高密度建成区湖泊水体的热缓释效应及其季相差异——以广州市中心城区为例

张棋斐，文雅，吴志峰*，陈颖彪

1. 广州大学地理科学学院，广东 广州 510006；2. 华南农业大学资源环境学院，广东 广州 510630

随着全球城市进程的加快，大量人口涌向城市，截止至2014年，超过54%的世界人口居住在城市地区，而且这一比例预计还将持续上升（United Nations，2014）。随着城市人口的快速增加，人为热量的大量排放以及城市内部具有较大热惯性和热容量的林地、绿地、湿地等生态用地被人工不透水面（水泥、沥青）所取代，使得城市内部的能量平衡发生了变化，导致城市热岛效应不断加剧（Liu et al.，2008；McMichael，2000；Kong et al.，2014；张棋斐等，2017）。相关研究指出，城市热环境的恶化不仅增加城市能源消耗及碳排放（Flor et al.，2004；Guhathakurta et al.，2007；郭冠华等，2015），而且还严重制约人类健康与城市的可持续发展（Dimoudi et al.，2013；Radhi et al.，2013；陈康林等，2017）。因此，如何最大程度地缓解城市热岛效应，改善城市人居环境，成为当前城市生态学领域的研究热点。

城市内部湖泊水体（主要指城市湖泊、坑塘以及水库）是城市生态空间的基础要素之一，也是城市复杂生态系统的重要组成部分（王甫园等，2017）。以往的研究表明，城市内部湖泊水体等水域景观具有显著的降温增湿作用，能够有效地调节城市小气候，改善城市热环境，形成城市热环境中的“冷岛”（Sun et al.，2012a；Theeuwes et al.，2013；岳文泽等，2013；梁保平等，2015）。随着城市热岛效应的突显，城市湖泊水体的降温效应被认为是城市生态环境的重要调节功能，这种生态服务效益受到众多学者的重视（Gunawardena et al.，2017；Sun et al.，2012b；冯悦怡等，2014；崔丽娟等，2015）。然而，由于城市内部湖泊资源较少，且城市水域景观一直处于被掠夺开发的状态，因此如何最大程度的发挥城市水域景观的热缓释功能，提高室内室外环境的热舒适度，是目前面临的主要问题之一。

城市湖泊水体能够有效改善城市热环境，目前多数研究主要侧重于湖泊水体对城市热岛的缓解作用等方面，具体集中在：（1）城市湖泊水体与地表温度的关系，比较水体温度与其他典型城市地表参数之间的差异（Hathway et al.，2012；王方等，2016；王敏等，2013），（2）湖泊水体的空间布局（如水体面积，几何形状等）对水体降温强度的影响（Wu et al.，2014；杨永川等，2015；Yang et al.，2015）。然而，相当一部分的研究是基于市域尺度开展的，无法精确把握湖泊热缓释效应的降温强度及影响范围。此外，湖泊热缓释效应的降温强度及影响范围，是受湖泊自身空间特征及周边环境配置等多种因素共同影响的，但目前多数研究着重考虑湖泊自身特征（面积、边界形状等），而忽略湖泊周围景观配置对其所产生的影响，湖泊热缓释效应与周边环境景观配置的相互关系，湖泊水体周围的植被、建设用地对湖泊的降温强度及降温范围影响效应及影响程度均不得而知。此外，以上研究大多只选用某一时刻的地表温度数据来反映特定时期内湖泊水体的热环境效应，无法深入了解城市水域景观热缓释效应的季相变异特征及其变异程度。针对上述问题，本研究的目的主要有以下两个方面：（1）利用定量方法，从降温强度（ICE）和影响范围（SCE）两个角度，测量不同季节下城市核心区域内湖泊水体的热缓释效应；（2）分析湖泊水体的自身景观特征及其周边景观配置对湖泊热缓释效应的影响及其季相变异。以广州市中心城区为研究区域，利用夏、秋、冬三期Landsat遥感影像及高分影像数据，结合 3S技术与景观格局指数方法，定量刻画不同季相下城市核心区内部水域景观的降温强度及影响范围，尤其针对水域景观的空间结构特征及其周围环境配置对水域景观降温效应的影响进行深入研究，以期为获得更大的城市热环境改善效益，促进城市的可持续发展提供有益的建议。

1 研究地区与数据源

1.1 研究区概况

广州市(112°57′～114°3′E，22°26′～23°56′N）位于广东省的中南部，珠江三大支流（东、西和北江）的交汇处，与香港、澳门隔海相望，是广东省的省会及政治、经济与文化中心，也是珠三角大都市区的核心城市，具有中国“南大门”之称。广州市地处亚热带季风气候，年平均降水量1700 mm，年平均气温 22 ℃，地势呈东北向西南倾斜，东北部为中低山地，南部为平坦的冲积平原，全市面积约7434.40 km2。自20世纪改革开放以来，广州市经历了快速城市化和城市扩张，其高密度的建成区、高强度的经济活动导致严重的热岛效应。因此，本文选择广州市的中心城区（荔湾区、越秀区、天河区、海珠区、白云区、黄埔区）作为研究对象（图1），面积大约为1166.37 km2。该地区正面临着严重的城市热岛效应，在该地区探讨城市水域景观的降温效具有一定的代表性和现实意义。

图1 研究区位置示意图Fig. 1 The location of the Guangzhou central urban districts

1.2 数据来源

本研究运用多源遥感数据提取广州市中心城区湖泊水体、土地利用数据及地表温度数据（LST）。

为探索城市核心区内部湖泊热缓释效应的季相变异特征，选择3期Landsat遥感数据（行列号：122-44）对地表温度反演，所采用的数据下载自美国地质勘探局（USGS）网站，产品类型为 L1T，下载时Landsat 5及Landsat 8热红外波段已重采样至30 m。这3期影像分别获取于2011年6月1日（Landsat 5）、2013年 10月 12日及 12月 31日（Landsat 8），分别代表夏、秋、冬3个季节，卫星过境时间均在10:52左右（北京时间），具体天气条件如表1所示。由于夏季与秋、冬两季的地表温度数据存在两年的时间差，为避免土地利用及水体边界变化所造成的影响，分别利用 SPOT-5（行列号：284-303、284-304）及GF-1（行列号：177-744、177-745、133-619）高分影像提取 2011年及 2013年广州市中心城区内部湖泊水体及湖泊周边土地利用数据。

表1 Landsat影像获取日期气象数据Table 1 Meteorological records on the dates of Landsat data acquisition in Guangzhou

2 研究方法

2.1 水体提取与地表温度反演

利用适用于高分辨率影像的 Gram-Schmidt Pan Sharpening高保真遥感影像融合方法对高分一号卫星全色波段与多光谱波段进行融合，得到空间分辨率2 m的多光谱影像。在ENVI 5.3遥感数据处理平台上，采用人工目视解译的方法提取广州市中心城区内部湖泊水体，共提取出307个湖泊水体，并在ArcGIS中统计各水体间的距离。此外，利用面向对象分类的方法，对中心城区内土地利用类型进行分类，主要分为林地、建设用地、园林、草地和水体。最后，采用随机取样方法（各类型取样50个）对分类结果进行精度评价，得出整体分类精度和 Kappa系数，分别为81.25%与0.86，因此可认为广州市中心城区的分类结果是基本正确的（图2a）。

为保障反演地表温度的准确性，在反演地表温度之前，首先对三期Landsat影像进行辐射定标与大气校正，然后将Landsat影像与高分影像进行几何精校正，每期影像各选择 50个以上控制点，运用三次卷积插值法进行重采样，RMSE误差均小于0.5个像元。由于Landsat 8-TRIS传感器的第11波段存在较大的不稳定性，USGS建议把第10波段作为单波段热红外数据进行使用（胡菊旸等，2014）。因此，本研究运用Landsat 5-TM数据中的热红外波段（band 6）、Landsat 8-TRIS数据中的band 10，结合卫星过境当天的气象数据，利用覃志豪等（2001）建立的单窗算法反演得出夏、秋、冬三季广州市中心城区地表温度（图2b、c、d）。该算法无需精确的实时大气剖面数据，仅需计算地表比辐射率、大气透射率和大气平均作用温度3个参数即可进行地表温度的反演，且精确度较高。计算方法如下：

式中，ts为最终反演得出的地表温度；a与 b分别为常数，在温度变化范围0～70 ℃内，Landsat 5传感器的a、b常量分别取-67.3553、0.4586，由于Landsat 8与Landsat 5的热红外波段波谱范围不同，因此本研究参照蒋大林等（2015）的研究成果，对Landsat 8的a、b常量进行修正，调整后的取值分别为-63.1885、0.4441；tk为传感器所探测到的像元辐射亮温；K1、K2为热红外波段的标定常数，Lnadsat 5-TM和Landsat8-TRIS的定标常数分别为K1=60.77、K2=1260.56 K；K1=774.89、K2=1321.08 K；Lλ为辐射亮度；G和O分别为传感器的增益和偏移量；DN值为热红外波段的像元值；ta为大气平均作用温度；t0为卫星过境时地面气温；ε为地表比辐射率，利用覃志豪等（2004）提出的混合象元分离法，根据植被覆盖度将地表类型分为水体、城镇和自然表面 3种类型，在此基础上计算而来；τ为大气透射率，在 NASA网站 http://atmcorr.gsfc.nasa.gov/中输入卫星过境的GMT、地表高程、地表气压和相对湿度等信息，推算得出（表1）。

图2 广州市中心城区土地覆盖类型（a）与夏（b）、秋（c）、冬（d）地表温度Fig. 2 The land cover types (a) and summer (b), autumn (c) and winter (d) land surface temperature in the central districts of Guangzhou

2.2 湖泊热缓释强度分析

在 ArcGIS空间分析模块中，根据水体边界，以30 m为间隔向外生成30个多级缓冲区，并对每个湖泊水体的缓冲区进行鉴别，剔除面积大于 1 hm2的绿地、水体、建筑阴影等干扰区域，以更科学地刻画城市湖泊水体对周围环境温度的降温强度。利用Zonal statistics工具统计每个多级缓冲区内平均地表温度，并绘制出地表温度变化曲线（图3）。可以发现，随着缓冲距离的增加，平均地表温度显著升高，但温度升高的趋势逐渐减缓，即水体缓释能力逐渐降低。当温度曲线达到相对平坦的水平，则表明水体的缓释效应消失。因此，可以大致认为地表温度曲线的转折点即是湖泊对周围热环境影响范围的极限。相应地，湖泊的降温强度（ICE）可以定义为湖泊内部平均温度与转折点缓冲温度之间的温差；同理，湖泊的降温影响范围（SCE）可定义为水体与转折点之间的距离。缓冲区内的不同土地利用类型具有不同的地表温度，如何确定温度的升高与降低变化是水体的缓释效应？基于此，本研究统计湖泊水体降温影响范围SCE内各环缓冲区植被及建设用地的平均温度（图4）。由图4可以知，距离水体越近，缓冲区内植被或建设用地的地表温度越低，随着缓冲距离的增加，植被及建设用地的平均LST逐渐上升，侧面证明了越靠近湖泊水体，受热缓释作用越强。前一缓冲区内各土地利用类型的地表温度均低于后一缓冲区相应用地类型的地表温度，当距离达到影响范围SCE时，各用地类型的LST逐渐平稳，表明水体的热缓释效应逐渐消失。

式中，tp为转折点处缓冲区温度；tw为湖泊内部平均温度。

图3 广州市中心城区案例湖泊缓冲区地表温度变化曲线Fig. 3 Land surface temperature curve of each buffer zone outside the selected water bodiesThe dashed lines represent the distance at turning point

考虑到热红外波段的空间分辨率较低，且分别测量307个湖泊的降温强度（ICE）及降温影响范围（SCE）的计算量较大。因此，本研究分别选取7个公园型湖泊，该类湖泊的植被覆盖率较高，内部存在少量硬质地表，且人流量较大；9个市区坑塘，该类水体的水面面积较小，植被覆盖率不高，且多单一零散分布；2个水库，该类水体的面积往往较

大，且周围生态环境较好；共计 18个湖泊水体，具体空间分布如图5所示。

2.3 景观特征计算

图4 湖泊降温范围内缓冲区各土地类型的平均温度Fig. 4 Average temperature of each land cover in the buffer zone within the SCE

利用ArcGIS与Fragstats工具定量描述城市湖泊的景观特征，从自身景观特征和湖泊周围景观配置两个角度，选取面积（S）、形状指数（LSI）、聚集度指数（AI）、水量（Vw）、湖泊的空间位置（DIST）、湖泊周边植被比例（Proportion of vegetation area，PV）、湖泊周边林地面积（Area of woodland，Aw）、湖泊周边草地面积（Area of grassland，AG）以及湖泊降温影响范围内建设用地比例（Proportion of built-up area，PB）共9个指数（如表2所示），分析湖泊景观的空间结构特征及其周围环境配置对湖泊热缓释效应的影响。

其中，面积（S）反映的是某一湖泊水面面积的大小；在斑块尺度上计算形状指数（LSI）及聚集度指数（AI），通过计算水域景观边界得到LSI，表征景观斑块形状的复杂程度，理论上，LSI越大，斑块形状越不规则；聚集度指数（AI）反映湖泊的聚集程度；水量（Vw）反映的是湖泊水体体积，通过计算湖泊面积与湖泊平均水深求得，定量分析湖泊水量对湖泊热缓释强度的影响，各湖泊的平均水深通过实地测量获取。湖泊的空间位置（DIST）定义为湖泊重心距离广州市中心城区 CBD珠江新城的欧氏距离。

在湖泊周围环境配置方面，整体上采用湖泊周边植被比例（PV）与降温影响范围内建设用地比例（PB）两个指标来衡量湖泊周围的景观构成对湖泊热缓释效应的影响。通常情况下，湖泊边界周围存在一定面积的植被，为衡量湖泊周边的植被对湖泊热缓释强度的影响，本研究将湖泊周边植被比例（PV）定义为湖泊边界120 m缓冲区范围内的植被面积与湖泊面积的比值；在此基础上，统计湖泊边界120 m缓冲区范围内林地（Aw）、草地面积（AG），以量化不同土地利用类型对湖泊热缓释强度的影响。PB定义为湖泊的降温影响范围（SCE）内建设用地所占的面积比例。

表2 湖泊景观特征指标选择Table 2 The indicators of urban lakes landscape characteristics

图5 18个案例湖泊位置分布图Fig. 5 The location of selected urban lakes in this study

3 结果与分析

3.1 湖泊水体与地表温度的空间特征

景观特征统计结果表明（表 3），广州市中心城区内部湖泊水体数量达到 307个，总面积约为12.30 km2，面积范围从0.21～137.45 hm2，平均面积为4.57 hm2，面积差异显著；水体形状指数的最大值为 6.15，最小值为 1.06，平均值为 1.71；利用Near工具统计各湖泊水体之间的最短距离，发现各水体间最短距离的平均值为607.53 m，可大致认为各水体之间不会相互影响。

由于获取卫星过境时刻的地表观测温度的难度较高，对地表温度反演结果进行精度验证比较困难（马晋等，2017）。因此，本研究利用广州市五山气象站获取卫星过境时间的地表气温与反演地表温度进行对比（表 1）。对比验证发现，反演的地表温度与地表空气温度基本吻合，根据本文的研究目的，可大致认为地表温度反演结果是可信的。从广州市中心城区夏、秋、冬三期地表温度分布图（图 2b、c、d）可知，不同季相地表温度变化状况十分明显，在夏季、秋季与冬季地表平均温度分别为38.23 ℃、32.80 ℃和15.75 ℃。在夏、秋两季，广州市中心城区的低温区主要集中于东北部和中部的山区，而地表温度的高温区域大多与城市建成区相对应，尤其是广州市老城区（荔湾、越秀），其内部高密度集中连片分布的建筑景观，导致城市热岛效应集聚。在冬季，地表温度的温差较小，城市热岛效应不明显，冬季高温区主要集中于海珠、黄埔两区；可见广州市中心区的热环境格局的季相变异特征十分明显。

表3 湖泊水体景观特征指标统计Table 3 Statistics of water bodies spatial pattern

3.2 湖泊水体的热环境效应

将湖泊分布图层与三期地表温度进行叠置分析，统计发现，夏、秋、冬三季湖泊水体对应的平均温度为 33.26 ℃、30.02 ℃、15.04 ℃，分别比中心城区平均温度低4.97 ℃、2.78 ℃、0.71 ℃，在夏秋两季城市内部湖泊水体能够有效减缓城市地表的升温幅度，成为城市热表面中的“冷岛”。

为进一步揭示湖泊水体对热环境的影响，本研究将湖泊内部平均温度（tw）与湖泊自身景观特征指标进行Spearman相关性分析（表4），并绘制出湖泊面积（S）、形状指数（LSI）、聚集度（AI）与水体均温的拟合散点图（图 6）。结果表明，湖泊自身景观特征指标在夏、秋、冬三季与水体自身温度均存在显著相关关系（P＜0.05），并随着季相变化，相关性呈现减弱态势。其中，湖泊面积（Area）、形状指数（LSI）与水体平均温度的相关系数r明显高于聚集度指数，一定程度说明湖泊内部温度主要受面积、边界形状的影响。

表4 湖泊自身景观特征与不同季相湖泊内部温度的相关性Table 4 Spearman correlation coefficients among urban lakes pattern metrics and internal temperature of lakes in three seasons

从图6a～图6c可知，湖泊面积（S）与水体平均温度夏、秋、冬三季的拟合决定系数 R2分别为0.55、0.53与0.39；根据趋势线可知，当湖泊面积小于10 hm2时，湖泊内部温度对面积的变化较为敏感，随着水体面积的增加，水体内部温度急剧下降，而当水体面积超过20 hm2，水体内部均温的变化幅度逐渐减缓。这意味着，当水体面积增加到一定程度时，水体平均温度不会随面积的增加而减小，表现出水体热缓释的饱和效应。

图6 湖泊景观特征与不同季相湖泊内部温度拟合关系Fig. 6 Relationship between average temperature of urban lakes and independent variables (S: a～c, LSI: d～f, AI: g～i) in three seasonsRed line indicate the fitting curve

从湖泊的空间形态看（图6d～图6f），形状指数与水体平均温度存在着显著负相关关系，即水体边界越复杂，水体内部平均温度越低，当形状指数增加到一定程度时，水体平均温度不会随着形状指数的增加而减小。而对于空间聚集度（图6g～图6i），二次多项式能够较好地反映聚集度与水体内部平均温度tw之间的关系，多个湖泊水体集中分布，各湖泊间的热缓释效应相互影响，一定程度上能够降低各湖泊水体的内部温度。因此，在湖泊的面积受限制的情况下，适当增加湖泊水体边界的复杂程度及提高空间布局的合理性，有助于进一步降低湖泊水体自身温度，形成更强的城市冷岛。

3.3 景观特征对湖泊热缓释强度的影响

统计 18个湖泊水体各个缓冲环内的平均地表温度，结合式（7）计算出每个湖泊对周边温度的降温强度（ICE）及影响范围（SCE），结果如表 5所示。将ICE及SCE作为因变量，湖泊水体的景观特征及周边景观组分作为自变量，对两者进行Spearman相关分析（表6）。可以发现，湖泊水体的 ICE、SCE主要与水体面积（S）、水量（Vw）、湖泊周边植被（PV、Aw、AG）以及形状指数（LSI）呈显著正相关（P＜0.05），与建设用地比例（PB）呈显著负相关（P＜0.05），且夏、秋两季两者间的相关系数 r普遍大于冬季。湖泊水体的空间分布（AI、DIST）对降温强度及影响范围也有一定的影响，水体分布的聚集度越高、距离市中心越远（DIST越大），其ICE和SCE越大。在夏、秋、冬三季，湖泊面积（S）、水量（Vw）、湖泊周边植被比例（PV）及建设用地比例（PB）相关系数r较高，可见湖泊的降温强度 ICE与影响范围 SCE主要受自身景观特征（S、Vw）及湖泊周围环境配置（PV、PB）共同影响。从土地利用类型来看，林地的r较草地的大，从侧面说明了林地对湖泊热缓释作用的增强效果强于草地。随着湖泊水量与水体面积的增大，湖泊的热存储能力得到加强，将进一步促进了湖泊与其周边区域的热量传输；此外，增加湖泊周边的植被面积及水体边界的复杂程度，更容易形成较强的局地环流，导致湖泊对周边热环境的缓释能力越强。

图7a～图7f所示为湖泊自身景观特征（S、Vw）与湖泊降温强度ICE及影响范围SCE的拟合曲线。可以发现，水体面积、水量与ICE、SCE均呈对数相关；随着水体面积、水量的增大，ICE、SCE的增长趋势逐渐趋于缓和，当水体面积超过20 hm2、水量超过2000000 m3时，湖泊对周围热环境的缓释效应不再随水体面积、水量的增大而增强，体现出湖泊热缓释效应的饱和趋势。因此，在对城市湖泊水体进行规划建设时，应综合考虑湖泊面积、水量所带来的冷却效果，不应盲目增加湖泊水量及水体面积。同时，对于面积、水量均较小的市区坑塘，其降温强度及影响范围均较小，从侧面证实了湖泊水量、面积过小，将不利于水体缓释效应的产生。

表5 不同季相下湖泊水体对周边环境的降温强度与影响范围Table 5 Statistics of ICE and SCE of urban lakes in summer, autumnand winter

表6 湖泊景观特征与不同季相下降温强度及影响范围的相关性Table 6 Spearman correlation coefficients among urban lakes pattern metrics and ICE, SCE in summer, autumn and winter

图7g～图7i所示为湖泊周边植被比例PV对湖泊缓释能力的影响，随着植被比例 PV的增加，湖泊水体与周边环境更易形成较强的局地环流，湖泊的ICE与SCE随之逐渐增大。因此，从降温收益角度出发，在对城市湖泊水体进行规划时，应在湖泊周围留有一定面积的植被，当植被面积大约在湖泊面积的50%左右时，降温效应获得最大收益。而当湖泊周边植被面积过大时（PV＞60%），湖泊周边植被对湖泊热缓释效应的增强作用趋于平缓。

图7 湖泊景观特征及湖泊周围景观配置与不同季相湖泊降温强度及影响范围拟合关系Fig. 7 Relationship between dependent (ICE and SCE) and independent variables (S: a～c, Vw: d～f, PV: g～i, PB: j～l) in three seasonsRed line and blue line indicate the fitting curve

从建设用地比例PB与降温强度ICE、影响范围SCE的拟合曲线（图7j～图7i）可知，建设用地比例PB与SCE呈现线性负相关关系，随着建设用地比例的增加，SCE持续降低。就降温强度ICE而言，建设用地比例与 ICE呈现出非线性关系，尤其在城市热岛效应较为显著的夏、秋两季，当建设用地比例PB较低时（PB＜50%），随着湖泊周围建设用地比例PB的上升，湖泊周围环境的地表温度出现一定升高；然而，当PB超过60%时，ICE开始显著下降，这可能是由于市区坑塘的 ICE较小而其周边建设用地比例较高。

4 讨论

研究发现，夏、秋、冬三季湖泊水体对应的平均温度均低于建设用地与植被，形成城市热环境中的“冷岛”，能够有效地调节城市小气候，改善城市热环境。对湖泊内部平均温度与湖泊景观特征指标进行回归分析，发现湖泊面积越大或边界形状越复杂，湖泊内部平均温度越低，湖泊的冷岛效应越强。然而，随着水体面积、形状指数的增大，湖泊内部温度的下降趋势逐渐趋于平缓。这提供了一个新的视角理解城市湖泊的冷岛效应，随着水体面积的增大，湖泊的冷却效果将达到阈值；对于市区小型坑塘，由于坑塘的面积相对较小，不能形成有效的城市“冷岛”。

湖泊的降温强度 ICE及影响尺度 SCE同时受湖泊自身景观特征与湖泊周围环境的影响。随着水体面积、水量的增加，湖泊的ICE和SCE将达到阈值，湖泊对热环境的缓释效应逐渐趋于平稳。因此，在进行城市人工湖规划时，应综合考虑湖泊面积、体积与其所能带来的降温强度与影响范围，从降温效应的收益角度来看，水体的面积及体积分别控制在15 hm2及2000000 m3内较为合理。湖泊边界复杂程度对湖泊热缓释能力也有一定程度的影响，这意味着，在体积、面积一定的情况下，增加湖泊边界的复杂程度有益于促进湖泊与周围环境的气流运动和能量交换，进一步发挥湖泊对周围热环境的缓释作用。此外，本研究发现湖泊水体的空间布局对降温强度ICE及影响尺度SCE也有一定的影响，水体距离CBD越远，水体ICE及SCE越大，这主要是由于郊区湖泊水体周围的生态环境较好，建设用地比例较低，有利于形成更强的缓释作用，而且城市中心内部水体周围存在较高的建筑，难以形成有效的城市通风廊道，限制了湖泊降温效应的发挥。

湖泊水体周围的景观配置（PV、PB）对湖泊热缓释效应也有一定的影响，其中植被比例 PV的提高，将有效促进了湖泊与其周边环境的局地环流，而且林地较草地更能有效增加湖泊缓释效应的强度与影响范围。然而，过高的建设用地比例将显著削弱湖泊热缓释效应的影响范围，限制湖泊热缓释效应的扩散。因此，为发挥湖泊降温效应的最大收益，在湖泊自身景观特征的基础上还应综合考虑湖泊周围的景观配置。在土地资源紧张的城市中心区，增加湖泊水体的面积、体积的难度往往较大，因此，本研究提供了一个新的角度增强城市湖泊水体的热缓释效应，适当地在湖泊周边布置一定面积的植被，且植被类型最好为林地，植被面积最好为湖泊面积的50%，以达到最优的增强效果。

在夏、秋、冬三季，湖泊的热环境缓释效应具有明显的季相变化，从夏季到冬季，湖泊平均降温强度ICE从3.73 ℃降至1.51 ℃，平均影响范围SCE从360 m降至280 m，这可能是由于夏、秋两季城市核心区内部城市热岛面积较大，热岛效应显著，湖泊水体的热缓释强度较高；随着季相的转换，城市核心区内部热岛效应逐渐消失，湖泊的热缓释效应趋于不明显，降温强度及影响范围不断降低，导致湖泊热缓释效应与景观特征之间的相关性逐渐减弱。

广州地处华南多云多雨地区，难以获得同年不同季相的光学遥感影像，因此本文使用相邻年份的夏、秋、冬三季Landsat影像反演地表温度，具有一定的局限性。而且本研究区域仅局限于广州市中心城区，难以全面反映不同气候条件下各类型湖泊水体的热缓释效应。此外，今后研究中需要进一步考虑不同影响因子、不同尺度下量化水体的热缓释强度，以构建更精细的常年时期的湖泊周边温度分布模型。

5 结论

本研究以广州市中心城区内部湖泊水体为研究对象，初步探讨城市核心区湖泊水体的热环境效应及其季相差异，综合分析城市湖泊水体的空间结构特征及湖泊周围景观配置对湖泊内部及周边温度分布情况的影响。研究结果表明，湖泊的热缓释强度受自身景观特性及其湖泊周边景观组分的共同影响，因此，在城市人工湖规划设计时，为发挥降温效应的最大收益，应综合考虑湖泊自身景观特征及其周围景观配置，注意湖泊热缓释能力的饱和效应，不盲目规划建设超大规模湖泊，湖泊面积、体积分别控制在 15 hm2及 2000000 m3内较为合理；湖泊周边的植被类型优先布设林地且植被面积最好达到湖泊面积的50%，以期最大程度地发挥城市水域景观的热缓释功能，提高城市宜居性。