高月靜 趙敬源 GAO Yuejing, ZHAO Jingyuan

0 引言

在全球氣候變暖與快速城鎮(zhèn)化的雙重脅迫下，高溫?zé)崂?、干旱暴雨、霧霾污染等極端天氣事件在各大城市頻繁發(fā)生[1]。2022年全球風(fēng)險報告明確指出，極端天氣事件已成為我國當(dāng)前社會發(fā)展面臨的“頭號自然風(fēng)險”，預(yù)計未來出現(xiàn)頻率更高，持續(xù)時間更長，對人類社會造成的危害更強。與其他極端天氣類似，高溫?zé)崂俗鳛榘l(fā)生概率高、影響范圍廣、風(fēng)險危害大的主要天氣災(zāi)害，其對居民健康造成的負面影響有目共睹[2-3]。若任由災(zāi)害肆虐，城市高溫風(fēng)險將持續(xù)上升，越來越多的人將承受全球熱效應(yīng)、瘧疾、登革熱和其他熱相關(guān)疾病的威脅[4-5]。因此，如何有效遏制城市熱環(huán)境進一步惡化，提高城市的熱安全性及熱舒適性，最大限度地保證居民健康，已成為當(dāng)前城市高質(zhì)量發(fā)展過程中亟需解決的關(guān)鍵議題。

城市形態(tài)作為人類賴以生存的物質(zhì)環(huán)境的外在表現(xiàn)，其與熱環(huán)境的關(guān)系密不可分[6]。不同的形態(tài)布局方式直接決定著區(qū)域內(nèi)的地表得熱量、蓄熱量和蒸發(fā)量，決定著區(qū)域內(nèi)水平風(fēng)場和縱向氣流場的分布。具體而言，城市形態(tài)在二維結(jié)構(gòu)的轉(zhuǎn)變及三維方向的拓展顯著影響了區(qū)域熱量的集聚程度，在城市化進程中內(nèi)部大量建筑物和道路等高蓄熱體持續(xù)散熱、交通熱排放、以及人為熱排放等[7]，使地表與大氣環(huán)境間的熱交換與空氣流動發(fā)生改變，進而影響城市內(nèi)的局地?zé)岘h(huán)境，造成了城市建成區(qū)溫度明顯高于周圍郊區(qū)的微氣候現(xiàn)象[8-9]。因此，加強形態(tài)要素對熱環(huán)境的影響機理認知，合理優(yōu)化城市形態(tài)可有效化解熱環(huán)境與建成環(huán)境之間的矛盾，緩解城市熱島效應(yīng)，實現(xiàn)區(qū)域內(nèi)的“良性微循環(huán)”。

目前，學(xué)界對熱環(huán)境與形態(tài)要素間的相互關(guān)系已進行了諸多研究，主要依托表征形態(tài)要素的各個指標(biāo)為研究媒介展開[10-12]。如眾多學(xué)者聚焦于土地利用覆被變化對城市熱環(huán)境的影響機理，基于空間統(tǒng)計分析建立不透水地表覆蓋度、植被覆蓋率、歸一化植被指數(shù)、建設(shè)用地規(guī)模等二維平面參數(shù)與地表溫度（land surface temperature, LST）間的數(shù)學(xué)模型，發(fā)現(xiàn)以LST表征的城市熱場分布與地表覆被變化高度相關(guān)[13-14]。然而，快速的城市化進程使城市三維空間形態(tài)也發(fā)生了巨大變化，因此部分學(xué)者進一步關(guān)注容積率、建筑高度、天空開闊度等三維空間形態(tài)參數(shù)與LST的互動關(guān)系，發(fā)現(xiàn)高層低密度更有利于局地?zé)崃肯蛲鈹U散[15-17]。此外，也有部分學(xué)者利用景觀生態(tài)學(xué)方法，引入景觀格局指數(shù)（如斑塊類型總面積、斑塊數(shù)量、最大斑塊指數(shù)、斑塊蔓延度、香農(nóng)多樣性指數(shù)等），剖析土地景觀格局對城市熱環(huán)境的影響過程[18-19]。

盡管上述研究為深入剖析空間形態(tài)要素影響局地?zé)釄龅於艘欢ɑA(chǔ)，但其在認知層及方法論上仍有待進一步完善。首先，現(xiàn)有研究多從單一形態(tài)要素入手，缺乏從二維平面—三維空間—景觀格局多維度系統(tǒng)化的視角分析熱環(huán)境成因；其次，其研究方法主要采用相關(guān)性分析、最小二乘回歸等拉樣線式的簡單數(shù)據(jù)分析，缺少對各指標(biāo)貢獻度的深度解析；此外，現(xiàn)有研究尺度多集中于城市、行政轄區(qū)及標(biāo)準(zhǔn)化網(wǎng)格，對大量現(xiàn)實街區(qū)的綜合考量較為欠缺[20]，導(dǎo)致研究的科學(xué)性及應(yīng)用性極大降低。

基于此，本研究將切入點聚焦于街區(qū)尺度，以西安市主城區(qū)410個控制性詳細規(guī)劃管理單元（以下簡稱“管理單元”）為研究對象，通過對遙感數(shù)據(jù)、建筑矢量數(shù)據(jù)、谷歌地圖數(shù)據(jù)等多源城市空間數(shù)據(jù)的挖掘，系統(tǒng)從二維平面、三維空間、景觀格局三個維度量化街區(qū)建成環(huán)境的形態(tài)要素，定量揭示西安市熱環(huán)境時空效應(yīng)及其與形態(tài)要素的耦合關(guān)聯(lián)規(guī)律，并提出一種基于主成分回歸的街區(qū)熱環(huán)境貢獻度算法，厘清各類指標(biāo)對街區(qū)熱環(huán)境的影響程度及單獨貢獻。研究結(jié)果以期為優(yōu)化街區(qū)形態(tài)改善局地?zé)岘h(huán)境，豐富后疫情時代城市氣候韌性規(guī)劃的新維度提供前沿性的理論支撐和設(shè)計依據(jù)。

1 研究區(qū)域與數(shù)據(jù)源

1.1 研究區(qū)概況

西安位于黃河流域關(guān)中平原中部，北緯33°39′—34°45′，東經(jīng)107°40′—109°49′，東西最長204 km，南北最寬116 km，全市面積約9 983 km2，其中市區(qū)面積約1 066 km2[21-22]。全年雨量適中，雨熱大體同期，濕度冬低夏高，南部山脈阻擋了北上的冷空氣，加之地處背風(fēng)坡易形成焚風(fēng)效應(yīng)，導(dǎo)致夏季炎熱程度高且持續(xù)時間長。據(jù)相關(guān)氣象資料顯示，2016年西安在34個省會城市中的熱環(huán)境問題位列第七，在北方城市中位居第一；2017年，西安市35 ℃以上天數(shù)達45天，40 ℃以上的天數(shù)達12天，連續(xù)大于40 ℃的高溫天數(shù)創(chuàng)下歷史新高[4]。當(dāng)前西安市的高溫天氣日趨嚴重，有必要深入探討其熱環(huán)境的分異規(guī)律。本研究選取西安市主城區(qū)內(nèi)410個管理單元為研究范圍，總面積約為606.83 km2（圖1）。該范圍聚焦于城市居民活動的主城區(qū)范圍，包含西安市大部分建成區(qū)，街區(qū)形態(tài)類型豐富多樣。此外，管理單元作為城市規(guī)劃編制管理的最小空間單元既滿足了研究尺度的要求，又有利于后期與規(guī)劃編制對接，為后續(xù)全面落實管控街區(qū)形態(tài)應(yīng)對夏季高溫災(zāi)害提供決策支持。

圖1 研究區(qū)位圖Fig.1 location of study area

1.2 數(shù)據(jù)來源

本研究選取西安市2000年5月20日、2005年6月16日、2010年6月17日、2016年6月17日、2019年6月5日共五景Landsat 5和Landsat 8衛(wèi)星遙感影像，該數(shù)據(jù)來源于美國地質(zhì)調(diào)查局（USGS）。選取上述影像的原因主要有：第一，Landsat影像為目前開源遙感數(shù)據(jù)中分辨率最高的類型；第二，上述影像數(shù)據(jù)云量均小于0.03%，尤其在研究區(qū)域上空云量為0，即無云層覆蓋，且影像的成像時間均為白天上午11∶00左右；第三，成像時間內(nèi)西安市天氣狀況穩(wěn)定，以晴或多云為主，前一天無降雨且風(fēng)速較小，整體熱環(huán)境未受到降雨刮風(fēng)等影響。

西安市主城區(qū)建筑矢量數(shù)據(jù)為OpenStreetMap所爬取2019年的三維建筑數(shù)據(jù)（含建筑輪廓、層數(shù)信息），本文結(jié)合Google Map影像，增加原圖中缺失建筑并刪除實際中已拆除建筑對建筑數(shù)據(jù)進行修正，進而在ArcGIS中通過矢量配準(zhǔn)獲得所需建筑數(shù)據(jù)。此外，管理單元范圍數(shù)據(jù)來源于西安市城市規(guī)劃設(shè)計研究院所編制的西安市控制性詳細規(guī)劃。

2 研究方法

2.1 地表溫度反演

本研究利用遙感影像的熱紅外波段，采用大氣校正法反演得到地表溫度。該方法是從衛(wèi)星傳感器所觀測的熱輻射總量減去大氣對地表熱輻射的影響，得到地表熱輻射強度，進而將其轉(zhuǎn)化為相應(yīng)的地表溫度[23]。具體步驟如下：

式中，B(Ts)為黑體輻射亮度；Ts為地表溫度；L↑為大氣上行輻射亮度；L↓為大氣下行輻射亮度，K1、K2為常量。

需要注意的是，在進行地表溫度反演前先利用ENVI 5.3對遙感影像進行幾何糾正、裁剪、輻射校正等數(shù)據(jù)預(yù)處理。同時，為保證反演結(jié)果的準(zhǔn)確性，本研究選取當(dāng)天氣象站點所獲取的實測氣溫數(shù)據(jù)與反演溫度進行精度驗證，整體而言地表溫度與監(jiān)測站空氣溫度的變化趨勢基本一致，擬合優(yōu)度R2為0.79，表明利用熱紅外遙感數(shù)據(jù)反演的地表溫度與氣象站點觀測的空氣溫度之間具有良好的一致性，反演精度較高，與實際情況基本吻合。

2.2 地表熱環(huán)境量化指標(biāo)

為量化研究區(qū)熱環(huán)境狀況，本研究除采用常用的熱島強度指標(biāo)（urban heat island intensity, UHII）外，還引入最高熱島升溫值（UHIImax）、熱島升溫總量（T）兩個指標(biāo)從多角度綜合測度并描述熱島效應(yīng)（表1）。目前熱島強度的評估計算方法尚未形成統(tǒng)一標(biāo)準(zhǔn)，本研究依據(jù)熱島強度的基本定義，選取研究區(qū)外受城市干擾較小的代表性郊區(qū)，即研究區(qū)域外8個不同方向平均抽取的32個郊區(qū)農(nóng)村點，以其平均地表溫度作為基準(zhǔn)溫度，將大于基準(zhǔn)溫度的區(qū)域定義為熱島區(qū)域，小于基準(zhǔn)溫度的區(qū)域定義為冷島區(qū)域[24-25]。同時以每間隔3 ℃將熱島強度劃分5級，分別為一級熱島強度（0～3 ℃）、二級熱島區(qū)域（3～6 ℃）、三級熱島區(qū)域（6～9 ℃）、四級熱島區(qū)域（9～12 ℃）和五級熱島區(qū)域（＞12 ℃）。

表1 熱環(huán)境量化指標(biāo)Tab.1 quantitative index of thermal environment

2.3 形態(tài)要素量化指標(biāo)

本研究通過對既有文獻總結(jié)將形態(tài)要素歸納為二維地表覆蓋、三維空間組合和景觀格局特征三個層面。其中二維平面?zhèn)戎赜诮謪^(qū)的地表覆蓋狀況，綜合考慮研究需要及西安市現(xiàn)狀用地類型，將研究區(qū)下墊面劃分為以下4類：建設(shè)用地（C）、綠地（G）、水體（W）、裸土（S），主要指標(biāo)包括覆被占比類指標(biāo)及NDVI。該類指標(biāo)數(shù)據(jù)源為上文反演地表溫度的Landsat衛(wèi)星遙感影像，各指標(biāo)首先在ENVI 5.3中執(zhí)行監(jiān)督分類、波段計算，進而在ArcGIS 10.5中計算得到[4]，具體計算方法如表2所示。

表2 二維地表覆蓋指標(biāo)一覽表Tab.2 a list of two-dimensional land cover indicators

三維空間組合側(cè)重于建筑空間形態(tài)及其組合方式，考慮到數(shù)據(jù)的可獲取性將三維空間分為典型形態(tài)及特殊形態(tài)指標(biāo)2類。其中典型形態(tài)指標(biāo)為常見的規(guī)劃類指標(biāo)：容積率（FAR）、建筑密度（BD）、平均建筑高度（BH）；特殊形態(tài)指標(biāo)為天空開闊度（SVF）、建筑高度變異度（R）、孔隙率（P），具體指標(biāo)計算如表3所示。主要數(shù)據(jù)源為OpenStreetMap所爬取的2019年西安市建筑矢量數(shù)據(jù)，該類指標(biāo)在ArcGIS 10.5中計算得到[4]。

表3 三維空間組合指標(biāo)一覽表Tab.3 a list of three-dimensional space combination indicators

景觀格局特征則側(cè)重于反映各景觀斑塊的集聚趨勢、蔓延趨勢以及與綠地水體的混合狀態(tài)，考慮到指標(biāo)在既往文獻中出現(xiàn)的頻次及計算的方便性，根據(jù)研究目的從表征斑塊形態(tài)、結(jié)構(gòu)兩方面選取5個景觀格局指數(shù)，分別為類型水平上的形狀指數(shù)（LSI）、平均鄰近度（MPI）以及景觀水平上的蔓延度（CONTAG）、多樣性指數(shù)（SHDI）、均勻度指數(shù)（SHEI），該類指標(biāo)利用景觀格局分析軟件Fragstats 4.2計算得到[4]，具體計算方法如表4所示。

表4 景觀格局特征一覽表Tab.4 a list of landscape characteristic indicators

2.4 主成分分析

主成分分析法（principal component analysis, PCA）是數(shù)據(jù)分析中常用的降維歸類算法，其是對普通最小二乘回歸的改進，是在損失較少信息的前提下計算數(shù)據(jù)集的協(xié)方差矩陣，將多個指標(biāo)降維變換為幾個綜合指標(biāo)（即主成分），各主成分為原始變量的線性組合，且各種成分間互不相關(guān)[26]。需要指出的是，主成分分析只是主成分回歸的一個中間結(jié)果，而非目標(biāo)本身，本研究需進一步將得到的主成分與解釋變量間進行回歸，從而揭示多重因素共同影響下街區(qū)內(nèi)部熱環(huán)境差異的形態(tài)要素原因及各類指標(biāo)的貢獻度，該方法可有效規(guī)避自變量間存在嚴重共線性問題，提高傳統(tǒng)多元線性回歸的模型精度及分析效率，具體計算公式如下：

式中，Y為因變量；β1，β2，… ，βp為各個主成分的標(biāo)準(zhǔn)回歸系數(shù)；F1，F(xiàn)2,…,Fp為各主成分，表達式如下：

3 結(jié)果與分析

3.1 熱環(huán)境時空演化特征分析

圖2為2000年、2005年、2010年、2016年和2019年五期西安市地表溫度空間分布狀況，結(jié)果顯示，2000年高溫及以上區(qū)域主要集中于城市二環(huán)以內(nèi)，邊緣溫度普遍較低；隨著城市擴張，2005年以后高溫區(qū)不再整體密集，而是在城市外圍零星分布并逐漸融合擴大形成較易識別的熱點孤島區(qū)域；2019年區(qū)域內(nèi)地表溫度整體較高，高溫區(qū)開始在建成區(qū)內(nèi)連片式蔓延。對比五期地表溫度時序圖發(fā)現(xiàn)，西安市熱環(huán)境的延展方向與城市擴張方向基本保持一致，一般在高密度商業(yè)區(qū)、工業(yè)區(qū)等城市建成區(qū)內(nèi)表現(xiàn)為高溫，如城市中心的商業(yè)密集區(qū)域（鐘樓）、北部工業(yè)區(qū)、西部物流倉儲區(qū)、西南部工業(yè)區(qū)等；在城市公園、綠地水體內(nèi)表現(xiàn)為低溫，如大唐芙蓉園、曲江池、興慶宮公園、豐慶公園等。

圖2 2000—2019年西安市地表溫度空間分布圖Fig.2 spatial distribution of LST in Xi’an from 2000 to 2019

為準(zhǔn)確把握西安城市熱環(huán)境時空演變特征，本文分別統(tǒng)計各年地表溫度變化及熱島強度變化情況。從地表溫度變化上看，如圖3a所示，整個研究區(qū)2000年、2005年、2010年、2016年和2019年的平均地表溫度分別為34.02 ℃、34.70 ℃、36.78 ℃、37.68 ℃、41.31 ℃，最大地表溫度分別為50.30 ℃、51.23 ℃、53.64 ℃、57.40 ℃、59.96 ℃，最小地表溫度分別為21.75 ℃、23.02 ℃、22.10 ℃、24.54 ℃、27.02 ℃，整體溫度呈持續(xù)上升趨勢，若以平均地表溫度表征研究區(qū)域內(nèi)整體溫度狀況，2000—2019年溫度約上升了7.29 ℃。

圖3 2000—2019年西安市地表溫度變化及熱島強度變化情況Fig.3 variation of surface temperature and UHII in Xi’an from 2000 to 2019

從熱島強度變化上看，如圖3b所示，研究區(qū)2000年、2005年、2010年、2016年和2019年的平均熱島強度分別為6.99 ℃、7.74 ℃、7.26 ℃、7.58 ℃、10.14 ℃，最大熱島強度分別為23.27 ℃、23.79 ℃、20.60 ℃、27.3 ℃、28.79 ℃，熱島強度逐年遞增。若以平均熱島強度表征研究區(qū)各年份的整體狀況，2000—2019年熱島上升了3.15 ℃。圖3c為不同年份研究區(qū)熱島面積的變化情況，結(jié)果顯示，2000—2019年間研究區(qū)域內(nèi)熱島面積占比基本保持不變，維持在99.7%左右，究其原因是本文所選取的研究范圍為城市中心區(qū)不包括周圍郊區(qū)所致。進一步統(tǒng)計各年份的熱島升溫總量，發(fā)現(xiàn)升溫總量逐年遞增，從2000年7 752.52 ℃/km2上升至2019年11 244.36 ℃/km2。

圖3e為西安市2000—2019年不同熱島強度等級面積占比情況，結(jié)果顯示，2000年三級熱島強度面積最大，占比達43.57%；2005年熱島強度仍集中在三級，但面積占比有所上升，達54.59%；2010年四級熱島強度面積上升明顯，較2005年上升了10.01%；2016年四級熱島強度較2010年略有下降，但二級、三級熱島強度有所上升，占比達21.70%和50.11%；2019年熱島強度主要集中在四級，占比達46.70%，較2016年顯著上升，五級熱島面積較2016年占比上升了18.69%?？傮w來看，熱島強度等級雖在個別年份存在小幅波動，但整體上一級、二級熱島強度區(qū)逐年減小，四級、五級熱島強度區(qū)逐年增加，這進一步印證了研究區(qū)內(nèi)熱環(huán)境正逐年惡化。

3.2 形態(tài)特征分析

上文西安市5期熱環(huán)境分析結(jié)果顯示2019年熱島效應(yīng)最為明顯，因此本研究利用2019年數(shù)據(jù)在ArcGIS中分別統(tǒng)計各管理單元內(nèi)的平均地表溫度及街區(qū)形態(tài)要素指標(biāo)，其空間分布如圖4所示?？梢钥闯觯旱谝?，二維地表覆蓋指標(biāo)：該類指標(biāo)與城市內(nèi)下墊面類型強相關(guān)，其中建設(shè)用地在整個區(qū)域內(nèi)占比較高，各管理單元建設(shè)用地占比處于高位，且易在高密度區(qū)集聚，平均值為0.719，綠地占比、水體占比及裸土占比則相對較低，平均值分別為0.203、0.008、0.030，其中NDVI分布與研究區(qū)內(nèi)的綠地占比分布大體一致；第二，三維空間組合指標(biāo)：FAR、BD、BH基本呈現(xiàn)“內(nèi)高外低，外部局部隆起，沿軸帶延展”的空間分布特征，且易在城市主干道、快速路兩側(cè)出現(xiàn)高值。SVF、R、P反映了各街區(qū)內(nèi)的建筑組合特征，一般在中心區(qū)域的高開發(fā)強度建筑密集區(qū)表現(xiàn)為較高的粗糙度、較低的天空開闊度和孔隙率，而在研究區(qū)邊緣表現(xiàn)為較低的建筑高度變異度、較高的天空開闊度和孔隙率；第三，景觀格局特征指標(biāo)：MPI、LSI、CONTAG、SHDI、SHEI總體反映了研究區(qū)內(nèi)景觀的組合特征及分布狀況，可以看出其類型水平上的景觀格局指數(shù)分布與研究區(qū)土地利用類型高度吻合。

3.3 形態(tài)要素對地表熱環(huán)境的影響評估

3.3.1 形態(tài)要素與地表熱環(huán)境相關(guān)性分析

本節(jié)利用ArcGIS 10.5的空間統(tǒng)計功能獲取各管理單元的平均地表溫度值及各形態(tài)要素指標(biāo)值，將數(shù)據(jù)進行相關(guān)性分析，結(jié)果如圖5所示?？梢钥闯觯⒎撬兄笜?biāo)均與地表溫度顯著相關(guān)，且部分變量間存在顯著的共線性問題。具體而言，二維地表覆蓋指標(biāo)中，建設(shè)用地占比、綠地占比、水體占比、裸土占比、NDVI與LST均在99%水平上顯著相關(guān)（P＜0.01），其中建設(shè)用地占比、裸土占比與地表溫度顯著正相關(guān)，綠地占比、水體占比、NDVI與LST顯著負相關(guān)，表明建設(shè)用地及裸土對城市具有增溫作用，綠地、水體對于城市具有降溫作用，這與現(xiàn)有研究結(jié)果一致[27]。三維建成環(huán)境指標(biāo)中發(fā)現(xiàn)僅FAR、BD、SVF通過了顯著性檢驗，其中BD、SVF在99%水平上顯著相關(guān)（P＜0.01），F(xiàn)AR在95%上水平上顯著相關(guān)（P＜0.05），其余3個指標(biāo)與LST相關(guān)性較低，均未通過顯著性檢驗，相關(guān)系數(shù)均小于0.1，說明其與地表溫度的關(guān)聯(lián)性均不強，映射關(guān)系模糊。

圖5 形態(tài)指標(biāo)與地表溫度相關(guān)性分析圖Fig.5 Pearson’s correlation between morphological indicators and LST

景觀類型水平上的格局指標(biāo)除裸土的MPI、LSI與地表溫度無顯著相關(guān)外，其余指標(biāo)均與地表溫度顯著相關(guān)，究其原因在于研究區(qū)內(nèi)裸土所占比例小，樣本量低，且理論上裸地對溫度的作用弱于其他三類景觀類型[28]。建設(shè)用地類型的MPI呈顯著負相關(guān)、LSI呈顯著正相關(guān)（P＜0.05），表明建設(shè)用地作為影響地表溫度的主要景觀類型，其景觀斑塊分布越集中，形狀越復(fù)雜，平均地表溫度越高[29]；而綠地、水體類型則相反，其MPI呈顯著正相關(guān)、LSI呈顯著負相關(guān)（P＜0.01），表明綠地景觀斑塊分布越集中，形狀越復(fù)雜，其所產(chǎn)生的降溫效果更好，周圍平均地表溫度越低[24]。相較而言，選取的3個景觀水平的景觀格局指數(shù)與LST均具有較強相關(guān)性（P＜0.05），其中CONTAG與LST呈顯著正相關(guān)，SHDI、SHEI與LST呈顯著負相關(guān)。一般而言，CONTAG越高表明斑塊的蔓延性越好，連通性增加，而本研究區(qū)內(nèi)以建設(shè)用地的高溫區(qū)為主，其由于蔓延度的增加，使得高溫?zé)崃磕芨玫叵蛑苓厒鬟f，導(dǎo)致地表溫度升高[30]；SHEI和SHDI越大，則說明景觀多樣性越豐富，地表溫度越低[24]。

3.3.2 形態(tài)要素貢獻度排序及權(quán)重分配

本節(jié)將上述與地表溫度不相關(guān)的形態(tài)指標(biāo)剔除，將剩余指標(biāo)寫入主成分分析模型，KMO及巴特利特檢驗結(jié)果顯示，KMO為0.691，大于0.5，且顯著性為0，表明變量間的相關(guān)性較強，偏相關(guān)性較弱，主成分分析的效果較好。圖6為主成分分析的特征根貢獻率，其中前4個主成分特征根大于1，方差累計貢獻率為75.28%，包含了所有原始變量約75%的信息量，為反映影響街區(qū)熱環(huán)境的主要因子。

圖6 主成分分析特征根貢獻率Fig.6 characteristic root and contribution rate of principal components

圖7為主成分分析結(jié)果，結(jié)果顯示，第一主成分主要為景觀斑塊（建設(shè)用地、綠地等）的集聚蔓延趨勢、形態(tài)結(jié)構(gòu)特征及地表覆被狀況（即下墊面性質(zhì)）等對熱環(huán)境的影響，其中SHDI、SHEI、MPI_G為得分最大的三個指標(biāo)，其值依次為0.934、0.909和0.849；第二主成分主要反映了建設(shè)強度對熱環(huán)境的影響，其指標(biāo)主要包括FAR、LSI_W、BD，得分分別為0.733、0.679和0.628；第三主成分反映了水體空間分布對熱環(huán)境的影響，主要指標(biāo)為WR、MPI_W，其得分為-0.746、-0.689；而第四主成分則主要為裸土及建筑空間組合對熱環(huán)境的影響，其中SR、SVF系數(shù)得分較高，分別為0.571、-0.417。

圖7 主成分分析Fig.7 principal component analysis

為比較各主成分不同量綱指標(biāo)間的作用程度，本文進一步對特征根大于1的四個主成分進行最小二乘回歸，結(jié)合主成分得分系數(shù)矩陣、主成分回歸模型，以及上述17個指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)，得到原始變量的回歸方程，如式5所示：

其中，X1為建設(shè)用地占比，X2為綠地占比，X3為水體占比，X4為裸土占比，X5為NDVI，X6為容積率，X7為建筑密度，X8為SVF，X9為MPI建設(shè)用地，X10為MPI綠地，X11為MPI水體，X12為LSI建設(shè)用地，X13為LSI綠地，X14為LSI水體，X15為CONTAG，X16為SHDI，X17為SHEI。

由式5可以看出，建設(shè)用地占比、建筑密度的正向影響較為突出，貢獻度分別為0.658、0.319，綠地占比、MPI綠地、SHEI、NDVI的負向影響較為明顯，貢獻度分別為-0.718、-0.574、-0.508、-0.468，表明綠地對地表溫度具有明顯抑制作用。若將總權(quán)重和定為1，根據(jù)每個指標(biāo)因子貢獻度的絕對值進行權(quán)重分配，并將屬于同一類別的空間形態(tài)指標(biāo)進行疊加計算得到各類空間指標(biāo)的權(quán)重和（圖8）。結(jié)果顯示，二維地表覆蓋、類型水平景觀格局權(quán)重占比最大，分別為36.64%、35.50%；其次為景觀水平景觀格局，占比為18.47%；三維空間組合對地表溫度的影響程度最弱，僅占9.39%。

圖8 影響街區(qū)熱環(huán)境的空間形態(tài)指標(biāo)貢獻度排序與權(quán)重分配示意圖Fig.8 schematic diagram of spatial morphological index contribution ranking and weight distribution affecting block thermal environment

以上研究結(jié)果表明，以不透水面為主的建設(shè)用地持續(xù)增加是引起熱島效應(yīng)的主要誘因，其對街區(qū)熱環(huán)境具有正向促進作用，而綠地和水體作為城市冷源具有一定的負向減弱作用，可抑制熱環(huán)境惡化[16]。從三維建成環(huán)境看，建筑高度與地表天空開闊度對熱環(huán)境的貢獻整體較低，這可能與本文所選取的熱環(huán)境指標(biāo)為地表溫度，其更多反映的是二維平面的熱環(huán)境有關(guān)[28]。從景觀格局看，類型水平的貢獻度要高于景觀水平的貢獻度，具體表現(xiàn)為建設(shè)用地和裸地的景觀斑塊越集中、連通度越好、形狀越復(fù)雜，更易加劇街區(qū)熱環(huán)境；綠地和水體則相反，其斑塊越集中，形狀越復(fù)雜產(chǎn)生的降溫效果更好，更能緩解局地?zé)岘h(huán)境。

因此，若要緩解夏季高溫化問題首先應(yīng)對各類地表覆蓋及其構(gòu)成的景觀格局進行調(diào)控，盡可能降低研究區(qū)內(nèi)的建筑覆蓋占比，并充分發(fā)揮綠化水體的降溫效果。具體而言，應(yīng)在保持維護原有自然生態(tài)系的公園、綠地、河道、濕地等基礎(chǔ)上，降低硬化地表（如建筑、道路等）覆蓋，適量增加植被覆蓋[26]，有條件還可增加水體覆蓋面積；并通過將綠地水體集中化、邊界不規(guī)則化、均勻化等方式促進地表高低壓區(qū)之間的大氣流通[24]，提高綠地水體的降溫效果；另外，應(yīng)優(yōu)化城市空間結(jié)構(gòu)形態(tài)，合理規(guī)劃城市內(nèi)建筑布局與排列組合方式，控制城區(qū)建筑物高密度發(fā)展，適當(dāng)鼓勵低密度開發(fā)模式，優(yōu)化調(diào)控能耗布局，積極引導(dǎo)城市通風(fēng)廊道及氣候適應(yīng)性規(guī)劃建設(shè)。

4 結(jié)論

本研究選取西安市主城區(qū)為研究對象，從二維平面、三維空間、景觀格局三個維度系統(tǒng)梳理影響地表熱環(huán)境的形態(tài)要素，利用多源城市數(shù)據(jù)挖掘計算所涉及的指標(biāo)值，結(jié)合數(shù)理統(tǒng)計中雙變量相關(guān)性分析及主成分回歸對形態(tài)要素與地表熱環(huán)境進行關(guān)聯(lián)性分析，定量揭示多指標(biāo)共同影響下形態(tài)要素對局地?zé)岘h(huán)境的綜合作用及各指標(biāo)的貢獻率，其主要結(jié)論如下。

一是2000—2019年西安市熱島呈現(xiàn)由中心向周邊連片式蔓延的特點，一般高溫區(qū)為城市中心的商業(yè)密集區(qū)域（鐘樓）、北部工業(yè)區(qū)、西部物流倉儲區(qū)、西南部工業(yè)區(qū)等，低溫區(qū)為城市公園、綠地水體周邊，總體而言，西安市熱環(huán)境的延展方向與城市擴張方向基本吻合。

二是2000—2019年研究區(qū)內(nèi)平均溫度上升7.29 ℃，平均熱島強度上升3.15 ℃，約99.7%為熱島區(qū)，總升溫量從2000年的7 752.52 ℃/km2上升至2019年的11 244.36 ℃/km2，其中四級、五級熱島強度區(qū)逐年遞增，一級、二級熱島強度區(qū)逐年減小，整體升溫效果顯著，熱島效應(yīng)不斷增強。

三是相關(guān)性分析表明除BH、P、R、MPI_S、LSI_S外，其余指標(biāo)均與地表溫度存在顯著相關(guān)關(guān)系。進一步通過主成分回歸揭示多因素共同影響下形態(tài)要素對局地?zé)岘h(huán)境的綜合作用機理，發(fā)現(xiàn)CR、BD兩個指標(biāo)的正向影響較為突出，貢獻度分別為0.658、0.319，而綠地對地表溫度的抑制作用十分顯著，負向影響較大的指標(biāo)分別為GR、MPI_G、SHEI、NDVI，貢獻度分別為-0.718、-0.574、-0.508、-0.468。各類形態(tài)要素指標(biāo)權(quán)重占比排序依次為：二維地表覆蓋（36.64%）＞類型水平景觀格局（35.50%）＞景觀水平景觀格局（18.47%）＞三維空間組合（9.39%）。

本研究旨在探索建成環(huán)境中的形態(tài)要素與熱環(huán)境間的量化關(guān)聯(lián)規(guī)律，所提出的基于主成分回歸模型的熱環(huán)境貢獻度算法能夠在一定程度上實現(xiàn)地表熱環(huán)境變化的歸因分析，研究結(jié)論可為西安市氣候適應(yīng)性規(guī)劃、街區(qū)形態(tài)優(yōu)化等方面提供理論和數(shù)據(jù)支撐。但由于資料及數(shù)據(jù)獲取的限制，后續(xù)還需對形態(tài)指標(biāo)體系進行完善，如增加距主要冷熱源（工業(yè)、道路、水體、公園等）的距離指標(biāo)、人為排熱量指標(biāo)、地形地貌指標(biāo)等，同時引入數(shù)值分析模擬不同情景方案，篩選優(yōu)化相關(guān)參數(shù)并確定其合理閾值，形成城市熱島的預(yù)警機制及減輕熱島的形態(tài)策略，以完善熱環(huán)境效應(yīng)的影響因素及形成機理。

圖表來源：

圖1-8：作者繪制

表1：根據(jù)葉彩華, 劉勇洪, 劉偉東, 等. 城市地表熱環(huán)境遙感監(jiān)測指標(biāo)研究及應(yīng)用[J]. 氣象科技, 2011, 39(1): 95-101.；黃亞平, 盧有朋, 單卓然,等. 武漢市主城區(qū)熱島空間格局及其影響因素研究[J]. 城市規(guī)劃, 2019,43(4): 41-47.整理繪制

表2：根據(jù)ESTOQUE R C, MURAYAMA Y, MYINT S W. Effects of Landscape Composition and Pattern on Land Surface Temperature: An Urban Heat Island Study in the Megacities of Southeast Asia[J]. Science of The Total Environment, 2017, 577: 349-359.；沈中健, 曾堅. 廈門市熱島強度與相關(guān)地表因素的空間關(guān)系研究[J]. 地理科學(xué), 2020, 40(5): 842-852.整理繪制

表3：根據(jù)周偉奇, 田韞鈺. 城市三維空間形態(tài)的熱環(huán)境效應(yīng)研究進展[J].生態(tài)學(xué)報, 2020, 40(2): 416-427.；沈中健, 曾堅. 廈門市熱島強度與相關(guān)地表因素的空間關(guān)系研究[J]. 地理科學(xué), 2020, 40(5): 842-852.整理繪制

表4：根據(jù)黃曉軍, 宋濤, 王博, 等. 土地利用規(guī)?！Y(jié)構(gòu)—形態(tài)演變對城市熱環(huán)境的影響——以西安市主城區(qū)為例[J]. 地理科學(xué), 2022, 42(5): 926-937.；譚凝, 陳天, 李陽力. 天津市城市藍綠空間景觀格局與熱環(huán)境的關(guān)聯(lián)研究[J]. 西部人居環(huán)境學(xué)刊, 2023, 38(2): 115-120.整理繪制