高密度城区的城市热岛更强吗以为例

高密度城区的城市热岛更强吗?——以重庆市渝中区为例谢雨丝，，:用（LTPSS分析STLTT.5，STDoesHigherDensityCauseStrongerUrbanHeatIsland？ACaseStudyinYuzhongDistrict,ChongqingCity:Intherapidurbanizationprocess,urbanheatisland(UHI)ismoreandmoreobviousinlargecity.InordertorevealtheimpactofurbanbuiltenvironmentonUHIandthepotentialrelationshipsbetweenthem.ThisresearchtakesYuzhongdistrictlocatinginthecoreofChongqingcityasanexample,extractingseveraldensityfactorsofbuiltenvironmentbythespatialysistoolsofArcGIS.Landsurfacetemperatures(LST),skyviewfactor(SVF),urbansurfaceroughness(USR),buildingsurfacearea(BSA),urbanconstructionindexesandpopulationdensity(PD)areallusedasinputstotheysesinSPSS.ThenamultipleregressionmodelbetweenLSTandthesedensityfactorswastriedtobeestablished.TheresultsshowthatthereexistastrongcorrelationbetweenLSTandBD,amoderatecorrelationbetweenLSTandSVF,USRandonlyaweakcorrelationbetweenLSTandPD,FAR.Bythemethodofstepwiseregression,asignificantmultiplelinearregressionmodelwasestablishedbetweenLSTandBD,SVFandUSRwiththesatisfactoryR2(0.85)presentingastronglyexnatoryandpredictiveability.ThemodelhasshownthatBDhasthestrongesteffectonLST,whichmeansthatforhigh-densityurbanareasthewarmingeffectofhighBDmayoffsetsthecoolingeffectoflowSVFandhighUSRonsomeextent.Itmakeshigherdensityareatemperaturehigher.:UrbanHeatIsland,UrbanDensity,SkyViewFactor,BuildingDensity,Chongqing过去20余年，中国的城镇化经历了高速的增长，城市中心区高密度化趋势显著。大量研究认为，高密度的城市建设是造成环境质量下降，加剧城市热岛的主要原因13]；例如，Oke早在1979[4]。其后大量的影响，并证明了高密度的城市环境与热岛之间存在正相关关系[59。然而，随着城市热岛研究技术的发展和高密度区建设情况的多样化，与传统认识不同至全然相反的研究结论相继出现。例如，BrianStone通过对不同住区的大量数据统计发现，相较于低密度住区，高密度住区的城市热岛反而较弱[10]；Bourbia和Boucheriba针对于建筑差异对城市不同密度区测温，发现越大的建筑其周边温度越低[11]；类似地，Shashua-Bar等人通过对不同围合程度的城市空间测温，同样得出围合程度较好的高密度区域温度更低[12]； mmad等人还利用城市形态模型将城市形态与城市温度的关系进行了量化研究，进一步得出紧凑的围合式建筑布局能够有效应对城市热岛[13]。各类研究结当前城市密度与城市热岛关系的研究案例较少涉及山地城市。重庆市是山地城市的典型代表，随着近些年的快速发展，城市热岛现象十分显著[14]。本文正是基于此，分析山地城市合理选择和配置城市建设密度及其分区，从上应对城市热岛效应。数据与方法研究区域渝中区处重庆西南部，长江、嘉陵江汇流处，为一东西向狭长(图1)。受山地地形可达36~50%，主城区平均风速不超过3m/s[15]。本文研究区为渝中区的陆地部分，面积总建筑面积约3.4×107m2，建筑的密集位居前列。1Fig.1Study资料来源：作者自数据来源与处理LST）是研究城市热岛的重要数据源[16-,17,18]，它基于Landsat8遥感影像的第10波段反演得到的，其基本过程可参考文献[19]。遥感影像来自http t，成像时间是2014120m反演得到地表温度如图2。通过查阅历史天气记录发现，当天的天气记录为：晴，空气温度为29℃～40℃，与地表温度具有较好的一致性。2渝中区地表温度（LST）的空间分Fig.2SpatialdistributionoflandsurfacetemperatureretrievedfromLandsatinstudy资料来源：笔者自其他数据主要包括街道、社区、管理网格的人口统计数据，土地利用现状图，建设现状图，渝中区控制性详细规划图、数字高程模型DEM，以及渝中区的经济、城建统计资料。衡量城市高密度的常用指标是建筑密度和人口密度，而随着城市密度研究的不断深入，城市空间形态、城市肌理与材质和气候特征等要素也被逐步纳入城市密度的衡量体系当中[20-21,22]，使得城市密度的评价指标逐渐完善。因此，城市密度评价指标应该包含形态因子、建设强度因子和社会环境因子。参考Sewart建立的局地气候区（localcliaezones）指标体系[3，考虑山地城市的特殊性、渝中区的区位特征，并结合数据的可获得性，选择以下3类共7个具体的指标(表1)。形态因子指标：天空开阔度(Skyviewfactor,SVF)、地表粗糙度(Urbansurfaceroughness,USR)和建筑表面积(Buildingsurfacearea,BSA)。和绿化覆盖率(GreeningRatio,GR)社会环境因子指标：人口密度(PopulationDensity,PD)1城市密度各因子及其提Tab.1Urbandensityindexesandtheirsextraction定地表受到周围凸起的地能看到的天穹部分与天辨率为2m，利用光线追踪法计算(Janos24次，总模拟光线由城市人工建筑表(其中反映了人动的空研究方法合适的研究尺度，对于准确把握热岛与城市密度之间的关系有重要影响。研究发现[25]，在多集中在200-600m的中等尺度[26,27]。在450m的空间尺度上，城市主要环境要素的空间自相关对统计的影响较小，研究结果更为理想[28]450m作为分析城市密度因子对LST影响机理的空间尺度。将整个渝中区划分为高、中、低3种城市密度类型，约90个450m×450m的网格。再在3个不同等级的城市密度分类中分别选取城市密度特征更为显著的空间样本，基于该样本分析城市密度与LST的相关性。利用SPSS计算各城市密度因子与LST之间的Pearson相关性，并在分层取样的基础上，分析单个城市密度因子对热岛的作用过程及规律，进而尝试构建LST与多个因子间的多元城市密度因子的空间分布特点形态因子指标渝中区天空开阔度（SVF）空间分布情况见图3，为更清楚地观察不同城市密度区城市形态影响下的SVF的差异，选取大坪、鹅岭、菜园坝、七星岗、解放碑，共5处典型区域局部放大。鹅岭及嘉陵江沿江部分区域，由地形高差较大形成视线遮挡，导致局部天空开阔度很低。除此之外，整个渝中区SVF的分布差异并不十分明显。其中，建筑紧凑同时内部路网等级又较低的城市老旧社区SVF偏低，以图3d的七星岗选区较为突出。而林立的城市商务中心，由于宽敞的城市广场及路网提供了一定的空地，城市空间相对舒朗，SVF相对不低，如图3e的解放碑选区。相比之下，SVF最高的区域，通常是城市交通枢纽区或是大规模的城市广场、面积较大的建设中用地，如作为区域轨道枢纽的菜园坝（图3c。3天空开阔度的空Fig.3Spatialdistributionofskyviewfactorinstudy资料来源：笔者自重庆CBD的极核区，形成了高密度的城市空间形态，该区域USR和BSA两项指标均明显高于其他。西部的石油路、大坪以及化龙桥西北区域，由于分别建设有龙湖时代天街、下，化龙桥片区，菜园坝等区域由于城市建设量低，展现较为分散疏松的城市空间布局。ab4形态因子的空间分Fig.4Spatialdistributionofurbanformfactorsinstudyarea(a.地表粗糙度;b.建筑表面积)(a.Urbansurfaceroughness;b.Building建设强度因子指标

资料来源：笔者自渝中区建筑强度呈现出明显的东强西弱趋势（图5。解放碑区域的建筑密度、容积率较其他区域明显高出很多，而绿化覆盖率几乎为0，这进一步体现解放碑高密度的建成环境特染、缓解热岛效益起到重要作用。abc5建设强度的空间分Fig.5Spatialdistributionofbuildingconstructionindexinstudy（a.建筑密度b.容积率c.绿化覆盖率(a.Buildingdensity;b.Floorarearatio;c.Greening资料来源：笔者自社会环境因子指标6人口密度空间分Fig.6Spatialdistributionofpopulationdensityinstudy资料来源：笔者自综合7、人动量较大，是典型的高密度建成环境。然而，七星岗、大溪沟内部存在的有的低密度区域。分层取样采用分层取样法选取样本，样本大小为450m×450m，采样过程基本遵循以下原则：1）不同城市密度等级的空间样本尽量具有代表性；2）随机选取样本，尽量使其在空间上不相3尽量使样本均匀分布于研究范围内；4城市低密度区样本的土地利用类型尽量以绿地或低层居住为主；高密度样本的土地利用类型尽量以商业和居住为主（图7。采样前后的城市密度因子与LST的相关性统计量及相关系数显著性水平见表2。2分层前后各因子与LST的相关性系 Tab.2CorrelationcoefficientbetweeneachfactorandLSTbeforeandafterstratified 数----Fig.7Stratifiedsamplesinstudyareabasedon450-meterspatial资料来源：笔者自分层取样后，各城市密度因子与LST之间的相关性都有显著上升。除建筑表面积、绿化覆盖率与LST的相关性不显著之外，其余各城市密度因子与LST之间均有显著的强相关或中等相关。其中，天空开阔度、地表粗糙度以及建筑密度与LST的相关性最强，容积率和人口密度次之。各城市密度因子对LST的作用过程和作用程度并不相同。下文将进一步分析各因子对地表温度的影响作用。城市密度因子对 的影响机理分析天空开阔度对LST的影响SVF与LST的相关系数为0.521（p<0.01，两者存在显著的较强正相关关系（图8。SVF越大，城市空间越开敞，受辐射的时间会更长，气温相对较高。城市中除绿地以外的开敞空间，多为庞大的交通系统（交通枢纽站、宽马路、立交桥等，开发建设中露的多的辐射。因此，城市开敞空间的气温较高，通常形成区域热岛中心。Fig.8ScatterplotbetweenSVFand资料来源：笔者自以七星岗一处地为例（图9，区域有多条道路穿过并设有交通站点，人口流动量大。同时中部开敞区域为建设施工中的城市公共设施用地，地表植被覆盖率很低，环境开敞，SVF最高值可以达到1.00。在高强度的辐射下，水分很快蒸发，带走小部分热量后地表温度升高，区域平均LST达到4263℃，是城市中明显的热岛中心。图9七星岗图及天空开阔Fig.9Skyviewfactorin资料来源：笔者自量的散发[30]。源于这种双向的复杂作用机理，LST与SVF之间的线性回归模型尽管显著，但是R20.271，不具有预测能力。地表粗糙度对LST的影响LSTUSR的相关系数为-0.529（p<0.01（10。建设量低，生态环境较好。如嘉陵江、长江沿江区域及鹅岭城市公园等山地地形区（图4a。由于植被和水体具有天然的降温作用，这也影响地表粗糙度对LST的起负向的削弱作用。与天开阔度类似，尽管USR与LST的一元线性回归模型及其系数均显著，然而拟合优度R2仅0.28，也不足以单独预LST。10地表粗糙度与地表温度关Fig.10ScatterplotbetweenUSRand资料来源：笔者自建筑表面积对LST的影响建筑表面积与LST的相关性不显著，主要源于两方面的因素。一方面，不同建筑单体使用的建筑材料、建筑外墙颜色、开窗率，建筑朝向乃至建筑与方位角的关系等均可能存在差异，导致建筑表面传递热量的能力不同，从而影响到建筑表面的热辐射效果32，干扰建筑表面积对LST的作用。另一方面，建筑表面积对区域环境存在增温和降温的双重作用。大体量层建筑既能吸收的辐射，造成周边温度上升，又会形成大面积的建筑阴影，阻碍辐射的增温[3334，两者谁的作过程更强，可能会取决其他更复杂的因素和作用机理。建设强度因子对LST的影响LSTBD、FAR具有显著的相关性（11），相关系数分别为0.60（p<0.010.37（p<0.05，但GR与LST间的关系并不显著。由于一定区域内BD、AR的增大必然导致GRLST的作用也受制于其余因子，三者对LST起协同影响作用。正是由于这个原因，BD、AR与LST分别建立的一元线性回归模型及其系数虽然是显著的，但R2都并不高。一定城市区域的AR不可能增加，当其增加到一定程度时，将趋于稳定，对LST的贡献作用也就趋于稳定。这影响AR与LST间呈现非线性的对数关系。相较于高密度城市环境，ARaabbFig.11Scatterplotsbetweenbuildingstrengthindexand(a.ScatterplotbetweenBDandLST;b.ScatterplotbetweenFARand资料来源：笔者自在渝中区，GRLST的相关性不显著，主要由于两个原因。其一，研究区内绿化覆盖其二，统计样本内土地利用类型混杂。KimJP[36]研究表明：0.2≤NDVI≤0.5的区域内植被覆盖低，有其他用地类型的存在。分层取样的所有29个样本的绿化覆盖率介于[9%，作用，导致GRLST的影响不够显著。当然，植被的树种、树龄、树高和树形等自身条人口密度对LST的影响PDLST之间呈较弱的正相关，相关系数为0.362（p<0.01（12。与已有的研究结论相一致，人动对城市热岛的形成有正向贡献作用[37,38]，城市必不可少的生产和生活活热排放，影响气温升高。然而，两者之间并非简单的线性关系，当人口增长到一定程度时，他对LST的贡献程度会趋于稳定。也就是说人口密度的增长对于低密度城区带来的增温作用将[39]，可能削弱了PDLST的影响12人口密度与地表温度的相关Fig.12ScottplotbetweenPDand资料来源：笔者自城市密度因子对 的综合作用度两两之间，以及建筑密度与容积率、绿化覆盖率、人口密度两两间的Pearson相关系数绝对值均超过0.5（p<0.01，存在中等相关关系。以上因子之间相互联系，对LST会产生复合影响作用。考虑到因子之间的多重共线性，利用SPSS逐步回归方法，尝试建立多元线性回归模型。得到显著的多元线性回归结果如下式，除BD、SVFUSRLST=-54.216+35.734*BD+118.068*SVF-模型的拟合优度2=0.85，F检验值为47.388（p<0.01；3个因子（自变量）的回归系数均能通过t检验，模型具有较强的预测能力，可以用来预测和评价地表温度和热岛强度。其中，BD和SVF对LST起正向贡献作用，USR对LST起反向的削弱作用，反映了城市建成环境对城市热岛的复杂影响过程。比较自变量的标准化系数发现，BDLST的贡献最高，SVF次之，USR最小。也就边区域提供建筑阴影覆盖，阻挡辐射，并且形成建筑间的峡谷风，起到一定的疏散区域热量的作用。但是，由于建筑易吸收的辐射，成为热源；且阻碍自然风的流动，结与已有认识存在一定差异，天空开阔度与LST呈较强的显著正相关关系，而地表粗糙度与LST呈较强的显著负相关关系。虽然单因子对LST均没有足够的预测能力，但是以天空开阔度、地表粗糙度和建筑密度作为自变量的多元线性回归模型（R2=0.85）能充分反映了城市密度环境对LST的综合影响作用，对城市热岛具有较强的预测能力。其中，建筑密度对在规划初进行规划区岛分析，而反馈调方案从上制城市热岛强度，降低规划实施后可能形成的热岛效应。注传统的容积率是以地块为单元进行计算的，受到城市用地地块划分的人为性的影响，相同 OkeTR.Chandler,TJ.1965:TheclimateofLondon.London:Hutchinson,292pp[J].ProgressinPhysicalGeography,2009.EllefsenR.MapandmeasuringbuildingsinthecanopyboundarylayerintenUScities[J].EnergyandBuildings,1991,16(3):1025-1049.StewartID,OkeTR.Localclimatezonesforurbantemperaturestudies[J].BulletinoftheAmericanMeteorologicalSociety,2012,93(12):1879-1900.OkeTR.Reviewofurbanclimatology,1973-1976[M].Geneva:SecretariatoftheWorldMeteorologicalOrganization,1979.GutmanDP,TorranceKE.Responseoftheurbanboundarylayertoheatadditionandsurfaceroughness[J].Boundary-LayerMeteorology,1975,9(2):217-233.,邵,,王亚力.城市热岛效应的影响机理及其作用规律——以市为例[J].地理学报,2013(11):1461-1471.PENGBaofaSHIYishaoetal.Theimpactingmechanismandlawsoffunctionofurbanheatislandseffect—acasestudyodShanghai[J].ActaGeographicaSinica,Wowo,HuYoupei,Dou.Therelationshipofurbanpatternandmicroclimate[J].ArchitecturalJournal,2012(07):16-21.)KarlTR,DiazHF,KuklaG.Urbanization:ItsdetectionandeffectintheUnitedStatesclimaterecord[J].JournalofClimate,1988,1(11):1099-1123.土保持研究,2009(04):131-136ZHANGHongliCHENYuetalVariationcharacteristicsofConservation,2009(04):131-136.) BourbiaF,BoucheribaF.Impactofstreetdesignonurbanmicroclimateforsemiaridclimate(Const)[J].RenewableEnergy,2010,35(2):343-347.inahotdryclimate[J].LandscapeandUrbannning,2009,92(3):179-186.mmadTaleghani,LauraKleerekoper,MartinTenpierik,AndyvandenDobbelsteen.OutdoorthermalcomfortwithinfivedifferenturbanformsintheNetherlands[J]Buildingand,,.山地城市坡向对地表温度的影响--以重庆市主城区为例[J].生态学报,2014,34(14):4017-4024.(HanGuifeng,YeLin,SunZhongwei.InfluenceofaspectonlandActaEcologicaSinica,2014,34(14):4017-4024.),胡纹,.基于主导生态因子的城市中心区生态系统设计方法——以重庆市沙坪坝中心区为例[J].城市规划汇,2004(05):44-49+95-96.(SUYong,HUWen,ZHAORuowei.Theecologicalsystemdesignmethodsbasedonthedominantecologicalgeneintheurbanhub:andtheapplicationintheurbanhubofSPBCQ[J].UrbannningForum,2004(05):44-49+95-96.) 覃志豪,LIWenjuan,ZHANGMinghua,ArnonKarnieli,PedroBerliner.法[J].资源遥感,2003(02):37-43.(EstimatingoftheessentialatmosphericparametersSensingforLand&Resources,2003(02):37-43.),,,,,.热红外遥感地表温度反演研究现状与发展趋势[J].遥感信息,2012(06):118-123+132.MENGPeng,HUYongetal.ThermalInfraredremotesensingofsurfacetemperatureinversion:currentstatusandfutureprospects[J].RemoteSensingInformation,2012(06):118-123+132.) VoogtJA,OkeTR.Thermalremotesensingofurbanclimates[J].Remotesensingofenvironment,2003,86(3):370-384.,,等.ENVI遥感图像处理方法[M].:高等教育,2014:422-424.image[M].Beijing:HigherEducationPress,2014:422-424.),.高密度城市的门槛标准及全球分布特征．世界地理研究,2015,24(1):38-45.(LIMing,YEChangdongThresholdstandardandglobaldistributionofhigh-densitycities[J].WorldRegionalStudies,2015,24(1):38-45.)费移山,.高密度城市形态与城市交通———以城市发展为例[J].新建筑,2004(5):4-6.(FEIYishanWANGJianguoUrbanformandtransportationinahigh-densitycity—takethedevelopmentofHongKongasanexample[J].NewArchitecture,2004(5):4-6.),毛.高密度开发城市的交通与土地利用互动关系———以广州为例[J].地理学报,2004,59(5):643-652.(YANXiaopei,MAOJiangxin.Themutualrelationshipbetweenurbantransportsystemandlanduseinhigh-densitydevelopedcitiesacasestudyofGuangzhou[J].ActaGeographicaSinica,2004,59(5):643- JanosUnger.Connectionbetweenurbanheatislandandskyviewfactorapproximatedbyasoftwaretoolona3Durbandatabase[J].EnvironmentandPollution,2009(36):59–80.,,汤国安,.基于数字高程模型的城市地表开阔度研究——以老城区为例[J].地球信息科学学报,2012,01:94-100.HEWenhui,YangXin,TANGGuoan,ZHOUYi.ResearchonskyviewfactorinurbanareabasedonurbandigitalelevationmodelacasestudyofNanjingoldcity[J].JournalofGeo-informationscience,2012,01:94-100.) J2005,01:11-18.(LIShuang-chengCAIYun-longSomescalingissuesofgeography[J].GeographicalResearch, .J].建筑学报,2010,S1:120-123.(YUANChao.Mitigatingurbanheatislandeffectsofhighdensitycities:astudyatHongKong[J].ArchitecturalJournal,2010,S1:120-123.)GalT,LindbergF,UngerJ.Computingcontinuousskyviewfactorsusing3Durbanrasterandvectordatabases:comparisonandapplicationtourbanclimate[J].Theoreticalandappliedclimatology,2009,95(1-2):111-123.,徐建华.城市植被变化轨迹及其成因分析[J].生态学报,2009,29(4):1793-1803.(HANEcologicaSinica,2009,29(4):1793-1803.),,.地理信息系统(GIS)中的数据分层和应用[J].物探化探计算技术,2013(06):739-742.(GAOYanfang,JIANGe,LIULing.Thedatalayeringandapplication.建筑风环境研究[J].建筑学报,2008,(02):72-77.(CHENFei.TallBuildingWindEnvironment[J].ArchitecturalJournal,2008,(02):72