别和改善的工作相对滞后，而且同样天气条件下，城市热环境因地而异，城市热环境与城市规模和布局、人口密度、建筑密度、植被覆盖、土地用途以及城市下垫面性质有关，因此一个城市的区划方案很难完全照搬到另一个城市。

　　正确理解城市下垫面不同要素与热环境的关系是进一步深化城市热环境研究的关键，甚至不同季相、昼夜各下垫面类型对区域热环境的贡献都有所变化(Qiao等，2013)。本文的主旨是，通过分析城市热环境驱动因子，探索城市热岛效应形成机制，建立城市热环境分区方案，指导城市各区域针对引发城市热环境的主因子进行重点调控和防治，将热环境改善技术纳入城市规划，从而减缓或控制热岛效应。

　　本文以MODIS地表温度产品为主要数据源，对北京地表温度进行时空格局分析，并进一步建立北京市热环境影响因素评价指标体系，最终通过空间主成分分析SPCA和自组织映射神经网络SOM，进行北京热环境区划研究，为城市总体规划和城市生态风险评价提供决策支持。

　　2、研究区概况

　　北京市位于华北平原北部，北部是燕山山脉，西部是太行山脉，东南部是华北平原，地势西北高、东南低。北京属于典型的温带大陆性季风气候，四季分明，夏季炎热多雨，冬季寒冷干燥，春秋短促，年平均气温为10—12℃，年平均降水量为600—700mm。近50年来北京城市人口增加6．5倍，基本建设投资增加近390倍，房屋增加40倍(张佳华等，2011)。北京城市规模不断扩大，城市化水平不断提高，深刻影响着城市热环境。研究表明，北京城市房屋竣工面积每增加106m2，北京城市热岛强度增加0．043℃;城市基本建设投资总额每增加100亿元，城市热岛强度增加0．16℃;NDVI每升高0．1，地表温度降低1．6℃(林学椿等，2005)。

　　3、数据来源

　　本文地表温度数据是由美国宇航局NASA提供的搭载在Terra卫星上的MODIS地表温度8天合成产品(MOD11)。Terra星在上午10:30左右和晚上22:30左右过境，分别处于地表升温和降温过程。

　　MODIS地表温度产品是用分裂窗算法由MODIS的第31通道(10．780—11．280μm)和第32通道(11．770—12．270μm)地表比辐射率和亮温作为输入条件反演得到的，空间分辨率为1km。大量研究表明，MODIS分裂窗算法反演得到的地表温度达到了1K的精度(Wan等，2004;Wang等，2007;王建凯等，2007)。为计算北京植被归一化指数NDVI和建筑归一化指数NDBI，选用了2008年MODIS地表反射率产品(MOD09)，其分辨率为500m，包含MODIS的第1—7波段数据。

　　其他数据包括:(1)2008年LandsatTM影像数据解译的北京土地利用现状图，土地利用类型划分为耕地，林地，草地，水域，城乡、工矿、居民用地，未利用土地等6个1级土地利用类型，其中城乡、工矿、居民用地包括城镇用地、农村居民点用地和工交建设用地等3个2级土地利用类型(Liu等，2005)，来源于中国科学院资源环境科学数据中心;(2)北京数字高程数据DEM;(3)北京市1∶1万数字城市数据，该数据集包括行政边界、水体、公园、铁路、公路和街区的矢量边界数据(Tian等，2010)。

　　4、研究方法

　　4．1MODIS地表温度数据处理

　　首先利用MODIS数据几何纠正及重采样工具MＲT对地表温度产品(MOD11)进行几何纠正的批处理，并利用北京行政区划进行掩膜、重采样后像元大小为1000m×1000m。查找数据头文件可得到数据产品的辐射缩放比为0．02，辐射缩放截距为0。

　　因此通过式(1)计算地表温度，得到北京地表温度数据。Ts=DN×0．02－273．15(1)式中，Ts为地表温度值(℃)，DN为像元灰度值。由于MOD11地表温度产品在有云的区域DN值为0，这些区域进行波段运算后温度值均为－273．15℃，因此需要进行云掩膜，从而去除温度的离群值。

　　4．2地表温度时空分布特征

　　为避免云的影响，分别选取质量较好的2008年4月22日、7月19日、10月7日和12月2日(1月市区云量太大)作为春、夏、秋、冬4个季节的地表温度特征。为反映不同季相的地表温度空间分布特征，将地表温度正规化，并采用密度分割技术，对城市热环境进行分级(蒋晶和乔治，2012)。首先对不同时相的地表温度进行正规化处理，使地表温度分布范围统一到0—1。

　　Tni=Tsi－TsminTsmax－Tsmin(2)式中，Tni表示第i个像元正规化后的值，Tsi为第i个像元的地表温度，Tsmax表示北京地表温度的最大值，Tsmin表示北京地表温度的最小值。

　　利用密度分割技术对正规化后的地表温度进行等级划分，将地表温度平均划分为7个热力等级，分别为低温、较低温、次中温、中温、次高温、高温和特高温，制成北京地表温度等级分布图，并统计各区的面积。本文利用聚合度指数AI来表征北京地表温度等级的时空分异规律。聚合度指数基于同类型斑块像元间公共边界长度来计算。当类型中所有像元间存在的公共边界达到最大值时，具有最大的聚合度指数，说明该类型像元聚合度最好，分布最集中。

　　4．3城市热环境影响因素评价指标体系