基于多源遙感信息的人為熱排放量空間化
—以浙江省為例

馬盼盼,吾娟佳,楊續(xù)超,齊家國(guó) (浙江大學(xué)海洋學(xué)院,浙江 舟山 316021)

?

基于多源遙感信息的人為熱排放量空間化
—以浙江省為例

馬盼盼,吾娟佳,楊續(xù)超*,齊家國(guó) (浙江大學(xué)海洋學(xué)院,浙江 舟山 316021)

摘要：基于自上而下能源清單法,主要考慮工業(yè)、交通、建筑和人體新陳代謝這4個(gè)熱源對(duì)人為熱的貢獻(xiàn),估算了2010年浙江省68個(gè)縣市的人為熱排放總量.使用DMSP/OLS遙感夜間燈光數(shù)據(jù)以及閾值法提取出人為熱排放的主要區(qū)域,并有效減少夜燈像元溢出效應(yīng)的影響.利用夜間燈光數(shù)據(jù)和增強(qiáng)型植被指數(shù)(EVI)構(gòu)建人居指數(shù),基于各市縣人為熱排放總量與其行政區(qū)范圍內(nèi)人居指數(shù)累計(jì)值之間很強(qiáng)的相關(guān)關(guān)系建立人為熱排放量空間化模型,獲得了250m分辨率下浙江省2010年城市人為熱通量的空間分布.結(jié)果顯示浙江省各縣市的平均人為熱排放通量為5.5W/m2,城市高值區(qū)一般介于10～40W/m2.柵格化的人為熱數(shù)據(jù)可以為城市氣候環(huán)境的數(shù)值模擬研究提供基礎(chǔ)數(shù)據(jù)支持.

關(guān)鍵詞：人為熱；空間化；夜間燈光；人居指數(shù)；浙江

* 責(zé)任作者, 副教授, yangxuchao@zju.edu.cn

人為熱是城市擴(kuò)張和人類活動(dòng)加劇的產(chǎn)物之一,通過感熱和潛熱方式排放到城市冠層中[1].許多研究表明[2-4],人為熱排放可直接加熱地面和近地層大氣,影響局地能量平衡,對(duì)局地氣候,尤其是城市熱島效應(yīng)產(chǎn)生影響.Fan等[5]對(duì)費(fèi)城模擬發(fā)現(xiàn)人為熱可使冬季夜晚的熱島強(qiáng)度增加2～3℃.佟華等[6]對(duì)北京的研究表明,人為熱可使市中心白天氣溫上升0.5℃,夜間上升1.0～3.0℃.顧瑩等[7]對(duì)上海近30年氣溫變化研究指出城市熱島效應(yīng)強(qiáng)度日趨增強(qiáng),溫度的空間分布特征與人為熱的空間分布有很好的一致性.因此,精細(xì)、合理的人為熱排放柵格數(shù)據(jù)對(duì)于城市氣候研究非常重要.

目前的研究多以行政區(qū)域?yàn)榛A(chǔ)單元估算城市人為熱的排放量,難以提供行政單元內(nèi)部的空間分布信息,不能充分揭示人為熱排放的空間差異性,妨礙了人為熱通量與其他社會(huì)經(jīng)濟(jì)要素、自然要素的融合以及綜合分析.近期一些數(shù)值模擬研究表明,人為熱排放對(duì)城市氣候[8-9]和城市空氣污染[10]有著重要影響.因此,構(gòu)建具有空間異質(zhì)性、分布更為合理精細(xì)的人為熱排放量柵格數(shù)據(jù)庫(kù)對(duì)于城市氣候、環(huán)境的數(shù)值模擬研究具有重要意義[11].本研究以浙江省為例,采用自上而下能源清單法,估算了浙江省各縣市的人為熱排放總量.利用多源遙感數(shù)據(jù)構(gòu)建人居指數(shù),基于人居指數(shù)與人為熱排放總量之間很高的相關(guān)性建立城市人為熱排放量空間化模型,在GIS技術(shù)的支持下生成高分辨率的人為熱排放量柵格化數(shù)據(jù),從而為城市氣候與環(huán)境研究提供重要的基礎(chǔ)數(shù)據(jù)支持.

1 研究方法與數(shù)據(jù)處理

1.1 研究方法

目前,人為熱的計(jì)算普遍采用能源清單法,分為自上而下和自下而上兩種[12-13].自上而下法是以研究區(qū)能源消費(fèi)數(shù)據(jù)為基礎(chǔ),按照某種分配法則(如人口密度、GDP密度、土地利用)分配到較小時(shí)空尺度,賦予每個(gè)格點(diǎn)熱通量值.例如,Flanner[14]利用能源消費(fèi)數(shù)據(jù)和人口密度數(shù)據(jù)估算出了全球2005年、2040年和2100年的人為熱;自下而上法則基于較小時(shí)空尺度的交通、建筑物和人的新陳代謝等方面的信息建立估算模型,再通過逐級(jí)統(tǒng)計(jì)匯總估算出城市尺度的人為熱排放量.例如,Ichinose等[15]對(duì)東京人為熱進(jìn)行了詳細(xì)的調(diào)查,通過對(duì)不同用途建筑(包括住宅區(qū)、寫字樓、商場(chǎng)、學(xué)校、賓館等)的各種能量消耗(包括取暖、制冷、熱水、廚房等)以及汽車和工業(yè)廢熱排放進(jìn)行統(tǒng)計(jì),并利用精細(xì)的土地利用類型圖,繪制了250m×250m的人為熱通量空間分布圖,但是該方法對(duì)統(tǒng)計(jì)數(shù)據(jù)的要求很高,相應(yīng)地會(huì)增加獲取數(shù)據(jù)的難度.

隨著遙感(RS)和地理信息系統(tǒng)(GIS)技術(shù)的發(fā)展,采用遙感估算法對(duì)社會(huì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行空間化是目前重要的手段之一.其中,美國(guó)軍事氣象衛(wèi)星Defense Meteorological Satellite Program (DMSP)搭載的Operational Linescan System (OLS)傳感器獲取的夜間燈光數(shù)據(jù)是能夠探測(cè)到城市、居民地、火光等發(fā)出的低強(qiáng)度燈光,在監(jiān)測(cè)人類夜間活動(dòng)方面有其獨(dú)特優(yōu)越性,是目前實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)數(shù)據(jù)空間化較理想的數(shù)據(jù)源之一.一般來說,夜燈數(shù)據(jù)像元值高的區(qū)域其經(jīng)濟(jì)發(fā)展水平和能源消耗也相對(duì)較高[16].陳冰等[17-18]通過計(jì)算得到人為熱釋放的氣候強(qiáng)迫與能源消費(fèi)相關(guān)系數(shù)接近于1,指出能源消費(fèi)是影響人為熱釋放的氣候強(qiáng)迫的關(guān)鍵因素,而且利用能耗數(shù)據(jù)和區(qū)域面積算出熱通量大小,基于研究區(qū)域夜燈平均輻射亮度值和人為熱通量之間很強(qiáng)的相關(guān)性對(duì)人為熱進(jìn)行空間化.但是夜燈數(shù)據(jù)由于其傳感器自身的原因也存在一些缺陷,其應(yīng)用受到像元過飽和、像元溢出等問題的影響[19],目前基于夜間燈光對(duì)人為熱排放進(jìn)行空間化的研究中并未考慮上述不足.Lu等[20]將DMSP/OLS夜燈數(shù)據(jù)和歸一化植被指數(shù)(NDVI)數(shù)據(jù)進(jìn)行融合后提出了一種新的指數(shù)——人居指數(shù),其原理在于植被指數(shù)與城市不透水面呈負(fù)相關(guān)關(guān)系,可以用來提取建成區(qū)[21],NDVI與DMSP/OLS夜間燈光在反映人類活動(dòng)、提取建成區(qū)方面可以互補(bǔ),能有效減少夜燈數(shù)據(jù)像元過飽和現(xiàn)象.楊續(xù)超等[22-23]指出人居指數(shù)與人口、電力消費(fèi)量這兩種與人為熱排放密切相關(guān)的因子之間具有很高的相關(guān)性.因此,相對(duì)于使用原始夜間燈光數(shù)據(jù),利用多源遙感數(shù)據(jù)融合后的人居指數(shù)來模擬人為熱的空間分布將具有更高的精度.

本研究采用自上而下能源清單法,基于社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)和能源消耗數(shù)據(jù)對(duì)浙江省各縣市的人為熱排放量進(jìn)行估算,而且假定能源消耗最終全部轉(zhuǎn)化為熱量釋放到大氣中,同時(shí)忽略時(shí)間上的滯后性.人為熱排放源主要考慮工業(yè)、交通運(yùn)輸、建筑和人類新陳代謝四個(gè)方面,使用DMSP/OLS遙感夜燈數(shù)據(jù)以及閾值法有效減少夜燈像元溢出效應(yīng)的影響,提取出人為熱排放的主要區(qū)域.利用夜間燈光數(shù)據(jù)和分辨率更高、影像信息更詳細(xì)的增強(qiáng)型植被指數(shù)(EVI)構(gòu)建人居指數(shù),基于各市縣人為熱排放總量與其行政區(qū)范圍內(nèi)人居指數(shù)累計(jì)值之間很強(qiáng)的相關(guān)關(guān)系建立人為熱排放量空間化模型,最后獲得浙江省250m分辨率的人為熱排放通量柵格數(shù)據(jù).

1.2 數(shù)據(jù)來源及處理

1.2.1 城市人為熱排放總量的計(jì)算 基礎(chǔ)資料來源于浙江省68個(gè)縣市社會(huì)經(jīng)濟(jì)、能源等方面的統(tǒng)計(jì)年鑒,包括浙江省統(tǒng)計(jì)年鑒[24]、中國(guó)能源統(tǒng)計(jì)年鑒[25]及各市統(tǒng)計(jì)年鑒等,資料基準(zhǔn)年取2010年.(1)工業(yè)熱源:根據(jù)《2010年浙江省能源與利用狀況》得到工業(yè)消耗總量,統(tǒng)計(jì)各縣市國(guó)民經(jīng)濟(jì)主要指標(biāo),按各縣市二三產(chǎn)業(yè)和的比例分配,得到工業(yè)熱源排放量;(2)交通熱源:各縣市民用汽車保有量(采用佟華等[6]在北京的處理方法:每輛車每年平均行駛2.5×104km,每行駛100km汽車耗油12.7L,汽車燃油排出的廢熱為45kJ/g);(3)建筑熱源(商業(yè)建筑和生活建筑):統(tǒng)計(jì)浙江省能源平衡表中全省批發(fā)、零售業(yè)和住宿、餐飲業(yè)以及生活消費(fèi)方面能源消耗量 (煤、液化石油氣、天然氣、熱力、電力),將商業(yè)建筑熱源按各縣市第三產(chǎn)業(yè)的比例分配,得到商業(yè)熱排放量,將生活建筑熱源按各縣市城市人口比例分配,得到生活熱排放量;(4)人體新陳代謝:各縣市城市人口總量(借鑒國(guó)外有關(guān)研究方法[26-27],將一天分為活動(dòng)狀態(tài):7:00～23:00,代謝熱排放強(qiáng)度為171W/人;睡眠狀態(tài):23:00～7:00,代謝熱排放強(qiáng)度為70W/人).

1.2.2 數(shù)據(jù)及處理 (1)DMSP/OLS遙感夜間燈光數(shù)據(jù):來源于美國(guó)國(guó)家地球物理數(shù)據(jù)中心提供的2010年穩(wěn)定夜間燈光產(chǎn)品,空間分辨率約為1km,將其投影轉(zhuǎn)換為Albers等面積投影,再用雙線性內(nèi)插法對(duì)其進(jìn)行重采樣到250m分辨率;(2)2010年MODIS 16d合成EVI 數(shù)據(jù):EVI是對(duì)NDVI指數(shù)進(jìn)行適當(dāng)?shù)匦拚?矯正了土壤背景和氣溶膠散射的影響.來自于NASA網(wǎng)站(http://reverb.echo.nasa.gov/reverb/),空間分辨率為250m,將其投影轉(zhuǎn)換為Albers等面積投影;(3)行政區(qū)邊界來自與浙江省1:5萬地理信息基礎(chǔ)數(shù)據(jù)庫(kù);(4)2010年浙江省土地利用類型數(shù)據(jù),來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心,空間分辨率為1km,對(duì)其進(jìn)行投影轉(zhuǎn)換,再經(jīng)重采樣到250m分辨率.

1.3 夜間燈光閾值的設(shè)定

設(shè)定閾值是減少夜間燈光像元溢出的主要手段.Zhao等[28]利用夜間燈光以及省級(jí)統(tǒng)計(jì)數(shù)據(jù)模擬了中國(guó) 1995年、2000年和2005年電力消費(fèi)量的時(shí)空變化,其研究中設(shè)置夜燈閾值為10以減少像元溢出的影響.Yang等[29]利用夜間燈光數(shù)據(jù)(DN≥12)提取城市人為熱主要區(qū)域.在本研究中,借鑒Yue等[30]設(shè)定閾值的方法,將EVI大于0.35和夜間燈光值大于0的區(qū)域設(shè)定為潛在像元溢出區(qū)域,通過計(jì)算得到浙江省潛在像元溢出區(qū)域平均夜間燈光值為8.68.所以,將夜間燈光的閾值設(shè)為9來減少像元溢出的影響,即提取出了人為熱最為集中排放的區(qū)域.

1.4 人居指數(shù)的計(jì)算

首先根據(jù)2010年16d最大合成的MODIS EVI數(shù)據(jù)計(jì)算年最大EVI值:

式中:EVI1,EVI2,…,EVI23為2010年23個(gè)MODIS 16d合成的EVI影像圖.

參考Lu等[20]的研究,利用夜間燈光遙感數(shù)據(jù)以及分辨率更高的EVI數(shù)據(jù),獲得了人居指數(shù):

式中:HSI為人居指數(shù);EVImax為MODIS EVI在2010年的最大值;OLSnor為標(biāo)準(zhǔn)化后的2010年DMSP/OLS夜間燈光指數(shù)(0～1).

2 結(jié)果與討論

2.1 浙江省各縣市人為熱排放總體特征

通過能源清單法計(jì)算得到浙江省68個(gè)縣市城市人為熱排放總量為496.7×1016J,其中工業(yè)排放的人為熱量最高,占總體水平的74%,人體新陳代謝排放量最低,僅占1%.結(jié)合縣域行政區(qū)面積得到各縣市平均人為熱通量分布情況(圖1),杭州市、寧波市和溫州市的人為熱排在最前.當(dāng)前國(guó)內(nèi)外關(guān)于單一城市的人為熱排放研究,一般都針對(duì)城市建成區(qū),而且有些工業(yè)分布在建成區(qū)以外,會(huì)造成計(jì)算結(jié)果高于實(shí)際的情況[31-34].但是因?yàn)樾姓^(qū)面積不能反映人為熱集中排放的特點(diǎn),熱通量結(jié)果會(huì)低于實(shí)際結(jié)果.因此,陳曦等[35]利用MODIS衛(wèi)星數(shù)據(jù)計(jì)算出了全國(guó)各省份水泥下墊面面積作為人為熱排放面積.本文結(jié)合用夜燈閾值(DN≥9)提取出來的人為熱主要排放區(qū)域的面積,得到浙江省各縣市的人為熱平均排放通量為5.5W/m2.

圖1 2010年浙江省各市縣平均人為熱排放通量分布Fig.1 Distribution of anthropogenic heat flux of Zhejiang Province in 2010

2.2 利用人居指數(shù)構(gòu)建人為熱空間分布格局

利用ArcGIS軟件中的分區(qū)統(tǒng)計(jì)工具獲得浙江省68個(gè)市縣的人居指數(shù)累計(jì)值,對(duì)浙江省各市縣人為熱排放量與其行政區(qū)范圍內(nèi)的人居指數(shù)累計(jì)值進(jìn)行相關(guān)性分析(圖2),得到R2=0.97,說明人為熱排放量與人居指數(shù)之間具有很強(qiáng)的相關(guān)性.利用這一相關(guān)關(guān)系建立人為熱空間化模型,在250m×250m柵格上模擬了浙江省2010年城市人為熱排放量的空間格局(圖3).結(jié)合人居指數(shù)模擬人為熱在空間上的分布,可以得到空間異質(zhì)性的人為熱通量柵格數(shù)據(jù),與利用能源清單法結(jié)合縣域面積計(jì)算得的各縣市平均熱通量相比,更為合理精細(xì)地呈現(xiàn)出各縣市行政區(qū)內(nèi)部人為熱通量的空間分布特征.

對(duì)浙江省人為熱通量空間分布特征分析發(fā)現(xiàn),受自然條件和經(jīng)濟(jì)發(fā)展水平的影響,人為熱排放的地域空間差異很大.結(jié)果顯示:浙北杭嘉湖平原、寧波、東部沿海的臺(tái)州和溫州以及中部金華、義烏等經(jīng)濟(jì)較為發(fā)達(dá)、人口眾多的區(qū)域的人為熱排放量較大.浙江省大部分地區(qū)人為熱排放通量介于4～10W/m2,城市高值區(qū)一般在10～40W/m2.有研究對(duì)2010年長(zhǎng)江三角洲城市群人為熱通量進(jìn)行空間化后發(fā)現(xiàn)多數(shù)城市熱通量高值區(qū)介于20～70W/m2[33],謝旻等通過人口密度對(duì)人為熱進(jìn)行空間化,得到浙江省2010年人為熱通量最高為39.2W/m2[36],Oke[37]運(yùn)用能量平衡公式得到溫帶中緯度城市的年均人為熱強(qiáng)度為15～50W/m2, Lee等[38]利用統(tǒng)計(jì)回歸方法得到韓國(guó)主要城市2010年平均熱通量介于10～50W/m2.與本研究結(jié)果均較為一致.

圖2 浙江省各縣市城市人為熱排放量與人居指數(shù)之間的關(guān)系Fig.2 Regression analysis between urban anthropogenic heat and cumulative human settlement index in Zhejiang Province

熱通量的大小和空間差異性不僅依賴于空間分辨率的高低,而且對(duì)季節(jié)變化和區(qū)域地理位置比較敏感,如Lindberg等[39]估算了1995～2005年歐洲城市區(qū)域平均人為熱通量在1.9～4.6W/m2變化,但是其日均人為熱最大值可達(dá)185W/m2;韓國(guó)京畿道地區(qū)年均人為熱為55W/m2,最大值出現(xiàn)在冬季,達(dá)120W/m2[40];廣州市一天中人為熱最大值出現(xiàn)在11:00左右,為72.3W/m2[41].由于本研究并沒有考慮人為熱通量在時(shí)間尺度上的變化,只是統(tǒng)計(jì)估算了人為熱年平均排放量,所以熱通量值較其他研究結(jié)果會(huì)偏低.另一方面,從統(tǒng)計(jì)數(shù)據(jù)看,杭州和寧波市區(qū)的GDP占全省的17.5% 和11.3%,兩市的人為熱排放量分別占全省的18.7%和11.1%,地級(jí)市中的溫州、臺(tái)州以及縣級(jí)市中的慈溪、義烏、諸暨、溫嶺也是經(jīng)濟(jì)發(fā)達(dá)、人為熱排放相對(duì)集中的區(qū)域.從人口分布看,杭州、寧波、溫州和紹興的總?cè)丝诙汲^了百萬, 這4個(gè)城市排放的人為熱總和超過全省人為熱排放量的1/2.從以上分析看,人為熱的大小和研究區(qū)域地理位置、當(dāng)?shù)厝丝诿芏群徒?jīng)濟(jì)發(fā)展水平有著明顯的關(guān)系,人居指數(shù)模擬出的人為熱空間分布很好地體現(xiàn)了這些空間格局.

圖3 2010年浙江省人為熱排放通量空間分布Fig.3 Spatial distribution of anthropogenic heat flux of Zhejiang Province in 2010

地形是影響人口分布的重要因素[42],同樣對(duì)人為熱排放的空間分布有著重要影響.值得注意的是,以往利用人居指數(shù)進(jìn)行電力消費(fèi)量、人口等社會(huì)經(jīng)濟(jì)要素的空間化時(shí)并沒有考慮海拔高度對(duì)模擬結(jié)果的影響.楊續(xù)超等[22]利用經(jīng)過海拔修正后的人居指數(shù)對(duì)浙江省人口進(jìn)行了空間化模擬,結(jié)果表明模擬精度有了很大提高.但是,在本研究中并沒有考慮海拔因素的影響,原因在于經(jīng)過夜間燈光閾值(DN≥9)設(shè)定之后提取得到的區(qū)域多為低海拔城市地區(qū),可以將海拔的影響忽略不計(jì).

從各土地利用類型上的人為熱排放量來看,耕地上的人為熱占總排放量的比重約為49%,其原因可能在于能源消耗大的工廠企業(yè)多分布在郊區(qū),1km分辨率的土地利用類型數(shù)據(jù)并不能有效的區(qū)分出工業(yè)用地和耕地,夜燈像元值高于9的區(qū)域中,約有51%的土地利用類型為耕地,所占比例在各土地利用類型中最高,導(dǎo)致耕地類型上人為熱排放量也最高;浙江省林地面積所占比重很高,夜燈像元值高于9區(qū)域中各類林地占26.3%,林地人為熱排放量所占比重為23.5%;建設(shè)用地占夜燈值高于9區(qū)域的17.4%,人為熱排放量比重則為23.3%,其中城鎮(zhèn)用地面積占8%,人為熱排放量所占比例為13.4%.從以上分析來看,由于基于夜燈等多源遙感數(shù)據(jù)的空間化并不能有效區(qū)分工業(yè)和其他途徑消耗產(chǎn)生的人為熱,土地利用數(shù)據(jù)也不能準(zhǔn)確的反映出耗能大、獨(dú)立于城鎮(zhèn)用地之外的工業(yè)、廠礦用地,從而導(dǎo)致人為熱排放量空間定位的精確度不高.在以上幾種土地利用類型中,只有城鎮(zhèn)建成區(qū)用地反映出人為熱在空間上集中分布的特點(diǎn).雖然多源數(shù)據(jù)融合方法對(duì)DMSP/OLS夜燈數(shù)據(jù)自身存在的不足進(jìn)行了一定的訂正,但是在進(jìn)行人為熱模擬時(shí)依然存在空間定位不足的問題,未來可以考慮使用新的NPP(National Polar-orbiting Partnership)衛(wèi)星可見紅外成像輻射儀(VIIRS)夜間燈光數(shù)據(jù)[43]并融合其他GIS數(shù)據(jù)來提高人為熱柵格數(shù)據(jù)空間定位的精確度.

2.3 討論

人為熱排放具有顯著的時(shí)空變化的特點(diǎn),本文僅討論了年平均人為熱通量數(shù)據(jù)的獲取,今后需要進(jìn)一步分析人為熱排放的時(shí)空變化規(guī)律.另外,設(shè)置單一的閾值也會(huì)造成部分經(jīng)濟(jì)發(fā)展水平較低的地區(qū)人居指數(shù)像元的丟失,導(dǎo)致模擬結(jié)果偏小,如何更為合理的設(shè)置閾值是下一步的研究重點(diǎn).

3 結(jié)語

利用能源清單法,估算了2010年浙江省68個(gè)縣市的人為熱排放總量為469.7×1016J.通過設(shè)置夜燈閾值提取出人為熱主要排放區(qū)域的面積,得到浙江省平均人為熱排放通量為5.5W/m2.結(jié)合基于多源遙感信息構(gòu)建的人居指數(shù)對(duì)人為熱排放量進(jìn)行空間化處理,得到了空間異質(zhì)性的人為熱通量柵格數(shù)據(jù),大部分地區(qū)人為熱排放通量介于4～10W/m2,浙北杭嘉湖平原、寧波、東部沿海的臺(tái)州和溫州以及中部金華、義烏等經(jīng)濟(jì)較為發(fā)達(dá)區(qū)域的人為熱排放量較大,介于10～40W/m2.

參考文獻(xiàn)：

[1] Oke T R.The distinction between canopy and boundary-layer urban heat islands [J].Atmosphere, 1976,14(4):268-277.

[2] Block A, Keuler K, Schaller E.Impacts of anthropogenic heat on regional climate patterns [J].Geophysical Research Letters, 2004,31(12).

[3] 何曉鳳,蔣維楣,陳 燕,等.人為熱源對(duì)城市邊界層結(jié)構(gòu)影響的數(shù)值模擬研究 [J].地球物理學(xué)報(bào), 2007,50(1):74-82.

[4] 王 頻,孟慶林.城市人為熱及其影響城市熱環(huán)境的研究綜述[J].建筑科學(xué), 2013,29(8):99-106.

[5] Fan H, Sailor D J.Modeling the impacts of anthropogenic heating on the urban climate of Philadelphia: a comparison of implementations in two PBL schemes [J].Atmospheric Environment, 2005,39(1):73-84.

[6] 佟 華,劉輝志,桑建國(guó),等.城市人為熱對(duì)北京熱環(huán)境的影響[J].氣候與環(huán)境研究, 2004,9(3):409-421.

[7] 顧 瑩,束 炯.上海近30年人為熱變化及與氣溫的關(guān)系研究[J].長(zhǎng)江流域資源與環(huán)境, 2014,23(8):1105.

[8] Makar P, Gravel S, Chirkov V, et al.Heat flux, urban properties, and regional weather [J].Atmospheric Environment, 2006,40(15): 2750-2766.

[9] Zhang Ning, Wang Xuemei, Chen Yan, et al.Numerical simulations on influence of urban land cover expansion and anthropogenic heat release on urban meteorological environment in Pearl River Delta [J].Theoretical and Applied Climatology, 2015.

[10] Yu M, Carmichael G R, Zhu T, et al.Sensitivity of predicted pollutant levels to anthropogenic heat emissions in Beijing [J].Atmospheric Environment, 2014,89(2):169–178.

[11] Sailor D J, Georgescu M, Milne J M et al.Development of a national anthropogenic heating database with an extrapolation for international cities [J].Atmospheric Environment, 2015,118:7-18.

[12] Smith C, Lindley S, Levermore G.Estimating spatial and temporal patterns of urban anthropogenic heat fluxes for UK cities: the case of Manchester [J].Theoretical and Applied Climatology, 2009,98(1/2):19-35.

[13] Sailor D J, Brooks A, Hart M, et al.A bottom-up approach for estimating latent and sensible heat emissions from anthropogenic sources [J].Seventh Symposium on the Urban Environment, 2007.

[14] Flanner M G.Integrating anthropogenic heat flux with global climate models [J].Geophysical Research Letters, 2009,36(2).

[15] Ichinose T, Shimodozono K, Hanaki K.Impact of anthropogenic heat on urban climate in Tokyo [J].Atmospheric Environment, 1999,33(24):3897-3909.

[16] Elvidge C D, Baugh K E, Kihn E A, et al.Mapping city lights with nighttime data from the DMSP Operational Linescan System [J].Photogrammetric Engineering and Remote Sensing, 1997, 63(6):727-734.

[17] Chen B, Shi G, Wang B, et al.Estimation of the anthropogenic heat release distribution in China from 1992 to 2009 [J].Acta Meteorologica Sinica, 2012,26:507-515.

[18] 陳 兵,石廣玉,戴 鐵,等.中國(guó)區(qū)域人為熱釋放的氣候強(qiáng)迫[J].氣候與環(huán)境研究, 2011,16(6):717-722.

[19] Letu H, Hara M, Yagi H, et al.Estimating energy consumption from night-time DMPS/OLS imagery after correcting for saturation effects [J].International Journal of Remote Sensing, 2010,31(16):4443-4458.

[20] Lu D, Tian H, Zhou G, et al.Regional mapping of human settlements in southeastern China with multisensor remotely sensed data [J].Remote Sensing of Environment, 2008,112(9): 3668-3679.

[21] Weng Q, Lu D, Schubring J.Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies [J].Remote sensing of Environment, 2004,89(4): 467-483.

[22] 楊續(xù)超,高大偉,丁明軍,等.基于多源遙感數(shù)據(jù)及DEM的人口統(tǒng)計(jì)數(shù)據(jù)空間化 [J].長(zhǎng)江流域資源與環(huán)境, 2013,22(6).

[23] 楊續(xù)超,康麗莉,張 斌,等.基于多源遙感信息的電力消費(fèi)量估算與影響因素分析 [J].地理科學(xué), 2013,33(6).

[24] 浙江省統(tǒng)計(jì)局.浙江省統(tǒng)計(jì)年鑒 [M].北京:中國(guó)統(tǒng)計(jì)出版社, 2012.

[25] 國(guó)家統(tǒng)計(jì)局能源統(tǒng)計(jì)司.中國(guó)能源統(tǒng)計(jì)年鑒2010 [M].北京:中國(guó)統(tǒng)計(jì)出版社, 2011.

[26] Grimmond C S B, Oke T R.Heat storage in urban areas: Local-scale observations and evaluation of a simple model [J].Journal of applied meteorology, 1999,38(7):922-940.

[27] 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.

[28] Zhao N, Ghosh T, Samson E L.Mapping spatio-temporal changes of Chinese electric power consumption using night-time imagery [J].International journal of remote sensing, 2012,33(20): 6304-6320.

[29] Yang W, Chen B, Cui X.High-resolution mapping of anthropogenic heat in China from 1992 to 2010 [J].International journal of environmental research and public health, 2014,11(4): 4066-4077.

[30] Yue W, Gao J, Yang X.Estimation of gross domestic product using multi-sensor remote sensing data: A case study in Zhejiang Province, East China [J].Remote Sensing, 2014,6(8): 7260-7275.

[31] 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(14):1969-1981.

[32] 戎春波,朱蓮芳,朱 焱,等.城市熱島影響因子的數(shù)值模擬與統(tǒng)計(jì)分析研究 [J].氣候與環(huán)境研究, 2010(6):718-728.

[33] 陸 燕,王勤耕,翟一然,等.長(zhǎng)江三角洲城市群人為熱排放特征研究 [J].中國(guó)環(huán)境科學(xué), 2014,34(2):295-301.

[34] 石廣玉,戴 鐵,檀賽春,等.全球年平均人為熱釋放氣候強(qiáng)迫的估算 [J].氣候變化研究進(jìn)展, 2010,6(2):119-122.

[35] 陳 曦,王詠薇.2001年至2009年中國(guó)分省人為熱通量的計(jì)算和分析 [C].第28屆中國(guó)氣象學(xué)會(huì)年會(huì)—S7城市氣象精細(xì)預(yù)報(bào)與服務(wù), 2011.

[36] 謝 旻,朱寬廣,王體健,等.中國(guó)地區(qū)人為熱分布特征研究 [J].中國(guó)環(huán)境科學(xué), 2015,35(3):728-734.

[37] Oke T R.The urban energy balance [J].Progress in Physical geography, 1988,12(4):471-508.

[38] Lee S H, Kim S T.Estimation of anthropogenic heat emission over South Korea using a statistical regression method [J].Asia-Pacific Journal of Atmospheric Sciences, 2015,51:1-10.

[39] Lindberg F, Grimmond C S B, Yogeswaran N, et al.Impact of city changes and weather on anthropogenic heat flux in Europe 1995–2015 [J].Urban Climate, 2013,4:1-15.

[40] 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(3/4):291-303.

[41] 王志銘,王雪梅.廣州人為熱初步估算及敏感性分析 [J].氣象科學(xué), 2011,31(4):422-430.

[42] Yue T X, Wang Y A, Chen S P, et al.Numerical simulation of population distribution in China [J].Population and Environment, 2003,25(2):141-163.

[43] Christopher D E, Kimberly E B, Mikhail Zhizhin, et al.Why VIIRS data are superior to DMSP for mapping nighttime lights [J].Proceedings of the Asia-Pacific Advanced Network, 2013,35:62-69.

Spatialization of anthropogenic heat using multi-sensor remote sensing data: a case study of Zhejiang Province, East China.

MA Pan-pan, WU Juan-jia, YANG Xu-chao*, QI Jia-guo (Ocean College, Zhejiang University, Zhoushan 316021, China).China Environmental Science, 2016,36(1)：314～320

Abstract：Using the top-down energy inventory method and considering the energy consumption from industry, transportation, buildings and human metabolism, total anthropogenic heat emissions from the 68 counties of Zhejiang Province in 2010 were calculated.The DMSP/OLS nighttime light data and the thresholding method were used to extract the main emission areas of anthropogenic heat and to reduce the overglow effect.High-resolution enhanced vegetation index (EVI) data were integrated with DMSP/OLS data to generate a human settlement index (HSI).Using the significant correlation between total anthropogenic heat emissions and cumulative HIS, the model for anthropogenic heat flux estimation was developed and implemented in Zhejiang Province.A gridded anthropogenic heat flux map was generated at a resolution of 250m × 250m.The results show that the mean flux in the study area was 5.5W/m2with the high values between 10W/m2and 40W/m2in most urban areas.The gridded anthropogenic heat data can be served as an input in the simulation of urban climate and environment.

Key words：anthropogenic heat；spatialization；nighttime light；human settlement index (HSI)；Zhejiang

中圖分類號(hào)：X16

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-6923(2016)01-0314-07

收稿日期：2015-06-13

基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(41371068)

作者簡(jiǎn)介：馬盼盼(1991-),女,浙江紹興人,浙江大學(xué)海洋學(xué)院碩士研究生,主要從事海岸帶城市環(huán)境研究.