快速城市化地区景观格局对地表热环境的影响研究

管 昱，宋 瑜,2，吴 琛，方亦波，汪奘昱，徐建炜

(1. 杭州师范大学理学院，浙江 杭州 311121；2. 浙江省城市湿地与区域变化研究重点实验室，浙江 杭州 311121；3. 合肥市不动产登记中心庐阳分中心，安徽 合肥 230000)

0 引言

自1818年英国学者Lake Howard提出“城市热岛”概念[1]以来，城市热岛问题备受关注.城市热岛效应(urban heat island effect，UHI)是由于城市人口稠密、建筑密集、植被稀少、工业集中以及人类活动导致热量在城区空间范围内聚集[2-3]，严重制约着城市人居环境质量.城市热岛效应作为快速城市化大发展对环境影响最为典型的表现，同时也是人类最早发现的城市气候效应问题.据IPCC(Inter-governmental Panel on Climate Change)相关数据报告，近100年地球表面升温0.74 ℃，平均增温率为0.13 ℃/10 a，1850年以来最暖的12个年份中有11个出现在近期的1995—2006年.显然，全球变暖已是不争的事实，其中人类活动是近50年来全球变暖的主要原因[4-5].随着全球工业化和城市化进程的不断推进，人为热源以及城市土地利用类型等诸多城市环境影响因子发生了前所未有的巨大改变.

除了人为热源影响因子外，城市土地利用类型的变化也是城市热岛效应的主要驱动因素.在各种下垫面类型中，城市绿地和水体已被证明具有降温增湿、调节局地小气候等多种生态功能，是缓解城市热岛效应重要的可控性因素之一[6-7].城市土地利用的高度异质性决定了地表温度即便在较小的空间范围内也存在着较大的变异.鉴于类似通量观测方式为代表的地面观测手段，虽能提供高时间分辨率、长时间序列的观测数据，却无法刻画城市热岛的总体空间分布特征，因此目前实际工作中更多地倾向于采用热红外遥感数据开展时空动态研究.如李璇琼等[8]利用Landsat数据分析了兰州市城市热岛效应时空演变，并得到热岛效应和植被覆盖度之间的关系；方刚[9]利用Landsat8数据对宿州市城市热岛效应的空间分布进行了研究，并分析了热岛效应与土壤调节植被指数(SAVI)等4种遥感指数的关系；阮俊杰[10]结合利用Landsat卫星数据和航空遥感影像，定量分析了上海市建成区内的河流和绿地公园对热环境的影响；刘宇鹏[11]则利用Landsat TM/ETM+数据反演了沈阳市地表温度和城市热岛强度指数，根据热岛强度鉴别并提取了强热岛区，通过不同时相的反演结果研究沈阳市城市热岛的时空演变.

由此可见，当前城市热环境效应相关研究主要聚焦于地表温度与诸如土地利用类型、植被覆盖率、不透水面等影响因子间的相互作用关系.作为城市结构中自然生产力的主体，绿地降温研究早已被学界广泛关注；然而，反观现阶段仍存在诸多问题，如尚未定量描述绿地降温效应，未阐明绿地布局、功能与城市发展的相互作用，结果难以指导城市大尺度绿地空间优化布局等.鉴于此，本文选取快速城市化地区的若干典型样区，以城市景观格局作为切入点，从景观多样性、破碎度、分维数及绿地面积等定量化指标，进一步研究和阐述城市景观格局与热岛效应的相关性，以期为城市小气候影响变化规律以及缓解城市热岛效应的绿地空间优化布局方案提供理论依据.

1 研究区概况

图1 研究区所在位置Fig.1 Location of the study area

杭州市地处东经118°21′～120°30′，北纬29°11′～30°33′，位于中国东南沿海的浙江省北部，作为浙江省省会城市，处于长三角城市群的南翼核心(图1).属亚热带季风气候，夏季高温多雨，冬季寒冷干燥，其雨热同期的气候特色形成了光照、热量与水分的季节性变化.全市山地丘陵占据总面积65.6%，主要分布在西部；而东部地势平缓，主要为占地总面积26.4%的平原；其中，各类水体共占8%.

2 数据与方法

本研究主要基于遥感信息提取及GIS空间分析等技术手段，针对杭州八大主城区的地表温度以及研究区内景观格局相关性进行探究分析.利用下载获取的研究区域Landsat8遥感数据、MODIS相关产品数据及主城区矢量边界数据，通过文献综述、遥感技术专业知识的相关整理，使用ENVI软件完成相关数据处理，在获取典型土地利用分类影像和地表温度反演数据后，利用ArcGIS分区统计工具完成对数据的分析制图，与此同时，基于Fragstats软件平台完成研究区域的常用性景观指数数据提取，最后使用SPSS统计分析杭州八大主城区区域性地温与城市绿地景观格局的相关性，讨论研究结果并得出相应的科学结论.

2.1 数据来源

本研究所采用的遥感数据主要包括：Landsat8卫星数据和MOD05水汽产品.2013年2月11日所发射的Landsat8卫星，携带有OLI陆地成像仪和TIRS热红外传感器，分辨率为30 m，在监测等各方面为地球提供了宝贵的数据.本次研究采用的是由美国地质调查局(United States Geological Survey, USGS)提供的2013年12月10日的Landsat8 OLI/TIRS数据.经过辐射定标和大气校正，研究区的数据质量良好，无云层因素影响.

此外，来自美国LAADSDAAC网站提供的MODIS可降水量产品，根据内容的不同，MODIS数据产品共计分为44种标准数据产品类型，此次研究所使用的MOD05数据属于二级标准数据产品，用于获取大气水汽含量值，数据格式为HDF.

2.2 数据预处理

2.2.1 MOD05数据预处理

针对MOD05数据进行投影变换，将其转换为UTM投影、WGS84大地水准面以及50投影分带.在此基础上，完成研究区域边界剪切，从而获得大气水汽含量数值，作为计算地表温度LST的输入数据[12].

2.2.2 Landsat8数据预处理

在数据辐射定标、大气校正等预处理工作的基础上，建立研究区边界掩膜文件，完成对研究区范围数据的剪裁.

图2 五类优势景观典型样区的位置分布Fig.2 Location distribution of typical sample areas of five dominant landscapes

2.3 土地利用分类与典型样区划分

结合杭州八区的城市下垫面特征，将研究区划分为林地、草地、水体、建设用地、裸土5种基本土地利用类型(其中草地与裸土均含部分农业用地).利用ENVI软件平台，选取合适的感兴趣区域(region of interest, ROI)作为先验知识，对Landsat8 OLI数据进行监督分类，获得完整的地物分类图并进行精度评价[13].

针对以上5种基本类型的优势景观区域(林地景观样区、草地景观样区、裸土景观样区、建设用地景观样区和水体景观样区)，分类随机选择30个1 km×1 km、共计150个典型样区(图2)，为后续研究中典型样区的景观格局分析及其与地表温度的相关性分析提供基础数据.

2.4 基于Landsat8的地表温度反演

基于Landsat8 TIRS热红外数据，采用单通道SC算法完成典型样区的地表温度反演[14]，具体步骤如下：

1)根据Landsat8热红外波段TIRS10的参数，将影像的亮度值转换为光谱辐射值

L=MLQcal+AL，

式中：L为波段TIRS10的光谱辐射值(TOA spectral radiance)；ML为TIRS10波段的调整因子，从头文件(MTL)语句Radiance_MULT_Band_10获得；AL为TIRS10波段的调整参数，从头文件(MTL)语句Radiance_Add_Band_10获得；Qcal为影像16位量化的亮度值(DN值).

2)基于热红外波段辐射值，转换为相对应的亮温

式中：T为传感器亮温(K)，L为光谱辐射值，K1和K2为TIRS10波段的定标常数，其中，K1=774.89 W/(m2·sr·μm)，K2=1321.08 K.

3)利用Landsat8数据的大气参数，采取单通道SC算法完成地表温度的反演，

式中：ε为地表比辐射率，T亮温值，TIRS10参数br，即TIRS10=1324 K；φ1、φ2、φ3为ω(大气水汽含量)的函数，而ω由MODIS数据获取，φ1、φ2、φ3为常数.

2.5 景观格局分析

城市景观是由不同类型的斑块组成，而绿地景观则是一些大小不同、密度不均、形态各异的景观单元，每类单元都在城市生态调节中发挥重要作用.基于城市绿地景观的定量描述与定性分析，是研究绿地景观格局与城市生态关系的基础，同时也为城市的绿地斑块建设提供了重要依据.

2.5.1 景观多样性

2.5.2 绿地破碎度

景观破碎度即各类景观要素被分割的程度.由于人类活动或者自然因素影响，景观由单一、均质、连续性整体趋向于复杂、异质、不连续性镶嵌体的过程，在某种程度上揭示了人类对景观的干扰程度.绿地景观破碎度(Ci)计算公式为Ci=Ni/Ai，其中，Ni表示景观i的斑块数量，Ai表示景观i的总面积.

2.5.3 绿地分维数

分维数反映景观不规则形状的复杂性.由于景观由形状不同、大小不一的斑块组成，在不同尺度上具有相似的规则性、分形的性质，所谓分形，即分维数的对象，而分维数可用来描述景观形状的复杂程度.指数为1则为规则的正方形斑块，越接近2则越复杂.绿地分维数(FD)计算公式为

其中，S为斑块面积，L为斑块周长.

2.5.4 绿地面积

绿地面积指各类绿地的总和，在本研究中主要包括林地和草地两大类用地类型的土地面积.

2.6 Pearson相关分析

相关性分析法是定量描述不同连续变量之间相关性的经典方法.正相关表明要素属性值之间的变化具有相同的趋势，负相关则表明要素之间的相关变化具有相反的趋势[9].研究所采用的Pearson相关系数计算公式为

式中：X为所有变量x的属性值集合，Y为所有变量y的属性值集合，N为对应变量的个数.其数值范围为-1～1，接近于1或-1的相关系数则表明不同变量之间的相关性强；接近于0的相关系数，表明相关性弱.

3 结果与分析

3.1 典型地物对地表温度的影响

3.1.1 典型地物分类

由图3可见，研究区范围内林地位于西部和南部山区，建设用地分布较为分散、呈组团状，农业用地面积较大，介于城市建设用地与山地丘陵的过渡地带.

图3 基于Landsat8 OLI数据的土地利用分类Fig.3 Land use classification based on Landsat8 OLI

图4 基于Landsat8 TIRS地表温度反演结果Fig.4 Surface temperature retrieval base on Landsat8 TIRS

3.1.2 地表温度反演结果

图4统计结果显示，林地、草地、水体、建设用地、裸土5种基本地类的地表温度均值分别为7.86 ℃、9.44 ℃、10.00 ℃、16.03 ℃、12.19 ℃.其中，建筑物影响下的地温均值远高于其他四类地物，可见建筑聚集区对地表起增温作用；而林地、草地、水体相对温度均值较低，则表明绿地与水体对城市热环境有着一定的降温效果，具有缓解“城市热岛效应”的生态功能.

3.2 快速城市化地区景观格局特征分析

针对林地、草地、水体、建设用地和裸土五类景观样区，统计其景观多样性、绿地破碎度、绿地分维数和绿地面积等指数(表1)，分析研究区域的景观格局特征现状.结果表明：1)建设用地和林地样区的景观多样性较低，草地样区次之，水体与裸土样区的景观多样性较高.可见前两类样区的景观构成复杂程度偏低、地类构成相对单一.2)林地和草地景观样区的绿地面积均值最高，水体和裸土样区次之，建设用地样区的绿地面积最小.可见林地和建设用地主导景观占比具有明显优势；3)建设用地景观样区绿地破碎度均值最高，裸土和水体样区次之，草地样区再次之，林地样区绿地破碎度均值最低.可见城市建筑区受人为干扰强烈，绿地面积小且破碎程度大；林草地区受干扰较小，绿地景观均较为规整、较少镶嵌其他地类；而裸土和水体的情况介于二者之间.4)五类景观样区绿地分维数水平相近，其中林地样区的绿地分维数均值最低，绿地斑块形状较为规则完整.

表1 不同主导景观下景观指数统计Tab.1 Landscape index statistics under different dominant landscapes

续表1

3.3 景观格局对地表温度的影响

基于上述林地、草地、水体、建设用地和裸土景观样区，进行样区LST均值与其景观指标间的关联分析(表2)，研究结果如下：

1)林地景观样区.地表温度与景观多样性指数、景观破碎度指数、绿地分维数具有显著的正相关关系，则地温随着林地样区内斑块的种类、整体景观的破碎程度与绿地景观形状的复杂程度增大而升高；地表温度与绿地面积具有显著的负相关关系，则地温随着绿地的增多而降低.由此可见，在林地景观类型主导的区域，增加绿地面积、降低绿地景观破碎程度、减小绿地形状的复杂度，具有较好的降温效果.

2)草地景观样区.地表温度与绿地分维数和绿地面积分别呈显著的正相关和负相关关系，则地温随绿地形状复杂程度增大而升高，并随绿地增多而降低.地表温度与景观多样性指数、景观破碎度指数不具有显著的相关关系.由此可见，在草地景观类型主导的区域，较大的绿地面积、规则的绿地形状，具有较好的降温效果.

3)水体景观样区.地表温度与景观多样性指数、景观破碎度、绿地分维数和绿地面积均不具有显著的相关关系，则地温与水体样区内绿地斑块的破碎程度、复杂度和面积无关，该样区内绿地景观格局变化引起的降温效应并不明显.

4)建设用地景观样区.地表温度与绿地破碎度指数、绿地分维数具有显著的正相关关系，则地温随着建成区绿地景观的破碎程度和绿地形状的复杂程度增大而升高；地表温度与样区内景观多样性和绿地面积具有显著的负相关关系，则地温随着斑块种类与绿地的增多而降低.综合表明，增加绿地面积、减小绿地形状的复杂度，提高绿地景观的连通度，对城区地面具有一定的降温效果，反之则增强城市热岛效应.

5)裸土景观样区.地表温度与绿地破碎度和绿地分维数具有显著的正相关关系，与绿地面积具有显著的负相关关系，而与景观多样性指数不具有显著的相关关系.可见在该样区，增加绿地面积、降低绿地形状复杂度和提高绿地景观完整性，具有一定的降温效应.

6)全部样区.区域地表温度与绿地破碎度、绿地分维数具有显著的正相关关系，与绿地面积具有显著的负相关关系，表明通过降低研究区景观破碎程度，保证不同类景观的连通完整性，适当增大绿地面积和降低绿地斑块的复杂程度，对城市地表具有一定的降温作用，可缓解城市热岛效应.

表2 基于景观样区的地表温度与景观指数间的相关关系分析Tab.2 The correlation analysis between surface temperature and landscape index based on landscape sample areas

如图5所示，针对全部样区的地表温度与绿地破碎度、绿地分维度和绿地面积进行拟合分析，R2分别为0.59、0.05和0.69.其中，绿地面积与地表温度具有明显的线性关系，可采用线性回归模型进行模拟；而绿地景观破碎度取值偏小时，相同的绿地破碎度条件下，地表温度在一定范围内波动，但随着绿地破碎度的增大，地表温度呈整体逐渐上升趋势.

4 结论与展望

1)通过统计各地类影响下的地表温度均值，完成典型地物对地表温度的差异性比较分析.其中，林地、草地、水体、建设用地、裸土5种典型地类的地表温度均值分别为7.86 ℃、9.44 ℃、10.00 ℃、16.03 ℃、12.19 ℃.地温均值呈现“林地<草地<水体<裸土<建设用地”的规律趋势，可见林地、草地、水体具有一定的降温效应，而建筑物密集区则具有相反作用.

2)在基于五类典型地物进行主导景观样区选择的基础上，开展研究区绿地景观格局特征分析.其中，林地和建设用地两类样区的景观多样性相对较低；林地样区的绿地分维数与景观破碎度相对其他地类较小，斑块规则完整且绿地面积最大；而建设用地样区绿地景观破碎度指数最大、绿地面积最小，可见建成区受人为干扰强烈，绿地面积小且破碎化.此外，各样区绿地面积均大于零，表明均含有绿地斑块.

3)林地、草地、水体、建设用地和裸土各类样区的景观格局对地表温度影响作用不一.其中，林区与建成区的景观多样性分别与地表温度呈现显著的正相关和负相关关系，其他地类的优势景观区无显著相关关系；绿地破碎度和绿地分维数普遍与地表温度呈现显著正相关关系；而绿地面积与地表温度均呈现显著的负相关关系.由此表明，可通过降低城市区域绿地景观的破碎程度，提升其连通完整性，适当降低绿地景观边界的复杂程度和增大绿地面积，可缓解城市热岛效应.

本文以处于快速城市化下的杭州市区作为研究区，选取五类典型地物的优势景观区域作为研究样区，探究了快速城市化地区地表温度与城市绿地景观格局的相关性.研究中涉及的绿地景观类型局限于林地和草地，未来应开展绿地精细分类，从而深化丰富绿地降温效应的相关研究结论.此外，景观指数的筛选需进一步优化，绿地降温效应与景观格局之间的定量关系研究也有待加强，以期提出更加科学有效的城市绿地景观规划设计方案.