天津市单次极端低温过程中城市热岛对建筑负荷的影响

基于自动气象站实测资料，通过模拟天津市办公建筑逐时供暖负荷，重点分析了极端低温过程中城市热岛对建筑小时供暖负荷的影响，以期为精细化供暖调控和节能设计提供参考。结果表明：2009—2017年城市和乡村办公建筑供暖负荷均呈减少趋势，城市供暖负荷较乡村平均每年减少7.46%。城市热岛强度(Urban heat island intensity, UHII)每上升1℃，城市办公建筑年供暖负荷较乡村减少2.19 kWh/m²，即热岛强度的增加使城市办公建筑供暖需求有所减少，有利于城市建筑的供暖节能。以2016年1月21~25日典型极端低温过程为例，研究发现，低温过程中城乡小时供暖负荷明显增加，较低温前和低温后增加约10%~20%。受大尺度天气过程影响，低温过程中城乡气温差异变小，UHII减弱。低温前和低温后城市供暖负荷较乡村减少约6%~8%，而低温过程中城市较乡村仅减少约3%；另外，在低温过程中，北京时间07:00~19:00的高负荷时段城乡供暖负荷差异不明显，这些结果表明低温过程中城市热岛对办公建筑供暖负荷的影响不大。     

北京地区城市热岛强度长期变化特征及气候学影响机制

选择北京地区为研究区,基于1967~2016年城市站（北京站）和城郊农村站（密云站）的长期气象观测数据,研究平均气温、最高气温、最低气温对应的城市热岛强度长期变化特征及其气候学影响机制。研究发现,过去50 a平均气温和最低气温对应的城市热岛强度显著增加,增温率分别为0.29℃/10a和0.45℃/10a,而最高气温对应的城市热岛强度则没有明显变化趋势;统计分析显示过去50 a北京地区相对湿度、风速和日照时数显著降低以及气温显著上升有利于城市热岛的形成,强化城市热岛强度;未来全球变暖和快速城市化背景下北京地区城市热岛效应将进一步加剧,形成更频繁和持续时间更长的夏季城市高温热浪,严重危及城市居民生产生活和生命健康。     

兰州市城市热岛效应评价与灰色预测

利用兰州市及其郊区（永登、榆中、皋兰3县）1958—2004年气象观测资料分析了兰州市热岛强度的年变化规律,结果表明,1975年以后,兰州市城市热岛效应呈上升趋势,但热岛强度整体保持在3.0 ℃以下;1981—1998年平均热岛强度为3.30 ℃,1990年以后城郊热岛强度增加到3.6 ℃以上;1996年达到最高为4.25 ℃;根据兰州市社会发展状况及前人的研究结果,分别分析了兰州市城市热岛强度在1971—1980年、1990—1995年和1997—2003年3个时段的季节变化规律,未来兰州夏季热岛效应将会排在第一位。运用灰色关联度分析法对影响兰州市城市热岛效应的因子群进行了贡献测度分析,结果表明,人为热释放是造成兰州市城市热岛效应的关键因素;风速、总云量是影响兰州市城市热岛效应的主要气象因子。最后通过改进GM(1,1)模型的拟合与预测,结果与实际情况具有良好一致性,表明兰州市城市热岛效应有进一步加重的趋势。     

山地高密度城市热岛效应的多约束因子格局分析与定量探测——重庆都市区案例研究

城市热岛受城市地表多因素影响,山地城市的情况则更为复杂。本文以典型山地城市重庆为例,基于Landsat8 OLI/TIRS影像、高精度矢量建筑等多源空间数据,采用城市地温反演、归一化植被指数、天空开阔度建模等方法,重点针对城市建成区,通过地理探测器分析各因子对城市热岛效应的约束力。研究表明：① 在都市区全域,城市热场空间异质性显著,植被覆盖、城市表面高程和天空开阔度因子具有全局性约束力表现,建筑密度、容积率和路网距离具有局部约束力表现。② 在城市建成区内部,对城市热岛效应约束性排前三位因子分别为：植被覆盖（q=0.782）、城市表面高程（q=0.499）、建筑密度（q=0.496）;局部约束因子建筑密度、容积率和道路距离的约束力均较强,但三者差异小;天空开阔度对城市热岛的全局性影响相对较小（q<0.1）。③ 在城市建成区内部,各约束因子对城市热岛具有叠加约束效应,叠加解释度q（X_i∩X_j）均强于独立解释度,叠加q值介于0.50~0.82之间。     

城市空间形态对城市热岛效应的多尺度影响研究进展

随着全球城市化的快速发展和气候变暖及极端高温事件的加剧,城市热岛效应已成为了21世纪影响人类生存发展的重要环境问题。因此,阐明城市热岛强度时空变化特征,揭示多空间尺度下的形成机制是人文地理学和气候学研究的热点和前沿交叉科学问题。从街道峡谷微观尺度、城市街区局部尺度和城市宏观尺度全面总结和系统梳理了城市空间形态对城市热岛效应的多尺度影响和耦合机制,提出了未来通过定量表征城市热岛强度、城市空间形态的空间格局、时间演化特征及规律,构建空间关系分析模型,进而揭示城市空间形态在不同时空尺度对城市热岛强度的作用机制,为城市规划、宜居城市建设以及气候变化的响应与适应研究提供理论指导。     

上海城市热岛与热浪协同作用及其影响因子

在全球变暖的背景下,热浪变得更加频繁。城市地区由于城市热岛效应在热浪事件中承受更大的风险。然而城市热岛与热浪之间的相互作用还少有研究。利用2016-2017年两个夏季（6-8月）上海城、郊气象站逐时气温、风速、相对湿度资料、城区徐家汇和郊区奉贤涡动相关通量观测资料对比分析了热浪和非热浪期间城市热岛强度的差异,并利用一个平流扩散解析模型揭示了城市热岛与热浪相互作用的物理机制。结果表明,热浪期间的城市热岛强度相比非热浪期间明显增强,且白天增强大于夜间,显示出城市热岛与热浪之间的协同效应。热浪期间城、郊相对湿度比值相对非热浪期间明显减小,表明热浪期间城区地表相对郊区变得更干,从而抑制了蒸发作用,加剧了城市热岛强度;平均风速也明显减小,平流降温效应减弱,对城市热岛强度起正反馈效应。热浪期间城区净辐射通量的增加大于郊区,使城区获得更大地表辐射输入;由于城区更少的植被覆盖和更多的不透水下垫面,热浪期间城区潜热通量略有降低,而郊区明显增加;城区感热通量增幅则大于郊区,这种感热和潜热通量分配的改变也加剧了城市热岛强度。本研究对城市如何应对加剧的热风险具有重要的科学指示意义。     

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。     

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。     

武汉城市扩张对热场时空演变的影响

深入分析城市扩张对城市热场时空分布及演变的影响机制,对探求城市热岛效应缓解对策、改善城市生态环境质量意义重大。基于1987年、1996年、2007年和2013年的Landsat影像反演武汉主城区地表温度、提取不透水面值,定量研究两者的关系,探讨城市建设对城市热场空间分布的影响;采用不透水面和正规化地表温度差值影像动态定量1987-2013年武汉城市扩张对热场时空演变的影响机制。结果表明：① 1987-2013年,武汉不透水面不断增加,城市建设强度加强,城市扩张明显,但是不同时期表现出不同的扩张方向、范围和模式。② 城市热岛效应主要发生在相应时期的建成区和武钢工业区,而城市大型水体则表现出明显的“冷廊效应”和“冷岛效应”;1987-1996年、1996-2007年和2007-2013年热状况恶化面积分别为382.0 km²、305.1 km²和105.7 km²,热状况总体呈现恶化趋势。③ 不透水面指数能较好地解释热场空间的异质性,两者回归方程的系数为0.751~0.923,不透水面值每增加0.1,正规化地表温度值会增加0.01~0.02。④ 城市热状况变化从改良极显著、改良较显著、无变化、恶化较显著到恶化极显著,对应的不透水面差值由小到大,城市扩张和城市建设强度加大对恶化城市热环境和加剧城市热岛扩展作用明显。     

归一化水汽指数与地表温度的关系

城市热岛的遥感研究,传统上主要利用归一化植被指数作为指标来评估地表温度-植被之间的关系。本研究探讨了以归一化水汽指数作为评估其与地表温度关系的适应性,比较了归一化水汽指数和归一化植被指数在表达城市热岛效应方面的效力。利用"单窗算法"和3个不同时段的TM/ETM+数据获取了珠江三角洲核心区域的地表温度分布图,分析了两种指数与地表温度之间的关系。对局部区域逐像元和对区域总体分析的结果表明:不同时段的地表温度与归一化水汽指数之间均存在较强的线性关系,而地表温度与归一化植被指数之间的线性关系相对较弱。说明在城市化的环境下,与传统上常用归一化植被指数作为指标来定量分析地表温度相比,归一化水汽指数提供了一种互补的、甚至更加有效的衡量指标。     

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。     

中国城市群热岛效应时空演变及其影响因素分析

基于长期不透水面和MODIS地表温度数据,分析2000—2015年中国城市群扩张及热岛效应时空演变,进而综合采用冗余分析(RDA)、线性回归分析和变异分配分析(VPA)等方法,揭示城市群城市热岛效应的驱动机制。结果表明：城市群内建成区面积快速扩张,不透水面比例从2000年2.08%增长到2015年5.33%,且主要集中于珠江三角洲等沿海城市群;2000—2015年,夏季热岛分布较广,且白天强度高于夜晚。东部以及大部分北部城市群如哈长城市群等,降温强度较大,但其夜晚热岛效应在不同程度增强。冬季夜晚比白天热岛分布广、强度高,北方、西北、东部等地区夜晚热岛效应也在增强;自然环境因素显著影响城市群热岛强度,降水对夏季夜晚热岛强度起显著负贡献(22%),纬度越高,冬季夜晚热岛强度也越高。人为因素显著影响夜晚热岛分布和城市群内热岛强度的平衡,城市植被覆盖显著减少夜晚城市群内热岛分布,灯光强度对夏季夜晚热岛强度起显著负贡献(24%),对热岛比例起显著正贡献(27%),人口密度对夏季夜晚热岛强度起显著负贡献(31%);自然环境因素对热岛强度的贡献占主导,而人为干扰因素对热岛比例的贡献占主导。     

The Heat Island Effect Response to the Urban Landscape Pattern of Haikou based on the “Source-Sink” Theory

The Landsat images of the 2000, 2005, 2010, 2015, 2018 are selected as the data source to retrieve land cover and surface temperature data. The contribution of Sink-Source landscape pattern to the heat island and its ecological effects on urban and rural gradient were analyzed by using Heat Index (HI), Sink and Source Landscape Contribution (CI_sink, CI_source) and Landscape Effect Index (LI) in Haikou. The results show that the heat island is concentrated on the West Coast, and in the central urban and Jiangdong New Area; the HI shows a pattern of decreasing value with the following land types: “Bare land>Artificial surface﹥Source landscape>Shrub grassland>Farmland>Sink landscape>Woodland>Water body”. In the central city section, the CI_sink and CI_source are relatively large in these five periods. The LI decreases rapidly along the urban-rural gradient, promoting the Urban Heat Island (UHI) to a large degree. In contrast, the suburban area contributes to a lesser degree. Overall, the LI fluctuates, the proportion of mitigating UHI is large, and there is a second peak outside the city center. The existing Source-Sink Landscape contributes the most to UHI in the central urban area, and this contribution decreases along the urban-rural gradient. With the continuous expansion of city-town areas, the proportion of Sink areas has increased along the gradient, and the proportion of Source areas has subsequently declined, resulting in the spatial transfer and diffusion of UHI. Therefore, a UHI mitigation strategy based on the theory of regional landscape systems is proposed here.     

北京城区城市热岛的多时空尺度变化

利用气象台站数据分析北京城郊气温和城市热岛（UHI）强度的年变化及风速对北京UHI的影响;同时分析北京5个城市站点UHI在不同季节的日变化特征。结果表明,近44 a来北京市区与郊区的多年平均气温和UHI强度均呈增加的趋势。风速的降低促进北京城区的UHI出现增加趋势。风速对UHI的季节变化影响也很显著。2005年北京UH...     

Can gains in efficiency offset the resource demands and CO2 emissions from constructing and operating the built environment?

Urbanization is a demographic, economic, and land transformation process. Building construction and operation are integral aspects of urban land use change and contribute to material and energy resources consumption and the resulting carbon dioxide (CO₂) emissions in urban areas. In this paper, we ask two questions regarding the urbanization process: 1) Do the land, material, and energy use efficiencies associated with the construction and operation of buildings increase over time? 2) Do the gains in resource use efficiencies offset the increases in resource demands due to the magnitude of urbanization? To answer these questions, we use a systematic approach similar to a material flow analysis and apply it to the Pearl River Delta, a rapidly urbanizing region in China. We use a combination of satellite data and official statistics to evaluate changes in urban population density and building density from 1988 to 2008. Both density measures decrease from 1988 to 2003; after 2003, building density increases while population density continues to decline. We also track the indirect impacts of urban land expansion on material and energy demands and associated CO₂ emissions using concrete and heating/cooling as proxies for building construction and operation, respectively. Throughout the study period, structural changes and efficiency gains decrease the demand per unit floor area for both building materials and energy. However, the efficiency gains are outstripped by the magnitude of urban expansion, therefore leading to an increase in the demand for resources and CO₂ emissions per capita. Our results show that focusing only on gains in efficiency for individual buildings without considering the scale of urban expansion results in underestimate of the cumulative energy, material, and greenhouse gas emissions impacts of urbanization. We emphasize the distinction between the rates versus the accumulations of these impacts over spatial and temporal scales. We discuss the relevance of the Environmental Kuznets approaches to tackling environmental impacts that are cumulative in nature and may lead to irreversible changes in the environment. We conclude that tracking the energy, materials, and emissions impacts of urbanization requires a multi-scale approach that ranges from the individual building to the urban region.     

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.     

Object-oriented tracking of the dynamic behavior of urban heat islands

The urban heat island (UHI) phenomenon occurring within urban areas or city-clusters is increasingly becoming a severe problem in the urbanization process. Previous research mainly focusing on static UHI modeled at fixed time instants is not capable to track the evolutionary process of the UHIs in both time and space domains. This research designs an object-oriented dynamic model to reconstruct the evolutionary process of UHIs. Each UHI is modeled as a spatiotemporal field-object with its own life-cycle. The dynamic behavior of an UHI is defined by a series of filiations (e.g. expansion and contraction). The model was implemented in an object-relational database and applied to air temperature data collected from weather stations in hourly basis over 7 days. The behaviors of UHI were extracted from the data. Results suggest that the model can effectively identify different behaviors and status of UHIs, and reveal the spatiotemporal behavior of each of them.