城市热岛效应对建筑形态的响应及其昼夜变化研究

袁 帅,张 金 梦,徐 志 刚,唐 歌 实,王 驰,陈 吉 科*

(1.南京信息工程大学遥感与测绘工程学院，江苏 南京 210044；2.江苏第二师范学院城市资源与环境学院，江苏 南京 211200；3.龙岩学院资源工程学院，福建 龙岩 364012；4.徐州长城基础工程有限公司，江苏 徐州 221000)

0 引言

截至2016年，全球约55%的人居住在城市，预计到2050年该比例会达到70%[1]。城市化水平提高对城市气候产生一系列影响，城市热岛效应作为城市气候最显著的表征，已经严重影响城市宜居性、生产效率和环境质量[2,3]。目前，城市热岛效应相关研究主要分为城市大气热岛效应和城市地表热岛效应两类，前者通常使用城市和农村气象站点间的温度差测量，由于站点数量有限，难以进行大规模的空间研究[4]。而各种遥感卫星及传感器的发展[5-7]为快速、准确获取大范围城市地表热辐射信息提供了可能，基于热红外遥感数据探讨城市热岛效应已成为当前城市气候研究的热点方向之一[8,9]。

目前，城市地表热岛效应研究主要集中于地表热环境的时空格局及驱动因素等方面，明确城市地表热环境的驱动因素是缓解城市热岛效应的重要基础[10]。其中，建筑用地作为城市区域最主要的土地利用类型，其面积、高度和空间格局等均能显著影响城市生态环境[11,12]。近年来，学者们围绕城市建筑如何影响地表热环境开展了一系列研究。例如：武鹏飞等基于归一化建筑指数，揭示了北京市建筑二维形态(建筑用地面积比例和空间构型)直接影响城市地表温度时空分布[13]；葛亚宁等探讨了北京市建筑区地表温度与建筑密度的关系[14]；徐涵秋提出一种新型建筑指数并以厦门为研究区，发现城市建筑用地密度对地表温度具有正效应[15]。此外，地表温度还受建筑的位置、方向和排列等因素影响，且存在昼夜差异[16]。高层建筑物的垂直结构可通过改变地表热量存储、天空视角或地表空气流通从而影响地表温度[17,18]，这使得从二维角度阐释城市建筑用地和地表温度之间的关系已不能满足当前城市地表热环境研究的需要，近年来部分学者尝试探究城市建筑三维形态对地表温度的影响机制。例如：Li等使用随机森林模型量化了武汉市中心建筑高度等三维形态对城市地表温度的影响及其季节变化[19]；Chen等以南京市为案例的研究表明，相对于其他三维形态指数，建筑高度和天空可视因子更能影响白天地表温度的空间分布[10]。

上述研究分别开展了建筑二维和三维形态对地表温度的影响，但针对建筑二维和三维形态对地表温度联合影响机制的研究较少，且缺乏对地表温度昼夜变化响应的研究。因此，本文以南京中心城区为研究区域，基于多源遥感数据获得城市昼夜地表温度及建筑二维和三维形态指标，采用梯度提升回归树(GBRT)模型剖析城市建筑二维和三维形态对地表温度影响的相对重要性及其昼夜差异，并量化关键驱动因素与昼夜地表温度的关联机制，以期为南京市未来城市建筑用地优化与缓解城市热岛效应提供理论依据和科学指导。

1 研究区域及数据

1.1 研究区概况

南京市是长三角地区的重要中心城市之一，总面积约6 587.02 km2，截至2020年人口超过900万，地貌类型包括平原、丘陵和岗地，气候类型属于亚热带季风气候。南京被认为是长江流域的四大火炉城市之一，夏季白天平均气温达到27 ℃，最高气温超40 ℃，近年来夏季出现持续高温天气。受限于研究区LiDAR数据的完整性，本文选择南京部分主城区作为研究区(图1)，包括鼓楼区、玄武区和秦淮区的绝大部分以及栖霞区、雨花台区和建邺区的部分区域，面积约205 km2。

图1 研究区位置Fig.1 Location of the study area

1.2 数据及预处理

(1)机载LiDAR数据和IKONOS-2影像数据。机载LiDAR数据主要用于提高土地覆盖分类精度并获取城市建筑的垂直结构信息，采集时间为2009年4月21-22日，其平均密度约为4点/m2，使用3 m空间分辨率的机载LiDAR数据获取数字高程模型(DEM)和数字表面模型(DSM)，DSM减去DEM可得仅代表地物绝对高度特征的归一化数字表面模型(nDSM)；IKONOS-2高分辨率遥感影像采集时间为2009年6月18日，包括蓝(0.45～0.53 μm)、绿(0.52～0.61 μm)、红(0.64～0.72 μm)和近红外(0.77～0.88 μm)4个波段，空间分辨率为3.2 m。研究中对机载LiDAR数据和IKONOS-2影像进行空间配准，校正误差控制在0.5个像元内。鉴于多源遥感数据融合能弥补各数据源的局限，减少理解的模糊性，本研究融合IKONOS-2和机载LiDAR数据，采用面向对象分类方法对城市土地覆盖进行分类。首先，基于IKONOS影像4个光谱波段和利用机载LiDAR数据提取的DEM、DSM、nDSM以及强度特征，通过多尺度影像分割创建地理对象；其次，充分挖掘地理对象的不同属性特征，包括基于机载LiDAR数据获取的强度和回波特征等；最后，利用随机森林分类器实现面向对象的土地覆盖分类，决策树的数量(ntree)和节点中用于构建二叉树的特征数量(mtry)分别设置为500和输入特征数的平方根，得到城市土地覆盖分类的总体准确度达99.35%，分类准确度在98.85%～99.92%之间，建筑物的生产者和使用者的准确度分别为99.35%和99.0%。土地覆盖图需重新采样至3 m空间分辨率以便后续分析。

(2)地表温度数据。采用ASTER的Surface Kinectic Temperature 产品(AST08)提供的白天和夜间的90 m空间分辨率地表温度数据(http://lpdaac.usgs.gov/products/ast_08v003/)，数据绝对精度在±1.5 K之间。基于数据质量及可获得性，选择2011年5月1日11时的场景作为白天的LST图像，夜间时间选择2011年4月4日22时19分，此外，由于产品的温度单位为K，需将图像像元值转化为℃进行分析。尽管研究所用ASTER数据与IKONOS-2、机载LiDAR数据存在大约两年的时间差，但由于研究区城市建筑形态相对稳定，2009-2011年建筑物变化有限，故数据时间差对本文研究结果的影响忽略不计[10]。

2 研究方法

2.1 建筑二维景观格局指标

建筑用地景观格局(即景观组成和空间构型)对城市地表热环境具有重要影响[10]，其中，景观组成描述与景观斑块种类及其多度相关的特征，包括斑块类型和数量、每个斑块类型的面积、比例等，景观空间构型代表景观斑块的特征、排列、位置和走向等。本文选择5个广泛使用的景观格局指标测量建筑物的二维景观格局(表1)，包括1个景观组成指标(景观百分比(PLAND))和4个景观空间构型指标(斑块密度(PD)、边缘密度(ED)、平均斑块形状指数(SHAPE_MN)和平均斑块面积(AREA_MN))，5种指标通过Fragstats软件计算，信息冗余度较小。

表1 建筑二维景观格局指标Table 1 Landscape indices for 2D morphology of buildings

2.2 建筑三维形态指标

本研究选择建筑平均高度(BH_Mean)、建筑最大高度(BH_Max)、建筑高度变异(BH_SD)和天空可视因子(SVF)4个指标量化建筑物的三维空间形态[20](表2),前3个指标分别反映建筑总体高度、极值和离散特性，SVF表征某位置看到天空的比例(0表示完全遮挡，1表示无遮挡)，主要通过改变空气流通和接收太阳辐射影响地表温度[21]。

表2 建筑三维形态指标Table 2 Indices for 3D morphology of buildings

2.3 梯度提升回归树(GBRT)模型

GBRT模型利用统计学和机器学习技术，结合“回归树”(regression tree)和“增强”(boosting)的优点，相对于传统的回归模型，其对非线性关系的解释能力和预测能力更强，广泛用于生态环境研究[22]。该模型每棵回归树所学习的是之前所有回归树的残差，将该残差与累加预测值相加得到真实值，将每次预测结果与目标值的残差作为下一次学习的目标。

本研究以建筑二维景观格局和三维形态指标为自变量、昼夜地表温度(LST)为因变量建立GBRT模型。在建模过程中，随机选择75%的数据作为训练样本，其余数据作为验证样本。为减少模型随机误差对结果的影响，文中取100次独立实验结果平均值进行分析。此外，本文通过绘制自变量的部分依赖性图阐明城市地表温度对建筑二维和三维形态指标变化的响应特征，也称边际效应，反映其他指标保持恒定时，某特定驱动因素对地表温度的影响(边际效应大于0表示存在正面影响，小于0表示存在负面影响，等于0表示关系不显著)。部分依赖性图是在保持所有其他自变量取其平均值的前提下解释每个自变量对因变量的影响，峰值表示自变量对地表的最大升温或降温程度。本文使用决定系数(R2)和均方根误差(RMSE)评价不同空间尺度下GBRT模型的试验效果，从而确定最佳空间尺度；同时，使用GBRT模型中的相对重要性参数评价不同城市建筑二维和三维形态指标对地表温度变化影响的贡献率，不同形态指标对地表温度相对重要性总和为1，相对重要性越大，说明该指标对地表温度的影响越大。

3 结果与分析

3.1 最佳空间尺度选择

由于城市建筑二维和三维形态指标与地表热环境的相互关系具有空间尺度依赖性，因此，需在连续不同空间尺度上对其进行探究，甄别出能准确揭示城市地表热环境时空格局的最佳空间尺度。综合考虑地表温度数据和城市土地覆盖图空间分辨率后，选择90 m、180 m、270 m、360 m、450 m和540 m共6个空间尺度分析建筑二维和三维形态指标对地表温度影响的空间尺度依赖性，在ArcGIS软件中计算各尺度网格的二维和三维形态指标及地表温度均值，然后，通过R2和RMSE评价指标(表3)确定最佳空间尺度。

表3 昼夜不同空间尺度下GBRT模型的R2及RMSETable 3 R2 and RMSE of the GBRT model at different grid scale in daytime and nighttime

由表3可知，白天和夜间的R2值随空间尺度的增加先变大后减小，在450 m的尺度取得最大值，分别为0.64和0.36；对于RMSE，白天随空间尺度的增加先减小后增大，在450 m时最小(1.37)，而夜间则随空间尺度的增加而减小，在540 m时最小(1.10)，其中在450 m处减小的速度明显趋缓。综上所述，本文选择450 m作为最佳空间尺度进行后续分析。同时，研究发现在所有空间尺度下，基于GBRT模型获得白天地表温度的R2均大于夜间，这表明相对于夜间而言，联合建筑二维和三维形态能更好地捕获白天地表温度的空间变异。随着空间尺度增加(90～450 m)，建筑二维和三维形态联合对昼夜地表温度的解释均呈现增强趋势，这主要归因于：空间尺度越小，部分建筑表面受到太阳照射，而其他建筑表面处于阴影中，随着空间尺度增大，由建筑三维形态空间变异引起的变化相对减小，不同分析单元之间的热特性相应变小，导致建筑能解释更多的地表温度空间变异。

3.2 城市建筑二维和三维形态指标对地表温度影响的相对重要性及其昼夜差异

以450 m为空间尺度分析不同建筑二维和三维形态指标对白天和夜间地表温度的相对重要性(图2)。可以看出，白天PLAND、SVF和SHAPE_MN对地表温度的影响较重要，三者贡献之和约为69%，其余因素的相对重要性均在0.063以下；夜间对地表温度影响排前三的为BH_Mean、SVF和BH_Max，三者贡献之和约为64%，其他因素的相对重要性均在0.1以下。可见白天地表温度空间变异的主导因素为建筑二维形态，而夜间建筑三维形态对地表温度的相对重要性更高,这与前人对武汉的研究结果一致[23]。这是因为白天尽管建筑三维形态会影响入射太阳辐射量和散热量，但其会受建筑景观格局的限制，而夜间建筑三维形态通过影响空气流动等对地表温度的影响更显著[9]。另外，BH_SD在夜间的相对重要性仍较高，且其昼夜相对重要性变化较大，因此，选择2个二维景观格局指标(PLAND和SHAPE_MN)与4个三维形态指标(BH_Mean、SVF、BH_Max和BH_SD)共6个关键驱动因素，分析其对地表温度(LST)的边际效应及昼夜差异(图3)，并将地表温度随关键驱动因素的变化规律归纳为上升型、上升后平缓型、下降后平缓型和V形4种关联机制(表4)。

表4 6个关键驱动因素与昼夜地表温度的关联模式Table 4 Correlation modes of six key driving factors and LSTs in daytime and nighttime

图2 建筑二维和三维形态指标对昼夜地表温度影响的相对重要性Fig.2 Relative importance for the influence of 2D and 3D building morphology indices on LSTs in daytime and nighttime

对各指标具体分析：1)白天PLAND与LST关联模式为上升型，当PLAND小于34.5%时，起到降温效果，大于34.5%时为增温效果，主要是由于当建筑物数量较多且密集时，会阻碍区域空气流通并可能造成局部无风，导致区域地表温度上升，同时，城市高密度建筑区内缺少绿地、水体等景观，且更易产生人为热，进一步加剧热岛效应[14,24]；夜间关联模式为下降后平缓型，PLAND对LST一直起降温效果(图3a)。2)白天SHAPE_MN与LST关联模式为下降后平缓型，对LST始终起降温效果；夜间关联模式为上升后平缓型，小于1.41时起降温效果，大于1.41时起增温效果(图3b)。建筑区域白天升温与夜间降温均较快，SHAPE_MN越大，表明建筑与植被、水体等其他景观接触面积越大，白天建筑区域的热量向其他景观流通，达到降温效果，夜间则减缓其温度降低以达到保温效果。3)白天SVF与LST关联模式为上升型，SVF小于0.83时起降温效果，大于0.83时起增温效果；夜间关联模式总体为V形，SVF小于0.83或大于0.98时起增温效果，介于0.83～0.98之间时起降温效果 (图3c)。通常，SVF主要通过两方面影响地表温度：一方面，SVF越高意味到达地表的太阳辐射越多，在一定程度上对地表起增温效果；另一方面，SVF越高，城市通透性越强，空气流通性越好，可降低地表温度。因此，SVF对地表温度的影响主要取决于以上两方面的共同作用。4)白天BH_Mean与LST关联模式为下降后平缓型，对LST始终起降温效果；夜间关联模式为上升后平缓型,BH_Mean小于11.53 m时对LST起降温效果，大于11.53 m时起增温效果(图3d)。白天一定范围内的BH_Mean越大意味着建筑遮挡了更多的太阳辐射，为降温效应；而夜间BH_Mean越大意味着建筑对地表长波辐射的反射增强，不利于热量散失，因此对地表有保温作用。5)白天BH_SD与LST关联模式为V形，对LST始终起降温效果(图3e)；夜间关联模式为上升后平缓型，小于4.41 m时起降温效果，大于4.41 m时起增温效果(图3e)。究其原因，白天较高的BH_SD利于增加风环流以释放热量，同时增加了对太阳辐射的反射；夜间地表辐射的热量被建筑遮挡，较高的BH_SD对地表起到保温作用[25]。6)白天BH_Max与LST的关联模式为上升后平缓型，始终起降温效果；夜间关联模式仍为上升后平缓型，小于63 m时起降温效果，大于63 m时起增温效果(图3f)。

图3 6个关键驱动要素对昼夜地表温度的边际效应Fig.3 Marginal effects of six key driving factors on LSTs in daytime and nighttime

4 结论

本文采用梯度提升回归树(GBRT)模型量化了南京市主城区建筑二维和三维形态对地表温度的影响，并对6个关键驱动因素的影响模式进行剖析，得出以下结论：1)在南京市主城区，利用GBRT模型分析建筑二维和三维形态对地表温度影响的最佳空间尺度为450 m，且白天地表温度受建筑二维形态影响较大，而夜间地表温度的主要驱动因素为建筑三维形态。2)白天PLAND和SVF对地表温度的影响模式为上升型，SHAPE_MN和BH_Mean的影响模式为下降后平缓型，BH_Max、BH_SD对地表温度的影响模式分别为上升后平缓型、V形；夜间PLAND对地表温度的影响模式为下降后平缓型，SVF对地表温度的影响模式为V形，SHAPE_MN、BH_SD、BH_Max和BH_Mean对地表温度的影响模式为上升后平缓型。3)建议在进行城市规划时，应严格限制建筑密度，通过规划一些水体与绿地，以增加建筑与周围景观之间的热量流通；同时，可通过适量增加楼层高度并合理规划区域内楼层差异以有效缓解城市热岛效应。