城市空间热环境是指能够影响人体对冷暖的感受程度、健康水平和人类生存发展等与热有关的物理环境[1-2]。具体而言, 是以城市下垫面的地表温度和空气温度为核心, 以受人类活动影响而改变后的传输大气状况(如空气湿度、风速、大气浑浊度等)、下垫面状况(土地利用覆盖类型、热容、发射率、反照率等)和太阳辐射为组成部分的一个可以影响人类及其活动的物理环境系统[3-4]。城市空间热环境的演变过程与人类社会、经济活动有着密切的关系[5]。城市化进程加快, 沥青、金属、水泥等不透水表面大量替代原有自然地表[6-7]以及人口数量激增均造成了城市整体热排放水平的日益增加[8-9]。因而, 城市热环境状况的良好与否是当前衡量城市生态环境状况的重要指标之一, 不仅直接关系到城市人居环境质量和居民健康状况, 同时还对城市能源和水资源消耗、生态系统过程演变、生物物候以及城市经济可持续发展有着深远的影响[10-13]。

目前, 城市空间热环境的日益恶化已成为全球现代化城市气候变化最为显著的特征之一[14], 并对城市空气质量改善、雾霾治理和植物健康生长带来了极大的负面影响[15]。Poumadere等[16]甚至认为城市空间热环境恶化已成为全球后工业时代导致人类死亡数量最大的灾害。Johnson等[17]和薛志成等[18]研究表明, 城市热岛中心区域居民的失眠率、患呼吸道和心血管疾病的概率甚至死亡率均远高于非热岛区的居民。美国疾病预报控制中心(Centers for Disease Centers of Control and Prevention, CDC)估计, 在1979年之后的10年时间里, 美国大约有7421人因城市环境过热而死亡。1980年7月, 美国接连遭受热浪袭击, 美国的Kansas和St. Louis两座城市的CBD商业核心区受热岛效应影响死亡率分别上升了64%和57%, 而城市郊区等其他未受到热岛效应影响的区域, 死亡率上升不到10%[19]。美国政府每年用于缓解城市热岛效应的能源成本支出已高达约100亿美元, 如何准确监测城市区域的热环境变化, 使其能够可持续发展是全世界各国政府、企事业单位、国际组织和大学研究机构目前研究的一个热点问题[20-23]。我国于2006年2月, 由国务院[24]颁布了《国家中长期科学和技术发展规划纲要(2006—2020年)》, 国家住房和城乡建设部[25-26]分别于2013年9月和2015年11月发布了《城市居住区热环境设计标准(JGJ286-2013)》和《城市生态建设环境绩效评估导则(试行)》将城市热环境的质量纳入到了建设项目考核评价指标体系, 表明我国已将城市热环境问题作为今后城市整体建设和发展的重要研究项点, 并希望通过不断完善和规范设计标准, 确保今后我国城市生态环境的可持续发展。

城市热岛效应是指快速城市化和工业化过程中导致城市大气温度和地表温度高于周边郊区或乡村等非城市环境的一种温度差异性现象[27-28](图 1[29])。而城市空间热环境则是近年来气象和环境研究领域的专家学者在城市热岛概念的基础上进行扩展延伸后提出的概念, 两者既有区别, 又有联系。二者的共同点在于表征因子均为地表温度和大气温度, 区别在于前者更加强调城市市区与郊区之间温度的差异性, 而后者的衡量指标则是与温度的高低程度、建筑容积率、建筑密度、水体和绿地分布等多种因素相关[30-31]。因此, 城市热岛效应在某种程度上是城市空间热环境的一种集中性反映和体现。由于当前在全球城市区域尺度范围内开展的城市空间热环境及其气候变化和环境整治研究大多是以热岛效应为主要内容, 所以本文对城市空间热环境和城市热岛的研究进展均有提及。

从数据源上来看, 用于城市空间热环境研究的数据来源主要分为地表温度数据(遥感数据)和大气温度数据(气象数据)。由于城市大气的分层结构不同, 城市热环境的研究范围主要分为城市地表层、城市冠层和城市边界层[32](表 1)。其中, 城市冠层和城市边界层上的热岛效应属于城市大气热岛的研究范畴, 分别称之为城市冠层热岛和城市边界层热岛。城市边界层和城市冠层的热环境和热岛效应主要应用气象数据进行研究, 主要方法包括地面观测和数值模拟(表 2)。

而近年来建筑群热时间常数模型、计算流体力学技术以及灰色系统理论等方法的引入也为城市热环境的模拟研究提供了新的思路和视角[40-45]。

相对于城市冠层和边界层而言, 城市地表层温度与人体的健康和冷暖感受密切相关, 既是描述城市空间热环境状况、解释城市空间热环境形成的重要参数, 也是当前城市空间热环境研究的核心内容之一, 并属于城市地表热岛的研究范畴[46]。传统的通过地面气象观测设备获取的高空或地表温湿压数据由于受到尺度效应制约, 难以实现数据的面状覆盖, 因而需要将点尺度数据扩展到面上, 而在扩展的过程中数据的真实性和转换精度均会受到一定影响, 这对于当前开展城市区域尺度范围的地表热环境研究带来了困难。而星载遥感传感器可以直接获取城市地表、地物的热辐射信息并具有数据获取周期短、覆盖范围广、获取成本低、能够快速准确地监测城市地表下垫面温度特征等优点, 目前已成为国内外专家学者开展城市热环境变化趋势及动态评价研究的主要技术手段[47-48]。通过卫星热红外遥感数据反演并应用于城市地表热环境研究的温度可以分为经过大气校正的地表温度和未经过大气校正的星上亮温。当研究区域的水汽状况基本一致时, 可以忽略大气影响而用亮温进行研究。但由于地表热辐射在传导过程中受到辐射面和大气的影响, 导致星载传感器接收到的热辐射强度与地表热辐射强度差异较大, 因而使用亮温进行研究的结果往往与地表真实温度之间存在一定的误差。而经过大气校正后反演得到的地表温度由于基本考虑了大气和辐射面影响, 其反演结果往往更接近于真实的地表温度[49]。根据不同热红外遥感数据的特点, 国内外专家学者提出了许多反演温度的算法, 归纳起来大致可以分为3类：单通道算法、多通道算法和劈窗算法。单通道算法又可以细分为大气校正法[50]、Jiménez-Muñoz单通道算法[51]和覃志豪单窗算法[52], 而多通道算法又可以细分为灰体发射率法[53]、昼夜法[54]和温度发射率分离法[55], 劈窗算法又称分裂窗算法, 主要包括基于NOAA-AVHRR数据[56]、TERRA-MODIS数据[57]、Landsat-TIRS数据[58]和ASTER数据[59]的劈窗算法。有大量学者对上述算法的优缺点和利弊性进行了分析, 普遍认为目前反演地表温度算法较为成熟、应用性和反演精度最好的是劈窗算法[60]。

综上所述, 当前认真梳理城市地表热环境的研究进展对于今后开展城市空间热环境定量评价研究以及促进城市可持续发展具有重要的现实意义。近年来, 国内外已发表了一些关于城市热岛效应研究的综述性文章, 但由于城市热岛的研究范围广, 研究的尺度、空间层次和监测方法复杂多样, 因而很难在一篇综述性文章中进行全面细致的总结, 大多只能简要地对监测手段进行概括[61-62], 或是从景观尺度对已开展的热岛效应研究进行归纳[63-64]。而从城市地表热环境研究角度出发, 对当前国内外研究历程、现状、方向进行总结的文章目前尚未见文献报道。本文拟通过系统地总结城市地表热环境的研究进展, 以期为今后的城市热环境研究提供一些新思路和参考。

学术界公认的关于城市热岛现象最早记录源自于英国气象学家Howard自1811年起记录的伦敦市30年市区和郊区的气温变化[65]。此后一个多世纪以来, 热岛研究采用的均是大气温度数据, 一方面体现了气象数据在时间尺度上所具有的连续性优势, 另一方面也暴露出气象数据存在以离散的点数据或线性数据代替面状数据、尺度转换精度不高、大型城市平面布局和内部结构特征分析困难等问题。直到1972年, Rao[66]首次提出应用遥感数据开展城市热岛效应研究, 标志着城市热环境研究从城市冠层和边界层进入到了城市地表层的新阶段。近年来, 随着机载遥感和卫星遥感技术的发展, 特别是由我国研发的环境与灾害监测预报小卫星(HJ-1B)和中巴资源卫星的发射成功, 使得应用于城市地表热环境研究的遥感数据源在空间分辨率和时间分辨率的选择方面得到了极大丰富(表 3), 因而成为国内外专家学者开展城市热环境研究工作的主要手段。总体而言, 当前开展城市地表热环境遥感研究主要包括以下几个方面。

开展城市地表热环境时空变化研究的目的在于分析城市热环境在不同时间范围内二维或三维空间上的分布状况、强度变化过程及其演变规律。其中研究时间范围包括年际、季节、日和昼夜等。如葛荣凤等[67]利用1991—2011年期间的8期TM遥感影像数据, 结合Moran′s I全局自相关和重心模型等方法, 分析了北京市六环范围内的城市热岛效应演变规律和时空变化特征。Sobrino等[68]利用SensyTech公司生产的机载AHS高光谱感器(含热红外10个波段)获取了西班牙首都马德里市不同时间段、不同分辨率的热红外数据, 结合地面实测空气温度和地表温度数据, 探讨了时间分辨率和空间分辨率对城市街区尺度地表热环境的影响, 研究表明在街区尺度下, 用于地表热环境研究的遥感数据其空间分辨率不能低于50m, 否则会难以精确区分城市内部区域, 并且最佳观测时间为日出之前。Dousset等[69]和乔治等[70]分别利用NOAA AVHRR和MODIS遥感影像数据对美国洛杉矶、法国巴黎和北京市的地表热环境昼夜变化进行了分析。Zhou等[71]和Zakšek等[72]则分别应用FY-2C、MSG、MODIS等卫星数据, 采用昼夜温度循环遗传算法和移动窗口分析等方法对北京市和欧洲中心地区城市日变化周期内的地表热环境进行了研究。此外, 国产的HJ-1B卫星热红外数据由于拥有适宜的空间分辨率和较高的时间分辨率, 因而被越来越多的研究人员用于城市地表热环境研究当中, 如Yang等[73]以HJ-1B数据为基础数据源, 利用不同算法反演了北京市地表热岛并与同期的TM和MODIS数据进行了比较, 结果表明HJ-1B数据的反演结果与MODIS和TM数据均具有良好的相关性, 且单窗算法的反演精度较高。刘帅等[74]应用HJ-1B数据建立了一种基于2.5维高斯表面模型的城市热岛监测模型, 并应用这种模型定量描述了北京城市热环境在不同季节的变化。

综上, 当前已开展的城市地表热环境研究主要集中在城市年际或季节时间尺度上的二维空间格局变化研究, 也有少数学者利用较高空间分辨率的遥感数据模拟了城市地表热环境的日际变化或逐时变化[75], 但遥感数据源在空间和时间分辨率之间相互矛盾(高空间分辨率遥感数据往往时间分辨率较低, 而高时间分辨率的遥感数据空间分辨率不高)给当前在不同尺度上定量化地开展城市地表热环境研究带来了一定的局限。

任何地理现象的表象变化均是其内在驱动力的外在体现, 因而开展城市热环境的驱动力和驱动机制研究是分析城市热环境时空变化的关键。当前, 以土地利用及其覆盖被变化、不透水表面和植被等景观格局变化为代表的自然驱动力和人口、经济、产业形态以及建筑物的高度、密度和容积率等为代表的社会驱动力是国内外学者公认的影响城市热环境的主要驱动力因素[76-77]。

土地覆盖是指土地类型及其包含的人文特征和自然属性的综合体, 而土地利用变化必定会引起城市表面土地覆被变化。由于城市区域的土地覆盖多由沥青、水泥、金属等材料构成, 湖泊、公园、森林相对较少, 因而城市化进程的加快, 土地利用方式的改变必定会对城市地表热环境的空间分布以及热岛效应的形成和发展产生广泛而深远的影响[78]。牟雪洁等[79]通过利用TM影像数据反演的地表温度结合东莞市土地利用分类, 分析了建设用地、水体、耕地、绿地等土地利用类型与城市地表热岛强度的关系, 发现建设用地的地表温度要远高于其他用地类型。Lazzarini等[80]以MODIS、ASTER等遥感数据反演的地表温度为基础, 发现以阿联酋首都阿布扎比为代表的一些干旱半干旱区城市, 由于城市周边为裸土和沙漠, 而城市内部为水浇园地, 因此在白天市区比郊区的地表温度更低, 有时表现为冷岛区域。彭文甫等[81]基于TM和ETM+遥感数据, 将成都市土地利用类型分为林地、水田、旱地、城镇用地、工矿与交通用地等7类, 分别探讨了不同土地覆被类型与城市地表热岛效应之间的关系。

不透水表面是指天然或人为源, 通过隔离地表水渗透到土壤, 从而改变物质沉淀、洪水径流的流动和污染剖面的任何物质, 主要由城市道路、广场、建筑物屋顶和停车场组成[82]。不透水表面由于可以改变城市边界层和地表层的潜热和显热通量, 因而成为影响城市地表热环境变化的关键因素。利用遥感数据对其进行定量反演能够加强对城市热环境及生态变化过程的理解[83-84]。当前, 不透水表面与地表温度关系的研究主要包含以下两个方面：一是通过比对分析、多元统计分析等方法开展不透水表面与地表热环境的关系研究。例如Yuan等[85]利用TM和ETM+遥感影像数据分析了不透水表面与美国明尼苏达州Twin城不同季节地表温度之间的关系, 结果表明二者在所有季节都具有较高的线性相关, 能够很好地解释城市地表的热环境特征变化。杨可明等[86]基于全约束最小二乘法混合像元分解模型和植被-不透水面-土壤模型, 利用TM遥感影像对北京市海淀区不透水面丰度和地表温度的相关性进行了定量评价, 发现二者之间存在明显的正相关。二是对不同尺度条件下的不透水面盖度与城市地表热环境关系进行研究。例如Xiao等[87]发现利用TM遥感影像数据反演的北京市不透水表面盖度(不透水覆盖面积与区域面积的比值)在不同尺度上均与地表温度的空间分布一致。孟宪磊[88]从多个尺度研究了上海市不透水面盖度与城市热岛的关系, 结果表明随着空间幅度的扩大, 不透水面与地表温度呈现稳定的正相关, 但尺度效应并不十分明显。因此, 如何进一步揭示不透水面时空演变与热环境效应之间深层次的关系是今后一项重要研究课题。

与土地利用和土地覆盖数据相比, 植被覆盖度、地表水分状况等生物物理组分数据的连续型更强, 因而对地表温度的时空差异具有较好的揭示作用。一方面, 植被的生长状况、盖度和类型决定了城市地表反照率和城市水分蒸发蒸腾, 从而影响了城市地表的能量分配。自Gallo等[89]利用NOAA AVHRR数据证明归一化植被指数与美国西雅图市的地表温度存在负相关后, 国内外专家学者在不同区域尺度上进行了验证, 并不断对植被覆盖度数据进行优化, 以期通过与城市地表温度进行优化拟合从而更好地探讨植被覆盖与热岛效应之间的相互作用[90-91]；另一方面, 城市的水体状况决定了城市地表的比热特性, 因而对城市地表温度时空差异具有较好的揭示作用。特别是随着遥感技术的发展, 将归一化湿度指数、归一化水体指数、城市地表湿度等遥感监测指标与景观生态学方法相结合, 能够更好地展现城市水体对热岛效应的缓解作用[92-94]。

城市内部景观格局的组成与配置, 特别是3个景观结构成分：斑块、廊道和基质重复性地镶嵌在一起对于城市地表热环境及其热岛效应有着显著的影响[63]。景观格局与城市地表热岛之间的关系研究主要包括两大类：一是基于不同的景观格局指数分析城市景观变化, 探讨其与城市地表热环境的关系。景观格局指数自O′Neil等[95]提出以来得到了快速发展, 指数种类越来越多。Chen等[96]通过分析地表温度与景观格局指数之间的关系, 认为景观格局指数并非数量越多解释效果越好, 并提出了5个具有较好解释能力的景观格局指数。同时, 国内外专家学者还就不同尺度条件下的景观格局指数与地表温度的相互关系和尺度效应进行了研究[97-98]。二是基于空间统计方法对地表参数进行统计, 分析不同地表参数如NDVI、归一化地表建筑指数与地表温度之间的关系[99]。此外, 诸如“源汇景观”等新的景观分类法的引入也为城市地表热环境研究带来了新思路[100]。比如李立光等[101]基于TM遥感数据结合GIS技术, 识别了城市地表热岛的源区和汇区, 并利用热岛强度指数、源区和汇区面积比例指数和地表温度反演结果对沈阳市热岛效应进行了评价。

人类活动强度变化影响着城市地表热量的转换, 以人口密度、经济发展状况、产业形态以及建筑物的高度、密度和容积率等为代表的社会驱动力因素是导致城市地表温度升高、城市热岛效应加剧的主要原因之一。Mitchell等[102]利用Landsat和MODIS遥感影像反演的地表温度, 结合当地社会人口普查数据, 运用地统计学等空间统计方法, 对影响美国佛罗里达州Pinellas地区地表热环境分布的人口因素进行了研究, 结果表明在贫困人口较为集中的区域以及某些特定种族或少数民族的聚集区域, 城市热岛效应更为显著。张瑜等[103]基于1995年—2013年的8期TM遥感数据以及西安市建成区的人口、绿化面积、废气排放量、GDP、运输量、工业总产值等11项统计数据, 采用灰色关联度理论定量研究了热岛效应影响因子的贡献率, 结果表明认为人类社会因素对热岛效应带来的负面影响日益加剧。综上, 社会统计数据由于在空间尺度和时间尺度上的局限性很难适用于小尺度和高时间分辨率的热环境研究, 这对于今后开展城市地表热环境的定量分析带来了一定困难。

城市的气象条件包括天气晴朗少云或者无云, 静风或者无风, 气压场、大气层机构稳定等是形成城市热岛效应的外部原因。气象因素不会直接影响城市地表热环境, 而是通过植被[104]、地表反照率[105]、人为热排放[106]来影响地表热环境的变化。特别是城市人为大量排放的粉灰、煤灰和各种污染气体, 如H2O、CO2、CH4、N2O等温室气体, 形成覆盖在城市上空的“气罩”与“尘罩”, 从而加剧了城市热岛效应[107]。

城市下垫面的快速变化影响了地表能量的收支平衡, 特别是物质和热量交换过程的改变导致了以城市热岛为代表的气候效应, 同时城市热岛效应反作用于地表, 影响着地表净辐射在潜热通量、显热通量和地表储量之间的分配。因此, 深入开展城市地表辐射平衡研究对于进一步理解城市地表热环境问题有着极为重要的科学意义。针对传统的地表能量过程研究方法仅能获取单点数值、计算结果代表性不强的问题, 遥感数据由于可以获得区域城市地表下垫面的特征参数因而在该类研究中间具有较大的优势。目前, 基于遥感数据建立的地表能量平衡模型主要方法分为3类：一是能量平衡余项法, 二是经验统计模型法, 三是数值模拟模型法。上述3种方法的代表模型及优缺点详见表 4[108]。

城市不同界面所反映出的热岛效应各不相同, 特别是城市地表热岛与大气热岛之间是否存在耦合或是替代关系, 二者之间的演变规律是否存在异同点以及各自的衡量与评价方法是当前城市地表热环境研究的热点方向之一。特别是应用遥感技术反演的地表温度和传统实测方法获取的空气温度作为衡量城市地表热岛和空气热岛的关键性因素, 二者之间也存在着复杂的关系。一般来言, 在夏季的白天时段, 地表温度通常要略高于空气温度[109]。一方面是由于空气温度的敏感性较低且受地表辐射的影响需要一个时间过程, 另一方面则是因为空气水汽含量、云量和风力等其他因素导致地表温度和空气温度产生一定的差异性。Eliasson等[109]通过对比瑞典哥德堡市3年的地表温度和空气温度, 发现通过气象站观测获取的温度数据所表征的热岛指标在研究城市街区尺度方面并不具有代表性。Abutaleb等[110]以ETM+遥感影像反演的城市地表温度数据和地面实测气象数据为基础数据源, 对埃及开罗地区的城市热环境进行了比较研究, 发现研究区域内大气热岛和地表热岛并存, 主要分布在人口密度最大的城区, 且大气温度与地表温度差在0.5—3.5℃之间。Mohan等[111]利用印度首都新德里地区气象观测站点的实测空气温度数据与MODIS遥感影像反演的地表温度数据进行了比较。结果表明在夜晚时间段, 建筑物密集的商业区二者有很高的相关性, 而白天的相关性较低。此外, MODIS反演的温度数据白天要高于实测数据, 而夜晚则低于实测数据。综上, 在一般情况下城市地表热岛和大气热岛呈现出较为一致的趋势及相似性, 但在极端情况下存在着较大的差别。

以城市绿地(公园绿地、街边绿化、防护绿地、生产绿地等)、森林和水体为主导的“冷岛效应”是当前改善城市热环境、削弱城市热岛效应最有效的手段。因而大量学者以城市公园植被、水体、人工森林等为研究对象探讨了冷岛效应在减缓热岛效应方面所发挥的作用[112]。例如贾宝全等[113]利用2014年的Landsat-8遥感数据对2012—2014年期间北京市实施“百万亩平原大造林工程”的降温效应进行了分析。结果表明北京市的造林工程对区域降温的效果显著, 林地本身降温效果可达1.023℃, 并通过冷岛效应的辐射作用, 扩展形成了250212.88hm2的降温面积, 降温价值达2.2622×108元。Onishi等[114]基于ASTER遥感数据探讨了日本名古屋市不同季节的停车场绿化面积及城市的树木、草地、森林所带来的冷岛效应与地表温度之间的关系, 研究发现不同季节的植被覆盖类型影响着城市地表温度的变化。冯悦怡等[115]和苏泳娴等[116]分别利用TM遥感数据探讨了北京市城区24个公园和广州市城区17个公园内部及其周边温度分布规律, 并对城市公园与地表热环境效应之间的响应关系进行了探索。

一个城市的地表热环境易受到气候、纬度、海拔等条件的影响而呈现出多尺度现象, 主要分为宏观、中观和微观尺度。其中, 宏观尺度指的是研究区覆盖全城或较大的区域, 范围一般大于100km2, 中观尺度指的是城市内部的片区规模, 范围在0.5—100km2, 微观尺度指的是城市街区甚至是单体建筑物的规模。而尺度转换就是将不同分辨率的遥感数据信息扩展到其他尺度上, 具体而言就是将高分辨率影像变成低分辨率影像称之为“尺度上推”, 反之则称之为“尺度下推”。目前尺度转换的方法有很多, 从研究对象的角度上分, 可以分为基于像元尺度和面向对象尺度的转换[117]。例如, 李慧宇[118]采用TSM模型对不同分辨率温度产品进行比对研究, 研究表明经过尺度转换后二者的误差在1K左右, 符合精度要求。Stathopoulou等[119]运用PBIM法, 将NOAA AVHRR的低分辨率数据降尺度到120m, 并与同样是120m空间分辨率的TM数据热红外波段反演的地表温度进行对比分析, 研究结果表明降尺度后的AVHRR地表温度数据均方根误差从原来的2.4℃降低到0.94℃。

综合目前收集的文献来看, 当前城市地表热环境研究在各个方面均有大量的研究成果已见报道, 特别是CFD仿真技术与遥感技术相结合应用于城市规划和设计研究方面取得了较大进展[120-121], 但距离高精度、定量化开展城市地表热环境遥感研究仍有一定的进步空间。针对目前存在的遥感数据源条件限制的问题, 特别是当前缺乏星载高分辨率热红外遥感数据, 无法实现城市街区、楼宇尺度温度定量观测问题, 高时间分辨率数据往往空间分辨率低从而导致无法获得城市地物热环境特征问题, 都需要进一步研究在多平台、多角度、多尺度数据综合应用下的城市地表热环境定量反演方法。尚未对城市地表热环境的时空格局变化规律有较为准确的认识, 特别是遥感影像数据所获取的地表温度是一个时间断面数据, 并不能准确反映一个城市在连续时间段内的空间变化特征, 这需要从地表辐射平衡的角度出发, 进一步应用遥感数据, 深入分析不同时空尺度下的城市热环境演变规律。如何在对城市地表热环境进行准确评估和预测的基础上, 有针对性地制定缓解城市热岛效应的技术与措施亦是今后研究难点之一。由于人为热数据获取十分艰难, 因而当前已开展的城市地表辐射与能量平衡研究将人类活动造成的城市热环境影响基本忽略, 但实际上人为热是城市地表辐射平衡研究中重要的一项, 并对城市地表热平衡、显热、潜热通量以及净辐射变化有着深刻的影响, 因此如何精确获取人为热数据, 将其纳入到城市地表热环境研究尚需进一步探讨。