桂林市典型园林绿地与水体的降温效应研究

梁保平，马艺芳，李晖

广西师范大学环境与资源学院，广西 桂林 541004

桂林市典型园林绿地与水体的降温效应研究

梁保平，马艺芳，李晖

广西师范大学环境与资源学院，广西 桂林 541004

随着城市化的快速发展，城市热岛现象也越来越突出。作为城市生态系统中两种重要的地物类型，园林绿地和水体对城市热岛均有明显的降温效应，因此对其进行定量研究具有重要意义。以桂林市建成区为研究对象，利用TM影像数据提取了区域的地表温度（LST）、植被覆盖度（FV）以及改进的归一化差异水体指数（MNDWI）等生物物理信息，同时借助空间统计和缓冲区分析方法，对区域典型园林绿地和水体地表温度的空间特征及其相关性进行了定量研究。结果表明：桂林市5城区的地表温度以低温区和中温区为主。高温区与极高温区也占有较大比例，两者占市区总面积27.8%，较全市平均地表温度高约2～4 ℃，整体上呈现显著的热岛效应。城市中园林绿地和水体的平均地表温度分别为26.76和24.86 ℃。相关性分析揭示，城市园林绿地和水体面积与其内部地表温度呈现极显著负相关关系（sig=0.001），园林绿地的 FV、水体 MNDWI则呈显著负相关关系（sig=0.015和sig=0.038），说明地表温度随着上述参数的增大而降低。除典型水体面积与地表温度的拟合曲线为对数函数之外，其他参数的最佳拟合效果均为线性。缓冲区分析说明，不论是城市园林绿地还是水体，都会对外围一定区域的热环境产生影响。伴随城市园林绿地与水体样区缓冲带距离的增大，外围区域的地表温度呈上升趋势，但这种趋势随距离变化在不断减弱，其有效影响范围在距样区边界120～240 m处。通过对比研究发现，城市中较大面积的公园绿地或水体其降温效应要比面积较小者显著，而水体对于周围热场的影响和敏感度要强于园林绿地。

TM影像；地表温度；植被覆盖度；改进的归一化差异水体指数

近 10年来，我国的城市化发展呈现日益加速态势。与此同时，城市化过程中普遍出现了诸如雾霾污染、城市热岛、不透水面扩展、绿地与水体面积缩减等一系列生态环境问题。这些问题复杂地交织在一起，削弱了城市经济发展和社会服务功能，也制约着城市生态环境质量的不断提高。城市热岛是一种由于城市建筑物及人类密集的社会经济活动等原因导致热量在城区范围内聚集的自然现象，是城市气候最明显的特征之一（贾刘强，2009）。对于城市热岛效应的判断国内外目前尚无统一的标准。一般认为，城市中心气温比周围郊区温度高1 ℃时存在城市热岛效应，当温差≥3 ℃时表示存在显著的城市热岛，城市热岛效应是影响局地气候及人居环境最突出的问题之一。城市绿地作为城市生态系统中的生产者，主要通过影响大气、水、热循环等过程，在调节和应对城市气候变化中扮演着极其重要的角色，其显著的降温效应目前受到国内外学者们的广泛关注（Weng等，2004；Buyantuyev和Wu，2010；Lazzarini，2013；陈爱莲等，2013；武佳卫等，2007；唐罗忠等，2009；曹璐等，2011；马雪梅等，2011）。众多研究表明，无论在何种尺度上，城市绿地均能起到“冷岛”作用，有效缓解城市热岛效应，从而提高城市系统的生态宜居性。此外，水体也是城市土地覆盖中的一种重要类型。由于水的比热容较大，因相变而产生潜热交换，它可以有效调节地表和空气温度增减的速率。因此，城市水体和植被一样都可以发挥降温作用。然而，在以往的城市热岛研究中，水体的“冷岛”效应大多数情况下被弱化或忽略。另一方面，国内对于城市热岛效应及其降温机制的研究，多聚焦于上海、北京、广州、重庆等少数超大型城市（王敏等，2013；孟丹等，2010；苏泳娴等，2010；杨春华等，2013），而对于具有典型喀斯特地貌特征的山水旅游型城市——桂林市的研究则较为少见。

本文以桂林市5城区内的32个典型园林绿地与水体样本为研究对象，利用美国陆地资源卫星TM 数据，采用遥感影像处理技术和地理信息空间分析工具，重点提取研究区域的地表温度（LST）、植被覆盖度（FV）以及改进的归一化差异水体指数（MNDWI）等生物物理信息，定量分析研究样区各个参数的空间特征及其相关关系，深入揭示城市园林绿地与水体在城市系统中的降温机制，以期为城市生态建设、城市热岛调控以及城市环境管理提供参考依据。

1 研究区与研究方法

1.1 研究区概况

桂林市地处南岭山系的西南部、广西壮族自治区东北部，位于东经 109°45″～104°40″，北纬24°18″～25°41″之间，全市土地总面积为27809 km2。区域属中亚热带季风气候，境内气候温和、雨量充沛、光照充足、四季分明且雨热基本同季。年均气温为18.9 ℃，年均降雨量1949.5 mm。桂林是世界上最具典型特征的喀斯特（岩溶）地貌，地形主要为中、低山地，两侧高，中部低，处在自西北向东南延伸的岩溶盆地中，漓江自北向南流经其间，两侧为喀斯特石灰岩峰林和峰丛，境内河流、湖泊水体众多，因而形成了秀甲天下的桂林山水景观。区域地带性植被为亚热带常绿阔叶林，以马尾松林和灌木草坡为主要植被。城市建成区的植被集中分布于市区公园及岩溶石山区，园林植被主要是人工栽植的观赏类乔木和灌草植被。

本研究范围为桂林市建成区，主要包括秀峰、象山、七星、叠彩、雁山5个城区，辖区总面积577.4 km2，总人口74.42万（桂林市统计局，2010）。

1.2 研究数据获取

本研究采用的遥感影像为美国Landsat卫星系列中TM数据（图1），成像时间是2010年8月31日，轨道号P124/R43，包括7个波段，空间分辨率为30 m，其中第6波段（热红外波段）为120 m。通过裁剪得到的研究区影像上空无云覆盖，数据质量良好。在进行地表温度反演和计算相关生物物理参数之前，对原始数据做了系统辐射校正和几何精校正，误差小于半个像元（15 m）。另外,研究应用改进的监督分类法对TM数据提取出桂林市5类土地利用类型，分别为耕地、建设用地、园林绿地、水域和其它用地，用以评价分析各个遥感参数的空间特征。研究使用的其他参考数据有：Google Earth Pro7.1平台中下载的高分辨率卫星影像，桂林市DEM数据（30 m）、桂林市城区区划图及社会经济统计年鉴（2000─2010年）等。

图1 桂林市区位置与TM影像图（7-5-3波段彩色合成）Fig. 1 Location of Guilin district and TM images（color composition of bands 7-5-3）

1.3 研究方法

1.3.1 典型研究样区的取样原则

先将桂林市行政区划图进行扫描并与地形图配准校正，在ArcGIS10.0工具中叠加桂林2010年的TM影像分类图，并以Google Earth中的高分辨率影像为参考图像，综合确定桂林市典型园林绿地与水体样区的边界轮廓。本研究共选择 32个研究样区，园林绿地与水体均为 16个。园林绿地提取原则是尽量避免受周围水体、建筑物夹杂的干扰，且具有良好生态服务功能的典型区域，如著名的七星公园、南溪山公园、桂林国家森林公园等绿地分布区；水体提取原则为水文意义较大，具有一定规模的水域面积，且类型多样，主要包含湖泊、河流与水库在内的典型研究对象，如漓江（市区段）、榕湖、芳莲池、白竹境水库等重要水体。通过对比分析典型园林绿地、水体空间特征与地表温度的关系，揭示园林绿地、水体自身以及对外部所产生的降温效应，旨在为制定缓解城市热岛效应的对策提供科学依据。

1.3.2 归一化植被指数（NDⅤⅠ）与植被覆盖度（FⅤ）

归一化植被指数不仅对植被的生物物理特征十分敏感，而且可以有效降低因传感器观测角度、太阳辐射强度、地形阴影和土壤背景不同而产生的影响，其计算公式为：

式中，NIR为 TM4(近红外)波段的亮度值，R为TM3(可见光红光)波段的亮度值。

对植被覆盖度的估算多采用像元二分模型法（张本昀等，2008；张小飞等，2006）。即一个像元的NDVI值可以表达为由绿色植被部分所贡献的信息与由无植被覆盖(裸土)部分所贡献的信息两部分组成，通常采用以下公式计算：

式中：NDVIveg和 NDVIsoil分别表示全植被覆盖的像元和全土壤覆盖的像元的NDVI值。对于不同时相的遥感影像，两参数会受各类环境因素的影响而变化，因此，NDVIveg和 NDVIsoil不能取固定值。通过分析剔除掉水体的区域NDVI图像的频率累计表，NDVIveg和NDVIsoil可用置信区间累积百分数为0.5%和99.5%内的最大值和最小值代替（江辉，2005）。经过对取样点分类精度综合评价，该模型分类结果优于最低允判精度 0.7的要求，适用于桂林市域内低山、岩溶河谷区域的植被盖度定量分析。

1.3.3 改进的归一化差异水体指数（MNDWⅠ）

针对水体在卫星影像中的物理光谱特征，本文主要利用改进的归一化差异水体指数MNDWI进行水体提取（徐涵秋，2005）。它是在Mcfeeters提出的归一化差异水体指数（NDWI）的基础上，对构成该指数的波长组合进行重新调整后得到的一种新指数，其计算公式为：

式（3）中Green为TM2（可见光绿光）波段亮度值，MIR为TM5（中红外）波段亮度值。相关研究证实，MNDWI能有效地反映研究区内水体空间分布状况。一般认为地物的MNDWI值大于0才代表真正的水体。因此本文利用遥感软件生成的MNDWI图像来提取研究区内的水体信息。

1.3.4 地表温度（LST）反演方法

地表温度反演采用Artis和Carnahan（1982）的算法。即先将热红外波段（TM6）像元灰度值（DN值）转化为相应的热辐射强度值，像元辐射强度与其DN值有如下关系：

其中：Lλ表示TM传感器接收到的辐射强度；Gain和Bias分别为TM6的增益和偏置。其次，再将热辐射强度转换为像元亮度温度，计算公式为：

其中：Ts表示像元亮度温度，单位为K；K1、K2均为常量，对于 Landsat5卫星，K1＝607.76 W·m-2·sr-1·μm-1，K2＝1260.56 K。最后，根据地物的比辐射率将亮度温度转化为地表真实温度，计算公式为：

其中：LST为地表温度（K）；Ts为辐射亮温；λ为热红外波段的中心波长，取值为11.5 μm；ρ＝hc/b（1.438×10-2m·K）；b为波尔兹曼常数（1.38×10-23J·K-1），h为普朗克常量（6.626×10-34J·s），c为光速（2.998×108m·s-1）；ε为地物比辐射率，根据相关研究，植被覆盖区、水体、建筑用地和裸地的比辐射率分别可取值0.986、0.995、0.970和0.972（覃志豪，2001）。

2 结果与分析

2.1 桂林市热环境空间分布特征

借助ArcGIS10.0工具的空间统计模块，利用标准差法对桂林市2010年8月31日反演的地表温度图进行热环境等级划分，按照温度取值范围划分为极低温区（LST≤T-2SD，式中 T为研究区地表平均温度，SD为地表温度的标准差）、低温区（T-2SDT+2SD）等5类区域。根据该划分标准对桂林建成区内地表温度类别进行空间统计，得到统计数据表1。

表1 研究区不同温度类别划分等级及面积比重Table 1 Classification scheme of LST and area proportion in Guilin City

从表1可以看出，桂林市地表温度主要以中温区和低温区为主，比重分别为37.2%和32%，两者面积之和为39992.4 hm2，约占市区总面积2/3以上。高温区与极高温区也占有一定比重，总面积达到16050.62 hm2，占市区总面积27.8%，两者相对全市区平均地表温度高约2～4 ℃，说明伴随城市化的快速发展，桂林市城市热岛效应已显现出来。此外，城市极低温区比重相对较小，仅为2.9%。

为揭示桂林热岛效应的空间分布格局状况，我们叠加桂林城区区划图与地表温度类别图（见图2），研究发现桂林市中心的温度明显高于郊区的温度。极高温区集中分布在市中心区域，尤其位于商业密集区（如十字街）、高密度居民区等地带；高温区集中在市区重要的交通主干道、中密度居民区、雁山区的大学城、七星高新区及铁山工业园等区域，这些区域人口密集较高，社会经济活动频繁，且地表主要由砖石、水泥、沥青及金属等不透水层材料构成，导热率大、升温快；中温区主要分布在植被覆盖较高的城郊居民区以及广大农田地带，低温区与极低温区主要分布在城市公园绿地、植被覆盖率较高的岩溶石山区、尧山、雁山等天然林区以及漓江、两江四湖、水库等重要水体，与人工建筑景观相比较，森林绿地与水体等自然景观在空间上都呈现明显的低温特征。

图2 桂林市地表温度分类图Fig. 2 The classification map of LST in Guilin City

2.2 典型园林绿地、水体空间统计特征

研究选择的 16个典型园林绿地样本主要以公园绿地为主，如芦笛公园、西山公园、南溪山公园、七星公园与雁山植物园等代表性的城市公园，此外，考虑到桂林市的自然地貌与生态环境特征，本研究特选取位于市区内的4座植被覆盖良好的岩溶石山作为分析对象，如位于老城区的老人山、屏风山及城郊地带的猫儿山、马鞍山。选择的水体类型包括研究区内的湖泊、河流以及水库等，它们具有广泛的代表性和重要的水文意义。其中，漓江（市区段）、杉湖、榕湖、桂湖、木龙湖、芳莲池等均为设有国控或省控监测断面的重点水体，白竹境水库、毛原水库为区域重要的生活或农用水源地。研究选取的典型园林绿地与水体样区在空间上多分布在老城区与高新区内（图3），它们在调节城市小气候以及改善区域环境质量方面具有重要的生态功能，对于研究城市水体对区域降温效应具有较好的比较和统计学意义。

图3 典型园林绿地、水体取样图Fig. 3 Sampling map of landscape green space and urban water

表2 桂林市典型园林绿地主要统计参数Table 2 Descriptive statistics of the landscape green space in Guilin City

通过对典型园林绿地和水体主要参数进行统计，得到表2和表3的结果。统计数据表明，园林绿地样区的面积范围从2.97～121.77 hm2，平均面积为33.90 hm2。最小的为市区内的黑山植物园，最大的为远郊区的雁山植物园。各个典型园林绿地的平均FV为0.375，高于全市平均水平。其中雁山植物园的平均 FV最大（0.515），虞山公园为最小值（0.102）。园林绿地平均地表温度值为26.76 ℃。雁山植物园的地表温度为最低（25.24 ℃），虞山公园的平均地表温度最高（28.28 ℃），这与其对应的平均 FV值正好相反。典型水体的面积范围从1.08～79.29 hm2，平均面积为22.30 hm2。最小的为七星区的将军塘（1.08 hm2），最大为雁山区的莲塘（79.29 hm2），平均 MNDWI值最大为白竹境水库（0.3554），最小为芳莲池（0.1152）。水体的平均地表温度为 24.86 ℃，最高地表温度为将军塘（27.18 ℃），最低为五龙水库（22.89 ℃）。面积较大的水库和湖塘等重要水体地表温度相对较低，明显低于其他水体1～2 ℃。

表3 桂林市典型水体主要统计参数Table 3 Descriptive statistics of the water body in Guilin City

2.3 典型园林绿地、水体与地表温度(LST)的相关性分析

2.3.1 园林绿地、水体面积与地表温度的关系

通过上述统计可知，研究选择的园林绿地、水体内部地表温度存在较大差异，这必然会影响到其对周围环境的降温效应。为深入揭示典型园林绿地、水体面积与内部地表温度两者之间的关系，本研究基于SPSS18.0分别对园林绿地、水体的32个统计样本进行面积与地表温度的相关性分析，研究分别采用线性、对数、多项式与指数等函数进行拟合后发现，园林绿地面积与地表温度的关系采用线性函数拟合效果最好（图 4），拟合函数为LST=-0.0143S+27.242，拟合决定系数r2为0.5119。两者之间呈现极显著的负相关关系，相关系数r为-0.715（sig=0.001<0.01）。相对园林绿地的拟合效果，水体面积与地表温度的最佳拟合函数为对数（图5），拟合函数为LST=-0.7605 LnS+26.719，拟合决定系数r2为0.5403。两者之间的相关系数r为-0.735（sig=0.001<0.01）。拟合结果说明，城市园林绿地和水体都是缓解城市热环境的重要因素，2类地物的面积与地表温度之间存在着显著的负相关关系。即随着园林绿地或水体面积的增加，对应的地表温度整体呈现降低趋势，其中，水体的降温趋势要较园林绿地更为显著。另外研究发现，伴随水体面积的增大，其对应的水体地表温度开始呈现明显下降趋势。但当这种变化达到一定程度，对应的地表温度逐渐趋于平稳且不再降低，这说明水体与地表温度之间的关系并非简单的线性规律，研究对象的形状、周长、水深等其它参数可能也会影响到地表温度的变化。

图4 桂林市典型园林绿地面积与地表温度统计关系Fig. 4 Statistical relationship between the area of landscape green space and LST

图5 桂林市典型水体面积与地表温度统计关系Fig. 5 Statistical relationship between the area of urban water and LST

2.3.2 园林绿地FⅤ、水体MNDWⅠ与地表温度的关系

同理，通过绘制典型园林绿地的 FV、水体MNDWI与地表温度的散点图与相关性曲线，生成图6、图7。统计数据表明，园林绿地的FV、水体MNDWI与地表温度的拟合最佳效果均为线性函数。其中，FV与地表温度线性拟合函数为LST=-4.1984FV+28.332，拟合决定系数 r2为0.3324，两者的相关系数 r 为-0.577，（sig=0.015<0.05），水体平均MNDWI与地表温度的拟合函数为LST=-8.6686MNDWI+27.017，拟合决定系数 r2为 0.1908，相关系数 r为-0.437（sig=0.038<0.05）。相关性分析显示，城市园林绿地的FV、水体MNDWI与地表温度均呈现一定的负相关关系，即随着植被覆盖度与水体光谱指数值的增大具有下降的趋势。也就是说地表温度受园林绿地植被类型、覆盖密度和水体光谱信息等因素的较大影响，从变化的敏感度上看，地表温度对水体的MNDWI值的响应要弱于植被覆盖度。需要说明的是，由于混合像元的存在以及地物分类与提取误差等因素的影响，研究选择的样本并非完全均质的地物类型，园林绿地中包含的少量破碎化的建筑物、水体斑块，水体样区边缘带覆盖的水生植被或人工构筑物等客观因素，均会对统计分析结果的精度产生一定干扰。

图6 桂林市典型园林绿地植被覆盖度与地表温度关系Fig. 6 Statistical relationship between FV of the landscape green space and LST

图7 桂林市典型水体MNDWⅠ与地表温度统计关系Fig.7 Statistical relationship between MNDWI of the urban water and LST

2.4 典型园林绿地、水体降温效应分析

为定量化分析5城区内园林绿地与水体对周边地区热环境的影响，我们对各个典型绿地与水体样区进行不同距离的缓冲区分析。考虑到园林绿地与水体的最大降温范围，将研究区边界以外分别划分成0～60、60～120、120～180、180～240、240～300 m共5个空间范围的缓冲区。分别提取典型园林绿地与水体各缓冲区内的地表温度分布数据，并将各空间范围缓冲区内的平均温度进行对比分析，揭示城市园林绿地与水体对周边热环境的局地效应。图 8为全部园林绿地与水体样本在各缓冲区的地表温度平均值变化曲线，它表明典型水体在各缓冲带的地表温度均低于园林绿地。随着缓冲区距离的增大，园林绿地与水体样区外围缓冲带的地表温度呈上升趋势，但这种上升趋势在不断减弱。对于水体样区，缓冲区1（缓冲界0～60 m）与样本内部温差为1.96 ℃，缓冲区2（60～120 m）、缓冲区3（120～180 m）、缓冲区4（180～240 m）和缓冲区5（240～300 m）则与相邻缓冲区形成的温差分别为0.87、0.56、0.02、0.07 ℃，降温的递减效应非常显著。同理，对于园林绿地样区，缓冲区温度差也存在着相似的变化规律，但其温差变化幅度要小于水体样区（各缓冲区温差分别为1.22、0.59、0.18、0.03、0.02 ℃），这充分说明水体对于周围热场的影响和敏感度要强于园林绿地。

图8 典型园林绿地与水体的缓冲区地表温度变化Fig.8 The characteristics of LST change in the buffers of landscape green space and urban water

为具体分析城市核心区内的园林绿地与水体对周边地区热环境的影响，我们分别选择了建成区内5个代表性城市公园绿地与水体样区进行降温效应的缓冲区分析。所选择的园林绿地周边500 m范围内无重要水体分布，可以排除水体因素对分析结果的干扰。同理，水体样区的选择则满足500 m范围内无大面积的园林绿地或农田植被影响。通过统计代表性园林绿地与水体各缓冲区的地表温度分布数据，得到图9、图10。统计结果表明，选择的5个代表性城市公园绿地与水体样区在各缓冲带的地表温度变化与整体变化趋势基本相同，即随着缓冲区距离的增大，外围地带地表温度呈上升趋势，地表温度在距公园绿地与水体样区边界120～240 m（缓冲区3和缓冲区4）范围处达到峰值，之后则呈现缓慢减弱趋势。

图9 桂林市5个重点公园绿地的缓冲区地表温度变化Fig. 9 The characteristics of LST change in the buffers of 5 park green space

图10 桂林市5个重点水体的缓冲区地表温度变化Fig. 10 The characteristics of LST change in the buffers of 5 urban water

以城市核心区内面积最大、植被覆盖率最高的的七星公园为例（88.11 hm2），其外围各个缓冲带的地表温度值均为最低，平均地表温度为27.65 ℃。而位于市中心区面积最小的虞山公园（3.24 hm2），因其外围是高密度的居民区和商业用地，故缓冲区平均温度在各公园绿地中为最高（29.57 ℃），两个公园缓冲区之间温差达到1.92 ℃。对于5个代表性的水体样区，面积大小排序为：白竹境水库（48.69 hm2）>榕湖（7.38 hm2）>长塘（7.11 hm2）>杉湖（5.31 hm2）>将军塘（1.08 hm2），各缓冲区的平均温度排序则为：将军塘（29.86℃）>榕湖（29.77 ℃）>长塘（29.73 ℃）>杉湖（29.6 ℃）>白竹境水库（27.57 ℃）。其中，白竹境水库各缓冲区的平均温度比将军塘低 2.29 ℃。其原因在于白竹境水库位于城市郊区，周围环境的背景温度要低于城市核心区域。另一方面，该水库的水面面积远大于其它几类水体，大面积存在的低温区域会对周围环境产生显著的冷辐射效应，因而其缓冲区的平均温度普遍低于其它水体。综合上述的分析可知，不论是城市园林绿地还是水体区域，它们均会对周围的热环境产生一定的影响。通常情况下，面积较大的公园绿地或水体其降温效应要比面积较小者显著。

3 讨论与结论

3.1 讨论

在前人有关城市地物降温效应研究的基础上，利用中尺度TM卫星影像数据，通过遥感技术反演提取了桂林市5城区内的FV、LST以及MNDWI，同时借助空间缓冲区和统计分析方法，对城市中典型园林绿地和水体的地表温度空间特征及其相关性进行了深入研究，目的在于定量揭示城市化过程中两类重要地物之间的温度差异及其与城市热场之间的内在作用机制。

城市园林绿地与水体对区域热环境具有一定的降温效应，这一结论已为学者们所普遍认同。但其影响强度、降温机制与两类地物的构成类型、面积大小、形状复杂度、景观空间格局以及外围环境条件等因素存在着复杂的关系。受研究篇幅限制，本研究仅从典型样区面积、园林绿地的FV以及水体MNDWI等方面进行了降温效应的对比分析。而对两类地物的内部组成要素与空间结构差异、景观复杂性、外部地形地物等因素的潜在影响并未予以考虑。

本研究所选用的TM影像数据空间分辨率偏低且只能代表一个时间界面上的时空特征。有关研究发现，地物的降温效应具有明显的尺度效应和时间效应，不同空间和时间分辨率获取的数据其研究结果可能存在较大差异。另一方面，选取的研究对象也只是针对以峰丛峰林和河谷地貌为主要特征的桂林市。因此，对比分析不同数据源、不同时相、不同区域环境条件下城市园林绿地、水体与热环境之间的相关关系，仍有待进一步研究。

3.2 结论

（1）目前桂林市地表温度的空间分布以低温区和中温区为主，高温区与极高温区亦占有一定比例。城市中心区的地表温度明显高于郊区，已呈现较显著热岛效应。城市极高温区与高温区集中分布于繁华的商业区、高密度居民区、交通运输主干道等地方。而低温区与极低温区主要位于人为活动影响较小的城市园林绿地、重点水体等“冷岛”区域。

（2）主要参数的相关性与函数拟合分析揭示，城市园林绿地和水体的面积、园林绿地的FV以及水体MNDWI与地表温度之间均呈现显著负相关关系。除典型水体面积与地表温度的拟合曲线为对数函数之外，其它参数的最佳拟合效果均为线性。这说明，随着相关统计参数值的增加，对应的地表温度呈现降低趋势，其中，水体面积对地表温度的影响更为显著，但当这种变化达到一定程度，对应的地表温度逐渐趋于平稳且不再降低。

（3）缓冲区分析说明，不论是城市园林绿地还是水体，它们均会对周围的热环境产生一定的影响。伴随城市园林绿地与水体样区缓冲区距离的增大，外围缓冲带的地表温度呈上升趋势，但这种上升趋势在不断减弱。即越接近城市园林绿地与水体样区，地表温度就越低，反之则不断升高直至相对稳定。其原因在于，作为城市中存在的低温或极地温区域，2类地物均会对周围环境形成显著的冷辐射效应，从而起到较大的降温作用。一般来说，较大面积的公园绿地或水体其降温效应要比面积较小者显著，而水体对于周围热场的影响和敏感度要强于园林绿地。

BUYANTUYEY A, WU. 2010. Urban heat islands and landscape heterogeneity:linking spatiotemporal variations in surface temperatures to land-cover and socioeconomic patterns[J]. Landscape Ecology, 25(1): 17-33.

LAZZARINI M, MARPU P R, GHEDIRA H. 2013. Temperature-land cover interactions:The inversion of urban heat island phenomenon in desert city areas[J]. Remote Sensing of Environment, (130): 136-152.

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

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.

曹璐, 胡瀚文, 孟宪磊, 等. 2011. 城市地表温度与关键景观要素的关系[J]. 生态学杂志, 30(10): 2329-2334.

陈爱莲, 孙然好, 陈利顶. 2013. 绿地格局对城市地表热环境的调节功能[J]. 生态学报, 33(8): 2372-2380.

贾刘强. 2009. 城市绿地缓解城市热岛的空间特征研究[D]. 重庆: 西南交通大学: 5-12.

江辉. 2005. 基于遥感的植被覆盖度估算及其动态研究[D]. 江西: 南昌大学: 15-23.

马雪梅, 张友静, 黄浩. 2005. 城市热场与绿地景观相关性定量分析[J].国土资源遥感, (3): 10-13.

孟丹, 李小娟, 宫辉力, 等. 2010. 北京地区热力景观格局及典型城市景观的热环境效应[J]. 生态学报, 30(13): 3491-3500.

苏泳娴, 黄光庆, 陈修治. 2010. 广州市城区公园对周边环境的降温效应[J]. 生态学报, 30(18): 4905-4918.

覃志豪, ZHANG M H, KARNIELI A, 等. 2001. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 56(4): 456-466.

唐罗忠, 李职奇, 严春风, 等. 2009. 不同类型绿地对南京热岛效应的缓解作用[J]. 生态环境学报, 18(1): 23-28.

王敏, 孟浩, 白杨, 等. 2013. 上海市土地利用空间格局与地表温度关系研究[J]. 生态环境学报, 22(2): 343-350.

武佳卫, 徐建华, 谈文琦. 2007. 上海城市热场与植被覆盖关系研究[J].遥感技术与应用, 22(1): 26-30.

徐涵秋. 2005. 利用改进的归一化差异水体指数MNDWI提取水体信息的研究[J]. 遥感学报, 9(5): 19-25.

杨春华, 雷波, 张晟. 2013. 重庆市主城区热岛效应与植被覆盖关系研究[J]. 人民长江, 44(7): 51-55.

张本昀, 喻铮铮, 刘良云,等. 2008. 北京山区植被覆盖动态变化遥感监测研究[J]. 地域研究与开发, 27(1): 108-112.

张小飞, 王仰麟, 吴健生, 等. 2006. 城市地域地表温度——植被覆盖定量关系分析: 以深圳市为例[J]. 地理研究, 25(3): 369-377.

Research on Cooling Effect of the Landscape Green Space and Urban Water in Guilin City

LIANG Baoping, MA Yifang, LI Hui
College of Environment and Resources, Guangxi Normal University, Guilin 541004, China

With the rapid urbanization, urban heat island (UHI) has become more and more serious.Landscape green space and urban water, as the components of city ecosystem, have played an important role in cooling effects.therefore, it has the important theoretical and practical significance to study. This article takes Guilin city as research object, the land surface temperatures(LST), vegetation fraction(FV), and modified normalized difference water index (MNDWI) are extracted by using TM image. Then, the paper analyzes the statistical characteristics of the landscape green space and urban water with the spatial statistics and buffer analysis method,and discusses quantitatively the relationship between LST and various parameters. The results show that The low-temperatures and medium-temperatures regions constitute main part of the whole city. The high-temperatures and ultra-temperatures regions occupy partial proportion (27.8%), which is 2～4 degrees above the mean LST, the UHI effect is obvious in Guilin city. The mean LST of landscape green space and urban water are 26.76 and 24.86 ℃, respectively. Correlation analysis revealed that the LST is significant negatively interrelated with the area of landscape green space and urban water (sig=0.001), FV and MNDWI (sig=0.015 and sig=0.038), it can be concluded that high level of these parameters will lead to low LST. The relation between LST and urban water is logarithm function, other parameters are all linear function. Buffer analyses show that both green space and water body have some influence on the thermal environment in peripheral region. Along with the increase of the distance to the boundary, the LST of peripheral region is on the rise, which is weakening, and the distance of influence is 120～240 m away from the boundary of sample regions. Comparative studies show that the cooling effect of a large area of green space or water body is stronger than the small one, and water body play better role in cooling effect than green space.

TM images; land surface temperatures; vegetation fraction; modified normalized difference water index

10.16258/j.cnki.1674-5906.2015.02.015

X171.1

A

1674-5906（2015）02-0278-08

梁保平，马艺芳，李晖. 桂林市典型园林绿地与水体的降温效应研究[J]. 生态环境学报, 2015, 24(2): 278-285.

LIANG Baoping, MA Yifang, LI Hui. Research on Cooling Effect of the Landscape Green Space and Urban Water in Guilin City [J]. Ecology and Environmental Sciences, 2015, 24(2): 278-285.

国家自然科学基金项目（41361041）；广西自然科学基金项目（2014GXNSFAA118300）；广西教育厅立项项目（200807LX036）

梁保平（1974年生），男，副教授，硕士，主要从事城市生态遥感及GIS应用研究。E-mail：liangbp@163.com

2014-11-19