城市热岛效应的影响机理及其作用规律——以上海市为例

以上海市为例,从土地利用规模和强度的变化、类型和布局的变化、利用方式的变化三个方面揭示其对热岛效应的影响机理;实证分析结果表明：（1）土地城市化是上海城市热岛强度的主要影响因素;就建成区扩张对热岛强度的具体影响而言,累积效应大于其增量效应;（2）工业化、房地产开发、人口增长对上海城市热岛强度均具有较大的影响;就经济发展和能源消耗对城市热岛强度的具体影响而言,密度效应通常大于其规模效应;就全社会房屋竣工面积、20 层以上高层建筑数量对热岛强度的影响而言,累积效应小于增量效应;就人口增长对城市热岛强度的具体影响而言,密度效应与规模效应大体相近;（3）土地利用和城市发展模式的差异导致了城市热岛效应的空间差异。     

植被恢复方式对黄土丘陵区土壤理化性质及微生物特性的影响

对甘肃省定西市黄土丘陵区不同植被恢复方式下的土壤水分、pH、有机碳（SOC）、全氮（TN）、碱解氮（AN）、全磷（TP）、速效磷（AP）、速效钾（AK）及微生物生物量、呼吸速率、呼吸熵（qCO₂）以及微生物熵（q_MB）进行了测定与分析。结果表明：不同植被恢复方式下,土壤pH值变化差异不显著（p>0.05）;0~20 cm土SOC、TN、AN、TP、AP、微生物量碳（SMBC）、微生物量氮（SMBN）含量及微生物呼吸速率（MR）均为天然植被（CL）下最高,AK为自然恢复（Q）方式下最高,qCO₂与q_MB在人工重建+自然恢复（RZ）方式下最高;20~40 cm土壤的SOC、TN、AN、TP、AP含量变化同0~20 cm,AK、SMBC、SMBN、 q_MB及MR在RZ方式下最高;40~60 cm土壤的SOC、TN、AN、AP及TP含量在CL方式下最高,SMBC、SMBN、 q_MB及MR在RZ方式下最高,AK、 qCO₂在Q方式下最高。相同植被恢复方式下,随土层深度增加,SOC、TN、AN、TP、AP、AK、SMBC、SMBN含量及q_MB、MR均逐渐降低,但qCO₂逐渐升高（除RZ方式）。不同植被恢复方式,SOC、TN、AN、SMBC、SMBN、q_MB、MR及qCO₂之间存在不同程度的相关性。     

旅游季节性测度指标的敏感度研究

常用的旅游季节性测度指标有季节性强度指数（R_sd）、基尼系数（G）、泰尔系数（T）、季节性比率（R_sr）、不均匀系数（R_hl）等,国内外学者对其相互关系、客流变动对各项指标的影响程度仍存在争议。构建旅游季节性测度指标的敏感度指标客流量变动效应（s_i）和客流量相对变动效应（p_i）,通过蒙特卡洛方法计算不同旅游季节性强弱尺度（Int）下的各项旅游季节性测度指标的相关系数、以及不同旅游季节性强弱尺度（Int）和不同客流量变动大小尺度（Δ）的组合条件下各项旅游季节性测度指标对各个月份的μ_si、μ^*_si和μ^*_pi,发现：① R_sd、G、T这3项指标相关系数极高,R_sr与R_sd、G、T 3项指标的相关系数随着Int的增大而增大,R_hl与R_sd、G、T、R_sr 4项指标间的相关系数随着Int的增大而减小;② R_sr和R_hl对各月份的s_i以及R_sd、G、T、R_sr对不同月份的μ_si、μ^*_si及μ^*_pi均受Int和Δ的影响,其大小及排序相应产生变动,即在不同的旅游地,其季节性的强弱和客流量变动的大小都会导致各项旅游季节性测度指标对不同月份客流量变动的敏感度及排序存在差异,因此不能简单的认为某项指标对淡旺季客流或平季客流量变动更敏感。     

城市天空开阔度矢量/栅格估算方法对比

城市天空开阔度（Sky View Factor,SVF）是重要的城市形态学参数,为了找出高效可靠的方法定量分析城市天空开阔度,对比了矢量与栅格两种估算方法在城市天空开阔度估算与制图中的表现。以福建省晋江市为例,选取了软件计算法中的矢量计算法和栅格计算法对天空开阔度进行估算,并在结果的宏观分布规律、不同方法结果数值差异、不同分辨率结果一致性几方面进行对比分析。结果表明：与栅格估算法相比,矢量估算方法估算结果与城市建筑结构相符合,估算结果数据分布规律更合理,不同分辨率结果一致性更高,在较高的分辨率下更适应城市天空开阔度定量分析与制图的需要;但在低分辨率情况下,两种方法直接计算结果的代表性都极低。     

山地城市空间形态的地表热环境效应——基于LCZ的视角

全球气候变暖背景下,城市高温的强度、发生频率、持续时间和覆盖范围屡创新高,热舒适性已成为影响大城市人居环境质量的一个重要因素。以典型山地城市并有"火炉"之称的重庆市渝中区为例,分析城市空间形态指数与地表温度之间的相关性关系及其作用机理,参考Local Climate Zone(LCZ)方案对城市空间形态进行分类,旨在引导改善城市热环境的规划设计与优化调控途径。研究结果表明,容积率、建筑密度、下垫面不透水面率、平均高度4个形态指数与地表温度之间呈显著正相关,天空开阔度与地表温度之间呈显著负相关,迎风面积指数与地表温度之间没有显著的相关性关系。在城市空间形态类型方面,建设用地比自然地表温度更高。紧凑类型比开放类型地表温度更高,并且表现出低层中层高层的趋势。因此,在城市规划建设过程中,通过合理的用地布局,将低层空间让位于绿地、水体等自然要素,建筑向竖向高层发展;在相同建设强度的情况下,高层低密度城市形态更有利于缓解城市热岛效应,提高热舒适性。     

北京城市空间形态对热岛分布影响研究

在城市尺度上探究城市空间形态布局对城市热岛（UHI）影响研究,对于城市规划中通风环境改善、生态宜居城市建设具有重要意义。以北京为例,利用2009—2018年高密度自动气象站逐小时气温资料和2018年NPP/VIIRS夜光卫星资料,分析了UHI时空分布特征;利用2017年1∶2000基础地理信息和Landsat8卫星资料,开展了北京主城区建筑高度（BH）、建筑密度（BD）、建筑高度标准差（BSD）、容积率（FAR）、迎风截面积指数（FAI）、粗糙度长度（RL）、天空开阔度（SVF）、城市分数维（FD）等8个空间形态参数和植被覆盖度（VC）、不透水盖度（IC）、反照率（AB）等3个陆表参数的提取,并在城市尺度上开展了这些参数与UHI之间空间相关性及对UHI变化影响研究。结果显示：2009—2018年北京主城区年均、四季以及夜晚02时UHI均存在一个较为固定的形态,年均、春、夏、秋、冬、白天14时和夜晚02时UHI分别为1.81 ℃、1.50 ℃、1.43 ℃、2.16 ℃、2.17 ℃、0.48 ℃和2.77 ℃;8个空间形态参数在一年中大部分时段与UHI存在明显空间相关性,这种相关性在冬季强于其他季节,在夜晚02时强于白天14时,排名前三的分别为SVF、FAR和BD。空间形态参数已超越陆表参数成为UHI变化的重要驱动因子,11种参数对UHI变化的单独贡献为13.7%~63.7%,其中夏季、冬季和全年时段贡献最大的空间形态参数分别是BD（43.7%）、SVF（63.7%）和SVF（45.4%）,贡献最大的陆表参数分别是VC（42.6%）、AB（57.1%）和VC（45.3%）;夏季、冬季和全年时段多个参数对UHI变化的综合贡献分别为51.4%、69.1%和55.3%,主导要素分别为BD、SVF和BD。     

基于地理探测器的浑善达克沙地植被变化定量归因

开展区域植被覆盖变化及驱动机制研究具有重要的意义。选取浑善达克沙地为研究区,基于地理探测器模型,定量研究了7个驱动因子对区域植被变化的单独影响及交互影响。结果表明：（1）2000—2018年,浑善达克沙地68.83%的区域植被覆盖在增加,其中显著增加的区域集中在研究区的中部和南部,即阿巴嘎旗、锡林浩特市、正蓝旗、正镶白旗和多伦县。（2）相对湿度和降水量是影响区域植被覆盖的主要自然因素,解释力分别达到了56.6%和49.5%。累计造林面积密度和年末牲畜头数密度是影响区域植被覆盖的主要人类因素,解释力分别达到了49.1%和46.4%,表明生态工程的实施对区域植被覆盖变化产生了重要的影响。（3）不同因子之间的交互作用决定值q均大于每个单独因子的决定值q,表明驱动因子的两两交互作用均会增加对区域植被变化的解释力。其中,相对湿度和人类活动因子（累计造林面积密度、年末牲畜头数密度和人口密度）,降水量和年末牲畜头数密度均以双协同为主,解释力均超过了60%。而平均气温和年末牲畜头数密度以非线性协同为主,解释力也达到了60%以上。     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

基于土地开发强度的长春市城市空间效率分异研究

以地块容积率和建筑密度为基础数据,从土地开发强度这一微观视角出发,针对长春市建成区圈层式快速发展的现实,运用替代原理和竞租理论分析长春市中心城区1 460个地块的土地开发强度的分布特征,并采用核密度估计法对城市空间扩展过程中的低效地块和“超效”地块进行判断,总结分异特征和原因。研究发现：长春市土地开发强度的分布不符合替代原理,地块容积率的分布总体呈现“高-低-高”的环状分布特征;长春市城市空间结构组织总体上符合竞租理论,公共服务设施对传统竞租函数及其空间结构组织模式具有很大的影响;长春市在城市空间扩展过程中,低效与“超效”并存;商业用地和居住用地是低效地块和“超效”地块的主要用地类型,以商业、居住、娱乐、休闲、办公为一体的城市商业综合体建设或许可在一定程度上缓解该矛盾。     

山区地形开阔度的分布式模型

 地形开阔度是影响山地辐射平衡及其分量的重要地形因子,是山区散射辐射、地形反射辐射等计算的重要参数。在复杂的地形条件下,地形开阔度的计算很难用数学公式描述。 利用数字高程模型（DEM）,全面考虑了坡地自身遮蔽和周围地形相互遮蔽的影响,提出了山区地形开阔度的分布式模型和算法。以1 km×1 km分辨率的DEM数据作为地形的综合反映,计算了起伏地形下中国地形开阔度的空间分布。同时,利用100 m和1 km两个分辨率的DEM数据,从不同DEM分辨率和不同地貌类型两个方面探讨了地形开阔度的空间尺度效应,阐明了区域地形开阔度随地形地貌和空间分辨率的变化规律。所提供的山地开阔度的数据可作为基础地理数据供相关研究应用。     

半干旱区典型工业城市热岛时空分布及演变特征——以包头市为例

基于2000 年、2008 年和2015 年landsat5 TM影像和Landsat8 OLI影像,以单窗算法反演地表温度,研究包头市区近15 a 的城市热岛时空分布及演变特征,并对下垫面土地利用/覆盖类型、 NDVI 与城市热岛的关系进行了定量分析。研究结论表明：包头城市热岛15 a 来呈逐步扩展趋势,且主要集中于裸地区、工矿区、商业和人口密集区三类区域,空间演变趋势与城市扩张格局呈现出高度的一致性;城市热岛效应强度增强,但2008-2015 年以来,市中心区高温区面积比重大大降低;下垫面土地利用/覆盖类型是影响城市热岛空间分布的重要因子,地表温度呈现出裸地>工矿用地>建设用地>城市绿地>农用地>水体的规律;地表温度与 NDVI 呈现显著的负相关关系,即植被指数越高,城市的地表温度越低。     

厦门市热岛强度与相关地表因素的空间关系研究

以厦门市为例,基于遥感影像与建筑普查数据,分析了各局部气候区中相关地表因素与热岛强度之间的空间响应规律,以及厦门市各局部气候区中热岛强度与相关地表因素的空间关系。结果表明：研究区热岛强度有显著的空间自相关性,高值区集中于东南部的建设用地及耕地和裸地,低值区聚集于湖泊、河流等水体、湿地以及北部、西北部的林地;普通回归模型不能有效解释空间中相关地表因素与热岛强度之间的关系;空间误差模型的拟合效果优于空间滞后模型,可以更准确分析地表因素与热岛强度之间的空间关系;各局部气候区中可以作为回归模型自变量的地表因素有所不同。作为回归模型的自变量时,植被指数、水体指数、天空视域因子与热岛强度呈负相关关系,建筑密度、不透水面比例与热岛强度呈正相关关系,而建筑体积密度、建筑平均高度、建筑高度差与热岛强度的相关性在各气候区中并不一致。根据研究结论建议保护“补偿区”、分隔“作用区”,综合考虑规划实施策略的可行性,以有效缓解热岛效应。     

Characteristics of urban heat island effect in Lhasa City

This paper analyzes the Urban Heat Island (UHI) effect in Lhasa City of Tibet using meteorological observations, the Normalized Difference Vegetation Index (NDVI), Land Surface Temperature (LST) data obtained from Earth Observing System/Moderate resolution Imaging Spectroradiometer (EOS/MODIS) information, and correlation and composite analyses. The results show: (1) Areas with high temperature are primarily located in the center of the city or nearby counties, while low temperature areas are in the suburbs of counties. The area with high temperature has expanded in recent years and some high-temperature centers have even migrated to certain other regions. (2) The UHI intensity tends to be stronger both in annual and seasonal variations, especially in winter. Also, LST is somewhat positively related to mean air temperature. (3) A negative correlation exists between the changes of LST and NDVI with the increase of vegetation from urban to rural areas in different seasons. (4) The UHI intensity is negatively correlated with precipitation while positively correlated with wind speed, and the relation between the UHI intensity and evaporation varies with the seasons, namely, the intensity is positively correlated with summer evaporation but negatively correlated with winter evaporation. (5) UHI intensity might be enhanced by intensified urbanization, wherein built-up areas expand, there is increased heat from human activity, and there is more artificial heat input to the atmosphere.     

地理单元划分对城市热环境响应规律的影响——以北京为例

尺度效应及空间异质性决定了同一种影响因子在不同地理单元中对生态过程的作用程度存在差异。论文选择城市热环境效应这一典型城市生态过程为研究对象,针对地理单元划分对热环境效应响应规律研究较少的现状,选择土地利用分类、网格、街区、局地气候区4种地理单元,选取常用景观组分指标——归一化差值植被指数(normalized difference vegetation index, NDVI)、不透水面比例(impervious surface area, ISA)和改进的归一化差值水体指数(modified normalized difference water index, MNDWI)为热环境影响因子,探究不同地理单元中城市热环境对景观组分响应规律的差异。以POI数据重新定义的北京市城区为研究区,结果表明：① 单因子与地表温度Pearson相关性分析得出街区和网格作为划分单元,各影响因子与地表温度相关性较高;② 利用多因子回归方法更适合于地表温度空间分异的解释,植被和不透水面比例因子的组合在4 km网格单元,植被、水体组合及植被、水体、不透水面比例的因子组合在局地气候区单元对地表温度空间分异的解释力度最强。论文为北方大城市热岛影响因素选择提供依据,充实了不同尺度热环境效应响应规律的案例研究,并为城市生态环境效应选择适当研究单元提供依据。     

基于MODIS数据的长株潭地区NDBI和NDVI与地表温度的关系研究

基于4个季节的MODIS影像,计算长株潭地区的地表温度、NDBI和NDVI,比较NDBI和NDVI与地表温度之间关系,对地表城市热岛效应研究的指标NDBI和NDVI进行对比分析.结果表明,NDBI与4个季节的地表温度间都存在明显的线性关系,而NDVI与地表温度间关系并不明显且随季节发生变化,说明NDBI是地表城市热岛效应研究的有效指标,在地表城市热岛效应的季节变化研究中NDBI可作为NDVI的一个附加指标.     

城市植被覆盖变化可预测性及其空间格局的定量递归分析——以深圳市为例

由于人口的快速增加和经济要素的大量聚集,城市是下垫面性质改变最为显著的区域。本文应用定量递归分析技术对1999~2006年逐旬的1km SPOT-VEGETATION NDVI数据进行分析,以期揭示NDVI时间系列的非线性动态特征及其空间格局。研究结果表明,深圳市的NDVI时间系列的RQA特征值居于随机系列和确定性系列之间,属于含有随机成分的确定性系列。不同覆被类型下NDVI系列的特性不同,林地区的NDVI系列规则性最高,农地区次之,建设用地区最差,表明人类活动作为一种噪声对于NDVI系列性质的扰动。用二阶Rényi熵作为NDVI系列的可预测性指标,其空间格局表现为海拔高、坡度大、林地分布集中的西北和东南部可预测性高,而海拔相对低、建设用地相对集中的中南部地区可预测性低。     

自然因子对四川植被NDVI变化的地理探测

许多研究已表明基于遥感的植被指数在地表过程和全球变化研究中具有重要作用,对认识植被变化的驱动因素具有重要意义,但自然因子对植被变化影响仍然难以量化。应用地理探测器模型,研究四川地区自然因子变化对植被分布的空间模式和植被变化的交互影响,并确定了促进植被生长的各主要自然因子最适宜特征。结果表明：① 2000-2015年,四川植被覆盖度状况良好,中高、高植被覆盖面积之和均超过94%;归一化植被指数（NDVI）转化表现为NDVI > 0.4以上区域转化明显,中高和高植被覆盖区面积分别呈显著下降和上升趋势;植被覆盖时空变化差异显著,植被覆盖较高区域位于四川盆地东北部、川西北高原地区,植被覆盖较低区域分布于四川盆地中部城市密集区域。② 土壤类型、高程和年均温度变化等因子较好地解释了植被状况的可变性。③ 自然因子对植被NDVI影响存在交互作用,自然因子协同效应呈现相互增强和非线性增强关系,两种因子交互作用增强了单因子的影响。④ 研究揭示的促进植被生长的各主要因子最适宜特征,有助于更好地理解自然因素对植被NDVI变化的影响及其驱动机制。     

Urban heat and residential electricity consumption: A preliminary study

The Urban Heat Island (UHI) is a well-documented phenomenon occurring in cities across the world resulting in city centres often being several degrees warmer than their surroundings. This local elevation in temperatures could potentially impact upon local energy consumption, with residents in the warmer central section of the city using more energy to cool their homes in summer and less energy to warm them in winter. This study uses a combination of Geographical Information System techniques and Remote Sensing data (MODIS LST and NDVI), as a preliminary investigation, to assess the spatial relationship between UHI, urban greenspace, household income and electricity consumption in Birmingham, UK. It provides simple and repeatable steps, based on freely available datasets, for urban planners, industry, human and physical geographers, and non-specialists to reproduce the analyses. The results show that, the present impact of the UHI is limited and instead highlights the dominance of household income over local climate in explaining consumption patterns across Birmingham.     

城市地表水体时空演变及其对热环境的影响

以福州市建成区为例,基于Landsat遥感影像对水体类型进行分类,并提取出1989、1996、2006和2014年的地表水体信息,然后与不透水面、植被和地表温度信息结合,运用回归模型定量分析了1989~2014年间福州城市地表水体的时空变化及其对城市热环境的影响。结果表明：① 1989~2014年间,福州建成区各类地表水体均呈不断减少趋势,25 a间水体总面积减少了1 490.67 hm²,其中有70.0%转变成不透水面;② 1989~2014年减少的1 490.67 hm²水体对福州建成区温度上升的贡献达1.03℃,而在水体减少的具体区域,其升温效应可达3.6℃。