北京主城区人为热排放的时空特征研究

王业宁,陈婷婷,孙然好



北京主城区人为热排放的时空特征研究

王业宁1,2,陈婷婷1,3,孙然好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；3.中国科学技术大学生命科学学院,安徽 合肥 230022)

利用源清单法对北京主城区的人为热进行研究,得出不同热源排放总量与时空特征并进行小区验证.结果表明:主城区的人为热年排放总量为1.11×1018J/a,为太阳辐射总量的8.1%,其中建筑排热占人为热排放的45.3%,交通和工业部分分别占30.1%、20.2%;人为排热总量最大的为朝阳和海淀区,占主城区总量的52.2%,最少的东城和大兴区均占7.7%;主城区平均排放强度为14.55W/m2,最大为西城区82.30W/m2,大兴区仅为2.61W/m2;人为热排放高值区多集中于北二环与北四环内,约为60~100W/m2,少数街道和地区排热在150W/m2以上,最高排热强度272~376W/m2为北京CBD区,人为热结果与遥感反演的地表温度有一定的正相关关系;交通排热的月变化不显著,日变化系数在09:00、18:00左右较高,建筑排热在不同季节不同时刻均有明显差别,出现”双峰”现象,同人们作息规律相一致.

北京主城区；人为热；交通排热；建筑排热；时空变化

人为排热显著改变了城市的热环境,气候背景和城市规模等原因致使不同城市、不同时间的排热对热环境的作用也各不相同[1-2].北京的人为排热对其城市热岛的贡献越来越大,研究表明北京人为热可致白天增温约0.5℃,夜晚达1~3℃[3].

国内外对不同尺度上人为热的计算已有大量研究.Flanner[4]用能耗和2.5¢´2.5¢的人口数据得到全球人为热通量为0.028W/m2,而美国和西欧分别为0.39,0.68W/m2.石广玉等[5]得出2008年全球年均人为热仅0.031W/m2,但预测2030年可增至0.30W/m2.陆燕等[6]、谢旻等[7]利用能耗与人口数据对我国长三角及全国的人为热特征进行研究,表明区域尺度上的人为排热极具异质性.Quah等[8]利用车流量、建筑能耗和人口密度数据计算新加坡不同功能区的人为热,表明商业区时均热通量最高为113W/m2,高、低密度居民区仅为17,13W/m2,且最大的贡献源建筑排热在工作日占49%~82%,非工作日为46%~ 81%.Nie等[9]对清华园区的人为排热进行时空特征研究,模拟结果表明冬季建筑排热可高达221W/m2.在城市尺度上,Lee等[10]研究得到首尔、仁川、京畿道的人为热通量分别为55,53, 28W/m2,且冬季排热均比夏季高.Sailor等[11]基于人口密度提出了针对美国各大城市人为热的计算通式,并用6个城市为例得出夏季最高人为热为60W/m2,冬季为75W/m2.我国城市尺度上的人为热研究起步较晚,佟华等[3]对北京市区冬季的人为热进行估算,结果表明7:00市中心平均强度为100~200W/m2,郊区仅为50~60W/m2. Ichinose等[12]、Hamilton等[13]、马盼盼等[14]引入土地利用数据、DMSP/OLS 遥感夜灯数据等分别计算东京、伦敦、浙江各县市的人为热,发现其时空异质性更强,如冬季早晨的东京排热可达1590W/m2.

针对北京的气候环境研究非常广泛,但多数并未考虑人为热排放或仅将其作一常量引入模型,降低了模拟结论的准确性与可靠性,为更精确地模拟该城市的气候变化,城市尺度上人为热的排放特征亟待研究清楚.本文基于能源、人口、经济社会等统计调查数据,利用源清单法详细计算北京主城区的人为热,给出不同热源排放总量及其时空特征,以期为构建城市景观优化模型给予基础数据支持,探索人为热对城市热环境的影响机理.

1 研究区概况

北京位于115.7°~117.4°E,39.4°~41.6°N,地形西北高、东南低,平均海拔为43.5m.北温带半湿润大陆性季风气候,夏季高温多雨,冬季寒冷干燥,春、秋短促.全年降水的80%集中在6~8月,太阳辐射量年均为112~136kcal/cm2,年均日照时数为2000~2800h[15].

2013年北京消耗7.68´107吨标准煤(tce),而主城区占据近一半的能耗量,如朝阳区[16]全年总能源消费量达1.11´107tce,海淀区[17]则为8.20´106tce,东城区[18]也达到2.89´106tce.其中原油、天然气100%外调,且煤炭、汽柴油也主要依靠外部输送[19],根据《北京市进一步促进能源清洁高效安全发展的实施意见》,2020年能源消费总量控制在8.8´107tce,其中优质能源比重提至92%左右,煤炭消费控制在9´106t以内,新能源和可再生能源比重提至8%左右[20].虽然能源结构有所优化调整,但终端消费不可避免地产生废热排放至大气中.

2 研究方法与数据来源

人为热的计算方法分为3种:源清单法、能量平衡方程法、建筑模型模拟法[1].对于城市尺度尤其是基础数据严重缺乏的区域,精细尺度的能耗数据难以完整地搜集且调研成本极高,通常采用自上而下的源清单法结合一定分配原则进行估算.本文将人为热分为人体新陈代谢、工业、交通和建筑排热4部分,建筑排热又细化为居民、商业两类,首先计算各辖区内不同热源的年排放总量.其中最基本的两个假定为:所有能耗均转换为显热且直接排放至大气中;‚排热平均分布于研究区域内,不考虑外源释放影响临近的计算单元.本文主要数据来源于北京市及各辖区人口、社会经济、能源等的统计年鉴和相关报告,如北京市统计年鉴(2012)、2013北京海淀统计年鉴、北京区域经济统计年鉴2013、石景山区2013年国民经济和社会发展统计公报等,在计算人为热时空特征时基础数据取2012年.利用Grimmond[21]的方法结合各区机动车保有量估算交通排热,新陈代谢部分用人口数据及代谢率计算,工业取第二产业中工业能耗数值,居民建筑按居民生活能耗分别计算,商业建筑则取其能耗余量以保证能量守恒,不同热源及总人为热详细的计算公式如下:

式中:F为总人为热,W/m2;M为新陈代谢排热, W/m2;I为工业排热,W/m2;V为交通排热, W/m2;Br、Bc为居民、商业建筑排热, W/m2;1、2为睡眠和活动时的代谢率,W;1、2为睡眠和活动的时段22:00~06:00,06:00~ 22:00,;为人口,万人;为面积,m2;i、Br、Bc分别为工业、居民和商业建筑能耗,104tce;为标准煤热值, 29306kJ/kg;为1年;为机动车保有量,辆;为每车年均行驶距离,km;FE为燃烧效率,L/hkm;为燃料密度,kg/L;NHC为净排热值,kJ/kg.

表1 北京主城区人口及各部门能耗量 Table 1 Population and energy consumption in Beijing

表1为各辖区、各部门的能源消费量及其人口数据,已将各类能源按热值折算成标准煤以便于比较和计算.上述计算公式各参数取值均采用其对应文献或标准中的平均值或中位数,即可得到不同热源在辖区尺度上的年均排热强度,在长时间序列上其合理性较高,真实的能源消耗与热值排放之间的滞后时间可忽略,即本文同其他研究[8-9,22]一样,假设耗能瞬时排放至大气环境中.

针对北京主城区人为热在街道尺度上的空间分布,根据Ziock等[23]和陈兵等[24]分析能耗与GDP呈线性关系的结论,以2012年为基准年,选取街道为最小行政单元,对工业、交通及商业建筑排热量按其GDP数据,人类新陈代谢和居民建筑排热按其人口密度分别进行分配,利用ArcGIS空间分析功能可得出街道尺度上不同热源的年均排热强度空间分布.

由于人类活动的复杂性,收集各街道每天每时的排热量数据不切实际,因此本文主要利用UTHSCSA Image Tool软件提取其他文献结论结合调研数据对不同热源的时间变化进行分析.人体新陈代谢散热强度因年龄、活动量不同而有所区别,无法准确获得排放规律,参考Quah等[8]假定仅有日变化且”活动”和”睡眠”时为定值;假设交通排热与车流变化规律保持一致,获取北京市交通委员会发布的交通指数数据与主要道路车流量调研资料,分别探讨车辆排热的月、日变化情况;根据能耗与气象数据的关系[25-26],借鉴Sailor[27]的方法结合DeST (Designer's Simulation Toolkit)软件的人员作息情况,该软件是基于"分阶段模拟"针对建筑环境及HVAC系统模拟的平台,根据室外气象条件、围护结构情况,利用三维动态传热算法预测其按维持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.其模拟计算过程是一个动态平衡的过程,后一时刻室内温度、冷热负荷以及供暖空调设备的耗电量受前一时刻的影响,可根据输入的建筑结构、围护结构材料、空调系统布置形式、室内人员活动规律、照明设备和室内设计温度值等,计算出该建筑全年时变化的动态能耗.同时参考其他研究如佟华[3]、Quah[8]、Nie[9]等,探讨建筑排热其月、日变化系数.叠加上述各热源即可得到总人为热的时间演变模式. 最后为说明该结果是否可应用于气候模型,选取中国科学院生态环境研究中心科研园区2015年7~8月的能耗资料实地验证本文方法的可行性与适用性.

3 结果与分析

3.1 人为热排放总量及平均强度的空间特征

对北京主城区7个辖区不同热源的总量分别计算,结果见图1.总体上,各区的年排热总量为1.11´1018J,同陈曦等[28]研究结果相近,其中建筑排热最多(5.02´1017J),占总量约45.3%,其次为交通、工业排热部分,分别占据30.1%、20.2%,人体新陈代谢总量为4.91´1016J,仅占4.4%.各辖区的排热总量相差较大,最多的为朝阳和海淀区,占主城区总量的52.2%,最少的是东城和大兴区,两者均占7.7%.

由图1可知,主城区平均人为热强度为14.55W/m2,约为陈兵等[24]研究结果的3.6倍,其原因是其研究区为北京整个行政区范围,而本文则限定于主城7个辖区,同佟华[3]只考虑五环区域的结论相近.各区平均排热强度相差较大,最大为82.30W/m2,最小为2.61W/m2.西城和东城区的排热强度(65~82W/m2)远高于其他区,而大兴区则低于平均值,同巴西圣保罗的结果[22]相近,法国图卢兹[29]最高排热区域的平均强度为43W/m2,仍低于本研究东城区、西城区的平均排热强度.

各辖区不同热源、不同街道的排热强度也有所区别,利用人口数据分配新陈代谢和居民建筑排热,用GDP指标分配工业、交通和商业建筑排热量.总体上看,四环内街道的排热强度较高,约为60~100W/m2,且多数处于东城区、西城区,最高排热强度272~376W/m2为建国门外和朝外街道,两街道均为北京CBD区域.

图2为不同热源及总人为热年均排放强度的空间分布,5类热源的空间特征不一致,但分布格局较类似.工业排热主要集中于西城区、海淀区东南角和朝阳区高碑店街道附近,其他地区也有少数高值区分布,最大值为62.4W/m2,出现在朝阳区王四营地区,朝外街道、东风地区与大兴多数地区出现零值,表明该区域没有工业排热;人体新陈代谢、交通和建筑排热主要分布于人口密度高的街道与地区,其中北三环内普遍偏高.在总人为热强度空间分布图中可见东、西城区、海淀区、朝阳区的高值区已连成片,集中分布在二环至三环内,多数街道地区排热可达60~130W/m2,最高值375.8W/m2在东二环至东三环内的CBD区域;石景山区的排热也较高,约为55~91W/m2,其中最高值90.6W/m2处于西五环处,其中工业排热高达55.5W/m2.北京五环内大部分街道和地区人为排热强度为20~80W/m2,少数地区在150W/m2以上.本研究结果同NASA发布的1km´1km地表温度空间格局较一致,表明粗分辨率下的人为热对地表温度有一定的正相关关系,同参考文献[6,30]相似,但人为热排放对局地温度的定量关系尚需进一步探讨.

3.2 人为热排放的时间演变特征

除了人为热的空间分布,其时间演变规律对气候环境的影响也非常重要.不同热源的排放具有明显的时间特征(图3),图中纵坐标的变化系数代表各月排热强度占全年(12 个月)的比例.交通车辆排热的月变化并不显著,基本上处于6%~ 10%,仅有9月的排热系数较高,达到10.4%;建筑热排放具有明显的”双峰”,冬季采暖与夏季制冷均会导致能源消费激增,排热强度较高. 总人为排热同建筑排热的变化趋势基本一致,呈冬夏”双峰”曲线.

交通与建筑排热在工作日与非工作日中有所差别,但因数据缺乏本文不考虑周变化.对于不同热源的日变化,处理分配方式不同.人体新陈代谢产热参考已有研究,工业废热排放与东京[12]的变化相似[3],交通车辆排热情况利用清华大学空气污染调研数据作为日变化系数;根据DeST住宅与商建版本的人员作息情况,同时借鉴已有研究结论得出其日变化系数[8,31](图4),与月变化系数相似,该系数表明每小时排热强度占全天(24h)总量的比例.易知人体新陈代谢在白天的排热强度约为夜间的2.5倍;工业排热在工作时段明显较高,约为夜间的6.6倍;交通排热在白天较高,尤其是9:00、18:00左右,同早晚高峰时间段一致,而在夜晚排热强度可低至白天的1/10;居民与商业建筑在冬、夏季的排热特征明显不同,但均是在白天高于夜晚,一般出现”双峰”现象,符合人们作息规律.商业建筑在冬季白天工作时段内排热系数大且较平缓,而夏季的下午的排热强度高出上午约一倍;居民建筑在冬季时明显有两个高峰,同炊事活动相关,在夏季则呈锯齿状波动,没有明显的峰值.总人为热的日变化系数在8:00和18:00左右出现高峰,白天其他时段变化较平缓,夜晚排热系数降为0.02以下.

3.3 总人为热与入射太阳辐射的对比

为评估人为排热对城市能量平衡的影响程度,将总人为热同NASA网站发布的北京每月太阳辐射平均值对比分析.北京主城区全年总辐射量为1.37×1019J,约为人为热总量的10倍,且七月的太阳辐射强度是一月的1.8倍.一月和七月的平均人为热强度分别为17.28W/m2、16.34W/m2,为太阳辐射平均强度的14.9%、7.6%,夏季结果同Hamilton等[13]的结论相似.冬、夏季的人为热强度与空间格局基本没有差别,年均或月均排热强度约为太阳辐射平均强度的10%,但少数街道和地区的排热强度仍高于太阳辐射强度,二环至三环之间达60~150W/m2,个别地区超过400W/m2.

由此可见,人为热已成为地表能量平衡的重要组分,尤其是冬季,人为热可能产生重大影响,在数值模拟中不能忽略.由于数据的缺失,本文仅对月均值进行对比,日均或小时尺度上需进一步探讨.

3.4 小区验证

采集中国科学院生态环境研究中心2015年7~8月及年总用电量数据,验证街道尺度上利用人口、经济等数据对其人为排热进行分配的合理性.假定此时期为空调季,其他月份为非空调季,得出空调用电占年总用电量的37.3%,同其他调查或报道[26,32-34]相吻合.取08:00时至次日08:00时为当天的耗电量,空调COP设为3.0,则建筑排热约为43.9W/m2;生态环境研究中心2014年底在职职工432人,在读研究生与博士后共867人,新陈代谢排热约为3.7W/m2;研究中心所处科研园区少有车辆驶入,在此不计交通排热;因此,7~8月的平均人为热强度为44.7W/m2,同生态环境研究中心所在的学院路街道的估算结果(45.4W/m2)相差很小,周日大多为低值而周变化并不明显,日均排热为40~60W/m2;该小区年均排热强度34.1W/m2比学院路街道低13.3%.根据已有数据,每天8:00~20:00的小时变化不明显,夜间用电量较白天低,与上述居民、商业建筑排热变化均有不同,但在排热量值上符合学院路街道的估算结果.该小区为科研园区,工作模式很特殊,没有明显的昼夜差异,考虑到北京的科研场所较多,该结论仍可作人为热估算的有利参考.证明我们利用人口、社会经济等数据计算人为热方法的合理性,这对研究人为热与局地温度的影响具较高的应用潜力.

3.5 讨论

本文选取市辖区与街道为计算单元,将数据直接分配至行政区,可针对性地提出有效措施以改善人居热环境.本文采用的方法易推广至其他城市,其统计数据与调研资料可相互对比验证;对于面积较大的街道和地区内的热状况,由于缺乏更详细的有效数据,其空间分配仅依据人口、GDP等社会经济数据,不确定性较大,需引入城市三维结构如道路、建筑等资料以提高其计算精度,而针对人为热计算的基本假定尚未解决如风速等影响不同单元准确度的弊端,这一点仍需进一步研究;不同热源的时间变化系数仅反映普遍排放模式,而不同街道不同小区人们的生活方式决定了其排放特征的复杂性,甚至功能相同的建筑其能耗也存在较大的差异[35],所以我国亟待构建基础数据库以深入探讨城市精细尺度上人为热的时空特征.

4 结论

4.1 北京主城区内建筑排热最高(5.02×1017J),其次为交通和工业部分.辖区内年均排热强度为14.55W/m2,高排热值为东、西城区(82.30W/m2).

4.2 街道尺度的排热空间上呈辐射状分布,与其区域规划及经济发展密切相关,且人为热强度同地表温度在空间格局上较为一致.

4.3 时间演变上,建筑排热在冬夏季出现”双峰”而其他热源则无明显季节变化;交通排热在通勤高峰时段较高而不同类型的建筑排热日变化很复杂,与人们的工作、生活模式相关.

Sailor D J. A review of methods for estimating anthropogenic heat and moisture emissions in the urban environment [J]. International Journal of Climatology, 2011,31(2):189-199.

王 频,孟庆林.城市人为热及其影响城市热环境的研究综述 [J]. 建筑科学, 2013,29(8):99-106.

佟 华,刘辉志,桑建国,等.城市人为热对北京热环境的影响 [J]. 气候与环境研究, 2004,9(3):409-421.

Flanner M G. Integrating anthropogenic heat flux with global climate models [J]. Geophysical Research Letters, 2009,36:270- 274.

石广玉,戴 铁,檀赛春,等.全球年平均人为热释放气候强迫的估算 [J]. 气候变化研究进展, 2010,6(2)119-122.

陆 燕,王勤耕,翟一然,等.长江三角洲城市群人为热排放特征研究 [J]. 中国环境科学, 2014,34(2):295-301.

谢 旻,朱宽广,王体健,等.中国地区人为热分布特征研究 [J]. 中国环境科学, 2015,35(3):728-734.

Quah A K L, Roth M. Diurnal and weekly variation of anthropogenic heat emissions in a tropical city, Singapore [J]. Atmospheric Environment, 2012,46:92-103.

Nie W S, Sun T, Ni G H. Spatiotemporal characteristics of anthropogenic heat in an urban environment: A case study of Tsinghua Campus [J]. Building and Environment, 2014,82:675- 686.

Lee S H, Song C K, Baik J J, et al. Estimation of anthropogenic heat emission in the Gyeong-in region of Korea [J]. Theoretical and Applied Climatology, 2009,96:291-303.

Sailor D J, Lu L. A top–down methodology for developing diurnal and seasonal anthropogenic heating profiles for urban areas [J]. Atmospheric Environment, 2004,38(17):2737-2748.

Ichinose T, Shimodozono K, Hanaki K. Impact of anthropogenic heat on urban climate in Tokyo [J]. Atmospheric Environment, 1999,33:3897-3909.

Hamilton I G, Davies M, Steadman P, et al. The significance of the anthropogenic heat emissions of London's buildings a comparison against captured shortwave solar radiation [J]. Building and Environment, 2009,44(4):807-817.

马盼盼,吾娟佳,杨续超,等.基于多源遥感信息的人为热排放量空间化——以浙江省为例 [J]. 中国环境科学, 2016,36(1): 314-320.

http://www.114huoche.com/zhengfu/BeiJing/[EB/Z].2015-06-26.

http://www.chystats.gov.cn/item/2014-02-13/100060461.html [EB/Z]. 2016-5-13.

http://hdtjj.bjhd.gov.cn/tjsj/ndsj/201502/t20150228_697494.html [EB/Z]. 2016-5-13.

http://tjj.bjdch.gov.cn/n5687274/n7654063/n10064666/n10064730/14611418.html [EB/Z]. 2016-5-13.

http://www.cpnn.com.cn/zdyw/201506/t20150608_805443.html [EB/Z]. 2015-09-02.

http://www.ne21.com/news/show-66709.html [EB/Z]. 2015-09- 16.

Grimmond C S B. The suburban energy balance: Methodological considerations and results for a mid-latitude west coast city under winter and spring conditions [J]. International Journal of Climatology, 1992,12:481-497.

Ferreira M J, Oliveira A P, Soares J. Anthropogenic heat in the city of São Paulo, Brazil [J]. Theoretical and Applied Climatology, 2011,104:43-56.

Ziock H J, Lackner K S, Harrison D P. Zero Emission Coal Power, a New Concept [R]. The first national conference on carbon sequestration, 2001.

陈 兵,石广玉,戴 铁,等.中国区域人为热释放的气候强迫 [J]. 气候与环境研究, 2011,16(6):717-722.

张小玲,王迎春.北京夏季用电量与气象条件的关系及预报 [J]. 气象, 2002,28(2):17-21.

臧建彬,钱一宁,金甜甜.基于居民用电总量的上海居住建筑夏季空调能耗分析 [C]. 上海市制冷学会2013年学术年会论文集,上海, 2013:304-309.

Sailor D J, Vasireddy C. Correcting aggregate energy consumption data to account for variability in local weather [J]. Environmental Modelling & Software, 2006,21(5):733-738.

陈 曦,王咏薇.2001年至2009年中国分省人为热通量的计算和分析 [C]. 中国气象学会年会, 2011.

Pigeon G, Legain D, Durand P, et al. Anthropogenic heat release in an old European agglomeration (Toulouse, France) [J]. International Journal of Climatology, 2007,27:1969-1981.

张 弛,束 炯,陈姗姗.城市人为热排放分类研究及其对气温的影响 [J]. 长江流域资源与环境, 2011,20(2):232-238.

Malina R M. Thermal Comfort: Analysis and Applications in Environmental Engineering by P. O. Fanger [J]. Human Biology, 1973,(1):116-117.

赵 炎,卢 军.住宅小区人为排热量调查 [J]. 制冷与空调, 2011,25:239-244.

李兆坚,江 亿,魏庆芃.北京市某住宅楼夏季空调能耗调查分析 [J]. 暖通空调, 2007,37(4):46-51.

http://epaper.wuhunews.cn/djwb/html/2014-07/25/content_168046.htm?div=-1, 2015-09-16.

冯可梁,田 昕,魏一鸣.北京市大型写字楼建筑除供暖外能耗数据分析 [J]. 暖通空调, 2007,43(4):80-84.

* 责任作者, 副研究员, rhsun@rcees.ac.cn

Assessing the spatiotemporal characteristics of anthropogenic heat in Beijing

WANG Ye-ning1,2, CHEN Ting-ting1,3, SUN Ran-hao1*

(1.State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China；2.University of Chinese Academy of Sciences, Beijing 100049, China；3.School of Life Sciences, University of Science and Technology of China, Hefei 230022, China)., 2016,36(7)：2178~2185

Anthropogenic heat (AH) emission in Beijing was investigated using the inventory approach. We assessed the total amount of heat emissions and their spatiotemporal characteristics. Results showed that: the total amount of AH emissions in the main zones was 1.11´1018J/a, accounting for 8.1% of the amount of solar radiation. Building sector contributed to 45.3% of heat emissions, followed by transportation and industrial sectors in the proportion of 30.1%, 20.2%, respectively. The largest amounts of AH emission were located in Chaoyang and Haidian district, accounting for 52.2% of the main zones. The least amount of AH emission was located in Dongcheng and Daxing district (7.7%). The average AH flux of the main zones was 14.55W/m2, a maximum (82.30W/m2) in Xicheng and only 2.61W/m2in Daxing. High values of AH flux (60~100W/m2) were concentrated between the northern 4thring-road and 2ndring-road. The highest AH intensity (272~376W/m2) was located in CBD of Beijing. The positive correlation between the AH fluxes and land surface temperature was quantified to reveal the impact of AH in Beijing. We found that there had no significant variations in monthly transportation AH and the diurnal peaks of transportation AH were at 9:00 and 18:00. The AH of building sectors varied in different seasons and different times, exhibiting the ‘double peak’ in a day.

main urban zone in Beijing；anthropogenic heat；transportation heat emission；building heat emission；spatiotemporal variations

X51

A

1000-6923(2016)07-2178-08

王业宁(1990-),男,河南新乡人,中国科学院生态中心硕士研究生,主要从事城市人为热及其对局地温度的影响研究.

2015-12-07

国家自然科学基金项目(41471150;41230633)