您的浏览器不支持JavaScript,请开启后继续

China Heating,Ventilation and Air Conditioning
联系热线:010-64693287 / 010-64693285

风向对大尺度山体绿地冷岛效应的影响研究

  • 作者:
  • 中国暖通空调网
  • 发布时间:
  • 2022-01-10

东南大学建筑学院  宋丹,金星,周欣
同济大学建筑与城市规划学院  石邢

       【摘  要】大尺度山体绿地在城市中会呈现出明显的冷岛效应,因此其在调节城市微气候方面可以发挥显著的作用。本文以南京紫金山为研究对象,基于2013-2020年间13幅Landsat8卫星遥感数据分析了风向对紫金山冷岛效应的影响。首先利用单窗算法反演得到地表温度,并以卫星过境时间前四小时的加权风向作为影像的风向,然后提出以两幅遥感影像相互对比的方案来探究风向的影响。结果显示风向会明显影响大尺度山体绿地对周围环境的降温效果,而且风速越大,相应的影响程度也越大。本研究可为城市微气候分析以及相应的城市规划研究提供很好的数据支撑。 

       【关键词】风向;卫星遥感;冷岛效应;城市热岛;大尺度山体绿地

       【基金项目】国家自然科学基金(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

       城市热岛效应是指城市市区内的温度高于周边郊区温度的现象。Shushi Peng等人通过对全球419个大城市卫星遥感图像分析后发现,热岛现象已经成为全球趋势[1]。随着我国城市化进程的加快,各城市尤其是各中心城市的热岛效应更加明显,以上海为例,上海市热岛效应呈现逐年增长的趋势,年平均热岛强度达到1.17℃ [2],热岛强度增长的速率约为0.15~0.17℃/(10a)[3]。城市热岛在一定程度上增加了极端气候的产生,危害城市居民的健康 ,加重城市污染和能源消耗。目前常用的缓解城市热岛效应的方法包括提高城市绿化率、选择合适的建筑与地面材料、合理的城市规划和城市设计等。其中增加植被面积从生态综合效益以及有效程度来看被认为是最优的方式。相比于建筑物聚集区域,大面积植被区域会呈现出冷岛效应。在绿化覆盖率相同的情况下,大面积集中绿地的降温效果优于多个小型绿地的集合[4],其中城市大尺度森林绿地作为自然景观,不但能给城市带来很高的生态效益,在夏天,甚至能降低周围环境温度达3~5°[5]

       目前对于绿地冷岛效应影响因素的研究,通常都是从绿地自身特征要素入手,而少有外界环境要素的分析。众所周知,风速会影响物体表面的对流换热,而风向会影响气流的流动方向,当风向不同时,绿地冷岛处形成的温度较低的空气将被输送到方位不同的周边区域,进而影响该区域的温度。故而风向理论上会影响绿地对周边区域的降温效果。目前以风向为影响因素来探究绿地冷岛效应的研究很少,文献中只有少数的几篇,比如Vu Thanh Ca等人利用实测数据对东京公园冷岛效应强度进行分析,在有风的条件下,背风处冷却范围达250m,顺风处可达1000m[6]。但这些有限的研究也都仅局限于面积较小的城市公园绿地,对于面积较大的山体绿地研究并未涉及,其实国内外不少城市内部都存有面积较大的山体,比如南京紫金山、广州白云山、深圳阳台山等,大面积山体植被对周围热环境的影响是否受风向的影响等问题值得进行探究。目前风环境的研究通常都采用现场实测的手段,现场实测虽然具有单个数据精度较高的优点,但存在测点不连续、需要进行多点测量而且测点位置选择要求也较高的问题,这显然不适用于大尺度范围的研究。而卫星遥感相比于传统的现场实测的方法具有时间、空间分辨率高且获取容易的优点。基于以上分析,本文将以南京市紫金山为研究对象,利用Landsat8卫星遥感影像作为数据源,探究风向对大尺度山地绿地冷岛效应的影响。

1 研究范围与数据来源

       1.1 研究范围


图1 研究区范围

       南京市紫金山位于玄武区境内,方圆31平方公里,森林面积三万余亩,占南京城市森林面积的15.6%。紫金山周围城市建设良好,山脚最近处距离南京市商业中心新街口的直线距离约3.5km。本文的研究范围如图1所示,图中红色曲线围成的区域即为笔者划定的紫金山范围。紫金山研究区域的确定主要依据山体主体绿化部分,同时利用紫金山周围主要交通路网,从而划定一个闭合完整的区域。

       1.2 数据的来源

       本研究中使用的是Landsat8卫星遥感数据,数据从USGS网站上获取,影像数据共13辐,具体信息如表1所示。

       用地类型图由下载的2017年南京市30m空间分辨率用地分类图(http://data.ess.tsinghua.edu.cn/),经处理后得到。

       影像当日的气温、风向等气象数据由全球天气精准预报网(www.wunderground.com)获得。

2 数据处理与分析方法

       2.1 地表温度的反演

       利用覃志豪等人提出的单窗算法[7]对下载得到的Landsat8数据进行地表温度反演计算,计算公式如下:

       Ts={a(1-C-D)+[b(1-C-D)+C+D]×Tb-D×Ta}/C                    (1)

       式(1)中Ts是反演得到的地表温度(K),a=-60.919,b=0.428。Tb为像元的亮度温度(K),Ta为大气平均作用温度(K),C、D为中间量,由下列公式求得:

       C=ε×τ       (2)  

       D=(1-τ)×[1+(1-ε)×τ]      (3)  

       ɛ、τ分别是地表比辐射率与大气透射率,大气透射率由NASA官网查询(https://atmcorr.gsfc.nasa.gov/),地表比辐射率通过覃志豪等人提出的混合像元法[8]进行计算。

       2.2 温度像元的筛选

       由于紫金山周围还存在部分破碎的绿地斑块以及玄武湖,在研究紫金山对周围环境的降温效应时,这些低温像元会影响到统计结果。将用地类型分为三大类,如图2(a)所示,抠除植被和水体像元,用不透水地面范围来提取地表温度,从而减少低温像元对结果的影响,增加结果的准确性。结果如图2(b)所示。


图2 地表温度提取过程图

       2.3 风向的叠加计算


图3 风向叠加方法示意图

       由于风向是逐时变化的,而且气流对下垫面温度的影响是一个长期持续的过程,故仅采用遥感影像成像时的风向进行分析会有偏差。因此本研究从遥感影像成像时间向前回推4个小时,并将这段时间内每个小时的风向数据进行如图3所示的向量叠加计算,作为影像的影响风向。13幅影像的计算结果如表1所示。

表1 风向计算结果

       2.4 分析方法

       在理想情况下,受山体植被冷岛效应的影响,紧邻紫金山区域的温度较低,而距离越远的区域,温度通常越高,呈现出环状分布。但具体降温效果却受多方因素的影响,如下垫面特征、太阳辐射以及风向等。从理论上来说,从西南方向吹过来的风经大量建筑群后温度升高,温度较高的气流流经紫金山西南方向时将会使得该区域的温度较无风状态高,接着气流经紫金山后温度降低,温度较低的气流使得紫金山东北方向温度较无风状态时低,从而使得不同区域地表温度状态改变。在对地表温度进行分析时,我们希望风向是唯一变量,其余影响因素如下垫面特征能够相对不变。但对单幅遥感影像来说,风向是固定为一个方向不变的,反而下垫面特征在不同区域存在差异,这与我们希望的相违背,为解决这个问题,我们提出利用两幅遥感影像进行对比分析,这样做有两个优点,一是两幅遥感影像存在两个风向参数,二是下垫面特征在不同遥感影像中的差异较小,两幅遥感影像的对比分析还可以消除下垫面这个重要冷岛效应参数的影响。同时为最大化风向影响的差异,我们选取风向相对的两幅遥感影像进行对比,来探究风向对紫金山冷岛效应的影响。


图4 缓冲区范围

       基于以上分析,本文以紫金山研究范围为边界,30m为步长建立100个缓冲区,具体如图4所示。之后,经紫金山质心,以与风向垂直的直线将缓冲区划分为A、B两个区域,如图5所示。图中采用的两幅遥感影像风向分布为西南风和东北风。若没有风向的影响,我们认为两幅影像在A、B区域温度变化相同,但由于风向影响,第一幅影像西南风使得区域A(上风区)温度升高,第二幅影像东北风使得区域A(下风区)温度降低,则两幅影像在区域A地表温度差值较无风状态增大,同理,对于区域B,第一幅影像温度降低,第二幅影像温度升高,则两幅影像地表温度差值较无风状态减小。若地表温度差值在假设的风向下呈现出区域A大于区域B的结果,则说明风向对地表温度存在影响。按照此种方法,对风向不同的影像在区域A、区域B内温度差值进行对比,观察其差值的大小关系。


图5 区域划分方法示例图

3 结果与分析


图7 影像的4种区域划分方式 

       为了探究风向的影响,将13幅遥感影像风向相反或接近相反的两幅影像列为一组,共得到9组,各组影像信息如表2所示。利用前文提到的划分方法对缓冲区进行划分,9组影像一共分为图7所示的4种划分方式,区域A和区域B内各有100个半环缓冲区,计算各半环两幅风向相对影像的温度差值,对区域A和B内距紫金山距离相同的缓冲区的温度差值进行对比,结果如图9 所示,不难发现,若第一幅影像风向从A区域吹来,第二幅影像风向从B区域吹来,那么区域A的温度差值始终大于区域B,图9(a)(b)(e)(f)(g)(h)中数据表现出此规律,若第一幅影像风向从B区域吹来,第二幅影像风向从A区域吹来,那么区域B的温度差值始终大于区域A,如图9(c)(d),说明我们先前的假设成立,风向使得紫金山上风区温度相对升高,下风区温度相对降低。这其中仍有少部分数据未呈现出此规律,推测可能是由于30m缓冲区内含有的像元数量较少,下垫面类型影响较大。故研究范围扩大至1km,统计风向相对影像在同一区域的温度差值,结果如图8所示,X轴为第一幅影像的上风区与第二幅影像的下风区平均地表温度差值,Y轴为第一幅影像的下风区与第二幅影像的上风区平均地表温度差值,可以观察到点都处于直线y=x下方,即第一幅影像上风区温度与第二幅影像下风区温度之差要大于第一幅影像下风区与第二幅影像上风区温度之差,与先前结论一致。同时,两幅影像的温差在区域A和区域B之间的差距大小也明显不同,图9(a)(b)(d)(e)中两区域的差异明显大于其他几组影像,理论上风速越大,对地表温度的影响程度越大,故每组中对比影像的风速差异不同可能导致温差差距不同,为探明风速的影响,对表2中9组影像在A、B区域温差的差值与风速差值进行Spearman相关性分析,相关系数达0.669,在0.05级别,相关性显著,即风速差异与温差差距显著正相关,每组风向相对影像的风速差异越大,则两区域温差差距越大,这表明风速越大,紫金山对不同区域影响的差异越大。


图8 各组影像1km范围内平均地表温度在各区域的差值结果对比图
表2 各组影像信息



图9 两幅影像在A区域和B区域的各环温差比较图  

4 结论与展望

       通过对多幅风向相对影像的地表温度差值进行对比分析,发现不同区域地表温度差值存在差异,这种差异与风向的影响密切相关,紫金山对下风区的地表温度降温效果要高于上风区。且风速越大,风向对紫金山冷岛效应的影响越大,但当前研究属于定性的分析,风向对紫金山在不同区域影响范围的确定将在接下来进行定量的研究。

参考文献

       [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] 张艳,鲍文杰,余琦,马蔚纯. 超大城市热岛效应的季节变化特征及其年际差异[J]. 地球物理学报, 2012,55(4):1121-1128
       [3] 徐伟,朱超,杨晓月,董超. 进10年上海城市热岛效应时空变化特征[J]. 大气科学研究与应用. 2014,2:65-73
       [4] 陈辉,古琳,黎燕琼等. 成都市城市森林格局与热岛效应的关系[J]. 生态学报. 2009,29(9):4865-4874
       [5] 邓小飞. 城市林业在生态城市建设中的作用[J]. 中国林业. 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,张明华,AKarnieli,et al.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报,2001,56(4):456-466.
       [8] 覃志豪,W Li,M Zhang, AKarnieli, PBerliner.单窗算法的大气参数估计方法[J].国土资源遥感,2003,56:37-43.

       备注:本文收录于《建筑环境与能源》2021年4月刊 总第42期(第二十届全国暖通空调模拟学术年会论文集)。版权归论文作者所有,任何形式转载请联系作者。