北京市地表温度的季节变化及其驱动因素空间异质性分析.pdf
《北京市地表温度的季节变化及其驱动因素空间异质性分析.pdf》由会员分享,可在线阅读,更多相关《北京市地表温度的季节变化及其驱动因素空间异质性分析.pdf(11页珍藏版)》请在咨信网上搜索。
1、首都师范大学学报(自然科学版)Journal of Capital Normal University(Natural Science Edition)No.5Oct.,2023第 44卷第 5期2023年 10月DOI:10.19789/j.1004-9398.2023.05.011文献引用:李雨露,孟丹,郭晓彤,等.北京市地表温度的季节变化及其驱动因素空间异质性分析 J.首都师范大学学报(自然科学版),2023,44(5):69-79.LI Y L,MENG D,GUO X T,et al.Seasonal variation of land surface temperature and
2、 the spatial heterogeneity of its driving factors inBeijing J.Journal of Capital Normal University(Natural Science Edition),2023,44(5):69-79.北京市地表温度的季节变化及其驱动因素空间异质性分析*李雨露,孟丹*,郭晓彤,宋加颖(首都师范大学资源环境与旅游学院,北京100048;水资源安全北京实验室,北京 100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京 100048;资源环境与地理信息系统北京市重点实验室,北京 100048)摘要:探究
3、城市地表温度(LST)的驱动机制,对于缓解城市热岛效应、构建健康舒适的城市人居环境具有重要意义。本研究利用 20202021年 4期的 Landsat遥感影像反演北京市 LST,探讨了城市热岛效应的季节变化,并采用地理探测器分析地表覆盖、地形、社会经济和气象 4 种驱动因素对LST 的解释程度。进一步采用地理加权回归(GWR)模型分析 LST 驱动因素的空间分异性,结果表明:(1)北京市的城市热岛效应随季节变化明显,夏、秋 2个季节热岛区集中分布于城区,春、冬 2个季节热岛区分布较为分散;(2)LST的驱动因素存在季节变化,春季 LST的主要驱动因素由高到低排序为归一化植被指数(NDVI)、改
4、进的归一化差异水体指数(MNDWI)、数字高程模型(DEM),夏季 LST 的主要驱动因素由高到低排序为 NDVI、DEM、MNDWI,秋季 LST 的主要驱动因素由高到低排序为 DEM、夜间灯光、气温,冬季 LST 的主要驱动因素由高到低排序为气温、夜间灯光、MNDWI;(3)夏季 LST 驱动因素的空间异质性显示,NDVI、MNDWI和不透水面比例与 LST 之间的关系空间变异较小,道路密度、夜间灯光、DEM、风速、湿度和气温与 LST 之间的关系空间变异较大。关键词:地表温度;地理探测器;地理加权回归模型;驱动因素;空间异质性中图分类号:X16文献标识码:ASeasonal variat
5、ion of land surface temperature and thespatial heterogeneity of its driving factors in Beijing*LI Yulu,MENG Dan*,GUO Xiaotong,SONG Jiaying(College of Resources Environment and Tourism,Capital Normal University,Beijing100048;Beijing Laboratory of Water Resource Security,Beijing 100048;State Key Labor
6、atory IncubationBase of Urban Environmental Processes and Digital Simulation,Beijing 100048;BeijingMunicipal Key Laboratory of Resources Environment and GIS,Beijing 100048)Abstract:Exploring the driving mechanism of urban Land Surface Temperature(LST)is of greatsignificance to alleviating the Urban
7、Heat Island(UHI)effect and building a healthy and comfortable收稿日期:2022-09-12*北京市社会科学基金重大规划项目(21ZDA04)*通信作者:69首都师范大学学报(自然科学版)2023年urban living environment.Four Landsat remote sensing images representing the four seasons in 2020and 2021 were used in the paper to invert the LST of Beijing,then the seas
8、onal changes of the UHIeffect were discussed.Then geographical detector model was used to analyze the interpretation degreeof LST by four types of driving factors including land cover,topography,social economy,andmeteorology.Furthermore,the Geographically Weighted Regression(GWR)model was used toana
9、lyze the spatial heterogeneity of LST s driving factors.The results showed that:(1)the UHI effectin Beijing varied obviously with seasons.The heat island areas were concentrated in urban areas insummer and autumn,and most of the heat island areas were scattered in the whole study area in springand w
10、inter.(2)The driving factors for LST varied with seasons.The main driving factors of LST inspring were ranked from high to low as normalized difference vegetation index(NDVI),modifiednormalized difference water index(MNDWI),digital elevation model(DEM);the main driving factorsof LST in summer were r
11、anked from high to low as NDVI,DEM,MNDWI;the main driving factors ofLST in autumn were ranked from high to low as DEM,nighttime light,air temperature;the maindriving factors of LST in winter were ranked from high to low as air temperature,nighttime light,MNDWI.(3)Took exploring the spatial heterogen
12、eity of the driving factors for LST in summer as anexample,the results showed that the relationships between NDVI,MNDWI,the proportion ofimpervious surface and LST had little spatial variation,the relationships between road density,nighttimelight intensity,DEM,wind speed,humidity,air temperature and
13、 LST had great spatial variation.Keywords:land surface temperature;geographic detector;geographic weighted regression model;driving factors;spatial heterogeneityCLC:X16DC:A0引言城市热岛(urban heat island,UHI)效应是一种由于城市建筑及人类活动导致热量在城区空间范围内聚集的现象,是城市气候最显著的特征之一1。城市热岛通过改变城市热环境,不仅会影响生态环境,如区域气候、植被生长、城市水文和空气质量等,而且会
14、影响人类健康2-3。因此,围绕 UHI 的驱动机制展开研究,对缓解 UHI 效应,提高人居生活质量具有重要意义。通过遥感热红外波段对地表温度(land surface temperature,LST)进行反演,可快速高效获得大范围 LST 信息,所以目前遥感已成为监测 UHI的主要手段4。UHI的驱动因素可概括为地表覆盖、社会经济、地形和气象 4个方面。地表覆盖状况的变化导致地表反照率、表面热、湿度、粗糙度和发射率产生变化,从而导致地表温度变化,研究中常用归一化植被指数(normalized difference vegetation index,NDVI)、归一化建筑指数(normalize
15、d difference built-up index,NDBI)、改进归一化差异水体指数(modified normalized difference water index,MNDWI)、不透水面比例以及绿地比例等来表征地表覆盖因素5-9,近来也有研究用城市空间形态指数表征地表覆盖情况10;社会经济的发展会增加人为热排放,从 而 引 起 LST 的 改 变,研 究 中 常 用 夜 间 灯 光 数据11、人口密度数据12和国内生产总值(gross domestic product,GDP)13来表征社会经济因素;地形因素中海拔高度的升高导致 LST 的改变14,特别对于山地城市来说,城市表面
16、高程对于 LST 有全局性约束力15;气象因素中的风速、湿度和气压对 LST存在一定的影响16,且研究表明气压对于冬季 UHI具有主导作用17。目前,学者们采用回归分析18、皮尔逊相关分析法19-20、偏相关分析法21、空间主成分分析法7、地理探测器22-23和地理加权回归(geographically weighted regression,GWR)模 型24等 多种方法,从不同的时间尺度探究 UHI与驱动因素之间的关系。其中地理探测器和 GWR 模型由于其考虑了地理现象特有的空间异质性,近年来在 UHI的驱动机制分析中广泛使用。Zhou 等25使用地理探测器方法分析了驱动因素及其相互作用对
17、长江三角洲温度过程的影响;葛静茹等8采用 GWR模型分析武汉市都市发展区、生态绿楔以及主城区 4 个季70李雨露等:北京市地表温度的季节变化及其驱动因素空间异质性分析第 5 期节的 LST 和各驱动因素的作用机制。地理探测器是对地理现象归因进行全局性分析,GWR 模型则是对地理现象进行局部回归分析,GWR 模型与地理探测器结合能更精确地分析驱动因素的作用方式,所以也有学者将二者结合起来对地理现象进行归因分析26。UHI的时空分布变化明显,不仅在长时间序列上存在变化27-29,还有昼夜差异30 和季节性差异31-32。UHI的驱动因素中,地表覆盖和气象因素季节差异明显。尽管许多研究探讨了 UHI
18、的驱动机制,但目前的研究中较少分析不同驱动因素的季节差异及其空间异质性。本研究选取北京作为研究区域,基于 20202021 年不同季节的 Landsat8 OLI/TIRS 影像,分析 UHI效应在不同季节的空间分布情况;采用地理探测器分析地表覆盖、社会经济、地形和气象4种驱动因素对 LST的解释程度,并进一步采用 GWR模型分析探讨 LST驱动因素的空间异质性,以期为制定缓解首都 UHI效应的政策,提供一定的参考。1研究区与数据源1.1研究区概况北京位于华北平原北部,背靠燕山,毗邻天津市和河北省,总面积约为 1.64万 km2。北京的西部、北部和东北部为山地(海拔 1 0001 500 m)
19、,东南部为平原(海拔 2060 m)。平原地区以农田和建设用地覆盖为主,山地地区以植被覆盖为主,植被类型随海拔变化。北京的气候为暖温带半湿润半干旱季风气候,年均降水 470660 mm,四季分明,冬季干燥,春季多风,夏季多雨,秋季晴朗温和,年平均气温 1012。北京作为超大城市,生产总值长期位于全国前列,社会经济发展水平高。本文的研究区包括了北京市大部分范围(受 Landsat8 单景遥感影像覆盖范围所限),如图 1中遥感影像覆盖区域。1.2数据源及预处理本研究使用的数据包括遥感影像数据、道路及水系矢量数据、土地利用数据、数字高程模型(digital elevation model,DEM)和
20、夜间灯光数据等。(1)遥感 影 像 数 据 为 Landsat8 影 像(http:/),选择 2020年 4月 13日、10月 22日、12月 25日和2021 年 6 月 19 日共 4 期(云量均0.70 时,Pv取值为 1;当INDV0.05,Pv取值为 0。再根据普朗克黑体辐射定律和地表发射率,把地表辐射亮度转化为相应的温度值,计算公式为TLS=K2ln()1+K1Lsurface,(4)式 中K1、K2为 常 数。对 于TIRS10波 段 而 言,K1=774.89 W/(m2msr),K2=1321.08 K。2.2LST分级标准本研究采用均值-标准差法36对 LST 分区进行等
21、级划分。均值-标准差法以 LST 相对于平均温度的变异程度为依据进行热场划分。划分标准如表 1所示,高温区和次高温区则为热岛区。2.3LST的驱动因素分析2.3.1驱动因素筛选及计算考虑到研究区地形复杂,社会经济发展不均匀的 特 点,本 研 究 从 地 表 覆 盖 因 素(NDVI、NDBI、MNDWI、道路密度、水系密度、不透水面比例),地形因素(DEM),社会经济因素(夜间灯光强度),气象因素(风速、相对湿度、气温)4个方面 11个因子指标用于分析 LST驱动机制,详情如表 2所示。2.3.2地理探测器对于具有空间自相关性质的地理现象来说,地理探测器37是探测空间分异性,及揭示其背后驱动力
22、的一种有效方法。本研究将研究区域划分为1km 1km的网格,采用自然间断法对不同的驱动因素进行重分类,分为 9类,提取网格中心点的驱动因素类别,使用地理探测器中因子探测模块,分析各驱动因素对 LST的解释程度。公式为q=1 =1LN2N2,(5)式中:L为驱动因素X的分层数,N和N分别为层和研究区的单元数,2和2分别是层和研究区的Y值的方差。q的值域为 0,1,值越大说明驱动因素X对因变量Y的解释程度越高,反之则越低。表 2UHI效应的驱动因素驱动因素类别地表覆盖因素地形因素社会经济因素气象因素驱动因素NDVINDBIMNDWI道路密度水系密度不透水面比例高温夜间灯光强度风速湿度气温数据获取(
23、)RNIR RRed/(RNIR+RRed)()RMIR RNIR/(RMIR+RNIR)()RGreen RMIR/(RGreen+RMIR)每平方千米内道路的总长度每平方千米内水系的总长度每平方千米内不透水面的面积占比DEMDN将 DEM 数据作为协同数据,通过协同克里金插值法,将气象站点数据处理为 30 m30 m的栅格数据,得到风速、湿度、气温数据备注RNIR,RRed分别表示近红外、红光波段的反射率RMIR,RNIR分别表示中红外、近红外波段的反射率RGreen,RMIR分别表示绿光、中红外波段的反射率单位为 km/km2单位为 km/km2单位为%单位为 mDN值表示夜间灯光强度值
24、单位为 m/s相对湿度,单位为%近地 2 m气温,单位为注:NDVI 为归一化植被指数;NDBI 为归一化建筑指数;MNDWI 为改进归一化差异水体指数;DEM 为数字高程模型;DN为像元亮度值。表 1LST分区划分标准温度分区等级低温区次中温区中温区次高温区高温区LST范围 ,0.5)0.5,+0.5)+0.5,+)+注:表中 LST为地表温度,为平均温度,为标准差。72李雨露等:北京市地表温度的季节变化及其驱动因素空间异质性分析第 5 期2.3.3GWR模型GWR 模型是由 Brunsdon等38针对变量空间非平稳性提出的建模方法,通过建立空间范围内每个点处的局部回归方程,来探索研究对象在
25、某一尺度下的空间变化及相关驱动因素。GWR 模型作为一种局部回归模型,可以分析不同驱动因素在不同区域中对于 LST的影响程度。GWR模型公式为yi=0()i,vi+k=1nk()i,vixik+i,(6)式中:yi为因变量;0()i,vi为采样点在坐标()i,vi上的回归常数;k()i,vi是采样点的第k个局部回归参数,n为驱动因素个数;xik为自变量在该样本点的值;i为误差项。GWR 本质上是多元线性回归,且 LST 驱动因素的多元复杂性和相关性,因此在回归分析之前需要解决多重共线性问题;方差膨胀因子(variance inflation factor,VIF)检 验 是 最 简 洁 的 变
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 北京市 地表 温度 季节 变化 及其 驱动 因素 空间 异质性 分析
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。