基于遥感反演的江南水网地区...季降温的影响与尺度效应分析_朱雯.pdf

第42卷 第4期2023年 7月华中农业大学学报Journal of Huazhong Agricultural UniversityVol.42 No.4July 2023，8697基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析朱雯1，2，王敏1，31.高密度人居环境生态与节能教育部重点实验室（同济大学）水绿生态智能分实验中心，上海 200092；2.广州市城市规划勘测设计研究院，广州 510030；3.同济大学建筑与城市规划学院，上海 200092摘要 为探索提升江南水网地区城镇蓝绿空间格局降温效应的空间尺度差异性，提升城镇蓝绿空间的降温效应。以昆山市为例，利用遥感数据和辐射传输方程法进行地表温度反演，在市域和城区2个尺度下分别构建城镇蓝绿空间格局与夏季降温效应度量指标的相关性分析与增强回归树模型，揭示了江南水网地区影响夏季降温效应的城镇蓝绿空间格局关键因子及重要性排序，并对比研究其降温效应的空间尺度差异性。结果显示：市域尺度下，蓝绿空间格局对夏季最高地表温度影响的相对贡献率高于10%的指标有4个，影响程度依次为：水体形状指数蓝绿空间占比滨水绿地宽度水体聚集度；蓝绿空间格局对冷岛强度影响的相对贡献率高于10%的指标有3个，影响程度依次为：滨水绿地宽度水体形状指数蓝绿空间占比。城区尺度下，蓝绿空间格局对夏季最高地表温度影响的相对贡献率高于10%的指标有5个，影响程度依次为：水体聚集度水体平均斑块面积指数绿地率水面率水体形状指数；蓝绿空间格局对冷岛强度影响的相对贡献率高于10%的指标有2个，影响程度为：绿地聚集度蓝绿空间占比。研究表明，蓝绿空间格局特征与夏季降温的相关程度和贡献率水平均具有显著的尺度效应。关键词 蓝绿空间；降温效应；空间格局；地表温度反演；尺度效应中图分类号 TU985 文献标识码 A 文章编号 1000-2421（2023）04-0086-12气候变化正深刻影响着全球政治、经济与社会环境安全。世界经济论坛最新发布的 2022年全球风险报告 将应对气候行动失败、极端天气事件列入未来10 a内最紧要的全球十大风险。城镇人口的快速增长、不透水面增加和温室气体大量排放造成城镇气候的显著变化，导致夏季热岛效应逐渐加剧，极端高温事件的频率、强度和持续时间显著增加，严重影响居民健康和城市整体环境质量1。城镇蓝绿空间作为城镇生态系统和人居环境的重要组成部分，承载着多种发挥降温作用的生态过程，其系统性、多样性和连通性在很大程度上受人类活动影响，相比改造地表材料，更具备成本效益、生态友好性和可操作性2。在国土空间强调蓝绿统筹营建的背景下，在各种利益冲突下的需求博弈中，蓝绿空间格局和配置优化成为城市应对气候环境问题的重要途径，有利于构建组分镶嵌、结构融合、功能互补、服务协同的高质量人居空间体系。城镇蓝绿空间是指城镇中由园林绿地、城市森林、立体绿化、都市农田和水域湿地等构成的网络系统，是城镇空间的重要组成部分3，具有较强的降温效应。其中，绿地的降温功能来源于植被的蒸腾和遮蔽，对太阳辐射的选择性吸收与反射4；水体由于具有高热容量、高热惯性和低热传导率，是城镇日间降温的重要因素，此外水体通过蒸发、蒸散和形成通风廊道、促进空气流动也起到降温作用5。尺度特征是指在某一特定的尺度上，各个要素的排列组合方式呈现出特殊性的格局，景观格局、生态过程及其相互关系的研究都依赖于一定的研究尺度，而尺度效应是指不同尺度下的景观格局、生态过程会发生较大的变化，具有明显的尺度依赖性6。收稿日期：2022 10 27基金项目：国家自然科学基金面上项目（52178053）朱雯，E-mail：通信作者：王敏，E-mail：朱雯，王敏.基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析 J.华中农业大学学报，2023，42（4）：8697.DOI：10.13300/ki.hnlkxb.2023.04.010目前国内外关于绿地或者水体降温效应的定性及定量研究较多，笔者梳理现有文献的研究尺度发现，城市层面的研究更关注蓝绿空间的规模特征，街区尺度的研究则纳入较多分布和形状特征因子，更小尺度的研究还涉及到绿廊连通性、天空视域因子、植被表面反照率等因子7，但对不同尺度空间的差异性和对比研究较少。此外，由于城镇蓝绿空间特征与降温效应之间并非线性相关，既有研究中常用的参数回归等方法难以准确揭示其中的影响规律8，而增强回归树模型能够解决复杂的非线性问题，且具有准确性高、灵活性和稳定性强等特点，已在城市扩张9、流域水体污染10、大气污染11、城市热岛效应12等研究中加以应用。基于此，本研究关注城镇蓝绿空间的“量（规模）、构（分布）、形（形状）”及其相互关系等空间格局特征对地表温度的影响，以江苏省昆山市为例，运用增强回归树模型展开实证研究，旨在量化揭示江南水网地区影响城镇夏季降温效应的蓝绿空间格局关键因子和相对贡献率。由于热环境具有尺度依赖性，为了将研究成果应用于国土空间规划气候适应性的上下级联动，研究同时在市域和城区2个尺度展开，通过对比城镇蓝绿空间格局夏季降温效应的空间尺度差异性，为不同尺度下营造城镇人居热舒适环境提供实践参考。1材料与方法1.1研究区域与研究尺度研究区域江苏省昆山市位于太湖和上海河口冲积平原之间，是典型的江南水网城市，具体针对昆山市的蓝绿空间开展研究。昆山市河流密布、塘浦纵横、蓝绿交织，全市现有湖泊 38 个，各级河道 2 815条、总长超过2 800 km，丰富的蓝绿空间格局为本研究提供良好的基础条件。为考察江南水网地区蓝绿空间格局对夏季降温的影响规律与尺度效应特征，本研究分别在市域和城区2个尺度下进行数据采集和分析。其一，市域尺度的研究范围是昆山市市域范围，总面积 931.51 km2，其中，蓝绿空间面积共 526.9 km2，占总面积的56.56%。为便于数据采集、城镇蓝绿空间特征测算和后续规划传导以及落实蓝绿空间优化内容，本研究依据 昆山市城市总体规划（20162035）中的控规单元边界，并在该研究尺度划分形成71个研究单元，平均规模为13.15 km2（图1），其中，图1的底图来源于国家标准地图服务系统（http：/ S（2021）024 号。其二，城区尺度关注集中建设的高密度城区，选取9个城镇综合控规单元作为研究范围，总面积为110.1 km2，其中蓝绿空间面积共 42.09 km2，占总面积的38.23%。该研究范围包含河流、湖泊、不同尺度的面状绿地、沿道路和河流的带状绿地，以及广泛分布的点状附属绿地，在功能不同的组团内形成丰富的蓝绿空间分布。在控规单元划分基础上，进一步细分形成50个组团单元作为研究单元，平均规模为2.18 km2（图1B）。图1 市域尺度（A）和城区尺度（B）的研究范围、蓝绿空间分布与研究单元划分Fig.1 Research scope，blue-green spatial distribution and division of research units at city scale（A）and urban scale（B）第 4 期朱雯 等：基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析目前国内外关于绿地或者水体降温效应的定性及定量研究较多，笔者梳理现有文献的研究尺度发现，城市层面的研究更关注蓝绿空间的规模特征，街区尺度的研究则纳入较多分布和形状特征因子，更小尺度的研究还涉及到绿廊连通性、天空视域因子、植被表面反照率等因子7，但对不同尺度空间的差异性和对比研究较少。此外，由于城镇蓝绿空间特征与降温效应之间并非线性相关，既有研究中常用的参数回归等方法难以准确揭示其中的影响规律8，而增强回归树模型能够解决复杂的非线性问题，且具有准确性高、灵活性和稳定性强等特点，已在城市扩张9、流域水体污染10、大气污染11、城市热岛效应12等研究中加以应用。基于此，本研究关注城镇蓝绿空间的“量（规模）、构（分布）、形（形状）”及其相互关系等空间格局特征对地表温度的影响，以江苏省昆山市为例，运用增强回归树模型展开实证研究，旨在量化揭示江南水网地区影响城镇夏季降温效应的蓝绿空间格局关键因子和相对贡献率。由于热环境具有尺度依赖性，为了将研究成果应用于国土空间规划气候适应性的上下级联动，研究同时在市域和城区2个尺度展开，通过对比城镇蓝绿空间格局夏季降温效应的空间尺度差异性，为不同尺度下营造城镇人居热舒适环境提供实践参考。1材料与方法1.1研究区域与研究尺度研究区域江苏省昆山市位于太湖和上海河口冲积平原之间，是典型的江南水网城市，具体针对昆山市的蓝绿空间开展研究。昆山市河流密布、塘浦纵横、蓝绿交织，全市现有湖泊 38 个，各级河道 2 815条、总长超过2 800 km，丰富的蓝绿空间格局为本研究提供良好的基础条件。为考察江南水网地区蓝绿空间格局对夏季降温的影响规律与尺度效应特征，本研究分别在市域和城区2个尺度下进行数据采集和分析。其一，市域尺度的研究范围是昆山市市域范围，总面积 931.51 km2，其中，蓝绿空间面积共 526.9 km2，占总面积的56.56%。为便于数据采集、城镇蓝绿空间特征测算和后续规划传导以及落实蓝绿空间优化内容，本研究依据 昆山市城市总体规划（20162035）中的控规单元边界，并在该研究尺度划分形成71个研究单元，平均规模为13.15 km2（图1），其中，图1的底图来源于国家标准地图服务系统（http：/ S（2021）024 号。其二，城区尺度关注集中建设的高密度城区，选取9个城镇综合控规单元作为研究范围，总面积为110.1 km2，其中蓝绿空间面积共 42.09 km2，占总面积的38.23%。该研究范围包含河流、湖泊、不同尺度的面状绿地、沿道路和河流的带状绿地，以及广泛分布的点状附属绿地，在功能不同的组团内形成丰富的蓝绿空间分布。在控规单元划分基础上，进一步细分形成50个组团单元作为研究单元，平均规模为2.18 km2（图1B）。图1 市域尺度（A）和城区尺度（B）的研究范围、蓝绿空间分布与研究单元划分Fig.1 Research scope，blue-green spatial distribution and division of research units at city scale（A）and urban scale（B）87第 42 卷 华 中 农 业 大 学 学 报1.2研究数据采集研究所需数据包括基础地理信息数据、气象数据和绿地水体数据3部分，数据来源包括：（1）2021年8月26日10：30的Landsat 8 OLI_TIRS卫星遥感数据，源自地理空间数据云；（2）2021年8月26日10：30国家气象信息中心的1 km气象实况网格数据，用于可靠性验证；（3）研究范围内的绿地和水体分布，来源为相关部门提供的土地利用数据，本研究结合遥感解译和卫星图进行小微绿地的补充和修正；（4）其余数据均由昆山市相关部门提供及实地踏勘获得。1.3研究方法研究的基本思路是契合国土空间规划的上下级联动需求，在市域和城区2个尺度揭示并比较作为解释变量的城镇蓝绿空间格局与作为响应变量的夏季降温效应之间的关系。其主要步骤包括：（1）基于土地利用数据，利用Fragstats和ArcGIS工具分析得到市域尺度和城区尺度的蓝绿空间格局特征；（2）收集卫星遥感数据、利用辐射传输方程法获取不同尺度下的地表温度，并计算降温效应度量指标；（3）利用相关性分析筛选出不同尺度下具有显著影响特征的因子，将其带入增强回归树模型，确定各因子的相对贡献率；（4）通过对比研究，总结归纳蓝绿空间格局影响夏季降温的尺度效应，并提出规划设计优化策略（图2）。1）蓝绿空间格局指标选取与测算方法。蓝绿空间的景观组成、空间形态、空间位置和邻接关系对热环境存在较大影响6，研究分别从规模特征、分布特征、形状特征和蓝绿关系 4个维度遴选出与地表温度相关性较高的8个绿地格局特征、8个水体格局特征和 4 个蓝绿关系特征，构成研究的指标体系（表1）。2）夏季降温效应度量指标与测算方法。研究选取平均冷岛强度和最高地表温度双指标对城市夏季降温进行度量，前者量化各尺度单元内蓝绿空间的整体降温效应，后者分析蓝绿空间对局部高温的缓解能力。其中平均冷岛强度的计算公式21为：IUC，mean=Tmean=T-Ti(T0)（1）其中，T=1nTi/n为研究区域内的平均温度，-Ti是第i个单元的平均温度。目前，城镇热环境的测度方法主要包括3种，其中，地面气象观测技术主要应用于若干定点的热环境研究；热红外遥感技术主要应用于分析空间尺度较大的地表温度情况，获取的数据具有连续性、完整性和实时性；而数值模拟技术主要应用于高精度、小范围内的研究22。常见的热红外遥感数据中，图2 技术路径示意图Fig.2 Technical path diagram88第 4 期朱雯 等：基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析表1蓝绿空间格局指标Table 1Blue-green spatial pattern index变量类别Variable class规模特征Scale characteristics分布特征Distribution characteristics形状特征Shape characteristics蓝绿关系Blue-green relation指标 Index斑块所占景观面积比例13 PLAND(PLAND)最大斑块面积指数13 LPI(ILP)平均斑块面积指数14 MPI(IMP)斑块密度15PD(DP)整体连接度14 CONNECT(C)聚集度指数16AI(IA)外切圆指数14 RCC(RCC)形状指数16LSI(ILS)蓝绿面积比19 AR_gw蓝绿空间占比17 Pg,w蓝绿融合度18 Ig,w滨水绿地平均宽度20 Wg,w计算方式 Formula modePLAND=Pi=j=1nai,jAi100其中，Ai为研究单元i的面积，m2；ai,j为单元i中斑块j的面积,m2。ILP=ai,j(max)Ai100其中，ai,j(max)为研究单元i中的最大斑块j的面积,m2；Ai为研究单元i的面积,m2。IMP=j=1nai,jnAi100其中，n为空间单元i中斑块个数；ai，j为单元i中斑块j的面积,m2；Ai为研究单元i的面积,m2。DP=niAi10000其中，ni为空间单元i中斑块个数；Ai为研究单元i的面积，m2。C=jkncj,kni()ni-12100其中，ni为空间单元i中斑块个数；cj，k表示斑块j和斑块k之间的连接。IA=|gi,imaxgi,i|其中，gi,i为斑块类型的相似邻接斑块数量；maxgi,i为斑块类型的最大可能相似邻接斑块数量。RCC=j=1n()1-ai,jaSi,jn其中，n是空间单元i中某种斑块个数；ai,j是空间单元i中斑块j的面积，m2；aSi,j为空间单元i中斑块j的最小外切圆面积，m2。ILS=0.25Ei,jai,j其中，Ei,j为单元i中斑块j的总长度，m；ai,j为单元i中斑块j的总面积，m2。ARg,w=ai,gai,w其中，ai,g为空间单元i中绿地斑块总面积，m2；ai,w为空间单元i中水体总面积，m2。Pg,w=j=1nai,g,j+k=1mai,w,kAi100其中，ai,g,j为空间单元i中绿地斑块j的面积，m2；ai,w,k为空间单元i中水体斑块k的面积，m2；Ai为空间单元i的总面积，m2。Ig,w=Ag,w30Aw30其中，Ag,w30为水系两岸各30 m范围内的绿地面积，m2；Aw30为水系两岸30 m范围的总面积，m2。Wg,w=Ag,wLw其中，Ag,w是研究单元i中与水体相邻的绿地面积，m2；Lw是研究单元i中水体总长度，m。指标描述 Indicator description量化空间单元中各类斑块类型的丰度比例。具体分为绿地斑块所占景观面积比、水体斑块所占景观面积比计算。衡量空间单元中最大的斑块规模。具体分为绿地最大斑块面积指数、水体最大斑块面积指数计算。衡量空间单元中斑块的平均规模，具体分为绿地平均斑块面积指数、水体平均斑块面积指数计算。单位面积内某种斑块的个数，能够反映某种斑块在建成环境中分布的密集程度，具体分为绿地斑块密度、水体斑块密度计算。衡量蓝绿空间网络连接性的指标，具体分为绿地整体连接度、水体整体连接度计算。衡量空间单元中景观类型斑块间的连通性，具体分为绿地聚集度指数、水体聚集度指数计算。等于1减去其面积与其最小外切圆面积的比值，能够表征斑块的线性程度，具体分为绿地外切圆指数、水体外切圆指数计算。通过计算某一斑块形状与相同面积的圆或正方形之间的偏离程度来反映空间单元中斑块的变异性，具体分为绿地形状指数、水体形状指数计算。衡量空间单元中绿地面积与水体面积的比值。衡量空间单元中生态空间的总占比。衡量城市水生生态系统和陆生生态系统的衔接和过渡。表征滨水绿地规模特征和滨水绿线控制水平。注：规模特征、分布特征和形状特征均分为绿地格局指数和水体格局指数分别计算。Note：The scale characteristics，distribution characteristics and shape characteristics were divided into green space pattern index and water pattern index.89第 42 卷 华 中 农 业 大 学 学 报Landsat 8精度最高，可达30 m。地表温度反演是分析热红外遥感技术的主要方式，包括单波段、双波段和多波段算法，其中单波段算法较适合Landsat 8数据，相关研究表明单波段算法中辐射传输方程法的精度相对较高23。因此，本研究选取辐射传输方程法，对Landsat 8 OLI_TIRS数据进行地表温度反演，获得城市地表温度。辐射传输方程法又称大气校正法，其主要依据为普朗克辐射函数公式，它准确描述了物体热辐射亮度、波长与温度之间的关系。地表温度可以根据普朗克反函数公式计算：TS=K2ln K1B()TS+1（2）式（2）中，K1和K2为辐射常数，对于 Landsat 8 TIRS10，K1等于 774.89，K2等于 1 321.08；B(TS)为黑体在热红外波段的辐射亮度，其计算公式为：B(TS)=L-L-()1-L()（3）式（3）中，L为热红外辐射亮度值，L为大气下行辐射，L为大气上行辐射，为地表比辐射率，为大气在热红外波段的透过率。在 ENVI 5.3中将遥感影像分为水体、自然表面和城镇 3种类型，分别计算其值。在 NASA 官网的大气校正参数计算器中输入成影时间 2021 年 8 月 26 日 10：30，数据 类 型 Landsat 8 OLI_TIRS，中 心 经 度120.399 5，中心纬度 31.738 2，计算得到为0.50，L为 4.15 W/（m2 sr m），L为 6.23 W/（m2sr m）。3）相关性分析与增强回归树模型构建。研究以20个蓝绿空间格局表征因子（包括8个绿地格局特征、8个水体格局特征和4个蓝绿关系特征）为自变量，以最高地表温度和平均冷岛强度为因变量进行相关性分析和模型构建。主要包括4个步骤：（1）采用非参数检验的K-S检验判断变量是否符合正态分布；（2）对20个蓝绿空间格局指标与2个热环境度量指标进行两两相关性检验，符合正态分布的数据采用Pearson相关性分析，不符合的采用Spearman相关性分析；（3）为保证解释变量不冗余，使回归模型有参考意义，通过共线性诊断检验各因子间的相互独立性；（4）增强回归树（BRT）模型分析。BRT模型结合统计学和回归树算法的优势，通过对数据集的多次重复随机选择和交叉验证来生成多元回归树，有助于提高预测精度24。研究运用BRT模型分析蓝绿空间格局指标对城镇夏季降温的相对贡献率，获得各指标的重要性排序。2结果与分析2.1多尺度下的蓝绿空间格局特征1）市域尺度下的蓝绿空间格局特征。通过Fragstats和ArcGIS对蓝绿空间格局特征指标进行计算，可知各研究单元的蓝绿空间格局特征差异较大。从蓝绿空间的规模来看，市域尺度下各单元绿地率为12.55%93.42%，水面率为 1.39%53.81%，单元间呈现明显差异；绿地的平均斑块面积指数和最大斑块面积指数均呈现南北两端较高、中部较低的特征；水体斑块规模比绿地大，整体呈现西高东低的特征，其中西南部水体斑块面积最大。分析蓝绿空间的分布特征，发现高密度城区的蓝绿斑块密度高，但较为分散破碎、连通性较低。从蓝绿空间的形状特征来看，高密度城区的蓝绿空间形状较为复杂，高密度城区外的绿地更接近线型，而南北两端及东部的单元内水体更接近线型。各单元间的蓝绿关系特征差异较大，蓝绿面积比西侧较大，东侧水面逐渐减少，绿地占比较大；蓝绿总占比呈现西高东低、南高北低的特征；南部和西北部单元的蓝绿融合度较高，东部单元较低；滨水绿地平均宽度为7.3729.0 m，空间分布呈现东部滨水绿地较宽，中部高密度城区的滨水绿地相对较窄。2）城区尺度下的蓝绿空间格局特征。在城区尺度下对研究范围内各组团单元的蓝绿空间格局特征进行分析，可知：规模特征方面，各单元绿地率为7.97%62.13%，水面率为4.57%24.85%，单元间差异较大，空间分布上呈现西南和东北部的绿地率较高，西北和东南部的水面率较高；各单元的绿地最大斑块面积指数、蓝绿平均斑块面积指数差异性均较大，其中西南部单元的绿地最大斑块面积指数较高；绿地平均斑块面积指数远低于水体。分布特征中，绿地斑块密度远高于水体，绿地斑块密度呈现中部个别单元高、四周低的特征，中部单元绿地较为分散，靠近四周的单元连通性较高；水体连通性呈现西南、南部较大的特征，汉浦塘、青阳港和娄江流经单元及西南部农田水系的连通性较高，玉湖公园、娄江和青阳港所在单元的水体聚合度较高。从形状指标来看，中部单元的绿地边缘较为复杂，而东部和北部单元内的绿地较接近线型；西侧单元水体的形状较东侧更加曲折自然，中部和北部单元的水体更接近线型。蓝绿关系方面，绿地占比更高的单元集中分布在中部区域，单元内河流狭窄，但附属绿地丰富；西侧的蓝绿空间相较东侧更加丰富；西部和东北部90第 4 期朱雯 等：基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析单元的蓝绿融合度较高，滨水绿地较宽。2.2多尺度下的夏季热环境空间分布特征1）地表温度反演结果可靠性验证。本研究运用国 内 外 相 关 研 究 常 用 的 均 方 根 误 差（root mean square error，ERMS）和平均绝对百分比误差（mean absolute percentage error，EMAP）来验证地表温度反演结果的可靠性。ERMS和EMAP能够反映反演值偏离实测值的程度，二者的值越小，代表反演的精度越高。ERMS=1ni=1n(yi-yi)2（4）EMPA=1ni=1n|yi-yjyi100%（5）式（4）、（5）中，yi为反演值，yi为实测值，n为样本数量。对比昆山市高密度城区气象实况网格数据与根据地表温度反演结果推算的空气温度，辐射传输方程法反演结果的ERMS为0.84 （小于1），EMAP为3.86%（小于5%），说明实测值和反演的结果误差较小，反演结果能较好地反映城市热环境。2）市域尺度热环境总体特征。根据反演结果，昆山市市域尺度的地表温度分布整体呈现北高南低的特征，集中建成区内地表温度较高，南部水乡片区较低（图3）。地表温度范围为10.2455.19，平均地表温度为29.64。对各控规单元的最高地表温度进行统计，可知其平均值为40.97，高密度城区周边的工业园和产业园的最高地表温度较其中心更高。各 单 元 的 平 均 冷 岛 强 度 分 布 在 9.0710.29，南部澄湖与淀山湖周边的低温区更加明显，北部东西两翼的冷岛强度较高。3）城区尺度热环境总体特征。城区尺度研究范围内的地表温度介于 21.2952.94，平均值为33.64，较市域尺度下整体地表温度高4，空间分布呈现中北部温度高、东部低的特征。对各组团单元的地表温度最大值进行统计，可知地表温度呈现北高南低的特征，最高地温较大的单元集中在正北部的工业园、产业园内。各组团单元的冷岛强度平均值为0.11，分布范围为6.233.2，共有29个组团单元的冷岛强度值为正，空间分布呈现东部和南部单元冷岛强度高的特征（图4）。2.3城镇蓝绿空间格局与夏季降温的相关性对比市域和城区2个尺度下昆山市蓝绿空间规模特征与城市热环境的相关性分析结果（表2）可知：市域尺度和城区尺度下绿地规模较水体规模对城镇热环境的影响更大。其中，绿地平均斑块面积指数在市域尺度对夏季降温的影响较大，水体最大斑块面积指数和平均斑块面积指数在市域尺度下与冷岛强度平均值呈现极显著正相关。对比2个尺度下蓝绿空间分布特征与城市热环境的相关性分析结果（表3）可知，蓝绿空间分布特征对城市热环境的相关性比蓝绿空间规模特征弱，其中绿地分布指标与市域尺度下的城市热环境相关性强，但城区尺度下仅绿地聚集度指数与冷岛强度平均值的相关性较强；水体分布指标中仅聚集度指数与地表温度最大值存在显著相关性。对于2个尺度下蓝绿空间的形状特征与城市热环境的相关性分析结果（表4）可知，绿地形状特征与市域尺度城镇热环境的相关性高，但在城区尺度仅图3 市域尺度整体地表温度（A）、最高地表温度（B）、平均冷岛强度（C）分布图Fig.3 Distribution of global surface temperature（A），maximum surface temperature（B）and mean cold island intensity（C）at city scale91第 42 卷 华 中 农 业 大 学 学 报图4 城区尺度整体地表温度（A）、最高地表温度（B）、平均冷岛强度（C）分布图Fig.4 Distribution of global surface temperature（A），maximum surface temperature（B）and mean cold island intensity（C）at urban scale表2蓝绿空间规模特征对城市热环境影响的相关性分析Table 2Correlation analysis of the influence of blue-green spatial scale characteristics on urban thermal environment蓝绿空间规模指标Blue-green space scale index绿地率PLAND_G绿地最大斑块面积指数LPI_G绿地平均斑块面积指数MPI_G水面率PLAND_W水体最大斑块面积指数LPI_W水体平均斑块面积指数MPI_W相关系数 Correlation coefficient地表温度最大值 LSTmax市域尺度City scale0.348*0.439*0.413*0.317*0.351*0.198城区尺度Urban scale0.526*0.364*0.0240.315*0.302*0.126冷岛强度平均值 UCImean市域尺度City scale0.454*0.522*0.591*0.344*0.363*0.439*城区尺度Urban scale0.439*0.510*0.355*0.340*0.2150.041注：*表示在0.01水平极显著相关，*表示在0.05水平显著相关。Note：*means significant correlation at level 0.01，*means significant correlation at level 0.05.下同 The same as below.表3蓝绿空间分布特征对城市热环境影响的相关性分析Table 3Correlation analysis of the influence of blue-green spatial distribution characteristics on urban thermal environment蓝绿空间分布指标Blue-green spatial distribution index绿地斑块密度 PD_G绿地整体连接度 CONNECT_G绿地聚集度指数 AI_G水体斑块密度 PD_W水体整体连接度 CONNECT_W水体聚集度指数 AI_W相关系数 Correlation coefficient地表温度最大值 LSTmax市域尺度City scale0.377*0.325*0.383*0.1060.0090.418*城区尺度Urban scale0.0480.0990.0010.1070.2620.317*冷岛强度平均值 UCImean市域尺度City scale0.547*0.386*0.508*0.345*0.1180.422*城区尺度Urban scale0.2590.0480.566*0.2570.288*0.233表4蓝绿空间形状特征对城市热环境影响的相关性分析Table 4Correlation analysis of the influence of blue-green spatial shape characteristics on urban thermal environment蓝绿形状指标Blue-green shape index绿地外切圆指数RCC_G绿地形状指数LSI_G水体外切圆指数RCC_W水体形状指数LSI_W相关系数Correlation coefficient地表温度最大值LSTmax市域尺度City scale0.338*0.380*0.0610.485*城区尺度Urban scale0.1440.0280.2330.418*冷岛强度平均值UCImean市域尺度City scale0.487*0.454*0.1880.511*城区尺度Urban scale0.0270.393*0.342*0.05292第 4 期朱雯 等：基于遥感反演的江南水网地区城镇蓝绿空间格局对夏季降温的影响与尺度效应分析绿地形状指数与冷岛强度平均值显著负相关；水体形状指数在不同尺度下与地表温度最大值均显著相关，但其相关性相反，在市域尺度下水体边缘越复杂地表温度越高，但在城区尺度下形状越复杂越有利于降温。对比2个尺度下蓝绿空间关系特征与城市热环境的相关性分析结果（表 5）可知，蓝绿面积比与夏季热环境的相关性较低；而蓝绿空间总占比在不同尺度下与地表温度最大值和冷岛强度平均值均呈极显著相关；蓝绿融合度在市域尺度与热环境指标的相关性较强，在城区尺度较弱；滨水绿地平均宽度在市域尺度与热环境指标极显著相关，在城区尺度下仅与冷岛强度平均值极显著相关，说明在城区尺度下滨水绿地越宽，对整体温度的调控作用越强。2.4城镇蓝绿空间格局对夏季降温相对贡献率的尺度效应将显著相关且通过共线性诊断的蓝绿空间格局指标代入增强回归树（BRT）模型分析，结果显示：城镇蓝绿空间格局对于夏季最高地表温度的影响方面，市域尺度下相对贡献率高于 10%的有 4 个指标，根据重要性排序为：水体形状指数蓝绿空间占比滨水绿地宽度水体聚集度；城区尺度下有5个指标的相对贡献率高于10%，其重要性排序为：水体聚集度水体平均斑块面积指数绿地率水面率水体形状指数（图5）。城镇蓝绿空间格局对最高地表温度的相对贡献率呈现较强的尺度效应，在2种尺度下水体格局的表现均优于绿地格局，优化水体规模、分布和形状对最高地表温度的缓解更有效。蓝绿关系是市域尺度下的主导因素，水体形状和水体分布次之，绿地形状和分布影响较小；水体规模是城区尺度下的主导因素，相对贡献率总和高于 30%，其次是水体分布、绿地规模和水体形状特征，蓝绿关系特征在城区尺度下的相对贡献率较低。城镇蓝绿空间格局对于冷岛强度平均值的影响方面，市域尺度下相对贡献率高于10%的蓝绿格局指标有3个，其重要性排序为：滨水绿地平均宽度水体形状指数蓝绿空间占比；城区尺度下相对贡献率高的2个主导指标是绿地聚集度和蓝绿空间占比（图6）。城镇蓝绿空间格局对冷岛强度平均值的相对贡献率呈现较强的尺度效应，蓝绿关系特征对市域尺度下冷岛强度平均值的相对贡献率总和高于 40%，而 在 城 区 尺 度 下 相 对 贡 献 率 总 和 为27.7%，原因可能是高密度城区内绿色空间与蓝色表5蓝绿关系特征对城市热环境的相关性分析Table 5Correlation analysis of blue-green relationship characteristics to urban thermal environment蓝绿关系指标Blue-green relation index蓝绿面积比 ARg,w蓝绿空间总占比 Pg,w蓝绿融合度 Ig,w滨水绿地平均宽度 Wg,w相关系数Correlation coefficient地表温度最大值LSTmax市域尺度City scale0.0280.483*0.312*0.446*城区尺度Urban scale0.1940.524*0.2530.181冷岛强度平均值UCImean市域尺度City scale0.0600.593*0.402*0.621*城区尺度Urban scale0.1860.449*0.2430.412*A：市域尺度 City scale；B：城区尺度 Urban scale.图5 城镇蓝绿空间格局影响夏季最高地表温度的相对贡献率Fig.5 Relative contribution rate of urban blue-green spatial pattern to summer maximum land surface temperature93第 42 卷 华 中 农 业 大 学 学 报空间的联系不够紧密，城市降温主要依靠合理的绿地布局。3讨论本研究通过遥感反演、增强回归树模型分析相结合的方法，初步探讨了蓝绿空间的规模、分布和形状特征对夏季降温效果的影响规律，明晰各个指标的重要程度，并对市域和城区 2个尺度进行对比研究。研究表明，不同尺度的生态空间格局和生态服务存在明显差异，形成生态空间的尺度效应；城市地表热环境与各类地表特征参数的相关性在不同尺度数据中表现的规律具有较大差异性。蓝绿空间关系是市域尺度下能够有效降低局部高温的关键蓝绿空间格局特征，水体形状和水体分布次之，绿地形状和分布特征的相对重要性较弱。水体规模是城区尺度下降低局部高温的主导因素，水体分布、绿地规模和水体形状特征次之，蓝绿空间关系的相对重要性较弱。市域尺度下各类蓝绿空间格局特征均能起到整体降温的效果，其中蓝绿关系最重要，其相对贡献率总和高达40%，其次是水体形状和蓝绿空间规模特征，蓝绿空间分布特征的重要性较低。城区尺度下绿地分布特征是影响整体降温的关键因素，蓝绿关系的影响明显减弱。市域尺度和城区尺度的研究结果表明，蓝绿空间格局影响夏季降温存在明显的尺度效应，各城镇蓝绿空间指标的相关程度和贡献率水平均随研究尺度变化而不同。对于最高地表温度，市域尺度下水体的边缘复杂性、蓝绿空间规模和水绿的融合性影响更大，而在城区尺度下水体的聚集性、水面的大小发挥重要作用；对于平均冷岛强度，市域尺度下水绿融合性、水体边缘复杂度和蓝绿规模影响较大，而在城区尺度下绿地分布的紧密程度、水绿规模发挥主导作用。3.1加强局部高温地区的水体格局优化水体格局和蓝绿关系是降低局部高温的主导因素。市域尺度下应注重保持水体形状复杂度，恢复部分渠化水岸自然曲折的原始形态，延长水陆交错带的长度，推进局部高温地区的重点修复；此外，维持足量的蓝绿空间，加宽滨水绿地建设，均有利于缓解局部高温25-26。城区尺度下，保证水体的完整性和足够的水面率，加强管理，防止建设活动对自然水面的侵占，对局部高温的缓解有重要意义27-28。3.2提升蓝绿关系以缓解整体高温蓝绿关系和绿地格局是整体降温的主导因素。在城市总体规划中，应加强控制滨水绿地的宽度和蓝绿总规模的底线，构建蓝绿耦合的生态格局，发挥蓝绿空间降温的协同作用，有利于城市整体降温。在城市具体形态设计中，聚集的