2023, Vol. 44
2. 天津大学建筑学院, 天津 300072;
3. 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;
4. 北京社会科学院, 北京 100101;
5. 天津大学建筑设计规划研究总院有限公司, 天津 300070;
6. 天津市科学技术发展战略研究院, 天津 300011
, CHEN Jia-yue1 , WANG Nan1 , LU Ying-shuang1 , HE Tong1 , SUN Zong-yao2 , XU Xin-liang3 , YANG Hao4 , LI Ying5 , WANG Fang6
2. School of Architecture, Tianjin University, Tianjin 300072, China;
3. State Key Laboratory of Resources and Environmental Information Systems, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
4. Beijing Academy of Social Sciences, Beijing 100101, China;
5. Tianjin University Research Institute of Architectural Design and Urban Planning Company Limited, Tianjin 300070, China;
6. Tianjin Academy of Science and Technology for Development, Tianjin 300011, China
以气温升高为主要特征的全球气候变化是人类社会可持续发展面临的重大挑战.作为全球气候变化最典型的特征之一, 城市热岛(urban heat island, UHI)效应是由于人类活动导致城市和郊区间温度差异显著的现象[1, 2].近年来, 城市化过程加剧城市热岛效应, 高温热浪极端天气频率增加, 并与空气污染等环境问题协同复合影响人类健康和城市可持续发展[3~5].因此, 识别城市热环境复杂系统及其网络结构时空变化, 从而主动适应与减缓城市热岛效应已成为应对气候变化和降低气候风险的重要目标和技术手段[6~9].
分析城市热岛斑块空间形态和结构特征的相互作用对于主动适应与减缓城市热岛效应具有重要意义.已有学者利用空间形态学和景观生态学等方法分别在全球、国家和区域等不同空间尺度开展了城市热环境时空动态研究[10~13].针对空间形态学理论和方法, 已有研究通过剖面线法刻画地表温度从城市中心到郊区的空间变化过程, 绘制城市热岛重心迁移轨迹揭示城市热岛效应时空扩张规律[12, 14].此外, 已有研究通过定量新增城市热岛斑块与原有斑块的空间拓扑关系, 识别边缘型、填充型和飞地型等新增城市热岛斑块空间扩张模式及其扩张路径[15].基于景观生态学研究城市热环境的理论核心为“基底-斑块-廊道-网络”[16].在“基底”(研究区域中分布最广、连续性程度最高的城郊背景场)中定量识别出“斑块”(即城市热岛像元), 并从数量、形态和结构等方面构建多种指标评估城市热岛斑块景观空间形态、结构特征与城市热环境时空过程的关联[17].在此基础上, 识别廊道及其相互交叉所形成的空间网络.形态学空间格局分析(morphological spatial pattern analysis, MSPA)更加强调系统内部及结构性连接, 对斑块的量化分类(核心、孤岛、孔隙、边缘、环道、桥接和支线)为廊道和网络识别提供了理论依据[18].同时, 电路理论可以有效弥补MSPA功能性连接不足的缺陷, 被进一步用来解析关键廊道[18].但是, 该方法多被用于生态廊道和生态网络, 针对城市热岛效应还没有被广泛应用.总之, 现阶段的研究多致力于如何评估城市热环境变化, 而忽视了主动适应和减缓城市热环境变化的必要性[19]; 多致力于量算绿色基础措施对于城市热环境的降温效果, 而忽视了城市热环境复杂系统结构的内在成因机制[20]; 多致力于揭示土地利用规模或景观组分对城市热环境的影响, 而忽视了城市热环境空间网络的重要性[21].
本文以京津冀城市群为研究区, 利用MODIS(moderate-resolution imaging spectroradiometer)地表温度(land surface temperature, LST)产品, 基于MSPA和电路理论定量识别城市热岛斑块及景观类型.在此基础上, 揭示城市热环境空间网络和关键廊道时空演变过程.本研究结果将为城市热环境网络识别提供范式, 旨在实现主动有序适应和减缓城市热环境风险与促进城市可持续发展的目标.
1 材料与方法 1.1 研究区域概况京津冀城市群位于华北平原北部, 夏季高温多雨, 冬季寒冷干燥, 属于温带季风气候.京津冀城市群包括北京市、天津市、石家庄市、唐山市、秦皇岛市、邯郸市、邢台市、保定市、张家口市、承德市、沧州市、廊坊市和衡水市等13个城市, 其面积占全国总面积的2.35%(图 1).截至2020年, 京津冀城市群人口和GDP分别占全国的7.82%和8.50%, 城镇化水平达到68.61%, 成为带动我国经济快速增长和参与国际经济合作与竞争的主要平台[22].文献[23]明确指出要打造以首都北京为核心的世界级城市群.但是, 在快速大规模城市化和一体化发展的同时[24, 25], 京津冀城市群高温热浪天数明显增加、城市热岛强度显著上升等城市热环境问题及其所带来的不利影响日益突显[26~29].
|
图 1 京津冀城市群行政边界及夏季平均地表温度 Fig. 1 Administrative boundary of Beijing-Tianjin-Hebei urban agglomeration and the average LST in summer |
本研究所使用的地表温度数据来源于美国国家航空航天局提供的Aqua MODIS 8天3级(L3)LST全球产品(MYD11A2, 6.1 Level-1B)数据集, 由Aqua卫星于13:30(上升模式)和01:30(下降模式)这两次过境时获取(https://ladsweb.modaps.eosdis.nasa.gov/search/), 空间分辨率为1 km.地表温度数据通过分裂窗算法反演获得, 精度可达到1 K.本研究在Google Earth Engine(GEE)平台上分别针对2005年和2020年6~8月所有MODIS LST产品进行精度控制后计算其上升模式的像元平均值, 作为地表平均温度表征研究区2005年和2020年夏季城市热环境(图 1).
1.2.2 土地利用数据土地利用数据来自中国科学院资源环境科学与数据中心网站(http://www.resdc.cn)所提供的土地利用遥感监测数据集, 包括耕地、林地、草地、水域、城乡建设用地和未利用土地这6个一级类型以及25个二级类型, 空间分辨率为1 km.土地利用一级类型综合评价精度达94.30%, 二级类型综合精度达91.20%[30].
1.2.3 城市边界数据城市边界数据来源于全球城市边界数据集(http://data.ess.tsinghua.edu.cn/), 其主要借助GEE平台开发, 绘制了全球多时相的城市边界数据[31].该数据集能够很好地捕获到城乡边缘地区轮廓特征, 因而在本研究中被用于城市热岛斑块范围识别.本研究综合利用地表温度数据、土地利用数据和城市边界数据, 通过SUE(simplified urban-extent)算法分别识别京津冀城市群2005年和2020年夏季城市热岛斑块[32].本研究将各个城市边界范围内部非城乡建设用地和非水域像元的平均温度统计为郊区背景场温度, 高于背景场温度的像元被识别为城市热岛斑块, 像元地表温度与郊区背景场温度的差值即为该像元城市热岛强度.
1.3 城市热岛斑块景观类型识别针对由SUE算法所得到的2005年和2020年京津冀城市群夏季城市热岛斑块, 利用ArcGIS软件将其转换为二值数据(城市热岛斑块为前景, 其余为背景), 再利用Guidos软件的MSPA方法进一步分类为7种城市热岛斑块景观类型, 包括: 核心、孤岛、孔隙、边缘、环道、桥接和支线(图 2)[33].
|
图 2 基于MSPA的城市热岛斑块分类及特征 Fig. 2 Classification and characteristics of UHI patches based on MSPA |
基于城市热岛斑块类型空间分布, 引入电路理论, 识别京津冀城市群热环境空间网络.电路理论耦合电学与运动生态学, 利用电子在电路中随机游走的特性(即随机漫步理论)来模拟物种个体或基因流在特定场中的迁移扩散过程.本研究将城市地表能量(温度)传输过程作为电流, 背景场和城市热岛斑块景观作为电导面.其中, 核心型且面积大于1 km2的城市热岛斑块被定义为源地, 根据是否利于地表能量传输为各类城市热岛斑块景观赋予不同电阻值(表 1)[18].例如, 核心型等城市热岛斑块地表温度较高, 表征其易于传输和储存地表能量, 则被赋予低电阻值.反之, 背景场(非城市热岛斑块)则被赋予高电阻值.据此, 城市热环境即可转化为一系列节点(源地)和电阻组成的电路.该步骤通过linkage mapper工具箱中的build network and map linkages功能实现.
|
表 1 基于MSPA的城市热岛斑块类型电阻值 Table 1 Resistance values of UHI patch types based on MSPA |
在电路模拟过程中, 运用linkage mapper工具箱中pinchpoint mapper调用circuitscape程序, 同时选取“all-to-one”计算模式, 将某个源地与地面链接, 将电流注入剩余的源地中, 在所有源地间相互作用, 即可得到基于连接廊道的电流密度.本研究中, 电流密度大小表征地表能量在该电路中传输概率的大小.由于并联电路中有效电阻会随着电路路径数的增加而降低, 相应的电流会增大, 因而当廊道冗余度、宽度和连接度增加时, 地表能量传输过程中所受到的阻力会减小, 地表能量传输的概率随之增大.
1.5 廊道重要性分级根据电路理论, 地表能量传输与源地面积和电流强度成正比, 与廊道长度成反比.因此, 本研究进一步提出廊道系数, 并依据其值大小划分廊道重要性:
|
式中, CI为廊道系数; Areayd为廊道所连接的城市热岛源地面积; 
本研究识别京津冀城市群热岛斑块并将其分为7种城市热岛斑块类型(图 3).2020年, 城市热岛斑块面积为16 610 km2, 占研究区面积比例为7.68%. 2020年城市热岛斑块面积是2005年的2.38倍.
|
图 3 基于MSPA的城市热岛斑块类型空间分布 Fig. 3 Spatial distribution of UHI patch types based on MSPA |
2005~2020年京津冀城市群热岛斑块主要分布于中部、南部和东南部, 面积显著增加, 其中北京市和天津市城市热岛斑块面积较大且分布集中.2020年, 北京市城市热岛斑块面积最大(3 737 km2), 城市热岛斑块集中分布于北京市东南部. 2020年北京市城市热岛斑块面积是2005年的2.12倍, 占京津冀城市群面积比例为1.73%, 占北京市总面积的22.77%. 2020年北京市城市热岛斑块城市热岛强度为(1.51±1.22)℃.天津市城市热岛斑块面积仅次于北京市(2 194 km2), 占京津冀城市群的面积比例为1.01%, 占天津市的18.39%; 2020年天津市城市热岛斑块面积是2005年的2.80倍, 城市热岛强度为(2.03±1.25)℃.承德市城市热岛斑块面积最小(171 km2), 仅占研究区面积的0.08%, 占承德市面积的0.43%. 2020年承德市城市热岛斑块面积是2005年的3.29倍.
2005~2020年京津冀城市群热岛斑块类型由孤岛型为主导转变为以核心型为主导. 2020年京津冀城市群以核心型城市热岛斑块为主, 面积为5 078 km2, 主要集中分布于北京市、天津市和京津冀城市群西南部, 核心型城市热岛斑块城市热岛强度为(2.43±1.27)℃; 孤岛型和边缘型城市热岛斑块次之, 主要分布于京津冀城市群东南部, 面积分别为3 964 km2和3 803 km2, 城市热岛强度分别为(0.92±0.75)℃和(1.51±1.07)℃.2020年孔隙型城市热岛斑块面积最小(91 km2). 2005~2020年, 核心型和边缘型城市热岛斑块面积增加最多(3 180 km2和2 386 km2), 孔隙型增长速度最快(2020年的结果是2005年的11.38倍).
2.1.2 城市热岛斑块类型时空转移路径2005~2020年京津冀城市群不同城市热岛斑块类型差异显著, 具有明显的类型转移特征(图 4). 2020年核心型城市热岛斑块主要来源于2005年的非城市热岛斑块(35.25%)、核心型(33.26%)和边缘型(16.21%).新增核心型城市热岛斑块主要集中于北京市南部、天津市南部、唐山市中部和京津冀城市群西南部.
|
剔除2005年和2020年皆为背景的区域 图 4 2005~2020年城市热岛斑块类型面积转移 Fig. 4 Area transfer of UHI patch types from 2005 to 2020 |
2005年孤岛型城市热岛斑块在2020年主要转向为孤岛型(31.97%)、非城市热岛斑块(23.01%)和边缘型(16.77%).其中, 转向为非城市热岛斑块的孤岛型城市热岛斑块主要分布于京津冀城市群东南部, 相对远离核心型城市热岛斑块; 转向为边缘型和孤岛型城市热岛斑块分布则更为分散.
尽管2005年非城市热岛斑块有95.02%在2020年仍为非城市热岛斑块, 但其仍为2020年各类城市热岛斑块的主要来源.非城市热岛斑块主要转向孤岛型(1.51%)、边缘型(1.17%)、支线型(1.03%)和核心型(0.85%).
2.2 城市热环境网络及关键廊道分析 2.2.1 城市热环境空间网络运用build network and map linkages和pinchpointmapper工具进行2005~2020年京津冀城市群热环境空间网络分析, 并在此基础上计算电流密度(图 5).本研究从源地个数、面积、廊道长度、密度和电流密度等方面分析京津冀城市群热环境空间网络特征变化.
|
图 5 京津冀城市群热环境空间网络及电流密度 Fig. 5 Spatial network of urban heat environment and current density in Beijing-Tianjin-Hebei urban agglomeration |
2020年, 京津冀城市群热环境源地共126个, 较2005年增加了77个. 2005~2020年, 源地总面积从1 834.86 km2增加至4 751.93 km2, 2020年源地面积达到2005年的2.59倍.新增加的源地主要分布在北京市、天津市和河北省西南部.2005~2020年, 面积最大的源地位于北京市, 从960.29 km2增加至2 046.29 km2.
2020年, 京津冀城市群热环境廊道共250条, 较2005年增加了157条. 2005~2020年, 城市热环境廊道总长度从4 751.97 km增加至8 335.67 km, 增加了75.42%. 2020年京津冀城市群热环境廊道密度为0.04km ·km-2, 达到2005年的1.75倍.新增加的城市热环境廊道主要分布于保定市、沧州市、衡水市、邢台市和邯郸市, 与2005年相比增加了3 135.90 km; 城市热环境廊道密度较大的城市分别是衡水市(0.13 km ·km-2)、沧州市(0.09km ·km-2)和廊坊市(0.09km ·km-2), 同时廊道密度增加最多的城市分别是衡水市(0.10km ·km-2)、邢台市(0.04 km ·km-2)和沧州市(0.03 km ·km-2), 主要分布于京津冀城市群东南部.
2005~2020年, 京津冀城市群热环境廊道电流密度呈增加趋势, 主要体现在平均电流值和最大电流值增加.其中, 平均电流值由0.18A增加至0.19A, 最大电流值由0.71A增加至0.73A. 2005~2020年, 京津冀城市群热环境廊道电流密度在东南部和西部地区增势明显, 这些地区城市热环境廊道密度较高, 且土地利用类型多为城镇建设用地、农村居民点和耕地.受高强度人类开发活动影响, 表现出城市热环境源地数量增多、面积增加的基本特征, 促使相邻城市热环境源地之间距离缩短, 地表能量传输能力增强.
2.2.2 城市热环境廊道等级分析本研究根据廊道系数将京津冀城市群热环境廊道分为敏感型[0~10)、较敏感型[10~25)、较稳定型[25~90)和稳定型(>90)等4个等级(图 6).
|
图 6 京津冀城市群热环境廊道类型空间分布 Fig. 6 Spatial distribution of corridor types for urban heat environment in Beijing-Tianjin-Hebei urban agglomeration |
2020年共有250条城市热环境廊道, 各廊道数量由敏感型廊道至稳定型廊道依次递减, 所连接的城市热岛源地面积则依次增加.其中, 敏感型廊道数量最多, 共有151条, 占比60.40%, 连接小型城市热岛源地, 多位于北京市以东和以南区域、廊坊市、沧州市、保定市、衡水市全域、秦皇岛市南部、唐山市北部、天津市、廊坊市和沧州市交界处、张家口市南部, 石家庄市、邢台市和邯郸市东部.较敏感型廊道50条, 占比20.00%, 连接较小的城市热岛源地, 主要分布于北京市以东和以南的东部区域, 与敏感型廊道相比更集中于研究区东部.较稳定型廊道25条, 占比10.00%, 连接中等城市热岛源地, 位于唐山市、廊坊市、沧州市、保定市、石家庄市、邢台市和邯郸市.稳定型廊道数量最少, 共24条, 占比9.60%, 连接大型城市热岛源地, 主要分布在北京市东部和南部、天津市中部和石家庄市南部.
分析2005~2020年各类型城市热环境廊道的变化情况与空间分布.2005~2020年, 敏感型廊道数量增加95条, 主要分布于京津冀城市群热环境廊道密度明显增加的区域.较敏感型廊道数量增加32条, 主要分布于廊坊市全域、保定市、沧州市和衡水市东部.较稳定型廊道数量增加15条, 主要分布于唐山市、沧州市和保定市东南部.稳定型廊道数量增加15条, 分布于北京市东南部、天津市南部和石家庄市东南部.敏感型廊道明显减少的区域位于张家口市东部(转变为较敏感型)和沧州市西部(转变为较敏感型和较稳定型).较敏感型廊道明显减少区域位于唐山市中部与秦皇岛市南部(转变为较稳定型或不再是廊道)、保定市东南部与沧州市西部(交界处仍保持较敏感型, 其余部分转变为较稳定型, 部分转变为敏感型).较稳定型廊道减少的区域主要位于天津市(南部转变为稳定型, 北部转变为较敏感型)、石家庄市与邢台市交界处(转变为稳定型).稳定型廊道减少区域位于北京市东部与廊坊市、天津市交界处(廊坊市连接北京市的廊道消失, 连接天津市的廊道转变成敏感型)和北京市南部与廊坊市北部(北京市内仍是稳定型廊道, 廊坊市内的廊道转变为敏感型和较敏感型).
3 讨论 3.1 城市热环境空间网络模式结合京津冀城市群热环境空间网络、关键廊道和土地利用时空变化特征, 本研究进一步提炼城市热环境空间网络模式(图 7).城市热环境源地根据面积和城市热岛强度可以分为大型、中型和小型等3种类型.大型源地与大型源地之间若存在廊道, 连通性最强, 多为夹点, 相对最为稳定, 数量最少; 大型源地与中等源地间的廊道连接性较强, 较为稳定, 夹点与障碍点交替出现, 夹点较多且靠近源地; 大型源地与小型源地若距离较近, 则可能连接且较为稳定, 若相距较远则连接可能性小; 中等源地与小型源地间廊道稳定性较弱, 障碍点较多; 小型源地与小型源地之间的廊道长度相对最长, 稳定性最弱, 障碍点最多, 数量最多.
|
夹点是指在廊道中对廊道连接起关键作用的区域, 即提取较高电流密度集聚的区域; 障碍点是廊道连接的障碍区域, 改善后能使连接性有较大提升的区域 图 7 城市热环境空间网络模式 Fig. 7 Spatial network model of urban heat environment |
城市热环境源地多位于城市建设用地和农村居民点及其周边区域.相对来说, 处于城市建设用地及其周边的大、中型源地面积和城市热岛强度明显高于农村居民点, 并且该类型源地面积通常大于城市建设用地本身.4种类型廊道皆多分布于耕地, 从稳定型到敏感型连接的源地面积依次减小.夹点同样多分布于耕地和农村居民用地附近, 靠近城市热岛源地.林地与草地通常共同出现, 所在区域若有廊道通过则多为障碍点.水域与未利用土地常共同出现, 面积相对较小, 若有廊道则多从边缘通过, 为障碍点; 面积较大的水域则无廊道通过.
3.2 城市热环境主动适应与减缓措施值得注意的是, 2005年部分城市热岛斑块在2020年转变为非城市热岛斑块, 特别针对这一现象进行讨论.其中, 核心型城市热岛斑块转变为非城市热岛斑块的概率为2.95%, 分布于北京市南部和天津市中部; 结合土地利用情况, 所处地区都属于城镇用地.尽管该类型区域处于城市内部, 但可以通过建设公园和绿地等方式缓解城市局地热环境加剧现象.孤岛型城市热岛斑块转变为非城市热岛斑块的概率为23.01%, 较广泛地分布于京津冀城市群全域, 尤其在衡水市、沧州市和保定市较为密集; 这些孤岛分布零散, 且多属于耕地, 靠近农村居民点, 即面积小且空间分散的城市热岛斑块, 更加容易得到治理.尽管孔隙型城市热岛斑块转变为非城市热岛斑块的概率很大, 但本身数量极少.边缘型、环道型、桥接型和支线型城市热岛斑块转变为非城市热岛斑块的部分分布较广且分散.综上, 在7类城市热岛斑块中, 孤岛型最容易转变为非城市热岛斑块, 城市热环境主动适应与减缓措施应着重针对于该类型城市热岛斑块.
此外, 2005~2020年核心型城市热岛斑块相对稳定, 边缘型城市热岛斑块的转变趋向于核心型, 城市热岛范围扩张明显, 扩张重点区域与环道、桥接和支线型城市热岛斑块有关.转变为核心型概率较大的景观类型从高到低依次是：桥接、环道和边缘型(64.77%、60.81%和58.08%).由此, 相对于城市本身发展造成的城市热岛扩张(边缘型转为核心型城市热岛斑块), 城市间的空间关联有着更强的影响(桥接和环道型转变为核心型城市热岛斑块).因此, 城市热环境主动适应与减缓措施应注意城市间距, 通过设置城市开发边界和最小生态安全距离, 避免城市群热环境叠加污染.
4 结论(1) 基于形态学空间格局分析和电路理论等方法, 利用地表温度、土地利用和城市边界多源数据, 识别京津冀城市群热岛斑块的时空分布、类型和转移路径, 揭示城市热环境空间网络和关键廊道时空演变过程.本研究表明, 2005~2020年京津冀城市群热岛斑块的数量和面积明显增加; 城市热岛斑块主导类型由孤岛型转变为核心型; 京津冀城市群热环境源地数量、面积和廊道长度、密度和电流密度均有所增加.其中, 敏感型廊道为主要城市热环境廊道. 2005~2020年, 各类型廊道数量增加, 增加数量由敏感型到稳定型逐渐减少, 若发生转变则更趋向于廊道系数更高的廊道类型.最终提炼出城市热环境空间网络模式及城市热环境主动适应和减缓措施.
(2) 本文将生态廊道和生态网络识别技术方法应用于城市热环境研究, 更加强调主动适应和减缓城市热环境变化的必要性, 以及城市热环境空间结构内在成因机制和城市热环境空间网络的重要性.所提出的廊道系数和城市热环境空间网络模式对于发现城市群热环境关联特征和主动适应与减缓措施具有一定的创新价值.
| [1] | Huang Q F, Lu Y Q. Urban heat island research from 1991 to 2015: a bibliometric analysis[J]. Theoretical and Applied Climatology, 2018, 131(3-4): 1055-1067. DOI:10.1007/s00704-016-2025-1 |
| [2] | Howard L. The Climate of London: deduced from meteorological observations(2nd ed.)[M]. Cambridge: Cambridge University Press, 1833. |
| [3] |
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. |
| [4] |
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. |
| [5] |
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[J]. Environmental Science, 2021, 42(10): 5037-5045. |
| [6] | Rizwan A M, DennisL Y C, Liu C H. A review on the generation, determination and mitigation of urban heat island[J]. Journal of Environmental Sciences, 2008, 20(1): 120-128. DOI:10.1016/S1001-0742(08)60019-4 |
| [7] | Zhou D C, Xiao J F, Bonafoni S, et al. Satellite remote sensing of surface urban heat islands: progress, challenges, and perspectives[J]. Remote Sensing, 2019, 11(1). DOI:10.3390/rs11010048 |
| [8] |
阳少奇, 冯莉, 田慧慧, 等. 无人机热红外支持下的城市微尺度热环境模拟[J]. 环境科学, 2021, 42(1): 492-500. Yang S Q, Feng L, Tian H H, et al. Urban micro-scale thermal environment simulation supported by UAV thermal infrared data[J]. Environmental Science, 2021, 42(1): 492-500. |
| [9] |
吴志丰, 王业宁, 孔繁花, 等. 基于热红外影像数据的典型居住区常见地表类型热特征分析[J]. 生态学报, 2016, 36(17): 5421-5431. Wu Z F, Wang Y N, Kong F H, et al. Analysis of the thermal characteristics of selected urban surfaces in a typical residential area based on infrared thermography[J]. Acta Ecologica Sinica, 2016, 36(17): 5421-5431. |
| [10] | Shreevastava A, Rao P S C, McGrath G S. Emergent self-similarity and scaling properties of fractal intra-urban heat islets for diverse global cities[J]. Physical Review E, 2019, 100(3). DOI:10.1103/PhysRevE.100.032142 |
| [11] | Ma L, Wang Y Y, Liang Z, et al. Changing effect of urban form on the seasonal and diurnal variations of surface urban heat island Intensities (SUHⅡs) in more than 3000 cities in China[J]. Sustainability, 2021, 13(5). DOI:10.3390/su13052877 |
| [12] |
孙芹芹, 吴志峰, 谭建军. 基于热力重心的广州城市热环境时空变化分析[J]. 地理科学, 2010, 30(4): 620-623. Sun Q Q, Wu Z F, Tan J J. Spatio-temporal changes of urban thermal environment with thermal centroid in Guangzhou[J]. Scientia Geographica Sinica, 2010, 30(4): 620-623. |
| [13] |
张楚宜, 胡远满, 刘淼, 等. 景观生态学三维格局研究进展[J]. 应用生态学报, 2019, 30(12): 4353-4360. Zhang C Y, Hu Y M, Liu M, et al. Research progress on three-dimensional pattern in landscape ecology[J]. Chinese Journal of Applied Ecology, 2019, 30(12): 4353-4360. |
| [14] |
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. 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. |
| [15] | Peng J, Hu Y X, Dong J Q, et al. Quantifying spatial morphology and connectivity of urban heat islands in a megacity: a radius approach[J]. Science of the Total Environment, 2020, 714. DOI:10.1016/j.scitotenv.2020.136792 |
| [16] | 邬建国. 景观生态学: 格局、过程、尺度与等级[M]. (第二版). 北京: 高等教育出版社, 2007. |
| [17] |
陈文波, 肖笃宁, 李秀珍. 景观空间分析的特征和主要内容[J]. 生态学报, 2002, 22(7): 1135-1142. Chen W B, Xiao D N, Li X Z. The characteristics and contents of landscape spatial analysis[J]. Acta Ecologica Sinica, 2002, 22(7): 1135-1142. |
| [18] |
史学民, 秦明周, 李斌, 等. 基于MSPA和电路理论的郑汴都市区绿色基础设施网络研究[J]. 河南大学学报(自然科学版), 2018, 48(6): 631-638. Shi X M, Qin M Z, Li B, et al. Research on the green infrastructure network in the Zhengzhou-Kaifeng metropolitan area based on MSPA and circuit theory[J]. Journal of Henan University (Natural Science), 2018, 48(6): 631-638. |
| [19] |
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 spatiotemporal pattern[J]. Acta Ecologica Sinica, 2019, 39(2): 649-659. |
| [20] |
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. Qiao Z, He T, Lu Y S, et al. Quantifying the contribution of land use change based on the effects of globalclimate change and human activities on urban thermal environment in the Beijing-Tianjin-Hebei urban agglomeration[J]. Geographical Research, 2022, 41(7): 1932-1947. |
| [21] |
宁琦, 朱梓铭, 覃盟琳, 等. 基于MSPA和电路理论的南宁市国土空间生态网络优化研究[J]. 广西大学学报(自然科学版), 2021, 46(2): 306-318. Ning Q, Zhu Z M, Qin M L, et al. Research on the optimization of territorial space ecological network of Nanning city based on MSPA and circuit theory[J]. Journal of Guangxi University (Natural Science Edition), 2021, 46(2): 306-318. |
| [22] | 国家统计局. 中国统计年鉴2021[EB/OL]. http://www.stats.gov.cn/tjsj/ndsj/2021/indexch.htm, 2021-10-09. |
| [23] | 北京市昌平区人民政府. 京津冀协同发展规划纲要[EB/OL]. http://www.bjchp.gov.cn/cpqzf/315734/tzgg27/1277896/index.html, 2018-04-13. |
| [24] |
陈彬辉, 冯瑶, 袁建国, 等. 基于MODIS地表温度的京津冀地区城市热岛时空差异研究[J]. 北京大学学报(自然科学版), 2016, 52(6): 1134-1140. Chen B H, Feng Y, Yuan J G, et al. Spatiotemporal difference of urban heat island in Jing-Jin-Ji area based on MODIS land surface temperature[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2016, 52(6): 1134-1140. |
| [25] |
乔治, 田光进. 北京市热环境时空分异与区划[J]. 遥感学报, 2014, 18(3): 715-734. Qiao Z, Tian G J. Spatiotemporal diversity and regionalization of the urban thermal environment in Beijing[J]. Journal of Remote Sensing, 2014, 18(3): 715-734. |
| [26] |
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[J]. 遥感学报, 2015, 19(3): 476-484. Qiao Z, Tian G J. Dynamic monitoring of the footprint and capacity for urban heat island in Beijing between 2001 and 2012 based on MODIS[J]. Journal of Remote Sensing, 2015, 19(3): 476-484. |
| [27] |
刘勇洪, 房小怡, 张硕, 等. 京津冀城市群热岛定量评估[J]. 生态学报, 2017, 37(17): 5818-5835. Liu Y H, Fang X Y, Zhang S, et al. Research on quantitative evaluations of heat islands for the Beijing-Tianjin-Hebeiurban agglomeration[J]. Acta Ecologica Sinica, 2017, 37(17): 5818-5835. |
| [28] |
赵文慧, 李令军, 鹿海峰, 等. 基于卫星遥感的京津冀热环境效应分析[J]. 环境监控与预警, 2019, 11(5): 72-79. Zhao W H, Li L J, Lu H F, et al. Research on thermal environment effect of the Beijing-Tianjin-Hebei region and air pollution based on remote sensing[J]. Environmental Monitoring and Forewarning, 2019, 11(5): 72-79. |
| [29] |
杨浩, 孟娜, 王婧, 等. 基于支持向量机的京津冀城市群热环境时空形态模拟[J]. 地球信息科学学报, 2019, 21(2): 190-200. Yang H, Meng N, Wang J, et al. Spatial-temporal morphology simulation of Beijing-Tianjin-Hebei urban agglomeration thermal environment based on support vector machine[J]. Journal of Geo-information Science, 2019, 21(2): 190-200. |
| [30] |
刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2018, 73(5): 789-802. Liu J Y, Ning J, Kuang W H, et al. Spatio-temporal patterns and characteristics of land-use changein China during 2010-2015[J]. Acta Geographica Sinica, 2018, 73(5): 789-802. |
| [31] | Li X C, Gong P, Zhou Y Y, et al. Mapping global urban boundaries from the global artificial impervious area (GAIA) data[J]. Environmental Research Letters, 2020, 15(9). DOI:10.1088/1748-9326/ab9be3 |
| [32] | Chakraborty T, Lee X. A simplified urban-extent algorithm to characterize surface urban heat islands on a global scale and examine vegetation control on their spatiotemporal variability[J]. International Journal of Applied Earth Observation and Geoinformation, 2019, 74: 269-280. |
| [33] | Soille P, Vogt P. Morphological segmentation of binary patterns[J]. Pattern Recognition Letters, 2009, 30(4): 456-459. |