2021, Vol. 41文章信息
- 张秀, 王旭红, 郑玉蓉, 崔思颖, 杨霞, 蒋子琪
- ZHANG Xiu, WANG Xuhong, ZHENG Yurong, CUI Siying, YANG Xia, JIANG Ziqi
- 气溶胶光学厚度和不透水地表覆盖度对城市热岛强度的影响——以关中地区为例
- Effects of aerosol optical depth and impervious surface percentage on urban heat island intensity: A case study in Guanzhong Region
- 生态学报. 2021, 41(22): 8965-8976
- Acta Ecologica Sinica. 2021, 41(22): 8965-8976
- http://dx.doi.org/10.5846/stxb202102210480
-
文章历史
- 收稿日期: 2021-02-21
- 修订日期: 2021-08-27
2. 陕西省地表系统与环境承载力重点实验室, 西安 710127;
3. 陕西西安城市生态系统定位观测研究站, 西安 710127
2. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Northwest University, Xi'an 710127, China;
3. Shaanxi Xi'an Urban Forest Ecosystem Research Station, Northwest University, Xi'an 710127, China
城市热岛效应(Urban heat island effect, UHI)是指城市地区温度比周围郊区温度高的现象, 由人类活动导致的城市气候环境变化[1]和城市化快速发展而引起的城市生态环境效应[2]。城市热岛增加了空气制冷、供暖等所带来的燃料燃烧和能源消耗[3]。此外, 城市热岛是城市空气污染的主要贡献者[4], 会使城市局地气候环境变得更为严峻。有研究表明, 城市热岛与热浪之间的协同作用会增加城市的热风险[5-6], 过热的室外环境会威胁到人类身体健康与居住环境的舒适性[7-9], 研究城市热岛效应时空变化规律及其影响因子对于制定缓解城市热岛效应的措施具有重要作用。
由于城市热岛为城市带来诸多的负面影响, 城市热岛及其影响因子的研究已成为20世纪以来的多领域多学科关注的热点。城市热岛形成的原因大概分为两种：一是社会原因, 主要包括人口规模、交通、建筑物以及GDP等；二是自然原因, 主要有土地利用类型、风速风向、湿度和大气中的悬浮颗粒物等。国内外学者对这两大驱动因素都已做了深入研究, 例如社会经济因素中的人口规模与GDP的增长是UHI加剧的主要社会因素[10], 人类的生产、生活活动以及交通所排放的人为热会促进城市内部气温向高值区发展[11-12]。此外, 建筑高度和建筑密度的增加会导致城市热岛强度的增加[13-14]。在自然原因中, 不同的土地利用类型对UHI影响是有差异的, 植被和水体都能起到调节城市局地气候的作用, 减轻城市热岛效应[15-17]；不透水地表与裸土因反照率小, 吸热快, 对城市热岛效应有促进作用[18-19], 特别是不透水地表与夜间UHI有显著正相关[20]。此外, 已有研究表明局地气候因素也会影响城市热岛, 其中炎热潮湿的气候会放大城市热岛效应[21], 潜热和显热亦会对城市热岛造成影响[22]。Ngarambe[23]通过回归分析和方差分析检验, 发现大气中的CO, NO2, SO2等与UHI呈正相关, 表明大气污染的加重也会导致城市热岛效应的加剧。然而, 大气中气溶胶浓度对城市热岛强度的正负影响还未达成一致性的研究结论。有学者认为气溶胶颗粒物浓度与城市热岛强度之间存在显著正相关[24-25], 大气中的气溶胶阻挡了空气的垂直与平行流动, 使得城市内部热量扩散较弱, 起到了保温的作用。另有研究表明气溶胶与UHI呈负相关[26-27], 气溶胶吸收和散射太阳短波辐射, 使到达地面的辐射减少, 进而导致地面降温。综上研究, 目前对由城乡ΔAOD辐射效应而导致城市内地表温度变化以及城乡ΔAOD对城市热岛强度贡献的定量研究仍然较少, 对城乡ΔAOD与UHI的相互关系仍需深入研究和分析。
关中地区因特殊地形阻碍, 大气颗粒物扩散不畅, 雾霾污染甚为严重, 城市化进程中的城市热岛效应与气溶胶光学厚度和不透水地表覆盖度的关系还未得到深入的研究和分析。因此, 本文利用热岛足迹、局部G*指数空间自相关分析、Pearson相关分析和AOD定量归因分析等方法来探究关中地区城市热岛效应的时空变化, 以及气溶胶浓度变化和不透水地表扩张对城市热岛效应的影响, 这对缓解关中城市群城市热岛效应, 建设生态型城市具有重要意义, 并为城市未来发展规划提供必要的理论依据。
1 数据来源与预处理 1.1 研究区概况关中地区是陕西省的政治、经济、文化中心, 从古至今都具有极其重要的政治、经济、军事地位。地处陕西省中部, 北临黄土高原, 南靠秦岭, 总面积为55386km2, 辖西安、宝鸡、咸阳、渭南、铜川、杨凌5市1区(图 1)。气候属于暖温带季风气候, 夏季高温多雨, 冬季温和少雨, 年降水量达604mm, 降水主要集中于夏秋两季, 年平均气温为12—13.6℃。2018年底常住人口为2448.15万人, 国民生产总值达15237.60亿元, 占陕西省的62.35%, 城市化率达58.13%。其中, 西安市是重点建设的国家级中心城市之一, 连接着我国东西两大经济区, 是西北地区最大的城市, 具有不可替代的经济地位。同时, 西安市是一带一路的重要节点城市, 因其优越的地理位置, 在全球化经济发展中具有重要的战略地位。
|
| 图 1 研究区示意图 Fig. 1 Schematic diagram of study area |
由于渭南、铜川城区面积过小, 城市热岛效应不明显, 热岛足迹不易划分, 故不做研究, 本文着重研究西安、咸阳和宝鸡市城区的城市热岛效应、AOD和白天/夜晚LST冷热点分布规律, ISP、城乡ΔAOD与城市热岛强度关系以及城乡ΔAOD对城市热岛强度的贡献度。
1.2 数据来源城市热岛效应一般可用气温和地温表示[28], 本文仅选取白天/夜晚地表温度(LST)来研究近20年来关中地区城市群的热岛时空分布规律, 主要研究时段为2000年、2005年、2010年、2015年和2018年。地表温度LST选用分辨率为1km的8天合成产品MOD11A2, 其白天与夜晚的地温由通道31与32劈窗算法[29]反演得到, 其反演精度达到1K[30]。MOD11A2数据需要在MRT中进行批量投影与拼接, 然后对缺省值和无效值进行剔除, 将DN值转换为真实地温值, 转换公式为：
|
(1) |
式中, T为地表真实温度(℃), DN值为其像元灰度值, 0.02为头文件中的辐射缩放比例。
气溶胶光学厚度(AOD)是大气气溶胶重要的光学特性参数, 是表征大气气溶胶含量及大气浑浊度的重要物理量[31], 本文采用MOD04_3K产品中的“Optical_Depth_Land_And_Ocean”数据集, 它是基于暗像元算法得出的全球气溶胶日产品。MODIS产品获取的轨道号为H26V5和H27V5。
人工不透水地表面积数据和建成区边界数据从宫鹏研究团队的全球人工不透水区域(GAIA)和全球建成区边界(GUB)数据成果中下载(http://data.ess.tsinghua.edu.cn)。GAIA是基于GEE平台绘制而成, 其平均精度高于90%[32]。GUB数据与夜间灯光数据和人工解译图具有良好的一致性[33], 本文提取关中地区建成区边界作为城区边界, 包括西咸、宝鸡市城区, 主要用于研究城市热岛足迹。
2 研究方法 2.1 城市热岛足迹城市热岛足迹是指受城市热岛效应影响的区域, 即城市热岛效应产生的空间范围[34]。城市热岛足迹越大, 说明需要更多的土地来吸收人类活动所排放的人为热等。为了减少对城市热岛效应分布范围的主观干扰, 利用改进的半径法来确定城市热岛足迹。城市热岛效应的分布范围通常与城区分布相重合, 因此在ArcGIS中提取城市城区的重心, 作为同心环带的中心。经过多次实验, 最终确定两个城区的同心圆形的最佳半径为5km, 外环每一个圆环面积Si要与同心圆形面积S1相等, 因此每个圆环的半径为
|
(2) |
|
| 图 2 西咸城区各同心环内地表温度均值散点图(2000年白天) Fig. 2 Scatter plot of mean surface temperature of Xixian rings (daytime, 2000) |
Getis-Ord G*指数[35]用于研究观测值的热点与冷点聚集分布, 分析地温与AOD时空变化特征, 表达式为：
|
(3) |
式中, Wij为i, j的空间权重矩阵, d为权重距离, xj为网格j所在的地表温度或AOD值。为了解释和比较, 可用Z(G*)值对局部G*指数进行标准化处理, Z(G*)=
城市热岛强度表示为城市地温与周围乡村地温之差, 用于表征城市热岛效应影响的程度, 可用ΔT(℃)表示。因城市热岛足迹的确定不仅对城市热岛强度ΔT计算有重要的影响[36], 而且对估算城乡ΔAOD对城市热岛强度的贡献力亦有重要的意义。因此, 利用已确定的热岛足迹为计算城市热岛效应的空间范围, 在足迹范围内选取不透水地表覆盖区, 计算年均白天/夜晚LST和AOD, 以此作为城区LST和AOD值；热岛足迹范围外扩5km建立乡村缓冲区, 剔除ISP覆盖图斑, 分别计算乡村LST和AOD值。
城乡ΔAOD对城市热岛强度的贡献力ΔTAOD用归因分析方法计算得到, 该方法由Lee等[37]提出, 最初主要用于量化森林砍伐对气温的影响, 之后由Zhao[38]进一步拓展, 用于研究美国东部城市气候对热岛效应的贡献, 随后Cao等[39]进一步完善研究AOD对城市热岛强度的贡献。为了研究城乡AOD差异对城市热岛强度的贡献, 在此引入Cao等的理论公式, 表达式为：
|
(4) |
式中, ΔTAOD为城乡ΔAOD对城市热岛强度的贡献力(℃), λ0(≈0.2℃m2/W)为当地固有气候敏感性, f(≈1.7±0.9)为无量纲能量再分配因子, ΔL↓是长波辐射L↓的城乡对比, 用卫星观测的ΔAOD与长波辐射对AOD的灵敏度的乘积来计算。因关中地区气候属于暖温带季风气候, 查表可知该地区的AOD辐射效应灵敏度为(23.8±4.6)W/m2。
3 研究结果与分析 3.1 城市热岛足迹从图 3中可以看出, 近20年来, 随着不透水地表的扩展, 西咸城区白天/夜晚城市热岛足迹在总体上呈阶段性增加的态势。其中, 2000年白天的城市热岛足迹为前6环, 在距离城区重心半径11km范围内。随着城市化进程的发展, 至2018年城市热岛足迹达33环, 距离城区重心距离增至28.7km, 热岛足迹范围是2000年的6.8倍, 白天城市热岛足迹显著扩展。西咸城区夜晚的城市热岛足迹较小且增长缓慢, 2000年城市热岛足迹为前3环, 到2018年时城市热岛足迹达17环, 距离城区重心20.6km, 远远小于白天的热岛足迹。对比西咸城市热岛足迹昼夜变化, 2018年的白天热岛足迹是夜晚的1.9倍, 表明白天城市热岛效应影响的范围更大。宝鸡市由于城区形态比较特殊, 呈长条形, 东部部分城区被渭河隔断, 近20年来城区主要沿渭河呈东西向发展, 不透水地表面积扩张缓慢, 虽然城区重心有所变化, 但距离相差不大。白天与夜晚热岛足迹基本保持不变, 白天热岛足迹多年均为前17环, 夜晚在13环附近, 城市热岛效应影响范围变化不大。对比而言, 近20年来西咸城区向四周扩展显著, 其中2018年不透水地表面积是宝鸡市的8.6倍, 热岛足迹在逐年增大, 表明人工不透水地表增加会显著加强城市热岛效应[18]。
|
| 图 3 关中地区城市热岛足迹年际变化图 Fig. 3 Annual variations of UHI FP in Guanzhong Region |
在ArcGIS中利用Getis-Ord G*聚类分布制图对局部G*指数进行可视化表达, 并按照自然间断点分级法(Jenks)将白天/夜晚LST和AOD的G*指数从低到高分为冷点、次冷、次热、热点区4类。
将LST和AOD的局部G*指数分布图与城市热岛足迹结合进行空间叠置分析, 研究城区LST与AOD的冷热点与热岛足迹分布的一致性和异质性。如图 4和图 6所示, 随着西咸城区范围的扩展, 城市热岛足迹在不断扩大, 热岛足迹内的白天LST热点面积显著提高, 次热区面积在逐渐下降。足迹内白天LST热点区占比从2000年的9.04%上升到2018年的53.62%, 高值越来越聚集, 白天城市热环境持续恶化。近20年来, 足迹内的夜晚LST热点分布广, 热点面积占比均在90%以上, 表明夜晚城市热岛足迹与LST热点分布较为一致, 足迹内无冷点与次冷点分布, 夜晚城市热岛效应显著。在2000年至2018年, 宝鸡市的白天/夜晚城市热岛足迹内多年均为LST次热区占主导, 为较高值聚集, 城市热环境较为严峻。白天LST次热区占比起伏较大, 从2000年的56.20%下降至2018年的36.19%, 但仍占主导。夜晚LST次热区占比均在50%以上, 夜晚热污染比白天严重。西咸与宝鸡市白天/夜晚城市热岛足迹内均为LST热点、次热区占主导, 说明不透水地表会显著影响城市地表热环境, 使得城区内部为高温所占据。
|
| 图 4 LST局部G*指数与城市热岛足迹 Fig. 4 Getis-Ord G* of LST and UHI FP LST: 地表温度Land surface temperature |
|
| 图 5 AOD局部G*指数与城市热岛足迹 Fig. 5 Getis-Ord G* of AOD and UHI FP AOD: 气溶胶光学厚度 |
|
| 图 6 热岛足迹内LST和AOD局部G*指数面积变化 Fig. 6 Getis-Ord G* area changes of LST and AOD within the UHI FP |
由图 5和图 6可以看出, 从2000年至2018年西咸白天城市热岛足迹内AOD热点占主导, 占比均在50%左右, 其次是次热区的分布。因夜晚城市热岛足迹比白天足迹普遍较小, 在夜晚热岛足迹范围内AOD次热区分布最多, 比例大于30%, 其次是热点的分布, 表明气溶胶浓度会影响夜晚的城市热岛效应。从空间分布上看, AOD热点分布于西咸城区周围, AOD次热区分布于城区中心, 这与加强西安古城的环境保护力度有关, 使得城市中心区AOD比周围低, 高浓度气溶胶分布与城市中心区存在异质性。宝鸡市2000年的白天/夜晚热岛足迹内AOD热点、次热、次冷、冷点均有覆盖, 而2018年白天/夜晚热岛足迹内无AOD热点分布, 均为次冷点占主导, 表明2018年宝鸡市城市热岛足迹内AOD值较低, 空气质量有所改善, 但城市热岛效应依然显著。
3.2.2 LST和AOD的冷热点叠置分析为了剖析关中地区城市热岛效应与AOD的高低值对应关系, 将2000年至2018年白天/夜晚LST和AOD的热点与热点, 冷点与冷点进行叠置分析, 得到白天/夜晚LST和AOD热热点重合、冷冷点重合区(图 7和表 1)。从时间上来看, 关中地区白天LST和AOD热热点重合显著增加, 面积从2000年的2257km2扩张到2018年的8704km2, 占比也从4.08%上升到15.72%, 说明关中地区空气污染与城市热岛效应有一定的对应关系。从空间区位上来看, 热热点主要分布于关中地区的东部, 因关中地区地势南北两边高, 中间低平, 西窄东宽的喇叭口状地形有利于偏北风将西部空气污染颗粒和陕北风沙带到东部下游地区[40], 导致东部气溶胶浓度高。此外, 东部渭南市为传统的农业大市, 夏季收割小麦, 秋季收割玉米的耕作制度导致裸土面积广, 地表温度较高, 呈热热点聚集。至2018年, LST和AOD热热点已扩展到关中中部盆地地区, 表明城市热污染与大气污染两者均呈增强的态势。但西咸、宝鸡市城市中心区几乎无热热点分布(图 7), 这是由于西咸城区环境保护措施力度加强等原因所导致AOD高值分布区域少, 而宝鸡市处于偏西风上游, 空气颗粒物向下游扩散, AOD高值分布区亦较少, 因此西咸和宝鸡市城市中心区LST与AOD热热点分布少。冷冷点主要分布于南部山区, 因南部山区植被丰富, 地势较高, 人类活动少, 故地表温度低, 气溶胶载荷浓度低, LST与AOD均呈冷点分布。
|
| 图 7 白天/夜晚地温与AOD冷热点重合区分布 Fig. 7 Distribution of cold and hot spots overlap area of Day/Night LST and AOD |
| 年份 Year |
白天Day | 夜晚Night | |||||||
| 热热点/km2 Hot spots |
占比/% Scale |
冷冷点/km2 Cold spots |
占比/% Scale |
热热点/km2 Hot spots |
占比/% Scale |
冷冷点/km2 Cold spots |
占比/% Scale |
||
| 2000 | 2257 | 4.08 | 6045 | 10.91 | 4533 | 8.18 | 2595 | 4.69 | |
| 2005 | 3400 | 6.14 | 7379 | 13.32 | 6321 | 11.41 | 3027 | 5.47 | |
| 2010 | 4475 | 8.08 | 8690 | 15.69 | 5486 | 9.91 | 2863 | 5.17 | |
| 2015 | 6633 | 11.98 | 6766 | 12.22 | 5484 | 9.90 | 3587 | 6.48 | |
| 2018 | 8704 | 15.72 | 7941 | 14.34 | 5150 | 9.30 | 3205 | 5.79 | |
| LST: 地表温度Land surface temperature; AOD: 气溶胶光学厚度Aerosol optical depth | |||||||||
利用Pearson相关系数分析研究关中城乡ΔAOD、ISP与白天/夜晚ΔT的相关关系。从图 8中可以看出, 2000年至2018年白天ΔT与ISP相关性较弱, 但夜晚ΔT与ISP均呈显著正相关性。其中, 西咸夜晚ΔT与ISP的Pearson相关系数多年均在0.65以上(P < 0.01), 城市地表所释放的热加剧夜间地温的升高。宝鸡市ISP对夜晚ΔT影响也十分显著, 2000年至2018年平均相关系数为0.52(P < 0.01), 表明不透水地表覆盖度是城市夜间地温升高的重要驱动因子之一, 因此控制不透水地表扩展对夜晚城市热岛效应的防治至关重要。
|
| 图 8 ISP、ΔAOD与白天/夜晚ΔT的关系 Fig. 8 The relationship of day/night ΔT with ISP、ΔAOD ISP: 不透水地表覆盖度Impervious surface percentage; **显著性水平P < 0.01; *P < 0.05 |
从图 8可以看出, 西咸ΔAOD对白天热岛强度影响较小, 相关系数年均为-0.26。夜晚ΔT与ΔAOD有着显著的负相关关系, Pearson相关系数均小于-0.44(P < 0.01), 其中2010年ΔAOD对夜晚ΔT影响最为显著(线性相关系数为-0.70, P < 0.01), 表明城区气溶胶光学厚度的增加会导致夜晚地温的降低。宝鸡市ΔAOD与白天热岛强度呈正相关, 但总体上相关性不显著。夜晚ΔT与ΔAOD大部分年份呈较显著的负相关, 相关系数大都在-0.2以下(P < 0.01), 表明城区内气溶胶光学厚度低值区却是地表温度高值分布区。ΔAOD与夜晚城市热岛强度的显著负相关性, 揭示出关中地区城市群气溶胶辐射效应对城市热岛强度的抑制作用。
3.4 气溶胶对城市热岛强度贡献的定量分析因白天气溶胶辐射效应对城市热岛效应的影响是不确定的, 故这里不做研究分析, 仅研究西咸、宝鸡市每年ΔAOD对夜晚城市热岛强度的贡献度。从图 9可以看出, 2000年和2018年西咸城乡ΔAOD均为负, 其中2000年ΔAOD为(-0.29±0.16), 2018年减小为(-0.10±0.10), 表明城区的气溶胶浓度在增大, 城乡ΔAOD绝对值减小。因ΔAOD与夜晚ΔT的负相关性, 当城乡ΔAOD为负时, 将加剧夜晚城市热岛强度的增加。从2000年至2018年, ΔAOD的平均贡献度为(0.41±0.14)℃, 但贡献度从2000年(0.51±0.28)℃降低至2018年(0.17±0.18)℃, 表明城乡ΔAOD对西咸城区热岛强度的影响力在逐年降低。宝鸡市除2018年ΔAOD为(-0.08±0.06)外, 其余年份的ΔAOD全部为正, 城区气溶胶光学厚度比乡村高, 但总体上城乡ΔAOD呈逐年降低趋势。宝鸡市城乡ΔAOD正差值会使得夜晚城市热岛强度年均下降(0.26±0.25)℃。
|
| 图 9 西咸、宝鸡城区年均ΔAOD和ΔTAOD变化 Fig. 9 Annual changes of ΔAOD and ΔTAOD in main urban area of Xixian and Baoji ΔT: 城市热岛强度Urban island intensity |
从气溶胶辐射效应的贡献力上看, 西咸|ΔTAOD|大于宝鸡市|ΔTAOD|, 表明西咸的城乡ΔAOD辐射效应对城市热岛效应影响更大。由西咸城乡ΔAOD气溶胶辐射作用所引起的夜晚热岛强度的增强叠加在因地表硬化而导致的城市热岛效应增加上(表 2), 使得西咸城区城市热岛强度常年均在2℃之上。此外, 宝鸡市热岛强度亦有较为明显的增长, 表明即使有气溶胶辐射效应降温作用, 而由其他驱动因素导致的城市热岛强度仍在逐年增加, 如不透水地表增加而导致的地表反照率减低、人为热排放增加等。
| 年份 Year |
ΔT/℃ | 年份 Year |
ΔT/℃ | |||
| 西咸 | 宝鸡 | 西咸 | 宝鸡 | |||
| 2000年 | 2.05 | 2.27 | 2015年 | 2.26 | 3.63 | |
| 2005年 | 2.04 | 2.31 | 2018年 | 2.10 | 2.65 | |
| 2010年 | 2.07 | 2.70 | ||||
| ΔT: 城市热岛强度Urban island intensity | ||||||
研究结果显示, 城市热岛足迹昼夜差异显著, 西咸昼夜城市热岛足迹变化比宝鸡市变化大, 表明不透水地表扩展和人为热排放等因素对城市热岛效应产生显著的影响[34], 不透水面改变地表的潜热与显热通量, 是影响城市地表热环境变化的关键因素[41]。西咸与宝鸡市城区白天/夜晚的LST热点、次热分布面积变化与城市热岛足迹变化基本一致, 即不透水地表覆盖度高的区域为LST热点、次热分布区, 表明下垫面结构是城市地表温度总体分布的决定机制[42], 合理规划城市用地能有效调节城市热岛效应。西咸与宝鸡市AOD热点区主要分布于城市中心区周围, 城市中心区为AOD次热点分布区, AOD热点分布与城市热岛足迹中心区具有异质性。
在Pearson相关分析中, 不透水地表覆盖度与夜晚城市热岛强度呈显著正相关性, 揭示出沥青、混凝土等不透水地表在白天吸收和储存太阳辐射, 夜晚逐渐释放热量, 使得夜晚城市热环境更为严峻[20]。城乡ΔAOD与夜晚城市热岛强度之间呈负相关性, 气溶胶可以通过减少地表短波辐射的吸收而导致地表温度降低[43]。城区气溶胶浓度升高, 增强了对长波辐射的吸收、散射作用, 降低城区地表温度, 减小了城乡夜晚地表温度的差异, 这与多位学者研究结果相同[27, 44]。气溶胶辐射强迫对不同高度的城市气候具有不同的影响作用, 唐利琴等[45]研究发现气溶胶辐射强迫对大气层顶和地面为冷却效应, 对大气则是加热效应。因气溶胶分布和组成的时段性, 不同时期的气溶胶浓度对城市热岛强度的影响亦暂无定论, Han等[46]发现气溶胶对城市热岛强度影响差异很大, 夏季气溶胶会抑制城市热岛强度, 冬季则会加强城市热岛强度。而Pandey等[26]研究发现AOD与白天城市热岛效应呈正相关, 与夜晚城市热岛效应呈负相关。本文仅研究年均夜晚ΔT与ΔAOD的相关性和城乡ΔAOD对城市热岛强度的贡献, 并未深入分析气溶胶辐射强迫对城市热岛效应的影响机制和时段的变化性与不确定性, 后续将加强气溶胶辐射强迫效应对城市热岛强度的影响机理和不确定性研究。
5 结论以城市热岛足迹为基础, 研究热岛足迹内部的LST和AOD的局部G*指数分布、LST和AOD、ISP的Pearson相关关系以及气溶胶对城市热岛强度的定量归因分析, 最终得出以下结论：(1)西咸与宝鸡城市热岛足迹昼夜差异显著, 白天城市热岛足迹明显高于夜晚。西咸因不透水地表向四周呈“摊大饼”式扩张, 昼夜均比宝鸡市具有明显的城市热岛现象, 且城市热岛足迹呈阶段性扩张。(2)西咸、宝鸡市白天/夜晚LST热点、次热区变化与城市热岛足迹变化基本一致, 而AOD热点分布于热岛足迹中心周围, AOD热点与LST热点分布具有异质性。(3)不透水地表覆盖度与夜晚城市热岛强度存在显著正相关性, 不透水地表扩展会使夜晚地温升高。城乡ΔAOD与夜晚城市热岛强度呈显著负相关性, 城区气溶胶浓度的增加会抑制城市热岛强度的上升。
| [1] |
Zhou D C, Xiao J F, Bonafoni S, Berger C, Deilami K, Zhou Y Y, Frolking S, Yao R, Qiao Z, Sobrino J A. Satellite remote sensing of surface urban heat islands: progress, challenges, and perspectives. Remote Sensing, 2019, 11(1): 48. |
| [2] |
Peng J, Hu Y X, Dong J Q, Liu Q Y, Liu Y X. Quantifying spatial morphology and connectivity of urban heat islands in a megacity: a radius approach. Science of the Total Environment, 2020, 714: 136792. DOI:10.1016/j.scitotenv.2020.136792 |
| [3] |
Ghadban M, Baayoun A, Lakkis I, Najem S, Saliba N A, Shihadeh A. A novel method to improve temperature forecast in data-scarce urban environments with application to the Urban Heat Island in Beirut. Urban Climate, 2020, 33: 100648. DOI:10.1016/j.uclim.2020.100648 |
| [4] |
Edmondson J L, Stott I, Davies Z G, Gaston K J, Leake J R. Soil surface temperatures reveal moderation of the urban heat island effect by trees and shrubs. Scientific Reports, 2016, 6(1): 33708. DOI:10.1038/srep33708 |
| [5] |
Founda D, Santamouris M. Synergies between urban heat island and heat waves in Athens (Greece), during an extremely hot summer (2012). Scientific Reports, 2017, 7(1): 10973. DOI:10.1038/s41598-017-11407-6 |
| [6] |
敖翔宇, 谈建国, 支星, 过霁冰, 陆一闻, 刘冬韡. 上海城市热岛与热浪协同作用及其影响因子. 地理学报, 2019, 74(9): 1789-1802. |
| [7] |
Haddad S, Paolini R, Ulpiani G, Synnefa A, Hatvani-Kovacs G, Garshasbi S, Fox J, Vasilakopoulou K, Nield L, Santamouris M. Holistic approach to assess co-benefits of local climate mitigation in a hot humid region of Australia. Scientific Reports, 2020, 10(1): 14216. DOI:10.1038/s41598-020-71148-x |
| [8] |
Mendez-Astudillo J, Lau L, Tang Y T, Moore T. A new Global Navigation Satellite System (GNSS) based method for urban heat island intensity monitoring. International Journal of Applied Earth Observation and Geoinformation, 2021, 94: 102222. DOI:10.1016/j.jag.2020.102222 |
| [9] |
Smargiassi A, Fournier M, Griot C, Baudouin Y, Kosatsky T. Prediction of the indoor temperatures of an urban area with an in-time regression mapping approach. Journal of Exposure Science & Environmental Epidemiology, 2008, 18(3): 282-288. |
| [10] |
Li Y, Sun Y W, Li J L, Gao C. Socioeconomic drivers of urban heat island effect: empirical evidence from major Chinese cities. Sustainable Cities and Society, 2020, 63: 102425. DOI:10.1016/j.scs.2020.102425 |
| [11] |
Litardo J, Palme M, Borbor-Cordova M, Caiza R, Macias J, Hidalgo-Leon R, Soriano G. Urban heat island intensity and buildings′ energy needs in Duran, Ecuador: simulation studies and proposal of mitigation strategies. Sustainable Cities and Society, 2020, 62: 102387. DOI:10.1016/j.scs.2020.102387 |
| [12] |
孙然好, 王业宁, 陈婷婷. 人为热排放对城市热环境的影响研究展望. 生态学报, 2017, 37(12): 3991-3997. |
| [13] |
Li Y F, Schubert S, Kropp J P, Rybski D. On the influence of density and morphology on the urban heat island intensity. Nature Communications, 2020, 11(1): 2647. DOI:10.1038/s41467-020-16461-9 |
| [14] |
Sangiorgio V, Fiorito F, Santamouris M. Development of a holistic urban heat island evaluation methodology. Scientific Reports, 2020, 10(1): 17913. DOI:10.1038/s41598-020-75018-4 |
| [15] |
Al-Saadi L M, Jaber S H, Al-Jiboori M H. Variation of urban vegetation cover and its impact on minimum and maximum heat islands. Urban Climate, 2020, 34: 100707. DOI:10.1016/j.uclim.2020.100707 |
| [16] |
Li L, Zha Y, Zhang J H. Spatially non-stationary effect of underlying driving factors on surface urban heat islands in global major cities. International Journal of Applied Earth Observation and Geoinformation, 2020, 90: 102131. DOI:10.1016/j.jag.2020.102131 |
| [17] |
Chao Z H, Wang L X, Che M L, Hou S F. Effects of different urbanization levels on land surface temperature change: taking tokyo and shanghai for example. Remote Sensing, 2020, 12(12): 2022. DOI:10.3390/rs12122022 |
| [18] |
潘涛, 张弛, 杜国明, 董金玮, 迟文峰. 城乡不透水面增长格局及地表温度的响应特征研究. 地球信息科学学报, 2017, 19(1): 134-142. |
| [19] |
李孝永, 匡文慧. 北京、天津和石家庄城市地表覆盖组分与结构特征对地表温度的影响. 生态学杂志, 2019, 38(10): 3057-3065. |
| [20] |
Mathew A, Khandelwal S, Kaul N. Spatial and temporal variations of urban heat island effect and the effect of percentage impervious surface area and elevation on land surface temperature: study of Chandigarh City, India. Sustainable Cities and Society, 2016, 26: 264-277. DOI:10.1016/j.scs.2016.06.018 |
| [21] |
Sun R H, Lü Y H, Yang X J, Chen L D. Understanding the variability of urban heat islands from local background climate and urbanization. Journal of Cleaner Production, 2019, 208: 743-752. DOI:10.1016/j.jclepro.2018.10.178 |
| [22] |
Hou H R, Liu K, Li X K, Chen S H, Wang W M, Rong K. Assessing the urban heat island variations and its influencing mechanism in metropolitan areas of Pearl River Delta, South China. Physics and Chemistry of the Earth, Parts A/B/C, 2020, 120: 102953. DOI:10.1016/j.pce.2020.102953 |
| [23] |
Ngarambe J, Joen S J, Han C H, Yun G Y. Exploring the relationship between particulate matter, CO, SO2, NO2, O3 and urban heat island in Seoul, Korea. Journal of Hazardous Materials, 2021, 403: 123615. DOI:10.1016/j.jhazmat.2020.123615 |
| [24] |
Jonsson P, Bennet C, Eliasson I, Lindgren E S. Suspended particulate matter and its relations to the urban climate in Dar es Salaam, Tanzania. Atmospheric Environment, 2004, 38(25): 4175-4181. DOI:10.1016/j.atmosenv.2004.04.021 |
| [25] |
Li H D, Meier F, Lee X, Chakraborty T, Liu J F, Schaap M, Sodoudi S. Interaction between urban heat island and urban pollution island during summer in Berlin. Science of the Total Environment, 2018, 636: 818-828. DOI:10.1016/j.scitotenv.2018.04.254 |
| [26] |
Pandey A K, Singh S, Berwal S, Kumar D, Pandey P, Prakash A, Lodhi N, Maithani S, Jain V K, Kumar K. Spatio-temporal variations of urban heat island over Delhi. Urban Climate, 2014, 10: 119-133. DOI:10.1016/j.uclim.2014.10.005 |
| [27] |
Wu H, Wang T J, Riemer N, Chen P L, Li M M, Li S. Urban heat island impacted by fine particles in Nanjing, China. Scientific Reports, 2017, 7(1): 11422. DOI:10.1038/s41598-017-11705-z |
| [28] |
Sheng L, Tang X L, You H Y, Gu Q, Hu H. Comparison of the urban heat island intensity quantified by using air temperature and Landsat land surface temperature in Hangzhou, China. Ecological Indicators, 2017, 72: 738-746. DOI:10.1016/j.ecolind.2016.09.009 |
| [29] |
Wan Z M. New refinements and validation of the collection-6 MODIS land-surface temperature/emissivity product. Remote Sensing of Environment, 2014, 140: 36-45. DOI:10.1016/j.rse.2013.08.027 |
| [30] |
Hassan Q K, Bourque C P A, Meng F R, Cox R M. A wetness index using terrain-corrected surface temperature and normalized difference vegetation index derived from standard MODIS products: an evaluation of its use in a humid forest-dominated region of eastern Canada. Sensors, 2007, 7(10): 2028-2048. DOI:10.3390/s7102028 |
| [31] |
胡俊, 亢燕铭, 陈勇航, 刘鑫, 李霞, 刘琼. 基于MODIS_C006的乌鲁木齐10年气溶胶光学厚度变化特征. 环境科学, 2018, 39(8): 3563-3570. |
| [32] |
Gong P, Li X C, Wang J, Bai Y Q, Chen B, Hu T Y, Liu X P, Xu B, Yang J, Zhang W, Zhou Y Y. Annual maps of global artificial impervious area (GAIA) between 1985 and 2018. Remote Sensing of Environment, 2020, 236: 111510. DOI:10.1016/j.rse.2019.111510 |
| [33] |
Li X C, Gong P, Zhou Y Y, Wang J, Bai Y Q, Chen B, Hu T Y, Xiao Y X, Xu B, Yang J, Liu X P, Cai W J, Huang H B, Wu T H, Wang X, Lin P, Li X, Chen J, He C Y, Li X, Yu L, Clinton N, Zhu Z L. Mapping global urban boundaries from the global artificial impervious area (GAIA) data. Environmental Research Letters, 2020, 15(9): 094044. DOI:10.1088/1748-9326/ab9be3 |
| [34] |
乔治, 田光进. 基于MODIS的2001年—2012年北京热岛足迹及容量动态监测. 遥感学报, 2015, 19(3): 476-484. |
| [35] |
Getis A, Ord K J. The analysis of spatial association by use of distance statistics. Geographical Analysis, 1992, 24(3): 189-206. |
| [36] |
Zhou D C, Zhao S Q, Zhang L X, Sun G, Liu Y Q. The footprint of urban heat island effect in China. Scientific Reports, 2015, 5(1): 11160. DOI:10.1038/srep11160 |
| [37] |
Lee X, Goulden M L, Hollinger D Y, Barr A, Black T A, Bohrer G, Bracho R, Drake B, Goldstein A, Gu L H, Katul G, Kolb T, Law B E, Margolis H, Meyers T, Monson R, Munger W, Oren R, Paw U K T, Richardson A D, Schmid H P, Staebler R, Wofsy S, Zhao L. Observed increase in local cooling effect of deforestation at higher latitudes. Nature, 2011, 479(7373): 384-387. DOI:10.1038/nature10588 |
| [38] |
Zhao L, Lee X, Smith R B, Oleson K. Strong contributions of local background climate to urban heat islands. Nature, 2014, 511(7508): 216-219. DOI:10.1038/nature13462 |
| [39] |
Cao C, Lee X, Liu S D, Schultz N, Xiao W, Zhang M, Zhao L. Urban heat islands in China enhanced by haze pollution. Nature Communications, 2016, 7(1): 12509. DOI:10.1038/ncomms12509 |
| [40] |
Bei N F, Zhao L N, Xiao B, Meng N, Feng T. Impacts of local circulations on the wintertime air pollution in the Guanzhong Basin, China. Science of the Total Environment, 2017, 592: 373-390. DOI:10.1016/j.scitotenv.2017.02.151 |
| [41] |
姚远, 陈曦, 钱静. 城市地表热环境研究进展. 生态学报, 2018, 38(3): 1134-1147. |
| [42] |
Qiao Z, Tian G J, Zhang L X, Xu X L. Influences of urban expansion on urban heat island in Beijing during 1989-2010. Advances in Meteorology, 2014, 2014: 187169. |
| [43] |
Sussman H S, Raghavendra A, Zhou L M. Impacts of increased urbanization on surface temperature, vegetation, and aerosols over Bengaluru, India. Remote Sensing Applications: Society and Environment, 2019, 16: 100261. DOI:10.1016/j.rsase.2019.100261 |
| [44] |
吴昊, 王体健, 方欢, 马亚平, 韩永秋, 黄澍, 姚宇昂, 史均清. 南京细颗粒物对城市热岛强度的影响. 大气科学学报, 2014, 37(4): 425-431. |
| [45] |
唐利琴, 胡波, 刘慧, 赵舒曼, 刘俊卿. 近十年北京气溶胶光学特性及直接辐射强迫研究. 气候与环境研究, 2021, 26(2): 155-168. |
| [46] |
Han W C, Li Z Q, Wu F, Zhang Y W, Guo J P, Su T N, Cribb M, Fan J W, Chen T M, Wei J, Lee S S. The mechanisms and seasonal differences of the impact of aerosols on daytime surface urban heat island effect. Atmospheric Chemistry and Physics, 2020, 20(11): 6479-6493. DOI:10.5194/acp-20-6479-2020 |