2021年1月
农业机械学报
第52卷第1期
doi:10.6041/j.issn.1000⁃1298.2021.01.024
王 戈1 于 强1 YANG Di 2 赵晓婷1 赵桂芳1 岳德鹏1
(1.北京林业大学精准林业北京市重点实验室，北京100083;
2.蒙大拿大学空间分析实验室，米苏拉MT 59808)
摘要：为探究京津冀城市树木覆盖率(TC)㊁短植被覆盖率(SV)与裸地覆比率(BG)变化趋势及生态空间格局对地表温度的影响，基于京津冀城市的MODIS 遥感数据，运用景观生态学理论并结合空间计量经济学相关原理研究了京津冀生态空间与地表温度的格局特征，运用Pearson 相关性探究了两者的相关性，分别运用空间双变量自相关与空间自回归模型探究了两者的空间相关性㊂结果表明：京津 冀地区中部㊁东北部以及西南边界地区的树木覆盖率呈现增长趋势，东北㊁西南边界和东部沿海地区的短植被覆盖率呈上升趋势，承德市西北部和南部㊁保定市㊁石家庄市㊁邢台市和邯郸市的部分区域具有土地裸露风险㊂提取了京津冀城市的绿空间和蓝空间，各样区内蓝绿空间与地表温度的空间分布具有显著的空间自相关性㊂样区5㊁7位于河北省北部，林地景观比例较高，相关性以及双变量空间自相关性高于其他样区，这与景观优势度㊁斑块破碎度有关㊂样区1㊁4生态空间比例较低，对地表温度影响有限㊂景观类型比例对地表温度影响较大，样区7的生态空间比例较高，并且生态空间斑块集中连片，对地表温度影响明显㊂样区1~7的空间滞后模型与空间误差模型拟合效果远优于OLS 模型㊂各个样区空间误差模型的R 2大于空间滞后模型，空间误差模型解释变量的能力更强㊂各个样区空间误差模型的LIK 值较大,AIC㊁SC 以及模型残差的Moran’s I 值较小，空间误差模型的拟合效果优于空间滞后模型㊂关键词：京津冀城市；地表温度；空间自相关模型；空间自回归模型中图分类号:X171.1
文献标识码:A
文章编号:1000⁃1298(2021)01⁃0209⁃10
OSID
:
收稿日期:20200227 修回日期:202006
28
基金项目：自然资源部地球观测与时空信息科学重点实验室开放基金项目(201913)㊁中国博士后科学基金面上项目(2018M641218)和
中央高校基本科研业务费专项资金项目(BLX201806)
作者简介：王戈(1995 )，男，博士生，主要从事3S 技术在资源环境中的应用研究,E⁃mail:187****3466@163 通信作者：于强(1987 )，男，讲师，博士，主要从事3S 技术在生
态环境中的应用研究,E⁃mail:yuqiang@bjfu.edu
Relationship between Change of Ecological Spatial Pattern and Land Surface
Temperature in Beijing Tianjin Hebei Urban Agglomeration
WANG Ge 1 YU Qiang 1 YANG Di 2 ZHAO Xiaoting 1 ZHAO Guifang 1 YUE Depeng 1
(1.Beijing Key Laboratory of Precision Forestry ,Beijing Forestry University ,Beijing 100083,China
2.Space Analysis Laboratory ,University of Montana ,Missoula MT 59808,USA )
Abstract :Based on MODIS remote sensing data of Beijing Tianjin Hebei region,using landscape ecology and related principles of spatial econometrics,the pattern characteristics of ecological space and surface temperature in Beijing Tianjin Hebei region were discussed,Pearson correlation was used to explore the correlation between the two,and the spatial bivariate autocorrelation and spatial autocorrelation were used to explore the spatial correlation of the two.The results showed that the forest coverage in the central,northeast and southwest borders of Beijing Tianjin Hebei area was increasing,the cultivated land coverage in the northeast,southwest and east coastal areas was increasing,and some areas of Chengde City in the northwest and south,Baoding City,Shijiazhuang C
ity,Xingtai City and Handan City were at risk of land exposure.The green space or blue space in July 2018was extracted,and the spatial distribution of ecological space and surface temperature in various areas had significant spatial autocorrelation.Sample areas 5and 7were located in the north of Hebei Province.The proportion of forest landscape was higher,and the correlation and bivariate spatial autocorrelation were higher than that of other sample areas,which were related to landscape dominance and patch fragmentation.Due to the low proportion of ecological space between sample area 1and sample area 4,the impact on LST was
limited.The plant had a large impact on LST image,the proportion of sample area7was high,and the effect of ecological space patches and concentrated patches on surface temperature was obvious.The fitting effect of the spatial lag model and the spatial error model of sample areas1to7was much better than that of OLS.R2of the spatial error model of each sample area was greater than that of the spatial lag model,and the spatial error model had stronger ability to interpret variables.The LIK value of the spatial error model of each sample area was larger,the value of AIC,SC and Moran’s I of the model residual were smaller,and the fitting effect of the spatial error model was better than that of the spatial lag model. Key words:Beijing Tianjin Hebei urban agglomeration;surface temperature;spatial autocorrelation model;spatial autoregression model
0 引言
城市是城市发展到成熟阶段的最高空间组织形式[1]㊂随着城市内城市范围的扩张与城市数量的增加，建筑用地比例持续增加㊁生态用地不断减少，景观趋于破碎，产生了大量生态环境问题[2]，如热环境㊁水环境㊁城市生态服务功能下降等问题[3]㊂其中，城市热环境问题尤为突出㊂热环境问题是绝大多数城市所共有的问题[4]，由热环境效应影响区域所构成的 热空间”面积不断增加，破坏了大气环境，导致空气污染物不易扩散㊁城郊对流增强㊁单次降雨增加，易引发城市洪涝灾害[5]㊂
城市生态空间可分为绿生态空间与蓝生态空间(简称绿空间与蓝空间)㊂绿空间是指可以维持城市生态环境稳定的所有植被出现的地方，可以为自然界提供生境，保护生物多样性[6]；城市蓝空间是指城市中水体区域[7]㊂由蓝空间与绿空间构成的生态空间对城市生态稳定意义重大，建设城市蓝绿空间是缓解热环境问题的重要手段[8]㊂然而，我国人多地少，城市绿地与水体的规划建设受到诸多方面制约[9]，生态空间的降温效果不仅与植被㊁水体的面积和空间分布有关，更受生态空间本身格局的影响[10]㊂地表温度作为有效表征热环境影响程度的指标而被广泛应用于城市热环境问题研究中[11]㊂景观指数可以高度浓缩景观信息㊁反映其结构组成和空间配置㊂目前，生态空间与地表温度关系研究大多集中在绿地景观与地表温度的关系方面，有关学者基于遥感数据与气象观测数据的研究表明，城市植被绿地可通过蒸腾作用和阴影来降低地表温度，植被覆盖组成㊁NDVI与地表温度间存在显著相关性，并且植被比例越高㊁地表温度越低[12]㊂绿地景观空间结构对地
表温度也具有显著影响，地表温度与区域内绿地景观斑块大小㊁形状指数㊁聚集度指数等景观指数间存在正相关关系，绿地格局参数对地表温度影响差异较大[13]㊂陈爱莲等[14]探究了北京市城市绿地格局与地表温度及冷岛强度的相关关系，程好好等[15]研究了深圳市绿地类型㊁属性特征与地表温度分异之
间的关系，袁振等[16]将地温空间格局与城市绿地斑块进行了空间耦合分析㊂以上研究仅局限于单一研
究区，缺乏对不同景观组成地区的比较，采用相关性
分析与线性回归忽略了景观的空间异质性[17]㊂本研究采用空间自相关与空间自回归模型探究京津冀
城市内不同地区生态空间格局与地表温度关
系[18]，为京津冀城市热环境问题缓解提供科学依据㊂
1 材料与方法
1.1 研究区概况
京津冀城市位于华北平原北部(北纬36°5′~ 42°40′，东经113°27′~119°50′)，北靠燕山山脉，南接华北平原，西倚太行山，东临渤海湾，西北和北部地形较高，南面和东面地形较为平坦，气候属于暖温带大陆性季风型气候，降水分配不均匀，春秋短促且干旱多风，夏季高温多雨，冬季寒冷干燥，分布较广的植被类型为草地㊁常绿针叶林和落叶阔叶林㊂京津冀城市是我国三大城市之一，主要包括北京市㊁天津市和河北省在内共13个城市(图1)，区域面积为18.85万km2，人口数量1.18亿㊂2018年京津冀城市GDP为8.5×104亿元，占全国GDP总量的9.44%，作为国家 十三五”规划重点发展城市，对我国华北地区具有重要意义㊂近些年来，北京市㊁天津市和河北省发展迅速，京津冀城市的下垫面改变使得地表温度发生变化，加上人口聚集密度高等因素，导致地表温度升高，城市热环境状况进一步加剧㊂
1.2 数据来源
本文选用的地表温度数据是搭载在Terra卫星
上MODIS陆地系列产品中的地表温度8d合成产品(MOD11)㊂研究选用的2003 2018年树木覆盖率㊁短植被覆盖率与裸地覆比率由MOD44B植被覆盖转换产品(VCF)提供,VCF是指植被冠层或叶面积在地表的垂直投影面积占植被区总面积的比例，其中包括3种类型：树木冠层(Tree canopy,TC)覆
012农 业 机 械 学 报 2021年
图1 研究区概况
Fig.1 Overview of study area
盖率㊁短植被(Short vegetation,SV)覆盖率与裸地(Bare ground,BG)覆比率，数值范围为0~200,0~ 100表示该区域的树木㊁短植被或裸地覆盖率,100~ 200表示该区域为水体㊂植被指数(NDVI)由MODIS陆地标准数据产品MOD13提供,MNDWI由MOD09数据中第4㊁6波段计算得到㊂MODIS数据的储存格式为HDF，地图投影为正弦投影，利用MODIS Reprojection Tool(MRT)工具进行批量几何校正与重采样处理，批处理后数据分辨率为1000m×1000m，可以满足京津冀城市研究的需要㊂
1.3 研究方法
1.3.1 MODIS地表温度处理
本文研究重点为探究生态空间格局与地表温度的耦合关系，夏季白天是高温对城市造成影响最严重的时间段，故选取2018年夏季典型高温月(7月)的白天地表温度数据㊂选取8d合成全球地表温度和发射率产品(MOD11)，对MOD11中Day_view_time(白天数据观测时间)子数据集进行预处理，然后对其进行辐射定标并转换为地表温度㊂地表温度计算公式为
T s=0.02D N-273.15(1)式中 T s 地表温度,℃
D N 像元灰度
受云层影响，地表温度产品无法记录云层覆盖区域的地表温度数据,MOD11A2缺失值为0或低于正常值㊂运用月最大值合成法记录影像中同一坐标像元在合成范围内最大值来有效填补缺失数据，将所有数据进行重采样至分辨率为1000m×1000m㊂1.3.2 趋势分析法
为了能够掌握研究区2003 2018年的树木覆盖率(T C)㊁耕地覆盖率(S V)和裸地覆比率(B G)在时间与空间的变化特征，采用一元线性回归法模拟每个栅格的年际变化趋势，运用ArcGIS软件中空间分析模块来计算变化趋势，计算公式为
S lope=
n∑n i=1X i-∑n i=1i∑n i=1X i
n∑n i=1i2(-∑n i=1)i2(2)式中 n 某一特征参数在研究时间段内累计时
间,a
X i 某一种特征参数第i年的平均值
S lope 趋势线斜率，为负表示该参数在整个
时间段呈下降趋势，为正呈上升趋势对每一个栅格进行趋势斜率分析，来研究整个区域各个特征参数的变化情况[19]㊂
1.3.3 景观格局指数
景观格局可以反映景观的结构组成与空间配置，景观格局指数可以将景观格局定量化并且高度浓缩景观信息㊂根据文献[20]关于运用景观格局指数评价景观格局与热环境关系的研究，从类型水平与景观水平上共选取7个常用景观格局指数(表1)，利用Fragstats4.2软件计算2018年各样区景观格局指数㊂
1.3.4 移动窗口分析
景观格局指数之间存在一定关联性[21]，为全面反映生态空间的景观格局[18]，选取景观类型比例(PLAND)㊁斑块密度(PD)㊁最大斑块指数(LPI)㊁聚合度指数(AI)㊁平均斑块面积(AREA_MN)㊁面积加权平均斑块分维数(FRAC_AM)㊁形状指数(LSI)来研究2018年的生态空间与地表温度间的关系㊂结合实际情况选取Fragstats4.2软件，采用边长为10km的正方形窗口自研究区左上角移动，提取窗口内生态空间格局指数，最终得到生态空间景观指数的栅格图像[22]㊂通过ArcGIS10.4软件，计算各个窗口内平均地表温度与景观指数并进行归一化处理㊂
1.3.5 空间自相关分析
空间自相关分析可以解释景观的聚集特性[23]，分为全局空间自相关与局部空间自相关，两者通过Moran’s I来衡量空间自相关程度㊂ANSELIN提出双变量空间自相关分析来解释空间变量与邻近区域其他变量之间的相关性[24]㊂
竹塑运用GeoDa1.6软件进行空间自相关分析，全局自相关分析用于衡量样区内各个空间单元与临近
112
第1期 王戈等：京津冀城市生态空间格局变化与地表温度关系研究
表1 景观格局指数Tab.1 Landscape pattern index
种类指数
计算公式含义
面积
景观类型比例(PLAND)PLAND =100
∑n
j =1
a j A
景观类型在整个景观中的面积比例
最大斑块指数(LPI)
LPI =max(a 1,a 2, ,a j )/(100A )
优势景观的类型
密度
斑块密度(PD)
PD =N /(1×106A )景观被分割的破碎程度平均斑块面积(AREA_MN)AREA MN =A /N
景观的破碎程度与异质性形状
形状指数(LSI)
LSI =0.25E A
景观整体的形状复杂程度
面积加权平均斑块分维数(FRAC_AM)
solarbuzzFRAC AM =
∑m i =1∑n
j =1
2ln(0.25p ij a ij )
A ln a ij
斑块形状对内部生态过程的影响
边缘
聚合度指数(AI)
压缩天然气密度
AI =
100a ii
max(a ii )
景观的边缘效应
单元之间的聚集性，计算公式为
I =
∑n i =1∑n
j =1
W ij (x i -x )(x j -x )
S (2
∑i
∑j
w )
ij
(3)
式中 n 空间单元总数
x 变量x i 在n 个空间单元的平均值
I 全局空间自相关值
w ij 位置i ㊁j 观测值的权重
x i ㊁x j 位置i ㊁j 的观测值
W ij 通过K 邻接关系建立的空间权重矩阵S 2 所有空间单元中变量观测值x 的方差局部自相关分析用于分析变量在局部区域的空间相关性，基于z 检验的LISA 分布图能直观呈现局部区域变量的聚集性及分异特征，计算公式为
I =
(x i -x )∑n
j =1W ij (x j -x )
S 2
(4)
式中 I 局部空间自相关值
1.3.6 空间自回归模型
本研究通过GeoDa1.6软件采用空间自回归模型对2018年7月地表温度与生态空间景观指数进
行回归分析，公式为y =ρW 1y +βx +μ+a
(5)
其中
μ=λW 2μ+ε
式中 y 因变量，即LST
x 自变量，即各类生态空间景观指数β 自变量回归系数
a 截距 μ 随机误差项
ε 服从均值为0㊁方差为δ2的随机误差[25]
W 1㊁W 2μ 因变量与残差的空间邻接权重矩阵
ρ 空间滞后项W 1y 的回归系数λ 空间残差项回归系数
通过最大似然对数(Maximum likelihood
logarithm,LIK )㊁赤池信息量准则(Akaike
information criterion,AIC)㊁Schwartz 指标(Schwartz criterion,SC)与回归模型误差项的Moran’s I 值检验不同空间自回归模型的拟合效果[26]㊂模型LIK
越大,AIC㊁SC 越小，模型残差的Moran’s I 值越接
近于0，说明模型拟合效果越好[27]㊂
2 结果与分析
山西农业大学学报
2.1 树木覆盖率、短植被覆盖率和裸地覆比率的变
化趋势分析
年际变化空间趋势分布可反映参数趋势分布情况和研究区不同位置趋势分布情况㊂基于2003 2018年研究区VCF 变化情况，用斜率表示近15年的变化幅度，正或负值表示VCF 的增加或减少(图2)㊂从图2a 可看出，在2003 2018年，京津冀地区的中部㊁东北以及西南边界的TC 变化趋势值为正，其中大部分在0.5以上，表明该地区的TC 呈明显的上升趋势，东南部有零散的正值区域，但数值较小，上升趋势不明显；京津冀地区的西北及东南大片区域TC 的变化趋势值为负，且在-2~0之间，表明该部分地区TC 呈下降趋势，但幅度较小，在承德市西北㊁东南以及天津东部沿海区域变化趋势值达
-2以下,TC 呈明显下降趋势㊂2003 2018年间,
京津冀地区的东北㊁西南边界和东部沿海地区SV 变化趋势值为正(图2b)，表明该地区的SV 呈上升趋势，其中张家口市东部㊁承德市中部㊁唐山市南部地区变化趋势值达2以上,SV 上升趋势明显，京津冀地区西北㊁中部和东部区域的SV 变化趋势值为负，表明该地区SV 呈下降趋势，其中张家口市㊁廊坊
市㊁石家庄市中部区域变化趋势值达1.7以上,
SV 上升趋势明显㊂从图2c 可以看出,2003 2018年间，承德市西北和南部㊁保定市㊁石家庄市㊁邢台市和邯郸市的大部分区域变化趋势值为正，表明BG 呈上升趋势，其中邯郸市东南部上升趋势明显；张家
212农 业 机 械 学 报 2021年
图2 TC㊁SV㊁BG 变化趋势值分布图
柴西Fig.2 Distribution diagrams of TC,SV and BG change tendency value
口市㊁承德中部㊁北京市㊁廊坊市㊁秦皇岛市㊁唐山市㊁天津市㊁沧州市和衡水市的大部分区域变化趋势值为负，表明BG 呈下降趋势㊂
年际变化的空间趋势可以在空间上清楚反映树木㊁短植被和裸地的变化趋势分布情况和不同位置的趋势及差异情况㊂基于研究区树木㊁短植被和裸地趋势分析，选取2018年的7个样区(图3)进行研究，样区1为张北地区，全域内最大面积景观为草地，建成区面积较小㊂样区2为京津地区，全域内建成区分布较为集中，草地分布在样区2西北部，水体
主要分布在西南与东南部㊂样区3位于承德以南唐山以北，样区内分布大量林地景观，建成区主要分布在南部㊂样区4分布在邯郸市附近，地势平缓海拔较低，样区内分布着大量耕地㊂样区5位于邢台以南衡水以北，样区内耕地呈现增长趋势，并伴随土地裸露风险㊂样区6主要位于石家庄市，草地分布在样区西部，中部与东部分布大量建筑用地与耕地，样区7位于承德市北部，海拔较高，地势起伏较大，样区北部与南部分布大量林地景观，少量耕地分布在样区东南方向
㊂
图3 样区分布图
Fig.3 Sample area distribution diagram
2.2 生态空间格局分析
基于2018年7月京津冀月平均NDVI 与
MNDWI 数据，提取NDVI 或MNDVI 值大于0.85的区域作为2018年7月绿空间或蓝空间(图4)，绿
与蓝空间共同组成了京津冀地区的生态空间㊂比较7个样区的生态空间指数，从表2可以看出，样区4生态空间最少，样区3最多，达到30.58%㊂样区7LPI 最大，为55.600%，样区6最小，为20.007%㊂样区
2斑块密度最大,PD 为0.169，样区5斑块密度最小,PD
为0.068㊂样区7AREA_MN 最大，为4090.6m 2，样区4AREA_MN 最小，为650m 2㊂样区2LSI 最大，景观复杂程度高，样区7LSI 最小㊂样区1~7的FRAC_AM 差别不大，各样区内斑块形状对生态过程影像差别不大㊂样区7景观聚合度指数最大，样
区内景观斑块团聚程度较高㊂
PLAND 作为评价景观丰度的指标，可以反映生
黄集骧态空间分布情况㊂以生态空间的PLAND 指数作为变量进行全局空间自相关分析，样区5生态空间景观的Moran’s I 值为0.743(表2)，表明具有明显空间聚集性㊂
3
12第1期 王戈等：京津冀城市生态空间格局变化与地表温度关系研究
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议