叶家慧,叶露锋,2,刘 辉,韩永伟,*

1 中国环境科学研究院,北京 100012 2 兰州大学,兰州 730000

城市热岛效应(UHI)是很多城市共同面临的生态环境问题,中国大多数城市在过去的几十年中都表现出UHI效应增长的趋势[1—2]。UHI引起的气候变化对全球生态系统的结构和功能造成影响,具体表现有：改变物种的组成和分布[3]、增加城市居民水和能源的消耗量[4]、增加地面臭氧的产生[5]、影响城市居民的热舒适度并增加健康风险[6]等。气候因素[7]、人口密度[8]、居民生产生活释放的人为热[9]、下垫面性质的改变[10]等都会对热环境造成影响,如何减缓城市热岛效应造成的负面影响已成为当前国内外亟待解决的科学问题。地表温度(LST)可以反映城市城市冠层气温,相较于气象站点数据具有覆盖范围广、连续性和多尺度等特点,现有很多学者将其作为研究城市热环境的度量因子。而绿地和水体作为维持城市中自然生态系统服务功能的蓝绿空间,绿地的蒸腾散热作用、植被冠层的削减太阳辐射作用、水体的显著蒸发作用和热交换能力[11—12]都能够有效改变城市环境的能量传输,达到热消减的效果[13—14],因此蓝绿空间对于改善城市群热环境问题和提高居民热舒适度意义重大。然而城市可利用土地资源有限,蓝绿空间不能无限度扩张,在规划建设过程中会受到诸多限制,研究如何规划才能使蓝绿空间的热消减功能最优化具有重要意义。

2017年4月1日中共中央、国务院印发通知,决定设立国家级新区河北雄安新区。作为北京非首都功能集中承载地,探索人口经济密集型优化开发新模式,打造优美生态环境,构建合理城市空间布局是新区的重要任务。雄安新区的城市建设目前处于起步阶段,快速城市化特征明显,快速增加的人口和高强度土地开发在我国城市化发展中具有典型性。近几年有多位学者从长时间序列尺度研究雄安新区的气候特征发现,城市热岛效应呈现由弱变强的增长趋势,在未来规划建设中有必要考虑高温风险[15—16]。刘原嘉等[17]探究NDVI对雄安新区热环境的影响发现,NDVI与LST为负相关关系,LST上升区主要分布在人口密集的市中心和热加工场集中地区。马瑞明等[18]识别城市热岛的“源汇”景观并分析景观降温效率发现绿色空间降温能力较高,且降温效果随着温度和形状指数的增加均成先上升后下降的趋势。目前关于自然生态系统的热消减作用相关研究主要集中在不同类型绿地和水体[19—21]、不同时间段的降温功能研究[22]、景观格局与温度的耦合关系[23—24]等方面,从城市尺度对生态系统热消减功能进行空间上的模拟和量化研究少见报道。从雄安新区的发展需求和热环境现状出发,研究如何在规划和建设过程中减少热岛效应的影响,充分发挥生态系统的热消减功能具有较强的理论与现实意义。因此本研究以雄安新区为研究区,分析生态斑块的降温效益,探究影响热消减功能的景观格局,构建热消减服务功能模型来模拟生态系统的热消减功能,旨在为城市蓝绿空间规划和建设提供一定的理论依据。

1 研究区概况

雄安新区地处北京、天津、保定腹地,与京津形成等边三角形格局,距离约为105 km。新区规划面积为1770 km2,包括河北省的雄县、安新县、容城县以及部分周边区域(图1)。新区位于太行山麓平原向冲积平原的过渡地带,生态本底较好,属温带大陆性季风气候,四季分明,春旱多风,夏热多雨,秋凉气爽,冬寒少雪。雄安新区年平均降水量为480.8 mm,年平均气温为12.6℃,年均日照时数为2335.2 h,主导风向为西南风,年平均风速为1.7 m/s[25]。土壤类型包括褐土、潮土、沼泽土、砂姜黑土4个土类,其中潮土分布最广。

图1 雄安新区地理位置示意图Fig.1 Geographical location of Xiong′an New Area

2 数据来源与研究方法

2.1数据来源

本文所采用的数据有雄安新区的土地利用数据、DEM数据和遥感影像数据。其中2019年土地利用数据和分辨率数字高程模型(DEM)数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/),分辨率均为30 m,其中土地利用分类按照《土地利用现状分类》GB/T 21010—2017进行划分；Landsat系列卫星遥感数据来源于美国地质调查局官方网站(https://earthexplorer.usgs.gov/)level 1T产品,分辨率为30 m。

2.2 研究方法

2.2.1遥感温度反演

在保证覆盖研究区、晴朗无云的原则下,获取2019年9月18日的Landsat 8影像数据,行列号为(123,33)。Landsat 8卫星搭载的TIRS(Thermal Infrared Sensor)热红外传感器在温度反演中应用广泛,其中TIRS 10波段大气吸收区域更低,定标精度值更高,故选用TIRS 10单波段来计算地表温度[26]。本文选择基于热辐射传输方程的大气校正法来计算温度,该方法计算精度高,可以应用于不同的热红外波段[27]。具体步骤为：首先对热红外波段进行辐射校正,得到星上辐射亮度值；然后进行大气校正去除水汽的影响,得到辐射亮度值；利用植被覆盖度(FVC)计算得到地物发射率,将辐射亮度值转化为相对于黑体的黑体辐射亮度值；最后通过Plank函数的转化,将黑体辐射亮度值转化为黑体亮度温度值,即为地表温度。反演过程公式如下：

(1)

式中,Ts为地表真实温度(K),B(Ts)为Ts在传感器接收的热辐射亮度值,Lλ为卫星传感器利用辐射定标系数将其像元灰度值DN转换为接收到的辐射亮度值。L↑为大气向上辐射亮度,L↓为大气向下辐射亮度,τ为大气在热红外波段的透过率,ε为地表比辐射率。τ、L↓和L↑参数通过NASA提供的网站(http://atmcorr.gsfc.nasa.gov/)上输入成像时间和中心经纬度进行获取。地表比辐射率ε根据植被覆盖度FVC来计算,公式如下[28]：

FVC=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(2)

(3)

式中,NDVIsoil为无植被覆盖区域或裸土的NDVI值,取经验值0.05；NDVIveg为植被完全覆盖的NDVI值,取经验值0.7。εwater、εbuilding和εnatural分别代表水体、自然表面和城镇像元的地表比辐射率。

(4)

式中Landsat 8 TIRS 10波段的K1值为774.89 W m-2sr-1μm-1,K2值为1321.08 K。

2.2.2降温效益分析

基于土地利用数据,提取面积大于1公顷的绿地和水体斑块作为雄安新区的生态斑块。在ArcGIS软件中对生态斑块进行缓冲区分析,以50 m为缓冲距离逐步向外建立缓冲区,然后与反演的温度数据叠加分析,分区统计不同距离缓冲区内的平均温度。以缓冲区距离为横轴,缓冲区内部平均地表温度为纵轴,绘制LST曲线。基于前人研究,随着远离绿地和水体的边界,其周边温度会逐渐升高,最后趋于平稳[21,29]。温度的转折点处表示生态斑块的影响范围,转折点温度与生态斑块内部温度的差值为降温幅度,对应的缓冲区距离即为最大降温距离。

2.2.3景观格局指数与温度相关性分析

为了探究生态斑块不同景观格局的温度差异性,将提取的生态斑块作为研究对象,在Fragstats软件中进行景观格局分析。在斑块级别上,从面积指标、形状指标、边缘指标和聚散性指标中选择斑块面积(Area)、斑块周长(PERIM)、分维数(FRAC)、边缘面积比(PARA)和最小邻近距离(ENN)进行分析,将各指标分析结果与斑块平均温度进行相关分析,确定拟合程度最高的相关性方程。其中,FRAC指数反映斑块形状的复杂程度,取值范围为[1,2],取值越小斑块形状越简单,取值越大形状越复杂；PARA指数表示周长与面积的比值；ENN指数反映斑块的孤立程度,是斑块到同类斑块最近距离的和与具有最近距离的斑块数的比值。

2.2.4热消减功能模型构建

根据文献调研,生态斑块的热消减功能与土地利用类型和地形因子等相关,因此将生态斑块划分成绿地和水体两类来构建模型。其中数字高程数据(DEM)作为影响地表温度的共同因子,绿地斑块选取归一化植被指数(NDVI),水体斑块选择改进的归一化水体指数MNDWI为影响因子。分别统计绿地和水体斑块内的DEM均值(m)、NDVI均值(无量纲)、MNDWI(无量纲)和LST均值(℃),进行回归分析(式5),得到温度拟合方程,并对模拟误差进行检验(式7)。利用ENVI软件中的Regions of Interest Band Threshold工具获取NDVI和MNDWI的阈值(大于阈值表示该区域有林地或水体),在式(5)基础上将NDVI和MNDWI指数设为阈值来模拟没有绿地和水体时的模拟温度(式6)。最后,将有无绿地和水体时的模拟温度进行差值,来表示生态系统的热消减量(式8)。

(5)

(6)

(7)

Tsi′=Twi-Tri

(8)

3 结果与分析

3.1 地表温度分析

从雄安新区地表温度反演结果(图2)可知,雄安新区北部温度较高,南部温度较低。三县的平均温度排序为雄县(28.88℃)>容城县(28.45℃)>安新县(26.89℃)。其中,容城县高温区主要分布在中部,安新县分布在县城边界周围,雄县分布在东南地区,且高温区主要集中在居民小区、工业园区和商业大厦等区域。结合土地利用分布情况(图3)可以看到,雄县建设用地比例为27.22%,比容城县(24.38%)和安新县(16.85%)高,平均温度最高。白洋淀主要位于安新县境内,大片水域的存在可能是安新县整体温度相对较低的重要原因。

图2 雄安新区2019年地表温度分布图 Fig.2 Land surface temperature distribution map of Xiong′an New Area in 2019

图3 雄安新区2019年土地利用分布图Fig.3 Land use distribution map of Xiong′an New Area in 2019

图4 雄安新区生态斑块分布图Fig.4 Distribution of ecological patches in Xiong′an New Area

图5 不同生态斑块的平均温度和标准差 Fig.5 Mean temperature and standard deviation of ecological patches

3.2 生态斑块降温效益分析

基于2019年雄安新区土地利用二级分类数据,将绿地斑块划分为有林地、其他林地、天然草地、人工草地和园地,水体斑块分为湖泊、水库坑塘、河渠和滩地(图4)。降温斑块的平均温度和标准差统计结果见图5,生态斑块的平均温度排序为：园地>人工草地>其他林地>天然草地>水库坑塘>河渠>有林地>滩地>湖泊；标准差排序为河渠>人工草地>天然草地>有林地>水库坑塘>其他林地>园地>湖泊>滩地。水体和绿地斑块中湖泊和有林地的温度最低,降温效益较好。水体相较于绿地的标准差更小,其中滩地的标准差最小,而河渠的标准差最大,斑块之间的平均温度差异较大。

由生态斑块的LST曲线(图6)和生态斑块降温距离和降温幅度统计表(表1)可知,绿地中园地和其他林地的降温距离最大,均为300 m,降温幅度分别为0.62℃和0.79℃；水体中湖泊的降温距离和降温幅度最大,分别为350 m和1.29℃。结合土地利用分布情况,雄安新区有林地分布较少,其他林地分布较为分散,雄县城区有较大面积分布,后期建设应重点种植林地,提高绿地斑块的聚集度和连通性,形成连片成网的通风廊道,提高其对热岛效应消减作用,同时可以适当建设园地,发挥其良好的降温作用。雄安新区中白洋淀面积较大且集中,后续应加强淀区内的湖泊和滩地的保护。

3.3 斑块温度与景观格局指数相关性分析

结合生态斑块的平均LST和景观指数的相关系数和拟合方程(表2、图7、图8、图9、图10、图11)结果可知：有林地、人工草地、湖泊、滩地和其他林地的温度与面积具有一定的相关性,相关系数依次为0.84、0.59、0.47、0.35、0.21。其中有林地相关系数最大,拟合方程为y=-0.0881x+27.68,面积与温度为负相关,面积越大,热消减能力越大；人工草地的拟合方程为y=0.003x2-0.0447x+26.61,斑块面积大小在2—20 km2之间,温度整体变化趋势较小,说明人工草地面积对温度的影响较小；湖泊的拟合方程是y=-0.423ln(x)+26.99,温度随着面积增大呈下降趋势,在300 km2后趋于平稳；滩地的拟合方程是y=-0.298ln(x)+27.31,在面积为50 km2内温度随着面积的增加而降低,能发挥较好的降温作用；其他林地的拟合方程为y=0.0012x2-0.0715x+27.91,面积在30 km2内呈下降趋势,之后温度趋于稳定。周长指数中相关性较强的有有林地(0.96)、滩地(0.48)、湖泊(0.33)、其他林地(0.23),与温度都呈负相关关系,其中有林地周长在2.3 km范围内温度呈下降趋势,滩地为15 km,湖泊为3 km。

图6 雄安新区生态斑块缓冲区的地表温度(LST)曲线Fig.6 LST curve of ecological patch buffer in Xiong′an New Area

表1 雄安新区生态斑块的降温距离和降温幅度

反映斑块形状的分维数和边缘面积比两个指标中,相关性较大的有有林地、人工草地、园地、湖泊、水库坑塘和滩地。根据FRAC分维数指数的拟合方程,有林地、其他林地、人工草地、园地和水库坑塘在1.07内呈下降趋势,而滩地和湖泊的分维数超出1.15后温度上升,可见滩地和的湖泊的形状复杂程度对于热消减作用影响更大。与ENN最小邻近距离指数相关性较大的有有林地(0.98)、河渠(0.74)、水库坑塘(0.29)和人工草地(0.2),根据拟合曲线可以得到各类斑块的最小临近距离,依次为1400 m、5000 m、2500 m、8000 m,同类型斑块在该距离内能够起到较好的降温效益。其中有林地的最小临近距离最小,后期应该优先进行成片栽种,缩短林间距离来提高聚集度,起到更好的热消减作用。

表2 雄安新区不同生态斑块与景观指数的相关系数R2统计表

图7 生态斑块温度与斑块面积(AREA)指数相关性分析Fig.7 Correlation analysis of ecological patch temperature and AREA index

图8 生态斑块温度与斑块周长(PERIM)指数相关性分析Fig.8 Correlation analysis of ecological patch temperature and PERIM index

图9 生态斑块温度与边缘面积比(PARA)指数相关性分析Fig.9 Correlation analysis of ecological patch temperature and PARA index

图10 生态斑块温度与分维数(FRAC)指数相关性分析Fig.10 Correlation analysis of ecological patch temperature and FRAC index

图11 生态斑块温度与最小邻近距离(ENN)指数相关性分析Fig.11 Correlation analysis of ecological patch temperature and ENN index

3.4 热消减功能分析

根据热消减功能模型,分析绿地、水体的NDVI、MNDWI、DEM值与温度的相关性,发现绿地与DEM(0.348**)和NDVI(-0.697**)有显著相关性,水体与DEM(0.399**)和MNDWI(-0.683**)有显著相关性,拟合程度最高的为一元二次方程。在SPSS软件中选择非线性回归分析工具,输入模型表达式,分别得到水体和绿地斑块温度的拟合方程和R2值(表3),且拟合方程的R2均在0.6以上。经验证,绿地和水体拟合方程的模拟误差E分别为3.56%和3.12%,在误差允许范围内,可以较好地模拟地表温度。

表3 雄安新区生态斑块温度拟合方程

根据热消减功能模型的计算方法,通过拟合方程得到绿地和水体的模拟温度(图12),NDVI和MNDWI的阈值分别为0.15和-0.1,代入温度拟合方程中得到假设没有生态斑块时的模拟温度(图13),最后计算有无生态斑块的温度差来反映雄安新区生态系统的热消减量(图14),热消减量反映了生态斑块在该区域能够调节温度,削减热岛效应的能力。

整体来看,生态系统在缓解城市热环境起到重要作用,雄安新区热消减量的范围在0.4—5.63℃之间,存在空间布局的差异性,与土地利用类型密切相关。其中,热消减量最高的区域主要集中在白洋淀附近,淀区内湖泊热消减能力最强,与生态斑块效益分析结果一致,湖泊的降温效益最好。其次为分布在建成区的部分林地和草地,在未来规划中可以重点保护,河渠的热消减能力相对较低,尤其是位于白洋淀东边的两条河渠,热消减能力最弱的是雄安新区建成区北部的零星草地和林地,从空间分布来看斑块之间孤立且斑块自身面积较小,由于北边城区水域面积较少,后期应重点关注该区域的林草建设以及维护白沟河下游人工开凿的白沟引河,提升整体的热消减能力。

4 讨论

(1)城市绿地和水体在消减城市热环境方面发挥着重要作用。孟倩文[30]研究京津唐城市群发现LST与NDVI呈负相关关系,其中夏季林地相关性最大,降温幅度可达2.86℃。不同土地利用类型、不同时间段与温度的关系也有所不同,孙宗耀[31]基于京津冀MODIS温度产品数据分析发现,在不同季节土地利用类型对于热环境的贡献度不同,2005—2015年间林地和草地的降温能力有所增加。陈彬辉等[32]研究发现,白天水体消减城市热岛效应,夜间反而增强热岛效应；在春季、夏季和秋季的白天,林地和农田会缓解城市热岛效应,冬季相反。本文基于二级土地利用分类数据分析了雄安新区绿地和水体的降温效益,得到一些初步结论,其中绿地中其他林地降温效益最好,降温距离为300 m,降温幅度为0.79℃；水体中湖泊的降温效益最好,降温距离为350 m,降温幅度为1.29℃。从缓解城市热的角度出发可以优先保护和建设湖泊、其他林地和园地,但没有开展不同时段城市生态系统的热消减功能对比分析,下一步需要继续研究完善这方面的内容。

(2)不同的生态斑块空间格局对城市温度的影响也不同。张燊等[33]研究发现城市群热岛足迹一致情况下,热岛强度会受到绿地和水体的空间格局影响。王戈[34]研究不同生态空间景观格局的降温效果发现：斑块面积越大,降温效果越明显；斑块形状越复杂,边界越长,其降温效果越好；生态空间斑块丰度高的区域地表温度较低；斑块聚合度指数越大,地表温度越低。这与本文研究结果基本一致,从面积指标、边缘指标、形状指标和聚散性指标中选取的景观指数与生态斑块温度有一定的相关性。

(3)从景观水平研究空间配置与地面温度的关系是非常重要的。焦敏等[35]提出景观尺度上绿地斑块大小在空间上的配置对热环境的影响在不同的研究中有所不同,甚至出现相反的结果。关于大面积绿地斑块和多个破碎的小绿地斑块哪种格局能够更好地消减城市热环境有诸多探讨,目前还没有一致的结论。例如成都某绿地覆盖率相同区域,斑块大且相对集中的区域温度明显低于斑块小且相对分散区域[36],而Zhang等[37]的研究结果相反。本文在研究过程中发现从景观水平研究降温距离和降温幅度是比较困难的,因此从生态斑块尺度开展了相关工作,并结合模拟方程提出了能够起到热消减功能的景观指数范围,后期需要继续深入在景观尺度对热消减功能进行量化研究。

(4)在生态系统中,每个生态斑块不是独立的,景观生态学“源-汇”理论的应用也是研究热消减功能的一个重要角度。“源汇”景观理论更加注重机理性、系统性和过程性,可以更好的反映生态斑块服务功能发挥的过程与机制。生态斑块的降温功能从生态系统出发,除了考虑“源”驱动外,还需要考虑“流”过程。但目前基于“源汇”理论研究城市热景观、热岛效应的较多,生态斑块降温的“源汇”研究是今后可以深入探讨的方向。

(5)关于模拟热消减功能的方法,Kong等[38]结合微气候ENVI-met模型和现场数据构建室外三维热环境模型,通过模型分析绿色空间对城市室外热环境的影响,并计算累积降温量。孟楠[39]将城市中的大型水体、公园和山体作为生态系统服务功能的供给源,构建气候调节服务功能供需平衡模型,并识别出功能较弱的区域。Elliot等[40]利用生态系统服务矩阵方法来模拟土地覆盖变化对热岛强度的影响,结果表明城市景观缓解热岛效应的能力自1990年以来呈下降趋势,并将持续小幅下降至2022年,该模型可以用于帮助城市规划者在建筑结构和绿色空间布局方面进行决策。本研究构建了热消减模型来模拟热消减量,具有可量化、模拟区域整体热消减功能的优点,能从城市尺度识别功能较弱的区域,但存在模型参数考虑不全面等不足,今后需要结合其它研究方法开展工作,并对比分析不同方法之间优缺点,以促进相关方法的完善。

图12 雄安新区模拟温度图Fig.12 Simulated temperature diagram in Xiong′an New Area

图13 雄安新区无生态斑块模拟温度图 Fig.13 Simulated temperature diagram of uncooled space in Xiong′an New Area

图14 雄安新区生态系统热消减量分布图 Fig.14 Distribution map of ecosystem heat reduction in Xiong′an New Area

(6)热消减功能与生态系统的结构和过程密切相关,两者耦合关系也是现在的研究热点。目前有不少研究强调,由于不同城市的地理位置和地形地貌不同,热消减能力也会存在差异,城市自身的气候背景必须纳入研究的考虑因素。热环境的分析存在相互依赖性[41]，因此在景观空间分析研究中,观测数据之间的空间自相关性值得关注。此外,获取高精度的遥感地表参数数据和实地试验观测数据,结合本地气候条件和能量平衡模型来研究城市蓝绿空间的热消减原理和过程,从机理上去解释生态系统是怎样实现气候调节以及各种因素对热消减能力的影响,也是今后需要深入研究的一个方向。

5 结论

本文以雄安新区为研究对象,以地表温度表征城市热环境特征,基于土地利用数据和遥感数据研究了城市热环境特征,分析了生态斑块的降温效益并构建模型计算了城市生态系统的热消减功能。得出如下结论：

(1)雄安新区地表温度反演结果显示,北部温度相对更高,其中三县平均温度排序为：雄县>容城县>安新县。整体来看高温区主要集中在工业园区、居民小区等区域。温度分区与土地利用类型关系密切,林地低温区居多,水体低温区占比最高,耕地以中温区为主。

(2生态斑块的降温距离和降温幅度分析结果表明,雄安新区水体中湖泊的降温效益最好,绿地中其他林地的降温效益最好。景观格局指数与生态斑块温度拟合方程反映出整体关系为：面积越大,周长越长,同类型斑块之间距离越近,其斑块内部温度越低。不同类型斑块有不同的阈值,超过阈值后其温度趋于平缓,城市蓝绿空间规划过程中可以参考各生态斑块的降温阈值来进行建设。

(3)本文构建的热消减模型模拟雄安新区的热消减量在0.4—5.63℃之间,白洋淀区域的热消减能力突出,其中湖泊发挥的作用最强,其次为分布在建成区的部分林地和草地,河渠的热消减能力相对较低,分布在北边建成区的少量草地和林地热消减能力最弱。