杭州典型城市濕地溫度效應(yīng)的季節(jié)和類型差異

張 偉, 蔣錦剛, 朱玉碧

(1. 西南大學(xué) 地理科學(xué)學(xué)院，重慶 400715;2. 華東師范大學(xué) 上海市城市化生態(tài)過程與生態(tài)恢復(fù)重點實驗室，上海 200062;3. 杭州師范大學(xué) 理學(xué)院 遙感與地球科學(xué)研究院，杭州 311121; 4. 西南大學(xué) 經(jīng)濟管理學(xué)院，重慶 400715)

杭州典型城市濕地溫度效應(yīng)的季節(jié)和類型差異

張 偉1-3, 蔣錦剛3, 朱玉碧4

(1. 西南大學(xué) 地理科學(xué)學(xué)院，重慶 400715;2. 華東師范大學(xué) 上海市城市化生態(tài)過程與生態(tài)恢復(fù)重點實驗室，上海 200062;3. 杭州師范大學(xué) 理學(xué)院 遙感與地球科學(xué)研究院，杭州 311121; 4. 西南大學(xué) 經(jīng)濟管理學(xué)院，重慶 400715)

以杭州市四個典型城市濕地為研究對象，通過城市地表溫度(LST)的遙感反演和GIS空間分析，探討了季節(jié)和濕地類型對城市濕地局地溫度效應(yīng)的影響.研究發(fā)現(xiàn)：①濕地溫度效應(yīng)的季節(jié)差異非常明顯，季節(jié)因素對濕地溫度效應(yīng)的類型、范圍和幅度及梯度變化等都有重要影響.②傳統(tǒng)的濕地分類與濕地溫度效應(yīng)之間沒有直接聯(lián)系；濕地的面積、周長等是濕地溫度效應(yīng)的重要影響因素；濕地形狀對溫度效應(yīng)的影響并不明顯.③對各濕地單位水體面積所產(chǎn)生的溫度效應(yīng)進行了比較分析，發(fā)現(xiàn)京杭大運河溫度效應(yīng)的效率最高.濕地面積和溫度效應(yīng)的關(guān)系極有可能是呈S型曲線的模式.

城市濕地； 溫度效應(yīng)； 遙感； 季節(jié)； 濕地類型； 杭州

0 引 言

近年來，隨著全球城市化進程的加速，城市熱島效應(yīng)日益顯著，嚴重影響了城市人居環(huán)境的質(zhì)量.如何緩解城市熱島效應(yīng)，調(diào)節(jié)城市小氣候成為了學(xué)者們普遍關(guān)注的熱點問題[1-3].城市地表溫度(LST)被認為是城市氣候研究的核心參數(shù)和環(huán)境溫度的主體，對城市大氣層底層溫度的高低和城市總體溫度的高低具有重要的影響[4].學(xué)者們從城市土地利用[5]、城市形態(tài)[6]、城市建筑[7]等方面入手，探討了城市地表溫度的影響因素和調(diào)控措施.其中，城市下墊面的類型、性質(zhì)、分布等始終是城市小氣候研究的焦點[8].

濕地具有比較明顯的局地小氣候調(diào)節(jié)效應(yīng).許多學(xué)者也利用實地觀測[9]和遙感反演[10-12]等方法開展了相關(guān)的研究，以期為緩解熱島效應(yīng)、提升人居環(huán)境[13,14]提供依據(jù).濕地的溫度效應(yīng)往往是季節(jié)因素(太陽輻射、溫度、濕度、風(fēng)速等)和個體特征(面積、深度、形狀等)綜合作用的結(jié)果[15-17].但在現(xiàn)有研究中，多是針對單個季節(jié)、單個濕地進行研究，尚未見到對四個季節(jié)、多種濕地類型進行深入分析的文獻.據(jù)此，本文擬以杭州市為例，基于ALOS遙感影像和四個季節(jié)的Landsat 5遙感影像，分析杭州市最重要、最典型的四個城市濕地的溫度效應(yīng)，以期加深對濕地局地小氣候調(diào)節(jié)功能的認識，為緩解城市熱島效應(yīng)，提升人居環(huán)境，開展城市規(guī)劃提供科學(xué)依據(jù).

1 研究區(qū)

杭州市位于亞熱帶季風(fēng)區(qū)，夏季氣候炎熱濕潤，冬季寒冷干燥.全年平均氣溫17.5 ℃，平均相對濕度70.3%，年降水量1 454 mm，年日照時數(shù)1 765 h.近20年來，杭州市的平均氣溫上升明顯，緩解城市熱島效應(yīng)已經(jīng)成為杭州城市建設(shè)中亟待解決的重要問題.

杭州是典型的江南水鄉(xiāng)城市，擁有西湖、西溪、錢塘江、京杭大運河等豐富的濕地資源(見圖1).日益突出的城市熱島效應(yīng)，類型豐富的濕地資源，顯著的季節(jié)變化使得杭州市成為開展城市濕地溫度效應(yīng)研究的極佳場所.在城市熱島效應(yīng)不斷增強的背景下，通過對杭州市不同季節(jié)、不同類型濕地冷濕效應(yīng)的研究，有助于進一步認識濕地溫度效應(yīng)的作用機理，從而為緩解城市熱島效應(yīng)，提升城市人居環(huán)境，實現(xiàn)城市濕地的科學(xué)規(guī)劃與合理布局提供決策參考.

圖1 杭州市的TM5衛(wèi)星遙感影像Fig.1 Satellite image of Hangzhou city

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

采用4景覆蓋杭州市的Landsat 5衛(wèi)星影像作為地表溫度反演的基礎(chǔ)數(shù)據(jù).TM影像的成像時間分別為2005年10月17日(秋季)，2007年1月8日(冬季)，2007年3月29日(春季)，2008年7月5日(夏季).利用ALOS影像提取杭州市西湖、西溪、錢塘江、京杭大運河這四個主要濕地的邊界，其成像時間為2010年8月20日，空間分辨率為2.5 m.

2.2 地溫反演方法

本文采用Jiménez-Munoz提出的普適性單通道算法進行地表溫度的反演.具體的反演步驟包括：①遙感影像的預(yù)處理.利用美國國家航空和航天管理局下設(shè)單位LEDAPS開發(fā)的配準與正射糾正程序包AROP進行配準，配準誤差控制在0.5個像元以內(nèi).利用COST大氣校正模型進行大氣校正[18].②進行地表發(fā)射率的估計.通過歸一化植被指數(shù)(NDVI)獲得地物比輻射率(LSE).③地表溫度反演.對TM熱紅外波段進行輻射定標以后，即可計算像元的亮溫，進而利用Jiménez-Munoz的普適性單通道算法計算地表溫度.LST的反演公式和參數(shù)取值，詳見文獻[19,20].

2.3 溫度效應(yīng)分析方法

通過Arcgis的緩沖區(qū)分析功能，以濕地邊界為起點，向外以50 m等間隔距離設(shè)定1 000 m的緩沖區(qū)，統(tǒng)計濕地內(nèi)部，以及周邊不同緩沖距離內(nèi)地表溫度的平均值.對本文中幾個重要的概念定義如下：①第i個緩沖區(qū)的溫差(Ui).指濕地外第i個緩沖區(qū)的平均溫度(Ti)與該濕地內(nèi)部的平均溫度(Tc)的差值.②影響范圍.指自濕地邊界開始，至不再受到濕地溫度效應(yīng)影響的距離.主要通過人工判斷的方法來確定濕地溫度效應(yīng)的影響范圍.即由濕地邊界開始，隨著緩沖區(qū)距離的增加，溫度曲線首次出現(xiàn)由陡峭變?yōu)槠教沟拿黠@拐點，或者溫度曲線的斜率出現(xiàn)劇烈變化時，就將該點作為影響范圍的邊界點[11].③影響幅度.在濕地溫度效應(yīng)的影響范圍內(nèi)，最高平均溫度和最低平均溫度之間的差值.④溫度效應(yīng)的類型.在濕地溫度效應(yīng)的影響范圍內(nèi)，如果溫差U呈上升趨勢，則表示其類型為冷濕效應(yīng)；即濕地對周邊區(qū)域有降溫作用.反之則為暖濕效應(yīng).

3 結(jié)果和討論

根據(jù)前文提到的地表溫度的遙感反演和GIS空間分析，利用ENVI和Arcgis軟件，得到杭州市各季節(jié)的地表溫度分布圖(見圖2).

圖2 杭州市夏季地表溫度的遙感反演結(jié)果Fig.2 Remote sensing inversion result of LST in Hangzhou city

根據(jù)前述定義，計算各濕地在四個季節(jié)各個緩沖區(qū)的溫差，分析其溫度效應(yīng)的影響幅度和影響范圍，結(jié)果如下(圖3—6)：

圖3 西溪濕地內(nèi)外地表溫差的梯度變化趨勢Fig.3 Gradient changes of the surface temperature difference between inside and outside of XiXi Wetland

圖4 西湖內(nèi)外地表溫差的梯度變化趨勢Fig.4 Gradient changes of the surface temperature difference between inside and outside of XiHu

圖5 錢塘江內(nèi)外地表溫差的梯度變化趨勢Fig.5 Gradient changes of the surface temperature difference between inside and outside of Qian Tang river

3.1 季節(jié)差異

由圖3—6中可以看出，濕地溫度效應(yīng)的季節(jié)差異非常大.①從濕地內(nèi)外溫度的比較上看，無論在哪個季節(jié)，四個濕地內(nèi)的溫度總是低于濕地外.但溫差的幅度卻存在著巨大的季節(jié)差異.在夏季，濕地內(nèi)外的溫差均是各季節(jié)中最大的，平均溫差為11.695 ℃，最高可達15.58 ℃.而在冬季，濕地內(nèi)外的溫差普遍較小，平均溫差僅1.388 ℃，僅為夏季的11.86%.②從濕地外地表溫度差值曲線的形態(tài)上看，也有比較明顯的季節(jié)差異.總體而言，春夏的曲線形態(tài)均比較相似，而冬季則比較特別.就西溪濕地而言，四個季節(jié)的溫差曲線形態(tài)可以很容易地分為兩類.其中，春季和夏季比較相似，其相關(guān)系數(shù)為0.884；秋季和冬季比較相似，相關(guān)系數(shù)為0.917.就西湖而言，四個季節(jié)的溫差曲線形態(tài)同樣可以很容易地分為兩類.其中，春、夏、秋季比較相似，其相關(guān)系數(shù)均在0.9以上；冬季和其他季節(jié)的相關(guān)性則非常低，均在0.3以下.就錢塘江而言，春、夏和秋季比較相似.其中春夏的相關(guān)系數(shù)高達0.991；春秋季的相關(guān)系數(shù)也較高，為0.850.冬季與其它季節(jié)的相關(guān)性則比較低.就京杭大運河而言，春季和夏季比較相似，其相關(guān)系數(shù)高達0.996；冬季的溫差曲線最為特別，與春夏兩季的相關(guān)系數(shù)均接近-0.7.③從溫度效應(yīng)的類型上看，冷濕效應(yīng)出現(xiàn)的頻率遠高于暖濕效應(yīng).在春夏兩季，所有的濕地均表現(xiàn)為冷濕效應(yīng).而暖濕效應(yīng)多出現(xiàn)在冬季，秋季也偶有出現(xiàn).這種情況也是比較容易理解的.在中國，春夏季主要表現(xiàn)為增溫過程.由于水體的熱容量更大，增熱的速率更慢，使得水面和水上空氣的溫度較低，故而表現(xiàn)為冷濕效應(yīng)；反之，中國的秋冬季主要表現(xiàn)為降溫過程.此時，水體降溫速率較慢，有助于緩和水面和水上空氣的降溫過程，故而表現(xiàn)為暖濕效應(yīng).從影響范圍來看，暖濕效應(yīng)的平均影響范圍為316.7 m；冷濕效應(yīng)則為207.7 m.這表明暖濕效應(yīng)雖然出現(xiàn)的頻率較低，但仍對周邊區(qū)域有重要的影響.④溫度效應(yīng)的影響范圍.濕地溫度效應(yīng)的影響范圍也有較大的季節(jié)差異.其中，夏季最大，平均影響范圍為287.5 m，最高達400 m；春季最小，為187.5 m.⑤溫度效應(yīng)的幅度.從各緩沖區(qū)溫度效應(yīng)影響范圍內(nèi)地表溫度的變化幅度來看，仍是夏季的變化幅度最大，平均幅度為5.323 ℃；冬季則最小，平均幅度為0.525 ℃.這主要是因為夏季氣溫高，溫度變化劇烈，導(dǎo)致溫度效應(yīng)的幅度也比較大.

圖6 京杭大運河內(nèi)外地表溫差的梯度變化趨勢Fig.6 Gradient changes of the surface temperature difference between inside and outside of the Grande Canal

3.2 類型差異

3.2.1 各濕地的溫度效應(yīng)

由圖中可以看出，各濕地溫度效應(yīng)的差異也比較大.①從各濕地溫度差值曲線的形態(tài)上看，各濕地存在一定的差異.首先，與其它濕地相比，西溪濕地的土地利用結(jié)構(gòu)比較特殊(水體占49.94%，植被占35.66%，建設(shè)用地占14.40%)，導(dǎo)致其溫差曲線形態(tài)與其它濕地也存在著很大的差異，相關(guān)系數(shù)多在0.5以下，甚至出現(xiàn)負相關(guān)的情況.其次，在四個季節(jié)中，錢塘江和西湖的相關(guān)性都是最高的，其相關(guān)系數(shù)最高時達0.959(春季).而錢塘江和京杭大運河同屬河流濕地，在形狀上顯然也更接近，但二者的相關(guān)系數(shù)最高時也僅為0.852，明顯低于錢塘江和西湖的相關(guān)系數(shù).這表明濕地的溫度效應(yīng)與傳統(tǒng)的濕地分類并不一致，與形狀的相關(guān)性也較弱.②從濕地內(nèi)外溫差的比較上看，河流濕地的平均溫差較大.其中，錢塘江的溫差最大，四季平均溫差為9.07 ℃.西溪和西湖的溫差較低，分別為4.30℃和4.31℃.③從各濕地溫度效應(yīng)的影響范圍來看，各濕地的差異并不大.四個季節(jié)平均影響范圍最大的是京杭大運河，為275 m；最小的為錢塘江，為212.5 m.西溪和西湖的影響范圍相同，均為225 m.這是一個非常有趣的現(xiàn)象.因為從水域面積上看，京杭大運河最小(2.58 km2)，錢塘江最大(74.83 km2)，與影響范圍剛好呈負相關(guān)的關(guān)系.④從各濕地溫度效應(yīng)的影響幅度來看，錢塘江最大，為3.74 ℃；西溪濕地最小，為0.34 ℃.⑤從各濕地溫度效應(yīng)的類型來看，西溪濕地和京杭大運河都曾出現(xiàn)過暖濕效應(yīng)，而西湖和錢塘江則全是冷濕效應(yīng).

綜上可知，①錢塘江、西湖這種面積較大，水面比較集中的濕地，在各個季節(jié)均易成為高強度的冷源.對周邊區(qū)域產(chǎn)生較強烈的降溫效應(yīng)，但影響范圍并不大.②西溪、京杭大運河這類面積不大，水域布局較分散的濕地，它們對周邊區(qū)域的溫度影響并不劇烈，但范圍并不算小.同時，這類濕地在以增溫為主的春夏季可表現(xiàn)為冷濕效應(yīng)，在以降溫為主的秋冬季可表現(xiàn)為暖濕效應(yīng)，在冬冷夏熱的亞熱帶季風(fēng)區(qū)，其氣候調(diào)節(jié)價值更大.

3.2.2 溫度效應(yīng)的影響因素

在本部分，將四個濕地的基本特征(見表1)與各季節(jié)的溫度效應(yīng)進行相關(guān)分析，探討濕地溫度效應(yīng)的影響因素.①水體面積.水體面積與夏季濕地溫度效應(yīng)的影響范圍之間呈較高的相關(guān)性，其Pearson 相關(guān)系數(shù)為0.970 4；與秋季濕地內(nèi)外溫差之間亦具有較高的相關(guān)性，Pearson 相關(guān)系數(shù)為0.901 7.②濕地的周長.濕地周長與濕地內(nèi)外溫差之間存在強烈的相關(guān)性，其Pearson 相關(guān)系數(shù)為0.985 7.③濕地形狀.無論是斑塊形狀指數(shù)，還是斑塊分維數(shù)，與濕地溫度效應(yīng)的相關(guān)性均比較差，這表明濕地的形狀對濕地溫度效應(yīng)的影響很弱.④濕地內(nèi)部土地利用結(jié)構(gòu).水體在濕地中所占比例與濕地溫度效應(yīng)的影響幅度呈較高的相關(guān)性，其Pearson 相關(guān)系數(shù)為0.969 8.綜上可知，水域的面積、周長等是濕地溫度效應(yīng)的重要影響因素；而濕地形狀對溫度效應(yīng)的影響并不明顯.但是，由于本研究中濕地樣本量較少，故相關(guān)分析結(jié)果僅能作為初步判定的依據(jù).

表1 杭州市四個典型濕地的基本情況Tab.1 Basic information of the four typical wetlands in Hangzhou

3.2.3 溫度效應(yīng)的影響效率

將各濕地各季節(jié)溫度效應(yīng)的影響范圍和影響幅度除以該濕地的面積，得到表2和表3.

表2 各濕地不同季節(jié)單位水體面積的影響范圍Tab.2 Influence ranges of unit water area for each wetland in different seasons m·km-2

表3 各濕地不同季節(jié)單位水體面積的影響幅度Tab.3 Influence amplitudes of unit water area for each wetland in different seasons ℃·km-2

從表1和表2可知：①在單位水體面積的溫度效應(yīng)影響范圍方面，京杭大運河的效率是最高的.尤其是在冬季，其影響范圍達174.76 m/km2，遠高于同為河流濕地的錢塘江(1.34 m/km2).而西湖和西溪濕地的影響范圍則比較接近.②在單位水體面積的溫度效應(yīng)影響幅度方面，京杭大運河的效率同樣是最高的.其平均影響幅度為1.12 ℃/km2，同樣遠高于錢塘江(0.05 ℃/km2).

從上面可以看出：①面積是影響濕地溫度效應(yīng)的重要因素，但二者并不是簡單的線性關(guān)系.當濕地面積達到一定的閾值時，其溫度效應(yīng)的影響范圍和幅度均不再同步增長.換言之，面積和溫度效應(yīng)的關(guān)系極有可能是呈S型邏輯斯蒂增長曲線的模式.因此，在城市規(guī)劃中，應(yīng)該找到這一閾值，并根據(jù)閾值來確定濕地的空間布局，這樣就能以最小的濕地面積，獲取最大的氣候調(diào)節(jié)功能.②京杭大運河的面積最小，但溫度效應(yīng)的效率卻最高.在今后的城市規(guī)劃中，可嘗試多布局一些細長的人工河流，以調(diào)節(jié)城市小氣候.

4 結(jié) 論

(1) 季節(jié)差異.無論是濕地內(nèi)外的溫差，濕地外地表溫度的梯度變化，溫度效應(yīng)的類型、影響范圍和影響幅度等各個方面，濕地的溫度效應(yīng)都具有巨大的季節(jié)差異.首先，濕地內(nèi)外的溫差，以及溫度效應(yīng)的影響幅度在夏季最大，冬季最小.其次，在溫度效應(yīng)的影響范圍上，夏季最大，春季最小.

(2) 類型差異.首先，錢塘江、西湖這種面積較大，水面比較集中的濕地，在各個季節(jié)均易成為高強度的冷源，能對周邊區(qū)域產(chǎn)生較強烈的降溫效應(yīng).平均影響幅度在3～4 ℃之間；影響范圍在200～250 m之間.其次，西溪、京杭大運河這類面積不大，水域布局較分散的濕地，它們對周邊區(qū)域的溫度影響較小.最后，Pearson相關(guān)分析的結(jié)果表明，水域的面積、周長等是濕地溫度效應(yīng)的重要影響因素；而濕地形狀對溫度效應(yīng)的影響并不明顯.

(3) 效率差異.本文對各濕地單位水體面積所產(chǎn)生的溫度效應(yīng)進行了比較，發(fā)現(xiàn)無論是影響范圍，還是影響幅度，京杭大運河的效率都是最高的.濕地面積和溫度效應(yīng)的關(guān)系極有可能是呈S型邏輯斯蒂增長曲線的模式.因此，在今后的城市規(guī)劃中，可嘗試多布局一些細長的人工河流，以調(diào)節(jié)城市小氣候.

[1] ARNFIELD A J. Two decades of urban climate research: a review of turbulence, exchanges of energy and water, and the urban heat island[J]. International Journal of Climatology, 2003, 23(1): 1-26.

[2] 戴曉燕, 張利權(quán), 過仲陽, 等. 上海城市熱島效應(yīng)形成機制及空間格局[J]. 生態(tài)學(xué)報, 2009, 29(7): 3995-4004.

[3] TOMLINSON C J, CHAPMAN L, THORNES J E, et al. Derivation of Birmingham's summer surface urban heat island from MODIS satellite images[J]. International Journal of Climatology, 2012, 32(2): 214-224.

[4] VOOGT J A, OKE T R. Thermal remote sensing of urban climates[J]. Remote sensing of environment, 2003, 86(3): 370-384.

[5] CHEN X L, ZHAO H M, LI P X, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J]. Remote sensing of environment, 2006, 104(2): 133-146.

[6] DIXON P G, MOTE T L. Patterns and causes of Atlanta's urban heat island-initiated precipitation[J]. Journal of Applied Meteorology, 2003, 42(9): 1273-1284.

[7] TAKEBAYASHI H, MORIYAMA M. Surface heat budget on green roof and high reflection roof for mitigation of urban heat island[J]. Building and Environment, 2007, 42(8): 2971-2979.

[8] MIAO S, CHEN F, LEMONE M A, et al. An observational and modeling study of characteristics of urban heat island and boundary layer structures in Beijing[J]. Journal of Applied Meteorology and Climatology, 2009, 48(3): 484-501.

[9] SAARONI H, ZIV B. The impact of a small lake on heat stress in a Mediterranean urban park: the case of Tel Aviv, Israel [J]. International journal of Biometeorology, 2003, 47(3): 156-165.

[10] CAO X, ONISHI A, CHEN J, et al. Quantifying the cool island intensity of urban parks using ASTER and IKONOS data[J]. Landscape and urban planning, 2010, 96(4): 224-231.

[11] SUN R, CHEN A, CHEN L, et al. Cooling effects of wetlands in an urban region: The case of Beijing[J]. Ecological Indicators, 2012, 20: 57-64.

[12] KARDINAL JUSUF S, WONG N H, HAGEN E, et al. The influence of land use on the urban heat island in Singapore[J]. Habitat International, 2007, 31(2): 232-242.

[13] NARITA K, MIKAMI T, SUGAWARA H, et al. Cool-island and cold air-seeping phenomena in an urban park, Shinjuku Gyoen, Tokyo[J]. Geographical Review of Japan, 2004, 77(5): 403-420.

[14] ROBITU M, MUSY M, INARD C, et al. Modeling the influence of vegetation and water pond on urban microclimate[J]. Solar Energy, 2006, 80(4): 435-447.

[15] 傅抱璞. 我國不同自然條件下的水域氣候效應(yīng)[J]. 地理學(xué)報, 1997, 52(3): 246-252.

[16] 李書嚴, 軒春怡, 李偉, 等. 城市中水體的微氣候效應(yīng)研究[J]. 大氣科學(xué), 2008, 32(3): 552-560.

[17] KODAMA Y. The influence of Lake Minchumina, Interior Alaska, on its surrounding[J]. Met Geoph Biod, 1983,33: 199-18.

[18] CHVAEZ R S. Imgae-based atmospheric coerretion revisited and improved[J]. Photogrmametric Engineering and Remote Sensing,1996, 62(9):1025-1036.

[19] JIMéNEZ-MUOZ J C, SOBRINO J A. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22): 1984-2012.

[20] JIMéNEZ-MUOZ J C, CRISTBAL J, SOBRINO J A, et al. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J].IEEE Trans Geosci Remote Sens, 2009, 47(1):339-349.

(責(zé)任編輯 李萬會)

Type and seasonal difference of urban wetland’s temperature effect in Hangzhou, China

ZHANG Wei1-3, JIANG Jin-gang3, ZHU Yu-bi4

(1.SchoolofGeographicalSciences,SouthwestUniversity,Chongqing400715,China;2.ShanghaiKeyLabforUrbanEcologicalProcessesandEco-Restoration,EastChinaNormalUniversity,Shanghai200062,China; 3.InstituteofRemoteSensingandEarthSciences,CollegeofScience,HangzhouNormalUniversity,Hangzhou311121,China;4.CollegeofEconomicsandManagement,SouthwestUniversity,Chongqing400715,China)

This paper takes four typical urban wetlands of Hangzhou for example and discusses the influence of season and wetland type on the temperature effect of urban wetland by means of remote sensing and GIS spatial analysis. The results show that: (1) the seasonal difference of wetland’s temperature effect is very obvious. Seasonal factors have an important influence on the type, range, amplitude and gradient change of urban wetland’s temperature effect. (2) There are no direct relationships between traditional classification system for wetland types and urban wetland’s temperature effect. Wetland’s size and perimeter have an important influence on its temperature effect, while the influence of wetland’s shape on the temperature effect is not obvious. (3) Comparing the efficiency of different wetland’s temperature effects, we find that the efficiency of Grande Canal is the highest. The relationship between wetland size and temperature effect is most likely to beScurve model.

urban wetland; temperature effect; remote sensing; seasonal; wetland type; Hangzhou

1000-5641(2015)04-0123-09

2014-07

國家自然科學(xué)基金(41101039)；浙江省自然科學(xué)基金(LY14D010007)；上海市城市化生態(tài)過程與生態(tài)恢復(fù)重點實驗室開放基金(SHUES2014A01)；浙江省重點科技創(chuàng)新團隊項目(2010R50039-15)；浙江省地理信息中心資助項目

張偉，男，博士，講師，主要研究方向為土地利用及城市生態(tài).E-mail: zwei1997@126.com.

朱玉碧，女，博士，副教授，研究方向為土地利用及其生態(tài)效應(yīng).E-mail: yubizhu@yahoo.com.cn.

K903

A

10.3969/j.issn.1000-5641.2015.04.013