昆明市绿地斑块特征对地表降温的影响

钮子鹏 章皖秋 岳彩荣

(1.国家林业局昆明勘察设计院，云南 昆明 650225；2.西南林业大学林学院，云南 昆明 650224)

在全球气候变暖、高速城市化的背景下，很多城市热环境日趋恶化，目前多用地表温度 (LST) 来研究城市热环境[1]。绿地面积是影响城市热环境的重要因子，大量研究开始关注城市绿地的类型、空间特征、季节特征、时空变化与LST之间的关系[2-4]，以期利用绿地的冷岛效应来合理规划绿地、改善城市热环境[1,5-6]。相关研究表明，增大城市绿化的面积比率能够降低LST[7-8]；且绿地的斑块特征、空间分布也能影响LST[9-11]。在寸土寸金的城市建设中，难以大量增加绿地面积，因此优化绿地的空间特征和分布是调节城市热环境的一条替代性策略[6]。

当前，有关城市绿地空间特征与LST关系的研究呈现3个特点。一是由于各城市地理位置、气候条件的差异，城市间的研究结论彼此不同，甚至相反[1,8-9]；因此每个城市均需要独立分析，制定适宜的绿地规划方案。二是多数研究关注的是城市绿地覆盖区的LST或城市整体的LST与绿地间的关系[1,3,7,9]；然而，绿地对热环境的调节不仅是改善其覆盖区内的温度，更应该是改善其周围非绿地区域的温度，即需要深入分析城市绿地对周围区域的降温作用。三是城市绿地对周围区域降温影响的研究主要集中于单个绿地斑块[12-13]，即公园、树林绿地[2,5,14-17]；然而城市绿地类型多样，各绿地类型的反照率、蒸腾不同，对LST的影响也不一样[7,18]，有必要进一步探讨不同城市绿地类型对周围区域LST的影响。

绿地覆盖区内的温度低于外围非绿地区温度，温度梯度引起局地环流，会降低周围环境的温度[4,19]，即使无风天气下，景观温差和边缘效应也会影响邻接地区的LST[20]，因此绿地对周围区域具有降温作用。一般采用绿地覆盖区内的温度与参考温的差异[2,14,21]，或绿地覆盖区与固定缓冲区的温差[5,13,15]来评价绿地对周围区域的降温作用。但城市绿地景观在大小、植被类型、周围环境等各方面都会存在差异，因此采用与固定参考温或缓冲区温度的温差来衡量所有绿地的降温作用显然是不合适的。

本研究以昆明市主城区为研究区，利用Landsat 8数据估测城市地表温度，用实测气温验证估计值的合理性；从QuickBird影像上提取8类城市绿地，并用缓冲区测算绿地斑块的降温幅度、降温距离，采用相关性分析和逐步回归法分析绿地斑块特征与降温幅度、降温距离的关系，旨在探究绿地对周围近邻区的降温机制。

1 研究区概况

昆明市地处云贵高原中部，是云南省省会，市中心位于北纬25°02′11″，东经102°42′31″，平均海拔1 891 m。昆明具有低纬高原季风气候特征，冬无严寒、夏无酷暑、干湿分明，多年平均气温14.7 ℃，城区温度一般为0～30 ℃，年温差为全国最小。截至2015年，昆明主城绿地率达到38.18%，绿化覆盖率达到41.5%，人均公共绿地面积达到10.38 m2。

2 材料与方法

2.1 数据来源

本研究LST估测利用了相同时相的Landsat 8数据和MODIS数据，其基本信息见表1。采用了同期11:30—14:30的气温采样点数据做了实测验证，其测量点分布见图1。

表1 Landsat 8数据和MODIS数据基本信息Table 1 Landsat 8 data and MODIS data basic information

2.2 LST估测方法

基于重定标后的2015年5月28日的Landsat 8数据，采用针对Landsat 8的劈窗算法[22-23]估计昆明中心城区的LST。这种算法较成熟，精度也高。算法利用10～13 μm大气窗口内2个相邻热红外通道 (一般为10.5～11.5 μm、11.5～12.5 μm) 对大气吸收作用的不同，通过2个通道测量值的各种组合来提出大气的影响，进行大气和地表比辐射率的修正。亮度温度、地表比辐射率、大气透过率是估计LST所需要的参数。对Landsat 8的TIRS热红外波段 (第10、11波段) 辐射定标获取亮度温度。基于Landsat 8 OLI多光谱数据，采用混合像元法估计地表比辐射率[24-30]。用MODIS数据的三通道法估计大气水汽含量[31]，根据当日大气水汽含量的用MODTRAN软件模拟出当日大气水汽含量与大气透过率的函数关系，从而计算出大气透射率。MODTRAN是中等光谱分辨率大气透过率及辐射传输算法和计算模型，具有模式选择性强，操作简单的特点。

2.3 绿地分类与提取方法

根据实地调研按功能将研究区内绿地分为8类：公园绿地、居住区绿地、校区绿地、道路绿地、河岸绿地、森林绿地、滇池绿地 (滇池沿岸绿化)、农田绿地 (城区边缘小片农田)。

图1研究区及气温测量点分布
Fig.1 Distribution of the study area and temperature measurement point

把QuickBird影像的全色波段与多光谱波段的真彩色图像采用NNDiffuse Pan Sharpening算法融合作为底图，以Landsat 8影像为校对，目视判读勾绘这8类绿地。由于LST估计结果的空间分辨率为30 m，因此剔除面积小于1 000 m2的绿地斑块。

2.4 绿地降温效果评价方法

随着与绿地边缘的距离增大，绿地的降温影响会降低[32-33]，本研究设计了降温幅度 (ΔT)、降温距离 (D) 来评价绿地对周围近邻区地表温度的影响作用。绿地斑块外围的LST呈辐射状由低逐渐升高，距离绿地斑块越远、LST越高，最终将升高到与绿地外围远端非绿地区域的温度一致；将此时的LST与绿地斑块内的LST的温差定义为降温幅度，温度趋同点与绿地斑块边缘的距离定义为降温距离。

具体测算法如下：在每个绿地斑块外侧建立多环缓冲带，根据影像分辨率将缓冲带宽设置为30 m，计算各环缓冲带内的平均LST。当某外环缓冲带减去相邻内环缓冲带的LST温差小于或等于0时，认为绿地的降温范围结束。将此外环缓冲带与绿地斑块内的平均LST温差作为降温幅度，外环缓冲带到绿地斑块边界的距离作为降温距离。可计算出每个绿地斑块的降温幅度、降温距离。

2.5 影响绿地降温作用的斑块特征因子

增多绿地覆盖是调节城市热环境的有效手段，但城市建设中难以实现。因此将影响LST、且人为可控的绿地斑块特征作为一种微调因子，对城市热环境改善具有一定实用价值。本研究选择了绿地覆盖斑块的周长 (C)、面积 (S)、形状指数 (I)、植被覆盖率 (Pv) 这4种可控特征，分析它们对周围区域LST的影响作用。其中形状指数描述了斑块边缘平滑性，斑块形状越复杂I越大，越平滑则I越小，斑块近似圆形时I值最小。形状指数和植被覆盖率的计算方法见公式 (1)～(2)。

(1)

(2)

式中：NDVIsoil、NDVIveg为NDVI累积直方图5%、95%处的值。

3 结果与分析

3.1 LST估测结果分析

用实测的LST来验证劈窗算法反演的LST。实测LST通常较困难，由于白天LST与地表气温显著关联[34-35]，常采用气温来验证LST估计的合理性[25,36]。本研究采用了摆放式的干湿温度计测量近地表气温，见图2。温度计背对阳光，直接放于地面测量，水银球距地表5 cm。由于地面表层气温受LST影响较大，可认为所测量气温能够一定程度说明LST的高低。在研究区内设24个气温测量点 (图1)，在Landsat 8卫星过境时间上午11:30，同步采集近地表气温。

LST反演结果见图3。

由图3可知，当天气温为17～30 ℃，微风，晴且无云，前一周均无降水。LST最高温为44.09 ℃，最低温为17.18 ℃，平均温为34.35 ℃；LST估测值总体上高于气温分布。由于Landsat 8于正午成像，此时地温一般高于气温；且前一周昆明晴朗少云，下垫面干燥、容易升温；因此LST高于气温。24个测点上的近地表气温与LST估测值呈显著正相关。由图4可知，测点上的LST与近地表气温具有一致的温度分布趋势，说明LST估测值总体上合理。

图2摆放式干湿温度计
Fig.2 The type of thermometer placed on the ground

图3地表温度反演结果
Fig.3 Surface temperature inversion results

图4测量点LST估计温与近地面实测气温
Fig.4 The estimated land surface temperature and the collected air temperature on the samples

3.2 各绿地类型降温效果分析

8类绿地覆盖的平均地表温度、平均降温幅度、平均降温距离见表2。

表2 8种绿地覆盖类型的降温效应Table 2 The cooling effect of 8 types of vegetation patch

由表2可知，8类绿地的降温幅度与降温距离存在差异。森林绿地的降温幅度最大，降温距离也最大；农田绿地和校区绿地的降温幅度小，降温距离也小；公园绿地的降温幅度大于居住区绿地，但是降温距离小于居住区绿地；公园绿地与滇池绿地具有相同的降温距离，不同的降温幅度。

从有效降温角度出发，对各绿地类型的平均地表温度按照从小到大排列，而平均降温幅度、平均降温距离则从大到小排列；采用打分法来衡量每类绿地对周围区域的降温作用：排序第1位为8分，第2位为7分……第8位为1分；排序相同则打分一致。综合得分显示，森林绿地对周围区域的降温效果最好；其次是公园绿地、滇池绿地和居住区绿地。但滇池绿地和河岸绿地的降温效应无法与水体作用区分，居住区绿地降温效果居中。道路绿化总面积不大，而郊区农田附近公路较多，受绿化面积、汽车尾气影响，道路绿地与农田绿地的降温效应不如居住区绿地。校区绿地的降温效应最小，这可能与学校内建筑过多有关。

3.3 绿地降温效果影响因子分析

3.3.1总体绿地斑块特征降温作用分析

针对全部274个绿地斑块，斑块的周长、面积、形状指数、植被覆盖率与降温幅度、降温距离在0.05显著水平上的相关系数见表3；逐步回归拟合了这4种斑块特征与ΔT、D间的函数关系，结果见表4。表3中的相关系数值均较小，但在0.05水平上显著相关，说明这些斑块特征对周围区域的降温影响小，但这种微弱影响是存在的。相关系数显示，斑块的面积、周长、植被覆盖率的增大，均会微弱增大对周围区域的降温幅度和降温距离，植被覆盖率的影响相对大一点；而斑块形状则与降温幅度、降温距离呈微弱负相关。表4逐步回归显示，斑块的C、S、I、Pv的降温作用彼此互相关；只有Pv进入了斑块特征的降温幅度模型、降温距离模型。虽然ΔT和D与Pv的模型决定系数只有0.37和0.33，但Sig.小于0.01，说明模型确立，但是一种弱相关；即绿地斑块内植被覆盖率越高，绿地对周围区域的降温幅度和降温距离均会稍有升高，反之则稍有降低。

表3 斑块特征与降温幅度、降温距离的关系Table 3 Relationship between pathches characteristics and cooling amplitude and cooling distance

表4 降温幅度、降温距离的回归模型Table 4 Regression model of cooling amplitude and cooling distance

3.3.24种绿地类型的斑块特征降温作用分析

将道路绿地、公园绿地、居民区绿地、校区绿地的斑块特征，分别与降温幅度、降温距离进行逐步回归，回归模型见表4。滇池绿地与森林绿地的斑块量太少，河岸绿地的降温效应难以和水体区别，农田绿地在城市规划中意义不大，因此这4类绿地未进行回归分析；公园绿地的降温幅度模型、校区绿地的降温距离模型的Sig.值大于0.05，函数关系不显著，因此没有放入表5中。

表5 各绿地覆盖类型斑块特征与降温幅度、降温距离的回归关系Table 5 Regression relationship between pathches characteristics and cooling range and cooling distance of each green land cover type

由表5可知，所有模型的决定系数均不大，Sig.值均小于0.05，自变量系数均为正，说明自变量与因变量间的是一种显著的弱正相关。6个模型的自变量都包含植被覆盖率，说明提高绿地斑块的Pv能一定程度增强绿地对周围邻区的降温作用。虽然道路绿地的降温距离模型中，居住区绿地的降温幅度模型分别出现了斑块形状指数、斑块周长作为自变量，但它们的系数相对偏小，对回归关系作用不大。因此可判断，即使是针对不同类型的绿地，依然是植被覆盖率对周围区域的降温影响最大，斑块几何特征作用很小。

3.4 绿地斑块空间平均特征降温作用分析

图5绿地覆盖斑块及格网
Fig.5 The vegetation patches covering grids

(3)

式中：T为格网平均LST。

(4)

注：**表示在0.01水平上显著相关。

4 结论与讨论

本研究以昆明市主城区为对象，基于地表温度的遥感估测，设计降温幅度、降温距离2个指标，研究了8类城市绿地对周围邻区地表温度的影响，为今后深入探讨提供新的研究思路和方法。

从综合效应来看，昆明市的森林绿地对周围区域的降温效果最好，然后是公园绿地和居民区绿地，滇池绿地和河岸绿地的降温效应次之；道路绿化、城郊农田、校区绿化对周围温度影响相对小。由此可见，提高城郊森林覆盖、增大公园和居民区的绿化对周围热环境会有一定的调节作用；而绿化加水体的组合也是昆明城市降温有效手段。从相关性来看，绿地斑块的面积、周长、植被覆盖率的增大，会微弱提高绿地对周围区域的降温作用；而斑块的形状复杂度则与降温作用呈微弱负相关。针对所有绿地类型、4种单独类型、以及格网区域的逐步回归显示，提高绿地斑块内植被覆盖率，能一定程度增大绿地对周围区域地表温度的降温程度和降温距离；而绿地斑块的几何特征对周围区域的地温影响非常小。因此，在昆明城市规划中提高绿地景观的植被覆盖度比形状设计更为重要。

由于土地覆盖的热容量、热交换才是地表温度变化的关键，因此绿地斑块特征不是对周围区域降温的主导因子，本研究中相关、回归分析中显示的各种弱相关是符合实际情况的。各组回归模型表明，绿地内的植被覆盖率能一定程度起到对周围区域温度的调节，这与Sun等[7]的研究结论类似。因此，规划绿地来改善城市热环境，不仅需要考虑绿地的数量，还要考虑植被覆盖率。

非绿地覆盖区的地表温度变化是一个错综复杂的机制，会受到周围地物类型、气候条件等多种外因影响，同时劈窗算法估计地表温度精度有限，本研究仅选用了特定某一天的数据、4种斑块特征进行探索性分析，因此研究结论具有一定局限性。在后期研究中将增大样本和景观特征数量，尝试利用其他模型进行分析，排除外部因子带来的空间随机性和时间相关性，深入探究绿地对周围区域的降温机制。