EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 1: 189 - 200

DOI: https://doi.org/10.12082/dqxxkx.2022.210669

遥感科学与应用技术

基于局地气候分区体系的福州城市热环境研究

  • 林中立 , 1 ,
  • 徐涵秋 , 2, 3, *
展开
  • 1.福建工程学院 建筑与城乡规划学院, 福州 350118
  • 2.福州大学 环境与安全工程学院,福州 350116
  • 3.福州大学遥感信息工程研究所,福建省水土流失遥感监测评估与灾害防治重点实验室,福州 350116
* 徐涵秋（1955— ）,男,江苏盐城人,教授,主要从事环境遥感应用研究。E-mail:

林中立（1989— ）,男,福建福州人,博士,讲师,主要从事城市环境遥感、城乡规划技术与科学研究。E-mail:

收稿日期: 2021-10-25

  修回日期: 2021-11-12

  网络出版日期: 2022-03-25

基金资助

国家自然科学基金项目(31971639)

福建省自然科学基金项目(2020J05193)

福建省教育厅中青年教师教育科研项目(JAT190403)

福建工程学院科研启动基金(GY-Z19063)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

A Study of Urban Thermal Environmental of Fuzhou based on "Local Climate Zones"

  • LIN Zhongli , 1 ,
  • XU Hanqiu , 2, 3, *
Expand
  • 1. College of Architecture and Urban Planning, Fujian University of Technology, Fuzhou 350118, China
  • 2. College of Environmental and Safety Engineering, Fuzhou University, Fuzhou 350116, China
  • 3. Institute of Remote Sensing Information Engineering, Fujian Provincial Key Laboratory of Remote Sensing Soil Erosion and Disaster Prevention, Fuzhou University, Fuzhou 350116, China
* XU Hanqiu, E-mail:

Received date: 2021-10-25

  Revised date: 2021-11-12

  Online published: 2022-03-25

Supported by

National Natural Science Foundation of China(31971639)

National Science Foundation of Fujian Province, China(2020J05193)

Education and Research Project for Youth Scholars of Education Department of Fujian Province, China(JAT190403)

Scientific Research Foundation of Fujian University of Technology(GY-Z19063)

Copyright

Copyright reserved © 2022
Fold

摘要

局地气候分区体系（LCZ）能够有效建立城市气候与空间形态间的定量关系,揭示城市内部热环境分异特征,是当前备受关注的城市热环境研究方法。本文以我国新晋“火炉城市”福州的主城区为研究区,使用2019年9月22日过空的Landsat-8影像,对基于LCZ的热环境空间分布特征与LCZ类间/类内差异进行分析,并就福州城市热环境的改善提出规划建议。研究表明:① 福州主城区以密集的中、低层连片建筑为主,并呈集聚式分布;② LCZ各类间存在明显的地表温度差异,大型低层建筑（LCZ 8）的温度最高,达41.56 ℃,密集低层建筑（LCZ 3）和工业厂房（LCZ 10）次之,分别为40.90 ℃和40.39 ℃,而茂密树木（LCZ A）和水体（LCZ G）的温度最低,均值为29.94 ℃;③ 根据福州城市发展的时空特征,将主城区分为二环区与三环区进行LCZ类内温度差异的比较分析,可以发现主城区内的主要LCZ建筑类别存在0.5~1.5 ℃的类内差异,造成这一差异的主要成因包括植被、水体等环境要素配置、建筑布局与邻近效应;④ 建筑层高与地表温度呈现显著的负相关关系（r=-0.858, p< 0.001）,并且由于高层建筑对太阳辐射的遮挡,其建筑阴影能够部分降低周边相对低矮建筑的表面温度和区域温度;⑤ 在今后的规划中,低矮连片的高密度居住区是改善城市热环境的重点区域,同时高层建筑虽有一定的降温效果,但对于城市风道的阻挡作用不可忽视,应留出足够的城市通风道。

关键词： 局地气候区; 城市热环境; 城市规划; 遥感; 福州; 火炉城市

本文引用格式

林中立 , 徐涵秋 . 基于局地气候分区体系的福州城市热环境研究[J]. 地球信息科学学报, 2022 , 24(1) : 189 -200 . DOI: 10.12082/dqxxkx.2022.210669

Abstract

Local Climate Zones (LCZ) can effectively create the quantitative relationship between urban climate and urban spatial form and reveal the spatial variability of urban internal thermal environments. LCZ is a research method of urban thermal environment and has attracted a lot of attention at present. Therefore, this paper applies LCZ to study the spatial characteristics of urban thermal environment and its inter-/intra-zonal variability in Fuzhou City, a recently called “Stove city” in China. Furthermore, the planning strategy for the improvement of the urban thermal environment in Fuzhou is proposed. This study reveals that the main urban area in Fuzhou is dominated by compact mid- and low-rise buildings, which are distributed in a concentrated manner. In addition, the LCZ has obvious inter-zonal variability of land surface temperature (LST). Large low-rise building (LCZ 8) has the highest LST (41.56 ℃), followed by Compact low-rise (LCZ 3) and Heavy industry (LCZ 10) with LST of 40.90 ℃ and 40.39 ℃, respectively, while Dense trees (LCZ A) and Water (LCZ G) have the lowest LST with average LST of 29.94 ℃. At the same time, the intra-zonal LCZ variability also exists. We divides the main urban area into the second and third ring zones and analyzes the LST inter-zonal difference within each LCZ category. It can be found that the main LCZ building types have an inter-zonal difference between 0.5 ℃ and 1.5 ℃. The configuration of environmental factors, such as vegetation and water, buildings layout, and proximity effects, are the main causes of intra-zonal LCZ variability of LST. There is a significant negative correlation between building height and LST (r=-0.858, p<0.001). Moreover, due to the shielding of high-rise buildings from solar radiation, the building shade can partially cool the surface temperature of surrounding relatively low-rise buildings. However, the blocking effect of high-rise buildings on urban ventilation must be avoided. In the future, the contiguous, high-density, low-rise residential areas are the main areas to be controlled for their high temperature, and sufficient ventilation space should be reserved in urban planning.

Key words： local climate zones; urban thermal environment; urban planning; remote sensing; Fuzhou; stove city

1 引言

当前,全球温度持续升高,根据政府间气候变化专门委员会（IPCC）2021年8月最新发布的第六次气候评估报告,目前全球表面温度较1850—1900 年升高了约 1.1 °C,这一升温幅度已导致全球城市的热异常事件频发,极端热浪袭击城市的概率大幅增加[1]。与此同时,全球城市化快速发展,城市空间不断扩张,自然地表被大面积高不透水属性、结构复杂、致密的人工下垫面取代,打破了城区及其周边区域地表热量平衡,城区内部显热不断增加、潜热逐渐减少,城市热岛效应逐步加剧[2]。
科学的城市规划,合理的城市空间布局能有效缓解城市热岛。如何通过城市结构、建筑布局、植被和水体配置等有效途径,改善城市热环境,是近年来城市环境研究的热点[3,4]。然而,在当前的城市规划中对于城市气候要素的应用还十分有限,城市规划与城市气候之间缺乏联系,这主要是由于规划与气象2个学科间存在一定的行业技术壁垒,规划师难以将城市空间形态与局地气候间的复杂物理过程,以及热环境感知数据直接量化融入规划中[5,6]。因此,需将“城市气候语言”转换为城市规划师可识别的“空间形态语言”[7]。Stewart和Oke构建的局地气候分区体系（Local climate zones, LCZ）为城市气候与空间形态语言间的融合提供了良好的契机,能进一步量化城市形态与城市热环境之间的关系,建立LCZ各类别与热环境属性之间的关 系[8,9],已成为近年来备受城市热环境研究学者和城市规划师们关注的分类体系与研究方法之一[10],目前全球已有超过130个城市对基于LCZ分类体系的城市热岛开展相关研究[11]。
Wang等[12]基于LCZ对美国凤凰城和拉斯维加斯的城市热环境进行研究,结果显示LCZ E（裸露的岩石或道路）和LCZ G（水体）在所有类别中温度分别为最高和最低;在建筑类型中,LCZ 4（开阔高层建筑）在白天时温度最低,但夜间则温度最高,同时他们还认为LCZ能够全面分析城市地表的热特性,充分了解城市内部的热分布规律,揭示城市形态对温度的反馈。Geletič等[13]利用热舒适度指数（Humidex）对捷克布尔诺市LCZ不同类别的城市户外空间热舒适度空间差异进行研究,在热浪期间,不舒适度较高的区域出现在LCZ 2（密集中层建筑）、LCZ 3（密集低层建筑）、LCZ 5（开阔中层建筑）、LCZ 8（大型低层建筑）和LCZ 10（工业厂房）,这些区域在13:00—18:00的Humidex值最高,将超过40 ℃,并且有可能持续到夜间。相比而言, LCZ 9（零散建筑）和LCZ非建筑类型,其Humidex值则较低,热舒适度较高。Chen等[14]通过LCZ对不同建筑形态布局的日、夜温度差异特征进行探究,发现密集低层的LCZ类别（LCZ 3）在白天有着较高的温度,然而夜间温度高值则出现在密集高层和中层的LCZ类别（LCZ 1、2）。江斯达等[11]指出在当前基于LCZ的热环境研究中,绝大多数的时空格局分析都聚焦于“LCZ类间”差异,而缺乏对“LCZ类内”差异的相关探究。因此,本文运用卫星遥感数据对福州主城区进行LCZ分类和地表温度反演,进而对LCZ的空间分布与类间/类内温度差异进行分析,以期为今后福州城区的热环境改善提出科学规划建议。

2 研究区概况与数据来源

研究区位于福州盆地中心（图1）,闽江由西横贯整个盆地,往东汇入东海,盆地四周被海拔600~1000 m的群山所环抱。福州属于亚热带海洋性季风气候,温暖湿润,雨量充沛,年平均气温为16~20 ℃,年平均降水量达900~2100 mm。2013年7月中国气象局国家气候中心发布了近30年（1981—2010年）中国最炎热城市排行榜,福州由于累积高温天数（日最高气温超过35 ℃）位居全国省会城市前列,而被列为中国新“火炉城市”。本文将由福州三环路围成的范围,即福州主城区作为研究区,面积为163.64 km2。
图1 研究区位置及其2019年Landsat-8影像

Fig. 1 Location of study area and its Landsat-8 image in 2019

本文将Landsat-8影像作为主要遥感影像数据源,选取过境时间为2019年9月22日的夏季无云影像,数据质量较好。为了减少地形、光照和大气等因素对光谱信息的影响,对影像进行辐射校正,将DN值转换为传感器处反射率[15]。

3 研究方法

本文利用Landsat-8及同期Google Earth高分影像、城市建筑等辅助数据,基于LCZ分类体系,对研究区的热环境进行研究,技术路线如图2所示。
图2 本研究技术路线

Fig. 2 The technical flow of this study

3.1 基于遥感影像的LCZ分类

3.1.1 LCZ分类体系
LCZ是一种基于局地气候理念的分类体系,根据城市建筑表面结构、材质与土地覆盖类型对各地类的热特性进行有效地区分,并将区域气候按下垫面类型的不同,分为若干局地气候小区,能够为城市热岛的研究提供了一个适用于全球不同城市热岛分析比较的分类准则[16]。LCZ体系由建筑类型（Built Types）和土地覆盖类型（Land Cover Types）构成,在这2个大类下又细分出建筑LCZ 1-10次级标准类和土地覆盖LCZ A-G次级标准类（表1）,各类别有着明确的定义和分类准则[9]。
表1 LCZ分类体系基本类型[9]

Tab. 1 Standard type of the LCZ scheme

建筑类型（Built Types）
LCZ 1 密集高层建筑
Compact high-rise
(BS: ≥10; SVF: 0.2-0.4; BSF: 40-60;
ISF: 40-60; PSF: <10)		 LCZ 2 密集中层建筑
Compact mid-rise
(BS: 3-9; SVF: 0.3-0.6; BSF: 40-70;
ISF: 30-50; PSF: <20)		 LCZ 3 密集低层建筑
Compact low-rise
(BS: 1-3; SVF: 0.2-0.6; BSF: 40-70;
ISF: 20-50; PSF: <30)
LCZ 4 开阔高层建筑
Open high-rise
(BS: ≥10; SVF: 0.5-0.7; BSF: 20-40;
ISF: 30-40; PSF: 30-40)		 LCZ 5 开阔中层建筑
Open mid-rise
(BS: 3-9; SVF: 0.5-0.8; BSF: 20-40;
ISF: 30-50; PSF: 20-40)		 LCZ 6 开阔低层建筑
Open low-rise
(BS: 1-3; SVF: 0.6-0.9; BSF: 20-40;
ISF: 20-50; PSF: 30-60)
LCZ 7 轻质低层建筑
lightweight low-rise
(BS: 1-2; SVF: 0.2-0.5; BSF: 60-90; ISF: <20; PSF: <30)		 LCZ 8 大型低层建筑
Large low-rise
(BS: 1-3; SVF: >0.7; BSF: 30-50; ISF: 40-50; PSF: <20)		 LCZ 9 零散建筑
Sparsely built
(BS: 1-3; SVF: >0.8; BSF: 10-20;
ISF: <20; PSF: 60-80)		 LCZ 10 工业厂房
Heavy industry
(BS: 2-5; SVF: 0.6-0.9;BSF: 20-30;ISF: 20-40; PSF: 40-50)
土地覆盖类型（Land Cover Types）
LCZ A 茂密树木
Dense trees
(SVF: <0.4; BSF: <10;
ISF: <10; PSF: >90;
VH: 3-30)		 LCZ B 稀疏树木
Scattered trees
(SVF: 0.5-0.8; BSF: <10;
ISF: <10; PSF: >90;
VH: 3-15)		 LCZ C 灌木和矮树
Bush, scrub
(SVF: <0.7-0.9; BSF: <10;
ISF: <10; PSF: >90;
VH: <2)		 LCZ D 低矮植被
Low plants
(SVF: >0.9; BSF: <10;
ISF: <10; PSF: >90;
VH: <1)
LCZ E 裸露的岩石或道路
Bare rock or paved
(BSF: <10; ISF: >90;
PSF: <10)		 LCZ F 裸土或沙
Bare soil or sand
(BSF: <10; ISF: <10;
PSF: >90)		 LCZ G 水体
Water
(BSF: <10; ISF: <10;
PSF: >90)

注:BS（Building Stories）:建筑层数/层; SVF（Sky View Factor）:天空可视度; BSF（Building Surface Fraction）:建筑覆盖度/%; ISF（Impervious Surface Fraction）:不透水面（道路、岩石）覆盖度/%;PSF（Pervious Surface Fraction）:透水面（裸土、植被、水体）覆盖度/%;VH（Vegetation Height）:植被高度/m。

3.1.2 LCZ的遥感影像分类
在分类算法上,本文选用由Breiman提出的随机森林（Random Forest, RF）算法[17],该算法是一种由决策树构成的机器学习集成算法。RF在分类计算中对LCZ训练样本进行抽样,从而生成大量决策树,对于每个LCZ样本单元而言,所有决策树依次对其进行类别划分,在所有决策树预测类别中的众数即为RF所预测的这一LCZ样本单元的最终结果类别。当前,RF算法已广泛应用于LCZ的分类研究中,能够获得良好的分类精度[18,19,20,21]。
借助同期Google Earth 高分辨率影像,对研究区的各LCZ类别进行鉴别,然后在对应的Landsat-8 影像中准确选取各类别的分类训练区。
在参与分类的Landsat-8 OLI多光谱波段基础上,本文又加入了能够突出城市地表特征的建筑指数（IBI）[22]、归一化差值植被指数（NDVI）和改进水体指数（MNDWI）[23],其中IBI首次摒弃原始影像多光谱波段,采用基于压缩数据维的方法构建建筑指数,能够提高建筑用地与其他地类的提取精度[22];NDVI无疑是应用最为广泛的植被指数,它与植被覆盖度、叶面积指数以及植被生物量都有密切的关系[24]; MNDWI有效地解决了McFeeters的NDWI水体指数无法区分建筑物和水体信息的问题,更适合于城市水体信息的提取[25]。IBI、NDVI、MNDWI的计算公式如下:
IBI = { 2 MIR / ( MIR + NIR ) - [ NIR / ( NIR + Red ) + Green / ( Green + MIR ) ] } / { 2 MIR / ( MIR + NIR ) + [ NIR / ( NIR + Red ) + Green / ( Green + MIR ) ]   }
NDVI = NIR - Red NIR + Red  
MNDWI = Green - MIR Green + MIR  
式中:Green、Red、NIR和MIR分别代表Landsat-8 OLI中的绿光、红光、近红外和中红外波段反射率。
同时对多光谱波段进行主成分分析,将波段信息载荷量最大的第一主成分进行纹理分析,获得基于二阶概率统计的8个纹理信息波段,分别为均值、方差、协同性、对比度、相异性、信息熵、二阶矩、相关性。Xu等[18]的研究证明了纹理信息波段能够有效提升LCZ在高密度城市区域的分类精度。
最终将Landsat-8 OLI各多光谱反射率波段,3个指数波段和8个纹理信息波段作为分类数据集参与随机森林分类。

3.2 地表温度反演

本文使用Landsat-8 TIRS 10热红外波段进行地表温度（Land Surface Temperature, LST）的反演,采用Jiménez-Muñoz等[26,27,28]提出的单通道算法,该算法从2003年发展至今参数仍在不断更新,有较好的反演效果,主要计算公式如下:
LST = γ · [ ε - 1 · ( ψ 1 · L sensor + ψ 2 ) + ψ 3 ] + δ
式中:Lsensor为传感器处辐射值/（W·m-2·sr-1·μm-1）;ψ1、ψ2、ψ3是与大气水汽含量相关的大气参数;γ和δ是基于Planck函数的2个参数,公式为:
  γ ≈ T sensor 2 b γ · L sensor
  δ ≈ T sensor - T sensor 2 b γ
其中:
T sensor = c 2 λ · ln [ c 1 ( λ 5 · L sensor ) + 1 ]
式中: Tsensor为传感器处亮度温度/K; λ为热红外波段的中心波长或有效作用波长/μm; c1、c2是Planck辐射常数; bγ是波段算法系数/K; ε是地表比辐射率。

3.3 缨帽变换

为更加全面地探究LCZ的区域特征与LST间的相关关系,除IBI、NDVI、MNDWI外,本文还增加缨帽变换（Tasseled Cap Transformation, TCT）进行地表要素信息的提取。TCT由Kauth和Thomas提出,可以通过多光谱波段的数据压缩,定量获取地表要素信息,并通过亮度（Brightness）分量表征城市建筑等人为要素以及裸露的土壤,绿度（Greenness）分量表征与绿色植被相关地表要素,以及湿度（Wetness）分量表征水体、土壤湿度等信息[29,30]。基于Landsat 8的TCT Brightness、Greenness、Wetness分量[31]计算公式如下:
Brig h tness = 0.3029 Blue + 0.2786 Green + 0.4733 Red + 0.5599 NIR + 0.5080 MIR 1 + 0.1872 MIR 2
G r eenness = - 0.2941 Blue - 0.2430 Green - 0.5424 Red + 0.7276 NIR + 0.0713 MIR 1 - 0.1608 MIR 2
Wetness = 0.1511 Blue + 0.1973 Green + 0.3283 Red + 0.3407 NIR - 0.7117 MIR 1 - 0.4559 MIR 2

4 结果与分析

4.1 LCZ的空间分布特征

基于随机森林算法得到LCZ初步分类结果,将LCZ各类与同期Google Earth高分影像以及研究区城市建筑三维地图进行逐类叠加,并进行必要的人工修正,最终获得LCZ分类结果图（图3）。利用高分影像,采用随机采样法,对1300个样点进行验证,得到分类总精度为80.15%,Kappa系数为0.775,符合精度要求。
图3 研究区局地气候区（LCZ）分类结果

Fig. 3 Local climate zones (LCZ) classification image of the study area

随着城市的发展,福州盆地城市建成区范围不断呈圈层式外扩,从时空变化上来看,城市建成区在1990—1995年主要分布于二环区域内,而到了2008年前后,建成区已基本填满三环区域内的整个盆地[32,33]。利用城市交通环线对研究区进行划分,能够进一步探究城市中心区（老城区）与周边区域的热环境分布差异[34]。因此,对LCZ分类结果按研究区全域,以及细分出二环内区域（简称:二环区）、二环至三环区域（简称:三环区）分别进行统计（表2）。
表2 局地气候区分类结果统计

Tab. 2 Statistics of LCZ classification results

LCZ类别 研究区 二环区 三环区
面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/%
LCZ 1 密集高层建筑 3.61 2.21 2.05 4.66 1.56 1.30
LCZ 2 密集中层建筑 45.98 28.10 21.63 49.13 24.35 20.36
LCZ 3 密集低层建筑 41.08 25.10 6.73 15.28 34.35 28.72
LCZ 4 开阔高层建筑 26.42 16.15 8.11 18.43 18.31 15.31
LCZ 5 开阔中层建筑 3.77 2.30 0.46 1.05 3.30 2.76
LCZ 6 开阔低层建筑 6.49 3.97 0.77 1.74 5.73 4.79
LCZ 8 大型低层建筑 1.90 1.16 0.11 0.25 1.79 1.50
LCZ 10 工业厂房 0.48 0.29 0.04 0.09 0.44 0.37
LCZ A 茂密树木 0.19 0.11 0.00 0.00 0.19 0.16
LCZ B 稀疏树木 14.55 8.89 1.55 3.51 13.00 10.87
LCZ C 灌木和矮树 1.57 0.96 0.03 0.06 1.54 1.29
LCZ D 低矮植被 4.62 2.83 0.44 1.00 4.18 3.50
LCZ E 裸露的岩石或道路 5.96 3.64 1.26 2.86 4.70 3.93
LCZ F 裸土或沙 7.01 4.28 0.85 1.92 6.17 5.16
LCZ G 水体 9.34 5.71 2.39 5.42 6.96 5.82
合 计 163.64 100.00 44.02 100.00 119.62 100.00
从图3和表2可以看出,研究区范围内,LCZ建筑类型的LCZ 2所占比例面积最大,达28.10%（45.98 km2）,LCZ 3次之,占25.10%（41.08 km2）,在分类结果中未分出LCZ 7和LCZ 9,这是由于这2类建筑类型多分布于城市主城区外的乡村地区;在土地覆盖类型中,以LCZ B为主,占8.89%（14.55 km2）,说明福州主城区以中、低层建筑为主,且多为密集的连片建筑。主城区内虽有一定数量的植被覆盖,但占比不高,大型绿地主要集中在主城区中的一些小山丘。
进一步将研究区以城市交通环线进行细分,可以发现在二环区域内,建筑类型以LCZ 2为主,占比高达49%以上,且主要分布于闽江北岸的老城区,LCZ 3集中分布于南二环周边,而代表高层建筑的LCZ 1和LCZ 4主要沿老城区主干道和闽江两岸呈条带状分布,同时区域内几乎没有成片的树木分布;而在三环区域,LCZ建筑类型存在明显的空间分布差异,区域南部和东部为大面积连片的LCZ 3集中区,这些密集的低层建筑主要为村民的自建房和一部分铁皮屋顶仓库式小厂房,三环区域的西部片区建筑类型较为多样,LCZ 2—LCZ 5均有一定数量的分布,从城市功能和片区发展上看,该片区既有高新技术园区,同时又在近十几年的城市扩展中一定程度上承接了老城区的居住功能,江滨房地产板块在该片区逐渐兴起,最终形成了当前复杂多样的组团式LCZ建筑类型分布特征。

4.2 基于LCZ的城市热环境空间分异特征

图4为使用Landsat-8 TIRS数据反演得到的LST结果,研究区LST均值为37.93 ℃。本文利用同期过境的MODIS逐日LST产品（MOD11A1）（https://lpdaac.usgs.gov/products/mod11a1v006/）对Landsat-8温度反演结果进行相对验证。由于2019年9月22日的MOD11A1产品数据缺失严重,因此使用23日数据进行补充,统计得到MOD11A1产品的研究区LST均值为37.34 ℃,相比于Landsat-8反演结果略低0.59 ℃,符合精度要求。
图4 研究区地表温度（LST）反演结果

Fig. 4 Land surface temperature (LST) result of the study area

为探究LCZ各类别的热环境特性,将LCZ分类结果（图3）与LST反演结果（图4）进行叠加分析,得到LCZ各类别的LST均值（表3）以及LST箱形图（图5）。
表3 局地气候区各类别地表温度统计

Tab. 3 Land surface temperature statistics of LCZ classification result

LCZ类型 LST/℃
研究区 二环区 三环区
LCZ 1 37.28 36.89 37.73
LCZ 2 38.69 38.46 38.85
LCZ 3 40.90 40.01 41.01
LCZ 4 36.77 36.53 36.91
LCZ 5 36.94 36.52 37.01
LCZ 6 38.83 38.51 38.90
LCZ 8 41.56 39.75 41.67
LCZ 10 40.39 38.19 40.27
LCZ A 29.29 - 29.29
LCZ B 33.05 33.48 33.07
LCZ C 36.80 38.12 36.86
LCZ D 35.44 35.69 35.69
LCZ E 38.93 37.30 39.26
LCZ F 40.20 39.42 40.26
LCZ G 30.58 30.75 30.61
图5 局地气候区各类别的地表温度箱形图

Fig. 5 Box-plots of LST distributions in LCZ

就温度的区域分布来看,较大面积的连片高温区主要集中于南三环和东三环周边,而这些高温区正是LCZ 3的集中区域,而温度较低的区域主要为城市中的大面积水体与大型绿地。从LCZ各类别的温度差异上来看,LCZ 8的温度最高,可达41.56 ℃,LCZ 3和LCZ 10次之,分别为40.90 ℃和40.39 ℃,而LCZ A和LCZ G的温度最低,均值为29.94 ℃（表3、图5）。研究区内的主要建筑类型为LCZ 1—LCZ 6,而这6种建筑又可归纳为“密集建筑类（LCZ 1—LCZ 3）”和“开阔建筑类（LCZ 4—LCZ6）”,温度统计数据对比可以发现,无论是“密集”还是“开阔”建筑类型,LST均呈现高层<中层<低层的变化规律。
为进一步探究建筑层高与LST间的关系,将研究区范围内最新的建筑廓线及其层高数据（图6）与LST反演结果进行叠加分析,得到不同建筑层高的LST均值,并将建筑层高作为自变量（x）,将LST作为因变量（y）,建立回归分析模型,方程通过了0.1%（p<0.001）的显著性检验（图7）。
图6 研究区建筑三维地图

Fig. 6 Three-dimensional map of buildings in study area

图7 建筑层高与地表温度的回归分析

Fig. 7 Regression analysis of building height and LST

从图7的回归分析结果可以看出,建筑层高与LST呈现显著的负相关关系,即随着建筑层高的增加,LST不断降低。这是由于高层建筑存在明显的“破风效应”,即高层建筑对于盛行风的阻挡导致其方向的改变,在建筑外立面形成空气涡流。“破风效应”会进一步在高层建筑周边区域形成“风谷”,从而造成LST的下降[35,36,37]。从回归分析中确定出的拟合方程还可以观察到,建筑层高与LST并非简单的比例关系,而是表现出建筑从1层提升至10层,LST快速下降,而在10层附近出现LST下降速率由快变慢的转折,这意味着当建筑大于10层后,其LST下降的边际效益开始减缓。Wang等[37]在对我国上海、北京、重庆、广州、深圳、天津等城市进行的相关研究中也同样证明了这一变化规律的存在。

4.3 LCZ类内差异分析

当前绝大多数的LCZ热环境研究都聚焦于“LCZ类间”差异,即不同LCZ类别间的温度或环境要素差异,而对于“LCZ类内”差异,即分布于研究区不同区域的LCZ同类别的差异缺乏关注[11]。从上文图5中所展示的LCZ各类别LST箱形图可以发现,除LCZ A外,其余LCZ各类的上下四分位数值均存在3~5 ℃的跨度,而极差值（最大与最小值之差）也可达15 ℃以上,由此可以判断,即便是同一LCZ类别,其在不同的区域内也存在一定程度的温度差异。
本文以研究区内的主要建筑类型LCZ 1—LCZ 6为例,研究它们在二环区和三环区之间的类内差异。分别统计出LCZ 1—LCZ 6各类别在二环区和三环区的LST均值,并进行对比（图8）。可以看出,二环区和三环区所代表的城区不同地理位置的差异确实会造成同一LCZ类别的类内温度差异,并且LCZ 1—LCZ 6的类内差异表现为二环区各类温度的均值均低于三环区同类别0.5~1.5 ℃,表明LCZ 1—LCZ 6建筑类别在二环内老城区的温度要普遍低于老城区外的三环区。
图8 LCZ 1—LCZ 6在二环区和三环区内的地表温度统计

Fig. 8 LST statistics of LCZ 1-6 in second and third ring regions

为探究LCZ类内差异的成因,从LCZ 1—LCZ 6的环境要素配置、建筑布局与邻近效应进行分析。首先将研究区IBI、NDVI、MNDWI指数和TCT的Brightness、Greenness、Wetness分量分别与LST进行Pearson相关性分析（为统一量纲,指数与分量值已归一化到[0, 1]之间）。从表4可以看出,地表要素中LST与建筑为正相关关系,而与植被、水体为负相关关系,即建筑的增加,将会导致城市温度的升温,而植被和水体对温度有抑制作用。从Pearson相关系数（r）可以判定,同样表征建筑要素的IBI与LST的r为0.673要高于Brightness的0.515,而Greenness（r=-0.397）、Wetness（r=-0.576）的LST相关度则强于NDVI（r=-0.216）、MNDWI（r=-0.213）。
表4 地表要素与LST的相关性统计

Tab. 4 Pearson correlation coefficients between the indices of land surface elements and LST

地表要素
表征指数/分量		 建筑 植被 水体
IBI Brightness NDVI Greenness MNDWI Wetness
r 0.673** 0.515** -0.216** -0.397** -0.213** -0.576**

注: **p<0.01(双尾)。

因此,选取与LST相关度更强的区域热环境指标IBI、Greenness和Wetness与LCZ结果进行叠加分析,得到LCZ 1—LCZ 6在不同城市区域内的指数均值。从环境指标的统计（表5）可以看出,LCZ 1—LCZ 6的环境指标在二环区与三环区都呈现一定程度的差异,并表现出二环区的IBI普遍低于三环区,而Greenness与Wetness则同为二环区高于三环区,从指标的数值对比可以初步判读出同一LCZ建筑类别在二环区内的建筑密集度相对更低,而植被覆盖程度更高,因此二环区域内的地表湿度也相对更高。三环区内LCZ各类具有更高的建筑密度以及更低的植被覆盖与湿度含量,势必造成LST在城市2个区域间的差异,进而产生LCZ的类内温度差异。
表5 LCZ 1—LCZ 6在不同区域的环境指标统计

Tab. 5 Thermal environment indices statistics of LCZ 1—LCZ 6 in second and third ring regions

LCZ类别 IBI Greenness Wetness
二环区 三环区 二环区 三环区 二环区 三环区
LCZ 1 0.641 0.648 0.626 0.625 0.724 0.720
LCZ 2 0.659 0.649 0.652 0.649 0.690 0.690
LCZ 3 0.718 0.719 0.628 0.620 0.634 0.631
LCZ 4 0.531 0.553 0.704 0.702 0.726 0.715
LCZ 5 0.505 0.539 0.712 0.707 0.735 0.722
LCZ 6 0.621 0.626 0.701 0.701 0.671 0.664
结合从2000年前后至今福州城市发展的现状,老城区内棚户区普遍得到升级改造[38],城市公园密度不断增加,大型工厂完成搬迁,都使得区域内环境得到较大程度的改善。而在三环区内虽有一定面积的城市山体与大型绿色公园,但LCZ建筑类别内的植被覆盖度不足,以及区域内仍有大面积连片棚户区与致密的村民自建房和铁皮房,这可能是二环区建筑类别温度普遍低于三环区的重要原因之一。
从图6可以观察到,二环内存在更多数量比例的高层,特别是超高层建筑,并且空间分布上更加分散,说明二环区的高层建筑区域周边存在更多不同类型的建筑,具有较强的边缘效应,而三环区的高层建筑更加集中,边缘多为规则矩形,斑块边缘效应较弱。由于高层建筑对太阳辐射的遮挡,其建筑阴影能够部分降低周边相对低矮建筑的表面温度[36,39-40],统计得到二环区内的高层建筑比例为23.09%,高于三环区的16.61%（表2）,这说明高层建筑阴影的降温效应能够在二环区内辐射影响更大比例的区域,因此高层建筑的城市区域分布差异与邻近效应同样是造成LCZ类内差异的重要原因。

5 城市热环境缓解的建议

从上述分析中可以归纳总结出一些福州城市热环境改善的规划建议:
（1）密集型的建筑布局较开阔型更易产生高温,在保证城区稀缺用地使用效率的前提下,在规划中可优先将植被、水体等自然要素配置给密集建筑区。
（2）对于城市中一些低矮连片的高密度居住区,如城市老旧小区、城中村、旧屋村等,应进行有效的城市更新[41],如上文中提到的分布于福州南三环的高密度低矮居住区,可在规划中将这一片区改造为中低密度的中高层现代小区,在区域内“织绿补蓝”打断连片致密的建筑布局,扩宽区内道路,以起到降低建筑密度,增加通风的效果。另外,高层建筑对周边区域的遮荫也能够起到一定的降温效果。然而建筑高度并非越高越好,2018年7月国家住建部发布的《城市居住区规划设计标准》（GB50180—2018）[42]对各类新建建筑物的高度都有明显限定。同时,高层建筑对于城市风道的阻挡作用不可忽视。徐涵秋和林中立在对福州城区的热环境研究中都指出,随着沿闽江两岸高层建筑的拔地而起,密集分布的江滨高楼如巨大的人工屏障迎面阻挡了福州盆地唯一的海风进风口,是造成福州夏季湿热高温的重要成因之一。因此,应在城市规划中留出足够的城市通风道[25,32]。
（3）在规划设计中应建立“山-水-城共构”的生态环境优化思路,如图9所示福州南三环周边高密度低矮居住区,从周边环境来看,该区域北面靠山,南面临江,自然要素丰富,然而由于区域内部建筑过于致密,导致局部高温（图4）,可结合局地山水优势,构建同山谷风与江风方向相耦合的廊道与开敞空间,有助于将山体植被蒸腾与江水蒸发作用所产生的水汽引入区域内部[43],缓解局地高温（图9）。
图9 福州南三环周边高密度低矮居住区示意图

Fig. 9 Compact low-rise residential area around the south third ring road of Fuzhou

6 结论

本文以全国新晋“火炉城市”福州为研究区,基于当前备受关注的局地气候区体系（LCZ）,对研究区的LCZ热环境空间分布特征与LCZ类间差异进行分析,同时对目前普遍被忽视的LCZ类内差异进行探究,通过对上述内容的分析与总结,提出福州城市热环境改善的规划建议。主要结论如下:
（1）当前福州主城区以密集的中、低层连片建筑为主,由于城市发展的时空差异,二环区内的老城区建筑类别多为LCZ 2,同时LCZ 1和LCZ 4等高层建筑沿主干道与闽江两岸呈条带状分布,三环区内的LCZ类型较为多样,LCZ 1—LCZ 5均有一定数量的分布,其中LCZ 3分布面积最大,主要为村民自建房和一部分铁皮屋顶仓库式小厂房;
（2）从地表温度空间分布上来看,城市高温区主要集中于南三环和东三环周边的LCZ 3连片区域,而LCZ A和LCZ G所代表的茂密树木与水体的温度较低,LCZ类间温度差异明显;
（3）主城区内的主要LCZ建筑类别存在0.5~1.5℃的LCZ类内差异,研究发现植被、水体等环境要素的配置、建筑布局以及高层建筑对周边区域的邻近效应是造成这一差异的主要原因;
（4）福州主城区具有环山面水的盆地地形特征,夏季湿润炎热,在今后的规划中可建立“山-水-城共构”的生态环境优化思路,充分利用局地山水优势,综合考虑建筑密度与布局、植被、水体、通风等热环境改善关键要素。
由于城市环境系统的复杂性,不同季相、昼夜、工作日与周末所表现出的城市热环境特征也将会有较大差异,在后续的研究中可使用多时相影像数据,充分考虑季节、人类活动强度等因素,进一步揭示城市热环境的内在特征。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
IPCC. AR6 Climate Change 2021: The Physical Science Basis[EB/OL].https://www.ipcc.ch/report/ar6/wg1/down loads/report/IPCC_AR6_WGI_Full_Report.pdf, (2021-08-07) [2021-08-20].

[2]
Firozjaei M K, Weng Q, Zhao C, et al. Surface anthropogenic heat islands in six megacities: An assessment based on a triple-source surface energy balance model[J]. Remote Sensing of Environment, 2020, 242:111751. DOI: 10.1016/j.rse.2020.111751

DOI

[3]
Manoli G, Fatichi S, Schlpfer M, et al. Magnitude of urban heat islands largely explained by climate and population[J]. Nature, 2019, 573(7772):55-60. DOI: 10.1038/s41586-019-1512-9

DOI

[4]
侯路瑶, 姜允芳, 石铁矛, 等. 基于气候变化的城市规划研究进展与展望[J]. 城市规划, 2019, 43(3):121-132.

[ Hou L Y, Jiang Y F, Shi T M, et al. Overview and prospect of urban planning studies based on climate change[J]. City Planning Review, 2019, 43(3):121-132. ] DOI: 10.11819/cpr20190317a

DOI

[5]
Ng E. Towards planning and practical understanding of the need for meteorological and climatic information in the design of high-density cities: A case-based study of Hong Kong[J]. International Journal of Climatology, 2012, 32(4):582-598. DOI: 10.1002/joc.2292

DOI

[6]
Zheng Y S, Ren C, Xu Y, et al. GIS-based mapping of Local Climate Zone in the high-density city of Hong Kong[J]. Urban Climate, 2018, 24:419-448. DOI: 10.1016/j.uclim.2017.05.008

DOI

[7]
陈方丽, 黄媛. 基于WUDAPT方法的成都市局地气候分区地图构建及其规划应用研究[J]. 城市建筑, 2018, 20:29-32.

[ Chen F L, Huang Y. A study on the construction and planning application of local climate zoning map of Chengdu based on WUDAPT method[J]. Urbanism and Architecture, 2018, 20:29-32. ] DOI: 10.19892/j.cnki.csjz.2018.20.007

DOI

[8]
Stewart I D, Oke T R. Newly developed “thermal climate zones” for defining and measuring urban heat island magnitude in the canopy layer[C]. Phoenix: Preprints Eighth Symposium on Urban Environment, 2009.

[9]
Stewart I D, Oke T R. Local climate zones for urban temperature studies[J]. Bulletin of the American Meteorological Society, 2012, 93(12):1879-1900. DOI: 10.1175/BAMS-D-11-00019.1

DOI

[10]
Núñez Peiró M, Sánchez-Guevara Sánchez C, Neila González F J. Source area definition for local climate zones studies. A systematic review[J]. Building and Environment, 2019, 148:258-285. DOI: 10.1016/j.buildenv.2018.10.050

DOI

[11]
江斯达, 占文凤, 杨俊, 等. 局地气候分区框架下城市热岛时空分异特征研究进展[J]. 地理学报, 2020, 75(9):66-84.

[ Jiang S D, Zhan W F, Yang J, et al. Urban heat island studies based on local climate zones: A systematic overview[J]. Acta Geographica Sinica, 2020, 75(9):66-84. ] DOI: 10.11821/dlxb202009004

DOI

[12]
Wang C, Middel A, Myint S W, et al. Assessing local climate zones in arid cities: The case of Phoenix, Arizona and Las Vegas, Nevada[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 141:59-71. DOI: 10.1016/j.isprsjprs.2018.04.009

DOI

[13]
Geletič J, Lehnert M, Savic S, et al. Modelled spatiotemporal variability of outdoor thermal comfort in local climate zones of the city of Brno, Czech Republic[J]. Science of The Total Environment, 2018, 624:385-395. DOI: 10.1016/j.scitotenv.2017.12.076

DOI

[14]
Chen X, Xu Y, Yang J, et al. Remote sensing of urban thermal environments within local climate zones: A case study of two high-density subtropical Chinese cities[J]. Urban Climate, 2020, 31:100568. DOI: 10.1016/j.uclim.2019.100568

DOI

[15]
USGS. Landsat 8 (L8) Data Users Handbook (Version 5.0)[OL]. https://prd-wret.s3.us-west-2.amazonaws.com/assets/palladium/production/atoms/files/LSDS-1574_L8_Data_Users_Handbook-v5.0.pdf, (2019-11-26) [2021-08-15].

[16]
林中立, 徐涵秋. 基于LCZ的城市热岛强度研究[J]. 地球信息科学学报, 2017, 19(5):713-722.

DOI

[ Lin Z L, Xu H Q. A study of urban heat island intensity based on “local climate zones”[J]. Journal of Geo-information Science, 2017, 19(5):713-722. ] DOI: 10.3724/SP.J.1047.2017.00000

DOI

[17]
Breiman L. Random forests[J]. Machine Learning, 2001, 45:5-32. DOI: 10.1023/A:1010933404324

DOI

[18]
Xu Y, Ren C, Cai M, et al. Classification of local climate zones using ASTER and Landsat data for high-density cities[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(7):3397-3405. DOI: 10.1109/JSTARS.2017.2683484

DOI

[19]
Bechtel B, Alexander PJ, Beck C, et al. Generating WUDAPT Level 0 data - Current status of production and evaluation[J]. Urban Climate, 2019, 27:24-45. DOI: 10.1016/j.uclim.2018.10.001

DOI

[20]
Ching J, Mills G, Bechtel B, et al. World Urban Database and Access Portal Tools (WUDAPT), an urban weather, climate, and environmental modeling infrastructure for the Anthropocene[J]. Bulletin of the American Meteorological Society, 2018, 99(9):1907-1924. DOI: 10.1175/BAMS-D-16-0236.1

DOI

[21]
Wang R, Ren C, Xu Y, et al. Mapping the local climate zones of urban areas by GIS-based and WUDAPT methods: A case study of Hong Kong[J]. Urban Climate, 2018, 24:567-576. DOI: 10.1016/j.uclim.2017.10.001

DOI

[22]
Xu H. A new index for delineating built-up land features in satellite imagery[J]. International Journal of Remote Sensing, 2008, 29(14):4269-4276. DOI: 10.1080/01431160802039957

DOI

[23]
Xu H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery[J]. International Journal of Remote Sensing, 2006, 27(14):3025-3033. DOI: 10.1080/01431160600589179

DOI

[24]
Goward S N, Xue Y K, Czajkowski K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment, 2002, 79(2-3):225-242. DOI: 10.1016/S0034-4257(01)00275-9

DOI

[25]
徐涵秋. 基于城市地表参数变化的城市热岛效应分析[J]. 生态学报, 2011, 31(4):3890-3901.

[ Xu H Q. Analysis on urban heat island effect based on the dynamics of urban surface biophysical descriptors[J]. Acta Ecologica Sinica, 2011, 31(4):3890-3901. ]

[26]
Cristóbal J, Jiménez-Muñoz J, Prakash A, et al. An improved single-channel method to retrieve land surface temperature from the Landsat-8 thermal band[J]. Remote Sensing, 2018, 10(3):431. DOI: 10.3390/rs10030431

DOI

[27]
Jimenez-Munoz J, Sobrino J, Skokovic D, et al. Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(10):1840-1843. DOI: 10.1109/LGRS.2014.2312032

DOI

[28]
Jiménez Muñoz J, Sobrino J. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22):4688. DOI: 10.1029/2003JD003480

DOI

[29]
Crist E P, Cicone R C. Application of the tasseled cap concept to simulated Thematic Mapper data[J]. Photogrammetric Engineering and Remote Sensing, 1984, 50(3):343-352.

[30]
Helmer E H, Brown S, Cohen W B. Mapping montane tropical forest successional stage and land use with multi-date Landsat imagery[J]. International Journal of Remote Sensing, 2000, 21(11):2163-2183. DOI: 10.1080/01431160050029495

DOI

[31]
Baig M H A, Zhang L, Shuai T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5):423-431. DOI: 10.1080/2150704X.2014.915434

DOI

[32]
林中立, 徐涵秋. 近20年来新旧“火炉城市”热岛状况对比研究[J]. 遥感技术与应用, 2019, 34(3):521-530.

[ Lin Z L, Xu H Q. Comparative study on the urban heat island effect in “Stove Cities” during the last 20 years[J]. Remote Sensing Technology and Application, 2019, 34(3):521-530. ] DOI: 10.11873/j.issn.1004-0323.2019.3.0521

DOI

[33]
林中立, 徐涵秋. 基于DTR的城市热岛强度指数构建与应用——以福州市为例[J]. 应用基础与工程科学学报, 2017, 25(2):266-275.

[ Lin Z L, Xu H Q. A new remote sensing index for assessing urban heat island intensity based on diurnal temperature range: A case study in Fuzhou, China[J]. Journal of Basic Science and Engineering, 2017, 25(2):266-275. ] DOI: 10.16058/j.issn.1005-0930.2017.02.006

DOI

[34]
Kwok Y T, Schoetter R, Lau KK-L, Hidalgo J, Ren C, Pigeon G, et al. How well does the local climate zone scheme discern the thermal environment of Toulouse (France)? An analysis using numberical simulation data[J]. International Journal of Climatology, 2019, 39:5292-5315. DOI: 10.1002/joc.6140

DOI

[35]
Grimmond S. Urbanization and global environmental change: local effects of urban warming[J]. Geographical Journal, 2007, 173:83-88. DOI: 10.1111/j.1475-4959.2007.232_3.x

DOI

[36]
Yang J, Jin S, Xiao X, et al. Local climate zone ventilation and urban land surface temperatures: Towards a performance-based and wind-sensitive planning proposal in megacities[J]. Sustainable Cities and Society, 2019, 47:101487. DOI: 10.1016/j.scs.2019.101487

DOI

[37]
Wang M, Xu H. The impact of building height on urban thermal environment in summer: A case study of Chinese megacities[J]. PLoS One, 2021, 16(4):e0247786. DOI: 10.1371/journal.pone.0247786

DOI

[38]
侯浩然, 丁凤, 黎勤生. 近20年来福州城市热环境变化遥感分析[J]. 地球信息科学学报, 2018, 20(3):385-395.

DOI

[ Hou H R, Ding F, Li Q S. Remote sensing analysis of changes of urban thermal environment of Fuzhou city in China in the past 20 years[J]. Journal of Geo-information Science, 2018, 20(3):385-395. ] DOI: 10.12082/dqxxkx.2018.170342

DOI

[39]
Watanabe S, Nagano K, Ishii J, et al. Evaluation of outdoor thermal comfort in sunlight, building shade, and pergola shade during summer in a humid subtropical region[J]. Building and Environment, 2014, 82:556-565. DOI: 10.1016/j.buildenv.2014.10.002

DOI

[40]
Yu K, Chen Y, Wang D, et al. Study of the seasonal effect of building shadows on urban land surface temperatures based on remote sensing data[J]. Remote Sensing, 2019, 11:497. DOI: 10.3390/rs11050497

DOI

[41]
唐菲, 徐涵秋. 旧城改造与城市热岛效应关系的遥感研究:以福州市苍霞片区为例[J]. 地理科学, 2011, 31(10):1228-1234.

[ Tang F, Xu H Q. The relationship between urban reconstruction and urban heat island effect based on remote sensing technology: Cangxia District of Fuzhou city, China[J]. Scientia Geographica Sinica, 2011, 31(10):1228-1234. ] DOI: 10.13249/j.cnki.sgs.2011.010.1228

DOI

[42]
中华人民共和国住房和城乡建设部, 城市居住区规划设计标准(GB50180-2018)[S/OL]. (2018-07-10) [2021-08-20]. http://www.mohurd.gov.cn/wjfb/201811/t20181130_238590.html.

[ Ministry of Housing and Urban-Rural Development of the People's Republic of China. Standard for planning and design of urban residential area (GB50180-2018)[EB/OL]. (2018-07-10) [2021-08-20]. http://www.mohurd.gov.cn/wjfb/201811/t20181130_2385 90.html.]

[43]
张雅妮, 曾小洲, 肖毅强. 基于风热环境优化的“山·城共构”城市设计初探——以广州白云新城为例[J]. 城市规划, 2018, 42(12):116-124.

[ Zhang Y N, Zeng X Z, Xiao Y Q. A preliminary research on the urban design of “mountain-city” based on optimization of wind and thermal environment: with Baiyun new town, Guangzhou as an example[J]. City Planning Review, 2018, 42(12):116-124. ] DOI: 10.11819/cpr20181215a

DOI

Options
文章导航

/

〈 〉