陈梦迪，张友水*

（1.福建师范大学 地理科学学院/碳中和未来技术学院，福建 福州 350117；2.福建师范大学 地理研究所，福建 福州 350117）

城市热环境变化是全球现代化城市气候变化最为显著的特点之一[1]。城市化表现为城市人口激增和人造地表扩张。在城市建设过程中，大量自然地表被不透水面取代，影响地表能量交换和辐射平衡进而导致城市升温[2-3]，影响生态平衡和人类健康生活[4]。因此，分析城市不同发展水平下土地利用模式对地表温度（Land Surface Temperature，LST）的影响，可深入理解城市下垫面类型的改变对热环境的影响，进而为城市规划、生态环境建设和改善人居环境提供指导。

当前，国内外学者利用遥感数据对不透水面与地表温度的研究大多集中在不透水面信息提取及其与地表温度之间的关系分析[5-10]。Yuan等[11]利用线性光谱混合模型提取不透水面覆盖度（Impervious Surface Percentage, ISP），进而分析得出在所有季节地表温度与不透水面覆盖度之间均存在很强的线性关系。孟庆岩等[12]在采用生物物理成分指数提取城市不透水面的基础上，发现地表温度对不透水面聚集密度的响应存在一个临界点。George等[13]对比分析农村和城市地区，得到二者不透水面覆盖度的热岛增强效应差异较大。虽然不透水面增加对地表温度的增温作用明显，但不透水面覆盖度的增温幅度需要进一步定量分析。不透水面覆盖度可揭示城市的发展水平和土地覆盖模式[14]，随着城市化的推进城市空间结构也发生了较大改变，城市不透水面覆盖度和地表温度的空间分布并不均匀，表现出明显的区域特征[15]。因此，为了有效应对气候变化带来的挑战，有必要探讨城市不同发展程度区域土地利用变化对区域热环境的贡献和对地表温度的影响。

在城市地表温度空间分异研究方面，地理探测器作为一种新型统计学方法近年广泛应用于各学科领域中。张雪玲等[16]选取多个因子对新疆石河子地表温度空间分异性进行探测，结果表明归一化建筑指数对地表温度的解释力最强。田浩等[17]从自然因素和人为因素两方面选取多个因子，借助地理探测器识别中国38个生态地理分区影响地表温度变化的主要因子，得出自然因素对地表温度空间分异影响更大的结论。在这些研究中，学者多使用地理探测器分析整个城市地表温度空间异质性的驱动因子，还没有学者使用地理探测器对城市不同发展程度区域的差异进行分析。由于城市扩张的分异性和城市不同区域土地利用模式的差异，城市地表温度的空间分布状况存在异质性。城市不同区域各环境因子对地表温度影响程度的差异目前并不清楚，因此，有必要分析城市不同发展程度区域地表温度空间异质性的影响因素并进行对比。

本研究利用2期遥感数据，以福州市为研究区，将整个研究区按照城市发展程度划分为3个环形区域，在反演地表温度、提取植被覆盖度（Fractional Vegetation Coverage，FVC）和不透水面覆盖度信息并进行精度验证的基础上，探讨不同时期不同发展程度下城市热环境的空间分布格局，定量分析各级环形区域不透水面覆盖度对城市区域热贡献程度和时空变化特征；利用地理探测器分析多个因子对地表温度空间分异的解释程度，进而为城市布局优化及缓解区域热环境变化提供科学参考。

1 研究区概况、数据来源及研究方法

1.1 研究区概况

本研究区为福州市主城区（图1）。近20年来，福州市经历了快速的城市扩张，城镇化率从2002的51.5%增长到2021年的73.0%。福州已成为中国最热的城市之一，被称为中国的新的“火炉城市”[18]。从市中心出发，根据不同发展程度将城市中心和城市外围划分为Zone 1、Zone 2、Zone 3等3个连续的同心圆区域，分区是为了更精确分析城市不同发展程度下各级不透水面对城市热环境的影响。Zone 1在2004年和2021年都是城市核心区，Zone 3是城市外围郊区，Zone 2是Zone 1和Zone 3之间的发展过渡区域。

图1 福州市2021年9月Landsat 8遥感影像Figure 1 Landsat 8 image of Fuzhou in September, 2021

1.2 数据来源及预处理

Landsat 卫星观测影像通过美国地质调查局（https:// espa.cr.usgs.gov/index/）获取，考虑两时相影像季相的一致性，选取研究区2004 年9 月12 日一景Landsat 5 TM 和2021 年9 月27 日一景Landsat 8 OLI/TIRS 遥感影像数据。所选影像云量较少，质量良好。两期影像由USGS使用3次卷积算法重采样到30 m空间分辨率，采用UTM-WGS 84 投影。此外，还利用同期高分辨率Google影像（分辨率4 m）对不透水面提取精度进行验证。高程数据由通过地理空间数据云（https://www.gscloud.cn/）获取的DEM 处理得到，数据空间分辨率为30 m。通过辐射定标、大气校正、几何校正和图像裁剪等影像预处理后，进行混合像元分解、植被覆盖度提取和地表温度反演。

1.3 研究方法

1.3.1 不透水面信息提取及精度验证

不同地物出现在同一像素内即为混合像元，解决这个问题的关键是确定各类地物在混合像元中的比例。与硬分类获取地物信息不同，采用软分类方法可获取地物亚像元信息。本研究采用完全约束最小二乘法（Fully Constrained Least Squares, FCLS）提取不透水面，该方法既约束了各分量之和为1，又将各种分量的值约束为0 ～ 1，数学模型为

式中，Ri为i波段的反射率，n为端元个数，fj为端元j在像元中所占百分比，Rji是端元j在i波段的反射率，εi是残差。

由于研究区内存在反射率较低的水体影响提取精度，因此在进行混合像元分解之前使用归一化差异水体指数（MNDWI）[19]将其剔除。

式中，RGreen和RMIR分别为绿光波段和中红外波段的反射率值。

本研究使用Ridd[20]提出的植被-不透水面-土壤模型（V-I-S模型），结合研究区的实际地物，选择植被、裸土、高反照率和低反照率不透水面4个端元。通过最小噪声分离（Minimum Noise Fraction，MNF）[21]计算像元纯净指数（Pixel Purity Index, PPI）[22]并确定感兴趣区域，提升样本纯度，建立N维点图选取端元。利用FCLS模型对影像进行混合像元分解，将高反照率和低反照率不透水面相加得到不透水面覆盖度。

在研究区范围内选择5个面积约为2 km²的验证区域（图1）用于分析亚像元信息获取的精度。以同期高分辨率Google 影像进行人机交互解译获得的不透水面面积（Impervious Surface Area, ISA）为参考数据，与验证区域内Landsat影像混合像元分解后的不透水面面积比较，得到二者差异百分比用于评估亚像元不透水面获取的准确性。混合像元分解得到的不透水面面积的计算公式为

式中，SI为验证区内的不透水面面积，fk为不透水面覆盖度的提取结果，Rg为影像空间分辨率，n为验证区内像元数。

1.3.2 地表温度反演

选取辐射传输方程法[23]对Landsat TM 影像第5波段、TIRS影像第10波段反演地表温度。首先利用Landsat数据中热红外波段的像元值计算相应的辐射亮度，在获取影像的相关参数（上行辐射、下行辐射和大气透过率）的基础上结合地表比辐射率计算黑体辐射亮度，根据普朗克公式将亮度温度转化成真实地表温度。

为减小误差并增加数据的可比性，将地表温度进行归一化，在此基础上使用自然间断点分级法[24]将其分为低温、次低温、中温、次高温、高温5个等级，将高温区定义为本研究的高温中心。归一化公式为

式中，LST为地表温度；Tn为地表温度标准化值，其取值范围为[0,1]；LSTmin和LSTmax分别代表LST最小值和最大值。

1.3.3 植被覆盖度计算

采用基于NDVI的像元二分法模型[25]计算植被覆盖度，计算公式为

式中，NDVI代表归一化植被指数；NDVImax和NDVImin分别代表纯植被和纯土壤的植被指数，分别选取NDVI置信区间95%和5%处的取值[26]。

1.3.4 城市热环境贡献率计算

本研究通过计算热分布指数（Distribution Index, DI）和热效应贡献度指数（Hi），从时间和空间2个角度来分析不透水面变化对城市热环境的贡献。

为准确分析不同土地利用模式对城市热环境的影响，本研究将提取的不透水面覆盖度分为5个等级，代表不同城市发展密度区域：0 ～ 20%为低密度区，20% ～ 40%为中低密度区，40% ～ 60%为中密度区，60% ～80%为中高密度区，80% ～ 100%为高密度区。一般来说，不透水面覆盖度越高，城市化水平越高。

热分布指数表示各环形区域以及环形区域内各级不透水面覆盖度对该区域热环境的热分布影响情况，即区域高温中心（各环形区域温度等级中的高温区域）与整个研究区高温中心的比例关系，计算公式为

式中，DI为热分布指数，Shi为研究区及各环形区域内第i等级不透水面覆盖度高温中心像元数，Sh为研究区及各环形区域高温中心像元数，Si为研究区及各环形区域内第i等级不透水面覆盖度的总像元数，S为研究区及各环形区域总像元数。

如果热分布指数大于1，说明此区域或该级不透水面覆盖度高温中心所占比例高于整个城市均值，对城市热环境做出积极贡献；反之，则认为该区域为城市散热器。

热效应贡献指数代表各级不透水面覆盖度对区域内高温的影响程度，用来具体评价各级不透水面覆盖度的高温像元对区域热效应的贡献程度。计算公式为

式中，Hi为标准化处理后的热效应贡献度指数，H′i为初始热效应贡献度指数，Tij为研究区内第i级别不透水面覆盖度内属于高温中心的第j个像元的温度值，Tm为研究区内高温中心的温度值，ni为研究区内第i级别不透水面覆盖度内高温中心的像元数，N为研究区总像元数。

1.3.5 基于地理探测器的不同因子影响分析

地理探测器由Wang等[27]提出，是探测空间分异性、揭示其驱动因素的一组统计学方法，能够探测单一因子以及两因子的交互作用对因变量空间分异的影响。通过因子解释力或贡献度大小反映自变量对因变量的影响程度，用q值度量，模型为

式中，N为研究区域的单元数；Nh为子类型区域h的单元数；σ2和σ2h分别为全区和子区域h的方差；q值为因子对地表温度的解释程度，其取值范围为[0,1]，值越大表示该因子对地表温度空间分异的解释力越强，反之则越弱。

本研究采用地理探测器的因子探测与交互作用探测，分析植被覆盖度、不透水面覆盖度、海拔高度（Elevation, EL）等单一因子和两因子交互作用对地表温度空间分异的影响。

2 结果与分析

2.1 亚像元不透水面信息精度验证

对不透水面提取结果的验证采用面积对比法，利用同期高分辨率遥感影像作为参考，选取5个样区进行精度对比（表1）。5个样区不透水面面积提取平均误差均低于9%，Landsat提取与Google提取不透水面面积结果相似，表明本研究不透水面提取结果可信度较高。

表1 研究区不透水面提取精度验证Table 1 Accuracy verification of ISP extraction in study area

2.2 不透水面与地表温度时空变化分析

图2为研究区两时相不透水面覆盖度分布图。与2004年相比，2021年Zone 1区域不透水面覆盖度等级整体已达到较高水平；Zone 2中不透水面扩张明显，主要发生在Zone 2的南部和北部；Zone 3不透水面扩张迅速且增长范围最广，17年间城市化进程明显。

图2 研究区两时相影像不透水面提取结果Figure 2 ISP result of the study area using FCLS method in two temporals

反演得到的两时相地表温度分布情况如图3所示。2004年高温区域主要集中分布在Zone1以及Zone 2的小部分区域，Zone 3只有零星分布的高温区域。至2021年，高温区域明显由城市中心向城市外围扩散。

图3 研究区两时相影像地表温度空间分布图Figure 3 Spatial distribution patterns of LST of the study area in two temporals

对比图2和图3可以看出，高温区域与高覆盖度不透水面区域吻合，局部高温区扩散方向和范围与不透水面扩张的区域一致。

各环形区域内各级不透水面覆盖度占比和各级不透水面覆盖度区域平均地表温度见表2。两时相各环形区域中不透水面覆盖度为0 ～ 20%的区域占比均表现为下降，其中Zone 1由21.7%下降为5.6%，Zone 3由80.8%降低为59.3%。2004—2021年，不透水面覆盖度大于20%的区域在各环形区域占比整体上表现为增加，仅不透水面覆盖度为20% ～ 40%的区域占比在Zone 1内下降，这是由于Zone 1为城市核心区，两个时段不透水面变化不大，城市内部的绿化使得该等级不透水面覆盖度略有降低。Zone 1内不透水面覆盖度大于60%的区域占比在2004 年和2021 年几乎没有变化，增加最为明显的为Zone 3 内不透水面覆盖度为60% ～80%的区域，从2004年的2.9%增加为9.1%，这与城市化导致的不透水面扩张密不可分。

表2 研究区 2004和2021年不同环形区域各等级ISP占比和平均LST Table 2 Proportion and average LST of ISP in different ring areas in 2004 and 2021 in the study area

从表2还可看出，2004和2021年的平均地表温度分别为28.7 ℃和33.8 ℃，各环形区域平均LST 由大到小依次为Zone 1、Zone 2、Zone 3。在各环形区域内，不同年份均表现出随着不透水面覆盖度的增加地表温度升高的趋势，且同一环形区域内，2004年各等级不透水面覆盖度区域的地表温度均低于2021年。2004—2021年，Zone 1城市化水平较高，Zone 2和Zone 3城市化水平大幅提高，不透水面覆盖度为80% ～ 100%的区域扩张明显，随着不透水面覆盖度增加2021年热岛效应较2004年明显增强。

2.3 各级不透水面的区域热环境贡献分析

为分析不同土地利用模式对区域热环境的影响程度，本研究统计各环形区域内各级不透水面覆盖度区域的热分布指数和热效应贡献度指数用于定量分析不透水面对热环境的影响。

2.3.1 区域热分布指数分析

表3为根据公式（6）计算得到的各环形区域热分布指数，两个年份各环形区域热分布指数由大到小依次均为Zone 1、Zone 2、Zone 3。其中Zone 1、Zone 2 的热分布指数大于1，表明这两个环形区域对热环境的贡献大于整个研究区平均贡献；Zone 3 的热分布指数小于1，表明Zone 3 对热环境的贡献小于整个研究区平均贡献。2004年各环形区域的热分布指数差距较大，2021年Zone 1和Zone 2的热分布指数差值为0.016，说明Zone 1 和Zone 2 对热环境分布的贡献无明显差距，这是由于2021年Zone 2的高温中心区域大幅增加，与Zone 2城市建设用地增加、人类活动范围扩大有关。

表3 研究区2004和2021年各环形区域热分布指数Table 3 Distribution index of each ring in 2004 and 2021 in the study area

表4为计算得到的两时相影像各环形区域各级不透水面覆盖度区域的热分布指数，对比同一年份不同环形区域，2004和2021年热分布指数具有相同的趋势，各年份各环形区域随着不透水面覆盖度的增加热分布指数上升。Zone 1不透水面覆盖度为60% ～ 80%和80% ～ 100%的区域为热源，Zone 2和Zone 3内不透水面覆盖度大于40%的区域均为城市的热源。各环形区域内，相同年份的热源区域热分布指数由小到大依次为Zone 1、Zone 2、Zone 3，随着区域发展程度的降低，环形区域内高温中心面积比例降低，城市热源在区域内表现更加明显。进一步分析两时相同一环形区域的热分布指数变化，Zone 1内两时相热源（不透水面覆盖度大于60%区域）的热分布指数变化不明显且不透水面覆盖度小于60%区域的热分布指数减小，说明不透水面覆盖度为0 ～ 20%和20% ～ 40%的区域面积减少且高温中心的占比降低, 原因是Zone 1的城市发展水平较高，在建设过程中城市建设规划者注重城市的生态环境建设，城市核心区内公园和道路等区域的绿化措施初见成效。Zone 2和Zone 3 2004—2021年各级不透水面覆盖度区域的热分布指数均减小且无特殊变化，说明2004—2021年福州市城市化快速发展，城市土地利用模式不断改变，城市中心的发展带动周边地区的发展，城市郊区的道路和各项基础设施也逐步完善，工业和人类活动所排放的热量增多，扩张较为明显的Zone 2和Zone 3区域内高温中心所占比例不断增加，导致区域内各级不透水面覆盖度区域的热分布指数降低。

表4 研究区2004和2021年各环形区域各级不透水面热分布指数Table 4 Distribution index of impervious surface of each ring in 2004 and 2021 in the study area

总体来说，研究区两时相影像3 个环形区域不透水面覆盖度为0 ～ 20%和20% ～ 40%区域的地表温度较低，热分布指数均小于1，对城市热环境有负贡献，为城市散热器。两时相影像3 个环形区域不透水面覆盖度为60% ～ 80%和80% ～ 100%区域的地表温度较高且热分布指数均大于1，表明这些区域为城市的热源。

2.3.2 热效应贡献度指数分析

图4 为两年份各环形区域各级不透水面覆盖度的热效应贡献度指数（Hi），结合表4 可知，尽管两时相各环形区域的热分布指数随着不透水面覆盖度的增加而增大，但是Hi值在各环形区域内的表现并不同。2004 年，3 个环形区域Hi差异较大，Zone 1 和Zone 2Hi最高的是不透水面覆盖度为80% ～ 100%的区域，且Zone 1 随不透水面覆盖度的增加Hi增加；在Zone 3Hi最高的是不透水面覆盖度为0 ～ 20%区域，Hi为73.68%，这是由于2004 年Zone 3 的城市发展水平较低，不透水面覆盖度为0 ～ 20%的区域面积占比较高（80.8%），说明该区域受城市发展影响较小，地表覆盖类型趋近于自然地表，其高于高温中心的像元数目占比最大。2021年，各环形区域各级不透水面覆盖度区域的Hi值随着不透水面覆盖度的增加而增大，不透水面覆盖度为80% ～ 100%的区域在各环形区域内Hi均为最大，3 个环形区域中不透水面覆盖度为80% ～100%的区域的Hi值由大到小依次为Zone 1、Zone 2 和Zone 3。2021 年Zone 1 的Hi值为70.78%，其原因是Zone 1 城市发展程度比Zone 2 和Zone 3 高，不透水面覆盖度为80% ～ 100%的区域面积占比最大（20.6%），建筑比较密集且植被覆盖度较低，蒸散发减少，城市地面储存更多的热量，导致Hi较高。随着城市发展水平的降低，不透水面覆盖度为80% ～ 100%区域的Hi也随之减小，而不透水面覆盖度为0 ～ 20%区域的Hi不足1%。因此，2021年各环形区域中不透水面覆盖度为80% ～ 100%区域的Hi值最大，说明不透水面覆盖度为80% ～ 100%的区域对该年份福州市热效应有较大贡献。

图4 两年份各环形区域各级ISP的热效应贡献度指数Figure 4 Hi of ISP in each ring area in two years

2004—2021年，Zone 1整体上表现为随着不透水面覆盖度的增加Hi增加，但是各级不透水面覆盖度区域之间不同，不透水面覆盖度为60% ～ 80%和80% ～ 100%区域的Hi值出现小幅度上升，不透水面覆盖度小于60%的区域Hi降低。Zone 2和Zone3内均表现出不透水面覆盖度小于40%的区域Hi值减小、不透水面覆盖度大于60%的区域Hi值增加的趋势，其中两年份Zone 2和Zone 3各级不透水面覆盖度区域中Hi值降低最为明显的均是不透水面覆盖度为0 ～ 20%的区域，增加最为明显的均是不透水面覆盖度为80% ～ 100%的区域。Zone 2不透水面覆盖度为80% ～ 100%区域的Hi增加幅度最大，由39.05%增加到69.03%，说明Zone 2不透水面覆盖度为80% ～ 100%的区域内高温中心温度升高的同时高于高温中心的像元数也显著增加。Zone 3不透水面覆盖度为0 ～ 20%的区域Hi降低幅度最大，由73.68%降低为 0.35%，说明Zone 3不透水面覆盖度为0 ～ 20%的区域面积减少且超过高温中心区域的范围变小。2004年，Zone 2和Zone 3的城市开发程度不高且Zone 3还未纳入城区，下垫面类型以低覆盖度不透水面为主；2004—2021年，城市化进程不断加快，福州市主城区向外扩张，Zone 2和Zone 3的土地利用模式显著变化，低覆盖度不透水面向高覆盖度不透水面转变较为明显且分布范围更广，因此Zone 2和Zone 3各级不透水面覆盖度在2004和2021年对区域热环境的贡献度明显不同。

2.4 地表温度空间分异的驱动因子分析

2.4.1 单因子探测结果分析

表5 为两年份不同环形区域内自变量对因变量的单因子解释力q值。由表5 可知，不透水面覆盖度（ISP）、植被覆盖度（FVC）和海拔高度（EL）在3 个环形区域内对地表温度空间布局分异的解释力存在差异。2004 年各环形区域内各因子对地表温度的影响程度由大到小依次为FVC、EL、ISP，FVC 的q值在各环形区域均最大，说明FVC的变化对福州市地表温度空间分异起主导因素。2021年，Zone 1各因子的解释力由大到小依次为ISP、FVC、EL，Zone 2 和Zone 3 各因子的解释力由大到小均依次为EL、FVC、ISP，说明在城市发展水平较高且地势较为平坦的Zone 1 区域地表温度空间分异受海拔影响有限，人类活动导致的下垫面类型的改变即ISP对地表热环境的影响更大；在发展水平中等和较低区域，EL和FVC对地表温度的影响更加明显，这与研究区的特殊地理位置有关，研究区属于典型的河口盆地，四周环山，与Zone 1 相比，Zone 2 的东部和Zone 3 的东部以及北部均分布着较大面积的山区，地形起伏度较大，海拔的高低变化影响了局部地形和气流的形成，从而对地表温度的影响更为突出。

表5 不同年份不同环形区域LST单因子的解释力q值Table 5 Explanatory power (q) of LST single factor in different ring regions in different years

2004—2021 年，在城市发展较为完善的Zone 1 区域中，FVC 和EL 对地表温度的影响力减弱，至2021年FVC和EL的q值分别为0.144和0.115；在城市发展的过渡区Zone 2，FVC和EL的q值变化不大，q值增加较为明显的为人造地表，由2004 年0.349 增加为2021 的0.527；Zone 3 各因子对地表温度的解释力随着人类活动范围的扩展而逐渐增加，其中增加幅度最大的为ISP，2021 年ISP 对地表温度的贡献度为0.543，为2004 年的2.4 倍。总体来看，影响地表温度空间异质性的主导因子在不同年份不同环形区域有所不同，但2004—2021 年各环形区域各级不透水面覆盖度区域对地表温度的影响程度（q值）均增加，研究区人造地表增加明显，城市高温集聚区增加，城市化带来的建筑物密度增加和道路硬化破坏了土地的温度调节能力，阻挡了自然风，增加了城市热量负荷，这也从侧面反映出随着城市的向外扩展不透水面对城市地表温度的影响逐渐显现。

2.4.2 交互作用探测结果分析

交互探测是识别两个因子对地表温度空间分异的交互解释程度。表6和表7是两年份各因子交互探测结果，可知各环形区域的地表温度的空间分异受多因子共同影响，影响模式均为双因子增强，说明不透水面覆盖度、植被覆盖度和海拔高度两两交互作用对地表温度空间分异的影响均大于单一因子的影响。

表6 2004年影响因子交互探测结果Table 6 Interactive detection results of impact factor in 2004

表7 2021年影响因子交互探测结果Table 7 Interactive detection results of impact factor in 2021

2004 年，FVC 和EL 交互在Zone 1、Zone 2、Zone 3 均为第一主导交互因子，q值分别为0.375、0.743、0.621，表明FVC和EL是共同推动地表温度变化的主要因素。2021年，Zone 1和Zone 2中ISP和EL的交互作用对地表温度空间分布的解释力最强，其次是FVC和EL交互；Zone 3中FVC和EL交互解释效果最好，q值为0.767。纵向分析，Zone 1内2004年各因子的交互作用均大于2021年；Zone 2内2021年FVC和EL的交互作用与2004年相比明显降低；Zone 3内2021年各因子的交互作用均大于2004年，且与Zone 2相同，FVC和EL的交互作用对区域的热岛分布影响最大，这表明在人造地表较少的地区植被和海拔是区域地表温度空间分异的主要驱动因子。

3 结论

本研究基于分区理念对福州市城区2004和2021年不同发展程度区域不透水面和热环境进行了对比分析。在城市不同发展程度分区基础上，将研究区不透水面覆盖度进行分级，计算各环形区域和各级不透水面区间热分布指数和热效应贡献度指数并进行对比分析。结合地理探测器，选取不透水面覆盖度、植被覆盖度、海拔高度为因子，探究单因子和双因子交互作用对地表温度空间分异的影响程度。主要研究结论如下：

（1）福州市2004—2021 年不透水面动态变化特征明显。2004 年研究区不透水面覆盖度大于60%不透水面主要集中在Zone 1，2004—2021 年Zone 2 和Zone 3 不透水面覆盖度大于60%的区域增加较多，研究区内高温区扩散方向和范围与不透水面一致。

（2）在不同年份，城市不同发展程度区域地表热分布和热贡献有明显差异。两年份中各环形区域随不透水面覆盖度的增加热分布指数增大，Zone 1不透水面覆盖度大于60%的区域、Zone 2和Zone 3内不透水面覆盖度大于40%的区域为城市的热源。两年份中各环形区域各级不透水面覆盖度区域的Hi不同且与不透水面覆盖度区域面积有较大关系，Zone 2和Zone 3不透水面覆盖度为0 ～ 20%和80% ～ 100%区域的Hi值均分别为降低和增加最显著的区域，2021年不透水面覆盖度为80% ～ 100%区域的Hi值最大且远大于其他等级不透水面覆盖度区域。

（3）福州市地表温度分布格局受多个因子协同影响，且任意两因子交互作用对地表温度空间分异的影响均大于单一因子的影响。不同年份不同环形区域的主导因子不同，2004年植被覆盖度为主导因子；2021年Zone 1不透水面覆盖度影响程度较高，Zone 2和Zone 3植被覆盖度和海拔高度的影响较大。

本研究将研究区按照城市不同发展程度进行分区，结合不透水面覆盖度分级，探索城市扩张造成的土地利用模式变化对地表温度的影响，研究结果可为城市规划和生态环境保护提供参考。本研究仅选取夏季影像数据进行不透水面覆盖度与地表温度之间关系的定量分析和不同因子对地表温度空间分异的影响分析，未来可选取不同季相数据以及不同气候带城市来探究土地利用模式对热环境的影响。另外，本研究仅针对城市二维平面进行分析，但地表温度不仅受到城市二维景观的影响，建筑物和植被的高度和体积等对城市热环境也存在影响，未来需要在研究中加入植被和建筑物的三维信息进行更深入的分析。