高的贡献值[11]。宋艳玲等利用北京市近40年气候资料分析了北京市区与郊区平均气温日、季节和年际的变化特征，发现40年间热岛强度逐渐增强[12]。白虎志等分析了兰州市近40年的城乡年平均和季节平均温度差，热岛效应呈增强趋势，冬季热岛效应最显著[13]。束炯等利用Davis自动气象观测仪记录了上海市1998年和1999年的气象数据并分析了这两年间热岛效应的日、季节和年际变化[14]。David R. Streutker利用气象数据分析了休斯顿1985-2001年的热岛效应变化，结果显示该地区地表温度年均升高0.08K[15]。
定点和运动样带法观测：定点观测法是选取城郊若干个典型的位置进行多项气候指标测定，并对城郊气候指标进行对比分析以观测城市的热岛强度和分布特征。观测水平可分为水平观测和垂直观测两种，因为城市热岛效应不仅仅影响地表温度还影响到城市上空的温度，具有明显的空间立体分布特征。运动样带法一般是在车辆上安装特定的气温测定传感器并与数据采集器连接在一起，车辆按特定的速度沿着具有代表性的路线行驶，传感器每隔一定的时间采集一次。为了更精确观测热岛效应，通常把定点观测和运动样带观测相结合。严平等利用定点观测为主，流动观测车为辅观测了合肥市的气象要素，对比分析了合肥市城郊气温差，从而确定合肥市的热岛强度，并分析了合肥市热岛中心随季节的变化、热岛强度的日变化和年变化[16]。张一平等利用气球悬挂温度传感器对昆明市的城市近郊—城郊结合部—城市中心—城郊结合部—城市近郊进行了多点、垂直（100m以下）温度、湿度进行了观测，并利用观测资料对昆明市热岛效应的立体分布特征进行了分析[17]。
遥感监测法：遥感测定主要是利用热红外遥感对城市地表温度进行反演。利用热红外遥感进行地表温度反演的理论基础是：所有的物质，只要其温度超过绝对零度，就会不断发射红外辐射，常温的地表物体发射的红外辐射主要在大于3μm的中远红外区。热红外遥感就是利用星载或者机载传感器收集、记录地物的这种热红外信息，并利用这种热红外信息来识别地物和反演地表参数，如温度和湿度等[5]。遥感传感器的波段选择应符合两个原则，一是预期探测目标在此波段有最强的信号特征；另外所探测的遥感信息能最大限度地透过大气到达传感器。常用的遥感数据有EOS-MODIS、Aster和Landsat数据。EOS-MODIS数据热红外波段空间分辨率为1km，有5个热红外波段，运行周期短，可大量获取，对于研究城市热岛的日变化较为方便，因其分辨率较低，一般用于大尺度研究。历华等利用MODIS数据反演长沙、株洲和湘潭地区的地表温度，对该地区城市热岛效应的空间分布与季节变化特征和影响因子进行定量研究[18]。倪敏莉等基于MODIS数据反演了长江三角洲城市群的地表温度，研究了该城市群的热环境[19]。Aster数据热红外波段空间分辨率为90m，含5个热红外波段，运行周期为16天。因其分辨率较高，热红外波段多，常常被用来精确研究城市热环境的空间分布特征。赵小艳等利用Aster数据对南京市2002年8月地表温度，详细
3
分析了南京市热岛空间分布特征[20]。孟丹等利用Aster影像数据反演北京地区地表温度，并分析了其热力景观格局[21]。对于Landsat数据一般使用Landsat-5 TM和Landsat-7 ETM。Landsat-5 TM数据只有一个热红外波段，空间分辨率为120m，Landsat-7 ETM同样只有一个热红外通道，但其空间分辨率为60m，这对精细观测城市热岛效应是极有利的。盛辉等利用Landsat TM数据反演了东营市地表温度，并分析了其热岛效应时空演化规律[22]。林云杉等利用Landsat TM提取了福建泉州市的不透水面，并进行了地表温度的反演，分析了不透水面的变化以及不透水面与地表温度的相关性，发现与地表温度有很强的正相关性，不透水面的增加直接导致了地表温度的升高[23]。黄初冬等运用Landsat TM /ETM+和Terra Aster数据对北京夏天地表温度进行反演，并分析了地表温度的空间分布特征和随时间的演变过程[24]。
模拟预测法：常用模型有数值模型、能量平衡模型、统计模型、物理模型和解析模型[25]。桑建国等利用解析模型分析了温度场和环流场的三维结构[26]。Oke利用统计模型分析了城市大小和热岛效应之间的关系[27]。B. W. Atkinson使用电脑3维模型模拟了一个20平方公里的位于海边的平坦平坦的城市的热岛效应，模型相关参数有异常地表反射率，人为热通量，辐射率，地表粗糙度，天空视角，和地表水汽蒸发，研究发现晚上人为热排放对城市热岛影响最大，白天地表粗糙度和水汽蒸发对城市热岛影响最大 [28] 。R. Humberto等利用模型来模拟了菲尼克斯市热岛效应的产生并模拟了如何减缓由热岛效应所导致的发病了，模型参数包括辐射率、植被比例、热环境和不同的反射率，结果显示反射率的增加能最有效地降低发病率 [29] 。U. Rajasekar等使用非参数模型分析了印第安纳波利斯城市热岛效应 [30] 。
热岛效应的不同监测方法有各自的优缺点。气象站观测法，定点和运动样带法观测定位精确，能够精确了解观测点的气温，为计算热岛效应强度提供精确的数据，但是此类方法受限于观测点分布不均，很难以点代表面，因此不能全面，准确地反映城市的热岛效应强度。遥感监测能进行大面积的测定，定量直观地描述热岛效应的空间分布特征。
1.2 城市热岛效应的时空分布特征
从众多学者的研究结果可以看出，城市热岛强度的时空分布具有明显的周期性和非周期性变化特征，周期变化主要是热岛强度的日变化、季节变化和年变化，非周期变化主要是由气象条件变化引起的变化。 1.2.1 城市热岛的周期变化
国内外众多学者对不同城市观测的资料表明，城市热岛强度主要呈现日变化、季节变化和年变化的周期性变化。张佳华等以EOS-MODIS遥感影像为信息源，研究了2001年北京城市及周边城市热岛空间分布的季节规律和日变化规律，分析北京地区的热岛强度的时空分布状况，发现北京地区白天和夜晚的城市热岛的分布和程度不
4
同，北京城区一年四季夜晚均存在较明显的城市热岛分布，而白天则主要以夏季城市热岛特征明显，秋季次之，冬春季节不明显的变化规律[31]。陈千盛等研究了福州热岛效应的变化规律，其中十月份出现热岛效应的天数最多，而4月最少，热岛强度日变化冬春08时出现最多，冬季14时最少，而春季20时最少；夏秋02时最多，夏季20时最少，而秋季14时最少[32]。Wang Yu等研究发现，北京1993-2003年间城市热岛强度早上最强，中午最弱，到了晚上开始增强，随着热岛强度的增加，发生热岛效应的天数也在增加，热浪造成的灾害也明显增加[33]。赵小锋等基于Landsat TM数据，研究了厦门市20年间热岛季节动态随城市化进程演变的变化趋势[34]。W. Liu等研究了北京1977-2000年间城市热岛的年变化、季节变化和日变化，结果显示北京城市热岛强度和空间分布年际变化随着城市人口以及城市建成区面积的增加而增强，冬季热岛效应最强烈，晚上热岛强度比白天强 [35] 。Kaixuan Zhang等研究了上海1978-2007年的热岛年际变化，季节变化和日变化，结果显示上海城市热岛强度随着年际的变化显著地增加，城市热岛秋天最强，而夏天最弱，晚上热岛强度比白天强[36]。Hanqiu Xu等使用城市热岛比例指数研究了厦门1989-2000年间的城市热岛变化，发现2000年城市热岛比例指数比1989年有所减小，1989年的几个高温区域到了2000年都消失了，说明厦门城市热岛效应有所缓解[37]。 1.2.2 城市热岛的非周期变化
城市热岛强度不但有周期性变化，而且还有明显的非周期性变化。引起热岛强度非周期性变化的原因主要是与当时的风速、云量、天气形势和低空气温直减率有关。 C. J. G. Morris等利用澳大利亚墨尔本近20年间的气象资料，定量分析了风速和云量对城市热岛效应的影响。结果表明低风速，少云或者没有云，对当地热岛强度的增强影响最大[38]。O.S. Pinho等研究了葡萄牙沿海小城市阿威罗的热岛效应，发现城市气候对该地区的热岛效应有重要的影像，没有风或者天空完全没有云时，热岛强度最强，而气候不稳定（风、云急速对流）的地方热岛强度最弱[39]。N. Magee等研究了美国阿拉斯加费尔班克斯地区的热岛效应，发现低温更容易受到无风或者低风速和没有云覆盖的影响 [40] 。J. Unger分析了匈牙利中等城市赛格德气象条件对热岛效应的影响，发现城市最低温受到气象条件的影响最大，其中反旋气流，少云或者云很低和微风强风对最低温的影响最大 [41] 。刘转年等利用灰色关联度分析法分析了影响西安城市热岛效应的主要气象因子，其影响顺序为：相对湿度＞日照时数＞降雨量＞风速[42]。 1.2.3城市热岛的水平分布
城市热岛的水平分布通常是指热岛从郊区到市中心的空间分布特征。Wang Yu等研究发现1993-2003年间北京夏天热岛分布已经扩展到了进郊区，甚至远郊区都已经有了热岛效应现象，从原来的单一热岛中心变化到现在的多中心热岛特征[33]。徐涵秋等探讨了厦门市1989年到2000年间城市空间发展与城市热岛之间的关系，发现厦门
5
城市热岛的空间分布与城市建成区的分布基本吻合[43]。Kaixuan Zhang等研究了上海1978-2007年的热岛空间分布特征，发现其空间分布从郊区到市中心呈现“陡壁—高原—山峰”的特征[36]。Bruce B. Hicks等研究华盛顿和纽约城市热岛时发现这两个地方的热岛空间分布在垂直方向上都超过了30km [44] 。
1.3热力景观格局研究
城市热环境是城市空间环境在热力场中的综合表现，对城市生态环境、气候、人类居住环境等有重要影响[45]。城市热环境的空间异质性表现为热力景观格局的异质性。热力景观是具有高度空间异质性的热力区域，由相互作用的热力斑块以一定的规律组成[46]。影响热力景观的因素主要有3方面[47]：城市景观要素的物理性差异；不同景观要素的扩散效率的差异；人类活动废热排放的空间差异。因此，热力景观可综合反映城市的建筑、能源、水体和绿地等生态结构。景观指数是能够高度浓缩景观格局信息，反映其结构组成和空间配置等特征的定量指标[48]。黄聚聪等利用 Landsat ETM+影像数据反演了厦门地表温度，研究其季节的地表温度变化规律，并使用景观格局指数分析了热力景观格局的季节变化特征[49]。陈云浩等借鉴景观生态学的研究方法，提出热力景观的观点并用于研究城市热环境空间格局，创建了热力景观空间格局的评价体系[50]。但尚铭等反演了成都地表温度，按照地表温度值的高低划分为7个热力景观类型，以破碎度指数、多样性指数、均匀度指数和优势度指数为评价指标,分析了成都市的热力景观空间格局，结果表明成都各行政区的热力景观格局指数存在显著差别，指数大小与城市热力景观类型的分布特点密切相关[51]。江学顶等研究了珠江城市群热环境空间格局的日变化特征，用遥感反演和中尺度模式数值模拟的结果研究城市热力景观及其日变化规律，热力景观格局指数白天波动明显、夜间波动较小[52]。
1.4土地利用对热岛效应的影响
城市扩展与城市热岛有着密切的关系，城市建设在很大程度上改变了自然土地地表的热力学性质。城市环境效应的主要驱动力与土地利用/覆盖变化密切相关，因此研究土地利用/覆盖变化与城市热岛的关系对掌握城市热岛的成因有重要的意义，能为缓解城市热岛提供一定的理论依据。XiaoLing Chen等研究了归一化植被指数、归一化水体指数、归一化城建指数、归一化裸地指数对珠江城市群地表温度影响，发现归一化植被指数对于地表温度有负相关性，而归一化水体指数、归一化城建指数、归一化裸地指数对地表温度则有正相关性[53]。S. K. Jusuf等研究了新加波土地利用类型和地表温度的关系，结果表明白天不同土地利用类型的表面温度高低顺序为工业用地＞ 商业用地＞飞机场＞居民点＞公园，而到了晚上则为：商业用地＞居民点＞公园＞工业用地＞飞机场 [54] 。H. Takebayashi等测定了水泥表面涂有高反射率的灰色和白色油漆以及裸土和绿地的温度，结果显示灰色油漆表面温度最高，而白色油漆表面温度最低，绿地次之，因而建议多使用白色油漆和城市绿化，以此来缓解城市热岛效
6
相关推荐：
loading