基于MSPA-CIRCUIT的长江中游城市群热环境网络识别与评价研究

方云皓，赵丽元*，窦碧莹，王书贤

1.华中科技大学建筑与城市规划学院，湖北 武汉 430074；2.湖北省城镇化工程技术研究中心，湖北 武汉 430074；3.南京市规划与自然资源局江宁分局，江苏 南京 211100

城市热环境指与热相关的、影响居民行为的物理环境，通常基于温度、热辐射量、热舒适度等物理参数予以定量化描述（孙铁钢等，2016）。在快速城市化背景下，城市规模不断增加，由此引发城市空间环境如土地利用类型、功能设施布局、建筑空间形态等发生巨大变化，对城市热环境产生显著影响（Ma et al.，2010）。因此，城市热环境也被视为城市空间环境在复杂热力场中的综合表现（辛儒鸿等，2022）。城市热环境恶化已成为城市最难以解决的气候问题之一，具体表征为高温、热浪、城市热岛等现象，其不仅改变了城市下垫面的生态环境，如植被生长、空气质量、水文循环等，还影响了城乡居民的生产空间、生活行为、能源消耗等（He et al.，2020）。此外，持续的热环境恶化也会导致城乡居民热舒适性降低，高强度频发时甚至对居民健康构成威胁，引发城乡居民的发病率和死亡率增加（Lai et al.，2019），尤其对老年人与婴幼儿来说，其更易受到热环境恶化带来的负面影响（Zuo et al.，2015）。因此，在应对全球气候逐渐变暖的城市建设中，如何缓解热环境恶化已成为中国政府、学者以及公众等社会各界密切关注的重要议题。

针对城市热环境恶化问题，众多学者基于地理学、生态学、城乡规划学等多学科视角在微观尺度（人体尺度、房间尺度及建筑尺度）与宏观尺度（街区尺度、城市尺度及区域尺度）将城市热环境识别作为重点展开研究，主要原因有两点：首先，城市热环境识别研究涵盖热环境的时空格局、结构特征及演变过程等内容，是精准研判高温灾害险情、构建气候安全框架、制定针对性气候适应政策的主要依据；其次，城市热环境识别研究是揭示热环境形成机制（主要基于土地利用类型、功能设施布局及建筑空间形态等层面阐述）、评估热环境风险、模拟和预测未来热环境发展趋势等研究的必要前提（刘璐等，2019；付含聪等，2020；Lu et al.，2021；Chen et al.，2022；王子安等，2022），对于缓解城市热环境恶化具有重要意义。

当前针对城市热环境识别研究主要包括热环境时空格局分析与热环境结构特征提取两类。热环境时空格局研究主要借助固定观测（气象站点、环境监测点等形式）、流动观测（布点观测、探空气球、流动车作业等形式）及卫星遥感等技术获取多时段气温或地表温度（Land Surface Temperature，LST）数据（Unger et al.，2001；Stewart，2011；徐涵秋，2015；李召良等，2016），通过相关时空分析方法对热环境的时空分布情况进行系统解析，具体来说可分为3种：第1种研究主要针对城市或城市群热环境内部热源中心的坐标属性、地理区位等空间信息，通过重心迁移模型识别热源中心并分析其时空迁移轨迹（孙芹芹等，2010；朱菲等，2022）；第2种研究侧重于通过剖面线方法设置道路或热场剖面等作为城市“切割线”，比较不同方向热环境时空差异性（徐丽华等，2007；于明洋等，2021）；第三者则偏向于通过冷热点分析模型、全局或局部自相关模型、支持向量机（Support Vector Machine，SVM）模型等对热环境的变化趋势与集聚特征进行测度（占文凤等，2011；王鹏龙等，2014；陈冰倩等，2019）。热环境结构特征研究是在时空格局分析的基础上，进一步对城市内部各组成部分的热环境分异规律进行挖掘的研究，涵盖空间形态学与景观生态学等多种理论与方法。就空间形态学而言，其主要依据土地利用类型、地表材质和人类活动等将城市下垫面划分成不同类型区域，以评估并比较不同类型区域的热环境空间差异，常见的分析方法包括局地气候分区（Local Climate Zones，LCZ）框架、形态学空间格局分析（Morphological Spatial Pattern Analysis，MSPA）模型等（林中立等，2022；刘婷等，2023）。景观生态学理论将城市热环境视作由不同类型的斑块组成，通过识别不同类型斑块并计算其相应景观格局指数（黄聚聪等，2011，2012；郭冠华等，2012），包括数量、面积、范围、平均密度、类型比例、香浓多样性指数等，以精准捕捉热环境空间的演变、转移、蔓延等特征，为改善热环境提供精细化指导。

尽管基于空间形态学与景观生态学理论的热环境结构特征研究取得丰硕成果，但其较多基于斑块或空间单元视角展开，将热环境斑块或空间单元视为独立个体而忽略了斑块与斑块或空间单元与空间单元之间的连通性。有证据表明，城市或城市群热环境的连通性是影响区域内部温度空间分布规律、城乡居民热舒适度的重要因素（Peng et al.，2020；吴健生等，2022），而识别具备连通性特征的热环境廊道与热环境网络是缓解城市热环境恶化、提升城乡居民健康水平的有效手段（Yu et al.，2021；Peng et al.，2022），其主要原因为伴随快速城市化的推进，热环境的空间形态也随之发生改变，尤其在城市群地区，相邻城市间的经济、产业、交通等联系日益增强，其热环境会随之连通化，由此引发热量流通及扩散路径也会发生变化（谢志清等，2007）。相关研究指出，热环境的空间连通性越强，热量流动阻力越小而扩散区域则越广，由此易引发对更大范围的城乡居民健康构成威胁（江颂等，2022）。此外，通过电路（CIRCUIT）理论等建模方法对热环境连通性进行模拟也被证实为一种可行的途径，其通过模拟热量的流动、扩散、聚集过程，为城市热环境的监测、预测与防范提供科学依据（乔治等，2023）。鉴于此，本研究以长江中游城市群为例，从时空动态视角探索热环境网络的时空演变特征，并评估其总体连通性与空间连通性，以期为区域尺度的热环境恶化缓解方案提供气候适应性框架。

1 研究区域

长江中游城市群（20°09′－33°20′N，180°21′－118°28′E）位于中国长江流域中部，承东启西、连南接北，是长江经济带的重要组成部分，也是推动中部地区崛起的重要区域。根据2015年国务院批复的《长江中游城市群发展规划》中划定的行政区划范围，明确长江中游城市群是地跨湖北、湖南和江西3省共31市的特大型国家级城市群（图1）。长江中游城市群国土面积约为3.26×105km2，地势总体较为平坦，地形以平原与山体为主，属亚热带季风性气候，年均降水量在800－1943 mm，2020年总人口约为1.22×108人，地区生产总值达9.39×1012元。长江中游城市群的快速发展引发了城市热环境的恶化。2000－2015年期间，城市群夏季白天平均热岛强度约0.8 ℃，夜间平均热岛强度约0.4 ℃，对城乡居民的热舒适度与身心健康构成了不同程度威胁（胡楠林等，2022）。

图1 研究区域Figure 1 Study area

2 研究数据与方法

2.1 研究数据及其预处理

本研究的数据来源包括建成区面积数据与地表温度数据。建成区面积数据来源于科学数据银行提供的中国433个城市建成区边界矢量数据（https://doi.org/10.11922/sciencedb.j00001.00332），时间分辨率为1990－2020（每隔5年）共7个年份，其主要用于城市热岛区域以及非热岛区域的划分；地表温度数据来源于中国科学院资源环境科学与数据中心提供的基于MODIS卫星的中国地表温度栅格数据集（https://www.resdc.cn/DOI/DOI.aspx?DOIID=98），其空间分辨率为1 km×1 km，时间分辨率为2000－2020年逐季度。本研究首先选取2000、2010以及2020年夏季（6－8月）的白天地表温度数据作为源数据，其次在Arcgis 10.2软件中对源数据进行投影、裁剪等处理，最后将裁剪后的数据通过公式（1）以及栅格计算器进行单位转换，以将热力学温度数据集转换为摄氏温度数据集，其表达式如下：

式中：

t1——摄氏温度，单位为℃；

T2——热力学温度，单位为K。

2.2 研究方法

2.2.1 基于MSPA模型的热岛斑块类型划分

MSPA模型是基于数学形态学原理（如腐蚀、膨胀、开运算和闭运算等）对栅格图像进行度量、识别以及分割的方法，其能够依据栅格图像的空间分异规律以及连通性视角，精准捕捉栅格图像中的结构度量元素并提取7种类别互斥的像元斑块，分别为核心、孤岛、孔隙、边缘、环道、桥接、支线（Soille et al.，2008）。MSPA模型由于偏向测度空间结构连接性，且具有斑块提取准确度高以及分析结果可空间化等优点，被广泛运用于地理学、生态学以及遥感信息等领域的空间斑块提取研究中。

本研究基于MSPA模型划分城市群热岛斑块类型。具体来说，首先，分别统计2000年、2010年以及2020年夏季长江中游城市群平均地表温度并依据其阈值进行等级划分，由低到高依次为低温区、次低温区、常温区、次高温区、高温区；其次，高温区域并非等同于热岛区域，综合考虑城市群热岛的内涵及形成机制，为精准识别由城市化导致的建成区内部及其邻接范围的热岛区域并尽可能排除非城市化的影响，基于城市建成区边界数据设置建成区及其外部2 km缓冲区范围内的高温区为热岛区域，其余区域为非热岛区域（刘婷等，2023）；再次，利用Arcgis 10.2软件的重分类工具将热岛区域与非热岛区域设置为二元栅格分析底图，其中热岛区域为前景，非热岛区域为背景；最后，将二元栅格分析底图导入Guidos软件，设置邻域转换规则为数值8、边缘宽度为数值2，通过数理分析方法将前景重新解译为互不重叠的7类热岛斑块类型，其相应分类与空间形态特征如表1与图2所示。

表1 基于MSPA模型的热岛斑块分类及其空间形态特征Table 1 Classification of heat island patches and their spatial morphological characteristics based on MSPA model

图2 热岛斑块类型及其空间形态特征示意图Figure 2 Schematic diagram of the heat island patch types and their spatial morphological characteristics

2.2.2 基于CIRCUIT理论的热环境网络识别

在城乡一体化加速以及建成区范围不断增加的双重背景下，城市热岛斑块也呈现不断扩张趋势（林中立等，2018；覃盟琳等，2020；乔治等，2022）。在扩张过程中，热岛斑块与电路中的电荷类似，具有随机游走特征（即随机漫步理论）。CIRCUIT理论是借鉴随机游走特征模拟相关“流体”在地表异质空间迁移和扩散运动的理论，主要用于相关廊道网络，如生态廊道的识别（宋利利等，2016；李久林等，2020）。该理论基于欧姆定律，即电压、电阻及电流的概念内核，可探寻源地间的最小成本路径，将地表潜在的廊道路径以电路网络形式进行抽象表征，如图3所示。在热环境网络中，电压对应高低热量源地间的热力差，电阻对应源地间热量流通受到的阻挡效应，电流对应源地间热量的流通速率。本研究基于电路理论识别长江中游城市群热环境网络，具体来说包括3个部分：热环境源地设置、阻力面设置及热环境网络识别。

图3 电路理论示意图Figure 3 Schematic diagram of circuit theory

（1）热环境源地设置

热环境源地是热环境网络中具有一定规模的斑块，其既是高热量集聚空间，也是廊道交汇处的关键节点以及热量传输的“中转站”，在夏季易对城乡居民产生高温威胁。本研究基于长江中游城市群热岛斑块类型划分结果，利用Arcgis 10.2软件将面积大于4 km2的核心型斑块定义为源地。

（2）阻力面设置

阻力面是电阻的空间形态表征，表示各热环境源地间热量扩散的受阻程度分布，反映地表热量传输的可达性和趋势。本研究选取背景以及各类型热岛斑块，包括核心、孤岛、孔隙、边缘、环道、桥接以及支线作为阻力因子，并参照已有研究的赋值原则赋予其阻力值（乔治等，2023），以此构建长江中游城市群热环境栅格阻力面（表2）。

表2 各类型热岛斑块阻力值Table 2 Resistance values for various types of heat island patches

（3）热环境网络识别

本研究通过使用Circuitscape 4.0软件中的Build Network and Map Linkages模块实现电路理论的空间可视化。首先设置初始电压和初始电流分别为1V和1A，其次基于已设置的热环境源地与阻力面数据的迭代遍历运算，模拟仿真所有连接相邻源地的热环境廊道分布，进而对长江中游城市群热环境网络进行识别。

2.2.3 热环境网络连通性评估

热环境源地与热环境廊道间的连接程度称为热环境网络连通性，其能够反映源地间热量的扩散过程与传输效能。本研究评估长江中游城市群热环境网络的总体连通性与空间连通性。

（1）热环境网络总体连通性评估

总体连通性反映网络空间的总体复杂程度与连接度，映射节点与边之间的物理和逻辑连接。在复杂网络空间评价研究中，α指数、β指数以及γ指数是常用的定量评价拓扑指数（黄梅等，2022）。此类拓扑指数均是值越高表示热环境网络连通性越高，热量传输效能越强，越不利于热环境风险的降低，其不仅关注自身的网络结构特征，更强调热环境网络的热量扩散效率。因此，本研究选取上述3种指数对长江中游城市群热环境网络的总体连通性进行评估，其表达式为：

式中：

α——网络闭合度，反映热环境网络中出现闭合回路的程度，其取值范围为[0,1]，当α=0时，表示热环境网络没有回路，当α=1时，表示热环境网络存在最大可能数量的回路；β为网络连接度，反映热环境网络中热环境源地的平均连接数，其取值范围为[0,3]，当β=0时，表示热环境网络不存在，当β<1时，表示热环境网络连接尚不完善，当β=1时，表示热环境网络形成单一回路，当β=2时，表示热环境网络连接较完善，当β=3时，表示热环境网络连接最完善；

γ——网络连通率，反映热环境网络中所有热环境源地被连接的程度，其取值范围为[0,1]，当γ=0时，表示热环境网络中无廊道连接各源地，当γ=1时，表示热环境网络各源地彼此相连，热环境廊道连接程度最高；

N——热环境源地（节点）数量；

L——城市群热环境廊道（边）数量；

Lmax——城市群中最大可能连接的热环境廊道数量。

（2）热环境网络空间连通性评估

空间连通性反映网络空间的局部区域在整个网络空间中的重要程度，通过网络空间中各节点和边的影响力予以表征。在热环境网络中，空间连通性是衡量并识别关键热环境源地及热环境廊道的重要依据。本研究分别采取特征向量中心性（Eigenvector Centrality）与电流密度（Current Density）分别对各热环境源地及热环境廊道的影响程度进行测度（胡昊宇等，2022；乔治等，2023），以此来评估长江中游城市群热环境网络的空间连通性。

①特征向量中心性表示某热环境源地在热环境网络中的影响力，其基本概念可概括为某热环境源地的重要性不仅取决于自身的中心性，还与其邻近热环境源地的数量、中心性有关，与之相连的邻居热环境源地越重要，则该热环境源地就越重要，其表达式为：

式中：

c(vi)——某热环境源地vi的特征向量中心性，其取值范围为[0,1]，数值越高表示该热环境源地在网络中的影响力越大；

Aij与λ——邻接矩阵及对应特征向量值。本研究通过Gephi 0.10.0软件的Fruchterman Reingold算法进行特征向量中心性测度及可视化。

②电流密度指通过单个像元的电流大小，在热环境网络中可表征某热环境廊道的空间连通性，其值越高，代表该热环境廊道的热量传输效能越高。在并联电路中，电流密度在电压（热力差）保持稳定情形下，除受到电阻（阻力面）影响外，也受制于热环境廊道的冗余度、宽度等因素，例如电流密度值会随着热环境廊道数量增加而降低（图3）。本研究在Circuitscape 4.0软件的Pinchpoint Mapper模块中分别输入热环境源地及热环境廊道空间分布数据，通过选择“All to One模式”（1个热环境源地接地，其余热环境源地均输入1 V电压与1 A电流）设置所有相邻热环境源地产生耦合作用，使所有连接相邻热环境源地的热环境廊道路径均产生仿真电流。

3 结果与分析

3.1 城市群地表温度及热岛区域空间演变

为探究2000－2020年长江中游城市群夏季地表温度及热岛空间演变特征，依次选取2000、2010与2020年数据进行空间可视化，并依据地表温度阈值区间进行等级划分，得到由低到高5个地表温度等级，包括低温区（<21 ℃）、次低温区（21－24 ℃）、常温区（24－27 ℃）、次高温区（27－30 ℃）、高温区（>30 ℃），在此基础上对各等级地表温度面积占比进行统计。

如图4所示，2000年长江中游城市群高温区（3%）主要呈斑块状分布在湖南长沙、衡阳以及江西吉安、抚州、鹰潭，少量分布在湖北武汉，次高温区（25%）主要呈连片状分布在湖南与江西绝大部分城市；2010年城市群高温区（5%）主要集聚在江西，少量零散分布在湖北武汉以及湖南长沙、衡阳，次高温区比例（32%）继续增加，尤其在湖北地区增势明显；2020年城市群高温区比例（4%）与2010年相比略有下降，在空间上集中分布在省会城市及其周边，呈空间集聚态势，次高温区（36%）已扩散至城市群大部分城市。此外，2000－2020年期间，长江中游城市群常温区、次低温区以及低温区比例总体呈下降趋势，分别由2000年的56%、13%与2%下降至2020年的53%、6%与1%，其在空间上变化不明显，主要分布在湖北宜昌、襄阳以及江西宜春。总体而言，2000－2020年长江中游城市群夏季地表温度的空间分布态势逐渐由“南高北低”的两级分化格局向以省会城市为核心的“核心－外围”格局演变。

图4 2000－2020年长江中游城市群夏季地表温度空间演变特征Figure 4 Spatial evolution characteristics of summer LST in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

基于长江中游城市群地表建成区及其2 km缓冲区范围与高温区范围提取热岛区域（图5）。结果显示，热岛区域总面积由2000年的2.80×103km2增加至2010年的6.41×103km2，后继续增加至2020年的12.8×103km2，表明2000－2020年长江中游城市群热岛空间范围随建成区面积增加呈现持续扩张的趋势，这与相关城市群研究结论趋同（林中立等，2018；覃盟琳等，2020）。

图5 2000－2020年长江中游城市群夏季热岛区域空间演变特征Figure 5 Spatial evolution characteristics of heat island area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.2 城市群热岛斑块类型划分

如表3所示，基于MSPA模型依次识别并统计2000、2010与2020年长江中游城市群7种类型热岛斑块面积及其占比，其中核心型、边缘型热岛斑块面积占比始终最高，其次为孤岛型或支线型热岛斑块，而孔隙型热岛斑块面积占比始终最低。

表3 2000－2020年长江中游城市群热岛斑块面积及占比统计Table 3 Statistics on the area and proportion of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

在2000－2010年期间，核心型热岛斑块面积占比由31.1%增加至39.9%，增幅为8.80%，而孤岛型、环道型、桥接型、支线型热岛斑块总面积占比呈不同程度下降趋势，由32.4%减少至23.0%，减幅为9.40%。伴随快速城市化推进，长江中游城市群核心型热岛斑块的面积增加包括两方面原因，一是建成区范围的扩大引发热岛区域面积增加，其内部核心型热岛斑块区域也随之扩充，二是分散、破碎的小型热岛斑块逐渐汇聚、合并，形成了密集且均匀的核心型热岛斑块（Du et al.，2016；Chen et al.，2021）。在2010－2020年期间，核心型热岛斑块面积占比继续增加至45.9%，增幅为6.00%，而其余类型热岛斑块总面积占比呈下降趋势。

结合图6可以看出，在2000－2020年期间，城市群核心型热岛斑块在空间上逐渐向武汉、长沙以及南昌等地集聚。一方面，这些城市的人口不断加剧，由此引发的城市活动日益增多，致使工业部门等功能片区排放出大量热量及温室气体，影响大型热岛斑块的产生。另一方面，这些城市的建成区空间不断扩张，表征为自然环境逐渐被人工环境大规模侵占、可透性自然地表逐渐被硬质化人工地表替代，引发城市热力与动力结构发生巨大转变，迫使城市地表在日间储存较多热量，由此导致核心型热岛斑块随城市空间扩张而逐渐蔓延。

图6 2000－2020年长江中游城市群热岛斑块空间分布Figure 6 Spatial distribution of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

如图7所示，依次统计2000、2010与2020年长江中游城市群7种类型热岛斑块的地表温度值。结果显示，长江中游城市群各类型热岛斑块的地表温度存在差异性且随时间推移无明显变化。就地表温度中位数而言，在2000－2020年期间，核心型热岛斑块始终最高，而支线型热岛斑块始终最低，其差值在2000、2010与2020年依次为1.50、1.16、1.30 ℃，表明长江中游城市群核心型热岛斑块的增温聚热趋势显著。

图7 2000－2020年长江中游城市群热岛斑块地表温度箱线图Figure 7 Box-plot of LST of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.3 城市群热环境网络空间演变

通过筛选2000－2020年长江中游城市群面积大于4 km2的核心型热岛斑块，对热环境源地进行提取。如表4和图8所示，源地数量在2000、2010以及2020年分别为56、116、215个，随时间推移呈不断增加趋势。在空间上，2000－2020年期间长江中游城市群热环境源地逐渐向湖北武汉、湖南长沙以及江西南昌3座省会城市聚集。

表4 2000－2020年长江中游城市群热环境源地与热环境廊道数量统计Table 4 Statistics on the number of thermal environment sources and corridors in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

图8 2000－2020年长江中游城市群热环境网络空间分布Figure 8 Spatial distribution of thermal environment network in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

依据热环境源地分布以及电路理论，构建2000－2020年长江中游城市群热环境网络。结果显示，2000年廊道数量为89条，在城市群中有77.4%的城市覆盖廊道分布，其中南部廊道较为密集，而北部廊道空间分布不均且较为稀疏；2010年廊道数量为192条，较2000年有所增加，在城市群中有83.9%的城市覆盖廊道分布，热环境网络总体分布密集；2020年廊道数量继续增至378条，连接区域向湖北扩散，在城市群中有100%的城市覆盖廊道分布，表明已初步形成城市群全局热环境网络。

3.4 城市群热环境网络连通性评估

3.4.1 总体连通性评估

根据长江中游城市群热环境源地数量（N）及热环境廊道数量（L）计算α、β、γ指数，以评估城市群热环境网络总体连通性。如图9所示，α指数在2000、2010与2020年分别为0.318、0.339、0.386，表明长江中游城市群闭合程度逐渐增强；β指数在2000、2010以及2020年分别为1.59、1.66、1.76，表明长江中游城市群热环境源地的平均连接数逐渐增加，热环境网络已形成单一回路；γ指数在2000、2010与2020年分别为0.549、0.561、0.592，反映长江中游城市群热环境源地的彼此相连程度逐渐提高，在2020年存在约60%的热环境源地通过廊道彼此相连。总体来说，α、β、γ指数随时间推移不断增加，长江中游城市群热环境网络总体连通性不断增强，源地间热量的传输效能逐步提高，对城乡居民的高温威胁程度呈上升态势。主要原因有两方面，一是由于城市的扩张效应与集聚效应，分别引发热环境源地面积与数量增加，导致城市间热量传递的“中转站”增多；二是由于公路、铁路等交通路网作为热环境廊道的外在表征之一，在城市化建设中不断得到延伸与完善，由此不仅改变了城市群自然下垫面类型，也为城市间热量传递提供了更便捷的途径。

图9 2000－2020年长江中游城市群热环境网络总体连通性Figure 9 Overall connectivity of the thermal environment network in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.4.2 空间连通性评估

本研究分别对长江中游城市群热环境源地的特征向量中心性及热环境廊道的电流密度进行测度，以此来评估热环境网络的空间连通性。

首先，根据2000、2010与2020年热环境源地数量分别设置56、116、215处编号，通过Fruchterman Reingold算法对各年份热环境源地特征向量中心性测度及可视化（图10）。结果显示，在2000年，热环境源地的特征向量中心性值整体较低，仅有2处高于0.8，分别位于湖南长沙、江西南昌，表明这两处热环境源地在2000年长江中游城市群热环境网络中影响力最强；在2010年，热环境源地特征向量中心性整体得到提升，其值高于0.8的热环境源地增至3处，分别位于湖北咸宁、湖南长沙、江西南昌；在2020年，热环境源地特征向量中心性提升显著，其值高于0.8的热环境源地增至6处，其中湖北有3处（武汉1处，仙桃1处，咸宁1处），湖南有2处（长沙1处，岳阳1处），江西有1处（南昌1处）。

图10 2000－2020年长江中游城市群热环境源地空间连通性Figure 10 Spatial connectivity of thermal environment sources in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

其次，利用Circuitscape 4.0软件中Pinchpoint Mapper模块对2000年、2010年与2020年热环境廊道的电流密度进行测度与空间可视化（图11）。结果显示，在2000年，江西地区热环境廊道空间连通性较强，其平均电流密度值为0.139A，热量传输效能较高，此阶段城市群城市化水平较低，江西地区由于热环境源地分布较为集中且热环境廊道大多受自然环境隔断，无法形成远距离热扩散效应，仅与临近区域保持较高连通性。相关证据表明，源地分布越密集、距离越近，其连通性越高（刘婷等，2023）。湖北与湖南地区热环境廊道的平均电流密度值分别为0.118A，0.127A；在2010年，电流密度高值区域逐渐向北偏移，湖北地区热环境廊道的平均电流密度值增至0.165A，而湖南与江西地区热环境廊道的平均电流密度值分别增至0.162A、0.153A；在2020年，湖北、湖南与江西地区热环境廊道平均电流密度值继续呈现不同程度增加趋势，分别达到0.231A、0.202A、0.183A。综上，伴随快速城市化推进，在2000－2020年期间长江中游城市群热环境网络空间连通性逐渐增强，其中湖北地区增势最为显著，其总体分布趋势由“南高北低”的空间异质性格局向“全局高连通性”的空间稳定性格局演变。

图11 2000－2020年长江中游城市群热环境廊道空间连通性Figure 11 Spatial connectivity of thermal environment corridors in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

4 结论与展望

4.1 结论

本研究以长江中游城市群为例，基于2000、2010及2020年多源面板数据从时空动态视角探索城市群热环境网络的时空演变特征并评估其总体连通性与空间连通性，为长江中游城市群气候适应发展策略提供启示。其主要结论如下：

（1）2000－2020年期间，长江中游城市群夏季地表温度高温区与次高温区比例整体呈上升趋势，常温区、低温区以及次低温区比例整体呈下降趋势；就各类型热岛斑块的地表温度中位数而言，呈现核心型热岛斑块最高而支线型热岛斑块最低的规律。

（2）2000－2020年期间，长江中游城市群夏季热岛区域总面积由2.80×103km2增至12.8×103km2，呈现持续扩张趋势，其中核心型热岛斑块面积占比由31.1%增加至45.9%，在空间上逐渐向以武汉、长沙以及南昌等区域集聚。

（3）2000－2020年期间，长江中游城市群热环境源地数量由56个增至215个，热环境廊道数量由89条增至378条，包含热环境廊道的城市比例由77.4%增至100%，已初步形成城市群全局热环境网络。

（4）2000－2020年期间，长江中游城市群热环境网络总体连通性逐渐增强，热环境源地间的热量传输效能呈上升态势；热环境网络空间连通性随时间推移变化显著，其总体分布趋势由“南高北低”的空间异质性格局向“全局高连通性”的空间稳定性格局演变。

4.2 展望

在城市群尺度动态识别热环境网络并评估其连通性，能够为城市热环境提供新的研究视角，有助于在快速城市化进程中为降低城乡居民热环境风险提供新的思路。然而，本研究是利用多种网络分析方法对热环境空间结构内在成因机制分析的一次尝试，在热环境研究领域仍属于探索性工作，后续将展开三方面完善工作：首先，本研究以热环境源地及热环境廊道为基础展开热环境网络研究，其与相关降温网络（如生态网络）之间在空间布局、土地类型、人口密度等方面存在何种联系是下一步研究重点，这有助于为热环境优化策略提供建设指引；其次，本研究基于电路理论对热环境网络进行识别，其识别结果与其他路径识别方法（如最小成本路径、神经网络等）得到的结论是否存在差异需要得到对比与验证；最后，本研究将结合相关人口健康属性数据，针对城乡居民健康水平与热环境网络连通性的关联性进行测度，以增强热环境网络评价的实践意义。