全 文 ：植被覆盖度和归一化湿度指数对热力景观
格局的影响———以广州为例*
王摇 刚1,2 摇 管东生1,2**
( 1中山大学环境科学与工程学院, 广州 510275; 2广东省环境污染控制与修复技术重点实验室, 广州 510275)
摘摇 要摇 利用 LANDSAT鄄5 TM影像提取地表温度、植被覆盖度和归一化湿度指数(NDMI)等
信息,结合景观生态学方法探讨广州市不同区域城市植被和 NDMI 对地表温度的调节作用.
结果表明: 植被覆盖度、NDMI和地表温度两两之间有较强的线性相关性,但不同区域植被覆
盖度、NDMI与地表温度的相关程度存在明显差异;提高相同植被覆盖度时,中心城区的降温
效果最好,其次是处于中心城区北缘的近郊区;不同区域森林公园对周围热环境的影响程度
不同,960 ~ 1080 m缓冲区内平均温度与公园内部平均温度之差分别为 4. 69 益 (白云山)、
1郾 27 益(马仔山)和 0. 41 益(流溪河);高植被覆盖度可增加热力景观多样性和不同景观之间
的结合度,促进低温斑块内部与其他斑块如高温斑块间的能量交换,起到控制热岛效应的效
果;增加环境湿度与提高植被覆盖度对热力景观格局所形成的作用相当.
关键词摇 热力景观格局摇 陆地表面温度摇 植被覆盖度摇 归一化湿度指数摇 广州
文章编号摇 1001-9332(2012)09-2429-08摇 中图分类号摇 P951; X87摇 文献标识码摇 A
Effects of vegetation cover and normalized difference moisture index on thermal landscape
pattern: A case study of Guangzhou, South China. WANG Gang1,2, GUAN Dong鄄sheng1,2
( 1School of Environmental Science and Engineering, Sun Yat鄄sen University, Guangzhou 510275,
China; 2Guangdong Province Key Laboratory of Environmental Pollution Control and Remediation
Technology, Guangzhou 510275, China) . 鄄Chin. J. Appl. Ecol. ,2012,23(9): 2429-2436.
Abstract: By using Landsat鄄5 TM images, the land surface temperature (LST), vegetation cover,
and normalized difference moisture index (NDMI) in different areas of Guangzhou were extracted,
and the effects of vegetation cover and NDMI on the land surface temperature of the City were
studied, based on the landscape ecological methodologies. There existed good linear correlations
among the vegetation cover, land surface temperature, and NDMI, but the correlation coefficients
for any two of the three items differed obviously with different areas. If the vegetation cover in differ鄄
ent areas of Guangzhou was improved to the same level, urban center had the best cooling effect,
followed by the suburbs in the north edge of urban center. The forest parks in different areas of the
City also had different cooling effect on the surrounding environment. The difference of the average
temperature between the 960-1080 m buffer zone and the inner park were 4. 69 益 in Baiyun Moun鄄
tain, 1郾 27 益 in Mazaishan, and 0. 41 益 in Liuxihe. High vegetation cover could increase the
thermal landscape heterogeneity and the aggregation among different landscapes, and promote the
energy exchange between the lower temperature patches and higher temperature patches, playing an
important role in controlling hot island effect. NDMI and vegetation cover had the same effects on
the formation of thermal landscape pattern.
Key words: thermal landscape pattern; land surface temperature; vegetation cover; normalized
difference moisture index; Guangzhou.
*国家自然科学基金项目(40971054)资助.
**通讯作者. E鄄mail: eesgds@ mail. sysu. edu. cn
2011鄄11鄄05 收稿,2012鄄06鄄28 接受.
应 用 生 态 学 报摇 2012 年 9 月摇 第 23 卷摇 第 9 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Sep. 2012,23(9): 2429-2436
摇 摇 景观空间格局分析可探索自然因素与人类活动
对景观格局及其动态过程的影响[1] . 热力景观格局
是热力景观异质性的具体表现[2] . 为定量分析热力
景观格局特征,部分学者将景观生态学理论引入到
热力景观格局研究中,如陈云浩[3]将热场视为热力
景观,对上海市热力景观的格局和机制进行研究;陶
康华等[4]定义了“城市热力景观冶,以景观理论描述
了城市热环境;孟丹等[2]将景观生态学理论融入到
热环境研究中,探讨了北京地区热力景观格局及公
园、道路景观的热环境效应.但以往的相关研究主要
集中在利用景观格局指数表征和描述城市热环境方
面,对热力景观格局演变规律及其与多种因素内在
关系的定量研究尚有所欠缺.
植被作为控制地表温度的主要因素之一,对于
维持区域温度和湿度格局有着积极作用[5-6] . Brom
等[7]研究发现,植被破坏会造成地表温度升高和湿
度降低,地表最小温度对应最大地表蒸发量,而在最
大地表温度时地表蒸发作用消失. Dousset 和 Gour鄄
melon[8]和马伟等[9]研究结果表明,地表温度与归一
化植被指数( normalized difference vegetation index,
NDVI)呈线性显著负相关. NDVI是植被生长状态和
植被覆盖度的最佳指示因子,植被覆盖度是衡量区
域生态环境状况和性质的主要指标之一[10] .张小飞
等[11]和张春玲等[12]研究发现,绿化覆盖率对城市
热环境的改善起着主导作用. 植被覆盖度与地表温
度关系的定量研究已成为城市热环境研究的重要领
域.除植被覆盖度外,地表湿度能在一定程度上反映
下垫面状态,对区域气候的形成也有重要影响.钱乐
祥和崔海山[13]对归一化湿度指数(normalized differ鄄
ence moisture index,NDMI)、NDVI 与地表温度的关
系研究发现,NDMI 与地表温度的相关性较高;樊
辉[14]关于 Landsat TM 的城市热岛效应与地表特征
参数稳健性关系模型的研究结果表明,在所有考察
的参数中,NDMI 对地表温度的解释程度高且最稳
健.说明植被覆盖度和 NDMI 对热岛空间格局的形
成有重要影响,可通过物理模型进行定量解释.
珠江三角洲是我国城市化最快的区域之一.目
前对该地区热环境的梯度变化以及不同区域森林公
园的热环境效应差异研究鲜有报道. 广州是珠三角
及华南最大的城市,其热岛现象显著.本文沿用“热
力景观冶的概念,结合景观生态学理论及地表温度
的热红外遥感方法,研究了广州市热力景观格局,并
定量分析了植被覆盖度和 NDMI对城市热力景观格
局的影响,为优化人居环境、改善公共健康条件、合
理规划城市发展提供参考.
1摇 研究地区与研究方法
1郾 1摇 研究区域概况
广州市地处南亚热带,横跨北回归线,市辖越
秀、海珠、荔湾、天河、白云、黄埔、花都、番禺、南沙、
萝岗 10 区和从化、增城 2 个县级市,总面积 7434郾 4
km2 .年均气温 22 益,最热月(7 月)平均气温 28郾 5
益,最冷月(1 月)平均气温 13郾 3 益,极端最低气温
0 益,极端最高气温 39郾 1 益,具有温暖多雨、光热充
足、夏季长、霜期短等特征.近年来,广州市植被覆盖
度虽然不断提高,但由于城市面积快速扩张、汽车保
有量不断增加以及高密度人口带来的负面影响,导
致广州市热环境问题仍然较突出.
1郾 2摇 数据来源及预处理
2005 年 11 月 23 日轨道号为 122鄄43 和 122鄄44
的两景影像源于国际科学数据服务平台( http: / /
datamirror郾 csdb郾 cn),其中,122鄄44 影像覆盖了全市
80%以上的面积.该日的研究区域无云覆盖,成像条
件较好.冬天城市的背景温度较低、空气流动性相对
较少、热岛效应的特征比较明显[15],本文所选影像
的成像时间正好是观测热环境污染的最佳时节,该
数据产品已经过系统辐射校正和地面控制点几何校
正,并通过高精度的 DEM 数据进行了地形校正,因
此直接利用广州市矢量图截取研究区域. 为减小或
消除大气对影像的影响,将第六波段除外的其他波
段进行辐射校正和大气校正. 采用 ENVI 自带的
Flaash大气校正模型进行大气校正.
1郾 3摇 植被覆盖度信息提取
NDVI可综合反映单位像元内的植被类型、覆
盖形态、生长状况等,其大小受到植被的叶面积指数
(LAI)和植被覆盖度等因素的影响.利用 NDVI估算
区域植被覆盖度时,在稀疏植被区或夹杂大量非光
合作用植被(比如干燥的灌木)的区域会出现过高
估计,但该方法总体效果不错[16] . 植被覆盖度估算
模型可分为“均一像元冶模型和“混合像元冶模型,后
者较常用[17] . Gutman和 Ignatov[18]对“混合像元冶中
植被的亚像元结构类型进行简化,概括为等密度、非
密度和混合密度 3 种模型.本研究采用“混合像元冶
等密度模型,假设每个像元的 NDVI 值是植被和裸
地所对应 NDVI 值的加权和,其权重值是两种覆盖
类型在像元中所占面积比,由此得到植被覆盖度
( fg):
fg =(NDVI-NDVIs) / (NDVIv-NDVIs) (1)
0342 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
式中:NDVI为利用遥感提取的像元所实际代表的
归一化植被指数值;NDVIs和 NDVIv分别是无植被覆
盖和完全植被覆盖的纯像元归一化植被指数值,受
众多因素影响,两者均随植被类型和植被时空分布
的变化而变化. 根据 Gutman[19] 提出的 NDVIs 和
NDVIv 估算方法以及广州市 NDVI 值的分布,按照
0郾 5%置信度提取 NDVI 的上下线值分别近似代表
NDVIv 和 NDVIs,然后应用式(1)计算广州市植被覆
盖度.
1郾 4摇 NDMI指数提取
NDMI与土壤水分含量、植被结构、植被覆盖状
况、发射率和能量平衡有关. NDMI 值越大,表示地
表湿度越高. NDMI 由近红外和中红外波段差异来
表达[20]:
NDMI=(TM4-TM7) / (TM4+TM7) (2)
1郾 5摇 地表温度反演
地表温度的遥感反演是定量监测和分析城市热
岛的形态结构、变化、机制的重要内容. 相对于传统
的定点观测,遥感监测能够获得空间上连续的热环
境状况.为了解研究区热环境状况,首先将 TM影像
的 DN值转化为辐射值:
L姿 =0郾 055376DN+1郾 18 (3)
式中:L姿 为下垫面的辐射值;DN 为 TM 第 6 波段灰
度值[21] .
通过式(4)将 L姿 转化为辐射亮温(TB):
TB =K2 / [ ln(K1 / L姿+1)] (4)
式中:K1 和 K2 为常数,其值分别为 607郾 766 W·m-2
·sr-1·滋m-1和 1260郾 56 K.
辐射亮温是假定地球为黑体的条件下求得,不
能很好地反映地面不同覆盖状况的差异. 为了调查
真实的城市地面温度,可以进一步根据不同地物的
反射率进行地表温度的计算,计算公式如下:
LST=TB / [1+(姿+TB / 籽)ln籽] (5)
式中:姿为热红外波段的中心波长,取值 11郾 44 滋m;
籽=0郾 01438 m·K;着 为地物比辐射率. 根据 Van De
Griend和 Owe[22]和Weng[23]的研究,0郾 157
0 的部分主要是水体构成,比辐射率赋值为 0郾 99.
着=1郾 0094+0郾 047lnNDVI (6)
1郾 6摇 景观格局指数提取
将反演出的真实地表温度按照均值鄄标准差法
将研究区的温度按等级分为高温区、次高温区、中温
区、次中温区和低温区五大类.借鉴胡姝婧等[24]、倪
敏莉等[25]和黄聚聪等[26]的研究成果,利用 Fragstats
3郾 3 分别计算不同区域和各乡镇的景观格局指数.
其中,类型水平的格局指数包括斑块密度(PD)、斑
块面积比例 ( PLAND)、平均形状指数 ( SHAPE _
MN)、平均分维数(FRAC_MN)、分割度指数(DIVI鄄
SION)、聚集度指数(AI);景观水平的格局指数包括
PD、SHAPE _ MN、 FRAC _ MN、平均边缘面积比
(PARA_MN)、平均邻近指数(CONTIG_MN)、香农
多样性指数(SHDI).
1郾 7摇 不同植被覆盖下地表温度和 NDMI值的提取
利用 ArcGIS分别统计高温区、次高温区、中温
区、次中温区和低温区的平均植被覆盖度;将植被覆
盖度以 1%为间隔等距划分,分别统计每个植被等
级下地表温度和 NDMI的均值,并对植被覆盖度、地
表温度和 NDMI进行回归分析.
1郾 8摇 不同区域森林公园缓冲区内地表温度的提取
根据祈新华等[27]的研究结果,将全市划分为中
心城区(核心区)、近郊区(边缘区)和远郊区(影响
区),位于中心城区北部和南部的近郊区分别表示
为近郊区 N 和近郊区 S.为探讨不同发展区域森林
公园在热环境形成过程中的作用,分别选取处于中
心城区的白云山风景名胜区、近郊区的马仔山森林
公园和远郊区的流溪河森林公园(图 1),对每个公
园按照 120 m的距离进行缓冲区分析,并统计公园
内部及其缓冲区内的平均温度.
2摇 结果与分析
2郾 1摇 植被和归一化湿度指数对热环境的影响
2郾 1郾 1 地表温度、归一化湿度指数和植被覆盖度的
相互关系摇 植被通过光合作用、蒸腾和蒸散等作用
影响区域潜热和显热的分配,对地表温度和湿度的
形成至关重要[7] . 广州的高温区、次高温区、中温
区、次中温区和低温区的平均植被覆盖度分别为
18郾 0% 、31郾 5% 、43郾 9% 、61郾 3% 和 71郾 1% ,植被覆
盖度较高区域一般对应较低温度等级区. 高温区主
要集中于老城区和新兴发展区,该区域由于受到人
类活动的强烈影响,植被功能下降甚至直接被移除,
破坏了区域的能量循环和水循环机制,造成地表温
度上升.对全市、远郊区、近郊区以及中心城区的植
被覆盖度、NDMI 和地表温度进行两两线性回归分
析发现,拟合直线的决定系数(R2)均较高,说明三
者之间存在良好的线性关系(表 1). 但不同区域植
被覆盖度和 NDMI 对热环境的影响程度,表现出较
强的空间分异性,且NDMI与地表温度有更强的相
13429 期摇 摇 摇 摇 摇 摇 摇 王摇 刚等: 植被覆盖度和归一化湿度指数对热力景观格局的影响———以广州为例摇 摇 摇
图 1摇 广州市地域空间示意图(a)以及地表温度等级(b)和地表温度分布(c)图
Fig. 1摇 Regional spatial structure of Guangzhou City ( a) as well as land surface temperature classification (b) and its distributions
(c)郾
a1)中心城区 Central urban district; a2)近郊区 N Suburban district N; a3)近郊区 S Suburban district S; a4)远郊区 Outer suburban district; a5)森林
公园 Forest Park; a6)市界 City boundary; b1)低温区 Low鄄temperature region; b2)次中温区 Second middle鄄temperat egion; b3)中温区 Middle鄄tem鄄
perature region; b4)次高温区 Second high鄄temperature region; b5)高温区 High鄄tempareture region; b6)区界 County.
表 1摇 植被覆盖度、温度和归一化湿度指数之间的相互关系
Table 1摇 Relationships among vegetation cover, land surface temperature and NDMI
区域
Region
植被覆盖度与温度
Vegetation cover and temperature
表达式
Expression
R2
NDMI与温度
NDMI and temperature
表达式
Expression
R2
植被覆盖度与 NDMI
Vegetation cover and NDMI
表达式
Expression
R2
广州 Guangzhou y=-0郾 1380x+299郾 079 0郾 928 y=-20郾 4257x+301郾 21683 0郾 899 y=0郾 00599x+0郾 14271 0郾 811
中心城区 Central urban district y=-0郾 1199x+299郾 158 0郾 915 y=-16郾 1949x+300郾 63557 0郾 963 y=0郾 00696x+0郾 11053 0郾 839
近郊区 N Suburban district N y=-0郾 1167x+298郾 098 0郾 883 y=-17郾 0686x+299郾 82169 0郾 908 y=0郾 00627x+0郾 12874 0郾 817
近郊区 S Suburban district S y=-0郾 0778x+298郾 224 0郾 813 y=-11郾 2111x+300郾 13332 0郾 845 y= 0郾 00599x+0郾 2101 0郾 714
远郊区 Outer suburban district y=-0郾 1151x+296郾 999 0郾 629 y=-18郾 2094x+299郾 28546 0郾 672 y=0郾 00529x+0郾 17647 0郾 654
关性:若同样在远郊区、近郊区 N、近郊区 S 和中心
城区提高植被覆盖度 10% ,相应区域温度可分别降
低 1郾 15、1郾 17、0郾 78 和 1郾 20 益,降温效果依次为中
心城区>近郊区 N>远郊区>近郊区 S,表明在热岛效
应强烈的区域进行绿地规划,对于改善区域热环境
具有现实可行性.植被通过蒸腾和蒸散作用以及土
壤水分的蒸发调节环境湿度,进而影响地表温
度[7],因此 NDMI分别与植被覆盖度和地表温度显
著相关. NDMI 和地表温度可表征地表覆被状况,但
NDMI 受降雨、植被覆盖和土壤环境状况等因素的
综合影响[5,28] . 不同区域的植被对热环境和 NDMI
调节作用存在差异,张小飞等[11]和武鹏飞等[29]研
究发现下垫面性质直接影响植被对温度的调节作
用,下垫面结构越复杂,植被对温度的调节作用越
强.中心城区既包括热岛效应最强烈且植被覆盖度
最差的区域,也包括部分植被覆盖较好且热岛不显
著的区域,该类地区的下垫面景观异质性强,所以中
心城区植被的温度调节作用更明显.
2郾 1郾 2 森林公园对城市局地热环境的影响摇 城市热
岛区主要集中于商业区和工业区等[26],具有自然特
性的大面积水域和植被覆盖常作为城市“冷岛冶,而
森林公园往往拥有大量的绿地和水体,对区域热环
境起着积极的调节作用.由图 2 可以看出,随着缓冲
距离增加到一定程度,不同区域森林公园的地表温
度均显著升高;但随着距离的进一步增加,森林公园
的温度调节作用逐渐减弱直至消失. 不同区域的森
林公园对周围热环境的调节能力差异明显,表现为
白云山风景名胜区(中心城区) >马仔山森林公园
(近郊区)>流溪河森林公园(远郊区),960 ~ 1080 m
缓冲区内平均温度与公园内部平均温度之差分别为
4郾 69、1郾 27 和 0郾 41 益 .温度调节能力可能由于公园
周围下垫面景观异质性造成差异,如位于中心城区
2342 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
图 2摇 地表温度与公园缓冲区距离的关系
Fig. 2摇 Relationships of land surface temperature and park buff鄄
er distance郾
a)白云山 Baiyun Mountain; b)马仔山 Mazaishan Mountain; c)流溪河
Liuxi River郾
的白云山风景名胜区,人类活动干扰强度大,使公园
及其周边下垫面景观异质性增强,而人为切割等因
素亦造成公园形状更趋简单,有利于公园内部与公
园外围的能量交换,导致白云山对周边热环境的调
节能力较强. 孟丹等[2]研究发现,公园景观对应的
温度与公园面积、边界长度呈负相关,与周长面积比
呈正相关;王勇等[30]研究表明,聚集的绿地比破碎
的绿地对城市热岛效应的缓解作用好,形状简单的
绿地斑块比形状复杂的绿地斑块更能缓解城市热岛
效应.在进行森林公园建设时,不仅要考虑公园的区
位,公园规划面积、形状和公园之间的距离等因素对
周围热环境形成的影响也不容忽视.
2郾 2摇 格局指数与归一化湿度指数和植被覆盖度的
相关性分析
2郾 2郾 1 景观水平格局特征及其与归一化湿度指数和
植被覆盖度的关系 摇 斑块密度表征景观破碎化水
平,其值越大,景观破碎化越严重. 经济发展水平和
下垫面性质的差异是形成不同区域热力景观格局特
征的主要原因(表 2). 中心城区作为广州市经济发
展的中心地带,人类活动和非生物因素的环境异质
性形成较高的斑块密度;受经济活动相对较弱的近
郊区 S的破碎化水平最高,可能是因为该区域水网
密布,其“切割冶作用明显,增强了地表景观异质性.
从斑块形状来看,SHAPE_MN 和 FRAC_MN 值均为
远郊区>近郊区 N>近郊区 S>中心城区,PARA_MN
值却表现出相反趋势,说明拥有较高植被覆盖度或
水域面积等自然下垫面的区域有利于形成形状更复
杂的斑块.中心城区大量自然下垫面被人工痕迹所
取代,生产和生活产生大量废热,热力景观格局多样
性降低(Shannon 多样性指数减小),影响了不同斑
块间的能量交换,使边缘面积比增大.植被覆盖度高
或水域面积较大的近郊区和远郊区平均邻近指数较
大,不同斑块间的能量交换也更容易,该区域的热岛
强度比中心城区弱得多. 所以加强保护和建设具有
自然属性的植被和水体,对于改善区域热环境有着
积极意义.
景观水平格局指数与 NDMI和植被覆盖度的相
关性分析表明, NDMI 和植被覆盖度均与 PD 和
PARA _ MN 呈负相关; NDMI 和植被覆盖度与
SHAPE_MN、FRAC_MN、CONTIG_MN 和 SHDI 呈正
相关(表 3). 说明提高植被覆盖度或 NDMI 可降低
热力景观斑块密度和边缘面积比,增加平均形状指
数和平均分维数,即高植被覆盖区或高 NDMI 有利
于降低景观破碎化程度,可形成较大且更复杂的景
观斑块;景观多样性的提高,能使不同景观类型间更
加集聚,促进不同景观间的能量交换,缓解热岛效应
的危害.然而,干扰常常是斑块产生和维持的主要过
程[31],作为人类活动强烈的城市区域,特别是中心
城区自然植被被水泥路面或屋顶等所取代后,区域
植被覆盖度降低,造成景观多样性和集聚度降低,景
观形状简单化.据研究,松散形状(如长宽比大或边
界弯延多曲折)易于促进斑块内部与外围环境的相
互作用,特别是能量、物质和生物方面的交换[30] .因
此,人类活动诸如对自然景观的改造会影响区域的
能量循环机制,加剧城市热岛效应.
2郾 2郾 2 景观类型水平格局特征及其与归一化湿度指
数和植被覆盖度的关系摇 研究区不同区域高温斑块
和低温斑块格局特征差异明显(表 4). 从斑块面积
比来看,热岛强度为远郊区<近郊区 N<近郊区 S<中
心城区,而低温斑块面积比则呈相反趋势(近郊区 S
除外),这是因为低温斑块主要受自然和半自然的
植被或水体控制,远郊区的植被覆盖较好,中心城区
的植被覆盖较差.高温斑块受到人为热源排放的影
响,加上水泥路面和屋顶代替了原来的自然下垫面,
改变了下垫面的辐射性质,这些人为干扰是城市热
33429 期摇 摇 摇 摇 摇 摇 摇 王摇 刚等: 植被覆盖度和归一化湿度指数对热力景观格局的影响———以广州为例摇 摇 摇
表 2摇 不同区域景观格局指数
Table 2摇 Indices of landscape pattern in different regions
区域
Region
斑块密度
PD
平均形状指数
SHAPE_MN
平均分维数
FRAC_MN
平均边缘面积比
PARA_MN
平均邻近指数
CONTIG_MN
Shannon多样性
指数 H忆
远郊区 Outer suburban district 5郾 84 1郾 11 1郾 02 278郾 29 0郾 18 1郾 32
近郊区 N Suburban district N 8郾 52 1郾 11 1郾 02 279郾 38 0郾 18 0郾 46
近郊区 S Suburban district S 10郾 27 1郾 09 1郾 02 281郾 96 0郾 19 1郾 14
中心城区 Center urban district 9郾 02 1郾 09 1郾 01 282郾 91 0郾 17 1郾 16
广州 Guangzhou 8郾 11 1郾 10 1郾 02 280郾 33 0郾 18 1郾 51
表 3摇 景观格局指数与 NDMI和植被覆盖度的相关系数
Table 3摇 Correlation coefficients between vegetation cover or NDMI and spatial pattern indices in landscape
斑块密度
PD
平均形状指数
SHAPE_MN
平均分维数
FRAC_MN
平均边缘面积比
PARA_MN
平均邻近指数
CONTIG_MN
Shannon多样性
指数 H忆
玉 -0郾 309* 0郾 641** 0郾 645** -0郾 604** 0郾 674** 0郾 285*
域 -0郾 520** 0郾 712** 0郾 622** -0郾 614** 0郾 393** 0郾 451**
玉:归一化湿度指数 NDMI; 域:植被覆盖度 Vegetation cover. *P<0郾 05; **P<0郾 01. 下同 The same below郾
热岛问题产生的根源.同时,这些干扰也加剧了景观
异质性,所以人为因素主导的高温斑块密度远大于
同区域由自然环境主导的低温斑块密度,且高温斑
块密度较高的区域是中心城区和近郊区 S,低温斑
块密度较高的区域是远郊区和近郊区 N.不同区域
不同斑块的 SHAPE_MN 和 FRAC_MN 差异并不明
显,但低温斑块的形状明显比高温斑块复杂.斑块形
状越复杂,斑块内部的能量、物质及信息与外部的交
流越容易[2],所以受植被控制的区域比远郊区较少
出现热环境问题.分割度指数和聚集度指数的结果
表明,高温斑块在广州市中心城区的集聚程度较高,
低温斑块在经济发展相对欠发达但自然环境较好的
远郊区的聚集程度较高,然而这种高温斑块的集聚
并不利于斑块内部与外部的能量交换.
表 4摇 不同区域斑块景观格局指数
Table 4摇 Indices of patch landscape pattern in different re鄄
gions
格局指数
Pattern
index
斑块类型
Patch type
远郊区
Outer
suburban
district
近郊区 N
Suburban
district N
近郊区 S
Suburban
district S
中心城区
Central
urban
district
广州
Guangzhou
斑块密度 A 0郾 53 0郾 44 0郾 06 0郾 08 0郾 35
PD B 0郾 56 1郾 37 2郾 92 1郾 42 1郾 33
斑块面积比 A 38郾 55 13郾 18 0郾 23 0郾 91 16郾 79
PLAND B 2郾 46 13郾 19 26郾 79 51郾 09 17郾 79
平均形状指数 A 1郾 15 1郾 16 1郾 03 1郾 12 1郾 15
SHAPE_MN B 1郾 05 1郾 09 1郾 09 1郾 11 1郾 09
平均分维数 A 1郾 02 1郾 02 1郾 01 1郾 02 1郾 02
FRAC_MN B 1郾 01 1郾 02 1郾 01 1郾 02 1郾 01
分割度指数 A 0郾 94 1郾 00 1郾 00 1郾 00 0郾 99
DIVISION B 1郾 00 1郾 00 1郾 00 0郾 92 1郾 00
聚集度指数 A 87郾 17 77郾 72 47郾 14 67郾 26 83郾 58
AI B 43郾 51 62郾 32 62郾 08 78郾 46 68郾 66
A:低温斑块 Low鄄temperature patches;B:高温斑块 High鄄temperature
patches郾
摇 摇 由表 5 可以看出,除 DIVISION与植被覆盖度和
NDMI从低温斑块的正相关逐渐过渡到高温斑块的
负相关外,PD、PLAND、SHAPE_MN、FRAC_MN 和
AI与植被覆盖度和 NDMI 的相关系数均从低温斑
块的负相关逐渐过渡到高温斑块的正相关. 就低温
斑块而言,除分割度指数与植被覆盖度呈负相关外,
斑块密度、斑块面积比例、平均形状指数、平均分维
数和聚集度指数均与植被覆盖度呈正相关.一方面,
高植被覆盖度可以提高低温斑块的数量和面积,使
低温斑块呈高度集聚状;另一方面,高植被覆盖度可
使低温斑块形状趋于复杂,而低温斑块数量的增加
和分布范围的扩大,使低温斑块与高温斑块的接触
几率增加,有助于低温斑块与高温斑块之间的能量
交换,进而起到控制热岛效应的作用.与低温斑块不
同,高温斑块的格局指数(除分割度指数)与植被覆
盖度呈负相关,所以低植被覆盖区的高温斑块呈高
度集聚状,而且高温斑块的数量、面积和复杂程度都
会有较大幅度的增加,不利于高温斑块与低温斑块
之间的热交换,此时作为“冷岛冶的植被调节作用受
到极大限制.通过对 NDMI 和热力斑块景观指数的
研究表明,环境湿度对热岛效应的调节作用发挥着
相似的作用,这是由于 NDMI 与植被覆盖度有较高
的相关性,植被通过蒸腾作用可起到增加环境湿度
和降低温度的效果.换言之,NDMI 体现的降温效果
大部分源于植被的降温作用. 植被覆盖状况和环境
湿度对区域热环境的形成有着重要影响,城区存在
的绿地、水体等易造成热岛斑块的破碎化,且在城市
湖泊区还易形成小的冷岛[32],可增强斑块间的热交
换,因此提高区域水面面积和增加区域植被覆盖度
可抑制“热岛冶的产生.
4342 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
表 5摇 斑块景观格局指数与 NDMI和植被覆盖度的相关系数
Table 5摇 Correlation coefficients between vegetation cover or NDMI and patch landscape pattern indices
斑块类型
Patch type
格局指数
Pattern index
斑块密度
PD
斑块面积比例
PLAND%
平均形状指数
SHAPE_MN
平均分维数
FRAC_MN
分割度指数
DIVISION
聚集度指数
AI
低温斑块 玉 0郾 470** 0郾 688** 0郾 500** 0郾 365* -0郾 384* 0郾 307
Low鄄temperature patches 域 0郾 645** 0郾 778** 0郾 759** 0郾 655** -0郾 384* 0郾 671**
次中温斑块 玉 0郾 438** 0郾 563* 0郾 455** 0郾 389** -0郾 311* 0郾 307*
Second middle鄄temperature
patches 域 0郾 668
** 0郾 791** 0郾 682** 0郾 560** -0郾 407** 0郾 456**
中温斑块 玉 -0郾 308* 0郾 326* 0郾 151 0郾 072 -0郾 354** 0郾 386**
Middle鄄temperature patches 域 -0郾 567** 0郾 194 0郾 421** 0郾 255 -0郾 243 0郾 293*
次高温斑块 玉 -0郾 608** -0郾 370** 0郾 107 0郾 032 0郾 126 0郾 127
Second high鄄temperature pat鄄
ches 域 -0郾 684
** -0郾 621** -0郾 317* -0郾 397** 0郾 154 -0郾 191
高温斑块 玉 -0郾 074 -0郾 783** -0郾 457** -0郾 454** 0郾 664** -0郾 790**
High鄄temperature patches 域 -0郾 492** -0郾 829** -0郾 475** -0郾 488** 0郾 554** -0郾 782**
3摇 结摇 摇 论
通过提取广州市地表温度空间分布特征、植被
覆盖度和归一化湿度指数等,定量研究了城市植被
在热力景观格局形成中的作用.结果表明:植被覆盖
度与地表温度有较高的相关性,但城市不同发展区
域,植被对地表温度的调节作用差异明显;NDMI 同
样具备温度调节作用,且植被覆盖度与 NDMI 有很
高的相关性,但 NDMI 对地表温度的形成有其独特
的特征,即提高水域面积亦可达到增加 NDMI、降低
温度的作用;不同区域公园对周围热环境的调节能
力表现为白云山风景名胜区(中心城区)>马仔山森
林公园(近郊区)>流溪河森林公园(远郊区);不同
区域表现出特有的热力景观格局特征,高温斑块在
中心城区集聚、景观破碎化程度较高,低温斑块在远
郊区集聚、景观破碎化程度较低;高植被覆盖度可增
加景观异质性和不同景观之间的结合度,亦利于形
成集聚程度更高、形状更复杂的低温斑块,低温斑块
内部与其他斑块如高温斑块间的能量交换更有效,
可起到控制热岛效应的效果.
参考文献
[1]摇 Xiao D鄄N (肖笃宁). Theory, Methods and Applica鄄
tions of Landscape Ecology. Beijing: China Forestry
Press, 1991 (in Chinese)
[2]摇 Meng D (孟摇 丹), Li X鄄J (李小娟), Gong H鄄L (宫辉
力), et al. The thermal environment landscape pattern
and typical urban landscapes effect linked with thermal
environment in Beijing. Acta Ecologica Sinica(生态学
报), 2010, 30(13): 3191-3500 (in Chinese)
[3]摇 Chen Y鄄H (陈云浩). Research on Patterns, Process,
Simulation and Effect of Urban Spatial Thermal Environ鄄
ment Using Remote Sensing Image. Beijing: Science
Press, 2004 (in Chinese)
[4]摇 Tao K鄄F (陶康华), Chen Y鄄H (陈云浩), Zhou Q鄄L
(周巧兰), et al. The application of thermo鄄dynamics
landscape on urban ecological planning. Urban Research
(城市研究), 1997(1): 20-22 (in Chinese)
[5]摇 Brom J, Prokorn伥 J. Temperature and humidity charac鄄
teristics of two willow stands, a peaty meadow and a
drained pasture and their impact on landscape functio鄄
ning. Boreal Environment Research, 2009, 14: 389 -
403
[6]摇 Brom J, Rej觢kov觃 A, Proch佗zka J. Comparison of tem鄄
perature regime of two temperate herbaceous wetlands in
the course of growing season / / Vymazal J, ed. Water
and Nutrient Management in Natural and Constructed
Wetlands. Berlin: Springer, 2010: 221-235
[7]摇 Brom J, Nedbal V, Proch佗zka J, et al. Changes in veg鄄
etation cover, moisture properties and surface tempera鄄
ture of a brown coal dump from 1984 to 2009 using sat鄄
ellite data analysis. Ecological Engineering, 2012, 43:
45-52
[8]摇 Dousset B, Gourmelon F. Satellite multi鄄sensor data
analysis of urban surface temperature and land cover.
ISPRS Journal of Photogrammetry and Remote Sensing,
2003, 58: 43-54
[9]摇 Ma W (马摇 伟), Zhao Z鄄M (赵珍梅), Liu X (刘摇
翔), et al. A quantitative analysis of the relationship
between vegetation indices and land surface temperature
based on remote sensing: A case study of TM data for
Beijing. Remote Sensing for Land & Resource (国土资
源遥感), 2010(4): 108-112 (in Chinese)
[10] 摇 Piao S鄄L (朴世龙), Fang J鄄Y (方精云). Dynamic
vegetation cover change over the last 18 years in China.
Quaternary Sciences (第四纪研究), 2001, 21 (4):
294-302 (in Chinese)
[11]摇 Zhang X鄄F (张小飞), Wang Y鄄L (王仰麟), Wu J鄄S
(吴健生), et al. Study on land surface temperature
vegetation cover relationship in urban region: A case in
Shenzhen City. Geographical Research (地理研究),
2006, 25(3): 369-377 (in Chinese)
[12]摇 Zhang C鄄L (张春玲), Yu H (余 摇 华), Gong P (宫
鹏), et al. Relationship between land brightness tem鄄
perature and vegetation abundance in Wuhan City. Sci鄄
53429 期摇 摇 摇 摇 摇 摇 摇 王摇 刚等: 植被覆盖度和归一化湿度指数对热力景观格局的影响———以广州为例摇 摇 摇
entia Geographica Sinica (地理科学), 2009, 29(5):
740-744 (in Chinese)
[13]摇 Qian L鄄X (钱乐祥), Cui H鄄S (崔海山). Relationship
between normalized difference moisture index and land
surface temperature. Geographical Research (地理研
究), 2008, 27(6): 1358-1366 (in Chinese)
[14]摇 Fan H (樊 摇 辉). The robust linear regression model
between satellite鄄derived urban heat island and underly鄄
ing surface parameters. Remote Sensing for Land & Re鄄
source (国土资源遥感), 2008(3): 45-51 ( in Chi鄄
nese)
[15]摇 Zhang S (张摇 穗), He B鄄Y (何报寅), Du Y (杜摇
耘). Investigation on heat鄄island effection in Wuhan
City zone by remote sensing. Resources and Environment
in the Yangtze Basin (长江流域资源与环境), 2003,
12(5): 445-449 (in Chinese)
[16]摇 Xiao JF, Moody A. A comparison of methods for estima鄄
ting fractional green vegetation cover within a desert鄄to鄄
upland transition zone in central New Mexico, USA. Re鄄
mote Sensing of Environment, 2005, 98: 237-250
[17]摇 Adams JB, Sabol DE, Kapos V, et al. Classification of
multispectral images based on fractions of endmembers:
Application to land鄄cover change in the Brazilian Ama鄄
zon. Remote Sensing of Environment, 1995, 52: 137-
154
[18]摇 Gutman G, Ignatov A. The derivation of the green vege鄄
tation fraction from NOAA / AVHRR data for use in nu鄄
merical weather prediction models. International Journal
of Remote Sensing, 1998, 19: 1533-1543
[19]摇 Gutman GG. Vegetation indices from AVHRR: An up鄄
date and future prospects. Remote Sensing of Environ鄄
ment, 1991, 35: 121-136
[20]摇 Hardisky MA, Klemas V, Smart RM. The influence of
soil salinity, growth form, and leaf moisture on the
spectral radiance of Spartina alterniflora canopies. Pho鄄
togrammetric Engineering and Remote Sensing, 1983,
49: 77-83
[21]摇 Chander G, Markham BL, Helder DL. Summary of cur鄄
rent radiometric calibration coefficients for Landsat
MSS, TM, ETM+, and EO鄄1 ALI sensors. Remote
Sensing of Environment, 2009, 113: 893-903
[22] 摇 Van De Griend AA, Owe M. On the relationship be鄄
tween thermal emissivity and the normalized difference
vegetation index for nature surfaces. International Jour鄄
nal of Remote Sensing, 1993, 14: 1119-1131
[23]摇 Weng QH. Fractal analysis of satellite鄄detected urban
heat island effect. Photogrammetric Engineering and Re鄄
mote Sensing, 2003, 69: 555-565
[24]摇 Hu S鄄J (胡姝婧), Hu D鄄Y (胡德勇), Li X鄄J (李小
娟), et al. A remote sensing鄄based analysis of the ther鄄
mal environment spatial pattern of Beijing鄄Tianjin鄄Hebei
metropolitan circle. Remote Sensing for Land & Resource
(国土资源遥感), 2009(3): 94-99 (in Chinese)
[25]摇 Ni M鄄L (倪敏莉), Shen S鄄H (申双和), Zhang J鄄H
(张佳华). A study on thermal environment of urban
group in Yangtze River Delta. Transactions of Atmos鄄
pheric Sciences (大气科学学报), 2009, 32(5): 711-
715 (in Chinese)
[26]摇 Huang J鄄C (黄聚聪), Zhao X鄄F (赵小锋), Tang L鄄N
(唐立娜), et al. Analysis on the seasonal changes of
urban thermal landscape pattern and its application.
Ecology and Environment (生态环境学报), 2011, 20
(2): 304-310 (in Chinese)
[27]摇 Qi X鄄H (祁新华), Cheng Y (程 摇 煜), Chen L (陈
烈), et al. Division of regional spatial structure in met鄄
ropolitan area: A case study of Guangzhou. Tropical Ge鄄
ography (热带地理), 2008, 28(1): 37-41 ( in Chi鄄
nese)
[28]摇 Holko L, Kostka Z. Impact of land use on runoff in
mountain catchments of different scales. Soil and Water
Research, 2008, 3: 113-120
[29]摇 Wu P鄄F (武鹏飞), Wang M鄄J (王茂军), Zhang X鄄X
(张学霞). Relationship between vegetation greenness
and urban heat island effect in Beijing. Journal of Bei鄄
jing Forestry University (北京林业大学学报), 2009,
31(5): 54-60 (in Chinese)
[30]摇 Wang Y (王摇 勇), Li F鄄B (李发斌), Li H鄄C (李何
超), et al. Study of spatial correlation between UHI
and VF based on RS and GIS. Research of Environmen鄄
tal Sciences (环境科学研究), 2008, 21(4): 82-87
(in Chinese)
[31]摇 Wu J鄄G (邬建国). Landscape Ecology. Beijing: High鄄
er Education Press, 2000 (in Chinese)
[32]摇 Ma Y鄄M (马跃民), Chen Y (陈摇 彧), Cai R (蔡摇
睿). Application of remote sensing to study the heat is鄄
land effect in Guangzhou city zone. Yunnan Geographic
Environment Research (云南地理环境研究), 2009,
21(1): 83-88 (in Chinese)
作者简介摇 王摇 刚,男,1983 年生,博士.主要从事区域环境
与生态研究. E鄄mail: wangaize123456@ 163. com
责任编辑摇 杨摇 弘
6342 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷