1989~2015年海口城市热环境与景观格局的时空演变及其相互关系

雷金睿,陈宗铸*,吴庭天,李苑菱,陈小花,杨 琦,何荣晓



1989~2015年海口城市热环境与景观格局的时空演变及其相互关系

雷金睿1,陈宗铸1*,吴庭天1,李苑菱1,陈小花1,杨 琦1,何荣晓2

(1.海南省林业科学研究所,海南 海口 571100；2.海南大学热带农林学院,海南 海口 570228)

利用1989,1999,2007和2015年的4期Landsat 5TM/8OLI-TIRS遥感数据,综合应用遥感、地理信息系统、景观生态学和统计分析相结合的方法,探讨海口城市热环境与景观格局的时空演变关系.结果显示,1989~2015年间,海口城市陆地表面温度(LST)总体呈逐步上升的趋势.城市热岛面积逐步扩大,空间质心向西南方向转移,且在2007年以后转移速率明显加快;冷岛质心则向东部生态核心区转移.城市LST较高的区域往往与不透水表面分布一致,较低的LST与绿地或水体分布一致.4期绿地的平均LST比不透水表面低4.17℃,其中2015年绿地景观类型百分比(PLAND)每增加10%导致LST下降0.57℃;不透水表面每增加10%,LST则上升0.78℃.不同时期绿地和不透水表面的平均LST与PLAND、最大斑块指数(LPI)、聚集度指数(AI)均表现为一致的极显著相关关系,且相关性逐年增强,其中绿地为负相关,不透水表面为正相关;景观斑块的大小和聚集程度对城市LST有较大影响.研究结果可以拓展对城市热环境与景观格局时空演变关系的认识,为城市规划和决策者提供参考.

城市热岛；陆地表面温度；景观格局；土地覆盖；不透水表面；绿地；海口

据联合国估计,目前居住在城市地区的人口占全球总人口数的54.5%,预计到2030年将达到60%[1].城市化是人类社会发展的共同趋势,也是推动多种环境变化的重要因素[2-4].随着城市规模和密度的不断扩大,环境污染、植被退化、能源消耗、热岛效应等一系列生态环境问题也不断出现,严重制约了区域的持续与健康发展[4-5].

城市热岛(UHI)作为城市空间热环境特征的集中体现[6],是当前全球城市空间热环境和可持续发展研究的主要内容.热岛可分为3类:冠层热岛(CLHI),边界层热岛(BLHI)和地表城市热岛(SUHI)[7].前2类属于大气热岛,通常通过国家气象站网络、定点观测等方法进行气温测量;SUHI通常使用机载或卫星热红外遥感来表征陆地表面温度(LST),因其具有较高的空间和时间分辨率,成为目前国内外研究人员开展城市热环境变化研究的主要技术手段[8-10].

近年来,随着热红外遥感技术的快速发展, LST可以很容易地从卫星遥感数据中反演获取,与地理信息系统(GIS)相结合可用于大量研究[11-13],评估LST与城市地区不同土地利用/土地覆盖变化(LUCC)之间的空间关系是目前该领域的研究热点[14-17].LUCC直接导致城市下垫面环境和性质发生显著改变,其结构组成和景观格局特征会影响城市热环境的空间分布[18-19].相关研究表明,城市热环境与景观格局关系密切,主要受植被与不透水表面景观百分比的影响[16,17,20-22].城市建筑物等不透水表面会导致地温升高,植被则能有效地降低表面温度.由于植被可以防止陆地表面直接受到太阳辐射的加热,且可以通过蒸散产生冷岛效应,起到降温作用,与不透水表面景观形成对比[23-26].因此,增加绿地覆盖度是缓解UHI效应的最有效措施之一[15].也有研究认为,植被对LST的降温作用也会受到景观破碎化程度的影响,大型连续的植被斑块具有更大降低LST的能力[4,27-28].事实上,当前多数研究集中在单一时期景观格局指数或植被覆盖度与LST之间的定量关系,依然缺乏从多时期上定量研究空间热环境和景观格局的时空变化及其相互关系.

海南作为我国唯一的热带岛屿省份和最大的经济特区,地理位置独特,地理单元相对独立,热岛现象具有典型性.自1988年建省以来,社会经济高速发展,城市迅速扩张,与生态环境之间的矛盾也逐步凸显.而关于该地区的城市热环境问题研究尚未见报道.基于此,本文以海口市为例,利用1989~2015年近30a的Landsat遥感数据分析城市热环境与景观格局的时空演变关系,旨在研究区域热环境格局的空间分布特征及质心演变;景观类型,特别是绿地和不透水表面对城市热环境的影响;从景观生态学角度探究LST与景观格局的相关关系.

1 研究区概况

图1 研究区域位置

海口市位于海南岛北部,北濒琼州海峡,东西接文昌、澄迈2市县,属热带海洋性季风气候,为典型的热带滨海省会城市,也是“海澄文”一体化经济圈的核心组成部分.本文以海口市城市规划区为研究区,具体范围为海口市绕城高速以北所有区域,面积约520km2(图1).区域内以滨海平原地貌为主,海南岛最长的河流南渡江从海口市中部穿过而入海,水资源丰富;东部有海南东寨港红树林自然保护区,南部有海口火山群世界地质公园、美舍河和五源河国家湿地公园和羊山湿地,植被覆盖程度高.2011年,海口市政府西迁至西海岸,开启了西部片区发展的新高潮,城市土地利用格局发生巨大变化.

2 数据来源与研究方法

2.1 数据来源及预处理

研究选用1989,1999,2007和2015年4期覆盖海口市城区,影像清晰少云,成像时间接近的Landsat 5TM/8OLI-TIRS遥感数据(来源于美国地质调查局数据中心,https://glovis.usgs.gov/),轨道号均为p124/ r46(表1).依托ENVI 5.1软件平台,遥感影像经几何纠正、图像融合等预处理,利用研究范围对处理后的影像数据进行掩膜提取,得到研究区遥感影像底图.采用监督分类与目视解译相结合的方法分别对4期遥感影像进行解译,将研究区土地利用景观类型分为绿地、水域、不透水表面和未利用地4类[22], Kappa系数均在0.8以上,精度符合要求(图2).所有空间数据釆用Gauss_Kruger投影统一到2000国家大地坐标系,空间分辨率重采样为30m.不同时期地面气温的日值数据来源于国家气象科学数据共享服务平台(http://data.cma.cn/).

表1 不同时期遥感数据信息

图2 不同时期海口城市景观类型分布

2.2 地表温度反演

本研究基于单通道大气校正法[29],利用Landsat遥感数据反演LST.首先通过Landsat热红外波段数据(TM为第6波段,OLI-TIRS为第10波段)将像元灰度值(DN)转化为相应的辐射亮度(L),然后根据辐射亮度推算对应的亮度温度(),进一步利用不同地物的比辐射率()将辐射亮温转换为LST.研究采用Artis等[30]提出的LST反演公式,具体方法及参数选取参考文献[10,31-32].

2.3 地表温度热力等级划分

为使不同时期的LST数据具有较好的可比性,采用极差标准化方法对LST进行标准化处理[32],公式为:

式中:N表示第个像元标准化后的值;T表示第个像元的LST值;min表示LST的最小值;max表示LST的最大值.

通过标准化处理后,利用均值-标准差法来划分等级[28],将研究区LST划分为低温区、次低温区、中温区、次高温区和高温区5 个热力等级,统计各等级在研究区域内的相应面积.其中,高温区和次高温区被定义为城市热岛区域.

2.4 空间质心模型

景观空间质心模型能够很好地从空间上描述景观类型的时空演变特征.通过分析各研究时段的景观类型分布质心,可以发现景观空间变化趋势[33].本文通过计算景观类型斑块的面积加权质心变化,来分析景观格局空间变化规律和趋势.公式为:

空间质心转移距离:

式中:X和Y分别是时期的景观空间质心坐标;X和Y是某类景观第个斑块的质心坐标;C为第个斑块的面积;L1表示从到+1时期景观空间质心转移距离;是景观类型的斑块总数目.

2.5 移动窗口分析

本研究综合考虑地温反演图栅格大小以及相关研究成果[20,22,34],经反复测试,最终确定边长为210m(即7×7栅格)的正方形移动窗口进行景观格局分析.移动窗口分析采用Fragstats 4.2软件,从研究区的左上角开始逐步移动,每次移动1个栅格,计算窗口内的景观指数值,并将该值赋予窗口的中心栅格,最终得到各个景观指标的栅格图[35].选取景观类型百分比(PLAND)、最大斑块指数(LPI)和聚集度指数(AI)[36],从景观优势度、破碎化以及聚集程度等方面探讨研究区景观格局与地表温度之间的相关性.各景观指数计算公式及生态学含义详见文献[37].利用GIS空间分析工具对LST栅格图进行数值统计(7×7栅格),并采用提取分析命令得到每个窗口中心点所对应的平均LST和景观指数值,最终导入SPSS 22.0分析城市LST与景观格局之间的Pearson双变量相关性.

3 结果与分析

3.1 热环境格局分布特征

图3 1989~2015年间海口城市热力等级

结果表明,1989~2015年间,受城市化和经济建设的影响,海口城市地表热环境空间格局发生了巨大的变化,时空差异特征明显;低温区主要以南渡江水域为分布中心地带,面积占比较稳定,而热岛区域则逐年扩大(图3和表2).1989年,海口城市地表热力等级主要以中温及以下为主,面积占74.42%;而高温区主要分布在西海岸裸地及海岸带沙滩等地,地表反射强烈,温度高;次高温区集中在主城区范围,城市热岛区域面积占25.58%(图3a).1999年,城市热环境仍以中温及以下为主,但面积有所缩小,热岛区域面积比例扩大至31.07%,除分布在西海岸裸地之外,主城区建设用地所形成的热岛效应也开始凸显出来(图3b).2007年,热岛区域进一步向周边蔓延,有逐渐向南渡江以东区域扩展的趋势;同时,海甸岛的热岛效应也变得十分突出(图3c).随着市政府西迁后,西部片区城市建设明显提速,大量的自然景观逐渐向人工或半人工景观类型转变,导致城市地表景观格局改变,土地利用程度加强.至2015年,研究区西南部区域由中、低温区明显演变为高温区;而西北部区域则因城市发展将裸地等未利用地转变为建设用地或城市绿地,热岛效应反而得到相应减弱(图3d).2015年海口城市热环境中温及以下区域进一步缩减至66.18%,热岛区域面积则升至33.82%,热岛效应向西以及向南方向发展明显增强,与海口市以西相接的澄迈老城经济开发区有同城化的发展趋势.

表2 1989~2015年间海口城市热力等级面积变化

3.2 热环境空间质心演变

海口城市热环境热力等级空间质心演变如图4和表3所示.可以发现,在1989~2015年间,低温区和次低温区均向东迁移,且向南渡江以东跨越,转移距离分别为5920.44和3958.28m;次高温区向西迁移5672.55m,高温区向南迁移1529.50m;而中温区空间质心转移距离不太明显.总体上看,海口城市热力等级空间质心演变格局与热环境空间分布格局相符合.西部片区的建设发展带动热岛区域空间质心向其转移,而低温区和次低温区域的空间质心则向东部东寨港的生态核心区靠拢,以此平衡城市总体热环境空间分布格局.从转移速率上看,高温区和次高温区向西南转移、低温区和次低温区向东转移的速率相对比较迅速,且在2007~2015年间转移速率较前期明显加快.

图4 海口城市地表温度热力等级空间质心演变

表3 1989~2015年间海口城市地表温度热力等级空间质心转移距离

注:迁移距离为“正”值表示向东或北迁移,为“负”值表示向西或南迁移.

3.3 景观类型对热环境的影响

为了说明不同景观类型对热环境的影响,采用ArcGIS空间分析模型分析不同时期景观类型对地表温度空间分布的贡献(图5).可以看出,未利用地和不透水表面的平均地表温度最高,随着时间的推移,两者之间的差值不断缩小,至2015年几乎持平.这主要是由于1989年的未利用地景观百分比较高,且斑块集中连片,直接受到太阳辐射造成地表温度很高;但到2015年由于城市开发建设,城市中未利用地开发殆尽,少量零星分布且易受相邻景观斑块影响以至于地表温度不会过高.绿地和水域的平均地表温度最低,但水域景观地温的标准差最高,绿地景观地温的标准差最低,这说明水域的热环境波动很大,而绿地热环境则十分稳定.除在2007年地表温度出现下降之外,总体上看,1989~2015年间海口城市各景观类型的地表温度呈现逐步升高的趋势,与同时期地面实际观测气温值的变化趋势相符.

图5 各景观类型平均地表温度与标准差统计

通过统计不同时期5个热力等级各景观类型的热贡献程度可以看出(图6),水域主要出现在低温区,且热力等级越高,水域景观百分比越低,这可能跟水的高热惯性有关.绿地主要分布在中温区和次低温区,且在次低温区显示出最高值.不透水表面和未利用地景观的高百分比出现在高温区和次高温区,如混凝土建筑、道路、人工裸露沙地等地表吸热快且热容量小,较自然下垫面(绿地、水域等)升温快,从而造成相应区域地表温度明显较高.从时间序列上分析,中温区至高温区中,绿地逐年减少、不透水表面逐年增加,城市热岛面积也在逐渐扩大.由此可见,城市土地利用方式和景观结构组成是造成地表温度空间差异的主要原因,寻求合理的城市土地利用规模、结构、方式及其空间布局,应当成为有效遏制城市热环境效应的重要途径.

图6 1989~2015年间海口城市热力等级中景观类型百分比统计

Fig.6 Proportion of landscape types in Haikou from 1989 to 2015

3.4 空间热环境与景观格局相关性

以2015年为例,平均LST与景观格局类型百分比的相关性分析结果表明(图7),绿地景观与平均LST 呈极显著负相关关系,相关系数达-0.720,明显高于水域的相关系数-0.208,表明绿地为城市地表热环境效应抑制的主要贡献源.而不透水表面景观与平均LST呈极显著正相关关系,相关系数达0.858,为城市地表的主要热源.总体上看,不透水表面景观百分比每增加10%,LST约上升0.78℃;绿地景观百分比每增加10%,LST约下降0.57℃,不透水表面对LST的影响力稍大于绿地.

通过以上分析可以看出,不透水表面和绿地景观与平均LST呈极显著相关关系,且相关系数最高.因此,以不透水表面和绿地两类景观与景观格局指数进行时间序列的纵向分析(表4),结果发现,在不同时期中的PLAND、LPI、AI均与平均LST表现为一致的极显著相关关系(绿地为负相关,不透水表面为正相关).但平均LST与PLAND、LPI的相关系数明显高于与AI的相关系数,可以说明,一个较大的连片绿地产生的冷岛效应强于几个较小的分散绿地;与其相反的是,较大和连续的不透水表面要比几个较小的分散的不透水表面产生更强的热岛效应.

***表示<0.001

在时间序列上,不透水表面PLAND逐年增加,LPI也随之升高,建设用地集中连片扩张形成城市“摊大饼”式蔓延,因而产生更强的热岛效应,与平均LST的相关性也逐步增强.但不透水表面AI逐渐降低,反映出海口城区西部拓展和向澄迈老城方向扩展形成“一城多点”的城市发展格局,城市热岛也形成多点分布的空间格局(图3d).而城市绿地面积不断萎缩,斑块破碎化持续加重,聚集程度明显减弱,造成绿地空间分散,但依然是抑制城市热岛效益的主要贡献力量,因此与平均LST的相关性系数也较高.

表4 绿地和不透水表面景观格局指数与平均地表温度之间的相关性

注:***表示<0.001.

4 讨论

4.1 热环境空间分布与演变

1989~2015年间,海口城市热岛区域面积逐渐扩大,已达研究区总面积的三分之一,主要分布于主城区和西部沿海区域;热岛空间质心向城市西南方向扩张,与澄迈老城经济开发区有同城化的发展趋势.低温区和次低温区面积比较稳定,主要以南渡江水域和东寨港为分布中心地带,空间质心均向东部发展.总体上看,海口城市热环境空间分布与演变格局和城市总体发展布局相吻合,城市扩张也反映在地表温度的上升中[28].西部片区的建设发展带动热岛区域空间质心向其转移,而低温区和次低温区域的空间质心则向东部东寨港的生态核心区靠拢,且在2007~2015年间转移速率较前期明显加快,这也反映出2009年海南国际旅游岛政策以及2011年市政府西迁所带来的城市发展总体布局影响.因此,为避免在未来的城市发展中形成新的热岛,城市规划者应密切关注空间热环境的演变规律,主动规避无计划的城市化对自然资源造成的负面影响.

4.2 热环境与景观类型的关系

总体而言,1989~2015年间海口城市地表温度表现为逐步升高的趋势,且比实际观测气温高1.1~3.5℃,在合理范围内[28];与Abutaleb等[31]对埃及开罗地区城市地表温度高于大气温度0.5~3.5℃的研究结果十分类似.其中,绿地的平均LST(26.98℃)比不透水表面的平均LST(31.15℃)低4.17℃.而在其他地区的研究中也发现,比如广州城市热环境中不透水表面和绿地的平均LST相差2.8℃[38];Estoque等[22]在对与海口地理气候相似的菲律宾马尼拉UHI的研究结果显示,两者相差3.7℃;Weng等[24]在美国印第安纳州印第安纳波利斯的UHI研究中,两者相差达5.4℃.这些研究结果有力证明了不透水表面的热岛效应和绿地的冷岛效应.可见,绿地景观具有重要的城市生态系统服务功能,在降低LST方面起着极为重要的作用[10,22,25,39].

与此同时,海口城市热环境较高的LST往往与不透水表面分布区域相一致,较低的LST与绿地或水体分布相一致,而PLAND的逐年变化也反映在城市热环境的时空演变之中.这表明土地利用变化是影响城市热环境分布格局的重要因素,因此可以通过适当的土地利用规划,来缓解城市热岛效应[38],比如以不透水表面分布为主的中心城区应当结合目前的海口市棚户区改造计划规划适当比例的城市绿地,提高城区土地利用效率,打破稠密、连片的建筑格局.

4.3 LST与景观格局的相关关系

海口城市平均LST与景观结构呈极显著相关关系,其中与绿地景观呈极显著负相关关系,与不透水表面景观呈极显著正相关关系,分别为城市热环境中主要的“冷源”和“热源”.绿地PLAND每增加10%,LST下降0.57℃;不透水表面PLAND每增加10%,LST则上升0.78℃.Rogan等[40]研究美国Massachusetts 地区热环境时也发现,植被覆盖率每降低10%,LST上升0.7℃;而不透水表面每增加10%,LST增加1.66℃.唐泽等[41]在对我国长春城市地表热力景观格局的研究结果表明,植被覆盖率每增加10%,地表温度下降0.7~0.8℃;不透水表面每增加10%,地表温度上升0.6~0.7℃,植被对LST的影响力稍大于不透水表面,这可能跟不同纬度、季节变化或湿度水平等因素有关[10,25,41-42].

在与景观格局指数的相关性分析中,不同时期中的PLAND、LPI、AI均与平均LST也表现为一致的极显著相关关系(绿地为负相关,不透水表面为正相关).具体而言,绿地的PLAND、LPI、AI与LST呈显著负相关,这意味着绿地斑块连片分布会降低LST.这与前人的研究结果相一致,即LST越高,绿色空间越分散、斑块越破碎化[27];相同面积的绿色空间,LPI越低会导致平均斑块面积减小、斑块密度增加,同样也会增加LST[15].与其相反的是,不透水表面PLAND和LPI越低,LST也就会越低.总体而言,细碎绿地在缓解城市热岛效果方面不如聚集绿地,聚集的不透水表面则会提高城市热岛强度[22].因此,建议城市规划和决策者通过聚集绿地和分散不透水表面来优化城市景观的空间布局,对于城区建设用地宜将绿地穿插分布于其中,同时规划大型城市绿地或郊野公园.相关研究也认为,以城市公共绿地(公园绿地、防护绿地等)、森林和水域为主导的冷岛效应是当前改善城市热环境、削弱城市热岛效应最有效的手段[6-8,15,27].

在时间序列上,海口城市不透水表面总体呈“摊大饼”式向四周辐射的格局,建设用地以连片或飞地式不断扩张,斑块聚集程度高,热岛效应随之增强.前人对北京[43]、上海[32]、广州[20]等城市的热环境效应研究中均证实了这一观点.但从海口城市地表温度热力等级分布图可以发现,在城市主城区和西部片区之间依然存在大量绿地景观,热力等级相应地为次低温区,但绿地面积在不断缩小,热力等级处于上升趋势.因此,应当尽量避免两大热岛区域连接成更大的城市热岛,维护好残存的生态隔离带(河流、林地、湿地等),增加绿地覆盖和优化景观配置,构建城市生态网络空间体系,从景观生态学角度来缓解城市热岛效应.

5 结论

5.1 1989~2015年间,海口城市LST总体呈现逐步上升的趋势,比实际观测气温高1.1~3.5℃.城市热岛向四周辐射蔓延,面积逐步扩大,主要分布于主城区和西部沿海区域,其空间质心向西南方向转移,且在2007年以后转移速率较前期明显加快;城市冷岛质心则向东部生态核心区转移.

5.2 城市LST较高的区域往往与不透水表面分布一致,较低的LST与绿地或水体分布一致.4期绿地的平均LST比不透水表面低4.17℃;其中2015年绿地PLAND每增加10%,LST下降0.57℃;不透水表面每增加10%,LST则上升0.78℃,分别为城市热环境中主要的“冷源”和“热源”.

5.3 不同时期的平均LST与PLAND、LPI、AI均表现为一致的极显著相关关系,且相关性逐年增强,其中绿地为负相关,不透水表面为正相关.总体而言,细碎绿地在缓解城市热岛效果方面不如聚集绿地,聚集的不透水表面则会提高城市热岛强度,表明景观斑块的大小和聚集程度对城市LST有较大影响.

[1] United Nations Department of Economic and Social Affairs. The World's cities in 2016. New York: United Nations, 2016.

[2] Zhou D C, Bonafoni S, Zhang L X, et al. Remote sensing of the urban heat island effect in a highly populated urban agglomeration area in East China [J]. Science of the Total Environment, 2018,628-629:415- 429.

[3] Grimm N B, Faeth S H, Golubiewski N E, et al. Global change and the ecology of cities [J]. Science, 2008,319(5864):756-760.

[4] Greenea G S, Kedronb P J. Beyond fractional coverage: A multilevel approach to analyzing the impact of urban tree canopy structure on surface urban heat islands [J]. Applied Geography, 2018,95:45-53.

[5] Deng J S, Wang K, Hong Y, et al. Spatio-temporal dynamics and evolution of land use change and landscape pattern in response to rapid urbanization [J]. Landscape and Urban Planning, 2009,92(3/4): 187-198.

[6] 姚 远,陈 曦,钱 静.城市地表热环境研究进展[J]. 生态学报, 2018,38(3):1134-1147. Yao Y, Chen X, Qian J. Research progress on the thermal environment of the urban surfaces [J]. Acta Ecologica Sinica, 2018,38(3):1134- 1147.

[7] Voogt J A, Oke T R. Thermal remote sensing of urban climates [J]. Remote Sensing of Environment, 2003,86(3):370-384.

[8] Pan J H. Area delineation and spatial-temporal dynamics of urban heat island in Lanzhou city, China using remote sensing imagery [J]. Journal of the Indian Society of Remote Sensing, 2016,44(1):111-127.

[9] Sultana S, Satyanarayana A N V. Urban heat island intensity during winter over metropolitan cities of India using remote-sensing techniques: impact of urbanization [J]. International Journal of Remote Sensing, 2018,39(20):6692-6730.

[10] Yu Z W, Guo X Y, Zeng Y X, et al. Variations in land surface temperature and cooling efficiency of green space in rapid urbanization: The case of Fuzhou city, China [J]. Urban Forestry & Urban Greening, 2018,29:113-121.

[11] Li Z L, Tang B H, Wu H, et al. Satellite-derived land surface temperature: current status and perspectives [J]. Remote Sensing of Environment, 2013,131:14-37.

[12] Lazzarini M, Marpu P R, Ghedira H. Temperature-land cover interactions: the inversion of urban heat island phenomenon in desert city areas [J]. Remote Sensing of Environment, 2013,130:136-152.

[13] Mohan M, Kandya A. Impact of urbanization and land-use/land cover change on diurnal temperature range: a case study of tropical urban airshed of India using remote sensing data [J]. Science of the Total Environment, 2015,506-507:453-465.

[14] Amiri R, Weng Q H, Alimohammadi A, et al. Spatial–temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area Iran [J]. Remote Sensing of Environment, 2009,113(12):2606-2617.

[15] Li X M, Zhou W Q, Ouyang Z Y, et al. Spatial pattern of green space affects land surface temperature: evidence from the heavily urbanized Beijing metropolitan area, China [J]. Landscape Ecology, 2012,27(6): 887-898.

[16] Maimaitiyiming M, Ghulam A, Tiyip T, et al. Effects of green space spatial pattern on land surface temperature: implications for sustainable urban planning and climate change adaptation [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014,89:59-66.

[17] Morabito M, Crisci A, Messeri A, et al. The impact of built-up surfaces on land surface temperatures in Italian urban areas [J]. Science of The Total Environment, 2016,551-552:317-326.

[18] Connors J P, Galletti C S, Chow W. Landscape configuration and urban heat island effects: Assessing the relationship between landscape characteristics and land surface temperature in Phoenix, Arizona [J]. Landscape Ecology, 2013,28(2):271-283.

[19] Kayet N, Pathak K, Chakrabarty A, et al. Spatial impact of land use/land cover change on surface temperature distribution in Saranda Forest, Jharkhand [J]. Modeling Earth Systems and Environment, 2016,2:127.

[20] 黄丽明,陈健飞.城市景观格局时空特征的热环境效应研究——以广州市花都区为例[J]. 自然资源学报, 2015,30(3):480-490. Huang L M, Chen J F. Study on thermal environment effect of urban landscape pattern: A case study on Huadu district, Guangzhou [J]. Journal of Natural Resources, 2015,30(3):480-490.

[21] 黄木易,岳文泽,何 翔.巢湖流域地表热环境与景观变化相关分析及其尺度效应[J]. 中国环境科学, 2017,37(8):3123-3133. Huang M Y, Yue W Z, He X. Correlation analysis between land surface thermal environment and landscape change and its scale effect in Chaohu Basin [J]. China Environmental Science, 2017,37(8):3123- 3133.

[22] Estoque R C, Murayama Y, Myint S W. Effects of landscape composition and pattern on land surface temperature: An urban heat island study in the megacities of Southeast Asia [J]. Science of the Total Environment, 2017,577:349-359.

[23] Myint S W, Wentz E A, Brazel A J, et al. The impact of distinct anthropogenic and vegetation features on urban warming [J]. Landscape Ecology, 2013,28(5):959-978.

[24] Weng Q H, Lu D H, Schubring J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies [J]. Remote Sensing of Environment, 2004,89(4):467-483.

[25] Hamada S, Ohta T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas [J]. Urban Forestry & Urban Greening, 2010,9(1):15-24.

[26] Zhou W Q, Huang G L, Cadenasso M. Does spatial configuration matter? Understanding the effects of land cover pattern on land surface temperature in urban landscapes [J]. Landscape and Urban Planning, 2011,102(1):54-63.

[27] Zhang X Y, Zhong T Y, Feng X Z, et al. Estimation of the relationship between vegetation patches and urban land surface temperature with remote sensing [J]. International Journal of Remote Sensing, 2009, 30(8):2105-2118.

[28] Liu G L, Zhang Q, Li G Y, et al. Response of land cover types to land surface temperature derived from Landsat-5TM in Nanjing Metropolitan Region, China [J]. Environmental Earth Sciences, 2016, 75(20):1386.

[29] Sobrino J A, Jimenez-Munoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM5 [J]. Remote Sensing of Environment, 2004,90(4):434-440.

[30] Artis D A, Carnahan W H. Survey of emissivity variability in thermography of urban areas [J]. Remote Sensing of Environment, 1982,12(4):313-329.

[31] Abutaleb K, Ngie A, Darwish A, et al. Assessment of urban heat island using remotely sensed imagery over Greater Cairo, Egypt [J]. Advances in Remote Sensing, 2015,4(4):35-47.

[32] 钱敏蕾,徐艺扬,李 响,等.上海市城市化进程中热环境响应的空间评价[J]. 中国环境科学, 2015,35(2):624-633. Qian M L, Xu Y Y, Li X. An assessment of spatial thermal environmental response to rapid urbanization of Shanghai [J]. China Environmental Science, 2015,35(2):624-633.

[33] 孟 丹,王明玉,李小娟,等.京沪穗三地近十年夜间热力景观格局演变对比研究[J]. 生态学报, 2013,33(5):1545-1558. Meng D, Wang M Y, Li X J, et al. The dynamic change of the thermal environment landscape patterns in Beijing, Shanghai and Guangzhou in the recent past decade [J]. Acta Ecologica Sinica, 2013,33(5): 1545-1558.

[34] Myint, S W, Brazel A, Okin G, et al. Combined effects of impervious surface and vegetation cover on air temperature variations in a rapidly expanding desert city [J]. GIS Science & Remote Sensing, 2010,47(3): 301-320.

[35] Kong F H, Nakagoshi N. Spatial-temporal gradient analysis of urban green spaces in Jinan, China [J]. Landscape and Urban Planning, 2006, 78(3):147-164.

[36] Chen A L, Yao L, Sun R H, et al. How many metrics are required to identify the effects of the landscape pattern on land surface temperature? [J]. Ecological Indicators, 2014,45:424-433.

[37] 傅伯杰,陈利顶,马克明,等.景观生态学原理及应用 [M]. 北京:科学出版社, 2011:86-92. Fu B J, Chen L D, Ma K M, et al. Principles and applications of landscape ecology [M]. Beijing: Science Press, 2011:86-92.

[38] Sun Q Q, Wu Z F, Tan J J. The relationship between land surface temperature and land use/land cover in Guangzhou, China [J]. Environmental Earth Sciences, 2012,65(6):1687-1694.

[39] 王 蕾,张树文,姚允龙.绿地景观对城市热环境的影响——以长春市建成区为例[J]. 地理研究, 2014,33(11):2095-2104. Wang L, Zhang S W, Yao Y L. The impacts of green landscape on urban thermal environment: A case study in Changchun city [J]. Geographical Research, 2014,33(11):2095-2104.

[40] Rogan J, Ziemer M, Martin D G, et al. The impact of tree cover loss on land surface temperature: a case study of central Massachusetts using Landsat Thematic Mapper thermal data [J]. Applied Geography, 2013,45:49-57.

[41] 唐 泽,郑海峰,任志彬,等.城市地表热力景观格局时空演变——以长春市为例[J]. 生态学报, 2017,37(10):3264-3273. Tang Z, Zheng H F, Ren Z B, et al. Spatial and temporal changes to urban surface thermal landscape patterns: a case study of Changchun City [J]. Acta Ecologica Sinica, 2017,37(10):3264-3273.

[42] Peng J, Jia J L, Liu Y X, et al. Seasonal contrast of the dominant factors for spatial distribution of land surface temperature in urban areas [J]. Remote Sensing of Environment, 2018,215:255-267.

[43] 徐永明,刘勇洪.基于TM影像的北京市热环境及其与不透水面的关系研究[J]. 生态环境学报, 2013,22(4):639-643. Xu Y M, Liu Y H. Study on the thermal environment and its relationship with impervious surface in Beijing city using TM image [J]. Ecology and Environmental Sciences, 2013,22(4):639-643.

Spatio-temporal evolution and interrelationship between thermal environment and landscape patterns of Haikou City, 1989~2015.

LEI Jin-rui1, CHEN Zong-zhu1*, WU Ting-tian1, LI Yuan-ling1, CHEN Xiao-hua1, YANG Qi1, HE Rong-xiao2

(1.Hainan Provincial Forestry Science Research Institute, Haikou 571100, China；2.Institute of Tropical Agriculture and Forestry, Hainan University, Haikou 570228, China)., 2019,39(4)：1734~1743

Landsat 5TM/8OLI-TIRS thermal infrared remote sensing data from 1989, 1999, 2007 and 2015 were used here to explore the spatio-temporal evolution and interrelationship between the thermal environment and landscape patterns in Haikou, China. Through the integration of remote sensing, geographic information systems, landscape ecology and statistical analysis methods, our results showed that the land surface temperature (LST) of Haikou City showed a gradual increase from 1989 to 2015. The area of urban heat island gradually expanded, the spatial center of mass shifted southwest, and the transfer rate accelerated significantly after 2007. In addition, the center of cold island mass was transferred to the eastern eco-centric area. The distribution of high land surface temperature in the city correlates with impervious surface, while the low LST correlated with the distribution of green land or water. The mean LST of green space was 4.17℃ lower than that of impervious surface. In 2015, 10% increase in percentage composition of landscape (PLAND) of green space caused a 0.57℃ loss in LST, whereas a 10% increase in PLAND of impervious surface caused a 0.78℃ increase in LST. The mean LST of green space and impervious surface in different years was consistently and highly significantly correlated with PLAND, largest patch index (LPI) and aggregation index (AI). In fact, the correlation grew stronger over the years. The correlation of LST with green space was negative, while it was positive for impervious surface. The size and degree of aggregation of landscape patches had great influence on urban LST. These results expand our understanding of the spatio-temporal evolution and interrelationship between urban thermal environment and landscape patterns, as well as provide a reference for urban planners and policy makers.

urban heat island；land surface temperature；landscape pattern；land cover；impervious surface；green space；Haikou

X52,TU992.1

A

1000-6923(2019)04-1734-10

2018-09-25

海南省财政科技计划资助(KYYS-2018-32);海南省自然科学基金资助项目(317003)

*责任作者, 副研究员, chenzongzhu@foxmail.com

雷金睿(1988-),男,四川广安人,助理研究员,硕士,主要从事城市生态、土地利用与空间信息等方面的研究.发表论文20余篇.