城市建筑三维精细化特征对地表热环境的影响——以山东省济南市二环以内区域为例

孙佳彬，杨朝斌,2a，朱文浩，徐新良

(1.山东理工大学 建筑工程学院，山东 淄博 255000；2.中国科学院 a.生态环境研究中心,b.地理科学与资源研究所，北京 100101)

0 引言

随着城镇化进程的不断推进，城市景观格局发生剧烈变化，土地开发利用导致水体、植被等自然地表转变为人造地表和建筑[1]。地表覆被的变化使得城市与周边农村区域下垫面特征差异增大，城市建筑对太阳辐射的吸收和释放、能源消耗、工业散热、人为热源的产生等导致了城市热岛效应[2-6]。城市热岛效应对区域环境和气候、社会经济以及人类健康等方面产生严重危害，探究城市建筑作用于城市热环境的影响机制对缓解城市热岛效应具有重要意义。

19世纪20年代，英国学者L.Howard发现伦敦市中心温度高于郊区温度的现象[7]。从此，城市热岛效应成为城市气候研究的重要内容。随着地理信息系统和遥感等新兴技术的发展，学者们开始探究引起城市热岛效应的背后驱动因素[8-11]。然而，目前的研究大都聚焦于城市建筑水平特征对热环境的研究，如葛亚宁等运用Landsat 8数据分析了北京城市建筑密度分布对热岛效应的影响[12]；苏俊如等利用单窗算法探究了城市建筑水平特征对城市热环境效应的影响，但仅选择了建筑密度单一指标[13]。另有学者从整体的景观格局角度出发，分析不同景观城市热岛效应，如管昱等利用Landsat 8数据分析了快速城市化地区景观格局对地表热环境的影响[14]；潘明慧等研究了景观格局类型对热岛效应的影响[15]。尽管已有研究取得了较大进展，但仍缺乏城市建筑三维精细化特征对热环境的影响研究。

本研究以山东省济南市二环以内区域为例，利用Landsat 8遥感影像反演地表温度表征城市热岛效应，选取6个二维和三维建筑指数对城市建筑空间结构特点进行精细化表征，通过空间分析和统计回归方法探究城市建筑二维和三维特征对地表温度的影响及其季节差异性，从而加深对城市热岛效应相关驱动因素的进一步理解，为缓解城市热岛效应提供科学理论依据。

1 研究区域、研究方法与数据来源

1.1 研究区域

济南市地处山东省中西部 ，属暖温带季风气候 ，日照充分，四季分明 。2019年末济南市常住人口890.87万人。济南是山东省的政治 、经济 、文化 、科技 、教育和金融中心 ，是环渤海经济区和京沪经济轴上的重要交汇点 。其中，二环以内区域是济南市历史文化名城核心区和中央活动区，是济南城市发展新规划的“中优”区域。区域面积161.87 km2，区内人口密度和建筑密度相对较高，建筑类型多样，受热岛效应的影响较大。因此，选取二环交通路线所包含的核心城区为研究区域 (图1)。

1.2 研究方法

1.2.1地表温度反演。首先，将Landsat 8波段10的像素值转换为大气表层辐射值，计算公式为:

R=G×DN+O。

式中：R为大气表层辐射值；G和O分别为各个波段的增益值和偏置值，均可通过影像头文件获取；DN为遥感影像的像元亮度值。其次，在假设地球是一个绝对黑体的前提下，大气表层辐射值通过以下公式转换为亮温：

图1 研究区域及建筑分布

Tb=K2/ln (K1/R+1) 。

式中：Tb为亮温；K1和K2是卫星发射前预设的常量，对于Landsat 8第10波段，K1=774.89 W/(m2·sr·μm)，K2=1 321.08 K。最后，地表温度可以通过对不同地物的比辐射率的校正获得，计算公式为：

LST=Tb/[1+(λTb/ρ)lnε] 。

式中：LST为地表温度；λ和ρ分别为波长和波段频率，对于Landsat 8第10波段，λ=10.9 μm，ρ=1.43×10-2mK;ε为不同地物比辐射率，可通过植被指数阈值来获取[16-17]。地表温度具体的计算过程参考C.Yang等的研究[18]。

1.2.2城市建筑2D/3D精细化特征表达。为了对城市建筑特征进行精细化表达，选取建筑覆盖率、建筑斑块密度、建筑周长密度3个二维指标以及建筑平均高度、建筑体积和建筑容积率3个三维指标共6个指标对城市的建筑特征进行分析[19]。选择的指标能够较全面地反映建筑特征，计算简便，冗余度低。① 建筑覆盖率反映城市在水平方向上建筑的密集程度。计算公式为：

式中：BCR为建筑覆盖率；Ai为第i个建筑物的基底面积；A为街区面积。② 建筑斑块密度反映单位面积上的斑块数。计算公式为：

BPD=(n×10 000)/A。

式中：BPD为建筑斑块密度(无量纲)；n为建筑数量；A为街区面积。③ 建筑周长密度反映建筑长度的密集程度。计算公式为：

式中：BED为建筑周长密度(无量纲)；Li为建筑i的周长；L为街区周长。④ 建筑平均高度反映城市楼房平均高度信息。计算公式为：

式中：BH为建筑平均高度；Hi为建筑i的高度。⑤ 建筑体积是城市建筑的三维形态描述。计算公式为：

式中：BV为建筑体积；Ai为建筑i的基底面积；Hi为建筑i的高度。⑥ 容积率反映一定用地内的开发强度和人居舒适度。计算公式为：

式中：FAR为容积率；Ai为建筑i的基底面积；Fi为建筑i的楼层数；A为街区面积。

1.2.3空间分析与统计回归。为了定量探究城市建筑三维空间结构对热环境的影响，利用济南市路网将研究区划分为253个街区，街区平均面积为63.98 hm2，将街区作为基本的分析单元。不同街区的建筑特征存在明显的差异性，可以较好地区分不同建筑特征对地表热环境的影响。此外，利用街区作为分析单元可以满足统计回归对样本数量的要求。计算每一个街区对应的6个二维/三维建筑指数和街区内的平均地表温度，利用GIS特有的空间分析功能将城市建筑的分布格局和二维/三维特征进行空间化呈现，便于从空间上提供有效信息。利用Pearson相关系数分析地表温度与6个建筑指数之间的相关性，然后以街区的平均温度作为因变量，以6个建筑指标作为自变量，建立地表温度与建筑指标之间的线性回归模型，定量分析单个不同建筑指标对城市热岛效应的影响差异。地表温度不止受一个因素的影响，因此，使用多元逐步回归模型分析不同建筑指标对地表温度变化的贡献程度。

1.3 数据来源

研究数据主要包括遥感数据、济南建筑矢量数据以及路网矢量数据。遥感数据以地理空间数据云(http://www.gscloud.cn)获取的2017年6月17日和12月22日两景Landsat 8 (行列号为122/035)影像为主要数据源，当日云量较少，透光率高，成像效果较清晰。利用ENVI软件对数据辐射定标和大气校正等预处理。建筑矢量数据来源于中国科学院资源环境科学与数据中心，借助Google Earth等高分辨率影像，在ArcGIS软件支持下对原始数据进行矢量编辑、拓扑处理等操作，确保数据质量满足要求后进行特征表达。参考《民用建筑设计统一标准》(GB 50352—2019)，将建筑按高度划分为低层建筑、多层建筑、高层建筑、超高层建筑4种类型。路网则以卫星数据为主要数据源，同时以百度地图等相关数据作为补充，对济南主城区道路进行矢量化提取。

2 结果与分析

2.1 城市建筑空间分布特征

济南市二环以内核心城区建筑主要分布在北部和中部，南部由于分布较多的山地而建筑数量相对较少。从不同高度建筑的空间分布看，南部虽然建筑物数量较少，为了充分利用有限的土地资源，高层建筑却相对较多。整体上，研究区内低层建筑分布最为广泛，且北部低层建筑更为密集。

建筑高度的统计分类结果(表1)表明，建筑高度与建筑的空间分布相一致，即济南市二环以内核心城区的建筑大多数为低层建筑，占60.58%。随着建筑高度的增加，建筑数量呈逐渐减少的趋势，其中超高层建筑最少，仅占0.02%。

表1 济南市二环内建筑信息统计Tab.1 Information statistics of builsings inside the second ring of Jinan City

2.2 城市建筑三维精细特征分析

将济南市二环内建筑的6个二维/三维指标进行空间化展示(图2)。从建筑覆盖率(BCR)和建筑斑块密度(BPD)的空间分布(图2a，图2b)可以看出，济南市二环以内街区建筑覆盖率较高的区域集中在东北部，且以低层和多层建筑为主，覆盖率较低的区域集中在南部，且以高层和超高层建筑为主；斑块密度分布状态以横向中心线为轴，南北差异较为显著，呈现“南疏北密”的分布格局。从建筑周长密度(BED)的空间分布(图2c)可以看出，济南市二环以内街区周长密度分布离散且无规则。从建筑平均高度(BH)的空间分布(图2d)可以看出，济南市二环以内低层建筑街区和高层建筑街区所占面积近似，比例相近。超高层街区主要分布在中心地区，西北部区域建筑街区平均高度较低，东南部区域建筑街区平均高度较高。从建筑体积(BV)和建筑容积率(FAR)的空间分布(图2e，图2f)可以看出，南部区域建筑体积大于北部，市中心区域的建筑容积率则明显大于南部和北部。南部虽然建筑数量较少，但高层建筑较多，因此，建筑体积较大，而大面积的山地区域又降低了建筑容积率。此外，区内城市建筑二维特征与三维特征的空间分布差异明显，两者之间并没有特定的相关性。

图2 建筑二维/三维特征空间分布

2.3 城市热岛效应冬夏时空分布特征

利用地表温度反演方法计算地表温度，采用自然间断点分级法对温度进行重分类操作，按照温度从高到低划分为最高温、较高温、高温、中温、低温、较低温、最低温7个等级，将最高温、较高温和高温面积之和定义为“热岛效应”区域，将冬夏两季的温度等级及对应的具体温度数值进行可视化表达(图3)。

图3 济南市二环以内区域地表温度空间分布

整体来看，高温区域的空间分布与建筑有着较好的一致性。夏季地表温度均值为41.26 ℃，热岛效应主要集中在东北部居民区密集处，在城市中西部、部分工厂集中地以及南部的个别居民区也有零散的分布，该区域建筑分布相对密集，其地表温度都高于44.0 ℃，最高处可达53.0 ℃。低温主要分布在西南与东南部分地区，这些区域主要为林地以及风景区。此外，城市内部的河流、大明湖、济南动物园以及济南森林公园等非建筑区域温度同样普遍较低，介于29～38 ℃，其他区域温度大多集中在38～44 ℃(图3a)。冬季地表温度平均值为7.71 ℃，其热岛效应区域仅占33.05%，明显小于夏季的46.19%(表2)，且空间分布相对于夏季较为分散。低温区域在城市内部几乎均匀分布，甚至在夏季全部为高温区域的东北部区域也有出现(图3b)，可能与高层建筑物阴影有关。

表2 冬夏两季各温度等级所占面积比例 %

2.4 建筑三维精细化特征对热环境的影响机制

为了定量分析城市建筑三维特征对城市热岛效应的影响，运用统计回归方法分析建筑二维/三维特征对地表温度的影响程度。去除异常值后，回归得到6个城市建筑指数与地表温度之间的相关系数(表3)。结果表明，夏季地表温度与建筑覆盖率(BCR)、建筑斑块密度(BPD)以及建筑周长密度(BED)之间具有正相关关系，且建筑物覆盖率(BCR)与地表温度的正相关强度最大；建筑平均高度(BH)和建筑体积(BV)与地表温度呈负相关关系，而建筑容积率(FAR)与地表温度之间没有明显的统计学关系。冬季地表温度与建筑物覆盖率(BCR)和建筑周长密度(BED)之间呈正相关关系，与建筑平均高度(BH)和建筑容积率(FAR)存在负相关关系，与建筑斑块密度(BPD)和建筑体积(BV)没有明显的统计学关系。

表3 建筑指标与地表温度之间的Pearson相关系数

夏冬季单个建筑指数与地表温度的线性拟合模型(图4，图5)进一步阐明了建筑指数对地表温度的影响程度。在街区尺度上，建筑覆盖率每增加10%，夏季和冬季的地表温度分别可增高0.93 ℃，0.25 ℃。虽然建筑斑块密度和建筑周长密度有增温作用，但效果并不明显。地表温度随着建筑平均高度增加而出现降低的趋势，在建筑平均高度小于20 m时，街区的平均地表温度有高值也有低值；当建筑平均高度大于20 m时，夏季地表温度大都小于43 ℃，高于44 ℃的街区相对较少；绝大多数街区对应的冬季地表温度则低于7.5 ℃。

进一步采用逐步多元线性回归模型探究各建筑指数对地表温度变化贡献程度的差异(表4)。可以看出，二维指标建筑覆盖率(BCR)进入夏季模型且对地表温度有着显著的正向影响作用(标准系数为0.626)，三维指标建筑平均体积(BV)和建筑容积率(FAR)进入模型，两者对地表温度有着负面的影响，上述3个建筑指标对地表温度的影响作用在0.01水平上都是显著的，R2为0.395，表明该模型综合起来对地表温度变化的解释力可以达到39.5%，考虑到街区地表温度除了受建筑的影响外，同时也受到林地、灌木、草地、水体以及社会经济活动的影响，因此，该模型在一定程度上能够较好地解释地表温度的变化。在冬季，建筑覆盖率(BCR)和建筑斑块密度(BPD)是进入模型的二维指标且两者都具有正向影响作用，即随着建筑物覆盖率和建筑斑块密度的增加，冬季地表温度呈现升高趋势。建筑平均高度(BH)和建筑容积率(FAR)是进入模型的三维指标且两者都具有负面作用，即随着建筑物高度和建筑容积率的增加，冬季地表温度呈现降低趋势。

图4 夏季城市建筑二维/三维特征与地表温度的线性拟合模型

图5 冬季城市建筑二维/三维特征与地表温度的线性拟合模型

2.5 城市建筑二维/三维特征对地表温度的影响

综合城市建筑二维/三维精细化特征的多元线性回归模型能够较好地解释地表温度的变化，夏季能够解释39.5%，冬季为40.2%。建筑二维特征对城市地表热环境的影响作用要大于三维特征，其中建筑覆盖率(BCR)对地表温度的影响最为显著(夏季两者相关系数为 0.69)，是影响地表热岛效应最重要的驱动因素。地表温度反映的是物体表面的温度，与物体本身的材料性质有着明显的联系。相比于自然地表，建筑等人造地物能够存储大量的太阳热辐射并进行再辐射，建筑覆盖率(BCR)高表明建筑所占的面积大，减少了地表水分蒸发量和水分可用性，并能够对区域起到增温作用，对地表温度的影响作用最为显著。本研究得到的建筑覆盖率与地表温度之间的高度正相关性与已有学者的研究有着较强的一致性[12-20]。多元线性回归结果表明建筑斑块密度对地表温度的影响并不十分显著，这与苏俊如等[13]的研究结果不同，可能与研究区地理位置、研究区内建筑物理形态大小差异等存在一定关联。此外，建筑物斑块密度仅仅反映建筑物的数量特征，建筑物斑块密度高并不意味着整体建筑覆盖面积大，有可能是数量较多的面积较小(或者较大)的建筑组成，因此，与地表温度的关系并不十分紧密。

表4 地表温度与建筑指数多元线性逐步回归模型的拟合结果

城市建筑平均高度与地表温度之间存在负相关关系，即随着建筑平均高度的增加地表温度出现降低，且这种现象在冬季更为突出(相关系数为-0.63)。可能的原因是高层建筑区建筑物之间的距离通常较大，有利于空气通风效率，更为重要的是冬季太阳高度角较低，高层建筑能够大量增加地面阴影面积，使区域累积日照时间减少，减少了地表接受的太阳直接辐射，从而大幅降低街区的地表温度[21-22]。本研究发现，如果单纯建立城市建筑容积率与地表温度之间的线性模型，两者之间的关系并不明显；而在多元线性回归模型中，建筑容积率(FAR)能够进入模型，冬夏两季的标准系数分别为-0.323和-0.151，说明建筑容积率结合其他建筑指标也对地表温度的变化产生影响。

3 结论、启示与讨论

3.1 结论

济南市二环区域内城市建筑分布以横向中心线为轴，南北差异较为显著，呈现“南疏北密”的分布情况，建筑以低层建筑为主，占比高达60.58%。城市建筑二维特征空间分布与三维空间格局差异较为明显，两者空间格局并没有明显的相关性。

从空间上看，地表温度空间格局与建筑空间分布有着良好的一致性，即高温区域与建筑覆盖率较高的区域相吻合，低温区域主要出现在河流、湖泊和公园等建筑物相对较少的区域。

相关分析表明，地表温度与二维建筑指标呈正相关性，而与三维建筑指标呈负相关性，与建筑容积率并没有统计学上的明显联系。建筑覆盖率与地表温度相关系数最大(0.69)。建筑覆盖率每增加10%，夏季地表温度可增高0.93 ℃，冬季增高0.25 ℃；地表温度随着建筑平均高度的增加而呈现降低的趋势，当建筑平均高度大于20 m时，降温现象更为明显。

建筑二维/三维特征相结合能够有效解释地表温度的变化量，二维指标对地表温度的影响要大于三维特征的影响，建筑高度在冬季与地表温度存在明显的负相关关系。在未来城市规划中可适当考虑提高中高建筑物比例来缓解热岛效应并节约城市用地。

3.2 启示

城市热岛效应给生态环境和社会经济带来众多负面影响，在城镇化大背景下提出缓解城市热岛效应的有效措施十分必要。随着城市建筑覆盖率的增加，城市热岛效应呈现增强趋势，但城市建筑的三维高度能够在一定程度上增加阴影面积、增大楼间通风进而缓解了热岛效应。因此，除传统的增加绿地和水体覆盖率降低地表温度外，还可以在未来城市规划中适当考虑提高中高层建筑的比例，既能满足城镇居民的住房需求，也能节约土地利用，同时为增加树木等降温地表类型的面积提供了更大可能性[23-24]。

3.3 讨论

受限于客观建筑数据获取的不足，研究范围相对较小，研究结果有一定局限性。考虑到目前地理大数据的快速发展，未来能够获取的丰富而又精细化的城市建筑数据和城市地表温度数据，研究的时空尺度将会进一步突破，城市三维空间结构对热岛效应的影响将会成为研究热点[25]。