陈明，戴菲

华中科技大学建筑与城市规划学院，湖北 武汉 430074

中国城市化进程的加速、硬质地表扩张及人口增加，使城市热环境问题更加显著，对城市的空气污染、能源消耗、公共健康等造成严重影响（Kotharkar et al.，2018）。热环境受到用地类型、气候条件、人口、经济等多种因素影响（李洪忠等，2019），其中城市绿地是缓解热岛效应、改善公共健康的重要因素，一直以来受到国内外众多学者的持续关注（唐罗忠等，2009；Bowler et al.，2010；Shi et al.，2020）。

研究表明，在绿地覆盖面积低于 40%，绿地的空间格局对降温、增湿等生态环境效应起主要作用（周志翔等，2004）。尤其在城市高密度建设的背景下，难以再大幅度增加绿地面积，优化绿地空间格局来改善热环境尤为重要。在既往研究中，热环境指标的测度主要包括地表温度、亮度温度与气温三类（阮俊杰，2016），从反映绿地自身温度及其降温幅度、降温范围等方面来衡量（栾庆祖等，2014；Park et al.，2017）。关于绿地空间格局与热环境的关系，一些研究基于绿地的面积、周长、周长面积比等指标，分析它们与热环境指标之间的关系（李瑶等，2017；王刚等，2017；成实等，2019）。绝大部分研究采用景观格局指数，从绿地的空间组成、空间配置两方面衡量绿地空间格局（王晓俊等，2020）。空间组成方面，多以斑块类型面积CA、平均斑块大小MPS、斑块所占景观面积比例PLAND、最大斑块占景观面积比例LPI等面积指数衡量，发现绿地规模、覆盖面积越大，绿地温度越低（邹婧等，2017；Guo et al.，2019）。空间配置方面，多以聚集度指标AI、斑块密度PD、边缘密度ED、景观形状指标LSI、形状指标SHAPE等聚散度、密度、形状指数衡量，得出绿地的聚集度越低、破碎度越高，越不利于绿地降温（Kong et al.，2014；Guo et al.，2019），而形状指数对绿地温度的影响具有不确定性（Du et al.，2017；Shih，2017；Wesley et al.，2019），造成这些不确定性的原因主要来自绿地提取的空间分辨率及热环境指标测度的差异（王晓俊等，2020）。

然而，这些指标是从数值角度对城市或片区尺度的绿地空间布局，或微观的绿地形态进行量化，反映的是绿地整体形态特征，缺乏对绿地内部空间格局的考量。与景观格局分析不同，形态学空间格局（Morphological Spatial Pattern Analysis，MSPA）是一种依据数学形态学原理的空间形态度量方法，可将一个绿地分为7种不同形态的空间格局，反映了绿地的内部空间结构。该方法不仅可以用指标来量化各类空间格局，还能以图式化方式呈现绿地内部的不同空间格局，有助于提供应用于绿地规划建设的具体空间策略。

长江中下游地区是中国典型的夏热冬冷地区，作为中部特大城市（即城区常住人口 500万以上1000万以下的城市）的代表地，武汉市绿色生态格局独特，近年来夏季热岛效应突出、热岛区域扩张（易予晴等，2015；谢启姣等，2020），因此对其研究具有较高价值。本文基于武汉市主城区内筛选出的25个城市绿地，通过MSPA量化各个绿地的内部空间格局，分析它们对绿地及其周围空间热环境的影响，提出有利于改善热环境的绿地空间格局策略，从而为高密度的城市空间提供合理的绿地内部空间格局优化策略。

1 数据与方法

1.1 研究区概况

武汉市为平原城市，属于北亚热带季风性（湿润）气候，四季分明。城市面积8569.15 km2，其中植被覆盖率约40%，水域面积2217.6 km2。城市的快速发展与建成区的不断扩张，不仅缩减了城市绿地面积，也使城市热岛效应更为严峻。2018年，城市年平均气温为17.3 ℃（中国国家统计局，2019）。本文主要研究城市热岛集中分布的主城区，包括江汉区、江岸区、硚口区、青山区、洪山区、武昌区、汉阳区与蔡甸区部分区域，以便较大程度地发挥城市绿地在高密度建成环境中的降温作用。

武汉主城区内绿地较多，基于既往研究得出的绿地降温范围一般小于500 m（梁保平等，2015；阮俊杰，2016），面积50 hm2以上的绿地，对周边100 m范围内有明显降温效果（栾庆祖等，2014），结合武汉市的绿地面积现状，选取的绿地需离长江、湖泊、50 hm2以上绿地500 m以上，且所选绿地不存在或存在较少水体，以避免这些因素对所选绿地自身的降温作用造成干扰。经筛选，最终有25个绿地纳入可选范围（图1）。

图1 25个绿地空间分布Fig.1 Distribution map of 25 green spaces

1.2 数据来源与处理

研究所用数据包含 Landsat 8影像数据与Google Earth数据。地表温度通过Landsat 8数据反演，通过美国地质调查局（USGS）下载并裁剪出武汉市域范围，成像日期为2018年9月15日，当天天气晴朗，主城区范围内无云量。对其各波段进行辐射定标，对热红外波段进行大气校正。用2018年9月拍摄的高分辨率Google Earth影像提取城市绿地。以Landsat 8影像为基准对Google Earth影像进行地理配准，使二者在空间上对应无偏差。通过设置10个检查点，与配准后的Google Earth影像进行精度检验，误差仅约0.4个像元（约0.3 m）。

1.3 研究方法

1.3.1 地表温度反演

基于ENVI 5.4平台以及Landsat 8数据的热红外传感器TIRS，采用辐射传输方程法进行地表温度反演。考虑到TIRS 11波段定标参数尚不稳定，且该波段位于较高的大气吸收区域，故采用TIRS 10进行反演（谢启姣等，2020），该波段经过重采样至30 m，从而得到30 m空间分辨率的地表温度（阮俊杰，2016）。具体反演步骤如下：

（1）计算地表比辐射率

为了得到较精确的地表比辐射率，将地表分为自然表面、城镇区、水体3种（岳晓蕾等，2018），通过以下公式计算不同地表的地表比辐射率：

式中，εs、εm、εw分别为自然表面、城镇区、水体的地表比辐射率；Fv为植被覆盖度，通过NDVI计算而来。

（2）计算黑体辐射亮度

式中，B(Ts)是由普朗克定律推导出的黑体的热辐射亮度；Lλ是热红外辐射亮度，通过热红外波段的辐射定标得到；L↑、L↓、τ分别指大气向上辐射亮度、向下辐射到达地面后反射的能量、大气在热红外波段的透过率，这 3个参数通过 NASA官网（http://atmcorr.gsfc.nasa.gov/）输入成像时间、中心经纬度获得；ε是地表比辐射率。

（3）计算地表温度

在获取温度为Ts的黑体在热红外波段的射亮度后，根据普朗克公式反函数，并经转换后得到摄氏度的地表温度。

式中，Ts为地表温；k1、k2是常量，对于TIRS 10，其值分别为 774.89 W·m−2·µm−1·sr−1、1321.08 K。

最后对反演的地表温度进行精度检验，通过地面观测数据或实测数据与反演结果进行对比是最直接有效的方式，参考张棋斐等（2018）方法，通过武汉市的国家气象站点（站点编号：57494）获取卫星过境时间的地表气温，与该点的反演地表温度进行对比，发现二者基本吻合，因此地表温度反演结果较为可信。

1.3.2 城市绿地空间格局分析

形态学空间格局分析将图像前景分解成 7种互不重叠的空间格局，包括核心（Core）、孤岛（Islet）、孔隙（Perforation）、边缘（Edge）、环线（Loop）、桥接（Bridge）、分支（Branch）（图2），这7类空间格局具备各自的生态学含义（表 1）（Soille et al.，2009），近年来被逐渐运用于绿色空间的识别、优化构建，甚至与大气颗粒物的研究中（高宇等，2019；Chen et al.，2019；Rosot et al.，2018）。首先，由于获取的Google Earth影像分辨率高，采用人工目视解译的方式可准确地提取绿地（阮俊杰，2016），基于ArcGIS 10.5平台获得绿地的矢量数据，并将其转换成二值栅格图（绿地赋值2，其余赋值1）。其次，将二值栅格图导入Guidos Toolbox软件得到7种绿地空间格局。这7种空间格局可归纳为：（1）点面格局，对应着核心、孤岛；（2）边界格局，对应着孔隙、边缘；（3）廊道格局，对应着环线、桥接、分支。最后，参考Chen et al.（2019）的方法，以绿地各类空间格局的面积占该绿地总面积的比例作为该绿地各空间格局的量化指标（以下称为MSPA指标），以消除25个绿地面积差异的影响。计算方式如下：

表1 7类空间格局的生态学含义Table 1 Ecological definition of seven spatial patterns

图2 MSPA图示及25个绿地的空间格局Fig.2 Illustration of MSPA and the spatial pattern of 25 green spaces

对于某个绿地，X_per包括Core_per，Islet_per等7类；i=1−7，分别对应MSPA的7类空间格局；Si是该绿地各类MSPA的总面积；S是该绿地总面积（纯绿地部分）。

1.3.3 热环境指标

将绿地内部平均温度（T）与降温幅度（ΔT）两个维度作为热环境分析指标。其中，统计纯绿地的平均温度作为T，ΔT是绿地降温范围最远的温度值。理论上，从绿地边缘向外延伸，温度呈上升趋势且上升速率逐渐减缓至平稳状态，反映其降温作用逐渐减弱直至消失。参考Du et al.（2016）、Yu et al.（2017）、冯悦怡等（2014）方法，由绿地边界向外分析各个缓冲区的温度变化规律，将首次出现转折点所对应的缓冲距离作为绿地的降温范围。其计算公式如下：

式中，Tmax为绿地降温范围最远的温度，以首次出现转折点所对应的缓冲区的平均温度来计算。

将各个绿地以20 m为单位进行多环缓冲分析，并计算各个缓冲区的平均温度作为离绿地一定范围的温度值。如前文所述的绿地规模及其对降温范围的影响，以500 m作为绿地的缓冲距离，对于面积较小的绿地（约 20 hm2），其缓冲距离为 300 m（图 1）。此外，虽然选取绿地时已尽量避免之间的相互影响，但仍存在个别绿地的缓冲区之间有少量交叠，为了减少它们对热环境影响的相互干扰，参考Wu et al.（2019），对于指定绿地，其缓冲区交叠处的温度计算如下：

式中，Ti为指定绿地缓冲区i的温度；Tij为缓冲区i中像元j的温度；N是缓冲区i中的像元总数；fij表示权重，通过以下公式计算：

式中，dij、分别表示缓冲区i中的像元j离指定绿地、与其缓冲区交叠绿地的距离。

1.3.4 绿地空间格局与热环境的关系分析

首先，在绿地不同空间格局及其热环境指标现状分析的基础上，将25个绿地依据它们的T与ΔT，分成不同降温效果的绿地类型，并通过单因素方差分析，得到不同绿地类型的空间格局是否具有显著差异。其次，分析绿地空间格局对内部温度的影响。通过相关分析量化各类 MSPA指标与T之间的关系，得出基于MSPA分析的绿地空间格局与温度是否有关联，并通过回归分析得到绿地空间格局对T的影响方式。最后，分析绿地空间格局对周围空间的热环境效应。将各个绿地的MSPA指标与ΔT进行相关与回归分析，得出不同绿地空间格局与降温范围之间的定量关系。

2 结果与讨论

2.1 城市绿地热环境及其空间格局特征

25个绿地的自身温度及其对周围环境的降温幅度随距离的变化具有相似的趋势，以其中一个规模较大（解放公园）与较小（郭徐岭广场）的绿地为例，解放公园对周围热环境的影响更显著，表现在周围温度的上升斜率更大（图3）。经统计，25个绿地的平均温度为 34.35 ℃，温度最低的是32.39 ℃，位于解放公园，温度最高的是36.97 ℃，位于郭徐岭广场。25个绿地的平均降温幅度为2.16 ℃，降温幅度最大的是首义公园的 3.78 ℃，最小的是百步亭世博园的0.25 ℃。

图3 解放公园（a）、郭徐岭广场（b）及周边温度随距离的变化Fig.3 Distance changes of Jiefang park (a) and Guoxuling square and the surrounding temperature

依据25个绿地的T与ΔT，以平均联接（组间）的方式、平均欧氏距离的度量标准，通过聚类分析初步将其进行分类（图4a），同时，以T为横轴、ΔT为纵轴，显示25个绿地的空间分布特征，与聚类结果进行对比（图4b）。然而，聚类结果中“Class 2”的各个绿地分布零散，具有明显的空间聚集差异，可依据聚类结果进一步分为2类，最终形成4个类别：（1）内外降温显著型绿地（简称Ⅰ型绿地），即绿地拥有显著的自身降温效果及对周围热环境的调节能力，包括解放公园等14个绿地，其内部温度基本上低于34 ℃，降温幅度也达到了2 ℃以上；（2）内部降温显著型绿地（简称Ⅱ型绿地），即绿地拥有显著的自身降温效果，但对周围热环境的调节能力较弱，包括百步亭游园等5个绿地；（3）降温效果一般型绿地（简称Ⅲ型绿地），即绿地对自身及周围环境的降温能力均尚可，包括洪山广场等2个绿地，它们的内部温度均 35 ℃左右，降温幅度在2 ℃以下；（4）降温能力较弱型绿地（简称Ⅳ型绿地），即绿地对自身及周围热环境的降温能力均较弱，包括水果湖儿童公园等4个绿地，其内部温度均高于 36 ℃。可以发现，一半以上的绿地其内外降温显著，它们具有面积大、绿化覆盖率高、整体性高等特点；仅个别绿地仅对自身或周边绿地降温显著；而降温能力较弱的绿地普遍面积较小、绿化覆盖率较低、绿色斑块稍显破碎。通过绿地面积与T、ΔT的相关分析进行验证，发现它们均在0.01水平上显著相关，相关系数分别为−0.566、0.556。通过曲线回归拟合，得到绿地面积与T、ΔT相对最优的拟合关系分别为幂函数与对数函数。在绿地面积小于约15 hm2时，随着绿地面积的增加，T呈快速下降趋势，而ΔT呈快速上升趋势，当超过这一值后，T与ΔT的升降逐渐趋于平缓（图5）。

图4 4个绿地类别Fig.4 Four green space classes

图5 T、ΔT与绿地面积之间的关系Fig.5 Relationships between T, ΔT and green space area

进一步通过单因素方差分析，以量化的方式揭示不同绿地类别的MSPA指标是否具有显著差异，以7类空间格局为横轴，以MSPA指标X_per为纵轴，按照绿地类别构建分析图（图6）。对于某一空间格局，只要标注中存在相同字母，则相应绿地类型的该MSPA指标差异不显著。结果表明，4类绿地具有显著差异的MSPA指标集中在核心、孤岛、与分支。其中，Ⅰ型绿地与Ⅲ型、Ⅳ型绿地在核心、孤岛、分支3个指标上具有显著差异，Ⅰ型绿地具有更高的核心指标、更低的孤岛、分支、边缘指标；Ⅱ型绿地与Ⅲ型、Ⅳ型绿地的孤岛、分支具有显著差异，Ⅱ型绿地具有更低的孤岛与分支指标；Ⅲ型绿地与Ⅳ型绿地的孤岛具有显著差异，Ⅲ型绿地具有更高的孤岛指标。因此可初步得出，不同降温功能的绿地类型，其空间格局具有显著的差异，在绿地的空间布局中，需注重影响绿地整体降温效能的核心、孤岛、分支3类格局指标的把控。

图6 MSPA指标在4个绿地类型间的差异Fig.6 Differences of MSPA indices among four green space types

当前研究中，采用辐射传输方程法反演的地表温度仅使用了一次瞬时数据，只能反映这一时刻下的温度特征，为了更全面地揭示绿地空间格局对热环境的影响机制，需要后期进行多时期的研究。其次，反演的地表温度空间分辨率经过前期的重采样已增大至30 m，对于一些规模较小的绿地也能涵盖20个以上的像元，基本满足与绿地空间格局的分析。

受现实复杂的建成环境制约，绿地的选取对结果也产生一些影响，主要体现在选取绿地自身及其与周围环境的关系。理想状态下，应在绿地规模相近的前提下，分析它们的空间格局对热环境的影响，本研究采用X_per这一相对指标，从而削弱这一影响因素。从植被类型来看，林地的降温效果要强于草地（陈旭等，2015）。但也有研究表明，绿地中林地、草地面积对其内部温度影响不显著，草地面积对周围环境的降温幅度影响并不显著（冯悦怡等，2014）。在选取的25个绿地中，9-博学广场、15-硚口区苗圃、23-郭徐岭广场 3个绿地的草地占比较大，其余绿地的草地占比均在5%以内，主要以林地为主，因此可认为林地、草地占比对结果的影响不是很大。此外，与既往研究发现的绿地影响范围相比（梁保平等，2015；阮俊杰，2016），500 m范围作为绿地筛选的最低门槛，足以将周围绿地水系的影响降到最低。

2.2 城市绿地空间格局对内部温度的影响

相关分析表明，绿地平均温度与核心指标、孔隙指标显著负相关，与孤岛、分支指标则显著正相关（表2），说明绿地的空间格局对其内部温度具有显著影响。进一步通过回归分析，探索各MSPA指标对绿地平均温度的影响方式。结果表明，除边缘以外，其余6种 MSPA指标均显著影响绿地平均温度。虽然环线、桥接指标与绿地温度没有显著的线性相关，但以非线性方式显著影响绿地温度的变化（图7）。

表2 MSPA指标与绿地温度、降温幅度的相关性Table 2 Correlation between MSPA indices and T, ΔT

图7 MSPA指标与T的关系Fig.7 Relationships between MSPA indices and T

绿地的点面格局方面，核心与孤岛对绿地平均温度起着相反的作用，核心指标越高，孤岛指标越低，其内部平均温度越低。对于核心而言，已有许多研究证实了绿地面积与温度的显著负相关关系（邹婧等，2017；Guo et al.，2019），因此构成绿地主体的核心占比越高，绿地的温度越低；对于孤岛而言，本研究中绿地孤岛的面积普遍较小，并且相互之间孤立，较小的绿地斑块难以发挥降温效益（Cao et al.，2010），导致孤岛占比较多的绿地其温度较高。虽然二者均与绿地平均温度呈指数拟合关系，但它们的影响基本上为线性。由拟合函数求得，当绿地的核心每提升10%，孤岛每降低10%，可分别降低绿地平均温度约 0.4 ℃、1.7 ℃，因此相对于增加绿地中的核心斑块，等比例地减少绿地中零散破碎的小斑块，更有利于降低绿地内部温度。一方面，绿地的内部温度并非随其规模呈线性增加，而随其规模的增加快速下降并逐渐趋缓（徐丽华等，2008），而核心是构成绿地的主体，当绿地内部温度的下降随核心斑块规模的增加也逐渐趋于缓和。另一方面，较多学者也指出，当绿地达到一定规模以后（规模随不同研究具有差异），才对周围环境发挥较显著的降温作用（Bowler et al.，2010；吴菲等，2007）。因此，可通过整合孤立的小斑块，形成较大的面状斑块，提高绿地的内部降温能力。

绿地的边界格局方面，孔隙指标越高，绿地温度越低，并呈线性的影响方式，而边缘指标与绿地温度无显著相关性。边缘作为绿地核心斑块的外边界，其值大小反映了核心斑块的破碎程度，相同面积的核心斑块，边缘越大说明核心斑块被分割的程度越高。Chang et al.（2007）发现相对于大规模绿地，小规模绿地的内部温度差异化相对较大，这或许导致边缘指标与绿地温度无显著相关。孔隙是核心的内边界，往往位于核心的中心位置，在既往研究中极少涉及该指标。一方面，孔隙增加了绿地内部形状的复杂性，加强了绿地中冷空气与周围热气的对流（Wiens et al.，1993），从而提高了绿地温度的下降。另一方面，在本研究中，它较多与绿地内部小规模的水体相衔接，进一步促进绿地的降温作用。

绿地的廊道格局方面，绿地温度与环线、桥接指标均呈二次函数拟合关系，与分支指标呈线性拟合关系。当绿地的环线、桥接指标分别低于约5%、17%时，绿地温度随它们的占比增加而降低；当超过这一阈值时，则呈上升的趋势，或许是由于环线、桥接指标提高时，势必削弱核心指标，从而影响了绿地的降温功能。而绿地温度随分支指标的增加一直呈上升趋势，说明从核心延伸出去的分支，暴露在硬质地表之中，太高的比例不利于绿地内部温度的下降。依据MSPA分析时设置的条件，3种线性廊道宽度在16 m以上。结合朱春阳等（2011）对不同宽度绿带的研究，该尺度带状绿地具有降温作用。以上现象表明，尽管线性廊道在加强绿地的连通性、提高物质流动具有显著功效，有利于降低绿地温度，但其内部降温效果受周围环境影响，需要把控廊道的量及廊道的类型。当廊道两端连接着同一个较大规模绿地斑块，可将其比例控制在约5%；当廊道两端连接着两个不同较大规模绿地斑块，可将其比例控制在约17%；当廊道仅一端连接着绿地斑块，则需尽可能地降低其比例。

2.3 城市绿地空间格局对周围热环境的影响

绿地的降温幅度与核心指标显著正相关，与孤岛、边缘指标显著负相关（表2），因此绿地的空间格局对降温幅度也具有显著影响。回归分析表明，除孔隙、桥接指标以外，其余5种MSPA指标均显著影响绿地的降温幅度（图8）。

图8 MSPA指标与ΔT的关系Fig.8 Relationships between MSPA indices and ΔT

绿地的点面格局方面，绿地的核心指标越高、孤岛指标越低，绿地的降温幅度也越大。一方面，植物能遮挡并吸收太阳辐射热，绿地形成的开敞空间能改变空气运动和气流交换，产生局地环流，降低绿地与周围环境的热环境差异；另一方面，通过蒸腾作用蒸发水分降低周围环境温度（冯悦怡等，2014）。虽然既往研究表明，绿地的降温作用并非随其整体规模呈线性增加，而随其规模的增加快速减弱（Yu et al.，2017；贾刘强等，209），但通过优化绿地内部斑块的布局模式，也能显著提高绿地的降温效应。绿地中以较大绿色核心斑块进行布局，增加核心斑块的规模或集中性，有助于产生更强大的局地环流与蒸腾作用，能显著调节周围热环境。相反地，当绿地中存在较多的绿色小斑块且相互孤立时，削弱了它们对周围热环境的缓解作用。

绿地的边界格局方面，孔隙对降温幅度无显著影响，这或许是由于孔隙位于绿地核心内部，且占比较低，因此难以影响到外部温度。边缘与降温幅度呈负相关，说明绿地中的核心斑块越破碎化布局，越不利于降温。边缘一定程度上也反映了绿地核心斑块外轮廓的复杂程度，边缘比例较高时，轮廓越复杂，虽然有利于绿地内外热量的对流，降低周围温度，但也会使绿地内部较多地受周围热环境的干预，削弱了绿地的降温幅度（冯悦怡等，2014）。此外，边缘的影响呈非线性，在边缘指标较低时，降温幅度随其下降速率较快，随后变缓，说明绿地核心斑块在较小程度的分割时，降温效果受影响较大。因此，为了提高绿地对周围环境的降温效果，需尽可能避免绿地核心斑块被割裂。

绿地的廊道格局方面，降温幅度与环线指标呈二次拟合函数关系，与分支指标呈对数拟合关系，与桥接指标无显著的影响。当环线指标低于约6%，降温幅度随其增加而增加，当超过这一阈值时，降温幅度则呈减弱的趋势，降温幅度随分支指标的增加则先快速下降后逐渐趋于平稳。这些现象与环线、分支对绿地内部温度的影响相反，为了提高绿地对周围热环境的改善效果，仍需控制环线比例约6%，降低分支指标。虽然桥接不影响绿地的降温幅度，但显著影响着绿地内部温度，为保证绿地的降温功能，仍需控制其比例。

3 结论与展望

本文基于形态学空间格局探讨绿地内部空间格局对热环境的影响，以7个反映空间点面、边界、廊道3方面的指标，分析了它们与绿地平均温度、降温幅度之间的关系，对优化绿地内部空间格局具有较高的实际参考价值，主要得出以下结论：

（1）将 25个绿地依据它们对自身及周边的降温能力，可分为Ⅰ型、Ⅱ型、Ⅲ型、Ⅳ型绿地4种，差异主要体现在Ⅰ型绿地与Ⅲ型、Ⅳ型绿地的核心、孤岛、分支3个指标，Ⅱ型绿地与Ⅲ型、Ⅳ型绿地的孤岛与分支指标，以及Ⅲ型绿地与Ⅳ型绿地的孤岛指标。

（2）T与核心、孔隙指标显著负相关，与孤岛、分支指标显著正相关。核心、孔隙指标越高，孤岛、分支指标越低，T越小，基本呈线性影响，可通过提高绿地核心斑块的集中性、核心斑块内部边界营造以增强其形状复杂性、减少破碎化小斑块数量、避免仅一端连接核心斑块的廊道等措施，提高绿地自身的降温效果。虽然环线、桥接指标与T的相关性不显著，但以非线性方式影响绿地温度，可将二者的占比分别控制在5%、17%以内，有利于降低绿地内部温度。

（3）ΔT与核心指标显著正相关，与孤岛指标、边缘指标显著负相关。核心指标越高、孤岛指标越低，ΔT越大。在边缘指标较低时，ΔT随其下降速率较快，随后变缓，需尽可能避免绿地核心斑块被割裂。环线指标仍以非线性方式影响ΔT，适宜控制其比例在 6%。降温幅度随分支指标的增加则先快速下降后逐渐趋于平稳，也需避免出现分支。

结合前文所述的局限性，由于绿地的自身降温效果受其内部植物类型影响，对周边的降温能力也受周围环境影响，未来研究可利用ENVI-met软件，建立不同绿地空间格局方案进行热环境的模拟，得到更合理的量化结论，有利于提出更有效的绿地空间格局方案。还可选取多个时期的遥感数据，针对不同季节的热环境进行分析，探讨绿地空间格局季节性作用的差异。