EN中文

地理科学 >

2022 , Vol. 42 >Issue 9: 1534 - 1545

DOI: https://doi.org/10.13249/j.cnki.sgs.2022.09.003

中国城市群热岛效应时空演变及其影响因素分析

  • 胡楠林 , 1, 2 ,
  • 任志彬 , 1, 2 ,
  • 董禹麟 1, 2 ,
  • 付尧 3 ,
  • 郭玉洁 1, 2 ,
  • 毛之夏 1 ,
  • 常馨悦 4
展开
  • 1.中国科学院东北地理与农业生态研究所湿地生态与环境重点实验室，吉林 长春 130102
  • 2.中国科学院大学，北京 100049
  • 3.玉溪师范学院地理与国土工程学院，云南 玉溪 653100
  • 4.延边大学地理与海洋科学学院，吉林 延吉 133002
任志彬。E-mail:

胡楠林（1998-），男，四川泸州人，硕士研究生，主要从事城市生态研究。E-mail:

收稿日期: 2021-09-10

  修回日期: 2022-02-23

  网络出版日期: 2022-09-20

基金资助

国家自然科学基金项目(42171109)

国家自然科学基金项目(32130068)

中国科学院青年促进会人才项目(2020237)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Spatio-temporal Evolution of Heat Island Effect and Its Driving Factors in Urban Agglomerations of China

  • Hu Nanlin , 1, 2 ,
  • Ren Zhibin , 1, 2 ,
  • Dong Yulin 1, 2 ,
  • Fu Yao 3 ,
  • Guo Yujie 1, 2 ,
  • Mao Zhixia 1 ,
  • Chang Xinyue 4
Expand
  • 1. Key Laboratory of Wetland Ecology and Environment, Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, Changchun 130102, Jilin, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. School of Geography and Engineering of Land Resources, Yuxi Normal University, Yuxi 653100, Yunnan, China
  • 4. College of Geography and Ocean Science, Yanbian University, Yanji 133002, Jilin, China

Received date: 2021-09-10

  Revised date: 2022-02-23

  Online published: 2022-09-20

Supported by

National Natural Science Foundation of China(42171109)

National Natural Science Foundation of China(32130068)

Youth Science Fund Project by the Youth Innovation Promotion Association of the Chinese Academy of Sciences(2020237)

Copyright

Copyright reserved © 2022.
Fold

摘要

基于长期不透水面和MODIS地表温度数据，分析2000—2015年中国城市群扩张及热岛效应时空演变，进而综合采用冗余分析(RDA)、线性回归分析和变异分配分析(VPA)等方法，揭示城市群城市热岛效应的驱动机制。结果表明：城市群内建成区面积快速扩张，不透水面比例从2000年2.08%增长到2015年5.33%，且主要集中于珠江三角洲等沿海城市群；2000—2015年，夏季热岛分布较广，且白天强度高于夜晚。东部以及大部分北部城市群如哈长城市群等，降温强度较大，但其夜晚热岛效应在不同程度增强。冬季夜晚比白天热岛分布广、强度高，北方、西北、东部等地区夜晚热岛效应也在增强；自然环境因素显著影响城市群热岛强度，降水对夏季夜晚热岛强度起显著负贡献(22%)，纬度越高，冬季夜晚热岛强度也越高。人为因素显著影响夜晚热岛分布和城市群内热岛强度的平衡，城市植被覆盖显著减少夜晚城市群内热岛分布，灯光强度对夏季夜晚热岛强度起显著负贡献(24%)，对热岛比例起显著正贡献(27%)，人口密度对夏季夜晚热岛强度起显著负贡献(31%)；自然环境因素对热岛强度的贡献占主导，而人为干扰因素对热岛比例的贡献占主导。

关键词： 城市化; 城市群; 热岛强度; 遥感分析

本文引用格式

胡楠林 , 任志彬 , 董禹麟 , 付尧 , 郭玉洁 , 毛之夏 , 常馨悦 . 中国城市群热岛效应时空演变及其影响因素分析[J]. 地理科学, 2022 , 42(9) : 1534 -1545 . DOI: 10.13249/j.cnki.sgs.2022.09.003

Abstract

Urban agglomeration characterized by compact regional cooperation and frequent human mobility has been an obvious direction of urban and socio-economic development in China. However, in the formation of urban agglomeration, rapid impervious expansion and tremendous anthropogenic heat sources making urban areas hotter, which generates the urban heat island (UHI) effect and associated extreme heat events, threatening public health and sustainable development. Although studies have documented the impact of UHI on the urban environment by using a single urban agglomeration as the research object, there is still a lack of knowledge of the driving mechanism of the spatiotemporal pattern of UHI on the national scale. In this study, we observed the urban expansion and the spatiotemporal pattern of UHI in 19 urban agglomerations of China from 2000 to 2015 by using long-term impervious data and MODIS surface temperature data. Furthermore, by using Redundancy analysis (RDA) and linear regression model with the datasets that represent the nature and socio-economic driving factors, we quantified the driving mechanism of spatiotemporal pattern of UHI for all urban agglomerations. Results show that the impervious surface expanded rapidly with its proportion increased from 2.08% to 5.33% during 2000-2015 in China’s urban agglomerations, concentrating in coastal urban agglomerations such as the Pearl River Delta. The proportion of heat island (PHI) was high and the intensity of heat island (SUHIIagg) was higher in summer nighttime than in daytime. The eastern and numerous of northern urban agglomerations such as Harbin-Changchun had strong cooling capacity in summer, however the SUHIIagg increased in nighttime to varying degrees. Besides, the PHI and the SUHIIagg in winter nighttime was higher than that in daytime. And the SUHIIagg in the north, northwest and east urban agglomerations increased in winter nighttime. We found vegetation was significantly reducing the nighttime PHI, while the precipitation was negatively affecting the SUHIIagg in summer nighttime (22%) and latitude was positively affecting the SUHIIagg in winter nighttime (56%). Meanwhile, the nighttime lights was negatively affecting the SUHIIagg(24%) and positively affecting the PHI (27%) while the population negatively affecting the SUHIIagg in summer nighttime (31%).These show that natural environmental factors dominantly contribute to the SUHIIagg, while the human disturbance factors dominantly contribute to the PHI. These show that the interaction between radiation changes and human activities has an important impact on the nighttime UHI effect in China. Since the urban expansion and immigration keep ongoing, the UHI effect is predicted to be more intense and of longer duration in China. Thus, the pathway to balance the development of urban agglomeration and the mitigation of the urban heat environment is a major challenge for government policymaking in China. This study expands the knowledge of the spatiotemporal UHI change at the national scale, which provides a scientific basis for urban planning, alleviating urban heat challenges, and achieving sustainable development.

Key words： urbanization; urban agglomeration; the intensity of urban heat island; remote sensing

全球城市化进程整体呈现出快速上升趋势，根据联合国最新预测数据显示，全球城市人口到2050年达66.8亿，届时中国城市人口数量达11.2亿，占全国总人口的80%[1,2]。城市人口的快速增长推动了城市空间扩张，出现了相邻城市的一体化结构称为城市群(urbanization agglomerations)，城市群极大地促进了地区合作和人员往来，也加剧了城市群区域的极端高温事件的增加[3]。快速城市化过程中的人口增加、人造热源排放和土地覆被变化等现象，导致城市热岛效应(urban heat island, UHI)日益凸显[4]。城市热岛不仅会改变局地生态环境，如区域气候、植被生长、水及空气质量等，而且严重影响人类健康，如增加城市居民发病率和死亡率等[5,6]。
2006年以来利用遥感手段监测城市热岛效应成为国内外学者研究的热点[7]。传统的UHI研究依赖于地面气象站点的观测数据，受限于站点数量与位置分布的不均衡，难以准确地反映UHI在空间上的连续变化情况[8,9]，而遥感监测以其大面积、多时相和高空间分辨率的优点克服了传统方法在空间上不连续的局限[10]。与传统基于气温分析的城市热岛相对应，通常将基于遥感反演地表温度(Land Surface Temperature, LST)分析的城市热岛称为地表城市热岛强度(Surface Urban Heat Island intensity, SUHII)[11~13]。
国内外学者借助遥感技术对SUHII的反演算法[14]、时空分布特征[15,16]、空间异质性[17]、驱动性分析[18]等进行大量研究并得出丰富结论，同时，也引入数值模拟[19]、仿真模型[20]、回归拟合[21]、景观生态理论[22,23]等方法加以深入分析研究。目前关于城市热岛效应的研究发现，中国多数城市SUHII夏季强度大于冬季，夜间强度相反[1,18]，地表温度与不透水面之间存在正相关[24]，而城市公园、绿地等绿色景观对地表起着降温增湿的作用[25]。随着中国新型城镇化、工业化的快速发展，城市群已经成为区域空间的重要组织形式。中国东部、中南、西南区域具有典型的暖湿气候，而中国东北、北方、西北区域则分别具有典型冷湿、半湿润半干旱、干旱气候，地理环境独特。到2016年年底，中国城市群以占全国29.12%的面积，集聚了全国75.19%的总人口，创造了占全国80.05%的经济总量[26]，城市群发展所带来的新机遇、新挑战深刻影响着国家战略发展。2014年，《国家新型城镇化规划(2014―2020年)》统筹制定实施城市群规划，将生态文明和绿色低碳作为未来15 a指导国家城镇化和社会发展的重要原则之一，促进城市群内大中小城市和小城镇网络化发展，对区域经济发展起到有力的推动作用[27]。但是自2006年SUHII研究成为热点以来，关注城市群尺度热岛效应的研究仍较少，主要针对京津冀、成渝城市群、粤港澳大湾区、兰西等有代表性的个别独立的城市群[28~31]。林中立等[32]基于MODIS地温、DMSP及不透水面数据，发现东部沿海三大城市群2001―2013年热岛斑块面积有较大幅度的增加，并且在空间上逐渐连接形成热岛城市带。综合已有热岛效应研究结果，大多以单个或多个城市为分析单元，在研究方法上也多选用简单相关、回归等手段来探讨各个因子与 LST 之间的相互关系，而对城市群层面的热岛效应关注较少，对于长时间序列中国城市群尺度热岛效应时空格局尚不明确，不同季节自然、社会等关键驱动机制尚未清晰，具体贡献尚未得到挖掘。
本研究以中国城市群为研究对象，基于不透水面数据分析2000―2015年中国城市化进程，结合MODIS地温产品描述城市群热岛强度(Surface UHI intensity of Urban Agglomeration, SUHIIagg)、热岛比例(Percentage of Heat island, PHI)时空格局及演化特征，并结合人口、气温等数据，利用冗余分析、线性回归分析和变异分配分析等，进一步揭示夏季、冬季城市群热岛效应影响机制。本研究可深化对中国城市群地表热岛效应演变规律的认识，为制定缓解热岛效应的政策提供参考。

1 研究区概况与研究方法

1.1 研究区概况

根据中国科学院地理科学与资源研究所方创琳团队2020年出版的《中国城市群地图集》[26]等文件，重点研究中国具有代表性的19个城市群，分别处于中国6个区域（图1）：东北(哈长、辽中南)、北方(京津冀、呼包鄂、晋中)、东部(山东半岛、长三角、海峡西岸)、中南(中原、长江中游、珠三角、北部湾)、西南(成渝、滇中、黔中)、西北(天山北坡、宁夏沿黄、兰西、关中)[18]。
图1 中国19个主要城市群地理位置

审图号为 GS(2019)1822 号的标准地图制作，底图无修改；未含港澳台数据

Fig. 1 The geographical location of 19 major urban agglomerations in China

1.2 数据及方法

1.2.1 数据准备及处理

本研究以2000年、2005年、2010年、2015年全球不透水面数据为基础[33]，分别统计各城市群不透水面面积、比例，通过线性回归分析计算不透水面面积年变化（Slope）：
$ {{Slope}} = \dfrac{n\times \displaystyle\sum \nolimits _{t=1}^{n}\times A-\left(\displaystyle\sum \nolimits_{t=1}^{n}t\right)\left(\displaystyle\sum \nolimits _{t=1}^{n}A\right)}{n\times \displaystyle\sum \nolimits_{t=1}^{n}{t}^{2}-{\left(\displaystyle\sum \nolimits _{t=1}^{n}t\right)}^{2}} $
式中，n代表以年为单位的时间序列长度(n=15)，t代表时间点(t=1,2,3…,15)，A代表时刻t的不透水面面积。分析中将回归关系的显著性水平设定为0.05。如果Slope值为正，则代表不透水面面积存在增加趋势，并且Slope绝对值越大，不透水面面积变化越大。
地表温度数据来源于Aqua MODIS中国地区月合成产品，该数据由当地时间01∶30以及13∶30观测到的影像利用劈窗算法进行反演得到。对数据进行拼接、切割、温度转换、异常值去除等预处理，计算得到每个城市群2000年、2005年、2010年、2015年每年以及季节性(夏季和冬季)地表温度在白天(13∶30)、夜晚(01∶30)的数据，夏季和冬季分别定义为6~8月和12~2月。
为探究全国城市群热环境空间格局，本研究采用城市群热岛比例(PHI)和热岛强度(SUHIIagg)指标描述区域热岛效应。PHI定义为地表热力景观中热岛斑块占城市群总斑块数的比例[34,35]，有助于理解城市群内部热岛分布的总体情况，如式（2）；热岛强度定义为城市与周边农村区域地表温度的差异，如式（3）。为减小城市与农村区域划分所带来的误差，研究基于优先级搜索，提取县级行政中心周围不透水面斑块定义为城区，通过多层缓冲区分析，去除大面积水体区域后建立与城区等面积的缓冲区定义为农村地区[36]。在获得斑块尺度热岛强度后，筛选各城市群热岛强度大于0的城市斑块，计算其均值，即SUHIIagg。进一步计算热岛斑块占城市群总斑块数的比例，即PHI。
$ {{PHI}}_{i} = \dfrac{{m}_{i}}{M}\times 100{\text{%}} $
式中，PHIi为城市i的热岛比例，m为城市i地表热力景观中热岛斑块数量，M为城市群斑块总数量。
$ {{SUHI}}_{i} = {{T}}_{城区} - {{T}}_{农村} $
式中，SUHIi为城市i的热岛强度，T城区为城区内平均温度，T农村为农村区域平均温度。
热岛效应与自然环境和人为干扰活动密切相关[29]。自然环境主要指自然地理要素如气候、地形、位置等构成的环境背景，人为干扰主要指居民生活、工业生产等排放的大量热量，两者对区域热岛效应产生重要作用。为探究可能影响热岛效应空间变化的驱动因素，基于既有城市尺度热环境与地表因素关系的研究[18,36]，本研究以气温、降水以及DEM高程、纬度作为自然环境因素，以不透水面比例、夜间灯光强度、人口密度、NDVI作为人为干扰因素。因获取的数据库中没有气温、降水、DEM、纬度以及人口密度的季节信息，仅建立年度数据，另一方面通过对比2000—2015年影响因素与热岛效应相关性的结果以及已有研究的假设[18]，发现每年影响因素间变化差异不大，故假定每年每个季节这些因素的作用是相同的，仅研究2015年城市群热岛效应及其影响因素间的关系。与热岛强度计算方法相似，自然环境、人为干扰因素均计算为城区-农村差值。以上数据来源如表1所示，均在ArcGIS10.6软件处理，空间分辨率1 km，投影方式WGS-84。
表1 数据来源

Table 1 Data sources

数据名称 数据来源 分辨率 时间
MODLT1M、MYDLT1M中国
地表温度月合成产品 		http://www.gscloud.cn 1 km 2000年、2005年、2010年、
2015年6~8月和12~2月
不透水面数据 http://data.ess.tsinghua.edu.cn/ 30 m 2000—2015年
降水、气温、人口、NDVI数据 http://www.resdc.cn/DOI 1 km 2015年
DEM高程 http://www.gscloud.cn 90 m 2000年
夜间灯光数据 https://ngdc.noaa.gov/eog/viirs/download_ut_mos.html 500 m 2015年

1.2.2 统计分析

利用R4.1.1 Vegan包进行冗余分析(RDA)，以夏季和冬季的PHI和SUHIIagg作为响应变量，影响因素作为解释变量，确定响应变量与解释变量之间的关系，将其中显著性P<0.1的因素作为主要影响因素。利用变异分配分析(VPA)，计算自然环境因素、人为干扰因素以及两者共同对热岛效应的解释率。同时，为了深入探究影响因素对热岛效应的作用机制，采用线性回归分析PHI和SUHIIagg与主要影响因素之间的相关趋势。考虑到各影响因素具有不同的量纲和数量级，在SPSS软件采用Z-score标准化方法对数据进行无量纲处理。

2 结果与分析

2.1 2000—2015年中国主要城市群发展进程

研究结果表明：中国在2000—2015年经历了快速城市化过程，19个城市群不透水面面积总量从38 074 km2增加到97 673 km2，比例从2000年2.08%增长到2015年5.33%，增长近2.6倍(图2a)，并且2005—2010年城市不透水面扩张速度要高于2000—2005年。
图2 2000—2015年中国主要城市群不透水面空间格局及变化趋势

审图号为 GS(2019)1822 号的标准地图制作，底图无修改；未含港澳台数据

Fig. 2 Impervious surface of major urban agglomerations in China in 2000-2015

从城市群空间演变来看：不透水面扩张呈现出空间异质性，面积最小值从151 km2增长到573 km2，面积最大值从5 620 km2增长到23 433 km2(图2b)；不透水面占城市群比例最小值从0.22%增长到0.83%；最大值从12.66%增长到23.79%(图2c)。全国19个城市群均呈现显著增长趋势(图2d)，增长较快区域集中在沿海发达城市群，如长三角(1 228 km2/a)、京津冀(594 km2/a)、珠三角(330 km2/a)等，远高于全国平均水平(209.1 km2/a)；而西北、西南区域如黔中(28 km2/a)、兰西(14 km2/a)、宁夏沿黄城市群(28 km2/a)的不透水面增长相对较缓。

2.2 中国主要城市群热岛效应时空格局及变化特征

2000—2015年，全国19个城市群热岛比例(PHI)平均值为68.8%，夏季夜晚(76.4%±8.8%)和冬季夜晚(72.8%±10.2%)分别高于夏季白天(73.1%±10.8%)和冬季白天(52.9%±14.8%)(图3a)。冬季白天城市群间PHI差异较大(14.8%)，如哈长(74.4%)与呼包鄂(28.9%)，夏季夜晚差异较小(8.8%)(图3a)。热岛强度(SUHIIagg)平均值为0.50℃，夏季白天(0.80±0.26℃)高于夜晚(0.45±0.15℃)，而冬季夜晚(0.45±0.23℃)高于白天(0.30±0.11℃)(图3b)。夏季白天城市群间差异较大(0.26℃)，超过47.4%的城市群SUHIIagg>0.8℃，而最低仅0.46℃(晋中)。夏季夜晚和冬季白天城市群间差异较小(0.15℃,0.11℃)(图3b)。
图3 2000—2015年中国主要城市群夏季和冬季平均热岛比例(PHI)及热岛强度(SUHIIagg)

未含港澳台数据

Fig. 3 Mean PHI and SUHIIagg in summer and winter of major urban agglomerations in China during 2000–2015

2000—2015年，PHI变化折线图表明(图4a)，在夏季，哈长、京津冀等中国北部的城市群PHI在白天均明显高于夜晚，南方的城市群这一现象不明显。同时，哈长城市群等中国北部的城市群以及山东半岛、长三角等东部城市群，其PHI昼夜差明显大于其他城市群。SUHIIagg变化折线图表明(图4b)，在夏季，SUHIIagg在白天虽有波动，但均明显高于夜晚，并且东北、东部以及北方的京津冀、天山北坡等城市群，SUHIIagg昼夜差长期大于其他城市群，降温强度较大。在冬季，哈长、辽中南等中国北部大部分城市群SUHIIagg夜晚高于白天，而长三角、海峡西岸、珠三角等沿海城市群白天高于夜晚。北方、西北、东部等地夜晚SUHIIagg有不同程度增加趋势。
图4 2000—2015年中国主要城市群热岛比例(PHI)及热岛强度(SUHIIagg)变化

未含港澳台数据

Fig. 4 PHI and SUHIIagg major urban agglomerations of China in 2000-2015

2.3 城市群热岛效应及其影响因素的关系

2.3.1 热岛比例与影响因素之间的关系

中国主要城市群热岛比例冗余分析(RDA)表明，夏季模型第1轴解释29.12%的PHI变化，第2轴15.92%，夜晚PHI分布于第四象限，白天PHI分布于第一象限。显著影响夏季PHI的因素均为人为干扰因素且NDVI贡献作用最大(17.3%)。其中夏季夜晚PHI与灯光、人口密度呈正相关关系，而NDVI呈负相关(图5a)。冬季模型第1轴解释50.46%的PHI变化，第2轴13.69%，夜晚PHI分布于第三象限，白天PHI分布于第四象限。显著影响冬季PHI因素的贡献基本相当[NDVI(13.6%)、气温(12.9%)]，其中冬季夜晚PHI与气温呈正相关关系，与NDVI呈负相关(图5b)。变异分配分析(VPA)结果表明，夏季热岛比例，总体贡献率达26.2%，人为因素的贡献远高于自然因素；而冬季，总体贡献率(50.9%)高于夏季，自然和人为因素贡献基本相当，差异不明显。
图5 受自然环境和人为干扰因素约束的中国主要城市群热岛比例(PHI)的冗余分析(RDA)排序图

未含港澳台数据

Fig. 5 RDA ordination plot of PHI in China’s major urban agglomerations constrained by natural environment and human interference factors

进一步通过PHI与显著因素的线性拟合发现，夏季热岛，NDVI与夜晚PHI呈现显著负相关(R2=0.31, P<0.05)(图6a)，夜间灯光与夜晚PHI与之呈显著正相关(R2=0.27, P<0.05)(图6b)，NDVI和夜晚灯光强度理论上可以解释58%的夏季夜晚PHI强度变化，植被覆盖使夏季夜晚城市群内热岛分布显著减少，而夜间灯光强度显著促进夏季夜晚热岛强度提高。冬季热岛，NDVI与夜晚PHI呈现显著负相关(R2=0.27, P<0.05)，植被覆盖使冬季夜晚城市群内热岛分布显著减少 (图6c) 。
图6 PHI与影响因素之间的线性关系

**为P<0.05；未含港澳台数据

Fig. 6 Linear relationships between the PHI and influencing factors

2.3.2 热岛强度与影响因素之间的关系

冗余分析(RDA)表明，夏季模型第1轴解释45.09%的SUHIIagg变化，第2轴18.93%，夜晚SUHIIagg分布于第三象限，白天SUHIIagg分布于第二象限。影响夏季SUHIIagg的显著因素既有自然环境因素(DEM、气温、降水)又包含人为干扰因素(人口密度、灯光、NDVI)且自然环境中DEM贡献最大(9.5%)，人为因素中人口密度贡献最大(15.7%)。其中夏季夜晚SUHIIagg与NDVI呈正相关关系，与降水、气温、人口密度、灯光呈负相关，而仅DEM与白天SUHIIagg呈负相关(图7a)。冬季模型第1轴解释38.82%的SUHIIagg变化，第2轴19.82%，夜晚SUHIIagg分布于第一象限，白天SUHIIagg分布于第四象限。影响冬季SUHIIagg的显著因素包括纬度、不透水面比例、气温且纬度贡献最大(29.3%)。其中纬度与冬季夜晚SUHIIagg呈正相关关系，不透水面比例、气温与之呈负相关(图7b)。变异分配分析(VPA)结果表明，夏季热岛，影响因素的总体贡献率达35.2%，自然因素的贡献远高于人为因素；而冬季，影响因素的总体贡献率(27.4%)低于夏季，自然因素贡献高于人为因素，自然因素占主导。
图7 受自然环境和人为干扰因素约束的中国主要城市群热岛强度(SUHIIagg)的冗余分析(RDA)排序图

未含港澳台数据

Fig. 7 RDA ordination plot of SUHIIagg in China’s major urban agglomerations constrained by natural environment and human interference factors

进一步通过SUHIIagg与显著因素的线性拟合发现，冬季热岛，纬度与夜晚SUHIIagg呈现显著正相关(R2=0.56, P<0.05)，纬度越高，热岛强度也越高 (图8a) 。夏季热岛，人为干扰因素中夜间灯光、人口密度均与夏季夜晚SUHIIagg呈现显著负相关(P<0.05)，R2分别为0.24、0.31，而自然环境因素中降水也与夏季夜晚SUHIIagg呈现显著负相关(R2=0.22, P<0.05)，这几个因素理论上可以解释77%的夏季夜晚热岛强度的变化，并显著降低夏季夜晚城市群热岛强度(图8b~d)。
图8 SUHIIagg与影响因素之间的线性关系

**为 P<0.05；未含港澳台数据

Fig. 8 Linear relationships between the SUHIIagg and influencing factors

3 讨论

3.1 城市群的快速城市化过程

中国在2000—2015年经历了快速城市化的过程，不管是城市还是城市群，城市土地的变化趋势是相似的[37]。城市化加剧了大量的自然地表转化为人工不透水面，19个城市群2000—2015年的不透水面占比已经由2.08%增长到5.33%。中国沿海城市群与西北、西南区域呈现出较高的空间异质性，表现出不同的扩张速度。长三角、京津冀、珠三角以1 228 km2/a、594 km2/a、330 km2/a的不透水面扩张速率成为中国城市化发展最为显著区域，三大城市群核心城市不透水面比例比美国等发达国家更高[38]。兰西、黔中、宁夏沿黄不透水面扩张速率仅70 km2/a、142 km2/a、144 km2/a，一直以来发展基础薄弱，进程较缓。此外，研究还发现城市群内部大城市以同心圆结构从城市向郊区扩张，与Kuang等[39]结论一致，城市群内城市的空间分布表现出聚集、多核特点。
城市群的发展改变了局地生态环境，特别是所增加的人造地表主要由砖石构造与混凝土材料所组成，相比植被、水体等自然表面，其蒸散发下降、储热能力上升[9]，显著增加了夏季极端高温事件的发生频率，降低了冬季寒冷事件的发生频率[3,40]。同时城市发展由“单中心”演变为“多中心”也意味着单从城市尺度下提出的规划策略已经不能很好地缓解城市的热岛效应现象。当前有许多研究关注单个或多个城市的动态发展以及分析其所带来的生态环境问题，缺少城市群层面长时间序列热岛效应变化及驱动因素分析。

3.2 城市群热岛效应的时空演变特征

2000—2015年，全国19个城市群热岛强度(SUHIIagg)平均值为0.50℃，夏季白天(0.80±0.26℃)高于夜晚(0.45±0.15℃)，而冬季夜晚(0.45±0.23℃)高于白天(0.30±0.11℃)，城市群尺度SUHIIagg均比Zhou等[18]研究的城市尺度热岛强度低。与南方城市相比，北方乡村植被覆盖低，表现出北方夜晚SUHIIagg要高于南方，且北方的PHI要高于南方，这与已有研究结果一致[41]，但与城市尺度的结果不一样的是，本研究发现中国北部城市群如哈长、辽中南、呼包鄂、天山北坡等冬季夜晚SUHIIagg要高于南方，但在夏季夜晚，南北方SUHIIagg差异不明显，这可能与北方人为热排放、气候以及北方特别是东北地区偏重工业结构有关[18,42]。
总的来看，夏季热岛分布较多，且白天强度高于夜晚，其中东部以及哈长等北部大部分城市群降温能力较强，但这些地区夜晚SUHIIagg存在不同程度增加现象，降温能力有可能下降。冬季夜晚比白天热岛多、强度高，并且北方、西北、东部等地区冬季夜晚热岛效应会有所增强。城市群热岛效应日趋严重，这与城市化过程密切相关。

3.3 城市群热岛效应不同时段影响因素分析

中国主要城市群夜晚热岛效应与各因素的关系比白天更为密切，白天热岛形成机制更为复杂。夜间热岛效应的显著影响因素较多，主要是自然环境因素中的降水、气温、纬度、DEM，以及人为干扰因素中的夜间灯光强度、人口密度、NDVI、不透水面比例。
土壤水分差异可以更直接地解释气候效应，温湿型城市(中南和东部地区)土壤含水量通常高于冷干型城市(东北、西北地区)[42,43]。Zhao等[44]对北美地区的研究发现，年降水量和白天城市SUHII呈显著正相关关系，本研究结果中降水与白天SUHIIagg无明显关系，但能解释22%夏季夜晚SUHIIagg变化。地理纬度是衡量地区辐射平衡和人为热排放的综合指标[43]，城市之间纬度以及高程不同导致白天吸收净辐射差异，进而造成夜间热储释放差异，再加上夏冬季城市地区空调和供暖所释放的人为热也会增强夜间SUHIIagg，本研究也证实了纬度与冬季夜晚SUHIIagg呈显著正相关关系。
城市区域不透水面覆盖较广，导致植被覆盖率低于乡村地区，△NDVI通常会是负值。研究结果显示，城市植被覆盖使夜晚城市群内热岛分布显著减少，Zhao等[44]的研究表明△NDVI与SUHIIagg在夏季植被生长季存在较强的负相关性，本研究在城市群尺度热岛强度上尚未体现这一点，但NDVI能够对夏季夜晚以及冬季夜晚PHI起到31%和27%的负贡献。已有研究表明夜间城市热岛的产生主要是由于储热释放和人为热排放[45]，而夜间灯光强度可以表征人类活动的强弱程度，城市人口密度可以代表城市化发展程度或者城市扩张程度。值得指出，本研究与前人结果相似[41,43,45,46]，灯光对夏季夜晚热岛强度起显著负贡献，对热岛分布起显著正贡献，人口密度对夏季夜晚热岛强度起显著负贡献，此外，不透水面比例、DEM等也对热岛效应有一定影响。自然环境因素对热岛效应有缓解作用，而人为因素促进夜晚热岛分布和城市群内热岛强度的平衡。
VPA结果表明，夏季热岛，自然环境因素对热岛强度的贡献高于人为干扰因素，而对热岛分布的贡献较弱；冬季热岛，自然环境因素对热岛强度的贡献高于人为干扰因素，而对热岛分布的贡献和人为因素贡献基本相当，差异不明显。自然环境因素对热岛强度的贡献占主导，而人为干扰因素对热岛分布的贡献占主导，进一步表明辐射和人为热排放的共同作用对中国夜晚热岛效应产生重要影响。由于城市扩张和移民不断，未来中国城市群热岛效应或将更加强烈，持续时间更长。因此，城市群热环境的缓解和适应策略应侧重于降低夜间热岛效应，热岛比例(PHI)指标能够很好的表征城市群热岛的分布状况，热岛强度(SUHIIagg)指标体现城市群热岛强度的大小，综合分析结果表明，PHI能够较好解释人为因素作用，SUHIIagg对自然因素作用解释能力较强，城市群规划建设要避免城市群内部热岛分布的聚集、适度分散城市扩张方向、控制城市群不透水面比例以降低城市群热环境恶化的风险，进而在城市规划方面考虑内部绿色景观的建设、增加城市绿地空间比例如湿地公园、屋顶花园以及控制人为热排放如汽车尾气等，有助于减弱热岛效应[1]。

4 结论与讨论

本研究以19个代表性城市群为研究对象，在分析城市群发展演变的基础上，从PHI、SUHIIagg的角度，系统分析了中国城市群热岛效应的时空变化特征以及影响因素，得出以下结论： ① 19个城市群总建成区比例从2000年2.08%增长到2015年5.33%，增长区域主要集中在沿海发达城市群。中国沿海城市群与西北、西南区域呈现出较高的空间异质性，表现出不同的扩张速度。② 夏季热岛分布较广，且白天强度高于夜晚，东部以及大部分北部城市群如哈长等，降温强度较大，但这些地区夜晚热岛效应在不同程度增强。冬季夜晚比白天热岛多、强度高，北方、西北、东部等地区冬季夜晚热岛效应也有所增强。③ 降水对夏季夜晚SUHIIagg造成22%负贡献，纬度可以解释冬季夜晚SUHIIagg变化的56%，自然环境因素对热岛效应有缓解作用。另一方面，灯光强度对夏季夜晚SUHIIagg造成24%负贡献，对PHI造成27%正贡献，人口密度对夏季夜晚SUHIIagg造成31%负贡献，城市植被覆盖显著减少夜晚城市群内热岛分布，人为因素显著影响夜晚热岛分布和城市群内热岛强度的平衡。④ 夏季热岛，自然环境因素对热岛强度的贡献高于人为干扰因素，而对热岛分布的贡献较弱；冬季热岛，自然环境因素对热岛强度的贡献高于人为干扰因素，而对热岛分布的贡献和人为因素贡献基本相当，差异不明显。自然环境因素对热岛强度SUHIIagg的贡献占主导，而人为干扰因素对热岛分布PHI的贡献占主导，进一步表明辐射和人为热共同作用对中国夜晚热岛效应产生重要影响。城市群规划建设要避免城市群内部热岛分布的聚集、适度分散城市扩张方向、控制城市群不透水面比例以降低城市群热环境恶化的风险，进而在城市规划方面考虑内部绿色景观的建设、增加城市绿地空间比例等以增强城市生态系统调节服务功能。
在本研究中仅利用不透水面面积、比例及年变化分析城市群的快速城市化过程，而如果能够深入分析城市扩张与耕地减少或非城市土地利用变化之间的动态关系有助于更好理解城市土地扩张的特征和影响[36]。此外，在描述热岛效应的影响方面还应考虑空间自相关等因素，Moran’s I以及地理加权回归模型等在空间关系上有较明确的定量分析结果。针对研究结果，夏季白天热岛效应机制较为复杂，与所列出的指标关系较弱，后续可考虑加入地方政策、城市规划、自然灾害等方面对其的影响。随着21世纪城市化过程的加快演变，如何在城市群发展和环境保护之间取得平衡是政府政策规划面临的重大挑战。本研究将深化对中国城市群热岛效应变化规律的认识，为制定缓解高温热浪的城市土地利用及发展规划提供参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Peng J, Ma J, Liu Q Y. Spatial-temporal change of land surface temperature across 285 cities in China: An urban-rural contrast perspective[J]. Science of the Total Environment, 2018, 635: 487-497.

DOI

[2]
United Nations, Department of Economic and Social Affairs, Population Division. World urbanization prospects 2018[EB/OL]. Publications United Nations, 2020-10-16. https://population.un.org/wup/Download/.

[3]
Lin L J, Gao T, Luo M. Contribution of urbanization to the changes in extreme climate events in urban agglomerations across China[J]. Science of the Total Environment, 2020, 744: 140264

DOI

[4]
Luber G, Mcgeehin M. Climate change and extreme heat events[J]. American Journal of Preventive Medicine, 2008, 35(5) 429-435.

DOI

[5]
姚远, 陈曦, 钱静. 城市地表热环境研究进展[J]. 生态学报, 2018, 38(3) 1134-1147.

Yao Yuan, Chen Xi, Qian Jing. Research progress on the thermal environment of the urban surfaces. Acta Ecologica Sinica, 2018, 38(3) 1134-1147.

[6]
Ren Z, Zhao H, Fu Y. Effects of urban street trees on human thermal comfort and physiological indices: A case study in Changchun City, China[J]. Journal of Forestry Research, 2022, 33: 911-922.

DOI

[7]
Zhou D C, Xiao J F, Bonafoni S. Satellite remote sensing of surface urban heat islands: Progress, challenges, and perspectives[J]. Remote Sensing, 2018, 11(48) 1-36.

[8]
刘晓丽, 方创琳. 城市群资源环境承载力研究进展及展望[J]. 地理科学进展, 2008, 27(5) 35-42.

DOI

Liu Xiaoli, Fang Chuanglin. Progress and prospect of study on carrying capacity of resource and environment of city clusters. Progress in Geography, 2008, 27(5) 35-42.

DOI

[9]
胡李发, 谢元礼, 崔思颖. 关中平原城市群夏季城市热岛特征及驱动力分析[J]. 中国环境科学, 2021, 41(8) 3842-3852.

DOI

Hu Lifa, Xie Yuanli, Cui Siying. Characteristics and driving forces analysis of urban heat island in Guanzhong Plain Urban Agglomeration in Summer. China Environmental Science, 2021, 41(8) 3842-3852.

DOI

[10]
Rao P K. Remote sensing of urban" heat islands" from an environmental satellite[J]. Bulletin of the American Meteorological Society, 1972, 53(7) 647-648.

[11]
Weng Q H. Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2009, 64(4) 335-344.

DOI

[12]
李元征, 尹科, 周宏轩. 基于遥感监测的城市热岛研究进展[J]. 地理科学进展, 2016, 35(9) 1062-1074.

DOI

Li Yuanzheng, Yin Ke, Zhou Hongxuan. Progress in urban heat island monitoring by remote sensing. Progress in Geography, 2016, 35(9) 1062-1074.

DOI

[13]
Voogt J A, Oke T R. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003, 86(3) 370-384.

DOI

[14]
Jiménez-Muñoz J C, Sobrino J A, Skoković D. Land surface temperature retrieval methods from landsat-8 thermal infrared sensor data[J]. IEEE Geosci Remote S, 2014, 11(10) 1840-1843.

DOI

[15]
李宇, 周德成, 闫章美. 中国84个主要城市大气热岛效应的时空变化特征及影响因子[J/OL]. 环境科学. https://doi.org/10.13227/j.hjkx.202102003, 2021-09-11(1-13).

Li Yu, Zhou Decheng, Yan Zhangmei. Spatiotemporal variations of atmospheric urban heat island effects and the driving factors in 84 major Chinese cities. https://doi.org/10.13227/j.hjkx.202102003, 2021-09-11(1-13).

[16]
沈中健, 曾坚. 1996-2017年闽三角城市群区域热岛时空格局演化分析[J]. 安全与环境学报, 2020, 20(4) 1567-1578.

Shen Zhongjian, Zeng Jian. Analysis of spatiotemporal patterns and evolution of regional thermal islands in Fujian Delta urban agglomeration during decade of 1996-2017. Journal of Safety and Environment, 2020, 20(4) 1567-1578.

[17]
Liu H M, Huang B, Zhan Q M. The influence of urban form on surface urban heat island and its planning implications: Evidence from 1288 urban clusters in China[J]. Sustainable Cities and Society, 2021, 71: 102987

DOI

[18]
Zhou D C, Zhao S Q, Liu S G. Surface urban heat island in China’s 32 major cities: Spatial patterns and drivers[J]. Remote Sensing of Environment, 2014, 152: 51-61.

DOI

[19]
郑亦佳, 刘树华, 何萍. 滇中地区夏季城市热岛效应的数值模拟研究[J]. 北京大学学报(自然科学版), 2017, 53(4) 639-651.

Zheng Yijia, Liu Shuhua, He Ping. Numerical study of summertime urban heat island in Dianzhong. Acta Scientiarum Naturalium Universitatis Pekinensis, 2017, 53(4) 639-651.

[20]
Li Y Z, Wang L, Liu M. Associated determinants of surface urban heat islands across 1449 cities in China[J]. Advances in Meteorology, 2019, 2019(12) 1-14.

[21]
王美雅, 徐涵秋. 中国大城市的城市组成对城市热岛强度的影响研究[J]. 地球信息科学学报, 2018, 20(12) 1787-1798.

DOI

Wang Meiya, Xu Hanqiu. Analyzing the influence of urban forms on surface urban heat islands intensity in Chinese mega cities. Journal of Geo-information Science, 2018, 20(12) 1787-1798.

DOI

[22]
Zhao H, Wang Z, Tan J. Spatiotemporal characteristics of urban surface temperature and its relationship with landscape metrics and vegetation cover in rapid urbanization region[J]. Complexity, 2020, 7892362: 1-12.

[23]
潘明慧, 兰思仁, 朱里莹. 景观格局类型对热岛效应的影响——以福州市中心城区为例[J]. 中国环境科学, 2020, 40(6) 2635-2646.

DOI

Pan Minghui, Lan Siren, Zhu Liying. Influence of landscape pattern types on heat island effect over central Fuzhou City. China Environmental Science, 2020, 40(6) 2635-2646.

DOI

[24]
樊智宇, 詹庆明, 刘慧民. 武汉市夏季城市热岛与不透水面增温强度时空分布[J]. 地球信息科学学报, 2019, 21(2) 226-235.

DOI

Fan Zhiyu, Zhan Qingming, Liu Huimin. Spatial-temporal distribution of urban heat island and the heating effect of impervious surface in summer in Wuhan. Journal of Geo-information Science, 2019, 21(2) 226-235.

DOI

[25]
Asgarian A, Amiri B J, Sakieh Y. Assessing the effect of green cover spatial patterns on urban land surface temperature using landscape metrics approach[J]. Urban Ecosystems, 2015, 18(1) 209-222.

DOI

[26]
方创琳. 《中国城市群地图集》[M]. 北京: 科学出版社, 2020.

Fang Chuanglin. Atlas of Chinese urban agglomeration. Beijing: Science Press, 2020.

[27]
中共中央国务院. 国家新型城镇化规划(2014-2020)[EB/OL]. 新华社. http://www.gov.cn/zhengce/2014-03/16/content_2640075.html.

State Council of China. National new urbanization plan (2014-2020). Xinhua News Agency. http://www.gov.cn/zhengce/2014-03/16/content_2640075.html.

[28]
陈颖锋, 王玉宽, 傅斌. 成渝城市群城镇化的热岛效应[J]. 生态学杂志, 2015, 34(12) 3494-3501.

Chen Yingfeng, Wang Yukuan, Fu Bin. Heat island effect during the process of urbanization in Chengdu-Chongqing urban agglomeration. Chinese Journal of Ecology, 2015, 34(12) 3494-3501.

[29]
邓玉娇, 杜尧东, 王捷纯. 粤港澳大湾区城市热岛时空特征及驱动因素[J]. 生态学杂志, 2020, 39(8) 2671-2677.

Deng Yujiao, Du Yaodong, Wang Jiechun. Spatiotemporal characteristics and driving factors of urban heat islands in Guangdong-Hong Kong-Macao Greater Bay Area. Chinese Journal of Ecology, 2020, 39(8) 2671-2677.

[30]
杨浩, 王子羿, 王婧. 京津冀城市群土地利用变化对热环境的影响研究[J]. 自然资源学报, 2018, 33(11) 1912-1925.

DOI

Yang Hao, Wang Ziyi, Wang Jing. Study on the influence of land use change on the thermal environment in Beijing-Tianjin-Hebei Urban Agglomeration. Journal of Natural Resources, 2018, 33(11) 1912-1925.

DOI

[31]
潘竟虎, 董磊磊, 王娜云. 兰西城市群热环境格局多尺度研究[J]. 国土资源遥感, 2018, 30(2) 138-146.

Pan Jinghu, Dong Leilei, Wang Nayun. A multiscale study of thermal environment pattern in Lanzhou-Xining agglomeration. Remote Sensing for Land and Resources, 2018, 30(2) 138-146.

[32]
林中立, 徐涵秋, 陈弘. 中国东部沿海三大城市群热岛变化及其与城市群发展的关系[J]. 环境科学研究, 31(10): 1695-1704.

Lin Zhongli, Xu Hanqiu, Chen Hong. Urban heat island change and its relationship to the urbanization of three major urban agglomerations in China’s eastern coastal region. Research of Environmental Sciences, 2018, 31(10): 1695-1704.

[33]
Gong P, Li X, Wang J. Annual maps of global artificial impervious area (GAIA) between 1985 and 2018[J]. Remote Sensing of Environment, 2019: 236

[34]
乔治, 黄宁钰, 徐新良. 2003—2017年北京市地表热力景观时空分异特征及演变规律[J]. 地理学报, 2019, 74(3) 475-489.

DOI

Qiao Zhi, Huang Ningyu, Xu Xinliang. Spatio-temporal pattern and evolution of the urban thermal landscape in metropolitan Beijing between 2003 and 2017. Acta Geographic Sinica, 2019, 74(3) 475-489.

DOI

[35]
Peng J, Xie P, Liu Y. Urban thermal environment dynamics and associated landscape pattern factors: A case study in the Beijing metropolitan region[J]. Remote Sensing of Environment, 2016, 173: 145-155.

DOI

[36]
Sun Y W, Gao C, Li J L. Evaluating urban heat island intensity and its associated determinants of towns and cities continuum in the Yangtze River Delta Urban Agglomerations [J]. Sustainable Cities and Society, 2019, 50(101659): 1-9.

[37]
Chen L, Ren C Y, Zhang B. Quantifying urban land sprawl and its driving forces in Northeast China from 1990 to 2015[J]. Sustainability, 2018, 10(188) 1-18.

[38]
Kuang W, Chi W, Lu D. A comparative analysis of megacity expansions in China and the U. S: Patterns, rates and driving forces[J]. Landscape & Urban Planning, 2014, 132: 121-135.

[39]
Kuang W, Zhang S, Li X. A 30 m resolution dataset of China’s urban impervious surface area and green space, 2000–2018[J]. Earth System Science Data, 2021, 13(1) 63-82.

DOI

[40]
Fang J Y, Chen A P, Peng C H. Changes in forest biomass carbon storage in China between 1949 and 1998[J]. Science, 2001, 292(5525) 2320-2322.

DOI

[41]
Wang F, Ge Q, Wang S. A new estimation of urbanization’s contribution to the warming trend in China[J]. Journal of Climate, 2015, 28(22) 8923-8938.

DOI

[42]
Christen A, Vogt R. Energy and radiation balance of a central European city[J]. International Journal of Climatology, 2004, 24: 1395-1421.

DOI

[43]
Uwe W, Wilhelm K. The dependence of the urban heat island intensity on latitude: A statistical approach[J]. Meteorologische Zeitschrift, 2005, 14(5) 677-686.

DOI

[44]
Zhao L, Lee X, Smith R B. Strong contributions of local background climate to urban heat islands[J]. Nature, 2014, 511(7508) 216

DOI

[45]
曹畅, 李旭辉, 张弥. 中国城市热岛时空特征及其影响因子的分析[J]. 环境科学, 2017, 38(10) 3987-3997.

Cao Chang, Li Xuhui, Zhang Mi. Correlation analysis of the urban heat island effect and its impact factors in China. Environmental Science, 2017, 38(10) 3987-3997.

[46]
Wang P, Luo M, Liao W. Urbanization contribution to human perceived temperature changes in major urban agglomerations of China[J]. Urban Climate, 2021, 38(100910) 1-13.

Options
文章导航

/

〈 〉