EN中文

Journal of Geo-information Science >

2018 , Vol. 20 >Issue 8: 1160 - 1168

DOI: https://doi.org/10.12082/dqxxkx.2018.180041

Seasonal Variations of Urban Surface Net Radiation and Its Relationship to Land Cover Pattern

  • WANG Feifei , 1, 2 ,
  • ZHAO Xiaofeng , 1, 3, * ,
  • LIU Xiuguang 4 ,
  • LIU Jiahui 1, 2 ,
  • LIN Jianyi 1
Expand
  • 1. Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Geomatics Center of Zhejiang, Hangzhou 310012, China
  • 4. China University of Geosciences, Wuhan 430074, China
*Corresponding author: ZHAO Xiaofeng, E-mail:

Received date: 2018-01-11

  Request revised date: 2018-04-03

  Online published: 2018-08-24

Supported by

National Natural Science Foundation of China, No.41371392, 71573242, 71273252.

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Rapid urbanization has led to land cover pattern changes which alter the surface net radiation and eventually influence surface energy balance. This process has been accompanied by a series of ecological and environmental problems, one of which is the urban heat island effect. Therefore, research on the seasonal variations of urban surface net radiation and its relationship to land cover pattern can provide important insights for exploring the formation and evolution mechanism of urban heat island. Taking Xiamen city as a study area, this research retrieved surface net radiation using Landsat-5 TM remote sensing images and meteorological data of the four seasons. Then the seasonal variation characteristics of surface net radiation were further analyzed. Landscape metrics were used to characterize and describe the spatial composition and allocation of land cover pattern. The correlation analysis, partial correlation analysis, stepwise regression analysis and variance partitioning were applied to explore the relationship between surface net radiation and land cover pattern from multi-seasonal perspective. The results suggest that: (1) the highest mean value of surface net radiation was found in summer, followed by spring, fall and winter. Surface net radiation is higher for the land cover types of water and forestland, while lower for built-up land and bare land. (2) The spatial allocation of land cover pattern has no significant influence on surface net radiation. (3) The spatial composition of land cover pattern shows significant influence on surface net radiation. The proportions of bare land and the proportion of forest land are effective and important factors which affect the changes of surface net radiation all the year round. And the proportion of forest land is the most important and continuously effective factor which affects and explains the cross-seasonal differences of surface net radiation. This research expands our scientific understanding of the effects of land cover pattern on surface net radiation. And it is helpful in exploring the formation and evolution mechanism of urban heat island. In addition, it may provide theoretical hints and realistic guidance for urban planning and sustainable development.

Key words： urban heat island; surface net radiation; land cover pattern; landscape metrics; seasonal variations; variance decomposition

Cite this article

WANG Feifei , ZHAO Xiaofeng , LIU Xiuguang , LIU Jiahui , LIN Jianyi . Seasonal Variations of Urban Surface Net Radiation and Its Relationship to Land Cover Pattern[J]. Journal of Geo-information Science, 2018 , 20(8) : 1160 -1168 . DOI: 10.12082/dqxxkx.2018.180041

1 引言

快速城市化引起的城市地表覆盖格局的变化导致地表净辐射通量发生改变[1],进而影响城市的能量收支平衡乃至于城市的气候环境[2,3,4],引发城市中一系列生态环境问题,热岛效应是其中之一[5]。因此,研究地表净辐射通量的季相变化及与地表覆盖格局的关系,对理解城市热环境变化的内在机理,缓解城市热岛效应以及促进城市可持续发展具有重要的理论和实践指导意义[6,7,8,9]。
国内外学者对地表净辐射通量与地表覆盖格局的关系进行了大量研究。马耀明等[10]分析黑河地区夏季和冬季地表净辐射通量的区域分布特征;彭江良等[11]研究南京冬季城郊不同地表覆盖类型的地表净辐射通量特征;崔耀平等[4]分析城市区域四种均一地表覆盖类型对地表净辐射通量的影响;刘越等[12]研究日本埼玉县熊谷市不同地表覆盖类型对地表净辐射通量的影响;李宏宇等[13]分析不同植被覆盖度的下垫面对地表净辐射通量的影响;王煜东等[6]研究了南京市不同季节地表净辐射通量的时空分布特征;潘鑫等[14]研究了1983-2012年长江流域地表净辐射通量的时间变化特征与空间分布规律。近年来地表净辐射通量与地表覆盖格局的关系的研究已经引起了国内外学者们的关注,但目前从地表覆盖的空间组成与空间配置角度分析地表覆盖格局与地表净辐射通量的季节动态关系的研究则极为少见。景观生态学的蓬勃发展为该方面的研究带来新的思路。景观格局指数多种多样,能够从不同层次对地表覆盖格局进行全面的表征,从而更精确地分析地表覆盖格局与地表净辐射通量的关系。
本文利用Landsat-5 TM遥感影像和气象资料反演地表净辐射通量,并分析厦门市地表净辐射通量连续4个季节的时空变化特征;使用景观格局指数表征和描述地表覆盖的空间组成与配置,将遥感反演的净辐射通量与景观格局指数相结合,研究4个季节内地表覆盖格局对地表净辐射通量的影响作用。

2 研究区概况与数据源

2.1 研究区概况

厦门市位于中国福建省东南部,南接漳州,北邻泉州,东南与金门岛隔海相望,范围如图1所示。其陆地面积1699 km2,海域面积390 km2;属于温和多雨的亚热带海洋性季风气候,年平均降雨量1200 mm,年平均温度21 ℃[15]。自1980年被划分为四大经济特区之一开始,厦门市经历了快速城市化时期,城市建成区面积从1987年的67.28 km2增加到2007年的308.21 km2[16],2016年增加至351.32 km2[15];同时,1987-2007年厦门市的城市热岛效应在空间尺度（14~160 km2）和强度（2~10 ℃）上也发生了显著变化[17,18]。因此,研究厦门市地表净辐射通量的季相变化及其与地表覆盖格局的关系,对深入理解城市热岛效应的形成和演变机制具有一定的代表性和示范意义。
Fig. 1 Study area and analytical units

图1 研究区与分析单元

2.2 数据源及预处理

研究选用的遥感数据为2008年11月10日和2009年1月13日、3月18日、6月6日的4期天气晴朗、数据质量高的Landsat-5 TM影像,分别代表秋季、冬季、春季和夏季。该数据来源于美国地质调查局USGS（http://www.glovis.usgs.gov/）。数据预处理包括：辐射定标、大气校正、图像配准、土地利用分类等。所有遥感数据均采用WGS-84椭球和基准面,并投影到UTM N50带平面坐标系。土地利用分类使用最大似然法,分为建设用地、裸地、水体、农田、林地和滩涂,共6类。4景遥感影像总体分类精度均大于85%,Kappa系数均大于0.8,达到Landsat-5 TM遥感数据的分类精度要求。图2为研究区地表覆盖类型空间分布。
Fig.2 Spatial distribution of land cover types of Xiamen city

图2 厦门市地表覆盖类型空间分布

辅助数据为厦门市气象观测站点提供的大气压、大气温度和平均相对湿度等同期气象数据;研究使用的下行太阳短波辐射数据来自北京师范大学全球陆表特征参量（GLASS）产品平台（http://glass-product.bnu.edu.cn/）。

3 研究方法

3.1 地表净辐射通量

3.1.1 地表温度反演
使用重采样至30 m分辨率的热红外波段数据进行地表温度反演。
（1）将遥感数据的亮度值（DN值）转换为热辐射强度值[19]
L λ = G rescale × Q cal + B rescale （1）
式中：Lλ为热辐射强度/（W/（m2·sr·μm））,即传感器接收到的大气层顶辐射;Qcal为DN值;Grescale、Brescale分别是增益值和偏移值。Grescale、Brescale从遥感数据的头文件中获得/（W/（m2·sr·μm））。
（2）大气校正
将大气层顶辐射转化为表面出射辐射需去除大气在热红外波段的影响。本文使用Barsi的大气校正模型[20,21],相关参数从网站http://atmcorr.gsfc.nasa.gov/获取。利用下式计算表面出射辐射值[22]：
L T = L λ - L μ - τ 1 - ε L d τε （2）
式中：LT为动力学温度T时的黑体目标辐射,即普朗克定律推导得到的黑体在温度T时的热辐射亮度W/（m2·sr·μm）;Lμ为上行或大气路径辐射;Ld为下行或天空辐射;τ为大气透射率;ε为地表发射率,由地表覆盖类型决定[23]。
（3）地表温度估算
使用式（3）将表面出射辐射转化为地表温度[24]。
T = K 2 ln K 1 L T + 1 （3）
式中：T为地表温度/k,K1为试生产校准常数1,单位W/（m2·sr·μm）;K2为试生产校准常数2,单位k。对于Landsat-5TM遥感影像,K1=607.76 W/（m2·sr·μm）,K2=1260.56 k。
3.1.2 地表净辐射通量估算
地表净辐射通量指地表面净得的短波辐射与长波辐射的和,即指地表辐射能量收支的差额,是地表面能量、动量、水分输送与交换过程中的主要能源[7]。
根据地表能量平衡方程,地表净辐射通量的计算公式如下：
R n = 1 - α R short + ε a σ T a 4 - εσ T s 4 （4）
式中：Rn为地表净辐射通量;Rshort为下行太阳短波辐射;α为地表反照率;ε为地表发射率;εa为无云天气的大气有效发射率;σ为斯特芬玻尔兹曼常数,为5.67×10-8 W/(m2·k4);Ta为大气温度/k,可以从气象数据中获得;Ts为地表温度。
地表反照率α使用Liang[25]提出的转换方程进行计算。线性方程如下：
α = 0.356 ρ 1 + 0.130 ρ 3 + 0.373 ρ 4 + 0.085 ρ 5 + 0.072 ρ 7 - 0.0018 （5）
式中：ρi（i=1,2,3,…,7）是第i波段的反射率。
ρ i = π ∙ L i ∙ D 2 ESUN ∙ Cos ( θ ) （6）
式中：i为波段号;ρi为大气层顶的表观反射率（无量纲）;π为常量（球面度str）;Li为大气层顶进入卫星传感器的各波段的光谱辐照亮度/（W/（m2·sr·μm））,使用式（1）来计算;D为日地距离,计算日地距离简化公式：D=1-0.01674cos（0.9856x（JD-4）×π/180）;ESUN为大气层顶的平均太阳光谱辐照度/W(m2·μm);θ为太阳的天顶角（θ=90˚-β,β为太阳高度角,从遥感数据的头文件中获得）;JD为遥感成像的儒略日,可通过儒略日算法获得：JD=INT（365.25（Year+4716））+INT（30.6001（Month+1））+d+B-1524.5;其中INT为舍小数取整函数;Year为公历年数;Month为公历月数;如果M小于等于2,Y=Y-1,M=M+12;否则M和Y不变;d为带小数时间的天数,d=day+hour/24+time/1440+seconds/86 400;B为对儒略历,B=0,对于格里历：B=（2-A+INT（A/4））,其中A=INT（Y/100）。
εa使用以下经验公式估算[26]：
ε a = 1.24 e a T a 1 / 7 （7）
式中：ea为大气水汽的压力/hpa,计算公式如下[27]：
e a = R H mean 100 ∙ e o T min + e o T max 2 （8）
式中：RHmean为平均相对湿度/%;eo（Tmin）为每日最低温度时的饱和蒸汽压/hpa;eo（Tmax）为每日最高温度时的饱和蒸汽压/hpa。
eo使用下式计算：
e o = 1013.25 exp 13.3185 t R - 1.9760 t R 2 - 0.6445 t R 3 - 0.1299 t R 4 t R = 1.0 - 373.15 T （9）
式中：T为大气温度/k。

3.2 景观格局指数

本研究以乡镇街道做为基本分析单元,将研究区划分为41个分析单元,包括37个乡镇街道和4个林场,分析单元示意图见图1。对每个分析单元计算景观格局指数,以表征和描述地表覆盖的空间组成与配置[27]。其中空间配置指空间布置,用来描述地表覆盖分布特性;空间组成指地表覆盖类型丰富度,不考虑其空间分配[28,29,30]。分别计算41个分析单元地表覆盖的景观格局指数,各分析单元内有11种景观级别的景观格局指数,且每种地表覆盖类型有9种类型级别的景观格局指数（表1）。在所有景观格局指数中,斑块所占面积比例（PLAND）是最常用的地表覆盖的空间组成类指数之一,其他的所有指数是地表覆盖的空间配置类指数。
Tab.1 Landscape metrics

表1 景观格局指数

指数中文名称 指数英文缩写 指数类型
蔓延度指数 CONTAG 景观级别
Shannon多样性指数 SHDI 景观级别
Shannon均度指数 SHEI 景观级别
斑块所占景观面积比例 PLAND 类型级别
斑块平均面积 AREA_MN 景观级别,类型级别
斑块密度 PD 景观级别,类型级别
最大斑块占景观面积比例 LPI 景观级别,类型级别
边缘密度 ED 景观级别,类型级别
景观形状指数 LSI 景观级别,类型级别
景观导度指数 COHESION 景观级别,类型级别
平均欧氏最近邻距离 ENN_MN 景观级别,类型级别
斑块平均形状指数 SHAPE_MN 景观级别,类型级别

3.3 统计分析

采用相关分析、偏相关分析、逐步回归和方差分解相结合的方法研究一年内对地表净辐射通量产生持续有效影响的景观格局指数。本研究认为如果某一个景观格局指数与地表净辐射通量在一年四季内都显著相关,那么这一景观格局指数对地表净辐射通量有持续显著的影响。
首先使用相关分析研究4个季节中各分析单元的地表净辐射通量与景观格局指数的变量关系,由此得到一年四季内对地表净辐射通量有显著持续影响的景观格局指数。
由于相关分析没有考虑变量之间的相互关系,可能导致地表净辐射通量和某些景观格局指数之间存在虚假相关,偏相关分析可以解决这一问题。偏相关分析是指当2个变量同时与第3个变量相关时,将第3个变量的影响剔除,只分析另外2个变量之间相关程度的方法[31]。因此,进一步使用偏相关分析研究地表净辐射通量与地表覆盖格局之间的关系。
逐步回归分析法是指运用回归分析原理采用双检验原则,逐步引入和剔除自变量而建立最优回归方程的优选方法。方差分解是指通过判定各个因素的方差贡献率来估计参数的重要程度的一种方法[32]。在偏回归分析的基础上,如果剩余的指数变量有多个,则使用逐步回归分析4个季节中对地表净辐射通量产生持续重要影响的景观格局指数,并利用方差分解分析其在预测地表净辐射通量上的解释能力的大小。所有统计分析在SPSS 16.0平台上进行。

4 结果与分析

4.1 地表净辐射通量

图3为厦门市四季典型日地表净辐射通量的空间分布图。对照图2的地表覆盖类型空间分布图可以看出,厦门市四季地表净辐射通量的空间分布规律明显。水体和林地区域地表净辐射通量较高;建设用地和裸地等其它地表覆盖类型区域的地表净辐射通量较低。其空间分布差异主要与不同地表覆盖类型的反照率存在空间差异性有关,如水体的热容量大,热惯量大,其对太阳辐射的吸收能力强,反射能力弱,相应的反照率低,其净辐射通量值远高于其它地表覆盖类型。从季节变化特征来看,不同地表覆盖类型的净辐射通量季节差异明显,秋、冬季的净辐射通量明显低于春、夏季,且冬季最小。从各季节平均地表净辐射通量值大小来看,夏季净辐射通量值最大,为608.17 W/m2;春季次之,为466.83 W/m2;秋季较低,为391.32 W/m2;冬季最低,为315.27 W/m2 。其季节差异主要与春夏季太阳高度、太阳总辐射和地表温度高于秋冬季有关。
Fig.3 Spatial distribution of surface net radiation of Xiamen city

图3 厦门市地表净辐射通量空间分布

4.2 多季节相关分析

将每个分析单元内的65种景观格局指数与地表净辐射通量进行相关性分析（表2）。由表2可知,厦门市一年四季中与地表净辐射通量保持持续显著相关的景观格局指数。4个季节中共有11种景观格局指数与地表净辐射通量保持持续显著相关;其中PLAND2和PLAND5属于地表覆盖的空间组成类指数;其他9种景观格局指数属于地表覆盖的空间配置类指数,包括：ED1、COHESION1、PD2、LPI2、ED2、LPI5、AREA_MN5、AREA_MN和ENN_MN。在这些景观格局指数中,显现出持续相关性影响效果的指数大多属于类型级别的景观格局指数,仅AREA_MN和ENN_MN属于景观级别的景观格局指数。尽管这11种景观格局指数一年四季中都与地表净辐射通量保持持续显著相关,但其相关系数值随季节发生变化,其数值的显著性和方向性保持稳定。
Tab. 2 Pearson correlation analysis

表2 相关分析

景观格局
指数		 地表净辐射通量（秋） 地表净辐射通量（冬） 地表净辐射通量（春） 地表净辐射通量（夏）
ED1 -0.720** -0.584** -0.345* -0.647**
COHESION1 -0.560** -0.529** -0.363* -0.624**
PLAND2 -0.579** -0.694** -0.698** -0.504**
PD2 -0.658** -0.592** -0.648** -0.684**
LPI2 -0.495** -0.617** -0.661** -0.426**
ED2 -0.666** -0.702** -0.695** -0.605**
PLAND5 0.661** 0.741** 0.620** 0.695**
LPI5 0.692** 0.751** 0.611** 0.681**
AREA_MN5 0.488** 0.552** 0.444** 0.586**
AREA_MN 0.640** 0.647** 0.426** 0.613**
ENN_MN 0.412** 0.527** 0.345* 0.344*

注：景观格局指数后面的数字表示地表覆盖类型：1 建设用地;2 裸地;5 林地。**和*分别表示显著水平p<0.01和p<0.05

4.3 偏相关分析

由于相关分析未考虑变量之间的相互关系,可能会导致地表净辐射通量与某些景观格局指数之间存在虚假相关。因此,进一步采用偏相关分析研究地表净辐射通量与地表覆盖格局之间的关系。先前的研究表明,在解释下垫面地表温度变化时,地表覆盖的空间组成类景观格局指数比空间配置类指数更为重要[33,34],基于此,本研究将裸地所占面积比例（PLAND2）和林地所占面积比例（PLAND5）做为控制变量,对4个季节中与地表净辐射通量保持持续显著相关的景观格局指数进行偏相关分析,结果如表3所示。
Tab. 3 Partial Pearson correlation analysis

表3 偏相关分析

景观格局
指数		 地表净辐射通量（秋） 地表净辐射通量（冬） 地表净辐射通量（春） 地表净辐射通量（夏）
ED1 -0.405* 0.214 0.370* -0.249
COHESION1 -0.419* 0.026 0.172 -0.143
PD2 -0.286 -0.054 -0.107 -0.322
LPI2 0.021 0.065 -0.099 0.030
ED2 -0.298 -0.086 -0.078 -0.230
LPI5 0.377* 0.361* 0.054 0.028
AREA_MN5 0.382* 0.079 0.114 0.011
AREA_MN 0.394* 0.036 -0.373* 0.000
ENN_MN 0.197 0.046 -0.112 -0.098

注：景观格局指数后面的数字表示地表覆盖类型：1 建设用地;2 裸地;5 林地。**和*分别表示显著水平p<0.01和p<0.05

对比分析表2与表3可知,当控制组成类指数（PLAND2、PLAND5）后,之前影响效果显示为持续显著相关的配置类指数（ED1、COHESION1、PD2、LPI2、ED2、LPI5、AREA_MN5、AREA_MN和ENN_MN）均失去它们的持续显著相关性。如空间配置类指数裸地边缘密度（ED2）,在多季节相关分析结果中,该指数与地表净辐射通量保持显著负相关,但在偏相关分析结果中,该指数与地表净辐射通量并无持续显著相关性。偏相关分析结果表明9个配置类景观格局指数与裸地所占面积比例（PLAND2）、林地所占面积比例（PLAND5）是相互关联的,这也揭示了地表净辐射通量与景观格局指数之间简单的二元相关分析中存在虚假相关关系。结果表明：裸地所占面积比例（PLAND2）和林地所占面积比例（PLAND5）是一年四季中影响地表净辐射通量变化的有效和重要因素。

4.4 方差分解

偏相关分析结果表明裸地所占面积比例（PLAND2）和林地所占面积比例（PLAND5）是一年四季中影响地表净辐射通量变化的有效和重要因素。但PLAND2和PLAND5对地表净辐射通量的季节间的影响作用明显不同（表2）,PLAND5与地表净辐射通量在冬季有最强的正相关,PLAND2与地表净辐射通量在春季有最强的负相关。因此,本研究进一步采用逐步回归和方差分解来比较PLAND2和PLAND5在预测地表净辐射通量时解释能力的大小,主要步骤如下：在相关分析和偏相关分析的基础上,对PLAND2和PLAND5进行逐步回归,相关性不显著的指数变量被剔除,剩余的指数变量是最优指数变量;进而对最优指数变量进行方差分解。
如表4所示,地表覆盖的空间组成对地表净辐射通量的影响显著,裸地所占面积比例（PLAND2）和林地所占面积比例（PLAND5）是一年四季中影响地表净辐射通量变化的有效和重要因素;地表覆盖的空间配置没有表现出对地表净辐射通量变化的显著影响。在春季,PLAND2对预测地表净辐射通量的解释能力强过PLAND5,但在其他3个季节PLAND5对预测地表净辐射通量的解释能力强过PLAND2,叠加分析一年四季中PLAND2和PLAND5的方差分解结果,可知PLAND5在一年中预测地表净辐射通量的总解释能力强过PLAND2。因此,林地所占面积比例（PLAND5）是影响和解释地表净辐射通量跨季节差异的最重要和持续有效的景观格局指数。
Tab. 4 Variance partitioning

表4 方差分解

组成类指数 方差解释
地表净辐射通量（秋） PLAND2 0.340
PLAND5 0.437
地表净辐射通量（冬） PLAND2 0.500
PLAND5 0.549
地表净辐射通量（春） PLAND2 0.508
PLAND5 0.384
地表净辐射通量（夏） PLAND2 0.235
PLAND5 0.483

注：景观格局指数后面的数字表示地表覆盖类型：2 裸地;5 林地。**和*分别表示显著水平p<0.01和p<0.05

5 结论与讨论

本文基于遥感影像和景观格局指数,利用相关分析、偏相关分析、逐步回归和方差分解相结合的方法,从多季节角度分析了厦门市地表净辐射通量的时空变化特征及不同地表覆盖类型对地表净辐射通量的影响作用。得出如下结论：
（1）厦门市地表净辐射通量平均值夏季最高,春季次之,秋季和冬季较低;地表净辐射通量在水体和林地区域较高,在建设用地和裸地等其它地表覆盖类型区域较低。
（2）地表覆盖的空间配置对地表净辐射通量没有显著影响。
（3）地表覆盖的空间组成对地表净辐射通量影响显著。一年内林地和裸地所占面积比例对地表净辐射通量的影响最大,林地所占面积比例对预测地表净辐射通量的解释能力强过裸地所占面积比例,且一年中的总解释能力也强过裸地所占面积比例。因此,林地所占面积比例是影响和解释地表净辐射通量跨季节差异的最重要和持续有效的因素。
本研究通过分析地表净辐射通量与地表覆盖的空间组成和空间配置之间的定量关系,发现地表覆盖的空间组成对地表净辐射通量影响显著。本文不仅拓展了我们关于地表覆盖格局对地表净辐射通量的影响的科学认知,其研究结果也具有重要的理论和应用价值,可为探索城市热岛效应的形成和演变机制提供理论支持,也为城市可持续发展规划、设计和管理提供实践指导。但值得注意的是,除地表净辐射通量外,地表能量平衡中的其他组成成分（如土壤热通量、显热通量、潜热通量、人为热排放）也随地表覆盖格局的改变而发生变化,进而影响城市的能量收支平衡乃至于城市的气候环境,后续研究需进一步探讨地表覆盖格局与地表能量平衡中其他分量的关系。另外,本文在如何合理规划地表覆盖类型方面的研究有所欠缺。因此,未来将在研究地表覆盖格局与其他地表能量平衡分量的关系的基础上,对地表覆盖格局的合理规划方面做出进一步探讨,以期为城市生态环境改善和可持续发展提供决策支持。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Kalnay E, Cai M.Impact of urbanization and land-use change on climate[J]. Nature, 2003,423:528-531.Abstract The most important anthropogenic influences on climate are the emission of greenhouse gases and changes in land use, such as urbanization and agriculture. But it has been difficult to separate these two influences because both tend to increase the daily mean surface temperature. The impact of urbanization has been estimated by comparing observations in cities with those in surrounding rural areas, but the results differ significantly depending on whether population data or satellite measurements of night light are used to classify urban and rural areas. Here we use the difference between trends in observed surface temperatures in the continental United States and the corresponding trends in a reconstruction of surface temperatures determined from a reanalysis of global weather over the past 50 years, which is insensitive to surface observations, to estimate the impact of land-use changes on surface warming. Our results suggest that half of the observed decrease in diurnal temperature range is due to urban and other land-use changes. Moreover, our estimate of 0.27 degrees C mean surface warming per century due to land-use changes is at least twice as high as previous estimates based on urbanization alone.

DOI PMID

[2]
Seto K C, Sánchez-Rodríguez R, Fragkias M.The new geography of contemporary urbanization and the environment[J]. Annual Review of Environment & Resources, 2010,35(1):167-194.Contemporary urbanization differs from historical patterns of urban growth in terms of scale, rate, location, form, and function. This review discusses the characteristics of contemporary urbanization and the roles of urban planning, governance, agglomeration, and globalization forces in driving and shaping the relationship between urbanization and the environment. We highlight recent research on urbanization and global change in the context of sustainability as well as opportunities for bundling urban development efforts, climate mitigation, and adaptation strategies to create synergies to transition to sustainability. We conclude with an analysis of global greenhouse gas emissions under different scenarios of future urbanization growth and discuss their implications.

DOI

[3]
Deng C B, Wu C S.Examining the impacts of urban biophysical compositions on surface urban heat island: A spectral unmixing and thermal mixing approach[J]. Remote Sensing of Environment, 2013,131:262-274.

DOI

[4]
崔耀平,刘纪远,胡云锋,等.城市不同下垫面辐射平衡的模拟分析[J].科学通报,2012,57(6):465-473.<p>利用北京市2010 年的实测数据, 首先对局地尺度的城市净辐射参数化方案(NARP)进行了验证, 分析NARP 在城市区域的适用性. 在此基础上, 人为设置4 种不同下垫面类型(纯的林地、草地、道路、房屋), 在其他条件一致的情况下模拟不同下垫面的辐射差异, 以更清晰解读不同下垫面的辐射平衡各分量, 特别是净辐射的不同特征. 结果显示: (1) NARP 模拟的净辐射值与实测净辐射值具有较好的一致性, 相关系数为0.98, 模拟效率可达0.93; (2) 不同下垫面对各辐射分量的影响不同, 上行长波辐射的值很大, 占到全年进入地表总辐射能量的84.3%, 净辐射的年均值在38.2~53.4 W/m<sup>2</sup> 之间, 其中草地最小, 道路最大; (3) 城市扩展过程中常见的林地-道路、草地-道路、草地-房屋等转类, 净辐射都呈现出持续增加态势. 其中, 最大增加值出现在5 月份, 增幅可达24.6 W/m<sup>2</sup>(草地-道路), 说明城市扩展过程通常也伴随能量收入连续增加的过程.</p>

[ Cui Y P, Liu J Y, Hu Y F, et al.Modeling the radiation balance of different urban underlying surfaces[J]. Chinese Science Bulletin, 2012,57(6):465-473. ]

[5]
Li W F, Cao Q W, Lang K, et al.Linking potential heat source and sink to urban heat island: Heterogeneous effects of landscape pattern on land surface temperature[J]. Science of the Total Environment, 2017,586:457-466.

DOI

[6]
王煜东,赵小艳,徐向华,等.南京地区地表热通量的遥感反演分析[J].生态环境学报,2016,25(4):636-646.利用南京地区2013 年8 月11 日、2013 年10 月14 日、2014 年1 月2 日和2014 年5 月26 日的4 景Landsat 8 OLI/TIRS1B 遥感影像,结合地面气象观测资料,借助SEBAL 模型反演了南京地区地表热通量,并利用地表温度实测数据进行验证,且与他人研究结果进行了比较.结果表明,（1）南京净辐射通量与土壤热通量表现为春季最大,夏季次之,冬季最小;感热通量呈暖季（春、夏）大于冷季（秋、冬）的特征;秋季潜热通量最大,冬季最低,夏春季居中.（2）南京净辐射通量值为长江最高,均值达614.8 W·m-2;湖泊与林地次高,均值大于500 W·m^-2;旧城、草地、农田较高,均值在480-500 W·m^-2 之间;裸地与新城最低,均低于460 W·m^-2.土壤热通量值为旧城、裸地、新城最高,均值在75-85 W·m^-2 之间;湖泊、农田、草地次之,均值在65-75 W·m^-2 之间;长江与林地最低,均值低于60 W·m^-2.感热通量值为城区最高,均值均高于200 W·m^-2;林地、裸地、农田、草地次之,均值在100-200 W·m^-2 之间;水体区域最低,均低于60 W·m-2.潜热通量值为水体区域最高,均值高于400 W·m^-2;林地、草地、农田、裸地次高,均值在220-320 W·m^-2 之间;城区潜热通量最低,均低于200 W·m^-2.（3）土壤热通量占净辐射的比值除冬季均低于0.1 外,其余季节均在0.05-0.25 之间;新老城区的感热通量占净辐射比值在四季典型日均高于0.4,除春季的裸地和冬季外,其余土地利用类型均低于0.3,水体区域均低于0.15.潜热通量占净辐射比值为水体区域在四季均高于0.7,新老城区均低于0.5,除春夏季裸地和冬季的林地外,其余土地利用类型均高于0.5.不同土地利用类型的波文比呈现“新城〉旧城〉裸地〉林地〉农田〉草地〉湖泊〉长江”的空间分布和“春季〉冬季〉夏季〉秋季”的时间分布.新城区的波文比在四季典型日均为最高,且均值大于1,而水体的均为最低,均值小于0.

DOI

[ Wang Y D, Zhao X Y, Xu X H, et al.Analysis and inversion on surface heat flux with remote sensing in Nanjing area[J]. Ecology and Environmental Sciences, 2016,25(4):636-646. ]

[7]
赵英时. 遥感应用分析原理与方法[M].北京:科学出版社,2003.

[ Zhao Y S.Analysis principle and method of remote sensing applications[M]. Beijing: Science Press, 2003. ]

[8]
高扬子,何洪林,张黎,等.近50年中国地表净辐射的时空变化特征分析[J].地球信息科学学报,2013,15(1):1-10.基于GIS空间分析技术与Mann-Kendall趋势分析方法,对中国陆地区域699个气象站点1961-2010年逐年、季平均地表净辐射进行时空变化特征分析,结果表明:(1)参数拟合后的FAO Penman修正式对模拟站点逐日地表净辐射的总体精度较高,均方根误差为27.9W &middot;m<sup>-2</sup>相关系数为0.85,平均相对误差为0.13;(2)全国近50年站点平均地表净辐射在年、季均呈现出较明显的下降过程,年均降幅为0.74W &middot;m<sup>-2</sup> &middot;10a<sup>-1</sup>不同季节的下降幅度存在差异,夏季降幅最大;(3)逐站点分析显示全国大部分站点(59.8%)年均地表净辐射呈显著下降趋势(0.05),东部趋势变化比西部明显,夏季在地表净辐射年际变化中的贡献最大,华北、华中、华南地区的站点在春夏秋季均呈显著下降趋势。

DOI

[ Gao Z Y, He H L, Zhang L, et al. Spatio-temporal variation characteristics of surface net radiation in China over the past 50 years[J]. Journal of Geo-information Science, 2013,15(1):1-10. ]

[9]
Dabberdt W F, Lenschow D H, Horst T W, et al.Atmosphere-surface exchange measurements[J]. Science, 1993,260:1472-1481.

DOI

[10]
马耀明,王介民.黑河实验区地表净辐射区域分布及季节变化[J].大气科学,1997,21(6):743-749.利用卫星遥感信息和地面观测资料，分析研究黑河实验区地表净辐射的区域分布及季节变化特征。结果表明，卫星遥感结合地面观测，首先可以得到较为精确的地表反射率和地表温度分布，进而得到较为合理的地表净辐射的区域分布和季节变化特征。

DOI

[ Ma Y M, Wang J M.The distribution and seasonal variation of regional net radiation in HEIFE area[J]. Chinese Journal of Atmospheric Sciences, 1997,21(6):743-749. ]

[11]
彭江良,吴息,江志红,等.南京冬季城、郊下垫面能量平衡特征分析[J].气象科学,2008,28(1):21-29.本文利用2006年2月17日-3月2日在南京市区和郊区测得的 辐射、湍流通量和脉动风速资料,定量分析了城、郊不同下垫面辐射收支、热量平衡特征及各分量的变化,结果表明:(1)不同天气条件下辐射平衡特征城、郊有 一定差异,在晴天时差异最大,在下雪天时差异最小,但多云时更接近各辐射分量城、郊差异的平均特征;(2)城、郊下垫面感热和潜热分布不均,尤其是潜热 城、郊对比有较大差异;(3)观测期间平均波文比(Qh/Qe)市区为7.8,与荒漠干旱地区接近,郊区为1.8.

DOI

[ Peng J L, Wu X, Jiang Z H, et al.Characteristics analysis of energy budget over urban and suburban underlying surfaces in Nanjing[J]. Journal of the Meteorological Sciences, 2008,28(1):21-29. ]

[12]
刘越,Shintaro Goto,庄大方,等.城市地表热通量遥感反演及与下垫面关系分析[J].地理学报,2012,67(1):101-112.

[ Liu Y, Shintaro G, Zhuang D F, et al.Urban surface heat flux inversion based on infrared remote sensing and the relationship with land cover[J]. Acta Geographica Sinica, 2012,67(1):101-112. ]

[13]
李宏宇,符淙斌,郭维栋,等.干旱区不同下垫面能量分配机理及对微气候反馈的研究[J].物理学报,2015,64(5):430-443.

[ Li H Y, Fu C B, Guo W D, et al.Study of energy partitioning and its feedback on the microclimate over different surfaces in an arid zone[J]. Acta Physica Sinica, 2015,64(5):430-443. ]

[14]
潘鑫,刘元波.1983-2012年长江流域地表净辐射变化特征[J].长江流域资源与环境,2016,25(3):486-496.本文采用统计相关分析、Morlet小波分析、Rodionov时间序列分析与GIS空间分析等技术方法,分析了1983年7月至2012年9月长江流域SRB和CERES地表净辐射月产品的时空变化特征。结果表明:拟合后遥感产品比气象辐射站点观测值整体高15.8%,平均误差为15.31 W/m<sup>2</sup>均方根误差为21.58 W/m<sup>2</sup>。长江流域地表净辐射多年均值为78.0 W/m<sup>2</sup>整体呈下降趋势,于1996年突降,存在16年和10年周期;季相上,呈夏 > 春 > 秋 > 冬。空间上,呈现西部地区 > 东部地区 > 中部地区;1996~2012年相较1983~1995年净辐射整体下降,其中上游流域降幅大于中下游;净辐射降低主要出现在5~7月,降幅较大地区主要是长江上游流域部分地区和长江中游流域纬度较低地区。研究结果对于认识长江流域的气候变化条件下的能量和水分循环过程等具有重要意义。

DOI

[ Pan X, Liu Y B.Spatio-temporal variation of surface net radiation over the Yangtze river basin during 1983-2012[J]. Resources and Environment in the Yangtze Basin, 2016,25(3):486-496. ]

[15]
厦门市统计局. 2017年厦门经济特区年鉴 [J].北京:中国统计出版社,2017.

[ Xiamen Bureau of Statistics, 2017 Year book of Xiamen special economic zone[J]. Beijing: China Statistics Press, 2017. ]

[16]
黄静,崔胜辉,李方一,等.厦门市土地利用变化下的生态敏感性[J].生态学报,2011,31(24):7441-7449.当前,城市化与全球变化背景叠加,海岸带生态系统发生了巨大的变化,沿海城市在全球变化下的脆弱性、敏感性与适应能力等问题已经成为政府和科学界关注的重要问题。土地利用变化是导致生态系统敏感性的重要因素之一。以厦门市作为沿海城市的典型代表,对近20 a土地利用变化下的生态敏感性进行系统研究。分析了城市建设用地扩张、围填海等主要土地利用活动对生态敏感性的影响机制;其次建立土地利用变化下的生态敏感性指数,并分析其变化过程;最后通过ArcGIS图层叠加计算功能,获得生态敏感性空间分布状况。结果表明:1987-2007年厦门市城市建设用地面积由1987年的67.48 km<sup>2</sup>增加为2007年的308.21 km<sup>2</sup>扩张了4.57倍,主要为蚕食农业用地和林地而来;海岸线长度由1987年的290.19 km,增加为1992年的343.23 km,而后减小为2007年的299.93 km,围垦养殖活动使得岸线变得曲折,填海造地活动导致岸线变得平滑。厦门市土地利用强度由1987年的2.44逐年增加为2007年的2.52,生态系统服务价值总体呈现减小的趋势,由1987年的7.39×10<sup>9</sup>元减少到2007年的7.02×10<sup>9</sup>元,土地利用强度与生态系统服务价值呈现负相关关系。土地利用变化下的生态敏感性指数由1992年的1.50增加为1997年的4.94,而后减小为2002年的4.12,再增加为2007年的4.47。整体而言,近20 a来厦门市生态系统对土地利用变化的敏感性灵敏响应程度不很剧烈,生态敏感性高的区域主要位于沿海区域。

[ Huang J, Cui S H, Qiu Q Y, et al.Ecological sensitivity of Xiamen City to land use changes[J]. Acta Ecologica Sinica, 2011,31(24):7441-7449. ]

[17]
Zhao X F, Huang J C, Ye H, et al.Spatiotemporal changes of the urban heat island of a coastal city in the context of urbanization[J]. International Journal of Sustainable Development & World Ecology, 2010,17(4):311-316.This study quantitatively analysed the spatiotemporal changes of the urban heat island (UHI) of Xiamen City in the context of urbanisation, using Landsat Thematic Mapper (TM) and Enhanced Thematic Mapper Plus (ETM+) thermal images acquired on similar dates in the winter of 1987, 1992, 1997, 2002 and 2007. UHI intensity and extent were used to quantify the changes, together with landscape metrics PLAND, PD, CA, NP, P-UHI, NP-UHI, PD-UHI, etc. The results show that the winter UHI of Xiamen has become more and more striking in the past 20 years in almost all the indices used. The UHI intensity increased to over 10 C, and UHI extent and thermal patch number also increased remarkably. At the same time, UHI was more dominated and fragmented by high-grade thermal patches. In winter these UHI formed several hot spots and areas of significance, distributed along the coastline. This pattern was related to industrial zones and large infrastructure constructed in coastal areas during the rapid course of urbanisation, since both large impervious ground surfaces, large-sized and endothermic factory building roofs were the sources of these hot spots. A similar seasonal analysis was also carried out, which proved that autumn UHI was most intense in Xiamen and the change in season does not change the number of UHI areas of significance.

DOI

[18]
Zhao X F, Liu J H, Liu L L, et al.Relationship between surface net radiation and landcover pattern in an urban area[C]. Proceeding IGARSS IEEE International Geoscience and Remote Sensing Symposium, 2016:6742-6745.

[19]
Chatterjee R S, Singh N, Thapa S, et al.Retrieval of land surface temperature (LST) from landsat TM6 and TIRS data by single channel radiative transfer algorithm using satellite and ground-based inputs[J]. International Journal of Applied Earth Observation & Geoinformation, 2017,58:264-277.

[20]
Barsi J A, Barker J L, Schott J R.An atmospheric correction parameter calculator for a single thermal band earth-sensing instrument[C]. Geoscience & Remote Sensing Symposium. igarss. proceedings. ieee International, 2003:3014-3016.

[21]
Barsi J A, Schott J R, Palluconi F D, et al.Validation of a web-based atmospheric correction tool for single thermal band instruments[C]. Optics & Photonics 2005. International Society for Optics and Photonics, 2005.

[22]
Yuan F, Bauer M E.Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery[J]. Remote Sensing of Environment, 2007,106(3):375-386.

DOI

[23]
Synder W C, Wan Z, Zhang Y, et al.Classification-based emissivity for land surface temperature measurement from space[J]. International Journal of Remote Sensing, 2010,19(14):2753-2774.Classification-based global emissivity is needed for the National Aeronautics and Space Administration Earth Observing System Moderate Resolution Imaging Spectrometer (NASA EOS/MODIS) satellite instrument land surface temperature (LST) algorithm. It is also useful for Landsat, the Advanced Very High Resolution Radiometer (AVHRR) and other thermal infrared instruments and studies. For our approach, a pixel is classified as one of fourteen ''emissivity classes'' based on the conventional land cover classification and dynamic and seasonal factors, such as snow cover and vegetation index. The emissivity models we present provide a range of values for each emissivity class by combining various spectral component measurements with structural factors. Emissivity statistics are reported for the EOS/MODIS channels 31 and 32, which are the channels that will be used in the LST split-window algorithm.

DOI

[24]
Chander G, Markham B.Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges[J]. IEEE Transactions on Geoscience & Remote Sensing, 2003,41(11):2674-2677.Effective May 5, 2003, Landsat-5 (L5) Thematic Mapper (TM) data processed and distributed by the U.S. Geological Survey (USGS) Earth Resources Observation System (EROS) Data Center (EDC) will be radiometrically calibrated using a new procedure and revised calibration parameters. This change will improve absolute calibration accuracy, consistency over time, and consistency with Landsat-7 (L7) Enhanced Thematic Mapper Plus (ETM+) data. Users will need to use new parameters to convert the calibrated data products to radiance. The new procedure for the reflective bands (1-5,7) is based on a lifetime radiometric calibration curve for the instrument derived from the instrument's internal calibrator, cross-calibration with the ETM+, and vicarious measurements. The thermal band will continue to be calibrated using the internal calibrator. Further updates to improve the relative detector-to-detector calibration and thermal band calibration are being investigated, as is the calibration of the Landsat-4 (L4) TM.

DOI

[25]
Liang S L.Narrowband to broadband conversions of land surface albedo I: Algorithms[J]. Remote Sensing of Environment, 2000,76:13-238.Land surface broadband albedo is a critical variable for many scientific applications. High-resolution narrowband satellite observations contain important information that enables us to map land surface albedo globally, and validate the coarse-resolution albedo products from the broadband sensors using ground oint/plot measurements. However, the conversions from narrowband to broadband albedos of a general surface type have not been well established. Most studies compute total shortwave albedo based on either the empirical relations between surface total shortwave albedo measurements and satellite observations or radiative transfer simulations with the limited number of surface reflectance spectra because of the computational constraints. As a result, many conversion formulae for the same sensors are quite different. In this study, we applied an approach that decouples surface reflectance spectra from the real-time radiative transfer simulations so that many different surface reflectance spectra and the atmospheric conditions can be effectively incorporated. The conversion formulae, based on extensive radiative transfer simulations, are provided in this paper for calculating the total shortwave albedo, total-, direct-, and diffuse-visible, and near-infrared broadband albedos for several narrowband sensors, including ASTER, AVHRR, ETM+/TM, GOES, MODIS, MISR, POLDER, and VEGETATION. Some of these formulae were compared with the published formulae of the same sensors and further validations using extensive ground measurements will be discussed in the companion paper.

DOI

[26]
Yamaguchi Y, Kato S.Analysis of urban heat-island effect using ASTER and ETM+ Data: Separation of anthropogenic heat discharge and natural heat radiation from sensible heat flux[J]. Remote Sensing of Environment, 2005,99:44-54.

DOI

[27]
邬建国. 景观生态学-格局,过程,尺度与等级[M].北京:高等教育出版社,2007.

[ Wu J G.Landscape ecology pattern, process, scale and hierarchy[M]. Beijing: Higher Education Press, 2007. ]

[28]
马勇刚,塔西甫拉提·特依拜,黄粤,等.城市景观格局变化对城市热岛效应的影响——以乌鲁木齐市为例[J].干旱区研究,2006,23(1):172-176.利用遥感软件对1987年,1997年2期遥感影像进行监督分类,得到乌鲁木齐市的景观分类和景观格局变化图,并运用Fragstats软件对2期的景观格局做出定量评价,计算斑块数、斑块密度、平均斑块面积等景观指数;同时利用单窗体法提取各期LST(陆地表面温度),对两者进行比较分析发现:①城区面积的扩大使城市热岛效应在强度和面积上有加强的趋势;②尽管绿地面积变化不大,但其破碎度增加,使城区与绿地相混合程度提高,导致特高温区域面积减少;③由于水体斑块数的增加,使更大范围的城区在水体影响下局部温度降低,但由于自然水体面积有限,且总体呈减少趋势,使得郊区、水库区域明显增温,与城市中心区域温差逐渐缩小.由此,针对研究区的具体情况,提出改善城市热岛效应的对策.

[ Ma Y G, Tashpolat T, Huang Y, et al.Effects of landscape pattern change on urban heat-island effect in Arid Areas: A case study in Urumqi[J]. Arid Zone Research, 2006,23(1):172-176. ]

[29]
Kato S, Liu C C, Sun C Y, et al.Comparison of surface heat balance in three cities in Taiwan using Terra ASTER and Formosat-2 RSI data[J]. International Journal of Applied Earth Observation & Geoinformation, 2012,18(18):263-273.

[30]
刘艳红,郭晋平.基于植被指数的太原市绿地景观格局及其热环境效应[J].地理科学进展,2009,28(5):798-804.lt;p>以中国重要的能源工业城市太原市为研究区，借助RS、GIS等手段，以太原市1986年、1995年、2001年三个时相的TM/ETM数据为基础，应用景观生态学的理论和方法，选择归一化植被指数(NDVI)和地表辐射温度分别作为城市绿地和热环境效应的反映指标，分析城市化过程中绿地景观格局及其与热环境的变化特征；探讨城市绿地景观格局的变化与城市热环境效应的相关关系；以寻求提高城市绿地生态效益的有效途径，为日后的城市园林绿地建设提供一些借鉴。研究表明：1986-2001年间，NDVI值较大的植被覆盖情况较好的绿地逐年减少，取代以NDVI值较小的植被覆盖差的硬质半硬质景观；景观水平上，绿地景观破碎化程度加剧，各景观要素混杂程度提高；景观的多样性增加，但这样的多样性是以大量的人工干扰为前提的；各景观类型的优势度降低，分布趋于均匀。反映城市绿地景观的NDVI与反映热效应的地表辐射温度LST两者之间存在较大的负相关关系，景观格局的热环境效应随着景观破碎化程度的加剧、景观优势度降低和多样性的增加而加强，城市绿地景观的空间分布格局对其热环境效应也有着重要的影响，其中混合格局的降温效果最为明显。</p>

DOI

[ Liu Y H, Guo J P.The research of NDVI-based urban green space landscape pattern and thermal environment[J]. Progress in Geography, 2009,28(5):798-804. ]

[31]
徐建华. 现代地理学中的数学方法[M].北京:高等教育出版社,2002.

[ Xu J H.Mathematical methods in contemporary geography[M]. Beijing: Higher Education Press, 2002. ]

[32]
Sobol I M.Sensitivity estimates for nonlinear mathematical models[J]. Mathematical Modelling and Computational Experiment, 1993,1(1):112-118.Summary: The theorem that an integrable function can be decomposed into summands of different dimensions is proved. The Monte Carlo algorithm is proposed for estimating the sensitivity of a function with respect to arbitrary groups of variables.

[33]
Li X M, Zhou W Q, Ouyang Z Y.Relationship between land surface temperature and spatial pattern of greenspace: What are the effects of spatial resolution?[J]. Landscape & Urban Planning, 2013,114(8):1-8.

[34]
Zhou W Q, Huang G L, Cadenasso M L.Does spatial configuration matter? Understanding the effects of land cover pattern on land surface temperature in urban landscapes[J]. Landscape & Urban Planning, 2011,102(1):54-63.

Options
Outlines

/

〈 〉