城市擴張對熱環境時空演變的影響
——以哈爾濱為例

劉丹，于成龍*

1. 中國氣象局東北地區生態氣象創新開放實驗室，黑龍江 哈爾濱 150030；2. 黑龍江省氣象院士工作站，黑龍江 哈爾濱 150030；3. 黑龍江省氣象科學研究所，黑龍江 哈爾濱 15003

城市擴張使下墊面由原來的自然植被、水體等轉變成大量的人工建筑物，土地覆蓋類型及其空間結構的變化影響城市地表顯熱的存儲和傳輸，從而出現城市熱島現象（岳文澤等，2006），該現象在近百年前就被人們所熟知，但較系統的研究僅開始于近幾十年間（Busato et al.，2014）。遙感技術對地表熱紅外信息分析的貢獻，使獲得城市溫度空間分布的結果相對于傳統依靠地面氣象資料推算的結果更加精細和準確，為定量研究城市熱環境的空間分布提供了更為可靠的依據。基于遙感技術對城市地表覆蓋類型與熱輻射關系的研究表明，城市綠地或水體的覆蓋程度與地表輻射溫度之間存在負相關關系（Phelan et al.，2015；Yang et al.，2015；林榮平等，2017），綠地和水體對周邊小氣候有明顯調節作用，綠地或水體的斑塊面積越大，在一定范圍內的降溫效果越明顯，并且其斑塊的形狀也會對熱島效應的強弱產生一定影響（徐涵秋等，2004；雷江麗等，2011；Senanayake et al.，2013），李甜甜等（2012）利用多孔介質數學模型進行研究，結果表明，城市區域熱島強度隨著地面孔隙率的增大而減弱，地面孔隙率每增加 0.1，就會引起城市熱島強度減小0.36 K。

目前，遙感手段已經成為城市熱島效應研究的主要手段，但長時間序列、多因子綜合分析北方城市熱島效應的研究不多。哈爾濱市是中國最北部的省會城市，近年來的城市擴張（張新樂等，2007）也導致了明顯的城市熱島現象（劉玉蓮等，2010），隨著人類對建設用地需求的持續增長，城市景觀格局將繼續發生變化，由此對城市生態環境的干擾也日益增強，勢必會對城市熱環境產生影響。本文基于Landset數據，從城市土地覆蓋類型變化的角度出發，分析 1984年以來哈爾濱市城市擴張過程中夏季城市熱島格局的演變特征，研究城市夏季地表參數與地表溫度之間的定量關系，以期為制定城市熱島效應緩解措施提供參考，進而為改善城市生態環境，建設宜居城市做出貢獻。

1　研究區及數據處理

1.1　研究區概況

哈爾濱市是中國最北部省份黑龍江省的省會城市，位于東經 125°42′～130°10′、北緯 44°04′～46°40′之間，平均海拔高度172 m，共轄8個區、7個縣和3個縣級市，松花江位于中心城區偏北方向。截至2011年，市區人口587.9萬（黑龍江省第六次全國人口普查數據）。該市氣候屬溫帶大陸性季風氣候，冬長夏短，年平均氣溫為4.32 ℃，最冷月（1月）平均氣溫-18.49 ℃，最熱月（7月）平均氣溫22.93 ℃；年平均降水量520 mm左右，主要集中在夏季。

1.2　數據來源及預處理

本研究所選用的遙感影像數據均為Landsat系列數據，數據特征如表1所示。

表1　遙感數據特征Table 1 Characteristic of remote sensing data

首先，應用Hu（2014）的SCR（Scattergram Controlled Regression）方法對各期數據進行相對輻射校正，該算法利用相鄰數據重疊區域進行相對輻射校正，將數據由Oigital Number（DN）值直接轉換為地表反射率，精度驗證以MODIS地表反射率產品MOD09GA作為參考，比較對應波段數據的相對一致性，直到兩種數據的反射率散點圖擬合直線為y=x；再以2004年8月20日的數據為基準影像，對經過輻射校正和沒有經過輻射校正的其他時像數據進行配準，保證其 RMSE（root-mean-square error，均方根誤差）小于0.5個像元；最后利用哈爾市行政區劃范圍圖進行裁剪（行政區劃數據來自于中國氣象局統一下發的矢量數據）。

1.3　城市用地信息提取

根據需要，本研究分別提取了城市用地、植被、水體和裸地，其中，NDVI（Normal Differential Vegetation Index）對植被較為敏感，藍光波段對水體較為敏感，近紅外波段和中紅外波段對城市用地和裸地較為敏感，因此，通過藍光波段、近紅外波段、中紅外波段和NDVI組合，應用決策樹法，將植被、水體與城市用地和裸地區分開來。由于城市用地與裸地的光譜特征相似，上述方法對這兩種地物的區分效果不好。城市用地多由水泥、瀝青、鋼結構等不透水面組成，因此引入NDISI（Normalized Difference Impervious Surface Index）增強影像中的不透水面信息，從而區分城市用地與裸地。NDISI計算公式如下（徐涵秋等，2004）：

式中，NRI、MIR和TIR分別表示近紅外、中紅外和熱紅外波段。

再把藍光波段、近紅外波段、中紅外波段、NDVI和 NDSI組合，應用決策樹法進行分類，將土地利用類型劃分成城市用地、植被、水體和裸地，利用地面調查數據進行精度驗證，每景數據的總體分類精度均在93%以上。

1.4　空間重心轉移模型

在土地利用類型變化研究中，常用空間重心轉移描述地理對象的空間分布變化（李明財等，2011），空間重心轉移距離（OD）計算公式如下：

1.5　地表溫度反演

對于Landsat數據來說，常用的地表溫度反演有基于大氣輻射傳輸模型的算法（Shabanova et al.，2007）、單窗算法（Edward et al.，2017；Benjamin et al.，2017）和其他算法（Weng et al.，2004；Qin et al.，2001），考慮到缺乏實際探空數據和反演精度驗證等因素（黃妙芬等，2006），本研究選取覃志豪等（2001）的用陸地衛星中紅外波段數據演算地表溫度的單窗算法，算法如下：

式中，C=ετ；D=(1-τ)[1+(1-ε)τ]；a=-67.355351；b=0.458606。ε為地表發射率；τ為大氣總透過率；Tsensor為像元亮度溫度（K）；Ta為大氣平均溫度，Ta=16.0110+0.92621T0，T0為近地層空氣溫度（K）。

1.6　溫度正規化轉換

由于12幅不同年份、不同季節圖像反演的絕對溫度值無法進行縱向比較，而熱島效應主要側重于不同土地利用類型地表溫度的相對差別，因此本研究參考徐涵秋（2011）、Carlson et al.（2000）的方法，利用以下公式進行溫度歸一化處理，將不同幅圖像反演的地表溫度范圍換算為[0, 1]之間的數據：

式中，LST′為歸一化處理后的LST；LSTmin為單幅圖像中溫度最小值；LSTmax為單幅圖像中溫度最大值。

為了使反演后的結果盡可能地反映一年中地表的溫度特征，將標準化處理后的地表溫度結果分別進行年份平均，得到1984年、1995年、2004年和2015年的地表溫度空間變化圖。

1.7　Shannon熵計算

信息論中的Shannon熵作為表征空間地理單元集中或擴散的一個指數，可以應用于任一地理單元的調查中（Thomas，1981；Kassem et al.，2015），而城市擴張在很大程度上表現為擴散過程，因此有學者把Shannon熵做為一個評價指標，研究城市擴散過程的規律，取得了滿意效果（Shannon，2001），Shannon熵Hn表達式如下：

式中，pi為第 i個區域中某一土地利用類型所占的比例；xi為某一土地利用類型的面積。

相對熵Hn′表達式如下：

式中，n為區域土地利用類型數量。相對熵值越大，表明土地利用分散度越大。

1.8　NDVI

NDVI（Normalized Difference Vegetation Index）是目前被廣泛應用的反映植被信息的遙感指數（Macarof，2017），計算公式為：

式中，NDVI為歸一化植被指數；ρnir為近紅外亮溫；ρred為紅光反射率。

2　結果與分析

2.1　哈爾濱市地表溫度變化

分別選取1984年、1995年、2004年和2015年代表 4個年代際，分析不同年代哈爾濱市轄區地表溫度的空間差異。圖1所示為這4個年份地表溫度影像疊加生成的影像差值圖，圖中藍色系表示后一年代的地表溫度低于前一年代，紅色系表示后一年代的地表溫度高于前一年代。由于不同年份的松花江江面寬度不同，選取最大江面寬度做掩膜，圖中未顯現松花江。在1984—2015年的差值影像圖中，有10.63%像元地表溫度降低，44.84%像元地表溫度升高，44.53%像元地表溫度幾乎無變化。從空間分布來看，中心城區（道里區、道外區和南崗區相交地帶）地表溫度以下降為主，周邊的松北區、平房區和道外區中部的地表溫度明顯上升。

分階段看，中心城區熱島效應增加最快的階段在1984—1995年間，而到1995—2004年間，主要表現為中心城區的熱島效應明顯緩解，熱島開始向四周擴散，2004—2015年間，中心城區熱島效應變化不大，而周邊地區的熱島明顯加重，尤其以松北區、平房區和道外區東部更加明顯。

圖2所示為各年份地表溫度經標準化處理后像元數量的累計值分布，可見1984年、1995年、2004年和2015年橫坐標分別在0.224、0.227、0.361和0.517處出現像元數量的高峰，說明研究區從1984—2015年相對高溫地區逐漸增多，且增多的速度在逐漸加大。

在LST經標準化處理的基礎上，計算每幅圖像的哈爾濱市地表溫度重心，如圖 3所示，1984—1995年空間重心向東南方向移動 0.009 km，1995—2004年空間重心向西北方向移動 0.007 km，2004—2015年空間重心向東南方向移動0.001 km。總體上，近30年來，哈爾濱市地表溫度空間重心向東北方向移動了0.004 km。

2.2　城市擴張過程對城市熱環境變化的影響

針對上述哈爾濱市地表溫度的年代際空間變化特征，從城市土地覆蓋類型變化的角度出發，以1984年、1995年、2004年和2015年為例，研究近30年來哈爾濱市城市擴張過程對城市熱環境變化的影響。

圖1　哈爾濱市熱島變化差值圖Fig. 1　Difference image of UHI in Harbin city

圖2　1984—2015年哈爾濱市區LST像元數累計分布Fig. 2　Cumulative distribution of LST pixels in Harbin from 1984 to 2015

圖3　1984—2015年哈爾濱市LST重心轉移Fig. 3　The gravity transfer of LST in Harbin from 1984 to 2015

2.2.1哈爾濱市建筑用地的變化

圖4所示為1984—2015年哈爾濱市建筑用地的增長過程，由圖可知，1984年和1995年中心城區的輪廓清晰可見，2004年和2015年中心城區的邊緣較為模糊，比較典型的是松北區和平房區。從1995—2015年建筑用地面積增加迅速（圖5），1984年建筑用地面積為 187 km2，2015年增加到 571 km2，面積擴大了近2倍；近30年平均擴張速度為13 km2·a-1，其中，1995—2004年平均擴張速度相對較低，為9 km2·a-1；2004—2015年平均擴張速度相對較高，為 18 km2·a-1。

由圖6可知，1984—1995年哈爾濱市建筑用地空間重心向東南方向移動1.36 km，1995—2004年空間重心向西北方向移動1.20 km，2004—2015年空間重心向東南方向移動0.77 km。總體上，近30年來哈爾濱市建筑用地空間重心向東南方向移動了1.01 km。對比圖3可知，及就重心移動方向而言，建筑用地與LST的移動軌跡基本一致，只是建筑用地從1984—2015年總體重心向東南方向移動，而 LST總體重心向東北方向移動；就移動距離而言，建筑用地的重心移動距離明顯大于LST的重心移動距離。由此可見，建筑用地重心的變化對LST重心變化有較大影響。

圖4　1984—2015年哈爾濱市建筑用地分布示意圖Fig. 4　Distribution diagram of building land from 1984 to 2015 in Harbin

圖5　1984—2015年哈爾濱市建筑面積與擴張速度Fig. 5　The area and expansion rate of building land in Harbin from 1984 to 2015

圖6　1984—2015年哈爾濱市建筑用地重心轉移Fig. 6　The gravity transfer of building lands in Harbin from 1984 to 2015 in Harbin

2.2.2地表景觀特征對城市地表溫度的影響

選取3處熱島效應變化較為明顯的區域，分別為中心城區、平房區南部和松北區中部，分析1984年和 2015年相對應區域熱島斑塊的變化特征與土地利用類型變化的聯系。在熱島斑塊的計算中，把通過公式（4）計算的結果按照0.1的步長由低到高將LST分為10個等級，按照這10個等級計算斑塊數和平均斑塊面積，結果如圖7所示。

圖7(a)和圖7(b)所示分別為中心城區部分區域的熱島斑塊的數量和平均面積，圖7(c)和圖7(d)分別為平房區、松北區部分區域的熱島斑塊的數量和平均面積。由圖7(a)和圖7(b)可見，1984年中心城區的熱島斑塊數量主要集中在LST的5～9級，以第7級最多；平均斑塊面積也主要集中在5～9級，以第6級的面積最大，達0.78 km2；與1984年相比，2015年的熱島斑塊數量分散到2～9級，總的斑塊數量是1984年的近4倍，而各個LST級別的平均斑塊面積也較小，最大的斑塊面積在第6級，為0.10 km2。由此可見，中心城區中部在1984—2015年間呈現熱島效應下降、相對高溫熱島斑塊面積減小的趨勢。

由圖7(c)和圖7(d)可知，1984—2015年，平房區和松北區的斑塊數和平均斑塊面積的高峰值均由較低的LST級別向較高的LST級別移動，1984年的斑塊數量主要集中在第2～6級，以第3級最高，為375個，2015年的斑塊數量分散在1～10級，第6級的斑塊數最多，但數量僅為1984年第3級的21.87%；從平均斑塊面積上看，1984年最大的平均斑塊面積為0.15 km2，出現在第6級，而2015年最大的平均斑塊面積為0.62 km2，出現在第7級。可見，平房區和松北區的典型區域在 1984—2015年間出現了相對高溫熱島斑塊面積增大、熱島效應上升的趨勢。

圖8(a)和圖8(b)所示分別為中心城區中部區域各土地利用類型斑塊的數量和平均面積，圖8(c)和圖8(d)分別為平房區、松北區部分區域各土地利用類型的數量和平均面積。中心城區1984年和2015年城市用地的斑塊數量無明顯差別（圖8a），但1984年城市用地的平均斑塊面積是2015年的4倍；平房區和松北區 2015年城市用地的斑塊數量和平均斑塊面積分別是1984年的2倍和4倍。結合圖7可知，城市用地平均斑塊面積增大，相對高溫的熱島斑塊面積也會增大，反之，相對高溫的熱島斑塊面積就會減小。

把熵的概念引入到LST的分布特征分析中，結果表明，中心城區1984年的熵值為0.38，2015年為0.53；平房區和松北區1984年的熵值為0.38，2015年為0.44。說明無論在中心城區還是在平房區和松北區，與1984年相比，2015年LST結構的分異度更高，有序程度相對較低，集中連片的相對高溫地帶也相對較少，其中中心城區的分異度高于平房區和松北區。

圖7　典型城市熱島斑塊特征Fig. 7　Characteristics of typical urban heat island patchs in Harbin from 1984 to 2015

圖8　典型區域土地利用特征Fig. 8　LUCC characteristics of typicalarea

2.2.3城市地表溫度與地表參數的關系分析

采用統計分析方法分析城市建筑用地、植被、水體與地表溫度的關系，用NDISI反映城市建筑用地信息，NDVI反映植被信息，NDWI反映水體信息。考慮到各參數量綱不統一，因此按照統計學方法對NDISI、NDVI和NDWI進行標準化處理，將其數據換算到0～1之間，這3個指數標準化后分別以 NDISI′、NDVI′和 NDWI′表示。為確保統計分析的客觀性，按照0.02°×0.08°網格在哈爾濱市轄區內設置8269個樣點。以2015年為例，提取各指數和地表溫度數據，分別對各個指數與LST做單因子回歸分析（表 2），得到回歸方程的決定系數 R2均大于0.5，說明LST與NDISI、NDVI和NDWI均有較好的相關性。從擬合結果看，LST與NDISI′呈正相關，與 NDWI′和 NDVI′均呈負相關，NDISI′、NDWI′和 NDVI′每增加 0.1，LST 分別增加 0.74 ℃、降低0.63 ℃和降低0.46 ℃。產生上述結果的原因是不透水面的比熱容較小，溫度變化劇烈，水體的比熱容大，溫度變化相對緩慢，而植被強大的蒸散發作用也具有一定的降溫效果。分析多因子回歸分析方程（表 2）發現，NDISI′的系數幾乎相當于NDWI′和 NDVI′的系數之和，可見，NDISI′對 LST的影響遠遠大于NDWI′和NDVI′的作用結果。這一結果與徐涵秋（2011）的研究成果基本一致，只是在徐涵秋的研究結果中，NDISI′與LST呈指數關系，而本文在擬合NDISI′與LST的關系時，發現二者的線性關系強于指數關系。

表2　2015年地表溫度與植被、水體和城市用地的關系Table 2　Relationship between vegetation, water, city land and LST in 2015

分別以處于市區內的哈爾濱試驗林場（中心點位于東經 126°38′57″，北緯 45°43′19″，面積為 0.03 km2）、尚志公園（中心點位于東經 126°40′39″，北緯 45°43′29″，面積為 0.05 km2）、松花江南岸 2 個試驗點（分別為東經 126°38′12″，北緯 45°47′21″和東經 126°36′18″，北緯 45°46′35″）為中心，每隔 1 km做1個緩沖區向外擴展，以2015年為例計算2015年緩沖區內的平均LST。結果表明，水體和植被不僅對自身所在區域具有降溫作用，而且對周邊的不透水面具有降溫效應；而城市內水體和植被斑塊的大小不同，也會對地表溫度產生不同的影響，換言之，即使兩個像元的NDISI′值相等，如果這兩個像元距離水體或植被的距離不同，其表面溫度會有差異；另外，即使兩個像元距離水體或植被的距離相同，而水體或植被斑塊的面積不同，這兩個像元的表面溫度也會有所差異。

3　討論

城市建筑用地、植被、水體與地表相對溫度的相關關系分析結果表明，地表相對溫度與不透水面指數呈較好的正相關關系，與植被指數和水體指數呈較好負相關關系，這一結果與徐涵秋（2004）的研究結果具有相似之處。同時，本研究表明，水體和植被不但對自身所在區域具有降溫作用，而且對周邊的不透水面具有降溫效應，驗證了劉東等（2013）和Ranhao et al.（2012）的研究結論，這也是導致 LST與 NDISI′擬合方程的相關系數降低的原因之一。

本研究把熵的概念引入到地表溫度的分布特征分析中，分析結果與景觀指數研究結果具有很好的一致性，由此可見，在今后的研究中，熵可作為熱島效應評估的一個指標。

2004年以來，由于舊城改造的實施，中心城區建筑用地斑塊面積下降，城市綠地增多，使中心城區的熱島現象有所改善，這一發現對哈爾濱市舊城區改造和新城區建設具有一定的參考作用，尤其在新城區規劃過程中，應注意城區建筑用地和植被、水體的比例關系，盡量增加規模綠地數量，避免建筑用地集中連片，找到最佳比例關系，以在兼顧城市功能的發揮的同時，盡量降低城市熱島效應的危害。

本研究通過分析城市建筑用地與城市熱島效應的關系，找到了一定的規律，但所有研究手段只停留在二維空間，隨著城市化進程的加快，高層建筑群不斷增加，建筑物高度、間距、建筑材料等因素對地表溫度的影響同樣不容忽視（Stewart，2011）。因此，發展能夠體現城市三維景觀格局的指數及量化方法，辨析城市3D景觀格局與熱島強度定量關系及其尺度效應，構建基于景觀格局指數的城市熱島效應模型，將為揭示城市熱島效應形成機制提供更為科學的研究途徑，對制定緩解城市熱島效應措施，促進城市合理布局更具實用價值。

4　結論

城市發展過程中土地利用類型及其景觀格局的變化是影響城市地表溫度的主要原因，基于1984—2015年Landsat數據，分析哈爾濱市城市擴張過程中夏季城市熱島格局的演變特征，研究城市夏季地表參數與地表溫度之間的定量關系，結果表明：

（1）與1984年相比，2015年哈爾濱市有44.84%區域地表相對溫度升高，有10.63%區域地表相對溫度下降；從空間分布來看，中心城區出現熱島效應減弱、熱島斑塊面積減小的趨勢；周邊區域出現熱島效應加強、熱島斑塊面積增大的趨勢，地表溫度重心向東北方向移動了0.004 km。

（2）1984—2015年城市建筑用地面積由 187 km2擴大到 571 km2，平均擴張速度為 13 km2·a-1，建筑用地重心向東南方向移動了1.01 km。

（3）城市建筑用地與地表溫度之間存在正相關關系，水體和植被與地表溫度之間存在負相關關系，建筑用地的增溫作用遠遠大于水體和植被的降溫作用。

參考文獻：

BENJAMIN R S, PATRICK M, THAD C. 2017. Global clear-sky surface skin temperature from multiple satellites using a single-channel algorithm with angular anisotropy corrections [J]. Atmospheric Measurement Techniques, 10(1): 351-371.

BUSATO F, LAZZARIN R M, NORO M. 2014. Three years of study of the Urban Heat Island in Padua: Experimental results [J]. Sustainable Cities and Society, 10: 251-258.

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

EDWARD A G, DAVID J C. 2017. Urban forest structure and land cover composition effects on land surface temperature in a semi-arid suburban area [J]. Urban Forestry & Urban Greening, 28: 28-35.

HU C M, ZHANG W, FENG Z, et al. 2014. Landsat TM/ETM+ and HJ-1A/B CCD data automatic relative radiometric normalization and accuracy verification [J]. Journal of Remote Sensing, 18(2):267-286.

KASSEM S, AHMED M, EL-SHEIKH S, et al. 2015. Entropy in bimolecular simulations: A comprehensive review of atomic fluctuations-based methods [J]. Journal of molecular graphics &modeling, 62: 105-117.

MACAROF P, STATESCU F. 2017. Comparasion of NDBI and NDVI as Indicators of Surface Urban Heat Island Effect in Landsat 8 Imagery: A Case Study of Iasi [J]. Present Environment and Sustainable Development, 11(2): 141-150.

PHELAN P E, KALOUSH K, MINER M, et al. 2015. Urban Heat Island:Mechanisms, Implications, and Possible Remedies [J]. Annual review of environment and resources, 40: 285-307.

QIN Z, KARNIELI A, BERLINER P. 2001. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region [J]. International Journal of Remote Sensing, 22(18): 3719-3746.

RANHAO S, AILIAN C, LIDING C, et al. 2012. Cooling effects of wetlands in an urban region: The case of Beijing [J]. Ecological Indicators, 20: 57-64.

SENANAYAKE I P, WELIVITIYA W, NADEEKA P M. 2013. Remote sensing based analysis of urban heat islands with vegetation cover in Colombo city, Sri Lanka using Landsat-7 ETM+ data [J]. Urban Climate, 5: 19-35.

SHABANOVA N V, HUANG D, KNJAZIKHINA Y. 2007. Stochastic radiative transfer model for mixture of discontinuous vegetation canopies [J]. Journal of Quantitative Spectroscopy and Radiative Transfer, 107(2): 236-262.

SHANNON C E. 2001. A mathematical theory of communication [J]. Bell System Technical Journal, 27: 623-656.

STEWART I D. 2011. A systematic review and scientific critique of methodology in modern urban heat island literature [J]. International Journal of Climatology, 31: 200-217.

THOMAS R W. 1981. Information Statistics in Geography [M]. Norwich:W. H. Hutchins &Sons: 59.

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

YANG J B, LIU H N, SUN J J. 2015. Further development of the regional boundary layer model to study the impacts of greenery on the urban thermal environment [J]. Journal of Applied Meteorology and Climatology, 54: 137-152.

黃妙芬, 邢旭峰, 王培娟, 等. 2006. 利用LANDSAT/TM熱紅外通道反演地表溫度的三種方法比較[J]. 干旱區地理, 29(1): 132-137.

雷江麗, 劉濤, 吳艷艷, 等. 2011. 深圳城市綠地空間結構對綠地降溫效應的影響[J]. 西北農林科技大學學報, 26(4): 218-223.

李明財, 郭軍, 熊明明. 2011. 基于遙感和GIS的天津建成區擴張特征及驅動力[J]. 生態學雜志, 30(7): 1521-1528.

李甜甜, 俞炳豐, 胡張保, 等. 2012. 建筑密度對城市熱島影響的多孔介質數值模擬[J]. 西安交通大學學報, 46(6): 134-138.

林榮平, 祁新華, 葉士琳. 2017. 沿海河谷盆地城市熱島時空特征及驅動機制[J]. 生態學報, 37(1): 294-304..

劉東, 李艷, 孔繁花. 2013. 中心城區地表溫度空間分布及地物降溫效應——以南京市為例[J]. 國土資源遙感, 25(1): 117-122.

劉玉蓮, 王春麗. 2010. 哈爾濱市城市熱島效應分析[C]//第27屆中國氣象學會年會. 北京:中國氣象學會: 128-131.

覃志豪, ZHANG M H, ARNON K, 等. 2001. 用陸地衛星TM6數據演算地表溫度的單窗算法[J]. 地理學報, 56(4): 456-466.

徐涵秋, 陳本清. 2004. 城市熱島與城市空間發展的關系探討——以廈門市為例[J]. 城市發展研究, 11(2): 65-70.

徐涵秋. 2011. 基于城市地表參數變化的城市熱島效應分析[J]. 生態學報, 31(14): 3890-3901.

岳文澤, 徐建華, 徐麗華. 2006. 基于遙感影像的城市土地利用生態環境效應研究——以城市熱環境和植被指數為例[J]. 生態學報,26(5): 1450-1460.

張新樂, 張樹文, 李穎, 等. 2007. 近 30年哈爾濱城市土地利用空間擴張及其驅動力分析[J]. 資源科學, 29(5): 157-163.