留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

缓解城市热岛效应的南京市绿色基础设施网络构建方法

赵晨晓 刘春卉 魏家星

赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法[J]. 浙江农林大学学报, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
引用本文: 赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法[J]. 浙江农林大学学报, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
ZHAO Chenxiao, LIU Chunhui, WEI Jiaxing. Green infrastructure network construction method for mitigating urban heat island effect in Nanjing[J]. Journal of Zhejiang A&F University, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
Citation: ZHAO Chenxiao, LIU Chunhui, WEI Jiaxing. Green infrastructure network construction method for mitigating urban heat island effect in Nanjing[J]. Journal of Zhejiang A&F University, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816

缓解城市热岛效应的南京市绿色基础设施网络构建方法

doi: 10.11833/j.issn.2095-0756.20200816
基金项目: 国家自然科学基金资助项目(32001360);中国科学院专项资金资助项目(XDA23020200);江苏省自然科学基金资助项目(BK20190545)
详细信息
    作者简介: 赵晨晓(ORCID: 0000-0002-8932-3839),从事风景园林规划与生态修复研究。E-mail: xiqianws@163.com
    通信作者: 魏家星(ORCID: 0000-0003-1246-0293),副教授,博士,从事风景园林规划与生态修复研究。E-mail: weijx@njau.edu.cn
  • 中图分类号: TU986

Green infrastructure network construction method for mitigating urban heat island effect in Nanjing

  • 摘要:   目的  绿色基础设施网络作为覆盖城市的生态网络,对于热岛效应有着重要的调节和改善作用。探究绿色基础设施构建方法并进行合理规划布局是改善城市热环境问题的有效措施。  方法  以江苏省南京市主城区为研究对象,基于形态学空间格局分析,选取连通性高、降温效应显著的“源”斑块,将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率进行叠加并构建阻力面,进而采用最小成本路径方法生成廊道。  结果  ①识别出降温率高的507个核心区斑块,结合景观连通性分析选择了25个斑块作为“源”斑块;②基于最小成本路径方法识别出20条廊道,与“源”斑块共同构建出以缓解热岛效应为导向的城市绿色基础设施网络;③结合南京市绿地系统规划进行网络优化,提出“三环、六带、多线”的总体空间结构。  结论  多种方法的综合运用使缓解热岛效应导向的绿色基础设施网络构建更加合理,同时为建构绿色基础设施网络,改善人居环境提供了新的研究思路与方法。图5表6参27
  • 图  1  核心区斑块重要值分级示意图

    Figure  1  Grading of cores by dPC value

    图  2  降温“源”斑块选取示意图

    Figure  2  Selection of cool “source” cores

    图  3  成本路径阻力面示意图

    Figure  3  Cost path resistance surface

    图  4  绿色基础设施降温网络构建示意图

    Figure  4  Cooling network of GI

    图  5  南京主城区绿色基础设施降温网络结构

    Figure  5  Structure of cooling network for GI

    表  1  7种类型地表温度分析

    Table  1.   Seven landscape connectivity types and their average temperature

    类型平均温度/℃降温率/% 类型平均温度/℃降温率/%
    支线 31.191.2 桥接区30.902.1
    边缘 30.423.6环  31.021.7
    孤岛 31.430.4孔隙 30.423.6
    核心区29.028.0
    下载: 导出CSV

    表  2  斑块重要值分级

    Table  2.   Grading of cores by dPC (delta PC decomposed) value

    等级斑块数/个斑块重要值取值区间连通性重要程度
    第1等级 979.551 5~0.738 7极强
    第2等级 16 0.591 5~0.113 0强 
    第3等级 76 0.084 8~0.009 2中 
    第4等级287 0.008 7~0.000 2弱 
    第5等级119 0.000 1~0.000 0极弱
    下载: 导出CSV

    表  3  各级斑块地表温度分析

    Table  3.   Analysis of surface temperature of patches at different levels

    等级面积占比/%平均温度/℃降温率/%
    第1等级0.7528.519.7
    第2等级0.1229.177.6
    第3等级0.0730.274.1
    第4等级0.0530.383.7
    第5等级0.0130.692.8
    下载: 导出CSV

    表  4  景观格局指数与地类温度的相关性分析

    Table  4.   Correlation analysis between landscape pattern index and land type temperature

    指数地类A地类B指数地类A地类B
    斑块类型面积0.902−0.125边界密度   0.8650.248
    斑块所占面积0.902−0.125景观形状指数 0.928−0.871
    斑块数量  −0.8950.984边缘面积分维数0.782−0.989
    斑块密度  −0.8950.984斑块凝聚度  0.5520.326
    最大斑块指数0.7090.352景观聚集度  −0.9390.843
    下载: 导出CSV

    表  5  各用地类型景观特征阻力值

    Table  5.   Landscape characteristic resistance value of land use types

    用地类型斑块数/个景观形状指数景观聚集度指数阻力值计算标准化处理景观特征阻力值
    耕地(地类A)23346.81489.237−157.5210.122122
    林地30026.12888.888−206.2780.09191
    草地3510.37185.364−32.5080.202202
    水体51531.09684.228−347.8470.0011
    建设用地1 83144.08787.7211 222.1371.0011 001
    裸地329.60674.74229.2590.241241
    耕地(地类B)23346.81489.237157.5210.323323
    下载: 导出CSV

    表  6  各用地类型地表覆盖阻力值

    Table  6.   Ground cover resistance values of land use types

    用地
    类型
    平均
    温度/℃
    降温
    率/%
    降温率
    标准化
    地表覆盖
    阻力值
    成本路径
    阻力值
    耕地  31.3880.5390.4272.3454
    林地  30.2354.1930.6761.4822
    草地  28.9648.2200.9501.0548
    水体  28.7308.9611.0011.001
    建设用地33.358−5.7050.0011 000.001000
    裸地  31.5580.0000.3902.5658
    下载: 导出CSV
  • [1] GEDZELMAN S D, AUSTIN S, CERMAK R, et al. Mesoscale aspects of the urban heat island around New York City [J]. Theor Appl Climatol, 2003, 75(1/2): 29 − 42.
    [2] 车通, 林芙蓉, 武思凡, 等. 快速城市化进程中扬州城市热环境与景观格局的动态关联[J]. 扬州大学学报(农业与生命科学版), 2020, 41(3): 120 − 126.

    CHE Tong, LIN Furong, WU Sifan, et al. Dynamic relationships between the urban thermal environment and the pattern of landscape development in Yangzhou City [J]. J Yangzhou Univ Agric Life Sci Ed, 2020, 41(3): 120 − 126.
    [3] 张炜, 杰克·艾亨, 刘晓明. 生态系统服务评估在美国城市绿色基础设施建设中的应用进展评述[J]. 风景园林, 2017, 24(2): 101 − 108.

    ZHANG Wei, JACK A, LIU Xiaoming. A review of the application of ecosystem service valuation in urban green infrastructure development of United States [J]. Landscape Archit, 2017, 24(2): 101 − 108.
    [4] 庄晓林, 段玉侠, 金荷仙. 城市风景园林小气候研究进展[J]. 中国园林, 2017, 33(4): 23 − 28.

    ZHUANG Xiaolin, DUAN Yuxia, JIN Hexian. Research review on urban landscape micro-climate [J]. Chin Landscape Archit, 2017, 33(4): 23 − 28.
    [5] 孔繁花, 尹海伟, 刘金勇, 等. 城市绿地降温效应研究进展与展望[J]. 自然资源学报, 2013, 28(1): 171 − 181.

    KONG Fanhua, YIN Haiwei, LIU Jinyong, et al. Research progress and prospect of cooling effect of urban green space [J]. J Nat Resour, 2013, 28(1): 171 − 181.
    [6] SANTAMOURIS M, BAN-WEISS G, OSMOND P, et al. Progress in urban greenery mitigation science-assessment methodologies advanced technologies and impact on cities [J]. J Civil Eng Manage, 2018, 24(8): 638 − 671.
    [7] HAMAMDA S, OHTA T. Seasonal variations in the cooling effect of urban green areas on surrounding urban areas [J]. Urban For Urban Greening, 2010, 9(1): 15 − 24.
    [8] 谢紫霞, 张彪, 佘欣璐, 等. 上海城市绿地夏季降温效应及其影响因素[J]. 生态学报, 2020, 40(19): 6749 − 6760.

    XIE Zixia, ZHANG Biao, SHE Xinlu, et al. The summer cooling effect and its influencing factors ofurban green spaces in Shanghai [J]. Acta Ecol Sin, 2020, 40(19): 6749 − 6760.
    [9] 栾庆祖, 叶彩华, 刘勇洪, 等. 城市绿地对周边热环境影响遥感研究——以北京为例[J]. 生态环境学报, 2014, 23(2): 252 − 261.

    LUAN Qingzu, YE Caihua, LIU Yonghong, et al. Effect of urban green land on thermal environment of surroundings based on remote sensing: a case study in Beijing, China [J]. Ecol Environ Sci, 2014, 23(2): 252 − 261.
    [10] KONG Fanhua, YAN Weijiao, ZHENG Guang, et al. Retrieval of three-dimensional tree canopy and shade using terrestrial laser scanning (TLS) data to analyze the cooling effect of vegetation [J]. Agric For Meteorol, 2016, 217: 22 − 34.
    [11] 刘焱序, 彭建, 王仰麟. 城市热岛效应与景观格局的关联: 从城市规模、景观组分到空间构型[J]. 生态学报, 2017, 37(23): 7769 − 7780.

    LIU Yanxu, PENG Jian, WANG Yanglin. Relationship between urban heat island and landscape patterns: from city size and landscape composition to spatial configuration [J]. Acta Ecol Sin, 2017, 37(23): 7769 − 7780.
    [12] 马瑞明, 谢苗苗, 郧文聚. 城市热岛“源—汇”景观识别及降温效率[J]. 生态学报, 2020, 40(10): 3328 − 3337.

    MA Ruiming, XIE Miaomiao, YUN Wenju. “Source-sink” landscape identification of the urban heat island and the cooling efficiency [J]. Acta Ecol Sin, 2020, 40(10): 3328 − 3337.
    [13] ISHWAR D, KATHRYN G A, TIMOTHY A W, et al. Phenology of trees and urbanization: a comparative study between New York City and Ithaca, New York [J]. Geocarto Int, 2011, 26(7): 507 − 526.
    [14] 吴健生, 刘洪萌, 黄秀兰, 等. 深圳市生态用地景观连通性动态评价[J]. 应用生态学报, 2012, 23(9): 2543 − 2549.

    WU Jiansheng, LIU Hongmeng, HUANG Xiulan, et al. Dynamic evaluation on landscape connectivity of ecological land: a case study of Shenzhen, Guangdong Province of South China [J]. Chin J Appl Ecol, 2012, 23(9): 2543 − 2549.
    [15] 董子燕, 张友水. 基于城市景观格局和连通性的地表温度贡献分析[J]. 地理信息世界, 2020, 27(4): 75 − 82.

    DONG Ziyan, ZHANG Youshui. Land surface temperature contribution analysis based on urban landscape pattern and connectivity [J]. Geomatics World, 2020, 27(4): 75 − 82.
    [16] KONG F H, YIN Haiwei, NAKAGISHI N, et al. Urban green space network development for biodiversity conservation: identification based on graph theory and gravity modeling [J]. Landscape Urban Plann, 2010, 95(1/2): 16 − 27.
    [17] WEBER T, SLOAN A, WOLF J. Maryland’s green infrastructure assessment: development of a comprehensive approach to land conservation [J]. Landscape Urban Plann, 2006, 77(1/2): 94 − 110.
    [18] 许霖峰. 应对热岛效应的深圳低碳城绿色基础设施规划策略研究[D]. 哈尔滨: 哈尔滨工业大学, 2013.

    XU Linfeng. Green Infrastructure Planning Strategy for Alleviating Urban Heat Island in Shenzhen Low-carbon City[D]. Harbin: Harbin Institute of Technology, 2013.
    [19] 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. 北京: 高等教育出版社, 2000: 27 − 31.
    [20] 滕明君. 快速城市化地区生态安全格局构建研究: 以武汉市为例[D]. 武汉: 华中农业大学, 2011.

    TENG Mingjun. Planning Ecological Security Patterns in a Rapidly Urbanizing Context: a Case Study in Wuhan, China[D]. Wuhan: Huazhong Agricultural University, 2011.
    [21] 姚圩琴. 基于气候适应性的杭州主城区绿色基础设施构建策略研究[D]. 杭州: 浙江农林大学, 2007.

    YAO Weiqin. The Research on the Constructive Strategies of Green Infrastructure Based on the Climate Adaptability in Hangzhou Downtown[D]. Hangzhou: Zhejiang A&F University, 2007.
    [22] 徐文彬, 尹海伟, 孔繁花. 基于生态安全格局的南京都市区生态控制边界划定[J]. 生态学报, 2017, 37(12): 4019 − 4028.

    XU Wenbin, YIN Haiwei, KONG Fanhua. Development of ecological control boundaries in Nanjing metropolis district based on ecological security patterns [J]. Acta Ecol Sin, 2017, 37(12): 4019 − 4028.
    [23] SHI Xuemin, QIN Mingzhou. Research on the optimization of regional green infrastructure network [J]. Sustainability, 2018, 10(12): 4649. doi: 10.3390/su10124649.
    [24] 黄河, 余坤勇, 高雅玲, 等. 基于MSPA的福州绿色基础设施网络构建[J]. 中国园林, 2019, 35(11): 70 − 75.

    HUANG He, YU Kunyong, GAO Yaling, et al. Building green infrastructure network of Fuzhou using MSPA [J]. Chin Landscape Archit, 2019, 35(11): 70 − 75.
    [25] 戴菲, 毕世波, 孙培源. PM2.5消减效应导向下的城市绿色基础设施网络优化: 以湖北省武汉市江汉区为例[J]. 风景园林, 2020, 27(10): 51 − 56.

    DAI Fei, BI Shibo, SUN Peiyuan. Urban green infrastructure network optimization guided by PM2.5 reduction effect: a case study of Jianghan District, Wuhan City, Hubei Province [J]. Landscape Archit, 2020, 27(10): 51 − 56.
    [26] 安超, 沈清基. 基于空间利用生态绩效的绿色基础设施网络构建方法[J]. 风景园林, 2013, 20(2): 22 − 31.

    AN Chao, SHEN Qingji. Method of constructing network of green infrastructure based on ecological performance of space utilization [J]. Landscape Archit, 2013, 20(2): 22 − 31.
    [27] 王晶晶, 尹海伟, 孔繁花, 等. 基于供需匹配度视角的环太湖区域绿色基础设施网络构建[J]. 城市建筑, 2017(12): 19 − 24.

    WANG Jingjing, YIN Haiwei, KONG Fanhua, et al. The green infrastructure network planning in the area around Taihu Lake based on the matching degree between supply and demand [J]. Urban Archit, 2017(12): 19 − 24.
  • [1] 丁金华, 孙琦.  苏南水网地区蓝绿空间格局多情景模拟预测 . 浙江农林大学学报, 2024, 41(1): 202-210. doi: 10.11833/j.issn.2095-0756.20220741
    [2] 吴庚鸿, 王一茹, 刘铁冬, 龚文峰, 林世平, 陈翀.  基于SEDMs模型的海口市城市公园绿地景观格局演变及空间配置评价 . 浙江农林大学学报, 2023, 40(5): 1093-1101. doi: 10.11833/j.issn.2095-0756.20220702
    [3] 靳皓然, 杨善为, 袁蕾慧子, 潘倩, 侯思璐, 范晓明, 袁德义.  油茶未授粉胚珠愈伤组织诱导及形态学和细胞学特征 . 浙江农林大学学报, 2023, 40(4): 773-782. doi: 10.11833/j.issn.2095-0756.20220507
    [4] 钟玉婷, 张瑛, 赵冰.  6种丁香属植物滞尘能力评价及叶表微形态学解释 . 浙江农林大学学报, 2022, 39(5): 1052-1058. doi: 10.11833/j.issn.2095-0756.20210587
    [5] 杨务发, 余坤勇, 赵各进, 耿建伟, 赵秋月, 杨柳青, 刘健.  基于热岛效应的福州市绿色廊道优化 . 浙江农林大学学报, 2022, 39(4): 876-883. doi: 10.11833/j.issn.2095-0756.20210672
    [6] 李玉杰, 卢娟, 陈思佳, 付晖.  海口市热力景观时空格局与分异特征 . 浙江农林大学学报, 2021, 38(4): 712-722. doi: 10.11833/j.issn.2095-0756.20200648
    [7] 崔凤娇, 邵锋, 齐锋, 王誉洁, 张泰龙, 余海盈.  植被对城市热岛效应影响的研究进展 . 浙江农林大学学报, 2020, 37(1): 171-181. doi: 10.11833/j.issn.2095-0756.2020.01.023
    [8] 周媛.  多元目标导向下的成都中心城区绿地生态网络构建 . 浙江农林大学学报, 2019, 36(2): 359-365. doi: 10.11833/j.issn.2095-0756.2019.02.018
    [9] 沈啸, 张建国.  基于网络文本分析的绍兴镜湖国家城市湿地公园旅游形象感知 . 浙江农林大学学报, 2018, 35(1): 145-152. doi: 10.11833/j.issn.2095-0756.2018.01.019
    [10] 李洪滨, 朱诚棋, 周湘, 马良进, 苏秀.  红哺鸡竹异香柱菌的形态学和分子鉴定 . 浙江农林大学学报, 2016, 33(6): 1040-1044. doi: 10.11833/j.issn.2095-0756.2016.06.016
    [11] 过萍艳, 蒋文伟, 吕渊.  浙江省慈溪市宗汉街道城镇绿地生态网络构建 . 浙江农林大学学报, 2014, 31(1): 64-71. doi: 10.11833/j.issn.2095-0756.2014.01.010
    [12] 魏兆兆, 谢云, 孟辉, 关玉梅, 吴窈窈.  3种类型浙江红山茶的花粉形态学研究 . 浙江农林大学学报, 2012, 29(4): 634-638. doi: 10.11833/j.issn.2095-0756.2012.04.024
    [13] 申亚梅, 钱超, 范义荣, 童再康.  12种(包括3品种)木兰属植物花粉形态学研究 . 浙江农林大学学报, 2012, 29(3): 394-400. doi: 10.11833/j.issn.2095-0756.2012.03.011
    [14] 郭慧慧, 蒋文伟, 梅艳霞.  基于高空间分辨率航空影像的宁波鄞州新城区城市景观格局分析 . 浙江农林大学学报, 2012, 29(3): 344-351. doi: 10.11833/j.issn.2095-0756.2012.03.005
    [15] 孙晓萍, 蔡晓彤, 陈亮, 崔寅, 陈明晶, 王福章, 吴媛, 叶丹.  杭州市城市绿地养护网络化管理探讨 . 浙江农林大学学报, 2011, 28(5): 753-760. doi: 10.11833/j.issn.2095-0756.2011.05.011
    [16] 应君, 张青萍, 王末顺, 吴晓华.  城市绿色基础设施及其体系构建 . 浙江农林大学学报, 2011, 28(5): 805-809. doi: 10.11833/j.issn.2095-0756.2011.05.021
    [17] 高峰, 卢尚琼, 徐青香, 姜庆臣.  无线传感器网络在设施农业中的应用进展 . 浙江农林大学学报, 2010, 27(5): 762-769. doi: 10.11833/j.issn.2095-0756.2010.05.020
    [18] 付晓萍, 田大伦, 黄智勇.  模拟酸雨对植物形态学效应的影响 . 浙江农林大学学报, 2006, 23(5): 521-526.
    [19] 方永才, 吴光豪, 张君飞.  林业学科SCI 网络版期刊的指标分析及中国论文分布 . 浙江农林大学学报, 2004, 21(2): 216-221.
    [20] 朱曦, 汪梅蓉, 韩红.  3 种鹭骨骼比较形态学研究 . 浙江农林大学学报, 2003, 20(3): 240-244.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200816

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2021/6/1127

图(5) / 表(6)
计量
  • 文章访问数:  992
  • HTML全文浏览量:  258
  • PDF下载量:  52
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-07
  • 修回日期:  2021-06-02
  • 网络出版日期:  2021-12-08
  • 刊出日期:  2021-12-08

缓解城市热岛效应的南京市绿色基础设施网络构建方法

doi: 10.11833/j.issn.2095-0756.20200816
    基金项目:  国家自然科学基金资助项目(32001360);中国科学院专项资金资助项目(XDA23020200);江苏省自然科学基金资助项目(BK20190545)
    作者简介:

    赵晨晓(ORCID: 0000-0002-8932-3839),从事风景园林规划与生态修复研究。E-mail: xiqianws@163.com

    通信作者: 魏家星(ORCID: 0000-0003-1246-0293),副教授,博士,从事风景园林规划与生态修复研究。E-mail: weijx@njau.edu.cn
  • 中图分类号: TU986

摘要:   目的  绿色基础设施网络作为覆盖城市的生态网络,对于热岛效应有着重要的调节和改善作用。探究绿色基础设施构建方法并进行合理规划布局是改善城市热环境问题的有效措施。  方法  以江苏省南京市主城区为研究对象,基于形态学空间格局分析,选取连通性高、降温效应显著的“源”斑块,将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率进行叠加并构建阻力面,进而采用最小成本路径方法生成廊道。  结果  ①识别出降温率高的507个核心区斑块,结合景观连通性分析选择了25个斑块作为“源”斑块;②基于最小成本路径方法识别出20条廊道,与“源”斑块共同构建出以缓解热岛效应为导向的城市绿色基础设施网络;③结合南京市绿地系统规划进行网络优化,提出“三环、六带、多线”的总体空间结构。  结论  多种方法的综合运用使缓解热岛效应导向的绿色基础设施网络构建更加合理,同时为建构绿色基础设施网络,改善人居环境提供了新的研究思路与方法。图5表6参27

English Abstract

赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法[J]. 浙江农林大学学报, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
引用本文: 赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法[J]. 浙江农林大学学报, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
ZHAO Chenxiao, LIU Chunhui, WEI Jiaxing. Green infrastructure network construction method for mitigating urban heat island effect in Nanjing[J]. Journal of Zhejiang A&F University, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
Citation: ZHAO Chenxiao, LIU Chunhui, WEI Jiaxing. Green infrastructure network construction method for mitigating urban heat island effect in Nanjing[J]. Journal of Zhejiang A&F University, 2021, 38(6): 1127-1135. doi: 10.11833/j.issn.2095-0756.20200816
  • 随着中国城市化进入全面发展期,城市景观格局及其稳定性维护机制面临着巨大的人为改造压力[1],如不透水地面增加,绿地和水体面积减少,景观破碎化加重等,以及人为热量排放等因素,使得城市热环境逐渐恶化[2]。目前,热岛效应已成为城市普遍面临的环境问题。绿色基础设施(green infrastructure,简称GI)在城市尺度上作为一种基础设施化的绿色空间网络,具有提供雨洪管理、气候调节、空气净化等生态系统服务的重要功能[3],其要素中的绿地、水体大部分都具有“冷岛效应”[4],可有效缓解热岛效应,提高城市应对气候变化的能力。通过多学科协作合理地规划布局城市绿色基础设施,对于改善城市热环境,进而指导城市的精明增长具有重要意义。目前,国内外学者主要运用实地观测、地表温度反演、数值模拟等3种手段,从不同侧重点出发对绿色基础设施的热环境效应展开相关研究。在基于气温实地观测来探讨绿色基础设施降温效应的相关研究方面,主要从城市绿地的面积与形状特征、植被结构特征、相关外部因素等3 个方面深入探讨了影响绿地降温效应的主要因素[5]。实测研究大多集中在中小尺度,其中许多研究证实城市绿地与周边区域相比具有明显的降温效应[6-7],绿地的类型、面积、形状及植被遮阴面积等是影响绿地降温效应的重要因素[8-10]。大尺度的研究需借助遥感反演和地理信息空间分析技术。研究表明:下垫面类型[11]、所在斑块特征、邻近降温斑块空间关系特征[12]等是影响热岛效应分布范围和强度的重要因素。总体而言,研究多集中在缓解热岛效应的各类要素特征层面,而如何通过对城市绿色基础设施的整合分析和前瞻性布局实现其整体降温效应最大化的相关成果鲜见。作为中国“三大火炉”城市之一的南京是夏热冬冷,兼具“山水林城”景观要素的城市。随着人口不断增多和城镇建设用地快速扩张,南京城市热岛效应日趋显著。在满足城市扩张需求的前提下,如何利用有限的绿色空间资源形成高效的绿色基础设施网络布局,缓解城市热环境的恶化,已成为南京快速城市化过程迫切需要解决的重要课题。本研究以快速城市化的南京市主城区为研究对象,通过选取绿色基础设施核心区斑块中降温效应贡献值较高、连通性强的斑块作为“源”斑块,利用景观格局特征与地表覆盖构建阻力面,并基于最小成本路径方法,识别出以“源”斑块为起点和终点的最小成本路径作为降温廊道,并在整合现有空间规划的基础上,研究以缓解热岛效应为导向的绿色基础设施网络构建方法,以期从改善城市热环境的角度为城市绿色基础设施网络构建与发展提供借鉴与参考。

    • 南京市位于中国东部长江中下游,31°14′~32°37′N,118°22′~119°14′E。2018年市域总面积为6 587.02 km2,其中城镇常住人口为685.89万人,城镇人口占比高达82.3%。气候为典型的北亚热带季风气候,四季分明,雨水充沛,春秋短而冬夏长。年温差较大,夏季平均气温为28.0 ℃左右,极端日最高气温达43.8 ℃。

      近年来,南京市主城区绿色基础设施不断被城市建设所侵占,城市热环境持续恶化。如何改善因城市建设而造成的绿色空间破碎,构建合理高效的绿色降温网络,是实现南京绿色发展和改善城市人居舒适度的重要课题。本研究选取南京市主城区为研究区域,包括玄武区、秦淮区、鼓楼区、雨花台区、建邺区5个中心城区以及栖霞区、江宁区、浦口区3个近郊区。这些区是南京市的核心区域,城市化水平高,经济发展迅速,具有典型的现代城市特征,也最能反映南京市热岛效应的真实状况。

    • 本研究采用南京市2015年Landsat TM影像数据(来源于地理空间数据云http:/www.gscloud.cn/),通过单窗算法[13]进行温度反演,结合收集的气象资料,获得区域地表温度数据。使用ArcGIS 10.2对2015年南京土地利用数据结合现状调查资料(来源于南京市规划和自然资源局、南京市统计局)进行重分类后划分为耕地、林地、草地、水体、建设用地、裸地等6类,并将裸地温度作为标准地物温度,计算不同土地覆盖类型的降温率。

    • 使用GUIDOS软件的形态学空间格局分析(morphological spatial pattern analysis,MSPA)对研究区斑块进行分析,得到7种景观连通类型:核心区、孤岛、边缘、穿孔、桥接区、环、支线,分别与地表温度叠加计算分析后,选取降温率突出、具有生境可利用性[14]的核心区作为“源”斑块的备选斑块。

      城市景观格局是影响热岛效应强度和范围的重要因素[11]。景观连通性作为景观格局的重要部分,反映了绿色空间结构和功能特征,是衡量景观功能性的有效指标[15]。可能连通性指数(PC)的计算基于可能性模型,将生境斑块中的中间斑块参与到景观连通可能性的计算中,在此基础上计算出斑块重要值(dPC),即每个斑块对于维持景观连通性的重要程度。

      $$ {P_{\rm{C}}} = \frac{{\displaystyle\sum\limits_{i = 1}^n {\sum\limits_{j = 1,i \ne j}^n {{a_i}} } {a_j}{p_{ij}}}}{{A{L^2}}}{\displaystyle\text{;}} $$ (1)
      $$ {d_{{\rm{PC}}}} = \frac{{{P_{\rm{C}}} - {{{P}}_{{\rm{Cr}}}}}}{{{P_{\rm{C}}}}} \times 100{\text{。}} $$ (2)

      式(1)~(2)中:aiaj分别是斑块i和斑块j的贡献值(本研究中指面积),n表示斑块总数,pij代表物种在斑块ij直接扩散的最大可能性,PC为可能连通性指数值,PCr为去除单个斑块后剩下的斑块的整体指数值。PC计算值满足0<PC<1[16]

      根据斑块重要值(dPC),采用Jenks自然间断点分级法对斑块进行分级[17],计算出不同等级斑块的平均降温率。结合前人对绿色基础设施要素与降温效应关系的分析与研究[18],选取备选斑块中降温效果最优、分布较均匀、景观特征具有代表性且面积大于5 hm2的斑块作为“源”斑块。

    • 最小成本路径方法是根据用地耗费路径阻力值生成的空间上耗费成本最小的成本路径。本研究基于最小成本路径进行廊道识别,依据城市用地对热环境的缓解作用设置阻力值。由于城市景观格局与地表覆盖特征的改变被认为是城市热岛形成的直接原因[11],因此需要计算获得能反映两者的指标值,即景观特征阻力值与地表覆盖阻力值。

      ①计算景观特征阻力值。景观格局指数可反映组成空间配置某些方面的特征[19],因此初步选取斑块类型面积(AC)、最大斑块指数(ILP)、斑块密度(DP)、景观聚集度指数(IA)等10个景观格局指数,并利用Fragstats软件计算出各用地类型的景观格局指数。由于不同用地类型的景观特征差异较大,为选取最具代表性的景观格局指数,根据计算所得数据反映出的特征将用地类型划分为2类(地类A和B),再通过相关性分析筛选出与地表平均温度相关性显著的指数,最后利用熵值法计算各指数的权重。在熵值法中用Pkl表示第l个信息在第k类项目中的不确定度,则整个信息(设有z个数据) 的不确定性为:

      $$ S_k = - K\sum\limits_{l = 1}^z{P_{kl}}{\rm{ln}}P_{kl}{\text{。}} $$ (3)

      式(3)中:Sk 为第k类景观格局指数的熵值;K 为常数,取决于数据组数。

      由于各指数对于景观特征阻力值的贡献度正负作用不同,取该指数与地表平均温度相关系数的正负值,并将各景观格局指数与权重相乘叠加计算得出各用地的景观特征阻力值:

      $$ {L_m} = {S_{m,{N_{\rm{P}}}}}{N_{{\rm{P}}m}} + {S_{m,{L_{{\rm{SI}}}}}}{L_{{\rm{SI}}}} + {S_{m,{I_{\rm{A}}}}}{I_{{\rm{A}}}}{\text{。}} $$ (4)

      式(4)中:Lm为第m类用地的景观特征阻力值;Sm,Np为斑块数量(NP)与第m类用地所属地类相关系数的符号,正相关取值1,负相关取值−1,$S_{m,L_{{\rm{SI}}}} $$S_{m,I_{\rm{A}}} $同理;NPm为第m类用地斑块数量(NP)叠加权重后的指数值,景观形状指数(LSI)与景观聚集度指数(IA)同理。

      ②计算地表覆盖阻力值。将降温率数据用规范化标准化方法(min−max标准化方法)将数据标准化,再根据热力过程对地表覆盖阻力值进行计算,最终得到各用地的地表覆盖阻力值:

      $$ {V_m} = \frac{{{E_{{\rm{M}}m}} - {E_{{\rm{Mmin}}}}}}{{{E_{{\rm{Mmax}}}} - {E_{{\rm{Mmin}}}}}} + 0.001{\text{;}} $$ (5)
      $$ {F_m} = \frac{1}{{{V_m}}}{\text{。}} $$ (6)

      式(5)~(6)中:Vm为标准化降温率;EMm为降温率;EMmaxEMmin为该组降温率数据中的最大、最小值。为消除0值,将标准化值+0.001。Fm为第m类用地类型地表覆盖阻力值[20],为消除数据特性对阻力值的影响,将阻力值限制为1~1 001。

      ③确定指数权重。根据熵值法计算景观特征阻力值与地表覆盖阻力值的权重后,将其分别乘以对应的系数后叠加,得到各用地的成本路径阻力值:

      $$ {C_m} = a{F_m} + b{L_m}{\text{。}} $$ (7)

      式(7)中: Fm为地表覆盖阻力值, Lm为景观特征阻力值,ab 为两者的系数。

      ④绿色基础设施网络构建。“可扩展路径”是景观由源地向周围扩散的可能方向,这些路径共同构成目标源景观的潜在生态网络[16]。降温网络则由“源”斑块及连接“源”斑块的廊道构成,可以减少空气受阻程度,保障空气交换的畅通,尤其在应对城市热岛效应方面发挥重要作用[21]。根据上述研究选取降温“源”斑块作为成本路径的起点和终点,为空间上不同的土地利用类型附上成本路径阻力值,通过最小累积阻力(MCR)模型识别,构建起“源”斑块之间的连接通道作为降温廊道,最后结合南京市绿地系统规划获得优化后的城市绿色基础设施降温网络。

    • 根据形态学空间格局分析方法与地表温度叠加分析计算可得出,降温率从大到小依次为核心区、边缘、孔隙、桥接区、环、支线、孤岛(表1),可见大型斑块对于城市热环境的改善效果较好,而分散的小型城市绿地对热量消解贡献较小。基于生境可利用性,选出507个核心区斑块作为“源”斑块的备选斑块。根据景观连通性重要程度的计算结果及Jenks自然间断点分级法的分级结果,备选斑块被分为5个等级(表2),其中第1等级和第2等级斑块数量最少,重要程度最高,分布较均匀,包括南京市重要的绿色基础设施要素,如长江、紫金山、玄武湖、老山、青龙山等区域;第4等级和第5等级斑块在数量上更多,在空间上多为分散的小型城市绿地(图1)。再结合各级斑块的降温率(表3)可知:第1等级和第2等级斑块面积占比大、连通性强、降温率高,因而选择第1等级和第2等级共25个面积大于5 hm2的斑块作为降温网络“源”斑块(图2)。

      表 1  7种类型地表温度分析

      Table 1.  Seven landscape connectivity types and their average temperature

      类型平均温度/℃降温率/% 类型平均温度/℃降温率/%
      支线 31.191.2 桥接区30.902.1
      边缘 30.423.6环  31.021.7
      孤岛 31.430.4孔隙 30.423.6
      核心区29.028.0

      表 2  斑块重要值分级

      Table 2.  Grading of cores by dPC (delta PC decomposed) value

      等级斑块数/个斑块重要值取值区间连通性重要程度
      第1等级 979.551 5~0.738 7极强
      第2等级 16 0.591 5~0.113 0强 
      第3等级 76 0.084 8~0.009 2中 
      第4等级287 0.008 7~0.000 2弱 
      第5等级119 0.000 1~0.000 0极弱

      图  1  核心区斑块重要值分级示意图

      Figure 1.  Grading of cores by dPC value

      表 3  各级斑块地表温度分析

      Table 3.  Analysis of surface temperature of patches at different levels

      等级面积占比/%平均温度/℃降温率/%
      第1等级0.7528.519.7
      第2等级0.1229.177.6
      第3等级0.0730.274.1
      第4等级0.0530.383.7
      第5等级0.0130.692.8

      图  2  降温“源”斑块选取示意图

      Figure 2.  Selection of cool “source” cores

    • 通过不同用地类型的景观格局指数分析得知:林地、草地、水体的景观格局指数所显现的特征相似,被分为地类A;建设用地、裸地景观格局指数所显现出的特征相似,被分为地类B;耕地具有双重性质,被分为2个部分。将各景观格局指数与地类温度作相关性分析后(表4),选出斑块数量(NP)、景观形状指数(LSI)、景观聚集度指数(IA)等3个指数作为景观特征阻力值影响主要因素。依据3个指数对降温的正负作用及由熵值法确定的权重系数计算后可得出各用地类型的景观特征阻力值(表5)。

      表 4  景观格局指数与地类温度的相关性分析

      Table 4.  Correlation analysis between landscape pattern index and land type temperature

      指数地类A地类B指数地类A地类B
      斑块类型面积0.902−0.125边界密度   0.8650.248
      斑块所占面积0.902−0.125景观形状指数 0.928−0.871
      斑块数量  −0.8950.984边缘面积分维数0.782−0.989
      斑块密度  −0.8950.984斑块凝聚度  0.5520.326
      最大斑块指数0.7090.352景观聚集度  −0.9390.843

      表 5  各用地类型景观特征阻力值

      Table 5.  Landscape characteristic resistance value of land use types

      用地类型斑块数/个景观形状指数景观聚集度指数阻力值计算标准化处理景观特征阻力值
      耕地(地类A)23346.81489.237−157.5210.122122
      林地30026.12888.888−206.2780.09191
      草地3510.37185.364−32.5080.202202
      水体51531.09684.228−347.8470.0011
      建设用地1 83144.08787.7211 222.1371.0011 001
      裸地329.60674.74229.2590.241241
      耕地(地类B)23346.81489.237157.5210.323323

      结合地表覆盖阻力值的计算结果,利用熵值法计算景观特征阻力与地表覆盖阻力的权重得出各用地类型的成本路径阻力值(表6),赋予各地类空间分布可构成成本路径阻力面分布图(图3)。可以看到:成本路径阻力值从大到小依次为建设用地、裸地、耕地、草地、林地、水体,其中水体与建设用地为阻力值最小和最大的用地类型,接近极限值。利用最小累积阻力模型将成本路径阻力值叠加土地类型后,识别出的20条成本路径多沿河流并串联沿线小型生境斑块,其中主城区重要的城市河道如秦淮新河、秦淮外河、滁河均被识别为降温廊道。与“源”斑块一同构成了可缓解城市热岛效应的绿色基础设施网络(图4)。

      表 6  各用地类型地表覆盖阻力值

      Table 6.  Ground cover resistance values of land use types

      用地
      类型
      平均
      温度/℃
      降温
      率/%
      降温率
      标准化
      地表覆盖
      阻力值
      成本路径
      阻力值
      耕地  31.3880.5390.4272.3454
      林地  30.2354.1930.6761.4822
      草地  28.9648.2200.9501.0548
      水体  28.7308.9611.0011.001
      建设用地33.358−5.7050.0011 000.001000
      裸地  31.5580.0000.3902.5658

      图  3  成本路径阻力面示意图

      Figure 3.  Cost path resistance surface

      图  4  绿色基础设施降温网络构建示意图

      Figure 4.  Cooling network of GI

    • 将初步的构建网络与《南京市绿地系统规划(2013−2020)》进行对比后发现,本研究从生态斑块的“冷岛效应”出发构建的绿色基础设施网络与绿地规划中“四环六楔”及“九道十八射”的生态网络格局基本重合。同时,本研究还识别出了规划中忽略的廊道,可见该研究方法对于绿地、河流之间的潜在廊道识别具备一定的优势,可为国土空间规划提供参考和借鉴。结合现有规划,得到优化后的南京市主城区绿色基础设施网络,其结构可以归纳为“三环、六带、多线”(图5)。以“三环”为主体,其中明城墙为第1环,秦淮百里风光带与长江连接形成第2环,绕城高速道路绿地系统为第3环;结合连接 “三环”的6个重要降温廊道以及其他多个线型通道,共同构成南京市主城区的降温网络结构。

      图  5  南京主城区绿色基础设施降温网络结构

      Figure 5.  Structure of cooling network for GI

    • 运用形态学空间格局分析方法与景观连通分析综合识别出南京市主城区内的25个“源”斑块,与识别出的20条廊道共同构成缓解热岛效应的绿色基础设施网络,进而结合南京市绿地系统规划,提出“三环、六带、多线”的总体空间结构。

      综合多种方法定量识别“源”斑块,避免了选择的主观性和忽略生境可利用性的情况。将反映景观格局的景观格局指数和反映地表覆盖特征的地表降温率利用熵值法确定权重后构建阻力面,再用最小成本路径方法进行廊道识别,对以往的构建方法进行了修正,使得缓解热岛效应导向下的绿色基础设施网络构建更加合理。

      通过形态学空间格局分析、连通性分析,结合景观特征和地表覆盖双重指标赋值的最小成本路径方法的综合应用,为建构缓解城市热岛效应的绿色基础设施网络提供了一种新的研究思路与方法,也为通过合理布局绿色基础设施网络,改善城市人居环境提供借鉴。

    • 根据研究目标的差异对阻力面的构建进行修正是科学构建绿色基础设施网格需研究的重要问题。以往使用最小成本路径法进行的研究中,常根据不同景观类型赋予相应的阻力系数构建阻力面[22-23]。在本研究中若将景观格局指数与地表温度分别计算权重相加,会忽略景观格局指数与地表温度所指示的特征差异及其对降温的正负作用等。基于上述问题,本研究赋值时考虑景观特征和地表覆盖双重指标,其中景观特征阻力值计算考虑到景观格局指数对不同地类阻力值贡献的正负性,并采用熵值法叠加多个计算结果权重,使得运算结果更加全面准确。

    • 众多研究表明:城市中的绿色基础设施要素在解决城市生态、污染、气候等问题中具有突出的作用[24-25],而相关的绿色基础设施网络构建研究仍处于起步阶段。安超等[26]基于空间利用生态绩效构建“自然生态”与“人文生态”相结合的绿色基础设施网络;王晶晶等[27]以多元价值为导向探索能够符合多种需求的复合型绿色基础设施网络。这些研究所运用的方法与构想都为本研究提供了可供借鉴的思路。本研究基于对快速城市化背景下热岛效应问题的思考,通过绿色基础设施网络构建结合城市绿地系统规划,提出了南京市主城区绿色基础设施网络应着力建设“三环、六带、多线”降温功能空间结构,为缓解城市热岛效应的绿色基础设施网络构建提供了一种研究思路,后续还可结合细颗粒物(PM2.5)消减、雨洪管理等热点问题进一步深入研究。

    • 本研究的绿色基础设施网络构建结果不仅包含了传统绿地系统规划的若干重要生态廊道,对传统城市绿地系统规划容易忽视的城市大型生境斑块中的潜在廊道也具有识别优势,对生态系统服务与空间规划交叉领域的研究是一个有益的补充。本研究将降温廊道定义为降温效应贡献值大的“源”斑块之间的连接廊道,即空气流通方向为“源—源”,而实际中城市热岛效应主要是由“汇”景观大量集聚与扩张所造成,因此对“源—汇”“汇—汇”等不同热量传导方向廊道的降温效果都需进一步开展对比分析,从而补充现有网络,形成复合型降温网络。同时,绿色基础设施网络在明确降温廊道空间形态后,还应进一步通过绿色基础设施网络降温功能量化的方式,研究确定廊道具体建设宽度,如何串联分散的绿色基础设施要素等问题,使得降温网络能够更加科学地指导实践。

参考文献 (27)

目录

    /

    返回文章
    返回