《International Journal of Digital Earth》：Identification and tracking of heat and cold cores in highly urbanized areas: spatiotemporal characteristics and evolutionary patterns
编辑推荐：
本文创新性地应用局部等高树算法（LCTA）精准识别并长期追踪了深圳西部极端地表温度（LST）区域——热核心（HCs）与冷核心（CCs）的时空分异特征。研究发现HCs呈现“南部聚集-分散-北部再聚集”的北迁模式，而CCs则保持稳定多层结构，成为主要冷源。研究揭示了不透水面扩张与植被丧失导致热环境恶化集中于稳定HCs，而植被恢复则促进CCs周边热环境改善。该研究为通过蓝绿基础设施（如植被廊道）规划增强降温连通性、抑制HC扩张提供了可操作的热减缓策略，对快速城市化区域的气候韧性建设具有重要指导意义。
研究概述
本研究聚焦于高度城市化区域极端地表温度（LST）区域——热核心（HCs，持续高温区）和冷核心（CCs，持续低温区）的精准识别、追踪及其时空演化规律。传统基于固定阈值的方法难以捕捉LST的细微变化和层次结构。本研究引入基于图论的局部等高树分析（LCTA）方法，该方法能够捕捉拓扑层次结构和动态相互作用，超越了传统的固定阈值技术。研究以中国深圳西部为案例区，旨在阐明HCs和CCs的时空分布特征、演化模式及其与土地覆盖变化的关联，为增强城市气候韧性的规划策略提供科学依据。
研究区域与数据
研究区位于中国广东省东南部深圳市（113°46′E–114°37′E, 22°27′N–22°52′N），面积约2000 km2，属湿润亚热带季风气候。该区域经历了快速城市化进程，划分为三个子区域：R1（南山、福田、罗湖核心区）为历史城市核心；R2（宝安、光明）为快速发展的工业和郊区；R3（龙华、龙岗）为新兴的混合居住和绿地区域。研究利用了1991年至2022年间多期Landsat系列卫星影像（Landsat 4-5 TM, 7 ETM+, 8-9 OLI/TIRS）反演LST，并结合土地覆盖分类、数字高程模型（DEM）和气候数据集，所有数据统一投影至WGS_1984_UTM_Zone_49N坐标系。研究重点关注夏季（6-10月）和冬季（1-2月）的极端温度动态。
方法论
LST反演与热环境分区
LST从Landsat热红外波段数据中通过单通道算法进行反演。首先计算表观亮温（TTOA），再结合地表比辐射率和大气参数转换为实际LST。为量化热环境强度，计算了相对地表温度（RLST = LSTi- LSTmean）。采用均值-标准差方法对城市热环境（UTE）进行分级，定义了极端高温区（EHZ）和极端低温区（ECZ）。
局部等高树分析（LCTA）
LCTA是一种基于图论的方法，用于识别空间连续的温度极值区并阐明其几何和拓扑特征。处理流程包括：
- 1.
高斯滤波：对LST数据进行5×5高斯滤波以减少像素碎片化。
- 2.
等高线生成：基于滤波后的LST数据生成等高线，起始值和间隔根据UTE分区标准设定。
- 3.
节点提取与树结构简化：识别每个温度区的峰或谷作为一级节点，构建树状结构并进行简化，合并仅包含一个子节点的父节点。
- 4.
面积阈值设定：设定最小面积阈值Amin= 9 hm2，将大于此阈值的节点识别为HCs或CCs，以匹配城市街区尺度并过滤噪声。
空间格局与演化模式分析
采用Fragstats 4.2.1计算了五个景观格局指数：斑块所占景观面积比例（PLAND）、最大斑块指数（LPI）、景观形状指数（LSI）、聚合指数（AI）和斑块密度（PD），以分析HCs和CCs的空间结构。利用标准差椭圆（SDE）分析其空间方向和分布动态。通过马尔科夫转移矩阵模型分析了HCs、CCs和非核心区（NCs）之间的转化概率，定义了八种演化模式（如稳定HCs、CCs转HCs、NCs转HCs、CCs转NCs、稳定CCs、HCs转CCs、NCs转CCs、HCs转NCs），并量化了各模式下的面积变化和RLST变化（ΔRLST）。结合土地覆盖变化（LCC）分析，探讨了演化模式背后的驱动因素。
结果
LST与热环境分区
1991-2022年间，LST表现出显著的季节和年际变化。夏季LST最高，冬季波动较大。极端高温区（EHZ）呈现“中心冷却、周边加热”的空间格局。夏季EHZ聚集程度高，而冬季则更为分散。极端低温区（ECZ）空间分布相对稳定，主要位于植被覆盖度高的中部山区、大型水库周边和沿海水域。随着城市化进程，沿海ECZ逐渐减少消失，而中部山区和水库的ECZ扩张并聚集。
HCs与CCs的时空分布识别
LCTA分析显示，HCs的空间分布经历了聚集-分散-再聚集的演变过程，聚集中心从南部逐渐北移。季节上，夏季HCs在南部集中，冬季则分散。CCs则表现出更高的空间稳定性，大型中部CCs始终占主导地位，西部沿海CCs逐渐衰退，中部CCs扩张合并，总体面积保持相对稳定，夏季分布更为整合。
典型结构分析表明，HCs结构相对简单紧凑，分支少；而CCs则呈现复杂、多层、互联的结构，具有更高的内部异质性和连通性。年际变化上，HCs从集中低异质性结构转变为分散多核心高异质性结构；CCs则保持相对稳定。季节上，夏季HCs紧凑集中，冬季分散简单；CCs全年保持高分层和连通性，但冬季因植被覆盖减少而异质性略有增加。
HCs与CCs的时空分异特征
景观格局指数揭示了HCs和CCs的三个演化阶段：
- 1.
1991-2000年（加剧破碎化阶段）：夏季HCs的PLAND、LPI、AI下降，PD、LSI上升，表明空间破碎化加剧。CCs呈现扩张性破碎化。
- 2.
2000-2009年（极端温度区扩张阶段）：夏季HCs面积扩张，AI值升高，表明热环境压力加剧。冬季HCs收缩破碎。夏季CCs扩张，冬季CCs显著破碎化。
- 3.
2009-2022年（高度聚集与整合阶段）：HCs表现出高度空间聚集，形成明显的热环境压力热点。CCs空间结构整合，反映了优化绿地空间对局部气候的积极影响。
标准差椭圆（SDE）分析表明，HCs质心呈现显著的北向迁移（夏季沿335°方向移动6.86 km，冬季沿338°方向移动4.18 km）。CCs质心则呈现明显的东向迁移。HCs的SDE偏心率呈现增加-减少-增加的循环，夏季空间聚类性强于冬季。CCs的偏心率总体呈下降趋势，表明其空间分布趋于集中。
HCs与CCs的演化模式分类
马尔科夫转移矩阵分析显示，热环境恶化模式（如稳定HCs、CCs转HCs、NCs转HCs）多聚集在稳定HCs周围；而热环境改善模式（如稳定CCs、HCs转CCs、NCs转CCs）则多集中在稳定CCs周围。稳定核心的变化是热环境演化的关键指标。夏季稳定核心的聚集性更强、面积更大。
区域分析显示，子区域R2（宝安、光明）由于快速的工业化和不透水面增长，表现出独特的HC扩张模式（如更高的NC转HC面积）。ΔRLST分析表明，在恶化模式下，过热加剧（冷却强度下降）；在改善模式下，过热缓解（冷却强度增加）。
土地覆盖动态分析揭示了演化模式与LCC的紧密联系：
- •
热环境恶化模式：主要表现为不透水面扩张、自然土地覆盖丧失和植被生物量下降。例如，稳定HCs以不透水面为主导；CCs转HCs涉及大面积自然区域向不透水面和裸地的转化。
- •
热环境改善模式：强调植被覆盖增强和不透水面减少。稳定CCs主要由稠密植被和水体构成（>95%）；HCs转CCs表现为裸地和稀疏植被向稠密植被转化。
季节性对比显示，冬季土地覆盖动态与夏季热环境恶化模式基本一致，但在某些模式下存在差异，表明非生长季的人类活动对CCs有显著影响。
讨论
HCs与CCs的时空演化机制
本研究发现HCs的演化呈现复杂的“南部聚集-分散-北部再聚集”模式，并伴随空间聚集中心的北移，这与深圳线性的北向城市扩张相符，不同于其他城市的同心圆扩张模式。CCs表现出出乎意料的稳定性甚至扩张，这得益于植被相关的水分反馈机制以及中部山区等自然地形特征的保存。HCs和CCs的结构存在显著差异，HCs结构简单，CCs结构复杂多层。季节性差异明显，夏季HCs紧凑，冬季分散；CCs全年保持高连通性但冬季异质性增加。这些演化与深圳的城市化阶段和功能分区紧密相关。
HCs与CCs的应用与启示
相较于传统方法，HC和CC的概念强调了极端LST区域的时空持续性和稳定性。LCTA方法能够精确识别其内部层次结构。研究结果指出，土地覆盖质量（而非数量）对降温至关重要，水体在维持CCs方面表现出显著的韧性。基于此，提出了针对性的管理策略：对结构简单的HCs优先进行边界绿化；保护复杂的CC网络；重视土地覆盖质量；采取季节特异性策略；实施基于演化模式的规划以预测热环境变化。研究特别强调了水体在CC形成中的关键作用。
局限性与未来展望
数据方面存在不确定性，如Landsat热红外波段的云污染、时间分辨率限制以及缺乏地面验证。驱动因素量化不足，如未考虑人为热排放和更广泛的气候影响。方法论上，固定的LCTA面积阈值可能不适用于所有城市形态。未来研究应整合多源数据（如MODIS、ECOSTRESS、无人机影像），利用机器学习改进模型；开发概率性LCTA阈值；将HC/CC网络与生态安全框架结合，拓展至城市群尺度研究；并关注动态尺度、人为热量化、跨城市类型学以及政策绩效评估等问题。
结论
本研究成功应用LCTA方法识别和追踪了深圳市HCs和CCs，揭示了其独特的时空模式和演化趋势。HCs北迁主要由不透水面扩张和工业增长驱动，而CCs作为多层冷源因植被和水体而保持稳定。研究为精准的热环境管理提供了科学依据，包括提升植被质量、缓冲HCs、保护CC网络、采取季节策略以及进行基于演化的规划。所识别的HC和CC模式有助于空间靶向降温干预，与深圳海绵城市倡议相契合，为快速城市化区域的气候适应性发展提供了可复制的模型。未来研究需纳入多源数据和更广泛的气候变率以进一步完善LCTA应用。
