蘭州市彩鋼板建筑時空聚集特征及其對城市熱島效應影響分析

張 乃 心，楊 樹 文,2,3*，付 昱 凱，閆 恒，薛 慶

(1.蘭州交通大學測繪與地理信息學院，甘肅 蘭州 730070；2.地理國情監測技術應用國家地方聯合工程研究中心，甘肅 蘭州 730070；3.甘肅省地理國情監測工程實驗室，甘肅 蘭州 730070)

彩鋼板建筑以帶有有機涂層的鋼板為主要材質，夏季陽光直射使得金屬材質的建筑物表面溫度高達70～80 ℃[1]，不僅會引發光污染、火災風險[2]等安全隱患問題，還會加劇城市熱島效應。彩鋼板建筑多為功能性的臨時建筑物，其空間結構特征及演變規律與城市發展密切相關[3,4]。近年來，彩鋼板建筑越來越多被應用于建筑用地、產業園區、機場等區域，引發了一系列城市問題。因此，研究彩鋼板建筑分布及其與城市熱島效應的相關性具有重要意義。但現有城市熱島相關研究多以建筑物[5-9]或某一類型景觀[10-12]為研究目標，尚無彩鋼板建筑對城市熱島效應影響的相關研究。鑒于此，本文利用Landsat5、Landsat8及GF-2、Google Earth影像數據，結合U-net神經網絡、輻射傳輸方程法、距離加權方法等，探究蘭州市彩鋼板建筑時空變化特征及其對城市熱島效應的影響，以期為推動城市生態環境綠色發展及城市規劃建設提供決策參考。

1 研究區及數據

蘭州市是西北重要工業基地,轄5個區、3個縣，屬于典型的溫帶半干旱氣候。近年隨著城市化發展和東部企業西遷，蘭州市產生了大量的彩鋼板建筑群。本研究以蘭州市主城區(七里河區、安寧區、西固區、城關區)為研究對象，總面積約206.109 km2。

本研究所用反演地表溫度的數據為2008年8月3日的Landsat5 TM影像和2017年8月3日的Landsat8 OLI-TIRS影像，空間分辨率均為30 m，含云量分別為4%和6.3%，影像質量良好；彩鋼板建筑群矢量數據通過2008年0.3 m Google Earth影像及2017年1 m國產GF-2融合影像提取獲得。所有影像數據均經過輻射定標、大氣校正、影像融合、影像裁剪等預處理，為后續實驗精度提供保證。

2 研究方法

本文研究流程(圖1)為：基于GF-2影像，采用典型編—解碼U-net神經網絡提取研究區彩鋼板建筑信息，采用距離加權方法計算彩鋼板建筑聚集密度，然后基于Landsat5及Landsat8影像熱紅外波段采用輻射傳輸方程法反演蘭州市地表溫度，并利用Fragstats 4.2軟件計算彩鋼板建筑景觀指數，從而分析蘭州市主城區彩鋼板建筑及其聚集密度、景觀格局指數與地表溫度的時空變化特征。

圖1 技術路線Fig.1 Technical route

2.1 彩鋼板建筑提取

U-net是一種對稱型神經網絡，最初主要用于醫學影像的語義分割[13]，其網絡結構主要由編碼器和解碼器兩部分組成，編碼器通過對輸入圖像進行4次反復的“卷積+最大池化”操作處理，獲得5個初步有效特征層，然后通過解碼器的4次上采樣操作將特征圖像恢復至原圖尺寸，并通過跳躍連接的方式與編碼部分對應層級的特征圖像進行融合，從而保留更多的圖像特征信息。

本文以全色與多光譜融合并進行相應預處理的GF-2影像為基礎數據，根據彩鋼板建筑的光譜特征及空間分布特征，針對性地對彩鋼板建筑進行增強顯示，同時借助ArcGIS 10.2軟件對600張彩鋼板建筑GF-2影像進行人工標注，并將圖像尺寸統一輸出為256×256大小制作樣本數據集，以4∶1的比例將其劃分為訓練集和驗證集，并在Pytorch深度學習框架下采用U-net神經網絡進行訓練，從而利用訓練好的網絡提取彩鋼板建筑。

2.2 彩鋼板建筑聚集密度計算

根據調研發現，彩鋼板建筑連片分布會增加局部地表溫度，且不同密集度的彩鋼板建筑對熱島效應的影響程度不同?？紤]一定半徑范圍內不同面積彩鋼板的權重，能較準確地反映彩鋼板在某位置聚集的程度和狀態，以及在不同聚集狀態下呈現出的某種具有代表性的城市發展特征。為此，本研究通過距離加權方法計算彩鋼板建筑的聚集密度。

二值圖像中彩鋼板建筑的像元值為1，非彩鋼板建筑的像元值為0，以某一像元點為中心，距離作為權重，計算半徑R范圍內彩鋼板像元值的平均值，作為該點附近彩鋼板建筑的聚集密度D(R)。因地表溫度(LST)圖像分辨率為30 m，故二值圖像輸出像元值大小同樣設置為30 m，且實驗中R也為30 m。計算公式為[14]：

(1)

式中：Pi、di分別為半徑R范圍內第i個像元的值(0或1)及其中心點像元之間的歐氏距離；m為半徑R范圍內的像元總數。

2.3 地表溫度反演

本研究采用輻射傳輸方程法反演蘭州市主城區地表溫度，該方法從衛星傳感器所觀測到的熱輻射總量中剔除估計的大氣對地表熱輻射的影響，得到地表輻射亮度，再將其轉化為相應的地表溫度[15]。計算公式為：

(2)

式中：ε表示地表比輻射率；B(TS)表示溫度為TS的黑體在熱紅外波段的輻射亮度；τ表示大氣透過率，其與大氣向上輻射亮度LU和大氣向下輻射亮度LD可在NASA網站(http://atmcorr.gsfc.nasa.gov/)通過輸入成像時間和中心經緯度獲得。

2.4 景觀格局變化分析

景觀格局一般指由形狀和大小各異的自然或人為景觀要素共同作用而成的綜合體[16,17]，景觀指數用于描述景觀格局的空間結構及配置特征[18]。對于彩鋼板建筑景觀而言，其破碎化程度及聚集度是衡量景觀異質性的關鍵指標。為避免指數之間的信息冗余，本研究結合前述不同級別下的彩鋼板建筑聚集密度，在類型水平上選用斑塊密度(PD)、最大斑塊指數(LPI)、斑塊凝聚度指數(COHESION)和周長面積分維(PAFRAC)4種常用指標，通過景觀指數與地表溫度的相關性分析，對城市彩鋼板建筑格局進行合理規劃。

3 結果與分析

3.1 彩鋼板建筑提取結果及其演變

利用U-net神經網絡提取的2008年及2017年研究區彩鋼板建筑如圖2所示。選取3個區域(圖3)應用檢測準確率(PA)、Kappa系數及Dice相似系數對提取結果精度進行評價，從3個評價指標均值看，PA=94.23%，Dice=0.8686，Kappa=0.8301(表1)，表明應用U-net神經網絡能較準確提取彩鋼板建筑，且較好保留了彩鋼板建筑的細節特征。

圖2 2008年和2017年研究區彩鋼板建筑分布Fig.2 Color steel plate buildings in the study area in 2008 and 2017

圖3 基于U-net神經網絡的彩鋼板建筑提取Fig.3 Color steel plate building extraction based on U-net neural network

表1 利用U-net神經網絡提取彩鋼板建筑的精度指標Table 1 Accuracy indexes of extracting color steel plate buildings using U-net neural network

對圖2提取結果進行統計發現：2008年蘭州市主城區內彩鋼板建筑數量達11 803個，平均面積273.91 m2；2017年共7 330個，平均面積857.41 m2。進一步統計2008-2017年研究區內彩鋼板建筑的面積以及大型(面積大于2 000 m2)、小型(面積小于500 m2)彩鋼板建筑的占比(表2)可知：2008-2017年研究區彩鋼板建筑面積呈增長趨勢，年均增長8.65%，大型彩鋼板建筑占比較多，年均增長12.83%，小型彩鋼板建筑年均減少1.09%。

表2 研究區彩鋼板建筑統計數據Table 2 Statistical data of color steel plate buildings in the study area

分區域統計彩鋼板建筑的面積、占比及其變化速率C(變化面積與年份之差之比)、變化強度I(變化速率與初始年份彩鋼板建筑面積之比)(表3)，可以看出：2008年彩鋼板建筑面積占比以城關區最多，其他區占比較少，2017年除七里河區外，其他區占比均達0.9%以上；就擴張速度而言，2008-2017年安寧區彩鋼板建筑變化最大，變化速率最高，西固區次之，七里河區變化最緩慢。進一步將研究區彩鋼板建筑疊加谷歌影像圖分析并結合實地考察后發現，2008-2017年彩鋼板建筑增長多分布于安寧區的劉家堡、費家營及仁壽山景區一帶，西固區奧體中心、范家坪村一帶，城關區科技產業園、劉家灘新村一帶，且以大型彩鋼板建筑增長為主。2008年小型彩鋼板建筑遍布蘭州市，近年來主城區內小型彩鋼板建筑(居民違章建筑、臨時施工場所、城中村建筑等)大量減少，使得城市建筑整體布局不斷協調化、標準化，對蘭州市城市發展具有階段性意義。

表3 各行政區彩鋼板建筑統計數據Table 3 Statistical data of color steel plate buildings in various administrative regions

3.2 彩鋼板建筑聚集密度空間分布特征

采用距離加權方法計算得到研究區彩鋼板建筑聚集密度D(R)，將其分為低(0≤D(R)<0.25)、中(0.25≤D(R)<0.5)、高(0.5≤D(R)≤0.99)3個聚集密度區等級(圖4)，并統計各等級彩鋼板建筑面積及其占研究區總面積的比例(表4)。

圖4 研究區彩鋼板建筑聚集密度分布Fig.4 Distribution of the aggregation density of color steel plate buildings in the study area

表4 各密度等級彩鋼板建筑面積及占比Table 4 Area and proportion of color steel plate buildings of each density grade

由圖4可知：2008年彩鋼板建筑高密度區分布較零散，中低密度區以高密度區域為中心，呈放射狀分布；2017年彩鋼板建筑高密度區分布較集中，中低密度區同樣伴隨高密度區向外擴散分布。將彩鋼板建筑矢量數據疊加密度圖分析后發現，高密度區以大型彩鋼板建筑集中分布為主，低密度區以分散的小型彩鋼板建筑為主?？傮w上，彩鋼板建筑由2008年無規則的散落分布轉為2017年緊湊集中式分布，體現了城市規劃發展過程中的規律性。由表4可知，2008年研究區內彩鋼板建筑高密度區面積為1.84 km2，在各等級中占比最大，中低密度區面積占比相對較??；2017年高密度區面積增至3.23 km2，占比達1.57%；中密度區和低密度區面積分別增至1.95 km2、1.57 km2，占比分別為0.95%、0.76%?？傮w而言，3個密度等級下的彩鋼板建筑均呈增長趨勢。

3.3 地表溫度空間分布特征

利用輻射傳輸方程法反演得到研究區地表溫度(圖5)，可以看出，靠近黃河一帶溫度較低，城市邊緣區溫度較高，2008-2017年高溫區范圍逐漸擴大，低溫及亞低溫區范圍不斷縮小。由地表溫度的最值、平均值及標準差(表5)可知，2008-2017年研究區地表溫度最值、平均值均有升高，其中最大值升高了4.65 ℃，標準差降低了0.18 ℃，表明2017年地表溫度升高且離散度減小。

圖5 地表溫度反演結果Fig.5 Inversion results of the surface temperature

表5 研究區溫度統計數據Table 5 Temperature statistics of the study area單位：℃

為避免不同時相間溫度差異對研究結果的影響，首先將地表溫度數據依據式(3)進行歸一化處理，以更直觀地描述地表溫度的空間變化過程及特點；然后采用均值—標準差方法(式(4))將歸一化后的地表溫度結果進行規范化分級(標準見表6)處理(圖6)。分析圖6發現，2008年高冷島區及冷島區面積較大，集中分布于黃河一帶以及安寧區、西固區未開發利用的林地、草地，高熱島區及熱島區集中分布于安寧區的產業園區、七里河區的工業建設區以及城關區的科技園區；2017年高冷島區及冷島區范圍縮減，高熱島區擴大，安寧區、西固區、城關區熱島效應加劇顯著。

圖6 歸一化地表溫度Fig.6 Normalized surface temperature

表6 均值—標準差法劃分地表溫度等級標準Table 6 Classification standard of surface temperature divided by mean-standard deviation method

Tn=(T-Tmin)/(Tmax-Tmin)

(3)

式中：Tn為歸一化地表溫度值，取值在0～1之間；Tmin、Tmax分別為該時期研究區內地表溫度的最小值和最大值。

Ts=a±n×std

(4)

式中：Ts為溫度分割值；a為地表溫度平均值；std為地表溫度標準差；n為系數，取值±0.5、±1。

為進一步定量分析2008-2017年研究區地表溫度的空間變化特征，本研究統計了各溫度分區的面積及其占整個研究區面積的比例(表7)。由表7可知，中溫區在各級熱島強度中占比最大，其次是熱島區、高熱島區。相比2008年，2017年高冷島區、冷島區及熱島區面積分別減少3.69 km2、4.94 km2、10.43 km2，而高熱島區及中溫區面積分別增長14.57 km2、4.5 km2，占比達18.09%、44.09%，可見9年間熱島效應加劇明顯。

表7 各等級地表溫度面積及其占比Table 7 Area of each grade of surface temperature and its proportion

3.4 彩鋼板建筑聚集密度與城市熱島效應相關性

為進一步探究彩鋼板建筑與地表溫度之間的相關關系，將2008年、2017年彩鋼板建筑聚集密度與相應的地表溫度數據隨機排序，等間距分成200組，將每組的平均值導入SPSS軟件進行相關性分析(圖7)。由圖7可知，2008年、2017年彩鋼板建筑聚集密度與地表溫度均呈線性正相關，由于2008年彩鋼板建筑總面積相對較小，大型彩鋼板建筑聚集程度較低，聚集密度每增加0.1，地表溫度上升0.20 ℃，其對地表溫度產生的影響較??；2017年大型彩鋼板建筑占比大，聚集程度高，聚集密度每增加0.1，地表溫度上升0.28 ℃，表明彩鋼板建筑聚集密度越大，其對地表增溫效應越強，加劇了夏季蘭州市主城區熱島效應。

圖7 彩鋼板建筑聚集密度與地表溫度回歸關系Fig.7 Regression relationship between color steel plate building aggregation density and surface temperature

3.5 彩鋼板建筑景觀指數與城市熱島效應相關性

由Fragstats 4.2軟件計算得到的彩鋼板建筑的景觀指數(表8)可以看出，2008-2017年最大斑塊指數(LPI)不斷升高，表明9年間彩鋼板建筑優勢度不斷升高，面積、范圍不斷擴大，這主要與大型彩鋼板建筑占比的不斷增大有關；斑塊密度(PD)及斑塊凝聚度指數(COHESION)均變小，破碎化程度降低，聚集程度升高；周長面積分維(PAFRAC)持續增大，表明城市化進程加快使得蘭州市主城區內彩鋼板建筑斑塊形狀由復雜趨于簡單，且受人類活動影響越來越大，這與前述彩鋼板建筑及其聚集密度的變化趨勢結論相符。

表8 研究區彩鋼板建筑景觀指數統計Table 8 Statistics on landscape indexes of color steel plate buildings in the study area

進一步統計2008年、2017年彩鋼板建筑的景觀指數與平均地表溫度的相關關系(表9)。由表9可知，景觀指數與地表溫度均呈線性相關，2008年及2017年最大斑塊指數(LPI)、斑塊凝聚度指數(COHESION)與地表溫度呈線性正相關，表明LPI、COHESION越大的區域，彩鋼板建筑分布越廣、面積越大、地表溫度越高；斑塊密度(PD)、周長面積分維(PAFRAC)與地表溫度呈線性負相關，PD值越大，表明彩鋼板建筑景觀破碎度越高，該區域溫度越低，且彩鋼板建筑斑塊內分布有較多其他地物斑塊，PAFRAC值越大，區域溫度越低，表明該區域受人類活動影響較大。

表9 彩鋼板建筑景觀指數與地表溫度線性回歸Table 9 Linear regression between color steel plate building landscape indexes and surface temperature

4 結論

本文基于中、高分辨率遙感影像，利用U-net神經網絡提取彩鋼板建筑，采用距離加權方法計算彩鋼板建筑聚集密度，然后利用輻射傳輸方程反演研究區地表溫度，并計算景觀指數，最后以彩鋼板建筑聚集密度、景觀指數為指標，分析夏季蘭州市主城區彩鋼板建筑對城市熱島效應的影響，得出以下結論：1)2008-2017年彩鋼板建筑面積增長近一倍，高密度區占比增大，安寧區增幅最大;2)2008-2017年研究區地表溫度不斷升高，高熱島區占比增大，熱島效應顯著增強；3)彩鋼板建筑聚集密度與地表溫度呈顯著線性正相關，2017年較2008年彩鋼板建筑聚集程度更高，對地表溫度的影響更大，大型彩鋼板建筑的高度聚集是加劇城市熱島效應的主要原因之一；4)彩鋼板建筑景觀指數與地表溫度均呈線性相關關系，其中最大斑塊指數與地表溫度相關性最強，各指數分別在不同程度上揭示了彩鋼板建筑的面積、范圍、連續性、破碎化程度等指標對地表溫度產生的不同影響。

夏季彩鋼板建筑對蘭州市熱島效應產生的影響不容忽視，應避免大型彩鋼板建筑的大量聚集，擴大綠化及城市水面的范圍。因景觀格局特征依賴于時空尺度的變化，未來需進一步討論景觀指數在不同采樣尺度下的響應特點以及不同尺度下彩鋼板建筑景觀指數對地表溫度的不同影響，進而為城市建筑景觀規劃及緩解城市熱島效應提供參考。