兰州市热环境时空特征及影响因素研究

王莹书, 石培基, 赵武生, 王梓洋, 谢晓艺

兰州市热环境时空特征及影响因素研究

王莹书1,2, 石培基1, 2,*, 赵武生1,2, 王梓洋1,2, 谢晓艺1,2

1. 西北师范大学地理与环境科学学院, 兰州 730070 2. 甘肃省土地利用与综合整治工程研究中心, 兰州 730070

基于Landsat数据, 运用辐射方程传输法获取兰州市2005年、2015年和2018年夏季地表温度作为基础数据, 分析兰州市热环境时空分布特征及其影响因素, 为缓解该市城市热岛效应提供指导依据。结果表明: (1)兰州市热岛效应呈现增强趋势, 空间分布呈现“树杈状”特征。非主城区地区成为主要热岛效应区域, 其中, 以永登县与皋兰县为热岛效应最强烈区域。(2)低温区与次低温区分布的土地类型以林地和水域为主; 中温区分布的土地类型以耕地和草地为主; 高温区与次高温区主要分布在建设用地、未利用地以及部分耕地与裸草地区域, 草地与耕地的植物含水量是影响地表温度的主要因素。(3)各影响因素与LST之间的相关性由大到小分别为: NDVI、建筑密度、路网密度、建筑高度差、建筑平均高度、GDP和人口。

热环境; 时空特征; 土地利用; 影响因素

0 前言

随着城市化的不断推进, 城市人口逐渐聚集, 自然资源加速消耗, 同时, 也对区域生理生态状况、结构组成、空间格局产生重大影响, 例如城市热岛(UHI)、环境污染、土壤沙化等。在城市化驱动下, 城市下垫面变化以及碳排放加剧是导致全球变暖主要原因之一。2018年联合国政府间气候变化专门委员会(IPCC)第五次评估报告指出, 1880—2012年全球海陆表面平均温度呈线性上升趋势, 且随气候持续变暖, 高温热浪将变得更加频繁[1]。城市热岛效应是全球气候变暖的响应特征之一, 19世纪初期, 英国学者Howard L首次注意到城郊热量差异[2]。近年来, 城市热岛效应影响范围不断扩大, 对城市热环境[3]、能源消耗[4]和居民健康[5]带来的影响日益强烈[6]。随着热岛效应加剧, 城市热环境已成为影响城市生态系统健康的重要因素之一。

近年来, 已有不少学者对城市热环境的发展及演变进行了大量研究。其中, 遥感数据由于时间同步性高, 覆盖范围较广, 被广泛应用于区域热环境的动态监测中[7-8]。目前, 国内外研究者多以各国首都城市、一线城市、城市群和重要经济圈等经济发展速度较快区域为研究区[9-10], 对于西北欠发达地区以及具有特殊地形条件的城市研究相对较少。兰州是典型的河谷地区, 也是西北重要工业城市, 城市发展速度较快。已有研究多侧重表现兰州市地表温度长时序的空间分异[11], 研究范围也以主城区为主[12], 缺少对全市热环境的研究。同时, 目前研究集中于单一成因分析, 如植被覆盖度[13]、不透水面[14]和景观格局[15]与地表温度的数理关系, 较少定量的综合评价自然、人文组合因素。

兰州是推动西部发展的重要引擎, 也是我国西北地区重要的工业基地与交通枢纽。区域高质量发展, 对生态与经济之间的协调关系, 提出了更高的要求。2012年国家批准建立兰州新区, 《兰州市城市总体规划(2011—2020)》提出将榆中县作为兰州副中心, 城市面积的扩展以及空间结构的改变使得整个兰州市热环境发生变化。兰州市热岛效应夏季最强, 冬季最弱[16], 基于此, 本文利用遥感影像数据, 研究2005—2018年兰州市夏季地表温度分布特征, 将自然影响因素与社会经济影响因素置于同一研究框架中, 定量分析形成兰州市热环境分布格局的影响因素。研究结果以期对兰州市城市发展规划方案提供数据支撑, 也为缓解干旱区其他河谷型城市热岛效应提供参考。

1 研究区域及数据来源

1.1 研究区概况

兰州是典型的河谷型城市, 位于南北两山之间, 黄河自东西穿中心城区而过。兰州深居西北内陆, 成雨机会少, 降水量约324.8 mm, 年平均气温为9.3 °C。截至2018年, 全市下辖5个区、3个县(图1), 城镇化率达81.03%。兰州是兰西城市群重要的区域性中心城市, 向西开放的重要经济增长极, 拥有经济、社会和文化积聚优势。城市化在推动国民经济快速增长的同时也造成了一系列生态环境问题。与全球其它河谷型城市和工业型城市类似, 长期的石化重工业污染累积, 大气污染问题严重[17], 污染物质难以向外扩散[18], 大气中的气溶胶粒子, 加剧了城市热岛效应。加上兰州市独特的自然地形条件, 河谷地形气流闭塞[19], 边界层内静风频率高, 尤其冬季城市上空容易形成较厚的逆温层, 对城市具有很好的“保暖作用”。

1.2 数据来源

研究数据: (1)2005年、2015年和2018年兰州市土地覆被数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)Landsat TM/ETM/8遥感影像数据, 分辨率为30 m。 (2)地表温度反演数据来源于地理空间数据云(http://www.gscloud.cn/), 选取2005、2015和2018年夏季Landsat7 ETM、Landsat8 OLI/TIRS遥感影像数据, 数据分辨率为30 m, 轨道号130/35, 云量均小于1%, 地表反演效果佳, 运用 ENVI5.3 软件去除云层污染, 并进行几何校正、大气校正、研究区裁剪等预处理。(3)地表影响因素及社会经济影响因素数据来源于中国GDP空间分布公里网格数据集、中国人口空间分布公里网格数据集、中国季度植被(NDVI)空间分布数据集、城市建筑面轮廓和建筑高度空间分布数据以及道路空间分布数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。所有栅格数据大小均重采样为30 m, 投影均为WGS1984 Albers。

图1 研究区地理位置示意图

Figure 1 Location map of study area

1.3 研究方法

1.3.1 地表温度反演

式中: 式中L由TIRS Band 10辐射定标后所得辐射亮度值表征,为地表比辐射率T为地表真实温度(K),(T)为黑体热辐射亮度/(m2·sr·μm),为大气在热红外波段透过率,为大气向上辐射亮度/(m2·sr·m),为大气向下辐射亮度/(m2·sr·μm)。

因本文所选三期遥感影像为不同时相数据, 为消除太阳辐射、风速及云量等因素影响, 利于不同时相的热环境空间分布及演变分析, 利用均值-标准差法[21]将研究区LST划分为高温区、次高温区、中温区、次低温区和低温区5个等级。见表1(表中M为LST的均值; δ代表标准差)。以次高温区与高温区代表城市热岛效应区域。

表1 均值-标准差法的地表温度等级划分标准

1.3.2 影响因素

城市热环境的变化是多种因素共同作用下的结果[22-23]。城市地表覆盖类型的变化被认为是城市热岛效应形成和加剧的重要因素。城市化进程的推进, 导致林地、草地和水体等自然地表被硬化地表所替代, 不透水面升温速度已被证实为最快[24], 并且, 兰州市特殊的地形地貌条件, 导致城市建设难以“摊大饼”式的向外扩展, 城市内部高层建筑物增加以及建筑密度的增加降低了热量的交换速度, 主城区倚靠南北两山亦成为影响热浪扩散的“屏障”。因此, 本文选用NDVI、路网密度、建筑密度、建筑高度差和建筑平均高度作为影响城市热环境形成的地表因素; 人口城市化与产业结构的变化是城市化的驱动力也是城市化的结果, 人口集聚与经济发展所带来的交通出行、生产侧和消费侧[25]等导致碳排放加剧, 因此, 选取GDP与人口作为影响城市热环境的社会经济因素。较短时序内区域气候条件变化幅度较小, 因此未选用气候相关因素进行影响因素分析。

相关性分析是探究区域地表温度与影响因素之间响应关系的关键方法。利用Arcgis10.2渔网工具对研究区进行网格划分, 网格大小为500 m, 相关性分析的样点设计采用均匀采样法, 利用SPSS22进行Pearson相关分析, 探究城市热环境形成的影响因素。Pearson相关分析计算公式为:

式中,为Pearson相关系数,x与y分别为两个变量值,为变量总个数。

2 结果与分析

2.1 热环境时空演变特征

从不同温度分布等级与用地类型分布变化情况来看(图2、图3), 2005—2018年, 兰州市夏季热岛效应总体呈现增加趋势, 主要表现为高温区范围稍有减小, 次高温区范围大幅增长。热岛效应区域大致呈现“树杈状”分布特征, 以大通河、湟水河和庄浪河为枝杈, 地表温度自中部向四周逐渐降低, 尤其以2015年“树杈状”特征分布最为明显; 高温区主要分布在庄浪河以东的皋兰县, 黄河以北的城关区, 庄浪河以西有少量分布; 次高温区域基本沿高温区外围向四周扩展; 低温区与次低温区分布较为稳定, 主要分布在密集的林区以及河流处。河流与林地对周围区域有明显的降温作用, 形成“冷廊”与“冷岛”。

图2 兰州市2005年、2015年和2018年温度等级分布图

Figure 2 Temperature level distribution of Lanzhou in 2005, 2015 and 2018

图3 兰州市2005年、2015年和2018年土地利用类型图

Figure 3 Land use types of Lanzhou in 2005, 2015 and 2018

研究期内夏季各区县地表温度均呈现不同程度的变化。其中, 以榆中县增幅最快, 地表温度年平均增长率达到2.4%。榆中县地表温度的快速增加, 与自然地理条件和社会经济因素的发展密不可分。榆中县山地多, 川地少, 中部盆地是全县人口、城镇、工矿的集中分布区, 导致地表温度较高。南北两山虽然土地利用程度不高, 多为未利用地、裸地或者稀疏植被, 植被含水量少, 蒸腾作用较弱使得地表温度升温较快。皋兰县是全市地表平均温度最高的地区, 2005—2018年皆以次高温区和高温区为主, 皋兰县城以及黑石镇一带因为其社会经济发展较好是主要的温度高值分布区域。相比三县以及红古区, 主城区平均温度稍低于三县。城关区作为全市经济、政治和人口中心, 建设用地占比较高, 人口密集, 成为主城区地表温度最高的地区; 其次为安宁区与西固区, 2005—2015年期间两区地表温度之间差值较小, 2018年安宁区地表温度开始高于西固区。这是因为安宁区是全市最主要的科教地区以及蔬菜水果生产区, 近几年随着“城中村”改造等城市建设的实施, 建设用地面积增加以及人口碳排放加剧, 导致地表升温速度加快。七里河区始终是主城区地表平均温度最低的区域, 也是全市地表平均温度最低的地区。

2.2 热环境的影响因素分析

根据Pearson相关分析结果(表2), 地表相关因素对兰州市热环境影响程度较高, 而社会经济因素与LST相关性较低。各影响因素与LST相关性由大到小分别为: NDVI、建筑密度、路网密度、建筑高度差、建筑平均高度、GDP和人口。其中, GDP、人口、路网密度、建筑密度与LST呈正相关, NDVI、建筑高度差和建筑平均高度与LST呈负相关。

城市地表覆盖情况是影响兰州市热环境形成的主要因素, 二者之间具有显著负相关性, 即植被覆盖度越高, 地表温度越低, 这与前人研究一致[26]。兰州市地表高温区与次高温区主要分布在城市建设用地、未利用地以及部分耕地和裸草地区域。与以往研究不同的是[27-39], 人口密度最高、经济发展最快的地区却不是产生热岛效应的唯一区域。兰州市主城区不透水面比例与建筑密度均较高却不是主要高温区域, 这与主城区面积相对较小有关, 也与城市绿色基础设施完备情况有关。绿地降温主要是在于植物的蒸腾作用。兰州深处大陆内部, 水汽难以到达, 并且蒸散量大, 气候条件对天然林地、草地和水域的形成以及天然植被含水量造成影响, 进而影响到植物蒸腾作用。与湿润地区城市地表覆被特征不同的是, 夏季干旱区城市建成区内部及周边地区虽然有较多天然形成的稀疏植被地表, 但植物含水量较少, 比热容较低, 升温快, 甚至可以成为干旱区城市的热岛中心区[30]。城市人工绿地的降温效果大于天然形成的稀疏植被, 人工绿地灌溉水量有保证, 而天然绿地主要依靠降雨。兰州市政府努力建设国家级园林城市, 主城区从人均公园绿地面积不足9 m2到11.08 m2, 从“省级园林城市”到“国家园林城市”, 从地面绿化到屋顶绿化, 以及2014年全城“洒水抑尘”的实行, 这些措施都有利于地表温度的降低。由于兰州市城市空间扩展受到地形与地貌的影响, 城市扩展更注重内部组合以及三维方向上的发展, 具体表现在水平面上的建筑密度增加, 垂直空间上的建筑高度增加。水平方向上, 单位面积地表内建筑密度越大, 代表建筑间空隙越小, 气流通过的可能性越小, 进而影响局部散热; 垂直方向上, 建筑高度差与建筑平均高度综合反映了建筑群内局部气流以及散热情况, 建筑高度差越大, 可以加强空气流动来促进局部散热, 并且建筑平均高度越大, 也可以在一定程度上遮挡部分太阳辐射, 进而减少地表吸收热量, 降低地表温度。城市路网一方面属于硬化地表, 必然带来地表高温, 另一方面, 路网承载着城市居民基本的交通出行, 居民使用交通工具带来的碳排放也会造成城市路网升温效应加剧。

人口和GDP在一定程度上代表着城市化的发展进程, 但是与兰州LST相关性并不显著。这是因为, 影响地表温度变化的主要因素在于绿地降温[31], 并且主要通过植被的蒸腾作用。主城区人工绿化覆盖率较高, 绿色基础设施相对较为完善, 且主城区面积相对较小并有黄河穿城而过, 较大规模性的水域或林草地在一定程度上对两岸起到降温作用; 三县林地与水域面积虽然多于主城区, 但总面积占比不高, 并且基本独立分布于人迹较少的行政区边界, 对缓解高温作用有限。

表2 影响因素与LST相关系数表

注: **在 0.01 水平(双侧) 显著相关; *在 0.05 水平(双侧) 显著相关。

3 讨论

本文从二维空间层面指出城市绿地覆盖情况与城市热环境的形成具有高显著负相关性, 即绿地面积越大, 地表温度越低, 绿地的降温效果越强, 这与其他学者研究一致。但是绿地规模的降温作用具有一定范围, 面积过大或者面积不足均达不到降温效果的最大值, 当绿地面积达到3—5 hm2时, 绿地具有较强的降温作用; 当绿地面积大于5 hm2时, 其降温作用趋于稳定[32]。相对于二维绿地主要从绿地规模、绿地率与绿化覆盖率指标来表征与热环境的响应关系, 三维绿地更加注重从植物的遮阴作用以及蒸腾作用解释绿地与城市热环境之间的关系, 即从植物茎叶部分的体积总和, 去表征植物生长状况、植物配置情况与城市热环境在微观层面上的关系。已有研究表明, 各类植物的降温效果大致为: 阔叶树>花卉植物或者灌木>针叶树, 具有较大树冠体积的乔木类植物遮阴作用优于草坪以及花卉, 同时, 其叶片数量较多, 蒸腾作用也较为强烈[33]。总而言之, 三维绿地可以综合反映绿地内部的空间布局特征, 也可以较好的反映出植物在三维空间的分布情况以及组合特征, 本文接下来的研究将从绿地的三维空间分布特征出发去探讨城市绿地的降温机制。

在城市中, 建设用地与城市绿地之间彼此相互制约又相互影响, 并且随着城市化进程的快速发展, 二者之间的矛盾越发突出。兰州市特殊的河谷地形条件, 严格限制了城市建设用地向外扩散, 这使得建设用地与城市绿地之间的矛盾越发尖锐, 未来城市内部发展将更加趋于紧凑化以及垂直化, 这意味着城市热环境研究也应当相应地从二维平面布局延伸至三维空间层面。这种基于三维空间的研究视角可以助推城市绿地与城市热环境之间的关系更加深入, 得到绿地三维时空特征作用于城市热环境的形成机理, 最终达到利用有限的绿地覆盖面积获得最优的降温效果。未来城市热环境与城市绿地的相关研究应当从以下几个问题着手: 有限的城市空间中, 绿地结构如何分配将达到最优降温效果？绿地在城市中心地带或者城市外围应当如何分布？不同尺度下的绿地结构与地表温度的相关性如何变化？研究结果以期为城市绿地设计、规划和建设提供科学依据和数据支撑, 从而达到缓解城市热岛效应的目的

4 结论

1) 研究期内兰州市夏季热岛效应呈现增强趋势, 主要表现为高温区范围稍有减小, 次高温区范围大幅增长。热岛效应区域大致呈现“树杈状”分布特征, 主要分布在永登县、皋兰县和城关区。兰州市主城区并不是产生热岛效应的唯一地区, 相反, 三县及红古区因为耕地以及裸草地植被含水量较少, 部分区域也成为城市热岛地区。

2) 低温区与次低温区分布的土地类型为林地和水域, 规模性地林地与水域对周围区域有明显的降温效应, 形成“冷廊”与“冷岛”; 中温区分布的土地类型主要是草地和耕地; 次高温区与高温区主要以建设用地、未利用地、部分耕地以及部分裸草地分布, 草地和耕地的植物含水量是影响地表温度的主要因素。

3) 根据Pearson相关分析结果, GDP、人口、路网密度、建筑密度与LST呈正相关, NDVI、建筑高度差和建筑平均高度与LST呈负相关。地表相关因素对兰州市热环境影响程度较高, 而社会经济因素与LST相关性较低。各影响因素与LST相关性由大到小分别为: NDVI、建筑密度、路网密度、建筑高度差、建筑平均高度、GDP和人口。

[1] 孙侦, 贾绍凤, 吕爱锋, 等.IPCC AR5全球气候模式对1996—2005年中国气温模拟精度评价[J]. 地理科学进展, 2015, 34(10): 1229–1240.

[2] HOWARD L. The climate of London, deduced from meteorological observations[M]: London: Joseph Rickerby, Printer, 1833.

[3] 于琛, 胡德勇, 张旸, 等. 近20年京津唐主体城区地表热场空间特征变化分析[J]. 地理科学, 2019, 39(6): 1016–1024.

[4] 彭保发, 石忆邵, 王贺封, 等. 城市热岛效应的影响机理及其作用规律——以上海市为例[J]. 地理学报, 2013, 68(11): 1461–1471.

[5] 黄鹤楼,丁烨毅, 姚日升, 等. 宁波城市化进程对夏季极端气温和高温热浪的影响[J]. 气象与环境科学, 2020, 43(2): 56–62.

[6] 林荣平, 祁新华, 叶士琳. 沿海河谷盆地城市热岛时空特征及驱动机制[J]. 生态学报, 2017, 37(1): 294–304.

[7] 王刚, 张秋平, 肖荣波, 等. 城市绿地对热岛效应的调控功能研究——以广州为例[J]. 生态科学, 2017, 36(1): 170–176.

[8] 赵志刚, 余德, 何宁, 等. 赣西三市热环境时空演变特征及影响因素[J]. 生态科学, 2019, 38(3): 174–181.

[9] 高静, 龚健, 李靖业. “源-汇”景观格局的热岛效应研究——以武汉市为例[J]. 地理科学进展, 2019, 38(11): 1770–1782.

[10] 杨智威, 陈颖彪, 吴志峰, 等. 粤港澳大湾区建设用地扩张与城市热岛扩张耦合态势研究[J]. 地球信息科学学报, 2018, 20(11): 1592–1603.

[11] 马玉霞, 王式功, 魏海茹. 兰州市近50年城市热岛强度变化特征[J]. 气象科技, 2009, 37(6): 660–664.

[12] 潘竟虎, 韩文超. 兰州中心城区用地扩展及其热岛响应的遥感分析[J]. 生态学杂志, 2011, 30(11): 2597–2603.

[13] 董磊磊, 潘竟虎, 王卫国, 等. 基于遥感和GWR的兰州中心城区夏季热场格局及与土地覆盖的关系[J]. 土壤, 2018, 50(2): 404–413.

[14] 李瑶, 潘竟虎. 基于Landsat 8劈窗算法与混合光谱分解的城市热岛空间格局分析——以兰州市中心城区为例[J].干旱区地理, 2015, 38(1): 111–119.

[15] 潘竟虎. 兰州市景观生态格局热环境效应研究[D]. 兰州: 兰州大学, 2011.

[16] 何正强. 兰州的城市热岛效应研究现状[J]. 甘肃科技, 2016, 32(9): 23–28.

[17] FENG Huihui, ZOU Bin, WANG Jinyan, et al. Dominant variables of global air pollution-climate interaction: geographic insight[J]. Ecological Indicators, 2019, 99(4): 251–260.

[18] 王博, 陈红, 夏敦胜, 等. 兰州市叶面尘磁性与黑碳特征对大气污染的响应[J]. 中国环境科学, 2019, 39(8): 3178–3185.

[19] 张金贵. 河谷型城市风场及污染物扩散数值仿真研究[D]. 兰州: 兰州大学, 2017.

[20] 孙喆. 北京市第一道绿化隔离带区域热环境特征及绿地降温作用[J]. 生态学杂志, 2019, 38(11): 3496–3505.

[21] 于琛, 胡德勇, 曹诗颂, 等. 2005-2016年北京中心城区热岛时空格局及影响因子多元建模[J]. 地球信息科学学报, 2017, 19(11): 1485–1494.

[22] 谢启姣. 武汉城市热岛特征及其影响因素分析[J]. 长江流域资源与环境, 2016, 25(3): 462–469.

[23] 岳文泽, 徐丽华, 徐建华. 20世纪90年代上海市热环境变化及其社会经济驱动力[J]. 生态学报, 2010, 30(1): 155–164.

[24] 李孝永, 匡文慧. 北京、天津和石家庄城市地表覆盖组分与结构特征对地表温度的影响[J]. 生态学杂志, 2019, 38(10): 3057–3065.

[25] 彭水军, 张文城, 孙传旺. 中国生产侧和消费侧碳排放量测算及影响因素研究[J]. 经济研究, 2015, 50(1): 168–182.

[26] 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): 1134–1147.

[27] CARLOS B, PAUL O, ALAN P. Spatio-temporal patterns in green infrastructure as driver of land surface temperature variability: the case of Sydney[J]. International Journal of Applied Earth Observations and Geoinformation, 2019, 83(11): 101903–101910.

[28] 刘静, 温仲明, 刚成诚. 黄土高原不同植被覆被类型NDVI对气候变化的响应[J]. 生态学报, 2020, 40(2): 678–691.

[29] 崔耀平, 刘纪远, 张学珍, 等. 京津唐城市群土地利用变化的区域增温效应模拟[J]. 生态学报, 2015, 35(04): 993–1003.

[30] 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(07): 1259–1272.

[31] 韩善锐, 韦胜, 周文, 等. 基于用户兴趣点数据与Landsat遥感影像的城市热场空间格局研究[J]. 生态学报, 2017, 37(16): 5305–5312.

[32] 孙喆. 北京市第一道绿化隔离带区域热环境特征及绿地降温作用[J]. 生态学杂志, 2019, 38(11): 3496–3505.

[33] 周宏轩, 陶贵鑫, 炎欣烨, 等. 绿量的城市热环境效应研究现状与展望[J]. 应用生态学报, 2020, 31(08): 2804–2816.

Spatial-temporal characteristics and influencing factors of thermal environment in Lanzhou

WANG Yingshu1,2, SHI Peiji1,2,*, ZHAO Wusheng1,2, WANG Ziyang1,2, XIE Xiaoyi1,2

1. College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China 2. Land Use and Comprehensive Improvement Engineering Research Center of Gansu Province, Lanzhou 730070, China

The land surface temperature in summer of 2005, 2015 and 2018 in Lanzhou was obtained by using the radiative equation transfer method asbasic data based on Landsat data. The spatial-temporal distribution characteristics of thermal environment in Lanzhou and its influencing factors were analyzed to provide guidance for alleviating the urban heat island effect. The results showed that: (1) The urban heat island effect showed an increasing trend, and the spatial distribution presented a "tree branch" feature, and the non-main urban area became the main heat island effect area. Yongdeng and Gaolan were the areas with the strongest heat island effect. (2) The land surface temperature of forest land and water area mainly distributed in low temperature area and sub low temperature area; grassland and cultivated land mostly distributed in medium temperature area; high temperature area and sub high temperature area were mainly distributed in construction land, unused land, part of cultivated land and bare grassland, plant moisture of grassland and cultivated land was the main factor affecting surface temperature. (3) The influencing factors of LST were mainly NDVI, building density, road network density, building height difference, average building height, GDP and population.

thermal environment; spatial-temporal characteristics; land use; influencing factors

10.14108/j.cnki.1008-8873.2022.02.007

Q939.5

A

1008-8873(2022)02-059-07

2020-07-28;

2020-09-29

国家自然科学基金项目(41771130)

王莹书(1996—), 女, 甘肃兰州人, 硕士研究生, 主要从事城市生态、城市与区域发展研究, E-mail:wangys011@163.com

通信作者:石培基, 男, 博士生导师, 教授, 主要从事城市与区域发展研究, E-mail: shipj@nwnu.edu.cn

王莹书, 石培基, 赵武生,等. 兰州市热环境时空特征及影响因素研究[J]. 生态科学, 2022, 41(2): 59–65.

WANG Yingshu, SHI Peiji, ZHAO Wusheng, et al. Spatial-temporal characteristics and influencing factors of thermal environment in Lanzhou[J]. Ecological Science, 2022, 41(2): 59–65.