城市地表熱環境研究進展

姚 遠,陳 曦,錢 靜1,,*

1 中國科學院深圳先進技術研究院， 深圳 518055 2 中國科學院新疆生態與地理研究所荒漠與綠洲生態國家重點實驗室，烏魯木齊 830011 3 中國科學院大學，北京 100049

城市空間熱環境是指能夠影響人體對冷暖的感受程度、健康水平和人類生存發展等與熱有關的物理環境[1- 2]。具體而言,是以城市下墊面的地表溫度和空氣溫度為核心,以受人類活動影響而改變后的傳輸大氣狀況(如空氣濕度、風速、大氣渾濁度等)、下墊面狀況(土地利用覆蓋類型、熱容、發射率、反照率等)和太陽輻射為組成部分的一個可以影響人類及其活動的物理環境系統[3- 4]。城市空間熱環境的演變過程與人類社會、經濟活動有著密切的關系[5]。城市化進程加快,瀝青、金屬、水泥等不透水表面大量替代原有自然地表[6- 7]以及人口數量激增均造成了城市整體熱排放水平的日益增加[8- 9]。因而,城市熱環境狀況的良好與否是當前衡量城市生態環境狀況的重要指標之一,不僅直接關系到城市人居環境質量和居民健康狀況,同時還對城市能源和水資源消耗、生態系統過程演變、生物物候以及城市經濟可持續發展有著深遠的影響[10- 13]。

目前,城市空間熱環境的日益惡化已成為全球現代化城市氣候變化最為顯著的特征之一[14],并對城市空氣質量改善、霧霾治理和植物健康生長帶來了極大的負面影響[15]。Poumadere等[16]甚至認為城市空間熱環境惡化已成為全球后工業時代導致人類死亡數量最大的災害。Johnson等[17]和薛志成等[18]研究表明,城市熱島中心區域居民的失眠率、患呼吸道和心血管疾病的概率甚至死亡率均遠高于非熱島區的居民。美國疾病預報控制中心(Centers for Disease Centers of Control and Prevention, CDC)估計,在1979年之后的10年時間里,美國大約有7421人因城市環境過熱而死亡。1980年7月,美國接連遭受熱浪襲擊,美國的Kansas和St. Louis兩座城市的CBD商業核心區受熱島效應影響死亡率分別上升了64%和57%,而城市郊區等其他未受到熱島效應影響的區域,死亡率上升不到10%[19]。美國政府每年用于緩解城市熱島效應的能源成本支出已高達約100億美元,如何準確監測城市區域的熱環境變化,使其能夠可持續發展是全世界各國政府、企事業單位、國際組織和大學研究機構目前研究的一個熱點問題[20- 23]。我國于2006年2月,由國務院[24]頒布了《國家中長期科學和技術發展規劃綱要(2006—2020年)》,國家住房和城鄉建設部[25- 26]分別于2013年9月和2015年11月發布了《城市居住區熱環境設計標準(JGJ286- 2013)》和《城市生態建設環境績效評估導則(試行)》將城市熱環境的質量納入到了建設項目考核評價指標體系,表明我國已將城市熱環境問題作為今后城市整體建設和發展的重要研究項點,并希望通過不斷完善和規范設計標準,確保今后我國城市生態環境的可持續發展。

1 城市空間熱環境的相關概念

1.1 城市空間熱環境和城市熱島概念的區別

城市熱島效應是指快速城市化和工業化過程中導致城市大氣溫度和地表溫度高于周邊郊區或鄉村等非城市環境的一種溫度差異性現象[27- 28](圖1[29])。而城市空間熱環境則是近年來氣象和環境研究領域的專家學者在城市熱島概念的基礎上進行擴展延伸后提出的概念,兩者既有區別,又有聯系。二者的共同點在于表征因子均為地表溫度和大氣溫度,區別在于前者更加強調城市市區與郊區之間溫度的差異性,而后者的衡量指標則是與溫度的高低程度、建筑容積率、建筑密度、水體和綠地分布等多種因素相關[30- 31]。因此,城市熱島效應在某種程度上是城市空間熱環境的一種集中性反映和體現。由于當前在全球城市區域尺度范圍內開展的城市空間熱環境及其氣候變化和環境整治研究大多是以熱島效應為主要內容,所以本文對城市空間熱環境和城市熱島的研究進展均有提及。

圖1 城市熱島示意圖[29]Fig.1 A sketch map of urban heat island

1.2 城市空間熱環境的研究范圍與方法

從數據源上來看,用于城市空間熱環境研究的數據來源主要分為地表溫度數據(遙感數據)和大氣溫度數據(氣象數據)。由于城市大氣的分層結構不同,城市熱環境的研究范圍主要分為城市地表層、城市冠層和城市邊界層[32](表1)。其中,城市冠層和城市邊界層上的熱島效應屬于城市大氣熱島的研究范疇,分別稱之為城市冠層熱島和城市邊界層熱島。城市邊界層和城市冠層的熱環境和熱島效應主要應用氣象數據進行研究,主要方法包括地面觀測和數值模擬(表2)。

表1 城市空間熱環境的研究范圍

而近年來建筑群熱時間常數模型、計算流體力學技術以及灰色系統理論等方法的引入也為城市熱環境的模擬研究提供了新的思路和視角[40-45]。

相對于城市冠層和邊界層而言,城市地表層溫度與人體的健康和冷暖感受密切相關,既是描述城市空間熱環境狀況、解釋城市空間熱環境形成的重要參數,也是當前城市空間熱環境研究的核心內容之一,并屬于城市地表熱島的研究范疇[46]。傳統的通過地面氣象觀測設備獲取的高空或地表溫濕壓數據由于受到尺度效應制約,難以實現數據的面狀覆蓋,因而需要將點尺度數據擴展到面上,而在擴展的過程中數據的真實性和轉換精度均會受到一定影響,這對于當前開展城市區域尺度范圍的地表熱環境研究帶來了困難。而星載遙感傳感器可以直接獲取城市地表、地物的熱輻射信息并具有數據獲取周期短、覆蓋范圍廣、獲取成本低、能夠快速準確地監測城市地表下墊面溫度特征等優點,目前已成為國內外專家學者開展城市熱環境變化趨勢及動態評價研究的主要技術手段[47-48]。通過衛星熱紅外遙感數據反演并應用于城市地表熱環境研究的溫度可以分為經過大氣校正的地表溫度和未經過大氣校正的星上亮溫。當研究區域的水汽狀況基本一致時,可以忽略大氣影響而用亮溫進行研究。但由于地表熱輻射在傳導過程中受到輻射面和大氣的影響,導致星載傳感器接收到的熱輻射強度與地表熱輻射強度差異較大,因而使用亮溫進行研究的結果往往與地表真實溫度之間存在一定的誤差。而經過大氣校正后反演得到的地表溫度由于基本考慮了大氣和輻射面影響,其反演結果往往更接近于真實的地表溫度[49]。根據不同熱紅外遙感數據的特點,國內外專家學者提出了許多反演溫度的算法,歸納起來大致可以分為3類：單通道算法、多通道算法和劈窗算法。單通道算法又可以細分為大氣校正法[50]、Jiménez-Muoz單通道算法[51]和覃志豪單窗算法[52],而多通道算法又可以細分為灰體發射率法[53]、晝夜法[54]和溫度發射率分離法[55],劈窗算法又稱分裂窗算法,主要包括基于NOAA-AVHRR數據[56]、TERRA-MODIS數據[57]、Landsat-TIRS數據[58]和ASTER數據[59]的劈窗算法。有大量學者對上述算法的優缺點和利弊性進行了分析,普遍認為目前反演地表溫度算法較為成熟、應用性和反演精度最好的是劈窗算法[60]。

表2 城市空間熱環境主要研究方法

綜上所述,當前認真梳理城市地表熱環境的研究進展對于今后開展城市空間熱環境定量評價研究以及促進城市可持續發展具有重要的現實意義。近年來,國內外已發表了一些關于城市熱島效應研究的綜述性文章,但由于城市熱島的研究范圍廣,研究的尺度、空間層次和監測方法復雜多樣,因而很難在一篇綜述性文章中進行全面細致的總結,大多只能簡要地對監測手段進行概括[61-62],或是從景觀尺度對已開展的熱島效應研究進行歸納[63-64]。而從城市地表熱環境研究角度出發,對當前國內外研究歷程、現狀、方向進行總結的文章目前尚未見文獻報道。本文擬通過系統地總結城市地表熱環境的研究進展,以期為今后的城市熱環境研究提供一些新思路和參考。

2 城市地表熱環境研究的主要方面

學術界公認的關于城市熱島現象最早記錄源自于英國氣象學家Howard自1811年起記錄的倫敦市30年市區和郊區的氣溫變化[65]。此后一個多世紀以來,熱島研究采用的均是大氣溫度數據,一方面體現了氣象數據在時間尺度上所具有的連續性優勢,另一方面也暴露出氣象數據存在以離散的點數據或線性數據代替面狀數據、尺度轉換精度不高、大型城市平面布局和內部結構特征分析困難等問題。直到1972年,Rao[66]首次提出應用遙感數據開展城市熱島效應研究,標志著城市熱環境研究從城市冠層和邊界層進入到了城市地表層的新階段。近年來,隨著機載遙感和衛星遙感技術的發展,特別是由我國研發的環境與災害監測預報小衛星(HJ- 1B)和中巴資源衛星的發射成功,使得應用于城市地表熱環境研究的遙感數據源在空間分辨率和時間分辨率的選擇方面得到了極大豐富(表3),因而成為國內外專家學者開展城市熱環境研究工作的主要手段。總體而言,當前開展城市地表熱環境遙感研究主要包括以下幾個方面。

2.1 城市地表熱環境時空特征及其變化研究

開展城市地表熱環境時空變化研究的目的在于分析城市熱環境在不同時間范圍內二維或三維空間上的分布狀況、強度變化過程及其演變規律。其中研究時間范圍包括年際、季節、日和晝夜等。如葛榮鳳等[67]利用1991—2011年期間的8期TM遙感影像數據,結合Moran′sI全局自相關和重心模型等方法,分析了北京市六環范圍內的城市熱島效應演變規律和時空變化特征。Sobrino等[68]利用SensyTech公司生產的機載AHS高光譜感器(含熱紅外10個波段)獲取了西班牙首都馬德里市不同時間段、不同分辨率的熱紅外數據,結合地面實測空氣溫度和地表溫度數據,探討了時間分辨率和空間分辨率對城市街區尺度地表熱環境的影響,研究表明在街區尺度下,用于地表熱環境研究的遙感數據其空間分辨率不能低于50m,否則會難以精確區分城市內部區域,并且最佳觀測時間為日出之前。Dousset等[69]和喬治等[70]分別利用NOAA AVHRR和MODIS遙感影像數據對美國洛杉磯、法國巴黎和北京市的地表熱環境晝夜變化進行了分析。Zhou等[71]和Zak?ek等[72]則分別應用FY- 2C、MSG、MODIS等衛星數據,采用晝夜溫度循環遺傳算法和移動窗口分析等方法對北京市和歐洲中心地區城市日變化周期內的地表熱環境進行了研究。此外,國產的HJ- 1B衛星熱紅外數據由于擁有適宜的空間分辨率和較高的時間分辨率,因而被越來越多的研究人員用于城市地表熱環境研究當中,如Yang等[73]以HJ- 1B數據為基礎數據源,利用不同算法反演了北京市地表熱島并與同期的TM和MODIS數據進行了比較,結果表明HJ- 1B數據的反演結果與MODIS和TM數據均具有良好的相關性,且單窗算法的反演精度較高。劉帥等[74]應用HJ- 1B數據建立了一種基于2.5維高斯表面模型的城市熱島監測模型,并應用這種模型定量描述了北京城市熱環境在不同季節的變化。

表3 城市地表熱環境遙感研究的主要數據源

AHS: 機載高光譜掃描儀, Airborne hyperspectral scanner; OMIS: 實用模塊化成像光譜儀, Operative modular imaging spectrometer; TVR:熱成像輻射計, Thermal video radiometer; ATLAS: 高級熱環境和土地應用傳感器, Advanced thermal and land applications sensor

綜上,當前已開展的城市地表熱環境研究主要集中在城市年際或季節時間尺度上的二維空間格局變化研究,也有少數學者利用較高空間分辨率的遙感數據模擬了城市地表熱環境的日際變化或逐時變化[75],但遙感數據源在空間和時間分辨率之間相互矛盾(高空間分辨率遙感數據往往時間分辨率較低,而高時間分辨率的遙感數據空間分辨率不高)給當前在不同尺度上定量化地開展城市地表熱環境研究帶來了一定的局限。

人工交互法識別：由于海岸線位置的地物細節較清晰，影像色彩、紋理豐富，基本無法自動識別，主要依賴人工判釋。根據不同岸線類型在影像上成像特征差異，從高分辨率無人機影像中手工描繪出人工岸線邊界線。

2.2 城市地表熱環境驅動力和驅動機制研究

任何地理現象的表象變化均是其內在驅動力的外在體現,因而開展城市熱環境的驅動力和驅動機制研究是分析城市熱環境時空變化的關鍵。當前,以土地利用及其覆蓋被變化、不透水表面和植被等景觀格局變化為代表的自然驅動力和人口、經濟、產業形態以及建筑物的高度、密度和容積率等為代表的社會驅動力是國內外學者公認的影響城市熱環境的主要驅動力因素[76-77]。

2.2.1 土地利用及其覆蓋變化與城市地表熱環境的關系

土地覆蓋是指土地類型及其包含的人文特征和自然屬性的綜合體,而土地利用變化必定會引起城市表面土地覆被變化。由于城市區域的土地覆蓋多由瀝青、水泥、金屬等材料構成,湖泊、公園、森林相對較少,因而城市化進程的加快,土地利用方式的改變必定會對城市地表熱環境的空間分布以及熱島效應的形成和發展產生廣泛而深遠的影響[78]。牟雪潔等[79]通過利用TM影像數據反演的地表溫度結合東莞市土地利用分類,分析了建設用地、水體、耕地、綠地等土地利用類型與城市地表熱島強度的關系,發現建設用地的地表溫度要遠高于其他用地類型。Lazzarini等[80]以MODIS、ASTER等遙感數據反演的地表溫度為基礎,發現以阿聯酋首都阿布扎比為代表的一些干旱半干旱區城市,由于城市周邊為裸土和沙漠,而城市內部為水澆園地,因此在白天市區比郊區的地表溫度更低,有時表現為冷島區域。彭文甫等[81]基于TM和ETM+遙感數據,將成都市土地利用類型分為林地、水田、旱地、城鎮用地、工礦與交通用地等7類,分別探討了不同土地覆被類型與城市地表熱島效應之間的關系。

2.2.2 不透水表面變化與城市地表熱環境的關系

不透水表面是指天然或人為源,通過隔離地表水滲透到土壤,從而改變物質沉淀、洪水徑流的流動和污染剖面的任何物質,主要由城市道路、廣場、建筑物屋頂和停車場組成[82]。不透水表面由于可以改變城市邊界層和地表層的潛熱和顯熱通量,因而成為影響城市地表熱環境變化的關鍵因素。利用遙感數據對其進行定量反演能夠加強對城市熱環境及生態變化過程的理解[83-84]。當前,不透水表面與地表溫度關系的研究主要包含以下兩個方面：一是通過比對分析、多元統計分析等方法開展不透水表面與地表熱環境的關系研究。例如Yuan等[85]利用TM和ETM+遙感影像數據分析了不透水表面與美國明尼蘇達州Twin城不同季節地表溫度之間的關系,結果表明二者在所有季節都具有較高的線性相關,能夠很好地解釋城市地表的熱環境特征變化。楊可明等[86]基于全約束最小二乘法混合像元分解模型和植被-不透水面-土壤模型,利用TM遙感影像對北京市海淀區不透水面豐度和地表溫度的相關性進行了定量評價,發現二者之間存在明顯的正相關。二是對不同尺度條件下的不透水面蓋度與城市地表熱環境關系進行研究。例如 Xiao等[87]發現利用TM遙感影像數據反演的北京市不透水表面蓋度(不透水覆蓋面積與區域面積的比值)在不同尺度上均與地表溫度的空間分布一致。孟憲磊[88]從多個尺度研究了上海市不透水面蓋度與城市熱島的關系,結果表明隨著空間幅度的擴大,不透水面與地表溫度呈現穩定的正相關,但尺度效應并不十分明顯。因此,如何進一步揭示不透水面時空演變與熱環境效應之間深層次的關系是今后一項重要研究課題。

2.2.3 植被、水體與城市地表熱環境的關系

與土地利用和土地覆蓋數據相比,植被覆蓋度、地表水分狀況等生物物理組分數據的連續型更強,因而對地表溫度的時空差異具有較好的揭示作用。一方面,植被的生長狀況、蓋度和類型決定了城市地表反照率和城市水分蒸發蒸騰,從而影響了城市地表的能量分配。自Gallo等[89]利用NOAA AVHRR數據證明歸一化植被指數與美國西雅圖市的地表溫度存在負相關后,國內外專家學者在不同區域尺度上進行了驗證,并不斷對植被覆蓋度數據進行優化,以期通過與城市地表溫度進行優化擬合從而更好地探討植被覆蓋與熱島效應之間的相互作用[90-91]；另一方面,城市的水體狀況決定了城市地表的比熱特性,因而對城市地表溫度時空差異具有較好的揭示作用。特別是隨著遙感技術的發展,將歸一化濕度指數、歸一化水體指數、城市地表濕度等遙感監測指標與景觀生態學方法相結合,能夠更好地展現城市水體對熱島效應的緩解作用[92-94]。

2.2.4 景觀格局與城市地表熱環境的關系

城市內部景觀格局的組成與配置,特別是3個景觀結構成分：斑塊、廊道和基質重復性地鑲嵌在一起對于城市地表熱環境及其熱島效應有著顯著的影響[63]。景觀格局與城市地表熱島之間的關系研究主要包括兩大類：一是基于不同的景觀格局指數分析城市景觀變化,探討其與城市地表熱環境的關系。景觀格局指數自O′Neil等[95]提出以來得到了快速發展,指數種類越來越多。Chen等[96]通過分析地表溫度與景觀格局指數之間的關系,認為景觀格局指數并非數量越多解釋效果越好,并提出了5個具有較好解釋能力的景觀格局指數。同時,國內外專家學者還就不同尺度條件下的景觀格局指數與地表溫度的相互關系和尺度效應進行了研究[97-98]。二是基于空間統計方法對地表參數進行統計,分析不同地表參數如NDVI、歸一化地表建筑指數與地表溫度之間的關系[99]。此外,諸如“源匯景觀”等新的景觀分類法的引入也為城市地表熱環境研究帶來了新思路[100]。比如李立光等[101]基于TM遙感數據結合GIS技術,識別了城市地表熱島的源區和匯區,并利用熱島強度指數、源區和匯區面積比例指數和地表溫度反演結果對沈陽市熱島效應進行了評價。

2.2.5 社會驅動力與城市地表熱環境的關系

人類活動強度變化影響著城市地表熱量的轉換,以人口密度、經濟發展狀況、產業形態以及建筑物的高度、密度和容積率等為代表的社會驅動力因素是導致城市地表溫度升高、城市熱島效應加劇的主要原因之一。Mitchell等[102]利用Landsat和MODIS遙感影像反演的地表溫度,結合當地社會人口普查數據,運用地統計學等空間統計方法,對影響美國佛羅里達州Pinellas地區地表熱環境分布的人口因素進行了研究,結果表明在貧困人口較為集中的區域以及某些特定種族或少數民族的聚集區域,城市熱島效應更為顯著。張瑜等[103]基于1995年—2013年的8期TM遙感數據以及西安市建成區的人口、綠化面積、廢氣排放量、GDP、運輸量、工業總產值等11項統計數據,采用灰色關聯度理論定量研究了熱島效應影響因子的貢獻率,結果表明認為人類社會因素對熱島效應帶來的負面影響日益加劇。綜上,社會統計數據由于在空間尺度和時間尺度上的局限性很難適用于小尺度和高時間分辨率的熱環境研究,這對于今后開展城市地表熱環境的定量分析帶來了一定困難。

2.2.6 氣象因素、大氣污染與城市地表熱環境的關系

城市的氣象條件包括天氣晴朗少云或者無云,靜風或者無風,氣壓場、大氣層機構穩定等是形成城市熱島效應的外部原因。氣象因素不會直接影響城市地表熱環境,而是通過植被[104]、地表反照率[105]、人為熱排放[106]來影響地表熱環境的變化。特別是城市人為大量排放的粉灰、煤灰和各種污染氣體,如H2O、CO2、CH4、N2O等溫室氣體,形成覆蓋在城市上空的“氣罩”與“塵罩”,從而加劇了城市熱島效應[107]。

2.3 基于遙感數據的城市地表輻射與能量平衡研究

城市下墊面的快速變化影響了地表能量的收支平衡,特別是物質和熱量交換過程的改變導致了以城市熱島為代表的氣候效應,同時城市熱島效應反作用于地表,影響著地表凈輻射在潛熱通量、顯熱通量和地表儲量之間的分配。因此,深入開展城市地表輻射平衡研究對于進一步理解城市地表熱環境問題有著極為重要的科學意義。針對傳統的地表能量過程研究方法僅能獲取單點數值、計算結果代表性不強的問題,遙感數據由于可以獲得區域城市地表下墊面的特征參數因而在該類研究中間具有較大的優勢。目前,基于遙感數據建立的地表能量平衡模型主要方法分為3類：一是能量平衡余項法,二是經驗統計模型法,三是數值模擬模型法。上述3種方法的代表模型及優缺點詳見表4[108]。

2.4 城市地表熱島與城市大氣熱島的關系及其演變規律研究

城市不同界面所反映出的熱島效應各不相同,特別是城市地表熱島與大氣熱島之間是否存在耦合或是替代關系,二者之間的演變規律是否存在異同點以及各自的衡量與評價方法是當前城市地表熱環境研究的熱點方向之一。特別是應用遙感技術反演的地表溫度和傳統實測方法獲取的空氣溫度作為衡量城市地表熱島和空氣熱島的關鍵性因素,二者之間也存在著復雜的關系。一般來言,在夏季的白天時段,地表溫度通常要略高于空氣溫度[109]。一方面是由于空氣溫度的敏感性較低且受地表輻射的影響需要一個時間過程,另一方面則是因為空氣水汽含量、云量和風力等其他因素導致地表溫度和空氣溫度產生一定的差異性。Eliasson等[109]通過對比瑞典哥德堡市3年的地表溫度和空氣溫度,發現通過氣象站觀測獲取的溫度數據所表征的熱島指標在研究城市街區尺度方面并不具有代表性。Abutaleb等[110]以ETM+遙感影像反演的城市地表溫度數據和地面實測氣象數據為基礎數據源,對埃及開羅地區的城市熱環境進行了比較研究,發現研究區域內大氣熱島和地表熱島并存,主要分布在人口密度最大的城區,且大氣溫度與地表溫度差在0.5—3.5℃之間。Mohan等[111]利用印度首都新德里地區氣象觀測站點的實測空氣溫度數據與MODIS遙感影像反演的地表溫度數據進行了比較。結果表明在夜晚時間段,建筑物密集的商業區二者有很高的相關性,而白天的相關性較低。此外,MODIS反演的溫度數據白天要高于實測數據,而夜晚則低于實測數據。綜上,在一般情況下城市地表熱島和大氣熱島呈現出較為一致的趨勢及相似性,但在極端情況下存在著較大的差別。

表4 基于遙感數據的城市地表輻射平衡模型[108]

2.5 城市地表熱島的緩解研究

以城市綠地(公園綠地、街邊綠化、防護綠地、生產綠地等)、森林和水體為主導的“冷島效應”是當前改善城市熱環境、削弱城市熱島效應最有效的手段。因而大量學者以城市公園植被、水體、人工森林等為研究對象探討了冷島效應在減緩熱島效應方面所發揮的作用[112]。例如賈寶全等[113]利用2014年的Landsat- 8遙感數據對2012—2014年期間北京市實施 “百萬畝平原大造林工程”的降溫效應進行了分析。結果表明北京市的造林工程對區域降溫的效果顯著,林地本身降溫效果可達1.023℃,并通過冷島效應的輻射作用,擴展形成了250212.88hm2的降溫面積,降溫價值達2.2622×108元。Onishi等[114]基于ASTER遙感數據探討了日本名古屋市不同季節的停車場綠化面積及城市的樹木、草地、森林所帶來的冷島效應與地表溫度之間的關系,研究發現不同季節的植被覆蓋類型影響著城市地表溫度的變化。馮悅怡等[115]和蘇泳嫻等[116]分別利用TM遙感數據探討了北京市城區24個公園和廣州市城區17個公園內部及其周邊溫度分布規律,并對城市公園與地表熱環境效應之間的響應關系進行了探索。

2.6 城市地表熱島的尺度轉換研究

一個城市的地表熱環境易受到氣候、緯度、海拔等條件的影響而呈現出多尺度現象,主要分為宏觀、中觀和微觀尺度。其中,宏觀尺度指的是研究區覆蓋全城或較大的區域,范圍一般大于100km2,中觀尺度指的是城市內部的片區規模,范圍在0.5—100km2,微觀尺度指的是城市街區甚至是單體建筑物的規模。而尺度轉換就是將不同分辨率的遙感數據信息擴展到其他尺度上,具體而言就是將高分辨率影像變成低分辨率影像稱之為“尺度上推”,反之則稱之為“尺度下推”。目前尺度轉換的方法有很多,從研究對象的角度上分,可以分為基于像元尺度和面向對象尺度的轉換[117]。例如,李慧宇[118]采用TSM模型對不同分辨率溫度產品進行比對研究,研究表明經過尺度轉換后二者的誤差在1K左右,符合精度要求。Stathopoulou等[119]運用PBIM法,將NOAA AVHRR的低分辨率數據降尺度到120m,并與同樣是120m空間分辨率的TM數據熱紅外波段反演的地表溫度進行對比分析,研究結果表明降尺度后的AVHRR地表溫度數據均方根誤差從原來的2.4℃降低到0.94℃。

3 城市地表熱環境研究方向

綜合目前收集的文獻來看,當前城市地表熱環境研究在各個方面均有大量的研究成果已見報道,特別是CFD仿真技術與遙感技術相結合應用于城市規劃和設計研究方面取得了較大進展[120- 121],但距離高精度、定量化開展城市地表熱環境遙感研究仍有一定的進步空間。針對目前存在的遙感數據源條件限制的問題,特別是當前缺乏星載高分辨率熱紅外遙感數據,無法實現城市街區、樓宇尺度溫度定量觀測問題,高時間分辨率數據往往空間分辨率低從而導致無法獲得城市地物熱環境特征問題,都需要進一步研究在多平臺、多角度、多尺度數據綜合應用下的城市地表熱環境定量反演方法。尚未對城市地表熱環境的時空格局變化規律有較為準確的認識,特別是遙感影像數據所獲取的地表溫度是一個時間斷面數據,并不能準確反映一個城市在連續時間段內的空間變化特征,這需要從地表輻射平衡的角度出發,進一步應用遙感數據,深入分析不同時空尺度下的城市熱環境演變規律。如何在對城市地表熱環境進行準確評估和預測的基礎上,有針對性地制定緩解城市熱島效應的技術與措施亦是今后研究難點之一。由于人為熱數據獲取十分艱難,因而當前已開展的城市地表輻射與能量平衡研究將人類活動造成的城市熱環境影響基本忽略,但實際上人為熱是城市地表輻射平衡研究中重要的一項,并對城市地表熱平衡、顯熱、潛熱通量以及凈輻射變化有著深刻的影響,因此如何精確獲取人為熱數據,將其納入到城市地表熱環境研究尚需進一步探討。

[1] 錢雨果. 城市精細景觀格局對熱環境的影響[D]. 北京: 中國科學院生態環境研究中心, 2015.

[2] Oak T R. The heat island of the urban boundary layer: characteristics, causes and effects// Cermak J E, Davenport A G, Plate E J, Viegas D X, eds. Wind Climate in Cities. Netherlands: Springer, 1995, 277: 81- 107.

[3] 李祥余. 沿海濕潤區和內陸干旱區城市熱環境變化對比研究[D]. 北京: 中國科學院城市環境研究所, 2010.

[4] 王翠云, 王太春, 元炳成, 陳麗麗, 張慧. 城市熱環境研究進展. 甘肅科技, 2009, 25(23): 91- 94.

[5] Fan H L, Sailor D J. Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: a comparison of implementations in two PBL schemes. Atmospheric Environment, 2005, 39(1):73- 84.

[6] Zhou X L, Wang Y C. Spatial—temporal dynamics of urban green space in response to rapid urbanization and greening policies. Landscape and Urban Planning, 2011, 100(3): 268- 277.

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

[8] 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 Science, 2008, 20(1): 120- 128.

[9] 喬治, 田光進. 北京市熱環境時空分異與區劃. 遙感學報, 2014, 18(3): 715- 734.

[10] Kovats R S, Hajat S. Heat stress and public health: a critical review. Annual Review of Public Health, 2008, 29(1): 41- 55.

[11] White M A, Nemani R R, Thornton P E, Running S W. Satellite evidence of phenological differences between urbanized and rural areas of the eastern United States deciduous broadleaf forest. Ecosystems, 2002, 5(3): 260- 273.

[12] Grimm N B, Faeth S H, Golubiewski N E, Redman C L, Wu J G, Bai X M, Briggs J M. Global change and the ecology of cities. Science, 2008, 319(5864): 756- 760.

[13] Akbari H, Pomerantz M, Taha H. Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas. Solar Energy, 2011, 70(3): 295- 310.

[14] Ooka R. Recent development of assessment tools for urban climate and heat-island investigation especially based on experiences in Japan. International Journal of Climatology, 2007, 27(14): 1919- 1930.

[15] Ziska L H, Bunce J A, Goins E W. Characterization of an urban-rural CO2 /temperature gradient and associated changes in initial plant productivity during secondary succession. Oecologia, 2004, 139(3): 454- 458.

[16] Poumadère M, Mays C, Le Mer S, Blong R. The 2003 heat wave in France: dangerous climate change here and now. Risk Analysis, 2005, 25(6): 1483- 1494.

[17] Johnson H, Kovats R S, McGregor G, Stedman J, Gibbs M, Walton H. The impact of the 2003 heat wave on daily mortality in England and Wales and the use of rapid weekly mortality estimates. Euro Surveill, 2005, 10(7): 168- 171.

[18] 薛志成. 城市熱島效應威脅人類健康. 安全與健康, 2002, (13): 15- 16.

[19] 彭少麟, 周凱, 葉有華, 粟娟. 城市熱島效應研究進展. 生態環境學報, 2005, 14(4): 574- 579.

[20] Konopacki S, Akbari H. Energy savings calculations for heat island reduction strategies in baton rouge, Sacramento and Salt Lake City. Report No. LBNL- 42890, Berkeley, CA: Lawrence Berkeley National Laboratory, 2000.

[21] Taha H, Hammer H, Akbari H. Meteorological and air quality impacts of increased urban albedo and vegetative cover in the greater Toronto area, Canada. Report No. LBNL- 49210, Berkeley, CA: Lawrence Berkeley National Laboratory, 2002.

[22] Takahashi K, Yoshida H, Tanaka Y, Aotake N, Wang F L. Measurement of thermal environment in Kyoto city and its prediction by CFD simulation. Energy and Buildings, 2004, 36(8): 771- 779.

[23] Giridharan R, Ganesan S, Lau S S Y. Daytime urban heat island effect in high-rise and high-density residential developments in Hong Kong. Energy and Buildings, 2004, 36(6): 525- 534．

[24] 中華人民共和國國務院. 國家中長期科學和技術發展規劃綱要(2006- 2020年). (2006-02-09) [2016-07- 27]. http://www.gov.cn/jrzg/2006-02/09/content_183787.htm.

[25] 中華人民共和國住房和城鄉建設部. JGJ 286- 2013 城市居住熱環境設計標準. 北京: 中國建筑工業出版社, 2014.

[26] 中華人民共和國住房城鄉建設部. 城市生態建設環境績效評估導則(試行). 2015[2016-07- 27]. http://www.zjjs.com.cn/n71/n72/c345411/part/3.pdf.

[27] Mohan M, Kandya A. Impact of urbanization and land-use/land-cover change on diurnal temperature range: a case study of tropical urban airshed of India using remote sensing data. Science of the Total Environment, 2015, 506- 507: 453- 465.

[28] Zheng B J, Myint S W, Fan C. Spatial configuration of anthropogenic land cover impacts on urban warming. Landscape and Urban Planning, 2014, 130: 104- 111.

[29] Online US Environmental Protection Agency. [2016-07- 27]. http://www.epa.gov/heatisland/about/index.htm.

[30] 但玻, 趙希錦, 但尚銘, 葉強. 成都城市熱環境的空間特點及對策. 四川環境, 2011, 30(5): 124- 127.

[31] 李海峰. 多源遙感數據支持的中等城市熱環境研究[D]. 成都: 成都理工大學, 2012.

[32] 張金區. 珠江三角洲地區地表熱環境的遙感探測及時空演化研究[D]. 廣州: 中國科學院廣州地球化學研究所, 2006.

[33] Myrup L O. A numerical model of the urban heat island. Journal of Applied Meteorology, 1969, 8(6): 908- 918.

[34] Oke T R, Johnson G T, Steyn D G, Watson I D. Simulation of surface urban heat islands under ‘ideal’ conditions at night Part 2: diagnosis of causation. Boundary-Layer Meteorology, 1991, 56(4): 339- 358.

[35] Vukovich F M. A study of the atmospheric response due to a diurnal heating function characteristic of an urban complex. Monthly Weather Review, 1973, 101(6): 467- 474.

[36] 呂世華, 陳玉春. 綠洲和沙漠下墊面狀態對大氣邊界層特征影響的數值模擬. 中國沙漠, 1995,15(2): 116- 123.

[37] 肖榮波, 歐陽志云, 張兆明, 王效科, 李偉峰, 鄭華. 城市熱島效應監測方法研究進展. 氣象, 2005, 31(11): 3- 6.

[38] Stathopoulou M, Cartalis C, Keramitsoglou I. Mapping micro-urban heat islands using NOAA/AVHRR images and CORINE land cover: an application to coastal cities of Greece. International Journal of Remote Sensing, 2004, 25(12): 2301- 2316.

[39] Streutker D R. A remote sensing study of the urban heat island of Houston, Texas. International Journal of Remote Sensing, 2002, 23(13): 2595- 2608.

[40] Shao J T, Liu J, Zhao J N. Evaluation of various non-lineark—εmodels for predicting wind flow around an isolated high-rise building within the surface boundary layer. Building and Environment, 2012, 57: 145- 155.

[41] Bo-ot L M, Wang Y H. Chiang C M, Lai C M. Effects of a green space layout on the outdoor thermal environment at the neighborhood level. Energies, 2012, 5(12): 3723- 3735.

[42] 何萍, 陳輝, 李宏波, 席武俊. 云南高原楚雄市熱島效應因子的灰色分析. 地理科學進展, 2009, 28(1): 25- 32.

[43] Swaid H, Hoffman M E. Prediction of urban air temperature variations using the analytical CTTC model. Energy and Buildings, 1990, 14(4): 313- 324.

[44] Swaid H, Hoffman M E. Thermal effects of artificial heat sources and shaded ground areas in the urban canopy layer. Energy and Buildings, 1990- 1991, 15(1/2): 253- 261.

[45] 劉艷紅, 郭晉平, 魏清順. 基于CFD的城市綠地空間格局熱環境效應分析. 生態學報, 2012, 32(6): 1951- 1959.

[46] 陳云浩, 周紀, 宮阿都, 馬偉, 占文鳳. 城市空間熱環境遙感——空間形態與熱輻射方向性模擬. 北京: 科學出版社, 2014: 1- 3.

[47] 謝啟姣, 劉進華, 胡道華. 武漢城市擴張對熱場時空演變的影響. 地理研究, 2016, 35(7): 1259- 1272.

[48] Lv Z Q, Zhou Q G. Utility of Landsat image in the study of land cover and land surface temperature change. Procedia Environmental Sciences, 2011, 10: 1287- 1292.

[49] 孟鵬, 胡勇, 鞏彩蘭, 李志乾, 栗琳, 周穎. 熱紅外遙感地表溫度反演研究現狀與發展趨勢. 遙感信息, 2012, 27(6): 118- 123, 132- 132.

[50] Sobrino J A, Jiménez -Muoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5. Remote Sensing of Environment, 2004, 90(4): 434- 440.

[51] Jiménez -Muoz J C, Cristóbal J, Sobrino J A, Sòria G, Ninyerola M, Pons X. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transactions on Geoscience and remote Sensing, 2009, 47(1): 339- 349.

[52] 覃志豪, Zhang M H, Karnieli A, Berliner P. 用陸地衛星TM6數據演算地表溫度的單窗算法. 地理學報, 2001, 56(4): 456- 466.

[53] 甘甫平, 陳偉濤, 張緒教, 閆柏琨, 劉圣偉, 楊蘇明. 熱紅外遙感反演陸地表面溫度研究進展. 國土資源遙感, 2006, (1): 6- 11.

[54] Wan Z M, Li Z L. A physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(4): 980- 996.

[55] Gillespie A, Rokugawa S, Matsunaga T, Cothern J S, Hook S, Kahle A B. A temperature and emissivity separation algorithm for advanced spaceborne thermal emission and reflection radiometer (ASTER) images. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(4): 1113- 1126.

[56] 覃志豪, Zhang M H, Karnieli A. 用NOAA-AVHRR熱通道數據演算地表溫度的劈窗算法. 國土資源遙感, 2001, (2): 33- 42.

[57] 章皖秋, 袁華, 岳彩榮, 鈕子鵬. 昆明中心城區地表溫度反演及與土地覆蓋關系分析. 西南林業大學學報, 2016, 36(5): 130- 137.

[58] Rozenstein O, Qin Z H, Derimian Y, Karnieli A. Derivation of land surface temperature for Landsat- 8 TIRS using a split window algorithm. Sensors, 2014, 14(4): 5768- 5780.

[59] 毛克彪, 唐華俊, 陳仲新, 邱玉寶, 覃志豪, 李滿春. 一個從ASTER數據中反演地表溫度的劈窗算法. 遙感信息, 2006, (5): 7- 11.

[60] 朱貞榕, 程朋根, 桂新, 騰月, 童成卓. 地表溫度反演的算法綜述. 測繪與空間地理信息, 2016, 39(5): 70- 75.

[61] 孫鐵鋼, 肖榮波, 蔡云楠, 王耀武, 吳昌廣. 城市熱環境定量評價技術研究進展及發展趨勢. 應用生態學報, 2016, 27(8): 2717- 2728.

[62] Tomlinson C J, Chapman L, Thornes J E, Baker C. Remote sensing land surface temperature for meteorology and climatology: a review. Meteorological Applications, 2011, 18(3): 296- 306.

[63] 陳愛蓮, 孫然好, 陳利頂. 基于景觀格局的城市熱島研究進展. 生態學報, 2012, 32(14): 4553- 4565.

[64] 陳利頂, 孫然好, 劉海蓮. 城市景觀格局演變的生態環境效應研究進展. 生態學報, 2013, 33(4): 1042- 1050.

[65] Howard L. The climate of London: deduced from meteorological observations made in the metropolis and at various places around it. London: W. Phillips, Geogre Yard, 1818- 1820, 1833.

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

[67] 葛榮鳳, 王京麗, 張力小, 田光進, 馮悅怡. 北京市城市化進程中熱環境響應. 生態學報, 2016, 36(19): 6040- 6049.

[68] Sobrino J A, Oltra-CarriR, Sòria G, Bianchi R, Paganini M. Impact of spatial resolution and satellite overpass time on evaluation of the surface urban heat island effects. Remote Sensing of Environment, 2012, 117: 50- 56.

[69] Dousset B, Gourmelon F. Satellite multi-sensor data analysis of urban surface temperatures and landcover. ISPRS Journal of Photogrammetry and Remote Sensing, 2003, 58(1/2): 43- 54.

[70] 喬治, 田光進. 基于MODIS的2001年- 2012年北京熱島足跡及容量動態監測. 遙感學報, 2015, 19(3): 476- 484.

[71] Zhou J, Chen Y H, Zhang X, Zhan W F. Modelling the diurnal variations of urban heat islands with multi-source satellite data. International Journal of Remote Sensing, 2013, 34(21): 7568- 7588.

[72] Zak?ek K, O?tir K. Downscaling land surface temperature for urban heat island diurnal cycle analysis. Remote Sensing of Environment, 2012, 117: 114- 124.

[73] Yang J, Gong P, Zhou J X, Huang H B, Wang L. Detection of the urban heat island in Beijing using HJ- 1B satellite imagery. Science China Earth Sciences, 2010, 53(S1): 67- 73.

[74] 劉帥, 李琦, 朱亞杰. 基于HJ- 1B的城市熱島季節變化研究——以北京市為例. 地理科學, 2014, 34(1): 84- 88.

[75] 李元征, 尹科, 周宏軒, 王曉琳, 胡聃. 基于遙感監測的城市熱島研究進展. 地理科學進展, 2016, 35(9): 1062- 1074.

[76] 田國良. 熱紅外遙感. 北京: 電子工業出版社, 2006.

[77] Small C. Comparative analysis of urban reflectance and surface temperature. Remote Sensing of Environment, 104(2): 168- 189.

[78] Chen X L, Zhao H M, Li P X, Yin Z Y. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment, 2006, 104(2): 133- 146.

[79] 牟雪潔, 趙昕奕. 珠三角地區地表溫度與土地利用類型關系. 地理研究, 2012, 31(9): 1589- 1597.

[80] Lazzarini M, Marpu P R, Ghedira H. Temperature-land cover interactions: the inversion of urban heat island phenomenon in desert city areas. Remote Sensing of Environment, 2013, 130: 136- 152.

[81] 彭文甫, 周介銘, 羅懷良, 楊存建, 趙景峰. 城市土地利用與地面熱效應時空變化特征的關系——以成都市為例. 自然資源學報, 2011, 26(10): 1738- 1749.

[82] Arnold C L Jr, Gibbons C J. Impervious surface coverage: the emergence of a key environmental indicator. Journal of the American Planning Association, 1996, 62(2): 243- 258.

[83] Yang X J, Liu Z. Use of satellite-derived landscape imperviousness index to characterize urban spatial growth. Computers, Environment and Urban Systems, 2005, 29(5): 524- 540.

[84] Weng Q H, Hu X F, Liu H. Estimating impervious surfaces using linear spectral mixture analysis with multitemporal ASTER images. International Journal of Remote Sensing, 2009, 30(18): 4807- 4830.

[85] Yuan F, Bauer M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery. Remote Sensing of Environment, 2007, 106(3): 375- 386.

[86] 楊可明, 周玉潔, 齊建偉, 王林偉, 劉士文. 城市不透水面及地表溫度的遙感估算. 國土資源遙感, 2014, 26(2): 134- 139.

[87] Xiao R B, Ouyang Z Y, Zheng H, Li W F, Schienke E W, Wang X K. Spatial pattern of impervious surfaces and their impacts on land surface temperature in Beijing, China. Journal of Environmental Sciences, 2007, 19(2): 250- 256.

[88] 孟憲磊. 不透水面、植被、水體與城市熱島關系的多尺度研究[D]. 上海: 華東師范大學, 2010.

[89] Gallo K P, Mcnab A L, Karl T R, Brown J F, Hood J J, Tarpley J D. The use of a vegetation index for assessment of the urban heat island effect. International Journal of Remote Sensing, 1993, 14(11): 2223- 2230.

[90] 龐光輝, 蔣明卓, 洪再生. 沈陽市植被覆蓋變化及其降溫效應研究. 干旱區資源與環境, 2016, 30(1): 191- 196.

[91] Raynolds M K, Comiso J C, Walke D A, Verbyla D. Relationship between satellite-derived land surface temperatures, arctic vegetation types, and NDVI. Remote Sensing of Environment, 2008, 112(4): 1884- 1894.

[92] 龔珍, 胡友健, 黎華. 城市水體空間分布與地表溫度之間的關系研究. 測繪通報, 2015(12): 34- 36.

[93] 徐涵秋. 基于城市地表參數變化的城市熱島效應分析. 生態學報, 2011, 31(14): 3890- 3901.

[94] 張宇, 陳龍乾, 王雨辰, 陳龍高, 周天建, 張婷. 基于TM影像的城市地表濕度對城市熱島效應的調控機理研究. 自然資源學報, 2015, 30(4): 629- 640.

[95] O′Neil R V, Krummel J R, Gardner R H, Sugihara G, Jackson B, Deangelis D L, Milne B T, Turner M G, Zygmunt B, Christensen S W, Dale V H, Graham R L. Indices of landscape pattern. Landscape Ecology, 1988, 1(3): 153- 162.

[96] Chen A L, Yao L, Sun R H, Chen L D. How many metrics are required to identify the effects of the landscape pattern on land surface temperature? Ecological Indicators, 2014, 45: 424- 433.

[97] Liu H, Weng Q H. Scaling effect on the relationship between landscape pattern and land surface temperature: a case study of Indianapolis, United States. Photogrammetric Engineering & Remote Sensing, 2009, 75(3): 291- 304.

[98] 陳輝, 古琳, 黎燕瓊, 慕長龍. 成都市城市森林格局與熱島效應的關系. 生態學報, 2009, 29(9): 4865- 4874.

[99] Xu S L. An approach to analyzing the intensity of the daytime surface urban heat island effect at a local scale. Environmental Monitoring and Assessment, 2009, 151(1/4): 289- 300.

[100] 陳利頂, 傅伯杰, 徐建英, 鞏杰. 基于“源-匯”生態過程的景觀格局識別方法——景觀空間負荷對比指數. 生態學報, 2003, 23(11): 2406- 2413.

[101] 李麗光, 許申來, 王宏博, 趙梓淇, 蔡福, 武晉雯, 陳鵬獅, 張玉書. 基于源匯指數的沈陽熱島效應. 應用生態學報, 2013, 24(12): 3446- 3452.

[102] Mitchell B C, Chakraborty J. Urban heat and climate justice: a landscape of thermal inequity in Pinellas County, Florida. Geographical Review, 2014, 104(4): 459- 480.

[103] 張瑜, 黃曦濤, 韓玲, 謝露蓉, 嚴榮華. 西安市城市熱島效應影響因子分析研究. 測繪通報, 2015, (10): 47- 51.

[104] Piao S L, Fang J Y, Zhou L M, Guo Q H, Henderson M, Ji W, Li Y, Tao S. Interannual variations of monthly and seasonal normalized difference vegetation index (NDVI) in China from 1982 to 1999. Journal of Geophysical Research, 2003, 108(D14): 4401.

[105] Hall A. The role of surface albedo feedback in climate. Journal of Climate, 2004, 17(7): 1550- 1568.

[106] Santamouris M, Papanikolaou N, Livada I, Koronakis I, Georgakis C, Argiriou A, Assimakopoulos D N. On the impact of urban climate on the energy consumption of buildings. Solar Energy, 2001, 70(3): 201- 216.

[107] Peng S S, Piao S L, Ciais P, Friedlingstein P, Ottle C, Bréon F M, Nan H J, Zhou L M, Myneni R B. Surface urban heat island across 419 global big cities. Environmental Science & Technology, 2012, 46(2): 696- 703.

[108] 鄭文武. 城市地表蒸散發遙感反演研究[D]. 長沙:中南大學, 2012.

[109] Eliasson I. Urban nocturnal temperatures, street geometry and land use. Atmospheric Environment, 1996, 30(3): 379- 392.

[110] Abutaleb K, Ngie A, Darwish A, Ahmed M, Arafat S, Ahmed F. Assessment of urban heat island using remotely sensed imagery over greater Cairo, Egypt. Advances in Remote Sensing, 2015, 4(1): 35- 47.

[111] 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): 647- 658.

[112] 余兆武, 郭青海, 孫然好. 基于景觀尺度的城市冷島效應研究綜述. 應用生態學報, 2015, 26(2): 636- 642.

[113] 賈寶全, 仇寬彪. 北京市平原百萬畝大造林工程降溫效應及其價值的遙感分析. 生態學報, 2017, 37(3): 726- 735.

[114] Onishi A, Cao X, Ito T, Shi F, Imura H. Evaluating the potential for urban heat-island mitigation by greening parking lots. Urban Forestry & Urban Greening, 2010, 9(4): 323- 332.

[115] 馮悅怡, 胡潭高, 張力小. 城市公園景觀空間結構對其熱環境效應的影響. 生態學報, 2014, 34(12): 3179- 3187.

[116] 蘇泳嫻, 黃光慶, 陳修治, 陳水森. 廣州市城區公園對周邊環境的降溫效應. 生態學報, 2010, 30(18): 4905- 4918.

[117] 陳云浩, 馮通, 史培軍, 王令飛. 基于面向對象和規則的遙感影像分類研究. 武漢大學學報: 信息科學版, 2006, 31(4): 316- 320.

[118] 李慧宇. 遙感溫度產品真實性驗證及空間尺度轉換研究[D]. 成都: 電子科技大學, 2015.

[119] Stathopoulou M, Cartalis C. Downscaling AVHRR land surface temperatures for improved surface urban heat island intensity estimation. Remote Sensing of Environment, 2009, 113(12): 2592- 2605.

[120] 李鹍. 基于遙感與CFD仿真的城市熱環境研究——以武漢市夏季為例[D]. 武漢: 華中科技大學, 2008.

[121] 王翠云. 基于遙感和CFD技術的城市熱環境分析與模擬——以蘭州市為例[D]. 蘭州: 蘭州大學, 2008.