基于增溫敏感性指數(shù)的城市功能區(qū)升溫效應(yīng)空間分異研究

楊 慧，徐偉銘，邵爾輝，廖云婷，林 馨

［1.福州大學(xué) 數(shù)字中國研究院（福建），福州 350108；2.福州大學(xué) 空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室，福州 350002；3.福州大學(xué) 地理空間信息技術(shù)國家地方聯(lián)合工程技術(shù)研究中心，福州 350002］

中國正處于快速城市化階段，預(yù)計(jì)到2030年城市化率將接近70%（沈中健 等，2021）。伴隨城市化進(jìn)程的加快，城市熱島效應(yīng)異常明顯，這不但帶來能源的大量消耗和空氣污染，而且影響人們的生活質(zhì)量和健康指數(shù)（姚遠(yuǎn) 等，2018；黃曉軍 等，2022；林中立 等，2022）。城市發(fā)展建設(shè)過程中所引發(fā)的下墊面性質(zhì)的改變，是城市熱島效應(yīng)日益嚴(yán)峻的重要因素之一（林冰鈺 等，2021；趙禾苗 等，2021）。城市建設(shè)用地內(nèi)部包含商業(yè)區(qū)，公共管理與服務(wù)區(qū)等多種功能區(qū)塊，這些功能區(qū)在開發(fā)強(qiáng)度、人類活動以及用途等方面存在較大差異，因此，不同功能區(qū)熱環(huán)境效應(yīng)具有巨大分異（武蓉蓉等，2020）。深入研究不同城市功能區(qū)對城市熱環(huán)境的影響，可為推進(jìn)城市功能區(qū)合理布局、改善城市生態(tài)環(huán)境、實(shí)現(xiàn)城市化的可持續(xù)發(fā)展提供科學(xué)的決策依據(jù)。

城市用地功能的變化改變城市的熱平衡，導(dǎo)致城市內(nèi)部區(qū)域尺度上的局部變暖，這引起學(xué)者的廣泛關(guān)注（Gao et al., 2020）。城市功能區(qū)是城市規(guī)劃與建設(shè)的基本單位，通常代表反映城市擴(kuò)張和變化的地理空間結(jié)構(gòu)和功能格局（楊振山 等，2021）。在城市用地功能識別方面，由于POI數(shù)據(jù)能記錄各行業(yè)部門的空間位置信息（薛冰 等，2020），且時效性強(qiáng)、易獲取，被廣泛應(yīng)用于定量識別及可視化城市功能區(qū)的研究中。如楊智威等（2019）通過構(gòu)建自然區(qū)塊，根據(jù)POI數(shù)據(jù)的空間分布情況，對城市功能用地進(jìn)行劃分，由于POI空間分布的緊密性較強(qiáng)，依據(jù)自然區(qū)塊劃分的結(jié)果難免會存在空間重疊現(xiàn)象。李娜等（2022）考慮了POI數(shù)據(jù)的潛在語義信息，采用各類POI的頻率密度對區(qū)域功能進(jìn)行標(biāo)識，但忽略了POI數(shù)據(jù)之間的空間相關(guān)性。為充分挖掘、利用POI數(shù)據(jù)的語義關(guān)系與地理信息，對城市功能區(qū)進(jìn)行準(zhǔn)確識別，Yao 等（2016）首次將POI數(shù)據(jù)與自然語言模型（Word2vec）相結(jié)合，提出將特定區(qū)域內(nèi)的POI按照最短路徑的方式排列成自然語言序列，但實(shí)際上POI數(shù)據(jù)不同于自然語言的順序分布，基于最短路徑的語料策略在解釋POI的空間交互特征上存在局限性。為解決此問題，Yan 等（2017）從地理空間視角出發(fā)，在遵循地理學(xué)第一定律的前提下，擴(kuò)展了Word2vec 模型，提出了Place2vec 模型。Place2vec 模型考慮距離衰減和距離滯后對POI的空間距離進(jìn)行增強(qiáng)，能充分挖掘POI數(shù)據(jù)的語義關(guān)系和地理信息、解釋POI數(shù)據(jù)的空間交互特征、有效的呈現(xiàn)區(qū)域的不同功能。

在城市功能區(qū)熱環(huán)境的研究中，多數(shù)學(xué)者將地表溫度作為量化熱環(huán)境的具體指標(biāo)（楊智威 等，2019），以研究城市功能區(qū)熱環(huán)境的空間分異現(xiàn)象。現(xiàn)有研究聚焦2 方面內(nèi)容：1）針對各類功能區(qū)的LST，分析其熱環(huán)境的空間分布特征，探討各類功能區(qū)與熱環(huán)境的關(guān)系，如沈中健等（2022）應(yīng)用均值－標(biāo)準(zhǔn)差法，分析各類建設(shè)用地功能區(qū)熱力特征；2）判斷各類功能區(qū)對熱環(huán)境的影響，采用回歸分析模型定量化不同功能區(qū)對城市熱環(huán)境的影響程度，如Chen 等（2022）采用隨機(jī)森林算法評估不同類型城市功能區(qū)對城市熱環(huán)境的貢獻(xiàn)。雖然目前研究已取得豐碩成果，但局限于采用回歸分析、相關(guān)性分析等傳統(tǒng)方法，探討同等溫度條件下城市功能區(qū)溫度變化差異，缺乏對功能區(qū)域在地表升溫過程中的空間分異問題的關(guān)注，并且傳統(tǒng)方法在定量分析不同升溫梯度下地表溫度變化的非線性機(jī)制方面有一定局限性（孫鳳云 等，2021）。

鑒于此，本研究將以福州市三環(huán)內(nèi)范圍作為研究區(qū)，采用Yan等（2017）在地理空間背景下提出的Place2vec模型，通過獲取POI的完整地理信息來識別城市功能區(qū)；使用輻射傳輸方程法反演研究區(qū)地表溫度，分析各功能區(qū)熱環(huán)境的空間分異情況；同時，基于增強(qiáng)回歸樹（Boosted Regression Tree,BRT）算法構(gòu)建功能區(qū)增溫敏感性指數(shù)，定量測度各類功能區(qū)在地表溫度動態(tài)演變過程中的增溫敏感性及其變化特征，以對區(qū)域尺度上的城市熱環(huán)境空間分異機(jī)制進(jìn)行深入探討。以期為城市熱環(huán)境空間分異現(xiàn)象的研究提供新視角，為城市功能分區(qū)和城市規(guī)劃提供科學(xué)的決策依據(jù)。

1 研究區(qū)域與數(shù)據(jù)處理

1.1 研究區(qū)概況

研究區(qū)位于福州盆地中心，盆地四周遍布群山峻嶺，地勢自西向東傾斜，海拔多在600～1 000 m，閩江橫貫研究區(qū)最終匯入東海。福州屬于典型的亞熱帶季風(fēng)氣候，年均溫為16～20℃（林中立 等，2022），最熱月7—8 月，平均氣溫為27～33℃；年平均降水量為900～1 200 mm。福州17 次位居火爐城市榜首，據(jù)近10 年的氣象統(tǒng)計(jì)數(shù)據(jù)顯示，福州35℃以上高溫天數(shù)累計(jì)達(dá)421 d①數(shù)據(jù)來源：美國國家環(huán)境信息中心（NCEI）.http://news.sohu.com/a/705627741_100941。福州市三環(huán)路圍成的范圍包含鼓樓區(qū)、臺江區(qū)、倉山區(qū)的大部分以及晉安區(qū)的小部分，其中鼓樓區(qū)、臺江區(qū)與倉山區(qū)的城鎮(zhèn)化率為100%，晉安區(qū)的城鎮(zhèn)化率為97.5%；該四區(qū)的常住人口總數(shù)為305萬人（福州市統(tǒng)計(jì)局等，2022）。城市化水平高、主要人口集聚的區(qū)域，熱環(huán)境現(xiàn)象最為顯著。同時，該區(qū)域受盆地地形影響，內(nèi)部熱量易聚難散，熱量更趨向于集中化。故本文選取福州市三環(huán)內(nèi)作為研究區(qū)。

1.2 研究數(shù)據(jù)

1.2.1 POI 數(shù)據(jù) 通過高德地圖提供的應(yīng)用程序編程接口（API）獲取研究區(qū)域范圍內(nèi)的POI 數(shù)據(jù)，對數(shù)據(jù)進(jìn)行去重、坐標(biāo)糾正等預(yù)處理，最終獲得151 263條POI數(shù)據(jù)，數(shù)據(jù)集字段包括POI名稱、經(jīng)緯度、地址信息和分類體系等基礎(chǔ)信息。其中，POI類型包含22個大類、188個中類、977個小類。

1.2.2 OSM 數(shù)據(jù) 確定研究單元是識別城市功能區(qū)的重要步驟，為準(zhǔn)確描繪城市功能區(qū)形態(tài)，利用OSM（Open Street Map）道路數(shù)據(jù)生成的街區(qū)作為研究單元。對原始道路數(shù)據(jù)進(jìn)行去重、拓?fù)溴e誤修改、補(bǔ)齊等處理后，將閉合道路生成街區(qū)單元。同時，為避免研究區(qū)內(nèi)的河流水系對研究單元分割的影響，將河流水系也視為劃分研究單元的依據(jù)，最終形成1 103個街區(qū)單元。

1.2.3 遙感影像數(shù)據(jù) 考慮到遙感影像時效性的影響，參考孫鳳云等（2021）的研究，選取2018—2021年4期天氣晴朗、無云遮擋的Landsat8遙感影像（表1）作為地表溫度反演數(shù)據(jù)，遙感影像成像時間分別為1、3、4 和7 月，連續(xù)月份的影像數(shù)據(jù)能表征不同溫度梯度。

表1 遙感影像信息Table 1 Information of selected Landsat images

為有效描述地表覆被與地表溫度之間的綜合作用關(guān)系，采用武漢大學(xué)研究團(tuán)隊(duì)發(fā)布的CLCD（China Land Cover Dataset）2021 年土地覆蓋產(chǎn)品數(shù)據(jù) 。由于植被、水體和不透水面是組成城市復(fù)合生態(tài)系統(tǒng)的三大重要土地覆被類型（王美雅 等，2022），故將所獲取的土地覆被數(shù)據(jù)重分類為植被、水體和建設(shè)用地3 種類型，以滿足后續(xù)研究需要。福州市三環(huán)內(nèi)是福州市發(fā)展穩(wěn)定、城市化水平最高的區(qū)域，其土地覆被在2018—2021年相對穩(wěn)定，變化有限，故數(shù)據(jù)時間差對本研究的影響可以忽略不計(jì)。

2 研究方法

利用Place2vec 模型從地理空間角度集成語料庫，以識別更貼近現(xiàn)實(shí)的城市功能區(qū)；在此基礎(chǔ)上，通過輻射傳輸法對研究區(qū)進(jìn)行地表溫度反演，采用均值-標(biāo)準(zhǔn)差法對LST 進(jìn)行熱場分級，對功能區(qū)尺度下的城市熱環(huán)境進(jìn)行定量測度；同時，借助增強(qiáng)回歸樹算法（BRT）構(gòu)建功能區(qū)增溫敏感性指數(shù)，量化功能區(qū)在城市地表升溫階段的敏感性和變化特征。

2.1 基于Place2vec模型的城市功能區(qū)識別方法

Place2vec 模型以Word2vec 模型為基礎(chǔ)（鄭至鍵 等，2020），本研究在地理空間中構(gòu)建了考慮POI 空間距離特征的訓(xùn)練數(shù)據(jù)集，進(jìn)一步獲得POI類型嵌入，并結(jié)合聚類分析實(shí)現(xiàn)街區(qū)單元的土地利用和功能結(jié)構(gòu)感知。具體流程為：1）訓(xùn)練數(shù)據(jù)集構(gòu)建。利用K近鄰算法構(gòu)建基于POI空間上下文的語料庫，并根據(jù)POItcenter和POItcontext之間的距離所得權(quán)重，增加數(shù)據(jù)集中訓(xùn)練對（tcenter,tcontext）的數(shù)量；2）POI 類型的特征向量獲取。通過Word2vec 模型的Skip-Gram 網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練所構(gòu)建的數(shù)據(jù)集，計(jì)算各POI類型的高維特征向量，并使用平均池化獲取各街區(qū)的特征向量；3）基于K-means的區(qū)域聚類。參考已有研究（Zhai et al., 2019），采用常被用于高維數(shù)據(jù)聚類的K-means算法對各街區(qū)向量進(jìn)行聚類，使得具有相似特征的街區(qū)集聚，從而劃分不同的街區(qū)類型；4）功能區(qū)識別與標(biāo)注。在實(shí)現(xiàn)區(qū)域聚類后，根據(jù)POI頻率密度（FD）和富集因子（EF）2個指標(biāo)計(jì)算POI類型在各聚類的分布情況，并基于《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)》（中華人民共和國住房和城鄉(xiāng)建設(shè)部，2011），參考福州市中心城區(qū)用地規(guī)劃以及其他學(xué)者的分類，以根據(jù)功能區(qū)的實(shí)際功能進(jìn)行識別與標(biāo)注。

2.2 地表熱場等級劃分

運(yùn)用輻射傳輸方程法進(jìn)行地表溫度反演，為將不同時期遙感影像的反演結(jié)果進(jìn)行直接對比，采用均值-標(biāo)準(zhǔn)差法對LST 進(jìn)行熱場強(qiáng)度分類，根據(jù)研究區(qū)地表溫度反演結(jié)果對地溫標(biāo)準(zhǔn)差設(shè)定合適的倍數(shù)，并與地溫平均值相互結(jié)合，從而將研究區(qū)的熱環(huán)境劃分為不同等級。參考已有研究（沈中健 等，2022），將研究區(qū)的地表熱環(huán)境等級劃分為7類（表2）。

表2 地表熱環(huán)境等級分類方法Table 2 Classification method for dividing land surface thermal environment

2.3 基于BRT算法的功能區(qū)增溫敏感性計(jì)算

功能區(qū)增溫敏感性表征功能區(qū)對外界地表升溫的響應(yīng)水平，體現(xiàn)功能區(qū)在外界升溫過程中溫度變化的難易程度和可能性。本研究從功能區(qū)整體增溫敏感性、功能區(qū)梯度增溫敏感性和功能區(qū)覆被增溫敏感性3個方面，構(gòu)建功能區(qū)增溫敏感性指數(shù)，量化在不同外界升溫條件下各功能區(qū)的增溫敏感情況。功能區(qū)整體增溫敏感性指在所有溫度梯度下，功能區(qū)對外界溫度變化的敏感性；功能區(qū)梯度增溫敏感性反映不同類型功能區(qū)在某一溫度變化梯度下的增溫敏感性，體現(xiàn)功能區(qū)在不同升溫階段的增溫差異性；功能區(qū)覆被增溫敏感性指各功能區(qū)中特定的土地覆被類型在外界升溫過程中的敏感性。

2.3.1 功能區(qū)增溫敏感性指數(shù)計(jì)算原理 BRT算法在分類回歸樹算法（Classification And Regression Tree, CART）基礎(chǔ)上結(jié)合提升算法（Boosting），并融合兩大算法的優(yōu)勢，已被廣泛用于生態(tài)環(huán)境研究，尤其是歸因分析和邊際效應(yīng)等領(lǐng)域（李春林等，2014；Han et al., 2022）。BRT的穩(wěn)定性和預(yù)測精度優(yōu)于許多傳統(tǒng)的建模方法，如捕獲復(fù)雜的非線性關(guān)系、自動處理預(yù)測器之間的交互效應(yīng)、處理不同類型的預(yù)測變量（Leathwick et al., 2006；尹才等，2016）。BRT算法原理為：

將自變量x與因變量y之間的關(guān)系用f（x）函數(shù)表示，并將其初始化為0：

當(dāng)m=1：n時，計(jì)算觀測數(shù)據(jù)的殘差r，其中m為擬合序列值，n為擬合回歸樹總數(shù)：

再者，令βb(x；γm)代表一棵樹的信息，b的值與所選計(jì)算方法有關(guān)，β是所選計(jì)算方法估計(jì)參數(shù)及，rm為分割變量、樹節(jié)點(diǎn)值和預(yù)測值，BRT通過最小二乘回歸樹擬合殘差r，以估算βb(x；γm)的值，并利用損失方程L最小值計(jì)算βm，βm表示樹節(jié)點(diǎn)的權(quán)重：

2.3.2 功能區(qū)增溫敏感性指數(shù)計(jì)算流程 基于相鄰月份的landsat8影像（見表1）之間的溫度差值計(jì)算增溫敏感性指數(shù)。對連續(xù)月份的4期影像求取溫差，并進(jìn)行差值歸一化處理，以加強(qiáng)不同變暖階段之間的比較。首先，計(jì)算功能區(qū)整體增溫敏感性指數(shù)，將3 期差值影像中所有的柵格像元值作為因變量，“功能區(qū)”作為自變量，輸入BRT 算法中進(jìn)行1 次計(jì)算；其次，計(jì)算功能區(qū)的梯度增溫敏感性指數(shù)，分別提取3 期差值影像的柵格像元值作為因變量，“功能區(qū)”作為自變量，輸入BRT 中共執(zhí)行3 次計(jì)算；最后，計(jì)算功能區(qū)的覆被增溫敏感性指數(shù)，分別提取3 種地類的柵格像元值作為因變量，“功能區(qū)”作為自變量，輸入BRT算法執(zhí)行3次計(jì)算。各自變量邊際效應(yīng)值即為敏感性指數(shù)的計(jì)算結(jié)果。BRT算法是使用R軟件中的“dismo”和“gbm”包開發(fā)的，本研究將BRT 算法的學(xué)習(xí)速率設(shè)置為0.005，將50%的數(shù)據(jù)用于訓(xùn)練，并采用10 倍交叉驗(yàn)證來選擇最優(yōu)模型。

3 結(jié)果與分析

3.1 功能區(qū)標(biāo)注與驗(yàn)證

基于Place2vec 模型的福州市三環(huán)內(nèi)城市功能區(qū)識別結(jié)果如圖1所示。計(jì)算得到各功能區(qū)中不同類型POI的頻率密度（FD）和富集因子（EF）（表3），對二者的數(shù)值從大到小進(jìn)行可視化展示，數(shù)值相對較大的類型決定功能區(qū)標(biāo)注的類別。由于富集因子能避免因某一類POI數(shù)量過多而誤導(dǎo)實(shí)際功能區(qū)判定的情況，本研究以富集因子為主，頻率密度輔助，對具體功能區(qū)域進(jìn)行綜合判斷，并基于《城市用地分類規(guī)范及開發(fā)用地規(guī)劃標(biāo)準(zhǔn)》、福州市中心城區(qū)用地規(guī)劃以及已有研究（康雨豪 等，2018；李娜 等，2022）的分類，最終將研究區(qū)域用地功能類型劃分為生活服務(wù)與住宅區(qū)（F0）、公共管理與服務(wù)區(qū)（F1）、商業(yè)區(qū)（F2）、產(chǎn)業(yè)區(qū)（F3）、綠地與廣場區(qū)（F4）。

圖1 基于Place2vec模型的福州市三環(huán)內(nèi)城市功能區(qū)識別結(jié)果Fig.1 Results of urban functional area identification within the third ring road of Fuzhou City based on Place2vec Model

表3 POI頻率密度（FD）和類型系數(shù)（EF）值Table 3 POI frequency density and category factor of functional regions

本研究在每類功能區(qū)的識別結(jié)果中選擇典型區(qū)域，分別與其對應(yīng)的天地圖衛(wèi)星、街道地圖進(jìn)行對比（圖2），現(xiàn)狀圖中包含：1）海潤濱江花園小區(qū)、福人小區(qū)等住宅用地以及農(nóng)業(yè)銀行、口腔診所、永輝超市等生活服務(wù)場所，與識別圖中的生活服務(wù)與住宅區(qū)相符，識別結(jié)果準(zhǔn)確；2）福州市人民政府、福州市人事局、鼓樓區(qū)國家稅務(wù)局等政府機(jī)域，是福州最繁華的商業(yè)中心之一，分布著大量商業(yè)服務(wù)設(shè)施，與識別圖中的商業(yè)區(qū)相符，識別結(jié)果準(zhǔn)確；3）升龍匯金中心、長江證券等證券公司以及經(jīng)緯集團(tuán)、福建省交通運(yùn)輸集團(tuán)有限責(zé)任公司等公司企業(yè)，與識別結(jié)果中的產(chǎn)業(yè)用地相符，識別結(jié)果準(zhǔn)確；4）倉山區(qū)高蓋山公園區(qū)域，擁有健全完善的亭臺樓閣等基礎(chǔ)設(shè)施和園林景觀旅游服務(wù)配套，與識別結(jié)果中的綠地與廣場區(qū)相符，識別結(jié)果準(zhǔn)確。綜上，基于Place2vec模型的識別結(jié)果與真實(shí)用地功能情況相符。

圖2 福州市三環(huán)內(nèi)城市功能區(qū)各用地類型實(shí)例Fig.2 Examples of various land use types in urban functional areas within the Third Ring Road of Fuzhou City

3.2 功能區(qū)塊下的地表熱場等級格局

4 期Landsat8 遙感影像反演的LST 結(jié)果如圖3所示。夏季高溫現(xiàn)象最為明顯，功能區(qū)與城市熱環(huán)境間的交互作用最強(qiáng)，因此，針對夏季（7 月）的LST反演結(jié)果，分析城市功能區(qū)的熱環(huán)境空間分布特征。如圖3-d 所示，研究區(qū)7 月瞬時地表溫度為30.42～56.81℃，總體上研究區(qū)東南部溫度較高，結(jié)合功能區(qū)識別結(jié)果（見圖1）可知，該區(qū)域產(chǎn)業(yè)區(qū)、住宅區(qū)分布較為集中，人類活動頻繁、不透水面聚集密度較高的區(qū)域往往地表溫度相對較高。研究區(qū)熱場等級劃分結(jié)果如圖4 所示，結(jié)合圖1 可知，綠地與廣場區(qū)內(nèi)部熱場等級主要為低溫區(qū)、次低溫區(qū)；其余4 類功能區(qū)內(nèi)部地表熱場等級以中溫區(qū)、次高溫區(qū)、高溫區(qū)和極高溫區(qū)為主，次低溫區(qū)、低溫區(qū)和極低溫區(qū)分布不顯著。

圖4 研究區(qū)地表熱環(huán)境等級空間分布Fig.4 Spatial distribution of surface thermal environment level in the research area

各類功能區(qū)內(nèi)部熱場等級分布統(tǒng)計(jì)結(jié)果見表3所示，在生活服務(wù)與住宅區(qū)、公共管理與服務(wù)區(qū)、商業(yè)區(qū)以及產(chǎn)業(yè)區(qū)中，次高溫、高溫和極高溫的面積均超過70%，極低溫區(qū)、低溫區(qū)和次低溫區(qū)的面積均不足10%，而綠與廣場區(qū)內(nèi)部次高溫、高溫和極高溫的面積低于25%，極低溫區(qū)、低溫區(qū)和次低溫區(qū)的面積超過45%。這表明除綠地與廣場區(qū)外，其余功能區(qū)皆表現(xiàn)為高溫現(xiàn)象。這是由于不透水地表是功能區(qū)主要的下墊面類型，吸熱快，熱容量小，較自然地表升溫快，且受到人類活動的影響，人為熱排放量高，因而易形成高溫區(qū)域；綠地與廣場區(qū)內(nèi)綠地面積較大，綠地對地表溫度具有降溫作用，故其溫度較低。

具體地，極高溫區(qū)在產(chǎn)業(yè)區(qū)的比例最大，為20.64%，次高溫區(qū)和高溫區(qū)在產(chǎn)業(yè)區(qū)的比例超過60%；高溫區(qū)在公共管理與服務(wù)區(qū)的占比僅低于產(chǎn)業(yè)區(qū)，為22.35%；商業(yè)區(qū)的次高溫區(qū)比例最大，生活服務(wù)與住宅區(qū)內(nèi)中溫區(qū)占比最大，分別為48.30%和22.43%；且生活服務(wù)與住宅區(qū)、公共管理與服務(wù)區(qū)與商業(yè)區(qū)的極高溫區(qū)均不超過10%；綠地與廣場區(qū)的極低溫區(qū)、低溫區(qū)、次低溫區(qū)的比例超過50%，且極高溫占比最小，僅有1.90%（見表3）。由此可見，不同功能區(qū)的熱力特征差異明顯。產(chǎn)業(yè)區(qū)下墊面以不透水地表為主，能耗相對較多，并且建筑物密集，熱量不易散失，進(jìn)而高溫現(xiàn)象顯著；生活服務(wù)與住宅區(qū)、商業(yè)區(qū)和公共管理與服務(wù)區(qū)的高溫現(xiàn)象明顯弱于產(chǎn)業(yè)區(qū)；綠地與廣場區(qū)的高溫現(xiàn)象最弱，可以理解為大面積的植被覆蓋能夠改善下墊面的熱力學(xué)性質(zhì)，促進(jìn)空氣冷卻及循環(huán)流動，對城市地表溫度具有明顯的調(diào)控作用。

3.3 功能區(qū)增溫敏感性分析

3.3.1 功能區(qū)整體增溫敏感性 基于各類功能區(qū)與研究區(qū)地表溫度之間的邊際效應(yīng)結(jié)果（圖5），得到5 類功能區(qū)增溫敏感性指數(shù)由高至低排序?yàn)椋寒a(chǎn)業(yè)區(qū)（1.028）＞生活服務(wù)與住宅區(qū)（1.010）＞商業(yè)區(qū)（1.008）＞公共管理與服務(wù)區(qū)（0.998）＞綠地與廣場區(qū)（0.917）。不難發(fā)現(xiàn)，功能區(qū)敏感性的高低與該區(qū)的開發(fā)強(qiáng)度、人類活動強(qiáng)度成正相關(guān)關(guān)系。建筑緊密排列、人為熱排放量較大的產(chǎn)業(yè)區(qū)、住宅區(qū)的增溫敏感性指數(shù)較高；開發(fā)強(qiáng)度較弱的綠地與廣場區(qū)增溫敏感性值較低。

圖5 研究區(qū)各功能區(qū)整體增溫敏感性Fig.5 Overall warming sensitivity of each functional area in the research area

3.3.2 功能區(qū)梯度增溫敏感性 由圖6 可以看出，各功能區(qū)在3個升溫階段呈現(xiàn)增溫敏感性存在差異，且高溫階段的差異最為顯著。以0114—0311 為例，表征1—3月的升溫階段。例如，綠地與廣場區(qū)在增溫0114—0311、增溫0311—0417階段的敏感性指數(shù)相對較高（0.932～0.961），在增溫0417—0725 歷程中敏感性指數(shù)處于較低水平（0.870）；而公共管理與服務(wù)區(qū)與商業(yè)區(qū)在增溫0114—0311、增溫0311—0417 的敏感性指數(shù)較低（0.930～0.982），在增溫0417—0725 階段的敏感性指數(shù)相對較高（1.032～1.060）。該現(xiàn)象可能是由影像拍攝季節(jié)和地表溫度變化共同作用的結(jié)果。首先，Landsat 8影像獲取于不同季節(jié)，因此不同月份的影像在植被覆蓋度、地表反射率、人為熱排放以及太陽輻射強(qiáng)度等方面皆存在一定差異；其次，非線性變化特征是地表溫度的本質(zhì)特征，故在地表溫度發(fā)生改變的過程中可能會出現(xiàn)拐點(diǎn)，從而改變該過程的響應(yīng)關(guān)系。

圖6 研究區(qū)各功能區(qū)梯度增溫敏感性Fig.6 Gradient warming sensitivity of each functional area in the research area

3.3.3 功能區(qū)覆被增溫敏感性 由圖7 可以看出，建設(shè)用地的增溫敏感性始終高于植被與水體的增溫敏感性。建設(shè)用地敏感性具有明顯的土地開發(fā)強(qiáng)度區(qū)域性差異，在除綠地與廣場區(qū)外的所有功能區(qū)中皆處于較高水平。這4類功能區(qū)開發(fā)強(qiáng)度較大，下墊面以人工表面為主，且高樓林立，建筑密集，人類活動頻繁，是市民生活、工作的主要區(qū)域。因此，較高開發(fā)強(qiáng)度的功能區(qū)的增溫效應(yīng)要比較低開發(fā)強(qiáng)度的功能區(qū)的增溫效應(yīng)更為顯著。

圖7 研究區(qū)各功能區(qū)覆被增溫敏感性Fig.7 Sensitivity of cover warming in various functional areas of the research area

植被增溫敏感性受區(qū)域城市化程度的影響，區(qū)域建設(shè)發(fā)展程度越低，植被增溫敏感性與建設(shè)用地敏感性的差異越明顯。綠地與廣場區(qū)的植被增溫敏感性最低、生活服務(wù)與住宅區(qū)次之。綠地與廣場區(qū)內(nèi)部包含高蓋山公園、金雞山公園以及閩江公園等大片綠地覆蓋的區(qū)域；部分住宅區(qū)靠山而建或與公園緊密相連，故生活服務(wù)與住宅區(qū)受周邊生態(tài)景觀降溫效應(yīng)的影響，緩解其內(nèi)部高溫現(xiàn)象。因此，大面積綠地覆蓋、綠化程度較高的區(qū)域，有助于調(diào)節(jié)地表溫度變化，其植被增溫敏感性相對較低。

水體增溫敏感性指數(shù)低于植被、建設(shè)用地敏感性指數(shù)。商業(yè)區(qū)、產(chǎn)業(yè)區(qū)的水體增溫敏感性較高，由于此2區(qū)不鄰近水源，且區(qū)域內(nèi)部無大規(guī)模水體，細(xì)小的水體易被周圍硬化材質(zhì)蠶食；公共管理與服務(wù)區(qū)少部分與閩江北港接壤，大部分區(qū)域內(nèi)部水體較少，其水體增溫敏感性相對較高；生活服務(wù)與住宅區(qū)的水體增溫敏感性相對較低，其部分區(qū)域鄰近公園或與閩江北港接壤，規(guī)模較大或連片的水體對周圍區(qū)域控溫作用顯著；綠地與廣場區(qū)的水體增溫敏感性最低，該區(qū)內(nèi)有大量公園等自然景觀分布，綠地與水體是其主要生態(tài)景觀，二者共同作用加強(qiáng)對地表升溫的抑制作用，故其升溫緩慢。

4 結(jié)論與討論

4.1 結(jié)論

本文以福州市三環(huán)路圍成的范圍為研究區(qū)，根據(jù)道路數(shù)據(jù)劃分生成的街區(qū)作為研究單元，利用Place2vec模型對城市功能區(qū)進(jìn)行識別，并在此基礎(chǔ)上分析各功能區(qū)熱場等級空間分異特征，同時，結(jié)合增強(qiáng)回歸樹算法（BRT）構(gòu)建功能區(qū)增溫敏感性指數(shù)，從功能區(qū)整體增溫敏感性、功能區(qū)梯度增溫敏感性以及功能區(qū)覆被增溫敏感性3個方面，探討不同功能區(qū)在地表升溫過程中的敏感特性，得出主要結(jié)論如下：

1）識別福州市三環(huán)內(nèi)的城市功能區(qū)域。基于POI數(shù)據(jù)和Place2vec模型構(gòu)建了城市功能區(qū)識別框架，得到5 類功能區(qū)，分別為生活服務(wù)與住宅區(qū)、公共管理與服務(wù)區(qū)、商業(yè)區(qū)、產(chǎn)業(yè)區(qū)、綠地與廣場區(qū)；并與天地圖衛(wèi)星、街道地圖進(jìn)行對比，得出該方法識別結(jié)果符合實(shí)際用地功能情況。

2）不同功能區(qū)的熱場等級空間分異現(xiàn)象顯著。綠地與廣場區(qū)內(nèi)部熱場等級主要為低溫區(qū)、次低溫區(qū)和中溫區(qū)，其余4類功能區(qū)內(nèi)部地表熱場等級以中溫區(qū)、次高溫區(qū)、高溫區(qū)和極高溫區(qū)為主，次低溫區(qū)、低溫區(qū)和極低溫區(qū)分布不顯著。除綠地與廣場區(qū)外的4類功能區(qū)皆具有高溫現(xiàn)象，其中極高溫區(qū)在產(chǎn)業(yè)區(qū)占比最多，高達(dá)20.64%；在綠地與廣場區(qū)占比最少，僅有1.90%。

3）城市功能區(qū)在地表升溫過程中存在顯著空間分異現(xiàn)象。功能區(qū)增溫敏感性與其內(nèi)部建設(shè)發(fā)展水平成正相關(guān)關(guān)系；不同升溫梯度下的功能區(qū)增溫敏感性存在差異，高溫階段差異最為顯著；覆被增溫敏感性具有明顯功能區(qū)域分異特性，區(qū)域建設(shè)發(fā)展程度越高，建設(shè)用地敏感性與植被、水體增溫敏感性差異越大，且在各功能區(qū)中建設(shè)用地的增溫敏感性始終高于植被與水體的增溫敏感性。

4.2 討論

隨著城市熱島現(xiàn)象日益嚴(yán)重，定量研究城市各功能區(qū)對城市熱環(huán)境的影響，有助于有效地反映各種人類活動對城市熱島形成的影響。區(qū)域的開發(fā)強(qiáng)度、人口密度、建筑密度、自然景觀等多種因素耦合，導(dǎo)致城市功能區(qū)之間的增溫敏感性差異顯著。因此，本研究通過構(gòu)建功能區(qū)增溫敏感性指數(shù)，能準(zhǔn)確定位需要調(diào)控的區(qū)域，在該區(qū)的規(guī)劃中應(yīng)優(yōu)化景觀配置，合理增加綠地和水體景觀；并重視在較高溫度梯度下升溫敏感的區(qū)域，以防范極端天氣變化下的高溫風(fēng)險。本研究可為相關(guān)部門制定熱環(huán)境整治和功能區(qū)規(guī)劃政策提供思路。

此外，本研究存在以下改進(jìn)之處：1）城市功能分區(qū)受自然地理、社會經(jīng)濟(jì)、人類活動等多種因素影響，本研究只采用OSM和POI兩種數(shù)據(jù)對城市功能區(qū)進(jìn)行識別，為獲得更加準(zhǔn)確的分類結(jié)果，未來應(yīng)增加更多的開放數(shù)據(jù)集、代表城市空間的高分辨率遙感影像，以及描述人口移動的統(tǒng)計(jì)數(shù)據(jù)。2）本研究側(cè)重于對方法的探討，由于Landsat 遙感影像數(shù)據(jù)時效性、影像缺失等問題，導(dǎo)致數(shù)據(jù)來源受限，在一定程度上影響結(jié)果的準(zhǔn)確性。未來需要進(jìn)一步豐富遙感影像數(shù)據(jù)來源，提升數(shù)據(jù)源的連續(xù)性，從而提高數(shù)據(jù)結(jié)果的精確性、可比性和可信度，以進(jìn)一步揭示各類功能區(qū)在外界升溫過程中的變化特征和敏感性差異。3）不同時期的遙感影像是研究城市熱環(huán)境動態(tài)演變規(guī)律的基礎(chǔ)，但現(xiàn)有研究缺乏對如何設(shè)定合適的影像選取標(biāo)準(zhǔn)、控制影像質(zhì)量以降低外界干擾、季節(jié)變化以及局地天氣擾動等問題的關(guān)注，這些問題是影響城市熱環(huán)境研究的重要因素，未來還需進(jìn)一步探討。