全 文 ：传统景观格局指数在城市热岛效应评价中的适用性*
陈爱莲1,2 摇 孙然好1 摇 陈利顶1**
( 1 中国科学院生态环境研究中心城市与区域生态国家重点实验室, 北京 100085; 2 中国科学院研究生院, 北京 100049)
摘摇 要摇 以北京部分城区为研究对象,以 QuickBird影像制作景观类型图,基于同年 4 个季节
的 Landsat ETM+数据反演地表温度;将 120 m伊120 m 作为固定窗口,计算其中的景观格局指
数,探寻传统景观格局指数解释地表温度的适用性.结果表明:在景观水平计算的 24 个景观
格局指数中,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 3 月、5 月、11 月的地表温度具有稳定的显著相
关.在类型水平计算的 24 个景观格局指数中,PLAND、LPI、DIVISION、相似邻接百分比、分散
与并列指数与 4 个时相(3 月、5 月、7 月和 12 月)的温度显著相关,且与 7 月温度的相关性最
强;斑块密度、边界密度、聚簇度、凝聚度、有效 MESH 大小、分裂度、聚合度、归一化景观形状
指数依据不同景观类型而与地表温度呈现相关性.传统景观格局指数可能并不适合评估河流
对地表温度的影响.一些景观格局指数可以用来表征城市地表温度,辅助分析城市地表热岛
效应,但需要对其进行筛选和甄别.
关键词摇 景观格局指数摇 城市热岛摇 景观格局摇 地表温度摇 北京
文章编号摇 1001-9332(2012)08-2077-10摇 中图分类号摇 P427. 31;Q149;TP79摇 文献标识码摇 A
Applicability of traditional landscape metrics in evaluating urban heat island effect. CHEN
Ai鄄lian1,2, SUN Ran鄄hao1, CHEN Li鄄ding1 ( 1State Key Laboratory of Urban and Regional Ecology,
Research Center for Eco鄄Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, Chi鄄
na; 2Graduate University of Chinese Academy of Sciences, Beijing 100049, China) . 鄄Chin. J. Appl.
Ecol. ,2012,23(8): 2077-2086.
Abstract: By using 24 landscape metrics, this paper evaluated the urban heat island effect in parts
of Beijing downtown area. QuickBird (QB) images were used to extract the landscape type informa鄄
tion, and the thermal bands from Landsat Enhanced Thematic Mapper Plus (ETM+) images were
used to extract the land surface temperature (LST) in four seasons of the same year. The 24 land鄄
scape pattern metrics were calculated at landscape and class levels in a fixed window with 120 m伊
120 m in size, with the applicability of these traditional landscape metrics in evaluating the urban
heat island effect examined. Among the 24 landscape metrics, only the percentage composition of
landscape (PLAND), patch density (PD), largest patch index (LPI), coefficient of Euclidean
nearest鄄neighbor distance variance ( ENN _CV), and landscape division index ( DIVISION) at
landscape level were significantly correlated with the LST in March, May, and November, and the
PLAND, LPI, DIVISION, percentage of like adjacencies, and interspersion and juxtaposition index
at class level showed significant correlations with the LST in March, May, July, and December,
especially in July. Some metrics such as PD, edge density, clumpiness index, patch cohesion
index, effective mesh size, splitting index, aggregation index, and normalized landscape shape
index showed varying correlations with the LST at different class levels. The traditional landscape
metrics could not be appropriate in evaluating the effects of river on LST, while some of the metrics
could be useful in characterizing urban LST and analyzing the urban heat island effect, but screen鄄
ing and examining should be made on the metrics.
Key words: landscape pattern metrics; urban heat island; landscape pattern; land surface temper鄄
ature; Beijing.
*国家自然科学基金项目(40925003)、国家水体污染控制与治理科技重大专项(2012ZX07501002)和城市与区域生态国家重点实验室自主项
目(SKLURE2008鄄1鄄02)资助.
**通讯作者. E鄄mail: liding@ rcees. ac. cn
2011鄄11鄄30 收稿,2012鄄06鄄03 接受.
应 用 生 态 学 报摇 2012 年 8 月摇 第 23 卷摇 第 8 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, Aug. 2012,23(8): 2077-2086
摇 摇 城市气候最显著的特征是城市热岛效应
(UHI),它受城市景观类型(下垫面)及其格局的影
响[1-2] .近年来,遥感的发展便利了各种尺度景观类
型图的制作和多尺度地表理化参数的反演以及景观
格局与城市热岛效应的结合分析[3] . 遥感反演所得
的地表温度(land surface temperature,LST)是地表热
性质的反馈因子.由 LST 所引申的城市热岛被称作
地表城市热岛( surface UHI,SUHI),有别于从大气
温度得到的大气城市热岛[4-5],但 SUHI 能与地表景
观及其他参数很好地结合,因而被越来越多地应用
于城市热岛研究[6-8] . 从遥感数据所得的城市地表
景观格局如景观类型、形状、连接度等对景观设计具
有明确意义,因此,在评价景观格局对城市热岛影响
的研究中,传统的景观格局指数成为评价 SUHI 或
LST的主要工具[9-12] . 传统的景观格局指数是不针
对生态过程,只描述离散的地表景观组成、形状、连
接度等特征的指数,主要指 Fragstats 软件所列的景
观格局指数[13] . 从其中选取几个常用指数,计算城
市一定范围的景观格局指数,并定性描述该格局的
地表热岛特征[6],或定量统计各景观指数与温度的
关系[14]是该研究方向常见的研究方法;第 2 种方法
是将地表温度按标准差法分等级制作地表温度格局
图,根据地表景观格局类型图计算景观格局指数,分
析温度格局指数与景观格局指数的相关关系[10,15],
同时分析这些相关关系的季节性变化和尺度效
应[15-16];这两种方法只考虑了景观指数的数值,未
考虑景观类型,因而既无法解释不同景观类型组成
却具有相同的形状、连接度的格局,也无法解释相同
景观类型组成但具有不同的形状或连接度的格局;
第三种方法是按一定标准划定统计区域,分析该区
的总温度或温度的派生值或所有类型景观格局指数
的相关关系或回归关系[9,17],结果证明景观组成对
解释地表温度起着重要作用,其他指数对评价景观
格局对城市热岛的影响也可起到一定的辅助作用,
但皆不如景观组成重要[9,12] . 但以往的研究并没有
对所有传统的景观格局指数在评价城市热岛效应中
的适用性进行分析. 本研究以粗分辨率温度像元实
际对应的景观单元为格局分析对象,计算在固定窗
口及类型水平(class level)下可直接计算的 24 个景
观格局指数,用地表温度表征热岛,分析格局指数与
地表温度的相关关系,并讨论这些指数在评价景观
格局对城市热岛影响方面的适用性,从而找到适合
评价城市热岛效应的格局指数及其评价尺度,以期
为城市规划和景观设计提供参考依据.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
北京属季风性大陆气候,夏季受东亚季风影响
而潮湿炎热,冬季主要受西伯利亚反气旋控制而寒
冷干燥. 1951 年有气象记录以来,最高气温达42 益,
最低气温-27 益 . 2002 年 7 月气温创 1951 年以来的
次高温,达 41郾 1 益,原因可能在于 2001 年 7 月北京
申奥成功之后,针对奥运的各项规划逐步展开实施,
2002 年正处于北京新一轮快速城市化的伊始,五环
路正在加紧建设.快速城市建设中,人为排放热量及
频繁的交通运输对城市景观的热交换和热辐射特性
都可能有显著影响,即便是土地利用和覆盖稳定的
区域,其热辐射特性也会受到影响.本研究选取包含
南二环与三环之间且土地利用和覆盖较稳定的区
域,区域内包括城市主干道路段、河流、湖泊、草地和
林地等城市主要土地利用类型,面积约9230 hm2(图
1、图 2).
1郾 2摇 数据预处理
选取夏季无云的 QuickBird(QB)卫星数据(多
光谱波段分辨率为2郾 52 m,全色波段分辨率为
图 1摇 研究区域位置图
Fig. 1摇 Location of the study area郾
图 2摇 研究区域 QuickBird影像图
Fig. 2摇 QuickBird image of the study area郾
8702 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
0郾 63 m)制作精细的景观类型图,再收集同年近似 4
个季节的陆地卫星 7 号的 ETM+数据(从国家基础
数据服务平台直接下载)用于反演地表温度(60 m
分辨率),数据的具体时相分别为: 2002鄄07鄄05
(QB)、 2002鄄03鄄19 ( ETM+ )、 2002鄄05鄄22 ( ETM+ )、
2002鄄07鄄09(ETM+)和 2002鄄11鄄14(ETM+).北京的春
秋两季很短,冬夏两季较长,因此也可将这 4 个时相
的数据看成是两个季节,即 5 月和 7 月为夏季,3 月
和 11 月为冬季. ETM+数据的预处理包括辐射定标
和所有数据之间的配准. 所下载的 ETM+数据已由
数据提供方进行几何粗校正,经 ENVI 软件两两链
接匹配目视检查,误差很小(在 1 个 ETM+像元内),
因此未做图像配准;取其中一景 ETM+影像与 QB 影
像进行匹配目视检查,偏差亦很小,故可直接使用.
图像配准检查后的所有数据均统一用通用横轴墨卡
(UTM)投影,投影代号为 50N.
1郾 3摇 研究方法
1郾 3郾 1 景观分类 摇 景观分类以《土地利用现状分
类》 [18]为依据,并参考一些城市热岛效应研究的景
观分类[10,17],制定本研究的景观分类表. 通过目视
解译方法在统一重采样 2郾 5 m 分辨率的 QB 342 波
段组合影像上将土地利用和覆被类型分为 6 大类、
12 小类(表 1).在目视解译过程中,建筑物、人工草
坪的边界尽量正交,道路、水渠用双线表示,树冠、湖
泊水体等则保持圆滑的边界.其中,不同反照率建筑
物主要以建筑物在QB影像的2、3、4波段的反射率
表 1摇 景观类型及含义
Table 1摇 Landscape types and implications
土地覆盖类型
LULC type
编号
Code
含义
Implication
土地覆盖子类型
LULC subtype
编号
Code
含义
Implication
10 林地 Forest 11 乔木林地 Dominated by trees
12 灌木林地 Dominated by shrubs
20 草地 Grassland 21 人工草坪 Man鄄grown grassland,
lawn
30 道路 Road 31 沥青路面 Asphalt road
32 水泥路面 Concrete road
40 建筑物 Building 41 低反照率建筑 Low albedo building
42 中反照率建筑 Medium albedo
building
43 高反照率建筑 High albedo building
50 水体 Water 51 水渠、河流、流动水体 Streams, riv鄄
er or running water
52 人工湖泊 Lakes, big open water
70 裸土地 Bareland 71 滩涂 Bare wet land or plain along
the river
72 其他裸土地 Bare dry land and
lands under building
为依据,反射率越高,其反照率也越高,在 342 组合
图像上呈现白色、浅色,反之则呈现深色. 矢量化结
束后,采用 QB342 波段组合影像与全色波段融合图
像对矢量化图斑进行边界修正与属性核实.
1郾 3郾 2 温度反演摇 早期的温度反演常采用辐射传输
模型,它要求的大气参数较多,包括大气光学厚度、
气溶胶浓度、大气湿度等,而此类数据很难获得,即
使在历史气象站中找到,也是单点数据[19] . 在实际
操作中,常使用估计值参与计算,其反演结果极不可
靠.为此,一些学者提出了普适性算法,普适性指保
证算法在全世界各地使用方便,输入参数在当地易
得,或对当地环境不太敏感的参数. 目前,Jim佴nez鄄
Mu觡oz和 Sobrino[19-20]和 Qin 等[21]提出的方法已得
到认可,并在国内外广泛应用. 有研究表明,若同一
个数据使用这两个方法,则前者提出的方法更精确,
该算法对 TM 的反演误差低于 1郾 5 K[20,22],该算法
要求的参数有 3 个,包括热红外波段 DN 值 (为
ETM+影像第 6 波段的 DN 值)、大气水汽含量和地
表比辐射率,其中,大气水汽含量用来消除大气影
响,从历史气候资料中查询或通过卫星数据反演得
到,比辐射率用 NDVI 值估算[23] . 覃志豪等[24]研究
结果表明,水汽含量相差 0郾 2 g·cm-2时,会带来
0郾 7 ~ 0郾 8 K 的温度反演误差,而 Jim佴nez鄄Mu觡oz 和
Sobrino[19] 提 出 算 法 的 系 统 误 差 在 0郾 5 ~
0郾 7 K[20,22],因此可以认为该算法总温度误差约
1郾 5 K,在可接受范围内.本研究采用北京市市区气
象站数据的水汽含量单点数据参与地表温度反演,
其中,3 月和 11 月数据在反演过程中的水汽含量用
相同数值(1郾 03 g·cm-2),5 月和 7 月用相同数值
(1郾 50 g·cm-2).
1郾 3郾 3 景观格局指数分析摇 经过图像配准检验,QB
影像与 ETM+影像之间的几何误差在可接受范围内
(4 ~ 5 个 QB全色波段像元),每个粗分辨率(60 m)
的地表温度像元对应 24伊24 个高分辨率(2郾 5 m)的
QB像元;以 60 m伊60 m为窗口,计算该窗口下在类
型水平上的景观格局指数,寻找可以解释该窗口总
温度的格局指数. 由于 60 m伊60 m 的窗口计算量
大,且窗口下方景观类型较单一,本研究将温度重采
样呈 120 m分辨率,并统一用 120 m伊120 m的窗口,
即 48伊48 个高分辨率(2郾 5 m)QB 像元,批量计算景
观类型格局指数.具体做法如下:将温度影像重采样
成 120 m分辨率影像之后,将 4 个时相的温度栅格
影像转换成矢量的点,以每个点为圆心做半径为
60 m的圆缓冲区(buffer),将圆缓冲区转成 120 m伊
97028 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 陈爱莲等: 传统景观格局指数在城市热岛效应评价中的适用性摇 摇 摇 摇 摇 摇
120 m的正方形窗口(feature envelope to polygon);然
后,用正方形缓冲区提取矢量的温度点,使每个正方
形窗口有 1 个温度值;最后,用这些正方形截取景观
类型图,共截取 551 个正方形(3380 m伊2190 m).
本文中类型水平上的指数包括面积 /密度 /边
界、形状、核心区面积、分离度 /临近度、对比度、蔓延
度 /分散度、连接度,每种指数又细分为几个具体的
指数(表 2),详细的定义见文献[19]. 分析固定窗
口(120 m伊120 m)下研究区景观及单一类型景观格
局指数与该窗口所对应的地表温度的关系,进而评
价传统景观格局指数的优劣性.
在 SPSS 18 软件中,计算各个窗口总温度与所
有类型景观格局指数之间的 Pearson相关系数.
2摇 结果与分析
2郾 1摇 景观分类摇
由图 3 可以看出,研究区内没有荒草地或稀疏
草地,有较大面积的几块裸土地,属于正在建设中的
土地;研究区内乔木林地斑块最多,但多数面积都很
小,在研究区中部以上的建筑物群中较均匀地分布;
面积大的林地斑块较少,只在研究区中间正下方的
表 2摇 类型水平的景观格局指数
Table 2摇 Landscape metrics at class level
景观格局指数类别
Landscape metrics category
景观格局指数
Landscape metrics
面积 /密度 /边界 总斑块面积 CA
Area / Density / Edge 景观百分比 PLAND
总斑块数 NP
斑块密度 PD
最大斑块指数 LPI
总边界 TE
边界密度 ED
形状 Shape 分形度 PAFRAC
景观形状指数 LSI
分离度 /临近度 欧氏距离均值 ENN_MN
Isolation / Proximity 面积权重欧氏距离均值 ENN_AM
欧氏距离中值 ENN_MD
欧氏距离振幅 ENN_RA
欧氏距离方差摇 ENN_SD
欧氏距离变异系数 ENN_CV
蔓延度 /分散度 聚簇指数 CLUMPY
Contagion / Interspersion 相似邻接百分比 PLADJ
分散与并列指数 IJI
分离度 DIVISION
有效 MESH大小 MESH
分裂度 SPLIT
聚合度 AI
归一化景观形状指数摇 NLSI
连接度 Connectivity 凝聚度 COHESION
图 3摇 研究区景观分类图
Fig. 3摇 Classified landscape maps in the study area郾
景观类型编码参见表 1 The meaning of landscape type codes were
shown in table 1.
湖泊周围(陶然亭公园)以及东南和西南有几片;斑
块较多的还有灌木林地,主要分布于道路两侧;面积
最大的斑块是建筑物.
摇 摇 研究区滩涂地( ID = 71)的斑块数最少,只有 6
个,其次是河流(51 个),乔木林地最多(2001 个);
由于各大类型的斑块大小和形状相差很大,因而其
面积、周长标准差很大(表 3).
2郾 2摇 温度反演
经 2002 年 3 月 19 日、5 月 22 日、7 月 9 日和 11
月 14 日 ETM+影像反演得到的地表温度分别为
283 ~ 301、280 ~ 329、308 ~ 330 和 270 ~ 306 K. 4 个
时相的水体皆呈现低温,但 3 月影像的低温面积很
小,5 月和 7 月影像的低温面积很大,11 月影像上不
仅水体低温面积较大,植被和绝大部分中、高反照率
建筑物的温度也较低(图 4).
2郾 3摇 景观格局指数与地表温度的相关关系
由表 4 可以看出,面积 /密度 /边界类的指数中,
只有景观组成百分比 ( PLAND)、最大斑块指数
(LPI)、斑块密度(PD)与 3 月、5 月、11 月的城市地
表温度(LST)呈显著相关,但相关性不强(R 均小于
0郾 2),而 PLAND与 LPI 之间的相关性却很强,R 达
0郾 97,说明这 2 个指数的自相关性较强;形状、分离
度 /临近度类的指数中,除欧氏距离变异系数(ENN_
CV)与 3 月、5 月、11 月的 LST 呈显著相关外,其余
指数与 LST的相关性均不显著;蔓延度 /分散度、连
接度类的指数中,仅分离度指数 (DIVISION)与 3
月、5 月、11 月的 LST存在极显著负相关,其余指数
与 LST不相关或与不同时相 LST的相关性不稳定.
2郾 4摇 不同景观类型的景观格局指数与地表温度的
相关关系
不同景观类型的格局指数与 LST 的相关关系存
在很大差异 . 乔木林地的PLAND和LPI与4个时相
0802 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 4摇 不同时相的地表温度(K)
Fig. 4摇 Land surface temperature (K) of different dates郾
表 3摇 各景观类型的斑块、面积、周长
Table 3摇 Patch number, area, perimeter of the landscape types
景观类型
Landscape
type
斑块数量
Patch number
平均面积
Average area
(m2)
总面积
Total area
(m2)
面积标准差
Area SD
(m2)
平均周长
Average perimeter
(m)
总周长
Total perimeter
(m)
周长标准差
Perimeter SD
(m)
11 2001 739 1479351 5212 132 264210 434
12 556 365 202701 629 101 55997 107
21 217 756 163995 1132 137 29632 98
31 81 11346 919004 88991 1371 111077 9167
32 167 1426 237591 2885 358 59450 605
41 240 8462 2030816 26631 701 168152 1580
42 252 12167 3065968 39992 1039 261864 2824
43 387 1413 546929 2321 198 76777 216
51 9 8388 75493 7105 593 5337 415
52 11 11669 128358 19493 490 5388 616
71 6 1204 7227 2008 214 1285 221
72 38 6441 244756 9080 483 18367 500
景观类型编码参见表 1 The meaning of landscape type codes were shown in table 1郾
表 4摇 景观面积 /边界 /密度指数、景观形状、邻近度指数与城市地表温度的相关系数
Table 4摇 Correlation coefficients between class area / edge / density, shape, isolation / proximity index and LST
地表温度获取日期
LST acquired date
总斑块
面积
CA
景观
百分比
PLAND
斑块数量
NP
斑块密度
PD
最大
斑块指数
LPI
边界密度
ED
景观形状
指数
LSI
景观分型
指数
PAFRAC
欧氏最短
距离变异
系数
ENN_CV
分离度
DIVISION
2002鄄11鄄14 -0郾 06 0郾 09** -0郾 01 0郾 12** 0郾 09** 0郾 05 -0郾 02 -0郾 28 0郾 12** -0郾 12**
2002鄄07鄄09 0郾 03 0郾 03 0郾 03 0郾 03 0郾 04 -0郾 02 0郾 01 -0郾 01 0郾 02 -0郾 05
2002鄄05鄄22 0郾 00 0郾 06* 0郾 00 0郾 06* 0郾 06* -0郾 00 -0郾 02 -0郾 31 0郾 08* -0郾 07**
2002鄄03鄄19 -0郾 02 0郾 08** -0郾 01 0郾 10** 0郾 07** 0郾 04 -0郾 30 -0郾 30 0郾 08* -0郾 10**
样本数 Sample number 1274 1274 1274 1274 1274 1274 1274 691 691 1269
*P<0郾 05; **P<0郾 01. 下同 The same below.
18028 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 陈爱莲等: 传统景观格局指数在城市热岛效应评价中的适用性摇 摇 摇 摇 摇 摇
的 LST都呈显著的负相关关系,PD 与 4 个时相的
LST呈显著正相关关系;7 月的 LST 与乔木林地
PLAND和 LPI 指数的相关性最强,其次是 5 月,11
月最弱(表 5). 灌木林地和草地的 PLAND、LPI、PD
与 LST的相关关系不显著 (由于篇幅关系,未予
列表).
摇 摇 低反照率建筑用地的 PLAND 和 LPI 与 LST 呈
显著正相关,其相关系数以 11 月最高,7 月最低;其
边界密度(ED)与 3 月、5 月和 11 月的 LST 均呈显
著的正相关(表 6). 中反照率建筑物( ID = 42)的面
积 /边界 /密度指数与 LST 的相关关系与低反照率
建筑用地极其相似,而高反照率建筑物( ID = 43)的
面积 /边界 /密度指数与 LST 的相关关系与低反照
率建筑用地存在很大差别. 河流的格局指数与地表
温度呈正相关关系,不符合常情,而湖泊的 PLAND
和 LPI与 LST呈负相关,可见水体的格局指数与地
表温度的关系不统一.
摇 摇 由于道路和水体的斑块不多,建筑物的斑块一
般较大,包含在 120 m伊120 m 窗口下的斑块不多,
因此,只计算了林地和草地类型的形状、分离度 /临
近度指数,但其与 LST都没有相关性.
在蔓延度 /分散度、连接度类的指数中,单一景
观类型的许多指数与 LST 都呈显著相关.乔木林地
(ID = 11)的聚簇度(CLUMPY)、相似邻接百分比
(PLADJ)、分散与并列指数( IJI)、凝聚度( COHE鄄
SION)、有效 MESH 大小(MESH)以及聚合度指数
(AI)与 LST 呈显著负相关,分离度指数 ( DIVI鄄
SION)、归一化景观形状指数(NLSI)与 LST 呈显著
正相关(表 7).
摇 摇 低反照率建筑物(ID = 41)的 PLADJ、IJI、MESH
和 AI 与 4 个时相的 LST 都存在显著正相关关系,
DIVISION与各时相的 LST均呈显著负相关;对于中
表 5摇 乔木林地面积 /边界 /密度指数与城市地表温度的相关系数
Table 5摇 Correlation coefficients between tree area / edge / density metric and LST (n=199)
地表温度获取日期
LST acquired date
总斑块面积
CA
景观百分比
PLAND
斑块数量
NP
斑块密度
PD
最大斑块指数
LPI
总边界
TE
边界密度
ED
景观形状指数
LSI
2002鄄11鄄14 -0郾 064 -0郾 268** -0郾 016 0郾 412** -0郾 312** -0郾 038 0郾 031 0郾 047
2002鄄07鄄09 -0郾 018 -0郾 619** 0郾 048 0郾 167* -0郾 601** 0郾 025 -0郾 323** 0郾 017
2002鄄05鄄22 -0郾 052 -0郾 535** 0郾 012 0郾 266** -0郾 546** -0郾 012 -0郾 214** 0郾 011
2002鄄03鄄19 -0郾 079 -0郾 451** -0郾 018 0郾 362** -0郾 492** -0郾 042 -0郾 080 0郾 020
景观百分比 PLAND - 1 -0郾 014 0郾 058 0郾 940** 0郾 008 0郾 635** 0郾 060
表 6摇 低反照率建筑物面积 /边界 /密度指数与城市地表温度的相关系数
Table 6摇 Correlation coefficients between low albedo building area / edge / density metric and LST (n=172)
地表温度获取日期
LST acquired date
总斑块面积
CA
景观百分比
PLAND
斑块数量
NP
斑块密度
PD
最大斑块指数
LPI
总边界
TE
边界密度
ED
景观形状指数
LSI
2002鄄11鄄14 -0郾 018 0郾 450** -0郾 045 0郾 022 0郾 434** -0郾 037 0郾 236** -0郾 014
2002鄄07鄄09 0郾 050 0郾 266** 0郾 012 -0郾 079 0郾 265** 0郾 034 0郾 065 -0郾 020
2002鄄05鄄22 0郾 003 0郾 377** -0郾 036 -0郾 049 0郾 357** -0郾 015 0郾 160* -0郾 033
2002鄄03鄄19 -0郾 033 0郾 418** -0郾 067 -0郾 019 0郾 406** -0郾 051 0郾 214** -0郾 039
景观百分比 PLAND - 1 -0郾 025 -0郾 044 0郾 977** 0郾 024 0郾 693** 0郾 151*
表 7摇 乔木林地蔓延度 /分散度、连接度指数与城市地表温度的相关系数
Table 7摇 Correlation coefficients between tree contagion / interspersion, connectivity metric and LST (n=199)
地表温度获取日期
LST acquired date
聚簇度
CLUMPY
相似邻接
百分比
PLADJ
分散与
并列指数
IJI
凝聚度
COHESION
分离度
DIVISION
有效 MESH
大小 MESH
分裂度
SPLIT
聚合度
AI
归一化景观
形状指数
NLSI
2002鄄11鄄14 -0郾 314** -0郾 308** -0郾 358** -0郾 305** 0郾 256** -0郾 257** 0郾 016 -0郾 401** 0郾 372**
2002鄄07鄄09 -0郾 159* -0郾 509** -0郾 456** -0郾 512** 0郾 514** -0郾 513** 0郾 082 -0郾 422** 0郾 330**
2002鄄05鄄22 -0郾 185** -0郾 451** -0郾 477** -0郾 453** 0郾 445** -0郾 445** 0郾 054 -0郾 400** 0郾 330**
2002鄄03鄄19 -0郾 234** -0郾 395** -0郾 464** -0郾 391** 0郾 422** -0郾 422** 0郾 026 -0郾 412** 0郾 342**
聚簇度 CLUMPY 1 0郾 276** 0郾 149* 0郾 136 -0郾 079 0郾 078 0郾 251** 0郾 860** -0郾 934**
相似邻接百分比 PLADJ 1 0郾 480** 0郾 944** -0郾 500** 0郾 501** -0郾 538** 0郾 556** -0郾 472**
分离度 DIVISION 1 -1郾 000** 0郾 044 -0郾 466** 0郾 202**
聚合度 AI 1 -0郾 948**
2802 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 8摇 建筑物蔓延度 /分散度、连接度指数与城市地表温度的相关系数
Table 8摇 Correlation coefficients between building contagion / interspersion, connectivity metric and LST
地表温度
获取日期
LST acquired date
低反照率建筑物 Low albedo building (n=172)
相似邻接
百分比
PLADJ
分散与
并列指数
IJI
凝聚度
COHESION
分离度
DIVISION
有效 MESH
大小
MESH
分裂度
SPLIT
聚合度
AI
中反照率建筑物 Medium albedo building (n=167)
相似邻接
百分比
PLADJ
分散与
并列指数
IJI
凝聚度
COHESION
分离度
DIVISION
有效 MESH
大小
MESH
分裂度
SPLIT
聚合度
AI
2002鄄11鄄14 0郾 305** 0郾 268** 0郾 216** -0郾 403** 0郾 354** -0郾 082 0郾 270** 0郾 315** 0郾 131 0郾 272** -0郾 261** 0郾 068 -0郾 235** 0郾 281**
2002鄄07鄄09 0郾 178* 0郾 302** 0郾 123 -0郾 223** 0郾 220** -0郾 031 0郾 219** 0郾 394** 0郾 236** 0郾 371** -0郾 254** 0郾 133 -0郾 326** 0郾 287**
2002鄄05鄄22 0郾 198** 0郾 264** 0郾 131 -0郾 323** 0郾 291** 0郾 015 0郾 252** 0郾 453** 0郾 206** 0郾 433** -0郾 285** 0郾 101 -0郾 377** 0郾 313**
2002鄄03鄄19 0郾 246** 0郾 252** 0郾 169* -0郾 385** 0郾 332** -0郾 033 0郾 248** 0郾 409** 0郾 230** 0郾 381** -0郾 367** 0郾 099 -0郾 300** 0郾 300**
相似邻接百分比
PLADJ 1 0郾 370
** 0郾 940** -0郾 420** 0郾 414** -0郾 624** 0郾 533** 1 0郾 340** 0郾 919** -0郾 446** 0郾 224** -0郾 667** 0郾 789**
分离度 DIVISION 1 -0郾 910** 0郾 071 -0郾 298** 1摇 摇
反照率建筑物,只有 MESH 与各时相 LST 都不相
关,其他几个格局指数中,除了 IJI与 11 月 LST的相
关性不显著外,其余指数与各时相 LST 均显著相
关.与低反照率相比,中反照率建筑物多了 SPLIT与
LST呈负相关关系,少了 MESH 与 LST 呈正相关关
系,其余各指数的正负相关性趋势相同,只是相关系
数大小有细微差异(表 8).
3摇 讨摇 摇 论
3郾 1摇 传统景观格局指数评价城市热岛的适用性
当把研究中的分析窗口(120 m伊120 m)看成景
观,在景观水平上不分类型地计算各个指数时,各指
数与地表温度几乎不相关,因此不能解释该窗口的
温度高低.当把各个类型区分对待,用单一类型去解
释整个窗口的地表温度时,发现不同指数在分析景
观类型对温度的影响时作用不同.
在不同研究区,针对不同的研究对象,这些指数
表现出的特征也不一样.本文中形状和分离度 /临近
度类下的各指数与地表温度未呈现相关性,这与其
他学者的研究结果不同[9,17] . Cao 等[17]对公园冷岛
强度的研究中,当针对特定类型时,形状很重要.
Weng等[10]以及 Liu 和 Weng[15]通过传统的景观格
局指数探讨了土地利用与覆盖(LUCC)格局对地表
温度的影响,其做法是将地表温度按温度高低分类
制作温度景观图,再分析 LUCC 格局与温度格局图
中格局指数的相关关系,但其结果只能显示某一级
温度下的景观格局指数值,并不能反映哪种景观格
局对地表温度产生了影响以及如何影响了地表温
度.本文与上述研究不同之处还在于:本文以粗分辨
率的温度数据所对应的高分辨率景观像元为单元,
不仅分析整个窗口景观的 24 个格局指数与地表温
度的相关关系,还分析窗口内不同景观类型的 24 个
格局指数与地表温度的相关关系. 固定窗口下景观
尺度上的 24 个格局指数中,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 3 月、5 月、11 月的 LST 呈稳定的显著相关,与 7
月的 LST完全不相关,原因可能在于所有类型指数
在 7 月与地表温度的正负相关性均最强,有相互抵
消现象.另外,不同土地类型可能存在同形状、同面
积的现象,也可能导致相关关系分析结果不佳;从单
一土地类型看,区域内占绝大多数的林地和中低反
照率建筑物的 PLAND 和 LPI 与 4 个时相的地表温
度均显著相关,此外还有一些指数对于分析个别土
地类型对地表温度的影响时可以参考,如 PD 对于
分析林地格局与地表温度关系时可用,ED对于分析
中低反照率的建筑物时可用.
总的来说, 面积 /密度 /边界 ( Area / Density /
Edge)类下的 PLAND、PD、LPI对分析林地对地表温
度的影响有帮助;PLAND、LPI、ED 对分析中低反照
率建筑物对地表温度的影响有益;而 PLAND 与 LPI
呈显著线性相关,相关系数皆大于 0郾 9,按需要两者
可选一.林地的蔓延度 /分散度(Contagion / Intersper鄄
sion ) 类 下 的 CLUMPY、 PLADJ、 IJI、 DIVISION、
MESH、AI和 NLSI都与该窗口地表温度具有显著相
关性,其中,DIVISION 和 NLSI 是正相关,其余为负
相关,即林地的蔓延度 /分散度类下的各指数,除了
SPLIT以外皆可以用于评价林地对地表温度的影
响. DIVISION与 MESH存在显著负相关关系(相关
系数近似等于 1),因此两者选一即可;PLADJ 与连
接度(Connectivity)下 COHESION 的相关性也极高
(>0郾 9),两者可互相替代.
3郾 2摇 河流与地表温度的关系
研究区内河流的各个格局指数与 LST 的相关
性表现出正相关关系,属异常现象.河流的类型总面
积(CA)、PLAND、LPI、总边界(TE)、ED与各个时相
38028 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 陈爱莲等: 传统景观格局指数在城市热岛效应评价中的适用性摇 摇 摇 摇 摇 摇
LST皆呈显著正相关(表 9),其原因可能是河流不
多,又在城区道路旁边,受生产生活废水及其他人为
废热的影响较严重. 2001 年 7 月北京申奥成功之
后,随着针对奥运的各项规划逐步展开实施,快速城
市建设所致的人为热排放量的增加及频繁的交通运
输对城市景观热交换和热辐射特性都可能产生影
响,但湖泊所受影响相对较小. 研究区湖泊的面积 /
边界 /密度类的指数与 LST 呈现不同程度的负相
关,而湖泊的蔓延度 /分散度、连接度类的指数中,除
SPLIT外,其余指数均与地表温度呈显著相关(表
10),且湖泊的各指数与地表温度的正负相关趋势
较河流来说符合常情,聚合类指数(如 CLUMPY)与
地表温度呈负相关,说明水体越聚集会带来相对的
低温区,而分离类指数(如 DIVISION)则与地表温度
呈正相关.说明不同面积的水体、或处于不同地区和
受到不同人类活动影响的水体,对地表温度的作用
可能截然不同.因此,在研究城区景观对地表温度或
热岛的影响时,水体应区别对待.
3郾 3摇 不足与展望
本研究采用 2郾 5 m 分辨率的 QB342 组合图像
进行景观分类,虽然分类精度高、工作量大,但仍有
很多因子不能予以考虑.如 Fragstats软件中,还有一
些指数未予以计算;城市热岛效应产生的过程中,不
同景观对其的影响也存在边缘效应[25-26],而遥感影
像分类时边界的界定也存在边缘效应,因此,核心
区、隔离度 /临近度类指数需要输入边缘效应距离的
指数,只是各种景观的边缘效应未明确,因而没有
计算.
此外,城市的容积率、楼层高度和高楼阴影等对
城市热岛效应起关键作用的因子也未予以考虑.
Zhou等[9]虽然采用更高分辨率(0郾 6 m)的 LULC 数
据,但没有区别对待不同类型的建筑物,其结论只能
辅助解释组分相同但格局不同的景观对温度的影
响,不能排除不同高度的楼房、不同走向的道路等其
他因子对温度的影响;Li等[12]采用 2郾 5 m的航空照
片制作 LULC图,并考虑了楼层高度,但其楼层高度
数据并不能与景观指数相结合去解释地表温度,只
能单独从楼层高度的角度分析其对温度的影响,因
此这些景观指数的作用并没有得到充分体现. 很多
模型模拟研究结果表明,地形、楼层高度、街道走向
和天空可见系数等因子对城市微气候和热岛效应都
有重要影响[27-29] . 故后续研究需考虑将多个类型、
多个指数与多个角度的因子组合与温度进行回归分
析.只有在所有可能的其他因子都被考虑或都被控
制之后,景观组成与景观配置才能更直接地指导城
市规划和景观设计.传统的景观格局指数与城市地
表 9摇 河流面积 /边界 /密度指数与城市地表温度的相关系数
Table 9摇 Correlation coefficients between river area / edge / density metric and LST (n=13)
地表温度获取日期
LST acquired date
总斑块面积
CA
景观百分比
PLAND
最大斑块指数
LPI
总边界
TE
边界密度
ED
景观形状指数
LSI
2002鄄11鄄14 0郾 629* 0郾 629* 0郾 640* 0郾 681* 0郾 681* -0郾 474
2002鄄07鄄09 0郾 711** 0郾 711** 0郾 617* 0郾 818** 0郾 818** -0郾 453
2002鄄05鄄22 0郾 718** 0郾 718** 0郾 600* 0郾 778** 0郾 778** -0郾 600*
2002鄄03鄄19 0郾 755** 0郾 755** 0郾 620* 0郾 786** 0郾 786** -0郾 575*
总斑块面积 CA 1 1郾 000** 0郾 900** 0郾 891** 0郾 891** -0郾 474
景观百分比 PLAND 1 0郾 899** 0郾 891** 0郾 891** -0郾 474
总边界 TE 1 1郾 000** -0郾 206
表 10摇 湖泊蔓延度 /分散度、连接度指数与城市地表温度的相关系数
Table 10摇 Correlation coefficients between lake contagion / interspersion, connectivity metric and LST (n=26)
地表温度获取日期
LST acquired date
聚簇指数
CLUMPY
相似邻接
百分比
PLADJ
分散与
并列指数
IJI
凝聚度
COHESION
分离度
DIVISION
有效 MESH
大小
MESH
分离度
SPLIT
聚合度
AI
归一化景观
形状指数
NLSI
2002鄄11鄄14 -0郾 314** -0郾 308** -0郾 358** -0郾 305** 0郾 256** -0郾 257** 0郾 016 -0郾 401** 0郾 372**
2002鄄07鄄09 -0郾 159* -0郾 509** -0郾 456** -0郾 512** 0郾 514** -0郾 513** 0郾 082 -0郾 422** 0郾 330**
2002鄄05鄄22 -0郾 185** -0郾 451** -0郾 477** -0郾 453** 0郾 445** -0郾 445** 0郾 054 -0郾 400** 0郾 330**
2002鄄03鄄19 -0郾 234** -0郾 395** -0郾 464** -0郾 391** 0郾 422** -0郾 422** 0郾 026 -0郾 412** 0郾 342**
聚簇指数 CLUMPY 1 0郾 276** 0郾 149* 0郾 136 -0郾 079 0郾 078 0郾 251** 0郾 860** -0郾 934**
相似邻接百分比 PLADJ 1 0郾 480** 0郾 944** -0郾 500** 0郾 501** -0郾 538** 0郾 556** -0郾 472**
凝聚度 DIVISION 1 -1郾 000** 0郾 044 -0郾 466** 0郾 202**
聚合度 AI 1 -0郾 948**
4802 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
表温度虽有相关性,可以在城市尺度上揭示地表景
观格局与地表温度的关系,但与大气城市热岛 AU鄄
HI很难结合,也不涉及到复杂的城市热岛效应的形
成机理,因此亟待提出新型的、融入地表热量过程的
景观指数,使之既能评价地表城市热岛,也能评价大
气城市热岛,又能具体指导城市规划和景观设计.
4摇 结摇 摇 论
本研究采用高精度的 QB 影像解译出北京市局
部城区的景观类型,并分析景观格局,同时运用 4 个
时相的 LandSAT ETM+数据反演出地表温度,通过计
算相对低分辨率的温度像元所对应的高分辨率的景
观单元的 24 个传统景观格局指数,分析其对地表温
度的影响,其结果可以为今后评价地表城市热岛提
供 2 类景观格局指数:1)在城市主要景观类型(林
地、建筑物)与地表温度的相关分析中表现出较稳
定的显著相关性的指数,包括 PLAND、LPI、DIVI鄄
SION、PLADJ和 IJI;2)在不同详细程度的景观类型中
与地表温度表现出不同相关性的指数,包括 PD、ED、
CLUMPY、MESH、 COHESION、SPLIT、AI和 NLSI.
参考文献
[1]摇 Weng Q. Fractal analysis of satellite鄄detected urban heat
island effect. Photogrammetric Engineering and Remote
Sensing, 2003, 69: 555-566
[2]摇 Jiang X鄄D (江学顶), Xia B鄄C (夏北成), Guo L (郭
泺), et al. Characteristics of multi鄄scale temporal鄄spa鄄
tial distribution of urban heat island in Guangzhou. Chi鄄
nese Journal of Applied Ecology (应用生态学报),
2007, 18(1): 133-139 (in Chinese)
[3]摇 Buyantuyev A, Wu J. Urban heat islands and landscape
heterogeneity: Linking spatiotemporal variations in sur鄄
face temperatures to land鄄cover and socioeconomic pat鄄
terns. Landscape Ecology, 2010, 25: 17-33
[4]摇 Voogt J, Oke T. Thermal remote sensing of urban cli鄄
mates. Remote Sensing of Environment, 2003, 86: 370-
384
[5]摇 Quattrochi D. Thermal remote sensing of urban areas:
An introduction to the special issue. Remote Sensing of
Environment, 2006, 104: 119-122
[6]摇 Mi J鄄T (米金套). Study on Landscape Pattern Change
and Urban Heat Island in Macau. PhD Thesis. Beijing:
Beijing Forestry University, 2010 (in Chinese)
[7]摇 Weng Q. Thermal infrared remote sensing for urban cli鄄
mate and environmental studies: Methods, applications,
and trends. ISPRS Journal of Photogrammetry and Re鄄
mote Sensing, 2009, 64: 335-344
[8]摇 Arnfield AJ. Two decades of urban climate research: A
review of turbulence, exchanges of energy and water,
and the urban heat island. International Journal of Cli鄄
matology, 2003, 23: 1-26
[9]摇 Zhou W, Huang G, Cadenasso ML. Does spatial config鄄
uration matter? Understanding the effects of land cover
pattern on land surface temperature in urban landscapes.
Landscape and Urban Planning, 2011, 102: 54-63
[10]摇 Weng Q, Liu H, Lu D. Assessing the effects of land use
and land cover patterns on thermal conditions using
landscape metrics in city of Indianapolis, United States.
Urban Ecosystems, 2007, 10: 203-219
[11]摇 Kong F, Nakagoshi N. Spatial鄄temporal gradient analy鄄
sis of urban green spaces in Jinan, China. Landscape
and Urban Planning, 2006, 78: 147-164
[12]摇 Li J, Song C, Cao L, et al. Impacts of landscape struc鄄
ture on surface urban heat islands: A case study of
Shanghai, China. Remote Sensing of Environment,
2011, 115: 3249-3263
[13]摇 Mcgarigal K, Marks B. FRAGSTATS. Spatial Pattern
Analysis Program for Quantifying Landscape Structure.
Version 2. 0. Corvallis: Oregon State University, 1994
[14]摇 Wang P (王 摇 鹏). Multi鄄scale Analysis of Urban
Landscape Pattern and UHI Effects. Master Thesis.
Chengdu: Sichuan Agricultural University, 2007 ( in
Chinese)
[15]摇 Liu H, Weng Q. Seasonal variations in the relationship
between landscape pattern and land surface temperature
in Indianapolis, USA. Environmental Monitoring and
Assessment, 2008, 144: 199-219
[16] 摇 Liu H, Weng Q. Scaling effect on the relationship be鄄
tween landscape pattern and land surface temperature: A
case study of Indianapolis, United States. Photogram鄄
metric Engineering & Remote Sensing, 2009, 75: 291-
304
[17] 摇 Cao X, Onishi A, Chen J, et al. Quantifying the cool
island intensity of urban parks using ASTER and IKO鄄
NOS data. Landscape and Urban Planning, 2010, 96:
224-231
[18] 摇 Ministry of Land and Resources (国土资源部). Cur鄄
rent Land Use Classification [EB / OL]. (2007鄄08鄄10)
[2010鄄05鄄29]. http: / / www. tymy. gov. cn / show. aspx?
id=224&cid=24 (in Chinese)
[19]摇 Jim佴nez鄄Mu觡oz JC, Sobrino J. A generalized single鄄
channel method for retrieving land surface temperature
from remote sensing data. Journal of Geophysical Re鄄
search, 2003, 108: 4688-4695
[20]摇 Sobrino J, Jim佴nez鄄Mu觡oz JC, Paolini L. Land surface
temperature retrieval from LANDSAT TM 5. Remote
Sensing of Environment, 2004, 90: 434-440
58028 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 陈爱莲等: 传统景观格局指数在城市热岛效应评价中的适用性摇 摇 摇 摇 摇 摇
[21]摇 Qin Z, Karnieli A, Berliner P. A mono鄄window algo鄄
rithm for retrieving land surface temperature from Land鄄
sat TM data and its application to the Israel鄄Egypt border
region. International Journal of Remote Sensing, 2001,
22: 3719-3746
[22]摇 Jim佴nez鄄Mu觡oz J, Sobrino J. Error sources on the land
surface temperature retrieved from thermal infrared sin鄄
gle channel remote sensing data. International Journal of
Remote Sensing, 2006, 27: 999-1014
[23]摇 Huang C鄄D (黄初冬), Shao Y (邵 摇 芸), Li J (李
静). A temporal and spatial analysis of land surface
temperature in Beijing utilizing remote sensing tech鄄
niques. Remote Sensing for Land & Resources (国土资
源遥感), 2008, 19(3): 64-68 (in Chinese)
[24]摇 Qin Z鄄H (覃志豪), Li WJ, Zhang MH, et al. Estama鄄
tion of the essential atmospheric parameters of mono鄄
window algorithm for land surface temperature retrieval
from Landsat TM6. Remote Sensing for Land & Resources
(国土资源遥感), 2003, 14(2): 37-43 (in Chinese)
[25]摇 Yan M (闫 摇 明), Zhong Z鄄C (钟章成), Qiao X鄄H
(乔秀红 ). Microclimate edge effects of evergreen
broad鄄leaved forest fragments in Jinyun Mountain: A
preliminary study. Chinese Journal of Applied Ecology
(应用生态学报), 2006, 17(1): 17-21 (in Chinese)
[26]摇 Liu L (刘摇 龙). Characteristic of highway edge effects
and vegetation. Highway (公路), 2008(8): 244-247
(in Chinese)
[27]摇 Ng E, Chen L, Wang Y, et al. A study on the cooling
effects of greening in a high鄄density city: An experience
from Hong Kong. Building and Environment, 2012, 47:
256-271
[28]摇 Oliveira S, Andrade H, Vaz T. The cooling effect of
green spaces as a contribution to the mitigation of urban
heat: A case study in Lisbon. Building and Environ鄄
ment, 2011, 46: 2186-2194
[29]摇 Sun R, Chen A, Chen L, et al. Cooling effects of wet鄄
lands in an urban region: The case of Beijing. Ecologi鄄
cal Indicators, 2012, 20: 57-64
作者简介摇 陈爱莲,女,1984 年生,博士研究生.主要从事景
观格局与城市地表热环境关系研究. E鄄mail: cal鄄0601@ 163.
com
责任编辑摇 杨摇 弘
6802 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