彭 婷， 孫彩歌*， 張永東， 樊風雷,2

(1. 華南師范大學地理科學學院， 廣州 510631; 2. 西藏大學高原地表遙感監(jiān)測聯(lián)合實驗室， 拉薩 850000)

城市中的人為熱排放是由于人類生產(chǎn)活動過程中對能量的不充分利用，所產(chǎn)生釋放到周邊環(huán)境中的廢熱[1-2]. 人為熱排放使城市成為一個巨大的發(fā)熱體，加劇了城市與其周邊環(huán)境的溫度差，是引起城市熱島效應加劇的重要因素[3-4]，進而影響城市區(qū)域氣候、大氣環(huán)境等[5]. 研究人為熱排放能夠更好理解城市的排熱狀況，對于緩減和控制城市生態(tài)環(huán)境問題具有重要的理論和實際意義.

學者們對人為熱排放進行定量研究，其研究方法主要有：能源消耗清單法[6]、建筑模型模擬法[7]、地表能量平衡法[8]. 其中，地表能量平衡法是基于熱力學第一定律，運用遙感數(shù)據(jù)和氣象數(shù)據(jù)，反演出地表凈輻射、土壤熱通量、潛熱通量和顯熱通量等分量對地表能量的貢獻度，進而估算人為熱排放分量[9]. 通過該方法獲取的地表人為熱數(shù)據(jù)具有較高的時空分辨率，且覆蓋范圍廣泛，便于研究時空變化特征.

許多學者基于ASTER、Landsat和HJ-1B等影像，使用地表能量平衡法對城市人為熱排放進行了大量的研究. 如：對廈門島、西咸地區(qū)、杭州市等地研究發(fā)現(xiàn)，不透水面地表覆蓋度、土地利用類型和經(jīng)濟發(fā)展程度可以影響人為熱的空間分布[10-12]；人為熱排放的排放量強度與建筑物的密度、高度和下墊面的材料有關，高密度、導熱率大的區(qū)域的人為熱更大[13-15]；對北京的研究發(fā)現(xiàn)人為熱排放與地表溫度呈正相關關系，并且夏季人為熱排放對地表溫度的影響更大[16]. 基于自上而下的能源消耗清單法研究發(fā)現(xiàn)，我國各大城市中心城區(qū)人為熱排放值在60～190 W/m2之間，工業(yè)區(qū)一般可以觀察到最高排放值，是人為熱排放的主要貢獻者[17-18]. 目前對人為熱排放的研究主要聚焦于其影響因素、時空分布特征和強度估算研究等方面，缺乏長時間序列的人為熱時空格局變化分析. 而人為熱排放空間格局的變化是人類活動、下墊面變化和經(jīng)濟發(fā)展等多種因素共同作用的結(jié)果，從景觀格局的角度探究時空變化特征可以揭示人為熱景觀演變的規(guī)律，對探尋人類活動與城市熱環(huán)境之間的關系具有重要的意義[19].

廣州市作為華南地區(qū)的核心城市，快速的經(jīng)濟增長極大地促進了城市化進程的加速發(fā)展；伴隨著城市人口大量增加，人類活動增強對城市人為熱排放的空間格局產(chǎn)生巨大的影響，如熱島效應、環(huán)境污染和生態(tài)破壞等問題[20-22]，嚴重阻礙了城市的可持續(xù)發(fā)展. 本研究以廣州市中心城區(qū)為例，基于Landsat時間序列影像數(shù)據(jù)，分析2004—2020年城市人為熱排放的時空分布及演變特征，探究城市人為熱環(huán)境演變規(guī)律及機制，以期為定量評估人為熱排放對城市生態(tài)環(huán)境的影響提供參考，為城市景觀規(guī)劃和城市可持續(xù)發(fā)展提供依據(jù).

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

廣州市是廣東省省會城市，位于廣東省的中南部、珠江三角洲的北緣. 廣州市的地勢為東北高、西南低，東北部以山地為主，中部主要是中低山和丘陵，南部以平原為主，平均海拔為43.4 m. 廣州市為亞熱帶海洋性季風氣候，全年水熱同期，雨量充沛，夏季長、霜期短，年平均氣溫為21 ℃左右，1月份的平均氣溫最低，7月份的平均氣溫最高. 本文選取廣州市中心城區(qū)(113°08′00″E～113°36′00″E，23°03′00″N～23°25′00″N)為研究區(qū)域，包括白云、荔灣、越秀、海珠、天河、黃埔區(qū)(圖1).

1.2 數(shù)據(jù)來源和預處理

本研究采用的數(shù)據(jù)包括遙感影像數(shù)據(jù)和氣象數(shù)據(jù). 其中，遙感影像數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)，包括研究區(qū)的Landsat5 TM影像和Landsat8 OLI/TIRS影像數(shù)據(jù)，其軌道號為122/44，空間分辨率為30 m；影像的具體獲取時間分別為2004-01-21(TM)、2009-01-02(TM)、2014-01-16(OLI/TIRS)和2020-02-18(OLI/TIRS)，研究區(qū)內(nèi)晴朗無云，成像質(zhì)量較好. 對4個時相的遙感影像數(shù)據(jù)分別進行了輻射定標、大氣校正和圖像裁剪等預處理，通過土地利用分類將研究區(qū)分為建設用地、林地、耕地、草地、水體和裸地6種土地利用類型. 氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http:∥data.cma.cn/site/index.html)，包括水汽壓、氣溫、大氣壓、風速和太陽總輻射等同期氣象數(shù)據(jù)，所選站點為廣州站，其區(qū)站號為59278，時間分辨率為日值，數(shù)據(jù)均經(jīng)過嚴格的質(zhì)量控制和檢查，質(zhì)量良好. 詳細數(shù)據(jù)如表1所示.

表1 廣州站同期氣象數(shù)據(jù)Table 1 The meteorological data of Guangzhou

1.3 研究方法

1.3.1 基于地表能量平衡方程的人為熱排放估算 地表能量平衡方程[23]為：

Rn+A=G+H+LE，

(1)

其中，Rn為地表凈輻射通量，A為人為熱，G為土壤熱通量，H為感熱通量，LE為潛熱通量，單位均為W/m2.

由方程(1)可得人為熱排放的計算公式為：

A=G+H+LE-Rn.

(2)

方程(1)中各分量詳細表述如下：

(1)地表凈輻射通量Rn：是到達陸地表面的太陽短波輻射和太陽長波輻射的總和，是地球表面經(jīng)地表反射后實際接收到的太陽輻射凈能量；由地表反照率、比輻射率和地表溫度等參數(shù)決定. 其計算公式為[24]：

(3)

其中：Rs為太陽輻射總量(W/m2)；α為地表反照率；ε為地表比輻射率；εa為大氣透過率；σ為斯蒂芬-波爾茨曼常數(shù)(5.67×10-8W·K4/m2);Ta為大氣溫度(K)；Ts為地表溫度(K)，可采用輻射傳輸方程法進行估算.

(2)土壤熱通量G：表征土壤表層和深層的熱交換能量. 準確估算土壤熱通量，需要了解地表材料的導熱系數(shù)以及垂直溫度分布[13]. 土壤熱通量與地表凈輻射存在線性關系，其計算公式[13]為：

G=CgRn，

(4)

其中：G為土壤熱通量(W/m2)；Rn為地表凈輻射；Cg為系數(shù)，根據(jù)土地利用類型、季節(jié)等因素變化而變化,與表面材料的熱容量及其導熱系數(shù)有關，熱容量越高則導致Cg的值越低，熱導率越高則導致Cg值越高[8,11,14]. 參考已有的研究結(jié)果[11]，本文使用的Cg值如表2所示.

(3)感熱通量H：又稱為顯熱通量，是表征地表與大氣之間交換的能量，表征加熱空氣的能量. 其計算公式[13]為：

(5)

其中：ρ為空氣密度(kg/m3);CP為空氣在恒壓下的比熱(J/(kg·K));Ts為地表溫度(K)；Ta為大氣溫度(K)；ra為空氣動力學阻力(s/m)[14]:

(6)

其中：zm為風速測量儀的高度,zh為溫度傳感器的高度,d為位移高度,z0m為動量傳輸?shù)牡乇硐裨植陂L度,z0h為熱量傳輸?shù)牡乇硐裨植陂L度,單位均為m；k是常數(shù)，取值0.41；uz為風速(m/s). 本研究中的z0m、z0h、d的取值均參照現(xiàn)有的研究成果[10-11]，具體如表2所示.

表2 6個土地利用類型的部分參數(shù)值Table 2 Some parameters of 6 land use types

(4)潛熱通量LE：是指下墊面與大氣之間交換的熱通量，包括地表水分蒸發(fā)和植被蒸騰作用，是水量平衡的重要組成部分[25]，與空氣密度、下墊面飽和水汽壓、空氣動力學阻力等參數(shù)有關[10]. 其計算公式為[13]：

(7)

其中：ρ為空氣密度(kg/m3);CP為空氣在恒壓下的比熱(J/(kg·K));es為飽和水汽壓(hPa)；ea為空氣水汽壓；γ為干濕球常數(shù)(hPa/K)，與空氣中水汽壓與氣溫有關;ra為空氣動力學阻力(s/m)；rs為表面阻抗(s/m)，本文使用NOILHAN和LACARRERE[26]提出的計算方法估算.

1.3.2 轉(zhuǎn)移矩陣模型 轉(zhuǎn)移矩陣可以定量反映研究期內(nèi)各土地利用類型之間的相互轉(zhuǎn)換情況，從而揭示不同類型地物之間的變化方向，預測未來的變化趨勢[27].

本研究借助ArcGIS空間分析工具建立2004—2020年的不同等級區(qū)的人為熱排放變化轉(zhuǎn)移矩陣，并在此基礎上統(tǒng)計分析不同等級區(qū)人為熱排放之間的變化特征和規(guī)律. 轉(zhuǎn)移矩陣的數(shù)學表達式為[28]:

(8)

其中，Sij為轉(zhuǎn)移前的i類型人為熱排放區(qū)轉(zhuǎn)換成轉(zhuǎn)移后的j類型人為熱排放區(qū)的面積，i，j=1,2,…,n；n為人為熱排放區(qū)類型的個數(shù).

1.3.3 景觀格局指數(shù) 景觀格局分析是通過計算景觀格局指數(shù)來探究不同景觀要素之間的空間配置及其變化的分析方法[29]. 景觀格局指數(shù)高度濃縮了景觀格局信息，建立了景觀格局和景觀變化過程之間的定量化研究指標，表現(xiàn)了不同景觀單元的空間異質(zhì)性，能夠客觀反映生態(tài)學意義[30-31].

本研究從景觀格局指數(shù)的角度出發(fā)，分析廣州市中心城區(qū)的人為熱排放的景觀格局時空變化. 參考相關研究[29]，本研究選取了斑塊數(shù)量(PD)、邊緣密度(ED)、景觀面積比(PLAND)、景觀形狀指數(shù)(LSI)、聚集指數(shù)(AI)、景觀聚集度指數(shù)(CONTAG)、香農(nóng)多樣性(SHDI)和修正Simpson均勻度指數(shù)(MSIEI)8個景觀指數(shù)來探究研究區(qū)各類型人為熱排放的破碎程度、面積占比、聚集程度和多樣性等時空演變特征. 8個景觀格局指數(shù)詳述如下：

(1)斑塊數(shù)量(NP):反映景觀的空間格局，描述整個景觀異質(zhì)性和破碎度. 值越大，表示景觀破碎度越高. 其計算公式為:

NP=Ni,

(9)

其中，Ni為景觀類型i的斑塊總數(shù)量.

(2)邊緣密度(ED):表示景觀或類型被分割程度. 值越大，表示景觀被分割的程度越大，景觀破碎度越高. 其計算公式為:

ED=E/A×1 000,

(10)

其中，E為景觀的總邊緣長度，A表示景觀總面積.

(3)景觀面積比(PLAND):反映景觀中的優(yōu)勢景觀元素. 其值趨于0時，表示景觀中此類斑塊類型較稀少；等于100時，表示整個景觀只由一類斑塊組成. 其計算公式為:

PLAND=Ai/A,

(11)

其中，Ai為景觀類型i的面積.

(4)景觀形狀指數(shù)(LSI):反映斑塊邊界的形狀特征、復雜情況和斑塊邊緣效應. 值越大，斑塊越不規(guī)則，斑塊類型越復雜. 其計算公式為:

LSI=E/Emin,

(12)

其中，Emin為景觀邊緣長度的最小可能值.

(5)聚集指數(shù)(AI):描述斑塊的團聚程度. 當某一斑塊的破碎程度達到最大時，指標值為0；指標值隨著聚集程度的增加而增大，當板塊類型聚集成一個緊實的整體時，指標值為100. 其計算公式為:

(13)

其中，gi、gimax分別為基于單倍法的i類型斑塊的結(jié)點數(shù)、最大結(jié)點數(shù)，Pi為斑塊類型i的面積比重.

(6)景觀聚集度指數(shù)(CONTAG):描述景觀里不同斑塊類型的團聚程度和延展趨勢. 值越大，說明景觀中某種優(yōu)勢斑塊類型形成了更好的連接線；反之則表明景觀是具有多種要素的密集格局，景觀的破碎化程度較高. 其計算公式為:

CONTAG=

(14)

其中，gik為i類型斑塊與k類型斑塊毗鄰的數(shù)目.

(7)香農(nóng)多樣性 (SHDI): 反映景觀異質(zhì)性，強調(diào)斑塊類型對信息的貢獻. 值越大，表示斑塊類型越豐富，破碎程度越高，其不定性的信息含量也越大. 其計算公式為：

(15)

(8)修正Simpson均勻度指數(shù)(MSIEI):描述斑塊類型之間的面積分布. 值越大，表示斑塊類型之間的面積分布越均勻；值趨于0時，表示斑塊類型之間的面積分布越來越受到一種斑塊類型的控制. 其計算公式為：

(16)

2 結(jié)果與分析

2.1 人為熱排放的時空分布特征

基于地表能量平衡方程所計算的人為熱排放強度估算結(jié)果，提取人為熱排放強度大于0的區(qū)域來分析人為熱排放的時空分布特征.

由不同時期廣州市中心城區(qū)人為熱排放的空間分布情況(圖2)可知：(1)人為熱排放主要分布在建設用地區(qū)域，人為熱排放高值區(qū)分布有著明顯的變化，其中：2004年的人為熱排放強度高值區(qū)集中分布于中心城區(qū)的東南部，包括黃埔臨港經(jīng)濟區(qū)周邊以及云埔工業(yè)區(qū)附近；與2004年相比，2009年的人為熱排放高值區(qū)分布較分散一些，由中心城區(qū)的西南部向北移動，主要分布在黃埔區(qū)臨港、黃埔客運站、開創(chuàng)大道和龍溪大道周邊；2014年的人為熱排放高值區(qū)較為集中分布在黃埔客運站、開創(chuàng)大道、龍溪大道和錦東國際服裝城附近；2020年的人為熱排放高值密集區(qū)分布于中心城區(qū)的東南部和西南部，包括黃埔區(qū)的云埔工業(yè)區(qū)周邊、荔灣區(qū)的龍溪大道和錦東國際服裝城附近. (2)結(jié)合4年的人為熱排放的空間分布，可以看出廣州市中心城區(qū)的東南部一直處于人為熱排放高值區(qū)，主要是東南部屬于黃埔區(qū)的沿港、沿河地帶，分布著廣州地區(qū)密度最大的制造業(yè)和港口碼頭，因此釋放了大量的人為熱，形成了人為熱高值排放區(qū).

圖2 不同時期廣州市中心城區(qū)人為熱排放空間分布狀況

由人為熱排放的整體變化情況(表3)可知：(1)廣州市中心城區(qū)年際間的人為熱排放強度逐漸增大，其中4個時期的平均人為熱排放強度分別為53.91、59.26、62.26、96.28 W/m2. (2)人為熱排放面積不斷擴張，從2004年的535.15 km2增加到2020年的638.57 km2，總體增加了203.42 km2. (3)不同時期的人為熱排放對應的面積增長速率有所不同，總體增長率為9.40 km2/a，其中，2004—2009年的增長速率達14.00 km2/a，2009—2014年的增長速率降低為4.88 km2/a，2014—2020年的增長速率僅為1.72 km2/a. 由此可見，2014年以前，人為熱排放的面積在快速擴張，而人為熱排放強度增加較為緩慢；2014年開始，人為熱排放強度明顯遞增，而人為熱排放的面積增長速率明顯減緩.

表3 不同時期廣州市中心城區(qū)的人為熱排放強度Table 3 The anthropogenic heat emission in the central area of Guangzhou in different periods

2.2 人為熱排放強度的時空變化特征

根據(jù)人為熱排放強度，將研究區(qū)劃分為6個等級區(qū)：零排放區(qū)(人為熱排放強度<0 W/m2)、低排放區(qū)(0 W/m2≤人為熱排放強度<50 W/m2)、低中排放區(qū)(50 W/m2≤人為熱排放強度<100 W/m2)、中排放區(qū)(100 W/m2≤人為熱排放強度<150 W/m2)、中高排放區(qū)(150 W/m2≤人為熱排放強度<200 W/m2和高排放區(qū)(人為熱排放強度≤200 W/m2). 按此等級劃分，得到不同時期廣州市中心城區(qū)的人為熱等級區(qū)分布圖(圖3).

圖3 不同時期廣州市中心城區(qū)人為熱等級區(qū)分布圖

不同等級區(qū)人為熱排放的面積在不同時期發(fā)生了較大改變(表4)：(1)與2004年相比，2009年的零排放區(qū)、低排放區(qū)面積大幅減小，占比分別減少了4.84%、5.96%；低中排放區(qū)的面積大幅增加，由19.22%增加到29.95%；中排放區(qū)、中高排放區(qū)、高排放區(qū)的面積變化較平緩，這期間主要是以零排放區(qū)、低排放區(qū)轉(zhuǎn)出和低中排放區(qū)轉(zhuǎn)入為主要形式. (2)與2009年相比，2014年各等級區(qū)的面積變化較小，其中變化幅度最大的是零排放區(qū)，減小了1.66%；然后是低排放區(qū)、中排放區(qū)，分別增加了1.23%、1.35%；其次是低中排放區(qū)，減小了1.15%，這期間以零排放區(qū)、低中排放區(qū)小幅轉(zhuǎn)出和低排放區(qū)、中排放區(qū)小幅增加為主要形式. (3)與2014年相比，2020年的零排放區(qū)、低中排放區(qū)的面積小幅減小，分別減少了0.51%、3.14%；低排放區(qū)的面積大幅減小，減少了10.99%；中排放區(qū)的面積大幅增加，增加了 13.10%；中高排放區(qū)、高排放區(qū)的面積小幅增加，分別增加了1.44%、0.10%. 由此可見，廣州市中心城區(qū)人為熱排放的變化較為顯著，整體處于不平穩(wěn)態(tài)，主要變化表現(xiàn)為低排放區(qū)減少與中排放區(qū)增加.

表4 廣州中心城區(qū)不同等級區(qū)人為熱排放情況統(tǒng)計表Table 4 The statistics of zones of different-levle anthropogenic heat emission in the central area of Guangzhou

由2004—2020年間廣州市中心城區(qū)的各人為熱排放等級區(qū)的面積轉(zhuǎn)移矩陣(表5)可知：(1)轉(zhuǎn)出面積最多的是低排放區(qū)，共轉(zhuǎn)出238.08 km2，轉(zhuǎn)出面積比例高達97.36%，其中分別有72.97%、21.05%的區(qū)域轉(zhuǎn)為低中排放區(qū)、中排放區(qū)；其次是低中排放區(qū)，共轉(zhuǎn)出155.53 km2，其中76.97%的區(qū)域轉(zhuǎn)為了中排放區(qū)；轉(zhuǎn)出面積最少的是高排放區(qū)，僅轉(zhuǎn)出0.01 km2. (2)轉(zhuǎn)入面積最多的為低中排放區(qū)，共轉(zhuǎn)入250.26 km2，其中有69.42%的面積來自于低排放區(qū)；其次是中排放區(qū)，共轉(zhuǎn)入216.64 km2，占比高達98.43%；轉(zhuǎn)入面積最少的是高排放區(qū). 由此可以看出，低中排放區(qū)的轉(zhuǎn)入面積和轉(zhuǎn)出面積均較大，變化較大；而高排放區(qū)的轉(zhuǎn)入面積和轉(zhuǎn)出面積均最小，變化較穩(wěn)定.

表5 2004—2020年廣州市中心城區(qū)不同排放類型轉(zhuǎn)移矩陣

2.3 人為熱排放景觀格局的變化特征

2.3.1 類型水平上的景觀格局變化 廣州中心城區(qū)不同時期的人為熱排放在類型水平上具有明顯的景觀格局變化(圖4)，具體情況如下：

第一，由人為熱排放景觀斑塊的面積和結(jié)構(gòu)變化特征方面(圖4A、B、C)可知:(1)在斑塊數(shù)量上，低排放區(qū)景觀類型和低中排放區(qū)景觀類型的斑塊數(shù)量變化總體上大幅減少，低排放區(qū)景觀類型的斑塊數(shù)量呈現(xiàn)小幅上升、大幅減小的波動趨勢，低中排放區(qū)呈現(xiàn)大幅減小、小幅增加的波動趨勢，其他人為熱排放區(qū)景觀類型均有小幅增加的趨勢. (2)低中排放區(qū)景觀類型的邊緣密度呈現(xiàn)小幅下降趨勢，低排放區(qū)景觀類型的邊緣密度呈現(xiàn)急劇下降趨勢，中排放區(qū)景觀類型的邊緣密度呈現(xiàn)急速上升趨勢，中高排放區(qū)、高排放區(qū)景觀類型的邊緣密度呈現(xiàn)上升趨勢. (3)由景觀面積比可以看出，低中排放區(qū)景觀類型對中心城區(qū)處于主要控制作用，平均占比高達50%以上；低排放區(qū)景觀類型的占比大幅降低，由2004年的45.73%減少到2020年的2.11%；中排放區(qū)景觀類型在2020年也成為了中心城區(qū)的主要景觀組分. 斑塊數(shù)量和邊緣密度的變化表明人為熱排放強度相對較低的區(qū)域的景觀破碎度減小，尤其是低排放區(qū)的景觀破碎度減小較為顯著，而人為熱排放強度相對較大的區(qū)域的景觀破碎度增加. 景觀百分比的變化表明廣州中心城區(qū)的人為熱排放主導區(qū)域是低中排放區(qū)，低排放區(qū)的景觀面積占比逐漸降低，而中排放區(qū)的景觀面積占比逐漸增加，這也是人為熱排放強度增加的主要原因.

第二，由人為熱排放景觀斑塊的聚散性變化特征(圖4D、E)可知：(1)低中排放區(qū)的景觀形狀指數(shù)呈先上升后下降的趨勢，低排放區(qū)的景觀形狀指數(shù)呈先下降后上升的趨勢且保持高值，其他人為熱排放區(qū)的景觀形狀指數(shù)均呈現(xiàn)上升的趨勢，且中排放區(qū)增速較快，因此，從景觀形狀指數(shù)的變化趨勢來看，除了低排放區(qū)的景觀形狀指數(shù)有所減少，其他人為熱排放區(qū)的景觀形狀指數(shù)保持高值或不斷上升. (2)不同時期的聚集指數(shù)變化趨勢顯示，各景觀類型的聚集指數(shù)都較大，且處于不穩(wěn)定的狀態(tài)，表明景觀形態(tài)越來越復雜.

圖4 廣州市中心城區(qū)類型水平上的景觀格局指數(shù)變化(2004—2020年)

2.3.2 景觀水平上的景觀格局變化 由廣州市中心城區(qū)不同時期的人為熱排放在景觀水平上的變化(圖5)可知：(1)2009年以前，景觀聚集度呈增加趨勢，香農(nóng)多樣性和修正Simpon均勻度呈下降趨勢，說明廣州中心城區(qū)人為熱排放的多元景觀聚集程度不斷加強，各類型所占比例差異呈現(xiàn)增加的趨勢，不同人為熱排放類型的空間分布不均勻；(2)2009年之后，景觀聚集度不斷減小，香農(nóng)多樣性和修正Simpon均勻度不斷攀升，說明人為熱排放景觀的連接性不斷減弱，破碎化程度不斷增加，并且各人為熱排放景觀類型呈均衡化趨勢發(fā)展，景觀異質(zhì)性有所增強.

圖5 廣州市中心城區(qū)景觀水平上的景觀格局指數(shù)變化(2004—2020年)

3 結(jié)論與討論

本研究基于2004、2009、2014和2020年4個時相的遙感影像，通過能量平衡方程估算了廣州市中心城區(qū)不同時期的人為熱排放強度，利用轉(zhuǎn)移矩陣模型分析人為熱排放的變化特征，并從類型水平和景觀水平上分析了人為熱排放的景觀格局演變特征. 主要結(jié)論如下：

(1)人為熱排放的強度和面積隨著城市發(fā)展而不斷變化. 2004年以來，廣州市中心城區(qū)的人為熱排放強度逐漸增加，且增加強度逐漸加大，而對應面積也在不斷擴張，但擴張速率逐漸減緩. 人為熱排放區(qū)域擴張與城市建設用地、不透水率具有正相關性，而人為熱排放強度的變化取決于人類活動的強度[10]. 2004—2014年，廣州市處于城市擴張階段，一些自然用地被轉(zhuǎn)化成建設用地，工業(yè)生產(chǎn)、商業(yè)區(qū)和住宅區(qū)的能源消耗以及車輛排放所產(chǎn)生的熱量排放的面積的增加速率較快；2014年，城市擴張到達相對飽和，土地利用類型變化區(qū)域穩(wěn)定，人為熱排放面積的增加速率減緩；2014年之后，廣州市作為粵港澳大灣區(qū)的核心城市，人類的經(jīng)濟活動加強，人為熱排放強度快速增加. 在空間分布上，在研究期間，人為熱排放強度高值區(qū)的分布變化是一個集中—發(fā)散—集中的發(fā)展過程；總體上看，廣州市中心城區(qū)南部的人為熱排放強度比北部的高，這是因為南部的工業(yè)地密集程度、經(jīng)濟發(fā)展比北部的高.

(2)隨著城市的發(fā)展，零排放區(qū)和低排放區(qū)的面積在逐年遞減，中排放區(qū)、中高排放區(qū)、高排放區(qū)的面積在逐年擴張，低中排放區(qū)的面積呈現(xiàn)波動性增長的態(tài)勢；2004—2020年，廣州市中心城區(qū)人為熱排放變化顯著，各人為熱排放區(qū)的變化面積由大到小依次為：低排放區(qū)(減少15.72%)、中排放區(qū)(增加14.51%)、零排放區(qū)(減少7.01%)、低中排放區(qū)(增加6.44%)、中高排放區(qū)(增加1.5%)、高排放區(qū)(增加0.28%). 2004—2020年的人為熱排放轉(zhuǎn)移矩陣顯示：廣州市中心城區(qū)的變化以低排放區(qū)轉(zhuǎn)出為低中排放區(qū)和中排放區(qū)為主要形式；低值的排放區(qū)(低排放區(qū)、低中排放區(qū)、中排放區(qū))變化較為激烈，高值的排放區(qū)(中高排放區(qū)、高排放區(qū))變化相對比較穩(wěn)定. 2004—2020年，廣州市中心城區(qū)的城市化發(fā)展導致城市能量需求量增加[32]，這也是人為熱排放區(qū)處于單向轉(zhuǎn)換的不平衡狀態(tài)原因.

(3)從景觀格局來看，不同等級區(qū)的人為熱排放景觀具有不同的變化特點：低排放區(qū)、低中排放區(qū)的景觀格局趨于規(guī)則化，而中排放區(qū)、中高排放區(qū)和高排放區(qū)的景觀格局趨于破碎化、不規(guī)則化. 總體上，景觀聚集度指數(shù)(CONTAG)由2004年的67.94%降低至2020年的62.77%，說明人為熱排放景觀的聯(lián)通性變差，破碎化程度提高，整體趨于無序、破碎化和不規(guī)則化；人為熱的香農(nóng)多樣性指數(shù)(SHDI)、修正Simpon均勻度指數(shù)(MSIEI)分別由2004年的0.75、0.44上升至2020年的0.91、0.48，說明斑塊類型趨于多樣化，景觀豐富度不斷增加，各景觀類型占比區(qū)域均衡化，中排放區(qū)的控制作用增強，景觀異質(zhì)性增強.

隨著經(jīng)濟水平的快速發(fā)展和城市人口的急劇增加，人類活動影響力的擴大導致城市人為熱排放景觀格局發(fā)生了巨大改變. 本文以廣州市中心城區(qū)為例分析了人為熱排放的時空變化特征，研究發(fā)現(xiàn)隨著城市發(fā)展，人為熱排放強度增長劇烈，后續(xù)可結(jié)合城市結(jié)構(gòu)和功能的演變對人為熱排放變化進行精細化研究，進一步探究人為熱排放與城市發(fā)展之間的內(nèi)在聯(lián)系.