基于MSPA的城市绿色基础设施与热环境关系研究——以福州市中心城区为例

洪婷婷 黄晓辉 邓西鹏 杨义炜 唐 翔

快速城市化背景下人口的高度集聚、城市热岛效应的加剧，使得城市生态呈现较强的高温脆弱性，削弱了城市韧性。《联合国2030年可持续发展议程》中多处明确提出“加快韧性基础设施建设”。绿色基础设施(Green Infrastructure，GI)是韧性基础设施的重要组成部分，是城市尺度上的一种基础设施化的绿色空间网络，能在尽量不改变自然环境的条件下有效提高气候适应性，缓解城市热岛效应[1]。基于城市热环境分布特点，如何科学地优化城市绿色基础设施布局，制定具有针对性的热缓解与脆弱性治理对策，是当前全球气候变化背景下可持续性研究的重要内容，也是构建气候安全型社会与韧性城市的迫切需求。

彼得·沃格特(Peter Vogt)等学者基于腐蚀、膨胀、开闭运算等数学形态学原理对栅格图像的空间格局进行度量、识别和分割[2-3]，提出形态学空间格局分析(Morphological Spatial Pattern Analysis，MSPA)方法，这为城市绿色基础设施的空间形态研究提供了一个重要视角，为量化绿地热缓解作用提供了更为精确的方法。当前国内外学者大多从中观或微观角度开展MSPA的应用研究。中观方面主要集中在公园或城市森林的降温机能研究上，如陈明等在武汉市主城区选取了25个公园绿地开展绿地空间温度与MSPA要素的相关性研究[4]，得出各类MSPA要素对绿地空间的降温范围及降温幅度；成实等探讨了深圳市40个公园的周长、面积、水体及植被覆盖率与城市热环境的相关性，得出城市热岛效应缓解的关键因子、相关关系，并依据热岛效应消减特征得出城市公园的模式分类[5]；彼得·李相勋(Peter Sang-Hoon Lee)等分析了韩国首尔34个城市森林与地表温度的关系，证明了城市森林的规模与温度成反比[6]；陈爱莲等以北京部分城区为对象，研究景观格局中24个指标与同年4个季节地表温度的相关性，证明了在3、5、11月中只有景观组成百分比(PLAND)、斑块密度(PD)、最大斑块指数(LPI)、欧氏距离变异系数(ENN_CV)和分离度(DIVISION)与地表温度存在稳定的显著相关关系[7]；杰内雷特·达雷尔(Jenerette Darrel)等以美国亚利桑那州凤凰城社区为对象，证明绿地在较热的社区中降温效果更明显[8]。目前研究大多聚焦城市温度与绿地的相关性，且多集中于中小型公园、森林、社区绿地等单一斑块的单日温度影响。

近年来，气候变化成为热点问题，从绿色基础设施的规模及景观格局角度探讨缓解城市热环境的研究较为常见，从绿色基础设施斑块的具体空间形态层面分类分级进行城市热缓解的关联性研究较少见。戴菲等应用MSPA在街区空间层面研究了GI连通性对PM2.5的消减作用[3]；邹佳使用MSPA讨论了上海局部区域的热环境问题[9]；常青等利用MSPA在街区尺度对热缓解进行了研究[10]。与单纯探讨城市绿地类型对热环境影响不同[11]，以MSPA细化城市绿色基础设施的研究方式增加了对绿地内部不同形态格局的考量，有助于为未来城市绿地规划建设提供更为详细的空间策略[4]。

福州是近年来“新四大火炉”城市之一，城市高脆弱性日益明显，城市绿色基础设施的建设越来越受到重视，GI的合理布局成为日益关注的问题。本文立足福州市GI格局，应用MSPA分析中心城区93个代表单元内GI要素占比与温度的相关性。与生态要素模糊化研究不同，本文将93个代表单元划分为3种类型，分析同类型生态要素在不同空间形态下对城市热环境的作用，利用地理加权回归模型(Geographically Weighted Regression，GWR)揭示城市尺度GI在不同季节对城市热环境的具体影响，以形态学分类分级的方法将研究指标落位于空间，以期提出针对性的策略来缓解福州市中心城区热环境，优化城市绿色基础设施格局。

1 研究区域与研究方法

1.1 研究区域

中心城区是城市的核心区域，是人口、经济与交通等要素高度集聚的地区。本文以福州市中心城区为研究对象，包括福州市六区(晋安区除寿山、日溪、宦溪)，以及闽侯县的荆溪镇、南屿镇、南通镇、尚干镇、祥谦镇、青口镇、上街镇和连江县的琯头镇。研究区外缘群岭环抱，东有鼓山，南有五虎山，西有旗山，北有莲花峰；内缘有于山、乌山和屏山三山鼎立，面积约为2 207km2，整体地形呈现“四大山环绕三小山”的态势(图1)。河口盆地的地形和多山环绕的城市格局导致福州市地表温度高且不易散开，热岛效应明显。

图1 福州中心城区区位及高程

1.2 研究思路

相比沈中健等对厦门市4年温度的对比研究，以及常青等对单日温度与街区GBI类型相关性的研究[10，12]，本文旨在分析不同季节下各类MSPA要素对城市的热缓解作用。通过总结近5年中国统计年鉴中福州市各月份的平均温度发现，福州市在6—9月属于高温时期，12—3月属于低温时期。选取其中2天作为不同季节的代表日进行对比研究，首先用遥感数据反演获得LST数据，同时用MSPA法从2021年土地数据中提取GI空间格局；其次，在SPSSAU平台上分别分析2天的LST温度与GI各要素的相关性；最后，针对具有显著性的GI形态指标与LST温度进行地理加权回归分析，提升分析结果的精确性。

1.3 数据来源及预处理

1.3.1 数据来源

本文选取的遥感数据为福州市2021年1月14日和9月27日的Landsat 8影像(这2天研究区内云量少，地物清晰可见，数据质量好)，并计算得出LST数据；此外还获取了30m数字高程模型(DEM)数据、2021年福州市中心城区土地利用数据。将土地现状数据分为耕地、林地、草地、水体、建设用地和未利用用地6类。

1.3.2 网格划分

目前国内外对城市气候的研究大多将城市用地划分成不同尺度的网格进行分析[3，13-14]。德国斯图加特市通过近40年对城市环境气候的研究总结出宏观(1 000m栅格)、中观(50～1 000m栅格)、微观(5～200m栅格)3种尺度，充分肯定了1 000m栅格在城市而非街区尺度研究中的合理性。同时，北京城市规划与气象环境研究认为，500m(主城区)～4 000m(市域)的城市气象研究尺度能够较好地满足城市发展需要[15-16]。本文旨在城市尺度探讨绿色基础设施格局，综合以上研究，将福州市中心城区在ArcGIS 10.8中划分成4 000m间隔的结构化网格，最终选取1 000m×1 000m的四边形网格作为研究单元，排除特殊位点(如完全没有MSPA要素的点)后共得到93个研究单元。研究单元均匀分布在整个研究范围内，能充分反映福州市中心城区的整体概况(图2)。

图2 研究单元分布及类型划分

1.4 研究方法

1.4.1 地表温度反演

本次研究应用希梅内斯·穆诺兹(Jiménez-Muñoz)等在2009年提出的改进版单通道算法[17-19]结合Landsat 8的TIRS 10波段进行地表温度反演，获得LST数据。公式如下：

式中，各类参数参考徐涵秋等对温度反演的研究进行设置[20]。

热环境用地表温度平均值(T)表示。反演结果得出研究区在1月14日的平均地表温度(T)为15.8℃，9月27日的平均地表温度(T)为33.5℃。此外，还进一步查取了研究日当天天气网(lishi.tianqi.com)的温度数据，发现反演得到的温度值处于当日温度范围，可认为本次研究计算所得的温度数据较为准确。

1.4.2 GI格局中研究单元的提取

本文使用ArcGIS将预处理后的土地利用数据进行重分类，将土地利用类型中的GI分为前景(林地、草地、水体)，赋值2；非GI作为背景，赋值1，得到像元大小为30m×30m的二值栅格数据(图3)。

图3 2021年研究区GI空间分布图

运用Guidos Toolbox 2.8软件，将二值栅格图像分割为7种要素：核心(Core)、孤岛(Islet)、孔隙(Perforation)、边缘(Edge)、环线(Loop)、桥接(Bridge)、支线(Branch)[4，21]，其具体生态学含义参考苏王新等[10]对MSPA的解释。

以各研究单元内7类MSPA要素面积分别占该研究单元总面积的比例作为量化指标，分类研究不同要素对热环境缓解的影响。计算公式为：

式中，P_per为各类MSPA要素占比；Si为研究单元内各类MSPA要素的面积(i取值1～7)；S总为研究单元总面积。

1.4.3 地理加权回归模型

地理加权回归(Geographically Weighted Regression，GWR)模型是以线性回归模型为原型，改进添加了能够反映地理位置差异的参数[22]，能够直观反映出分析要素在空间上的关系及影响强度。GWR模型公式表示如下[23]：

式中，βik为位置i处的第k个参数的值；εi为随机误差项；k为自变量参数下标；n为待计算样本量。

2 结果与分析

2.1 城市GI空间分布与城市热环境的耦合关系

热环境的空间分布与城市发展格局关系密切。分析福州市中心城区整体热环境分布(图4-1、4-2)情况可知，春季的高温区主要分布在长乐区，除长乐区以外的5个区及闽侯县建设区内的温度相对较低，温度最低的区域分布在远离中心建设区的山地及水域内。与春季的温度相比，秋季的高温区分布有着明显的差异。从秋季的温度图可以看出，高温多分布在中心城区三环、科学城副中心及旗山组团，其余散布在吴航-玉田组团、空港新城、滨海新城等沿江向海地带，呈现出“中心大集中，东南散分布”的特征，印证了潘明慧等[24]在景观格局类型对热岛效应影响研究中提及的福州市热岛重心南移的趋势。对比两季的热力图不难发现，福州市高温区的空间分布与福州市“东进南下、沿江向海”的城市发展方向相吻合。

图4-1 2021年1月14日热力图

图4-2 2021年9月27日热力图

GI的空间格局分布方面呈现“面大多组团”的特征，与热环境存在一定联系。从整体的GI格局规模占比分析可知，整体GI格局呈现出核心(60.60%)＞桥接(16.32%)＞边缘(7.43%)＞环线(6.19%)＞孤岛(3.65%)＞孔隙(3.18%)＞分支(2.62%)的大小特征(图5)。综合各MSPA指标的生态学含义分析，在福州市中心城区内，核心区较为集中，四周大型绿色斑块(如自然公园、自然保护区、山体为主的核心区)较多，此外，穿孔比例低，边缘区、桥接区、环线区比例较高，表明四周的绿色斑块完整性较好。

图5 2021年研究区GI结构分析图

2.2 MSPA要素对不同季节福州市热环境的影响

将研究日的平均温度与整体的7项MSPA要素占比进行相关性分析，得出93个研究单元内的平均温度与各MSPA要素占比之间在不同季节内的相关性及强弱变化(表1)。

表1 不同季节各MSPA指标与T相关性分析(Pearson系数)

在春季，福州GI核心区对城市热环境起到较好的缓解作用。93个研究单元整体的平均温度和核心区占比在0.01的水平上呈现出显著的负相关关系，与孤岛区占比、支线区占比在0.01水平上呈现显著正相关关系，与环岛区占比在0.05水平上呈现显著正相关关系，但是与孔隙区占比、边缘区占比、桥接区占比与平均温度(T)的相关性分析结果表明在0.01和0.05水平上均无显著性，且P值接近于0，故可认为此3项MSPA指标的变化并不会影响平均温度(T)。春季时期MSPA指标与T的相关性强弱表现为核心＞孤岛＞支线＞环岛＞边缘＞桥接＞孔隙。

在秋季，福州GI核心区、孔隙区和桥接区均能对城市热环境起到较好的缓解作用。所选取的93个研究单元整体的平均温度和核心区占比、孔隙区占比、桥接区占比在0.01的水平上呈现出显著的负相关关系；与孤岛区占比、支线区占比在0.01的水平上呈现显著的正相关关系。观察环岛区占比与T的相关性，得到的P值没有显著性，但值大小为0.680，说明当日环岛区占比与T虽没有明显的相关性，但在一定程度上对T有着较小的正相关关系；而边缘区的P值既没有显著性且值大小为0.065＜0.1，可以说明边缘区占比并不会对T造成影响。秋季时期MSPA指标与T的相关性强弱表现为核心＞孔隙＞孤岛＞支线＞桥接＞边缘＞环岛。

2.3 不同区域内的MSPA要素对热环境的影响

同一类MSPA要素的不同空间形态将不同程度地缓解城市热环境。为深入研究同类型生态要素在不同空间形态下对城市热缓解的作用，本文参考苏王新等[10]对街区划分的方法，结合表1的结果及均等分平均数量减小误差的原则，根据热缓解能力最强的核心区面积占比，将93个研究单元划分为3种类型，分别是：类型I，核心区占比≥70%，共计32个；类型II，核心区占比介于30%～70%，共31个；类型III，核心区占比＜30%，共计30个(图2)。

基于Pearson系数的相关性分析，进一步提取出具有显著性的MSPA指标进入ArcGIS 10.8中做地理加权回归(GWR)，将显著性指标落位于空间上。

1)类型I：研究区西侧靠近山体区域的MSPA要素对春季城市热环境的影响更加显著。

春季(2021年1月14日)类型I的研究单元中，GI空间形态中核心区占比与T在0.05水平上呈显著负相关关系，孔隙区占比、环岛区占比和T在0.01水平上呈现显著正相关关系，与其他MSPA指标无相关关系；在秋季(2021年9月27日)，除孤岛区对T有显著影响外，其他MSPA指标均对T无显著影响(表2)。分析2个季节的相关性结果可以发现，在核心区占比较大的区域内，当春季温度普遍较低时，更加复杂的GI类型对地表温度的影响更加显著。

表2 核心区占比≥70%区域MSPA指标与T相关性(Pearson系数)

进一步应用ArcMap 10.8开展GWR模型回归分析，验证各类MSPA要素具体如何显著影响地表温度。类型I区域内，春季的各类MSPA指标与T具有显著性相关的指标较多，而秋季的显著性相关指标只有一个。为使空间回归分析更为准确，本次研究选取春季的核心区占比、孔隙区占比和环岛区占比3个指标与T做地理加权回归分析(GWR模型)。

在类型I(核心区占比≥70%)区域，显著性MSPA要素与T的GWR模型拟合优度(R2)较好，且AICc与残差平方和都较小(表3)，表示该GWR模型结果较为准确，能够较好地解释各类显著MSPA要素对T影响的空间分布及强弱关系。

表3 显著性MSPA要素与T的GWR分析(核心区占比≥70%区)

较为完整的林地能够有效缓解城市热环境。观察GWR模型显示的核心区、孔隙区与环岛区规模对热环境的关系及分布情况(图6-1～6-3)：若在福州市中心城区的西部靠山体区域和东部沿海区域等比例增加核心区规模，靠近东部沿海区域降温效果将优于山体区域；孔隙区占比与环岛区占比对城市热环境均为正相关关系，且相关强度分别是由西北侧向东南侧递增，以及由南向北递增，故在研究区增加核心区规模的同时，减少西北部孔隙区和西南部环岛区的规模将使整体降温效果更好。在类型I中，绝大部分用地类型为林地，东部林地较西部林地更为零散，而东部的核心区降温效果优于西部。综上说明，在林地规模较大的区域，林地的完整性对缓解城市热环境有着重要影响。

图6-1 春季核心区占比与T的GWR回归分析(类型I，核心区≥70%区域)

图6-2 春季环岛区占比与T的GWR回归分析(类型I，核心区≥70%区域)

图6-3 春季孔隙区占比与T的GWR回归分析(类型I，核心区≥70%区域)

2)类型II：复杂的土地利用类型对MSPA要素的热缓解作用有着显著影响。

类型I I 内部存在复杂的用地类型，且各类用地规模都较大，此区域的核心区占比在30%～70%，共提取出31个研究单元。在该区域内，MSPA要素占比与地表温度T相关性分析结果显示(表4)，在春季，仅桥接区占比对城市热环境呈显著正相关关系；在秋季，孔隙区占比与城市热环境呈显著负相关关系。对比2个季节的相关性结果与类型II内的土地利用类型可知，类型II内的用地类型更加复杂，且各类用地规模相对较大，MSPA要素的热缓解能力具有一定的局限性，但也可通过调整部分指标实现热缓解。

表4 核心区占比在30%～70%区域MSPA指标与T相关性(Pearson系数)

根据表4中的分析结果，进一步进行秋季的孔隙区占比与地表温度T基于GWR模型的空间回归分析。结果显示，在该区内，孔隙区占比与城市热环境的显著负相关强度由西南侧向东北侧递增(表5，图7)。说明在林地与建设区规模相当的区域，在西、南部靠山体区域和东、北部沿海区域等比例增加孔隙区规模时，靠近东北侧的降温效果优于靠近西、南侧的山体区域。

表5 显著性MSPA要素与T的GWR分析(核心区占比处于30%～70%区)

图7 秋季MSPA显著性指标与T的GWR回归分析(类型II，核心区30%～70%区域)

3)类型III：MSPA要素对秋季热环境的缓解作用更加显著。

该区主要分布在城市建设区内，核心区占比小于30%，明显少于非自然生态要素。在该区内，共提取出30个研究单元。利用SPSSAU在线平台做MSPA要素占比与研究选取的2天地表温度T相关性分析，结果显示，在春季，各类MSPA要素均与地表温度没有显著相关性；但是在秋季，除孤岛区之外，所有MSPA要素跟地表温度均呈现显著负相关关系(表6)。说明在核心区明显较少的区域，当季节处于春季低温时，各类MSPA要素规模占比无法解释地表温度的变化，但在温度较高的秋季，可以通过改变除孤岛外任何一个MSPA要素占比来缓解城市热环境。

表6 核心区占比＜30%区域MSPA指标与T相关性(Pearson系数)

根据表6可知，各类MSPA指标只与秋季的T存在显著相关性。为验证秋季各类显著MSPA指标具体如何显著影响地表温度T，本次研究进一步分析了秋季的核心区、孔隙区、边缘区、环岛区、桥接区和支线区占比与地表温度T的GWR模型。结果显示，在核心区占比＜30%的区域内，核心、孔隙、环岛占比与热环境的负相关影响强度由东南向西北递减；边缘、桥接、支线占比与热环境负相关影响强度由东南向西北递增(表7，图8)。说明在林地较少的区域内，西北侧增加边缘、桥接、支线区的规模，同时在东南部增加核心、孔隙、环岛区的规模，将有效促进该区整体降温。

表7 显著性MSPA要素与T的GWR分析表(核心区占比＜30%)

图8 秋季MSPA显著性指标与T的GWR回归分析(类型III，核心区＜30%区域)

3 结论与讨论

3.1 结论

城市绿色基础设施是城市韧性设施的重要组成部分，本文基于Landsat 8遥感数据和土地类型数据，综合应用MSPA与网格法，揭示了福州市中心城区热环境分布特点，研究GI格局与不同季节地表温度(T)的相关性，得出的主要结论如下。

1)在春、秋两季，整体来说，研究区内单个MSPA要素对城市热环境有一定的缓解作用，但各类MSPA要素有机结合能更加有效地缓解城市热环境。根据各类MSPA要素与T的相关性来看，无论在春季还是秋季，除去孔隙、桥接(春季)和环岛(秋季)，其他MSPA要素均显著影响城市热环境，且春、秋两季的核心区与T均呈显著负相关关系，孤岛区与T均呈现显著正相关关系，体现出核心热缓解能力最强而孤岛热缓解能力最弱的特征。

2)在以核心区占比为依据划分的3类区域中，不同GI格局在不同季节对热环境的影响有着较明显的差异。

(1)在类型I中，增加同等规模的核心区，研究区西南侧热缓解效果明显优于其他区域。结合研究区西南侧存在旗山、五虎山等大型且完整的山体(林地)，说明在核心区比重大的地区，较为完整的核心区能够更加有效地缓解城市热环境。

(2)在类型II中，春、秋两季中MSPA要素对城市热环境的影响均不明显，每个季节内都只存在一个显著性相关要素。说明在生态与非生态要素规模相当的区域内，非生态用地带来的负面作用强于生态用地带来的正面作用。

(3)在类型III中，MSPA要素对春季城市热环境影响不大，但在秋季表现出十分显著的负影响。结合类型III内的用地类型说明，在非生态用地(建设用地及耕地等)规模大的区域，低温季节非生态用地明显阻碍城市热缓解，表明低温季节影响地表温度空间格局的因子更多(如建筑形态、地表生物物理参数和城市土地覆盖等)[25]，但在高温季节，其阻碍力较小，因此在高温季节即使只存在少量的生态要素(公园、道路绿带等)，也能起到良好的热缓解作用。

3.2 讨论

本文探讨了城市绿色基础设施中MSPA各要素在春季和秋季对城市热缓解作用的差异性，并从核心区占比不同的3类用地出发探讨了各自的城市高温缓解有效因素。在研究方法上，考虑到城市环境在不同季节的差异，将城市绿色基础设施定义为一个多变量作用的复杂系统，客观分析其受到城市地理空间、斑块大小、结构差异的不确定性。相较于陈明等对绿地内部MSPA要素降温作用的研究结论[4]，除孔隙区、桥接区有少许差异外，其他的MSPA要素与T的相关性结论均一致，二者最终均可得出核心区是降温效果最佳的要素、孤岛及支线均显著正相关于城市热环境等结论。此外，本文还在选取单日数据研究[4，9，26]的基础上进一步深入探索，不仅分析了福州市中心城区2个季节的热环境与MSPA要素的相关性，而且提取出显著性要素与T进行GWR实验，这与以往单纯量化指标相比[4，12]，进一步将指标落位于空间，突出各类MSPA要素热缓解能力的强弱，使量化结果更加客观和科学。

研究发现，核心区能有效促进城市降温，由此可见，塑造连续集中、边缘规整、内部结构丰富的核心斑块能高效提升城市韧性。在众多分布散乱的斑块中可通过绿廊、水廊等进行整合，并入自然保护区系统，从而实现从破碎到整合，增加热缓解功效。在各个季节，适当优化核心内部的孔隙比例，塑造结构丰富的核心斑块，能高效促进热缓解，印证了威恩斯(Wiens)等[27]的研究结论，即在绿地内适当增加小规模的水体，可以促进热缓解。

根据中国气象局的统计，截至2022年夏天，在全球气候变暖的背景下，我国已有70%的城市面临35℃以上的高温挑战，且人口老龄化和城市化的快速发展使得这个比重将持续增加。在此过程中，城市建设用地的不断扩张也会增加城市热环境的风险。温度、降水和高程等自然环境条件在短期内无法改变，因此，通过增强城市韧性设施、完善绿地系统来降低城市高温脆弱性成为唯一且有效的途径[28]。一方面要提高绿地系统内各斑块的复杂性，增强其局域降温作用；另一方面，需加强斑块间的联系，将公园、田地景观等“织”成网络。城市热环境是多因素综合作用的结果，应当在城市规划层面提高城市应对气候变化的能力，建设生态韧性城市，保障城市安全和促进可持续发展。

本文尝试从城市尺度量化研究GI与城市热环境之间的关系，从而提出优化策略，但受到数据和天气的影响，研究成果尚有一定的局限性。随着研究的不断深入，未来将尝试进一步缩小研究单元的范围，增加精度和数量，还可以在每个季节当中选取多日的遥感数据，通过计算获得多个LST数据，并做相应处理，得到当月地表温度(T)的平均值，以获得更加精细的MSPA要素与更加精确的地表温度数据，从而得到更合理的量化结果。从长远来看，城市热环境更加精准的识别与研究能为绿色基础设施规划的完善提供依据，从而为缓解城市热岛、提高韧性提供必要的决策支持。

注：文中图片均由作者绘制，且文中开展GWR分析的数据均已通过空间自相关(Moran'sI)检验。

致谢：感谢福建省地质测绘研究院协助数据处理和分析；福州大学硕士赖志朋、本科生朱玲娜协助调研及数据、文献整理。