李 斌， 邢漢發(fā),2， 劉燁菲

(1.山東師范大學(xué) 地理與環(huán)境學(xué)院， 山東 濟(jì)南 250358； 2.華南師范大學(xué) 地理科學(xué)學(xué)院， 廣東 廣州 510631)

隨著快速的城市化進(jìn)程，城市熱環(huán)境逐漸成為備受關(guān)注的城市現(xiàn)象之一[1]。特別是在熱帶亞熱帶地區(qū)，由于其顯著高溫會(huì)對(duì)城市生態(tài)系統(tǒng)和公共健康產(chǎn)生重大不利影響[2-3]，該問(wèn)題已經(jīng)引起了城市規(guī)劃者和政策制定者的廣泛關(guān)注。已有研究表明，城市景觀對(duì)地表熱變化有顯著影響，了解城市景觀對(duì)于改善城市的生態(tài)和可持續(xù)發(fā)展至關(guān)重要[4]，因此，深入分析城市景觀與城市熱環(huán)境的關(guān)系具有重要意義[5]。

城市熱環(huán)境本身是一種復(fù)雜的物理現(xiàn)象，涉及一系列的環(huán)境參數(shù)[6]。隨著遙感技術(shù)的發(fā)展，熱紅外遙感在城市氣候與環(huán)境研究中得到了廣泛的應(yīng)用[7-8]，地表溫度成為表征城市熱環(huán)境的一個(gè)普遍而重要的參數(shù)[9]。目前，已有熱環(huán)境研究主要集中在熱環(huán)境效應(yīng)[10]、影響因素[11]、時(shí)空特征[12]、微氣候模擬[13]等領(lǐng)域。針對(duì)城市景觀與熱環(huán)境的關(guān)系研究，有學(xué)者分析了微觀地塊尺度上各種自然景觀、社會(huì)因素與城市熱環(huán)境的相關(guān)性[14]；也有學(xué)者針對(duì)單一景觀要素如水體、綠地等，研究其產(chǎn)生的不同熱效應(yīng)[15-16]。但實(shí)際上，城市景觀具有明顯的層次性[17]，上述研究一方面并沒(méi)有將城市景觀作為一個(gè)多層次的分析體系，忽略了城市景觀在斑塊、類別等尺度上的差異性，另一方面大都將影響因素看作全局變量，采用相關(guān)性分析、全局回歸等方法研究?jī)烧哧P(guān)系，忽略了影響因素的空間差異性。鑒于此，有學(xué)者引入GWR模型，分析景觀影響因子的空間異質(zhì)性問(wèn)題[18]。然而，傳統(tǒng)GWR模型作用尺度單一，忽略了多個(gè)景觀因子之間不同的尺度效應(yīng)。盡管改進(jìn)型的半?yún)?shù)地理加權(quán)模型能在一定程度上處理異質(zhì)性的尺度問(wèn)題[19]，但其只能細(xì)分為全局和局部，仍然無(wú)法進(jìn)一步處理多尺度效應(yīng)的問(wèn)題，且其擬合結(jié)果還存在較大噪聲和誤差。近兩年來(lái)，MGWR被逐漸應(yīng)用于各種分析影響因素空間異質(zhì)性的實(shí)證研究中[20]，有學(xué)者基于該模型探討了二手房房?jī)r(jià)的影響機(jī)制[21]，證明了該模型對(duì)空間分異和空間尺度差異的研究具有較好效果。由于該模型能捕捉不同影響因子的作用尺度，本文擬將該模型引入到多層次城市景觀與城市熱環(huán)境的關(guān)系研究中。

上述研究背景下，本文基于MGWR構(gòu)建了一種多層次城市景觀與城市熱環(huán)境的關(guān)系分析方法。首先，基于Landsat-8遙感影像反演地表溫度，用于表征城市熱環(huán)境；然后，利用路網(wǎng)數(shù)據(jù)劃分地塊，基于面向?qū)ο蠓指罴夹g(shù)劃分地表對(duì)象邊界與類別，從而構(gòu)建斑塊-類別-地塊多層次的城市景觀指標(biāo)體系；最后，利用MGWR分析多層次景觀的多尺度熱環(huán)境效應(yīng)。采用該研究方法對(duì)深圳市進(jìn)行評(píng)價(jià)分析，以期豐富有關(guān)城市的多層次景觀熱效應(yīng)研究，同時(shí)為評(píng)價(jià)城市景觀多尺度熱效應(yīng)的空間異質(zhì)性提供一種新的思路。

1 研究區(qū)及數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

本文以深圳市為研究區(qū)域，如圖1所示。深圳市屬于亞熱帶海洋性氣候，全年光線充足且熱量充沛，近年來(lái)隨著城市化的發(fā)展，該地區(qū)城市熱島現(xiàn)象日益嚴(yán)重；同時(shí)，該地區(qū)復(fù)雜多樣的地表覆蓋信息可反映出多樣化的城市景觀。因此，本文以深圳市為研究區(qū)，應(yīng)用MGWR模型分析多層次城市景觀的熱環(huán)境效應(yīng)。

圖1 研究區(qū)概況Fig.1 Overview of the study area

1.2 數(shù)據(jù)來(lái)源

所需實(shí)驗(yàn)數(shù)據(jù)集包含Landsat-8遙感影像、矢量路網(wǎng)數(shù)據(jù)以及建筑物數(shù)據(jù)。其中，影像數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云；路網(wǎng)數(shù)據(jù)則通過(guò)OpenStreetMap(https://www.openstreetmap.org/)獲得；建筑物數(shù)據(jù)來(lái)源于深圳市規(guī)劃和國(guó)土資源委員會(huì)(市海洋局)。

Landsat-8影像空間分辨率為30m，共由11個(gè)光譜帶組成，其中包括兩個(gè)熱紅外波段，這是目前用于反演地表溫度最為常用的數(shù)據(jù)源之一?？紤]到數(shù)據(jù)的可用性，本文獲取了北京時(shí)間2019年11月14日上午10:52的深圳市Landsat-8遙感影像數(shù)據(jù)，該日深圳最高氣溫為32 ℃，天氣晴，西南風(fēng)三級(jí)，能夠滿足應(yīng)用需求。OpenStreetMap數(shù)據(jù)是一款由網(wǎng)絡(luò)大眾共同打造的眾源地理數(shù)據(jù)，本文主要利用路網(wǎng)數(shù)據(jù)劃分了2 017個(gè)地塊。建筑物數(shù)據(jù)包含建筑物高度與面積等信息，基于上述數(shù)據(jù)獲取地表溫度，并構(gòu)建多層次的城市景觀指標(biāo)體系。

2 研究方法

本文研究方法如圖2所示：首先基于OSM路網(wǎng)劃分地塊，地塊的劃分結(jié)果作為城市景觀的最大研究尺度；繼而基于Landsat-8遙感影像，一方面經(jīng)由預(yù)處理與輻射傳輸方程法反演地表溫度，另一方面采用面向?qū)ο蠓指畹姆椒▌澐职邏K，作為城市景觀的最小研究尺度；最后基于地表溫度與城市景觀指標(biāo)體系(見(jiàn)表1)構(gòu)建MGWR模型，分析城市多層次景觀與城市熱環(huán)境的關(guān)系。

表1 多層次城市景觀指標(biāo)體系Tab.1 Multi-level urban landscape index system

圖2 總體研究思路圖Fig.2 Overall research idea map

2.1 基于Landsat-8遙感影像的城市熱環(huán)境反演

本文采用輻射傳輸方程算法反演地表溫度，它是基于大氣輻射傳輸模型的地表反演傳統(tǒng)算法。該算法能夠從衛(wèi)星傳感器觀測(cè)到的總熱輻射中減去大氣影響的偏差值，將表面熱輻射強(qiáng)度轉(zhuǎn)換為相應(yīng)的表面溫度。其計(jì)算公式為：

(1)

(2)

其中，Ts是陸地表面真實(shí)溫度；B(Ts)是黑體輻射率；ε是地表比輻射率；τ是熱紅外波段大氣透射率；Lλ是圖像輻射校準(zhǔn)；L↑是大氣向上輻射強(qiáng)度；L↓是大氣向下輻射強(qiáng)度；K1和K2是系數(shù)。

在Landsat-8熱紅外波段中，K1=774.885W·m-2·sr-1·μm-1，K2=1 321.079K。在NASA網(wǎng)站(https://atmcorr.gsfc.nasa.gov)上，可以獲得τ、L↑、L↓的值分別為0.72、2.18、3.46。

2.2 基于面向?qū)ο蠓指畹亩喑叨瘸鞘芯坝^測(cè)算

為降低遙感影像像素尺度光譜異質(zhì)性的影響，便于構(gòu)建斑塊-類別-地塊多層次的量化指標(biāo)，本文采用面向?qū)ο蟮姆椒▉?lái)有效分割遙感圖像，并基于斑塊的幾何光譜紋理特征劃分閾值，共分為耕地、林地、草地、水體、建設(shè)用地、未利用地六類。分割尺度的選擇采用目視解譯法，對(duì)于建成區(qū)與非建成區(qū)，分別以建筑物和自然地表的均勻劃分為準(zhǔn)則，交界處則以合理捕捉兩種用地類型的對(duì)象單元為準(zhǔn)則。最終，經(jīng)過(guò)優(yōu)化對(duì)比分割結(jié)果，確定三種分割尺度分別為130、90、100。

2.3 多尺度地理加權(quán)回歸模型的構(gòu)建

GWR擴(kuò)展了全局回歸模型，允許估計(jì)局部參數(shù)而不是全局參數(shù)[22]，雖然GWR在一定程度上捕捉了影響因素的空間異質(zhì)性，但它是在假設(shè)“所有協(xié)變量在相同空間尺度上變化”的情況下實(shí)現(xiàn)的，不足以解釋不同城市景觀影響因素的空間異質(zhì)性水平。MGWR則放寬了“相同空間尺度”的假設(shè)，允許對(duì)協(xié)變量特定帶寬進(jìn)行優(yōu)化，GWR和MGWR的公式分別為：

(3)

(4)

其中，xij是獨(dú)立變量xj在i點(diǎn)的值；(ui,vi)表示地塊i的質(zhì)心坐標(biāo)；βj(ui,vi)是i點(diǎn)上的第k個(gè)回歸參數(shù)，是地理位置的函數(shù)，當(dāng)j=0時(shí)，β0(ui,vi)為i點(diǎn)的回歸常數(shù)；m為回歸系數(shù)的總個(gè)數(shù)；βbwj為校準(zhǔn)第j個(gè)回歸關(guān)系所用的最佳帶寬；εi是隨機(jī)誤差。

對(duì)比可知，MGWR通過(guò)推導(dǎo)出響應(yīng)變量和不同預(yù)測(cè)變量之間的條件關(guān)系的單獨(dú)帶寬，允許不同的過(guò)程在不同的空間尺度上運(yùn)行。MGWR使用反向擬合算法進(jìn)行校準(zhǔn)，用GWR參數(shù)估計(jì)初始化反擬合過(guò)程?；谶@些初始值，校準(zhǔn)過(guò)程以迭代的方式工作，在每次迭代中，所有的局部參數(shù)估計(jì)和最優(yōu)帶寬都被評(píng)估。當(dāng)連續(xù)迭代的參數(shù)估計(jì)的差值收斂于指定閾值時(shí)，迭代終止。本研究中，收斂閾值取為10-5。

3 實(shí)驗(yàn)結(jié)果及分析

3.1 城市熱環(huán)境結(jié)果分析

地表溫度反演結(jié)果如圖3所示。溫度范圍為12.4 ℃～41.1 ℃，最低地表溫度位于水體表面，最高地表溫度位于建筑物表面。區(qū)域之間由于較大溫差產(chǎn)生的復(fù)雜熱環(huán)境為本研究提供了便利。

圖3 地表溫度反演結(jié)果圖Fig.3 Land surface temperature retrieval result map

為驗(yàn)證應(yīng)用地理加權(quán)回歸模型的可行性，基于局部Moran’ I(LISA)挖掘城市熱環(huán)境的空間自相關(guān)特性，如圖4所示。深圳市熱環(huán)境有著明顯的空間自相關(guān)性，其主要集聚方式為“高-高”集聚與“高-低”集聚。在寶安區(qū)、龍華新區(qū)、光明新區(qū)有著明顯的“高-高”集聚現(xiàn)象，地表溫度較高且分布集中；而福田區(qū)、羅湖區(qū)、南山區(qū)等經(jīng)濟(jì)中心區(qū)域則由于城市綠化、公園廣場(chǎng)的建設(shè)等治理措施以“高-低”集聚現(xiàn)象為主。

圖4 深圳市地表溫度LISA圖Fig.4 LISA map of Shenzhen's land surface temperature

3.2 城市景觀要素結(jié)果

利用面向?qū)ο蠓指罴夹g(shù)獲得深圳市對(duì)象斑塊共計(jì)41 497個(gè)，土地利用分類結(jié)果與斑塊分割實(shí)例如圖5所示。由圖可知，水體、林地及建設(shè)用地結(jié)合處的對(duì)象分割結(jié)果(依據(jù)目視分割準(zhǔn)則)均較為清晰，滿足多尺度景觀指標(biāo)的計(jì)算要求。

1—建成區(qū)分割結(jié)果；2—非建成區(qū)分割結(jié)果；3—建成區(qū)與非建成區(qū)交界處分割結(jié)果。圖5 土地利用分類與斑塊分割實(shí)例結(jié)果Fig.5 Land use classification and patch segmentation example results

3.3 MGWR結(jié)果分析

3.3.1相關(guān)性分析

本文采用皮爾遜相關(guān)分析法驗(yàn)證地表溫度與城市景觀指標(biāo)之間的關(guān)系，如表2所示。

表2 景觀指標(biāo)與地表溫度的相關(guān)性Tab.2 Correlation result of landscape indicatorsand surface temperature

由表2可知，景觀指標(biāo)均在0.01水平(雙側(cè))上與地表溫度呈顯著相關(guān)。其中，PD、NDVI、LSI與地溫呈顯著負(fù)相關(guān)；NDVI能夠?qū)岘h(huán)境起到緩解作用，這與以往的研究結(jié)果一致；PD、LSI等描述地塊形態(tài)的指標(biāo)表明，斑塊密度越高、地塊形態(tài)越趨近于標(biāo)準(zhǔn)形態(tài)，地表溫度反而越低，這在林地分布密集的大區(qū)域地塊尤為明顯。其余指數(shù)均表現(xiàn)為顯著正相關(guān)，其中NP、MPA、BA、Division的相關(guān)系數(shù)達(dá)到0.4以上，表明人造地表的熱環(huán)境效應(yīng)是造成熱島效應(yīng)的主要原因。

3.3.2模型精度對(duì)比

為了更好地體現(xiàn)多種回歸模型的差異性，本文對(duì)比了普通最小二乘法(OLS)、GWR與MGWR三種模型的精度結(jié)果。首先，為避免因景觀指標(biāo)之間的相互影響而導(dǎo)致的回歸結(jié)果偏差，對(duì)景觀指標(biāo)進(jìn)行了共線性檢驗(yàn)，如表3所示，每個(gè)變量的方差膨脹因子均小于5，條件索引均小于15，表明本文選擇的變量指標(biāo)之間不存在共線性關(guān)系；其次，進(jìn)一步比較了普通最小二乘法、GWR與MGWR的性能，如表4所示，模型的AICc值、殘差平方和均呈階梯式遞減，而擬合優(yōu)度R2顯著遞增，表明引入的MGWR取得了更接近于真實(shí)值的擬合效果，說(shuō)明MGWR是一種有效的研究城市景觀熱環(huán)境效應(yīng)的建模方法。

表3 共線性檢驗(yàn)結(jié)果Tab.3 Collinearity test results

表4 回歸模型性能對(duì)比Tab.4 Performance comparison of regression models

3.3.3模型尺度分析

模型處理結(jié)果如表5所示。經(jīng)典GWR的擬合最佳帶寬為130，占總樣本量的6.4%，在研究區(qū)中約為128 km2，對(duì)于福田區(qū)、南山區(qū)等建成環(huán)境較好的區(qū)域，該作用尺度明顯偏大。MGWR則能反映變量之間不同的作用尺度。其中，最大的作用帶寬為PD、LSI、Division，均達(dá)到了2 015，而NP、BD的最佳帶寬僅為44。

表5 GWR與MGWR帶寬對(duì)比結(jié)果Tab.5 GWR and MGWR bandwidth comparison results

由表5可知，景觀指標(biāo)的最佳擬合帶寬由小到大依次為NP、BD，NDVI，MPA，BH，BA，PD、LSI、Division，不同變量的作用帶寬差異較為明顯。

1)NP、BD的作用帶寬為44，遠(yuǎn)小于其他指標(biāo)，占總樣本量的2.1%，在研究區(qū)中約為43 km2，接近于城市規(guī)劃意義上的地塊尺度。一方面說(shuō)明斑塊的數(shù)量以及建筑物的密度空間異質(zhì)性明顯，超出其作用尺度后，回歸系數(shù)會(huì)發(fā)生明顯的變化；另一方面也側(cè)面說(shuō)明了地表溫度對(duì)于建筑物的分布非常敏感。

2)MPA與BH的作用帶寬基本相同，分別為362與482，在研究區(qū)內(nèi)，該尺度近似于行政區(qū)劃中的社區(qū)尺度，這揭示了在不同的社區(qū)范圍內(nèi)，最大的分割斑塊面積與建筑物高度差異性較大，超出作用范圍后，擬合效果會(huì)劇烈變化。

3)BA的作用帶寬為722，占總樣本量的35.7%，BA的作用范圍與深圳市建筑物分布的面積大致相同，證明了其在建成區(qū)與非建成區(qū)的作用尺度上表現(xiàn)良好，超出該作用尺度后系數(shù)未知性變大。

4)PD、LSI、Division的作用尺度達(dá)到2 015，幾乎等同于全局變量，在全局上表現(xiàn)平穩(wěn)，這揭示了在該尺度上，斑塊密度與地塊尺度上的景觀量化指標(biāo)幾乎不存在空間異質(zhì)性。

與經(jīng)典GWR相比，MGWR取得了更接近于真實(shí)值的結(jié)果，并提供了不同景觀指標(biāo)作用尺度的可解釋性，揭示了不同層次的城市景觀在不同尺度的熱效應(yīng)。

3.3.4回歸系數(shù)空間格局分析

在MGWR模型的計(jì)算結(jié)果中，每個(gè)景觀指標(biāo)因子對(duì)不同區(qū)域的影響具有特定的回歸系數(shù)。回歸系數(shù)的統(tǒng)計(jì)信息如表6所示，包含最小值、最大值、平均值、標(biāo)準(zhǔn)差、正值比率和負(fù)值比率共6個(gè)統(tǒng)計(jì)值。系數(shù)的空間分布如圖6所示。

表6 MGWR模型各景觀指標(biāo)因子回歸系數(shù)的統(tǒng)計(jì)信息Tab.6 Statistical information on regression coefficients ofeach landscape indicator factor of MGWR model

基于此，對(duì)各因子回歸系數(shù)的空間格局進(jìn)行分析。

1)NP：斑塊數(shù)量有著顯著的正向效應(yīng)，其回歸系數(shù)的正值比率達(dá)到98.86%。該系數(shù)取值位于-0.237至5.513之間，平均值為1.125，標(biāo)準(zhǔn)差0.849，說(shuō)明斑塊數(shù)量每增加一個(gè)單位，地表溫度平均升高1.125 ℃，影響程度較強(qiáng)。如圖6(a)所示，斑塊密度正向作用較強(qiáng)的區(qū)域位于福田區(qū)、南山區(qū)等地區(qū)，該區(qū)域建筑物密度高，斑塊主要為建筑物對(duì)象，分割斑塊數(shù)量較多。

2)MPA：最大斑塊面積回歸系數(shù)正值比率達(dá)到82.30%，說(shuō)明地塊范圍內(nèi)最大斑塊面積越大，該系數(shù)正向效應(yīng)越強(qiáng)。該系數(shù)取值位于-0.177至0.302之間，平均值為0.092，標(biāo)準(zhǔn)差0.085，表明MPA每增加一個(gè)單位，地表溫度平均增加0.092 ℃，且整體空間差異不大。如圖6(b)所示，龍崗區(qū)、鹽田區(qū)工業(yè)用地分布較為集中，地表溫度較高，分割斑塊面積也較大，導(dǎo)致該系數(shù)正向效應(yīng)較強(qiáng)；而在寶安區(qū)住宅用地較為集中的區(qū)域，斑塊多為單體建筑物，最大斑塊面積往往是公園等公共設(shè)施用地，產(chǎn)生了對(duì)熱環(huán)境的負(fù)面效應(yīng)。

3)PD：斑塊密度在全局上對(duì)城市熱環(huán)境均有著正向作用，從絕對(duì)數(shù)值來(lái)看，斑塊密度的影響強(qiáng)度極低。該系數(shù)取值位于0.018至0.019之間，平均值為0.018，標(biāo)準(zhǔn)差0.006，表明斑塊密度每增加1，溫度變化平均僅為0.018 ℃。如圖6(c)所示，斑塊密度正向效應(yīng)較強(qiáng)的區(qū)域位于南山區(qū)與寶安區(qū)，該區(qū)域內(nèi)建筑用地密集，斑塊較為破碎，密度較高。

4)NDVI：歸一化植被指數(shù)回歸系數(shù)負(fù)值比率達(dá)到99.10%，這與以往的植被熱環(huán)境效應(yīng)研究相一致。該系數(shù)取值位于-0.344至0.021之間，平均值為-0.127，標(biāo)準(zhǔn)差0.071，其最佳帶寬為200，表明NDVI每增加一個(gè)單位，地表溫度平均降低0.127 ℃，負(fù)向效應(yīng)最強(qiáng)的區(qū)域最多可降低0.344 ℃。如圖6(d)所示，NDVI的負(fù)向影響區(qū)域主要位于建設(shè)用地區(qū)域，在該區(qū)域植被的降溫效應(yīng)更加顯著。

5)BH：建筑物平均高度回歸系數(shù)取值位于-0.143至0.090之間，平均值為-0.049，標(biāo)準(zhǔn)差0.049，負(fù)值比率達(dá)到84.28%，表明建筑物平均高度對(duì)地表溫度的影響強(qiáng)度極低，且主要為負(fù)向效應(yīng)。如圖6(e)所示，在城市外圍以及大鵬新區(qū)，該系數(shù)較為敏感，由遙感影像可知，深圳市建成區(qū)建筑物雖然密集，但建筑物之間相隔的距離設(shè)計(jì)良好，通風(fēng)情況較好，高層建筑物并未對(duì)熱環(huán)境產(chǎn)生較大影響。

圖6 MGWR模型各景觀指標(biāo)因子回歸系數(shù)的空間分布Fig.6 Spatial distribution of regression coefficients of each landscape indicator factor of MGWR model

6)BA：建筑面積回歸系數(shù)取值位于-0.219至0.074之間，平均值為-0.036，標(biāo)準(zhǔn)差0.078，負(fù)值比例相對(duì)較高，這與已有研究結(jié)果有所差異。如圖6(f)所示，該系數(shù)正向效應(yīng)高值區(qū)域主要分布于龍華區(qū)、坪山區(qū)、大鵬新區(qū)，該區(qū)域植被覆蓋率相對(duì)較高，建設(shè)用地分布較為分散，人工開(kāi)發(fā)強(qiáng)度、地表溫度均較低，受其他負(fù)向效應(yīng)系數(shù)影響較大。

7)BD：建筑底面積占比回歸系數(shù)取值位于-0.490至1.271之間，平均值為0.211，標(biāo)準(zhǔn)差0.245，正值比率達(dá)到83.94%，該系數(shù)在全局上主要對(duì)地表溫度產(chǎn)生正向效應(yīng)，且在正向效應(yīng)最強(qiáng)的區(qū)域，BD每增加一個(gè)單位，地表溫度升高1.271 ℃。如圖6(g)所示，從全局來(lái)看，該系數(shù)正向效應(yīng)高值區(qū)分布較為分散，主要分布在坪山區(qū)、龍崗區(qū)，該區(qū)域覆蓋有大面積的工業(yè)用地，建筑物底面積較大，且工業(yè)用地的熱效應(yīng)往往較強(qiáng)；其他區(qū)域也主要是正向效應(yīng)分布。

8)LSI：從全局來(lái)看，景觀形狀指數(shù)主要對(duì)地表溫度產(chǎn)生負(fù)向效應(yīng)，該回歸系數(shù)取值位于-0.116至-0.104之間，平均值為-0.107，表明LSI每增加一個(gè)單位，地表溫度平均降低0.107℃，標(biāo)準(zhǔn)差僅為0.003，表明域上影響差異并不大。如圖6(h)所示，該回歸系數(shù)呈扇狀分布，西部區(qū)域由于建筑物較多，所以斑塊多呈較為規(guī)則的方形分布；東部區(qū)域因工業(yè)用地、林地較多，分割斑塊逐漸偏離規(guī)則形狀，回歸系數(shù)也逐漸降低。

9)Division：景觀分離度回歸系數(shù)取值位于0.123至0.132之間，平均值為0.130，標(biāo)準(zhǔn)差0.003，該系數(shù)對(duì)地表溫度只存在正向效應(yīng)，當(dāng)Division升高，地表溫度也隨之升高，且影響強(qiáng)度較大，Division每增加一個(gè)單位，地表溫度平均上升0.13 ℃。如圖6(i)所示，該系數(shù)的正向效應(yīng)自西向東逐漸減弱，寶安區(qū)、南山區(qū)正向效應(yīng)最強(qiáng)，東部新區(qū)的正向效應(yīng)較弱。

4 結(jié) 論

已有研究普遍證明了城市景觀有著重要的熱環(huán)境效應(yīng)，但對(duì)不同景觀因素空間異質(zhì)性的尺度差異研究仍然較少。相較于傳統(tǒng)的GWR，MGWR的多帶寬模式產(chǎn)生了更接近于真實(shí)情況的模擬過(guò)程，因此它具有較大潛力，可用于城市景觀的多尺度熱效應(yīng)研究。

1) 深圳市地表溫度冷熱點(diǎn)區(qū)域明顯、景觀差異較大，其中寶安區(qū)等地區(qū)地表溫度有著明顯的“高-高”集聚現(xiàn)象，總體來(lái)說(shuō)熱島效應(yīng)明顯，且城市景觀的空間差異較大。

2) 模型結(jié)果表明，MGWR能夠避免傳統(tǒng)單一尺度研究方法產(chǎn)生的較多噪聲和誤差，模型的擬合優(yōu)度顯著提升，相較于普通最小二乘法，MGWR更適于研究城市景觀熱環(huán)境效應(yīng)。

3) 分析結(jié)果表明，不同影響因素的影響力有著明顯的空間異質(zhì)性，PD、LSI、Division幾乎等同于全局變量對(duì)熱環(huán)境產(chǎn)生的影響，MPA、NDVI、BH、BA作用尺度中等，BD、NP作用尺度最小。本文還分析了具體指標(biāo)在具體區(qū)域的作用強(qiáng)度，因此，在制定熱環(huán)境對(duì)策時(shí)，可以考慮不同指標(biāo)影響程度的空間差異，以使決策的針對(duì)性更強(qiáng)。

此外，該研究仍然存在一些不足：由于數(shù)據(jù)獲取受限，地塊尺度的劃分結(jié)果、城市景觀的量化指標(biāo)仍然存在可改進(jìn)的空間；同時(shí)，并未涉及影響因素在時(shí)間尺度上的差異，未來(lái)可加入時(shí)間尺度進(jìn)行探究。