王曉俊，衛(wèi)笑，鄒昊

東南大學建筑學院，江蘇 南京 210095

城市綠地能夠有效地降低地表溫度，從而緩解熱島效應（Chen et al.，2014；Li et al.，2012；Maimaitiyiming et al.，2014；Wang et al.，2015；Shih，2017a），有利于改善與之相關的環(huán)境污染、能源消耗、公共健康和社會公平等問題（Makhelouf，2009；Kong et al.，2014；Markevych et al.，2017；Kolosna et al.，2019；Chakraborty et al.，2019；Van Ryswyk et al.，2019；Xu et al.，2019）。如何在最大程度上發(fā)揮城市綠地的生態(tài)環(huán)境功效，是目前研究的熱點（阮俊杰，2016；李瑩瑩等，2018）。許多學者運用景觀生態(tài)學方法，從格局視角分析城市綠地與熱島效應之間的關系，這類研究能幫助我們更直觀地理解城市綠地對熱島效應的緩解機制。雖然國內(nèi)外學者在該領域內(nèi)開展了大量的研究，但是在方法與技術上還存在一定的問題和不足，甚至在研究結果之間還存在一定的矛盾。因此，本文對Web of Science中城市綠地空間格局與熱島效應的相關文獻進行分析，整理目前該領域的研究方法和主要結論，并從指導城市規(guī)劃建設實踐的角度提出未來的研究思路。

1 文獻來源分析

運用CiteSpace軟件對文獻進行可視化分析，了解目前該領域的主要研究方向，進一步對文獻進行詳細的分類整理，梳理近20年來城市綠地空間格局對熱島效應影響的相關研究的主要方法、研究結論以及存在問題。截止到2019年12月31日，在Web of Science中以“主題：（“urban heat island$”O(jiān)R “urban cool island$”)AND 主題：(“green space$”O(jiān)R“greenspace$”O(jiān)R “greenness”）AND 主題：（pattern OR form OR morphology OR distribution）”為檢索式進行檢索，共得到180篇相關文獻。文獻的時間分布為2000—2019年，每年的文獻數(shù)量如圖1所示。從圖中可以看出，該領域的研究呈逐年增長趨勢，其中2008年及以前只有4篇相關文獻，主要涉及城市熱島的分布規(guī)律和季節(jié)特征，并初步分析了城市化進程所帶來的土地利用變化對熱島效應造成的影響（Pinho et al.，2000；Zhou et al.，2004；Zhang et al.，2005；Zhang et al.，2008）。而 2009—2010 年是一個重要轉折點，文獻數(shù)量分別達到了3篇和5篇，這兩年學者開始深入探究城市熱島的形成機制，并將綠地格局作為研究切入點（Ji et al.，2009；Zhang et al.，2009；Zhang et al.，2010）。2011年之后該領域的研究逐年增加，尤其是2019年文獻數(shù)量激增，達到了58篇，幾乎是2018年文獻數(shù)量的兩倍，反映出城市熱島與綠地格局相關的研究受到了越來越多的關注。

圖1 每年的發(fā)文量Fig.1 Annual distribution of published papers

圖2 文獻的來源出版物前10位Fig.2 Top 10 publications of literatures

從文獻出版來源來看（圖2），相關文獻主要分布在城市綠化、可持續(xù)發(fā)展、生態(tài)環(huán)境、風景園林、城市規(guī)劃、遙感及地理信息技術等學科領域。從文獻作者所屬的國家和地區(qū)來看（圖 3），中國作者的數(shù)量占據(jù)多數(shù)，共有83篇，占總文獻數(shù)的46.1%；第二位為美國，文獻數(shù)量為19篇，占比10.6%；其次分別為日本、伊朗、英國、丹麥等，文獻數(shù)量均不足10篇，說明中國學者在該領域研究中處于主導地位。

2 關鍵詞分析

關鍵詞能夠反映文獻的主要內(nèi)容，通過CiteSpace軟件的關鍵詞共現(xiàn)分析，可以看出近年來城市綠地格局對熱島效應影響研究的主要方向。將所有文獻的關鍵詞按照時間切片為1 a、每個切片選取前50%的參數(shù)設置進行網(wǎng)絡聚類分析；同時以關鍵詞為來源，使用對數(shù)似然率算法（Log-likelihood Ratio，LLR）從每個聚類中提取出最能代表該聚類的關鍵詞作為標簽。通過分析共獲得6個主要聚類，每個聚類的信息以及前 5個重要的關鍵詞標簽及賦值如表 1所示。分析得到聚類網(wǎng)絡的模塊度（Modularity Q）為0.3519，同質(zhì)性（Mean Sihouette）為0.7035，說明該網(wǎng)絡的聚類效果較好（Chen et al.，2019）。

圖3 文獻第一作者所屬的國家前10位Fig.3 Top 10 countries of papers’ first author

對不同聚類的主要關鍵詞標簽進行分析，可以發(fā)現(xiàn)該領域目前的幾個研究熱點。其中#2的聚類大小和 Silhouette值最大，說明該聚類在所有聚類中聚集效果最好且同質(zhì)性最高。#2聚類的標簽中spatial pattern即空間格局的賦值最高，且與其他標簽的賦值差距較大，表明空間格局是目前最關鍵的研究熱點。結合#2聚類的其余關鍵詞標簽，可以看出該聚類主要是通過對不同年份城市地表溫度的比較，研究基于空間格局的城市綠地的冷島效應。#0聚類主要是在小尺度上針對城市戶外空間的熱環(huán)境以及緩解措施進行的研究。#1聚類關注城市綠地在緩解不同季節(jié)的熱島效應上的表現(xiàn)，包括對現(xiàn)有熱島效應的測度和未來情景的預測。#3聚類針對城市熱島的不同度量方法，主要以地表溫度和空氣溫度為代表，另外還關注植被的綠量對熱島效應的影響。#4聚類中主要關注的是，從長遠角度來看，城市綠地規(guī)劃和相關政策制定對城市發(fā)展的影響。#5聚類主要研究小尺度上街道、建筑高度、立面等形態(tài)特征與降溫效應的關系。

從聚類的平均年份來看，主要分布在 2014—2017年，說明該領域的研究還處于早期探索的發(fā)展階段?？傮w來看，目前城市綠地格局對熱島效應的影響研究，以綠地格局和熱島效應的測度方法為基礎，從小尺度上關注街道類型、建筑形態(tài)對戶外熱環(huán)境的影響和緩解措施，到研究城市綠地對不同年份、不同季節(jié)熱島效應的影響，結合對未來熱島效應和城市發(fā)展的預測，討論如何將研究結果落實到長期的規(guī)劃實踐和政策制定層面。

3 主要研究方法及內(nèi)容

3.1 城市綠地格局的測度

3.1.1 研究對象

文獻的研究對象主要關注城市綠地，也有些文獻涉及其他類型的土地利用/土地覆蓋（LULC），包括建筑用地、工業(yè)用地、森林、農(nóng)田、水體、裸地等，研究時通常將所有的土地利用類型劃分為透水下墊面和不透水下墊面，透水下墊面以城市綠地和水體為主，不透水下墊面以建筑用地和工業(yè)用地為主；還有研究將綠地、森林、農(nóng)田、水體統(tǒng)歸為生態(tài)型土地進行分析（Peng et al.，2016）。總體來看，在建成區(qū)范圍內(nèi)城市綠地是研究焦點，主要關注其對熱島效應的緩解作用，另外不透水下墊面對熱島效應的負面影響也是研究重點之一，可以從側面反襯出綠地對調(diào)節(jié)城市熱環(huán)境的重要性。

表1 各聚類的信息Table 1 The information of all clusters

3.1.2 提取及測量方法

對城市綠地的提取及測量主要有以下2種方式。第一類是基于像元的分類方法，如常用的植被指數(shù)分類和監(jiān)督分類法。植被指數(shù)分類是根據(jù)植物與其他地物的光譜信息不同，利用 NDVI等相關指數(shù)提取出綠地。監(jiān)督分類法是選定不同地物類型的訓練樣本，通過訓練樣本確定判別規(guī)則，從而把圖像中的各個像元點劃歸到各個給定類型。近年來隨著機器學習技術的發(fā)展，在傳統(tǒng)分類方法的基礎上，結合決策樹、集成學習、神經(jīng)網(wǎng)絡等方法的分類提取在很大程度上提高了分類效率。第二類是面向?qū)ο蟮姆诸惙椒ǎ摲椒▽⒂跋穹指顬橐幌盗斜舜讼噜彽耐|(zhì)區(qū)域（稱為圖像對象），然后進一步將這些對象識別成不同類別的地物。在此過程中，分類的依據(jù)不僅有光譜信息，還包括對象大小與形狀、對象間的空間關系如拓撲關系和對象的等級屬性等（陳杰，2010），因此分類精度更高，更適用于高分辨率的遙感影像。在此基礎上引進的深度學習算法，更為海量的數(shù)據(jù)分析和精確的識別定位提供了有效工具，成為近年來較為熱門的分類提取方法（張萌，2019）。

3.1.3 度量方法

對城市綠地格局的度量方法主要是借助景觀指數(shù)。景觀指數(shù)是指能夠高度濃縮景觀格局信息，反映其結構組成和空間配置等方面特征的簡單定量指標（鄔建國，2000）。對城市綠地空間格局的研究主要包括空間組成（spatial composition）和空間配置（spatial configuration）兩大類，其中空間組成是指斑塊面積的大小和類型的多樣性，常用的景觀指數(shù)有PLAND（Percentage of landscape）、CA（Class area）等；空間配置是指斑塊在空間上的分布或特性，如形狀、邊界、位置和連接度等，常用的景觀指數(shù)有 LSI（Landscape shape index）、PD（Density of landscape patches）、ED（Edge density of landscape patches）、AI（Aggregation index）、LPI（Largest patch index）、AREA_MN（Mean patch area）、SHAPE_MN（Mean shape index distribution）、ENN_MN（Euclidean nearest neighbor distance distribution）等（Marks，1995）。

3.2 城市熱島效應的測度

針對熱島效應的測量，目前常用的方法是根據(jù)遙感影像進行溫度反演。研究使用的衛(wèi)星傳感器主要有Landsat TM/ETM+系列，以及Terra的MODIS和ASTER等。地表溫度的反演方法有熱輻射傳輸方程法、單窗算法、分裂窗算法、單通道算法等（Yu et al.，2017；He et al.，2019）。

熱島效應的度量主要是基于不同下墊面地表溫度的差異，利用熱島或冷島強度指標來描述，但在不同文獻中對于熱島或冷島強度的定義不同（見表2）。綜合來看，可以分為兩大類，一是利用城區(qū)和郊區(qū)之間的溫度差異，二是熱島或冷島與周邊環(huán)境之間的溫度差異。不同之處在于對郊區(qū)的定義或周邊環(huán)境的范圍界定。如Rasul et al.（2015）將郊區(qū)的范圍設定為城市區(qū)域向外的 10 km緩沖區(qū)；Zhang et al.（2017a）定義綠地的冷島強度為綠地內(nèi)部的日平均地表溫度與周邊10 m緩沖區(qū)范圍的日平均地表溫度之差；Liu et al.（2016a）根據(jù)不透水下墊面的面積占比來對城區(qū)和郊區(qū)進行劃分，不透水下墊面的面積占比超過 60%的區(qū)域定義為高密度區(qū)，城區(qū)的范圍定義為具有一定聚集程度的高密度區(qū)域，其余為郊區(qū)，進一步根據(jù)城區(qū)與郊區(qū)的溫度差來計算熱島強度。

表2 不同文獻中對熱島效應的度量方法Table 2 The measurement methods of UHI effect in different literatures

3.3 城市綠地空間格局與熱島效應之間的關系

3.3.1 城市綠地空間組成

城市綠地空間格局的研究主要分為空間組成和空間配置兩大類。研究表明，城市綠地的空間組成對城市熱島效應有顯著的影響作用，具體表現(xiàn)為城市綠地的斑塊所占景觀面積的比例（PLAND）和斑塊類型總面積（CA）指數(shù)與地表溫度呈顯著負相關，而不透水下墊面的PLAND和CA指數(shù)與地表溫度呈顯著正相關（Li et al.，2018；Liu et al.，2016a）。Huang et al.（2018）對哈爾濱綠地降溫效應的研究發(fā)現(xiàn)，通過合理地調(diào)整綠地的面積、周長和形狀能夠改善降溫效應，但存在一定閾值，該研究指出綠地面積的閾值為37 hm2，綠地周長的閾值為5300 m，在此范圍內(nèi)增加綠地面積和周長會有效改善降溫效應，但超過這一閾值，降溫效應就不會再有明顯提高。Du et al.（2017）研究也表明，增加綠地面積能有效降低地表溫度，閾值為40 hm2。Yu et al.（2017）在福州城市冷島研究中，提出綠地的大小和形狀會顯著影響城市冷島，其中綠地面積越大，降溫效益越高，臨界值為4.55 hm2。Ngulani et al.（2019）對綠地降溫效應的研究發(fā)現(xiàn)，綠地的降溫范圍可以擴展到從綠地中心向外的 1.7 km，并且綠地的降溫強度會隨著綠地面積的增加略有提高。另外增加城市綠地內(nèi)的植物綠量、減少綠地中的不透水鋪裝、增加水體面積等也會幫助提高冷島效應（Shih，2017b）。還有些文獻比較了不同年份城市綠地的組成與熱島效應之間的關系，以及隨著城市化進程導致的綠地面積改變和用地類型改變所造成的地表溫度差異（Mushore et al.，2017；Yu et al.，2018）。

3.3.2 城市綠地空間配置

城市綠地空間配置的量化研究主要分為兩種維度，一是對城市綠地的形狀、密度、邊界、聚集度、離散度等進行研究，另一類是對線性的城鄉(xiāng)梯度上綠地分布格局的差異研究。

總體來看，多數(shù)研究都證實城市綠地的斑塊密度（PD）和聚集度（AI）與地表溫度呈顯著的負相關性，而不透水下墊面的上述指數(shù)與地表溫度呈顯著的正相關性（Estoque et al.，2017；Li et al.，2018；Li et al.，2019；Li et al.，2012；Liu et al.，2016a；Peng et al.，2016），換言之，城市綠地的斑塊密度越高，聚集度越高，地表溫度越低，而不透水下墊面與之相反。然而，也有一些研究結果互相矛盾，Li et al.（2019）研究表明，城市熱島強度與城市綠地的平均形狀指數(shù)分布（SHAPE_MN）顯著負相關，表明城市綠地的形狀越復雜，熱島強度越低。而Yu et al.（2017）、Huang et al.（2018）和Masoudi et al.（2019a）研究則發(fā)現(xiàn)，形狀越簡單的城市綠地，地表溫度越低，降溫效果越好。針對邊界密度（ED），Guo et al.（2019a）和Li et al.（2012）研究表明，城市綠地的ED與地表溫度顯著正相關，而 Peng et al.（2018）、Liu et al.（2016b）和Maimaitiyiming et al.（2014）研究則表示城市綠地的ED與地表溫度顯著負相關。另外，也有研究對不同類型綠地的冷島效應進行比較，結果表明楔形綠地的冷島強度最大，其次為輻射狀和點狀綠地，帶狀綠地的冷島強度最?。―u et al.，2019）。

在城鄉(xiāng)梯度上，城市綠地的分布與地表溫度的關系也有一定的差異。Estoque et al.（2017）以曼谷、雅加達和馬尼拉為例，在城市中心每隔300 m建立緩沖區(qū)，比較每個緩沖區(qū)內(nèi)的地表溫度以及綠地和不透水下墊面的密度。研究發(fā)現(xiàn)，在城鄉(xiāng)梯度上，地表溫度與綠地密度和不透水下墊面密度有顯著的相關性；但并不是離市中心越近，地表溫度越高，這與城市人口密度相關，離市中心3—12 km范圍是地表溫度最高的區(qū)域，需要重點采取緩解措施。Li et al.（2018）研究西安城鄉(xiāng)梯度上綠地和不透水下墊面的時空格局對地表溫度的影響，從市中心每隔120 m建立緩沖區(qū)，發(fā)現(xiàn)離市中心越近，綠地密度越低，地表溫度越高。

3.3.3 城市綠地空間組成和空間配置對熱島效應影響程度的比較

Maimaitiyiming et al.（2014）和Peng et al.（2016）研究發(fā)現(xiàn)，相比較空間配置，城市綠地的空間組成對地表溫度的影響更為重要。Estoque et al.（2017）研究則表明相比較斑塊的大小和形狀，斑塊聚集度與地表溫度的相關性更為顯著，即空間配置對熱島效應的影響程度更大。Chen et al.（2014）研究證實季節(jié)會對城市綠地格局與冷島效應之間的關系產(chǎn)生影響，形狀和邊界所代表的綠地空間配置指標在冬季對冷島強度影響更大，而在夏季，面積所代表的綠地空間組成指標對冷島強度的影響更大。Masoudi et al.（2019a）提出這兩者對熱島效應的影響程度主要取決于現(xiàn)有城市綠地的格局。Guo et al.（2019a）認為其主要取決于特定的變量，如季節(jié)或柵格大小。

3.4 部分研究結論矛盾的原因分析

分析目前已有文獻的研究結論可以發(fā)現(xiàn)，有些方面的研究結論互相矛盾，主要體現(xiàn)在城市綠地的空間配置上，PD、ED、SHAPE_AM、LSI、ENN_MN等指標與熱島效應的相關性在不同文獻中存在差異（見表3）。分析原因可能有兩點，一是用于提取綠地格局的遙感影像的空間分辨率不同，可能會導致景觀指數(shù)的計算結果不同。Li et al.（2013）研究也證實了這點，通過分析多種空間分辨率的遙感衛(wèi)星圖片，發(fā)現(xiàn)在不同的空間分辨率下計算的景觀指數(shù)會有一定差異，進而導致綠地空間格局與地表溫度的相關性有所不同：分辨率越高，對綠地空間格局的量化程度越好，隨著空間分辨率的降低，PLAND、PD、ED指數(shù)顯著降低，而 ENN_MN、AREA_MN、SHAPE_MN顯著增加，因此在研究城市綠地格局對地表溫度的影響時需要選取適宜分辨率的遙感影像。第二個可能原因是對熱島效應的測度方式不同，多數(shù)研究以地表溫度LST來描述熱島效應，而有些研究提出熱島強度、冷島強度、綠地降溫強度等來表征熱島效應，由于計算方法不同，可能會導致最終結果的相關性不同。

4 結論與展望

4.1 結論

本文在城市綠地格局和熱島效應相關文獻整理分析基礎上，得出主要結論如下：

（1）有關城市綠地格局與城市熱島之間的定量關系研究最早出現(xiàn)在2000年，從2011年開始，文獻量逐年遞增。2011年以前的文獻主要是對城市熱島進行測量，指出了城市化對于熱島效應的影響，以及城市綠地在一定程度上緩解熱島效應，但是還沒有對影響機制進行深入研究。

表3 不同文獻中城市綠地景觀指數(shù)與熱島效應之間的關系Table 3 The relationship between landscape indexes of UGS and UHI effect in different literatures

（2）從2012年起，一些學者借用景觀生態(tài)學中的景觀指數(shù)方法對城市綠地格局進行量化分析，從格局的視角對城市綠地的降溫機制進行分析。特別是近5年相關研究逐漸深入，包括不同城市、不同年份、不同類型的城市綠地對熱島效應緩解作用的比較，針對不同分辨率的遙感影像所得出的城市綠地格局與熱島效應之間關系的比較，以及由熱島效應擴展出的環(huán)境污染、能源消耗、公共健康和社會公平等問題。

（3）在研究手段上，主要運用基于像元和面向?qū)ο蟮确椒▽b感影像中的城市綠地進行提取，借助景觀指數(shù)對城市綠地的格局進行量化，包括其空間組成和空間配置，同時通過遙感衛(wèi)星數(shù)據(jù)對城市地表溫度進行反演，根據(jù)城鄉(xiāng)之間的溫度差計算出城市熱島效應的強度，或根據(jù)綠地及周邊環(huán)境之間的溫度差計算綠地的冷島強度，進而分析城市綠地格局與熱島效應之間的相關性。

（4）研究結果揭示了城市綠地格局與熱島效應之間的一些關系，例如：城市綠地的空間格局會顯著影響熱島效應，增加綠地的面積或周長會在一定程度上改善熱島效應，但存在閾值；綠地的斑塊密度和聚集度越高，對熱島效應的緩解作用越高。但是，針對綠地形狀和邊界等屬性的景觀指數(shù)與熱島效應相關性的研究結果存在一定的矛盾，這可能是因為遙感數(shù)據(jù)的分辨率以及熱島效應的計算方法不同所導致。

4.2 展望

總體而言，城市綠地空間格局對熱島效應的影響研究還在不斷發(fā)展階段，部分研究結論之間存在矛盾，研究方法也存在一些缺陷。將來的研究一方面需要不斷完善城市綠地、城市熱島效應的測度方法，另一方面需要將科學問題與規(guī)劃實踐問題相結合，提出針對性的研究方法。

（1）城市綠地常用的測度方法為植被指數(shù)和景觀指數(shù)，但是這兩種方法在使用上還有一定局限。植被指數(shù)主要是在二維平面上對植物的空間配置密度進行描述，然而城市綠地的三維空間特征也對降溫效應有較大影響。目前已有研究利用LiDAR點云和高精度遙感影像等數(shù)據(jù)對城市綠地的三維特征進行定量測度，但在此層面上與城市熱島效應的關系研究多以較小尺度上的建筑或街區(qū)的垂直綠化為主，尚缺乏在城市尺度上的研究。因此在揭示城市熱島效應受綠地格局影響機理的同時，應該針對城市綠地形態(tài)提出適宜的、有針對性的景觀指數(shù)或形態(tài)量化方法，而不應僅將城市綠地作為一種孤立的綠色斑塊或廊道來研究。

（2）研究需要更多地面向城市綠地規(guī)劃建設問題，并對城市規(guī)劃建設具有指導作用。毋庸置疑，城市熱島的形成受到城市綠地空間配置及組成的影響，也受到城市綠地周邊的城市環(huán)境及土地利用的影響。從根本上來講，這些關系與影響都是人類規(guī)劃建設活動的結果。當代的綠色城市、生態(tài)城市、可持續(xù)城市的目標是建設人工與自然更加和諧共生的城市。從本文的角度看，就是通過追求合理的城市綠地布局，最大可能減少城市熱島的影響。因此，將來的研究需要有一個更加綜合的、有層級的研究方法框架。同時，研究應該建立在對城市空間與綠地形態(tài)更完整認識的基礎上，加強城市生態(tài)環(huán)境學科與城市綠地規(guī)劃研究的深入交叉與充分結合，以提高研究成果的應用性、專業(yè)合理性與可解釋性，為城市規(guī)劃、城市綠地系統(tǒng)規(guī)劃、總體城市設計等規(guī)劃實踐與決策提供科學合理的基礎。