宋加穎 孟 丹* 馮 鵬 劉勇洪 胡非凡 李小娟

（1.首都師范大學(xué)資源環(huán)境與旅游學(xué)院，水資源安全北京實(shí)驗室，北京市城市環(huán)境過程與數(shù)字模擬國家重點(diǎn)實(shí)驗室培育基地，資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗室，北京 100048；2.中國四維測繪技術(shù)有限公司，北京 100048；3.中國氣象局地球系統(tǒng)數(shù)值預(yù)報中心，北京 100081）

科學(xué)評估北京城市副中心及周邊區(qū)域建設(shè)不同階段景觀格局和熱環(huán)境，對其今后的發(fā)展規(guī)劃和相關(guān)政策制定具有重要意義。以北京城市副中心外圍規(guī)劃為基準(zhǔn)稍作調(diào)整作為研究區(qū)，選取2016年、2018年、2020年和2022年共4期資源三號遙感影像數(shù)據(jù)，以及Google Earth Engine（GEE）中4年6月1日–9月30日的Landsat 8遙感影像數(shù)據(jù)，通過面向?qū)ο蠓诸悺⒌乇頊囟确囱?、相關(guān)性分析方法定量分析不同時期的藍(lán)綠空間景觀格局以及藍(lán)綠空間的降溫效應(yīng)。結(jié)果表明：（1）2016–2022年，研究區(qū)藍(lán)空間的面積占比在保持穩(wěn)定的同時逐漸增加，綠空間的面積占比先減少后增加；（2）2016–2022年，北京城市副中心及周邊區(qū)域藍(lán)綠空間景觀格局中各斑塊類型在景觀中的分布越來越均衡；（3）2016–2022年間，地表溫度均值呈“上升—下降—上升”的波動變化，藍(lán)空間的地表溫度最低，其次是綠空間，藍(lán)空間和綠空間在一定程度上起到降溫的作用；（4）提高聚集度、減少人類活動的割裂程度、減小空間破碎度均可提升藍(lán)綠空間的降溫效應(yīng)?？傮w而言，北京城市副中心及周邊區(qū)域建設(shè)使得藍(lán)綠空間面積增加，景觀格局分布更加均衡，藍(lán)綠空間的降溫效果較為明顯。

城市藍(lán)綠空間；景觀格局；熱環(huán)境；北京城市副中心及周邊區(qū)域；降溫效應(yīng)

隨著氣候變化和城市化進(jìn)程不斷加深，過去大都市的快速“增量擴(kuò)張”導(dǎo)致城市下墊面及景觀格局發(fā)生演化[1]，改變了城市地表的熱力性質(zhì)和近地表的大氣層結(jié)構(gòu)，從而打破地氣界面的能量交換平衡，城市出現(xiàn)了熱島效應(yīng)[2-3]，土地利用及植被覆蓋變化是城市熱島效應(yīng)形成、演變的主要因素。

城市藍(lán)綠空間（Urban Blue-Green Space，UBGS）是由城市中各類水域、濕地、綠地等開敞空間所構(gòu)成的空間系統(tǒng)[4]，既包含農(nóng)業(yè)空間和生態(tài)空間中的農(nóng)田、山體、森林、草地等，城鎮(zhèn)空間中的公園、防護(hù)綠帶、公共開放空間等，也包含由河流、湖泊、水庫、池塘、灘地、沼澤等不同形態(tài)水體構(gòu)成的復(fù)合水體空間[5]，是城市空間的重要組成成分。藍(lán)綠空間作為綠色基礎(chǔ)設(shè)施的重要組成部分，具有諸多生態(tài)系統(tǒng)服務(wù)，對緩解高密度城區(qū)熱島問題、改善城市熱環(huán)境、促進(jìn)生態(tài)環(huán)境健康、改善局地微氣候的作用顯著[6-8]。城市藍(lán)綠空間可以通過降低儲熱能力和創(chuàng)造更高的反射表面（高反照率）來減少吸收的太陽輻射量，從而緩解超高溫輻射效應(yīng)[9]。其中，綠地的降溫功能主要來源于植被對太陽光的遮蔽，以及對太陽輻射的蒸發(fā)蒸騰和光合作用[10]；水體通過蒸散發(fā)和形成通風(fēng)廊道、促進(jìn)空氣流動來產(chǎn)生降溫效果，由于其具有高熱慣性、高熱容量和低熱傳導(dǎo)率，也是城鎮(zhèn)日間降溫的重要因素[11]。

城市藍(lán)綠空間形態(tài)結(jié)構(gòu)因子的合理組成和配置是影響城市熱島格局的關(guān)鍵因素。景觀組成通常用土地覆被類型和各土地覆被類型所占比例來描述，而景觀配置則側(cè)重于描述單個區(qū)域的空間特征和不同區(qū)域之間的空間關(guān)系[12]。之前的研究發(fā)現(xiàn)，藍(lán)綠空間的冷卻效果取決于空間的大小、形狀、連通性和復(fù)雜性等[13]。較大的綠地具有較高的降溫效果[14]，當(dāng)藍(lán)綠空間的面積大到一定程度（>1 hm2）時，復(fù)雜的形狀也有很強(qiáng)的冷卻作用[15]。在北京，一個區(qū)域綠化覆蓋率大于30%時，綠地對熱島有較明顯的削弱作用；覆蓋率大于50%，綠地對熱島的削減作用極其明顯[16]。對于緩解綠地附近地區(qū)的城市熱量，綠地的大小、形狀和綠化可能效果有限，而增加綠地邊緣的綠化和增強(qiáng)綠地的凝聚力是擴(kuò)大降溫效益的更有效手段[17]，形狀更簡單、連接更緊密、碎片更少的相對較大的綠地斑塊降溫效益更好[18]。有研究結(jié)果表明，河流的降溫效果遠(yuǎn)高于其他濕地類型和綠地，在蘇州，水體構(gòu)成的“藍(lán)色空間”降溫能力（10.5℃）遠(yuǎn)大于植被“綠色空間”的冷島強(qiáng)度（4.8℃）[19]，其中湖泊和水庫的不規(guī)則形狀可能會削弱冷卻效果[20]。城市濕地的冷卻能力與濕地的面積、形狀和水文連通性之間存在很強(qiáng)的正相關(guān)關(guān)系，形狀更復(fù)雜的濕地具有更好的降溫效果[21]，濕地的形狀和位置是影響城市區(qū)域冷島強(qiáng)度的重要指標(biāo)[22]。河流對周圍溫度的調(diào)節(jié)能力受到空間格局和區(qū)域氣候因素的影響[23]。水體與植被的結(jié)合具有協(xié)同降溫效應(yīng)，藍(lán)綠空間組構(gòu)協(xié)同冷島效應(yīng)遠(yuǎn)高于單一生態(tài)元素效應(yīng)[24]。同時，藍(lán)綠空間的降溫效應(yīng)與季節(jié)變化和日變化有關(guān)，比如草地在夏季和春秋是熱匯，而在冬季卻成為了熱源，感熱通量的最大值和典型城市景觀間的最大差異均出現(xiàn)在中午至下午兩點(diǎn)之間[25]。大多數(shù)研究表明，城市藍(lán)綠空間在夏季的降溫效果比冬季更為顯著。此外，Yu等[14,26]為了將藍(lán)綠空間的降溫效應(yīng)研究與可操作的氣候適應(yīng)規(guī)劃聯(lián)系起來，提出了效率閾值（TVoE）的概念。TVoE可以使決策者利用最小的藍(lán)綠空間達(dá)到最好的降溫效果。

北京城市副中心的建設(shè)必然引起土地利用類型的改變，進(jìn)而影響區(qū)域藍(lán)綠空間布局，而藍(lán)綠空間的改變對城市熱環(huán)境影響顯著。從現(xiàn)有對北京城市副中心的研究來看，主要為土地利用、城市熱島效應(yīng)等單方面的分析研究，缺少多方面、整體性的研究，此外關(guān)于藍(lán)綠空間景觀格局特征對降溫效應(yīng)的影響有待進(jìn)一步討論?；诖?，本研究借助不同時相ZY-3和Landsat 8遙感影像數(shù)據(jù)，評估了2016–2022年北京城市副中心及周邊區(qū)域藍(lán)綠空間景觀格局的變化，并以2016年為例，分析了藍(lán)空間、綠空間、藍(lán)綠空間協(xié)同降溫效應(yīng)，為北京城市副中心及周邊區(qū)域的藍(lán)綠空間規(guī)劃布局等生態(tài)環(huán)境建設(shè)方面提供借鑒和參考。

1 研究地區(qū)與研究方法

1.1 研究區(qū)概況

通州區(qū)是北京市城市副中心所在地，地處北京市東南部，京杭大運(yùn)河北端（39°36′–40°02′N，116°32′–116°56′E），面積907 km2；地處永定河、潮白河沖積洪積平原；屬暖溫帶大陸性季風(fēng)氣候區(qū)。西臨朝陽區(qū)、大興區(qū)，北與順義區(qū)接壤，東隔潮白河與河北省三河市、大廠回族自治縣、香河縣相連，南和天津市武清區(qū)、河北省廊坊市交界。由于大運(yùn)河漕運(yùn)的重要性，通州、北京和天津享有“一京、二衛(wèi)、三通州”之稱。

2018年12月27日，黨中央、國務(wù)院正式批復(fù)《北京城市副中心控制性詳細(xì)規(guī)劃（街區(qū)層面）（2016年–2035年）》，批復(fù)提出遵循中華營城理念、北京建城傳統(tǒng)、通州地域文脈，構(gòu)建藍(lán)綠交織、水城共融、文化傳承、多組團(tuán)集約緊湊發(fā)展的生態(tài)城市布局，形成“一帶、一軸、多組團(tuán)”的空間結(jié)構(gòu)。其中一帶指依托大運(yùn)河構(gòu)建藍(lán)綠交織的生態(tài)文明帶，總長度約23 km；一軸指依托六環(huán)路建設(shè)的創(chuàng)新發(fā)展軸，總長度約14 km；多組團(tuán)指的是依托水網(wǎng)、綠網(wǎng)、路網(wǎng)形成的12個民生共享組團(tuán)和36個美麗家園（街區(qū)），在一帶一軸交匯處，規(guī)劃建設(shè)面積約11.2 km2的城市綠心公園，對原東方化工廠地區(qū)進(jìn)行生態(tài)治理，建成大尺度的城市森林公園?；诖?，本研究選取城市副中心外圍規(guī)劃為基準(zhǔn)，向東稍作擴(kuò)大至通州區(qū)界，作為研究區(qū)（圖1），面積約178.52 km2。

圖1 研究區(qū)遙感影像（2020年4月11日資源三號321（RGB）波段組合）Fig. 1 Remote sensing image of the study area

1.2 研究方法

1.2.1 藍(lán)綠空間信息提取

本研究采用資源三號（ZY-3）衛(wèi)星遙感數(shù)據(jù)提取研究區(qū)土地利用信息，進(jìn)而提取研究區(qū)藍(lán)綠空間。ZY-3數(shù)據(jù)來源于中國資源衛(wèi)星應(yīng)用中心（http://www.cresda.com.cn/），全色分辨率2.1 m，多光譜分辨率5.8 m，融合后分辨率2.1 m，具有紅、綠、藍(lán)和近紅外4個波段。遙感影像分別取自2016年5月21日和5月26日、2018年5月4日、2020年4月11日和2022年5月2日，研究區(qū)內(nèi)云量小于5%且可以較好地反應(yīng)出植被的覆蓋狀況。ZY-3遙感數(shù)據(jù)的空間分辨率較高，可以較為精確提取城市藍(lán)綠空間斑塊信息，北京春季物候始于4月初[27]，植被覆蓋地表信息可以識別，且城市內(nèi)不同季節(jié)水體范圍變化不大，本研究提取的藍(lán)綠空間可用于評估城市夏季藍(lán)綠空間降溫效應(yīng)。

ZY-3的數(shù)據(jù)預(yù)處理在ENVI5.3中完成，首先對多光譜影像進(jìn)行輻射定標(biāo)，將圖像的亮度和灰度值轉(zhuǎn)為絕對的輻射亮度，然后使用FLAASH工具實(shí)現(xiàn)多光譜影像的大氣校正，消除因大氣的反射和散射等造成的誤差，使用RPC Orthorectification Workflow工具進(jìn)行正射校正，以處理幾何畸變；全色影像需要進(jìn)行輻射定標(biāo)和正射校正處理。對處理好的多光譜影像和全色影像進(jìn)行配準(zhǔn)和融合。選取Gram-schmidt Pan Sharpening（GS）方法完成圖像融合，融合后遙感影像分辨率為2.1 m。對融合后的影像進(jìn)行裁剪，得到研究區(qū)域范圍的影像。2016年有兩景影像，需要先鑲嵌后裁剪。

根據(jù)研究區(qū)的遙感影像特征和實(shí)際情況，以及土地利用現(xiàn)狀分類標(biāo)準(zhǔn)（GB/T21010-2017），本研究將研究區(qū)的土地利用類型分為耕地、林地、草地、水域、建設(shè)用地和裸地6個類別，由于在建設(shè)期間，為防止施工中產(chǎn)生的浮塵、揚(yáng)塵造成空氣污染，會使用綠網(wǎng)覆蓋裸土，所以遙感影像中綠網(wǎng)覆蓋的地類劃分為裸土。本研究土地利用的分類方法主要是基于eCognition的面向?qū)ο蠓诸?，該方法主要包括了影像分割、地物分類提取兩個部分。首先將預(yù)處理后的遙感影像進(jìn)行多尺度分割，產(chǎn)生影像對象，分割尺度過大會導(dǎo)致質(zhì)異性；分割尺度過小，則會產(chǎn)生過多數(shù)量多邊形，導(dǎo)致同質(zhì)異譜現(xiàn)象的產(chǎn)生[28]。通過不斷的實(shí)驗與對比發(fā)現(xiàn)，本研究分割尺度參數(shù)設(shè)為200較為合適。因地物特征、空間分布方式等差異，每一地物類別都有相對獨(dú)立的專屬特征，從而與其他地物進(jìn)行區(qū)分[29]。分割后利用NDWI、NDVI等光譜特征以及紋理、形狀、空間信息等特征，通過閾值分類的方法，提取影像信息，結(jié)合eCognition規(guī)則集對影像進(jìn)行分類?；谕恋乩妙愋偷姆诸惤Y(jié)果，將研究區(qū)劃分為藍(lán)空間（水域）、綠空間（包括耕地、林地、草地）和其他空間（包括裸地、建設(shè)用地）這三類景觀。

為保證面向?qū)ο蠓诸惤Y(jié)果的精度，本研究對4期遙感影像的土地利用分類結(jié)果進(jìn)行精度評價。在ArcGIS中使用漁網(wǎng)工具生成共455個隨機(jī)樣本點(diǎn)，基于ZY-3高分辨率遙感影像生成驗證樣本，在eCognition中生成混淆矩陣對分類結(jié)果進(jìn)行分析，4期遙感圖像分類結(jié)果總體精度分別為：85.59%、83.90%、84.68%和87.83%，Kappa系數(shù)分別達(dá)到0.80、0.79、0.81和0.82。該分類結(jié)果可靠性較強(qiáng)且精確度較高。

1.2.2 藍(lán)綠空間景觀格局指數(shù)

景觀格局分析可采用景觀格局指數(shù)來進(jìn)行描述[30]，使用Fragstats來進(jìn)行計算[31]。根據(jù)景觀指數(shù)選取原則[32]，本研究選取斑塊數(shù)量（NP）、邊緣密度（ED）、面積加權(quán)的平均形狀指標(biāo)（SHAPE_AM）、聚集度指數(shù)（AI）這4個斑塊類型水平景觀格局指數(shù)（表1）用于分析藍(lán)綠空間景觀格局結(jié)構(gòu)特征，采用傳統(tǒng)的全局景觀指數(shù)計算方法來進(jìn)行計算分析；為了更準(zhǔn)確地反映景觀格局指數(shù)和地表溫度之間的關(guān)系，采用移動窗口法分別計算城市藍(lán)色空間、綠色空間和藍(lán)綠空間的景觀格局指數(shù)。

表1 景觀格局指數(shù)公式及生態(tài)學(xué)意義Tab. 1 The formula of landscape pattern index and its ecological significance

1.2.3 地表溫度反演

計算地表溫度所使用的數(shù)據(jù)來自Google Earth Engine（GEE） 中 提 供 的Landsat Collection2 Level-1數(shù)據(jù)集，該數(shù)據(jù)集是經(jīng)過準(zhǔn)確大氣校正后的遙感數(shù)據(jù)產(chǎn)品。有研究表明北京地區(qū)夏季城市熱島效應(yīng)顯著[33]，同時為了避免選取某一天數(shù)據(jù)波動不能代表一個季節(jié)的均值，本研究選取了研究區(qū)內(nèi)2016年、2018年、2020年、2022年這4個年份6月1日—9月30日的Landsat 8遙感影像，求取當(dāng)年夏季地表溫度均值。本研究采用大氣校正法[34]反演地表溫度。

1.2.4 藍(lán)綠空間的降溫效應(yīng)分析方法

為了分析藍(lán)綠空間的降溫效應(yīng)，本研究從分類統(tǒng)計不同景觀類型的地表溫度、景觀格局指數(shù)與地表溫度相關(guān)性兩個方面進(jìn)行分析。

首先，將地面溫度及不同用地類型數(shù)據(jù)進(jìn)行空間疊加，統(tǒng)計不同景觀類型的地表溫度。采用最小—最大值標(biāo)準(zhǔn)化（Min-Max Normalization）方法[35]對地表溫度進(jìn)行歸一化處理，以消除具體溫度值受天氣背景的影響。將研究區(qū)的景觀類型和歸一化后的地表溫度進(jìn)行空間疊加分析，探討不同景觀類型對地表溫度的影響。

其次，研究藍(lán)綠空間景觀格局特征對降溫效應(yīng)的影響，分析了藍(lán)空間、綠空間、藍(lán)綠空間協(xié)同降溫效應(yīng)。首先要計算景觀格局指數(shù)空間分布圖，土地利用分類數(shù)據(jù)空間分辨率為2.1 m×2.1 m，采用105 m×105 m移動窗口，從研究區(qū)左上角開始移動，每次移動1個柵格，計算每個窗口內(nèi)景觀指數(shù)值，并賦予各個窗口的中心柵格，最終獲得各個景觀格局指數(shù)的空間分布圖[36]。其次，在ArcGIS中利用漁網(wǎng)工具創(chuàng)建100 m×100 m的漁網(wǎng)，隨機(jī)選取1 154個樣本點(diǎn)，并將景觀格局指數(shù)計算結(jié)果和地表溫度反演結(jié)果鏈接至樣本點(diǎn)，導(dǎo)入SPSS軟件中采用Kolmogorov-Smirnov進(jìn)行數(shù)據(jù)的正態(tài)性檢驗，結(jié)果表明，除地表溫度以外，其他數(shù)據(jù)均不滿足正態(tài)分布，因此選擇Spearman相關(guān)系數(shù)進(jìn)行地表溫度與景觀格局指數(shù)的相關(guān)性分析。

2 結(jié)果與分析

2.1 藍(lán)綠空間景觀格局分析

研究區(qū)藍(lán)綠空間分布如圖2所示，用于分析北京城市副中心及周邊區(qū)域藍(lán)綠空間的時空變化。對于整個研究區(qū)，2016–2022年間，藍(lán)空間的面積占比在保持穩(wěn)定的同時逐漸增加，在2022年藍(lán)空間的面積占比最大，達(dá)到了5%，而綠空間的面積占比先減少后增加，在2020年占比最少，僅有30%，在2022年占比回升達(dá)到了40%。表明北京市城市副中心的生態(tài)建設(shè)在2022年已初見成效，藍(lán)空間和綠空間的面積占比在2022年都達(dá)到了研究時間段內(nèi)最高水平。對于整個研究區(qū)，2016年、2018年、2020年、2022年的綠空間面積依次為70.65 km2、66.48 km2、54.16 km2、71.33 km2；藍(lán)空間面積依次為7.66 km2、8.02 km2、7.54 km2、8.97 km2。

圖2 藍(lán)綠空間分布圖Fig. 2 Blue-green spatial distribution map

基于ArcGIS軟件和Fragstats平臺對研究區(qū)的藍(lán)空間、綠空間進(jìn)行景觀格局分析。水域（藍(lán)空間）和植被（綠空間）景觀指數(shù)結(jié)果見表2。2016–2022年，藍(lán)空間聚集度（AI）先上升，后下降，2020年聚集度達(dá)到最高，2022年稍有下降但高于2016年，說明城市副中心建設(shè)使藍(lán)空間朝著聚集的方向發(fā)展。邊緣密度（ED）、斑塊個數(shù)（NP）則是呈先下降，后上升的趨勢，且都在2022年達(dá)到最高，這表明在2018和2020年由于城市綠心森林公園、北京環(huán)球度假區(qū)等地的建設(shè)，藍(lán)空間的邊緣密度（ED）、斑塊個數(shù)（NP）發(fā)生下降，而在2022年建設(shè)基本完成，藍(lán)空間斑塊數(shù)量最多，但人類活動對藍(lán)空間的分割使藍(lán)空間的斑塊邊緣更加不規(guī)則。面積加權(quán)的平均形狀指標(biāo)（SHAPE_AM）在2016–2020年逐年下降，2022年有所上升，反映了建設(shè)期間藍(lán)空間斑塊形狀在2020年最規(guī)則，而在2022年由于城市綠心公園等地開園營業(yè)，使藍(lán)空間的斑塊形狀規(guī)則性稍有下降，但依然高于2016年。

2016–2022年，綠空間邊緣密度（ED）在2018年降到最低，2020年、2022年稍有增加，而且聚集度（AI）呈“上升—下降—上升”的波動變化，在2018年聚集度較高是因為這一年綠空間的斑塊數(shù)量較少且人類活動對綠空間的分割程度較小，在2020年聚集度大幅下降且在2022年回升到較穩(wěn)定的水平，反映了人類活動對綠空間的分割是朝著集聚、連片的方向發(fā)展的。斑塊個數(shù)（NP）呈先下降、后上升的趨勢，這表明在2018和2020年由于運(yùn)河周邊仍處于建設(shè)期間，相比于2016年綠空間的斑塊個數(shù)（NP）減少，而在2022年隨著建設(shè)逐步完成植被覆蓋有所回升。面積加權(quán)的平均形狀指標(biāo)（SHAPE_AM）在2016–2020年逐年下降，2022年上升，反映了建設(shè)期間綠空間斑塊形狀同藍(lán)空間變化一致，在2020年斑塊形狀最規(guī)則。

2.2 藍(lán)綠空間的降溫效應(yīng)分析

北京城市副中心及周邊地區(qū)地表溫度反演結(jié)果如圖3所示，可以看出：2016年，高溫區(qū)涉及面積較廣，在北部、西部、中南部和東南部成塊分布；2018年，高溫區(qū)域明顯減少，且主要集中在西部地區(qū)，中南部區(qū)域尤其是城市綠心森林公園區(qū)域內(nèi)，地表溫度顯著下降；2020年，北京環(huán)球度假區(qū)正在建設(shè)期間，導(dǎo)致該區(qū)域內(nèi)的地表溫度顯著上升，城市綠心公園開園，該區(qū)域地表溫度保持較低水平；2022年，伴隨著北京環(huán)球度假區(qū)正式開園，該區(qū)域的地表溫度也顯著下降。

圖3 2016–2022年地表溫度空間分布Fig. 3 Spatial distribution of land surface temperature during 2016-2022

將研究區(qū)的藍(lán)綠空間和歸一化后的地表溫度進(jìn)行空間疊加分析，可以展現(xiàn)出不同時期藍(lán)綠空間的地表溫度，從而更好地探討藍(lán)綠空間對地表溫度的影響。通過圖4可以發(fā)現(xiàn)：在這三種景觀類型中，藍(lán)空間的地表溫度最低，其次是綠空間，一定程度上反映了藍(lán)綠空間能夠起到降低地表溫度、緩解熱島效應(yīng)的作用；2016–2020年藍(lán)空間、綠空間和其他空間的地表溫度持續(xù)下降，但在2022年有所回升，說明從2018年開始城市副中心的建設(shè)使得地表溫度顯著下降，而在2022年隨著城市綠心公園和北京環(huán)球度假區(qū)開園，人流量、車流量增加，地表溫度也相較2020年稍有上升，但均低于2016年。

圖4 不同景觀類型的地表溫度箱線圖Fig. 4 Box plots of surface temperature for different land use types

以2016年為例，對景觀格局指數(shù)和地表溫度進(jìn)行相關(guān)性分析，以此探究藍(lán)空間、綠空間、藍(lán)綠空間協(xié)同降溫效應(yīng)。

根據(jù)分析結(jié)果（圖5）可知，藍(lán)綠空間中AI與其他三個景觀指數(shù)及地表溫度均呈負(fù)相關(guān)，說明藍(lán)綠空間的聚集度以及面積大小是影響其降溫效應(yīng)的關(guān)鍵因素之一。ED和SHAPE_AM都與地表溫度呈正相關(guān)，這兩項指標(biāo)反映了斑塊形狀的規(guī)則性，也表明人類活動對藍(lán)綠空間降溫效應(yīng)的影響，藍(lán)綠空間的斑塊邊緣不規(guī)則會降低其降溫效應(yīng)。在藍(lán)色空間中NP與地表溫度的相關(guān)性并不明顯，而在綠色空間中NP與地表溫度有較弱的正相關(guān)性，說明綠色空間越破碎，降溫效果越差，反之斑塊越大，降溫效果越好。藍(lán)色空間中AI、ED與地表溫度的相關(guān)性大于綠色空間和藍(lán)綠空間的，說明藍(lán)空間的聚集度和斑塊邊緣密度更能影響地表溫度。并且從整體上來看，藍(lán)綠空間協(xié)同降溫效應(yīng)要高于單獨(dú)的綠空間、藍(lán)空間的降溫效應(yīng)。

圖5 景觀格局指數(shù)與地表溫度相關(guān)性計算結(jié)果Fig. 5 Results of correlation calculation between landscape pattern index and land surface temperature

選取研究區(qū)中4個局部區(qū)域（位置見圖1）的地表溫度及藍(lán)綠空間景觀格局指數(shù)進(jìn)行空間展示（圖6），A區(qū)域位于城市綠心公園周邊，B區(qū)域位于通州大運(yùn)河森林公園下游地區(qū)，C區(qū)域位于五河交匯運(yùn)河商務(wù)區(qū)周邊，D區(qū)域位于運(yùn)潮減河地區(qū)，4個區(qū)域藍(lán)綠空間占比依次為57%、59%、65%、50%，地表溫度均值依次為30.86℃、30.89℃、31.02℃、30.96℃。其中，A區(qū)域地表溫度均值最低，而藍(lán)綠空間的占比并不是最高，藍(lán)綠空間景觀指數(shù)AI均值最高，ED、NP和SHAPE_AM均值最低 ，說明此區(qū)域的藍(lán)綠空間較為聚集，形狀較為規(guī)則；C區(qū)域的地表溫度均值最高，而藍(lán)綠空間的占比最高，藍(lán)綠空間景觀指數(shù)AI均值最低，ED、NP和SHAPE_AM均值最高，說明此區(qū)域的藍(lán)綠空間較為破碎，呈不規(guī)則分布。由此可知，提高藍(lán)綠空間的聚集度（AI）可以降低地表溫度，提高藍(lán)綠空間的破碎化（NP、SHAPE_AM）及邊緣的割裂程度（ED）會提高地表溫度，通過藍(lán)綠空間的景觀合理規(guī)劃與配置可以調(diào)解城市地表溫度，改善城市熱島效應(yīng)。

圖6 藍(lán)綠空間景觀格局指數(shù)與地表溫度Fig. 6 Blue-green spatial landscape pattern index and surface temperature

3 討論

本研究定量分析了2016年、2018年、2020年和2022年的藍(lán)綠空間分布以及藍(lán)綠空間景觀格局的時空變化。結(jié)果表明，2020年，北京城市副中心及周邊區(qū)域建設(shè)期間藍(lán)綠空間之外的其他用地類型面積最大，且主要集中在北京環(huán)球度假區(qū)和城市綠心森林公園區(qū)域內(nèi)，這主要是因為在建設(shè)期間，為防止施工中產(chǎn)生的浮塵、揚(yáng)塵造成空氣污染，會使用綠網(wǎng)覆蓋裸土，北京環(huán)球度假區(qū)累計綠網(wǎng)苫蓋量達(dá)28.6 km2。城市綠心森林公園的原址是東方化工廠，規(guī)劃總面積11.2 km2，是一處集生態(tài)修復(fù)、市民休閑、文化傳承于一體的城市森林公園。2022年，伴隨著城市綠心森林公園、北京環(huán)球度假區(qū)相繼開園，園區(qū)內(nèi)的其他用地轉(zhuǎn)變?yōu)樗{(lán)綠空間。城市綠心森林公園西北角為北京大運(yùn)河博物館、北京城市副中心圖書館和北京城市副中心劇院三大建筑。藍(lán)綠空間的變化與北京城市副中心的規(guī)劃基本相符。參考Liu等[37]的研究可知，到2035年北京城市副中心（通州區(qū)）的土地利用空間分布格局，在城鎮(zhèn)可持續(xù)發(fā)展情景下生態(tài)用地面積與分布最優(yōu)，最有利于實(shí)現(xiàn)城市可持續(xù)發(fā)展。

對北京城市副中心及周邊區(qū)域藍(lán)綠空間的景觀格局變化進(jìn)行分析，建設(shè)期間藍(lán)空間斑塊數(shù)量在增加的同時聚集度下降，說明北京城市副中心及周邊區(qū)域藍(lán)空間面積增加但分布較為分散。根據(jù)城市副中心的規(guī)劃可知，這是由于生態(tài)文明帶及其附近城市綠心森林公園、行政辦公區(qū)等民生共享組團(tuán)的建設(shè)，人類活動對該區(qū)域的切割程度最大。

將藍(lán)綠空間分布數(shù)據(jù)和地表溫度數(shù)據(jù)進(jìn)行空間疊加分析，分析藍(lán)綠空間的降溫效應(yīng)，發(fā)現(xiàn)藍(lán)空間和綠空間的地表溫度遠(yuǎn)低于其他景觀類型，2016–2022年期間，藍(lán)綠空間面積增加了1.98 km2，由于藍(lán)綠空間規(guī)模越大，其降溫能力越強(qiáng)[8]，反映了藍(lán)綠景觀通過蒸發(fā)和遮蔭在緩解城市熱島方面發(fā)揮著重要作用[38]，這也與謝軍飛等[39]對北京通州區(qū)（含北京城市副中心）地表溫度的分析結(jié)論相符。結(jié)合城市副中心的規(guī)劃可以發(fā)現(xiàn)，從2018年城市副中心的建設(shè)開始，運(yùn)河商務(wù)區(qū)和城市綠心地表溫度明顯降低，北京環(huán)球主題公園及度假區(qū)的地表溫度則是因建設(shè)先升高后逐漸降低，建設(shè)交通樞紐區(qū)和行政辦公區(qū)使該區(qū)域地表溫度逐步升高，宋莊文化創(chuàng)意產(chǎn)業(yè)集聚區(qū)建設(shè)完成后地表溫度明顯低于2016年。進(jìn)一步分析藍(lán)綠空間景觀格局的降溫效應(yīng)可以發(fā)現(xiàn)，藍(lán)綠空間的聚集度越大，面積越大，降溫效果越好；藍(lán)綠空間越破碎，人類活動對藍(lán)綠空間的分割程度越大，其降溫效果越差。而且在4個景觀格局指數(shù)中，聚集度（AI）與地表溫度的相關(guān)性最強(qiáng)，這與Estoque等[40]的研究結(jié)果一致，其中聚集度的相關(guān)性藍(lán)空間>藍(lán)綠空間>綠空間。

本研究選取了ZY-3衛(wèi)星數(shù)據(jù)作為土地利用解譯和藍(lán)綠空間景觀格局分析的基礎(chǔ)數(shù)據(jù)，該數(shù)據(jù)分辨率較高，研究結(jié)論比較真實(shí)、可靠。但本研究只選取了代表性較高的4個景觀格局指數(shù)，數(shù)量較少，在后續(xù)的研究中，可以盡可能多地選取不同類型的景觀指數(shù)，更加全面地分析藍(lán)綠空間的降溫效應(yīng)。除景觀格局角度以外，還有研究提出了從網(wǎng)絡(luò)角度考慮緩解城市熱島效應(yīng)，構(gòu)建的地表熱網(wǎng)框架可以為氣候適應(yīng)和城市可持續(xù)發(fā)展提供新的見解[41]。另外，藍(lán)綠空間的協(xié)同降溫效應(yīng)是一個比較復(fù)雜的生態(tài)過程，除自然因素外，還受到社會經(jīng)濟(jì)等因素的影響，后期應(yīng)專注于多角度多因子指標(biāo)的協(xié)同降溫作用。

4 結(jié)論

（1）2016–2022年，研究區(qū)藍(lán)空間的面積占比在保持穩(wěn)定的同時逐漸增加，綠空間的面積占比先減少后增加，且都在2022年都達(dá)到了研究時間段內(nèi)最高水平，藍(lán)綠空間的變化與規(guī)劃基本相符。

（2）根據(jù)景觀格局指數(shù)，2016–2022年，北京城市副中心及周邊區(qū)域藍(lán)綠空間景觀格局中各斑塊類型在景觀中的分布越來越均衡，人類活動對藍(lán)空間和綠空間的分割朝著聚集、連片的方向發(fā)展，規(guī)劃批復(fù)后人類活動對藍(lán)綠空間的影響較大。

（3）基于地表溫度（LST）對北京城市副中心及周邊區(qū)域藍(lán)綠空間的降溫效應(yīng)進(jìn)行分析，藍(lán)空間和綠空間的地表溫度遠(yuǎn)低于其他景觀類型，說明藍(lán)綠空間在一定程度上能夠起到降低地表溫度、緩解城市熱島效應(yīng)的作用，且建設(shè)期間人類活動會使地表溫度上升，隨建設(shè)完成后逐漸下降。

（4）相對于藍(lán)空間、綠空間單獨(dú)的降溫效應(yīng)，藍(lán)綠空間整體的降溫效應(yīng)更為顯著，聚集度指數(shù)AI和形狀類指數(shù)SHAPE_AM、ED是降溫效應(yīng)的主要影響因素。

綜上所述，北京城市副中心及周邊區(qū)域藍(lán)綠空間的建設(shè)整體上在空間占比、景觀格局、改善熱環(huán)境方面都朝著越來越好的方向穩(wěn)定發(fā)展，可以通過提高藍(lán)綠空間的聚集度，減少對藍(lán)綠空間的破壞、割裂，降低其破碎化程度來提高藍(lán)綠空間的降溫效果。

注：圖1底圖源于中國資源衛(wèi)星應(yīng)用中心（http://www.cresda.com.cn/）；其余圖表均由作者繪制。