摘    要：城市热岛是城市环境中的典型问题。景观指数影响范围的空间异质性很少被理解。为了解决这个问题，拟采用多尺度地理加权回归模型(MGWR)来分析景观指数，归一化差值植被指数(NDVI)与地表温度(LST)之间的相互关系。结果显示，和普通最小二乘法回归和地理加权回归相比较，

MGWR揭示了不同景观指数的空间影响尺度，具有更接近真实值的拟合效果。

增加绿地和水体景观百分比及NDVI能够很好地缓解LST，其他景观指数则与LST的关系在不同的位置呈现正或负相关，需在特定位置进行优化才能有效地缓解LST。总的来说，形状简单且聚集分布的较大绿地斑块和形状复杂且较小的绿地斑块，以及在大多数情况下形状复杂、连通性强的水体景观更利于缓解LST。

 

截至2018年，世界上55%的人口居住在城市，预计到2050年，达到68%[1]。中国经历了快速的城市化发展，这种快速的城市化发展极大地推动了自然和农业景观向不透水表面的转变，这种物理表面性质的转变导致了诸多生态环境问题[2]。城市热岛是典型的城市环境问题[3], 它被定义为市区温度高于郊区温度的一种现象[4]。

城市热岛带来了一系列不利影响，包括能源消耗的增加、极端气候事件的加剧、空气质量的恶化、居民身体健康的损害，甚至是与热相关的死亡人数的增加[5]。因此，在探究城市热岛与影响因子之间相互关系的基础上制定有效缓解策略是对城市规划和政策制定者的重要信息。

 

传统的城市热岛研究是基于气象站点或移动观测，离散的点数据很难精确反映城市热岛的空间变化[5]。随着遥感技术的不断发展，极大地推动了地表城市热岛研究的发展[6]。更多的研究者采用遥感数据来反演地表温度(LST)，分析LST与影响因子之间的相互关系，并提出缓解热岛的策略。蓝绿空间被认为是缓解城市热岛的景观要素[7]，绿地能够通过蒸腾作用和植被的遮挡来缓解LST，水体也能依靠蒸腾作用来改善热环境。聚集分布和形状复杂的绿地有利于降低LST[7]。提升水体斑块面积能够营造更大的冷岛效应[8]。

 

先前研究广泛地量化景观指数与城市热岛的相互关系，但仍然存在一些局限。首先，大多数研究都是基于最小二乘法(OLS)和Pearson相关分析来分析[6]，这些方法忽略了LST和影响因子均存在空间异质性或非平稳性[9]。部分研究采用地理加权回归(GWR)的方法在一定程度上解决了OLS的局限性，然而GWR假设影响因子的空间尺度是相同的，这忽略了变量的空间影响尺度，可能会导致研究结果的偏差[10]。其次，大量研究从全局的角度提出优化景观格局的措施，很少有研究提出在哪些位置及如何进行优化景观格局能显著地缓解LST。

 

鉴于上述不足，本研究拟引入MGWR来分析蓝绿空间景观指数，以及NDVI与LST之间空间非平稳的相互关系。本研究的目的是：

 

1)量化武汉主城区内不同行政单元下城市热岛的占比，

 

2)基于Getis-Ord G和Gi*指数分析景观指数和LST的空间聚集特征；

 

3)比较OLS、GWR和MGWR模型的拟合优度，基于最优模型结果分析蓝绿空间景观指数、NDVI和LST之间的相互关系来优化蓝绿空间的景观格局，从而缓解城市热岛。

 

1  研究对象和方法

 

1.1  研究区域

 

武汉市(113°41′E～115°05′E，29°58′N～31°22′N)位于中国的中部地区，是湖北省省会，也是长江经济带的核心城市，其常住人口超过1 000万。武汉市地势平坦，中间低平，南北丘陵，气候为亚热带季风，雨量充沛。武汉市是典型的火炉城市，夏季炎热[2]，城市热岛特征明显。本研究选取武汉市主城区作为研究区域。

 

1.3  研究方法

 

 

 

本研究在GEE平台上筛选和通过中位数合成出2020年少云的哨兵二号，采用随机森林的算法将武汉市土地覆盖类型划分为不透水表面、绿地、灌草、耕地、水体和裸地6类，每一类型选取1 000个样本点，70%的样本点用于训练模型，剩下30%用于检验精度。分类结果的总体分类精度为0.94，kappa系数为0.92。本研究中仅选取绿地和水体类别作为蓝绿空间进行研究，分类结果如图1所示。

 

 

景观指数是高度浓缩了景观格局信息的指标，能够反映景观结构组成和空间配置。基于先前的研究，初步选取了12个景观指标(表1)。在Fragstats 4.2中，采用八邻域规则和用户定义网格计算景观指数。景观指数具有较强冗余性，因此采用逐步回归的方法得到多个模型后，选取模型中方差膨胀因子均小于5且显著(p<0.05)的影响因子。

 

1.3.3  统计分析

 

考虑到样本量和方差之间的平衡，过小的网格景观度量方差过小，过大的网格会导致样本量不足，采用响应曲线的方法来判断景观指数特征的拐点[12]，拐点反映了尺度敏感性，最大限度地捕捉了景观特征且减少了景观特征的不确定性，景观指数的变化在拐点之后趋缓。从100~900m以100m为间隔来绘制响应曲线。大多数景观指数在300m×300m大小的网格变化趋缓，因此它被选择为拐点。绿地景观指数网格中小于90 000m2的被剔除，同时为了不受水体和水田的影响，修正归一化差值水体指数小于0或水体的网格也被剔除。

 

1)基于均值-标准差的方法将地表温度划分为5个等级[13-14](表2)，统计出武汉主城区范围内不同行政单位下城市热岛的占比。

 

2)在Arc GIS中通过“高/低值聚类”工具计算Getis-Ord General G指数来反映景观指数和LST的全局空间自相关特征及采用“热点分析”工具计算Gi*指数来探测它们的局部空间自相关特征[15]。当G(Gi*)值为正且显著时，表明高LST或景观指数在全局(局部)存在空间聚集特征；当G(Gi*)值为负时，表明低LST或景观指数在全局(局部)存在空间聚集特征。

 

3)在MGWR  2.2软件中分别采用OLS，GWR和MGWR模型比较分析景观指数和NDVI对LST的拟合效果。OLS是基于全局估计的模型，被用来作为基准和其他的模型进行比较[10]。MGWR克服了GWR模型中所有自变量和因变量之间固定带宽的限制，是GWR模型在尺度异质性上的扩展。

 

2  结果与讨论

 

 

武汉主城区不同行政单位内城市热岛占比存在差异(图2)。在夏季和过渡季节，硚口区的高温区占比是最高的，亟待通过提升绿量来改善热环境；武昌区低温区所占比例最高，表明其蓝绿空间占比高，热风险较低。总体而言，夏季和过渡季节城市热岛占比变化不大。

 

 

通过逐步回归模型和方差膨胀因子筛选后，选取了PLAND、PD、AREA_MN、SHAPE_MN、COHESION和NDVI作为夏季的影响因子，在过渡季节选择PLAND、NDVI和SHAPE_MN作为绿色空间的影响因子；在夏季和过渡季节选择PLAND、LSI和COHESION作为蓝色空间的影响因子。Getis-Ord General G只能对正值进行分析，因此仅选择LST和筛选后的景观指数为分析变量。Getis-Ord General G和Gi*的结果描述了LST和景观指数的空间自相关特征。



从表3可以看出，所有景观指数和LST的p值均小于0.001，随机产生聚类模式的可能性小于1%，表现为景观指数和LST具有显著的空间聚集特征。

 

 

图3是LST和景观指数Gi*指数的结果，其反映了冷热点置信区间分别在90%、95%和99%的空间分布。结果显示：

1)LST在夏季和过渡季节的热点主要分布在青山区的南部，而夏季的冷点集中分布在长江，过渡季节的冷点主要分布在长江和汤逊湖区域；

2)绿地PLAND和AREA_MN的热点分布在洪山区南部，而绿地PD和SHAPE_MN的热点及COHESION的冷点呈现分散分布，这表明洪山区南部绿地占比较高，呈现均匀分布；

3)水体的PLAND和COHESION无明显聚类的热点或冷点，分散到各大水体，而LSI的热点分布在汉江、墨水湖和青菱湖，冷点分布在长江、东湖、南湖、汤逊湖和黄家湖。

 

2.3  回归模型的结果

 

3个指标被用于比较模型拟合的效果(表4)，其中调整R2越大越好，修正的赤池信息量准则(AICc)和残差平方和(RSS)越小越好[10]。在夏季和过渡季节3个模型被评估(表4)。MGWR是最优的模型，其中调整R2在夏季和过渡季节均得到提升，且AICc和RSS不断下降。

 

2.4  尺度分析

 

如表5所示，不同变量对LST的影响存在尺度和季节的变异。对于夏季来说，绿地的PD、AREA_MN、SHAPE_MN、NDVI及水体的COHESION的影响尺度是相对局部的，表明只能在特定的位置优化景观格局才能获取显著的降温效果，而绿地的PLAND及水体的PLAND和LSI的影响尺度相对较大，表明这些指标在相对全局的位置均能显著地改善热环境；对于过渡季节，绿地的LSI和NDVI的影响是局部的，

而绿地的PLAND及水体的PLAND、LSI和COHESION的影响为相对全局的。

 

2.5  MGWR模型中的系数格局分析




 

 

图4和图5分别描述了夏季和过渡季节中显著景观指数和NDVI的回归系数，各景观指数和NDVI对LST的影响具有空间异质性，这可能是由于绿地和水体周围的环境差异(热岛强度、位置、气候)和自身的景观特征(组成、配置和结构特征)[16-18]。



夏季，绿地PLAND和NDVI在青山区的降温效果好，这可能由于LST降温效果在低PLAND和高LST的位置更强[19]。

绿地的PD、AREA_MN和SHAPE_MN则在空间上表现不一。夏季，绿地PD在武昌区的中部、汉阳区西北部和江汉区中部呈现强负相关，而在汉阳区南部，江岸区中部和洪山区西部表现为正相关；绿地AREA_MN的回归系数在东湖附近为负相关，而在洪山区西部表现为正相关；绿地SHAPE_MN在洪山区北部、青山区中部表现为强负相关，而在洪山区西部、汉阳区东南部、硚口区西北部和江岸区中部为负相关。

绿地景观指数与LST的关系存在季节差异。绿地PLAND和NDVI在过渡季节均能降低LST，与夏季相比较，其显著降低LST的网格呈现增多的趋势，这可能是因为在夏季需要更多的绿地才能显著缓解LST，由于夏季比过渡季节往往存在更加强烈的地表城市热岛强度。绿地的SHAPE_MN在过渡季节表明武汉市主城区西部和青山区南部配置形状简单的绿地更利于缓解LST。 

 

在夏季和过渡季节，水体也能很好地降低LST，且其相关系数分布具有相似的格局(图4、5)。

 

水体在夏季和过渡季节PLAND与LST表现为一致的负相关关系，且在武昌区的长江段和汉阳区汉江段具有较强的降温效果，而在洪山区的东北段长江降温效果有限，这可能是由于水体的降温效果随着背景温度的升高而升高[20]，长江在洪山区的东北段附近均为农田，背景温度低，因此其降温效果有限。水体LSI和COHESION对LST的关系不一致，但总体来看，配置形状更加复杂，以及连通性更强的水体更利于缓解LST。 

 

3  讨论

 

与先前的研究结果一致，提升蓝绿空间占比能很好地缓解LST[21]。在本研究中水体PLAND的平均回归系数比绿地更小，这与先前研究一致，表明水体在夏季和过渡季节降温效果优于绿地[22]。尽管绿地降温效果不如水体，但更易通过各种形式和高密度的城市建成空间结合起来，例如室内、屋顶和垂直绿化。同时，水体其特殊的比热容导致夜间LST升高[5]，从而增加夜间的热风险，而且气溶胶也会聚集在其附近[12]，因此提升城市绿量，大力发展屋顶和垂直绿化是更被推荐用来缓解城市热岛的措施。

 

在本研究中，对于夏季SHAPE_MN显著且回归系数大于0的网格PLAND和LPI的平均值分别为15.22和11.82，而小于0的网格中分别为5.45和3.13，这表明在更大的绿地斑块配置简单的形状有利于缓解LST，而小的绿地斑块复杂的形状更利于降温，这与先前的一项研究不一致，其研究表明，简单形状的小绿地斑块和复杂形状的大绿地斑块有利于降温[22]，这种差异化的结果可能是由于位置、树种、树种组成和配置、树木结构、气候等多方面的差异造成的[17]。

对于夏季，AREA_MN显著且回归系数大于0的网格中PLAND和LPI平均值分别为6.24和3.77，而回归系数小于0的PLAND和LPI平均值分别为24.27和17.98，这表明破碎化的小绿地斑块无法发挥很好的降温效果，而更大且聚集分布的绿地斑块却能很好地缓解LST，这与先前的研究一致，绿地斑块达到一定的大小才会降低LST[23]，这个阈值也会随着局部环境特征变化而受到影响[17]。

 

水体景观指数的降温效果在空间上也存在差异，受到位置、面积、形状和配置的影响。位于主城区边界区域水体的降温效果弱于高建筑密度附近的水体，这是由于环境温度越高，降温效果越好[20]。水体面积越大，降温效果更好[17]，在本研究中面积更大的水体，包括长江、汤逊湖、东湖等，其降温效果强于面积更小的野湖、墨水湖、青菱湖、南湖、沙湖、严西湖和严东湖。

与其他形状水体相比较，线性水体(长江和汉江)的降温效果变异很大，更易受到周围环境的影响[24]。在本研究绝大多数情况下，形状更加复杂的水体能更好地缓解LST，这可能是因为更复杂的斑块与周围环境交互作用更多，促进了不同土地利用之间的能量交换，从而降低LST[25]；水体的连通性越高，水体越聚集，这与先前的研究一致[26]。