京津冀城市群熱島定量評估

劉勇洪,房小怡,張 碩,欒慶祖,權維俊

1 北京市氣候中心,北京 100089 2 中國氣象局北京城市氣象研究所, 北京 100089 3 中國氣象局京津冀環境氣象預報預警中心, 北京 100089

京津冀城市群熱島定量評估

劉勇洪1,2,*,房小怡1,張 碩1,欒慶祖1,權維俊3

1 北京市氣候中心,北京 100089 2 中國氣象局北京城市氣象研究所, 北京 100089 3 中國氣象局京津冀環境氣象預報預警中心, 北京 100089

在采用城鄉二分法估算區域范圍內多個城市地表熱島強度(Surface Urban Heat Island,SUHI)時,如何選擇城鎮化影響最小的周邊鄉村背景是一個技術難點,提出了一種基于地形、土地利用、植被覆蓋和城市夜間燈光指數來確定鄉村背景的SUHI估算方法,并建立了基于SUHI和熱島比例指數(Urban Heat Island Proportion Index,UHPI)的城市熱島強度定量評估方法。利用上述方法,基于長時間序列MODIS和NOAA衛星資料,開展了京津冀城市群11個平原城市熱島時空變化分析與評估,并開展了社會經濟驅動因子對城市熱島大小的影響評估研究,同時結合未來京津冀一體化發展提出相應參考建議。研究結果表明：(1)建立的SUHI估算方法能有效監測城市群熱島年/季和晝/夜變化,近5年(2010—2014)年均SUHI≥3℃的熱島總面積1926 km2,但在熱島最強的夏季白天可達7386 km2(占行政區域面積的5.8%)；排名前四的分別是北京(2351 km2)、天津(1883 km2)、唐山(889 km2)和石家莊(611 km2),顯示出超大、特大城市及資源性城市貢獻了大部分城市群熱島面積；各中心城區平均SUHI和UHPI分別為3.0℃和0.61,熱島評估達到較嚴重等級以上的城市占到73%,表明當前城市群整體熱島處于嚴峻現狀；(2)1994、2004年和2014年夏季白天城市群強熱島面積分別為190、1975、4539 km2,各中心城區平均SUHI分別為1.2、2.6、3.2℃,UHPI分別為0.29、0.58和0.69,熱島評估等級分別為“一般”、“較嚴重”和“嚴重”等級,反映了20年來京津冀城市群熱島迅速增強增大事實；(3)各城市年均熱島面積增加2—86 km2/a,強熱島面積增加主要發生在超大城市,北京、天津強熱島區之間的最短空間距離從1994年的94 km逐步縮減到2014年的52 km,未來存在形成“京津區域熱島群”的可能,建議在京津之間建立“綠色生態屏障”來消除這種可能性；(4)城鎮人口數、國內生產總值和用電量都極大地影響著京津冀城市熱島大小,擬合模型決定系數R2分別為0.9097、0.912和0.9661,意味著在未來京津冀一體化城市發展中可采取控制城市人口規模、減少能源消耗等措施減緩熱島效應。

鄉村背景；地表熱島強度；熱島比例指數；定量評估；經濟驅動因子；京津冀城市群

Abstract： When estimating surface urban heat island intensity (SUHI) of different cities on a regional scale using the urban-rural difference method, it is technically difficult to select the rural districts or reference areas that exhibit minimal impact by urbanization. In this study, we propose a method of estimating SUHI based on land topography, land use, vegetation coverage, and urban nighttime light index to define the rural districts. Then, a quantitative evaluation method can be established to determine heat island intensity based on SUHI and the urban heat island proportion index (UHPI). Using this method, the temporal and spatial variation of urban heat island for the Beijing-Tianjin-Hebei urban agglomeration region was quantitatively evaluated based on long time series MODIS and NOAA satellite data. An impact assessment for socio-economic factors driving urban heat islands was also conducted, and some recommendations for Beijing-Tianjin-Hebei economic unity development are proposed. The results show that the SUHI estimation method can effectively reflect annual, seasonal, and diurnal variations of heat island in urban agglomerations. The annual mean heat island area with SUHI greater than or equal to 3.0℃ from 2010—2014 was 1,926 km2. It is highest on summer days at 7386 km2(5.8% of total urban group area). The four largest area cities are Beijing at 2351 km2, Tianjin at 1883 km2, Tangshan at 889 km2, and Shijiazhang at 611 km2, which represent megacities, extra-large cities, and resource-dependent cities contributing to most of the heat island areas. The mean SUHI and UHPI of all central urban areas are 3.0℃ and 0.61, respectively. Seventy-three percent of cities have heat island assessment levels that are more than relatively severe with SUHI greater than or equal to 3.0℃. This indicates that the phenomenon of heat islands in urban agglomeration is currently severe. During summer days in 1994, 2004, and 2014, the areas with SUHI greater than or equal to 5.0℃ were 190 km2, 1975 km2, and 4539 km2; the mean SUHI were 1.2℃, 2.6℃, and 3.2℃; and the UHPI were 0.29, 0.58, and 0.69. The heat island assessment levels were normal, relatively severe, and severe, respectively, which reflects the fact that the heat island effect for urban agglomerations has strengthened and expanded in the last 20 years. The annual growth rate of heat island areas is 2—86 km2/a, and the increasing areas of high-level heat islands in urban group regions occur mainly in megacity behemoths. The shortest distance between the Beijing heat island region and the Tianjin heat island region was reduced from 94 km in 1994 to 52 km in 2014. Thus, in future, the Beijing and Tianjin heat island regions will probably connect to form a new Beijing Tianjin heat island group, which may be an ecological disaster for urban agglomeration development. Therefore, an ecological green barrier between Beijing and Tianjin should be set up to halt the trend. Heat island area with SUHI greater than or equal to 3.0℃ for various cities correlate notably with the urban population, gross domestic product, and electricity consumption, and theR2are 0.9097, 0.912, and 0.9661, which indicates the important role of population control and energy consumption reduction in the development of the Beijing-Tianjin-Hebei economic unit.

KeyWords: rural background；surface urban heat island intensity；heat island proportion index；quantitative evaluation；socio-economic driving factors；Beijing-Tianjin-Hebei urban agglomeration

近年來,在全球增溫和高速城市化的背景下,城市氣候被認為是主導城市生態環境的重要因素之一,城市氣候最明顯的特征就是城市熱島效應(urban heat island effect,簡稱UHI)。UHI已成為21世紀面臨的重要生態環境問題[1- 2],UHI降低了人們生活的舒適度并加劇了大氣污染,嚴重影響了居民生活質量,如何定量地監測UHI的動態變化并開展UHI成因分析已成為當前UHI研究的重要內容。目前,常用的UHI研究手段有3種：氣象觀測、數值模擬和衛星遙感。氣象觀測由于具有觀測資料時效長、定點、準確、定量的優勢,一直被作為基礎手段用于研究UHI的時空演變規律[3-7]。遙感則因具有時間同步性好、覆蓋范圍廣、空間結構直觀定量等特點,近20年已成為UHI研究的普遍手段[8-14]。此外,數值模擬也由于能深人研究UHI現象和成因之間的物理本質,已成為UHI機理形成、模擬及預測研究的一種重要手段[15-18]。

UHI最初定義為城市中的氣象臺站觀測的氣溫明顯高于外圍郊區或鄉村的現象,近年來已擴展至遙感觀測的城市陸表溫度高于郊區或鄉村的現象[19- 20],通常把這種主要通過衛星觀測的城市熱島稱之為地表城市熱島(Surface Urban Heat Island,簡稱SUHI)[21-22]。考慮到UHI是一個城市高于鄉村的相對溫度距平值,由于涉及到城市區(或城市氣象代表站點)與鄉村背景區(或鄉村氣象代表站點)選擇的復雜性,不斷有新的UHI或SUHI計算方法被提出。如利用城市氣象站距離遠近結合土地利用類型選擇選擇鄉村氣象站點來估算UHI[23],在城市內部選擇大面積植被覆蓋的公園作為城市氣象代表站來反映城市化引起的熱島效應[24],選擇城市中最低氣溫的站點作為背景參考站估算UHI等[25]。基于衛星資料估算SUHI最常用的方法有城鄉二分法[26- 28],均值-標準差法[29- 31],正規化法或歸一化[32- 33]。在采用城鄉二分法計算SUHI時,難點在于郊區或農村等參考或背景地區的確定[21]。近年來,中國城鎮化迅速,分布于大城市周邊的郊區衛星城鎮擴展迅速,如何提取城鎮化影響最小的鄉村背景是一個復雜的技術難點。王建凱等[26]在利用MODIS影像研究北京城市熱島(冷島)時,根據高分辨率影像結合土地覆蓋類型人為選定遠離北京五環外的一塊平原農田區域作為郊區背景,Imhoff等[34]在利用MODIS影像估算美國38個城市熱島強度時,基于高分辨率美國國家土地覆蓋數據庫(NLCD)中的不透水蓋度數據集、中心城市距離和地形因子來確定不同城市的鄉村背景,Schwarz等[35]則采用了離城市周圍20 km區域作為鄉村背景,葉彩華等[36]人為選取了遠離城區的兩塊5×5像元大小的長期種植結構無變化的農田作為鄉村背景,林奕桐等[28]則基于遙感反演的植被覆蓋度高值區來選定郊區農田參照點來估算南寧城市熱島強度,劉勇洪等[25]在計算京津唐城市群熱島時,主要根據植被覆蓋度和不透水蓋度結合土地利用類型來確定各城市的鄉村背景。上述方法在選擇鄉村背景時,在選擇農田的基礎上更多地考慮了植被覆蓋與不透水蓋度,由于這兩個指標計算的不確定性以及國內尚沒有建立全國性的標準植被覆蓋度和不透水蓋度數據集,使得國內依據這些指標選擇鄉村背景具有諸多不確定性,本文將探尋一種考慮簡便性與易獲取性來選擇鄉村背景的SUHI估算方法。

SUHI具有明顯的時空變化特征[37-38],其大小和形態不但與城市核心區(或城市氣象代表站)與鄉村背景區(或郊區氣象代表站)選擇有關,還與研究的時空尺度有關。在城市宏觀尺度上氣候類型[34]、天氣條件(包括溫度、云、風、逆溫等)[39-41]、物候(晝/夜、季節、生長期)[31,39- 42]和土地利用類型[23,31]等因子對SUHI影響較明顯,在城市微觀尺度上地形條件[43-44]、植被豐度與綠地景觀結構[16,45-46]、城市不透水蓋度[22,34]、城市建筑結構[47-48]等因子對SUHI有較大影響；而人口、國內生產總值(GDP)、能耗、人為熱等等作為社會經濟驅動因子,對SUHI的形成和擴大具有重要作用[22,42,48-49]。當前研究大多關注單一城市或者是處于不同氣候帶的多個大城市之間局地SUHI之間的相互比較,而對處于同一氣候類型較大范圍城市連片發展的城市群SUHI效應研究相對較少,由于城市群下墊面土地利用的變化對區域氣候的增溫效應明顯[50],而且由于城市群下墊面的不均勻性,局地增溫效應在城市群內部以及城市群之間都存在明顯差異[51],因此有必要開展城市群內各城市之間的SUHI效應研究,為城市群的整體發展規劃提供參考。

京津冀城市群作為中國未來要發展成一個世界級城市群的重要經濟地區,近30年城鎮化進入了空前快速發展階段,城市規模不斷擴大,生態環境惡化、能源消耗高以及SUHI帶來的不利影響和問題日益突顯。在京津冀一體化發展規劃和北京城市功能布局調整中,減緩、降低SUHI及其影響,成為改善整個京津冀地區城市生態環境亟待解決的問題,因此對京津冀城市群的SUHI監測及評估將為改善城市生態環境提供基礎。本文將探討如何在大尺度區域范圍內建立較為簡單、數據易獲取的SUHI估算和評估方法,并開展城市驅動經濟因子包括經濟規模(國內生產總值,簡稱GDP)、人口規模、能源消耗(以電力為代表)、人為熱排放(以機動車保有量為代表)對SUHI大小的影響評估,為未來京津冀一體化發展及改善城市生態環境提供建議。

1 研究區概況

京津冀地區位于36.07—42.65°N,113.46—119.79°E(圖1),包括北京、天津直轄市與河北省。整個地區地勢西北高,東南低,燕山山脈和太行山脈自東向西又向南形成弧形山脈,山脈東部及南部為河北平原區,境內海拔相差懸殊,最高海拔為小五臺山(約2840 m),平原地區多數海拔為50 m以下。該地區屬溫帶季風氣候區,大部分地區四季分明,其特點是夏季炎熱多雨,春季干燥少雨多風沙,秋季天氣晴爽,冬季寒冷少雪。年日照時數2400—3100 h,年無霜期120—200 d；年均降水量300—800 mm；年平均氣溫在4—13℃之間。本文主要研究京津冀城市群地級以上中等平原城市,包括北京、天津、石家莊、唐山、廊坊、保定、滄州、衡水、邢臺、邯鄲和承德等11個平原城市,秦皇島、張家口由于位于山區及山地,不做熱島研究,其中北京、天津和石家莊為省會城市,其余為地級城市；按照2013年12月中國城市規模新劃分標準(http://politics.people.com.cn/n/2014/1121/c70731- 26064695.html),結合2013年城區常住人口統計資料,北京、天津為超大城市(城區常住人口在1000萬以上),石家莊為特大城市(城區常住人口在500—1000萬之間),唐山、保定、滄州、形態、邯鄲為Ⅰ型大城市(城區常住人口在300—500萬之間),廊坊、衡水、秦皇島為Ⅱ型大城市(城區常住人口在100—300萬之間)。另外選擇各城市市轄區作為城市中心城區熱島狀況進行評估。

2 資料和方法

2.1 資料

(1)MODIS衛星資料 MODIS衛星陸表溫度產品(Land Surface Temperature, LST),由于其較好的質量、誤差在1 K之內[52],已在SUHI監測中得到廣泛應用[34-35,38-39,53]。本研究選用京津冀地區2003—2014年全年MODIS/Terra和MODIS/Aqua白天和夜晚8天合成平均LST產品(MOD11A2,MYD11A2),來源于美國國家航空與航天局陸表數據中心網站(https://lpdaac.usgs.gov/data_access/data_pool),可免費下載。利用LST有效像元均值法可計算得到2003—2014京津冀地區逐年平均及春季(3—5月)、夏季(6—8月)、秋季(9—11月)、冬季(12—2月)LST影像。

(2)NOAA衛星資料 NOAA衛星具有與MODIS衛星類似的熱紅外通道(第4通道(10.3—11.3μm)和第5通道(11.5—12.5μm)),空間分辨率為1 km左右,利用其反演的陸表溫度數據可以有效監測城市熱島[54-56]。本文選用京津冀地區1994年NOAA11/AVHRR LST逐日產品數據集[57],LST的反演采用改進型的Becker分裂窗方法,反演結果與國際上廣泛應用的MODIS陸表溫度產品具有較好的一致性[58]。

(3)DMSP/OLS衛星資料 美國軍事氣象衛星Defense Meteorological Satellite Program(DMSP)搭載的Operational Linescan System(OLS)傳感器能夠探測到城市燈光甚至小規模居民地、車流等發出的低強度燈光,這一特征使其系列數據產品已被廣泛而成功地應用于城市化相關研究[59-61]。其中DMSP/OLS數據灰度值(Digital Number,DN值有效范圍為1—63)高值區多用來提取城市建成區反映人類活動影響范圍,使之明顯區別于低值區的黑暗鄉村背景[62-63],因此在本研究中可利用DMSP/OLS數據的低值區提取幾乎不受人類活動影響的黑暗鄉村農田背景區域。本研究選用京津冀地區2013年DMSP/ OLS夜間燈光數據,來源于美國國家航空與航天局國家環境信息數據中心網站(http://ngdc.noaa.gov/eog/dmsp/downloadV4composites.html#AVSLCFC),可免費下載。

(4)植被指數資料 遙感估算的歸一化植被指數(NDVI)定義為近紅外波段與可見光波段數值之差和這兩個波段數值之和的比值,是植被生長狀態及植被覆蓋的良好指示因子。本文選用京津冀地區2013年1 km空間分辨率MODIS月歸一化植被指數NDVI產品(MOD13A3),來源于美國國家地質調查局數據陸表數據中心網站(https://lpdaac.usgs.gov/data_access/data_pool),可免費下載。采用最大值法可獲取2013年最大NDVI影像。

(5)社會經濟資料 京津冀城市群11個城市2013年社會經濟數據,包括國內生產總值、城鎮人口數、電力用量、機動車保有量,來源于當地統計局。

(6)其他資料 京津冀地區90 m空間分辨率的數字高程影像(DEM),來源于國際科學數據服務平臺((http://datamirror.csdb.cn/dem/search.jsp),可免費下載。

2.2 研究方法

2.2.1 SUHI估算

本文選用城鄉二分法,由于UHI是一個城市高于鄉村的相對溫度距平值,而這個距平值無論是地表城市熱島,還是氣象熱島,至今沒有統一的閾值標準[1,34]。在這里,采用葉彩華等[36]提出的SUHI指標及等級劃分方法來估算遙感地表熱島強度,即：

(1)

式中,SUHIi為圖象上第i個象元所對應的熱島強度(℃),Ti是陸表溫度(℃),n為鄉村背景內的有效象元數,Tcrop為鄉村背景內的陸表溫度(℃)。并按熱島強度值的大小,劃分為7級熱島強度：強冷島、較強冷島、弱冷島、無熱島、弱熱島、較強熱島和強熱島等,分別賦值為1、2、3、4、5、6和7。SUHIi的具體等級劃分參見表1,本文主要為季、年SUHI等級劃分。

表1 地表熱島強度(SUHI)等級劃分及含義

2.2.2 鄉村背景的確定

按照城市熱島的定義,SUHI是城市與周邊鄉村或郊區陸表溫度的差異,因此對大尺度空間區域內城市群的多個城市不能用同一個鄉村背景值來計算各城市熱島強度。考慮估算指標的簡便性、易獲取性和通用性,本文確定4個指標來選取鄉村背景區域。

(1)平原(平壩) 與城市所在區域高程差別≤50 m,通過該閾值的設置可以忽略由于地形高度造成的兩地溫度差異,減少由于地形引起的熱島強度誤差,該指標可通過當地數字高程圖像(DEM)計算得到。

(2)農田類型 大多研究采用城鄉二分法計算城市熱島強度時選擇的鄉村或郊區背景參考區域一般都是農田地區,本文繼續遵循這一原則。該指標一般可通過當地土地利用類型獲取。本文采用2014年京津冀地區MODIS土地覆蓋分類產品(MCD12Q1),產品來源于美國國家地質調查局數據陸表數據中心網站(https://lpdaac.usgs.gov/data_access/data_pool),可免費下載。基于該土地覆蓋類型產品,結合2007年華北地區的植被覆蓋分類圖[64]與2011年京津唐地區土地利用類型[22]以及部分Landsat-TM高分辨率遙感資料,進行了部分類別如城鎮用地、農田類型的目視解譯修正,總體分類精度在90%以上,可得到京津冀地區2013年土地利用類型(圖2)。

圖2 京津冀地區2013年土地利用類型、夜間燈光強度指數值、年最大植被指數及提取的郊區農田背景Fig.2 Landuse types,DMSP/OLS DN values，annual maximal NDVI and rural crop background areas in Beijing-Tianjin-Hebei region in 2013

(3)夜間燈光強度指數值≤15,通過該指標可以確定基本不受人類活動影響(可以由夜間燈光反映)的區域,包含了一般不存在熱島效應的鄉村,該指標可以從美國衛星DMSP/OLS資料中的灰度值(Digital Number,DN值有效范圍為1—63)計算得到,如圖2為提取的京津冀地區2013年夜間燈光指數圖,與土地利用圖2中的城鎮用地區域相比,夜間燈光指數高值區(指數值在50—63)面積明顯大于城鎮用地區域,顯示城市與衛星小城鎮周邊郊區雖然也是農田植被,但受城鎮化影響較大,已不適合作為郊區農田背景,因此需要在夜間燈光指數低值區來選擇鄉村背景農田。

(4)年最大植被指數NDVI≥0.7,通過該指標可以確定不包含水體且為高植被覆蓋的純植被,也排除了城市周邊郊區的大量鄉鎮及衛星城鎮等低植被覆蓋人類活動區,可以根據MODIS月歸一化植被指數產品(MOD13A3)求取年最大值獲得,如圖2所示：城鎮地區和沿海水體NDVI值較低,一般在0.50以下,而山區林地和平原農田NDVI值較高,普遍在0.60以上,值得注意的是西部太行山山前的植被NDVI普遍不高,一般在0.40—0.60之間。

根據上述4個指標,可提取得到1 km空間分辨率尺度上的京津冀地區的鄉村農田背景區域,如圖2d所示：京津冀地區北部張家口市、承德市大部分地區處于山區或山地,幾乎沒有合適的郊區農田背景,而北京由于城鎮化程度高,僅在南部與東部地區有少量的局部農田能作為北京城市的郊區農田背景,而其他城市地區由于地處平原,農田面積大,城鎮化程度不高,有大量的農田可入選為郊區農田背景。

2.2.3 城市熱島比例指數

在這里,采用葉彩華等[36]提出的地表熱島比例指數(Urban Heat Island Proportion Index, UHPI)的計算方法來定量估算各城市空間單元內的熱島強度,可以比較各城市不同時空尺度下的熱島強度大小。

(2)

式中,UHPI為城市熱島比例指數；m為熱島強度等級數；i為城區溫度高于郊區溫度等級序號；n為城區溫度高于郊區溫度的等級數；wi為第i級的權重,取等級值,pi為第i級所占的面積百分比。UHPI值在0—1.0之間,該值越大,熱島現象越嚴重。其值為0時,表明此地沒有熱島現象,值為1時,表明此地均處于強熱島范圍。由前面定義的熱島強度等級可知,m=7,n=3。

2.2.4 空間單元熱島強度評估

(1)SUHI均值評估

對各城市采用中心城區空間單元的SUHI平均值(單位為℃)定量評估該城市的熱島強度大小。

(2)熱島面積評估

對各城市區域范圍內統計弱熱島、較強熱島及強熱島面積(單位為km2)及占行政區域內面積百分比,可以有效評估城市化影響的熱島范圍大小。

(3)UHPI評估

由式(2)可知,UHPI通過具有熱島效應的多個等級熱島強度在空間單元所占的面積百分比加權和綜合反映該城市空間單元熱島強度大小,較SUHI均值和熱島面積評估指標更具客觀性與科學性,通過對UHPI分級可對各城市空間單元總體熱島狀況進行定量評估(表2)。

表2 城市空間單元熱島評估等級劃分

可以看出,SUHI均值、熱島面積、UHPI估算的區域并不一致,SUHI均值針對所有等級熱島范圍的均值狀況進行評估,而熱島面積、UHPI則主要從該區域內產生的熱島范圍進行總體評估。由于UHPI兼具了熱島等級和熱島范圍特征,較SUHI均值和熱島面積更具科學性與合理性,本文主要評估中心城區(Central Urban Area,簡稱CA)內的UHPI。評估熱島強度大小的目的是分析城市建筑等人類活動影響所引起的城市氣候環境變化,因此對于海拔較高溫度明顯低于附近平原受地形影響的山區和山地,不符合做熱島評估要求,因此在估算各城市空間單元UHPI時,需要排除山區、山地等區域,只對平原地區進行評估。

在這里統一用字母簡化文中出現的各種評估指標：熱島面積(指弱熱島以上等級面積,Heat Island Area),簡稱HA；較強熱島以上面積(Relative High Above Heat Island Area),簡稱RHA；強熱島面積(High Above Heat Island Area),簡稱HHA；中心城區平均SUHI,簡稱SUHI_CA；中心城區UHPI,簡稱UHPI_CA；熱島評估等級(Assessment Grades),簡稱AG。

3 結果與分析

3.1 年均熱島分析

利用2010—2014年MODIS衛星逐日4個時次的LST產品可計算得到近5年京津冀地區全年、白天和夜晚平均SUHI圖,如圖3所示。結合土地利用圖(圖2)分析可知：就全年平均SUHI(圖3)來看,京津冀城市群大部分平原農田地區處于無熱島狀態,大部分山區林地則呈現冷島現象,局部山區例如河北西部的太行山山前地區受地形和較低植被覆蓋影響,出現弱熱島現象；各大中城市地區均出現熱島效應,部分特大以上城市如北京、天津和石家莊等城市出現強熱島。就全年白天平均SUHI(圖3)來看,熱島空間分布趨勢與全年一致,但出現熱島的區域以弱熱島為主,部分大中城市中心局部地區會出現較強熱島。就全年夜晚平均SUHI(圖3)來看,熱島空間分布趨勢與全年基本一致,但各城市熱島強度等級和范圍明顯大于白天和全年平均。其中水體例如北京的密云水庫和天津沿海等區域具有明顯熱島效應,這與未結冰的水體在夜晚具有明顯熱島效應這一結論[55]具有一致性。對比圖3可知,京津冀地區各城市年平均夜晚熱島強度明顯大于白天,這與眾多學者利用氣象資料對北京、天津和石家莊等城市熱島研究的“夜晚城市熱島強度大于白天”具有一致性[65-68],表明利用本文建立的SUHI方法可有效監測京津冀城市群年均熱島狀況。

圖3 京津冀地區2010—2014年均全年、白天、夜晚SUHIFig.3 Annual mean SUHI for all year, day, night in Beijing-Tianjin-Hebei region in 2010—2014

熱島評估表明(表3)：就年均熱島面積來看,京津冀城市群總的RHA為1926 km2,占行政區域總面積的1.5%,其中排名前3位的分別是天津(640 km2)、北京(433 km2)和唐山(243 km2),石家莊與邯鄲分列第四(223 km2)和第五(134 km2)。就SUHI_CA來看,排名前3位的分別是石家莊(3.6℃)、保定(3.3℃)和邢臺(2.6℃),北京和天津并列第4(2.3℃),廊坊、衡水、秦皇島都比較低(0.10℃以下)。就UHPI_CA來看,排名前3位的與SUHI_CA排名相同,分別是石家莊(0.82)、保定(0.74)和邢臺(0.72),天津和北京分別為0.64和0.62,此外邯鄲、唐山、滄州也在0.50以上。可以看出,SUHI_CA排名與UHPI_CA排名基本相同,但北京和天津的SUHI_CA一樣,而天津的UHPI_CA卻略大于北京,同時參考RHA值,表明天津的年均熱島很可能較北京嚴重。城市群各城市UHPI_CA平均值為0.50,總體AG為3級(較嚴重),其中5級(非常嚴重)和4級(嚴重)的城市有6個,占到54%,表明京津冀城市群中心城區年均熱島總體都比較嚴重。

表3 京津冀各城市年平均RHA、SUHI_CA、UHPI_CA和AG對比(2010—2014年)

3.2 季節熱島分析

利用2010—2014年MODIS衛星逐日LST產品可計算得到近5年京津冀地區春、夏、秋、冬四季白天和夜晚平均SUHI圖,如圖4和圖5所示。

圖4 京津冀地區2010—2014春季、夏季、秋季、冬季平均白天SUHIFig.4 Seasonal day SUHI for spring,summer,autumn,winter in Beijing-Tianjin-Hebei area in 2010—2014

對白天而言(圖4),京津冀地區各城市四季SUHI分布差異明顯。春季白天熱島空間差異最為明顯(圖4),大部分城市城鎮地區存在熱島效應,北京以弱熱島為主,天津、石家莊出現較強以上熱島,但許多平原農田地區以及西部太行山山前地帶存在明顯熱島區域,這主要是由于京津冀地區春季降水少,平原既分布著大量的較高植被覆蓋的冬小麥(低溫冷島區),又分布著大量的白天受熱升溫較快的干燥裸土區(高溫熱島區),而太行山山前受地形遮擋春季西北冷空氣影響加之植被覆蓋較低存在較多干燥裸土區也存在一高溫熱島區。夏季白天(圖4),植被覆蓋普遍較高,大部分平原農田為無熱島區域,城鎮地區顯現出明顯熱島效應,北京、天津、唐山、石家莊、邯鄲、滄州、邢臺等城市均有明顯強熱島發生,其中強熱島面積排名前3的分別是北京(1501 km2)、天津(1198 km2)和唐山(362 km2),石家莊排第4(307 km2)。秋季白天(圖4),大部分城市城鎮所在區域以弱熱島為主,局部有較強熱島。冬季白天(圖4),與春季、夏季、秋季不同,大部分城市城鎮所在區域出現冷島效應,這是由于冬季白天,郊區地面裸露土壤較為干燥,蒸發量較小,其升溫速度高于城區地表；另一方面原因是冬季較為嚴重的城區污染物對太陽輻射有散射和吸收作用,很大程度削弱了到達地表的太陽輻射[26]。因此對白天而言,京津冀大部分城市熱島在城鎮區域內均有夏季最強、冬季最弱特點,這與眾多學者利用遙感監測城市白天熱島結果具有一致性[26,34,49]。但這與氣象觀測熱島不一致,主要原因是白天受太陽輻射影響,衛星觀測與氣象觀測的城市熱島原理不同,兩者相關關系普遍較差[25,38]。

對夜晚而言(圖5),京津冀地區各城市四季熱島分布較為相似,各城鎮地區均存在明顯熱島效應,水體具有“暖島效應”。春季夜晚SUHI(圖5),多數城市均出現較強以上熱島,局部強熱島,RHA排名前3位的分別是天津(1555 km2)、北京(779 km2)和唐山(730 km2),石家莊為232 km2。夏季夜晚SUHI(圖5),大部分城市以弱熱島為主,熱島范圍也明顯小于其他季節,RHA排名前3位的分別是天津(770 km2)、北京(585 km2)和唐山(272 km2),石家莊為160 km2。秋季夜晚SUHI(圖5)與春季分布相似,大部分城鎮地區出現熱島,RHA排名前3位的分別是天津(1729 km2)、北京(958 km2)和唐山(632 km2),石家莊為276 km2。冬季夜晚SUHI(圖5),大部分城市出現強熱島,熱島強度及范圍也明顯大于其他季節,RHA排名前3位的分別是天津(2033 km2)、北京(1186 km2)和唐山(773 km2),石家莊為310 km2。值得一提的是四季夜晚天津的較強熱島面積均為各城市中最大,這與夜晚天津沿海分布著大面積的水體具有“暖島”效應有關。對比四季SUHI(圖5)可知,對夜晚SUHI而言,京津冀大部分城市在城鎮區域內均有冬季最強、夏季最弱特點。這與北京市氣象局氣候資料室[69]及謝莊等[65]利用氣溫資料對北京地區的研究結論相似：即冬季熱島最強,夏季最弱。這是由于衛星遙感監測的地溫與氣溫在夜間具有良好的正相關性,而這種高度相關可以由夜間地表可以看作一個均質的單一熱源來解釋[70]。即對城市熱島監測而言,遙感監測只有在夜晚才與氣溫監測具有較好的一致性[22]。

圖5 京津冀地區2010—2014春季、夏季、秋季、冬季平均夜晚SUHIFig.5 Seasonal night SUHI for spring,summer,autumn,winter in Beijing-Tianjin-Hebei region in 2010—2014

由圖4和圖5對比可知,不考慮京津冀地區地形對熱島影響和沿海水體夜晚的“暖島效應”,夏季白天各城市SUHI強度和范圍最大,而且夏季白天也是高溫易發對人居環境及人體健康影響最大的時段,在這里對夏季白天各城市RHA、較強以上熱島面積比例(占該行政區域面積的百分比,簡稱P_RHA)、SUHI_CA、UHPI_CA及AG進行分析,如表4所示：RHA排名前三的分別是北京(2351 km2)、天津(1883 km2)和唐山(889 km2),石家莊排第四(611 km2),分別占該行政區域面積的14%、16%、7%和4%,其余各城市RHA均在400 km2以下,面積百分比為4%以下,整個京津冀城市群RHA為7386 km2,占行政區域面積的5.8%；11個平原城市SUHI_CA和UHPI_CA平均值分別為3.0℃和0.61,但排名前三的SUHI_CA和UHPI_CA城市并不一致,前三的SUHI_CA是保定(4.5℃)、北京和石家莊(并列第二,4.3℃)、天津(3.6℃),前三的UHPI_CA為石家莊(0.87)、保定(0.83)、北京和邢臺(并列,0.81),UHPI評估為5級(非常嚴重)；唐山、天津、邯鄲也在0.60以上。就AG而言,5級(非常嚴重)的城市有4個,4級(嚴重)的有3個,3級(較嚴重)的有1個,2級(一般)的有3個,3級(較嚴重)以上城市占到73%,表明夏季白天京津冀城市群各中心城區熱島總體都很嚴重。

3.3 熱島時空變化現狀分析

由前面分析可知,夏季白天是京津冀城市群SUHI最強的時段,利用1994年NOAA11、2004年和2014 MODIS衛星資料可估算京津冀地區不同年代夏季白天SUHI_CA、UHPI_CA和HHA(圖6)。

圖6 京津冀地區不同年代1994年、2004年、2014年夏季白天SUHI變化Fig.6 SUHI temporal change in summer day in 1994,2004,2014 in Beijing-Tianjin-Hebei region

1994年 各城市熱島強度和范圍比較弱(圖6),以弱熱島和較強熱島為主,大部分UHPI_CA在0.60以下,排名前三位的分別是石家莊(0.67)、唐山(0.46)、北京(0.37),大部分城市HHA很小,一般在100 km2以下。

2004年 各城市熱島強度和范圍明顯增加,出現明顯強熱島區域(圖6),各UHPI_CA明顯增加,UHPI_CA在0.60以上的城市占到45%,各城市HHA均增加2倍以上,其中北京、天津、石家莊HHA分別增加到866、373、189 km2。

2014年 各城市熱島強度和范圍較2004年繼續擴大(圖6),各城市UHPI_CA呈持續增加趨勢,UHPI_CA在0.60以上的城市上升到73%,其中排名前三的分別是石家莊(0.93)、保定(0.88)、北京(0.85)與邢臺(0.85),AG均達5級(非常嚴重)；天津、唐山、滄州、邯鄲UHPI_CA分別為0.79、0.78、0.73和0.66,AG均達4級(嚴重),表明2014年京津冀城市群大部分中心城區夏季白天熱島已經很嚴重；HHA也迅速增加,北京、天津分別已達到1346km2和1342km2,明顯高于其他城市,石家莊排第三,達562 km2,唐山也達486 km2,保定、廊坊、邢臺、邯鄲的HHA為124—254 km2,其他城市在100 km2以下,該結果也顯示出超大城市(北京、天津)、特大城市(石家莊)、資源型城市(唐山)貢獻了京津冀城市群大部分熱島面積。

表4 京津冀各城市夏季白天RHA、P_RHA、SUHI_CA、UHPI_CA和AG對比(2010—2014)

對比3個時期的熱島變化分析看出,經過20a的城市發展,11個平原城市夏季白天SUHI_CA平均值為1.2℃,UHPI_CA平均值在1994年僅為0.29,AG為2級(一般),總的HHA為190 km2；到2004年SUHI_CA和UHPI_CA平均值分別增加到2.6℃和0.58,AG為3級(較嚴重),總的HHA增加到1975 km2；到2014年SUHI_CA和UHPI_CA平均值分別增加到3.2℃和0.69,AG為4級(嚴重),總的HHA增加到4539 km2,占行政區域總面積的3.6%,這種變化反映了京津冀城市群20年來城市擴展導致的熱島效應增強增大事實。

3.4 熱島時空變化趨勢

利用MODIS衛星資料估算2003—2014逐年城市年均熱島面積(HA)與夏季白天強熱島面積(HHA),對熱島面積時間變化進行趨勢線性擬合(模型達到0.05顯著水平),可以得到京津冀各城市近12年熱島面積變化量：京津冀各城市HA呈增加趨勢,平均增加45 km2/a,除了秦皇島增加很少(2 km2/a),其余城市增加23—86 km2/a,天津HA增加最大(86 km2/a),其次是北京(61 km2/a),石家莊為43 km2/a。對夏季白天HHA而言,京津冀各城市平均增加15 km2/a,但主要增加在天津和北京,分別為69 km2/a和63 km2/a,唐山增加12km2/a,其余城市在6 km2/a以下,而衡水和秦皇島幾乎沒有增加。

從前面分析可知,不考慮受河北太行山山前地區影響的熱島區域,無論時間上還是空間上,京津冀城市群熱島強度與范圍呈持續增加趨勢,其中北京城市熱島范圍呈現向東、南、背三面擴展的趨勢,而天津熱島呈向東北、東擴展趨勢。根據主要強熱島區域最外圍位置估算,北京與天津強熱島最近空間距離1994年為94 km(圖6),到2004年縮減到79 km(圖6),到2014年則已縮減到52 km(圖6),雖然兩個超大城市中間隔著的廊坊城市熱島范圍擴展并不十分明顯,但由京津冀夜間燈光指數圖(圖2)可知廊坊的城鎮化也非常明顯,隨著未來北京城市重心東移以及東南部的北京第二國際機場建設,將會大大促進周邊廊坊市的城鎮發展,北京、廊坊、天津大范圍熱島連片的可能性大大增加,這很可能將給京津冀生態圈環境帶來惡劣后果。許多研究指出增加植被覆蓋是有效防止城市熱島的重要措施[16,46,58,63],因此,在未來的京津冀一體化發展城市規劃中,需要在北京與天津之間建立有效的綠色生態屏障,防止大面積熱島連片成為超大的“京津區域熱島群”。

3.5 經濟驅動因子對SUHI的影響

利用京津冀地區各城市近5年平均(2010—2014)夏季白天RHA(km2)與2013各城市國內生產總值(GDP(萬元))、城鎮人口數(UP(萬人))、用電量(EC(kW·h))、機動車數量(VP(萬輛))進行線性擬合分析(圖7)。京津冀城市群RHA與GDP、UP、EC、VP存在顯著正相關關系,模型決定系數R2分別為0.9097、0.912、0.9661和0.7098(均達到0.01顯著水平),顯示京津冀城市群經濟規模、人口規模、用電量和機動車數量與城市熱島有明顯的正相關關系,顯示了這些社會經濟驅動因子對城市熱島大小的重要影響,意味著控制人口規模和減少能耗可有效緩解熱島效應。

一般來說,經濟規模、電力消耗、機動車數量均是以一定的城鎮人口規模為基礎,根據城鎮人口數與熱島面積之間模型(圖7)擬合結果,可估算出京津冀Ⅱ型大城市、Ⅰ型大城市、特大城市、超大城市的RHA分別為38—280、280—524、524—1133、≥1133 km2,這為京津冀城市群內各城市發展時,如何通過控制城市規模來避免當地城市熱島大小提供了一個參考。

圖7 2013年京津冀各城市GDP、UP、EC、VP與2010—2014年夏季白天RHA_HHA關系Fig.7 Relation between GDP,UP,EC,VP of cities in 2013 and the RHA_HHA in summer day in 2010—2014P<0.01表示線性擬合模型達到0.01顯著水平

同時為避免未來“京津區域熱島群”出現的可能,一方面需要控制或減少超大城市的城鎮人口規模來控制熱島面積,在2015年4月我國發布的《京津冀協同發展規劃綱要》中已提到解決“大城市病”的一條重要措施就是人口疏解,這有利于緩解超大城市的熱島效應；另一方面則需要做好京津冀一體化的城市規劃,尤其是城市綠地和土地利用規劃,已有研究表明通過城市的土地利用有效規劃能明顯緩解熱島效應[56]。

4 結論與討論

利用遙感定量表達城市熱島強弱是個復雜的科學問題,其中關于郊區或鄉村背景以及城市區選擇來估算熱島強度是一個重要的技術問題。本文建立的SUHI估算方法能有效監測京津冀城市群熱島,各大中城市熱島時空分布與前人的研究結果相似,城市群SUHI不但存在年/季、晝/夜變化,還受土地利用類型、地形影響,例如平原農田一般無熱島,大部分山區林地呈冷島,水體在夜間呈“暖湖效應”,河北太行山山前地區易出現熱島。另外,雖然在夜晚由衛星遙感估算的SUHI與氣溫熱島具有較好一致性,但由于白天陸表溫度與氣溫形成原理上的差異,使得兩種方式估算的熱島強度并不具有一致性,許多研究也提到這種明顯差異[25,39- 40],同時SUHI(或UHI)的分級也沒有統一的標準,這給城市熱島強度的合理、準確描述及城市熱島比較分析帶來困惑。因此,如何統一、協調好二者來更加合理、準確表達一個城市的熱島強度是今后值得研究的內容。另外,本文提出的熱島強度估算方法在屬于一個氣候帶里的京津冀城市群進行了有效應用,由于熱島強度是一個相對溫度距平指標值,它考慮了一定范圍內(即氣候條件相似)地形、土地利用類型、植被覆蓋、人類活動因素,且各因素指標容易獲取,因此該方法可在其他氣候類型區進行推廣應用。但受氣候與地形差異,不同氣候帶城市熱島很可能呈現與京津冀城市群不一致的時空分布,如楊英寶利用衛星資料[71]對處于亞熱帶季風氣候區的南京城市熱島研究發現熱島強度最高值出現在秋季,李曉敏[72]對同處于亞熱帶季風氣候區但又受盆地影響的成都城市熱島研究發現熱島強度最高值出現在春季,而處于溫帶海洋性氣候的荷蘭鹿特丹城市熱島強度最高值出現在冬季[38]。因此,針對不同氣候類型地區的熱島時空格局還需要考慮多種因素進一步的研究。

對京津冀城市群熱島定量監測評估表明：城市群近5年(2010—2014)年均較強以上熱島面積RHA(SUHI≥3℃)為1926 km2,但在熱島最強的夏季白天,RHA達到7386 km2(占行政區域面積的5.8%),排名前三的分別是北京(2351 km2)、天津(1087 km2)和唐山(889 km2),石家莊排第四(611 km2)；11個平原城市中心城區平均SUHI和UHPI分別為3.0℃和0.61,熱島評估較嚴重(UHPI大于0.6)以上城市占到73%,評估結果顯示城市群各中心城區熱島總體都很嚴重,同時顯示超大城市(北京、天津)、特大城市(石家莊)和以重化工業代表的資源型城市(唐山)占據了城市群熱島面積的大部分,這對未來京津冀城市群一體化發展,如何控制城市規模、把握城市定位、保護生態環境提供一個參考。

對比3個不同時期發現,京津冀城市群11個平原城市夏季白天SUHI和UHPI平均值,在1994年僅為1.2℃和0.29(熱島評估為“一般”等級),強熱島面積HHA(SUHI≥5℃)為190 km2；到2004年分別增加到2.6℃和0.58(熱島評估為“較嚴重”等級),HHA增加到1975 km2；到2014年則增加到3.2℃和0.69(熱島評估為“嚴重”等級),HHA增加到4539 km2,占行政區域總面積的3.6%,這種變化反映了京津冀城市迅速擴展導致的熱島增強增大事實。同時分析表明北京、天津強熱島區的空間距離日趨縮小,未來隨著北京城市重心東移和北京第二機場的建設,北京、天津兩個強熱島區存在集中連片為“京津區域熱島群”的可能,這是未來京津冀城市群“一體化”發展需要極力避免的重大生態環境問題,可在京津之間建立“綠色生態屏障”有效措施防止熱島蔓延趨勢。

社會經濟驅動因子分析表明,京津冀城市經濟規模(GDP)、人口數量和用電量都極大地影響著京津冀各城市熱島大小(擬合模型決定系數R2均在0.90以上),意味著控制城市規模、減少能源消耗可有效減緩熱島效應,這為《京津冀協同發展規劃綱要》中提到“人口疏解”和“促進綠色循環低碳發展”以及合理地規劃城市規模大小以減緩熱島并避免“京津熱島群”出現的可能提供了參考。同時,城市熱島形成的機制很復雜,本文只是從社會經濟驅動因子來描述其對城市熱島的可能影響,但并沒有從機理上也難以從衛星遙感的監測現狀去解釋各種因素對熱島的具體影響過程,而數值模擬則為熱島形成機制提供了一種較好解決手段[15-16,50-51,53]。因此通過衛星遙感獲取精細化地表參數,融合數值模式和能量平衡模型,結合實地試驗觀測數據來研究城市熱島的形成機制是未來的重要研究方向,這必將對城市的熱島效應有深入理解,促進各城市采取有力措施以減緩城市熱島效應給自然環境、區域氣候造成的負面影響。

[1] Voogt J A. Urban heat island//Douglas I, Ed. Encyclopedia of Global Environmental Change Volume 3: Causes and Consequences of Global Environmental Change. New York: John Wiley & Sons, 2002: 660- 666.

[2] Rizwan A M, Dennis L Y C, Liu C H. A review on the generation, determination and mitigation of urban heat island. Journal of Environmental Sciences, 2008, 20(1): 120- 128.

[3] 張光智, 徐祥德, 王繼志, 楊元琴. 北京及周邊地區城市尺度熱島特征及其演變. 應用氣象學報, 2002, 13(Z1): 43- 50.

[4] 季崇萍, 劉偉東, 軒春怡. 北京城市化進程對城市熱島的影響研究. 地球物理學報, 2006, 49(1): 69- 77.

[5] 郭勇, 龍步菊, 劉偉東, 李明. 北京城市熱島效應的流動觀測和初步研究. 氣象科技, 2006, 34(6): 656- 661.

[6] Liu W D, Ji C P, Zhong X, Jiang X, Zheng Z. Temporal characteristics of the Beijing urban heat island. Theoretical and Applied Climatology, 2007, 87(1/4): 213- 221.

[7] 馬玉霞, 王式功, 魏海茹. 蘭州市近50年城市熱島強度變化特征. 氣象科技, 2009, 37(6): 660- 664.

[8] 陳云浩, 史培軍, 李曉兵. 基于遙感和GIS的上海城市空間熱環境研究. 測繪學報, 2002, 31(2): 139- 144.

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

[10] 蘇偉忠, 楊英寶, 楊桂山. 南京市熱場分布特征及其與土地利用/覆被關系研究. 地理科學, 2005, 25(6): 697- 703.

[11] 宋艷暾, 余世孝, 李楠, 龔友夫. 深圳特區表面溫度空間分異特征. 生態學報, 2007, 27(4): 1489- 1498.

[12] 江學頂, 夏北成. 珠江三角洲城市群熱環境空間格局動態. 生態學報, 2007, 27(4): 1461- 1470.

[13] 胡姝婧, 胡德勇, 李小娟, 王榮華. 京津冀都市圈熱環境空間格局遙感分析. 國土資源遙感, 2009, (3): 94- 99.

[14] Li C F, Yin J Y. Study on urban thermal field of Shanghai using multi-source remote sensing data. Journal of the Indian Society Remote Sensing, 2013, 41(4): 1009- 1019.

[15] 楊玉華, 徐祥德, 翁永輝. 北京城市邊界層熱島的日變化周期模擬. 應用氣象學報, 2003, 14(1): 61- 68.

[16] 佟華, 劉輝志, 李延明, 桑建國, 胡非. 北京夏季城市熱島現狀及楔形綠地規劃對緩解城市熱島的作用. 應用氣象學報, 2005, 6(3): 357- 366.

[17] 江曉燕, 張朝林, 高華, 苗世光. 城市下墊面反照率變化對北京市熱島過程的影響——個例分析. 氣象學報, 2007, 65(2): 301- 307.

[18] Sarkar A, De Ridder K. The urban heat island intensity of Paris: A case study based on a simple urban surface parametrization. Boundary-Layer Meteorology, 2011, 138(3): 511- 520.

[19] Stewart I D. A systematic review and scientific critique of methodology in modern urban heat island literature. International Journal of Climatology, 2011, 31(2), 200- 217.

[20] De Lucena A J, Filho O C R, de Almeida Fran?a J R, de Faria Peres L. Urban climate and clues of heat island events in the metropolitan area of Rio de Janeiro. Theoretial and Applied Climatology, 2013, 111(3/4): 497- 511.

[21] Martin P, Baudouin Y, Gachon P. An alternative method to characterize the surface urban heat island. International Journal of Biometeorology, 2015, 59(7): 849- 861.

[22] 劉勇洪, 欒慶祖, 權維俊, 張碩. 基于多源衛星資料的京津唐城市群熱環境研究. 生態環境學報, 2015, 24(7): 1150- 1158.

[23] He J F, Liu J Y, Zhuang D F, Zhang W, Liu M L. Assessing the effect of land use/land cover change on the change of urban heat island intensity. Theoretical and Applied Climatology, 2007, 90(3/4): 217- 226.

[24] Gaffin S R, Rosenzweig C, Khanbilvardi R, Parshall L, Mahani S, Glickman H, Goldberg R, Blake R, Slosberg R B, Hillel D. Variations in New York city′s urban heat island strength over time and space. Theoretical and Applied Climatology, 2008, 94(1/2): 1- 11.

[25] Mohan M, Kikegawa Y, Gurjar B R, Bhati S, Kolli N R. Assessment of urban heat island effect for different land use-land cover from micrometeorological measurements and remote sensing data for megacity Delhi. Theoretical and Applied Climatology, 2013, 112(3/4): 647- 658.

[26] 王建凱, 王開存, 王普才. 基于MODIS地表溫度產品的北京城市熱島(冷島)強度分析. 遙感學報, 2007, 11(3): 330- 339.

[27] 鄧玉嬌, 匡耀求, 黃鋒. 基于Landsat/TM資料研究廣州城市熱島現象. 氣象, 2010, 36(1): 26- 30.

[28] 林奕桐, 葉駿菲, 林開平, 張家安. 南寧市熱島效應的遙感研究. 災害學, 2014, 29(4): 192- 197.

[29] 王天星, 陳松林, 閻廣建. 地表參數反演及城市熱島時空演變分析. 地理科學, 2009, 29(5): 697- 702.

[30] 徐賽萍, 沙晉明, 劉玉琴, 祝坤子. 城市熱島效應對植被生態環境質量的響應研究——以福州市馬尾區為例. 福建師范大學學報: 自然科學版, 2014, 30(3): 137- 146.

[31] Walawender J P, Szymanowski M, Hajto M J, Bokwa A. Land surface temperature patterns in the urban agglomeration of Krakow (Poland) derived from Landsat- 7/ETM+Data. Pure and Applied Geophysics, 2014, 171(6): 913- 940.

[32] 徐涵秋, 陳本清. 不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法. 遙感技術與應用, 2003, 18(3): 129- 133.

[33] 潘衛華, 張春桂. 泉州市城市化進程中的熱島效應遙感研究. 國土資源遙感, 2006, (4): 50- 54.

[34] Imhoff M L, Zhang P, Wolfe R E, Bounoua L. Remote sensing of the urban heat island effect across biomes in the continental USA. Remote Sensing of Environment, 2010, 114(3): 504- 513.

[35] Schwarz N, Lautenbach S, Seppelt R. Exploring indicators for quantifying surface urban heat islands of European cities with MODIS land surface temperatures. Remote Sensing of Environment, 2011, 115(12): 3175- 3186.

[36] 葉彩華, 劉勇洪, 劉偉東, 劉誠, 權維俊. 城市地表熱環境遙感監測指標研究及應用. 氣象科技, 2011, 39(1): 95- 101.

[37] Wang J, Huang B, Fu D, Atkinson P M. Spatiotemporal variation in surface urban heat Island intensity and associated determinants across major Chinese cities. Remote Sensing, 2015, 7(4): 3670- 3689.

[38] Van Hove L W A, Jacobs C M J, Heusinkveld B G, Elbers J A, Van Driel B L, Holtslag A A M. Temporal and spatial variability of urban heat island and thermal comfort within the Rotterdam agglomeration. Building and Environment, 2015, 83: 91- 103.

[39] Cheval S, Dumitrescu A, Bell A. The urban heat island of Bucharest during the extreme high temperatures of July 2007. Theoretical and Applied Climatology, 2009, 97(3/4): 391- 401.

[40] Morris C J G, Simmonds I, Plummer N. Quantification of the influences of wind and cloud on the nocturnal urban heat island of a large city. Journal of Applied Meteorology, 2001, 40(2): 169- 182.

[41] Hu L Q, Brunsell N A. The impact of temporal aggregation of land surface temperature data for surface urban heat island (SUHI) monitoring. Remote Sensing of Environment, 2013, 134: 162- 174.

[42] Cheval S, Dumitrescu A. The summer surface urban heat island of Bucharest (Romania) retrieved from MODIS images. Theoretical and Applied Climatology, 2015, 121(3/4): 631- 640.

[43] Mohsin T, Gough W A. Characterization and estimation of urban heat island at Toronto: impact of the choice of rural sites. Theoretical and Applied Climatology, 2012, 108(1/2): 105- 117.

[44] Bokwa A, Hajto M J, Walawender J P, Szymanowski M. Influence of diversified relief on the urban heat island in the city of Kraków, Poland. Theoretical and Applied Climatology, 2015, 122(1/2): 365- 382.

[45] Ren Z B, Zheng H F, He X Y, Zhang D, Yu X Y. Estimation of the relationship between urban vegetation configuration and land surface temperature with remote sensing. Journal of the Indian Society of Remote Sensing, 2015, 43(1): 89- 100.

[46] Connors J P, Galletti C S, Chow W T L. Landscape configuration and urban heat island effects: assessing the relationship between landscape characteristics and land surface temperature in Phoenix, Arizona. Landscape Ecology, 2013, 28(2): 271- 283.

[47] Yamashita S, Sekine K, Shoda M, Yamashita K, Hara Y. On relationships between heat island and sky view factor in the cities of Tama River basin, Japan. Atmospheric Environment, 1986, 20(4): 681- 686.

[48] Roth M. Review of urban climate research in (sub)tropical regions. International Journal of Climatology, 2007, 27(14): 1859- 1873.

[49] Oke T R. City size and the urban heat island. Atmospheric Environment, 1973, 7(8): 769- 779.

[50] 崔耀平, 劉紀遠, 張學珍, 秦耀辰, 董金瑋. 京津唐城市群土地利用變化的區域增溫效應模擬. 生態學報, 2015, 35(4): 993- 1003.

[51] 周莉, 江志紅, 李肇新, 楊修群. 中國東部不同區域城市群下墊面變化氣候效應的模擬研究. 大氣科學, 2015, 39(3): 596- 610.

[52] Wan Z M. New refinements and validation of the MODIS land-surface temperature/emissivity products. Remote Sensing of Environment, 2008, 112(1): 59- 74.

[53] Rajasekar U, Weng Q H. Urban heat island monitoring and analysis using a non-parametric model: A case study of Indianapolis. International Journal of Photogrammetry and Remote Sensing, 2009, 64(1): 86- 96.

[54] Prata A J. Land surface temperatures derived from the Advanced Very High Resolution Radiometer and the along-track scanning radiometer: 1. Theory. Journal of Geophysical Research, 1993, 98(D9): 16689- 16702.

[55] 劉勇洪, 軒春怡, 權維俊. 基于衛星資料的北京陸表水體的熱環境效應分析. 湖泊科學, 2013, 25(1):73- 81.

[56] 劉勇洪, 徐永明, 馬京津, 權維俊. 北京城市熱島的定量監測及規劃模擬研究. 生態環境學報, 2014, 23(7): 1156- 1163.

[57] 權維俊. 長序列AVHRR的地表參數反演及其在青藏高原地區時空變化的分析[D]. 北京: 中國科學院大學, 2014.

[58] Quan W J, Chen H B, Han X Z, Liu Y H, Ye C H. A modified Becker′s split-window approach for retrieving land surface Temperature from AVHRR and VIRR. Acta Meteorologica Sinica, 2012, 26(2): 229- 240.

[59] 卓莉, 李強, 史培軍, 陳晉, 鄭璟, 黎夏. 基于夜間燈光數據的中國城市用地擴展類型. 地理學報, 2006, 61(2): 169- 178.

[60] 楊眉, 王世新, 周藝, 王麗濤. DMSP/OLS夜間燈光數據應用研究綜述. 遙感技術與應用, 2011, 26(1): 45- 51.

[61] Liu Q P, Yang Y C, Tian H Z, Zhang B, Gu L. Assessment of human impacts on vegetation in built-up areas in China based on AVHRR, MODIS and DMSP_OLS nighttime light data, 1992- 2010. Chinese Geographical Science, 2014, 24(2): 231- 244.

[62] 楊洋, 何春陽, 趙媛媛, 李通, 喬云偉. 利用DMSP/OLS穩定夜間燈光數據提取城鎮用地信息的分層閾值法研究. 中國圖象圖形學報, 2011, 16(4): 666- 673.

[63] 王翠平, 王豪偉, 李春明, 董仁才. 基于DMSP/OLS影像的我國主要城市群空間擴張特征分析. 生態學報, 2012, 32(3): 942- 954.

[64] 劉勇洪, 葉彩華, 權維俊, 高燕虎.華北植被的光能利用率及其時空變化分析. 高原氣象, 2010, 29(3): 696- 702.

[65] 謝莊, 崔繼良, 陳大剛, 胡保昆. 北京城市熱島效應的晝夜變化特征分析. 氣候與環境研究, 2006, 11(1): 69- 75.

[66] 鄭祚芳, 劉偉東, 王迎春. 北京地區城市熱島的時空分布特征. 南京氣象學院學報, 2006, 29(5): 694- 699.

[67] 黃利萍, 苗峻峰, 劉月琨. 天津城市熱島效應的時空變化特征. 大氣科學學報, 2012, 35(5): 620- 632.

[68] 卞韜, 任國玉, 張翠華, 閻訪. 石家莊氣象站記錄的城市熱島效應及其趨勢變化.南京信息工程大學學報:自然科學版, 2012, 4(5): 402- 408.

[69] 北京市氣象局氣候資料室. 北京城市氣候. 北京: 氣象出版社, 1992: 2- 7.

[70] Wang W H, Liang S L, Meyers T. Validating MODIS land surface temperature products using long-term nighttime ground measurements. Remote Sensing of Environment, 2008, 112(3): 623- 635.

[71] 楊英寶, 蘇偉忠, 江南. 南京市熱島效應時空特征的遙感分析. 遙感技術與應用, 2006, 21(6): 488- 492.

[72] 李曉敏, 曾勝蘭. 成都、重慶城市熱島效應特征對比. 氣象科技, 2015, 43(5): 888- 897.

ResearchonquantitativeevaluationsofheatislandsfortheBeijing-Tianjin-HebeiUrbanAgglomeration

LIU Yonghong1,2,*,FANG Xiaoyi1, ZHANG Shuo1, LUAN Qingzu1, QUAN Weijun3

1BeijingMunicipalClimateCenter,Beijing100089,China2InstituteofBeijingUrbanMeteorology,ChinaMeteorologicalAdiministration,Beijing100089,China3EnvironmentalMeteorologyForecastCenterofBeijing-Tianjin-Hebei,ChinaMeteorologicalAdiministration,Beijing100089,China

高分氣象遙感應用示范系統(一期);中國氣象局氣候變化專項(CCSF201618);北京市科技計劃課題(Z161100001216011);北京市氣象局城市氣候評估創新團隊;中國氣象局氣候變化創新團隊

2016- 06- 03; < class="emphasis_bold">網絡出版日期

日期:2017- 04- 24

10.5846/stxb201606031074

*通訊作者Corresponding author.E-mail: lyh7414@163.com

劉勇洪,房小怡,張碩,欒慶祖,權維俊.京津冀城市群熱島定量評估.生態學報,2017,37(17):5818- 5835.

Liu Y H, Fang X Y, Zhang S, Luan Q Z, Quan W J.Research on quantitative evaluations of heat islands for the Beijing-Tianjin-Hebei Urban Agglomeration.Acta Ecologica Sinica,2017,37(17):5818- 5835.