雷金睿,陳宗鑄*,吳庭天,李苑菱,陳小花,楊 琦,何榮曉

?

1989~2015年?？诔鞘袩岘h(huán)境與景觀格局的時空演變及其相互關系

雷金睿1,陳宗鑄1*,吳庭天1,李苑菱1,陳小花1,楊 琦1,何榮曉2

(1.海南省林業(yè)科學研究所,海南 ?？?571100；2.海南大學熱帶農林學院,海南 ?？?570228)

利用1989,1999,2007和2015年的4期Landsat 5TM/8OLI-TIRS遙感數據,綜合應用遙感、地理信息系統、景觀生態(tài)學和統計分析相結合的方法,探討?？诔鞘袩岘h(huán)境與景觀格局的時空演變關系.結果顯示,1989~2015年間,?？诔鞘嘘懙乇砻鏈囟?LST)總體呈逐步上升的趨勢.城市熱島面積逐步擴大,空間質心向西南方向轉移,且在2007年以后轉移速率明顯加快;冷島質心則向東部生態(tài)核心區(qū)轉移.城市LST較高的區(qū)域往往與不透水表面分布一致,較低的LST與綠地或水體分布一致.4期綠地的平均LST比不透水表面低4.17℃,其中2015年綠地景觀類型百分比(PLAND)每增加10%導致LST下降0.57℃;不透水表面每增加10%,LST則上升0.78℃.不同時期綠地和不透水表面的平均LST與PLAND、最大斑塊指數(LPI)、聚集度指數(AI)均表現為一致的極顯著相關關系,且相關性逐年增強,其中綠地為負相關,不透水表面為正相關;景觀斑塊的大小和聚集程度對城市LST有較大影響.研究結果可以拓展對城市熱環(huán)境與景觀格局時空演變關系的認識,為城市規(guī)劃和決策者提供參考.

城市熱島；陸地表面溫度；景觀格局；土地覆蓋；不透水表面；綠地；?？?/p>

據聯合國估計,目前居住在城市地區(qū)的人口占全球總人口數的54.5%,預計到2030年將達到60%[1].城市化是人類社會發(fā)展的共同趨勢,也是推動多種環(huán)境變化的重要因素[2-4].隨著城市規(guī)模和密度的不斷擴大,環(huán)境污染、植被退化、能源消耗、熱島效應等一系列生態(tài)環(huán)境問題也不斷出現,嚴重制約了區(qū)域的持續(xù)與健康發(fā)展[4-5].

城市熱島(UHI)作為城市空間熱環(huán)境特征的集中體現[6],是當前全球城市空間熱環(huán)境和可持續(xù)發(fā)展研究的主要內容.熱島可分為3類:冠層熱島(CLHI),邊界層熱島(BLHI)和地表城市熱島(SUHI)[7].前2類屬于大氣熱島,通常通過國家氣象站網絡、定點觀測等方法進行氣溫測量;SUHI通常使用機載或衛(wèi)星熱紅外遙感來表征陸地表面溫度(LST),因其具有較高的空間和時間分辨率,成為目前國內外研究人員開展城市熱環(huán)境變化研究的主要技術手段[8-10].

近年來,隨著熱紅外遙感技術的快速發(fā)展, LST可以很容易地從衛(wèi)星遙感數據中反演獲取,與地理信息系統(GIS)相結合可用于大量研究[11-13],評估LST與城市地區(qū)不同土地利用/土地覆蓋變化(LUCC)之間的空間關系是目前該領域的研究熱點[14-17].LUCC直接導致城市下墊面環(huán)境和性質發(fā)生顯著改變,其結構組成和景觀格局特征會影響城市熱環(huán)境的空間分布[18-19].相關研究表明,城市熱環(huán)境與景觀格局關系密切,主要受植被與不透水表面景觀百分比的影響[16,17,20-22].城市建筑物等不透水表面會導致地溫升高,植被則能有效地降低表面溫度.由于植被可以防止陸地表面直接受到太陽輻射的加熱,且可以通過蒸散產生冷島效應,起到降溫作用,與不透水表面景觀形成對比[23-26].因此,增加綠地覆蓋度是緩解UHI效應的最有效措施之一[15].也有研究認為,植被對LST的降溫作用也會受到景觀破碎化程度的影響,大型連續(xù)的植被斑塊具有更大降低LST的能力[4,27-28].事實上,當前多數研究集中在單一時期景觀格局指數或植被覆蓋度與LST之間的定量關系,依然缺乏從多時期上定量研究空間熱環(huán)境和景觀格局的時空變化及其相互關系.

海南作為我國唯一的熱帶島嶼省份和最大的經濟特區(qū),地理位置獨特,地理單元相對獨立,熱島現象具有典型性.自1988年建省以來,社會經濟高速發(fā)展,城市迅速擴張,與生態(tài)環(huán)境之間的矛盾也逐步凸顯.而關于該地區(qū)的城市熱環(huán)境問題研究尚未見報道.基于此,本文以?？谑袨槔?利用1989~2015年近30a的Landsat遙感數據分析城市熱環(huán)境與景觀格局的時空演變關系,旨在研究區(qū)域熱環(huán)境格局的空間分布特征及質心演變;景觀類型,特別是綠地和不透水表面對城市熱環(huán)境的影響;從景觀生態(tài)學角度探究LST與景觀格局的相關關系.

1 研究區(qū)概況

圖1 研究區(qū)域位置

?？谑形挥诤Ｄ蠉u北部,北瀕瓊州海峽,東西接文昌、澄邁2市縣,屬熱帶海洋性季風氣候,為典型的熱帶濱海省會城市,也是“海澄文”一體化經濟圈的核心組成部分.本文以?？谑谐鞘幸?guī)劃區(qū)為研究區(qū),具體范圍為?？谑欣@城高速以北所有區(qū)域,面積約520km2(圖1).區(qū)域內以濱海平原地貌為主,海南島最長的河流南渡江從?？谑兄胁看┻^而入海,水資源豐富;東部有海南東寨港紅樹林自然保護區(qū),南部有海口火山群世界地質公園、美舍河和五源河國家濕地公園和羊山濕地,植被覆蓋程度高.2011年,?？谑姓鬟w至西海岸,開啟了西部片區(qū)發(fā)展的新高潮,城市土地利用格局發(fā)生巨大變化.

2 數據來源與研究方法

2.1 數據來源及預處理

研究選用1989,1999,2007和2015年4期覆蓋海口市城區(qū),影像清晰少云,成像時間接近的Landsat 5TM/8OLI-TIRS遙感數據(來源于美國地質調查局數據中心,https://glovis.usgs.gov/),軌道號均為p124/ r46(表1).依托ENVI 5.1軟件平臺,遙感影像經幾何糾正、圖像融合等預處理,利用研究范圍對處理后的影像數據進行掩膜提取,得到研究區(qū)遙感影像底圖.采用監(jiān)督分類與目視解譯相結合的方法分別對4期遙感影像進行解譯,將研究區(qū)土地利用景觀類型分為綠地、水域、不透水表面和未利用地4類[22], Kappa系數均在0.8以上,精度符合要求(圖2).所有空間數據釆用Gauss_Kruger投影統一到2000國家大地坐標系,空間分辨率重采樣為30m.不同時期地面氣溫的日值數據來源于國家氣象科學數據共享服務平臺(http://data.cma.cn/).

表1 不同時期遙感數據信息

圖2 不同時期?？诔鞘芯坝^類型分布

2.2 地表溫度反演

本研究基于單通道大氣校正法[29],利用Landsat遙感數據反演LST.首先通過Landsat熱紅外波段數據(TM為第6波段,OLI-TIRS為第10波段)將像元灰度值(DN)轉化為相應的輻射亮度(L),然后根據輻射亮度推算對應的亮度溫度(),進一步利用不同地物的比輻射率()將輻射亮溫轉換為LST.研究采用Artis等[30]提出的LST反演公式,具體方法及參數選取參考文獻[10,31-32].

2.3 地表溫度熱力等級劃分

為使不同時期的LST數據具有較好的可比性,采用極差標準化方法對LST進行標準化處理[32],公式為:

式中:N表示第個像元標準化后的值;T表示第個像元的LST值;min表示LST的最小值;max表示LST的最大值.

通過標準化處理后,利用均值-標準差法來劃分等級[28],將研究區(qū)LST劃分為低溫區(qū)、次低溫區(qū)、中溫區(qū)、次高溫區(qū)和高溫區(qū)5 個熱力等級,統計各等級在研究區(qū)域內的相應面積.其中,高溫區(qū)和次高溫區(qū)被定義為城市熱島區(qū)域.

2.4 空間質心模型

景觀空間質心模型能夠很好地從空間上描述景觀類型的時空演變特征.通過分析各研究時段的景觀類型分布質心,可以發(fā)現景觀空間變化趨勢[33].本文通過計算景觀類型斑塊的面積加權質心變化,來分析景觀格局空間變化規(guī)律和趨勢.公式為:

空間質心轉移距離:

式中:X和Y分別是時期的景觀空間質心坐標;X和Y是某類景觀第個斑塊的質心坐標;C為第個斑塊的面積;L1表示從到+1時期景觀空間質心轉移距離;是景觀類型的斑塊總數目.

2.5 移動窗口分析

本研究綜合考慮地溫反演圖柵格大小以及相關研究成果[20,22,34],經反復測試,最終確定邊長為210m(即7×7柵格)的正方形移動窗口進行景觀格局分析.移動窗口分析采用Fragstats 4.2軟件,從研究區(qū)的左上角開始逐步移動,每次移動1個柵格,計算窗口內的景觀指數值,并將該值賦予窗口的中心柵格,最終得到各個景觀指標的柵格圖[35].選取景觀類型百分比(PLAND)、最大斑塊指數(LPI)和聚集度指數(AI)[36],從景觀優(yōu)勢度、破碎化以及聚集程度等方面探討研究區(qū)景觀格局與地表溫度之間的相關性.各景觀指數計算公式及生態(tài)學含義詳見文獻[37].利用GIS空間分析工具對LST柵格圖進行數值統計(7×7柵格),并采用提取分析命令得到每個窗口中心點所對應的平均LST和景觀指數值,最終導入SPSS 22.0分析城市LST與景觀格局之間的Pearson雙變量相關性.

3 結果與分析

3.1 熱環(huán)境格局分布特征

圖3 1989~2015年間?？诔鞘袩崃Φ燃?/p>

結果表明,1989~2015年間,受城市化和經濟建設的影響,海口城市地表熱環(huán)境空間格局發(fā)生了巨大的變化,時空差異特征明顯;低溫區(qū)主要以南渡江水域為分布中心地帶,面積占比較穩(wěn)定,而熱島區(qū)域則逐年擴大(圖3和表2).1989年,?？诔鞘械乇頍崃Φ燃壷饕灾袦丶耙韵聻橹?面積占74.42%;而高溫區(qū)主要分布在西海岸裸地及海岸帶沙灘等地,地表反射強烈,溫度高;次高溫區(qū)集中在主城區(qū)范圍,城市熱島區(qū)域面積占25.58%(圖3a).1999年,城市熱環(huán)境仍以中溫及以下為主,但面積有所縮小,熱島區(qū)域面積比例擴大至31.07%,除分布在西海岸裸地之外,主城區(qū)建設用地所形成的熱島效應也開始凸顯出來(圖3b).2007年,熱島區(qū)域進一步向周邊蔓延,有逐漸向南渡江以東區(qū)域擴展的趨勢;同時,海甸島的熱島效應也變得十分突出(圖3c).隨著市政府西遷后,西部片區(qū)城市建設明顯提速,大量的自然景觀逐漸向人工或半人工景觀類型轉變,導致城市地表景觀格局改變,土地利用程度加強.至2015年,研究區(qū)西南部區(qū)域由中、低溫區(qū)明顯演變?yōu)楦邷貐^(qū);而西北部區(qū)域則因城市發(fā)展將裸地等未利用地轉變?yōu)榻ㄔO用地或城市綠地,熱島效應反而得到相應減弱(圖3d).2015年海口城市熱環(huán)境中溫及以下區(qū)域進一步縮減至66.18%,熱島區(qū)域面積則升至33.82%,熱島效應向西以及向南方向發(fā)展明顯增強,與?？谑幸晕飨嘟拥某芜~老城經濟開發(fā)區(qū)有同城化的發(fā)展趨勢.

表2 1989~2015年間?？诔鞘袩崃Φ燃壝娣e變化

3.2 熱環(huán)境空間質心演變

?？诔鞘袩岘h(huán)境熱力等級空間質心演變如圖4和表3所示.可以發(fā)現,在1989~2015年間,低溫區(qū)和次低溫區(qū)均向東遷移,且向南渡江以東跨越,轉移距離分別為5920.44和3958.28m;次高溫區(qū)向西遷移5672.55m,高溫區(qū)向南遷移1529.50m;而中溫區(qū)空間質心轉移距離不太明顯.總體上看,?？诔鞘袩崃Φ燃壙臻g質心演變格局與熱環(huán)境空間分布格局相符合.西部片區(qū)的建設發(fā)展帶動熱島區(qū)域空間質心向其轉移,而低溫區(qū)和次低溫區(qū)域的空間質心則向東部東寨港的生態(tài)核心區(qū)靠攏,以此平衡城市總體熱環(huán)境空間分布格局.從轉移速率上看,高溫區(qū)和次高溫區(qū)向西南轉移、低溫區(qū)和次低溫區(qū)向東轉移的速率相對比較迅速,且在2007~2015年間轉移速率較前期明顯加快.

圖4 海口城市地表溫度熱力等級空間質心演變

表3 1989~2015年間?？诔鞘械乇頊囟葻崃Φ燃壙臻g質心轉移距離

注:遷移距離為“正”值表示向東或北遷移,為“負”值表示向西或南遷移.

3.3 景觀類型對熱環(huán)境的影響

為了說明不同景觀類型對熱環(huán)境的影響,采用ArcGIS空間分析模型分析不同時期景觀類型對地表溫度空間分布的貢獻(圖5).可以看出,未利用地和不透水表面的平均地表溫度最高,隨著時間的推移,兩者之間的差值不斷縮小,至2015年幾乎持平.這主要是由于1989年的未利用地景觀百分比較高,且斑塊集中連片,直接受到太陽輻射造成地表溫度很高;但到2015年由于城市開發(fā)建設,城市中未利用地開發(fā)殆盡,少量零星分布且易受相鄰景觀斑塊影響以至于地表溫度不會過高.綠地和水域的平均地表溫度最低,但水域景觀地溫的標準差最高,綠地景觀地溫的標準差最低,這說明水域的熱環(huán)境波動很大,而綠地熱環(huán)境則十分穩(wěn)定.除在2007年地表溫度出現下降之外,總體上看,1989~2015年間海口城市各景觀類型的地表溫度呈現逐步升高的趨勢,與同時期地面實際觀測氣溫值的變化趨勢相符.

圖5 各景觀類型平均地表溫度與標準差統計

通過統計不同時期5個熱力等級各景觀類型的熱貢獻程度可以看出(圖6),水域主要出現在低溫區(qū),且熱力等級越高,水域景觀百分比越低,這可能跟水的高熱慣性有關.綠地主要分布在中溫區(qū)和次低溫區(qū),且在次低溫區(qū)顯示出最高值.不透水表面和未利用地景觀的高百分比出現在高溫區(qū)和次高溫區(qū),如混凝土建筑、道路、人工裸露沙地等地表吸熱快且熱容量小,較自然下墊面(綠地、水域等)升溫快,從而造成相應區(qū)域地表溫度明顯較高.從時間序列上分析,中溫區(qū)至高溫區(qū)中,綠地逐年減少、不透水表面逐年增加,城市熱島面積也在逐漸擴大.由此可見,城市土地利用方式和景觀結構組成是造成地表溫度空間差異的主要原因,尋求合理的城市土地利用規(guī)模、結構、方式及其空間布局,應當成為有效遏制城市熱環(huán)境效應的重要途徑.

圖6 1989~2015年間?？诔鞘袩崃Φ燃壷芯坝^類型百分比統計

Fig.6 Proportion of landscape types in Haikou from 1989 to 2015

3.4 空間熱環(huán)境與景觀格局相關性

以2015年為例,平均LST與景觀格局類型百分比的相關性分析結果表明(圖7),綠地景觀與平均LST 呈極顯著負相關關系,相關系數達-0.720,明顯高于水域的相關系數-0.208,表明綠地為城市地表熱環(huán)境效應抑制的主要貢獻源.而不透水表面景觀與平均LST呈極顯著正相關關系,相關系數達0.858,為城市地表的主要熱源.總體上看,不透水表面景觀百分比每增加10%,LST約上升0.78℃;綠地景觀百分比每增加10%,LST約下降0.57℃,不透水表面對LST的影響力稍大于綠地.

通過以上分析可以看出,不透水表面和綠地景觀與平均LST呈極顯著相關關系,且相關系數最高.因此,以不透水表面和綠地兩類景觀與景觀格局指數進行時間序列的縱向分析(表4),結果發(fā)現,在不同時期中的PLAND、LPI、AI均與平均LST表現為一致的極顯著相關關系(綠地為負相關,不透水表面為正相關).但平均LST與PLAND、LPI的相關系數明顯高于與AI的相關系數,可以說明,一個較大的連片綠地產生的冷島效應強于幾個較小的分散綠地;與其相反的是,較大和連續(xù)的不透水表面要比幾個較小的分散的不透水表面產生更強的熱島效應.

***表示<0.001

在時間序列上,不透水表面PLAND逐年增加,LPI也隨之升高,建設用地集中連片擴張形成城市“攤大餅”式蔓延,因而產生更強的熱島效應,與平均LST的相關性也逐步增強.但不透水表面AI逐漸降低,反映出?？诔菂^(qū)西部拓展和向澄邁老城方向擴展形成“一城多點”的城市發(fā)展格局,城市熱島也形成多點分布的空間格局(圖3d).而城市綠地面積不斷萎縮,斑塊破碎化持續(xù)加重,聚集程度明顯減弱,造成綠地空間分散,但依然是抑制城市熱島效益的主要貢獻力量,因此與平均LST的相關性系數也較高.

表4 綠地和不透水表面景觀格局指數與平均地表溫度之間的相關性

注:***表示<0.001.

4 討論

4.1 熱環(huán)境空間分布與演變

1989~2015年間,?？诔鞘袩釐u區(qū)域面積逐漸擴大,已達研究區(qū)總面積的三分之一,主要分布于主城區(qū)和西部沿海區(qū)域;熱島空間質心向城市西南方向擴張,與澄邁老城經濟開發(fā)區(qū)有同城化的發(fā)展趨勢.低溫區(qū)和次低溫區(qū)面積比較穩(wěn)定,主要以南渡江水域和東寨港為分布中心地帶,空間質心均向東部發(fā)展.總體上看,?？诔鞘袩岘h(huán)境空間分布與演變格局和城市總體發(fā)展布局相吻合,城市擴張也反映在地表溫度的上升中[28].西部片區(qū)的建設發(fā)展帶動熱島區(qū)域空間質心向其轉移,而低溫區(qū)和次低溫區(qū)域的空間質心則向東部東寨港的生態(tài)核心區(qū)靠攏,且在2007~2015年間轉移速率較前期明顯加快,這也反映出2009年海南國際旅游島政策以及2011年市政府西遷所帶來的城市發(fā)展總體布局影響.因此,為避免在未來的城市發(fā)展中形成新的熱島,城市規(guī)劃者應密切關注空間熱環(huán)境的演變規(guī)律,主動規(guī)避無計劃的城市化對自然資源造成的負面影響.

4.2 熱環(huán)境與景觀類型的關系

總體而言,1989~2015年間?？诔鞘械乇頊囟缺憩F為逐步升高的趨勢,且比實際觀測氣溫高1.1~3.5℃,在合理范圍內[28];與Abutaleb等[31]對埃及開羅地區(qū)城市地表溫度高于大氣溫度0.5~3.5℃的研究結果十分類似.其中,綠地的平均LST(26.98℃)比不透水表面的平均LST(31.15℃)低4.17℃.而在其他地區(qū)的研究中也發(fā)現,比如廣州城市熱環(huán)境中不透水表面和綠地的平均LST相差2.8℃[38];Estoque等[22]在對與海口地理氣候相似的菲律賓馬尼拉UHI的研究結果顯示,兩者相差3.7℃;Weng等[24]在美國印第安納州印第安納波利斯的UHI研究中,兩者相差達5.4℃.這些研究結果有力證明了不透水表面的熱島效應和綠地的冷島效應.可見,綠地景觀具有重要的城市生態(tài)系統服務功能,在降低LST方面起著極為重要的作用[10,22,25,39].

與此同時,?？诔鞘袩岘h(huán)境較高的LST往往與不透水表面分布區(qū)域相一致,較低的LST與綠地或水體分布相一致,而PLAND的逐年變化也反映在城市熱環(huán)境的時空演變之中.這表明土地利用變化是影響城市熱環(huán)境分布格局的重要因素,因此可以通過適當的土地利用規(guī)劃,來緩解城市熱島效應[38],比如以不透水表面分布為主的中心城區(qū)應當結合目前的?？谑信飸魠^(qū)改造計劃規(guī)劃適當比例的城市綠地,提高城區(qū)土地利用效率,打破稠密、連片的建筑格局.

4.3 LST與景觀格局的相關關系

?？诔鞘衅骄鵏ST與景觀結構呈極顯著相關關系,其中與綠地景觀呈極顯著負相關關系,與不透水表面景觀呈極顯著正相關關系,分別為城市熱環(huán)境中主要的“冷源”和“熱源”.綠地PLAND每增加10%,LST下降0.57℃;不透水表面PLAND每增加10%,LST則上升0.78℃.Rogan等[40]研究美國Massachusetts 地區(qū)熱環(huán)境時也發(fā)現,植被覆蓋率每降低10%,LST上升0.7℃;而不透水表面每增加10%,LST增加1.66℃.唐澤等[41]在對我國長春城市地表熱力景觀格局的研究結果表明,植被覆蓋率每增加10%,地表溫度下降0.7~0.8℃;不透水表面每增加10%,地表溫度上升0.6~0.7℃,植被對LST的影響力稍大于不透水表面,這可能跟不同緯度、季節(jié)變化或濕度水平等因素有關[10,25,41-42].

在與景觀格局指數的相關性分析中,不同時期中的PLAND、LPI、AI均與平均LST也表現為一致的極顯著相關關系(綠地為負相關,不透水表面為正相關).具體而言,綠地的PLAND、LPI、AI與LST呈顯著負相關,這意味著綠地斑塊連片分布會降低LST.這與前人的研究結果相一致,即LST越高,綠色空間越分散、斑塊越破碎化[27];相同面積的綠色空間,LPI越低會導致平均斑塊面積減小、斑塊密度增加,同樣也會增加LST[15].與其相反的是,不透水表面PLAND和LPI越低,LST也就會越低.總體而言,細碎綠地在緩解城市熱島效果方面不如聚集綠地,聚集的不透水表面則會提高城市熱島強度[22].因此,建議城市規(guī)劃和決策者通過聚集綠地和分散不透水表面來優(yōu)化城市景觀的空間布局,對于城區(qū)建設用地宜將綠地穿插分布于其中,同時規(guī)劃大型城市綠地或郊野公園.相關研究也認為,以城市公共綠地(公園綠地、防護綠地等)、森林和水域為主導的冷島效應是當前改善城市熱環(huán)境、削弱城市熱島效應最有效的手段[6-8,15,27].

在時間序列上,海口城市不透水表面總體呈“攤大餅”式向四周輻射的格局,建設用地以連片或飛地式不斷擴張,斑塊聚集程度高,熱島效應隨之增強.前人對北京[43]、上海[32]、廣州[20]等城市的熱環(huán)境效應研究中均證實了這一觀點.但從?？诔鞘械乇頊囟葻崃Φ燃壏植紙D可以發(fā)現,在城市主城區(qū)和西部片區(qū)之間依然存在大量綠地景觀,熱力等級相應地為次低溫區(qū),但綠地面積在不斷縮小,熱力等級處于上升趨勢.因此,應當盡量避免兩大熱島區(qū)域連接成更大的城市熱島,維護好殘存的生態(tài)隔離帶(河流、林地、濕地等),增加綠地覆蓋和優(yōu)化景觀配置,構建城市生態(tài)網絡空間體系,從景觀生態(tài)學角度來緩解城市熱島效應.

5 結論

5.1 1989~2015年間,?？诔鞘蠰ST總體呈現逐步上升的趨勢,比實際觀測氣溫高1.1~3.5℃.城市熱島向四周輻射蔓延,面積逐步擴大,主要分布于主城區(qū)和西部沿海區(qū)域,其空間質心向西南方向轉移,且在2007年以后轉移速率較前期明顯加快;城市冷島質心則向東部生態(tài)核心區(qū)轉移.

5.2 城市LST較高的區(qū)域往往與不透水表面分布一致,較低的LST與綠地或水體分布一致.4期綠地的平均LST比不透水表面低4.17℃;其中2015年綠地PLAND每增加10%,LST下降0.57℃;不透水表面每增加10%,LST則上升0.78℃,分別為城市熱環(huán)境中主要的“冷源”和“熱源”.

5.3 不同時期的平均LST與PLAND、LPI、AI均表現為一致的極顯著相關關系,且相關性逐年增強,其中綠地為負相關,不透水表面為正相關.總體而言,細碎綠地在緩解城市熱島效果方面不如聚集綠地,聚集的不透水表面則會提高城市熱島強度,表明景觀斑塊的大小和聚集程度對城市LST有較大影響.

[1] United Nations Department of Economic and Social Affairs. The World's cities in 2016. New York: United Nations, 2016.

[2] Zhou D C, Bonafoni S, Zhang L X, et al. Remote sensing of the urban heat island effect in a highly populated urban agglomeration area in East China [J]. Science of the Total Environment, 2018,628-629:415- 429.

[3] Grimm N B, Faeth S H, Golubiewski N E, et al. Global change and the ecology of cities [J]. Science, 2008,319(5864):756-760.

[4] Greenea G S, Kedronb P J. Beyond fractional coverage: A multilevel approach to analyzing the impact of urban tree canopy structure on surface urban heat islands [J]. Applied Geography, 2018,95:45-53.

[5] Deng J S, Wang K, Hong Y, et al. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization [J]. Landscape and Urban Planning, 2009,92(3/4): 187-198.

[6] 姚 遠,陳 曦,錢 靜.城市地表熱環(huán)境研究進展[J]. 生態(tài)學報, 2018,38(3):1134-1147. Yao Y, Chen X, Qian J. Research progress on the thermal environment of the urban surfaces [J]. Acta Ecologica Sinica, 2018,38(3):1134- 1147.

[7] Voogt J A, Oke T R. Thermal remote sensing of urban climates [J]. Remote Sensing of Environment, 2003,86(3):370-384.

[8] Pan J H. Area delineation and spatial-temporal dynamics of urban heat island in Lanzhou city, China using remote sensing imagery [J]. Journal of the Indian Society of Remote Sensing, 2016,44(1):111-127.

[9] Sultana S, Satyanarayana A N V. Urban heat island intensity during winter over metropolitan cities of India using remote-sensing techniques: impact of urbanization [J]. International Journal of Remote Sensing, 2018,39(20):6692-6730.

[10] Yu Z W, Guo X Y, Zeng Y X, et al. Variations in land surface temperature and cooling efficiency of green space in rapid urbanization: The case of Fuzhou city, China [J]. Urban Forestry & Urban Greening, 2018,29:113-121.

[11] Li Z L, Tang B H, Wu H, et al. Satellite-derived land surface temperature: current status and perspectives [J]. Remote Sensing of Environment, 2013,131:14-37.

[12] Lazzarini M, Marpu P R, Ghedira H. Temperature-land cover interactions: the inversion of urban heat island phenomenon in desert city areas [J]. Remote Sensing of Environment, 2013,130:136-152.

[13] Mohan M, Kandya A. Impact of urbanization and land-use/land cover change on diurnal temperature range: a case study of tropical urban airshed of India using remote sensing data [J]. Science of the Total Environment, 2015,506-507:453-465.

[14] Amiri R, Weng Q H, Alimohammadi A, et al. Spatial–temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area Iran [J]. Remote Sensing of Environment, 2009,113(12):2606-2617.

[15] Li X M, Zhou W Q, Ouyang Z Y, et al. Spatial pattern of green space affects land surface temperature: evidence from the heavily urbanized Beijing metropolitan area, China [J]. Landscape Ecology, 2012,27(6): 887-898.

[16] Maimaitiyiming M, Ghulam A, Tiyip T, et al. Effects of green space spatial pattern on land surface temperature: implications for sustainable urban planning and climate change adaptation [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014,89:59-66.

[17] Morabito M, Crisci A, Messeri A, et al. The impact of built-up surfaces on land surface temperatures in Italian urban areas [J]. Science of The Total Environment, 2016,551-552:317-326.

[18] Connors J P, Galletti C S, Chow W. Landscape configuration and urban heat island effects: Assessing the relationship between landscape characteristics and land surface temperature in Phoenix, Arizona [J]. Landscape Ecology, 2013,28(2):271-283.

[19] Kayet N, Pathak K, Chakrabarty A, et al. Spatial impact of land use/land cover change on surface temperature distribution in Saranda Forest, Jharkhand [J]. Modeling Earth Systems and Environment, 2016,2:127.

[20] 黃麗明,陳健飛.城市景觀格局時空特征的熱環(huán)境效應研究——以廣州市花都區(qū)為例[J]. 自然資源學報, 2015,30(3):480-490. Huang L M, Chen J F. Study on thermal environment effect of urban landscape pattern: A case study on Huadu district, Guangzhou [J]. Journal of Natural Resources, 2015,30(3):480-490.

[21] 黃木易,岳文澤,何 翔.巢湖流域地表熱環(huán)境與景觀變化相關分析及其尺度效應[J]. 中國環(huán)境科學, 2017,37(8):3123-3133. Huang M Y, Yue W Z, He X. Correlation analysis between land surface thermal environment and landscape change and its scale effect in Chaohu Basin [J]. China Environmental Science, 2017,37(8):3123- 3133.

[22] Estoque R C, Murayama Y, Myint S W. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia [J]. Science of the Total Environment, 2017,577:349-359.

[23] Myint S W, Wentz E A, Brazel A J, et al. The impact of distinct anthropogenic and vegetation features on urban warming [J]. Landscape Ecology, 2013,28(5):959-978.

[24] Weng Q H, Lu D H, Schubring J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies [J]. Remote Sensing of Environment, 2004,89(4):467-483.

[25] Hamada S, Ohta T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas [J]. Urban Forestry & Urban Greening, 2010,9(1):15-24.

[26] Zhou W Q, Huang G L, Cadenasso M. Does spatial configuration matter? Understanding the effects of land cover pattern on land surface temperature in urban landscapes [J]. Landscape and Urban Planning, 2011,102(1):54-63.

[27] Zhang X Y, Zhong T Y, Feng X Z, et al. Estimation of the relationship between vegetation patches and urban land surface temperature with remote sensing [J]. International Journal of Remote Sensing, 2009, 30(8):2105-2118.

[28] Liu G L, Zhang Q, Li G Y, et al. Response of land cover types to land surface temperature derived from Landsat-5TM in Nanjing Metropolitan Region, China [J]. Environmental Earth Sciences, 2016, 75(20):1386.

[29] Sobrino J A, Jimenez-Munoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM5 [J]. Remote Sensing of Environment, 2004,90(4):434-440.

[30] Artis D A, Carnahan W H. Survey of emissivity variability in thermography of urban areas [J]. Remote Sensing of Environment, 1982,12(4):313-329.

[31] Abutaleb K, Ngie A, Darwish A, et al. Assessment of urban heat island using remotely sensed imagery over Greater Cairo, Egypt [J]. Advances in Remote Sensing, 2015,4(4):35-47.

[32] 錢敏蕾,徐藝揚,李 響,等.上海市城市化進程中熱環(huán)境響應的空間評價[J]. 中國環(huán)境科學, 2015,35(2):624-633. Qian M L, Xu Y Y, Li X. An assessment of spatial thermal environmental response to rapid urbanization of Shanghai [J]. China Environmental Science, 2015,35(2):624-633.

[33] 孟 丹,王明玉,李小娟,等.京滬穗三地近十年夜間熱力景觀格局演變對比研究[J]. 生態(tài)學報, 2013,33(5):1545-1558. Meng D, Wang M Y, Li X J, et al. The dynamic change of the thermal environment landscape patterns in Beijing, Shanghai and Guangzhou in the recent past decade [J]. Acta Ecologica Sinica, 2013,33(5): 1545-1558.

[34] Myint, S W, Brazel A, Okin G, et al. Combined effects of impervious surface and vegetation cover on air temperature variations in a rapidly expanding desert city [J]. GIS Science & Remote Sensing, 2010,47(3): 301-320.

[35] Kong F H, Nakagoshi N. Spatial-temporal gradient analysis of urban green spaces in Jinan, China [J]. Landscape and Urban Planning, 2006, 78(3):147-164.

[36] Chen A L, Yao L, Sun R H, et al. How many metrics are required to identify the effects of the landscape pattern on land surface temperature? [J]. Ecological Indicators, 2014,45:424-433.

[37] 傅伯杰,陳利頂,馬克明,等.景觀生態(tài)學原理及應用 [M]. 北京:科學出版社, 2011:86-92. Fu B J, Chen L D, Ma K M, et al. Principles and applications of landscape ecology [M]. Beijing: Science Press, 2011:86-92.

[38] Sun Q Q, Wu Z F, Tan J J. The relationship between land surface temperature and land use/land cover in Guangzhou, China [J]. Environmental Earth Sciences, 2012,65(6):1687-1694.

[39] 王 蕾,張樹文,姚允龍.綠地景觀對城市熱環(huán)境的影響——以長春市建成區(qū)為例[J]. 地理研究, 2014,33(11):2095-2104. Wang L, Zhang S W, Yao Y L. The impacts of green landscape on urban thermal environment: A case study in Changchun city [J]. Geographical Research, 2014,33(11):2095-2104.

[40] Rogan J, Ziemer M, Martin D G, et al. The impact of tree cover loss on land surface temperature: a case study of central Massachusetts using Landsat Thematic Mapper thermal data [J]. Applied Geography, 2013,45:49-57.

[41] 唐 澤,鄭海峰,任志彬,等.城市地表熱力景觀格局時空演變——以長春市為例[J]. 生態(tài)學報, 2017,37(10):3264-3273. Tang Z, Zheng H F, Ren Z B, et al. Spatial and temporal changes to urban surface thermal landscape patterns: a case study of Changchun City [J]. Acta Ecologica Sinica, 2017,37(10):3264-3273.

[42] Peng J, Jia J L, Liu Y X, et al. Seasonal contrast of the dominant factors for spatial distribution of land surface temperature in urban areas [J]. Remote Sensing of Environment, 2018,215:255-267.

[43] 徐永明,劉勇洪.基于TM影像的北京市熱環(huán)境及其與不透水面的關系研究[J]. 生態(tài)環(huán)境學報, 2013,22(4):639-643. Xu Y M, Liu Y H. Study on the thermal environment and its relationship with impervious surface in Beijing city using TM image [J]. Ecology and Environmental Sciences, 2013,22(4):639-643.

Spatio-temporal evolution and interrelationship between thermal environment and landscape patterns of Haikou City, 1989~2015.

LEI Jin-rui1, CHEN Zong-zhu1*, WU Ting-tian1, LI Yuan-ling1, CHEN Xiao-hua1, YANG Qi1, HE Rong-xiao2

(1.Hainan Provincial Forestry Science Research Institute, Haikou 571100, China；2.Institute of Tropical Agriculture and Forestry, Hainan University, Haikou 570228, China)., 2019,39(4)：1734~1743

Landsat 5TM/8OLI-TIRS thermal infrared remote sensing data from 1989, 1999, 2007 and 2015 were used here to explore the spatio-temporal evolution and interrelationship between the thermal environment and landscape patterns in Haikou, China. Through the integration of remote sensing, geographic information systems, landscape ecology and statistical analysis methods, our results showed that the land surface temperature (LST) of Haikou City showed a gradual increase from 1989 to 2015. The area of urban heat island gradually expanded, the spatial center of mass shifted southwest, and the transfer rate accelerated significantly after 2007. In addition, the center of cold island mass was transferred to the eastern eco-centric area. The distribution of high land surface temperature in the city correlates with impervious surface, while the low LST correlated with the distribution of green land or water. The mean LST of green space was 4.17℃ lower than that of impervious surface. In 2015, 10% increase in percentage composition of landscape (PLAND) of green space caused a 0.57℃ loss in LST, whereas a 10% increase in PLAND of impervious surface caused a 0.78℃ increase in LST. The mean LST of green space and impervious surface in different years was consistently and highly significantly correlated with PLAND, largest patch index (LPI) and aggregation index (AI). In fact, the correlation grew stronger over the years. The correlation of LST with green space was negative, while it was positive for impervious surface. The size and degree of aggregation of landscape patches had great influence on urban LST. These results expand our understanding of the spatio-temporal evolution and interrelationship between urban thermal environment and landscape patterns, as well as provide a reference for urban planners and policy makers.

urban heat island；land surface temperature；landscape pattern；land cover；impervious surface；green space；Haikou

X52,TU992.1

A

1000-6923(2019)04-1734-10

2018-09-25

海南省財政科技計劃資助(KYYS-2018-32);海南省自然科學基金資助項目(317003)

*責任作者, 副研究員, chenzongzhu@foxmail.com

雷金睿(1988-),男,四川廣安人,助理研究員,碩士,主要從事城市生態(tài)、土地利用與空間信息等方面的研究.發(fā)表論文20余篇.