原名：Evaluation of urban green space in terms of thermal environmental benefits using geographical detector analysis
译文：利用地理探测器分析评价城市绿地热环境效益
期刊：International Journal of Applied Earth Observations and Geoinformation
发表时间：2021.10
作者：Xuemiao Wang, Qingyan Meng, Linlin Zhang, Die Hu
DOI:10.1016/j.jag.2021.102610
导言：
城市植被被认为是一种关键的社会公共资源，在改善空气质量、调节气候和缓解城市热岛效应等方面具有重要意义。已有大量学者研究了不同特征的UGS对城市热环境的影响。这些研究结论对UGS的规划和优化具有重要的参考价值。但是，研究区域、研究对象、研究规模和数据分辨率的差异可能会降低相关结论的适用性。将UGS与LST关系的定量分析结果直接纳入UGS评价模型的进一步构建是一种有效的方案。本文以UGS的热环境效益为切入点，对UGS进行评价，以期为UGS的优化提供科学依据。
1.研究背景：
近年来，人们在利用遥感数据了解UGS对城市热岛(UHIs)的缓解效应方面做出了大量努力。人口密集的城市地区和拥挤的建筑加剧了城市的UHI效应，而城市植被为城市空间提供了阴凉和蒸散，显示出对UHI的缓解作用。人们普遍认为，增加绿地面积将降低LST，从而缓解UHI效应。由于难以实现UGS的持续扩张，人们开始优化城市内部景观的空间配置。然而，绿地斑块形状和分布类型对降温效果的影响尚未得出统一的结论，这可能与研究区域、数据采集时间、数据空间分辨率和分析尺度的差异有关。因此，需要更多的案例研究来评估不同条件下UGS景观格局对地表温度的影响。在评估特定区域的UGS时，必须明确什么样的UGS空间模式可以产生更高的热环境效益。
2.研究方法：
图1 流程图
2.1样本统计分析
根据UGS分布和研究需要，在研究区进行1 km × 1 km格网采样，得到1149个样本格网。然后提取每个网格的地表温度平均值以及以网格为景观单元的一系列景观指标，进行进一步的统计分析。除了香浓多样性指数(SHDI)只能在景观水平上计算外，其他指标均在景观和类的水平上进行分析。在本研究中，草地、灌木和乔木的类级指标分别用G、S和T表示。
表1 景观指数介绍
2.2地理探测器
地理探测器(geography detector)是一种对地理现象的驱动因子检测方法。根据该方法，如果某一环境因子与某一地理现象的空间变异具有显著的一致性，则该环境因子对该地理现象的发生发展具有决定性意义。本文采用因子检测器来评价UGS景观指标对地表温度的驱动力。
2.3层次分析法
本研究中，利用层次分析法将地理探测器的结果转化为指标的权重。设计比较矩阵，将比较判断转换为数值权重。通过计算比较矩阵的最大特征值对应的特征向量，可得到所选指标的权重。权向量可以用平方根法近似。利用地理探测器分析结果确定评价模型的层次结构和度量权重。
2.4移动窗口法
移动窗口是一种具有代表性的多尺度分析方法，通过自定义尺度来表达景观格局的空间变化。经过实验分析，100 m分辨率被认为是一个合理的分析尺度。
3.研究结果
3.1UGS景观指标与地表温度的Pearson相关分析
表2为景观指标与地表温度的Pearson相关系数
相关系数表明，大面积种植的乔木、聚集分布的形状复杂的灌木、均匀分布的形状复杂的草地具有较好的降温效果。同时，增加植被类型的多样性和各类植被斑块的接触面积，促进物质、能量的交换，形成高质量地暖的小型生态系统，提高了降温效果。
3.2基于地理探测器的地表温度影响因素分析
（1）UGS景观指标对地表温度的驱动效应
表3 基于地表温度的景观指标因子检测结果
由q值可知，不同植被类型对地表温度的影响为乔木>灌木>草地。
（2）UGS景观指标对地表温度的交互效应
图片
图2 地表温度的景观级指标相互作用检测结果
注：每一对景观尺度的相互作用增加了各因子对地表温度的影响，即二元增强或非线性增强(粗体值)。
交互检测结果表明，在城市绿地总面积有限的情况下，提高各类植被的多样性和接触度，减少斑块形状的不规则性是较好的绿化优化方法。
3.3城市绿地热环境效益评价
（1）模型构建
图片
图3 基于移动窗口法的景观测度
基于因子检测得到的景观指标对LST的解释率(q值)，选取4个景观级指标(B1)和4个类级指标(B2)构建综合评价指标(a)，并进行景观指标的专题地图量化。
表4 GEBI模型的层次和度量权值
图片
GEBI = 0.3427*PLAND + 0.1676*PD + 0.0472*LSI + 0.1092*AI + 0.1464*PD − S + 0.1036*PLAND − T + 0.0345*SPLIT − T + 0.0488*AI − T
（2）GEBI及其热点/冷点分布
图片
图4 GEBI的空间分布及其冷热点
GEBI具有高度的空间异质性。GEBI值在城市中心较低，在城市边缘较高。高值区主要分布在海淀区西北部和石景山区。
4.结论
（1）UGS的空间聚集和结构对地表温度有明显的影响。
（2）在类水平上，乔木对地表温度的影响大于灌木和草地。
（3）由于各驱动因子对地表热环境效益的影响是相互增强的，因此可以从多个角度改善城市绿化。
（4）基于地理探测器分析的UGS评价客观、实用。最后，在研究区域内，将胡同确定为绿化优化区域。
5.贡献点
（1）结合复杂城市环境的实际环境效益，构建了评价UGS的综合指标——绿色环境效益指数(GEBI)。
（2）探索绿地分析新视角。城市绿地中的各类型植被不是单独发挥效益的，可能的结果是1+1>2，因而有必要探究植被类型的交互影响。
6.引用格式
Wang, X., Meng, Q., Zhang, L., Hu, D., 2021. Evaluation of urban green space in terms of thermal environmental benefits using geographical detector analysis. International Journal of Applied Earth Observation and Geoinformation 105.
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
