EN中文

Journal of Geo-information Science >

2022 , Vol. 24 >Issue 5: 981 - 995

DOI: https://doi.org/10.12082/dqxxkx.2022.210520

Temporal and Spatial Characteristics of Diurnal Surface Urban Heat Island Intensity in China based on Long Time Series MODIS Data

  • LIU Yuxiang ,
  • YANG Yingbao , * ,
  • HU Jia ,
  • MENG Xiangjin ,
  • KUANG Kaixin ,
  • HU Xiejunde ,
  • BAO Yao
Expand
  • School of Earth Science and Engineering, Hohai University, Nanjing 211100, China
* YANG Yingbao, E-mail:

Received date: 2021-08-31

  Request revised date: 2021-12-02

  Online published: 2022-07-25

Supported by

National Natural Science Foundation of China(42071346)

Fundamental Research Funds for the Central Universities(B210201013)

Natural Science Foundation of Jiangsu Province(BK20190495)

Copyright

Copyright reserved © 2022.
Fold

Abstract

As China's urbanization process accelerates, urban heat island is difficult to alleviate. There have been many studies on the impact of land use/cover type, city size, and urban morphology on urban heat islands. There is still a lack of research on the impact of climate background on the intensity of diurnal Surface Urban Heat Islands (SUHII) in China. To explore the temporal and spatial distribution characteristics of diurnal SUHII in different climatic regions in China, this study firstly uses the GEE cloud platform to obtain the annual and seasonal average surface temperature data of each city and the area of urban and suburban, and then calculates the SUHII of each city. The Sen's slope method and M-K non-parametric trend test method are used to calculate the temporal change trend of diurnal SUHII in China. Finally, this study discussed the spatial distribution and temporal changes of SUHII from the spatial and temporal scales. The results show that: (1) Diurnal differences: the annual average SUHII of cities in China at daytime (1.25±0.81 ℃) is higher than that at nighttime (0.79±0.43 ℃); (2) Seasonal differences: the diurnal SUHII has different results in different seasons. The daytime SUHII is high in summer and weak in winter. There are little differences between the four seasons at night; (3) Differences in climatic regions: the distribution of diurnal SUHII shows obvious spatial differentiation. The daytime SUHII in the tropics and subtropics is higher than that in temperate and plateau climate regions, with the strongest SUHII occurring in the southern subtropics and the weakest SUHII occurring in plateau climate regions. The nighttime SUHII is higher in the temperate regions than in tropical, subtropical, and plateau climate regions, with the strongest occurring in the mid-temperate regions and the weakest occurring in the northern subtropics; (4) Temporal and spatial changes: The daytime SUHII shows a non-significant downward trend (|Z|<1.96), while nighttime SUHII shows a significant upward trend (|Z|>1.96). There are seasonal differences in the inter-annual variation of diurnal SUHII. In the daytime, the upward trend of SHUII in summer are significantly higher than that in other seasons, and nighttime SHUII shows a significant upward trend in all seasons, of which SUHII has the largest upward trend in winter. Cities with a significant upward trend in the daytime are mainly distributed in the tropics and southern subtropics, and cities with a significant upward trend at night are widely distributed in the mid-temperate and warm-temperate regions.

Key words： urban heat island; surface heat island intensity; land surface temperature; regional climate background; annual characteristics; seasonal characteristics; diurnal characteristics; long time series

Cite this article

LIU Yuxiang , YANG Yingbao , HU Jia , MENG Xiangjin , KUANG Kaixin , HU Xiejunde , BAO Yao . 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

1 引言

世界已进入快速的城市化进程,全球城市人口比例从1990年的10%上升到2018年的55.3%,预计2050年将达到68.4%[1,2],中国城市人口比例从1978年的17.9%增长到2016年的57.35%[3]。随着城市化进程的加快,城市热岛问题难显缓解之势,将会影响城市气候、城市水文和城市居民健康等,导致大气污染、城市热浪、城市内涝等生态水文灾害,极大影响了城市居民的人身安全和生活宜居性。因此,研究城市热岛能为城市规划和可持续发展提供理论依据,对改善城市居民人居环境具有重要的现实意义。
城市热岛是指城区的温度高于周围乡村或郊区的现象。城市热岛监测方法主要有气象资料法、定点观测法、流动观测法、遥感观测法和数值模拟法5种,由于遥感观测具有宏观、动态等优点,已成为城市热岛监测的主要手段,并且城市地表热岛强度(Surface Urban Heat Island Intensity, SUHII)成为了测度衡量城市热岛强弱的关键指标。已有研究表明城市热岛强度及其时空特征受土地利用/覆盖、城市形态、景观格局、人为热和大气污染等众多因素影响,如Zou[4]等研究了土地利用/土地覆盖类型对城市热岛的影响,发现增加自然下垫面覆盖率可以降低城市热岛强度;刘勇洪[5]等研究城市热岛与城市形态的关系,发现城市空间形态是城市热岛形成的重要驱动因素之一;潘明慧[6]等研究了景观格局类型对福州市热岛的影响,优化景观格局可发挥良好的降温效果;陈一溥[7]探讨了长株潭城市群人为热排放对城市热岛的影响,人为热的引入使得城市群主城区夏季和冬季的平均温度分别升高了约0.7 ℃和1.5 ℃,冬季增温效果是夏季的2 倍;Wang[8]等研究了长三角地区城市热岛与空气污染之间的潜在相互作用。区域气候背景对城市热岛也会产生重要影响,如Wu[9]等根据Köppen-Geiger的气候区类型,探讨了南美洲44个城市的热岛,研究发现除干旱区,其他气候区白天的平均地表热岛强度均高于夜晚;王阳[10]等对我国69个典型城市进行研究,发现干带的大气热岛强度高于其他气候带,极地带最弱;曹畅等[11]研究了全国39个城市昼夜热岛强度的空间分布特征,发现白天湿润区及半湿润区的平均地表热岛强度高于半干旱及干旱地区,夜晚则表现为湿润区低于其他气候区。目前我国城市热岛研究多集中于单个城市尺度（如北京[12,13]、上海[14,15]、南京[16,17]、福州[18,19]等）、城市群尺度（长三角城市群[20,21]、京津翼城市群[22]、粤港澳大湾区[23]、关中平原城市群[24]）,且主要从人类活动视角分析城市热岛时空特征及其影响因素,缺乏地形、气候等自然因素对城市地表热岛时空分布及演变的影响研究。因此,本文借助GEE云平台,利用长时序的MODIS地表温度数据和相关辅助数据,研究2003—2019年全国347个城市的地表热岛强度,从气候带视角分析我国城市地表热岛强度的空间分布特征及时间变化趋势,以期进一步推动我国城市热岛影响及其演变机制研究。

2 研究区概况、数据来源及研究方法

2.1 研究区概况

本文共选择了347个城市作为研究区,其中包括中国大陆332个地级市（除去三沙市）、4个直辖市（北京、上海、天津、重庆）、香港、澳门特别行政区和中国台湾9个城市,分布于图1中的7个气候带（除寒温带以外）,其中热带8个城市,南亚热带44个城市,中亚热带87个城市,北亚热带41个城市,暖温带88个城市,中温带59个城市,高原气候区19个城市。
图1 中国气候带划分示意

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619 号的标准地图制作,底图无修改。

Fig. 1 Schematic diagram of the division of climate regions in China

2.2 数据来源及预处理

本文使用的数据主要包括地表温度[25]、土地覆盖[26]、中国地市行政边界[27]、中国人口空间分布公里网格数据[28]和气候带[29]等（表1）。
表1 研究数据

Tab. 1 Research data

数据类型 数据时间/年 数据介绍 数据来源
MYD11A2 2003—2019 分辨率1 km,包括夜晚地温和白天地温,过境时间为当地太阳时的13:30和1:30 https://lpdaac.usgs.gov/products/modis_products_table/myd11a2
MCD12Q1 2013—2019 分辨率500 m https://lpdaac.usgs.gov/products/mcd12q1v006/
中国地市行政边界数据 2015 Shape格式 https://www.resdc.cn/data.aspx?DATAID=201
中国人口空间分布公里网格数据 2017 分辨率1 km,每个栅格代表该网格范围（1平方公里）内的人口数 https://www.resdc.cn/data.aspx?DATAID=251
气候带数据 2018 根据资源环境科学与数据中心的中国生态地理分区数据处理生成 https://www.resdc.cn/data.aspx?DATAID=125
本文在GEE平台上对地表温度产品MYD11A2进行无效值剔除,并将影像进行中值合成,得到年际合成及春（3—5月）、夏（6—8月）、秋（9— 11月）和冬（12 —次年2月）4个季节合成的白天（13：30）、夜晚（1：30）平均地表温度数据。本文对2003—2019年土地覆盖数据采用最邻近法重采样为1 km;由于研究区中的城市位于边缘热带、赤道热带、中热带、高原寒带及高原温带数量较少,故将边缘热带、赤道热带、中热带归并为热带,高原寒带、高原温带归并为高原气候区,因此本文研究区城市主要位于7个气候带,分别为：热带、南亚热带、中亚热带、北亚热带、暖温带、中温带、高原气候区;利用人口空间分布公里网格数据集获取每个城市（城区与郊区）的人口数量,并根据人口数量将城市分为三类：一级城市（大于100万）、二级城市（介于50万到100万之间）和三级城市（小于50万）,分级依据见 http://english.www.gov.cn/policies/latest_releases/2014/11/25/content_281475015213546.htm。

2.3 研究方法

本文借助GEE云平台,应用MODIS遥感数据获取2003—2019年347个城市8 d合成的地表温度,基于中值方法合成年平均和季节平均地表温度（白天13：30和夜晚1：30两个时刻）;基于卷积滤波和等面积缓冲区法逐年提取347个城市的城区与郊区范围;分别统计每个城市的年际和季节昼夜地表热岛强度;基于Sen's slope方法和M-K非参数趋势检验法计算中国城市昼夜地表热岛强度时间变化趋势,探讨我国城市昼夜地表热岛强度在不同气候区的时空分布特征,技术路线如图2所示。
图2 中国昼夜城市热岛强度时空分析技术路线

Fig. 2 Technical route of temporal and spatial analysis of diurnal SUHII in China

2.3.1 城区与郊区范围提取
如何定义城区和郊区概念成为遥感监测城市热岛的核心问题。本文采用面积缓冲区法确定城区与郊区边界[30,31,32],该方法分为5个步骤:① 基于MODIS的MCD12Q1产品数据将研究区划分为城市与非城市两类,并将非城市地类中的水体进行掩膜;② 选取每个城市内面积最大的城市斑块进行3×3卷积（通常内部点的8邻域全为1,可通过形态学腐蚀的方法使用3×3的卷积核对图像进行腐蚀得到内部点,并与原图相减可得到图像的边界）,提取城区边界,获得347个城市的城区范围;③ 填补城区边界内由于非城市地类所形成的“空洞”,以提取完整的城区边界;④ 以城区边界向外构建等面积缓冲区（与城区面积相等）,确定郊区范围;⑤ 将郊区内的城市像元进行掩膜,获取最终的郊区范围。
2.3.2 城市地表热岛强度计算
利用预处理后的年际合成与季节合成的昼夜地表温度数据,把各个城市的城区与郊区区域所有像元平均地表温度的差值作为各城市的地表热岛强度（式（1））。
SUHII = ∑ u = 1 m Tu m - ∑ s = 1 n Ts n
式中： SUHII指城市地表热岛强度; m、 n分别代表城区与郊区的像元总个数; Tu指城区第 u个像元的地表温度; Ts指郊区第 s个像元的地表温度/℃。将所有热岛值从大到小排序,并将其分为热岛 (>0℃)和冷岛(<0℃),本文为方便统计规律,根据均值加标准差的方法[16]定义一级热岛（>1.5℃),二级热岛(1~1.5℃),三级热岛（0~1 ℃）。
2.3.3 城市地表热岛强度时间趋势分析
多数学者选用线性回归法进行城市地表热岛强度的趋势分析,但该方法难以消除序列数据中异常值干扰,Sen's slope方法可判断城市地表热岛强度的变化趋势及其平均变化率,M-K非参数检验法可判断城市地表热岛强度时间变化的显著性,显著性水平由统计值Z决定,因此本研究选用Sen's slope和M-K非参数趋势检验法相结合的方法分析中国城市的地表热岛强度时间变化趋势。
（1） Sen's slope法
趋势判断采用Sen's slope法,斜率 slope表示此序列的平均变化率以及时间序列的趋势,计算公式如下。
slope = Median X j - X i j - i
式中： Median ( )为取中值函数; X i和 X j分别表示时间序列中第 i项和第 j项的值; slope大于0表示时间序列呈现上升趋势; slope小于0表示时间序列呈现下降趋势。
（2）Mann-Kendall检验法
在Mann-Kendall检验中,原假设H0为城市地表热岛强度时间序列数据 ( X 1 , … , X n ),是 n个独立的、随机变量同分布的样本;假设H1是双边检验,对于所有的 k, j< n,且 k不等于 j, X k和 X j的分布是不相同的,检验的统计量 S计算如下：
S = ∑ k = 1 n - 1 ∑ j = k + 1 n Sgn X j - X k
其中 Sgn ( )如下列公式。
Sgn X j - X k = 1 X j - X k > 0 0 X j - X k = 0 - 1 X j - X k < 0
S为正态分布,其均值为0,方差 Var S = n n - 1 2 n + 5 / 18,当n>10时,标准的正态系统变量通过下式计算：
Z = S - 1 Var S S > 0 0 S = 0 S - 1 Var S S < 0
双边趋势检验中,在给定α置信水平上,如果| Z|大于等于 Z1-α/2 则原假设是不可接受的,即在α置信水平上,城市地表热岛强度时间序列数据存在明显的趋势。本研究中城市地表热岛强度的时间序列长度为17,采用统计量 Z来进行趋势检验,检验中取显著性水平α=0.05, Z=1.96。即| Z|>1.96,表示通过95%的置信度水平,为显著变化趋势,将所有城市的地表热岛强度变化趋势划分为显著上升、非显著上升、显著下降和非显著下降4个类型。

4 结果与分析

4.1 城市昼夜地表热岛强度空间分布

4.1.1 城市昼夜地表热岛强度年均值空间分布
我国城市白天年平均地表热岛强度（1.25 ℃）高于夜晚（0.79 ℃）,位于东南部地区的城市白天热岛强度较强;北部出现三级强热岛城市较少,主要发生于暖温带的东部和中温带东北部的城市（图3(a)）;夜晚三级强热岛则主要发生于中温带的城市（图3(b)）。
图3 年均城市地表热岛强度等级空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619 号的标准地图制作,底图无修改。

Fig. 3 Spatial distribution of annual average SUHII grades

位于热带、亚热带、温带、高原气候带气候区的城市,其白天年平均热岛强度依次递减（图3）。白天有63.7%的城市（221个）发生了二级及三级热岛现象,主要分布热带及亚热带,热带出现三级热岛的城市占比约62.5%,未出现一级热岛。亚热带城市出现三级热岛占46.5%,一级热岛占17.5%,其中南亚热带城市出现三级热岛占比最高（68.2%）,中亚热带城市出现一级热岛占比最高（52.3%）,它们主要是张家界、黄山、丽江等旅游城市,具有城市人口规模小,植被覆盖率高等特点。温带出现三级热岛的城市占比24.5%,主要出现在暖温带,如经济发达、城市规模教大的京津冀城市群出现强热岛的占比大;一级热岛占比44.9%,主要出现在中温带,还出现冷岛城市占比11.3%,主要分布在吐鲁番、酒泉、克拉玛依、嘉峪关等城市。高原气候带未出现三级热岛,一级热岛占比55.6%,阿里地区、日喀则、那曲等5个城市出现冷岛,占比27.8%。
夜晚年均地表热岛强度从大到小依次是温带、高原气候带、热带和亚热带。夜晚有27.4%的城市（95）个发生了二级及三级热岛现象,大部分位于暖温带（占43.2%）和中温带（占37.9%）。热带8个城市,均表现为一级热岛。亚热带三级热岛只有1个,二级热岛主要发生在南亚热带（5个）、中亚热带（6个）,一级强热岛占比86%。温带三级热岛17个,其中中温带占64.7%（11个）,无冷岛现象。高原气候区三级热岛1个,二级热岛3个,一级热岛占78.9%（15个）,无冷岛现象。
因此,我国城市年均昼夜地表热岛强度存在显著的气候带分异（表2）,其显著性经检验,具有统计意义（P<0.05）。由图4可知,白天热岛强度表现为亚热带及热带地区高于温带及高原地区,其中南亚热带表现为最强,高原气候区最弱;夜晚则表现为温带高于亚热带、热带及高原地区,其中中温带最强,北亚热带最弱。
表2 气候带差异非参数检验

Tab. 2 Nonparametric test of climatic region differences

检验统计（a,b）
克鲁斯卡尔-沃利斯 H(K) 自由度 渐近显著性
年际白天 84.603 6 3.99E-16
年际夜晚 82.501 6 1.09E-15
春季白天 102.783 6 6.58E-20
春季夜晚 121.595 6 7.54E-24
夏季白天 83.966 6 5.4E-16
夏季夜晚 76.409 6 1.97E-14
秋季白天 194.137 6 3.36E-39
秋季夜晚 45.096 6 4.48E-08
冬季白天 139.511 6 1.27E-27
冬季夜晚 161.436 6 2.94E-32
图4 各气候带年均城市地表热岛强度对比

Fig. 4 Annual average SUHII comparison in various climatic regions

4.1.2 城市昼夜地表热岛强度季节空间分布
白天,夏季地表热岛强度最高,其次是春季、秋季和冬季。由图5可知,夏季全国有81.3%的城市发生三级热岛（282个）,广泛分布在热带、亚热带及温带的东部,冬季则仅有10%的城市发生了三级热岛（35个）,主要分布在南亚热带及中温带的东部。夜晚,春季地表热岛强度最高,其次冬季、夏季和秋季,但差异不明显。冬季三级热岛最多,有17%个城市发生了三级热岛（59个）,主要分布在中温带及暖温带,秋季则仅有10%的城市发生三级热岛（35个）,主要分布在中温带。
图5 季节平均城市地表热岛强度等级空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619 号的标准地图制作,底图无修改。

Fig. 5 Spatial distribution of seasonal average SUHII grades

我国城市季节平均地表热岛强度在昼夜存在显著的气候带分异（表2）,其显著性经检验,具有统计意义（P<0.05）。不同气候带的季节城市地表热岛强度如图5和图6所示,从季节差异看,每个气候带白天地表热岛强度规律相同,热岛强度大小依次为夏季>春季>秋季>冬季,其中冬季在暖温带出现了大量冷岛城市。主要原因是城市周边被农田环绕,冬季植被少且土壤裸露,导致其反照率较低,土壤含水量较低,受太阳照射时其地表温度迅速升高,而城区由于建筑物、植被等地物的遮挡影响,其温度低于郊区,从而出现负值的现象。 7个气候带4个季节的夜晚热岛强度规律不明显,热带及亚热带地区冬季城市地表热岛强度在四季中表现为最弱,而温带冬季热岛则表现为最强。出现这种现象的原因一方面与该区域生长着季节性作物和落叶乔木,冬季郊区以裸土为主,城市和郊区反照率差异较大,导致郊区夜晚降温迅速;另一方面,冬季温带区域的居民取暖释放人为热较多,从而导致城市夜晚地表热岛强度整体升高。综上所述,热带及亚热带4个季节白天地表热岛强度均较强,且高于温带地区,而夜晚4个季节地表热岛强度表现为温带均高于热带及亚热带（图6）。
图6 各气候带季节平均城市地表热岛强度对比

Fig. 6 Seasonal average SUHII comparison in various climatic regions

4.2 城市昼夜地表热岛强度时间变化特征

4.2.1 城市昼夜地表热岛强度年际变化
结合图7和表3,发现2003—2019年,夜晚城市年均地表热岛强度变化趋势高于白天。白天呈现非显著性下降（(|Z|<1.96),下降速度为0.0012 ℃/年;夜晚呈现显著性上升(|Z|>1.96),上升速度为0.0048 ℃/年。
图7 年均城市地表热岛强度时间变化趋势分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619 号的标准地图制作,底图无修改。

Fig. 7 Temporal variation trend distribution of annual average SHUII

表3 年均不同气候带Slope及Z值

Tab. 3 Average annual Slope and Z value of different climatic regions

区域 白天 夜晚
slope值 Z值 slope值 Z值
全国 -0.0012 -0.20 0.0048 2.01
热带 0.019 2.26 -0.00068 -0.37
南亚热带 0.021 3.17 -0.00035 -0.20
中亚热带 0.0030 1.11 0.0028 1.02
北亚热带 0.0080 1.85 0.0050 0.86
暖温带 -0.019 -1.85 0.0070 1.77
中温带 0.00076 0.04 0.011 2.26
高原 -0.0058 -1.19 0.0073 1.60
年际地表热岛强度年变化趋势空间分布如图7,可以看出白天年际地表热岛强度呈现上升趋势的城市有180个,其中41个城市为显著上升趋势,主要分布在热带及亚热带,尤其中南亚热带的上升趋势最强（Z=3.17）,该带约有31.8%的城市呈显著上升趋势（14个）;166个城市的年际地表热岛强度呈现出下降趋势,其中有32个城市呈现显著下降趋势,主要分布在暖温带及中温带。夜晚,有212个城市呈现出上升趋势,其中38个城市呈现出显著上升趋势,大多数分布在中温带和暖温带,其中中温带的上升趋势最强（Z=2.26）,该带约有15.3%的城市呈现显著上升趋势（9个）。135个城市的年平均地表热岛强度呈现出下降趋势,主要分布在热带及亚热带,其中14个城市呈现出显著下降趋势,主要分布在中温带及亚热带。
4.2.2 城市昼夜地表热岛强度季节性变化
从全国范围看,2003—2019年白天热岛强度春季（0.0019 ℃/年）和夏季（0.0058 ℃/年）呈现非显著上升趋势,秋季（-0.0045 ℃/年）和冬季（-0.0064 ℃/年）呈现非显著性下降趋势（表4）。如图8所示,春季,显著性上升城市主要分布在中亚热带及南亚热带地区,中亚热带及南亚热带都有24%的城市呈现显著上升趋势;夏季,显著性上升城市主要分布热带及亚热带地区,尤其南亚热带中50%以上的呈现显著上升趋势;秋季和冬季显著性上升城市主要分布在南亚热带。夏季热岛在白天上升的最剧烈,这是因为夏季日照时间较其他季节长,城区白天吸收的太阳辐射能量多,随着城市化的发展,城市不透水面又逐渐增加,城区温度逐渐升高,城郊温差逐渐增大。夜晚,春夏秋冬4个季节都呈现显著性上升,上升趋势分别为0.0083、0.0089、0.0082、0.012 ℃/年,冬季增长趋势呈现最大。夏季的显著性上升的城市数量最多,约23%的城市呈现显著上升趋势。春季与夏季的白天上升趋势城市数量高于夜晚,而秋季与冬季则呈现相反模式（图9）。
表4 不同季节各气候带Slope值及Z值

Tab. 4 Slope value and Z value of different climate regions in different seasons

全国 热带 南亚热带 中亚热带 北亚热带 暖温带 中温带 高原气候区
春季 白天 Slope值 0.0019 0.03 0.055 0.015 0.0063 -0.021 -0.02 -0.019
Z值 0.29 2.84 3.83 2.18 0.78 -1.85 -2.35 -2.60
夜晚 Slope值 0.0083 0.002 0.002 0.0085 0.0099 0.01 0.0091 0.013
Z值 3.01 0.54 0.29 2.10 1.69 1.61 1.61 2.27
夏季 白天 Slope值 0.0058 0.038 0.062 0.011 0.0025 -0.014 -0.016 0.012
Z值 0.70 3.01 3.91 2.02 0.45 -1.19 -3.01 1.44
夜晚 Slope值 0.0089 0.0091 0.0066 0.0043 0.017 0.016 -0.0005 -0.0029
Z值 2.92 1.28 2.6 2.43 3.25 3.09 -0.04 -0.45
秋季 白天 Slope值 -0.0045 0.008 0.024 -0.0062 -0.0079 -0.025 -0.0047 -0.0033
Z值 -0.62 1.77 2.68 -1.36 -0.95 -2.10 -0.62 -0.62
夜晚 Slope值 0.0082 0.0041 0.0072 0.0012 0.0079 0.012 0.0076 0.0064
Z值 2.18 0.37 2.02 0.45 0.95 1.85 1.69 1.69
冬季 白天 Slope值 -0.0064 0.017 0.021 0.0002 -0.0081 -0.019 -0.02 -0.018
Z值 -1.19 2.68 3.17 0.4 -1.28 -3.01 -1.11 -2.84
夜晚 Slope值 0.012 -0.0023 0.003 0.0055 0.012 0.019 0.015 0.016
Z值 3.34 -0.45 0.45 0.87 1.77 2.92 2.27 3.01
图8 不同季节城市地表热岛强度时间变化趋势分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2020)4619 号的标准地图制作,底图无修改。

Fig. 8 Temporal variation trend distribution of SHUII in different seasons

图9 不同季节城市昼夜地表热岛强度变化趋势的数量统计

Fig. 9 Quantitative statistics on the variation trend of diurnal SHUII in different seasons

5 讨论

通过本文研究及前人研究成果发现,受我国幅员辽阔、气候类型多样且城市规模不同等多种背景因素影响,我国城市昼夜地表热岛强度表现出明显的时空差异。本文通过长时序的MODIS地表温度数据,从年均、季节和昼夜3个时间尺度,从全国、气候带、城市3个空间尺度探讨了我国347个城市昼夜地表热岛强度的空间分布特征以及时间变化规律。
通过研究表明,城市地表热岛强度存在季节、昼夜差异。我国白天年均地表热岛强度高于夜晚。白天,夏季热岛最强,其次是春季、秋季和冬季,夜晚则表现为春冬稍高于夏秋,这与之前关于中国城市地表热岛强度季节模式[34,35]的研究结果相似。因为我国位于赤道以北,夏季的太阳高度最大且日照时间更长,再加上城市不透水面的蓄热能力导致城区的地表温度更高;且有研究发现,植被覆盖度高的郊区在白天由于蒸散效应会降低地表温度[36]。城郊区的巨大反差导致夏季白天的热岛强度最大,而冬季由于太阳辐射较弱,在四个季节中地表热岛强度最低。夜晚,不同季节地表热岛强度的形成机制与白天有所差异,因为夜晚的植被活动和蒸散量影响较小[37],且城市和郊区之间的人为热排放和反照率对比是导致夜晚地表热岛强度不同模式的可能因素[34]。不同气候带,城市昼夜地表热岛强度存在空间分异,本文发现,年均地表热岛强度在白天呈现的空间分布规律为：热带、亚热带高于温带和高寒气候带,而夜晚则相反,这与之前zhou等[34]的结论一致。研究发现,气候效应可以直接解释为土壤水分差异[38],处于热带和亚热带城市比处于干燥和寒冷气候的寒冷气候区的城市具有更高的土壤湿度和大气含水量。因此,与处于寒冷气候区的北部城市相比,热带、亚热带地区的城市和郊区之间的土壤水分差异更大,导致白天的地表热岛强度更高,夜晚的地表热岛强度更低。
除了气候背景对城市地表热岛强度造成影响外,城市规模也会对城市地表热岛强度造成影响,本文研究结果与Tran[39]等的研究结果一致。如位于温带东部的部分城市白天出现了三级强热岛现象（如北京、大连、吉林等）,这主要是因为这些城市经济较发达,城市人口数量多等。如图10所示,白天,全国尺度及其各气候带（除了中温带）都呈现出一级城市的平均地表热岛强度大于二三级城市（一至三级分别表示大城市、中城市和小城市）。夜晚,全国、南亚热带及温带同样也表现为一级城市的平均地表热岛强度最强,其次为二三级城市。
图10 不同规模等级城市年平均地表热岛强度

Fig. 10 Annual average SUHII of cities of different sizes and classes

本研究结论与以往研究也存在一些不同之处。本文研究全国白天热岛强度高于夜晚,但李宇[40]等研究我国84个主要城市,发现全国夜晚热岛强度高于白天。本文研究结果表明白天全国城市年均地表热岛强度呈非显著下降,夜晚呈显著性上升,但孙艳伟[41]等发现白天呈显著下降趋势,而夜晚呈非显著上升趋势。以上研究结论存在差异,主要有两点原因：① 实验数据和研究对象的差异,李宇等通过地面气象观测数据,探讨的是城市大气热岛,而本文使用遥感数据,研究对象是城市地表热岛; ② 研究尺度的差异,本文研究区是中国地级行政区以上城市,而孙艳伟等研究中国城镇,不同级别城市的地表热岛强度会有所差异。
综上所述,气候背景对城市地表热岛强度的时空分布有一定的影响,但城市地表热岛强度的时空分异受多维因素影响（如城市化水平、植被覆盖度、不透水面、人为热、空气污染等）,如位于温带地区的嘉峪关、克拉玛依等城市,由于郊区下垫面类型以高反照率的裸土、沙土为主,且该区域气候干燥,白天会出现冷岛现象。因此,今后我们需综合考虑城市的气候背景、城市规模、地理环境等多维因素,因地制宜提出合理、有效的城市热岛效应减弱措施,实现城市人居环境与发展环境持续和谐发展。

6 结论

本文以中国347个城市为研究区,通过城郊地表温差计算获得全国各城市的城市地表热岛强度,探讨了中国城市地表热岛强度的空间分布特征,结合Sen's slope和M-K非参数趋势检验法,揭示了2003—2019年中国城市地表热岛强度的时间变化特征,主要结论如下：
（1）我国绝大部分城市表现出明显的热岛效应,全国白天年平均地表热岛强度（1.25±0.81 ℃）高于夜晚年平均地表热岛强度（0.79±0.43 ℃）。
（2）我国城市昼夜地表热岛强度分布呈现明显的空间分异。白天,热带和亚热带地区城市平均地表热岛强度较高,暖温带、中温带及高原气候区城市平均地表热岛强度较低;而夜晚热岛则与之相反,暖温带和中温带城市平均地表热岛强度较高,热带和亚热带城市较低。昼夜热岛分布有季节差异,白天平均地表热岛强度表现为夏季高,冬季弱;夜晚平均地表热岛强度四季差异不大,春冬两季略高于夏秋两季。
（3）我国城市昼夜地表热岛强度时间变化具有空间和季节差异。我国白天地表热岛强度呈现非显著性下降（|Z|<1.96|）,呈上升趋势的城市主要分布在热带及南亚热带地区,南亚热带年际地表热岛强度上升趋势是最强,夏季上升幅度高于其他季节;夜晚年际地表热岛强度呈显著性上升（|Z|>1.96|）,呈显著上升趋势的城市广泛分布在中温带和暖温带,其中中温带年际地表热岛强度上升趋势最强;夜晚热岛四个季节都呈显著上升趋势,冬季上升趋势最大。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Grimm N, Faeth S, Golubiewski N E, et al. Global change and the ecology of cities[J]. Science, 2008, 319:756-760. DOI: 10.1126/science.1150195

DOI

[2]
United Nations, World Urbanization Prospects 2018[EB/OL]. https://www.un.org/developm-ent/desa/publications/2018-revision-of-world-urbanization-prospects.html/, 2018.

[3]
Li Y, Jia L, Wu W, et al. Urbanization for rural sustainability-Rethinking China's urban-ization strategy[J]. Journal of Cleaner Production, 2018, 178:580-586. DOI: 10.1016/j.jclepro.2017.12.273

DOI

[4]
Zou Z D, Yan C H, Yu L Y, et al. Impacts of land use/ land cover types on interactions between urban heat island effects and heat waves[J]. Building and Environment, 2021, 204:108138. DOI: 10.1016/j.buildenv.2021.108138

DOI

[5]
刘勇洪, 徐永明, 张方敏, 等. 北京城市空间形态对热岛分布影响研究[J]. 地理学报, 2021, 76(7):1662-1679.

DOI

[ Liu Y H, Xu Y M, Zhang FM, et al. Influence of Beijing spatial morphology on the distribution of urban heat island[J]. Acta Geographica Sinica, 2021, 76(7):1662-1679. ] DOI: 10.11821/dlxb202107007

DOI

[6]
潘明慧, 兰思仁, 朱里莹, 等. 景观格局类型对热岛效应的影响——以福州市中心城区为例[J]. 中国环境科学, 2020,40(6):2635- 2646.90.

[ Pang M H, Lan S R, Zhu L Y, et al. Influence of landscape pattern types on heat island effect over central Fuzhou city[J]. China Environmental Science, 2020,40(6):2635- 2646.90. ] DOI: 10.3969/j.issn.1000-6923.2020.06.034

DOI

[7]
陈一溥, 郑伯红. 长株潭城市群人为热排放对城市热环境影响研究[J]. 长江流域资源与环境, 2021, 30(7):1625-1637.

[ Chen Y P, Zhen B H. Study on the impact of human heat emission on the urban thermal environment of Changsha Zhuzhou Xiangtan urban agglomeration[J]. Resources and Environment in the Yangtze Basin, 2021, 30(7):1625-1637. ] DOI: 10.11870/cjlyzyyhj202107010

DOI

[8]
Wang Y Y, Guo Z Y, Han J. The relationship between urban heat island and air pollutants and them with influencing factors in the Yangtze River Delta, China[J]. Ecological Indicators, 2021, 129:107976. DOI: 10.1016/j.ecolind.2021.107976

DOI

[9]
Wu X J, Wang G X, Yao R, et al. Investigating surface urban heat islands in South A-merica based on MODIS data from 2003-2016[J]. Remote Sensing, 2019, 11(10):1212. DOI: 10.3390/rs11101212

DOI

[10]
王阳, 孙然好. 区域气候背景对城市热岛效应的影响规律[J]. 生态学报, 2021, 41(11):4288-4299.

[ Wang Y, Sun R H. Impacts of regional climate on urban heat islands in China[J]. Acta Ecologica Sinica, 2021, 41(11):4288-4299. ] DOI: 10.5846/stxb202011303061

DOI

[11]
曹畅, 李旭辉, 张弥, 等. 中国城市热岛时空特征及其影响因子的分析[J]. 环境科学, 2017, 38(10):3987-3997.

[ Cao C, Li X H, Zhang M, et al. Correlation analysis of the urban heat island effect and its impact factors in China[J]. Environmental Science, 2017, 38(10):3987-3997. ] DOI: 10.13227/j.hjkx.201702127

DOI

[12]
An N, Dou J, González-Cruz J E, et al. An observational case study of synergies between an intense heat wave and the urban heat island in Beijing[J]. Journal of Applied Meteorology and Climatology, 2020, 59(4):605-620. DOI: https://doi.org/10.1175/JAMC-D-19-0125.1

DOI

[13]
Yang P, Ren G Y, Hou W. Impact of daytime precipitation duration on urban heat island intensity over Beijing city[J]. Urban Climate, 2019, 28:100463. DOI: 10.1016/j.uclim.2019.100463

DOI

[14]
敖翔宇, 谈建国, 支星, 等. 上海城市热岛与热浪协同作用及其影响因子[J]. 地理学报, 2019, 74(9):1789-1802.

DOI

[ Ao X, Tan J, Zhi X, et al. Synergistic interaction between urban heat island and heat waves and its impact factors in Shanghai[J]. Acta Geographica Sinica, 2019, 74(9):1789-1802. ] DOI: 10.11821/dlxb201909007

DOI

[15]
Wang H T, Zhang Y Z, Tsou J Y, et al. Surface urban heat island analysis of Shanghai (China) based on the change of land use and land cover[J]. Sustainability, 2017, 9(9):1538. DOI: 10.3390/su9091538

DOI

[16]
Su W Z, Gu C L, Yang G S. Assessing the impact of land use/land cover on urban heat island pattern in Nanjing city, China[J]. Journal of Urban Planning and Development, 2010, 136(4):365-372. DOI: 10.1061/(ASCE)UP.1943-5444.0000033

DOI

[17]
Hu J, Yang Y, Pan X, et al. Analysis of the spatial and temporal variations of land surface temperature based on local climate zones: A case study in Nanjing, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(11):4213-4223. DOI: 10.1109/JSTARS.2019.2926502

DOI

[18]
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 L 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

[19]
Hu X S, Xu H Q. A new remote sensing index for assessing the spatial heterogeneity in urban ecological quality: A case from Fuzhou city, China[J]. Ecological Indicators, 2018, 89:11-21. DOI: 10.1016/j.ecolind.2018.02.006

DOI

[20]
Sun Y W, Gao C, Li J L, et al. Evaluating urban heat island intensity and its associated determinants of towns and cities continuum in the Yangtze River Delta Urban Agglomerations[J]. Sustainable Cities and Society, 2019, 50:101659. DOI: 10.1016/j.scs.2019.101659

DOI

[21]
Shi X, Xu Y M, Wang G J, et al. Spatiotemporal variations in the urban heat islands across the coastal cities in the Yangtze River Delta, China[J]. Marine Geodesy, 2021, 44(5):1-18. DOI: 10.1080/01490419.2021.1897716

DOI

[22]
赵安周, 裴韬, 曹森, 等. 京津冀城市扩张对植被和地表城市热岛的影响[J]. 中国环境科学, 2020, 40(4):1825-1833.

[ Zhao A Z, Pei T, Cao S, et al. Impacts of urbanization on vegetation growth and surface urban heat island intensity in the Beijing-Tianjin-Hebei[J]. China Environmental Science, 2012, 40(4):1825-1833. ] DOI: 10.19674/j.cnki.issn10006923.2020.0206

DOI

[23]
杨智威, 陈颖彪, 吴志峰, 等. 粤港澳大湾区建设用地扩张与城市热岛扩张耦合态势研究[J]. 地球信息科学学报, 2018, 20(11):1592-1603.

DOI

[ Yang Z W, Chen Y B, Wu Z F, et al. Couplingsituation of construction land expansion and urban heat island expansion in the Guangdong-Hong Kong-Macao Greater Bay[J]. Journal of Geo-information Science, 2018, 20(11):1592-1603. ] DOI: 10.12082/dqxxkx.2018.180242

DOI

[24]
胡李发, 谢元礼, 崔思颖, 等. 关中平原城市群夏季城市热岛特征及驱动力[J]. 中国环境科学, 2021, 41(8):3842-3852.

[ Hu L F, Xie Y L, Cui S Y, et al. The characteristics and driving forces of summer urban heat island in Guanzhong Plain urban agglomeration[J], China Environmental Science, 2021, 41(8):3842-3852. ] DOI: 10.3969/j.issn.1000-6923.2021.08.042

DOI

[25]
Wan Z, Dozier J. A generalized split- window algorithm for retrieving land- surface temperature from space[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34:892-905. DOI: 10.1109/36.508406

DOI

[26]
Friedl M A, McIver D K, Hodges J C F, et al. Global land cover mapping from MODIS: Algorithms and early results[J]. Remote Sensing of Environment, 2002, 83:287-302. DOI: 10.1016/S0034-4257(02)00078-0

DOI

[27]
资源环境数据云平台. 中国地市行政边界数据(2015年)[DB/OL] http://www.resdc.cn/, 2017.

[ Resource and Environment Data Cloud Platform. China City Administrative Boundary Data. (2015)[DB/OL]. http://www.resdc.cn/, 2017.]

[28]
人口分布数据,徐新良. 中国人口空间分布公里网格数据集[DB/OL]. 资源环境数据云平台, http://www.resdc.cn/DOI/DOI.aspx?DOIid=32, 2017, DOI:10.12078/2017121101.

[ Xv X L. China's population spatial distribution kilometer grid dataset[DB/OL]. Resource and Environment Data Cloud Platform, http://www.resdc.cn/DOI/DOI.aspx?DOIid=32, 2017, DOI:10.12078/2017121101. ]

[29]
资源环境数据云平台. 中国生态地理分区数据[DB/OL]. http://www.resdc.cn/, 2018.

[ Resource and Environment Data Cloud Platform. China Ecological Geographical Area Data[DB/OL]. http://www.resdc.cn/ 2018.]

[30]
Clinton N, Gong P. MODIS detected surface urban heat islands and sinks: Global locations and controls[J]. Remote Sensing of Environment, 2013, 134:294-304. DOI: 10.1016/j.rse.2013.03.008

DOI

[31]
Tan M H, Li X B. Quantifying the effects of settlement size on urban heat islands in fairly uniform geographic areas[J]. Habitat International, 2015, 49:100-106. DOI: 10.1016/j.habitatint.2015.05.013

DOI

[32]
Liu X, Zhou Y Y, Yue W Z, et al. Spatiotemporal patterns of summer urban heat island in Beijing, China using an improved land surface temperature[J]. Journal of Cleaner Production, 2020, 257:120529. DOI: 10.1016/j.jclepro.2020.120529

DOI

[33]
杨英宝, 苏伟忠, 江南, 等. 南京市热岛效应变化时空特征及其与土地利用变化的关系[J]. 地理研究, 2007(5):877-886,1070.

[ Yang Y B, Su W Z, Jiang N, et al. Spatial-temporal characteristics of urban heat island effect change of Nanjing city and its relation with land use change[J]. Geographical Research, 2007(5):877-886,1070. ] DOI: 10.3321/j.issn:1000-0585.2007.05.003

DOI

[34]
Zhou D C, Zhao S Q, Liu S G, et al. Surface urban heat island in China's 32 major cities: Spatial patterns and drivers[J]. Remote sensing of environment, 2014, 152:51-61. DOI: 10.1016/j.jclepro.2020.120529

DOI

[35]
Wang J A, Huang B, Fu D J, et al. Spatiotemporal variation in surface urban heat island intensity and associated determinants across major Chinese Cities[J]. Remote Sensing, 2015, 7(4):3670-3689. DOI: 10.3390/rs70403670

DOI

[36]
Yao R, Wang L C, Huang Xin, et al. Greening in rural areas increases the surface urban heat island intensity[J]. Geophysical Research Letters, 2019, 46(4):2204-2212. DOI: 10.1029/2018GL081816

DOI

[37]
Peng S S, Piao S L, Ciais P, et al. Surface urban heat island across 419 global big cities[J]. Environmental science & technology, 2012, 46(2):696-703. DOI: 10.1021/es2030438

DOI

[38]
Yue W Z, Liu X, Zhou Y Y, et al. Impacts of urban configuration on urban heat island: An empirical study in China mega-cities[J]. Science of the Total Environment, 2019, 671:1036-1046. DOI: 10.1016/j.scitotenv.2019.03.421

DOI

[39]
Tran H, Uchihama D, Ochi S, et al. Assessment with satellite data of the urban heat island effects in Asian mega cities[J]. International journal of applied Earth observation and Geoinformation, 2006, 8(1):34-48. DOI: https://doi.org/10.1038/s41598-017-09628-w

DOI

[40]
李宇, 周德成, 闫章美. 中国84个主要城市大气热岛效应的时空变化特征及影响因子[J]. 环境科学, 2021, 42(10):5037-5045.

[ Li Y, Zhou D C, Yan Z M. Spatiotemporal variations in atmospheric urban heat island effects and their driving factors in 84 major Chinese cities. Environmental Science, 2021, 42(10):5037-5045. ] DOI: 10.13227/j.hjkx.202102003

DOI

[41]
孙艳伟, 王润, 郭青海, 等. 基于人居尺度的中国城市热岛强度时空变化及其驱动因子解析[J]. 环境科学, 2021, 42(1):501-512.

[ Sun Y W, Wang R, Guo Q H, et al. Estimation of the urban heat island intensity change and its relationships with driving factors across China Based on the Human Settlement Scale[J]. Environmental Science, 2021, 42(1):501-512. ] DOI: 10.13227/j.hjkx.202006009

DOI

Options
Outlines

/

〈 〉