随着中国城市化程度不断提高，城市群已成为经济区域的普遍形态。由于成员城市之间的空间差距缩小或消失，气温可能会持续大幅上升，进而改变生态环境。因此，有必要了解城市群热环境研究及其可持续发展的影响因素。大量研究表明，建成区覆盖率的增加主要会导致地表温度的增加，这种现象在所有城市都可能发生。然而，城市景观是由不同类型的土地利用和资源组成的，导致其特征复杂且空间异质。从这个意义上说，建筑物景观配置对地表温度的局部和空间变化影响需要进一步探讨，这也是本文的主要目的。此外，尺度是一个基本概念，不同的分析尺度可能会导致巨大的差异，甚至反向的输出。鉴于不同的自然地理和社会经济条件，实际案例的最佳分析尺度可能很难确定，特别是对于不同的研究领域。因此，有必要进行多尺度的尝试，明确保证本研究结果的准确性和有效性。
1.数据来源
1.1 地表温度数据
采用了2000年夏季(6 -8月)Landsat-5 TM图像和2019年夏季Landsat-8 OLI/TIRS图像。然后通过辐射传输方程(RTE)从热红外波段反演地表温度数据，空间分辨率为30 m。
1.2 LULC数据
使用决策树（DT）方法利用 2000 年和 2019 年收集的陆地卫星图像生成了 LULC 数据。根据研究区的特点，土地利用和覆盖范围分为农田、林草、建筑、水体和裸土5个类别。然后，利用分层随机抽样方案选择位置进行准确性测试，以验证GEE上对卫星图像的图像分类。在该研究中，为每个 LULC 类别选择了 200 多个样本。
1.3 景观指标
选择了六种景观指标来衡量建成区的空间格局，其中包括一项构成指标：建成区覆盖率（百分比）和五项配置指标：(1) 斑块密度 (PD)、(2) 最大斑块指数 (LPI)、(3) 边缘密度 (ED)、(4) 景观形状指数 (LSI) 和 (5) 斑块凝聚力指数 (COHESION)。
2 研究方法
2.1 统计分析
使用不同的分析单位从多尺度角度研究建成区变化的空间模式与地表温度变化之间的关系。具体来说，使用了四个分析单位：（1）10 km×10 km，（2）20 km×20 km，（3）县尺度和（4）城市尺度。本研究以地表温度变化为因变量，以建成区景观指标变化为解释变量，对各分析单元进行统计分析。
首先使用偏相关分析来检查 LST 变化与建成区景观指标变化之间的相关性。然后，我们使用局部双变量 Moran's I（双变量 LISA）和地理加权相关系数（GWCC）来检查建筑物变化的空间模式对 LST 变化的影响。
该研究主要结论如下：
（1）长三角城市群整体气温呈上升趋势，空间尺度的放大将模糊分析单元之间的LST差异。
(2) 规模变化可能显著影响建成区景观指标变化与地表温度变化之间的关系。随着分析单元规模的增大，这种关系变得更加紧密。其中，无论全球还是局部，百分比变化和LPI变化均与LST变化呈正相关。
（3）双变量LISA表明，建成区景观指标变化与LST变化之间存在明显的空间自相关和空间溢出效应，单纯建筑面积的增加并不一定会导致LST的增加。
该文章题目为：“多尺度视角下景观格局时空变化对地表温度的影响——以长三角地区为例”，于2022年发表在《Science of The Total Environment》期刊（IF=8.2），该研究分析了长三角城市群夏季地表温度和建成区景观格局的变化特征，利用偏相关分析、GWCC和双变量LISA综合探讨了长三角城市群夏季地表温度变化与建成区景观指标变化的关系。研究结果有助于了解区域生态以及土地利用/土地覆盖规划，以尽量减少城市化对环境的负面影响。
原文链接：https://linkinghub.elsevier.com/retrieve/pii/S0048969722004739
声明
本期文案：郝以舷
本期编辑：郝以舷
