2023, Vol. 43文章信息
- 胡凤宁, 周亮
- HU Fengning, ZHOU Liang
- 城市绿色基础设施降温作用及其影响因素研究进展
- Cooling effect of urban green infrastructure and its impacting factors: A review
- 生态学报. 2023, 43(11): 4445-4460
- Acta Ecologica Sinica. 2023, 43(11): 4445-4460
- http://dx.doi.org/10.5846/stxb202201190187
-
文章历史
- 收稿日期: 2022-01-19
- 网络出版日期: 2023-02-13
2. 地理国情监测技术应用国家地方联合工程研究中心, 兰州 730070;
3. 中国科学院地理科学与资源研究所, 北京 100101
2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China;
3. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
全球气候变化与城市化共同作用导致城市区域温度不断升高[1]。其中, 全球气候变化加剧了热浪事件在城市区域的发生频率、强度和持续时间, 城市化则扩大了城乡间温度差异, 导致城市热岛效应愈发显著[2—3]。城市升温不仅对城市居民健康造成严重威胁[4], 也对城市大气和水环境、能源消耗和基础设施安全等造成持续负面影响[5], 严重阻碍城市居民福祉的改善和可持续发展目标(SDGs)11-可持续城市与社区的实现。城市升温问题及其不利影响在快速城市化地区尤为严重[6], 此外, 城市升温与城市化也进一步增加了城市温室气体排放, 使得实现《巴黎气候协定》提出的全球1.5℃温控目标愈发艰难[7]。为此, 学界和政府决策部门提出并采用了一系列热岛效应缓解措施[8], 其中绿色基础设施因其绿色、健康、可持续和多功能性受到着重关注[9]。绿色基础设施作为一种由相互连结的自然、半自然区域和其它环境要素所构成的绿色网络, 它既包含城市森林、公园、花园、行道树等大众较为熟悉的绿色要素, 也包括较为少见的绿墙和绿色屋顶等建筑围护设施。绿色基础设施具有多尺度和多功能性, 可以在国家、区域、城市和街区等不同尺度提供多种生态系统服务[10], 其中在城市范围, 降温作用便属于其提供的气候变化适应服务之一。目前, 学者对不同尺度城市绿色基础设施(UGI)降温作用方面展开了广泛研究[11—12], 并发现UGI对于降低城市温度和缓解居民热应激具有显著作用和巨大应用潜力。
当前已有综述回顾了UGI降温作用的研究进展, 主要围绕UGI要素、区域与时段、方法与数据源、降温机理、影响因素和实施策略等方面进行了归纳评述[13—15]。然而, 尽管已有综述对实验设计层次的研究策略进行了讨论, 但对属于操作层次的降温作用测度和影响因素分析具体方法仍未有系统总结。此外, 已有综述更多关注具有明确空间范围的UGI研究对象如公园、行道树等, 而对街区尺度上离散分布的植被覆盖的降温作用则少有涉及。另一方面, 基于遥感数据的城市热环境驱动因素研究虽然已对街区尺度离散分布的植被覆盖作用进行了大量探讨, 但在其相关综述中又往往缺乏基于UGI视角的讨论。街区尺度是城市规划与设计活动主要可实现的尺度之一[16], 在该尺度上城市可通过控制性详细规划对街区内的绿化水平和建筑密度进行控制。因此, 归纳总结关于街区尺度UGI降温作用的科学结论, 对于推动城市规划部门利用UGI对城市热脆弱区域进行有效治理和韧性城市规划十分关键。此外, 已有综述较少梳理UGI在不同尺度的降温作用, 且归纳的尺度层次也相对简单。例如, 尽管Bartesaghi-Koc等将UGI降温作用研究按城市气候学分为了微尺度、局部尺度和中尺度[16]以强调不同尺度研究的差异, 但尺度仍可进一步细分, 如UGI降温作用主控因素便在站点、建筑和街道等不同微尺度上存在一定差异[17—19]。
鉴于此, 本研究试图综合已有文献尝试回答以下问题：(1)以往研究主要关注哪些具体尺度？(2)以往研究中获取温度数据、测度降温作用和分析影响因素的方法有哪些？(3)不同尺度上影响UGI降温作用的主要因素分别是什么, 有何差异？(4)UGI降温作用研究中的局限性和潜在发展方向有哪些？基于以上问题, 研究首先总结了以往文献所关注的研究尺度, 其次, 归纳并评述了以往研究在温度数据获取、降温作用测度和影响因素分析等步骤采用的主要方法。之后, 在介绍降温作用所依赖的物理机制基础上, 总结了以往研究所发现的不同尺度下降温作用主控因素。最后, 讨论了以往研究存在的局限和未来研究方向。在全球城市普遍走向绿色发展的背景下[20], 研究期待为城市的绿色基础设施规划设计活动提供一定科学参考以支撑城市韧性建设与绿色可持续发展, 并为后续研究指出当前亟需解决的科学问题。
1 UGI降温作用研究尺度城市绿色基础设施降温作用主要指UGI通过遮荫作用、蒸散发作用和冷空气团平流作用等机制降低自身和周围区域的空气和表面温度, 使得其低于邻近城市建成区域或UGI建设前该区域温度。此外UGI对生理等效温度或平均辐射温度等人体热舒适性指标的降低作用, 在一些研究中也被视为降温作用[21]。由于考察的UGI要素和研究目标存在差异, 不同研究往往从不同空间尺度考察降温作用。城市气候学将其研究的空间尺度分为微尺度、局部尺度和城市尺度(中尺度)三个层次[22], 然而, 如上所述, 对于UGI降温作用等特定问题, 该分类有时还不足以描述不同研究间的尺度差别。同时, 在以往综述中作为UGI降温作用所能影响范围的空间尺度和作为UGI整体分布范围(研究区)的空间尺度往往被混杂考虑[16], 在一定程度上也导致了尺度描述的混乱。例如, 植被空间特征对街区平均温度的影响若从作用影响范围而言可视为街区尺度, 然而从UGI整体分布范围而言又往往处于城市尺度。因此, 本研究仅根据UGI降温作用范围, 即降温作用所能影响的空间范围, 将研究尺度归纳细化为6个空间层次：(1)站点尺度：研究主要考察UGI在站点观测源区范围内产生的降温作用[23], 特别是行道树、绿墙和绿色屋顶等单体UGI在其邻域范围所产生的降温作用。(2)建筑尺度：研究主要考察UGI通过调节室内外的热量传递对于建筑室内温度和制冷能源负载产生的影响(后者主要在假定室内温度因空调系统不变时考虑), 因而主要涉及到绿墙和绿色屋顶等绿色建筑围护设施[24], 但少数研究也考虑周围树木对建筑的降温或能源节约作用[25]。特别地, 多数研究通过考察UGI对建筑外壁温度的降低作用以表示其对室内外热量传递的阻隔作用, 继而考察其对室内温度的降低或能源节约作用[26]。(3)街道尺度：研究主要考虑UGI对街道平均气温或其墙体地面等组分平均表面温度的影响[27]。(4)绿地尺度：研究主要关注规模较大的单体绿地对其本身和周围的降温作用[28]。(5)街区尺度：研究主要关注城市局部区域(相当于街区或邻里社区)内离散分布的UGI, 特别是其空间特征, 对于区域平均温度的影响[29]。(6)城市尺度：该尺度研究相对较少, 主要考虑UGI对于整个城市范围的平均降温作用。其中一部分通过统计方法探究城市热岛强度的影响因素, 植被特征如城市整体植被覆盖率或城乡归一化植被指数(NDVI)均值之差只是影响因素之一[30], 另一部分则通过情景模拟方法探究特定UGI策略如增加绿色空间或绿色屋顶覆盖比例在城市尺度的整体影响[31]。
上述尺度中, 站点、建筑和街道可视为城市气候学中的微尺度, 绿地和街区可视为局部尺度, 而城市则可视为中尺度[22]。值得注意的是, 尽管上述分类体系适用于大部分UGI降温作用研究, 但也有少数研究难以单纯根据作用范围确定对应的尺度。例如, 一些高分辨率模拟研究考察了街区范围内多种UGI实施策略对于气温和热舒适性的影响。尽管这些研究更关注实施策略在街区整体上的UGI降温作用, 然而降温作用可能受街道几何及其有限的降温范围所影响[32—33]而在街区不同位置上表现出差异性, 由此可视为站点尺度[24]。同样, 一些模拟研究考虑了不同UGI实施措施在城市尺度上的降温作用差异, 然而由于其采用的网格分辨率为街区尺度, 因而也可看到UGI措施导致的降温作用在不同街区间的差别[34]。
此外, 以往研究已证明UGI可在多个空间尺度发挥不同大小的降温作用, 且影响因子可能在不同尺度具有差异性影响, 即可能存在“尺度效应”。例如, Santamouris发现绿色屋顶不仅可改善周围热环境, 同时在城市尺度也可显著降低城市热岛强度[35]。Zhang等发现优化新增绿地的分布位置可在局部上降低1—2℃, 而在整个模拟区域则仅可降低0.5℃。同时, 该研究也发现集中分布绿地在街区尺度降温作用大于城市尺度[36]。Yan等则发现增加绿地边缘密度和形状复杂度特征尽管降低了街区尺度平均温度, 但也升高了部分绿地斑块的温度[37]。这一尺度效应可能与UGI降温作用的邻域性以及它与不同城市要素在空间上的交互所表现出的复杂性有关。因此, 多尺度研究UGI的降温作用及其影响因素对于深入理解与权衡利用该降温作用具有重要意义。
2 UGI降温作用研究方法UGI作为研究对象的复杂性以及不同研究在尺度和降温作用测度指标的差异导致了研究方法的多样性, 本研究根据研究的一般流程将其分为三个部分, 即温度数据获取、降温作用测度和影响因素分析, 并对各部分主要方法进行比较评述。
2.1 温度数据获取为刻画UGI降温作用, 研究主要使用实地观测、遥感观测和模型预测三类方法获得温度以及湿度、风速、辐射等相关数据(表 1)。其中实地观测方法是指使用气象和辐射监测仪器在相应站点对UGI降温作用的环境响应进行实地观测[38], 遥感观测方法是指通过星载或机载传感器得到地表温度, 以考察地表热环境对于UGI降温作用的响应[39]。模型预测方法是指通过模型和相应实验情景对UGI降温作用的环境响应进行模拟。其中, 模型可分为基于机理和基于统计两类[40—41], 前者在2000年以来经历了快速发展(表 2)。
| 获取方法 Acquisition methods |
适用尺度 Applied scales |
时间分辨率 Temporal resolution |
空间分辨率 Spatial resolution |
优点 Advantage |
缺点 Disadvantage |
|
| 实地观测 On-site observation |
固定台站 临时站点 移动观测 |
站点、建筑、 街道 |
分钟级 | m级 | 数据可真实反映降温作用，易于获取站点信息 | 空间覆盖范围较小，难以全面反映街区、城市等宏观尺度上的降温作用 |
| 遥感观测 Remote sensing |
星载 机载 地基 |
站点、绿地、街区、城市 | 日级—周级 | m级—km级 | 数据获取的空间范围广，成本较低 | 常用数据的空间分辨率相对较低，且仅能得到瞬时温度，时间连续性较差 |
| 模型预测 Model simulation |
机理 统计 |
站点、建筑、街道、街区、城市 | 分钟级—小时级 | m级—km级 | 实验开展不受时空约束，可分离各因素对温度影响 | 数据精度受模型假设和输入参数限制，且部分研究缺乏对结果的验证 |
| 适用尺度 Applied scales |
模型 Models |
模型特点 Model characteristics |
| 城市/中尺度 Urban/Meso scale |
植被城市冠层模型(VUCM)[43] | 当前最广泛使用的中尺度模型, 充分刻画了植被与大气土壤间的交互 |
| 三维微尺度城市气候模式(MUKLIMO_3)[44] | 作为中尺度模型, 具有最高的空间分辨率(100m) | |
| 街区尺度 Neighborhood scale |
植被城市冠层模型(VUCM) [40] | 首个考虑建成区域内树木影响的城市冠层模型 |
| 城市冠层模型(PUCM)[45] | 首个完整结合水文过程并能考察绿色屋顶降温作用的城市冠层模型 | |
| 单层城市冠层模型(TUCM)[46] | 首个完整考虑树木影响的单层城市冠层模型 | |
| 多层城市冠层气象模型(BEP-Tree)[47] | 首个完整考虑树木影响的多层城市冠层模型 | |
| 城市天气生成器(CWG)[48] | 首个结合建筑能源模型、水文模型和完整植被作用的多层冠层模型 | |
| 站点/建筑/街道尺度 On-site/Building/Nei ghborhood scale |
微气候模型(ENVI-met)[49] | 当前使用最广泛的微尺度模型, 可模拟几乎所有类型城市绿色基础设施(UGI)的作用 |
| 瞬时建筑模拟程序(TRNSYS)[50] | 广泛使用的建筑能源模型, 可模拟绿色屋顶和绿墙的影响 | |
| 绿色聚集区热时间常数(Green-CTTC)[27] | 早期提出的可模拟街道内树木降温作用的数值模型 | |
| 太阳能和长波环境辐照度几何(SOLWEIG)[51] | 可模拟UGI辐射影响的三维微尺度模型 |
比较上述三类获取方法, 从方法所应用尺度而言, 实地观测方法最小, 主要用于站点和街道等微尺度; 遥感观测最大, 主要用于局部尺度和城市尺度; 模型预测方法则可实现不同尺度的模拟, 尽管其模拟分辨率和所能考虑的降温机制也受到尺度的限制。从空间分辨率而言, 模型预测方法可实现最大分辨率(如微气候模型(ENVI-met)可达0.5 m)。其次是实地观测方法, 虽然其可实现站点(源区)尺度空间分辨率, 但所得数据空间连续性较差。遥感观测方法所得空间分辨率通常最低。其中, 尽管机载传感器数据分辨率可达到10m以下[37], 但目前遥感研究中仍主要使用易于获得的星载传感器数据, 且常用卫星热波段影像的空间分辨率最高仅为60 m(Landsat-7)。此外, 局部尺度城市冠层模型和微尺度空气动力学模型都可同时模拟不同高度上的热环境参量, 而遥感方法和实地观测方法则一般仅能观测单一平面上的参量。从时间分辨率而言, 实地观测方法和模型模拟方法都可实现近乎连续的观测或模拟, 从而可研究UGI降温作用日动态和日际变化, 而遥感观测方法仅能在过境时刻进行瞬时观测, 且其中除中分辨率成像光谱仪(MODIS)传感器和气象卫星等低空间分辨率数据(1km和250m)可实现日内多次观测外, 其余常用中分辨率星载传感器的重访周期都达几日甚至十几日。值得注意的是, 目前已有研究利用近期才可获取的生态系统星载热辐射计实验(ECOSTRSS)数据考察林地降温作用的日动态变化[42], 这一数据在考察大范围内UGI降温作用日动态变化方面具有巨大潜力。
此外, 当前研究在获得高分辨率(米级和亚米级)城市表面温度以及街区尺度气温分布方面仍存在较大限制。对于前者, 站点观测方法仅能获得少数样点位置的温度分布[52], 而遥感观测方法普遍利用的卫星热波段影像通常仅能获得绿地和街区等局部尺度及以上的温度分布, 模型模拟手段也必须考虑计算时间代价以及场景参数化造成的模拟精度损失问题。随着无人机技术的发展, 低空无人机影像有望为解决这一问题发挥巨大作用[53]。对于后者, 当前主要有两种思路, 一种是基于样点数据建立气温与易观测的城市环境变量或地表温度间的统计联系, 并将其应用于全局以得到气温分布[54], 另一种则是通过模型模拟方法得到气温分布[55]。其中, 第一种方法受限于样点数量和分布情况以及所得联系的不稳定性, 而第二种方法则受限于模拟中所能考虑的物理机制和城市场景参数化方案。随着智慧城市建设和地理大数据的发展, 未来研究也可通过城市内的传感器网络或众源数据获得气温分布[56—57]。
2.2 降温作用测度由于不同研究在目的、尺度和数据收集方法上的差异, 目前存在多种降温作用测度, 根据测度中参考对象的选择, 可分为基于空间参考, 基于时间或情景参考, 以及基于统计的测度。
(1) 基于空间参考。该类测度一般指定两类区域或站点分别作为实验对象和参考对象以评价UGI对温度的影响。例如, 在绿地尺度计算绿地斑块与其邻域范围内温度均值的差值作为绿地的冷岛强度[19], 或在站点尺度计算UGI站点与参考站点的温度差值[58], 也有研究在街区尺度直接比较不同土地类型间温度均值的差异, 以此作为降温作用测度[59]。此外, 对于绿地尺度UGI斑块的邻域降温作用, 除温度差异外, 以往研究也从空间视角考察了其它降温作用测度指标如最大降温距离、降温影响面积和降温效率等[60]。研究应用基于空间参考测度的前提在于实验与参考对象中与UGI无关的外部因素是否可得到有效控制, 然而这一前提在以往大部分研究中都并未得到重视。例如, 在站点尺度, 研究通常假设由于空间上的邻近性, 观测和参考站点所受外部因素影响是一致的[58], 而在街区尺度, 直接比较不同土地类型温度的方法则视外部因素影响为随机噪声, 因而可通过计算均值差值的方式加以消除。尽管这些假设具有一定合理性, 但在未来研究中外部因素影响需要得到更严格的控制。
(2) 基于时间或情景参考。该测度所表示的既可是现实中UGI建设与移除前后产生的温度变化[61], 也可以是在情景模拟研究中不同实验情景与参考情景间的温度差异。由于单纯基于时间前后数据的研究易受到难以计入的外部影响因素干扰, 该类数据基本仅用于街区尺度研究[10], 而严格控制实验条件且成本较低的情景模拟研究方法在近年来被更多地用于测度降温作用[62]。该类研究一般都指定参考情景作为比较的基准, 并将之与几种实验情景的温度分布结果进行对比得到温度差值作为降温作用测度[63]。尽管该方法的准确度受模型假设和输入数据精度的影响, 所得结果有时可能具有较大误差, 但由于其操纵成本低廉, 仍有较大应用价值。此外, 尽管基于时间参照的研究易受外部因素干扰, 但其作为目前可实际测度UGI措施降温效果的唯一方式仍需得到重视。
(3) 基于统计关系。基于统计关系的研究尽管也关注UGI降温作用, 但并不直接指定UGI和参考对象, 反之通过统计方法研究局部平均温度或城市热岛强度对UGI的覆盖占比和其它数量特征的定量响应[64]。例如, Kong等发现若植被覆盖比例增加10%, 地表温度可下降0.83 ℃[65]。此外, 也有研究利用非线性模型考察了绿地比例由0到1带来的降温幅度[66]。
以上三类方法各有其适用尺度。例如, 基于空间参考的方法更适合于站点尺度, 因为该尺度上更易找到合适的参考站点, 而基于时间参考的方法则要求观测对象具有一定规模的空间范围, 否则易受到环境因素干扰, 因而更多用于绿地和街区尺度。基于情景参考的模型模拟方法尽管没有直接的尺度限制, 但尺度也决定了所能利用的模型类型和参数精细程度。基于统计测度方法的研究多应用于街区尺度, 因为在该尺度UGI作为空间上离散分布的绿色要素并未具有明确连续的边界, 使得应用其它方法较为困难。
除基于参考对象的分类外, 降温作用测度也可根据具体的物理指标分为基于冠层空气温度、表面温度、平均辐射温度和热等效温度等多类, 其中后两类与人体的热舒适度直接相关[67]。值得注意的是, 基于不同测度所得结果有时并不一致, 如Farhadi等发现尽管增加街道树冠覆盖可显著降低表面温度并改善热舒适度, 但它对于冠层空气温度的效果并不显著[68]。除直接通过温度和热舒适性指标等环境响应考虑降温作用外, 一些研究也会通过观察UGI在各类降温机制上的表现间接判断降温作用, 例如Chen等通过测量树干液流考察不同树种的蒸腾降温作用[69]。此外在对绿色屋顶降温作用研究中, 也有学者主要关注屋顶反照率、叶片温度和基质温度等参量, 以判断该类UGI在减少净辐射和阻隔热量进入建筑的能力[70]。
2.3 影响因素分析影响因素分析过程一般是为定量评估降温作用测度与其影响因素间的关系, 并确定其中的主导因素。尽管在一些参数化模拟研究中各影响因素作用可直接通过变动单个模型参数得到[71], 但对于观测研究而言, 影响因素作用仍需通过统计方法加以评估。当前研究仍主要使用相关分析和多重回归分析等传统统计方法, 另一方面, 机器学习方法也逐渐得到应用[72]。相对于多重回归分析中所蕴含的加性和线性作用假设, 机器学习方法对于刻画依赖变量对解释变量的非线性响应和解释变量间交互更具优势。然而, 机器学习方法对影响关系的解释和归因能力仍不及多元回归方法。同时, 机器学习方法对于样本量有较高要求, 而许多站点尺度研究仅能提供数十个观测样本点, 因而该方法更适合易于提供大量样本的遥感数据研究。
此外, 为识别UGI降温作用的关键影响因素, 以往研究多通过不同方法量化因素的相对重要性(表 3)。其中, 基于线性回归模型的标准化系数方法仍是考察相对重要性的主要方法, 而层次分割、随机森林和地理探测器等方法也逐渐得到应用。除主导因素识别外, 影响关系中的阈值效应和调节作用等非线性特征也得到研究者关注。其中阈值效应是指在自变量某个阈值前后因变量对其响应会出现显著变化, 例如Ziter等发现当植被覆盖比例大于40%时, 单位植被覆盖比例增加所导致的气温下降量达到最大[73]。调节作用则是指调节变量可影响另一解释变量与目标变量间关系的强弱和方向。尽管分类变量作为调节变量对UGI降温作用的影响, 如气候区类型[74]和季节[75]等多为研究者所关心, 但极少有研究直接考虑连续变量作为调节变量对降温作用的影响[76]。
| 方法 Methods |
优点 Advantage |
缺点 Disadvantage |
| 标准化系数[77] Standardized Coefficient |
计算简单, 意义明确 | 对多重共线性和共同方差缺乏处理能力 |
| 地理探测器[78] Geodetector |
可在不考虑具体关系的情况下, 研究解释变量对温度的影响和变量之间的交互性 | 对连续变量的处理缺乏标准方法 |
| 层次分割[79] Hierarchy partitioning |
可得各个解释变量的独立重要性 | 处理大量解释变量时, 计算时间阶乘增长 |
| 基于投影的变量重要性[80] Variable importance based on projection |
通过投影的方法, 可高效地处理大量的解释变量 | 无法有效剥离共同方差 |
| 随机森林[72] Random forest |
可考虑非线性影响 | 无法排除变量间多重共线性的干扰, 且需要较多样本 |
| 方差分解[64] Variance partitioning |
可处理群组变量的重要性 | 一般只能处理少数群组变量, 且实现方法依赖于回归方程, 无法考虑非线性作用和交互 |
目前研究中用于解释UGI降温作用的物理过程机制主要是遮荫作用、蒸散发降温作用和冷空气团平流作用三类。遮荫作用是指植被冠层对太阳辐射进行遮蔽以在其它城市表面产生阴影, 使其所得净辐射减少, 进而降低其表面和空气温度或者直接减少人体所接收的短波辐射。对于树冠, 影响其遮荫作用的主要因素有树高、叶面积和树冠半径[52], 而对于绿墙, 叶面积指数则起到主要作用[81]。蒸散发降温作用是指植被叶片和湿润土壤表面发生的蒸散发过程使得植被或土壤所得部分净辐射转化为水汽潜热, 从而降低显热通量, 抑制近地面空气升温。决定UGI蒸散发的影响因素主要有冠层空气动力学导度和叶面气孔导度、土壤水势、单位叶面积、冠层所得净辐射、饱和水汽压差等[82]。冷空气团平流作用是指植被覆盖区域内的冷空气团受风力系统影响而被输送到周围的城市区域中发挥降温作用, 较之前两类微观机制, 这一作用在绿地和街区尺度的研究中得到着重强调[83], 是UGI对外部建成环境发挥降温作用的基础。此外, 绿色屋顶的相对高反照率以及绿墙和绿色屋顶的热隔离作用也在一些研究中也被认为是实现降温作用的关键机制[84]。
3.2 UGI降温作用综合影响因素由于观测尺度差异、数据收集限制和UGI降温作用作为生态过程所存在的尺度效应, 不同研究在各自尺度发现的主要影响因素存在差异, 且随尺度增加, 空间结构因素较之植被形态和内部物种构成愈发重要。(1)站点尺度：研究发现植被物种类型、树冠形态、叶面积指数、蒸腾速率、背景温度和天气、天空敞视因子等因素都对冠层下气温产生影响[19, 69]。不同研究对于蒸腾速率的作用存在分歧：一些研究认为蒸腾速率对冠层下气温具有影响[19], 但也有学者认为对于行道树等与外部环境直接接触的树木, 其日间蒸散发降温作用会被强烈的空气混合所抑制[85], 因而其在大气相对稳定的夜间诱发的降温作用可能更大, 尽管其蒸腾速率因缺少太阳辐射而要小于日间。对于绿色屋顶, 研究发现其外部降温作用受天气、气候背景和土壤湿度等因素影响[86], 而表面温度则受冠层叶面积指数和叶倾角分布影响[87]。对于绿色墙体, 研究者发现其外部降温作用受背景气候和距墙体远近影响[88]。(2)建筑尺度：研究者发现绿色屋顶对于建筑内环境的降温和制冷能源节约作用主要与绿色屋顶类型(扩展型-密集型)、叶面积指数、基质层厚度、土壤含水量、建筑层数、城市密度以及研究所处气候区有关[18, 24, 89], 而绿墙对于建筑内部的降温作用则与叶面积指数、植被物种类型、绿墙朝向、基质厚度与水含量、空腔厚度、隔离材料等因素有关[90—91]。(3)街道尺度：研究者发现增加行道树的覆盖比例或减小其间距可同时改善气温、表面温度与热舒适度[92], 同时树木的冠幅、树高、叶面积指数等因素也会对此产生影响[93]。此外, 街道几何配置特别是其高宽比和朝向等作为外部环境因素会显著影响树木降温作用[17]。(4)绿地尺度：研究者发现绿地斑块对气温的降温作用主要与斑块面积[28]、季节[94]等因素有关, 而它对表面温度的降温作用则主要与斑块面积、形状复杂度、各类植被所占斑块比例、周围区域不同类型斑块的比例和形状复杂度、气候和气象条件等内外因素有关[38, 95]。(5)街区尺度：研究更多关注UGI空间结构而非其内部构成的影响, 且考虑的降温作用范围也不再局限于绿地自身及其密切临近区域而扩展到整个街区单元[75]。其中, UGI空间结构可分为覆盖比例和空间配置两部分[96], 且大部分研究都发现前者较之后者对降温作用有更大影响[97], 但也有研究在高温干旱气候下发现相反结果[98]。(6)城市尺度：研究发现, 对于表面城市热岛强度, 其主要影响因素有城乡绿地比例之差和绿量之差[30]等, 而在控制这些差别后, 城市绿地的景观配置特征如边缘密度、平均斑块形状指数、斑块密度等也对热岛强度产生了显著影响[64], 此外季节、日夜和气候区类型等因素也显著影响了热岛强度与上述影响因素间的关系[30]。
综上所述, 研究发现UGI降温作用影响因素可分为外部环境因素、UGI空间配置以及UGI植被物种构成与形态三类(图 1), 其中UGI内部的植被物种构成与形态以及空间配置是控制UGI的主导因素, 而外部环境因素如气象气候因素和周围建成环境特征则会通过影响降温作用机制的实现以间接影响UGI降温作用以及它对内部因素作用的响应。此外, UGI降温作用所导致的环境响应也可通过降温作用机制, 特别是蒸散发降温作用(植被蒸腾释放的水汽会影响饱和水汽压差), 反馈调节UGI降温作用大小。这些发现强调未来研究需更多考虑外部因素影响并基于降温作用机制和植被生理视角对其进行进一步解释。
|
| 图 1 UGI降温作用机理与相关影响因素 Fig. 1 Illusion on the mechanisms and impacting factors of UGI cooling effects UGI: 城市绿色基础设施Urban green infrastructure |
当前研究对温度数据的获取在时空分辨率上存在一定限制, 而这一限制又进一步约束了研究在部分时空尺度的开展, 同时该数据约束又因温度数据类型不同而有所差异。具体而言, 空间上, 在站点、建筑和街道等微尺度, 通过观测而非模拟手段获得一定区域内精细表面温度分布仍存在一定困难, 特别是对于城市立面, 从而限制了对不同类型UGI措施如何影响城市次面尺度表面温度分布和能量平衡这一问题的探索。同时, 在街区尺度获得气温分布数据也存在一定困难, 从而限制了对于街区尺度上气温如何受UGI的空间组成和配置所影响这一问题的探索。此外, 当前研究也对UGI降温作用如何在大洲或全球范围内变化关注甚少[99—100], 而这一研究视角有助于考察UGI降温作用所受宏观城市形态和气候区类型的影响。时间上, 尽管当前在站点尺度通过实地观测手段得到细时间粒度的气温数据较为容易, 但在绿地和街区等局部尺度上获得地表温度在日内和日间的变化分布仍然存在困难, 因而限制了对这些尺度UGI降温作用的日内日间动态变化及其与太阳高度角和气象因素间联系的探索[42], 特别是UGI降温作用在极端高温事件中的表现, 以及不同UGI配置在日夜降温作用间的权衡。此外, 尽管已有观测和模拟方法都可获得全年甚至多年的长时段温度数据, 当前研究却甚少关注UGI降温作用长时段动态变化及其驱动因素, 特别是考虑植被生长、环境温度与人为管理措施三者对其的交互影响, 而更多关注月内或周内的平均UGI降温作用。然而, 长时段的考察对于理解UGI设施建立和移除的实际影响, 探究UGI内植被的生长和降温作用如何受外部气候和内部构成变化以及人为管理活动影响都具有重要意义[101—103]。最后, 由于缺乏有效的未来城市气候模拟工具以及现有工具在操作上的不便, 当前研究甚少考察在未来气候变化和城市增长背景下UGI降温策略的有效性[104], 然而这一探索对于城市合理规划UGI分布和配置具有重要意义。
4.2 降温作用机制当前研究尽管已发现UGI降温作用主要通过遮荫、蒸散发和冷空气团平流等机制实现, 且在不同尺度对这些机制进行了广泛探索[52, 69, 105—108], 然而仍存在一些研究不足与空白。例如, 当前仍不完全清楚各类降温机制在不同尺度对于UGI整体降温作用的相对重要性和各自影响因素, 特别对于街区和城市等较难展开实验的宏观尺度。其中, 在站点和建筑尺度, 蒸散发和遮荫作用对于不同植被类型UGI降温或隔热作用的相对重要性如何[81], 气象因素、土壤水含量和UGI冠层形态以及叶片特征如何共同影响植被蒸腾降温作用, 其中是否存在交互效应[109]。在街道尺度, 街道形态和由交通导致的人为热排放如何影响UGI内部能量平衡以及遮阴和蒸散发作用[110]。在绿地、街区和城市尺度, 冷空气团平流机制如何帮助UGI向外部发挥降温作用, UGI空间位置和城市形态又如何影响该机制[107]。对以上科学问题的进一步探索有助于深化对UGI降温作用的理解。同时, 部分宏观尺度UGI降温作用特征也需得到更多微观机制实验加以解释和验证, 例如绿地尺度的边缘效应[111]、街区尺度通过变动分析单元大小所发现的多尺度效应[112]、分析单元间的邻域效应[113]以及建筑形态和UGI空间结构对于UGI降温作用的调节效应[114]。
机制研究的成果除可指导城市管理外, 对于有效模拟UGI降温作用也相当重要。然而, 当前模拟研究中对于各类物理过程和降温机制的考虑仍然相对简单和有限[115]。这既表现为对UGI及其附属要素的粗糙表示(如忽视UGI的叶片特征和土壤基质特征), 也表现为对于植被生理学特征考虑不足, 特别是不同种类植被蒸腾作用在极端高温或干旱条件下的差异性表现[8]。同时, 不少研究仅考虑充分灌溉下的降温作用, 然而灌溉措施的影响仍需要得到更有效和精确的表达[116]。在街区和城市尺度, 由于直接精确模拟冷空气团在复杂城市表面上的水平和垂直输送过程存在一定困难(需求解大尺度空气动力学模型), 冷气团平流机制也难以精确表示, 而依赖于城市表面的参数化。此外, 室内室外温度的联系也需要得到进一步考虑, 以考察绿色屋顶和绿墙等建筑维护设施对于建筑人为热排放以及相应户外热环境的影响[48]。
4.3 综合影响因素当前UGI降温作用影响因素可分为外部环境条件(包括气候气象因素、城市几何与灌溉措施等)、空间配置、内部物种构成和植被形态三类, 然而当前仍较缺乏同时考虑三类因素的研究[16], 特别是在局部和城市等主要考虑UGI空间配置的宏观尺度。例如, 尽管气象因素的作用已在站点尺度得到证实, 但在上述两个尺度研究中仍较少被关注[117], 对于植被物种构成等内部因素也是如此。究其原因, 除了在这些尺度存在日际与日内温度数据获取限制外, 当前研究也难以获得大范围植被物种分布信息, 克服这些限制有赖于观测手段的进步[118]。此外, 尽管城市几何的影响在站点和街道等微尺度得到了较好的考虑, 然而在街区尺度研究中却鲜有见到, 这一问题与当前仍缺乏有效的街区形态刻画工具有关。当前已有一些研究通过遥感数据初步考察了局部气候区类型对于UGI降温作用的影响[119], 进一步研究可考虑该街区形态分类体系。
4.4 生态系统服务视角以往研究考察了UGI对空气温度、表面温度、表面显热通量或平均辐射温度等物理环境参数的减小量或降温范围, 并以此表示城市热环境或热舒适度的改善。然而, 这些研究未能从生态系统服务视角出发, 考虑建成环境中的城市居民或户外行人作为该服务实际受益者的异质性、分布和移动行为, 使得UGI降温作用更多被视为生态功能而非被传递的生态系统服务。当前已有研究根据人口以及社会属性分布, 在不同尺度考察了UGI降温服务。例如Kroeger等对于城市树木的PM10污染和高温缓解作用所做的成本收益研究中, 计算了城市树木斑块周围人群总受益量(降温强度乘以人口数)[120], Baró等则利用城市森林生态效益评估(i-Tree Eco)工具考察了街道树木提供的站点尺度降温服务在不同社会属性街区内的分布和均衡性[121], 然而这一部分研究仍处于初始阶段。此外, 降温作用作为一种生态系统服务也牵涉到服务公平性问题。例如, Drescher对Ziter等呼吁进一步增加植被覆盖大于40%区域的植被覆盖比例以实现最大降温效率的建议提出批评[122], Drescher认为在环境正义角度, 最需要增加植被覆盖比例的是低植被覆盖区域, 此处热环境因缺乏UGI而要比前述高植被覆盖区域更为恶劣, 且居民因低收入更缺乏热适应能力。然而, 当前UGI降温作用研究中甚少关于降温服务获取公平性的考虑, 其中一个关键的讨论是当前城市需主要建设大型绿色空间以实现对周围显著的降温作用还是需要建设一系列小型但分布更均匀的绿色空间以保证城市居民更公平地获取降温服务, 或者是二者的综合[113]。未来研究需要更多考虑降温服务的公平性, 并在公平性和降温服务的有效性间取得平衡。
从生态系统服务的多功能性考虑, UGI除可调节温度外, 也承担着调蓄雨水和净化空气等其它功能。以往研究甚至发现, UGI降温功能与部分其它功能如雨水调蓄功能存在共益性[123]：UGI降温功能减少土壤储蓄雨水的表面蒸发, 同时储蓄雨水也为UGI的蒸腾作用提供额外水分供应。另一方面, 降温功能和一些功能间也存在权衡, 例如树木虽可通过过滤微粒实现空气净化, 但沉降颗粒可能会导致叶片气孔被堵塞, 从而影响植被的水分蒸腾和正常新陈代谢过程, 继而影响降温作用[124]。此外, 考虑UGI的负面影响, 一些树种尽管具有更强的降温作用, 但也释放更高浓度对人体有害的生物源有机挥发物[125], 且城市峡谷内过密的行道树也会降低风速, 使得空气污染物聚集[124], 并导致夜间建筑释放热量无法有效逸散[126]。同时, 从UGI实现方式而言, 尽管一些研究表明相互邻近的小型绿地网络可取得更好的区域降温效果[127], 但考虑UGI其它生态功能, 分割UGI可能导致其它生态系统服务如生物多样性和固碳量下降[128]。因此, 在今后对UGI降温作用的情景模拟和规划实践中, 研究与规划者需要对UGI的多功能性和负面效应予以综合的考虑, 以实现UGI整体生态系统服务的最大效果。
4.5 未来研究展望城市是一个复杂开放的巨系统, 城市内部各类子系统耦合中的不协调性以及城市所面对的多重外部冲击和不确定性阻碍了城市的可持续发展, 因而亟需提高城市韧性[129]。由于气候变化日益主导着城市的未来发展, 也是城市健康的首要威胁, 气候变化韧性已成为城市韧性中的关键部分, 而UGI则是提高气候韧性、降低城市健康风险的重要手段。因此, 当前需要在城市规划和治理中更多考虑UGI的作用, 为此有必要系统研究UGI所提供的生态系统服务, 为城市规划和城市韧性建设提供有效的科学支撑。降温作用是UGI的一项关键生态服务, 在以下方面仍值得进一步研究：
(1) 无人机和传感器网络等新型数据在获得温度、植被与建成环境特征等信息上的应用。如上文所述, 当前研究在获取温度数据和UGI内部构成特征两方面都存在一定困难, 这一困难有赖于一些新型数据获取方法加以克服。例如, 无人机技术逐渐受到本领域学者的重视, 陆续有研究利用无人机监测小尺度UGI的地表温度[130]。该方法不仅可实现高空间分辨率的地表温度监测, 也可获取建筑三维表面上的温度分布, 同时也具有日内多时段观测能力。此外, 配合激光雷达和高光谱成像仪器, 该技术也可实现对植被绿量、体积和物种特征的反演与识别[131], 从而为降温作用研究提供更多之前无法准确计入的植被特征作为影响因素或模拟所需信息。同时无人机技术也可用于对建成环境的三维建模, 为微尺度UGI降温作用的模拟提供准确的建筑几何配置甚至是表面材料特征[132], 进一步提高当前微尺度模拟精度。此外, 传感器网络方法也可帮助获得更大覆盖范围内的气温数据并减少其中的不确定性[133], 随着中国智慧城市建设, 这一技术具有广阔发展前景。(2)组合降温策略研究。尽管上文主要考虑了单类UGI的测度和影响因素, 但不同类UGI实现方式之间并非彼此相斥, 由于城市空间的复杂性, 树木、草地、绿墙和绿色屋顶等UGI设施可一同布设相互组合以实现更强更综合的降温作用[134]。此外, UGI也可和其它降温措施例如水体(蓝色空间)和制冷屋顶制冷铺装等结合进行联合降温[135]。未来研究需关注不同降温措施间是否因降温机制交互而存在协同或拮抗效应, 这些效应又受哪些因素所控制, 以及如何优化空间排布以最大化协同效应或最小化拮抗效应等问题, 以提高混合降温策略的作用效果[8]。(3)城市尺度UGI系统降温作用。在城市尺度上, 以往研究几乎仅关注UGI覆盖比例对于其降温作用的影响, 而往往忽略了UGI其它空间特征。例如, 尽管UGI在提出时便被认为是由各类绿色要素所构成的网络, 但直到最近都鲜有研究从网络视角出发理解和优化UGI降温作用[136—137]。事实上, UGI降温作用除可改善自身和周围建成环境的温度外也可作为毗邻热岛区域间的阻隔与缓冲, 以避免大范围热岛区域以及其中极端高温热点的出现[137], 而UGI网络通过源点及其间的连接廊道恰好可有效实现这一功能。因此, 基于网络视角的城市尺度UGI分布格局降温作用评价与优化值得进一步关注。此外, 城市环状绿带、楔形绿带和大规模区域屋顶绿化等措施通过通风廊道和冷空气团平流作用对于城市热岛效应也有一定的缓解作用[138—140], 如何通过发展绿带和优化通风以进一步扩大该效应值得考虑。同时在城市向周边山地不断扩张的背景下[141], 考虑到夜间流泄风效应[22], 如何评估城市扩张侵占周边高坡度植被覆盖地区导致的降温服务损失, 以及如何确定重点植被保护范围也是亟需解决的重要问题。
5 结语城市绿色基础设施是构筑生态城市和实现城市可持续发展的关键, 对于缓解城市升温现象及其不利影响也表现出巨大潜力, 然而目前还鲜有研究对UGI降温作用的具体研究方法和影响因素进行全面回顾。因此, 本研究对以往研究中UGI降温作用所涉及的研究尺度、研究方法、降温物理机制、影响因素等方面进行了系统地归纳评述。研究发现：(1)以往研究可根据降温作用范围分为站点、建筑、街道、绿地、街区、城市6个尺度, 其中站点、绿地和街区尺度是以往研究关注的重点, 而城市尺度研究则相对较少。(2)数据获取主要依赖实地观测、遥感观测和模型模拟三种方法, 然而, 实地观测方法的空间连续性以及遥感观测方法的时间分辨率都存在一定局限。(3)基于参考对象的选择, 降温作用测度方法可分为基于空间参考、基于时间或情景参考和基于统计关系三类。(4)影响因素分析仍主要使用相关系数和多重回归等线性统计方法, 但可以刻画非线性影响的机器学习方法也逐渐得到应用。(5)UGI降温作用主要依赖于遮荫作用、蒸散发作用和冷空气团平流三类机制。该降温作用同时受到植被形态、物种构成和空间配置等内部因素以及外部环境因素的共同影响, 且降温作用对内部影响因素的响应也受到外部因素的调节。在不同尺度间, 降温作用的主要影响因素也存在差别, 随尺度增加, UGI的空间结构较之植被形态与物种构成变得更为重要。(6)目前研究在所开展的时空尺度、所关注的降温机制、所考虑的综合影响因素, 以及生态系统服务视角的应用等方面仍然存在一定局限性。同时, 利用无人机遥感和传感器网络等新型技术获取城市温度和植被形态特征信息, 探究多种降温策略综合作用以及考察城市尺度UGI系统降温作用等方向仍具有较大研究潜力。突破和探索上述研究局限性与未来研究方向将有助于实现更高效、更全面、更公平的UGI降温功能, 促进包容、绿色、韧性和可持续的城市未来。
| [1] |
Akbari H, Cartalis C, Kolokotsa D, Muscio A, Pisello A L, Rossi F, Santamouris M, Synnef A, Wong N H, Zinzi M. Local Climate Change and Urban Heat Island Mitigation Techniques: The State of the Art. Journal of Civil Engineering and Management, 2015, 22(1): 1-16. DOI:10.3846/13923730.2015.1111934 |
| [2] |
Chakraborty T, Lee X. A Simplified Urban-Extent Algorithm to Characterize Surface Urban Heat Islands on a Global Scale and Examine Vegetation Control on Their Spatiotemporal Variability. International Journal of Applied Earth Observation and Geoinformation, 2019, 74: 269-280. DOI:10.1016/j.jag.2018.09.015 |
| [3] |
Mentaschi L, Duveiller G, Zulian G, Corbane C, Pesaresi M, Maes J, Stocchino A, Feyen L. Global Long-Term Mapping of Surface Temperature Shows Intensified Intra-City Urban Heat Island Extremes. Global Environmental Change, 2022, 72: 102441. DOI:10.1016/j.gloenvcha.2021.102441 |
| [4] |
Ellena M, Breil M, Soriani S. The Heat-Health Nexus in the Urban Context: A Systematic Literature Review Exploring the Socio-Economic Vulnerabilities and Built Environment Characteristics. Urban Climate, 2020, 34: 100676. DOI:10.1016/j.uclim.2020.100676 |
| [5] |
Ulpiani G. On the Linkage between Urban Heat Island and Urban Pollution Island: Three-Decade Literature Review towards a Conceptual Framework. Science of The Total Environment, 2021, 751: 141727. DOI:10.1016/j.scitotenv.2020.141727 |
| [6] |
周亮, 车磊, 孙东琪. 中国城镇化与经济增长的耦合协调发展及影响因素. 经济地理, 2019, 39(6): 97-107. DOI:10.15957/j.cnki.jjdl.2019.06.011 |
| [7] |
Intergovernmental Panel on Climate Change. Global Warming of 1.5℃, An IPCC Special Report on the Impacts of Global Warming of 1.5℃ above Pre-Industrial Levels and Related Global Greenhouse Gas Emission Path-Ways[EB/OL]. (2018-12-16)[2022-01-15]. https://www.ipcc.ch/2018/10/08/summary-for-policymakers-of-ipcc-special-report-on-global-warming-of-1-5c-approved-by-governments/
|
| [8] |
Gago E J, Roldan J, Pacheco-Torres R, Ordóñez J. The City and Urban Heat Islands: A Review of Strategies to Mitigate Adverse Effects. Renewable and Sustainable Energy Reviews, 2013, 25: 749-758. DOI:10.1016/j.rser.2013.05.057 |
| [9] |
Santamouris M, Ban-Weiss G, Osmond P, Paolini R, Synnefa A, Cartalis C, Muscio A, Zinzi M, Morakinyo T E, Ng E, Tan Z, Takebayashi H, Sailor D, Crank P, Taha H, Pisello A L, Rossi F, Zhang J, Kolokotsa D. Progress in Urban Greenery Mitigation Science——Assessment Methodologies Advanced Technologies and Impact on Cities. Journal of Civil Engineering and Management, 2018, 24(8): 638-671. DOI:10.3846/jcem.2018.6604 |
| [10] |
Benedict M A, McMahon E T. Green infrastructure: linking landscapes and communities. Washington, D.C., United States: Island press.
|
| [11] |
Asgarian A, Amiri B J, Sakieh Y. Assessing the Effect of Green Cover Spatial Patterns on Urban Land Surface Temperature Using Landscape Metrics Approach. Urban Ecosystems, 2015, 18(1): 209-222. DOI:10.1007/s11252-014-0387-7 |
| [12] |
Lin W, Zeng C, Lam N S-N, Liu Z F, Tao J Y, Zhang X X, Lyu B Y, Li N, Li D, Chen Q B. Study of the Relationship between the Spatial Structure and Thermal Comfort of a Pure Forest with Four Distinct Seasons at the Microscale Level. Urban Forestry & Urban Greening, 2021, 62: 127168. |
| [13] |
Bowler D E, Buyung-Ali L, Knight T M, Pullin A S. Urban Greening to Cool Towns and Cities: A Systematic Review of the Empirical Evidence. Landscape and Urban Planning, 2010, 97(3): 147-155. DOI:10.1016/j.landurbplan.2010.05.006 |
| [14] |
Saaroni H, Amorim J H, Hiemstra J A, Pearlmutter D. Urban Green Infrastructure as a Tool for Urban Heat Mitigation: Survey of Research Methodologies and Findings across Different Climatic Regions. Urban Climate, 2018, 24: 94-110. DOI:10.1016/j.uclim.2018.02.001 |
| [15] |
苏王新, 常青, 刘筱, 张刘宽. 城市蓝绿基础设施降温效应研究综述. 生态学报, 2021, 41(7): 2902-2917. |
| [16] |
Bartesaghi-Koc C, Osmond P, Peters A. Evaluating the Cooling Effects of Green Infrastructure: A Systematic Review of Methods, Indicators and Data Sources. Solar Energy, 2018, 166: 486-508. DOI:10.1016/j.solener.2018.03.008 |
| [17] |
Shashua-Bar L, Hoffman M E, Tzamir Y. Integrated Thermal Effects of Generic Built Forms and Vegetation on the UCL Microclimate. Building and Environment, 2006, 41(3): 343-354. DOI:10.1016/j.buildenv.2005.01.032 |
| [18] |
Abuseif M, Dupre K, Michael R N. The Effect of Green Roof Configurations Including Trees in a Subtropical Climate: A Co-Simulation Parametric Study. Journal of Cleaner Production, 2021, 317: 128458. DOI:10.1016/j.jclepro.2021.128458 |
| [19] |
Georgi J N, Dimitriou D. The Contribution of Urban Green Spaces to the Improvement of Environment in Cities: Case Study of Chania, Greece. Building and Environment, 2010, 45(6): 1401-1414. DOI:10.1016/j.buildenv.2009.12.003 |
| [20] |
周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素. 地理学报, 2019, 74(10): 2027-2044. DOI:10.11821/dlxb201910006 |
| [21] |
Taleghani M, Sailor D, Ban-Weiss G A. Micrometeorological Simulations to Predict the Impacts of Heat Mitigation Strategies on Pedestrian Thermal Comfort in a Los Angeles Neighborhood. Environmental Research Letters, 2016, 11(2): 024003. DOI:10.1088/1748-9326/11/2/024003 |
| [22] |
Oke T R, Mills G, Christen A, Voogt J A. Urban Climates. Cambridge, United Kingdom: Cambridge University Press, 2017.
|
| [23] |
Rahman M A, Moser A, Rötzer T, Pauleit S. Within Canopy Temperature Differences and Cooling Ability of Tilia Cordata Trees Grown in Urban Conditions. Building and Environment, 2017, 114: 118-128. DOI:10.1016/j.buildenv.2016.12.013 |
| [24] |
Morakinyo T E, Dahanayake K W D K C, Ng E, Chow C L. Temperature and Cooling Demand Reduction by Green-Roof Types in Different Climates and Urban Densities: A Co-Simulation Parametric Study. Energy and Buildings, 2017, 145: 226-237. DOI:10.1016/j.enbuild.2017.03.066 |
| [25] |
Fahmy M, Sharples S, Eltrapolsi A. Dual stage simulations to study the microclimatic effects of trees on thermal comfort in a residential building, Cairo, Egypt. IBPSA 2009-International Building Performance Simulation Association 2009, 2009, 1730-1736. |
| [26] |
Bakhshoodeh R, Ocampo C, Oldham C. Thermal Performance of Green Façades: Review and Analysis of Published Data. Renewable and Sustainable Energy Reviews, 2022, 155: 111744. DOI:10.1016/j.rser.2021.111744 |
| [27] |
Shashua-Bar L, Hoffman M E. Geometry and Orientation Aspects in Passive Cooling of Canyon Streets with Trees. Energy and Buildings, 2003, 35(1): 61-68. DOI:10.1016/S0378-7788(02)00080-4 |
| [28] |
Vaz-Monteiro M, Doick K J, Handley P, Peace A. The Impact of Greenspace Size on the Extent of Local Nocturnal Air Temperature Cooling in London. Urban Forestry & Urban Greening, 2016, 16: 160-169. |
| [29] |
Yin J, Wu X X, Shen M G, Zhang X L, Zhu C H, Xiang H X, Shi C M, Guo Z Y, Li C L. Impact of Urban Greenspace Spatial Pattern on Land Surface Temperature: A Case Study in Beijing Metropolitan Area, China. Landscape Ecology, 2019, 34(12): 2949-2961. DOI:10.1007/s10980-019-00932-6 |
| [30] |
Yang Q Q, Huang X, Li J Y. Assessing the Relationship between Surface Urban Heat Islands and Landscape Patterns across Climatic Zones in China. Scientific Reports, 2017, 7(1): 9337. DOI:10.1038/s41598-017-09628-w |
| [31] |
Smith K R, Roebber P J. Green Roof Mitigation Potential for a Proxy Future Climate Scenario in Chicago, Illinois. Journal of Applied Meteorology and Climatology, 2011, 50(3): 507-522. DOI:10.1175/2010JAMC2337.1 |
| [32] |
Gromke C, Blocken B, Janssen W, Merema B, van Hooff T, Timmermans H. CFD Analysis of Transpirational Cooling by Vegetation: Case Study for Specific Meteorological Conditions during a Heat Wave in Arnhem, Netherlands. Building and Environment, 2015, 83: 11-26. DOI:10.1016/j.buildenv.2014.04.022 |
| [33] |
Shi Y, Liu S G, Yan W D, Zhao S Q, Ning Y, Peng X, Chen W, Chen L D, Hu X J, Fu B J, Kennedy R, Lv Y H, Liao J Y, Peng C L, Rosa I M D, Roy D, Shen S Y, Smith A, Zhu Y. Influence of Landscape Features on Urban Land Surface Temperature: Scale and Neighborhood Effects. Science of The Total Environment, 2021, 771: 145381. DOI:10.1016/j.scitotenv.2021.145381 |
| [34] |
Žuvela-Aloise M, Koch R, Buchholz S, Früh B. Modelling the Potential of Green and Blue Infrastructure to Reduce Urban Heat Load in the City of Vienna. Climatic Change, 2016, 135(3): 425-438. |
| [35] |
Santamouris M. Cooling the Cities-A Review of Reflective and Green Roof Mitigation Technologies to Fight Heat Island and Improve Comfort in Urban Environments. Solar Energy, 2014, 103: 682-703. DOI:10.1016/j.solener.2012.07.003 |
| [36] |
Zhang Y J, Murray A T, Turner B L Ⅱ. Optimizing Green Space Locations to Reduce Daytime and Nighttime Urban Heat Island Effects in Phoenix, Arizona. Landscape and Urban Planning, 2017, 165: 162-171. DOI:10.1016/j.landurbplan.2017.04.009 |
| [37] |
Yan J L, Zhou W Q, Jenerette G D. Testing an Energy Exchange and Microclimate Cooling Hypothesis for the Effect of Vegetation Configuration on Urban Heat. Agricultural and Forest Meteorology, 2019, 279: 107666. DOI:10.1016/j.agrformet.2019.107666 |
| [38] |
闫伟姣, 孔繁花, 尹海伟, 孙常峰, 许峰, 李文超, 张啸天. 紫金山森林公园降温效应影响因素. 生态学报, 2014, 34(12): 3169-3178. |
| [39] |
花利忠, 孙凤琴, 陈娇娜, 唐立娜. 基于Landsat-8影像的沿海城市公园冷岛效应——以厦门为例. 生态学报, 2020, 40(22): 8147-8157. |
| [40] |
Lee S H, Park S U. A Vegetated Urban Canopy Model for Meteorological and Environmental Modelling. Boundary-Layer Meteorology, 2008, 126(1): 73-102. |
| [41] |
Yu Z Q, Chen S S, Wong N H, Ignatius M, Deng J Y, He Y, Hii D J C. Dependence between Urban Morphology and Outdoor Air Temperature: A Tropical Campus Study Using Random Forests Algorithm. Sustainable Cities and Society, 2020, 61: 102200. DOI:10.1016/j.scs.2020.102200 |
| [42] |
Vo T T, Hu L Q. Diurnal Evolution of Urban Tree Temperature at a City Scale. Scientific Reports, 2021, 11(1): 10491. DOI:10.1038/s41598-021-89972-0 |
| [43] |
Zhou Y, Shepherd J M. Atlanta's Urban Heat Island under Extreme Heat Conditions and Potential Mitigation Strategies. Natural Hazards, 2010, 52(3): 639-668. DOI:10.1007/s11069-009-9406-z |
| [44] |
Früh B, Becker P, Deutschländer T, Hessel J D, Kossmann M, Mieskes I, Namyslo J, Roos M, Sievers U, Steigerwald T, Turau H, Wienert U. Estimation of Climate-Change Impacts on the Urban Heat Load Using an Urban Climate Model and Regional Climate Projections. Journal of Applied Meteorology and Climatology, 2011, 50(1): 167-184. DOI:10.1175/2010JAMC2377.1 |
| [45] |
Wang Z H, Bou-Zeid E, Smith J A. A Coupled Energy Transport and Hydrological Model for Urban Canopies Evaluated Using a Wireless Sensor Network. Quarterly Journal of the Royal Meteorological Society, 2013, 139(675): 1643-1657. DOI:10.1002/qj.2032 |
| [46] |
Ryu Y H, Bou-Zeid E, Wang Z H, Smith J A. Realistic Representation of Trees in an Urban Canopy Model. Boundary-Layer Meteorology, 2016, 159(2): 193-220. DOI:10.1007/s10546-015-0120-y |
| [47] |
Krayenhoff E S, Jiang T, Christen A, Martilli A, Oke T R, Bailey B N, Nazarian N, Voogt J A, Giometto M G, Stastny A, Crawford B R. A Multi-Layer Urban Canopy Meteorological Model with Trees (BEP-Tree): Street Tree Impacts on Pedestrian-Level Climate. Urban Climate, 2020, 32: 100590. DOI:10.1016/j.uclim.2020.100590 |
| [48] |
Moradi M, Krayenhoff E S, Aliabadi A A. A Comprehensive Indoor-Outdoor Urban Climate Model with Hydrology: The Vertical City Weather Generator (VCWG v2.0.0). Building and Environment, 2022, 207: 108406. DOI:10.1016/j.buildenv.2021.108406 |
| [49] |
Tsoka S, Tsikaloudaki A, Theodosiou T. Analyzing the ENVI-Met Microclimate Model's Performance and Assessing Cool Materials and Urban Vegetation Applications-A Review. Sustainable Cities and Society, 2018, 43: 55-76. DOI:10.1016/j.scs.2018.08.009com.cn/Article/CJFDTOTAL-ZGSK202103008.htm/000494259 |
| [50] |
Djedjig R, Bozonnet E, Belarbi R. Analysis of Thermal Effects of Vegetated Envelopes: Integration of a Validated Model in a Building Energy Simulation Program. Energy and Buildings, 2015, 86: 93-103. DOI:10.1016/j.enbuild.2014.09.057 |
| [51] |
Jänicke B, Meier F, Hoelscher M T, Scherer D. Evaluating the Effects of Façade Greening on Human Bioclimate in a Complex Urban Environment. Advances in Meteorology, 2015, 2015: 747259. |
| [52] |
Speak A, Montagnani L, Wellstein C, Zerbe S. The Influence of Tree Traits on Urban Ground Surface Shade Cooling. Landscape and Urban Planning, 2020, 197: 103748. DOI:10.1016/j.landurbplan.2020.103748 |
| [53] |
Kelly J, Kljun N, Olsson P O, Mihai L, Liljeblad B, Weslien P, Klemedtsson L, Eklundh L. Challenges and Best Practices for Deriving Temperature Data from an Uncalibrated UAV Thermal Infrared Camera. Remote Sensing, 2019, 11(5): 567. DOI:10.3390/rs11050567 |
| [54] |
Amani-Beni M, Chen Y, Vasileva M, Zhang B, Xie G D. Quantitative-Spatial Relationships between Air and Surface Temperature, a Proxy for Microclimate Studies in Fine-Scale Intra-Urban Areas?. Sustainable Cities and Society, 2022, 77: 103584. DOI:10.1016/j.scs.2021.103584 |
| [55] |
Žuvela-Aloise M, Koch R, Buchholz S, Früh B. Modelling the Potential of Green and Blue Infrastructure to Reduce Urban Heat Load in the City of Vienna. Climatic Change, 2016, 135(3): 425-438. |
| [56] |
Venter Z S, Chakraborty T, Lee X H. Crowdsourced Air Temperatures Contrast Satellite Measures of the Urban Heat Island and Its Mechanisms. Science Advances, 2021, 7(22): eabb9569. DOI:10.1126/sciadv.abb9569 |
| [57] |
Nazarian N, Liu S J, Kohler M, Lee J K W, Miller C, Chow W T L, Alhadad S B, Martilli A, Quintana M, Sunden L, Norford L K. Project Coolbit: Can Your Watch Predict Heat Stress and Thermal Comfort Sensation?. Environmental Research Letters, 2021, 16(3): 034031. DOI:10.1088/1748-9326/abd130 |
| [58] |
Shashua-Bar L, Hoffman M E. Vegetation as a Climatic Component in the Design of an Urban Street. Energy and Buildings, 2000, 31(3): 221-235. DOI:10.1016/S0378-7788(99)00018-3 |
| [59] |
Bartesaghi-Koc C, Osmond P, Peters A. Spatio-Temporal Patterns in Green Infrastructure as Driver of Land Surface Temperature Variability: The Case of Sydney. International Journal of Applied Earth Observation and Geoinformation, 2019, 83: 101903. DOI:10.1016/j.jag.2019.101903 |
| [60] |
Lin W Q, Yu T, Chang X Q, Wu W J, Zhang Y. Calculating Cooling Extents of Green Parks Using Remote Sensing: Method and Test. Landscape and Urban Planning, 2015, 134: 66-75. DOI:10.1016/j.landurbplan.2014.10.012 |
| [61] |
陈燕红, 蔡芫镔, 仝川. 福州主城区绿色空间不同演化模式对地表温度扰动的影响. 环境科学研究, 2020, 33(04): 995-1004. |
| [62] |
Stewart I D. A Systematic Review and Scientific Critique of Methodology in Modern Urban Heat Island Literature. International Journal of Climatology, 2011, 31(2): 200-217. DOI:10.1002/joc.2141 |
| [63] |
魏琳沅, 孙然好. 城市绿地和建筑格局影响热环境的模拟研究. 生态学报, 2021, 41(11): 4300-4309. |
| [64] |
Li X M, Zhou W Q. Optimizing Urban Greenspace Spatial Pattern to Mitigate Urban Heat Island Effects: Extending Understanding from Local to the City Scale. Urban Forestry & Urban Greening, 2019, 41: 255-263. |
| [65] |
Kong F H, Yin H W, James P, Hutyra L R, He H S. Effects of Spatial Pattern of Greenspace on Urban Cooling in a Large Metropolitan Area of Eastern China. Landscape and Urban Planning, 2014, 128: 35-47. DOI:10.1016/j.landurbplan.2014.04.018 |
| [66] |
Yuan B, Zhou L, Dang X W, Sun D Q, Hu F N, Mu H W. Separate and Combined Effects of 3D Building Features and Urban Green Space on Land Surface Temperature. Journal of Environmental Management, 2021, 295: 113116. DOI:10.1016/j.jenvman.2021.113116 |
| [67] |
Coccolo S, Kämpf J, Scartezzini J L, Pearlmutter D. Outdoor Human Comfort and Thermal Stress: A Comprehensive Review on Models and Standards. Urban Climate, 2016, 18: 33-57. DOI:10.1016/j.uclim.2016.08.004 |
| [68] |
Farhadi H, Faizi M, Sanaieian H. Mitigating the Urban Heat Island in a Residential Area in Tehran: Investigating the Role of Vegetation, Materials, and Orientation of Buildings. Sustainable Cities and Society, 2019, 46: 101448. DOI:10.1016/j.scs.2019.101448 |
| [69] |
Chen X, Zhao P, Hu Y T, Ouyang L, Zhu L W, Ni G Y. Canopy Transpiration and Its Cooling Effect of Three Urban Tree Species in a Subtropical City- Guangzhou, China. Urban Forestry & Urban Greening, 2019, 43: 126368. |
| [70] |
Malys L, Musy M, Inard C. A Hydrothermal Model to Assess the Impact of Green Walls on Urban Microclimate and Building Energy Consumption. Building and Environment, 2014, 73: 187-197. DOI:10.1016/j.buildenv.2013.12.012 |
| [71] |
沈滢洁, 王成刚, 曹乐, 郜海阳, 王咏薇. 屋顶绿化对城市降温效应的模拟分析——以南京市为例. 气象, 2017, 43(05): 610-619. |
| [72] |
Gage E A, Cooper D J. Relationships between Landscape Pattern Metrics, Vertical Structure and Surface Urban Heat Island Formation in a Colorado Suburb. Urban Ecosystems, 2017, 20(6): 1229-1238. DOI:10.1007/s11252-017-0675-0 |
| [73] |
Ziter C D, Pedersen E J, Kucharik C J, Turner M G. Scale-Dependent Interactions between Tree Canopy Cover and Impervious Surfaces Reduce Daytime Urban Heat during Summer. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(15): 7575-7580. DOI:10.1073/pnas.1817561116 |
| [74] |
Yu Z W, Xu S B, Zhang Y H, Jørgensen G, Vejre H. Strong Contributions of Local Background Climate to the Cooling Effect of Urban Green Vegetation. Scientific Reports, 2018, 8(1): 6798. DOI:10.1038/s41598-018-25296-w |
| [75] |
Chen A L, Yao X A, Sun R H, Chen L D. Effect of Urban Green Patterns on Surface Urban Cool Islands and Its Seasonal Variations. Urban Forestry & Urban Greening, 2014, 13(4): 646-654. |
| [76] |
Jaganmohan M, Knapp S, Buchmann C M, Schwarz N. The Bigger, the Better? The Influence of Urban Green Space Design on Cooling Effects for Residential Areas. Journal of Environmental Quality, 2016, 45(1): 134-145. DOI:10.2134/jeq2015.01.0062 |
| [77] |
Sun R H, Xie W, Chen L D. A Landscape Connectivity Model to Quantify Contributions of Heat Sources and Sinks in Urban Regions. Landscape and Urban Planning, 2018, 178: 43-50. DOI:10.1016/j.landurbplan.2018.05.015 |
| [78] |
Ren Y, Deng L Y, Zuo S D, Song X D, Liao Y L, Xu C D, Chen Q, Hua L Z, Li Z W. Quantifying the Influences of Various Ecological Factors on Land Surface Temperature of Urban Forests. Environmental Pollution, 2016, 216: 519-529. DOI:10.1016/j.envpol.2016.06.004 |
| [79] |
Peng J, Jia J L, Liu Y X, Li H L, Wu J S. Seasonal Contrast of the Dominant Factors for Spatial Distribution of Land Surface Temperature in Urban Areas. Remote Sensing of Environment, 2018, 215: 255-267. DOI:10.1016/j.rse.2018.06.010 |
| [80] |
Liu Y X, Peng J, Wang Y L. Application of Partial Least Squares Regression in Detecting the Important Landscape Indicators Determining Urban Land Surface Temperature Variation. Landscape Ecology, 2018, 33(7): 1133-1145. DOI:10.1007/s10980-018-0663-7 |
| [81] |
Hoelscher M T, Nehls T, Jänicke B, Wessolek G. Quantifying Cooling Effects of Facade Greening: Shading, Transpiration and Insulation. Energy and Buildings, 2016, 114: 283-290. DOI:10.1016/j.enbuild.2015.06.047 |
| [82] |
Chapin F S Ⅲ, Matson P A, Vitousek P M. Principles of Terrestrial Ecosystem Ecology. New York, United States: Springer New York, 2011.
|
| [83] |
Gunawardena K R, Wells M J, Kershaw T. Utilising Green and Bluespace to Mitigate Urban Heat Island Intensity. Science of The Total Environment, 2017, 584/585: 1040-1055. DOI:10.1016/j.scitotenv.2017.01.158 |
| [84] |
Susca T, Gaffin S R, Dell'Osso G R. Positive Effects of Vegetation: Urban Heat Island and Green Roofs. Environmental Pollution, 2011, 159(8/9): 2119-2126. |
| [85] |
Konarska J, Uddling J, Holmer B, Lutz M, Lindberg F, Pleijel H, Thorsson S. Transpiration of Urban Trees and Its Cooling Effect in a High Latitude City. International Journal of Biometeorology, 2016, 60(1): 159-172. DOI:10.1007/s00484-015-1014-x |
| [86] |
Berardi U, GhaffarianHoseini A H, GhaffarianHoseini A. State-of-the-Art Analysis of the Environmental Benefits of Green Roofs. Applied Energy, 2014, 115: 411-428. DOI:10.1016/j.apenergy.2013.10.047 |
| [87] |
Barrio E P D. Analysis of the Green Roofs Cooling Potential in Buildings. Energy and Buildings, 1998, 27(2): 179-193. DOI:10.1016/S0378-7788(97)00029-7 |
| [88] |
Perini K, Rosasco P. Cost-benefit Analysis for Green Façades and Living Wall Systems. Building and Environment, 2013, 70: 110-121. DOI:10.1016/j.buildenv.2013.08.012 |
| [89] |
Karachaliou P, Santamouris M, Pangalou H. Experimental and Numerical Analysis of the Energy Performance of a Large Scale Intensive Green Roof System Installed on an Office Building in Athens. Energy and Buildings, 2016, 114: 256-264. DOI:10.1016/j.enbuild.2015.04.055 |
| [90] |
Yang F, Yuan F, Qian F, Zhuang Z, Yao J W. Summertime Thermal and Energy Performance of a Double-Skin Green Facade: A Case Study in Shanghai. Sustainable Cities and Society, 2018, 39: 43-51. DOI:10.1016/j.scs.2018.01.049 |
| [91] |
Cuce E. Thermal Regulation Impact of Green Walls: An Experimental and Numerical Investigation. Applied Energy, 2017, 194: 247-254. DOI:10.1016/j.apenergy.2016.09.079 |
| [92] |
Spangenberg J, Shinzato P, Johansson E, Duarte D. Simulation of the Influence of Vegetation on Microclimate and Thermal Comfort in the City of São Paulo. Revista Da Sociedade Brasileira de Arborização Urbana, 2019, 3(2): 1-19. DOI:10.5380/revsbau.v3i2.66265 |
| [93] |
Morakinyo T E, Kong L, Lau K K L, Yuan C, Ng E. A Study on the Impact of Shadow-Cast and Tree Species on in-Canyon and Neighborhood's Thermal Comfort. Building and Environment, 2017, 115: 1-17. DOI:10.1016/j.buildenv.2017.01.005 |
| [94] |
Hamada S, Ohta T. Seasonal Variations in the Cooling Effect of Urban Green Areas on Surrounding Urban Areas. Urban Forestry & Urban Greening, 2010, 9(1): 15-24. DOI:10.3969/j.issn.1672-4925.2010.01.005 |
| [95] |
Cheng X Y, Wei B S, Chen G J, Li J X, Song C H. Influence of Park Size and Its Surrounding Urban Landscape Patterns on the Park Cooling Effect. Journal of Urban Planning and Development, 2015, 141(3): A4014002. DOI:10.1061/(ASCE)UP.1943-5444.0000256 |
| [96] |
Li S C, Zhao Z Q, Xie M M, Wang Y L. Investigating Spatial Non-Stationary and Scale-Dependent Relationships between Urban Surface Temperature and Environmental Factors Using Geographically Weighted Regression. Environmental Modelling & Software, 2010, 25(12): 1789-1800. |
| [97] |
Rhee J, Park S, Lu Z Y. Relationship between Land Cover Patterns and Surface Temperature in Urban Areas. GIScience & Remote Sensing, 2014, 51(5): 521-536. |
| [98] |
Zhou W Q, Huang G L, Cadenasso M L. Does Spatial Configuration Matter? Understanding the Effects of Land Cover Pattern on Land Surface Temperature in Urban Landscapes. Landscape and Urban Planning, 2011, 102(1): 54-63. DOI:10.1016/j.landurbplan.2011.03.009 |
| [99] |
Schwaab J, Meier R, Mussetti G, Seneviratne S, Bürgi C, Davin E L. The Role of Urban Trees in Reducing Land Surface Temperatures in European Cities. Nature Communications, 2021, 12(1): 6763. DOI:10.1038/s41467-021-26768-w |
| [100] |
Wang J, Zhou W Q, Jiao M, Zheng Z, Ren T, Zhang Q M. Significant Effects of Ecological Context on Urban Trees' Cooling Efficiency. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159: 78-89. DOI:10.1016/j.isprsjprs.2019.11.001 |
| [101] |
Zhao J C, Zhao X, Liang S L, Wang H Y, Liu N J, Liu P, Wu D H. Dynamic Cooling Effects of Permanent Urban Green Spaces in Beijing, China. Remote Sensing, 2021, 13(16): 3282. DOI:10.3390/rs13163282 |
| [102] |
Masoudi M, Tan P Y, Liew S C. Multi-City Comparison of the Relationships between Spatial Pattern and Cooling Effect of Urban Green Spaces in Four Major Asian Cities. Ecological Indicators, 2019, 98: 200-213. DOI:10.1016/j.ecolind.2018.09.058 |
| [103] |
Sun R H, Chen L D. Effects of Green Space Dynamics on Urban Heat Islands: Mitigation and Diversification. Ecosystem Services, 2017, 23: 38-46. DOI:10.1016/j.ecoser.2016.11.011 |
| [104] |
Krayenhoff E S, Moustaoui M, Broadbent A M, Gupta V, Georgescu M. Diurnal Interaction between Urban Expansion, Climate Change and Adaptation in US Cities. Nature Climate Change, 2018, 8(12): 1097-1103. DOI:10.1038/s41558-018-0320-9 |
| [105] |
Eliasson I, Upmanis H. Nocturnal Airflow from Urban Parks-Implications for City Ventilation. Theoretical and Applied Climatology, 2000, 66(1): 95-107. |
| [106] |
Park Y, Guldmann J-M, Liu D S. Impacts of Tree and Building Shades on the Urban Heat Island: Combining Remote Sensing, 3D Digital City and Spatial Regression Approaches. Computers, Environment and Urban Systems, 2021, 88: 101655. DOI:10.1016/j.compenvurbsys.2021.101655 |
| [107] |
Zhang G C, He B J, Zhu Z Z, Dewancker B J. Impact of Morphological Characteristics of Green Roofs on Pedestrian Cooling in Subtropical Climates. International Journal of Environmental Research and Public Health, 2019, 16(2): 179. DOI:10.3390/ijerph16020179 |
| [108] |
Cuthbert M O, Rau G C, Ekström M, O'Carroll D M, Bates A J. Global Climate-Driven Trade-Offs between the Water Retention and Cooling Benefits of Urban Greening. Nature Communications, 2022, 13(1): 518. DOI:10.1038/s41467-022-28160-8 |
| [109] |
Rahman M A, Moser A, Rötzer T, Pauleit S. Microclimatic Differences and Their Influence on Transpirational Cooling of Tilia Cordata in Two Contrasting Street Canyons in Munich, Germany. Agricultural and Forest Meteorology, 2017, 232: 443-456. DOI:10.1016/j.agrformet.2016.10.006 |
| [110] |
Shashua-Bar L, Potchter O, Bitan A, Boltansky D, Yaakov Y. Microclimate Modelling of Street Tree Species Effects within the Varied Urban Morphology in the Mediterranean City of Tel Aviv, Israel. International Journal of Climatology, 2010, 30(1): 44-57. DOI:10.1002/joc.1869 |
| [111] |
Jiao M, Zhou W Q, Zheng Z, Wang J, Qian Y G. Patch Size of Trees Affects Its Cooling Effectiveness: A Perspective from Shading and Transpiration Processes. Agricultural and Forest Meteorology, 2017, 247: 293-299. DOI:10.1016/j.agrformet.2017.08.013 |
| [112] |
Li X M, Zhou W Q, Ouyang Z Y. Relationship between Land Surface Temperature and Spatial Pattern of Greenspace: What Are the Effects of Spatial Resolution?. Landscape and Urban Planning, 2013, 114: 1-8. DOI:10.1016/j.landurbplan.2013.02.005 |
| [113] |
Osborne P E, Alvares-Sanches T. Quantifying How Landscape Composition and Configuration Affect Urban Land Surface Temperatures Using Machine Learning and Neutral Landscapes. Computers, Environment and Urban Systems, 2019, 76: 80-90. DOI:10.1016/j.compenvurbsys.2019.04.003 |
| [114] |
Chen J K, Zhan W F, Du P J, Li L, Li J F, Liu Z H, Huang F, Lai J M, Xia J S. Seasonally Disparate Responses of Surface Thermal Environment to 2D/3D Urban Morphology. Building and Environment, 2022, 214: 108928. DOI:10.1016/j.buildenv.2022.108928bsys.2019.04.003 |
| [115] |
Krayenhoff E S, Broadbent A M, Zhao L, Georgescu M, Middel A, Voogt J A, Martilli A, Sailor D J, Erell E. Cooling Hot Cities: A Systematic and Critical Review of the Numerical Modelling Literature. Environmental Research Letters, 2021, 16(5): 053007. DOI:10.1088/1748-9326/abdcf1 |
| [116] |
Gao K, Santamouris M. The Use of Water Irrigation to Mitigate Ambient Overheating in the Built Environment: Recent Progress. Building and Environment, 2019, 164: 106346. DOI:10.1016/j.buildenv.2019.106346 |
| [117] |
Wang C H, Wang Z H, Wang C Y, Myint S W. Environmental Cooling Provided by Urban Trees under Extreme Heat and Cold Waves in US Cities. Remote Sensing of Environment, 2019, 227: 28-43. DOI:10.1016/j.rse.2019.03.024 |
| [118] |
Chun B, Guldmann J M. Spatial Statistical Analysis and Simulation of the Urban Heat Island in High-Density Central Cities. Landscape and Urban Planning, 2014, 125: 76-88. DOI:10.1016/j.landurbplan.2014.01.016 |
| [119] |
Zhou L, Yuan B, Hu F N, Wei C Z, Dang X W, Sun D Q. Understanding the Effects of 2D/3D Urban Morphology on Land Surface Temperature Based on Local Climate Zones. Building and Environment, 2022, 208: 108578. DOI:10.1016/j.buildenv.2021.108578 |
| [120] |
Kroeger T, McDonald R I, Boucher T, Zhang P, Wang L Z. Where the People Are: Current Trends and Future Potential Targeted Investments in Urban Trees for PM10 and Temperature Mitigation in 27 US Cities. Landscape and Urban Planning, 2018, 177: 227-240. DOI:10.1016/j.landurbplan.2018.05.014 |
| [121] |
Baró F, Calderón-Argelich A, Langemeyer J, Connolly J J T. Under One Canopy? Assessing the Distributional Environmental Justice Implications of Street Tree Benefits in Barcelona. Environmental Science & Policy, 2019, 102: 54-64. |
| [122] |
Drescher M. Urban Heating and Canopy Cover Need to Be Considered as Matters of Environmental Justice. Proceedings of the National Academy of Sciences, 2019, 116(52): 26153-26154. DOI:10.1073/pnas.1917213116 |
| [123] |
Coutts A M, Tapper N J, Beringer J, Loughnan M, Demuzere M. Watering Our Cities: The Capacity for Water Sensitive Urban Design to Support Urban Cooling and Improve Human Thermal Comfort in the Australian Context. Progress in Physical Geography: Earth and Environment, 2013, 37(1): 2-28. DOI:10.1177/0309133312461032 |
| [124] |
Hansen R, Pauleit S. From Multifunctionality to Multiple Ecosystem Services? A Conceptual Framework for Multifunctionality in Green Infrastructure Planning for Urban Areas. Ambio, 2014, 43(4): 516-529. DOI:10.1007/s13280-014-0510-2 |
| [125] |
Livesley S J, McPherson G M, Calfapietra C. The Urban Forest and Ecosystem Services: Impacts on Urban Water, Heat, and Pollution Cycles at the Tree, Street, and City Scale. Journal of Environmental Quality, 2016, 45(1): 119-124. DOI:10.2134/jeq2015.11.0567 |
| [126] |
Huang L M, Li J L, Zhao D H, Zhu J Y. A Fieldwork Study on the Diurnal Changes of Urban Microclimate in Four Types of Ground Cover and Urban Heat Island of Nanjing, China. Building and Environment, 2008, 43(1): 7-17. DOI:10.1016/j.buildenv.2006.11.025 |
| [127] |
Shih W. Greenspace Patterns and the Mitigation of Land Surface Temperature in Taipei Metropolis. Habitat International, 2017, 60: 69-80. DOI:10.1016/j.habitatint.2016.12.006 |
| [128] |
Stott I, Soga M, Inger R, Gaston K J. Land Sparing Is Crucial for Urban Ecosystem Services. Frontiers in Ecology and the Environment, 2015, 13(7): 387-393. DOI:10.1890/140286 |
| [129] |
United Nations Human Settlements Programme (UN-Habitat). World Cities Report 2022: Envisaging the Future of Cities. [EB/OL]. (2022-06-29)[2022-07-26]. https://unhabitat.org/wcr/
|
| [130] |
Kang D I, Gyeong M H, Sung S Y, Cha J G. Applicability of UAV in Urban Thermal Environment Analysis. Journal of the Korean Institute of Landscape Architecture, 2018, 46(2): 52-61. DOI:10.9715/KILA.2018.46.2.052 |
| [131] |
Tang L N, Shao G F. Drone Remote Sensing for Forestry Research and Practices. Journal of Forestry Research, 2015, 26(4): 791-797. DOI:10.1007/s11676-015-0088-y |
| [132] |
Gaitani N, Burud I, Thiis T, Santamouris M. High-Resolution Spectral Mapping of Urban Thermal Properties with Unmanned Aerial Vehicles. Building and Environment, 2017, 121: 215-224. DOI:10.1016/j.buildenv.2017.05.027 |
| [133] |
Yang J C, Bou-Zeid E. Designing Sensor Networks to Resolve Spatio-Temporal Urban Temperature Variations: Fixed, Mobile or Hybrid?. Environmental Research Letters, 2019, 14(7): 074022. DOI:10.1088/1748-9326/ab25f8 |
| [134] |
Herath H M P I K, Halwatura R U, Jayasinghe G Y. Evaluation of Green Infrastructure Effects on Tropical Sri Lankan Urban Context as an Urban Heat Island Adaptation Strategy. Urban Forestry & Urban Greening, 2018, 29: 212-222. |
| [135] |
Alchapar N L, Pezzuto C C, Correa E N, Labaki L C. The Impact of Different Cooling Strategies on Urban Air Temperatures: The Cases of Campinas, Brazil and Mendoza, Argentina. Theoretical and Applied Climatology, 2017, 130(1): 35-50. |
| [136] |
赵晨晓, 刘春卉, 魏家星. 缓解城市热岛效应的南京市绿色基础设施网络构建方法. 浙江农林大学学报, 2021, 38(6): 1127-1135. |
| [137] |
Peng J, Cheng X Y, Hu Y X, Corcoran J. A Landscape Connectivity Approach to Mitigating the Urban Heat Island Effect. Landscape Ecology, 2022, 37(6): 1707-1719. DOI:10.1007/s10980-022-01439-3 |
| [138] |
Bernatzky A. The Contribution of Tress and Green Spaces to a Town Climate. Energy and Buildings, 1982, 5(1): 1-10. DOI:10.1016/0378-7788(82)90022-6 |
| [139] |
Yang J C, Bou-Zeid E. Scale Dependence of the Benefits and Efficiency of Green and Cool Roofs. Landscape and Urban Planning, 2019, 185: 127-140. DOI:10.1016/j.landurbplan.2019.02.004 |
| [140] |
He X D, Shen S H, Miao S G, Dou J J, Zhang Y Z. Quantitative Detection of Urban Climate Resources and the Establishment of an Urban Climate Map (UCMap) System in Beijing. Building and Environment, 2015, 92: 668-678. DOI:10.1016/j.buildenv.2015.05.044 |
| [141] |
周亮, 党雪薇, 周成虎, 王波, 魏伟. 中国建设用地的坡谱演化规律与爬坡影响. 地理学报, 2021, 76(7): 1747-1762. |