基于MSPA-CIRCUIT的長江中游城市群熱環境網絡識別與評價研究

方云皓，趙麗元*，竇碧瑩，王書賢

1.華中科技大學建筑與城市規劃學院，湖北 武漢 430074；2.湖北省城鎮化工程技術研究中心，湖北 武漢 430074；3.南京市規劃與自然資源局江寧分局，江蘇 南京 211100

城市熱環境指與熱相關的、影響居民行為的物理環境，通?；跍囟?、熱輻射量、熱舒適度等物理參數予以定量化描述（孫鐵鋼等，2016）。在快速城市化背景下，城市規模不斷增加，由此引發城市空間環境如土地利用類型、功能設施布局、建筑空間形態等發生巨大變化，對城市熱環境產生顯著影響（Ma et al.，2010）。因此，城市熱環境也被視為城市空間環境在復雜熱力場中的綜合表現（辛儒鴻等，2022）。城市熱環境惡化已成為城市最難以解決的氣候問題之一，具體表征為高溫、熱浪、城市熱島等現象，其不僅改變了城市下墊面的生態環境，如植被生長、空氣質量、水文循環等，還影響了城鄉居民的生產空間、生活行為、能源消耗等（He et al.，2020）。此外，持續的熱環境惡化也會導致城鄉居民熱舒適性降低，高強度頻發時甚至對居民健康構成威脅，引發城鄉居民的發病率和死亡率增加（Lai et al.，2019），尤其對老年人與嬰幼兒來說，其更易受到熱環境惡化帶來的負面影響（Zuo et al.，2015）。因此，在應對全球氣候逐漸變暖的城市建設中，如何緩解熱環境惡化已成為中國政府、學者以及公眾等社會各界密切關注的重要議題。

針對城市熱環境惡化問題，眾多學者基于地理學、生態學、城鄉規劃學等多學科視角在微觀尺度（人體尺度、房間尺度及建筑尺度）與宏觀尺度（街區尺度、城市尺度及區域尺度）將城市熱環境識別作為重點展開研究，主要原因有兩點：首先，城市熱環境識別研究涵蓋熱環境的時空格局、結構特征及演變過程等內容，是精準研判高溫災害險情、構建氣候安全框架、制定針對性氣候適應政策的主要依據；其次，城市熱環境識別研究是揭示熱環境形成機制（主要基于土地利用類型、功能設施布局及建筑空間形態等層面闡述）、評估熱環境風險、模擬和預測未來熱環境發展趨勢等研究的必要前提（劉璐等，2019；付含聰等，2020；Lu et al.，2021；Chen et al.，2022；王子安等，2022），對于緩解城市熱環境惡化具有重要意義。

當前針對城市熱環境識別研究主要包括熱環境時空格局分析與熱環境結構特征提取兩類。熱環境時空格局研究主要借助固定觀測（氣象站點、環境監測點等形式）、流動觀測（布點觀測、探空氣球、流動車作業等形式）及衛星遙感等技術獲取多時段氣溫或地表溫度（Land Surface Temperature，LST）數據（Unger et al.，2001；Stewart，2011；徐涵秋，2015；李召良等，2016），通過相關時空分析方法對熱環境的時空分布情況進行系統解析，具體來說可分為3種：第1種研究主要針對城市或城市群熱環境內部熱源中心的坐標屬性、地理區位等空間信息，通過重心遷移模型識別熱源中心并分析其時空遷移軌跡（孫芹芹等，2010；朱菲等，2022）；第2種研究側重于通過剖面線方法設置道路或熱場剖面等作為城市“切割線”，比較不同方向熱環境時空差異性（徐麗華等，2007；于明洋等，2021）；第三者則偏向于通過冷熱點分析模型、全局或局部自相關模型、支持向量機（Support Vector Machine，SVM）模型等對熱環境的變化趨勢與集聚特征進行測度（占文鳳等，2011；王鵬龍等，2014；陳冰倩等，2019）。熱環境結構特征研究是在時空格局分析的基礎上，進一步對城市內部各組成部分的熱環境分異規律進行挖掘的研究，涵蓋空間形態學與景觀生態學等多種理論與方法。就空間形態學而言，其主要依據土地利用類型、地表材質和人類活動等將城市下墊面劃分成不同類型區域，以評估并比較不同類型區域的熱環境空間差異，常見的分析方法包括局地氣候分區（Local Climate Zones，LCZ）框架、形態學空間格局分析（Morphological Spatial Pattern Analysis，MSPA）模型等（林中立等，2022；劉婷等，2023）。景觀生態學理論將城市熱環境視作由不同類型的斑塊組成，通過識別不同類型斑塊并計算其相應景觀格局指數（黃聚聰等，2011，2012；郭冠華等，2012），包括數量、面積、范圍、平均密度、類型比例、香濃多樣性指數等，以精準捕捉熱環境空間的演變、轉移、蔓延等特征，為改善熱環境提供精細化指導。

盡管基于空間形態學與景觀生態學理論的熱環境結構特征研究取得豐碩成果，但其較多基于斑塊或空間單元視角展開，將熱環境斑塊或空間單元視為獨立個體而忽略了斑塊與斑塊或空間單元與空間單元之間的連通性。有證據表明，城市或城市群熱環境的連通性是影響區域內部溫度空間分布規律、城鄉居民熱舒適度的重要因素（Peng et al.，2020；吳健生等，2022），而識別具備連通性特征的熱環境廊道與熱環境網絡是緩解城市熱環境惡化、提升城鄉居民健康水平的有效手段（Yu et al.，2021；Peng et al.，2022），其主要原因為伴隨快速城市化的推進，熱環境的空間形態也隨之發生改變，尤其在城市群地區，相鄰城市間的經濟、產業、交通等聯系日益增強，其熱環境會隨之連通化，由此引發熱量流通及擴散路徑也會發生變化（謝志清等，2007）。相關研究指出，熱環境的空間連通性越強，熱量流動阻力越小而擴散區域則越廣，由此易引發對更大范圍的城鄉居民健康構成威脅（江頌等，2022）。此外，通過電路（CIRCUIT）理論等建模方法對熱環境連通性進行模擬也被證實為一種可行的途徑，其通過模擬熱量的流動、擴散、聚集過程，為城市熱環境的監測、預測與防范提供科學依據（喬治等，2023）。鑒于此，本研究以長江中游城市群為例，從時空動態視角探索熱環境網絡的時空演變特征，并評估其總體連通性與空間連通性，以期為區域尺度的熱環境惡化緩解方案提供氣候適應性框架。

1 研究區域

長江中游城市群（20°09′－33°20′N，180°21′－118°28′E）位于中國長江流域中部，承東啟西、連南接北，是長江經濟帶的重要組成部分，也是推動中部地區崛起的重要區域。根據2015年國務院批復的《長江中游城市群發展規劃》中劃定的行政區劃范圍，明確長江中游城市群是地跨湖北、湖南和江西3省共31市的特大型國家級城市群（圖1）。長江中游城市群國土面積約為3.26×105km2，地勢總體較為平坦，地形以平原與山體為主，屬亞熱帶季風性氣候，年均降水量在800－1943 mm，2020年總人口約為1.22×108人，地區生產總值達9.39×1012元。長江中游城市群的快速發展引發了城市熱環境的惡化。2000－2015年期間，城市群夏季白天平均熱島強度約0.8 ℃，夜間平均熱島強度約0.4 ℃，對城鄉居民的熱舒適度與身心健康構成了不同程度威脅（胡楠林等，2022）。

圖1 研究區域Figure 1 Study area

2 研究數據與方法

2.1 研究數據及其預處理

本研究的數據來源包括建成區面積數據與地表溫度數據。建成區面積數據來源于科學數據銀行提供的中國433個城市建成區邊界矢量數據（https://doi.org/10.11922/sciencedb.j00001.00332），時間分辨率為1990－2020（每隔5年）共7個年份，其主要用于城市熱島區域以及非熱島區域的劃分；地表溫度數據來源于中國科學院資源環境科學與數據中心提供的基于MODIS衛星的中國地表溫度柵格數據集（https://www.resdc.cn/DOI/DOI.aspx?DOIID=98），其空間分辨率為1 km×1 km，時間分辨率為2000－2020年逐季度。本研究首先選取2000、2010以及2020年夏季（6－8月）的白天地表溫度數據作為源數據，其次在Arcgis 10.2軟件中對源數據進行投影、裁剪等處理，最后將裁剪后的數據通過公式（1）以及柵格計算器進行單位轉換，以將熱力學溫度數據集轉換為攝氏溫度數據集，其表達式如下：

式中：

t1——攝氏溫度，單位為℃；

T2——熱力學溫度，單位為K。

2.2 研究方法

2.2.1 基于MSPA模型的熱島斑塊類型劃分

MSPA模型是基于數學形態學原理（如腐蝕、膨脹、開運算和閉運算等）對柵格圖像進行度量、識別以及分割的方法，其能夠依據柵格圖像的空間分異規律以及連通性視角，精準捕捉柵格圖像中的結構度量元素并提取7種類別互斥的像元斑塊，分別為核心、孤島、孔隙、邊緣、環道、橋接、支線（Soille et al.，2008）。MSPA模型由于偏向測度空間結構連接性，且具有斑塊提取準確度高以及分析結果可空間化等優點，被廣泛運用于地理學、生態學以及遙感信息等領域的空間斑塊提取研究中。

本研究基于MSPA模型劃分城市群熱島斑塊類型。具體來說，首先，分別統計2000年、2010年以及2020年夏季長江中游城市群平均地表溫度并依據其閾值進行等級劃分，由低到高依次為低溫區、次低溫區、常溫區、次高溫區、高溫區；其次，高溫區域并非等同于熱島區域，綜合考慮城市群熱島的內涵及形成機制，為精準識別由城市化導致的建成區內部及其鄰接范圍的熱島區域并盡可能排除非城市化的影響，基于城市建成區邊界數據設置建成區及其外部2 km緩沖區范圍內的高溫區為熱島區域，其余區域為非熱島區域（劉婷等，2023）；再次，利用Arcgis 10.2軟件的重分類工具將熱島區域與非熱島區域設置為二元柵格分析底圖，其中熱島區域為前景，非熱島區域為背景；最后，將二元柵格分析底圖導入Guidos軟件，設置鄰域轉換規則為數值8、邊緣寬度為數值2，通過數理分析方法將前景重新解譯為互不重疊的7類熱島斑塊類型，其相應分類與空間形態特征如表1與圖2所示。

表1 基于MSPA模型的熱島斑塊分類及其空間形態特征Table 1 Classification of heat island patches and their spatial morphological characteristics based on MSPA model

圖2 熱島斑塊類型及其空間形態特征示意圖Figure 2 Schematic diagram of the heat island patch types and their spatial morphological characteristics

2.2.2 基于CIRCUIT理論的熱環境網絡識別

在城鄉一體化加速以及建成區范圍不斷增加的雙重背景下，城市熱島斑塊也呈現不斷擴張趨勢（林中立等，2018；覃盟琳等，2020；喬治等，2022）。在擴張過程中，熱島斑塊與電路中的電荷類似，具有隨機游走特征（即隨機漫步理論）。CIRCUIT理論是借鑒隨機游走特征模擬相關“流體”在地表異質空間遷移和擴散運動的理論，主要用于相關廊道網絡，如生態廊道的識別（宋利利等，2016；李久林等，2020）。該理論基于歐姆定律，即電壓、電阻及電流的概念內核，可探尋源地間的最小成本路徑，將地表潛在的廊道路徑以電路網絡形式進行抽象表征，如圖3所示。在熱環境網絡中，電壓對應高低熱量源地間的熱力差，電阻對應源地間熱量流通受到的阻擋效應，電流對應源地間熱量的流通速率。本研究基于電路理論識別長江中游城市群熱環境網絡，具體來說包括3個部分：熱環境源地設置、阻力面設置及熱環境網絡識別。

圖3 電路理論示意圖Figure 3 Schematic diagram of circuit theory

（1）熱環境源地設置

熱環境源地是熱環境網絡中具有一定規模的斑塊，其既是高熱量集聚空間，也是廊道交匯處的關鍵節點以及熱量傳輸的“中轉站”，在夏季易對城鄉居民產生高溫威脅。本研究基于長江中游城市群熱島斑塊類型劃分結果，利用Arcgis 10.2軟件將面積大于4 km2的核心型斑塊定義為源地。

（2）阻力面設置

阻力面是電阻的空間形態表征，表示各熱環境源地間熱量擴散的受阻程度分布，反映地表熱量傳輸的可達性和趨勢。本研究選取背景以及各類型熱島斑塊，包括核心、孤島、孔隙、邊緣、環道、橋接以及支線作為阻力因子，并參照已有研究的賦值原則賦予其阻力值（喬治等，2023），以此構建長江中游城市群熱環境柵格阻力面（表2）。

表2 各類型熱島斑塊阻力值Table 2 Resistance values for various types of heat island patches

（3）熱環境網絡識別

本研究通過使用Circuitscape 4.0軟件中的Build Network and Map Linkages模塊實現電路理論的空間可視化。首先設置初始電壓和初始電流分別為1V和1A，其次基于已設置的熱環境源地與阻力面數據的迭代遍歷運算，模擬仿真所有連接相鄰源地的熱環境廊道分布，進而對長江中游城市群熱環境網絡進行識別。

2.2.3 熱環境網絡連通性評估

熱環境源地與熱環境廊道間的連接程度稱為熱環境網絡連通性，其能夠反映源地間熱量的擴散過程與傳輸效能。本研究評估長江中游城市群熱環境網絡的總體連通性與空間連通性。

（1）熱環境網絡總體連通性評估

總體連通性反映網絡空間的總體復雜程度與連接度，映射節點與邊之間的物理和邏輯連接。在復雜網絡空間評價研究中，α指數、β指數以及γ指數是常用的定量評價拓撲指數（黃梅等，2022）。此類拓撲指數均是值越高表示熱環境網絡連通性越高，熱量傳輸效能越強，越不利于熱環境風險的降低，其不僅關注自身的網絡結構特征，更強調熱環境網絡的熱量擴散效率。因此，本研究選取上述3種指數對長江中游城市群熱環境網絡的總體連通性進行評估，其表達式為：

式中：

α——網絡閉合度，反映熱環境網絡中出現閉合回路的程度，其取值范圍為[0,1]，當α=0時，表示熱環境網絡沒有回路，當α=1時，表示熱環境網絡存在最大可能數量的回路；β為網絡連接度，反映熱環境網絡中熱環境源地的平均連接數，其取值范圍為[0,3]，當β=0時，表示熱環境網絡不存在，當β<1時，表示熱環境網絡連接尚不完善，當β=1時，表示熱環境網絡形成單一回路，當β=2時，表示熱環境網絡連接較完善，當β=3時，表示熱環境網絡連接最完善；

γ——網絡連通率，反映熱環境網絡中所有熱環境源地被連接的程度，其取值范圍為[0,1]，當γ=0時，表示熱環境網絡中無廊道連接各源地，當γ=1時，表示熱環境網絡各源地彼此相連，熱環境廊道連接程度最高；

N——熱環境源地（節點）數量；

L——城市群熱環境廊道（邊）數量；

Lmax——城市群中最大可能連接的熱環境廊道數量。

（2）熱環境網絡空間連通性評估

空間連通性反映網絡空間的局部區域在整個網絡空間中的重要程度，通過網絡空間中各節點和邊的影響力予以表征。在熱環境網絡中，空間連通性是衡量并識別關鍵熱環境源地及熱環境廊道的重要依據。本研究分別采取特征向量中心性（Eigenvector Centrality）與電流密度（Current Density）分別對各熱環境源地及熱環境廊道的影響程度進行測度（胡昊宇等，2022；喬治等，2023），以此來評估長江中游城市群熱環境網絡的空間連通性。

①特征向量中心性表示某熱環境源地在熱環境網絡中的影響力，其基本概念可概括為某熱環境源地的重要性不僅取決于自身的中心性，還與其鄰近熱環境源地的數量、中心性有關，與之相連的鄰居熱環境源地越重要，則該熱環境源地就越重要，其表達式為：

式中：

c(vi)——某熱環境源地vi的特征向量中心性，其取值范圍為[0,1]，數值越高表示該熱環境源地在網絡中的影響力越大；

Aij與λ——鄰接矩陣及對應特征向量值。本研究通過Gephi 0.10.0軟件的Fruchterman Reingold算法進行特征向量中心性測度及可視化。

②電流密度指通過單個像元的電流大小，在熱環境網絡中可表征某熱環境廊道的空間連通性，其值越高，代表該熱環境廊道的熱量傳輸效能越高。在并聯電路中，電流密度在電壓（熱力差）保持穩定情形下，除受到電阻（阻力面）影響外，也受制于熱環境廊道的冗余度、寬度等因素，例如電流密度值會隨著熱環境廊道數量增加而降低（圖3）。本研究在Circuitscape 4.0軟件的Pinchpoint Mapper模塊中分別輸入熱環境源地及熱環境廊道空間分布數據，通過選擇“All to One模式”（1個熱環境源地接地，其余熱環境源地均輸入1 V電壓與1 A電流）設置所有相鄰熱環境源地產生耦合作用，使所有連接相鄰熱環境源地的熱環境廊道路徑均產生仿真電流。

3 結果與分析

3.1 城市群地表溫度及熱島區域空間演變

為探究2000－2020年長江中游城市群夏季地表溫度及熱島空間演變特征，依次選取2000、2010與2020年數據進行空間可視化，并依據地表溫度閾值區間進行等級劃分，得到由低到高5個地表溫度等級，包括低溫區（<21 ℃）、次低溫區（21－24 ℃）、常溫區（24－27 ℃）、次高溫區（27－30 ℃）、高溫區（>30 ℃），在此基礎上對各等級地表溫度面積占比進行統計。

如圖4所示，2000年長江中游城市群高溫區（3%）主要呈斑塊狀分布在湖南長沙、衡陽以及江西吉安、撫州、鷹潭，少量分布在湖北武漢，次高溫區（25%）主要呈連片狀分布在湖南與江西絕大部分城市；2010年城市群高溫區（5%）主要集聚在江西，少量零散分布在湖北武漢以及湖南長沙、衡陽，次高溫區比例（32%）繼續增加，尤其在湖北地區增勢明顯；2020年城市群高溫區比例（4%）與2010年相比略有下降，在空間上集中分布在省會城市及其周邊，呈空間集聚態勢，次高溫區（36%）已擴散至城市群大部分城市。此外，2000－2020年期間，長江中游城市群常溫區、次低溫區以及低溫區比例總體呈下降趨勢，分別由2000年的56%、13%與2%下降至2020年的53%、6%與1%，其在空間上變化不明顯，主要分布在湖北宜昌、襄陽以及江西宜春?？傮w而言，2000－2020年長江中游城市群夏季地表溫度的空間分布態勢逐漸由“南高北低”的兩級分化格局向以省會城市為核心的“核心－外圍”格局演變。

圖4 2000－2020年長江中游城市群夏季地表溫度空間演變特征Figure 4 Spatial evolution characteristics of summer LST in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

基于長江中游城市群地表建成區及其2 km緩沖區范圍與高溫區范圍提取熱島區域（圖5）。結果顯示，熱島區域總面積由2000年的2.80×103km2增加至2010年的6.41×103km2，后繼續增加至2020年的12.8×103km2，表明2000－2020年長江中游城市群熱島空間范圍隨建成區面積增加呈現持續擴張的趨勢，這與相關城市群研究結論趨同（林中立等，2018；覃盟琳等，2020）。

圖5 2000－2020年長江中游城市群夏季熱島區域空間演變特征Figure 5 Spatial evolution characteristics of heat island area in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.2 城市群熱島斑塊類型劃分

如表3所示，基于MSPA模型依次識別并統計2000、2010與2020年長江中游城市群7種類型熱島斑塊面積及其占比，其中核心型、邊緣型熱島斑塊面積占比始終最高，其次為孤島型或支線型熱島斑塊，而孔隙型熱島斑塊面積占比始終最低。

表3 2000－2020年長江中游城市群熱島斑塊面積及占比統計Table 3 Statistics on the area and proportion of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

在2000－2010年期間，核心型熱島斑塊面積占比由31.1%增加至39.9%，增幅為8.80%，而孤島型、環道型、橋接型、支線型熱島斑塊總面積占比呈不同程度下降趨勢，由32.4%減少至23.0%，減幅為9.40%。伴隨快速城市化推進，長江中游城市群核心型熱島斑塊的面積增加包括兩方面原因，一是建成區范圍的擴大引發熱島區域面積增加，其內部核心型熱島斑塊區域也隨之擴充，二是分散、破碎的小型熱島斑塊逐漸匯聚、合并，形成了密集且均勻的核心型熱島斑塊（Du et al.，2016；Chen et al.，2021）。在2010－2020年期間，核心型熱島斑塊面積占比繼續增加至45.9%，增幅為6.00%，而其余類型熱島斑塊總面積占比呈下降趨勢。

結合圖6可以看出，在2000－2020年期間，城市群核心型熱島斑塊在空間上逐漸向武漢、長沙以及南昌等地集聚。一方面，這些城市的人口不斷加劇，由此引發的城市活動日益增多，致使工業部門等功能片區排放出大量熱量及溫室氣體，影響大型熱島斑塊的產生。另一方面，這些城市的建成區空間不斷擴張，表征為自然環境逐漸被人工環境大規模侵占、可透性自然地表逐漸被硬質化人工地表替代，引發城市熱力與動力結構發生巨大轉變，迫使城市地表在日間儲存較多熱量，由此導致核心型熱島斑塊隨城市空間擴張而逐漸蔓延。

圖6 2000－2020年長江中游城市群熱島斑塊空間分布Figure 6 Spatial distribution of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

如圖7所示，依次統計2000、2010與2020年長江中游城市群7種類型熱島斑塊的地表溫度值。結果顯示，長江中游城市群各類型熱島斑塊的地表溫度存在差異性且隨時間推移無明顯變化。就地表溫度中位數而言，在2000－2020年期間，核心型熱島斑塊始終最高，而支線型熱島斑塊始終最低，其差值在2000、2010與2020年依次為1.50、1.16、1.30 ℃，表明長江中游城市群核心型熱島斑塊的增溫聚熱趨勢顯著。

圖7 2000－2020年長江中游城市群熱島斑塊地表溫度箱線圖Figure 7 Box-plot of LST of heat island patches in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.3 城市群熱環境網絡空間演變

通過篩選2000－2020年長江中游城市群面積大于4 km2的核心型熱島斑塊，對熱環境源地進行提取。如表4和圖8所示，源地數量在2000、2010以及2020年分別為56、116、215個，隨時間推移呈不斷增加趨勢。在空間上，2000－2020年期間長江中游城市群熱環境源地逐漸向湖北武漢、湖南長沙以及江西南昌3座省會城市聚集。

表4 2000－2020年長江中游城市群熱環境源地與熱環境廊道數量統計Table 4 Statistics on the number of thermal environment sources and corridors in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

圖8 2000－2020年長江中游城市群熱環境網絡空間分布Figure 8 Spatial distribution of thermal environment network in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

依據熱環境源地分布以及電路理論，構建2000－2020年長江中游城市群熱環境網絡。結果顯示，2000年廊道數量為89條，在城市群中有77.4%的城市覆蓋廊道分布，其中南部廊道較為密集，而北部廊道空間分布不均且較為稀疏；2010年廊道數量為192條，較2000年有所增加，在城市群中有83.9%的城市覆蓋廊道分布，熱環境網絡總體分布密集；2020年廊道數量繼續增至378條，連接區域向湖北擴散，在城市群中有100%的城市覆蓋廊道分布，表明已初步形成城市群全局熱環境網絡。

3.4 城市群熱環境網絡連通性評估

3.4.1 總體連通性評估

根據長江中游城市群熱環境源地數量（N）及熱環境廊道數量（L）計算α、β、γ指數，以評估城市群熱環境網絡總體連通性。如圖9所示，α指數在2000、2010與2020年分別為0.318、0.339、0.386，表明長江中游城市群閉合程度逐漸增強；β指數在2000、2010以及2020年分別為1.59、1.66、1.76，表明長江中游城市群熱環境源地的平均連接數逐漸增加，熱環境網絡已形成單一回路；γ指數在2000、2010與2020年分別為0.549、0.561、0.592，反映長江中游城市群熱環境源地的彼此相連程度逐漸提高，在2020年存在約60%的熱環境源地通過廊道彼此相連?？傮w來說，α、β、γ指數隨時間推移不斷增加，長江中游城市群熱環境網絡總體連通性不斷增強，源地間熱量的傳輸效能逐步提高，對城鄉居民的高溫威脅程度呈上升態勢。主要原因有兩方面，一是由于城市的擴張效應與集聚效應，分別引發熱環境源地面積與數量增加，導致城市間熱量傳遞的“中轉站”增多；二是由于公路、鐵路等交通路網作為熱環境廊道的外在表征之一，在城市化建設中不斷得到延伸與完善，由此不僅改變了城市群自然下墊面類型，也為城市間熱量傳遞提供了更便捷的途徑。

圖9 2000－2020年長江中游城市群熱環境網絡總體連通性Figure 9 Overall connectivity of the thermal environment network in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

3.4.2 空間連通性評估

本研究分別對長江中游城市群熱環境源地的特征向量中心性及熱環境廊道的電流密度進行測度，以此來評估熱環境網絡的空間連通性。

首先，根據2000、2010與2020年熱環境源地數量分別設置56、116、215處編號，通過Fruchterman Reingold算法對各年份熱環境源地特征向量中心性測度及可視化（圖10）。結果顯示，在2000年，熱環境源地的特征向量中心性值整體較低，僅有2處高于0.8，分別位于湖南長沙、江西南昌，表明這兩處熱環境源地在2000年長江中游城市群熱環境網絡中影響力最強；在2010年，熱環境源地特征向量中心性整體得到提升，其值高于0.8的熱環境源地增至3處，分別位于湖北咸寧、湖南長沙、江西南昌；在2020年，熱環境源地特征向量中心性提升顯著，其值高于0.8的熱環境源地增至6處，其中湖北有3處（武漢1處，仙桃1處，咸寧1處），湖南有2處（長沙1處，岳陽1處），江西有1處（南昌1處）。

圖10 2000－2020年長江中游城市群熱環境源地空間連通性Figure 10 Spatial connectivity of thermal environment sources in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

其次，利用Circuitscape 4.0軟件中Pinchpoint Mapper模塊對2000年、2010年與2020年熱環境廊道的電流密度進行測度與空間可視化（圖11）。結果顯示，在2000年，江西地區熱環境廊道空間連通性較強，其平均電流密度值為0.139A，熱量傳輸效能較高，此階段城市群城市化水平較低，江西地區由于熱環境源地分布較為集中且熱環境廊道大多受自然環境隔斷，無法形成遠距離熱擴散效應，僅與臨近區域保持較高連通性。相關證據表明，源地分布越密集、距離越近，其連通性越高（劉婷等，2023）。湖北與湖南地區熱環境廊道的平均電流密度值分別為0.118A，0.127A；在2010年，電流密度高值區域逐漸向北偏移，湖北地區熱環境廊道的平均電流密度值增至0.165A，而湖南與江西地區熱環境廊道的平均電流密度值分別增至0.162A、0.153A；在2020年，湖北、湖南與江西地區熱環境廊道平均電流密度值繼續呈現不同程度增加趨勢，分別達到0.231A、0.202A、0.183A。綜上，伴隨快速城市化推進，在2000－2020年期間長江中游城市群熱環境網絡空間連通性逐漸增強，其中湖北地區增勢最為顯著，其總體分布趨勢由“南高北低”的空間異質性格局向“全局高連通性”的空間穩定性格局演變。

圖11 2000－2020年長江中游城市群熱環境廊道空間連通性Figure 11 Spatial connectivity of thermal environment corridors in urban agglomerations of the middle reaches of the Yangtze River from 2000 to 2020

4 結論與展望

4.1 結論

本研究以長江中游城市群為例，基于2000、2010及2020年多源面板數據從時空動態視角探索城市群熱環境網絡的時空演變特征并評估其總體連通性與空間連通性，為長江中游城市群氣候適應發展策略提供啟示。其主要結論如下：

（1）2000－2020年期間，長江中游城市群夏季地表溫度高溫區與次高溫區比例整體呈上升趨勢，常溫區、低溫區以及次低溫區比例整體呈下降趨勢；就各類型熱島斑塊的地表溫度中位數而言，呈現核心型熱島斑塊最高而支線型熱島斑塊最低的規律。

（2）2000－2020年期間，長江中游城市群夏季熱島區域總面積由2.80×103km2增至12.8×103km2，呈現持續擴張趨勢，其中核心型熱島斑塊面積占比由31.1%增加至45.9%，在空間上逐漸向以武漢、長沙以及南昌等區域集聚。

（3）2000－2020年期間，長江中游城市群熱環境源地數量由56個增至215個，熱環境廊道數量由89條增至378條，包含熱環境廊道的城市比例由77.4%增至100%，已初步形成城市群全局熱環境網絡。

（4）2000－2020年期間，長江中游城市群熱環境網絡總體連通性逐漸增強，熱環境源地間的熱量傳輸效能呈上升態勢；熱環境網絡空間連通性隨時間推移變化顯著，其總體分布趨勢由“南高北低”的空間異質性格局向“全局高連通性”的空間穩定性格局演變。

4.2 展望

在城市群尺度動態識別熱環境網絡并評估其連通性，能夠為城市熱環境提供新的研究視角，有助于在快速城市化進程中為降低城鄉居民熱環境風險提供新的思路。然而，本研究是利用多種網絡分析方法對熱環境空間結構內在成因機制分析的一次嘗試，在熱環境研究領域仍屬于探索性工作，后續將展開三方面完善工作：首先，本研究以熱環境源地及熱環境廊道為基礎展開熱環境網絡研究，其與相關降溫網絡（如生態網絡）之間在空間布局、土地類型、人口密度等方面存在何種聯系是下一步研究重點，這有助于為熱環境優化策略提供建設指引；其次，本研究基于電路理論對熱環境網絡進行識別，其識別結果與其他路徑識別方法（如最小成本路徑、神經網絡等）得到的結論是否存在差異需要得到對比與驗證；最后，本研究將結合相關人口健康屬性數據，針對城鄉居民健康水平與熱環境網絡連通性的關聯性進行測度，以增強熱環境網絡評價的實踐意義。