中国城市热岛时空特征及其影响因子的分析

全球气候变暖背景下,城市热岛效应会加重城市地区的热胁迫,对人类健康和生存发展提出严峻挑战.近年来我国雾-霾污染情况严重,但雾-霾对城市热岛影响的认识仍较匮乏.本研究基于MODIS遥感卫星地表温度数据,明确了我国2003~2013年白天、夜间以及四季城市热岛的空间变化,并从生物物理学和生物化学角度定量分析其控制机制.结果表明,影响我国白天城市热岛强度的主要因素为人口、农田灌溉和植被活动.纬度、降水量、反照率以及气溶胶浓度是夜间城市热岛强度的主控因子.从对比城乡粗糙度、反照率等生物物理学属性的角度,揭示了乡村背景环境对城市热岛分析的重要影响.结果表明,雾-霾治理可以缓解我国夜间城市热岛现象和热胁迫,有利于缓解区域甚至全球气候变化.     

基于植被指数和地表反照率影响的北京城市热岛变化

利用TERRA/MODIS遥感反演的地表温度资料,对2000—2006年北京城市热岛季节变化特征进行了研究,结合同期降水量、植被指数和地表反照率变化,分析了该地夏季城市热岛的年际变化成因. 结果表明:北京多年四季热岛分布主要以城区为中心向周边郊区延伸,其中夏季城市热岛最强,春、秋和冬季较弱,这种热岛强度的季节性差异主要与太阳辐射强度、地表植被覆盖状况和城市人为热释放等的季节性变化密切相关. 北京夏季城市热岛的年际变化特征为:2005和2006年最显著,热岛中心强度分别为10.54和9.61 ℃;2002和2004年城市热岛最弱,热岛中心强度分别为6.54和7.39 ℃. 2000—2006年北京市夏季城市热岛具有明显增强趋势,热岛强度增温率为0.326 ℃/a. 北京夏季降水对城区地表温度影响大于郊区,降水主要通过影响城区地表温度来影响城市热岛变化;夏季地表植被和地表反照率变化对地表温度和城市热岛也均有较大影响. 2000年以来,北京郊区夏季地表植被指数增加率远高于城区,受地表植被和地表反照率变化的影响,郊区降温率明显大于城区,致使城郊温差增大,热岛效应加强.      

基于人居尺度的中国城市热岛强度时空变化及其驱动因子解析

全球变暖的大背景下城市地表热环境的日趋恶化是全球现代城市共同面临的生态环境问题之一,对城市地区居民的身心健康、空气质量改善以及植被生长发育等诸多方面造成不利影响.本文利用2001~2018年时间序列MODIS地表温度数据产品,基于一致性方法对我国1232个主要城镇人居斑块（面积>10 km²）的热岛强度及其时空变化模式进行了定量测度,并应用随机森林回归模型（RF）试图揭示人类活动、城市形态、地形、植被以及气象因素对我国城市热岛强度的非线性驱动机制.结果表明,在人居尺度上,我国超过90%的城镇存在显著的昼夜热岛现象;昼夜城市热岛强度分别达到（0.75±0.6）℃和（0.81±0.53）℃,且夏季日间热岛强度显著高于冬季,冬夏季节夜间热岛强度差异不大.2001~2018年间我国白天热岛强度呈现逐年轻微下降趋势,而冬季夜间热岛显著增加,在夏季和年均尺度上则无显著变化.在空间分布上,我国东部沿海省份的白天热岛强度显著高于西北和高原省份,而夜间热岛分布模式正好与之相反.RF回归结果表明,城镇的气候背景（年均降雨量）和地理位置（纬度）是我国昼夜城市热岛的最为重要的两个主控因子.此外,缩小城乡绿色植被覆被差异对白天热岛的减缓将起到一定作用,而优化调控中小型城镇建成区规模与人口密度对缓解我国夜间热岛的持续升高也将起到积极作用.     

基于多源数据的大气细颗粒物对北京市城市热岛的影响研究

在土地利用方式改变、能源消耗持续增长、人口膨胀的共同作用下,城市热岛效应日趋显著。大气细颗粒物（PM_2.5）污染不断加剧,对城市热岛强度也产生了一定的影响。利用地面空气质量监测站点的逐小时PM_2.5污染监测数据、气象监测站点的日均数据和MODIS地表温度数据,结合土地利用类型,划分城郊气象站点和地表温度采样点,分别计算北京市日均PM_2.5浓度、冠层城市热岛强度和地表城市热岛强度,并计算地表城市热岛强度指数,得出热岛强度空间分布图。经过对PM_2.5与冠层城市热岛强度、地表城市热岛强度及其空间分布的相关性分析,得出以下结论：（1）北京市地表城市热岛强度的月、季间变化明显,主要受土地覆盖类型影响,夏季高于冬季,冠层城市热岛强度的月、季间变化较小;（2）PM_2.5质量浓度与冠层城市热岛强度、地表城市热岛强度均呈显著负相关,相关系数分别为?0.5199和?0.6115;（3）昼间地表城市热岛强度与PM_2.5质量浓度的相关性高于夜间;（4）PM_2.5质量浓度变化对地表城市热岛的空间分布有着显著的影响。随着PM_2.5质量浓度的增加,强热岛空间范围向城区缩减。     

基于GIS和RS的市域尺度下的植被NPP研究

在GIS和RS支持下,利用土地利用类型数据、地面气象数据和遥感影像数据,以青岛市为例,研究了市域尺度下的植被NPP空间分布特征.结果表明:青岛市NPP值为0~288 g·m-2·a-2,林地NPP值较高,耕地次之,建成区等区域最小.在小尺度区域内,NPP分布受土地利用类型影响较大,受气象因素影响较小.NPP模块在数据获取上比较容易,仅利用土地利用类型数据、地面气象数据和遥感数据就可以对陆地植被NPP进行计算,实际应用可操作性强.30 m分辨率植被NPP计算值更适宜于在市级小尺度区域内应用.     

武汉市城市热岛与植被覆盖的空间相关性分析

以Landsat ETM遥感影像为研究数据,反演获得武汉市的地表温度,并提取NDVI信息。通过空间邻域分析和局部空间相关性分析方法,研究了武汉市的城市热岛与地表植被覆盖之间的相互关系。结果表明:武汉市地表温度和NDVI呈现明显的空间负相关性。同时,随着空间邻域半径的增加,地表温度和NDVI的空间相关性有增强后减弱的过程,绿色植被对地表温度有效调节半径约为700 m。在空间分布上,汉口、武昌、汉阳三镇核心主城区及黄陂、新洲部分远城区地表温度和NDVI负相关性最为显著,靠近水体的区域正相关性最为显著。     

PM2.5浓度空间分异模拟模型对比:以京津冀地区为例

在我国快速的城市化进程中,快速的经济发展和日益增加的能源消耗带来的大气污染不断增加,特别是细颗粒物污染如PM2.5污染越来越严重,PM2.5污染相关研究成为一个热点议题.高浓度的PM2.5是形成我国京津冀、珠三角和长三角地区大气灰霾的主要原因,大气污染已成为制约京津冀地区乃至全国可持续发展的关键问题,长期暴露在PM2.5大气污染中,会对人类健康造成诸多不良影响.土地利用回归模型可以实现大气污染物浓度的时空模拟,明晰PM2.5浓度的空间分布特征对于大气污染的防治和流行病学的研究具有重要意义.本研究利用2014年1月1日至2014年12月31日京津冀地区104个监测站点的大气污染物浓度数据,结合VIIRS(visible infrared imaging radiometer)AOD(aerosol optical depth)、土地覆被、气象因子、道路分布、人口密度、污染源分布等信息,分别利用最小二乘和地理加权回归构建土地利用回归模型,对PM2.5浓度时空分布情况进行模拟,其中包括含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,以及不包含VIIRS AOD数据的最小二乘土地利用模型和地理加权土地利用模型,这4个模型的修正R2值分别为82.13%、84.87%、80.45%和81.99%.研究表明,相比最小二乘回归,使用地理加权回归的方法能一定程度上提升土地利用回归模型的结果.     

天津市热环境时空演变及影响因素分析

随着城市化进程加快,城市热环境发生显著变化,对人类活动造成很大影响。为探究天津市城市热环境时空变化及其影响因素,基于2005—2020年四期Landsat遥感数据,利用辐射传输方程法反演地表温度,计算城市热岛比例指数,用标准差椭圆法分析城市热环境发展和布局,利用地表温度并结合土地利用分类研究城市地物覆盖类型与地表温度的响应关系,并采用地理探测器探究高程、绿地、建筑用地和水体对地表温度变化的影响差异。结果表明：天津市热岛足迹沿主干道由市内六区向环城四区发展,天津城市热环境呈现先增高后降低的趋势;由标准差椭圆分析可知,城市热岛呈现发展主轴维持在东北—西南方向,整体空间格局呈现放射状分布;天津市中心城区建筑用地面积占比逐年增加,水体面积占比逐年降低,各类型地物平均温度排序为：建筑用地＞绿地＞水体;地理探测器分析表明：NDBI和NDVI是影响地表温度变化的主要因子,NDVI和MNDWI对LST交互作用最强,是城市热环境驱动作用最强的因子组合。     

RS与GIS支持下城市热岛效应与绿地空间相关性研究

在RS和GIS技术支持下,以LANDSAT ETM+为数据源,综合运用遥感热红外影像的地温反演、遥感影像分割、空间聚集性分析、混合像元分解、基于遥感信息模型的地理建模及多元线性回归分析等技术,提取了青岛市城市热岛与绿地空间格局,并定量分析了绿地格局与城市热岛效应的相关性及其对城市热岛的缓解机制. 结果表明:城市热岛效应在给定尺度上与植被盖度呈负相关关系,与绿地斑块密度指数和分维数呈正相关关系.      

地理特征、人口分布及用电负荷对深圳城市热岛效应的影响分析

利用自动站气温资料计算了深圳市的城市热岛强度,并分析了海陆分布、人口密度、道路占地面积百分比及用电负荷等因素对深圳城市热岛效应的影响.结果表明,海陆分布是决定深圳城市热岛强度空间分布格局的主要因子,深圳东西两侧海洋的气候调节作用使得热岛强度相对较低,而中部地区南临香港陆地,海洋调节作用较弱,使得这部分地区成为深圳城市热岛的中心.人口密度和道路占地面积百分比对深圳城市热岛强度空间分布格局均有影响,它们与城市热岛强度之间的相关性显著（p〈0.01）,但道路占地百分比最密集的地区,城市热岛强度值却并不高,这可能与该区域较大的年平均风速有关.对2011年和2010年的数据进行对比分析,发现电力负荷对深圳城市热岛强度有着非常明显的影响,2011年深圳年平均城市热岛强度的增加,极有可能是由于2011年冬季更冷夏季更热导致用电负荷增加而造成的.     

关中平原城市群夏季城市热岛特征及驱动力

以2001~2017年夏季长时间序列的MODIS地温产品及相关数据为基础,使用Mann-Kendall非参数检验与Sen’s斜率分析法揭示了关中平原城市群地表热环境的时空变化趋势,利用主成分分析法构建城市热环境指数（UTEI）来表征地区热环境的优劣,借助地理探测器对影响地表温度（LST）的主要因子进行驱动力分析.结果表明,关中平原城市群2001~2017年间夏季白天平均LST为29.3℃,夜晚为18.3℃,白天和夜晚LST的变化率分别为-0.053和0.026℃/a,白天的降温幅度略高于夜间的增温幅度.地表热岛强度（SUHII）在17a间呈上升趋势,白天的增长速率大于夜间,老城区的SUHII大于新建城区.UTEI与LST之间存在显著的负相关,白天（P<0.05,R²=0.850）和夜晚（P<0.05,R²=0.624）都表现为二次曲线关系.因子探测分析表明,地表干度指数（NDBSI）、高程（DEM）与增强植被指数（EVI）是白天LST空间分异的主控因子（q>0.6）,夜晚LST受夜间灯光、DEM与气溶胶光学厚度（AOD）的影响更大（q>0.4）.交互探测结果显示,DEM与NDBSI之间的交互效果在白天最好,DEM与夜间灯光之间的交互作用在夜间最大,任意双因子之间的交互作用优于单一因子的作用效果.本研究对于加强关中平原城市群地表热环境的监测与评价具有重要指导意义.     

城市热岛效应与景观格局相关性研究

城市下垫面的改变和人为热的增加是加剧热岛效应的重要原因,研究城市热岛效应对揭示城市景观的生态过程、城市空间结构的调整都有重要的指导意义,城市热岛效应与景观格局息息相关.遥感、地理信息系统与景观生态学理论共同形成了对大尺度城市空间格局独具特色的研究模式.卫星遥感数据反演法在城市热环境研究中具有举足轻重的地位,它实现了城市热岛效应的动态监测和内部结构分析.城市热岛与景观格局的相关研究往往转化为地表温度与土地覆盖/利用的相关研究,景观格局指数分析法是其重要研究方法,但仍存在界限不清、表现不敏感、生态学意义不明等问题,最后针对此类研究的重点难点提出建议.     

基于MSPA和电路理论的京津冀城市群热环境空间网络

快速城市化加剧了城市热环境系统复杂性,严重影响城市生态环境和人居健康.综合地理信息系统、遥感、形态学空间格局分析和电路理论等理论与技术,应用MODIS地表温度遥感数据,定量识别京津冀城市群热岛斑块时空分布特征,划分城市热岛斑块景观类型并分析其时空转移路径.在此基础上,揭示城市群热环境空间网络和关键廊道时空演变过程.结果表明,2020年城市热岛斑块面积为16 610 km²,占研究区面积比例为7.68%. 2005～2020年京津冀城市群热岛面积和斑块数量显著增加.城市热岛斑块类型由2005年孤岛型为主导转变为2020年以核心型为主导.其中,2020年核心型城市热岛斑块主要来源于2005年的非城市热岛斑块、核心型和边缘型城市热岛斑块. 2020年京津冀城市群热环境源地数量和廊道长度、密度及电流密度均高于2005年.通过城市热环境廊道等级分析发现,2020年京津冀城市群热环境敏感型廊道为主要类型. 2005～2020年敏感型廊道增加数量最多.同时,城市热环境廊道系数增加,表征京津冀城市群热环境廊道趋向稳定型发展.最终提出城市热环境空间网络模式并讨论城市热环境主动适应和...     

基于遥感的北京市城市化发展与城市热岛效应变化关系研究

下垫面改变、大量人为热排放及城市区域本身的温室气体排放是导致城市热岛产生的主要原因,城市规模则决定了城市区域热岛效应的影响规模与强度,进而影响区域空气中污染物的扩散.利用1978年以来不同时段的遥感影像对北京城市用地、绿地、归一化植被指数、城市热岛区面积进行了监测,分析了北京市20余年来城市规模的变化及空间布局特征、城市绿地变化、城市热岛效应及其相关关系,旨在为城市合理布局,改善环境状况提供基本信息.结果表明,北京市20余年来城市热岛区面积增长明显,2000年以来四环内由于绿地面积增长、城市结构日趋合理,城市热岛有减缓的趋势.      

京津冀城市扩张对植被和地表城市热岛的影响

基于MODIS-LST、EVI以及土地利用/覆盖数据,分析了2000~2015年京津冀13个城市生长季及不同季节城市扩张对植被（ΔEVI）和地表城市热岛影响的时间变化趋势以及二者之间的关系,结果表明,京津冀13个城市主城区生长季及不同季节的城市扩张对植被均存在消极影响（ΔEVI<0）,对夏季植被的影响最大（ΔEVI=-0.131）;白天和夜间的地表城市热岛强度（SUHII）最大值均出现在夏季,分别为2.594℃和1.859℃;不同季节的ΔEVI均值呈现显著下降趋势,其速率分别为-0.0038,-0.0033,-0.0045和-0.0018/a（P<0.01）;生长季、春季和夏季白天SUHII均呈显著增加趋势,速率分别为0.076,0.093和0.106℃/a（P<0.01）,不同季节夜间SUHII均呈显著增加的趋势,其增加速率分别为0.05,0.055,0.049,0.054和0.046℃/a;京津冀13个城市主城区的ΔEVI均值和SUHII均值呈显著负相关（P<0.01）,其相关系数介于-0.959~-0.592之间;白天SUHII与ΔEVI的相关性最高为生长季（r=-0.959）,夜间SUHII与ΔEVI的相关性最高为春季（r=-0.936）.     

Remote sensing of the urban heat island and its changes in Xiamen City of SE China

World-wide urbanization has significantly modified the landscape, which has important climatic implications across all scales due to the simultaneous removal of natural land cover and introduction of urban materials. This resulted in a phenomenon known as an urban heat island(UHI). A study on the UHI in Xiamen of China was carried out using remote sensing technology. Satellite thermal infrared images were used to determine surface radiant temperatures. Thermal remote sensing data were obtained from band 6 of two Landsat TM/ETM^ images of 1989 and 2000 to observe the UHI changes over l l-year period. The thermal infrared bands were processed through several image enhancement technologies. This generated two 3-dimension-perspective images of Xiamen‘s urban heat island in 1989 and 2000, respectively, and revealed heat characteristics and spatial distribution features of the UHI. To find out the change of the UHI between 1989 and 2000, the two thermal images were first normalized and scaled to seven grades to reduce seasonal difference and then overlaid to produce a difference image by subtracting corresponding pixels. The difference image showed an evident development of the urban heat island in the 11 years. This change was due largely to the urban expansion with a consequent alteration in the ratio of sensible heat flux to latent heat flux. To quantitatively compare UHI, an index called Urban-Heat-Island Ratio Index(URI) was created. It can reveal the intensity of the UHI within the urban area. The calculation of the index was based on the ratio of UHI area to urban area. The greater the index, the more intense the UHI was. The calculation of the index for the Xiamen City indicated that the ratio of UHI area to urban area in 2000 was less than that in 1989. High temperatures in several areas in 1989 were reduced or just disappeared, such as those in old downtown area and Gulangyu lsland. For the potential mitigation of the UHI in Xiamen, a long-term heat island reduction strategy of planting shade trees and using light-colored, highly reflective roof and paving materials should be included in the plans of the city planers, environmental managers and other decision-makers to improve the overall urban environment in the future.     

防御城市高温灾害、减低夏季热岛强度的途径

以上海市气象观测资料为基础,探讨了在区域性高温背景下,叠加上城市热岛效应所导致的高温灾害的成因及危害,提出了减低危害的对策及途径。     

成都平原城市热岛效应的遥感分析

将AVHRR第4通道数据经过辐射校正,再计算得到等效辐射亮温。用城市与郊区的亮温之差代表热岛温度,并以摄氏温标表示。采用统计、平面等值线和三维立体等方法,统计分析了成都平原12个城市的热岛最大强度!Tmax;分析了成都市白天和夜间城市热岛的动态变化规律,从宏观上形象地展示了成都平原的城市热岛现象及其特点。研究证明:利用NOAA/热红外遥感数据进行城市热岛效应的快速监测和宏观动态分析是可行的。     

济南城市热岛动态变化遥感定量监测及其驱动因素分析研究

城市热岛是城市发展过程中遇到的难题,对人居环境造成较大影响.定量分析研究城市时空演变特征,探究热岛驱动因素,有助于为城市热岛动态变化分析提供技术支撑.论文以济南市为研究对象,采用2000年-2009年间7-8月份MODIS LST数据,分析10年间热岛变化特征.结果表明,10年间,济南城区温度明显高于郊区,热岛效应显著,并且,热核区、特高温区等区域呈现周期性扩张与收缩规律;通过提取2000年及2009年济南市人工表面与植被面积,发现2009年比2000年人工表面面积扩张33.33％,植被减少6.76％,且人工表面扩张与植被减少的区域大部分重合,这对城市热岛形成产生了一定促进作用.另一方面,通过统计分析2000年与2009年人口数量、机动车保有量、烟尘排放量数据,分析济南城市热岛驱动因素,结合城市规划建设,为缓解济南城市热岛提出参考性建议.