局地气候区视角下的城市热环境优化研究*——以澳门为例

刘君男，陈 天

引言

城市热环境是指与热相关的城市物理环境，关系人体冷热感知、健康状况及人类的生存和可持续发展。城市热环境水平主要受太阳辐射强度、近地面大气条件（风速、湿度、大气浑浊度等）、下垫面类型（具有不同反射率、反照率和热容特征的用地类型）和人类活动（生产、生活排热）的影响[1]。全球气候变化与城市化引起太阳辐射变化[2]、近地面大气环境恶化、城市下垫面急剧改变以及人口大量集聚，热岛效应凸显，城市热环境不断恶化，导致城市尤其是中低纬度经济发达城市面临极大的健康风险[3，4]、能源消耗成本[5]53及温室气体排放量[5]53，[6]。优化城市热环境是全球气候变化与城市化两大趋势背景下的重要议题，也是响应我国“健康城市建设”及“碳达峰、碳中和”战略的举措之一[5]54。

城市热环境研究在热岛成因、影响机制、时空演变特征和优化策略等方面已有大量研究成果[7-9]。但城市的复杂异质属性使得在宏观尺度全面定量化描述城市空间形态特征较为困难，因此既有研究多针对城市单一空间要素（绿地率[10]、天空视域因子[11]、建筑密度[12]、迎风面指数[13]等）或多要素的二维空间（如土地利用格局[14]、景观格局[15]等）展开。这种对城市热环境研究的拆解与降维存在一定的局限性，一方面，单一空间要素对热环境有限的解释度易导致不同研究的结论存在较大差异，如在不同空间粒度下，绿地率与地表温度的相关性存在显著差异[16]；另一方面，仅在街区或住区等微观尺度下研究三维空间形态与热环境的关系，导致相关研究结论往往只能作为地块城市设计的辅助依据，难以为城市整体气候规划与治理提供支撑；此外，当前城市热环境研究缺少统一标准[17]1881。上述局限性均制约了理论成果向实践应用转译。

2012 年，Stewart 等人提出局地气候区（LCZs，Local Climate Zones）概念，为从城市气候角度精细化、多维度描述复杂城市空间提供了可能。LCZs 综合考虑了影响城市局地气候的4 类指标，包括地表结构（天空视域因子、街谷高宽比、粗糙元素高度）、地表覆盖类型（建筑、植被、不透水面比例）、地表材质（地表热导纳、反射率水平）和人类活动（生产排热），定义了17个具有不同热属性和形态属性的标准气候分区，包括10个“建成类型”（built types）（LCZ 1～ 10）和7 个“土地覆被类型”（land cover types）（LCZ A～ G）[17]1885。LCZs 为不同地区和学科开展热环境研究提供了一套技术标准，有助于跨学科研究工作的开展，也有助于城市规划与管理者从区域或城市层面实施气候规划与治理。2012 年以来，基于LCZs 的城市热环境研究备受重视并已在国外130 多个城市广泛开展[18]1862。既有研究主要聚焦于LCZs 数据获取[19]423、分类技术方法[19]432，[20]、城市热岛时空分异等方面[21，22]，但城市形态要素对LCZs热环境的影响机制尚不明晰[18]1870。基于此，本文以我国夏热冬暖地区高度城市化的澳门为例，划定LCZs 分区，分析澳门热环境的时空分异特征，并建立城市形态因子与各LCZs 分区热环境关系的空间回归模型，以识别不同LCZs 分区热环境的关键影响因子和机制，为澳门热环境优化的空间与治理策略提供依据。

1 研究区概况

澳门位于我国东南沿海珠江入海口西南岸，由澳门半岛、氹仔、路环、路氹填海区及横琴岛澳门大学新校区（图1）组成。澳门为典型的亚热带海洋性季风气候，具有高温高湿、辐射强烈的气候特点。1991～2020 年平均气温22.8℃，极端最高温度达38.9℃，是我国极端高温事件易发区。根据2002 年至2022 年月平均温度统计数据（图2），澳门5 月～10 月平均温度均超过年平均温度值，为高温风险较高月份。澳门还是典型的高人口密度、高城市化率城市，热岛效应显著。特殊的地理气候条件及城市发展水平使得澳门面临极大的高温挑战，城市热环境亟待优化。

2 数据与研究方法

2.1 数据来源与预处理

研究数据包括Landsat8 OLI/TIRS 遥感数据、Worldview-2 高精度遥感数据、建筑及气象数据（表1）。由于澳门热环境最恶劣的7、8 月份的遥感影像云量过大，无法准确反演地表温度，因此综合考虑影像质量、云量、季相和可获得性，选择同样存在高温风险的10 月份遥感影像作为研究数据，虽然难以描述澳门热环境最恶劣时期的温度特征，但可描述不同LCZ 的相对热环境特征，对于制定热环境优化策略具有参考意义。利用ENVI5.3对遥感影像进行融合、匀色、镶嵌、辐射定标和大气校正等预处理。建筑数据包括建筑轮廓和高度信息，依据国家《民用建筑设计统一标准(GB 50352-2019)》和Stewart 等人的LCZs 分类指标参数值，将建筑高度分为高层（＞27m）、中层（10～27m）和低层（＜10m）3 类，建筑密度分为紧凑型（＞0.4）和开放型（≤0.4）两类，并结合Landsat8 OLI/TIRS 和Worldview-2 遥感影像作为LCZs 制图和城市形态指标计算的支撑数据。气象数据用于地表温度反演过程。

表1 数据来源与说明

2.2 LCZs 分区尺度选择

尺度是热环境研究的关键问题[23]。LCZs 具有明显的尺度效应，不同尺度的分区具有不同的空间形态与热环境特征。因此，尺度选择是划定LCZs 分区、测度热环境、分析影响机制的前提，且对于规划研究人员分析城市形态参数和热环境，政府管理人员明确基本管控单元具有重要意义。为避免经验判断导致的尺度选择误差，本文利用半变异函数[24]及Pearson 相关系数定量化计算不同网格尺度的城市形态异质性及形态参数对热环境的解释力。以30m 为步长，利用ArcGIS10.2 渔网工具创建30m～360m 共12 类网格，计算不同网格尺度下建筑高度与密度两个关键形态因子[25]102818的半变异函数，以及绿地率和不透水面率两个关键热环境因子[26]126877与地表温度的相关系数。最终选择120m×120m 网格作为LCZs 分区尺度，既保证单元网格内具有相似的空间形态属性，同时保证形态参数对热环境具有明显的解释力。

2.3 局地气候区划分

本研究采用综合分类法[25]102818构建多源数据集，后基于决策树算法获得高精度的LCZs 分区。具体流程如下：①构建多源数据集：利用ENVI5.3 最大似然法对Worldview-2 高精度遥感影像进行监督分类，将澳门初步划分为水体、绿地、裸土和不透水面4 类用地（图1）。分类结果与建筑数据共同用于构建LCZs 分类的多源数据集；②建立分类决策树：利用ArcGIS 计算120m×120m单元尺度下的水面率、绿地率、裸土率、裸石和道路比率、建筑密度、建筑高度等LCZs 分类指标值，后基于CART算法构建分类决策树，从而划定LCZs 分区。其中LCZ7和LCZ10 由于解译困难且数量较少，因此通过人工目视进行判别；③分类后处理：对分类结果进行人工目视解译与修正，并利用混淆矩阵计算分类结果的总体精度和Kappa 系数。

2.4 地表温度反演

基于遥感影像的地表温度反演技术已被广泛应用于城市热环境研究中，本文采用胡德勇单窗算法[27]（公式1），利用ENVI 5.3 软件对Landsat8 OLI/ TIRS 遥感影像进行地表温度反演。

式中，Ts_Hu为地表温度（K）；a 为常数1321.08；T10为TIRS10 波段的像元亮度温度（K）；Ta为大气平均作用温度（K）；C 和D 是中间变量，C=τ×ε，D=（1-τ）×[1+τ×（1-ε）]，其中τ 为大气透射率，ε 为地表比辐射率。

2.5 指标选择与预处理

基于既有文献研究成果，选择天空视域因子（SVF）[28]、建筑密度（BD）[29]，[30]57、建筑体密度（BVD）[31]、建筑高度（BH）[30]57、建筑高度差（BH_S）[32]、不透水面率（ISD）[26]126877、绿地率（GSD）[26]126877，[30]57和水面率（WSD）[33，34]8 个与热环境显著相关的城市形态指标作为自变量（表2），地表温度（LST）为因变量，建立地表温度与城市形态指标的回归模型，以识别各LCZs 分区热环境的关键影响因子和机制。基于本文构建的多源数据集，利用ArcGIS 计算120m×120m 单元网格的指标值（图3），并采用极差法进行标准化处理[35]，以消除量纲影响。

表2 城市形态指标

图3 城市形态指标空间分布

2.6 空间回归模型分析

由于空气存在对流传热特性，以及城市功能布局具有空间逻辑，因此热环境与城市形态存在较强的空间依赖，故采用空间回归模型来度量热环境与城市形态的相关关系。常见的空间回归模型包括空间滞后模型（Spatial Lag Model,SLM）、空 间 误 差 模 型（Spatial Error Model,SEM）和空间杜宾模型（Spatial Dubin Model,SDM）[36-38]。SLM 考虑了因变量的空间相关性，即某一空间的因变量不仅与同一空间的自变量有关，且与相邻区域的因变量有关（公式2）。SEM 考虑了不可观测因素和遗漏变量等独立误差项的空间相关性，而不考虑因变量的空间相关性（公式3）。SDM 融合了SLM 和SEM 的特点，同时考虑了自变量和因变量的空间相关性（公式4）。

式中，Y 为因变量；X 为自变量；WY 为因变量空间权重矩阵；ρ 为因变量的空间溢出程度；β 为自变量对因变量的解释度；Wμ 为独立误差向量的空间权重矩阵；λ 为独立误差向量的空间溢出程度；WX 为自变量的空间权重矩阵；θ 为自变量的空间溢出程度；ε 为服从均值为0、方差为δ2的随机误差项。

为建立最优空间回归模型，首先用SPSS 软件对各LCZs分区的8项城市形态指标与LST进行逐步回归分析，剔除不显著（P ＞0.05）且引起多重共线性的自变量。通过空间分析软件GeoDa1.6 分别建立各LCZs 分区保留自变量与因变量LST 的SLM、SEM 和SDM 模型。对比三类模型计算结果的拟合优度（R2）、赤池信息量准则（AIC）和对数似然函数（Log likelihood），拟合优度、对数似然函数越大，赤池信息量准则越小，则模型拟合效果越好[39]。

3 结果与分析

3.1 局地气候分区结果

LCZs 分区结果如图4 所示。随机选取200 个样本进行分区精度检验，最终总体精度为91%，Kappa 系数为0.9010，满足精度要求（表3）。由图4 和图5 可见，澳门各LCZs 分区用地占比差异较大。从澳门全域来看，LCZA（茂密树木）、LCZF（裸土或沙）、LCZ4（开阔高层）及LCZ5（开阔中层）为主导类型，面积占比分别为14.89%、12.13%、10.88%、9.84%。而LCZ3（密集低层）占比极少（0.26%）。北侧半岛以LCZ5（开阔中层）、LCZ4（开阔高层）和LCZ2（密集中层）等建成类型LCZs 为主，面积占比分别为17.07%、16.92%、16.46%。绿地类LCZs（LCZA～D）稀少，面积仅占7.01%。南侧氹仔、路环、路氹片区属填海新区，绿地类型LCZs（LCZA～D）占主体（46.17%）。建成类型LCZs 以LCZ4（开阔高层）及LCZ5（开阔中层）为主，占比分别为7.75%和6.09%。

表3 局地气候区（LCZs）分类精度

图4 澳门LCZs 分区（左）及典型空间示意图（右）

图5 澳门LCZs 分区用地面积统计图

3.2 各局地气候区热环境特征

图6 为澳门地表温度反演结果和120m×120m 网格尺度下的平均地表温度分布图，平均LST 为32.706℃。由图7 可以看出，不同LCZs 的地表温度存在显著差异，且建成类型LCZs 的LST 总体上高于土地覆被类型LCZs，各LCZs 平均LST 由高到低排序为LCZ10（重工业）＞LCZE（裸露岩石或道路）＞LCZF（裸土或沙）＞LCZ7（轻质低层）＞LCZ6（开阔低层）＞LCZ8（大型中低层）＞LCZ2（密集中层）＞LCZ3（密集低层）＞LCZD（低矮植被）＞LCZ5（开阔中层）＞LCZ1（密集高层）＞LCZC（灌木和矮树）＞LCZ4（开阔高层）＞LCZB（稀疏树木）＞LCZG（水体）＞LCZA（茂密树木）。

图6 澳门遥感影像地表温度反演结果（左）与120m×120m 网格尺度平均地表温度（右）

图7 澳门LCZs 分区地表温度特征统计图

在土地覆被类型中，LCZA、LCZG和LCZB温度最低，说明乔木及水体具有很好的降温效应，而灌木等低矮植被降温效果甚微。LCZE 和LCZF 温度较高，且高于多数建成类型LCZs，说明裸露地表较建筑空间具有更强的升温效应。在建成类型LCZs 中，LCZ4 和LCZ1 温度较低，这是由于高层建筑可以遮挡更多的太阳辐射。且高度相同时，开阔的LCZs 普遍比密集的LCZs 温度低，一方面由于开阔建筑群更有利于通风散热；另一方面，开阔建筑群通常拥有更高的蓝绿空间比例。LCZ10、LCZ7、LCZ6、LCZ8 地表温度显著高于平均值，除LCZ10 存在工业生产产热影响之外，这4 类LCZs 普遍为低层建筑，易受到较强的太阳辐射。由此可见，对于建筑空间来说，阻挡太阳辐射比通风散热更有利于降温。

3.3 城市形态对LCZs 热环境的影响机制

对比3 种空间回归模型计算结果（表4），可以看出SEM 模型的拟合程度优于其他两个模型。这证明了澳门城市热环境存在空间溢出效应，也说明除本文所选自变量外，还存在其他变量或独立误差项影响城市热环境，包括难以在LCZs 分区层面准确量化的自变量（如建筑布局模式、屋顶材质等），以及受数据精度制约而无法识别的空间要素（如小面积散布的蓝绿空间）。而SLM和SDM 模拟效果不佳，证明同类LCZs 分区具有相似的LST，根据空气动力学原理，LST 不易产生空间溢出效应。因此，本研究采用SEM 分析城市形态对不同LCZs 分区热环境的影响机制。

表4 三种空间回归模型主要参数对比

表5 和表6 显示了各LCZs 分区在0.05 及以上水平显著相关的自变量因子及回归系数。可见各LCZs 分区LST 的关键影响因子及影响系数差异较大，说明不同LCZs 分区需要采用不同的热环境优化策略，且优化效率大有不同。如LCZ1（密集高层）的关键影响因子只有BD（建筑密度），BD 每降低1%，降温效果仅为0.108℃，这主要受密集高层建筑形态灵活性及空间可用性较低的限制，因此，在LCZs 尺度下，仅通过优化8 项城市空间形态要素，难以有效改善LCZ1 热环境。LCZ5（开阔中层）存在多个关键影响因子，且回归系数较大，通过提高WSD、GSD、BH_S，降低ISD、SVF 可有效改善该分区的热环境。这是由于开阔用地有较多的可利用空间用于布局蓝绿空间，且高低错落的中层建筑群对加速空气流通有较好的效果。因此，LCZ5 的热环境具有较大的优化空间和效率。总的来说，SVF、BD、BVD、ISD具有升温效应，BH、BH_S、GSD、WSD 具有降温效应，且GSD、WSD、ISD 和BVD 对LST 的影响最大。

表5 建成类型LCZs 空间误差模型（SEM）计算结果

表6 土地覆被类型LCZs 空间误差模型（SEM）计算结果

4 结论与对策

4.1 结论

本文定量化描述了澳门LCZs 的空间布局与热环境特征，并分析了各LCZs 热环境的关键影响因子与影响机制，得出如下结论。

（1）北侧澳门半岛以LCZ2（密集中层）、LCZ4（开阔高层）和LCZ5（开阔中层）为主，绿地类型LCZs（LCZA～D）数量稀少；南侧氹仔、路环、路氹片区蓝绿空间占比较高，建成类型LCZs 以开阔形态为主。

（2）以中低层建筑（LCZ6～10）和裸露地表（LCZE～F）为主要形态的LCZs 升温效应显著；以乔木（LCZA～B）、水体（LCZG）和高层建筑（LCZ1、LCZ4）为主要形态的LCZs 降温效应显著；灌木和低矮植被（LCZC～D）的降温效果不明显；对于建成类型LCZs 来说，阻挡太阳辐射比通风散热更有利于降温。

（3）空间误差模型（SEM）可以更好的描述澳门城市形态与热环境之间的关系。但也说明可能存在其他变量或独立误差项影响地表温度，需要在后续研究中深入分析探讨。

（4）各LCZs 分区热环境的关键影响因子及影响系数差异较大，应针对各LCZs 分区具体情况选择适应的热环境优化策略。

（5）SVF、BD、BVD、ISD 具有升温效应，BH、BH_S、GSD、WSD 具有降温效应，且GSD、WSD、ISD 和BVD 的影响系数普遍较高。

4.2 对策

4.2.1 优化LCZs 空间布局

根据研究结论，澳门LCZs 可划分为高温区（LCZ10、LCZE、LCZF、LCZ7、LCZE6、LCZ8）、中温区（LCZ2、LCZ3、LCZD、LCZ5、LCZ1）和 低 温 区（LCZC、LCZ4、LCZB、LCZG、LCZA）3 类（图8）。高温区主要分布在澳门半岛东部填海区、国际机场、路氹填海区中西部的旅游娱乐区及东部填海区、路环的轻质低层建筑密集区。为优化城市热环境，未来澳门城市建设应以中低温的LCZs 类型为主，限制并逐步缩减高温型LCZs比例。基于空气的对流传热特性，宜在高温型LCZs 之间穿插建设低温型LCZs，以发挥绿地水体等低温空间的降温效应。对于高温区中的建成类型LCZs，宜通过增加遮挡物和绿地率来降低地表温度，如在路氹填海区的旅游娱乐片区、路环的轻质低层建筑密集区，可增加人工遮阳设施以及乔灌木栽植比例。高温区中的土地覆被类LCZs 多为未开发用地或硬质铺装路面，对于短期内不会开发建设的用地，宜先行种植乔灌木将高温区转变为低温区，如路氹东部填海区可增加绿地率以缓解局地高温热浪；对于功能性的硬质铺砖路面，应在人行活动区增设人工或自然遮阳设施，以降低高温热浪对行人的健康影响。

图8 基于LCZ 的澳门温度分区图

4.2.2 明确LCZs 热环境优化等级

本文建立的回归模型（表5、表6）为各LCZs 分区制定热环境优化策略提供了理论依据。但从规划实施角度来看，城市热环境优化方案还需要综合评估实施成本、明确实施对象、制定分期计划，才能保障热环境优化行动的有效开展。为此，基于上述研究成果，本文从“优化必要性（ON）、优化有效性（OE）、策略有效性（SE）、策略可行性（SF）”4 个方面综合评估各LCZs 分区的热环境优化等级，为推动热环境优化的落地实施提供依据。

“优化必要性”考虑各分区的热环境现状，LST 越高的区域越有必要优化其热环境。“优化有效性”考虑各分区的用地面积（LA），优化占比较高的分区，可高效改善城市整体热环境。“策略有效性”考虑优化策略对热环境改善的贡献程度，以各分区关键影响因子的回归系数加和（RC）表征，系数越高说明策略越有效。“策略可行性”考虑策略实施成本与改造可行性。ON、OE、SE 分别采用均值-标准差法对LST、LA、RC 进行计算并划分为高、中、低3 个等级。SF 等级基于既有研究成果进行评估。在实施成本方面，相较于建筑拆改的拆迁安置成本、建设成本、基础设施迁移建设成本等[40]，蓝绿空间微改造的设计建设成本与后期管理维护成本较低[41]，已在雨洪管理、污染物处理等领域广泛应用，并表现出了较高的经济与社会效益[42]，且通过选种节水耐旱、粗养护型的本地植物[43]，将进一步降低蓝绿空间的微更新改造成本。在改造可行性方面，密集空间用地局促，可改造空间有限，故开阔空间比密集空间的改造可行性更高。综合考虑实施成本与改造可行性，将仅需通过增加GSD 即可达到明显的降温效果，且优化空间较大的分区划定为高可行性；将需要对包括GSD 在内的多项城市形态因子进行优化，且有一定的优化空间的分区划定为中可行性；将GSD 优化效果不佳，或优化空间受限（如密集型LCZs）的分区划定为低可行性。四项指标的分级结果如图9 所示。将高、中、低等级系数分别赋值为0.9、0.6、0.3，计算各LCZs分区4 项指标（ON/OE/SE/SF）的加权平均值，作为热环境优化优先级的分类依据。采用均值-标准差法将加权平均值划分为5 个等级（图10），宜优先对等级1（LCZ10、LCZF）和 等 级2（LCZ4、LCZ5、LCZA、LCZ6）的LCZ 分区进行热环境优化，并结合回归模型确定的关键影响因子（表5、表6），对各分区的空间要素进行差异化更新改造。

图9 澳门LCZs 分区ON/OE/SE/SF 等级对比图

图10 基于LCZs 的澳门热环境优化等级评估（左）及典型空间示意图（右）

结语

LCZs 是研究城市气候，特别是量化城市尺度的复杂异质性空间形态与热环境之间关系的有效工具。对于精细化理解城市不同空间的热环境特征，并从空间规划设计与城市治理角度提出热环境优化策略具有重要意义。本研究也存在一定的局限性，首先，由于遥感影像数据的时间分辨率较低，因此难以识别各LCZs 分区的全时热环境特征；其次，受数据可获得性及精度的制约，屋顶材质、小面积散布的蓝绿空间等形态指标未纳入研究范畴；澳门热环境最恶劣的月份为七八月份，但此间的遥感影像云量过大，无法用于温度反演，因此最终选择10月份作为研究时段。由图2 可知澳门10 月份也存在较高的高温风险，且本文对不同LCZ 类型的热环境采用对比研究法，虽然难以准确描述澳门热环境最恶劣期间的温度绝对值，但可以较好的描述不同LCZ 类型的相对热环境特征，对于制定热环境优化策略具有一定的参考意义；此外，研究尚未考虑湿度、风速、热辐射等其他热环境影响指标。未来研究将继续深入分析，以期形成更全面的研究成果。

图、表来源

表2：作者基于参考文献[32]、[34]的信息进行整理绘制；

其余图、表均由作者绘制。