城市公園的冷島效應研究——以常州市為例

王新軍,馮星瑩,陳凱莉,高吉喜

城市公園的冷島效應研究——以常州市為例

王新軍1,2,馮星瑩1,3,陳凱莉1,3,高吉喜4*

(1.常州工學院藝術與設計學院,江蘇 常州 213022；2.生態(tài)環(huán)境部南京環(huán)境科學研究所,江蘇 南京 210042；3.常州大學藝術學院,江蘇 常州 213016；4.生態(tài)環(huán)境部衛(wèi)星環(huán)境應用中心,北京 100094)

在長江三角洲地區(qū)快速城市化的常州市內(nèi)研究公園組成與冷島效應的量化關系.基于Landsat 8TIRS和天地圖高分辨率遙感影像提取公園指標以及冷島效應指標.使用輻射傳輸方程法反演研究區(qū)的地表溫度,使用ArcGIS的緩沖區(qū)分析和分段回歸的方法研究每個公園的地表溫度、降溫范圍和降溫幅度作為冷島效應指標;提取公園的周長、面積,并計算融合指數(shù)作為公園組成指標,在天地圖高清遙感影像中提取公園的綠地覆蓋率、水體覆蓋率、不透水面覆蓋率以及喬木覆蓋率作為公園地表覆蓋指標.通過相關性分析和回歸模型研究,發(fā)現(xiàn)公園的面積為26hm2、周長閾值為3600m,公園的面積和周長在閾值范圍內(nèi)能夠發(fā)揮較強的降溫效率,超過閾值則降溫效率下降.公園的融合指數(shù)與冷島效應呈線性相關關系,融合指數(shù)較小的公園能獲得較大的降溫幅度.公園的喬木覆蓋率、水體覆蓋率與公園內(nèi)部的地表溫度呈顯著相關關系,不透水面覆蓋率、綠地覆蓋率與公園內(nèi)部的地表溫度相關性不顯著.公園規(guī)劃設計需要結合公園的面積、周長閾值,融合指數(shù)的數(shù)值以及喬木、水體的覆蓋率,充分發(fā)揮公園的冷島效應.

Landsat 8；輻射傳輸方程；冷島效應；公園規(guī)劃設計；公園組成

我國城鎮(zhèn)化率由2000年的36.2%增加到2019年的60.6%[1],快速城鎮(zhèn)化不僅增加了城市內(nèi)人口數(shù)量,而且改變了城市地表覆蓋,使不透水面不斷增加而自然植被持續(xù)減少[2-3],進而改變了城市地表對太陽輻射的反射與吸收屬性,使城市地表升溫[4].城市與郊區(qū)的溫差被稱為熱島效應[5],熱島效應是21世紀最重要的環(huán)境問題之一[6],不僅加劇了城市內(nèi)的大氣污染[7],而且增加能源、水的消耗,影響人體健康,引發(fā)心臟、肺部疾病[8-10].本世紀全球仍處在變暖的趨勢中,升溫的幅度與人類活動密切相關,全世界應共同努力將升溫控制在1.5℃范圍內(nèi)[11].全球變暖的大背景將強化城市熱島效應,因此研究如何減緩城市熱島效應成為全球范圍的關注點.

國內(nèi)外越來越多的研究表明城市綠地是緩解城市熱島效應應用最廣泛的方法[12-15].首先,植物的樹冠可以阻擋太陽輻射進入下層空間,從而降低地表溫度[16];其次,通過蒸騰作用植物可以消耗大量的太陽輻射降低葉片溫度[14],進而降低周邊環(huán)境的溫度.例如,將公園內(nèi)樹冠覆蓋率從25%增加到40%,白天可以降低0.5℃的環(huán)境溫度[17].城市公園被廣泛用來研究城市綠地的降溫功能,有的研究使用空氣溫度的變化來評價城市綠地的降溫效果[18-20];由于從衛(wèi)星熱紅外波段反演得到的地表溫度與空氣溫度高度正相關[21],越來越多的研究使用地表溫度來評價城市綠地的降溫效果[22-23],本研究也將使用地表溫度來研究公園綠地的冷島效應.城市公園綠地的面積、形狀、綠地覆蓋率、不透水面覆蓋率、水體覆蓋率是公園規(guī)劃設計的重要內(nèi)容,對城市綠地的降溫效應也有重要的影響,有研究表明綠地覆蓋率、水體覆蓋率與降溫幅度呈正相關關系,而不透水面覆蓋率與降溫幅度呈負相關關系[19,24-26].城市綠地的面積與降溫幅度呈非線性關系,如果綠地面積超過閾值,降溫效應就會大幅降低.城市綠地面積閾值因城市而異,廈門的公園面積閾值約為55hm2[24],上海公園面積閾值約為40hm2[25],香港,雅加達,孟買和新加坡的城市綠地面積閾值約為0.60～0.62hm2,高雄,吉隆坡和臺南的城市綠地面積閾值約為0.92～0.96hm2,溫度、濕度都較高的低緯度地區(qū)的綠地面積閾值比較小[27].城市綠地的周長與冷島效應的量化研究還比較少,有研究發(fā)現(xiàn)冷島效應會隨城市綠地周長的增長而增強,同樣存在閾值關系,在周長閾值范圍內(nèi),綠地周長的增加能夠大幅增強冷島效應,當周長超過閾值時,冷島效應增加的幅度放緩,長春市城市綠地周長的閾值為2500m[28].較為復雜的城市綠地形狀與周邊環(huán)境有較長的接觸面能夠增加綠地與周邊環(huán)境的能量交換,可增強城市綠地的冷島效應[25];然而有一部分研究表明規(guī)則的城市綠地輪廓形狀更能夠增強冷島強度[19],由此可見城市綠地冷島效應的研究還存在很多的不確定性,需要更多的研究.

不少研究已經(jīng)從不同角度,不同城市研究了城市公園的冷島效應,但是人口密度較大、城鎮(zhèn)化率較高的城市還需要更多的研究,公園周長對冷島效應的影響還需進一步探討,以應對全球氣候變化帶來的挑戰(zhàn).本文以常州市公園綠地做為研究對象,研究目標包括:在城市綠地斑塊的尺度上研究公園的面積、周長、融合指數(shù)與冷島效應的量化關系;研究公園綠地的地表覆蓋類型與冷島效應的量化關系;城市公園規(guī)劃設計中的應用.

1 研究區(qū)概況與研究對象

常州市(31°09′N--32°04′N,119°08′E--120°12′E)位于江蘇省南部,地處長江下游南岸,太湖流域水網(wǎng)平原,為北亞熱帶濕潤區(qū)域[29].到2019年末,全市人口為473.6萬人,人口密度約為1079人/km2,城鎮(zhèn)化率73.3%,城市綠地覆蓋率約為43%[30].從1952年到2006年間統(tǒng)計的常州市夏季平均氣溫為26.7℃[31].本研究選擇常州(包括溧陽市)城市中心范圍內(nèi)的24個公園綠地作為研究對象,公園面積2.73hm2～ 166.7hm2,包含輪廓規(guī)則的公園和輪廓不規(guī)則的公園,組成結構有明顯差異,圖1.

圖1 常州市24個公園位置及分布

2 材料與方法

2.1 遙感數(shù)據(jù)源

選取2019年8月21日的Landsat 8TIRS遙感數(shù)據(jù),條帶號119,列編號38,云量覆蓋接近0,為影像的解譯提供了保證,研究區(qū)域無需拼合.該衛(wèi)星過境時間為上午10:20,經(jīng)中國氣象數(shù)據(jù)網(wǎng)(http://data. cma.cn/)查詢常州市衛(wèi)星過境當天10:00氣溫約為33℃.

2.2 研究方法

2.2.1 公園指標的提取 選擇面積、周長、融合指數(shù)作為公園組成指標,綠地覆蓋率、樹木覆蓋率、水體覆蓋率、不透水面覆蓋率作為公園的地表覆蓋指標.在Arcmap 10.6中提取各個公園的面積、周長,由于公園的面積越大,周長也就越長,因此使用公園周長與面積的比值作為公園的融合指數(shù)研究公園輪廓對冷島效應的影響[24,32].該指標可以反映公園與周邊環(huán)境的接觸面積,當公園面積相同時,融合指數(shù)越大,則城市公園和周邊環(huán)境的接觸面就越多[33],反之亦然.

參考已有研究,將公園的地表覆蓋類型分為4類:林地(喬木為主,其他植被少于10%的綠地)、草地或灌木(草坪或灌木為主,其他植被少于10%的綠地)、水體和不透水面(包含道路、廣場和建筑等硬質(zhì)景觀)[34].天地圖提供了0.6m分辨率的高清遙感影像,使用天地圖常州(http://www.mapcz.com.cn/)通過人工目視解譯的方式提取4類公園的地表覆蓋的信息,見表1.

2.2.2 冷島效應指標的計算方法 有研究對比了蘇南太湖地區(qū)輻射傳輸方程法、單通道算法和分裂窗算法3種地表溫度反演的方法,結果發(fā)現(xiàn)輻射傳輸方程法反演的地表溫度數(shù)據(jù)最接近實測值,因此本研究也使用相同的方法進行地表溫度的反演探討公園綠地的冷島效應[22,25,35],反演結果如圖3所示.選擇公園的平均地表溫度、降溫幅度、降溫范圍三個指標來表示公園綠地的冷島效應[24].使用Arcmap 10.6提取ENVI5.3中反演的地表溫度可計算出公園的平均地表溫度.降溫范圍的計算需要將研究區(qū)的地表溫度反演結果作為輸入圖層,首先在ArcGIS 10.6中以公園輪廓為基礎建立間距為15m,長度為1005m的緩沖區(qū),把公園外部空間劃分成67個間距為15m的環(huán);然后在Arcmap 10.6中統(tǒng)計出每個環(huán)的平均溫度,環(huán)與環(huán)之間的溫差可以反映在公園外部地表溫度的變化情況;最后在Origin 9中通過散點圖與分段回歸的方法確定緩沖區(qū)地表溫度變化趨勢的拐點位置,即公園綠地的降溫范圍,而拐點處的地表溫度與公園的平均地表溫度的差值ΔT就是公園的降溫幅度,即拐點溫度與公園地表溫度之差[25].拐點位置的判斷,見圖2, 拐點位置(降溫范圍)為465m,拐點位置的地表溫度為41.07℃,降溫幅度=拐點溫度-公園地表溫度=4.05℃.

圖2 分段回歸法計算西林公園的冷島效應分析

2.3 數(shù)據(jù)分析

為了研究城市公園的組成結構對冷島效應影響,使用SPSS 22分析公園組成與地表覆蓋與公園綠地的冷島效應指標的相關性.根據(jù)相關性檢驗結果,構建擬合模型,研究二者之間的量化關系.

3 結果

3.1 公園的指標及其空間分布特征

24個公園的面積中位數(shù)為13.68(7.76, 27.48) hm2,周長為1563.05(1255.00,2722.31)m,面積和周長最小的公園為人民公園,面積為2.73hm2,周長為749.51m,最大的是金壇區(qū)城南公園面積166.70hm2,周長12069.54m.融合指數(shù)為125.17 (93.03,176.25),最大的公園是人民公園,最小的是燕山公園.公園的水體覆蓋率中位數(shù)為23.53(16.76, 28.67)%,綠地覆蓋率為57.23(46.65,62.87)%,不透水面覆蓋率為19.26(16.55,28.70)%,喬木覆蓋率為45.37(39.73, 52.18)%.與其他綠地地表覆蓋不同的是,所有的公園內(nèi)都包含水體,而且大部分公園的水體面積大于不透水面;通過實地調(diào)研和高清衛(wèi)星遙感影像分析發(fā)現(xiàn),公園內(nèi)的不透水面空間分布較為分散,而且喬木覆蓋率較大,靠近不透水面的樹冠能夠阻擋一部分不透水面的太陽輻射,比如布置在綠地中的道路或廣場,受到喬木樹冠的影響,減少了不透水面吸收的太陽輻射量.

3.2 公園指標與冷島效應的相關性

公園的地表溫度要低于城市中心區(qū)的平均溫度,見圖3.公園地表溫度的平均值為(36.90± 1.15)℃,地表溫度最高的公園是文化廣場(39.30℃),最低的是圩墩公園(34.90℃).降溫幅度平均值為(3.54±0.89)℃,降溫幅度最大的公園是圩墩公園(5.13℃),降溫幅度最小的是文化廣場(1.68℃).降溫范圍的中位數(shù)為172.5(90.0,397.5)m,降溫范圍最大的公園是天琴公園(570m),最小的是毓秀園(39m),見表1.

表1 公園組成結構與冷島效應指標

表2 公園結構與冷島效應Spearman相關性分析

注:** 相關性在0.01上顯著,* 相關性在0.05上顯著.

通過SPSS 22的Kolmogorov-Smirnov檢驗,公園的10個指標中有5個指標的數(shù)據(jù)呈非正態(tài)分布,分別是:面積、周長、降溫范圍、不透水面覆蓋率、喬木覆蓋率;另外5個呈正態(tài)分布,分別是:地表溫度、降溫幅度、公園的融合指數(shù)、水體覆蓋率、綠地覆蓋率.存在非正態(tài)分布的數(shù)據(jù)適合使用Spearman進行相關性分析[36],結果發(fā)現(xiàn)地表溫度與公園面積、周長呈顯著負相關關系(<0.01),與水體覆蓋率和喬木覆蓋率呈顯著的負相關關系(<0.05),與融合指數(shù)呈顯著的正相關關系(<0.01),與綠地覆蓋率、不透水覆蓋率相關性不顯著.降溫幅度與面積、周長呈顯著正相關關系(<0.01),與喬木覆蓋率呈顯著正相關關系(<0.05),與融合指數(shù)呈負相關關系(<0.01),與水體覆蓋率、綠地覆蓋率、不透水覆蓋率相關性不顯著.降溫范圍與公園組成結構相關性皆不顯著,見表2.

圖3 研究區(qū)及24個公園與研究區(qū)域的地表溫度分布

3.3 公園組成指標與冷島效應的量化關系

基于相關性分析,構建公園面積、周長、融合指數(shù)與冷島效應的擬合模型,研究公園組成與冷島效應之間的量化關系.擬合模型的結果表明公園的地表溫度、降溫幅度與面積、周長呈指數(shù)函數(shù)關系,與融合指數(shù)呈線性關系(表3).隨著公園面積的增大,公園內(nèi)部的地表溫度增加的幅度逐步降低.表3中模型(1)能夠解釋43%由公園面積對地表溫度的變異,公園面積閾值為26hm2,對應的地表溫度為36.52℃.在閾值范圍內(nèi)時公園面積每增加1hm2平均降溫0.1℃,在27～167hm2之間時,平均降溫0.01℃.模型(2)解釋39%周長對地表溫度的變異,其閾值為3600m,周長閾值范圍內(nèi)時每增加100m平均降溫0.12℃,在3600～12000m之間,平均降溫0.02℃;模型(3)解釋了融合指數(shù)對公園地表溫度的影響,融合指數(shù)每增大10,公園地表溫度增高0.1℃.

對于公園外部環(huán)境的溫度,模型(4)解釋27%的由公園面積對外部環(huán)境降溫幅度的變異,閾值為26hm2.公園面積在閾值范圍內(nèi)時,公園面積每增加1hm2降溫幅度平均增加0.06℃,在27～167hm2之間時,平均降溫0.006℃.模型(5)解釋26%的由公園周長對外部環(huán)境降溫幅度的變異.該模型的閾值為2000m,當公園周長小于2000m時,每增加100m的周長,降溫幅度平均增加0.11℃;當公園周長在2000m～12000m之間時,每增加100m的周長,降溫幅度平均增加0.01℃.模型(6)解釋25%的融合指數(shù)對周邊環(huán)境降溫幅度的變異.公園融合指數(shù)每增加10,公園的降溫幅度減少0.08℃.公園融合指數(shù)與降溫幅度呈負相關關系.當公園面積保持不變時,公園的周長越長,其輪廓形狀就越復雜,公園的周長越小,其輪廓形狀就越簡單;輪廓形狀復雜的公園融合指數(shù)大,產(chǎn)生的降溫幅度小;輪廓形狀簡單的公園融合指數(shù)小,公園的降溫幅度就大,有利于公園形成較強的冷島效應.

表3 公園結構與冷島效應擬合模型

3.4 公園地表覆蓋與冷島效應的量化關系

其次,以同樣的方法研究降溫幅度的逐步回歸模型,同樣移除了綠地覆蓋率與不透水覆蓋率,= 0.69+0.05+0.04(2=0.44,=0.002),此模型能夠解釋44%的由公園地表覆蓋對降溫幅度的影響,保持喬木覆蓋率不變,增加公園內(nèi)10%的水體覆蓋率可以增加0.4℃的降溫幅度;保持水體覆蓋率不變,增加公園內(nèi)10%喬木覆蓋率可增加周邊環(huán)境0.5℃的降溫幅度,喬木對公園周邊環(huán)境的降溫幅度的影響要強于水體.

通過上述研究可知,公園的面積閾值為26hm2,周長地表溫度閾值為3600m,降溫幅度的閾值為2000m,因此當周長大于3600m時能夠帶來公園內(nèi)最高效的地表溫度的降溫效果,較高效率的周邊環(huán)境的降溫幅度;地表覆蓋中水體覆蓋率和喬木覆蓋率是產(chǎn)生冷島效應重要指標,而綠地覆蓋率、不透水面覆蓋率在公園這類綠地中對冷島效應的影響不大;小的融合指數(shù)有助于公園形成較強的冷島效應.因此上述指標是城市公園規(guī)劃設計中要考慮的重要內(nèi)容,其量化關系有助于綠地規(guī)劃設計和城市規(guī)劃管理人員從公園規(guī)劃設計角度提升其冷島效應.

4 討論

4.1 公園的組成對冷島效應的影響

已有的研究表明公園的面積與冷島效應呈正相關關系,城市綠地的冷島效應會隨著面積的增大而增強,在不同地區(qū)公園的面積閾值也不相同,在面積閾值范圍內(nèi),綠地面積的增大會大幅增強冷島效應,超過面積閾值時,冷島效應增加的幅度放緩[24-25,28,37].本研究也驗證了公園面積與冷島效應存在閾值關系,且常州市公園的面積閾值為26hm2,在閾值范圍內(nèi)增加城市公園綠地的面積是增強城市綠地冷島效應的重要策略.

目前城市綠地的周長與冷島效應的量化研究受到的關注還不夠,與已有的研究相似,本研究發(fā)現(xiàn)若要同時取得公園內(nèi)和公園外最高效的冷島效應,則常州市公園的周長的閾值應為3600m,大于長春市城市綠地周長的閾值2500m[28].周長與公園的面積、公園的輪廓復雜程度都有關系.公園的輪廓形狀與冷島效應的相關性仍然存在不確定性,有研究表明與外環(huán)境接觸面大的公園輪廓有助于形成冷島效應[25],也有研究表明與外環(huán)境接觸面少的公園輪廓有助于形成冷島效應[38],因為較大的接觸面會增加公園與外界環(huán)境進行能量交換的機會,而這樣會減弱公園的冷島效應[39].本研究發(fā)現(xiàn)融合指數(shù)與降溫幅度呈負相關關系,公園的與外部環(huán)境的接觸面越小,越有利于公園形成較強的冷島效應.將面積、周長和融合指數(shù)相結合可以發(fā)現(xiàn),公園的周長和面積在閾值范圍內(nèi)、融合指數(shù)值越小越有助于高效發(fā)揮降溫功能.

4.2 公園的地表覆蓋與冷島效應

公園的地表覆蓋類型對冷島效應的發(fā)揮有不同的影響.公園的水體覆蓋率、喬木覆蓋率都能夠降低地表溫度[25],是重要的冷源,在本研究中也得到了驗證,而且公園內(nèi)樹木覆蓋率與水體覆蓋率在降低園內(nèi)地表溫度上作用相同,但是樹木對周邊環(huán)境的降溫效果要強于水體.有研究發(fā)現(xiàn)不透水面能夠增加公園內(nèi)部的地表溫度,不透水面覆蓋率越大,公園的地表溫度越高[24],本研究未發(fā)現(xiàn)不透水面覆蓋率與地表溫度有顯著的相關關系.原因是本研究中的公園不透水面覆蓋率較低,中位數(shù)為19.26(16.55, 28.70)%,而且空間分布較分散,受喬木的遮蔭效果影響減少了太陽輻射量,比如公園中的道路、廣場旁喬木的樹冠阻攔了部分太陽輻射.同時公園中喬木與水體的降溫效果也弱化了公園內(nèi)不透水面的增溫效應.本研究發(fā)現(xiàn)公園中的綠地覆蓋率與地表溫度相關性亦不顯著,主要是由于草坪、灌木的降溫效果遠低于喬木[18].

4.3 公園規(guī)劃設計中的應用

公園是城市重要的綠地類型,在改善城市熱環(huán)境,降低城市地表溫度發(fā)揮重要的功能[19,38].但是城市土地資源有限,在公園的規(guī)劃設計中應充分考慮公園面積、周長的閾值在冷島效應方面的作用,以及融合指數(shù)對冷島效應的影響.公園的規(guī)劃設計應結合閾值范圍合理控制公園的面積、周長以獲得效率較高的降溫效果;設計融合指數(shù)較小的公園形狀,具有較強的冷島效應.

在公園的設計中增加喬木覆蓋率和水體覆蓋率能夠降低公園地表溫度和降溫幅度,因此應提高喬木覆蓋率和水體覆蓋率.雖然本研究未發(fā)現(xiàn)不透水面覆蓋率與地表溫度的存在相關關系,這是由于公園較為特殊的綠地空間分布形成的,但是大量的研究表明不透水面能夠增加地表溫度[40-42],因此公園設計需要充分利用喬木樹冠阻擋不透水面吸收太陽輻射.

5 結論

5.1 公園的面積、周長與冷島效應存在閾值關系,常州地區(qū)的公園綠地面積閾值為26hm2,周長閾值為3600m,閾值范圍內(nèi)公園可產(chǎn)生高效的冷島效應;超過閾值,公園綠地產(chǎn)生的冷島效應的效率降低,即隨著公園面積或周長的增加,與之相關的冷島效應(降溫幅度、地表溫度)的變化量要小于閾值內(nèi)的變化量;融合指數(shù)小的公園,能發(fā)揮較強的冷島效應.

5.2 公園的喬木覆蓋率和水體覆蓋率既可以降低公園內(nèi)的地表溫度也可以增加周邊環(huán)境的降溫幅度,能夠影響公園內(nèi)外的環(huán)境溫度,是產(chǎn)生冷島效應的重要地表覆蓋類型.而公園的綠地覆蓋率、不透水面覆蓋率與冷島效應的相關性不顯著.

[1] 國家統(tǒng)計局. 至2019年末我國城鎮(zhèn)化率為60.60% [EB/OL]. http://hf.eeju.com/shichang/2020/0119/1270.html.

National bureau of statistic. Our country's urbanization rate was 60.60% by the end of 2019 [EB/OL]. http://hf.eeju.com/shichang/ 2020/0119/1270.html.

[2] 孫安昌,陳 濤,張敘葭,等.武漢市1991～2013年城市擴張與地表覆蓋變化研究 [J]. 地理空間信息, 2016,14(12):33-36,47,7-8.

Sun A C, Chen T, Zhang X X, et al. Research on urban expansion and land cover changes in Wuhan area from 1991 to 2013 base on MESMA [J]. Geospatial Information. 2016,14(12):33-36,47,7-8.

[3] 趙國慶,蔡國印.2000～2010年北京市地表覆蓋變化分析 [J]. 地理信息世界, 2017,24(1):111-115.

Zhao G Q, Cai G Y. Analysis of Land cover changes in Beijing from 2000 to 2010 [J]. Geomatics world. 2017,24(1):111-115.

[4] 周 密,常 鳴,賴安琪,等.未來土地利用類型對珠江三角洲氣象場的影響 [J]. 中國環(huán)境科學, 2017,37(8):2896-2904.

Zhou M, Chang M, Lan A Q, et al. Impacts of future land use on meteorological conditions over the Pearl River Delta Region [J]. China Environmental Science, 2017,37(8):2896-2904.

[5] Bowler D E, Buyung-Ali L, Knight T M, et al. Urban greening to cool towns and cities: A systematic review of the empirical evidence [J]. Landscape and Urban Planning, 2010,97(3):147-155.

[6] Oke T R. City size and the urban heat island [J]. Atmospheric Environment, 1973,7(8):769-779.

[7] Fu H, Chen J. Formation, features and controlling strategies of severe haze-fog pollutions in China [J]. Science of The Total Environment, 2017,578:121-138.

[8] Yang X, Peng L L H, Jiang Z, et al. Impact of urban heat island on energy demand in buildings: Local climate zones in Nanjing [J]. Applied Energy, 2020,260:114279.

[9] Santamouris M. Recent progress on urban overheating and heat island research. Integrated assessment of the energy, environmental, vulnerability and health impact. Synergies with the global climate change [J]. Energy and Buildings, 2020,207:109482.

[10] Morris K I, Chan A, Morris K J K, et al. Impact of urbanization level on the interactions of urban area, the urban climate, and human thermal comfort [J]. Applied Geography, 2017,79:50-72.

[11] IPCC. Impacts of 1.5°C of global warming on natural and human systems 2018 [EB/OL]. https://www.ipcc.ch/sr15/download/.

[12] Grilo F, Pinho P, Aleixo C, et al. Using green to cool the grey: Modelling the cooling effect of green spaces with a high spatial resolution [J]. Science of The Total Environment, 2020,724:138182.

[13] Lu J, Li Q, Zeng L, et al. A micro-climatic study on cooling effect of an urban park in a hot and humid climate [J]. Sustainable Cities and Society, 2017,32:513-522.

[14] Moss JL, Doick KJ, Smith S, et al. Influence of evaporative cooling by urban forests on cooling demand in cities [J]. Urban Forestry & Urban Greening, 2019,37:65-73.

[15] 陳命男,張 浩,唐靖寅,等.上海城市地表熱環(huán)境多時期遙感研究 [J]. 中國環(huán)境科學, 2011,31(7):1143-1151.

Chen M N, Zhang H, Tang J Y, et al. Study on the thermal environment of land surface in Shanghai with multi-temporal remote sensing images [J]. China Environmental Science, 2011,31(7):1143- 1151.

[16] Dimoudi A, Nikolopoulou M. Vegetation in the urban environment: microclimatic analysis and benefits [J]. Energy and Buildings, 2003,35(1):69-76.

[17] Ng E, Chen L, Wang Y, et al. A study on the cooling effects of greening in a high-density city: An experience from Hong Kong [J]. Building and Environment, 2012,47:256-271.

[18] Richards D R, Fung T K, Belcher R N, et al. Differential air temperature cooling performance of urban vegetation types in the tropics [J]. Urban Forestry & Urban Greening, 2020,50:126651.

[19] Feyisa GL, Dons K, Meilby H. Efficiency of parks in mitigating urban heat island effect: An example from Addis Ababa [J]. Landscape and Urban Planning, 2014,123:87-95.

[20] 唐羅忠,李職奇,嚴春風,等.不同類型綠地對南京熱島效應的緩解作用 [J]. 生態(tài)環(huán)境學報, 2009,18(1):23-28.

Tang L Z, Li Z Q, Yan C F, et al. Mitigative effects of different vegetations on heat island effect in Nanjing [J]. Ecology and Environmental Science. 2009,18(1):23-28.

[21] Ren Y, Deng L Y, Zuo S D, et al. Quantifying the influences of various ecological factors on land surface temperature of urban forests [J]. Environmental Pollution, 2016,216:519-529.

[22] Ren Z, He X, Zheng H, et al. Estimation of the Relationship between Urban Park Characteristics and Park Cool Island Intensity by Remote Sensing Data and Field Measurement [J]. Forests, 2013,4(4).

[23] Liu W, You H, Dou J. Urban-rural humidity and temperature differences in the Beijing area [J]. Theoretical and Applied Climatology, 2009,96(3):201-207.

[24] 花利忠,孫鳳琴,陳嬌娜,等.基于Landsat-8影像的沿海城市公園冷島效應——以廈門為例 [J]. 生態(tài)學報, 2020,(22):1-11.

Hua L Z, Sun F Q, Chen J N, et al. Quantifying the cool-island effects of urban parks using Landsat-8imagery in a coastal city [J]. Xiamen, China. Acta Ecologica Sinica. 2020,(22):1-11.

[25] Du H, Cai W, Xu Y, et al. Quantifying the cool island effects of urban green spaces using remote sensing Data [J]. Urban Forestry & Urban Greening, 2017,27:24-31.

[26] 雷金睿,陳宗鑄,吳庭天,等.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 [J]. 中國環(huán)境科學, 2019,39(4):1734- 1743.

Lei J R, Chen Z Z, Wu T T, et al. Spatio-temporal evolution and interrelationship between thermal environment and landscape patterns of Haikou City, 1989～2015 [J]. China Environmental Science, 2019, 39(4):1734-1743.

[27] Yu Z, Guo X, J?rgensen G, et al. How can urban green spaces be planned for climate adaptation in subtropical cities? [J]. Ecological Indicators, 2017,82:152-162.

[28] 任志彬.城市森林對城市熱環(huán)境的多尺度調(diào)節(jié)作用研究—以長春市為例 [D]. 長春:中國科學院東北地理與農(nóng)業(yè)生態(tài)研究所, 2014.

Ren Z B. Muti-scale effects of urban forest on urban thermal environment: A study in Changchun [D]. Changchun: North-East Institute of Geography and Agricultural Ecology, University of Chinese Academy of Science, 2014.

[29] 鄭景云,尹云鶴,李炳元.中國氣候區(qū)劃新方案 [J]. 地理學報. 2010, 65(1):3-12.

Zheng J Y, Yin Y H, Li B Y. A new scheme for climate regionalization in China [J]. Acta Geographica Sinica, 2010,65(1):3-12.

[30] 常州市統(tǒng)計局.2019年常州市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[EB/OL]. http://tjj.changzhou.gov.cn/html/tjj/2020/OPOEMFCL_0316/ 16217.html.

Changzhou bureau of statistics. 2019Changzhou national economic and social development statistical bulletin [EB/OL]. http://tjj. changzhou.gov.cn/html/tjj/2020/OPOEMFCL_0316/16217.html.

[31] 董 芹,霍 焱,雷正翠,等.常州氣候變暖特點及氣候變暖對災害天氣影響 [C]//中國氣象學會2008年年會氣候變化分會場,北京: 2008.

Dong Q, Huo Y, Lei Z C, et al. Characteristics of climate warming in Changzhou and its impacts on disaster weather [C]//China meteorological society's 2008 annual conference on climate change. Beijing: 2008.

[32] 欒慶祖,葉彩華,劉勇洪,等.城市綠地對周邊熱環(huán)境影響遙感研究——以北京為例 [J]. 生態(tài)環(huán)境學報, 2014,23(2):252-261.

Luan Q Z, Ye C H, Liu Y H, et al. Effect of urban green land on thermal environment of surroundings based on remote sensing: A case study in Beijing, China [J]. Ecology and Environmental Sciences, 2014,23(2):252-261.

[33] 張菲菲,張愛民.城市綠地融合度與城市空氣質(zhì)量的相關性分析 [C]//中國城市規(guī)劃年會, 2017.

Zhang F F, Zhang A M. Correlation analysis of urban green space integration and urban air quality [C]// Annual national planing conference 2017. Dongguan: China.

[34] 馮悅怡,胡潭高,張力小.城市公園景觀空間結構對其熱環(huán)境效應的影響 [J]. 生態(tài)學報, 2014,34(12):3179-3187.

Feng Y Y, Hu T G, Zhang L X. Impacts of structure characteristics on the thermal environment effect of city parks [J]. Acta Ecologica Sinica, 2014,34(12):3179-3187.

[35] 闞增輝,劉朝順,李志軍.基于Landsat-8熱紅外數(shù)據(jù)的太湖地區(qū)地表溫度反演與熱島效應分析 [J]. 華東師范大學學報(自然科學版). 2016,(4):129-138,168.

Kan Z H, Liu C S, Li Z J. Retrieval of land surface temperature based on Landsat-8thermal infrared data and heat island effect analysis over the Taihu Lake region [J]. Journal of East China Normal University (Natural Science). 2016,(4):129-138,168.

[36] Schober P, Boer C, Schwarte L A. Correlation coefficients: appropriate use and interpretation [J]. Anesthesia & Analgesia, 2018,126(5):1763- 1768.

[37] Fan H, Yu Z, Yang G, et al. How to cool hot-humid (Asian) cities with urban trees? An optimal landscape size perspective [J]. Agricultural and Forest Meteorology, 2019,265:338-348.

[38] Qiu K, Jia B. The roles of landscape both inside the park and the surroundings in park cooling effect [J]. Sustainable Cities and Society, 2020,52:10.1016/j.scs.2019.101864.

[39] Xu L, Yue W. A study on thermal environment effect of urban park landscape [J]. Acta Ecol Sinica, 2008,28(4):1702-1710.

[40] Zhou W, Qian Y, Li X, et al. Relationships between land cover and the surface urban heat island: seasonal variability and effects of spatial and thematic resolution of land cover data on predicting land surface temperatures [J]. Landscape Ecology, 2014,29(1):153-167.

[41] Sekertekin A, Zadbagher E. Simulation of future land surface temperature distribution and evaluating surface urban heat island based on impervious surface area [J]. Ecological Indicators, 2021, 122:10.1016/j.ecolind.2020.107230.

[42] Morabito M, Crisci A, Guerri G, et al. Surface urban heat islands in Italian metropolitan cities: Tree cover and impervious surface influences [J]. Science of the Total Environment, 2021,751:10.1016/ j.scitotenv.2020.142334.

Study on the cooling effect of urban parks base on the case of Changzhou, Jiangsu, China.

WANG Xin-jun1,2, FENG Xing-ying1,3, CHEN Kai-li1,3, GAO Ji-xi4*

(1.School of Art and Design, Changzhou Institute of Technology, Changzhou, 213022, China；2.Nanjing Institute of Environmental Science, Ministry of Ecology and Environment, Nanjing, 210042, China；3.School of Art, Changzhou University, Changzhou 213016, China；4.Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100094, China)., 2021,41(9)：4245～4252

This research selected parks in Changzhou, a rapidly urbanizing city in the Yangtze River Delta, to study the relationship between the composition of parks and their cooling effect. The park composition indicators and cooling effect indicators were extracted from high-spatial-resolution images created by Landsat 8TIRS and Tianditu. Land surface temperatures of the researched area were retrieved by the radiation transfer equation, and buffer analysis of ArcGIS, piecewise regression were used to analyze cooling effect indicators of each surveyed park, including the land surface temperature, the temperature drop range and the temperature drop amplitude. The perimeter, area and integration index of the parks were measured as their composition indicators. Afterwards, park land cover indicators, namely, the green coverage, water coverage, impervious surface coverage, and tree coverage were extracted from high-definition remote sensing images of Tianditu. Correlation analysis and the regression model between the park indicators and the cooling effect revealed that the temperature drop amplitude was nonlinearly related to the area and perimeter of a park, and the threshold were 26hm2and 3600m respectively, which means that a park has a strong cooling effect with its area and perimeter within the threshold, while the cooling effect decreases with its area and perimeter exceeding the threshold. A second finding was that the integration index of a park had a linear correlation with the cooling rate, meaning greater cooling effect for parks with a lower integration index. The third finding was that the tree coverage and water coverage of a park were strongly correlated with the surface temperature inside the park, while the impervious surface coverage rate and green space coverage rate showed no significant correlation with the land surface temperature inside the park. Based on the three findings, it was concluded that to give full play to an urban park’s cooling effect, planners and designers need give a thorough consideration of its area and perimeter thresholds, integration index value, and tree and water coverage.

Landsat 8；the radiation transfer equation；park planning and design；cooling effect；park composition

X171,X16,P463

A

1000-6923(2021)09-4245-08

王新軍(1978-),男,河南虞城人,副教授,博士,主要從事城市綠地的生態(tài)功能研究.發(fā)表論文40余篇.

2021-02-11

國家重點研發(fā)計劃(2017YFC050660);常州市城管局科技項目(19-20JH13)

* 責任作者, 研究員, gjx@nies.org