城市绿地对周边热环境影响遥感研究——以北京为例

栾庆祖，叶彩华，刘勇洪，李书严，高燕虎

北京市气候中心，北京 100089

城市绿地对周边热环境影响遥感研究
——以北京为例

栾庆祖，叶彩华*，刘勇洪，李书严，高燕虎

北京市气候中心，北京 100089

城市绿地是缓解城市热环境效应问题的主要因素之一，它不仅在宏观上影响城市区域尺度气候条件，而且在小区尺度直接影响到周边的热环境条件。本文从绿地景观格局的角度出发，利用遥感技术和地理信息技术，以北京市主城区的城市绿地作为研究对象，以绿地周边建筑物作为热环境影响承载体中介，分析了影响建筑热环境的绿地的主要景观因子，开展了城市绿地对周边热环境的影响范围、降温幅度以及绿地景观参数与降温幅度的相关关系研究。首先，从TM遥感影像上人工数字化选取了26个城市绿地斑块，同时提取了其周边建筑物像元；然后，基于定量遥感理论反演了绿地和建筑物的温度，并利用GIS工具统计了绿地和建筑的景观格局信息；最后，基于空间统计分析方法和等温线周长-温度曲线变点方法确定了城市绿地对周围建筑物热环境的影响范围，通过相关性分析探讨了城市绿地景观参数与其降温幅度之间的相关性。研究结果显示：（1）在100 m空间分辨率的尺度下，北京大部分城市绿地斑块对周边100 m范围内的建筑具有降温效应；面积在0.5 km2以上的绿地斑块，对周边100 m范围内建筑物具有明显降温效应，降温幅度在0.46～0.83 ℃之间，平均降温幅度为0.72 ℃；面积在0.5 km2以下的，具有较高植被覆盖度的绿地斑块有一定的降温效应，不具有较高植被覆盖度的绿地斑块降温效应不明显；（2）绿地斑块的周长、面积、形状指数和植被覆盖度与其周边建筑物的降温幅度没有显著的相关性。该结果表明，绿地的面积无论多大，其对周边环境的降温效应都限制在一定空间范围内；在布设城市绿地时分散型绿地比集中式大绿地对周边环境的总体降温效应更好。研究结果揭示了城市绿地对周边热环境影响的空间范围、降温幅度以及绿地景观参数与降温幅度的相关关系，可为城市规划建设及环境评价等提供科学参考。

城市绿地；建筑；热环境；遥感；景观参数

随着我国城市化进程的加快，城市下垫面不透水面面积比例的不断扩大和城市运行所释放的废气废液等人为热使城市气候发生了一系列的变化（Oke，1986；Peng，2005），由此引起的城市热环境问题已经成为城市发展和规划过程中必须考虑的重要问题。大量研究表明，城市绿地是缓解城市热环境效应问题的主要因素（高凯等，2012），合理规划和增加城市绿地是缓解热环境问题的有效手段（Akbari等，1990；Jauregui等，1990）。

对城市绿地影响热环境问题的研究多采用实际观测的手段，而研究的问题主要集中在城市绿地对热岛效应的减缓作用。如Chang和Lee等研究通过观测研究城市绿地与周边环境的气温差异、降温作用以及热岛减缓作用等（Chang和Li，2007；Lee等，2009；李延明等，2004；程承旗等，2004）。近年来遥感技术的发展促进了城市绿地对热环境影响的研究，武鹏飞、周红妹等研究运用遥感影像为信息源研究城市绿地对缓解和减弱热岛效应效果及其相互关系等（武鹏飞等，2009；周红妹等，2008；贾刘强和邱健，2009），表明了遥感技术应用于城市热环境问题研究具有可行性和高效性。

城市绿地在改善城市热环境问题的过程中具有明显的作用，但是目前大多数研究集中在城市绿地对热岛效应的减缓等纵观问题方面（柯锐鹏和梅志雄，2010；Weng等，2004；Streutker，2003）。少数文献研究了绿地与周边环境的相互影响关系，如陈云浩等（陈云浩等，2004）研究了城市绿地对周边缓冲区范围内地表温度的影响，但其薄弱之处在于，绿地周边缓冲区范围内的不同地物类型混合比例对自身的热环境影响程度可能会大于绿地的影响，同时不同地物类型混合比例存在区域间的较大差异，不能准确反映绿地对周边热环境的影响。因此，本文以城市绿地周边单一地物类型——建筑物的顶层温度作为绿地对周边热环境影响的承载体中介对象，从绿地景观布局的角度来探讨绿地对周边热环境影响，目的是解决绿地周边混合地物类型带来的非均一代表性问题。在方法上，本文利用遥感技术和地理信息技术，研究了城市绿地空间景观格局与周边热环境之间的关系；通过空间统计分析方法和等温线周长-温度曲线斜率变点两种方法明确了城市绿地对周围建筑物的降温效应和空间影响范围。最终结论可用于指导城市绿地规划建设，同时可为城市绿地建设的定量评价提供技术支撑。

1 数据及方法

1.1 研究区域及数据

研究区域为北京市中心城区6个区，包括东城区、西城区、朝阳区、海淀区、石景山区和丰台区，空间范围见图1。

本文选择美国陆地资源卫星Landsat TM5（轨道号123/32）遥感影像作为提取城市绿地和地表温度反演的基础数据，可见光通道空间分辨率为30 m，热红外通道（第6波段）的空间分辨率为120 m，过境时间为2008年8月2日下午2点21分，当天北京市气象局监测的气温最高达到35.5 ℃，高温条件有利于对比分析研究。基础测绘数据来自北京市测绘设计研究院2009年1∶2000比例尺行地形图矢量数据。

1.2 地表温度反演

Landsat TM数据定标根据美国NASA提供的TM传感器波段增益参数，采用公式（1）进行不同谱段辐射亮度计算（陈云浩等，2004；Gyanesh等，2004）。正射纠正基于1∶2000地形图矢量数据和DEM，采用改进的多项式模型进行纠正（栾庆祖等，2007），纠正误差控制在1个像元以内。

其中Lℷ为地表辐射亮度，α为NASA提供的TM5传感器每个波段的增益，β为偏置，DN为影像的原始像元值。

地表温度反演参考Schneider和Mauser（Schneider和Mauser，1996）给出的TM影像温度反演公式（2）得到：

其中，T为热力学温度，K1、K2为定标常数，Lℷ为由公式（1）得到的第6波段热红外通道的辐射亮度。

为方便后续计算和统计分析，本文将地表温度反演后得到的数据空间分辨率重采样为100 m。

1.3 城市绿地信息提取

图1 研究区域Fig.1 Research area

在城市内部，城市绿地内部所对应的地表温度相对较低，绿地周边的不透水面等地表温度通常相对较高，由此引起的热量传输使绿地对其周边热环境具有明显改善作用。为准确提取城市绿地的空间信息，本文采取人工数字化的方式获取多尺度的城市绿地斑块（最小尺度3×3像元），选取原则是绿地不包含水体或少量水体，以规避水体同时产生的对建筑物的降温影响。由于绿地斑块的景观特征不同，不同绿地对周围建筑的热环境影响效应也存在差异。本文参考景观生态学中景观参数定义（Liu和Cameron，2001；Hulshoff，1995），选择城市绿地斑块面积、周长、形状指数、植被覆盖度共四个景观格局特征参数。其中植被覆盖度的计算方法采用植被指数法——混合像元等密度模型NDVI植被指数反演法（Strahler，1980），参见公式（3）。

式中，f为植被覆盖度，NDVI为像元NDVI值，NDVImax为研究区域的最大NDVI值，NDVImin为研究区域最小NDVI值。

1.4 技术路线

本文的研究及数路线分以下四步骤进行研究：

第一步，遥感数据预处理。对原始TM遥感数据进行定标、正射纠正等预处理。

第二步，绿地和建筑物相关信息提取。分别采取人工数字化的方式在经过预处理后的遥感影像上提取绿地及绿地周边的建筑物斑块。同时，根据本文2.2和2.3节的方法，反演地表温度和植被覆盖度信息。

第三步，统计分析。本步骤包括三部分：（1）将城市绿地斑块分布格局与城市陆地地标温度进行空间叠置，对每个城市绿地斑块对应的温度进行统计，包括最大值、最小值、均值等；（2）从人工数字化的城市绿地斑块中获取各斑块的面积、周长、形状指数（周长面积比），并分析其空间特征；（3）对每个绿地斑块做多尺度缓冲区，分别提取各尺度缓冲区内的建筑物像元并计算建筑物顶层的平均温度，比较各缓冲区内建筑物顶层的温度差异，确定绿地斑块对建筑物的空间影响范围。

第四步，城市绿地对周边建筑热环境影响分析。本文主要从两个方面研究城市绿地对周边建筑热环境的影响：（1）影响距离：分别采用空间统计分析方法和等温线周长-温度曲线斜率变点方法（贾刘强，2009）研究城市绿地对周边建筑热环境的影响距离；（2）绿地对周边建筑热环境影响的最主要景观参数：用城市绿地斑块的面积、周长、形状指数和植被覆盖度分别与缓冲区范围建筑物降温幅度进行相关性分析，定量衡量城市绿地对周围建筑的热环境影响效应。

2 结果分析

2.1 地表温度反演

利用公式（1）和（2），本文反演得到的北京地区的地标温度分布如图2所示。北京市主城区的地表温度范围在21.86～34.00 ℃之间。高温主要分布在东南部植被覆盖较少的工业及居民区域，而低温则主要分布在西北部的浅山区。

2.2 城市绿地信息提取

本文采取人工数字化的方式获取多尺度的城市绿地斑块（最小尺度3×3像元）26块（参见图2）。

表1 城市绿地斑块统计信息Table 1 Statistics of urban green land

图2 2008年8月2号遥感反演北京地表温度及数字化绿地分布图Fig.2 Map of retrieved land surface temperature by remote sensing in 2ndAugust and digital UGLs

统计计算绿地景观参数信息发现，绿地面积、周长、形状指数的差异性非常显著（表1）。其中绿地斑块面积在0～0.5 km2范围内的有16个，0.5～1.0km2范围内的有3个，1.0～2.0 km2范围内的有3个，2.0～5.0 km2范围内有2个，5.0～8.0 km2范围内的有2个，全部绿地面积的平均值为1.12 km2。面积最大的绿地面积达到7.65 km2，而面积最小的绿地斑块面积仅0.081 km2；同时周长也存在较大的差异，绿地斑块周长范围在1.55～20.22 km之间，其中1～2 km范围内的有5个绿地斑块，2～5 km范围内有12个绿地斑块，5 km以上的有9个；形状指数范围分布在0.0026～0.0203之间，其中形状指数最小的绿地同时也是是面积最大绿地。

从空间上分析发现，温度最低的5个绿地斑块位于城市的北部，而5个温度最高的绿地斑块则位于城市的南部，即北京市城市绿地的热环境空间格局表现出南高北低的规律性，与城市整体热环境空间格局分布一致。

2.3 城市绿地斑块与内部温度关系分析

将城市绿地斑块平均温度分别与各自斑块的面积、周长、形状指数、植被覆盖度四个景观参数建立相关分析。

2.3.1 绿地周长与平均温度的关系

将绿地斑块的周长与热环境温度对比分析，如图3所示，二者不存在显著的统计相关性。

2.3.2 绿地面积与平均温度的关系

图3 绿地景观特征参数与内部平均温度相关性统计分析Fig.3 Correlation of average temperature with landscape parameters of green land

总体上城市绿地斑块对应的平均温度与斑块面积的相关性非常弱。但对面积在0.26～1.03 km2范围内的城市绿地斑块分析显示，随着城市绿地斑块面积的增大，温度有逐渐降低趋势，但降低的幅度是非均匀的。当绿地斑块面积在0.08～0.22 km2之间时，面积温度曲线并不具备规律性。

2.3.3 绿地形状指数与平均温度的关系

根据Wiens等（Wiens等，1993）的研究成果，形状指数是反映斑块形状的重要参数，其值越大，表面形状越复杂，绿地斑块内部的能量、物质及信息越容易与周围环境交流，因此我们选择形状指数与绿地斑块温度进行相关分析。其中最小形状指数值为0.0026，所对应的温度为26.9 ℃，最大形状指数值为0.0203，对应温度升高到28.1 ℃，但从总体上看（见图3），二者的相关性很弱，不形成明显的趋势。

2.3.4 绿地斑块植被覆盖度与内部平均温度的关系

城市绿地的平均温度随着植被覆盖度的增大而减小，相关系数达到了-0.50，通过了F检验。其中植被覆盖度最低的四惠公园，其覆盖度为0.58，所对应的温度最高，为28.1 ℃；望京街道绿地植被覆盖度最高为0.92，其温度为25.9 ℃。因此植被覆盖度与城市热环境温度具有一定负相关关系，即植被覆盖度越高，温度越低，植被覆盖度显著影响降温效应。

需要指明的是，王雪（王雪，2006）、甘霖（甘霖，2011）等的研究结果显示城市绿地面积和周长与绿地温度呈负相关关系，而与形状指数呈正相关的关系，本文的分析结果与他人研究成果不相一致。其中一个重要原因是样本选择的差异，如紫竹院公园绿地区域内包括了少量水面，还有些公园内部存在不透水面、少量建筑等情况，所以公园地表覆盖的差异性会导致相同面积大小的公园出现热环境差异。另外一个可能的重要原因是，斑块内部的地表覆盖有明显的差异。例如面积为0.08 km2的玲珑公园的温度为26.8 ℃，而面积为0.18 km2的地坛公园温度为26.6 ℃，与小面积的玲珑公园温度相近，在不考虑其他热源影响的情况下，最主要原因是玲珑公园的覆盖度为0.83，植被覆盖度非常高，而地坛公园的覆盖度为0.69。

表2 绿地及缓冲区内建筑物温度统计表Table 2 Statistic of Temperature of Green Land and Buildings in Buffer Area

3 城市绿地斑块对周边建筑热环境影响

为方便采用空间方式定量研究绿地对周边建筑物的热环境影响，我们对各个绿地斑块进行不同距离的缓冲区分析。将绿地斑块边界以外分别划分成0～100 m、100～200 m、200～300 m、300～400 m共4个空间范围的缓冲区；分别提取缓冲区内的建筑物，与地表温度分布数据进行空间叠置，得到4个空间缓冲区内热环境温度的所有统计值，并将各空间范围缓冲区内的平均温度进行统计对比分析，定量衡量城市绿地斑块对周边建筑环境的局地效应；最后将绿地影响范围内的建筑物平均温度分别与城市绿地的面积、周长、形状指数和植被覆盖度进行相关分析

3.1 绿地对周边建筑物热环境的影响距离

3.1.1 空间统计分析方法

从理论上分析，城市绿地斑块内部温度较周边建筑等非植被下垫面的温度低，会对周边热环境产生一定的降温效应。绿地周边缓冲区内建筑物温度如果与正常建筑物温度有明显降温差异，则表明该范围内的建筑受绿地的影响较大。通常情况下的表现形式是：距离城市绿地远的建筑物温度比距离绿地近的建筑物温度高。因此，参考Huang等（Huang等，1987）的研究成果，我们定义：如果相邻缓冲区的建筑温度差值≤0.3 ℃，则确定为不受绿地影响的缓冲区；以该缓冲区内建筑物平均温度为背景值，各缓冲区内建筑物平均温度与该背景值相减的差值，定义为绿地对周边建筑物造成的降温幅度。

基于上述定义，为了明确绿地对周边建筑的热环境影响空间距离范围，分别计算100 m与100～200 m、100～200 m与200～300 m、200～300 m与300～400 m缓冲区范围内的建筑物平均温度差值，所有计算结果见表2。

对缓冲区100 m与100～200 m范围内建筑物温度差进行比较发现：（1）仅5个公园缓冲区内建筑平均温度差小于等于0 ℃，而其余21个建筑区域温度差均大于0 ℃，这5个公园缓冲区分别为日坛公园、地坛公园、田村街道公园、四得公园和景山公园。分析得知，这5个公园受周边水体、不透水面、绿化植物等影响较强；（2）在所有公园中，降温幅度最高的为花乡公园，高达2.37 ℃，主要原因是在花乡公园100～200 m范围，分布了大面积的道路和建筑物区域，而这些不透水面的绿化非常少，加上花乡公园自身的绿化面积高达2.27 km2，故降温效应最为显著。因此，可认为这6块绿地受背景环境影响较大，在后续的分析中将其去除。

利用剩下的绿地作缓冲区建筑物温度差与绿地面积散点图（见图4），结合表2的统计结果，可以发现，（1）远离绿地斑块的建筑区域温度明显升高，而且随着距离的增加，这三个缓冲区内建筑物温度差值也在逐渐降低，即表2中绝大部分（D-C）＜（C-B）＜（B-A），表明随着距离增加绿地对建筑物的热环境影响效应在降低。（2）90%以上的200 m与100 m缓冲区内建筑物温差大于0.3 ℃，只有2个绿地的200 m与100 m缓冲区内建筑物温差小于0.3 ℃，而90%以上的300 m与200 m缓冲区内建筑物温差和95%以上的400 m与300 m缓冲区内建筑物温差小于0.3 ℃。200 m与100 m缓冲区内建筑物温差小于0.3 ℃的公园分别是看丹郊野公园和紫竹院公园。紫竹院公园的200 m与100 m缓冲区内建筑物温差为0.28 ℃，接近0.3 ℃；看丹郊野公园的绿地面积为0.5 km2，但其形状为不规则矩形，形状指数高达0.0108，并且公园的植被覆盖度非常低，仅为0.29，相比其它城市绿地，周边的降温效应不显著，温差为0.16 ℃；（3）面积在0.5 km2以上的绿地斑块，全部的温差均大于0.3 ℃，对周边100 m建筑物具有明显降温效应，降温幅度在0.46～0.83 ℃之间，平均降幅为0.72 ℃；面积在0.5 km2以下的较高覆盖度绿地斑块有一定降温效应，但是低覆盖度绿地斑块降温效应不明显。

因此，可认为在100 m分辨率的空间尺度下，绿地对周边建筑物的热环境影响空间距离为100 m，即绿地斑块只对0～100 m范围内建筑物温度有影响；同时可认为，绿地周边100～200 m缓冲区内建筑物温度不受绿地影响，即可以作为背景温度；进一步，200 m与100 m缓冲区内建筑物温差值即是绿地对100 m范围内建筑物的影响的降温幅度。

图4 缓冲区建筑物温度差与绿地面积相关图Fig. 4 Relationship between the temperature variation of buildings in buffer area and the area of green land

3.1.2 等温线周长-温度曲线斜率变点方法

从理论上分析，城市绿地斑块在一定程度上会对周边的环境产生降温效应，这种降温效应可以通过城市绿地周围等温线的分布、疏密变化等规律来表征，所以可以利用每块绿地周围的等温线来定量衡量绿地对周围热环境的影响。贾刘强（贾刘强，2009）利用绿地斑块周围等温线的周长—温度曲线图，寻找斜率变点，从而获取绿地斑块对外降温影响范围及幅度，图5为利用地表温度数据提取的圆明园遗址公园间隔0.1 ℃的等温线。

图5 圆明园遗址公园等温线分布Fig. 5 Map of Isotherm with Interval of 0.1℃ around Yuanmingyuan Ruins Park

图5 以圆明园遗址公园绿地斑块为例，以0.1 ℃间隔作等温线，在圆明园遗址公园绿地周围，由点至面依次分布了21条闭合的等温线，反映了该绿地斑块对周边地表热环境的影响：随着等温线周长的不断扩大，地表温度逐渐升高，同时绿地斑块的对外降温效应也逐渐减弱，直至周围地表温度趋于一致。在上述过程中，绿地斑块对外降温影响范围可以认为是从斑块边缘到温度与周围温度开始趋于一致的那跳闭合的等温线所包围的区域，而降温幅度则为该等温线所在温度与绿地斑块内部平级地表温度之差。

对圆明园遗址公园绿地周围的21条等温线的周长与温度的曲线进行进一步分析（图6）。用多项式对其拟合，在0.05置信水平上，决定系数R2达到0.9697；并且该曲线存在两处斜率变点：对应25.9 ℃在绿地边缘（部分分布在绿地内部），为该绿地对周围地物热环境产生影响的起始处；第二处斜率变点对应26.7 ℃等温线，对应该绿地斑块降温影响临界点，即从该等温线向外地表温度变化不再显著。

从两斜率变点的位置对应到等温线分布图中进行检验，曲线反应的降温范围与绿地斑块周边等温线分布规律的解释一致：在圆明园遗址公园绿地斑块边缘附近，由于绿地内部温差急剧变化，形成第一个斜率变点（25.9 ℃等温线），随着等温线周长的增加，地表温度逐渐升高，直到达到第二个斜率变点（26.7 ℃等温线），此时地表温度随等温线周长增加而不断升高的趋势逐渐消失，可认为此时地表温度与周围环境的地物温度趋于一致，是该绿地降温的影响范围的外边界，所以圆明园遗址公园绿地的降温幅度为26.7 ℃等温线与25.9 ℃等温线之差（0.8 ℃，这与本文缓冲区统计分析的方法得出的0.72 ℃接近），两条等温线围合区域与缓冲区100 m范围虽然差异较大，但两条线最小间隔仍在100 m范围之内，表明绿地影响范围不超过100 m。

需要指出的是，等温线周长-温度曲线斜率变点方法也有其不足之处。当绿地区域下垫面土地利用状况复杂，或者绿地的形状复杂时，绿地周边热环境受到多因素的影响，绿地周围的等温线也会呈现出不规律性，即并不是以绿地为中心由内至外的有规律的闭合等温线，而是发散外延的复杂曲线。这种情况下，等温线周长-温度曲线斜率变点方法便不适用。

3.2 绿地斑块参数与降温幅度的相关性

图6 等温线周长-温度曲线变点Fig.6 Slope breakpoints of the Isotherm perimeter-temperature curve

图7 绿地景观参数与降温幅度散点图Fig.7 Scatter diagrams of landscape parameters of green land and cooling range

绿地对周边建筑物的热环境影响空间距离为100 m，因此我们主要分析200 m与100 m缓冲区内建筑物温差(降温幅度)与绿地斑块景观参数的相关关系，来反映绿地斑块对周围建筑热环境缓解的规律。从散点图上分析（图7），绿地斑块对100 m缓冲区内的建筑物的降温幅度与绿地面积、周长、形状指数和植被覆盖度并没有明显的相关关系。贾刘强的研究表明，绿地对周边降温幅度受绿地斑块的植被盖度、面积、周长和形状指数的综合作用，其中绿地面积和周长的影响较显著，相关系数分别达到了0.76和0.72。由于本文的研究对象是绿地周边的建筑物，一方面，对某绿地斑块做缓冲区时，实际上得到的是与该绿地的斑块形状相似、范围向外扩的一个区域，在现实情况中，因为受地形、环境、风向等各种因素的影响，绿地斑块对外降温影响区域难以呈现出与绿地自身斑块相似的形状；另一方面，建筑物的温度除了受到周边环境的影响之外，自身的结构和内部能源消耗散热才是最主要的热环境影响因子，而且内部能耗散热的不确定性非常强。此外，城市绿地样本数量少也可能是影响结果的一个重要原因。所以，基于缓冲区分析的绿地斑块影响周边建筑热环境的定量方法确定绿地产生的降温效果存在一定的不确定性，有必要借助其他研究方法适当改进。

4 结论与讨论

4.1 结论

城市绿地对周边热环境具有一定程度的降温效应，在城市规划过程中应该重视绿地的景观布局，将绿地面积和绿地的植被覆盖度协同考虑：

（1）绿地斑块内部平均温度与斑块的面积、周长与形状指数相关性较弱，与植被覆盖度则有一定负相关关系，相关系数为-0.50，提高植被覆盖度有利于降低温度。

（2）在100 m分辨率的空间尺度下，本文研究的大部分绿地斑块对周边100 m范围内的建筑具有降温效应，当绿地植被覆盖度较高时影响范围可能超出100 m。

（3）面积在0.5 km2以上的绿地斑块，对周边100 m范围内的建筑物具有明显降温效应，降温幅度在0.46～0.83 ℃之间，平均降温幅度为0.72 ℃；但是面积在0.5 km2以下的绿地斑块只有在具有较高覆盖度时才表现出一定的降温效应，低覆盖度的绿地斑块降温效应不明显。在绿地斑块的规划设计中，应使绿地斑块的面积在0.5 km2以上，同时尽量提高绿地中植被覆盖率以使绿地斑块对周边建筑温度的影响范围和程度达到最大化和最优化。

4.2 讨论

本文以2008年北京主城区五环路以内的绿地及其周边建筑为研究对象，探讨了绿地对周边热环境影响效应的规律，包括绿地斑块的植被盖度、面积、周长以及形状指数等空间特征与绿地内部温度的关系，以及绿地对周边热环境温度的影响范围和影响程度。同时，本文基于等温线周长-温度曲线斜率变点方法验证了绿地斑块缓解周边建筑热环境的作用范围及幅度，与空间统计分析结果基本一致，说明该方法可以辅助定量判定绿地热环境效应，在绿地形状和下垫面土地利用并不复杂的情况下，可以更加准确的确定每一个绿地斑块对周围热环境影响范围及降温幅度。该方法在一定程度上避免了人为确定统一的缓冲距离带来的误差，保障了绿地斑块对周边环境温度影响范围和降温幅度数据获取的独立性，从而可以提高研究结论的可靠性。

对本文选取的绿地样本进行统计分析表明，绿地斑块的周长、面积、形状指数和植被覆盖度均与其周边建筑物的降温幅度没有显著相关性。由于绿地区域下垫面环境复杂或建筑物自身结构和能耗散热不确定性强，基于缓冲区分析的方法存在一定的不足。

在研究相关问题时，尺度是一个重要的问题。在确定了基准的数据源后，选择的研究尺度不同，得到的结论往往差异很大。如高凯等（高凯等，2012）采用0.25 m航片数据进行绿地的提取和分析，绿地面积与温度表现出非常强的相关性，与本文的研究结果差别较大；同时，本文研究结果由于受遥感图像空间分辨率的限制，诸多结论还比较粗糙，还不能对绿地热环境效应进行更为精细、准确、定量的分析。此外，不同学者因研究方法不同所取得的结论也将不完全一致。虽然样本和区域环境的差异是其中的重要原因，但最主要的原因是研究模型不能完全模拟城市绿地产生的各种复杂的变化过程。因此，为检验本文研究结论在不同尺度下及不同区域内的适用性，利用更高空间分辨率的遥感热红外图像进行城市绿地热环境效应的研究，同时对比不同研究方法的结论差异性机理，是今后需要进一步实验研究的内容和方向。

AKBARI, ROSENFELD, TAHA. 1990. Summer heat islands, urban trees, and white surfaces. Winter meeting of the American Society of Heating[J]. Refrigerating and Air-Conditioning Engineers. 45(19):359-367.

CHANG, LI. 2007. A preliminary study on the local cool-island intensity of Taipei city parks[J]. Landscape and Urban Planning. 80(4):386-395.

GYANESH C, HELDER D L, Markham B L, et al. 2004. Landsat-5 TM reflective band radiometric calibration[J]. IEEE Transactions on Geo-science and Remote Sensing. 42(12):2747-2760.

HUANG Y J, AKBARI H, TAHA H, et al. 1987. The potential of vegetation in reducing summer cooling loads in residential buildings[J]. Journal of climate and Applied Meteorology, 26(9): 1103-1116.

HULSHOFF R M. 1995. Landscape indices describing a Dutch landscape[J]. Landscape ecology, 10(2): 101-111.

JAUREGUI. 1990. Influence of a large urban park on temperature and convective precipitation in a tropical city[J]. Energy and Buildings. 15(3-4):457-463.

LEE, LEE, JIN, et al. 2009. Effect of an urban park on air temperature differences in a central business district area[J]. Land scape and Ecological Engineering. 5(2):183-191.

LIU A J, CAMERON G N. 2001. Analysis of landscape patterns in coastal wetlands of Galveston Bay, Texas (USA)[J]. Landscape Ecology, 16(7): 581-595.

OKE T R. 1986. Urban climatology and its applications with special regard to tropical areas[M]//WMO. World Meteorological Organization, 652:10-12.

PENG S L, ZHOU K, YE Y H, Su J．2005. Research progress in urban heat island[J]. Ecology and Environment, 14(4):574-579．

SCHNEIDER K, MAUSER W. 1996. Processing and accuracy of Landsat Thematic Mapper Data for lake surface temperature measurement[J].International Journal of Remote Sensing, 17(11):2027-2041.

STRAHLER A H. 1980. The use of prior probabilities in maximum likelihood classification of remotely sensed data[J]. Remote Sensing of Environment, 10(2): 135-163.

STREUTKER D R. 2003. Satellite-measured growth of the urban heat island of Houston, Texas[J]. Remote Sensing of Environment. 85(3): 282-289.

WENG Q, LU D, SCHUBRING J. 2004. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies[J]. Remote sensing of Environment, 89(4): 467-483.

WIENS J A, CHR N, VAN H B, et al. 1993. Ecological mechanisms and landscape ecology[J]. Oikos: 369-380.

陈云浩, 李京, 李晓兵. 2004. 城市空间热环境遥感分析格局过程模拟与影响[M]. 北京: 科学出版社: 26.

程承旗,吴宁,郭仕德,等. 2004. 城市热岛强度与植被覆盖关系研究的理论技术路线和北京案例分析[J]. 水土保持研究, (3):172-174.

甘霖. 2011. 面向地表热环境效应改善的北京绿隔规划策略[D]. 北京:清华大学: 65.

高凯, 秦俊, 胡永红. 2012. 城市居住区景观绿化格局改善热环境变化的遥感监测分析[J]. 生态环境学报, 21(3): 464-469.

贾刘强, 邱健. 2009. 基于遥感的城市绿地斑块热环境效应研究——以成都市为例[J]. 中国园林, (12):97-101.

贾刘强. 2009. 城市绿地缓解热岛的空间特征研究[D]. 成都: 西南交通大学: 92-95．

柯锐鹏, 梅志雄. 2010. 城镇化与绿地退化对城市热环境影响研究[J].生态环境学报, 19(9): 2023-2030.

李延明, 郭佳, 冯久莹. 2004. 城市绿色空间及对城市热岛效应的影响[J]. 城市环境与城市生态, 17(1): 1-4.

栾庆祖, 刘慧平, 肖志强. 2007. 遥感影像的正射校正方法比较[J]. 遥感技术与应用, 22(6): 743-747.

王雪. 2006. 城市绿地空间分布及其热环境效应遥感分析[D]. 北京：北京林业大学: 94.

武鹏飞, 王茂军, 张学霞. 2009. 基于归一化建筑指数的北京市城市热岛效应分布特征[J]. 生态环境学报. 18(4): 1325-1331.

周红妹, 高阳, 葛伟强, 等. 2008. 城市扩展与热岛空间分布变化关系研究——以上海为例[J]. 生态环境. 17(1):163-168.

Effect of urban green land on thermal environment of surroundings based on remote sensing: A case study in Beijing, China

LUAN Qingzu, YE Caihua*, LIU Yonghong, LI Shuyan, GAO Yanhu
Beijing Municipal Climate Center, Beijing 100089, China

Urban green land (UGL) is one of the key factors that mitigate urban thermal environment effect. Not only in macro scale it has influence on urban weather condition, but also in the scale of community, it has direct impact on thermal environment of its surroundings. In this paper, from the view of landscape of UGL, we chose UGL in main urban zone as study target and buildings around them as bearing agent influenced by them. By employing remote sensing (RS) and geographic information system (GIS) technology, we analyzed dominant landscape feature parameters of UGL that impact thermal environment of buildings, and studied how far UGL could affect surrounding thermal environment and correlation between landscape coefficients of UGL and cooling range caused by UGL. First of all, we mapped 26 UGL patches artificially and extracted their neighbor buildings from TM image. Then, we retrieved canopy temperature of UGL and top roof temperature of buildings around UGL based on quantitative remote sensing theory, and computed UGL’s landscape information using GIS tools. Finally, spatial range that UGL affect its neighbor buildings’ thermal environment was inferred through both spatial statistic method and isotherm perimeter-temperature curve breakpoint method, and meanwhile, correlation between UGL’s temperature and its neighbor buildings’ temperature was explored. Studies showed that, at the scale of spatial resolution of 100 m, most UGL patches had a role in cooling effect on their surrounding buildings within 100 m range. All UGL patches over 0.5 km2acted significant cooling effect on buildings near patches within 100 m, and the temperature drop ranged from 0.46 ℃ to 0.83 ℃, with average 0.72 ℃. Also UGL patches below 0.5 km2with high fractional vegetation cover played a cooling role, while UGL patches below 0.5km2 with low fractional vegetation cover had no significant cooling effect. Anymore, UGL patches’ perimeter, area, shape index and fractional vegetation cover had no significant correlation with UGL’s cooling range on their surroundings. The results indicate that, no matter how much the area is, UGL patches have limited spatial influence on their surrounding thermal environment; and dispersive UGL distribution has better cooling effect on surroundings than intensive distribution. Our research reveals the spatial distance and temperature drop range that UGL affected on its surrounding buildings and the correlation between UGL’s landscape indexes and the temperature drop range caused by UGL, which could provide scientific basis for urban plan and environment assessment.

urban green lands; buildings; thermal environment; remote sensing; landscape coefficients

K903；X16

A

1674-5906（2014）02-0252-10

栾庆祖，叶彩华，刘勇洪，李书严，高燕虎. 城市绿地对周边热环境影响遥感研究——以北京为例[J]. 生态环境学报, 2014, 23(2): 252-261.

LUAN Qingzu, YE Caihua, LIU Yonghong, LI Shuyan, GAO Yanhu. Effect of urban green land on thermal environment of surroundings based on remote sensing: A case study in Beijing, China [J]. Ecology and Environmental Sciences, 2014, 23(2): 252-261.

国家自然科学基金项目（41175015）；气象行业公益性研究专项（GYHY201106032）

栾庆祖（1981年生），男，工程师，博士研究生，研究方向为生态遥感与大气遥感。*通讯作者，E-mail: YCH681012@126.com

2013-12-18