張順敏,黃曉園,劉俊澤,陳 蓉,李 翔

(西南林業(yè)大學(xué) 地理與生態(tài)旅游學(xué)院，昆明 650224)

快速城市化進(jìn)程導(dǎo)致了熱島效應(yīng)的發(fā)生[1]。根據(jù)聯(lián)合國政府間氣候變化專門委員會(IPCC)第六次評估報告顯示,2011—2020年,全球地表溫度比1850—1900年升高了1.1℃,預(yù)計在2021—2040年內(nèi)達(dá)到1.5 ℃[2]。全球氣溫的升高會導(dǎo)致危害多發(fā)并發(fā),其中之一就是城市熱環(huán)境。城市熱環(huán)境所體現(xiàn)的城市熱島效應(yīng)作用于城市,造成了空氣污染嚴(yán)重、疾病發(fā)病率上升和生物多樣性降低等一系列負(fù)面影響,熱環(huán)境正嚴(yán)重影響城市的正常運作和居民的生活質(zhì)量。在此背景下,可持續(xù)發(fā)展理念受到世界各國的認(rèn)同,熱環(huán)境的研究越發(fā)受到全球?qū)W者的關(guān)注[3]。當(dāng)前對熱環(huán)境的研究主要是利用Landsat數(shù)據(jù)來反演地表溫度,如單通道算法[4]、多通道算法[5]、劈窗算法[6]。研究內(nèi)容主要體現(xiàn)在土地利用類型[7-8]、城市空間格局[9]、植被覆蓋度[10]、地理單元劃分[11]、景觀格局[12]、數(shù)值模擬[13]和源匯景觀[14-15]等方面,而在森林景觀方面多采用景觀格局指數(shù)來衡量[16]。研究所涉及的指標(biāo)都是從數(shù)值角度對城市的森林空間布局進(jìn)行量化,反映的是森林整體形態(tài)特征,缺乏對森林內(nèi)部空間格局的考量。運用形態(tài)學(xué)空間格局分析(Morphological Spatial Pattern Analysis,MSPA)研究森林景觀已受到國內(nèi)外學(xué)者的廣泛關(guān)注[17-19]。目前,MSPA主要運用于森林景觀破碎化[20]和構(gòu)建生態(tài)網(wǎng)絡(luò)[21-23]方面。雖然有部分學(xué)者在對熱環(huán)境進(jìn)行研究時有所運用,但主要運用在熱島效應(yīng)的景觀連通性方面[24-25],在森林景觀形態(tài)與熱環(huán)境的研究上極少運用。

大理市作為中國旅游發(fā)展最快的地區(qū)之一,是國家園林城市和中國優(yōu)秀旅游城市,但高強(qiáng)度的人類活動和快速城市化已對區(qū)域生態(tài)環(huán)境產(chǎn)生了巨大的影響,部分地區(qū)生態(tài)系統(tǒng)功能下降,熱環(huán)境問題日漸嚴(yán)重,已成為經(jīng)濟(jì)社會可持續(xù)發(fā)展的瓶頸。隨著《大理市國土空間規(guī)劃(2021—2035年)》的推進(jìn)[26],大理市經(jīng)濟(jì)社會發(fā)展已迎來新的機(jī)會,生態(tài)環(huán)境必將面臨新的挑戰(zhàn)。森林景觀形態(tài)在不同季節(jié)對熱環(huán)境有何差異?區(qū)域森林景觀與熱環(huán)境之間存在怎樣的耦合關(guān)系?是推進(jìn)生態(tài)環(huán)境優(yōu)化亟須解決的迫切問題。針對以上問題,本文基于大理市2006年、2016年遙感數(shù)據(jù)(http://www.gscloud.cn)和森林資源二類調(diào)查數(shù)據(jù)①開展研究:1)利用2006年、2016年遙感影像進(jìn)行地溫反演,并采用MSPA分析森林景觀與熱環(huán)境的相關(guān)性:2)運用普通最小二乘(OLS)和地理加權(quán)回歸(GWR)建立森林景觀形態(tài)與熱環(huán)境的耦合關(guān)系模型。通過本文的研究,以期為緩解大理市熱環(huán)境提供參考依據(jù)。

1 研究區(qū)概況

大理市位于云南省西部,大理白族自治州中部,地處北緯25°25′—25°58′,東經(jīng)99°58′—100°27′之間,市轄九鎮(zhèn)、一鄉(xiāng)、三個街道,面積1 815 km2。市域地形復(fù)雜,地勢西高東低,平均海拔2 090 m。地貌以山地為主,山地占總面積的70.5%;壩區(qū)占總面積的15.8%;洱海水域占總面積的13.7%[27]。屬亞熱帶高原季風(fēng)氣候類型,平均氣溫15.2 ℃。境內(nèi)蒼山是世界緯度帶相同或相近地區(qū)植被垂直帶譜最完整、植被類型最多樣、山地植被保存最自然的山脈之一。大理市森林總面積808.9 km2,森林覆蓋率大于46%①,主要植被類型為針葉林、常綠闊葉林、落葉闊葉林等。

2 研究數(shù)據(jù)和方法

2.1 數(shù)據(jù)來源

本文所涉及的2006年、2016年遙感影像從地理空間數(shù)據(jù)云(http://www.gscloud.cn)獲取,條代號為131/42,分辨率為30 m(表1)。土地利用數(shù)據(jù)來源于兩期森林資源二類調(diào)查數(shù)據(jù)(1)大理市人民政府.大理市省級森林城市建設(shè)總體規(guī)劃(2017—2026年).2017.。在地溫反演之前,對遙感影像進(jìn)行預(yù)處理,包括輻射定標(biāo),大氣校正,影像裁剪等。所有影像及數(shù)據(jù)統(tǒng)一至WGS_1984_UTM_Zone_47N坐標(biāo)系。

表1 研究區(qū)遙感影像數(shù)據(jù)源

2.2 研究方法

2.2.1地表溫度反演

本文基于大氣校正法,其原理是把大氣對衛(wèi)星傳感器的影響從觀測到的熱輻射總量中去除,進(jìn)而通過相應(yīng)公式轉(zhuǎn)換為地表溫度(LST)[28]。首先,利用 Landsat熱紅外波段[TM,ETM(第6波段),TIRS(第10波段)]數(shù)據(jù)進(jìn)行熱紅外波段輻射定標(biāo),將像元灰度值轉(zhuǎn)換為輻射亮度值,并通過歸一化植被指數(shù)(NDVI)以及植被覆蓋度(FVC)進(jìn)行地表比輻射率計算[29];其次,估算出同溫下黑體輻射亮度,根據(jù)普朗克函數(shù)對研究區(qū)LST進(jìn)行反演。參考文獻(xiàn)[30],具體計算公式如式(1)—式(3)所示。

Lχ=KGain×VDN+CBias

(1)

(2)

(3)

式中:Lχ為云頂輻射亮度[W/(m2·sr·μm)];

KGain,CBias和VDN分別為轉(zhuǎn)換函數(shù)的增益系數(shù)、偏移系數(shù)和像元灰度值,由影像自帶的元數(shù)據(jù)中可獲得;Ly為地表輻射亮度[W/(m2·sr·μm)];Lm,Ln分別為上、下行輻射強(qiáng)度[W/(m2·sr·μm)],t為大氣透過率,這3個參數(shù)均可由NASA網(wǎng)站(https://atmcorr.gsfc.nasa.gov/)查詢得到;e為地表發(fā)射率,參考覃志豪等[29]的研究成果計算得出;TS為反演的LST(K);K1,K2均為定標(biāo)常數(shù),對于TM,K1=607.76 W/(m2·sr·μm),K2=1260.56 K;對于ETM,K1=666.09 W/(m2·sr·μm),K2=1282.71 K;對于TIRS,K1=774.89 W/(m2·sr·μm),K2=1321.08 K。為驗證反演結(jié)果的準(zhǔn)確性,將反演平均LST與同期MODIS數(shù)據(jù)得到的LST進(jìn)行對比,結(jié)果顯示,誤差絕對值在2 K以內(nèi)?？芍?反演結(jié)果能夠滿足研究需要,數(shù)據(jù)可用。

2.2.2景觀分類

選取2006年11月17日和2016年11月20日遙感影像,采用監(jiān)督分類法對土地利用類型進(jìn)行分類,將其分為林地、耕地、水域、建設(shè)用地、未利用地等5類(圖1)。為檢驗分類的準(zhǔn)確度,根據(jù)每個土地的比例,隨機(jī)選擇100個點,并參考現(xiàn)有土地利用數(shù)據(jù)和谷歌歷史影像,利用混淆矩陣對分類結(jié)果進(jìn)行精度評價。結(jié)果顯示:兩期土地利用類型總體精度分別為92%和90%;Kappa系數(shù)為88.04%和85.29%(表2),皆大于80%。

圖1 土地利用類型

表2 土地利用精度評價

在土地利用類型基礎(chǔ)上,依據(jù)《云南植被》[31]和我國現(xiàn)行的《土地利用現(xiàn)狀分類標(biāo)準(zhǔn)》[32]中的分類系統(tǒng),結(jié)合兩期森林資源二類調(diào)查數(shù)據(jù)(2)大理市人民政府.大理市省級森林城市建設(shè)總體規(guī)劃(2017—2026年).2017.對林地植被進(jìn)行分類,可將植被類型分為針葉林類和闊葉林類(常綠闊葉林和落葉闊葉林)(圖2、圖3)。

圖2 植被類型

圖3 闊葉林類型

2.2.3MSPA方法分析

MSPA是基于腐蝕、膨脹、開啟、閉合等數(shù)學(xué)形態(tài)學(xué)原理對柵格圖像的空間格局進(jìn)行度量、識別和分割的一種圖像處理方法?；谶吘墝挾群蜕窒袼刂g的連通度,通過將森林斑塊分為核心(Core)、孔隙(Perforation)、孤島(Islet)、橋接(Bridge)、邊緣(Edge)、支線(Branch)、環(huán)島(Loop)等7個景觀類型(表3),實現(xiàn)對景觀碎片量化描述[33]。

表3 景觀類型分類

1)基于大理市兩期土地利用類型矢量數(shù)據(jù),將其轉(zhuǎn)換為30 m柵格數(shù)據(jù)。2)以研究區(qū)的林地作為前景數(shù)據(jù),賦值為2;其它用地類型劃分為非林地,作為背景數(shù)據(jù),賦值為1。生成30 m空間分辨率的森林/非森林二值柵格影像。3)采用MSPA方法,以邊緣寬度為2個像元,且8個相鄰像元連通的結(jié)構(gòu)來表征每個森林像素所屬景觀類型(圖4)。

圖4 2006年、2016年大理市森林空間形態(tài)

2.2.4回歸分析

1)多元線性回歸分析。線性回歸分析是一種預(yù)測性的建模技術(shù),它研究的是因變量和自變量之間的關(guān)系。通過構(gòu)建2006年和2016年的多元線性回歸模型,并運用OLS方法進(jìn)行診斷,以此作為與其它模型比較的基準(zhǔn)。

2)空間自相關(guān)和GWR分析?？臻g自相關(guān)常用的檢驗指標(biāo)有莫蘭指數(shù)(Moran′sI)、鄰接比(Geary′sC)、熱點分析(Getis)、聚合函數(shù)(Join count)等,其中Moran′sI指數(shù)因其普適性而應(yīng)用最為廣泛,Moran′sI指數(shù)值介于-1～1之間,數(shù)值大于0,則說明要素之間存在空間正相關(guān);數(shù)值小于0,則為負(fù)相關(guān);等于0,為不相關(guān)[34]。本文將研究尺度設(shè)定為1km×1km,首先,利用ArcGIS 10.8對8期LST平均值進(jìn)行格網(wǎng)分析;其次,運用Geoda軟件對其進(jìn)行局部空間自相關(guān)分析,局部莫蘭指數(shù)(Local Moran′sI)值分別為0.760,0.766,0.760,0.809,0.746,0.751,0.734,0.759,顯著性水平P<0.05,通過顯著性檢驗。表明大理市LST值在所選尺度下均呈很強(qiáng)的空間正相關(guān)。但顯著的空間自相關(guān)違背了標(biāo)準(zhǔn)非參數(shù)檢驗(如OLS中的相關(guān)檢驗)所要求的樣本間獨立性的基本假設(shè),違反這一假設(shè)會導(dǎo)致對相關(guān)系數(shù)的過高估計,從而增加變量之間沒有關(guān)系的無效假設(shè)的相似度,因此還需采用GWR進(jìn)行分析?；诔喑匦畔?zhǔn)則(AIC)值,選用高斯函數(shù)為權(quán)重函數(shù),以每個像元的LST平均值作為GWR的因變量,各驅(qū)動因子為自變量,進(jìn)行GWR分析。

3 結(jié)果分析

3.1 熱環(huán)境時空變化特征

基于均值—標(biāo)準(zhǔn)差法對LST進(jìn)行分級,分為低溫、次低溫、中溫、次高溫、高溫區(qū)(圖5)。由圖5可知:2006年高溫區(qū)主要集中在上關(guān)鎮(zhèn)、雙廊鎮(zhèn)、挖色鎮(zhèn)、太邑鄉(xiāng)和下關(guān)鎮(zhèn),以人類活動區(qū)域為熱源中心,呈現(xiàn)出明顯的多中心格局。2016年,在經(jīng)濟(jì)快速發(fā)展,企業(yè)數(shù)量急劇上升的背景下,伴隨著建筑面積增加,綠地面積減少,新興工業(yè)區(qū)排放的二氧化碳和熱量增多,高溫區(qū)逐漸向海東鎮(zhèn)和鳳儀鎮(zhèn)擴(kuò)散。低溫區(qū)主要在蒼山地區(qū),該區(qū)域海拔高且垂直落差大,大面積分布生態(tài)林斑塊,林木茂密且人類活動少,較符合城市熱島效應(yīng)的基本特征。

注:“①”上關(guān)鎮(zhèn);“②”雙廊鎮(zhèn);“③”挖色鎮(zhèn);“④”太邑鄉(xiāng);“⑤”下關(guān)鎮(zhèn);“⑥”海東鎮(zhèn);“⑦”鳳儀鎮(zhèn);“⑧”蒼山。

大理市作為一個高原山地城市,地形對溫度起著重要的作用。蒼山地區(qū)由于海拔較其它地區(qū)高,始終為低溫分布區(qū)。2006年、2016年,熱環(huán)境的分布格局存在季節(jié)性差異,高溫區(qū)分布集中于夏季,春季則相對較低。隨著城市化的發(fā)展,在2016年,高溫區(qū)和次高溫區(qū)范圍逐漸擴(kuò)大,這表明隨著人類活動的加強(qiáng),其影響逐漸超過四季本身的氣候影響。

3.2 影響機(jī)制分析

3.2.1不同植被類型的熱環(huán)境特征

從不同植被類型占大理市林地總面積比例來看,大理市林地植被類型以針葉林為主(3)大理市人民政府.大理市省級森林城市建設(shè)總體規(guī)劃(2017—2026年).2017.。2006年:1)針葉林類占區(qū)域總面積的29.23%,占森林總面積的51.64%;闊葉林類占區(qū)域總面積的27.59%,占森林總面積的48.36%。2)在闊葉林中,落葉闊葉林占闊葉林的66.34%,常綠闊葉林占闊葉林的33.66%。2016年:1)針葉林類占區(qū)域總面積的28.45%,占森林總面積的51.44%;闊葉林類占區(qū)域總面積的26.64%,占森林總面積的48.56%。2)在闊葉林中,落葉闊葉林占闊葉林的68.94%,常綠闊葉林占闊葉林的31.06%。林地面積的減少與城市發(fā)展有較大關(guān)系,其中最明顯的為闊葉林類,其落葉闊葉林所占比例增加2.60%,而常綠闊葉林面積則減少,這與落葉闊葉林類多為經(jīng)濟(jì)林有關(guān)①。

按春、夏、秋、冬來進(jìn)行比較,由圖6可知:1)2006年,常綠闊葉林與LST的相關(guān)系數(shù)分別為0.002,-0.21,-0.31,-0.27;2016年的為-0.16,-0.17,-0.23,-0.27。2)2006年,落葉闊葉林與LST的相關(guān)系數(shù)為-0.09,-0.28,-0.17,-0.21;2016年的為-0.02,-0.32,-0.36,-0.25。3)2006年,針葉林與LST的相關(guān)系數(shù)為0.05,-0.07,-0.22,-0.21;2016年的為-0.26,-0.40,-0.38,-0.26。2006年、2016年,整體上各植被類型與LST呈負(fù)相關(guān)關(guān)系,且落葉闊葉林與LST在相關(guān)性上強(qiáng)于常綠闊葉林和針葉林。2016年與2006年相比,整體上植被類型與LST的相關(guān)系數(shù)有所提高,這與城市擴(kuò)張致使森林面積減少有極大關(guān)系。由于植物生長具有季節(jié)性變化,NDVI與LST的相關(guān)性表現(xiàn)為夏季最強(qiáng),冬季最弱。

注:“*”表示P<0.05;“**”表示P<0.01;“***”表示P<0.001。

3.2.2地形因子的熱環(huán)境特征

在地形因子上:1)海拔與LST相關(guān)性最強(qiáng),呈顯著負(fù)相關(guān)。其中,秋季最強(qiáng),兩年相關(guān)系數(shù)皆為-0.72;春季最弱,為-0.43和-0.39。這與太陽輻射和大氣透射率有關(guān)。大理市處于高原山區(qū),海拔高,秋季多為無云期,提高了地面對太陽輻射的吸收。2)由于太陽高度角原因,坡向?qū)囟鹊挠绊懼饕憩F(xiàn)在春季。3)在坡度方面,整體上LST隨坡度升高而遞減,秋季坡度對LST的影響最強(qiáng),春季最弱。這種差異表明,春季坡度對LST的影響并不是一個決定性因素。

3.2.3森林景觀形態(tài)的熱環(huán)境特征

通過格網(wǎng)法將研究尺度設(shè)為1km×1km,每個網(wǎng)格內(nèi)為氣溫平均值和景觀形態(tài)的斑塊面積比例,通過計算得出森林景觀形態(tài)與LST的相關(guān)系數(shù)。2006年、2016年,核心類景觀形態(tài)與溫度LST的關(guān)系最強(qiáng),呈顯著負(fù)相關(guān)關(guān)系,其次為支線類,環(huán)島類相關(guān)性最低。2006年,相關(guān)性強(qiáng)度為核心>支線>邊緣>橋接>孔隙>孤島>環(huán)島;2016年,為核心>支線>邊緣>孔隙>孤島>橋接>環(huán)島。這表明,林地景觀形態(tài)面積占比越大,與LST的相關(guān)程度越高。但隨著城市化的不斷發(fā)展,2016年孔隙、孤島類的相關(guān)性強(qiáng)度強(qiáng)于橋接類,其森林景觀逐漸趨于破碎化。

3.3 LST回歸分析

3.3.1OLS分析

以2006年和2016年各月份的LST為因變量,海拔、坡度、坡向、NDVI、植被類型,以及7類森林景觀形態(tài)為自變量做回歸分析。由于每個自變量的量綱不統(tǒng)一,首先,對各因素值進(jìn)行標(biāo)準(zhǔn)化處理。采用高斯函數(shù)進(jìn)行擬合,運用AIC值確定帶寬,施瓦茲準(zhǔn)則(SC)值確定合適的滯后期長度。利用ArcGIS10.8進(jìn)行OLS分析,得到模型診斷結(jié)果(表4)。在該模型中,調(diào)整后,R2最大值為0.786,最小值為0.445,表示該模型可解釋因變量中78.6%和44.5%的變化,整體上各月份的模型擬合效果較好。且對于LST,自變量NDVI、常綠闊葉林、孤島和支線類與其呈正相關(guān)關(guān)系,NDVI對LST的貢獻(xiàn)度最大,其次為支線類(表5)。

表4 OLS模型診斷結(jié)果

表5 2016年OLS模型變量

3.3.2GWR分析

由于DEM和核心類在進(jìn)行GWR模型分析時,存在共線性問題,因此需剔除該變量。GWR模型診斷結(jié)果(表6)與OLS模型相比,GWR模型的擬合優(yōu)度R2均大于 OLS 模型,且改善明顯。表明:GWR模型對LST變化量的解釋能力以及擬合效果優(yōu)于OLS模型,可以有效地解釋森林景觀形態(tài)對于LST的演變機(jī)制及空間非平穩(wěn)性特征。

表6 GWR模型診斷結(jié)果

通過GWR模型分析可知:植被類型對LST呈現(xiàn)以負(fù)相關(guān)為主且較集中的區(qū)域分布特征;坡度對LST的影響以負(fù)相關(guān)為主,呈現(xiàn)多格局的分布特征;坡向?qū)ST的影響以正相關(guān)為主,呈現(xiàn)中心向四周延伸的分布特征;NDVI對LST的影響以正相關(guān)為主,呈現(xiàn)“中部—東西”格局;在7類景觀形態(tài)中,橋接類、環(huán)島類、孔隙類對LST的影響以負(fù)相關(guān)為主,孤島類、邊緣類、支線類對LST的影響以正相關(guān)為主,均表現(xiàn)為空間多極化分布格局。

4 討論

由于大理市處于高原山地地區(qū),地形的分割作用使熱環(huán)境出現(xiàn)多格局的分布特征,在空間上呈聚集狀態(tài)。這體現(xiàn)了地形對山地城市的重要性[35-36]。因此,要改善城市熱環(huán)境,必須充分利用城市的地形特征。LST則隨土地利用類型變化而變化,建設(shè)用地與熱環(huán)境呈正相關(guān)[7],林地與熱環(huán)境呈顯著負(fù)相關(guān)[11]。以往對于熱環(huán)境的研究主要基于夏季表面溫度以及單一年份的分析[37],對森林景觀與熱環(huán)境的研究通常采用景觀格局指數(shù)[38-39]進(jìn)行相關(guān)性分析,而MSPA主要運用在森林破碎化[20]、生態(tài)網(wǎng)絡(luò)構(gòu)建[21-23]和景觀連通性分析方面[24-25]。本文運用MSPA方法,擬合多因素對熱環(huán)境進(jìn)行綜合影響分析,相比以往利用景觀格局指數(shù)得出的森林景觀類型,該方法更為直觀,所表達(dá)的生態(tài)學(xué)意義更為豐富。但由于本文主要研究自然因素對熱環(huán)境的影響,人文因素方面涉及較少,且LST數(shù)據(jù)主要是基于遙感影像數(shù)據(jù)獲取,容易受到云層和陰影的影響,從而降低了數(shù)據(jù)質(zhì)量。因此,在今后的研究中:首先,可以采用新的高質(zhì)量遙感數(shù)據(jù)來減少數(shù)據(jù)質(zhì)量對研究結(jié)果的影響。其次,在因素選擇中可進(jìn)一步豐富,如增加旅游效應(yīng)、交通通達(dá)度等人文因素的影響,以及具有季節(jié)特征的風(fēng)、濕度等氣象數(shù)據(jù)的研究,使研究結(jié)果更加顯著和準(zhǔn)確。最后,森林景觀對緩解熱環(huán)境呈現(xiàn)出季節(jié)性差異,可加強(qiáng)對現(xiàn)有森林景觀的保護(hù),如:對裸露土地景觀進(jìn)行植樹處理,以減少裸露土地面積;通過合理地配置森林景觀,以緩解熱環(huán)境。

5 結(jié)論

1)基于多時相遙感數(shù)據(jù),采用MSPA、回歸分析、空間分析等相結(jié)合的方法,對大理市森林景觀與熱環(huán)境的耦合關(guān)系進(jìn)行了定量和定性分析,結(jié)果表明:2016年與2006年相比,大理市LST呈上升趨勢,并表現(xiàn)為多極化,即出現(xiàn)低溫區(qū)和高溫區(qū)聚集狀態(tài)。高溫區(qū)主要分布于研究區(qū)北部、西南地區(qū)和洱海周圍,這些區(qū)域多為城鄉(xiāng)居住區(qū)。2016年和2006年相比,建筑面積大量增加,溫度也隨之上升。主要增長點位于海東鎮(zhèn)和鳳儀鎮(zhèn),溫度增幅超過2 ℃。而低溫區(qū)主要分布于蒼山地區(qū),該區(qū)域植被茂密,森林對熱環(huán)境的緩解作用明顯,極大地降低了地表溫度。

2)森林景觀形態(tài)與熱環(huán)境表現(xiàn)出明顯的季節(jié)性差異,不同季節(jié)多重因素綜合影響的強(qiáng)度表現(xiàn)為秋季>夏季>春季>冬季;LST與核心類、孔隙類呈顯著負(fù)相關(guān),與支線、邊緣、孤島、橋接、環(huán)島類均呈顯著正相關(guān)。2006年,相關(guān)性強(qiáng)度為核心>支線>邊緣>橋接>孔隙>孤島>環(huán)島;2016年的為核心>支線>邊緣>孔隙>孤島>橋接>環(huán)島。森林景觀形態(tài)面積占比越大,對溫度的降溫效應(yīng)越明顯。

3)GWR 模型在1km×1km空間尺度上對熱環(huán)境演變影響因素的解釋優(yōu)于OLS模型,各時期調(diào)整后的R2值均大于OLS的,且最大值可達(dá)0.815,表明其能較好地反映森林景觀與地表溫度間的定量關(guān)系。