土地利用规模−结构−形态演变对城市热环境的影响——以西安市主城区为例

doi:10.13249/j.cnki.sgs.2022.05.018

地理科学 ›› 2022, Vol. 42 ›› Issue (5): 926-937.doi: 10.13249/j.cnki.sgs.2022.05.018

• 青藏高原环境变化与人类活动专栏 • 上一篇下一篇

土地利用规模−结构−形态演变对城市热环境的影响——以西安市主城区为例

黄晓军¹^,²^,³(), 宋涛¹, 王博⁴, 郑殿元¹, 祁明月¹

1.西北大学城市与环境学院，陕西西安 710127
2.陕西省地表系统与环境承载力重点实验室，陕西西安 710127
3.陕西西安城市生态系统定位观测研究站，陕西西安 710127
4.广东省城乡规划设计研究院有限责任公司，广东广州 510290

收稿日期:2021-02-08 修回日期:2021-07-10 出版日期:2022-05-25 发布日期:2022-07-11
作者简介:黄晓军（1983−），男，黑龙江哈尔滨人，教授，博导，主要从事城市地理研究。E-mail: huangxj@nwu.edu.cn
基金资助:
国家自然科学基金项目资助(41971178)

Study on the Influence of Land Use Evolution of Scale, Structure and Pattern on Urban Thermal Environment: A Case Study of Xi’an

Huang Xiaojun¹^,²^,³(), Song Tao¹, Wang Bo⁴, Zheng Dianyuan¹, Qi Mingyue¹

1. College of Urban and Environmental Sciences, Northwest University, Xi’an 710127, Shaanxi, China
2. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Xi’an 710127, Shaanxi, China
3. Shaanxi Xi’an Urban Forest Ecosystem Research Station, Xi’an 710127, Shaanxi, China
4. GuangDong Urban & Rural Planning and Design Institute Co., LTD., Guangzhou 510290, Guangdong, China

Received:2021-02-08 Revised:2021-07-10 Online:2022-05-25 Published:2022-07-11
Supported by:
National Natural Science Foundation of China(41971178)

摘要/Abstract

摘要：

土地利用变化与城市热环境关系紧密。以西安市为例，采用遥感影像数据，从规模?结构?形态对土地利用变化进行了分析，同时，对西安市热环境变化特征进行了阐释，在此基础上，对土地利用规模、结构和形态变化与热环境变化关系进行了系统分析，揭示土地利用变化对城市热环境的影响。结果如下：① 2000—2016年，随着建设用地的增长，西安市平均地表温度呈上升趋势，耕地与建设用地面积占比变化与地表温度变化呈正相关性，林草地与水域面积占比变化与地表温度变化呈负相关性；② 林草地、水域的斑块优势度越大，形状越复杂，集聚度越高，越有利于改善热环境，而耕地和建设用地的斑块景观优势度大、集聚度高，则会导致地表温度升高和热环境恶化；③ 集聚度和连通度高的大斑块林草地和水域具有更突出的降温效果，相反，高度集聚的建设用地形成的不透水面具有更强的升温效果。可为从土地利用视角改善城市热环境提供参考依据。

关键词: 土地利用, 热环境, 地表温度, 西安市

Abstract:

Land use change is closely related to urban thermal environment. This paper uses remote sensing image data to interpret and invert the land use types and land surface temperature (LST) of Xi’an in 2000, 2008 and 2016 respectively, and analyzes land use changes from scale, structure, and pattern. Meanwhile, the characteristics of thermal environment changes in Xi′an are explained. On this basis, the relationship between land use changes and thermal environment changes is systematically analyzed to reveal the impact of land use changes on the urban thermal environment. The results are as follows: 1) From 2000 to 2016, with the increase of construction land, the average LST of Xi’an City showed a rising trend. The proportion of cultivated land and construction land was positively correlated with the change of land surface temperature, while the proportion of forest and grass land and water area was negatively correlated with the change of land surface temperature. 2) The larger the patch dominance degree, the more complex the shape and the higher the aggregation degree of forest, grass and water, the more conducive to improving the thermal environment, while the larger the patch dominance degree and the higher the aggregation degree of farmland and construction land, the higher the LST and the thermal environment deterioration. 3) The large patch forest grassland and water area with high degree of agglomeration and connectivity have a more prominent cooling effect, on the contrary, the impervious water surface formed by the construction land with high concentration has a stronger warming effect. This study can provide reference for improving urban thermal environment from the perspective of land use.

Key words: land use, thermal environment, land surface temperature, Xi’an

中图分类号:

黄晓军, 宋涛, 王博, 郑殿元, 祁明月. 土地利用规模−结构−形态演变对城市热环境的影响——以西安市主城区为例[J]. 地理科学, 2022, 42(5): 926-937.

Huang Xiaojun, Song Tao, Wang Bo, Zheng Dianyuan, Qi Mingyue. Study on the Influence of Land Use Evolution of Scale, Structure and Pattern on Urban Thermal Environment: A Case Study of Xi’an[J]. SCIENTIA GEOGRAPHICA SINICA, 2022, 42(5): 926-937.

图/表 16

图1

表1

图2

图3

表2

表3

图4

表4

表5

表6

图5

图6

表7

图7

表8

表9

参考文献 21

[1]	Du H, Zhou F, Li C et al. Analysis of the impact of land use on spatiotemporal patterns of surface urban heat island in rapid urbanization, a case study of Shanghai, China[J]. Sustainability, 2020, 12(3): 1171. doi: 10.3390/su12031171
[2]	Bonan G B. Effects of land use on the climate of the United States[J]. Climatic Change, 1997, 37(3): 449-486. doi: 10.1023/A:1005305708775
[3]	Findell K L, Shevliakova E, Milly P C D et al. Modeled impact of anthropogenic land cover change on climate[J]. Journal of Climate, 2007, 20(14): 3621-3634. doi: 10.1175/JCLI4185.1
[4]	Polydoros A, Cartalis C. Assessing the impact of urban expansion to the state of thermal environment of peri-urban areas using indices[J]. Urban Climate, 2015, 14: 166-175. doi: 10.1016/j.uclim.2015.10.004
[5]	Sharma R, Chakraborty A, Joshi P K. Geospatial quantification and analysis of environmental changes in urbanizing city of Kolkata (India)[J]. Environmental Monitoring and Assessment, 2015, 187(1): 1-12.
[6]	Rasul A, Balzter H, Smith C. Applying a normalized ratio scale technique to assess influences of urban expansion on land surface temperature of the semi-arid city of Erbil[J]. International Journal of Remote Sensing, 2017, 38(13): 3960-3980. doi: 10.1080/01431161.2017.1312030
[7]	张新乐, 张树文, 李颖, 等. 城市热环境与土地利用类型格局的相关性分析——以长春市为例[J]. 资源科学, 2008, 30(10): 1564-1570. doi: 10.3321/j.issn:1007-7588.2008.10.018
	Zhang Xinle, Zhang Shuwen, Li Ying et al. Correlation between urban thermal environment effect and land use pattern in Changchun. Resources Science, 2008, 30(10): 1564-1570. doi: 10.3321/j.issn:1007-7588.2008.10.018
[8]	Guo A, Yang J, Sun X et al. Impact of urban morphology and landscape characteristics on spatiotemporal heterogeneity of land surface temperature[J]. Sustainable Cities and Society, 2020, 63: 102443. doi: 10.1016/j.scs.2020.102443
[9]	Guo G, Wu Z, Xiao R et al. Impacts of urban biophysical composition on land surface temperature in urban heat island clusters[J]. Landscape and Urban Planning, 2015, 135: 1-10. doi: 10.1016/j.landurbplan.2014.11.007
[10]	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. doi: 10.1016/j.scitotenv.2016.10.195
[11]	Connors J P, Galletti C S, Chow W T L. Landscape configuration and urban heat island effects: Assessing the relationship between landscape characteristics and land surface temperature in Phoenix, Arizona[J]. Landscape Ecology, 2013, 28(2): 271-283. doi: 10.1007/s10980-012-9833-1
[12]	Asgarian A, Amiri B J, Sakieh Y. Assessing the effect of green cover spatial patterns on urban land surface temperature using landscape metrics approach[J]. Urban Ecosystems, 2015, 18(1): 209-222. doi: 10.1007/s11252-014-0387-7
[13]	岳文泽, 徐丽华. 城市土地利用类型及格局的热环境效应研究——以上海市中心城区为例[J]. 地理科学, 2007, 27(2): 243-248. doi: 10.3969/j.issn.1000-0690.2007.02.020
	Yue Wenze, Xu Lihua. Thermal environment effect of urban land use type and pattern—A case study of central area of Shanghai City. Scientia Geographica Sinica, 2007, 27(2): 243-248. doi: 10.3969/j.issn.1000-0690.2007.02.020
[14]	西安市统计局. 西安统计年鉴2019[M].北京: 中国统计出版社, 2019.
	Xi'an Municipal Bureau of Statistics. Xi'an Statistical Yearbook 2019. Beijing: China Statistics Press, 2019
[15]	张睿, 马建文. 支持向量机在遥感数据分类中的应用新进展[J]. 地球科学进展, 2009, 24(5): 555-562. doi: 10.3321/j.issn:1001-8166.2009.05.012
	Zhang Rui, Ma Jianwen. State of the art on remotely sensed data classification based on support vector machines. Advances in Earth Science, 2009, 24(5): 555-562. doi: 10.3321/j.issn:1001-8166.2009.05.012
[16]	谢启姣, 刘进华, 胡道华. 武汉城市扩张对热场时空演变的影响[J]. 地理研究, 2016, 35(7): 1259-1272.
	Xie Qijiao, Liu Jinhua, Hu Daohua. Urban expansion and its impact on spatio-temporal variation of urban thermal characteristics: A case study of Wuhan. Geographical Research, 2016, 35(7): 1259-1272.
[17]	周小康, 李靖, 赵昕奕. 基于小时温度数据的北京市热岛时空变化与土地利用分析[J]. 北京大学学报(自然科学版), 2020, 56(5): 939-949.
	Zhou Xiaokang, Li Jing, Zhao Xinyi. Spatial-temporal change and land use analysis of Beijing urban heat island based on hourly temperature data. Acta Scientiarum Naturalium Universitatis Pekinensis, 2020, 56(5): 939-949.
[18]	Cao X, Onishi A, Chen J et al. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data[J]. Landscape and Urban Planning, 2010, 96(4): 224-231. doi: 10.1016/j.landurbplan.2010.03.008
[19]	牟雪洁, 赵昕奕. 珠三角地区地表温度与土地利用类型关系[J]. 地理研究, 2012, 31(9): 1589-1597.
	Mu Xuejie, Zhao Xinyi. Study on the relationship between surface temperature and land use in Pearl River Delta. Geographical Research, 2012, 31(9): 1589-1597.
[20]	刘宇, 匡耀求, 吴志峰, 等. 不同土地利用类型对城市地表温度的影响——以广东东莞为例[J]. 地理科学, 2006, 26(5): 597-602. doi: 10.3969/j.issn.1000-0690.2006.05.014
	Liu Yu, Kuang Yaoqiu, Wu Zhifeng et al. Impact of land use on urban land surface temperature—A case study of Dongguan, Guangdong Province. Scientia Geographica Sinica, 2006, 26(5): 597-602. doi: 10.3969/j.issn.1000-0690.2006.05.014
[21]	孙宗耀, 孙希华, 徐新良, 等. 土地利用差异与变化对区域热环境贡献研究——以京津冀城市群为例[J]. 生态环境学报, 2018, 27(7): 1313-1322.
	Sun Zongyao, Sun Xihua, Xu Xinliang et al. Study on the contribution of land use heterogeneity and change to regional thermal environment: A case study of Beijing-Tianjin-Hebei Urban Agglomeration. Ecologyand Environmental Sciences, 2018, 27(7): 1313-1322.

获取时间（GMT）/ （年.月.日时∶分∶秒）	中心经度	中心纬度	云量	卫星及传感器	坏条带	当日最高气温
注：当日最高气温来源于国家气象科学数据中心西安国家站逐日数据集( http://www.nmic.cn)。
2000.06.29 3: 11: 43	108°45′6″	34°36′43″	0.47	Landsat 7 ETM+	无	35.6℃
2008.07.05 3: 09: 34	108°38′28″	34°35′54″	3.60	Landsat 7 ETM+	有	33.5℃
2016.06.17 3: 19: 47	108°50′36″	34°36′40″	0.03	Landsat 8 OLI	无	36.9℃

土地利用类型	2000年		2008年		2016年		2000—2008年	2008—2016年
土地利用类型	面积/km²	占比/%	面积/km²	占比/%	面积/km²	占比/%	K₁/%	K₂/%
注：K为土地利用动态度，反映研究时段内各类用地变化速率。——表示无K值。
林草地	202.08	17.82	194.27	17.13	233.69	20.61	−0.48	2.54
耕地	580.04	51.16	430.34	37.95	238.78	21.06	−3.23	−5.56
水域	29.44	2.60	18.12	1.60	17.10	1.51	−4.80	−0.71
建设用地	322.31	28.43	491.13	43.31	644.29	56.82	6.55	3.90
全部	1133.86	100	1133.86	100	1133.86	100	——	——

2000年	2008年/km²					2008年	2016年/km²
2000年	林草地	耕地	水域	建设用地	总计	2008年	林草地	耕地	水域	建设用地	总计
林草地	103.64	42.87	2.39	53.18	202.08	林草地	100.00	35.68	2.44	56.15	194.27
耕地	72.29	361.14	3.55	143.06	580.04	耕地	114.68	177.25	2.87	135.54	430.34
水域	7.24	5.53	9.47	7.19	29.43	水域	2.60	2.33	9.76	3.43	18.12
建设用地	11.10	20.80	2.71	287.70	322.31	建设用地	16.41	23.52	2.03	449.17	491.13
总计	194.27	430.34	18.13	491.13	1133.86	总计	233.69	238.78	17.10	644.29	1133.86

时间	PD	LPI	LSI	FRAC_MN	AI	CONTAG	SHDI
注：PD为斑块密度；LPI为最大斑块面积指数；LSI为景观形状指数；FRAC_MN平均分维数；AI为集聚指数；CONTAG为蔓延度指数；SHDI为Shannon 多样性指数。
2000年	5.9469	19.8616	41.0372	1.0480	93.0362	49.1435	1.1026
2008年	4.7581	34.1448	37.8782	1.0502	93.5991	50.0861	1.0985
2016年	4.5826	51.7748	39.4011	1.0541	93.3248	52.0995	1.0380
2000—2016年变化量	–1.3643	31.9132	–1.6361	0.0061	0.2886	2.956	–0.0646

温度等级	2000年		2008年		2016年
温度等级	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%
低温区	42.73	3.77	76.21	6.72	87.75	7.74
次低温区	309.37	27.28	257.44	22.70	213.09	18.79
中温区	510.46	45.02	476.81	42.05	472.82	41.70
次高温区	183.98	16.23	265.68	23.43	311.32	27.46
高温区	87.32	7.70	57.72	5.09	48.88	4.31
总计	1133.86	100	1133.86	100	1133.86	100

土地利用规模−结构−形态演变对城市热环境的影响——以西安市主城区为例

Study on the Influence of Land Use Evolution of Scale, Structure and Pattern on Urban Thermal Environment: A Case Study of Xi’an

RichHTML

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

图/表 16

参考文献 21

相关文章 15

Metrics

本文评价

推荐阅读 0

热环境变化等级	2000—2008年		2008—2016年		2000—2016年
热环境变化等级	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%
Ⅰ	31.09	2.74	216.01	19.05	154.65	13.64
Ⅱ	959.75	84.64	813.85	71.78	710.99	62.70
Ⅲ	143.05	12.62	104.03	9.17	268.24	23.66

时段	转变类型	转变面积/km²	转变前平均NDLST	转变后平均NDLST	转变前后平均NDLST差值
注：NDLST为归一化地表温度。
2000—2008年	林草地→建设用地	53.18	0.37	0.46	0.09
	耕地→建设用地	143.06	0.42	0.48	0.06
	水域→建设用地	7.19	0.36	0.46	0.10
2008—2016年	林草地→建设用地	56.15	0.40	0.46	0.06
	耕地→建设用地	135.54	0.44	0.46	0.02
	水域→建设用地	3.43	0.42	0.45	0.03
2000—2016年	林草地→建设用地	90.75	0.37	0.47	0.10
	耕地→建设用地	250.74	0.42	0.46	0.04
	水域→建设用地	9.99	0.35	0.46	0.11

斑块类型水平指数	景观类型	2000—2008年NDLST差值		2008—2016年NDLST差值
斑块类型水平指数	景观类型	一元回归方程	相关系数	一元回归方程	相关系数
注：^表示P<0.05；^表示P<0.01；NDLST*为归一化地表温度；其他变量含义见表4；样品数N=582
PD差值	林草地	无	0.001	无	0.019
	耕地	无	0.053	无	0.020
	水域	无	0.056	ΔNDLST=0.0024ΔPD−0.0245	0.133^**
	建设用地	ΔNDLST=−0.0027ΔPD+0.0297	–0.238^**	无	−0.023
LPI差值	林草地	ΔNDLST=−0.0008ΔLPI+0.0316	–0.309^**	ΔNDLST=−0.0019ΔLPI−0.0192	−0.518^**
	耕地	ΔNDLST=0.0002ΔLPI+0.0341	0.111^**	ΔNDLST=0.0010ΔLPI−0.0081	0.375^**
	水域	ΔNDLST=−0.0008ΔLPI+0.0299	–0.154^**	ΔNDLST=−0.0034ΔLPI−0.0245	−0.226^**
	建设用地	ΔNDLST=0.0005ΔLPI+0.0244	0.221^**	ΔNDLST=0.0010ΔLPI−0.0372	0.289^**
LSI差值	林草地	ΔNDLST=0.0037ΔLSI+0.0315	0.094^*	ΔNDLST=0.0215ΔLSI−0.0197	0.356^**
	耕地	ΔNDLST=−0.0056ΔLSI+0.0313	−0.112^**	ΔNDLST=−0.0097ΔLSI−0.0251	−0.186^**
	水域	无	−0.014	ΔNDLST=0.0127ΔLSI−0.0268	0.141^**
	建设用地	ΔNDLST=−0.0076ΔLSI+0.0296	−0.169^**	ΔNDLST=−0.0177ΔLSI−0.0260	−0.203^**
FRAC_MN差值	林草地	无	0.006	ΔNDLST=−0.0450ΔFRAC_MN−0.0229	−0.190^**
	耕地	ΔNDLST=0.0228ΔFRAC_MN+0.0316	0.093^*	ΔNDLST=0.0261ΔFRAC_MN−0.0221	0.126^**
	水域	无	0.079	ΔNDLST=−0.0167ΔFRAC_MN−0.0266	−0.121^**
	建设用地	ΔNDLST=0.0216ΔFRAC_MN+0.0324	0.120^**	无	0.044
AI差值	林草地	无	−0.076	ΔNDLST=−0.0006ΔAI−0.0221	−0.237^**
	耕地	无	0.072	ΔNDLST=0.0004ΔAI−0.0205	0.168^**
	水域	无	0.014	ΔNDLST=−0.0002ΔAI-0.0265	−0.120^**
	建设用地	ΔNDLST=0.0002ΔAI+0.0328	0.093^*	ΔNDLST=0.0004ΔAI−0.0245	0.101^*

景观水平指数	2000—2008年NDLST差值		2008—2016年NDLST差值
景观水平指数	一元回归方程	相关系数	一元回归方程	相关系数
注：^表示P<0.05；^表示P<0.01；NDLST*为归一化地表温度；其他变量含义见表4；样品数N=582
PD差值	无	0.044	无	–0.006
LPI差值	ΔNDLST=0.0002ΔLPI+0.0316	0.089^*	ΔNDLST=0.0009ΔLPI−0.0226	0.365^**
LSI差值	无	–0.033	ΔNDLST=–0.0288ΔLSI−0.0225	–0.357^**
FRAC_MN差值	无	–0.010	ΔNDLST=–0.5247ΔFRAC_MN−0.0241	–0.120^**
AI差值	无	–0.021	ΔNDLST=0.0057ΔAI−0.0219	0.317^**
CONTAG差值	ΔNDLST=0.0003ΔCONTAG+0.0321	0.140^**	ΔNDLST=0.0009ΔCONTAG−0.0207	0.318^**
SHDI差值	ΔNDLST=–0.0145ΔSHDI+0.0315	–0.094^*	ΔNDLST=–0.0790ΔSHDI−0.0241	–0.384^**

[1]	于明雪, 孙建国, 杨维涛, 谢甫, 吕建康. 基于贝叶斯层次时空模型的甘肃省土地利用程度演变分析[J]. 地理科学, 2022, 42(5): 918-925.
[2]	汪丽, 曹小曙, 李涛. 不同出游时间视角下游客流动网络结构及其分异特征——以西安市为例[J]. 地理科学, 2021, 41(8): 1437-1447.
[3]	李丹, 周嘉, 战大庆. 黑龙江省耕地时空变化及驱动因素分析[J]. 地理科学, 2021, 41(7): 1266-1275.
[4]	韩美, 孔祥伦, 李云龙, 魏帆, 孔凡彪, 黄淑萍. 黄河三角洲“三生”用地转型的生态环境效应及其空间分异机制[J]. 地理科学, 2021, 41(6): 1009-1018.
[5]	李鲁奇, 孔翔. 国外城市系统智能体模型的科学计量分析[J]. 地理科学, 2021, 41(5): 797-803.
[6]	张文斌, 张志斌, 董建红, 张怀林, 高发文, 公维民. 多尺度视角下耕地利用功能转型及驱动力分析——以甘肃省为例[J]. 地理科学, 2021, 41(5): 900-910.
[7]	孔雪松, 陈俊励, 王静, 赵晓东. 耦合土地利用格局与过程变化的生态干扰评价——以长三角地区为例[J]. 地理科学, 2021, 41(11): 2031-2041.
[8]	黄群芳. 城市空间形态对城市热岛效应的多尺度影响研究进展[J]. 地理科学, 2021, 41(10): 1832-1842.
[9]	蒙吉军, 江颂, 拉巴卓玛, 张维佳. 基于景观格局的黑河中游土地利用冲突时空分析[J]. 地理科学, 2020, 40(9): 1553-1562.
[10]	沈中健, 曾坚. 厦门市热岛强度与相关地表因素的空间关系研究[J]. 地理科学, 2020, 40(5): 842-852.
[11]	于正松, 程叶青, 李小建, 孙东琪. 工业镇“生产-生活-生态”空间演化过程、动因与重构——以河南省曲沟镇为例[J]. 地理科学, 2020, 40(4): 646-656.
[12]	赵鹏军, 万婕. 城市交通与土地利用一体化模型的理论基础与发展趋势[J]. 地理科学, 2020, 40(1): 12-21.
[13]	于琛,胡德勇,张旸,曹诗颂,段欣,张亚妮. 近20年京津唐主体城区地表热场空间特征变化分析[J]. 地理科学, 2019, 39(6): 1016-1024.
[14]	薛东前, 万斯斯, 马蓓蓓, 陈荣玉. 基于城市功能格局的西安市文化产业空间集聚研究[J]. 地理科学, 2019, 39(5): 750-760.
[15]	田俊峰, 王彬燕, 王士君. 东北三省城市土地利用效益评价及耦合协调关系研究[J]. 地理科学, 2019, 39(2): 305-315.