王惠惠, 王亞茹, 王騰飛, 王軍夢, 雷雅凱

鄭州市綠地結構對氣候調節(jié)因子的影響及啟示

王惠惠, 王亞茹, 王騰飛, 王軍夢, 雷雅凱*

河南農(nóng)業(yè)大學風景園林與藝術學院, 鄭州 450002

基于高精度遙感影像及夏秋季微氣候數(shù)據(jù), 應用相關分析、主成分分析、地理加權回歸等方法研究了鄭州市主城區(qū)綠地結構與微氣候調節(jié)因子的相關關系空間分異特征。結果表明, 綠地斑塊的分散程度、優(yōu)勢程度以及形狀復雜程度在研究區(qū)大部分空間顯著影響微氣候調節(jié)功能。在研究區(qū)中, 西北、西南、中北、中南的綠地斑塊的分散程度越小, 東北部優(yōu)勢綠地斑塊的優(yōu)勢程度越大, 東北部、西部的綠地斑塊的形狀復雜程度越大, 則相應空間范圍內夏季氣溫的降溫效果越明顯; 西北、南部綠地斑塊的形狀復雜程度越大, 東部優(yōu)勢綠地斑塊的優(yōu)勢程度越小, 則相應空間范圍內秋季空氣比濕的增濕效果越明顯; 西北、西南部綠地斑塊的形狀復雜程度越大, 南部、東部優(yōu)勢斑塊的優(yōu)勢程度越小, 秋季風速的降速效果越明顯, 反之, 則可以提高相應區(qū)域的風速。

城市生態(tài)系統(tǒng)服務; 綠地結構; 微氣候; 調節(jié)功能

0 前言

中國城市化率從1978年的17.9%增加到2017年的58.5%[1], 城市化的發(fā)展對城市生態(tài)系統(tǒng)造成了嚴重的影響。鄭州市正處于城市化快速發(fā)展階段, 且又是我國中部地區(qū)重要中心城市的綜合交通樞紐, 隨著城市工業(yè)化的發(fā)展, 機動車輛增多, 鄭州市空氣質量明顯降低, 霧霾天氣不斷增多, 城市熱島效應、大氣顆粒物污染等問題日益突出。目前, 城市生態(tài)系統(tǒng)服務價值的研究熱點主要集中于城市建設用地的土地利用與時空變化[2]、綠色基礎設施[3]、城市生態(tài)網(wǎng)絡的構建[4-5]、權衡與協(xié)同機制[6]、供需關系[7]等方面。現(xiàn)有的城市生態(tài)系統(tǒng)服務估算方法有謝高地[8-9]、Constanza[10]等的基于單位面積價值當量因子法的中國陸地生態(tài)系統(tǒng)服務價值的動態(tài)評估方法、李麗[11]等人的基于市場理論的價值評估法等, 這些方法都沒有從城市綠地結構角度分析綠地空間結構對生態(tài)系統(tǒng)服務功能的貢獻和影響。城市中的綠地面積增量受限, 因此存量綠地結構優(yōu)化對于城市生態(tài)系統(tǒng)功能提升具有重要意義, 很多城市綠地系統(tǒng)規(guī)劃實踐和研究都比較重視綠地結構指標[12-13]。雖然有相關研究[14-16]表明城市綠地結構能夠在一定程度上影響地表溫度、降雨等微氣候環(huán)境因子, 但是已有研究尺度相對較小, 且城區(qū)尺度上綠地的景觀結構特征對氣象環(huán)境因子空間分異的影響尚有待于深入研究。生態(tài)系統(tǒng)服務價值與綠地結構數(shù)據(jù)及微氣候環(huán)境因子數(shù)據(jù)多具有空間自相關性和空間異質性, 而大多數(shù)方法對兩者關系的研究多用傳統(tǒng)統(tǒng)計學的方法[17-19], 忽略了數(shù)據(jù)的空間屬性, 導致研究的結果不能完全準確反映城市綠地結構與微氣候環(huán)境因子的關系。因此應加強基于空間統(tǒng)計學方法的主城區(qū)尺度綠地結構對微氣候環(huán)境因子的影響研究, 系統(tǒng)準確地揭示城市綠地結構對其微氣候環(huán)境因子的影響, 從而為進一步完善城市生態(tài)系統(tǒng)調節(jié)功能價值的準確估算提供依據(jù)。

本研究以鄭州市主城區(qū)為例, 基于高精度遙感影像及夏秋季微氣候環(huán)境因子空間柵格數(shù)據(jù), 應用皮爾森相關分析、主成分分析、空間自相關分析、地理加權回歸等方法研究鄭州市主城區(qū)綠地結構對微氣候調節(jié)因子的影響, 預期通過以上研究解決以下問題: (1)城市綠地結構是否能夠顯著影響微氣候環(huán)境因子？(2)鄭州市主城區(qū)綠地結構對微氣候環(huán)境因子的影響規(guī)律及其空間分異特征。(3)基于微氣候調節(jié)功能提升的鄭州主城區(qū)綠地系統(tǒng)空間結構優(yōu)化途徑。

1 研究區(qū)概況

如圖1所示, 鄭州地處河南省中部偏北, 鄭州市共分為惠濟區(qū)、中原區(qū)、金水區(qū)、二七區(qū)以及管城回族區(qū)五部分。鄭州市位于黃河中下游和伏牛山脈東北側向黃淮平原過渡的交接地帶, 西南部高、東北部低, 呈階梯狀下降, 陸地范圍為東經(jīng)112°42′—114°14′、北緯34°16′—34°58′, 是我國中部地區(qū)重要的國家中心城市, 市區(qū)總面積7446.2 km2。屬北溫帶大陸性季風氣候, 四季分明, 年平均溫度為 14.4 ℃, 年平均降水量為640.9 mm[20]。位于西北部的惠濟區(qū)是鄭州市民飲用水水源的集中地, 位于西南部的二七區(qū)地勢較高, 具有較多山丘、丘陵, 兩者相較于其他地區(qū), 較多的保留了當?shù)氐脑嫉孛箔h(huán)境, 具有豐富的綠地資源, 綠地結構也更為豐富; 位于中部、東部以及東北部多是平原地區(qū), 城市生活場所主要集中于此, 各種建筑以及交通網(wǎng)絡也匯聚于此, 因此該地區(qū)的綠地面積極大程度上受到限制。

2 研究方法

2.1 數(shù)據(jù)來源及預處理

本研究基于高分二號遙感影像(GF-2), 成像時間為2017年5月, 研究區(qū)影像包括兩種數(shù)據(jù)類型, 一類為空間分辨率為4 m的多光譜影像, 包括藍、綠、紅、近紅外等4個波段, 另一類為空間分辨率為0.8 m的全色影像。獲取影像之后進行了大氣輻射校正、幾何校正, 并對影像數(shù)據(jù)進行了多波段融合、多分辨率數(shù)據(jù)融合, 從而獲取0.8 m分辨率融合影像?；谌诤嫌跋? 應用Ecognition Developer 9.2進行綠地矢量信息提取, 制作鄭州市主城區(qū)綠地分布矢量圖及柵格圖數(shù)據(jù)集。

氣象因子數(shù)據(jù)主要來自國家氣象科學數(shù)據(jù)中心。由于鄭州地區(qū)的冬季和春季氣溫相對較低, 大部分植物處于落葉期, 綠地的氣候調節(jié)功能相對較弱, 因此本研究主要選擇了2017年夏季和秋季的地面氣壓、2 m空氣比濕、2 m氣溫及10 m風速等天平均空間分布柵格數(shù)據(jù), 數(shù)據(jù)的分辨率為6 km, 并整理成夏季平均數(shù)據(jù)集及秋季平均數(shù)據(jù)集, 之后在ArcGIS中對季節(jié)平均數(shù)據(jù)進行重采樣, 形成分辨率為3 km的季節(jié)平均空間分布柵格數(shù)據(jù)集。

圖1 研究區(qū)區(qū)位圖

Figure 1 Study area map

2.2 實驗設計及數(shù)據(jù)分析

對應于氣象因子變量的空間分辨率, 本研究在ArcGIS中應用Fishnet工具對研究區(qū)進行網(wǎng)格劃分, 鄭州市主城區(qū)被分為121個3 km正方形網(wǎng)格單元。本研究旨在探索城區(qū)尺度上綠地結構特征對微氣候調節(jié)功能的影響, 因此選取了在相似研究[21-22]中應用頻率較高的6個景觀結構指數(shù), 分別是、、、、、等指數(shù)(詳見表1)?；诰W(wǎng)格劃分單元, 應用FRAGSTATS 4.2計算每個3 km柵格單元的景觀格局指數(shù), 從而獲取網(wǎng)格景觀結構特征的空間分布矢量和柵格數(shù)據(jù)集。同時, 本研究基于鄭州市的行政區(qū)劃來進行分區(qū)研究, 可以直觀的通過各個行政區(qū)的城市化發(fā)展程度以及各區(qū)域在整個鄭州市中所起到的主要功能來解釋不同的城市綠地空間結構對氣候調節(jié)帶來的影響。

在數(shù)據(jù)分析方面, 本研究主要選擇了皮爾森相關分析、主成分分析及地理加權回歸等空間統(tǒng)計學方法。首先將網(wǎng)格單元作為樣本, 分別獲取綠地景觀結構數(shù)據(jù)集和夏、秋季節(jié)的平均氣象因子數(shù)據(jù)集, 并對以上兩個非空間數(shù)據(jù)集進行皮爾森相關分析。皮爾森相關分析結果可以反映兩個正態(tài)連續(xù)變量之間的線性關系。然后, 對6個綠地結構指數(shù)變量進行KMO檢驗和Bartlett球形檢驗分析, 結果通過檢驗, 說明綠地結構變量數(shù)據(jù)適合進行主成分分析。因為6個綠地結構變量之間存在較強的共線性, 基于R中psych包進行主成分分析, 該結果能夠反映綠地結構特征的相互關系及各主成分軸所代表的屬性梯度, 在最大程度保留方差信息的同時, 達到降維與消除變量間共線性的作用。由于新的主成分變量能夠滿足地理加權回歸模型的要求, 且前三個主成分軸能夠解釋97%以上的綠地結構數(shù)據(jù)集的方差, 將三個主成分軸對應網(wǎng)格樣方的得分作為三個解釋變量, 將夏季、秋季各四個氣象因子作為因變量, 分別進行地理加權回歸。

表1 景觀格局指標含義及單位

對于非空間數(shù)據(jù)多變量之間的關系研究, 通常應用相關性分析、回歸分析等方法, 這些均屬于全局分析[23], 忽略了研究范圍內各研究單元的地理位置變化, 因此本文采用地理加權回歸方法(GWR)。公式1中y為響應變量,x為樣點的解釋變量,β為x的擬合系數(shù), (u,v)是樣本的地理空間位置,ε是第個區(qū)域的高斯隨機誤差。模型的帶寬采用自適應空間核與赤池信息量準則(Akaike Information Criterion, AIC)的空間權重計算。研究中分別以地面氣壓、2 m 空氣比濕、2 m 氣溫及10 m 風速為因變量構建四個GWR回歸模型, 而自變量選擇代表綠地結構信息的前三個主成分。

在GWR4.0軟件進行模型運算后, 通過調整R與以探究四個模型的擬合效果是否優(yōu)良[24]。此外, 對GWR模型的標準化殘差進行空間自相關性檢驗, 殘差處于統(tǒng)計學上的顯著聚類時, 表明錯誤地指定了 GWR 模型[25], 當標準化殘差處于隨機狀分布時, 模型通過檢驗。最后, 將獲取的四個模型中具有地理變化的預測系數(shù)及值結果進行可視化顯示, 并分析各氣象要素模型中的影響因子預測系數(shù)的空間特征。

3 結果分析

3.1 綠地結構景觀指數(shù)與氣象因子皮爾森相關分析

如圖2所示, 6個綠地結構指標與夏秋季節(jié)的微氣候環(huán)境因子之間的大部分相關關系顯著。其中斑塊的凝聚度、最大斑塊所占面積比例以及聚合度分別與夏秋季節(jié)的氣象因子總體上呈負相關關系, 說明了在鄭州市3 km尺度上, 當綠地斑塊的凝聚度和聚合度較大、存在一個或多個面積較大的綠地斑塊時, 綠地斑塊對該區(qū)域的微氣候環(huán)境因子有顯著調節(jié)作用; 而斑塊的密度、分裂指數(shù)以及形狀指數(shù)分別與夏秋季節(jié)的氣象因子總體上呈正相關關系, 說明了在鄭州市3 km尺度上, 當綠地斑塊越密集或斑塊越分散、斑塊的形狀越復雜時, 綠地斑塊對該區(qū)域的微氣候環(huán)境因子有顯著調節(jié)作用。夏秋兩季的地面氣壓與、極顯著相關; 夏季2 m空氣比濕與6個綠地結構指標都呈極顯著相關, 其中與、、為正相關, 與、、為負相關, 秋季2 m空氣比濕與、、呈極顯著相關; 夏秋季平均2 m氣溫與綠地結構指標呈現(xiàn)出與夏秋季2 m空氣比濕一樣的極顯著性及正負相關關系; 夏季平均10 m風速與、、呈極顯著相關關系, 與、呈顯著相關關系, 秋季平均10 m風速與、、、呈極顯著相關關系, 其中與呈負相關, 其余為正相關關系。

注: **表示p<0.01,*表示p<0.05。根據(jù)皮爾森相關分析所得的圖, 圖中圓圈顏色飽和度和大小表示相關系數(shù)絕對值的大小, 藍色表示正相關, 紅色表示負相關。

Figure 2 Correlation between greenland structure index and meteorological factors

3.2 綠地結構景觀指數(shù)的主成分分析

對6個景觀指數(shù)進行主成分分析, 第一主成分能夠解釋總方差的64%, 第二主成分能夠解釋總方差的24%, 第三主成分能夠解釋主成分的9%, 前三軸能夠解釋總方差的97%, 保留了幾乎全部變量信息。如表2所示, 第一主成分主要代表、的信息, 與為正相關關系, 與呈負相關關系, 因此第一主成分從小到大代表了城市綠地斑塊的分散程度的增加梯度; 第二主成分與、的相關性較強, 與呈正相關關系, 而與呈負相關關系, 該主成分從小到大代表了綠地斑塊面積分布的不均衡性或者優(yōu)勢斑塊的優(yōu)勢程度的增加梯度; 第三主成分與、的負相關關系較強, 主成分從大到小主要代表了綠地斑塊的形狀復雜程度的增加梯度。由此可見, 6個景觀指數(shù)主要代表了城市綠地斑塊的分散程度、優(yōu)勢斑塊的優(yōu)勢程度、形狀復雜程度三個方面信息。

表2 綠地結構指標與各主成分相關系數(shù)

3.3 地理加權回歸分析

如表3所示, 所有因變量和對自變量空間自相關檢驗均具有顯著的空間自相關性, 說明以上所有變量包括氣象調節(jié)因子、景觀指數(shù)等, 均具有空間非平穩(wěn)性, 適合進行地理加權回歸分析。

如表4所示, 以春秋季8個氣象環(huán)境因子作為因變量的地理加權回歸模型中, 調整R值都比較高, 模型擬合精度較高。對GWR模型標準化殘差結果進行空間自相關檢驗, 結果如表5所示, 夏季氣溫、秋季空氣比濕、風速等指標與綠地結構指標前三個主成分的模型標準殘差呈現(xiàn)出隨機分布特征(>0.05), 以上三個模型均通過了殘差檢驗, 其模型是可信的。因此, 鄭州市主城區(qū)綠地結構能夠顯著影響夏季主城區(qū)地表2 m高度的氣溫、秋季主城區(qū)2 m高度的空氣比濕及秋季主城區(qū)10 m高度的風速。

表3 自變量及因變量Moran’s I空間相關檢驗

表4 夏季及秋季模型擬合度調整R2及AICc表

表5 GWR模型殘差Moran’s I空間自相關檢驗

如圖3、圖4所示, 由綠色到紅色表示回歸系數(shù)由負至正,值空間分布圖中紅色及藍色區(qū)域均為95%置信區(qū)間, 說明在紅色和藍色區(qū)域, 綠地結構指標與氣象因子呈顯著相關關系。鄭州市夏季地表2 m高度的氣溫與綠地斑塊分散程度的相關關系在城市西北和西南部分主要呈現(xiàn)出正相關關系, 在東北小部分和東南大部分區(qū)域呈現(xiàn)出負相關關系, 其中西北和西南部的綠地斑塊分散程度具有顯著增溫作用(圖3A、a); 鄭州西北部和西南部的氣溫與綠地優(yōu)勢斑塊的優(yōu)勢程度呈正相關關系, 在其余區(qū)域呈負相關關系, 其中在西北部呈顯著正相關, 而在東北部呈顯著負相關(圖3B、b); 綠地結構第三主成分主要代表了綠地斑塊的形狀復雜程度遞減梯度, 在鄭州市的東北部、中部和西部綠地斑塊的形狀復雜程度與夏季氣溫呈現(xiàn)出顯著正相關關系(圖3C、c)。

從圖4(A)和(a)中可以看出, 西北、西南及中部地區(qū)的空氣比濕與主成分1之間的關系值值為正值, 而在東北部、東部、東南部值為負值。表明在鄭州市西北、西南部和中部區(qū)域綠地斑塊的分散程度與空氣比濕呈顯著正相關關系, 東北部、東部、東南部呈現(xiàn)負相關關系; 同理分析圖4其它部分可知, 鄭州市整個東部區(qū)域綠地優(yōu)勢斑塊的優(yōu)勢程度與空氣比濕顯著負相關, 而西部區(qū)域與空氣比濕成正相關關系(圖4B、b); 在鄭州主城區(qū)的中部偏東區(qū)域, 綠地斑塊的形狀復雜程度與空氣比濕顯著負相關, 而在主城區(qū)西北部和南部邊緣區(qū)兩者的關系呈顯著正相關(圖4C、c)。鄭州市西北和西南區(qū)域綠地斑塊的分散程度與10 m風速呈顯著負相關關系(圖4D、d); 鄭州市東部及南部區(qū)域綠地優(yōu)勢斑塊的優(yōu)勢程度與空氣比濕顯著正相關(圖4E、e); 在鄭州主城區(qū)的中部偏東區(qū)域, 綠地斑塊的形狀復雜程度與風速顯著正相關, 而在主城區(qū)西北部和西南部邊緣區(qū)兩者的關系顯著負相關關系(圖4F、f)。

4 討論

研究結果表明, 鄭州市主城區(qū)綠地結構顯著影響了城市夏秋季生態(tài)系統(tǒng)的氣候調節(jié)功能。主城區(qū)范圍內夏季氣溫受到綠地優(yōu)勢斑塊的優(yōu)勢程度、斑塊形狀復雜程度以及分散程度的顯著影響, 即綠地優(yōu)勢斑塊的優(yōu)勢程度越大, 斑塊形狀復雜程度越大, 夏季氣溫的降溫效果越明顯, 而斑塊的分散程度越大, 夏季氣溫的升溫效果越明顯。綠地通過樹冠的遮蔽來減少太陽的直接輻射和植物的蒸騰冷卻, 從而實現(xiàn)調節(jié)氣候的作用, 形成降溫效應。在夏季, 綠地中的樹木枝繁葉茂, 既能阻擋太陽的直接輻射, 也能阻擋來自墻面及其他相鄰物體的反射熱, 使得地面的長波輻射熱減少, 同時, 夏季植物的蒸騰作用較為強烈, 可以消耗大部分的太陽直接輻射能量。因此, 當綠地優(yōu)勢斑塊的優(yōu)勢程度越大、斑塊形狀復雜程度越大、斑塊的分散程度越小時, 綠地中樹木的結構層次越復雜, 優(yōu)勢樹木數(shù)量越多, 能夠增加綠地斑塊與周邊城市環(huán)境的能量、物質交換, 更容易產(chǎn)生“冷島效應”, 從而對該地區(qū)的夏季氣溫有顯著的調節(jié)作用。相關研究也表明植被空間越復雜, 降溫效果越明顯[15], 綠地斑塊密度越大, 降溫效果越顯著[17]; 綠地斑塊的尺度、形狀復雜程度、聚集度以及連通性等結構特征具有降溫效果[26-27], 這些研究結果跟本研究基本一致。主城區(qū)部分空間秋季空氣比濕、風速受到綠地優(yōu)勢斑塊的優(yōu)勢程度、斑塊形狀復雜程度以及分散程度的顯著影響, 即綠地優(yōu)勢斑塊的優(yōu)勢程度越大, 分散程度越低, 斑塊形狀復雜程度越大, 秋季空氣比濕的增濕效果越明顯, 秋季風速的降速效果越顯著。植物調節(jié)空氣比濕的原因主要有兩方面: 一方面是由于植物的遮擋作用降低了局部溫度, 使其飽和水汽壓降低, 從而提高了空氣比濕; 另一方面是由于植物蒸騰作用產(chǎn)生了大量水汽, 使得局部空氣中的水汽含量增多, 從而提高了空氣比濕。綠地優(yōu)勢斑塊的優(yōu)勢程度越大, 綠地斑塊分散程度越低, 綠地中的優(yōu)勢樹木越多且分布更集中, 使得該地區(qū)的風速降低, 植物蒸騰作用產(chǎn)生水分的聚集效應越明顯, 從而影響了該地區(qū)的空氣比濕和風速; 單位面積上綠地斑塊形狀復雜程度越大, 植被與周圍城市空間的接觸面積越大, 與周圍氣體交換地越頻繁, 從而進一步調節(jié)了空氣比濕。YU[28]、OISHI[29]等人通過相關研究也得出綠地與風速、空氣比濕之間的關系, 且與本研究的結果大致相似。

圖3 夏季氣溫GWR模型回歸系數(shù)及t值空間分布

Figure 3 Regression coefficient and-value spatial distribution of summer temperature GWR model

圖4 秋季比濕、風速GWR模型回歸系數(shù)及t值空間分布

Figure 4 Regression coefficient and spatial distribution of-value of GWR model for specific humidity and wind speed in autumn

從圖3(a、b、c)反映的結果, 可以得出以下綠地布局優(yōu)化途徑: 降低圖3a中紅色區(qū)域(西北、西南、中北和中南)的綠地斑塊的分散程度、提高圖3b中藍色地區(qū)(東北)優(yōu)勢綠地斑塊的優(yōu)勢程度和圖3c中藍色區(qū)域(東北、西部)綠地斑塊的形狀復雜程度, 可以有效降低對應區(qū)域的夏季氣溫; 鄭州市地處北方, 秋季氣候比較干燥, 秋季空氣比濕越大, 人居環(huán)境舒適度越高, 為改善秋季氣候, 增加秋季空氣比濕, 應提高圖4a中紅色區(qū)域(西北、西南、中北和中南)綠地斑塊的分散程度和圖4c中紅色區(qū)域(西北、南部)綠地斑塊的形狀復雜程度、降低圖4b藍色地區(qū)(東部)優(yōu)勢斑塊的優(yōu)勢程度; 增加圖4d中藍色地區(qū)(西北、西南、中部)綠地斑塊的分散程度和圖4f中藍色地區(qū)(西北、西南)綠地斑塊的形狀復雜程度、降低圖4e中紅色地區(qū)(南部、東部)優(yōu)勢斑塊的優(yōu)勢程度, 可以有效降低對應區(qū)域的風速, 反之, 則可以提高相應區(qū)域的風速。

5 結論

本文以鄭州市主城區(qū)為例, 基于高精度遙感影像及夏秋季微氣候調節(jié)因子空間柵格數(shù)據(jù), 應用皮爾森相關分析、主成分分析、空間自相關分析、地理加權回歸等方法, 研究鄭州市主城區(qū)綠地結構對微氣候環(huán)境因子的影響, 為城市綠地結構的生態(tài)系統(tǒng)調節(jié)功能價值估算思路提供依據(jù)。結論如下: (1)鄭州市主城區(qū)綠地結構包括綠地斑塊的分散程度、優(yōu)勢綠地斑塊的優(yōu)勢程度、綠地斑塊的形狀復雜程度等, 能夠顯著影響夏季地表平均2 m氣溫、秋季主城區(qū)平均2 m空氣比濕及平均10 m風速, 因此對于城市生態(tài)系統(tǒng)服務價值的估算不能忽視綠地結構的微氣候調節(jié)功能。(2)降低研究區(qū)西北、西南、中北和中南的綠地斑塊的分散程度, 提高東北部優(yōu)勢綠地斑塊的優(yōu)勢程度和東北部、西部的綠地斑塊的形狀復雜程度, 可以有效降低對應區(qū)域夏季氣溫。(3)為改善秋季氣候, 增加秋季空氣比濕, 應提高研究區(qū)西北、南部綠地斑塊的形狀復雜程度, 降低東部優(yōu)勢綠地斑塊的優(yōu)勢程度。(4)增加研究區(qū)西北、西南部綠地斑塊的形狀復雜程度, 降低南部、東部優(yōu)勢斑塊的優(yōu)勢程度, 可以有效降低對應區(qū)域的風速, 反之, 則可以提高相應區(qū)域的風速。

本研究系統(tǒng)揭示了鄭州市主城區(qū)整體及局部空間上綠地結構對風、溫、濕氣象因子的影響, 并且研究了綠地結構對氣象因子影響特征的空間分布規(guī)律, 明確了局部顯著影響的范圍, 能夠更加直觀的為鄭州市的綠地結構優(yōu)化提供科學依據(jù), 同時鄭州作為典型的北方城市, 該研究思路及結論對我國其他北方城市的綠地布局優(yōu)化具有一定的借鑒意義。

[1] 世界銀行, 國務院發(fā)展研究中心課題組. 2030年的中國: 建設現(xiàn)代、和諧、有創(chuàng)造力的高收入社會[M]. 北京: 中國財政經(jīng)濟出版社, 2013.

[2] 王軍, 頓耀龍. 土地利用變化對生態(tài)系統(tǒng)服務的影響研究綜述[J]. 長江流域資源與環(huán)境, 2015, 24(5): 798– 808.

[3] 王云才, 申佳可, 彭震偉, 等. 適應城市增長的綠色基礎設施生態(tài)系統(tǒng)服務優(yōu)化[J]. 中國園林, 2018, 34(10): 45–49.

[4] 呂東, 王云才, 彭震偉. 基于適宜性評價的快速城市化地區(qū)生態(tài)網(wǎng)絡格局規(guī)劃以吉林長白朝鮮族自治縣為例[J]. 風景園林, 2013(2): 54–59.

[5] CHEN Chundi, WANG Yuncai, JIA Junsong. Public perceptions of ecosystem services and preferences for design scenarios of the flooded bank along the Three Gorges Reservoir: implications for sustainable management of novel ecosystems[J]. Urban Forestry & Urban Greening, 2018, 34(1): 196–204.

[6] 戴爾阜, 王曉莉, 朱健佳, 等. 生態(tài)系統(tǒng)服務權衡: 方法、模型與研究框架[J]. 地理研究, 2016, 35(6): 1005– 1016.

[7] 彭建, 楊旸, 謝盼, 等．基于生態(tài)系統(tǒng)服務供需的廣東省綠地生態(tài)網(wǎng)絡建設分區(qū)[J]. 生態(tài)學報, 2017, 37(13): 4562–4572.

[8] 謝高地, 甄霖, 魯春霞, 等. 一個基于專家知識的生態(tài)系統(tǒng)服務價值化方法[J]. 自然資源學報, 2008, 23(5): 911– 919.

[9] 謝高地, 張彩霞, 張雷明, 等．基于單位面積價值當量因子的生態(tài)系統(tǒng)服務價值化方法改進[J]. 自然資源學報, 2015, 30(8): 1243–1254．

[10] COSTANZA R, DE GROOT R, SUTTON P, et al. Changes in the global value of ecosystem services[J]. Global Environmental Change-human and Policy Dimen-sions, 2014, 26(1): 152–158.

[11] 李麗, 王心源, 駱磊, 等. 生態(tài)系統(tǒng)服務價值評估方法綜述[J]. 生態(tài)學雜志, 2018, 37(4): 1233–1245.

[12] 謝念斯, 劉勝華. 廣州市城市綠地空間格局及其關聯(lián)性分析[J]. 生態(tài)科學, 2019(3): 55–63.

[13] 楊學成, 林云, 邱巧玲. 城市開敞空間規(guī)劃基本生態(tài)原理的應用實踐——江門市城市綠地系統(tǒng)規(guī)劃研究[J]. 中國園林, 2003(3): 69–72.

[14] 趙曉龍, 李國杰, 高天宇. 哈爾濱典型行道樹夏季熱舒適效應及形態(tài)特征調節(jié)機理[J]. 風景園林, 2016(12): 74– 80.

[15] 劉濱誼, 林俊. 城市濱水帶環(huán)境小氣候與空間斷面關系研究以上海蘇州河濱水帶為例[J]. 風景園林, 2015(6): 46–54.

[16] 董蘆笛, 樊亞妮, 李冬至, 等. 西安城市街道單拱封閉型林蔭空間夏季小氣候測試分析[J]. 中國園林, 2016, 32(1): 10–17.

[17] 李英漢, 王俊堅, 陳雪, 等. 深圳市居住區(qū)綠地植物冠層格局對微氣候的影響[J]. 應用生態(tài)學報, 2011, 22(2): 343–349.

[18] 邱玲, 劉芳, 張祥, 等. 城市公園不同植被結構綠地削減空氣顆粒物濃度研究[J]. 環(huán)境科學研究, 2018, 31(10): 1685–1694.

[19] 李鋒, 王如松. 城市綠地系統(tǒng)的生態(tài)服務功能評價、規(guī)劃與預測研究——以揚州市為例[J]. 生態(tài)學報, 2003, 23(9): 1929–1936.

[20] ZHAO Hongbo, ZHANG Hao, MIAO Changhong, 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 Sense. 2018, 10(8), 1268– 1269.

[21] MATOS F R, MAGNAGO L F S, GASTAUER M, et al. Effects of landscape configuration and composition on phylogenetic diversity of trees in a highly fragmented tropical forest[J]. Journal of Ecology, 2017, 105(1): 265–276.

[22] MASOUDI M, TAN P Y, LIEW S C. Multi-city comparison of the relationships between spatial pattern and cooling effect of urban green spaces in four major Asian cities[J]. Ecological Indicators, 2019, 98: 200–213.

[23] 許凱, 余添添, 孫姣姣, 等. 顧及尺度效應的多源遙感數(shù)據(jù)“源”“匯”景觀的大氣霾效應[J]. 環(huán)境科學, 2017, 38(12): 4905–4912.

[24] 程小丹. 基于GWR的共享單車出行特征及影響因素空間異質性研究[D]. 西安: 長安大學, 2019: 49–62.

[25] 趙嚴. 基于GWR模型的洞庭湖生態(tài)經(jīng)濟區(qū)耕地數(shù)量時空變化及其驅動因素研究[D]. 湘潭: 湖南科技大學, 2016: 52–63.

[26] FAN H, YU Z, YANG G, et al. How to cool hot-humid (Asian) cities with urban trees? An optimal landscape size perspective[J]. Agricultural and Forest Meteorology, 2019, 265(1): 338–348.

[27] MASOUDI M, TAN P Y. Multi-year comparison of the effects of spatial pattern of urban green spaces on urban land surface temperature[J]. Landscape and Urban Planning, 2019, 184(1): 44–58.

[28] YU Deyong, LI XiaoYuan, CAO Qian, et al. Impacts of climate variability and landscape pattern change on evapotranspiration in a grassland landscape mosaic[J]. Hydrological Processes, 2019, 34(4): 1035–1051.

[29] OISHI Y. Urban heat island effects on moss gardens in Kyoto, Japan[J]. Landscape and Ecological Engineering, 2019, 15(2): 177–184.

The influence and enlightenment of the green space structure of Zhengzhou City on the climate regulation factors

WANG Huihui, WANG Yaru, WANG Tengfei, WANG Junmeng, LEI Yakai*

College of Landscape Architecture and Art, Henan Agricultural University, Zhengzhou 450002, China

Based on the GF-2 remote sensing image and the microclimate date in summer and autumn, the correlation analysis, principal component analysis and geographical weighted regression were used to investigate the spatial differentiation characteristics of the relationship between green space structure and microclimate adjustment factors in built-up area of Zhengzhou. The results showed that the microclimate adjustment function was significantly affected by the degree of dispersion, dominance, and the complexity of green patch shape in most areas. In the study area, the smaller the degree of dispersion of green patches in the northwest, southwest, north central and south-central regions, the greater the dominance of the dominant green patches in the northeast, the greater the complexity of the shape of green patches in the northeast and west, the more obvious the cooling effect of the summer temperature in the corresponding space range. The greater the complexity of the shape of the green patches in the northwest and south, and the smaller the dominance of the dominant green patches in the east, the more obvious the effect of autumn air specific humidity in the corresponding space range. The greater the complexity of the shape of the green patches in the northwest and southwest, the smaller the dominance of the dominant patches in the south and east, and the more obvious the effect of reducing the wind speed in autumn. Conversely, the wind speed in the corresponding area could be increased.

urban ecosystem services; green space structure; microclimate; regulatory function

王惠惠, 王亞茹, 王騰飛,等. 鄭州市綠地結構對氣候調節(jié)因子的影響及啟示[J]. 生態(tài)科學, 2022, 41(3): 98–106.

WANG Huihui, WANG Yaru, WANG Tengfei, et al. The influence and enlightenment of the green space structure of Zhengzhou City on the climate regulation factors[J]. Ecological Science, 2022, 41(3): 98–106.

10.14108/j.cnki.1008-8873.2022.03.011

TU986

A

1008-8873(2022)03-098-09

2020-07-08;

2020-08-15

國家自然科學基金項目(31600579); 河南省科研攻關項目 (162102310093)

王惠惠(1997—), 女, 河南鄭州人, 碩士研究生, 主要從事風景園林規(guī)劃與設計方面的研究, E-mail: whhjjzgb@163.com

雷雅凱, 男, 河南寶豐人, 博士, 副教授, 主要從事風景園林規(guī)劃與設計、風景園林與公共健康方面的研究, E-mail: lykfjyl@163.com