基于空间PCA的兰州市热环境人文驱动因素分析

在城市化过程中,人类社会、经济活动的加剧使城市地表热力景观呈现出高度的空间异质性。目前对城市热环境形成、演变的驱动机制、热岛效应与地表覆被变化的定量关系研究大多还是从对某些影响因子的测定入手,缺乏对区域热环境系统全面、综合的评价与分析。利用多源空间数据,以干旱区河谷型城市兰州为研究对象,在探讨热环境的空间格局基础上,运用空间主成分分析方法替代传统的多准则判断方法,分析了人类活动对城市热环境的影响特征。结果表明:兰州市人类活动对热环境的影响因子可以归纳为4种相对独立的基本要素,即景观格局、工业布局、城市建筑以及地表覆盖。影响兰州市中心城区热环境的最核心要素是景观格局,四个因子的线性模型较好地模拟了热环境的空间变化,定量揭示了兰州中心城区人类活动对热环境的影响机制。     

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。     

基于UCMap的城市环境气候空间格局分析——以广州市为例

城市化的不断深入使城市下垫面发生改变,自然景观的大幅减少与人工建筑的大规模增加,给城市气候与环境带来了巨大影响。城市环境气候图作为分析与调控城市环境气候、评估城市环境气候状况的工具与平台,拓展了城市气候信息在城市规划与发展中的应用。针对目前中国华南地区城市环境气候研究缺乏多要素图层、多技术方法综合分析的现状,充分考虑到不同要素对环境气候影响程度的差异,论文结合已有的城市环境气候图的编制方法,选择典型亚热带季风气候特征的广州市为研究区域,构建了多环境要素、多评估时段、多技术方法的复杂下垫面城市环境气候图系统,利用专业气象插值、遥感反演、GIS空间分析等多种技术手段,对广州市空气质量、热负荷与通风潜力进行分析评估。结果表明：广州空气质量和热负荷具有明显的季节和空间差异性,通风潜力的空间差异性明显而季节变化微弱。通过进一步叠加分析各环境要素,将广州环境气候划分为7种类型,其中最适宜类型主要分布于北部山区林地与城间耕地,最不适宜类型位于天河、越秀、荔湾的城市核心区以及白云、增城的工业密集区,形成“北优南劣”的环境气候空间格局。最后,以环境气候分析结果为基础,提出各气候类型所在区域的简要规划措施,为广州市的可持续发展提供科学建议与建设方向。     

上海城市热环境的空间格局分析

城市热环境是城市空间环境在热力场中的综合表现，通过对城市热环境的研究可以揭示城市空间结构、城市规模的发展变化。在RS、GIS的支持下，研究城市热环境的空间格局分析方法。借鉴景观生态学的研究方法，首次提出热力景观观点用以研究城市热环境空间格局，创建了热力景以空间格局的评价体系（总体评价指标、类评价指标、块评价指标）。对不同时期上海城市热环境的空间结构与格局进行了研究，使传统的对热环境空间格局的定性研究进入了定量阶段。     

中国中小河流气候和下垫面与产汇流过程关系研究

构建340个中小河流域80个气候和下垫面因子,探讨了水文模型模拟效率对环境因子的敏感性,分析了产汇流因子与环境因子的相互关系。结果如下:① 同类型气候和下垫面因子存在显著相关,不同类型环境因子相关系数相对较低;中国中小河流域大致可分为南方地区,北方地区和西北地区;② 将环境因子分类进行主成分分析的方差解释率显著增加,气候、植被和土地利用、土壤、地形的流域分类效果较好,地貌和地质、人类活动和流域形态的分类效果不理想;③ GR4J模型在中国河流的适用性良好,模型效率显著相关的因子主要集中在气候、植被和土壤,其中影响最大的气候和下垫面因子为干燥度、黏土含量和叶面积指数;④ 水文模型参数中,产流水库容量影响因素包括气候、地貌、土壤、地形、人类活动和流域形态;地下水交换系数影响因子为地貌和地质、地形、人类活动;汇流水库容量影响因子主要有植被、土壤、地貌和流域形态;单位线汇流时间的影响因素集中在气候、土壤和流域形态。     

苏州下垫面格局演变及其局地热环境效应

以苏州为研究区域,选择1986年Landsat TM、2006年Landsat ETM+遥感图像为主要数据源,分别提取下垫面类型和地表温度,研究景观格局指数的粒度效应,并在适宜粒度下分析景观格局的演变特征,进而研究其与热环境变化之间的关系。结果表明,研究区20多年来景观破碎化程度、斑块形状复杂程度与景观多样性变大,而聚集程度变低,热场变异指数增大区域的景观格局指数变化更为明显,这说明下垫面格局演变对热环境变化具有一定的影响作用。     

地理探测器方法下甘肃白龙江流域景观破碎化与驱动因子分析

基于GIS技术、景观格局指数、主成分分析和地理探测器的方法,定量分析了1990~2014年甘肃白龙江流域的景观破碎化及其驱动因子。结果表明：1990~2014年甘肃白龙江流域景观破碎化程度先增加后降低;研究期间流域东南部的景观指数变化最为剧烈和复杂,主要是文县和武都区;人类干扰（人类活动强度和土地利用类型）和地形因子（高程、坡度和坡向）对景观破碎化空间分异的影响显著不同,其中人类干扰是景观破碎化空间分异的主要驱动因子。     

全球气候变化背景下基于土地利用的人类活动对城市热环境变化归因分析——以京津冀城市群为例

近年来全球气候变化已经影响到人类生活的所有地区,气候系统变化的规模和现状是数千年来前所未有的。与此同时,中国城镇化进程显著加快,尤其以城市建设用地扩张主导的土地城镇化最为突出,导致城市热环境脆弱性加剧。已有研究探索了特定类型土地利用变化对于城市热环境的影响,但忽视了全球气候变化背景下自然气候和人类活动共同作用城市热环境变化的双重过程。因此,本研究提出一种基于土地利用类型的城市热环境变化贡献度算法,旨在厘清自然气候（表征为土地利用平均温度变化）和人类活动（表征为土地利用类型转变）对于区域热环境变化的单独贡献。本研究使用中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer,MODIS）地表温度及发射率数据,定量计算2005—2020年四季和昼夜京津冀城市群各城市土地利用类型平均温度和面积变化对于城市热环境变化的分别贡献。该算法计算各城市四季和昼夜地表温度变化与MODIS LST产品误差在1 K以内。2005—2020年各城市地表平均温度大多数呈增长态势,其中冬季白天增温幅度最高。耕地、城市建设用地和农村居民点对城市热环境变化的贡献度较其他土地利用类型突出。京津冀城市群中各城市人类活动对城市热环境变化的单位贡献强度远高于自然气候（4.03~648.07倍）,而人类活动的贡献总量（-0.25~0.92 K）低于自然气候（-2.40~6.50 K）。研究结果对于京津冀城市群空间协同发展和适应及减缓气候变化等具有重要的科学意义和实践价值。     

岷江上游山区生态福祉波动的人类活动干扰研究

探究人类活动对生态福祉的影响机制与作用规律,实现对人类活动的有效调控,是维持地区环境与社会经济可持续发展的重要途径.现有研究主要聚焦于人类活动干扰导致区域生态格局产生变化的过程和原因等,而相对缺乏人类活动与区域生态福祉间的相关性研究.本文利用当量因子法、突变理论及贬值率模型对岷江上游1995年、2005年和2015年生...     

城市空间增长与格局变化的预测

该文综述城市空间增长和空间格局变化的理论，并评述现今利用ＧＩＳ进行城市空间增长和格局变化的现状，分析促进城市空间增长及空间格局变化的动力机制和影响因素，提出用ＧＩＳ进行城市空间增长及格局变化预测     

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.     

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。     

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。     

东莞市城市热环境时空变化及其驱动机制

东莞市处于快速城市化进程中,基于19902005年Landsat TM/ETM＋反演地表温度,对地表温度数据进行归一化处理,分析东莞市热环境格局的时空变化特征,并引入建筑密度和交通干道对区域热环境格局的形成机制进行分析。研究表明：东莞市在近15年间城市热环境格局发生重大变化,随着城市建设用地的扩张,热岛由起初的分散点状...     

城市土地利用/覆盖变化与热环境生态调控研究进展与展望

城市土地利用/覆盖变化(LUCC)与热环境生态调控是城市生态学和城市气候适应性关注的热点问题。在提出城市LUCC/空间结构与生态服务热调节功能连接的重要性的基础上,综述了城市土地利用变化、城市绿色基础设施在热岛减缓和气候适应性发挥的作用,评述了观测实验、定量遥感和过程模型方面以及热调控的进展情况。基于此认为,局地或区域尺度城市高精度结构组分高精度遥感探测方法、城市高精度下垫面多尺度(功能区/覆盖组分/构造或材质等)对局地气温和辐射能量平衡影响机理和定量贡献识别、城市生态系统热调节功能的城市地表结构组分调控阈值确定、以及区域或全球尺度城市土地利用/覆盖变化影响的生物地球物理机制定量化认知等,是未来重要的发展方向。     

广佛同城化发展的热岛效应研究

在新常态区域协同发展的机制下,同城化发展的进程不断加快,由此导致的热岛效应影响不断凸显。城市热岛效应的时空变化,是土地利用类型的改变和人们活动等相互作用的结果。本文以广佛同城区域为例,采用2000年和2010年珠三角的土地利用类型数据,利用WRF(Weather & Research Forecasting Model)气象数值模式,分析广佛同城化加速发展带来的热岛效应强度变化。同时,应用连续变化的灯光数据提取2000-2010年间广佛的建成区变化,从个人口密度、户籍数及工业生产总值等角度出发,对广佛同城化区域热岛强度的湿度变化进行相关性和二元回归分析,研究同城化过程中对热岛效应产生的决定性影响。研究表明,广佛交界处的荔湾、南海、白云、三水、番禺、顺德等地区的气温明显高于其他地区,而月平均相对湿度明显低于其他地区,形成大范围的城市热岛和城市干岛。研究还发现,随着建成区面积的增加,热岛强度增强;人口增长及地区生产总值的变化,与广佛同城化区域热岛强度的相关系数超过0.68。总体而言,广佛同城化发展带来人类活动的加强与土地利用类型的改变,对热岛效应具有重要的影响。     

人文要素数据与土地利用单元匹配方法——以北京丰台区为例

驱动力机制是土地利用变化研究的核心和主要方向,而将人文要素数据匹配到土地利用单元的方法研究是探讨人文因子驱动土地利用变化机制的基础工作之一。本文在详细阐述人口和经济产值与土地利用单元匹配方法的基础上,进而以北京市丰台区为例,采用人居密度和土地经济产值密度指标,定量计算并分析了1999年丰台区人口居住和土地经济产出的空间分异特征。丰台区人居密度差异巨大,最高与最低相差近29倍;土地经济产值密度高低差异主要体现在非农业用地与农业用地之间,最高的城镇用地是最低的粮食种植用地的45倍。研究结果表明将人文要素数据匹配到土地利用单元的方法是可行的。