基于多源遙感信息的人為熱排放量空間化
—以浙江省為例

馬盼盼,吾娟佳,楊續超,齊家國 (浙江大學海洋學院,浙江 舟山 316021)

?

基于多源遙感信息的人為熱排放量空間化
—以浙江省為例

馬盼盼,吾娟佳,楊續超*,齊家國 (浙江大學海洋學院,浙江 舟山 316021)

摘要：基于自上而下能源清單法,主要考慮工業、交通、建筑和人體新陳代謝這4個熱源對人為熱的貢獻,估算了2010年浙江省68個縣市的人為熱排放總量.使用DMSP/OLS遙感夜間燈光數據以及閾值法提取出人為熱排放的主要區域,并有效減少夜燈像元溢出效應的影響.利用夜間燈光數據和增強型植被指數(EVI)構建人居指數,基于各市縣人為熱排放總量與其行政區范圍內人居指數累計值之間很強的相關關系建立人為熱排放量空間化模型,獲得了250m分辨率下浙江省2010年城市人為熱通量的空間分布.結果顯示浙江省各縣市的平均人為熱排放通量為5.5W/m2,城市高值區一般介于10～40W/m2.柵格化的人為熱數據可以為城市氣候環境的數值模擬研究提供基礎數據支持.

關鍵詞：人為熱；空間化；夜間燈光；人居指數；浙江

* 責任作者, 副教授, yangxuchao@zju.edu.cn

人為熱是城市擴張和人類活動加劇的產物之一,通過感熱和潛熱方式排放到城市冠層中[1].許多研究表明[2-4],人為熱排放可直接加熱地面和近地層大氣,影響局地能量平衡,對局地氣候,尤其是城市熱島效應產生影響.Fan等[5]對費城模擬發現人為熱可使冬季夜晚的熱島強度增加2～3℃.佟華等[6]對北京的研究表明,人為熱可使市中心白天氣溫上升0.5℃,夜間上升1.0～3.0℃.顧瑩等[7]對上海近30年氣溫變化研究指出城市熱島效應強度日趨增強,溫度的空間分布特征與人為熱的空間分布有很好的一致性.因此,精細、合理的人為熱排放柵格數據對于城市氣候研究非常重要.

目前的研究多以行政區域為基礎單元估算城市人為熱的排放量,難以提供行政單元內部的空間分布信息,不能充分揭示人為熱排放的空間差異性,妨礙了人為熱通量與其他社會經濟要素、自然要素的融合以及綜合分析.近期一些數值模擬研究表明,人為熱排放對城市氣候[8-9]和城市空氣污染[10]有著重要影響.因此,構建具有空間異質性、分布更為合理精細的人為熱排放量柵格數據庫對于城市氣候、環境的數值模擬研究具有重要意義[11].本研究以浙江省為例,采用自上而下能源清單法,估算了浙江省各縣市的人為熱排放總量.利用多源遙感數據構建人居指數,基于人居指數與人為熱排放總量之間很高的相關性建立城市人為熱排放量空間化模型,在GIS技術的支持下生成高分辨率的人為熱排放量柵格化數據,從而為城市氣候與環境研究提供重要的基礎數據支持.

1 研究方法與數據處理

1.1 研究方法

目前,人為熱的計算普遍采用能源清單法,分為自上而下和自下而上兩種[12-13].自上而下法是以研究區能源消費數據為基礎,按照某種分配法則(如人口密度、GDP密度、土地利用)分配到較小時空尺度,賦予每個格點熱通量值.例如,Flanner[14]利用能源消費數據和人口密度數據估算出了全球2005年、2040年和2100年的人為熱;自下而上法則基于較小時空尺度的交通、建筑物和人的新陳代謝等方面的信息建立估算模型,再通過逐級統計匯總估算出城市尺度的人為熱排放量.例如,Ichinose等[15]對東京人為熱進行了詳細的調查,通過對不同用途建筑(包括住宅區、寫字樓、商場、學校、賓館等)的各種能量消耗(包括取暖、制冷、熱水、廚房等)以及汽車和工業廢熱排放進行統計,并利用精細的土地利用類型圖,繪制了250m×250m的人為熱通量空間分布圖,但是該方法對統計數據的要求很高,相應地會增加獲取數據的難度.

隨著遙感(RS)和地理信息系統(GIS)技術的發展,采用遙感估算法對社會經濟數據進行空間化是目前重要的手段之一.其中,美國軍事氣象衛星Defense Meteorological Satellite Program (DMSP)搭載的Operational Linescan System (OLS)傳感器獲取的夜間燈光數據是能夠探測到城市、居民地、火光等發出的低強度燈光,在監測人類夜間活動方面有其獨特優越性,是目前實現社會經濟數據空間化較理想的數據源之一.一般來說,夜燈數據像元值高的區域其經濟發展水平和能源消耗也相對較高[16].陳冰等[17-18]通過計算得到人為熱釋放的氣候強迫與能源消費相關系數接近于1,指出能源消費是影響人為熱釋放的氣候強迫的關鍵因素,而且利用能耗數據和區域面積算出熱通量大小,基于研究區域夜燈平均輻射亮度值和人為熱通量之間很強的相關性對人為熱進行空間化.但是夜燈數據由于其傳感器自身的原因也存在一些缺陷,其應用受到像元過飽和、像元溢出等問題的影響[19],目前基于夜間燈光對人為熱排放進行空間化的研究中并未考慮上述不足.Lu等[20]將DMSP/OLS夜燈數據和歸一化植被指數(NDVI)數據進行融合后提出了一種新的指數——人居指數,其原理在于植被指數與城市不透水面呈負相關關系,可以用來提取建成區[21],NDVI與DMSP/OLS夜間燈光在反映人類活動、提取建成區方面可以互補,能有效減少夜燈數據像元過飽和現象.楊續超等[22-23]指出人居指數與人口、電力消費量這兩種與人為熱排放密切相關的因子之間具有很高的相關性.因此,相對于使用原始夜間燈光數據,利用多源遙感數據融合后的人居指數來模擬人為熱的空間分布將具有更高的精度.

本研究采用自上而下能源清單法,基于社會經濟統計數據和能源消耗數據對浙江省各縣市的人為熱排放量進行估算,而且假定能源消耗最終全部轉化為熱量釋放到大氣中,同時忽略時間上的滯后性.人為熱排放源主要考慮工業、交通運輸、建筑和人類新陳代謝四個方面,使用DMSP/OLS遙感夜燈數據以及閾值法有效減少夜燈像元溢出效應的影響,提取出人為熱排放的主要區域.利用夜間燈光數據和分辨率更高、影像信息更詳細的增強型植被指數(EVI)構建人居指數,基于各市縣人為熱排放總量與其行政區范圍內人居指數累計值之間很強的相關關系建立人為熱排放量空間化模型,最后獲得浙江省250m分辨率的人為熱排放通量柵格數據.

1.2 數據來源及處理

1.2.1 城市人為熱排放總量的計算 基礎資料來源于浙江省68個縣市社會經濟、能源等方面的統計年鑒,包括浙江省統計年鑒[24]、中國能源統計年鑒[25]及各市統計年鑒等,資料基準年取2010年.(1)工業熱源:根據《2010年浙江省能源與利用狀況》得到工業消耗總量,統計各縣市國民經濟主要指標,按各縣市二三產業和的比例分配,得到工業熱源排放量;(2)交通熱源:各縣市民用汽車保有量(采用佟華等[6]在北京的處理方法:每輛車每年平均行駛2.5×104km,每行駛100km汽車耗油12.7L,汽車燃油排出的廢熱為45kJ/g);(3)建筑熱源(商業建筑和生活建筑):統計浙江省能源平衡表中全省批發、零售業和住宿、餐飲業以及生活消費方面能源消耗量 (煤、液化石油氣、天然氣、熱力、電力),將商業建筑熱源按各縣市第三產業的比例分配,得到商業熱排放量,將生活建筑熱源按各縣市城市人口比例分配,得到生活熱排放量;(4)人體新陳代謝:各縣市城市人口總量(借鑒國外有關研究方法[26-27],將一天分為活動狀態:7:00～23:00,代謝熱排放強度為171W/人;睡眠狀態:23:00～7:00,代謝熱排放強度為70W/人).

1.2.2 數據及處理 (1)DMSP/OLS遙感夜間燈光數據:來源于美國國家地球物理數據中心提供的2010年穩定夜間燈光產品,空間分辨率約為1km,將其投影轉換為Albers等面積投影,再用雙線性內插法對其進行重采樣到250m分辨率;(2)2010年MODIS 16d合成EVI 數據:EVI是對NDVI指數進行適當地修正,矯正了土壤背景和氣溶膠散射的影響.來自于NASA網站(http://reverb.echo.nasa.gov/reverb/),空間分辨率為250m,將其投影轉換為Albers等面積投影;(3)行政區邊界來自與浙江省1:5萬地理信息基礎數據庫;(4)2010年浙江省土地利用類型數據,來源于中國科學院資源環境科學數據中心,空間分辨率為1km,對其進行投影轉換,再經重采樣到250m分辨率.

1.3 夜間燈光閾值的設定

設定閾值是減少夜間燈光像元溢出的主要手段.Zhao等[28]利用夜間燈光以及省級統計數據模擬了中國 1995年、2000年和2005年電力消費量的時空變化,其研究中設置夜燈閾值為10以減少像元溢出的影響.Yang等[29]利用夜間燈光數據(DN≥12)提取城市人為熱主要區域.在本研究中,借鑒Yue等[30]設定閾值的方法,將EVI大于0.35和夜間燈光值大于0的區域設定為潛在像元溢出區域,通過計算得到浙江省潛在像元溢出區域平均夜間燈光值為8.68.所以,將夜間燈光的閾值設為9來減少像元溢出的影響,即提取出了人為熱最為集中排放的區域.

1.4 人居指數的計算

首先根據2010年16d最大合成的MODIS EVI數據計算年最大EVI值:

式中:EVI1,EVI2,…,EVI23為2010年23個MODIS 16d合成的EVI影像圖.

參考Lu等[20]的研究,利用夜間燈光遙感數據以及分辨率更高的EVI數據,獲得了人居指數:

式中:HSI為人居指數;EVImax為MODIS EVI在2010年的最大值;OLSnor為標準化后的2010年DMSP/OLS夜間燈光指數(0～1).

2 結果與討論

2.1 浙江省各縣市人為熱排放總體特征

通過能源清單法計算得到浙江省68個縣市城市人為熱排放總量為496.7×1016J,其中工業排放的人為熱量最高,占總體水平的74%,人體新陳代謝排放量最低,僅占1%.結合縣域行政區面積得到各縣市平均人為熱通量分布情況(圖1),杭州市、寧波市和溫州市的人為熱排在最前.當前國內外關于單一城市的人為熱排放研究,一般都針對城市建成區,而且有些工業分布在建成區以外,會造成計算結果高于實際的情況[31-34].但是因為行政區面積不能反映人為熱集中排放的特點,熱通量結果會低于實際結果.因此,陳曦等[35]利用MODIS衛星數據計算出了全國各省份水泥下墊面面積作為人為熱排放面積.本文結合用夜燈閾值(DN≥9)提取出來的人為熱主要排放區域的面積,得到浙江省各縣市的人為熱平均排放通量為5.5W/m2.

圖1 2010年浙江省各市縣平均人為熱排放通量分布Fig.1 Distribution of anthropogenic heat flux of Zhejiang Province in 2010

2.2 利用人居指數構建人為熱空間分布格局

利用ArcGIS軟件中的分區統計工具獲得浙江省68個市縣的人居指數累計值,對浙江省各市縣人為熱排放量與其行政區范圍內的人居指數累計值進行相關性分析(圖2),得到R2=0.97,說明人為熱排放量與人居指數之間具有很強的相關性.利用這一相關關系建立人為熱空間化模型,在250m×250m柵格上模擬了浙江省2010年城市人為熱排放量的空間格局(圖3).結合人居指數模擬人為熱在空間上的分布,可以得到空間異質性的人為熱通量柵格數據,與利用能源清單法結合縣域面積計算得的各縣市平均熱通量相比,更為合理精細地呈現出各縣市行政區內部人為熱通量的空間分布特征.

對浙江省人為熱通量空間分布特征分析發現,受自然條件和經濟發展水平的影響,人為熱排放的地域空間差異很大.結果顯示:浙北杭嘉湖平原、寧波、東部沿海的臺州和溫州以及中部金華、義烏等經濟較為發達、人口眾多的區域的人為熱排放量較大.浙江省大部分地區人為熱排放通量介于4～10W/m2,城市高值區一般在10～40W/m2.有研究對2010年長江三角洲城市群人為熱通量進行空間化后發現多數城市熱通量高值區介于20～70W/m2[33],謝旻等通過人口密度對人為熱進行空間化,得到浙江省2010年人為熱通量最高為39.2W/m2[36],Oke[37]運用能量平衡公式得到溫帶中緯度城市的年均人為熱強度為15～50W/m2, Lee等[38]利用統計回歸方法得到韓國主要城市2010年平均熱通量介于10～50W/m2.與本研究結果均較為一致.

圖2 浙江省各縣市城市人為熱排放量與人居指數之間的關系Fig.2 Regression analysis between urban anthropogenic heat and cumulative human settlement index in Zhejiang Province

熱通量的大小和空間差異性不僅依賴于空間分辨率的高低,而且對季節變化和區域地理位置比較敏感,如Lindberg等[39]估算了1995～2005年歐洲城市區域平均人為熱通量在1.9～4.6W/m2變化,但是其日均人為熱最大值可達185W/m2;韓國京畿道地區年均人為熱為55W/m2,最大值出現在冬季,達120W/m2[40];廣州市一天中人為熱最大值出現在11:00左右,為72.3W/m2[41].由于本研究并沒有考慮人為熱通量在時間尺度上的變化,只是統計估算了人為熱年平均排放量,所以熱通量值較其他研究結果會偏低.另一方面,從統計數據看,杭州和寧波市區的GDP占全省的17.5% 和11.3%,兩市的人為熱排放量分別占全省的18.7%和11.1%,地級市中的溫州、臺州以及縣級市中的慈溪、義烏、諸暨、溫嶺也是經濟發達、人為熱排放相對集中的區域.從人口分布看,杭州、寧波、溫州和紹興的總人口都超過了百萬, 這4個城市排放的人為熱總和超過全省人為熱排放量的1/2.從以上分析看,人為熱的大小和研究區域地理位置、當地人口密度和經濟發展水平有著明顯的關系,人居指數模擬出的人為熱空間分布很好地體現了這些空間格局.

圖3 2010年浙江省人為熱排放通量空間分布Fig.3 Spatial distribution of anthropogenic heat flux of Zhejiang Province in 2010

地形是影響人口分布的重要因素[42],同樣對人為熱排放的空間分布有著重要影響.值得注意的是,以往利用人居指數進行電力消費量、人口等社會經濟要素的空間化時并沒有考慮海拔高度對模擬結果的影響.楊續超等[22]利用經過海拔修正后的人居指數對浙江省人口進行了空間化模擬,結果表明模擬精度有了很大提高.但是,在本研究中并沒有考慮海拔因素的影響,原因在于經過夜間燈光閾值(DN≥9)設定之后提取得到的區域多為低海拔城市地區,可以將海拔的影響忽略不計.

從各土地利用類型上的人為熱排放量來看,耕地上的人為熱占總排放量的比重約為49%,其原因可能在于能源消耗大的工廠企業多分布在郊區,1km分辨率的土地利用類型數據并不能有效的區分出工業用地和耕地,夜燈像元值高于9的區域中,約有51%的土地利用類型為耕地,所占比例在各土地利用類型中最高,導致耕地類型上人為熱排放量也最高;浙江省林地面積所占比重很高,夜燈像元值高于9區域中各類林地占26.3%,林地人為熱排放量所占比重為23.5%;建設用地占夜燈值高于9區域的17.4%,人為熱排放量比重則為23.3%,其中城鎮用地面積占8%,人為熱排放量所占比例為13.4%.從以上分析來看,由于基于夜燈等多源遙感數據的空間化并不能有效區分工業和其他途徑消耗產生的人為熱,土地利用數據也不能準確的反映出耗能大、獨立于城鎮用地之外的工業、廠礦用地,從而導致人為熱排放量空間定位的精確度不高.在以上幾種土地利用類型中,只有城鎮建成區用地反映出人為熱在空間上集中分布的特點.雖然多源數據融合方法對DMSP/OLS夜燈數據自身存在的不足進行了一定的訂正,但是在進行人為熱模擬時依然存在空間定位不足的問題,未來可以考慮使用新的NPP(National Polar-orbiting Partnership)衛星可見紅外成像輻射儀(VIIRS)夜間燈光數據[43]并融合其他GIS數據來提高人為熱柵格數據空間定位的精確度.

2.3 討論

人為熱排放具有顯著的時空變化的特點,本文僅討論了年平均人為熱通量數據的獲取,今后需要進一步分析人為熱排放的時空變化規律.另外,設置單一的閾值也會造成部分經濟發展水平較低的地區人居指數像元的丟失,導致模擬結果偏小,如何更為合理的設置閾值是下一步的研究重點.

3 結語

利用能源清單法,估算了2010年浙江省68個縣市的人為熱排放總量為469.7×1016J.通過設置夜燈閾值提取出人為熱主要排放區域的面積,得到浙江省平均人為熱排放通量為5.5W/m2.結合基于多源遙感信息構建的人居指數對人為熱排放量進行空間化處理,得到了空間異質性的人為熱通量柵格數據,大部分地區人為熱排放通量介于4～10W/m2,浙北杭嘉湖平原、寧波、東部沿海的臺州和溫州以及中部金華、義烏等經濟較為發達區域的人為熱排放量較大,介于10～40W/m2.

參考文獻：

[1] Oke T R.The distinction between canopy and boundary-layer urban heat islands [J].Atmosphere, 1976,14(4):268-277.

[2] Block A, Keuler K, Schaller E.Impacts of anthropogenic heat on regional climate patterns [J].Geophysical Research Letters, 2004,31(12).

[3] 何曉鳳,蔣維楣,陳 燕,等.人為熱源對城市邊界層結構影響的數值模擬研究 [J].地球物理學報, 2007,50(1):74-82.

[4] 王 頻,孟慶林.城市人為熱及其影響城市熱環境的研究綜述[J].建筑科學, 2013,29(8):99-106.

[5] Fan H, Sailor D J.Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: a comparison of implementations in two PBL schemes [J].Atmospheric Environment, 2005,39(1):73-84.

[6] 佟 華,劉輝志,桑建國,等.城市人為熱對北京熱環境的影響[J].氣候與環境研究, 2004,9(3):409-421.

[7] 顧 瑩,束 炯.上海近30年人為熱變化及與氣溫的關系研究[J].長江流域資源與環境, 2014,23(8):1105.

[8] Makar P, Gravel S, Chirkov V, et al.Heat flux, urban properties, and regional weather [J].Atmospheric Environment, 2006,40(15): 2750-2766.

[9] Zhang Ning, Wang Xuemei, Chen Yan, et al.Numerical simulations on influence of urban land cover expansion and anthropogenic heat release on urban meteorological environment in Pearl River Delta [J].Theoretical and Applied Climatology, 2015.

[10] Yu M, Carmichael G R, Zhu T, et al.Sensitivity of predicted pollutant levels to anthropogenic heat emissions in Beijing [J].Atmospheric Environment, 2014,89(2):169–178.

[11] Sailor D J, Georgescu M, Milne J M et al.Development of a national anthropogenic heating database with an extrapolation for international cities [J].Atmospheric Environment, 2015,118:7-18.

[12] Smith C, Lindley S, Levermore G.Estimating spatial and temporal patterns of urban anthropogenic heat fluxes for UK cities: the case of Manchester [J].Theoretical and Applied Climatology, 2009,98(1/2):19-35.

[13] Sailor D J, Brooks A, Hart M, et al.A bottom-up approach for estimating latent and sensible heat emissions from anthropogenic sources [J].Seventh Symposium on the Urban Environment, 2007.

[14] Flanner M G.Integrating anthropogenic heat flux with global climate models [J].Geophysical Research Letters, 2009,36(2).

[15] Ichinose T, Shimodozono K, Hanaki K.Impact of anthropogenic heat on urban climate in Tokyo [J].Atmospheric Environment, 1999,33(24):3897-3909.

[16] Elvidge C D, Baugh K E, Kihn E A, et al.Mapping city lights with nighttime data from the DMSP Operational Linescan System [J].Photogrammetric Engineering and Remote Sensing, 1997, 63(6):727-734.

[17] Chen B, Shi G, Wang B, et al.Estimation of the anthropogenic heat release distribution in China from 1992 to 2009 [J].Acta Meteorologica Sinica, 2012,26:507-515.

[18] 陳 兵,石廣玉,戴 鐵,等.中國區域人為熱釋放的氣候強迫[J].氣候與環境研究, 2011,16(6):717-722.

[19] Letu H, Hara M, Yagi H, et al.Estimating energy consumption from night-time DMPS/OLS imagery after correcting for saturation effects [J].International Journal of Remote Sensing, 2010,31(16):4443-4458.

[20] Lu D, Tian H, Zhou G, et al.Regional mapping of human settlements in southeastern China with multisensor remotely sensed data [J].Remote Sensing of Environment, 2008,112(9): 3668-3679.

[21] 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.

[22] 楊續超,高大偉,丁明軍,等.基于多源遙感數據及DEM的人口統計數據空間化 [J].長江流域資源與環境, 2013,22(6).

[23] 楊續超,康麗莉,張 斌,等.基于多源遙感信息的電力消費量估算與影響因素分析 [J].地理科學, 2013,33(6).

[24] 浙江省統計局.浙江省統計年鑒 [M].北京:中國統計出版社, 2012.

[25] 國家統計局能源統計司.中國能源統計年鑒2010 [M].北京:中國統計出版社, 2011.

[26] Grimmond C S B, Oke T R.Heat storage in urban areas: Local-scale observations and evaluation of a simple model [J].Journal of applied meteorology, 1999,38(7):922-940.

[27] Quah A K L, Roth M.Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore [J].Atmospheric Environment, 2012,46:92-103.

[28] Zhao N, Ghosh T, Samson E L.Mapping spatio-temporal changes of Chinese electric power consumption using night-time imagery [J].International journal of remote sensing, 2012,33(20): 6304-6320.

[29] Yang W, Chen B, Cui X.High-resolution mapping of anthropogenic heat in China from 1992 to 2010 [J].International journal of environmental research and public health, 2014,11(4): 4066-4077.

[30] Yue W, Gao J, Yang X.Estimation of gross domestic product using multi-sensor remote sensing data: A case study in Zhejiang Province, East China [J].Remote Sensing, 2014,6(8): 7260-7275.

[31] Pigeon G, Legain D, Durand P, et al.Anthropogenic heat release in an old European agglomeration (Toulouse, France) [J].International Journal of Climatology, 2007,27(14):1969-1981.

[32] 戎春波,朱蓮芳,朱 焱,等.城市熱島影響因子的數值模擬與統計分析研究 [J].氣候與環境研究, 2010(6):718-728.

[33] 陸 燕,王勤耕,翟一然,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.

[34] 石廣玉,戴 鐵,檀賽春,等.全球年平均人為熱釋放氣候強迫的估算 [J].氣候變化研究進展, 2010,6(2):119-122.

[35] 陳 曦,王詠薇.2001年至2009年中國分省人為熱通量的計算和分析 [C].第28屆中國氣象學會年會—S7城市氣象精細預報與服務, 2011.

[36] 謝 旻,朱寬廣,王體健,等.中國地區人為熱分布特征研究 [J].中國環境科學, 2015,35(3):728-734.

[37] Oke T R.The urban energy balance [J].Progress in Physical geography, 1988,12(4):471-508.

[38] Lee S H, Kim S T.Estimation of anthropogenic heat emission over South Korea using a statistical regression method [J].Asia-Pacific Journal of Atmospheric Sciences, 2015,51:1-10.

[39] Lindberg F, Grimmond C S B, Yogeswaran N, et al.Impact of city changes and weather on anthropogenic heat flux in Europe 1995–2015 [J].Urban Climate, 2013,4:1-15.

[40] Lee S H, Song C K, Baik J J, et al.Estimation of anthropogenic heat emission in the Gyeong-In region of Korea [J].Theoretical and Applied Climatology, 2009,96(3/4):291-303.

[41] 王志銘,王雪梅.廣州人為熱初步估算及敏感性分析 [J].氣象科學, 2011,31(4):422-430.

[42] Yue T X, Wang Y A, Chen S P, et al.Numerical simulation of population distribution in China [J].Population and Environment, 2003,25(2):141-163.

[43] Christopher D E, Kimberly E B, Mikhail Zhizhin, et al.Why VIIRS data are superior to DMSP for mapping nighttime lights [J].Proceedings of the Asia-Pacific Advanced Network, 2013,35:62-69.

Spatialization of anthropogenic heat using multi-sensor remote sensing data: a case study of Zhejiang Province, East China.

MA Pan-pan, WU Juan-jia, YANG Xu-chao*, QI Jia-guo (Ocean College, Zhejiang University, Zhoushan 316021, China).China Environmental Science, 2016,36(1)：314～320

Abstract：Using the top-down energy inventory method and considering the energy consumption from industry, transportation, buildings and human metabolism, total anthropogenic heat emissions from the 68 counties of Zhejiang Province in 2010 were calculated.The DMSP/OLS nighttime light data and the thresholding method were used to extract the main emission areas of anthropogenic heat and to reduce the overglow effect.High-resolution enhanced vegetation index (EVI) data were integrated with DMSP/OLS data to generate a human settlement index (HSI).Using the significant correlation between total anthropogenic heat emissions and cumulative HIS, the model for anthropogenic heat flux estimation was developed and implemented in Zhejiang Province.A gridded anthropogenic heat flux map was generated at a resolution of 250m × 250m.The results show that the mean flux in the study area was 5.5W/m2with the high values between 10W/m2and 40W/m2in most urban areas.The gridded anthropogenic heat data can be served as an input in the simulation of urban climate and environment.

Key words：anthropogenic heat；spatialization；nighttime light；human settlement index (HSI)；Zhejiang

中圖分類號：X16

文獻標識碼：A

文章編號：1000-6923(2016)01-0314-07

收稿日期：2015-06-13

基金項目：國家自然科學基金資助項目(41371068)

作者簡介：馬盼盼(1991-),女,浙江紹興人,浙江大學海洋學院碩士研究生,主要從事海岸帶城市環境研究.