基于“源-匯”景觀格局的城市熱島效應(yīng)及影響因素分析——以合肥市為例

邸俊楠,蘇 濤*,雷 波,劉欣蓓,孟 成,徐良泉,王仁義

基于“源-匯”景觀格局的城市熱島效應(yīng)及影響因素分析——以合肥市為例

邸俊楠1,蘇 濤1*,雷 波2,劉欣蓓1,孟 成1,徐良泉1,王仁義1

(1.安徽理工大學(xué)空間信息與測繪工程學(xué)院,安徽 淮南 232001；2.中國水利水電科學(xué)研究院水利研究所,北京 100048)

選擇城鎮(zhèn)化增速居長三角三省一市第一位的合肥市作為研究區(qū),通過提取植被指數(shù)、濕度指數(shù)、不透水面指數(shù)等地表特征敏感的遙感指數(shù)和地表溫度來識(shí)別城市熱島的“源-匯”景觀,結(jié)合土地利用類型對“源”景觀貢獻(xiàn)度及城市熱島效應(yīng)進(jìn)行研究.結(jié)果表明:合肥市熱島“源”景觀的升溫影響范圍為150m,“源-匯”景觀格局能有效緩解城市熱島效應(yīng),緩解程度由東南至西北呈強(qiáng)至弱的趨勢,廬江縣、巢湖市的緩解效果最好,蜀山區(qū)、瑤海區(qū)的緩解效果最差;“源-匯”景觀面積的比值、“源”景觀的有效粒徑尺度越小,“源”景觀的標(biāo)準(zhǔn)形狀指數(shù)在0～0.35且景觀斑塊越離散,熱島效應(yīng)的緩解程度越好;對任何地物斑塊而言,熱島效應(yīng)導(dǎo)致的溫度上升都會(huì)削弱“源-匯”景觀格局對熱島效應(yīng)的抑制效率,增加林地的覆蓋是減輕區(qū)域升溫、緩解區(qū)域熱島的有效手段之一.

城市熱島；“源-匯”景觀；景觀格局；貢獻(xiàn)度指數(shù)；地表溫度；合肥

城市是一個(gè)由各種社會(huì)-生態(tài)現(xiàn)象相互作用而形成的復(fù)雜生態(tài)系統(tǒng)[1],它隨著社會(huì)及經(jīng)濟(jì)進(jìn)步而不斷地發(fā)展擴(kuò)大.熱島效應(yīng)是城市發(fā)展過程中最為典型的一種城市環(huán)境問題,幾乎所有的大城市都存在程度不一的熱島[2].熱島效應(yīng)對溫度的影響多通過研究土地利用類型進(jìn)行分析,包括不同類型[3-5]及類型變化[6]對溫度的影響情況,結(jié)合人口、氣象等其他因素[7-8]對土地覆蓋與城市熱島之間的關(guān)系進(jìn)行探討等,如Du等[3]研究了不同土地利用類型的地表溫度(Land Surface Temperature,LST)特征,Siliva等[6]評估土地利用類型的變化對城市環(huán)境的溫度影響.還有研究借用可以表征地表情況的遙感指數(shù)[9-10]對LST的變化進(jìn)行分析,包括歸一化建筑指數(shù)(Normalized Difference Build-up Index,NDBI)、歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)、歸一化水體指數(shù)(Normalized Difference Water Index,NDWI)、不透水表面(Impervious Surface Area,ISA)等,也有學(xué)者通過遙感指數(shù)建立新模型評估LST,如Hong等[11]通過NDVI建立地表含水量溫度指數(shù)(Surface Water Content Temperature Index,SWCTI)評估LST.

長期研究以來,熱島效應(yīng)與土地利用類型等地表因子的結(jié)合已較為完善[12-14],城市熱島的形成受到城市擴(kuò)張、景觀變化等多方面因素的影響[15-16],以土地利用類型或遙感指數(shù)來研究城市熱島效應(yīng)無法很好的反映出熱島效應(yīng)的發(fā)生過程.陳利頂?shù)萚17]基于大氣污染中的“源-匯”概念,提出了景觀格局與生態(tài)過程中的“源-匯”景觀理論,將熱島效應(yīng)與其發(fā)生的過程較好的結(jié)合起來.“源-匯”景觀是指在生態(tài)格局與過程研究中能夠促進(jìn)或延緩生態(tài)過程發(fā)展的景觀類型,“源”指過程的起源,“匯”指過程的消失,是相對某種生態(tài)過程而言的概念,因此,辨別“源-匯”景觀類別時(shí),必須和所研究的生態(tài)過程相結(jié)合[18-19].對于城市熱島而言,“源”景觀指強(qiáng)化城市熱島效應(yīng)的城市景觀/土地利用類型,“匯”景觀是對于城市熱島有緩解作用的城市景觀/土地利用類型.“源-匯”景觀理論在城市熱島效應(yīng)的研究中已得到應(yīng)用,如Zhao等[20],高靜等[21]以土地利用類型為依據(jù),分析城市熱“源-匯”景觀格局對城市熱島的影響;梁洪武等[22]考慮晝夜溫度變化情況,將城市土地利用類型劃分為晝夜熱源、晝匯夜源和晝夜熱匯三類來描述城市熱島情況.

縱觀前人研究,“源-匯”景觀格局與熱島效應(yīng)的研究結(jié)論多基于土地利用類型識(shí)別“源”“匯”景觀,對景觀內(nèi)部的熱特征和相鄰景觀的熱關(guān)系有所忽略[23].本研究綜合考慮遙感指數(shù)對熱島效應(yīng)的研究成果,細(xì)化“源-匯”景觀格局對熱島的影響研究,探究合肥市土地利用類型的“源”“匯”屬性及各類型內(nèi)部的“源”“匯”作用.研究通過Landsat 8遙感影像提取NDVI、歸一化濕度指數(shù)(Normalized Difference Moisture Index,NDMI)、ISA等多個(gè)對地表溫度敏感的遙感指數(shù),結(jié)合LST指數(shù)識(shí)別并分析合肥市城市熱島的“源-匯”景觀,避免單一的遙感指標(biāo)與地表溫度并不始終存在顯著相關(guān)性[24]而產(chǎn)生的信息偏差.然后通過景觀溫度貢獻(xiàn)度、景觀貢獻(xiàn)效率及景觀格局指數(shù),分析合肥市城市熱島狀況及熱島效應(yīng)的受影響情況,提出緩解熱島的方向.

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

合肥市位于中國華東地區(qū)、長江三角洲西端,江淮之間,安徽省中部,地處中緯度地帶,介于北緯30°56￠-32°55￠、東經(jīng)116°40￠-117°58￠之間.合肥市境內(nèi)有丘陵崗地、低山殘丘、低洼平原三種地貌,全市海拔多在15～80米之間,平均海拔20～40米.主城區(qū)地勢由西北向東南傾斜,崗沖起伏,西南部屬大別山余脈,層巒疊嶂.本研究選取合肥市為研究區(qū),對合肥市整體進(jìn)行地表溫度的“源-匯”景觀識(shí)別,包含4個(gè)市轄區(qū)、4個(gè)縣、1個(gè)縣級(jí)市,依次為蜀山區(qū)、瑤海區(qū)、廬陽區(qū)、包河區(qū)、長豐縣、肥東縣、肥西縣、廬江縣、巢湖市.合肥市區(qū)劃情況如圖1所示.

圖1 合肥市區(qū)劃情況

1.2 數(shù)據(jù)來源與預(yù)處理

研究數(shù)據(jù)包括地理空間數(shù)據(jù)云平臺(tái)(http://www. gscloud.cn)提供的Landsat 8遙感影像,條帶號(hào)121/38;歐洲空間局(http://www.esa.int)提供的10m分辨率全球土地覆蓋圖;GEE平臺(tái)(http://earthengine. google.com)提供的DEM數(shù)據(jù)及全國省、市、縣界線矢量圖.選取2018年4月10日的合肥市影像數(shù)據(jù)用于反演NDVI、NDMI、ISA及LST指數(shù),該時(shí)相較好的避免了夏季熱島的人為熱排放和氣象條件突變的影響[2].影像數(shù)據(jù)的預(yù)處理包括大氣校正、輻射定標(biāo)及裁剪.

2 研究方法

2.1 “源-匯”景觀劃分

地表溫度與城市的不透水面、植被、水體等具有較好的相關(guān)性[25],本文分別計(jì)算LST、NDVI、NDMI、ISA指數(shù)的平均值,并將高于平均值的部分標(biāo)記為H,低于平均值的部分標(biāo)記為L,固定各指數(shù)的順序疊加指數(shù),劃分出16個(gè)城市景觀類型[23],依次為HHHH、HHHL、HHLH、HHLL、HLHH、HLHL、HLLL、HLLH、LHHH、LHHL、LHLH、LHLL、LLHH、LLHL、LLLH、LLLL.如景觀類型HHHH,表示LST、NDVI、NDMI、ISA均高于各自均值的景觀.主要計(jì)算公式如下[26-29]:

式中:為植被覆蓋度;NDVIsoil和NDVIveg表示研究區(qū)裸土和植被的NDVI,一般情況下取最小和最大值代表;不透水面率ISA中的dev表示適用于城市建成區(qū);為地表比輻射率,為植被覆蓋率;(Ts)為黑體輻射亮度,表示大氣在紅外波段的透過率,-表示大氣向上輻射量度,ˉ表示大氣向下輻射亮度;大氣校正法所得到的LST為真實(shí)的地表溫度,單位℃.

熱島的溫度效應(yīng)表現(xiàn)出以熱源斑塊為中心、溫度由內(nèi)向外遞減的環(huán)狀分布[30],采用等距離緩沖區(qū)分析法[23]確定“源-匯”景觀,根據(jù)Landsat 8影像分辨率設(shè)定緩沖區(qū)間隔為30m,以景觀邊界向外延伸,做出300m范圍內(nèi)的緩沖區(qū).設(shè)定相鄰兩個(gè)緩沖區(qū)之間的溫度差在0.2℃以上有顯著升溫/降溫效應(yīng),確定該景觀為“源”/“匯”景觀;溫度差低于0.1℃表明互相之間沒有升溫/降溫效應(yīng)發(fā)生.識(shí)別出的“源-匯”景觀可以有效分辨出同一土地利用類型在不同區(qū)域的溫度貢獻(xiàn)情況,同時(shí)可以得到“源-匯”景觀的溫度影響范圍.

2.2 “源”景觀貢獻(xiàn)度及貢獻(xiàn)效率

將“源-匯”景觀與整個(gè)研究單元地表溫度的差異和研究區(qū)內(nèi)“源-匯”景觀面積占比的比值作為判斷“源-匯”景觀貢獻(xiàn)度(CI)的標(biāo)準(zhǔn)[21],使用景觀貢獻(xiàn)度比值(LI)來表示“源”景觀與“匯”景觀的景觀貢獻(xiàn)度效率.計(jì)算公式[31-32]如下:

式中:T表示第個(gè)研究單元內(nèi)“源”/“匯”景觀的平均地表溫度;mean表示該研究單元內(nèi)所有景觀的平均地表溫度;S表示該研究單元內(nèi)“源”/“匯”景觀的面積;表示該研究單元的總面積.

2.3 景觀格局指數(shù)計(jì)算

城市熱島效應(yīng)在一定程度上可以理解為“源-匯”景觀空間分布失衡造成的[33-34].本文選擇斑塊密度(PD)、邊緣密度(ED)、有效網(wǎng)絡(luò)面積(MESH)及標(biāo)準(zhǔn)形狀指數(shù)(NLSI)作為“源”景觀升溫貢獻(xiàn)度的分析因子,主要計(jì)算公式如下:

式中:n為類景觀中的斑塊數(shù)量;為總景觀面積,m2;e為類斑塊類型的景觀邊緣總長度,m;a為類景觀中第個(gè)斑塊的面積;e為類景觀的總邊緣長度;maxe和mine為最大和最小可能的類景觀的總邊緣長度.

2.4 相關(guān)性分析

表征地表情況的遙感指數(shù)及景觀格局指數(shù)非正態(tài)分布,選擇Spearman系數(shù)[35]對數(shù)據(jù)間的相關(guān)性進(jìn)行分析,在大樣本的條件下,Spearman可以直接通過函數(shù)計(jì)算得出相關(guān)系數(shù)和值.以合肥市最北、最南、最東、最西邊為邊界,繪制10×20的漁網(wǎng)對合肥市的九個(gè)轄區(qū)進(jìn)行分割,除去背景的空白區(qū)域,對分區(qū)從1開始進(jìn)行編號(hào),共198個(gè)樣本區(qū)域.分別統(tǒng)計(jì)198個(gè)分區(qū)內(nèi)“源”景觀的溫度、面積、高程和景觀格局指數(shù),以及不同土地利用類型的溫度、面積和高程,對建筑密集區(qū)域成為“源”景觀的情況進(jìn)行統(tǒng)計(jì).借助IBM SPSS Statistics 26軟件,依次將每組數(shù)據(jù)分別與CI源、LI進(jìn)行相關(guān)性分析.

3 結(jié)果與分析

3.1 研究區(qū)“源-匯”景觀識(shí)別與分析

3.1.1 “源-匯”景觀識(shí)別結(jié)果 對16類景觀使用等距離緩沖區(qū)分析法,確定為“源”景觀的景觀類型為HLLH與HLHH,其中HLLH有顯著的升溫效應(yīng),影響范圍達(dá)150m,是主要的“源”景觀;HLHH的影響范圍僅30m,且升溫效應(yīng)遠(yuǎn)低于HLLH,為次要的“源”景觀.確定為“匯”景觀的景觀類型為LLLH、LLHL、LLHH、LHLL、LHLH、LHHL、LHHH、HLHL、HHHH,其中LLLH、LLHH、LHHH有顯著的降溫效應(yīng),影響范圍依次是240m、300m、210m,LLHH為降溫效應(yīng)最好的景觀類別.合肥市的“源-匯”景觀識(shí)別結(jié)果如圖2所示.“源”景觀的面積約占全市總面積的24%,“匯”景觀約占43%.以巢湖為分界,合肥市西北部分以黑、灰色為主,包括長豐縣、廬陽區(qū)、瑤海區(qū)、蜀山區(qū)、包河區(qū)及肥西縣;東南部以白色為主,包括肥東縣、巢湖市和廬江縣;由西北部至東南部呈現(xiàn)“源多匯少”向“源少匯多”變化的趨勢.“源”景觀斑塊面積較大、較集中的區(qū)域在行政地圖上顯示為合肥市市中心,人類活動(dòng)強(qiáng)度較高,該區(qū)域以包河區(qū)、瑤海區(qū)、蜀山區(qū)、廬陽區(qū)的接壤處為中心,向外擴(kuò)散,包含長豐縣、肥西縣、肥東縣的部分地區(qū).

圖2 合肥市“源-匯”景觀分布

圖3 合肥市“源”景觀不同緩沖區(qū)內(nèi)的溫度均值

3.1.2 “源-匯”景觀格局對LST的影響 圖3為合肥市“源”景觀在不同緩沖區(qū)內(nèi)的平均溫度,合肥市“源”景觀在90m范圍內(nèi),相鄰緩沖區(qū)的溫差大于0.2℃,在150m范圍外,相鄰緩沖區(qū)的溫差小于0.1℃,即合肥市“源”景觀的影響范圍為150m,其中顯著升溫影響范圍為90m.圖4為合肥市各轄區(qū)的“源”景觀在不同緩沖區(qū)內(nèi)的溫度均值.長豐縣、蜀山區(qū)的“源”景觀升溫影響范圍為90m, 0～30m范圍內(nèi)具有顯著升溫效應(yīng);廬陽區(qū)的“源”景觀升溫影響范圍為210m,是“源”景觀溫度影響范圍最大的轄區(qū),0～90m范圍內(nèi)具有顯著升溫效應(yīng);瑤海區(qū)的“源”景觀溫度影響范圍為90m,0～60m范圍內(nèi)具有顯著升溫效應(yīng);肥東縣、巢湖市、廬江縣的“源”景觀溫度影響范圍為150m,0～90m范圍內(nèi)具有顯著升溫效應(yīng);肥西縣的“源”景觀溫度影響范圍為60m,是“源”景觀溫度影響范圍最小的轄區(qū),0～30m范圍內(nèi)具有顯著升溫效應(yīng);包河區(qū)的“源”景觀溫度影響范圍為150m,0～60m內(nèi)具有顯著升溫效應(yīng).

圖4 合肥市各轄區(qū)“源”景觀不同緩沖區(qū)內(nèi)的溫度均值

3.2 研究區(qū)“源-匯”景觀溫度貢獻(xiàn)計(jì)算與分析

表1 合肥市各轄區(qū)CI、LI計(jì)算結(jié)果

3.2.1 “源-匯”景觀貢獻(xiàn)度計(jì)算結(jié)果 為了更直觀看出研究區(qū)內(nèi)的“源-匯”組合能否有效緩解熱島效應(yīng),即“匯”景觀能否抑制“源”景觀的升溫效應(yīng),在計(jì)算LI時(shí),對“匯”景觀的CI值取絕對值,使得LI的值為正數(shù),當(dāng)LI>1時(shí),視為區(qū)域內(nèi)的“源-匯”景觀組合能緩解熱島效應(yīng),即“匯”景觀可以抑制“源”景觀的升溫效應(yīng);當(dāng)LI<1時(shí),視為區(qū)域內(nèi)的“源-匯”景觀組合不能緩解熱島效應(yīng);當(dāng)LI=1時(shí),視為區(qū)域內(nèi)的“源-匯”景觀組合對熱島效應(yīng)無作用.合肥市及各轄區(qū)“源-匯”景觀的貢獻(xiàn)度CI、景觀貢獻(xiàn)度效率LI的計(jì)算結(jié)果見表1(結(jié)果保留三位小數(shù)).

3.2.2 “源-匯”景觀貢獻(xiàn)度分析 合肥市及各轄區(qū)CI、LI的情況如圖5所示,主縱坐標(biāo)軸為CI指數(shù),橫坐標(biāo)上半部分反應(yīng)“源”景觀的溫度貢獻(xiàn)情況,距離橫軸越遠(yuǎn)則升溫貢獻(xiàn)程度越高,下半部分反應(yīng)“匯”景觀的溫度貢獻(xiàn)情況,距離橫軸越遠(yuǎn)則降溫貢獻(xiàn)程度越高;次縱坐標(biāo)為LI指數(shù)的計(jì)算結(jié)果,橫坐標(biāo)上半部分的LI>1,表示“源-匯”景觀能緩解熱島效應(yīng),LI值越高,緩解的程度越高,橫坐標(biāo)下半部分的LI<1,LI值越低,緩解的程度越低.

各轄區(qū)“匯”景觀的景觀貢獻(xiàn)度CI由高到低依次為:包河區(qū)>廬陽區(qū)>巢湖市>肥西縣>肥東縣>廬江縣>長豐縣>瑤海區(qū)>蜀山區(qū);“源”景觀的景觀貢獻(xiàn)度CI由高到低依次為:包河區(qū)>廬陽區(qū)>瑤海區(qū)>巢湖市>肥西縣>蜀山區(qū)>長豐縣>肥東縣>廬江縣,“源-匯”景觀貢獻(xiàn)效率LI由高到低依次為:廬江縣>巢湖市>肥西縣>肥東縣>廬陽區(qū)>包河區(qū)>長豐縣>瑤海區(qū)>蜀山區(qū).其中,僅瑤海區(qū)、蜀山區(qū)的“源-匯”景觀組合未能有效緩解熱島效應(yīng).計(jì)算結(jié)果表明,合肥市整體“源”景觀的升溫貢獻(xiàn)低于各轄區(qū)“源”景觀的平均升溫貢獻(xiàn),“匯”景觀降溫貢獻(xiàn)高于各轄區(qū)“匯”景觀的平均降溫度貢獻(xiàn).可能的原因是由于合肥市的地勢西北-東南傾斜,在春夏季時(shí),巢湖、黃陂湖等水系作為“匯”景觀,與合肥市城市結(jié)構(gòu)構(gòu)成東南-西北方向的通風(fēng)廊道,通風(fēng)口地區(qū)的新鮮空氣和冷風(fēng)流入合肥市內(nèi)部,與城市內(nèi)“源-匯”景觀共同作用,有效的緩解了合肥市的城市熱島效應(yīng).

圖5 合肥市各轄區(qū)的CI、LI

3.3 研究區(qū)“源-匯”景觀格局對CI、LI的影響

3.3.1 “源”景觀與CI、LI的相關(guān)性分析 為了進(jìn)一步探究“源”景觀CI和“源-匯”景觀貢獻(xiàn)效率LI的影響因素,首先對“源”景觀自身情況進(jìn)行探討.剔除198個(gè)分區(qū)內(nèi)不含“源”景觀的9個(gè)分區(qū)(其中8個(gè)分區(qū)僅有“匯”景觀,1個(gè)分區(qū)既不含源景觀也不含匯景觀),將“源”景觀在189個(gè)分區(qū)內(nèi)的景觀格局指數(shù)(PD、ED、MESH及NLSI)、溫度、面積和高程分別與CI指數(shù)和LI指數(shù)進(jìn)行相關(guān)性分析.相關(guān)性分析的結(jié)果如表2所示.

表2 源景觀的景觀格局指數(shù)與CI、LI指數(shù)的相關(guān)性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

影響因子與“源”景觀CI指數(shù)按相關(guān)性由大到小依次為:MESH>LST>Area>NLSI>PD>DEM,其中CI與MESH、LST和Area呈正相關(guān),與NLSI、PD和DEM呈負(fù)相關(guān).影響因子與LI按相關(guān)性由大到小依次為:MESH>LST>Area>NLSI>DEM,其中LI與MESH、LST、Area和NLSI呈負(fù)相關(guān),與DEM呈正相關(guān).根據(jù)相關(guān)性計(jì)算結(jié)果,“源”景觀的MESH、NLSI、LST和Area均與CI、LI具有較強(qiáng)的相關(guān)性,“源”景觀的有效網(wǎng)絡(luò)面積越大、景觀分布越聚集、溫度越高、面積越大,其對升溫的貢獻(xiàn)程度越大.

a.MESH指數(shù) b.NLSI指數(shù)

3.3.2 “源”景觀格局對城市熱島的影響 有效網(wǎng)絡(luò)面積指數(shù)的增加一定程度上反應(yīng)了某景觀類型面積在該區(qū)域內(nèi)的景觀比重加大.根據(jù)各分區(qū)內(nèi)MESH指數(shù)的大小,分析各區(qū)域“源-匯”景觀對熱島效應(yīng)的作用.圖6(a)表示不同MESH值的“源”景觀對熱島效應(yīng)的緩解情況.MESH數(shù)值的跨度較大,且不同區(qū)間內(nèi)均呈現(xiàn)出較大的波動(dòng)性,整體而言,隨著“源”景觀的景觀比重增加,區(qū)域內(nèi)熱島效應(yīng)的緩解程度逐漸降低.

標(biāo)準(zhǔn)形狀指數(shù)一定程度上反應(yīng)了某景觀類型面積在該區(qū)域內(nèi)的聚集情況,其值越大,聚集程度越低.與MESH指數(shù)一樣,根據(jù)各分區(qū)NLSI指數(shù)的大小分析各區(qū)域“源-匯”景觀對熱島效應(yīng)的作用.圖6(b)表示不同NLSI值的“源”景觀對熱島效應(yīng)的緩解情況.隨著“源”景觀聚集程度的降低,區(qū)域?qū)釐u效應(yīng)的緩解作用呈先增后降的趨勢,NLSI值在(0,0.35]之間時(shí),LI值表現(xiàn)為較為穩(wěn)定的上升趨勢,在(0.35,0.7]之間時(shí)LI值出現(xiàn)波動(dòng),既有緩解城市熱島的區(qū)域,也有促進(jìn)城市熱島的區(qū)域,(0.7,1]之間時(shí)區(qū)域“源-匯”景觀對城市熱島表現(xiàn)為促進(jìn)作用,且景觀斑塊越離散,促進(jìn)作用越強(qiáng).

3.4 研究區(qū)土地利用情況對CI、LI的影響

3.4.1 土地利用類型與CI、LI的相關(guān)性分析 由于“源”景觀的溫度與面積是構(gòu)建CI、LI指數(shù)的重要因子,為了進(jìn)一步分析溫度與面積和CI、LI的相關(guān)性關(guān)系,本研究通過土地利用類型的“源-匯”屬性,探究各類型的溫度、面積對“源”景觀溫度貢獻(xiàn)及熱島效應(yīng)的影響.歐洲空間局提供的全球土地覆蓋圖將全球土地覆蓋劃分為11個(gè)類型,按照該劃分標(biāo)準(zhǔn),合肥市有8類土地利用類型,分別是:林地、林木;灌叢帶、灌叢草地;草地、草原、草場;耕地、農(nóng)田;建筑密集區(qū);空地、植被稀少地區(qū);永久性水體;草本濕地.合肥市的“源”景觀由55.2%的耕地、25.8%的建筑密集區(qū)、14.7%的空地和4.3%的其他土地利用類型構(gòu)成(圖7).建筑密集區(qū)和空地較易成為“源”景觀,其成為“源”景觀的部分占該類型的77.92%和40.85%;耕地、草地有部分區(qū)域成為“源”景觀,分別占該類型的22.28%和27%(圖8).耕地雖為“源”景觀的重要組成部分之一,但合肥市僅有約五分之一的耕地在春季發(fā)揮“源”景觀的作用.

土地利用類型的溫度、面積與CI、LI的相關(guān)性分析結(jié)果如表3、表4所示.不同土地利用類型的溫度與“源”景觀CI指數(shù)按相關(guān)性由大到小依次為:建筑密集區(qū)=灌叢帶>空地>耕地>草地>林地,且均為正相關(guān);不同土地利用類型的溫度與“源-匯”景觀貢獻(xiàn)效率LI按相關(guān)性由大到小依次為:建筑密集區(qū)=灌叢帶>空地>耕地>草地>林地>永久性水體>草本濕地,且均為負(fù)相關(guān).8個(gè)土地利用類型與CI源和LI的相關(guān)性強(qiáng)弱一致,除水體和草本濕地外,其余土地利用類型的表面溫度越高,“源”景觀的升溫貢獻(xiàn)越大,“源-匯”景觀對熱島效應(yīng)的抑制程度越低;水體和草本濕地的溫度與CI源呈較弱的負(fù)向關(guān)系,對“源”景觀的升溫貢獻(xiàn)有一定的抑制作用,但隨著水體和草本濕地的溫度上升,城市對熱島效應(yīng)的緩解程度也有所降低.

圖7 “源”景觀的土地利用類型構(gòu)成

不同土地利用類型的面積與“源”景觀CI指數(shù)按相關(guān)性由大到小依次為:建筑密集區(qū)=灌叢帶>空地>草地>永久性水體,且均為正相關(guān);與“源-匯”景觀貢獻(xiàn)效率LI按相關(guān)性由大到小依次為:草本濕地>建筑密集區(qū)=灌叢帶>林地>永久性水體,LI與建筑密集區(qū)和灌叢帶的面積顯著負(fù)相關(guān),與草本濕地、林地和水體的面積顯著正相關(guān).建筑密集區(qū)和灌叢帶對CI源和LI的相關(guān)性一致且較強(qiáng),其占地面積越大,“源”景觀的升溫貢獻(xiàn)越大,“源-匯”景觀對熱島效應(yīng)的抑制程度越小.

人類活動(dòng)頻繁的建筑密集區(qū)域的溫度普遍高于其他土地利用類型的溫度[7,36],如何建設(shè)人類活動(dòng)的集中地區(qū)是城市發(fā)展規(guī)劃的重要一環(huán).建筑在規(guī)劃中具有更大的靈活性,建筑群的高度、密度等屬性均可進(jìn)行限制,為進(jìn)一步探究建筑密集區(qū)與城市熱島的關(guān)系,將建筑密集區(qū)在熱島效應(yīng)中發(fā)揮“源”作用的部分與建筑密集區(qū)整體做比值,和建筑密集區(qū)的高程分別與CI、LI進(jìn)行相關(guān)性分析(表5).建筑密集區(qū)成為“源”景觀的比例與CI顯著正相關(guān),與LI的相關(guān)性不顯著;建筑密集區(qū)的高程與CI顯著負(fù)相關(guān),與LI顯著正相關(guān),建筑物的高程是緩解城市熱島的關(guān)鍵因素之一.

表3 各分區(qū)土地利用分類的溫度與CI源、LI指數(shù)的相關(guān)性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

表4 各分區(qū)土地利用分類的面積與CI源、LI指數(shù)的相關(guān)性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

表5 建筑密集區(qū)與CI源、LI指數(shù)的相關(guān)性分析

注:**表示0.01水平顯著,*表示0.05水平顯著.

3.4.2 土地利用類型對城市熱島的影響 城市熱島效應(yīng)的“源-匯”景觀理論研究中,常常將城市的藍(lán)綠色景觀視為能夠緩解熱島效應(yīng)的“匯”景觀,灰色景觀視為能夠促進(jìn)熱島效應(yīng)的“源”景觀[17].計(jì)算合肥市各土地利用類型的面積時(shí),發(fā)現(xiàn)灌叢帶和草本濕地的面積較小,因此,在探究土地利用類型對熱島效應(yīng)的作用情況時(shí)不予討論.

綠色景觀包括林地、草地和耕地,藍(lán)色景觀為永久性水體,藍(lán)綠色景觀與LI指數(shù)的相關(guān)性系數(shù)均為正數(shù),可以視為“匯”景觀.隨著藍(lán)綠色景觀面積的增加,熱島效應(yīng)的緩解情況愈好;其中林地在緩解熱島效應(yīng)中的作用最佳,草地、耕地的緩解作用較弱,可能受不同地區(qū)的草地及農(nóng)作物種植密度不一、長勢有別的影響.水體的降溫效果主要受自身屬性影響,面狀水域強(qiáng)于線狀河流,但面狀水域?qū)岘h(huán)境的影響隨其與熱島距離的增加而減弱[37-39],合肥市的水體包括巢湖、水庫等面狀水域及流往各地之間的線狀河流,相關(guān)性分析表明水體對熱島效應(yīng)的緩解作用較強(qiáng),但并非最佳類型.灰色景觀如建筑和空地(包括道路、植被稀少地區(qū)等)與LI指數(shù)的相關(guān)性系數(shù)為負(fù)數(shù),可以視為“源”景觀.隨著灰色景觀面積的增加,城市熱島效應(yīng)加劇,“源-匯”景觀格局緩解城市熱島效應(yīng)的作用減弱.

綜合而言,合肥市的林地和水體是主要的抑制升溫、緩解熱島效應(yīng)的土地利用類型,建筑用地和空地是主要的促進(jìn)升溫、加劇熱島效應(yīng)的土地利用類型.同時(shí),熱島效應(yīng)造成的城市溫度升高也影響熱島效應(yīng)的緩解情況,任何地類的升溫均會(huì)導(dǎo)致城市景觀格局對熱島效應(yīng)的緩解作用減弱.

4 討論

4.1 合肥市轄區(qū)分析

4.1.1 “源-匯”景觀格局分析 “源”景觀的溫度與MESH、NLSI、PD均具有顯著相關(guān)性,其中與MESH顯著正相關(guān),與NLSI、PD負(fù)相關(guān),這與吳健生等[27]、陳愛蓮等[40]的研究結(jié)果類似.“源-匯”景觀的面積占比同樣影響城市熱島效應(yīng)的發(fā)生,隨著“源”景觀面積占比增加和“匯”景觀面積占比減少,合肥市熱島效應(yīng)加劇,景觀格局對熱島效應(yīng)的緩解作用減弱,這與陸曉君等[2]的研究結(jié)果類似.圖9為合肥市九個(gè)轄區(qū)“源”景觀的景觀格局指數(shù),圖10為“源-匯”景觀面積分布情況.合肥市的九個(gè)轄區(qū)中,廬江縣和巢湖市的“源-匯”景觀格局對熱島效應(yīng)的緩解程度較高,一是由于其地理位置位于合肥市的東南部,與合肥市中心城區(qū)距離較遠(yuǎn),轄區(qū)內(nèi)的景觀類型以“匯”景觀為主,二是“源”景觀面積較少且分布較散,升溫貢獻(xiàn)較弱.而蜀山區(qū)、瑤海區(qū)對熱島效應(yīng)的緩解程度較低,其位于合肥市的西北部,瑤海區(qū)的建筑較多、較為密集,“源”景觀具有較強(qiáng)的升溫效果;蜀山區(qū)建筑多集中于東南部分,即城市通風(fēng)廊道上風(fēng)口,“匯”景觀的降溫效果較弱.

圖9 各轄區(qū)“源”景觀的景觀格局指數(shù)

圖10 各轄區(qū)“源-匯”景觀面積分布情況

4.1.2 土地利用類型分析 不同城市中最能緩解城市熱島效應(yīng)的土地利用類型不同[5,26],本文分析了合肥市6類土地利用類型對溫度的貢獻(xiàn)和對熱島效應(yīng)的作用情況,建筑密集區(qū)和空地的升溫作用較大,水體和林地的降溫效果較好,這與裔傳祥等[5]、Li等[41]的研究結(jié)果類似;耕地既有“源”作用的部分,又有“匯”作用的部分,這與葉鈺等[25]、孫宗耀等[26]的研究結(jié)果類似.同時(shí),本研究得出熱島效應(yīng)造成的城市升溫會(huì)反作用于城市景觀格局對熱島效應(yīng)的緩解情況,任何地類的溫度升高均會(huì)削弱城市景觀格局對熱島效應(yīng)的緩解作用.

由圖11可見,合肥市的九個(gè)轄區(qū)中,廬江縣的“源-匯”景觀對熱島效應(yīng)的緩解程度最高,其北部與巢湖相鄰,中南部有黃陂湖,轄區(qū)內(nèi)也存在較多水域,建筑區(qū)域占比小,林地面積占比大,建筑密集區(qū)成為熱島效應(yīng)的“源”景觀的比例最小,可以看出廬江縣的熱島效應(yīng)在人類活動(dòng)密集的區(qū)域得到了較好的控制.巢湖市對熱島效應(yīng)的緩解作用僅次于廬江縣,其水體面積占比第一、林地占比第二,建筑面積占比較小,但可能由于巢湖市的水體主要集中在巢湖,而巢湖靠湖心的水體對地面上源區(qū)的溫度抑制作用較弱,同時(shí)巢湖大面積的水體表面會(huì)繁殖藻類,使水體的溫度升高,影響水體對熱島效應(yīng)的抑制效果,導(dǎo)致巢湖市“匯”景觀的降溫效應(yīng)未達(dá)到最大.瑤海區(qū)、蜀山區(qū)的“源-匯”景觀未能有效緩解轄區(qū)內(nèi)的熱島效應(yīng),可能是由于瑤海區(qū)、蜀山區(qū)靠近合肥市的中心,建筑區(qū)域十分集中且面積占比較大,升溫貢獻(xiàn)顯著;同時(shí),瑤海區(qū)的水體分布較少且零散,降溫貢獻(xiàn)較弱,蜀山區(qū)建筑密集區(qū)聚集在東南部,建筑密集區(qū)內(nèi)含有的蜀西湖、天鵝湖、南艷湖等小型水域?qū)ι郎氐囊种谱饔糜邢?

4.1.3 綜合規(guī)劃分析 合肥市緩解熱島效應(yīng)最佳的土地利用類型以林地和水體為主,在此基礎(chǔ)上,還需要考慮城市氣象因素[42-43]或城市形態(tài)因子[44],如合肥市部分工業(yè)區(qū)及城區(qū)建筑影響通風(fēng)能力,導(dǎo)致城市風(fēng)速下降、熱島效應(yīng)增強(qiáng)[45].以包河區(qū)和蜀山區(qū)為例,本研究的影像時(shí)期為春季,合肥市主風(fēng)向?yàn)闁|南風(fēng),包河區(qū)的建筑密集區(qū)多分布在西北,巢湖位于包河區(qū)的東南部分,新鮮濕冷的季風(fēng)由東南吹向西北,促進(jìn)包河區(qū)建筑密集區(qū)域的空氣循環(huán),緩解該區(qū)域的熱島效應(yīng);蜀山區(qū)的建筑密集區(qū)多分布于東南部分,且東南-西北向的新鮮氣流途徑包河區(qū)、瑤海區(qū)的建筑密集區(qū)域,風(fēng)速減緩、風(fēng)溫上升,影響蜀山區(qū)熱島效應(yīng)的緩解程度.對于合肥市而言,建筑密集區(qū)是城市熱島的主要貢獻(xiàn)因素[16],可以通過改造舊城區(qū)預(yù)留通風(fēng)廊道、布置點(diǎn)狀綠地增加降溫貢獻(xiàn)、控制建筑密度促進(jìn)微風(fēng)循環(huán)等措施,有效形成并加強(qiáng)合肥市自身的“新風(fēng)系統(tǒng)”,同時(shí)需規(guī)劃好各地類的建設(shè),如在城市綠化中選擇更合適的植被種類、建筑施工設(shè)計(jì)中對樓體的高度有所限制等,在降低“源”景觀的升溫貢獻(xiàn)時(shí)更有效的發(fā)揮“匯”景觀的降溫作用,以達(dá)到緩解城市熱島效應(yīng)的目的.

圖11 各轄區(qū)土地利用類別的面積占比

4.2 局限和前景

本文研究了合肥市春季熱島效應(yīng)的情況,沒有考慮季節(jié)變換時(shí)城市熱島情況的變化.從“源-匯”景觀格局來看,利用不同地表特性對“源-匯”景觀進(jìn)行劃分,其閾值的大小選擇對劃分結(jié)果有較大影響,選取表征地表特性的各遙感指數(shù)在整個(gè)研究區(qū)內(nèi)的平均值作為閾值是否適用于其他地區(qū)有待進(jìn)一步探討.影響一個(gè)城市熱島效應(yīng)的因素很復(fù)雜,例如降雨量、氣溫日較差、地表蒸散發(fā)量等自然因素,同樣對地表溫度具有很大的影響,這類因素?zé)o法靠人力進(jìn)行改變,因此在緩解城市熱島效應(yīng)時(shí),需要根據(jù)城市的具體特點(diǎn),因地制宜地采取有效手段來構(gòu)建一個(gè)更為合理的景觀格局.

5 結(jié)論

5.1 合肥市的“源-匯”景觀格局能有效緩解城市熱島效應(yīng),“源”“匯”景觀占全市總面積分別約為24%、43%,對熱島效應(yīng)的緩解程度由東南至西北遞減,大部分轄區(qū)的“源-匯”景觀格局能有效緩解轄區(qū)內(nèi)的熱島效應(yīng),其中廬江縣、巢湖市的緩解程度較高;瑤海區(qū)、蜀山區(qū)的“源-匯”景觀格局加劇了城市熱島效應(yīng)的發(fā)生.

5.2 增加植被(除灌叢帶外)的覆蓋能緩解區(qū)域熱島效應(yīng),林地對熱島效應(yīng)的緩解作用較強(qiáng),耕地和草地在不同地區(qū)的生長情況不同,對熱島效應(yīng)的緩解作用較弱,選擇種植植被緩解熱島效應(yīng)時(shí),增加林地的覆蓋是首要選擇.

5.3 區(qū)域熱島情況由“源-匯”景觀共同作用,“源”“匯”景觀面積的比值越小,對熱島效應(yīng)的緩解作用越強(qiáng);“源”景觀的NLSI指數(shù)在0～0.35時(shí),景觀斑塊越離散,區(qū)域內(nèi)熱島效應(yīng)的緩解程度越高;MESH指數(shù)與LI呈負(fù)相關(guān)關(guān)系,隨著“源”景觀MESH值增加,區(qū)域內(nèi)熱島效應(yīng)的緩解程度有所降低.

[1] Hamstead Z A, Kremer P, Larondelle N, et al. Classification of the heterogeneous structure of urban landscapes (STURLA) as an indicator of landscape function applied to surface temperature in New York City [J]. Ecological Indicators, 2016,70:574-585.

[2] 陸曉君,劉珍環(huán).城市"源-匯"熱景觀變化及其空間作用強(qiáng)度特征——以深圳西部地區(qū)為例 [J]. 生態(tài)學(xué)報(bào), 2021, 41(16):6329-6338. Lu Xiaojun, Liu Zhenhuan. The “source-sink” thermal landscape change and their interactions across space in urban area: A case study in the western part of Shenzhen City [J]. Acta Ecologica Sinica, 2021, 41(16):6329-6338.

[3] Du H, Ai J, Cai Y, et al. Combined effects of the surface urban heat island with landscape composition and configuration based on remote sensing: a case study of Shanghai, China [J]. Sustainability, 2019, 11(10):2890.

[4] Wang W M, Liu K, Tang R, et al. Remote sensing image-based analysis of the urban heat island effect in Shenzhen, China [J]. Physics and Chemistry of the Earth, 2019,110:168-175.

[5] 裔傳祥,胡繼超,李小軍.土地覆蓋類型對城市熱島效應(yīng)的響應(yīng)分析 [J]. 測繪通報(bào), 2018,(1):72-76. Yi Chuanxiang, Hu Jichao, Li Xiaojun. Response analysis of land cover types on urban heat island effect [J]. Bulletin of Surveying and Mapping, 2018,(1):72-76.

[6] Silva J S, Richarde M S, Celso A G. Spatiotemporal impact of land use/land cover changes on urban heat islands: A case study of Pa?o do Lumiar, Brazil [J]. Building and Environment, 2018,136(1):279-292.

[7] 王美雅,徐涵秋.中國大城市的城市組成對城市熱島強(qiáng)度的影響研究 [J]. 地球信息科學(xué)學(xué)報(bào), 2018,20(12):1787-1798. Wang M Y, Xu H Q. Analyzing the influence of urban forms on surface urban heat islands intensity in Chinese mega cities [J]. Geo-information Science, 2018,20(12):1787-1798.

[8] 買買提江·買提尼亞孜, 阿里木江·卡斯木. 干旱區(qū)典型城市下墊面特征及其與地表熱環(huán)境的關(guān)系研究 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2015,24(11):1865-1871. Maimaitijiang Maitiniyazi, Alimujiang kasimu. Study on land surface characteristics and its relationship with land surface thermal environment of typical city in arid region [J]. Ecology and Environmental Sciences, 2015,24(11):1865-1871.

[9] Estoque R C, Murayama Y J, Myint S W. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia [J]. Science of The Total Environment, 2016,577:349-359.

[10] Zhang F, Kung H, Johnson V C, et al. Change detection of land surface temperature (LST) and some related parameters using landsat image: A case study of the Ebinur Lake Watershed, Xinjiang, China [J]. Wetlands, 2018,38(1):65-80.

[11] Hong Z M, Zhang W, Yu C H, et al. SWCTI: Surface water content temperature index for assessment of surface soil moisture status [J]. Sensors, 2018,18(9):2875.

[12] 唐 澤,鄭海峰,任志彬,等.城市地表熱力景觀格局時(shí)空演變——以長春市為例 [J]. 生態(tài)學(xué)報(bào), 2017,37(10):3264-3273. Tang Ze, Zheng Haifeng, Ren Zhibin, et al. Spatial and temporal changes to urban surface thermal landscape patterns: a case study of Changchun City [J]. Acta Ecologica Sinica, 2017,37(10):3264-3273.

[13] 楊朝斌,何興元,張樹文,等.基于Landsat8的城市熱島效應(yīng)與地表因子關(guān)系研究——以長春市為例 [J]. 干旱區(qū)資源與環(huán)境, 2016, 30(12):110-115. Yang Chaobin, He Xingyuan, Zhang Shuwen. Estimation of the relationship between urban heat island and land surface factors using Landsat8data: A case study in Changchun, China [J]. Journal of Arid Land Resources and Environment, 2016,30(12):110-115.

[14] 王耀斌,趙永華,韓 磊,等.西安市景觀格局與城市熱島效應(yīng)的耦合關(guān)系 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2017,28(8):2621-2628. Wang Yaobin, Zhao Yonghua, Han Lei. Coupling relationship of landscape pattern and urban heat island effect in Xi`an, China [J]. Chinese Journal of Applied Ecology, 2017,28(8):2621-2628.

[15] 袁 振,吳相利,臧淑英,等.基于TM影像的哈爾濱市主城區(qū)綠地降溫作用研究 [J]. 地理科學(xué), 2017,37(10):1600-1608. Yuan Zhen, Wu Xiangli, Zang Shuying, et al. Cooling effect of green patche based on TM image in Harbin downtown city [J]. Scientia Geographica Sinica, 2017,37(10):1600- 1608.

[16] 康文敏,蔡芫鑌,鄭慧禎.福州城市地表溫度時(shí)空變化與貢獻(xiàn)度研究 [J]. 地球科學(xué)進(jìn)展, 2020,35(1):88-100. Kang Wenmin, Cai Yuanbin, Zheng Huizhen. Spatial-temporal patterns of land surface temperature and influencing factors contribution in Fuzhou city [J]. Advances in Earth Science, 2020,35(1): 88-100.

[17] 陳利頂,傅伯杰,趙文武."源""匯"景觀理論及其生態(tài)學(xué)意義 [J]. 生態(tài)學(xué)報(bào), 2006,(5):1444-1449. Chen Liding, Fu Bojie, Zhao Wenwu. “Source-sink” landscape theory and its ecological significance [J]. Acta Ecologica Sinica, 2006,(5): 1444-1449.

[18] 賈玉雪,帥 紅,韓龍飛.基于"源-匯"理論的資江下游地區(qū)非點(diǎn)源污染風(fēng)險(xiǎn)區(qū)劃 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2020,31(10):3518-3528. Jia Yuxue, Shuai Hong, Han Longfei. Zonation on non-point source pollution risk in the lower reaches of Zijiang River based on the “source-sink” theory [J]. Chinese Journal of Applied Ecology, 2020, 31(10):3518-3528.

[19] Wan W, Han Y W, Wu H Q, et al. Application of the source–sink landscape method in the evaluation of agricultural non-point source pollution: first estimation of an orchard-dominated area in China [J]. Agricultural Water Management, 2021,252:106910.

[20] Zhao H B, Zhang H, Miao C H, et al. Linking Heat Source–Sink Landscape Patterns with Analysis of Urban Heat Islands: Study on the fast-growing Zhengzhou City in Central China [J]. Remote Sensing, 2018,10(8):1268.

[21] 高 靜,龔 健,李靖業(yè)."源-匯"景觀格局的熱島效應(yīng)研究——以武漢市為例 [J]. 地理科學(xué)進(jìn)展, 2019,38(11):1770-1782. Gao Jing, Gong Jian, Li Jingye. Effects of source and sink landscape pattern on land surface temperature: an urban heat island study in Wuhan city [J]. Progress in Geography, 2019,38(11):1770-1782.

[22] 梁洪武,阿里木江·卡斯木,趙禾苗,等.天山北坡城市群地表溫度時(shí)空差異及貢獻(xiàn)度分析 [J]. 干旱區(qū)研究, 2022,39(2):388-399. Liang Hongwu, Alimujiang Kasim, Zhao Hemiao, et al. Analysis of the spatial and temporal differences in surface temperature and the contribution of surface coverage in the urban agglomeration on the northern slope of the Tianshan Mountains [J]. Arid Zone Research, 2022,39(2):388-399.

[23] 馬瑞明,謝苗苗,鄖文聚.城市熱島"源-匯"景觀識(shí)別及降溫效率 [J]. 生態(tài)學(xué)報(bào), 2020,40(10):3328-3337. Ma Ruiming, Xie Miaomiao, Yun Wenju. “Source-sink” landscape identification of the urban heat island and the cooling efficiency [J]. Acta Ecologica Sinica, 2020,40(10):3328-3337.

[24] 王 琳,祝亞鵬,衛(wèi)寶立.城市熱島效應(yīng)與景觀格局相關(guān)性研究 [J]. 環(huán)境科學(xué)與管理, 2017,42(11):156-160. Wang Lin, Zhu Yapeng, Wei Baoli. Research progress on correlation between urban heat island effect and landscape pattern [J]. Environmental Science and Management, 2017,42(11):156-160.

[25] 葉 鈺,秦建新,胡順石.長沙市熱島效應(yīng)時(shí)空特征變化研究 [J]. 地球信息科學(xué)學(xué)報(bào), 2017,19(4):518-527. Ye Yu, Qin Jianxin, Hu Shunshi. Spatial-temporal evolution of urban heat island effects in Changsha city [J]. Journal of Geo-information Science, 2017,19(4):518- 527.

[26] 孫宗耀,孫希華,徐新良,等.土地利用差異與變化對區(qū)域熱環(huán)境貢獻(xiàn)研究-以京津冀城市群為例 [J]. 生態(tài)環(huán)境學(xué)報(bào), 2018,27(7):1313- 1322. Sun Zongyao, Sun Xihua, Xu Xinliang, et al. Study on the contribution of land use heterogeneity and change to regional thermal environment: a case study of Beijing-Tianjin-Hebei urban agglomeration [J]. Ecology and Environmental Sciences, 2018,27(7):1313-1322.

[27] 吳健生,何海珊,胡 甜.地表溫度“源—匯”景觀貢獻(xiàn)度的影響因素分析 [J]. 地理學(xué)報(bào), 2022,77(1):51-65. Wu Jiansheng, He Haishan, Hu Tian. Analysis of factors influencing the "source-sink" landscape contribution of land surface temperature [J]. Acta Geographica Sinica, 2022,77(1):51-65.

[28] Feng Z J, Chen W. Environmental regulation, green innovation, and industrial green development: An empirical analysis based on the Spatial Durbin Model [J]. Sustainability, 2018,10(1):223.

[29] 姚 遠(yuǎn),陳 曦,錢 靜.城市地表熱環(huán)境研究進(jìn)展 [J]. 生態(tài)學(xué)報(bào), 2018,38(3):1134-1147. Yao Yuan, Chen Xi, Qian Jing. Research progress on the thermal environment of the urban surfaces [J]. Acta Ecologica Sinica, 2018, 38(3):1134-1147.

[30] Sun Z S, Li Z G, Zhong J L. Analysis of the impact of landscape patterns on urban heat islands: A case study of Chengdu, China [J]. International Journal of Environmental Research and Public Health, 2022,19(20):13297.

[31] 陳春波,李剛勇,彭 建.1981～2018年新疆草地歸一化植被指數(shù)時(shí)空特征及其對氣候變化的響應(yīng) [J]. 生態(tài)學(xué)報(bào), 2023,43(4):1537-1552. Chen Chunbo, Li Gangyong, Peng Jian. Spatio-temporal characteristics of Xinjiang grassland NDVI and its response to climate change from 1981 to 2018 [J]. Acta Ecologica Sinica, 2023,43(4): 1537-1552.

[32] 李 斌,王慧敏,秦明周,等.NDVI、NDMI與地表溫度關(guān)系的對比研究 [J]. 地理科學(xué)進(jìn)展, 2017,36(5):585-596. Li Bin, Wang Hhuimin, Qin Mingzhou, et al. Comparative study on the correlations between NDVI, NDMI and LST [J]. Progress in Geography, 2017,36(5):585-596.

[33] 孟憲磊.不透水面、植被、水體與城市熱島關(guān)系的多尺度研究 [D]. 上海:華東師范大學(xué), 2010. Meng Xianlei. Multi-scale relationships between impervious surface, vegetationm water and urban heat island [D]. Shanghai: East China Normal University, 2010.

[34] 王景環(huán),吳 浩,劉正才.不透水面蓋度對地表溫度影響的定量分析 [J]. 地理空間信息, 2022,20(6):51-54. Wang Jinghuan, Wu hao, Liu Zhengcai. Quantitative analysis of impervious surface coverage influence on surface temperature [J]. Geospatial Information, 2022,20(6):51-54.

[35] 樊 嶸,孟大志,徐大舜.統(tǒng)計(jì)相關(guān)性分析方法研究進(jìn)展 [J]. 數(shù)學(xué)建模及其應(yīng)用, 2014,3(1):1-12. Fan Rong, Meng Dazhi, Xu Dashun. Survey of research process on statistical correlation analysis [J]. Mathematical Modeling and Its Applications, 2014,3(1):1-12.

[36] 楊 敏,楊貴軍,王艷杰,等.北京城市熱島效應(yīng)時(shí)空變化遙感分析 [J]. 國土資源遙感, 2018,30(3):213-223. Yang Min, Yang Guijun, Wang Yanjie, et al. Remote sensing analysis of temporal- spatial variations of urban heat island effect over Beijing [J]. Remote Sensing for Land and Resources, 2018,30(3):213-223.

[37] 岳文澤,徐麗華.城市典型水域景觀的熱環(huán)境效應(yīng) [J]. 生態(tài)學(xué)報(bào), 2013,33(6):1852-1859. Yue Wenze, Xu Lihua. Thermal environment effect of urban water landscape [J]. Acta Ecologica Sinica, 2013,33(6):1852-1859.

[38] Sun R H, Chen A L, Chen L D, et al. Cooling effects of wetlands in an urban region: The case of Beijing [J]. Ecological Indicators, 2012,20: 57-64.

[39] 王猛猛,周志民,張兆明,等.基于TM數(shù)據(jù)的合肥市城市熱島效應(yīng)研究 [J]. 科學(xué)技術(shù)與工程, 2014,14(33):80-85. Wang Mengmeng, Zhou Zhimin, Zhang Zhaoming, et al. Research on the urban heat island effect of Hefei based on Landsat TM Data [J]. Science Technology and Engineering, 2014,14(33):80-85.

[40] 陳愛蓮,孫然好,陳利頂.傳統(tǒng)景觀格局指數(shù)在城市熱島效應(yīng)評價(jià)中的適用性 [J]. 應(yīng)用生態(tài)學(xué)報(bào), 2012,23(8):2077-2086. Chen Ailian, Sun Ranhao, Chen Liding. Applicability of traditional landscape metrics in evaluating urban heat island effect [J]. Chinese Journal of Applied Ecology, 2012,23(8):2077-2086.

[41] Li Y, Fu H. The heat island effect response to the urban landscape pattern of haikou based on the “source-sink” Theory [J]. Journal of resources and ecology, 2022,13(2):257-269.

[42] Gunawardena K R, Wells M J, Kershaw T. Utilising green and bluespace to mitigate urban heat island intensity [J]. Science of the Total Environment, 2017,584-585:1040-1055.

[43] Theeuwes N E, Solcerová A, Steeneveld G J. Modeling the influence of open water surfaces on the summertime temperature and thermal comfort in the city [J]. Journal of Geophysicalresearch Atmospheres, 2013,118(16):8881-8896.

[44] Cai Z, Han G, Chen M C. Do water bodies play an important role in the relationship between urban form and land surface temperature? [J]. Sustainable Cities and Society, 2018,39:487-498.

[45] 陶 寅,黃 勇,楊元建,等.城市化進(jìn)程對安徽省風(fēng)速的影響 [J]. 氣候變化研究進(jìn)展, 2016,12(6):519-526. Tao Yan, Huang Yong, Yang Yuanjian, et al. Impact of urbanization on wind speed in Anhui province [J]. Climate Change Research, 2016, 12(6):519-526.

Analysis of urban heat island effect and influencing factors based on the "source-sink" landscape pattern: a case study of Hefei.

DI Jun-nan1, SU Tao1*, LEI Bo2, LIU Xin-bei1, MENG Cheng1, XU Liang-quan1, WANG Ren-yi1

(1.School of Spatial Informatics and Geomatics Engineering, Anhui University of Science and Technology, Huainan 232001, China；2.China Institute of Water Resources and Hydropower, Beijing 100048, China)., 2023,43(11)：6039～6050

Hefei, which has the highest urbanization growth rate among the three provinces and one city in the Yangtze River Delta, was selected as the research area. The "source sink" landscape of urban heat islands was identified by extracting surface temperature and sensitive remote sensing indices to surface features such as vegetation index, moisture index and impermeable surface index, and then the study was conducted combined with the urban heat island effect and the contribution of land use types to the "source" landscape. The results showed that the heating impact range of the "source" landscape in Hefei was 150m, and the "source-sink" landscape pattern could effectively alleviate the urban heat island effect. The degree of relief showed a strong to weak trend from southeast to northwest, with Lujiang county and Chaohu city having the best relief effect, while Shushan district and Yaohai district having the worst relief effect. The smaller the ratio of the "source sink" landscape area and the effective particle size scale of the "source" landscape, the standard shape index of the "source" landscape was between 0 and 0.35, and the more dispersed the landscape patches, the better the degree of relief of the heat island effect. For any land feature patch, the temperature rise caused by the heat island effect will weaken the inhibitory efficiency of the "source-sink" landscape pattern on the heat island effect. Increasing forest cover is one of the effective means to reduce regional warming and alleviate regional heat island.

heat island effect；"source-sink"landscape；landscape pattern；contribution index；land surface temperature；Hefei

X87

A

1000-6923(2023)11-6039-12

邸俊楠(1999-),女,新疆烏魯木齊人,安徽理工大學(xué)碩士研究生,主要從事城市遙感與城市熱島等方面的研究.qzss999@163.com.

邸俊楠,蘇 濤,雷 波,等.基于“源-匯”景觀格局的城市熱島效應(yīng)及影響因素分析——以合肥市為例 [J]. 中國環(huán)境科學(xué), 2023,43(11):6039-6050.

Di J N, Su T, Lei B, et al. Analysis of urban heat island effect and influencing factors based on the "source-sink" landscape pattern: a case study of Hefei [J]. China Environmental Science, 2023,43(11):6039-6050.

2023-03-13

安徽理工大學(xué)引進(jìn)人才科研啟動(dòng)項(xiàng)目(ZY030);中國水科院基本科研業(yè)務(wù)費(fèi)專項(xiàng)項(xiàng)目(ID110145B0012022)

* 責(zé)任作者, 副教授, st7162003@163.com