王帅帅，陈颖彪，千庆兰，谢锦鹏

广州大学地理科学学院，广东 广州 510006

城市公园对城市热岛的影响及三维分析
——以广州市主城区为例

王帅帅，陈颖彪*，千庆兰，谢锦鹏

广州大学地理科学学院，广东 广州 510006

随着城市的快速发展，城市热岛（UHI）问题越来越突出，如何缓解城市发展所带来的热岛效应加剧，提高居民健康生活质量，改善人居环境，已成为全民关注的重点生态环境问题。在高度发达的城市区域，绿地对城市热岛具有明显的降温效应，因此对其进行定量研究具有重要意义。文章基于遥感和GIS的方法，通过热环境反演和空间统计分析，以广州市主城区30块主要城市公园为研究对象，分别从城市绿地形态、城市绿地缓冲区和热环境三维分析3个方面研究了城市绿地对城市热岛的影响。结果显示：城市绿地形态（面积，周长，形状指数）与公园的温度具有较强的对数相关性，并且随着三者的增大，绿地内部均温和最低温度均降低，并且呈现“饱和”趋势；通过对城市公园斑块建立3个缓冲区（120、240、360 m），并进行缓冲区内的均温统计发现，30个城市公园的温度变化呈现出3种情形，即自内向外变高、变低和不变；最后，为了更好的解释上述3种情形，引入三维热环境分析，对3种情形分别选取代表性公园进行分析，总结其空间分布规律，结合相关数据对产生的这种结果进行了简要分析。本文的主要创新点，在对城市公园与热环境关系传统分析的基础上，引入三维的分析方法，能够更加清晰的展示二者的关系，为未来的相关研究提供一定的借鉴。

城市公园；城市热岛；三维分析；广州市

城市热岛（UHI）是目前全球面临的一个重要生态环境问题，随着城市的快速发展，原本以植被为主体的自然地表逐渐被城市建筑、道路等不透水面所代替；城市人口的快速增加，以及工业的迅速发展，大量的热量被排放到空气中，这些都逐渐加剧了城市热岛的强度。

城市植被可以通过光合作用、蒸腾作用以及蒸散作用降低温度增加湿度，能有效的缓解城市热岛效应(苏泳娴等，2011)。前人对于城市绿地与城市热岛的关系进行了大量研究，主要集中在以下几个方面：（1）植被指数与地表温度（LST）的关系：城市绿地作为城市结构中的自然生产力主体，在缓解城市热岛调节城市气候和协助城市应对未来气候变化中扮演着极其重要的角色(孔繁花等，2013)。均一化植被指数（NDVI）是一个植被生长状态及植被覆盖度的最佳指示因子，与叶绿素水平、植物生物量、光合作用强弱有密切关系（邸苏闯等，2012）。大量研究表明，NDVI与LST存在明显的相关性(Li等，2013；Maimaitiyiming等，2014；Zhang等，2010；钱乐祥，2006)，植被分布面积的增加对城市热岛强度的降低具有非常积极的作用(武佳卫等，2007)。另外，还有学者对多种植被指数(王伟等，2011)和多种景观指数（Maimaitiyiming, M等，2014）与LST的关系进行了定量对比分析。（2）绿地对周围区域降温效应分析：城市绿化可以缓解热岛效应，集中、大范围的绿地建设缓解热岛效应的效果明显（周红妹等，2002），研究表明公园面积越大，降温幅度越大，并且一个大的公园的降温效应强于总面积相等的多个小公园（周东颖等，2011）。但有研究却表明，当绿地面积在1.5～1.68 hm2时，绿地斑块的热环境降温效率最大（贾刘强和邱建，2009）。在城市绿地对热环境的影响研究中，前人的研究大多集中在绿地本身及绿地周边的温度对比研究上，研究的尺度和层面主要在一二维空间上，不能够对热环境的空间分布规律，尤其是三维热场，进行较为直观的展示，以更加清晰的解释城市公园对城市热岛的空间影响。

合理的植被规划和保护措施能够对城市热岛有一定的缓解作用（Rogan等，2013；Sung，2013），三维的分析方法的引入能够为未来的研究提供一定的借鉴。

1　研究区域概况

研究地区广州市位于中国大陆南部，广东省中南部，珠江三角洲北缘。广州市属于海洋性亚热带季风气候，北回归线从中南部穿过，全年降水量为1720 mm（1971─2000年平均）。地势上东北向西南倾斜，东北部以山地丘陵为主，森林范围比较集中，中部为丘陵盆地，有被称为“广州之肺”的白云山，南部为平坦的珠江三角洲冲积平原。广州市作为广东省省会，华南中心城市，全国第三大城市，GDP位居全国前列，GDP达15420亿元（2013年），第一、第二、第三产业分别占1.5%、33.9%、64.6%。作为国内较早开始发展的城市，城市建成区面积不断增加，快速城市化加剧了城市热岛的影响强度。本文选取了广州市主城区（白云区，天河区，海珠区，越秀区，荔湾区）（图1）的主要公园作为研究对象，该地区不透水面积比重较高，城市热岛效应显著。

图1　研究区域Fig. 1　Location of the study area

2　数据及方法

2.1数据预处理

本文采用的数据是Landsat5数据，行列号为122～044，获取时间为2009年11月2日10点40分，天气状况为晴朗无云，利用ENVI软件对数据进行辐射定标和大气校正，进而进行面向对象土地分类和地表温度反演。另外采用1 m分辨率广州市主城区遥感数据（2009年），将2种数据进行配准，误差控制在一个像元内。高分辨率遥感影像主要用于解译验证和公园斑块人工数字化提取，以保证解译精度和公园边界提取精度。其他数据统计与制图工作均在ARCGIS与Excel中完成。

公园选取原则：（1）公园中人行道包含在公园范围内。（2）水体在公园中，则包含在公园范围内；水体在公园周边的，则取公园边界线。（3）城市主干道分割的公园，则按照两块公园计算。（4）主要选取被建设用地包围的公园。公园斑块的数字化工作，主要在ARCGIS软件中人工矢量化完成。

2.2理论与方法

进行遥感反演之前，首先要对影像进行辐射定标，将影像DN值转化成辐射亮度值，然后利用辐射亮度值去推算地表温度。辐射定标计算公式如下：

式中：Lλ是某个波段光谱辐射亮度（单位：W·m-2·μm-1·sr-1），Gain为NASA提供的TM5传感器每个波段的增益，Bias为偏置，DN为遥感影像灰度值。

将辐射亮度值转化像元亮温的公式为：

式中：t是地表温度；K1和K2为常量，对于TM5，K1取值为607.76，K2取值为1260.56；Lλ为辐射亮度；

3　结果分析

通过上述过程，我们可以得到反演后的地表温度分布图，以及手动矢量化得到的30块主要城市公园。公园面积在0.68～146 hm2之间（表1），能够代表不同面积大小的公园单元。综合前人研究的方法以及地区实际，本文从公园形态与热环境，公园与周边热环境，公园周边三维热环境分析等3个方面进行分析和讨论。

3.1公园形态对热环境影响分析

公园斑块的空间特征是与公园规划和设计直接相关的因素（贾刘强和邱建，2009），为了定量的描述公园形态对热环境的影响，本文引入公园面积，公园周长，形状指数3个因子来定量描述二者的相关性，研究尺度为公园本身。利用ARCGIS中的空间统计方法，完成对30个公园的温度统计工作。

通过上述过程，我们可以计算得到公园的面积以及公园对应的地表温度的最小值和均值，利用相关的统计方法我们可以得到下图（图2）。公园平均温度与公园面积在0.01显著性水平下存在显著相关关系，相关系数为-0.554；通过回归发现二者呈指数相关性，决定系数r2为0.586，具有一定相关性。通过图中的趋势线方向我们可以了解到，当公园面积小于15 hm2时，面积接近的不同公园的平均温度变化较大，在25～29 ℃之间，相差接近4 ℃；当公园面积大于20 hm2，公园均温的变化幅度变化较之前和缓，在25～27 ℃之间，相差仅为2 ℃；当公园面积大于60 hm2，公园均温仍然在25～27 ℃之间；上述表明当公园面积增大到一定程度时，公园均温不会再随面积的增大而减小，更多的体现为降温效应饱和趋势。公园最低温度与公园面积在0.01显著性水平下存在显著相关关系，相关系数为-0.556；通过回归发现二者呈指数相关性，决定系数r2为0.782，具有很强的解释性。从图（图2）中可以看出，当公园面积小于10 hm2时，最低温度变化较为剧烈，在24～28 ℃之间；当公园周长大于10 hm2，虽然公园均温有降低的趋势，但是逐渐放缓。

表1　不同缓冲区下的均温统计Table 1　Average temperature in different buffers

图2　公园面积与温度的关系Fig. 2　Relationship between green space area and LST

图3　公园周长与温度的关系Fig. 3　Relationship between green land perimeter and LST

利用相关空间分析工具，我们可以计算得到公园的周长以及公园对应的地表温度的最小值和均值，利用相关的统计方法我们可以得到下图（图3）。公园平均温度与公园周长在0.01显著性水平下存在显著相关关系，相关系数为-0.649；通过回归发现二者呈指数相关性，决定系数r2为0.593，具有一定相关性。通过图中的趋势线方向我们可以了解到，当公园周长小于1.5 km时，周长接近的不同公园的平均温度变化较大，在26～29 ℃之间，相差接近3 ℃；当公园周长大于1.5 km，公园均温的变化幅度变化较之前和缓，除个别公园外，整体均温在25～27℃之间，相差仅为2 ℃；当公园周长为2 km左右时，公园均温变化最小；上述表明当公园周长增大到一定程度时，公园均温随周长的增大而减小，但是变化的幅度放缓。公园最低温度与公园周长在0.01显著性水平下存在显著相关关系，相关系数为-0.75；通过回归发现二者呈指数相关性，决定系数r2为0.764，具有很强的解释性。从图中（图3）可以看出，当公园周长小于1 km时，最低温度变化较为剧烈，在26～28 ℃之间；当公园周长大于1 km，虽然公园最低温度随周长增加仍有降低的趋势，但是变化也较为剧烈。

图4　公园形状指数与温度的关系Fig. 4　Relationship between green land shape metrics and LST

通过得到公园的面积周长比（形状指数）以及公园对应的地表温度的最小值和均值，利用相关的统计方法我们可以得到下图（图4）。公园平均温度与公园形状指数在0.01显著性水平下存在显著相关关系，相关系数为-0.638；通过回归发现二者呈指数相关性，决定系数r2为0.5324，具有一定相关性。通过图中的趋势线方向我们可以了解到，当公园形状指数增大到一定程度时，公园均温随形状指数的增大而减小，但是温度变化的幅度放缓。公园最低温度与公园形状指数在0.01显著性水平下存在显著相关关系，相关系数为-0.771；通过回归发现二者呈指数相关性，决定系数r2为0.7469，具有很强的解释性。从图中（图4）可以看出，公园最低温度随着形状指数的增大而逐渐降低，并且温度降低幅度较大。

3.2公园对周围热环境影响距离分析

城市公园公园对于周围区域具有明显的降温作用（周东颖等，2011），但是降温的幅度是有很大差异的（岳文泽，2005）。综合前人的研究方法，并结合本文数据分辨率和研究区实际情况，选取3个缓冲区进行公园周边热环境研究，它们分别是是120、240、360 m。利用ARCGIS的相关空间分析方法，得到3个缓冲区内的平均温度，以进行相关分析工作。

通过表1我们总结发现，120 m缓冲区平均增温1.49 ℃，240 m缓冲区内为1.63 ℃，360 m缓冲区为1.7 ℃，说明公园对周边热环境的影响随着距离的增加的趋势而不断减弱。由公园内向外温度变化呈现出3种类型（以0.5 ℃为标准），即：（1）从内向外，温度以升高为主；（2）从内向外，温度变化不大；（3）从内向外，温度以降低为主。

从表1中我们可以看到，30个样本中有26个，从公园内向外，温度以升高为主。其中在120 m缓冲区内有10个温度升高超过2 ℃，240 m缓冲区内有12个（超过3 ℃为2个），360 m缓冲区内15个（超过3 ℃为1个），由此可以看出，公园对周围热环境影响明显，3个缓冲区内，温度最大差值为3.23 ℃。

在30个城市公园斑块中有3个样本，从公园内向外，温度变化不大。其中23号公园（东风公园），作为公园，内部本身面积小且有少量建筑分布，影响了其本身的均温（高于多数公园），又由于周围分布有广州市动物园（10号公园），烈士陵园（22号绿地），广州体育学院（本身有大量林草地分布），缓冲区内大量林草地的分布，导致该公园周围温度不升反降的现象。24号公园位于中山大学附近（360 m缓冲区内），由于林地与建筑混杂分布，且林地覆盖率高，因此形成了与23号公园相似的情形。29号公园与2号公园（上涌果树公园）相距较近，果树公园的深林覆盖率高，温度低，从而拉低了29号公园周围的平均温度。从上述3个情形可以了解到，公园之间距离对公园周围的热环境影响强烈，相对集中的多个公园能够形成一个面积更大的“冷岛区域”。

在所有的30个公园样本中，27号公园（火车东站广场）有大面积的植被覆盖，然而其温度却是高于周围大面积的建设用地区域。在前人大量的研究中都是表明建设用地具有较高的LST（陈峰等，2008；岳文泽和徐丽华，2007；周红妹等，2008），并且二者具有较强的相关性。为了解释这一现象，通过高分辨率遥感影像，结合Landsat5数据，对照反演后的LST分布图，发现在再火车东站广场的南部和东南部区域分布着以中信大厦为代表的高层建筑，由于研究地区地理纬度与影像获取的日间时间，所以在高分辨率影像上可以看出大面积的阴影区，这些阴影区在LST分布图上表现为低值区，而公园斑块为太阳辐射区，这就解释了之前出现的反常情形。

3.3公园对周围热环境影响三维分析

针对于上述3种情形，为了更好的表现出公园本身与周围区域热场的关系，从30块公园斑块中选取具有代表性的3块公园，引入建构三维的方式来展现，以期望能够更好的理解热场的分布。相比于传统的剖面线方式展现公园及周围热场分布不同的是，三维热场分布更能够全面体现公园周围的热场分布。

通过对上节中第一种热场分布类型的分析，我们了解到该种类型的热场分布呈现中心低四周高的趋势。本节以天河公园（5号）公园为代表，通过相关三维分析及展示发现，整个缓冲区域的热场呈现出中心低，四周高的现象，西部和北部偏高（图5），且温度变化剧烈，南部和东部相对偏低，温度变化和缓；天河公园的最低温度出现在公园的中心区域，形成明显的“冷岛”区域和“塌陷盆地”状态；除西部部分区域，整体向外变化比较和缓，且在西北角出现明显的低温通道。

图5　天河公园及周边热环境三维展示Fig. 5　The 3D thermal environment display around Tianhe Park

通过对上节中第二种热场分布类型的分析，我们了解到该种类型的热场分布呈现中心向四周变化微弱的趋势。虽然对其空间分布导致的结果进行了分析，但是不能够直观的展示其空间分布状态。本节以东风公园（23号）公园为代表（图6），进行相关分析和展示。整个缓冲区呈现多个“冷岛”分布，西南部为烈士陵园分布区，中部为东风公园分布区，东部是以广州体育学院为代表的“冷岛”区域，呈现多处“塌陷”现象；区域最高值出现在东风公园西北部，东南部也有分布。东风公园的温度不是在几何中心处，而是出现在东南角，且整个东风公园位于“低温谷”向高温过渡的区域，故其均温会出现整个区域均值变化不大的情况。

通过对上节中第三种热场分布类型的分析，我们了解到该种类型的热场分布呈现中心高四周低的趋势。以火车东站广场（27号）公园为典型区域，构建其三维热场模型，并进行相关分析和展示。从图中（图7）我们可以看出，整个区域的高值出现在区域的西部和南部，温度差异明显，中部区域也出现明显的高值分布；而低值区则分布在中心高值区的周围，围绕中心分布。火车东站广场公园位于在中部的高值分布区，故而该公园区域均温会高于周围区域。

4　结论与讨论

4.1结论

本文基于遥感与GIS的相关方法和理论，在前人研究和相关数据的基础上，对广州市的城市公园对城市热岛的影响进行了研究。主要结论如下：

图6　东风公园及周边热环境三维展示Fig. 6　The 3D thermal environment display around Dongfeng Park

图7　火车东站广场公园及周边热环境三维展示Fig. 7　The 3D thermal environment display around East Railway Station Plaza

第一，公园形态（公园面积、周长、形状指数都）与公园最低温度、平均温度有较强的相关性，并且随着前三者的不断增加，后二者都有显著降低的趋势，但是趋势放缓的节点和幅度有较大差异；尤其是对于平均温度，有出现“降温趋于饱和”的状态。

第二，综上所述，在研究区域选取的30个公园斑块中，有26个公园斑块的均温是明显低于周围区域的，但也出现了少量（3个）公园斑块与周围相差不大，甚至高于周围区域的情况（1个），并对其原因进行了简要分析。

第三，通过对文中3种热场分布情况进行相关三维分析，能够更好的反映出热场的空间分布状况，展现城市公园对周围热环境的影响强弱。

4.2讨论

本文以广州市主城区内分布的主要绿地为研究对象，基于Landsat 5和高分辨率遥感影像数据，利用遥感和GIS方法，进而对城市绿地对城市热岛的影响进行研究。本文在前人研究的基础上，选取了3个方面进行研究，分别是绿地形态（面积、周长、形状指数）、绿地缓冲区（120、240、360 m）、三维热环境，对二者的关系有一定的解释作用，主要新意体现为三维热环境的展现和分析。

但是由于数据分辨率与实地测量数据的缺乏，无法做更加细致的分析，比如缓冲区的尺度大小问题，更小面积绿地对热场影响问题；另外，本文由于只选取了一期遥感影像，只能反映这一特殊时刻下的热环境分布状况，本意是期望能够为相关人员展现这一思路，希望该方法能够为相关读者提供参考和借鉴。

城市绿地是城市缓解热环境的一个重要部分，充分利用现有的城市绿地，并结合相关原理方法合理规划，是城市可持续发展之路。

参考文献：

LI X, ZHOU W, OUYANG Z. 2013. Relationship between land surface temperature and spatial pattern of greenspace: What are the effects of spatial resolution? [J]. Landscape and Urban Planning, 114: 1-8.

MAIMAITIYIMING M, GHULAM A, TIYIP T, et al. 2014. Effects of green space spatial pattern on land surface temperature: Implications for sustainable urban planning and climate change adaptation [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 89(0): 59-66.

ROGAN J, ZIEMER M, MARTIN D, et al. 2013.The impact of tree cover loss on land surface temperature: A case study of central Massachusetts using Landsat Thematic Mapper thermal data [J]. Applied Geography, 45(0): 49-57.

SUNG C Y. 2013. Mitigating surface urban heat island by a tree protection policy: A case study of The Woodland, Texas, USA [J]. Urban Forestry & Urban Greening, 12(4): 474-480.

ZHANG X X, WU P F, CHEN B. 2010. Relationship between vegetation greenness and urban heat island effect in Beijing City of China [J]. Procedia Environmental Sciences, 2(0): 1438-1450.

陈峰, 何报寅, 龙占勇, 等. 2008. 利用Landsat ETM～+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, (02): 56-61.

邸苏闯, 吴文勇, 刘洪禄, 等. 2012. 城市绿量的遥感估算与热岛效应的相关分析——以北京市五环区域为例[J]. 地球信息科学学报, 14(04): 481-489.

贾刘强, 邱建. 2009. 基于遥感的城市绿地斑块热环境效应研究——以成都市为例[J]. 中国园林, 25(12): 97-101.

孔繁花, 尹海伟, 刘金勇, 等. 2013. 城市绿地降温效应研究进展与展望[J]. 自然资源学报, 28(01): 171-181.

钱乐祥. 2006. 城市热岛研究中地表温度与植被丰度的耦合关系[J]. 广州大学学报: 自然科学版, 5(5): 62-68.

苏泳娴, 黄光庆, 陈修治, 等. 2011. 城市绿地的生态环境效应研究进展[J]. 生态学报, 31(23): 7287-7300.

王伟, 申双和, 赵小艳, 等. 2011. 两种植被指数与地表温度定量关系的比较研究——以南京市为例[J]. 长江流域资源与环境, 20(04): 439-444.

武佳卫, 徐建华, 谈文琦. 2007. 上海城市热场与植被覆盖的关系研究[J]. 遥感技术与应用, 22(1): 26-30.

岳文泽. 2005. 基于遥感影像的城市景观格局及其热环境效应研究[D].华东师范大学: 202.

岳文泽, 徐丽华. 2007. 城市土地利用类型及格局的热环境效应研究——以上海市中心城区为例[J]. 地理科学, 27(02): 243-248.

周东颖, 张丽娟, 张利, 等. 2011. 城市景观公园对城市热岛调控效应分析——以哈尔滨市为例[J]. 地域研究与开发, 30(03): 73-78.

周红妹, 丁金才, 徐一鸣, 等. 2002. 城市热岛效应与绿地分布的关系监测和评估[J]. 上海农业学报, 18(2): 83-88.

周红妹, 高阳, 葛伟强, 等. 2008. 城市扩展与热岛空间分布变化关系研究——以上海为例[J]. 生态环境, (01): 163-168.

Effect of Urban Garden on Urban Heat Island and 3-dimensional Analysis: A Case Study in Guangzhou

WANG Shuaishuai, CHEN Yingbiao*, QIAN Qinglan, XIE Jinpeng

School of Geographical Sciences, Guangzhou University, Guangzhou 510006, China

With the rapid urbanization, urban heat island (UHI) has become the ecological problems focused nationally. How to relieve increasing urban heat island effect under the quickly urban expansion, improve residents' quality of life and improve human settlements, has become a universal concerned eco-environmental problem. In highly developed urban areas, green spaces with cooling effect, therefore, it is of great significance to quantitative research. Based on geographic information system (GIS) and remote sensing (RS), with derivation of land surface temperature (LST) and spatial statistical analysis, this paper analysis the effect on UHI of urban green land from three aspects, using the major 30 green lands in Guangzhou as a case study. Results show that pattern of urban green land (area, perimeter, shape index) and the temperature of green land have strong correlation; meanwhile, with the increasing of these three indexes(area, perimeter, shape index), average temperature and lowest temperature appear as "saturation“ trend within the green land. With the statistics of average temperature in three buffer(120 m, 240 m, 360 m), temperature variation show three situation from the inside out, namely higher, lower and invariant. At last, in order to explain the above three scenarios better, a three-dimensional (3D) analysis method was introduced. We select typical green lands in three situations above, analyze and summarize their spatial distribution regulation, and give a brief analysis. The main innovation of this paper is: based on the traditional research, we introduce a 3Danalysis method, which makes the relationship between urban and LST clearer, and the result could provide a reference for feature research.

urban green land; urban heat island; three-dimensional analysis; Guangzhou

X16

A

1674-5906（2014）11-1792-07

王帅帅，陈颖彪，千庆兰，谢锦鹏. 城市公园对城市热岛的影响及三维分析——以广州市主城区为例[J]. 生态环境学报, 2014, 23(11): 1792-1798.

WANG Shuaishuai, CHEN Yingbiao, QIAN Qinglan, XIE Jinpeng. Effect of Urban Garden on Urban Heat Island and 3-dimensional Analysis: A Case Study in Guangzhou [J]. Ecology and Environmental Sciences, 2014, 23(11):1792-1798.

国家科技支撑计划课题(2012BAH32B03)；教育部人文社科规划基金项目（11YJAZH016）

王帅帅（1989年生），男，硕士研究生，主要从事GIS与RS应用研究。E-mail: GEO_WSS@126.com

*通信作者：陈颖彪（1969年生），男，教授，主要从事GIS与RS技术应用研究。E-mail：gzhuchenyb@126.com

2014-09-11