上海市城市化進程中熱環境響應的空間評價

錢敏蕾，徐藝揚，李 響，蔡芫鑌，謝玉靜，王祥榮

（復旦大學環境科學與工程系，上海 200433）

上海市城市化進程中熱環境響應的空間評價

錢敏蕾，徐藝揚，李 響，蔡芫鑌，謝玉靜，王祥榮*

（復旦大學環境科學與工程系，上海 200433）

利用Landsat TM/ETM+ 遙感數據解譯與反演得到上海市1997～2009年的土地利用/覆蓋類型圖及熱島強度分布圖，并分析其演變趨勢，引入溫度-植被指數（TVX）并采用TVX空間法定量研究了以建設用地擴張、生態用地減少為特點的城市化過程引起的熱環境效應.研究表明，1997～2009年，上海市人口呈現從中心城至郊區的流動趨勢；熱島強度分布與城市化建設密切相關，呈現“葫蘆串-葡萄串-攤大餅型”的蔓延模式；以犧牲生態用地為代價的建設用地擴張造成研究區域地表溫度的上升及植被覆蓋度的下降，其中林地減少所引起的熱環境效應最大.研究可為城市規劃決策過程中不同城市化空間的拓展情景提供其可能的環境響應結果，從而完善氣候變化適應性對策，推進城市生態系統的可持續發展.

土地利用/覆蓋變化；人口；城市熱島；溫度植被指數；氣候變化；上海市

在城市化區域的人類活動過程中，人為主導的土地利用/覆蓋更替影響著城市生態系統的結構和功能［1-2］，并對局部氣候產生著重大影響［3-4］.因此，對城市下墊面變化情況的正確評估也在城市規劃過程中起著至關重要的作用［5］.土地格局的動態演變導致的環境變化結果之一便是熱島的產生［6］.由于熱環境響應是土地利用/覆蓋變化對城市生態環境影響的一個重要研究方面［7］，越來越多的學者投入到了對熱島現象的研究中，利用氣象站氣溫監測資料以及使用不同分辨率的衛星遙感圖像（如NOAA- AVHRR、MODIS、Landsat TM/ETM+、 ASTER等）來獲得不同時空尺度的熱島特征成為了城市熱島研究的主要技術手段［8-12］.

在全球氣候變化的大背景下，人作為城市化過程的主要驅使者，將受到越來越多的關注.為更全面地分析快速城市化進程引發的土地利用變化及其熱環境響應，需在社會、經濟、自然三方面共同構成的城市復合生態系統中進行全面考量，以豐富對城市局部氣候狀況的了解，并為城市規劃決策者提供科學的參考.

本文以快速城市化下的國際大都市上海為例，從時空尺度評估其在近十幾年來的土地格局演變、人口遷移狀況及熱島擴散模式.另外，不同于以往普遍采用的統計學方法，本文還引入了溫度-植被指數，采用TVX空間法來定量化研究土地利用/覆蓋變化所引起的熱環境動態響應，系統分析了研究區的生態過程及其氣候效應，為在城市化進程中適應氣候變化尋求更好的對策.

1 資料與方法

1.1 研究區域

本文研究區為上海市陸域范圍，包括17個市轄區和1個縣（圖1）.自20世紀90年代以來，以浦東新區開發開放為標志，上海加快了城市化建設的步伐，隨著總體規劃的實施，新城、新市鎮建設加速.為更好地分析上海城市化的拓展趨勢，本文以上海市外環線和郊環線為界，將研究區切割為3個一級子區，分別為：中心區：外環線以內的區域，面積為662.94km2；近郊區：外環線和郊環線之間的區域，面積為2284.76km2；遠郊區：郊環線以外的區域，面積為3616.01km2.

圖1 研究區域地理位置及范圍Fig.1 Location and scope of study area

經外環線和郊環線的切割，上海市所轄18個區縣（以上海市域2009年前的區劃為準）被割為37個小子區，定義其為二級子區.

1.2 數據資料

本研究采用的數據資料主要包括遙感資料和人口統計資料.遙感數據為經幾何校正和重采樣等預處理后的6幅上海地區Landsat TM/ETM+ 影像圖，其成像日期分別為1997年4月11日，1999年11月3日，2001年7月3日，2005年8月15日，2008年3月24日及2009年4月28日，影像質量較好，研究區100%無云.本文以該數據來進行土地利用/覆蓋的分類解譯及地表溫度的反演.人口統計資料為上海市1997年至2009年的各區縣人口數據.輔助數據包括相應研究年份的土地利用分類矢量圖、上海市行政區邊界矢量圖和相關統計資料等.

1.3 研究方法

圖2 研究流程示意Fig.2 Flow chart for analysis

1.3.1 土地利用/覆蓋分類 為評估研究區域土地利用/覆蓋演變情況，依據《土地利用現狀分類標準（GB/T 21010-2007）》，結合上海市土地資源的實際經營特點、利用方式和覆被特征，將研究區的土地利用類型劃分為：建設用地、林地、耕地、水域、裸地和灘涂共6大類.運用監督分類法，依次采用評價模板、確立初步分類結果、檢驗分類結果、分類后處理等步驟進行分類，而后根據對研究區域的劃分方式生成不同類型的掩膜，對分類圖像進行裁剪，得到各級子區的土地利用分類圖.

1.3.2 地溫反演及熱島強度（UHII）分級 反演地表溫度（LST）并計算熱島強度以總結研究區間內區域熱島擴散模式.利用Landsat TM/ETM+影像反演地表溫度主要包括以下3個步驟：

1） 將熱紅外波段的灰度值DN值轉化為光譜輻射值，TM與ETM+數據的參數反演公式：

式中：Lλ為傳感器所接收到的輻射強度，mW/（cm2·sr·μm）.

2） 將衛星觀測的輻射強度值轉化為亮溫值：

式中：TB為未經過大氣校正象元亮度溫度，K； K1和K2為衛星發射前的預設常量，對TM數據，+數據，K1=666.09mW/（cm2·sr·μm）， K2=1282.71K.

3） 根據地表真實情況對地表發射率進行修正，校正后的地表溫度計算公式［15］為：

式中：λ為發射光譜的波長，11.5μm；ρ = h×c/σ，為1.438×104MK；σ為玻爾茲曼常數，1.38×10-23J/K；h為普朗克常量，6.626×10-34Js；c為光速，2.998× 108m/s；ε為地表發射率，此處采用象元分解的方法，將研究區地表大體視為由自然表面、城鎮和水面構成［16］.自然表面和城鎮象元的發射率可分別根據以下兩式進行估算：

式中： εsurface和εbuild-up分別為自然和城鎮象元的發射率；Fr為植被覆蓋度；Rv、Rs、Rm分別為植被、裸土和建筑的溫度比率，可由下列經驗關系進行估算：

式中：εv、εs和εm分別為植物、裸土和建筑在熱波段的發射率，依據前人經驗［16］，分別取εv=0.968，εs=0.97215，εm=0.970.在地表相對較平整情況下，可取dε=0.對于地表水面象元，采用典型的水體在熱波段的輻射率賦值，即εwater=0.995.由此可得各類型象元的發射率.

以上3個步驟可將象元灰度值轉化為地表溫度值，進而計算熱島強度分布.本研究共定義2種熱島強度，分別為：ΔT1：中心城區與遠郊區地表溫度之差；ΔT2：近郊區與遠郊區地表溫度之差.根據熱島強度值的范圍，共劃分為5個強度等級，分別為：一級：ΔT≤0℃；二級：0℃＜ΔT≤1℃；三級：1℃＜ΔT≤2℃；四級：2℃＜ΔT≤3℃；五級： ΔT＞3℃；

1.3.3 人口規模計算 為更好地分析城市化過程中，上海市中心區、近郊區及遠郊區的人口分布及流動狀況，需對37個二級子區的人口規模進行相應估算.由于統計年鑒中僅對上海各區縣的年度人口密度進行了統計，假定居住人口皆分布在建設用地上，采用如下公式計算二級子區人口規模：

Population Size=ρ×（1+d）n×w1/w2（10）式中：Population Size為二級子區人口規模，人；ρ為二級子區所在區縣內統計年鑒給出的人口密度，人/km2；d為人口密度月增長率，%；n為遙感數據獲取月份與年末人口統計月份數之差；w1/w2為二級子區建設用地比例與該子區所在區縣建設用地比例的比值.

1.3.4 溫度植被指數（TVX）空間構建 采用TVX空間法評估土地利用/覆蓋演替引起的城市熱環境響應.TVX是一種將象元地表溫度與植被指數（VI）繪制在散點圖中，以研究兩者相互關系的多光譜方法［17-23］.Goward等［24］給出了溫度植被指數關系的潛在生物物理學意義，指出其關系是植被覆蓋調節表面輻射溫度的結果.Amiri［25］創新性地提出了將土地利用/覆蓋類型作為基本分析單元，研究其聚類點在TVX空間中的運動軌跡，以追蹤城市擴張對地表溫度和植被覆蓋度的影響.與傳統的統計學方法相比，TVX空間法可更直觀地認識城市化進程中的生態變化所引起的環境效應.

本研究中TVX空間法實施的具體步驟為：以地表溫度和植被指數分別作為橫、縱坐標構建TVX空間.為減少不確定性，選擇相隔年份時間較長、且遙感影像獲取季節相同的1997年和2009年分別作為數據研究的起訖年，提取在此時間段內由林地、耕地、水域轉化為建設用地的聚類點，取各土地利用類型聚類點的初始和終點平均值，繪制其在TVX空間中的運動軌跡.該軌跡路徑的幅度可反映地表信息的改變所引起熱環境效應的大小.

為使不同時相的數據具有較好的可比性，需對地表溫度采用如下公式進行歸一化處理：

式中：T*為歸一化地表溫度；Ts為象元地表溫度；Tmax和Tmin分別表示研究區中地表溫度的最高與最低值.

本文所采用的植被指數為植被覆蓋度，首先須對歸一化植被指數（NDVI）進行正規化［26］，其公式為：）

式中：N*為經正規化處理的象元NDVI值；NDVIS和NDVI0分別為茂密植被覆蓋和完全裸土象元的NDVI值，此處取影像中NDVI的最大和最小值.

植被覆蓋度（Fr）的計算公式為：

2 結果與討論

2.1 土地擴張與人口分布的時空動態

圖3為1997年到2009年期間上海市土地利用/覆蓋類型的時空動態變化圖，結合圖4可以看出，研究區間內的建設用地面積比例顯著提高，而林地、耕地、水域比例有不同幅度的減少.顯然，建設用地的迅速擴張造成各類生態用地被蠶食.根據研究結果，從1997年到2009年，上海地區的建成區擴張主要發生在中心城邊緣地區以及嘉定、松江和青浦等新城區域，原耕地和林地領域是新建設用地生成的主要貢獻者，35.99%和24.59%的新生成建設用地是由耕地和林地轉化而來，其他土地利用類型轉化為建設用地的貢獻程度分別為：水域3.71%、裸地0.44%、灘涂0.59%，大量生態用地被新建設的商業區、居住區、工業區、交通走廊等建成區所占據.

圖3 1997～2009年土地利用/覆蓋類型Fig.3 Land use and land cover maps from 1997 to 2009

表1 各子區人口規模及各土地利用/覆蓋類型增長率（1997～2009）（%）Table 1 Growth rates for population size and land use and land cover classes in each sub-zone for the period 1997～2009（%）

圖4 其他土地利用/覆蓋類型轉化為建設用地的比例（1997～2009年）Fig.4 Variation in rates of net conversion of other land use and land cover types to built-up land from 1997 to 2009

為更好地理解上海城鎮化過程中的土地擴張與人口流動的時空動態特征，本文進一步研究了3個一級子區內建設用地、林地、耕地、水域面積以及人口規模的增長率（表1）.從表1中可看出，上海市中心城區人口規模在研究區間內（除1999年至2001年）持續下降，2001年后下降最為迅猛，人口從1997年至2009年共減少了21.52%；近郊區和遠郊區的人口在2001年以后基本保持增長趨勢，尤其是近郊區，人口增長迅速，從1997年的279.27萬人增長到2009年的922.10萬人.從各時間段內的人口規模變化情況可以看出全市人口從中心城區向近郊、遠郊區遷移擴散的趨勢，這與中心城區近幾年的功能置換和城市邊緣地區住宅及工業用地的大規模建設密切相關［27］.

各子區間內的建設用地規模在研究時段內基本保持增長趨勢，從1997至2009年的增長幅度大小依次為近郊區42.97%、遠郊區24.14%、中心城區10.47%.林地、水域和耕地等生態用地規模在這3個子區內皆有不同程度的下降，其中，近郊區林地和耕地比例下降最大，位于城市邊緣區和郊區的生態用地大多被城市建設的不透水表面所代替.

2.2 熱島分布特征及擴散模式

1997至2009年研究區域熱島強度的分布狀況見圖5.經與研究區域內氣象站相應時段內地表溫度測量值對比，測量點所在二級子區的平均地表反演溫度值與實測地表溫度的誤差不超過1.5℃.結合土地利用/覆蓋類型圖可看出，熱島強度較強的區域通常具有較高的建設用地比例，如中心城區、城區邊緣及新城區域；而林地、耕地和水域比例較高的區域則呈現出較低的熱島強度.通過計算各子區平均地表溫度可看出，在研究區間內的多數年份，地表溫度呈現出中心-近郊-遠郊的梯度趨勢（圖6）；而通過1999年11月3日和2008年3月24日的遙感影像反演出的地溫，近郊區的平均地表溫度則高于中心區和遠郊區，這與其遙感影像的獲取季節有關：Zhang等［28］和Meng等［29］研究發現，在溫度較低的秋冬和早春季節，中心區（或城區邊緣）的高溫區面積會減小，其與郊區地溫之差也隨之減小，甚至出現中心區（城區邊緣）平均地溫低于郊區地溫的現象，究其原因，其一是由于建成區密集的市區受季節變化及人為排熱影響，呈現出高溫季節地溫較高，低溫季節溫度較低的特征，而郊區的林地和水域面積比例較大，具有較大的熱容量，因此郊區地溫隨季節變化幅度較小；其二是由于低溫季節郊區因秋收會出現大量的裸露地表，天氣較干燥時，城區的不透水表面和郊區的裸露地表溫差較小，因此熱島現象不明顯.

為系統分析1997年至2009年上海市熱島擴散的模式，假設熱島強度等級為四級（2℃＜ΔT≤3℃）和五級（ΔT＞3℃）的區域分別為次高溫區及高溫區，對熱島現象較明顯的1997、2001、2005、2009年的高溫區分布狀況進行研究，可將其變化特征概括為以下幾種模式（圖7）.

圖5 上海市熱島強度分布（1997～2009年）Fig.5 Maps of changes to urban heat island intensity， expressed in terms of expected annual UHII （1997～2009）

2.2.1 “葫蘆串”模式 1997年，高溫區和次高溫區的面積比例分別為4.21%和7.10%（表2），其分布主要位于中心城區，并沿主城區周邊呈環狀結構向外增長，覆蓋到近郊區的嘉定、青浦、松江、南橋等新城，以及遠郊區的崇明、金山、陳家鎮、楓涇鎮等新城和新鎮.這些區域形成的熱島沿著中心城區與衛星城鎮之間的主干道形成了“葫蘆串型”熱島分布模式.

2.2.2 “葡萄串”模式 2001年，高溫區及次高溫區比例有所上升，分別占總面積的4.35%和10.36%，其所覆蓋區域圍繞中心城區呈圈狀擴散，并有明顯的北拓趨勢，隨著新城和新市鎮的不斷建設，原有的“葫蘆串”模式逐漸演變為“葡萄串”模式，北部的明珠湖、向化鎮、鳳凰鎮，東部的惠南鎮、奉城鎮，西部的華新鎮、徐涇鎮，西南部的朱涇鎮等地區成為新的熱場分布點.到了2005年，全市高溫區面積比例為3.17%，有所減少，這與2000至2004年期間上海大力加強綠化建設密切相關［27］.

2.2.3 “攤大餅”模式 到了2009年，全市高溫區和次高溫區呈現出網絡狀大面積擴展趨勢，所占比例分別為12.61%和11.63%，散狀分布的熱中心遍布中心區、市區邊緣，并蔓延至郊區各衛星城鎮，中心城區和郊區的熱場連成一體，形成“攤大餅”狀的發展趨勢.

圖6 各子區平均地表溫度（1997～2009年）Fig.6 Average land surface temperatures of sub-zones from 1997 to 2009

圖7 熱島擴散模式（1997～2009年）Fig.7 Distribution patterns for urban heat islands from 1997 to 2009

表2 各熱島強度等級所占比例（1997～2009）（%）Table 2 Urban heat island intensity percentages of each level between 1997 and 2009 （%）

2.3 TVX空間的演變

TVX空間內的象元軌跡反映了城市化過程中土地利用/覆蓋變化所引起的熱環境響應.由于建設用地的擴張所導致的土地利用類型的時空演替，使TVX空間內部分象元失去了其原始特征，開始由“冷體”或“綠體”轉化為“熱體”.由上文得到，研究時段內，全市建設用地擴張占據了較多的耕地、林地和水域，故下文主要針對這3種土地利用類型的變化進行分析.通過1997年至2009年區域地類轉變前后地表溫度和植被指數的前后對比，可以得出其中存在的“生態變化-環境響應”機制.在城市化早期，林地和耕地的聚類點主要位于TVX空間的左上角，對應較高的植被指數和較低的地溫；水域主要位于空間的左下角，對應較低的植被指數和地溫.隨著林地、耕地和水域被建設用地不斷侵占，被占用的土地利用類型均沿其向量軌跡向空間右下角移動，象元的終點位置具有低植被指數、高地表溫度的特征.各土地利用/覆蓋類型的植被覆蓋度和地表溫度變化依次為，林地：ΔFr=-0.50，ΔT*=0.11；耕地：ΔFr= -0.43， ΔT*= 0.09；水域：ΔFr=-0.02， ΔT*=0.14（ΔFr為植被覆蓋度變化，ΔT*為地表溫度變化），表明城市化過程中，以犧牲生態用地為代價的建設用地擴張導致了地表溫度的上升和植被覆蓋度的減小.

圖8 TVX空間及各地類聚類點變化矢量 （1997～2009）Fig.8 Change trajectory in the TVX space for the period 1997 to 2009

從象元的空間軌跡可以看出，由非建設用地轉變而成的建設用地，其熱環境和植被覆蓋特征也有所不同.由林地和耕地轉變而來的建設用地，綠色特征相對明顯；而由水體轉化而來的建設用地溫度相對較低，植被覆蓋度也偏低.因此各象元在進行地類轉化后，仍保留著較小部分的原始特征.

根據TVX空間內的象元變化軌跡，計算其變化矢量幅度（表 3）.由于空間聚類點的變化矢量中不僅包含了地類變化所引起的熱環境響應，還包括了由不同遙感影像獲取時間造成的不同光照、大氣、地表狀況等噪聲信息所引起的誤差，因此本研究從各土地利用/覆蓋類型未變化部分的象元中選取了多個象元作為控制點來進行分析［24］.在理想狀態下，控制點（林地-林地、耕地-耕地、水域-水域）的向量幅度大小應接近為零，而其實際值卻遠大于零（表 3），以這些控制點的變化矢量幅度作為區分某種地類地表氣候狀況變化與否的閾值，大于該閾值則說明地類改變引起了熱環境特征的改變，在消除其不確定性后，不同土地利用/覆蓋類型所引起的地表溫度和植被覆蓋度變化的大小不同，產生的氣候效應也不同.變化向量幅度越大，由地類改變引起的熱環境效應也越大.各類生態用地轉變為建設用地，其變化幅度依次為：林地＞耕地＞水域，由此得出，生態用地的大規模減少使研究區域的地表溫度上升，由林地轉化為建設用地所引起的地表熱環境變化幅度最大.

表3 各土地類型變化矢量幅度（1997~2009年）Table 3 Magnitude for change vectors to urban use from 1997 to 2009

TVX空間法的運用可為城市化進程中生態格局的現狀及其演變趨勢提供相應的環境響應結果.基于現有評價，后續可進一步研究該空間中各象元內部的景觀結構組成和空間配置方式與城市地表特征的耦合關系，從而更有針對性地進行城市生態基礎設施的合理配置，提出適應氣候變化的城市可持續發展戰略規劃.

2.4 對城市規劃及適應氣候變化的啟示

從上文分析可看出，在研究區間內，上海市在城市化建設過程中，建設中心逐漸從中心城區急劇擴張至近郊及遠郊區，全市的熱中心也隨之從城區蔓延至郊區各新城及新市鎮.自《總體規劃》實施以來，上海圍繞“現代化國際大都市”及“四個中心”的建設目標［30］，逐步形成了“多軸、多層、多核”的市域空間布局結構.從“十五”期間的“一城九鎮”（指上海在“上海市國民經濟和社會發展第十個五年規劃”期間重點發展的1個新城和9個中心鎮，即松江新城和安亭、羅店、朱家角、楓涇、浦江、高橋、周浦、奉城、堡鎮9個鎮）.城鎮試點建設，到“十一五”規劃綱要中提出的“1966”（指《上海市國民經濟和社會發展第十一個五年規劃綱要（2006—2010年）》中提出的建設一批與上海國際大都市發展水平相適應的新城、新市鎮（即1個中心城，9個新城，60個新市鎮，600個中心村）的城鎮體系規劃目標）.城鎮規劃體系，新城、新市鎮的建設導致人口和建設用地在城區邊緣乃至郊區的集聚，郊區成為了推進上海城鎮化的主要載體，疏散降低了中心城資源短缺的壓力，但同時也占用了大量的生態用地.雖然全市在2000年到2004年期間大規模的綠地建設在一定程度上減小了高溫區的范圍，但從2009年的熱島的多中心、大面積分布來看，僅靠綠化建設已遠不足以抵消城市土地擴張造成的熱環境影響.根據《上海市城市總體規劃（1999-2020）實施評估研究報告》，至2011年，上海市新城和新市鎮的城鎮建設用地已達1839平方公里，遠超過總體規劃900km2（至2020年）的發展目標要求，但是中心城區周邊、各衛星城鎮的大量建設用地擴張并未與生態環境的建設同步進行，過快的建設用地增幅導致生態空間被進一步蠶食，尤其是《總體規劃》中劃定的生態敏感區（佘山風景區、崇明東灘鳥類自然保護區、淀山湖自然保護區等）、建設敏感區（外環線外側5公里地帶、外環線以內城鄉結合部地區）、楔形綠地等生態管控區域內新增了大量建設用地，生態安全受到影響［31］.根據前文的研究，在TVX空間中，為各象元創造出接近其原始特征的生態條件，有利于維持地表熱特征，并抑制甚至逆轉“冷體”或“綠體”向“熱體”發展的變化趨勢.林地、耕地、水體等生態空間的重要組成部分在維持區域小氣候、緩解熱島效應方面發揮著重要的作用，城市規劃在提高城市綠化水平的同時，也不能忽略了對耕地、水體等生態用地的保護，應將基本農田保護、林業發展、水域保護等目標有效整合到全市的總體規劃中，在規劃過程中預留足夠的生態空間，注重發揮其對城市的空間結構的錨固和平衡作用；應通過嚴格的用地管制，提高土地利用效率，控制建設用地的無序蔓延，同時推進市域生態網絡空間體系建設，保障城市開敞空間，以減緩熱島效應，適應氣候變化.

3 結論

3.1 1997年至2009年，上海市建設用地的迅速擴張造成各類生態用地被蠶食，各土地利用/覆蓋類型轉變為新生成建設用地的貢獻程度分別為：耕地35.99%、林地24.59%、水域3.71%、裸地0.44%、灘涂0.59%.中心區人口數量減少了21.52%，近郊區和遠郊區人口規模分別增長了16.06%和5.46%.

3.2 在研究時間段內，研究區域地表溫度總體呈現出中心-近郊-遠郊的梯度分布趨勢，高溫區和次高溫區面積比例從1997年的4.21%和 7.10%上升到2009年的12.61%和11.63%，對于特大城市上海，高熱島強度范圍分布與建設用地擴張區域基本一致，形成“葫蘆串-葡萄串-攤大餅型”熱島擴散模式.

3.3 采用TVX空間法，分析得知各類生態用地轉變為建設用地后引起城市地表溫度上升且植被覆蓋度下降，其造成的地表熱環境效應大小依次為：林地（ΔFr=-0.50，ΔT*=0.11）＞耕地（ΔFr=-0.43， ΔT*=0.09）＞水域（ΔFr=-0.02， ΔT*=0.14）.后續可研究TVX空間中各象元內部的景觀格局與城市地表特征的耦合關系，以提出更有針對性的城市氣候變化適應性規劃.

3.4 須將基本農田保護、林業發展、水域保護等目標有效整合到全市的總體規劃中，在規劃過程中預留足夠的生態空間，通過嚴格的土地利用管制，提高土地利用效率，促進城市可持續發展.

［1］United Nations， Department of Economic and Social Affairs， Population Division. World Urbanization Prospects： The 2011 Revision ［R］. New York， 2012.

［2］Zhou W Q， Huang G L， Cadenasso M L. Does spatial configuration matter？ Understanding the effects of land cover pattern on land surface temperature in urban landscapes ［J］. Landscape and Urban Planning， 2011，102（1）：54-63.

［3］Lazzarini M， Marpu P R， Ghedira H. Temperature-land coverinteractions： The inversion of urban heat island phenomenon in desert city areas ［J］. Remote sensing of Environment， 2013，130：136-152.

［4］陸 燕，王勤耕，翟以然，等.長江三角洲城市群人為熱排放特征研究 ［J］. 中國環境科學， 2014，34（2）：295-301.

［5］Jensen J R， Cowen D C. Remote sensing of urban suburban infrastructure and socio-economic attributes ［J］. Photogrammetric Engineering and Remote Sensing， 1999，65（5）：611-622.

［6］Oke T R. The energetic basis of the urban heat-island ［J］. Quarterly Journal of the Royal Meteorological Society， 1982，108（455）：1-24.

［7］張新樂，張樹文，李 穎，等.土地利用類型及其格局變化的熱環境效應——以哈爾濱市為例 ［J］. 中國科學院研究生院學報，2008，25（6）：756-763.

［8］Roth M， Oke T R， Emery W J. Satellite derived urban heat islands from three coastal cities and the utilisation of such data in urban climatology ［J］. International Journal of Remote Sensing， 1989，10：1699-1720.

［9］Cheval S， Dumitrescu A. The July urban heat island of Bucharest as derived from modis images ［J］. Theoretical and Applied Climatology， 2009，96（1）：145-153.

［10］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 ［J］. Remote sensing of Environment， 2007，106（3）：375-386.

［11］Pu R L， Gong P， Michishita R， et al. Assessment of multi- resolution and multi-sensor data for urban surface temperature retrieval ［J］. Remote sensing of Environment， 2006，104（2SI）：211-225.

［12］徐涵秋.區域生態環境變化的遙感評價指數 ［J］. 中國環境科學， 2013，33（5）：889-897.

［13］覃志豪， Zhang Ming hua， Arnon Karnieli，等.用陸地衛星TM6數據演算地表溫度的單窗算法 ［J］. 地理學報， 2001，56（4）：456-466.

［14］Weng Q， Lu D， Schubring J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies ［J］. Remote sensing of Environment， 2004，89（4）：467-483.

［15］Artis D A， Carnahan W H. Survey of emissivity variability in thermography of urban areas ［J］. Remote sensing of Environment， 1982，12（4）：313-329.

［16］覃志豪，李文娟，徐 斌，等.陸地衛星TM6波段范圍內地表比輻射率的估計 ［J］. 國土資源遙感， 2004，03：28-32+36-41+74.

［17］Houldcroft C. Thermal remote sensing in land surface processing［J］. Environment and Planning B - Planning & Design， 2005， 32（6）：928-929.

［18］Gillies R R， Carlson T N. Thermal remote-sensing of surface soil-water content with partial vegetation cover for incorporation into climate-models ［J］. Journal of Applied Meteorology， 1995， 34（4）：745-756.

［19］Carlson T N， Gillies R R， Perry E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover ［J］. Remote Sensing Reviews， 1994，9：161-173.

［20］Moran M S. Estimating crop water-deficit using the relation between surface-air temperature and spectral vegetation index ［J］. Remote sensing of Environment， 1994，49（3）：246-263.

［21］Ridd M K. Exploring a V-I-S （vegetation-impervious surfacesoil） model for urban ecosystem analysis through remotesensing-comparative anatomy for cities ［J］. International Journal of Remote Sensing， 1995，16（12）：2165-2185.

［22］Lambin E F， Ehrlich D. The surface temperature-vegetation index space for land cover and land-cover change analysis ［J］. International Journal of Remote Sensing， 1996，17（3）：463-487.

［23］Carlson T N， Arthur S T. The impact of land use - land cover changes due to urbanization on surface microclimate and hydrology： a satellite perspective ［J］. Global and Planetary Change， 2000，25（1/2）：49-65.

［24］Goward S N， Xue Y K， Czajkowski K P. Evaluating land surface moisture conditions from the remotely sensed temperature/ vegetation index measurements - An exploration with the simplified simple biosphere model ［J］. Remote sensing of Environment， 2002，79（2/3）：225-242.

［25］Amiri R， Weng， Q H， Alimohammadi A. Spatial-temporal dynamics of land surface temperature in relation to fractional vegetation cover and land use/cover in the Tabriz urban area， Iran［J］. Remote sensing of Environment， 2009，113（12）：2606-2617.

［26］Gillies R R， Carlson T N， Gui J， et al. A verification of the ‘triangle' method for obtaining surface soil water content and energy fluxes from remote measurement of Normalized difference vegetation Index（NDVI） and surface radiant temperature ［J］. International Journal of Remote Sensing， 1997，18（15）：3145- 3166.

［27］陳命男，張 浩，唐靖寅，等.上海城市地表熱環境多時期遙感研究 ［J］. 中國環境科學， 2011，31（7）：1143-1151.

［28］Zhang H， Qi Z F， Ye X Y， et al. Analysis of land use/land cover change， population shift， and their effects on spatiotemporal patterns of urban heat islands in metropolitan Shanghai， China ［J］. Applied Geography， 2013，44：121-133.

［29］Meng F， Liu M. Remote-sensing image-based analysis of the patterns of urban heat islands in rapidly urbanizing Jinan， China ［J］. International Journal of Remote Sensing， 2013.34（24）：8838-8853.

［30］上海市城市規劃設計研究院.上海市城市總體規劃（1999-2020）［R］. 1999.

［31］上海市城市規劃設計研究院.上海市總體規劃實施評估 ［R］. 2013.

An assessment of spatial thermal environmental response to rapid urbanization of Shanghai.

QIAN Min-lei， XU Yi-yang， LI Xiang， CAI Yuan-bin， XIE Yu-jing， WANG Xiang-rong*
（Department of Environmental Science and Engineering， Fudan University， Shanghai 200433， China）.

China Environmental Science， 2015，35（2）：624～633

The Landsat TM/ETM+ images， from 1997to 2009， were used to analyze temporal changes of land use， land cover changes and urban heat island intensity. The relationship between temporal climatic variability and land use types was examined by an innovative construction of temperature vegetation index （TVX） space. Results show that Shanghai has undergone significant changes in land use and land cover over the study period. The land conversion， from forest land，farmland and water body to urban area， has led to the drastic increase of land surface temperature and the decline of fractional vegetation cover. The loss of forest land had the most serious climatic effect. Furthermore， the high-temperature region has expanded by different modes， from “Bottle Gourd Mode” to “Grape Bunch Mode” and to “Pancake mode” due to rapid urbanization and the population migration from city proper to rural areas. Our study could help urban planners and decision-makers to evaluate the environmental consequences of different land development scenarios， and identify portfolios of sustainable urban planning options for adapting to global environmental change.

land use and land cover change；population；urban heat island；temperature vegetation index；climate change；Shanghai

X16

A

1000-6923（2015）02-0624-10

錢敏蕾（1990-），女，江蘇常熟人，復旦大學碩士研究生，主要研究方向為城市生態學.

2014-06-10

國家社會科學基金重點項目（13AZD075）

* 責任作者， 教授， xrxrwang@vip.sina.com