2025, Vol. 45文章信息
- 邓洁, 赖格英, 樊奥
- DENG Jie, LAI Geying, FAN Ao
- 长江中下游地区城市西太平洋副热带高压控制的热岛特征
- Urban heat island characteristics of different sizes cities with and without the Western Pacific Subtropical High control in the middle and lower reaches of the Yangtze River
- 生态学报. 2025, 45(2): 653-668
- Acta Ecologica Sinica. 2025, 45(2): 653-668
- http://dx.doi.org/10.20103/j.stxb.202403270643
-
文章历史
- 收稿日期: 2024-03-27
- 网络出版日期: 2024-10-10
2. 鄱阳湖湿地与流域研究教育部重点实验室, 南昌 330022
2. Key Laboratory of Poyang Lake Wetland and Watershed Research, Nanchang 330022, China
全球气候变化下的大气环流异常、经济社会的快速发展、城市化水平的不断提高, 在一定程度上加剧了城市热岛的效应(Urban Heat Island, UHI), 导致城市热岛范围不断扩张, 强度不断增加, 给城市的可持续发展带来不同程度的危害[1], 同时也给人类的生产生活质量乃至健康带来影响[2]。有研究表明, 区域气候背景对城市热岛的分布及强度影响显著[3], 如Zhao等发现北美城市白天不同强度热岛大致按气候带分布[4]。我国东部季风区夏季常年受西太平洋副热带高压(简称“副高”, West Pacific Subtropical High, WPSH)影响, 其是造成我国长江中下游地区夏季高温与干旱的重要天气系统和气候背景。对流不旺盛及气流下沉的副高特征, 导致地表热量难以向高空扩散, 使得受其控地区出现风小无云、少雨干旱、持续高温等天气现象[5]。我国俗称的“火炉城市”多分布在长江中下游地区, 其原因与该地区夏季常年受副高控制有关。这一现象表明, 副高的出现会在一定程度上加剧城市热岛的效应。
目前, 国内外对城市热岛的研究已非常深入, 方法与角度多样[6—7], 如在不同城市规模热岛特征的研究方面[8], Zhou等研究发现欧洲城市规模增加一倍会导致热岛强度增加约0.4℃, 热岛强度与人口规模存在相互关系, 大城市的热岛强度高[9]。城市密度也影响着城市热岛, 城市分布越密集, 热岛强度值越高[10]。在针对长江中下游城市热岛及其影响因素的研究方面, 有研究表明：长江中下游城市的热岛效应在夏季较为显著[11]；城市内部的景观格局[12]影响城市热岛强度；工业发展, 人口聚集和空气污染排放[13—15]等人为因素加剧了长江中游城市群的城市热岛效应[16]；长三角城市群的土地利用变化和以工业和交通运输为主的人为热排放活动使得热岛强度增强[17]。此外, 城市形态[18]对城市热岛的强度也存在影响, 人类活动和自然条件等多种原因影响着城市热岛[19]。在影响城市热岛的气象条件方面, 亚热带城市在季风期的热岛强度昼夜差异小[20—21], 降水削弱夏秋季节的日间热岛强度, 高风速和多云量覆盖也会减弱热岛强度[22—23]。
在副高与城市热岛及“双效应叠加”的研究方面, 国内外的研究文献不多, 有学者采用常规方法, 研究了长江中下游地区夏季极端高温与副高的关系, 认为偏强偏西的副高会使得该地区出现持续高温现象, 促使极端天气的形成[24—29]。因此, 当前对副高和城市热岛的关系研究还比较薄弱, 包括副高对城市热岛的作用机理、“双效应叠加”的城市规模差别及昼夜差别等尚不清楚, 这都有待进一步的研究。
本文针对长江中下游城市热岛效应对副高的响应问题, 结合副高面积指数、强度指数、脊线指数和西伸脊点等相关数据选取7月份有无副高的两种条件对应的年份, 通过提取适宜的乡村背景并利用MODIS遥感产品反演的地表温度数据计算得到城市热岛强度值, 对热岛等级进行划分, 分析长江中下游地区昼夜城市热岛时空分布特征和不同规模等级城市的空间热岛比例指数, 用地理探测器分析城市热岛的影响因素, 以探讨长江中下游地区不同规模城市有无副高控制时的昼夜热岛特征。
1 研究区概况长江中下游地区在行政区划上包含湖北、湖南、安徽、江西、江苏、浙江六省和上海市[30](图 1), 位于中国中东部。该区域的地势较低, 中部和东部以平原、丘陵为主, 边缘地区海拔高。中国气象局国家气候中心发布的中国夏季炎热程度靠前的10个省会城市中, 有六个长江中下游地区的城市(杭州、南昌、长沙、武汉、南京、合肥)在此名列[31]。由于该地区位于我国东部季风气候区, 受大气环流影响, 该地区常年夏季受到副高影响[32], 不仅副高的影响作用强大, 且该地区城市发展较快, 人口密集, 是我国重要的经济发展地和人口集中地, 副高与城市热岛作用明显。
|
| 图 1 研究区位置示意图 Fig. 1 Location map of the study area |
传统的城市热岛研究中多半使用气象数据, 但气象站点数量有限且分布稀疏, 获取的数据空间信息较为粗糙。随着卫星遥感技术的发展, 遥感数据已大量应用于城市热岛的研究中, 相比之下, 卫星遥感能够提供高覆盖的温度数据产品, 适合于大范围多尺度的城市热岛研究[33]。
由于研究范围较大, 为了确保区域内部温度数据的统一性和可得性, 本文选择空间分辨率1000m的Aqua中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer, MODIS)遥感数据作为主要数据源, 文中涉及的还有其它数据, 包括数字高程、土地利用、夜间灯光、植被指数、副高指数、城市常住人口、建筑指数、气溶胶光学厚度、臭氧、空气质量指数、人口密度、水汽等数据, 其来源及处理分别介绍如下。
(1) 地表温度数据(Land Surface Temperature, LST), 来源于MODIS卫星的8天合成产品MYD11A2, 过境时间为当地的白天13：30和夜晚1：30, 将2013—2022年7月影像中的有效温度值进行平均处理[34—35], 并将数据单位开尔文(K)转化为摄氏度(℃), 得到月度白天和夜晚平均LST数据[36]。
(2) 数字高程数据(Digital Elevation Model, DEM), 来源于“地理空间数据云”网络平台。
(3) 土地利用数据, 来源于武汉大学黄昕团队基于Landsat遥感观测的30m分辨率制作的土地利用数据集(China Land Cover Dataset, CLCD)产品[37], 时间尺度长, 数据集总体准确率80%, 土地类型分为9大类。
(4) 夜间灯光数据(Nighttime Light, NTL), 来源于EOG官网, 获取2013—2022年度和7月的月度数据, 使用稳定灯光值表征人类活动和人为热等。
(5) 植被指数(Normalized Difference Vegetation Index, NDVI), 来源于MODIS卫星的MYD13A1产品。选取7月的图像代表月度数据, 将每年符合质量要求的图像进行均值处理得到年度数据, 其值越高, 植被覆盖越茂密。
(6) 副高指数(WPSH index), 来源于中国气象局官网, 使用的指数分别是面积指数、强度指数、脊线和西伸脊点四项指数。
(7) 城市常住人口数据, 来源于中华人民共和国住房和城乡建设部网站的2013—2022年《城市建筑统计年鉴》, 并以此划分城市规模等级。
影响因素分为地表特征、空气质量、社会活动和气象特征四个维度。
(1) 建筑指数(Normalized Difference Built-up Index, NDBI), 来源于Landsat卫星, 经过处理得到7月月度数据, 表征研究区的建筑分布, 值越高, 建筑分布越密集。
(2) 气溶胶光学厚度(Aerosol Optical Depth, AOD), 来源于MODIS卫星的MCD19A2产品, 多数研究表明其与热岛之间的关系显著[38—42]。
(3) 臭氧(Ozone, O3), 选取的是大气中的污染物O3数据, 来源于PM2.5分析网。充足光照、高温、适宜湿度等条件是形成臭氧污染的关键。因此, 城市热岛的形成会加剧臭氧污染。
(4) 空气质量指数(Air Quality Index, AQI), 来源于PM2.5分析网, 表征空气的质量状况。
(5) 人口密度(Population Density, PD), 来源于LandScan官网, 社会的主要构成是人类, 人口密度是表征社会活动的重要条件。
(6) 水汽数据(Water Vapour, VAP), 来源于ERA5官网, 选取了对应年份的月度数据。
相关数据信息见表 1, 其中遥感数据进行了重采样, 空间分辨率为1000m。
| 数据 Data |
用途 Use |
空间分辨率/m Spatial resolution |
时间 Time |
| 地表温度数据 Land surface temperature |
反演地表温度数据量化城市热岛 | 1000 | 2013—2022年, 7月 |
| 土地利用数据集 China land cover dataset |
提取乡村背景的指标之一 | 30 | 2013—2022年, 年度 |
| 植被指数 Normalized difference vegetation index |
提取乡村背景的指标之一, 地表特征影响因素之一 | 500 | 2013—2022年, 7月 |
| 夜间灯光 Nighttime light |
提取乡村背景的指标之一, 社会活动影响因素之一 | 500 | 2013—2022年, 年度数据和7月数据 |
| 数字高程数据 Digital elevation model |
提取乡村背景的指标之一, 地表特征影响因素之一 | 30 | 2022年 |
| 西太平洋副热带高压指数 West pacific subtropical high index |
分析副高特征, 选取适合年份；气象特征影响因素之一 | — | 1993—2022年, 7月 |
| 建筑指数 Normalized difference built-up index |
地表特征影响因素之一 | 1000 | 2013—2022年, 7月 |
| 气溶胶光学厚度 Aerosol optical depth |
空气质量影响因素之一 | 1000 | 2013—2022年, 7月 |
| 臭氧Ozone | 空气质量影响因素之一 | — | 2013—2022年, 7月 |
| 空气质量指数Air quality index | 空气质量影响因素之一 | — | 2013—2022年, 7月 |
| 人口密度Population density | 人类活动影响因素之一 | 1000 | 2013—2022年, 年度 |
| 水汽Water vapour | 气象特征影响因素之一 | — | 2013—2022年, 7月 |
我国长江中下游地区夏季常年受副高控制, 但每年出现的位置、时间和强度均有所不同, 本文选取夏季7月为研究月份。以往研究多使用4项副高指数分析副高特征, 其中面积指数表示副高的面积大小, 强度指数表示副高的强弱, 脊线指数和西伸脊点指数表示副高的南北和东西位置[43]。为了保证副高指数的长期稳定性, 借鉴气候态的方法使用30年的数据, 展示副高的长期特征和异常时间, 将1993—2022年的各项指数进行标准差δ计算, 以±0.5δ确定各项指数的正常区间及异常范围, 同时计算各项指数不同年份的距平值xi, 最终划分类型对副高特征进行分类(表 2), 进一步明确副高空间分布和强度规律[44], 以此划分长江中下游地区有无副高控制的年月。
| 指数Index | 类型标准Type standard |
| 面积指数Area index | 正常(-19.94≤xi≤19.94), 偏小(xi < -19.94), 偏大(xi >19.94) |
| 强度指数Intensity index | 正常(-54.78≤xi≤54.78), 偏弱(xi < -54.78), 偏强(xi >54.78) |
| 脊线指数Ridge line index | 正常(-1.02≤xi≤1.02), 偏南(xi < -1.02), 偏北(xi >1.02) |
| 西伸脊点指数Western boundary index | 正常(-6.42≤xi≤6.42), 偏西(xi < -6.42), 偏东(xi >6.42) |
| xi为副高各项指数不同年份的距平值; WPSH: 西太平洋副热带高压West pacific subtropical high | |
城市规模划分标准来源于国务院2014年发布的《国务院关于调整城市规模划分标准的通知》, 按照城市常住人口数量将城市划分为五类七档[45], 具体划分标准见表 3。
| 城市规模等级 City size hierarchy |
划分标准/万人 Scale standards |
城市规模等级 City size hierarchy |
划分标准/万人 Scale standards |
|
| 超大城市Super big city | ≥1000 | 中等城市Medium-sized city | [50, 100) | |
| 特大城市Megacity | [500, 1000) | Ⅰ型小城市Small city type Ⅰ | [20, 50) | |
| Ⅰ型大城市Big city type Ⅰ | [300, 500) | Ⅱ型小城市Small city type Ⅱ | < 20 | |
| Ⅱ型大城市Big city type Ⅱ | [100, 300) |
城市热岛指的是城市温度高于乡村温度的现象。本文采用城乡二分法[46]来确定乡村背景, 并以此为基础计算研究区的城市热岛强度值。
乡村背景的选择需要满足4个条件。条件1：适宜的高程。高程会显著影响温度, 因此为了减少误差选取市辖区掩膜计算平均高程, 剔除与市辖区平均高程差在±50m以外的像元；条件2：以耕地为主的土地利用/覆盖类型；条件3：较小的夜间灯光强度值, 夜间灯光值越高人类活动越强烈, 一般而言乡村的人类活动较少, 以夜间灯光强度值≤15作为划定乡村区域的夜间灯光强度标准；条件4：适宜的归一化植被指数, 农村地区植被指数较高, 为了区分水体和低植被覆盖的城市地区, 以年度植被指数为0.4—0.6作为划分乡村区域的植被指数标准。
最终得到2013—2022年长江中下游地区的乡村背景区域。
2.2.4 地表城市热岛强度的估算方法地表城市热岛(Surface Urban Heat Island, SUHI)强度值的计算以乡村背景像元的地表温度均值为参照, 利用地表热岛强度的公式[47]进行计算(见式(1))。
|
(1) |
式中, SUHIi是象元i所对应的热岛强度(℃), LSTi是象元i的地表温度(℃), n为乡村背景内的有效象元数, LSTr为乡村像元r的地表温度(℃)。依据地表热岛等级划分为7级, 其划分标准(℃)为：强冷岛(SUHIi≤-5.0)、较强冷岛(-5.0＜SUHIi≤-3.0)、弱冷岛(-3.0＜SUHIi≤-1.0)、无热岛(-1.0＜SUHIi≤1.0)、弱热岛(1.0＜SUHIi≤3.0)、较强热岛(3.0＜SUHIi≤5.0)、强热岛(SUHIi＞5.0)。
2.2.5 空间城市热岛比例指数空间城市热岛比例指数(Urban Heat Proportion Index, UHPI)以权重的方式为不同热岛强度的像元赋值, 计算区域存在的热岛面积与该区域总空间面积的比值, 以该指数表现区域城市空间单元范围内部热岛[48]的发展程度, 使用该值统一比较各地区不同空间单元和不同时间下的热岛面积比例大小及强度大小。
|
(2) |
式中, m为热岛强度等级数, n为城市温度高于乡村温度的等级数, i为城市温度高于乡村温度的等级序号, gi为第i级的等级序号, ai为第i级热岛所占面积百分比。最终得到UHPI值, 其值域为[0, 1], UHPI值越大说明该区域地表城市热岛越强, 面积占比越大；反之则越弱，越小。
2.2.6 地表城市热岛影响因素的分析方法地表城市热岛影响因素的分析方法采用地理探测器模型, 该模型是一种基于空间统计学方法的工具模型, 主要用于分析地理现象的空间异质性和探测地理现象背后的影响因素[49]。本文使用地理探测器模型以分析地表城市热岛的影响因素。在该模型中, 用q值表示影响因素的作用大小, 其表达式为:
|
(3) |
式中, q为影响因子X对城市热岛值的影响程度；Y为城市热岛的强度值, n为研究区域的样本量, δY2为整个研究区城市热岛值的方差, m为影响因子X的分类数；nX, i为第i类影响因子的样本数, δT2x, i表示第i类影响因子的城市热岛的方差。q的值域为[0, 1], q值越大说明影响因子X对地表城市热岛强度的影响越强；反之则越弱。
3 结果与分析 3.1 长江中下游地区有无副高年份判定结果计算2013—2022年7月副高指数的距平值, 并按照副高影响范围、强度及方位的判定方法及标准划分各年份副高指数所属类型, 得到表 4。由表 4可以看出, 总体而言2013—2022年副高强度逐渐增强, 副高的面积指数增大, 影响作用更加显著。其中, 2014年的副高位置偏南且偏东, 远离长江中下游地区；2015年和2021年西伸脊点偏东, 副高的主体位于太平洋海域, 远离陆地；2018年副高位置偏北, 控制华北地区。由此, 最终得到无副高控制的年份是：2014年、2015年、2018年、2021年。2013年副高位置正常但较弱, 2016年、2020年和2022年高强度副高西伸, 控制长江中下游大部分地区；2017年高强度副高西伸南扩；2019年副高的主体位置偏南, 控制中国东南部地区, 长江流域大部分地区。因此副高控制的年份是：2013年、2016年、2017年、2019年、2020年、2022年。
| 年份 Year |
面积指数距平值 Area index anomaly |
面积指数类型 Type of area index |
强度指数距平值 Intensity index anomaly |
强度指数类型 Type of intensity index |
脊线指数距平值 Ridge line index anomaly |
脊线指数类型 Ridge line index type |
西伸脊点指数距平值 Western boundary index anomaly |
西伸脊点指数类型 Western boundary index type |
| 2013 | -23.96 | 偏小 | -84.82 | 偏弱 | 0.48 | 正常 | -4.77 | 正常 |
| 2014 | 30.64 | 偏大 | 118.28 | 偏强 | -1.22 | 偏南 | -9.27 | 偏东 |
| 2015 | 24.44 | 偏大 | 124.68 | 偏强 | 0.88 | 正常 | 8.33 | 偏东 |
| 2016 | 48.04 | 偏大 | 100.98 | 偏强 | -0.82 | 正常 | -13.17 | 偏西 |
| 2017 | 73.74 | 偏大 | 147.18 | 偏强 | -1.22 | 偏南 | -11.57 | 偏西 |
| 2018 | -8.46 | 正常 | -26.12 | 正常 | 6.78 | 偏北 | -3.57 | 正常 |
| 2019 | 24.54 | 偏大 | 61.48 | 偏强 | -1.42 | 偏南 | -2.57 | 正常 |
| 2020 | 56.34 | 偏大 | 225.28 | 偏强 | -0.62 | 正常 | -15.77 | 偏西 |
| 2021 | -3.26 | 正常 | 11.08 | 正常 | 0.98 | 正常 | 12.43 | 偏东 |
| 2022 | 50.14 | 偏大 | 139.28 | 偏强 | -1.02 | 正常 | -11.57 | 偏西 |
城市规模等级按照城市常住人口数量划分结果中(图 2), 城市总数量和不同规模等级城市数量总体稳定, Ⅰ型及其规模以上大城市数量少且年变化小, Ⅰ型小城市数量最多, 超大城市数量最少。其中神农架林区、恩施土家族苗族自治区和湘西土家族苗族自治区等行政区由于数据缺失未统计, 后续研究中仅在图中展示其热岛强度, 数据分析中则剔除了这些行政区。
|
| 图 2 2013—2022年不同规模等级城市分布图 Fig. 2 Distribution of cities in different size classes, 2013 to 2022 |
长江中下游城市白天强热岛较为显著(图 3), 在超大城市上海市有大面积强热岛和较强热岛分布, 各省会城市的经济水平高, 人口较多, 建筑密集, 在市中心集中出现强热岛。有无副高控制年份对比之下, 无副高控制的4年强热岛主要分布在上海市沿海地区, 2014年和2015年安徽省西北部的中小城市呈现大面积较强热岛, 2018年和2021年强热岛分布范围较小, 主要在武汉市、长沙市和上海市等特大和超大城市呈现小面积块状分布。副高控制的6年中上海市的强热岛分布范围广, 2013年、2016年和2020年湖南中部和南部有着大面积的强热岛, 2019年安徽省西北部城市出现大面积强热岛。总体而言, 白天长江中下游地区城市热岛强度空间差异大, 强热岛和较强热岛分布分散且面积有限, 集中在大城市中心城区。
|
| 图 3 长江中下游地区2013年至2022年7月白天热岛强度图 Fig. 3 Daytime heat island intensity in the middle and lower reaches of the Yangtze River from 2013 to July 2022 |
研究区全部城市的白天热岛强度均值偏低(表 5), 高强度热岛分布面积有限, 同时冷岛面积分布较广泛。Ⅱ型大城市及其规模以上城市的热岛均值大部分为正值, 中等城市和小城市热岛均值大体上为负数, 强热岛和较强热岛分布在大城市中, 超大城市的强热岛面积最大, 中等城市和小城市出现大面积冷岛。从年份对比来看, 全部城市热岛均值从高到低排序为2020年、2015年、2022年、2016年、2017年、2014年、2013年、2018年、2019年、2021年, 其中排序前五的年份有四年为副高控制年, 可见副高控制年月热岛强度均值普遍高于无副高控制年月。
| 有无副高控制划分 With or without WPSH control divisions |
年份 Year |
全部城市 All cities |
超大城市 Super big city |
特大城市 Megacity |
Ⅰ型大城市 Big city type Ⅰ |
Ⅱ型大城市 Big city type Ⅱ |
中等城市 Medium-sized city |
Ⅰ型小城市 Small city type Ⅰ |
Ⅱ型小城市 Small city type Ⅱ |
| 无副高控制年 | 2014 | -0.25±1.65 | 2.00±0.00 | 0.13±0.51 | 0.28±0.78 | 0.05±1.51 | -0.18±2.08 | -0.11±1.64 | -0.96±1.15 |
| Years without WPSH | 2015 | 0.01±1.96 | 3.97±0.00 | 0.53±0.53 | 0.84±1.03 | 0.44±1.31 | 0.07±2.26 | 0.13±2.05 | -0.93±1.49 |
| control | 2018 | -0.63±1.51 | 1.35±0.00 | 0.23±0.88 | -0.34±1.57 | -0.42±1.42 | -0.71±1.58 | -0.38±1.53 | -1.39±1.21 |
| 2021 | -0.71±1.57 | 0.66±1.06 | 0.12±1.51 | -1.22±2.10 | -0.58±1.54 | -0.69±1.51 | -0.53±1.67 | -1.27±1.41 | |
| 副高控制年 | 2013 | -0.34±2.04 | 3.65±0.00 | -0.12±0.56 | 0.46±1.47 | -0.05±2.30 | -0.73±1.45 | -0.41±2.11 | -0.03±2.35 |
| Years with WPSH control | 2016 | -0.17±1.82 | 4.09±0.00 | 0.46±0.49 | 0.46±1.24 | 0.14±1.61 | -0.36±1.56 | 0.12±2.06 | -1.12±1.21 |
| 2017 | -0.20±1.94 | 3.97±0.00 | 1.22±0.89 | 0.12±0.28 | 0.00±1.65 | -0.53±1.78 | 0.21±2.09 | -1.23±1.56 | |
| 2019 | -0.70±1.77 | 1.71±0.00 | -0.32±1.14 | -0.10±1.34 | -0.17±2.00 | -0.75±1.88 | -0.52±1.69 | -1.45±1.60 | |
| 2020 | 0.04±1.85 | 1.40±0.00 | 0.54±0.68 | 0.50±1.70 | 0.26±1.94 | -0.04±1.77 | 0.41±1.98 | -0.98±1.38 | |
| 2022 | -0.05±1.79 | 1.47±1.70 | 1.31±0.56 | 0.06±0.00 | 0.36±1.65 | -0.13±1.73 | 0.20±2.01 | -0.92±1.22 |
长江中下游地区夜晚热岛(图 4)总体强度偏弱, 但分布面积广, 弱热岛主要在长江中下游地区的中部城市呈现大面积分布。无副高控制的4年弱热岛分布较为分散, 其主要在长江干流及支流沿岸城市分布。副高控制年月弱热岛的分布面积较广, 除2019年外, 其他年份上海市、江西省北部的大城市, 湖南和湖北中部城市均分布着大面积弱热岛。总体而言, 长江中下游城市的夜晚城市热岛强度偏弱, 但分布集中连片且面积较广。
|
| 图 4 长江中下游地区2013年至2022年7月夜晚热岛强度图 Fig. 4 Heat island intensity at night in the middle and lower reaches of the Yangtze River from 2013 to July 2022 |
研究区全部城市的夜晚热岛强度均值(表 6)高于白天热岛强度均值, 标准差较小, 不同规模城市内部热岛差异较小, 弱热岛的分布面积广泛, 且冷岛分布区域较小, 因此各规模城市的夜晚热岛强度均值大多为正值。Ⅰ型大城市及其规模以上城市的热岛均值高, 小城市的热岛均值也较高, Ⅱ型大城市和中等城市热岛均值较低。从年份对比来看, 全部城市热岛均值从高到低排序为2017年、2015年、2013年、2022年、2018年、2016年、2014年、2020年、2021年、2019年, 其中排序前五的年份有三年为副高控制年。
| 有无副高控制划分 With or without WPSH control divisions |
年份 Year |
全部城市 All cities |
超大城市 Super big city |
特大城市 Megacity |
Ⅰ型大城市 Big city type Ⅰ |
Ⅱ型大城市 Big city type Ⅱ |
中等城市 Medium-sized city |
Ⅰ型小城市 Small city type Ⅰ |
Ⅱ型小城市 Small city type Ⅱ |
| 无副高控制年 | 2014 | 0.14±1.19 | 1.34±0.00 | 0.33±0.67 | 0.78±1.28 | 0.47±1.11 | -0.11±1.20 | 0.12±1.24 | 0.18±1.12 |
| Years without WPSH | 2015 | 0.65±1.50 | 2.53±0.00 | 1.67±0.66 | 1.13±0.06 | 1.06±1.49 | 0.38±1.56 | 0.78±1.57 | 0.17±1.20 |
| control | 2018 | 0.23±1.43 | 0.89±0.00 | 0.78±1.54 | 1.17±1.32 | 0.18±1.53 | 0.09±1.30 | 0.22±1.48 | 0.26±1.50 |
| 2021 | -0.07±1.43 | 0.86±1.26 | 0.67±1.22 | 0.56±2.35 | -0.84±1.53 | -0.03±1.12 | -0.09±1.45 | 0.18±1.50 | |
| 副高控制年 | 2013 | 0.48±1.57 | 2.28±0.00 | 1.13±0.72 | 1.1±0.60 | 0.97±1.56 | 0.2±1.54 | 0.47±1.62 | 0.53±1.56 |
| Years with WPSH control | 2016 | 0.19±1.41 | 1.51±0.00 | 0.74±0.92 | 1.71±0.96 | 0.10±1.42 | -0.01±1.30 | 0.28±1.55 | 0.05±1.20 |
| 2017 | 0.81±1.65 | 2.45±0.00 | 1.90±0.74 | 2.03±1.70 | 1.00±1.72 | 0.57±1.60 | 0.91±1.68 | 0.46±1.61 | |
| 2019 | -0.09±1.32 | 0.77±0.00 | 0.39±1.20 | 0.47±1.52 | -0.32±1.12 | -0.24±1.24 | -0.04±1.39 | -0.06±1.38 | |
| 2020 | 0.13±1.54 | 2.05±0.00 | 0.65±0.20 | 1.55±0.79 | -0.76±1.6 | 0.07±1.51 | 0.21±1.62 | 0.22±1.28 | |
| 2022 | 0.38±1.35 | 1.15±1.11 | 1.61±0.88 | 1.06±1.53 | 0.02±1.28 | 0.33±1.22 | 0.42±1.47 | 0.37±1.30 |
对比两种条件下所有年份昼夜城市热岛的均值空间分布, 用副高年份热岛均值减去无副高年份热岛均值得到昼夜均值差值图, 其值为正表示副高年热岛强度高于无副高年, 值为负则相反。使用分区标准偏差统计, 得到昼夜有无副高条件均值的标准差分布图。
白天无副高控制情况下(图 5)强热岛和较强热岛主体分布在上海市和安徽省北部, 副高控制时强热岛分布在上海市和浙江省。白天均值差异的高正值主要分布在研究区的东部沿海省市, 浙江省和上海市受到副高主体影响热岛强度值偏高。副高控制年份大城市的热岛强度偏高, 可见副高对热岛的作用会显著影响到经济发达的大城市。均值差异的高负值主要分布在江苏省和安徽省的北部城市, 江西省中南部的城市也存在大面积的负值。无副高控制条件下城市热岛强度的高值区分布在多山区林地的Ⅱ型大城市和发展略慢的中小型城市。夜晚的城市热岛在长江中下游地区中部呈现大面积的弱热岛分布, 夜晚均值差异的高正值即副高控制年份的热岛强度高均值主要分布在研究区中部和东部, 是经济发展较快的大城市集群地区。均值差异的负值主要分布在研究区北部和南部城市, 多为中小城市, 植被覆盖高, 经济发展程度较低。
|
| 图 5 不同条件下城市热岛昼夜均值、均值差值和标准差分布图 Fig. 5 Distribution of diurnal mean, mean difference and standard deviation of urban heat island under different conditions |
总体而言, 副高控制时热岛强度高值在规模等级较大的城市分布明显, 加之这些城市人口密集, 经济发展水平高, 因此副高对热岛强度的增强作用对人类社会的影响程度更大, 这也进一步影响到长江中下游地区的城市发展。
3.4 不同规模城市昼夜空间热岛比例指数分析白天UHPI指数(表 7)大体上按照城市规模等级大小逐渐减小, 每年UHPI最大值均在超大城市中, 最小值则在Ⅱ型小城市中。从年份对比看, 各年份不同规模等级城市的UHPI值差异大, 全部城市的UHPI值差异小。2013年、2015年、2017年和2020年各类城市的UHPI值较其他年份高, 其中副高控制年份有三年。超大城市中UHPI极大值出现在2015年, 但总体上副高控制年月UHPI值大于无副高控制年月, 其中副高控制年份有三年UHPI值大于0.6, 而无副高控制年份只有一年。特大城市UHPI的极大值为2017年的0.355, 副高控制年份UHPI均值大于无副高控制的UHPI均值, 特大城市在副高控制下的UHPI值有两年大于0.3, 四年大于0.25。Ⅰ型大城市在副高控制年份2013年出现极大值, 同时其他副高年份UHPI均值也更高。可见, 副高控制对Ⅰ型大城市及其以上规模城市的白天热岛强度加剧作用较大。
| 有无副高控制划分 With or without WPSH control divisions |
年份 Year |
全部城市 All cities |
超大城市 Super big city |
特大城市 Megacity |
Ⅰ型大城市 Big city type Ⅰ |
Ⅱ型大城市 Big city type Ⅱ |
中等城市 Medium-sized city |
Ⅰ型小城市 Small city type Ⅰ |
Ⅱ型小城市 Small city type Ⅱ |
| 无副高控制年 | 均值 | 0.301 | 0.505 | 0.243 | 0.239 | 0.203 | 0.161 | 0.164 | 0.099 |
| Years without WPSH | 2014 | 0.316 | 0.485 | 0.223 | 0.239 | 0.211 | 0.165 | 0.161 | 0.097 |
| control | 2015 | 0.372 | 0.763 | 0.289 | 0.309 | 0.261 | 0.190 | 0.201 | 0.112 |
| 2018 | 0.265 | 0.450 | 0.244 | 0.229 | 0.168 | 0.139 | 0.156 | 0.085 | |
| 2021 | 0.252 | 0.321 | 0.217 | 0.181 | 0.174 | 0.149 | 0.139 | 0.103 | |
| 副高控制年 | 均值 | 0.300 | 0.556 | 0.276 | 0.265 | 0.204 | 0.147 | 0.172 | 0.111 |
| Years with WPSH control | 2013 | 0.321 | 0.680 | 0.207 | 0.309 | 0.264 | 0.151 | 0.178 | 0.125 |
| 2016 | 0.298 | 0.693 | 0.281 | 0.279 | 0.208 | 0.152 | 0.166 | 0.097 | |
| 2017 | 0.324 | 0.727 | 0.355 | 0.264 | 0.179 | 0.143 | 0.191 | 0.122 | |
| 2019 | 0.282 | 0.480 | 0.220 | 0.254 | 0.205 | 0.137 | 0.157 | 0.092 | |
| 2020 | 0.339 | 0.458 | 0.308 | 0.305 | 0.228 | 0.201 | 0.237 | 0.157 | |
| 2022 | 0.238 | 0.296 | 0.286 | 0.176 | 0.138 | 0.098 | 0.106 | 0.074 | |
| UHPI: 空间城市热岛比例指数Urban heat proportion index | |||||||||
夜晚副高控制年月不同规模城市UHPI均值皆大于无副高控制年月(表 8), 副高对热岛的加剧作用在夜晚显著于白天。夜晚不同规模等级城市UHPI值存在差异, 超大城市UHPI值极大, 同时特大城市和Ⅰ型大城市的UHPI值也较高。从年份对比来看, 超大城市UHPI的极大值出现在副高控制的2017年, 副高控制下UHPI值大于0.6的有两年, 无副高控制下仅有2015年。特大城市UHPI的极大值出现在副高控制的2013年, 副高控制下UHPI值大于0.5的年份有两年, 无副高控制年份则没有。Ⅰ型大城市UHPI的极大值出现在副高控制的2017年, 副高控制下UHPI值大于0.4的有2016年、2017年、2020年和2022年四年, 无副高控制下则有两年。夜晚两类小城市的UHPI均值略高于中等城市和Ⅱ型大城市的UHPI均值, 因此在城市热岛的缓解过程中, 不应忽略小城市的夜晚热岛。
| 有无副高控制划分 With or without WPSH control divisions |
年份 Year |
全部城市 All cities |
超大城市 Super big city |
特大城市 Megacity |
Ⅰ型大城市 Big city type Ⅰ |
Ⅱ型大城市 Big city type Ⅱ |
中等城市 Medium-sized city |
Ⅰ型小城市 Small city type Ⅰ |
Ⅱ型小城市 Small city type Ⅱ |
| 无副高控制年 | 均值 | 0.289 | 0.466 | 0.307 | 0.308 | 0.190 | 0.168 | 0.190 | 0.198 |
| Years without WPSH | 2014 | 0.237 | 0.533 | 0.201 | 0.290 | 0.222 | 0.144 | 0.168 | 0.180 |
| control | 2015 | 0.401 | 0.724 | 0.490 | 0.041 | 0.265 | 0.179 | 0.246 | 0.177 |
| 2018 | 0.297 | 0.262 | 0.331 | 0.501 | 0.190 | 0.178 | 0.183 | 0.223 | |
| 2021 | 0.220 | 0.345 | 0.207 | 0.401 | 0.084 | 0.172 | 0.164 | 0.213 | |
| 副高控制年份 | 均值 | 0.325 | 0.538 | 0.415 | 0.419 | 0.194 | 0.180 | 0.202 | 0.228 |
| Years with WPSH control | 2013 | 0.378 | 0.734 | 0.645 | 0.358 | 0.317 | 0.155 | 0.206 | 0.272 |
| 2016 | 0.297 | 0.557 | 0.340 | 0.443 | 0.179 | 0.157 | 0.182 | 0.136 | |
| 2017 | 0.455 | 0.740 | 0.534 | 0.591 | 0.312 | 0.233 | 0.259 | 0.275 | |
| 2019 | 0.221 | 0.240 | 0.256 | 0.245 | 0.120 | 0.151 | 0.142 | 0.201 | |
| 2020 | 0.289 | 0.556 | 0.286 | 0.453 | 0.116 | 0.213 | 0.227 | 0.241 | |
| 2022 | 0.311 | 0.401 | 0.428 | 0.422 | 0.121 | 0.173 | 0.198 | 0.242 |
昼夜UHPI值对比之下, 夜间UHPI值总体大于白天, 可见夜间热岛分布面积广；且副高控制年份夜晚UHPI值大于无副高控制年份, 副高扩大夜间城市热岛的分布面积。在不同规模等级城市之中, 超大城市和特大城市的昼夜UHPI值普遍大于其他规模城市, 而小型城市则在副高控制时的夜晚有着较高UHPI值。
3.5 城市热岛影响因素分析白天地表特征中DEM作用显著(表 9), 高海拔对温度的减弱作用是直接的, 对地区的冷岛形成作用大。NDBI的q值在无副高控制年月显著较大。空气质量对白天城市热岛强度的影响作用大, 其中O3和AQI的作用显著, 这两类影响因素在副高控制的年月q值大, 原因可能在于副高控制研究区时出现持续性少风少雨天气, 空气污染物质不易扩散, 进一步加剧热岛强度。且受到稳定的副高控制, 长江中下游地区云量少, 对流层的臭氧更易吸收紫外线使得地表增温, 一定程度上加剧城市热岛。社会活动中代表人类活动的NTL和PD因子q值均较大, 副高控制年月这两类因子q值大于无副高控制年月因子的q值, 其中PD的q值普遍高于其他因子。热岛强度的增大离不开人类生产、生活和交通等活动产生的人为热。城市人口密度越大, 城市化发展程度越高, 城市热岛进一步加剧, 此外人口密度增大则进一步加速了人为热的大量排放, 因此社会活动是重要的城市热岛影响因子。气象因子中WPSH的q值较大, 距离副高主体越近, 对热岛的加剧作用越大, 因此副高控制对热岛强度的增强是显而易见的, VAP的作用则较弱。
| 影响因子 Impact factors |
无副高控制年 Years without WPSH control |
副高控制年 Years with WPSH control |
|||||||||
| 2014 | 2015 | 2018 | 2021 | 2013 | 2016 | 2017 | 2019 | 2020 | 2022 | ||
| DEM | 0.3055*** | 0.4086*** | 0.4227*** | 0.1745 | 0.1724 | 0.2059 | 0.3204** | 0.4338*** | 0.3466*** | 0.4057*** | |
| NDVI | 0.0964 | 0.1578* | 0.1269* | 0.2151*** | 0.0234 | 0.1275* | 0.1373** | 0.0703 | 0.0937 | 0.1794*** | |
| NDBI | 0.2461*** | 0.1651** | 0.1357** | 0.0597 | 0.0546 | 0.1069 | 0.0642 | 0.3916*** | 0.0471 | 0.019 | |
| AOD | 0.1709** | 0.2508*** | 0.2358*** | 0.1416* | 0.1828** | 0.3301*** | 0.1498 | 0.2643*** | 0.1189* | 0.2847*** | |
| O3 | 0.0471 | 0.0812 | 0.2618*** | 0.2469** | 0.0497 | 0.4011*** | 0.5059*** | 0.5151*** | 0.2081** | 0.3336*** | |
| AQI | 0.1097 | 0.1684** | 0.2354*** | 0.2787*** | 0.1107 | 0.4314*** | 0.5412*** | 0.5208*** | 0.2958*** | 0.3740*** | |
| NTL | 0.1632** | 0.3167*** | 0.3229*** | 0.1793** | 0.3286*** | 0.5580*** | 0.5040*** | 0.3467*** | 0.2986*** | 0.4767*** | |
| PD | 0.3302*** | 0.4631*** | 0.4735*** | 0.2922*** | 0.4378*** | 0.5580*** | 0.5632*** | 0.3467*** | 0.4106*** | 0.5078*** | |
| VAP | 0.1392*** | 0.0961 | 0.0766 | 0.3223*** | 0.0757 | 0.0534 | 0.0481 | 0.1361* | 0.0085 | 0.1780** | |
| WPSH | 0.2528*** | 0.3349*** | 0.2241*** | 0.1657** | 0.1939** | 0.3444*** | 0.3882*** | 0.2072** | 0.1741** | 0.3555*** | |
| * * *表示在1%水平显著, * *在5%水平显著, *在10%水平显著；DEM：数字高程数据Digital elevation model；NDVI：植被指数Normalized difference vegetation index；NDBI：建筑指数Normalized difference built-up index；AOD：气溶胶光学厚度Aerosol optical depth；O3：臭氧Ozone；AQI：空气质量指数Air quality index；NTL：夜间灯光指数Nighttime light；PD：人口密度Population density；VAP：水汽数据Water vapour | |||||||||||
夜晚地表特征因素中, DEM和NDBI的q值均较高(表 10), 海拔对热岛的影响最为显著, NDBI对夜晚热岛强度的影响在副高控制年月更显著。一般而言, 建筑地面会在夜晚向大气释放其在白天储存的热量, 副高给长江中下游地区带来持续性高温, 白天建筑地面吸热多, 进一步增加夜晚的热量释放。NDVI对夜晚热岛强度的影响在有无副高控制年月均显著, 高植被覆盖可以减弱热岛强度, 有效缓解高温, 在副高控制时植被对热岛的作用被削弱, 这值得探究。空气质量中三项因子均对热岛强度的影响显著, 其中AOD的q值最大, 其次为AQI, 副高控制时AOD的q值相较于无副高控制时普遍更大。社会因素中的因子q值偏大, NTL的q值比PD的q值小, 人口密度高加剧了城市热岛强度。夜间的人类活动强度相对白天而言更弱, 工业生产和交通等产生的人为热排放相较于白天更少, 人口密度的作用会更加显著。气象因素中VAP作用较弱, WPSH是重要因子, 距离副高主体越近, 热岛强度越高。
| 影响因子 Impact factors |
无副高控制年 Years without WPSH control |
副高控制年 Years with WPSH control |
|||||||||
| 2014 | 2015 | 2018 | 2021 | 2013 | 2016 | 2017 | 2019 | 2020 | 2022 | ||
| DEM | 0.4549*** | 0.6936*** | 0.7624*** | 0.5462*** | 0.7503*** | 0.6033*** | 0.7961*** | 0.5021*** | 0.3549*** | 0.7532*** | |
| NDVI | 0.2181** | 0.1718** | 0.2591*** | 0.1343* | 0.0554 | 0.1071 | 0.0818 | 0.0147 | 0.1145 | 0.1 | |
| NDBI | 0.1497** | 0.3281*** | 0.2567*** | 0.2402*** | 0.4663*** | 0.3621*** | 0.3075*** | 0.2215*** | 0.3331*** | 0.011 | |
| AOD | 0.1833** | 0.1841** | 0.4026*** | 0.2180*** | 0.2374*** | 0.4188*** | 0.3959*** | 0.1848** | 0.0994 | 0.3496*** | |
| O3 | 0.0285 | 0.1164* | 0.2965*** | 0.1923** | 0.169** | 0.1605** | 0.2110** | 0.1654** | 0.2276*** | 0.1200* | |
| AQI | 0.0521 | 0.1551** | 0.2916*** | 0.2016** | 0.2451*** | 0.1875** | 0.2667*** | 0.1248* | 0.1752** | 0.1983*** | |
| NTL | 0.1421 | 0.4371*** | 0.2451*** | 0.0296 | 0.4644*** | 0.1939*** | 0.4002*** | 0.2321*** | 0.1567* | 0.2286*** | |
| PD | 0.2257*** | 0.4672*** | 0.3196*** | 0.2028*** | 0.4274*** | 0.3183*** | 0.4387*** | 0.2321*** | 0.1645* | 0.3977*** | |
| VAP | 0.1756** | 0.0532 | 0.1449** | 0.1424** | 0.0406 | 0.1872** | 0.0747 | 0.1866** | 0.1219* | 0.1533** | |
| WPSH | 0.1716** | 0.5101*** | 0.2291*** | 0.1342* | 0.5014*** | 0.0363 | 0.2783*** | 0.3395*** | 0.0719 | 0.1850*** | |
本文研究发现, 长江中下游地区城市的热岛时空分布特征显著, 白天的强热岛具备空间异质性, 夜晚的热岛分布相对均匀, 这与以往的研究一致[50]。在不同城市规模等级的热岛研究中, 超大城市和特大城市昼夜的热岛UHPI值均较高, 大城市的热岛强度显著高于中等城市和小城市。以往研究发现长三角地区的大城市增温率高于中等城市和小城市[51], 也可以从侧面验证本文的结果。在昼夜UHPI值的对比中, 夜晚的UHPI值高于白天[52—53]。影响因素中, NDBI为白天城市热岛强度的主要影响因子[54—55], NDVI对夜晚城市热岛强度发挥作用[56—58]。影响白天热岛强度的主要空气质量因子为O3, 城市热岛和臭氧同时发生在夏季晴朗的白天[59], 夜晚热岛强度的主要空气质量因子为AOD, 一般而言白天气溶胶会削弱到达城市的短波太阳辐射, 减缓热岛效应, 但是过多的气溶胶则会增加对太阳辐射的吸收, 增加城市热量。但夜晚气溶胶则对地面具备保温作用, 加剧城市热岛强度[60]。社会活动因子NTL和PD对昼夜热岛强度均发挥重要作用[61—62]。
4.2 研究特色与不足对比以往城市热岛的研究, 本文针对不同城市规模等级分析有无副高条件之下的昼夜城市热岛特征, 研究副高与城市热岛之间的关系, 对长江中下游地区城市的局地气候研究有着重要的科学价值, 还能丰富区域气候背景与热岛的关系研究。研究发现副高对大城市的热岛强度存在加剧作用, 有无副高控制时热岛强度的影响因子也存在区别, 以此在不同规模城市发展的过程中针对性地提出城市热岛效应的缓解方案。同时, 研究区域具备常被副高控制的特征, 地区社会经济发展迅速, 城市化水平高, 城市规模等级完整, 城市热岛问题也在各类大城市之间较为显著, 因此以长江中下游地区为研究区域, 研究不同规模等级城市在有无副高条件下的热岛特征是具备典型性的。
研究存在关键问题需要解决, 在城市热岛的研究中多数学者对城市和乡村的定义和提取方法不同。有学者使用城乡二分法提取乡村背景计算城市热岛, 也有学者侧重于以城市为中心限定距离划分缓冲区范围为郊区背景开展研究, 不同方法计算的城市热岛存在差异性。本文使用城乡二分法提取乡村背景[46], 但是结果依旧存在不确定性, 未来可以尝试多种方法, 加入更加科学先进的技术明晰城乡区域[63]。由于数据获取和处理的限制, 本文只对2013—2022年的长江中下游地区城市热岛进行研究, 后期可以增加研究时间尺度, 明晰副高对热岛的长时序作用。影响因素分析中仅分析了各类因子对热岛强度的影响作用大小, 但未探究因子之间的交互作用, 因此影响因子对热岛强度的作用研究还不够深入。
5 结论(1) 白天热岛分布空间差异大, 强热岛显著且主要分布在各大城市中心区域, 但分布面积有限, 副高控制年月白天热岛强度均值普遍高于无副高年份；夜晚全部城市热岛强度均值高于白天, 弱热岛广泛分布在研究区中部。副高控制时昼夜城市热岛强度高值区分布在大城市中, 无副高控制时昼夜热岛强度高值区主要分布在中等城市和小型城市中。
(2) 超大城市和特大城市的昼夜UHPI值普遍高于其他规模城市, 两类小城市夜晚UHPI值高于中等城市和Ⅱ型大城市。夜晚各规模等级城市的UHPI均值高于白天, 副高控制年份夜晚UHPI值高于无副高控制年份。
(3) 地表特征因子对夜晚城市热岛强度的影响作用较大, 副高控制时建筑指数(NDBI)作用较大, 无副高控制则是植被指数(NDVI)。空气质量因子中, 白天城市热岛强度的主要影响因子是臭氧(O3)和空气质量指数(AQI), 夜晚的影响因子则是气溶胶(AOD)。昼夜城市热岛强度的重要影响因子为夜间灯光指数(NTL)和人口密度(PD)这两项社会活动因子和距离副高主体远近(WPSH)这类气象因子。
| [1] |
Tang X Z, Huang X, Tian J W, Jiang Y H, Ding X, Liu W. A spatiotemporal framework for the joint risk assessments of urban flood and urban heat island. International Journal of Applied Earth Observation and Geoinformation, 2024, 127: 103686. DOI:10.1016/j.jag.2024.103686 |
| [2] |
刘慧民, 马筝悦, 李淼, 何宝杰. 基于卫星遥感的城市热岛效应体检评估——以武汉市为例. 西部人居环境学刊, 2023, 38(6): 38-45. |
| [3] |
王阳, 孙然好. 区域气候背景对城市热岛效应的影响规律. 生态学报, 2021, 41(11): 4288-4299. |
| [4] |
Zhao L, Lee X H, Smith R B, Oleson K. Strong contributions of local background climate to urban heat islands. Nature, 2014, 511: 216-219. DOI:10.1038/nature13462 |
| [5] |
Liu Q, Zhou T J, Mao H T, Fu C B. Decadal variations in the relationship between the Western Pacific subtropical high and summer heat waves in East China. Journal of Climate, 2019, 32(5): 1627-1640. DOI:10.1175/JCLI-D-18-0093.1 |
| [6] |
彭保发, 石忆邵, 王贺封, 王亚力. 城市热岛效应的影响机理及其作用规律——以上海市为例. 地理学报, 2013, 68(11): 1461-1471. DOI:10.11821/dlxb201311002 |
| [7] |
耿树丰, 任嘉义, 杨俊, 国安东, 席建超. 局地气候区视角下的城市热环境研究. 生态学报, 2022, 42(6): 2221-2227. |
| [8] |
Liu H M, Huang B, Zhan Q M, Gao S H, Li R R, Fan Z Y. The influence of urban form on surface urban heat island and its planning implications: evidence from 1288 urban clusters in China. Sustainable Cities and Society, 2021, 71: 102987. DOI:10.1016/j.scs.2021.102987 |
| [9] |
Zhou B, Rybski D, Kropp J P. The role of city size and urban form in the surface urban heat island. Scientific Reports, 2017, 7: 4791. DOI:10.1038/s41598-017-04242-2 |
| [10] |
Ward K, Lauf S, Kleinschmit B, Endlicher W. Heat waves and urban heat islands in Europe: a review of relevant drivers. Science of the Total Environment, 2016, 569/570: 527-539. DOI:10.1016/j.scitotenv.2016.06.119 |
| [11] |
董良鹏, 江志红, 沈素红. 近十年长江三角洲城市热岛变化及其与城市群发展的关系. 大气科学学报, 2014, 37(2): 146-154. DOI:10.3969/j.issn.1674-7097.2014.02.003 |
| [12] |
Wang L Y, Hou H, Weng J X. Ordinary least squares modelling of urban heat island intensity based on landscape composition and configuration: a comparative study among three megacities along the Yangtze River. Sustainable Cities and Society, 2020, 62: 102381. DOI:10.1016/j.scs.2020.102381 |
| [13] |
Kang H Q, Zhu B, de Leeuw G, Yu B, van der A R J, Lu W. Impact of urban heat island on inorganic aerosol in the lower free troposphere: a case study in Hangzhou, China. Atmospheric Chemistry and Physics, 2022, 22(16): 10623-10634. DOI:10.5194/acp-22-10623-2022 |
| [14] |
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 |
| [15] |
Ma H Y, Li H J, Zhang M, Dong X. Impact of cropland degradation in the rural-urban fringe on urban heat island and heat stress during summer heat waves in the Yangtze River Delta. Advances in Climate Change Research, 2022, 13(2): 240-250. DOI:10.1016/j.accre.2022.01.006 |
| [16] |
阴瑜鑫, 张华, 安慧敏, 雷金萍, 李明, 宋金岳, 韩武宏. 基于GEE的长江经济带城市群热岛特征及影响因素. 生态学杂志, 2023, 42(1): 160-169. |
| [17] |
陆燕, 王勤耕, 翟一然, 宋媛媛, 张艳燕, 孙平. 长江三角洲城市群人为热排放特征研究. 中国环境科学, 2014, 34(2): 295-301. |
| [18] |
Ghanbari R, Heidarimozaffar M, Soltani A, Arefi H. Land surface temperature analysis in densely populated zones from the perspective of spectral indices and urban morphology. International Journal of Environmental Science and Technology, 2023, 20(3): 2883-2902. DOI:10.1007/s13762-022-04725-4 |
| [19] |
向炀, 周志翔. 基于地理探测器的城市热岛驱动因素分析——以武汉市为例. 长江流域资源与环境, 2020, 29(8): 1768-1779. |
| [20] |
Mathew A, Khandelwal S, Kaul N. Investigating spatial and seasonal variations of urban heat island effect over Jaipur city and its relationship with vegetation, urbanization and elevation parameters. Sustainable Cities and Society, 2017, 35: 157-177. DOI:10.1016/j.scs.2017.07.013 |
| [21] |
Chakraborty T, Sarangi C, Tripathi S N. Understanding diurnality and inter-seasonality of a sub-tropical urban heat island. Boundary-Layer Meteorology, 2017, 163(2): 287-309. DOI:10.1007/s10546-016-0223-0 |
| [22] |
He B J. Potentials of meteorological characteristics and synoptic conditions to mitigate urban heat island effects. Urban Climate, 2018, 24: 26-33. DOI:10.1016/j.uclim.2018.01.004 |
| [23] |
Du H Y, Wang D D, Wang Y Y, Zhao X L, Qin F, Jiang H, Cai Y L. Influences of land cover types, meteorological conditions, anthropogenic heat and urban area on surface urban heat island in the Yangtze River Delta urban agglomeration. Science of the Total Environment, 2016, 571: 461-470. DOI:10.1016/j.scitotenv.2016.07.012 |
| [24] |
彭京备, 孙淑清, 林大伟. 2022年8月长江流域持续性极端高温事件成因. 应用气象学报, 2023, 34(5): 527-539. |
| [25] |
张雯, 薛峰, 张潇潇, 林壬萍, 董啸. 2022年夏季中国高温环流特征及其与热带海面温度异常的关系. 气候与环境研究, 2023, 28(5): 559-572. |
| [26] |
张灵, 郭广芬, 熊开国, 秦鹏程, 吴瑶. 长江流域2022年夏季高温过程的成因分析. 地理科学进展, 2023, 42(5): 971-981. |
| [27] |
彭京备, 刘舸, 孙淑清. 2013年我国南方持续性高温天气及副热带高压异常维持的成因分析. 大气科学, 2016, 40(5): 897-906. |
| [28] |
Tang S K, Qiao S B, Feng T C, Fan P Y, Liu J Y, Zhao J H, Feng G L. Predictability of the unprecedented 2022 late summer Yangtze River Valley and Tibetan Plateau heatwaves by the NCEP CFSv2. Atmospheric Research, 2023, 296: 107053. DOI:10.1016/j.atmosres.2023.107053 |
| [29] |
马浩, 刘昌杰, 钱奇峰, 葛敬文, 强玉华, 殷悦. 2017年盛夏7—8月浙江省高温热浪特征及环流背景分析. 自然灾害学报, 2021, 30(5): 85-99. |
| [30] |
郑有飞, 傅颖, 尹继福. 大气环流背景下城市化对长江中下游夏季温度的影响研究. 热带气象学报, 2014, 30(2): 293-301. DOI:10.3969/j.issn.1004-4965.2014.02.010 |
| [31] |
宋磊, 付莎. 中国夏季"火炉"榜重新发榜武汉退出三大之列. 长江日报, 2017-07-09[2024-6-1]. https://kns.cnki.net/kcms/detail/21.1148.Q.20230719.1121.008.html.
|
| [32] |
管兆勇, 蔡佳熙, 唐卫亚, 白莹莹. 长江中下游夏季气温变化型与西太平洋副高活动异常的联系. 气象科学, 2010, 30(5): 666-675. DOI:10.3969/j.issn.1009-0827.2010.05.014 |
| [33] |
杨翠芹, 何伟, 邾茂盛, 贾臻, 徐昭, 杨文. 基于气象站和MODIS遥感数据的合肥地区城市热岛评价. 中国环境科学, 2023, 1-8. |
| [34] |
Yao R, Wang L C, Wang S Q, Wang L Z, Wei J, Li J L, Yu D Q. A detailed comparison of MYD11 and MYD21 land surface temperature products in mainland China. International Journal of Digital Earth, 2020, 13(12): 1391-1407. DOI:10.1080/17538947.2019.1711211 |
| [35] |
Li L, Zha Y. Estimating monthly average temperature by remote sensing in China. Advances in Space Research, 2019, 63(8): 2345-2357. DOI:10.1016/j.asr.2018.12.039 |
| [36] |
闫章美, 周德成, 张良侠. 我国三大城市群地区城市和农业用地地表热环境效应对比研究. 生态学报, 2021, 41(22): 8870-8881. |
| [37] |
Yang J, Huang X. The 30m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021 |
| [38] |
Xiang Y, Ye Y, Peng C C, Teng M J, Zhou Z X. Seasonal variations for combined effects of landscape metrics on land surface temperature (LST) and aerosol optical depth (AOD). Ecological Indicators, 2022, 138: 108810. DOI:10.1016/j.ecolind.2022.108810 |
| [39] |
邓玉娇, 杜尧东, 王捷纯, 徐杰, 谢维斯. 粤港澳大湾区城市热岛时空特征及驱动因素. 生态学杂志, 2020, 39(8): 2671-2677. |
| [40] |
韩美玥, 冯晓刚, 李凤霞, 周在辉, 李萌. 城市热岛与气溶胶交互影响的研究进展. 遥感信息, 2022, 37(4): 128-134. DOI:10.3969/j.issn.1000-3177.2022.04.019 |
| [41] |
张秀, 王旭红, 郑玉蓉, 崔思颖, 杨霞, 蒋子琪. 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. 生态学报, 2021, 41(22): 8965-8976. |
| [42] |
朱丽, 苗峻峰, 赵天良. 污染天气下成都城市热岛环流结构的数值模拟. 地球物理学报, 2020, 63(1): 101-122. |
| [43] |
刘芸芸, 李维京, 艾(子兑)秀, 李清泉. 月尺度西太平洋副热带高压指数的重建与应用. 应用气象学报, 2012, 23(4): 414-423. DOI:10.3969/j.issn.1001-7313.2012.04.004 |
| [44] |
赵俊虎, 封国林, 杨杰, 支蓉, 王启光. 夏季西太平洋副热带高压的不同类型与中国汛期大尺度旱涝的分布. 气象学报, 2012, 70(5): 1021-1031. |
| [45] |
戚伟, 刘盛和, 金浩然. 中国城市规模划分新标准的适用性研究. 地理科学进展, 2016, 35(1): 47-56. |
| [46] |
刘勇洪, 房小怡, 张硕, 栾庆祖, 权维俊. 京津冀城市群热岛定量评估. 生态学报, 2017, 37(17): 5818-5835. |
| [47] |
叶彩华, 刘勇洪, 刘伟东, 刘诚, 权维俊. 城市地表热环境遥感监测指标研究及应用. 气象科技, 2011, 39(1): 95-101. |
| [48] |
徐涵秋, 陈本清. 不同时相的遥感热红外图像在研究城市热岛变化中的处理方法. 遥感技术与应用, 2003, 18(3): 129-133. |
| [49] |
王劲峰, 徐成东. 地理探测器: 原理与展望. 地理学报, 2017, 72(1): 116-134. |
| [50] |
Wang C G, Zhan W F, Liu Z H, Li J F, Li L, Fu P, Huang F, Lai J M, Chen J K, Hong F L, Jiang S D. Satellite-based mapping of the Universal Thermal Climate Index over the Yangtze River Delta urban agglomeration. Journal of Cleaner Production, 2020, 277: 123830. |
| [51] |
Huang Q F, Lu Y Q. The effect of urban heat island on climate warming in the Yangtze River Delta urban agglomeration in China. International Journal of Environmental Research and Public Health, 2015, 12(8): 8773-8789. |
| [52] |
贾文茜, 任国玉, 于秀晶, 张永强, 张盼峰. 中国东部季风区不同气候带城市热岛效应的差异. 气候与环境研究, 2021, 26(5): 569-582. |
| [53] |
Eastin M D, Baber M, Boucher A, Di Bari S, Hubler R, Stimac-Spalding B, Winesett T. Temporal variability of the charlotte (sub)urban heat island. Journal of Applied Meteorology and Climatology, 2018, 57(1): 81-102. |
| [54] |
胡李发, 谢元礼, 崔思颖, 周鹏, 李云梅, 孙韶启. 关中平原城市群夏季城市热岛特征及驱动力. 中国环境科学, 2021, 41(8): 3842-3852. |
| [55] |
Ren Z Q, Li Z, Wu F, Ma H Q, Xu Z J, Jiang W, Wang S H, Yang J. Spatiotemporal evolution of the urban thermal environment effect and its influencing factors: a case study of Beijing, China. ISPRS Int J Geo Inf, 2022, 11: 278-301. |
| [56] |
Chen S Z, Yu Z W, Liu M, Da L J, Faiz ul Hassan M. Trends of the contributions of biophysical (climate) and socioeconomic elements to regional heat islands. Scientific Reports, 2021, 11: 12696. |
| [57] |
Li C Y, Zhang N. Analysis of the daytime urban heat island mechanism in East China. Journal of Geophysical Research: Atmospheres, 2021, 126(12). |
| [58] |
崔凤娇, 邵锋, 齐锋, 王誉洁, 张泰龙, 余海盈. 植被对城市热岛效应影响的研究进展. 浙江农林大学学报, 2020, 37(1): 171-181. |
| [59] |
Wang Y Y, Guo Z Y, Han J. The relationship between urban heat island and air pollutants and them with influencing factors in the Yangtze River Delta, China. Ecological Indicators, 2021, 129: 107976. |
| [60] |
曹畅, 李旭辉, 张弥, 刘寿东, 徐家平. 中国城市热岛时空特征及其影响因子的分析. 环境科学, 2017, 38(10): 3987-3997. |
| [61] |
Zhou D C, Zhao S Q, Liu S G, Zhang L X, Zhu C. Surface urban heat island in China's 32 major cities: spatial patterns and drivers. Remote Sensing of Environment, 2014, 152: 51-61. |
| [62] |
于玲玲, 潘蔚娟, 肖志祥, 王子谦, 麦健华. 人为热对广州高温天气影响的数值模拟个例分析. 中国环境科学, 2020, 40(9): 3721-3730. |
| [63] |
Wang Z H. Reconceptualizing urban heat island: beyond the urban-rural dichotomy. Sustainable Cities and Society, 2022, 77: 103581. |