您现在的位置:首页>经济纵览 > 环境经济
环境经济

以缓解热岛效应为目的的热环境模拟分析时间: 2016-09-17信息来源:郭其伟 朱瑜葱 作者:hjr_admin 责编:

       摘要:城市热环境特别是热岛效应已经成为困扰城市构建生态、宜居、低碳、环保进程中难以逾越的障碍,并且已经演变成为一种城市环境公害,成为构建循环节约型经济社会理念下一个亟待解决的问题。文章在将元胞自动机理论与马尔可夫理论相结合的基础上取其精华,构建了城市热环境模拟预测的UHI-CA-Markov模型,以用来模拟预测和分析西安市未来热环境发展趋势,为缓解城市热岛效应提供参考价值。
     关键词:城市热环境;元胞自动机理论;马尔可夫理论;模拟预测;
     中图分类号:X8 文献标识码:A 文章编号:1671—4407(2016)03—161—04
     基金项目:住房和城乡建设部科学技术资助项目(2014—R2—026)
     作者简介:郭其伟(1976~ ),男,博士生,讲师,研究方向为城乡规划理论与方法;朱瑜葱(1975~ ),女,博士生,讲师,研究方向为城乡规划理论与方法。
 
Analyzing the Thermal Environment Simulation for Relieving Heat Island Effect: A Case Study on the City of Xi'an
GUO Qiwei, ZHU Yucong
(College of Architecture, Xi'an University of Architecture and Technology, Xi'an Shaanxi 710061, China; School of Architecture, Chang'an University, Xi’an Shaanxi 710061, China)
Abstract: Urban thermal environment, especially the heat island effect, has deep influence on the ecology, living environment, low carbon and environment protection of the urban. Even, it gradually becomes an urban environmental hazard. It's necessary to solve the serious problems on the basis of constructing circular economic society theory. This article builds the urban thermal environment simulation UHI-CA-Markov model, which is based on the theory of cellular automata and Markov theory, for predicting and analyzing the trend of Xi'an thermal environment in the future development, and providing reference value to relieving urban heat island effect.
Key words: urban thermal environment; cellular automaton theory; Markov theory; simulation predict
 
     1 引言
 
     地球的生态系统依赖于人类的同时也受到人类活动的干扰,从而逐渐失衡[1]。全球变暖、海平面上升、冰川融化、臭氧减少和空气中的二氧化碳增加等均已成为全球学术界、各国政府和社会公众共同关注的重大环境问题[2]
 
     西部大开发战略的实施,使西部地区的政治、经济、文化发展也加快了城市化进程,使城市规模不断扩大,人口增长,持续快速城市化对城市环境和生态环境安全有着深远的影响。与此同时,城市作为人类的群居地,构建绿色、生态、安全可持续的生产生活环境是构建和谐社会,促进城市化进程的关键所在[3]
 
     城市作为人类的群居地,构建绿色、生态、安全可持续的生产生活环境是构建和谐社会、促进城市化进程的关键所在。因此,缓解城市热岛效应,研究城市热环境、空间分布、动态变化及其控制策略,是实现城市可持续发展的背景下快速城市化的重要一环。
 
     2 研究区概况
 
     西安市的辖区包括西安市行政所属的新城、碑林、莲湖、灞桥、未央、雁塔、阎良、长安、临潼九区和蓝田、周至、户县、高陵四县及咸阳市行政辖属的各个县区,共计11区1市9县。地理坐标介于北纬33°39′~35°33′,东经107°39′~ 109°49′之间。总占地面积14 860km2,约占陕西省总而积的7.23%,研究区地理位置及行政区划图如图1所示。
 

  西安市地势东南高,西北与西南低。西安都市圈地貌类型复杂多样,河网水系绝大多数均属于黄河流域渭河水系。研究区域内水资源丰富,就西安市而言,市区河谷平原区天然水资源15.78亿立方米/年;黄土台塬区天然水资源3.58亿立方米/年,基岩山区天然水资源0.55亿立方米/年,总计19.91亿立方米/年,其中可开采利用量为13.16亿立方米/年,丰富的水资源为西安地区城市建设和城乡居民生活提供了保障。
 
     3 城市热环境模拟与预测分析
 
     综述已有文献发现,目前城市热环境评价与模拟预测的主要方法包括:(1)将灰色系统理论引入,运用灰色关联度分析影响城市热环境因子的贡献度,典型代表有陈志、何萍[3];(2)基于热力学和动力学,利用边界层数值模型模拟了城市热岛效应的现状,典型代表有杨梅学、杨卜华及佟华等[4];(3)基于计算流体力学技术的应用,将计算流体力学技术与遥感技术相结合,采用数值计算模型、模型计算等方法进行施工,对武汉和兰州的局部区域热环境进行了相关模拟,研究结果表明CFD技术应用于城市热环境的研究是可行的,但是没有构建仿真模型,缺乏可推广性[5~6]
 
     本文尝试将元胞自动机理论与马尔可夫理论相结合,取其精华,用来构建城市热环境模拟预测的UHI-CAMarkov模型,以用来模拟预测和分析西安市未来热环境发展趋势,为缓解城市热岛效应提供参考价值[7]
 
     3.1 研究目的与研究方法
 
     3.1.1 研究目的
 
     本文以城市化为背景,以经济高速发展和人类活动干扰剧烈的人类聚集区城市为研究区域,以城市热环境产生、反演及其趋势模拟和对策分析作为研究对象,在分析城市热岛特征、变化格局基础上探讨城市生态系统内部不同土地利用类型对城市热景观格局的影响,分析其动态变化,模拟热格局的发展趋势,揭示人类景观格局变化对热力景观的影响,并深入剖析了城市化进程中城市热岛效应的调控机制,分析其对策,为西安都市圈打造更加和谐的人居热环境奠定基础,进一步为城市碳减排措施提供科学依据。
 
     3.1.2 研究方法
 
     本文主要研究方法是基于元胞自动的空间模拟功能和马尔可夫模型的数量预测功能,构建用于城市热环境模拟与预测的UHI-CA-Markov模型,并以西安市为例,模拟了2012年和2018年西安市地表热环境数量及其空间分布情况,并以灰色系统预测模型GM(1,1)为检验模型,并且对UHI-CA-Markov模型的模拟精度进行检验。
 
     3.2 相关模型综述
 
     3.2.1 元胞自动机模型
 
     标准元胞自动机是一元四组,它由四部分组成:细胞、细胞空间、邻居和进化规则。具体根据以下公式进行表达:
 
     At+1 =(Ld,St,N,F)    (1)
 
     式(1)中,A代表着一个元胞自动机系统;L代表离散的元胞空间,d代表元胞空间的维数,d=1表示一维空间网格,d=2表示二维空间网格;S表示的是规模或体积;t表示时间,网格的单位点被称为元胞的单位元胞,所有的元胞都是在一个网格单位当中的:代表一个有限的,离散状态的一组元胞,并且每个元胞在任何给定的时间都处于给定装填当中;N代表邻居的元胞组合,每一个元胞都有n个邻元作为邻居,n表示的是元胞的邻居的个数;F表示状态转换函数,即元胞状态的变化规律。
 
     本研究中将城市热环境划分为强绿岛区、绿岛区、常温区、热岛区和强热岛区共5种热环境类型,在这五种不同热环境类型的基础上对5种不同的Geo-CA元胞类型进行了构建,各元胞类型按照其自身的转换概率和演化规则进行转化。
 
     3.2.2 马尔可夫预测模型
 
     马尔可夫预测模型是一种概率的研究。它对初步概率和转移概率进行研究之后,基于时间序列的随机过程对事物运动变化的过程进行确定,并对未来的发展趋势进行预测。
 
     对离散空间I中,设随机序列{x(n),n = 0,1,2,···},离散状态E =(1,2,···)或(l,2,···,N) 或(···-2,-1,0,l,2,),若对于任意的m个非负整数n1,n2,nm(0 ≤ n1 < n2 <···< nm)和任意自然数k,以及任意il,i2,···,jm,j∈E满足:
 
  P{X(nm + k)= j|X(n1)= i1,X(n2)= i2,X(nm)= im}=P{X(nm + k)= j| X(nm)= im}则称{X(n),n =0,1,2,···}为马尔可夫链,简记{Xm,m ≥ 0}。
 
     3.2.3 UHI-CA-Markov模型构建
 
  本文将元胞自动机模型和马尔可夫模型相结合,建立了用于城市热环境分析的UHI-CA-Markov模型,实现了对城市热环境空间变化趋势的模拟与预测。其原理是利用研究区(西安市)已有热环境空间分布构建马尔可夫链的面积转移矩阵和概率转移矩阵,确定模拟城市热环境变化的CA规则。利用马尔可夫模型的时间动态优势和CA强大的空间动态演化能力,实现对城市热环境空间动态演化规律的探索与分析,克服单纯CA预测或者Markov预测各自的不足,为城市热环境研究提供方法参考。
 
     3.3 环境模拟与预测
 
     以西安市2000年、2006年地表温度反演数据为基础,通过归一化方法消除时相影响后,分别作为研究初期和末期的城市热环境数据,其结果统计见表1。
 
 
 
     随后,以2006年地表温度反演归一化数据作为精度评价数据,转化为热岛类型元胞数值表(表2)。
 
 
 
     转移矩阵与转移概率矩阵的确定是运用Markov模拟预测的核心。文中首先对地表温度反演结果进行重编码操作,然后利用ERDAS中Interpreter功能中的GIS Analysis中的Matrix命令构建2000~2006年的热岛类型数据的转移矩阵(表3)。转移概率矩阵是运用马尔可夫模型进行预测的必要条件,由研究时段的初期和末期热岛数据类型进行空间叠加计算获取,并通过马尔可夫模型计算出强绿岛区、绿岛区、常温一区、常温二区、热岛区及强热岛区各类型的转化概率图像,概率取值范围介于(0,l)之间,其值大小代表了下一时刻元胞转化为其他热岛类型的概率大小,数值越大,元胞转换的概率越大。
 
 
 
     由Markov概率及统计图分析可知,每种热岛类型在下一个时间段向其他所有热岛类型转化的概率不同,对应的条件概率最大值分别为:P{强绿岛区、绿岛区、常温一区、常温二区、热岛区、强热岛区}={0.3666、0.4974、0.5231、0.3955、0.3288、0.2774}。如常温二区条件概率图最大值为0.3955,最小为0.0055,表明2000年常温区范畴的区域,到了2006年继续为常温区范畴的概率是0.3955,同时最大值的分布范围就是2000年常温二区的分布范围,基于2000~2006年各热岛类型条件概率图,得到了2000~2006年6年间不同热岛类型之间的转移概率矩阵(表4)。
 
 
 
     模型精度评价是模拟预测分析过程中必不可少的步骤,本文针对各种热岛类型的数量及空间分布格局两方面展开精度评价。模型建立后,将西安市2006的热环境的实际值与模拟值进行比较如表5所示。
 
 
 
     本文以GIS和RS技术为依托,基于元胞自动机理论和马尔可夫模型构建了城市热环境模拟与预测的元胞—马尔可夫热环境模拟与预测模型。并以西安市为研究对象,模拟了西安市城市热环境趋势,最后引入灰色系统论的经典预测模型GM(1,1)对基于元胞—马尔可夫的模拟与预测结果进行验证,结果表明:
 
     (1)构建了可用于城市热环境模拟与预测的元胞—马尔可夫热模拟模型,以西安市为例证明了元胞—马尔可夫热模拟模型用于城市热环境模拟与预测是可行的。
 
     (2)对比分析两者之间最大区域为强热岛区域,误差达到1.83%,其他热岛类型两者误差均小于1%,表明了模型具有比较高的准确程度。在此基础上,仿真的结恶果说明了西安市在未来的一段时间之内热环境相对来说比较良好,但是恶化的趋势也有一定的可能性。因此,建议城市规划建设当中居民热环境规划作为一项重要内容加以考虑。
 
     3.4 预测结果与评价
 
     由表6可知,2006~2012年西安市热岛类型的变化表现出以下趋势:(1)强热岛区域呈现小幅增加的趋势。6年间强热岛区域面积较2006年增幅为0.16%,年均增幅为0.027%,变化缓慢,究其原因是政府注重城区生态环境治理,限制三高等工矿企业的数量和三废等污染的排放等,综合治理的结果;(2)热岛面积略有减少。6年间热岛区域面积较2006年减少5.22km2,减幅为0.64%,年均减幅为0.106%,究其原因是城市绿化建设等生态工程的实施使得城市热岛效应缓解的直接表现;(3)常温一区表现为小幅增加的趋势,常温二区则表现为小幅减少的趋势,综合表现为小幅增加的趋势,累计增加面积0.57km2,增幅为0.08%,究其原因是热岛区域减少演变为常温区一,导致常温区面积增力11的结果;(4)绿岛区表现为小幅增力<1的趋势。6年间绿岛区面积累计增加3.26km2,增幅比例为0.4%,究其原因是大面积乔木灌木的种植导致绿岛区域面积增加;(5)强绿岛区域6年间所占面积呈现持平状态,其成因是强绿岛区域所在地水域面积总量不变的结果。

 
     由表7可知,2012~2018年西安市热岛类型的变化表现出以下趋势:(1)强热岛区域表现为略微增加的趋势,6年间共增加1.29km2,增幅为0.15%,基本与2006~2012年6年间的增速保持持平;(2)热岛区域表现为略微增加的趋势,6年间共增加0.33km2,增幅为0.04%;(3)常温区(包括常温一区和常温二区)均表现为增加的趋势,常温一区基本与2012年持平,常温二区表现为较为明显的增加,增加面积为8.56km2,增幅比例为1.04%,是所有热类型中增加最多的一类,分析其原因是绿岛区面积减少,从而演变为常温区的结果;(4)绿岛区表现为持续减少的趋势,6年间共减少10.21km2,减少幅度为1.24%,年均减幅为0.207%,分析绿岛区域减少的缘由是城市建成区面积持续扩张,使得自然地表覆被被城市用地类型所取代,导致绿岛区减少的结果;(5)强绿岛区呈现为略微减少的趋势,6年间共减少0.67km2,减少幅度为0.08%。
 
 
 
     4 结论与讨论
  
     研究热岛效应的目的是为了消除或者减弱城市热岛效应的发生、发展。在充分认识了解城市热岛效应形成的过程机理基础上,从热岛效应调控体系的角度出发,提出了针对西安、咸阳等西安都市圈大中型城市应对和缓解热岛效应的具体对策,主要包括城市规划中的若干对策分析、控制工业热源中的若干对策分析及控制民用热源的若干对策分析。
 
     城市环境涵盖的范围很广,尤其是城市热环境研究是关乎城市居民身心健康,是关乎城市生态环境的持续建设,是关乎西安市经济持续发展的具有生态和经济战略意义的城市化进程,是环境生态建设的一个重要方面。本文限于时间和精力,只是以西安都市圈为例,对城市热环境的成因和对策等进行了分析,为缓解热岛效应打下了基础。
 
     参考文献:
     [1]Sailor D J, Lu L. A top–down methodology for developing diurnal and seasonal anthropogenic heating profiles for urban areas [J]. Atmospheric Environment, 2004, 38 (17): 2737-2748.
     [2]Chander G, Markham B L, Barsi J A. Revised Landsat-5 thematic mapper radiometric calibration [J]. Geoscience & Remote Sensing Letters IEEE, 2007, 4 (3): 490-494.
     [3]张杨,江平,陈奕云,等. 基于Landsat TM影像的武汉市热岛效应研究 [J]. 生态环境学报,2012,21(5):884~889.
     [4]寿亦萱,张大林. 城市热岛效应的研究进展与展望 [J]. 气象学报,2012,70(3):338~353.
     [5]曹进,曾光明,石林,等. 基于RS和GIS的长沙城市热岛效应与TSP污染耦合关系 [J]. 生态环境,2007,16(1):12~17.
     [6]张保安,钱公望. 城市热岛效应研究进展 [J]. 四川环境,2007,26(2):88~91.
     [7]刘艳红,郭晋平. 城市景观格局与热岛效应研究进展 [J]. 气象与环境学报,2007,23(6):46~50.
 
     (责任编辑:保文秀)