本文字数：
阅读时间：5分钟
01引言城市热岛效应是指城市温度高于农村的现象，可以根据近地表气温或地表温度来量化。目前大多使用遥感获得的地表温度研究城市热岛效应。
有充分证据表明，遥感获得的地表温度与自然地表变量（如植被覆盖、水体覆盖）密切相关，这表明城市植被和水体具有显著的降温作用。但是，除了自然地表因素外，人类活动也可能导致城市热岛效应的形成。但是目前仍不清楚这些非地表因素相对于地表因素的优势。
遥感技术的快速发展使我们能够提取高分辨率的地表温度和自然地表数据。近年来，社会传感技术也出现了丰富的高分辨率数据，可以对人类活动进行详细的定量表征。其中，兴趣点(POI)数据为地图上的每个地理元素提供基于位置的地理信息和其他详细信息，包含了城市中几乎所有类型的人类活动，能够很好地反映人类活动的强度。
02科学问题（1）自然表面与非地表因素两者的相对重要性是否取决于观测尺度？
（2）不同的城市体系下，自然表面与非地表因素两者的相对重要性是否相同？
03研究材料与数据预处理（1）研究区域选择年中国境内32个建成区面积大于km2的城市。
图1研究区域
（2）地表温度反演使用Landsat-8热红外传感器(TIRS)的辐射传递方程(RTE)算法对所有研究城市的地表温度（LST）进行定量反演。
（3）自然地表和非地表因素本研究选择植被覆盖和水覆盖作为自然地表变量。使用来自高德地图的年10月每个研究城市的POI数据作为人类活动强度的指标。
04研究方法（1）统计分析本研究以LST作为响应变量，NDVI、水覆盖和POI密度作为解释变量构建回归模型。使用普通最小二乘(OLS)模型评估每个解释变量及总体在对LST模式时的解释能力。使用R3.3.4进行统计分析。研究使用相对重要性分析（RWA）来量化三个解释变量的相对重要性，使用RWA-Web软件进行分析。
（2）尺度分析本研究通过直接改变空间幅度和粒度来量化不同尺度NDVI、水覆盖和POI密度的解释力和相对重要性，如图所示：
图2数据采集程序和方法流程图
05研究结果（1）“City-Collective”层面的尺度关系自然地表（NDVI和水覆盖）和非地表（POI密度）变量都是良好的城市热岛效应（UHI）预测因子，并且他们的解释能力都强烈依赖于空间的粒度和幅度。
在“City-Collective”层面（所有城市聚合分析），三个变量整体对LST分布模式解释能力的随着粒度的变粗而变强；随着空间幅度的增加，却变得越来越弱。
研究发现，NDVI在所有空间尺度上通常具有最高的相对重要性，即植被覆盖是UHI模式的主要决定因素。此外，三个变量的相对重要性都具有很强的尺度依赖性。
图3(a)-(d):固定的空间幅度内，不同的粒度大小，NDVI、水体覆盖(WC)和POI密度的相对重要性;(e)-(h):固定的粒度大小，不同的空间幅度，NDVI、水体覆盖(WC)和POI密度的相对重要性
（2）“Individual-City”层面的尺度关系及变量相对重要性
我们对每个城市进行了单独的研究发现：与“City-Collective”层面发现的线性尺度关系相比，在“Individual-City”层面观察到更加多样化的尺度关系。具体来说，本研究共发现六种类型的尺度关系，称为（1）单调递增型，（2）单调递减型，（3）驼峰型，（4）反驼峰型，（5）比例不变型，（6）不稳定型。其中，单调递增型或递减型的尺度关系是最常见的类型。
结果表明，UHI决定因素的相对重要性可能因城市而异。但是自然地表变量总是最重要的UHI决定因素。不过，非地表变量有时也会主导UHI模式，尤其是在更大的空间尺度上。
图4在给定空间尺度上发现将NDVI、水覆盖或POI密度作为最重要决定因素的城市数量
06讨论与结论我们的研究表明，UHI决定因素的解释能力及其相对重要性在很大程度上取决于观测规模，并且结果是具有系统特异性的。
在大多数研究尺度上，植被覆盖通常在塑造LST模式方面具有最大的优势，即自然表面对LST模式的贡献比人类活动更大。但是，一些案例研究发现，由于蒸腾过程的热量消耗率较高，水体的冷却效果优于绿色植被。我们的研究结果表明这也是可能的。因为对于“Individual-City”层面，许多城市的结果都表明水体是解释LST模式的主导因素，尤其是在更精细的空间尺度上。这进一步表明，所选变量的解释力和相对重要性在很大程度上取决于观测尺度和系统。
研究还表明，随着粒度和幅度的增加，人类活动对LST模式的贡献更大。因此，减少人为热量排放是减缓气候变化的可选措施。不过限制人类活动引起的人为热量排放相比，规划更多的绿色植被（和水体）对气候适应更有效。
本文编辑
白欣玉复旦大学环境科学与工程系21级研究生
喻陶华东师范大学级本科生
关于我们
本
转载请注明：http://www.0431gb208.com/sjslczl/347.html
