城市化导致城市地表覆盖和城市结构改变，增加了城市热吸收，并导致局部气候改变，城市热岛效应是快速城市化带来的影响之一^[1]。城市热岛是指城市温度高于周围郊区温度的一种现象，它与人类居住舒适度、健康状态息息相关^[2]。因此，有效地对城市热岛现象进行及时监测对城市规划者、政府管理部门的规划管理有很好的辅助作用。以往的研究主要是通过站点测量或气象站观测的温度数据对城市热岛进行监控^[3-5]。该方法在利用长时间历史观测数据进行城市热岛监测方面具有优势，但仅通过点状的站点数据监测城市热岛现象难以全面表现其空间分布特征与变化趋势。

遥感技术的发展为城市热岛的大范围空间监测带来了契机^[6]。目前，可用于城市热岛监测的卫星有很多，研究最多的当属Landsat与MODIS系列卫星的数据。Landsat数据具有中、高空间分辨率，低时间分辨率，被广泛用于城市尺度的城市热岛研究^[7-12]；而MODIS数据空间分辨率为1 km，更适合大区域空间范围的城市热岛研究。其中，MODIS地表温度数据产品因具有良好的地表温度反演精度，被广泛用于大区域城市热岛监测^[13-18]。因此，本文选用2000—2017年夏季MODIS影像，以扬子江城市群为研究区，研究其城市热岛时空变化规律和演变特征。

扬子江城市群指江苏省南部沿长江的8个城市（南京市、镇江市、常州市、无锡市、苏州市、扬州市、泰州市、南通市），地处长江下游，面积5.1万km²，面积约占据江苏省的50%，人口将近5 000万。扬子江城市群是长三角城市群的重要组成部分，有较好的地理位置与发展优势。扬子江城市群是江苏发展的精华，贡献了全省约80%的经济总量，属亚热带季风气候，四季分明，降水丰富。作为江苏省的经济、交通和资源中心，扬子江城市群近年来城市化水平逐年上升，人口密集，高楼林立，夏季高温炎热，热岛现象十分明显。

根据以往的研究，城市热岛效应在季节中的分布表现为夏季最强^[19]，所以，为清晰地表明扬子江城市群的城市热岛分布情况，本文数据均为夏季影像。所用数据为8天合成的MODIS地表温度数据产品——MOD11A2，其空间分辨率为1 km，从美国宇航局一级和大气存档和分发系统（National Aero-nautics and Space Administration Level-1 and Atmo-sphere Archive and Distribution System, NASA LAADS）官网中下载得到。影像获取时间为2000-07-11、2009-08-21、2017-07-20，轨道号为h27v05、h28v05。本文利用交互式数据语言（interactive data language, IDL）二代开发语言调用MODIS数字产品投影变换软件MODIS_Reprojection_Tool进行图幅拼接和投影转换，同时用研究区矢量数据裁剪得到研究区的地表温度结果。

为消除不同时相的影像带来的差别，本文使用归一化方法将地表温度的范围统一到0~1之间，归一化公式如下：

式中，T_norm代表归一化后的地表温度；T为每个地表温度像元的值；T_max和T_min分别代表地表温度的最大值和最小值。

在MATLAB中计算每幅地表温度影像的均值和标准差，按照均值-标准差法^[20]将地表温度划分为低温、次低温、次中温、中温、次高温、高温、极高温7个温度等级。通过比较2000年、2009年、2017年3个时间点的城市热岛分布变化，以及2000—2009年和2009—2017年这两个时间段的不同温度等级的转化情况，分析扬子江城市群2000—2017年的城市热岛时空变化特征。

图 1为扬子江城市群2000年、2009年和2017年夏季城市热岛的分布情况。2000—2017年，扬子江城市群的城市热岛强度逐年增强，强热岛主要体现在长江南部的南京市、苏州市、无锡市、常州市4个城市，这4个城市在整个城市群的热岛效应比其他城市都明显。

图 1(Fig.1)

图 1 扬子江城市群2000—2017年地表温度空间分布 Fig.1 Spatial Distribution of Land Surface Temperature from 2000 to 2017 in the Yangtze River Urban Agglomeration

图 2和图 3分别为扬子江城市群不同城市的极高温和高温区的面积统计，可以看出，这4个城市的极高温区和高温区所占面积比其他城市的大。此外，各个城市的热岛效应逐年加强，热岛扩展特点都是沿着主城区向周边扩展。例如，南京市的热岛由2000年的集中分布逐渐发展为沿长江的“条带状”分布；苏州市、无锡市、常州市都是以“摊饼状”由主城区向四周扩展；其他城市如扬州市、泰州市、镇江市都是呈“点状”分布扩展。

图 2(Fig.2)

图 2 城市极高温区面积 Fig.2 Areas of Extremely High Temperature Regions in Different Cities

图 3(Fig.3)

图 3 城市高温区面积 Fig.3 Areas of High Temperature Regions in Different Cities

图 4为扬子江城市群各温度等级的面积统计图，可以看出，2000—2017年，扬子江城市群的城市热岛现象有增强趋势，其极高温区和高温区面积逐渐增大，到2017年所占面积比例分别增加了1.5%、4%。低温区面积逐年减少，到2017年其面积减少了3.7%。次高温和中温区面积也逐渐减少，其中，中温区面积减少最多，到2017年已减少12.6%，这说明扬子江城市群有由低温度等级向高温度等级转化的趋势。此外，2000—2009年，极高温区和高温区面积的增长比2009—2017年的多，低温区、中温区和次高温区面积的减少主要体现在2000—2009年时间段，这说明2000—2009年为扬子江城市群热岛强度快速增强阶段，2009—2017年，其热岛强度持续增强但速度稍微减缓。

图 4(Fig.4)

图 4 扬子江城市群各温度区面积 Fig.4 Areas of Different Temperature Regions in the Yangtze River Urban Agglomeration

表 1为2000—2009年各温度区像元的转移矩阵，可以看出，由2000年的较低温度区转化为2009年的较高温度区的像元个数远多于由2000年的较高温度区转化为2009年的较低温度区的像元个数。这说明2000—2009年为扬子江城市群热岛强度快速增强阶段。其次，2009年扬子江城市群的极高温区的像元大部分是由2000年的高温区和次高温区的像元转化而来，2009年高温区的像元主要是由2000年的次高温区和中温区的像元转化而来。相反，2000年极高温区的像元主要转化为2009年的高温区和次高温区的像元，2000年的高温区的像元大部分转化为2009年的次高温区与中温区的像元，这说明无论温度升高或降低，变化主要集中在该温度区附近两个温度区。

表 1(Tab.1)

表 1 2000—2009年各温度区像元转化情况 Tab.1 Pixel Variation of Different Temperature Regions from 2000 to 2009

表 1 2000—2009年各温度区像元转化情况 Tab.1 Pixel Variation of Different Temperature Regions from 2000 to 2009 温度区编号（2000年） 温度区编号（2009年） 1 2 3 4 5 6 7 1 485 1 251 180 181 45 32 0 2 216 1 680 911 1 156 107 40 1 3 17 633 1 444 2 452 365 165 8 4 41 1 947 5 571 12 170 3 094 1 799 228 5 0 168 535 2 767 1 474 1 590 305 6 1 52 160 996 730 1 272 618 7 0 2 35 40 60 269 817 注：表中1~7分别代表低温、次低温、次中温、中温、次高温、高温和极高温区。

图 5表示温度升高的像元空间分布情况，可以看出，由2000年的较低温度区转化为2009年的高温区或极高温区的像元主要分布在苏州市、无锡市、常州市3个城市，其次是南京市，其中苏州市分布最多，说明2000—2009年城市热岛的增强主要体现在这3个城市，苏州市贡献最多。

图 5(Fig.5)

图 5 2000—2009年较低温度区转化为较高温度区的像元分布 Fig.5 Pixel Distribution of Low Temperature Regions to High Temperature Regions from 2000 to 2009

表 2为2009—2017年各温度区像元的转移矩阵，可以看出，扬子江城市群2009年的较低温度区转化为2017年的较高温度区的像元个数仍然大于由2009年的较高温度区转化为较低温度区的像元个数，但是明显没有第一时间段（2000—2009年）的多，这说明2009—2017年扬子江城市群的整体热岛效应仍在增强，但增强速度明显要小于2000—2009年。其次，在2009—2017年，温度的升高或降低主要集中在该温度区附近的两个温度区，如2017年的极高温区像元主要是由2009年的高温区和次高温区的像元转化而来，2009年的极高温区像元主要转化为2017年高温区和次高温区的像元。

表 2(Tab.2)

表 2 2009—2017年各温度区像元转化情况 Tab.2 Pixel Variation of Different Temperature Regions from 2009 to 2017

表 2 2009—2017年各温度区像元转化情况 Tab.2 Pixel Variation of Different Temperature Regions from 2009 to 2017 温度区编号（2009年） 温度区编号（2017年） 1 2 3 4 5 6 7 1 76 650 13 21 0 0 0 2 196 3 417 1 393 680 36 12 0 3 13 1 175 3 678 3 732 197 42 1 4 7 753 4 581 11 079 2 533 808 15 5 0 11 205 2 598 1 738 1 252 73 6 0 4 7 439 1 040 2 961 721 7 0 0 1 3 22 782 1 169 注：表中1~7分别代表低温、次低温、次中温、中温、次高温、高温和极高温区。

图 6表示2009—2017年较低温度区转化为较高温度区的像元空间分布情况，可以看出，此阶段由较低温度区分别转化为极高温区和高温区的像元比2000—2009年的少。这说明2000—2009年的热岛效应增强得比2009—2017年的多。转化主要分布在苏州市、无锡市、常州市3个城市，其次是南京市，其他城市也有分布，但个数较少。其中，苏州市分布的最多，其次是无锡市和常州市，这同样说明扬子江城市群在2009—2017年热岛强度的增强主要体现在苏州市、无锡市、常州市3个城市，其中，苏州市贡献最大。

图 6(Fig.6)

图 6 2009—2017年较低温度区转化为较高温度区的像元分布 Fig.6 Pixel Distribution of Low Temperature Regions to High Temperature Regions from 2009 to 2017

基于MODIS地表温度夏季影像，本文以扬子江城市群为研究对象，通过均值-标准差法和空间叠加分析，研究了扬子江城市群2000—2017年的热岛时空分布变化特征及不同温度像元的空间演变特征，研究结论如下：

1）扬子江城市群在2000—2017年内热岛效应逐年增强，强热岛区域主要体现在南京市、苏州市、无锡市、常州市4个城市。2000—2017年，各个城市的热岛效应也逐渐增强，都是沿主城区向周围扩展，但呈现出不同的演变形态。其中，南京市的热岛变化呈现“条带状”，苏州市、无锡市、常州市3个城市的热岛变化呈“摊饼状”，其他城市的热岛变化呈“点状”。扬子江城市群及各个城市的热岛效应在不同时间阶段表现出不同特征，其城市热岛的增强主要体现在2000—2009年，2009—2017年内城市热岛持续增强但速度减缓。

2）在2000—2009年和2009—2017年两个时间段，扬子江城市群不同温度区的像元之间具有相同的转移规律，即不论温度升高或降低，变化集中在该温度区附近的两个温度区内。不同时间阶段的温度转移情况表明，2009—2017年，扬子江城市群的整体热岛效应仍在增强，但增强速度明显要小于2000—2009年。

3）苏州市、无锡市、常州市3个城市的城市热岛面积占据扬子江城市群的主导，其中，苏州市贡献最大。由低温度区转化为高温区或极高温区的像元也主要分布在这3个地区。

了解城市热岛的时空变化特征和地表温度时空演变模式能为城市热岛的缓解策略提供参考，从而为提高人类居住热环境水平提供理论支持。另外，城市热岛效应具有明显的季节性特征，本文只研究了扬子江城市群城市热岛的年际变化特征，未突出扬子江城市群城市热岛时间变化中的季节特征，未来将进行新的研究。