王偉武 梁 爽 楊涵淄 WANG Weiwu LIANG Shuang YANG Hanzi

0 引言

城市化進(jìn)程導(dǎo)致人工構(gòu)筑物取代了植被、水體等自然景觀，引發(fā)不透水地表吸收了更多的太陽輻射，城市地區(qū)氣溫升高，城市熱島效應(yīng)加劇，對(duì)人類社會(huì)產(chǎn)生多種不利影響，例如增加冷卻系統(tǒng)能耗[1]、影響地表能量平衡[2]、加劇城市健康風(fēng)險(xiǎn)[3]。藍(lán)綠空間具有與熱島效應(yīng)相反的“冷島效應(yīng)”，可以起到調(diào)節(jié)城市微氣候、增強(qiáng)城市生物多樣性[4]等生態(tài)作用。

現(xiàn)有研究大多關(guān)注在藍(lán)綠空間景觀結(jié)構(gòu)布局的指標(biāo)因子量化分析方面。例如關(guān)于水體景觀形態(tài)指標(biāo)因子方面主要有水體面積、水網(wǎng)密度、岸線長度、水體寬度等量化分析[5-9]。研究認(rèn)為，水體幾何形狀與降溫距離對(duì)冷島強(qiáng)度呈負(fù)相關(guān)，規(guī)則的水體可以發(fā)揮更穩(wěn)定的降溫作用。水面面積和寬度越大，其冷島效應(yīng)越強(qiáng)[10]。面狀水體的降溫作用要強(qiáng)于線狀水體[11-13]。在綠地結(jié)構(gòu)指標(biāo)因子方面，主要有關(guān)于綠地面積、綠地形狀指數(shù)、綠地覆蓋度等方面量化研究[14-16]。綠地面積大小與降溫作用呈正相關(guān)，而綠地形狀指數(shù)與降溫作用呈負(fù)相關(guān)，高綠地覆蓋度可以更加有效地緩解城市熱島[17-19]。然而，值得我們注意的是，藍(lán)色空間和綠色空間協(xié)同組成城市的藍(lán)綠空間網(wǎng)絡(luò)系統(tǒng)，其冷島效應(yīng)強(qiáng)于單一的生態(tài)元素?？傮w而言，目前研究從影響因素、閾值、時(shí)間變化等多角度探討了藍(lán)綠空間對(duì)冷島效應(yīng)的影響，但對(duì)于城市藍(lán)綠空間景觀格局對(duì)城市降溫效率等缺少深入探究，大部分研究著眼于單一因素，包括水域、綠地、公園對(duì)冷島強(qiáng)度的影響，較少探討不同城市藍(lán)綠空間綜合景觀格局對(duì)冷島強(qiáng)度、效率的影響。

另外，中國大城市的水系系統(tǒng)往往是藍(lán)綠空間網(wǎng)絡(luò)的骨架，起到連接綠地以及水體的作用，是藍(lán)綠空間建設(shè)工程的重點(diǎn)對(duì)象。然而，與城市綠地系統(tǒng)相比，以水網(wǎng)系統(tǒng)為主骨架的城市藍(lán)綠空間冷島效應(yīng)量化研究的關(guān)注度相對(duì)不足。為了深化這方面的研究，本文以杭州、南京和武漢三個(gè)水系較為發(fā)達(dá)的城市為例，旨在揭示城市濱水空間為主骨架的藍(lán)綠空間網(wǎng)絡(luò)對(duì)熱島效應(yīng)的影響，憑借回歸決策樹回歸模型處理非線性大量數(shù)據(jù)并受自變量交互作用小的優(yōu)勢(shì)[21]，通過比較研究以便定量地揭示這三個(gè)中國典型城市藍(lán)綠空間各形態(tài)因子對(duì)于城市熱島減緩的影響程度。

1 研究區(qū)概況

選擇杭州、南京和武漢的城市中心城區(qū)為研究區(qū)（圖1）。選擇原則主要基于以下三方面原因。首先，三個(gè)城市均為省會(huì)城市，經(jīng)濟(jì)發(fā)展水平快，環(huán)境承受壓力大，且都是中國典型的熱島城市。在快速城市化發(fā)展和擴(kuò)展的過程中，城市的熱島效應(yīng)都在不斷向外擴(kuò)散，城市熱島問題嚴(yán)重。其次，三個(gè)城市水系發(fā)達(dá)且密集分布，而且在水系形態(tài)方面有所區(qū)別，武漢以大面積的湖泊為主，南京以秦淮河水系主導(dǎo)的線狀河流為主，杭州水系形態(tài)多樣，形成點(diǎn)線面結(jié)合的水網(wǎng)結(jié)構(gòu)。最后，三個(gè)城市的城市發(fā)展形態(tài)結(jié)構(gòu)也有異同之處，而且具有一定的典型性。杭州以主城區(qū)和錢江新城的協(xié)同發(fā)展為主，形成新舊城區(qū)多中心協(xié)同發(fā)展的城市形態(tài)結(jié)構(gòu)。南京以主城區(qū)為發(fā)展中心，周邊多個(gè)衛(wèi)星城聯(lián)合發(fā)展。武漢是典型的單核城市，以主城區(qū)為中心呈圈層式發(fā)展，向外延伸出都市發(fā)展區(qū)、遠(yuǎn)郊中心鎮(zhèn)。杭州市作為浙江省會(huì)城市和長江三角洲的中心城市之一，總面積3 316.33 km2，包括上城區(qū)、拱墅區(qū)、西湖區(qū)、濱江區(qū)、臨平區(qū)、錢塘區(qū)六個(gè)區(qū)，占市域面積的19.68%。南京市是江蘇省省會(huì)城市，地處長江中下游平原東部，總面積392.89 km2，包括鼓樓區(qū)、秦淮區(qū)、雨花臺(tái)區(qū)、建鄴區(qū)、玄武區(qū)五個(gè)區(qū)，占市域面積的5.96%。武漢市是湖北省會(huì)，華中地區(qū)的最大都市，位于江漢平原東部、長江中游，總面積1 051.86 km2，包括江岸區(qū)、江漢區(qū)、硚口區(qū)、漢陽區(qū)、武昌區(qū)、青山區(qū)、洪山區(qū)七個(gè)區(qū)，占市域面積的12.27%。通過對(duì)三個(gè)研究區(qū)進(jìn)行對(duì)比分析，一方面可以由三個(gè)城市之間不同的水系網(wǎng)絡(luò)結(jié)構(gòu)和藍(lán)綠空間結(jié)構(gòu)得出不同藍(lán)綠空間分布形態(tài)對(duì)冷島效應(yīng)的影響趨勢(shì)，另一方面，針對(duì)不同城市發(fā)展結(jié)構(gòu)提出相應(yīng)的城市藍(lán)綠空間建設(shè)策略，為城市科學(xué)規(guī)劃與建設(shè)提供參考。

圖1 研究區(qū)位置及范圍示意圖Fig.1 schematic diagram of the location and scope of the study area

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

研究數(shù)據(jù)主要包括遙感數(shù)據(jù)、行政邊界數(shù)據(jù)、水體數(shù)據(jù)和道路數(shù)據(jù)等。

GEE 是谷歌公司提供的在線全球化處理和分析引擎（https://earthengine.google.com/），可以處理多類型的衛(wèi)星影像以及其它農(nóng)業(yè)、自然資源和氣候的地理觀測(cè)數(shù)據(jù)。研究者可以通過云端的繼承開發(fā)環(huán)境，調(diào)用編程接口編寫程序分析數(shù)據(jù)，并實(shí)現(xiàn)數(shù)據(jù)的可視化處理。GEE云平臺(tái)中有超數(shù)百個(gè)公共數(shù)據(jù)集，包含Landsat 系列遙感影像數(shù)據(jù)。Landsat 系列遙感影像數(shù)據(jù)是高分辨率反演 LST 的最廣泛的衛(wèi)星數(shù)據(jù)之一，也是眾多遙感數(shù)據(jù)中時(shí)間序列較長，穩(wěn)定性高和分辨率相對(duì)較高的數(shù)據(jù)。本文依托 GEE 云平臺(tái)獲取公開的 Landsat 系列遙感影像數(shù)據(jù)（https://code.earthengine.google.com/?accept_repo=users/sofiaermida/landsat_smw_lst.），選取了LANDSAT/ LC08/C01/T1_SR地表反射率數(shù)據(jù)集，得到2012—2021年研究區(qū)域夏季的多時(shí)序遙感影像。這些數(shù)據(jù)均已進(jìn)行了官方的大氣校正算法（LaSRC）處理，可直接使用。

Open Street Map，簡(jiǎn)稱為OSM，是一個(gè)開源的地圖數(shù)據(jù)社區(qū)，全球貢獻(xiàn)者向該項(xiàng)目貢獻(xiàn)地圖數(shù)據(jù)，數(shù)據(jù)質(zhì)量較高，可以滿足用戶使用與科學(xué)研究的要求[22]。OSM地圖可以下載道路、水系、建筑等數(shù)據(jù)。道路數(shù)據(jù)和水體數(shù)據(jù)從openstreetmap網(wǎng)站（www.openstreetmap.org）獲取，市內(nèi)縣區(qū)邊界從全國地理信息資源目錄服務(wù)系統(tǒng)（www.webmap.cn/main.do?method=index）獲取，GIS數(shù)據(jù)完成時(shí)間均為2021年。水體數(shù)據(jù)在獲取后按照各地水務(wù)局河道報(bào)告，重新篩選出研究區(qū)域內(nèi)的主要水體。

2.2 研究方法

道路網(wǎng)是城市空間結(jié)構(gòu)的骨架，城市街區(qū)由道路網(wǎng)劃分而形成，而本研究聚焦于濱水藍(lán)綠空間，因此使用濱水緩沖區(qū)范圍內(nèi)的道路分割成的街區(qū)單元作為基本分析單元。使用研究區(qū)內(nèi)主要水體數(shù)據(jù)構(gòu)建濱水的緩沖區(qū)范圍，將河流的緩沖區(qū)分為兩級(jí)。選擇車行可通過的道路，將濱水的緩沖區(qū)范圍分割成數(shù)個(gè)街區(qū)單元，確定基本分析單元。

主要采用城市冷島效應(yīng)分布特征分析、藍(lán)綠空間景觀形態(tài)因子量化計(jì)算和決策樹回歸等方法。研究方法為：第一，確定研究的基本分析單元；第二，在GEE平臺(tái)通過Landsat衛(wèi)星影像推演出地表溫度，利用值標(biāo)準(zhǔn)差法對(duì)地表溫度進(jìn)行分級(jí)，得出城市冷島效應(yīng)強(qiáng)度，并將其數(shù)值對(duì)應(yīng)到分析基本單元從而獲得城市冷島強(qiáng)度分布特征。第三，在GEE平臺(tái)利用Landsat衛(wèi)星影像執(zhí)行隨機(jī)森林分類算法，得出土地利用數(shù)據(jù)，使用Fragstats 4.2和ArcGIS 10.7軟件計(jì)算藍(lán)綠空間景觀形態(tài)因子，并將其數(shù)值對(duì)應(yīng)到分析基本單元從而獲得藍(lán)綠空間形態(tài)特征；第四，訓(xùn)練決策樹數(shù)據(jù)集并進(jìn)行決策樹回歸分析，得出各藍(lán)綠空間景觀形態(tài)因子的對(duì)城市冷島效應(yīng)的影響程度；第五，綜合以上結(jié)果有針對(duì)性地提出水網(wǎng)型城市的城市空間優(yōu)化策略（圖2）。

圖2 研究技術(shù)路線圖Fig.2 research technology roadmap

2.2.1 確定基本分析單元

根據(jù)當(dāng)?shù)厮畡?wù)局河道報(bào)告，篩選出研究區(qū)內(nèi)主要水體數(shù)據(jù)。接著確定水體的緩沖區(qū)范圍。參考已有關(guān)于水域降溫閾值的研究[23]，將河流的緩沖區(qū)分為兩級(jí)：寬度介于20～70 m的河流，其緩沖區(qū)距河岸距離為500 m；寬度大于70 m的河流，其緩沖區(qū)距河岸距離為2 500 m。湖泊緩沖區(qū)距河岸距離為500 m。到此已確定水體的緩沖區(qū)范圍，為數(shù)個(gè)平面。在ArcGIS平臺(tái)使用分割面工具，選擇車行可通過的道路將水體的緩沖區(qū)范圍面分割成數(shù)個(gè)街區(qū)單元，每個(gè)街區(qū)的面積在200～1 000 m2內(nèi)。每個(gè)被分割好的街區(qū)單元即為基本分析單元。

2.2.2 城市冷島效應(yīng)計(jì)算及等級(jí)劃分

利用 ENVI、ERDAS 等遙感圖像處理軟件反演地表溫度的數(shù)據(jù)處理步驟較為繁瑣，其數(shù)據(jù)下載、操作流程與結(jié)果保存等步驟對(duì)研究者的設(shè)備也是很大的挑戰(zhàn)。故本文使用GEE平臺(tái)，通過API接口和基于Web的交互式開發(fā)環(huán)境，利用Python和JavaScript語言訪問 GEE的Landsat遙感影像數(shù)據(jù)并計(jì)算反演地表溫度，計(jì)算歸一化植被指數(shù)（NDVI）、植被覆蓋度，估算地表比輻射率后，將傳感器光譜輻射轉(zhuǎn)化為傳感器亮度溫度，利用Artis單窗算法、普朗克常量和地表亮溫計(jì)算[24]，得到2012—2021年研究區(qū)域夏季的平均地表溫度。接著采用值標(biāo)準(zhǔn)差法劃分地表溫度等級(jí)[25]，分為六級(jí)，劃分依據(jù)如表1。其中得出代表藍(lán)綠空間的分析區(qū)域的地表溫度等級(jí)，以表示藍(lán)綠空間的降溫效應(yīng)強(qiáng)度。

表1 地表溫度等級(jí)劃分Tab.1 surface temperature class division

2.2.3 藍(lán)綠空間景觀形態(tài)因子的量化計(jì)算

主要包括土地利用分類數(shù)據(jù)獲取和城市熱環(huán)境藍(lán)綠空間景觀形態(tài)因子GIS計(jì)算兩部分。

GEE 云平臺(tái)提供機(jī)器學(xué)習(xí)中隨機(jī)森林分類的“ee.Classifier()”功能選項(xiàng)，這些分類器擅長從大量遙感預(yù)測(cè)變量和訓(xùn)練數(shù)據(jù)之間的關(guān)系構(gòu)建統(tǒng)計(jì)模型。故通過GEE平臺(tái)，人為借助Google Earth影像建立訓(xùn)練樣本，將用地分類為城市建設(shè)用地、水體、草地、森林、農(nóng)田這五項(xiàng)，選取具有一定代表性的地物目標(biāo)訓(xùn)練標(biāo)記，得到最終的用地分類。根據(jù)現(xiàn)有藍(lán)綠空間的研究[9-10][12]，本文以代表性、形態(tài)相關(guān)性、數(shù)據(jù)可得性為指標(biāo)選取原則，選取了七個(gè)指標(biāo)來描述城市濱水藍(lán)綠空間的形態(tài)因子，按照藍(lán)綠綜合景觀形態(tài)因子、藍(lán)色空間形態(tài)因子和綠色空間形態(tài)因子三個(gè)方面（表2）。使用Fragstats 4.2和ArcGIS 10.7軟件計(jì)算這些藍(lán)綠空間景觀形態(tài)因子。

表2 藍(lán)綠空間系統(tǒng)的景觀形態(tài)指標(biāo)體系Tab.2 landscape morphology index system of blue-green spatial system

2.2.4 基于決策樹回歸模型的形態(tài)因子貢獻(xiàn)率分析

目前，有關(guān)城市熱島效應(yīng)影響因素的研究以經(jīng)典的多元線性回歸模型為主，此方法雖然可以分析出城市熱島效應(yīng)強(qiáng)度與各因素的線性關(guān)系，但并不適用于本研究自變量較多且相互之間有交互作用、可能存在異常值的情況。采用線性回歸后發(fā)現(xiàn)自變量共線性（VIF）過大，則可使用嶺回歸用于此類自變量高度相關(guān)的情況，但其模型擬合受異常值影響很大從而導(dǎo)致偏差。本研究因研究范圍尺度很大，數(shù)據(jù)數(shù)量龐雜、數(shù)據(jù)質(zhì)量參差不齊；且各自變量之間相互間存在線性影響?；貧w決策樹則可彌補(bǔ)以上不足。

決策樹回歸時(shí)，對(duì)缺失值不敏感，即可以忽略本研究中數(shù)據(jù)不齊全的研究單元，且不受變量間共線性的影響，可以忽略各藍(lán)綠空間形態(tài)因子相互的線性影響。因此，可以采用決策樹回歸方法探究各藍(lán)綠空間形態(tài)因子對(duì)城市冷島效應(yīng)的影響程度，將藍(lán)綠空間結(jié)構(gòu)特征作為自變量，城市熱島分布特征為因變量。

SPSSPRO是一款在線數(shù)據(jù)分析平臺(tái)，依據(jù)各類數(shù)據(jù)分析方法的權(quán)威文獻(xiàn)提供數(shù)據(jù)分析的可視化操作。該平臺(tái)建立決策樹回歸模型的過程參考了楊學(xué)兵、張俊關(guān)于決策樹算法及其核心技術(shù)軟件的研究[26]。我們使用SPSSPRO軟件，對(duì)本研究得出的量化后的熱島降溫效應(yīng)與藍(lán)綠空間景觀形態(tài)因子數(shù)據(jù)建立訓(xùn)練集，再對(duì)訓(xùn)練集進(jìn)行測(cè)試從而生成決策樹模型。結(jié)點(diǎn)包括葉結(jié)點(diǎn)和內(nèi)部結(jié)點(diǎn)，而內(nèi)部結(jié)點(diǎn)又分為起始的根結(jié)點(diǎn)及其子結(jié)點(diǎn)。從根結(jié)點(diǎn)開始對(duì)訓(xùn)練數(shù)據(jù)集的特征進(jìn)行測(cè)試，并根據(jù)特征劃分成最優(yōu)的兩部分分配給子結(jié)點(diǎn)，而每個(gè)子結(jié)點(diǎn)也根據(jù)分到的數(shù)據(jù)集特征遞歸地進(jìn)行劃分分配，直至達(dá)到葉結(jié)點(diǎn)。根結(jié)點(diǎn)及子節(jié)點(diǎn)都包含數(shù)據(jù)集的特征屬性信息，葉結(jié)點(diǎn)為輸出結(jié)果生成的類別[26]。以本研究為例，在南京的數(shù)據(jù)訓(xùn)練集中，計(jì)算機(jī)對(duì)訓(xùn)練數(shù)據(jù)集嘗試數(shù)種根據(jù)特征進(jìn)行的劃分方法，在根節(jié)點(diǎn)處確定以30.13的綠地率數(shù)值為最優(yōu)劃分點(diǎn)，把數(shù)據(jù)集分為綠地率數(shù)值≤30.13（左）及綠地率數(shù)值＞30.13（右）的兩部分。劃分出的子結(jié)點(diǎn)又各自確定最優(yōu)劃分點(diǎn)，如此遞歸（圖3）。

圖3 決策樹回歸模型生成流程示意圖（以南京市為例）Fig.3 generation process of the regression tree model （taking Nanjing for example）

具體使用分類回歸樹算法（CART）生成回歸的模型。結(jié)點(diǎn)的劃分原則為：劃分后的數(shù)據(jù)集，每部分訓(xùn)練數(shù)據(jù)集的預(yù)測(cè)值（此部分樣本輸出值的平均值）與實(shí)際值之差的平方和的均值最小，此類度量指標(biāo)稱為均方誤差（Mean Square Error，簡(jiǎn)稱MSE）[27]。

類似利用線性回歸的系數(shù)來說明各個(gè)特征的重要性并以百分?jǐn)?shù)表述，決策樹回歸使用基尼指數(shù)減少量的歸一化值表現(xiàn)各個(gè)特征的重要性。在模型構(gòu)建后可計(jì)算此值。此值可為城市熱環(huán)境藍(lán)綠空間形態(tài)因子對(duì)冷島效應(yīng)影響貢獻(xiàn)率作參考。

設(shè)置模型參數(shù)如下：數(shù)據(jù)切分為0.8，結(jié)點(diǎn)分裂評(píng)價(jià)準(zhǔn)則為弗里德曼均方誤差（Friedman_mse），內(nèi)部結(jié)點(diǎn)分裂的最小樣本數(shù)為2，葉子結(jié)點(diǎn)的最小樣本數(shù)為1，決策樹葉子結(jié)點(diǎn)中樣本的最小權(quán)重為0，樹的最大深度為10，葉子結(jié)點(diǎn)的最大數(shù)量為50，結(jié)點(diǎn)劃分不純度的閾值為0。

使用數(shù)據(jù)總數(shù)集中的20%作為構(gòu)建樹模型的訓(xùn)練集，剩余的80%作為測(cè)試集。生成決策樹回歸模型后，將建立的決策樹回歸模型應(yīng)用到訓(xùn)練、測(cè)試數(shù)據(jù)集中，得到預(yù)測(cè)評(píng)價(jià)指標(biāo)以評(píng)估模型準(zhǔn)確度（表3）。MSE為均方誤差，取值越小，模型準(zhǔn)確度越高。R2是可決系數(shù)，先計(jì)算真實(shí)值和預(yù)測(cè)值差的平方和與真實(shí)值和均值差的平方和之比，再由1減去該比值，其結(jié)果越靠近1，模型準(zhǔn)確度越高[28]。將決策樹回歸模型應(yīng)用到訓(xùn)練、測(cè)試數(shù)據(jù)集中，發(fā)現(xiàn)武漢的MSE數(shù)值偏大，準(zhǔn)確值略差；但總體來看，三城市訓(xùn)練集與數(shù)據(jù)集的R2數(shù)值均較接近1，預(yù)測(cè)準(zhǔn)確度較為可靠。

表3 決策樹的預(yù)測(cè)效果評(píng)價(jià)Tab.3 evaluation of the predictive effect of decision trees

3 結(jié)果與分析

3.1 地表溫度與藍(lán)綠空間的降溫效應(yīng)強(qiáng)度

提取的三個(gè)城市陸地表面溫度的遙感反演結(jié)果表明，城市中心溫度都明顯高于城市外圍，具有典型的熱島城市效應(yīng)。城市內(nèi)部溫度變化受到復(fù)雜下墊面性質(zhì)的影響很顯著，一些綠地公園和湖泊上形成大大小小的低溫斑塊，例如杭州的西湖風(fēng)景區(qū)、南京的老山國家森林公園、武漢的東湖生態(tài)風(fēng)景區(qū)等。此外，三個(gè)城市的地表溫度表現(xiàn)出不同的空間格局。首先，三個(gè)城市的地表平均溫度表現(xiàn)為杭州（34.55 ℃）> 武漢（32.37 ℃）>南京（28.63 ℃）。第二，杭州的熱島區(qū)分布靠近錢塘江，上城區(qū)、錢塘區(qū)西側(cè)地表溫度較高，西湖區(qū)南側(cè)和錢塘區(qū)東側(cè)的溫度相對(duì)較低。南京的熱島區(qū)分布于主城區(qū)的外圍地區(qū)，北部熱環(huán)境圍繞南京經(jīng)開區(qū)（新港園區(qū)）表現(xiàn)出板塊狀特征，南部熱環(huán)境分布較為零散。在武漢溫度較高的區(qū)域主要集中西北和西南的位置，長江與漢江交匯處以及兩江沿岸。低溫區(qū)主要分布在長江、漢江及各類湖泊。

降溫效應(yīng)強(qiáng)度方面，杭州研究區(qū)的降溫強(qiáng)度較為混雜，以錢塘江杭州市區(qū)內(nèi)兩端以及西湖周邊冷島效應(yīng)較為明顯，且在西湖周邊斑塊密度較小，集聚度較高。南京研究區(qū)熱島分布相對(duì)武漢和杭州范圍較小，以幾何中心向外呈“∩”形圈層分散，存在“局部高溫集聚、低溫集聚”的特征。強(qiáng)高溫區(qū)與高溫區(qū)主要存在與城市建成區(qū)，特高溫區(qū)與高溫區(qū)以工業(yè)集中區(qū)為主。武漢研究區(qū)幾乎所有的建成區(qū)域都屬于特高溫區(qū)和高溫區(qū)；非建成區(qū)北部區(qū)域的冷島區(qū)相較南部更多。同時(shí)水體的冷島效應(yīng)顯著，長江、東湖、嚴(yán)西湖均為強(qiáng)冷島區(qū)，這些水體均為體量較大的天然湖泊。圖4和表4分別展現(xiàn)了各城市研究區(qū)地表溫度遙感反演結(jié)果、藍(lán)綠空間降溫效應(yīng)結(jié)果、藍(lán)綠空間格局的匯總情況。

表4 三個(gè)典型城市藍(lán)綠空間格局、熱島分布和降溫效應(yīng)強(qiáng)度特征匯總表Table 4 blue-green spatial pattern, heat island distribution and intensity of cooling effect characteristics in three cities

圖4 三個(gè)典型城市地表溫度、藍(lán)綠空間降溫效應(yīng)、藍(lán)綠空間格局結(jié)果匯總圖Fig.4 surface temperature, blue-green spatial cooling effect, and summary of blue-green spatial pattern characteristics in three cities

3.2 城市藍(lán)綠空間格局特征

根據(jù)Landsat 8 OLI衛(wèi)星影像分類和Fragstats軟件分析結(jié)果（表5）來看，三個(gè)城市水網(wǎng)結(jié)構(gòu)有較大差別。 杭州研究區(qū)的水域面積145.79 km2，水面率15.8%。杭州河流縱橫交錯(cuò)，大小湖泊分布其間，主要水系為錢塘江水系和太湖水系[29]。研究區(qū)內(nèi)河流達(dá)300余條，市區(qū)錢塘江全長74 km[30]，杭州城區(qū)的錢塘江水系包括錢塘江杭州段和研究范圍中的濱江區(qū)。太湖水系包括京杭大運(yùn)河杭州段、西湖、錢塘江北岸的市區(qū)河道、西溪濕地等。杭州的水域形狀指數(shù)指數(shù)相對(duì)較小，說明杭州的水域較為規(guī)整，同時(shí)與城市邊界產(chǎn)生邊緣接觸的長度也相對(duì)較少；南京研究區(qū)的水域面積80.33 km2，水面率10.92%。南京的線狀河流有：長江南京段（95 km），秦淮河（103 km）[29]，其大小和影響都遠(yuǎn)遠(yuǎn)高于其它水域，以整體的環(huán)線溝通南京五大風(fēng)景名勝區(qū)。南京市區(qū)主要的塊狀濕地湖泊有玄武湖、莫愁湖等。南京城東水域分布較多，斑塊異質(zhì)性較大，受其影響導(dǎo)致了南京較大的景觀破碎性和較小的斑塊內(nèi)聚力；武漢研究區(qū)水域面積209.88 km2，水面率19.21%，城市主要水體資源可以分為超大型流動(dòng)水體長江、淺水湖泊與小型河流、濕地與人工開墾或圍成的坑塘[31]。武漢市水體資源豐富但分布并不平均，基本呈現(xiàn)出南多北少的趨勢(shì)。武漢的斑塊內(nèi)聚力指數(shù)較高，具有較強(qiáng)的空間聯(lián)系和較大的完整程度。同時(shí)水域連通性良好，對(duì)提高水資源承載能力和環(huán)境容量等都有重要的作用（圖5）。

表5 城市熱環(huán)境藍(lán)綠空間形態(tài)因子量化特征結(jié)果對(duì)比表Table 5 comparison of the results of quantitative characteristics of blue-green spatial form factors of urban thermal environment

圖5 三城市藍(lán)綠空間各形態(tài)因子對(duì)比圖Fig.5 comparison of each morphological factor of blue-green space in three cities

3.3 形態(tài)因子對(duì)冷島效應(yīng)的影響貢獻(xiàn)率

圖6表明了三個(gè)城市熱環(huán)境藍(lán)綠空間形態(tài)因子對(duì)冷島效應(yīng)影響貢獻(xiàn)率的占比分布，不同城市的主導(dǎo)景觀形態(tài)因子差異性明顯。在杭州，水面率和綠地率為主導(dǎo)因子，杭州受其共同影響占72.9%，南京則為61.8%。在武漢，水面率、水域形狀指數(shù)為主導(dǎo)因子，受其共同影響占63.5%。三個(gè)城市受到水面率的影響均較大，從大到小依次為杭州、武漢、南京。水域形狀指數(shù)對(duì)武漢的影響遠(yuǎn)遠(yuǎn)超過南京與杭州。水域連通率對(duì)武漢有一定程度的影響，且高于南京與杭州。斑塊密度對(duì)武漢和南京的影響程度相似，略高于杭州。綠地率對(duì)南京和杭州的影響程度類似，且都占據(jù)主要地位。生態(tài)內(nèi)聚指數(shù)與綠地形狀指數(shù)對(duì)三個(gè)城市的影響都較小?？梢娝媛始此蛩嫉拿娣e在不同的城市熱島影響因素中占據(jù)很重要的地位。將結(jié)構(gòu)形態(tài)因子分類為與水有關(guān)的和與植被有關(guān)的，發(fā)現(xiàn)武漢受到與水有關(guān)的結(jié)構(gòu)形態(tài)因子的影響最大，其次是杭州、南京；與植被有關(guān)的結(jié)構(gòu)形態(tài)因子則反之。

圖6 城市熱環(huán)境藍(lán)綠空間形態(tài)因子對(duì)冷島效應(yīng)影響貢獻(xiàn)率Fig.6 contribution rate of the impact of various thermal environment structure and form factors on urban heat island

4 結(jié)論

本文在借助多源遙感數(shù)據(jù)和谷歌地球引擎(下稱GEE)平臺(tái)計(jì)算城市地表溫度（LST）及冷島強(qiáng)度的基礎(chǔ)上，采用機(jī)器學(xué)習(xí)的回歸決策樹模型分析了我國典型水系發(fā)達(dá)的三個(gè)城市（武漢、南京和杭州）的藍(lán)綠空間的冷島效應(yīng)，揭示了不同濱水空間下的藍(lán)綠空間因子與熱島效應(yīng)的相互作用關(guān)系。本研究開創(chuàng)性地將城市水系豐富的典型的城市中心區(qū)作為冷島效應(yīng)研究區(qū)，將街區(qū)單元作為最小單元，突出了對(duì)于城市濱水藍(lán)綠空間冷島效應(yīng)的集中探究，同時(shí)使用決策樹回歸的方法解決了因研究范圍尺度大，數(shù)據(jù)數(shù)量龐雜、各自變量之間相互間存在線性影響的問題，主要結(jié)論如下。

第一，城市藍(lán)綠空間對(duì)城市的熱島效應(yīng)緩解產(chǎn)生積極影響，在三個(gè)城市中都表現(xiàn)出了明顯降溫效果。分析證實(shí)，三個(gè)城市研究區(qū)內(nèi)大型水體周邊的平均溫度普遍低于研究區(qū)的平均地表溫度。如杭州西湖（低于平均氣溫1.30 ℃）、南京玄武湖（0.94 ℃）和武漢湯遜湖（2.50 ℃）、東湖（1.85 ℃）。城市濱水空間產(chǎn)生的冷島效應(yīng)在不同城市的影響機(jī)制有所不同。相較于杭州和南京，武漢內(nèi)的面狀水域景觀對(duì)應(yīng)的熱環(huán)境溫度明顯低于其它的景觀類型（2.10～4.45 ℃）。且由于城市發(fā)展結(jié)構(gòu)的差異，藍(lán)綠空間的影響效果也有所差別。城市發(fā)展中心如杭州上下城區(qū)、南京玄武區(qū)、武漢江岸區(qū)，對(duì)藍(lán)綠空間表面的溫度產(chǎn)生不同程度的影響。

第二，三個(gè)城市熱島受到各結(jié)構(gòu)形態(tài)因子的影響作用即有相同點(diǎn)，又有不同點(diǎn)。三個(gè)城市的熱島受到水面率的影響均較大，尤其是杭州（34.0%）和武漢（30.3%）較為突出。生態(tài)內(nèi)聚指數(shù)與綠地形狀指數(shù)對(duì)三個(gè)城市的熱島影響都較小，單因子影響均不超過15%。主要不同點(diǎn)是，武漢的城市熱島受到水體空間（藍(lán)色空間）的干擾很大，占63.5%，大大超過了植被因素（綠色空間）占據(jù)優(yōu)勢(shì)地位；南京則與武漢剛好相反，南京的熱島受到植被的干擾占68.3%，大大超過了水體有關(guān)因素占據(jù)優(yōu)勢(shì)地位；杭州則是植被因素占58.5%，略勝于水體因素。

第三，武漢濱水藍(lán)綠空間強(qiáng)冷島效應(yīng)區(qū)域位于東湖、湯遜湖等大型湖泊周邊，南京則為秦淮河南岸，杭州則為錢塘江中段南側(cè)和西湖南側(cè)。決策樹回歸結(jié)果表明，不同城市起主導(dǎo)作用的景觀形態(tài)因子也存在差異，不同城市的水域形態(tài)對(duì)城市熱島影響作用明顯。城市水面率對(duì)水網(wǎng)城市的冷島效應(yīng)影響最大，水體面積的大小是城市藍(lán)綠空間發(fā)揮降溫效益的關(guān)鍵。武漢城市相對(duì)于南京和杭州，受到水體平面形態(tài)元素，如形狀指數(shù)和水域連通率的貢獻(xiàn)率的影響最為明顯。在杭州和南京，水面率和綠地率為主導(dǎo)因子，杭州受其共同影響占72.9%，南京則為61.8%。在武漢，水面率、水域形狀指數(shù)為主導(dǎo)因子，受其共同影響占63.5%。

基于上述，針對(duì)三個(gè)水系豐富的大城市不同濱水藍(lán)綠空間特征，不同城市應(yīng)提出有針對(duì)性的優(yōu)化策略。武漢可繼續(xù)提高大型水體的連通度，進(jìn)一步形成整體藍(lán)綠空間系統(tǒng)。杭州應(yīng)當(dāng)在城市中適當(dāng)增加人工湖泊水體并連接零散水體，在新區(qū)開發(fā)建設(shè)和水網(wǎng)整治過程中進(jìn)一步豐富水域形狀、提高藍(lán)綠空間的整體網(wǎng)絡(luò)化程度。南京應(yīng)繼續(xù)發(fā)揮綠地現(xiàn)有優(yōu)勢(shì)，提高綠地形態(tài)邊界多樣性，同時(shí)需設(shè)置點(diǎn)面結(jié)合的濱水綠地系統(tǒng)，打破連續(xù)的城市熱島，提高整體降溫能力。隨著經(jīng)濟(jì)的發(fā)展，近年來城市發(fā)展更加關(guān)注生態(tài)宜居、人與自然和諧共生。對(duì)于已經(jīng)建成的大城市，盲目大規(guī)模改動(dòng)重建以調(diào)整藍(lán)綠空間格局難度較大，但是可以從更微觀的濱河藍(lán)綠空間出發(fā)，進(jìn)行小規(guī)模改造，以達(dá)到在不進(jìn)行大型拆改的基礎(chǔ)下進(jìn)行藍(lán)綠空間的生態(tài)規(guī)劃，已達(dá)到緩減城市熱島效應(yīng)的目的。本文對(duì)三個(gè)大城市的濱水藍(lán)綠空間冷島效應(yīng)研究也可為其他類似等級(jí)和自然環(huán)境特征的城市提供生態(tài)空間改善的理論指導(dǎo)?；诙嘣催b感數(shù)據(jù)、GEE、基于機(jī)器學(xué)習(xí)的決策樹回歸在不同水網(wǎng)城市的藍(lán)綠空間冷島效應(yīng)分析中有較大的潛力，研究生成的高精度空間數(shù)據(jù)集豐富了以城市藍(lán)綠空間冷島效應(yīng)的精細(xì)化量化分析，同時(shí)為其他類似城市的濱水藍(lán)綠空間規(guī)劃調(diào)控和熱健康風(fēng)險(xiǎn)管控提供科學(xué)參考。

圖表來源：

圖1-6：作者繪制

表1-5：作者繪制