EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 3: 679 - 692

DOI: https://doi.org/10.12082/dqxxkx.2024.230511

地理空间分析综合应用

利用ECOSTRESS探究LCZ类间和类内城市热环境日动态变化

  • 张伟伟 , 1, 2 ,
  • 贾若愚 1 ,
  • 田明 3 ,
  • 徐新良 4 ,
  • 刘佳雯 1 ,
  • 韩冬锐 5 ,
  • 贺曈 6 ,
  • 孙宗耀 7 ,
  • 从辉 8 ,
  • 乔治 , 1, *
展开
  • 1.天津大学环境科学与工程学院，天津 300072
  • 2.石家庄市环境监控中心，石家庄 050022
  • 3.河北科技工程职业技术大学 资源与环境工程系，邢台 054000
  • 4.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京 100101
  • 5.山东省农业科学院农业信息与经济研究所，济南 250100
  • 6.北京师范大学环境学院，北京 100875
  • 7.天津大学建筑学院，天津 300072
  • 8. 天津华北地质勘查总院有限公司， 天津 300170
*乔治（1986— ），男，山东滕州人，博士，副教授，主要研究方向为GIS及遥感技术应用、土地利用变化和城市热环境。E-mail:

张伟伟（1993— ），女，河北邢台人，硕士生，主要研究方向为城市热环境。E-mail:

Copy editor: 蒋树芳

收稿日期: 2023-08-31

  修回日期: 2023-10-10

  网络出版日期: 2024-03-31

基金资助

国家自然科学基金项目(52270187)

天津市自然科学基金项目(21JCYBJC00390)

天津华北地质勘查局B类科研项目(HK2023-B02)

收起

Exploring Diurnal Dynamic Variations of inter- and intra-LCZ Urban Thermal Environment with ECOSTRESS

  • ZHANG Weiwei , 1, 2 ,
  • JIA Ruoyu 1 ,
  • TIAN Ming 3 ,
  • XU Xinliang 4 ,
  • LIU Jiawen 1 ,
  • HAN Dongrui 5 ,
  • HE Tong 6 ,
  • SUN Zongyao 7 ,
  • CONG Hui 8 ,
  • QIAO Zhi , 1, *
Expand
  • 1. School of Environmental Science and Engineering, Tianjin University, Tianjin 300072, China
  • 2. Shijiazhuang Environmental Monitoring Center, Shijiazhuang 050022, China
  • 3. Department of Resources and Environmental Engineering, Hebei Vocational University of Technology and Engineering, Xingtai 054000, China
  • 4. Institute of Geographic Sciences and Natural Resources Research, CAS, State Key Laboratory of Resources and Environmental Information System, Beijing 100101, China
  • 5. Institute of Agricultural Information and Economics, Shandong Academy of Agricultural Sciences, Jinan 250010, China
  • 6. School of Environment, Beijing Normal University, Beijing 100875, China
  • 7. School of Architecture, Tianjin University, Tianjin 300072, China
  • 8. Tianjin North China Geological Exploration General Institute, Tianjin 300170, China
*QIAO Zhi, E-mail:

Received date: 2023-08-31

  Revised date: 2023-10-10

  Online published: 2024-03-31

Supported by

National Natural Science Foundation of China(52270187)

Natural Science Foundation of Tianjin, China(21JCYBJC00390)

Class B Scientific Research Project of Tianjin North China Geological Exploration Bureau(HK2023-B02)

Fold

摘要

在全球气候变暖与城市化进程加快的背景下，城市热环境受到广泛关注。了解城市热环境时空变化和城市空间形态对城市局地气候的影响对于缓解城市热岛效应至关重要。ECOSTRESS在昼夜不同时刻获取高时间分辨率地表温度（Land Surface Temperature， LST）为从精细化时空尺度对城市热环境进行动态评估提供了数据支持。本文基于局地气候区（Local Climate Zones， LCZ）视角，利用ECOSTRESS LST数据探究了北京市六环内夏季地表城市热岛强度（Surface Urban Heat Island Intensity， SUHII）的日尺度时空变化特征以及LCZ类间和类内SUHII差异。结果表明：① 研究区夏季SUHII具有时空异质性，清晨6时左右， SUHII最低，上午10时左右， SUHII达到最高，下午SUHII逐渐下降，傍晚18时左右开始上升， 21时左右达到夜间最高值； ② 在日尺度上，不同类型LCZ表现出显著的热源/汇角色差异。建筑类型LCZ（除LCZ 9）和自然类型LCZ E~F整体上为热源，LCZ 9和LCZ B~C整体上为热汇，LCZ A和LCZ G存在昼夜源汇角色变化； ③ LCZ类内SUHII表现出显著的昼夜和类型差异。LCZ类内SUHII差异在清晨6时左右最小，在下午13时左右达到最大值。建筑类型LCZ中，低层建筑类内SUHII差异总体上高于中高层建筑。自然类型LCZ中，LCZ C和LCZ E类内SUHII差异相对较小，而LCZ D、LCZ F和LCZ G类内SUHII差异相对较大； ④ LCZ类型表现出昼夜不同的热特性和源汇角色变化。LCZ G存在昼夜源汇变化，夜间呈现出明显的城市热源特性。本文所采用的10个时刻的ECOSTRESS LST数据克服了以往利用单一固定时刻的LST数据对于SUHII的高估和低估，所得到的LCZ类间和类内SUHII差异对比结果降低了城市热环境定量研究的不确定性，并为城市热环境源汇景观设计的昼夜权衡提供了理论依据和实践支持。

关键词： 城市热岛强度; 局地气候区; 类间差异; 类内差异; 日变化; 源汇理论; ECOSTRESS; 北京市

本文引用格式

张伟伟 , 贾若愚 , 田明 , 徐新良 , 刘佳雯 , 韩冬锐 , 贺曈 , 孙宗耀 , 从辉 , 乔治 . 利用ECOSTRESS探究LCZ类间和类内城市热环境日动态变化[J]. 地球信息科学学报, 2024 , 26(3) : 679 -692 . DOI: 10.12082/dqxxkx.2024.230511

Abstract

In the context of global warming and accelerated urbanization, urban thermal environment has received widespread attention. Understanding the spatiotemporal changes of urban thermal environment and the impact of urban spatial form on urban local climate is crucial for alleviating the urban heat island effect. ECOSTRESS can generate Land Surface Temperature (LST) with high temporal resolution at different times of day and night, providing an opportunity for dynamic evaluation of urban thermal environment from a fine spatiotemporal scale. This paper explores the spatiotemporal changes of surface urban heat island intensity (SUHII) within Beijing's sixth ring road based on ECOSTRESS LST data, as well as the SUHII differences of inter- and intra-LCZ at different times of day and night, to investigate the impact of different urban landscapes. The results show that: (1) The SUHII of the study area has spatiotemporal heterogeneity. At 6 am, the SUHII is the lowest; at 10 am, the SUHII reaches its maximum; and SUHII gradually decreases in the afternoon and begins to rise around 6 pm, reaching its nighttime maximum around 9 pm; (2) During the daytime, LCZs exhibit significant differences in source and sink. Built-up LCZs (excluding LCZ 9) and natural LCZs (LCZ E~F) are generally sources, LCZ 9 and LCZ B~C are generally sinks, and LCZ A and LCZ G exhibit diurnal variations in source and sink; (3) Intra-LCZ SUHII exhibits significant day/night and type differences. The intra-LCZ SUHII differences are the lowest around 6 am and reach maximum around 1 pm. In the built-up LCZs, the intra-LCZ SUHII differences in low rise buildings are generally larger than those in mid to high rise buildings. In the natural LCZs, the intra-LCZ SUHII differences in LCZ C and LCZ E are relatively low, while the intra-LCZ SUHII differences in LCZ D, LCZ F, and LCZ G are relatively large; (4) The LCZs exhibit different thermal characteristics and changes in their roles as source and sink during day and night. LCZ G exhibits diurnal changes in source and sink, water bodies exhibit significant source characteristics at nighttime. The use of ECOSTRESS LST data from 10 different times of the day in this paper overcome the overestimation and underestimation of SUHII using only a single fixed time LST data in the past studies. The comparison results of inter- and intra-LCZ SUHII differences obtained reduce the uncertainty of quantitative research on urban thermal environment, and provide theoretical basis and practical support for the day and night balance of urban thermal environment source and sink landscape design.

Key words： urban heat island intensity; local climate zones; inter-LCZ differences; intra-LCZ differences; diurnal variation; source and sink theory; ECOSTRESS; Beijing

1 引言

全球气候变化以温度升高为主要特征并对生态环境和人类社会可持续发展构成巨大挑战[1]。政府间气候变化专门委员会（IPCC）第六次评估报告指出，2011—2020年全球地表温度比1850—1900年升高了1.1 ℃，导致极端天气事件愈加频繁和强烈[2]。城市化进程在很大程度上改变了城市局地气候，增加了城市人口热暴露风险，特别是在高温热浪期间[3]。同时，城市热岛效应增加了能源消耗[4]，加重了空气污染[5]，导致人类发病率与死亡率上升[6]，对人类健康、生产、生活等方面产生重要影响[7]。随着遥感技术的进步，高时空分辨率地表温度数据为城市热环境日循环动态研究提供了新的视角，有助于准确刻画城市地表温度时空变化规律，揭示城市热环境的昼夜成因与演变机制，从而为提升城市气候韧性和构建气候适应型城市，加快推进人与自然和谐共生的现代化提供理论依据和实践价值[8]。
传统的城乡二分法忽略了城乡内部三维空间结构与地表材质等多方面的差异[9]，而且目前研究多关注二维景观格局（如土地覆盖类型[10]、不透水面比例[11]、蓝绿空间[12]等）对城市热环境的影响，对城市三维空间形态的研究则相对较少[13]。局地气候区（Local Climate Zones, LCZ）分类体系为研究城市热环境时空格局和成因过程提供了基本框架，基于地表覆盖、地表结构、地表材质和人类活动等多方面的差异，系统地将城市下垫面划分为17种基本类型，包括10种建筑类型（LCZ 1~10）和7种自然类型（LCZ A~G）[14]，其不再仅仅将城市简单划分为城区和乡村，而是可以在更细致的三维空间层面上理解城市内部多样性和异质性。通过分析不同局地气候区的城市热环境空间特征，制定更有针对性的城市热环境调控策略，从而为改善城市居住环境，提升城市适应能力以及缓解气候变化所带来的风险提供科学支持[15]。
城市热环境的时空分布探测和评估通常依赖于定点气温观测和基于卫星数据的地表温度（Land Surface Temperature， LST）遥感反演[16]。定点气温观测因其较高的时间分辨率和长时间序列监测优势，被广泛用于探索城市热环境时间变化特征。然而，由于观测仪器和站点数量的限制，对于城市内部温度的空间变化特征分析受到一定制约[17]。基于卫星数据的地表温度遥感反演具有易于获取和空间覆盖面积广的优势[18]，在大尺度和局部尺度的城市热环境研究中均具有重要地位[19]。地表温度遥感反演能够揭示城市高温热点区域，并克服气象站点分布不均匀的缺陷。但是由于时空分辨率的相互制约，获取高时空分辨率的地表温度数据非常困难[20]。地球静止卫星可以提供每小时或次小时时间尺度的高频地表温度数据，但是其空间分辨率相对较低（2~5 km）[21]。Landsat（60~120 m）和ASTER（90 m）数据由于高空间分辨率被广泛用于城市热环境研究，但其重访周期较长，并且Landsat受过境时间限制通常仅提供白天数据，同时ASTER数据量有限，均制约了地表温度数据日变化的研究[22]。美国国家航空航天局（NASA）最新的生态系统星载热辐射计实验（ECOsystem Spaceborne Thermal Radiometer Experiment on Space Station，ECOSTRESS）可以在一天中的不同时间连续收集53.6°N—53.6°S区域的地表温度，重返周期为 1~5 d，空间分辨率为70 m [23]。基于以上优势，ECOSTRESS为在高时间分辨率上对城市热环境进行日动态评估提供了前所未有的机遇。由于ECOSTRESS可以获取不同时刻的LST数据（尽管采样日期不同），有学者结合GOES-R[11]和CGLOPS LST[19⇓⇓⇓⇓-24]数据对ECOSTRESS LST数据进行了校正，可以将不同日期、气象条件等对地表温度的影响差异最小化。有学者利用ECOSTESS LST数据研究日尺度内城市景观对地表温度的影响[19]以及不同季节地表温度的昼夜变化[25]，也有学者结合人口数据开展了人口热暴露日动态风险评价[21,26]。虽然已有众多研究利用ECOSTRESS LST数据的高时间分辨率优势对城市地表温度的日动态变化进行了分析，但是基于LCZ视角对地表城市热岛强度（Surface Urban Heat Island Intensity，SUHII）精细化时空变化过程的研究较少，尤其缺少对LCZ类内SUHII差异的对比分析。
本文使用夏季（5—9月）昼夜10个时刻的ECOSTRESS LST数据，基于LCZ视角研究北京市六环内城市热环境日动态变化特征，分析不同时刻LCZ类间与类内SUHII差异特征规律，为从城市规划和城市更新途径主动适应和减缓城市热环境风险提供理论依据和实践支持。

2 研究区概况、数据来源与研究方法

2.1 研究区概况

北京市位于华北平原北部（39°26' N—41°03' N，115°25' E—117°30' E），总面积为16 410.54 km2，如图1所示。北京市地势西北高、东南低，属暖温带半湿润半干旱季风气候，夏季高温多雨，冬季寒冷干燥，春秋短促。近年来，人口增长和人为热排放增加对城市热环境造成巨大压力[27]，城市温度（包括气温和地表温度）和城市热岛强度呈显著上升趋 势[28]，城市热岛足迹急剧增长[29]，城市气候问题日益增多[30]，尤其城市内部热环境叠加污染等问题，而且高温热浪等对于人居环境健康和可持续发展影响愈发明显[31]。因此，本文选择北京市六环内区域为研究区。一方面，考虑到其空间发展对城市热环境的影响作用显著，这些城市气候问题在我国具有较强的典型性和代表性，有助于科学规律的探索与提炼[32]。另一方面，由于促进京津冀协同发展和 防范京津冀城市群热环境叠加复合风险的迫切需求[33]，亟需相关决策参考信息和数据支持。
图1 研究区地理位置、遥感图像和LCZ分类

Fig. 1 Geographical location, remote sensing data and LCZ classification of the study area

2.2 数据来源与预处理

2.2.1 局地气候区数据

LCZ地图数据来源于世界城市数据库和访问门户工具（World Urban Database and Access Portal Tools，WUDAPT） (http://www.wudapt.org/)，空间分辨率为100 m×100 m。LCZ地图数据可以在整体上细化城市区域类型并表示微观土地利用/覆被和相关物理特性的典型组合（表1）。与其他土地利用/覆被分类相比，其更加侧重于城市和农村景观类型，尤其突出建筑物三维空间结构特征。研究区LCZ分类结果包括16种（缺少LCZ 7类型）。为保证其与ECOSTRESS LST数据的空间一致性，本文对LCZ数据进行了重采样处理。
表1 LCZ体系的基本类型和城市形态指标[14]

Tab. 1 Standard types and spatial morphological indicators of the LCZ scheme

类别名称 示意图 SVF AR BSF/% ISF/% PSF/% HRE/m
LCZ 1
紧凑高层建筑		 0.2~0.4 >2 40~60 40~60 <10 >25
LCZ 2
紧凑中层建筑		 0.3~0.6 0.75~2.00 40~70 30~50 <20 10~25
LCZ 3
紧凑低层建筑		 0.2~0.6 0.75~1.50 40~70 20~50 <30 3~10
LCZ 4
开阔高层建筑		 0.5~0.7 0.75~1.25 20~40 30~40 30~40 >25
LCZ 5
开阔中层建筑		 0.5~0.8 0.30~0.75 20~40 30~50 20~40 10~25
LCZ 6
开阔低层建筑		 0.6~0.9 0.30~0.75 20~40 20~50 30~60 3~10
LCZ 7
轻质低层建筑		 0.2~0.5 1.0~2.0 60~90 <20 <30 2~4
LCZ 8
大型低层建筑		 >0.7 0.1~0.3 30~50 40~50 <20 3~10
LCZ 9
零散低层建筑		 >0.8 0.10~0.25 10~20 <20 60~80 3~10
LCZ 10
工业厂房		 0.6~0.9 0.2~0.5 20~30 20~40 40~50 5~15
LCZ A
茂密树林		 <0.4 >1 <10 <10 >90 3~30
LCZ B
稀疏树林		 0.5~0.8 0.25~0.75 <10 <10 >90 3~15
LCZ C
灌木或矮树		 0.7~0.9 0.25~1.00 <10 <10 >90 <2
LCZ D
低矮植被		 >0.9 <0.1 <10 <10 >90 <1
LCZ E
裸露岩石或人工地面		 >0.9 <0.1 <10 >90 <10 <0.25
LCZ F
裸土或沙地		 >0.9 <0.1 <10 <10 >90 <0.25
LCZ G
水体		 >0.9 <0.1 <10 <10 >90 —

注： SVF为Sky View Factor天空开阔度； AR为Aspect Ratio高宽比； BSF为Building Surface Fraction建筑覆盖率； ISF为Impervious Surface Fraction下垫面不透水面比例； PSF为Pervious Surface Fraction下垫面透水面比例； HRE为Height of Roughness Elements地表覆盖物高度/m。

2.2.2 地表温度数据

地表温度数据来源于美国国家航空航天局国际空间站生态系统星载热辐射计实验（ECOSTRESS）下的大气校正地表温度和发射率二级产品（ECO2LSTE）（https://appeears.earthdatacloud.nasa.gov/explore）。该数据产品使用基于物理的温度发射率分离（Temperature Emissivity Separation，TES）算法，通过8~12.5 μm波长之间的5个热红外波段反演LST。算法理论基础文件中的模拟和验证结果表明，ECOSTRESS LST产品在所有地表类型上的1 K水平上具有一致的精度[34]。最近的验证工作表明，该产品在所有全球验证点的平均均方根误差（RMSE）为1.07 K，平均绝对误差（MAE）为0.40 K， R2>0.988[35]。
本文使用5—9月ECOSTRESS LST数据表征夏季城市热环境时空特征。由于遥感数据被云层覆盖的像元所得到的地表温度明显低于周边不受影响的像元[36],为避免云层等大气条件的干扰，所选取的数据产品尽可能满足当日天气晴朗、无云或少云、静风或微风等条件以保证数据精度（表2）。各时刻的地表温度数据是在不同日期所获得，因此本文选择了气温相近的日期以减少背景天气的影响[21]。同时选择近4年（2019—2023年）数据产品避免城市下垫面快速变化对于地表温度的非必要影响。经过筛选，最终选取了10期影像，并利用ECOSTRESS LST数据产品所提供的云掩膜数据进行了去云处理。该数据产品空间分辨率为70 m×70 m。
表2 所选地表温度数据采集日期的天气情况

Tab. 2 Weather conditions of selected LST data collection dates

日期 时刻（北京时间） 天气 平均温度/℃ 气象条件
2022-05-22 00:54 晴 27 西风2级
2020-07-15 04:11 晴 28 西南风2级
2022-07-07 06:29 晴 29 南风2级
2023-06-15 08:00 晴 30 北风3级
2019-09-02 09:31 晴 26 南风2级
2020-08-11 10:42 晴 29 西南风2级
2022-06-18 13:41 晴 28 南风2级
2022-05-29 15:13 晴 26 西北风2级
2022-07-21 18:21 晴 28 东南风2级
2022-05-29 21:43 晴 26 西北风2级

2.3 基于LCZ的地表城市热岛强度计算

城市热岛效应本质是表征城市化改变局地热环境的能力。SUHII作为表征城市热岛效应的重要参数，是指城市中心地表温度与郊区的差值。本文定义低矮植被（LCZ D）为郊区参考[37]，统计每一时刻LCZ D区域的地表温度平均值作为郊区地表温度的阈值，并依据该阈值计算该时刻研究区所有像元的SUHII，在此基础上，进一步统计不同类型LCZ的SUHII平均值和标准差，定量对比LCZ类间和类内SUHII差异。
S U H I I i = L S T i - L S T ¯ L C Z D
式中：SUHIIi表示像元i的SUHII； LSTi表示像元i的地表温度值； L S T ¯ L C Z   D表示LCZ D的地表温度平均值。
LCZ类内差异定义为同一类型LCZ的SUHII的标准差[38]。
Δ S U H I I i n t r a = 1 N ∑ i = 1 N ( S U H I I i - S U H I I ¯ L C Z X ) 2
式中：∆SUHIIintra表示LCZ X的类内差异；N表示LCZ X的像元数量；SUHIIi表示分类为LCZ X的像元i处的SUHII； S U H I I ¯ L C Z X表示LCZ X的平均SUHII。

3 结果及分析

3.1 地表城市热岛强度日变化时空特征

北京市六环内区域SUHII时空分布如图2所示，结果表明研究区SUHII具有显著的时空差异。研究区SUHII平均值在清晨6时最低，该时刻SUHII空间异质性也较低。随着太阳辐射增加，研究区SUHII平均值逐渐上升，在10时达到最大值。13时研究区地表温度达到最高值，空间异质性也最强。白天研究区内部的公园、河流等形成了明显的冷点区域。傍晚18时开始，研究区SUHII平均值开始增强。夜间SUHII平均值的变化幅度小于白天，21时研究区SUHII平均值达到夜间最高，然后SUHII开始逐渐下降。夜间SUHII较高的区域主要分布在五环以内，同时北京外围区域南部的房山、大兴、亦庄新城，东部的定福庄、东坝、通州，东北部的首都国际机场，北部的清河、北苑区域，西部的石景山区形成了热点区域。
图2 研究区地表城市热岛强度在不同时刻的空间分布

Fig. 2 The spatial distribution of SUHII at different times in the study area

3.2 地表城市热岛强度的LCZ类间差异

本文对比了夏季昼夜10个时刻不同类型LCZ的SUHII日变化特征（图3）。当某一时刻，LCZ类型的平均SUHII>0时，定义该LCZ类型为热源（升温效应），反之则为热汇（降温效应）。不同类型LCZ对于城市热环境表现出显著的源、汇角色差异，并且同一类型LCZ的源汇贡献程度在不同时刻有很大差异，甚至某些LCZ类型昼夜源汇角色也发生了变化。
图3 不同LCZ的平均地表城市热岛强度日周期变化曲线

Fig. 3 Diurnal fluctuation curve of average SUHII for different LCZs

如图4所示，建筑类型LCZ中，水平方向上不同的建筑密度和植被覆盖度，垂直方向上不同的建筑高度等参数特征，导致SUHII具有显著的时空差异特征[39]。在相同建筑高度下，紧凑型建筑（LCZ 1~3）的SUHII平均值高于开阔型建筑（LCZ 4~6），主要是因为紧凑型建筑相比开阔型建筑，区域通风效率低，而且植被覆盖比例低，人为热排放高[40]。对于紧凑型建筑，白天LCZ 2的SUHII平均值最高，其次是LCZ 3和LCZ 1。夜间，随着建筑高度的降低，SUHII平均值逐渐降低。白天高层建筑的SUHII平均值最低，可能是由于高层建筑形成的遮蔽与阴影导致的[41]。随着建筑高度的降低，天空可视因子越大，夜间地面长波辐射越容易释放，有利于降温[42]。对于开阔型建筑，LCZ 4和LCZ 5的SUHII平均值显著高于LCZ 6。LCZ 8由于较大的屋顶表面和开放的铺砌表面[43]，植被覆盖度低，一直表现为热源，并在10时SUHII平均值达到最高值。LCZ 3、LCZ 6和LCZ 8在四环以内少量分布，大部分在五环和六环分布，而且在六环比例远高于五环。通过统计不同环线内的SUHII，发现SUHII基本上沿着环线逐渐降低，导致LCZ的SUHII平均值接近六环的SUHII，掩盖了城市中心区域的高值。LCZ 9在六环区域少量分布，由于建筑稀疏、不透水面比例低，植被覆盖度高，一直表现为热汇，SUHII平均值随时间变化不大，在13时达到最低值。LCZ 10由于工业热排放和不透水面的升温作用，除6时表现为热汇外，其余时间均为热源，并在10时其SUHII平均值达到最高值。
图4 不同LCZ在昼夜不同时刻的地表城市热岛强度箱型图

Fig. 4 Boxplots of the SUHII for different LCZs at different observation times of day and night

对于自然类型LCZ，LCZ A主要分布在西部公园，在2时至19时表现为热汇，其余时间表现为热源。下午15时，其SUHII平均值达到最低值，白天表现出极强的降温作用，主要是由于树叶可以遮挡和吸收大部分太阳辐射能量，并且蒸腾作用将大部分太阳辐射转化为潜热[44]。夜间0时，其SUHII平均值达到最高值，主要是因为夜间树叶气孔可能关闭，蒸腾作用减少[45]，同时郁闭的林冠对近地层的热交换起到阻碍作用，林内热量不易散失，导致林内温度高于林外[46]。由于西部公园海拔较高，降低了LCZ A的地表温度，导致白天高估了LCZ A的降温效果，而在夜间低估了LCZ A的升温效果。LCZ B在下午15时，其SUHII平均值达到最低值，夜间0时，其SUHII平均值达到最高值，白天的降温效果显著高于夜间。LCZ C一直表现为热汇，其SUHII平均值在13时达到最低值。由于裸露岩石/人工地表、沙土/裸地的低热惯量特性[47]，LCZ E和LCZ F一直表现为热源，LCZ E的SUHII平均值在上午10时达到最高值，LCZ F的SUHII平均值在13时达到最高值。LCZ G在8时至17时表现为热汇，其余时间则转变为热源。由于水的比热容高，白天升温速度慢，表现为热汇，其SUHII平均值在下午15时达到最低值，而在夜间由于热量释放慢，表现为热源，在21时SUHII平均值达到最高值。

3.3 地表城市热岛强度的LCZ类内差异

LCZ类内SUHII表现出显著的昼夜和类型差异特征（表3）。类内差异整体上在6时左右最小，在13时左右最大。对比建筑类型LCZ，整体上来看，低层建筑（LCZ 3、LCZ 6和LCZ 8）类内差异相对较高，而中高层建筑（LCZ 1~2，LCZ 4~5）类内差异相对较低。LCZ 10类内差异也相对较小，可能是因为工业厂房类型单一导致的。对比自然类型LCZ，LCZ C和LCZ E类内差异相对较小，而LCZ D、LCZ F和LCZ G类内差异相对较大。LCZ C由于生态系统类型少，类内差异相对较小。LCZ E主要集中在首都国际机场，结构单一，类内差异相对较小。
表3 不同LCZ在昼夜不同时刻的类内地表城市热岛强度差异

Tab. 3 The SUHII differences of intra-LCZ at different times of day and night (℃)

LCZ类型 00:54 04:11 06:29 08:00 09:31 10:42 13:41 15:13 18:21 21:43 日平均值
LCZ 1 1.06 0.77 0.43 1.00 1.31 1.89 2.16 1.50 0.75 0.69 1.16
LCZ 2 1.03 0.87 0.42 0.87 1.18 1.82 2.33 1.38 0.78 0.81 1.15
LCZ 3 1.39 1.20 0.60 0.99 1.56 3.07 2.97 1.73 1.49 1.58 1.66
LCZ 4 1.08 1.02 0.46 0.95 1.22 1.90 2.42 1.64 0.95 0.89 1.25
LCZ 5 1.21 1.10 0.55 1.04 1.38 2.17 2.75 1.80 1.21 1.10 1.43
LCZ 6 1.57 1.14 0.66 1.26 1.69 2.37 3.28 2.24 1.47 1.65 1.73
LCZ 8 1.42 1.19 0.62 1.30 1.84 3.09 3.17 2.04 1.44 1.65 1.78
LCZ 9 1.22 0.85 0.75 1.48 1.73 1.75 3.33 2.76 1.10 1.70 1.67
LCZ 10 0.87 0.98 0.73 1.16 1.15 1.49 2.15 1.69 0.96 0.80 1.20
LCZ A 1.02 0.89 1.24 1.43 1.52 1.51 2.26 2.47 1.58 1.03 1.50
LCZ B 1.52 1.21 0.93 1.33 1.43 1.96 2.93 2.59 1.48 1.53 1.69
LCZ C 0.86 0.76 0.36 0.58 1.54 0.74 2.35 1.01 0.72 1.96 1.09
LCZ D 1.60 1.24 0.77 1.77 1.74 2.22 3.65 2.99 1.47 1.92 1.94
LCZ E 0.97 1.36 0.48 0.87 0.99 1.55 2.10 0.82 1.44 1.34 1.19
LCZ F 1.89 1.59 0.81 2.36 1.60 3.58 3.60 2.90 2.26 2.14 2.27
LCZ G 1.28 1.26 1.16 1.24 1.68 2.44 3.53 2.98 1.34 1.33 1.82
类型平均值 1.25 1.09 0.69 1.23 1.47 2.10 2.81 2.03 1.28 1.38 1.53
LCZ类内SUHII差异不仅受到景观异质性的影响，也会受到空间分布的影响。北京市圈层式的空间发展模式，导致SUHII基本上从城市中心沿着环线逐渐下降，LCZ类内SUHII不仅在不同环线之间存在差异，而且在同一环线内也存在差异。LCZ G类型多而分散，在二环到六环均有分布，大部分分布在六环，SUHII基本上沿着环线逐渐降低，造成类内差异较大。LCZ D主要分散在六环，但是由于空间分布范围较广，生态系统类型较多，导致类内差异相对较大。LCZ F类型少而分散，主要分布在五环和六环，受邻域空间影响较大，造成类内差异较大。

4 讨论

本文利用ECOSTRESS LST高时间分辨率数据探索了北京市六环内夏季SUHII在日尺度上的空间分布特征以及LCZ类间和类内SUHII差异。
（1）同一地区SUHII具有显著的时间异质性。例如，清晨6时左右，研究区SUHII平均值最小，10时左右SUHII平均值达到最大值，13时左右SUHII平均值开始下降，18时左右开始上升，21时左右达到夜间最高值。因此，对比以往研究使用Landsat、MODIS遥感数据定量评估城市热岛效应，受卫星过境时间的限制通常采用单一固定时刻（10:25 am，01:30 am/pm，10:30 am/pm）的地表温度数据会对城市热岛效应研究带来一定的高估或低估。
（2）本研究对于LCZ类内SUHII差异的探索结果充分证明土地利用类型的地理分布、结构特征和邻域空间对SUHII的昼夜变化将产生显著影响。对比以往研究多利用ECOSTRESS LST数据分析土地利用类型和LCZ类间LST差异，而忽视对类内SUHII差异的分析，这对城市热环境定量研究带来了较大的不确定性。尤其体现在城市热岛足迹识别和城市热岛强度测度时，郊区像元的空间选择应充分考虑其作为背景场不受（或少受）城市像元和昼夜时间影响的稳定性。因此，利用传统城乡二元法选择乡村或郊区代表性区域评估城市热岛效应时应充分考虑所选取参考像元（或空间缓冲）类间和类内的LST和SUHII稳健性 特征。
（3）LCZ类间SUHII昼夜差异结果表明城市景观表现出显著的城市热环境昼夜特性。例如，对于紧凑型建筑，虽然LCZ 1在白天SUHII低于LCZ 2和LCZ 3，但是在夜间SUHII高于LCZ 2和LCZ 3。对于开阔型建筑，中高层建筑的SUHII高于低层建筑。因此，对于主要在夜间使用的住宅，提升建筑高度并不能改善夜间城市热岛效应和人类热舒适度。LCZ G存在昼夜源汇变化，夜间呈现明显的城市热源特性。对于夜间SUHII比较高的中高层建筑来说，增加绿地比例相较增加水体面积更有助于改善夜间城市热岛效应。开敞的建筑布局可获得更高效的通风效能，中心城区过于密集的中高层建筑大大降低了通风效能，加剧了热量的累积[48]，导致中心城区城市热岛效应显著，尤其是夜间。因此，合理规划城市通风廊道[49]，利用通风良好的城市口袋公园和环形、楔形绿地，最大化连接通风潜力大的建筑物区块单元，将有助于改善中心城区的城市热环境[50]。以上研究结果将为城市规划和设计者在主动适应和减缓城市气候变化风险的生态环境工程中考虑城市热环境源汇景观的昼夜权衡提供实践参考。
基于本文研究结果，SUHII不仅受到建筑物空间属性的影响，也会受到地理区位的影响，因此，分析不同LCZ类型的热环境特性需要考虑空间分布的影响。不同LCZ在不同环线的比例有较大差异，如LCZ 3、LCZ 6和LCZ 8很大比例在六环分布，其SUHII的平均值比较接近六环的SUHII值，而中高层建筑在不同环线内分布相对较为平均，这些空间分布对LCZ类间SUHII差异分析带来不确定性。由于研究区的空间范围较大，需要同时考虑LCZ的类内SUHII差异。因此，研究较大区域城市热环境特征时，如果直接使用在整个研究区的平均值分析会在一定程度忽略不同子区域的特征，建议分环线或者分区域在精细化空间尺度开展城市微气候研究。
本文ECOSTRESS LST数据是在不同日期获取的，SUHII会受到当日气象条件的影响，而且无法获取正午时刻的ECOSTRESS LST数据，所得出的SUHII的最大值和时间可能与实际存在偏差，对SUHII的日动态评估带来了一定的不确定性。在未来研究中，可通过获得全天候遥感数据或结合地面监测和数值模拟技术获得高时间分辨率的地表温度数据，从而研究不同气候背景、不同季节与城市规模下SUHII日动态变化规律，进一步分析城市热环境的日循环空间特征规律和成因机制，为主动适应和减缓气候变化和城市热环境风险提供理论依据和实践支持。

5 结论

本文利用高时间分辨率ECOSTRESS LST数据，深入探讨了北京市六环内夏季SUHII的日动态变化模式，并从LCZ视角进一步解析了SUHII时空差异，推动了对于城市热岛效应时空规律更为全面的理解。本文所采用的10个时刻的ECOSTRESS LST数据，克服了以往利用单一固定时刻的地表温度数据研究城市热岛效应所面临的限制，有助于进一步揭示城市热岛效应的日动态特征。通过分析不同LCZ类型的SUHII类间和类内差异，验证了土地利用类型的地理分布、结构特征和邻域空间对SUHII昼夜变化的影响，对于降低城市热环境定量研究的不确定性提供了理论依据。同时，LCZ类型SUHII昼夜变化规律为城市热环境源汇景观设计在改善城市热环境的昼夜权衡中提供了实践参考。
研究结果发现，研究区SUHII呈现出显著的LCZ类间和类内差异。建筑类型LCZ（除LCZ 9）、自然类型LCZ E~F整体上为热源，SUHII在清晨6时左右最低，上午10时左右达到最高值。LCZ 9、LCZ B~C整体上为热汇。LCZ A和LCZ G在下午15时左右SUHII达到最低值，但在夜间则转变为热源。不同LCZ类型的空间分布和景观异质性差异，导致LCZ类内SUHII表现出显著的类型差异特征。由于研究区范围较大，从城市中心沿着环线向外延伸，SUHII基本上呈下降趋势。除中心城区外，通州以及大兴、亦庄、房山作为承接中心城区适宜功能和人口疏解的重点地区，同样面临着显著的城市热岛效应。
本文从LCZ视角探索精细化时空尺度上SUHII的日动态变化，研究结果可为城市规划和城市更新中缓解热岛效应、提升人居环境热舒适度提供参考。紧凑型建筑的SUHII显著高于开阔型建筑。开阔型建筑中，中高层建筑的SUHII高于低层建筑。LCZ G存在昼夜源汇变化，夜间呈现明显的城市热源特性。因此，在城市规划和城市更新中应该合理优化建筑结构和空间布局，城市中心要避免过于密集的中高层建筑，同时科学合理调控绿地和水体的比例改善城市内部热环境，从而实现主动应对和减缓气候变化。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
乔治, 陈嘉悦, 王楠, 等. 基于MSPA和电路理论的京津冀城市群热环境空间网络[J]. 环境科学, 2023, 44(6):3034-3042.

[ Qiao Z, Chen J Y, Wang N, et al. Spatial network of urban heat environment in Beijing-Tianjin-Hebei urban agglomeration based on MSPA and circuit theory[J]. Environmental Science, 2023, 44(6):3034-3042. ] DOI: 10.13227/j.hjkx.202206310

[2]
IPCC. AR6 Synthesis Report: Climate Change 2023[EB/OL]. 2023-03-20) [2023-08-20].

[3]
Heaviside C, Macintyre H, Vardoulakis S. The urban heat island: Implications for health in a changing environment[J]. Current Environmental Health Reports, 2017, 4(3):296-305. DOI:10.1007/s40572-017-0150-3

PMID

[4]
Santamouris M, Cartalis C, Synnefa A, et al. On the impact of urban heat island and global warming on the power demand and electricity consumption of buildings—A review[J]. Energy and Buildings, 2015, 98:119-124. DOI: 10.1016/j.enbuild.2014.09.052

[5]
Kalisa E, Fadlallah S, Amani M, et al. Temperature and air pollution relationship during heatwaves in Birmingham, UK[J]. Sustainable Cities and Society, 2018, 43:111-120. DOI:10.1016/j.scs.2018.08.033

[6]
Patz J A, Campbell-Lendrum D, Holloway T, et al. Impact of regional climate change on human health[J]. Nature, 2005, 438(7066):310-317. DOI:10.1038/nature04188

[7]
刘宇翔, 杨英宝, 胡佳, 等. 基于长时序MODIS数据的中国城市昼夜热岛强度时空特征[J]. 地球信息科学学报, 2022, 24(5):981-995.

DOI

[ Liu Y X, Yang Y B, Hu J, et al. Temporal and spatial characteristics of diurnal surface urban heat island intensity in China based on long time series MODIS data[J]. Journal of Geo-information Science, 2022, 24(5):981-995. ] DOI:10.12082/dqxxkx.2022.210520

[8]
Chang Y, Xiao J F, Li X X, et al. Monitoring diurnal dynamics of surface urban heat island for urban agglomerations using ECOSTRESS land surface temperature observations[J]. Sustainable Cities and Society, 2023, 98:104833. DOI:10.1016/j.scs.2023.104833

[9]
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):1860-1878.

DOI

[ 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):1860-1878. ] DOI:10.11821/dlxb202009004

[10]
Qiao Z, Lu Y S, He T, et al. Spatial expansion paths of urban heat islands in Chinese cities: Analysis from a dynamic topological perspective for the improvement of climate resilience[J]. Resources, Conservation and Recycling, 2023, 188:106680. DOI:10.1016/j.resconrec.2022.106680

[11]
Chang Y, Xiao J F, Li X X, et al. Combining GOES-R and ECOSTRESS land surface temperature data to investigate diurnal variations of surface urban heat island[J]. Science of the Total Environment, 2022, 823:153652. DOI: 10.1016/j.scitotenv.2022.153652

[12]
赵海月, 胡淼, 朱建宁, 等. 高密度中心城区蓝绿空间冷岛效应及其影响因素—以北京五环路以内地区为例[J]. 生态学报, 2023, 43(12):4904-4919.

[ Zhao H Y, Hu M, Zhu J N, et al. Blue-green space cooling effect and its influencing factors in metropolitan area: A case study on the area within the Fifth Ring Road in Beijing[J]. Acta Ecologica Sinica, 2023, 43(12):4904-4919. ] DOI:10.5846/stxb202205251482

[13]
周伟奇, 田韫钰. 城市三维空间形态的热环境效应研究进展[J]. 生态学报, 2020, 40(2):416-427.

[ Zhou W Q, Tian Y Y. Effects of urban three-dimensional morphology on thermal environment: A review[J]. Acta Ecologica Sinica, 2020, 40(2):416-427. ] DOI:10.5846/stxb201902250353

[14]
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

[15]
王亚莎, 詹庆明, 欧阳婉璐. 城市局地气候区的构建及其城市功能形态特征分析[J]. 城市建筑, 2020, 17(1):5-13.

[ Wang Y S, Zhan Q M, Ouyang W L. Construction of urban local climate zoning and analysis on its urban morphology[J]. Urbanism and Architecture, 2020, 17(1):5-13. ] DOI:10.19892/j.cnki.csjz.2020.01.001

[16]
Voogt J A, Oke T R. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003, 86(3):370-384. DOI:10.1016/S0034-4257(03)00079-8

[17]
王煜, 唐力, 朱海涛, 等. 基于多源遥感数据的城市热环境响应与归因分析—以深圳市为例[J]. 生态学报, 2021, 41(22):8771-8782.

[ Wang Y, Tang L, Zhu H T, et al. The study of urban thermal environment dynamics and attribution analysis based on multiple remote sensing dataset: In the case of Shenzhen[J]. Acta Ecologica Sinica, 2021, 41(22):8771-8782. ] DOI:10.5846/stxb202105281408

[18]
江颂, 彭建, 董建权, 等. 地表城市热岛效应的概念内涵与定量刻画[J]. 地理学报, 2022, 77(9):2249-2265.

DOI

[ Jiang S, Peng J, Dong J Q, et al. Conceptual connotation and quantitative characterization of surface urban heat island effect[J]. Acta Geographica Sinica, 2022, 77(9):2249-2265. ] DOI:10.11821/dlxb202209008

[19]
Chang Y, Xiao J F, Li X X, et al. Exploring diurnal thermal variations in urban local climate zones with ECOSTRESS land surface temperature data[J]. Remote Sensing of Environment, 2021, 263:112544. DOI: 10.1016/j.rse.2021.112544

[20]
Mao Q, Peng J, Wang Y L. Resolution enhancement of remotely sensed land surface temperature: Current status and perspectives[J]. Remote Sensing, 2021, 13(7):1306. DOI:10.3390/rs13071306

[21]
赵欣, 赵凯旭, 黄晓军. 基于ECOSTRESS地表温度和手机信令数据的城市人口热环境暴露风险评价—以西安市为例[J]. 地理科学进展, 2022, 41(11):2061-2072.

DOI

[ Zhao X, Zhao K X, Huang X J. Population exposure risk to urban extreme heat environment based on ECOSTRESS land surface temperature and mobile phone signaling data: A case study of Xi’an City[J]. Progress in Geography, 2022, 41(11):2061-2072. ] DOI:10.18306/dlkxjz.2022.11.006

[22]
廖杨思雨. 利用长时序全天候地表温度数据研究城市热岛效应[D]. 成都: 电子科技大学, 2022.

[ Liao Y S Y. Using long-term all-weather land surface temperature data to study the urban heat island effect[D]. Chengdu: University of Electronic Science and Technology of China, 2022. ] DOI:10.27005/d.cnki.gdzku.2022.000903

[23]
Fisher J B, Lee B, Purdy A J, et al. ECOSTRESS: NASA’s next generation mission to measure evapotranspiration from the international space station[J]. Water Resources Research, 2020, 56(4):e2019WR026058. DOI:10.1029/2019WR026058

[24]
Yao X, Zeng X J, Zhu Z P, et al. Exploring the diurnal variations of the driving factors affecting block-based LST in a “Furnace city” using ECOSTRESS thermal imaging[J]. Sustainable Cities and Society, 2023, 98:104841. DOI:10.1016/j.scs.2023.104841

[25]
Shi Z P, Yang J, Wang L E, et al. Exploring seasonal diurnal surface temperature variation in cities based on ECOSTRESS data: A local climate zone perspective[J]. Frontiers in Public Health, 2022, 10:1001344. DOI: 10.3389/fpubh.2022.1001344

[26]
Yuan B, Zhou L, Hu F N, et al. Diurnal dynamics of heat exposure in Xi’an: A perspective from local climate zone[J]. Building and Environment, 2022, 222:109400. DOI: 10.1016/j.buildenv.2022.109400

[27]
He T, Wang N, Tong Y D, et al. Anthropogenic activities change population heat exposure much more than natural factors and land use change: An analysis of 2020-2100 under SSP-RCP scenarios in Chinese cities[J]. Sustainable Cities and Society, 2023, 96:104699. DOI:10.1016/j.scs.2023.104699

[28]
乔治, 黄宁钰, 徐新良, 等. 2003—2017年北京市地表热力景观时空分异特征及演变规律[J]. 地理学报, 2019, 74(3):475-489.

DOI

[ Qiao Z, Huang N Y, Xu X L, et al. Spatio-temporal pattern and evolution of the urban thermal landscape in metropolitan Beijing between 2003 and 2017[J]. Acta Geographica Sinica, 2019, 74(3):475-489. ] DOI:10.11821/dlxb201903006

[29]
Qiao Z, Wu C, Zhao D Q, et al. Determining the boundary and probability of surface urban heat island footprint based on a logistic model[J]. Remote Sensing, 2019, 11(11):1368. DOI:10.3390/rs11111368

[30]
Qiao Z, Wang N, Chen J Y, et al. Urbanization accelerates urban warming by changing wind speed: Evidence from China based on 2421 meteorological stations from 1978 to 2017[J]. Environmental Impact Assessment Review, 2023, 102:107189. DOI:10.1016/j.eiar.2023.107189

[31]
黄群芳. 北京夏季高温变化特征及对城市热岛强度的影响[J]. 气象科技, 2023, 51(1):66-74.

[ Huang Q F. Characteristics and amplified effect of summer high temperature on urban heat islands in Beijing[J]. Meteorological Science and Technology, 2023, 51(1):66-74. ] DOI:10.19517/j.1671-6345.20210428

[32]
乔治, 孙宗耀, 孙希华, 等. 城市热环境风险预测及时空格局分析[J]. 生态学报, 2019, 39(2):649-659.

[ Qiao Z, Sun Z Y, Sun X H, et al. Prediction and analysis of urban thermal environment risk and its spatio-temporal pattern[J]. Acta Ecologica Sinica, 2019, 39(2):649-659. ] DOI: 10.5846/stxb201710281932

[33]
乔治, 贺曈, 卢应爽, 等. 全球气候变化背景下基于土地利用的人类活动对城市热环境变化归因分析—以京津冀城市群为例[J]. 地理研究, 2022, 41(7):1932-1947.

DOI

[ Qiao Z, He T, Lu Y S, et al. Quantifying the contribution of land use change based on the effects of global climate change and human activities on urban thermal environment in the Beijing-Tianjin-Hebei urban agglomeration[J]. Geographical Research, 2022, 41(7):1932-1947. ] DOI:10.11821/dlyj020210787

[34]
Hulley G, Shivers S, Wetherley E, et al. New ECOSTRESS and MODIS land surface temperature data reveal fine-scale heat vulnerability in cities: A case study for Los Angeles County, California[J]. Remote Sensing, 2019, 11(18):2136. DOI:10.3390/rs11182136

[35]
Hulley G C, Göttsche F M, Rivera G, et al. Validation and quality assessment of the ECOSTRESS level-2 land surface temperature and emissivity product[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60:5000523. DOI:10.1109/TGRS.2021.3079879

[36]
乔治, 卢应爽, 贺曈, 等. 城市热岛斑块遥感识别及空间扩张路径研究—以北京市为例[J]. 地理科学, 2022, 42(8):1492-1501.

DOI

[ Qiao Z, Lu Y S, He T, et al. Identifying urban heat island patches and spatial expansion path based on remote sensing technology: A case of Beijing City[J]. Scientia Geographica Sinica, 2022, 42(8):1492-1501. ] DOI:10.13249/j.cnki.sgs.2022.08.017

[37]
Bechtel B, Demuzere M, Mills G, et al. SUHI analysis using Local Climate Zones: A comparison of 50 cities[J]. Urban Climate, 2019, 28:100451. DOI:10.1016/j.uclim.2019.01.005

[38]
Jiang S D, Zhan W F, Dong P, et al. Surface air temperature differences of intra- and inter-local climate zones across diverse timescales and climates[J]. Building and Environment, 2022, 222:109396. DOI:10.1016/j.buildenv.2022.109396

[39]
耿树丰, 任嘉义, 杨俊, 等. 局地气候区视角下的城市热环境研究[J]. 生态学报, 2022, 42(6):2221-2227.

[ Geng S F, Ren J Y, Yang J, et al. Exploration of urban thermal environment based on local climate zone[J]. Acta Ecologica Sinica, 2022, 42(6):2221-2227. ] DOI:10.5846/stxb202105181297

[40]
葛亚宁, 徐新良, 李静, 等. 北京城市建筑密度分布对热岛效应的影响研究[J]. 地球信息科学学报, 2016, 18(12):1698-1706.

DOI

[ Ge Y N, Xu X L, Li J, et al. Study on the influence of urban building density on the heat island effect in Beijing[J]. Journal of Geo-information Science, 2016, 18(12):1698-1706. ] DOI:10.3724/SP.J.1047.2016.01698

[41]
Huang X, Wang Y. Investigating the effects of 3D urban morphology on the surface urban heat island effect in urban functional zones by using high-resolution remote sensing data: A case study of Wuhan, Central China[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 152:119-131. DOI:10.1016/j.isprsjprs.2019.04.010

[42]
晏海, 杨诗敏, 郭晓晖, 等. 杭州市临安区局地气候区的下垫面组成与空间结构对冬季气温的影响[J]. 西北林学院学报, 2023, 38(3):228-234,266.

[ Yan H, Yang S M, Guo X H, et al. Effects of land cover composition and structure on air temperature in winter based on the local climate zone scheme[J]. Journal of Northwest Forestry University, 2023, 38(3):228-234,266. ] DOI:10.3969/j.issn.1001-7461.2023.03.30

[43]
Zhang L, Nikolopoulou M, Guo S J, et al. Impact of LCZs spatial pattern on urban heat island: A case study in Wuhan, China[J]. Building and Environment, 2022, 226:109785. DOI:10.1016/j.buildenv.2022.109785

[44]
赵恩灵, 邓帆, 李志远, 等. 基于局地气候区的武汉市地表热环境研究[J]. 长江流域资源与环境, 2023, 32(5):1030-1041.

[ Zhao E L, Deng F, Li Z Y, et al. Study on the thermal environment of Wuhan city based on local climate zones[J]. Resources and Environment in the Yangtze Basin, 2023, 32(5):1030-1041. ] DOI:10.11870/cjlyzyyhj202305013

[45]
Wang Q, Wang X N, Meng Y, et al. Exploring the impact of urban features on the spatial variation of land surface temperature within the diurnal cycle[J]. Sustainable Cities and Society, 2023, 91:104432. DOI:10.1016/j.scs.202 3.104432

[46]
孙金伟, 吴家兵, 关德新, 等. 森林与空旷地空气温湿度及土壤温度的长期对比研究[J]. 生态学杂志, 2011, 30(12):2685-2691.

[ Sun J W, Wu J B, Guan D X, et al. A long-term observation on the air temperature, relative humidity, and soil temperature in a mixed forest and its adjacent open site in Changbai Mountains of Northeast China[J]. Chinese Journal of Ecology, 2011, 30(12):2685-2691. ] DOI:10.13292/j.1000-4890.2011.0403

[47]
袁博. 城市三维空间形态对地表热环境的影响及热暴露风险评估[D]. 兰州: 兰州交通大学, 2022.

[ Yuan B. Effects of urban three-dimensional spatial morphology on land surface thermal environment and assessment of heat exposure risks[D]. Lanzhou: Lanzhou Jiaotong University, 2022. ] DOI:10.27205/d.cnki.gltec.2022.000993

[48]
刘火胜, 李思韬, 宛浩凯, 等. 基于局地气候分区的武汉市城市热岛时空分异特征[J]. 华中农业大学学报, 2023, 42(4):98-106.

[ Liu H S, Li S T, Wan H K, et al. Spatial-temporal differentiation characteristics of urban heat island in Wuhan City based on local climate zone[J]. Journal of Huazhong Agricultural University, 2023, 42(4):98-106. ] DOI:10.13300/j.cnki.hnlkxb.2023.04.011

[49]
Qiao Z, Xu X L, Wu F, et al. Urban ventilation network model: A case study of the core zone of capital function in Beijing metropolitan area[J]. Journal of Cleaner Production, 2017, 168:526-535. DOI:10.1016/j.jclepro.2017.09.006

[50]
黄焕春, 马原, 杨海林, 等. 特大城市通风廊道的地理设计方法探索[J]. 规划师, 2021, 37(13):66-71.

[ Huang H C, Ma Y, Yang H L, et al. Geographical design of metropolitan wind corridor[J]. Planners, 2021, 37(13):66-71. ] DOI: 10.3969/j.issn.1006-0022.2021.13.010

Options
文章导航

/

〈 〉