宋鑫博，黄鹤，郭军，熊明明

天津市气候中心，天津 300074

随着中国城市化建设的快速推进，城市不仅从二维方向上扩张，同时也在垂直高度上拓展，形成了大量高密度建成区。城市建设在取得巨大社会经济效益的同时，也出现了严重的城市热岛现象。持续的高温不仅严重威胁供水、供电等城市运行，加剧能源短缺矛盾（梁荣等，2019），而且会降低城市的宜居性，导致城市人口发病率和死亡率升高（丁海燕等，2014）。因此，城市热环境及其影响机制越来越受到科学界的重视，已有研究表明人为热、太阳辐射、下垫面类型、土地开发强度和房屋建筑对城市热岛强度产生较大影响（Peng et al.，2018；曹爱丽等，2008；徐涵秋，2009；魏胜龙等，2017），而城市地表覆盖类型和房屋建筑是城市热岛的重要驱动因子之一（杨朝斌等，2016）。城市扩张过程中，下垫面由自然植被、水体等转变为大量人工建筑物，土地覆盖及其空间结构的变化影响地表显热存储和传输，导致严重的城市热岛现象。此外形状各异的建筑物构成的三维空间形态格局改变了风场，对空气流动、太阳辐射过程和夜间长波辐射产生复杂影响，进一步加剧城市热岛现象。因此如何优化城市空间形态要素，改善城市热环境，日益受到学者和决策部门的关注。近年来城市形态与热环境影响机制研究主要围绕城市地表景观格局（Estoque et al.，2017；Liu et al.，2018；刘丹等，2018），建筑形态特征（Xu et al.，2017；Alavipanah et al.，2018；潘玥等，2017；孙喆，2020），建设用地及生态冷源空间分布状况（Zhou et al.，2017；Masoudi et al.，2019；陈康林等，2016；王耀斌等，2017；郭宇等，2020）作为切入点开展相关研究。

比较已有研究发现，受实验方法、研究对象、研究尺度、气候条件的影响制约，不同学者的研究结论存在不一致的情况。Berger et al.（2017）定量化表达德国柏林市和科隆市 26种形态特征，研究发现两个城市形态与地表温度（Land Surface Temperature，LST）之间的关系明显不同，结果主要受研究区地理位置、土地利用结构影响；邬尚霖等（2016）从街区尺度利用热环境仿真模型模拟广州典型街区白天和全天的热环境，分析不同建筑密度产生的影响，结果表明适度提高建筑密度对街区热环境有改善作用。Zheng et al.（2019）采用相关性分析和最小二乘法回归方法开展实验，研究发现建筑高度和绿地率有明显降温作用，而建筑密度与地表温度呈显著正相关。蔡智等（2018）从局地气候分区视角剖析重庆市空间形态格局，得出容积率、建筑密度、不透水面率、高度与地表温度正相关，天空开阔度与地表温度负相关的结论；张海龙等（2016）基于高分辨率三维建筑数据计算天空开阔度与迎风面指数，同时指出天空开阔度与热岛强度在夜间呈显著负相关，白天呈线性正相关，而迎风面指数在早晨和夜间呈对数关系，白天呈线性负相关。冯章献等（2019）利用建筑和遥感等多源数据评估长春市区迎风面指数分异性，发现该指数与地表温度正相关。Huang et al.（2019）利用高分辨率影像和地理信息数据深入分析二维、三维形态要素对地表温度的影响，认为二维要素的地表温度调节能力更强。Yu et al.（2020）却持不同观点，指出三维形态指标比传统的二维形态指标能更好地描述地表热场的分异性。随着天津城市化进程加速，中心城区空间形态变化剧烈，其对市区热环境的影响开始显现。遗憾的是，目前还没有学者对天津市空间形态进行系统的梳理，该区域夏季城市形态的热环境效应有待深入研究；同时天津城市热岛现象在不同季节、昼夜更迭过程中都会出现（黄利萍等，2012），而形态要素对LST的影响研究主要集中在夏季，亟需开展季节变化规律的相关研究。

综上所述本文基于天津中心城区Landsat 8卫星资料、土地覆盖数据和三维建筑数据，借助遥感及GIS技术定量化表达地表温度、城市形态特征，然后比较OLS模型与SLM模型，再利用最优模型分析多城市形态要素交互作用下热环境效应及季节变化规律，探讨城市形态对地表温度的影响机理，以期为改善城市热环境，建设宜居型城市提供理论依据。

1 研究区域与方法

1.1 研究区概况

天津位于华北平原东北部的海河各支流交汇处，行政区域介于 116°43′—118°04′E，38°34′—40°15′N 之间，属于温带季风气候，主要受季风环流影响，四季分明。本文研究区域为天津市外环线以内中心城区（图1），是天津的发祥地，也是政治文化教育经济商业中心。该区域北至北辰区新引河，南至津南区外环南路，东至东丽区空港经济区，西至西青区锦悦新城高层住宅区，面积约388 km2。天津城市发展历史悠久，至今已有600年的历史。中心城区被海河斜向贯穿，大部分街区以居住用途的多层建筑为主，在海河沿岸租界区原址上建成历史文化街区。近 20多年天津市城市化进程加快，摩天大楼拔地而起，综合型购物中心相继落成，形成密集的商业圈；同时高端都市工业飞速发展，北辰区、西青区、津南区、东丽区均已开发数量可观的工业园区。除了大力发展经济，天津还致力打造生态宜居城市，中心城区拥有多个城市公园供居民休憩，规模较大的有天津水上公园、二宫公园、长虹公园、天津人民公园、南翠屏公园、梅江公园等。

图1 研究区概况Fig. 1 Overview of the study area

1.2 数据来源及预处理

本研究所采用的Landsat 8遥感影像数据来源于USGS官网https://earthexplorer.usgs.gov，研究数据为2018年8月23日单景影像，条带号和行编号为122/33，所选影像成像质量好，研究区晴朗无云。利用ENVI遥感软件对影像进行几何校正、辐射定标、大气校正、研究区裁剪等处理。土地覆盖数据采用清华大学宫鹏教授团队研发的世界首套 10 m分辨率全球土地覆盖数据集FROM-GLC10，该数据集提供更多空间细节（Gong et al.，2019），研究区土地覆盖类型分为水体、草地、不透水层，经实地调查验证，FROM-GLC10数据在研究区的总体分类精度为88.7%，满足研究的要求。包含建筑高度信息的天津市中心城区建筑矢量数据来源于高德地图，对其进行坐标投影转换、高度属性异常值删除、非核心区孤立建筑物要素剔除等数据处理。

1.3 研究方法

1.3.1 地表温度反演与分级

基于辐射传输方程法反演天津中心城区地表温度，其原理是从传感器处获得的热辐射总量减去大气热辐射量后得到地表发射的热辐射强度，进而计算出地表温度。传感器处获得的热辐射强度Lλ计算方程如式（1）所示。

式中：

ε——地表辐射率；

TS——用热力学温度表示的地表温度；

B(Ts)——普朗克定律推导出的黑体在Ts温度下的热辐射强度；

τ——热红外波段大气透过率；

L↑和L↓——大气向上/向下辐射亮度。黑体在热红外波段辐射强度B(TS)如公式（2）所示。

式中：

Lλ可由影像DN值计算得出，而L↑、L↓和τ这3个参数可在NASA官网（http://atmcorr.gsfc.nasa.gov/）中通过输入影像中心经纬度和成像时间来获取（邓睿等，2017）。ε通过将影像分为水体、建筑和植被，采用混合像元分解法计算得到的（覃志豪等，2004）。

最后根据传感器接收的热红外波段辐射强度和普朗克公式的反函数计算地表温度。

对于landsat8卫星数据第10波段，式中K1，K2为常量。

为了更直观形象的表达研究区地表热场时空分布格局，本文将LST从热力学温度转换成摄氏温度，并采用标准差分类方法（余德等，2014）对LST分为7级：极低温区（Extremely Low LST Zone）、低温区（Low LST Zone）、较低温区（Relative Low LST Zone）、中温区（Medium LST Zone）、较高温区（Relative High LST Zone）、高温区（High LST Zone）、极高温区（Extremely High LST Zone），具体分类设置如表1，其中LST均值为36.37 ℃，标准差为2.81 ℃。

表1 地表温度分级标准Table 1 Classification criteria for land surface temperature

1.3.2 城市空间形态定量化表达

由于城市空间形态指数对热环境的影响程度在数理统计上存在尺度相关关系，小尺度不能较好反映下垫面组分变化，而大尺度上不能精细刻画形态指数（江颖慧等，2018），有学者发现研究尺度为100 m时空间形态对热环境的影响显著（Tong et al.，2017；杨若等，2019），因此本文顾及形态对地表温度影响的尺度效应和指标估算的便捷性，确定研究尺度为120 m，然后借助GIS技术首先将天津中心城区划分为120 m×120 m方形研究格网，再定量化表达每个格网内地表温度、形态指标。

城市形态定量化表达解决综合表征城市三维景观形态问题，目前已建立许多形态指标，可分为高度指标、体积指标、综合指标和建筑群阵列指标，较为常用并且对热环境有显著影响形态指标的包括天空开阔度（Sky View Factor，SVF）、容积率（Floor Area Ration，FAR）、建筑密度（Build Density，BD）和建筑高度（Build Height，BH）等（周伟奇等，2020）。大量研究表明不透水层百分比（Impervious Surface Percentage，ISP）、绿地率（Greenery Density，GD）和水体百分比（Water Percentage，WP）对地表热环境均有显著作用（王雪等，2017；刘丹等，2018；郭宇等，2020）。鉴于此本文针对天津中心城区选取这7种形态要素进行空间定量表达并开展热环境效应研究。其中ISP、WP、GD形态指标利用GIS分区统计功能计算格网对应覆盖类型面积与统计单元面积的比率得到；而BH、BD、FAR通过式 (4)—(6) 计算：

式中：

H——统计单元内平均建筑高度；

D——统计单元内平均建筑密度；

F——统计单元内平均容积率；

Ai——第i栋建筑物占地面积；

Hi——第i栋建筑高度；

n——统计单元内建筑数量；

A——统计单元面积；

fi——第i栋建筑层数。

而SVF是一个几何概念，指一个平面从天空接收（或发射）的辐射与整个半球辐射环境发射（或接收）的辐射之比。其计算公式如下（Watson et al.，1987）：

为了真实地表达城市地面起伏情况，创建引入了地表建筑物高度的数字表面模型（Digital Surface Model，缩写DSM）。

式 (7) 中参数坡向α、坡度β均基于DSM模型估算：

φ——视场角；

φ——方位角。

1.3.3 城市形态对地表温度影响研究

为了探索城市形态对地表温度的影响，选取常用的最小二乘法回归模型 OLS和空间回归模型SLM进行比较，选择最优模型研究形态要素与LST之间的关系。

传统回归模型——OLS模型是城市空间形态指数与城市热环境作用机制研究中的经典模型，其基本原则是：最优拟合直线应该使各点到直线的距离和最小，可用公式 (8) 表述。

式中：

y——因变量；

X——解释变量；

β——斜率；

ε——随机误差；

b——常数项，当所有变量进行中心化处理后可以省略。

以往城市形态要素热环境效应研究中侧重于各要素的全局性作用，大多采用传统回归模型（Tong et al.，2017；王雪等，2017；李孝永等，2019）或进行相关性分析（张海龙等，2016）。应用传统回归模型没有考虑形态要素的空间自相关性与空间异质性，也没有充分考虑地表温度空间信息，研究结果难免产生偏差。相比之下，空间回归模型强调对现实世界模拟和度量，研究空间变量之间的相互关系，揭示空间状态或过程，广泛应用于地理学、经济学和地理信息领域（杨振山等，2010）。空间滞后模型SLM是典型的空间回归模型，其表达式为：

式中：

y——因变量；

X——解释变量；

ρ——空间回归系数；

Wy——空间权重矩阵；

ε——随机误差项。

2 研究区形态要素与地表热场特征

2.1 形态要素空间分布特征

以 120 m大小的格网作为统计单元，利用ArcGIS空间统计分析工具将天津中心城区形态特征进行定量化表达，如图2所示。图2a表明绿地已形成以城市公园为主体，道路、河流两侧绿化带和建筑组团绿化相结合的城市绿地体系，呈现以点状分布为主，线面结合的空间分布格局，大型公园、苗圃、高层住宅区及郊区景观林绿地率最高。图2b水资源空间分布极度不均衡，大部分地区水体面积百分比低于 3%，只有海河等城市河网、城市公园的大型水体地区相对较高。图 2c表明不透水层面积占比空间分布呈现由市中心至环城区逐渐降低的趋势，表明中心城区是单核扩张模式，以市内 6区为中心不断向外扩张的城市规模。此外有高达26%的区域不透水层面积占比在90%以上，体现了天津市相当高程度城市化水平。图2d中建筑高度从中心到郊区呈现逐渐降低的趋势，多层住宅区建筑高度大多低于18 m，工业园区、老旧居民区建筑高度普遍低于6 m；高层建筑群布局分散，多聚集于小白楼、滨江道等中央商务区和高层住宅小区。图2e中天空开阔度空间格局表现为从市中心至环城区逐渐增大，其中中央商业区、高层住宅区SVF值最低，普遍在0.66以下；大型公园、水体及低层建筑居民区SVF最高，在0.92以上。建筑密度空间分布特征往往由土地建设用途决定，图2f中高层住宅区、大型绿地、水面附近建筑密度在 18%以下，新建多层住宅区建筑密度在18%—52%，工业园区、老旧居民区及市区商业圈建筑密度普遍在 52%以上。容积率是衡量人口容量和建设规模的指标，图2g表明高容积率地区分布呈向核心区聚拢状态。FAR高于 1.8的地块沿海河呈三角形松散分布，主要由商业中心、高层住宅组成；多层居民楼FAR在0.9—1.8之间，工业园区FAR大多低于0.9。

图2 研究区形态要素空间分布Fig. 2 Spatial distribution of morphology factors in study area

2.2 地表温度时空格局

根据标准差法对天津市中心城区夏季 LST进行分级并分析地表热场空间格局。图3中夏季较高温区以上区域呈“摊大饼式”中心聚集空间分布特征，极高温区、高温区位于河西区、南开区、和平区商业中心、居民区等开发强度高的地块；城区东北部宜兴阜一带属于工业园区，由于地表主要为硬质路面，绿化率较低，还有大量人为热的排放，也出现了成片的极高温区。极低温区和低温区位于城市水体附近，中温区和较低温区出现于绿地覆盖率较高的公园、高层住宅区及主干道绿化带附近，说明水体、植被等地物有明显的降温作用。

图3 研究区夏季地表温度空间分布Fig. 3 Spatial distribution of land surface temperature in the study area in summer

3 天津城市形态热环境效应

3.1 模型的比较

将天津城市形态指标 SVF、BD、FAR、BH、WP、ISP、GD设为自变量，将LST作为因变量，分别采用OLS、SLM模型进行回归分析。为避免自变量的多重共线性，最小二乘法回归采用逐步回归的方式，剔除弱显著性的变量，得到多元逐步回归模型。为了对比不同模型的表现，选取决定系数r2、赤池信息量准则（Akaike Information Criterion，AIC）和施瓦兹准则指标（Schwartz Criterion，SC）（胡家昱等，2019）衡量模型的拟合效果，模型间的比较结果如表2所示：OLS模型的r2较小，而AIC、SC指标较大，表明SLM模型表现优于OLS模型，所以选择SLM模型研究形态要素与LST的关系。

表2 回归模型比较结果Table 2 Comparation results of regression model

3.2 基于空间回归模型分析

3.2.1 形态要素综合影响效果评估

多次实验发现ISP、GD和WP等二维形态在不同指标组合条件下对热环境作用比较稳定，因此作为控制变量。同时发现BH与LST回归系数在-0.01—-0.005范围内变化，对地表温度的影响极小，故未将其作为关键要素考量。因此遴选以具有规划实践意义的建筑指标BD、FAR、SVF等参数作为自变量，选择夏季LST反演结果作为因变量建立SLM模型，重点探讨不同形态要素组合下BD、FAR、SVF等关键要素的影响及其变化。在应用空间回归模型之前，进行因变量的空间自相关检验，结果全局Moran’sI指数为0.684，在1%水平上显著，说明LST空间自相关性强，可用空间回归模型SLM进一步分析。模型回归结果如表3所示：共设计 8组拟合实验，第 1组实验未加入其它空间形态指标，第2—4组实验分别加入SVF、BD和FAR，第5—7组实验分别将2—4组实验添加的形态指标组合后进行拟合，第8组实验包括所有形态指标。分析可知实验1—8中ISP的系数均为稳定正值，表明不透水层对地表温度起到正向促进作用。而GD和WP系数均为稳定负值，表明植被、水体对地表温度起到消减作用。通过比较发现水体的降温效果比植被好：研究单元完全植被覆盖时降温幅度约为 1.9—2.5 ℃左右，完全被水体覆盖时降温幅度约在3.5—3.9 ℃之间。

表3 空间滞后模型拟合结果Table 3 Results of spatial lag model

系数绝对值大小代表对地表温度影响程度，分析组合中系数可知形态要素热环境影响程度。实验2—4表明单一指标如天空开阔度、建筑密度、容积率与LST显著相关，且均为正相关关系，其中BD对LST影响效果最明显，回归系数为2.5876。实验5—7任意组合2个形态指标，探索其对热环境综合影响结果，实验5、7中SVF拟合系数变化极大，在实验5中高达6.7841，超过WP一跃成为决定地表温度的首要因素；而在实验7中下降到2.3201，影响力低于WP、BD。实验6、7表明BD对LST有重要影响，其作用仅比WP稍差，并且整体表现稳定。实验5、6表明FAR对LST影响弱于BD、SVF两指标，两次实验其系数正负号发生改变，表明 FAR从正贡献指标变成负贡献指标，彰显形态要素交互作用下热效应复杂性。实验8拟合3个形态指标对地表温度的综合影响，比较得到地表温度影响因子排序为天空开阔度＞水体比率＞建筑密度＞绿地比率＞不透水比率＞容积率。通过实验发现引入不同形态要素组合各指标的热环境影响排序发生显著变化，其产生的热环境效益将有显著差异。

3.2.2 形态要素热环境效应季节变化

为了探索形态要素对热环境影响的季节变化特征，另选取2017年4月14日、2018年10月23日和2018年1月11日三景成像质量好的Landsat 8影像反演春季、秋季和冬季的地表温度，并基于SLM模型进行分析，结果如图 4所示。按拟合的形态要素与地表温度回归系数正负号可划分为正贡献指标和负贡献指标：WP、GD、BH是负贡献指标。其中WP负贡献作用最大，回归系数绝对值春季＞夏季＞秋季＞冬季。GD负贡献能力仅次于 WP，回归系数绝对值夏季＞秋季＞冬季＞春季。BH负贡献能力最小，季节变化也不明显。ISP、SVF、FAR和BD是正贡献指标，春夏秋季贡献能力SVF＞BD＞ISP＞FAR，冬季SVF＞FAR＞ISP＞BD。分析城市形态正贡献水平季节变化特征发现，SVF和BD季节变化显著，均表现为春季＞夏季＞秋季＞冬季。FAR与ISP贡献水平季节变化相对不明显，且均在夏季作用最显著。

图4 城市形态要素与地表温度相关性季节变化热力图Fig. 4 Heat map of seasonal variation of correlation between urban morphology factors and land surface temperature

4 讨论

城市绿地和水体具有显著的降温效应，能改善城市气候状况，提高城市宜居性（孔繁花等，2013）。本研究发现，天津地表高温区均可见一些零星低温小斑块，而这些斑块往往位于水体、植被附近，表明水体和绿地具有明显降温作用。与水体和绿地相比，以水泥/沥青为主的城市不透水层地表温度稍高，表明不透水层有一定的升温作用。从 SLM 模型结果分析降温能力来看，水体降温效应最强，绿地稍弱于水体。梁保平等（2015）通过分析桂林市绿地水体不同缓冲距离内的地表温度变化也发现水体降温效应更显著。另外，本研究发现ISP对LST影响不如BD等指标显著，这与ISP是影响LST关键指标的结论相矛盾（徐涵秋，2009），其可能原因是徐涵秋等人利用卫星影像中提取ISP和LST，从参数获取来源看，两者基于同一数据源反演得到，可能本身相关性高，更容易得到ISP对LST影响明显的结论；本研究采用的FROM-GLC10土地覆盖数据提取ISP，LST则基于卫星数据反演得到，两者来源不一致，可能是导致ISP对LST的影响相对不显著的原因。本研究发现，SVF是天津市区地表温度最显著的正贡献要素，其值越大则空间越开放，越有利于白天城市地表吸收太阳辐射而升温；其值越小表明城市空间越紧凑，地表越易受浓密的树冠和高大建筑阴影遮蔽，抑制地表升温。Scarano et al.（2017）的研究结论同样支持SVF与地表温度正相关的观点，但Gái et al.（2009）研究认为地表温度与SVF之间存在显著负相关关系，这种研究结果相悖的现象可能是研究时空尺度不一致造成的（周伟奇等，2020）。本研究还揭示了BD是影响地表温度的重要指标，宜兴阜工业区和小白楼商业圈等高度开发地区通风条件差，同时居民生产生活向环境释放大量人为热，易导致地表温度的快速升高；而对于建筑稀疏分布的高层住宅区，冷热空气充分交换，减缓地表升温过程，验证了 Guo et al.（2016）的研究结果。本研究表3第6组实验说明FAR对地表温度起到消减作用，而在实验4、5、8中FAR对地表温度起到促进作用，整体表现出双向调节作用。但是北京、广州地区的研究证实FAR对LST有减弱的作用（邬尚霖等，2015；孙喆，2020），与本文结论截然不同。这可能是因为FAR属于既包含建筑密度信息又包含建筑高度信息的综合性要素，在百米分辨率尺度上一定阈值范围内或在不同形态要素组合条件下对地表温度有双向调节效果。为了进一步定量化探索FAR对地表热场的影响，统计FAR与平均地表温度的散点图，如图5所示。FAR在（0, 1）范围内对地表温度呈明显促进作用，在（1, 2.2）之间FAR的热环境效应趋于平稳，而在（2.2,4.5）范围内对地表温度有抑制作用，是减缓热岛效应的合理阈值范围。

图5 容积率与平均地表温度散点图Fig. 5 Scatter diagram of floor area ratio and average land surface temperature

此外，本文的研究通过分析形态要素对LST的综合影响机制找到一些规律，但仍存在一定局限性。一是提取的天津城区绿地率是二维量值，并不包含乔木的高度和体积信息，这使得绿地率降温作用研究及SVF计算结果有一定局限性。二是形态要素的热环境效应有很强的尺度依赖性，目前最优研究尺度尚未厘清，需要在今后工作中开展进一步研究。

5 结论与建议

本研究对天津中心城区城市形态要素进行空间定量化表达，发现 ISP以单核聚集空间分布为主要特征；GD以点状分布为主，线面结合的空间分布格局；WP主要分布于城市河网、大型水体；BH呈现以18 m以下多层建筑为主，高层建筑群分散布局的空间特征；SVF空间格局表现为从市中心至环城区逐渐增大；BD空间分布特征往往由土地建设用途决定，高层住宅区、大型绿地、水面附近建筑密度在18%以下，新式多层住宅区建筑密度在18%—52%，工业园区、老旧居民区及市区商业圈建筑密度普遍在52%以上；高FAR地区分布呈向核心区聚拢状态，高于1.8的地块沿海河呈三角形松散分布。

比较传统回归模型 OLS与空间自相关模型SLM发现，SLM模型优于OLS模型，可更好的解释地理事物的空间关系，是研究城市热环境影响机理问题的有效方法，可客观准确评估城市空间形态指数对热环境影响。

分析结果表明，城市生态环境因子之一——地表温度受城市形态要素要素影响显著：形态要素不同组合方式将导致其热环境效应排序发生显著变化，并且表现出一定季节变化规律。对于地表温度，WP、GD、BH是负贡献指标，ISP、SVF和BD是正贡献指标，而FAR表现出对热环境的双向调节作用。

城市生态环境是近年来社会普遍关注的热点问题，本文围绕城市形态对地表温度的综合影响作出评估，得到一些对城市规划有借鉴参考意义的结论，也建议通过优化城市空间形态分布模式来减缓城市热岛效应：多种植行道树，设计建筑遮阳构造，适当提升建筑高度，从而有效降低天空开阔度减弱热岛效应；合理降低建筑密度，促进人为热的流通散失；还要正确认识容积率对地表温度双向调节效果，在合理阈值范围内开展城市建设；此外还要多提高水体、绿地等生态冷源面积占比，增湿添绿，调节城市气候。本研究成果可有效补充天津地区城市形态数据，便于多个城市对比分析研究；也为如何合理开展城市规划达到显著减缓城市热岛效应、提升都市宜居性的城市生态目标提供理论参考依据。