热岛效应是指城市中由于水泥沥青下垫面的增加以及人类热源排放增加，城区气温高于郊区的现象^[1]，反映了城市化发展对城市环境的影响，是影响城市生态环境的一个重要因素。随着世界各国城市化的进展，城市热岛效应已经成为一个跨学科领域的问题，受到包括大气环境、区域气候、水文和生态等多学科科学家的关注。作为城市化最明显的气候响应形式，城市热岛直接影响了城市居民的热舒适度和整体生活质量，是人类活动导致气候变暖并反馈于自身生产、生活的直接体现^[2-5]。城市和工业区中人类活动是城市大气污染物的主要来源，这些大气污染物与城市热岛效应之间具有相互影响的关系。一方面，由城市中车辆、空调以及工厂等排放出来的大量煤灰、粉尘以及温室气体在城市上空形成一层屏障，它们吸收长波辐射，使温度升高，从而加重非采暖季时的城市热岛效应；另一方面，城市热岛效应又对污染物的产生和分布具有重要影响^[6]。

关于城市热岛效应已有多位学者进行了深入探讨^[7]，一般多从气象学角度^[8-10]和遥感学角度^[11-16]进行研究。对城市热岛产生的原因研究更多地集中于城市化进程中的城市规模^[17]、城市地貌^[18-19]、人口密集度^[20]，但对大气污染物与城市热岛的相互作用研究相对较少，不同城市由于地形地貌、污染源位置的差异，污染物对城市热岛效应的影响也有所不同。因此，研究两者之间的关系对了解城市污染与热岛效应形成原因以及污染物传输机制等方面有着重要的意义。

本研究利用北京及周边地区卫星影像(MODIS、Landsat/TM & TIRS、CBERS/CCD等)和其他辅助数据，耦合气象观测数据、土地利用数据、污染源排放数据、社会经济数据等，分析了2001—2016年北京及京津冀城市热力格局的变化情况，并对城市热岛强度与大气污染排放以及区域空气质量的空间一致性进行了深入探讨，以期探寻三者之间的关系，为环境质量监管提供新的思路。

1 数据资料选取与处理 1.1 研究区范围

研究区从2个空间尺度展开分析(图 1)，一是北京全市范围，该范围内人口与建筑较为密集，加之城区建筑对辐射能量通行的阻碍，由此产生以热岛效应为代表的较为明显的热环境改变，同时分析各等级下热岛强度的占比变化；二是京津冀区域，探讨京津冀城市群等不同尺度上地表热环境时空格局及其变化，进而分析大气污染排放和城市热力格局之间的关系。

选择了2001—2016年间每隔4~5年的数据质量较好的多期影像，通过该时间段内数据的对比分析，探讨21世纪以来北京乃至京津冀范围内快速城市化带来的热力环境的动态变化。

1.2 数据资料处理 1.2.1 遥感数据的选取与预处理

综合考虑卫星的重访周期、卫星图像的成像幅宽、传感器辐射测量精度和信噪比、卫星过境时间的天气条件等，收集2001，2005，2009，2011，2015，2016年覆盖研究区域且晴朗无云的6期Landsat -5 & 8影像(成像时间集中在11月北京时间上午10：00—11：00)。

选择Terra MODIS数据MOD11A2(1 km的地表温度/发射率为8 d合成的L3产品)数据和MOD11C3(5.6 km的地表温度/发射率为月均的产品)数据作为城市群尺度热红外遥感数据源，利用遥感数据产品的月度数据，合成得到年平均数据。MOD11陆地2，3级标准数据产品，内容为地表温度和发射率，Lambert投影，每期影像进行拼接，统一投影坐标系至UTM/WGS-84，并根据研究区范围对其进行剪裁。

研究中所用到的NO₂数据来自Aura卫星上OMI传感器反演获取的2015年对流层NO₂垂直柱浓度数据。OMI NO₂对流层浓度原始数据是ASCII数据文件，包括TOMS和ESRI grid格式，本研究使用的是ESRI grid格式，空间分辨率为经度0.125°×纬度0.125°，单位为10¹³molecules/cm²。

1.2.2 其他数据的收集与整理

除热红外遥感数据外，还收集了2015年京津冀各城市能源消耗量以及2015年京津冀地区重点行业废气污染源NO_X排放量，涉及的重点行业主要包含火力发电、炼钢、炼铁、热力生产和供应、水泥制造等，将该数据矢量化，方便后期在GIS软件中进行空间分析和相关性分析。

2 研究方法 2.1 热岛强度计算 2.1.1 地表温度反演

对6期Landsat影像热红外波段数据进行了地表温度反演。Jiménez-Muñoz和Sobrino在2003年提出了普适性单窗算法, 该算法公式如下^[21]。

$ T_{s}=γ(λ, T_{0})\{ε^{－1}_{λ}[ψ_{1}(λ, w)L_{0}+ψ_{2}(λ, w)] +ψ_{3}(λ, w) \}+δ(λ, T_{0}) $

(1)

式中:T_s——拟反演地表温度，K；ε——地表比辐射率；L₀——传感器入瞳处辐射亮度，W/(m²·sr·μm)；γ和δ——根据普朗克函数求得的常数，计算公式见(2)和(3)。ψ₁、ψ₂、ψ₃——大气函数，计算公式见(4)。

$ γ=[ \frac{{C_{2}L_{0}}}{{T^{2}_{0}}}( \frac{{λ^{4}}}{{C_{1}}}L_{0}+ \frac{{1}}{{λ}})]^{－1} $

(2)

$ δ=－L_{0}γ+T_{0} $

(3)

$ ψ_{k}=a_{k, λ}w^{3} +b_{k, λ} w^{2}+c_{k, λ}w(k=1, 2, 3) $

(4)

式中：C₁、C₂——普朗克辐射函数常量, C₁=1.191×10⁸ W/(m²·sr·μm), C₂=1.439×10⁴(μm·K)；T₀——传感器所记录的亮度温度，K；λ——热红外波段的有效作用波长，μm；w——大气水汽含量，g/cm²；a_{k, λ}、b_{k, λ}、c_{k, λ}——根据不同传感器的不同热红外波段，取值有所改变。

T₀计算公式如下。

$ T_{0}= \frac{{K_{2}}}{{\ln (1+ \frac{{K_{1}}}{{L_{0}}})}} $

(5)

式中：K₁=607.76 W/(cm²·sr·μm), K₂=1 260.50 K。

地表的比辐射率则利用红、近红波段数据获取NDVI值, 再根据Van的经验公式求得，公式如下^[22]。

$ ε_{λ}=\left\{ {\begin{array}{*{20}{l}} {0.995, {\rm NDVI}≤0}\\ {0.923, 0＜{\rm NDVI}≤0.157}\\ {1.009\;4+0.047 \ln({\rm NDVI}), 0.157 <{\rm NDVI}<0.727}\\ { 0.986, {\rm NDVI}≥0.727} \end{array}} \right. $

(6)

大气水汽含量的获取方法则采用与Landsat同一区域的MODIS数据通过二通道比值法来获得，公式如下^[22]。

$ \left\{ {\begin{array}{*{20}{l}} {w= (\frac{{α－\lnτ_{w}}}{{β}}})\\ {τ_{w}=ρ(19)/ρ(2)} \end{array}} \right. $

(7)

式中：w——大气水汽含量，g/cm²；

τ_w——大气透过率；ρ(19)和ρ(2)——MODIS数据第19波段和第2波段的表观反射率；α和β——经验常数，针对不同的地表类型有不同的取值，结合北京地区的实际地表类型，α=0.02，β=0.65^[23]。

2.1.2 热岛强度等级划分

使用均值标准差(Mean-standard Deviation)分类法对热岛强度进行划分。首先计算研究区范围的地表温度平均值与标准差，之后根据这2个参数将研究区的地表温度分为7个等级，对数据统计分析，处理时将最高2个热岛等级合并，最低2个热岛等级合并，得到强热岛、较强热岛、中温、较弱热岛、弱热岛5个划分等级。计算公式如下^[24]。

$ T=A±X·{\rm sd} $

(8)

式中：T——计算的温度阈值；A——研究区平均地表温度；sd——研究区地表温度标准差；X——标准差的倍数，取值为0.5，1.0，1.5。

2.1.3 京津冀区域各市热岛强度计算

定义城市热岛强度为城市区域地表温度平均值与郊区地表温度平均值之差，公式如下。

$ {\rm UHI=LST_{u}－LST_{s}} $

(9)

式中：UHI——城市热岛强度；LST_u——城市区域地表温度平均值；LST_s——对应郊区地表温度平均值。

利用MOD11C3遥感数据产品的月度数据，合成得到年平均数据，用于计算京津冀区域年平均地表温度。针对京津冀各地级市，确定建成区主体后，以该主体区域为中心点，根据主体大小向外以10 km为半径建立缓冲区作为郊区。基于该方法，确定京津冀地级市城建区与郊区范围(图 2)。

2.2 地表温度反演精度分析

为分析地表温度反演结果的精度，将2016年11月28日Landsat-8/TIRS反演得到的地表温度空间分布数据与研究区内的气象站点的位置信息进行叠加，提取出相应位置像元的地表温度值，并与卫星过境时刻(10：53)的实时气温值(逐小时记录，选取11：00的数据)进行比较，结果见表 1。由表 1可见，各站点的气温数据与所对应的地表温度差值在2.2 ℃内，且地表温度平均值与气象站点的平均实测气温较为接近，相较约高0.2 ℃，反演精度可以接受。

3 结果与讨论 3.1 北京市热岛效应特征

基于Landsat遥感反演结果，见图 3(a)(b)(c)，北京市热岛分布具有显著的地域性，高地表温度与相对较低地表温度集聚，建成区城市热岛效应明显。强热岛区域主要分布在中心城区、机场及各郊区建成区，呈现城区强、山区弱的特征。2001年热岛范围在主城区周边有聚集包围形态，随着城市化进程的加快，城市规模的扩大，2009年城区西南部丰台、大兴的热岛分布有显著加强趋势，至2016年，热岛强度在前期原有分布形态上向周围区域扩散，较强、强热岛覆盖范围显著增大。

总体来看，北京市的优势热场由城市中心区域沿环线向四周强烈辐散，热场强度也在不断增强，到2016年，北京城市核心功能区、功能拓展区及发展新区成为强热岛聚集区。

统计北京全市范围内各等级热岛强度的占比(图 4)，可见较强、强热岛强度的等级占比随时间序列的推移呈现逐渐增加的趋势。以15年的时间序列观察发现，每年在弱热岛地区占比保持平衡不变，较弱热岛变换规律较差且变化幅度较小，主要是以中温区向较强热岛、强热岛转变。较强热岛及以上地区从2001年的34%增长至2016年的45%，较强、强热岛综合年增长率达1.4%。其中最高的强热岛区保持缓慢持续增长，15年间年平均增长率为0.33%。

北京市城区2001—2016年热岛强度变化见图 5(a)(b)(c)(d)(e)。从中南部平原区来看，2001—2016年随着城市的快速发展，城乡建设用地大规模增长，城乡快速向外蔓延，北京城市的热场强度逐年加强，范围逐年扩大。该范围内不透水层占比较高，其普遍具有较小的热容量，易吸热且升温快，容易产生热岛现象。

3.2 京津冀城市群热岛效应特征

京津冀地区2001，2010和2016年各地级市基于地表温度的年平均热岛强度见图 6，由图 6可见，大部分地级市热岛强度随时间推移而增加，整体基本呈上升趋势。沧州市和石家庄市热岛强度整体强于其他地级市，且自2010年开始增强明显。

采用均值-标准差法，利用均值和标准差的不同倍数组合对2001，2010和2016年年平均夜间地表温度进行划分，其热场见图 7(a)(b)(c)，高温区主要集中在南部地级市以及北京市和天津市。北部区域主要为低温区和中温区，地表温度较低。京津冀区域次高温区和中温区面积较大，处于优势地位。

3.3 京津冀城市群热岛空间分布与大气污染相关性

城市中的大气污染物包括CO₂、SO₂和NO_X等各种废气及粉尘，其大量吸收太阳辐射中的能量，包裹在城市上空形成保温圈，最终以大气逆辐射的形式将能量返还给城市，导致城市热岛效应增强。

3.3.1 能源消耗量与热岛强度相关性分析

利用2015年京津冀各城市能源消耗量和MOD11C3遥感数据产品合成的年度数据，分为日间和夜间热岛强度2种，各市年平均热岛强度和能源消耗量见表 2。

由表 2可见，当能源消耗量＜4 000 tce时，随着能源消耗量的增加，大部分城市的年均热岛强度也有所增长；日间热岛强度与能源消耗量之间的变化趋势和夜间热岛强度相似。

3.3.2 大气污染、能源消耗及热岛强度空间相关性

多年来因工业、燃煤和机动车排放，北京及周边环境空气中NO₂浓度一直居高不下。利用2015年环境统计数据，提取京津冀重点行业(火力发电、水泥制造、热力生产、炼钢、炼铁等)NO_X排放量数据，叠加2015年遥感反演的NO₂柱浓度数据，可见NO_X排放高值区与NO₂高值区有所重叠，见图 8(a)(b)。

提取2015年NO_X年排放量＞1万t的京津冀地区重点行业(火力发电、水泥制造)空间分布，与2015年年均热岛强度(夜间)空间分布叠加，可见NO_X排放量较高的地区，对应的热岛强度也较大，与NO₂高值区一致，主要分布在天津、河北沧州、沿太行山一线的保定-石家庄-邯郸，同时河北唐山也存在一片高值区。热岛强度与NO₂柱浓度的高值分布区也具有一致性。夜间城市中火力发电、水泥制造等行业排放热源对于大气环境污染的贡献不可忽视。工业排放的热量与NO_X间接影响着城市热岛的形成与大气NO₂的浓度。研究证明，中高纬度城市特别是冬季，城市中大量排放的人供热为城市热岛形成的一个重要因素。

提取2015和2016年京津冀主要城市建成区的NO₂柱浓度以及热岛反演均值(夜间)，二者的相关系数分别为0.80和0.83，呈正相关性，见图 9(a)(b)。城市中大量人工热源包括集中供暖的大型锅炉、热电厂等，这些热源加剧了城市热辐射作用，进而加剧城市热岛的形成，同时也向大气中排放污染物。因此，热岛强度和NO₂浓度有一致性。

4 结论

(1) 北京市地表温度的高值区域分布范围较广，沿环线拓展。2016年和2001年相比，城市核心区及拓展区成为极高温聚集区，热场优势明显且向四周扩散。15年间，热岛强度主要以中温区向较强热岛、强热岛转变。京津冀高温区主要集中在东部区域和南部区域，大部分地级市热岛强度随时间推移而增强，整体呈上升趋势。

(2) 京津冀热岛高强度范围与重工业NO_X高排放区在空间上有较好的一致性，而NO_X高排放区与京津冀区域NO₂柱浓度的空间分布一致性也较高，火力发电、水泥制造等重点行业排放热源对于大气环境污染的贡献不可忽视。

(3) 由于区域热岛强度分布与大气污染物高排区和大气污染物空间分布范围有较好的一致性，热岛强度的分布特征有助于大气污染物“热量”网络的规划，卫星热红外遥感可提供必要的技术支撑。