EN中文

地理研究 >

2019 , Vol. 38 >Issue 9: 2346 - 2356

DOI: https://doi.org/10.11821/dlyj020180621

论文

近30年北京市ISP-LST空间特征及其变化

  • 于琛 1, 2 ,
  • 胡德勇 , 1, 2 ,
  • 曹诗颂 3 ,
  • 张旸 1, 2 ,
  • 张亚妮 1, 2 ,
  • 段欣 1, 2
展开
  • 1. 首都师范大学资源环境与旅游学院,北京 100048
  • 2. 首都师范大学资源环境与地理信息系统北京市重点实验室,北京 100048
  • 3. 北京建筑大学 测绘与城市空间信息学院, 北京 100044
胡德勇（1974-），男，湖南慈利人，教授，博士生导师，研究领域为资源环境遥感、自然灾害遥感监测与评估。E-mail:

于琛（1993-）,男,四川成都人,博士研究生,主要从事资源环境遥感方面研究。E-mail:

收稿日期: 2018-06-12

  要求修回日期: 2019-06-01

  网络出版日期: 2019-09-11

基金资助

国家自然科学基金项目(41671339)

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

The spatial characteristics and changes of ISP-LST of Beijing in recent 30 years

  • YU Chen 1, 2 ,
  • HU Deyong , 1, 2 ,
  • CAO Shisong 3 ,
  • ZHANG Yang 1, 2 ,
  • ZHANG Yani 1, 2 ,
  • DUAN Xin 1, 2
Expand
  • 1. College of Resources Environment and Tourism, Capital Normal University, Beijing 100048, China
  • 2. Beijing Key Laboratory of Resource Environment and Geographic Information System, Capital Normal University, Beijing 100048, China
  • 3. School of Geomatics and Urban Spatial Informatics, Beijing University of Civil Engineering and Architecture, Beijing 100044, China

Received date: 2018-06-12

  Request revised date: 2019-06-01

  Online published: 2019-09-11

Copyright

Copyright reserved © 2019
Fold

摘要

本文聚焦长时序地表的不透水与温度特征,利用Landsat影像数据,获取1991—2015年北京市的不透水地表盖度（Impervious Surface Percentage, ISP）与地表温度（Land Surface Temperature, LST）数据,构建不透水地表盖度-地表温度（ISP-LST）二维空间。结合标准差椭圆法,对ISP-LST空间密度分布的聚集特性进行分析,定量化表述各时期的特征与变化。研究发现：① ISP-LST二维空间特征表现为三种类型：弱相关、非完全正相关和显著正相关。② ISP-LST标准差椭圆的方向性和离散性均值为11.26和2.87,空间聚集性良好。随时间推移,高温现象受不透水地表的影响过程趋于复杂化。③ ISP-LST聚集区是城市热环境的重要表征,其在各功能区年际增长率为：功能扩展区（2.97%）>核心功能区（1.75%）>发展新区（1.63%）>生态涵养区（0.18%）。聚集区在东南方向增长明显,研究时段内累计增长14.77%。④ ISP-LST聚集区的斑块密度及形状复杂度的景观格局变化不大,但斑块连接性随时间推移有所降低。本文研究结果可为缓解城市热岛效应、制定生态环境调控政策提供相应参考。

关键词： 不透水地表盖度; 地表温度; 二维空间特征; 标准差椭圆; ISP-LST聚集区

本文引用格式

于琛 , 胡德勇 , 曹诗颂 , 张旸 , 张亚妮 , 段欣 . 近30年北京市ISP-LST空间特征及其变化[J]. 地理研究, 2019 , 38(9) : 2346 -2356 . DOI: 10.11821/dlyj020180621

Abstract

The construction and development of the city have caused the transformation of the natural surface to the impervious surface. At the same time, high-density impervious surface percentage (ISP) areas lead to the rise of the land surface temperature (LST), and form the thermal field in urban areas. It is of important research value to express the correlation between ISP and LST in the urban areas. This study focuses on the impervious properties and temperature properties of the underlying surface, attempts to establish a two-dimensional space about impervious surface percentage-land surface temperature (ISP-LST), and analyzes distribution relationship quantitatively. The two-dimensional spatial distribution of ISP-LST was constructed based on the multi-period Landsat image data in Beijing during 1991-2015 (the approaches to get ISP and LST are classification and regression tree model and radiative transfer equation method). Combined with the standard deviation ellipse method, the agglomeration characteristics of ISP-LST spatial density distribution were analyzed, and the characteristics and changes of ISP-LST in different times were quantitatively expressed. The study revealed that the spatial characteristics of ISP-LST in Beijing are manifested in three forms. The first type shows that there is no significant correlation between ISP and LST. This appears in the middle and early stages. The second one indicates that the high temperature appears in the medium-high coverage of the impervious surface and gradually decreases toward both ends. This appears in the middle stage. And the third type shows that ISP and LST perform the significant positive correlation. This appears in the late stage. The density core of the ISP-LST agglomeration is situated in areas with medium-high ISP and high LST. The mean directionality and dispersion of the ISP-LST standard ellipse are 11.26 and 2.87. It means that the directivity of spatial aggregation is good. The phenomenon of high temperature is complicated by the influence of the impervious surface over time. The aggregate areas of ISP-LST are important representation of the urban thermal environment, mostly located in the core functional areas and functional extended area of Beijing, and the growth rate is obvious in the southeast, with an accumulated growth of 14.77% in recent 30 years. The inter-annual growth rate of ISP-LST in each functional area is: functional expansion zone (2.97%) > core functional zone (1.75%) > development new zone (1.63%) > ecological conservation zone (0.18%). The change of ISP-LST landscape pattern like patch density and shape complexity is not significant, but patch connectivity decreased over time. The research results can help to provide a feasible ecological environment control policy for long-term urban planning.

Key words： impervious surface percentage; land surface temperature; two-dimensional spatial characteristic; standard deviation ellipse; ISP-LST agglomeration

1 引言

近年来中国城市化进程的步伐显著加快,许多城市正在经历大面积扩张和结构变化。截至2015年,中国人口已达到13.75亿,城市化率同期增长至56.10%[1]。在快速城市化背景下,城市热岛效应表现显著[2],这对城市居民生活和生态环境带来一定影响[3,4]。当前城市高温热浪事件呈现上升变化的趋势,城市化对此有一定促成作用[5]。在未来一段时期内,城市的扩张发展势必将继续保持快速增长,城市热岛效应所表现的高温聚集现象将会带来突出的城市环境问题。
城市化导致的地表下垫面物理性质变化是城市热岛效应的主要驱动因素之一[6,7]。由人工建筑物、道路等所构成的不透水面是城市土地覆盖最重要的组成部分。不透水地表盖度（Impervious Surface Percentage, ISP）指单位面积下不透水地表的面积占比,是研究城市热岛效应的关键指标[8]。城市地表温度（Land Surface Temperature, LST）与不透水地表盖度密切相关,国内外学者对两者的相互关系与影响进行了大量的研究与探索。Yuan等[9]、Rajasekar等[10]发现了城市热岛延伸变化与城市的发展和扩张方向具有一致性,认为城市热聚集区域与不透水地表有很强的相关性。谢启姣等[11]通过研究发现武汉主城区扩张强度对热力特征斑块聚集和热岛强度增强的拉动作用明显,不透水地表盖度每增加10%,会导致归一化地表温度上升1%~2%。Li等[12]和王敏等[13]均以上海市作为研究对象,发现不透水地表盖度对地表温度影响很大,不透水地表在高温区和亚高温区的比例分别为100%和90.39%。崔耀平等[14]对北京市开展研究工作,发现地表温度大体上随着城市扩展、不透水地表增加而升高,但强度在有些时期会出现一定程度的稳定与降低现象。匡文慧等[15]研究发现城市功能区之间的热力格局差异与土地覆盖类型的比例密切相关,高密度不透水地表显著增强了地表温度,其中不透水地表的温度相较水域和绿地,平均高出7.53℃和3.26℃。乔治等[16]分析了北京市区热岛效应现象,证实了区域的不透水地表面积比例大于50%时,会产生显著的高温现象。Wang等[17]发现北京地区不透水地表与昼夜变化的地表温度间也存在一定程度的关系。
地表的不透水特征反映了城市发展与扩张,地表温度表征着城市热环境格局,两者均为城市环境特征与居住适宜性的重要指示器。前人研究中,通常基于土地利用数据,研究不透水地表和自然地表的温度在时空上的变化差异,探寻不透水地表盖度与地表温度的定量关系。但少有将两者耦合起来,共同评估这种关系特征对城市发展的影响。本研究侧重建立长时间序列下的不透水地表盖度-地表温度（ISP-LST）在二维平面的变化关系,识别ISP-LST聚集区;进一步分析在城市发展时高温现象显著影响区域的变化特征,研究ISP-LST定量关系及其相互耦合特征,以便对城市规划和人居环境改善提供切实可行的调控建议。
本文选择1991—2015年Landsat影像数据,约每5年为一个阶段,提取各阶段北京市的不透水地表盖度和地表温度。基于遥感提取结果构建ISP-LST二维空间特征集,定量描述其形态与各阶段变化特征。获取城市中易引发热环境问题的区域进行重点关注,结合景观指标对ISP-LST聚集区时空格局分析进行统计评价,从期为缓解城市热岛效应和城市生态规划提供参考和技术支持。

2 研究区概况和数据来源

2.1 研究区概况

本文的研究区为北京市辖范围,位于华北平原北部边缘,约介于115°25′E—117°35′E、39°30′N—41°10′N之间。研究区属半湿润温带大陆性季风气候,年均气温12.3℃。北京作为中国的首都及政治文化中心,自20世纪90年代至今,其城市化发展极具代表性。该时期下,常住人口由1991年的1032万增长到2015年的2171万,城市化率也从73.86%上升为86.50%。同时期研究区热岛强度总体上呈现增长趋势[18],高温事件发生频次也有所提升[19]。

2.2 数据来源

收集1991—2015年共6个时期的Landsat卫星系列影像数据（https://earthexplorer.usgs.gov/）,包括4个Landsat 5 TM数据集（1991-09-21、1995-09-16、2005-09-27、2011-07-26）,1个Landsat 7 ETM+数据集（2001-09-24）和1个Landsat 8 OLI与TIRS数据集（2015-08-22）。其中,影像的可见光及近红外、中红外（空间分辨率30 m）用于不透水地表盖度的提取;热红外波段,即TM、ETM+第6波段和TIRS第10波段（空间分辨率120 m、60 m和100 m,均重采样至30 m）用于地表温度的反演。
同时,获取北京市五环线路内的Quick Bird高分影像（2005-06,空间分辨率为2.4 m）,作为提取不透水地表的参考与验证数据。收集中国地面气候资料日值数据集（http://data.cma.cn/）的地表温度数据用于反演结果的验证工作。
分别采用分类回归树法和辐射传输方程法,获取研究区的不透水地表盖度和地表温度数据,相应文献[20,21]给出了具体操作的算法与流程。对数据结果进行精度评估,其中不透水地表盖度与高分影像分类得到结果相比,相关系数为0.89,平均绝对误差8.63%;利用站点（延庆站、密云站、北京站）记录的地表温度与对应时期反演结果比较,发现反演值相较记录值均有偏高,平均高出2.31℃、2.85℃和1.71℃。反演结果虽有一定偏差,但能反映不同时期研究区范围地表温度的空间强弱分布特征,满足后续研究需求。

3 研究方法和技术流程

3.1 不透水地表盖度-地表温度空间的定量描述

二维空间指由长度信息和宽度信息所构成的平面,平面上的每个点位都可以由两个数组成的坐标（x, y）来表示。为定量描述研究区1991—2015年的不透水地表盖度和地表温度在空间上的形态特征,采用二维坐标的方式,将不透水地表盖度作为x轴变量,地表温度作为y轴变量,构建并得到ISP-LST的空间形态。
将不透水地表依照盖度的不同（1%~100%）定量化为x轴ISP单位范围1~100;对地表温度进行归一化处理。为与不透水地表单位范围上的统一,将归一化后的结果乘以100,使得地表温度在y轴LST单位范围为1~100。统计不同时期各ISP单位下的LST均值,定量统计并描述二维空间的特征。

3.2 不透水地表盖度-地表温度特征与变化分析

3.2.1 基于密度分布的标准差椭圆分析 二维散点在不同区间表现不同的聚集程度,反映了变量数据空间的聚类结构。采用密度分布指标能够反映各时期下研究区不透水地表盖度和地表温度的相对强度和聚集特征。标准差椭圆法是一种重要的空间计量分析方法,能够揭示空间数据的分布特征和演变过程[22],其原理是将要素以一种空间正态分布的方式排列,并能将一定占比的主要聚集要素选定出来。
本文根据散点单元邻域要素的信息来计算单位面积的密度分布。在密度分布属性基础上,利用标准差椭圆方法识别出空间聚集的散点区间,并划分出研究区ISP-LST的聚集区与非聚集区,分析不同时期下研究区ISP-LST的空间变化特征。
标准差椭圆的偏转角代表了空间数据主导趋势的方向,主辅轴代表空间数据分布的主次方向与聚集离散程度,可由此计算出方向性和离散性的特征。各参数计算方法由下式给出[22,23]：
P = ∑ i = 1 n w i x i ∑ i = 1 n w i , ∑ i = 1 n w i y i ∑ i = 1 n w i
R = arctan ∑ i = 1 n x ' i 2 - ∑ i = 1 n y ' i 2 + ∑ i = 1 n x ' i 2 - ∑ i = 1 n y ' i 2 2 + 4 ∑ i = 1 n x ' i y ' i 2 ∑ i = 1 n x ' i y ' i
D = ∑ i = 1 n w i x ' i cos R - w i y ' i sin R 2 ∑ i = 1 n w i x ' i sin R - w i y ' i cos R 2
S = ∑ i = 1 n w i x i ' sin R - w i y ' i cos R 2 ∑ i = 1 n w i 2
式中：P为标准差椭圆的重心坐标;R为偏转角;D为方向性;S为离散性;wi为权重;xi、yi为空间数据的点位坐标; x ' i 、 y ' i 为空间数据距离重心的相对坐标。
3.2.2 景观格局统计 利用景观格局指数对ISP-LST空间斑块的结构组成和变化特征情况进行定量描述,以反映不透水地表盖度和地表温度所形成空间环境的属性信息和分布特征。
景观格局的指数种类繁多、指标功能多样。参考前人对具有代表性的景观格局指数筛选提取工作[24],本文使用3种景观格局指数,包括斑块密度（Patch Density, PD）,表示单位面积上某种类型斑块的个数,作为密度大小及差异指标,能够反映斑块的密集程度、规模和异质性;平均形状指数（Mean Shape Index, MSI）,表示斑块形状的复杂程度,作为形状指标,能够反映斑块的外观和边缘特征;散布与并列指数（Interspersion Juxtaposition Index, IJI）,表示各个斑块类型间的总体散布与并列状况,作为聚散性指标,能够反映斑块间的连接性和分布格局。

3.3 技术流程

本文的研究技术流程如图1所示。首先对Landsat影像数据进行处理,提取6个时期的不透水地表盖度和地表温度专题信息。在此基础上,构建ISP-LST二维空间特征集,结合密度分布标准差椭圆的形态参数对ISP-LST空间特征进行分析,并对不同特征进行类型区分与讨论。最后,获取研究区的ISP-LST聚集区,探究其在不同功能区与方位分布的特征与变化,分析不同时期ISP-LST聚集区景观格局的结构特征。
图1 研究技术流程

Fig. 1 The research flow chart

4 结果分析

4.1 不透水地表盖度-地表温度的空间特征

4.1.1 标准差椭圆特征 统计得到1991—2015年研究区ISP-LST散点在二维空间的密度分布（图2）,发现其形态特征呈现核心聚集,即空间的内部密度最大,向外逐渐降低。各时期的密度核心均处在ISP增大方向的右侧,说明研究区不透水地表区域以中高盖度区间分布为主,且在该区域聚集较好;地表温度在LST增大方向的上侧聚集显著。随时间推移,核心密度的范围扩大明显,从初期的间断变化到后期在空间上连为整体,且有向横轴（ISP）延长拉伸的趋势。
图2 ISP-LST空间密度分布

Fig. 2 ISP-LST spatial density distribution

ISP-LST 标准差椭圆的空间形态表现特征如图3所示。其中,横轴（ISP）的长度代表了离散聚集程度。纵轴（LST）的高低代表了不透水地表盖度对地表温度响应的灵敏程度,左右截距幅度的大小表示ISP-LST聚集区的地表温度变化的强弱。特征结果反映了在研究时间段的前期,建筑、道路等不透水地表的形成对区域的高温现象影响单一且显著;随着时间推移,研究区结构与发展愈见复杂,相对于初始时期,高温现象除与不透水地表的扩张有关,还需有更多方面的考虑。
图3 ISP-LST标准差椭圆空间特征

Fig. 3 Spatial characteristic of ISP-LST standard deviation ellipse

表1给出了北京市各时期ISP-LST标准差椭圆的具体参数。质心处在一定范围内波动变化,随年份增长沿横轴（ISP）向高值迁移,沿纵轴（LST）向低值迁移。ISP-LST标准差椭圆的空间分布大致水平,偏转角具有先增后减的变化趋势,椭圆逐渐由横轴（ISP）向纵轴（LST）方向倾斜。方向性反映了北京市各时期下ISP-LST的方向明显程度,值越大空间聚集的方向性越好。离散性大小代表了数据分布的离散程度高低,ISP-LST标准差椭圆的离散性随时间推移是波动起伏的变化。
表1 ISP-LST标准差椭圆参数信息

Tab. 1 ISP-LST standard deviation ellipse parameters information

年份 质心（ISP, LST） 偏转角（°） 方向性 离散性
1991 （74.65,87.09） 90.21 12.37 2.43
1995 （75.92,86.01） 90.89 7.74 3.71
2001 （71.12,82.32） 91.14 11.72 2.78
2005 （69.92,77.22） 91.03 11.01 2.85
2011 （69.11,84.54） 88.94 15.58 2.18
2015 （78.12,79.26） 85.97 9.15 3.28

4.1.2 空间定量化的特征分类 依据对ISP-LST空间的定量描述的方法,统计6个时期单位不透水地表盖度的地表温度均值（图4）。观察各时期散点的空间变化,将特征规律归纳为以下三种类型：

图4 ISP-LST二维空间关系

Fig. 4 ISP-LST two-dimensional spatial correlation

（1）以1995年和2001年为代表,散点的空间分布离散,该类型下不透水地表盖度和地表温度相关性较弱。尽管拟合函数表现有负相关的趋势,但两者不具有显著定量关联。
（2）以1991年和2005年为代表,ISP-LST散点的空间分布具有明显的分段性,在不透水地表盖度的前75%范围下,两者变化正向相关;当不透水地表增长至高盖度的区间,不透水地表盖度和地表温度呈负向相关。该类型下中高盖度的不透水地表易表现较高的地表温度,且向两端地表温度逐渐降低。
（3）以2011年和2015年为代表,散点的空间分布相对聚集,不透水地表盖度和地表温度相关性较好。拟合函数的斜率为正,反映了这些年份随不透水地表盖度的升高,地表温度也保持增高的趋势。该类型下地表温度与不透水地表盖度具有较显著的正向相关。

4.2 不透水地表盖度-地表温度的空间变化

4.2.1 不透水地表盖度-地表温度聚集区 将二维空间中位于标准差椭圆内部的散点进行标记,并依据此划分出ISP-LST聚集区。自1991年以来ISP-LST聚集区随着城市的扩张,面积逐渐增大,且扩张方式呈现单核心式发展（图5）。
图5 北京市ISP-LST的聚集区

Fig. 5 ISP-LST agglomeration in Beijing

ISP-LST聚集区定义为研究区下对应于ISP-LST二维空间上高度聚集的阈值区间范围,一般表现较高值的不透水盖度与温度属性。这种空间聚集呈现的是在城市发展各个阶段下,不透水地表的盖度与温度主要且普遍的强度信息。ISP-LST聚集区在二维空间上的聚集特征,反映这些区域对研究区整体不透水与温度属性影响显著,可视为容易引起城市热环境问题的区域。在制定缓解城市热岛效应政策时,可以对ISP-LST聚集区进行相应的规划和控制。
4.2.2 聚集区在不同功能区的占比与增长 参考最新的城市规划和指导意见,北京市可划分为四个功能区,包括：核心功能区、功能扩展区、发展新区和生态涵养区。对1991—2015年的ISP-LST聚集区进行统计以分析其在不同功能区的分布特点（见图6）。ISP-LST聚集区在核心功能区的面积占比最高,从1991年的55.89%增长到2015年的64.64%;在功能扩展区面积占比次之,从1991年的21.51%增长到2015年的36.37%;在发展新区和生态涵养区的ISP-LST聚集区的面积占比较少,均值分别为6.14%和0.82%。
图6 ISP-LST聚集区面积占比与增长

Fig. 6 The proportion and growth of the area of ISP-LST aggregation

北京市各功能区ISP-LST年际增长率的排序为：功能扩展区（2.97%）>核心功能区（1.75%）>发展新区（1.63%）>生态涵养区（0.18%）。可见功能扩展区是ISP-LST聚集区潜在的快速增长区域;核心功能区的ISP-LST聚集区的面积占比已经较大,增长率相对有所放缓;发展新区ISP-LST聚集区面积占比较低且增速平稳,生态涵养区年际增长率则较低。
4.2.3 聚集区增长的方向差异 将北京市辖范围沿建成区中心划分为8个方向,以1991年为起始年份,统计1995—2015年ISP-LST聚集区沿不同方向的面积扩张情况（见图7）。北京市ISP-LST聚集区的扩张方向侧重在从正东顺时针至西南的方向内,正西顺时针至东北方向扩张缓慢。东南方向ISP-LST聚集区的增长强度最强,累计增长14.77%;正西方向ISP-LST聚集区的增长强度最弱,累计增长3.59%。2001年和2015年是ISP-LST聚集区增长较强的年份,年际增长均值为3.93%和2.17%。
图7 北京市不同方位ISP-LST聚集区的面积增长

Fig. 7 Area growth of ISP-LST aggregation in different directions in Beijing

4.2.4 聚集区景观格局变化 图8展示了1991—2015年ISP-LST聚集区的景观格局的特征与变化。斑块密度PD经历了先大后小的变化,表明ISP-LST聚集区的破碎化程度在随时间变化有先增大再较小的趋势。平均形状指数MSI总体保持平稳变化,波动较小处在1.21至1.33范围内,说明ISP-LST聚集区的斑块形状的复杂度在这一时期下较为稳定。散布与并列指数IJI在1995年后有明显减小的变化,表明ISP-LST聚集区斑块邻接程度与聚集性在1995年后明显减弱,分布的散布性增强。
图8 ISP-LST聚集区的景观格局

Fig. 8 Landscape pattern of ISP-LST aggregation

5 结论

本研究以Landsat影像为主要数据源,获取研究区1991—2015年6个时期的不透水地表盖度与地表温度,构建两者二维空间。对不同时期不透水地表盖度-地表温度的变化特征进行归纳,定量描述其空间特征与变化特点,结论为：
（1）ISP-LST聚集区的密度核心处在中高不透水地表盖度和高地表温度的区域,ISP-LST标准差椭圆的偏转角、方向性和离散性均值为89.70°、11.26和2.87,空间聚集的方向性良好。在研究时间段的初期,不透水地表的形成对区域的高温现象影响单一且显著;随着时间推移,研究区的发展与结构愈见复杂,高温现象除与不透水地表的扩张有关,还会受其他方面的影响。
（2）研究时期的ISP-LST空间特征表现为三种类型：类型一以1995年和2001年为代表,该类型下不透水地表盖度和地表温度相关性较弱,两者不表现明显的定量关联;类型二以1991年和2005年为代表,该类型下地表温度的高值易出现在中高盖度的不透水地表区域,且向两端逐渐降低;类型三以2011年和2015年为代表,该类型下不透水地表盖度和地表温度具有较显著的正向相关,地表温度随不透水地表盖度的升高而增长。
（3）ISP-LST聚集区呈现单核心式的发展,且在建成区东南方向扩张明显,研究时段下累计增长14.77%。ISP-LST的聚集区在北京市各功能区年际增长率排序为：功能扩展区（2.97%）>核心功能区（1.75%）>发展新区（1.63%）>生态涵养区（0.18%）,且在核心功能区面积占比最高,2015年达64.64%。同时,ISP-LST聚集区斑块的破碎化程度随时间变化有先增再减的趋势,斑块形状的复杂度较为稳定,邻接程度与聚集性在1995年后明显减弱,分布的散布性逐渐增强。
研究结果表明,为较好控制北京市高温现象,需加强对高密度不透水地表的控制与改造,降低ISP-LST聚集区斑块的密度与聚集性。同时,城市规划中应加强在城区东南方向的热岛效应控制工作,密切关注核心功能区、功能扩展区的高温增长现象。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
国家统计局. 中国统计年鉴: 2016. 北京: 中国统计出版社, 2016.

[ National Bureau of Statistics of China. China Statistical Yearbook 2016. Beijing: China Statistics Press, 2016.]

[2]
Voogt J A, Oke T R . Thermal remote sensing of urban climates. Remote Sensing of Environment, 2003,86(3):370-384.

[3]
彭保发, 石忆邵, 王贺封 , 等. 城市热岛效应的影响机理及其作用规律: 以上海市为例. 地理学报, 2013,68(11):1461-1471.

[ Peng Baofa, Shi Yishao, Wang Hefeng , et al. The impacting mechanism and laws of function of urban heat islands effect: A case study of Shanghai. Acta Geographica Sinica, 2013,68(11):1461-1471.]

[4]
Li H D, Meier F, Lee X H , et al. Interaction between urban heat island and urban pollution island during summer in Berlin. Science of the Total Environment, 2018,636:818-828.

[5]
杨续超, 陈葆德, 胡可嘉 . 城市化对极端高温事件影响研究进展. 地理科学进展, 2015,34(10):1219-1228.

[ Yang Xuchao, Chen Baode, Hu Kejia . A review of impacts of urbanization on extreme heat events. Progress in Geography, 2015,34(10):1219-1228.]

[6]
Cheval S, Dumitrescu A . The summer surface urban heat island of Bucharest (Romania) retrieved from MODIS images. Theoretical & Applied Climatology, 2015,121(3-4):631-640.

[7]
Du H Y, Wang D D, Wang Y Y , et al. Influences of land cover types, meteorological conditions, anthropogenic heat and urban area on surface urban heat island in the Yangtze River Delta Urban Agglomeration. Science of the Total Environment, 2016,571:461-470.

[8]
Brabec E, Schulte S, Richards P L . Impervious surfaces and water quality: A review of current literature and its implications for watershed planning. Journal of Planning Literature, 2002,16(4):499-514.

[9]
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. Remote Sensing of Environment, 2007,106(3):375-386.

[10]
Rajasekar U, Weng Q H . Urban heat island monitoring and analysis using a non-parametric model: A case study of Indianapolis. ISPRS Journal of Photogrammetry and Remote Sensing, 2009,64(1):86-96.

[11]
谢启姣, 刘进华, 胡道华 . 武汉城市扩张对热场时空演变的影响. 地理研究, 2016,35(7):1259-1272.

[ Xie Qijiao, Liu Jinhua, Hu Daohua . Urban expansion and its impact on spatio-temporal variation of urban thermal characteristics: A case study of Wuhan. Geographical Research, 2016,35(7):1259-1272.]

[12]
Li J X, Song C H, Cao L , et al. Impacts of landscape structure on surface urban heat islands: A case study of Shanghai, China. Remote Sensing of Environment, 2011,115(12):3249-3263.

[13]
王敏, 孟浩, 白杨 , 等. 上海市土地利用空间格局与地表温度关系研究. 生态环境学报, 2013,22(2):343-350.

[ Wang Ming, Meng Hao, Bai Yang , et al. Relationships between landscapes spatial pattern and land surface temperature in Shanghai. Ecology and Environmental Sciences, 2013,22(2):343-350.]

[14]
崔耀平, 刘纪远, 秦耀辰 , 等. 北京城市扩展对热岛效应的影响. 生态学杂志, 2015,34(12):3485-3493.

[ Cui Yaoping, Liu Jiyuan, Qin Yaochen , et al. The impact of urban sprawl on heat island intensity in Beijing. Chinese Journal of Ecology, 2015,34(12):3485-3493.]

[15]
匡文慧, 杨天荣, 刘爱琳 , 等. 城市地表覆盖结构组分与热环境调控模型(EcoCity)研究: 以北京城市为例. 中国科学: 地球科学, 2017,47(7):847-859.

[ Kuang Wenhui, Yang Tianrong, Liu Ailin , et al. An EcoCity model for regulating urban land cover structure and thermal environment: Taking Beijing as an example. Scientia Sinica (Terrae), 2017,47(7):847-859.]

[16]
乔治, 田光进 . 基于MODIS的2001年-2012年北京热岛足迹及容量动态监测. 遥感学报, 2015,19(3):476-484.

[ Qiao Zhi, Tian Guangjin . Dynamic monitoring of the footprint and capacity for urban heat island in Beijing between 2001 and 2012 based on MODIS. Journal of Remote Sensing, 2015,19(3):476-484.]

[17]
Wang K C, Jiang S J, Wang J K , et al. Comparing the diurnal and seasonal variabilities of atmospheric and surface urban heat islands based on the Beijing urban meteorological network. Journal of Geophysical Research Atmospheres, 2017,122(4):2131-2154.

[18]
葛荣凤, 王京丽, 张力小 , 等. 北京市城市化进程中热环境响应. 生态学报, 2016,36(19):6040-6049.

DOI

[ Ge Rongfeng, Wang Jingli, Zhang Lixiao , et al. Impacts of urbanization on the urban thermal environment in Beijing. Acta Ecologica Sinica, 2016,36(19):6040-6049.]

[19]
杨萍, 刘伟东, 侯威 . 北京地区城郊极端温度事件的变化趋势及差异分析. 气候与环境研究, 2013,18(1):80-86.

[ Yang Ping, Liu Weidong, Hou Wei . Trends and difference analyses of temperature extremes in rural and urban areas in Beijing. Climatic and Environmental Research, 2013,18(1):80-86.]

[20]
Yang L M, Huang C Q, Homer C G , et al. An approach for mapping large-area impervious surfaces: synergistic use of Landsat-7 ETM+ and high spatial resolution imagery. Canadian Journal of Remote Sensing, 2003,29(2):230-240.

[21]
江樟焰, 陈云浩, 李京 . 基于Landsat TM数据的北京城市热岛研究. 武汉大学学报(信息科学版), 2006,31(2):120-123.

[ Jiang Zhangyan, Chen Yunhao, Li Jing . Heat island effect of Beijng based on Landsat TM data. Geomatics and Information Science of Wuhan University, 2006,31(2):120-123.]

[22]
赵璐, 赵作权 . 基于特征椭圆的中国经济空间分异研究. 地理科学, 2014,34(8):979-986.

[ Zhao Lu, Zhao Zuoquan . Projecting the spatial variation of economic based on the specific ellipses in China. Scientia Geographica Sinica, 2014,34(8):979-986.]

[23]
金淑婷, 李博, 杨永春 , 等. 中国城市分布特征及其影响因素. 地理研究, 2015,34(7):1352-1366.

[ Jin Shuting, Li Bo, Yang Yongchun , et al. The distribution of cities in China and its influencing factors. Geographical Research, 2015,34(7):1352-1366.]

[24]
布仁仓, 胡远满, 常禹 , 等. 景观指数之间的相关分析. 生态学报, 2005,25(10):2764-2775.

[ Bu Rencang, Hu Yuanman, Chang Yu , et al. A correlation analysis on landscape metrics. Acta Ecologica Sinica, 2005,25(10):2764-2775.]

Options
文章导航

/

〈 〉