京沪穗三地近十年夜间热力景观格局演变对比研究

2013-09-15王明玉李小娟宫辉力

生态学报 2013年5期

孟丹，王明玉，李小娟，宫辉力

(城市环境过程与数字模拟国家重点实验室培育基地，资源环境与地理信息系统北京市重点实验室，三维信息获取与应用教育部重点实验室，首都师范大学资源环境与旅游学院，北京100048)

随着我国经济的快速发展，我国的城市化进程不断加剧，其所带来的社会、经济和生态影响，不仅是我国而且是全球在未来相当长一段时间中的最重大事件之一。城市内包括空气、下垫面和各种外部因素组成的与热有关的热现象被称之为城市热环境。在北京，上海，广州这些大城市，热环境问题引起相关学者关注［1-4］，已经呈现比较明显的热岛效应。2010年7月5日，北京市最高气温达到40.6℃，地面温度也超过了60℃，成为北京有史以来同期最高温度;上海市2009年7月20日，徐家汇气温高达40℃，是上海气象记载史上的次高值;广州市2005年7月11—18日，出现持续性大范围高温炎热天气，导致市区内多辆汽车自燃。城市热环境体现了自然界输入城市的能量转化与人为活动造成的废热、废气排放的相互影响及关系。作为城市生态环境的重要方面，城市热环境与城市气候、城市生态、城市灾害等都存在着时空上的相互作用、相互依存关系，它对城市微气候、空气质量、能耗结构以及公共健康等方面都产生着深远的影响［5］。因此，城市热环境的研究对于人居环境质量的提高，城市环境治理，城市规划问题，乃至世界气候变化都有着重大意义。

近年来随着空间信息技术的发展，国内外学者利用遥感和地理信息系统技术在热环境研究方面取得了良好进展。Rao［6］是首个利用热红外遥感来研究城市热岛的学者，他利用ITOS-1热红外数据研究美国大西洋中部沿海城市地表温度分布模式，此后，Carlson［7］利用AVHRR数据研究了Los Angeles地区地表温度分布模式，Carnahan［8］利用TM热红外数据发现印第安纳波利斯城区与周围乡村地区的温度差异。国内学者采用TM、ASTER、HJ-1B等热红外波段数据对北京、上海、广州、南京等地城市热岛进行了大量研究［9-15］。由于MODIS卫星的重访周期短，其数据对全球用户免费，应用非常广泛，王建凯［16］等人利用MODIS数据研究北京城市热岛效应得出白天城市热岛具有明显的季节变化，夜晚季节变化较为稳定;葛伟强［17］等人利用MODIS数据反演地表温度得出长三角地区热岛呈“Z”字型分布，夏季热岛强度最强;江志红［18］等人对MODIS地表温度产品进行了评估，通过与台站地表温度的对比，认为MOD11A2数据精度高于MODISL1B反演资料。然而跨区域热环境状况对比研究的案例较少。景观生态学是将地理学的景观理论和生物学的生态理论相结合，研究景观单元的类型组成、空间配置以及与生态学过程相互作用的综合性学科［19］。本文参考陈云浩［20］将景观格局理论用于城市热环境研究的方法，并沿用“热力景观”的概念，以近10年的MODIS地表温度产品为数据源，选取了地理差异性显著的北京，上海，广州三地为研究区，对比分析三地近十年热力景观演变特征，弥补了过去对单一地区，采用单一方法研究热力景观的不足［21-22］。将景观生态学融入城市热环境研究中，并结合遥感和地理信息系统技术，对城市热环境的研究开辟了一个新的领域，为城市规划、生态城市建设提供决策依据。

1 研究区概况及数据选取

北京、上海、广州是我国三大城市，城市规模、发展速度位于前列，是我国的政治、经济、文化中心。城市发展及人为热的排放必然产生热环境问题，然而由于各自规划的发展阶段、城市建设步伐及自然地理条件、气候条件差异，热力景观演变也有各自的特点。研究区行政区划见图1。

图1 研究区行政区划图Fig．1 The location of study areas

本文选取MODIS温度产品MOD11A2进行京沪穗三地热环境研究。MODIS可以提供多达44种增值产品，其中MOD11产品为陆地2、3级标准数据，它利用大气窗口2个热红外通道31(10.78—11.28μm)和32(11.77—12.27μm)的地表比辐射率和地表亮温作为输入条件，利用分裂窗算法进行地面温度反演，得出某一时刻的地表温度。MOD11A2是MODIS的三级产品，是通过8d的MOD11A1数据计算平均值而得到的，其投影为正弦曲线投影。该产品提供白天夜间地表温度数据、质量评估、观测时间、观测角、晴好白天和夜晚的天数以及不同地表覆盖类型在波段31、32的地表发射估计。本文选取MOD11A2夜间温度数据，空间分辨率1km，数据格式为HDF-EOS。

MODIS产品始于1999年，可为研究近10年的京沪穗三地热力景观演变提供数据，为探索热力景观随时

间的演变规律，本次研究从近10年中选取2002、2007、2011 3a夜间1月份数据(由于数据质量原因，北京地区选取2004年1月数据作为早期数据，上海地区选取2008年和2012年1月数据作为中期和晚期数据)作为10a中早、中、晚期数据，研究近10年京沪穗三地冬季夜间热力景观格局演变特征。

2 数据处理与研究方法

2.1 数据处理

本文以京沪穗3个城市作为研究区域，利用地表温度数据MOD11A2和三地行政区划数据获取研究区近10年的地表温度。数据处理采用ENVI4.5、ArcGIS9.3软件，数据采用UTM投影。为保证数据质量，减少数据空洞现象，将8d合成数据采用最大值合成方法进行月数据的合成，将合成的月数据按矢量边界裁剪，作为后续研究的基础数据。

城市热岛效应通常定义为城区温度高于郊区温度的现象，对于不同年份不同地点影像之间的城市热岛效应和热力景观动态变化对比，通常是将温度进行标准化处理，在此基础上，对温度按等级划分［12，23］。本次研究分别对各时相各区域的温度进行了极差标准化处理，统一到0到1之间，记做Ni。对归一化的温度数据等间距划分为5级，作为热力景观5种类型，依次为:0≤Ni＜0.2为低温区，0.2≤Ni＜0.4为次中温区，0.4≤Ni＜0.6为中温区，0.6≤Ni＜0.8为次高温区，0.8≤Ni＜1.0为高温区，后三类景观属于热岛范畴。统计地表温度数据范围，北京-19.07—0.38℃，上海-6.41—11.68℃，广州0.51—20.18℃。参考中国气象科学数据共享服务网(http://cdc.cma.gov.cn/home.do)的“中国地面气候标准月值数据集(1971—2000年)”累年各月极端最低地温与最高地温数据，地温范围依次为，北京站-25.4—22.5℃，宝山站-7.0—26.8℃，广州站-2.4—48.3℃。虽然参考数据的时间跨度与本文采用的数据有些偏差以及单个测站数据有一定局限，但是累年数据可代表该区域的地温背景，文中地温范围均在参考数据范围内，认为数据较合理。

2.2 研究方法

本文从热力景观质心的迁移、热力景观格局指数演变、热环境空间自相关三方面分析三地热力景观格局演变特征。

景观空间质心分析主要用于研究各类景观的动态变化。景观质心的变化迁移能够很好地从空间上描述景观类型的时空演变特征，通过了解各研究时段的景观类型分布质心，可以发现景观空间变化趋势。景观质心变化已在沙漠化土地变迁［24］、湿地类型演变［25］、海岸生态景观迁移［26］等景观的动态变化分析中有很好的应用。本文将景观质心分析用于热景观的研究，探究热景观格局演变特征。如果景观面积在空间各方位上均匀消长，则其质心基本不变;若在某一方向上消长明显，则其质心发生明显偏移［24］。通过计算景观类型的面积加权质心变化，来分析景观格局空间变化规律和趋势。质心的计算方法如下［27］:

式中，Xc和Yc是按面积加权的热力景观质心坐标，Xi和Yi是某一类热力景观第i个斑块的质心坐标，Ci为第i个斑块的面积，n是热力景观类型的斑块总数目。

景观格局指数是能够高度浓缩景观格局信息，反映其结构组成和空间配置特征的简单定量指标［28］。本文利用景观格局分析软件Fragstats，以京沪穗三地热景观空间分布图为基础，从斑块类型水平，选取类型比例(PLAND)、斑块密度(PD)、景观形状指数(LSI)等景观格局指数，系统分析京沪穗三地热景观空间格局变化特征，公式见表1［29-30］。

空间自相关分析最初起源于生物计量学研究，现今成为理论地理学的基本方法之一。空间自相关属于空间统计分析中研究空间依赖的重要方法，主要用于空间数据的分类和综合评价。其核心是认识与地理位置相关的数据间的空间依赖、空间关联或空间自相关，通过空间位置建立数据间的统计关系［31-32］。可用于不同地区之间的空间相似性或差异研究以及解释产生这种空间格局的原因［33］。宋艳暾等［34］采用全局空间自相关指数分析了深圳特区表面温度空间分异特征，然而全局空间自相关指数是总体统计指标，无法描述局部差异，本文采用Anselin提出的局部空间自相关指标LISA分析热环境空间特征，公式如下［31］:

公式2，3分别表示全局自相关指数Moran's I和局部空间自相关指数Local Moran's I。式中，xi和xj分别代表景观要素在相邻配对空间单元的取值，¯x是变量的平均值，n是空间单元总数，wij是邻接权重，S2是方差。正的Ii表示一个高值被高值所包围，或者一个低值被低值所包围;负的Ii表示一个高值被低值所包围，或者一个低值被高值所包围。

表1 景观格局指数及其生态意义Table 1 Indices and their ecological meaning of landscape pattern

3 京沪穗三地热力景观质心变化特征探讨

3.1 京沪穗三地热力景观质心演变特征

本研究结合京沪穗三地行政区划数据，三地选取近10年早中晚3a中的1月份夜晚温度数据绘制城市热景观等级图，并确定5种热景观的空间质心。图2—图4分别为北京、上海、广州热力景观及其空间质心分布图。

3.1.1 北京市热力景观质心演变特征

结合北京市行政区划图，对北京市热力景观质心演变特征分析如下:

(1)低温区，即图5(a)低温区的质心2004、2007、2011年始终在延庆县的中部。10a间，低温区的质心先向东北方向偏移，然后向西偏移。

(2)次中温区，即图5(b)次中温区的质心2004年在顺义区，2007年向北迁移到怀柔县，2011年继续向北，迁移到延庆县。次中温区的质心一直向北偏移。

(3)中温区，即图5(c)中温区的质心2004年在昌平县的东南端，2007年迁移到顺义区西北部，2011年迁回昌平区西南部。中温区的质心先向南偏移，再向东偏移。

(4)次高温区，即图5(d)次高温区的质心2004年在昌平县东南角，2007年在海淀区，2011年迁回昌平县东南角。次高温区的质心先向西南偏移，再向东北偏移。

(5)高温区，即图5(e)高温区的质心2004，2007，2011年都在朝阳区。高温区的质心先向东偏移，再向西北部偏移。

3.1.2 上海市热力景观质心演变特征

结合上海市行政区划图，对上海市热力景观质心演变特征分析如下:

(1)低温区，即图6(a)低温区质心2002年在宝山区，2007年南迁到主城区，2012年迁移到崇明县。低温区质心先向东南偏移，再向东北偏移。

图2 北京市热力景观及其空间质心分布图Fig．2 The thermal landscapes and their space centroids in Beijing

(2)次中温区，即图6(b)次中温区质心2002年在主城区，2007年迁移到闵行区中部，2012年迁移到闵行区西南部。次中温区质心一直向西南方向偏移。

(3)中温区，即图6(c)中温区质心2002年在闵行区，2007年迁移到青浦县，2012年迁移到主城区。中温区质心先向西北偏移，再向东北迁移。

(4)次高温区，即图6(d)次高温区质心2002年在主城区西南部，2007年迁移到主城区东北部，2012年迁移到闵行区。次高温区质心先向东北再向西南方向偏移。

(5)高温区，即图6(e)高温区质心2002年在主城区，2007年迁移到浦东，2011年迁移到宝山区。高温区质心先向东北方向偏移，再向西北方向偏移。

3.1.3 广州市热力景观质心演变特征

结合广州市行政区划图，对广州市热力景观质心演变特征分析如下:

(1)低温区，即图7(a)2002、2008、2011年的低温区质心都在从化的西北部，做小幅度迁移。低温区质心先向东北再向东南方向偏移。

(2)次中温区，即图7(b)2002、2008、2011年次中温区的质心在从化中部。次中温区质心先向西南方向偏移，再向东北方向偏移。

图3 上海市热力景观及其空间质心分布图Fig．3 The thermal landscapes and their space centroids in Shanghai

(3)中温区，即图7(c)中温区的质心2002年和2007年、2011年均在萝岗区。中温区质心先向西南方向偏移，再向北偏移。

(4)次高温区，即图7(d)次高温区的质心2002年在萝岗区中北部，2007年迁移到海珠区，2011年迁移到黄埔区。次高温区质心总体南迁，先向西南部偏移，再向东北方向偏移。

(5)高温区，即图7(e)高温区的质心2002年在白云区和天河区交接处，2007年迁移到海珠区，2011年迁移到市区与增城区交接处。高温区质心先向西南方向偏移，再向东北方向偏移。

3.2 京沪穗三地热力景观质心演变初步综合分析

近10年北京、上海、广州的城市格局都发生了重大变迁，热岛效应明显存在，但是由于城市建设布局差异，不同等级热力景观分布格局及迁移方向各有不同。热力景观类型中的中温区、次高温区、高温区代表温度高值区，将此三类合并称为“热岛景观”，分析其质心变化能表征热岛景观总体变化趋势。

图4 广州市热力景观及其空间质心分布图Fig．4 The thermal landscapes and their space centroids in Guangzhou

北京市热力景观质心空间分布规律为:由北至南大致呈低温区—次中温区—中温区—次高温区—高温区分布。反映了北京市1月地表温度南高北低的趋势。热力景观区别明显。10年来，低温区分布向西北偏移，次中温区向北偏移，中温区向东南偏移，次高温区向东偏移，高温区向东北偏移。2004—2007年热岛景观总体格局分布向西南偏移，其中向西偏移3.3km，向南偏移30.5km;2007—2011年热岛景观总体格局分布向东北偏移，其中向东偏移1.9km，向北偏移40.7km。北京交通呈现“摊大饼”式发展，四环、五环、六环路分别于2001、2003、2009年全线通车，并且北京市在历次规划中都坚持高强度、高密度的立体开发，这种开发模式造成了城市纵向的立体开发。东部发展带CBD大厦林立，轨道交通亦庄线完成、西部发展带首钢的迁出、2008年奥运会奥运村的建设等这些城市格局的演变必然造成了北京市热环境的改变。

图5 北京市热景观等级质心空间演变Fig．5 The migration of each thermal landscapes type'centroids in Beijing

图6 上海市夜晚热景观等级质心空间演变Fig．6 The migration of each thermal landscapes type'centroids in Shanghai

图7 广州市夜晚热景观等级质心空间演变Fig．7 The migration of each thermal landscapes type'centroids in Guangzhou

上海市热力景观质心空间分布和地理方位没有一个明显的趋势，这也反映了上海市1月全市热力景观分布破碎度高，各种热力景观分布分散。热力景观质心迁移没有显著性规律。2002—2008年热岛景观总体格局分布向西北偏移，其中向西偏移9.6km，向北偏移7.5km;2008—2012年热岛景观总体格局分布向东南偏移，其中向东偏移11.5km，向南偏移0.8km。上海市围绕“新城”建设展开了城市规划和建设，近十年，新城建设初具规模，成为上海先进制造业集聚的主要空间，在新城建设的带动下，上海完成了制造业由中心城向郊区的调整转移，轨道交通9号线、11号线、3号线建成，改善了整个上海市的交通格局，上海城市格局有了较大的改变。

广州市热力景观质心空间分布和北京市相似，也为由北至南大致呈低温区—次中温区—中温区—次高温区—高温区分布格局，地表温度南高北低，热力景观南北区分明显。10年来，低温区、次中温区、中温区分布向北偏移，次高温区、高温区分布向南偏移。2002—2007年热岛景观总体格局分布向西南偏移，其中向西偏移6.1km，向南偏移14.7km;2007—2011年热岛景观总体格局分布向东北偏移，其中向东偏移3.2km，向北偏移9.1km。广州市自2006年实施城市“中调”战略以来，逐步加快城市更新改造的探索步伐，工业企业“退二进三”、城中村和旧城改造力度不断加大，到2010年珠江核心区项目、中轴线工程、919项人居环境综合整治完工，广州市城市规划进一步向前迈进。

4 沪穗三地热力景观格局指数分析

综合三地热力景观类型比例(PLAND)格局指数可知，城市热力景观大致分布规律为:中温区所占比例最大，并以其为中心，向两侧递减。三地对比分析，上海热岛比例远低于其他两地;10a中，三地都呈现一个先降低再升高的趋势，北京、上海两地10a中热岛比例总体升高，而广州略有下降(图8，图9)。

斑块密度反映景观破碎度，三地比较上海市热力景观破碎度最高;不同热力景观类型比较，次中温区和高温区的破碎度最高。景观形状指数反映城市热力景观离散度，三地比较北京最高;不同热力景观类型比较，低温区和高温区的离散度较高。

由于数据较多，选择近期数据及热环境恶劣的高温区景观为例，对比分析京沪穗三地热力景观离散度LSI值。近期的景观离散度分析表明，在5级热力景观中北京、上海两地的LSI均表现为先增后减，而广州的LSI变化不大，北京、上海的低温区和高温区的分布较集中，而次低温区、中温区和次高温区的分布较离散(图10)。三地10年间高温区景观的LSI变化分析表明，北京、广州夜晚热岛的离散度都呈现一个先集中后离散的趋势，而上海夜晚热岛的离散度持续下降，说明极强热岛景观的分布愈发集中(图11)。

图8 京沪穗近10年三期热力景观类型比例Fig．8 The percentage of thermal landscape in Beijing，Shanghai and Guangzhou nearly a decade

图9 京沪穗三地热岛类型比例Fig．9 The percentage of the heat island region landscape in Beijing，Shanghai and Guangzhou

图10 京沪穗三地后期景观形状指数(LSI)Fig．10 The landscape shape index of thermal landscape in Beijing，Shanghai and Guangzhou in the later stage

图11 京沪穗三地高温区景观形状指数(LSI)Fig．11 The landscape shape index of high temperature region in Beijing，Shanghai and Guangzhou

5 京沪穗三地热力景观空间自相关分析

本文选用Geoda 095i软件计算Moran's I、Local Moran's I指数并生成聚类图，对三地的地表温度空间变异特征进行研究。通过计算可知，所有的Moran's I值均为正值，这说明三地10年中地表温度的空间分布并非随机，而是表现出温度相似值的空间集聚性。北京市夜晚热环境高—高集聚区域随时间变化逐渐增长，主要分布于北京市中南部，低—低集聚区域主要分布在北部，且高—高集聚成为主要趋势。上海市高—高集聚早期分布在主城区中心地带、中期分布在长江入海口地带且面积较小，后期分布比较离散，除在主城区分布，浦东分布面积较大;早、中期低—低集聚区域较大，而后期分布大幅减少。广州市夜晚表现为南部高—高集聚且呈逐渐减少的趋势，中北部低—低集聚，先南迁而后北迁。

综合三地夜间温度空间自相关分析可知，在四类温度集聚中，三地均以高温—高温区相邻、低温—低温区相邻为主。由于热区集中分布对热环境危害较大，人们主要关心高温—高温集聚区，北京、广州高温-高温区分布于南部，且集中成片分布，而上海市高温-高温区分布比较离散。从分布面积来说，10年中北京、上海表现为先减少后增加，而广州则持续减少。总体而言北京热环境恶化，而广州热环境明显好转，上海地区较为复杂，从分布面积来看变化不大，而从热区分布更加离散的角度来看，上海热环境状况有所好转。

图12 北京市热力景观格局空间关联图Fig．12 Spatial association of the thermal landscape pattern in Beijing

图13 上海市热力景观格局空间关联图Fig．13 Spatial association of the thermal landscape pattern in Shanghai

6 展望

本研究初步揭示了京沪穗三地近十年夜间热力景观分布格局及演化特征，研究结论可为城市规划、城市人居环境改善提供借鉴，但仍有很多不足之处，需要进一步研究探讨:

(1)本次研究只选取了三地1月份的温度数据，由于城市热环境格局也会随着季节产生变化，热环境格局变化的全面性有待加强。且只选取了三地3a的数据，热环境格局的时间规律性变化严谨性有待提高。另外没有实地数据做验证，其精度评价方面有待加强。

(2)热力景观的划分直接影响到后续分析，本文采用的对地表温度数据极值标准化处理，而后等间距划分的方法，可以代表地表热场分布，目前还有均值-标准差法，其在本区域的适用性可进一步对比分析。

图14 广州市热力景观格局空间关联图Fig．14 Spatial association of the thermal landscape pattern in Guangzhou

(3)本文仅就三地热力景观的时间演变进行分析，由于热环境影响因素众多，受城市下垫面、气象、地形、人为热排放等多种因素制约，且作用机理复杂。

［1］Ji C P，Liu W D，Xuan C Y.Impact of urban growth on the heat island in Beijing.Chinese Journal of Geophysics，2006，49(1):69-77.

［2］Jiang X D，Xia B C.Spatial characteristics and dynamic simulations of urban heat environment of cities in Pearl River Delta.Acta Ecologica Sinica，2007，27(4):1461-1470.

［3］Meng D，Li X，Zhao W，Gong H.Quantitative exploration of the mechanisms behind the urban thermal environment in Beijing.Progress in Natural Science，2009，19:1757-1763.

［4］Deng Y J，Liu C，Lin JX.Research into thermal environment in guangzhou based on modis data.Journal of Tropical Meteorology，2007，23(3):261-264.

［5］Xu X D，Tang X.An Introduction of Environmental Meteorology Under Urbanization Background.Beijing:Meteorological Press，2002:62-80.

［6］Rao P K.Remote sensing of urban heat islands from an environmental satellite.Bulletin of the American Meteorological Society，1972，53:647-648.

［7］Carlson T N，Augustine JA，Boland F E.Potential application of satellite temperature measurements in the analysis of land use over urban areas.Bulletin of the American Meteorological Society，1977，58:1301-1303.

［8］Carnahan W H，Larson R C.An analysis of an urban heat sink.Remote Sensing of Environment，1990，33(1):65-71.

［9］Han Q J，FU Q Y，PAN Z Q，YANG L，WNAG A C.Study on Urban Heat Island Effect with HJ-1B Thermal Infrared Remote Sensing Image.Spacecraft Recovery＆Remote Sensing，2012，33(1):67-74.

［10］Zhang Z M，He G J，Xiao R B，Wang W.A Study of the Urban Heat Island Changes of BEIJING City Based on Remote Sensing.Remote Sensing Information，2005，(6):46-48，70.

［11］Chen M N，Zhang H，Tang JY，Chen WZ，Zhang Y，Ma WC.Study on the thermal environment of land surface in Shanghai with multi-temporal remote sensing images.China Environmental Science，2011，31(7):1143-1151.

［12］Su Y L，ZHANGY F.Spatio-temporal Characteristics of Urban Heat Island Effect of Xi'an City Based on Landsat TM/ETM+.Bulletin of Soil and Water Conservation，2011，31(5):230-234.

［13］Jiang X D，Xia B C，Guo L.Research on Urban Heat Island and its Environmental Effects of Rapidly Urbanized Regions.Ecologic Science，2006，25(2):171-175.

［14］Yang Y B，SU WZ，JIANGN.Time-Space Character Analysis of Urban Heat Island Effect in Nanjing City Using Remote Sensing.Remote Sensing Technology and Application，2006，21(6):488-492，479.

［15］Shen SH，Zhao X Y，Yang SB，Zhou Q.Case Study of LST Distribution in Nanjing Based on ASTER Data.Journal of Applied Meteorological Science，2009，20(4):458-464.

［16］Wang JK，Wang K C，Wang PC.Urban Heat(or Cool)Island over Beijing from MODISLand Surface Temperature.Journal of Remote Sensing，2007，11(3):330-339.

［17］Ge W Q，Zhou H M，Yang H Q.Characteristics Analysis on Heat Island Effect in Yangtze Delta Urban Agglomerations in Recent 8 Years by MODISData.Meteorological Monthly，2010，36(11):77-81.

［18］Jiang Z H，YE L M.A study of the urban heat island changes of Nanjing in the past decade based on remote sensing.Journal of Nanjing University of Information Science＆Technology(Natural Science Edition)，2010，(2):148-154.

［19］Wu JG.Landscape Ecology.Beijing:Higher Education Press，2000:104-105.

［20］Chen Y H，Li Jing，Li X B.Research on Patterns，Process，Simulation and Effect of Urban Spatial Thermal Environment Using Remote Sensing Image.Beijing:Science Press，2004:85-95.

［21］Meng D，Li X J，Gong H L，Zhao W J.The thermal environment landscape pattern and typical urban landscapes effect linked with thermal environment in Beijing.Acta Ecologica Sinica，2010，30(13):3491-3500.

［22］Yue W Z.Study on Urban Landscape Pattern and ItsThermal Environment Effect Based on Remote Sensing Image.Beijing:Science Press，2008:105-136.

［23］Xu H Q，Chen B Q.A study on urban heat island and its spatial relationship with urban expansion:Xiamen，SE China.Urban Studies，2004，(2):65-70.

［24］Chen F，Wei H D，Xu X Y，Zhou J H，Tang J N，Liu H J.Landscape Dynamics of Land Desertification of Different Origins of First Bends of Yellow River in Maqu County.Journal of Northwest Forestry University，2011，26(05):198-201.

［25］Gong Z N，Zhang Y R，Gong H L，Zhao W J.Evolution of wetland landscape pattern and its driving factors in Beijing.Acta Geographica Sinica，2011，66(1):77-88.

［26］Feng Y J，Han Z.RSand GISDerived Spatio-temporal Evolution of Water Landscape in Coastal Areas:a Case Study of Shanghai Section on the Northern Bank of Hangzhou Bay.Remote Sensing for Land＆Resources，2011，22(1):123-127.

［27］Wang F H.Quantitative Methods and Application in GIS//LLC:CRC Press，2006.

［28］Li C，Liu JP，Liu Q F，Yu Y.Dynamic Change of Wetland Landscape Patterns in Songnen Plain.Wetland Science，2008，6(2):167-172.

［29］Shen W，Jenerette GD，Wu J.Gardner.Evaluaring empirical scaling relations of pattern metrics with simulated landscapes.Ecography，2004，27:459-469.

［30］Wu J，Shen W，Sun W.Empirical patterns of the effects of changing scale on landscape metrics.Landscape Ecol，2002，17:761-782.

［31］Anselin L.Local indicators of spatial association LISA.Geographical Analysis，1995，27:93-115.

［32］Bian H Y，Ren ZY.Spatial Autocorrelation of Land Carrying Capacity in the Guanzhong—Tianshui Areas.Journal of Ningxia Teachers University，2011，32(3):56-59.

［33］Hu Q F，Zhang Z P，He R，Niu SW.Study on Spatial Statistical Analysis of Regional Economic Growth Rate Based on Geoda 095i.Geomatics＆Spatial Information Technology，2007，30(2):53-55.

［34］Song Y T，Yu SX，Li N，Gong Y F.Spatial structure of the surface temperature in Shenzhen，China.Acta Ecologica Sinica.2007，27(4):1489-1498.

参考文献:

［1］季崇萍，刘伟东，轩春怡.北京城市化进程对城市热岛的影响研究.地球物理学报，2006，49(1):69-77.

［2］江学顶，夏北成.珠江三角洲城市群热环境空间格局动态.生态学报，2007，27(04):1461-1470.

［4］邓玉娇，刘诚，林锦祥.基于MODIS资料研究广州市热环境.热带气象学报，2007，23(03):261-264.

［5］徐祥德，汤绪.城市化环境气象学引论.北京:气象出版社，2002:62-80.

［9］韩启金，傅俏燕，潘志强，杨磊，王爱春.利用HJ-1B星热红外遥感图像研究城市热岛效应.航天返回与遥感，2012，33(1):67-74.

［10］张兆明，何国金，肖荣波，王威.北京市热岛演变遥感研究.遥感信息，2005，(6):46-48，70.

［11］陈命男，张浩，唐靖寅，陈蔚镇，张艳，马蔚纯.上海城市地表热环境多时期遥感研究.中国环境科学，2011，31(7):1143-1151.

［12］苏雅丽，张艳芳.基于Landsat TM/ETM+的西安市城市热岛效应时空演变.水土保持通报，2011，31(5):230-234.

［13］江学顶，夏北成，郭泺.快速城市化区域城市热岛及其环境效应研究.生态科学，2006，25(2):171-175.

［14］杨英宝，苏伟忠，江南.南京市热岛效应时空特征的遥感分析.遥感技术与应用，2006，21(6):488-492，479.