全 文 ：人 为 热 计 算 方 法 的 研 究 综 述
王业宁１，２　 孙然好１∗　 陈利顶１
（ １ 中国科学院生态环境研究中心城市与区域生态国家重点实验室， 北京 １０００８５； ２ 中国科学院大学， 北京 １０００４９）
摘　 要　 近年来随着全球大都市的快速发展，热岛效应成为城市环境的严峻问题．人类活动
日益增加的排热会显著改变城市热环境，从而加剧城市热岛效应的恶化．不同气候区、不同尺
度的人为热排放特征不同，因此，其时空变化使人为热的计算变得复杂和不确定．本文通过对
国内外人为热的不同计算方法结合实例进行综述，总结了其时空尺度、所需的基础数据及误
差来源等，最后讨论了不同方法的优缺点并提出改良方向．建议人为热研究需要首先考虑时
空尺度，并据此选择合适的计算方法以保障精度．人为热的计算有助于学者更好地理解研究
区的排热状况，并通过合理的城市规划改善人居热环境．
关键词　 热岛效应； 能量平衡方程； 时空尺度
Ｒｅｖｉｅｗ ｏｎ ｓｔｕｄｉｅｓ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎ． ＷＡＮＧ Ｙｅ⁃ｎｉｎｇ１，２， ＳＵＮ Ｒａｎ⁃ｈａｏ１∗， ＣＨＥＮ
Ｌｉ⁃ｄｉｎｇ１ （ １Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｕｒｂａｎ ａｎｄ Ｒｅｇｉｏｎａｌ Ｅｃｏｌｏｇｙ， Ｒｅｓｅａｒｃｈ Ｃｅｎｔｅｒ ｆｏｒ Ｅｃｏ⁃Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ， Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｂｅｉｊｉｎｇ １０００８５， Ｃｈｉｎａ； ２Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａ⁃
ｄｅｎｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｂｅｉｊｉｎｇ １０００４９， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ｗｉｔｈ ｔｈｅ ｒａｐｉｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｍｅｔｒｏｐｏｌｉｓｅｓ ｗｏｒｌｄｗｉｄｅ， ｔｈｅ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ （ＵＨＩ）
ｅｆｆｅｃｔ ｉｓ ｂｅｃｏｍｉｎｇ ａ ｓｅｒｉｏｕｓ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｐｒｏｂｌｅｍ ｉｎ ｒｅｃｅｎｔ ｙｅａｒｓ． Ｔｈｅ ｒａｐｉｄｌｙ ｉｎｃｒｅａｓｉｎｇ ａｎｔｈｒｏｐｏ⁃
ｇｅｎｉｃ ｈｅａｔ （ＡＨ） ｆｒｏｍ ｈｕｍａｎ ａｃｔｉｖｉｔｉｅｓ ｈａｓ ｍｏｒｅ ｓｉｇｎｉｆｉｃａｎｔ ｉｍｐａｃｔｓ ｏｎ ｕｒｂａｎ ｍｉｃｒｏｃｌｉｍａｔｅ ｗｈｉｃｈ
ａｇｇｒａｖａｔｅｓ ｔｈｅ ＵＨＩ ｅｆｆｅｃｔ． Ｔｈｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｏｆ ＡＨ ｅｍｉｓｓｉｏｎｓ ａｔ ｄｉｆｆｅｒｅｎｔ ｓｃａｌｅｓ ｍａｙ ｖａｒｙ ａｃｃｏｒｄｉｎｇ
ｔｏ ｄｉｆｆｅｒｅｎｔ ｎａｔｕｒａｌ ｂａｃｋｇｒｏｕｎｄｓ． Ｔｈｅｒｅｆｏｒｅ， ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｏｆ ＡＨ ｉｓ ｃｏｍｐｌｉｃａｔｅｄ ａｎｄ ｕｎｃｅｒｔａｉｎ ｄｕｅ
ｔｏ ｔｈｅ ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｖａｒｉａｔｉｏｎ． Ｔｈｉｓ ｒｅｖｉｅｗ ｐｒｅｓｅｎｔｅｄ ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ ｏｆ ＡＨ ｃａｌｃｕｌａｔｉｏｎ ａｃ⁃
ｃｏｒｄｉｎｇ ｔｏ ｓｐｅｃｉｆｉｃ ｃａｓｅ ｓｔｕｄｉｅｓ ａｔ ｈｏｍｅ ａｎｄ ａｂｒｏａｄ． Ｗｅ ｓｕｍｍａｒｉｚｅｄ ｔｈｅ ｓｃａｌｅｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ
ａｎｄ ｒｅｑｕｉｒｅｄ ｄａｔａ ｓｅｔ ａｓ ｗｅｌｌ ａｓ ｔｈｅ ｃｅｒｔａｉｎｔｙ ｏｆ ｅｒｒｏｒ ｓｏｕｒｃｅｓ． Ｌａｓｔ ｗｅ ｄｉｓｃｕｓｓｅｄ ｔｈｅ ａｄｖａｎｔａｇｅｓ，
ｌｉｍｉｔａｔｉｏｎｓ， ａｎｄ ｐｏｔｅｎｔｉａｌ ｉｍｐｒｏｖｅｍｅｎｔｓ ｆｏｒ ｄｉｆｆｅｒｅｎｔ ａｐｐｒｏａｃｈｅｓ． Ｂｙ ｔｈｅ ｒｅｖｉｅｗ， ｗｅ ｓｕｇｇｅｓｔｅｄ ｔｈａｔ
ｔｈｅ ＡＨ ｒｅｓｅａｒｃｈ ｓｈｏｕｌｄ ｆｉｒｓｔ ｃｈｏｏｓｅ ａ ｒｅａｓｏｎａｂｌｅ ｃａｌｃｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｓｐａｔｉａｌ ａｎｄ ｔｅｍｐｏｒａｌ
ｓｃａｌｅｓ ｔｏ ｇｕａｒａｎｔｅｅ ｔｈｅ ａｃｃｕｒａｃｙ． Ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｏｆ ＡＨ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ｕｓｅｆｕｌ ｉｎｆｏｒｍａｔｉｏｎ ｔｏ ｂｅｔｔｅｒ
ｕｎｄｅｒｓｔａｎｄ ｔｈｅ ＡＨ ｅｍｉｓｓｉｏｎｓ ｏｆ ｓｐｅｃｉｆｉｃ ａｒｅａｓ， ｗｈｉｃｈ ｂｒｉｎｇ ｍｏｒｅ ｐｏｔｅｎｔｉａｌｓ ｔｏ ｉｍｐｒｏｖｅ ｔｈｅ ｌｉｖｉｎｇ ｅｎ⁃
ｖｉｒｏｎｍｅｎｔ ｔｈｒｏｕｇｈ ｒａｔｉｏｎａｌ ｕｒｂａｎ ｐｌａｎｎｉｎｇ．
Ｋｅｙ ｗｏｒｄｓ： ｈｅａｔ ｉｓｌａｎｄ ｅｆｆｅｃｔ； ｅｎｅｒｇｙ ｂａｌａｎｃｅ ｆｕｎｃｔｉｏｎ； ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｓｃａｌｅ．
本文由国家自然科学基金项目（４１４７１１５０，４１２３０６３３）资助 Ｔｈｉｓ ｗｏｒｋ
ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｎａｔｉｏｎａｌ Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ Ｆｏｕｎｄａｔｉｏｎ ｏｆ Ｃｈｉｎａ
（４１４７１１５０， ４１２３０６３３）．
２０１５⁃１０⁃１０ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０３⁃０７ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｒｈｓｕｎ＠ ｒｃｅｅｓ．ａｃ．ｃｎ
　 　 随着我国经济的快速发展，城市人口急剧增加，
人类生产生活不断释放的热量加剧了城市热岛的恶
化［１－２］ ．人为热排放主要包括工业能源消费产生的热
量、交通道路车辆废热、居民生活排热及人类自身新
陈代谢的热量． Ｔｏｒｒａｎｃｅ 等［３］最早关注城市人为热
排放及其对气候的影响，随后，许多学者投入到人为
热的研究中，对城市或区域的人为热排放进行估算
并模拟其对热环境的影响等．
关于人为热的研究主要包括不同地区的计算方
法、对气候环境的影响及相应的对策等，其中人为热
的计算是后续研究的必要步骤．人为热排放随着研
究区范围、背景气候、时空尺度不同而变化［４］，针对
特定的区域，需选择适用的方法．人为热的精确计算
对资源循环、局部热环境及相关污染情况的调查至
关重要，因此把握计算方法对其研究有重要意义．而
不同地区的人为热研究对类似区域特别是数据缺乏
的地区具有借鉴意义．为此，本文对不同研究区人为
排热的计算方法结合实例进行综述，以期为学者研
应 用 生 态 学 报　 ２０１６年 ６月　 第 ２７卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１６， ２７（６）： ２０２４－２０３０　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０６．００７
究人为热提供适用的计算方法．
１　 人为热的计算方法
国内外学者已对不同尺度的人为热开展了大量
研究，并建立了不同精度的空间分布和时间演变清
单．目前，研究者均假设人类活动产生的热量即时排
入大气且通常为显热形式［５］，在计算方法上主要分
为 ３类：源清单法、地表能量平衡方程法、建筑模型
模拟法．源清单法通过将能源消费数据直接转换为
热通量，从而得到人为热的时空分布；地表能量平衡
方程法是通过测量或估算净辐射量、水平传导量、地
下储热量等，利用能量守恒原理间接计算人为热；建
筑模型模拟法则是利用能耗模型得出不同类型建筑
的人为排热，继而上推至研究区．这 ３ 种方法各有优
缺点，不同尺度上的人为热需慎重选择计算方法．
１􀆰 １　 源清单法
源清单法是计算不同尺度人为热最常用的方
法，通常具粗糙的时间和空间分辨率．基于能耗数据
通过一定假设将其热值分配至不同尺度的研究区，
通常将年排放数据细化为月变化或日变化系数，反
映该区域人为热的时空特征．一般按热源不同分为
人体新陈代谢（ＱＭ）、工业（ＱＩ）、交通运输（ＱＶ）、建
筑排热（ＱＢ）４部分，总人为热（ＱＦ）计算公式为：
ＱＦ ＝ＱＭ＋ＱＩ＋ＱＶ＋ＱＢ
通常，ＱＭ 占 ＱＦ 极少，而 ＱＩ 在大都市中一般不
存在或计入建筑型排放［６］，所以 ＱＦ 主要取决于 ＱＶ
和 ＱＢ ．其中，ＱＶ 极其复杂［７］难以准确计算，ＱＢ 不同
文献中处理方式有所不同，其他通量在方法上较为
一致．
１９７５年，Ｔｏｒｒａｎｃｅ等［３］计算人为热并研究其对
城市气候的影响，假定工业排热为常数，交通排热根
据小时车流量信息估算，用经验模型计算建筑排热，
将能耗数据按人口密度分配得到一城市人为热强度
为 ８３． ７ Ｗ· ｍ－２，另一城市夏季排热高达 １３５
Ｗ·ｍ－２ ．Ｋｌｙｓｉｋ［８］用不同区年能耗数据和街道类型
表征人为热的空间异质性，结合每月气温估算日变
化系数，结果表明建成区年均人为热通量为 ２８． ５
Ｗ·ｍ－２，其中，最小值在夏季，为 １２ Ｗ·ｍ－２，最大
值为冬季的 ５４ Ｗ·ｍ－２，在市中心因工业、居民建筑
排热增强可达 ７１ Ｗ·ｍ－２ ．Ｌｅｅ等［９］得到首尔、仁川、
京畿道的人为热通量分别为 ５５、５３、２８ Ｗ·ｍ－２，且
冬季排热均比夏季高，最高可达 １２０ Ｗ·ｍ－２，其中，
交通和工业排热占 ７０％．Ｑｕａｈ 等［１０］研究热带城市
新加坡不同功能区的人为热，发现时均强度最高为
商业区的 １１３ Ｗ·ｍ－２，高、低密度住宅区仅为 １７、１３
Ｗ·ｍ－２，且最大贡献源建筑排热在工作日占 ４９％ ～
８２％，非工作日为 ４６％ ～ ８１％．Ｓａｉｌｏｒ 等［１１］对不同热
源基于人口密度提出了针对美国各大城市的简易方
法，并用实例表明，夏季最高人为热为 ６０ Ｗ·ｍ－２，
冬季为 ７５ Ｗ·ｍ－２；Ｆａｎ 等［２］将其用于费城发现，
冬、夏季最大人为热分别为 ６０ 和 ９０ Ｗ·ｍ－２，其热
量可致夏夜气温升高 ０．８ ℃、冬夜达 ２．５ ℃，该增温
幅度与文献［１２－１３］结果相近．佟华等［１４］对北京市
区冬季的人为热进行估算，居民排热、车辆废热按建
筑物密度和高度、人口密度进行分配，工业产热假设
为东京的一半，时间演变参考 Ｉｃｈｉｎｏｓｅ 等［１２］建立人
为排热清单，结果表明，崇文门地区晚上和清晨人为
热在 １３０～ １７０ Ｗ·ｍ－２，７：００ 市中心排热为 １００ ～
２００ Ｗ·ｍ－２，而郊区仅为 ５０ ～ ６０ Ｗ·ｍ－２ ．王志铭
等［１５］得出广州日均人为热为 ４１．１ Ｗ·ｍ－２，最大值
为 ７２．３ Ｗ·ｍ－２（１１：００），其中工业占据 ６８．６％；而
占俊杰等［１６］引入能源效率发现，工业和交通排热分
别占 ５５％、３６％，在 １１：００ 和 １４：００ 达最大值（２８ ～
４２ Ｗ·ｍ－２），且近 １２ 年的排热强度呈明显增长趋
势，仅 ２００６ 年因能源效率提高而略有降低．赵炎
等［１７］通过调研空调日与非空调日两种情况下一住
宅小区的用电量及天然气，并结合小区外车流量得
到车辆排热日均值为 １５７ ｋＷ，建筑空调排热为 ８􀆰 ９１
Ｗ·ｍ－３ ．
对于区域或全球尺度上的人为热的估算结果通
常很小，侧面反映了各个国家、城市内部排热的空间
异质性，但该热量对全球气候变化的影响愈发明显，
有模拟研究表明，其对全球变暖的贡献超过了 ＣＯ２，
结合联合国发布的人口信息预测 ２０３０ 年其排热强
度可达 ０．３０ Ｗ·ｍ－２［１８］ ． Ｆｌａｎｎｅｒ［１９］用能耗和 ２􀆰 ５′×
２．５′的人口数据得到全球人为热通量为 ０． ０２８
Ｗ·ｍ－２，而美国和西欧分别为 ０．３９、０．６８ Ｗ·ｍ－２，
且 ２１００情景模拟显示年增温可达 ０．４ ～ ０．９ Ｋ．陈兵
等［２０］研究了近 ３０ 年中国人口、能源消费状况与人
为热释放的气候强迫的关系，表明我国平均人为热
从 １９７８年的 ０．０７ Ｗ·ｍ－２急剧增至 ２００８ 年的 ０．２８
Ｗ·ｍ－２，且呈典型地域分布．
上述研究的计算方法存在一定差异，但均是利
用人口密度进行核算排热强度．有学者认为，仅用人
口估算的精度较低且空间分布不合理，而引入土地
利用数据可提高分辨率．Ｋｉｍｕｒａ 等［２１］引入 ２ ｋｍ×２
ｋｍ的土地利用数据发现，东京的人为热强度可达
１００ Ｗ·ｍ－２，最高为 ８７０ Ｗ·ｍ－２，且夏季人为热使
５２０２６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 王业宁等： 人为热计算方法的研究综述　 　 　 　 　
白天增温 １ ℃，夜间增温达 ２ ～ ３ ℃；Ｉｃｈｉｎｏｓｅ 等［１２］
引入更详细的建筑类型，结合 ２５ ｍ×２５ ｍ 土地利用
数据表明，市中心白天的小时排热值超过 ４００
Ｗ·ｍ－２，冬季早晨因宾馆等高热水供应的排热可达
１５９０ Ｗ·ｍ－２，而郊外住宅区仅 ３０ Ｗ·ｍ－２，其对气
温增幅与 Ｋｉｍｕｒａ 等［２１］的结果相近． Ｈａｍｉｌｔｏｎ 等［２２］
用 １ ｋｍ×１ ｋｍ 的土地利用数据得出伦敦年均人为
热为 ９ Ｗ·ｍ－２，冬季其建筑排热量为入射太阳辐射
的 ３～２５倍，而夏季仅为 ０．０４ ～ ０．４ 倍，该比值受建
筑密度影响．
有学者如 Ｎａｒｕｍｉ等［２３］利用空气污染物数据库
间接计算人为排热，Ｌｅｅ 等［２４－２５］通过理论分析并用
统计学方法得出 ＮＯｘ、ＣＯ 等污染物与排热量的关
系，利用已有数据库对美国大多城市的人为热进行
估算，结果与之前研究［９］相比差异较小．该计算模式
可简易应用于后续的机理或模拟研究．
　 　 源清单法常用的基础数据和处理方式见表 １，
该法有两处明显不足：１）假设能耗等于排热，没有
滞后时间，且通常不能区分显热和潜热组分；２）一
般时空分辨率较低，同时统计数据中的能耗情况并
不适用于热岛面积，因为行政区往往大于实际的城
镇地区．
１􀆰 ２　 能量平衡方程法
能量平衡方程法是通过测量或估算单位体积内
净辐射量、水平传导量、地下储热量等输入输出量，
利用能量守恒得出人为热，忽略研究区内的能量损
耗．因各组分通量均有实验或计算误差，此法估算人
为热的研究较少．Ｏｆｆｅｒｌｅ 等［２６］利用罗兹的地表温度
并测量上述各通量得到，冬季人为热为 ３２ Ｗ·ｍ－２，
而夏季却出现负值（－３ Ｗ·ｍ－２）．Ｐｉｇｅｏｎ 等［２７］用能
量平衡方程和源清单法同时对图卢兹的人为热进行
计算，前者用于市中心，后者用于城市范围．对两结
表 １　 源清单法所需的基本数据
Ｔａｂｌｅ １　 Ｂａｓｉｃ ｄａｔａ ｒｅｑｕｉｒｅｄ ｆｏｒ ｉｎｖｅｎｔｏｒｙ ａｐｐｒｏａｃｈ
热源
Ｈｅａｔ ｓｏｕｒｃｅ
所需数据
Ｄａｔａ
分配原则
Ｄｉｓｔｒｉｂｕｔｉｏｎ
ｐｒｉｎｃｉｐｌｅ
人类新陈代谢
Ｈｕｍａｎ ｍｅｔａｂｏｌｉｓｍ
人口数据，各类活动的代
谢率
人口密度
工业
Ｉｎｄｕｓｔｒｙ
各类行业煤、油、气、电、
热等能耗
工业点
交通
Ｔｒａｎｓｐｏｒｔａｔｉｏｎ
道路长度与宽度、机动车
保有量、年均里程、燃烧
效率与热值等
车流量
建筑
Ｂｕｉｌｄｉｎｇ
气温数据、电力数据、天
然气、ＧＤＰ 经济数据、人
口数据等
建筑高度
与密度
果对比发现，冬季人为热较吻合（７０ Ｗ·ｍ－２），而夏
季则相差较大，前者在点位 ５００ ｍ 半径范围内强度
为 １５ Ｗ·ｍ－２，后者为 ３０ Ｗ·ｍ－２ ．
因实验仪器成本高且应用范围较小，难以推广
至大尺度研究区，后来有学者利用遥感影像通过不
同算法逆推人为热通量．Ｋａｔｏ 等［２８］利用 ＡＳＴＥＲ 和
ＥＴＭ＋遥感及气象数据对名古屋人为热分显热、潜热
进行估算，结果显示，夏季的人为显热在市中心超过
１００ Ｗ·ｍ－２，而秋季低于夏、冬季，且同该地区的能
耗变化相吻合．Ｚｈｏｕ等［２９］得出印第安纳波利斯典型
夏季日的人为热强度为 ３２ Ｗ·ｍ－２，高密度商业区
Ｃｅｎｔｅｒ排热最大，达 ７８ Ｗ·ｍ－２，Ｆｒａｎｋｌｉｎ 郊区则最
低．肖捷颖等［３０］估算石家庄市区人为热强度在 ２０ ～
１００ Ｗ·ｍ－２，郊区小于 ２０ Ｗ·ｍ－２，市中心则可超过
１００ Ｗ·ｍ－２，高密度不透水面排热均值为 ４１． ３
Ｗ·ｍ－２ ．Ｗｏｎｇ 等［３１］利用 ＨＪ⁃１Ｂ 卫星数据对香港
２０１２年 １０月和 ２０１３ 年 １ 月的人为热进行估算，结
果表明，其平均人为热为 ２８９．１６ Ｗ·ｍ－２（１０ 月）、
２８３．１７ Ｗ·ｍ－２（１月），商业区达 ５００～６００ Ｗ·ｍ－２，
且其排热强度与建筑密度（Ｒ２ ＞ ０． ９）、高度（Ｒ２ ≈
０．６）的相关性较强．朱婷媛［３２］基于 Ｌａｎｄｓａｔ 影像估
算 １９９１、２０００ 和 ２０１０ 年杭州的最大人为热分别为
８３．６３、１４７．６８、２８７．１７ Ｗ·ｍ－２，年均值分别为 １８．７６、
２７．５、１２５．６６ Ｗ·ｍ－２，且其在空间上明显扩张，尤其
是拱墅区、江干区、滨江区，城市人为热对地表有增
温作用，且其通量与人口密度、ＧＤＰ、不透水面比率
呈正相关关系．
由上述研究可知，利用遥感影像和气象数据推
广计算大范围的人为热，精确度取决于基础数据的
分辨率和算法，结果可与源清单法对比验证．
１􀆰 ３　 建筑模型模拟法
建筑排热一般占据比重较大，目前已有不少能
耗模型用于估算其排热量，基本原理是根据室外气
象条件、围护结构情况，利用动态传热过程计算室内
假定温度下的能量得失情况，反映其建筑冷热负荷，
以表征排热强度．通常需输入气象因素、建筑结构、
围护结构材料、供暖空调方式与系统布置形式、室内
人员活动规律等，数值模拟研究已取得较多成果．
Ｄｈａｋａｌ 等［３３］用 ＤＯＥ⁃２ 计算东京夏季典型办
公、商业和居民建筑的排热量，结果表明，在丸之内、
新宿和池袋集中了商业、行政区，其人为热强度最
高，如新宿在 １８：００ 可达 ６７７ Ｗ·ｍ－２；热源贡献率
在白天以办公建筑最高，夜晚以商业建筑为主，深夜
和早晨则主要为居民建筑．Ｈｅｉｐｌｅ 等［３４］用 ｅＱｕｅｓｔ 对
６２０２ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
德克萨斯休斯敦的商业和居民建筑模拟发现，１．３３
ｋｍ网格下市中心最大排热超过 １００ Ｗ·ｍ－２，其中
５０％～ ８０％为显热组分，且建筑排热占人为热的
５０％以上．Ａｓｓｉｍａｋｏｐｏｕｌｏｓ 等［３５］对雅典 ２０ 个位点用
ＴＲＮＳＹＳ模拟建筑能耗，同时与 ｎｅｕｒａｌ ｎｅｔｗｏｒｋ 排热
结果对比，发现两者对冷负荷的模拟较为吻合．Ｚｈｏｕ
等［２９］用 ｅＱｕｅｓｔ 模型表明，其建筑排热为 ０ ～ ８５
Ｗ·ｍ－２，均值为 ５．５ Ｗ·ｍ－２，最大能耗值为市中心
如 Ｃｅｎｔｅｒ可达 ３６ Ｗ·ｍ－２，同能量平衡方程结果对
比发现，人为热与建筑能耗的关系随尺度不同而变
化．Ｈｓｉｅｈ 等［３６］针对 １０ 类典型建筑通过 ＥｎｅｒｇｙＰｌｕｓ
软件计算建筑排热，利用 ＧＩＳ 得出台北市大安区空
调排热的空间分布图，发现夏季居民建筑排热强度
仅为商业建筑的 １７． ６％，且前者最强排热时间在
２１：０１—２４：００，后者在 ０９：０１—１５：００． Ｎｉｅ 等［３７］用
ＤｅＳＴ模型模拟清华园区不同类型建筑的冷热负荷，
得出夏季最大排热为 ２２０．０ Ｗ·ｍ－２（１９：００），冬季
为 ２２１．０ Ｗ·ｍ－２（６：００）．该区的建筑排热占人为热
的比例高达 ９７．４％，且具明显的日变化与季节周期．
Ｃｈｏｗ等［３８］对菲尼克斯的研究表明，夏季日均排热
通量为 １３ Ｗ·ｍ－２，其商业或工业区在午后达到最
高（５０ Ｗ·ｍ－２），且人为热的时空特征会影响到热
岛效应尤其在傍晚时的变化．
建筑模型模拟法在小尺度上计算人为热是较精
确的，而上推至大面积的研究区时，在无数据库或其
他辅助资料时可能会产生较大误差．该法的关键因
素在于选取典型建筑．
２　 计算方法的对比
不同方法在不同研究区的应用及结论见表 ２．上
表 ２　 不同方法计算人为热的结论汇总
Ｔａｂｌｅ ２　 Ｃｈｒｏｎｏｌｏｇｉｃａｌ ｓｕｍｍａｒｉｅｓ ａｂｏｕｔ ｅｓｔｉｍａｔｉｎｇ ＡＨ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ
年份
Ｙｅａｒ
地区
Ａｒｅａｓ
尺度
Ｓｃａｌｅ
方法
Ｍｅｔｈｏｄ
结论
Ｒｅｓｕｌｔｓ （Ｗ·ｍ－２）
文献
Ｒｅｆｅｒｅｎｃｅ
１９７５ 伊萨卡 Ｉｔｈａｃａ 城市 源清单法 ８３．７，１３５（夏） ［３］
１９９１ 东京 Ｔｏｋｙｏ 城市 源清单法 ８７０（最大值） ［２１］
１９９６ 罗兹 Ł􀆩ｄｚ̇ 城市、街区 源清单法 ２８．５（年均值），１２（７月）、５４（１月）；中心区 ７１（１
月）、１８（７月）
［８］
１９９９ 东京 Ｔｏｋｙｏ 城市 源清单法 中心区＞４００（昼）；冬季最大值 １５９０（夜）、郊区
３０（夜）
［１２］
２００２ 东京 Ｔｏｋｙｏ 城市 建筑模型 ＤＯＥ⁃２ ６７７（１８：００最大值） ［３３］
２００３ 美国 ６个城市 ６ ＵＳ ｃｉｔｉｅｓ 城市 源清单法 最大值 ６０（夏）、７５（冬） ［１１］
２００４ 北京 Ｂｅｉｊｉｎｇ 城市 源清单法 １３０～１７０（崇文门），１００～ ２００（市区）、５０ ～ ６０（郊
区） ［１４］
２００４ 费城 Ｐｈｉｌａｄｅｌｐｈｉａ 城市 源清单法 ６０（夏），９０（冬） ［２］
２００６ 罗兹 Ł􀆩ｄｚ̇ 城市 能量平衡方程 ３２（冬），－３（夏） ［２６］
２００７ 台北 Ｔａｉｐｅｉ 区块 建筑模型 ＥｎｅｒｇｙＰｌｕｓ ２１：０１—２４：００ 最大（居民区），０９：０１—１５：００ 最
大（商业区）
［３６］
２００７ 图卢兹 Ｔｏｕｌｏｕｓｅ 区块 源清单法、能量平衡方程 ７０（冬），１５（夏） ＼７０（冬），３０（夏） ［２７］
２００８ 休斯敦 Ｈｏｕｓｔｏｎ 多尺度 源清单法、建筑模型 ｅＱｕｅｓｔ ＞１００（市中心区） ［３４］
２００８ 重庆 Ｃｈｏｎｇｑｉｎｇ 街区 源清单法 夏季建筑排热 ８．９１（Ｗ·ｍ－３） ［１７］
２００９ 伦敦 Ｌｏｎｄｏｎ 城市 源清单法 ９ ［２２］
２００９ 京仁 Ｇｙｅｏｎｇ⁃Ｉｎ 城市 源清单法 ５５（首尔）、５３（仁川）、２８（京畿道） ［２５］
２００９ 全球 Ｗｏｒｌｄ 全球 源清单法 ０．０２８（全球）、０．３９（美国）、０．６８（西欧） ［１９］
２０１０ 全球 Ｗｏｒｌｄ 全球 源清单法 ０．０３１（２００８）、０．３０（２０３０） ［１８］
２０１１ 印第安纳波利斯
Ｉｎｄｉａｎａｐｏｌｉｓ
多尺度 ＲＳ⁃能量平衡方程、ｅＱｕｅｓｔ
模型
３２（平均值）、７８（中心区） ［２９］
２０１１ 广州 Ｇｕａｎｇｚｈｏｕ 省 源清单法、ＷＲＦ ／ ＵＣＭ模型 ４１．１（平均值）、７２．３（１１：００最大值） ［１５］
２０１２ 新加坡 Ｓｉｎｇａｐｏｒｅ 城市 源清单法 商业区 １１３，高、低密度住宅区 １７、１３ ［１０］
２０１３ 石家庄 Ｓｈｉｊｉａｚｈｕａｎｇ 城市 ＲＳ⁃能量平衡方程 ４１．３（高密度不透水面区） ［３０］
２０１３ 广州 Ｇｕａｎｇｚｈｏｕ 城市 源清单法 ２８～４２ ［１６］
２０１３ 香港 Ｈｏｎｇ Ｋｏｎｇ 城市 ＲＳ⁃能量平衡方程 ２８９．１６（１０ 月）、２８３． １７（ １ 月），５００ ～ ６００（商业
区）
［３１］
２０１４ 北京 Ｂｅｉｊｉｎｇ 街区 建筑模型 ＤｅＳＴ ２２０（夏），２２１（冬） ［３７］
２０１４ 菲尼克斯 Ｐｈｏｅｎｉｘ 多尺度 源清单法、能量平衡、建筑
模型 ＷＲＦ⁃ＢＥＭ＋ＢＥＰ
１３（夏季日均），５０（商业、工业区） ［３８］
２０１５ 中国 Ｃｈｉｎａ 区域、城市 源清单法 ０．５～２０（东部），０～０．０５（西部），２０～１００（城镇） ［６］
２０１５ 杭州 Ｈａｎｇｚｈｏｕ 城市 ＲＳ⁃能量平衡方程 １８．７６（１９９１）、２７．５（２０００）、１２５．６６（２０１０） ［３２］
７２０２６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 王业宁等： 人为热计算方法的研究综述　 　 　 　 　
述 ３种方法各有利弊．源清单法简单易行，一般利用
人口、用电量、燃气量、车流量等估算不同热源的排
热量，但车辆排热复杂且精细的数据难以获取，故一
般时空精度较低，且无法识别显热和潜热通量．能量
平衡方程法是通过实验定点测量或利用遥感影像估
算各组分通量后反推人为热，前者受仪器及地形等
限制难以应用于大范围研究区，后者则弥补这一缺
陷，但同样受算法及数据分辨率限制．建筑模型模拟
法可较精确地计算单栋建筑的排热及时间演变系
数，但道路排热尚无有效模型，同时结果精度受其输
入数据尺度和维度的制约，通常在小尺度上应用．故
需进一步发展多尺度多方法耦合研究［２７，２９，３４，３８］，以
便不同地区对比验证．
　 　 上述研究涵盖街区尺度、城市及区域尺度、全球
尺度，其中，全球或小区的人为热估算较少，而城市、
区域水平上最多［３９］，研究对象遍布世界各地，而欧
美［１１，３９］、日韩［９，１２］等更为广泛且已初步建立数据库
及排热清单．实际上，针对不同热源处理方式的差异
必然会导致结论的不同，而研究区社会发展的差异
增加了相关文献横向对比的难度．通常假设热量最
终全部以显热形式排放，然后以一定原则如按人口
密度［１１，４０］、ＤＭＳＰ ／ ＯＬＳ数据［４１］、气象数据［４２］等进行
分配，得到精细的人为热排放特征，相似方法得出的
结论主要取决于城市规模及能耗情况［１１，２０，４３］ ．国内
外研究对不同热源的计算方式不同，其中，人体新陈
代谢和工业点排放基本有类似的分配模式，而交通
车辆排热则多利用主要道路上车流量［１０，１６］、建筑密
度与高度［１４］、空气污染物特征［２３］来表征；其分布的
范围也有所差异，大多文献将其分配至整个研究区，
也有学者仅将其平均至道路面积［３７，４４］ ．车辆排热对
热环境的影响范围具体有多远仍需进一步探讨．建
筑排热受地理位置、建筑结构与内外扰的影响很大，
一般利用建筑类型、密度或土地利用数据［２１－２２］进行
空间分配，甚至相同地区同一方法所得结论可能相
差很大［１２，２１］ ．对于模型模拟法，在大范围内因建筑排
热复杂多变，增加了其不确定性，而车辆排热又无可
行的模型适用［４５］，所以学者常将其单独应用于建筑
空调排热的研究［３４，３６］ ．
３　 研究展望
不同地区的人为热研究须首先估算其排热强
度，不同学者所得的结论如下：１）大尺度如全球的
人为热分布较分散，平均强度较低（０．０３ Ｗ·ｍ－２），
而小尺度如市中心的热源集中，排热相应很高（２００
Ｗ·ｍ－２）．不同研究区的人为热随人口密度、建筑密
度和交通量变化具有明显的空间异质性．对于城市
尺度，人为热在空间上通常为辐射状分布，与热岛强
度相一致，市中心及商业区或高密度住宅区的排热
强度非常高（１５９０ Ｗ·ｍ－２），而郊区及低密度住宅
区则较低（３０ Ｗ·ｍ－２）．２）大尺度上的人为热的地
理位置对排热强度有决定因素．纬度较低地区的平
均温度高，空调制冷能耗大，人为排热多集中在夏
季；中高纬度地区的冬季采暖能耗一般比夏季制冷
多，致使排热强度冬季最高．３）人为热受气候环境和
季节影响最明显，不同地区不同热源的排热时间演
变有所不同：因人体新陈代谢和工业排热变化幅度
小，占据比重最多的交通车辆和建筑排热使得总人
为热日变化具有明显的早晚“双峰”现象．而商业金
融及行政办公区工作时段是人为排热高峰期；居民
住宅区排热高峰则出现在夜晚、黎明时．
对于小尺度研究因数据方便收集，可同时用上
述 ３种方法进行对比分析，大尺度则适宜用源清单
法，中尺度计算人为热常用源清单法和能量平衡方
程法．在数据库不足时，用地表能量平衡⁃遥感影像
法可估算从街区到区域尺度的各组分通量．这种融
合遥感、气象数据的方法可得出高空间分辨率且瞬
时的人为热特征，同时，数据的易获取性便于研究其
在时空上的变化，虽各组分的计算会增加不确定性，
但可结合源清单法减小误差．在具体地区的人为热
研究时，首先需根据时空尺度选择合理的计算方法，
然后针对性地提高精度，以便进一步开展研究．
人为热的计算主要包括交通车辆和建筑排热两
部分．前者通常根据车流量或建筑密度等进行分配，
但均难以表征完整真实的时空特征，需引入能实时
描述车辆真实变化的指标如交通指数以提高时空分
辨率；建筑排热可用 ＥｎｅｒｇｙＰｌｕｓ、ＤｅＳＴ 等能耗模型
进行计算，但尚未建立完备的建筑类型数据库，使得
其工作量和误差均会大幅增加，需结合我国如北京
市地理国情普查资料和小气候监测数据进行研究；
识别其排热中显热、潜热组分对热能循环应用有实
际意义；排热强度对局地温度的影响范围是亟待解
决的难题，尤其是市中心高层建筑垂直向的热量分
布特征．不同气候带的人为热研究很多，但方法各
异，不宜直接对比，多尺度多方法耦合研究仍需进一
步发展．利用空气污染数据库给今后的研究提供了
新思路，遥感技术的发展和算法的完善对人为热的
研究非常有帮助，且能量平衡方程法得到的结论可
直接与地表温度相关联，对人为热机理解释及其与
８２０２ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
热岛效应的关系研究有重要意义．
针对我国特有的社会经济发展模式，由于行政
区划和历史原因，各城市统计数据标准不同，对具体
研究区需对数据进行校正，而目前国内地理数据库
并不完善，学者在研究中多根据国外已有结论或选
择性调研获取基础资料．另外，必须考虑国家政策如
北京地区通州副中心的建设，以后超大城市的发展
趋势是多中心而非辐射状模式，其人为热时空特征
也会随之变化．目前首要的问题是基础数据库的建
立与完善，其次是统一计算方法与标准化流程，然后
构建参数模型，以便更简易地估算各组分通量，最后
得到不同尺度的人为热，以应用于气候环境的后续
研究．
参考文献
［１］　 Ｊｉａｎｇ Ｗ⁃Ｍ （蒋维楣）， Ｃｈｅｎ Ｙ （陈　 燕）． Ｔｈｅ ｉｍｐａｃｔ
ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｏｎ ｕｒｂａｎ ｂｏｕｎｄａｒｙ ｌａｙｅｒ ｓｔｒｕｃｔｕｒｅ．
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ Ｓｃｉｅｎｃｅｓ （大气科学），
２００７， ３１（１）： ３７－４７ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｆａｎ Ｈ， Ｓａｉｌｏｒ ＤＪ． Ｍｏｄｅｌｉｎｇ ｔｈｅ ｉｍｐａｃｔｓ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ
ｈｅａｔｉｎｇ ｏｎ ｔｈｅ ｕｒｂａｎ ｃｌｉｍａｔｅ ｏｆ Ｐｈｉｌａｄｅｌｐｈｉａ： Ａ ｃｏｍｐａ⁃
ｒｉｓｏｎ ｏｆ ｉｍｐｌｅｍｅｎｔａｔｉｏｎｓ ｉｎ ｔｗｏ ＰＢＬ ｓｃｈｅｍｅｓ． Ａｔｍｏｓｐｈｅ⁃
ｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００５， ３９： ７３－８４
［３］　 Ｔｏｒｒａｎｃｅ ＫＥ， Ｓｈｕｎ ＪＳＷ． Ｔｉｍｅ⁃ｖａｒｙｉｎｇ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐ⁃
ｔｉｏｎ ａｓ ａ ｆａｃｔｏｒ ｉｎ ｕｒｂａｎ ｃｌｉｍａｔｅ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ， １９７６， １０： ３２９－３３７
［４］　 Ｓａｉｌｏｒ ＤＪ． Ａ ｒｅｖｉｅｗ ｏｆ ｍｅｔｈｏｄｓ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ａｎｔｈｒｏｐｏ⁃
ｇｅｎｉｃ ｈｅａｔ ａｎｄ ｍｏｉｓｔｕｒｅ ｅｍｉｓｓｉｏｎｓ ｉｎ ｔｈｅ ｕｒｂａｎ ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ， ２０１１， ３１：
１８９－１９９
［５］　 Ｒｙｏ Ｍ， Ｍａｎａｂｕ Ｋ， Ｈｉｒｏｓｈｉ Ｓ， ｅｔ ａｌ． Ａｎｔｈｒｏｐｏｇｅｎｉｃ ｗａ⁃
ｔｅｒ ｖａｐｏｒ ｅｍｉｓｓｉｏｎｓ ｉｎ Ｔｏｋｙｏ． Ｗａｔｅｒ Ｒｅｓｏｕｒｃｅｓ Ｒｅｓｅａｒｃｈ，
２００８， ４４： １５０－１７６
［６］　 Ｌｕ Ｙ， Ｗａｎｇ Ｑ， Ｚｈａｎｇ Ｙ， ｅｔ ａｌ． Ａｎ ｅｓｔｉｍａｔｅ ｏｆ ａｎｔｈｒｏ⁃
ｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎｓ ｉｎ Ｃｈｉｎａ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ
Ｃｌｉｍａｔｏｌｏｇｙ， ２０１６， ３６： １１３４－１１４２
［７］ 　 Ｗａｇｎｅｒ Ｍ， Ｖｉｓｗａｎａｔｈａｎ Ｖ， Ｐｅｌｚｅｒ Ｄ， ｅｔ ａｌ． Ｃｅｌｌｕｌａｒ
ａｕｔｏｍａｔａ⁃ｂａｓｅｄ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｓｉｍｕｌａｔｉｏｎ． Ｐｒｏｃｅｄｉａ
Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ， ２０１５， ５１： ２１０７－２１１６
［８］ 　 Ｋｌｙｓｉｋ Ｋ． Ｓｐａｔｉａｌ ａｎｄ ｓｅａｓｏｎａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ａｎｔｈｒｏｐｏ⁃
ｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎ ｉｎ Ｌｏｄｚ， Ｐｏｌａｎｄ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉ⁃
ｒｏｎｍｅｎｔ， １９９６， ３０： ３３９７－３４０４
［９］　 Ｌｅｅ ＳＨ， Ｓｏｎｇ ＣＫ， Ｂａｉｋ ＪＪ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ａｎｔｈｒｏ⁃
ｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎ ｉｎ ｔｈｅ Ｇｙｅｏｎｇ ｉｎ ｒｅｇｉｏｎ ｏｆ Ｋｏｒｅａ．
Ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ Ａｐｐｌｉｅｄ Ｃｌｉｍａｔｏｌｏｇｙ， ２００９， ９６： ２９１ －
３０３
［１０］　 Ｑｕａｈ ＡＫＬ， Ｒｏｔｈ Ｍ． Ｄｉｕｒｎａｌ ａｎｄ ｗｅｅｋｌｙ ｖａｒｉａｔｉｏｎ ｏｆ ａｎ⁃
ｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎｓ ｉｎ ａ ｔｒｏｐｉｃａｌ ｃｉｔｙ， Ｓｉｎｇａｐｏｒｅ．
Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ， ２０１２， ４６： ９２－１０３
［１１］　 Ｓａｉｌｏｒ ＤＪ， Ｌｕ Ｌ． Ａ ｔｏｐ⁃ｄｏｗｎ ｍｅｔｈｏｄｏｌｏｇｙ ｆｏｒ ｄｅｖｅｌｏｐｉｎｇ
ｄｉｕｒｎａｌ ａｎｄ ｓｅａｓｏｎａｌ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔｉｎｇ ｐｒｏｆｉｌｅｓ ｆｏｒ
ｕｒｂａｎ ａｒｅａｓ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００４， ３８： ２７３７－
２７４８
［１２］　 Ｉｃｈｉｎｏｓｅ Ｔ， Ｓｈｉｍｏｄｏｚｏｎｏ Ｋ， Ｈａｎａｋｉ Ｋ． Ｉｍｐａｃｔ ｏｆ ａｎ⁃
ｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｏｎ ｕｒｂａｎ ｃｌｉｍａｔｅ ｉｎ Ｔｏｋｙｏ． Ａｔｍｏｓｐｈｅｒｉｃ
Ｅｎｖｉｒｏｎｍｅｎｔ， １９９９， ３３： ３８９７－３９０９
［１３］　 Ｋｏｎｄｏ Ｈ， Ｋｉｋｅｇａｗａ Ｙ． Ｔｅｍｐｅｒａｔｕｒｅ ｖａｒｉａｔｉｏｎ ｉｎ ｔｈｅ ｕｒ⁃
ｂａｎ ｃａｎｏｐｙ ｗｉｔｈ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｅｎｅｒｇｙ ｕｓｅ． Ｐｕｒｅ ＆ Ａｐ⁃
ｐｌｉｅｄ Ｇｅｏｐｈｙｓｉｃｓ， ２００３， １６０： ３１７－３２４
［１４］　 Ｔｏｎｇ Ｈ （佟　 华）， Ｌｉｕ Ｈ⁃Ｚ （刘辉志）， Ｓａｎｇ Ｊ⁃Ｇ （桑
建国）， ｅｔ ａｌ． Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｕｒｂａｎ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｏｎ
Ｂｅｉｊｉｎｇ ｈｅａｔ ｅｎｖｉｒｏｎｍｅｎｔ． Ｃｌｉｍａｔｉｃ ＆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅ⁃
ｓｅａｒｃｈ （气候与环境研究）， ２００４， ９（３）： ４０９ － ４２１
（ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｗａｎｇ Ｚ⁃Ｍ （王志铭）， Ｗａｎｇ Ｘ⁃Ｍ （王雪梅）． Ｅｓｔｉｍａ⁃
ｔｉｏｎ ａｎｄ ｓｅｎｓｉｔｉｖｉｔｙ ｔｅｓｔ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘ ｉｎ
Ｇｕａｎｇｚｈｏｕ． Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅ
（应用气象学报）， ２０１１， ３１（４）： ４２２－４３０ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１６］　 Ｚｈａｎ Ｊ⁃Ｊ （占俊杰）， Ｄａｎ Ｌ （丹　 利）． Ｄｉｕｒｎａｌ ａｎｄ ａｎ⁃
ｎｕａｌ ｖａｒｉａｔｉｏｎ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｓｔｉｍａｔｉｏｎ ｉｎ Ｇｕａｎｇ⁃
ｚｈｏｕ Ｃｉｔｙ， Ｃｈｉｎａ． Ｃｌｉｍａｔｉｃ ＆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｅａｒｃｈ
（气候与环境研究）， ２０１４， １９（６）： ７２６－７３４ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［１７］　 Ｚｈａｏ Ｙ （赵　 炎）， Ｌｕ Ｊ （卢 　 军）． Ｔｈｅ ｉｎｖｅｓｔｉｇａｔｉｏｎ
ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎ ｏｆ ｂｕｉｌｄｉｎｇ ｇｒｏｕｐ． Ｒｅｆｒｉ⁃
ｇｅｒａｔｉｏｎ ＆ Ａｉｒ Ｃｏｎｄｉｔｉｏｎｉｎｇ （制冷与空调）， ２０１１， ２５
（ｓｕｐｐｌ．）： ２３９－２４４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｓｈｉ ＧＹ， Ｄａｉ Ｔ， Ｔａｎ ＳＣ， ｅｔ ａｌ． Ｐｒｅｌｉｍｉｎａｒｙ ｅｓｔｉｍａｔｅ ｏｆ
ｔｈｅ ｇｌｏｂａｌ ａｖｅｒａｇｅ ａｎｎｕａｌ ｃｌｉｍａｔｅ ｆｏｒｃｉｎｇ ｒｅｓｕｌｔｅｄ ｆｒｏｍ
ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｒｅｌｅａｓｅ． Ａｄｖａｎｃｅｓ ｉｎ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ
Ｒｅｓｅａｒｃｈ， ２０１０， ６： １１９－１２２
［１９］　 Ｆｌａｎｎｅｒ ＭＧ． Ｉｎｔｅｇｒａｔｉｎｇ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘ ｗｉｔｈ
ｇｌｏｂａｌ ｃｌｉｍａｔｅ ｍｏｄｅｌｓ． Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ Ｌｅｔｔｅｒｓ，
２００９， ３６： ２７０－２７４
［２０］　 Ｃｈｅｎ Ｂ （陈　 兵）， Ｓｈｉ Ｇ⁃Ｙ （石广玉）， Ｄａｉ Ｔ （戴　
铁）， ｅｔ ａｌ． Ｃｌｉｍａｔｅ ｆｏｒｃｉｎｇ ｄｕｅ ｔｏ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｒｅ⁃
ｌｅａｓｅ ｏｖｅｒ Ｃｈｉｎａ． Ｃｌｉｍａｔｉｃ ＆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｅａｒｃｈ
（气候与环境研究）， ２０１１， １６（６）： ７１７－７２２ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２１］　 Ｋｉｍｕｒａ Ｆ， Ｔａｋａｈａｓｈｉ Ｓ． Ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｌａｎｄ⁃ｕｓｅ ａｎｄ ａｎ⁃
ｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔｉｎｇ ｏｎ ｔｈｅ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｉｎ ｔｈｅ Ｔｏ⁃
ｋｙｏ Ｍｅｔｒｏｐｏｌｉｔａｎ ａｒｅａ： Ａ ｎｕｍｅｒｉｃａｌ ｅｘｐｅｒｉｍｅｎｔ． Ａｔｍｏｓ⁃
ｐｈｅｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ， １９９１， ２５： １５５－１６４
［２２］　 Ｈａｍｉｌｔｏｎ ＩＧ， Ｄａｖｉｅｓ Ｍ， Ｓｔｅａｄｍａｎ Ｐ， ｅｔ ａｌ． Ｔｈｅ ｓｉｇｎｉｆｉ⁃
ｃａｎｃｅ ｏｆ ｔｈｅ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎｓ ｏｆ Ｌｏｎｄｏｎ’ ｓ
ｂｕｉｌｄｉｎｇｓ ａ ｃｏｍｐａｒｉｓｏｎ ａｇａｉｎｓｔ ｃａｐｔｕｒｅｄ ｓｈｏｒｔｗａｖｅ ｓｏｌａｒ
ｒａｄｉａｔｉｏｎ． Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００９， ４４： ８０７－
８１７
［２３］　 Ｎａｒｕｍｉ Ｄ， Ｋｏｎｄｏ Ａ， Ｓｈｉｍｏｄａ Ｙ． Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｔｈｅ ｉｎ⁃
ｃｒｅａｓｅ ｉｎ ｕｒｂａｎ ｔｅｍｐｅｒａｔｕｒｅ ｏｎ ｔｈｅ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｏｆ ｐｈｏ⁃
ｔｏｃｈｅｍｉｃａｌ ｏｘｉｄａｎｔｓ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ， ２００９，
４３： ２３４８－２３５９
［２４］　 Ｌｅｅ ＳＨ， Ｍｃｋｅｅｎ ＳＡ， Ｓａｉｌｏｒ ＤＪ． Ａ ｒｅｇｒｅｓｓｉｏｎ ａｐｐｒｏａｃｈ
ｆｏｒ ｅｓｔｉｍａｔｉｏｎ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘ ｂａｓｅｄ ｏｎ ａ ｂｏｔ⁃
ｔｏｍ⁃ｕｐ ａｉｒ ｐｏｌｌｕｔａｎｔ ｅｍｉｓｓｉｏｎ ｄａｔａｂａｓｅ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎ⁃
ｖｉｒｏｎｍｅｎｔ， ２０１４， ９５： ６２９－６３３
［２５］　 Ｌｅｅ ＳＨ， Ｋｉｍ ＳＴ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓ⁃
ｓｉｏｎ ｏｖｅｒ Ｓｏｕｔｈ Ｋｏｒｅａ ｕｓｉｎｇ ａ ｓｔａｔｉｓｔｉｃａｌ ｒｅｇｒｅｓｓｉｏｎ ｍｅ⁃
ｔｈｏｄ． Ａｓｉａ⁃Ｐａｃｉｆｉｃ Ｊｏｕｒｎａｌ ｏｆ Ａｔｍｏｓｐｈｅｒｉｃ Ｓｃｉｅｎｃｅｓ，
９２０２６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 王业宁等： 人为热计算方法的研究综述　 　 　 　 　
２０１５， ５１： １－１０
［２６］　 Ｏｆｆｅｒｌｅ Ｂ， Ｇｒｉｍｍｏｎｄ ＣＳＢ， Ｆｏｒｔｕｎｉａｋ Ｋ． Ｈｅａｔ ｓｔｏｒａｇｅ
ａｎｄ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘ ｉｎ ｒｅｌａｔｉｏｎ ｔｏ ｔｈｅ ｅｎｅｒｇｙ ｂａ⁃
ｌａｎｃｅ ｏｆ ａ ｃｅｎｔｒａｌ Ｅｕｒｏｐｅａｎ ｃｉｔｙ ｃｅｎｔｒｅ． Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ， ２００５， ２５： １４０５－１４１９
［２７］　 Ｐｉｇｅｏｎ Ｇ， Ｌｅｇａｉｎ Ｄ， Ｄｕｒａｎｄ Ｐ， ｅｔ ａｌ． Ａｎｔｈｒｏｐｏｇｅｎｉｃ
ｈｅａｔ ｒｅｌｅａｓｅ ｉｎ ａｎ ｏｌｄ Ｅｕｒｏｐｅａｎ ａｇｇｌｏｍｅｒａｔｉｏｎ （ Ｔｏｕ⁃
ｌｏｕｓｅ， Ｆｒａｎｃｅ）． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ，
２００７， ２７： １９６９－１９８１
［２８］　 Ｋａｔｏ Ｓ， Ｙａｍａｇｕｃｈｉ Ｙ． Ａｎａｌｙｓｉｓ ｏｆ ｕｒｂａｎ ｈｅａｔ⁃ｉｓｌａｎｄ
ｅｆｆｅｃｔ ｕｓｉｎｇ ＡＳＴＥＲ ａｎｄ ＥＴＭ＋ ｄａｔａ ｓｅｐａｒａｔｉｏｎ ｏｆ ａｎｔｈｒｏ⁃
ｐｏｇｅｎｉｃ ｈｅａｔ ｄｉｓｃｈａｒｇｅ ａｎｄ ｎａｔｕｒａｌ ｈｅａｔ ｒａｄｉａｔｉｏｎ ｆｒｏｍ
ｓｅｎｓｉｂｌｅ ｈｅａｔ ｆｌｕｘ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，
２００５， ９９： ４４－５４
［２９］　 Ｚｈｏｕ Ｙ， Ｗｅｎｇ Ｑ， Ｇｕｒｎｅｙ ＫＲ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｔｈｅ
ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｒｅｍｏｔｅｌｙ ｓｅｎｓｅｄ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ
ｄｉｓｃｈａｒｇｅ ａｎｄ ｂｕｉｌｄｉｎｇ ｅｎｅｒｇｙ ｕｓｅ． ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ
Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ， ２０１２， ６７： ６５－７２
［３０］　 Ｘｉａｏ Ｊ⁃Ｙ （肖捷颖）， Ｚｈａｎｇ Ｑ （张　 倩）， Ｗａｎｇ Ｙ （王
燕）， ｅｔ ａｌ． Ｕｒｂａｎ ｓｕｒｆａｃｅ ｈｅａｔ ｆｌｕｘ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ｒｅ⁃
ｍｏｔｅ ｓｅｎｓｉｎｇ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｓｈｉｊｉａｚｈｕａｎｇ Ｃｉｔｙ． Ｓｃｉｅｎ⁃
ｔｉａ Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理科学）， ２０１４， ３４ （ ３）：
３３８－３４３ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｗｏｎｇ ＭＳ， Ｙａｎｇ Ｊ， Ｎｉｃｈｏｌ Ｊ， ｅｔ ａｌ． Ｍｏｄｅｌｉｎｇ ｏｆ ａｎｔｈｒｏ⁃
ｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘ ｕｓｉｎｇ ＨＪ⁃１Ｂ Ｃｈｉｎｅｓｅ ｓｍａｌｌ ｓａｔｅｌｌｉｔｅ
ｉｍａｇｅ： Ａ ｓｔｕｄｙ ｏｆ ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｕｒｂａｎｉｚｅｄ ａｒｅａｓ ｉｎ
Ｈｏｎｇ Ｋｏｎｇ． ＩＥＥＥ Ｇｅｏｓｃｉｅｎｃｅ ＆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｌｅｔｔｅｒｓ，
２０１５， １２： １４６６－１４７０
［３２］　 Ｚｈｕ Ｔ⁃Ｙ （朱婷媛）． Ｒｅａｓｅａｒｃｈ ｏｎ Ｑｕａｎｔｉｔａｔｉｖｅ Ｅｓｔｉｍａ⁃
ｔｉｏｎ ｏｆ Ａｎｔｈｒｏｐｏｇｅｎｉｃ Ｈｅａｔ ｉｎ Ｈａｎｇｚｈｏｕ ｂａｓｅｄ ｏｎ Ｌａｎｄ⁃
ｓａｔ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｄａｔａ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｈａｎｇｚｈｏｕ：
Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ， ２０１５ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｄｈａｋａｌ Ｓ， Ｈａｎａｋｉ Ｋ． Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ｕｒｂａｎ ｔｈｅｒｍａｌ ｅｎ⁃
ｖｉｒｏｎｍｅｎｔ ｂｙ ｍａｎａｇｉｎｇ ｈｅａｔ ｄｉｓｃｈａｒｇｅ ｓｏｕｒｃｅｓ ａｎｄ ｓｕｒ⁃
ｆａｃｅ ｍｏｄｉｆｉｃａｔｉｏｎ ｉｎ Ｔｏｋｙｏ． Ｅｎｅｒｇｙ ａｎｄ Ｂｕｉｌｄｉｎｇｓ，
２００２， ３４： １３－２３
［３４］　 Ｈｅｉｐｌｅ Ｓ， Ｓａｉｌｏｒ ＤＪ． Ｕｓｉｎｇ ｂｕｉｌｄｉｎｇ ｅｎｅｒｇｙ ｓｉｍｕｌａｔｉｏｎ
ａｎｄ ｇｅｏｓｐａｔｉａｌ ｍｏｄｅｌｉｎｇ ｔｅｃｈｎｉｑｕｅｓ ｔｏ ｄｅｔｅｒｍｉｎｅ ｈｉｇｈ
ｒｅｓｏｌｕｔｉｏｎ ｂｕｉｌｄｉｎｇ ｓｅｃｔｏｒ ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ ｐｒｏｆｉｌｅｓ．
Ｅｎｅｒｇｙ ａｎｄ Ｂｕｉｌｄｉｎｇｓ， ２００８， ４０： １４２６－１４３６
［３５］　 Ａｓｓｉｍａｋｏｐｏｕｌｏｓ ＭＮ， Ｍｉｈａｌａｋａｋｏｕ Ｇ， Ｆｌｏｃａｓ ＨＡ． Ｓｉｍｕ⁃
ｌａｔｉｎｇ ｔｈｅ ｔｈｅｒｍａｌ ｂｅｈａｖｉｏｕｒ ｏｆ ａ ｂｕｉｌｄｉｎｇ ｄｕｒｉｎｇ ｓｕｍｍｅｒ
ｐｅｒｉｏｄ ｉｎ ｔｈｅ ｕｒｂａｎ ｅｎｖｉｒｏｎｍｅｎｔ． Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ，
２００７， ３２： １８０５－１８１６
［３６］　 Ｈｓｉｅｈ ＣＭ， Ａｒａｍａｋｉ Ｔ， Ｈａｎａｋｉ Ｋ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｈｅａｔ ｒｅ⁃
ｊｅｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ａｉｒ ｃｏｎｄｉｔｉｏｎｅｒ ｕｓｅ ｔｉｍｅ ａｎｄ ｉｔｓ ｍｉｔｉ⁃
ｇａｔｉｏｎ ｆｒｏｍ ｂｕｉｌｄｉｎｇｓ ｉｎ Ｔａｉｐｅｉ Ｃｉｔｙ． Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉ⁃
ｒｏｎｍｅｎｔ， ２００７， ４２： ３１２５－３１３７
［３７］　 Ｎｉｅ ＷＳ， Ｓｕｎ Ｔ， Ｎｉ ＧＨ． Ｓｐａｔｉｏｔｅｍｐｏｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｉｎ ａｎ ｕｒｂａｎ ｅｎｖｉｒｏｎｍｅｎｔ： Ａ ｃａｓｅ
ｓｔｕｄｙ ｏｆ Ｔｓｉｎｇｈｕａ Ｃａｍｐｕｓ． Ｂｕｉｌｄｉｎｇ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，
２０１４， ８２： ６７５－６８６
［３８］　 Ｃｈｏｗ ＷＴＬ， Ｓａｌａｍａｎｃａ Ｆ， Ｇｅｏｒｇｅｓｃｕ Ｍ， ｅｔ ａｌ． Ａ ｍｕｌｔｉ⁃
ｍｅｔｈｏｄ ａｎｄ ｍｕｌｔｉ⁃ｓｃａｌｅ ａｐｐｒｏａｃｈ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｃｉｔｙ⁃ｗｉｄｅ
ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘｅｓ． Ａｔｍｏｓｐｈｅｒｉｃ Ｅｎｖｉｒｏｎｍｅｎｔ，
２０１４， ９９： ６４－７６
［３９］　 Ｌｉｎｄｂｅｒｇ Ｆ， Ｇｒｉｍｍｏｎｄ ＣＳＢ， Ｙｏｇｅｓｗａｒａｎ Ｎ， ｅｔ ａｌ． Ｉｍ⁃
ｐａｃｔ ｏｆ ｃｉｔｙ ｃｈａｎｇｅｓ ａｎｄ ｗｅａｔｈｅｒ ｏｎ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ
ｆｌｕｘ ｉｎ Ｅｕｒｏｐｅ １９９５ － ２０１５． Ｕｒｂａｎ Ｃｌｉｍａｔｅ， ２０１３， ４：
１－１５
［４０］　 Ｂｅｌｏｖａ Ｉ， Ｇｉｎｚｂｕｒｇ Ａ． Ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｆｌｕｘｅｓ ｏｖｅｒ
Ｍｏｓｃｏｗ ａｇｇｌｏｍｅｒａｔｉｏｎ ａｎｄ ｏｔｈｅｒ Ｒｕｓｓｉａｎ ａｎｄ ｗｏｒｌｄ
ｃｉｔｉｅｓ． Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ Ａｂｓｔｒａｃｔｓ， ２０１０， １２：
ＥＧＵ２０１０－７２６２
［４１］　 Ｃｈｅｎ Ｂ （陈　 兵）， Ｓｈｉ Ｇ⁃Ｙ （石广玉）， Ｗａｎｇ Ｂ （王
标）， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｔｈｅ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｒｅｌｅａｓｅ
ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ Ｃｈｉｎａ ｆｒｏｍ １９９２ ｔｏ ２００９． Ａｃｔａ Ｍｅｔｅｏｒｌｏ⁃
ｇｉｃａ Ｓｉｎｉｃａ （气象学报）， ２０１２（４）： ５０７－５１５ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［４２］　 Ｓａｉｌｏｒ ＤＪ， Ｖａｓｉｒｅｄｄｙ Ｃ． Ｃｏｒｒｅｃｔｉｎｇ ａｇｇｒｅｇａｔｅ ｅｎｅｒｇｙ
ｃｏｎｓｕｍｐｔｉｏｎ ｄａｔａ ｔｏ ａｃｃｏｕｎｔ ｆｏｒ ｖａｒｉａｂｉｌｉｔｙ ｉｎ ｌｏｃａｌ
ｗｅａｔｈｅｒ． Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｍｏｄｅｌｌｉｎｇ ＆ Ｓｏｆｔｗａｒｅ， ２００６，
２１： ７３３－７３８
［４３］　 Ｎｉｕ Ｑ， Ｎｉｅ ＣＱ， Ｌｉｎ Ｆ， ｅｔ ａｌ． Ｍｏｄｅｌ ｓｔｕｄｙ ｏｆ ｒｅｌａｔｉｏｎ⁃
ｓｈｉｐ ｂｅｔｗｅｅｎ ｌｏｃａｌ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ａｒｔｉｆｉｃｉａｌ ｈｅａｔ ｒｅ⁃
ｌｅａｓｅ． Ｓｃｉｅｎｃｅ Ｃｈｉｎａ， ２０１２， ５５： ８２１－８３０
［４４］ 　 Ｉａｍａｒｉｎｏ Ｍ， Ｂｅｅｖｅｒｓ Ｓ， Ｇｒｉｍｍｏｎｄ ＣＳＢ． Ｈｉｇｈ⁃ｒｅｓｏｌｕ⁃
ｔｉｏｎ （ｓｐａｃｅ， ｔｉｍｅ） ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎｓ： Ｌｏｎ⁃
ｄｏｎ １９７０－ ２０２５． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ，
２０１２， ３２： １７５４－１７６７
［４５］ 　 Ｓｍｉｔ Ｒ， Ｂｒｏｗｎ ＡＬ， Ｃｈａｎ ＹＣ． Ｄｏ ａｉｒ ｐｏｌｌｕｔｉｏｎ ｅｍｉｓ⁃
ｓｉｏｎｓ ａｎｄ ｆｕｅｌ ｃｏｎｓｕｍｐｔｉｏｎ ｍｏｄｅｌｓ ｆｏｒ ｒｏａｄｗａｙｓ ｉｎｃｌｕｄｅ
ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｃｏｎｇｅｓｔｉｏｎ ｉｎ ｔｈｅ ｒｏａｄｗａｙ ｔｒａｆｆｉｃ ｆｌｏｗ？ Ｅｎ⁃
ｖｉｒｏｎｍｅｎｔａｌ Ｍｏｄｅｌｌｉｎｇ ＆ Ｓｏｆｔｗａｒｅ， ２００８， ２３： １２６２ －
１２７０
作者简介　 王业宁，男，１９９０年生，硕士研究生． 主要从事城
市人为热排放研究． Ｅ⁃ｍａｉｌ： ｗａｎｇｙｅｎｉｎｇ０＠ １６３．ｃｏｍ
责任编辑　 杨　 弘
王业宁， 孙然好， 陈利顶． 人为热计算方法的研究综述． 应用生态学报， ２０１６， ２７（６）： ２０２４－２０３０
Ｗａｎｇ Ｙ⁃Ｎ， Ｓｕｎ Ｒ⁃Ｈ， Ｃｈｅｎ Ｌ⁃Ｄ． Ｒｅｖｉｅｗ ｏｎ ｓｔｕｄｉｅｓ ｏｆ ａｎｔｈｒｏｐｏｇｅｎｉｃ ｈｅａｔ ｅｍｉｓｓｉｏｎ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７
（６）： ２０２４－２０３０ （ｉｎ Ｃｈｉｎｅｓｅ）
０３０２ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷