基于TM影像的哈尔滨市主城区绿地降温作用研究

选取2001年、2005年、2013年和2015年的4期同季TM影像为数据源,利用单窗算法反演哈尔滨市主城区地表温度,以SPOT影像为数据源提取30块城市绿地斑块,将地温空间格局与城市绿地斑块进行空间耦合分析,以揭示绿地对城市热岛地温格局的干扰影响。结果表明：从空间上看,哈尔滨市主城区热岛效应显著,主城区分布着大面积高温区和次高温区,极高温区则呈点状、面状或带状孤岛型分布特点;从动态上看,城市热岛的空间格局呈现从城市中心的老城区逐渐向外围新开发建设区域扩展的特点。绿地斑块内部平均温度除与自身特征有关外,还与其空间布局和周边景观格局相关。绿地斑块降温程度和降温范围与绿地斑块面积呈正相关关系,与绿地斑块形状指数呈负相关关系,绿地降温范围与绿地斑块周长呈正相关关系。当绿地斑块面积为0.055 km²时,绿地斑块对周边温度的降温效率较好,当绿地斑块面积在0.070 km²时,绿地斑块对周边降温的面积效率较好。     

哈尔滨市道路系统与城市热岛关系研究

采用哈尔滨市1989,2001,2007年Landsat TM遥感影像资料,利用单窗算法对地面温度进行反演,分析哈尔滨市热场的分布情况,并与20世纪90年代地形图结合来分析道路系统间的温度情况及其与城市热岛的关系。结果表明:铁路和公路温度差异显著且处于不同温度区的铁路温度也有显著的差异;铁路沿线地区热岛效应比较显著,铁路能使周围一定区域温度升高;公路系统作为一种特殊的廊道系统,对城市热岛有一定的阻隔、减缓作用;哈尔滨市铁路对热岛的影响范围不超过300 m,公路对城市热岛的降温作用最大值不超过0.4℃,在120 m以外降低作用很小或没有;绿化率的不同也影响道路对城市热岛的作用效果。     

河谷地形下兰州市城市热岛效应的时空演变研究

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。     

哈尔滨市城市扩展与地表热环境变化关系研究

采用1989,2001和2007年LandsatTM/ETM+遥感数据,利用单窗算法对哈尔滨市地表温度进行反演,从热岛强度、不同类型下垫面转换对温度的影响以及温度重心转移等方面分析了哈尔滨市地表温度随城市扩展的变化规律。研究认为:哈尔滨市城镇面积、城镇用地比重、城市扩展指数都表现为持续增长的趋势,城市主要沿香坊区公滨路、哈阿公路、太平区和松花江以北地区扩展;哈尔滨市高温区面积表现为持续增长,常温区、低温区面积不断减少;城市用地对地表热效应贡献最大,其他类型下垫面向城市用地转换均表现为正温度效应;哈尔滨市城市扩展与温度场强度转移方向相一致,城市扩展是导致城市地表热环境变化的主要原因。     

基于遥感影像的哈尔滨市城市热环境变化

以Landsat TM/ETM+为基本数据源,利用遥感和GIS技术定量反演了哈尔滨市1989和2000年的地面亮温和植被指数(NDVI),对标准化地面亮温分级数据进行热力景观指数计算,研究城市热场分布的空间格局、时空变化规律和不同植被指数(NDVI)等级下热环境的变化特征.结果表明:1989和2000年哈尔滨市建成区均存在显著的热岛效应,2000年建成区热岛效应增强,哈尔滨市总体地面亮温升高;热力景观日趋破碎,各景观类型受干扰程度较大,处于很不稳定的状态.NDVI与地面亮温的负相关性随着植被覆盖度的升高而增大;植被覆盖度与地面亮温的空间变异呈负相关.     

城市土地利用类型及格局的热环境效应研究——以上海市中心城区为例

以上海市中心城区为例,首先采用SPOT影象,人工解译出城市土地利用的类型,同时利用Landsat7卫星,ETM+影象的热红外波段反演每个像元内的陆地表面温度,分析陆地表面温度在不同土地利用类型之间的差异,进一步分析不同土地空间分布格局与地面温度之间的关系。研究结果显示:上海市地表温度具有明显中心城区高、郊区低的热岛效应存在;在城市不同土地利用类型上的表面温度具有显著性差异,两两之间的比较揭示,城市地面温度在大多数土地利用类型之间的差异是显著的。城市内部不同土地类型所产生的热环境效应不同;城市土地类型在空间布局上越复杂,其产生的热岛效应越明显。     

居住空间分异对公园绿地空间格局的作用效应——以苏州市为例

居住空间的扩张与重构对公园绿地格局的影响作用规律,是优良人居环境构建的基础。基于多源数据,利用普通最小二乘法、地理加权回归等方法,以苏州为案例地探究居住空间分异对公园绿地空间格局的作用效应,重点揭示其尺度差异规律。结果表明：(1)两者均存在显著空间分异,且居住空间分异对公园绿地空间格局具有显著作用效应;(2)居住空间分异变量中,中心区位、商业设施、公交站点、住宅户数、出售房价等对公园绿地格局总体呈正向促进作用,居住用地面积、外部交通、医疗设施等总体呈负向抑制作用;(3)小微尺度公园绿地对住房属性敏感,中等尺度公园绿地受居住空间的周边配套、区位交通、社会经济属性影响较大,大尺度公园绿地则与居住空间的区位交通条件关联较强。     

产业结构演进、城镇化质量与土地集约利用之间的关系及其时空演变特征

基于1997—2015年中国内地除上海、西藏以外的29个省份的面板数据,采用空间计量方法研究产业结构演进、城镇化质量和土地集约利用的时空演变及关系。结果表明:(1)城镇化质量与土地集约利用总体上呈递增趋势;东部地区结构效应略优于东北地区和中西部地区,而竞争效应变化不大且各地区间差异并不明显。(2)产业结构、城镇化质量和土地集约利用的空间差异主要源于区域内部差异,且东部地区区域内部差异最大。(3)土地集约利用存在显著的正向空间溢出效应,城镇化质量是土地集约利用的重要影响因素。全国样本中,产业结构演进对土地集约利用的影响不显著;分区域样本中,东部地区构成效应存在显著负向影响,中部地区的产业结构竞争效应存在显著正向影响,而西部地区和东北地区产业结构效应均不显著。     

城市湿地公园周边干扰对其水环境健康的影响——以西溪国家湿地公园为例

城市湿地作为城市中的"湿岛",极易受到人类干扰,这种干扰不仅来自湿地内部,其周边的人为活动对湿地的干扰尤为严重。利用干扰邻近度的概念设计移动窗口算法,分析周边人为干扰对公园内部影响的特点。同时,计算水环境健康指数,辨识周边人为干扰对湿地公园水环境健康的影响。结果表明:1西溪湿地周边干扰面积占整个周边区域的37.7%,主要集中在北部周边区域,东部周边区域的干扰相对较少;2公园内64%的区域受到周边干扰的影响,且影响程度空间差异显著。由公园边缘向中心,干扰影响的强度急剧下降;3不同干扰影响程度下,水环境健康指数呈现明显差异。较强影响区域水体的总氮、总磷和叶绿素a浓度最高,且水体健康指数最低。     

苏州湿地公园鸟类多样性与影响因子相关性研究

调查了苏州8个湿地公园的鸟类资源,分析了湿地公园鸟类多样性与影响因子的相关性。结果表明:8个湿地公园样地共记录到鸟类10目33科114种,总数量11 200只,湿地水鸟种类占31.6%。种群以鹭科Ardeidae、麻雀科Passeridae、莺科Sylviidae和鸭科Anatidae为优势种群,白鹭Egretta garzetta为广布种,8个湿地公园的鸟类多样性差异较大。湿地公园可达面积与鸟类密度呈显著负相关;湿地公园水域面积与鸟类多样性呈显著正相关,与鸟类密度呈显著负相关;湿地公园日均游客密度与鸟类多样性呈显著负相关;保育区管理的局限性导致湿地公园保育区占比与鸟类多样性相关性不显著。     

The role of local land-use on the urban heat island effect of Tel Aviv as assessed from satellite remote sensing

Climate change in cities has received much focus in the past few decades. Heat stress in urban areas has an adverse effect on human health and is expected to worsen in the future due to the global warming. Vegetation has been shown to mitigate this effect, but introducing ‘green’ areas into the metropolitan space is a challenging task. We assessed the thermal load in terms of surface temperature in Tel Aviv, the biggest metropolitan area of Israel. The thermal effect of four different urban land uses was estimated. Specifically, we compared the cooling effect of residential areas with high vegetation cover (referred here as ‘green’ residential) to that of small to medium size (2–40 ha) public parks. To this end, we used satellite data of land surface temperature (LST) and the Normalized Difference Vegetation Index (NDVI), as a surrogate for vegetation cover. High-temporal data were combined with high spatial resolutions data to produce 10-year average LST and NDVI maps at high spatial resolution over Tel Aviv. As expected, industrial areas had the highest LST due to lowest ratio of vegetation to free space area (1%), while ‘green’ areas displayed the lowest LST. Green residential and small-medium public parks had comparable thermal loads, with green residential having slightly lower LST (by 0.5 °C). In general, small-medium public parks displayed higher LST than expected. Inefficient use of free spaces for vegetation, i.e., relatively low vegetation cover to free space ratio, was probably the main cause for this. Public parks had a higher local cooling effect, but a less continuous one on the proximate surrounding (30–90 m from the park), probably due to their relative location in the urban fabric. Our results suggest that ‘greening’ areas within the private urban space should be encouraged at the expense of building new small-medium parks in metropolitan areas that lack the sufficient free space for larger parks. The outcome of this study may have key implications for urban planners seeking to mitigate urban heat island effects under the limitation of existing dense urban layout.     

Combined vegetation volume and “greenness” affect urban air temperature

Cities are often substantially warmer than their surrounding rural areas. This ‘urban heat island effect’ can negatively affect the health of urban residents, increase energy usage, and alter ecological processes. While the effect of land use and land cover on urban heat islands has been extensively studied, little is known about the role of vegetation volume or built-area volume about this phenomenon. We ask whether the 3-dimensional structure of urban landscapes influences variations in temperature across a city. Using heights-above-ground information derived from LiDAR data and the Normalized Difference Vegetation Index (NDVI) calculated from multispectral (4 band: Blue, Green, Red, and Near Infrared) aerial images, we estimated vegetation volume and built-area volume (non-vegetated) in Chicago, Illinois (USA). Daily minimum temperature data were obtained from 36 weather stations for summer 2011. The differences in urban air temperature across the study area were as large as 3 °C. Maximum likelihood models indicated that a combination of NDVI and vegetation volume best predicted nighttime temperature in Chicago, and that vegetation growing within 250–500 m of the weather station was most influential. Our results indicate that vegetation in “the matrix”, i.e. the area outside parks and preserves, is important in temperature mitigation since the majority of the vegetation volume in the study area occurs within residential, commercial/industrial, and institutional land uses. However, open space, which covers only 15% of the study area, has nearly as much total vegetation volume as residential land, which covers 61% of the study area. Clearly, both large wooded parks within a city and large trees scattered across residential areas are needed to best mitigate the urban heat island effect.     

基于Landsat TM的2001~2015年哈尔滨市地表温度变化特征分析

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。     

基于多源数据的长沙市人居热环境效应及其影响因素分析

针对城市人居热环境效应研究缺乏从自然—人文多维因子组合综合评价分析的现状,本文基于多源空间数据（Landsat 5、Landsat 8卫星影像数据、POI空间大数据、数字高程模型等）反演长沙市2000年、2009年和2016年城市地表温度格局,并快速获取与城市热环境密切相关的自然和人文因素共12个影响因子。应用标准差椭圆、空间主成分分析（PCA）等方法多角度分析了城市人居热环境效应及影响因素的联动关系。结果表明：① 2000—2016年共16年间热岛面积共增加547 km²、地表最高温度差达到10.1 ℃。城市热岛区的空间分布主要集中在城市建成区,如工商业集中和人口密集的城市中心地区,并呈现出地表温度从城市中心向郊区逐渐降低的热岛的空间分布格局,出现多个高温中心点,如五一广场商圈、长沙县星沙经济技术开发区、望城工业区、岳麓工业集中区、天心工业区等;② 2000—2016年热岛空间发展主轴保持在东北—西南方向,2000—2009年热岛重心向西南偏移了2.7 km,偏转角度为54.9°,2009—2016年热岛重心向东北偏移了4.8 km,偏转角度为60.9°。整体上,长沙市热环境空间格局的变化和城市的建设强度的变化存在一定的关联;③ 通过主成分分析得出影响长沙城市热环境格局的因子为景观格局、城市建设强度、地形地貌3个主因子;④ 人文因素对于当前加剧热岛效应形成产生的促进作用明显大于自然因素的抑制作用,综合作用下地区将升温0.293 ℃。影响城市人居热环境的因素众多,多源数据有助于揭示城市热环境空间格局及演变规律,深化对城市热岛效应成因分析认知,明确人文和自然影响因素间相关关系和相关程度,以此为改善城市人居环境质量提供科学依据。     

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。     

景洪市城市热岛效应对城市高温的影响及其防御对策

利用景洪市城郊长期对预测气象资源（１９６４￣１９９４）,分析了景洪城市热岛效应及其对城市高温的影响,并提出了防御对策。结果表明,进入８０年代以来,景洪市热岛效应日趋明显,且呈明显的季节性,即干季强于雨季,干季的夜间强于白天,雨季的白天强于夜间;热岛效应不仅增大了市区高温强度,同时增多了高温日数;减缓热岛效应的根本措施是大力发展绿化建设。     

Effect of human settlements on urban thermal environment and factor analysis based on multi-source data: A case study of Changsha city

In view of the lack of comprehensive evaluation and analysis from the combination of natural and human multi-dimensional factors, the urban surface temperature patterns of Changsha in 2000, 2009 and 2016 are retrieved based on multi-source spatial data(Landsat 5 and Landsat 8 satellite image data, POI spatial big data, digital elevation model, etc.), and 12 natural and human factors closely related to urban thermal environment are quickly obtained. The standard deviation ellipse and spatial principal component analysis(PCA) methods are used to analyze the effect of urban human residential thermal environment and its influencing factors. The results showed that the heat island area increased by 547 km~2 and the maximum surface temperature difference reached 10.1℃ during the period 2000–2016. The spatial distribution of urban heat island was mainly concentrated in urban built-up areas, such as industrial and commercial agglomerations and densely populated urban centers. The spatial distribution pattern of heat island is gradually decreasing from the urban center to the suburbs. There were multiple high-temperature centers, such as Wuyi square business circle, Xingsha economic and technological development zone in Changsha County, Wangcheng industrial zone, Yuelu industrial agglomeration, and Tianxin industrial zone. From 2000 to 2016, the main axis of spatial development of heat island remained in the northeast-southwest direction. The center of gravity of heat island shifted 2.7 km to the southwest with the deflection angle of 54.9° in 2000–2009. The center of gravity of heat island shifted to the northeast by 4.8 km with the deflection angle of 60.9° in 2009–2016. On the whole, the change of spatial pattern of thermal environment in Changsha was related to the change of urban construction intensity. Through the PCA method, it was concluded that landscape pattern, urban construction intensity and topographic landforms were the main factors affecting the spatial pattern of urban thermal environment of Changsha. The promotion effect of human factors on the formation of heat island effect was obviously greater than that of natural factors.The temperature would rise by 0.293℃ under the synthetic effect of human and natural factors. Due to the complexity of factors influencing the urban thermal environment of human settlements, the utilization of multi-source data could help to reveal the spatial pattern and evolution law of urban thermal environment, deepen the understanding of the causes of urban heat island effect, and clarify the correlation between human and natural factors, so as to provide scientific supports for the improvement of the quality of urban human settlements.