山西中部城市群景观格局演变对其热环境的影响研究

张钧韦，夏圣洁，陈慧儒，刘艳红

山西农业大学城乡建设学院，山西 太谷 030801

政府间气候变化专业委员会（IPCC）第6 次评估第一工作组报告提出，未来20 年全球升温都将至少达到1.5 ℃，而当全球温升1.5－2 ℃时，高温灾害将对农业生产、人体健康和生态系统产生巨大危害。快速城市化的进程更加剧了这一趋势，而城市群是世界城市化的新趋势，是城市发展到成熟阶段的最高空间组织形式（Lee et al.，2015），城市群扩张使得城市热环境问题变得更加复杂（姚远等，2018）。

在高速发展的城市化背景下，土地利用与土地覆被的变化被认为是城市热环境效应的内在驱动力之一（闫章美等，2021），许多学者不断剖析景观格局演变与热环境之间的关系（沈中健等，2020a）。相关研究表明，不透水下垫面是地表温度升高的主要原因之一（成实等，2019），而绿地和水体可以有效降低地表温度（崔林林等，2018），但单纯的增加绿地、水体面积并不符合我国国情和城市发展的趋势（张志明等，2010），因此众多学者开始研究景观格局的结构组成与空间配置对城市地表温度的影响（刘焱序等，2017），定量分析景观指数与地表热环境的关系（陈爱莲等，2012）。研究表明，不同景观的面积比例（卢惠敏等，2018）、形状复杂程度（Estoque et al.，2017）、破碎程度（Guo et al.，2019）和聚集程度（雷金睿等，2019）等对地表热环境有显著影响。尽管目前研究成果颇丰，但仍存在一定的不足：首先，研究多为小尺度景观格局对热环境的动态影响（邹婧等，2017），宏观尺度即城市群尺度研究较少。城市群热环境研究多为京津冀（王戈等，2021）、闽三角（胡盼盼等，2021）及珠三角（沈中健等，2020b）地区，对大陆中部发展中城市群的绿地景观格局及热环境研究较少。其次，绿地景观格局对热环境的影响研究多以相关性或普通线性回归居多，缺少不同景观类型与LST 的空间异质性研究，忽略了其存在的空间信息与两者的空间相关性，对两者进行空间相关性的定量分析可以有效探究其在空间上的关联性。

因此本研究选取山西省中部城市群作为研究对象，基于2010－2020 年4 个时期Landsat 数据，从类型、景观2 个层面，分析由土地覆被变化引起的城市群景观格局变化对城市热环境的影响，进而在提取研究区等绿线和等温线的基础上，关注城市群绿地景观及热环境的空间信息的相关性，对其进行空间自相关分析，定量化探讨绿地景观与地表温度的影响，为未来城市群发展规划和生态格局保护提供科学依据，为缓解城市群热岛效应，改善城市群生态环境提供实践参考。

1 研究区概况

选取山西中部城市群为研究对象，包括太原市、晋中市、吕梁市、忻州市和阳泉市（图1），位于华北地区黄河流域中部（36°38′54.147″－39°39′45.733″N，110°23′4.772″－114°9′5.786″E），北、东、西三面环山，中、南部为汾河冲积平原。山西中部城市群属于北温带大陆性气候，昼夜温差较大，夏季炎热多雨，冬季寒冷干燥，年平均气温9.5 ℃。该区域是国家新型城镇化战略和新时代中部地区高质量发展的重要组成部分，也是京津冀和雄安新区的重要走廊，承载了山西省1/4 的人口，创造了山西省1/3 的GDP，聚集了山西省2/3 的高校。在2022 年，山西中部城市群正式列入国家“十四五”规划城市群发展重大任务。随着城市化进程的加快，山西中部城市群的下垫面发生改变，人口密度与不透水下垫面的增长，导致地表温度升高，城市群热环境状况进一步加剧。

图1 2010－2020 年土地利用类型图谱Figure 1 Map of land use types from 2010 to 2020

2 数据处理与研究方法

2.1 数据获取及预处理

2.1.1 土地利用数据

基于Landsat TM 影像，通过目视解译与监督分类（曲海涛等，2021），采用最大似然分类方法（Zhou et al.，2018），解译得到4 期土地利用数据，包括林地、草地、耕地、建设用地、水体和其他6 个地类。通过Google Earth 下载相同日期的历史影像，利用ENVI 5.6.3 比较历史真实影像数据与遥感影像分类结果，Kappa 系数均大于0.82，符合精度要求，空间分辨率为30 m。因此，提取的绿地能较好地反映研究区的绿地景观格局。

2.1.2 地表温度数据

为反映地表温度的阶段性变化，研究参考相关文献，以10 年时间为尺度，选取Landsat 5/8 卫星影像2010、2013、2016、2020 年，覆盖太原市、晋中市、吕梁市、忻州市和阳泉市，成像时间接近，少云清晰的这4 期TM 影像数据，利用ENVI5.3 软件，对数据进行辐射定标、大气校正和影像裁切等预处理。

2.1.3 植被指数数据

归一化植被指数（NDVI）是通过计算近红外波段与可见红光波段数值之差，与这两个波段数值之和的比值（魏娜思等，2019），其中，量符号经适当选取，计算公式修改为：

式中：

I——归一化植被指数（NDVI）；

ρn——近红外波段的反射率；

ρr——红外波段的反射率。

选用ENVI5.3 进行归一化植被指数（NDVI）计算，反演出城市群NDVI 分布图，选择统计工具对其进行统计，结果为[−1, 1]。进而对NDVI 分布图进行空间统计，得到NDVI 值的累积概率分布表。根据NDVI值计算植被覆盖度FVC值，计算公式为：

式中：

C——植被覆盖度（FVC），通过对NDVI 分布图进行空间统计，得到NDVI 值的累积概率分布表，将其累计概率最接近95%的NDVI 值记为Imax；将累计概率最接近5%的NDVI 值记为Imin。根据FVC 值，将研究区划分为5 个等级。

在ArcGIS中导入植被覆盖度图谱与地表温度反演图谱，使用空间分析模块（Spatial Analyst）工具，提取不同等级的等值线，叠加得到等绿线图与等温线图。提取出绿洞、绿岛、绿道等特殊的特征图，并与地表温度图谱进行对应分析。对其进行定义（胡丽香等，2010），绿洞：指被高密度植被覆盖区域包围的低密度植被覆盖区域；绿岛：指被低密度植被覆盖区域包围的中、高密度植被覆盖区域；绿道：指条状或线型分布的中、高密度植被覆盖区域。

2.2 研究方法

2.2.1 土地利用类型涨落式图谱

土地利用类型涨落式包括涨式和落式两个动态变化过程，涨式即由其他土地利用类型转化为该土地利用类型，表示该土地利用类型的增长情况，落式则是由该土地类型转变为其他土地利用类型，表示该土地利用类型的减少状况（陈述彭等，2000）。利用ArcGIS 对土地利用类型数据进行计算，将相邻年份的土地利用数据进行编码赋值，得到2010－2020 年山西中部城市群土地利用类型转移数据，并通过地图代数运算得到土地利用类型涨落式图谱。

2.2.2 地表温度反演及热力等级分类

采用覃志豪等（2001）单窗算法反演地表温度。选用ENVI 软件对Landsat 数据进行辐射定标及大气校正等预处理，将像元灰度值转换为热辐射强度值，进而计算相应的辐射亮度温度，最后根据地表比辐射率（ε）与大气总透射率（τ），将辐射亮度转换为地表温度，得到地表温度反演图。

通过均值−标准差（王莹莹，2010）法，将地表温度的均值与不同倍数的标准差组合进行计算，在ENVI 中依据计算结果对地表温度进行等级划分（表1），将研究区划分为5 个热力等级，依次为：高温区、次高温区、中温区、次低温区和低温区。本文将次高温、高温区定义为热岛区域。

表1 均值与标准差法划分地表温度等级Table 1 Classification of LST by mean and standard deviation method

2.2.3 贡献指数计算

选用热效应贡献值指数计算，量化各类景观在区域平均温度的贡献值占比（刘璐等，2019），通过贡献值的正负，表示各类景观的升温和降温作用，计算公式为：

式中：

H——热效应贡献指数；

ta——a 景观类型的地表平均温度（℃）；

tavg——整个研究区的地表平均温度（℃）；

Sa——a 景观类型的面积；

S——研究区的总面积。

2.2.4 景观格局指数分析

通过景观格局指数，能准确的反映景观的结构，可以量化景观的组分比例、形状、空间结构和聚集状态等空间分布信息。选用Fragasts 4.2 软件，从类型和景观2 个层面，选取9 个景观指数，从形状复杂度、景观优势度、景观聚集度及景观多样性4 个方面，对景观格局与地表温度的关联性进行分析。

选用Fragstats 4.2 软件进行移动窗口分析，综合考虑LST 图像的栅格大小，通过反复测试窗口尺度（Greene et al.，2018），最终采用边长900 m 的正方形窗口，自研究区左上角逐步移动，提取各窗口内的景观指数，最终得到研究区景观指数的栅格图像（黄丽明等，2015）。通过Arc GIS 软件，统计各个窗口单元的平均地表温度与景观指数，并导入SPSS 软件，统计分析区域内地表温度与景观格局之间的相关性。

2.2.5 等绿线及等温线空间自相关分析

选用Geoda 软件进行双变量空间自相关分析（宁秀红等，2013），通过全局自相关分析及局部自相关分析对等绿线及等温线进行空间相关性分析。计算公式为：

式中：

I1——全局空间自相关值；

n——空间单元总数；

I——全局空间自相关值；

wij——位置i、j观测值的权重；

xi、xj——位置i、j的观测值；

Wij——通过K邻接关系建立的空间权重矩阵；

S——所有空间单元中变量观测值x的方差；

I2——局部空间自相关值。

3 结果与分析

3.1 山西中部城市群景观格局演变特征

3.1.1 土地利用类型演变

2010－2020 年，中部城市群土地利用类型变化明显。由图1 可知，在空间分布上，城镇主要集中在各市中心区域及市区相连的主干道周边，在太原市、晋中市分布最为集中，面积最大，其他各市城镇分布较为分散；耕地大部分集中在中部地区，集中成片出现在城镇周围及山脚区域；林地主要分布在吕梁山、太行山、太岳山及恒山山脉，呈南北向贯穿中部城市群；草地多分布于吕梁山脉及五台山亚高山草甸区域及林地周围；水体面积较小，主要为汾河水系及水库区域；其他用地类型面积较小，主要包括稀疏草地及裸土等。

土地利用类型落式图谱表明一定时间内各土地利用类型的转出情况，涨式图谱表明各土地利用类型的新增情况（图2）。分析发现建设用地的扩张在研究区域范围内变化较为明显，多为耕地转化而来，太原市及晋中市的扩张尤为明显，其他各市在原有主城区的基础上，多向城市群的核心——太原市进行聚集；耕地与林地在不同时期进行了不同程度的相互转化。

图2 2010－2020 年土地利用类型涨落势图谱Figure 2 2010−2020 Land use type fluctuation trend map

3.1.2 景观格局演变特征

总体而言，研究区土地利用景观格局特征分析表明（图3）：对于研究区景观的破碎度及优势度而言，斑块密度（PD）、最大斑块指数（LPI）和景观类型比例（PLAND）说明林地和建设用地是研究区景观中的优势类别，2016 年林地PLAND 指数最大达到47.7，LPI 值达43.4；聚集度指数（AI）说明林地、水体、耕地和建设用地聚集度较高，2016年林地AI 值最大达94.8，2020 年耕地AI 值达85.8，表明其具有较好的通达性和景观生态功能；边缘密度（ED）和景观形状指数（LSI）表明，林地、耕地和建设用地的地类斑块边缘也比较复杂，形状不够规整，较多地镶嵌在其他地类之中，所受的人为干扰较大，2010－2016 年林地ED 值均高于其他景观类型，最大达56.0，2020 年耕地ED 值高于林地达到33.6；平均斑块面积（Area-MN）表明林地类型的斑块较大，2020 年最大达46.770。

图3 2010－2020 年土地利用类型景观格局指数变化Figure 3 Change of landscape pattern index of land use type from 2010 to 2020

3.1.3 绿地景观格局变化特征

（1）整体变化特征

植被覆盖度（FVC）可以反应绿地景观的整体特征，绿地景观格局变化将对周边地表热环境产生重要影响。2010－2020 年，山西省中部城市群植被覆盖度变化明显。总体而言，城市群中南部及各市主城区部分的植被覆盖度较低，而城市边缘植被覆盖度较高，面积较为稳定，植被覆盖度逐年增加明显。

从时间变化上来看，2010－2013 年，植被覆盖度增长较为稳定，植被覆盖度高的区域总体集中在吕梁山脉区域及城市群东部区域，植被覆盖密集区域向城市群北部聚集。2013－2016 年，城市群出现明显的低植被覆盖度区域，该区域几乎南北向贯穿城市群中忻州、太原和晋中主城区，城市边缘区域植被覆盖快速增加。2016－2020 年，受城镇区扩张影响，城市范围内植被覆盖度降低，呈现明显的以太原为核心的城市聚集趋势，高密度植被覆盖区域面积稳定。

（2）等绿线特征

基于2020 年等绿线图谱，选取城市群中具有代表性的绿洞、绿岛、绿道等特殊的特征图，分析可知（图4），植被覆盖度较高的区域地表温度较低。绿洞的形成与建设用地集中，绿地之间的连通性降低有关，绿洞区域植被覆盖度低或地表裸露，吸热较快，地表温度较高，多出现在建设用地及其周边耕地聚集区域。绿岛是由于建设用地及耕地扩张，绿地连通性减少形成的相对孤立的绿岛区域，其形成有两种情况：建成区和耕地区域内相对孤立的绿岛区域，其地表温度较低，但整体温度偏高；林地景观中植被覆盖度最高的区域，绿岛区域地表温度较低。绿道可以有效连接绿岛区域，提高绿地整体降温效果，多分布在山脉绵延处和城市之间的连接处，起到生态廊道的作用，有效缓解城市热缓解问题，如城市群中南北贯穿的吕梁山脉和太行山脉。

图4 山西省中部城市群绿地景观特殊特征区域植被覆盖度Figure 4 Special characteristics of green landscape in urban agglomeration of central Shanxi Province

3.2 热环境空间分布及动态演变

3.2.1 热环境分布

通过分析5 类热力等级中各类景观所占比例可知（图5），与其他热力等级相比，高温区及次高温区中，建设用地及耕地比重最大，低温区与次低温区中，多为林地及水体。低温区与次低温区中，林地在2010 年时占比最大，分别为93%和95%；中温区中，林地在2016 年占比达到最大值94%，同年耕地达到最小值3%；次高温区中，2016 年林地占比降低25%，2020 年耕地占比达到最大值31%；高温区中，2020 年耕地占比达到最大值41%。其中2013年较为特殊，低温区中建设用地占比达23%，结合土地利用类型图与热力等级图进行分析，发现该年建设用地分布分散，多散落在林地中，与林地结合紧密的建设用地温度较低，降温效果明显。2010－2020 年间，建设用地占比在次高温及高温区总体呈现逐年上升趋势，同时耕地和林地比例亦逐年上升，说明热岛由建设用地扩大至耕地区域，且城区周边林地受热岛效应影响，地表温度上升。

图5 2010－2020 年各热力等级的景观类型比例Figure 5 Proportion of landscape types for each thermal class from 2010 to 2020

3.2.2 热环境时空演变特征

2010－2020 年，山西省中部城市群受景观格局演变的影响，城市地表热环境空间格局分布发生明显变化（图6）。从总体上看，高温区主要集中在城市群中部及各市主城区部分，以及耕地、草地等土地相对裸露的区域，且逐年扩张明显，低温区主要分布在区域四周山脉地带，面积较为稳定。

图6 2010－2020 年城市群热环境分布图谱Figure 6 Distribution map of thermal environment in urban agglomerations from 2010 to 2020

具体而言，2010 年，城区面积有限且分散，次高温区与高温区多分布在城区周围耕地及草地区域，占总面积的61.7%。2013 年，城镇区域向各市中心开始聚集，城区热岛效应开始凸显。2016 年，大量耕地被转化为其他土地类型，面积降低12.3%，城区总面积再次增长，各市主城镇区域向太原市方向靠拢，热岛区域愈发集中，所占比例增至78.1%。至2020 年，城镇面积变化稳定，耕地面积增加，热岛区域占65.8%。受周边城区扩张影响，邻近城市的绿地热力等级变为中温、次高温区，仅在远离城区的东北部绿地部分产生较为集中的低温区。

通过标准差−椭圆方法（Myint et al.，2010），分析区域内热环境的空间分布特征。结果显示（图7）2010－2013 年，重心逐渐向西南方移动525.18 km；2013－2016 年，重心向东北方移动30.03 km；2016－2020 年，重心向西北方向转移13.48 km。总体上看，城市群热环境重心与热环境空间分布格局相吻合，高温区中心逐渐向城市群核心——太原市方向移动，与城市群建设方向相对应。

图7 2010－2020 年城市群高温区空间重心转移图谱Figure 7 Shift map of spatial center of gravity in high temperature areas of urban agglomerations from 2010 to 2020

3.3 山西中部城市群景观格局演变对其热环境的影响

3.3.1 土地利用变化对热环境的影响

由各景观类型热环境贡献指数可以看出（图8），建设用地、耕地、草地及未利用地的地表温度较高。这是由于这四者地表裸露面积较大、遮阴效果较差且热容小，吸热升温较快。未利用地面积占比极低，贡献值最小，建设用地、耕地及草地比例较大，贡献值较高。2010－2016 年建设用地面积扩张，贡献指数由明显上升，草地在2016 年面积较往年增长迅速，且位置多分布在西北部高山草甸地区，因此热贡献值较大。林地与水体贡献指数为负，2020 年林地与水体贡献指数绝对值达到最高，林地贡献值为−0.975，水体为−0.012，说明二者具有良好的降温效果。水体面积占比极小，贡献指数较小，林地面积较大，降温效果稳定，贡献指数绝对值较大。

图8 2010－2020 各景观类型热环境贡献指数Figure 8 The thermal environment contribution index of each landscape type from 2010 to 2020

3.3.2 城市群景观格局与热环境的关系

基于景观生态学中的景观指数，选取景观多样性（SHEI）、聚集度（AI）、平均斑块面积（Area-MN）、斑块密度（PD）等指数（潘明慧等，2020）分析山西省中部城市群热场景观格局变化特征。

（1）类型层面

通过Pearson 相关系数分析法，在景观类型水平下，对林地、耕地、草地、建设用地、水体景观指数与其对应地表温度的相关性进行分析。

结果表明（表2）：水体、草地景观指数与地表温度相关性较低且不稳定，这是由于水体、草地面积总体占比较小，自身对LST 的影响有限。林地的ED、PD 与LST 值呈正相关，其余指数与LST值呈负相关，说明在相同面积下，一个连续的、规整的大型绿地产生的降温效果，优于几个较小的、破碎的绿地的降温效果。耕地的ED、PD、Area-MN、LPI、PLAND 与LST 值呈正相关，建设用地AI 与LST 呈负相关，表明集中的耕地、建设用地升温效果显著，但破碎化的耕地及建设用地未必会降低地表温度。同时聚集的景观（如绿地、建设用地）可以形成较为连续的遮荫，从而一定程度上降低地表温度。耕地、建设用地的总体布局呈现“大分散，小聚集”的特征，零散破碎的耕地、建设用地斑块与同类型的斑块距离较近，或热属性相似的零散破碎的斑块之间距离较近，导致总体累计形成的热效应较强（Chakraborti et al.，2019）。同时，耕地和建设用地的破碎化，增加了与其他景观类型的接触，其热量影响周边其他景观类型，使得地表温度上升。从时间序列上可知，类型层面的各景观指数与LST的相关性，与景观类型的空间分布状态有关。

表2 类型层面景观指数与LST 的相关性Table 2 Correlation between landscape index at type level and LST

（2）景观层面

从景观层面对景观指数与LST 相关性进行分析（表3），结果表明蔓延度指数（Contag）与LST 的相关性不稳定。AI、LPI 与LST 呈负相关，景观分割度指数（DIVISION）、LSI、PD、ED、SHDI、SHEI与LST 呈正相关。说明景观形状复杂程度、破碎化程度越高，对LST 值的影响越大，地表温度越高。

表3 景观层面景观指数与LST 的相关性Table 3 Correlation between landscape index and LST at landscape level

以各类景观的景观指数为自变量，LST 为因变量，选用逐步回归模型，分别进行回归分析。各逐步回归模型均通过了共线性及显著性检验。由景观指数的逐步回归模型可知（表4），不同年份进入回归模型的景观指数不一致，说明景观层面的景观水平格局对热环境的影响机制存在不确定性。且回归模型的R2较低，总体呈较为稳定的增长趋势，说明景观层面的景观格局对LST 的影响较低。

表4 景观层面景观指数与LST 的逐步回归模型Table 4 Stepwise regression model of landscape index and LST at landscape level

3.3.3 城市群绿地景观格局对其热环境的影响

基于2020 年研究区景观格局图谱，选取等面积但景观占比不同的7 个样区（图9）进行研究。样区1 为五台山地地区，海拔较高，主要为高山草地及林地景观。样区2 为城镇聚集区，林地主要分布在东西两侧，水体南北向贯穿城区。样区3 分布着大量耕地和少部分城镇。样区4 为高山草甸区域，分布林地、草地耕地及部分裸土区域。样区5 分布大量林地景观。样区6 中部为耕地景观及建成区域，林地分布在西南侧。样区7 南部为大面积林地景观，北部为耕地景观。

图9 山西省城市群绿地样本选择Figure 9 Selection of green space samples of urban agglomerations in Shanxi Province

对城市群等绿线及等温线数据进行全局空间自相关分析，结果如图10 所示，样区1－7 全局空间自相关Moran’sI显著性P 值均小于0.001。样区2 的等绿线及等温线呈空间正相关，其余样地均呈空间负相关。样区1 受海拔影响，植被类型多为高山带植被，等绿线密度小于样区5，双变量空间自相关性低于样区5。样区5 林地景观占比较高，植被覆盖密闭较大，双变量空间自相关性高于其他样区。样区2 大面积为城镇建设用地，绿地对地表温度影响有限。表明植被覆盖集中的空间，绿地降温效果明显，且植被覆盖度更高的林地景观降温效果高于耕地景观降温效果，而区域内城镇化程度较高时，绿地的降温效果将被减弱。

图10 绿地样本双变量空间自相关Moran’s I 散点图Figure 10 Two variable spatial autocorrelation Moran’s I scatter plot of green space samples

由图11 可知，高－高聚集和低－高聚集区多出现在建设用地及耕地区域，样区3 南部及东部及样区7 东部分布明显。“高－低”聚集区多出现在林地区域。总体趋势表明绿地越集中，覆盖度越高，范围越广，其降温效果越好，建设用地及耕地景观升温效果显著。

图11 绿地样本双变量空间自相关LISA 分布图Figure 11 Distribution of bivariate spatial autocorrelation LISA of green space samples

4 研究结论与展望

4.1 研究结论

选取山西省中部城市群为研究区域，探讨2010－2020 年景观格局演变对热环境的影响。主要结论如下：

（1）与城市群的规划相对应，林地总面积占比最大，5 市建设用地逐年增加，逐年变化较为稳定，在空间分布上各个城市均有向太原市偏移的趋势，城市之间的连通性加强。

（2）区域内整体温度呈升温趋势，2020 年高温区与次高温区共占65.81%。热岛区域由建设用地及耕地向临近城市的林地蔓延，重心位置逐渐向太原市中心轴线偏移，热岛面积进一步扩张。

（3）城市群的景观格局变化对其热环境有着明显的影响：①高温区域多为耕地、建设用地及草地，低温区域多为水域、林地。耕地、建设用地升温作用明显，林地面积较大，降温效果高于水域；②类型水平层面的景观斑块的比例、形状、聚集度对LST 有较大影响。林地斑块边缘越复杂，密度越大，地表温度越高，大面积且不规整的耕地斑块，分布越集中，地表温度越高，但相连成片的建设用地存在一定的遮阴作用，可以降低地表温度。景观水平层面表明，地表温度与景观类型构成有关，景观结构组分与空间构成越复杂，对LST 值的影响越大，地表温度越高。③等绿线与等温线双变量空间自相关呈负相关性，空间集聚类型以低－高聚集和高－低集聚为主。表明植被覆盖度更高的林地景观降温效果高于耕地景观，而区域内城镇化程度较高时，绿地的降温效果将被减弱。

4.2 研究展望

（1）本研究是基于城市群绿地格局尺度，研究其对热环境的影响作用，但没有考虑太阳辐射、风向等气候因素，以及地形、湿度、污染等环境因素，对城市群绿地降温作用及热环境的影响。在未来的研究中，可以将其他因素与地表热环境做空间自回归分析，以获得更全面、更科学的研究结果。

（2）本研究在研究景观格局与热环境的相关性时，使用的方法是静态的，在研究复杂的城市生态环境系统的过程中，如何引入元胞自动机方法、多智能体等方法，动态模拟城市热环境的多变量综合作用，需要在今后的研究中深入下去。