潘涛
, 杜国明, 董金玮
Pan Tao, Du Guoming, Dong Jinwei
中图分类号: P951
文献标识码: A
文章编号: 1000-0690（2016）11-1759-08
通讯作者:
收稿日期: 2015-11-10
修回日期: 2016-01-22
网络出版日期: 2016-11-10
版权声明: 2016 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：潘涛（1987-）,男,黑龙江绥化人,博士研究生,研究方向为城市资源环境遥感和生态系统模拟。E-mail:pantaohlj@163.com
展开
摘要
以哈尔滨市为例,基于2001年、2004年、2008年和2015年夏季Landsat TM 5 /OLI 8遥感影像为基础数据源,采用“单窗算法”遥感技术手段定量反演瞬时地表温度格局,并深入分析温度特征,分区差异和重心变化。研究表明：2001~2015年研究区温度增加1.44℃,平均温年增0.10℃,3时段（2001~2004年、2005~2008年、2009~2015年）年均温分别增加0.08℃、0.09℃、0.12℃,具有加速上升趋势;最高温增加2.74℃,始终位于香坊区,最低温基本恒定,始终位于道里区;2001~2015年极高、高、极低温度分区面积增加4.92 km2、104.07 km2、87.71 km2,年均增量均具有持续增加趋势,中、低分区面积减少110.61 km2、84.94 km2,具有波动降低趋势,极高、高、中、低分区格局总体按照城区-城乡结合地区-乡村的水平梯度扩展;地表温度重心向东偏南70.58°方向移动536.90 m,其中6个市辖区迁移方向和距离差异明显,表明地表能量移动方向和温度重新分布的活跃程度不同。总体来看,研究区地表温度上升明显,分区时空变化剧烈,能量的轨迹移动过程具有折返特征。
关键词：
Abstract
As a rapid urbanization region in Northeast China, Harbin City has experienced dramatic urban expansion in recent decades, followed by increased urban heat island (UHI) effects. In order to explore the UHI effects under such a rapid urbanization process, the mono-window algorithm and Landsat images was used to retrieve land surface temperature (LST) in Harbin City in summer of 2001, 2004, 2008, and 2015. We then analyzed general characteristics and regional discrepancies of urban heat effects as well as the trajectory of urban heat gravity center in the period. The results showed that: 1) the highest LST occurred in Xiangfang District and increased by 2.74℃ with an accelerated speed from 39.15℃ in 2001 to 41.89℃ in 2015; While the lowest temperature occurred in Daoli District and hardly changed (around 23.18℃). The average increment of LST was 0.10℃, specifically 0.08℃ during 2001-2004, 0.09℃ during 2005-2008, and 0.12℃ during 2009-2015 which showed increased warming rates. 2) The areas in the extremely high temperature, high temperature, and lowest temperature zones increased by 4.92 km2 and 104.07 km2 and 87.71 km2, respectively, with increasing speeds; While the medium temperature and low temperature zones decreased by 110.61 km2 and 84.94 km2 respectively. The extremely high temperature, high temperature, medium temperature and low temperature zones showed ring-structure from inside urban area, to suburb fringe area, to rural area in the outside. 3) Gravity center of LST moved by 536.9 meters to the south by east from 2001 to 2015; The diverse distances and directions in the gravity center trajectories showed different urban heat patterns in the six districts. In sum, the UHI effects in Harbin enhanced from 2001 to 2015, despite different levels of surface energy changes in varied districts.
Keywords：
自21世纪以来,中国经济高速增长和城市化进程不断加快,促使以水泥、柏油为主的硬化路面和钢筋混凝土结构建筑物大幅增加,引发城市功能、形态、环境面貌发生明显变化,尤其是地表下垫面与冠层结构的急剧改变导致城市热岛对区域热辐射能量平衡的影响正受到广泛关注[1,2]。城市热岛不仅影响居民的生产、生活,还成为阻碍城市发展与人类生存质量提高的重要原因,了解城市热岛的变化状况有助于提高人居环境,改善区域气候,促进城市的可持续发展[3]。
作为城市热岛的典型表征,地表温度已成为学者们通过自然学科去发现和解释城市化引发热环境的突破点,是城市扩张引发气候变化的关键性因素,更是构成城市生态环境不可或缺的内容[4]。全球尺度,地表温度在大气下界与地表的物质与能量交换、局地洋流循环等领域扮演重要角色[5]。局地范围,地表温度升高对城市近地面生态环境格局、水电能源消耗、居民人身健康带来的影响日益剧烈[6,7]。鉴于城市地表温度精确测量难度的艰巨性,陆面模式的遥感反演以其容易获取的遥感数据、便捷的遥感算法、快速而有效地反映现存现象等特点成为研究地表温度格局与过程的重要手段[8]。
目前,多数遥感模拟城市温度变化的研究主要集中在深圳[9]、上海[10]、西安、兰州[11]以及北京等地[12],对北方寒温带,特别是东北地区关注较少,尺度大多局限于建成区范围内,对建成区及其边缘区同步变化情境下的分析鲜有见闻,其内容多以对温度变化的分析为主,对能量过程的揭示不足。东北地区气候四季分明,夏季地表温度热效应明显,以哈尔滨建成区及其边缘区为研究区域,基于2001~2015年4期夏季Landsat TM 5/OLI 8影像,利用“单窗算法”定量遥感反演地表温度格局,深入剖析温度动态特征,探讨地表能量的变化趋势和再分布的活跃程度。可为东北地区城市热岛的研究提供参考,同时对夏季极端高温事件的预警具有现实意义。
哈尔滨市位于中国东北地区,是黑龙江的省会,中国东北部的政治、经济、文化、交通中心,地理坐标125°42′30′′E~130°10′27′′E,44°04′14′′N~46°40′43′′N。土地总面积约为5.38×104km2,其中市辖区面积1.02×104km2。地域辽阔,东部多山区及丘陵,山势不高。属中温带大陆性季风气候,1月平均气温-19℃,7月平均气温23℃。年降水量569.15 mm左右,降水主要集中在每年的6~9月之间[14],河流以松花江水系和牡丹江水系为主。研究范围包含松北区、道里区、道外区、南岗区、平房区、香坊区6个市辖区,这6个区已经包含建成区及周边城乡结合地区。区内常住人口453.25万人,实现国民生产总值2 666.7亿元[13],2001~2015年建设用地面积增加259.05 km2,占区域的比例由35.65%上升到48.06%,增幅12.41%。
2.1.1 影像来源
在USGS官网（http://glovis.usgs.gov/）检索2001~2015年夏季的Landsat TM5/OLI8（Path 118,Row 28）影像,获得日期为2001年7月27日、2004年8月20日、2008年8月15日和2015年7月18日4景影像,这4 d地表温度格局明显,影像质量较好,以这4 d为中心前后2 d内天气状况均为晴天,无风,气温接近,有利于降低反演误差,增强温度的可比性。
2.1.2 地表温度定量遥感反演方法
在参照相关研究的基础上[15],采用单窗算法对Landsat TM5的波段6进行地表温度陆面模拟,Landsat OLI 8有2个红外波段,即：波段10和波段11,参照相关研究[15],选取波段10进行反演,方程如下[16]：
式中
Landsat TM热辐射与灰度值之间的关系及亮度公式如下 [17]：
式中,gain为增益值,offset为偏移量,DN为landsat影像的灰度值; K1和 K2为常量,TM5中 K1= 60.766 W/(cm2·sr·um), K2=1 260.56 K;TM8中 K1= 774.89 W/(cm2·sr·um), K2=1 321.08 K。
在标准大气状态下大气平均作用温度（Ta）是地面附近气温（T0）的线性函数,根据地表温度估计方程5和6求大气平均作用温度 [18]：
文中基于植被覆盖（Pv）模拟地表比辐射率ε,参数如下：改进型归一化水体指数MNDWI,波段反照率ρλ,植被覆盖指数NDVI,植被覆盖度Pv,地表比辐射率ε[19]。
MNDWI = (Green-MIR)/(Green + MIR) （7）
式中,Green、MIR为影像的绿波段和中红外波段;π、ESUNa为常数, L为波段热辐射, d为日地距离,θ为天顶角的换算值;ρnir、ρr为近红外和红外波段反照率;NDVIs、NDVIv是裸土和植被的植被归一化指数 ;Rv,Rm为植被和城镇的温度比率,dz为修正值。
大气透过滤（τ）的变化主要取决于大气水分含量的变化,水分含量估算参考文献[20],主要方程为如下：
验证数据采用研究区内对应时间的气象站点卫星过境温度数据,基于DEM数字高程,矢量边界,Auspine模型差值,采用3×3像元法,随机生成70个训练样本,进行相关性分析,得出R2>0.75且P<0.01(图1)。
图1 地表温度实际值与模拟值拟合
Fig.1 Fitting of actual value and analog value in land surface temperature
结合相关研究[21]和实际地温状况,采用温度等间距方法确定各个温度区间,划为极低温(< 28℃)、低温[28~31℃)、中温[31~33℃)、高温[33~36℃)、极高温(≥36℃ )5个区。
一定历史时期内温度重心迁移轨迹能直观、形象地反映出地表能量分布变化的历史过程,其迁移方向表明能量空间分布演化的方向和趋势,移动距离表示能量再分布的活跃程度,通过对温度重心移动轨迹的研究,能够揭示地表能量分布空间变化的特征和原因。地表温度重心的地理坐标通过方程13求出,对应的移动方向和移动距离通过方程14和15求出,R为常数,取111.111[22]。
温度特征从最高温、最低温和平均温3个指标进行衡量（表1）。全域最高温增加2.74℃,年增0.20℃,始终位于香坊区。最低温在23.18℃左右微服浮动,始终位于道里区。平均温增加1.44℃,年增0.10℃,2001~2004年,2005~2008年,2009~2015年3时段年均温分别增加0.08℃、0.09℃、0.12℃,呈现加速上升趋势。这主要源于城乡居住区建设用地持续扩张,自然地表下垫面被人造地表代替,人造地表反照率小,热容量大,蒸发、蒸腾微弱,有利于太阳辐射存储所形成的增温效应。
根据“南拓”、“北越”、“中兴”、“强县”的城市空间发展战略,各区城市化进程不同,地表温度变化过程差异明显。最高温中香坊、南岗、道里、道外作为2001年以来涵盖建成区的市辖区,在2001年、2004年、2008年、2015年的温度差值在1℃以内,3个时段温度增加趋势基本一致,作为兴起后才涵盖建成区的松北与平房二区,与其它区在4个时点的温度差值由2.06℃逐步缩减至0.95℃,温度具有加速增加特征。最低温中道里、道外、松北因有松花江河流穿过,4个时点温度基本在23.20°C附近,波动范围0.10℃,而香坊、南岗、平房4个时点温度基本在24.15℃附近,波动范围0.15℃。平均温在各区的每个时段均具有不断增加趋势,南岗作为哈尔滨的重点商业区,人口密集,基础设施完善,建筑物密度较大,地表热传导强,2000~2015年平均温增加2.08℃。香坊作为重点发展区和南岗区与平房区的过渡地带,建设用地扩张剧烈,增温2.01℃。松北虽然是哈尔滨城市发展的“北越”区域,建设用地扩张较大,但其辖区范围较大,整体增温幅度并不明显, 增温1.28℃。道外与道里建设用地扩张相对较小,增温1.55℃左右。
表1 哈尔滨市地表温度总体特征（单位：℃）
Table 1 General characteristics of land surface temperature in Harbin (unit: ℃)
| 指标 | 年份 | 全域 | 香坊区 | 南岗区 | 平房区 | 道外区 | 道里区 | 松北区 |
|---|---|---|---|---|---|---|---|---|
| 最高温 | 2001 | 39.15 | 39.15 | 38.61 | 37.41 | 38.96 | 38.87 | 37.09 |
| 2004 | 39.49 | 39.49 | 38.81 | 38.27 | 39.25 | 39.15 | 37.74 | |
| 2008 | 40.06 | 40.06 | 39.83 | 39.52 | 39.87 | 39.77 | 38.68 | |
| 2015 | 41.89 | 41.89 | 41.86 | 41.34 | 41.64 | 41.74 | 40.94 | |
| 最低温 | 2001 | 23.17 | 24.22 | 24.28 | 24.02 | 23.18 | 23.17 | 23.27 |
| 2004 | 23.15 | 24.26 | 24.19 | 24.06 | 23.19 | 23.15 | 23.17 | |
| 2008 | 23.21 | 24.19 | 24.24 | 24.01 | 23.26 | 23.21 | 23.29 | |
| 2015 | 23.16 | 24.22 | 24.27 | 24.26 | 23.24 | 23.16 | 23.24 | |
| 平均温 | 2001 | 28.34 | 28.59 | 28.65 | 28.56 | 28.67 | 28.76 | 27.83 |
| 2004 | 28.58 | 28.74 | 28.89 | 28.80 | 28.88 | 29.00 | 27.92 | |
| 2008 | 28.93 | 29.31 | 29.67 | 29.23 | 29.29 | 29.45 | 28.15 | |
| 2015 | 29.78 | 30.60 | 30.73 | 30.42 | 30.23 | 30.31 | 29.11 |
图2表示地表温度地理空间信息,极高温区在城市内部填充式格局增多,高温区、中温区以城市为核心向外围不断增加,除极低温区基本分布于河流附近,极高温、高温、中温、低温总体按照城区-城乡结合地区-乡村的水平梯度扩展。从温度分区时间特征看,2001年极低温区面积28.10 km2,占全域的1.35%,集中分布于道里、道外、松北三区交界的松花江流域。低温区1 583.15 km2,占76.12%,是该地域分布最广的温度分区,呈现集中连片分布格局。中温度为372.25 km2,占17.91%,具有“点”“星”分布情形。高温区91.99 km2,占4.42%,集中于建成区及其周边城乡结合地区、平房区中北部、同时在河流西侧沿河两岸的裸土地带有少量零散分布。极高温区4.00 km2,占比仅为0.19%,集中于建成区中南和中北部。
到2015年极低温区增加87.71 km2,占比增幅4.41%,3时段具有不断上升趋势,这源于松花江流域哈尔滨段经过一系列水利工程使得河道面积大幅拓宽,其附近的支流、湖、泡、湿地沼泽区域增多（道外区北部更为明显）,加之道里区中部“立功水库”的修建和香坊区东南部林地种植。低温区减少84.94 km2,降幅4.12%,源于耕地资源用途非农化。中温区减少110.61 km2,降幅5.33%,源于松北区中北与西南部,道里区中部低植被覆盖地区开垦为耕地,植被覆盖增加,地表温度降低,进入低温区。高温区增加104.07 km2,增幅5.00%,3时段具有持续增加特征,分布范围由城区向外部扩张,源于城市化快速发展导致硬化路面与钢筋混凝土建筑物密度增多,温度提升,同时松花江西侧沿河两岸裸土高温范围由于河道拓宽和植被覆盖增多导致面积减少。极高温区增加4.92 km2,增幅0.24%,在城区中北和中南部居多,源于集中连片的道路、广场等所形成的高度聚温显热效应。
城市规模和工业用地的不断扩张,加之人口的快速增长,导致基础设施成摊大饼式发展,使得城区向外缘扩展幅度较大。总体呈现出南拓至平房区中部,北越过松花江流域,西展至道外区中部,东推至道里区中东部的格局,城区内部旧城区不断改造、新建筑群不断兴起,地表温度随建设用地扩张不断上升,重心不断变化（图3）。其中,2001~2004年以建设道外区和香坊区为主,重心向东南方向移动,2005~2008年以城区南拓至平房区为主,重心向西南方向移动,2009~2015年以完善平房区、新建松北区、改造旧城区为主,重心向东北方向移动。因此,地表温度重心向东偏南70.58°方向移动536.90 m,表明地表能量的空间变化趋势向东南迁移。
各区域地表温度重心迁移差异明显。道里区建设用地扩张集中在中北部,温度重心向东偏北14.07°方向移动1 364.32 m,具有方向小、距离长的特点。道外区发展向中部和北部延伸,重心向东偏北110.74°方向移动518.27 m。松北区发展主要集中在松花江北岸、辖区南部,原有的乡村聚落已经被城市建筑群代替,推动温度重心向南移动。中部和西南部的荒地被耕地取代,温度降低,推动重心向东移动,因而,温度重心向东偏南49.50°方向移动2 927.33 m。南岗区逐步向西南拓展,重心向东偏南120.63°方向移动848.87 m。香坊区除本身城区向南发展推动重心南移外,更多的受到城市发展战略的影响,其西部作为哈尔滨市“南拓”的必经区域,城市化速度较快,地表温度升温剧烈,推动重心向西移动,因此,重心向东偏南141.81°方向移动1 059.62 m。平房区向中部和西部发展,推动重心向东偏南161.28°方向移动539.06 m。各区重心迁移方向差异表明地表能量迁移趋势不同,迁移距离越长表明地表能量再分布的活跃程度越高。
图3 哈尔滨地表温度重心变化
Fig.3 Spatial variation information of gravity center of land surface temperature in Harbin
本文发现该地区地表能量重心经历了先大幅向南后小幅向北折返的变化轨迹,随着松北新区开发力度加大,地表能量重心具有进一步向北移动趋势,地表热环境会持续发生变化,并影响大气和水循环过程,该区域地表热环境变化对城市气候、生态环境的影响将成为后续研究的焦点;另外,由于Landsat TM影像数据源限制,文中研究时点局限于4期,未能充分阐释2001~2015年地表温度的变化规律,而气象数据在时间尺度上具有长序列、连续性的特点,但站点布网稀疏[23]。而基于Landsat TM影像、土地利用数据、气象数据,综合考虑植被覆盖指数、土地覆盖类型、降水、风速、气温等影响因子,构建基于Landsat TM反演温度与气象数据的拟合推算模型,可为开展逐年连续的、定量化的地表温度变化规律的研究提供新的途径。
采用单窗算法开展东北寒温带快速城市化地区地表温度变化特征研究,研究结论如下：
1） 2001~2015年增温1.44℃,平均温年增0.10℃,3时段分增0.08℃、0.09°C、0.12℃,具有加速上升趋势。各市辖区平均温年均值在4个时点均增加,其中,道外、道里、松北年均增量在0.09~0.11℃,而香坊、南岗、平房在0.13~0.15℃。
2） 极高温区、高温区、极低温区面积分别增加4.92 km2、104.07 km2、87.71 km2,年均增量均具有持续增加趋势（极高温区2008年除外）,中温区和低温区则减少110.61 km2、84.94 km2,年均变量具有波动降低趋势,除极低温区基本分布于河流附近,极高温、高温、中温、低温温度分区按照城区-城乡结合地区-乡村的水平梯度逐渐扩展。
3） 全域温度重心轨迹向东南（2001~2004年）、西南（2005~2008年）、东北（2009~2015年）方向移动,总体向东偏南70.58°方向移动536.90 m,地表能量具有向东南迁移趋势。各市辖区重心距离变化松北区、道里区、香坊区在1 000 m以上,温度再分布更为活跃,其它区在500~1 000 m之间。重心方向变化道里区、道外区为东偏北,而松北区、南岗区、香坊区、平房区为东偏南°,在能量重心变化的距离和方向上,适当增加植被种植,可提升人居环境。
The authors have declared that no competing interests exist.
| [4] |
Urban heat island modeling in conjunction with satellite-derived surface/soil parameters [J].https://doi.org/10.1175/1520-0450(1999)0382.0.CO;2 URL [本文引用: 1] 摘要
Although it has been studied for over 160 years, the urban heat island (UHI) effect is still not completely understood, yet it is increasingly important. The main purpose of this work is to improve UHI modeling by using AVHRR (Advanced Very High Resolution Radiometer) satellite data to retrieve the surface parameters (albedo, as well as soil thermal and moisture properties). In this study, a hydrostatic three-dimensional mesoscale model was used to perform the numerical modeling. The Carlson technique was applied to retrieve the thermal inertia and moisture availability using the thermal AVHRR channels 4 and 5. The net urban effect was determined as the difference between urban and nonurban simulations, in which urban parameters were replaced by rural parameters. Two winter days were each used for two numerical simulations: a control and an urban-to-rural replacement run. Moisture availability values on the less windy day showed generally a south to north gradient downwind of the city and urban values less than rural values (the urban dry island day). Moisture availability was higher on the windy day, with uniform values in the rural and urban areas (uniform soil moisture day). The only exceptions were variations in the rural hills north of the city and the low rural values under the polluted urban plume downwind of the city. While thermal inertia values showed no urban-rural differences on the uniform soil moisture day, they exhibited larger values over Atlanta than in surrounding rural area on the (less moist) dry island day. Two puzzling facts exist in the data: 1) lack of a north-south thermal inertia gradient on the dry soil day to correspond to its above-mentioned moisture availability gradient and 2) rural thermal inertia values do not change between both days in spite of their large difference in soil moisture. The observed lack of corresponding urban change is expected, as its thermal inertia values depend more on urban building materials than on moisture of soil. In both cases both the 2-m and surface skin UHIs showed positive values at night and negative values (an urban cool island, UCI) during the day. The larger nighttime 2-m UHI was on the dry day (0.8掳 vs 0.6掳C), while the larger daytime 2-m UCI was on the moist soil day (-0.3掳 vs -0.5掳C). Note that the surface differences were almost always greater than the 2-m differences. These day-night differences imply a rural thermal inertia lower than its urban values on both days, which is in conflict with the observations on the wet uniform soil moisture day. On the uniform thermal inertia day (wet day), both the UHI and UCI amplitudes should be less than on the other day, but this is not the case. A possible explanation for both of these conflicts is the improper influence of the urban plume on this day on lowering the thermal inertia and moisture availability values used in the replacement urban simulation.
|
| [5] |
城市绿地对周边热环境影响遥感研究——以北京为例 [J].https://doi.org/10.3969/j.issn.1674-5906.2014.02.011 URL [本文引用: 1] 摘要
城市绿地是缓解城市热环境效应问题的主要因素之一，它不仅在宏观 上影响城市区域尺度气候条件，而且在小区尺度直接影响到周边的热环境条件。本文从绿地景观格局的角度出发，利用遥感技术和地理信息技术，以北京市主城区的 城市绿地作为研究对象，以绿地周边建筑物作为热环境影响承载体中介，分析了影响建筑热环境的绿地的主要景观因子，开展了城市绿地对周边热环境的影响范围、 降温幅度以及绿地景观参数与降温幅度的相关关系研究。首先，从TM遥感影像上人工数字化选取了26个城市绿地斑块，同时提取了其周边建筑物像元；然后，基 于定量遥感理论反演了绿地和建筑物的温度，并利用GIS工具统计了绿地和建筑的景观格局信息；最后，基于空间统计分析方法和等温线周长-温度曲线变点方法 确定了城市绿地对周围建筑物热环境的影响范围，通过相关性分析探讨了城市绿地景观参数与其降温幅度之间的相关性。研究结果显示：（1）在100 m空间分辨率的尺度下，北京大部分城市绿地斑块对周边100 m范围内的建筑具有降温效应；面积在0.5 km2以上的绿地斑块，对周边100 m范围内建筑物具有明显降温效应，降温幅度在0.46~0.83℃之间，平均降温幅度为0.72℃；面积在0.5 km2以下的，具有较高植被覆盖度的绿地斑块有一定的降温效应，不具有较高植被覆盖度的绿地斑块降温效应不明显；（2）绿地斑块的周长、面积、形状指数和 植被覆盖度与其周边建筑物的降温幅度没有显著的相关性。该结果表明，绿地的面积无论多大，其对周边环境的降温效应都限制在一定空间范围内；在布设城市绿地 时分散型绿地比集中式大绿地对周边环境的总体降温效应更好。研究结果揭示了城市绿地对周边热环境影响的空间范围、降温幅度以及绿地景观参数与降温幅度的相 关关系，可为城市规划建设及环境评价等提供科学参考。
Liu Yonghong et al. Effect of urban green land on thermal environment of surroundings based on remote sensing:A case study in Beijing, China. https://doi.org/10.3969/j.issn.1674-5906.2014.02.011 URL [本文引用: 1] 摘要
城市绿地是缓解城市热环境效应问题的主要因素之一，它不仅在宏观 上影响城市区域尺度气候条件，而且在小区尺度直接影响到周边的热环境条件。本文从绿地景观格局的角度出发，利用遥感技术和地理信息技术，以北京市主城区的 城市绿地作为研究对象，以绿地周边建筑物作为热环境影响承载体中介，分析了影响建筑热环境的绿地的主要景观因子，开展了城市绿地对周边热环境的影响范围、 降温幅度以及绿地景观参数与降温幅度的相关关系研究。首先，从TM遥感影像上人工数字化选取了26个城市绿地斑块，同时提取了其周边建筑物像元；然后，基 于定量遥感理论反演了绿地和建筑物的温度，并利用GIS工具统计了绿地和建筑的景观格局信息；最后，基于空间统计分析方法和等温线周长-温度曲线变点方法 确定了城市绿地对周围建筑物热环境的影响范围，通过相关性分析探讨了城市绿地景观参数与其降温幅度之间的相关性。研究结果显示：（1）在100 m空间分辨率的尺度下，北京大部分城市绿地斑块对周边100 m范围内的建筑具有降温效应；面积在0.5 km2以上的绿地斑块，对周边100 m范围内建筑物具有明显降温效应，降温幅度在0.46~0.83℃之间，平均降温幅度为0.72℃；面积在0.5 km2以下的，具有较高植被覆盖度的绿地斑块有一定的降温效应，不具有较高植被覆盖度的绿地斑块降温效应不明显；（2）绿地斑块的周长、面积、形状指数和 植被覆盖度与其周边建筑物的降温幅度没有显著的相关性。该结果表明，绿地的面积无论多大，其对周边环境的降温效应都限制在一定空间范围内；在布设城市绿地 时分散型绿地比集中式大绿地对周边环境的总体降温效应更好。研究结果揭示了城市绿地对周边热环境影响的空间范围、降温幅度以及绿地景观参数与降温幅度的相 关关系，可为城市规划建设及环境评价等提供科学参考。
|
| [6] |
Golubiewski N E et al. Global change and the ecology of cities [J].URL PMID: 328212107202237524672292223222218258902811434278574140771185 [本文引用: 1] |
| [7] |
Downscaling AVHRR land surface temperatures for improved surface urban heat is-land intensity estimation [J].https://doi.org/10.1016/j.rse.2009.07.017 URL [本文引用: 1] 摘要
Surface urban heat island (SUHI) is a phenomenon of both high spatial and temporal variability. In this context, studying and monitoring the SUHIs of urban areas through the satellite remote sensing technology, requires land surface temperature (LST) image data from satellite-borne thermal sensors of high spatial resolution as well as temporal resolution. However, due to technical constrains, satellite-borne thermal sensors yield a trade-off between their spatial and temporal resolution; a high spatial resolution is associated with a low temporal resolution and vice versa. To resolve this drawback, we applied in this study four downscaling techniques using different scaling factors to downscale 1-km LST image data provided by the Advanced Very High Resolution Radiometer (AVHRR) sensor, given that AVHRR can offer the highest temporal resolution currently available. The city of Athens in Greece was used as the application site. Downscaled 120-m AVHRR LSTs simulated by the downscaling techniques, were then used for SUHI intensity estimation based on LST differences observed between the main urban land covers of Athens and the city's rural background. For the needs of the study, land cover information for Athens was obtained from the Corine Land Cover (CLC) 2000 database for Greece. Validation of the downscaled 120-m AVHRR LSTs as well of the retrieved SUHI intensities was performed by comparative analysis with time-coincident observations of 120-m LST and SUHI intensities generated from the band 6 of the Thermal Mapper (TM) sensor onboard the Landsat 5 platform. The spatial pattern of the downscaled AVHRR LST was found to be visually improved when compared to that of the original AVHRR LST and to resemble more that of TM6 LST. Statistical results indicated that, when compared to 120-m TM6 LST, the root mean square error (RMSE) in 120-m AVHRR LST generated by the downscaling techniques ranged from 4.9 to 5.3掳C. However, the accuracy in SUHI intensity was found to have significantly improved, with a RMSE value decreasing from 2.4掳C when the original AVHRR LST was utilized, down to 0.94掳C in case that downscaling was applied.
|
| [8] |
Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies [J].https://doi.org/10.1016/j.rse.2003.11.005 URL [本文引用: 1] 摘要
Remote sensing of urban heat islands (UHIs) has traditionally used the Normalized Difference Vegetation Index (NDVI) as the indicator of vegetation abundance to estimate the land surface temperature (LST)–vegetation relationship. This study investigates the applicability of vegetation fraction derived from a spectral mixture model as an alternative indicator of vegetation abundance. This is based on examination of a Landsat Enhanced Thematic Mapper Plus (ETM+) image of Indianapolis City, IN, USA, acquired on June 22, 2002. The transformed ETM+ image was unmixed into three fraction images (green vegetation, dry soil, and shade) with a constrained least-square solution. These fraction images were then used for land cover classification based on a hybrid classification procedure that combined maximum likelihood and decision tree algorithms. Results demonstrate that LST possessed a slightly stronger negative correlation with the unmixed vegetation fraction than with NDVI for all land cover types across the spatial resolution (30 to 960 m). Correlations reached their strongest at the 120-m resolution, which is believed to be the operational scale of LST, NDVI, and vegetation fraction images. Fractal analysis of image texture shows that the complexity of these images increased initially with pixel aggregation and peaked around 120 m, but decreased with further aggregation. The spatial variability of texture in LST was positively correlated with those in NDVI and in vegetation fraction. The interplay between thermal and vegetation dynamics in the context of different land cover types leads to the variations in spectral radiance and texture in LST. These variations are also present in the other imagery, and are responsible for the spatial patterns of urban heat islands. It is suggested that the areal measure of vegetation abundance by unmixed vegetation fraction has a more direct correspondence with the radiative, thermal, and moisture properties of the Earth's surface that determine LST.
|
| [9] |
深圳特区表面温度空间分异特征 [J].https://doi.org/10.3321/j.issn:1000-0933.2007.04.028 URL Magsci [本文引用: 1] 摘要
快速城市化和人口急剧膨胀产生的热岛效应,强烈影响着城市居民生 活工作的舒适度,是一种环境恶化的表现.它不仅造成城市上空污染物质的聚集、降雨量的减少等各种环境问题,而且导致城市区域内动植物行为特征的改变.因 此,有必要定量分析城市的热岛效应,寻找出合理的植被配置状态减少负面影响.利用遥感数据,以我国第一个经济特区也是第一个在总体规划下创立的城市深圳特 区为研究区域,采用曲面分形维数、空间自相关方法研究了深圳特区当前植被配置状态下的热岛效应空间特征表达、主要驱动力和方向性问题.结果表明:城市热岛 效应显著,与道路主干道相一致,最高温度312.97K,最低温度285.80K;特区在东西向、南北向两个方向分别受到了城市扩展和地形约束的影响,呈 现出明显的热岛效应梯度;存在4个主要的高温区块,冷岛的面积也较大;曲面分形、空间自相关和温度变幅揭示出福田区仍然是特区城市化和人工干扰最强烈的区 域,土地利用破碎化严重,不同温度斑块呈离散分布,而盐田区由于区域发展政策和绿地建设不完善的原因呈现出较严重的连片高温区,表明城市植被分布位置在有 效减少连片高温区域出现以及随之带来的巨大危害方面的效能要强于面积;各方向的剖面变化和样带的曲面与空间自相关分析揭示出不同方向的人工干扰和城市化影 响,同时可以反映出一定的能流物流的通道.今后利用更高分辨率的红外遥感数据和地面物体高程数据可在城市表层不连续特征下更准确地计算表面温度,为城市能 量流动和动态模拟提供支持.
Li Nan et al. Spatial structure of the surface temperature in Shenzhen, China. https://doi.org/10.3321/j.issn:1000-0933.2007.04.028 URL Magsci [本文引用: 1] 摘要
快速城市化和人口急剧膨胀产生的热岛效应,强烈影响着城市居民生 活工作的舒适度,是一种环境恶化的表现.它不仅造成城市上空污染物质的聚集、降雨量的减少等各种环境问题,而且导致城市区域内动植物行为特征的改变.因 此,有必要定量分析城市的热岛效应,寻找出合理的植被配置状态减少负面影响.利用遥感数据,以我国第一个经济特区也是第一个在总体规划下创立的城市深圳特 区为研究区域,采用曲面分形维数、空间自相关方法研究了深圳特区当前植被配置状态下的热岛效应空间特征表达、主要驱动力和方向性问题.结果表明:城市热岛 效应显著,与道路主干道相一致,最高温度312.97K,最低温度285.80K;特区在东西向、南北向两个方向分别受到了城市扩展和地形约束的影响,呈 现出明显的热岛效应梯度;存在4个主要的高温区块,冷岛的面积也较大;曲面分形、空间自相关和温度变幅揭示出福田区仍然是特区城市化和人工干扰最强烈的区 域,土地利用破碎化严重,不同温度斑块呈离散分布,而盐田区由于区域发展政策和绿地建设不完善的原因呈现出较严重的连片高温区,表明城市植被分布位置在有 效减少连片高温区域出现以及随之带来的巨大危害方面的效能要强于面积;各方向的剖面变化和样带的曲面与空间自相关分析揭示出不同方向的人工干扰和城市化影 响,同时可以反映出一定的能流物流的通道.今后利用更高分辨率的红外遥感数据和地面物体高程数据可在城市表层不连续特征下更准确地计算表面温度,为城市能 量流动和动态模拟提供支持.
|
| [10] |
上海市土地利用空间格局与地表温度关系研究 [J].
以上海市外环内区域为研究对象,利用2011年TM和航空影像数据,研究城市土地利用类型、格局特征与地表热环境分异之间的关系。研究结果表明,城市不同土地利用类型的地表温度差异较大,平均地表温度最低的是河流,为23.12℃;最高的为工业用地,为35.89℃。工业用地、道路广场用地和居住用地等的平均地表温度明显高于河流、公园和林地的平均地表温度。从各种土地利用类型在不同温度等级的分布情况来看,低温区主要由河流和公园构成,分别占低温区总面积的70.05%和10.23%;高温区主要由工业用地、仓储用地和道路广场组成,分别占高温区总面积的78.15%、6.42%和5.58%,其中河流、湖泊和别墅式住宅均没有分布在高温区域内,说明水体、公园和林地具有明显的降温效应。尽管草地也具有一定的降温效应,但其降温效果没有水体、公园等明显。城市建筑物高度与地表温度的Pearson相关性结果表明,二者之间呈现显著的负相关性(Sig.=0.012),说明地表温度随着城市建筑物的增高而降低。新式住宅、别墅式住宅地表平均温度显著低于旧式住宅。研究城市土地利用空间格局特征与地表温度的关系表明,地表温度与斑块数、斑块密度等表现出极显著的相关性,与多样性指数、均匀度指数表现出显著的相关性。多元线性回归分析结果表明:不透水率、斑块聚集度和斑块数等共同作用,影响着城市的地表温度。其中对地表温度影响最为严重的是城市不透水率,其次是斑块的聚集程度,斑块的形状特征对地表温度影响程度稍弱。上述分析表明增加景观中绿地和水体比例,提高景观多样性与复杂度,借助绿化用地对不透水地表进行分割可以明显降低地表温度。该结论可用于城市格局优化、缓解城市热岛效应。
Bai Yang et al. Relationships between landscapes spatial pattern and land surface temperature in Shanghai.
以上海市外环内区域为研究对象,利用2011年TM和航空影像数据,研究城市土地利用类型、格局特征与地表热环境分异之间的关系。研究结果表明,城市不同土地利用类型的地表温度差异较大,平均地表温度最低的是河流,为23.12℃;最高的为工业用地,为35.89℃。工业用地、道路广场用地和居住用地等的平均地表温度明显高于河流、公园和林地的平均地表温度。从各种土地利用类型在不同温度等级的分布情况来看,低温区主要由河流和公园构成,分别占低温区总面积的70.05%和10.23%;高温区主要由工业用地、仓储用地和道路广场组成,分别占高温区总面积的78.15%、6.42%和5.58%,其中河流、湖泊和别墅式住宅均没有分布在高温区域内,说明水体、公园和林地具有明显的降温效应。尽管草地也具有一定的降温效应,但其降温效果没有水体、公园等明显。城市建筑物高度与地表温度的Pearson相关性结果表明,二者之间呈现显著的负相关性(Sig.=0.012),说明地表温度随着城市建筑物的增高而降低。新式住宅、别墅式住宅地表平均温度显著低于旧式住宅。研究城市土地利用空间格局特征与地表温度的关系表明,地表温度与斑块数、斑块密度等表现出极显著的相关性,与多样性指数、均匀度指数表现出显著的相关性。多元线性回归分析结果表明:不透水率、斑块聚集度和斑块数等共同作用,影响着城市的地表温度。其中对地表温度影响最为严重的是城市不透水率,其次是斑块的聚集程度,斑块的形状特征对地表温度影响程度稍弱。上述分析表明增加景观中绿地和水体比例,提高景观多样性与复杂度,借助绿化用地对不透水地表进行分割可以明显降低地表温度。该结论可用于城市格局优化、缓解城市热岛效应。
|
| [11] |
河谷地形下兰州市城市热岛效应的时空演变研究 [J].
<p>基于1999 年和2010 年的Landsat ETM+和TM影像, 以单窗算法反演了兰州市地表温度, 研究兰州市最近10 a 的城市热岛时空分布以及演变特征。研究结果表明:兰州市城市热岛的空间分布与延展与城市建城区的扩展相一致, 热岛范围不断扩大, 次中温和中温区大面积减少, 相应的次高温和高温区大面积增加, 热岛强度明显增强;除了城市下垫面覆盖类型, 黄河低温带亦逐渐成为影响城市热岛分布的重要因子。各土地利用类型的平均温度均有所升高, 建设用地和未利用地温度最高, 对热岛效应贡献最大, 是城市热岛的主要贡献因子, 绿地和水体能够很好的缓解热岛效应。地表温度和信息指数NDVI、MNDWI、NDBI、NDBaI在兰州市河谷空间格局上显著相关, 存在很好的对应关系。</p>
Ma Ning et al. Spatial-temporal evolution of urban heat island effect in basin valley-A case study of Lanzhou City.
<p>基于1999 年和2010 年的Landsat ETM+和TM影像, 以单窗算法反演了兰州市地表温度, 研究兰州市最近10 a 的城市热岛时空分布以及演变特征。研究结果表明:兰州市城市热岛的空间分布与延展与城市建城区的扩展相一致, 热岛范围不断扩大, 次中温和中温区大面积减少, 相应的次高温和高温区大面积增加, 热岛强度明显增强;除了城市下垫面覆盖类型, 黄河低温带亦逐渐成为影响城市热岛分布的重要因子。各土地利用类型的平均温度均有所升高, 建设用地和未利用地温度最高, 对热岛效应贡献最大, 是城市热岛的主要贡献因子, 绿地和水体能够很好的缓解热岛效应。地表温度和信息指数NDVI、MNDWI、NDBI、NDBaI在兰州市河谷空间格局上显著相关, 存在很好的对应关系。</p>
|
| [12] |
北京城市化进程对城市热岛的影响研究 [J].https://doi.org/10.3321/j.issn:0001-5733.2006.01.010 URL Magsci [本文引用: 1] 摘要
利用1971—2000年北京20个气象观测站逐日4个时次（02：00、08：00、14：00、20：00）的温度资料。选取具有代表性的城区和郊区多个站点的平均值对北京城市化进程对城市热岛效应的影响、城市热岛强度的日变化和长期变化进行了研究．分析结果指出：（1）北京城市热岛强度和总人口对数呈线性相关关系，其长期变化相关系数为0．76；（2）北京城市建成区的范围与城市热岛影响范围呈同步变化趋势；（3）不同时次城市热岛强度的长期变化指出，北京城市热岛强度以平均每10年0．22℃的速率加剧，其中1999年北京热岛强度达1．13℃（夜间，02：00）；（4）夜间热岛强度明显大于日间．就10年平均而言，20世纪80年代和90年代夜戒热岛强度均超过0．5℃；（5）一天4个时次热岛强度的季节变化趋势基本一致，均表现为冬季强、夏季弱．并且，夜间02：00时热岛最强，中午14：00时热岛最弱．
Impact of urban growth on the heat island in Beijing. https://doi.org/10.3321/j.issn:0001-5733.2006.01.010 URL Magsci [本文引用: 1] 摘要
利用1971—2000年北京20个气象观测站逐日4个时次（02：00、08：00、14：00、20：00）的温度资料。选取具有代表性的城区和郊区多个站点的平均值对北京城市化进程对城市热岛效应的影响、城市热岛强度的日变化和长期变化进行了研究．分析结果指出：（1）北京城市热岛强度和总人口对数呈线性相关关系，其长期变化相关系数为0．76；（2）北京城市建成区的范围与城市热岛影响范围呈同步变化趋势；（3）不同时次城市热岛强度的长期变化指出，北京城市热岛强度以平均每10年0．22℃的速率加剧，其中1999年北京热岛强度达1．13℃（夜间，02：00）；（4）夜间热岛强度明显大于日间．就10年平均而言，20世纪80年代和90年代夜戒热岛强度均超过0．5℃；（5）一天4个时次热岛强度的季节变化趋势基本一致，均表现为冬季强、夏季弱．并且，夜间02：00时热岛最强，中午14：00时热岛最弱．
|
| [13] |
|
| [14] |
基于DEA方法的城市土地利用经济效益分析——以哈尔滨市为例 [J].https://doi.org/10.3969/j.issn.1000-0690.2008.02.009 URL Magsci [本文引用: 1] 摘要
以哈尔滨市建成区土地利用作为研究对象,结合哈尔滨市所处发展阶段及土地利用现状特点构建评价指标体系,以DEA方法为手段,用Matlab软件进行数学计算,对哈尔滨市2001~2005年城市土地利用经济效益进行定量分析和评价。哈尔滨市土地利用经济效益水平一般,且土地投入有冗余。提出加强城市存量土地利用、注重不同用地类型的投资比例、调整产业结构三方面入手提出提高哈尔滨市土地利用经济效益的建议。
Economic benefit analysis of urban land utilization based on DEA method: A case of harbin city. https://doi.org/10.3969/j.issn.1000-0690.2008.02.009 URL Magsci [本文引用: 1] 摘要
以哈尔滨市建成区土地利用作为研究对象,结合哈尔滨市所处发展阶段及土地利用现状特点构建评价指标体系,以DEA方法为手段,用Matlab软件进行数学计算,对哈尔滨市2001~2005年城市土地利用经济效益进行定量分析和评价。哈尔滨市土地利用经济效益水平一般,且土地投入有冗余。提出加强城市存量土地利用、注重不同用地类型的投资比例、调整产业结构三方面入手提出提高哈尔滨市土地利用经济效益的建议。
|
| [15] |
Karnieli A et al. A mono-window algorithm for retrieving land surface temperature from Landsat TM6 data [J].
Landsat TM data has a thermal band (TM6) to monitor the thermal radiance and surface temperature of the earth. For a long time, retrieval of surface temperature from TM6 data is done through the method called atmospheric correction, which requires the estimate of atmospheric thermal radiance and absorption. The computation is complicated and the accuracy is strongly subjected to the estimate, hence has few applications in real world. In this paper, a new method with simple computation and high accuracy is developed on the basis of thermal radiance transfer equation of the ground. The impacts of both atmosphere and the emitted ground on the thermal radiance transfer of the ground are directly involved into the proposed algorithm, which requires 3 essential parameters for the retrieval: emissivity, transmittance and atmospheric average temperature. Validation indicates that the accuracy of the algorithm is high up to 0.4℃ for the estimate of the essential parameters with no errors and 1.1℃ for the estimate moderate errors. Since the method is applicable for the remote sensing data with only one thermal band, it has been termed as mono window algorithm.
|
| [16] |
热红外遥感图像中云覆盖像元地表温度估算初论 [J].https://doi.org/10.3964/j.issn.1000-0593(2014)02-0364-06 URL Magsci [本文引用: 1] 摘要
云覆盖是热红外遥感应用和地表温度（Land Surface Temperature,LST）遥感定量反演的重要障碍。如何估算热红外遥感图像中云覆盖像元的地表温度,是热红外遥感的前沿研究难题。以地表热量平衡为基础,根据地表温度的空间分布连续性、植被对地表温度的影响,提出三种解决云覆盖像元地表温度估算方案：空间插值修正法、植被关系修正法和改进型地表热量平衡法,并探讨云覆盖区地表温度空间分布的洼地效应现象、洼地效应强度及计算方法。基于地表热量平衡方程的洼地效应强度因子和影像灰度值之间关系的数值模拟,是三种估算方案切实可行的关键。
A preliminary view on the estimation of land surface temperature under cloud cover from thermal remote sensing data. https://doi.org/10.3964/j.issn.1000-0593(2014)02-0364-06 URL Magsci [本文引用: 1] 摘要
云覆盖是热红外遥感应用和地表温度（Land Surface Temperature,LST）遥感定量反演的重要障碍。如何估算热红外遥感图像中云覆盖像元的地表温度,是热红外遥感的前沿研究难题。以地表热量平衡为基础,根据地表温度的空间分布连续性、植被对地表温度的影响,提出三种解决云覆盖像元地表温度估算方案：空间插值修正法、植被关系修正法和改进型地表热量平衡法,并探讨云覆盖区地表温度空间分布的洼地效应现象、洼地效应强度及计算方法。基于地表热量平衡方程的洼地效应强度因子和影像灰度值之间关系的数值模拟,是三种估算方案切实可行的关键。
|
| [17] |
Derimian Y et al. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm [J].https://doi.org/10.3390/s140405768 URL PMID: 24670716 [本文引用: 1] 摘要
Abstract Land surface temperature (LST) is one of the most important variables measured by satellite remote sensing. Public domain data are available from the newly operational Landsat-8 Thermal Infrared Sensor (TIRS). This paper presents an adjustment of the split window algorithm (SWA) for TIRS that uses atmospheric transmittance and land surface emissivity (LSE) as inputs. Various alternatives for estimating these SWA inputs are reviewed, and a sensitivity analysis of the SWA to misestimating the input parameters is performed. The accuracy of the current development was assessed using simulated Modtran data. The root mean square error (RMSE) of the simulated LST was calculated as 0.93 掳C. This SWA development is leading to progress in the determination of LST by Landsat-8 TIRS.
|
| [18] |
用陆地卫星TM6数据演算地表温度的单窗算法 [J].https://doi.org/10.1142/S0252959901000401 URL [本文引用: 1] 摘要
陆地卫星TM数据(TM6)热波段表示地表热辐射和地表温度变化.长期以来,从TM6数据中演算地表温度通常是通过所谓大气校正法.这一方法需要估计大气热辐射和大气对地表热辐射传导的影响,计算过程很复杂,误差也较大,在实际中应用不多.根据地表热辐射传导方程,推导出一个简单易行并且精度较高的演算方法,把大气和地表的影响直接包括在演算公式中.该算法需要用地表辐射率、大气透射率和大气平均温度3个参数进行地表温度的演算.验证表明,该方法的地表温度演算较高.当参数估计没有误差时,该方法的地表温度演算精度达到＜0.4℃, 在参数估计有适度误差时,演算精度仍达＜1.1℃.因该方法适用于仅有一个热波段的遥感数据,故称为单窗算法.
Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data. https://doi.org/10.1142/S0252959901000401 URL [本文引用: 1] 摘要
陆地卫星TM数据(TM6)热波段表示地表热辐射和地表温度变化.长期以来,从TM6数据中演算地表温度通常是通过所谓大气校正法.这一方法需要估计大气热辐射和大气对地表热辐射传导的影响,计算过程很复杂,误差也较大,在实际中应用不多.根据地表热辐射传导方程,推导出一个简单易行并且精度较高的演算方法,把大气和地表的影响直接包括在演算公式中.该算法需要用地表辐射率、大气透射率和大气平均温度3个参数进行地表温度的演算.验证表明,该方法的地表温度演算较高.当参数估计没有误差时,该方法的地表温度演算精度达到＜0.4℃, 在参数估计有适度误差时,演算精度仍达＜1.1℃.因该方法适用于仅有一个热波段的遥感数据,故称为单窗算法.
|
| [19] |
Zhang M et al. Method for estimating the principal atmospheric parameters of mono-window algorithm [J]. |
| [20] |
Zhang Chi et al. Quantifying the heat flux regulation of metropolitan land use/land cover components by coupling remote sensing modeling with in situ measurement [J].https://doi.org/10.1002/2014JD022249 URL 摘要
Quantifying the effects of urban land use/land cover with regard to surface radiation and heat flux regulation is important to ecological planning and heat stress mitigation. To retrieve the spatial pattern of heat fluxes in the Beijing metropolitan area, China, a remote sensing-based energy balance model was calibrated with synchronously measured energy fluxes including net radiation, latent heat flux (LE), and sensible heat flux (H). Our model calibration approach avoided the uncertainties due to subjective judgments in previous empirical parameterization methods. The land surface temperature (LST), H, and Bowen ratio () of Beijing were found to increase along the outskirt-suburban-urban gradient, with strong spatial variation. LST and H were negatively correlated with vegetation fraction cover (VFC). For example, the modern high-rise residential areas with relatively higher VFC had lower H and than the traditional low-rise residential areas. Our findings that indicate thermal dissipation through vegetation transpiration might play an important role in urban heat regulation. Notably, the thermal dissipating strength of vegetation (calculated as LE/VFC) declined exponentially with increased VFC. For the purpose of heat stress regulation, we recommend upgrading the traditional low-rise residential areas to modern high-rise residential areas and focusing urban greenery projects in areas whose VFC<0.1, where the heat regulating service by urban vegetation could be twice as effective as in other places. Key Points
|
| [1] |
Problems of municipal ecological environment and the sustainable development in China [J].https://doi.org/10.1016/S1872-2040(06)60041-8 URL [本文引用: 1] 摘要
The problem of sustainable development of the city is an important subject in its construction and plan.The strategy of the sustainable development has been brought into the long-term national economy and the plan of our country's development of 2010.The ecological environment and environmental protection of the city are the uppermost premise and guarantee for the strategy of sustainable development.Based on the world standpoint,this text summarizes the dialectical relation between the city's entironment and the sustainable development,human social economy activities,natural ecosystem and environmental protection.It discusses the existent problems of the Chinese city's ecological environment and sustainable development in detail and analyzes the case example. It puts forward countermeasures for the sustainable development confronted with serious ecological environment problems.
|
| [2] |
城市化进程中城市热岛景观格局演变的时空特征——以厦门市为例 [J].https://doi.org/10.5846/stxb201012071745 URL Magsci [本文引用: 1] 摘要
热岛效应作为城市化过程中产生的特有环境问题,对其形成和演变规 律的研究有助于人们提出有效的应对措施.以厦门市为研究对象,利用1987-2007年等时间间隔、同时相的5景Landsat TM/ETM+遥感影像数据进行地表温度反演,在此基础上使用景观格局指数分析厦门城市热岛景观格局随城市化进程演变的趋势.结果表明:随着厦门城市化进 程加深,整个热岛景观在逐渐变得更加破碎化,高等级热岛景观斑块个数、类型面积和个体面积都增大；新的高等级热岛景观斑块都出现在原有高等级斑块附近,致 使高等级类型的邻近度增加而各类型之间相互接触的程度也增加；景观总体的聚合度逐渐下降,而高等级热岛景观类型的聚合度则呈上升趋势；景观水平的蔓延度总 体呈下降趋势,优势度高的低等级热岛景观所占的比重下降,优势度逐渐降低；多样性指数、均匀度指数总体呈上升趋势,各热岛景观面积在各类型间的分配逐渐趋 于均匀；热岛景观斑块的转化方面,在20a间低等级斑块类型(1、2、3级)向高等级斑块类型(4、5、6级)转化的面积总体上呈增加趋势,而高等级斑块 类型向低等级斑块类型转化的面积总体上呈减小趋势,且等级升高的面积明显大于同期等级降低的面积；就高等级热岛景观斑块而言,他们与3级热岛景观斑块间的 相互转化最容易发生,远比高等级斑块内部各类型之间的相互转化来得容易,尤其6类和5类的转化是最为困难的热岛景观变化之一；从空间上看,各高等级热岛景 观斑块都经历了数量增加、面积扩大、等级升高三个方面的变化,形成了海沧、新阳、杏林、厦门岛西北港口区和机场5个高温组团.利用景观指数分析城市热环 境,可探明热岛景观随城市化演变的趋势,并为有效的热岛效应减缓措施提供直接的理论依据.
|
| [21] |
Landsat8数据地表温度反演算法对比 [J].https://doi.org/10.11834/jrs.20154180 URL [本文引用: 1] 摘要
随着卫星遥感技术的发展,利用遥感反演地表温度的方法不断出现,如劈窗法、双角度法和单通道算法等.Landsat系列卫星的遥感数据是地表温度反演的重要数据之一.本文选择无锡周边区域为研究区,利用Landsat 8卫星遥感数据,对两种劈窗算法(Juan C.Jiménez-Mu(n)oz劈窗算法和Offer Rozenstein劈窗算法)和两种单窗算法(JuanC.Jiménez-Mu(n)oz单通道算法和覃志豪单窗算法)的地表温度反演精度进行了对比和敏感性分析.采用太湖16个浮标站的实测数据来验证了4种算法的反演精度.结果表明:两种劈窗算法的精度较高且较为接近,误差为0.7K左右;覃志豪单窗算法和Juan C.Jiménez-Mu(n)oz单通道算法精度较低,误差分别为1.3K和1.4K左右.Juan C.Jiménez-Mu(n)oz劈窗算法对参数的敏感性最低,Juan C.Jiménez-Mu(n)oz单通道算法次之,覃志豪单窗算法和Offer Rozenstein劈窗算法敏感性相对最高.其中Juan C.Jiménez-Mu(n)oz单通道算法只适用于一定的水汽含量范围,有一定的局限性.
Comparison of four algorithms to retrieve land surface temperature using Landsat 8 satellite .https://doi.org/10.11834/jrs.20154180 URL [本文引用: 1] 摘要
随着卫星遥感技术的发展,利用遥感反演地表温度的方法不断出现,如劈窗法、双角度法和单通道算法等.Landsat系列卫星的遥感数据是地表温度反演的重要数据之一.本文选择无锡周边区域为研究区,利用Landsat 8卫星遥感数据,对两种劈窗算法(Juan C.Jiménez-Mu(n)oz劈窗算法和Offer Rozenstein劈窗算法)和两种单窗算法(JuanC.Jiménez-Mu(n)oz单通道算法和覃志豪单窗算法)的地表温度反演精度进行了对比和敏感性分析.采用太湖16个浮标站的实测数据来验证了4种算法的反演精度.结果表明:两种劈窗算法的精度较高且较为接近,误差为0.7K左右;覃志豪单窗算法和Juan C.Jiménez-Mu(n)oz单通道算法精度较低,误差分别为1.3K和1.4K左右.Juan C.Jiménez-Mu(n)oz劈窗算法对参数的敏感性最低,Juan C.Jiménez-Mu(n)oz单通道算法次之,覃志豪单窗算法和Offer Rozenstein劈窗算法敏感性相对最高.其中Juan C.Jiménez-Mu(n)oz单通道算法只适用于一定的水汽含量范围,有一定的局限性.
|
| [22] |
改革开放以来福建省经济重心格局演变及其空间差异 [J].https://doi.org/10.11821/yj2011100014 URL Magsci [本文引用: 1] 摘要
引入重心概念,运用经济空间结构重心分析模型和福建省经济发展数 据,本文计算出了1989～2008年福建省经济重心点及其移动方向、移动距离;通过GIS技术输出经济重心点的空间变化图,着重从移动方向、移动距离、 空间相关性等层面,阐述了福建省20年来经济重心的动态变化及演变规律、进而反映出全省经济发展的空间差异。研究表明：福建省经济重心主要介于德化县东南 部以及永春县东北部之间,基本接近全省几何中心,但与几何中心的距离呈现不断扩大的趋势,表明全省经济发展的不平衡性在加剧,并呈现出向东南倾斜的趋势。 20年来,福建省经济重心总的移动趋势为由西北向东南推进,但移动轨迹呈现出一定的曲折和波动,其年移动距离和方向与福建省区域经济发展水平、速度及区域 发展政策等呈现正相关关系,反映出国家和省市不同时期发展战略政策的变化。
The development of economic gravity center and spatial difference of economy in Fujian from 1989 to 2008. https://doi.org/10.11821/yj2011100014 URL Magsci [本文引用: 1] 摘要
引入重心概念,运用经济空间结构重心分析模型和福建省经济发展数 据,本文计算出了1989～2008年福建省经济重心点及其移动方向、移动距离;通过GIS技术输出经济重心点的空间变化图,着重从移动方向、移动距离、 空间相关性等层面,阐述了福建省20年来经济重心的动态变化及演变规律、进而反映出全省经济发展的空间差异。研究表明：福建省经济重心主要介于德化县东南 部以及永春县东北部之间,基本接近全省几何中心,但与几何中心的距离呈现不断扩大的趋势,表明全省经济发展的不平衡性在加剧,并呈现出向东南倾斜的趋势。 20年来,福建省经济重心总的移动趋势为由西北向东南推进,但移动轨迹呈现出一定的曲折和波动,其年移动距离和方向与福建省区域经济发展水平、速度及区域 发展政策等呈现正相关关系,反映出国家和省市不同时期发展战略政策的变化。
|
| [2] |
Tang Lina et al. Analysis on spatiotemporal changes of urban thermal landscape pattern in the context of urbanisation: A case study of Xiamen City. https://doi.org/10.5846/stxb201012071745 URL Magsci [本文引用: 1] 摘要
热岛效应作为城市化过程中产生的特有环境问题,对其形成和演变规 律的研究有助于人们提出有效的应对措施.以厦门市为研究对象,利用1987-2007年等时间间隔、同时相的5景Landsat TM/ETM+遥感影像数据进行地表温度反演,在此基础上使用景观格局指数分析厦门城市热岛景观格局随城市化进程演变的趋势.结果表明:随着厦门城市化进 程加深,整个热岛景观在逐渐变得更加破碎化,高等级热岛景观斑块个数、类型面积和个体面积都增大；新的高等级热岛景观斑块都出现在原有高等级斑块附近,致 使高等级类型的邻近度增加而各类型之间相互接触的程度也增加；景观总体的聚合度逐渐下降,而高等级热岛景观类型的聚合度则呈上升趋势；景观水平的蔓延度总 体呈下降趋势,优势度高的低等级热岛景观所占的比重下降,优势度逐渐降低；多样性指数、均匀度指数总体呈上升趋势,各热岛景观面积在各类型间的分配逐渐趋 于均匀；热岛景观斑块的转化方面,在20a间低等级斑块类型(1、2、3级)向高等级斑块类型(4、5、6级)转化的面积总体上呈增加趋势,而高等级斑块 类型向低等级斑块类型转化的面积总体上呈减小趋势,且等级升高的面积明显大于同期等级降低的面积；就高等级热岛景观斑块而言,他们与3级热岛景观斑块间的 相互转化最容易发生,远比高等级斑块内部各类型之间的相互转化来得容易,尤其6类和5类的转化是最为困难的热岛景观变化之一；从空间上看,各高等级热岛景 观斑块都经历了数量增加、面积扩大、等级升高三个方面的变化,形成了海沧、新阳、杏林、厦门岛西北港口区和机场5个高温组团.利用景观指数分析城市热环 境,可探明热岛景观随城市化演变的趋势,并为有效的热岛效应减缓措施提供直接的理论依据.
|
| [3] |
|
| [23] |
大都市区工业重心时空变动轨迹分析:以天津市为例 [J].
区域重心模型能够直观地衡量经济属性的动态演变过程以及区域差 异,反映城市空间结构的变化。研究采用1989—2009年天津市人口与工业总产值数据,引入重心测度模型,以人口重心为参照,对天津市工业重心在时空上 的动态演变轨迹进行实证研究;结合各区县工业差异变动规律,对重心迁移的影响因素进行探析。结果表明：与人口重心在北辰区内缓慢移动不同,21年来天津市 工业重心向东南方向迁移,由市中心移动到市区外围,且在东西方向的不均衡性显著大于南北方向。区位条件、政府政策、产业结构调整等因素会对工业布局产生影 响,引起工业重心迁移。
Analysis of temporal and spatial movement of the gravity center of city industry: A case study of Tianjin.
区域重心模型能够直观地衡量经济属性的动态演变过程以及区域差 异,反映城市空间结构的变化。研究采用1989—2009年天津市人口与工业总产值数据,引入重心测度模型,以人口重心为参照,对天津市工业重心在时空上 的动态演变轨迹进行实证研究;结合各区县工业差异变动规律,对重心迁移的影响因素进行探析。结果表明：与人口重心在北辰区内缓慢移动不同,21年来天津市 工业重心向东南方向迁移,由市中心移动到市区外围,且在东西方向的不均衡性显著大于南北方向。区位条件、政府政策、产业结构调整等因素会对工业布局产生影 响,引起工业重心迁移。
|
/
| 〈 |
|
〉 |
