東南大學建筑學院  宋丹，金星，周欣
同濟大學建筑與城市規劃學院  石邢

       【摘  要】大尺度山體綠地在城市中會呈現出明顯的冷島效應，因此其在調節城市微氣候方面可以發揮顯著的作用。本文以南京紫金山為研究對象，基于2013-2020年間13幅Landsat8衛星遙感數據分析了風向對紫金山冷島效應的影響。首先利用單窗算法反演得到地表溫度，并以衛星過境時間前四小時的加權風向作為影像的風向，然后提出以兩幅遙感影像相互對比的方案來探究風向的影響。結果顯示風向會明顯影響大尺度山體綠地對周圍環境的降溫效果，而且風速越大，相應的影響程度也越大。本研究可為城市微氣候分析以及相應的城市規劃研究提供很好的數據支撐。 

       【關鍵詞】風向；衛星遙感；冷島效應；城市熱島；大尺度山體綠地

       【基金項目】國家自然科學基金（52078118）

Abstract: Large-scale mountain green space exhibits a clear cold island effect in cities, so it can play a significant role in regulating the urban microclimate. This paper takes Zijin Mountain in Nanjing as the research object, and analyzes the influence of wind direction on Zijin Mountain’s cold island effect based on 13 Landsat8 satellite remote sensing data from 2013 to 2020. First, the single-window algorithm is used to retrieve the surface temperature, and the weighted wind direction four hours before the satellite transit time is used as the wind direction of the image. Then, a scheme of comparing two remote sensing images with each other is proposed to explore the influence of the wind direction. The results show that the wind direction has a significant impact on the cooling effect of the large scale mountain green space on the surrounding environment, and the greater the wind speed, the greater the corresponding degree of influence. This research can provide good data support for urban microclimate analysis and corresponding urban planning research.
Key words: Wind direction; Satellite remote sensing; Cold island effect; Urban heat island; Large-scale mountain green space

0 引言

       城市熱島效應是指城市市區內的溫度高于周邊郊區溫度的現象。Shushi Peng等人通過對全球419個大城市衛星遙感圖像分析后發現，熱島現象已經成為全球趨勢^[1]。隨著我國城市化進程的加快，各城市尤其是各中心城市的熱島效應更加明顯，以上海為例，上海市熱島效應呈現逐年增長的趨勢，年平均熱島強度達到1.17℃ ^[2]，熱島強度增長的速率約為0.15~0.17℃/（10a）^[3]。城市熱島在一定程度上增加了極端氣候的產生，危害城市居民的健康 ，加重城市污染和能源消耗。目前常用的緩解城市熱島效應的方法包括提高城市綠化率、選擇合適的建筑與地面材料、合理的城市規劃和城市設計等。其中增加植被面積從生態綜合效益以及有效程度來看被認為是最優的方式。相比于建筑物聚集區域，大面積植被區域會呈現出冷島效應。在綠化覆蓋率相同的情況下，大面積集中綠地的降溫效果優于多個小型綠地的集合^[4]，其中城市大尺度森林綠地作為自然景觀，不但能給城市帶來很高的生態效益，在夏天，甚至能降低周圍環境溫度達3~5°^[5]。

       目前對于綠地冷島效應影響因素的研究，通常都是從綠地自身特征要素入手，而少有外界環境要素的分析。眾所周知，風速會影響物體表面的對流換熱，而風向會影響氣流的流動方向，當風向不同時，綠地冷島處形成的溫度較低的空氣將被輸送到方位不同的周邊區域，進而影響該區域的溫度。故而風向理論上會影響綠地對周邊區域的降溫效果。目前以風向為影響因素來探究綠地冷島效應的研究很少，文獻中只有少數的幾篇，比如Vu Thanh Ca等人利用實測數據對東京公園冷島效應強度進行分析，在有風的條件下，背風處冷卻范圍達250m，順風處可達1000m^[6]。但這些有限的研究也都僅局限于面積較小的城市公園綠地，對于面積較大的山體綠地研究并未涉及，其實國內外不少城市內部都存有面積較大的山體，比如南京紫金山、廣州白云山、深圳陽臺山等，大面積山體植被對周圍熱環境的影響是否受風向的影響等問題值得進行探究。目前風環境的研究通常都采用現場實測的手段，現場實測雖然具有單個數據精度較高的優點，但存在測點不連續、需要進行多點測量而且測點位置選擇要求也較高的問題，這顯然不適用于大尺度范圍的研究。而衛星遙感相比于傳統的現場實測的方法具有時間、空間分辨率高且獲取容易的優點?；谝陨戏治?，本文將以南京市紫金山為研究對象，利用Landsat8衛星遙感影像作為數據源，探究風向對大尺度山地綠地冷島效應的影響。

1 研究范圍與數據來源

       1.1 研究范圍

圖1 研究區范圍

       南京市紫金山位于玄武區境內，方圓31平方公里，森林面積三萬余畝，占南京城市森林面積的15.6%。紫金山周圍城市建設良好，山腳最近處距離南京市商業中心新街口的直線距離約3.5km。本文的研究范圍如圖1所示，圖中紅色曲線圍成的區域即為筆者劃定的紫金山范圍。紫金山研究區域的確定主要依據山體主體綠化部分，同時利用紫金山周圍主要交通路網，從而劃定一個閉合完整的區域。

       1.2 數據的來源

       本研究中使用的是Landsat8衛星遙感數據，數據從USGS網站上獲取，影像數據共13輻，具體信息如表1所示。

       用地類型圖由下載的2017年南京市30m空間分辨率用地分類圖（http://data.ess.tsinghua.edu.cn/），經處理后得到。

       影像當日的氣溫、風向等氣象數據由全球天氣精準預報網（www.wunderground.com）獲得。

2 數據處理與分析方法

       2.1 地表溫度的反演

       利用覃志豪等人提出的單窗算法[7]對下載得到的Landsat8數據進行地表溫度反演計算，計算公式如下：

       T_s={a(1-C-D)+[b(1-C-D)+C+D]×T_b-D×T_a}/C                    (1)

       式（1）中Ts是反演得到的地表溫度（K），a=-60.919，b=0.428。T_b為像元的亮度溫度（K），Ta為大氣平均作用溫度（K），C、D為中間量，由下列公式求得：

       C=ε×τ       (2)  

       D=(1-τ)×[1+(1-ε)×τ]      (3)  

       ?、τ分別是地表比輻射率與大氣透射率，大氣透射率由NASA官網查詢（https://atmcorr.gsfc.nasa.gov/），地表比輻射率通過覃志豪等人提出的混合像元法^[8]進行計算。

       2.2 溫度像元的篩選

       由于紫金山周圍還存在部分破碎的綠地斑塊以及玄武湖，在研究紫金山對周圍環境的降溫效應時，這些低溫像元會影響到統計結果。將用地類型分為三大類，如圖2（a）所示，摳除植被和水體像元，用不透水地面范圍來提取地表溫度，從而減少低溫像元對結果的影響，增加結果的準確性。結果如圖2（b）所示。

圖2 地表溫度提取過程圖

       2.3 風向的疊加計算

圖3 風向疊加方法示意圖

       由于風向是逐時變化的，而且氣流對下墊面溫度的影響是一個長期持續的過程，故僅采用遙感影像成像時的風向進行分析會有偏差。因此本研究從遙感影像成像時間向前回推4個小時，并將這段時間內每個小時的風向數據進行如圖3所示的向量疊加計算，作為影像的影響風向。13幅影像的計算結果如表1所示。

表1 風向計算結果

       2.4 分析方法

       在理想情況下，受山體植被冷島效應的影響，緊鄰紫金山區域的溫度較低，而距離越遠的區域，溫度通常越高，呈現出環狀分布。但具體降溫效果卻受多方因素的影響，如下墊面特征、太陽輻射以及風向等。從理論上來說，從西南方向吹過來的風經大量建筑群后溫度升高，溫度較高的氣流流經紫金山西南方向時將會使得該區域的溫度較無風狀態高，接著氣流經紫金山后溫度降低，溫度較低的氣流使得紫金山東北方向溫度較無風狀態時低，從而使得不同區域地表溫度狀態改變。在對地表溫度進行分析時，我們希望風向是唯一變量，其余影響因素如下墊面特征能夠相對不變。但對單幅遙感影像來說，風向是固定為一個方向不變的，反而下墊面特征在不同區域存在差異，這與我們希望的相違背，為解決這個問題，我們提出利用兩幅遙感影像進行對比分析，這樣做有兩個優點，一是兩幅遙感影像存在兩個風向參數，二是下墊面特征在不同遙感影像中的差異較小，兩幅遙感影像的對比分析還可以消除下墊面這個重要冷島效應參數的影響。同時為最大化風向影響的差異，我們選取風向相對的兩幅遙感影像進行對比，來探究風向對紫金山冷島效應的影響。

圖4 緩沖區范圍

       基于以上分析，本文以紫金山研究范圍為邊界，30m為步長建立100個緩沖區，具體如圖4所示。之后，經紫金山質心，以與風向垂直的直線將緩沖區劃分為A、B兩個區域，如圖5所示。圖中采用的兩幅遙感影像風向分布為西南風和東北風。若沒有風向的影響，我們認為兩幅影像在A、B區域溫度變化相同，但由于風向影響，第一幅影像西南風使得區域A（上風區）溫度升高，第二幅影像東北風使得區域A（下風區）溫度降低，則兩幅影像在區域A地表溫度差值較無風狀態增大，同理，對于區域B，第一幅影像溫度降低，第二幅影像溫度升高，則兩幅影像地表溫度差值較無風狀態減小。若地表溫度差值在假設的風向下呈現出區域A大于區域B的結果，則說明風向對地表溫度存在影響。按照此種方法，對風向不同的影像在區域A、區域B內溫度差值進行對比，觀察其差值的大小關系。

圖5 區域劃分方法示例圖

3 結果與分析

圖7 影像的4種區域劃分方式 

       為了探究風向的影響，將13幅遙感影像風向相反或接近相反的兩幅影像列為一組，共得到9組，各組影像信息如表2所示。利用前文提到的劃分方法對緩沖區進行劃分，9組影像一共分為圖7所示的4種劃分方式，區域A和區域B內各有100個半環緩沖區，計算各半環兩幅風向相對影像的溫度差值，對區域A和B內距紫金山距離相同的緩沖區的溫度差值進行對比，結果如圖9 所示，不難發現，若第一幅影像風向從A區域吹來，第二幅影像風向從B區域吹來，那么區域A的溫度差值始終大于區域B，圖9(a)(b)(e)(f)(g)(h)中數據表現出此規律，若第一幅影像風向從B區域吹來，第二幅影像風向從A區域吹來，那么區域B的溫度差值始終大于區域A，如圖9(c)(d)，說明我們先前的假設成立，風向使得紫金山上風區溫度相對升高，下風區溫度相對降低。這其中仍有少部分數據未呈現出此規律，推測可能是由于30m緩沖區內含有的像元數量較少，下墊面類型影響較大。故研究范圍擴大至1km，統計風向相對影像在同一區域的溫度差值，結果如圖8所示，X軸為第一幅影像的上風區與第二幅影像的下風區平均地表溫度差值，Y軸為第一幅影像的下風區與第二幅影像的上風區平均地表溫度差值，可以觀察到點都處于直線y=x下方，即第一幅影像上風區溫度與第二幅影像下風區溫度之差要大于第一幅影像下風區與第二幅影像上風區溫度之差，與先前結論一致。同時，兩幅影像的溫差在區域A和區域B之間的差距大小也明顯不同，圖9(a)(b)(d)(e)中兩區域的差異明顯大于其他幾組影像，理論上風速越大，對地表溫度的影響程度越大，故每組中對比影像的風速差異不同可能導致溫差差距不同，為探明風速的影響，對表2中9組影像在A、B區域溫差的差值與風速差值進行Spearman相關性分析，相關系數達0.669，在0.05級別，相關性顯著，即風速差異與溫差差距顯著正相關，每組風向相對影像的風速差異越大，則兩區域溫差差距越大，這表明風速越大，紫金山對不同區域影響的差異越大。

圖8 各組影像1km范圍內平均地表溫度在各區域的差值結果對比圖
表2 各組影像信息



圖9 兩幅影像在A區域和B區域的各環溫差比較圖  

4 結論與展望

       通過對多幅風向相對影像的地表溫度差值進行對比分析，發現不同區域地表溫度差值存在差異，這種差異與風向的影響密切相關，紫金山對下風區的地表溫度降溫效果要高于上風區。且風速越大，風向對紫金山冷島效應的影響越大，但當前研究屬于定性的分析，風向對紫金山在不同區域影響范圍的確定將在接下來進行定量的研究。

參考文獻

       [1] Peng S，S Peng，P Ciais，et al． Surface Urban Heat Island Across 419 Global Big Cities［J］． Environmental Science ＆Technology，2012，46( 2) : 696-703
       [2] 張艷，鮑文杰，余琦，馬蔚純. 超大城市熱島效應的季節變化特征及其年際差異[J]. 地球物理學報, 2012,55（4）：1121-1128
       [3] 徐偉，朱超，楊曉月，董超. 進10年上海城市熱島效應時空變化特征[J]. 大氣科學研究與應用. 2014,2：65-73
       [4] 陳輝，古琳，黎燕瓊等. 成都市城市森林格局與熱島效應的關系[J]. 生態學報. 2009,29（9）：4865-4874
       [5] 鄧小飛. 城市林業在生態城市建設中的作用[J]. 中國林業. 2003,7（A）：36
       [6] Vu Thanh C, TAsaeda, EMAbu. Reductions in Air Conditioning Energy caused by a nearby Park[J]. Energy and Buildings, 1998,29:83-92
       [7] 覃志豪,張明華,AKarnieli,et al.用陸地衛星TM6數據演算地表溫度的單窗算法[J].地理學報,2001,56（4）：456-466.
       [8] 覃志豪,W Li,M Zhang, AKarnieli, PBerliner.單窗算法的大氣參數估計方法[J].國土資源遙感,2003,56：37-43.

       備注：本文收錄于《建筑環境與能源》2021年4月刊 總第42期（第二十屆全國暖通空調模擬學術年會論文集）。版權歸論文作者所有，任何形式轉載請聯系作者。