全 文 ：基于空间统计特征的城市热环境时空演化∗
张　 伟１，２，３∗∗　 蒋锦刚３　 朱玉碧４
（ １西南大学地理科学学院， 重庆 ４００７１５； ２华东师范大学上海市城市化生态过程与生态恢复重点实验室， 上海 ２０００６２； ３杭州
师范大学理学院遥感与地球科学研究院， 杭州 ３１１１２１； ４西南大学经济管理学院， 重庆 ４００７１５）
摘　 要　 利用遥感反演和 ＧＩＳ空间分析等工具，提出了一种基于空间统计特征的城市热岛范
围界定方法，并应用该方法分析了 １９８４—２０１０年杭州市城市热环境的时空演化规律．结果表
明： １９８４—２０１０年间，杭州市的城市热岛面积增加了 ８．６６ 倍；杭州城市热岛的空间形态日趋
复杂，空间分布由单中心的聚集状态逐渐向多中心的扩散状态发展；杭州城市热环境呈现出
由区域低温均衡向区域高温均衡发展的态势．城市热岛的动态变化检测表明，城市扩张是杭
州城市热岛发育的主要原因．本文所提方法考虑了城市地表温度的空间相关关系，反映了城
市地表温度的全局统计特征，提供的信息更多，也更为客观和准确．通过该方法的推广，有助
于解决当前城市热岛研究中研究样本之间缺乏通用性和可比性的问题．
关键词　 空间统计特征； 城市热岛； 时空演化； 杭州
文章编号　 １００１－９３３２（２０１５）０６－１８４０－０７　 中图分类号　 Ｘ８７　 文献标识码　 Ａ
Ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｅｖｏｌｕｔｉｏｎ ｏｆ ｕｒｂａｎ ｔｈｅｒｍａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｂａｓｅｄ ｏｎ ｓｐａｔｉａｌ ｓｔａｔｉｓｔｉｃａｌ ｆｅａｔｕｒｅｓ．
ＺＨＡＮＧ Ｗｅｉ１，２，３， ＪＩＡＮＧ Ｊｉｎ⁃ｇａｎｇ３， ＺＨＵ Ｙｕ⁃ｂｉ４ （ １ Ｓｃｈｏｏｌ ｏｆ Ｇｅｏｇｒａｐｈｉｃａｌ Ｓｃｉｅｎｃｅｓ， Ｓｏｕｔｈｗｅｓｔ
Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈｏｎｇｑｉｎｇ ４００７１５， Ｃｈｉｎａ； ２Ｓｈａｎｇｈａｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｕｒｂａｎ Ｅｃｏｌｏｇｉｃａｌ Ｐｒｏｃｅｓｓｅｓ
ａｎｄ Ｅｃｏ⁃Ｒｅｓｔｏｒａｔｉｏｎ， Ｅａｓｔ Ｃｈｉｎａ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２０００６２， Ｃｈｉｎａ； ３Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ ａｎｄ Ｅａｒｔｈ Ｓｃｉｅｎｃｅｓ， Ｃｏｌｌｅｇｅ ｏｆ Ｓｃｉｅｎｃｅ， Ｈａｎｇｚｈｏｕ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｈａｎｇｚｈｏｕ ３１１１２１，
Ｃｈｉｎａ； ４Ｃｏｌｌｅｇｅ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ， Ｓｏｕｔｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ， Ｃｈｏｎｇｑｉｎｇ ４００７１５， Ｃｈｉｎａ） ．
⁃Ｃｈｉｎ． Ｊ． Ａｐｐｌ． Ｅｃｏｌ．， ２０１５， ２６（６）： １８４０－１８４６．
Ａｂｓｔｒａｃｔ： Ａ ｎｅｗ ｍｅｔｈｏｄ ｗｈｉｃｈ ａｉｍｓ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ａｒｅａ ｏｆ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ （ＵＨＩ） ｗａｓ ｐｒｏ⁃
ｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｂａｓｅｄ ｏｎ ｓｐａｔｉａｌ ｓｔａｔｉｓｔｉｃａｌ ｆｅａｔｕｒｅｓ ｂｙ ｍｅａｎｓ ｏｆ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ＧＩＳ ｓｐａｔｉａｌ
ａｎａｌｙｓｉｓ ｔｏｏｌｓ， ａｎｄ ｗａｓ ａｐｐｌｉｅｄ ｉｎ ｔｈｅ ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｅｖｏｌｕｔｉｏｎ ａｎａｌｙｓｉｓ ｏｆ ＵＨＩ ｉｎ Ｈａｎｇｚｈｏｕ， Ｃｈｉ⁃
ｎａ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｔｈｅ ａｒｅａ ｏｆ ＵＨＩ ｉｎ Ｈａｎｇｚｈｏｕ ｉｎｃｒｅａｓｅｄ ８．６６ ｔｉｍｅｓ ｆｒｏｍ １９８４ ｔｏ ２０１０．
Ｄｕｒｉｎｇ ｔｈｅ ２６ ｙｅａｒｓ， ｔｈｅ ｓｐａｔｉａｌ ｓｔｒｕｃｔｕｒｅ ｏｆ ＵＨＩ ｉｎ Ｈａｎｇｚｈｏｕ ｈａｄ ｂｅｃｏｍｅ ｍｏｒｅ ａｎｄ ｍｏｒｅ ｃｏｍｐｌｅｘ，
ａｎｄ ｉｔｓ ｓｐａｔｉａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｎｇｅｄ ｆｒｏｍ ｓｉｎｇｌｅ⁃ｃｅｎｔｅｒ ｔｏ ｍｕｌｔｉ⁃ｃｅｎｔｅｒ． Ｇｅｎｅｒａｌｌｙ ｓｐｅａｋｉｎｇ， ｔｈｅ
ｃｈａｎｇｅ ｔｒｅｎｄ ｏｆ ｔｈｅｒｍａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ Ｈａｎｇｚｈｏｕ ｗａｓ ｔｕｒｎｉｎｇ ｆｒｏｍ ｌｏｗ⁃ｔｅｍｐｅｒａｔｕｒｅ ｓｐａｔｉａｌ ｅｑｕｉｌｉ⁃
ｂｒｉｕｍ ｔｏ ｈｉｇｈ⁃ｔｅｍｐｅｒａｔｕｒｅ ｓｐａｔｉａｌ ｅｑｕｉｌｉｂｒｉｕｍ． Ｔｈｅ ｍａｊｏｒ ｃａｕｓｅ ｆｏｒ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＵＨＩ ｉｎ Ｈａｎｇ⁃
ｚｈｏｕ ｗａｓ ｕｒｂａｎ ｅｘｐａｎｓｉｏｎ ａｓ ｉｔ ｓｈｏｗｅｄ ｉｎ ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｄｙｎａｍｉｃ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ． Ｔｈｉｓ ｎｅｗ ｍｅｔｈｏｄ
ｃｏｎｓｉｄｅｒｅｄ ｔｈｅ ｓｐａｔｉａｌ ｃｏｒｒｅｌａｔｉｏｎ ｏｆ ｕｒｂａｎ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ （ＬＳＴ）， ａｎｄ ｒｅｆｌｅｃｔｅｄ ｔｈｅ ｇｌｏｂａｌ
ｓｔａｔｉｓｔｉｃａｌ ｆｅａｔｕｒｅｓ ｏｆ ＬＳＴ． Ｉｔ ｗａｓ ｍｏｒｅ ｏｂｊｅｃｔｉｖｅ ａｎｄ ａｃｃｕｒａｔｅ ｔｈａｎ ｔｈｅ ｃｏｎｖｅｎｔｉｏｎａｌ ｍｅｔｈｏｄｓ， ａｎｄ
ｃｏｕｌｄ ｐｒｏｖｉｄｅ ｍｏｒｅ ｉｎｆｏｒｍａｔｉｏｎ， ｗｈｉｃｈ ｗｏｕｌｄ ｈｅｌｐ ｕｓ ｔｏ ｒｅｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍ ｏｆ ｂｅｉｎｇ ｌａｃｋ ｏｆ ｇｅｎｅ⁃
ｒａｌｉｔｙ ａｎｄ ｃｏｍｐａｒａｂｉｌｉｔｙ ｉｎ ｔｈｅ ｃｕｒｒｅｎｔ ｒｅｓｅａｒｃｈ．
Ｋｅｙ ｗｏｒｄｓ： ｓｐａｔｉａｌ ｓｔａｔｉｓｔｉｃａｌ ｆｅａｔｕｒｅ； ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ （ＵＨＩ）； ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｅｖｏｌｕｔｉｏｎ； Ｈａｎｇ⁃
ｚｈｏｕ．
∗国家自然科学基金项目（４１１０１０３９）、上海市城市化生态过程与生
态恢复重点实验室开放基金项目（ ＳＨＵＥＳ２０１４Ａ０１）、浙江省重点科
技创新团队项目（２０１０Ｒ５００３９⁃１５）和浙江省地理信息中心项目资助．
∗∗通讯作者． Ｅ⁃ｍａｉｌ： ｚｗｅｉ１９９７＠ １２６．ｃｏｍ
２０１４⁃０６⁃２３收稿，２０１５⁃０１⁃１５接受．
　 　 以全球变暖为主要特征的全球气候变化及其影
响已经成为学术界、社会公众、各国政府共同关注的
焦点问题．学者们在全球气候变化的原因［１］、全球变
暖对生态系统的影响［２－３］，以及人类的自适应策
略［４－５］等方面进行了大量探索． ２０１３ 年 ９ 月，ＩＰＣＣ
发布的第五次评估报告显示，未来全球气候变暖仍
将持续；２１ 世纪末，全球平均地表温度在 １９８６—
２００５年的基础上将升高 ０．３ ～ ４．８ ℃ ［６］ ．中国的气候
变化特征与全球气候变化的趋势基本一致．１９０５—
２００１年，中国年均地表气温的升温幅度 ０． ５ ～ ０． ８
应 用 生 态 学 报　 ２０１５年 ６月　 第 ２６卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１５， ２６（６）： １８４０－１８４６
℃，略高于全球同期增温幅度［７］ ．
城市热岛效应指由于人口密集和下垫面改变等
原因，导致城市中的气温明显高于郊区的现象［８］ ．城
市热岛效应会引起降水、风速、土壤、空气湿度和光
照等气候因子发生变化，进而对全球气候变暖产生
影响［９］ ．有研究表明，在北美和欧亚大陆的高纬度地
区，城市热岛效应甚至对大城市 １６００ ｋｍ 之外的区
域也会产生影响［１０］ ．在全球变暖的大背景下，城市
热岛效应对城市人居环境的不利影响日益加剧，成
为城市环保工作面临的三大新问题之一［１１］ ．在学术
界开展了许多关于城市热岛效应的研究［１２－１３］ ．其研
究方法主要包括地面气象资料观测法、遥感监测法
和边界层数值模式模拟法 ３ 种［１４－１５］ ．遥感技术具有
时间同步性好、覆盖范围广的特点［１６］ ．随着热红外
遥感技术的发展，遥感影像的时间和空间分辨率不
断提高．随着研究的深入，通过 ＧＩＳ 空间统计分析、
热力景观格局分析［１７］等理论和方法与遥感技术的
进一步整合，大大提高了遥感方法在城市热岛研究
中的解释和分析能力，并得到了越来越多的应
用［１８］ ．
目前的城市热岛效应研究虽然取得了很多进
展，但仍然存在着不少的问题． Ｓｔｅｗａｒｔ［１９］ 收集了
１９５０—２００７年间 １９０个城市热岛研究的文献，详细
分析了这些研究样本的质量，发现在所有的城市热
岛强度研究样本中，由于热岛强度定义、观测方法、
数据处理等方面的问题，导致 ３ ／ ４ 的样本数据缺乏
可比性．因此，如何提高城市热岛效应研究中的规范
性和一致性，是当前城市热岛研究中亟待解决的
问题．
城市热岛效应影响范围的界定是城市热岛研究
中一个重要而基础的问题，直接影响到城市热岛强
度的定义和计算、城市热力景观分析等后续研究工
作．但在当前的城市热岛研究中，直接关注城市热岛
范围界定的研究很少，更谈不上统一和规范的界定
方法．本研究试图基于城市地表温度的空间统计特
征，提出一种更为客观和准确的城市热岛范围界定
方法，并以杭州市为例，分析其城市热岛的时空演化
规律，验证该方法的可行性，以增强城市热岛研究中
的通用性与可比性．
１　 研究地区与研究方法
１􀆰 １　 研究区概况
杭州位于中国东南沿海，地处长三角城市群的
核心区域，是浙江省的政治、经济、文化、金融和交通
图 １　 杭州市行政区划示意图
Ｆｉｇ．１　 Ｓｋｅｔｃｈ ｍａｐ ｏｆ ｔｈｅ ａｄｍｉｎｉｓｔｒａｔｉｖｅ ｄｉｓｔｒｉｃｔｓ ｏｆ Ｈａｎｇｚｈｏｕ．
中心．在气候方面，杭州市位于亚热带季风区，夏季
气候炎热湿润，冬季寒冷干燥．全年平均气温 １７．５
℃，平均相对湿度 ７０．３％，年降水量 １４５４ ｍｍ，年日
照时数 １７６５ ｈ．改革开放以来，杭州经历了快速城市
化进程，城市人口和机动车数量不断增加，城郊地区
大片的耕地和湿地变为了建设用地．全球变暖和城
市热岛的叠加效应，使得近年来杭州市的平均气温
上升明显，快速城市化带来的气候和环境效应日益
显著，极端高温热浪事件呈多发趋势．２０１２ 年，中国
气象局国家气候中心的专家根据 １９８１—２０１１ 年的
气象观测资料，综合分析了我国主要城市的炎热指
数、极端最高气温、高温日数、夏季平均最高气温和
最低气温等气象要素，发现杭州的炎热程度仅次于
重庆和福州，排在全国第 ３ 位［２０］ ．拱墅区、上城区、
下城区、江干区、西湖区是杭州市传统的主城区，人
口密集，城市化率高；１９９６ 年 １２ 月，杭州市新设立
了滨江区，重点打造杭州国家高新技术产业开发区；
２００１年 ３月，萧山和余杭撤市设区，并入新杭州．
１􀆰 ２　 数据来源
本文的基础数据主要是 １９８４—２０１０ 年覆盖杭
州市域范围的 ５景 Ｌａｎｄｓａｔ 遥感影像．这些遥感影像
的条带号均为 １１９，行编号为 ３９；中心纬度为
３０􀆰 ３１°，中心经度为 １１９􀆰 ９５°．在成像时间上尽量选
择夏季少云的时间，分别为 １９８４ 年 ７ 月 ３ 日、１９９５
年 ８月 ３日、２０００年 ６月 １３日、２００６年 ５月 ２９日、
２０１０年 ５月 ２４日．
１􀆰 ３　 研究方法
１􀆰 ３􀆰 １遥感反演　 杭州地表温度（ＬＳＴ）的反演采用
Ｊｉｍéｎｅｚ⁃Ｍｕｎｏｚ的普适性单通道算法［２１－２２］ ．主要包括
以下步骤：１）进行遥感影像的预处理．利用美国国家
航空和航天管理局下设单位 ＬＥＤＡＰＳ开发的配准与
１４８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 张　 伟等： 基于空间统计特征的城市热环境时空演化　 　 　 　 　 　
正射纠正程序包 ＡＲＯＰ 进行配准［２３］，配准误差控制
在 ０．５个像元以内．利用 ＣＯＳＴ大气校正模型进行大
气校正［２４］ ．２）进行地表发射率的估计．通过归一化
植被指数（ＮＤＶＩ）获得地物比辐射率（ＬＳＥ）．３）地表
温度反演．对 ＴＭ 热红外波段进行辐射定标以后，即
可计算像元的亮温，进而利用 Ｊｉｍéｎｅｚ⁃Ｍｕｎｏｚ的普适
性单通道算法计算地表温度． ＬＳＴ 的反演公式和参
数取值参见文献［２２－２３］．
１􀆰 ３􀆰 ２热岛范围界定 　 由于 ＡｒｃＧＩＳ 空间分析门槛
值的限制，需要将杭州市的 ＬＳＴ 栅格数据进行重采
样，重采样后其栅格大小为 ３６０ ｍ×３６０ ｍ，然后将栅
格数据转换为矢量数据．利用 Ｍｏｒａｎ Ｉ指数来计算杭
州市每个 ＬＳＴ网格的全局空间自相关性．
Ｍｏｒａｎ Ｉ ＝
ｎ∑
ｎ
ｉ ＝ １
∑
ｎ
ｊ ＝ １
Ｗｉｊ（ｘｉ － 􀭰ｘ）（ｘ ｊ － 􀭰ｘ）
（∑
ｎ
ｉ ＝ １
∑
ｎ
ｊ ＝ １
Ｗｉｊ）∑
ｎ
ｉ ＝ １
（ｘｉ － 􀭰ｘ） ２
（１）
式中：ｘｉ和 ｘ ｊ分别为网格 ｉ 和 ｊ 所在位置的地表温
度，且 ｉ≠ｊ；Ｗｉｊ为距离权重矩阵；ｎ为网格的数量．
Ｍｏｒａｎ Ｉ指数能够反映城市地表温度的空间统
计特征，但不能判断该空间聚集区域是由热点值聚
集而成还是由冷点值聚集而成．因此，利用 Ｇｅｔｉｓ⁃Ｏｒｄ
Ｇｉ∗统计量来识别具有统计显著性的热点和冷点．计
算公式如下：
Ｚ ＝
∑
ｎ
ｉ ＝ １
∑
ｎ
ｊ ＝ １
Ｗｉｊｘｉｘ ｊ
∑
ｎ
ｉ ＝ １
∑
ｎ
ｊ ＝ １
ｘｉｘ ｊ
（２）
在 ０．０５ 置信水平下，当 ｜ Ｚ ｜ ＞１．９６ 时，Ｚ 值为正
表示 ＬＳＴ 网格之间存在显著的高温空间聚集（ＨＨ
聚集），Ｚ 值为负表示 ＬＳＴ 网格之间存在显著的低
温空间聚集（ＬＬ聚集）； ｜Ｚ ｜ ＜１．９６时，表示 ＬＳＴ网格
在区域呈独立随机分布［２５］ ．在本研究中，利用 Ａｒｃ⁃
ＧＩＳ １０．０进行具体的空间统计与分析操作．
１􀆰 ３􀆰 ３热力景观格局分析　 利用 Ｆｒａｇｓｔａｔｓ ４．２计算杭
州市城市热岛 ／冷岛的景观格局指数，主要包括斑块
个数、斑块平均面积、面积加权的平均形状因子等．
２　 结果与分析
２􀆰 １　 杭州城市热岛的时空演化趋势
２􀆰 １􀆰 １热岛面积变化　 热岛面积是反映城市热岛扩
张的最直接的指标．１９８４ 年杭州市城市热岛总面积
仅 ２７４７．５２ ｈｍ２；到 ２０１０年增加为 ２６５２９．１６ ｈｍ２，增
幅为 ８６５．６％，说明期间杭州市城市热岛面积扩张了
８倍多（图 ２）．１９９５—２０００ 年间，杭州城市热岛的年
增长幅度最大，高达 ２４．９％．
图 ２　 杭州城市热岛 ／冷岛的时空演化格局
Ｆｉｇ．２　 Ｓｐａｔｉａｌ⁃ｔｅｍｐｏｒａｌ ｅｖｏｌｕｔｉｏｎ ｐａｔｔｅｒｎ ｏｆ ｕｒｂａｎ ｈｅａｔ ／ ｃｏｌｄ ｉｓｌａｎｄ ｉｎ Ｈａｎｇｚｈｏｕ．
ＮＳ： 无明显变化 Ｎｏ ｓｉｇｎｉｆｉｃａｎｔ ｃｈａｎｇｅ； ＨＨ： ＬＳＴ像元之间存在显著的高温空间聚集 Ａ ｓｔａｔｉｓｔｉｃａｌｌｙ ｓｉｇｎｉｆｉｃａｎｔ ｃｌｕｓｔｅｒ ｏｆ ＬＳＴ ｐｉｘｅｌｓ ｗｉｔｈ ｈｉｇｈ ｔｅｍｐｅｒ⁃
ａｔｕｒｅ； ＬＬ： ＬＳＴ像元之间存在显著的低温空间聚集 Ａ ｓｔａｔｉｓｔｉｃａｌｌｙ ｓｉｇｎｉｆｉｃａｎｔ ｃｌｕｓｔｅｒ ｏｆ ＬＳＴ ｐｉｘｅｌｓ ｗｉｔｈ ｌｏｗ ｔｅｍｐｅｒａｔｕｒｅ； ＨＬ： 该 ＬＳＴ像元为高温像
元，而四周围绕的是低温像元 Ａ ｈｉｇｈ ｔｅｍｐｅｒａｔｕｒｅ ＬＳＴ ｐｉｘｅｌ ｗａｓ ｓｕｒｒｏｕｎｄｅｄ ｐｒｉｍａｒｉｌｙ ｂｙ ｌｏｗ ｔｅｍｐｅｒａｔｕｒｅ ＬＳＴ ｐｉｘｅｌｓ； ＬＨ：该 ＬＳＴ像元为低温像元，而
四周围绕的是高温像元 Ａ ｌｏｗ ｔｅｍｐｅｒａｔｕｒｅ ＬＳＴ ｐｉｘｅｌ ｗａｓ ｓｕｒｒｏｕｎｄｅｄ ｐｒｉｍａｒｉｌｙ ｂｙ ｈｉｇｈ ｔｅｍｐｅｒａｔｕｒｅ ＬＳＴ ｐｉｘｅｌｓ．
２４８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
图 ３　 杭州市八区热岛面积的历史变化态势
Ｆｉｇ．３　 Ｈｉｓｔｏｒｉｃａｌ ｔｒｅｎｄ ｏｆ ＵＨＩ’ｓ ａｒｅａ ｉｎ ｅｉｇｈｔ ｄｉｓｔｒｉｃｔｓ ｏｆ Ｈａｎｇ⁃
ｚｈｏｕ．
Ａ： 上城区 Ｓｈａｎｇｃｈｅｎｇ Ｄｉｓｔｒｉｃｔ； Ｂ： 下城区 Ｘｉａｃｈｅｎｇ Ｄｉｓｔｒｉｃｔ； Ｃ： 拱墅
区 Ｇｏｎｇｓｈｕ Ｄｉｓｔｒｉｃｔ； Ｄ： 江干区 Ｊｉａｎｇｇａｎ Ｄｉｓｔｒｉｃｔ； Ｅ： 西湖区 Ｘｉｈｕ Ｄｉｓ⁃
ｔｒｉｃｔ； Ｆ： 滨江区 Ｂｉｎｊｉａｎｇ Ｄｉｓｔｒｉｃｔ； Ｇ： 萧山区 Ｘｉａｏｓｈａｎ Ｄｉｓｔｒｉｃｔ； Ｈ： 余
杭区 Ｙｕｈａｎｇ Ｄｉｓｔｒｉｃｔ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
　 　 １９８４—２０１０年间，杭州市各区热岛面积变化的
区域差异非常明显（图 ３）．其中，萧山区的热岛面积
增加最多，达 ６８４２．８８ ｈｍ２；上城区的热岛面积增加
最少，为 １４２．５６ ｈｍ２；二者相差 ４７ 倍．由于杭州市各
区的面积差异巨大，所以，通过计算各区热岛面积的
变化率能够更准确地反映该区的热岛变化趋势．研
究期间，江干区的热岛面积从 ６４．８ ｈｍ２增至 ６０９１􀆰 ２０
ｈｍ２，总变化率达 ９３００％；上城区的热岛面积从
８５５􀆰 ３６ ｈｍ２ 增加到 ９９７． ９２ ｈｍ２，总变化率仅为
１６􀆰 ７％；二者相差 ５５７倍．各区热岛占比变化最大的为
下城区，从 １９８４年的 ２７．８％增加到 ２０１０年的 ７４􀆰 １％，
增幅达 ４６．３％；变化最小的为余杭区，从 １９８４ 年的
０􀆰 １％增加到 ２０１０年的 ３．２％，增幅仅为 ３．１％．
２􀆰 １􀆰 ２景观格局演化　 通过计算杭州城市热岛历年
的景观格局指数，可以明确热力景观格局演化规律
（表 １）．１９８４—２０１０年，最大斑块所占景观面积的比
表 １　 杭州市热岛格局演化的基本情况
Ｔａｂｌｅ １　 Ｂａｓｉｃ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｈｅ ＵＨＩ ｅｖｏｌｕｔｉｏｎ ｐａｔｔｅｒｎ ｉｎ
Ｈａｎｇｚｈｏｕ （１９８４－２０１０）
年份
Ｙｅａｒ
斑块数量
Ｎｕｍｂｅｒ ｏｆ
ｐａｔｃｈｅｓ
热岛
总面积
Ｔｏｔａｌ ａｒｅａ
（ｈｍ２）
斑块
平均面积
Ｍｅａｎ
ｐａｔｃｈ ｓｉｚｅ
（ｈｍ２）
面积加权
的平均形
状因子
Ａｒｅａ⁃
ｗｅｉｇｈｔｅｄ
ｍｅａｎ ｓｈａｐｅ
ｉｎｄｅｘ
最大斑块
所占比例
Ａｒｅａ ｐｅｒｃｅｎｔ
ｏｆ ｌａｒｇｅｓｔ
ｐａｔｃｈ
（％）
１９８４ ９ ２７４７．５２ ３０５．２８ ２．６２９８ ８２．６
１９９５ ５４ ８１１２．９６ １５０．２４ ２．５３８２ ６７．６
２０００ １０７ １８１９５．８４ １７０．０５ ３．４７８６ ６０．２
２００６ １９１ ２２３５６．００ １１７．０５ ３．９１１７ ４３．７
２０１０ １９４ ２６５２９．１６ １３６．７５ ３．６９９５ ４０．４
例（ＬＰＩ）不断减少，表明杭州市的热岛由单中心的
聚集状态逐渐向多中心的扩散状态发展．结合其空
间分布可以发现，杭州市以前的热岛主要集中在上
城、下城、江干、拱墅等老城区；随着时间的推移，下
沙、临平、萧山等地的城市热岛也不断发展，从而逐
渐形成了多中心分布格局．
研究期间，杭州城市热岛面积加权的平均形状
因子（ＡＷＭＳＩ）不断增加，这与城市热岛的面积不断
增加、形态更加复杂、分布逐渐分散密切相关．表明
杭州城市热岛呈现出空间蔓延的趋势．
２􀆰 １􀆰 ３变化检测　 利用 ＡｒｃＧＩＳ 的空间分析功能，可
以进行杭州城市热岛和冷岛的动态演化过程检测，
在空间上对变化剧烈的区域进行精确定位，便于更
加准确地进行城市热岛的管理与调控．从图 ４ 可以
看出，新增的热岛主要位于杭州老城区附近，范围主
要包括三墩、丁桥、勾庄、闲林等周边乡镇，多位于杭
州绕城高速公路以内，这也是近年来杭州市城市扩
展的主要区域．外围的新增热岛主要是临平、下沙和
萧山．其中，临平和下沙以前的城市化程度都比较
低．但在 《杭州市城市总体规划 （ ２００１—２０２０
年）》 ［２６］中，这两个区域被定位为 ４ 个中心城区之
一，城市发展速度明显增加；同时，由于这两个区域
的行政辖区面积较小，开发活动比较集中，因而其新
增热岛主要呈团状．萧山的城市化基础较好，且行政
辖区面积巨大，因而其新增热岛较临平和下沙分散．
２􀆰 ２　 杭州城市冷岛的时空演化规律
从图 ２可以看出，研究期间，杭州城市冷岛的空
间格局演化规律并没有热岛那么明显．但从总体上
看，冷岛的斑块数量、总面积也在增加．这主要是因
为在市域范围内，由于城市热岛数量的增加和范围
图 ４　 杭州城市热岛和冷岛的时序动态变化检测
Ｆｉｇ．４　 Ｔｅｍｐｏｒａｌ ｄｙｎａｍｉｃ ｃｈａｎｇｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｕｒｂａｎ ｈｅａｔ ／ ｃｏｌｄ
ｉｓｌａｎｄ ｉｎ Ｈａｎｇｚｈｏｕ （１９８４－２０１０）．
３４８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 张　 伟等： 基于空间统计特征的城市热环境时空演化　 　 　 　 　 　
图 ５　 杭州市八区冷岛面积的历史变化态势
Ｆｉｇ．５　 Ｈｉｓｔｏｒｉｃａｌ ｃｈａｎｇｅ ｔｒｅｎｄ ｏｆ ｕｒｂａｎ ｃｏｌｄ ｉｓｌａｎｄ’ ｓ ａｒｅａ ｉｎ
ｅｉｇｈｔ ｄｉｓｔｒｉｃｔｓ ｏｆ Ｈａｎｇｚｈｏｕ．
的扩张，许多以前在空间统计中并不显著的斑块转
变成了冷岛．典型案例包括西湖和钱塘江．如在 １９８４
和 １９９５年，西湖和钱塘江的表面温度和周边区域的
地表温度比较接近，因而西湖和钱塘江均没有表现
为显著的冷岛；但在 ２０００ 年，钱塘江表现为显著的
冷岛，在 ２００６和 ２０１０年，西湖和钱塘江均表现为显
著的冷岛．这表明随着城市的扩张，西湖和钱塘江周
边区域的地表温度上升剧烈，与西湖和钱塘江的表
面温度的差异不断增加，使得西湖和钱塘江成为了
显著的冷岛．
与城市热岛相比，杭州城市冷岛的变化同样存
在着巨大的区域差异（图 ５）．其中，萧山区的变化最
剧烈．２６ 年间，其冷岛面积经历了一个增加－减少的
倒“Ｕ”型演化轨迹．１９８４—２００６ 年，萧山冷岛面积增
加的原因主要是由于萧山市区周边的高温区不断扩
张，导致整个区域的低温均衡状态被打破；而温度基
本不变的区域则演化为显著的冷岛．２００６—２０１０ 年，
萧山冷岛面积出现了降低，主要是因为随着萧山城
市化进程的加快，低温区域逐渐被高温区域蚕食所
致．萧山区地表温度的演化呈现出明显的由区域低
温均衡向区域高温均衡发展的态势．上城区、下城
区、拱墅区是杭州老城区所在地，自身面积较小，且
城市变化较小，因而一直处于高温均衡状态，其冷岛
分布面积很小，时序变化也很小．
３　 讨　 　 论
当前，城市热岛研究尚未形成学术界一致认可
和比较规范的准则，使得在数据处理、热岛界定等诸
多研究环节上都会受到研究者主观因素的影响，最
终导致研究样本之间缺乏通用性和可比性［１９］ ．迄
今，城市热岛的判定主要有以下几种方式：１）站点
比较法．通过对若干个城市气象站和郊区气象站的
观测数据比较来界定城市热岛的强度和大致范
围［２７－２８］ ．这种方法最大的缺点是气象站点数量有
限，无法掌握大范围中城市热岛的空间分布信息．同
时，其研究受气象站点的位置、地形、观测仪器、局地
小气候条件等站点特征的影响很大，从而降低了研
究样本之间的可比性．２）温度等级法．通过某种分级
标准，将通过遥感反演或空间插值获取的城市温度
表面划分为不同的温度等级，进而判定城市热岛的
方法．分级方式主要有以下 ３ 种：１）等距分级法，按
照相同的温度间隔将城市地表温度分为若干
级［２９－３０］ ．在该方法的具体操作过程中，温度范围、等
级间隔等的确定过程均会受到研究者主观因素的影
响．２）区域均值分级法，根据城区和郊区的平均温度
来划分热岛范围［３１］ ．在该方法的操作过程中，城区、
郊区的界定，以及对平均温度的处理均存在一定的
主观因素．同时，以区域均温作为划分基准也忽略了
地表温度的空间异质性．３）数理统计法，利用欧氏距
离、方差、质心距离等聚类算法指标，将所有温度值
划分为若干个类别［３２－３３］ ．该方法的主要缺点是没有
考虑到地表温度的空间相关关系．
城市热岛范围界定方法的多样化和主观性是城
市热岛效应研究样本之间缺乏通用性和可比性的重
要因素．因此，本研究提出了一种基于空间统计特征
的城市热岛范围界定方法．与其他方法相比，该方法
主要有以下优点：１）能够客观、准确地界定城市热
岛的范围，增加了城市热岛研究结果之间的通用性
和可比性．以往的站点比较法和温度等级法往往会
受到气象站的站点特征和研究者主观因素等的影
响，不利于研究成果之间的比较．本方法主要是基于
Ｍｏｒａｎ Ｉ指数、Ｇｅｔｉｓ⁃Ｏｒｄ Ｇｉ∗统计量等反映地表温度
空间统计特征的指标来进行城市热岛范围提取，其
过程更加客观，结果更加准确合理．２）可以获取准确
的城市热岛范围．在此基础上，可以更加方便地开展
城市热力景观格局研究、动态变化检测等后续研究．
同时，明确城市热岛的范围之后，有助于各种城市热
岛缓解措施在空间上的精确定位和实施，提高针对
性．３）可以在识别城市热岛的同时识别出冷岛的范
围．利用这些信息可以进一步分析在特定时间段内，
哪些土地利用类型、哪些区域能够发挥降温作用，从
而有助于制定更有针对性的城市热岛缓解措施，提
高城市热岛调控的效率．
４　 结　 　 论
本文提出了一种基于空间统计特征的城市热岛
４４８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷
范围界定方法．相对于以往研究中常采用的站点比
较法、温度等级法等，该方法考虑了城市地表温度的
空间相关关系，反映了城市地表温度的全局统计特
征，更为客观和准确．同时，该方法能够提供城市冷
岛范围、显著性得分等信息，从而为城市热岛的后续
研究奠定了坚实基础．该方法的推广，有助于解决当
前城市热岛研究中研究样本之间缺乏通用性和可比
性的问题．
本文以杭州市为例，开展了城市热岛时空演化
研究．结果表明，１９８４—２０１０ 年间，杭州市的城市热
岛面积增加了 ８．６６ 倍．其中，在杭州下辖各区中，萧
山区的热岛面积增长最多；杭州城市热岛的空间形
态日趋复杂，空间分布也由单中心的聚集状态逐渐
向多中心的扩散状态发展；对杭州城市热岛的时序
演化检测发现，新增热岛主要在杭州老城区附近，杭
州绕城高速公路以内的区域，外围的新增热岛主要
是临平、下沙和萧山等杭州市重点发展的副城区，表
明城市扩张是杭州城市热岛发育的主要动因；随着
杭州城市热岛的发育，其城市冷岛也经历了一个增
加⁃减少的倒“Ｕ”型演化轨迹，表明杭州的城市热环
境呈现出由区域低温均衡向区域高温均衡发展的
态势．
参考文献
［１］　 Ｃｒｏｗｌｅｙ ＴＪ． Ｃａｕｓｅｓ ｏｆ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｏｖｅｒ ｔｈｅ ｐａｓｔ １０００
ｙｅａｒｓ． Ｓｃｉｅｎｃｅ， ２０００， ２８９： ２７０－２７７
［２］　 Ｐａｒｍｅｓａｎ Ｃ， Ｙｏｈｅ Ｇ． Ａ ｇｌｏｂａｌｌｙ ｃｏｈｅｒｅｎｔ ｆｉｎｇｅｒｐｒｉｎｔ ｏｆ
ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｉｍｐａｃｔｓ ａｃｒｏｓｓ ｎａｔｕｒａｌ ｓｙｓｔｅｍｓ． Ｎａｔｕｒｅ，
２００３， ４２１： ３７－４２
［３］　 Ｔｈｕｉｌｌｅｒ Ｗ， Ｌａｖｏｒｅｌ Ｓ， Ａｒａúｊｏ ＭＢ， ｅｔ ａｌ． Ｃｌｉｍａｔｅ
ｃｈａｎｇｅ ｔｈｒｅａｔｓ ｔｏ ｐｌａｎｔ ｄｉｖｅｒｓｉｔｙ ｉｎ Ｅｕｒｏｐｅ． Ｐｒｏｃｅｅｄｉｎｇｓ
ｏｆ ｔｈｅ Ｎａｔｉｏｎａｌ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ ｏｆ ｔｈｅ Ｕｎｉｔｅｄ Ｓｔａｔｅｓ
ｏｆ Ａｍｅｒｉｃａ， ２００５， １０２： ８２４５－８２５０
［４］　 Ｌｏｂｅｌｌ ＤＢ， Ｂｕｒｋｅ ＭＢ， Ｔｅｂａｌｄｉ Ｃ， ｅｔ ａｌ． Ｐｒｉｏｒｉｔｉｚｉｎｇ ｃｌｉ⁃
ｍａｔｅ ｃｈａｎｇｅ ａｄａｐｔａｔｉｏｎ ｎｅｅｄｓ ｆｏｒ ｆｏｏｄ ｓｅｃｕｒｉｔｙ ｉｎ ２０３０．
Ｓｃｉｅｎｃｅ， ２００８， ３１９： ６０７－６１０
［５］　 Ｎｅｉｌ ＡＷ， Ａｒｎｅｌｌ ＮＷ， Ｔｏｍｐｋｉｎｓ ＥＬ． Ｓｕｃｃｅｓｓｆｕｌ ａｄａｐｔａ⁃
ｔｉｏｎ ｔｏ ｃｌｉｍａｔｅ ｃｈａｎｇｅ ａｃｒｏｓｓ ｓｃａｌｅｓ． Ｇｌｏｂａｌ Ｅｎｖｉｒｏｎｍｅｎ⁃
ｔａｌ Ｃｈａｎｇｅ， ２００５， １５： ７７－８６
［６］　 Ｑｉｎ Ｄ⁃Ｈ （秦大河）， Ｔｈｏｍａｓ Ｓ． Ｈｉｇｈｌｉｇｈｔｓ ｏｆ ｔｈｅ ＩＰＣＣ
Ｗｏｒｋｉｎｇ Ｇｒｏｕｐ Ｉ Ｆｉｆｔｈ Ａｓｓｅｓｓｍｅｎｔ Ｒｅｐｏｒｔ． Ａｄｖａｎｃｅｓ ｉｎ
Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ Ｒｅｓｅａｒｃｈ （气候变化研究进展 ），
２０１４， １０（１）： １－６ （ｉｎ Ｃｈｉｎｅｓｅ）
［７］　 Ｄｉｎｇ Ｙ⁃Ｈ （丁一汇）， Ｒｅｎ Ｇ⁃Ｙ （任国玉）， Ｓｈｉ Ｇ⁃Ｙ
（石广玉）， ｅｔ ａｌ． Ｎａｔｉｏｎａｌ ａｓｓｅｓｓｍｅｎｔ ｒｅｐｏｒｔ ｏｆ ｃｌｉｍａｔｅ
ｃｈａｎｇｅ （ Ｉ）： Ｃｌｉｍａｔｅ ｃｈａｎｇｅ ｉｎ Ｃｈｉｎａ ａｎｄ ｉｔｓ ｆｕｔｕｒｅ
ｔｒｅｎｄ． Ａｄｖａｎｃｅｓ ｉｎ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ Ｒｅｓｅａｒｃｈ （气候变化
研究进展）， ２００６， ２（１）： ３－８ （ｉｎ Ｃｈｉｎｅｓｅ）
［８］　 Ｇａｇｏ ＥＪ， Ｒｏｌｄａｎ Ｊ， Ｐａｃｈｅｃｏ⁃Ｔｏｒｒｅｓ Ｒ， ｅｔ ａｌ． Ｔｈｅ ｃｉｔｙ
ａｎｄ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄｓ： Ａ ｒｅｖｉｅｗ ｏｆ ｓｔｒａｔｅｇｉｅｓ ｔｏ ｍｉｔｉｇａｔｅ
ａｄｖｅｒｓｅ ｅｆｆｅｃｔｓ． Ｒｅｎｅｗａｂｌｅ ＆ Ｓｕｓｔａｉｎａｂｌｅ Ｅｎｅｒｇｙ Ｒｅｖｉｅｗ，
２０１３， ２５： ７４９－７５８
［９］　 Ｒｅｎ Ｇ， Ｚｈｏｕ Ｙ， Ｃｈｕ Ｚ， ｅｔ ａｌ． Ｕｒｂａｎｉｚａｔｉｏｎ ｅｆｆｅｃｔｓ ｏｎ
ｏｂｓｅｒｖｅｄ ｓｕｒｆａｃｅ ａｉｒ ｔｅｍｐｅｒａｔｕｒｅ ｔｒｅｎｄｓ ｉｎ Ｎｏｒｔｈ Ｃｈｉｎａ．
Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｅ， ２００８， ２１： １３３３－１３４８
［１０］　 Ｚｈａｎｇ ＧＪ， Ｃａｉ Ｍ， Ｈｕ Ａ． Ｅｎｅｒｇｙ ｃｏｎｓｕｍｐｔｉｏｎ ａｎｄ ｔｈｅ
ｕｎｅｘｐｌａｉｎｅｄ ｗｉｎｔｅｒ ｗａｒｍｉｎｇ ｏｖｅｒ ｎｏｒｔｈｅｒｎ Ａｓｉａ ａｎｄ
Ｎｏｒｔｈ Ａｍｅｒｉｃａ． Ｎａｔｕｒｅ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ， ２０１３， ３： ４６６－
４７０
［１１］　 Ｌｉ Ｇ⁃Ｄ （李国栋）， Ｚｈａｎｇ Ｊ⁃Ｈ （张俊华）， Ｃｈｅｎｇ Ｈ⁃Ｙ
（程弘毅）， ｅｔ ａｌ． Ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｅｆｆｅｃｔ ａｇａｉｎｓｔ ｔｈｅ
ｂａｃｋｇｒｏｕｎｄ ｏｆ ｇｌｏｂａｌ ｗａｒｍｉｎｇ ａｎｄ ｕｒｂａｎｉｚａｔｉｏｎ． Ａｄ⁃
ｖａｎｃｅｓ ｉｎ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ （气象
科技进展）， ２０１２， ２（６）： ４５－４９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｏｌｅｓｏｎ ＫＷ， Ｂｏｎａｎ ＧＢ， Ｆｅｄｄｅｍａ Ｊ， ｅｔ ａｌ． Ａｎ ｅｘａｍｉｎａ⁃
ｔｉｏｎ ｏｆ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ｉｎ ａ ｇｌｏｂａｌ ｃｌｉ⁃
ｍａｔｅ ｍｏｄｅｌ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ， ２０１１，
３１： １８４８－１８６５
［１３］　 Ｚｈｏｕ Ｗ， Ｑｉａｎ Ｙ， Ｌｉ Ｘ， ｅｔ ａｌ． Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ
ｌａｎｄ ｃｏｖｅｒ ａｎｄ ｔｈｅ ｓｕｒｆａｃｅ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ： Ｓｅａｓｏｎａｌ
ｖａｒｉａｂｉｌｉｔｙ ａｎｄ ｅｆｆｅｃｔｓ ｏｆ ｓｐａｔｉａｌ ａｎｄ ｔｈｅｍａｔｉｃ ｒｅｓｏｌｕｔｉｏｎ
ｏｆ ｌａｎｄ ｃｏｖｅｒ ｄａｔａ ｏｎ ｐｒｅｄｉｃｔｉｎｇ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａ⁃
ｔｕｒｅｓ． Ｌａｎｄｓｃａｐｅ Ｅｃｏｌｏｇｙ， ２０１４， ２９： １５３－１６７
［１４］　 Ｂａｉ Ｙ （白 　 杨）， Ｗａｎｇ Ｘ⁃Ｙ （王晓云）， Ｊｉａｎｇ Ｈ⁃Ｍ
（姜海梅）， ｅｔ ａｌ． Ｐｒｏｇｒｅｓｓ ｏｆ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｅｆｆｅｃｔ．
Ｊｏｕｒｎａｌ ｏｆ Ｍｅｔｅｏｒｏｌｏｇｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ （气象与环境
学报）， ２０１３， ２９（２）： １０１－１０６ （ｉｎ Ｃｈｉｎｅｓｅ）
［１５］　 Ｒｉｚｗａｎ ＡＭ， Ｄｅｎｎｉｓ ＬＹＣ， Ｌｉｕ Ｃ． Ａ ｒｅｖｉｅｗ ｏｎ ｔｈｅ ｇｅｎ⁃
ｅｒａｔｉｏｎ， ｄｅｔｅｒｍｉｎａｔｉｏｎ ａｎｄ ｍｉｔｉｇａｔｉｏｎ ｏｆ ｕｒｂａｎ ｈｅａｔ ｉｓ⁃
ｌａｎｄ． Ｊｏｕｒｎａｌ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅｓ， ２００８， ２０：
１２０－１２８
［１６］　 Ｇｏｎｇ Ａ⁃Ｄ （宫阿都）， Ｘｕ Ｊ （徐　 捷）， Ｚｈａｏ Ｊ （赵　
静）， ｅｔ ａｌ． Ａ ｓｕｒｖｅｙ ｏｆ ｓｔｕｄｙ ｍｅｔｈｏｄ ｆｏｒ ｕｒｂａｎ ｈｅａｔ ｉｓ⁃
ｌａｎｄ． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕｒａｌ Ｄｉｓａｓｔｅｒｓ （自然灾害学报），
２００９， １７（６）： ９６－９９ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｃｈｅｎ Ｙ⁃Ｈ （陈云浩）， Ｓｈｉ Ｐ⁃Ｊ （史培军）， Ｌｉ Ｘ⁃Ｂ （李
晓兵 ）． Ｒｅｓｅａｒｃｈ ｏｎ ｓｐａｔｉａｌ ｔｈｅｒｍａｌ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ
Ｓｈａｎｇｈａｉ Ｃｉｔｙ ｂａｓｅｄ ｏｎ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ＧＩＳ． Ａｃｔａ
Ｇｅｏｄａｅｔｉｃａ ｅｔ Ｃａｒｔｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （测绘学报）， ２００２，
３１（２）： １３９－１４４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１８］　 Ｈｕ Ｌ， Ｂｒｕｎｓｅｌｌ ＮＡ． Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｔｅｍｐｏｒａｌ ａｇｇｒｅｇａｔｉｏｎ
ｏｆ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｄａｔａ ｆｏｒ ｓｕｒｆａｃｅ ｕｒｂａｎ ｈｅａｔ
ｉｓｌａｎｄ （ ＳＵＨＩ） ｍｏｎｉｔｏｒｉｎｇ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔ， ２０１３， １３４： １６２－１７４
［１９］　 Ｓｔｅｗａｒｔ ＩＤ． Ａ ｓｙｓｔｅｍａｔｉｃ ｒｅｖｉｅｗ ａｎｄ ｓｃｉｅｎｔｉｆｉｃ ｃｒｉｔｉｑｕｅ ｏｆ
ｍｅｔｈｏｄｏｌｏｇｙ ｉｎ ｍｏｄｅｒｎ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｌｉｔｅｒａｔｕｒｅ． Ｉｎ⁃
ｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｌｉｍａｔｏｌｏｇｙ， ２０１１， ３１： ２００－２１７
［２０］　 Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ （中国气象局）．
Ｅｘｐｅｒｔｓ ｏｆ Ｎａｔｉｏｎａｌ Ｃｌｉｍａｔｅ Ｃｅｎｔｅｒ： Ｍｏｒｅ ａｎｄ Ｍｏｒｅ
“ Ｓｔｏｖｅ” Ｃｉｔｉｅｓ ［ ＥＢ ／ ＯＬ］． （ ２０１２⁃０８⁃１６） ［ ２０１４⁃０６⁃
１１］． ｈｔｔｐ： ／ ／ ｗｗｗ． ｃｍａ． ｇｏｖ． ｃｎ ／ ２０１１ｘｗｚｘ ／ ２０１１ｘｑｈｂｈ ／
２０１１ｘｄｔｘｘ ／ ２０１２０８ ／ ｔ２０１２０８１６ ＿ １８２１１２． ｈｔｍｌ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［２１］　 Ｊｉｍéｎｅｚ⁃Ｍｕñｏｚ ＪＣ， Ｓｏｂｒｉｎｏ ＪＡ． Ａ ｇｅｎｅｒａｌｉｚｅｄ ｓｉｎｇｌｅ⁃
ｃｈａｎｎｅｌ ｍｅｔｈｏｄ ｆｏｒ ｒｅｔｒｉｅｖｉｎｇ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ
ｆｒｏｍ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅ⁃
ｓｅａｒｃｈ： Ａｔｍｏｓｐｈｅｒｅｓ， ２００３， １０８ ： ４６８８
５４８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 张　 伟等： 基于空间统计特征的城市热环境时空演化　 　 　 　 　 　
［２２］　 Ｃｒｉｓｔóｂａｌ Ｊ， Ｊｉｍéｎｅｚ⁃Ｍｕñｏｚ ＪＣ， Ｓｏｂｒｉｎｏ ＪＡ， ｅｔ ａｌ． Ｉｍ⁃
ｐｒｏｖｅｍｅｎｔｓ ｉｎ ｌａｎｄ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｒｅｔｒｉｅｖａｌ ｆｒｏｍ ｔｈｅ
Ｌａｎｄｓａｔ ｓｅｒｉｅｓ ｔｈｅｒｍａｌ ｂａｎｄ ｕｓｉｎｇ ｗａｔｅｒ ｖａｐｏｒ ａｎｄ ａｉｒ
ｔｅｍｐｅｒａｔｕｒｅ． Ｊｏｕｒｎａｌ ｏｆ Ｇｅｏｐｈｙｓｉｃａｌ Ｒｅｓｅａｒｃｈ： Ａｔｍｏｓ⁃
ｐｈｅｒｅｓ， ２００９， １１４： Ｄ０８１０３
［２３］　 Ｇａｏ Ｆ， Ｍａｓｅｋ Ｊ， Ｗｏｌｆｅ ＲＥ． Ａｕｔｏｍａｔｅｄ ｒｅｇｉｓｔｒａｔｉｏｎ ａｎｄ
ｏｒｔｈｏｒｅｃｔｉｆｉｃａｔｉｏｎ ｐａｃｋａｇｅ ｆｏｒ Ｌａｎｄｓａｔ ａｎｄ Ｌａｎｄｓａｔ⁃ｌｉｋｅ
ｄａｔａ ｐｒｏｃｅｓｓｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，
２００９， ３： ３３５１５
［２４］　 Ｃｈｖａｅｚ ＲＳ． Ｉｍｇａｅ⁃ｂａｓｅｄ ａｔｍｏｓｐｈｅｒｉｃ ｃｏｒｒｅｃｔｉｏｎ ｒｅｖｉｓｉｔｅｄ
ａｎｄ ｉｍｐｒｏｖｅｄ． Ｐｈｏｔｏｇｒｍａｍｅｔｒｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｒｅｍｏｔｅ
Ｓｅｎｓｉｎｇ， １９９６， ６２： １０２５－１０３６
［２５］　 Ｇｕ Ｊ⁃Ｌ （谷建立）， Ｚｈａｎｇ Ｈ⁃Ｔ （张海涛）， Ｃｈｅｎ Ｊ⁃Ｙ
（陈家赢）， ｅｔ ａｌ． Ａｎａｌｙｓｉｓ ｏｆ ｌａｎｄ ｕｓｅ ｓｐａｔｉａｌ ａｕｔｏｃｏｒｒｅ⁃
ｌａｔｉｏｎ ｐａｔｔｅｒｎｓ ｂａｓｅｄ ｏｎ ＤＥＭ ｄａｔａ． Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ
Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ Ｅｎｇｉｎｅｅｒｉｎｇ （农业工程
学报）， ２０１３， ２８（２３）： ２１６－２２４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２６］　 Ｈａｎｇｚｈｏｕ Ｃｉｔｙ Ｐｌａｎｎｉｎｇ Ｂｕｒｅａｕ （杭州市规划局）．
Ｏｖｅｒａｌｌ Ｐｌａｎｎｉｎｇ ｏｆ Ｈａｎｇｚｈｏｕ Ｃｉｔｙ （２００１⁃２０２０） ［ＥＢ ／
ＯＬ］． （ ２００５⁃１０⁃２０ ） ［ ２０１４⁃０５⁃１３ ］． ｈｔｔｐ： ／ ／ ｂａｉｋｅ．
ｂａｉｄｕ． ｃｏｍ ／ ｌｉｎｋ？ ｕｒｌ ＝ ⁃ｔｗＳ０ｂ２ｈＷＵＩｅｆＶｙｏＲｊｑ６ｓ Ｕ４５Ａ⁃
ｄＲｚ２ｊｆＥｙＩＥｇＣＢＶ⁃ ｉＪＨｄｗｈＨＧＴＳｑ０５ｉｃ３ｒｇＣｓａＤｒ４ｊＶＴａＡａｍ⁃
ＧＺｒ９ｘｓＡ１ＸＥｑ７ＸＫ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｔａｎ Ｊ， Ｚｈｅｎｇ Ｙ， Ｔａｎｇ Ｘ， ｅｔ ａｌ． Ｔｈｅ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ
ａｎｄ ｉｔｓ ｉｍｐａｃｔ ｏｎ ｈｅａｔ ｗａｖｅｓ ａｎｄ ｈｕｍａｎ ｈｅａｌｔｈ ｉｎ
Ｓｈａｎｇｈａｉ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｔｅｏｒｏｌｏｇｙ，
２０１０， ５４： ７５－８４
［２８］　 Ｇｉａｎｎａｒｏｓ ＴＭ， Ｍｅｌａｓ Ｄ． Ｓｔｕｄｙ ｏｆ ｔｈｅ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ
ｉｎ ａ ｃｏａｓｔａｌ Ｍｅｄｉｔｅｒｒａｎｅａｎ ｃｉｔｙ： Ｔｈｅ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｔｈｅｓ⁃
ｓａｌｏｎｉｋｉ， Ｇｒｅｅｃｅ． Ａｔｍｏｓｐｈｅｒｉｃ Ｒｅｓｅａｒｃｈ， ２０１２， １１８：
１０３－１２０
［２９］　 Ｃｈｅｎ ＸＬ， Ｚｈａｏ ＨＭ， Ｌｉ ＰＸ， ｅｔ ａｌ． Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｍ⁃
ａｇｅ⁃ｂａｓｅｄ ａｎａｌｙｓｉｓ ｏｆ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｕｒｂａｎ ｈｅａｔ
ｉｓｌａｎｄ ａｎｄ ｌａｎｄ ｕｓｅ ／ ｃｏｖｅｒ ｃｈａｎｇｅｓ． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ
Ｅｎｖｉｒｏｎｍｅｎｔ， ２００６， １０４： １３３－１４６
［３０］　 Ｌｉ Ｌ⁃Ｇ （李丽光）， Ｗａｎｇ Ｈ⁃Ｂ （王宏博）， Ｊｉａ Ｑ⁃Ｙ （贾
庆宇）， ｅｔ ａｌ． Ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｉｎｔｅｎｓｉｔｙ ａｎｄ ｉｔｓ ｇｒａｄｉｎｇ
ｉｎ Ｌｉａｏｎｉｎｇ Ｐｒｏｖｉｎｃｅ ｏｆ Ｎｏｒｔｈｅａｓｔ Ｃｈｉｎａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ
ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２０１２， ２３（５）：
１３４５－１３５０ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｌｉｕ Ｓ （刘　 帅）， Ｌｉ Ｑ （李　 琦）， Ｚｈｕ Ｙ⁃Ｊ （朱亚杰）．
Ｓｔｕｄｙ ｏｎ ｓｅａｓｏｎａｌ ｖａｒｉａｔｉｏｎ ｏｆ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄ ｗｉｔｈ ＨＪ⁃
１Ｂ ｓａｔｅｌｌｉｔｅ ｉｍａｇｅｒｙ： Ａ ｃａｓｅ ｓｔｕｄｙ ｏｆ Ｂｅｉｊｉｎｇ． Ｓｃｉｅｎｔｉａ
Ｇｅｏｇｒａｐｈｉｃａ Ｓｉｎｉｃａ （地理科学）， ２０１４， ３４（１）： ８４－８８
（ｉｎ Ｃｈｉｎｅｓｅ）
［３２］　 Ｚｈａｎｇ Ｊ， Ｗａｎｇ Ｙ． Ｓｔｕｄｙ ｏｆ ｔｈｅ ｒｅｌａｔｉｏｎｓｈｉｐｓ ｂｅｔｗｅｅｎ ｔｈｅ
ｓｐａｔｉａｌ ｅｘｔｅｎｔ ｏｆ ｓｕｒｆａｃｅ ｕｒｂａｎ ｈｅａｔ ｉｓｌａｎｄｓ ａｎｄ ｕｒｂａｎ
ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｆａｃｔｏｒｓ ｂａｓｅｄ ｏｎ Ｌａｎｄｓａｔ ＥＴＭ＋ ｄａｔａ． Ｓｅｎ⁃
ｓｏｒｓ， ２００８， ８： ７４５３－７４６８
［３３］　 Ｄａｉ Ｘ， Ｇｕｏ Ｚ， Ｚｈａｎｇ Ｌ， ｅｔ ａｌ． Ｓｐａｔｉｏ⁃ｔｅｍｐｏｒａｌ ｅｘｐｌｏｒａ⁃
ｔｏｒｙ ａｎａｌｙｓｉｓ ｏｆ ｕｒｂａｎ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ｆｉｅｌｄ ｉｎ Ｓｈａｎｇ⁃
ｈａｉ， Ｃｈｉｎａ． Ｓｔｏｃｈａｓｔｉｃ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｒｅｓｅａｒｃｈ ａｎｄ Ｒｉｓｋ
Ａｓｓｅｓｓｍｅｎｔ， ２０１０， ２４： ２４７－２５７
作者简介　 张　 伟，男，１９８２年生，博士，讲师．主要从事土地
利用及城市生态研究． Ｅ⁃ｍａｉｌ： ｚｗｅｉ１９９７＠ １２６．ｃｏｍ
责任编辑　 杨　 弘
６４８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２６卷