基于“源-匯”景觀格局的城市熱島效應及影響因素分析——以合肥市為例

邸俊楠,蘇 濤*,雷 波,劉欣蓓,孟 成,徐良泉,王仁義

基于“源-匯”景觀格局的城市熱島效應及影響因素分析——以合肥市為例

邸俊楠1,蘇 濤1*,雷 波2,劉欣蓓1,孟 成1,徐良泉1,王仁義1

(1.安徽理工大學空間信息與測繪工程學院,安徽 淮南 232001；2.中國水利水電科學研究院水利研究所,北京 100048)

選擇城鎮化增速居長三角三省一市第一位的合肥市作為研究區,通過提取植被指數、濕度指數、不透水面指數等地表特征敏感的遙感指數和地表溫度來識別城市熱島的“源-匯”景觀,結合土地利用類型對“源”景觀貢獻度及城市熱島效應進行研究.結果表明:合肥市熱島“源”景觀的升溫影響范圍為150m,“源-匯”景觀格局能有效緩解城市熱島效應,緩解程度由東南至西北呈強至弱的趨勢,廬江縣、巢湖市的緩解效果最好,蜀山區、瑤海區的緩解效果最差;“源-匯”景觀面積的比值、“源”景觀的有效粒徑尺度越小,“源”景觀的標準形狀指數在0～0.35且景觀斑塊越離散,熱島效應的緩解程度越好;對任何地物斑塊而言,熱島效應導致的溫度上升都會削弱“源-匯”景觀格局對熱島效應的抑制效率,增加林地的覆蓋是減輕區域升溫、緩解區域熱島的有效手段之一.

城市熱島；“源-匯”景觀；景觀格局；貢獻度指數；地表溫度；合肥

城市是一個由各種社會-生態現象相互作用而形成的復雜生態系統[1],它隨著社會及經濟進步而不斷地發展擴大.熱島效應是城市發展過程中最為典型的一種城市環境問題,幾乎所有的大城市都存在程度不一的熱島[2].熱島效應對溫度的影響多通過研究土地利用類型進行分析,包括不同類型[3-5]及類型變化[6]對溫度的影響情況,結合人口、氣象等其他因素[7-8]對土地覆蓋與城市熱島之間的關系進行探討等,如Du等[3]研究了不同土地利用類型的地表溫度(Land Surface Temperature,LST)特征,Siliva等[6]評估土地利用類型的變化對城市環境的溫度影響.還有研究借用可以表征地表情況的遙感指數[9-10]對LST的變化進行分析,包括歸一化建筑指數(Normalized Difference Build-up Index,NDBI)、歸一化植被指數(Normalized Difference Vegetation Index,NDVI)、歸一化水體指數(Normalized Difference Water Index,NDWI)、不透水表面(Impervious Surface Area,ISA)等,也有學者通過遙感指數建立新模型評估LST,如Hong等[11]通過NDVI建立地表含水量溫度指數(Surface Water Content Temperature Index,SWCTI)評估LST.

長期研究以來,熱島效應與土地利用類型等地表因子的結合已較為完善[12-14],城市熱島的形成受到城市擴張、景觀變化等多方面因素的影響[15-16],以土地利用類型或遙感指數來研究城市熱島效應無法很好的反映出熱島效應的發生過程.陳利頂等[17]基于大氣污染中的“源-匯”概念,提出了景觀格局與生態過程中的“源-匯”景觀理論,將熱島效應與其發生的過程較好的結合起來.“源-匯”景觀是指在生態格局與過程研究中能夠促進或延緩生態過程發展的景觀類型,“源”指過程的起源,“匯”指過程的消失,是相對某種生態過程而言的概念,因此,辨別“源-匯”景觀類別時,必須和所研究的生態過程相結合[18-19].對于城市熱島而言,“源”景觀指強化城市熱島效應的城市景觀/土地利用類型,“匯”景觀是對于城市熱島有緩解作用的城市景觀/土地利用類型.“源-匯”景觀理論在城市熱島效應的研究中已得到應用,如Zhao等[20],高靜等[21]以土地利用類型為依據,分析城市熱“源-匯”景觀格局對城市熱島的影響;梁洪武等[22]考慮晝夜溫度變化情況,將城市土地利用類型劃分為晝夜熱源、晝匯夜源和晝夜熱匯三類來描述城市熱島情況.

縱觀前人研究,“源-匯”景觀格局與熱島效應的研究結論多基于土地利用類型識別“源”“匯”景觀,對景觀內部的熱特征和相鄰景觀的熱關系有所忽略[23].本研究綜合考慮遙感指數對熱島效應的研究成果,細化“源-匯”景觀格局對熱島的影響研究,探究合肥市土地利用類型的“源”“匯”屬性及各類型內部的“源”“匯”作用.研究通過Landsat 8遙感影像提取NDVI、歸一化濕度指數(Normalized Difference Moisture Index,NDMI)、ISA等多個對地表溫度敏感的遙感指數,結合LST指數識別并分析合肥市城市熱島的“源-匯”景觀,避免單一的遙感指標與地表溫度并不始終存在顯著相關性[24]而產生的信息偏差.然后通過景觀溫度貢獻度、景觀貢獻效率及景觀格局指數,分析合肥市城市熱島狀況及熱島效應的受影響情況,提出緩解熱島的方向.

1 研究區與數據源

1.1 研究區概況

合肥市位于中國華東地區、長江三角洲西端,江淮之間,安徽省中部,地處中緯度地帶,介于北緯30°56￠-32°55￠、東經116°40￠-117°58￠之間.合肥市境內有丘陵崗地、低山殘丘、低洼平原三種地貌,全市海拔多在15～80米之間,平均海拔20～40米.主城區地勢由西北向東南傾斜,崗沖起伏,西南部屬大別山余脈,層巒疊嶂.本研究選取合肥市為研究區,對合肥市整體進行地表溫度的“源-匯”景觀識別,包含4個市轄區、4個縣、1個縣級市,依次為蜀山區、瑤海區、廬陽區、包河區、長豐縣、肥東縣、肥西縣、廬江縣、巢湖市.合肥市區劃情況如圖1所示.

圖1 合肥市區劃情況

1.2 數據來源與預處理

研究數據包括地理空間數據云平臺(http://www. gscloud.cn)提供的Landsat 8遙感影像,條帶號121/38;歐洲空間局(http://www.esa.int)提供的10m分辨率全球土地覆蓋圖;GEE平臺(http://earthengine. google.com)提供的DEM數據及全國省、市、縣界線矢量圖.選取2018年4月10日的合肥市影像數據用于反演NDVI、NDMI、ISA及LST指數,該時相較好的避免了夏季熱島的人為熱排放和氣象條件突變的影響[2].影像數據的預處理包括大氣校正、輻射定標及裁剪.

2 研究方法

2.1 “源-匯”景觀劃分

地表溫度與城市的不透水面、植被、水體等具有較好的相關性[25],本文分別計算LST、NDVI、NDMI、ISA指數的平均值,并將高于平均值的部分標記為H,低于平均值的部分標記為L,固定各指數的順序疊加指數,劃分出16個城市景觀類型[23],依次為HHHH、HHHL、HHLH、HHLL、HLHH、HLHL、HLLL、HLLH、LHHH、LHHL、LHLH、LHLL、LLHH、LLHL、LLLH、LLLL.如景觀類型HHHH,表示LST、NDVI、NDMI、ISA均高于各自均值的景觀.主要計算公式如下[26-29]:

式中:為植被覆蓋度;NDVIsoil和NDVIveg表示研究區裸土和植被的NDVI,一般情況下取最小和最大值代表;不透水面率ISA中的dev表示適用于城市建成區;為地表比輻射率,為植被覆蓋率;(Ts)為黑體輻射亮度,表示大氣在紅外波段的透過率,-表示大氣向上輻射量度,ˉ表示大氣向下輻射亮度;大氣校正法所得到的LST為真實的地表溫度,單位℃.

熱島的溫度效應表現出以熱源斑塊為中心、溫度由內向外遞減的環狀分布[30],采用等距離緩沖區分析法[23]確定“源-匯”景觀,根據Landsat 8影像分辨率設定緩沖區間隔為30m,以景觀邊界向外延伸,做出300m范圍內的緩沖區.設定相鄰兩個緩沖區之間的溫度差在0.2℃以上有顯著升溫/降溫效應,確定該景觀為“源”/“匯”景觀;溫度差低于0.1℃表明互相之間沒有升溫/降溫效應發生.識別出的“源-匯”景觀可以有效分辨出同一土地利用類型在不同區域的溫度貢獻情況,同時可以得到“源-匯”景觀的溫度影響范圍.

2.2 “源”景觀貢獻度及貢獻效率

將“源-匯”景觀與整個研究單元地表溫度的差異和研究區內“源-匯”景觀面積占比的比值作為判斷“源-匯”景觀貢獻度(CI)的標準[21],使用景觀貢獻度比值(LI)來表示“源”景觀與“匯”景觀的景觀貢獻度效率.計算公式[31-32]如下:

式中:T表示第個研究單元內“源”/“匯”景觀的平均地表溫度;mean表示該研究單元內所有景觀的平均地表溫度;S表示該研究單元內“源”/“匯”景觀的面積;表示該研究單元的總面積.

2.3 景觀格局指數計算

城市熱島效應在一定程度上可以理解為“源-匯”景觀空間分布失衡造成的[33-34].本文選擇斑塊密度(PD)、邊緣密度(ED)、有效網絡面積(MESH)及標準形狀指數(NLSI)作為“源”景觀升溫貢獻度的分析因子,主要計算公式如下:

式中:n為類景觀中的斑塊數量;為總景觀面積,m2;e為類斑塊類型的景觀邊緣總長度,m;a為類景觀中第個斑塊的面積;e為類景觀的總邊緣長度;maxe和mine為最大和最小可能的類景觀的總邊緣長度.

2.4 相關性分析

表征地表情況的遙感指數及景觀格局指數非正態分布,選擇Spearman系數[35]對數據間的相關性進行分析,在大樣本的條件下,Spearman可以直接通過函數計算得出相關系數和值.以合肥市最北、最南、最東、最西邊為邊界,繪制10×20的漁網對合肥市的九個轄區進行分割,除去背景的空白區域,對分區從1開始進行編號,共198個樣本區域.分別統計198個分區內“源”景觀的溫度、面積、高程和景觀格局指數,以及不同土地利用類型的溫度、面積和高程,對建筑密集區域成為“源”景觀的情況進行統計.借助IBM SPSS Statistics 26軟件,依次將每組數據分別與CI源、LI進行相關性分析.

3 結果與分析

3.1 研究區“源-匯”景觀識別與分析

3.1.1 “源-匯”景觀識別結果 對16類景觀使用等距離緩沖區分析法,確定為“源”景觀的景觀類型為HLLH與HLHH,其中HLLH有顯著的升溫效應,影響范圍達150m,是主要的“源”景觀;HLHH的影響范圍僅30m,且升溫效應遠低于HLLH,為次要的“源”景觀.確定為“匯”景觀的景觀類型為LLLH、LLHL、LLHH、LHLL、LHLH、LHHL、LHHH、HLHL、HHHH,其中LLLH、LLHH、LHHH有顯著的降溫效應,影響范圍依次是240m、300m、210m,LLHH為降溫效應最好的景觀類別.合肥市的“源-匯”景觀識別結果如圖2所示.“源”景觀的面積約占全市總面積的24%,“匯”景觀約占43%.以巢湖為分界,合肥市西北部分以黑、灰色為主,包括長豐縣、廬陽區、瑤海區、蜀山區、包河區及肥西縣;東南部以白色為主,包括肥東縣、巢湖市和廬江縣;由西北部至東南部呈現“源多匯少”向“源少匯多”變化的趨勢.“源”景觀斑塊面積較大、較集中的區域在行政地圖上顯示為合肥市市中心,人類活動強度較高,該區域以包河區、瑤海區、蜀山區、廬陽區的接壤處為中心,向外擴散,包含長豐縣、肥西縣、肥東縣的部分地區.

圖2 合肥市“源-匯”景觀分布

圖3 合肥市“源”景觀不同緩沖區內的溫度均值

3.1.2 “源-匯”景觀格局對LST的影響 圖3為合肥市“源”景觀在不同緩沖區內的平均溫度,合肥市“源”景觀在90m范圍內,相鄰緩沖區的溫差大于0.2℃,在150m范圍外,相鄰緩沖區的溫差小于0.1℃,即合肥市“源”景觀的影響范圍為150m,其中顯著升溫影響范圍為90m.圖4為合肥市各轄區的“源”景觀在不同緩沖區內的溫度均值.長豐縣、蜀山區的“源”景觀升溫影響范圍為90m, 0～30m范圍內具有顯著升溫效應;廬陽區的“源”景觀升溫影響范圍為210m,是“源”景觀溫度影響范圍最大的轄區,0～90m范圍內具有顯著升溫效應;瑤海區的“源”景觀溫度影響范圍為90m,0～60m范圍內具有顯著升溫效應;肥東縣、巢湖市、廬江縣的“源”景觀溫度影響范圍為150m,0～90m范圍內具有顯著升溫效應;肥西縣的“源”景觀溫度影響范圍為60m,是“源”景觀溫度影響范圍最小的轄區,0～30m范圍內具有顯著升溫效應;包河區的“源”景觀溫度影響范圍為150m,0～60m內具有顯著升溫效應.

圖4 合肥市各轄區“源”景觀不同緩沖區內的溫度均值

3.2 研究區“源-匯”景觀溫度貢獻計算與分析

表1 合肥市各轄區CI、LI計算結果

3.2.1 “源-匯”景觀貢獻度計算結果 為了更直觀看出研究區內的“源-匯”組合能否有效緩解熱島效應,即“匯”景觀能否抑制“源”景觀的升溫效應,在計算LI時,對“匯”景觀的CI值取絕對值,使得LI的值為正數,當LI>1時,視為區域內的“源-匯”景觀組合能緩解熱島效應,即“匯”景觀可以抑制“源”景觀的升溫效應;當LI<1時,視為區域內的“源-匯”景觀組合不能緩解熱島效應;當LI=1時,視為區域內的“源-匯”景觀組合對熱島效應無作用.合肥市及各轄區“源-匯”景觀的貢獻度CI、景觀貢獻度效率LI的計算結果見表1(結果保留三位小數).

3.2.2 “源-匯”景觀貢獻度分析 合肥市及各轄區CI、LI的情況如圖5所示,主縱坐標軸為CI指數,橫坐標上半部分反應“源”景觀的溫度貢獻情況,距離橫軸越遠則升溫貢獻程度越高,下半部分反應“匯”景觀的溫度貢獻情況,距離橫軸越遠則降溫貢獻程度越高;次縱坐標為LI指數的計算結果,橫坐標上半部分的LI>1,表示“源-匯”景觀能緩解熱島效應,LI值越高,緩解的程度越高,橫坐標下半部分的LI<1,LI值越低,緩解的程度越低.

各轄區“匯”景觀的景觀貢獻度CI由高到低依次為:包河區>廬陽區>巢湖市>肥西縣>肥東縣>廬江縣>長豐縣>瑤海區>蜀山區;“源”景觀的景觀貢獻度CI由高到低依次為:包河區>廬陽區>瑤海區>巢湖市>肥西縣>蜀山區>長豐縣>肥東縣>廬江縣,“源-匯”景觀貢獻效率LI由高到低依次為:廬江縣>巢湖市>肥西縣>肥東縣>廬陽區>包河區>長豐縣>瑤海區>蜀山區.其中,僅瑤海區、蜀山區的“源-匯”景觀組合未能有效緩解熱島效應.計算結果表明,合肥市整體“源”景觀的升溫貢獻低于各轄區“源”景觀的平均升溫貢獻,“匯”景觀降溫貢獻高于各轄區“匯”景觀的平均降溫度貢獻.可能的原因是由于合肥市的地勢西北-東南傾斜,在春夏季時,巢湖、黃陂湖等水系作為“匯”景觀,與合肥市城市結構構成東南-西北方向的通風廊道,通風口地區的新鮮空氣和冷風流入合肥市內部,與城市內“源-匯”景觀共同作用,有效的緩解了合肥市的城市熱島效應.

圖5 合肥市各轄區的CI、LI

3.3 研究區“源-匯”景觀格局對CI、LI的影響

3.3.1 “源”景觀與CI、LI的相關性分析 為了進一步探究“源”景觀CI和“源-匯”景觀貢獻效率LI的影響因素,首先對“源”景觀自身情況進行探討.剔除198個分區內不含“源”景觀的9個分區(其中8個分區僅有“匯”景觀,1個分區既不含源景觀也不含匯景觀),將“源”景觀在189個分區內的景觀格局指數(PD、ED、MESH及NLSI)、溫度、面積和高程分別與CI指數和LI指數進行相關性分析.相關性分析的結果如表2所示.

表2 源景觀的景觀格局指數與CI、LI指數的相關性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

影響因子與“源”景觀CI指數按相關性由大到小依次為:MESH>LST>Area>NLSI>PD>DEM,其中CI與MESH、LST和Area呈正相關,與NLSI、PD和DEM呈負相關.影響因子與LI按相關性由大到小依次為:MESH>LST>Area>NLSI>DEM,其中LI與MESH、LST、Area和NLSI呈負相關,與DEM呈正相關.根據相關性計算結果,“源”景觀的MESH、NLSI、LST和Area均與CI、LI具有較強的相關性,“源”景觀的有效網絡面積越大、景觀分布越聚集、溫度越高、面積越大,其對升溫的貢獻程度越大.

a.MESH指數 b.NLSI指數

3.3.2 “源”景觀格局對城市熱島的影響 有效網絡面積指數的增加一定程度上反應了某景觀類型面積在該區域內的景觀比重加大.根據各分區內MESH指數的大小,分析各區域“源-匯”景觀對熱島效應的作用.圖6(a)表示不同MESH值的“源”景觀對熱島效應的緩解情況.MESH數值的跨度較大,且不同區間內均呈現出較大的波動性,整體而言,隨著“源”景觀的景觀比重增加,區域內熱島效應的緩解程度逐漸降低.

標準形狀指數一定程度上反應了某景觀類型面積在該區域內的聚集情況,其值越大,聚集程度越低.與MESH指數一樣,根據各分區NLSI指數的大小分析各區域“源-匯”景觀對熱島效應的作用.圖6(b)表示不同NLSI值的“源”景觀對熱島效應的緩解情況.隨著“源”景觀聚集程度的降低,區域對熱島效應的緩解作用呈先增后降的趨勢,NLSI值在(0,0.35]之間時,LI值表現為較為穩定的上升趨勢,在(0.35,0.7]之間時LI值出現波動,既有緩解城市熱島的區域,也有促進城市熱島的區域,(0.7,1]之間時區域“源-匯”景觀對城市熱島表現為促進作用,且景觀斑塊越離散,促進作用越強.

3.4 研究區土地利用情況對CI、LI的影響

3.4.1 土地利用類型與CI、LI的相關性分析 由于“源”景觀的溫度與面積是構建CI、LI指數的重要因子,為了進一步分析溫度與面積和CI、LI的相關性關系,本研究通過土地利用類型的“源-匯”屬性,探究各類型的溫度、面積對“源”景觀溫度貢獻及熱島效應的影響.歐洲空間局提供的全球土地覆蓋圖將全球土地覆蓋劃分為11個類型,按照該劃分標準,合肥市有8類土地利用類型,分別是:林地、林木;灌叢帶、灌叢草地;草地、草原、草場;耕地、農田;建筑密集區;空地、植被稀少地區;永久性水體;草本濕地.合肥市的“源”景觀由55.2%的耕地、25.8%的建筑密集區、14.7%的空地和4.3%的其他土地利用類型構成(圖7).建筑密集區和空地較易成為“源”景觀,其成為“源”景觀的部分占該類型的77.92%和40.85%;耕地、草地有部分區域成為“源”景觀,分別占該類型的22.28%和27%(圖8).耕地雖為“源”景觀的重要組成部分之一,但合肥市僅有約五分之一的耕地在春季發揮“源”景觀的作用.

土地利用類型的溫度、面積與CI、LI的相關性分析結果如表3、表4所示.不同土地利用類型的溫度與“源”景觀CI指數按相關性由大到小依次為:建筑密集區=灌叢帶>空地>耕地>草地>林地,且均為正相關;不同土地利用類型的溫度與“源-匯”景觀貢獻效率LI按相關性由大到小依次為:建筑密集區=灌叢帶>空地>耕地>草地>林地>永久性水體>草本濕地,且均為負相關.8個土地利用類型與CI源和LI的相關性強弱一致,除水體和草本濕地外,其余土地利用類型的表面溫度越高,“源”景觀的升溫貢獻越大,“源-匯”景觀對熱島效應的抑制程度越低;水體和草本濕地的溫度與CI源呈較弱的負向關系,對“源”景觀的升溫貢獻有一定的抑制作用,但隨著水體和草本濕地的溫度上升,城市對熱島效應的緩解程度也有所降低.

圖7 “源”景觀的土地利用類型構成

不同土地利用類型的面積與“源”景觀CI指數按相關性由大到小依次為:建筑密集區=灌叢帶>空地>草地>永久性水體,且均為正相關;與“源-匯”景觀貢獻效率LI按相關性由大到小依次為:草本濕地>建筑密集區=灌叢帶>林地>永久性水體,LI與建筑密集區和灌叢帶的面積顯著負相關,與草本濕地、林地和水體的面積顯著正相關.建筑密集區和灌叢帶對CI源和LI的相關性一致且較強,其占地面積越大,“源”景觀的升溫貢獻越大,“源-匯”景觀對熱島效應的抑制程度越小.

人類活動頻繁的建筑密集區域的溫度普遍高于其他土地利用類型的溫度[7,36],如何建設人類活動的集中地區是城市發展規劃的重要一環.建筑在規劃中具有更大的靈活性,建筑群的高度、密度等屬性均可進行限制,為進一步探究建筑密集區與城市熱島的關系,將建筑密集區在熱島效應中發揮“源”作用的部分與建筑密集區整體做比值,和建筑密集區的高程分別與CI、LI進行相關性分析(表5).建筑密集區成為“源”景觀的比例與CI顯著正相關,與LI的相關性不顯著;建筑密集區的高程與CI顯著負相關,與LI顯著正相關,建筑物的高程是緩解城市熱島的關鍵因素之一.

表3 各分區土地利用分類的溫度與CI源、LI指數的相關性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

表4 各分區土地利用分類的面積與CI源、LI指數的相關性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

表5 建筑密集區與CI源、LI指數的相關性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

3.4.2 土地利用類型對城市熱島的影響 城市熱島效應的“源-匯”景觀理論研究中,常常將城市的藍綠色景觀視為能夠緩解熱島效應的“匯”景觀,灰色景觀視為能夠促進熱島效應的“源”景觀[17].計算合肥市各土地利用類型的面積時,發現灌叢帶和草本濕地的面積較小,因此,在探究土地利用類型對熱島效應的作用情況時不予討論.

綠色景觀包括林地、草地和耕地,藍色景觀為永久性水體,藍綠色景觀與LI指數的相關性系數均為正數,可以視為“匯”景觀.隨著藍綠色景觀面積的增加,熱島效應的緩解情況愈好;其中林地在緩解熱島效應中的作用最佳,草地、耕地的緩解作用較弱,可能受不同地區的草地及農作物種植密度不一、長勢有別的影響.水體的降溫效果主要受自身屬性影響,面狀水域強于線狀河流,但面狀水域對熱環境的影響隨其與熱島距離的增加而減弱[37-39],合肥市的水體包括巢湖、水庫等面狀水域及流往各地之間的線狀河流,相關性分析表明水體對熱島效應的緩解作用較強,但并非最佳類型.灰色景觀如建筑和空地(包括道路、植被稀少地區等)與LI指數的相關性系數為負數,可以視為“源”景觀.隨著灰色景觀面積的增加,城市熱島效應加劇,“源-匯”景觀格局緩解城市熱島效應的作用減弱.

綜合而言,合肥市的林地和水體是主要的抑制升溫、緩解熱島效應的土地利用類型,建筑用地和空地是主要的促進升溫、加劇熱島效應的土地利用類型.同時,熱島效應造成的城市溫度升高也影響熱島效應的緩解情況,任何地類的升溫均會導致城市景觀格局對熱島效應的緩解作用減弱.

4 討論

4.1 合肥市轄區分析

4.1.1 “源-匯”景觀格局分析 “源”景觀的溫度與MESH、NLSI、PD均具有顯著相關性,其中與MESH顯著正相關,與NLSI、PD負相關,這與吳健生等[27]、陳愛蓮等[40]的研究結果類似.“源-匯”景觀的面積占比同樣影響城市熱島效應的發生,隨著“源”景觀面積占比增加和“匯”景觀面積占比減少,合肥市熱島效應加劇,景觀格局對熱島效應的緩解作用減弱,這與陸曉君等[2]的研究結果類似.圖9為合肥市九個轄區“源”景觀的景觀格局指數,圖10為“源-匯”景觀面積分布情況.合肥市的九個轄區中,廬江縣和巢湖市的“源-匯”景觀格局對熱島效應的緩解程度較高,一是由于其地理位置位于合肥市的東南部,與合肥市中心城區距離較遠,轄區內的景觀類型以“匯”景觀為主,二是“源”景觀面積較少且分布較散,升溫貢獻較弱.而蜀山區、瑤海區對熱島效應的緩解程度較低,其位于合肥市的西北部,瑤海區的建筑較多、較為密集,“源”景觀具有較強的升溫效果;蜀山區建筑多集中于東南部分,即城市通風廊道上風口,“匯”景觀的降溫效果較弱.

圖9 各轄區“源”景觀的景觀格局指數

圖10 各轄區“源-匯”景觀面積分布情況

4.1.2 土地利用類型分析 不同城市中最能緩解城市熱島效應的土地利用類型不同[5,26],本文分析了合肥市6類土地利用類型對溫度的貢獻和對熱島效應的作用情況,建筑密集區和空地的升溫作用較大,水體和林地的降溫效果較好,這與裔傳祥等[5]、Li等[41]的研究結果類似;耕地既有“源”作用的部分,又有“匯”作用的部分,這與葉鈺等[25]、孫宗耀等[26]的研究結果類似.同時,本研究得出熱島效應造成的城市升溫會反作用于城市景觀格局對熱島效應的緩解情況,任何地類的溫度升高均會削弱城市景觀格局對熱島效應的緩解作用.

由圖11可見,合肥市的九個轄區中,廬江縣的“源-匯”景觀對熱島效應的緩解程度最高,其北部與巢湖相鄰,中南部有黃陂湖,轄區內也存在較多水域,建筑區域占比小,林地面積占比大,建筑密集區成為熱島效應的“源”景觀的比例最小,可以看出廬江縣的熱島效應在人類活動密集的區域得到了較好的控制.巢湖市對熱島效應的緩解作用僅次于廬江縣,其水體面積占比第一、林地占比第二,建筑面積占比較小,但可能由于巢湖市的水體主要集中在巢湖,而巢湖靠湖心的水體對地面上源區的溫度抑制作用較弱,同時巢湖大面積的水體表面會繁殖藻類,使水體的溫度升高,影響水體對熱島效應的抑制效果,導致巢湖市“匯”景觀的降溫效應未達到最大.瑤海區、蜀山區的“源-匯”景觀未能有效緩解轄區內的熱島效應,可能是由于瑤海區、蜀山區靠近合肥市的中心,建筑區域十分集中且面積占比較大,升溫貢獻顯著;同時,瑤海區的水體分布較少且零散,降溫貢獻較弱,蜀山區建筑密集區聚集在東南部,建筑密集區內含有的蜀西湖、天鵝湖、南艷湖等小型水域對升溫的抑制作用有限.

4.1.3 綜合規劃分析 合肥市緩解熱島效應最佳的土地利用類型以林地和水體為主,在此基礎上,還需要考慮城市氣象因素[42-43]或城市形態因子[44],如合肥市部分工業區及城區建筑影響通風能力,導致城市風速下降、熱島效應增強[45].以包河區和蜀山區為例,本研究的影像時期為春季,合肥市主風向為東南風,包河區的建筑密集區多分布在西北,巢湖位于包河區的東南部分,新鮮濕冷的季風由東南吹向西北,促進包河區建筑密集區域的空氣循環,緩解該區域的熱島效應;蜀山區的建筑密集區多分布于東南部分,且東南-西北向的新鮮氣流途徑包河區、瑤海區的建筑密集區域,風速減緩、風溫上升,影響蜀山區熱島效應的緩解程度.對于合肥市而言,建筑密集區是城市熱島的主要貢獻因素[16],可以通過改造舊城區預留通風廊道、布置點狀綠地增加降溫貢獻、控制建筑密度促進微風循環等措施,有效形成并加強合肥市自身的“新風系統”,同時需規劃好各地類的建設,如在城市綠化中選擇更合適的植被種類、建筑施工設計中對樓體的高度有所限制等,在降低“源”景觀的升溫貢獻時更有效的發揮“匯”景觀的降溫作用,以達到緩解城市熱島效應的目的.

圖11 各轄區土地利用類別的面積占比

4.2 局限和前景

本文研究了合肥市春季熱島效應的情況,沒有考慮季節變換時城市熱島情況的變化.從“源-匯”景觀格局來看,利用不同地表特性對“源-匯”景觀進行劃分,其閾值的大小選擇對劃分結果有較大影響,選取表征地表特性的各遙感指數在整個研究區內的平均值作為閾值是否適用于其他地區有待進一步探討.影響一個城市熱島效應的因素很復雜,例如降雨量、氣溫日較差、地表蒸散發量等自然因素,同樣對地表溫度具有很大的影響,這類因素無法靠人力進行改變,因此在緩解城市熱島效應時,需要根據城市的具體特點,因地制宜地采取有效手段來構建一個更為合理的景觀格局.

5 結論

5.1 合肥市的“源-匯”景觀格局能有效緩解城市熱島效應,“源”“匯”景觀占全市總面積分別約為24%、43%,對熱島效應的緩解程度由東南至西北遞減,大部分轄區的“源-匯”景觀格局能有效緩解轄區內的熱島效應,其中廬江縣、巢湖市的緩解程度較高;瑤海區、蜀山區的“源-匯”景觀格局加劇了城市熱島效應的發生.

5.2 增加植被(除灌叢帶外)的覆蓋能緩解區域熱島效應,林地對熱島效應的緩解作用較強,耕地和草地在不同地區的生長情況不同,對熱島效應的緩解作用較弱,選擇種植植被緩解熱島效應時,增加林地的覆蓋是首要選擇.

5.3 區域熱島情況由“源-匯”景觀共同作用,“源”“匯”景觀面積的比值越小,對熱島效應的緩解作用越強;“源”景觀的NLSI指數在0～0.35時,景觀斑塊越離散,區域內熱島效應的緩解程度越高;MESH指數與LI呈負相關關系,隨著“源”景觀MESH值增加,區域內熱島效應的緩解程度有所降低.

[1] Hamstead Z A, Kremer P, Larondelle N, et al. Classification of the heterogeneous structure of urban landscapes (STURLA) as an indicator of landscape function applied to surface temperature in New York City [J]. Ecological Indicators, 2016,70:574-585.

[2] 陸曉君,劉珍環.城市"源-匯"熱景觀變化及其空間作用強度特征——以深圳西部地區為例 [J]. 生態學報, 2021, 41(16):6329-6338. Lu Xiaojun, Liu Zhenhuan. The “source-sink” thermal landscape change and their interactions across space in urban area: A case study in the western part of Shenzhen City [J]. Acta Ecologica Sinica, 2021, 41(16):6329-6338.

[3] Du H, Ai J, Cai Y, et al. Combined effects of the surface urban heat island with landscape composition and configuration based on remote sensing: a case study of Shanghai, China [J]. Sustainability, 2019, 11(10):2890.

[4] Wang W M, Liu K, Tang R, et al. Remote sensing image-based analysis of the urban heat island effect in Shenzhen, China [J]. Physics and Chemistry of the Earth, 2019,110:168-175.

[5] 裔傳祥,胡繼超,李小軍.土地覆蓋類型對城市熱島效應的響應分析 [J]. 測繪通報, 2018,(1):72-76. Yi Chuanxiang, Hu Jichao, Li Xiaojun. Response analysis of land cover types on urban heat island effect [J]. Bulletin of Surveying and Mapping, 2018,(1):72-76.

[6] Silva J S, Richarde M S, Celso A G. Spatiotemporal impact of land use/land cover changes on urban heat islands: A case study of Pa?o do Lumiar, Brazil [J]. Building and Environment, 2018,136(1):279-292.

[7] 王美雅,徐涵秋.中國大城市的城市組成對城市熱島強度的影響研究 [J]. 地球信息科學學報, 2018,20(12):1787-1798. Wang M Y, Xu H Q. Analyzing the influence of urban forms on surface urban heat islands intensity in Chinese mega cities [J]. Geo-information Science, 2018,20(12):1787-1798.

[8] 買買提江·買提尼亞孜, 阿里木江·卡斯木. 干旱區典型城市下墊面特征及其與地表熱環境的關系研究 [J]. 生態環境學報, 2015,24(11):1865-1871. Maimaitijiang Maitiniyazi, Alimujiang kasimu. Study on land surface characteristics and its relationship with land surface thermal environment of typical city in arid region [J]. Ecology and Environmental Sciences, 2015,24(11):1865-1871.

[9] Estoque R C, Murayama Y J, Myint S W. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia [J]. Science of The Total Environment, 2016,577:349-359.

[10] Zhang F, Kung H, Johnson V C, et al. Change detection of land surface temperature (LST) and some related parameters using landsat image: A case study of the Ebinur Lake Watershed, Xinjiang, China [J]. Wetlands, 2018,38(1):65-80.

[11] Hong Z M, Zhang W, Yu C H, et al. SWCTI: Surface water content temperature index for assessment of surface soil moisture status [J]. Sensors, 2018,18(9):2875.

[12] 唐 澤,鄭海峰,任志彬,等.城市地表熱力景觀格局時空演變——以長春市為例 [J]. 生態學報, 2017,37(10):3264-3273. Tang Ze, Zheng Haifeng, Ren Zhibin, et al. Spatial and temporal changes to urban surface thermal landscape patterns: a case study of Changchun City [J]. Acta Ecologica Sinica, 2017,37(10):3264-3273.

[13] 楊朝斌,何興元,張樹文,等.基于Landsat8的城市熱島效應與地表因子關系研究——以長春市為例 [J]. 干旱區資源與環境, 2016, 30(12):110-115. Yang Chaobin, He Xingyuan, Zhang Shuwen. Estimation of the relationship between urban heat island and land surface factors using Landsat8data: A case study in Changchun, China [J]. Journal of Arid Land Resources and Environment, 2016,30(12):110-115.

[14] 王耀斌,趙永華,韓 磊,等.西安市景觀格局與城市熱島效應的耦合關系 [J]. 應用生態學報, 2017,28(8):2621-2628. Wang Yaobin, Zhao Yonghua, Han Lei. Coupling relationship of landscape pattern and urban heat island effect in Xi`an, China [J]. Chinese Journal of Applied Ecology, 2017,28(8):2621-2628.

[15] 袁 振,吳相利,臧淑英,等.基于TM影像的哈爾濱市主城區綠地降溫作用研究 [J]. 地理科學, 2017,37(10):1600-1608. Yuan Zhen, Wu Xiangli, Zang Shuying, et al. Cooling effect of green patche based on TM image in Harbin downtown city [J]. Scientia Geographica Sinica, 2017,37(10):1600- 1608.

[16] 康文敏,蔡芫鑌,鄭慧禎.福州城市地表溫度時空變化與貢獻度研究 [J]. 地球科學進展, 2020,35(1):88-100. Kang Wenmin, Cai Yuanbin, Zheng Huizhen. Spatial-temporal patterns of land surface temperature and influencing factors contribution in Fuzhou city [J]. Advances in Earth Science, 2020,35(1): 88-100.

[17] 陳利頂,傅伯杰,趙文武."源""匯"景觀理論及其生態學意義 [J]. 生態學報, 2006,(5):1444-1449. Chen Liding, Fu Bojie, Zhao Wenwu. “Source-sink” landscape theory and its ecological significance [J]. Acta Ecologica Sinica, 2006,(5): 1444-1449.

[18] 賈玉雪,帥 紅,韓龍飛.基于"源-匯"理論的資江下游地區非點源污染風險區劃 [J]. 應用生態學報, 2020,31(10):3518-3528. Jia Yuxue, Shuai Hong, Han Longfei. Zonation on non-point source pollution risk in the lower reaches of Zijiang River based on the “source-sink” theory [J]. Chinese Journal of Applied Ecology, 2020, 31(10):3518-3528.

[19] Wan W, Han Y W, Wu H Q, et al. Application of the source–sink landscape method in the evaluation of agricultural non-point source pollution: first estimation of an orchard-dominated area in China [J]. Agricultural Water Management, 2021,252:106910.

[20] Zhao H B, Zhang H, Miao C H, et al. Linking Heat Source–Sink Landscape Patterns with Analysis of Urban Heat Islands: Study on the fast-growing Zhengzhou City in Central China [J]. Remote Sensing, 2018,10(8):1268.

[21] 高 靜,龔 健,李靖業."源-匯"景觀格局的熱島效應研究——以武漢市為例 [J]. 地理科學進展, 2019,38(11):1770-1782. Gao Jing, Gong Jian, Li Jingye. Effects of source and sink landscape pattern on land surface temperature: an urban heat island study in Wuhan city [J]. Progress in Geography, 2019,38(11):1770-1782.

[22] 梁洪武,阿里木江·卡斯木,趙禾苗,等.天山北坡城市群地表溫度時空差異及貢獻度分析 [J]. 干旱區研究, 2022,39(2):388-399. Liang Hongwu, Alimujiang Kasim, Zhao Hemiao, et al. Analysis of the spatial and temporal differences in surface temperature and the contribution of surface coverage in the urban agglomeration on the northern slope of the Tianshan Mountains [J]. Arid Zone Research, 2022,39(2):388-399.

[23] 馬瑞明,謝苗苗,鄖文聚.城市熱島"源-匯"景觀識別及降溫效率 [J]. 生態學報, 2020,40(10):3328-3337. Ma Ruiming, Xie Miaomiao, Yun Wenju. “Source-sink” landscape identification of the urban heat island and the cooling efficiency [J]. Acta Ecologica Sinica, 2020,40(10):3328-3337.

[24] 王 琳,祝亞鵬,衛寶立.城市熱島效應與景觀格局相關性研究 [J]. 環境科學與管理, 2017,42(11):156-160. Wang Lin, Zhu Yapeng, Wei Baoli. Research progress on correlation between urban heat island effect and landscape pattern [J]. Environmental Science and Management, 2017,42(11):156-160.

[25] 葉 鈺,秦建新,胡順石.長沙市熱島效應時空特征變化研究 [J]. 地球信息科學學報, 2017,19(4):518-527. Ye Yu, Qin Jianxin, Hu Shunshi. Spatial-temporal evolution of urban heat island effects in Changsha city [J]. Journal of Geo-information Science, 2017,19(4):518- 527.

[26] 孫宗耀,孫希華,徐新良,等.土地利用差異與變化對區域熱環境貢獻研究-以京津冀城市群為例 [J]. 生態環境學報, 2018,27(7):1313- 1322. Sun Zongyao, Sun Xihua, Xu Xinliang, et al. Study on the contribution of land use heterogeneity and change to regional thermal environment: a case study of Beijing-Tianjin-Hebei urban agglomeration [J]. Ecology and Environmental Sciences, 2018,27(7):1313-1322.

[27] 吳健生,何海珊,胡 甜.地表溫度“源—匯”景觀貢獻度的影響因素分析 [J]. 地理學報, 2022,77(1):51-65. Wu Jiansheng, He Haishan, Hu Tian. Analysis of factors influencing the "source-sink" landscape contribution of land surface temperature [J]. Acta Geographica Sinica, 2022,77(1):51-65.

[28] Feng Z J, Chen W. Environmental regulation, green innovation, and industrial green development: An empirical analysis based on the Spatial Durbin Model [J]. Sustainability, 2018,10(1):223.

[29] 姚 遠,陳 曦,錢 靜.城市地表熱環境研究進展 [J]. 生態學報, 2018,38(3):1134-1147. Yao Yuan, Chen Xi, Qian Jing. Research progress on the thermal environment of the urban surfaces [J]. Acta Ecologica Sinica, 2018, 38(3):1134-1147.

[30] Sun Z S, Li Z G, Zhong J L. Analysis of the impact of landscape patterns on urban heat islands: A case study of Chengdu, China [J]. International Journal of Environmental Research and Public Health, 2022,19(20):13297.

[31] 陳春波,李剛勇,彭 建.1981～2018年新疆草地歸一化植被指數時空特征及其對氣候變化的響應 [J]. 生態學報, 2023,43(4):1537-1552. Chen Chunbo, Li Gangyong, Peng Jian. Spatio-temporal characteristics of Xinjiang grassland NDVI and its response to climate change from 1981 to 2018 [J]. Acta Ecologica Sinica, 2023,43(4): 1537-1552.

[32] 李 斌,王慧敏,秦明周,等.NDVI、NDMI與地表溫度關系的對比研究 [J]. 地理科學進展, 2017,36(5):585-596. Li Bin, Wang Hhuimin, Qin Mingzhou, et al. Comparative study on the correlations between NDVI, NDMI and LST [J]. Progress in Geography, 2017,36(5):585-596.

[33] 孟憲磊.不透水面、植被、水體與城市熱島關系的多尺度研究 [D]. 上海:華東師范大學, 2010. Meng Xianlei. Multi-scale relationships between impervious surface, vegetationm water and urban heat island [D]. Shanghai: East China Normal University, 2010.

[34] 王景環,吳 浩,劉正才.不透水面蓋度對地表溫度影響的定量分析 [J]. 地理空間信息, 2022,20(6):51-54. Wang Jinghuan, Wu hao, Liu Zhengcai. Quantitative analysis of impervious surface coverage influence on surface temperature [J]. Geospatial Information, 2022,20(6):51-54.

[35] 樊 嶸,孟大志,徐大舜.統計相關性分析方法研究進展 [J]. 數學建模及其應用, 2014,3(1):1-12. Fan Rong, Meng Dazhi, Xu Dashun. Survey of research process on statistical correlation analysis [J]. Mathematical Modeling and Its Applications, 2014,3(1):1-12.

[36] 楊 敏,楊貴軍,王艷杰,等.北京城市熱島效應時空變化遙感分析 [J]. 國土資源遙感, 2018,30(3):213-223. Yang Min, Yang Guijun, Wang Yanjie, et al. Remote sensing analysis of temporal- spatial variations of urban heat island effect over Beijing [J]. Remote Sensing for Land and Resources, 2018,30(3):213-223.

[37] 岳文澤,徐麗華.城市典型水域景觀的熱環境效應 [J]. 生態學報, 2013,33(6):1852-1859. Yue Wenze, Xu Lihua. Thermal environment effect of urban water landscape [J]. Acta Ecologica Sinica, 2013,33(6):1852-1859.

[38] Sun R H, Chen A L, Chen L D, et al. Cooling effects of wetlands in an urban region: The case of Beijing [J]. Ecological Indicators, 2012,20: 57-64.

[39] 王猛猛,周志民,張兆明,等.基于TM數據的合肥市城市熱島效應研究 [J]. 科學技術與工程, 2014,14(33):80-85. Wang Mengmeng, Zhou Zhimin, Zhang Zhaoming, et al. Research on the urban heat island effect of Hefei based on Landsat TM Data [J]. Science Technology and Engineering, 2014,14(33):80-85.

[40] 陳愛蓮,孫然好,陳利頂.傳統景觀格局指數在城市熱島效應評價中的適用性 [J]. 應用生態學報, 2012,23(8):2077-2086. Chen Ailian, Sun Ranhao, Chen Liding. Applicability of traditional landscape metrics in evaluating urban heat island effect [J]. Chinese Journal of Applied Ecology, 2012,23(8):2077-2086.

[41] Li Y, Fu H. The heat island effect response to the urban landscape pattern of haikou based on the “source-sink” Theory [J]. Journal of resources and ecology, 2022,13(2):257-269.

[42] Gunawardena K R, Wells M J, Kershaw T. Utilising green and bluespace to mitigate urban heat island intensity [J]. Science of the Total Environment, 2017,584-585:1040-1055.

[43] Theeuwes N E, Solcerová A, Steeneveld G J. Modeling the influence of open water surfaces on the summertime temperature and thermal comfort in the city [J]. Journal of Geophysicalresearch Atmospheres, 2013,118(16):8881-8896.

[44] Cai Z, Han G, Chen M C. Do water bodies play an important role in the relationship between urban form and land surface temperature? [J]. Sustainable Cities and Society, 2018,39:487-498.

[45] 陶 寅,黃 勇,楊元建,等.城市化進程對安徽省風速的影響 [J]. 氣候變化研究進展, 2016,12(6):519-526. Tao Yan, Huang Yong, Yang Yuanjian, et al. Impact of urbanization on wind speed in Anhui province [J]. Climate Change Research, 2016, 12(6):519-526.

Analysis of urban heat island effect and influencing factors based on the "source-sink" landscape pattern: a case study of Hefei.

DI Jun-nan1, SU Tao1*, LEI Bo2, LIU Xin-bei1, MENG Cheng1, XU Liang-quan1, WANG Ren-yi1

(1.School of Spatial Informatics and Geomatics Engineering, Anhui University of Science and Technology, Huainan 232001, China；2.China Institute of Water Resources and Hydropower, Beijing 100048, China)., 2023,43(11)：6039～6050

Hefei, which has the highest urbanization growth rate among the three provinces and one city in the Yangtze River Delta, was selected as the research area. The "source sink" landscape of urban heat islands was identified by extracting surface temperature and sensitive remote sensing indices to surface features such as vegetation index, moisture index and impermeable surface index, and then the study was conducted combined with the urban heat island effect and the contribution of land use types to the "source" landscape. The results showed that the heating impact range of the "source" landscape in Hefei was 150m, and the "source-sink" landscape pattern could effectively alleviate the urban heat island effect. The degree of relief showed a strong to weak trend from southeast to northwest, with Lujiang county and Chaohu city having the best relief effect, while Shushan district and Yaohai district having the worst relief effect. The smaller the ratio of the "source sink" landscape area and the effective particle size scale of the "source" landscape, the standard shape index of the "source" landscape was between 0 and 0.35, and the more dispersed the landscape patches, the better the degree of relief of the heat island effect. For any land feature patch, the temperature rise caused by the heat island effect will weaken the inhibitory efficiency of the "source-sink" landscape pattern on the heat island effect. Increasing forest cover is one of the effective means to reduce regional warming and alleviate regional heat island.

heat island effect；"source-sink"landscape；landscape pattern；contribution index；land surface temperature；Hefei

X87

A

1000-6923(2023)11-6039-12

邸俊楠(1999-),女,新疆烏魯木齊人,安徽理工大學碩士研究生,主要從事城市遙感與城市熱島等方面的研究.qzss999@163.com.

邸俊楠,蘇 濤,雷 波,等.基于“源-匯”景觀格局的城市熱島效應及影響因素分析——以合肥市為例 [J]. 中國環境科學, 2023,43(11):6039-6050.

Di J N, Su T, Lei B, et al. Analysis of urban heat island effect and influencing factors based on the "source-sink" landscape pattern: a case study of Hefei [J]. China Environmental Science, 2023,43(11):6039-6050.

2023-03-13

安徽理工大學引進人才科研啟動項目(ZY030);中國水科院基本科研業務費專項項目(ID110145B0012022)

* 責任作者, 副教授, st7162003@163.com