


摘要:城市山地公園是山地丘陵城市的重要公園綠地,在土地資源緊缺的中心城區(qū)發(fā)揮著無可替代的生態(tài)服務(wù)功能。選取福州市中心城區(qū)的5座典型城市山地公園作為研究對象,基于谷歌地球引擎(Google Earth Engine,GEE)的地表溫度反演方法,解析其降溫效應(yīng)和影響因素。研究結(jié)果可以定量評估城市山地公園對城市熱環(huán)境的整體降溫效果,從而更好地做出山地公園規(guī)劃決策,緩解城市熱島效應(yīng)。
關(guān)鍵詞:城市山地公園;降溫效應(yīng);城市熱島效應(yīng);福州市
中圖分類號:TU986.5;X16 文獻標識碼:A 文章編號:1008-9500(2025)03-00-03
Quantification of Cooling Effect in Subtropical Urban Mountain Parks
—Taking the Main Urban Area of Fuzhou City as an Example
WANG Jie, XU Ting, LI Ziling, YANG Jianxiong, WANG Keke, WANG Jiayu, HUANG Liujing
(College of Landscape Architecture and Art, Fujian Agriculture and Forestry University, Fuzhou 350002, China)
Abstract: Urban mountain parks are important green spaces in mountainous and hilly cities, playing an irreplaceable ecological service function in the central urban areas where land resources are scarce. Five typical urban mountain parks in the central urban area of Fuzhou city are selected as research objects, and the surface temperature inversion method based on Google Earth Engine (GEE) is used to analyze their cooling effects and influencing factors. The research results can quantitatively evaluate the overall cooling effect of urban mountain parks on the urban thermal environment, so as to make better planning decisions for mountain parks and alleviate the urban heat island effect.
Keywords: urban mountain park; cooling effect; urban heat island effect; Fuzhou city
作為連續(xù)的綠色空間,城市公園是城市綠地系統(tǒng)的重要組成部分,對城市小氣候具有積極影響。城市山地公園具有凸出地表的獨特地形特征,與平原相比,山體表面積和植被覆蓋度更大。中心城區(qū)土地資源緊缺,城市熱環(huán)境下,山地公園降溫效應(yīng)亟待深入研究。福州市位于亞熱帶季風(fēng)氣候區(qū),是一座多山城市。以福州市主城區(qū)山地公園為研究對象,采用基于谷歌地球引擎(Google Earth Engine,GEE)的地表溫度反演方法,探討其對周邊環(huán)境的降溫效應(yīng)及影響因素,以更好地發(fā)揮其作用,緩解城市熱島效應(yīng)。
1 數(shù)據(jù)與方法
1.1 數(shù)據(jù)來源與預(yù)處理
選擇福州市三環(huán)內(nèi)5座具有代表性的山地公園作為研究對象,包括飛鳳山奧體公園、烏山歷史風(fēng)貌區(qū)、于山風(fēng)景區(qū)、屏山公園和長安山公園。遙感數(shù)據(jù)來源于Landsat 8衛(wèi)星,時間為2021年9月。基于GEE平臺,利用統(tǒng)計單窗算法反演地表溫度,該算法基于單個全內(nèi)反射(Total Internal Reflection,TIR)通道中大氣頂部反射率、亮度溫度與地表溫度的經(jīng)驗關(guān)系,利用簡單的線性回歸實現(xiàn)[1]。該模型由對表面發(fā)射率具有顯性依賴的線性化輻射傳輸方程組成,如式(1)所示。
(1)
式中:T為地表溫度;t為TIR通道的大氣頂部亮度溫度;ε為同一通道的表面發(fā)射率;Ai、Bi和Ci為第i個總水汽柱對應(yīng)的系數(shù),i=1,2,…,10。
1.2 研究方法
采用基于緩沖區(qū)分析的拐點法來量化周圍環(huán)境的溫度[2]。首先,基于ArcGIS10.6軟件,以30 m為寬度,向外依次構(gòu)建總覆蓋寬度為510 m的17個環(huán)狀緩沖區(qū),提取每個緩沖區(qū)的平均地表溫度。其次,根據(jù)緩沖區(qū)距離和相應(yīng)的緩沖區(qū)環(huán)內(nèi)平均地表溫度,得出緩沖區(qū)平均地表溫度隨距離變化的曲線。最后,觀察曲線中第一個下降拐點,將拐點到公園邊界的距離[3]定義為山地公園降溫距離(Mountain Park Cooling Distance,MPCD),公園內(nèi)部平均地表溫度則被定義為山地公園地表溫度(Mountain Park Land Surface Temperature,MPLST),拐點處平均地表溫度和公園內(nèi)部平均溫度的差值[3]則被定義為山地公園降溫強度(Mountain Park Cooling Intensity,MPCI)。
2 結(jié)果與分析
2.1 山地公園降溫效應(yīng)的評價結(jié)果
根據(jù)2021年9月地表溫度的反演結(jié)果,5個城市山地公園的平均地表溫度為36.91 ℃,較當(dāng)月建成區(qū)的平均地表溫度降低2.09 ℃。城市山地公園的降溫距離排序為長安山公園(390 m)>飛鳳山奧體公園(150 m)=屏山公園(150 m)>烏山歷史風(fēng)貌區(qū)(90 m)=于山風(fēng)景區(qū)(90 m)。5個城市山地公園的平均降溫距離為174 m,降溫強度由大到小的排序為飛鳳山奧體公園(5.13 ℃)、長安山公園(3.76 ℃)、屏山公園(2.38 ℃)、于山風(fēng)景區(qū)(2.06 ℃)、烏山歷史風(fēng)貌區(qū)(1.91 ℃),平均降溫強度為3.05 ℃。
2.2 山地公園降溫效應(yīng)影響因素
經(jīng)皮爾遜相關(guān)性分析,城市山地公園內(nèi)部地形特征、外部環(huán)境特征和內(nèi)部景觀特征與其降溫效應(yīng)MPCD、MPLST和MPCI的關(guān)系如圖1所示。具體來說,在內(nèi)部地形因素對降溫效應(yīng)的影響方面,城市山地公園的MPCD與平均海拔和山體表面積與平面面積之比呈正相關(guān),MPLST與山體的陰陽坡之比存在顯著負相關(guān)。在內(nèi)部景觀因素對降溫效應(yīng)的影響方面,綠地占比和最大斑塊指數(shù)均與山地公園的MPLST存在顯著負相關(guān),建設(shè)用地占比和最大斑塊指數(shù)則與其顯著正相關(guān);山地公園綠地和建設(shè)用地邊緣密度均與山地公園的MPCD存在顯著的負相關(guān);公園內(nèi)部景觀的香農(nóng)多樣性指數(shù)和均勻度指數(shù)與其MPCD存在顯著的負相關(guān);綠地聚集度與山地公園的MPCD呈現(xiàn)正相關(guān);公園、綠地凝聚度與山地公園的MPLST存在顯著負相關(guān),而景觀分裂指數(shù)則與MPLST存在顯著的正相關(guān)。在外部環(huán)境因素對降溫效應(yīng)的影響方面,山地公園降溫距離內(nèi)綠地占比與山地公園的MPCI顯著正相關(guān),而山地公園外部的建設(shè)用地占比、夜間燈光指數(shù)和建筑平均高度則與其MPCI負相關(guān)。
3 結(jié)論
以福州市中心城區(qū)的5個代表性山地公園為研究對象,利用Landsat 8衛(wèi)星數(shù)據(jù)對其2021年9月的降溫效應(yīng)進行量化,分析山地公園降溫效應(yīng)的影響因素。結(jié)果表明,位于中心城區(qū)的城市山地公園內(nèi)部溫度明顯低于周邊地區(qū),對周圍的緩沖區(qū)(降溫距離90~390 m)產(chǎn)生1~5 ℃的降溫效果。山地公園內(nèi)部地形和景觀特征與其地表溫度和降溫距離顯著相關(guān),外部環(huán)境特征則主要影響山地公園的降溫強度,山地公園凸出山體的更多綠地表面對降溫效果產(chǎn)生正向影響。研究結(jié)果為亞熱帶多山城市山地公園的降溫效應(yīng)評估提供科學(xué)參考,可以指導(dǎo)城市規(guī)劃,優(yōu)化山地內(nèi)外景觀,增強降溫效果,緩解城市熱島效應(yīng)。
參考文獻
1 Duguay-Tetzlaff A,Bento V,Gottsche F,et al.Meteosat land surface temperature climate data record:achievable accuracy and potential uncertainties[J].Remote Sensing,2015(10):13139-13156.
2 Yang G,Yu Z,Jorgensen G,et al.How can urban blue-green space be planned for climate adaption in high-latitude cities?a seasonal perspective[J].Sustainable Cities and Society,2020(2):101932.
3 Liao W,Cai Z,F(xiàn)eng Y,et al.A simple and easy method to quantify the cool island intensity of urban greenspace[J].Urban Forestry amp; Urban Greening,2021(7):127173.