高密度城區形態要素對熱環境的影響作用
——以北京市五環內區域為例

孫喆

北京建筑大學建筑與城市規劃學院，北京 100044

近年來，隨著城市化建設的快速推進，城市人口不斷增長，開發邊界不斷擴張，建設強度居高不下，形成了大量的高密度建成區。經過大規模的人工建設，原始下墊面的自然條件發生改變，許多城市出現了熱島效應問題，并呈現加劇趨勢（肖榮波等，2005；賈琦等，2016；黃煥春等，2019）。現有研究表明，城市熱島效應會引發敏感人群呼吸系統、循環系統、心腦血管等方面疾病（Tan et al.，2010），還會導致空氣質量下降、水環境惡化、生物棲息地受到干擾（U.S. EPA，2008；蘭思思等，2013；肖捷穎等，2015），嚴重威脅城市居民健康和生態環境。

從形成機理上看，熱島效應主要受植被數量、建筑材料熱性能、城市形態、人工熱源等因素影響（U.S. EPA，2008）。其中建成區的人工地表及房屋建筑對城市熱環境的作用十分顯著（楊朝斌等，2016），因此利用合理的優化工具改善城市空間形態，提升城市熱環境質量是緩解熱島效應的有效途徑（岳文澤等，2016）。目前，已有學者針對城市形態與熱環境特征之間的關系開展了研究，主要圍繞建設用地空間格局（馮曉剛等，2012；王耀斌等，2017）、城市斑塊分維數（黃煥春等，2014）、建成區斑塊景觀格局指數（Yue et al.，2019）、建筑形體三維特征（鄔尚霖等，2015；韓貴鋒等，2016）、建筑形體的天空開闊度（張海龍等，2015）等內容進行分析。由于城市形態在較大程度上可看作規劃設計管控體系中多項經濟技術指標約束下物質空間的具體表現（曹曙等，2006），因此通過建筑密度、容積率、綠地率等關鍵指標探究城市形態要素對熱環境的作用機理，有助于改善城市熱環境質量，并為城市規劃設計管控實踐提供扎實的理論支撐。

由于城市熱環境的影響因素較多，人工環境和自然條件交互作用過程復雜；同時，各項研究受到選取方法、納入變量、短時氣象條件等因素的影響，導致目前關注城市形態對熱環境影響的研究存在結果不穩定、不一致的情況（蔡智等，2018）。Huang et al.（2019）指出城市形態在二維平面和三維空間中的各項參數指標與地表溫度之間存在顯著的相關性，分散分布的高層建筑對地表溫度的緩解具有較好的促進作用。鄔尚霖等（2015）通過數值模擬的方法檢驗了多個城市設計要素對熱島效應的作用，發現其他因素恒定的前提下，分別對建筑密度和容積率適度提高，可以達到減緩熱島效應的作用。劉琳等（2017）結合熱環境評估模型與GIS技術，對控制性詳細規劃層次的部分熱環境參數進行了模擬計算，發現熱島強度與異地戀和容積率存在顯著的負相關。Yang et al.（2019）對上海的研究中發現，城市中的高密度高層建筑會導致地表溫度的升高，建筑迎風面積密度（frontal area density）與地表溫度也存在一定的相關性，但此相關性呈現出秋冬季高而春夏季低的特征。然而，韓貴鋒等（2016）以重慶市開州區為例，通過遙感、GIS空間分析等方法在不同大小的規則網格尺度上研究了城市開發強度對熱島效應的影響，結果發現建筑密度、容積率與地表溫度呈正相關關系。城市熱環境在不同的尺度上呈現出不同的特征和規律，但現有研究種宏觀尺度的討論較多，對城市街區等微觀尺度的關注較為缺乏（李洪忠等，2019）。從城市規劃建設實踐看，微觀層面詳細規劃管控指標是塑造城市形態要素的關鍵所在。因此，亟需聚焦微觀尺度下城市形態的關鍵指標，探索應用新的理論和方法研究城市形態要素的熱環境作用機理。本文選取北京市五環區域作為典型的高密度建成區進行研究，探討建筑密度、容積率、綠地率等關鍵性規劃管控指標要素對熱環境產生的作用，為改善城市熱環境質量提供有益借鑒。

1 研究區域與方法

1.1 研究區概況

北京市五環區域是北京市典型的高密度建成區，人口密度較高，主要涉及東城、西城、朝陽、海淀、豐臺、石景山等城區，面積約665.5 km2。內部有多個大型公園，包括頤和園、圓明園、奧林匹克森林公園、朝陽公園、天壇公園等。河流、湖泊等水體較少，主要包括昆玉河、通惠河、護城河，以及昆明湖、玉淵潭、六海水系等。

1.2 數據來源

用于地表溫度反演和綠地提取的遙感數據來自美國地質調查局（USGS）數據庫，為提高反演結果的可靠性，選取了2018、2019兩年期間夏季成像質量較好、研究區云量較小的Landsat 8遙感影像4景，成像時間分別為2018年6月27日、2019年5月13日、2019年5月29日、2019年6月14日。包含建成區建筑物輪廓、層數信息的建筑物空間矢量數據通過水經注萬能地圖下載器從高德地圖獲取。

1.3 研究方法

（1）地表溫度反演和土地覆蓋分類

目前測量熱島效應強度的方法主要有3種：實地觀測、模型模擬、遙感分析，其中遙感反演分析由于覆蓋范圍較大、數據資源較充沛，有效彌補了實地觀測和模型模擬方法的局限性，在城市熱環境研究領域得到了較多應用（李瑩瑩等，2018；孫喆，2019）。可采用大氣校正法進行地表溫度（LST：land surface temperature）反演（Hurtado et al.，1996；覃志豪等，2001），首先建立輻射傳輸方程：

其中，Lλ為衛星傳感器接收到的熱紅外輻射亮度值（W×m-2×sr-1×μm-1），ε為地表比輻射率（無量綱），Ts為地表真實溫度（K），B(Ts)為黑體熱輻射亮度（W×m-2×sr-1×μm-1），τ為大氣在熱紅外波段的透過率（無量綱），L↓和L↑分別為大氣向下和向上的輻射（W×m-2×sr-1×μm-1）。由此方程可推導得出溫度為Ts的黑體在熱紅外波段的輻射亮度B(Ts)，根據普朗克公式函數可得溫度Ts為：

對于 Landsat 8 TIRS數據，參數K1=774.89 W/(m2·μm·sr)、K2=1321.08 K，通過波段運算可得到Ts。大氣剖面參數來自美國國家航空航天局網站（http://atmcorr.gsfc.nasa.gov/），地表比輻射率參照Sobrino et al.（2004）提出的NDVI閾值法計算。取4景遙感影像反演所得地表溫度的平均值為最終LST，據此開展后續分析。

選取2019年6月14日成像的Landsat 8數據，使用監督分類法進行解譯，提取建成區、綠地、水體3種用地類型。采用最大似然分離器，可分離度大于1.81；使用Sentinel-2衛星2019年5月28日的影像進行檢驗，精度大于80%。

（2）空間分析與統計

圖1 研究區熱環境特征熱島效應強度（a）、500 m網格平均LSTFig. 1 Thermal environment of research area heat island intensity (a), mean LST in 500 m grids (b)

對建筑物空間矢量數據、反演解譯得到的地表柵格數據開展空間分析，通過多項GIS工具如網格分析、柵格轉換、分區統計等，對研究區的空間形態及熱環境特征進行分析歸納。參照現有研究（孫喆，2019），將研究區劃分為符合城市社區尺度的500 m邊長網格，提取各網格內平均LST、建筑密度、容積率、綠地率數據。以LST為因變量，分別采用 OLS線性回歸模型、地理加權回歸模型（GWR：Geographically weighted regression），深入分析各項城市形態要素指標對熱環境的作用。

現有聚焦城市空間形態要素的熱環境作用的研究主要關注各要素指標產生的全局性作用，常使用傳統的散點圖分析（鄔尚霖等，2015）、相關分析等方法（韓貴鋒等，2016）。然而，這種全局性的統計方法會忽略城市形態要素對熱環境作用的空間非穩定性，即在研究區內不同空間位置，城市空間形態要素對熱環境的影響作用存在差異，導致不同研究結果存在差異。地理加權回歸模型可以通過非參數估計方法，在研究區內計算出局部回歸函數，反映出不同空間位置上變量的影響情況，已經在城市研究領域得到了大量應用（沈昊婧等，2014）。

地理加權回歸是由Brunsdon et al.（1996）針對變量空間非平穩性提出的建模方法，基于非參數局部加權回歸，在研究區內的每個空間位置估計出函數的局部回歸參數，通過回歸系數估計值在各空間位置的變化情況，反映出回歸關系的空間非平穩性，得到研究區內各解釋變量對因變量產生影響的空間分異特征（王佳等，2016）。其模型結構為：

本文建立的GWR模型中各點空間位置與500 m邊長網格對應，式（3）中（ui,vi）為i點的空間位置坐標；Yi表示i點的地表溫度LST；xik為i點的各項城市形態指標數值；βk(ui,vi)是i點各項城市形態指標變量的回歸系數，會隨樣本點位置的變化而變化；n為城市形態指標的數量；β0(ui,vi)為常數項；εi為i點的隨機誤差。

2 研究區熱環境及城市形態特征

通過GIS空間分析工具建立覆蓋研究區的500 m邊長網格，計算網格內LST平均值并生成分辨率為500 m的柵格數據（圖1b）。結果表明，網格平均 LST取值范圍在 26.32—45.48 ℃之間；研究區在500 m分辨率與原始分辨率下的熱力景觀格局特征比較一致，老城內部高密度胡同區、中心城邊緣市場工廠混合區、大型空港車站為主要的高溫地帶，大型公園綠地以及河湖水系周邊形成了溫度相對較低的環境。

以上述覆蓋研究區的500 m邊長網格為基礎，利用 ArcGIS的空間分析工具統計每個網格當中的建筑基底面積、結合層數的總建筑面積、綠地面積，分別計算出各網格的城市形態要素指標，如圖2所示。可以發現研究區內建筑密度最高的區域主要集中在二環范圍內的胡同區，其中長安街以北由于歷史文化保護區覆蓋面積較大，傳統胡同形態保存程度較好，因此建筑密度高值區域最為集中；而長安街以南區域由于歷史文化保護區范圍較小，天壇、陶然亭等公園綠地較多，高值建筑密度網格較少。容積率的空間分布特征與建筑密度存在一定差異，容積率最低的區域以奧林匹克森林公園、頤和園、朝陽公園等公園綠地，以及南四環至南五環之間開發程度較低的土地為主；老城內胡同區層數較少，整體上容積率較低；高容積率區域分布較為分散，以朝外、王府井、金融街、望京等重要商圈為代表。網格的綠地率由遙感解譯所獲地表覆蓋統計所得，空間格局特征體現了研究區內公園綠地等綠色基礎設施的布局以及河湖水系結構；綠地率在西北部頤和園片區、北部奧林匹克森林公園片區、南二環內天壇公園、南四環外郊野公園等區域最高。

圖2 研究區城市形態特征基礎數據（a）、建筑密度分布（b）、容積率分布（c）、綠地率分布（d）Fig. 2 Morphology indicators of research area basic data (a), BD (b), FAR (c), GD (d)

3 城市形態對熱環境的作用

3.1 基于全局性回歸模型的分析

以500 m網格平均LST為因變量，不同城市形態要素指標為自變量，建立OLS回歸模型，研究建筑密度（BD）、容積率（FAR）、綠地率（GD）等因素對熱環境的作用（表1）。模型調整后R2為0.565，表明在全局性視角下，變量對 LST的解釋能力較強，達到56.5%；3個城市形態要素指標對LST均產生了顯著影響（P＜0.01），且從VIF取值可知變量間不存在明顯的多重共線性。比較各變量的回歸系數可以發現，建筑密度對地表溫度產生了顯著的正向影響，是造成環境升溫的最重要的變量；在 500 m網格范圍內，建筑密度增加1%，會導致平均LST增加 0.09 ℃。建筑容積率的提高會導致地表溫度下降，印證了高容積率建成區由于建筑物較高，可產生大量的陰影區并能減少直接的太陽輻射，因此有助于局部環境降溫，此發現與Yang et al.（2010）及Wang et al.（2016）的研究結論較一致；回歸指數表明容積率提高 1，網格平均 LST會降低0.53 ℃。綠地也具有顯著的降溫作用，回歸系數達-4.770，即10%的綠地率增長可造成網格平均LST下降0.48 ℃。

表1 網格內平均地表溫度與城市形態要素的OLS回歸結果Table 1 Results from OLS regression model by mean LST and urban morphology indicators in grids

3.2 基于地理加權回歸模型的分析

在建立地理加權回歸模型前，對因變量進行空間自相關檢驗。計算得到全局 Moran’sI指數為0.640，在1%的水平上顯著，說明網格平均LST具有一定的空間自相關性，可進一步開展GWR分析（表2）。由GWR回歸結果可知，模型調整后R2為0.832，比 OLS模型的解釋力有了顯著提升。各因素局部回歸系數的中位數與平均數符號相同、取值相近，表明各項城市形態要素指標對研究區內大部分網格LST的影響效果較一致；同時，回歸系數的變化體現了形態要素指標對地表溫度產生作用的空間差異（圖3）。

表2 網格內平均地表溫度與城市形態要素的GWR回歸結果Table 2 Results from GWR regression model by mean LST and urban morphology indicators in grids

整體上，建筑密度對地表溫度產生了顯著的正向作用，促進地表升溫，其升溫能力在空間上體現出明顯的集聚特征，即回歸系數大、升溫作用強的區域主要集中在建筑密度較高的中心區，建筑密度增加1%會導致網格平均LST上升0.31 ℃以上（回歸系數＞31.10）；其原因可能是建筑密度大的區域，硬質地表及建筑物吸熱量大、人工熱源多，產熱量無法及時擴散，升溫效果加強。從建筑密度的回歸系數看，主要水體周邊的建筑密度升溫效果最強，如昆明湖、玉淵潭、六海水系、朝陽公園、龍潭湖等區域；可能是由于水的比熱較大，形成了局部冷島，當周邊建筑密度增大之后，加劇了建筑物對水陸環流的阻擋作用，導致建筑密度的升溫作用得到加強。

圖3 GWR回歸模型建筑密度回歸系數（a）、容積率回歸系數（b）、綠地率回歸系數（c）、局部R 2（d）Fig. 3 Results from GWR regression model BD (a), FAR (b), GD (c), Local R2 (d)

容積率對地表溫度具有顯著的減弱作用，由于高容積率的建成區容易形成具有遮蔽陰影、阻擋日照等功能的街谷形態，在大部分區域呈現出容積率越高地表溫度越低的特征；但研究范圍內主要水體周邊出現了相反的現象，即容積率提升地表溫度。其原因可能是此類濱水區域以低層建筑為主，容積率相對較低，未形成有效的遮蔽陰影、阻擋日照的街谷形態；同時建筑物阻擋了水陸環流，導致容積率產生了升溫效果。

綠地率對地表溫度起到了較強的減弱作用，降溫強度較大（回歸系數＜-5.10）的區域主要集中在建成區的邊緣，且在空間上呈現楔形分布的特征，與中心城區綠地系統的主要結構相近。其原因可能是在建成區邊緣能量流動較易、熱交換較強，因此一定的綠地率的增加可以進一步提高植被蒸騰能力、加強局部對流，顯著降低地表溫度。

3.3 兩種模型的比較

全局性的 OLS模型與關注變量作用在空間上非穩定性的GWR模型均顯著揭示了城市形態要素與網格平均LST之間的關系，但OLS模型只能體現研究區內的全局擬合結果，而GWR模型可以探索各要素指標增降溫能力的空間差異。對建筑密度指標而言，在各主要濱水區，GWR模型的回歸系數遠高于OLS的擬合結果（回歸系數9.169，P＜0.01），表明 OLS模型低估了此區域建筑密度起到的增溫作用。從綠地率指標來看，在建成區的邊緣地帶，OLS模型的回歸系數（回歸系數-4.770，P＜0.01）明顯高于GWR的擬合結果，意味著OLS模型低估了綠地率在此區域產生的降溫能力。

比較兩種模型的擬合優度可以發現，GWR模型的擬合效果（調整后R2=0.832）明顯優于普通全局性OLS模型（調整后R2=0.565）。同時，GWR模型的局部擬合優度在空間上存在差異，局部R2取值處于0.24至0.95之間；在建筑密度相對較高的區域，GWR模型的擬合效果較好。

4 結論與建議

本文通過遙感反演及解譯、空間分析等方法，以北京市五環內區域為研究范圍，獲取研究區地表溫度并分析其熱環境特征；以符合城市社區尺度的500 m邊長網格為基本單元對研究區進行劃分，計算各網格內的平均LST及城市形態相關的關鍵性規劃管控指標數據；基于全局性OLS模型、GWR模型，深入剖析建筑密度、容積率、綠地率等城市形態關鍵管控指標對地表溫度的作用規律。結果表明：

（1）總體上，城市形態要素對熱環境具有顯著影響，建筑密度增加導致地表溫度上升；容積率、綠地率的提升引起地表溫度下降。各形態要素指標的熱環境作用經由OLS模型與GWR模型的分析結果均較穩定，與現有的大量研究結論一致（Wang et al.，2016；Yang et al.，2010）。

（2）各項指標對熱環境的作用具有空間非穩定性，GWR模型的回歸結果揭示了各項指標在不同空間區位存在的增降溫能力差異。其中，在研究區內主要水體周邊，建筑密度的增溫能力最強，且容積率指標出現了反常的增溫效應；在建成區邊緣地帶，綠地率產生的降溫效果較強。

（3）比較 OLS與 GWR兩種方法所得結果可知，OLS回歸分析低估了濱水區域建筑密度的升溫作用，也低估了建成區邊緣地帶綠地率的降溫作用，因此GWR模型可更準確地反映各指標變量對熱環境的影響作用。然而，研究區主要水體周邊的水陸環流的過程、建成區邊緣地帶的熱交換機理在本文以500 m邊長網格為基本單元的GWR模型分析中未能得到詳盡的解釋，需在未來的研究中進一步深入探討。

基于上述研究結論，可對北京高密度建成區的熱環境質量改善提供相應的參考建議。首先，在滿足其他功能要求的前提下，可適當控制建筑密度、提高容積率、增加綠地率，利用街谷形態減熱降溫，可結合城市更新改造進行實施。其次，主要水體周邊需嚴格控制建筑密度及容積率，疏通水陸環流風道，擴大水體降溫影響范圍、增強降溫效果。第三，提升綠地率，尤其是在建成區邊緣地帶需加強綠地建設并保護現有綠地，提升植被的蒸騰能力，降低地表溫度。