本站小編為你精心準備了城市熱環境風險預測及時空格局參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：人類活動改變土地利用／覆被所誘發的城市熱環境風險成為影響城市化進程和城市生態環境可持續發展的重大阻礙。但是，當前熱環境風險識別、評估和預控技術和方法缺失使得城市熱環境安全防范和調控措施相對滯后。構建城市熱環境風險預測模型：（1）將不同時期的地表溫度進行正規化分級；（2）構建基于MARKOV⁃CA的城市熱環境時空過程預測模型并驗證其精度；（3）建立城市熱環境風險評判規則并分析城市熱環境風險時空格局特征。通過2005—2015年夏季MODIS地表溫度產品及1：10萬土地利用現狀遙感監測數據預測2015—2020年北京市城市熱環境風險時空格局并分析其特征。北京市城市熱環境風險呈增加趨勢，其中極高風險區面積比例從9．66％上升到12．08％，極高風險等級區域主要分布于東西城區、朝陽區、豐臺區、石景山區、海淀區東部、大興區西北部，并逐漸向東西方向延伸，斑塊數量增加，聚合程度也有所提高。城市熱環境風險預測模型可對通過城市空間規劃調控和防范城市熱島效應提供理論和技術支撐。

關鍵詞：熱環境風險；時空格局；地表溫度；土地利用；MARKOV⁃CA模型；北京市

城市熱島作為城市化進程的產物，是城區溫度明顯高于郊區的現象［1］。城市發展不斷改變下墊面形態特征和土地利用／覆被，造成潛熱通量減小和顯熱通量增加，城市熱島效應日益嚴重［2］。同時，為消除城市熱島效應產生負面效應所付出的經濟代價也是極為巨大的。現階段，熱環境安全作為城市生態安全的重要組成部分，成為影響城市生態環境和可持續發展的重大風險問題［3］。保障城市熱環境安全的前提是通過熱環境時空格局和過程模擬與預測實現熱環境風險的識別、評估和預控。但是，當前城市熱環境風險研究沒有引起足夠重視，熱環境風險分級標準的缺失也使得城市熱環境安全防范和調控措施相對滯后［4］。學者先后通過數理統計模型、能量平衡模型、數值模型、解析模型和物理模型等理論和技術方法模擬與預測城市熱環境時空格局和過程［5］。數理統計模型通常利用統計規律建立城市熱環境時間序列趨勢方程，但并未真正揭示熱環境空間格局變化過程［6⁃9］；能量平衡模型更加關注城市與周圍地區進行的熱量傳遞、交換關系，對于城市熱環境在微觀尺度上的形成機理研究較為深入，但因所需參數過多導致宏觀尺度熱環境時空變化過程分析難度較大［10⁃11］；數值模型是以熱力學和動力學為基礎，模擬和預測不同時空尺度下城市熱環境格局和過程。盡管數值模型彌補了統計模型和能量平衡模型的不足，但下墊面性質（如城市人為熱源、城市建筑物）及其所處的地形特征會使模擬結果異常敏感［12⁃15］；解析模型通過重新建立熱環境模型參數、初始條件和其他輸入信息以及模擬時間和結果之間的關系，可以直觀揭示城市熱環境及其影響因素的波動性質，但模型所設置的多種理想條件難免會與現實條件有一定偏離［16］；物理模型中最常見的風洞試驗，將研究區場景按一定比例微縮，模擬氣體和熱量交換過程，更加真實地反映城市熱島變化以及不同參數變化對熱島強度的影響，但其研究成本高昂。當前城市熱環境模擬預測的諸多方法無法平衡空間精度和模型復雜度的要求，簡單的數理統計方法無法實現城市熱環境空間格局的預測，而較復雜的能量平衡模型、解析模型和物理模型受制于硬件環境和人為經驗等難以廣泛應用。因此，如何實現城市熱環境風險的快速精準預測是未來研究的重點。當前，GIS和遙感技術的發展則有效推動了城市熱環境時空格局和過程模擬與預測研究，在提高空間精度和簡化模擬過程中具有顯著意義。尤其通過土地利用／覆被及時空格局變化揭示城市地表能量吸收和傳輸機制，成為當前研究城市熱環境時空異質性和格局過程預測的重要研究方法和手段。本文擬構建基于MARKOV⁃CA（CellularAutomata）的城市熱環境風險預測模型，以北京市為研究區，根據土地利用和城市熱環境等級的空間匹配性，計算熱環境等級與土地利用及其空間變化的概率關系，并將其作為CA模型迭代因子層。從空間和時間兩個維度上，建立基于土地利用類型的城市熱環境時空演化預測方法，大大降低了熱環境模擬的復雜過程，實現城市熱環境快速精準預測。在此基礎上，構建基于現狀風險與預測風險的城市熱環境風險劃分標準，預測城市熱環境風險時空格局，為城市總體規劃和城市生態安全保護提供決策支持，最終實現城市熱環境風險防范和調控。

1研究區域與數據來源

1．1研究區概況

北京市地處華北平原北部，面積1．68×105km2，地勢西北高、東南低，屬溫帶大陸性季風氣候，夏季炎熱多雨，冬季寒冷干燥，年平均氣溫為10—12℃，年平均降水量為600—700mm。作為我國政治、文化和國際交往中心，近50年來，北京市基本建設投資增加近390倍，城市人口增加6．5倍，線性增溫速率達到0．36℃／10a［17］。2012年北京市熱島足跡面積比2001年增加1．4倍［18］，嚴重干擾其生態壞境可持續發展［19⁃21］。北京市單核心圈層式發展模式極易影響其城市熱環境，而其城市空間發展模式又代表著我國大部分城市發展共性。研究表明，當建設用地面積比例超過50％時，該區域會產生顯著的熱島效應［18］。因此，從土地利用角度預測北京市城市熱環境風險，可為我國城市生態安全防控提供理論和技術支撐。

1．2數據來源

由于MODIS具有高時間分辨率優勢，可保證區域地表溫度年際和季節變化規律對比分析的時間一致性。本文使用2005年和2015年夏季（6—8月）MODIS地表溫度8天合成產品（MOD11A2）表征城市熱環境時空格局和過程，每年包括13期數據，覆蓋研究區需要4景影像進行鑲嵌處理。MODIS地表溫度產品使用分裂窗算法，由MODIS的第31通道（10．780—11．280μm）和第32通道（11．770—12．270μm）地表比輻射率和亮溫作為輸入條件反演得到，空間分辨率為1km。大量研究表明，MODIS分裂窗算法反演得到的地表溫度達到了1K的精度［22］。原始MODIS地表溫度產品為HDF格式，需使用MODISReprojectionTools軟件進行幾何糾正和重采樣等預處理，數據存儲為GEOTIFF格式，輸出投影Geographic，基準面是WGS84。對預處理后的數據，需要進一步將其像元灰度值轉為地表實際溫度值。在計算季節地表平均溫度時需進行云掩膜處理，對被云覆蓋的像元不進行計算，從而去除溫度的離群值，最終得到北京市2005和2015年夏季平均地表溫度空間分布數據。

2研究方法

首先根據2005年和2010年城市熱環境空間格局建立城市熱環境分級空間轉移矩陣，并進一步與2005年土地利用類型空間格局耦合，構建熱環境分級變化與土地利用類型空間關系矩陣；其次，將所構建的城市熱環境分級空間轉移矩陣、熱環境分級變化與土地利用類型空間關系矩陣分別作為MARKOV和CA規則，預測2015年熱環境空間格局并通過2015年熱環境空間格局現狀進行驗證，最終預測2020年北京城市熱環境風險空間格局。

2．1地表溫度等級劃分根據已有研究結果，北京市夏季城市熱島范圍和強度最為顯著［18］。因此，本文主要對北京市夏季城市熱島時空格局及熱環境風險進行預測。

2．2城市熱環境空間格局預測

城市熱環境空間格局預測需要明確不同熱環境等級的像元數量及其空間位置。不同熱環境等級的像元數量基于MARKOV過程模型定量計算［5］；同時，根據兩期熱環境等級變化及其與土地利用類型的空間關系建立CA空間過程規則［9，25］，從而預測目標年份熱環境等級空間分布。

2．3熱環境風險等級劃分標準

基于前后兩期熱環境等級建立城市熱環境風險等級標準。風險等級劃分為極高風險、高風險、臨界風險、較安全和理想安全5級，不同風險等級具有不同的指示意義。

3結果與分析

3．1基于MARKOV過程的城市熱環境分級時空規則通過分析2005—2010年北京市熱力等級時空格局特征，2005年高溫區域主要分布于東城區、西城區以及朝陽區西南部、大興區西部、豐臺區中部、石景山區南部和順義區首都國際機場區域，高溫斑塊分布較為分散；朝陽區、海淀區、石景山區、豐臺區、大興區以及順義區幾乎均處于次高溫區，通州北部、昌平區中東部、房山區東部和延慶區西部也有大片次高溫區熱力斑塊分布；低溫區域主要分布于懷柔區中部和密云區密云水庫周邊。2010年，北京市建成區城市熱島效應進一步加劇，豐臺區東部和大興區北部出現新的高溫區域，并且原有的高溫區域進一步擴大。

3．2基于CA過程的土地利用類型與城市熱環境分級變化空間規則耦合土地利用類型和城市熱環境等級空間變化關系，分析北京市2005—2010年城市熱環境分級變化與土地利用類型相關關系（表5）。林地在保持低溫情況下比例為88．66％，在低溫區域轉向次低溫區域比例高達94．27％；耕地主要分布于中溫條件和次高溫條件，在中溫轉向次高溫區域和保持次高溫比例都超過50％；城市建設用地主要分布在高溫區域，其中保持高溫情況下，城市建設用地比例為69．73％。根據土地利用類型與城市熱環境分級變化空間規律，建立2015年北京市城市熱環境分級空間分布概率。

3．3城市熱環境空間格局預測及驗證首先，通過2005—2010年城市熱環境分級時空變化MARKOV過程計算2015年北京市熱環境各等級像元數量；在此基礎上，耦合土地利用類型與城市熱環境分級變化CA過程所生成的2015年北京市熱環境分級空間分布概率，預測2015年北京市熱環境分級空間分布（圖5）。北京市高溫等級區域集中在以東西城區為中心的城市中心區域并有向南延伸的趨勢，其中朝陽區中西南大部分地區、海淀區東南部、石景山區中南部、豐臺區中東部、大興區西北部及順義區西南部熱島效應進一步加?。黄焦葏^、昌平區、順義區次高溫等級區域繼續擴大；門頭溝區西北部、延慶區西部、懷柔區中部和密云水庫地區仍保持低溫等級。對比北京市2015年熱環境分級空間現狀，熱環境分級空間分布預測與真實結果具有較高一致性（Kappa系數為0．73）。

3．4城市熱環境風險時空格局變化特征根據城市熱環境風險等級劃分標準，分析2015—2020年北京市城市熱環境風險時空格局變化特征（圖6和表6）。2015年北京市熱環境高風險區比例最高，達到36．16％，主要分布在通州區、大興區和房山區東部、豐臺區西部、朝陽區東北部、順義區、平谷區中南部、密云區南部和懷柔區東南部地區；極高風險區比例為9．66％，集中于東西城區、朝陽區、豐臺區、石景山區、海淀區東部和大興區西北部；臨界安全區和較安全區占比分別為26．64％和22．51％，主要分布在高風險區外圍的房山區、門頭溝區、昌平區、懷柔區、延慶區和密云區；熱環境風險理想安全區域僅占全市面積的5．02％，分布在懷柔區中部、門頭溝區和延慶區西部。

4討論與結論

本文構建了基于MARKOV⁃CA的城市熱環境風險預測模型，預測2015—2020年城市熱環境風險時空格局及其變化特征。所構建的城市熱環境風險預測模型以土地利用類型與熱力等級的空間匹配性作為CA模型因子進行迭代分析，預測未來熱環境空間格局，并顯示出較好的熱力等級模擬效果，2015年模擬情況與真實情況的Kappa系數為0．73，該模型在一定程度可替代復雜的解析模擬模型。在此基礎上，所構建的基于現狀風險與預測風險的城市熱環境風險劃分標準，從時間過程角度實現熱環境風險空間評估，具有較強的實踐性。本文研究結果如下：2020年北京市熱環境極高風險區域將進一步擴大，所占比例達到12．08％，有向東西方向延伸的趨勢并且空間聚合程度有所提高；高風險區所占比例較2015年下降至28．96％，但斑塊數量明顯增加，斑塊形狀更為復雜，空間破碎化程度有所增加；理想安全區域面積逐步減小，多出現于北京市西部邊緣地區?；谏鲜鲅芯拷Y果進一步提出城市熱環境空間調控措施：在空間上，城市建設用地與極高風險區和高風險區具有極高的空間相關性，因此優化多種土地利用類型空間配置，通過科學設置生態用地分割連片的城市建設用地對于防范城市熱環境風險具有重要意義；從管理上，嚴格控制城市建設用地增長數量，劃定城市增長邊界，對不同熱環境風險等級區域采取不同的發展控制手段，在熱環境安全較好區域可進行適度的城市用地挖潛，在熱環境極高風險區嚴禁繼續高強度開發并發展有效降溫措施。

本研究所構建的城市熱環境風險預測模型的最大優勢是可基于土地利用類型與熱力等級的空間關系快速預測未來城市熱環境風險空間格局，可為熱環境調控政策提供判定依據和決策支持，為城市生態評估提供可靠的評價方法，有利于輔助城市規劃中各類限制界線的劃定。模型具有較高的模擬和預測精度，但是仍具有較高的提升空間。一方面，所使用的MODIS地表溫度產品和土地利用數據空間分辨率均為1km，這在很大程度上影響預測精度。同時，本研究僅使用土地利用一級分類建立其與熱環境的空間耦合規律。但是土地利用類型內部結構在一定程度上也會影響地表能量平衡過程，如林地蓋度影響地表粗糙度、土壤濕度影響地表反照率和能量平衡過程、建筑形態及空間布局影響城市通風環境等，并最終影響城市熱環境。因此，應進一步提高地表溫度產品和土地利用數據的空間分辨率，深入挖掘地表溫度與土地利用／覆被空間關系特征規律；另一方面，地形等自然因素會影響城市熱環境。盡管本研究所使用的CA所具有的空間模擬優勢在一定程度上能夠減小空間異質性所帶來模擬精度的降低，但是人為熱排放等社會經濟因素對于熱環境的影響應進一步考慮，從而提高熱環境風險預測的科學性。

作者：喬治1，孫宗耀2，孫希華2，徐新良3，楊俊4 單位：1天津大學環境科學與工程學院，2山東師范大學，地理與環境學院，3中國科學院地理科學與資源研究所，4遼寧師范大學人居環境研究中心