绿地格局对城市地表热环境的调节功能

陈爱莲，孙然好，陈利顶，*

(1.中国科学院生态环境研究中心、城市与区域生态国家重点实验室，北京 100085;2.中国科学院大学，北京 100049)

在快速城市化背景下，全球城镇人口的比例由1900的不到10%上升到超过50%［1］，剧增的城镇人口的生产和生活活动带来城市环境，尤其是城市热环境的日益恶化，在不同的季节产生不同程度的城市热岛、城市干浊岛、城市湿浊岛、极端降雨天气等恶化效应［1-3］。城市热岛效应是绝大多城市共有的微气候特征，它直接或间接影响着城市人口的身体健康［4-5］。它主要反映在城郊大气温度和地表温度的差别上［6］，其中，地表温度(LST)是遥感反演的地表瞬时热辐射能量特征，可以反映该瞬时热环境下地表产生热岛效应的潜在能力。地表温度还可以和遥感反演的其他地表景观参数相联系，进行景观格局与城市热岛效应相互关系研究［7］。因此，国内外学者运用地表温度，开展了许多缓解城市热岛、改善城市热环境的研究［6，8］，其中，不同城市绿地在降温、增湿、缓解热岛效应中的积极作用不断被肯定而成为城市规划的和景观设计需要考虑的重要部分［9-13］。城市绿地在城市规划中一般是指城市的公共绿地、居住区绿地、单位附属绿地、防护绿地、生产绿地以及风景林地等六类，但随着“绿色”概念的不断深化，许多保护环境、节约能源的设计都被纳入城市绿地的内涵中，因此广义的城市绿地可包括水体、绿化屋顶等景观。城市绿地是城市中维持自然生态系统服务功能的景观，能够调节城市小气候、提供休息娱乐教育场所以及其他服务功能，然而城市内部土地资源有限而珍贵，城市绿地并不能无限扩张，因此需要合理地配置绿地格局，将绿地的生态功能最优化。本文分析了北京局部城区不同格局的绿地产生冷岛效应的潜在能力，揭示城市绿地格局在调节热岛效应中的作用，从而为城市规划和绿地管理和景观格局分析提供一些参考。

1 研究区域与数据

以北京城区东南部分为实验区开展研究(图1)，从南二环内至南五环外依次是古城区、较新城区和在建城镇，包含了不同的城市化阶段。北京属于季风性大陆气候，夏季受东亚季风影响而潮湿炎热，冬季主要受西伯利亚反气旋控制而寒冷干燥。1951年以来的气象记录的最高温达42℃，最低-27℃。其中2002年的7月创下了1951年以来的次高温，达41.1℃。2001年7月北京申奥成功之后，北京城针对奥运的各项规划逐步制定并展开实施，2002年是北京新一轮快速城市化伊始:南五环路是北京五环快速路的最后一段工程，正在加紧建设，亦庄经济技术开发区及配套设施也在加紧建设。快速的城市建设中人为排放的热量及频繁的交通运输对城市景观的热交换和热辐射特性都可能有显著的影响，即便是土地利用和覆盖稳定的区域，其热辐射特性也可能受到影响。此阶段的研究区域可以很好地分析快速城市化背景下绿地格局对地表热环境的调节作用。

选取2002年7月份无云的QuickBird(QB)数据用于绿地提取。如图2，区域内包含城市主干道、林地、河流、湖泊、草地和当时还算城郊的耕地等土地利用/覆盖类型，总面积约为18330hm2，再收集最近的LANDSAT7ETM+数据用于反演地表温度，数据的具体参数见表1。

图2 研究区域QB融合影像图Fig.2 Fution QB image of study area

表1 研究数据传感器及时相Table 1 Sensor and acquisition date of study area

2 研究方法

依据研究目的，需要提取绿地信息和反演地表温度。绿地信息包括不同种类的绿地和不同的格局参数。首先，对收集的遥感数据进行预处理、绿地界定和解译、地表温度反演，在这些数据准备基础上，计算绿地格局指数并与地表温度及相关的热环境信息进行统计分析。数据预处理是为使两种数据的统计分析得以更精确进行，因此包括QB多光谱对全色数据的图像配准和融合，ETM+数据的辐射定标和QB和ETM+数据之间的图像配准。所有数据均转换到UTM 50N的投影下。

2.1 景观分类

以《土地利用现状分类》为依据，并参考国际上有关绿地与城市热岛效应的文章中的景观分类［14-15］，将绿地分成乔木林地、灌木林地、草地、耕地、水体Ⅰ(河流)和水体Ⅱ(湖泊)等6类。通过目视解译首先在2.52m分辨率的QB 342的波段组合影像上，遵循自然景观的形态勾画绿地边界，土地利用和覆被类型分为6大类，12小类，如表2。在解译过程中，人工草坪的边界尽量正交，水渠用平行线表示，而树冠、湖泊水体等则保持圆滑的边界。矢量化结束后，采用QB342波段组合影像与全色波段融合图像(0.63m)对矢量化图斑进行边界修正与核实。

2.2 温度反演

目前国外的Jiménez-Muñoz［16］和国内的覃志豪提出的普适性单通道算法［17］在国内外被广泛采用。本研究采用 Jiménez-Muñoz等提出的普适性单通道算法 ，该算法对TM的反演误差低于1.5K［16，18］。算法输入参数包括:热红外波段DN值、大气水汽含量和地表比辐射率。大气水汽含量用来消除大气影响，从历史气候资料中查询或一些卫星数据反演得到，比辐射率用NDVI值估算。算法具体流程为:(1)对ETM+热红外波段的DN值(60m分辨率)进行辐射定标，转换成星上辐射量，并用立方卷积法重采样成30m分辨率数据;(2)根据普朗克辐射定律将星上辐射量转为星上温度;(3)用NDVI(30m)估算比辐射率Emissivity;用大气水汽含量(本研究用(1.50 g/cm2))估算大气参数;(4)用比辐射率和大气参数订正星上亮温，得到30m分辨率的地表温度。

表2 景观类型及含义Table 2 Landscape types and its implications

2.3 绿地格局

景观格局包含景观组成和景观配置。为了与定量化的生态环境参数更好地结合，McGarigal［19］等用平面几何和分形几何法将景观格局定量化，并将各定量化指数集成于FRAGSTATS软件或ArcGIS的Patch/PatchGridAnalysis模块中，其中 FRAGSTATS或 PatchGridAnalysis都是基于栅格数据计算格局指数，PatchAnalysis则是基于矢量数据进行格局指数计算。在计算的格局指数中，景观组成主要体现在斑块和类型水平上，包括斑块水平的斑块大小、形状、边界等指数和类型水平上各类型的斑块大小、形状、边界的统计值，景观配置则主要体现在景观水平上各类型的邻接关系、斑块类型的多样性等。本研究所提取的绿地为矢量数据，其边界按照绿地的自然形态勾画，若转化成栅格数据则会损失或改变边界信息，因此选择直接基于矢量数据进行格局指数计算和分析。

基于矢量数据进行景观配置尤其是邻接关系分析的文献并不多，目前可见的研究主要用缓冲区分析法［15，20］，本文尝试用绿地邻接个数情况及缓冲分析法——邻接绿地的面积百分比表示邻接关系。邻接斑块个数情况用 NeighborhoodMean——N_MN 表示，用 PatchAnalysis 的 NeighborhoodMean 工具计算［21］。NeighborhoodMean按某个斑块在指定搜索半径范围内其邻接斑块的属性予以赋值。解译结果中城区绿地平均半径约为220m，因此取500m为搜索半径，保证绝大多数绿地斑块都落在搜索范围内参与计算。将所有绿地赋值为1，非绿地斑块赋值为0，则绿地斑块的N_MN的值在0—1范围内，越接近1表示其500范围内绿地斑块个数越多，否则越少。

邻接绿地的面积百分比用15—90m的缓冲区进行分析。由于缓冲区分析计算量大，只以所占比例较大的乔木林地为例，从中抽取相隔90m以上的乔木林地进行缓冲区生成，统计其15，30，45，60，75，90m缓冲区的平均温度和绿地百分比，再计算各缓冲区评价温度与该林地的平均温度差，作为林地对该缓冲区的冷岛强度CII。不同的缓冲区分别有CII_15，CII_30，CII_45，CII_60，CII_75，CII_90。冷岛强度反映绿地对周围地表温度的调节作用，冷岛强度CII低，说明该区热环境异质性低，且接近绿地温度，表明绿地对周围热环境的调节作用大，反之则小。

此外，还分析绿地斑块大小和形状两个格局参数。绿地大小以面积Area表示，形状用斑块形状指数SI表示:

式中，P为斑块周长，A为斑块面积，表示景观组成特征。SI接近1表示斑块形状越接近圆形;SI接近1.13，表示斑块近似正方形;SI越大，表示周长越大、形状越复杂。

2.4 统计分析

格局参数和绿地自身温度及其冷岛强度的关系运用SPSS软件进行相关分析。参与相关分析的绿地面积均大于900m2，以保证至少包含一个温度像元。绿地自身温度则用完全包含于绿地斑块内的温度像元平均值——LST_MN表示，以表征绿地产生冷岛效应的潜力。

3 研究结果

研究结果包括城市绿地解译结果、地表温度(LST)反演结果、绿地格局特征及其对绿地温度的调节作用的统计分析结果。

3.1 绿地和城市冷热岛的分布特征

解译结果显示，区域内共有绿地面积为6450 hm2，占研究区总面积的35%。如图3，在研究区的四环路(为东南四环，文中简称四环，下同)外围多为耕地，三环路与四环路之间的区域绿地特别少，三环路以内，尤其是二环路内绿地分布较均匀。该绿地格局产生如图4所示的地表冷热岛特征。

图3 研究区绿地分布图Fig.3 Urban green Distribution in the study area

图4 研究区地表冷热岛分布图Fig.4 Surface Heat and Cool Island in the study area

图4是对反演的地表温度进行了中值滤波(滤波窗口为21×21)的结果，其中冷热岛之间的温度差达15K。冷岛主要由几个公园、大片的耕地和林地形成，最大的热岛存在于三环与四环之间的新城区。等温线特征显示，陶然亭公园、龙潭湖公园虽然面积小于天坛公园，但其最低温较天坛公园小，体现了湖泊在这个季节很强的冷岛效应。

3.2 绿地格局与绿地表面温度的相关关系

绿地表面温度的高低能反映其产生冷岛效应的潜力。如表3，从绿地温度角度看，除了灌木林地以外，各种绿地的温度与其自身面积都呈反比;各种绿地的其他格局参数与温度的相关关系相差较大，表现在:乔木林地的温度与其面积、形状指数呈反比而与其周围绿地个数呈正相关;两种水体的温度皆与其面积和形状呈负相关，且相关关系较强，说明其产生冷岛效应的能力受其面积和形状的影响较显著，在不能加大面积的情况下，也可以将边界复杂化来增强其冷岛效应;草地和耕地的温度则只受面积的显著影响，但相关关系不强;灌木林地的大小、形状、邻接关系对其温度的影响皆不显著。

表3 绿地格局参数与LST相关关系表Table 3 Correlations between different pattern of urban green and LST

3.3 林地格局与冷岛强度

城区乔木林地最多，取相隔90m以上、面积大于900m2的乔木林地进行15—90m的缓冲区分析，保证所选的林地至少包含一个纯温度像元(30m×30m)，且进行90m缓冲区分析时保证缓冲区互不重叠。计算各个缓冲区内所有绿地所占的面积百分比以及缓冲区的平均温度与中心绿地的平均温度差，作为冷岛强度(Coolislandintensity——CII)，用以反映绿地对其周围热环境的调节作用，冷岛强度越大，说明林地与周围温度相差大，林地周围的热环境异质性仍然很高，说明其对周围温度的潜在调节作用越小。所选取的典型林地及缓冲区内的情况如图5。各个缓冲区内邻接的所有绿地面积百分比分别为:GP_15，GP_30，GP_45，GP_60，GP_75，GP_90，林地在各个缓冲区的冷岛强度分布为:CII_15，CII_30，CII_45，CII_60，CII_75，CII_90，它们与林地的大小、形状及与林地温度的相关关系如表4。

相关分析显示，林地外围15—90m范围内其他绿地的多与少对该林地的温度影响都很显著，而林地对周围的冷岛强度与其自身面积和形状基本不相关，而与外围缓冲区内的绿地百分比相关性较显著，但某个缓冲区的冷岛强度主要受其左右15—30m缓冲区内绿地百分比的影响，如表4:远距离的CII_75，CII_90与GP_60，GP_75，GP_90相关性强，负相关系数高，而与GP_15至60的相关系数相对弱一些，而CII_45，CII_60也与GP_45，CII_60相关性最强。而近距离的CII_15，CII_30(尤其是CII_15)除了与GP_15，GP_30显著负相关外，也与GP_75，GP_90等显著相关，可能原因是15m的距离内，CII_15与绿地自身的温度差别不大，仍然体现的是绿地自身温度的特征。

4 讨论

本研究采用的是地表温度，与分析绿地群落［22-23］或公园绿地采用实测气温的研究不同［24-25］，也没有将地表温度所反映的热环境与人的体感温度相结合［25］，而且地表温度较绿地内实测气温分辨率粗，误差源多，这是本研究的不足之处，也是本研究今后研究的改进方向。但是绿地自身的表面温度和绿地冷岛强度在较宏观的尺度上反映了绿地对周围热环境调节的潜在能力，而且极易与绿地格局相联系，研究结果仍有可取之处。

图5 缓冲区分析的乔木林地分布Fig.5 Distribution of woodlands in buffer analysis

表4 林地格局参数与林地温度、冷岛强度相关关系表Table 4 Correlations between pattern parameters of urban green and LST、CII

4.1 绿地温度受景观格局的影响

目前，从格局参数分析绿地表面温度的研究并不多，一般是不分绿地类型，从整个公园角度进行分析［15，25］，或者在分析整个城市的各类景观与地表温度的关系中，将所有植被统一对待［23］。然而，不管是区域尺度［26］还是微(住宅)尺度［27］的研究都表明:不同植被对热环境的调节作用相差较大，因此本研究将不同植被区别对待。从所分析的大小、形状、邻接个数及邻接面积比与林地相关关系看，城区主要绿地类型——乔木林地、灌木林地、草地、水体的温度与自身面积、形状及邻接绿地的面积百分比显著负相关。水体、尤其是河流的温度与其面积和形状指数显著负相关，因此在城区水体规划中，可以加大面积或者增加周长来提高其降温潜力。从林地缓冲区分析角度看，面积、形状与林地温度的相关性较邻接绿地面积百分比弱。绿地的冷岛强度与绿地格局参数的相关关系也表明绿地邻接面积百分比对其影响更大。因此，增大林地面积或者边界，对于一个公园来说，能起到一定作用，但对其周围的热环境异质性没有调节作用，而分散地布置绿地有利于减少区域热环境异质性。

4.2 格局参数反映绿地的冷岛效应的能力

在景观格局与城市热岛效应的分析中，以矢量数据进行邻接关系分析的研究不多，主要以基于Fragstats软件分析栅格数据的研究为主。从矢量数据进行分析的优点是能够保持景观斑块解译的最初特征，且极易将格局分析结果空间化。从所分析的3种格局指数角度看，面积能够较好地反映城区几种主要绿地类型的温度，包括乔木林地、水体、草地，结果与不分植被类型从栅格数据分析格局的结果相同［26］，但不能反映挨着道路的灌木林地的温度。原因可能是灌木主要在道路两盘，多为窄长条形，面积小且形状指数单一，很大程度上受道路的影响。形状指数SI对城市的水体和乔木林地的温度反映较好，而表示邻接绿地个数情况的N_MN只反映乔木林地和城郊的耕地，其原因是乔木林地与耕地斑块个数较多且较集中，对于斑块个数少的水体、灌木、草地不能反映，可见总体的温度反映能力不太稳定。邻接绿地的面积百分比能较好地反映绿地温度及绿地冷岛强度，表征一定范围内的热环境异质性。这说明不考虑面积——景观基质，只考虑个数及几何形状等特征的景观格局分析，较难解释景观过程。

4.3 对城市绿地规划与管理的启示

城市景观中各个斑块都与其周围的斑块相互紧密联系。对于城市冠层(城市屋顶以下，地面以上)的微气候而言，斑块之间互相影响的特点是:近的斑块的作用强于远的斑块，符合Tobler提出的地理学第一定律［29］。形状指数表征的是斑块之间相互作用的范围。若一个湖与一个居民地相连接，那么曲折环绕居民地的湖边界会增加湖与居民地的作用范围。但是，集中面积与增加边界是两难全的对立面。增加面积对绿地自身温度有显著影响，但是，在面积固定的情况下，增加形状指数，增加了该斑块与相邻斑块的接触空间，也就减少了面积集中的可能。本研究的结果显示，乔木林地、河流和湖泊是研究区最强的冷岛区域，其面积和形状对绿地自身温度的影响作用相当，因此，无论是在公园或小区等绿地的规划中，在条件允许的情况下，可以优先适当增加水体面积，其次是乔木林地。但公园与小区的绿地规划又有所区别，公园绿化强调在公园内部人所能得到的生态服务，因此强调集中分布绿地，这样可以增强公园自身的冷岛强度和效应，而对于小区绿地规划来说，若要改善小区热环境，降低其热异质性，则在可规划的面积固定下，宜分散、均匀地分配绿地，不宜将小区绿地集中规划于小区一角。

5 结论

本研究采用QuickBird(QB)数据提取了北京局部城区的6种城市绿地，并用LANDSAT的ETM+数据反演地表温度，分析了绿地和地表冷热岛的分布特征以及不同绿地的不同格局参数对绿地潜在降温能力的影响。可以得出两点结论:(1)不同的绿地，其温度及冷岛强度对相同的格局参数的响应不同，在分析绿地的冷岛效应时要区别绿地类型;(2)不同的格局参数对同一种绿地的温度及其冷岛强度的影响不同，分析格局与冷岛相互响应时要根据绿地类型选取适当的格局参数。综合地说:面积和形状指数对水体和乔木林地的温度的响应相当，可作为其评价参数，但草地和耕地的温度主要受面积影响，而Neighborhood Mean对绿地温度的影响较难解释，不能作为评价绿地格局对温度影响的参数。研究中所用的数据和方法能够从较宏观的角度反映绿地格局对绿地温度及其冷岛强度的影响，从不同绿地角度进行讨论，可为绿地规划和管理提供参考意见;从不同格局参数分析，可为绿地格局及景观格局分析提供一些借鉴，但对于邻接关系的相关格局指数需要今后进一步探讨。

［1］Grimm N B，Faeth SH，Golubiewski N E，Redman C L，Wu J，Bai X，Briggs JM.Global change and the ecology of cities.Science，2008，319(5864):756.

［2］Xiao R B，Ouyang Z Y，Li W F，Zhang Z M，Gregory T J，Wang X K，Miao H.A review of the eco-env ironmental consequences of urban heat islands.Acta Ecologica Sinica，2005，25(8):2055-2060.

［3］Shem W，Shepherd M.On the impact of urbanization on summertime thunderstorms in Atlanta:Two numerical model case studies.Atmospheric Research，2009，92(2):172-189.

［4］Frumkin H，Mcmichael A.Climate Change and Public Health Thinking，Communicating，Acting.American Journal of Preventive Medicine，2008，35(5):403-410.

［5］Mcgeehin M，Mirabelli M.The potential impacts of climate variability and change on temperature-related morbidity and mortality in the United States.Environmental Health Perspectives，2001，109(S2):185.

［6］Rizwan A M，Dennis L Y C，Liu C.A review on the generation，determination and mitigation of Urban Heat Island.Journal of Environmental Sciences，2008，20(1):120-128.

［7］Weng Q.Thermal infrared remote sensing for urban climate and environmental studies:Methods，applications，and trends.ISPRS Journal of Photogrammetry and Remote Sensing，2009，64(4):335-344.

［8］Epa.Urban Heat Island Mitigation.2009［cited 2010 March11］;Available from:http://www.epa.gov/hiri/mitigation/index.htm.

［9］Hamada S，Ohta T.Seasonal variations in the cooling effect of urban green areas on surrounding urban areas.Urban Forestry＆ Urban Greening，2010，9(1):15-24.

［10］Zoulia I，Santamouris M，Dimoudi A.Monitoring the effect of urban green areas on the heat island in Athens.Environmental Monitoring and Assessment，2009，156(1/4):275-292.

［11］Chen J.Discussion on the Influence of Landscape Structure on the Urban Heat Island Effect of Hefei City.，Journal of Anhui Agricultural Science 2010，38(28):15838-15841.

［12］Cheng H H，Yeng H，Wang ZS，Jian X.Relationships Between Types，Pattern Urban Green Space And Land Surface Temperature-A Case Study In Shenzhen Special Economic Zone，Acta Scientiarum Naturalium Universitatis Pekinensis.2009，45(3):495-501.

［13］Susca T，Gaffin S，Dell'osso G.Positive effects of vegetation:Urban heat island and green roofs.Environmental Pollution，2011.

［14］Weng Q，Liu H，Lu D.Assessing the effects of land use and land cover patterns on thermal conditions using landscape metrics in city of Indianapolis，United States.Urban Ecosystems，2007，10(2):203-219.

［15］Cao X，Onishi A，Chen J，Imura H.Quantifying the cool island intensity of urban parks using ASTER and IKONOSdata.Landscape and Urban Planning，2010，96(4):224-231.

［16］Jiménez-Muñoz J C，Sobrino J.A generalized single-channel method for retrieving land surface temperature from remote sensing data.Journal of Geophysical Research，2003，108(D22):4688-4695.

［17］Qin Z，Karnieli A，Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region.International Journal of Remote Sensing，2001，22(18):3719-3746.

［18］Sobrino J，Jimenez-Munoz J，Paolini L.Land surface temperature retrieval from LANDSAT TM 5.Remote Sensing of Environment，2004，90(4):434-440.

［19］Mcgarigal K，Marks B.FRAGSTATS.Spatial pattern analysis program for quantifying landscape structure.Version 2.0.Oregon State University，Corvallis，1994.

［20］Sun R，Chen A，Chen L，Lü Y.Cooling effects of wetlands in an urban region:The case of Beijing.Ecological Indicators，2012，20(0):57-64.

［21］Rempel R S，Kaukinen D，Carr A P.Patch Analyst and Patch Grid.2012［cited 2012 April 1］;Available from:http://www.cnfer.on.ca/SEP/patchanalyst/.

［22］Wenting W，Yi R，Hengyu Z.Investigation on Temperature dropping effect of Urban Green Space in summer in Hangzhou.Energy Procedia，2012，14(0):217-222.

［23］He J N，Xiao Y F，Wu Y X，Wu L C，Kang W X.Four Types of Green Space in Urban on the Reduction of Heat Island Effect.Chinese Agricultural Science Bulletin，2011，27(16):70-74.

［24］Cohen P，Potchter O，Matzarakis A.Daily and seasonal climatic conditions of green urban open spaces in the Mediterranean climate and their impact on human comfort.Building and Environment，2012，51(0):285-295.

［25］Oliveira S，Andrade H，Vaz T.The cooling effect of green spaces as a contribution to the mitigation of urban heat:A case study in Lisbon.Building and Environment，2011，46(11):2186-2194.

［26］Zhou W，Huang G，Cadenasso M L.Does spatial configuration matter?Understanding the effects of land cover pattern on land surface temperature in urban landscapes.Landscape and Urban Planning，2011，102(1):54-63.

［27］Shashua-Bar L，Pearlmutter D，Erell E.The cooling efficiency of urban landscape strategies in a hot dry climate.Landscape and Urban Planning，2009，92(3/4):179-186.

［28］Li J，Song C，Cao L，Zhu F，Meng X，Wu J.Impacts of landscape structure on surface urban heat islands:A case study of Shanghai，China.Remote Sensing of Environment，2011:3249.

［29］Tobler W.On the First Law of Geography:A Reply.Annals of the Association of American Geographers，2004，94(2):304-310.

参考文献:

［4］肖荣波，欧阳志云，李伟峰，张兆明，Gregory T J，王效科，苗鸿.城市热岛的生态环境效应.生态学报，2005，25(8):2055-2060.

［11］陈健.探讨合肥市绿地景观结构特点及其降温效应.安徽农业科学，2010，38(28):15838-15841.

［12］程好好，曾辉，汪自书，简霞.城市绿地类型及格局特征与地表温度的关系——以深圳特区为例.北京大学学报(自然科学版)，2009，45(3):495-501.

［23］何介南，肖毅峰，吴耀兴，吴立潮，康文星.4种城市绿地类型缓解热岛效应比较.中国农学通报，2011，27(16):70-74.