城市綠地對周邊熱環境影響遙感研究
——以北京為例

欒慶祖，葉彩華，劉勇洪，李書嚴，高燕虎

北京市氣候中心，北京 100089

城市綠地對周邊熱環境影響遙感研究
——以北京為例

欒慶祖，葉彩華*，劉勇洪，李書嚴，高燕虎

北京市氣候中心，北京 100089

城市綠地是緩解城市熱環境效應問題的主要因素之一，它不僅在宏觀上影響城市區域尺度氣候條件，而且在小區尺度直接影響到周邊的熱環境條件。本文從綠地景觀格局的角度出發，利用遙感技術和地理信息技術，以北京市主城區的城市綠地作為研究對象，以綠地周邊建筑物作為熱環境影響承載體中介，分析了影響建筑熱環境的綠地的主要景觀因子，開展了城市綠地對周邊熱環境的影響范圍、降溫幅度以及綠地景觀參數與降溫幅度的相關關系研究。首先，從TM遙感影像上人工數字化選取了26個城市綠地斑塊，同時提取了其周邊建筑物像元；然后，基于定量遙感理論反演了綠地和建筑物的溫度，并利用GIS工具統計了綠地和建筑的景觀格局信息；最后，基于空間統計分析方法和等溫線周長-溫度曲線變點方法確定了城市綠地對周圍建筑物熱環境的影響范圍，通過相關性分析探討了城市綠地景觀參數與其降溫幅度之間的相關性。研究結果顯示：（1）在100 m空間分辨率的尺度下，北京大部分城市綠地斑塊對周邊100 m范圍內的建筑具有降溫效應；面積在0.5 km2以上的綠地斑塊，對周邊100 m范圍內建筑物具有明顯降溫效應，降溫幅度在0.46～0.83 ℃之間，平均降溫幅度為0.72 ℃；面積在0.5 km2以下的，具有較高植被覆蓋度的綠地斑塊有一定的降溫效應，不具有較高植被覆蓋度的綠地斑塊降溫效應不明顯；（2）綠地斑塊的周長、面積、形狀指數和植被覆蓋度與其周邊建筑物的降溫幅度沒有顯著的相關性。該結果表明，綠地的面積無論多大，其對周邊環境的降溫效應都限制在一定空間范圍內；在布設城市綠地時分散型綠地比集中式大綠地對周邊環境的總體降溫效應更好。研究結果揭示了城市綠地對周邊熱環境影響的空間范圍、降溫幅度以及綠地景觀參數與降溫幅度的相關關系，可為城市規劃建設及環境評價等提供科學參考。

城市綠地；建筑；熱環境；遙感；景觀參數

隨著我國城市化進程的加快，城市下墊面不透水面面積比例的不斷擴大和城市運行所釋放的廢氣廢液等人為熱使城市氣候發生了一系列的變化（Oke，1986；Peng，2005），由此引起的城市熱環境問題已經成為城市發展和規劃過程中必須考慮的重要問題。大量研究表明，城市綠地是緩解城市熱環境效應問題的主要因素（高凱等，2012），合理規劃和增加城市綠地是緩解熱環境問題的有效手段（Akbari等，1990；Jauregui等，1990）。

對城市綠地影響熱環境問題的研究多采用實際觀測的手段，而研究的問題主要集中在城市綠地對熱島效應的減緩作用。如Chang和Lee等研究通過觀測研究城市綠地與周邊環境的氣溫差異、降溫作用以及熱島減緩作用等（Chang和Li，2007；Lee等，2009；李延明等，2004；程承旗等，2004）。近年來遙感技術的發展促進了城市綠地對熱環境影響的研究，武鵬飛、周紅妹等研究運用遙感影像為信息源研究城市綠地對緩解和減弱熱島效應效果及其相互關系等（武鵬飛等，2009；周紅妹等，2008；賈劉強和邱健，2009），表明了遙感技術應用于城市熱環境問題研究具有可行性和高效性。

城市綠地在改善城市熱環境問題的過程中具有明顯的作用，但是目前大多數研究集中在城市綠地對熱島效應的減緩等縱觀問題方面（柯銳鵬和梅志雄，2010；Weng等，2004；Streutker，2003）。少數文獻研究了綠地與周邊環境的相互影響關系，如陳云浩等（陳云浩等，2004）研究了城市綠地對周邊緩沖區范圍內地表溫度的影響，但其薄弱之處在于，綠地周邊緩沖區范圍內的不同地物類型混合比例對自身的熱環境影響程度可能會大于綠地的影響，同時不同地物類型混合比例存在區域間的較大差異，不能準確反映綠地對周邊熱環境的影響。因此，本文以城市綠地周邊單一地物類型——建筑物的頂層溫度作為綠地對周邊熱環境影響的承載體中介對象，從綠地景觀布局的角度來探討綠地對周邊熱環境影響，目的是解決綠地周邊混合地物類型帶來的非均一代表性問題。在方法上，本文利用遙感技術和地理信息技術，研究了城市綠地空間景觀格局與周邊熱環境之間的關系；通過空間統計分析方法和等溫線周長-溫度曲線斜率變點兩種方法明確了城市綠地對周圍建筑物的降溫效應和空間影響范圍。最終結論可用于指導城市綠地規劃建設，同時可為城市綠地建設的定量評價提供技術支撐。

1 數據及方法

1.1 研究區域及數據

研究區域為北京市中心城區6個區，包括東城區、西城區、朝陽區、海淀區、石景山區和豐臺區，空間范圍見圖1。

本文選擇美國陸地資源衛星Landsat TM5（軌道號123/32）遙感影像作為提取城市綠地和地表溫度反演的基礎數據，可見光通道空間分辨率為30 m，熱紅外通道（第6波段）的空間分辨率為120 m，過境時間為2008年8月2日下午2點21分，當天北京市氣象局監測的氣溫最高達到35.5 ℃，高溫條件有利于對比分析研究。基礎測繪數據來自北京市測繪設計研究院2009年1∶2000比例尺行地形圖矢量數據。

1.2 地表溫度反演

Landsat TM數據定標根據美國NASA提供的TM傳感器波段增益參數，采用公式（1）進行不同譜段輻射亮度計算（陳云浩等，2004；Gyanesh等，2004）。正射糾正基于1∶2000地形圖矢量數據和DEM，采用改進的多項式模型進行糾正（欒慶祖等，2007），糾正誤差控制在1個像元以內。

其中L?為地表輻射亮度，α為NASA提供的TM5傳感器每個波段的增益，β為偏置，DN為影像的原始像元值。

地表溫度反演參考Schneider和Mauser（Schneider和Mauser，1996）給出的TM影像溫度反演公式（2）得到：

其中，T為熱力學溫度，K1、K2為定標常數，L?為由公式（1）得到的第6波段熱紅外通道的輻射亮度。

為方便后續計算和統計分析，本文將地表溫度反演后得到的數據空間分辨率重采樣為100 m。

1.3 城市綠地信息提取

圖1 研究區域Fig.1 Research area

在城市內部，城市綠地內部所對應的地表溫度相對較低，綠地周邊的不透水面等地表溫度通常相對較高，由此引起的熱量傳輸使綠地對其周邊熱環境具有明顯改善作用。為準確提取城市綠地的空間信息，本文采取人工數字化的方式獲取多尺度的城市綠地斑塊（最小尺度3×3像元），選取原則是綠地不包含水體或少量水體，以規避水體同時產生的對建筑物的降溫影響。由于綠地斑塊的景觀特征不同，不同綠地對周圍建筑的熱環境影響效應也存在差異。本文參考景觀生態學中景觀參數定義（Liu和Cameron，2001；Hulshoff，1995），選擇城市綠地斑塊面積、周長、形狀指數、植被覆蓋度共四個景觀格局特征參數。其中植被覆蓋度的計算方法采用植被指數法——混合像元等密度模型NDVI植被指數反演法（Strahler，1980），參見公式（3）。

式中，f為植被覆蓋度，NDVI為像元NDVI值，NDVImax為研究區域的最大NDVI值，NDVImin為研究區域最小NDVI值。

1.4 技術路線

本文的研究及數路線分以下四步驟進行研究：

第一步，遙感數據預處理。對原始TM遙感數據進行定標、正射糾正等預處理。

第二步，綠地和建筑物相關信息提取。分別采取人工數字化的方式在經過預處理后的遙感影像上提取綠地及綠地周邊的建筑物斑塊。同時，根據本文2.2和2.3節的方法，反演地表溫度和植被覆蓋度信息。

第三步，統計分析。本步驟包括三部分：（1）將城市綠地斑塊分布格局與城市陸地地標溫度進行空間疊置，對每個城市綠地斑塊對應的溫度進行統計，包括最大值、最小值、均值等；（2）從人工數字化的城市綠地斑塊中獲取各斑塊的面積、周長、形狀指數（周長面積比），并分析其空間特征；（3）對每個綠地斑塊做多尺度緩沖區，分別提取各尺度緩沖區內的建筑物像元并計算建筑物頂層的平均溫度，比較各緩沖區內建筑物頂層的溫度差異，確定綠地斑塊對建筑物的空間影響范圍。

第四步，城市綠地對周邊建筑熱環境影響分析。本文主要從兩個方面研究城市綠地對周邊建筑熱環境的影響：（1）影響距離：分別采用空間統計分析方法和等溫線周長-溫度曲線斜率變點方法（賈劉強，2009）研究城市綠地對周邊建筑熱環境的影響距離；（2）綠地對周邊建筑熱環境影響的最主要景觀參數：用城市綠地斑塊的面積、周長、形狀指數和植被覆蓋度分別與緩沖區范圍建筑物降溫幅度進行相關性分析，定量衡量城市綠地對周圍建筑的熱環境影響效應。

2 結果分析

2.1 地表溫度反演

利用公式（1）和（2），本文反演得到的北京地區的地標溫度分布如圖2所示。北京市主城區的地表溫度范圍在21.86～34.00 ℃之間。高溫主要分布在東南部植被覆蓋較少的工業及居民區域，而低溫則主要分布在西北部的淺山區。

2.2 城市綠地信息提取

本文采取人工數字化的方式獲取多尺度的城市綠地斑塊（最小尺度3×3像元）26塊（參見圖2）。

表1 城市綠地斑塊統計信息Table 1 Statistics of urban green land

圖2 2008年8月2號遙感反演北京地表溫度及數字化綠地分布圖Fig.2 Map of retrieved land surface temperature by remote sensing in 2ndAugust and digital UGLs

統計計算綠地景觀參數信息發現，綠地面積、周長、形狀指數的差異性非常顯著（表1）。其中綠地斑塊面積在0～0.5 km2范圍內的有16個，0.5～1.0km2范圍內的有3個，1.0～2.0 km2范圍內的有3個，2.0～5.0 km2范圍內有2個，5.0～8.0 km2范圍內的有2個，全部綠地面積的平均值為1.12 km2。面積最大的綠地面積達到7.65 km2，而面積最小的綠地斑塊面積僅0.081 km2；同時周長也存在較大的差異，綠地斑塊周長范圍在1.55～20.22 km之間，其中1～2 km范圍內的有5個綠地斑塊，2～5 km范圍內有12個綠地斑塊，5 km以上的有9個；形狀指數范圍分布在0.0026～0.0203之間，其中形狀指數最小的綠地同時也是是面積最大綠地。

從空間上分析發現，溫度最低的5個綠地斑塊位于城市的北部，而5個溫度最高的綠地斑塊則位于城市的南部，即北京市城市綠地的熱環境空間格局表現出南高北低的規律性，與城市整體熱環境空間格局分布一致。

2.3 城市綠地斑塊與內部溫度關系分析

將城市綠地斑塊平均溫度分別與各自斑塊的面積、周長、形狀指數、植被覆蓋度四個景觀參數建立相關分析。

2.3.1 綠地周長與平均溫度的關系

將綠地斑塊的周長與熱環境溫度對比分析，如圖3所示，二者不存在顯著的統計相關性。

2.3.2 綠地面積與平均溫度的關系

圖3 綠地景觀特征參數與內部平均溫度相關性統計分析Fig.3 Correlation of average temperature with landscape parameters of green land

總體上城市綠地斑塊對應的平均溫度與斑塊面積的相關性非常弱。但對面積在0.26～1.03 km2范圍內的城市綠地斑塊分析顯示，隨著城市綠地斑塊面積的增大，溫度有逐漸降低趨勢，但降低的幅度是非均勻的。當綠地斑塊面積在0.08～0.22 km2之間時，面積溫度曲線并不具備規律性。

2.3.3 綠地形狀指數與平均溫度的關系

根據Wiens等（Wiens等，1993）的研究成果，形狀指數是反映斑塊形狀的重要參數，其值越大，表面形狀越復雜，綠地斑塊內部的能量、物質及信息越容易與周圍環境交流，因此我們選擇形狀指數與綠地斑塊溫度進行相關分析。其中最小形狀指數值為0.0026，所對應的溫度為26.9 ℃，最大形狀指數值為0.0203，對應溫度升高到28.1 ℃，但從總體上看（見圖3），二者的相關性很弱，不形成明顯的趨勢。

2.3.4 綠地斑塊植被覆蓋度與內部平均溫度的關系

城市綠地的平均溫度隨著植被覆蓋度的增大而減小，相關系數達到了-0.50，通過了F檢驗。其中植被覆蓋度最低的四惠公園，其覆蓋度為0.58，所對應的溫度最高，為28.1 ℃；望京街道綠地植被覆蓋度最高為0.92，其溫度為25.9 ℃。因此植被覆蓋度與城市熱環境溫度具有一定負相關關系，即植被覆蓋度越高，溫度越低，植被覆蓋度顯著影響降溫效應。

需要指明的是，王雪（王雪，2006）、甘霖（甘霖，2011）等的研究結果顯示城市綠地面積和周長與綠地溫度呈負相關關系，而與形狀指數呈正相關的關系，本文的分析結果與他人研究成果不相一致。其中一個重要原因是樣本選擇的差異，如紫竹院公園綠地區域內包括了少量水面，還有些公園內部存在不透水面、少量建筑等情況，所以公園地表覆蓋的差異性會導致相同面積大小的公園出現熱環境差異。另外一個可能的重要原因是，斑塊內部的地表覆蓋有明顯的差異。例如面積為0.08 km2的玲瓏公園的溫度為26.8 ℃，而面積為0.18 km2的地壇公園溫度為26.6 ℃，與小面積的玲瓏公園溫度相近，在不考慮其他熱源影響的情況下，最主要原因是玲瓏公園的覆蓋度為0.83，植被覆蓋度非常高，而地壇公園的覆蓋度為0.69。

表2 綠地及緩沖區內建筑物溫度統計表Table 2 Statistic of Temperature of Green Land and Buildings in Buffer Area

3 城市綠地斑塊對周邊建筑熱環境影響

為方便采用空間方式定量研究綠地對周邊建筑物的熱環境影響，我們對各個綠地斑塊進行不同距離的緩沖區分析。將綠地斑塊邊界以外分別劃分成0～100 m、100～200 m、200～300 m、300～400 m共4個空間范圍的緩沖區；分別提取緩沖區內的建筑物，與地表溫度分布數據進行空間疊置，得到4個空間緩沖區內熱環境溫度的所有統計值，并將各空間范圍緩沖區內的平均溫度進行統計對比分析，定量衡量城市綠地斑塊對周邊建筑環境的局地效應；最后將綠地影響范圍內的建筑物平均溫度分別與城市綠地的面積、周長、形狀指數和植被覆蓋度進行相關分析

3.1 綠地對周邊建筑物熱環境的影響距離

3.1.1 空間統計分析方法

從理論上分析，城市綠地斑塊內部溫度較周邊建筑等非植被下墊面的溫度低，會對周邊熱環境產生一定的降溫效應。綠地周邊緩沖區內建筑物溫度如果與正常建筑物溫度有明顯降溫差異，則表明該范圍內的建筑受綠地的影響較大。通常情況下的表現形式是：距離城市綠地遠的建筑物溫度比距離綠地近的建筑物溫度高。因此，參考Huang等（Huang等，1987）的研究成果，我們定義：如果相鄰緩沖區的建筑溫度差值≤0.3 ℃，則確定為不受綠地影響的緩沖區；以該緩沖區內建筑物平均溫度為背景值，各緩沖區內建筑物平均溫度與該背景值相減的差值，定義為綠地對周邊建筑物造成的降溫幅度。

基于上述定義，為了明確綠地對周邊建筑的熱環境影響空間距離范圍，分別計算100 m與100～200 m、100～200 m與200～300 m、200～300 m與300～400 m緩沖區范圍內的建筑物平均溫度差值，所有計算結果見表2。

對緩沖區100 m與100～200 m范圍內建筑物溫度差進行比較發現：（1）僅5個公園緩沖區內建筑平均溫度差小于等于0 ℃，而其余21個建筑區域溫度差均大于0 ℃，這5個公園緩沖區分別為日壇公園、地壇公園、田村街道公園、四得公園和景山公園。分析得知，這5個公園受周邊水體、不透水面、綠化植物等影響較強；（2）在所有公園中，降溫幅度最高的為花鄉公園，高達2.37 ℃，主要原因是在花鄉公園100～200 m范圍，分布了大面積的道路和建筑物區域，而這些不透水面的綠化非常少，加上花鄉公園自身的綠化面積高達2.27 km2，故降溫效應最為顯著。因此，可認為這6塊綠地受背景環境影響較大，在后續的分析中將其去除。

利用剩下的綠地作緩沖區建筑物溫度差與綠地面積散點圖（見圖4），結合表2的統計結果，可以發現，（1）遠離綠地斑塊的建筑區域溫度明顯升高，而且隨著距離的增加，這三個緩沖區內建筑物溫度差值也在逐漸降低，即表2中絕大部分（D-C）＜（C-B）＜（B-A），表明隨著距離增加綠地對建筑物的熱環境影響效應在降低。（2）90%以上的200 m與100 m緩沖區內建筑物溫差大于0.3 ℃，只有2個綠地的200 m與100 m緩沖區內建筑物溫差小于0.3 ℃，而90%以上的300 m與200 m緩沖區內建筑物溫差和95%以上的400 m與300 m緩沖區內建筑物溫差小于0.3 ℃。200 m與100 m緩沖區內建筑物溫差小于0.3 ℃的公園分別是看丹郊野公園和紫竹院公園。紫竹院公園的200 m與100 m緩沖區內建筑物溫差為0.28 ℃，接近0.3 ℃；看丹郊野公園的綠地面積為0.5 km2，但其形狀為不規則矩形，形狀指數高達0.0108，并且公園的植被覆蓋度非常低，僅為0.29，相比其它城市綠地，周邊的降溫效應不顯著，溫差為0.16 ℃；（3）面積在0.5 km2以上的綠地斑塊，全部的溫差均大于0.3 ℃，對周邊100 m建筑物具有明顯降溫效應，降溫幅度在0.46～0.83 ℃之間，平均降幅為0.72 ℃；面積在0.5 km2以下的較高覆蓋度綠地斑塊有一定降溫效應，但是低覆蓋度綠地斑塊降溫效應不明顯。

因此，可認為在100 m分辨率的空間尺度下，綠地對周邊建筑物的熱環境影響空間距離為100 m，即綠地斑塊只對0～100 m范圍內建筑物溫度有影響；同時可認為，綠地周邊100～200 m緩沖區內建筑物溫度不受綠地影響，即可以作為背景溫度；進一步，200 m與100 m緩沖區內建筑物溫差值即是綠地對100 m范圍內建筑物的影響的降溫幅度。

圖4 緩沖區建筑物溫度差與綠地面積相關圖Fig. 4 Relationship between the temperature variation of buildings in buffer area and the area of green land

3.1.2 等溫線周長-溫度曲線斜率變點方法

從理論上分析，城市綠地斑塊在一定程度上會對周邊的環境產生降溫效應，這種降溫效應可以通過城市綠地周圍等溫線的分布、疏密變化等規律來表征，所以可以利用每塊綠地周圍的等溫線來定量衡量綠地對周圍熱環境的影響。賈劉強（賈劉強，2009）利用綠地斑塊周圍等溫線的周長—溫度曲線圖，尋找斜率變點，從而獲取綠地斑塊對外降溫影響范圍及幅度，圖5為利用地表溫度數據提取的圓明園遺址公園間隔0.1 ℃的等溫線。

圖5 圓明園遺址公園等溫線分布Fig. 5 Map of Isotherm with Interval of 0.1℃ around Yuanmingyuan Ruins Park

圖5 以圓明園遺址公園綠地斑塊為例，以0.1 ℃間隔作等溫線，在圓明園遺址公園綠地周圍，由點至面依次分布了21條閉合的等溫線，反映了該綠地斑塊對周邊地表熱環境的影響：隨著等溫線周長的不斷擴大，地表溫度逐漸升高，同時綠地斑塊的對外降溫效應也逐漸減弱，直至周圍地表溫度趨于一致。在上述過程中，綠地斑塊對外降溫影響范圍可以認為是從斑塊邊緣到溫度與周圍溫度開始趨于一致的那跳閉合的等溫線所包圍的區域，而降溫幅度則為該等溫線所在溫度與綠地斑塊內部平級地表溫度之差。

對圓明園遺址公園綠地周圍的21條等溫線的周長與溫度的曲線進行進一步分析（圖6）。用多項式對其擬合，在0.05置信水平上，決定系數R2達到0.9697；并且該曲線存在兩處斜率變點：對應25.9 ℃在綠地邊緣（部分分布在綠地內部），為該綠地對周圍地物熱環境產生影響的起始處；第二處斜率變點對應26.7 ℃等溫線，對應該綠地斑塊降溫影響臨界點，即從該等溫線向外地表溫度變化不再顯著。

從兩斜率變點的位置對應到等溫線分布圖中進行檢驗，曲線反應的降溫范圍與綠地斑塊周邊等溫線分布規律的解釋一致：在圓明園遺址公園綠地斑塊邊緣附近，由于綠地內部溫差急劇變化，形成第一個斜率變點（25.9 ℃等溫線），隨著等溫線周長的增加，地表溫度逐漸升高，直到達到第二個斜率變點（26.7 ℃等溫線），此時地表溫度隨等溫線周長增加而不斷升高的趨勢逐漸消失，可認為此時地表溫度與周圍環境的地物溫度趨于一致，是該綠地降溫的影響范圍的外邊界，所以圓明園遺址公園綠地的降溫幅度為26.7 ℃等溫線與25.9 ℃等溫線之差（0.8 ℃，這與本文緩沖區統計分析的方法得出的0.72 ℃接近），兩條等溫線圍合區域與緩沖區100 m范圍雖然差異較大，但兩條線最小間隔仍在100 m范圍之內，表明綠地影響范圍不超過100 m。

需要指出的是，等溫線周長-溫度曲線斜率變點方法也有其不足之處。當綠地區域下墊面土地利用狀況復雜，或者綠地的形狀復雜時，綠地周邊熱環境受到多因素的影響，綠地周圍的等溫線也會呈現出不規律性，即并不是以綠地為中心由內至外的有規律的閉合等溫線，而是發散外延的復雜曲線。這種情況下，等溫線周長-溫度曲線斜率變點方法便不適用。

3.2 綠地斑塊參數與降溫幅度的相關性

圖6 等溫線周長-溫度曲線變點Fig.6 Slope breakpoints of the Isotherm perimeter-temperature curve

圖7 綠地景觀參數與降溫幅度散點圖Fig.7 Scatter diagrams of landscape parameters of green land and cooling range

綠地對周邊建筑物的熱環境影響空間距離為100 m，因此我們主要分析200 m與100 m緩沖區內建筑物溫差(降溫幅度)與綠地斑塊景觀參數的相關關系，來反映綠地斑塊對周圍建筑熱環境緩解的規律。從散點圖上分析（圖7），綠地斑塊對100 m緩沖區內的建筑物的降溫幅度與綠地面積、周長、形狀指數和植被覆蓋度并沒有明顯的相關關系。賈劉強的研究表明，綠地對周邊降溫幅度受綠地斑塊的植被蓋度、面積、周長和形狀指數的綜合作用，其中綠地面積和周長的影響較顯著，相關系數分別達到了0.76和0.72。由于本文的研究對象是綠地周邊的建筑物，一方面，對某綠地斑塊做緩沖區時，實際上得到的是與該綠地的斑塊形狀相似、范圍向外擴的一個區域，在現實情況中，因為受地形、環境、風向等各種因素的影響，綠地斑塊對外降溫影響區域難以呈現出與綠地自身斑塊相似的形狀；另一方面，建筑物的溫度除了受到周邊環境的影響之外，自身的結構和內部能源消耗散熱才是最主要的熱環境影響因子，而且內部能耗散熱的不確定性非常強。此外，城市綠地樣本數量少也可能是影響結果的一個重要原因。所以，基于緩沖區分析的綠地斑塊影響周邊建筑熱環境的定量方法確定綠地產生的降溫效果存在一定的不確定性，有必要借助其他研究方法適當改進。

4 結論與討論

4.1 結論

城市綠地對周邊熱環境具有一定程度的降溫效應，在城市規劃過程中應該重視綠地的景觀布局，將綠地面積和綠地的植被覆蓋度協同考慮：

（1）綠地斑塊內部平均溫度與斑塊的面積、周長與形狀指數相關性較弱，與植被覆蓋度則有一定負相關關系，相關系數為-0.50，提高植被覆蓋度有利于降低溫度。

（2）在100 m分辨率的空間尺度下，本文研究的大部分綠地斑塊對周邊100 m范圍內的建筑具有降溫效應，當綠地植被覆蓋度較高時影響范圍可能超出100 m。

（3）面積在0.5 km2以上的綠地斑塊，對周邊100 m范圍內的建筑物具有明顯降溫效應，降溫幅度在0.46～0.83 ℃之間，平均降溫幅度為0.72 ℃；但是面積在0.5 km2以下的綠地斑塊只有在具有較高覆蓋度時才表現出一定的降溫效應，低覆蓋度的綠地斑塊降溫效應不明顯。在綠地斑塊的規劃設計中，應使綠地斑塊的面積在0.5 km2以上，同時盡量提高綠地中植被覆蓋率以使綠地斑塊對周邊建筑溫度的影響范圍和程度達到最大化和最優化。

4.2 討論

本文以2008年北京主城區五環路以內的綠地及其周邊建筑為研究對象，探討了綠地對周邊熱環境影響效應的規律，包括綠地斑塊的植被蓋度、面積、周長以及形狀指數等空間特征與綠地內部溫度的關系，以及綠地對周邊熱環境溫度的影響范圍和影響程度。同時，本文基于等溫線周長-溫度曲線斜率變點方法驗證了綠地斑塊緩解周邊建筑熱環境的作用范圍及幅度，與空間統計分析結果基本一致，說明該方法可以輔助定量判定綠地熱環境效應，在綠地形狀和下墊面土地利用并不復雜的情況下，可以更加準確的確定每一個綠地斑塊對周圍熱環境影響范圍及降溫幅度。該方法在一定程度上避免了人為確定統一的緩沖距離帶來的誤差，保障了綠地斑塊對周邊環境溫度影響范圍和降溫幅度數據獲取的獨立性，從而可以提高研究結論的可靠性。

對本文選取的綠地樣本進行統計分析表明，綠地斑塊的周長、面積、形狀指數和植被覆蓋度均與其周邊建筑物的降溫幅度沒有顯著相關性。由于綠地區域下墊面環境復雜或建筑物自身結構和能耗散熱不確定性強，基于緩沖區分析的方法存在一定的不足。

在研究相關問題時，尺度是一個重要的問題。在確定了基準的數據源后，選擇的研究尺度不同，得到的結論往往差異很大。如高凱等（高凱等，2012）采用0.25 m航片數據進行綠地的提取和分析，綠地面積與溫度表現出非常強的相關性，與本文的研究結果差別較大；同時，本文研究結果由于受遙感圖像空間分辨率的限制，諸多結論還比較粗糙，還不能對綠地熱環境效應進行更為精細、準確、定量的分析。此外，不同學者因研究方法不同所取得的結論也將不完全一致。雖然樣本和區域環境的差異是其中的重要原因，但最主要的原因是研究模型不能完全模擬城市綠地產生的各種復雜的變化過程。因此，為檢驗本文研究結論在不同尺度下及不同區域內的適用性，利用更高空間分辨率的遙感熱紅外圖像進行城市綠地熱環境效應的研究，同時對比不同研究方法的結論差異性機理，是今后需要進一步實驗研究的內容和方向。

AKBARI, ROSENFELD, TAHA. 1990. Summer heat islands, urban trees, and white surfaces. Winter meeting of the American Society of Heating[J]. Refrigerating and Air-Conditioning Engineers. 45(19):359-367.

CHANG, LI. 2007. A preliminary study on the local cool-island intensity of Taipei city parks[J]. Landscape and Urban Planning. 80(4):386-395.

GYANESH C, HELDER D L, Markham B L, et al. 2004. Landsat-5 TM reflective band radiometric calibration[J]. IEEE Transactions on Geo-science and Remote Sensing. 42(12):2747-2760.

HUANG Y J, AKBARI H, TAHA H, et al. 1987. The potential of vegetation in reducing summer cooling loads in residential buildings[J]. Journal of climate and Applied Meteorology, 26(9): 1103-1116.

HULSHOFF R M. 1995. Landscape indices describing a Dutch landscape[J]. Landscape ecology, 10(2): 101-111.

JAUREGUI. 1990. Influence of a large urban park on temperature and convective precipitation in a tropical city[J]. Energy and Buildings. 15(3-4):457-463.

LEE, LEE, JIN, et al. 2009. Effect of an urban park on air temperature differences in a central business district area[J]. Land scape and Ecological Engineering. 5(2):183-191.

LIU A J, CAMERON G N. 2001. Analysis of landscape patterns in coastal wetlands of Galveston Bay, Texas (USA)[J]. Landscape Ecology, 16(7): 581-595.

OKE T R. 1986. Urban climatology and its applications with special regard to tropical areas[M]//WMO. World Meteorological Organization, 652:10-12.

PENG S L, ZHOU K, YE Y H, Su J．2005. Research progress in urban heat island[J]. Ecology and Environment, 14(4):574-579．

SCHNEIDER K, MAUSER W. 1996. Processing and accuracy of Landsat Thematic Mapper Data for lake surface temperature measurement[J].International Journal of Remote Sensing, 17(11):2027-2041.

STRAHLER A H. 1980. The use of prior probabilities in maximum likelihood classification of remotely sensed data[J]. Remote Sensing of Environment, 10(2): 135-163.

STREUTKER D R. 2003. Satellite-measured growth of the urban heat island of Houston, Texas[J]. Remote Sensing of Environment. 85(3): 282-289.

WENG Q, LU D, SCHUBRING J. 2004. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies[J]. Remote sensing of Environment, 89(4): 467-483.

WIENS J A, CHR N, VAN H B, et al. 1993. Ecological mechanisms and landscape ecology[J]. Oikos: 369-380.

陳云浩, 李京, 李曉兵. 2004. 城市空間熱環境遙感分析格局過程模擬與影響[M]. 北京: 科學出版社: 26.

程承旗,吳寧,郭仕德,等. 2004. 城市熱島強度與植被覆蓋關系研究的理論技術路線和北京案例分析[J]. 水土保持研究, (3):172-174.

甘霖. 2011. 面向地表熱環境效應改善的北京綠隔規劃策略[D]. 北京:清華大學: 65.

高凱, 秦俊, 胡永紅. 2012. 城市居住區景觀綠化格局改善熱環境變化的遙感監測分析[J]. 生態環境學報, 21(3): 464-469.

賈劉強, 邱健. 2009. 基于遙感的城市綠地斑塊熱環境效應研究——以成都市為例[J]. 中國園林, (12):97-101.

賈劉強. 2009. 城市綠地緩解熱島的空間特征研究[D]. 成都: 西南交通大學: 92-95．

柯銳鵬, 梅志雄. 2010. 城鎮化與綠地退化對城市熱環境影響研究[J].生態環境學報, 19(9): 2023-2030.

李延明, 郭佳, 馮久瑩. 2004. 城市綠色空間及對城市熱島效應的影響[J]. 城市環境與城市生態, 17(1): 1-4.

欒慶祖, 劉慧平, 肖志強. 2007. 遙感影像的正射校正方法比較[J]. 遙感技術與應用, 22(6): 743-747.

王雪. 2006. 城市綠地空間分布及其熱環境效應遙感分析[D]. 北京：北京林業大學: 94.

武鵬飛, 王茂軍, 張學霞. 2009. 基于歸一化建筑指數的北京市城市熱島效應分布特征[J]. 生態環境學報. 18(4): 1325-1331.

周紅妹, 高陽, 葛偉強, 等. 2008. 城市擴展與熱島空間分布變化關系研究——以上海為例[J]. 生態環境. 17(1):163-168.

Effect of urban green land on thermal environment of surroundings based on remote sensing: A case study in Beijing, China

LUAN Qingzu, YE Caihua*, LIU Yonghong, LI Shuyan, GAO Yanhu
Beijing Municipal Climate Center, Beijing 100089, China

Urban green land (UGL) is one of the key factors that mitigate urban thermal environment effect. Not only in macro scale it has influence on urban weather condition, but also in the scale of community, it has direct impact on thermal environment of its surroundings. In this paper, from the view of landscape of UGL, we chose UGL in main urban zone as study target and buildings around them as bearing agent influenced by them. By employing remote sensing (RS) and geographic information system (GIS) technology, we analyzed dominant landscape feature parameters of UGL that impact thermal environment of buildings, and studied how far UGL could affect surrounding thermal environment and correlation between landscape coefficients of UGL and cooling range caused by UGL. First of all, we mapped 26 UGL patches artificially and extracted their neighbor buildings from TM image. Then, we retrieved canopy temperature of UGL and top roof temperature of buildings around UGL based on quantitative remote sensing theory, and computed UGL’s landscape information using GIS tools. Finally, spatial range that UGL affect its neighbor buildings’ thermal environment was inferred through both spatial statistic method and isotherm perimeter-temperature curve breakpoint method, and meanwhile, correlation between UGL’s temperature and its neighbor buildings’ temperature was explored. Studies showed that, at the scale of spatial resolution of 100 m, most UGL patches had a role in cooling effect on their surrounding buildings within 100 m range. All UGL patches over 0.5 km2acted significant cooling effect on buildings near patches within 100 m, and the temperature drop ranged from 0.46 ℃ to 0.83 ℃, with average 0.72 ℃. Also UGL patches below 0.5 km2with high fractional vegetation cover played a cooling role, while UGL patches below 0.5km2 with low fractional vegetation cover had no significant cooling effect. Anymore, UGL patches’ perimeter, area, shape index and fractional vegetation cover had no significant correlation with UGL’s cooling range on their surroundings. The results indicate that, no matter how much the area is, UGL patches have limited spatial influence on their surrounding thermal environment; and dispersive UGL distribution has better cooling effect on surroundings than intensive distribution. Our research reveals the spatial distance and temperature drop range that UGL affected on its surrounding buildings and the correlation between UGL’s landscape indexes and the temperature drop range caused by UGL, which could provide scientific basis for urban plan and environment assessment.

urban green lands; buildings; thermal environment; remote sensing; landscape coefficients

K903；X16

A

1674-5906（2014）02-0252-10

欒慶祖，葉彩華，劉勇洪，李書嚴，高燕虎. 城市綠地對周邊熱環境影響遙感研究——以北京為例[J]. 生態環境學報, 2014, 23(2): 252-261.

LUAN Qingzu, YE Caihua, LIU Yonghong, LI Shuyan, GAO Yanhu. 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.

國家自然科學基金項目（41175015）；氣象行業公益性研究專項（GYHY201106032）

欒慶祖（1981年生），男，工程師，博士研究生，研究方向為生態遙感與大氣遙感。*通訊作者，E-mail: YCH681012@126.com

2013-12-18