陳卓偉，鄧昭華

（華南理工大學(xué)建筑學(xué)院）

1 引言

城市化進(jìn)程使不透水下墊面比例上升，增加了人為熱，加重了城市熱島效應(yīng)（Urban Heat Island，UHI），從而導(dǎo)致了夏季城市制冷能耗上升、居民因極端高溫死亡人數(shù)增加、戶外熱舒適性降低等一系列問題[1]。已有研究表明街區(qū)形態(tài)可顯著影響街區(qū)熱環(huán)境[2]，因此，開展街區(qū)形態(tài)與熱島強(qiáng)度（Urban Heat Island Intensity，UHII）關(guān)系的研究工作具有重要意義，可為以緩解熱島效應(yīng)為導(dǎo)向的相關(guān)規(guī)劃提供街區(qū)形態(tài)優(yōu)化的理論建議。

隨著遙感技術(shù)的發(fā)展，利用熱紅外影像可大范圍且同步觀測(cè)感興趣區(qū)域的地表溫度（Land Surface Temperature，LST），地表熱島逐漸成為當(dāng)前熱島相關(guān)研究的主體[3]。在此背景下，眾多學(xué)者采用全局回歸模型，如最小二乘（Ordinary Least Squares，OLS）回歸[4]與地理加權(quán)回歸（Geographically Weighted Regression，GWR)模型[5]討論城市形態(tài)與熱島強(qiáng)度UHII的關(guān)系，然而由于LST與城市形態(tài)指標(biāo)存在空間非平穩(wěn)性，在地理分布上具有空間異質(zhì)性，二者在空間分布中的細(xì)節(jié)信息無法通過全局回歸反映[6]。雖然GWR可有效解決空間平穩(wěn)性的問題，將空間分布信息加入回歸參數(shù)中，但也存在最佳帶寬適用于所有因變量的主要局限，即假定所有指標(biāo)均以相同的空間尺度影響UHII[7]。新興的多尺度地理加權(quán)回歸(Multi-scale Geographically Weighted Regression，MGWR)可克服上述局限性[8]，劉敬等學(xué)者以北京五環(huán)內(nèi)為研究區(qū)域，應(yīng)用OLS、GWR、MGWR三個(gè)模型分析城市形態(tài)與日夜UHII的關(guān)系，得出各形態(tài)指標(biāo)對(duì)熱島效應(yīng)的影響存在明顯尺度差異，無論日間還是夜間，MGWR模型性能均最優(yōu)的結(jié)論[9]。因此，采用多尺度地理加權(quán)回歸（MGWR）有助于理清街區(qū)形態(tài)指標(biāo)與熱島強(qiáng)度在不同地理位置的關(guān)系，同時(shí)，還可分析不同形態(tài)指標(biāo)對(duì)熱島效應(yīng)影響的尺度差異。

基于上述背景，本文以廣州主城區(qū)為研究區(qū)域，基于多源數(shù)據(jù)，應(yīng)用新興的多尺度地理加權(quán)回歸分析各形態(tài)指標(biāo)與四季UHII之間的關(guān)系，對(duì)比各回歸模型的性能，探討各形態(tài)指標(biāo)與UHII相關(guān)性的空間、季節(jié)差異。通過以上內(nèi)容的研究，可為城市規(guī)劃師在城市規(guī)劃與城市設(shè)計(jì)中制定日間城市熱島效應(yīng)緩解策略提供理論依據(jù)。

2 研究區(qū)域與數(shù)據(jù)

2.1 研究區(qū)域

廣州是廣東省省會(huì)，也面臨著一系列城市擴(kuò)張帶來的環(huán)境問題，熱島效應(yīng)隨著城市化進(jìn)程的加深愈加明顯。廣州市連片城建區(qū)集中在越秀、荔灣和海珠3個(gè)老城區(qū)及周邊的天河區(qū)、白云區(qū)、黃埔區(qū)、番禺區(qū)和花都區(qū)[10]，由于花都區(qū)離廣州中心城區(qū)較遠(yuǎn)且城市建設(shè)量較低，本文以7個(gè)行政區(qū)（越秀區(qū)、荔灣區(qū)、海珠區(qū)、天河區(qū)、白云區(qū)、黃埔區(qū)和番禺區(qū)）為研究區(qū)域，總面積2366.8㎞2（見圖1）。

圖1 研究區(qū)域

2.2 研究數(shù)據(jù)及預(yù)處理

本文使用的數(shù)據(jù)包括Landsat8遙感影像數(shù)據(jù)、Sentinel-2遙感影像數(shù)據(jù)、OSM（Open Street Map）矢量數(shù)據(jù)與建筑矢量數(shù)據(jù)。由于廣州位于嶺南濕熱地區(qū)，常年云量較多，不存在同一年份內(nèi)四季均可使用的低云量Landsat8圖幅，因此本文分別選擇成像時(shí)間為2018年、2019年、2020年不同季節(jié)的圖幅。數(shù)據(jù)預(yù)處理包括遙感影像數(shù)據(jù)的預(yù)處理與街區(qū)劃分。

1）遙感影像數(shù)據(jù)預(yù)處理

Landsat8遙感影像需要進(jìn)行輻射定標(biāo)與大氣校正，Sentinel-2遙感影像則需要先使用官方提供的Sen2cor插件將其轉(zhuǎn)換為L2A級(jí)產(chǎn)品，然后使用Sen2Res插件將20m、60m分辨率的各波段的超分辨率合成為10m分辨率的波段，便于接下來的波段計(jì)算。

2）街區(qū)劃分

相較以固定大小網(wǎng)格作為基本研究單元，以街區(qū)作為基本研究單元更能保證單元內(nèi)建筑形態(tài)的均質(zhì)，借鑒徐海洋等對(duì)南京建鄴區(qū)的街區(qū)提取經(jīng)驗(yàn)[11]，并結(jié)合廣州的道路特點(diǎn)，選擇了OSM矢量數(shù)據(jù)中的motorway、primary、trunk、secondary、tertiary五類道路以及水體作為街區(qū)劃分的邊界。我國城市街區(qū)尺度大多超過300m，最長甚至高達(dá)600m[12]，因此需要對(duì)面積過?。ǎ?.5hm2）與過大（＞50hm2）的街區(qū)合并與分割，并去除不帶建筑的硬地、裸地、水田、草地、山林等，最終劃分街區(qū)6976個(gè)，平均面積為14.3hm2。

3 研究方法

3.1 熱島強(qiáng)度計(jì)算

為消除不同遙感影像在成像過程中產(chǎn)生的偏差，先對(duì)遙感影像進(jìn)行輻射定標(biāo)與大氣校正等數(shù)據(jù)預(yù)處理，本文采用輻射傳輸方程法反演地表溫度[13]。借鑒劉敬等學(xué)者計(jì)算城市熱島強(qiáng)度的方法[9]，將街區(qū)i的平均地表溫度（LSTi）與研究區(qū)域內(nèi)植被區(qū)的平均地表溫度（LSTp）的差值定義為街區(qū)的熱島強(qiáng)度（UHIIi）（植被區(qū)通過NDVI指數(shù)獲得），公式如下：

為了更直觀地評(píng)估街區(qū)熱島強(qiáng)度的嚴(yán)重程度，需要對(duì)熱島程度進(jìn)行分級(jí)。將UHIIi≤0的街區(qū)歸類為冷島街區(qū)，將UHIIi>0的街區(qū)歸類為熱島街區(qū)，并按照“均值-標(biāo)準(zhǔn)差法”[14]劃分為4級(jí)：弱熱島區(qū)、中熱島區(qū)、強(qiáng)熱島區(qū)和超強(qiáng)熱島區(qū)，街區(qū)熱島強(qiáng)度分級(jí)結(jié)果如圖2所示。

圖2 街區(qū)四季UHII分級(jí)分布圖

①廣州主城區(qū)的日間熱島狀況十分嚴(yán)重，超過90%的街區(qū)（春季94.8%、夏季98.9%、秋季99.1%、冬季95.1%）出現(xiàn)不同程度的熱島效應(yīng)，以夏秋季尤為嚴(yán)重。其中，超過40%的街區(qū)（春季46.3%、夏季52.1%、秋季47.8%、冬季44.9%）熱島強(qiáng)度級(jí)別達(dá)到強(qiáng)和超強(qiáng)。

②冷島街區(qū)比例在春季與冬季較高，分別達(dá)5.2%與4.9%。表明廣州主城區(qū)整體的熱島效應(yīng)在夏、秋季較為嚴(yán)重，而在春、冬季的嚴(yán)重程度相對(duì)較輕。

③從空間布局來看，超強(qiáng)熱島與強(qiáng)熱島區(qū)主要分布在舊城區(qū)、工業(yè)園、城中村等區(qū)域。

3.2 形態(tài)指標(biāo)選擇與計(jì)算

影響地表溫度的城市形態(tài)因素眾多，可分為景觀成分指標(biāo)與城市形態(tài)指標(biāo)[15]，多個(gè)景觀成分指標(biāo)、城市形態(tài)指標(biāo)與地表溫度之間具有空間非平穩(wěn)性聯(lián)系。指標(biāo)匯總?cè)绫?所示。

表1 廣泛使用的景觀成分指標(biāo)與城市形態(tài)指標(biāo)

3.3 回歸模型選擇

分析城市形態(tài)指標(biāo)與UHII關(guān)系的研究中，OLS回歸是最為經(jīng)典的統(tǒng)計(jì)分析方法，本文應(yīng)用OLS回歸分析形態(tài)指標(biāo)與熱島強(qiáng)度的整體相關(guān)性；GWR是OLS回歸基礎(chǔ)上的擴(kuò)展，將空間位置的差異性集成到回歸系數(shù)的計(jì)算中，既可以描述變量間的關(guān)系，又可以反映其關(guān)系的空間變化特征；MGWR進(jìn)一步放寬了經(jīng)典GWR的約束[16]，即所有過程都使用同一帶寬在相同的空間尺度上建模。通過允許數(shù)據(jù)介入范圍（帶寬）在整個(gè)參數(shù)表面上變化，它允許不同的自變量與因變量之間的關(guān)聯(lián)在規(guī)模上不一致，即允許各自變量以其最優(yōu)帶寬與因變量建立關(guān)系[17]。本文中MGWR的計(jì)算使用亞利桑那州立大學(xué)地理科學(xué)與城市規(guī)劃學(xué)院提供的開源軟件MGWR（https://sgsup.asu.edu/sparc/mgwr），GWR和OLS則在亞利桑那州立大學(xué)地理科學(xué)與城市規(guī)劃學(xué)院提供的開源平臺(tái)GWR4（https://sgsup.asu.edu/sparc/gwr4）中計(jì)算。

4 研究結(jié)果分析

4.1 各形態(tài)指標(biāo)與UHII相關(guān)性

各指標(biāo)與四季UHII的相關(guān)性分析結(jié)果如表2所示。對(duì)比各指標(biāo)回歸結(jié)果的顯著性與相關(guān)方向，各指標(biāo)與四季UHII相關(guān)性的分析結(jié)果。

①BD、BH、FAR、SVF、NDBI、WP六個(gè)指標(biāo)在四季均呈現(xiàn)出顯著相關(guān)，其中BD、FAR、SVF、NDBI呈正相關(guān)，表明較高的建筑密度、較大的開發(fā)強(qiáng)度、較開闊的天空可視范圍、較大程度的不透水地表面覆蓋均會(huì)使四季UHII更大。

②BH、WP則呈負(fù)相關(guān)，表明較高的建筑高度、較多的水體覆蓋可減緩四季UHII，過于開闊的街區(qū)使地表獲取更多的太陽輻射，而高層建筑由于其在街道上的遮陽效果，可在白天有效降低溫度[18]。

③NDVI只在秋季呈現(xiàn)顯著相關(guān)，F(xiàn)VC在春季、冬季呈現(xiàn)顯著相關(guān)，均呈負(fù)相關(guān)，表明增加植被可減緩春季、秋季、冬季UHII。

④MNDWI只在夏季呈現(xiàn)顯著相關(guān)，呈負(fù)相關(guān)，表明增加水體覆蓋對(duì)夏季UHII有減緩效果。

⑤NHV在春季、秋季、冬季呈現(xiàn)顯著相關(guān)，呈負(fù)相關(guān)，但相關(guān)系數(shù)絕對(duì)值較小，表明建筑高低錯(cuò)落度對(duì)UHII影響不大。

橫向?qū)Ρ韧瑐€(gè)季節(jié)各個(gè)指標(biāo)的回歸系數(shù)，可發(fā)現(xiàn)同一指標(biāo)在不同季節(jié)對(duì)UHII的貢獻(xiàn)程度大小不同（回歸系數(shù)大小不同），如對(duì)夏季UHII貢獻(xiàn)程度最大的指標(biāo)為NDBI，秋季則為SVF（見表2）。

4.2 回歸模型性能對(duì)比

使用可決系數(shù)（R2）與校正的可決系數(shù)（Adj-R2）[19]（表示解釋變量對(duì)被解釋變量的解釋貢獻(xiàn)）、校正的Akaike信息準(zhǔn)則（AICc）[20]和殘差平方和（RSS）[21]評(píng)估MGWR，GWR和OLS的模型性能，R2與Adj-R2越大、AICc與RSS越小，證明模型性能越好。

在進(jìn)行GWR與MGWR回歸分析之前，需要對(duì)所選形態(tài)指標(biāo)做進(jìn)一步篩選。首先，基于OLS全局回歸分析結(jié)果，去除顯著性低的指標(biāo)；然后，選擇回歸系數(shù)絕對(duì)值相對(duì)較大（回歸指數(shù)絕對(duì)值＞0.1）的；最后，進(jìn)一步剔除全局多重共線性強(qiáng)的指標(biāo)（VIF值大于7.5），最終篩選的指標(biāo)包括表2中下劃線指標(biāo)。

表2 各形態(tài)指標(biāo)與四季UHII回歸系數(shù)及顯著性

回歸模型性能分析結(jié)果如表3所示，無論是什么季節(jié)，GWR與MGWR的R2、Adj-R2明顯高于OLS，且以MGWR更高，而AlCc、RSS則明顯低于OLS，且以MGWR更低，可以判斷GWR與MGWR的模型性能優(yōu)于OLS，且以MGWR最佳，表明各形態(tài)指標(biāo)與UHII關(guān)系具有空間非平穩(wěn)性特征（見表3）。

表3 OLS、GWR、MGWR模型性能對(duì)比

與GWR相比，MGWR可反映各形態(tài)指標(biāo)對(duì)UHII影響的差異化作用尺度，對(duì)GWR與MGWR的帶寬進(jìn)行統(tǒng)計(jì)，結(jié)果如表4所示。在各形態(tài)指標(biāo)與四季UHII相關(guān)性分析中，GWR模型的帶寬均為固定值，只能反映各個(gè)指標(biāo)作用尺度的平均值，而MGWR模型中，各指標(biāo)的帶寬具有較大差異，表明各指標(biāo)的空間非平穩(wěn)性程度具有差異（帶寬越小空間非平穩(wěn)性程度越高）。對(duì)比四季各指標(biāo)的MGWR帶寬大小，四季中，BD的空間非平穩(wěn)性程度最大，NDVI為全局尺度的變量（見表4）。

表4 GWR與MGWR帶寬比較

4.3 回歸系數(shù)空間格局分析

由于MGWR模型性能更佳，因此采用MGWR模型的回歸系數(shù)進(jìn)行空間格局分析，各形態(tài)指標(biāo)與四季UHII的回歸系數(shù)的空間分布格局如圖3所示，其中具有顯著性的街區(qū)為p<0.05，|t|>1.96。由于指標(biāo)較多，因此本文只討論MGWR模型中解釋度最高的夏季情況。

圖3 各指標(biāo)回歸系數(shù)空間格局

BD（建筑密度）：約51%的街區(qū)的BD回歸系數(shù)具有顯著性，多為回歸系數(shù)較大且為正的街區(qū)；約49%的顯著性低的街區(qū)的回歸系數(shù)大多較小或?yàn)樨?fù)?；貧w系數(shù)的帶寬為44（較?。?，表明BD具有較強(qiáng)的空間非平穩(wěn)性特征，具體表現(xiàn)為本身BD較大的老城區(qū)、城中村、廠房等區(qū)域的回歸系數(shù)較大，該區(qū)域街區(qū)的夏季UHII對(duì)BD變化更為敏感。

BH（建筑高度）：約75%的街區(qū)的BH回歸系數(shù)具有顯著性，多為回歸系數(shù)絕對(duì)值較大且為負(fù)的街區(qū)；約25%的顯著性低的街區(qū)的回歸系數(shù)絕對(duì)值較小或?yàn)檎?，表明大多?shù)街區(qū)可通過提高BH來降低UHII?；貧w系數(shù)的帶寬為377（較小），表明BH具有空間非平穩(wěn)性特征，具體表現(xiàn)為本身BH較低的老城區(qū)、城中村、廠房等區(qū)域的回歸系數(shù)絕對(duì)值較大，表明該區(qū)域街區(qū)的夏季UHII對(duì)BH變化更為敏感。

SVF（天空視域系數(shù)）：100%的街區(qū)的SVF回歸系數(shù)具有顯著性，且回歸系數(shù)均為正，表明所有街區(qū)可通過降低SVF來降低UHII。其帶寬為1220，SVF具有一定程度的空間非平穩(wěn)性特征，具體表現(xiàn)為研究街區(qū)東部與北部的開敞街區(qū)的回歸系數(shù)絕對(duì)值較大，表明該區(qū)域街區(qū)的夏季UHII對(duì)SVF變化更為敏感，原因是這些街區(qū)本身SVF較大，降低SVF可減少更多的太陽輻射。

NDBI（歸一化不透水地表面指數(shù)）：100%的街區(qū)的NDBI回歸系數(shù)具有顯著性，且回歸系數(shù)均為正，表明所有街區(qū)均可通過減少不透水地表面來降低夏季UHII。其帶寬為1399，NDBI具有一定程度空間非平穩(wěn)性特征，具體表現(xiàn)為研究區(qū)域中部中央商務(wù)區(qū)回歸系數(shù)較高，表明該區(qū)域街區(qū)的夏季UHII對(duì)NDBI變化更為敏感。

5 結(jié)語

在多尺度地理加權(quán)回歸方法出現(xiàn)的背景下，以廣州主城區(qū)為研究區(qū)域，以街區(qū)為研究單元，利用多源數(shù)據(jù)統(tǒng)計(jì)研究區(qū)域的四季熱島強(qiáng)度和城市形態(tài)相關(guān)指標(biāo)，應(yīng)用經(jīng)典的OLS、GWR與新興的MGWR回歸模型對(duì)比分析了各形態(tài)指標(biāo)與四季UHII的相關(guān)關(guān)系，得到結(jié)論。

①廣州主城區(qū)的日間熱島狀況十分嚴(yán)重：超過90%的街區(qū)出現(xiàn)不同程度的熱島效應(yīng)，以夏、秋季尤為嚴(yán)重，而春、冬季的嚴(yán)重程度相對(duì)較輕，超強(qiáng)熱島與強(qiáng)熱島區(qū)主要分布在舊城區(qū)、工業(yè)園、城中村等區(qū)域。②GWR與MGWR的模型性能優(yōu)于OLS，且以MGWR最佳，表明各形態(tài)指標(biāo)與UHII關(guān)系具有空間非平穩(wěn)性特征，各形態(tài)指標(biāo)對(duì)UHII的解釋能力在夏季較強(qiáng)，在冬季較弱。③形態(tài)指標(biāo)對(duì)街區(qū)UHII的影響程度具有季節(jié)差異：如眾多影響夏季UHII的指標(biāo)中相關(guān)系數(shù)最大的是NDBI，在秋季則為SVF，一些指標(biāo)只在特定季節(jié)具有顯著性，如MNDWI只在夏季與UHII相關(guān)關(guān)系具有顯著性。④各形態(tài)指標(biāo)的空間非平穩(wěn)性程度有所差別：其中BD、BH、SVF、NDBI等指標(biāo)具有不同程度的空間非平穩(wěn)性（以BD最強(qiáng)），即對(duì)不同區(qū)位的街區(qū)UHII的影響程度有差異，而NDVI則為全局尺度的變量，即對(duì)所有街區(qū)UHII的影響程度一致。

基于以上結(jié)論，建議在開展涉及以優(yōu)化街區(qū)形態(tài)來緩解熱島效應(yīng)的城市設(shè)計(jì)及空間規(guī)劃時(shí)，應(yīng)注重季節(jié)針對(duì)性、空間針對(duì)性和指標(biāo)針對(duì)性。從季節(jié)變化的角度看，廣州主城區(qū)的日間熱島狀況以夏、秋季尤為嚴(yán)重，而在春、冬季的嚴(yán)重程度相對(duì)較輕，在制定策略時(shí)應(yīng)確定主要緩解熱島效應(yīng)的季節(jié)，如夏季；從空間的角度看，不同區(qū)位的街區(qū)同一形態(tài)指標(biāo)與UHII的相關(guān)關(guān)系具有差別，因此不同區(qū)位的街區(qū)同一形態(tài)指標(biāo)的調(diào)整策略可能不同；從指標(biāo)的角度看，同一指標(biāo)在不同季節(jié)對(duì)UHII的貢獻(xiàn)程度大小不同，應(yīng)結(jié)合所要緩解熱島效應(yīng)的季節(jié)，選取貢獻(xiàn)程度大的指標(biāo)進(jìn)行形態(tài)優(yōu)化調(diào)整，從而提高調(diào)整策略的有效性。本文仍存在以下局限：地表溫度數(shù)據(jù)只有夏季白天，缺乏夜晚的數(shù)據(jù)，因此所得結(jié)論僅適用于白天的城市熱環(huán)境優(yōu)化，這也是本文需要進(jìn)一步深入分析的問題。