城市破碎綠化覆蓋與熱環境的關系

程安祺 Luis Inostroza

摘要：在全球變暖和城市熱島（Urban?Heat?Island，UHI）現象加劇的趨勢下，越來越多的城市居民將暴露于極端的高溫天氣中。城市綠地通過蒸騰作用和改變地表反射率降低了城市溫度，提供了調節溫度的生態系統服務功能。文章基于Landsat?5?TM衛星圖像分析了德國波鴻市1989-2009年城市建設區域的破碎綠化覆蓋率變化和地表溫度（Land?Surface?Temperature，LST）變化，結果表明，在這20年間，波鴻市整體破碎綠化覆蓋率有增加的趨勢，并且緩解了城市熱島現象;通過地理加權回歸（Geographically?weighted?regression，GWR）分析得知，綠化覆蓋率與地表溫度的變化具有顯著的空間相關性;綠化覆蓋率每上升10%，城市平均地表溫度可降低0.98°C～1.29°C。借鑒波鴻城市發展經驗，工業用地景觀轉型與提高破碎綠化覆蓋率是有效緩解城市熱島現象的途徑。

關鍵詞：城市熱島（UHI），地表溫度（LST），生態系統服務，線性回歸，地理加權回歸

DOI：10.12169/zgcsly.2019.09.22.0002.

在全球變暖的背景下，極端高溫天氣的出現頻率和強度不斷加強[1-2]。城市化過程中，一方面由于自然的地表被不透水的地面取代，使地表吸收的太陽輻射量增加;另一方面，雨水通過雨洪管道快速排離地面，使蒸騰作用減少。加之高層建筑阻礙了風流動，導致城市內部空氣和地表溫度的升高，產生了城市熱島（Urban?Heat?Island，UHI）現象。UHI將會引起熱浪和加劇空氣污染[3]。

基于UHI產生的機制，城市綠地空間或者城市綠色基礎設施被驗證能在炎熱的氣候中降低空氣和地表溫度的最高值[4-5]，提供調節溫度的生態系統服務，造福城市居民。現有綠地降溫效應的證據往往基于特定綠地的觀察性研究，例如許多研究關注于特定城市公園以及城市公園特征[6-7]與降溫效應的關系。但是在更大的城市尺度上，綠地介人影響地表或者空氣溫度的研究還很缺乏[4]。

本研究以德國波鴻市作為研究對象，在城市尺度上探索了長時序破碎綠化與城市熱環境變化之間的關系。波鴻市是20世紀德國重要的工業城市，在工業逐漸衰敗后面臨著城市轉型的問題。本研究中綠化覆蓋率與LST數據均由Landsat?5?TM遙感圖像處理得到。研究目的包括：波鴻市1989-2009年的破碎綠化覆蓋率與城市熱島比例指數變化、綠化覆蓋率與地表溫度變化之間的空間相關性、綠化覆蓋率與地表溫度變化之間的量化關系。

1研究區域概況

波鴻市位于德國西北部、多中心城市群魯爾地區，面積145.4km2，擁有人口37.16萬，是德國的第16大城市。氣候類型為溫帶海洋性氣候，全年溫和潮濕。20世紀，城市因煤礦與鋼鐵行業快速發展，1970年后因礦產枯竭開始了后工業時代的工業轉型。與中國大多數發達城市不同，波鴻市面積較小，根據其城市用地規劃，波鴻城市用地包括農田、森林用地。

2數據來源與研究方法

2.1研究范圍預處理

為了提取破碎綠化覆蓋數據，排除波鴻市域范圍內森林、農田、水體和城市大型綠地用地，本研究進行了研究范圍預處理。在地理信息平臺中（ArcGIS）創建了邊長50m的正方形網絡作為數據統計的單元，以UrbanAtlas2012用地數據集（https：//land.copernicus.eu/local/urban-atlas/ur-ban-atlas-2012）為參考（Urban?Atlas用地數據集由Copernicus?EU機構提供，包括泛歐洲超過1500個城市的矢量用地數據、人口數據等，數據通過遙感圖像地物識別得到），將城市綠地、森林、農田與水體4類用地排除在外，計算每個正方形網格中其他城市用地比例。擁有50%以上比例的研究單元被選擇作為最終的研究范圍，也就是說，研究單元內部保留了破碎化的綠地與綠化，包括建筑附屬綠地、道路綠化等。

2.2數據來源：Landsat?5?TM衛星圖像

以美國Landsat?5?TM衛星圖像（http：//earthexplorer.usgs.gov/）為原始數據，圖像分辨率為30m，采用1989年5月25日、1995年6月27日、2000年5月14日、2005年5月28日和2009年6月24日共5個時間點的衛星圖像提取綠化覆蓋率和地表溫度數據。5個日期時間范圍在5～6月，以保障植被相對相同的生長狀態，衛星圖像均無云遮擋。衛星圖像在ArcGIS平臺中進行處理，得到5年的綠化覆蓋率和地表溫度數據，并進行后續分析。

2.3綠化覆蓋率計算

利用最大似然比分類方法對歷史衛星影像進行綠地提取的方法由于缺少相應時間的清晰歷史地區衛星圖像而無法得到比對數據，因此本研究利用歸一化植被指數（normalized?diference?vege-tation?index，NDVI）計算綠化覆蓋率。

NDVI是研究城市氣候中最常見的指標之一，可以通過遙感圖像中的可見紅光和近紅外光頻道計算得到，公式如下：

NDVI=（NIR-RED）/（NIR+RED）（1）其中，RED是可見紅光頻道，即第三頻道;NIR是近紅外光頻道，即第四頻道。

Sobrine等[8]提出，NDVI值可以指示不同的植被覆蓋情況，分為以下3種：1）NDVI<0.2，綠化覆蓋率=0;在這種情況下，像素可被視作沒有綠化覆蓋;2）NDVI>0.5，綠化覆蓋率=1;NDVI值大于0.5的像素點，全域被植被覆蓋。3）0.2≤NDVI≤0.5，綠化覆蓋率=0.5;NDVI值大于等于0.2小于等于0.5的像素點，部分被綠地覆蓋。在這種情況下，被賦予綠化覆蓋率值0.5。

對NDVI值進行重分類賦值后，計算每一研究單元內的植被覆蓋平均值，并通過隔年相減得到綠化覆蓋率的年間變化值。

2.4地表溫度（LST）反演

Landsat?5?TM衛星中的熱紅外頻道即第六頻道記錄了地表物體、環境和大氣的輻射之和。本研究采用大氣校正法，從熱紅外遙感反演地表溫度，具體分為3個步驟：1）計算衛星傳感器接收到的熱紅外輻射值;2）計算衛星傳感器接收到的亮度溫度;3）利用普朗克公式計算地表溫度。步驟涉及的公式在諸多研究中已經應用[8-9]，本文不再贅述。在步驟3）中，本研究采用了Sobrino等[8]的方法，利用NDVI計算地表環境輻射，糾正環境對數據的影響。

雖然獲取的5年遙感衛星圖像日期相近，但天氣仍有不同。為了比較多年數據，需要對各年的LST數據進行處理。研究計算了各年研究區域內的整體平均溫度與每個研究單元內平均溫度相減，得到研究單元的相對LST，隔年相減得到相對LST的變化值。

2.5城市熱島比例指數（URI）計算

為了定量反應城市熱島的變化，引入城市熱島指數（URI）。該指數通過熱島面積和城市建成區面積的比例關系，并賦予不同的權重值定量評估熱島現象的變化情況[10]。指數越大，熱島現象越嚴重。城市熱島比例指數的計算公式如下[10]：

其中，m為正規化相對溫度等級指數（本研究中共分為7級，具體見圖4圖例部分），i為城區高于郊區的溫度等級，n為城區高于郊區的溫度等級數（本研究中取3，即相對地表溫度大于10°C，5C，39C），wi為第i級的級值，pi為第i級的百分比。

2.6數據分析模型

現有研究主要采用兩種方法就綠地指標或特征與地表溫度之間的相關性提出量化結論。第1種利用單元線性回歸對隨機采樣的數據點散點圖進行擬合[6，11]。例如李膨利[12]以北京為例，擬合多點數據得到NDVI與地表溫度之間的量化關系：NDVI每提高0.1，地表溫度下降0.4°C～0.77°C。然而，其回歸方程的最佳擬合度僅有0.55。這也是類似研究共同的問題，由于地表溫度同時受到周圍環境的影響，因此單純的線性回歸擬合優度并不理想。

第2類量化研究通過預先處理數據，統計各分類用地的平均地表溫度進行線性回歸擬合。例如Coutts等[13]以澳大利亞墨爾本市為例，在一次.極端高溫天氣期間，統計了不同植被覆蓋比例用地（以10%為間隔）的地表溫度，并對數據進行了擬合。這種方法得到的模型擬合優度較高，但沒有落實到空間上。

為了選取擬合度較高的模型以及探討空間相關性，本研究采用兩種模型來反應綠化覆蓋率變化與地表溫度變化的關系。第1種采用上述第2類線性回歸模型，對綠化覆蓋率變化數據以10%為間隔取值，計算每一級別的平均相對地表溫度變化值進行單元線性回歸擬合;第2種采用地理加權回歸模型檢驗綠化覆蓋率與地表溫度之間的空間相關性。

地理加權回歸（GWR）分析是探索變量之間的空間相關性的數據分析模型[14]。每一點的校正系數根據其地理位置加權所得，距離越近，其他數據點對研究點的影響越大，反之則小[15]。地理加權回歸模型強調了變量間關系的局部特性，適用于揭示空間異質性變量之間的關系。在本研究中，綠化覆蓋率與LST均為非連續變量，采用地理回歸加權方法探究二者之間的關.系更為合理。

基礎的GWR模型公式如下：

其中，Yi是在位置i處的因變量，Xik是第k個在位置i處的自變量，m是自變量的數量，βi0是位置i處的截距參數，βik是位置i處的第k個自變量的局部回歸系數，εi是位置i處的隨機誤差。

3結果與討論

3.1總體綠化覆蓋率和地表溫度變化

對比研究1989-2009年每個研究單元的綠化覆蓋率（圖1）與全研究區域的平均綠化覆蓋率.（圖2），結果發現，20年間波鴻市高密度城區整體綠化結構變化不大，1989，19952000，2005和2009年的平均綠化覆蓋率為48.18%，50.63%，51.50%，51.22%和54.51%，總體綠化覆蓋率提高了6.33%。相較整體綠化覆蓋率的上升，綠化覆蓋率大于50%的區域比例反而下降（圖3），整體綠化覆蓋更為破碎化。

1989-2009年的相對地表溫度分布如圖4所示，將相對地表溫度分為7個等級（即城市熱島比例指數計算方法中的正規化相對溫度等級m，低溫、較低文、次低溫、中溫、次高溫、較高溫、高溫），通過對照歷史地圖，呈現較高溫（相對地表溫度大于3°C）的區域大部分是工業用地、裸地和高密度的商業居住用地。20年間，較高溫區域所占比例有所下降（圖5），城市熱島比例指數也由1989年的0.155下降到0.128，且整體呈現下降趨勢，城市熱島現象得到了緩解（圖6）。

3.2平均溫度線性回歸分析

以10%為一梯段對綠化覆蓋率進行分檔，并計算每一檔的平均溫度變化，利用單元線性回歸對數據進行擬合，結果見圖7。1989-1995，1995-2000，2000-2005，2005-2009年的線性回歸模型R2分別為0.984，0.909.，0.985和0.966（表1），模型擬合優度較高。根據各年份擬合回歸方程，綠化覆蓋率每上升10%，地表溫度下降0.98°C～1.29°C。

3.3地理加權回歸（GWR）分析

綠化覆蓋率與地表溫度變化的地理加權回歸分析結果如圖8，反應了各個研究單元的系數標準差，標準差與實際系數值相比越小，估計值可信度越高。對標準差結果進行空間自相關（Moran?I）檢驗，結果均接近0，顯示GWR模型的標準差分布較為隨機。

表2為各年間GWR分析的擬合優度R2，分別為0.847，0.769，0.827和0.760。20年間的數據結果表明，綠化覆蓋率與地表溫度的變化有顯著的空間相關性。查看標準差較小的具體研究單元的數值可見二者具有負相關性，即綠化覆蓋率提高，地表溫度下降，反之上升。

3.4討論

許多研究表明，綠地面積大小與其對周邊地區的降溫能力具有正相關關系，即綠地面積越大，降溫效應越顯著且穩定[16-18]個別小尺度的綠地甚至會出現保溫效應，產生與降溫相反的結果[17]。但是在更大的城市尺度上，總量具有一定面積的破碎化綠地仍然能有效降低溫度[16]，本文以波鴻為例，利用GWR分析與線性回歸分析證實了這一結論。高密度城市建成區往往建設用地有限，大型綠地空間有限，綠地空間往往呈現面積小、破碎度大的特點。除了大型綠地的建設之外，提高破碎綠地的比例同樣對降低城市溫度有著積極的意義，因此破碎綠化覆蓋率的提高可作為高密度城區緩解熱壓力的發展重點。研究結果為高密度城市規劃中的綠地規劃應用提供了依據。

但是，研究采用的數據年份跨度較大，從遙感圖像中準確地直接讀取綠化覆蓋信息缺少對照地數據，因為采用了NDVI作為讀取綠化信息的中間指標。這種轉化過程一定程度上影響了綠化覆蓋率數據的準確度。

4對中國城市綠地規劃的啟示

本研究以波鴻市為例證明了城市尺度上破碎綠化與地表溫度間的空間相關性。波鴻市20年間城市熱島比例指數下降，得益于工業衰退后的逆城市化的過程，1989年魯爾地區開啟了埃姆舍景觀公園項目（IBA?Emscher?Landscape?Park），策略之一即對魯爾地區的工業場地進行城市更新景觀轉化[19]，其中波鴻城西公園就建設在鋼鐵廠原址上。在近期建設項目中，波鴻市將應對氣候變化作為重要的規劃目標，在規劃中要求一定比例的建筑帶有屋頂花園[20]。對于許多中國發達城市來說，波鴻市的城市發展具有借鑒意義。

1）把握工業用地轉型機會。與波鴻市相同，中國許多發達城市的建成區可待開發用地較少，但同時正進行或面臨產業轉型，大量工業外遷，工業用地亟待更新。工業用地的更新轉化是發達城市提高綠化覆蓋率的機遇。在傳統工業用地更新的規劃中，應將綠化指標作為重要的考量指標之一。

2）重視城市破碎化綠化對緩解城市熱島現象的作用。本研究證明了破碎綠化覆蓋率與地表溫度間的空間相關性，除了大型的公園綠地、水域之外，破碎綠化對緩解城市熱島現象有著顯著的作用，這些綠化包括行道樹、街旁綠地、建筑附屬綠地等。在城市空間更新改造的過程中，應充分利用閑置地塊建設小型的綠化空間;同時，增加立體綠化、屋頂綠化也是提升破碎綠化覆蓋率的策略。

參考文獻

[?1]EASTERLING?D?R，?EVANS?J?L，?GROISMAN?P?Y，et?al.Observed?variability?and?trends?in?extreme?climate?events：?a?brief?review[J].?Bulletin?of?the?American?Meteorological?Society?，?2000，?81（3）?：417-426.

[2]ST0TT?P?A，STONE?D?A，ALLEN?M?R.Human?contribution?to?the?.European?heatwave?of?2003[?J].Nature?，?2004?，432（?7017）?：610-614.

[?3]LOUGHNER?C?P?，ALLEN?D?J，ZHANG?D?L，?et?al.?Roles?of?urban?tree?canopy?and?buildings?in?urban?heat?island?effects?：?Parameter-ization?and?preliminary?results[?J]?.Journal?of?Applied?Meteorology?and?Climatology?，2012?，51（?10）?：1775-?1793.

[4]?BOWLER?D?E，?BUYUNG一ALI?L，?KNIGHT?T?M，?et?al.?Urban?.greening?to?cool?towns?and?cities：?A?systematic?review?of?the?em-pirical?evidence?[?J].?Landscape?and?urban?planning，?2010，?97（3）：147-155.

[5]COUTTS?A?M，?BERINGER?J，?TAPPER?N?J.?Impact?of?increasing?urban?density?on?local?climate?：?Spatial?and?temporal?variations?in?the?surface?energy?balance?in?Melbourne?，?Australia[?J].?Journal?ofApplied?Meteorology?and?Climatology?，2007?，46（4）?：477-493.?.

[?6]CHENG?X，?WEI?B?，CHEN?G，et?al.?Influence?of?park?size?and?its?surrounding?urban?landscape?patterns?on?the?park?cooling?effect[?J].?Journal?of?Urban?Planning?and?Development，?2014，?141（3）?：A4014002.

[7]CAO?X，?ONISHI?A，?CHEN?J，?et?al.Quantifying?the?cool?island?in-tensity?of?urban?parks?using?ASTER?and?IKONOS?data[?J?]?.Land-scape?and?urban?planning?，2010，?96（4）?：224-231.

[8]SOBRINO?J?A?，JIMENEZ一MUNOZ?J?C，?PAOLINI?L.?Land?surface?.temperature?retrieval?from?LANDSAT?TM?5[?J].?Remote?Sensing?ofenvironment?，?2004?，90（?4）?：434-440.

[9]LI?J，?SONG?C，?CAO?L，?et?al.?Impacts?of?landscape?structure?on?surface?urban?heat?islands：A?case?study?of?Shanghai?，?China[J].Remote?Sensing?of?Environment?，?2011，115（?12）?：3249-3263.

[10]徐涵秋，陳本清.不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J].遙感技術與應用，2003（3）：129-133，185.

[?11]?ZHANG?X，?ESTOQUE?R?C，?MURAYAMA?Y.?An?urban?heat?island?study?in?Nanchang?City?，?China?based?on?land?surface?.?tem-perature?and?social-ecological?variables?[?J?].?Sustainable?cities?and?society?，2017（32）?：557-?568.

[12]李膨利，穆罕默德·阿米爾·西迪基，劉東云.基于遙感技術.的城市下墊面參數與熱環境關系的研究：以北京市朝陽區為例[J].風景園林，2019，26（5）：18-23.

[?13]?COUTTS?A，?HARRIS?R.?A?multi-scale?assessment?of?urban?heating?in?Melbourne?during?an?extreme?heat?event：?policy?ap-proaches?for?adaptation?Technical?Report[?Z?]?.2012.

[?14]?INOSTROZA?L，?DE?LA?BARRERA?F.?Ecosystem?Services?and?Urbanisation.?A?Spatially?Explicit?Assessment?in?Upper?Silesia，Central?Europe?[?C?]?.?IOP?Conference?Series：?Materials?Science?and?Engineering.?IOP?Publishing?，?2019，471（9）?：092028.

[?15]?MCMILLEN?D?P.?Geographically?Weighted?Regression：?The?A-nalysis?of?Spatially?Varying?Relationships?[?J]?.?American?Journal?of?Agricultural?Economics?，?2004?，?86（2）?：554-?556.

[?16]?KONG?F，?YIN?H，JAMES?P，?;et?al.?Efects?of?spatial?pattern?of?greenspace?on?urban?cooling?in?a?large?metropolitan?area?of?east-ern?China[?J].?Landscape?and?Urban?Planning，?2014，?128?：35-47.

[?17]?XIAO?X?D，?DONG?L，?YAN?H，?ET?AL.?The?influence?of?the?spatial?characteristics?of?urban?green?space?on?the?urban?heat?is-land?effect?in?Suzhou?Industrial?Park?[?J?]?.?Sustainable?cities?and?society?，?2018?，40?：428-439.

[?18]?FEYISA?G?L，DONS?K，?MEILBY?H.?Efficiency?of?parks?in?miti-gating?urban?heat?island?effect：?An?example?from?Addis?Ababa[J].Landscape?and?Urban?Planning，?2014，?123?：87-95.

[19]林樂樂.德國魯爾區工業城市更新過程中的景觀轉化：以波鴻城西公園為例[J].風景園林，2015（1）：112-116.