【www.zhangdahai.com--其他范文】
樊柏青 刘东云 李丹宁 王丽雯 于晓慧
1 东南大学建筑学院 南京 210018 2 北京林业大学园林学院 北京 100083 3 中国建筑设计研究院城市设计所 北京 100032
自英国气象学者Luck Howard于1818年首先发现热岛效应后，Manley[1]于1958年正式定义了城市热岛(urban heat island，UHI)，即在城镇化发展过程中，城市区域温度明显高于城郊温度的现象。二战后，城市化发展迅速，对于热岛效应的研究开始涌现[2]。
大量研究表明，热岛效应的影响因素主要包括下垫面性质的改变、人为活动产生的热量、城市空间结构的转变，以及城市所处的地理环境等[3-6]。城市绿地中的植被可通过自身的蒸腾作用吸收周围环境的热量，同时，植物自身对紫外线的反射可以阻挡热量到达地表，以降低其周边空气和地表的温度。不同学者从不同角度研究了绿地的降温作用，李延明等[7]研究得出了绿化覆盖率与地表温度呈负相关关系的结论，唐罗忠等[8]研究发现林地、行道树、草地的降温效益依次降低，张顺昌等[9]研究发现不同植被类型的和群落结构的绿地降温作用存在差异。此外，建成环境中的其他要素也对热环境有一定影响，如吕鸣杨等[10]通过实测得出不同水体与植物的比例会导致小气候的差异。
目前，许多学者对于城市下垫面类型与热环境的关系进行了研究，关注较多的是不同类型的下垫面构成对热环境的影响，少有单独针对宏观尺度下绿地自身地表温度(LST)特征以及不同类型绿地降温效益的差异性研究。因此，本研究以北京市六环内区域作为研究区，针对下垫面覆盖类型中的绿地，选择6个不同的景观指数，分别计算、统计和分析各景观指数以及归一化植被指数(NDVI)与地表温度之间的关系；
进一步建立回归方程，研究各变量与地表温度之间的量化关系；
对典型城市绿地样本的地表温度进行对比分析，旨在从城市热环境角度为风景园林规划设计提供参考。
北京市作为中国的首都以及政治、经济、文化中心，正经历着由增量发展逐步转为存量更新的过程，对其热环境以及绿地降温效益的研究具有一定的风景园林和生态学意义。北京市六环路周长约为188 km，环内面积约2267 km2，五环内区域的绿地较为破碎化，主要为一些公园绿地与附属绿地，五环与六环之间的绿地主要包括区域绿地、耕地等。
2.1 数据来源及预处理
本研究选取2017年北京夏季7月10日的Landsat8 OLI遥感卫星影像作为原始数据，其行列号为123/032，影像成像当日研究区上空无云层遮挡，影像清晰。利用Landsat数据进行研究之前，已在ENVI5.3平台对遥感数据进行了大气校正、辐射定标、剪裁等预处理。
2.2 研究方法
2.2.1 遥感影像解译与地表温度反演
本研究利用监督分类法[11]对2017年研究区域内的遥感影像进行下垫面分类解译，根据城市热岛的研究需要，将下垫面分为4类，即不透水面、水域、植被、裸地；
使用大气校正法[12]，利用遥感影像进行地表温度(LST)反演。首先建立辐射强度方程如下:
然后推出同温度下的黑体热辐射亮度值B(TS)的计算公式为:
式(1)和式(2)中，L↑和L↓分别是大气上行和下行辐射亮度值，τ是大气在热红外波段的透射率，ε是地表比辐射率，用NDVI阈值法计算[13]。Lλ的计算公式为:
式(3)中，DN是遥感影像像元原始亮度值，gain和bias分别是热红外波段的增益值与偏置值。地表温度LST的计算公式为:
式(4)中，K1和K2分别为遥感影像的传感器校准常数。对于本研究中的Landsat8 OLI卫星，K1＝774.89 W/(m2·μm·sr)，K2＝1321.08K。得到地表真实温度TS后，为排除气温等无关因素对研究结果的影响，需要对计算结果进行归一化处理。计算公式如下:
式(5)中，Tsi是反演结果中第i个像元的地表温度绝对值，Tsmin和Tsmax是研究范围内地表温度绝对值的最小值与最大值。
2.2.2 归一化植被指数计算
归一化植被指数(NDVI)作为反映城市植被生长与覆盖情况的常用值，是区域内监测植被生长情况的重要指标[14]。计算公式为:
式(6)中，ρNIR和ρRED分别是Landsat遥感影像近红外波段和红光波段的辐射亮度值[14]。对于本研究的Landsat 8 OLI遥感影像，ρNIR对应B5波段，ρRED对应B4波段。
2.2.3 网格法景观指数计算
网格区域数据属于GIS空间分析中一种重要的数据组织方式[15]，本研究基于ArcGIS平台，将研究区域分别划分为1 km×1 km和2 km×2 km的规则网格，划分后的网格区域数据结构简单，有利于后期的相关空间分析与样本提取。本文将研究区域内下垫面监督分类所得结果中的植被部分视为绿地区域，并对其进行景观指数的计算、NDVI与地表温度值的提取与相关研究。
分别提取2017年两个网格尺度上LST和NDVI的栅格数据平均值，并计算各独立网格中绿地的景观指数，对得到的网格样本数据结果进行筛选，剔除异常样本后，在两个尺度上分别得到2247、610个样本数据；
将提取的各网格的平均地表温度与上述的景观指数以及NDVI值进行Pearson相关性分析；
根据两个不同的网格空间尺度参考相关研究与风景园林规划意义，分别选取类型水平指数和景观水平指数中的6个景观指数(CA、LSI、ED、PD、ENN-MN、AI)进行计算(表1)[16-18]。
表1 景观指数及其信息
3.1 北京市六环内绿地的地表温度
在ENVI5.3平台中，将北京市六环内2017年地表温度的空间分布(图1)与北京市大兴亦庄观象台(站点编号54511)测得的历史温度数据进行对比验证。研究使用的原始数据成像时间为北京时间上午11时53分，可认为是一天中温度较高的时段，所以使用观象台测得的最高地表气温42.80℃与反演值39.73℃进行比对，结果认为二者数值较为接近，反演结果可靠。
将地表温度归一化处理后，统一地表温度至[0，1]区间，并将温度数据划分为特低温(0～0.125)、低温(0.125～0.275)、较低温(0.275～0.425)、中温(0.425～0.575)、较高温(0.575～0.725)、高温(0.725～0.875)、特高温(0.875～1)共7个等级(图1)。
图1 北京六环内区域2017年地表温度空间分布
在ENVI平台单独提取绿地区域(图2)发现，2017年面状绿地区域主要分布于五环与六环之间，主要包括公园绿地、区域绿地，农林用地等，其中五环内除城市公园、高尔夫球场等，其余多为散布的小面积斑块绿地。利用ArcGIS的分区统计、栅格计算等工具，统计2017年不同温度等级下地表温度值的空间分布，得到的绿地的地表温度归一化结果(图2)显示，2017年绿地部分特低温、低温、较低温、中温、较高温、高温区 域 分 别 占 比5.40%、45.97%、34.27%、13.07%、1.25%、0.04%、0.00%。特低温区域主要分布在浅山区和部分水域边缘地带；
低温和较低温区域多分布于五环与六环之间的城市公园等绿地斑块部分；
中温区域主要分布在五环内部，且多以小面积斑块的形式出现，五环与六环之间部分耕地区域的地表温度也在中温区间内；
由于绿地的降温特性，高温与特高温区域的比例极少。
图2 北京六环内区域2017年绿地范围与归一化地表温度
3.2 绿地的景观指数及NDVI与地表温度的关系
由表2可知:在1 km×1 km网格尺度下，6项景观指数以及NDVI与地表温度均在0.01水平上显著相关，其中，CA、AI、NDVI与地表温度呈负相关关系，LSI、ED、PD、ENN-MN与地表温度呈正相关关系。在2 km×2 km网格尺度下，CA、LSI、ED、PD、AI以及NDVI与地表温度均在0.01水平上显著相关，ENN-MN与地表温度没有显著的相关关系。与1 km×1 km网格尺度相同，CA、AI、NDVI与地表温度呈负相关关系；
LSI、ED、PD与地表温度呈正相关关系。
表2 绿地的景观指数/NDVI在两个网格尺度与地表温度的相关性
由此可见，在两个网格尺度下，绿地的面积越大、形状越简单(以正方形形状最简单作为参照)、绿地越完整、连接度越高、空间分布聚集程度越高、NDVI值越高，其地表温度越低、降温作用越好。
但是两个尺度上的各变量之间的相关程度具有一定差异，其中，ENN-MN在1 km×1 km网格尺度上与地表温度的相关性最低，为0.079，而在2 km×2 km网格尺度上与地表温度的相关性不显著。NDVI在1 km×1 km网格和2 km×2 km网格两个尺度上均在几个变量中表现出最高的相关性，相关系数分别为-0.823和-0.848。
进一步挑选在两个网格尺度上与地表温度相关性最高的4个变量(CA、LSI、AI、NDVI)分别与地表温度建立回归方程与散点图，结果(图3、图4、表3)表明:在1 km×1 km和2 km×2 km网格尺度上，绿地面积CA每增加10 hm2，地表温度将分别降低约1.1℃和0.2℃；
绿地的形状指数LSI值每增加1，地表温度将分别升高约1.04℃和0.54℃；
聚集度AI每增加1%，地表温度将分别降低约0.17℃和0.19℃；
NDVI值每增加0.1，地表温度将分别降低约3.26℃和3.34℃。
图3 CA、LSI、AI、NDVI与LST在1 km×1 km网格尺度上的拟合
图4 CA、LSI、AI、NDVI与LST在2 km×2 km网格尺度上的拟合
表3 CA、LSI、AI、NDVI与LST在两个网格尺度上的回归方程
综合各项拟合结果可知，NDVI与地表温度在几个变量中表现出最强的拟合程度以及最高的降温效益，说明植被生长状况更好的绿地将具有更低的地表温度。
3.3 典型城市绿地地表温度的空间分布差异
不同城市绿地由于其自身的地理位置、植被类型等因素的影响，其地表温度在空间分布上表现出一定差异性和规律性。在ArcGIS中提取2017年北京市六环内区域几种不同类型的绿地样本，统计样本的地表温度和NDVI平均值，并利用目视解译分析其植被类型分布状况，结果如表4、图6所示。根据SPSS的统计结果，各样本绿地的地表温度与NDVI的Pearson相关系数为0.831，且呈负相关。对于各绿地样本(表4)，浅山区的郊野公园地表温度最低(34.21℃)，其次是典型耕地(34.83℃)，而较窄的道路附属绿地的地表温度最高(53.22℃)。从样本的地表温度空间特征(图5)可以看出:首先，其他地理条件相似时，绿地面积越小、破碎化程度高、空间聚集越分散、植被类型越单一，其地表温度越高；
其次，绿地的地表温度除了与上述因素有关外，还与所处的空间位置有关，例如耕地由于处于城市边缘区，虽然其植被类型较为单一，但地表温度水平依然较低。
当绿地的地理位置、面积、景观格局等因素相似时，其地表温度和NDVI值与内部植被类型有一定关系(表4、图5)。例如植被类型单一，且植被类型主要为草本地被的绿地(如高尔夫球场，编号1地块)，其地表温度为36.97℃，明显高于植被类型丰富的城市公园(如奥林匹克森林公园，编号3地块，其地表温度为35.07℃)，NDVI值反之(高尔夫球场为0.34，植被类型丰富的城市公园为0.37)。对比编号3地块，即植被类型丰富、生长状况好的奥林匹克森林公园，植被类型和生长状况都略逊于奥林匹克森林公园的天坛公园(编号4地块)，前者的地表温度(35.07℃)明显低于后者(37.64℃)。
图5 各绿地样本2017年地表温度空间特征
在建筑中呈镶嵌式分布的绿地，即建设用地中的附属绿地，其地表温度比较为独立的绿地高(两者都属于编号5地块，地表温度分别为38.22℃和37.54℃)。
对于建设用地中的附属绿地，空间中连接度较高的绿地的地表温度低于连接度低、分布破碎化的绿地(编号6地块，二者的地表温度分别为37.51℃、51.25℃)。对于道路附属绿地，其地表温度随着宽度的增加有所降低(编号7地块，较宽和较的绿地)。
同为郊野公园，本身属于自然绿地的北京西山国家森林公园(编号8地块，地表温度为34.21℃)，因其植被类型丰富、生长状况良好，且所处地理位置位于浅山区，其地表温度则低于位于亦庄新城附近的人工绿地南海子公园(编号9地块，地表温度为35.66℃)。
4.1 结论
1)绿地的面积越大、形状越简单、绿地越完整、连接度越高、空间分布聚集程度越高、NDVI值越高，其地表温度越低、降温作用越好。
2)不同城市绿地由于其自身的地理位置、植被类型等因素的影响，其地表温度在空间分布上也表现出一定差异性和规律性。对于不同的绿地类型，相近的地理位置处，植被结构丰富的绿地的地表温度低于植被类型单一且主要为草地的绿地；
容积率较高的建设用地附属绿地的地表温度比独立的绿地高；
绿地斑块连续的绿色空间的降温效果优于绿地斑块破碎的绿地；
对于同样绿地分类标准下的绿地，自然绿地的地表温度比人工绿地低。
4.2 讨论
本研究表明，从优化城市热环境的角度进行科学、合理的绿地建设不容忽视。前人的研究亦表明，植被覆盖度越高的绿地，其降温效益越显著[19]，且绿地面积的增加对地表温度的降低有所贡献[20]，面积相同的绿地其因内部的植被构成不同，其地表温度也有差异[21]，这与本研究结论基本一致。本研究在针对绿地对地表温度降温效益的差异性还作了进一步探索。
为了缓解城市热岛效应，从宏观角度采取增加城市绿地的面积，优化绿地内部的植被结构，将破碎化的斑块转换为完整的、连接度高的绿地斑块等措施可以有效降低地表温度。例如，调整绿地的分布结构，将破碎化的绿地整合为较为完整的绿地，限制高尔夫球场等植被结构较为单一的绿地建设，营造植被结构更丰富的绿地空间[22-23]等；
同时，在北京市留白增绿的政策指引下，创造更加宜居的人居环境。此外，由于影响城市地表温度的因素较多，未来研究可依据更多的辅助手段，如数值模拟法、实测法等，对结果进行综合模拟预判。
