文章信息
- 史久西, 邓劲松, 王小明, 骆成方, 裘鑫灿
- Shi Jiuxi, Deng Jingsong, Wang Xiaoming, Luo Chengfang, Qiu Xincan
- 乡村景观格局热效应及其调控机制
- Thermal Effect and Adjusting Mechanism of Rural Landscape Patterns
- 林业科学, 2011, 47(5): 7-15.
- Scientia Silvae Sinicae, 2011, 47(5): 7-15.
-
文章历史
- 收稿日期:2009-04-13
- 修回日期:2010-12-28
-
作者相关文章
2. 浙江大学 杭州 310029;
3. 浙江省绍兴县林业局 绍兴 312030
2. Zhejiang University Hangzhou 310029;
3. Forestry Bureau of Shaoxing County, Zhejiang Province Shaoxing 312030
环境温度是影响人体舒适度的重要因素之一(王绍武,2001),在夏季更是决定性因素。在人口密度高、经济发达的平原乡村,随着城市化进程的迅速推进,村庄聚落扩大,人口集聚,环境热岛效应显现。通过绿化建设调节小气候,改善环境质量,是城乡居民十分关注的问题,具有重要的现实意义。
城市热岛的空间分布与下垫面性质关系密切,绿地具有显著的降温效应(李延明等,2004; 倪黎等,2007; Li,1998),绿地数量与环境温度之间存在显著相关关系(武佳卫等,2007; 李俊祥等,2003; 冯欣等,2007; Shanshua-Bar et al., 2000)。环境热效应不但受下垫面性质及其规模数量的影响,还受空间格局的作用,其影响机制也引起众多关注。King等(2002)曾报道城市绿地覆盖率小于40%时,其整体生态效益主要取决于绿地的内部结构和空间布局。Makoto等(2001)对东京城郊街道格局的研究结果表明,向稻田开敞且平行于主风方向的街道,稻田上空凉爽的空气可以深入到临近的居住区,150 m范围内可起到降温效应; 相反,封闭及垂直于主风的街道则没有这种降温效应。国内众多研究人员(周志翔等,2004; 马勇刚等,2006; 徐丽华等,2009; 王勇等,2008; 武小钢等,2008)分别以宜昌、乌鲁木齐、上海等为例对表征绿地景观破碎化的相关指数(破碎度、斑块数、平均斑块面积、斑块密度指数)以及表征斑块形状的相关指数(形状指数、分维数、周长面积比)与环境温度的相关关系作了分析研究,结果显示2类指数与环境热效应趋向于正相关(徐丽华等,2009; 王勇等,2008; 武小钢等,2008),但个别研究有相反结论(马勇刚等,2006)。这些研究单项所涉的用地类型和景观指数有限,未能对不同地类斑块各种景观指数热效应作用之大小进行全面比较,分析它们自身的相关关系,至于借助城市热岛研究技术原理研究乡村景观格局热效应问题还未见报道。本文基于ETM和Quickbird影像分析,对乡村景观格局多地类、多指标的热效应问题开展研究,分析景观指数间的内在关系,建立热效应数量模型,筛选主要影响因子,为乡村绿地生态服务效能的评价和调控提供基本依据。
1 研究区概况研究区位于浙江省绍兴县北部平原乡村地区,总面积200 km2,其边界距西部山区7.70 km,距钱塘江口海域11.25 km。区内地势平坦,中、北部为疏水平原区,北部村庄多沿线分布,呈线形,中部村庄呈块状,其中含有小山体,南部则为水网平原区(图 1)。
从研究区域选取具有不同大小、形状和景观结构的自然村50个为样本村庄,其平均建成区大小为15.86 hm2,周长2.02 km,建筑覆盖率72.7%,绿地覆盖率20.2%,水体覆盖率7.1%。采用ETM影像(2002年7月11日)提取亮温信息,Quickbird影像(2002年9月14日)进行土地利用分类(图 1),两者叠加建立村庄环境热效应与景观格局的联系。
2.1 影像处理与信息提取综合采用乘积法、Brovey变换法、IHS变换法和主成分分析法对Quickbird全色及多光谱影像进行融合,获得适于评价分类的基础影像。
以主观判读为主进行融合影像的土地利用方式分类。根据本专题研究特点和需要,以下垫面性质为标准,参考国家土地利用现状分类规范,将研究区土地利用方式分为建筑、水体、林地、草地、绿地5大类,其中建筑包括房屋和道路(硬化垫面),绿地包括林地和草地,草地则包含草坪、农田、耕地等,结果通过地面校核,并按1 : 2 500比例矢量化,同时建立周长、面积等属性数据库。
大气温度、地表温度和辐射温度在环境中的分布和变化趋势具有一致性(李延明等,2004),考虑本期研究的乡村区域尺度较小,区内水汽状况近似一致,故以辐射亮温代表环境温度(陈云浩,2002; 陈峰等,2008; Streutker,2002; 周红妹等,2001)。为提取辐射亮温或环境亮温(environment brightness temperature A,简称EBT),首先将预处理后的ETM+热红外波段影像的灰度值(DN值)转化为行星反射值Lλ,Lλ=gain×DN+offset(gain为卫星的增益系数,offset为偏移系数),再通过Tδ=K2/ln(K1/Lλ+1)转化为亮温,其中: Tδ为亮温(K),K1,K2为标定常数,取K1=666.09,K2=1 282.71。
2.2 景观指数设置及计算以村庄建成区(核心区、庄台)为基本研究区域,计算该区平均亮温(亮温A)及建筑斑块平均亮温(亮温B,EBT B),作为被解释变量,从斑块和景观2个水平分别计算村庄建成区、100 m缓冲区各景观指数,为解释变量(指标或因子),共计45个,其中斑块水平指数有:
相对面积(%)或覆盖率:斑块面积/分析区总面积。
边界密度(km·hm-2):斑块边长/分析区总面积。
斑块密度(个·hm-2):斑块数/分析区总面积。
斑块平均面积(hm2):某类斑块总面积/斑块数。
形状指数:
聚合度指数:
景观水平指数有:
区域总面积(hm2)、区域总周长(km)。
区界形状指数:
总边界密度(km·hm-2):各类斑块总边长/分析区总面积。
总斑块数(个)、斑块类型数(个)。
总斑块密度(个·hm-2):总斑块数/分析区总面积。
总斑块平均面积(hm2):各类斑块总面积/斑块数。
总形状指数:
多样性指数(Shannon-Wienner指数): H=
均匀度指数:
为考察景观格局热效应关系的尺度变化,将核心区分别外扩100,200,300 m,即形成核心区+100 m缓冲区(简写为+100 m缓冲区)、核心区+200 m缓冲区、核心区+300 m缓冲区3区域梯度,分别进行区域平均亮温、景观指数计算,方法同上。
2.3 统计分析借助SPSS软件进行相关分析、指标分类、压缩和筛选、模型拟合等统计分析。
3 结果与分析 3.1 景观指数及其与环境亮温的相关性分析计算得出村庄核心区平均亮温A的均值为301.291 K,建筑斑块平均亮温B为301.408 K,略高于亮温A,两者线性关系显著(r=0.969),与其他解释指标的相关关系也基本一致,以下表述以亮温A为例。
45个指数逐一进行的单因子回归检验结果表明,两者最佳关系主要有线性函数、对数函数及2,3次幂函数等,不同因子的最佳关系略有不同,总体上具有良好的相关关系(表 1),为简化问题,取线性关系进行分析讨论。
表 1为指标-亮温A的相关性排序结果,序号1~25的指数为极显著相关,26~31的为显著相关,32之后的相关性不显著。表 1中处于最前列的指数是斑块边界密度和斑块平均面积,而覆盖率指数处于第2层次,由此可见,在核心区,以斑块边界密度和斑块平均面积作为环境亮温的度量指标要明显优于覆盖率指数。
表 1中建筑斑块的覆盖率、块均面积、聚合度,降温斑块的形状指数以及核心区的总面积、总周长、总块均面积等为正相关指数,其他均为负相关。可见斑块类型中,建筑斑块具有加热升温作用,其他类型斑块则有降温作用。
相关性大小受斑块相对面积(覆盖率)的影响十分明显,建筑斑块平均覆盖率为0.727,占绝对优势,所有相关指数均强烈影响村庄热环境,其次是绿地水体。从平均相关情况看,不同地类对环境亮温作用的大小依次为建筑(| rmean |=0.630)>绿地水体0.513>景观总体0.509>绿地0.414>草地0.408>100 m缓冲区0.333>水体0.293>林地0.223。其中林地和草地的作用方向一致,合并为绿地后与环境亮温的相关性提高,表明土地类型分为建筑、水体、绿地3大类较为适宜。
3.2 亮温相关因子压缩与分类描述景观格局的指数众多,大部分指数之间信息重复,生态学者对景观指数的相关性及其压缩归类开展过一些研究(布仁仓等,2005; 胡华浪等,2005; Riitters et al., 1995; O’Neill et al., 1999)。布仁仓等(2005)建议,可以将相互间相关系数0.75和显著性水平p值0.01作为景观指数类型划分的标准,即类型内相关系数>0.75,类型间相关系数<0.75,据此可将表 1指数归为破碎度类指数、覆盖率类指数、形状类指数、核心区规模指数、100 m缓冲区指数、其他指数6类,表 2。
6类指数与环境亮温的最大相关状况依次为破碎度类指数(|rmax|=0.836)>覆盖率类指数(0.732)>形状指数(0.548)>100 m缓冲区环相关指数(0.468)>核心区规模指数(0.403)>其他指数(0.243)。
为印证上述景观指数分类结果进行因子分析。考虑指标体系的完整性、指标的对称性以及与环境亮温的相关性,按建筑、水体、绿地3种地类选取典型指数24个,采用主成分法,以特征根λ>1标准提取公共因子5个,通过方差最大化旋转,将分析指数归为破碎度类指数、覆盖率类指数、区域规模及形状指数、水体指数、100 m缓冲区环指数5类,见表 2。与5个因子对应的主成分P1,P2,P3,P4,P5构成相互独立的新变量,它们与亮温A的关系为: P1的相关性达极显著水平(r=-0.840),P2,P5为弱相关(r=0.237,r=-0.188),而P3,P4基本不相关(r=-0.083,r=0.034)。
由表 2可见,2种分析方法所得的分类结果基本一致,且在前2个主要因子类型的划分上高度一致,表明破碎度类指数和覆盖率类指数是影响环境亮温的核心因子,其中绿地水体边界密度和建筑覆盖率(或绿地水体覆盖率)最为典型,形状类指数、100 m缓冲区指数和核心区域规模指数也有一定作用。
3.3 亮温多元模型构建及其相关因子组提取为实现亮温预测,并提取其主要影响因子组合,以亮温A为因变量,各景观指数为自变量,进行多元线性逐步回归,从50个村庄样品中取45个用于建模,5个用于预测检验,结果找到2个较优模型及其相关因子组合(表 3)。
尽管2个模型预测、拟合时的剩余标准差有差异,但十分接近,表明模型具有一定的预测应用意义; 同时提取2个亮温模型因子组,较好地代表 3.2节重要因子类型,从不同侧面描述村庄景观格局,可作为格局调控的参考依据。组内因子相对具有最大独立性(容忍度>0.1),但其共线性关系依然存在,环境亮温预测和调控时,应将各因子组作为一个整体予以考虑。如对于模型1,由表 3各因子的标准化回归系数可知,要降低环境温度,应优先提高绿地水体的边界密度,降低建筑覆盖率(即提高绿地水体覆盖率),其次提高绿地形状的圆满度,再次是降低斑块块均面积,使绿地分散布局。模型2的含义与模型1类似,由绿地水体形状指数、水体斑块密度和总周长分别替代绿地形状指数、总块均面积和总面积。这里绿地水体的边界密度和形状指数是1对互相制约的指标,同时提高意味着须提高覆盖率,增加斑块数量,减少块匀面积,同时保持各小斑块形状圆满。就具体村庄而言,在景观斑块数量结构一定的情况下,各地类以众多小斑块均匀分布比大块聚集更有助于环境总体降温,核心区形状狭长、增温斑块形状狭长、降温斑块形状圆满的村庄更有助于环境降温; 降温斑块与升温斑块充分接触,增加斑块数量,提高破碎化程度,延伸斑块边长和核心区边长等都是使环境降温的有效措施。
3.4 景观数量结构及空间结构对环境亮温的影响差异回归分析结果显示,核心区环境亮温受到景观数量结构及其格局结构两方面的影响,为进一步探讨两者对环境亮温的贡献,从众多指数中选取覆盖率为基本数量指数,相互间独立性较好的斑块密度、聚合度和形状指数为基本格局指数,分建筑、水体、草地和林地4类斑块分别建立通径系数表,计算数量指数的直接通径系数和通过格局指数起作用的间接通径系数,汇总两者的比,结果如表 4。
从表 4可见,斑块数量指数对亮温A的间接通径系数与直接通径系数之比为0.293 7,同理算得对亮温B的间接与直接通径系数之比为0.358 0,总平均值为0.325 9。由此可见,数量结构指数对环境热效应的作用大于空间格局指数,两者的作用大小约为3: 1,但空间格局指数的作用也不能忽略。
3.5 景观格局-亮温关系的尺度效应随着研究区域从核心区扩大至+100,+200,+300 m缓冲区,优势斑块由建筑变成草地,增温斑块比例降低,景观同质性提高,一些宏观指标变为微观,表现为区域平均亮温逐渐降低(301.291,300.561,300.287,300.177 K),相邻尺度2个研究区域平均亮温的相关性提高,覆盖率类指数成为主导指标,而斑块边界密度、形状指数等表征景观格局的指标作用下降(表 5)。
由表 5可见,村庄建成区异质性高,景观结构复杂,以含有结构信息的边界密度来度量或拟合亮温更为合适(Rmax2=0.699);在+100,+200,+300 m缓冲区,以绿地水体覆盖率单因子拟合有一定精度(R2=0.880,0.808,0.719),其中尤以+100 m区为佳,这是因为100 m距离范围内环境热量交换仍较显著(史久西,2009),绿地和水体在区域各部发挥的降温作用比较均匀,同时景观结构比起核心区又要简单些。而从+200 m至+300 m区,一方面其边缘地带的地类斑块与核心区的热量交换越来越小,处在边缘地带与处于核心区及其附近地带斑块的降(升)温作用是不同的。另一方面由于研究区域的尺度还不足够大,达到可以将核心区作为一个点对待的程度,这种因景观斑块区位而异的热效应还不能被忽略,但覆盖率单因子并未将它区分,故拟合效果也逐渐下降。
随着研究区域的扩大,景观指数与核心区亮温的相关性不断下降,表明周边环境对村庄热效应是有影响的,而这种影响随着距离的增加迅速降低。
4 结论与讨论1) 村庄环境亮温与所选各景观指数间具有良好的线性关系。村庄景观中,建筑斑块具有加热升温作用,其他类型斑块则有降温作用。不同类型斑块热效应大小受相对面积的影响明显,在核心区,建筑斑块为优势斑块,所有相关指数均强烈影响村庄热环境。因此乡村景观调控中应首先进行数量结构优化,降低建筑覆盖率,增加绿地、水体等降温斑块的面积比。核心区不同地类对环境亮温作用的大小依次为建筑>绿地水体>总体>绿地>草地>水体>林地,其中林地和草地的性质、作用方向一致,合并为绿地后相对面积增大,与环境亮温的相关性提高,类似研究时将土地利用类型分为建筑、水体、绿地3类就应足够。
2) 采用相关分析和因子分析方法对45个景观指数作了分类,所获结果与Riitters等(1995)的5分类框架、布仁仓等(2005)的4分类框架类似。相关分析法将45个景观指数分为6类,相关性依次为破碎度类指数>覆盖率类指数>形状指数>100 m缓冲区相关指数>核心区规模指数>其他指数; 因子分析法分为5类指数类型,破碎度类指数>覆盖率类指数>缓冲区环指数>区域规模及形状指数>水体指数。2种分类结果一致表明破碎度类指数和覆盖率类指数是影响环境亮温的核心因子,其中绿地水体边界密度和建筑覆盖率(或绿地水体覆盖率)最为典型,形状类指数、100 m缓冲区指数和核心区域规模指数也有一定作用。
3) 通过回归分析,提取2个核心区亮温预测因子组,环境亮温预测和调控时,应将各因子组作为一个整体予以考虑。就具体村庄而言,在景观斑块数量结构一定的情况下,各地类以众多小斑块均匀分布比大块聚集更有助于环境总体降温,核心区形状狭长、增温斑块形状狭长、降温斑块形状圆满的村庄更有助于环境降温; 降温斑块与升温斑块充分接触,增加斑块数量,提高破碎化程度,延伸斑块边长和核心区边长等都是使环境降温的有效措施。
4) 在核心区,环境亮温单因子拟合精度有限(Ra2<0.77),多元线性模型提高拟合精度,但所需因子较多,反映出核心区环境温度影响因素的复杂性,景观格局的作用不能忽略; 为剥离景观数量结构与格局结构对该区环境亮温的作用贡献大小,借助通径分析法进行分析取得初步结果,这是本项研究的一个新尝试,其结果显示,空间格局指数、数量结构指数对环境热效应的作用贡献约为1 : 3,也就是在景观数量结构一定的情况下,通过格局调控,可提高1/3的环境效益。
5) 随着研究尺度从核心区到+100 m,+200m,+300 m缓冲区逐渐扩大,增温斑块比例降低,景观同质性提高,表征核心区景观细部结构指标的作用逐渐下降,数量指标与环境亮温的相关性逐渐增强。现有研究大多建议以绿地覆盖率作为环境温度的度量指标(李俊祥等,2003; Li,1998),本试验在+100,+200,+300 m缓冲区获得的结果与现有研究结论类似,即环境亮温的主导因子是覆盖率类指数,如绿地水体覆盖率、绿地覆盖率; 然而在核心区,影响环境亮温的主导因子则是表征景观破碎化程度的相关指数,如绿地水体边界密度、总边界密度、总斑块平均面积等,有异于现有研究结论。这种由于研究区域尺度改变引起的亮温-指标相关性变化现有研究探讨不多,值得关注。
核心区亮温与+100 m缓冲区景观指数、100 m缓冲区环景观指数均有较高相关性,表明100 m距离范围内环境热量交换仍较显著(史久西,2009),村庄景观格局热效应问题的研究尺度以村庄建成区+100 m缓冲区范围为佳,同时该区处于村庄近周,也正是开展围村林等建设的重要区域,具有现实意义。
本文选择一些直观、简易、典型的指标对乡村景观格局热效应作了专题研究,一些更复杂的指数,如破碎度指数、蔓延度指数、分维数等未能引入,具体表现未知; 通过多元回归筛选出亮温预测和调控因子组,得到一些确定结论,但同时核心区面积、周长与亮温A的偏相关呈负向,与简单相关相反,也与常识不符。是不是村庄规模在值域范围内,核心区形状固定,建筑、绿地水体、覆盖率、边界密度、分布状况等固定的情形下,面积、周长增大,亮温降低,而通常情况下,其他因子固定的前提难以满足。另外,通径分析、研究区规模梯度设置可能是景观指数热效应作用贡献分解、尺度效应研究的有效途径,这些均有待进一步研究和证实。
布仁仓, 胡远满, 常禹, 等. 2005. 景观指数之间的相关分析[J]. 生态学报, 25(10): 2764-2775. DOI:10.3321/j.issn:1000-0933.2005.10.044 |
陈峰, 何报寅, 龙占勇, 等. 2008. 利用Landsat ETM+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, (2): 56-67. DOI:10.6046/gtzyyg.2008.02.14 |
陈云浩, 王洁, 李晓兵. 2002. 夏季城市热场的卫星遥感分析[J]. 国土资源遥感, (4): 55-59. DOI:10.6046/gtzyyg.2002.04.12 |
冯欣, 应天玉, 李明泽, 等. 2007. 哈尔滨市热岛效应与绿色空间消长的关系[J]. 东北林业大学学报, 35(5): 55-56. |
胡华浪, 陈云浩, 宫阿都. 2005. 城市热岛的遥感研究进展[J]. 国土资源遥感, (3): 5-13. DOI:10.6046/gtzyyg.2005.03.02 |
李俊祥, 宋永昌, 傅徽楠. 2003. 上海市中心城区地表温度与绿地覆盖率相关性研究[J]. 上海环境科学, 22(9): 599-601. |
李延明, 张济和, 古润泽. 2004. 北京城市绿化与热岛效应的关系研究[J]. 中国园林, 20(1): 72-75. |
马勇刚, 塔西甫拉提·特依拜, 黄粤, 等. 2006. 城市景观格局变化对城市热岛效应的影响:以乌鲁木齐市为例[J]. 干旱区研究, 23(1): 172-176. |
倪黎, 沈守云, 黄培森. 2007. 园林绿化对降低城市热岛效应的作用[J]. 中南林业科技大学学报, 27(2): 36-43. |
史久西. 2009. 乡村绿地系统服务效能评价及调控机制研究[J]. 南京林业大学博士学位论文. |
王绍武. 2001. 现代气候学研究进展[M]. 北京: 气象出版社.
|
王勇, 李发斌, 李何超, 等. 2008. RS与GIS支持下城市热岛效应与绿地空间相关性研究[J]. 环境科学研究, 21(4): 81-87. |
武佳卫, 徐建华, 谈文琦. 2007. 上海城市热场与植被覆盖的关系研究[J]. 遥感技术与应用, 22(1): 26-30. DOI:10.11873/j.issn.1004-0323.2007.1.26 |
武小钢, 蔺银鼎, 闫海冰, 等. 2008. 城市绿地降温增湿效应与其结构特征相关性研究[J]. 中国生态农业学报, 16(6): 1469-1473. |
徐丽华, 岳文泽. 2009. 城市公园景观的热环境效应[J]. 生态学报, 28(4): 1702-1710. |
周红妹, 周成虎, 葛伟强. 2001. 基于遥感和GIS的城市热场分布规律研究[J]. 地理学报, 56(2): 189-197. DOI:10.11821/xb200102007 |
周志翔, 邵天一, 唐万鹏, 等. 2004. 城市绿地空间格局及其环境效应:以宜昌市中心城区为例[J]. 生态学报, 24(2): 186-192. DOI:10.17521/cjpe.2004.0027 |
King A W, With K A. 2002. Dispersal success on spatially structured landscapes: when do spatial pattern and dispersal behavior really matter?[J]. Ecological Modelling, 147(1): 23-39. DOI:10.1016/S0304-3800(01)00400-8 |
Li Jiahong(李加洪). 1998. Study of relation between land-cover condition and temperature based on landsat/TM Data. Remote Sensing Technology and Application(遥感技术与应用), 13(1): 18-28.
|
Makoto Y, Robert D, Yoshitake K, et al. 2001. The cooling effect of paddy fields on summertime air temperature in residential Tokyo, Japan[J]. Landscape and Urban Planning, 53(1/4): 17-27. |
O' Neill R V, Riitters K H, Wickham J D, et al. 1999. Landscape pattern metrics and regional assessment[J]. Ecosystem Health, 5(4): 225-233. DOI:10.1046/j.1526-0992.1999.09942.x |
Riitters K H, O' Neill R V, Hunsaker C T. 1995. A factor analysis of landscape pattern and structure metrics[J]. Landscape Ecol, 10(1): 23-39. DOI:10.1007/BF00158551 |
Shanshua-Bar L, Hoffman M E. 2000. Vegetation as a climatic component in the design of an urban street: An empirical model for predicting the cooling effect of urban green areas with trees[J]. Energy and Buildings, 31(3): 221-235. DOI:10.1016/S0378-7788(99)00018-3 |
Streutker D R. 2002. A remote sensing study of the urban heat island of Houston, Texas[J]. International Journal of Remote Sensing, 23(13): 2595-2608. DOI:10.1080/01431160110115023 |