吳子豪,童滋雨

(南京大學(xué)建筑與城市規(guī)劃學(xué)院,江蘇 南京 210093)

根據(jù)政府間氣候變化專業(yè)委員會(huì)(intergovernmental panel on climate change,IPCC)的第六次評(píng)估報(bào)告,在過去的100年里,全球地表平均溫度已上升約1 ℃,并且發(fā)現(xiàn)未來20年的平均溫度,預(yù)計(jì)將達(dá)到或超過1.5 ℃的溫度增幅,氣候變化所導(dǎo)致的極端高溫天氣正嚴(yán)重危害著人類日?；顒?dòng)的安全. 城市作為人類活動(dòng)最為集中的地區(qū),不僅是潛在的氣候脆弱點(diǎn),也是造成氣候變化問題的重要誘因[1]. 一方面,城市熱環(huán)境惡化所體現(xiàn)出的城市熱島效應(yīng)作用于城市,造成了能源消耗增加[2]、空氣污染嚴(yán)重[3]、疾病發(fā)病率上升[4]、體感舒適度下降[5]和生物多樣性降低[6]等一系列負(fù)面影響,氣候變化正嚴(yán)重侵害著城市的正常運(yùn)作和居民的生活質(zhì)量;另一方面,快速的城市化過程帶來的城市物質(zhì)形態(tài)的劇烈演變[7],本身即是造成城市熱環(huán)境改變的主要原因之一[8]. 因此,深入探究城市形態(tài)與城市熱環(huán)境的關(guān)聯(lián)性,將有助于提升城市規(guī)劃與設(shè)計(jì)中形態(tài)管控的合理性,對(duì)改善城市熱環(huán)境和促進(jìn)城市可持續(xù)發(fā)展具有重要的意義.

目前對(duì)城市形態(tài)與城市熱環(huán)境的關(guān)聯(lián)性的研究,主要可以歸納為兩種類型:一是通過監(jiān)督分類方法對(duì)遙感影像進(jìn)行分類處理,并在此基礎(chǔ)上以空間格局反映要素的空間分布與配置特征,計(jì)算了如綠地、水體、耕地、建設(shè)用地和未利用地等特定土地利用和城市形態(tài)等要素的空間格局指標(biāo),并分析了其對(duì)城市熱環(huán)境的重要影響[9-12];二是通過計(jì)算或轉(zhuǎn)換城市形態(tài)隱式模型為定量化的形態(tài)參數(shù),如建筑密度、建筑高度、天空視域因子、不透水表面比例、歸一化植被指數(shù)等,再結(jié)合相關(guān)分析、回歸分析等統(tǒng)計(jì)學(xué)方法分析了其與城市熱環(huán)境的關(guān)聯(lián)性[13-16]. 以上研究較為全面地探討了兩者之間的關(guān)聯(lián)性,但仍存在以下不足:前者對(duì)城市形態(tài)的分類較為粗糙,僅僅將建成區(qū)歸為一類處理,而忽略了其內(nèi)部形態(tài)的多樣性及其與微氣候之間存在的復(fù)雜關(guān)聯(lián);而后者僅考慮了單一空間位置處的城市形態(tài)作用,而未充分考慮周邊環(huán)境中城市形態(tài)空間格局特征對(duì)城市熱環(huán)境所施加的潛在影響.

針對(duì)現(xiàn)有研究中存在的不足,一方面需要對(duì)城市形態(tài)進(jìn)行更加精確細(xì)致的描述,另一方面也需要對(duì)周邊環(huán)境中城市形態(tài)的空間格局特征提供合理的量化指標(biāo). 本研究旨在解決該類問題,并在其基礎(chǔ)上進(jìn)一步分析城市形態(tài)空間格局與城市熱環(huán)境之間的關(guān)聯(lián)性,以期為構(gòu)建氣候適應(yīng)性城市提供參考.

圖1 研究方法框架Fig.1 Research methodology framework

1 研究方法

對(duì)城市形態(tài)空間格局與城市熱環(huán)境之間的關(guān)聯(lián)性進(jìn)行分析時(shí),關(guān)鍵的一項(xiàng)步驟是提供一個(gè)清晰合理的城市形態(tài)空間格局特征定量描述路徑. 在這一過程中,首先需要構(gòu)建合理的模型以反映城市形態(tài)特征. 為了表現(xiàn)城市形態(tài)對(duì)熱環(huán)境的作用,具有熱環(huán)境響應(yīng)能力的形態(tài)特征,包括建筑物的高度、不透水表面比例、天空視域因子等指標(biāo)應(yīng)被納入所構(gòu)建的形態(tài)模型中. 在構(gòu)建模型的基礎(chǔ)上,本研究不僅需要考慮形態(tài)位置本身對(duì)城市熱環(huán)境的作用,也需要體現(xiàn)周邊環(huán)境中的城市形態(tài)的分布與配置所產(chǎn)生的影響,因此城市形態(tài)要素在一定范圍內(nèi)的空間格局特征也需要被特定的指標(biāo)所反映. 結(jié)合對(duì)城市熱環(huán)境的表征,回歸模型被用于探究?jī)烧唛g關(guān)聯(lián)性,并進(jìn)一步以存在關(guān)聯(lián)性的格局指標(biāo)為依據(jù),采用聚類分析劃分分區(qū)類型且加以解釋. 圖1展示了分析城市形態(tài)空間格局與城市熱環(huán)境關(guān)聯(lián)性的研究方法框架.

1.1 城市形態(tài)模型生成

在定量描述城市形態(tài)空間格局特征時(shí),必須考慮的第一個(gè)因素是生成具有熱環(huán)境響應(yīng)能力的城市形態(tài)模型. 為此,本研究采用基于世界城市數(shù)據(jù)庫(kù)和訪問門戶工具(world urban database access portal tools,WUDAPT)的局地氣候分區(qū)分類框架(local climate zone,LCZ),結(jié)合遙感影像與網(wǎng)絡(luò)可用信息以構(gòu)建城市形態(tài)隱式模型. LCZ是一種針對(duì)城市熱島效應(yīng)提出的城市形態(tài)分類框架[17-18]. 它將城市環(huán)境分為了17種形態(tài)類型,包括10種建成環(huán)境類型(LCZ 1- LCZ 10)和7種自然環(huán)境類型(LCZ A- LCZ G). 每種分區(qū)類型具有相似的熱環(huán)境,且與熱環(huán)境相關(guān)的城市形態(tài)、地表覆蓋、建筑材質(zhì)和人類活動(dòng)等指標(biāo)在分類標(biāo)準(zhǔn)中均有所體現(xiàn)[19]. 具體的生成過程主要包含5個(gè)步驟:(1)通過SAGA GIS軟件對(duì)遙感影像的相關(guān)波段進(jìn)行預(yù)處理,以獲取局地尺度下城市特征的光譜信號(hào);(2)基于LCZ分類框架和實(shí)際情況,對(duì)其分區(qū)類型進(jìn)行修正,而后利用Google Earth創(chuàng)建矢量化的訓(xùn)練樣本;(3)運(yùn)用監(jiān)督式機(jī)器學(xué)習(xí)中的隨機(jī)森林分類法(SAGA GIS集成模塊),以訓(xùn)練樣本為基礎(chǔ)結(jié)合遙感影像對(duì)城市形態(tài)進(jìn)行分類;(4)將訓(xùn)練得到的柵格文件導(dǎo)出,載入Google Earth中進(jìn)行比對(duì)驗(yàn)證,并對(duì)差異較大地區(qū)樣本重新訓(xùn)練,直至分類結(jié)果與觀察的實(shí)際情況相吻合;(5)進(jìn)一步構(gòu)建驗(yàn)證樣本集,以判斷模型分類精度,當(dāng)精度滿足要求時(shí)作為結(jié)果輸出.

1.2 空間格局指標(biāo)計(jì)算

為了描述周邊環(huán)境中城市形態(tài)的空間格局特征,本研究選取景觀格局指標(biāo)進(jìn)行計(jì)算. 這是一種源于景觀生態(tài)學(xué)的方法,由于其能夠有效表征要素周邊的空間組成和結(jié)構(gòu)特征[20],適宜作為量化城市形態(tài)空間格局特征方法使用,目前該方法已被廣泛應(yīng)用于對(duì)城市形態(tài)和土地利用的量化研究中[9-12],并有部分研究結(jié)合景觀格局指數(shù)計(jì)算了與熱環(huán)境有關(guān)的格局指數(shù). 在參考前人研究的基礎(chǔ)上,本研究從類型尺度和景觀尺度2個(gè)層面,選取了4類景觀格局指數(shù)來量化城市形態(tài)的空間格局,計(jì)算過程在Fragstats 4.2軟件中完成. 在類型尺度中,連續(xù)度(CONTIG)度量了某一類型斑塊的平均鄰近程度,斑塊占比(PLAND)度量了某一類型斑塊在景觀中所占的比例,集聚度(AI)則度量了某一類型斑塊的集聚程度;在景觀尺度中,香農(nóng)均勻度指數(shù)(SHEI)度量了整體城市形態(tài)的多樣性和均勻度.

為了量化每一個(gè)柵格位置處周邊的空間格局,并獲取連續(xù)的柵格數(shù)據(jù),用移動(dòng)窗口法進(jìn)行計(jì)算. 其原理是構(gòu)建一個(gè)從左上角開始移動(dòng)的計(jì)算窗口,對(duì)數(shù)據(jù)進(jìn)行依次計(jì)算,計(jì)算結(jié)果以柵格文件的形式輸出,并將其進(jìn)一步矢量化以滿足分析需求. 在本研究中,分別計(jì)算以3到21個(gè)柵格單元(2個(gè)單元為公差)為窗口尺寸的結(jié)果,并采用皮爾遜相關(guān)分析計(jì)算其與城市熱環(huán)境指標(biāo)的關(guān)聯(lián)性,篩選出其中相關(guān)性較強(qiáng)的窗口尺寸作為最終納入到回歸模型中的計(jì)算尺度.

1.3 城市熱環(huán)境表征

本研究所分析的城市熱環(huán)境特指城市地表熱環(huán)境,可以通過遙感影像反演地表溫度(land surface temperature,LST),并計(jì)算城市熱島強(qiáng)度(urban heat island intensity,UHII)對(duì)其進(jìn)行表征. 研究基于大氣校正法(輻射傳輸方程)的原理,通過集成的地表溫度反演插件對(duì)地表溫度進(jìn)行反演. 為了考慮不同季節(jié)的城市熱環(huán)境差異性,春、夏、秋、冬4個(gè)季節(jié)的LST均被納入分析. 本研究將城市熱島強(qiáng)度定義為:柵格地表溫度減去研究范圍內(nèi)所有自然環(huán)境類型柵格的平均地表溫度,其計(jì)算公式為:

UHIIi=LSTi-LSTNature_Average.

(1)

在計(jì)算得到UHII柵格數(shù)據(jù)的基礎(chǔ)上,需要進(jìn)一步將其重采樣至與空間格局指標(biāo)柵格相對(duì)應(yīng)的分辨率,并將其進(jìn)行矢量化處理.

1.4 回歸模型構(gòu)建

為探究城市形態(tài)空間格局與城市熱環(huán)境的關(guān)聯(lián)性,本研究采用了回歸模型進(jìn)行分析,其中包括經(jīng)典線性回歸模型和空間回歸模型. 模型中解釋變量被設(shè)置為景觀格局指數(shù),而因變量則為UHII.

經(jīng)典線性回歸模型是一種最為常見的關(guān)聯(lián)性量化模型,其公式可以表達(dá)為:

y=Xβ+ε,ε～N(0,σ2In),

(2)

式中,y為因變量,X為自變量,β為自變量對(duì)應(yīng)的回歸系數(shù),ε為隨機(jī)誤差項(xiàng).

由于大氣流動(dòng)和熱傳導(dǎo)、對(duì)流、輻射作用,地表溫度在空間上發(fā)生連續(xù)變化[21],在一定尺度內(nèi)的UHII取值不僅取決于其本身的形態(tài)格局,也可能受到周邊環(huán)境要素的影響,此時(shí),需要納入空間回歸模型對(duì)其進(jìn)一步度量. 空間回歸模型包括空間滯后模型(spatial lag model,SLM)和空間誤差模型(spatial error model,SEM)兩類.

空間滯后模型主要針對(duì)變量存在的空間依賴性所產(chǎn)生的影響,它考慮了空間單元的因變量依賴于其周邊空間單元的觀測(cè)值的情況,并通過加入因變量的空間自相關(guān)設(shè)置來解決這一問題,其公式可以表達(dá)為:

y=ρWy+Xβ+ε,ε～N(0,σ2In),

(3)

式中,W為空間權(quán)重矩陣,ρ為空間滯后回歸系數(shù).

空間誤差模型則主要針對(duì)隨機(jī)誤差項(xiàng)存在的空間依賴性所產(chǎn)生的影響,它考慮了模型中存在的不可觀測(cè)變量的影響,并通過加入隨機(jī)誤差項(xiàng)的空間自相關(guān)設(shè)置來解決這一問題,其公式可以表達(dá)為:

y=Xβ+μ,μ=λWμ+ε,ε～N(0,σ2In),

(4)

式中,λ為空間誤差回歸系數(shù).

具體的計(jì)算過程在GeoDa 1.6中完成. 首先以Queen鄰接方式構(gòu)建空間權(quán)重矩陣,并對(duì)經(jīng)典線性回歸模型的殘差進(jìn)行空間自相關(guān)統(tǒng)計(jì),當(dāng)統(tǒng)計(jì)量顯著時(shí),說明可能存在空間依賴性,則考慮空間回歸模型. 在保證顯著性的前提下,比對(duì)空間滯后模型和空間誤差模型對(duì)應(yīng)的拉格朗日倍數(shù)值(lagrange multiplier,LM). 若兩者均顯著,則進(jìn)一步比較穩(wěn)健的拉格朗日倍數(shù)值(robust lagrange multiplier,R-LM),選擇其中數(shù)值較大的作為最終分析的模型.

1.5 城市形態(tài)格局聚類分區(qū)

為了使得研究結(jié)果更具備規(guī)劃層面的可操作性,在用回歸模型分析得到城市形態(tài)空間格局指標(biāo)與城市熱環(huán)境關(guān)聯(lián)性的基礎(chǔ)上,研究進(jìn)一步從城市層面以空間格局指標(biāo)特征為依據(jù)進(jìn)行聚類分區(qū),并針對(duì)每一類分區(qū)類型描述其LCZ類型組成和UHII特征,以此為城市規(guī)劃設(shè)計(jì)提供參照.

為此,研究采用了K-Means算法進(jìn)行聚類分析,這是一種常見的無監(jiān)督聚類算法,具有操作簡(jiǎn)單、效率較高、聚類效果較優(yōu)且模型可解釋性較強(qiáng)的優(yōu)勢(shì),適合用于本研究中大規(guī)模數(shù)據(jù)集的挖掘. 具體的分析操作在GeoDa 1.6中完成.

2 案例研究

2.1 研究案例

本研究選擇南京市主城區(qū)及其周邊區(qū)域作為研究案例. 南京市是江蘇省的省會(huì),也是長(zhǎng)江中下游流域的重要城市之一. 其經(jīng)歷了快速的城鎮(zhèn)化過程,城市形態(tài)豐富而復(fù)雜,是中國(guó)典型的高密度城市. 從氣候條件上看,南京市四季分明,雨水充沛,春秋季短,夏冬季長(zhǎng),平均氣溫為2.7 ℃(1月)～28.1 ℃(7月),亞熱帶季風(fēng)氣候特征顯著,在一定程度上能夠代表夏熱冬冷地區(qū)城市的普遍情況.

具體的研究范圍是以南京市政府為中心、外擴(kuò)24 km的方形區(qū)域,涵蓋了南京市主城區(qū)及其周邊的自然環(huán)境. 考慮到在采用移動(dòng)窗口法計(jì)算景觀格局指數(shù)時(shí),邊界區(qū)域無法被有效計(jì)算,故以中心外擴(kuò)30 km作為緩沖范圍(圖2).

圖2 研究案例范圍Fig.2 Range of study case

2.2 數(shù)據(jù)來源

本研究所采用的數(shù)據(jù)源于分辨率為30 m的Landsat 8衛(wèi)星遙感影像,這是一種最常見的數(shù)據(jù)源,具有分辨率適中、覆蓋時(shí)間范圍廣和獲取、分類、反演難度小的優(yōu)勢(shì). 相關(guān)文件可以從地理空間數(shù)據(jù)云網(wǎng)站中下載(http://www.gscloud.cn/). 其中,包括了4幅采集總間隔不超過1年、季節(jié)特征顯著的遙感影像,采集時(shí)間均為上午10時(shí),天氣均為晴,且云量小于10%. 在本研究中,將采用春、夏、秋、冬4個(gè)季節(jié)的遙感影像分別對(duì)城市熱環(huán)境進(jìn)行表征;同時(shí)考慮到夏季植被特征較為顯著,對(duì)形態(tài)的區(qū)分效果較好,故以該時(shí)段的影像數(shù)據(jù)作為輸入來源以生成城市形態(tài)模型.

2.3 南京市城市形態(tài)模型

本研究采用1.1節(jié)中的LCZ框架構(gòu)建南京市城市形態(tài)模型. 首先,在SAGA GIS中對(duì)遙感影像波段進(jìn)行預(yù)處理,將其重采樣至適用于夏熱冬冷地區(qū)高密度城市分類的300 m × 300 m柵格分辨率[22]. 然后,在Google Earth中基于LCZ框架構(gòu)建訓(xùn)練樣本(采樣日期:2019-07-21,訓(xùn)練樣本數(shù)量:1 865個(gè)). 值得注意的是,考慮南京市實(shí)際情況,在LCZ的17種類型基礎(chǔ)上對(duì)其合并處理,最終保留了8種形態(tài)類型:建成環(huán)境類型4種,分別是LCZ 1(高層建筑)、LCZ 2(中層建筑)、LCZ 3(低層建筑)和LCZ 8(低層大體量建筑);自然環(huán)境類型4種,分別是LCZ A(樹林)、LCZ D(灌木農(nóng)田)、LCZ E(空地)和LCZ G(水體). 在樣本構(gòu)建后,研究通過機(jī)器學(xué)習(xí)對(duì)遙感影像進(jìn)行分類,并將識(shí)別結(jié)果載入Google Earth中進(jìn)行驗(yàn)證,重新訓(xùn)練了差異較大的區(qū)域. 最后,采用總體精度(overall accuracy,OA)和Kappa系數(shù)對(duì)模型分類質(zhì)量進(jìn)行檢測(cè). 結(jié)果顯示,模型OA值為89.5%,Kappa值為0.861,具有較高分類精度,故將基于該分類結(jié)果開展分析.

圖3 南京市LCZ類型地圖Fig.3 LCZ map of Nanjing

圖3展示了生成的城市形態(tài)模型柵格圖像及在研究范圍中各LCZ類型的數(shù)量. 其中,自然環(huán)境類型占比較大,并以LCZ A和LCZ D為主;而在建成環(huán)境類型中,4種類型數(shù)量分布較為均勻,LCZ 2和LCZ 8所占比例較高.

2.4 空間格局指標(biāo)計(jì)算結(jié)果

在生成300 m × 300 m分辨率的城市形態(tài)模型柵格圖像的基礎(chǔ)上,本研究以900～6 300 m(600 m為公差)等10個(gè)參數(shù)為計(jì)算窗口尺寸,計(jì)算了類型與景觀尺度下的4類250個(gè)景觀格局指數(shù),生成的柵格分辨率同樣為300 m × 300 m. 同時(shí)將UHII數(shù)據(jù)也重采樣至相同分辨率以進(jìn)行匹配,并對(duì)兩者均進(jìn)行矢量化處理. 在此基礎(chǔ)上,進(jìn)一步分析了計(jì)算得到的景觀格局指數(shù)與不同季節(jié)UHII的相關(guān)性,共獲得1 000個(gè)相關(guān)性結(jié)果.

分析不同窗口尺寸下各類指標(biāo)的相關(guān)性絕對(duì)值均值,以選擇合理的窗口尺寸納入回歸模型,其結(jié)果如圖4所示. 可以看出,大部分的指標(biāo)相關(guān)性在900 m或1 500 m時(shí)(即3或5個(gè)柵格單元為窗口尺寸)達(dá)到其最大值,而后趨于下降,說明在該尺度下城市形態(tài)空間格局與熱環(huán)境的關(guān)聯(lián)性最強(qiáng). 盡管部分類型尺度指標(biāo)在1 500 m時(shí)有小幅度的上升,但考慮到景觀尺度中的SHEI指標(biāo)在1 500 m時(shí)下降較快,因此本研究綜合考慮,采用900 m作為空間格局指標(biāo)的窗口尺寸進(jìn)行計(jì)算,即考慮位置本身及其周邊鄰接的8個(gè)單元中城市形態(tài)空間格局對(duì)城市熱環(huán)境的作用(如圖5所示).

圖4 不同空間格局指標(biāo)與UHII的相關(guān)性絕對(duì)值均值Fig.4 Absolute mean value of correlation between different spatial pattern indicators and UHII

圖5 空間格局指標(biāo)計(jì)算窗口單元圖示Fig.5 Illustration of the calculation window unitof spatial pattern indicators

在900 m計(jì)算窗口尺寸下,對(duì)類型尺度的 3類變量進(jìn)行相關(guān)性分析,發(fā)現(xiàn)指標(biāo)之間的相關(guān)系數(shù)大部分均大于0.7,具有較強(qiáng)的相關(guān)性,其他采用景觀格局指數(shù)進(jìn)行計(jì)算的相關(guān)研究結(jié)果也證實(shí)了這一結(jié)論[23]. 因此本研究對(duì)指標(biāo)進(jìn)行了進(jìn)一步的刪減. 由于在類型尺度的3類指標(biāo)中,PLAND與UHII的相關(guān)性最強(qiáng),且在900 m的窗口尺寸下,類型集聚或連續(xù)所產(chǎn)生的分布狀態(tài)的可能性均較少,最終仍會(huì)以斑塊數(shù)量占比作為其主要呈現(xiàn)結(jié)果,即PLAND能集中反映周邊環(huán)境中城市形態(tài)空間格局特征,對(duì)于其他指標(biāo)具有一定的替代性,因此研究?jī)H保留了PLAND和景觀尺度的SHEI作為城市形態(tài)空間格局的量化指標(biāo).

2.5 回歸模型分析

研究首先通過經(jīng)典線性回歸模型計(jì)算了各空間格局指標(biāo)對(duì)城市熱環(huán)境的影響,并采用VIF(方差膨脹因子)檢驗(yàn)變量間存在的多重共線性. 結(jié)果顯示,當(dāng)PLAND_D變量存在時(shí),回歸模型存在多重共線性. 故將其剔除后重新構(gòu)建模型,自變量VIF值均小于2,說明改進(jìn)后模型自變量之間彼此獨(dú)立,不存在顯著的多重共線性.

對(duì)于所構(gòu)建的經(jīng)典線性回歸模型,春、夏、秋、冬4個(gè)季節(jié)模型的解釋系數(shù)R2分別為0.688、0.625、0.445、0.289,其中春、夏季模型擬合優(yōu)度最佳,說明在該季節(jié)中所選的空間格局變量對(duì)UHII具有較高的影響,而在冬季影響則相對(duì)較弱. 在此基礎(chǔ)上,莫蘭指數(shù)(Moran’I)被用于計(jì)算經(jīng)典線性模型中殘差的空間相關(guān)性,在4個(gè)季節(jié)的模型中該指標(biāo)值均大于0.25,說明模型存在空間依賴性,需要引入空間回歸模型對(duì)其關(guān)聯(lián)性進(jìn)行解釋.

為了確定具體空間回歸模型的選擇,研究采用拉格朗日乘數(shù)法(LM和R-LM)對(duì)模型進(jìn)行檢驗(yàn),比較了空間滯后模型和空間誤差模型的檢驗(yàn)統(tǒng)計(jì)量和顯著性. 結(jié)果顯示,兩者LM檢驗(yàn)結(jié)果均高度顯著,而進(jìn)一步比較R-LM值,其中空間滯后模型所對(duì)應(yīng)的R-LM值,在春、夏、秋3個(gè)季節(jié)的模型中均大于空間誤差模型所對(duì)應(yīng)的值,因此最終選擇了空間滯后模型進(jìn)行分析,回歸結(jié)果如表1所示.

從表1中可以對(duì)模型結(jié)果進(jìn)行定量解讀. 在空間滯后模型中,春、夏、秋、冬4個(gè)季節(jié)模型解釋系數(shù)R2分別為0.778、0.727、0.629、0.460,相比于線性回歸模型,分別有0.090、0.102、0.184、0.171的提升,且AIC(赤池信息量準(zhǔn)則)和SC(施瓦茲準(zhǔn)則)相對(duì)更小,說明加入了空間變量后模型能夠具有更好的擬合優(yōu)度,是一種更為科學(xué)合理的解釋模型. 在模型中,空間滯后回歸系數(shù)ρ均顯著且為正值,說明UHII受到了周邊區(qū)域強(qiáng)度明顯的正向影響. 此外通過比較不同季節(jié)的R2可以發(fā)現(xiàn),城市形態(tài)空間格局對(duì)UHII的影響程度依然是春季>夏季>秋季>冬季,這一結(jié)果與經(jīng)典線性回歸模型的結(jié)果相同,說明該規(guī)律較為穩(wěn)定.

表1 回歸模型結(jié)果Table 1 Results of the regression models

進(jìn)一步比較各因變量的標(biāo)準(zhǔn)化回歸系數(shù),PLAND_8的標(biāo)準(zhǔn)化回歸系數(shù)分別為0.088、0.156、0.101、0.029,與UHII在4個(gè)季節(jié)中均呈正相關(guān),且是其余正相關(guān)變量的平均2倍以上,這說明該變量所代表的LCZ 8的數(shù)量占比將會(huì)嚴(yán)重影響城市熱環(huán)境,該類型在周邊環(huán)境中的數(shù)量占比越大,將會(huì)導(dǎo)致越高的UHII. 這是由于LCZ 8具有較高的人為熱排放和不透水表面比例,受其影響將會(huì)造成周邊地表溫度的持續(xù)性升高.

PLAND_3和PLAND_E相對(duì)次之,其標(biāo)準(zhǔn)化回歸系數(shù)分別為0.024、0.065、0.025、-0.015和0.027、0.073、0.049、-0.018,總體呈現(xiàn)出與UHII的正相關(guān)趨勢(shì),但在冬季出現(xiàn)了小幅度的負(fù)相關(guān),說明其代表的LCZ 3和LCZ E在周邊環(huán)境中的數(shù)量占比較大時(shí),對(duì)城市熱環(huán)境也將具有一定的升溫作用. 在這兩類LCZ類型中,均缺少樹木或建筑等地表覆蓋物的遮擋,在日間上午太陽(yáng)直接輻射更容易到達(dá)開闊的地面,地表溫度快速上升,導(dǎo)致其同樣成為熱源,對(duì)城市熱環(huán)境起到升溫作用. 但這一特性在冬季并不顯著,可能是由于太陽(yáng)輻射量與作用時(shí)間共同的減少和太陽(yáng)高度角的降低減緩了這一升溫過程.

PLAND_1和PLAND_2對(duì)城市熱環(huán)境的影響具有顯著的季節(jié)差異性,在春、夏季,其標(biāo)準(zhǔn)化回歸系數(shù)分別為0.002、0.045和0.032、0.088,與UHII呈正相關(guān),對(duì)城市熱環(huán)境體現(xiàn)出明顯的升溫作用,其中PLAND_2的影響程度大于PLAND_3和PLAND_E. 一方面,此兩種指標(biāo)所對(duì)應(yīng)的LCZ 1和LCZ 2具有更高的開發(fā)強(qiáng)度,從而造成更劇烈的城市下墊面熱力特性的改變和人為熱排放的增加,當(dāng)周邊環(huán)境中此類型占比較大時(shí),將會(huì)導(dǎo)致出現(xiàn)明顯熱源而影響城市熱環(huán)境;另一方面,此兩種類型的地表粗糙度也均高于其他形態(tài)類型,對(duì)城市通風(fēng)具有明顯限制作用,密集的城市建筑群將使得建成區(qū)中的風(fēng)速顯著降低,外部冷卻新風(fēng)難以進(jìn)入城市,城市內(nèi)部熱量也不易排出,從而加劇城市熱島效應(yīng). 而在秋、冬兩季,PLAND_1和PLAND_2的標(biāo)準(zhǔn)化回歸系數(shù)分別為-0.039、-0.093和-0.006、-0.073,與UHII呈負(fù)相關(guān). 初步推測(cè)可能由于高聳的街谷形態(tài)阻擋了光線的進(jìn)入,且中高層建筑具有較高的蓄熱能力,從而導(dǎo)致地表溫度上升遲緩,致使其成為城市冷源而對(duì)城市熱環(huán)境起到一定的降溫作用[24],同時(shí)建筑群對(duì)盛行風(fēng)的擾動(dòng)所產(chǎn)生的湍流也在一定程度上改善了局地?zé)岘h(huán)境[25]. 但這種現(xiàn)象將會(huì)是暫時(shí)性的,相關(guān)數(shù)據(jù)[24]表明,隨著時(shí)間推移,中高層建筑最終仍會(huì)成為熱源而非冷島. 由于其內(nèi)部存在的作用機(jī)制較為復(fù)雜,對(duì)其影響機(jī)理還有待進(jìn)一步的探究.

PLAND_A和PLAND_G與UHII均呈負(fù)相關(guān),其標(biāo)準(zhǔn)化回歸系數(shù)分別為-0.060、-0.049、-0.013、-0.107 和-0.281、-0.135、-0.182、-0.210. 上述結(jié)果表明,城市藍(lán)綠空間(LCZ A、LCZ G)在周邊環(huán)境中占比越大,將會(huì)越有利于周邊環(huán)境降溫,這是由于此類型具有較高的吸熱蓄熱能力,對(duì)城市氣候具有重要的調(diào)節(jié)作用,更多相關(guān)研究也提出了相似的觀點(diǎn)[26-27]. 其中PLAND_G的回歸系數(shù)在4個(gè)季節(jié)中均大于PLAND_A,且是后者的平均3倍以上,這說明了LCZ G在周邊環(huán)境中的數(shù)量占比對(duì)城市熱環(huán)境的降溫作用顯著高于LCZ A,是緩解城市熱島效應(yīng)的最主要的支撐.

景觀尺度的變量同樣對(duì)UHII存在一定影響,SHEI代表了移動(dòng)窗口范圍內(nèi)整體城市形態(tài)的多樣性和均勻度,其標(biāo)準(zhǔn)化回歸系數(shù)為0.037、0.036、0.029、0.032,與UHII均呈正相關(guān). 說明在柵格周邊鄰接900 m范圍內(nèi)的城市形態(tài)分布越均勻,其所對(duì)應(yīng)的UHII就越強(qiáng). 這同時(shí)也意味著在一定范圍內(nèi)由單一形態(tài)主導(dǎo)的空間格局將帶來更低的UHII.

圖6 不同分區(qū)類型的空間分布和數(shù)量Fig.6 Spatial distribution and count of different zoning types

2.6 南京市形態(tài)格局分區(qū)類型

研究從關(guān)聯(lián)性的角度出發(fā),采用了K-Means聚類分析算法,以回歸模型中的空間格局指標(biāo)為變量、組內(nèi)平方和為簇個(gè)數(shù)的選擇依據(jù),將研究區(qū)域共劃分為9類分區(qū)類型(圖6).

結(jié)合LCZ類型構(gòu)成和UHII特征,可以看出,由自然環(huán)境主導(dǎo)的分區(qū)類型包括了類型Ⅰ、Ⅲ、Ⅴ、Ⅸ、Ⅶ. 在類型Ⅰ、Ⅴ中LCZ D均占主導(dǎo)地位,不同之處在于類型Ⅰ靠近城市邊緣,具有相對(duì)復(fù)雜的組成結(jié)構(gòu)和周邊環(huán)境；類型Ⅴ則完全由單一類型主導(dǎo),分布在城市遠(yuǎn)郊. 而類型Ⅶ雖也包含了較高比例的LCZ D,但同時(shí)LCZ E比例也較高,由兩者共同主導(dǎo). 比較UHII可以發(fā)現(xiàn),前兩者未形成顯著的熱、冷島,而類型Ⅶ的熱島特性則在春、夏季節(jié)較為明顯,初步認(rèn)為不透水表面比例的相對(duì)上升和缺少植被對(duì)太陽(yáng)輻射的吸收是產(chǎn)生差異的主要原因. 類型Ⅲ主要是由城市遠(yuǎn)郊的樹林(LCZ A)組成,類型Ⅸ以城市中的大型水體(LGZ G)為主,兩者UHII均呈現(xiàn)明顯負(fù)值,是城市中需要進(jìn)行保護(hù)的重要冷源.

由建成環(huán)境主導(dǎo)的分區(qū)類型則包括了類型Ⅱ、Ⅳ、Ⅵ、Ⅷ. 其中,類型Ⅱ主要包括了LCZ 3、LCZ A和LCZ D等,可以將其視作是城市外圍的鄉(xiāng)村及其周邊區(qū)域,其熱島效應(yīng)相對(duì)較弱. 類型Ⅳ主要為L(zhǎng)CZ 8構(gòu)成的城市工廠及其周邊區(qū)域,高強(qiáng)度的人為熱排放和不透水表面比例使其具有最高的UHII. 而類型Ⅵ和類型Ⅷ的組成則較為混合,包括了LCZ 1、LCZ 2、LCZ 8等多種形態(tài)類型. 但不同之處在于,類型Ⅷ位于城市建成區(qū)的中心區(qū)域,以LCZ 2為主,在春、夏季熱島效應(yīng)更強(qiáng);而類型Ⅵ則圍繞城市中心區(qū)呈擴(kuò)散式分布,包括了LCZ 1和LCZ 2等形態(tài),且其自然環(huán)境的格局指標(biāo)較高,熱島效應(yīng)相對(duì)較弱.

針對(duì)上述類型,研究認(rèn)為在未來的城市規(guī)劃中應(yīng)采用差異化的手段進(jìn)行調(diào)控. 對(duì)于分布在城市中心區(qū)域且熱島效應(yīng)顯著的類型Ⅷ和強(qiáng)熱島區(qū)域類型Ⅳ是需要被重點(diǎn)關(guān)注的對(duì)象,應(yīng)采用強(qiáng)有力的針對(duì)性管控方式以調(diào)節(jié)局地微氣候,對(duì)于其他區(qū)域則可采用適應(yīng)性的城市設(shè)計(jì)策略以緩解其熱負(fù)荷. 而對(duì)于主要的冷源類型Ⅲ、Ⅸ,則應(yīng)當(dāng)加以保護(hù),并通過構(gòu)建通風(fēng)廊道等手段將其潔凈新風(fēng)引入到城市內(nèi)部以改善熱環(huán)境.

3 結(jié)論與展望

研究主要得到的結(jié)論如下:(1)空間滯后模型對(duì)于解釋城市形態(tài)空間格局與城市熱環(huán)境的關(guān)聯(lián)性具有較好的解釋效果. 模型中空間滯后回歸系數(shù)ρ均顯著且為正值,說明城市熱島強(qiáng)度(UHII)受到周邊區(qū)域強(qiáng)度的正向影響. (2)比較不同季節(jié)模型R2,城市形態(tài)空間格局對(duì)UHII的影響排序?yàn)榇杭?夏季>秋季>冬季,主要在春、夏兩季城市熱環(huán)境受到城市形態(tài)空間格局的影響較大. (3)所有的建成環(huán)境形態(tài)類型和LCZ E在周邊環(huán)境中的空間格局均會(huì)對(duì)城市熱環(huán)境產(chǎn)生顯著的正向升溫影響,其中LCZ 8的數(shù)量占比的影響程度最大,其次為L(zhǎng)CZ 2、LCZ 3和LCZ E等. 而在自然環(huán)境形態(tài)類型中,LCZ A和LCZ G在周邊環(huán)境中的數(shù)量占比與UHII呈負(fù)相關(guān),多有利于降溫,其中LCZ G具有更強(qiáng)的降溫能力. (4)從整體布局上看,在周邊由單一形態(tài)主導(dǎo)的空間格局將有助于帶來更低的UHII. (5)以空間格局指標(biāo)為依據(jù),可以將研究區(qū)域分為9類具有相似形態(tài)組成結(jié)構(gòu)和周邊環(huán)境特征的分區(qū)類型. 不同分區(qū)的熱環(huán)境屬性存在差異,應(yīng)采取差異化的手段對(duì)其進(jìn)行調(diào)控. 研究結(jié)論證明了城市形態(tài)空間格局與城市熱環(huán)境之間存在緊密的關(guān)聯(lián),對(duì)城市未來可持續(xù)發(fā)展具有一定的參考價(jià)值.

同時(shí),研究也存在一定的不足之處,在未來可以在以下方面展開探索:(1)受到遙感數(shù)據(jù)源的限制,本研究所分析的城市熱環(huán)境僅僅局限于日間上午,而無法體現(xiàn)其單日變化,未來研究可以結(jié)合更高時(shí)間分辨率的數(shù)據(jù)源(如中尺度天氣預(yù)報(bào)模式、高分衛(wèi)星等),以進(jìn)一步提升研究結(jié)果的可信性與穩(wěn)定性. (2)本研究?jī)H分析了城市形態(tài)空間格局與城市熱環(huán)境的關(guān)聯(lián)性,但其作用機(jī)制尚不明細(xì),有待后續(xù)通過建立理想模型深入研究. (3)受到高分影像的限制,本研究的城市形態(tài)模型構(gòu)建僅考慮了夏季的情況,而忽略了部分類型因植被變化所產(chǎn)生的季節(jié)性差異,未來可以對(duì)這一特性開展精細(xì)化的分析. (4)從應(yīng)用層面看,結(jié)論的落地性尚且不足,針對(duì)每種分區(qū)類型有待建構(gòu)可實(shí)施性更強(qiáng)的城市設(shè)計(jì)策略.