基于LCZ的湿热地区典型城市局部空间格局特性研究

潘鑫沛，刘丽孺，刘 琳

（广东工业大学 土木与交通工程学院，广东 广州 510006）

近年来，城市化的迅猛扩张及人口快速增长极大地改变了城市原有的地表形态结构，城市原有的自然下垫面被人工建筑物所覆盖，呈现出复杂多样的城市空间格局[1-2]。与此同时，相关联的人类生产生活逐渐改变了城市冠层内的热湿通量传递过程，从而形成了城市局部区域特有的微气候特征，并引发了全球气候变暖、城市热岛效应等一系列环境问题[3-4]，这直接影响了城市空间居民的热舒适水平和建筑室内冷热负荷的需求量。诸多学者已经就城市空间的微气候特征展开了相关的研究，并取得了若干指导性成果[5-8]。因此，为量化城市空间结构特性及空间因子对环境参数的影响，将城市空间进行参数化统计和有效划分是非常必要的[9]。

Stewart和Oke[10]在考虑城市建筑格局和下垫面覆盖类型各自差异的基础上对城市空间进行了分类，于2012年提出了局部气候分区(Local Climate Zone, LCZ)的理念，该理念使城市空间的气候效应得以量化呈现。LCZ共被划分为17类，每一类的示意图以及特征归纳如表1所示。

表1 局部气候分区LCZ的类型与特征[10]Table 1 Types and characteristicsfor local climate zones

目前国内外关于LCZ划分最主流的方法是WUDAPT 0级方法，WUDAPT 0级遵循着一套基于Landsat卫星遥感影像数据与随机森林算法，利用机器自主监督学习技术来模拟人工识别解译并进行LCZ划分的标准化工作流程[11]。Chuyuan Wang等[12]采用WUDAPT 0级方法对美国菲尼克斯和拉斯维加斯城市进行了LCZ的划分，研究干旱沙漠城市的地温热岛现象。Oscar Brousse等[13]采用WUDAPT 0级方法对西班牙马德里市进行了LCZ的划分，研究并建立了与气候特征相关的城市景观量化参数数据集。Ran Wang等[14]采用WUDAPT 0级及GIS-based 2种方法对香港地区进行了LCZ的划分，研究2种划分方法的精度。然而，当前基于WUDAPT方法的LCZ划分主要是在城市尺度层面进行的，对于街区尺度的量化描述仍存在精度问题，未能精细化地表述复杂街区的空间形态特征。而“街区”作为基本的城市空间单元，规划师往往针对街区进行空间设计和优化。因此，城市空间特征的气候效应表达需要面向复杂的街区进行参数统计和分析，局部气候分区更需要面向街区尺度的有效划分方法。

综上所述，本文根据街区尺度的气候效应研究需求，从量化城市地表要素对局地气候影响的视角出发，采用面向街区单元的空间特性指标计算的方法，对城市街区尺度的LCZ划分进行探索。以湿热地区典型的人工生态城区广州大学城及典型CBD区域珠江新城为案例研究区域，分别进行局部气候分区图的构建，并得到案例区域空间特性指标的空间分布图，以直观地反映和分析湿热地区局部区域多样化空间格局的分布特征，进而为城市规划师进行气候适宜的可持续生态城市设计提供参数化的理论支持。

1 研究区域

湿热地区具有长期高温高湿的气候特征，这对室外空间居民的热舒适性及空间利用产生显著影响。本文以湿热地区代表性城市广州的2个典型局部区域为例进行局部气候分区图的构建与分析。广州属于亚热带季风性气候，是典型的夏热冬暖地区。本文选取的第1个案例区域为广州大学城，研究范围为由大学城外环东路、大学城外环西路、大学城星光下道围合而成的区域，如图1(a)所示。广州大学城占地面积约17.9 km2，总体为外−中−内环轴线围合式与大学组团放射式相结合的空间布局；该区域保留了11处原始生态林、8个生态公园和3个临江湿地公园，绿化率达55%，属于典型的人工生态城区(数据来源：广州市番禺区政府)。

本文选取的第2个案例区域为广州珠江新城，研究范围为由广州大道中、黄埔大道中、临江大道以及马场路围合而成的区域，见图1(b)。珠江新城占地面积约6.19 km2，位于广州中心城区的三区交界处，整体呈矩形布局，涵盖了居住、商业、办公等多种用地类型，服务规模达40万人次，属于典型的CBD商务区。

图1 Google Earth卫星影像地图Fig.1 Google Earth-based satellite image map

2 面向街区单元的局部气候分区图构建方法

2.1 方法概述

针对基于地理信息系统(Geographic Information System，GIS)与基于WUDAPT 0级数据算法构建局部气候分区图在应用于街区单元尺度的局限性问题，本文拟采用面向街区单元的LCZ空间特性指标计算法进行案例区域的局部气候分区图构建。

该方法以街区作为基本空间单元，结合实地调研与工程资料查考等途径在研究区域内各街区收集统计用于量化描述LCZ特征属性的10项空间特性参数。依据各街区LCZ空间特性参数指标的结果对应LCZ分类的参数区间进行匹配，识别定位该街区的主导LCZ类型，进而通过Google Earth(GE)进行空间成像，构建该研究区域的局部气候分区图。该方法可用于局部区域的矢量化精细划分，使LCZ的精细化分类得以从城市尺度过渡到街区尺度。

2.2 空间特性指标计算

定量描述LCZ类型的空间特性指标主要表征城市形态、地表覆盖、表面材质以及人为活动4个层面，具体分类如表2所示。

表2 10项空间特性参数分类Table 2 Ten aspects of spatial characteristic parameter classification

LCZ空间特性指标的计算可通过实地调研、卫星影像光谱信息等途径获得。其中，天空角系数(Sky View Factor，SVF)的计算借助实地考察中鱼眼相机的图像，利用3D城市模型及SAGA地理信息系统软件进行估计[15]；街道峡谷高宽比(Aspect Ratio，H/W)、平均建筑高度(Height of Roughness Elements，HRE)的统计由现场实测的建筑层数、层高以及街道宽度等数据计算获得;对于地形粗糙度等级(Terrain Roughness Class, TRC)，本文参考Davenport分类对应LCZ特征属性来确定[16]；建筑占地比率(Building Surface Fraction, BSF)根据BIGEMAP软件呈现的建筑基底轮廓进行计算；透水表面比率(Pervious Surface Fraction, PSF)与不透水表面比率(Impervious Surface Fraction, ISF)通过实地考察及涵盖详细植被覆盖信息的卫星影像进行计算获得；地表导纳率(Surface Admittance, SAD)、地表反射率(Surface Albedo,SAL)及人为热释放量(Anthropogenic Indicator, AHO)的计算参考热环境设计标准中的表面铺装材料数据。由此可计算得到研究区域各街区的LCZ空间特性参数值。

2.3 局部气候分区图构建方法

本文采用面向街区单元的空间特性指标计算法对广州大学城及珠江新城进行LCZ划分，归结为以下4个步骤：(1) 该方法以城市街区为基本空间单元，在进行10项空间特性参数的测量之前需要在研究区域中确定好每个区块的界线，并利用G o o g l e Earth绘制街区样本，便于后续实地调研的统计与汇总；(2) 针对各街区单元通过实地调研等途径进行空间特性指标元数据的收集、计算与统计，以量化各街区的表面形态特征；(3) 参照LCZ划分理念给出的10项空间特性指标，将实测记录的参数值与指标参考区间进行匹配，以识别最符合各街区形态特征的主导LCZ类型；(4) 根据每个LCZ的最小半径即200～500 m不等[9]，对拟定好类型的街区边界进行局部修正。由此完成广州大学城及珠江新城局部气候分区图的构建。该方法的技术框架如图2所示。

图2 面向街区单元的空间特性指标计算法的技术框架Fig.2 Technical framework of spatial characteristic indicator calculation facing city block unit

本文提出的面向街区单元的空间特性指标计算法针对城市局部区域进行LCZ划分，借助10项空间特性参数量化研究区域的空间形态特征，使得城市地表要素与城市小气候间的空间关系可视化，有助于探究空间异质性的形态结构对复杂小气候规律特征的量化影响。

3 研究区域的局部气候分区图结果及分析

3.1 广州大学城局部气候分区图

根据上述面向街区单元的局部气候分区图构建方法，绘制了基于Google Earth的广州大学城局部气候分区图，如图3所示。广州大学城主要涵盖了LCZ1、4、5、6、8、9 6种建筑群类型及LCZA、B、D、E、F、G 6种自然下垫面类型。

为直观地反映广州大学城各局部气候分区的空间特性指标的分布特征，本研究利用ArcGIS软件对大学城LCZ区域进行空间特性参数的属性赋值。ArcGIS是一系列基于一套由共享GIS组件组成的通用组件库，为用户提供一个涵盖地理制图、地理分析、数据编辑、数据管理以及可视化空间处理等多种功能模块的GIS平台的软件产品集成。通过该软件绘制了大学城案例区域SVF、H/W、HRE、BSF、ISF、PSF 6个典型空间形态与布局特征指标的分布图，如图4所示。

图3 Google Earth绘制的大学城局部气候分区图Fig.3 Google Earth-based local climatic zone map of Guangzhou Higher Education Mega Center

3.2 珠江新城局部气候分区图

基于面向街区单元的局部气候分区图构建方法绘制了珠江新城的局部气候分区图，如图5所示。珠江新城主要涵盖了LCZ1、2、3、4、5、6、8、9共8种建筑群类型及LCZA、B、E 3种自然下垫面类型。

为直观地反映珠江新城各局部气候分区的空间特性指标的分布特征，本文基于ArcGIS软件对珠江新城LCZ区域进行空间特性参数的属性赋值，绘制了珠江新城区域SVF、H/W、HRE、BSF、ISF、PSF 6个典型空间形态与布局特征指标的分布图，如图6所示。

3.3 广州大学城与珠江新城的对比分析

3.3.1 案例区域局部气候分区类型的对比分析

从图3可以看出，采用面向街区单元的空间特性指标计算法所构建的大学城局部气候分区图共识别出12种LCZ类型，其中属于建筑群类型的有LCZ1、4、5、6、8、9；属于自然下垫面类型的有LCZA、B、D、E、F、G。此外，统计得到已划分的街区数共150个，按每种LCZ类型的块数所占总块数的比例，从大到小依次排列为LCZ5(31%)、LCZA(14%)、LCZD(13%)、LCZ4(10%)、LCZ6(7%)、LCZ9(7%)、LCZ8(6%)、LCZE(4%)、LCZB(3%)、LCZF(3%)、LCZ1(1%)、LCZG(1%)(见图7)。

图4 广州大学城LCZ空间特性参数指标分布图Fig.4 LCZ spatial characteristic indicator maps of Guangzhou Higher Education Mega Center

图5 Google Earth绘制的珠江新城局部气候分区图Fig.5 Google Earth-based local climate zone map of Pearl River New Town

从图5可以看出，所构建的珠江新城局部气候分区图共识别出11种LCZ类型，其中属于建筑群类型的有LCZ1、2、3、4、5、6、8、9；属于自然下垫面类型的有LCZA、B、E。此外，统计得到已划分的街区数共48个，按每种LCZ类型的块数所占总块数的比例，从大到小依次排列为LCZ4(38%)、LCZ1(31%)、LCZ5(11%)、LCZ8(4%)、LCZ9(4%)、LCZ2(2%)、LCZ3(2%)、LCZ6(2%)、LCZA(2%)、LCZB(2%)、LCZE(2%)(见图8)。

LCZ类型计数条形图(见图7、8)显示大学城的主导分区类型为LCZ5、A、D 3种，代表大学城整体以开敞式中层建筑为主，建筑密度低且地表覆盖多为可渗透地面，如低矮植被或高密度林地等。这与大学城作为人工生态城区以中层高校建筑居多且拥有原始生态林或公园的现实情况相符。相反地，珠江新城以LCZ1、4为主，而LCZ5、A类型比重很小。因为珠江新城作为CBD典型区域，用地类型以商务、办公用地为主，大多为紧凑型高层建筑，建筑密度高且地表覆盖多为硬质化地面。同时，珠江新城东区多为酒店及居住建筑，建筑布局较商务区稀疏且绿化率较高，因而识别到若干LCZ4类型区域。

3.3.2 案例区域空间特性参数指标的对比分析

本文面向大学城及珠江新城整个研究区域的所有街区进行空间特性参数的统计，通过箱线图的形式对案例区域6个典型的空间特性参数指标HRE、SVF、H/W、BSF、ISF与PSF的分布规律进行表达，以对比分析大学城以及珠江新城的空间格局特点。

(1) 平均建筑高度HRE的分布规律。

图9显示了大学城的建筑高度范围从0～52 m，平均高度约14 m左右，包含了区域内的建筑、林地、草地及水体，其中，0～10 m，10～25 m，＞25 m区间出现的频次分别为76，58，16。这意味着大学城以中小型建筑居多，高层建筑较少，从图4(c)可看到大学城的高层建筑大多位于东南、西北侧；而珠江新城的建筑高度范围为0.24～424 m，平均高度约100 m左右，其中，0～10 m，10～25 m，＞25 m区间出现的频次分别为4，6，38。相比大学城，珠江新城以高层建筑居多，从图6(c)可看到其高层建筑多坐落于西侧商务办公用地。

(2) 天空角系数SVF与街道高宽比H/W的分布规律。

图6 广州珠江新城LCZ空间特性参数指标分布图Fig.6 LCZ spatial characteristic indicator maps of Pearl River New Town

图8 广州珠江新城LCZ类型计数条形图Fig.8 LCZ type count bar chart of Pearl River New Town

图9 大学城与珠江新城关于HRE的箱线图对比Fig.9 Boxplot comparison regarding HRE of case regions

城市峡谷的天空角系数与城市峡谷的高宽比紧密相关，二者均是用来描述街道峡谷的形态结构特征。本文假设所计算峡谷是半无限长的对称峡谷，那么从该峡谷地平面中线上计算天空角系数可表达为式(1)、(2)所示[17]。

其中，H、W分别为这个街道峡谷的高度和宽度，单位为m。

从表达(1)和(2)可看出SVF和H/W之间存在着负相关。对比图4(a)、(b)发现，街道峡谷越纵深，整个LCZ区域看到的天空可视面积越小，空间开敞度越小。图10表示了大学城及珠江新城的SVF与H/W数值的分布规律，结果同样显示出SVF和H/W之间的负相关性。其中大学城的SVF范围从0.24到0.99，平均值约0.64，H/W范围从0.01到2.45，平均值约0.66；而珠江新城的SVF范围从0.21到0.92，平均值约0.47，H/W范围从0.08到5.19，平均值约1.7。对比SVF和H/W平均值可以看出，珠江新城的建筑排列比大学城更紧凑，大学城的空间布局比珠江新城更为开敞。

图10 大学城与珠江新城关于SVF、H/W的箱线图对比Fig.10 Boxplot comparison regarding SVF and H/W of case regions

(3) 建筑占地比率BSF、不透水表面比率ISF与透水表面比率PSF的分布规律。

从地表覆盖指标方面，对比分析大学城及珠江新城的不同下垫面覆盖情况。图11显示，对于建筑占地比率BSF，大学城的范围为0～60%，平均值约20.56%，珠江新城的范围为1%～57%，平均值约31.2%；对于不透水表面比率ISF，大学城的范围为0～96%，平均值约24.71%，珠江新城的为3%～95%，平均值约41.14%。以上两个参数的数据显示，整体上珠江新城的建成区与沥青、铺装道路等不透水表面的覆盖率远高于大学城。对于透水表面比率PSF，大学城的范围为3%～100%，平均值约55.16%，而珠江新城的为4%～94%，平均值约28.94%，由此看出大学城的透水表面覆盖率几乎为珠江新城的两倍，具有较高覆盖率的植被、水体等透水性下垫面。

图11 大学城与珠江新城关于BSF、ISF、PSF的箱线图对比Fig.11 Boxplot comparison regarding BSF, ISF, PSF of case regions

4 结论

针对WUDAPT 0级方法在街区尺度LCZ量化描述的精度较低问题，本文提出面向街区单元的空间特性指标计算法，该方法适用于局部区域的精细化LCZ类型划分。以湿热地区广州市人工生态城区——广州大学城以及典型中心商务区——珠江新城为案例区域，本文首先进行了大学城与珠江新城两案例区域的局部气候分区图的构建；其次，在ArcGIS软件中通过空间属性赋值的方法，分别绘制了大学城区域及珠江新城区域的SVF、H/W、HRE、BSF、ISF、PSF 6个典型空间形态与布局特性指标的分布图；最后，对两个典型案例区域的LCZ空间特性指标分布规律进行了对比分析。

根据对比分析结果可知，大学城共涵盖了12种LCZ类型，并且以LCZ5、LCZA、LCZD 3种为主导类型；而珠江新城则涵盖了11种LCZ类型，以LCZ1和LCZ4两种为主导类型。这在一定程度上反映了广州大学城作为人工生态城区，主要以开敞式中层建筑为主；而珠江新城作为典型的CBD商务中心区，则以紧凑型高层建筑为主的特点。进一步通过两个案例区域空间特性的参数化对比可知，在空间形态层面，大学城的HRE平均值远低于珠江新城，而大学城的SVF值比珠江新城大，H/W较珠江新城小；在自然下垫面覆盖层面，大学城的BSF、ISF较珠江新城小，而PSF较珠江新城大。

综上，本文提出了一种面向城市街区单元和空间特性指标的LCZ划分方法，较好地描述了街区尺度局部区域的精细化空间格局。通过结合案例区域空间特性参数分布图，可直观定量地将案例区域整体的空间形态结构、格局设计以及下垫面覆盖状况进行可视化表达，这为街区小气候分布规律的因子分析和量化模型建立提供了空间特性参数数据集，也为城市规划师合理设计城市空间提供了便利。

注：文中图表均由作者绘制。

致谢：感谢广东工业大学所有参与本课题的研究人员；感谢西安交通大学张云伟教授对LCZ划分提供的帮助。