城市破碎綠化覆蓋與熱環(huán)境的關(guān)系

程安祺 Luis Inostroza

摘要：在全球變暖和城市熱島（Urban?Heat?Island，UHI）現(xiàn)象加劇的趨勢下，越來越多的城市居民將暴露于極端的高溫天氣中。城市綠地通過蒸騰作用和改變地表反射率降低了城市溫度，提供了調(diào)節(jié)溫度的生態(tài)系統(tǒng)服務(wù)功能。文章基于Landsat?5?TM衛(wèi)星圖像分析了德國波鴻市1989-2009年城市建設(shè)區(qū)域的破碎綠化覆蓋率變化和地表溫度（Land?Surface?Temperature，LST）變化，結(jié)果表明，在這20年間，波鴻市整體破碎綠化覆蓋率有增加的趨勢，并且緩解了城市熱島現(xiàn)象;通過地理加權(quán)回歸（Geographically?weighted?regression，GWR）分析得知，綠化覆蓋率與地表溫度的變化具有顯著的空間相關(guān)性;綠化覆蓋率每上升10%，城市平均地表溫度可降低0.98°C～1.29°C。借鑒波鴻城市發(fā)展經(jīng)驗(yàn)，工業(yè)用地景觀轉(zhuǎn)型與提高破碎綠化覆蓋率是有效緩解城市熱島現(xiàn)象的途徑。

關(guān)鍵詞：城市熱島（UHI），地表溫度（LST），生態(tài)系統(tǒng)服務(wù)，線性回歸，地理加權(quán)回歸

DOI：10.12169/zgcsly.2019.09.22.0002.

在全球變暖的背景下，極端高溫天氣的出現(xiàn)頻率和強(qiáng)度不斷加強(qiáng)[1-2]。城市化過程中，一方面由于自然的地表被不透水的地面取代，使地表吸收的太陽輻射量增加;另一方面，雨水通過雨洪管道快速排離地面，使蒸騰作用減少。加之高層建筑阻礙了風(fēng)流動(dòng)，導(dǎo)致城市內(nèi)部空氣和地表溫度的升高，產(chǎn)生了城市熱島（Urban?Heat?Island，UHI）現(xiàn)象。UHI將會(huì)引起熱浪和加劇空氣污染[3]。

基于UHI產(chǎn)生的機(jī)制，城市綠地空間或者城市綠色基礎(chǔ)設(shè)施被驗(yàn)證能在炎熱的氣候中降低空氣和地表溫度的最高值[4-5]，提供調(diào)節(jié)溫度的生態(tài)系統(tǒng)服務(wù)，造福城市居民。現(xiàn)有綠地降溫效應(yīng)的證據(jù)往往基于特定綠地的觀察性研究，例如許多研究關(guān)注于特定城市公園以及城市公園特征[6-7]與降溫效應(yīng)的關(guān)系。但是在更大的城市尺度上，綠地介人影響地表或者空氣溫度的研究還很缺乏[4]。

本研究以德國波鴻市作為研究對(duì)象，在城市尺度上探索了長時(shí)序破碎綠化與城市熱環(huán)境變化之間的關(guān)系。波鴻市是20世紀(jì)德國重要的工業(yè)城市，在工業(yè)逐漸衰敗后面臨著城市轉(zhuǎn)型的問題。本研究中綠化覆蓋率與LST數(shù)據(jù)均由Landsat?5?TM遙感圖像處理得到。研究目的包括：波鴻市1989-2009年的破碎綠化覆蓋率與城市熱島比例指數(shù)變化、綠化覆蓋率與地表溫度變化之間的空間相關(guān)性、綠化覆蓋率與地表溫度變化之間的量化關(guān)系。

1研究區(qū)域概況

波鴻市位于德國西北部、多中心城市群魯爾地區(qū)，面積145.4km2，擁有人口37.16萬，是德國的第16大城市。氣候類型為溫帶海洋性氣候，全年溫和潮濕。20世紀(jì)，城市因煤礦與鋼鐵行業(yè)快速發(fā)展，1970年后因礦產(chǎn)枯竭開始了后工業(yè)時(shí)代的工業(yè)轉(zhuǎn)型。與中國大多數(shù)發(fā)達(dá)城市不同，波鴻市面積較小，根據(jù)其城市用地規(guī)劃，波鴻城市用地包括農(nóng)田、森林用地。

2數(shù)據(jù)來源與研究方法

2.1研究范圍預(yù)處理

為了提取破碎綠化覆蓋數(shù)據(jù)，排除波鴻市域范圍內(nèi)森林、農(nóng)田、水體和城市大型綠地用地，本研究進(jìn)行了研究范圍預(yù)處理。在地理信息平臺(tái)中（ArcGIS）創(chuàng)建了邊長50m的正方形網(wǎng)絡(luò)作為數(shù)據(jù)統(tǒng)計(jì)的單元，以UrbanAtlas2012用地?cái)?shù)據(jù)集（https：//land.copernicus.eu/local/urban-atlas/ur-ban-atlas-2012）為參考（Urban?Atlas用地?cái)?shù)據(jù)集由Copernicus?EU機(jī)構(gòu)提供，包括泛歐洲超過1500個(gè)城市的矢量用地?cái)?shù)據(jù)、人口數(shù)據(jù)等，數(shù)據(jù)通過遙感圖像地物識(shí)別得到），將城市綠地、森林、農(nóng)田與水體4類用地排除在外，計(jì)算每個(gè)正方形網(wǎng)格中其他城市用地比例。擁有50%以上比例的研究單元被選擇作為最終的研究范圍，也就是說，研究單元內(nèi)部保留了破碎化的綠地與綠化，包括建筑附屬綠地、道路綠化等。

2.2數(shù)據(jù)來源：Landsat?5?TM衛(wèi)星圖像

以美國Landsat?5?TM衛(wèi)星圖像（http：//earthexplorer.usgs.gov/）為原始數(shù)據(jù)，圖像分辨率為30m，采用1989年5月25日、1995年6月27日、2000年5月14日、2005年5月28日和2009年6月24日共5個(gè)時(shí)間點(diǎn)的衛(wèi)星圖像提取綠化覆蓋率和地表溫度數(shù)據(jù)。5個(gè)日期時(shí)間范圍在5～6月，以保障植被相對(duì)相同的生長狀態(tài)，衛(wèi)星圖像均無云遮擋。衛(wèi)星圖像在ArcGIS平臺(tái)中進(jìn)行處理，得到5年的綠化覆蓋率和地表溫度數(shù)據(jù)，并進(jìn)行后續(xù)分析。

2.3綠化覆蓋率計(jì)算

利用最大似然比分類方法對(duì)歷史衛(wèi)星影像進(jìn)行綠地提取的方法由于缺少相應(yīng)時(shí)間的清晰歷史地區(qū)衛(wèi)星圖像而無法得到比對(duì)數(shù)據(jù)，因此本研究利用歸一化植被指數(shù)（normalized?diference?vege-tation?index，NDVI）計(jì)算綠化覆蓋率。

NDVI是研究城市氣候中最常見的指標(biāo)之一，可以通過遙感圖像中的可見紅光和近紅外光頻道計(jì)算得到，公式如下：

NDVI=（NIR-RED）/（NIR+RED）（1）其中，RED是可見紅光頻道，即第三頻道;NIR是近紅外光頻道，即第四頻道。

Sobrine等[8]提出，NDVI值可以指示不同的植被覆蓋情況，分為以下3種：1）NDVI<0.2，綠化覆蓋率=0;在這種情況下，像素可被視作沒有綠化覆蓋;2）NDVI>0.5，綠化覆蓋率=1;NDVI值大于0.5的像素點(diǎn)，全域被植被覆蓋。3）0.2≤NDVI≤0.5，綠化覆蓋率=0.5;NDVI值大于等于0.2小于等于0.5的像素點(diǎn)，部分被綠地覆蓋。在這種情況下，被賦予綠化覆蓋率值0.5。

對(duì)NDVI值進(jìn)行重分類賦值后，計(jì)算每一研究單元內(nèi)的植被覆蓋平均值，并通過隔年相減得到綠化覆蓋率的年間變化值。

2.4地表溫度（LST）反演

Landsat?5?TM衛(wèi)星中的熱紅外頻道即第六頻道記錄了地表物體、環(huán)境和大氣的輻射之和。本研究采用大氣校正法，從熱紅外遙感反演地表溫度，具體分為3個(gè)步驟：1）計(jì)算衛(wèi)星傳感器接收到的熱紅外輻射值;2）計(jì)算衛(wèi)星傳感器接收到的亮度溫度;3）利用普朗克公式計(jì)算地表溫度。步驟涉及的公式在諸多研究中已經(jīng)應(yīng)用[8-9]，本文不再贅述。在步驟3）中，本研究采用了Sobrino等[8]的方法，利用NDVI計(jì)算地表環(huán)境輻射，糾正環(huán)境對(duì)數(shù)據(jù)的影響。

雖然獲取的5年遙感衛(wèi)星圖像日期相近，但天氣仍有不同。為了比較多年數(shù)據(jù)，需要對(duì)各年的LST數(shù)據(jù)進(jìn)行處理。研究計(jì)算了各年研究區(qū)域內(nèi)的整體平均溫度與每個(gè)研究單元內(nèi)平均溫度相減，得到研究單元的相對(duì)LST，隔年相減得到相對(duì)LST的變化值。

2.5城市熱島比例指數(shù)（URI）計(jì)算

為了定量反應(yīng)城市熱島的變化，引入城市熱島指數(shù)（URI）。該指數(shù)通過熱島面積和城市建成區(qū)面積的比例關(guān)系，并賦予不同的權(quán)重值定量評(píng)估熱島現(xiàn)象的變化情況[10]。指數(shù)越大，熱島現(xiàn)象越嚴(yán)重。城市熱島比例指數(shù)的計(jì)算公式如下[10]：

其中，m為正規(guī)化相對(duì)溫度等級(jí)指數(shù)（本研究中共分為7級(jí)，具體見圖4圖例部分），i為城區(qū)高于郊區(qū)的溫度等級(jí)，n為城區(qū)高于郊區(qū)的溫度等級(jí)數(shù)（本研究中取3，即相對(duì)地表溫度大于10°C，5C，39C），wi為第i級(jí)的級(jí)值，pi為第i級(jí)的百分比。

2.6數(shù)據(jù)分析模型

現(xiàn)有研究主要采用兩種方法就綠地指標(biāo)或特征與地表溫度之間的相關(guān)性提出量化結(jié)論。第1種利用單元線性回歸對(duì)隨機(jī)采樣的數(shù)據(jù)點(diǎn)散點(diǎn)圖進(jìn)行擬合[6，11]。例如李膨利[12]以北京為例，擬合多點(diǎn)數(shù)據(jù)得到NDVI與地表溫度之間的量化關(guān)系：NDVI每提高0.1，地表溫度下降0.4°C～0.77°C。然而，其回歸方程的最佳擬合度僅有0.55。這也是類似研究共同的問題，由于地表溫度同時(shí)受到周圍環(huán)境的影響，因此單純的線性回歸擬合優(yōu)度并不理想。

第2類量化研究通過預(yù)先處理數(shù)據(jù)，統(tǒng)計(jì)各分類用地的平均地表溫度進(jìn)行線性回歸擬合。例如Coutts等[13]以澳大利亞墨爾本市為例，在一次.極端高溫天氣期間，統(tǒng)計(jì)了不同植被覆蓋比例用地（以10%為間隔）的地表溫度，并對(duì)數(shù)據(jù)進(jìn)行了擬合。這種方法得到的模型擬合優(yōu)度較高，但沒有落實(shí)到空間上。

為了選取擬合度較高的模型以及探討空間相關(guān)性，本研究采用兩種模型來反應(yīng)綠化覆蓋率變化與地表溫度變化的關(guān)系。第1種采用上述第2類線性回歸模型，對(duì)綠化覆蓋率變化數(shù)據(jù)以10%為間隔取值，計(jì)算每一級(jí)別的平均相對(duì)地表溫度變化值進(jìn)行單元線性回歸擬合;第2種采用地理加權(quán)回歸模型檢驗(yàn)綠化覆蓋率與地表溫度之間的空間相關(guān)性。

地理加權(quán)回歸（GWR）分析是探索變量之間的空間相關(guān)性的數(shù)據(jù)分析模型[14]。每一點(diǎn)的校正系數(shù)根據(jù)其地理位置加權(quán)所得，距離越近，其他數(shù)據(jù)點(diǎn)對(duì)研究點(diǎn)的影響越大，反之則小[15]。地理加權(quán)回歸模型強(qiáng)調(diào)了變量間關(guān)系的局部特性，適用于揭示空間異質(zhì)性變量之間的關(guān)系。在本研究中，綠化覆蓋率與LST均為非連續(xù)變量，采用地理回歸加權(quán)方法探究二者之間的關(guān).系更為合理。

基礎(chǔ)的GWR模型公式如下：

其中，Yi是在位置i處的因變量，Xik是第k個(gè)在位置i處的自變量，m是自變量的數(shù)量，βi0是位置i處的截距參數(shù)，βik是位置i處的第k個(gè)自變量的局部回歸系數(shù)，εi是位置i處的隨機(jī)誤差。

3結(jié)果與討論

3.1總體綠化覆蓋率和地表溫度變化

對(duì)比研究1989-2009年每個(gè)研究單元的綠化覆蓋率（圖1）與全研究區(qū)域的平均綠化覆蓋率.（圖2），結(jié)果發(fā)現(xiàn)，20年間波鴻市高密度城區(qū)整體綠化結(jié)構(gòu)變化不大，1989，19952000，2005和2009年的平均綠化覆蓋率為48.18%，50.63%，51.50%，51.22%和54.51%，總體綠化覆蓋率提高了6.33%。相較整體綠化覆蓋率的上升，綠化覆蓋率大于50%的區(qū)域比例反而下降（圖3），整體綠化覆蓋更為破碎化。

1989-2009年的相對(duì)地表溫度分布如圖4所示，將相對(duì)地表溫度分為7個(gè)等級(jí)（即城市熱島比例指數(shù)計(jì)算方法中的正規(guī)化相對(duì)溫度等級(jí)m，低溫、較低文、次低溫、中溫、次高溫、較高溫、高溫），通過對(duì)照歷史地圖，呈現(xiàn)較高溫（相對(duì)地表溫度大于3°C）的區(qū)域大部分是工業(yè)用地、裸地和高密度的商業(yè)居住用地。20年間，較高溫區(qū)域所占比例有所下降（圖5），城市熱島比例指數(shù)也由1989年的0.155下降到0.128，且整體呈現(xiàn)下降趨勢，城市熱島現(xiàn)象得到了緩解（圖6）。

3.2平均溫度線性回歸分析

以10%為一梯段對(duì)綠化覆蓋率進(jìn)行分檔，并計(jì)算每一檔的平均溫度變化，利用單元線性回歸對(duì)數(shù)據(jù)進(jìn)行擬合，結(jié)果見圖7。1989-1995，1995-2000，2000-2005，2005-2009年的線性回歸模型R2分別為0.984，0.909.，0.985和0.966（表1），模型擬合優(yōu)度較高。根據(jù)各年份擬合回歸方程，綠化覆蓋率每上升10%，地表溫度下降0.98°C～1.29°C。

3.3地理加權(quán)回歸（GWR）分析

綠化覆蓋率與地表溫度變化的地理加權(quán)回歸分析結(jié)果如圖8，反應(yīng)了各個(gè)研究單元的系數(shù)標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)差與實(shí)際系數(shù)值相比越小，估計(jì)值可信度越高。對(duì)標(biāo)準(zhǔn)差結(jié)果進(jìn)行空間自相關(guān)（Moran?I）檢驗(yàn)，結(jié)果均接近0，顯示GWR模型的標(biāo)準(zhǔn)差分布較為隨機(jī)。

表2為各年間GWR分析的擬合優(yōu)度R2，分別為0.847，0.769，0.827和0.760。20年間的數(shù)據(jù)結(jié)果表明，綠化覆蓋率與地表溫度的變化有顯著的空間相關(guān)性。查看標(biāo)準(zhǔn)差較小的具體研究單元的數(shù)值可見二者具有負(fù)相關(guān)性，即綠化覆蓋率提高，地表溫度下降，反之上升。

3.4討論

許多研究表明，綠地面積大小與其對(duì)周邊地區(qū)的降溫能力具有正相關(guān)關(guān)系，即綠地面積越大，降溫效應(yīng)越顯著且穩(wěn)定[16-18]個(gè)別小尺度的綠地甚至?xí)霈F(xiàn)保溫效應(yīng)，產(chǎn)生與降溫相反的結(jié)果[17]。但是在更大的城市尺度上，總量具有一定面積的破碎化綠地仍然能有效降低溫度[16]，本文以波鴻為例，利用GWR分析與線性回歸分析證實(shí)了這一結(jié)論。高密度城市建成區(qū)往往建設(shè)用地有限，大型綠地空間有限，綠地空間往往呈現(xiàn)面積小、破碎度大的特點(diǎn)。除了大型綠地的建設(shè)之外，提高破碎綠地的比例同樣對(duì)降低城市溫度有著積極的意義，因此破碎綠化覆蓋率的提高可作為高密度城區(qū)緩解熱壓力的發(fā)展重點(diǎn)。研究結(jié)果為高密度城市規(guī)劃中的綠地規(guī)劃應(yīng)用提供了依據(jù)。

但是，研究采用的數(shù)據(jù)年份跨度較大，從遙感圖像中準(zhǔn)確地直接讀取綠化覆蓋信息缺少對(duì)照地?cái)?shù)據(jù)，因?yàn)椴捎昧薔DVI作為讀取綠化信息的中間指標(biāo)。這種轉(zhuǎn)化過程一定程度上影響了綠化覆蓋率數(shù)據(jù)的準(zhǔn)確度。

4對(duì)中國城市綠地規(guī)劃的啟示

本研究以波鴻市為例證明了城市尺度上破碎綠化與地表溫度間的空間相關(guān)性。波鴻市20年間城市熱島比例指數(shù)下降，得益于工業(yè)衰退后的逆城市化的過程，1989年魯爾地區(qū)開啟了埃姆舍景觀公園項(xiàng)目（IBA?Emscher?Landscape?Park），策略之一即對(duì)魯爾地區(qū)的工業(yè)場地進(jìn)行城市更新景觀轉(zhuǎn)化[19]，其中波鴻城西公園就建設(shè)在鋼鐵廠原址上。在近期建設(shè)項(xiàng)目中，波鴻市將應(yīng)對(duì)氣候變化作為重要的規(guī)劃目標(biāo)，在規(guī)劃中要求一定比例的建筑帶有屋頂花園[20]。對(duì)于許多中國發(fā)達(dá)城市來說，波鴻市的城市發(fā)展具有借鑒意義。

1）把握工業(yè)用地轉(zhuǎn)型機(jī)會(huì)。與波鴻市相同，中國許多發(fā)達(dá)城市的建成區(qū)可待開發(fā)用地較少，但同時(shí)正進(jìn)行或面臨產(chǎn)業(yè)轉(zhuǎn)型，大量工業(yè)外遷，工業(yè)用地亟待更新。工業(yè)用地的更新轉(zhuǎn)化是發(fā)達(dá)城市提高綠化覆蓋率的機(jī)遇。在傳統(tǒng)工業(yè)用地更新的規(guī)劃中，應(yīng)將綠化指標(biāo)作為重要的考量指標(biāo)之一。

2）重視城市破碎化綠化對(duì)緩解城市熱島現(xiàn)象的作用。本研究證明了破碎綠化覆蓋率與地表溫度間的空間相關(guān)性，除了大型的公園綠地、水域之外，破碎綠化對(duì)緩解城市熱島現(xiàn)象有著顯著的作用，這些綠化包括行道樹、街旁綠地、建筑附屬綠地等。在城市空間更新改造的過程中，應(yīng)充分利用閑置地塊建設(shè)小型的綠化空間;同時(shí)，增加立體綠化、屋頂綠化也是提升破碎綠化覆蓋率的策略。

參考文獻(xiàn)

[?1]EASTERLING?D?R，?EVANS?J?L，?GROISMAN?P?Y，et?al.Observed?variability?and?trends?in?extreme?climate?events：?a?brief?review[J].?Bulletin?of?the?American?Meteorological?Society?，?2000，?81（3）?：417-426.

[2]ST0TT?P?A，STONE?D?A，ALLEN?M?R.Human?contribution?to?the?.European?heatwave?of?2003[?J].Nature?，?2004?，432（?7017）?：610-614.

[?3]LOUGHNER?C?P?，ALLEN?D?J，ZHANG?D?L，?et?al.?Roles?of?urban?tree?canopy?and?buildings?in?urban?heat?island?effects?：?Parameter-ization?and?preliminary?results[?J]?.Journal?of?Applied?Meteorology?and?Climatology?，2012?，51（?10）?：1775-?1793.

[4]?BOWLER?D?E，?BUYUNG一ALI?L，?KNIGHT?T?M，?et?al.?Urban?.greening?to?cool?towns?and?cities：?A?systematic?review?of?the?em-pirical?evidence?[?J].?Landscape?and?urban?planning，?2010，?97（3）：147-155.

[5]COUTTS?A?M，?BERINGER?J，?TAPPER?N?J.?Impact?of?increasing?urban?density?on?local?climate?：?Spatial?and?temporal?variations?in?the?surface?energy?balance?in?Melbourne?，?Australia[?J].?Journal?ofApplied?Meteorology?and?Climatology?，2007?，46（4）?：477-493.?.

[?6]CHENG?X，?WEI?B?，CHEN?G，et?al.?Influence?of?park?size?and?its?surrounding?urban?landscape?patterns?on?the?park?cooling?effect[?J].?Journal?of?Urban?Planning?and?Development，?2014，?141（3）?：A4014002.

[7]CAO?X，?ONISHI?A，?CHEN?J，?et?al.Quantifying?the?cool?island?in-tensity?of?urban?parks?using?ASTER?and?IKONOS?data[?J?]?.Land-scape?and?urban?planning?，2010，?96（4）?：224-231.

[8]SOBRINO?J?A?，JIMENEZ一MUNOZ?J?C，?PAOLINI?L.?Land?surface?.temperature?retrieval?from?LANDSAT?TM?5[?J].?Remote?Sensing?ofenvironment?，?2004?，90（?4）?：434-440.

[9]LI?J，?SONG?C，?CAO?L，?et?al.?Impacts?of?landscape?structure?on?surface?urban?heat?islands：A?case?study?of?Shanghai?，?China[J].Remote?Sensing?of?Environment?，?2011，115（?12）?：3249-3263.

[10]徐涵秋，陳本清.不同時(shí)相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J].遙感技術(shù)與應(yīng)用，2003（3）：129-133，185.

[?11]?ZHANG?X，?ESTOQUE?R?C，?MURAYAMA?Y.?An?urban?heat?island?study?in?Nanchang?City?，?China?based?on?land?surface?.?tem-perature?and?social-ecological?variables?[?J?].?Sustainable?cities?and?society?，2017（32）?：557-?568.

[12]李膨利，穆罕默德·阿米爾·西迪基，劉東云.基于遙感技術(shù).的城市下墊面參數(shù)與熱環(huán)境關(guān)系的研究：以北京市朝陽區(qū)為例[J].風(fēng)景園林，2019，26（5）：18-23.

[?13]?COUTTS?A，?HARRIS?R.?A?multi-scale?assessment?of?urban?heating?in?Melbourne?during?an?extreme?heat?event：?policy?ap-proaches?for?adaptation?Technical?Report[?Z?]?.2012.

[?14]?INOSTROZA?L，?DE?LA?BARRERA?F.?Ecosystem?Services?and?Urbanisation.?A?Spatially?Explicit?Assessment?in?Upper?Silesia，Central?Europe?[?C?]?.?IOP?Conference?Series：?Materials?Science?and?Engineering.?IOP?Publishing?，?2019，471（9）?：092028.

[?15]?MCMILLEN?D?P.?Geographically?Weighted?Regression：?The?A-nalysis?of?Spatially?Varying?Relationships?[?J]?.?American?Journal?of?Agricultural?Economics?，?2004?，?86（2）?：554-?556.

[?16]?KONG?F，?YIN?H，JAMES?P，?;et?al.?Efects?of?spatial?pattern?of?greenspace?on?urban?cooling?in?a?large?metropolitan?area?of?east-ern?China[?J].?Landscape?and?Urban?Planning，?2014，?128?：35-47.

[?17]?XIAO?X?D，?DONG?L，?YAN?H，?ET?AL.?The?influence?of?the?spatial?characteristics?of?urban?green?space?on?the?urban?heat?is-land?effect?in?Suzhou?Industrial?Park?[?J?]?.?Sustainable?cities?and?society?，?2018?，40?：428-439.

[?18]?FEYISA?G?L，DONS?K，?MEILBY?H.?Efficiency?of?parks?in?miti-gating?urban?heat?island?effect：?An?example?from?Addis?Ababa[J].Landscape?and?Urban?Planning，?2014，?123?：87-95.

[19]林樂樂.德國魯爾區(qū)工業(yè)城市更新過程中的景觀轉(zhuǎn)化：以波鴻城西公園為例[J].風(fēng)景園林，2015（1）：112-116.