EN中文

SCIENTIA GEOGRAPHICA SINICA >

2023 , Vol. 43 >Issue 2: 360 - 369

DOI: https://doi.org/10.13249/j.cnki.sgs.2023.02.017

Relationship between urban spatial morphology factors and land surface temperature in summer: A case of the central district of Tianjin

  • Song Xinbo ,
  • Li Gen ,
  • Liang Dongpo ,
  • Huang He ,
  • Guo Jun
Expand
  • Tianjin Climate Center, Tianjin 300074, China

Received date: 2021-10-27

  Revised date: 2022-02-12

  Online published: 2023-02-20

Supported by

National Key Research and Development Program of China(2018YFA0606300)

Copyright

Copyright reserved © 2023.
Fold

Abstract

This study uses RS and GIS technique to invert key spatial morphology factors and land surface temperature in the central district of Tianjin. Based on linear regression model and the Cubist model, an in-depth analysis of the relationship between spatial morphology factors (i.e. building density, floor area ratio, building height, and sky view factor) and land surface temperature is accomplished, and the thresholds of key morphology factors are clarified. This study finds that: 1) There is a piecewise linear relationship between building height and land surface temperature, and the response threshold for the mutant change is 13.5 meters; There is a linear negative correlation between sky view factor and land surface temperature. Both building density and floor area ratio show a linear positive correlation with land surface temperature. 2) The Cubist model delineates threshold of building density as 13% and sets the threshold of building height as 9.9 meters. Three sub-rules are established: Rule 1 shows that building density is a positive contributing factor for low development intensity scenarios; Rule 2 shows floor area ratio is a positive contributing factor for medium development intensity scenario; Rule 3 shows that building density and floor area ratio belong to the positive contributing factors, while building height and sky view factor are negative contributing factors for high development intensity scenarios. 3) The Cubist model is more applicable than the global regression model, and it establishes a linear relationship between independent variables and dependent variables for subarea representing different rules which is partitioned by the thresholds of independent variables.

Key words： spatial morphology; land surface temperature; Cubist model; heat island effect; central district of Tianjin; response threshold

Cite this article

Song Xinbo , Li Gen , Liang Dongpo , Huang He , Guo Jun . Relationship between urban spatial morphology factors and land surface temperature in summer: A case of the central district of Tianjin[J]. SCIENTIA GEOGRAPHICA SINICA, 2023 , 43(2) : 360 -369 . DOI: 10.13249/j.cnki.sgs.2023.02.017

随着中国城镇化的迅速发展，建成区不仅在二维平面上扩张，还在垂直高度上不断延伸发展，影响着地表能量平衡和气流运动，从而改变热场空间分布，加剧城市热岛效应[1]。城市热岛效应作为一种典型的“城市病”，对其表征、影响机理以及相应的缓减策略已经成为众多学者关心的研究领域[2-4]。
城市热岛影响要素可分为自然要素、空间要素、社会经济要素3类。自然要素包括气候、地形地貌等条件，空间要素包括土地利用、空间形态等，社会经济要素包括人口，产业经济等社会经济方面。空间形态指城市要素空间组成形式及分布特征[5]，直接影响局地微气候、地表能量平衡和空气流动，是地表温度（Land Surface Temperature，LST）最重要的决定因素之一。通过合理优化调控城市空间形态来缓解城市热岛成为提升城市宜居性的一种重要措施[6]，其中较为常用且与热岛密切相关的空间形态指标包括建筑密度（Building Density，BD）、建筑高度（Building Height，BH）、容积率（Floor Area Ratio，FAR）和天空开阔度（Sky View Factor，SVF）[7-10]。目前，学者已经开展了城市空间形态与LST关系研究，主要围绕景观格局指数[11-12]、三维空间形态指数[13-14]、生态冷源空间分布状况[15-17]展开。有学者研究了通武廊地区建成区在三维空间上的扩张规律及其对LST的影响，发现建筑会对附近地表带来阴影和能量交换的差异，LST变化明显[18]。还有学者认为城市内建筑物的几何空间特征影响地表热场格局[19-20]。蔡智等以典型山地城市重庆为例，依据Local Climate Zone分区方案对城市空间形态进行分类，研究发现FAR、BD、BH与LST正相关[21]。为了揭示空间形态对地表热环境影响的时空依赖性，Berger等通过研究比较柏林和科隆2个城市形态与地表温度的关系，发现地理区位、城市发展水平及土地利用方式是不同城市间作用规律差别的重要影响因素[22]。
城市三维空间形态与LST关系研究主要采用全局线性相关分析[23-24]，即以空间形态指标为自变量，将LST设定为因变量，得到二者的线性关系。近年来有学者发现城市空间形态与LST表现出一定程度的非线性特征。Guo等认为SVF、BD等空间形态指标均与LST存在非线性关系[25]，Yu等研究发现低矮建筑和高层建筑有一定降温作用，而中等高度建筑则有助于LST的升高[26]。随着高密度城市建设的不断推进，FAR、BD等指标与LST的全局线性关系已经不能满足气候宜居型城市和精细化管理的要求，当前亟需厘清空间形态对LST的复杂影响及二者关系发生变化的临界阈值[27]。因此，针对这一问题，本文利用线性回归模型及Cubist模型尝试开展城市空间形态对LST的影响研究，以期厘清LST与空间形态的关联机理，为优化空间形态、缓解城市热岛效应提供科学参考，从而有助于从理论层面丰富空间形态与LST影响机制的探索，在实践层面为推进中国新型城镇化建设、提高城市应对气候变化能力提供一种具有实践指导意义的空间形态优化途径。

1 研究区与研究方法

1.1 研究区概况

天津市中心城区是天津文化、教育、政治、经济、商业中心，在发展演变过程中形成了鲜明形态特征的城市功能区，其中内环线与中环线以里分布着众多社区、商业中心和城市公园，充分体现了以生活功能为主，兼具交通、商业、景观功能的规划理念；快速路之外以工业生产和交通功能为主，主要的工业园区、城市绿地均分布于此。为了便于分析，设定内环线以里为第一圈层，内环线−中环线之间为第二圈层，中环线−快速路之间为第三圈层，快速路以外为第四圈层（图1）。
图1 天津市中心城区位置

Fig. 1 Location of the central district of Tianjin

1.2 数据来源

天津中心城区矢量建筑数据来源于高德地图，包含了建筑层数属性，主要用于空间形态指标的估算。假定每层建筑高度为3 m，建筑高度可通过建筑层数计算得到。将建筑数据重投影、剔除孤立建筑要素及矢栅转换后得到空间分辨率为10 m的建筑栅格数据。
Landsat 8 OLI/TIRS卫星遥感资料：选取2018年6月20日、2018年8月23日、2019年8月17日、2020年8月28日、2021年6月3日和2021年6月19日Landsat 8 OLI/TIRS晴空卫星影像，条带号和行编号分别为122/33，过境时刻均为上午10：47左右，来源于USGS官网（https://earthexplorer.usgs.gov）。利用ENVI软件进行辐射定标、大气校正和裁剪等处理后，主要用于地表温度的反演。
地表温度实测数据：天津中心城区及周边地区气象站点地表温度数据，来源于全国综合气象信息共享平台（China Integrated Meteorological Information Sharing System，CIMISS）。包括城市气候站、津南站、东丽站、北辰站和西青站临近卫星过境时刻的地表温度实测数据，主要用于LST遥感反演结果的验证。气象站点空间位置见图1。

1.3 研究方法

1.3.1 地表温度遥感反演

本文通过大气校正法反演地表温度，其基本原理是首先估算大气对地表热辐射的影响，然后再把这部分大气热辐射量从卫星观测到的热辐射总量中减去，从而得到地表热辐射强度，再将其转化成LST[28]。估算出每期影像的LST后，再计算多期结果的平均值作为夏季LST。

1.3.2 空间统计与分析

本文创建符合社区尺度的600 m边长基本单元的网格[29]，并统计提取每个基本网格的平均LST、BD[30]、FAR[31]、BH、SVF[32]。BH通过ArcGIS软件分区统计工具计算得到。

1.3.3 空间形态对地表温度影响研究

为了探索空间形态对LST的作用，将LST设为因变量，BD、FAR、BH、SVF设为自变量，利用线性回归模型和Cubist模型分析各指标的热环境效应。
Cubist模型是由RuleQuest公司开发的一种决策树算法，该模型通过不断分裂节点，对节点上的样本建立线性模型。从树的根节点到每个叶节点的判决路径对应一条决策规则。之所以选择Cubist模型，正是它的一些优点：① 回归过程相当于将样本空间划分成若干长方形子区域，对每个子区域建立线性模型，整体上构成非线性模型。② 更好地处理不同条件下自变量对因变量影响能力差异问题。③ 可以评价自变量的重要性。

2 结果分析

2.1 地表温度遥感反演结果精度验证

利用临近卫星过境时刻的气象站点实测LST数据验证反演结果（图2），从图中可以看出，拟合的线性趋势线斜率为0.939，决定系数达到0.84，说明总体上本研究遥感反演LST与实测LST有较好的一致性，反演精度基本满足要求。
图2 遥感与实测地表温度对比

Fig. 2 Comparison between remote sensing and measured LST

2.2 夏季地表热环境与空间形态分布格局

利用2018—2021年夏季LST求平均，然后利用ArcGIS软件聚合至社区尺度后，按均值−标准差法将温度场分为极低温区、低温区、较低温区、中温区、较高温区、高温区和极高温区（图3）。地表热场呈现城市中心高，四周郊区低的空间格局，第一圈层、第二圈层出现大面积高温地带；第三圈层高温区、较高温区和极高温区成片分布；第四圈层水体/公园绿地附近出现低温区，有明显的降温作用，而东北部工业园出现极高温区。
图3 天津市中心城区夏季平均地表温度空间分布

Fig. 3 The spatial distribution of average LST in central district of Tianjin in summer

统计第一圈层、第二圈层、第三圈层、第四圈层及研究区总体各分区像元面积比例（表1）。结果表明，各分区在不同圈层分布水平存在差异：第一圈层、第二圈层面积比例最大的是较高温区，占比为42.69%~51.59%；但是第三圈层、第四圈层和研究区总体面积比例最大的是中温区，占比为38.41%~39.45%；第一圈层主要LST分区为较高温区、中温区和高温区，而其他圈层主要LST分区均为较高温区、中温区和较低温区；各圈层中间分区面积占比高，高温、低温“两极”分区面积占比较低，呈单峰分布态势。
表1 不同研究范围内温度分区面积比例

Table 1 Area proportions of LST zones in different research scopes

地表温度分区 地表温度区间/℃ 面积比例/%
第一圈层 第二圈层 第三圈层 第四圈层 研究区总体
极低温区 <33.91 0.00 0.00 0.68 1.96 1.30
低温区 33.91~35.79 0.00 0.61 2.60 9.23 6.06
较低温区 35.79~37.68 8.04 9.18 11.81 30.53 22.02
中温区 37.68~39.57 34.18 34.03 38.68 39.45 38.41
较高温区 39.57~41.46 42.69 51.59 36.92 15.17 26.80
高温区 41.46~43.35 15.09 4.58 9.00 3.40 5.16
极高温区 >43.35 0.00 0.00 0.32 0.26 0.24
提取天津城区BH、BD、FAR、SVF的平均值（图4）。从图4a可以看出BH高值区主要位于第一圈层、第二圈层中部以及南部；BH低值区主要位于第四圈层公园绿地、正在建设的地块和工业园区。由图4b可知BD高值区主要位于研究区内老旧居民区、工业园区；BD低值区大多位于第四圈层公园、水体以及高层住宅区。图4c中FAR高值集中分布于第一圈层及第二圈层大部地区；第二圈层以外地区开发程度较低，FAR明显下降。从图4d发现SVF分布特征与容积率几乎完全相反：第一圈层、第二圈层高层建筑林立，成为SVF低值区，而第三圈层、第四圈层高层建筑较少，成为SVF高值区。同时统计发现区域开发强度不同，空间形态也有显著差异，第一圈层开发强度最大，FAR、BD和BH最高，SVF最低；圈层越靠外，开发强度越小，FAR、BD和BH逐步降低，SVF逐步升高。
图4 天津市中心城区建筑高度（a）、建筑密度（b）、容积率（c）、天空开阔度（d）分布

Fig. 4 The spatial distributions of BH (a), BD (b), FAR (c) and SVF (d) in central district of Tianjin

2.3 空间形态同地表温度的关系

2.3.1 基于线性回归模型分析

为了揭示空间形态与LST间的关系，基于线性回归模型进行分析（图5）。如图5a所示，BH同LST之间基本符合2段线性分布规律，二者关系发生突变的响应阈值为13.5 m：当BH小于13.5 m时，城区35.9%的区域BH与LST正相关；而BH大于13.5 m时，64.1%的区域BH与LST负相关。此外，比较离散系数发现当BH高于13.5 m时，土地开发强度也相应上升，受人为热排放、空间形态及配套绿化景观等因素综合影响，LST分异性有所增加。图5b中，SVF与LST负相关，SVF每变化1%，LST变化约0.17℃。图5c表明BD与LST正相关，每当BD变化1%，LST变化约0.12℃。从图5d可知，FAR与LST正相关，每当FAR变化1%，LST变化约0.024℃。从上述结果来看，空间形态与LST表现出一定的非线性关系，有必要利用Cubist模型梳理空间形态指标响应阈值，探索不同区间空间形态与LST的关联性。
图5 天津市中心城区建筑高度（a）、天空开阔度（b）、建筑密度（c）、容积率（d）与地表温度的关系

Fig. 5 The relationships between BH (a), SVF (b), BD (c), FAR (d) and LST in central district of Tianjin

2.3.2 基于Cubist模型回归分析

选取841个样本点作为训练样本，余下211个样本点作为测试样本，利用Cubist模型分析2018—2021年夏季平均LST与空间形态关系。利用测试样本对结果进行精度评价发现，LST的估计值与实际值相关系数为0.77，说明Cubist模型能真实反映城市空间形态对LST的影响。从表2可知检测的4种空间形态参数均达到显著影响并被纳入Cubist模型参数：BD、BH不仅因为较高的条件贡献率而被模型筛选为主控变量，而且在子模型中也承担重要角色；尤其是BD作为模型自动优先选择出第一个分裂节点变量，表明BD与LST的关系可能更加密切。虽然FAR子模型贡献率高达60%，但没有成为模型主控变量，表明FAR并非影响LST变化的关键变量；SVF没有成为主控变量，子模型贡献率也仅为41%，说明其对LST的影响最低。
表2 不同空间形态因子在Cubist模型中的条件贡献与模型贡献

Table 2 Condition and submodel contribution of different morphology factors in Cubist model

因子 条件贡献/% 子模型贡献/%
　　注：空白处为无此项。
建筑密度（BD） 100 81
建筑高度（BH） 60 41
容积率（FAR） 60
天空开阔度（SVF） 41
Cubist模型的结构可以表示成一系列if-then形式的决策规则，转化成相应的数学表达式如下。
$ {T}_{\mathrm{s}}=\left\{ {\begin{array}{*{20}{l}}{7.2×D+36.81 \quad D\leqslant 13{\text{{\text{\%}}}} }&{ 规则1 }\\ { 2.52×F+37.51 \quad H\leqslant 9.9且D > 13{\text{{\text{\%}}}} }&{规则2 }\\ { 11.4×D-0.144×H-11×V+0.16×F+48.88 \quad H > 9.9且D > 13{\text{{\text{\%}}}} }&{ 规则3 }\end{array}} \right. $
式中，D代表BD，F代表FAR，H代表BH，V代表SVF。Cubist模型依据2个主控变量值的范围，选取子模型变量与LST建立线性关系，阈值前后关键空间形态指标及其对LST影响程度均发生变化。具体来看，当BD小于等于13%时，LST通过规则1估算；当BD大于13%时，模型再依据第二个主控变量BH是否大于9.9 m来按规则2路径或规则3路径计算LST。规则1以BD为主控变量，当BD $ \leqslant $ 13%时，LST主要受BD的影响，BD每变化1%，LST相应变化约0.07℃。规则1表明低开发强度场景建筑物数量少，绿地、水体众多，BD对LST的影响显著。规则2以BD和BH为主控变量，揭示了在中等开发强度场景的LST影响机制：FAR每增加1%，LST升高约0.02℃，表现出对LST正向促进作用；规则3体现高开发强度场景的LST影响规律：BD每变化1%，LST变化约0.11℃，成为最显著的影响因素；SVF次之，表现出较强的降温作用；FAR与LST正相关，升温作用较弱；BH与LST负相关，BH每变化1 m，LST变化约0.14℃。
为了直观展示Cubist模型各子规则的影响范围，依照Cubist模型主控因子的阈值将研究区划分为不同规则子区（图6）。与空间形态空间分布类似，规则子区呈现“圈层”结构：最外层为代表低开发强度区域的规则1子区，次外层为代表中等开发强度区域的规则2子区，最里层为代表高强度开发区域的规则3子区。规则子区“圈层”式分布格局体现天津中心城区空间形态布局，也反映了天津城区的单核发展格局。
图6 天津市中心城区不同规则子区空间分布

Fig. 6 The spatial distribution of subareas representingdifferent rules in central district of Tianjin

通过图7分析各规则子区的分布状况，总体来看，规则3子区面积比高达46.0%；规则1子区次之，面积比为32.1%；规则2子区面积占比最低，仅为21.9%。从各圈层统计结果看，第一圈层主要为规则3子区，面积占比高达98.1%，其余1.9%的面积均为规则1子区；第二圈层以规则3子区为主，面积占比高达82.0%。第三圈层仍以规则3子区为主，但其面积占比下降为60.5%；第四圈层变为以规则1子区为主，面积占比为46.0%。从内圈层到外圈层，规则3子区面积占比逐步降低，由98.1%降至26.9%；规则2子区面积占比小幅升高，由0%升高至27.1%，规则1子区面积占比大幅上升，从1.94%升至45.6%。
图7 天津市中心城区不同规则子区在各圈层所占比例

Fig. 7 The proportions of subareas representingdifferent rules in each circle layer in central district of Tianjin

比较Cubist模型结果与线性回归结果发现：线性回归结果说明BH与LST之间符合2段线性趋势，二者关系发生突变的阈值约为13.5 m；而Cubist模型结果表明，BH的阈值约为9.9 m，仅在高开发强度下与LST显著负相关。相比于传统回归方法，Cubist模型从多个空间形态指标筛选BH作为主控变量并给出相应阈值，可能更符合实际情况。从线性回归结果易得到SVF与LST负相关的结论；而Cubist模型结果表明高开发强度场景下SVF与LST负相关。线性回归结果反映BD与LST正相关关系，且无法确定响应阈值；而Cubist模型结果明确BD阈值为13%，其在低、高开发强度场景下对LST均产生显著影响，而在中开发强度下影响不显著。线性回归结果中FAR与LST正相关，而Cubist模型结果中FAR对LST的影响却有明显变化：FAR在低开发强度场景对LST影响不显著，在高开发强度场景对LST产生的影响有限，但是中开发强度下表现出对LST较强的影响。Cubist模型与传统回归模型得到的结论较为一致，但Cubist模型模拟场景多，更具有实际意义。

3 讨论

从图5可知，在空间形态指标取值接近的情况下，LST值却呈现明显的差异，说明LST不仅与空间形态相关，可能还与其他因素相关。结合图3发现绿地、水体等生态冷源附近LST较低，表明其具有显著的降温效应。这与孔繁花关于绿地水体具有明显的增湿降温作用的结论相一致[33]。也有学者比较空间形态指标、绿地水体分布等因素影响LST的显著程度。Zheng等研究认为建筑高度对LST的影响要大于植被[9]。Srivanit等分析了容积率、建筑覆盖率、开敞空间率等三维空间指标与二维指标绿地率、水体面积比率对LST的影响，认为三维空间指标对地表温度的影响更大[34]。Chun等基于空间回归模型开展形态指标对LST影响研究，发现三维形态指标的影响程度高于植被指标[35]。因此相较于空间形态指标，水体、植被对LST影响较小。从图3发现人为热的排放也显著影响热环境，第四圈层工业园区植被覆盖较少，工厂排放大量废渣、废水、废气，向周围环境释放热量，导致园区LST甚至高于市中心LST。这在其它学者的研究中得到印证，如韩贵锋等指出人类活动以工业生产、居民生活释放的污染物、汽车排放的尾气等多种形式直接或间接影响着城市热环境[36]。谢苗苗等也认为人类活动除了直接改变下垫面影响能量传输过程之外，通过各种途径释放到城市环境中的热量亦是形成热岛效应的重要因素[37]。
本文利用线性回归模型分析发现，BD、FAR与LST显著正相关，在重庆地区的研究也有类似发现[21]。同时在关于SVF与LST关系的研究中，Scarano等通过全局回归分析发现SVF对LST有促进作用，在微观尺度上二者关系还受建筑材料、人为热、湿度等要素的影响，而在宏观尺度上受其他要素影响较小[7]。本文采用不同的数据处理方法，在600 m尺度回归分析SVF对平均LST的影响，发现二者负相关。本文揭示BH对LST双向作用，若BH小于13.5 m，建筑投射的阴影较少，降温作用有限，BH同LST正相关。若高度大于13.5 m，建筑投射的阴影带来的降温作用占主导，BH同LST负相关。该结论基于天津市建筑高度特征统计得出，可能只适用于天津地区，与其它地区的研究结果——BH与LST之间存在负相关关系[1,9]明显不同。本文通过线性回归分析还发现4个圈层BH同LST关系发生转折的阈值不相同：第一圈层高层建筑集中分布，相互遮蔽，BH大多高于13 m，与LST呈线性负相关，并没有明显阈值。第二、三、四圈层BH与LST呈“上升−平台−下降”三段式关系，二者之间存在一个阈值区间（约10~20 m），若BH低于这个阈值区间，表现为正相关；若BH高于这个阈值区间，表现为负相关；而在这个阈值区间内LST变化很小，BH对LST作用方向不明晰。这可能跟研究尺度有关，尺度越小，LST变化越小，BH阈值越不明确；反之，尺度越大，LST变化也越大，BH阈值也就更明确，这也意味着城市尺度和街道尺度的研究结果可能完全不一样。此外，Guo等也利用Cubist模型探索了广州市BH、BD等空间形态热环境效应[38]，与本文研究结果比较发现不同城市的空间指标响应阈值有显著差异，可能原因有两点：一是城市地理区位不同，气候条件、社会经济条件等背景变量存在差异。二是研究基本尺度不一致，一些学者证实空间形态与地表温度关系存在着明显的时空效应[1,39]，即使在同一城市，不同的研究尺度也会得出完全不一样结论。本文对空间形态指标——建筑密度、建筑高度、建筑容积率、天空开阔度的热环境效应影响机理展开研究，得到一些有意义的结论；也存在一些不足，一是没有比对不同基本研究尺度下空间形态热环境效应，二是并未比较不同区位城市之间作用规律，需要在今后的工作中进一步深入研究。

4 结论

通过线性回归发现BH与LST符合两段线性分布规律，发生突变的阈值为13.5 m；SVF与LST负相关；BD、FAR与LST正相关。此外，利用Cubist模型明确了关键形态指标响应阈值，并将研究区按阈值划分成3种规则子区，规则1表明低开发强度场景BD对LST产生显著影响。规则2表明中等开发强度场景FAR对LST影响显著。规则3体现高开发强度场景LST影响规律：BD、FAR与LST正相关，SVF、BH与LST负相关。相比于线性回归模型，Cubist模型依据自变量阈值将研究区划分成不同子区域，并建立各子区形态特征与LST的线性关系，精度更高，适用性更好。因此，利用Cubist模型进行空间形态阈值识别可明晰社区尺度最优降温设计方式，科学制定城市基础设施空间规划，进而从城市空间形态角度减缓城市热岛效应，为建设气候友好型、能源节约型社会提供参考依据。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
周伟奇, 田媪钰. 城市三维空间形态的热环境效应研究进展[J]. 生态学报, 2020, 40(2): 416-427.

Zhou Weiqi, Tian Yunyu. Effects of urban three-dimensional momphology on thermal environment: A review. Acta Eicologica Sinica, 2020, 40(2): 416-427.

[2]
林中立, 徐涵秋. 基于LCZ的城市热岛强度研究[J]. 地球信息科学学报, 2017, 19(5): 713-722.

DOI

Lin Zhongli, Xu Hanqiu. A study of urban heat island intensity based on ''local climate zones''. Journal of Geoinformation Science, 2017, 19(5): 713-722.

DOI

[3]
Zhou Weiqi, Wang Jia, Cadenasso Mary L. Effects of the spatial configuration of trees on urban heat mitigation: A comparative study[J]. Remote Sensing of Environment, 2017, 195: 1-12.

DOI

[4]
黄亚平, 卢有朋, 单卓然, 等. 武汉市主城区热岛空间格局及其影响因素研究[J]. 城市规划, 2019, 43(4): 41-47.

Huang Yaping, Lu Youpeng, Shan Zhuoran et al. Study on spatial layout and influencing factors of heat island in the main urban area of Wuhan. City Planning Review, 2019, 43(4): 41-47.

[5]
崔胜辉, 徐礼来, 黄云凤, 等. 城市空间形态应对气候变化研究进展及展望[J]. 地理科学进展, 2015, 34(10): 1209-1218.

DOI

Cui Shenghui, Xu Lilai, Huang Yunfeng et al. Progress and prospect of study on urban spatial patterns to cope with climate change. Progress in Geography, 2015, 34(10): 1209-1218.

DOI

[6]
岳文泽, 刘学. 基于城市控制性详细规划的热岛效应评价[J]. 应用生态学报, 2016, 27(11): 3631-3640.

DOI

Yue Wenze, Liu Xue. Assessment on heat island effect based on urban regulatory planning. Chinese Journal of Applied Ecology, 2016, 27(11): 3631-3640.

DOI

[7]
Scarano M, Mancini F. Assessing the relationship between sky view factor and land surface temperature to the spatial resolution[J]. International Journal of Remote Sensing, 2017, 38(23): 6910-6929.

DOI

[8]
Yin C H, Yuan M, Lu Y P et al. Effects of urban form on the urban heat island effect based on spatial regression model[J]. Science of the Total Environment, 2018, 634: 696-704.

DOI

[9]
Zheng Z, Zhou W Q, Yan J L et al. The higher, the cooler? Effects of building height on land surface temperatures in residential areas of Beijing[J]. Physics and Chemistry of the Earth, 2019, 110: 149-156.

DOI

[10]
孙喆. 高密度城区形态要素对热环境的影响作用——以北京市五环内区域为例[J]. 生态环境学报, 2020, 29(10): 2020-2027.

Sun Zhe. Impact of urban morphology factors on thermal environment in high density urban areas: A case of Beijing within 5th ring road. Ecology and Environmental Sciences, 2020, 29(10): 2020-2027.

[11]
郭冠华, 陈颖彪, 魏建兵, 等. 粒度变化对城市热岛空间格局分析的影响[J]. 生态学报, 2012, 32(12): 3764-3772.

DOI

Guo Guanhua, Chen Yingbiao, Wei Jianbing et al. Impacts of grid sizes on urban heat island pattern analysis. Acta Ecologica Sinica, 2012, 32(12): 3764-3772.

DOI

[12]
刘丹, 于成龙. 城市扩张对热环境时空演变的影响——以哈尔滨为例[J]. 生态环境学报, 2018, 27(3): 509-517.

Liu Dan, Yu Chenglong. Urban expansion and its influence on spatio-temporal variation of thermal environment: A case study of Harbin City. Ecology and Environmental Sciences, 2018, 27(3): 509-517.

[13]
Chun B, Guhathakurta S. The impacts of three-dimensional surface characteristics on urban heat islands over the diurnal cycle[J]. The Professional Geographer, 2017, 69(2): 191-202.

DOI

[14]
潘玥, 廖明伟, 廖明, 等. 鄱阳湖核心流域地区城市地表形态的异质性对地表温度的影响研究[J]. 生态环境学报, 2017, 26(8): 1358-1367.

DOI

Pan Yue, Liao Mingwei, Liao Ming et al. Study on the impacts of urban morphology heterogeneity on land temperature in the core area of Poyang Lake. Ecology and Environmental Sciences, 2017, 26(8): 1358-1367.

DOI

[15]
陈康林, 龚建周, 陈晓越, 等. 广州城市绿色空间与地表温度的格局关系研究[J]. 生态环境学报, 2016, 25(5): 842-849.

Chen Kanglin, Gong Jianzhou, Chen Xiaoyue et al. The pattern relationship research of greenspace and surface temperature in Guangzhou City. Ecology and Environmental Sciences, 2016, 25(5): 842-849.

[16]
王耀斌, 赵永华, 韩磊, 等. 西安市景观格局与城市热岛效应的耦合关系[J]. 应用生态学报, 2017, 28(8): 2621-2628.

Wang Yaobin, Zhao Yonghua, Han Lei et al. Coupling relationship of landscape pattern and urban heat island effect in Xi'an, China. Chinese Journal of Applied Ecology, 2017, 28(8): 2621-2628.

[17]
郭宇, 王宏伟, 张喆, 等. 南京市热环境与地表覆被的时空尺度效应及驱动机制研究[J]. 生态环境学报, 2020, 29(7): 1403-1411.

Guo Yu, Wang Hongwei, Zhang Zhe et al. Spatio-temporal scale effect and driving mechanism of thermal environment and land surface cover in Nanjing. Ecology and Environmental Sciences, 2020, 29(7): 1403-1411.

[18]
Cai H Y, Xu X L. Impacts of built-up area expansion in 2D and 3D on regional surface temperature[J]. Sustainability, 2017, 9(10): 1-16.

[19]
Wong N H, Jusuf S K, Syafii N I et al. Evaluation of the impact of the surrounding urban morphology on building energy consumption[J]. Solar Energy, 2011, 85(1): 57-71.

DOI

[20]
Perini K, Magliocco A. Effects of vegetation, urban density, building height, and atmospheric conditions on local temperatures and thermal comfort[J]. Urban Forestry and Urban Greening, 2014, 13(3): 495-506.

DOI

[21]
蔡智, 韩贵锋. 山地城市空间形态的地表热环境效应——基于LCZ的视角[J]. 山地学报, 2018, 36(4): 617-627.

DOI

Cai Zhi, Han Guifeng. Assessing land surface temperature in the mountain city with different urban spatial form based on Local Climate Zone scheme. Mountain Research, 2018, 36(4): 617-627.

DOI

[22]
Berger C, Rosentreter J, Voltersen M et al. Spatio-temporal analysis of the relationship between 2D/3D urban site characteristics and land surface temperature[J]. Remote Sensing of Environment, 2017, 193: 225-243.

DOI

[23]
张海龙, 祝善友, 高玚, 等. 城市空间形态学参数与晴好天气下热岛强度关系[J]. 应用气象学报, 2016, 27(2): 249-256.

DOI

Zhang Hailong, Zhu Shanyou, Gao Yang et al. The relationship between urban spatial morphology paramenters and urban heat island intensity under fine weather condition. Journal of Applied Meteorological Science, 2016, 27(2): 249-256.

DOI

[24]
冯章献, 王士君, 金珊合, 等. 长春市城市形态及风环境对地表温度的影响[J]. 地理学报, 2019, 74(5): 902-911.

DOI

Feng Zhangxian, Wang Shijun, Jin Shanhe et al. Effects of urban morphology and wind conditions on land surface temperature in Changchun. Acta Geographica Sinica, 2019, 74(5): 902-911.

DOI

[25]
Guo G H, Wu Z F, Xiao R B et al. Impacts of urban bio-physical composition on land surface temperature in urban heat island clusters[J]. Landscape and Urban Plan, 2015, 135: 1-10.

DOI

[26]
Yu S Y, Chen Z Q, Yu B L et al. Exploring the relationship between 2D/3D landscape pattern and land surface temperature based on explainable Extreme Gradient Boosting Tree: A case study of Shanghai, China[J]. Science of the Total Environment, 2020, 725: 138229.

DOI

[27]
刘焱序, 彭建, 王仰麟. 城市热岛效应与景观格局的关联: 从城市规模景观组分到空间构型[J]. 生态学报, 2017, 37(23): 7769-7780.

Liu Yanxu, Peng Jian, Wang Yanglin. Relationship between urban heat island and landscape patterns: From city size and landscape composition to spatial configuration. Acta Ecologica Sinica, 2017, 37(23): 7769-7780.

[28]
Sobrino J A, Jiménez-Muñoz J C, Paolini L. Land surface temperature retrieval from Landsat TM5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440.

DOI

[29]
孙喆. 北京市第一道绿化隔离带区域热环境特征及绿地降温作用[J]. 生态学杂志, 2019, 38(10): 3496-3505.

Sun Zhe. Thermal environment characteristic and cooling effect of greenery in Beijing First Green Belt area. Chinese Journal of Ecology, 2019, 38(10): 3496-3505.

[30]
Zhou X L, Okaze T, Ren C et al. Evaluation of urban heat islands using local climate zones and the influence of sea-land breeze[J]. Sustainable Cities and Society, 2020, 55: 102060.

DOI

[31]
Pan X Z, Zhao Q G, Chen J et al. Analyzing the variation of building density using high spatial resolution satellite images: The example of Shanghai City[J]. Sensors, 2008, 8(4): 2541-2550.

DOI

[32]
Xu Y, Ren C, Ma P F et al. Urban morphology detection and computation for urban climate research[J]. Landscape and Urban Planning, 2017, 167: 212-224.

DOI

[33]
孔繁花, 尹海伟, 刘金勇, 等. 城市绿地降温效应研究进展与展望[J]. 自然资源学报, 2013, 28(1): 171-181.

DOI

Kong Fanhua, Yin Haiwei, Liu Jinyong et al. A review of research on the urban green space cooling effect. Journal of Natural Resources, 2013, 28(1): 171-181.

DOI

[34]
Srivanit M, Kazunori H. The influence of urban morphology indicators on summer diurnal range of urban climate in Bangkok metropolitan area, Thailand[J]. International Journal of Civil & Environmental Engineering, 2011, 11(5): 34-46.

[35]
Chun B, Guldmann J M. Spatial statistical analysis and simulation of the urban heat island in high-density central cities[J]. Landscape and Urban Planning, 2014, 125: 76-88.

DOI

[36]
韩贵锋, 蔡智, 谢雨丝, 等. 城市建设强度与热岛的相关性——以重庆市开州区为例[J]. 土木建筑与环境工程, 2016, 38(5): 138-147.

Han Guifeng, Cai Zhi, Xie Yusi et al. Correlation between urban construction and urban heat island: A case study in Kaizhou District, Chongqing. Journal of Civil, Architectural & Environmental Engineering, 2016, 38(5): 138-147.

[37]
谢苗苗, 王仰麟, 付梅臣. 城市地表温度热岛影响因素研究进展[J]. 地理科学进展, 2011, 30(1): 35-41.

Xie Miaomiao, Wang Yanglin, Fu Meichen. An overview and perspective about causative factors of surface urban heat island effect. Progress in Geography, 2011, 30(1): 35-41.

[38]
Guo G H, Zhou X Q, Wu Z F et al. Characterizing the impact of urban morphology heterogeneity on land surface temperature in Guangzhou, China[J]. Environmental Modelling & Software, 2016, 84: 427-439.

[39]
黄群芳. 城市空间形态对城市热岛效应的多尺度影响研究进展[J]. 地理科学, 2021, 41(10): 1832-1842.

Huang Qunfang. Effects of urban spatial morphology on urban heat island effect from multi-spatial scales perspectives. Scientia Geographica Sinica, 2021, 41(10): 1832-1842.

Options
Outlines

/

〈 〉