福州城市地表温度时空变化与贡献度研究

doi:10.11867/j.issn.1001-8166.2020.008.

地球科学进展 ›› 2020, Vol. 35 ›› Issue (1): 88 -100. doi: 10.11867/j.issn.1001-8166.2020.008.

福州城市地表温度时空变化与贡献度研究

康文敏 ¹(

),蔡芫镔 ¹(

),郑慧祯 ^1, ²

^1.福州大学环境与资源学院，福建福州 350116
^2.福州市规划设计研究院，福建福州 350108

收稿日期:2019-09-02 修回日期:2019-12-31 出版日期:2020-01-20
通讯作者: 蔡芫镔 E-mail:wenmin_k1994@126.com;caiyuanbin82@163.com
基金资助:
晋江市福州大学科教园区发展中心科研项目“基于3S技术的闽江河口湿地表面温度扰动特性及驱动机制研究”(2019-JJFDKY-72)

Spatial-temporal Patterns of Land Surface Temperature and Influencing Factors Contribution in Fuzhou City

Wenmin Kang ¹( ),Yuanbin Cai ¹( ),Huizhen Zheng ^1, ²

^1.College of Environment and Resources, Fuzhou University, Fuzhou 350116, China
^2.Fuzhou Planning Design and Research Institute, Fuzhou 350108, China

Received:2019-09-02 Revised:2019-12-31 Online:2020-01-20 Published:2020-02-27
Contact: Yuanbin Cai E-mail:wenmin_k1994@126.com;caiyuanbin82@163.com
About author:Kang Wenmin (1994-), female, Nanping City, Fujian Province, Master student. Research area include urban ecological research. E-mail: wenmin_k1994@126.com
Supported by:
the Jinjiang-Fuzhou University Science and Education Development Center Research “Study on land surface temperature disturbance characteristics and driving mechanism of wetland in Minjiang estuary based on 3S technology”(2019-JJFDKY-72)

全文 ( 24 ) 下载PDF ( 1472 )

随着全球变暖和城市化进程的加快，城市区域的热环境问题日益凸显。以福州为例，基于遥感、地理信息系统和地统计学等方法，通过多尺度空间模式，定量分析以地表温度贡献度为表征的城市热环境时空变化及其特征。结果表明： $①$ 1993—2016年，研究区的土地利用/覆盖类型发生了显著变化，建设用地净增长1 231.04 km²，变化率高达295.33%；耕地被建设用地占用。 $②$ 地表温度空间格局变化明显，中高温区以闽江水域为轴向周边区域逐渐蔓延，低温区和次低温区面积显著减少。 $③$ 1993—2016年，福州所辖各县市区地表温度贡献时空分布不均。其中，中心城区（鼓楼区、台江区、仓山区、晋安区和马尾区）对地表温度上升表现为正贡献，闽清县和永泰县表现为负贡献。从不同土地利用/覆盖类型来看，林/草地、耕地、水体对地表温度升高有负贡献，建设用地表现为正贡献。 $④$ 多距离空间聚类分析（Ripley’s K函数）显示，地表温度集聚与分散存在尺度效应；1993—2016年，研究区的地表温度集聚范围逐步扩大、集聚程度增强。

关键词: 热环境, 贡献度指数, 空间模式, 尺度效应

With the intensification of urbanization and global warming, the problems of urban thermal environment are increasingly prominent. On the basis of the remote sensing, geographic information system, geostatistics and multiscale spatial pattern, the spatial-temporal variation characteristics of land surface temperature in urban thermal environment were quantitatively analyzed. The results are as follows: $①$ Dramatic changes in land use/land cover had occurred from 1993 to 2016 in the study area. The net increase area of construction land was 1 231.04 km², with a change rate of 295.33%. Cultivated land was occupied by construction land. $②$ The area of middle, sub-high and high temperature zones spread to the surrounding areas gradually with the Minjiang River. The area of sub-low and low temperature zones decreased markedly. $③$ From 1993 to 2016, the contribution of land surface temperature in different urban districts had the characteristics of uneven spatial and temporal distribution. Meanwhile, there was a positive contribution in the process of land surface temperature rise in Fuzhou while there was a negative contribution in Minqing and Yongtai. Forest/grassland, cultivated land, water body and wetland had a negative contribution during land surface temperature rise while construction land contributed positively. $④$ According to the multi-distance spatial cluster analysis (Ripley's K function), there was a certain scale in the aggregation and dispersion of land surface temperature, in which the aggregation range and degree of aggregation increased in the study area in 24 years.

Key words: Thermal environment, Contribution index, Spatial pattern, Scale effect

中图分类号:

P423.3

图1 研究区地理位置图（a）及其Landsat 5影像（b）（1993-06-26）

Fig.1 Location of the study area （a） and its Landsat 5 image （b） (1993-06-26)

表1 1993— 2016年遥感影像数据

Table 1 Landsat data used from 1993 to 2016

获取日期	获取时间	传感器类型	条带号	多光谱波段分辨率/m	热红外波段分辨率/m
1993-06-26	09:55:00	Landsat5 TM	119/42	30	120
2000-05-04	10:24:47	Landsat7 ETM+	119/42	30	60
2008-07-05	10:19:41	Landsat5 TM	119/42	30	120
2016-07-27	10:32:31	Landsat8 OLI/TIRS	119/42	30	100

表1 1993— 2016年遥感影像数据

Table 1 Landsat data used from 1993 to 2016

获取日期	获取时间	传感器类型	条带号	多光谱波段分辨率/m	热红外波段分辨率/m
1993-06-26	09:55:00	Landsat5 TM	119/42	30	120
2000-05-04	10:24:47	Landsat7 ETM+	119/42	30	60
2008-07-05	10:19:41	Landsat5 TM	119/42	30	120
2016-07-27	10:32:31	Landsat8 OLI/TIRS	119/42	30	100

图2 1993—2016年研究区土地利用/覆盖图

Fig.2 Land use/cover map of the study area from 1993 to 2016

表2 1993— 2016年土地利用 /覆盖分类精度评价

Table 2 Land use/cover classification accuracy evaluation from 1993 to 2016

年份	1993年	2000年	2008年	2016年
总体分类精度/%	92.67	90.00	89.33	92.67
Kappa系数	0.82	0.78	0.75	0.84

表2 1993— 2016年土地利用 /覆盖分类精度评价

Table 2 Land use/cover classification accuracy evaluation from 1993 to 2016

年份	1993年	2000年	2008年	2016年
总体分类精度/%	92.67	90.00	89.33	92.67
Kappa系数	0.82	0.78	0.75	0.84

图3 1993—2016年地表温度等级分布图

Fig.3 Land surface temperature zones from 1993 to 2016

图4 1993—2016年相对地表温度等级分布图

Fig.4 Relative land surface temperature zones from 1993 to 2016

图5 研究区地表温度采样点位置图

Fig.5 Location of land surface temperature sampling points in the study area

表3 1993— 2016年土地利用 /覆盖类型面积变化统计

Table 3 Area statistics of land use/cover types from 1993 to 2016

土地利用/ 覆盖类型	1993年		2000年		2008年		2016年		1993—2016年
土地利用/ 覆盖类型	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	总变化量/km²	总变化率/%
水体	289.42	2.58	277.76	2.47	252.17	2.24	241.98	2.15	-47.44	-16.39
林/草地	8 070.37	71.83	8 264.22	73.55	7 656.65	68.15	7 772.80	69.18	-297.57	-3.69
耕地	2 400.29	21.36	2 152.76	19.16	1 816.35	16.17	1 539.42	13.70	-860.87	-35.87
建设用地	416.83	3.71	502.47	4.47	1 452.86	12.93	1 647.86	14.67	1 231.04	295.33
湿地	35.85	0.32	33.86	0.30	29.91	0.27	28.43	0.25	-7.42	-20.71
裸地	23.04	0.21	4.73	0.04	27.86	0.25	5.31	0.05	-17.73	-76.97

表3 1993— 2016年土地利用 /覆盖类型面积变化统计

Table 3 Area statistics of land use/cover types from 1993 to 2016

土地利用/ 覆盖类型	1993年		2000年		2008年		2016年		1993—2016年
土地利用/ 覆盖类型	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	面积/km²	比例/%	总变化量/km²	总变化率/%
水体	289.42	2.58	277.76	2.47	252.17	2.24	241.98	2.15	-47.44	-16.39
林/草地	8 070.37	71.83	8 264.22	73.55	7 656.65	68.15	7 772.80	69.18	-297.57	-3.69
耕地	2 400.29	21.36	2 152.76	19.16	1 816.35	16.17	1 539.42	13.70	-860.87	-35.87
建设用地	416.83	3.71	502.47	4.47	1 452.86	12.93	1 647.86	14.67	1 231.04	295.33
湿地	35.85	0.32	33.86	0.30	29.91	0.27	28.43	0.25	-7.42	-20.71
裸地	23.04	0.21	4.73	0.04	27.86	0.25	5.31	0.05	-17.73	-76.97

表4 1993— 2016年 T_N等级分区面积统计

Table 4 Area statistics of T_N grades from 1993 to 2016

T_N等级	面积/km²				总变化量/km²
T_N等级	1993年	2000年	2008年	2016年	1993—2016年
低温区	2 558.28	344.70	101.31	24.48	-2 533.8
次低温区	8 441.68	9 242.25	8 410.55	7 901.13	-540.55
中温区	233.50	1 552.57	2 411.32	2 914.70	2 681.2
次高温区	2.26	93.34	297.50	387.62	385.36
高温区	0.08	2.94	15.12	7.87	7.79

表4 1993— 2016年 T_N等级分区面积统计

Table 4 Area statistics of T_N grades from 1993 to 2016

T_N等级	面积/km²				总变化量/km²
T_N等级	1993年	2000年	2008年	2016年	1993—2016年
低温区	2 558.28	344.70	101.31	24.48	-2 533.8
次低温区	8 441.68	9 242.25	8 410.55	7 901.13	-540.55
中温区	233.50	1 552.57	2 411.32	2 914.70	2 681.2
次高温区	2.26	93.34	297.50	387.62	385.36
高温区	0.08	2.94	15.12	7.87	7.79

图6 1993—2016年各地区贡献度指数

Fig.6 Contribution index of different regions from 1993 to 2016

图7 1993—2016年各地类贡献度指数

Fig.7 Contribution index of different land use/cover types from 1993 to 2016

图8 1993—2016年土地利用/覆盖类型与地表温度回归分析（单个网格面积：360 000 m²）

Fig.8 The regression analysis between land use/cover types and LST from 1993 to 2016 (per grid area:360 000 m²)

表5 1993— 2016年平均最近邻比率 （RLST>2）（300 m×300 m）

Table 5 Average nearest neighbor ratio from 1993 to 2016( RLST>2) (300 m×300 m)

年份	点要素的个数	平均观测距离/m	预期平均距离/m	最邻近比率	z得分
1993年	29 107	333.09	397.53	0.84	-52.91
2000年	24 097	347.33	435.37	0.80	-60.05
2008年	23 239	338.33	442.50	0.76	-68.65
2016年	21 756	338.37	458.94	0.74	-74.13

表5 1993— 2016年平均最近邻比率 （RLST>2）（300 m×300 m）

Table 5 Average nearest neighbor ratio from 1993 to 2016( RLST>2) (300 m×300 m)

年份	点要素的个数	平均观测距离/m	预期平均距离/m	最邻近比率	z得分
1993年	29 107	333.09	397.53	0.84	-52.91
2000年	24 097	347.33	435.37	0.80	-60.05
2008年	23 239	338.33	442.50	0.76	-68.65
2016年	21 756	338.37	458.94	0.74	-74.13

图9 1993—2016年不同RLST等级的NNR值

Fig.9 NNR of different RLST grades from 1993 to 2016

表6 1993— 2016年 RLST等级分区面积统计

Table 6 Area statistic of RLST grades from 1993 to 2016

RLST等级/℃	面积/km²
RLST等级/℃	1993年	2000年	2008年	2016年
<0	6 478.07	5 938.51	6 193.58	7 011.65
0~2	2 147.63	3 139.56	2 945.92	2 267.21
2~4	1 983.44	1 395.87	1 096.05	874.261
4~6	436.804	425.359	443.222	433.907
6~8	114.124	158.264	239.815	289.076
>8	75.732	178.237	317.213	359.696

表6 1993— 2016年 RLST等级分区面积统计

Table 6 Area statistic of RLST grades from 1993 to 2016

RLST等级/℃	面积/km²
RLST等级/℃	1993年	2000年	2008年	2016年
<0	6 478.07	5 938.51	6 193.58	7 011.65
0~2	2 147.63	3 139.56	2 945.92	2 267.21
2~4	1 983.44	1 395.87	1 096.05	874.261
4~6	436.804	425.359	443.222	433.907
6~8	114.124	158.264	239.815	289.076
>8	75.732	178.237	317.213	359.696

图10 1993—2016年RLST的Ripley’s L（d）函数（300 m×300 m）

Fig.10 Ripley’s L (d) functions of RLST from 1993 to 2016 (300 m×300 m)

表7 1993— 2016年不同空间分辨率下的空间尺度临界值 km

Table 7 Critical values of spatial scale under different spatial resolutions from 1993 to 2016 km

年份	空间分辨率大小
年份	300 m×300 m	600 m×600 m	900 m×900 m	1 200 m×1 200 m	1 500 m×1 500 m
1993年	55	54	54	50	50
2000年	55	54	54	50	46
2008年	55	54	54	50	54
2016年	65	61	62	59	59

表7 1993— 2016年不同空间分辨率下的空间尺度临界值 km

Table 7 Critical values of spatial scale under different spatial resolutions from 1993 to 2016 km

年份	空间分辨率大小
年份	300 m×300 m	600 m×600 m	900 m×900 m	1 200 m×1 200 m	1 500 m×1 500 m
1993年	55	54	54	50	50
2000年	55	54	54	50	46
2008年	55	54	54	50	54
2016年	65	61	62	59	59

1	Nations United. World Urbanization Prospects 2018：Key Facts [EB/OL]. [2019-10-21]. . URL
2	Intergovernmental Panel on Climate Change, Report Special: Global Warming of 1.5oC [EB/OL]. [2019-10-21]. . URL
3	Hou Haoran, Ding Feng, Li Qinsheng. Remote sensing analysis of changes of urban thermal environment of Fuzhou City in China in the past 20 years [J]. Journal of Geo-information Science, 2018, 20(3): 385-395.
	侯浩然, 丁凤, 黎勤生. 近20年来福州城市热环境变化遥感分析[J]. 地球信息科学学报, 2018, 20(3): 385-395.
4	Ge Rongfeng, Wang Jingli, Zhang Lixiao, et al. Impacts of urbanization on the urban thermal environment in Beijing [J]. Acta Ecologica Sinica, 2016, 36(19): 6 040-6 049.
	葛荣凤, 王京丽, 张力小, 等. 北京市城市化进程中热环境响应[J]. 生态学报, 2016, 36(19): 6 040-6 049.
5	Wu Jia, Gao Xuejie, Han Zhenyu, et al. Analysis of the change of comfort index over Yunnan Province based on effective temperature [J]. Advances in Earth Science, 2017, 32(2): 174-186.
	吴佳, 高学杰, 韩振宇, 等. 基于有效温度指数的云南舒适度变化分析[J]. 地球科学进展, 2017, 32(2): 174-186.
6	Yang Hao, Meng Na, Wang Jing, et al. Spatial-temporal morphology simulation of Beijing-Tianjin-Hebei urban agglomeration thermal environment based on Support Vector Machine [J]. Journal of Geo-information Science, 2019, 21(2): 190-200.
	杨浩, 孟娜, 王婧, 等. 基于支持向量机的京津冀城市群热环境时空形态模拟[J]. 地球信息科学学报, 2019, 21(2): 190-200.
7	Yao Yuan, Chen Xi, Qian Jing. Research progress on the thermal environment of the urban surfaces [J]. Acta Ecologica Sinica, 2018, 38(3): 1 134-1 147.
	姚远, 陈曦, 钱静. 城市地表热环境研究进展[J]. 生态学报, 2018, 38(3): 1 134-1 147.
8	Yang Qiuming. A study of the extended-range forecast for the low frequency temperature and high temperature weather over the lower reaches of Yangtze River Valley in summer [J]. Advances in Earth Science, 2018, 33(4): 385-395.
	杨秋明. 长江下游夏季低频温度和高温天气的延伸期预报研究[J]. 地球科学进展, 2018, 33(4): 385-395.
9	Deng Yuanhong, Wang Shijie, Bai Xiaoyong, et al. Relationship among land surface temperature and LUCC, NDVI in typical karst area [J]. Scientific Reports, 2018, 8(1): 641.
10	Voogt J A, Oke T R. Thermal remote sensing of urban climates [J]. Remote Sensing of Environment, 2003, 86(3): 370-384.
11	Xie Qijiao, Liu Jinhua, Hu Daohua. Urban expansion and its impact on spatio-temporal variation of urban thermal characteristics: A case study of Wuhan [J]. Geographical Research, 2016, 35(7): 1 259-1 272.
	谢启姣, 刘进华, 胡道华. 武汉城市扩张对热场时空演变的影响[J]. 地理研究, 2016, 35(7): 1 259-1 272.
12	Lv Zhiqiang, Qi Gangzhou. Utility of Landsat image in the study of land cover and land surface temperature change [J]. Procedia Environmental Sciences, 2011, 10: 1 287-1 292.
13	Yin Changying, Shi Yishao, Wang Hefeng, et al. Impacts of urban surface morphology on thermal environment—A case study of Shanghai [J]. Resources and Environment in the Yangtze Basin, 2015, 24(1): 97-105.
	尹昌应, 石忆邵, 王贺封, 等. 城市地表形态对热环境的影响——以上海市为例[J]. 长江流域资源与环境, 2015, 24(1): 97-105.
14	Chaudhuri G, Mishra N B. Spatio-temporal dynamics of land cover and land surface temperature in Ganges-Brahmaputra delta: A comparative analysis between India and Bangladesh [J]. Applied Geography, 2016, 68: 68-83.
15	Cai Yuanbin, Chen Yanhong, Tong Chuan. Spatiotemporal evolution of urban green space and its impact on the urban thermal environment based on remote sensing data: A case study of Fuzhou City, China [J]. Urban Forestry & Urban Greening, 2019, 41： 333-343.
16	Fan Zhiyu, Zhan Qingming, Liu Huimin, et al. Spatial-temporal distribution of urban heat island and the heating effect of impervious surface in summer in Wuhan [J]. Journal of Geo-information Science, 2019, 21(2): 226-235.
	樊智宇, 詹庆明, 刘慧民, 等. 武汉市夏季城市热岛与不透水面增温强度时空分布[J]. 地球信息科学学报, 2019, 21(2): 226-235.
17	Zhou Xuande, Guo Huadong, Zibibula·Simayi. Spatial pattern evolution of impervious surfaces and its influence on surface temperature in the process of urban expansion: A case study of Urumqi [J]. Acta Ecologica Sinica, 2018, 38(20): 7 336-7 347.
	周玄德, 郭华东, 孜比布拉司马义. 城市扩张过程中不透水面空间格局演变及其对地表温度的影响——以乌鲁木齐市为例[J]. 生态学报, 2018, 38(20): 7 336-7 347.
18	Kikon N, Singh P, Singh S K, et al. Assessment of Urban Heat Islands (UHI) of Noida City, India using multi-temporal satellite data [J]. Sustainable Cities and Society, 2016, 22： 19-28.
19	Zhu Yapeng, Wang Lin, Wei Baoli. Study on the relationship between surface thermal environment and underlying surface in developing cities [J]. Environmental Science & Technology, 2018, 41(Suppl.1): 318-324.
	祝亚鹏, 王琳, 卫宝立. 发展中城市地表热环境与下垫面关系研究[J]. 环境科学与技术, 2018, 41(增刊1): 318-324.
20	Fujian Bureau of Statistics. Fujian Statistical Yearbook 2017 [DB/OL]. [2017-09-04]. . [福建省统计局. 福建统计年鉴 2017 [DB/OL]. [2017-09-04]. ] URL
21	Zheng Huizhen, Chen Yanhong, Pan Wenbin, et al. Land surface temperature fluctuation characteristics and key influencing factors in estuarine wetland [J]. Chinese Journal of Ecology, 2018, 37(8): 238-248.
	郑慧祯, 陈燕红, 潘文斌, 等. 河口湿地表面温度扰动特征及其关键影响因素[J]. 生态学杂志, 2018, 37(8): 238-248.
22	Qin Zhihao, Zhang Minghua, Arnon K, et al. Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data [J]. Acta Geographica Sinica, 2001, 56(4): 456-466.
	覃志豪, Zhang Minghua, Arnon K，等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 2001, 56(4): 456-466.
23	Hu Deyong, Qiao Kun, Wang Xingling, et al. Land surface temperature retrieval from Landsat 8 thermal infrared data using mono-window algorithm[J]. Journal of Remote Sensing, 2015, 19(6): 964-976.
	胡德勇, 乔琨, 王兴玲, 等. 单窗算法结合Landsat8热红外数据反演地表温度[J]. 遥感学报, 2015, 19(6): 964-976.
24	Qin Z, Karnieli A, Berliner P. 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, 2001, 22(18):3 719-3 746.
25	Shi Yurong, Zhang Yufeng. Remote sensing retrieval of urban land surface temperature in hot-humid region [J]. Urban Climate, 2018, 24: 299-310.
26	Li Bin, Wang Huimin, Qin Mingzhou, et al. Comparative study on the correlations between NDVI, NDMI and LST [J]. Progress in Geography, 2017, 36(5): 585-596.
	李斌, 王慧敏, 秦明周, 等. NDVI、NDMI与地表温度关系的对比研究[J]. 地理科学进展, 2017, 36(5): 585-596.
27	Xu Hanqiu. Change of Landsat 8 TIRS calibration parameters and its effect on land surface temperature retrieval [J]. Journal of Remote Sensing, 2016, 20(2): 229-235.
	徐涵秋. Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响[J]. 遥感学报, 2016, 20(2): 229-235.
28	Qin Zhihao, Li Wenjuan, Zhang Minghua, et al. Estimating of the essential atmospheric parameters of Mono-window algorithm for land surface temperature retrieval from Landsat TM6 [J]. Remote Sensing for Land & Resources, 2003, 56(2): 37-43.
	覃志豪, Li Wenjuan, Zhang Minghua, 等. 单窗算法的大气参数估计方法[J]. 国土资源遥感, 2003, 56(2): 37-43.
29	Zheng Huizhen, Chen Yanhong, Ding Wei, et al. Characteristics of land surface temperature disturbance and its relationship to built-up land expansion [J]. Journal of Geo-information Science, 2018, 20(10): 1 529-1 540.
	郑慧祯, 陈燕红, 丁威, 等. 地表温度扰动特性及其与建设用地扩张的关系[J]. 地球信息科学学报, 2018, 20(10): 1 529-1 540.
30	Sobrino J A, Jiménez-Mu?oz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5 [J]. Remote Sensing of Environment, 2004, 90(4): 434-440.
31	Yu Zhaowu, Yao Yawen, Yang Gaoyang, et al. Spatiotemporal patterns and characteristics of remotely sensed region heat islands during the rapid urbanization (1995-2015) of Southern China [J]. Science of the Total Environment, 2019, 674: 242-254.
32	Qiao Zhi, Tian Guangjin, Xiao Lin. Diurnal and seasonal impacts of urbanization on the urban thermal environment: A case study of Beijing using MODIS data [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 85(2): 93-101.
33	Sun Ranhao, Chen Ailian, Chen Liding, et al. Cooling effects of wetlands in an urban region: The case of Beijing [J]. Ecological Indicators, 2012, 20: 57-64.
34	Du Jia, Song Kaishan, Yan Baohua. Impact of Zhalong wetland on neighboring land surface temperature based on remote sensing and GIS [J]. Chinese Geographical Science, 2019, 29(5): 798-808.
35	Yan Lili, Qu Chuanyan, Wen Shaoyan, et al. A comparison study on annual variation of thermal infrared brightness temperature and land temperature from meteorological stations [J]. Acta Seismologica Sinica, 2012, 34(2): 257-266.
	闫丽莉, 屈春燕, 温少妍, 等. 卫星热红外亮温、气温及地温观测的年变变化对比研究[J]. 地震学报, 2012, 34(2): 257-266.
36	Liu Fang, Yipei Lü, Jiang Liming, et al. Correlation analysis between MODIS brightness temperature and surface temperature provided by meteorological station [J]. Seismology and Geology, 2010, 32(1):127-137.
	刘放, 吕弋培, 江利明, 等. MODIS亮温与气温及地温的相关性分析[J]. 地震地质, 2010, 32(1):127-137.
37	Hou Yuchu, Zhang Dongyou. Comparison study on land surface temperature retrieval algorithms based on landsat 8 remote sensing image [J]. Chinese Agricultural Science Bulletin, 2019, 35(10): 142-147.
	侯宇初, 张冬有. 基于Landsat8遥感影像的地表温度反演方法对比研究[J]. 中国农学通报, 2019, 35(10): 142-147.
38	Sun Zongyao, Sun Xihua, Xu Xinliang, et al. Study on the contribution of land use heterogeneity and change to regional thermal environment: A case study of Beijing-Tianjin-Hebei urban agglomeration [J]. Ecology and Environmental Sciences, 2018, 27(7): 1 313-1 322.
	孙宗耀, 孙希华, 徐新良, 等. 土地利用差异与变化对区域热环境贡献研究——以京津冀城市群为例[J]. 生态环境学报, 2018, 27(7): 1 313-1 322.
39	Barot S, Gignoux J, Menaut J C. Demography of a savanna palm tree: Predictions from comprehensive spatial pattern analyses [J]. Ecology, 1999, 80(6): 1987-2005.
40	Lancaster J. Using neutral landscapes to identify patterns of aggregation across resource points [J]. Ecography, 2006, 29(3):385-395.
41	Yu Zhaowu, Xiao Lishan, Guo Qinghai, et al. Mountain county rural settlement landscape pattern change and spatial characteristics in rapid mountain urbanization process in Fujian Province [J]. Acta Ecologica Sinica, 2016, 36(10): 3 021-3 031.
	余兆武, 肖黎姗, 郭青海, 等. 城镇化过程中福建省山区县农村聚落景观格局变化特征[J]. 生态学报, 2016, 36(10): 3 021-3 031.
42	Wu Jianguo. Effects of changing scale on landscape pattern analysis: Scaling relations [J]. Landscape Ecology, 2014, 19(2): 125-138.
43	Gao Kai, Zhou Zhixiang, Yang Yuping, et al. Characteristics and changes of landscape pattern in Wuhan City based on Ripley’s K function [J]. Chinese Journal of Applied Ecology, 2010, 21(10): 2 621-2 626.
	高凯, 周志翔, 杨玉萍, 等. 基于Ripley K函数的武汉市景观格局特征及其变化[J]. 应用生态学报, 2010, 21(10): 2 621-2 626.
44	Gao Chao, Jin Fengjun. Spatial pattern and industrial characteristics of economic technological development areas in eastern coastal China [J]. Acta Geographica Sinica, 2015, 70(2): 202-213.
	高超, 金凤君. 沿海地区经济技术开发区空间格局演化及产业特征[J]. 地理学报, 2015, 70(2): 202-213.
45	Duan Lühan, Du Debin, Huang Xiaoyu. Spatial and temporal changes and influencing factors of the location of internet start-ups in Shanghai, China[J]. Progress in Geography, 2019, 38(3): 383-394.
	段吕晗, 杜德斌, 黄筱彧. 上海互联网新创企业的时空演化及影响因素[J]. 地理科学进展, 2019, 38(3): 383-394.].
46	Besag J. Spatial interaction and the statistical analysis of lattice systems [J]. Journal of the Royal Statistical Society, 1974, 2(36): 192-236.
47	Qiu Guoyu, Zou Zhendong, Li Xiangze, et al. Experimental studies on the effects of green space and evapotranspiration on urban heat island in a subtropical megacity in China [J]. Habitat International, 2017, 68: 30-42.
48	Santamouris M, Ban-weiss G, Osmond P, et al. Progress in urban greenery mitigation science-assessment methodologies advanced technologies and impact on cities [J]. Journal of Civil Engineering and Management, 2018, 24(8): 638-671.
49	Han Dongrui, Xu Xinliang, Li Jing, et al. Study on the security pattern of the heat environment and the influence of land use change in the Yangtze River Delta urban agglomeration [J]. Journal of Geo-information Science, 2017, 19(1): 39-49.
	韩冬锐, 徐新良, 李静, 等. 长江三角洲城市群热环境安全格局及土地利用变化影响研究[J]. 地球信息科学学报, 2017, 19(1): 39-49.

[1]	房小怡, 王晓云, 杜吴鹏, 李磊, 任希岩, 贺健, 程宸, 刘勇洪. 我国城市规划中气候信息应用回顾与展望[J]. 地球科学进展, 2015, 30(4): 445-455.
[2]	胡云锋，徐芝英，刘越，艳燕. 地理空间数据的尺度转换[J]. 地球科学进展, 2013, 28(3): 297-304.
[3]	于雯，李雄耀，王世杰. 月球探测中月面热环境影响的研究现状[J]. 地球科学进展, 2012, 27(12): 1337-1343.
[4]	傅伯杰,周国逸,白永飞,宋长春,刘纪远,张惠远,吕一河,郑华,谢高地. 中国主要陆地生态系统服务功能与生态安全[J]. 地球科学进展, 2009, 24(6): 571-576.
[5]	高抒. 潮汐汊道形态动力过程研究综述[J]. 地球科学进展, 2008, 23(12): 1237-1248.
[6]	刘鹄,赵文智. 农业水生产力研究进展[J]. 地球科学进展, 2007, 22(1): 58-65.

阅读次数

全文

摘要