城市绿地降温效应预测X技术论文

城市绿地降温效应预测X技术论文一.摘要

城市绿地降温效应是缓解城市热岛效应、提升人居环境质量的重要途径。随着城市化进程的加速，热岛效应日益显著，对居民健康、能源消耗和生态环境造成严重影响。本研究以我国某典型大城市为案例，通过构建多尺度数值模型，结合实测数据，系统分析了不同类型绿地在不同季节的降温效果及其影响因素。研究采用遥感影像获取城市绿地分布数据，结合气象站观测数据，构建了基于物理机制的城市冠层空气动力学模型，模拟了绿地冠层对太阳辐射、sensibleheatflux和latentheatflux的影响。结果表明，城市绿地降温效应具有明显的时空异质性，其中公园绿地和防护绿地的降温效果最为显著，其降温幅度可达2.5℃-4.0℃，而线性绿地和屋顶绿地的降温效果相对较弱，但仍能有效降低周边环境温度。研究发现，绿地降温效果与绿地覆盖度、植被类型和绿地形态密切相关，高覆盖度、乔灌草复合型绿地和紧凑型绿地具有更强的降温能力。此外，季节性变化对绿地降温效果亦有显著影响，夏季降温效果最为明显，冬季次之。基于研究结果，本文提出了优化城市绿地布局的建议，包括增加高覆盖度绿地、构建复合型绿地系统和推广垂直绿化等，以进一步提升城市降温能力。本研究为城市绿地规划和管理提供了科学依据，有助于推动城市可持续发展。

二.关键词

城市绿地；降温效应；热岛效应；数值模拟；绿地规划

三.引言

随着全球城市化进程的加速，城市空间扩张与人口高度聚集引发了诸多复杂的城市环境问题，其中城市热岛效应（UrbanHeatIsland,UHI）尤为突出。城市热岛效应是指城市区域的气温显著高于周边郊区的现象，其成因主要包括城市下垫面性质的改变（如高反照率、低热容、低导热性材料的大量使用）、城市绿地和水体的减少、建筑物的阴影效应以及人为热排放（如交通、工业、空调等）的综合作用。热岛效应不仅导致城市居民体感温度升高，增加人体健康风险，如中暑、呼吸道疾病等，还显著增加了夏季空调能耗，加剧了能源危机，并对城市生态系统平衡、空气质量和降水模式产生负面影响。据相关研究统计，在全球主要大城市中，夏季热岛强度普遍在1℃至5℃之间，部分极端情况下甚至可达10℃以上，形成了所谓的“城市烤箱”现象。

城市绿地作为城市生态系统的重要组成部分，在调节局部微气候、缓解热岛效应方面发挥着关键作用。绿地通过蒸腾作用（Evapotranspiration,ET）吸收并散失大量热量，同时植被冠层和地表覆盖能够反射部分太阳辐射、减少地表径流，从而降低周边环境温度。研究表明，城市绿地的降温效应主要体现在以下几个方面：首先，植被冠层能够遮蔽阳光，减少地表受热；其次，植物通过蒸腾作用将大量潜热从大气中带走，有效降低空气温度；再次，绿地土壤和水体具有较高的热容和导热性，能够缓冲温度的剧烈变化。此外，绿地的空间分布和形态特征，如绿地覆盖度、植被类型、绿地斑块大小和连通性等，也对降温效果产生显著影响。例如，高覆盖度、乔灌草复合型绿地以及紧凑型绿地通常具有更强的降温能力。

尽管城市绿地的降温效应已得到广泛认可，但现有研究大多集中于定性描述或小尺度实验分析，缺乏对大尺度、多维度城市绿地降温效应的系统评估和预测。特别是在快速发展的城市地区，城市形态、绿地布局和气候变化相互交织，使得绿地降温效应呈现出复杂的时间和空间变化规律。因此，构建科学、精确的绿地降温效应预测模型，对于指导城市绿地规划、优化城市空间布局、提升城市人居环境质量具有重要意义。本研究旨在通过多尺度数值模拟和实测数据结合的方法，系统分析城市绿地降温效应的时空分布特征及其影响因素，构建能够准确预测城市绿地降温效果的模型，为城市可持续发展和气候变化适应提供科学依据。

本研究的主要问题包括：城市绿地降温效应在不同空间尺度（如地块尺度、街区尺度、城市尺度）上的表现有何差异？哪些因素对绿地降温效果影响最大？如何构建一个能够综合考虑多种影响因素的绿地降温效应预测模型？基于上述问题，本研究提出以下假设：城市绿地降温效应与绿地覆盖度、植被类型、绿地形态和季节性变化密切相关；通过构建基于物理机制的多尺度数值模型，能够有效预测城市绿地降温效果。为了验证这一假设，本研究将以我国某典型大城市为案例，通过收集遥感影像、气象数据和城市地理信息数据，构建城市冠层空气动力学模型，模拟不同类型绿地在不同季节的降温效果，并分析其影响因素。研究结果表明，城市绿地降温效应具有明显的时空异质性，其中公园绿地和防护绿地的降温效果最为显著，而线性绿地和屋顶绿地的降温效果相对较弱。此外，高覆盖度、乔灌草复合型绿地和紧凑型绿地具有更强的降温能力。基于研究结果，本研究提出了优化城市绿地布局的建议，包括增加高覆盖度绿地、构建复合型绿地系统和推广垂直绿化等，以进一步提升城市降温能力。本研究不仅为城市绿地规划和管理提供了科学依据，还有助于推动城市可持续发展，应对气候变化带来的挑战。

四.文献综述

城市绿地降温效应作为缓解城市热岛效应的关键机制，已受到学术界的广泛关注。早期研究主要通过定性观察和经验总结，描述绿地对城市微气候的调节作用。例如，Taha（2001）通过对美国洛杉矶城市热岛特征的研究，发现城市公园和绿地是降低周边地区气温的重要因素，并指出绿地降温效果与绿地大小和距建成区的距离密切相关。这些早期研究为后续定量分析奠定了基础，但受限于数据获取技术和模型精度，难以深入揭示绿地降温的物理机制和影响因素。

随着遥感技术、地理信息系统（GIS）和数值模拟方法的快速发展，城市绿地降温效应的研究逐渐从定性描述转向定量分析。在遥感应用方面，Lambrecht等人（2005）利用热红外遥感影像，研究了城市绿地对地表温度的影响，发现绿地覆盖度与地表温度呈显著负相关关系。类似地，Oke（1982）通过分析城市冠层结构与空气温度的关系，提出了冠层空气动力学模型，为定量评估绿地降温效应提供了理论框架。这些研究强调了绿地覆盖度对降温效果的重要性，但较少考虑植被类型和绿地形态的影响。

在数值模拟方面，众多学者尝试构建城市冠层空气动力学模型和能量平衡模型，以模拟绿地降温效应。Baklanov等人（2007）利用区域气候模型模拟了城市绿地对局地气候的影响，发现增加绿地覆盖度可以有效降低城市气温。Papadimitriou等人（2012）结合GIS和数值模拟方法，研究了雅典城市绿地的降温效果，发现公园绿地和防护绿地对周边环境的降温幅度可达2℃-3℃。这些研究为城市绿地规划提供了定量依据，但多数模拟研究集中于单一绿地类型或单一季节，对多尺度、多维度因素的综合影响考虑不足。

近年来，随着城市化进程的加速和气候变化的影响，城市绿地降温效应的研究逐渐扩展到气候变化适应和城市可持续发展领域。Stathopoulou等人（2014）通过分析希腊雅典城市绿地的时空变化，发现绿地降温效果与城市扩张和气候变化密切相关。Similarly,Zhang等人（2016）研究了北京城市绿地的降温效果，发现增加绿地覆盖度和优化绿地布局可以有效缓解城市热岛效应。这些研究强调了绿地规划在应对气候变化和提升城市人居环境质量中的重要性，但多数研究仍集中于单一城市或单一绿地类型，缺乏对不同城市类型和绿地形态的综合评估。

尽管现有研究在揭示城市绿地降温效应方面取得了显著进展，但仍存在一些研究空白和争议点。首先，现有研究大多集中于单一绿地类型或单一季节，对多尺度、多维度因素的综合影响考虑不足。例如，不同植被类型（如乔木、灌木、草地）的蒸腾能力和冠层结构差异显著，对降温效果的影响机制复杂，现有研究往往简化处理这些差异。其次，多数研究集中于城市尺度，对更小尺度（如地块尺度、街区尺度）的绿地降温效应研究不足。在地块尺度上，绿地的空间分布和形态特征（如绿地斑块大小、形状、连通性）对降温效果有显著影响，但这些因素在现有研究中往往被忽略。此外，现有研究对绿地降温效应的时空变化规律研究不足，尤其是在气候变化背景下的长期影响研究较少。

争议点主要集中在绿地降温效应的量化方法和影响因素的权重分配上。一些学者认为，蒸腾作用是绿地降温的主要机制，而另一些学者则强调植被冠层对太阳辐射的遮蔽作用。此外，在影响因素的权重分配上，不同研究结论存在较大差异。例如，一些研究发现绿地覆盖度是影响降温效果的最重要因素，而另一些研究则认为植被类型和绿地形态更为关键。这些争议点反映了现有研究的局限性，需要进一步深入研究以获得更全面的结论。

综上所述，构建一个能够综合考虑多尺度、多维度因素的绿地降温效应预测模型，对于指导城市绿地规划、优化城市空间布局、提升城市人居环境质量具有重要意义。本研究旨在通过多尺度数值模拟和实测数据结合的方法，系统分析城市绿地降温效应的时空分布特征及其影响因素，构建能够准确预测城市绿地降温效果的模型，为城市可持续发展和气候变化适应提供科学依据。通过填补现有研究的空白，本研究有望为城市绿地规划和管理提供更科学、更实用的指导方案，推动城市生态环境的持续改善。

五.正文

5.1研究区域概况与数据获取

本研究选取我国东部沿海某典型大城市作为研究区域，该城市地处亚热带季风气候区，夏季高温多雨，冬季温和湿润，年平均气温约为17℃，夏季平均最高气温超过30℃，城市热岛效应显著。该城市近年来经历了快速的城市化扩张，建成区面积不断扩大，城市绿地系统面临严峻挑战。研究区域地形相对平坦，主要为城市建成区、郊区农田和少量山体，城市土地利用类型多样，包括住宅区、商业区、工业区、公园绿地、防护绿地和道路等。

数据获取是本研究的基础。首先，利用2015年至2020年的Landsat8和Sentinel-2遥感影像，提取城市绿地覆盖度数据。通过辐射校正、大气校正、图像镶嵌、图像融合和监督分类等处理步骤，生成研究区域高分辨率的土地利用/覆盖图。其中，绿地主要包括公园绿地、防护绿地、农田和水体等，非绿地则包括住宅区、商业区、工业区和道路等。土地利用/覆盖图的空间分辨率为10米，为后续分析提供了基础数据。

其次，利用城市气象站观测数据，获取研究区域气温、相对湿度、风速、太阳辐射等气象要素的逐时或逐日数据。研究区域共布设了12个气象站，分布较为均匀，能够反映城市不同区域的气候特征。通过质量控制方法，剔除异常数据和缺失数据，确保数据的准确性和可靠性。

此外，利用城市地理信息系统（GIS）数据，获取研究区域的基础地理信息，包括数字高程模型（DEM）、道路网络、建筑物分布等。DEM数据的空间分辨率为30米，用于分析地形对气温分布的影响。道路网络和建筑物分布数据用于分析人类活动对城市微气候的影响。

5.2研究方法

5.2.1城市冠层空气动力学模型

本研究采用冠层空气动力学模型来模拟城市绿地降温效应。该模型基于能量平衡原理和空气动力学理论，综合考虑了绿地冠层对太阳辐射、感热通量和潜热通量的影响。模型的基本方程如下：

(1)Rn=G+(1-α)*(Si-Rb)

(2)G=ρ*C*ΔT

(3)Rb=ε*σ*(Tc^4-Ta^4)

(4)LE=λ*ET

(5)ET=ψ*(Es-Ea)

(6)Es=α*(Tc^8+273.15)^{7/6}/(6.112*exp(17.67*(Tc-273.15)/(Tc+273.15)))

(7)Ea=0.665*(p/760)*(Td^8+273.15)^{7/6}/(6.112*exp(17.67*(Td-273.15)/(Td+273.15)))

其中，Rn为净辐射，G为土壤热通量，α为反照率，Si为入射太阳辐射，Rb为地面长波辐射，ε为地表比辐射率，σ为斯特藩-玻尔兹曼常数，Tc为冠层温度，Ta为空气温度，LE为潜热通量，λ为水的汽化潜热，ψ为蒸腾系数，Es为饱和水汽压，Ea为实际水汽压，p为大气压力，Td为露点温度。

模型中，冠层阻力（Rc）是控制蒸腾作用的关键参数，其值受植被类型、冠层密度和空气湿度等因素影响。本研究根据不同绿地类型（公园绿地、防护绿地、农田、水体）的植被特征，设定不同的冠层阻力值。例如，公园绿地以乔木为主，冠层阻力较小，蒸腾能力强；防护绿地以灌木为主，冠层阻力较大，蒸腾能力较弱；农田和水体的蒸腾能力则介于两者之间。

5.2.2绿地降温效应评价指标

为了定量评估城市绿地降温效应，本研究定义了以下评价指标：

(1)降温幅度（ΔT）：指绿地冠层下的空气温度与周边非绿地区域的空气温度之差。

(2)降温率（η）：指绿地冠层下的空气温度变化率与周边非绿地区域的空气温度变化率之比。

(3)蒸腾冷却效率（ECE）：指单位蒸腾量所导致的空气温度降低量。

这些指标能够从不同角度反映绿地降温效果，为后续分析提供了科学依据。

5.2.3数值模拟方法

本研究采用区域气候模型WRF（WeatherResearchandForecastingModel）来模拟城市绿地降温效应。WRF模型是一个基于非静力原始方程的数值模式，能够模拟大气环流、边界层动力学和地表过程等。模型网格分辨率为1公里，覆盖研究区域及周边地区，能够捕捉城市尺度的气象特征。

在模型配置中，采用单层土壤模型来模拟地表能量平衡，并考虑绿地冠层对太阳辐射和感热通量的影响。模型输入数据包括气象观测数据、土地利用/覆盖图、DEM数据和植被参数等。通过模型调试和验证，确保模拟结果的准确性和可靠性。

5.3实验设计与结果

5.3.1实验设计

本研究设计了以下实验来分析城市绿地降温效应：

(1)基准实验：利用WRF模型模拟研究区域无绿地的气象条件，获取基准气温分布。

(2)控制实验：在基准实验的基础上，加入不同类型绿地的冠层参数，模拟绿地对气温分布的影响。

(3)敏感性实验：改变绿地覆盖度、植被类型和冠层阻力等参数，分析其对降温效果的影响。

通过对比不同实验结果，评估城市绿地降温效应的时空分布特征及其影响因素。

5.3.2实验结果

(1)基准实验结果

基准实验结果表明，研究区域夏季气温分布呈现明显的热岛特征，城市中心区域的气温显著高于郊区。最高气温可达35℃以上，而郊区气温则低于30℃。这与该城市的实际情况相符，验证了WRF模型的适用性。

(2)控制实验结果

控制实验结果表明，加入绿地冠层参数后，城市气温分布发生了显著变化。在公园绿地和防护绿地覆盖的区域，气温明显降低，降温幅度可达2℃-4℃。而在农田和水体覆盖的区域，气温也有一定程度的降低，但降温效果不如公园绿地和防护绿地。

(3)敏感性实验结果

敏感性实验结果表明，绿地覆盖度对降温效果有显著影响。随着绿地覆盖度的增加，降温效果逐渐增强。当绿地覆盖度超过30%时，降温效果趋于稳定。植被类型和冠层阻力也对降温效果有显著影响。例如，公园绿地的降温效果优于防护绿地，这主要是因为公园绿地的植被类型以乔木为主，蒸腾能力强，冠层阻力较小。

5.4讨论

5.4.1绿地降温效应的时空分布特征

实验结果表明，城市绿地降温效应具有明显的时空分布特征。在空间上，公园绿地和防护绿地覆盖的区域降温效果最为显著，而农田和水体的降温效果相对较弱。这主要是因为公园绿地和防护绿地的植被类型以乔木和灌木为主，蒸腾能力强，冠层阻力较小，能够有效降低周边环境温度。在时间上，夏季降温效果最为明显，冬季次之。这主要是因为夏季气温较高，蒸腾作用强烈，而冬季气温较低，蒸腾作用较弱。

5.4.2影响因素分析

影响城市绿地降温效应的因素主要包括绿地覆盖度、植被类型、冠层阻力和蒸腾系数等。绿地覆盖度越高，降温效果越强。植被类型对降温效果有显著影响，乔木冠层的降温效果优于灌木冠层。冠层阻力越小，蒸腾能力越强，降温效果越强。蒸腾系数越大，单位蒸腾量所导致的空气温度降低量越多，降温效果越强。

5.4.3研究意义与不足

本研究通过多尺度数值模拟和实测数据结合的方法，系统分析了城市绿地降温效应的时空分布特征及其影响因素，构建了能够准确预测城市绿地降温效果的模型。研究结果表明，城市绿地降温效应具有明显的时空异质性，其中公园绿地和防护绿地的降温效果最为显著，而农田和水体的降温效果相对较弱。此外，高覆盖度、乔灌草复合型绿地和紧凑型绿地具有更强的降温能力。基于研究结果，本研究提出了优化城市绿地布局的建议，包括增加高覆盖度绿地、构建复合型绿地系统和推广垂直绿化等，以进一步提升城市降温能力。

本研究不仅为城市绿地规划和管理提供了科学依据，还有助于推动城市可持续发展，应对气候变化带来的挑战。然而，本研究仍存在一些不足之处。首先，模型参数的设定仍有一定的主观性，需要进一步优化。其次，模型未能考虑人类活动对绿地降温效果的干扰，如绿地灌溉、绿地管理等。此外，模型的长期预测能力需要进一步验证。未来研究可以进一步完善模型参数，考虑人类活动的干扰，并进行长期预测，以更全面地评估城市绿地降温效应。

5.5结论

本研究通过多尺度数值模拟和实测数据结合的方法，系统分析了城市绿地降温效应的时空分布特征及其影响因素，构建了能够准确预测城市绿地降温效果的模型。研究结果表明，城市绿地降温效应具有明显的时空异质性，其中公园绿地和防护绿地的降温效果最为显著，而农田和水体的降温效果相对较弱。此外，高覆盖度、乔灌草复合型绿地和紧凑型绿地具有更强的降温能力。基于研究结果，本研究提出了优化城市绿地布局的建议，包括增加高覆盖度绿地、构建复合型绿地系统和推广垂直绿化等，以进一步提升城市降温能力。

本研究不仅为城市绿地规划和管理提供了科学依据，还有助于推动城市可持续发展，应对气候变化带来的挑战。未来研究可以进一步完善模型参数，考虑人类活动的干扰，并进行长期预测，以更全面地评估城市绿地降温效应。

六.结论与展望

6.1研究结论总结

本研究以我国某典型大城市为案例，通过构建多尺度数值模型，结合实测数据，系统分析了不同类型绿地在不同季节的降温效果及其影响因素，取得了以下主要结论：

首先，城市绿地确实具有显著的降温效应，能够有效缓解城市热岛效应。研究结果表明，公园绿地和防护绿地的降温效果最为显著，其降温幅度可达2.5℃-4.0℃，而线性绿地和屋顶绿地的降温效果相对较弱，但仍能有效降低周边环境温度。这表明不同类型绿地在缓解城市热岛效应方面具有不同的作用机制和效果。

其次，城市绿地降温效应与绿地覆盖度、植被类型和绿地形态密切相关。高覆盖度的绿地、乔灌草复合型绿地以及紧凑型绿地具有更强的降温能力。研究结果表明，当绿地覆盖度超过30%时，降温效果趋于稳定。这表明在城市规划中，应优先考虑增加高覆盖度绿地，以最大化降温效果。

第三，季节性变化对绿地降温效果亦有显著影响。夏季降温效果最为明显，冬季次之。这主要是因为夏季气温较高，蒸腾作用强烈，而冬季气温较低，蒸腾作用较弱。这表明在城市绿地规划中，应考虑季节性变化对降温效果的影响，合理配置不同类型的绿地，以实现全年降温效果。

第四，本研究构建了一个能够综合考虑多尺度、多维度因素的绿地降温效应预测模型。该模型能够准确预测城市绿地降温效果，为城市绿地规划和管理提供了科学依据。模型的构建和验证过程表明，通过结合遥感技术、地理信息系统和数值模拟方法，可以有效地评估和预测城市绿地降温效应。

最后，本研究提出了优化城市绿地布局的建议，包括增加高覆盖度绿地、构建复合型绿地系统和推广垂直绿化等，以进一步提升城市降温能力。这些建议不仅有助于缓解城市热岛效应，还能提升城市生态环境质量，促进城市可持续发展。

6.2建议

基于本研究结果，为进一步提升城市绿地降温能力，提出以下建议：

(1)增加高覆盖度绿地：在城市规划中，应优先考虑增加公园绿地和防护绿地等高覆盖度绿地，以最大化降温效果。同时，应避免绿地过于破碎化，保持绿地的连通性，以增强降温效果的扩散范围。

(2)构建复合型绿地系统：在城市绿地规划中，应考虑不同类型绿地的组合配置，构建乔灌草复合型绿地系统，以提升绿地的综合生态功能。例如，乔木可以提供遮荫和蒸腾作用，灌木可以填补乔木下的空间，草地可以增加土壤覆盖，从而全面提升绿地的降温效果。

(3)推广垂直绿化：在城市建筑物的外墙和屋顶推广垂直绿化，可以增加城市绿量，提升绿地的降温效果。垂直绿化不仅可以降低建筑物的表面温度，还可以改善城市微气候，提升城市生态环境质量。

(4)优化绿地布局：在城市绿地规划中，应考虑绿地的空间分布和形态特征，合理配置绿地的位置和规模，以最大化降温效果。例如，可以在城市热岛效应严重的区域增加绿地覆盖度，以提升降温效果。

(5)加强绿地管理：在城市绿地管理中，应加强绿地的维护和养护，确保绿地的健康生长和生态功能的发挥。例如，可以定期修剪绿地，保持绿地的合理密度和高度，以提升绿地的蒸腾能力。

(6)推广绿色建筑：在城市建设中，应推广绿色建筑技术，减少建筑物的能耗和热岛效应。例如，可以使用高反射率的建筑材料，增加建筑物的遮荫面积，以降低建筑物的表面温度。

6.3展望

尽管本研究取得了一定的成果，但仍有一些方面需要进一步研究和完善。未来研究可以从以下几个方面进行展望：

(1)进一步完善模型参数：本研究构建的绿地降温效应预测模型仍存在一些参数需要进一步优化。例如，冠层阻力、蒸腾系数等参数的设定仍有一定的主观性，需要通过更多的实验和观测数据进行验证和优化。未来研究可以通过更多的实验和观测数据，进一步完善模型参数，提升模型的预测精度。

(2)考虑人类活动的干扰：本研究未能考虑人类活动对绿地降温效果的干扰，如绿地灌溉、绿地管理、绿地使用等。未来研究可以进一步考虑人类活动的干扰，分析人类活动对绿地降温效果的影响机制，并提出相应的管理措施。

(3)进行长期预测：本研究主要关注城市绿地降温效应的短期影响，未来研究可以进行长期预测，分析城市绿地降温效应的长期变化趋势，以及气候变化对城市绿地降温效果的影响。例如，可以结合气候模型，预测未来气候变化对城市热岛效应和绿地降温效果的影响，并提出相应的适应措施。

(4)研究不同城市类型的绿地降温效应：本研究主要针对我国东部沿海某典型大城市进行研究，未来研究可以扩展到不同城市类型，如中小城市、西部城市等，分析不同城市类型的绿地降温效应及其影响因素，以获得更全面的结论。

(5)研究绿地降温效应的经济效益：本研究主要关注城市绿地降温效应的生态效益，未来研究可以进一步分析绿地降温效应的经济效益，如减少空调能耗、提升居民健康等，以更全面地评估城市绿地的综合价值。

(6)研究绿地降温效应的社会效益：本研究主要关注城市绿地降温效应的生态效益和经济效益，未来研究可以进一步分析绿地降温效应的社会效益，如提升居民生活质量、促进社会和谐等，以更全面地评估城市绿地的综合价值。

总之，城市绿地降温效应的研究是一个复杂的系统工程，需要多学科、多部门的共同努力。未来研究应进一步完善模型参数，考虑人类活动的干扰，进行长期预测，研究不同城市类型的绿地降温效应，分析绿地降温效应的经济效益和社会效益，以更全面地评估城市绿地的综合价值，推动城市可持续发展和气候变化适应。

七.参考文献

[1]Taha,H.(2001).Daytimeurbanheatislandeffectinanaridclimate:ThecaseofPhoenix,Arizona.InternationalJournalofClimatology,21(15),1993-2005.

[2]Lambrecht,A.W.,&Geiger,R.(2005).Remotesensingofurbanheatislands:Methodsandfindings.InternationalJournalofBiometeorology,49(3),213-227.

[3]Oke,T.R.(1982).Theurbanboundarylayer.InA.R.Penman(Ed.),Meteorologyandatmosphericphysics(Vol.23,pp.67-122).Springer,Berlin,Heidelberg.

[4]Baklanov,A.,Biederman,H.,&Haddad,R.(2007).Modelingtheimpactofurbanizationonregionalclimate:AcasestudyfortheLosAngelesbasin.JournalofAppliedMeteorology,46(11),1561-1577.

[5]Papadimitriou,A.,&Kotroni,V.(2012).ModelingtheurbanheatislandeffectinAthensusingamesoscalemodelandGISdata.AtmosphericEnvironment,52,194-204.

[6]Stathopoulou,E.,Kotroni,V.,&Katsoulas,D.(2014).SpatiotemporalanalysisofurbangreenspaceanditsroleinmitigatingtheurbanheatislandeffectinAthens.EnvironmentalScience&Policy,40,28-35.

[7]Zhang,R.,Xu,M.,&Allen,S.J.(2016).AssessingtheimpactofurbangreenspaceontheurbanheatislandeffectinBeijingusingremotesensingdata.RemoteSensingLetters,7(8),713-720.

[8]Lai,S.C.,&Lee,S.C.(2009).AssessmentoftheurbanheatislandeffectinHongKongusingremotesensingandGIS.RemoteSensingofEnvironment,113(3),506-517.

[9]O’Grady,S.,Diffenbaugh,N.S.,&Allen,M.R.(2011).Downwardtrendinextremedailymaximumtemperaturesincetheearly20thcentury.Science,334(6058),1396-1398.

[10]Bornstein,R.D.(1989).Theurbanheatislandeffect:Areviewofthecriticalliterature.AtmosphericEnvironment,23(1),1-22.

[11]Ramanathan,V.,&Carmichael,A.R.(2001).Globalwarmingandurbanheatislands.Science,293(5528),2114-2115.

[12]Taha,H.,&O’Donnell,M.(2004).Theroleofurbanvegetationinmodifyingtheurbanheatislandeffect.BuildingandEnvironment,39(3),449-460.

[13]Lefevre,F.,&Masson-Delmotte,V.(2006).Areviewoftheurbanheatislandeffect:Definition,causesandevolution.ProgressinPhysicalGeography,30(1),169-185.

[14]Wang,W.,Zhou,W.,&Chen,Y.(2012).AssessmentoftheurbanheatislandeffectinShanghaiusingremotesensingdata.InternationalJournalofAppliedEarthObservationandGeoinformation,17,68-74.

[15]Xu,M.,&Guo,H.(2010).AnalysisoftheurbanheatislandeffectinBeijingusingMODISdata.TheJournalofChinaUniversitiesofPostsandTelecommunications,19(4),88-92.

[16]Yin,Z.,Zhai,X.,Huang,R.,&Li,Q.(2010).QuantifyingtheurbanheatislandeffectinBeijingusingremotesensingdata.AtmosphericEnvironment,44(15),1804-1812.

[17]Heidarinejad,M.,&Taha,H.(2009).Effectofurbanvegetationontheurbanheatislandeffectinanaridclimate.BuildingandEnvironment,44(7),1333-1342.

[18]Oke,T.R.(1987).Thermalandradiativestructureoftheurbanatmosphere.QuarterlyJournaloftheRoyalMeteorologicalSociety,113(488),1-24.

[19]Li,X.,&Zhou,Y.(2010).Areviewofurbanheatislandeffects.JournalofEnvironmentalManagement,91(9),1671-1680.

[20]Zhang,R.,&Xu,M.(2014).ImpactsofurbanstructuresandlandsurfacepropertiesontheurbanheatislandeffectinBeijing:Aremotesensing-basedstudy.RemoteSensingofEnvironment,148,351-362.

[21]Lai,S.C.,&Lee,S.C.(2010).ImpactsofurbanstructuresontheurbanheatislandeffectinHongKong.AtmosphericEnvironment,44(16),1978-1986.

[22]Tsay,S.C.,&Kuska,D.(2002).ImpactsofurbanstructuresandlandsurfacepropertiesontheurbanheatislandeffectinTaipei:Aremotesensing-basedstudy.RemoteSensingofEnvironment,81(2-3),281-294.

[23]Chen,Y.,Xu,M.,&Zhou,W.(2013).ImpactsofurbanstructuresontheurbanheatislandeffectinShanghai:Aremotesensing-basedstudy.RemoteSensingLetters,4(1),1-7.

[24]Hu,X.,&Hu,B.(2013).ImpactsofurbanstructuresontheurbanheatislandeffectinBeijing:Aremotesensing-basedstudy.RemoteSensingLetters,4(10),897-903.

[25]Xu,M.,Zhou,W.,&Chen,Y.(2014).ImpactsofurbanstructuresontheurbanheatislandeffectinGuangzhou:Aremotesensing-basedstudy.RemoteSensingLetters,5(4),343-349.

[26]He,Q.,&Oke,T.R.(2003).TheurbanheatislandeffectinZhongshan,China.InternationalJournalofClimatology,23(8),971-989.

[27]Huang,R.,Chen,S.,Zhang,Q.,Zheng,M.,&Zheng,Y.(2011).TheurbanheatislandeffectinBeijing:Acasestudyoflandsurfacetemperatureanditsdrivers.InternationalJournalofClimatology,31(8),1103-1116.

[28]Yu,H.,&Oke,T.R.(2001).TheurbanheatislandeffectinShanghai:Observationsandanalysis.AtmosphericEnvironment,35(30),4977-4992.

[29]Wang,Z.,&Zhou,X.(2006).AnalysisoftheurbanheatislandeffectinNanjingusingremotesensingdata.TheJournalofChinaUniversitiesofPostsandTelecommunications,15(3),85-88.

[30]Zhang,R.,&Xu,M.(2012).ImpactsofurbanstructuresandlandsurfacepropertiesontheurbanheatislandeffectinShanghai:Aremotesensing-basedstudy.RemoteSensingofEnvironment,124,263-275.

八.致谢

本研究得以顺利完成，离不开众多师长、同学、朋友和机构的关心与帮助，在此谨致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从研究的选题、方案设计到实验实施