王 蕾 賈 佳 路 遙 荊忠偉 姚允龍

由于城市建設(shè)過程中缺乏環(huán)保意識(shí)和規(guī)劃的指引，導(dǎo)致“城市病”愈演愈烈[1-3]。其中，熱島效應(yīng)是全球普遍面臨的城市問題，不僅直接降低人們的舒適度，更危害到人們的生命健康[4-6]，還會(huì)間接導(dǎo)致霧霾天氣頻發(fā)[7]、能源過度消耗[8]等問題。越來越多的研究表明，城市綠地具有良好的降溫效果，然而城市內(nèi)土地資源十分有限，因此優(yōu)化城市綠地配置特征與景觀格局、最大效率發(fā)揮城市綠地的降溫功能，受到了國內(nèi)外學(xué)者的廣泛關(guān)注[9]。

對(duì)于城市綠地配置特征與降溫效率的相關(guān)關(guān)系，一般使用熱紅外遙感影像獲取城市熱島信息，使用高分影像獲取城市綠地信息，進(jìn)而研究二者的相互關(guān)系。已有研究多聚焦于城市綠地的單一屬性對(duì)其降溫效率的影響[10-11]，如Gallo等使用植被指數(shù)(NDVI)研究城市綠地與熱島效應(yīng)的關(guān)系，并利用回歸分析得出NDVI與地表溫度呈負(fù)相關(guān)[12]；Weng等建立了植被覆蓋度與地表溫度的線性回歸方程，并比較了植被覆蓋度和NDVI與地表溫度的相關(guān)性[13]。但是這種植被指數(shù)研究只能從宏觀上反映綠地的豐富度對(duì)其降溫效率的影響，無法體現(xiàn)出城市綠地結(jié)構(gòu)和空間布局的影響[14]。

為了解決這個(gè)問題，學(xué)者在研究城市綠地與城市熱島效應(yīng)的關(guān)系時(shí)引入了景觀生態(tài)學(xué)方法。如張昌順[15]、程好好[16]等研究不同綠地類型的降溫效果，得出了林地的降溫效果最好、草地的降溫效果最差的結(jié)論；馮嫻慧[17]、賈劉強(qiáng)[18]等研究了綠地的面積對(duì)其降溫效果的影響，表明城市綠地只有達(dá)到一定閾值才會(huì)對(duì)周圍產(chǎn)生降溫效果；還有學(xué)者研究城市綠地的郁閉度[19]和綠化覆蓋率[20]與降溫效果的關(guān)系，但仍局限于單因素研究。從植被指數(shù)的單因素研究轉(zhuǎn)向使用景觀生態(tài)學(xué)的方法研究城市綠地的多種配置特征對(duì)其降溫效率的影響更具科學(xué)性，但如何挖掘城市綠地的不同配置特征對(duì)其降溫效率的影響？如何把握全球氣候變化驅(qū)動(dòng)下降溫效率最大化的綠地面積和植被結(jié)構(gòu)類型？如何通過調(diào)整城市綠地的配置結(jié)構(gòu)和空間布局，使其降溫效率最大化？這些問題亟須深入探究。

本文以遙感影像為基礎(chǔ)數(shù)據(jù)，研究城市綠地對(duì)熱島效應(yīng)的最大緩解效率；通過高分2號(hào)(GF-2)遙感影像提取城市綠地，引入景觀參數(shù)，使用FRAGSTATS軟件計(jì)算城市綠地的景觀參數(shù)，研究長春市城市綠地分布特征；使用Landsat 8 TIR數(shù)據(jù)反演地表溫度，研究長春市熱環(huán)境空間格局；以ArcGIS和SPSS為支撐，定量研究城市綠地的降溫效率。以期指導(dǎo)長春市城市綠地的空間優(yōu)化布局，達(dá)到緩解城市熱島效應(yīng)、保障人民健康、減少能源消耗，以及改善城市小氣候等目標(biāo)。

1 研究方法

1.1 研究區(qū)域

長春市位于北緯43°05′～45°15′，東經(jīng)124°18′～127°05′。根據(jù)長春市氣象統(tǒng)計(jì)資料，1951—2011年，年平均氣溫升高了1.86℃[21]，城市平均氣溫比周圍鄉(xiāng)村地區(qū)高了0.1～0.5℃[22]。長春市的城市熱環(huán)境正在惡化，研究長春市地表溫度的空間分異，不僅能詳細(xì)把控長春市的熱環(huán)境，還能進(jìn)一步研究城市綠地的優(yōu)化布局，對(duì)于減緩城市熱島效應(yīng)和改善城市環(huán)境都具有重要意義。

1.2 長春市城市綠地的提取

結(jié)合長春市高分2號(hào)遙感影像及谷歌地球等輔助影像資料，目視選取植被覆蓋區(qū)、無作物的農(nóng)田、水體，以及非植被覆蓋區(qū)域地類的樣本，以其中的70%作為訓(xùn)練樣本，用以監(jiān)督分類，剩下30%用于檢驗(yàn)分類結(jié)果。在選擇好訓(xùn)練樣本的基礎(chǔ)上，使用支持向量機(jī)分類工具(Support Vector Machine Classification，SVM)對(duì)高分2號(hào)多光譜影像進(jìn)行分類。為了驗(yàn)證分類結(jié)果的準(zhǔn)確性，建立分類結(jié)果與檢驗(yàn)樣本的混淆矩陣，總體分類精度達(dá)到97.61%，Kappa系數(shù)為0.964 6，說明分類結(jié)果較為準(zhǔn)確。隨后對(duì)分類后的影像作聚類處理，將鄰近的小斑塊合并為整體，將孤立的小斑塊并入周圍的土地類型。然后通過目視解譯的方法，將被分割的綠地斑塊重新組成整體，將錯(cuò)分漏分的綠地重新分類，最終得到長春市四環(huán)內(nèi)的綠地分布圖。

1.3 長春市地表溫度獲取

1.3.1 劈窗算法反演地表溫度

劈窗算法是基于AVHRR熱紅外數(shù)據(jù)觀測海洋表面溫度的算法，由于劈窗算法對(duì)大氣參數(shù)的依賴性較小且操作簡單，因此得到了廣泛使用[23-25]。本文選用Rozenstein等改進(jìn)的劈窗算法[23]，計(jì)算公式如下：

式中，Ts為地表溫度；T10、T11分別為Band10和Band11的亮度溫度；A0、A1、A2為參數(shù)；εi為第i波段對(duì)應(yīng)的地表比輻射率；τi為第i波段對(duì)應(yīng)的大氣透射率。

1.3.2 驗(yàn)證反演地表溫度結(jié)果

氣象站在城市范圍內(nèi)分布均衡，且其記錄的空氣溫度數(shù)據(jù)具有良好的時(shí)間連續(xù)性。因此本研究基于實(shí)地測量數(shù)據(jù)的檢驗(yàn)方法，選取22個(gè)氣象站(圖1)中10個(gè)位于植被覆蓋度較高地區(qū)的氣象站，將反演的地表溫度與氣象站記錄的空氣實(shí)測溫度數(shù)據(jù)進(jìn)行對(duì)比，驗(yàn)證反演地表溫度的準(zhǔn)確性。

圖1 長春市氣象站分布

1.4 城市綠地與熱島效應(yīng)相關(guān)關(guān)系辨析

1.4.1 斑塊層面的相關(guān)關(guān)系

由于NDVI與植被覆蓋率具有正相關(guān)關(guān)系，因此使用綠地斑塊的平均NDVI代表斑塊內(nèi)的植被覆蓋率。使用ArcGIS提取出各綠地斑塊內(nèi)的平均地表溫度和平均NDVI，計(jì)算各斑塊的面積和形狀指數(shù)，建立多元回歸方程。為了研究不同面積水平下城市綠地斑塊各種配置特征對(duì)其降溫效率的影響，將0.5≤S＜1hm2的綠地稱為微型綠地，1≤S＜5hm2的綠地稱為小型綠地，5≤S＜10hm2的綠地稱為中型綠地，S≥10hm2的綠地稱為大型綠地。使用SPSS分析不同面積范圍內(nèi)綠地的NDVI、形狀指數(shù)、面積和溫度。

1.4.2 景觀層面的相關(guān)關(guān)系

將研究區(qū)域劃分成若干小區(qū)，分別統(tǒng)計(jì)各分區(qū)內(nèi)的景觀參數(shù)，以探索景觀參數(shù)對(duì)城市綠地降溫效率的影響。使用ArcGIS的fishnet工具，按照0.5km×0.5km、1km×1km和2km×2km 3種景觀尺度將影像分為大小相同的若干小區(qū)，分別統(tǒng)計(jì)各分區(qū)內(nèi)的景觀面積(TA)、斑塊個(gè)數(shù)(NP)、斑塊平均面積(PA_MN)、最大斑塊指數(shù)(LPI)、平均形狀指數(shù)(MNSHAPE)、分散指數(shù)(SPLIT)和聚集指數(shù)(AI)等景觀參數(shù)及對(duì)應(yīng)的溫度(表1)。由于水體的溫度很低，降溫效率優(yōu)于植被，會(huì)對(duì)植被的降溫效率分析產(chǎn)生嚴(yán)重干擾，因此在分區(qū)時(shí)去掉水體面積很大的網(wǎng)格。

表1 景觀參數(shù)及說明

2 結(jié)果

2.1 長春市中心城區(qū)綠地格局分析

通過監(jiān)督分類提取的長春市城市綠地斑塊總數(shù)為18 740個(gè)(圖2)，總面積為5 132.62hm2，其數(shù)量和面積分布如表2所示。由表2可知，S＜0.5hm2的綠地斑塊數(shù)量高達(dá)17 449塊，占斑塊總數(shù)的93.11%，但其面積僅占綠地總面積的28.91%。這些斑塊一般是小區(qū)內(nèi)部的零散綠化，其數(shù)量及分布難以對(duì)城市熱環(huán)境產(chǎn)生明顯的影響，因此在研究城市綠地面積的分布情況時(shí)，排除這些數(shù)量眾多的小型綠地斑塊，只考察S＞0.5hm2且具有一定規(guī)模的綠地斑塊。

表2 長春市城市綠地?cái)?shù)量和面積分布

圖2 綠地提取

2.2 斑塊層面綠地配置特征與降溫效率的動(dòng)態(tài)關(guān)系

從表3中可以看出，在不同面積范圍內(nèi)，面積(Area)、植被指數(shù)(NDVI)、形狀(Shape)3種配置特征對(duì)城市綠地降溫效率的影響各有不同：在0.5≤S＜1hm2的綠地中，NDVI是影響降溫效率的唯一因素，二者呈現(xiàn)出明顯的負(fù)相關(guān)關(guān)系，說明增大植被覆蓋率是增強(qiáng)其降溫效率的有效途徑；當(dāng)1≤S＜5hm2時(shí)，綠地的面積和NDVI都是影響綠地降溫效率的主要因素；當(dāng)5≤S＜10hm2時(shí)，NDVI與綠地內(nèi)部平均地表溫度之間的相關(guān)性不明顯，而形狀指數(shù)卻能顯著影響城市綠地內(nèi)部的溫度，且二者呈正相關(guān)，說明對(duì)于中型綠地而言，形狀越接近正方形，降溫效率越高；對(duì)于S≥10hm2的大型綠地而言，綠地內(nèi)的平均地表溫度與NDVI呈顯著負(fù)相關(guān)，與形狀指數(shù)呈顯著正相關(guān)，說明增加植被覆蓋率和使其形狀變得緊湊，都能提高其降溫效率。

表3 綠地斑塊配置特征與地表溫度的Pearson相關(guān)系數(shù)

綠地斑塊的3種配置特征中，NDVI與綠地內(nèi)部植被覆蓋度和植被類型等因素有關(guān)，而與溫度之間關(guān)系復(fù)雜。由于城市綠地內(nèi)部溫度不僅受到自身面積、植被覆蓋度及形狀的影響，還會(huì)受到周圍環(huán)境如綠地、河流等的影響[26]，所以在對(duì)綠地及其內(nèi)部平均地表溫度進(jìn)行回歸分析時(shí)，盡量選擇內(nèi)部沒有或者有較少水體的綠地?；诖耍谘芯繀^(qū)范圍內(nèi)選擇了33塊不同面積的綠地(圖3)用以研究城市綠地的面積與其內(nèi)部平均地表溫度之間的定量關(guān)系。

圖3 33塊綠地分布

對(duì)33塊綠地的面積和綠地內(nèi)部平均地表溫度進(jìn)行回歸分析(圖4)可知，城市綠地的面積與其內(nèi)部平均地表溫度呈對(duì)數(shù)函數(shù)關(guān)系，綠地面積越大，其降溫效率越高，但是隨著綠地面積的增大，其降溫效率的提升會(huì)越來越弱。當(dāng)綠地面積S＜10hm2時(shí)，隨著綠地面積的增大，綠地內(nèi)部的溫度迅速下降；當(dāng)綠地面積S≥10hm2時(shí)，綠地內(nèi)部溫度并不會(huì)隨綠地面積的增大而迅速降低。因此，如果以城市綠地降溫功能最大化為原則，那么在規(guī)劃城市綠地時(shí)，對(duì)于面積S＜10hm2的綠地，應(yīng)盡可能增加其面積，對(duì)于S≥10hm2的綠地，則不必強(qiáng)求繼續(xù)擴(kuò)大面積。

圖4 平均地表溫度回歸分析

2.3 景觀層面綠地配置特征與降溫效率的動(dòng)態(tài)關(guān)系

對(duì)提取出的景觀參數(shù)與平均地表溫度進(jìn)行相關(guān)性分析(表4)，可以看出，在0.5km×0.5km、1km×1km、2km×2km 3種景觀尺度下，平均地表溫度都與平均NDVI呈明顯負(fù)相關(guān)，Pearson相關(guān)系數(shù)分別為-0.560、-0.638和-0.701。在3種景觀尺度下，綠地面積也與平均地表溫度呈顯著負(fù)相關(guān)，Pearson相關(guān)系數(shù)分別為-0.507、-0.507和-0.644。這說明不論在什么樣的景觀尺度下，植被覆蓋度越大，溫度就越低。此外，綠地斑塊數(shù)量在0.5km×0.5km和1km×1km的景觀尺度下才與平均地表溫度有顯著的負(fù)相關(guān)關(guān)系，在2km×2km的景觀尺度下并沒有明顯的相關(guān)關(guān)系，這是由于在大的景觀尺度下，可能存在許多小型綠地或者一整塊大型綠地。

表4 不同景觀尺度下各景觀參數(shù)與平均地表溫度的Pearson相關(guān)系數(shù)

斑塊的數(shù)量與綠地總面積沒有必然聯(lián)系，綠地斑塊數(shù)量并不會(huì)與平均地表溫度相關(guān)，而在小的景觀尺度下，綠地斑塊的面積都比較小，因此綠地的數(shù)量能夠在一定程度上反映綠地的多少。LPI在3種景觀尺度下都與平均地表溫度呈顯著負(fù)相關(guān)，Pearson相關(guān)系數(shù)分別為-0.473、-0.461和-0.596，這說明在景觀中，存在較大的綠地會(huì)使區(qū)域內(nèi)的溫度降低。MNSHAPE在3種景觀尺度下都與平均地表溫度沒有顯著的相關(guān)關(guān)系，說明在景觀中，綠地的形狀對(duì)溫度的影響很微弱。就SPLIT而言，在0.5km×0.5km和2km×2km的景觀尺度下，SPLIT與平均地表溫度呈顯著正相關(guān)，Pearson相關(guān)系數(shù)分別為0.120和0.425，但是在1km×1km的景觀尺度下，二者無明顯的相關(guān)關(guān)系。就AI而言，在3種景觀尺度下，AI指數(shù)與平均地表溫度呈顯著負(fù)相關(guān)，Pearson相關(guān)系數(shù)分別為-0.105、-0.196和-0.458，這說明在景觀中，綠地集中布置會(huì)產(chǎn)生更好的降溫效率。

為了定量研究不同景觀尺度下各景觀參數(shù)與平均地表溫度之間的相關(guān)關(guān)系，分別建立各景觀尺度下各景觀參數(shù)與平均地表溫度的回歸方程(表5)，可以看出，在7個(gè)景觀參數(shù)中，表征植被覆蓋度的2個(gè)指標(biāo)NDVI和TA是影響該景觀溫度的主要因素。就NDVI而言，在0.5km×0.5km、1km×1km和2km×2km 3種景觀尺度下，分別能解釋31%、40%和49%的溫度變化。就TA而言，在0.5km×0.5km的景觀尺度下，綠地面積每增加1hm2，溫度下降0.23℃，換算成植被覆蓋度就是：植被覆蓋度每增加10%，溫度下降0.58℃。在1km×1km的景觀尺度下，綠地面積每增加1hm2，溫度下降0.074℃，換算成植被覆蓋度就是：植被覆蓋度每增加10%，溫度下降0.74℃。在2km×2km的景觀尺度下，綠地面積每增加1hm2，溫度下降0.024℃，換算成植被覆蓋度就是：植被覆蓋度每增加10%，溫度下降0.96℃。

表5 不同景觀尺度下各景觀參數(shù)與平均地表溫度回歸方程

在3種景觀尺度下，LPI是影響溫度變化的第二位重要因素，分別能解釋22%、21%和35%的溫度變化。AI和SPLIT對(duì)平均地表溫度的變化解釋度較小，但隨著景觀尺度的增大，其對(duì)溫度的解釋能力隨之增加。從SPLIT、AI及LPI 3個(gè)表征綠地聚集與分散的指標(biāo)中可以看出，在景觀中，集中布置的綠地能達(dá)到比分散布置的綠地更高的降溫效率。而MNSHAPE和NP與景觀的平均地表溫度沒有相關(guān)關(guān)系或僅有微弱的相關(guān)關(guān)系，這表明在景觀中，綠地的形狀并不能影響整個(gè)景觀的溫度。

2.4 城市綠地降溫范圍分析

在城市綠地周圍建立距離相等的若干緩沖區(qū)，以緩沖帶上平均地表溫度的變化來反映城市綠地的降溫效率。當(dāng)緩沖帶上的溫度變化不明顯，說明該處城市綠地的降溫效率已經(jīng)十分微弱，則這個(gè)緩沖帶的距離就是該綠地降溫的范圍。為了能夠較為準(zhǔn)確地得到城市綠地的降溫范圍，在城市綠地中選擇相對(duì)分離且周圍沒有水體或綠地大小形狀各不相同的30塊綠地作為樣本(圖5)。

圖5 30塊綠地分布

已有研究表明，城市綠地的降溫范圍隨綠地面積的不同，其降溫范圍一般在20～500m[27-28]。因此，至少需要研究綠地外600m范圍內(nèi)的溫度變化，才能找到綠地的降溫范圍。使用ArcGIS的多環(huán)緩沖區(qū)功能在每個(gè)綠地的外圍建立12個(gè)間隔50m的多環(huán)緩沖區(qū)(圖6)。使用ArcGIS統(tǒng)計(jì)各緩沖帶內(nèi)的平均地表溫度，然后以距離為橫軸，平均地表溫度為縱軸繪制溫度隨距離變化的曲線。以1號(hào)綠地為例(圖7)，其緩沖帶的溫度拐點(diǎn)出現(xiàn)在300m處，說明在這個(gè)距離時(shí)，地表溫度受1號(hào)綠地的影響最小，因此1號(hào)綠地的降溫范圍就是300m。

圖6 1號(hào)綠地多環(huán)緩沖區(qū)

圖7 1號(hào)綠地各緩沖區(qū)內(nèi)平均地表溫度變化

對(duì)其余29塊綠地同樣做出緩沖帶平均地表溫度隨距離變化的曲線，找出各綠地的降溫范圍，最終得到21組有效數(shù)據(jù)(表6)。根據(jù)表6的數(shù)據(jù)可知，面積較大的綠地降溫范圍較大，而面積較小的綠地的降溫范圍差距較大，但降溫范圍小的居多。將綠地面積與降溫范圍進(jìn)行相關(guān)性分析，P值為0.418，說明二者沒有明顯的相關(guān)關(guān)系。但是面積較大的綠地往往降溫范圍也越大，并且綠地降溫范圍一般為150～400m，這與Yang等[28]的研究結(jié)果相吻合。

表6 各綠地面積及其降溫范圍

3 結(jié)論與討論

3.1 結(jié)論

本文立足城市綠地通過遮陰及蒸騰作用有效降低溫度、緩解熱島效應(yīng)，從而改善城市環(huán)境的視角，使用遙感技術(shù)和地理信息系統(tǒng)研究長春市城市綠地對(duì)熱島效應(yīng)的緩解作用，試圖在城市用地緊張、無法開辟大量城市綠地達(dá)到降溫效果的背景下，提高城市綠地的降溫效率，并通過調(diào)整城市綠地的結(jié)構(gòu)和空間布局使其降溫效率最大化。主要成果包括兩部分內(nèi)容：長春市城市綠地的空間分布，以及城市綠地的屬性對(duì)其降溫效果的影響。

1)使用監(jiān)督分類和目視解譯相結(jié)合的方法從高分2號(hào)遙感影像中提取了長春市的城市綠地，并對(duì)其數(shù)量和空間分布進(jìn)行分析。從綠地?cái)?shù)量的分布來看，面積越大的綠地?cái)?shù)量越少。長春市面積S＜0.5hm2的綠地?cái)?shù)量占總數(shù)的93.11%，但是其面積占比卻只有28.91%。引入景觀參數(shù)對(duì)綠地空間分布進(jìn)行分析，發(fā)現(xiàn)長春市四環(huán)內(nèi)西北方的綠化水平最高，東北方的綠化水平最低，西北方城市綠地分布最為集中，東北方的綠地最為分散。

2)在反演地表溫度和提取城市綠地的基礎(chǔ)上，研究了綠地的面積、形狀及綠地內(nèi)植被覆蓋度對(duì)其降溫效率的影響。在不同面積范圍內(nèi)，3種配置特征對(duì)城市綠地降溫效率的影響各有不同：0.5≤S＜1hm2的綠地，可以通過增大植被覆蓋率來提升其降溫效率；1≤S＜5hm2的綠地，增加綠地的面積或植被覆蓋率都能有效提高其降溫效率；5≤S＜10hm2的綠地，點(diǎn)狀綠地的降溫效率優(yōu)于線狀綠地。雖然增大城市綠地的面積能夠提升綠地的降溫效率，但是隨著綠地面積的不斷增大，綠地降溫效率的提升會(huì)越來越弱。城市綠地對(duì)其周圍區(qū)域也有降溫效果，通常綠地面積越大，降溫范圍越大，但是二者相關(guān)性并不明顯，綠地的降溫范圍為150～400m。

3.2 討論

為詳細(xì)了解城市綠地空間配置特征與降溫效率的動(dòng)態(tài)響應(yīng)關(guān)系，從綠地斑塊、景觀、綠地外圍3個(gè)層面研究城市綠地的配置特征對(duì)其降溫效率的影響?？偟膩碚f，增大綠地面積可以使綠地內(nèi)部溫度降低，但是隨著綠地面積的增大，降溫效率的提升會(huì)越來越不明顯；增大區(qū)域內(nèi)的植被覆蓋度可以有效降低溫度；綠地的形狀和綠地斑塊的數(shù)量對(duì)區(qū)域的溫度沒有影響，或者有微弱影響；綠地緊湊布局會(huì)有更高的降溫效率；城市綠地對(duì)周圍區(qū)域也有降溫效果，隨著綠地面積的增大，其降溫范圍變大，但是二者之間沒有明顯的相關(guān)關(guān)系，說明影響城市綠地降溫效率的因素比較復(fù)雜，仍需深入研究綠地結(jié)構(gòu)對(duì)城市熱環(huán)境的影響。

綠地生態(tài)系統(tǒng)、大氣間的蒸散發(fā)，以及碳和能量的交換強(qiáng)烈依賴綠地三維結(jié)構(gòu)[29]。探究綠地的三維結(jié)構(gòu)-能量關(guān)系是研究城市綠地對(duì)城市熱島效應(yīng)恢復(fù)力不可或缺的一部分，由于綠地結(jié)構(gòu)與能量之間的相互作用較為復(fù)雜，基于遙感技術(shù)確定城市綠地三維結(jié)構(gòu)-能量的關(guān)系進(jìn)行城市綠地三維結(jié)構(gòu)監(jiān)測與預(yù)測的敏感性反饋研究，為量化城市綠地三維結(jié)構(gòu)與地表溫度的能量平衡提供了研究基礎(chǔ)，也有助于改善參數(shù)化建模的不確定性[30]。在后續(xù)研究中，仍需從地表能量平衡的角度，及時(shí)準(zhǔn)確地獲取城市綠地的三維結(jié)構(gòu)信息，進(jìn)一步挖掘城市綠地三維結(jié)構(gòu)對(duì)其降溫效率的內(nèi)在影響機(jī)制。這對(duì)于準(zhǔn)確辨析城市綠地與地表熱通量的關(guān)系、理解城市綠地對(duì)熱環(huán)境的調(diào)節(jié)作用十分關(guān)鍵。

注：文中圖片均由作者繪制。