基于增強(qiáng)回歸樹(shù)與區(qū)域增溫敏感性指數(shù)的城市升溫效應(yīng)空間分異

孫鳳云,鄧靈稚,劉垚燚,董芊芊,孟 醒,車 越

1 華東師范大學(xué)生態(tài)與環(huán)境科學(xué)學(xué)院,上海 200241 2 上海市城市化生態(tài)過(guò)程與生態(tài)恢復(fù)重點(diǎn)實(shí)驗(yàn)室,上海 200241 3 華東師范大學(xué)地理科學(xué)學(xué)院,上海200241

城市熱島(Urban Heat Island,UHI)是指城市區(qū)域溫度明顯高于周邊鄉(xiāng)村區(qū)域的現(xiàn)象。城市熱島效應(yīng)普遍存在于各城市地區(qū),嚴(yán)重影響城市的宜居性[1]、生產(chǎn)效率[2]和環(huán)境質(zhì)量[3],已成為城市氣象學(xué)、城市地理學(xué)、城市生態(tài)學(xué)、城市規(guī)劃學(xué)等多學(xué)科領(lǐng)域的研究重點(diǎn)和熱點(diǎn)問(wèn)題之一。據(jù)預(yù)測(cè)至21世紀(jì)中葉,全球城市人口將增加25億[4],全球平均溫度將增加0.5℃[5],全球每年遭遇20 d以上致命高溫天氣的人口將增加10%[6],隨著城市化進(jìn)程持續(xù)推進(jìn)、全球氣溫持續(xù)變暖以及極端氣候不斷加劇,勢(shì)必增加城市熱島的負(fù)面效應(yīng)。因此,探討城市地表在升溫過(guò)程中的空間分異具有重要的現(xiàn)實(shí)意義。

針對(duì)熱島效應(yīng)時(shí)空變化特征與成因機(jī)制的研究主要有兩方面特點(diǎn)。一方面,對(duì)熱環(huán)境時(shí)空變化特征的研究多基于單幅高溫影像或者多幅溫度條件相似的遙感影像集,探討同等溫度條件下區(qū)域間溫度變化差異或動(dòng)態(tài)演變。沈中健等利用2016年7月Landsat 8遙感影像分析了廈門(mén)市建筑、植被、水體等地表因素與熱島強(qiáng)度間的空間關(guān)系與響應(yīng)規(guī)律[7]；于琛等利用1995、2005、2015年3期8—10月Landsat遙感影像,探討近20年京津唐主城區(qū)地表熱場(chǎng)的發(fā)展規(guī)律、年際變化和區(qū)域貢獻(xiàn)作用[8]；張偉等基于1984、1995、2000、2006、2010年5期Landsat 遙感影像分析了1984—2010年杭州市熱環(huán)境空間演化規(guī)律[9]。當(dāng)前研究缺乏對(duì)城市地表升溫過(guò)程中的空間分異問(wèn)題的關(guān)注。城市地表溫度變化受城市下墊面性質(zhì)[10]、三維空間格局[11]、人類活動(dòng)[12]、氣候背景[13]]等因素的共同影響,形成復(fù)雜的區(qū)域升溫機(jī)制。探討區(qū)域在地表升溫過(guò)程中的變化特征及敏感性有助于進(jìn)一步揭示城市熱環(huán)境的空間分異機(jī)制。

另一方面,當(dāng)前城市熱島效應(yīng)的空間分異與環(huán)境成因研究多采用相關(guān)性分析、回歸分析、景觀指數(shù)等方法。曹暢等運(yùn)用相關(guān)性分析方法探討了中國(guó)城市熱島及其影響因子的關(guān)系[14]；潘濤等運(yùn)用回歸模型建立了哈爾濱市不透水面與地表溫度的函數(shù)回歸方程,分析了兩者的變化關(guān)系[15]；鄧睿等基于斑塊密度、連通性、多樣性等景觀指數(shù)分析了地表溫度的空間分布與熱力景觀格局演變特征[16]。傳統(tǒng)方法能有效表征特定溫度狀況下熱島效應(yīng)的空間分異,卻難以量化不同溫度梯度下地表升溫的非線性機(jī)制。增強(qiáng)回歸樹(shù)(boosted regression tree,BRT)是一種機(jī)器學(xué)習(xí)算法,善于提取復(fù)雜非線性問(wèn)題的因子貢獻(xiàn)率與各因子的敏感性變化關(guān)系,已成功用于城市熱島[17]、城市擴(kuò)展[18]、流域產(chǎn)水量[19]、以及非點(diǎn)源污染[20]等研究領(lǐng)域。本研究將BRT方法應(yīng)用于地表升溫的區(qū)域分異中,并設(shè)計(jì)“區(qū)域增溫敏感性”指數(shù),以量化區(qū)域在升溫過(guò)程中的敏感程度,以期為城市熱環(huán)境空間調(diào)控提供科學(xué)依據(jù)。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

上海市(120°52′—122°12′E,30°40′—31°53′N)位于中國(guó)東海岸長(zhǎng)江和黃浦江入海交匯處,總面積6340.5 km2,總?cè)丝跀?shù)2428萬(wàn)。上海市屬于副熱帶季風(fēng)氣候,同時(shí)受海陸風(fēng)環(huán)流與城市熱島環(huán)流影響,是極端天氣多發(fā)區(qū)域,近年來(lái)極端高溫天氣頻現(xiàn),最高實(shí)測(cè)氣溫達(dá)40.9℃(2017年8月,徐家匯氣象站)。本研究覆蓋上海市全域16個(gè)市轄區(qū)(圖1),其中包含7個(gè)中心城區(qū)(黃浦、徐匯、長(zhǎng)寧、靜安、普陀、虹口、楊浦),1個(gè)半中心區(qū)半郊區(qū)(浦東新區(qū))和8個(gè)郊區(qū)(閔行、寶山、嘉定、金山、松江、青浦、奉賢、崇明)。上海市是城市化水平最高的國(guó)際化大都市之一,人口、經(jīng)濟(jì)與社會(huì)資源高度集中,選取上海市作為研究案例,對(duì)促進(jìn)全球氣候變化與快速城市化背景下的城市可持續(xù)發(fā)展具有現(xiàn)實(shí)意義。

圖1 上海行政區(qū)劃

1.2 研究數(shù)據(jù)

研究采取2016—2018年間拍攝的5期Landsat 8遙感影像進(jìn)行地表溫度反演(表1),為降低天氣狀況干擾,選取了天氣晴朗,無(wú)云層遮擋,風(fēng)速低緩狀況下所拍攝5期影像,拍攝日期分別為2016年1月26日、2017年2月13日、2017年4月2日、2018年5月23日和2017年8月24日,拍攝日氣溫分別為1—6℃、4—13℃、11—21℃、17—26℃、29—36℃,以表征不同溫度梯度。2017年土地覆被數(shù)據(jù)(圖2)獲取于中國(guó)科學(xué)院地理科學(xué)與資源研究所。為研究需要,將原有土地覆被類型重分類為植被、水體、建設(shè)用地。

表1 遙感影像信息

圖2 研究區(qū)土地覆被信息

2 研究方法

2.1 區(qū)域增溫敏感性指數(shù)定義及表征意義

城市熱環(huán)境的影響因素較為復(fù)雜,區(qū)域間熱島效應(yīng)的驅(qū)動(dòng)機(jī)制存在較大差異[21]。敏感性分析已廣泛應(yīng)用于生態(tài)環(huán)境[22]、水文[23]、氣象[24]等諸多領(lǐng)域,成為探討區(qū)域間空間分異規(guī)律的有效途徑,但目前仍缺少對(duì)區(qū)域溫度變化敏感性程度進(jìn)行定量分析的指數(shù)方法。因此,本研究提出區(qū)域增溫敏感性概念,并設(shè)計(jì)區(qū)域增溫敏感性指數(shù),以量化不同區(qū)域在溫度升高過(guò)程中的敏感性程度,為城市熱環(huán)境變化敏感區(qū)域識(shí)別與空間調(diào)控提供科學(xué)根據(jù)。區(qū)域增溫敏感性是指區(qū)域?qū)ν饨鐪囟壬叩姆磻?yīng)程度,體現(xiàn)區(qū)域溫度變化的難易程度和可能性大小。區(qū)域增溫敏感性指數(shù)的具體表征意義是：對(duì)于一個(gè)研究區(qū)域,當(dāng)其平均溫度從某一溫度升高至另一較高溫度時(shí),用于衡量其內(nèi)部區(qū)域在此過(guò)程中溫度變化的敏感特性以及區(qū)域間溫度變化的差異情況。該指數(shù)值越高代表區(qū)域?qū)囟茸兓撵`敏度越高,即相同的外界升溫條件下,指數(shù)值越高的區(qū)域升溫幅度越大；反之,指數(shù)值越低的區(qū)域升溫幅度也相應(yīng)越小。

本研究基于三個(gè)層次對(duì)區(qū)域增溫敏感性進(jìn)行分析,分別為區(qū)域整體增溫敏感性、區(qū)域梯度增溫敏感性和區(qū)域覆蓋增溫敏感性。區(qū)域整體增溫敏感性是指區(qū)域在所有溫度梯度下整體的增溫敏感性,是衡量區(qū)域升溫敏感狀況的綜合指標(biāo)；區(qū)域梯度增溫敏感性表征在特定溫度變化梯度下區(qū)域增溫的敏感性差異；區(qū)域覆蓋增溫敏感性表征特定土地覆被類型在不同區(qū)域的增溫敏感性差異。

2.2 區(qū)域增溫敏感性指數(shù)計(jì)算原理

當(dāng)前敏感性計(jì)算方法有很多,包括變化率比值[24]、線性回歸模型[23]、神經(jīng)網(wǎng)絡(luò)[25]等,本研究采用在生態(tài)環(huán)境領(lǐng)域應(yīng)用日益廣泛的BRT機(jī)器學(xué)習(xí)算法進(jìn)行敏感性分析。BRT算法結(jié)合了“回歸樹(shù)”與“增強(qiáng)”兩大算法的優(yōu)勢(shì)[26]：回歸樹(shù)算法通過(guò)遞歸將數(shù)據(jù)集切割成多組易于建模的子數(shù)據(jù)集,再利用線性回歸方法對(duì)子數(shù)據(jù)集進(jìn)行建模；增強(qiáng)算法首先構(gòu)造預(yù)測(cè)函數(shù)系列,然后按照一定規(guī)律將各函數(shù)序列組合成預(yù)測(cè)函數(shù)以提高弱分類算法的準(zhǔn)確度。BRT算法原理如下[27-29]：

首先,用f(x)函數(shù)表征因變量y與自變量x之間的關(guān)系,將其初始化為0,

f0(x)=0

(1)

設(shè)m為擬合序列值,擬合回歸樹(shù)的總數(shù)為n棵,當(dāng)m=1：n時(shí),首先計(jì)算所有觀測(cè)數(shù)據(jù)的殘差r,

(2)

其次,利用最小二乘回歸樹(shù)對(duì)殘差r進(jìn)行擬合,以估算βb(x;γm)的值,βb(x;γm)代表單獨(dú)一棵樹(shù)的信息,b的值與所選計(jì)算方法有關(guān),可選方法有多項(xiàng)式與回歸樹(shù)等,β是所選計(jì)算方法估計(jì)參數(shù)集,γm代表分割變量、樹(shù)節(jié)點(diǎn)值和預(yù)測(cè)值。再通過(guò)計(jì)算損失方程L最小值求取βm,βm代表每棵樹(shù)節(jié)點(diǎn)的權(quán)重,并決定著各棵樹(shù)之間的組合方式,

L(y,fm-1(x)+βb(x;γm))

(3)

最后,根據(jù)迭代結(jié)果對(duì)函數(shù)進(jìn)行更新,

fm(x)=fm-1(x)+βmb(x;γm)

(4)

當(dāng)所有的樹(shù)循環(huán)遍歷更新后,計(jì)算最終函數(shù)關(guān)系式,

f(x)=∑mfm(x)

(5)

2.3 區(qū)域增溫敏感性指數(shù)計(jì)算流程

本研究基于BRT算法計(jì)算區(qū)域增溫敏感性指數(shù),包括區(qū)域整體增溫敏感性、區(qū)域梯度增溫敏感性和區(qū)域覆蓋增溫敏感性。計(jì)算流程涉及數(shù)據(jù)收集、遙感處理、指數(shù)計(jì)算、結(jié)果提取4個(gè)方面(圖3)。

圖3 區(qū)域增溫敏感性指數(shù)計(jì)算流程

其中,關(guān)鍵計(jì)算步驟詳述如下：

(1)地表溫度反演。采用輻射傳輸方程法對(duì)Landsat 8 TIRS 10波段進(jìn)行溫度反演[17]。

(2)影像溫度差值求取?；?期遙感影像的地表溫度反演結(jié)果,求取相鄰月份影像的差值,如“差值影像1=影像0213-影像0126”。

(3)差值歸一化處理。為消除差值影像間溫度變化幅度不同引起的差異,對(duì)所有差值影像進(jìn)行歸一化處理,即通過(guò)除以柵格平均值的方式將各差值影像的平均溫度變?yōu)?℃。

(4)BRT模型輸入數(shù)據(jù)制備。首先計(jì)算區(qū)域整體增溫敏感性指數(shù),將4期差值影像中所有柵格像元值作為因變量,將“市轄區(qū)”作為自變量,僅需要執(zhí)行1次BRT計(jì)算。其次計(jì)算各市轄區(qū)的梯度增溫敏感性指數(shù),分別提取4個(gè)溫度梯度的柵格像元值作為因變量,將“市轄區(qū)”作為自變量,共需要執(zhí)行4次BRT計(jì)算。最后求取區(qū)域覆蓋增溫敏感性指數(shù),分別提取植被、水體、建設(shè)用地的柵格像元值作為因變量,將“市轄區(qū)”作為自變量,共需要執(zhí)行3次BRT計(jì)算。

(5)執(zhí)行BRT計(jì)算。在R語(yǔ)言中分別加載模型輸入表,多次調(diào)用“dismo”軟件包執(zhí)行敏感性計(jì)算。模型學(xué)習(xí)速率設(shè)置為0.005,每次抽取50%數(shù)據(jù)用于分析,50%用于訓(xùn)練,進(jìn)行10次交叉驗(yàn)證。

(6)提取指數(shù)結(jié)果。各自變量邊際效應(yīng)的計(jì)算結(jié)果即為敏感性指數(shù)的計(jì)算結(jié)果。

3 結(jié)果與分析

3.1 地表溫度的空間分異

Landsat 8遙感影像地表溫度反演結(jié)果顯示,5期遙感影像地表溫度格局存在明顯空間分異(圖4)。影像0126、影像0213、影像0402、影像0523、影像0824的平均溫度及溫度范圍依次為6.4℃(-16.7—22.6℃)、14.1 ℃(-12.7—29.3℃)、22.3℃(-3.8—38.8℃)、28.7℃(10.3—51.2℃)以及37.9℃(24.7—63.0℃),具有梯度升高的特征。相鄰影像平均溫度差分別為7.7℃(影像0213-影像0126)、8.2℃(影像0402—影像0213)、6.4℃(影像0523—影像0402)和9.2℃(影像0824—影像0523)。總體而言,在同一溫度梯度下,空間上形成了多個(gè)熱島強(qiáng)度相對(duì)較高的區(qū)域；而在城市升溫歷程中,熱島強(qiáng)度相對(duì)較高的區(qū)域在空間上存在擴(kuò)散和轉(zhuǎn)移。

圖4 上海市地表溫度反演結(jié)果

3.2 區(qū)域整體增溫敏感性

由圖5可以看出,上海市的區(qū)域增溫敏感性指數(shù)具有明顯的區(qū)域差異。16個(gè)市轄區(qū)的區(qū)域增溫敏感性由高至低排序依次為：黃浦區(qū)(1.09)>楊浦區(qū)(1.09)>虹口區(qū)(1.08)>靜安區(qū)(1.08)>普陀區(qū)(1.08)>徐匯區(qū)(1.07)>長(zhǎng)寧區(qū)(1.07)>寶山區(qū)(1.06)>閔行區(qū)(1.05)>浦東新區(qū)(1.03)>嘉定區(qū)(1.03)>奉賢區(qū)(1.00)>松江區(qū)(0.98)>青浦區(qū)(0.97)>金山區(qū)(0.97)>崇明區(qū)(0.96)。區(qū)域敏感性的高低與上海市各區(qū)的開(kāi)發(fā)強(qiáng)度具有一定相關(guān)性,開(kāi)發(fā)強(qiáng)度較高的黃浦、楊浦、虹口、靜安等中心城區(qū)整體增溫敏感性值較高,而開(kāi)發(fā)強(qiáng)度相對(duì)較低的青浦、金山和崇明等郊區(qū)增溫敏感性值較低。本結(jié)果與大量的觀測(cè)證據(jù)及研究結(jié)論相符[30-31],表明區(qū)域增溫敏感性結(jié)果能較好地體現(xiàn)區(qū)域間差異,基于BRT算法的區(qū)域增溫敏感性指數(shù)具有較高的靈敏性。

圖5 上海各市轄區(qū)整體增溫敏感性

3.3 區(qū)域梯度增溫敏感性

由圖6可以看出,地表溫度由6.4℃(影像0126)升高至37.9℃(影像0824)的四個(gè)增溫階段各轄區(qū)的區(qū)域梯度增溫敏感性存在明顯差異。例如,浦東新區(qū)和奉賢區(qū)隨溫度變化的敏感性在增溫0126—0213、增溫0213—0402和增溫0402—0523歷程中均處于較低水平(0.96—1.00),而增溫敏感性在增溫0523—0824階段卻處于較高水平(1.12—1.14)。該現(xiàn)象可能是地表溫度變化和影像拍攝季節(jié)共同作用的結(jié)果,一方面地表溫度變化本身具有顯著的非線性變化特征,這種特征可能存在拐點(diǎn),導(dǎo)致拐點(diǎn)前后的響應(yīng)關(guān)系發(fā)生改變[21]；另一方面,研究影像源于不同季節(jié), Landsat 8重訪周期較長(zhǎng)(16 d),在植被覆蓋率[32-33]、地表反照率[34-35]、太陽(yáng)輻射強(qiáng)度[36]、晝夜溫差[37]、人為熱排放[38]等方面具有一定差異,從而對(duì)城市地表升溫變化產(chǎn)生重要影響。

圖6 區(qū)域梯度增溫敏感性

3.4 區(qū)域覆被增溫敏感性

由圖7可以看出,各覆被類型的增溫敏感性從中心城區(qū)至郊區(qū)均呈下降的趨勢(shì),且建設(shè)用地的增溫敏感性始終高于植被與水體的增溫敏感性。

圖7 上海各行政分區(qū)植被覆蓋的區(qū)域增溫敏感性

從建設(shè)用地增溫敏感性來(lái)看,其隨開(kāi)發(fā)強(qiáng)度遞減而呈現(xiàn)階梯性下降趨勢(shì),表現(xiàn)出明顯的城市建設(shè)發(fā)展區(qū)域性差異。通常植被與水體的降溫效應(yīng)受建設(shè)用地布局的影響[39],而建設(shè)用地的增溫效應(yīng)同樣受周圍環(huán)境影響,所以高開(kāi)發(fā)強(qiáng)度區(qū)域內(nèi)建設(shè)用地的增溫效應(yīng)比低開(kāi)發(fā)強(qiáng)度區(qū)域內(nèi)建設(shè)用地的增溫效應(yīng)更加顯著。Zheng等[40]研究表明當(dāng)研究區(qū)域不透水面比率高于50%時(shí),空間自相關(guān)程度與城市地表溫度的相關(guān)性更加顯著,與本研究結(jié)果相符。以水泥建筑材料為主的不透水面具有較高的熱輻射能力,其與地表溫度間并非簡(jiǎn)單的線性關(guān)系[10],且不透水面越集中,對(duì)公園冷島效應(yīng)的抑制作用就越強(qiáng)[41]。

從植被增溫敏感性來(lái)看,其增溫敏感性同樣受城市建設(shè)發(fā)展程度影響。植被增溫敏感性的衰減比率高于建設(shè)用地的衰減比率,且城市建設(shè)發(fā)展程度越低,植被增溫敏感性與建筑增溫敏感性的差異越顯著。市中心的長(zhǎng)寧、楊浦和普陀區(qū)植被的增溫敏感性較低,由于該三個(gè)區(qū)內(nèi)均有大片綠地,其中長(zhǎng)寧區(qū)的上海動(dòng)物園(74萬(wàn)m2)、楊浦區(qū)的共青國(guó)家森林公園(131萬(wàn)m2)、普陀區(qū)的桃浦中央綠地(100萬(wàn)m2)等。大面積綠地能夠改善城市下墊面的熱力學(xué)性質(zhì),促進(jìn)空氣冷卻及循環(huán)流動(dòng),從而對(duì)控制熱島效應(yīng)的擴(kuò)散起到促進(jìn)作用[41]。此外大片綠地的降溫效應(yīng)受城市硬質(zhì)化鋪裝的侵蝕程度較低,所以體現(xiàn)在區(qū)域的增溫敏感性也相應(yīng)較低。崇明區(qū)為上海開(kāi)發(fā)強(qiáng)度最低的轄區(qū),建設(shè)用地占比低,植被覆蓋率高,大片綠地的降溫效應(yīng)得以充分體現(xiàn),故其植被的增溫敏感性也最低。該結(jié)果表明,基于BRT的區(qū)域增溫敏感性指數(shù)對(duì)植被的冷島效應(yīng)具有較好的捕捉能力。

從水體增溫敏感性來(lái)看,其區(qū)域間變化方差明顯高于建設(shè)用地與植被。中心城區(qū)靜安、普陀、長(zhǎng)寧三區(qū)水體增溫敏感性異常偏高。由于此3區(qū)不與黃浦江接壤,且區(qū)域內(nèi)無(wú)大規(guī)模水體,而其他細(xì)小緩慢水體的控溫效應(yīng)有限,極易受周圍硬質(zhì)化材質(zhì)蠶食。青浦區(qū)水體的增溫敏感性最低(0.91),表明其水體溫度變化惰性最高,可能是因?yàn)榍嗥謪^(qū)水系發(fā)達(dá)、湖蕩群集,是上海市河湖水面率最高的轄區(qū)(2017年水面率為18.56%)。水的比熱容大,且大片連通水體的抗干擾能力強(qiáng)、控溫效果好[42],故溫度升高緩慢。該結(jié)果亦表明,基于BRT的區(qū)域增溫敏感性指數(shù)對(duì)水體降溫效應(yīng)具有較高的靈敏度。

4 討論

4.1 區(qū)域敏感性差異的研究啟示

分析地表溫度動(dòng)態(tài)演變規(guī)律是當(dāng)前熱島效應(yīng)研究的重要內(nèi)容之一,不同時(shí)期所拍攝的遙感影像數(shù)據(jù)是分析動(dòng)態(tài)演變規(guī)律的基礎(chǔ)[7,43]。但是,目前對(duì)如何選取遙感影像,以及如何控制影像質(zhì)量以減少外界干擾因素等問(wèn)題仍缺乏系統(tǒng)探討。季節(jié)差異和局地天氣擾動(dòng)對(duì)城市熱力狀況具有不容忽視的影響[44]。此外,在城市下墊面、經(jīng)濟(jì)發(fā)展、天氣狀況相似的情況下,區(qū)域間的升溫變化機(jī)制是較為復(fù)雜的,且存在的干擾因素較多,可能會(huì)對(duì)計(jì)算結(jié)果產(chǎn)生一定偏差。因此,關(guān)于地表溫度動(dòng)態(tài)演變研究中影像的選取標(biāo)準(zhǔn)及質(zhì)量控制值得進(jìn)一步探討。

地表升溫過(guò)程中各區(qū)域溫度變化速率不同,可能導(dǎo)致溫度梯度發(fā)生改變時(shí),各因素對(duì)地表溫度的影響程度及閾值也隨之發(fā)生變化。Li等基于2001年3月13日和2001年7月3日兩期遙感影像,分析了NDVI指數(shù)、植被覆蓋率和不透水面率3個(gè)因子與地表溫度間的變化關(guān)系,結(jié)果表明高溫梯度下因子對(duì)地表溫度的影響程度更加劇烈[45]。此外,研究發(fā)現(xiàn)最高升溫梯度(28.7—37.9℃)的區(qū)域敏感性反差明顯高于其它升溫梯度,表明區(qū)域升溫速率在極端高溫情況下存在急劇變化的可能?？傮w而言,地表溫度與影響因子的相互關(guān)系應(yīng)在特定溫度梯度下探討,而當(dāng)溫度梯度發(fā)生改變時(shí),原有的響應(yīng)關(guān)系不一定仍然成立。響應(yīng)關(guān)系的改變會(huì)影響地表熱量分配,可能對(duì)地表熱量擴(kuò)散傳輸、人類健康以及植被生長(zhǎng)造成負(fù)面影響[46]。據(jù)預(yù)測(cè),未來(lái)極端天氣事件和極端氣候事件的發(fā)生概率有增加的風(fēng)險(xiǎn),溫度變化范圍及幅度出現(xiàn)極端波動(dòng)的可能性也將變大。因此,極端高溫情況下的地表升溫機(jī)制應(yīng)引起重視。

4.2 區(qū)域敏感性指數(shù)的規(guī)劃啟示

改善城市熱環(huán)境是城市規(guī)劃與管理的重要工作內(nèi)容之一。國(guó)家住房和城鄉(xiāng)建設(shè)部分別于2013年9月和2015年11月發(fā)布的《城市居住區(qū)熱環(huán)境設(shè)計(jì)標(biāo)準(zhǔn)(JGJ286—2013)》和《城市生態(tài)建設(shè)環(huán)境評(píng)估導(dǎo)則(試行)》,將城市熱環(huán)境質(zhì)量列為我國(guó)城市建設(shè)發(fā)展的評(píng)估考核指標(biāo)。區(qū)域敏感性指數(shù)具有明確的指示意義和評(píng)估效能,可定位在特定溫度梯度下需調(diào)控的城市區(qū)域,與評(píng)估考核與規(guī)劃管理實(shí)踐有效對(duì)接。值得注意的是本研究采用行政分區(qū)作為研究單元,而非熱島效應(yīng)研究常關(guān)注的功能單元或者小尺度研究單元,其目的是讓研究結(jié)果更直觀、更清晰。區(qū)域敏感性指數(shù)的計(jì)算可根據(jù)研究或規(guī)劃需要,靈活選取研究尺度及分割單元,以便更準(zhǔn)確定位需調(diào)控的區(qū)域。對(duì)于升溫敏感性異常的區(qū)域,尤其是在較高溫度梯度下升溫敏感的區(qū)域,熱環(huán)境規(guī)劃設(shè)計(jì)與管理工作者應(yīng)給予重視。

上海中心城區(qū)增溫敏感性高,這與多位學(xué)者的研究結(jié)果相似[30, 42, 47]。研究指出,開(kāi)發(fā)強(qiáng)度、能源消耗和人口密度是上海中心城區(qū)熱島效應(yīng)形成的主要因素：(1)開(kāi)發(fā)強(qiáng)度高的區(qū)域不透水面比率相對(duì)較高,不透水鋪裝與自然植被相比具有反射率小、熱容量大、蒸散發(fā)作用微弱等特性,使得相同外界升溫條件下不透水鋪裝的升溫幅度明顯高于自然植被[10]；(2)排序高的中心城區(qū)與郊區(qū)相比具有樓房密度高、建筑高聳,樓間距小等特征,這些特征導(dǎo)致這些區(qū)域在白天集聚吸收大量的太陽(yáng)輻射,且在建筑立面間反復(fù)攔截吸收,集聚熱量,而在夜晚卻阻擋地面長(zhǎng)波輻射的散發(fā),地表熱量滯留,導(dǎo)致地表增溫敏感性較高[31]；(3)開(kāi)發(fā)強(qiáng)度較高的地區(qū)人口緊密,交通擁擠,人為熱排放和碳排放的強(qiáng)度也相應(yīng)較高,導(dǎo)致區(qū)域熱環(huán)境進(jìn)一步惡化[12,37]。這些因素之間相互疊加耦合,導(dǎo)致區(qū)域間的溫度變化敏感特性差異顯著。上海市中心城區(qū)土地利用率高,重新規(guī)劃成本高且難度大,所以優(yōu)化景觀格局可作為熱環(huán)境調(diào)控的主要手段[36],如使用綠色屋頂可提升城市綠地的立體空間。另外,人類活動(dòng)每產(chǎn)生60W/m2的熱量可使室外氣溫增加0.8℃,商業(yè)區(qū)190 W/m2的熱量可使室外氣溫增加2.8℃[48]。因此,減少人為熱排放、提高節(jié)能意識(shí)也可作為上海市中心城區(qū)熱環(huán)境調(diào)控的手段。

5 結(jié)論

本研究以上海16個(gè)市轄區(qū)為研究對(duì)象,基于landsat 8遙感影像數(shù)據(jù)集,結(jié)合BRT機(jī)器學(xué)習(xí)算法,提出了區(qū)域增溫敏感性指數(shù)。從區(qū)域整體增溫敏感性、區(qū)域梯度增溫敏感性、區(qū)域覆被增溫敏感性三個(gè)視角對(duì)不同區(qū)域的溫度敏感性特征進(jìn)行了探討,得出以下結(jié)論：

(1)上海市各轄區(qū)增溫敏感性隨城市建設(shè)發(fā)展水平不同而具有明顯差異。區(qū)域增溫敏感性由高至低排序?yàn)椋狐S浦區(qū)>楊浦區(qū)>虹口區(qū)>靜安區(qū)>普陀區(qū)>徐匯區(qū)>長(zhǎng)寧區(qū)>寶山區(qū)>閔行區(qū)>浦東新區(qū)>嘉定區(qū)>奉賢區(qū)>松江區(qū)>青浦區(qū)>金山區(qū)>崇明區(qū),具有中心城區(qū)排序靠前,郊區(qū)排序靠后的規(guī)律,與區(qū)域發(fā)展強(qiáng)度相關(guān)。且具有城市建設(shè)發(fā)展程度越低,植被增溫敏感性與建筑增溫敏感性的差異越顯著的規(guī)律。

(2)區(qū)域增溫敏感性具有明顯的溫度梯度差異。增溫敏感性在最高溫梯度(28.7—37.9℃)的區(qū)域變異性最大,其它三個(gè)相對(duì)較低的溫度梯度內(nèi)區(qū)域差異均較平穩(wěn)。表明區(qū)域增溫具有非線性變化特征,且異常高溫天氣的區(qū)域熱力不平等性加劇,所以高溫梯度下的熱力格局特征及區(qū)域增溫敏感性尤其值得關(guān)注。該問(wèn)題的探討有助于防范極端氣候變化下的高溫風(fēng)險(xiǎn)。

(3)不同地表覆蓋的控溫效應(yīng)具有明顯區(qū)域異質(zhì)性。當(dāng)?shù)乇砩郎貢r(shí),覆被升溫狀況不僅受自身性質(zhì)的控制,同時(shí)還受環(huán)境影響,具有明顯的區(qū)域差異特性。在各區(qū)域中,建設(shè)用地增溫敏感性始終高于植被與水體的增溫敏感性。這是因?yàn)?大片綠地及水體抗干擾能力強(qiáng),易形成良好的控溫效應(yīng),而高度城市化區(qū)域內(nèi)的細(xì)小河流水體及綠地的控溫能力較差,易受硬質(zhì)鋪裝蠶食。

(4)基于BRT的增溫敏感性指數(shù)具有較好的指示意義和較高的靈敏度。區(qū)域增溫敏感性指數(shù)是一個(gè)綜合指數(shù),可表征區(qū)域受多重因素共同影響的集成增溫效應(yīng)。該指數(shù)指示意義明確,靈敏度高,使用靈活,可與城市規(guī)劃有效對(duì)接,加強(qiáng)區(qū)域間溫度敏感性的橫向比較。