-
近百年来,全球气候变暖明显,城市热环境加剧恶化,多种极端气候事件在全球频繁发生[1]。其中,高温热浪的发生频率高,持续时间长,对人类活动、社会发展以及生态系统造成了严重影响[2],且未来热浪的发生将更加频繁,影响范围持续扩大[1]。因此,如何有效缓解热浪带来的环境问题,引起了学者们的广泛关注。
城市公园是城市生态系统的重要环节,其内部往往具有大范围的绿地和水体,可以吸收大量潜热[3-4],形成的“冷岛效应”逐渐被认为是有效缓解高温热浪的策略之一[5]。首先,学者通过实地测量,证明公园对周边有降温作用[6]。但实地测量只能提供小尺度信息,而遥感技术可以提供高精度、大尺度的数据,具有极大优势[7]。因此,国内外学者开始基于遥感技术探究城市公园的热环境,定量分析了公园的形态特征[8]、景观构成[9]、植被特征[4]等因素对公园降温效应的影响。结果表明,当公园边界越简单、冷源面积越大且形状越复杂、地表面积越小时,冷岛效应越强[10-11]。同时,公园内不同冷源的降温效果也存在差异,如林地的降温能力明显优于草地和水体[4]。可见,公园景观特征对其冷岛效应的影响是十分显著的。近年来,学者发现公园冷岛效应还具有时间尺度的差异[12-13]。但已有研究极少考虑气候条件对公园冷岛效应的影响,尤其是热浪天气。未来热浪频发,对环境影响愈发严峻,而城市公园独特的降温能力,在城市生态系统中起着主导作用,所以合理优化公园景观空间结构,增强公园的冷岛效应,对于缓解热浪起着关键作用。
目前,大连市气温呈上升趋势,且未来大连市高温热浪天数将持续增加[14],环境问题日益突出。因此,本文基于Landsat 8热红外波段反演大连市热浪与非热浪状态时地表温度(Land Surface Temperature, LST),选取大连主城区的24个城市公园作为研究对象,探究热浪条件下公园冷岛效应的变化,量化公园景观特征与冷岛效应变化的关系,探索城市公园与热浪环境之间的响应关系,对于增强城市应对灾害天气的能力,提高大连市宜居性及可持续发展具有深远意义。
-
研究区(38°49′—39°5′N,121°22′—121°45′E)位于大连市,涉及中山区、西岗区、沙河口区、甘井子区(部分),简称“中西沙甘”。研究区中央及北部地区平坦,西南和东南地区多为低山丘陵,属暖温带半湿润大陆性季风气候。研究区内共有48个公园,由于公园面积过小或周边存在大型冷源时,计算冷岛效应会产生误差[11],因此本文剔除面积小于4 hm2以及临近大型冷源的公园,最终得到的24个城市公园,具体地理位置如图1所示。
-
气象数据来自国家气象数据共享网(data.cma.cn),通过2015—2020年气象日值数据获取大连的日最高气温信息,用于识别近年来大连市发生高温热浪的时间。结合中国气象局规定[2],大连市在2018年7月27日至8月4日发生高温热浪。
Landsat 8遥感影像来自美国地质调查局官网(glovis.Usgs.gov),根据云量小于10%的标准对影像进行筛选,选出2018年8月2日(热浪)和2019年7月20日(非热浪)的Landsat 8影像反演地表温度,轨道号为P119/R033,其质量满足反演要求。
土地利用类型数据基于2018年7月15日至8月15日10 m分辨率的哨兵2号影像去云融合后进行监督分类获得。将公园内部分为林地、草地、水体以及硬质地表四种土地利用类型[9-11]。以2018、2019年高清影像为真实地面参考,进行精度评价。2018年kappa系数为0.92,2019年kappa系数为0.90,分类结果精度符合研究需要。
-
本文采用单窗算法[15]来反演地表温度,具体公式如下:
$$ \begin{array}{c}{T}_{S}=\left\{a\left(1-C-D\right)+\left[b\left(1-C-D\right)+C+D\right]{T}_{b}-D{T}_{a}\right\}/C\end{array} $$ (1) 其中:
$ {T}_{S} $ 为地表反演温度(K);a、b为常数项;$ {T}_{a} $ 为大气平均作用温度(K);Tb为亮度温度(K);C、D为中间变量,通过公式(2)计算。$$ \begin{array}{c}C=\varepsilon *\tau D=\left(1-\tau \right)\left[1+\left(1-\epsilon \right)\tau \right]\end{array} $$ (2) 其中:
$ \epsilon $ 为地表比辐射率;$ \tau $ 为大气透视率。将地表温度反演结果与同天 MOD11A1数据进行线性回归,呈显著相关(2018:R2=0.99,P<0.001,2019:R2=0.99,P<0.001),证明反演结果可靠。
-
城市公园一般是由多种土地利用类型共同组成的景观综合体[9],因此,从公园形态、公园要素构成、空间形态等各方面选取了5个公园景观特征参数[9-11,16],并通过Fragstats4.2软件定量化计算。具体指标如表1所示。
表 1 景观特征参数
Table 1. Landscape characteristic metrics
景观特征参数 Landscape characteristic parameters 描述 Description 面积(TA,hm2) 公园大小。 周长(TE,km) 公园边界长度。 形状指数(PARA) 公园形状的复杂程度。PARA值越大,则该公园边界越复杂。 斑块所占景观面积比(PLAND,%) 斑块类型面积与景观总面积的比值。 斑块聚合度(AI,%) 斑块的聚集程度,AI值越大,聚集程度高。 -
本文采用降温范围(Cooling Range,CR)以及冷岛强度(Cold Island Intensity,PCI)作为衡量公园冷岛效应的指标。其中,CR用来表征公园冷岛的最大影响范围,PCI用来表征公园冷岛的降温幅度[11]。CR、PCI通过缓冲区分析法计算得到。首先,根据公园边界,以30 m为缓冲距离,建立20环共计600 m的缓冲区。由于公园周边存在绿化带等小型冷源,根据高清影像鉴别并剔除周边干扰区域,修正缓冲区。其次,将更新后的缓冲区与地表温度数据叠置,统计得到各环缓冲区内的平均温度,同时以缓冲区的距离为自变量,平均温度为因变量绘制三阶拟合曲线[8],经验证,所有公园曲线的R2值均在0.90以上。最后,依据拟合生成的曲线,结合实际情况寻求极值点或趋于平缓的位置,对应的距离为CR,用该处的平均温度减去公园内部平均温度即为PCI。
$$ \begin{array}{c}PCI={T}_{CR}-{T}_{mean}\end{array} $$ (3) 其中:TCR是CR处的平均温度;Tmean是公园内部平均温度。
采用热浪与非热浪状态下公园CR、PCI的差值ΔC、ΔP来表示热浪对公园降温效应的影响程度。
$$ \begin{array}{c}\Delta C={CR}_{1}-{CR}_{2}\quad \Delta P={PCI}_{1}-{PCI}_{2}\end{array} $$ (4) 其中:
$ {\mathrm{C}\mathrm{R}}_{1} $ 、$ {\mathrm{C}\mathrm{R}}_{2} $ 分别是热浪、非热浪时公园的降温范围;$ {\mathrm{P}\mathrm{C}\mathrm{I}}_{1} $ 、$ {\mathrm{P}\mathrm{C}\mathrm{I}}_{2} $ 分别是热浪、非热浪时公园的冷岛强度。 -
随机森林是基于自助法从原始样本中抽取多个样本,并对每个样本生成独立的决策树的一种集成学习算法,具有很高的准确率,可以有效解决异常值和噪声的问题[17]。在模型中,通过自主抽样选择 2 /3 的数据来训练随机森林,其余数据作为袋外样本数据,通过袋外误差的增加量和基于分裂时基尼系数的减少量来评估每个变量的重要性[18]。其中,基尼系数越大,节点纯度(IncNodePurity)越高,表明该变量越重要。本文利用R语言构建模型,评估景观特征参数对ΔC、ΔP的重要程度,并筛选出重要特征参数。
-
Probit模型是事件发生的概率依赖于解释变量的一种广义线性模型,可解释为自变量每增加一个单位,因变量的发生概率上升或下降多少百分比,模型服从正态分布,是离散选择模型的常用模型,适用于探索因变量为名义变量或序次变量的概率模型[19]。因此,本文选用 Probit 模型检测,当重要特征参数增加或减少时导致热浪下公园冷岛效应增强或减弱的概率大小,从而获取相应的临界阈值。
-
图2为研究区热浪及非热浪状态下的LST空间格局,热浪时LST介于19.52~60.11 ℃,平均值为44.08 ℃,非热浪时LST介于20.47~58.85 ℃,平均值为41.42 ℃,热浪发生时LST平均上升2.66 ℃。热浪发生时中心城市、西南林地及东部城市LST变化明显,总体升高3 ℃以上,其余大部分地区升高0~3 ℃,仅少量北部耕地及其他边缘地区温度降低。因此,热浪发生时研究区地表温度普遍升高,热浪对地表温度影响剧烈。此外,无论是否发生热浪,研究区的LST空间格局与土地利用格局一致,地表热环境呈现出“中心温度高,周边温度低”的趋势。其中,高温区分布在研究区中部及北部的城市密集区。低温区分布较分散,为研究区周边林地和海域等大型冷岛区,以及城市中的公园、河流和湖泊等呈现出的冷岛空洞。
-
热浪及非热浪状态下24个公园的降温范围及冷岛强度见表4。其中,热浪时公园CR1介于125.68~572.18 m,PCI1介于0.642~6.888 ℃,非热浪时公园CR2介于127.55~558.88 m,PCI2介于0.788~8.184 ℃。可见无论是否发生热浪,各公园均表现出明显的冷岛效应,但热浪促使公园冷岛效应发生改变。由表2可知,ΔC介于−68.38~92.67 m,ΔP介于−1.532~0.783 ℃。热浪环境下,公园CR增大的(ΔC>0)有10个,减小的(ΔC<0)有14个;其中劳动公园的CR减小最严重(ΔC= −68.38m),水池山公园CR增加最显著(ΔC=92.67 m)。热浪环境下,公园PCI增大的(ΔP>0)有5个,减小的(ΔP<0)有19个;其中水池山公园PCI降低最明显(ΔP=−1.532 ℃),儿童公园PCI增强最显著(ΔP=0.783 ℃)。可以看到,不同公园对热浪的响应存在差异,且同一公园ΔC、ΔP的变化趋势并不完全一致。应对热浪环境时,公园可分为3种类型,当公园ΔC>0且ΔP>0时,为抵抗型,表明该公园对热浪具有良好的抵抗力,可以有效应对热浪的不利影响,如环卫公园等5个公园;当公园ΔC<0且ΔP<0时,为屈从型,表明该公园不具备抵抗热浪的能力,如周北公园等14个公园;当公园ΔC<0、ΔP>0或ΔC>0、ΔP<0时,为中庸型,表明该公园对热浪仅具有部分的缓解作用,如光明公园等6个公园。
表 2 各公园冷岛效应参数
Table 2. Parameters of cold island effect in each park
编号
ID公园名称
Park name热浪时降温范围
CR1/m非热浪时降温范围
CR2/m热浪时冷岛强度
PCI1/℃非热浪时冷岛强度
PCI2/℃降温范围变化
ΔC/m冷岛强度变化
ΔP/℃1 北海公园 125.68 127.55 0.642 0.788 −1.87 −0.146 2 新有公园 175.18 188.06 1.415 2.201 −12.88 −0.786 3 火炬公园 242.71 250.54 2.237 2.697 −7.83 −0.460 4 周北公园 206.28 239.89 2.854 4.229 −33.61 −1.375 5 金家街公园 205.85 215.72 4.863 5.341 −9.87 −0.478 6 新星公园 255.28 287.34 2.736 3.076 −32.06 −0.340 7 山日健康公园 339.79 267.19 3.363 3.477 72.60 −0.114 8 光明公园 328.04 259.81 4.008 4.317 68.23 −0.309 9 南关岭公园 201.16 177.31 2.983 2.624 23.85 0.359 10 环卫公园 153.90 140.64 3.184 3.052 13.26 0.132 11 儿童公园 572.18 558.88 6.888 6.105 13.30 0.783 12 西岗区北京公园 198.03 203.91 1.157 1.164 −5.88 −0.007 13 泽龙湖公园 384.25 301.91 4.509 4.341 82.34 0.168 14 中山公园 242.76 252.49 3.589 4.083 −9.73 −0.494 15 书香苑教育公园 371.28 398.55 4.884 5.600 −27.27 −0.716 16 枣园公园 272.50 278.29 4.758 5.084 −5.79 −0.326 17 水池山公园 412.51 319.84 6.652 8.184 92.67 −1.532 18 甘井子公园 214.13 227.76 5.973 6.299 −13.63 −0.326 19 前关湿地公园 383.40 346.98 5.959 7.063 36.42 −1.104 20 椒金山公园 316.52 321.26 3.758 3.955 −4.74 −0.197 21 富民-石门山公园 298.05 258.95 3.977 5.184 39.10 −1.207 22 劳动公园 463.20 531.58 5.978 6.507 −68.38 −0.529 23 富国公园 558.98 531.88 6.613 6.046 27.10 0.567 24 北宸公园 256.28 282.31 5.165 5.464 −26.03 −0.299 -
热浪条件下,各个景观特征参数对ΔC、ΔP的影响重要程度如图3所示。其中影响ΔC的重要特征参数分别是林地面积比、草地面积比、草地聚合度,影响ΔP的重要特征参数分别是地表面积比、水体面积比、草地面积比。图4显示了各个重要变量对ΔC、ΔP的边际效应。当林地面积比大于48.5%、草地面积比小于41 %、草地聚合度小于97.8%时,ΔC由屈从型跃迁为抵抗型。当地表面积比小于11%、水体面积比大于29%、草地面积比小于41%时,ΔP由屈从型跃迁为抵抗型。因此,为了有效应对热浪带来的影响,使公园具有较强抵抗热浪的能力,成为抵抗性公园,在规划大连市城市公园时首要考虑将林地面积比控制在48.5%以上,地表面积比在11%以下,其次水体面积比在29%以上,草地面积比在41%以下,最后草地聚合度小于97.8%为宜。
Influence of Landscape Characteristics on Cold Island Effect in Dalian City Park under Heat Wave
More Information-
摘要: 为阐述不同景观特征下城市公园冷岛效应缓解热浪和的影响机制,基于Landsat 8遥感影像反演地表温度,探究了大连24个城市公园对热浪环境的响应变化。结果表明:热浪对地表温度有显著影响;热浪环境下,公园降温范围变化(ΔC)介于−68.38~92.67 m,冷岛强度变化(ΔP)介于−1.532~0.783 ℃,不同公园对热浪的响应存在差异,且同一公园ΔC、ΔP的趋势并不完全一致;影响ΔC的重要景观参数依次为林地面积比、草地面积比和草地聚合度,影响ΔP的重要景观参数依次为地表面积比、水体面积比和草地面积比。应对热浪环境时,抵抗型公园(ΔC>0且ΔP>0)可以更好地缓解热浪,通常其林地面积比大于48.5%,地表面积比小于11%,水体面积比大于29%,草地面积比小于41%,草地聚合度小于97.8%。Abstract: In order to explain the influence mechanism of the cold island effect in urban parks to alleviate the heat wave under different landscape characteristics, this study explored the response changes of 24 urban parks in Dalian to heat wave environment based on land surface temperature data retrieved by Landsat 8 thermal infrared band. The result showed that heat wave had a significant impact on the land surface temperature. Under the heat wave environment, the change in cooling range (ΔC) of parks ranged from −68.38 to 92.67 m, and the change in cold island intensity (ΔP) ranged from −1.532 to 0.783°C. Different parks had different responses to heat waves. And the changing trends of ΔC and ΔP in the same park were not completely consistent. The important landscape parameters affecting ΔC were forest area ratio, grassland area ratio, and grassland aggregation degree. The important landscape parameters affecting ΔP were surface area ratio, water area ratio, and grassland area ratio. When dealing with the heat wave environment, the urban parks with the resistance type (ΔC>0 and ΔP>0) can better mitigate heat waves, and the forest area ratio was usually more than 48.5%, land surface area ratio was less than 11%, water area ratio was greater than 29%, grassland area ratio was less than 41%, and grassland aggregation degree was less than 97.8%.
-
Key words:
- Park landscape characteristics;
- Heat wave;
- Random forest;
- Marginal effect
-
表 1 景观特征参数
Tab. 1 Landscape characteristic metrics
景观特征参数 Landscape characteristic parameters 描述 Description 面积(TA,hm2) 公园大小。 周长(TE,km) 公园边界长度。 形状指数(PARA) 公园形状的复杂程度。PARA值越大,则该公园边界越复杂。 斑块所占景观面积比(PLAND,%) 斑块类型面积与景观总面积的比值。 斑块聚合度(AI,%) 斑块的聚集程度,AI值越大,聚集程度高。 表 2 各公园冷岛效应参数
Tab. 2 Parameters of cold island effect in each park
编号
ID公园名称
Park name热浪时降温范围
CR1/m非热浪时降温范围
CR2/m热浪时冷岛强度
PCI1/℃非热浪时冷岛强度
PCI2/℃降温范围变化
ΔC/m冷岛强度变化
ΔP/℃1 北海公园 125.68 127.55 0.642 0.788 −1.87 −0.146 2 新有公园 175.18 188.06 1.415 2.201 −12.88 −0.786 3 火炬公园 242.71 250.54 2.237 2.697 −7.83 −0.460 4 周北公园 206.28 239.89 2.854 4.229 −33.61 −1.375 5 金家街公园 205.85 215.72 4.863 5.341 −9.87 −0.478 6 新星公园 255.28 287.34 2.736 3.076 −32.06 −0.340 7 山日健康公园 339.79 267.19 3.363 3.477 72.60 −0.114 8 光明公园 328.04 259.81 4.008 4.317 68.23 −0.309 9 南关岭公园 201.16 177.31 2.983 2.624 23.85 0.359 10 环卫公园 153.90 140.64 3.184 3.052 13.26 0.132 11 儿童公园 572.18 558.88 6.888 6.105 13.30 0.783 12 西岗区北京公园 198.03 203.91 1.157 1.164 −5.88 −0.007 13 泽龙湖公园 384.25 301.91 4.509 4.341 82.34 0.168 14 中山公园 242.76 252.49 3.589 4.083 −9.73 −0.494 15 书香苑教育公园 371.28 398.55 4.884 5.600 −27.27 −0.716 16 枣园公园 272.50 278.29 4.758 5.084 −5.79 −0.326 17 水池山公园 412.51 319.84 6.652 8.184 92.67 −1.532 18 甘井子公园 214.13 227.76 5.973 6.299 −13.63 −0.326 19 前关湿地公园 383.40 346.98 5.959 7.063 36.42 −1.104 20 椒金山公园 316.52 321.26 3.758 3.955 −4.74 −0.197 21 富民-石门山公园 298.05 258.95 3.977 5.184 39.10 −1.207 22 劳动公园 463.20 531.58 5.978 6.507 −68.38 −0.529 23 富国公园 558.98 531.88 6.613 6.046 27.10 0.567 24 北宸公园 256.28 282.31 5.165 5.464 −26.03 −0.299 -
[1] 周波涛,钱进. IPCC AR6报告解读: 极端天气气候事件变化[J]. 气候变化研究进展,2021,17(6):713−718. [2] Xu F, Chan T O, Luo M. Different changes in dry and humid heat waves over China[J]. International Journal of Climatology, 2021, 41(2): 1369−1382. doi: 10.1002/joc.6815 [3] 苏泳娴,黄光庆,陈修治,等. 城市绿地的生态环境效应研究进展[J]. 生态学报,2011,31(23):302−315. [4] 张彪,Majid AMANI-BENI,史芸婷,等. 北京奥林匹克公园夏季绿地小气候及人体环境舒适度效应分析[J]. 生态科学,2018,37(5):77−86. doi: 10.14108/j.cnki.1008-8873.2018.05.011 [5] 谢紫霞,张彪,佘欣璐,等. 上海城市绿地夏季降温效应及其影响因素[J]. 生态学报,2020,40(19):6749−6760. [6] Jáuregui E. Influence of a large urban park on temperature and convective precipitation in a tropical city[J]. Energy and buildings, 1990, 15(3-4): 457−463. doi: 10.1016/0378-7788(90)90021-A [7] 陈铭,陈其兵,张健,等. 遥感数据分类基础上的成都市城市景观多样性研究[J]. 四川林业科技,2005(4):78−82. doi: 10.3969/j.issn.1003-5508.2005.04.014 [8] 苏泳娴,黄光庆,陈修治,等. 广州市城区公园对周边环境的降温效应[J]. 生态学报,2010,30(18):4905−4918. [9] 冯悦怡,胡潭高,张力小. 城市公园景观空间结构对其热环境效应的影响[J]. 生态学报,2014,34(12):3179−3187. [10] Qiu K, Jia B. The roles of landscape both inside the park and the surroundings in park cooling effect[J]. Sustainable Cities and Society, 2020, 52: 101864. doi: 10.1016/j.scs.2019.101864 [11] 花利忠,孙凤琴,陈娇娜,等. 基于Landsat-8影像的沿海城市公园冷岛效应——以厦门为例[J]. 生态学报,2020,40(22):8147−8157. [12] Ren Z, He X, Zheng H, et al. Estimation of the relationship between urban park characteristics and park cool island intensity by remote sensing data and field measurement[J]. Forests, 2013, 4(4): 868−886. doi: 10.3390/f4040868 [13] 闫伟姣,孔繁花,尹海伟,等. 紫金山森林公园降温效应影响因素[J]. 生态学报,2014,34(12):3169−3178. [14] 南鹏飞. 基于WRF的未来(2050s)城市气候预测及适应性规划策略[D]. 大连理工大学, 2021. [15] 胡德勇,乔琨,王兴玲,等. 单窗算法结合Landsat8热红外数据反演地表温度[J]. 遥感学报,2015,19(6):964−976. [16] 冯佳,董鑫,赵姗姗. 四川省若尔盖保护区景观生态格局动态分析[J]. 四川林业科技,2021,v.42(198):52−59. doi: 10.12172/202007060002 [17] 施光耀,周宇,桑玉强,等. 基于随机森林方法分析环境因子对空气负离子的影响[J]. 中国农业气象,2021,42(5):390−401. doi: 10.3969/j.issn.1000-6362.2021.05.004 [18] 付婧婧,吴志伟,闫赛佳,等. 气候、植被和地形对大兴安岭林火烈度空间格局的影响[J]. 生态学报,2020,40(5):1672−1682. [19] Bertschek I, Lechner M. Convenient estimators for the panel probit model[J]. Journal of Econometrics, 1998, 87(2): 329−371. doi: 10.1016/S0304-4076(98)00008-6 [20] Wang C, Wang Z H, Wang C, et al. Environmental cooling provided by urban trees under extreme heat and cold waves in US cities[J]. Remote Sensing of Environment, 2019, 227: 28−43. doi: 10.1016/j.rse.2019.03.024