武汉市极端气温与生态空间景观格局的影响指数及耦合特征_张晓思.pdf

为解析气候变化与城市生态空间格局降温效应的变化特征及两者的协调机制，通过构建指标、函数模型、数理统计等方法对武汉市2000、2010、2020年的极端气温与具有降温效应的城市生态空间格局进行量化分析，结果显示：2000、2010、2020年的极端气温综合指数分别为10.752 5、21.888 2和3.257 5，城市生态空间景观格局综合指数分别为13 032.0、11 834.4和10 0186.5；与降温效应呈正相关的格局指数：斑块类型面积、斑块所占景观面积比例、斑块数量、斑块密度、最大斑块占景观面积比例、景观形状指数平均斑块面积、平均分维数、聚集度、结合度、邻近度在2020年数值相对早年偏小，表明武汉市生态空间的降温效应逐渐被削弱；2000、2010、2020年极端气温综合指数与城市生态空间格局综合指数的协调程度由中级协调逐降为严重失调，意味着武汉市生态空间的降温效应对极端气温的缓解作用逐渐降低。关键词 气候变化；城市生态空间；景观格局；极端气温综合指数；气候适应中图分类号 TU986 文献标识码 A 文章编号 1000-2421（2023）04-0064-10自1850年以来，地表温度升高、冰雪大范围融化和海水平面上升等现象在全球范围内接连出现，印证着全球气候系统变暖的事实。气候系统模拟结果显示，21世纪我国气候还将持续变暖，极端天气气候事件的发生频率和强度以及地质灾害等均呈增加趋势1。城市生态空间是城市与区域范围内，除去建设用地之外的所有自然或人工的植物群落、山林水体及具有绿色潜能的空间等系列生态用地，而气候变化也将最直接显著地影响生态空间的环境，面对气候变化带来的高温热浪、旱涝等风险时，城市中的森林、草地、河流、湖泊、湿地等生态空间都将暴露在巨大威胁中。这会进一步加剧城市生态系统的脆弱性，破坏生态系统服务的功能，降低城市气候适应能力，由此形成的脆弱性和暴露度作为反馈再度加剧了气候变化风险。但同时，城市生态空间具有自然属性，可以提供生态产品或生态服务功能2，蓝绿设施的维护、自然生态区域的保护对于降低热浪期间的平均气温、缓解极端气温、预防干旱和优化水循环等方面的功效，都被视作促进城市气候适应性和降低灾害风险的有效方法3。因此，城市的生态空间被认为可以在各种尺度下对城市、居住区以及基础设施抵御气候灾害发挥积极作用。生态环境部等17部门联合印发 国家适应气候变化战略2035，提出要不断强化自然生态系统和经济社会系统气候韧性，构建适应气候变化的区域格局4，利用城市生态空间缓解气候灾害风险，通过基于自然的解决方案适应气候变化成为主流策略5，由此可见，发挥城市生态空间的自然缓解作用成为城市气候适应的重要举措之一。城市生态空间可以改善局地气候，进而在城市层面达到缓解极端气候的效果。已有研究发现生态空间不同格局形式对缓解气候的效果具有异质性6-7，不同格局指数的缓解效益存在一定差异，因此，研究城市生态空间格局的变化特征及其与气候变化的协调发展机制，可以为城市生态空间适应气候变化的自然解决方案提供一定研究基础。目前有关城市生态空间格局缓解气候的研究更收稿日期：2022 11 01基金项目：国家自然科学基金面上项目（51878339）；中央高校基本科研业务费专项（11042010016；2662021JC009）；江苏省社会科学基金一般项目（19GLB006）；江苏省高校哲学社会科学研究重大项目（2019SJZDA020）；住建部国际科技合作项目（H20220018）张晓思，E-mail：通信作者：邵继中，E-mail：张晓思，邵继中，林润泽，等.武汉市极端气温与生态空间景观格局的影响指数及耦合特征 J.华中农业大学学报，2023，42（4）：6473.DOI：10.13300/ki.hnlkxb.2023.04.008多关注生态空间格局在缓解高温、雨洪调蓄方面的作用，主要借助遥感、地理信息系统空间分析8、SWMM模型9等技术手段，通过建立回归模型10分析城市绿地和水体景观斑块结构、空间配置方式11与降温、蓄洪方面的关系：卞子浩等12分析了热岛效应与景观格局的关联性，发现城镇用地和林地的斑块类型面积、破碎度、景观形状、最大斑块占景观面积比和斑块结合度与热岛效应强度均存在联系；李辉等13在研究中发现景观优势度、多样性指数和聚合度指数会影响城市的地表温度；陈天等14在景观格局层面发现地表温度与蓝绿空间的斑块周长指数呈显著负相关，与周长面积比指数呈显著正相关。上述研究多针对特定时段进行相关性分析得到关键格局指数，但却较少在长时间序列中结合城市生态空间格局变化与气候变化特点进行分析，且有关城市人居环境与气候变化协调机制的研究更多关注于城市化、人口规模15、空间扩张、经济发展16等城市系统的协调发展，着眼于城市生态空间演化与气候变化协调发展的研究较少。本研究将城市生态空间与高温气候建立联系（图1），即高温气候直接影响城市局地热气候，城市生态空间则在一定程度上缓解局地高温气候，表现为城市对高温的适应状态，然而，城市化发展也会加剧高温气候，同时对城市生态空间的分布格局产生影响，进而导致其对局地高温的缓解效果产生变化。因此，我们通过文献分析提出与降温效应具有相关性的景观格局指数，并综合测算武汉市生态空间景观格局指数与极端气温综合指数，得到气候变化与城市生态空间格局变化的年际演化特征，参考前人在城镇化17、经济发展18、人类活动19与生态环境的耦合协调关系的分析方法，利用耦合协调程度测算方法分析两者协调发展状态，进而讨论城市生态空间格局的优化策略。1材料与方法1.1研究区概况本研究选取武汉市森林、草地、湿地、湖泊4类生态空间作为研究对象，武汉市地处江汉平原东部，为千湖之市，拥有丰富的绿地、湖泊、湿地等城市生态空间20-21。基于Landsat-8卫星遥感影像数据集，通过ENVI 5.3进行监督分类，提取武汉市全域森林、草地、湿地、湖泊4类生态用地覆盖的地理空间数据，通过美国国家海洋和大气管理局网站（NOAA）获取武汉市气象数据资料，基于数据的可获取性及武汉市城市发展特征，选择2000、2010、2020年作为研究的时间范围，在此期间城市社会经济建设不断加快并取得显著成效，随之而来的是武汉市生态空间格局变化明显，同时全球范围内气候变化加剧，极端天气事件强度增加，数据变化的显著性便于量化和分析武汉市生态空间变化特征与气候变化特点。1.2指标构建与数据来源1）气候变化组成要素与衡量标准。气候变化检测和指数专家组（Expert Team on Climate Change Detection and Index，ETCCDI）定义的极端气候指数22中，16项为极端气温指标，11项为极端降水指标，这些极端气候指标从气候变化的频率、强度、持续时间 3 方面反映极端温度和极端降水气候事件23-24，考虑到温度是影响自然生态格局最直接的属性25，以及目前气象开源数据的可获取性，本研究在27项极端气候指数指标中选取12个极端气温指标作为衡量极端气温综合指数的测算指标，相关气象指标如表1。图1 城市生态空间与高温气候的联系Fig.1 Linkage between urban ecological space and high temperature climate第 4 期张晓思 等：武汉市极端气候与生态空间景观格局的影响指数及耦合特征多关注生态空间格局在缓解高温、雨洪调蓄方面的作用，主要借助遥感、地理信息系统空间分析8、SWMM模型9等技术手段，通过建立回归模型10分析城市绿地和水体景观斑块结构、空间配置方式11与降温、蓄洪方面的关系：卞子浩等12分析了热岛效应与景观格局的关联性，发现城镇用地和林地的斑块类型面积、破碎度、景观形状、最大斑块占景观面积比和斑块结合度与热岛效应强度均存在联系；李辉等13在研究中发现景观优势度、多样性指数和聚合度指数会影响城市的地表温度；陈天等14在景观格局层面发现地表温度与蓝绿空间的斑块周长指数呈显著负相关，与周长面积比指数呈显著正相关。上述研究多针对特定时段进行相关性分析得到关键格局指数，但却较少在长时间序列中结合城市生态空间格局变化与气候变化特点进行分析，且有关城市人居环境与气候变化协调机制的研究更多关注于城市化、人口规模15、空间扩张、经济发展16等城市系统的协调发展，着眼于城市生态空间演化与气候变化协调发展的研究较少。本研究将城市生态空间与高温气候建立联系（图1），即高温气候直接影响城市局地热气候，城市生态空间则在一定程度上缓解局地高温气候，表现为城市对高温的适应状态，然而，城市化发展也会加剧高温气候，同时对城市生态空间的分布格局产生影响，进而导致其对局地高温的缓解效果产生变化。因此，我们通过文献分析提出与降温效应具有相关性的景观格局指数，并综合测算武汉市生态空间景观格局指数与极端气温综合指数，得到气候变化与城市生态空间格局变化的年际演化特征，参考前人在城镇化17、经济发展18、人类活动19与生态环境的耦合协调关系的分析方法，利用耦合协调程度测算方法分析两者协调发展状态，进而讨论城市生态空间格局的优化策略。1材料与方法1.1研究区概况本研究选取武汉市森林、草地、湿地、湖泊4类生态空间作为研究对象，武汉市地处江汉平原东部，为千湖之市，拥有丰富的绿地、湖泊、湿地等城市生态空间20-21。基于Landsat-8卫星遥感影像数据集，通过ENVI 5.3进行监督分类，提取武汉市全域森林、草地、湿地、湖泊4类生态用地覆盖的地理空间数据，通过美国国家海洋和大气管理局网站（NOAA）获取武汉市气象数据资料，基于数据的可获取性及武汉市城市发展特征，选择2000、2010、2020年作为研究的时间范围，在此期间城市社会经济建设不断加快并取得显著成效，随之而来的是武汉市生态空间格局变化明显，同时全球范围内气候变化加剧，极端天气事件强度增加，数据变化的显著性便于量化和分析武汉市生态空间变化特征与气候变化特点。1.2指标构建与数据来源1）气候变化组成要素与衡量标准。气候变化检测和指数专家组（Expert Team on Climate Change Detection and Index，ETCCDI）定义的极端气候指数22中，16项为极端气温指标，11项为极端降水指标，这些极端气候指标从气候变化的频率、强度、持续时间 3 方面反映极端温度和极端降水气候事件23-24，考虑到温度是影响自然生态格局最直接的属性25，以及目前气象开源数据的可获取性，本研究在27项极端气候指数指标中选取12个极端气温指标作为衡量极端气温综合指数的测算指标，相关气象指标如表1。图1 城市生态空间与高温气候的联系Fig.1 Linkage between urban ecological space and high temperature climate65第 42 卷 华 中 农 业 大 学 学 报2）城市生态空间格局指数。本研究的城市生态空间包括森林、草地、湿地、湖泊4类，空间格局指数作为空间分布与形态信息的高度概括，通过对每一类生态空间进行格局指数的计算反映空间结构组成、空间配置特征的量化指标26。本研究从形态、分布、数量及质量等格局要素研究城市生态空间格局的演化特征，选取斑块类型面积（class area，CA）、斑块 所 占 景 观 面 积 比 例（percentage of landscape，PLAND）、斑块数量（number of patches，NP）、斑块密度（patch density，PD）、最大斑块占景观面积比例（largest patch index，LPI）、景观形状指数（landscape shape index，LSI）、平均斑块面积（mean patch area，AREA_MN）、平均分维数（mean fractal dimension，FRAC_MN）、聚集度指数（aggregation index，AI）、结合度指数（patch cohesion index，COHESION）、邻近度指数（contiguity index，CONTIG）11个指标（表2）对景观斑块整体的大小、数量与紧凑性方面进行量化分析。3）数据来源与处理。本研究中武汉市生态空间土地覆盖数据来源于Landsat-8卫星遥感影像，采用ENVI5.3进行最大似然法监督分类，提取武汉市全域2000、2010、2020年森林、草地、湿地、湖泊4类生态空间土地覆盖空间信息数据，数据格式为 GeoTIFF图像，数据坐标为AEA_WGS_1984，空间分辨率为30 m，通过Fragstats4.2.1软件计算景观层面的空间格局指数。武汉市气象数据资料来源于美国国家海洋和大气管理局网站（NOAA），武汉市气象站点编码为 57494099999，气象站名为 TIANHE，CH，从中选取武汉市气象站点日值气温数据，导入RClimDex 1.0 极端气候指数计算软件测算 2000、2010、2020 年 13 个极端气温指数数值，最终通过SPSS Statistics 26软件对武汉市生态空间格局指数与极端气温指数数据进行处理与分析。1.3采用综合指数方法测算武汉市极端气温指数和生态空间格局指数1）熵权法权重计算。采用熵权法对各项指标赋予综合权重，通过数学模型与函数公式对次级指标进行量化，各指标在综合评价中可用熵值反映的指标信息效用价值来确定权重，它给出的指标权值具有较高的可信度。第1步，建立决策矩阵。决策矩阵中Xi，j表示对象集相对于指标集的原始样本数据值，即第i个对象在第j个指标的实测值，其中i=1，2，m；j=1，2，n，则决策矩阵为：X=|X1，1X1，2X2，1X2，2X1，nX2，nX3，1X3，2Xi，1Xi，2X3，nXi，j第2步，数据归一化。本研究所选取的评价指标分为正向相关和负向相关2类，由于各个评价指标的度量方式不同，无法直接进行比较。为了更加科学地衡量评价因子的适宜性程度，根据实际决策中评价正向指标越大越优，负向指标越小越优的原则，对决策矩阵做归一化处理，区分指标的优劣。表1极端气温指数指标Table 1Extreme climate index indicators极端气温指数Extreme weather index夏日持续时间/dSU霜冻持续时间/dFD冷夜/%TN10p冷昼/%TX10p暖夜/%TN90p暖昼/%TX90p年最大日最高气温/TXx年最大日最低气温/TNx年最小日最高气温/TXn年最小日最低气温/TNn持续暖日时间/dWSDI持续冷日时间/dCSDI定义Definition年内日最高气温25 的时间Number of days with daily maximum temperature 25 during the year年内日最低气温0 的时间Number of days with daily minimum temperature 0 during the year最低气温10%分位值的时间百分比Percentage of days with minimum temperatures 10%quantile最高气温10%分位值的时间百分比Percentage of days with maximum temperature 90%分位值的时长百分比 Percentage of days with minimum temperatures 90%interquartile最高气温90%分位值的时间百分比Percentage of days with maximum temperature 90%interquartile年内日最高气温的最大值Maximum daily maximum temperature during the year年内日最低气温的最大值Maximum daily minimum temperature during the year年内日最高气温的最小值Minimum daily maximum temperature during the year年内日最低气温的最小值Minimum daily minimum temperature during the year连续6 d最高气温90%分位值的时间Number of days with maximum temperature 90%interquartile for 6 consecutive days连续6 d最低气温10%分位值的时间Number of days with minimum temperature 10%interquartile for 6 consecutive daysYij=|Xij-minX1j.XnjmaxX1jXnj-minX1jXnjmaxX1j.Xnj-XijmaxX1jXnj-minX1jXnj式中，Yij为转化后指标的隶属度值；Xij为第i个对象的第j个评价指标项指标数值，n为研究对象的个数，m为适宜性评价因子的数量。第 3步，确定权重。计算方式如下，若 Pij=0，则limPij-0 PijlnPij=0。表2景观格局指数及公式Table 2Landscape pattern index and formula66第 4 期张晓思 等：武汉市极端气候与生态空间景观格局的影响指数及耦合特征Yij=|Xij-minX1j.XnjmaxX1jXnj-minX1jXnjmaxX1j.Xnj-XijmaxX1jXnj-minX1jXnj式中，Yij为转化后指标的隶属度值；Xij为第i个对象的第j个评价指标项指标数值，n为研究对象的个数，m为适宜性评价因子的数量。第 3步，确定权重。计算方式如下，若 Pij=0，则limPij-0 PijlnPij=0。表2景观格局指数及公式Table 2Landscape pattern index and formula景观格局指数Landscape pattern index斑块面积CA斑块所占景观面积比例PLAND斑块数量NP斑块密度PD最大斑块占比LPI景观形状指数LSI平均斑块面积AREA_MN平均分维数FRAC_MN聚集度指数AI结合度指数COHESION邻近度指数CONTIG计算公式Calculation formulaAj=1naijA100NniA10000100maxnj=1aijA100e4aAN2|nijj=1n()ln pij-ln aij-|()j=1npij()j=1naij()nij=1nln p2ij-()j=1nln pij2|gijmax gij100|1-j=1mpijj=1mpijaij|1-1A|-1100|r=1zcijra*ij-1v-1参数说明Parameter description斑块总面积，或者某一类型景观斑块总面积Total area of patches,or total area of patches of a particular landscape type各种类型地类占总面积的比例Proportion of various types of land to total area斑块数量总量Total number of plaquesni类型i的斑块数量,A 是景观总面积ni is the number of patches of type i,and A is the total landscape areaaij是第 i 类景观中第 j 个斑块的面积,A 是景观总面积aij is the area of the j patch in the landscape of class i,A is the total area of the landscapee是斑块栅格边界数量与栅格单元边长之积,a是栅格个数与栅格单元空间分辨率之积e is the product of the number of patch raster boundaries and the raster cell edge length,and a is the product of the number of raster cells and the spatial resolution of the raster cells.A 是斑块总面积,N 是斑块总数量A is the total area of patches,N is the total number of patchesAij为斑块ij的面积，pij为斑块ij的周长，ni为斑块数目Aij is the area of plaque ij,pij is the perimeter of plaque ij,ni is the number of plaquesgij为相应景观类型的相似邻接斑块数量gij is number of similar neighboring patches of the corresponding landscape typeaij指第i类景观中第j个斑块的面积，pij代表第i类景观中第j个斑块的周长，A 为该景观的总面积aij refers to the area of the j patch in the landscape of class i,pij represents the perimeter of the j patch in the landscape of class i,and A is the total area of the landscapeCijr 是斑块ij中的像素r的连续性值，v是3乘3的单元格中的数值之和，aij是以单元数计算的斑块面积Cijr is the continuity value of pixel r in patch ij,v is the sum of values in a 3 by 3 cell,and aij is the area of the patch in terms of number of cells与降温效应的关系Relationship with cooling effect正相关Positive correlation正相关Positive correlation正相关Positive correlation负相关Negative correlation正相关Positivecorrelation正相关Positivecorrelation正相关Positivecorrelation正相关Positive correlation正相关Positive correlation正相关Positivecorrelation正相关Positivecorrelation67第 42 卷 华 中 农 业 大 学 学 报Ej=-ln(n)-1i=1nPijlnPijPij=Yiji=1nYijWj=1-Ejj=1n1-Ej2）综合指数测算。针对极端气候综合指数，结合熵权法权重计算，赋予12项极端气候指标权重，可得到极端气候综合指数，公式如下：UC=j=1n(Wjj)，j=1，2，n式中，UC为极端气候综合指数得分，j为极端气温指数各个指标，Wj为对应指标权重。针对城市生态空间格局综合指数，结合熵权法权重计算，赋予11类空间格局指标权重，可得到生态空间格局综合指数，公式如下：UN=j=1n(Wjj)，j=1，2，n式中，UN为生态空间格局综合指数得分，j为空间格局指标，Wj为对应指标权重。1.4耦合协调度模型构建在耦合协调度模型27的基础上，构建城市极端气温与城市生态空间格局的协调度测算模型。将物理学中耦合概念推广到多个系统的耦合度模型如下：C=2|u1u2()u1+u22|1 2式中，ui（i=1，2，3n）是各子系统评价值。本研究主要讨论n=2时的情况，令u1、u2分别为极端气温综合指数、城市生态空间格局综合指数。其中，C 0，1，C值越接近于1表示三者之间的关联程度越大，反之关联程度越小，当C=0时，三者之间则处于无关状态。耦合度仅仅反映了极端气温指数、城市生态空间格局指数两者之间的作用强度，并不能全面反映2个系统的整体功能或协调发展水平。为此，本研究引 入 耦 合 协 调 度 模 型，其 计 算 公 式 为D=CT，T=u1+u2，式中，T 为极端气温综合指数、城市生态空间格局综合指数评价值；、为待定系数。本研究将极端气温、城市生态空间格局的协调度分为10个等级（表3）。2结果与分析2.1极端气温指数基于2000、2010、2020年的武汉市地面站点的气象数据以及相应年份的武汉市土地覆盖地理空间信息数据，结合极端气温指数指标与权重，得到武汉市2000、2010、2020年间极端气温综合指数（表4）。在极端气温指数计算过程中，CSDI（持续冷日时间数）、TNn（年最小日最低气温）、TN90p（暖夜）3类指数指标权重较高，其数值对最终结果的影响较大。SU（夏日持续时间）、TXx（年最大日最高气温）、TNx（年最大日最高低温）3类指标权重几乎为零，其数值基本不影响最终结果。比较各年份结果，2010年极端气温综合指数数值最高，为2000年数值的6.72倍以及2020年数值的2.04倍，这意味着2010年武汉市遭受更频繁的极端气温事件，这与当年全球气候变化趋势相吻合：2010年是各种极端天气和气候事件在世界各地频发的一年，也是我国近13年来极端天气气候事件发生频率、强度及影响最大的年份28。2000年极端气温指数较低，2020年极端气温指数虽低于2010年但仍处于较高水平，这一结果与世界气象组织（WMO）全球气候2001-2010报告29、2020年全表3耦合协调度等级划分标准Table 3Classification criteria of coupling coordination level耦合协调度D值区间Coupling coordination degree D value interval(0.00.1)0.10.2)0.20.3)0.30.4)0.40.5)0.50.6)0.60.7)0.70.8)0.80.9)0.91.0)协调等级Coordination level12345678910耦合协调程度Degree of coupling coordination极度失调Extreme disorder严重失调Severe disorder中度失调Moderate disorder轻度失调Mild disorder濒临失调Nearly dysfunctional勉强协调Barely coordinated初级协调Primary coordination中级协调Intermediate coordination良好协调Good coordination优质协调High quality coordination68第 4 期张晓思 等：武汉市极端气候与生态空间景观格局的影响指数及耦合特征球气候状况报告30中提到全球气候变暖趋势相对应。2.2城市生态空间格局指数 根据武汉市土地覆盖空间信息数据可得到2000、2010、2020 年的各类土地覆盖的面积（表 5），通过Fragstats4.2.1软件进行景观格局指数的测算。武汉市生态空间格局指数测算结果（表6）表明，2000年的LPI、CA、PLAND 指数权重相对较大，FRAC_MN、AI、COHESION 指标的权重近乎为零；2010 年的LPI 依旧为权重最大的指标，而AREA_MN由于数据波动较大导致其信息熵增大、权重增大，相较于2000年该指标成为衡量2010年空间格局指数的重要指标；2020 年的 AREA_MN 指标权重最大，LPI 次之。可见LPI（最大斑块占比指数）在2000-2020年一直是较为重要的指标，AREA_MN（平均斑块面积）在近20年间的波动值不断增大，逐渐在空间格局指数中成为重要指标。比较2000、2010、2020年间4类景观类型的指数结果，森林、湖泊2类空间格局综合指数一直相对较高，这与武汉市拥有远郊区森林保护地与众多湖泊的自然资源特点有关。对2000、2010、2020年的城市生态空间格局综合指数进行比较可以看出，2010年相对于2000年的综合指数明显下降，2020年相对于2010年的综合数值略微上升，整体来看武汉市生态空间格局综合指数呈现出下降的特点，表明生态空间分布格局的降温效应在整体上存在一定的削弱，可见在城市建设的影响下生态空间逐渐被侵蚀破坏，从而降低了生态空间的降温效果。进一步分析11类景观格局指数，CA、PLAND、LPI测度指数在2020年的数值达到最大；NP、LSI测度指数在2010年的数值达到最大，而 2000、2020 年的数值均偏低；PD、COHESION测度指数数值在 2010年最小，2000、2020年的数值相对偏大；AREA_MN在 2020年的测度指数数值最大，2000、2010年的数值偏低且相差较小，AI测度指数与之相反，2000年的数值最大，而后的2010、2020年数值偏低且相差较小；CONTIG_MN测度指数在2000年的数值最小，之后2010、2020年的数值均偏大且近乎相同。表4极端气温指数计算结果Table 4Calculation results of extreme temperature index气温指数Climate indexSUFDTN10pTX10pTN90pTX90pTXxTNxTXTNnWSDICSDCSDI 熵值Entropy value0.999 40.921 40.905 30.696 10.610 40.981 30.999 80.999 80.920 00.597 20.830 10.359 5极端气温综合指数Extreme temperature composite index效用值Utility value0.000 60.078 60.094 70.303 90.389 60.018 70.000 20.000 20.080 00.402 80.169 90.640 5权重Weights0.033.614.3413.9417.870.860.010.013.6718.487.7929.382020年气温指数Climate index of 20200.047 10.722 00.451 80.993 02.643 80.143 70.003 90.003 10.073 41.570 82.337 01.76 810.752 52010年气温指数Climate index of 20100.043 21.624 50.998 81.718 61.664 60.186 10.004 00.003 00.025 71.201 22.960 211.458 221.888 22000年气温指数Climate index of 20000.045 90.685 90.356 70.544 10.000 00.113 10.003 80.098 60.073 40.868 60.467 40.000 03.257 5表52000、2010、2020年各类用地面积Table 5Area for each type of land during 2000，2010，2020h 年份Year200020102020耕地Cropland6 050 3856 463 2345 961 452森林Forest1 612 8431 271 3681 049 981草地Grassland273 746355 075277 137湿地Wetlands164 991149 68345 956湖泊Lakes1 769 0481 583 3431 385 609人造地表Artificial ground756 773800 6621 901 231裸地Bare ground8 11712 53811 25869第 42 卷 华 中 农 业 大 学 学 报2.3极端气温综合指数与城市生态空间格局综合指数协调程度分析基于极端气温综合指数、生态空间格局综合指数以及耦合协调度的计算公式，依据协调程度等级划分标准，得到极端气候综合指数与城市生态空间格局综合指数协调程度等级（表 7）。结果显示，表62000、2010、2020年生态空间格局指数测算结果Table 6Results of ecological spatial pattern index measurement 2000，2010，2020景观格局指数Landscape pattern indexCAPLANDNPPDLPILSIAREA_MNFRAC_MNAICONTIGCOHESION生态空间分类景观格局指数Ecological spatial classification landscape pattern index生态空间景观格局综合指数Composite index of ecological spatial landscape patterns年份Year200020102020200020102020200020102020200020102020200020102020200020102020200020102020200020102020200020102020200020102020200020102020熵值Entropy value0.6460.6260.6430.6460.6260.6430.7600.6780.7130.7600.6780.7130.4630.4460.6390.9260.8950.9060.5540.6550.6140.9990.9991.0000.9930.9950.9950.9650.9520.9550.9990.9550.999效用值Utility value0.3530.3730.3560.3530.3730.3560.2390.3210.2860.2390.3210.2860.5360.5530.3600.0730.1040.0930.4460.3440.3850.00010.000100.0070.0040.0040.0350.0480.0440.0010.0440.000 82000年2010年2020年2000年2010年2020年权重Weights0.1540.1520.1630.1540.1520.1630.1040.1310.1310.1040.1310.1310.2340.2260.1650.0320.0420.0430.1950.1400.1760000.0030.0020.0020.0150.0190.0200.000 40.0210.000 4森林Forest20 124.615 568.513 847.32.3441.8131.6132 314.513 725.8472 074.66-0.269-0.434-0.2410.6020.6200.4065.8387.3165.5511.1490.5050.9500000.2630.1670.1730.0040.0040.0050.0390.0050.039 4222 449.101 904.4315 930.5013 032.011 834.410 086.5草地Grassland3 424.44 337.83 663.60.4260.5120.4671 309.472 107.261613.36-0.152-0.245-0.1870.014 90.0300.0244.6667.0015.5870.3450.2490.3230000.2190.1410.1480.0030.0050.0050.0370.0050.0374 739.4806 452.8045 2