基于多源數據的街區形態要素對地表熱環境的影響測度與貢獻評估*

高月靜 趙敬源 GAO Yuejing, ZHAO Jingyuan

0 引言

在全球氣候變暖與快速城鎮化的雙重脅迫下，高溫熱浪、干旱暴雨、霧霾污染等極端天氣事件在各大城市頻繁發生[1]。2022年全球風險報告明確指出，極端天氣事件已成為我國當前社會發展面臨的“頭號自然風險”，預計未來出現頻率更高，持續時間更長，對人類社會造成的危害更強。與其他極端天氣類似，高溫熱浪作為發生概率高、影響范圍廣、風險危害大的主要天氣災害，其對居民健康造成的負面影響有目共睹[2-3]。若任由災害肆虐，城市高溫風險將持續上升，越來越多的人將承受全球熱效應、瘧疾、登革熱和其他熱相關疾病的威脅[4-5]。因此，如何有效遏制城市熱環境進一步惡化，提高城市的熱安全性及熱舒適性，最大限度地保證居民健康，已成為當前城市高質量發展過程中亟需解決的關鍵議題。

城市形態作為人類賴以生存的物質環境的外在表現，其與熱環境的關系密不可分[6]。不同的形態布局方式直接決定著區域內的地表得熱量、蓄熱量和蒸發量，決定著區域內水平風場和縱向氣流場的分布。具體而言，城市形態在二維結構的轉變及三維方向的拓展顯著影響了區域熱量的集聚程度，在城市化進程中內部大量建筑物和道路等高蓄熱體持續散熱、交通熱排放、以及人為熱排放等[7]，使地表與大氣環境間的熱交換與空氣流動發生改變，進而影響城市內的局地熱環境，造成了城市建成區溫度明顯高于周圍郊區的微氣候現象[8-9]。因此，加強形態要素對熱環境的影響機理認知，合理優化城市形態可有效化解熱環境與建成環境之間的矛盾，緩解城市熱島效應，實現區域內的“良性微循環”。

目前，學界對熱環境與形態要素間的相互關系已進行了諸多研究，主要依托表征形態要素的各個指標為研究媒介展開[10-12]。如眾多學者聚焦于土地利用覆被變化對城市熱環境的影響機理，基于空間統計分析建立不透水地表覆蓋度、植被覆蓋率、歸一化植被指數、建設用地規模等二維平面參數與地表溫度（land surface temperature, LST）間的數學模型，發現以LST表征的城市熱場分布與地表覆被變化高度相關[13-14]。然而，快速的城市化進程使城市三維空間形態也發生了巨大變化，因此部分學者進一步關注容積率、建筑高度、天空開闊度等三維空間形態參數與LST的互動關系，發現高層低密度更有利于局地熱量向外擴散[15-17]。此外，也有部分學者利用景觀生態學方法，引入景觀格局指數（如斑塊類型總面積、斑塊數量、最大斑塊指數、斑塊蔓延度、香農多樣性指數等），剖析土地景觀格局對城市熱環境的影響過程[18-19]。

盡管上述研究為深入剖析空間形態要素影響局地熱場奠定了一定基礎，但其在認知層及方法論上仍有待進一步完善。首先，現有研究多從單一形態要素入手，缺乏從二維平面—三維空間—景觀格局多維度系統化的視角分析熱環境成因；其次，其研究方法主要采用相關性分析、最小二乘回歸等拉樣線式的簡單數據分析，缺少對各指標貢獻度的深度解析；此外，現有研究尺度多集中于城市、行政轄區及標準化網格，對大量現實街區的綜合考量較為欠缺[20]，導致研究的科學性及應用性極大降低。

基于此，本研究將切入點聚焦于街區尺度，以西安市主城區410個控制性詳細規劃管理單元（以下簡稱“管理單元”）為研究對象，通過對遙感數據、建筑矢量數據、谷歌地圖數據等多源城市空間數據的挖掘，系統從二維平面、三維空間、景觀格局三個維度量化街區建成環境的形態要素，定量揭示西安市熱環境時空效應及其與形態要素的耦合關聯規律，并提出一種基于主成分回歸的街區熱環境貢獻度算法，厘清各類指標對街區熱環境的影響程度及單獨貢獻。研究結果以期為優化街區形態改善局地熱環境，豐富后疫情時代城市氣候韌性規劃的新維度提供前沿性的理論支撐和設計依據。

1 研究區域與數據源

1.1 研究區概況

西安位于黃河流域關中平原中部，北緯33°39′—34°45′，東經107°40′—109°49′，東西最長204 km，南北最寬116 km，全市面積約9 983 km2，其中市區面積約1 066 km2[21-22]。全年雨量適中，雨熱大體同期，濕度冬低夏高，南部山脈阻擋了北上的冷空氣，加之地處背風坡易形成焚風效應，導致夏季炎熱程度高且持續時間長。據相關氣象資料顯示，2016年西安在34個省會城市中的熱環境問題位列第七，在北方城市中位居第一；2017年，西安市35 ℃以上天數達45天，40 ℃以上的天數達12天，連續大于40 ℃的高溫天數創下歷史新高[4]。當前西安市的高溫天氣日趨嚴重，有必要深入探討其熱環境的分異規律。本研究選取西安市主城區內410個管理單元為研究范圍，總面積約為606.83 km2（圖1）。該范圍聚焦于城市居民活動的主城區范圍，包含西安市大部分建成區，街區形態類型豐富多樣。此外，管理單元作為城市規劃編制管理的最小空間單元既滿足了研究尺度的要求，又有利于后期與規劃編制對接，為后續全面落實管控街區形態應對夏季高溫災害提供決策支持。

圖1 研究區位圖Fig.1 location of study area

1.2 數據來源

本研究選取西安市2000年5月20日、2005年6月16日、2010年6月17日、2016年6月17日、2019年6月5日共五景Landsat 5和Landsat 8衛星遙感影像，該數據來源于美國地質調查局（USGS）。選取上述影像的原因主要有：第一，Landsat影像為目前開源遙感數據中分辨率最高的類型；第二，上述影像數據云量均小于0.03%，尤其在研究區域上空云量為0，即無云層覆蓋，且影像的成像時間均為白天上午11∶00左右；第三，成像時間內西安市天氣狀況穩定，以晴或多云為主，前一天無降雨且風速較小，整體熱環境未受到降雨刮風等影響。

西安市主城區建筑矢量數據為OpenStreetMap所爬取2019年的三維建筑數據（含建筑輪廓、層數信息），本文結合Google Map影像，增加原圖中缺失建筑并刪除實際中已拆除建筑對建筑數據進行修正，進而在ArcGIS中通過矢量配準獲得所需建筑數據。此外，管理單元范圍數據來源于西安市城市規劃設計研究院所編制的西安市控制性詳細規劃。

2 研究方法

2.1 地表溫度反演

本研究利用遙感影像的熱紅外波段，采用大氣校正法反演得到地表溫度。該方法是從衛星傳感器所觀測的熱輻射總量減去大氣對地表熱輻射的影響，得到地表熱輻射強度，進而將其轉化為相應的地表溫度[23]。具體步驟如下：

式中，B(Ts)為黑體輻射亮度；Ts為地表溫度；L↑為大氣上行輻射亮度；L↓為大氣下行輻射亮度，K1、K2為常量。

需要注意的是，在進行地表溫度反演前先利用ENVI 5.3對遙感影像進行幾何糾正、裁剪、輻射校正等數據預處理。同時，為保證反演結果的準確性，本研究選取當天氣象站點所獲取的實測氣溫數據與反演溫度進行精度驗證，整體而言地表溫度與監測站空氣溫度的變化趨勢基本一致，擬合優度R2為0.79，表明利用熱紅外遙感數據反演的地表溫度與氣象站點觀測的空氣溫度之間具有良好的一致性，反演精度較高，與實際情況基本吻合。

2.2 地表熱環境量化指標

為量化研究區熱環境狀況，本研究除采用常用的熱島強度指標（urban heat island intensity, UHII）外，還引入最高熱島升溫值（UHIImax）、熱島升溫總量（T）兩個指標從多角度綜合測度并描述熱島效應（表1）。目前熱島強度的評估計算方法尚未形成統一標準，本研究依據熱島強度的基本定義，選取研究區外受城市干擾較小的代表性郊區，即研究區域外8個不同方向平均抽取的32個郊區農村點，以其平均地表溫度作為基準溫度，將大于基準溫度的區域定義為熱島區域，小于基準溫度的區域定義為冷島區域[24-25]。同時以每間隔3 ℃將熱島強度劃分5級，分別為一級熱島強度（0～3 ℃）、二級熱島區域（3～6 ℃）、三級熱島區域（6～9 ℃）、四級熱島區域（9～12 ℃）和五級熱島區域（＞12 ℃）。

表1 熱環境量化指標Tab.1 quantitative index of thermal environment

2.3 形態要素量化指標

本研究通過對既有文獻總結將形態要素歸納為二維地表覆蓋、三維空間組合和景觀格局特征三個層面。其中二維平面側重于街區的地表覆蓋狀況，綜合考慮研究需要及西安市現狀用地類型，將研究區下墊面劃分為以下4類：建設用地（C）、綠地（G）、水體（W）、裸土（S），主要指標包括覆被占比類指標及NDVI。該類指標數據源為上文反演地表溫度的Landsat衛星遙感影像，各指標首先在ENVI 5.3中執行監督分類、波段計算，進而在ArcGIS 10.5中計算得到[4]，具體計算方法如表2所示。

表2 二維地表覆蓋指標一覽表Tab.2 a list of two-dimensional land cover indicators

三維空間組合側重于建筑空間形態及其組合方式，考慮到數據的可獲取性將三維空間分為典型形態及特殊形態指標2類。其中典型形態指標為常見的規劃類指標：容積率（FAR）、建筑密度（BD）、平均建筑高度（BH）；特殊形態指標為天空開闊度（SVF）、建筑高度變異度（R）、孔隙率（P），具體指標計算如表3所示。主要數據源為OpenStreetMap所爬取的2019年西安市建筑矢量數據，該類指標在ArcGIS 10.5中計算得到[4]。

表3 三維空間組合指標一覽表Tab.3 a list of three-dimensional space combination indicators

景觀格局特征則側重于反映各景觀斑塊的集聚趨勢、蔓延趨勢以及與綠地水體的混合狀態，考慮到指標在既往文獻中出現的頻次及計算的方便性，根據研究目的從表征斑塊形態、結構兩方面選取5個景觀格局指數，分別為類型水平上的形狀指數（LSI）、平均鄰近度（MPI）以及景觀水平上的蔓延度（CONTAG）、多樣性指數（SHDI）、均勻度指數（SHEI），該類指標利用景觀格局分析軟件Fragstats 4.2計算得到[4]，具體計算方法如表4所示。

表4 景觀格局特征一覽表Tab.4 a list of landscape characteristic indicators

2.4 主成分分析

主成分分析法（principal component analysis, PCA）是數據分析中常用的降維歸類算法，其是對普通最小二乘回歸的改進，是在損失較少信息的前提下計算數據集的協方差矩陣，將多個指標降維變換為幾個綜合指標（即主成分），各主成分為原始變量的線性組合，且各種成分間互不相關[26]。需要指出的是，主成分分析只是主成分回歸的一個中間結果，而非目標本身，本研究需進一步將得到的主成分與解釋變量間進行回歸，從而揭示多重因素共同影響下街區內部熱環境差異的形態要素原因及各類指標的貢獻度，該方法可有效規避自變量間存在嚴重共線性問題，提高傳統多元線性回歸的模型精度及分析效率，具體計算公式如下：

式中，Y為因變量；β1，β2，… ，βp為各個主成分的標準回歸系數；F1，F2,…,Fp為各主成分，表達式如下：

3 結果與分析

3.1 熱環境時空演化特征分析

圖2為2000年、2005年、2010年、2016年和2019年五期西安市地表溫度空間分布狀況，結果顯示，2000年高溫及以上區域主要集中于城市二環以內，邊緣溫度普遍較低；隨著城市擴張，2005年以后高溫區不再整體密集，而是在城市外圍零星分布并逐漸融合擴大形成較易識別的熱點孤島區域；2019年區域內地表溫度整體較高，高溫區開始在建成區內連片式蔓延。對比五期地表溫度時序圖發現，西安市熱環境的延展方向與城市擴張方向基本保持一致，一般在高密度商業區、工業區等城市建成區內表現為高溫，如城市中心的商業密集區域（鐘樓）、北部工業區、西部物流倉儲區、西南部工業區等；在城市公園、綠地水體內表現為低溫，如大唐芙蓉園、曲江池、興慶宮公園、豐慶公園等。

圖2 2000—2019年西安市地表溫度空間分布圖Fig.2 spatial distribution of LST in Xi’an from 2000 to 2019

為準確把握西安城市熱環境時空演變特征，本文分別統計各年地表溫度變化及熱島強度變化情況。從地表溫度變化上看，如圖3a所示，整個研究區2000年、2005年、2010年、2016年和2019年的平均地表溫度分別為34.02 ℃、34.70 ℃、36.78 ℃、37.68 ℃、41.31 ℃，最大地表溫度分別為50.30 ℃、51.23 ℃、53.64 ℃、57.40 ℃、59.96 ℃，最小地表溫度分別為21.75 ℃、23.02 ℃、22.10 ℃、24.54 ℃、27.02 ℃，整體溫度呈持續上升趨勢，若以平均地表溫度表征研究區域內整體溫度狀況，2000—2019年溫度約上升了7.29 ℃。

圖3 2000—2019年西安市地表溫度變化及熱島強度變化情況Fig.3 variation of surface temperature and UHII in Xi’an from 2000 to 2019

從熱島強度變化上看，如圖3b所示，研究區2000年、2005年、2010年、2016年和2019年的平均熱島強度分別為6.99 ℃、7.74 ℃、7.26 ℃、7.58 ℃、10.14 ℃，最大熱島強度分別為23.27 ℃、23.79 ℃、20.60 ℃、27.3 ℃、28.79 ℃，熱島強度逐年遞增。若以平均熱島強度表征研究區各年份的整體狀況，2000—2019年熱島上升了3.15 ℃。圖3c為不同年份研究區熱島面積的變化情況，結果顯示，2000—2019年間研究區域內熱島面積占比基本保持不變，維持在99.7%左右，究其原因是本文所選取的研究范圍為城市中心區不包括周圍郊區所致。進一步統計各年份的熱島升溫總量，發現升溫總量逐年遞增，從2000年7 752.52 ℃/km2上升至2019年11 244.36 ℃/km2。

圖3e為西安市2000—2019年不同熱島強度等級面積占比情況，結果顯示，2000年三級熱島強度面積最大，占比達43.57%；2005年熱島強度仍集中在三級，但面積占比有所上升，達54.59%；2010年四級熱島強度面積上升明顯，較2005年上升了10.01%；2016年四級熱島強度較2010年略有下降，但二級、三級熱島強度有所上升，占比達21.70%和50.11%；2019年熱島強度主要集中在四級，占比達46.70%，較2016年顯著上升，五級熱島面積較2016年占比上升了18.69%?？傮w來看，熱島強度等級雖在個別年份存在小幅波動，但整體上一級、二級熱島強度區逐年減小，四級、五級熱島強度區逐年增加，這進一步印證了研究區內熱環境正逐年惡化。

3.2 形態特征分析

上文西安市5期熱環境分析結果顯示2019年熱島效應最為明顯，因此本研究利用2019年數據在ArcGIS中分別統計各管理單元內的平均地表溫度及街區形態要素指標，其空間分布如圖4所示?？梢钥闯觯旱谝?，二維地表覆蓋指標：該類指標與城市內下墊面類型強相關，其中建設用地在整個區域內占比較高，各管理單元建設用地占比處于高位，且易在高密度區集聚，平均值為0.719，綠地占比、水體占比及裸土占比則相對較低，平均值分別為0.203、0.008、0.030，其中NDVI分布與研究區內的綠地占比分布大體一致；第二，三維空間組合指標：FAR、BD、BH基本呈現“內高外低，外部局部隆起，沿軸帶延展”的空間分布特征，且易在城市主干道、快速路兩側出現高值。SVF、R、P反映了各街區內的建筑組合特征，一般在中心區域的高開發強度建筑密集區表現為較高的粗糙度、較低的天空開闊度和孔隙率，而在研究區邊緣表現為較低的建筑高度變異度、較高的天空開闊度和孔隙率；第三，景觀格局特征指標：MPI、LSI、CONTAG、SHDI、SHEI總體反映了研究區內景觀的組合特征及分布狀況，可以看出其類型水平上的景觀格局指數分布與研究區土地利用類型高度吻合。

3.3 形態要素對地表熱環境的影響評估

3.3.1 形態要素與地表熱環境相關性分析

本節利用ArcGIS 10.5的空間統計功能獲取各管理單元的平均地表溫度值及各形態要素指標值，將數據進行相關性分析，結果如圖5所示?？梢钥闯?，并非所有指標均與地表溫度顯著相關，且部分變量間存在顯著的共線性問題。具體而言，二維地表覆蓋指標中，建設用地占比、綠地占比、水體占比、裸土占比、NDVI與LST均在99%水平上顯著相關（P＜0.01），其中建設用地占比、裸土占比與地表溫度顯著正相關，綠地占比、水體占比、NDVI與LST顯著負相關，表明建設用地及裸土對城市具有增溫作用，綠地、水體對于城市具有降溫作用，這與現有研究結果一致[27]。三維建成環境指標中發現僅FAR、BD、SVF通過了顯著性檢驗，其中BD、SVF在99%水平上顯著相關（P＜0.01），FAR在95%上水平上顯著相關（P＜0.05），其余3個指標與LST相關性較低，均未通過顯著性檢驗，相關系數均小于0.1，說明其與地表溫度的關聯性均不強，映射關系模糊。

圖5 形態指標與地表溫度相關性分析圖Fig.5 Pearson’s correlation between morphological indicators and LST

景觀類型水平上的格局指標除裸土的MPI、LSI與地表溫度無顯著相關外，其余指標均與地表溫度顯著相關，究其原因在于研究區內裸土所占比例小，樣本量低，且理論上裸地對溫度的作用弱于其他三類景觀類型[28]。建設用地類型的MPI呈顯著負相關、LSI呈顯著正相關（P＜0.05），表明建設用地作為影響地表溫度的主要景觀類型，其景觀斑塊分布越集中，形狀越復雜，平均地表溫度越高[29]；而綠地、水體類型則相反，其MPI呈顯著正相關、LSI呈顯著負相關（P＜0.01），表明綠地景觀斑塊分布越集中，形狀越復雜，其所產生的降溫效果更好，周圍平均地表溫度越低[24]。相較而言，選取的3個景觀水平的景觀格局指數與LST均具有較強相關性（P＜0.05），其中CONTAG與LST呈顯著正相關，SHDI、SHEI與LST呈顯著負相關。一般而言，CONTAG越高表明斑塊的蔓延性越好，連通性增加，而本研究區內以建設用地的高溫區為主，其由于蔓延度的增加，使得高溫熱量能更好地向周邊傳遞，導致地表溫度升高[30]；SHEI和SHDI越大，則說明景觀多樣性越豐富，地表溫度越低[24]。

3.3.2 形態要素貢獻度排序及權重分配

本節將上述與地表溫度不相關的形態指標剔除，將剩余指標寫入主成分分析模型，KMO及巴特利特檢驗結果顯示，KMO為0.691，大于0.5，且顯著性為0，表明變量間的相關性較強，偏相關性較弱，主成分分析的效果較好。圖6為主成分分析的特征根貢獻率，其中前4個主成分特征根大于1，方差累計貢獻率為75.28%，包含了所有原始變量約75%的信息量，為反映影響街區熱環境的主要因子。

圖6 主成分分析特征根貢獻率Fig.6 characteristic root and contribution rate of principal components

圖7為主成分分析結果，結果顯示，第一主成分主要為景觀斑塊（建設用地、綠地等）的集聚蔓延趨勢、形態結構特征及地表覆被狀況（即下墊面性質）等對熱環境的影響，其中SHDI、SHEI、MPI_G為得分最大的三個指標，其值依次為0.934、0.909和0.849；第二主成分主要反映了建設強度對熱環境的影響，其指標主要包括FAR、LSI_W、BD，得分分別為0.733、0.679和0.628；第三主成分反映了水體空間分布對熱環境的影響，主要指標為WR、MPI_W，其得分為-0.746、-0.689；而第四主成分則主要為裸土及建筑空間組合對熱環境的影響，其中SR、SVF系數得分較高，分別為0.571、-0.417。

圖7 主成分分析Fig.7 principal component analysis

為比較各主成分不同量綱指標間的作用程度，本文進一步對特征根大于1的四個主成分進行最小二乘回歸，結合主成分得分系數矩陣、主成分回歸模型，以及上述17個指標的標準化數據，得到原始變量的回歸方程，如式5所示：

其中，X1為建設用地占比，X2為綠地占比，X3為水體占比，X4為裸土占比，X5為NDVI，X6為容積率，X7為建筑密度，X8為SVF，X9為MPI建設用地，X10為MPI綠地，X11為MPI水體，X12為LSI建設用地，X13為LSI綠地，X14為LSI水體，X15為CONTAG，X16為SHDI，X17為SHEI。

由式5可以看出，建設用地占比、建筑密度的正向影響較為突出，貢獻度分別為0.658、0.319，綠地占比、MPI綠地、SHEI、NDVI的負向影響較為明顯，貢獻度分別為-0.718、-0.574、-0.508、-0.468，表明綠地對地表溫度具有明顯抑制作用。若將總權重和定為1，根據每個指標因子貢獻度的絕對值進行權重分配，并將屬于同一類別的空間形態指標進行疊加計算得到各類空間指標的權重和（圖8）。結果顯示，二維地表覆蓋、類型水平景觀格局權重占比最大，分別為36.64%、35.50%；其次為景觀水平景觀格局，占比為18.47%；三維空間組合對地表溫度的影響程度最弱，僅占9.39%。

圖8 影響街區熱環境的空間形態指標貢獻度排序與權重分配示意圖Fig.8 schematic diagram of spatial morphological index contribution ranking and weight distribution affecting block thermal environment

以上研究結果表明，以不透水面為主的建設用地持續增加是引起熱島效應的主要誘因，其對街區熱環境具有正向促進作用，而綠地和水體作為城市冷源具有一定的負向減弱作用，可抑制熱環境惡化[16]。從三維建成環境看，建筑高度與地表天空開闊度對熱環境的貢獻整體較低，這可能與本文所選取的熱環境指標為地表溫度，其更多反映的是二維平面的熱環境有關[28]。從景觀格局看，類型水平的貢獻度要高于景觀水平的貢獻度，具體表現為建設用地和裸地的景觀斑塊越集中、連通度越好、形狀越復雜，更易加劇街區熱環境；綠地和水體則相反，其斑塊越集中，形狀越復雜產生的降溫效果更好，更能緩解局地熱環境。

因此，若要緩解夏季高溫化問題首先應對各類地表覆蓋及其構成的景觀格局進行調控，盡可能降低研究區內的建筑覆蓋占比，并充分發揮綠化水體的降溫效果。具體而言，應在保持維護原有自然生態系的公園、綠地、河道、濕地等基礎上，降低硬化地表（如建筑、道路等）覆蓋，適量增加植被覆蓋[26]，有條件還可增加水體覆蓋面積；并通過將綠地水體集中化、邊界不規則化、均勻化等方式促進地表高低壓區之間的大氣流通[24]，提高綠地水體的降溫效果；另外，應優化城市空間結構形態，合理規劃城市內建筑布局與排列組合方式，控制城區建筑物高密度發展，適當鼓勵低密度開發模式，優化調控能耗布局，積極引導城市通風廊道及氣候適應性規劃建設。

4 結論

本研究選取西安市主城區為研究對象，從二維平面、三維空間、景觀格局三個維度系統梳理影響地表熱環境的形態要素，利用多源城市數據挖掘計算所涉及的指標值，結合數理統計中雙變量相關性分析及主成分回歸對形態要素與地表熱環境進行關聯性分析，定量揭示多指標共同影響下形態要素對局地熱環境的綜合作用及各指標的貢獻率，其主要結論如下。

一是2000—2019年西安市熱島呈現由中心向周邊連片式蔓延的特點，一般高溫區為城市中心的商業密集區域（鐘樓）、北部工業區、西部物流倉儲區、西南部工業區等，低溫區為城市公園、綠地水體周邊，總體而言，西安市熱環境的延展方向與城市擴張方向基本吻合。

二是2000—2019年研究區內平均溫度上升7.29 ℃，平均熱島強度上升3.15 ℃，約99.7%為熱島區，總升溫量從2000年的7 752.52 ℃/km2上升至2019年的11 244.36 ℃/km2，其中四級、五級熱島強度區逐年遞增，一級、二級熱島強度區逐年減小，整體升溫效果顯著，熱島效應不斷增強。

三是相關性分析表明除BH、P、R、MPI_S、LSI_S外，其余指標均與地表溫度存在顯著相關關系。進一步通過主成分回歸揭示多因素共同影響下形態要素對局地熱環境的綜合作用機理，發現CR、BD兩個指標的正向影響較為突出，貢獻度分別為0.658、0.319，而綠地對地表溫度的抑制作用十分顯著，負向影響較大的指標分別為GR、MPI_G、SHEI、NDVI，貢獻度分別為-0.718、-0.574、-0.508、-0.468。各類形態要素指標權重占比排序依次為：二維地表覆蓋（36.64%）＞類型水平景觀格局（35.50%）＞景觀水平景觀格局（18.47%）＞三維空間組合（9.39%）。

本研究旨在探索建成環境中的形態要素與熱環境間的量化關聯規律，所提出的基于主成分回歸模型的熱環境貢獻度算法能夠在一定程度上實現地表熱環境變化的歸因分析，研究結論可為西安市氣候適應性規劃、街區形態優化等方面提供理論和數據支撐。但由于資料及數據獲取的限制，后續還需對形態指標體系進行完善，如增加距主要冷熱源（工業、道路、水體、公園等）的距離指標、人為排熱量指標、地形地貌指標等，同時引入數值分析模擬不同情景方案，篩選優化相關參數并確定其合理閾值，形成城市熱島的預警機制及減輕熱島的形態策略，以完善熱環境效應的影響因素及形成機理。

圖表來源：

圖1-8：作者繪制

表1：根據葉彩華, 劉勇洪, 劉偉東, 等. 城市地表熱環境遙感監測指標研究及應用[J]. 氣象科技, 2011, 39(1): 95-101.；黃亞平, 盧有朋, 單卓然,等. 武漢市主城區熱島空間格局及其影響因素研究[J]. 城市規劃, 2019,43(4): 41-47.整理繪制

表2：根據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.；沈中健, 曾堅. 廈門市熱島強度與相關地表因素的空間關系研究[J]. 地理科學, 2020, 40(5): 842-852.整理繪制

表3：根據周偉奇, 田韞鈺. 城市三維空間形態的熱環境效應研究進展[J].生態學報, 2020, 40(2): 416-427.；沈中健, 曾堅. 廈門市熱島強度與相關地表因素的空間關系研究[J]. 地理科學, 2020, 40(5): 842-852.整理繪制

表4：根據黃曉軍, 宋濤, 王博, 等. 土地利用規?！Y構—形態演變對城市熱環境的影響——以西安市主城區為例[J]. 地理科學, 2022, 42(5): 926-937.；譚凝, 陳天, 李陽力. 天津市城市藍綠空間景觀格局與熱環境的關聯研究[J]. 西部人居環境學刊, 2023, 38(2): 115-120.整理繪制