姚 遠(yuǎn),陳 曦,錢 靜1,,*

1 中國科學(xué)院深圳先進(jìn)技術(shù)研究院， 深圳 518055 2 中國科學(xué)院新疆生態(tài)與地理研究所荒漠與綠洲生態(tài)國家重點(diǎn)實(shí)驗(yàn)室，烏魯木齊 830011 3 中國科學(xué)院大學(xué)，北京 100049

城市空間熱環(huán)境是指能夠影響人體對冷暖的感受程度、健康水平和人類生存發(fā)展等與熱有關(guān)的物理環(huán)境[1- 2]。具體而言,是以城市下墊面的地表溫度和空氣溫度為核心,以受人類活動(dòng)影響而改變后的傳輸大氣狀況(如空氣濕度、風(fēng)速、大氣渾濁度等)、下墊面狀況(土地利用覆蓋類型、熱容、發(fā)射率、反照率等)和太陽輻射為組成部分的一個(gè)可以影響人類及其活動(dòng)的物理環(huán)境系統(tǒng)[3- 4]。城市空間熱環(huán)境的演變過程與人類社會、經(jīng)濟(jì)活動(dòng)有著密切的關(guān)系[5]。城市化進(jìn)程加快,瀝青、金屬、水泥等不透水表面大量替代原有自然地表[6- 7]以及人口數(shù)量激增均造成了城市整體熱排放水平的日益增加[8- 9]。因而,城市熱環(huán)境狀況的良好與否是當(dāng)前衡量城市生態(tài)環(huán)境狀況的重要指標(biāo)之一,不僅直接關(guān)系到城市人居環(huán)境質(zhì)量和居民健康狀況,同時(shí)還對城市能源和水資源消耗、生態(tài)系統(tǒng)過程演變、生物物候以及城市經(jīng)濟(jì)可持續(xù)發(fā)展有著深遠(yuǎn)的影響[10- 13]。

目前,城市空間熱環(huán)境的日益惡化已成為全球現(xiàn)代化城市氣候變化最為顯著的特征之一[14],并對城市空氣質(zhì)量改善、霧霾治理和植物健康生長帶來了極大的負(fù)面影響[15]。Poumadere等[16]甚至認(rèn)為城市空間熱環(huán)境惡化已成為全球后工業(yè)時(shí)代導(dǎo)致人類死亡數(shù)量最大的災(zāi)害。Johnson等[17]和薛志成等[18]研究表明,城市熱島中心區(qū)域居民的失眠率、患呼吸道和心血管疾病的概率甚至死亡率均遠(yuǎn)高于非熱島區(qū)的居民。美國疾病預(yù)報(bào)控制中心(Centers for Disease Centers of Control and Prevention, CDC)估計(jì),在1979年之后的10年時(shí)間里,美國大約有7421人因城市環(huán)境過熱而死亡。1980年7月,美國接連遭受熱浪襲擊,美國的Kansas和St. Louis兩座城市的CBD商業(yè)核心區(qū)受熱島效應(yīng)影響死亡率分別上升了64%和57%,而城市郊區(qū)等其他未受到熱島效應(yīng)影響的區(qū)域,死亡率上升不到10%[19]。美國政府每年用于緩解城市熱島效應(yīng)的能源成本支出已高達(dá)約100億美元,如何準(zhǔn)確監(jiān)測城市區(qū)域的熱環(huán)境變化,使其能夠可持續(xù)發(fā)展是全世界各國政府、企事業(yè)單位、國際組織和大學(xué)研究機(jī)構(gòu)目前研究的一個(gè)熱點(diǎn)問題[20- 23]。我國于2006年2月,由國務(wù)院[24]頒布了《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006—2020年)》,國家住房和城鄉(xiāng)建設(shè)部[25- 26]分別于2013年9月和2015年11月發(fā)布了《城市居住區(qū)熱環(huán)境設(shè)計(jì)標(biāo)準(zhǔn)(JGJ286- 2013)》和《城市生態(tài)建設(shè)環(huán)境績效評估導(dǎo)則(試行)》將城市熱環(huán)境的質(zhì)量納入到了建設(shè)項(xiàng)目考核評價(jià)指標(biāo)體系,表明我國已將城市熱環(huán)境問題作為今后城市整體建設(shè)和發(fā)展的重要研究項(xiàng)點(diǎn),并希望通過不斷完善和規(guī)范設(shè)計(jì)標(biāo)準(zhǔn),確保今后我國城市生態(tài)環(huán)境的可持續(xù)發(fā)展。

1 城市空間熱環(huán)境的相關(guān)概念

1.1 城市空間熱環(huán)境和城市熱島概念的區(qū)別

城市熱島效應(yīng)是指快速城市化和工業(yè)化過程中導(dǎo)致城市大氣溫度和地表溫度高于周邊郊區(qū)或鄉(xiāng)村等非城市環(huán)境的一種溫度差異性現(xiàn)象[27- 28](圖1[29])。而城市空間熱環(huán)境則是近年來氣象和環(huán)境研究領(lǐng)域的專家學(xué)者在城市熱島概念的基礎(chǔ)上進(jìn)行擴(kuò)展延伸后提出的概念,兩者既有區(qū)別,又有聯(lián)系。二者的共同點(diǎn)在于表征因子均為地表溫度和大氣溫度,區(qū)別在于前者更加強(qiáng)調(diào)城市市區(qū)與郊區(qū)之間溫度的差異性,而后者的衡量指標(biāo)則是與溫度的高低程度、建筑容積率、建筑密度、水體和綠地分布等多種因素相關(guān)[30- 31]。因此,城市熱島效應(yīng)在某種程度上是城市空間熱環(huán)境的一種集中性反映和體現(xiàn)。由于當(dāng)前在全球城市區(qū)域尺度范圍內(nèi)開展的城市空間熱環(huán)境及其氣候變化和環(huán)境整治研究大多是以熱島效應(yīng)為主要內(nèi)容,所以本文對城市空間熱環(huán)境和城市熱島的研究進(jìn)展均有提及。

圖1 城市熱島示意圖[29]Fig.1 A sketch map of urban heat island

1.2 城市空間熱環(huán)境的研究范圍與方法

從數(shù)據(jù)源上來看,用于城市空間熱環(huán)境研究的數(shù)據(jù)來源主要分為地表溫度數(shù)據(jù)(遙感數(shù)據(jù))和大氣溫度數(shù)據(jù)(氣象數(shù)據(jù))。由于城市大氣的分層結(jié)構(gòu)不同,城市熱環(huán)境的研究范圍主要分為城市地表層、城市冠層和城市邊界層[32](表1)。其中,城市冠層和城市邊界層上的熱島效應(yīng)屬于城市大氣熱島的研究范疇,分別稱之為城市冠層熱島和城市邊界層熱島。城市邊界層和城市冠層的熱環(huán)境和熱島效應(yīng)主要應(yīng)用氣象數(shù)據(jù)進(jìn)行研究,主要方法包括地面觀測和數(shù)值模擬(表2)。

表1 城市空間熱環(huán)境的研究范圍

而近年來建筑群熱時(shí)間常數(shù)模型、計(jì)算流體力學(xué)技術(shù)以及灰色系統(tǒng)理論等方法的引入也為城市熱環(huán)境的模擬研究提供了新的思路和視角[40-45]。

相對于城市冠層和邊界層而言,城市地表層溫度與人體的健康和冷暖感受密切相關(guān),既是描述城市空間熱環(huán)境狀況、解釋城市空間熱環(huán)境形成的重要參數(shù),也是當(dāng)前城市空間熱環(huán)境研究的核心內(nèi)容之一,并屬于城市地表熱島的研究范疇[46]。傳統(tǒng)的通過地面氣象觀測設(shè)備獲取的高空或地表溫濕壓數(shù)據(jù)由于受到尺度效應(yīng)制約,難以實(shí)現(xiàn)數(shù)據(jù)的面狀覆蓋,因而需要將點(diǎn)尺度數(shù)據(jù)擴(kuò)展到面上,而在擴(kuò)展的過程中數(shù)據(jù)的真實(shí)性和轉(zhuǎn)換精度均會受到一定影響,這對于當(dāng)前開展城市區(qū)域尺度范圍的地表熱環(huán)境研究帶來了困難。而星載遙感傳感器可以直接獲取城市地表、地物的熱輻射信息并具有數(shù)據(jù)獲取周期短、覆蓋范圍廣、獲取成本低、能夠快速準(zhǔn)確地監(jiān)測城市地表下墊面溫度特征等優(yōu)點(diǎn),目前已成為國內(nèi)外專家學(xué)者開展城市熱環(huán)境變化趨勢及動(dòng)態(tài)評價(jià)研究的主要技術(shù)手段[47-48]。通過衛(wèi)星熱紅外遙感數(shù)據(jù)反演并應(yīng)用于城市地表熱環(huán)境研究的溫度可以分為經(jīng)過大氣校正的地表溫度和未經(jīng)過大氣校正的星上亮溫。當(dāng)研究區(qū)域的水汽狀況基本一致時(shí),可以忽略大氣影響而用亮溫進(jìn)行研究。但由于地表熱輻射在傳導(dǎo)過程中受到輻射面和大氣的影響,導(dǎo)致星載傳感器接收到的熱輻射強(qiáng)度與地表熱輻射強(qiáng)度差異較大,因而使用亮溫進(jìn)行研究的結(jié)果往往與地表真實(shí)溫度之間存在一定的誤差。而經(jīng)過大氣校正后反演得到的地表溫度由于基本考慮了大氣和輻射面影響,其反演結(jié)果往往更接近于真實(shí)的地表溫度[49]。根據(jù)不同熱紅外遙感數(shù)據(jù)的特點(diǎn),國內(nèi)外專家學(xué)者提出了許多反演溫度的算法,歸納起來大致可以分為3類：單通道算法、多通道算法和劈窗算法。單通道算法又可以細(xì)分為大氣校正法[50]、Jiménez-Muoz單通道算法[51]和覃志豪單窗算法[52],而多通道算法又可以細(xì)分為灰體發(fā)射率法[53]、晝夜法[54]和溫度發(fā)射率分離法[55],劈窗算法又稱分裂窗算法,主要包括基于NOAA-AVHRR數(shù)據(jù)[56]、TERRA-MODIS數(shù)據(jù)[57]、Landsat-TIRS數(shù)據(jù)[58]和ASTER數(shù)據(jù)[59]的劈窗算法。有大量學(xué)者對上述算法的優(yōu)缺點(diǎn)和利弊性進(jìn)行了分析,普遍認(rèn)為目前反演地表溫度算法較為成熟、應(yīng)用性和反演精度最好的是劈窗算法[60]。

表2 城市空間熱環(huán)境主要研究方法

綜上所述,當(dāng)前認(rèn)真梳理城市地表熱環(huán)境的研究進(jìn)展對于今后開展城市空間熱環(huán)境定量評價(jià)研究以及促進(jìn)城市可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義。近年來,國內(nèi)外已發(fā)表了一些關(guān)于城市熱島效應(yīng)研究的綜述性文章,但由于城市熱島的研究范圍廣,研究的尺度、空間層次和監(jiān)測方法復(fù)雜多樣,因而很難在一篇綜述性文章中進(jìn)行全面細(xì)致的總結(jié),大多只能簡要地對監(jiān)測手段進(jìn)行概括[61-62],或是從景觀尺度對已開展的熱島效應(yīng)研究進(jìn)行歸納[63-64]。而從城市地表熱環(huán)境研究角度出發(fā),對當(dāng)前國內(nèi)外研究歷程、現(xiàn)狀、方向進(jìn)行總結(jié)的文章目前尚未見文獻(xiàn)報(bào)道。本文擬通過系統(tǒng)地總結(jié)城市地表熱環(huán)境的研究進(jìn)展,以期為今后的城市熱環(huán)境研究提供一些新思路和參考。

2 城市地表熱環(huán)境研究的主要方面

學(xué)術(shù)界公認(rèn)的關(guān)于城市熱島現(xiàn)象最早記錄源自于英國氣象學(xué)家Howard自1811年起記錄的倫敦市30年市區(qū)和郊區(qū)的氣溫變化[65]。此后一個(gè)多世紀(jì)以來,熱島研究采用的均是大氣溫度數(shù)據(jù),一方面體現(xiàn)了氣象數(shù)據(jù)在時(shí)間尺度上所具有的連續(xù)性優(yōu)勢,另一方面也暴露出氣象數(shù)據(jù)存在以離散的點(diǎn)數(shù)據(jù)或線性數(shù)據(jù)代替面狀數(shù)據(jù)、尺度轉(zhuǎn)換精度不高、大型城市平面布局和內(nèi)部結(jié)構(gòu)特征分析困難等問題。直到1972年,Rao[66]首次提出應(yīng)用遙感數(shù)據(jù)開展城市熱島效應(yīng)研究,標(biāo)志著城市熱環(huán)境研究從城市冠層和邊界層進(jìn)入到了城市地表層的新階段。近年來,隨著機(jī)載遙感和衛(wèi)星遙感技術(shù)的發(fā)展,特別是由我國研發(fā)的環(huán)境與災(zāi)害監(jiān)測預(yù)報(bào)小衛(wèi)星(HJ- 1B)和中巴資源衛(wèi)星的發(fā)射成功,使得應(yīng)用于城市地表熱環(huán)境研究的遙感數(shù)據(jù)源在空間分辨率和時(shí)間分辨率的選擇方面得到了極大豐富(表3),因而成為國內(nèi)外專家學(xué)者開展城市熱環(huán)境研究工作的主要手段。總體而言,當(dāng)前開展城市地表熱環(huán)境遙感研究主要包括以下幾個(gè)方面。

2.1 城市地表熱環(huán)境時(shí)空特征及其變化研究

開展城市地表熱環(huán)境時(shí)空變化研究的目的在于分析城市熱環(huán)境在不同時(shí)間范圍內(nèi)二維或三維空間上的分布狀況、強(qiáng)度變化過程及其演變規(guī)律。其中研究時(shí)間范圍包括年際、季節(jié)、日和晝夜等。如葛榮鳳等[67]利用1991—2011年期間的8期TM遙感影像數(shù)據(jù),結(jié)合Moran′sI全局自相關(guān)和重心模型等方法,分析了北京市六環(huán)范圍內(nèi)的城市熱島效應(yīng)演變規(guī)律和時(shí)空變化特征。Sobrino等[68]利用SensyTech公司生產(chǎn)的機(jī)載AHS高光譜感器(含熱紅外10個(gè)波段)獲取了西班牙首都馬德里市不同時(shí)間段、不同分辨率的熱紅外數(shù)據(jù),結(jié)合地面實(shí)測空氣溫度和地表溫度數(shù)據(jù),探討了時(shí)間分辨率和空間分辨率對城市街區(qū)尺度地表熱環(huán)境的影響,研究表明在街區(qū)尺度下,用于地表熱環(huán)境研究的遙感數(shù)據(jù)其空間分辨率不能低于50m,否則會難以精確區(qū)分城市內(nèi)部區(qū)域,并且最佳觀測時(shí)間為日出之前。Dousset等[69]和喬治等[70]分別利用NOAA AVHRR和MODIS遙感影像數(shù)據(jù)對美國洛杉磯、法國巴黎和北京市的地表熱環(huán)境晝夜變化進(jìn)行了分析。Zhou等[71]和Zak?ek等[72]則分別應(yīng)用FY- 2C、MSG、MODIS等衛(wèi)星數(shù)據(jù),采用晝夜溫度循環(huán)遺傳算法和移動(dòng)窗口分析等方法對北京市和歐洲中心地區(qū)城市日變化周期內(nèi)的地表熱環(huán)境進(jìn)行了研究。此外,國產(chǎn)的HJ- 1B衛(wèi)星熱紅外數(shù)據(jù)由于擁有適宜的空間分辨率和較高的時(shí)間分辨率,因而被越來越多的研究人員用于城市地表熱環(huán)境研究當(dāng)中,如Yang等[73]以HJ- 1B數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)源,利用不同算法反演了北京市地表熱島并與同期的TM和MODIS數(shù)據(jù)進(jìn)行了比較,結(jié)果表明HJ- 1B數(shù)據(jù)的反演結(jié)果與MODIS和TM數(shù)據(jù)均具有良好的相關(guān)性,且單窗算法的反演精度較高。劉帥等[74]應(yīng)用HJ- 1B數(shù)據(jù)建立了一種基于2.5維高斯表面模型的城市熱島監(jiān)測模型,并應(yīng)用這種模型定量描述了北京城市熱環(huán)境在不同季節(jié)的變化。

表3 城市地表熱環(huán)境遙感研究的主要數(shù)據(jù)源

AHS: 機(jī)載高光譜掃描儀, Airborne hyperspectral scanner; OMIS: 實(shí)用模塊化成像光譜儀, Operative modular imaging spectrometer; TVR:熱成像輻射計(jì), Thermal video radiometer; ATLAS: 高級熱環(huán)境和土地應(yīng)用傳感器, Advanced thermal and land applications sensor

綜上,當(dāng)前已開展的城市地表熱環(huán)境研究主要集中在城市年際或季節(jié)時(shí)間尺度上的二維空間格局變化研究,也有少數(shù)學(xué)者利用較高空間分辨率的遙感數(shù)據(jù)模擬了城市地表熱環(huán)境的日際變化或逐時(shí)變化[75],但遙感數(shù)據(jù)源在空間和時(shí)間分辨率之間相互矛盾(高空間分辨率遙感數(shù)據(jù)往往時(shí)間分辨率較低,而高時(shí)間分辨率的遙感數(shù)據(jù)空間分辨率不高)給當(dāng)前在不同尺度上定量化地開展城市地表熱環(huán)境研究帶來了一定的局限。

人工交互法識別：由于海岸線位置的地物細(xì)節(jié)較清晰，影像色彩、紋理豐富，基本無法自動(dòng)識別，主要依賴人工判釋。根據(jù)不同岸線類型在影像上成像特征差異，從高分辨率無人機(jī)影像中手工描繪出人工岸線邊界線。

2.2 城市地表熱環(huán)境驅(qū)動(dòng)力和驅(qū)動(dòng)機(jī)制研究

任何地理現(xiàn)象的表象變化均是其內(nèi)在驅(qū)動(dòng)力的外在體現(xiàn),因而開展城市熱環(huán)境的驅(qū)動(dòng)力和驅(qū)動(dòng)機(jī)制研究是分析城市熱環(huán)境時(shí)空變化的關(guān)鍵。當(dāng)前,以土地利用及其覆蓋被變化、不透水表面和植被等景觀格局變化為代表的自然驅(qū)動(dòng)力和人口、經(jīng)濟(jì)、產(chǎn)業(yè)形態(tài)以及建筑物的高度、密度和容積率等為代表的社會驅(qū)動(dòng)力是國內(nèi)外學(xué)者公認(rèn)的影響城市熱環(huán)境的主要驅(qū)動(dòng)力因素[76-77]。

2.2.1 土地利用及其覆蓋變化與城市地表熱環(huán)境的關(guān)系

土地覆蓋是指土地類型及其包含的人文特征和自然屬性的綜合體,而土地利用變化必定會引起城市表面土地覆被變化。由于城市區(qū)域的土地覆蓋多由瀝青、水泥、金屬等材料構(gòu)成,湖泊、公園、森林相對較少,因而城市化進(jìn)程的加快,土地利用方式的改變必定會對城市地表熱環(huán)境的空間分布以及熱島效應(yīng)的形成和發(fā)展產(chǎn)生廣泛而深遠(yuǎn)的影響[78]。牟雪潔等[79]通過利用TM影像數(shù)據(jù)反演的地表溫度結(jié)合東莞市土地利用分類,分析了建設(shè)用地、水體、耕地、綠地等土地利用類型與城市地表熱島強(qiáng)度的關(guān)系,發(fā)現(xiàn)建設(shè)用地的地表溫度要遠(yuǎn)高于其他用地類型。Lazzarini等[80]以MODIS、ASTER等遙感數(shù)據(jù)反演的地表溫度為基礎(chǔ),發(fā)現(xiàn)以阿聯(lián)酋首都阿布扎比為代表的一些干旱半干旱區(qū)城市,由于城市周邊為裸土和沙漠,而城市內(nèi)部為水澆園地,因此在白天市區(qū)比郊區(qū)的地表溫度更低,有時(shí)表現(xiàn)為冷島區(qū)域。彭文甫等[81]基于TM和ETM+遙感數(shù)據(jù),將成都市土地利用類型分為林地、水田、旱地、城鎮(zhèn)用地、工礦與交通用地等7類,分別探討了不同土地覆被類型與城市地表熱島效應(yīng)之間的關(guān)系。

2.2.2 不透水表面變化與城市地表熱環(huán)境的關(guān)系

不透水表面是指天然或人為源,通過隔離地表水滲透到土壤,從而改變物質(zhì)沉淀、洪水徑流的流動(dòng)和污染剖面的任何物質(zhì),主要由城市道路、廣場、建筑物屋頂和停車場組成[82]。不透水表面由于可以改變城市邊界層和地表層的潛熱和顯熱通量,因而成為影響城市地表熱環(huán)境變化的關(guān)鍵因素。利用遙感數(shù)據(jù)對其進(jìn)行定量反演能夠加強(qiáng)對城市熱環(huán)境及生態(tài)變化過程的理解[83-84]。當(dāng)前,不透水表面與地表溫度關(guān)系的研究主要包含以下兩個(gè)方面：一是通過比對分析、多元統(tǒng)計(jì)分析等方法開展不透水表面與地表熱環(huán)境的關(guān)系研究。例如Yuan等[85]利用TM和ETM+遙感影像數(shù)據(jù)分析了不透水表面與美國明尼蘇達(dá)州Twin城不同季節(jié)地表溫度之間的關(guān)系,結(jié)果表明二者在所有季節(jié)都具有較高的線性相關(guān),能夠很好地解釋城市地表的熱環(huán)境特征變化。楊可明等[86]基于全約束最小二乘法混合像元分解模型和植被-不透水面-土壤模型,利用TM遙感影像對北京市海淀區(qū)不透水面豐度和地表溫度的相關(guān)性進(jìn)行了定量評價(jià),發(fā)現(xiàn)二者之間存在明顯的正相關(guān)。二是對不同尺度條件下的不透水面蓋度與城市地表熱環(huán)境關(guān)系進(jìn)行研究。例如 Xiao等[87]發(fā)現(xiàn)利用TM遙感影像數(shù)據(jù)反演的北京市不透水表面蓋度(不透水覆蓋面積與區(qū)域面積的比值)在不同尺度上均與地表溫度的空間分布一致。孟憲磊[88]從多個(gè)尺度研究了上海市不透水面蓋度與城市熱島的關(guān)系,結(jié)果表明隨著空間幅度的擴(kuò)大,不透水面與地表溫度呈現(xiàn)穩(wěn)定的正相關(guān),但尺度效應(yīng)并不十分明顯。因此,如何進(jìn)一步揭示不透水面時(shí)空演變與熱環(huán)境效應(yīng)之間深層次的關(guān)系是今后一項(xiàng)重要研究課題。

2.2.3 植被、水體與城市地表熱環(huán)境的關(guān)系

與土地利用和土地覆蓋數(shù)據(jù)相比,植被覆蓋度、地表水分狀況等生物物理組分?jǐn)?shù)據(jù)的連續(xù)型更強(qiáng),因而對地表溫度的時(shí)空差異具有較好的揭示作用。一方面,植被的生長狀況、蓋度和類型決定了城市地表反照率和城市水分蒸發(fā)蒸騰,從而影響了城市地表的能量分配。自Gallo等[89]利用NOAA AVHRR數(shù)據(jù)證明歸一化植被指數(shù)與美國西雅圖市的地表溫度存在負(fù)相關(guān)后,國內(nèi)外專家學(xué)者在不同區(qū)域尺度上進(jìn)行了驗(yàn)證,并不斷對植被覆蓋度數(shù)據(jù)進(jìn)行優(yōu)化,以期通過與城市地表溫度進(jìn)行優(yōu)化擬合從而更好地探討植被覆蓋與熱島效應(yīng)之間的相互作用[90-91]；另一方面,城市的水體狀況決定了城市地表的比熱特性,因而對城市地表溫度時(shí)空差異具有較好的揭示作用。特別是隨著遙感技術(shù)的發(fā)展,將歸一化濕度指數(shù)、歸一化水體指數(shù)、城市地表濕度等遙感監(jiān)測指標(biāo)與景觀生態(tài)學(xué)方法相結(jié)合,能夠更好地展現(xiàn)城市水體對熱島效應(yīng)的緩解作用[92-94]。

2.2.4 景觀格局與城市地表熱環(huán)境的關(guān)系

城市內(nèi)部景觀格局的組成與配置,特別是3個(gè)景觀結(jié)構(gòu)成分：斑塊、廊道和基質(zhì)重復(fù)性地鑲嵌在一起對于城市地表熱環(huán)境及其熱島效應(yīng)有著顯著的影響[63]。景觀格局與城市地表熱島之間的關(guān)系研究主要包括兩大類：一是基于不同的景觀格局指數(shù)分析城市景觀變化,探討其與城市地表熱環(huán)境的關(guān)系。景觀格局指數(shù)自O(shè)′Neil等[95]提出以來得到了快速發(fā)展,指數(shù)種類越來越多。Chen等[96]通過分析地表溫度與景觀格局指數(shù)之間的關(guān)系,認(rèn)為景觀格局指數(shù)并非數(shù)量越多解釋效果越好,并提出了5個(gè)具有較好解釋能力的景觀格局指數(shù)。同時(shí),國內(nèi)外專家學(xué)者還就不同尺度條件下的景觀格局指數(shù)與地表溫度的相互關(guān)系和尺度效應(yīng)進(jìn)行了研究[97-98]。二是基于空間統(tǒng)計(jì)方法對地表參數(shù)進(jìn)行統(tǒng)計(jì),分析不同地表參數(shù)如NDVI、歸一化地表建筑指數(shù)與地表溫度之間的關(guān)系[99]。此外,諸如“源匯景觀”等新的景觀分類法的引入也為城市地表熱環(huán)境研究帶來了新思路[100]。比如李立光等[101]基于TM遙感數(shù)據(jù)結(jié)合GIS技術(shù),識別了城市地表熱島的源區(qū)和匯區(qū),并利用熱島強(qiáng)度指數(shù)、源區(qū)和匯區(qū)面積比例指數(shù)和地表溫度反演結(jié)果對沈陽市熱島效應(yīng)進(jìn)行了評價(jià)。

2.2.5 社會驅(qū)動(dòng)力與城市地表熱環(huán)境的關(guān)系

人類活動(dòng)強(qiáng)度變化影響著城市地表熱量的轉(zhuǎn)換,以人口密度、經(jīng)濟(jì)發(fā)展?fàn)顩r、產(chǎn)業(yè)形態(tài)以及建筑物的高度、密度和容積率等為代表的社會驅(qū)動(dòng)力因素是導(dǎo)致城市地表溫度升高、城市熱島效應(yīng)加劇的主要原因之一。Mitchell等[102]利用Landsat和MODIS遙感影像反演的地表溫度,結(jié)合當(dāng)?shù)厣鐣丝谄詹閿?shù)據(jù),運(yùn)用地統(tǒng)計(jì)學(xué)等空間統(tǒng)計(jì)方法,對影響美國佛羅里達(dá)州Pinellas地區(qū)地表熱環(huán)境分布的人口因素進(jìn)行了研究,結(jié)果表明在貧困人口較為集中的區(qū)域以及某些特定種族或少數(shù)民族的聚集區(qū)域,城市熱島效應(yīng)更為顯著。張瑜等[103]基于1995年—2013年的8期TM遙感數(shù)據(jù)以及西安市建成區(qū)的人口、綠化面積、廢氣排放量、GDP、運(yùn)輸量、工業(yè)總產(chǎn)值等11項(xiàng)統(tǒng)計(jì)數(shù)據(jù),采用灰色關(guān)聯(lián)度理論定量研究了熱島效應(yīng)影響因子的貢獻(xiàn)率,結(jié)果表明認(rèn)為人類社會因素對熱島效應(yīng)帶來的負(fù)面影響日益加劇。綜上,社會統(tǒng)計(jì)數(shù)據(jù)由于在空間尺度和時(shí)間尺度上的局限性很難適用于小尺度和高時(shí)間分辨率的熱環(huán)境研究,這對于今后開展城市地表熱環(huán)境的定量分析帶來了一定困難。

2.2.6 氣象因素、大氣污染與城市地表熱環(huán)境的關(guān)系

城市的氣象條件包括天氣晴朗少云或者無云,靜風(fēng)或者無風(fēng),氣壓場、大氣層機(jī)構(gòu)穩(wěn)定等是形成城市熱島效應(yīng)的外部原因。氣象因素不會直接影響城市地表熱環(huán)境,而是通過植被[104]、地表反照率[105]、人為熱排放[106]來影響地表熱環(huán)境的變化。特別是城市人為大量排放的粉灰、煤灰和各種污染氣體,如H2O、CO2、CH4、N2O等溫室氣體,形成覆蓋在城市上空的“氣罩”與“塵罩”,從而加劇了城市熱島效應(yīng)[107]。

2.3 基于遙感數(shù)據(jù)的城市地表輻射與能量平衡研究

城市下墊面的快速變化影響了地表能量的收支平衡,特別是物質(zhì)和熱量交換過程的改變導(dǎo)致了以城市熱島為代表的氣候效應(yīng),同時(shí)城市熱島效應(yīng)反作用于地表,影響著地表凈輻射在潛熱通量、顯熱通量和地表儲量之間的分配。因此,深入開展城市地表輻射平衡研究對于進(jìn)一步理解城市地表熱環(huán)境問題有著極為重要的科學(xué)意義。針對傳統(tǒng)的地表能量過程研究方法僅能獲取單點(diǎn)數(shù)值、計(jì)算結(jié)果代表性不強(qiáng)的問題,遙感數(shù)據(jù)由于可以獲得區(qū)域城市地表下墊面的特征參數(shù)因而在該類研究中間具有較大的優(yōu)勢。目前,基于遙感數(shù)據(jù)建立的地表能量平衡模型主要方法分為3類：一是能量平衡余項(xiàng)法,二是經(jīng)驗(yàn)統(tǒng)計(jì)模型法,三是數(shù)值模擬模型法。上述3種方法的代表模型及優(yōu)缺點(diǎn)詳見表4[108]。

2.4 城市地表熱島與城市大氣熱島的關(guān)系及其演變規(guī)律研究

城市不同界面所反映出的熱島效應(yīng)各不相同,特別是城市地表熱島與大氣熱島之間是否存在耦合或是替代關(guān)系,二者之間的演變規(guī)律是否存在異同點(diǎn)以及各自的衡量與評價(jià)方法是當(dāng)前城市地表熱環(huán)境研究的熱點(diǎn)方向之一。特別是應(yīng)用遙感技術(shù)反演的地表溫度和傳統(tǒng)實(shí)測方法獲取的空氣溫度作為衡量城市地表熱島和空氣熱島的關(guān)鍵性因素,二者之間也存在著復(fù)雜的關(guān)系。一般來言,在夏季的白天時(shí)段,地表溫度通常要略高于空氣溫度[109]。一方面是由于空氣溫度的敏感性較低且受地表輻射的影響需要一個(gè)時(shí)間過程,另一方面則是因?yàn)榭諝馑?、云量和風(fēng)力等其他因素導(dǎo)致地表溫度和空氣溫度產(chǎn)生一定的差異性。Eliasson等[109]通過對比瑞典哥德堡市3年的地表溫度和空氣溫度,發(fā)現(xiàn)通過氣象站觀測獲取的溫度數(shù)據(jù)所表征的熱島指標(biāo)在研究城市街區(qū)尺度方面并不具有代表性。Abutaleb等[110]以ETM+遙感影像反演的城市地表溫度數(shù)據(jù)和地面實(shí)測氣象數(shù)據(jù)為基礎(chǔ)數(shù)據(jù)源,對埃及開羅地區(qū)的城市熱環(huán)境進(jìn)行了比較研究,發(fā)現(xiàn)研究區(qū)域內(nèi)大氣熱島和地表熱島并存,主要分布在人口密度最大的城區(qū),且大氣溫度與地表溫度差在0.5—3.5℃之間。Mohan等[111]利用印度首都新德里地區(qū)氣象觀測站點(diǎn)的實(shí)測空氣溫度數(shù)據(jù)與MODIS遙感影像反演的地表溫度數(shù)據(jù)進(jìn)行了比較。結(jié)果表明在夜晚時(shí)間段,建筑物密集的商業(yè)區(qū)二者有很高的相關(guān)性,而白天的相關(guān)性較低。此外,MODIS反演的溫度數(shù)據(jù)白天要高于實(shí)測數(shù)據(jù),而夜晚則低于實(shí)測數(shù)據(jù)。綜上,在一般情況下城市地表熱島和大氣熱島呈現(xiàn)出較為一致的趨勢及相似性,但在極端情況下存在著較大的差別。

表4 基于遙感數(shù)據(jù)的城市地表輻射平衡模型[108]

2.5 城市地表熱島的緩解研究

以城市綠地(公園綠地、街邊綠化、防護(hù)綠地、生產(chǎn)綠地等)、森林和水體為主導(dǎo)的“冷島效應(yīng)”是當(dāng)前改善城市熱環(huán)境、削弱城市熱島效應(yīng)最有效的手段。因而大量學(xué)者以城市公園植被、水體、人工森林等為研究對象探討了冷島效應(yīng)在減緩熱島效應(yīng)方面所發(fā)揮的作用[112]。例如賈寶全等[113]利用2014年的Landsat- 8遙感數(shù)據(jù)對2012—2014年期間北京市實(shí)施 “百萬畝平原大造林工程”的降溫效應(yīng)進(jìn)行了分析。結(jié)果表明北京市的造林工程對區(qū)域降溫的效果顯著,林地本身降溫效果可達(dá)1.023℃,并通過冷島效應(yīng)的輻射作用,擴(kuò)展形成了250212.88hm2的降溫面積,降溫價(jià)值達(dá)2.2622×108元。Onishi等[114]基于ASTER遙感數(shù)據(jù)探討了日本名古屋市不同季節(jié)的停車場綠化面積及城市的樹木、草地、森林所帶來的冷島效應(yīng)與地表溫度之間的關(guān)系,研究發(fā)現(xiàn)不同季節(jié)的植被覆蓋類型影響著城市地表溫度的變化。馮悅怡等[115]和蘇泳嫻等[116]分別利用TM遙感數(shù)據(jù)探討了北京市城區(qū)24個(gè)公園和廣州市城區(qū)17個(gè)公園內(nèi)部及其周邊溫度分布規(guī)律,并對城市公園與地表熱環(huán)境效應(yīng)之間的響應(yīng)關(guān)系進(jìn)行了探索。

2.6 城市地表熱島的尺度轉(zhuǎn)換研究

一個(gè)城市的地表熱環(huán)境易受到氣候、緯度、海拔等條件的影響而呈現(xiàn)出多尺度現(xiàn)象,主要分為宏觀、中觀和微觀尺度。其中,宏觀尺度指的是研究區(qū)覆蓋全城或較大的區(qū)域,范圍一般大于100km2,中觀尺度指的是城市內(nèi)部的片區(qū)規(guī)模,范圍在0.5—100km2,微觀尺度指的是城市街區(qū)甚至是單體建筑物的規(guī)模。而尺度轉(zhuǎn)換就是將不同分辨率的遙感數(shù)據(jù)信息擴(kuò)展到其他尺度上,具體而言就是將高分辨率影像變成低分辨率影像稱之為“尺度上推”,反之則稱之為“尺度下推”。目前尺度轉(zhuǎn)換的方法有很多,從研究對象的角度上分,可以分為基于像元尺度和面向?qū)ο蟪叨鹊霓D(zhuǎn)換[117]。例如,李慧宇[118]采用TSM模型對不同分辨率溫度產(chǎn)品進(jìn)行比對研究,研究表明經(jīng)過尺度轉(zhuǎn)換后二者的誤差在1K左右,符合精度要求。Stathopoulou等[119]運(yùn)用PBIM法,將NOAA AVHRR的低分辨率數(shù)據(jù)降尺度到120m,并與同樣是120m空間分辨率的TM數(shù)據(jù)熱紅外波段反演的地表溫度進(jìn)行對比分析,研究結(jié)果表明降尺度后的AVHRR地表溫度數(shù)據(jù)均方根誤差從原來的2.4℃降低到0.94℃。

3 城市地表熱環(huán)境研究方向

綜合目前收集的文獻(xiàn)來看,當(dāng)前城市地表熱環(huán)境研究在各個(gè)方面均有大量的研究成果已見報(bào)道,特別是CFD仿真技術(shù)與遙感技術(shù)相結(jié)合應(yīng)用于城市規(guī)劃和設(shè)計(jì)研究方面取得了較大進(jìn)展[120- 121],但距離高精度、定量化開展城市地表熱環(huán)境遙感研究仍有一定的進(jìn)步空間。針對目前存在的遙感數(shù)據(jù)源條件限制的問題,特別是當(dāng)前缺乏星載高分辨率熱紅外遙感數(shù)據(jù),無法實(shí)現(xiàn)城市街區(qū)、樓宇尺度溫度定量觀測問題,高時(shí)間分辨率數(shù)據(jù)往往空間分辨率低從而導(dǎo)致無法獲得城市地物熱環(huán)境特征問題,都需要進(jìn)一步研究在多平臺、多角度、多尺度數(shù)據(jù)綜合應(yīng)用下的城市地表熱環(huán)境定量反演方法。尚未對城市地表熱環(huán)境的時(shí)空格局變化規(guī)律有較為準(zhǔn)確的認(rèn)識,特別是遙感影像數(shù)據(jù)所獲取的地表溫度是一個(gè)時(shí)間斷面數(shù)據(jù),并不能準(zhǔn)確反映一個(gè)城市在連續(xù)時(shí)間段內(nèi)的空間變化特征,這需要從地表輻射平衡的角度出發(fā),進(jìn)一步應(yīng)用遙感數(shù)據(jù),深入分析不同時(shí)空尺度下的城市熱環(huán)境演變規(guī)律。如何在對城市地表熱環(huán)境進(jìn)行準(zhǔn)確評估和預(yù)測的基礎(chǔ)上,有針對性地制定緩解城市熱島效應(yīng)的技術(shù)與措施亦是今后研究難點(diǎn)之一。由于人為熱數(shù)據(jù)獲取十分艱難,因而當(dāng)前已開展的城市地表輻射與能量平衡研究將人類活動(dòng)造成的城市熱環(huán)境影響基本忽略,但實(shí)際上人為熱是城市地表輻射平衡研究中重要的一項(xiàng),并對城市地表熱平衡、顯熱、潛熱通量以及凈輻射變化有著深刻的影響,因此如何精確獲取人為熱數(shù)據(jù),將其納入到城市地表熱環(huán)境研究尚需進(jìn)一步探討。

[1] 錢雨果. 城市精細(xì)景觀格局對熱環(huán)境的影響[D]. 北京: 中國科學(xué)院生態(tài)環(huán)境研究中心, 2015.

[2] Oak T R. The heat island of the urban boundary layer: characteristics, causes and effects// Cermak J E, Davenport A G, Plate E J, Viegas D X, eds. Wind Climate in Cities. Netherlands: Springer, 1995, 277: 81- 107.

[3] 李祥余. 沿海濕潤區(qū)和內(nèi)陸干旱區(qū)城市熱環(huán)境變化對比研究[D]. 北京: 中國科學(xué)院城市環(huán)境研究所, 2010.

[4] 王翠云, 王太春, 元炳成, 陳麗麗, 張慧. 城市熱環(huán)境研究進(jìn)展. 甘肅科技, 2009, 25(23): 91- 94.

[5] Fan H L, Sailor D J. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: a comparison of implementations in two PBL schemes. Atmospheric Environment, 2005, 39(1):73- 84.

[6] Zhou X L, Wang Y C. Spatial—temporal dynamics of urban green space in response to rapid urbanization and greening policies. Landscape and Urban Planning, 2011, 100(3): 268- 277.

[7] Voogt J A, Oke T R. Thermal remote sensing of urban climates. Remote Sensing of Environment, 2003, 86(3): 370- 384.

[8] Rizwan A M, Dennis L Y C, Liu C H. A review on the generation, determination and mitigation of Urban Heat Island. Journal of Environmental Science, 2008, 20(1): 120- 128.

[9] 喬治, 田光進(jìn). 北京市熱環(huán)境時(shí)空分異與區(qū)劃. 遙感學(xué)報(bào), 2014, 18(3): 715- 734.

[10] Kovats R S, Hajat S. Heat stress and public health: a critical review. Annual Review of Public Health, 2008, 29(1): 41- 55.

[11] White M A, Nemani R R, Thornton P E, Running S W. Satellite evidence of phenological differences between urbanized and rural areas of the eastern United States deciduous broadleaf forest. Ecosystems, 2002, 5(3): 260- 273.

[12] Grimm N B, Faeth S H, Golubiewski N E, Redman C L, Wu J G, Bai X M, Briggs J M. Global change and the ecology of cities. Science, 2008, 319(5864): 756- 760.

[13] Akbari H, Pomerantz M, Taha H. Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas. Solar Energy, 2011, 70(3): 295- 310.

[14] Ooka R. Recent development of assessment tools for urban climate and heat-island investigation especially based on experiences in Japan. International Journal of Climatology, 2007, 27(14): 1919- 1930.

[15] Ziska L H, Bunce J A, Goins E W. Characterization of an urban-rural CO2 /temperature gradient and associated changes in initial plant productivity during secondary succession. Oecologia, 2004, 139(3): 454- 458.

[16] Poumadère M, Mays C, Le Mer S, Blong R. The 2003 heat wave in France: dangerous climate change here and now. Risk Analysis, 2005, 25(6): 1483- 1494.

[17] Johnson H, Kovats R S, McGregor G, Stedman J, Gibbs M, Walton H. The impact of the 2003 heat wave on daily mortality in England and Wales and the use of rapid weekly mortality estimates. Euro Surveill, 2005, 10(7): 168- 171.

[18] 薛志成. 城市熱島效應(yīng)威脅人類健康. 安全與健康, 2002, (13): 15- 16.

[19] 彭少麟, 周凱, 葉有華, 粟娟. 城市熱島效應(yīng)研究進(jìn)展. 生態(tài)環(huán)境學(xué)報(bào), 2005, 14(4): 574- 579.

[20] Konopacki S, Akbari H. Energy savings calculations for heat island reduction strategies in baton rouge, Sacramento and Salt Lake City. Report No. LBNL- 42890, Berkeley, CA: Lawrence Berkeley National Laboratory, 2000.

[21] Taha H, Hammer H, Akbari H. Meteorological and air quality impacts of increased urban albedo and vegetative cover in the greater Toronto area, Canada. Report No. LBNL- 49210, Berkeley, CA: Lawrence Berkeley National Laboratory, 2002.

[22] Takahashi K, Yoshida H, Tanaka Y, Aotake N, Wang F L. Measurement of thermal environment in Kyoto city and its prediction by CFD simulation. Energy and Buildings, 2004, 36(8): 771- 779.

[23] Giridharan R, Ganesan S, Lau S S Y. Daytime urban heat island effect in high-rise and high-density residential developments in Hong Kong. Energy and Buildings, 2004, 36(6): 525- 534．

[24] 中華人民共和國國務(wù)院. 國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006- 2020年). (2006-02-09) [2016-07- 27]. http://www.gov.cn/jrzg/2006-02/09/content_183787.htm.

[25] 中華人民共和國住房和城鄉(xiāng)建設(shè)部. JGJ 286- 2013 城市居住熱環(huán)境設(shè)計(jì)標(biāo)準(zhǔn). 北京: 中國建筑工業(yè)出版社, 2014.

[26] 中華人民共和國住房城鄉(xiāng)建設(shè)部. 城市生態(tài)建設(shè)環(huán)境績效評估導(dǎo)則(試行). 2015[2016-07- 27]. http://www.zjjs.com.cn/n71/n72/c345411/part/3.pdf.

[27] Mohan M, Kandya A. Impact of urbanization and land-use/land-cover change on diurnal temperature range: a case study of tropical urban airshed of India using remote sensing data. Science of the Total Environment, 2015, 506- 507: 453- 465.

[28] Zheng B J, Myint S W, Fan C. Spatial configuration of anthropogenic land cover impacts on urban warming. Landscape and Urban Planning, 2014, 130: 104- 111.

[29] Online US Environmental Protection Agency. [2016-07- 27]. http://www.epa.gov/heatisland/about/index.htm.

[30] 但玻, 趙希錦, 但尚銘, 葉強(qiáng). 成都城市熱環(huán)境的空間特點(diǎn)及對策. 四川環(huán)境, 2011, 30(5): 124- 127.

[31] 李海峰. 多源遙感數(shù)據(jù)支持的中等城市熱環(huán)境研究[D]. 成都: 成都理工大學(xué), 2012.

[32] 張金區(qū). 珠江三角洲地區(qū)地表熱環(huán)境的遙感探測及時(shí)空演化研究[D]. 廣州: 中國科學(xué)院廣州地球化學(xué)研究所, 2006.

[33] Myrup L O. A numerical model of the urban heat island. Journal of Applied Meteorology, 1969, 8(6): 908- 918.

[34] Oke T R, Johnson G T, Steyn D G, Watson I D. Simulation of surface urban heat islands under ‘ideal’ conditions at night Part 2: diagnosis of causation. Boundary-Layer Meteorology, 1991, 56(4): 339- 358.

[35] Vukovich F M. A study of the atmospheric response due to a diurnal heating function characteristic of an urban complex. Monthly Weather Review, 1973, 101(6): 467- 474.

[36] 呂世華, 陳玉春. 綠洲和沙漠下墊面狀態(tài)對大氣邊界層特征影響的數(shù)值模擬. 中國沙漠, 1995,15(2): 116- 123.

[37] 肖榮波, 歐陽志云, 張兆明, 王效科, 李偉峰, 鄭華. 城市熱島效應(yīng)監(jiān)測方法研究進(jìn)展. 氣象, 2005, 31(11): 3- 6.

[38] Stathopoulou M, Cartalis C, Keramitsoglou I. Mapping micro-urban heat islands using NOAA/AVHRR images and CORINE land cover: an application to coastal cities of Greece. International Journal of Remote Sensing, 2004, 25(12): 2301- 2316.

[39] Streutker D R. A remote sensing study of the urban heat island of Houston, Texas. International Journal of Remote Sensing, 2002, 23(13): 2595- 2608.

[40] Shao J T, Liu J, Zhao J N. Evaluation of various non-lineark—εmodels for predicting wind flow around an isolated high-rise building within the surface boundary layer. Building and Environment, 2012, 57: 145- 155.

[41] Bo-ot L M, Wang Y H. Chiang C M, Lai C M. Effects of a green space layout on the outdoor thermal environment at the neighborhood level. Energies, 2012, 5(12): 3723- 3735.

[42] 何萍, 陳輝, 李宏波, 席武俊. 云南高原楚雄市熱島效應(yīng)因子的灰色分析. 地理科學(xué)進(jìn)展, 2009, 28(1): 25- 32.

[43] Swaid H, Hoffman M E. Prediction of urban air temperature variations using the analytical CTTC model. Energy and Buildings, 1990, 14(4): 313- 324.

[44] Swaid H, Hoffman M E. Thermal effects of artificial heat sources and shaded ground areas in the urban canopy layer. Energy and Buildings, 1990- 1991, 15(1/2): 253- 261.

[45] 劉艷紅, 郭晉平, 魏清順. 基于CFD的城市綠地空間格局熱環(huán)境效應(yīng)分析. 生態(tài)學(xué)報(bào), 2012, 32(6): 1951- 1959.

[46] 陳云浩, 周紀(jì), 宮阿都, 馬偉, 占文鳳. 城市空間熱環(huán)境遙感——空間形態(tài)與熱輻射方向性模擬. 北京: 科學(xué)出版社, 2014: 1- 3.

[47] 謝啟姣, 劉進(jìn)華, 胡道華. 武漢城市擴(kuò)張對熱場時(shí)空演變的影響. 地理研究, 2016, 35(7): 1259- 1272.

[48] Lv Z Q, Zhou Q G. Utility of Landsat image in the study of land cover and land surface temperature change. Procedia Environmental Sciences, 2011, 10: 1287- 1292.

[49] 孟鵬, 胡勇, 鞏彩蘭, 李志乾, 栗琳, 周穎. 熱紅外遙感地表溫度反演研究現(xiàn)狀與發(fā)展趨勢. 遙感信息, 2012, 27(6): 118- 123, 132- 132.

[50] Sobrino J A, Jiménez -Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 2004, 90(4): 434- 440.

[51] Jiménez -Muoz J C, Cristóbal J, Sobrino J A, Sòria G, Ninyerola M, Pons X. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transactions on Geoscience and remote Sensing, 2009, 47(1): 339- 349.

[52] 覃志豪, Zhang M H, Karnieli A, Berliner P. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法. 地理學(xué)報(bào), 2001, 56(4): 456- 466.

[53] 甘甫平, 陳偉濤, 張緒教, 閆柏琨, 劉圣偉, 楊蘇明. 熱紅外遙感反演陸地表面溫度研究進(jìn)展. 國土資源遙感, 2006, (1): 6- 11.

[54] Wan Z M, Li Z L. A physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(4): 980- 996.

[55] Gillespie A, Rokugawa S, Matsunaga T, Cothern J S, Hook S, Kahle A B. A temperature and emissivity separation algorithm for advanced spaceborne thermal emission and reflection radiometer (ASTER) images. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(4): 1113- 1126.

[56] 覃志豪, Zhang M H, Karnieli A. 用NOAA-AVHRR熱通道數(shù)據(jù)演算地表溫度的劈窗算法. 國土資源遙感, 2001, (2): 33- 42.

[57] 章皖秋, 袁華, 岳彩榮, 鈕子鵬. 昆明中心城區(qū)地表溫度反演及與土地覆蓋關(guān)系分析. 西南林業(yè)大學(xué)學(xué)報(bào), 2016, 36(5): 130- 137.

[58] Rozenstein O, Qin Z H, Derimian Y, Karnieli A. Derivation of land surface temperature for Landsat- 8 TIRS using a split window algorithm. Sensors, 2014, 14(4): 5768- 5780.

[59] 毛克彪, 唐華俊, 陳仲新, 邱玉寶, 覃志豪, 李滿春. 一個(gè)從ASTER數(shù)據(jù)中反演地表溫度的劈窗算法. 遙感信息, 2006, (5): 7- 11.

[60] 朱貞榕, 程朋根, 桂新, 騰月, 童成卓. 地表溫度反演的算法綜述. 測繪與空間地理信息, 2016, 39(5): 70- 75.

[61] 孫鐵鋼, 肖榮波, 蔡云楠, 王耀武, 吳昌廣. 城市熱環(huán)境定量評價(jià)技術(shù)研究進(jìn)展及發(fā)展趨勢. 應(yīng)用生態(tài)學(xué)報(bào), 2016, 27(8): 2717- 2728.

[62] Tomlinson C J, Chapman L, Thornes J E, Baker C. Remote sensing land surface temperature for meteorology and climatology: a review. Meteorological Applications, 2011, 18(3): 296- 306.

[63] 陳愛蓮, 孫然好, 陳利頂. 基于景觀格局的城市熱島研究進(jìn)展. 生態(tài)學(xué)報(bào), 2012, 32(14): 4553- 4565.

[64] 陳利頂, 孫然好, 劉海蓮. 城市景觀格局演變的生態(tài)環(huán)境效應(yīng)研究進(jìn)展. 生態(tài)學(xué)報(bào), 2013, 33(4): 1042- 1050.

[65] Howard L. The climate of London: deduced from meteorological observations made in the metropolis and at various places around it. London: W. Phillips, Geogre Yard, 1818- 1820, 1833.

[66] Rao P K. Remote sensing of urban heat islands from an environmental satellite. Bulletin of the American Meteorological Society, 1972, 53(7): 647- 648.

[67] 葛榮鳳, 王京麗, 張力小, 田光進(jìn), 馮悅怡. 北京市城市化進(jìn)程中熱環(huán)境響應(yīng). 生態(tài)學(xué)報(bào), 2016, 36(19): 6040- 6049.

[68] Sobrino J A, Oltra-CarriR, Sòria G, Bianchi R, Paganini M. Impact of spatial resolution and satellite overpass time on evaluation of the surface urban heat island effects. Remote Sensing of Environment, 2012, 117: 50- 56.

[69] Dousset B, Gourmelon F. Satellite multi-sensor data analysis of urban surface temperatures and landcover. ISPRS Journal of Photogrammetry and Remote Sensing, 2003, 58(1/2): 43- 54.

[70] 喬治, 田光進(jìn). 基于MODIS的2001年- 2012年北京熱島足跡及容量動(dòng)態(tài)監(jiān)測. 遙感學(xué)報(bào), 2015, 19(3): 476- 484.

[71] Zhou J, Chen Y H, Zhang X, Zhan W F. Modelling the diurnal variations of urban heat islands with multi-source satellite data. International Journal of Remote Sensing, 2013, 34(21): 7568- 7588.

[72] Zak?ek K, O?tir K. Downscaling land surface temperature for urban heat island diurnal cycle analysis. Remote Sensing of Environment, 2012, 117: 114- 124.

[73] Yang J, Gong P, Zhou J X, Huang H B, Wang L. Detection of the urban heat island in Beijing using HJ- 1B satellite imagery. Science China Earth Sciences, 2010, 53(S1): 67- 73.

[74] 劉帥, 李琦, 朱亞杰. 基于HJ- 1B的城市熱島季節(jié)變化研究——以北京市為例. 地理科學(xué), 2014, 34(1): 84- 88.

[75] 李元征, 尹科, 周宏軒, 王曉琳, 胡聃. 基于遙感監(jiān)測的城市熱島研究進(jìn)展. 地理科學(xué)進(jìn)展, 2016, 35(9): 1062- 1074.

[76] 田國良. 熱紅外遙感. 北京: 電子工業(yè)出版社, 2006.

[77] Small C. Comparative analysis of urban reflectance and surface temperature. Remote Sensing of Environment, 104(2): 168- 189.

[78] Chen X L, Zhao H M, Li P X, Yin Z Y. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment, 2006, 104(2): 133- 146.

[79] 牟雪潔, 趙昕奕. 珠三角地區(qū)地表溫度與土地利用類型關(guān)系. 地理研究, 2012, 31(9): 1589- 1597.

[80] Lazzarini M, Marpu P R, Ghedira H. Temperature-land cover interactions: the inversion of urban heat island phenomenon in desert city areas. Remote Sensing of Environment, 2013, 130: 136- 152.

[81] 彭文甫, 周介銘, 羅懷良, 楊存建, 趙景峰. 城市土地利用與地面熱效應(yīng)時(shí)空變化特征的關(guān)系——以成都市為例. 自然資源學(xué)報(bào), 2011, 26(10): 1738- 1749.

[82] Arnold C L Jr, Gibbons C J. Impervious surface coverage: the emergence of a key environmental indicator. Journal of the American Planning Association, 1996, 62(2): 243- 258.

[83] Yang X J, Liu Z. Use of satellite-derived landscape imperviousness index to characterize urban spatial growth. Computers, Environment and Urban Systems, 2005, 29(5): 524- 540.

[84] Weng Q H, Hu X F, Liu H. Estimating impervious surfaces using linear spectral mixture analysis with multitemporal ASTER images. International Journal of Remote Sensing, 2009, 30(18): 4807- 4830.

[85] Yuan F, Bauer M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery. Remote Sensing of Environment, 2007, 106(3): 375- 386.

[86] 楊可明, 周玉潔, 齊建偉, 王林偉, 劉士文. 城市不透水面及地表溫度的遙感估算. 國土資源遙感, 2014, 26(2): 134- 139.

[87] Xiao R B, Ouyang Z Y, Zheng H, Li W F, Schienke E W, Wang X K. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China. Journal of Environmental Sciences, 2007, 19(2): 250- 256.

[88] 孟憲磊. 不透水面、植被、水體與城市熱島關(guān)系的多尺度研究[D]. 上海: 華東師范大學(xué), 2010.

[89] Gallo K P, Mcnab A L, Karl T R, Brown J F, Hood J J, Tarpley J D. The use of a vegetation index for assessment of the urban heat island effect. International Journal of Remote Sensing, 1993, 14(11): 2223- 2230.

[90] 龐光輝, 蔣明卓, 洪再生. 沈陽市植被覆蓋變化及其降溫效應(yīng)研究. 干旱區(qū)資源與環(huán)境, 2016, 30(1): 191- 196.

[91] Raynolds M K, Comiso J C, Walke D A, Verbyla D. Relationship between satellite-derived land surface temperatures, arctic vegetation types, and NDVI. Remote Sensing of Environment, 2008, 112(4): 1884- 1894.

[92] 龔珍, 胡友健, 黎華. 城市水體空間分布與地表溫度之間的關(guān)系研究. 測繪通報(bào), 2015(12): 34- 36.

[93] 徐涵秋. 基于城市地表參數(shù)變化的城市熱島效應(yīng)分析. 生態(tài)學(xué)報(bào), 2011, 31(14): 3890- 3901.

[94] 張宇, 陳龍乾, 王雨辰, 陳龍高, 周天建, 張婷. 基于TM影像的城市地表濕度對城市熱島效應(yīng)的調(diào)控機(jī)理研究. 自然資源學(xué)報(bào), 2015, 30(4): 629- 640.

[95] O′Neil R V, Krummel J R, Gardner R H, Sugihara G, Jackson B, Deangelis D L, Milne B T, Turner M G, Zygmunt B, Christensen S W, Dale V H, Graham R L. Indices of landscape pattern. Landscape Ecology, 1988, 1(3): 153- 162.

[96] Chen A L, Yao L, Sun R H, Chen L D. How many metrics are required to identify the effects of the landscape pattern on land surface temperature? Ecological Indicators, 2014, 45: 424- 433.

[97] Liu H, Weng Q H. Scaling effect on the relationship between landscape pattern and land surface temperature: a case study of Indianapolis, United States. Photogrammetric Engineering & Remote Sensing, 2009, 75(3): 291- 304.

[98] 陳輝, 古琳, 黎燕瓊, 慕長龍. 成都市城市森林格局與熱島效應(yīng)的關(guān)系. 生態(tài)學(xué)報(bào), 2009, 29(9): 4865- 4874.

[99] Xu S L. An approach to analyzing the intensity of the daytime surface urban heat island effect at a local scale. Environmental Monitoring and Assessment, 2009, 151(1/4): 289- 300.

[100] 陳利頂, 傅伯杰, 徐建英, 鞏杰. 基于“源-匯”生態(tài)過程的景觀格局識別方法——景觀空間負(fù)荷對比指數(shù). 生態(tài)學(xué)報(bào), 2003, 23(11): 2406- 2413.

[101] 李麗光, 許申來, 王宏博, 趙梓淇, 蔡福, 武晉雯, 陳鵬獅, 張玉書. 基于源匯指數(shù)的沈陽熱島效應(yīng). 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(12): 3446- 3452.

[102] Mitchell B C, Chakraborty J. Urban heat and climate justice: a landscape of thermal inequity in Pinellas County, Florida. Geographical Review, 2014, 104(4): 459- 480.

[103] 張瑜, 黃曦濤, 韓玲, 謝露蓉, 嚴(yán)榮華. 西安市城市熱島效應(yīng)影響因子分析研究. 測繪通報(bào), 2015, (10): 47- 51.

[104] Piao S L, Fang J Y, Zhou L M, Guo Q H, Henderson M, Ji W, Li Y, Tao S. Interannual variations of monthly and seasonal normalized difference vegetation index (NDVI) in China from 1982 to 1999. Journal of Geophysical Research, 2003, 108(D14): 4401.

[105] Hall A. The role of surface albedo feedback in climate. Journal of Climate, 2004, 17(7): 1550- 1568.

[106] Santamouris M, Papanikolaou N, Livada I, Koronakis I, Georgakis C, Argiriou A, Assimakopoulos D N. On the impact of urban climate on the energy consumption of buildings. Solar Energy, 2001, 70(3): 201- 216.

[107] Peng S S, Piao S L, Ciais P, Friedlingstein P, Ottle C, Bréon F M, Nan H J, Zhou L M, Myneni R B. Surface urban heat island across 419 global big cities. Environmental Science & Technology, 2012, 46(2): 696- 703.

[108] 鄭文武. 城市地表蒸散發(fā)遙感反演研究[D]. 長沙:中南大學(xué), 2012.

[109] Eliasson I. Urban nocturnal temperatures, street geometry and land use. Atmospheric Environment, 1996, 30(3): 379- 392.

[110] Abutaleb K, Ngie A, Darwish A, Ahmed M, Arafat S, Ahmed F. Assessment of urban heat island using remotely sensed imagery over greater Cairo, Egypt. Advances in Remote Sensing, 2015, 4(1): 35- 47.

[111] Mohan M, Kikegawa Y, Gurjar B R, Bhati S, Kolli N R. Assessment of urban heat island effect for different land use-land cover from micrometeorological measurements and remote sensing data for megacity Delhi. Theoretical and Applied Climatology, 2013, 112(3): 647- 658.

[112] 余兆武, 郭青海, 孫然好. 基于景觀尺度的城市冷島效應(yīng)研究綜述. 應(yīng)用生態(tài)學(xué)報(bào), 2015, 26(2): 636- 642.

[113] 賈寶全, 仇寬彪. 北京市平原百萬畝大造林工程降溫效應(yīng)及其價(jià)值的遙感分析. 生態(tài)學(xué)報(bào), 2017, 37(3): 726- 735.

[114] Onishi A, Cao X, Ito T, Shi F, Imura H. Evaluating the potential for urban heat-island mitigation by greening parking lots. Urban Forestry & Urban Greening, 2010, 9(4): 323- 332.

[115] 馮悅怡, 胡潭高, 張力小. 城市公園景觀空間結(jié)構(gòu)對其熱環(huán)境效應(yīng)的影響. 生態(tài)學(xué)報(bào), 2014, 34(12): 3179- 3187.

[116] 蘇泳嫻, 黃光慶, 陳修治, 陳水森. 廣州市城區(qū)公園對周邊環(huán)境的降溫效應(yīng). 生態(tài)學(xué)報(bào), 2010, 30(18): 4905- 4918.

[117] 陳云浩, 馮通, 史培軍, 王令飛. 基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究. 武漢大學(xué)學(xué)報(bào): 信息科學(xué)版, 2006, 31(4): 316- 320.

[118] 李慧宇. 遙感溫度產(chǎn)品真實(shí)性驗(yàn)證及空間尺度轉(zhuǎn)換研究[D]. 成都: 電子科技大學(xué), 2015.

[119] Stathopoulou M, Cartalis C. Downscaling AVHRR land surface temperatures for improved surface urban heat island intensity estimation. Remote Sensing of Environment, 2009, 113(12): 2592- 2605.

[120] 李鹍. 基于遙感與CFD仿真的城市熱環(huán)境研究——以武漢市夏季為例[D]. 武漢: 華中科技大學(xué), 2008.

[121] 王翠云. 基于遙感和CFD技術(shù)的城市熱環(huán)境分析與模擬——以蘭州市為例[D]. 蘭州: 蘭州大學(xué), 2008.