高密度建成區湖泊水體的熱緩釋效應及其季相差異
——以廣州市中心城區為例

張棋斐，文雅，吳志峰*，陳穎彪

1. 廣州大學地理科學學院，廣東 廣州 510006；2. 華南農業大學資源環境學院，廣東 廣州 510630

隨著全球城市進程的加快，大量人口涌向城市，截止至2014年，超過54%的世界人口居住在城市地區，而且這一比例預計還將持續上升（United Nations，2014）。隨著城市人口的快速增加，人為熱量的大量排放以及城市內部具有較大熱慣性和熱容量的林地、綠地、濕地等生態用地被人工不透水面（水泥、瀝青）所取代，使得城市內部的能量平衡發生了變化，導致城市熱島效應不斷加?。↙iu et al.，2008；McMichael，2000；Kong et al.，2014；張棋斐等，2017）。相關研究指出，城市熱環境的惡化不僅增加城市能源消耗及碳排放（Flor et al.，2004；Guhathakurta et al.，2007；郭冠華等，2015），而且還嚴重制約人類健康與城市的可持續發展（Dimoudi et al.，2013；Radhi et al.，2013；陳康林等，2017）。因此，如何最大程度地緩解城市熱島效應，改善城市人居環境，成為當前城市生態學領域的研究熱點。

城市內部湖泊水體（主要指城市湖泊、坑塘以及水庫）是城市生態空間的基礎要素之一，也是城市復雜生態系統的重要組成部分（王甫園等，2017）。以往的研究表明，城市內部湖泊水體等水域景觀具有顯著的降溫增濕作用，能夠有效地調節城市小氣候，改善城市熱環境，形成城市熱環境中的“冷島”（Sun et al.，2012a；Theeuwes et al.，2013；岳文澤等，2013；梁保平等，2015）。隨著城市熱島效應的突顯，城市湖泊水體的降溫效應被認為是城市生態環境的重要調節功能，這種生態服務效益受到眾多學者的重視（Gunawardena et al.，2017；Sun et al.，2012b；馮悅怡等，2014；崔麗娟等，2015）。然而，由于城市內部湖泊資源較少，且城市水域景觀一直處于被掠奪開發的狀態，因此如何最大程度的發揮城市水域景觀的熱緩釋功能，提高室內室外環境的熱舒適度，是目前面臨的主要問題之一。

城市湖泊水體能夠有效改善城市熱環境，目前多數研究主要側重于湖泊水體對城市熱島的緩解作用等方面，具體集中在：（1）城市湖泊水體與地表溫度的關系，比較水體溫度與其他典型城市地表參數之間的差異（Hathway et al.，2012；王方等，2016；王敏等，2013），（2）湖泊水體的空間布局（如水體面積，幾何形狀等）對水體降溫強度的影響（Wu et al.，2014；楊永川等，2015；Yang et al.，2015）。然而，相當一部分的研究是基于市域尺度開展的，無法精確把握湖泊熱緩釋效應的降溫強度及影響范圍。此外，湖泊熱緩釋效應的降溫強度及影響范圍，是受湖泊自身空間特征及周邊環境配置等多種因素共同影響的，但目前多數研究著重考慮湖泊自身特征（面積、邊界形狀等），而忽略湖泊周圍景觀配置對其所產生的影響，湖泊熱緩釋效應與周邊環境景觀配置的相互關系，湖泊水體周圍的植被、建設用地對湖泊的降溫強度及降溫范圍影響效應及影響程度均不得而知。此外，以上研究大多只選用某一時刻的地表溫度數據來反映特定時期內湖泊水體的熱環境效應，無法深入了解城市水域景觀熱緩釋效應的季相變異特征及其變異程度。針對上述問題，本研究的目的主要有以下兩個方面：（1）利用定量方法，從降溫強度（ICE）和影響范圍（SCE）兩個角度，測量不同季節下城市核心區域內湖泊水體的熱緩釋效應；（2）分析湖泊水體的自身景觀特征及其周邊景觀配置對湖泊熱緩釋效應的影響及其季相變異。以廣州市中心城區為研究區域，利用夏、秋、冬三期Landsat遙感影像及高分影像數據，結合 3S技術與景觀格局指數方法，定量刻畫不同季相下城市核心區內部水域景觀的降溫強度及影響范圍，尤其針對水域景觀的空間結構特征及其周圍環境配置對水域景觀降溫效應的影響進行深入研究，以期為獲得更大的城市熱環境改善效益，促進城市的可持續發展提供有益的建議。

1 研究地區與數據源

1.1 研究區概況

廣州市(112°57′～114°3′E，22°26′～23°56′N）位于廣東省的中南部，珠江三大支流（東、西和北江）的交匯處，與香港、澳門隔海相望，是廣東省的省會及政治、經濟與文化中心，也是珠三角大都市區的核心城市，具有中國“南大門”之稱。廣州市地處亞熱帶季風氣候，年平均降水量1700 mm，年平均氣溫 22 ℃，地勢呈東北向西南傾斜，東北部為中低山地，南部為平坦的沖積平原，全市面積約7434.40 km2。自20世紀改革開放以來，廣州市經歷了快速城市化和城市擴張，其高密度的建成區、高強度的經濟活動導致嚴重的熱島效應。因此，本文選擇廣州市的中心城區（荔灣區、越秀區、天河區、海珠區、白云區、黃埔區）作為研究對象（圖1），面積大約為1166.37 km2。該地區正面臨著嚴重的城市熱島效應，在該地區探討城市水域景觀的降溫效具有一定的代表性和現實意義。

圖1 研究區位置示意圖Fig. 1 The location of the Guangzhou central urban districts

1.2 數據來源

本研究運用多源遙感數據提取廣州市中心城區湖泊水體、土地利用數據及地表溫度數據（LST）。

為探索城市核心區內部湖泊熱緩釋效應的季相變異特征，選擇3期Landsat遙感數據（行列號：122-44）對地表溫度反演，所采用的數據下載自美國地質勘探局（USGS）網站，產品類型為 L1T，下載時Landsat 5及Landsat 8熱紅外波段已重采樣至30 m。這3期影像分別獲取于2011年6月1日（Landsat 5）、2013年 10月 12日及 12月 31日（Landsat 8），分別代表夏、秋、冬3個季節，衛星過境時間均在10:52左右（北京時間），具體天氣條件如表1所示。由于夏季與秋、冬兩季的地表溫度數據存在兩年的時間差，為避免土地利用及水體邊界變化所造成的影響，分別利用 SPOT-5（行列號：284-303、284-304）及GF-1（行列號：177-744、177-745、133-619）高分影像提取 2011年及 2013年廣州市中心城區內部湖泊水體及湖泊周邊土地利用數據。

表1 Landsat影像獲取日期氣象數據Table 1 Meteorological records on the dates of Landsat data acquisition in Guangzhou

2 研究方法

2.1 水體提取與地表溫度反演

利用適用于高分辨率影像的 Gram-Schmidt Pan Sharpening高保真遙感影像融合方法對高分一號衛星全色波段與多光譜波段進行融合，得到空間分辨率2 m的多光譜影像。在ENVI 5.3遙感數據處理平臺上，采用人工目視解譯的方法提取廣州市中心城區內部湖泊水體，共提取出307個湖泊水體，并在ArcGIS中統計各水體間的距離。此外，利用面向對象分類的方法，對中心城區內土地利用類型進行分類，主要分為林地、建設用地、園林、草地和水體。最后，采用隨機取樣方法（各類型取樣50個）對分類結果進行精度評價，得出整體分類精度和 Kappa系數，分別為81.25%與0.86，因此可認為廣州市中心城區的分類結果是基本正確的（圖2a）。

為保障反演地表溫度的準確性，在反演地表溫度之前，首先對三期Landsat影像進行輻射定標與大氣校正，然后將Landsat影像與高分影像進行幾何精校正，每期影像各選擇 50個以上控制點，運用三次卷積插值法進行重采樣，RMSE誤差均小于0.5個像元。由于Landsat 8-TRIS傳感器的第11波段存在較大的不穩定性，USGS建議把第10波段作為單波段熱紅外數據進行使用（胡菊旸等，2014）。因此，本研究運用Landsat 5-TM數據中的熱紅外波段（band 6）、Landsat 8-TRIS數據中的band 10，結合衛星過境當天的氣象數據，利用覃志豪等（2001）建立的單窗算法反演得出夏、秋、冬三季廣州市中心城區地表溫度（圖2b、c、d）。該算法無需精確的實時大氣剖面數據，僅需計算地表比輻射率、大氣透射率和大氣平均作用溫度3個參數即可進行地表溫度的反演，且精確度較高。計算方法如下：

式中，ts為最終反演得出的地表溫度；a與 b分別為常數，在溫度變化范圍0～70 ℃內，Landsat 5傳感器的a、b常量分別取-67.3553、0.4586，由于Landsat 8與Landsat 5的熱紅外波段波譜范圍不同，因此本研究參照蔣大林等（2015）的研究成果，對Landsat 8的a、b常量進行修正，調整后的取值分別為-63.1885、0.4441；tk為傳感器所探測到的像元輻射亮溫；K1、K2為熱紅外波段的標定常數，Lnadsat 5-TM和Landsat8-TRIS的定標常數分別為K1=60.77、K2=1260.56 K；K1=774.89、K2=1321.08 K；Lλ為輻射亮度；G和O分別為傳感器的增益和偏移量；DN值為熱紅外波段的像元值；ta為大氣平均作用溫度；t0為衛星過境時地面氣溫；ε為地表比輻射率，利用覃志豪等（2004）提出的混合象元分離法，根據植被覆蓋度將地表類型分為水體、城鎮和自然表面 3種類型，在此基礎上計算而來；τ為大氣透射率，在 NASA網站 http://atmcorr.gsfc.nasa.gov/中輸入衛星過境的GMT、地表高程、地表氣壓和相對濕度等信息，推算得出（表1）。

圖2 廣州市中心城區土地覆蓋類型（a）與夏（b）、秋（c）、冬（d）地表溫度Fig. 2 The land cover types (a) and summer (b), autumn (c) and winter (d) land surface temperature in the central districts of Guangzhou

2.2 湖泊熱緩釋強度分析

在 ArcGIS空間分析模塊中，根據水體邊界，以30 m為間隔向外生成30個多級緩沖區，并對每個湖泊水體的緩沖區進行鑒別，剔除面積大于 1 hm2的綠地、水體、建筑陰影等干擾區域，以更科學地刻畫城市湖泊水體對周圍環境溫度的降溫強度。利用Zonal statistics工具統計每個多級緩沖區內平均地表溫度，并繪制出地表溫度變化曲線（圖3）。可以發現，隨著緩沖距離的增加，平均地表溫度顯著升高，但溫度升高的趨勢逐漸減緩，即水體緩釋能力逐漸降低。當溫度曲線達到相對平坦的水平，則表明水體的緩釋效應消失。因此，可以大致認為地表溫度曲線的轉折點即是湖泊對周圍熱環境影響范圍的極限。相應地，湖泊的降溫強度（ICE）可以定義為湖泊內部平均溫度與轉折點緩沖溫度之間的溫差；同理，湖泊的降溫影響范圍（SCE）可定義為水體與轉折點之間的距離。緩沖區內的不同土地利用類型具有不同的地表溫度，如何確定溫度的升高與降低變化是水體的緩釋效應？基于此，本研究統計湖泊水體降溫影響范圍SCE內各環緩沖區植被及建設用地的平均溫度（圖4）。由圖4可以知，距離水體越近，緩沖區內植被或建設用地的地表溫度越低，隨著緩沖距離的增加，植被及建設用地的平均LST逐漸上升，側面證明了越靠近湖泊水體，受熱緩釋作用越強。前一緩沖區內各土地利用類型的地表溫度均低于后一緩沖區相應用地類型的地表溫度，當距離達到影響范圍SCE時，各用地類型的LST逐漸平穩，表明水體的熱緩釋效應逐漸消失。

式中，tp為轉折點處緩沖區溫度；tw為湖泊內部平均溫度。

圖3 廣州市中心城區案例湖泊緩沖區地表溫度變化曲線Fig. 3 Land surface temperature curve of each buffer zone outside the selected water bodiesThe dashed lines represent the distance at turning point

考慮到熱紅外波段的空間分辨率較低，且分別測量307個湖泊的降溫強度（ICE）及降溫影響范圍（SCE）的計算量較大。因此，本研究分別選取7個公園型湖泊，該類湖泊的植被覆蓋率較高，內部存在少量硬質地表，且人流量較大；9個市區坑塘，該類水體的水面面積較小，植被覆蓋率不高，且多單一零散分布；2個水庫，該類水體的面積往往較

大，且周圍生態環境較好；共計 18個湖泊水體，具體空間分布如圖5所示。

2.3 景觀特征計算

圖4 湖泊降溫范圍內緩沖區各土地類型的平均溫度Fig. 4 Average temperature of each land cover in the buffer zone within the SCE

利用ArcGIS與Fragstats工具定量描述城市湖泊的景觀特征，從自身景觀特征和湖泊周圍景觀配置兩個角度，選取面積（S）、形狀指數（LSI）、聚集度指數（AI）、水量（Vw）、湖泊的空間位置（DIST）、湖泊周邊植被比例（Proportion of vegetation area，PV）、湖泊周邊林地面積（Area of woodland，Aw）、湖泊周邊草地面積（Area of grassland，AG）以及湖泊降溫影響范圍內建設用地比例（Proportion of built-up area，PB）共9個指數（如表2所示），分析湖泊景觀的空間結構特征及其周圍環境配置對湖泊熱緩釋效應的影響。

其中，面積（S）反映的是某一湖泊水面面積的大小；在斑塊尺度上計算形狀指數（LSI）及聚集度指數（AI），通過計算水域景觀邊界得到LSI，表征景觀斑塊形狀的復雜程度，理論上，LSI越大，斑塊形狀越不規則；聚集度指數（AI）反映湖泊的聚集程度；水量（Vw）反映的是湖泊水體體積，通過計算湖泊面積與湖泊平均水深求得，定量分析湖泊水量對湖泊熱緩釋強度的影響，各湖泊的平均水深通過實地測量獲取。湖泊的空間位置（DIST）定義為湖泊重心距離廣州市中心城區 CBD珠江新城的歐氏距離。

在湖泊周圍環境配置方面，整體上采用湖泊周邊植被比例（PV）與降溫影響范圍內建設用地比例（PB）兩個指標來衡量湖泊周圍的景觀構成對湖泊熱緩釋效應的影響。通常情況下，湖泊邊界周圍存在一定面積的植被，為衡量湖泊周邊的植被對湖泊熱緩釋強度的影響，本研究將湖泊周邊植被比例（PV）定義為湖泊邊界120 m緩沖區范圍內的植被面積與湖泊面積的比值；在此基礎上，統計湖泊邊界120 m緩沖區范圍內林地（Aw）、草地面積（AG），以量化不同土地利用類型對湖泊熱緩釋強度的影響。PB定義為湖泊的降溫影響范圍（SCE）內建設用地所占的面積比例。

表2 湖泊景觀特征指標選擇Table 2 The indicators of urban lakes landscape characteristics

圖5 18個案例湖泊位置分布圖Fig. 5 The location of selected urban lakes in this study

3 結果與分析

3.1 湖泊水體與地表溫度的空間特征

景觀特征統計結果表明（表 3），廣州市中心城區內部湖泊水體數量達到 307個，總面積約為12.30 km2，面積范圍從0.21～137.45 hm2，平均面積為4.57 hm2，面積差異顯著；水體形狀指數的最大值為 6.15，最小值為 1.06，平均值為 1.71；利用Near工具統計各湖泊水體之間的最短距離，發現各水體間最短距離的平均值為607.53 m，可大致認為各水體之間不會相互影響。

由于獲取衛星過境時刻的地表觀測溫度的難度較高，對地表溫度反演結果進行精度驗證比較困難（馬晉等，2017）。因此，本研究利用廣州市五山氣象站獲取衛星過境時間的地表氣溫與反演地表溫度進行對比（表 1）。對比驗證發現，反演的地表溫度與地表空氣溫度基本吻合，根據本文的研究目的，可大致認為地表溫度反演結果是可信的。從廣州市中心城區夏、秋、冬三期地表溫度分布圖（圖 2b、c、d）可知，不同季相地表溫度變化狀況十分明顯，在夏季、秋季與冬季地表平均溫度分別為38.23 ℃、32.80 ℃和15.75 ℃。在夏、秋兩季，廣州市中心城區的低溫區主要集中于東北部和中部的山區，而地表溫度的高溫區域大多與城市建成區相對應，尤其是廣州市老城區（荔灣、越秀），其內部高密度集中連片分布的建筑景觀，導致城市熱島效應集聚。在冬季，地表溫度的溫差較小，城市熱島效應不明顯，冬季高溫區主要集中于海珠、黃埔兩區；可見廣州市中心區的熱環境格局的季相變異特征十分明顯。

表3 湖泊水體景觀特征指標統計Table 3 Statistics of water bodies spatial pattern

3.2 湖泊水體的熱環境效應

將湖泊分布圖層與三期地表溫度進行疊置分析，統計發現，夏、秋、冬三季湖泊水體對應的平均溫度為 33.26 ℃、30.02 ℃、15.04 ℃，分別比中心城區平均溫度低4.97 ℃、2.78 ℃、0.71 ℃，在夏秋兩季城市內部湖泊水體能夠有效減緩城市地表的升溫幅度，成為城市熱表面中的“冷島”。

為進一步揭示湖泊水體對熱環境的影響，本研究將湖泊內部平均溫度（tw）與湖泊自身景觀特征指標進行Spearman相關性分析（表4），并繪制出湖泊面積（S）、形狀指數（LSI）、聚集度（AI）與水體均溫的擬合散點圖（圖 6）。結果表明，湖泊自身景觀特征指標在夏、秋、冬三季與水體自身溫度均存在顯著相關關系（P＜0.05），并隨著季相變化，相關性呈現減弱態勢。其中，湖泊面積（Area）、形狀指數（LSI）與水體平均溫度的相關系數r明顯高于聚集度指數，一定程度說明湖泊內部溫度主要受面積、邊界形狀的影響。

表4 湖泊自身景觀特征與不同季相湖泊內部溫度的相關性Table 4 Spearman correlation coefficients among urban lakes pattern metrics and internal temperature of lakes in three seasons

從圖6a～圖6c可知，湖泊面積（S）與水體平均溫度夏、秋、冬三季的擬合決定系數 R2分別為0.55、0.53與0.39；根據趨勢線可知，當湖泊面積小于10 hm2時，湖泊內部溫度對面積的變化較為敏感，隨著水體面積的增加，水體內部溫度急劇下降，而當水體面積超過20 hm2，水體內部均溫的變化幅度逐漸減緩。這意味著，當水體面積增加到一定程度時，水體平均溫度不會隨面積的增加而減小，表現出水體熱緩釋的飽和效應。

圖6 湖泊景觀特征與不同季相湖泊內部溫度擬合關系Fig. 6 Relationship between average temperature of urban lakes and independent variables (S: a～c, LSI: d～f, AI: g～i) in three seasonsRed line indicate the fitting curve

從湖泊的空間形態看（圖6d～圖6f），形狀指數與水體平均溫度存在著顯著負相關關系，即水體邊界越復雜，水體內部平均溫度越低，當形狀指數增加到一定程度時，水體平均溫度不會隨著形狀指數的增加而減小。而對于空間聚集度（圖6g～圖6i），二次多項式能夠較好地反映聚集度與水體內部平均溫度tw之間的關系，多個湖泊水體集中分布，各湖泊間的熱緩釋效應相互影響，一定程度上能夠降低各湖泊水體的內部溫度。因此，在湖泊的面積受限制的情況下，適當增加湖泊水體邊界的復雜程度及提高空間布局的合理性，有助于進一步降低湖泊水體自身溫度，形成更強的城市冷島。

3.3 景觀特征對湖泊熱緩釋強度的影響

統計 18個湖泊水體各個緩沖環內的平均地表溫度，結合式（7）計算出每個湖泊對周邊溫度的降溫強度（ICE）及影響范圍（SCE），結果如表 5所示。將ICE及SCE作為因變量，湖泊水體的景觀特征及周邊景觀組分作為自變量，對兩者進行Spearman相關分析（表6）。可以發現，湖泊水體的 ICE、SCE主要與水體面積（S）、水量（Vw）、湖泊周邊植被（PV、Aw、AG）以及形狀指數（LSI）呈顯著正相關（P＜0.05），與建設用地比例（PB）呈顯著負相關（P＜0.05），且夏、秋兩季兩者間的相關系數 r普遍大于冬季。湖泊水體的空間分布（AI、DIST）對降溫強度及影響范圍也有一定的影響，水體分布的聚集度越高、距離市中心越遠（DIST越大），其ICE和SCE越大。在夏、秋、冬三季，湖泊面積（S）、水量（Vw）、湖泊周邊植被比例（PV）及建設用地比例（PB）相關系數r較高，可見湖泊的降溫強度 ICE與影響范圍 SCE主要受自身景觀特征（S、Vw）及湖泊周圍環境配置（PV、PB）共同影響。從土地利用類型來看，林地的r較草地的大，從側面說明了林地對湖泊熱緩釋作用的增強效果強于草地。隨著湖泊水量與水體面積的增大，湖泊的熱存儲能力得到加強，將進一步促進了湖泊與其周邊區域的熱量傳輸；此外，增加湖泊周邊的植被面積及水體邊界的復雜程度，更容易形成較強的局地環流，導致湖泊對周邊熱環境的緩釋能力越強。

圖7a～圖7f所示為湖泊自身景觀特征（S、Vw）與湖泊降溫強度ICE及影響范圍SCE的擬合曲線?？梢园l現，水體面積、水量與ICE、SCE均呈對數相關；隨著水體面積、水量的增大，ICE、SCE的增長趨勢逐漸趨于緩和，當水體面積超過20 hm2、水量超過2000000 m3時，湖泊對周圍熱環境的緩釋效應不再隨水體面積、水量的增大而增強，體現出湖泊熱緩釋效應的飽和趨勢。因此，在對城市湖泊水體進行規劃建設時，應綜合考慮湖泊面積、水量所帶來的冷卻效果，不應盲目增加湖泊水量及水體面積。同時，對于面積、水量均較小的市區坑塘，其降溫強度及影響范圍均較小，從側面證實了湖泊水量、面積過小，將不利于水體緩釋效應的產生。

表5 不同季相下湖泊水體對周邊環境的降溫強度與影響范圍Table 5 Statistics of ICE and SCE of urban lakes in summer, autumnand winter

表6 湖泊景觀特征與不同季相下降溫強度及影響范圍的相關性Table 6 Spearman correlation coefficients among urban lakes pattern metrics and ICE, SCE in summer, autumn and winter

圖7g～圖7i所示為湖泊周邊植被比例PV對湖泊緩釋能力的影響，隨著植被比例 PV的增加，湖泊水體與周邊環境更易形成較強的局地環流，湖泊的ICE與SCE隨之逐漸增大。因此，從降溫收益角度出發，在對城市湖泊水體進行規劃時，應在湖泊周圍留有一定面積的植被，當植被面積大約在湖泊面積的50%左右時，降溫效應獲得最大收益。而當湖泊周邊植被面積過大時（PV＞60%），湖泊周邊植被對湖泊熱緩釋效應的增強作用趨于平緩。

圖7 湖泊景觀特征及湖泊周圍景觀配置與不同季相湖泊降溫強度及影響范圍擬合關系Fig. 7 Relationship between dependent (ICE and SCE) and independent variables (S: a～c, Vw: d～f, PV: g～i, PB: j～l) in three seasonsRed line and blue line indicate the fitting curve

從建設用地比例PB與降溫強度ICE、影響范圍SCE的擬合曲線（圖7j～圖7i）可知，建設用地比例PB與SCE呈現線性負相關關系，隨著建設用地比例的增加，SCE持續降低。就降溫強度ICE而言，建設用地比例與 ICE呈現出非線性關系，尤其在城市熱島效應較為顯著的夏、秋兩季，當建設用地比例PB較低時（PB＜50%），隨著湖泊周圍建設用地比例PB的上升，湖泊周圍環境的地表溫度出現一定升高；然而，當PB超過60%時，ICE開始顯著下降，這可能是由于市區坑塘的 ICE較小而其周邊建設用地比例較高。

4 討論

研究發現，夏、秋、冬三季湖泊水體對應的平均溫度均低于建設用地與植被，形成城市熱環境中的“冷島”，能夠有效地調節城市小氣候，改善城市熱環境。對湖泊內部平均溫度與湖泊景觀特征指標進行回歸分析，發現湖泊面積越大或邊界形狀越復雜，湖泊內部平均溫度越低，湖泊的冷島效應越強。然而，隨著水體面積、形狀指數的增大，湖泊內部溫度的下降趨勢逐漸趨于平緩。這提供了一個新的視角理解城市湖泊的冷島效應，隨著水體面積的增大，湖泊的冷卻效果將達到閾值；對于市區小型坑塘，由于坑塘的面積相對較小，不能形成有效的城市“冷島”。

湖泊的降溫強度 ICE及影響尺度 SCE同時受湖泊自身景觀特征與湖泊周圍環境的影響。隨著水體面積、水量的增加，湖泊的ICE和SCE將達到閾值，湖泊對熱環境的緩釋效應逐漸趨于平穩。因此，在進行城市人工湖規劃時，應綜合考慮湖泊面積、體積與其所能帶來的降溫強度與影響范圍，從降溫效應的收益角度來看，水體的面積及體積分別控制在15 hm2及2000000 m3內較為合理。湖泊邊界復雜程度對湖泊熱緩釋能力也有一定程度的影響，這意味著，在體積、面積一定的情況下，增加湖泊邊界的復雜程度有益于促進湖泊與周圍環境的氣流運動和能量交換，進一步發揮湖泊對周圍熱環境的緩釋作用。此外，本研究發現湖泊水體的空間布局對降溫強度ICE及影響尺度SCE也有一定的影響，水體距離CBD越遠，水體ICE及SCE越大，這主要是由于郊區湖泊水體周圍的生態環境較好，建設用地比例較低，有利于形成更強的緩釋作用，而且城市中心內部水體周圍存在較高的建筑，難以形成有效的城市通風廊道，限制了湖泊降溫效應的發揮。

湖泊水體周圍的景觀配置（PV、PB）對湖泊熱緩釋效應也有一定的影響，其中植被比例 PV的提高，將有效促進了湖泊與其周邊環境的局地環流，而且林地較草地更能有效增加湖泊緩釋效應的強度與影響范圍。然而，過高的建設用地比例將顯著削弱湖泊熱緩釋效應的影響范圍，限制湖泊熱緩釋效應的擴散。因此，為發揮湖泊降溫效應的最大收益，在湖泊自身景觀特征的基礎上還應綜合考慮湖泊周圍的景觀配置。在土地資源緊張的城市中心區，增加湖泊水體的面積、體積的難度往往較大，因此，本研究提供了一個新的角度增強城市湖泊水體的熱緩釋效應，適當地在湖泊周邊布置一定面積的植被，且植被類型最好為林地，植被面積最好為湖泊面積的50%，以達到最優的增強效果。

在夏、秋、冬三季，湖泊的熱環境緩釋效應具有明顯的季相變化，從夏季到冬季，湖泊平均降溫強度ICE從3.73 ℃降至1.51 ℃，平均影響范圍SCE從360 m降至280 m，這可能是由于夏、秋兩季城市核心區內部城市熱島面積較大，熱島效應顯著，湖泊水體的熱緩釋強度較高；隨著季相的轉換，城市核心區內部熱島效應逐漸消失，湖泊的熱緩釋效應趨于不明顯，降溫強度及影響范圍不斷降低，導致湖泊熱緩釋效應與景觀特征之間的相關性逐漸減弱。

廣州地處華南多云多雨地區，難以獲得同年不同季相的光學遙感影像，因此本文使用相鄰年份的夏、秋、冬三季Landsat影像反演地表溫度，具有一定的局限性。而且本研究區域僅局限于廣州市中心城區，難以全面反映不同氣候條件下各類型湖泊水體的熱緩釋效應。此外，今后研究中需要進一步考慮不同影響因子、不同尺度下量化水體的熱緩釋強度，以構建更精細的常年時期的湖泊周邊溫度分布模型。

5 結論

本研究以廣州市中心城區內部湖泊水體為研究對象，初步探討城市核心區湖泊水體的熱環境效應及其季相差異，綜合分析城市湖泊水體的空間結構特征及湖泊周圍景觀配置對湖泊內部及周邊溫度分布情況的影響。研究結果表明，湖泊的熱緩釋強度受自身景觀特性及其湖泊周邊景觀組分的共同影響，因此，在城市人工湖規劃設計時，為發揮降溫效應的最大收益，應綜合考慮湖泊自身景觀特征及其周圍景觀配置，注意湖泊熱緩釋能力的飽和效應，不盲目規劃建設超大規模湖泊，湖泊面積、體積分別控制在 15 hm2及 2000000 m3內較為合理；湖泊周邊的植被類型優先布設林地且植被面積最好達到湖泊面積的50%，以期最大程度地發揮城市水域景觀的熱緩釋功能，提高城市宜居性。