粵港澳大灣區(qū)地表溫度變化影響因素分析

吳 波，顏東明

（惠州學(xué)院 地理與旅游學(xué)院，廣東 惠州 516007）

隨著中國(guó)城市化進(jìn)程不斷加快，熱島效應(yīng)越來(lái)越明顯，對(duì)城市生態(tài)環(huán)境以及居民生活和健康造成一定的影響.對(duì)城市熱島效應(yīng)關(guān)鍵因子之一的地表溫度（Land Surface Temperature，LST）展開(kāi)研究，在反映氣候因子和地表特征的變化、深入了解地表溫度與影響因素間相互作用的機(jī)理、預(yù)測(cè)未來(lái)地表溫度的發(fā)展趨勢(shì)等方面具有重要的科學(xué)意義．

傳統(tǒng)的城市熱環(huán)境研究主要基于氣象站獲取大氣溫度數(shù)據(jù)，自1960年TIROS氣象衛(wèi)星發(fā)射后，學(xué)者們便開(kāi)始利用衛(wèi)星熱紅外波段對(duì)地表溫度的反演和時(shí)序變化進(jìn)行大量研究．BORNSTEIN［1］和BAKER［2］發(fā)現(xiàn)城市熱島受全球氣候變化的影響，由人類活動(dòng)和當(dāng)?shù)氐乩憝h(huán)境共同決定，有關(guān)LST變化的相關(guān)因子的研究也逐漸成為研究熱點(diǎn)．在全球變暖的趨勢(shì)下，已有許多學(xué)者對(duì)LST的反演理論、時(shí)空演變以及影響因素等方面展開(kāi)了研究［3-13］．1980年以來(lái)，我國(guó)不同領(lǐng)域的學(xué)者對(duì)城市熱環(huán)境等相關(guān)問(wèn)題的研究越來(lái)越多：?jiǎn)讨蔚龋?4］利用北京市MODIS地表溫度數(shù)據(jù)，揭示了不同季相和晝夜間地表熱力景觀時(shí)空分異特征，以及城市熱力景觀空間演變規(guī)律；王思維等［15］基于MODIS L1B數(shù)據(jù)，采用劈窗算法反演地表溫度，并分析其空間分布特征，通過(guò)回歸分析發(fā)現(xiàn)LST與NDVI間有很好的負(fù)相關(guān)性；唐澤等［16］基于長(zhǎng)春市3期陸地衛(wèi)星影像數(shù)據(jù)，通過(guò)熱力景觀動(dòng)態(tài)度指數(shù)分析了熱力景觀格局的時(shí)空變化特征，并探討LST與下墊面（植被覆蓋和不透水面）的關(guān)系；吳瓊等［17］在500、1 000和2 000 m尺度下定量研究了地表溫度與POI密度、歸一化植被指數(shù)和歸一化水體指數(shù)的相關(guān)性及作用大小；潘竟虎等［18］利用多源空間數(shù)據(jù)探討了蘭州市熱環(huán)境的空間格局，并運(yùn)用空間主成分分板（PCA）方法分析了人文驅(qū)動(dòng)因素對(duì)城市熱環(huán)境的影響特征．

以粵港澳大灣區(qū)為研究區(qū)域，基于MOD11A2地表溫度數(shù)據(jù)，采用地理探測(cè)器，從下墊面組成、人類活動(dòng)和地形三方面對(duì)地表溫度分布差異性的影響因素進(jìn)行定量分析；并運(yùn)用多元線性回歸分析，構(gòu)建各影響因素與LST之間的多元關(guān)系模型．?dāng)M為城市化發(fā)展及其熱環(huán)境研究提供科學(xué)參考．

1 研究區(qū)概況

粵港澳大灣區(qū)（簡(jiǎn)稱“大灣區(qū)”），由香港、澳門2個(gè)特別行政區(qū)和廣東省廣州、佛山、肇慶、深圳、東莞、惠州、珠海、中山、江門9個(gè)珠三角城市組成（圖1），在國(guó)家發(fā)展大局中具有重要戰(zhàn)略地位．大灣區(qū)屬亞熱帶季風(fēng)氣候，終年溫暖濕潤(rùn)，地形起伏較大，三面多為低山丘陵，南部臨海，平緩的中部地區(qū)是城市擴(kuò)張的主要區(qū)域．粵港澳大灣區(qū)總面積約5.6萬(wàn)km2，2019年末人口已達(dá)7 000萬(wàn)人，是中國(guó)開(kāi)放程度最高、經(jīng)濟(jì)活力最強(qiáng)的區(qū)域之一［19］．

圖1 研究區(qū)位置示意圖

2 數(shù)據(jù)來(lái)源與研究方法

2.1 數(shù)據(jù)來(lái)源

地表溫度數(shù)據(jù)是從美國(guó)航空航天局獲得的MODIS Terra衛(wèi)星第6版本全球地表溫度/發(fā)射率8 d合成產(chǎn)品（MOD11A2），選取2019年共46景數(shù)據(jù)（其中可用24景），空間分辨率為1 km，時(shí)間分辨率為8 d，投影方式為Sinusoidal投影．通過(guò)均值合成法將8 d的地表溫度數(shù)據(jù)匯總為夏季（6-8月）、冬季（12月至次年2月）和全年地表溫度數(shù)據(jù)集．

地表覆蓋產(chǎn)品來(lái)源于地球大數(shù)據(jù)科學(xué)工程數(shù)據(jù)共享服務(wù)系統(tǒng)，是結(jié)合2019—2020年時(shí)序Landsat數(shù)據(jù)、Sentinel-1SAR數(shù)據(jù)、DEM、全球?qū)ｎ}輔助數(shù)據(jù)集以及先驗(yàn)知識(shí)數(shù)據(jù)集等生產(chǎn)的全球30 m精細(xì)地表覆蓋產(chǎn)品．

MODIS歸一化植被指數(shù)（NDVI）產(chǎn)品，從美國(guó)航空航天局獲得的月合成產(chǎn)品（MOD13A3），選取2019年共12景數(shù)據(jù)，空間分辨率為1 km．對(duì)數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、格式轉(zhuǎn)換和裁剪等預(yù)處理．

人口密度數(shù)據(jù)來(lái)源于WorldPop發(fā)布的世界人口密度地圖，是目前精度最高、最可靠的長(zhǎng)時(shí)間序列數(shù)據(jù).選取2019年經(jīng)聯(lián)合國(guó)調(diào)整后無(wú)約束的人口密度數(shù)據(jù)，空間分辨率為1 km，單位是每個(gè)像素的人數(shù)．

POI數(shù)據(jù)來(lái)源于百度地圖，通過(guò)其API接口抓取POI點(diǎn)位置、名稱和經(jīng)緯度等相關(guān)信息．抓取的2020年P(guān)OI數(shù)據(jù)類型主要包括教育培訓(xùn)、公司企業(yè)、房地產(chǎn)、酒店、醫(yī)療、美食、休閑娛樂(lè)、金融等14大類，坐標(biāo)系為BD09．

數(shù)字高程模型（DEM）從美國(guó)國(guó)家航空航天局2020年發(fā)布的全球DEM數(shù)據(jù)中獲取，空間分辨率為30 m，是當(dāng)前最新的一套數(shù)據(jù)，具有質(zhì)量最好、覆蓋范圍廣特點(diǎn)．

行政區(qū)劃邊界矢量數(shù)據(jù)由全國(guó)地理信息資源目錄服務(wù)系統(tǒng)提供，坐標(biāo)系為CGCS2000．

2.2 研究方法

2.2.1 影響因素空間化表達(dá)

后續(xù)為了使各影響因素有效地與地表溫度的空間格局進(jìn)行定量分析，綜合考慮粵港澳大灣區(qū)范圍以及所有柵格數(shù)據(jù)的空間分辨率，將所有數(shù)據(jù)集的空間分辨率調(diào)整為1 km，以實(shí)現(xiàn)多源數(shù)據(jù)在空間分辨率上的統(tǒng)一［20］．

對(duì)于不透水面和水體數(shù)據(jù)，在研究區(qū)內(nèi)構(gòu)建邊長(zhǎng)為1 km的網(wǎng)格單元，共計(jì)14 993個(gè)網(wǎng)格，將矢量化的土地利用類型數(shù)據(jù)與格網(wǎng)分別相交，得到所有網(wǎng)格單元的不透水面和水體面積，并以面積占比的形式將值賦予每個(gè)格網(wǎng)，實(shí)現(xiàn)不透水面和水體的密度空間化；此外，POI數(shù)據(jù)提供了人類活動(dòng)及社會(huì)經(jīng)濟(jì)活動(dòng)信息，采用核密度分析從此數(shù)據(jù)集中提取社會(huì)經(jīng)濟(jì)活動(dòng)指數(shù)，空間分辨率為1 km．

2.2.2 地理探測(cè)器

一般來(lái)說(shuō)，若自變量和因變量之間存在較強(qiáng)的相關(guān)性，則它們?cè)诘乩砜臻g上的分布模式同樣具有較大的關(guān)聯(lián)性．由王勁峰等［21］提出的地理探測(cè)器就是基于此思想，用于探測(cè)因變量及其可能的風(fēng)險(xiǎn)因子在地理空間上分布的相似性程度．利用其中3類探測(cè)器探測(cè)粵港澳大灣區(qū)各地理環(huán)境因子對(duì)地表溫度的空間分異的影響程度．

（1）風(fēng)險(xiǎn)探測(cè)器

為了探測(cè)各影響因素對(duì)地表溫度變化是否存在風(fēng)險(xiǎn)性，利用風(fēng)險(xiǎn)探測(cè)器繪制地層響應(yīng)變量圖，判斷2個(gè)地層之間的地表溫度的統(tǒng)計(jì)顯著差異，用統(tǒng)計(jì)量t來(lái)檢驗(yàn)：

式中，為子區(qū)域z內(nèi)的屬性平均值；nz為子區(qū)域z內(nèi)樣本數(shù)量；Var為方差．統(tǒng)計(jì)量t近似服從Student’s t分布，自由度的計(jì)算方法為：

（2）因子探測(cè)器

通過(guò)因子探測(cè)器度量地表溫度的空間分異性，以及探測(cè)各影響因素對(duì)地表溫度的解釋力，因子對(duì)地表溫度變化的貢獻(xiàn)量越大，則相關(guān)性越強(qiáng)．以上用q統(tǒng)計(jì)量測(cè)度，計(jì)算公式如下：

其中，q為影響因素的解釋力，即貢獻(xiàn)量；z=1,…,m為次一區(qū)域?qū)拥膫€(gè)數(shù)；Y，Yz分別為整個(gè)區(qū)域?qū)?、次一區(qū)域?qū)拥臉颖緮?shù)；σ2，σ2z分別為整個(gè)區(qū)域?qū)?、次一區(qū)域?qū)幼兞康姆讲睿畄的取值范圍為0～1，值越大表明變量的空間分異性越強(qiáng)．

（3）交互作用探測(cè)器

在考慮單一影響因素作用的同時(shí)，為了識(shí)別不同因素之間的交互作用，采用交互作用探測(cè)器顯示兩個(gè)風(fēng)險(xiǎn)因素（以及更多因素）是否對(duì)地表溫度具有交互式影響的作用．交互作用探測(cè)方式為：首先計(jì)算出兩種影響因素x1、x2的q統(tǒng)計(jì)量q(x1)、q(x2)，再計(jì)算x1、x2圖層疊加后的q統(tǒng)計(jì)量q(x1?x2)，最后對(duì)上述3個(gè)q統(tǒng)計(jì)量進(jìn)行比較．2個(gè)影響因子之間的相互作用的關(guān)系如表1所示．

表1 影響因素交互作用關(guān)系

2.3 多元線性回歸

多元線性回歸是研究因變量（被解釋變量）與多個(gè)自變量（解釋變量）之間的回歸問(wèn)題，由多個(gè)自變量的最優(yōu)組合共同預(yù)測(cè)或估計(jì)因變量的回歸模型［22］．?dāng)?shù)學(xué)模型為：

其中，因變量Y的線性變換是由n個(gè)自變量X的變化引起的，α0、α1…、αn是模型中的回歸系數(shù)，β為隨機(jī)項(xiàng)．

3 結(jié)果與分析

3.1 LST空間分布特征

將2019年粵港澳大灣區(qū)夏季、冬季和全年的LST進(jìn)行疊加，經(jīng)均值合成得出研究區(qū)夏季、冬季和全年的LST（圖2）．受太陽(yáng)輻射、下墊面類型、地形和人類活動(dòng)等多因子的影響，地表溫度在三個(gè)時(shí)間尺度上各不相同，其空間分布特征也有所差異．

6-8月為夏季，大灣區(qū)LST值在20.52～43.35℃，平均值為30.39℃，該季為一年中LST最高的季節(jié)；12月至次年2月為冬季，大灣區(qū)LST值在11.94～29℃，平均值為19.43℃，為一年中LST最低的季節(jié)；2019年，大灣區(qū)的LST在17.71～34.54℃波動(dòng)變化，平均值為25.46℃．由圖2可知，研究區(qū)3個(gè)時(shí)間尺度的LST均呈現(xiàn)出中部高于四周的格局，并在珠江入?？趦砂缎纬砂氕h(huán)狀LST高值帶，空間差異性明顯．其中，廣州—佛山—中山、深圳—東莞2個(gè)LST高值帶最為顯著，而肇慶、惠州、江門等大灣區(qū)外圍城市的LST分布以低值為主，未出現(xiàn)連片高值帶．總體來(lái)看，大灣區(qū)地表溫度呈現(xiàn)從中心城市向周邊逐漸降低的趨勢(shì)．

3.2 影響因素空間化分析

經(jīng)過(guò)格網(wǎng)化處理和核密度分析，不透水面密度、水體密度和POI密度3個(gè)影響因素?cái)?shù)據(jù)集以1 km空間分辨率實(shí)現(xiàn)了空間化，與其他3個(gè)影響因素?cái)?shù)據(jù)集（植被覆蓋度、DEM和人口密度）的空間化表達(dá)如圖3所示．

圖3 地表溫度影響因素分布圖

3個(gè)地表下墊面影響因子中，高密度的不透水面集中在粵港澳大灣區(qū)中部地區(qū)，如圖3（a）所示，形成“深圳—東莞—廣州—佛山—中山”半環(huán)狀的高值聚集區(qū)，這主要是由于珠江口沿岸大城市經(jīng)濟(jì)和城市化水平發(fā)展迅速，越來(lái)越多自然表面被高度集中的不透水面所取代；水體密度主要在珠江干流及其支流流經(jīng)的網(wǎng)格有高值，其他區(qū)域水體密度較平均如圖3（b），主要由于大灣區(qū)地處亞熱帶季風(fēng)氣候區(qū)，雨量豐富；植被覆蓋度高值區(qū)出現(xiàn)在肇慶、江門和惠州3地，而大灣區(qū)中心區(qū)域?yàn)榇蠓秶B片的低值區(qū)如圖3（c）；地形因子DEM未出現(xiàn)大范圍高值連片分布區(qū)域，僅在大灣區(qū)外圍城市的部分森林和其他植被山區(qū)處有高值區(qū)，其他區(qū)域尤其是珠江口兩岸城市均為低值區(qū)如圖3（d）；人類活動(dòng)因素中，能夠反映社會(huì)經(jīng)濟(jì)活動(dòng)水平的POI密度如圖3（e）與人口密度如圖3（f）存在空間分布的一致性，均在大灣區(qū)各城市的主城區(qū)處呈現(xiàn)高值聚集的現(xiàn)象，尤其是廣州、佛山、東莞等大城市，其余市高值分布數(shù)量較少且較為離散．

對(duì)比研究區(qū)地表溫度分布圖與6個(gè)影響因素分布圖發(fā)現(xiàn)，同不透水面指數(shù)、POI密度和人口密度相比，植被覆蓋度、DEM和水體指數(shù)與地表溫度的分布成相反態(tài)勢(shì)．不透水面指數(shù)、POI密度和人口密度高值區(qū)與植被覆蓋度、DEM低值區(qū)，如珠江口沿岸城市主城區(qū)，對(duì)應(yīng)地表溫度高溫區(qū)；大灣區(qū)地表溫度低值區(qū)，多遠(yuǎn)離中部城市，聚集在海拔高、植被覆蓋多、人類活動(dòng)少的外圍城市．

3.3 地理探測(cè)器結(jié)果分析

3.3.1 風(fēng)險(xiǎn)探測(cè)分析

利用地理探測(cè)器分析粵港澳大灣區(qū)地表溫度影響因素，首先需要將各影響因素?cái)?shù)據(jù)集離散化為類型量．將各驅(qū)動(dòng)因素按自然間斷法進(jìn)行分級(jí)，經(jīng)風(fēng)險(xiǎn)探測(cè)器探測(cè)后，結(jié)果顯示不透水面密度指數(shù)、水體密度指數(shù)、植被覆蓋度、DEM、POI密度和人口密度分別分為10類、7類（冬季為6類，年為5類）、10類、10類、6類（冬季和年為5類）和5類時(shí)，6個(gè)影響因素通過(guò)了顯著性水平為0.05的t檢驗(yàn)，統(tǒng)計(jì)顯著差異性為最佳，說(shuō)明其對(duì)地表溫度空間格局具有風(fēng)險(xiǎn)性．

以不同的植被覆蓋度為例（表2），比較地表溫度變化的差異性情況，編號(hào)1～10分別代表不同的植被覆蓋度，1代表0～0.275，2代表0.275～0.368，3代表0.368～0.458，4代 表0.458～0.547，5代 表0.547～0.630，6代表0.630～0.707 029，7代表0.707～0.775，8代表0.775～0.835，9代表0.835～0.896，10代表0.896～1，每一級(jí)植被覆蓋度的平均地表溫度分別為34.609 、34.452、33.584、32.499、31.307、30.535、29.797、29.200、28.737和28.288℃，此時(shí)，風(fēng)險(xiǎn)探測(cè)結(jié)果表明植被覆蓋度具有顯著差異性，說(shuō)明其對(duì)地表溫度空間格局存在風(fēng)險(xiǎn)性．

表2 不同植被覆蓋度之間地表溫度差異性的統(tǒng)計(jì)顯著性

3.3.2 因子探測(cè)分析

通過(guò)因子探測(cè)器測(cè)度各影響因素在夏冬兩季和年對(duì)地表溫度影響力大小，表3為不同時(shí)間尺度6個(gè)影響因子的影響力大小，q值越大說(shuō)明該影響因素對(duì)地表溫度的解釋力越強(qiáng)，反之則越弱．夏季的排序?yàn)椋翰煌杆婷芏龋?.606）＞植被覆蓋度（0.517）＞高程（0.345）＞POI密度（0.284）＞人口密度（0.28）＞水體密度（0.046），冬季的排序?yàn)椋焊叱蹋?.6）＞植被覆蓋度（0.556）＞不透水面密度（0.471）＞人口密度（0.174）＞POI密度（0.157）＞水體密度（0.054），年的排序?yàn)椋翰煌杆婷芏龋?.643）＞植被覆蓋度（0.599）＞高程（0.524）＞人口密度（0.282）＞POI密度（0.256）＞水體密度（0.036）．

表3 地表溫度變化影響因素的因子解釋力

從影響因素方面來(lái)看，不透水面密度、植被覆蓋度和高程不管在哪個(gè)時(shí)間尺度上都具有高影響力，說(shuō)明城市下墊面的組成及地形因子對(duì)地表溫度空間格局起著不可忽視的重要作用，而作為地表類型之一的水體，其解釋力極低；POI密度和人口密度的q統(tǒng)計(jì)量排序位于中間偏后，表明人類社會(huì)經(jīng)濟(jì)活動(dòng)在一定程度上與大灣區(qū)地表溫度分布有一定的相關(guān)性，但不及不透水面密度、植被覆蓋度和高程3個(gè)探測(cè)因子．從時(shí)間尺度上的角度來(lái)看，夏季和年時(shí)間上不透水面密度的解釋力最高，q值均高于0.6，而冬季解釋力最高的影響因素為高程，q值為0.6，其他因素的解釋力水平在3個(gè)時(shí)間尺度上一致．這說(shuō)明影響因素對(duì)大灣區(qū)地表溫度分布的影響力在不同時(shí)間尺度上存在一定的差異，但整體上具有高解釋力的因子為不透水面密度、植被覆蓋度和高程，即下墊面和地形因子．

3.3.3 交互探測(cè)分析

上述分析僅考慮了單個(gè)影響因素對(duì)粵港澳大灣區(qū)地表溫度分布的影響，未涉及影響因子之間對(duì)地表溫度格局的交互影響力．交互探測(cè)結(jié)果如圖4所示，每個(gè)方格的數(shù)值及顏色代表對(duì)應(yīng)橫縱坐標(biāo)兩因子對(duì)地表溫度的交互作用強(qiáng)度，數(shù)值越大/紅色越深，則交互作用越強(qiáng)；數(shù)值越小/藍(lán)色越深，則交互作用越弱．整體上，任一因子與不透水面密度、植被覆蓋度和DEM三者交互的作用最強(qiáng)，其中不透水面密度最優(yōu)，如冬季不透水面密度與DEM交互作用q統(tǒng)計(jì)量為0.689，遠(yuǎn)大于前者獨(dú)自作用的q統(tǒng)計(jì)量（0.471）；而與POI密度、人口密度和水體密度共同作用的效果較低，q統(tǒng)計(jì)量大部分低于0.5，進(jìn)一步說(shuō)明城市下墊面組成和地形因素對(duì)大灣區(qū)地表溫度分布差異性的影響較大，占主導(dǎo)作用．

圖4 地表溫度影響因素的交互作用熱圖

從該影響因子的交互作用熱圖可知，3個(gè)時(shí)間尺度上，影響因素之間均是非線性增強(qiáng)型和雙因子增強(qiáng)型作用，即任何2個(gè)影響因素對(duì)地表溫度空間格局的交互作用都要大于第一種影響因素的獨(dú)自作用，不存在相互獨(dú)立起作用的影響因子，說(shuō)明各影響因子對(duì)大灣區(qū)地表溫度空間分布差異存在一定的關(guān)聯(lián)性，而非完全獨(dú)立的，是由地表下墊面組成、地形和人類活動(dòng)等多維復(fù)雜因素共同作用的結(jié)果．

3.4 影響因素的回歸分析

通過(guò)SPSS軟件建立影響因素與地表溫度間的線性回歸模型，由逐步分析得到的擬合度最好的模型匯總結(jié)果，表4可知，夏季、冬季和年尺度的回歸模型判斷系數(shù)R2值均大于0.65，說(shuō)明所選取的影響因子可解釋地表溫度分布差異性的65%以上．此外，對(duì)模型進(jìn)行多重共線性診斷的結(jié)果顯示，VIF均小于10，說(shuō)明各影響因素之間不存在共線性問(wèn)題，滿足多元線性回歸分析的前提條件．

表4 不同時(shí)間尺度下LST與影響因素回歸模型結(jié)果

通過(guò)逐步線性回歸分析得到的模型中自變量的回歸系數(shù)，將其分別代入線性回歸模型即可得到回歸方程（式5～7）．利用上述得到的多元線性回歸模型計(jì)算得到地表溫度的擬合值，與實(shí)際的地表溫度之間的平均絕對(duì)誤差分別為1.22℃（夏季）、0.753℃（冬季）和0.767℃（年），誤差率均在可接受的范圍內(nèi)，表明模型具有相對(duì)理想的擬合效果．因此，將回歸模型應(yīng)用在大灣區(qū)地表溫度與模型因子的研究中具有可行性．

其中，LS T為地表溫度，X1為不透水面密度，X2為DEM，X3為植被覆蓋度，X4為水體密度，X5為POI密度，X6為人口密度．

4 結(jié)論

以粵港澳大灣區(qū)為研究對(duì)象，基于MOD11A2地表溫度產(chǎn)品，提取了2019年大灣區(qū)夏季、冬季和年尺度的地表溫度信息，綜合利用空間疊置、格網(wǎng)空間化和地理探測(cè)器等方法和技術(shù)，定量分析6個(gè)因子（不透水面密度、植被覆蓋度、水體密度、DEM、POI密度和人口密度）對(duì)地表溫度分布差異性的影響．主要結(jié)論如下：

（1）對(duì)MOD11A2數(shù)據(jù)進(jìn)行剔除無(wú)效值和篩選有效數(shù)據(jù)處理，并經(jīng)過(guò)格式轉(zhuǎn)換和均值合成法處理后獲得粵港澳大灣區(qū)2019夏冬兩季和年尺度的地表溫度空間分布數(shù)據(jù)；

（2）風(fēng)險(xiǎn)探測(cè)器探測(cè)結(jié)果顯示，不同的影響因素之間及其在不同時(shí)間尺度上均有不同的分級(jí)級(jí)數(shù)，通過(guò)顯著性水平為0.05的t檢驗(yàn)得到合適的類型數(shù)，說(shuō)明了6個(gè)影響因子對(duì)地表溫度格局具有風(fēng)險(xiǎn)性；

（3）因子探測(cè)器探測(cè)結(jié)果顯示，6個(gè)影響因子在夏冬兩季和年尺度上有相似的排序：不透水面密度、植被覆蓋度和DEM影響大灣區(qū)地表溫度分布的貢獻(xiàn)量最大；POI密度和人口密度在影響地表溫度分布方面具有相對(duì)重要的地位；水體密度影響地表溫度分布的差異性最小；

（4）交互探測(cè)結(jié)果顯示，6個(gè)影響因素之間具有交互作用，且是增強(qiáng)型作用，共同影響大灣區(qū)地表溫度分布；在夏季和年尺度上，與不透水面密度交互具有最高的影響力，而冬季與DEM交互具有最高的解釋力，整體上與不透水面密度、植被覆蓋度和DEM交互對(duì)地表溫度分布差異性有較大的影響；

（5）基于多元線性回歸分析，得到夏季、冬季和年尺度上擬合度最優(yōu)的模型，并以此推導(dǎo)得到粵港澳大灣區(qū)地表溫度的擬合值，通過(guò)與實(shí)際地表溫度的對(duì)比，發(fā)現(xiàn)平均絕對(duì)誤差為1.22℃（夏季）、0.753℃（冬季）和0.767℃（年），吻合度較高，回歸模型能較準(zhǔn)確地反映大灣區(qū)地表溫度的分布情況．