Sustainable Cities and Society 50 (2019) 101637

科学指导提供的内容列表

可持续城市与社会

期刊主页：www.elsevier.com/locate/scs

基于栅格数据的城市热岛效应 T 的空间分布与动力分析：中国南京都市圈的案例研究

a，,b， a， 一 c，d， a
敏敏 陈林 雪军段 ， 志峰金 罗成 张
a 中国科学院南京地理与林学研究所流域地理科学重点实验室，南京，21008 年，中国
b 中国科学院北京分校，100049，中国
c 武汉大学资源与环境科学学院，武汉，430072，中国
d 江苏省国土资源研究中心，南京，210017 年，中国

RTICL和 INFO 摘要

关键 字： 人类活动不仅改变了土地使用/土地覆盖，而且通过地上的密集活动释放出大量的人为热量，从而推动了城市热岛的
城市热岛 形成。本研究以南京市区为研究重点，以 2017 年作为观测时间，选择地表特征参数、兴趣点（POI）密度和城市功
空间分布 能区数据，对网格尺度人类活动的驱动机制进行量化。结果表明： i） LST 与其驱动因子之间的响应关系在网格尺
微空间比例
度上具有明显的尺度效应。驱动因素在 300 米电网中具有最高的解释功率;ii） LLC 对 LST 有显著影响，不透水层和
驱动力分析
人类活动 裸露的土壤增加了 LST，植被和水缓解了它;三）在不同的城市功能区，LST 与 POI 密度之间的关系是分段的。除密
土地使用/土地覆盖 度外，人类活动的类型对 UHI 也有显著影响，其中工业热释放对城市局部温度的影响最大，其次是日用热生产和运
兴趣点 输热释放。
南京市区

1. 简介 世界工业化，UHI 效应的范围和强度增加，超大规模病毒发生的类型和
规模更加复杂和多样化 （Oke，1981 年，1995 年; 沃格特和格里蒙德，
政府间气候变化专门委员会的第五次报告指出，地球表面在过去 30 2000 年。Voogt & Oke， 1998，, 2003），它对区域气候变化产生了
年中持续变暖，北半球自 1400 年以来经历了 30 年来的最高平均气温 极 其 强 烈 的 影 响 （ Deilamia ， Deilamia, Kamruzamanb ， & Liu ，
（斯托克，2013 年）。城市系统是受人类活动影响最大的生态系统，其 2018;Grim 等人，2008 年），能耗（张，李，张，2007 年;盖塔尼等人，
变暖速度远高于非城市系统（杜、谢、曾、石、吴，2007 年）。城市温 2011 年;罗森菲尔德，罗姆，阿克巴里，波美兰茨，和塔哈， 1996 年），
度升高导致气压下降，导致污染物回流等大气模式发生变化，对区域气 环境质量（东等人，2016 年;刘，钟，青，回族，霍，2014 年;辛拉，帕
候影响强烈（Grim 等人，2008 年;周和苏，1994 年。霍（1818）记录了 乔里，萨桑吉，库马里，和拉哈尼， 2012 年。天和沈，2017 年），与
伦敦气温高于郊区的现象，这标志着城市热环境研究的深入。任何地区 ， 公共卫生（阿穆塔和朱丽叶，2017 年;帕茨，坎贝尔-伦德鲁姆，霍洛韦，
无论人口还是没有，总是比苏-圆形地区更热的现象，或者它是指与更多 和弗利，2005 年。理查兹，2004 年。UHI 效应是城市生态环境效应的重
的农村 环境 相比，建筑区域的温度 较高，被 称为城市热岛（ UHI ） 要组合，已成为当前城市环境研究的重点（李、赵、王，2009 年）。研
（Oke，2006Oke, 2006 年;苏，沃格特，和奥克，2004 年。斯图尔特和 究 UHI 效应的驱动机制，有助于了解人类活动性因素对城市气候的影响，
奥克，2012 年。自那时以来，城市化和 从而减轻城市温度升高带来的负面影响（杜、鲁、王，2011 年;加戈，
罗丹，帕切科-托雷斯，和奥尔多涅斯，2013 年。
近年来，在城市化的背景下，

相应作者：中国科学院南京地理与林学研究所，南京市东北京路 73 号，210008 年，中国。电子邮件地址 clin@niglas.ac.cn：clin@niglas.ac.cn（C.林）。

https://doi.org/10.1016/j.scs.2019.101637
2018 年 12 月 24 日收到;2019 年 5 月 8 日订正表格收到;2019 年 5 月 27 日接受
在线 2019 年 5 月 29 日
2210-6707/ © 2019 埃尔塞维尔有限公司保留所有权利。
明先生等人 结构;UHI 驱动机制的研究表明，气候类型、土地利用/土地覆盖（LULC）、

景观格局、坡径、经济去耗化、能源消耗在 UHI 形成中起着重要作用（姚、

中国，UHI 效应已成为城市气候最突出的特征之一。针对这种情况，许多学
者对超高温算器的时间变化特征、空间模式特征和驱动因素进行了一系列研
究。其中，对超量 I 效应的时间变异特征的研究主要讨论了年际变异（葛、
王、张、田、冯，2016 年;泉等人，2014 年），日变（彭等人，2012 年;周，
赵，刘，张，和朱，2014 年），月变化（QuanQuan 等人，2014 年）和季节
变化（姚，王，黄等人，2017 年;姚，王，桂等人，2017 年;王，王，王，王，
2007 年）热岛强度;UHI 效应的空间模式特征研究主要采用相关分析（彭、石、
王、王，2013）、剖面线（明、赵、苗，2018）、景观指数（陈、石、李，
2002）和表面模型（周、陈、李、文、易，2008 年）分析 UHI 的二维或三维
王、黄、牛等人，2018 年）;姚，王，黄，陈等人，2018 年;姚，王，黄，牛，
陈等人，2018 年;他，江，陈，刘，2007 年。彭等人，2013 年;岳和徐，2008
年。
城市热环境的研究方法主要包括气象观测（ 马吉、柯蒂斯、温德勒，
1999 年;张，张，王，2010 年），数值模拟（博纳奎斯特蒂，卡萨莱，
帕尔米耶里，西安尼，2006 年;冯、王、马、刘，2012 年）和遥感监测
（秦，卡尼利，柏林，2012 年;斯里瓦斯特·阿瓦、马朱姆达尔、巴塔查
里亚，2010 年;万和李，1997 年。遥感监测方法解决了气象测积法和数
值模拟方法不能对大规模超长系列温度变化进行速率监测的问题，逐渐
成为研究超高温效应的主要技术手段（ 姚、王、黄等，2017 年;姚，王，
桂等人，2017 年;姚、王、黄、牛等人，2018 年;姚，王，黄，陈等人，
2018 年;雅奥、王、黄、牛、陈等人，2018 年;埃斯特克和村山，2015 年
。秦，张，阿蒙，佩德罗，2001 年;熊等人，2012 年;钟等人，2017 年。
遥 感监 测方 法采 用热 红外 线图 像 ， 对 反转 模 型 进行 模拟 地表 温度
（LST）。在 LST 反转的许多算法中，分割窗口（SW）算法是高精度
代表性 algo-rithm （高、 唐、吴、江、 李， 2013 年;李等人，2013 年。
SW al-gorithm ha 成为利用热红外遥感数据 （Du、Ren、秦、孟、赵，
2015 年）反转 LST 的主要方法。任等人，2015 年。
UHI 效应受地面以上人类活动和地表的白化影响。以往的研究表明，遥
感数据可用于计算地表特征准米和提取基础表面信息，在 UHI 效应的形成机
制研究 方面取得了良好效果（ 春和古尔德曼，2014 年;杜等人，
2016 年;罗和鹏， 2016.奥加沙瓦拉和巴托斯，2012 年 。雷诺斯， 科米索，
沃克， 和韦尔比拉， 2008;盛、陆、黄，2015 年。然而，由于 same 表面
覆盖，受不同人类活动影响的 LST 也会显示显著差异。因此，要充分理解
UHI 的形成机制，必须把遥感数据与能够准确破坏人类活动的数据结合起来
（Han 等人，2017 年）。在现有研究中，人类活动因素主要以区、县、街道
的人口数据来衡量（他等人，2007 年;彭等人，2013 年;岳和徐，2008 年;张，
吴， 袁， 杜，
& 苗，2015）.最小的单位只能达到街道秤。由于缺乏高精度数据，这
些指标往往无法解释小尺度热场的原因。微空间尺度上人类活动数据的
缺乏制约了对超高温源的形成美卡尼主义的深入研究。
兴趣点 （POI） 是指用于在数字地图中去刻记录城市设施分布的空
间点数据（Sheha， Sheha，
& 佩蒂利， 2012.近年来，随着网络的进步
2
可持续城市与社会 50 （2019） 101637
技术方面，城市系统中的 POI 数据正在逐步增加，数据的准确性也在提高。
POI 数据中包含的城市空间信息吸引了地理、经济等诸多领域的关注（陈
& 杜，2004 年;崔， 魏， 钟， 余， 徐， 2011.江， 阿尔维斯，
罗德里格斯， 费雷拉， 和佩雷拉， 2015）.以 POI 数据为代表的城市设施
是城市系统中人类活动的主要载体（阴、王、王、陈、周，2017 年）。POI
可以记录人类活动的精确地理图形位置，并在单位区域量化其信息（ Han 等
人，2017 年;谢，2016 年。例如，薛等人（2019 年）使用住宅和零售 POI 作
为数据源，提取了各种住宅的空间聚类模式。陈和梁（2016）支持基于 POI
数据的城市零售中心识别方法。通过将 POI 数据与城市的不同功能区相结合，
可以反映城市地面上人类在地面的热源的强度和类型，在适当的网格大小下，
具有潜在的有用数据，为 UHI 效应的驱动机制的研究提供了有用的数据，为
描述微腔尺度上人与环境相互作用的过程和模式提供了新的可能（ 陈和振，
2014 年;金和高， 2016.李，瓦卡米亚，和苏米亚，2015 年。张
& 王， 2016.
本研究以南京市区为研究区。使用了 Landsat 8 数据的热红外波段，并根
据 SW al-gorithm 构建了温度反转模型，以在 2017 年检索 LST 数据。在此基
础上，在超高温电网尺寸上分析了人类活动在 UHI 上的驱动我主义。这项研
究克服了过去对人类活动进行栅格处理的困难。利用地表特征参数反映人类
活动对地表的变换。利用 POI 密度和城市功能区数据，反映了单位区域 g 圆
形以上人类活动的强度和类型。深入探讨超大规模经济信息表在微观空间尺
度上的机制，为城市生态空间布局提供参考。
2. 马泰法和方法
2.1. 研究区：中国南京市区
南京市是江苏省的省会。南京梅特罗波利坦地区是南京市的核心区域
（图 1）。它在 31°38°N 至 32°36°N 和 118°22°E 至 119°14°E 之间。此外，它
穿过长江，位于长江流域的下游平原，三面环山。这种地形不利于热量的传
播。研究区属于亚热带 l 季风气候，具有四个不同的季节。平均降雨量为
1106.50 毫米，年平均气温 15.40°C，相对湿度 76%，无霜期为 237 天（南京
统计年鉴，2017 年）。大都市区总人口约 950 万，城市人口约 840 万，城市
化水平为 88%。包括宣武区、秦淮区、建业区、鼓楼区、浦口区、栖霞区、
玉华台区、江宁区、芦河区大部分地区、丽水区泽塘街等，总面积约 4388 平
2
方公里 （南京统计年鉴，2017 年）。南京是华东地区重要的经济中心、综
合性工业生产基地和交通枢纽。特别是在以南京都市圈为核心的南京都市圈，
城市人口在增长，城市面积不断扩大。城市化和工业化的高水平使城市生态
环境日益严峻，以 UHIs 为代表的城市热环境尤为严重。
2.2. LST 反转
在这项研究中，Landsat OLI 数据被用于 LST 的反转。该图像是从美
国 地 质 调 查 局 （ 2019 年 ） （ http://earthexplorer.usgs.gov/ ）
(http://earthexplorer.usgs.gov/的网址下载的。为了减少
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 1.研究区所在地：中国南京市区。

气象因素，如云和降水，在未入云的结果，成像时间是在夏季，云覆盖 分别以通道 ii（波段 10）和 j（波段 11）测量;bi （i = 0，1...7）是系

不足 5%，没有降水的前一天拍摄图像。研究区域完全包含在路径 120 数，其值可以从大气辐射传输方程的前近距数据、大气参数数据和模拟
和第 38 行内。收购日期为 2017 年 7 月 21 日。 数据集中获得。为了提高反转的准确性，系数 bi 取决于大气水蒸气含量
（Du 等人，2015 年）。
2.2.1. 图像预处理
在对 LST 进行钙化之前，通过几何校正和辐射校准对图像进行预处 2.2.3. 发射率估计
使用像素的植被覆盖率估计了发射率 （ ） .公式在 Eq 中显示 n。
理。热拉分的公式 （L） 显示在 Eq 中。（1） （梅， 2001）：
（3）和（4）（ (杜等人，2015 年;任等人
L = 增益 = DN = 偏移 (1) 2015）：
其中 DNDN（数字数字）是像素的灰色值; 增益 是增益系数; 偏移系数是 = f f） = 4 <d>f
偏移系数。校准参数可以从图像的源文件中获取。 p v= g (1 （1 f） (3)
2
2.2.2. 双通道非线性分割窗口模型 Ndvi NDVIs
本研究对双通道非线性 SW 模型进行了反转。 NDVIv NDVIs
f= (4)
Lst。模型的公式在 Eq（ 2） 中显示： p 是像素的发射率;植被的发射率数据 （v）和地面 （g）来自光谱数据
库;<d >
Ti =
表示像素的空腔效果参数。腔效应由像素分量之间的多个散射形成。其
1 Tj
Ts = bo + b1 + b2 + b3 2 值取决于像素冠的结构以及表面的粗糙度。f 表示像素中的蔬菜 ets 的比
2

例。 NDVI 和 and NDVIv 分别为裸露土壤和密集植被的 NDVI（标准化差

Ti =
b7 （ 异植被指数）值（Mei，2001;Mei, ;秦等人，2001 年;赵，2003 年。
1 Tj 2
b4 b5 Ti
b6Tj）2
+ + + 2 + (2) 2.2.4. 大气水蒸气含量
在公式中，Ts 表示 LST; 和 表示两个通道的发射率的平均值及 为了减少对外部大气的依赖
其之间的差异，
其 i j 价值分别取决于土地覆被的类型;Ti 和 Tj 是大气亮度温度
的顶部
3
明先生等人 可持续城市与社会 50 （2019） 101637

条件，模型使用热红外波段来估计 表面 （Purevdorj， 塔提希， 石山， 和本田， 1998）.中的范围

水蒸气含量。首先， NDVI 是 [-1，1]。负值表示陆地表面被覆盖
莫斯球透射比（j / i） 和大气水蒸气 水，云，或雪。正值表示地表
建立了两个通道的内容 ratio of（wv）， 然后 被植被覆盖（翁，卢，和舒布林，2004 年）。NDVI 是
大气亮度顶部之间的协方差和方差 表示为 Eq. （7）：
温度 （Ti 和 Tj）以通道 i （波段 10） 和 j （波段） 测量
Nir 红
11） 用于估计传输率。公式是 NDVI | Nir 红 (7)
在 Eq 中显示。（5） 和（6） （任等人，
2015）： 哪里 + 代表近红外波段的反射率，
和
/ ） =c（ NIR 红
wv = a = b j i
2

（ j / i ） (5) 红带兰卫星 OLI 数据，分别（Purevdorj 等人，1998 年）。

N
Ti ） Tj N Ti NDBI（标准化差异累积索引）用于指示
j/ iR 她 （Tj，k ）/ ）
¯ ¯ ¯
（TTi ，k （TTi ，k 构建或不可渗透层（Zha，高，和尼，2003 年）。NDBI 中的范围

= k=1 k=1 (6) 是 [-1，1] （刘和文，2012 年;扎等人，2003 年。 NDBI 表示为

Eq. （8）：

2.2.5. 精度验证 SWIR Nir

本研究中使用的大地卫星 OLI 图像已经具有较高的空间分辨率。难以获 =
NDBI | SWIR NIR (8)
得较高的精确温度亲电图，缺乏同步测量的表面温度数据，使南京市区难以
实现。因此，选择高精度和时间分辨率的 MODIS temperatureproduct 作为验 其中 SWIR 和 NIR 分别代表短波红外波段和 Landsat OLI 数据近红外波段的
证数据。这些产品由 Weng 等人（2004 年）通过多通道反转算法计算，误差 反射率（Zha 等人，2003 年）。
小 于 1K ， 结 果 可 靠 。 本 研 究 于 2017 年 7 月 21 日 利 用 覆 盖 南 京 市 区 的 MNDWI 是徐（2005）提出的 修改标准化差分水指数， 旨
MODIS 温度产品验证了 LST 反转结果。图 2 显示了 MODIS 温度产物与 LST 在从密集建筑区域提取水信息。MNDWI 的范围为 [-1，1]。MNDWI 表
反转结果之间的天形差的直方图分析 shown in 。统计结果表明，95.28%的像 示为 Eq。
素温差在±2°C 以内，81.39%的像素在±1°C 以内。LST 反转结果被认为是有 (9):
效的（李安和李，2015 年;马，周，刘，王，2017。). 格林斯维尔
+
2.3. 驾驶因素 MDWI | 绿色 SWIR (9)
其中 GREEN 和 SWIR 分别代表兰沙奥利数据的绿带和短波红外波段的反射
驱 动 因 素 包 括 LULC 和 地 面 人 类 活 动 。 四 个 地 表 特 征 参 数 ， 率（Estoque &
NDVI，NDBI，MNDWI 和 BSI，用于描述人类活动对城市底层表面的转化 村山， 2015; 徐，2005 年）。
（姚、王、黄、牛等人，2018 年;姚，王，黄，陈等人，2018 年;姚，王，黄，
BSI 是里基马鲁和宫城提出的裸土指数
牛，陈等人，2018 年;他等人，2007 年;彭等人，2013 年;2008 年岳和徐）和
(1997).BSI 的范围是 [-1，1]。BSI 表示为 Eq。（10）：
POI 密度和城市功能区数据被用来对地面人类活动的强度和类型进行生物活 [（ （ +
SWIR 红 NIR 蓝色
动。
| ） ）
2.3.1. 地表特征参数 色
Bsi ）
NDVI 用于反映陆地上植被的覆盖范围 [（ = （
SWIR 红色 NIR
| + ]
= 蓝色） (10)
其中 SWIR、, 红色、NIRNIR 和蓝色代表短波红外波段、红色波段、近红外
波段和蓝色波段的反射率。
Landsat OLI 数据，分别 （里基马鲁和宫城，1997 年）。

2.3.2. 人类活动的强度
兴趣点 （POI） 是指用于在数字地图中去刻记录城市设施分布的空
间点数据（Sheha M A、Sheha A、Petilli S，2012）。每个 POI 包含四
个方面的形成：名称、类别、坐标和分类。POI 数据所重新发布的城市
设施是城市系统中人类交流的主要载体（Yin 等人，2017 年）。POI 可
以记录人类活动的确切地理位置，并在单位区域量化其信息 （Han 等人，
2017 年;殷等人，2017 年。此 udy 使用 POI 密度（每个网格中的 POI
数）来描述网格单元中的人类活动强度。
POI 数 据 来 自 国 家 地 理 信 息 集 成 服 务 网 站 （ Tianditu ， 2019;;
http://wwwtianditu.com/）) 通过地图功能提取程序使用网站提供的 ap-plis 编
程界面。南京市区共获得 13 万份 POI 数据。POI 的空间分布如图 3 所示。
POI 的相关信息（名称、地理坐标等）保存为 JSON（Java 脚本对象表示
图 2.Temperature 中国南京市区 LST（地表温度）的温差直方图反转结果和 法）格式。在 JSON 数据分析的基础上，生成了环境门塔尔系统研究所格式
的 POI 点特征，建立了地理坐标系。
MODIS 温度产物。
2.3.3. 人类活动的类型
在城市中，同类型的土地利用往往对空间和位置有相同的要求，这
导致在城市空间中聚集同类型的人类活动，从而形成各种城市功能区。
因此，在一定程度上，城市
4
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 3.中国南京都市圈 POI（兴趣点）的空间分布。

功能区可以代表人类活动类型（阴等人，2017 年）。根据 2020 年南京 3. 结果

土地利用规划（2011 年）-（2020 年 ）（2019 年）南京城市总体规划
3.1. LST 的空间分布
（2019 年），谷歌地球高清图像验证了南京市区的详细
功能区划（ 2019 年南京城市总体规划（（2011 年）-（2020） 根据自然断裂法，研究区的 LST 分为 5 个等级。低 LST 区为 18.69
（2019 年）南京城市总体规划（-2019 年南京城市总体规划（2011 年）- 至 28.85°C ， 28.86~31.85°C 为 低 LST 区 ， 31.86~35.85°C 为 中 低 LST
区;35.86~39.85°C 为高 LST 区，39.86~54.85°C 为极高 LST 区。
（2020 年）（ 2019 年）。 根 据 民国 Ministry of 住房 和城 乡建 设 部
（2011 年）的数据，土地利用类型分为住宅用地、商业和商业设施用 3.1.1. 高 LST 区和低 LST 区的空间分布南京都市圈高 LST 区包括 es two
地、市政公用设施用地、工业用地、街道、道路、交通（ SL）、绿地
（GA）、耕地（CL）和水区（WA）。4。Fig. 4).
5
M. Min 等人
图 4.中国南京都市区城市功能区地图。
等级：高 LST 和极高的 LST。南京市城区 LST 高值为 54.85°C，最低
LST 为 35.85°C，平均 LST 为 37.37°C，标准差为 2.21°C。空间分布如图
5 所示 Fig. 5。
南京市区低 LST 区包括低 LST 和低 LST 两个等级。南京市城区低
LST 区最高值为 31.85°C，最低 LST 为 18.69°C，平均 LST 为 29.34°C，
标准差为 1.86°C。空间分布如图 6 所示。
3.1.2. LST 的空间分布特征
高 LST 区域的空间分布呈现出集中状态，其形状趋于简单和规律。
这些高 LST 区域主要分布在长江沿岸地区、主城区、郊区居民区和交通
枢纽地区。长江沿岸高 LST 区与主城区相连，形成东北偏初的"X"形，
郊区居民区和交通枢纽分散在主城区外。低 LST 区域在空间上相对分
散。由于来自人类的干扰较少，口角形状往往是随机和不规则的。
综上所述，南京市城区高 LST 区主要分布在建筑密集区、人口稠密
地区、商业圈、交通枢纽、工业区和植被稀疏覆盖的裸露土壤地区，而
植被覆盖率高的地区，水、湖、郊区多为城市低低 LST 地区。
6
可持续城市与社会 50 （2019） 101637
3.2. 理想的网格大小
在网格尺度上，LST 与其驱动因子之间的响应关系具有明显的尺度
效应（Han 等人，2017 年）。因此，选择 100 米、300 米、600 米、900
米和 1500 米的网格大小来重新采样反转结果和四个陆地表面特征参数 ，
包括 NDVI、NDBI、MNDWI、BSI。通过多尺度研究，发现 LST 与四
个表面特性参数有显著关系。在将网格大小从 100 m 增加到 300 m 的过
程 中 ， 相 关 系 数 的 绝 对 值 押 注 于 LST 和
NDVI 、 NDBI 、 MNDWI 、 BSI ， 从 0.43 、 0.65 、 0.42 、 0.58 到
0.56、0.71、0.56、0.66，重新标了。当网格大小为 600 m 时，与 300 m
相比，cor-关系系数的绝对值开始减小。当网格大小为 1500 m 时，LST
与四个表面特征参数之间没有显著关系。四个字符函数参数在 300 米网
格尺度下具有最强的解释力（表 1）。).
同样，选择 100 m、300 m、600 m 和 1500 m 的网格大小来计算每
个网格中的 POIs 数量。结果发现，当网格尺寸太小（100 米）时，大
量网格的 POI 密度为零，当网格过大（600 米、1500 米）时，降低了研
究精度。结合地表特征参数的理想网格大小， 300 米网格大小是本研究
的理想研究尺度（图 7）。).
3.3. LST 与陆地的 urface 特性参数之间的关系
图 8a 显示，NDVI 是植被覆盖信息的特征，具有显著的线性负相关
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 5.中国南京都市区高 LST 区域的空间分布。

LST 的 （p < 0.01）， 相关系数为 -0.56。测定系数为 0.31，表明解释 方程为 y = 0.004e

水平良好。
图 8b 显示，NDBI 是描述不可渗透层信息的特征，具有显著的线性
正相关（p < 0.01）wiLST，相关系数为 0.71。测定系数为 0.50，表明解
释水平良好。
图 8c 显示，描述水体信息特征的 MNDWI 与 LST 有显著的线性负
cor 关系（p < 0.01），相关系数为-0.56。测定系数为 0.31，表明解释水
平良好。
图 8d 显示，BSI，特征裸露土壤的信息，与 LST 有显著的线性正相
0.202x，
测定系数为 0.90。LST 和 POI 密度在极高 LST 区
39.86~54.85°C 中呈负线性相关性;拟合方程为 y=-0.859x=43.771，测定系数为
0.85。
3.4.2. 人类活动类型（城市功能区划）
计算出南京市城区不同城市功能区的平均 LST，结果如图 10 所示。
按降序排列，平均 LST 是：IL （38.38 °C） > RL （36.93 °C） > BL
（35.83 °C） > SL （35.78 °C） > ML （35.28 °C） > CL
无透水性
（33.99 °C） > GA （33.61 °C） > WA （32.40 °C）。IL、RL、ML、BL、SL 等

关（p < 0.01），相关系数为 0.66。确定性系数为 0.44，表明解释水平良 的平均 LST 明显高于水区（32.40°C）

layers（35.82°C）℃ ℃和绿
地（33.83°C）。℃值得注意的是，即使在同一土地覆盖区，不同城市功能区的 LST 也大相径庭。IL 的
好。 LST 比 ML 高 3.1°C。

因此，LULC 对 LST 有显著影响，不透水层和裸露的土壤增加了 计算了不同 LST 区域城市功能区的面积百分比，结果如表 2 所示。在

LST 低区为 18.69~31.85°C，城市功能区比例最高，为 CL（36.06%），其次
LST，植被和水缓解了它。
是 GA（31.57%），其他土地类型占较低比例。主要土地类型为 CL 和 GA。
在 中 高 LST 区 ， 城 市 功 能 区 比 例 最 高 ， 为 RL （ 28.54% ） ， 其 次 是
3.4. LST 与地上人类活动之间的关系 SL（20.88%），水区最低百分比（1.48%）。主要土地类型为 RL 和 SL。在
极高的 LST 区为 39.86~54.85°C，城市功能区最高百分比为 IL（62.80%），
3.4.1. 人类活动强度（POI 密度） 而水区仅为 0.15%。main 土地类型为 IL。有重大
LST 和 POI 密度在 300 m 网格大小处具有明显的分段关系，如图 9 所

示。LST 中 LST 中的范围为 18.69~31.85 °C 的低 LST 区与 POI 密度之间

没有相关性。在 31.86~39.85°C 的中高 LST 区中，它们之间存在指数级增长
关系;拟合
7
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 6.中国南京都市区低 LST 区域的空间分布。

表 1 植被覆盖率和水的信息与 LST 呈线性和间接关联，相关系数分别为

四个表面特征参数与不同网格尺寸的 LST 之间的相关性。 ±0.56 和±0.56。结果表明，城市绿地和绿地的内联可以减少 LST，缓解
UHI 效应（姚、王、黄、牛等人，2018 年;姚，王，黄，陈等人，2018
网格大小 Ndvi 恩德比 MDWI Bsi
年;姚，王，黄，牛，陈等人，2018 年;杜等人，2016 年;罗和鹏， 2016.
100 米 •0.43* 0.65| •0.42* 0.58|
300 米 •0.56* 0.71| •0.56* 0.66| 雷诺德等人，2008 年。植物和水面 通过蒸发 （UHI，2009 年） 将
600 米 •0.45* 0.58| •0.39* 0.47| 水分传播到大气中，这增加了超圆空气的湿度，减少了部分热量，从而
900 米 •0.27* 0.35| •0.22* 0.24| 减少了 LST（图 11）。). The aveNDVI < 0.3 的稀疏植被区域的 AVE
1500 米 •0.09 0.19 •0.08 0.17 rage LST 为 36.18°C ， 比 NDVI > 0.7 的 高 植 被 覆 盖 面 积 高 6.36°C 高
（= p < 0.05; = p < 0.01.）。 6.36°C。特别是大面积的绿地和水有助于改善城市底层表面的热力学特
性，促进空气的冷却和循环，从而显著分离 UHI，限制 UHI 的传播（姚、
三个 LST 区域中城市功能区的比例差异，表明不同城市功能区的地面人 王、黄、牛等人，2018 年）;姚，王，黄，陈等人，2018 年;姚、王、黄、
类活动对 LST 有重大影响。 牛、C 等人，2018 年;张， 埃斯特克， 和村山， 2017.此外，水的热容
量大，LST 增长缓慢，因此在同一太阳辐射下，水的地震温度相对较低。
4. 讨论 绿区、河流和湖泊通常是低温区域。

人类活动不仅可以改变底层表面的 LULC，而且可以通过密集和不同
类型的地面活动释放出大量的安曲生热，从而推动超高温效应的形成。 4.1.2. 不透力层和裸露土壤对 UHI 效应的影响
图 8 显示，NDBI 和 BSI 是线性和积极的，它们描述了不可渗透层和
4.1. LULC 对 LST 的影响
裸露的土壤信息。
4.1.1. 植被和水有效地缓解了超高温效应
图 8 显示了 NDVI 和 MNDWI，它们对
8
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 7.POI 分布于不同的网格大小，为 （a） 100 m、（b） 300 m、（c） 600 m、（d） 900 m 和 （e） 1500 m。

与 0.01 水平的 LST 相关，相关系数分别为 0.71 和 0.66。同时，LST 在南京美特奥波利坦
地区 不同城市功能区的空间统计结果（ 图 10 ） 也显示 ，
IL 、 RL 、 ML 、 BL 、 SL 等 渗 透 层 的 平 均 LST （ 35.82°C ） ℃ 明显高于水区
（32.40°C）℃和绿地（33.83°C）。℃城市建设的快速去功能化，导致非层表面
出现明显变化，表面反反多的变化对 UHI 具有很大的推动作用 （Kalnay & Cai，2003
年）。
居住区、商业圈、工业区、交通设施的建设，使大量的植被和优质土壤
被不透水层（如混凝土层）所取代。这些材料具有强热吸收卡帕城、高导热
率和小热惯性 Chu（Chu& Guldmann，2014;;奥加沙瓦拉和巴托斯，2012 年 。
Rhee， 公园， 和 Lu， 2014.在太阳辐射的相同条件下，不透水层比自然表
面加热得更快。密集的建筑物可以降低地面附近的风速，有效阻挡地面长波
辐射的发射;因此，热量聚集在城市内部，形成高温区（图 11）（) (杜、王、
郭，2014 年;罗和鹏， 2016.研究表明，城市的气温往往高于郊区（Grim 等
人，2008 年;周和苏，1994 年。裸露土壤的热容量小，特别是含水量较少的
沙质土壤。在太阳辐射下，裸露土壤的蒸发是小麦芽，从而导致温度迅速升
高。因此，在植被稀疏或无植被的暴露区域更容易形成高温区。然而，由于
南京市区裸露土壤分布低，不透力层对 UHI 具有较为显著的驱动力。
4.2. 人类活动的强度和类型对 UHI 的影响
即使在同一土地覆盖区，各城市娱乐区的 LST 也大相径庭。对于同
样 覆 盖 的 不 可 渗 透 层 区 域 ， IL 和 RL 的 平 均 LST 分 别 为 38.38°C 和
36.93°C。这高于 BL（35.83 °C）、SL（35.78 °C）和 ML（35.28 °C）
（图 10）。这表明，超高温效应不仅由 LULC 驱动，而且与地上密集和
不同类型的人类活动有关。
城区人口高度集中，地上人类活动是城市热集中的主要原因之一（彭等
人，2013 年;岳和徐，2008 年;张等人，2015 年。与地表特征参数不同，在城
市功能区，LST 与人类活动强度的关系不是简单的线性，而是分片的（ 图
9）。人类活动的强度和类型都会对 UHI 产生强烈的影响。
4.2.1. 低 LST 区人类活动的驱动力
在 18.69~31.85°C 的低温区中，人类活动强度特征的 P OI 密度与
LST（图 9）之间没有明显的相关性 。根据城市功能区（表 2）
特征的城市功能区百分比的统计重新统计， CL 和 GA 覆盖了 36.06%和
31.57%的低 LST 区。该地区人口密度较低，人类活动薄弱，人类活动对
当地小气候的影响并不明显。温度主要受土地覆盖的影响（图 12）。因
此，在 18.69~31.85°C 的低温区，POI 密度与 LST 之间没有明确的关系
（图 9）。这也证实了 LULC 对 LST 的驱动作用（图 11）。).

9
M. Min 等人 Sus 可点城市和社会 50 （2019） 101637

图 8.LST 与地表特征参数之间的关系，即 （a） NDVI（标准化差植被指数）、（b） NDBI（标准化差值累积指数）、（c） MNDWI（修正的标准化差水指数）和

（d） BSI（裸土指数）。

人体可以辐射热射线辐射。人类的日常活动也可以产生大量的人为热释
放（阿恩菲尔德 ，2003 年;他等人， 2007 年;塔哈，道格拉斯，哈尼 ，
1997 年。岳和徐，2008 年;张等人，2015 年。SL 地区的密集运输活动释
放出尾气，将大量热量输送到空气中（彭等人，2013 年）。同时，建筑
材料（住宅、道路等） ha 具有较大的储热系数和强大的储存热量能力 ，
这使得长波辐射的能量更容易在人类活动区域保留（阿克巴里，波美兰
茨，和塔哈，2001 年;沃格特和奥克，1997 年。因此，每天的热产物和
运输热释放都在当地小气候中引起强烈干扰（图 12）。).
许多类型的人为热量已成为区域温度上升的主要因素（ 科塔尔卡尔
和苏拉瓦尔，2016 年;翁和杨，2004 年。现有研究表明，南京人为热对
UHI 的贡献率为 29.60%（他等人，2007 年）。RL 和道路两侧都有密集
的 POI 点。在 POI 密度较高的地区释放的人类热量的格雷特量，导致城
市当地温度上升。在 34.86~39.85°C 的区域内，它们之间的正指数相关
性更为小比。当 POI 密度从 3 降至 11.8 时，LST 增加 5°C（图 9）。).

4.2.3. 在极高 LST 区 39.86~54.85°C 的极高 LST 区，人类活动的驱动力效

应，POI 密度和 LST 没有表现出指数增长关系，而是在中高 LST 区，而
是呈现出下降趋势（图 9）。根据城市百分比的统计结果
图 9.LST 和 POI 密度之间的关系。

4.2.2. 在 31.86~39.85°C 的中高 LST 区，人类活动在中高 LST 区的驱动力作用，

有一个前
POI 密度与 LST 之间的庞位增长关系（图 9）。根据描述人类活动类

型的城市游乐区年龄百分比统计结果 （表 2），中高 LST 区

分别占 28.54%和 20.88%。RL 的人口非常密集，
10
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 10.中国南京市区不同城市功能区的平均 LST。

表 2 空气污染物是造成该地区高温的主要因素（图 12）。).
不同 LST 区域内所有城市功能区（%）的面积百分比（ 然而，IL 中的 POI 密度远低于人口稠密地区的密度，如 RL;因此，
在极高的 LST 区 39.86~54.85°C，虽然 UHI 效应较高，但 POI 密度和
城市功能 低 LST 区域 中高 LST 极高的 LST
地区 区 区 LST 没有显示指数增长关系，而是呈现出下降趋势。
18.69~31.85 °C 31.86~39.85 °C 39.86~55.85 °C 人类活动与 LST 之间分段关系的结果与以前的研究大不相同（ 科塔
Bl 0.78 2.88 0.00
尔卡尔和苏拉瓦尔，2016 年;彭等人，2013 年;岳和徐，2008 年。在现有
Rl 4.63 28.54 8.15 研究中，人类活动因素主要以区、县和街道的人口统计来衡量。最小的
的 4.17 16.58 62.80 单位只能达到街道尺度，很难进一步划定人类活动的类型和空间分布。
毫升 1.14 2.27 1.34 因此，这些研究结果表明，种群密度与 LST 之间存在单一正线性压状。
Ga 31.57 13.51 3.38
Sl 13.09 20.88 17.69 and LST.
Cl 36.06 13.86 6.48
洼 8.56 1.48 0.15 5. 结论

本研究利用 2017 年南京美特罗波利坦地区地表特征参数、地内（POI）

作为人类活动类型特征的功能区，62.80%的区域被 IL 覆盖（表 2）。特 密度点和城市功能区数据，试图以适当的网格尺度量化人类活动在 UHI 上的
别是在 42.86°C 以上的超高 LST 区，超过 70%的区域位于 IL。IL 的平均 驱动机制。研究结果表明，在 300 米电网下，驱动因素具有最高的解释
LST 为 38.38 °C ， 高 于 其 他 不 透 力 层 ， 如 RL （ 36.93 °C ） 、 BL
力;LULC 对 LST 有显著影响，不透水层和裸露的土壤增加了 LST，植被和水
（35.83 °C） 和 ML （35.28 °C）。这个地区的大部分人类活动是工业
缓解了它。Th 是研究使用 POI 密度来描述网格细胞中地上人类活动的强度。
产品 ion 活动，伴随着大量热量的释放（彭等人，2013 年;岳和徐，2008
研究发现，人类活动强度与 LST 之间的关系，在不同城市功能区表现出差异。
年。
除了人类活动的密度外，人类活动的类型也对 UHI 有显著影响，其中工业热
工业电能和燃料化学能被转换成热能，并释放向外。同时，燃料的
燃烧也可以排放大量的空气污染物，如 释放对城市当地温度的影响最大，其次是

PM10 ， PM2.5 ， CO2 ， NOx 和 SO2 ， 等等 .2017 年 ，南 京化 工 园 区

（H2）企业（图 5）退出
1299.60 吨 SO22，6951.13 吨 NOx 和 2346.34 吨粉尘（《南京环境状况公
报》，2017 年）。这些空气污染物能有效吸收长波辐射能量。此外，它
们像绝缘层一样覆盖 ar ea，从而防止热辐射溢出，使区域温度上升（张
等人，2017 年）。因此，释放出大量的工业热

图 11.LULC（土地利用/土地覆盖）对 UHI（城市热岛）效应的驱动力效应。

11
M. Min 等人 可持续城市与社会 50 （2019） 101637

图 12.UHI 上人类活动强度和类型的驱动机制。

日常热生产和运输热释放。本研究旨在探讨 UHI 的机制，并在微观尺度 系统审查时空因素、数据、方法和缓解方法。《国际应用地球观测和地理信息杂志》，第

67 期，30–42 年。
上量化人类活动。研究表明，POI 密度与城市功能区数据的结合可以全
董，L.J.，孙，J.，戴，X.L.，于，Y.J.，Ji，G.X.，和薛，Y.G.（2016 年）。典型化学工
面反映城市人类活动的强度和类型。它们是 UHI 效应驱动机制研究中对 业园环境空气中挥发性有机化合物的组成和分布。环境监测和预警，8（2），
45~51.
远程 senssss 信息的补充。 杜，C.，任，H.，秦，Q.，孟，J.，赵，S.（2015 年）。一个实用的分窗阿尔戈里思米，
用于从 Landsat 8 数据估计地表温度。遥感， 7（1）， 647~665.
利益冲突 杜，H.，宋，X，江，H，Kan，Z.，王，Z.，蔡，Y.（2016 年）。水体冷却岛效应研究：
中国上海案例研究。生态指标， 67（67）， 31~38.
杜，S，王，Q.，郭，L.（2014 年）。在多个采样尺度上，土地覆盖变化与驱动因子之
提交人声明没有利益冲突。 间的空间变化关系。环境管理杂志，137（4）， 101–110.
杜，X.L.，陆，C.H.，和万 g，H.R.（2011 年）。综述：土地利用/覆土变化对环境的影
确认 响研究。土壤， 43（3）， 350~360.
杜，Y，谢，Z.Q.，曾，Y.，施，Y.F.，吴，J.G.（2007 年）。城市扩张对长三角地区气
温变化的影响。地理科学杂志， 17（4）， 387–398.
敏敏分析了数据并撰写了论文。陈林帮助编辑了手稿。段学军、郑 埃斯特克，R.C.，和村山，Y.（2015 年）。从地道-7 ETM+ 和地道-8 OLI/TIRS 图像对
英金和张洛成提供了写作帮助。作者感谢所有研究参与者和自愿贡献者 建成土地进行分类和变化检测：各种光谱指数的比较分析。 生态指标，
56（56）， 205–217.
（冯天、刘伟晨、熊俊峰、杨柳青、田秀琴、张英浩和王兆飞[中国科学 冯，J.M.，王，Y.L.，马，Z.G.，刘，Y.H.（2012 年）。模拟城市化和人为热释放对全国
院地理与林学研究所：NIGLAS]）。 气候的区域影响。气候杂志， 25（20）， 7187_7203.
这项工作由中国国家重点研发计划（2018YFD1100105）和国土资源 Gago， E. J.， 罗丹， J.， 帕切科-托雷斯， R.， 和奥尔多涅斯， J. （2013）.城市和
城市热岛：减少不利影响的战略回顾。 可再生能源和可持续能源评论， 25， 749–
部海岸区开发与保护重点实验室研究基金（2015CZEPK01）资助。数据 758.
北卡罗来纳州盖塔尼、斯帕努、萨利亚里、M.、辛内法、A.、瓦西拉科普卢、K.、帕帕多普卢、
得到了中国科学院南京地理与林科研究所湖泊与流域科学数据共享平台
K.等人（2011 年）。改善城市地区的微气候：雅典市中心的案例研究。 建筑服务工程研究
的支持。 及技术， 32（1）， 53~71.
高， C. X. ， 唐， B. H. ， 吴， H.一种通用的分割窗口算法，用于从 MSG-2/SEVIRI
引用 数据进行陆地 su rface 温度估计。《国际遥感杂志》，第
34（12），4182~4199。 (12), 4182–4199.
阿克巴里，H.，波美兰茨，M.，和塔哈，H.（2001 年）。冷却表面和树荫，减少能源使用， 葛， R. F.， 王， J. L.， 张， L. X.Impacts of urba-nization on the urban thermal
改善城市地区的空气质量。太阳能， 70（3）， 295~310. environment in Beijing.Acta Ecologica Sinica， 36（19）， 6040~6049.
阿穆塔，D.，朱丽叶，M.（2017 年）。气候变化对印度 人类健康的影响。 格林，N.B.，费斯，S.H.，戈卢比夫斯基，N.E.，雷德曼，C.L.，吴，J.，白，X，等等。(2008).
全球变化与城市生态。科学， 319（5864）， 756~760.
社会科学电子出版。
阿恩菲尔德，A.J.（2003 年）。二十年的城市气候研究：湍流、能源和水交换以及城市 韩，S.R.，魏，S.，周，W.，张，M.J.，陶，T.T.，邱，L.等人（2017 年）。根据兴趣点
热岛的回顾。《国际气候学杂志》，第 23（1），1~26。(1), 1–26. 数据 和大 地卫 星图 像对 城市 热场 的空 间模 式进 行量 化。 Acta Ecologica Sinica ，
博纳克奎斯蒂， V. ， 卡萨勒， G.R.， 帕尔米耶里， S.， 和西亚尼， A. M. （2006）.顶篷 37（16）， 5305~5312.
层模型及其在罗马的应用。总环境科学， 364（1）， 1~13. 他，X.F.，江，W.M.，陈，Y，和刘，G.（2007 年）。人为热对城市边界层结构影响的

张，C.R.，李，M.H.，张，S.D.（2007 年）。对台北市公园当地凉岛性的初步 数值模拟。中国地球物理杂志 ，50（1），75~83。

研究。 景观和城市规划， 80（4）， 386~395.
陈，F.，Du，D.S.（2004 年）。空间统计分析与地理信息系统在区域经济分析中的应用。地理
空间信息科学， 7（4）， 262_267.
陈， W. ， S， L. 和 梁， Y. T. （2016）.基于 POI 数据，广州零售格式的零售中心识
别和空间聚合特征分析。地理研究， 35（4）， 703~716.
陈，Y.H.，施，P.J.，李，X.B.（2002 年）。基于遥感和 GIS 的上海市空间环境研究。
西尼卡岛，31（2），139–144(2), 139–144。
陈，Y. X.，和振，F. （2014）.基于居民活动数据对城市空间功能组织扎区的进一步研究
——南京的案例研究。城市规划论坛， 5 （5），72–78.
春， B. – 古德曼， J. M. （2014）.空间统计分析和模拟高密度中心城市的城市热岛。景
观和城市规划， 125(3), 76–88.
崔，J.，魏，J.P.，钟，W.Z.，于，M.Y.，徐，Q.X.（2011 年）。基于栅格基本图形的感
兴趣点数据更新新方法的研究。测绘公报， 30（3）， 66~68.
德伊拉米亚，K.，卡鲁扎曼布，M.，和刘，Y.（2018 年）。乌尔巴 n 热岛 eff;例如： A
(1), 75–83.
霍华德，L.（1818 年）。伦敦的气候。伦敦：W.菲利普斯。
江， S. ， 阿尔维斯， A. ， 罗德里格斯， F.， 费雷拉， J， 小， & 佩雷拉， F. C.
（2015）.从社会网络挖掘利益点数据，用于城市土地使用分类和分类。 康普特斯，
环境和城市系统， 53， 36–46.
卡尔奈，E.，蔡，M.（2003 年）。城市化和土地使用变化对气候的影响。
自然， 423（6939）， 528~531.
金，M.G.，和 Koh，J.H.（2016 年）。最新的地理空间信息研究趋势，由推特数据来
破坏。空间信息研究， 24（2）， 1+9.
科塔尔卡尔，R.，和苏拉瓦尔，M.（2016 年）。在印度纳格普尔市区的 Traverse 测量，兰地利
用、土地覆盖和人口密度对冠城热岛的形成产生影响。 城市规划 与发展杂志，
142（1）， 04015003.
李，R.，瓦卡米亚，S.，和苏米亚，K.（2015 年）。基于基于位置的社交网络站点探
索地理空间认知。 万维网和网络信息系统 . ，18（4），845~870
。 (4), 845–870
李，P.P.，和李，Z.F.（2015 年）。基于 HJ-1B 数据对南京地表温度检索的研究。遥感技术与
应用， 30（4）， 653~660.
李，S.C.，赵，Z.Q.，王，Y.L.（2009 年）。中国城市化过程及资源环境的影响：研究趋
势及未来方向。地理学进展， 28（1）， 63~70.
李，Z.L.，唐，B.H.，吴，H.，任，H.，严，G.，万，Z.等人（2013 年）。卫星衍生的地
表温度：电流状态和光谱。环境遥感， 131（131）， 14~37.
刘，H.，和翁，Q.（2012 年）。提高卫星图像用于公共卫生研究的时间分辨率：2007 年
在洛杉矶进行的西尼罗病毒疫情案例研究。环境遥感， 117（2）， 57–71.
刘，X，钟，Y.，青，H.E.，回族，L.U.，W.，W.（2014 年）。地表臭氧研究

12
明先生等人
的城市热岛与影响
罗，X，和彭，Y.（2016 年）。基于地理加权回归模型
因子之间关系的比例效应。遥感， 8（9）， 760.
沙漠腹地与北缘城市 之间的集中变化。 马，J.，周，J.，刘，S.M.，王，Y.J.（2017 年）。查看遥感地表温度的验证。地球科学
进展， 32（6）， 615~629.
生态与环境科学， 23（7）， 1148–1155.
马吉，N.，柯蒂斯，J.，和温德勒，G.（1999 年）。阿拉斯加费尔班克斯的城市热岛效
应。理论和应用气候学，64（1-2）， 39~47.
梅，A.X.（2001 年）。遥感的介绍。北京：高等教育出版社。敏，M，赵，H，和苗，
C.（2018. 城市时空演化分析
热岛：中国郑州市的案例研究。可持续性， 10（6）， 1993 ..住房和城乡建设部中华人
民共和国
（2011）.城市土地利用分类和开发用地规划标准守则（GB 50137-2011）。北京：中国建筑
与建筑出版社。
南京市总体规划（2011-2020）（2019 年）。 南京市总体规划（ 2011-2020 年）。 可在线
http://www.nanj
http://www.nanjing.gov.cn/xxgk/qzf/gcq/gcqspypjdglj_62910/201708/t20170816_4922299.ht
ml。 .
《南京环境状况公报》（2017 年）。南京环境状况公报。
南京市环保局.
《南京统计年鉴》（2017 年）。南京统计年鉴。北京：中国统计出版社。
奥加沙瓦拉，I.和巴斯托斯，V.D.S.B.（2012 年）。分析
城市热岛与土地覆盖的关系。遥感， 4（11）， 3596_3618.
O ke， T. R. （1981）。峡谷几何与夜间城市热岛：比例模型与现场观测的比较。
《国际气候学杂志 》，1（3），237–254 (3), 237–254。
奥克，T.R.（1995 年）。城市边界层的热岛：特征、原因和影响。
奥克，T.R.（2006 年）。在城市气候中加强科学交流。理论和应用气候学，84（1-
3），179-190(1-3), 179–190。
帕茨，J.A.，坎贝尔-伦德鲁姆，D.，霍洛威，T.，和 Foley，J.A.（2005 年）。区域气候
对人类健康的影响。自然， 408（7066）， 310~317.
彭，B.F.，施，Y.S.，王，H.F.，王，Y.L.（2013 年）。城市热岛效应的影响机制和功能
规律：上海案例研究。Acta 地理西尼卡，68（11）， 1461–1471.
笔 g，S.S.，Piao，S.L.，Ciais，P.，弗里德林斯坦，P.，奥特尔，C.，Bréon，F.等。
横跨全球 419 个大城市的地面城市热岛。环境科学和技术， 46（2）， 696-
703.
Purevdorj， T.， 塔蒂希， R.， 石山， T.， 和本田， Y.（1998）.植被覆盖率和
植被指数之间的关系。 《国际遥感杂志》，第 19（18 版），3519~3535 年。
秦，Z.H.，卡尼利，A.，和柏林，P.（2012 年）。一种单窗口算法，用于从 Landsat TM
数据检索地表温度并将其应用于以色列 -埃及边境地区。 《国际遥感杂志》，第
22（18 版），3719~3746 年。
秦， Z.H.，张，M.Z.，阿蒙，K.和佩德罗，B.（2001 年）。单窗口算法，用于从
Landsat TM6 数据检索地表温度。 Acta 地理西尼卡， 56（4）， 456_466.
泉， J. L. ， 陈， Y. H. ， 詹， W. F.， 王， J. F.， Voogt， J.， & Wang， M. J.
（2014）.基于高斯体积模型，中国北京城市热岛质心多时轨迹。环境遥感，
149（7）， 33~46.
雷诺德，M.K.，科米索，J.C.，沃克，D.A.，和韦尔比拉，D.（2008 年）。地缘表面温
度、北极植被类型和 NDVI 之间的关系。环境遥感，112（4），1884-1894。
任、H、杜、刘、R、秦、Q.、严、G、李、Z 等（2015 年）。大气水蒸气从 Landsat 8
热在 frafra 图像检索。地球物理研究大气杂志，120（5）， 1723–1738.
Rhee， J. ， 公园， S. – Lu， Z. （2014）.城市地区土地覆盖模式与地表温度的关系。制图科
学与遥感， 51(5), 521–536.
理查兹，K.（2004 年）。城乡环境中露水的观察与模拟。
物理地理学进展， 28（1）， 76_94.
里基马鲁，A.和宫城，S.（1997 年）。 利用植被、裸露土壤和阴影指数（ EB/OL）开
发 森 林 树 冠 密 度 图 和 监 测 模 型 。
https://www.geospatialworld.net/aars/crs/1997/ts5/ts5006.shtm。.
罗森菲尔德，A.H.，罗姆，J.J.，阿克巴里，H.，波美兰茨，M.，和塔哈，H.G.（1996
年）。Office of Scientific & Technical Information Technical Reports 9.减少热岛的政策：
实现这些利益的幅度和激励 作用。 Policies to
谢哈，M.A.，谢哈，A.，和佩蒂利，S.（2012 年）。点 interest 空间评级搜索方法和系
统。美国，美国 8301371 B2.
盛， L. ， 陆， D. – 黄， J. （2015）.土地覆盖类型对杭州城市热岛的影响。国际遥感
杂志，36(6), 1584–1603.
辛拉，V.，帕乔里，T.，萨桑吉，A.，库马里，K.M.，和拉哈尼，A.（2012 年）。阿格
拉的表面臭氧浓度：与当前气象参数的联系。理论和应用气候学，110（3），
409~421.
Soux， A. ， Voogt， J. A. 和 Oke， T. R. （2004）。用于计算远程传感器"看到"城
市表面的模型。边界层气象学， 111（1）， 109~132.
斯里瓦斯塔瓦，P.K.，马朱姆达尔，T.J.，和巴塔查里亚，A.K.（2010 年）。利用多传感
器卫星数据研究地表温度和光谱发射率。地球系统科学杂志，119（1）， 67~74.
斯图尔特，I.D.，和奥克，T.R.（2012 年）。城市温度研究 的当地气候区。
美国气象学会公报，93（12），1879-1900 年。
库存，T. （2013）。气专委，2013 年：气候变化 2013 年：物理科学基础。第一工作组
对政府间气候变化专门委员会第五次评估报告的贡献，710–719。.
可持续城市与社会 50 （2019） 101637
塔哈，H.，道格拉斯，S.和哈尼，J.（1997 年）。中尺度气象和空气质量增加的城市反当和植被
能源和建筑， 25（2）， 169–177.
田，Y，沈，H.J. （2017）。江苏省工业发展与大气污染物排放的时间与空间演变。环
境监测及预警， 9（5）， 5~9.
：
蒂安迪图可在线： http://www.tianditu.com/.
UHI （2009）。基本描述、影响和问题。休斯敦高级研究中心。
Usgs。可在线： http://earthexplorer.usgs.gov/.
沃格特，J.A.，和格里蒙德，C.S.B.（2000 年）。使用简单城区的表面辐射温度对表面合
理的热通量进行建模。应用气象学杂志，39（10）， 1679–1699. (
沃格特，J.A.，和 Oke，T.R.（1997 年）。完整的城市表面温度。应用气象学杂志，
36（9）， 1117_1132.
沃格特，J.A.，和 Oke，T.R.（1998 年）。城市表面几何形状对遥感表面温度的影响。《国际遥
感杂志》，第 19（5），895-920。(5), 895–920.
沃格特，J.A.，和 Oke，T.R.（2003 年）。城市气候的热遥感。环境遥感，
86（3）， 370~384.
万，Z.，和李，Z.L.（1997 年）。一种基于物理的算法，用于从 EOS/MODIS 数据中检
索 陆 地 表 面 的 发 射 率 和 温 度 。 地 球 科 学 和 遥 感 的 IEEE 交 易 ，
35（4），980–996。 (4), 980–996.
王，J.K.，王，K.C.，王，P.C.（2007 年）。北京上空的城市热（或冷）岛
从 MODIS 陆地表面温度。 遥感杂志， 11（3）， 44~53.翁，Q.H.，杨，S.H.（2004
年）。管理城市除热性的不利影响
在人口稠密的中国城市。环境管理杂志，70（2）， 145–156.
翁，Q.H.，陆，D.S.，和舒布林，J.（2004 年）。城市热岛研究的地表温度与尿植被丰
度关系估计。环境遥感， 89（4）， 467~483.
谢，H.（2016 年）。大数据技术在环境心理监测中的应用。
环境监测及预警， 8（4）， 62~66.
熊，Y，黄，S.，陈，F.，叶，H.，王，C.，朱，C.（2012 年）。快速城市化对热环境的
影响：华南广州遥感研究。遥感， 4（7）， 2033-2056.
徐，H.Q.（2005 年）。改性标准化差水指数（MNDWI）水体信息提取研究。遥感杂
志， 9（5）， 589_595.
薛，B.，肖，X，李，J.Z.，谢，X，陆，C.P.，任，W.X.（2019 年）。以 POI 为基
础的沈阳市住宅和零售业的关联关系。山达基亚地理西尼卡， 39（3），
442_449.
姚，R.，王，L.C.，桂，X.，郑，Y.K.，张，H.M.，黄，X.（2017 年）。城市化对植被
和地表城市热的影响是中国长江流域的土地。遥感， 9（6）， 540.
姚，R.，王，L.C.，黄，X，牛，Z.G.，刘，F.F.，王，Q.（2017 年）。地表城市热岛的
时间趋势及中国主要城市的相关决定因素。总 环境 科学， 609， 742~754.
姚，R.，王，L.C.，黄，X，陈，J.P.，李，J.R.，牛，Z.G.（2018 年）。与中国北方农村
相比，城市表面对气候变异性的敏感性较低。总环境科学， 628-629，650~660.
姚，R.，王，L.C.，黄，X.，牛，Y.，陈，Y.S.，牛，Z.G.（2018 年）。不同数据和方法
对估算地表城市热岛强度的影响。生态指标， 89， 45~55.
姚，R.，王，L.C.，黄，X.，牛，Y.，Chen，Y.S.，牛，Z.G.（2018 年）。中国地表城
https:// 市热岛强度与相关驱动因素的年际变化。环境管理杂志，222，86_94.
殷，H，王，W.，王，H，陈，L，周，X.（2017 年）。空间感知层次结构协同深度学习
POI 建议。关于知识和数据工程的 IEEE 交易，PP（99）， 1.
岳，W.Z.，徐，J.H.（2008 年）。人类活动对上海城市热环境的影响。Acta 地理西尼卡，
63（3）， 247_256.
赵，Y.，高，J.和 Ni，S.（2003 年）。在从 TM 影像自动映射城市地区时，使用规范
化差异累积索引。《国际遥感杂志》，第 24（3 期），583~594 年。
张，C.，和王，K.（2016 年）。通过跨 region 协作筛选 进行 POI 建议。 知
识和信息系统， 46（2）， 369–387.
张，J.，吴，L.，袁，F.，窦，J.，和苗，S.（2015 年）。春节期间，人口大量迁徙和
北京的城市热岛。《科学公报》， 60（11）， 1038~1041.
张，J.，张，X.P.，王，X.Y.（2010 年）。北京温度及其城市热岛效应的时间尺度分析。
干旱土地地理， 33（1）， 51~58.
张，X.，Estoque，R.C.和村山，Y.（2017 年）。中国南昌市城市热岛研究基于地表温度
和社会生态可变量。可持续城市与社会， 32（2017）， 557-568.
赵，S.Y.（2003 年）。遥感应用分析的原理与方法。北京：科学出版社 ny.
钟，S.，钱，Y，赵，C，梁，R.，王，H，杨，B.等（2017 年）。城市化引发的城市热岛及其
对中国长三角地区气候极端气候的气溶胶影响。大气化学和物理， 17（8）， 1~57.
Zhou， S. Z.， & Su， J. （1994）。城市气候学。北京：中国气象出版社 1994 年。周，D.C.，
赵，S.Q.，刘，S.G.，张，L.X.，朱，C.（2014 年）。中国 32 个主要城市的地表城市热岛：空
间模式和驱动因素。远程森辛 g
环境， 152（152）， 51~61.
周，J.，陈，Y.H.，李，J.，We.，Q.H.，易，W.B.（2008 年）。基于遥感图像及其应用
的城市热岛体积模型：北京的案例研究。遥感杂志， 12（5）， 734~742.
13