北京市三维景观格局的局地气象环境影响初探

栾庆祖 ，李波，叶彩华*，张新时，张英

1. 北京城市气象研究院，北京 100089；2. 北京市气候中心，北京 100089；3. 北京师范大学地理科学学部，北京 100875；4. 北京市地震局，北京 100080

城市化过程中带来的城市景观格局演变会对城市生态过程产生不同程度的影响，从而影响城市局地气候条件，进而影响城市污染物的扩散、城市居民生活的热环境、通风环境等。Grimm et al.（2008）认为，城市发展对大气环境的效应表现为：改变了城市区域生物地球化学循环，排放大量温室气体，造成严重环境污染；改变气候特征，出现“热岛”、“干岛”、“混浊岛”效应，造成区域污染积聚等。

北京市作为中国典型的大型城市，近年来面临的城市发展与生态环境矛盾更加突出。Hao et al.（2016）研究表明，北京市城市1990－2001年间高密度城市建设区域面积增长了97 km2以上，而2001－2014年间仅五环到六环之间高密度城市建设区域面积就增长210 km2以上。从景观格局的角度来看，2003－2011年间北京市六环内的城市景观格局表现为建设用地斑块破碎化趋势降低，景观蔓延度和聚合度上升，但景观多样性下降迅速（阳文锐，2015）。与此同时，北京城市中心区域与郊区的最大温差可达到7 ℃（晏海等，2017），2010年因为城市高温死亡的人数达到558人（栾桂杰等，2015）；从 2009－2014年，北京城区年平均风速下降了12%，城区比郊区的年平均风速低42%（杜吴鹏等，2017）。北京市近几十年急剧的升温、风速变弱和严重的大气污染与城市不透水面、高密度建筑的快速扩展后的景观格局变化之间是否存在直接的关系？这些城市景观格局的变化对城市大气环境的改变是否有影响？以及影响的程度、范围如何？对这些问题的科学解答不仅有助于解决北京市面临的突出的大气环境问题，而且有助于引导全国各大、中城市在发展过程中向着人居环境舒适性不断提高的方向发展。

城市景观格局对大气环境的影响作用是在不同的空间立体层面上产生的。在经济和人口密集的城市中心区域，空间上建筑容积率不断提升，地表粗糙度也不断变化，在垂直立面上景观格局表现出的复杂性使大气环境要素在立体上也呈现出更加复杂的特征。三维景观格局指数是在二维基础上，融入三维高程或景观高度信息构成三维景观格局指数。在 2000年之前，几乎所有的研究都集中在二维层面展开，极少涉及到三维层面（Petras et al.，2017），但三维景观格局指数有助于更加全面、深刻地认识研究对象的三维景观格局特征。近年来应用三维景观格局指数开展分析逐渐成为研究热点（Wu et al.，2017；Jumba et al.，2016）。鉴于此，本研究从城市三维景观格局的角度对城市扩展引起的局地气象条件变化问题开展影响关系研究。一方面尝试找到或构建出在小区尺度上对气象因子敏感的三维景观格局指数，另一方面应用三维景观格局指数分析城市三维扩展对区域气象条件的影响，为解决城市发展与大气环境之间的矛盾提供科学理论依据和实践支撑。

1 研究区域与方法

1.1 研究区域及数据

以城市化发展最为典型的北京市为研究对象，以城市用地扩展快速的六环内区域为研究范围。景观格局表达所用的数据来自北京市测绘设计研究院 1∶2000大比例尺地形图测绘数据，数据采集时间为 2011年。由于三维景观格局主要是由建筑景观在立体层面引起，且北京市主城区的地形起伏很小，本研究主要基于建筑物图层数据开展。为保持与城市地形图时相一致，气象数据采用北京市气象局区域自动站2011年一整年观测结果，其中温度、湿度和风的观测依据国标《自动气象站观测规范》（GB/T 33703—2017）开展。原始采集频次为5 min，本文将数据处理为逐日平均后计算年度平均值。在研究区域内，从缓冲区不重合的角度出发，选取26个区域气象站点作为样本分析单元；为对比分析不同空间尺度内的变化，利用ArcGIS软件提取气象站点周边半径为500、1000和2000 m的圆形缓冲区。研究区域及气象站点分布如图1所示。

1.2 景观格局表达

图1 研究区域及区域自动气象观测站位置分布图Fig. 1 Study area and locations of meteorological automatic observation stations

通过定量描述不同尺度上的景观格局特征，如斑块尺度、景观类型尺度以及整个区域景观尺度，景观格局指数能够从不同侧面定量揭示各种景观要素的空间布局特征（Bartel，2000）。尤其是在景观格局复杂、异质性高的城市区域，通过景观格局特征分析，可准确揭示不同景观的空间布局特征（Weinstoerffer et al.，2000），不少学者开展了三维景观格局指数相关的分析研究和应用研究（Wu et al.，2017）。本研究基于景观格局指数的基本计算原理，参考张小飞等（2007）提出的三维景观格局指数构建思路，结合典型城市北京的建筑景观高度特征及由此构成的三维景观格局特征，构建能够在区域尺度上表达景观结构及空间特征，同时可以在一定程度上反映出对局地能量、辐射或动力学差异的三维景观格局指数，期望能够定量描述人为主导的城市景观在垂直方向上的基本空间特征及其与局地气象条件的相关关系。

1.2.1 景观高度密度（Landscape Height Desnsity，LHD）

景观高度密度（LHD）的计算公式如下所示：

式中，Hi为斑块i的平均高度；S为区域范围的面积；LHD为景观中所有斑块的总高度（m）与区域范围面积的比值。LHD取值范围：LHD＞0，无上限。景观高度密度可用于比较不同区域内城市景观的平均高度情况，可反映区域内地表的粗糙程度，并可表达景观在立体空间上的高度平均水平及空间差异。

1.2.2 景观起伏度（Landscape Height Range，LHR）

景观起伏度（LHR）的计算公式如下所示：

式中，LHR为景观中斑块的最高与最低的高度值之差。景观起伏度可表现一定范围内城市景观格局在高度上的差异程度。景观起伏度越高，城市景观与大气环境相互作用的垂直高度也越高。

1.2.3 最高景观指数（Highest Landscape Indices，HLI）

最高景观指数（HLI）的计算公式如下所示：

式中，HLI为景观中最高斑块高度与景观总高度的比值。最高景观指数可突出表现区域内核心城市景观的高度特征及空间拥挤程度。最高景观指数越大，城市三维景观与大气环境相互作用的立体空间范围越大。

1.2.4 景观错落度（Landscape Otherness，LO）

景观错落度（LO）的计算公式如下所示：

1.2.5 景观容积密度（Landscape Volume Density，LVD）

景观容积密度（LVD）的计算公式如下所示：

式中，Vi为第 i个斑块的容积（容积=占地面积×高度）；LVD指景观所在的区域范围内，所有斑块的容积之和与区域面积之比。景观容积密度反映了区域内景观在立体空间上的拥挤程度，景观容积密度越大，与大气接触的范围越大，与大气环境之间的相互能量交换程度可能越强。

1.2.6 天空开阔度（Sky View Factor，SVF）

天空开阔度，也称天穹可见度（SVF），或天空可视因子。Oke（1987）给出了天空视域因子的定义：夜晚从城市地面发出的长波辐射，一部分被树木、建筑物等障碍物阻挡后被这些障碍物二次吸收，另外一部分则射向天空而被释放；被释放的部分辐射与总辐射的比被称为天空视域因子，是一个没有量纲且介于 0－1之间的数值。气象模拟数值模式中 SVF作为一个重要的下垫面参数，对模式结果产生关键的影响（刘振鑫，2014；史兵等，2017）。因此，SVF是一个描述三维城市形态的数值，反映了城市中不同的街渠几何形态，通过影响地表能量平衡关系、改变局地空气流通，显著影响室外热环境和人体生理等效温度。不少学者的研究证实SVF与城市热环境存在较强的关联性（Chen et al.，2012），并采用SVF来衡量城市景观格局对局地热环境的影响程度（史兵等，2017）。

天空开阔度（SVF）的获取方法有多种，包括基于建筑几何特性和辐射交换模型的矢量计算模型（Oke，1987）和基于高分辨率城市数字高程模型（DEM）的栅格计算模型，我们采用Kokalj et al.（2011）提出的基于DEM栅格计算模型估算SVF，计算公式如下所示：

式中，Ω为天空可视立体角，γi为第i个方位角时的影响地形高度角；R为地形影响半径；n为计算的方位角树木；SVF为归一化后的天空可视立体角，即天空开阔度。由于缺少精细化的建筑物模型数据，本研究在计算过程中将建筑物都看作是长方体；在 SVF指数的计算过程中，建筑物所在区域的近地表处的 SVF理论值为 0，建筑物顶层的SVF值为1，气象观测数据在近地面处采集（距离地表1.5 m高度处）。

1.3 研究方法

选择地面空气温度、相对湿度和风速3个气象观测要素作为局地气象条件的主要表征量，将气象观测站点的年平均温度、湿度和风速值与上述三维景观格局指数值进行时空匹配，分别在500、1000和2000 m的空间尺度内分析气象条件因子与景观格局的相关关系。本文采用的技术流程如图2所示。

2 结果与分析

2.1 三维景观格局指数与温度要素分析

图2 技术流程图Fig. 2 Technical flow chart

通过计算本研究选定的三维景观格局指数与温度的相关性，得到图3和表1所示结果。在3个缓冲区内，本研究构建的6个三维景观指数中，均有 4个指数与温度显著相关（P＜0.05），但在不同距离的缓冲区范围内，通过显著性检验的指数并不完全相同。在500 m和1000 m缓冲区范围内，LVD、LHD、LHR和SVF均通过显著性检验，而在2000 m缓冲区范围内，LVD、HLI、LO和SVF通过了显著检验。这一结果表明，本文所构建的景观格局指数均能够表征景观格局对大气环境温度的影响程度，但这6个景观格局指数对大气环境温度的影响具有空间尺度性。其中，LHD、LHR、HLI和LO的空间尺度性较明显。

对比本文构建的6个景观格局指数与温度的相关性结果，LVD与温度的相关性最强，在3个尺度范围内都体现为正相关，都通过了显著性检验（P＜0.01），表明局地LVD在一定程度上显著影响着局地大气环境的温度变化，LVD越高，温度越高。这一结果与葛亚宁等（2016）和武鹏飞等（2009）利用建筑景观的二维指数研究城市热岛的研究结果一致，说明LVD可作为评估局地大气环境温度影响的重要指标。LVD指数可在一定程度上反映人为活动的特征，LVD值越高，表明区域的建筑物越密集，占用空间越大，人居活动越频繁，对区域的热排放越多，造成区域温度相对较高。SVF指数与温度呈现负相关，与Chen et al.（2012）的研究结果一致。从散点图分布上看， SVF在高值区域的分布较为集中（0.8－1.0之间），在低值（0.5－0.7）区域的分布尚可，但在中值区域（0.7－0.8）的分布较少，整体上线性回归趋势线偏差较大，与其他研究结果相比相关系数不高。分析原因，SVF对不同季节、不同时刻的城市局地温度影响可能不同，在不同时空尺度下的相关性强弱程度存在差异。

基于三维景观格局指数对北京市主城区景观格局对大气环境温度的影响分析发现，北京市城市三维景观格局对大气环境温度的影响效应非常显著。城市三维空间密度越大、高度密度越大、景观起伏度越大的地方，区域温度越高；最高景观指数值越高、景观错落度越高、天空开阔度高的地方，区域温度越低。

2.2 三维景观格局指数与湿度要素分析

通过计算本研究选定的三维景观格局指数与湿度因子的相关性，得到图4和表2所示结果。本文构建的6个三维景观指数中有4个与湿度的相关性显著（P＜0.05），分别是LVD、LHD、LHR和LO，但在不同距离的缓冲区范围内，通过显著性检验的指数并不完全相同。在500 m缓冲区范围内，LVD和LO通过显著性检验，而在1000 m和2000 m缓冲区范围内，LVD、LHD和LHR通过了显著检验。此外，无论在哪个缓冲区内HLI和SVF与局地湿度相关性均不显著。这一结果也同样表明，尽管本文所构建的景观格局指数中LVD、LHD、LHR和LO能够表征景观格局对大气环境湿度的影响程度，但这4个景观景观格局指数对大气环境湿度的影响具有尺度性。其中LHD、LHR和LO的尺度性特点比较明显。

表1 三维景观格局指数与温度因子相关系数Table 1 Correlation coefficients between 3D landscape indices and temperature factors

图3 北京市主城区三维景观格局指数与温度的相关性散点图Fig. 3 Correlation scatter plots between 3D landscape indices and temperature in Beijing’s central districts

表2 三维景观格局指数与湿度因子相关系数Table 2 Correlation coefficients between 3D landscape indices and humidity factors

对比本文构建的4个与湿度显著相关的指数，LVD与湿度的相关性最强，LVD与相对湿度呈现负相关关系，最大相关系数达到0.5968，通过99%置信度t检验，表明景观高度密度指数对局地相对湿度的影响显著，LVD越高，相对湿度越低。说明LVD可作为评估局地大气环境湿度影响的重要指标。这与上述温度的影响类似，LVD可在一定程度上反映人为活动的特征，LVD越高，区域的建筑物越密集，建筑物占用空间越大，压缩了绿地、水体等可增加相对湿度的景观类型空间，造成区域相对湿度较低。

图4 北京市主城区三维景观格局指数与湿度的相关性散点图Fig. 4 Correlation scatter plots between 3D landscape indices and humidity in Beijing’s central districts

基于三维景观格局指数，分析北京市主城区景观格局对大气环境湿度的影响发现，湿度受景观格局影响非常明显。城市三维空间密度越大、高度密度越大、景观起伏度越大的地方，区域湿度越低。

2.3 三维景观格局指数与风速要素分析

通过计算本文选定的三维景观格局指数与风速因子的相关性，得到图5和表3所示结果。本文构建的 6个三维景观指数中有 5个与风速显著相关，其中LVD、LHD、SVF和LHR在3个缓冲区范围内均与风速显著相关，而LO仅在2000 m范围内与风速显著相关；HLI与局地风速在3个缓冲范围内相关性均不显著。这一结果也说明，这5个景观格局指数能够表征景观格局对大气环境风速的影响程度，但对大气环境风速的影响具有空间尺度性。

LVD、LHD、SVF和LHR均与风速呈强显著相关，在3个尺度范围内，这4个指数都通过99%置信度t检验，表明这4个景观格局指数对局地风速的影响非常显著，指数值越高，风速越低；SVF与风速呈现显著的正相关，最大相关系数达到0.7812，通过99%置信度t检验，表明SVF对局地风速的影响非常显著，区域天空开阔度值越高，区域通风空间也就越大，风力受阻挡的外源性阻力也就越小，风速越高。因此，LVD、LHD、SVF和LHR可作为评估局地景观格局对大气环境风速影响的重要指标。

图5 北京市主城区三维景观格局指数与风速的相关性散点图Fig. 5 Correlation scatter plots between 3D landscape indices and wind speed in Beijing’s central districts

表3 三维景观格局指数与风速因子相关系数Table 3 Correlation coefficients between 3D landscape indices and wind speed factors

基于三维景观格局指数，分析北京市主城区景观格局对大气环境风速的影响发现，北京市城市三维景观格局对大气环境风速的影响效应非常显著。城市三维空间密度越大、高度密度越大、景观起伏度越大、天空开阔度越低的地方，区域风速越低。

3 结论

本文构建的6个三维景观格局指数均能在一定的空间尺度内表征城市景观格局对区域气象条件的影响程度，利用这些指数作为评估区域景观格局对气象条件影响的指标具有可行性，但这些景观格局指数对气象因子的影响具有空间尺度性。

（1）LVD、LHD和SVF在500 m、1000 m和2000 m范围内与区域大气环境温度和风速均显著相关，LVD、LHD和LHR在1000 m和2000 m范围内与区域大气环境湿度显著相关。

（2）综合来看，三维景观格局指数中 LVD和LHD与大气环境温度、湿度和风速均显著相关，并且在空间尺度上的适用性相对更宽广。

（3）基于三维景观格局指数分析北京市主城区景观格局对区域气象条件的影响发现，北京市城市三维景观格局对大气环境的影响效应非常显著：城市三维空间密度（LVD）越大、高度密度（LHD）越大、景观起伏度（LHR）越大的地方，区域温度越高、湿度越低、风速越低；天空开阔度越低的地方，区域温度越高、风速越低。

4 讨论

本文以景观格局对气象条件的影响为出发点，应用三维景观格局指数开展研究与探讨，期望得出部分可直接用于指导城市景观规划的结论。对于城市与生态环境和谐发展而言，本研究是一次尝试，需要在实践中进行更多的探讨和研究，推动生态科学与气象科学的进一步融合。本文还存在着一些不足和值得讨论的地方。

（1）本文构建的三维景观格局指数与风速的相关性明显优于与温度和湿度的相关性。这是因为，除气压梯度力是主要风力来源因素以外，局地风速的主要影响因子是地表的粗糙程度（段春锋，2009），而区域三维景观格局指数可直接地反映出局地地表的粗糙程度特征，因此，与二维景观格局指数相比，三维景观格局指数可以更好地表征区域特征对大气风场的影响。研究结果一方面验证了区域地表特征对风速的显著影响，另一方面也证明利用LVD、LHD、SVF和LHR作为表达影响大气环境风速效应的地表非均匀性统计参量具有潜在可行性。

（2）虽然本文通过相关性分析研究了不同三维景观格局指数是否对区域气象条件因子产生影响，但是这些景观格局指数能够在多大程度上解释或者说景观格局因子对大气环境因子变化的贡献是多少，现有的研究结果尚不能给出明确的答案。未来结合数值模拟分析给出定量评估结果应该是三维景观格局需要深化的研究方向。

（3）城市气象学研究的一个重要内容是城市下垫面非均匀性特征及其大气边界层作用（洪雯等，2010），景观生态学中的基于景观格局指数的“异质性”描述与气象学领域对地表“非均匀性”特征的参数化方案描述有着相似的目的和表达方式。目前，对地表非均匀性的描述方法主要有两种：马赛克法和统计-动力方法（Giorgi，1997）。无论哪种方法，其基本思想都是将地表非均匀特征转化为只用少量统计参数表征的数值特征，进而将蕴含地表能量传输意义的物理量（如地表通量）看成是地表物理参量的某种函数，最终通过某种非均匀积分算子来描述非均匀地表的空间能量传输差异，比如本文中所用到SVF（刘振鑫，2014；史兵等，2017）。基于此，本文认为LHR、HLI、LVD、LHD和LO也包含了丰富的地表特征信息，以这5个三维景观格局指数作为地表统计参数来量化表达地表非均匀性特征或许可作为数值模式地表参数化方案的另一种有效选择。