-
全球城市化进程整体呈现快速上升趋势（储鹏等，2016; 胡楠林等，2022），我国城市化水平从改革开放初期的17.9%发展到2020年的60%以上（王美雅和徐涵秋，2018）。随着全球气候变暖、城市人口密度增加等，城市热岛效应成为最典型且最严重的城市气候问题之一（杨敏等，2018; 张树钦等，2022）。城市化和下垫面的变化影响城市气温的变化，也加剧了城市热岛效应（司鹏等，2010; 叶丽梅等，2014; 李煜斌等，2022）。城市热岛效应不仅对局地小气候和大气环境造成不利影响（许睿等，2020），还危及人类身体健康，增加与热/高温有关疾病的发病率和死亡率（Alahmad et al.，2020; Nwakaire et al.，2020）。城市热岛效应已成为城市气候学、生态学、地理学、医学等各领域学者研究的焦点（Estoque et al.，2017）。
-
城市热岛效应的研究方法主要有气象资料观测法、遥感监测法和数值模拟法等（寿亦萱和张大林，2012; 康汉青等，2014; Liu et al.，2020）。遥感监测法因其分辨率高、覆盖范围广、不耗时、成本低和可实现观测一致性、可重复性等特点成为近年来研究城市热岛效应的主要方法（刘勇洪等，2017; Pan et al.，2019），但其容易受到大气环境和辐射面的影响而带来数据的误差（毛成忠等，2021）。气象资料观测法是一种直接的长时间序列城市热值测量方法，且目前自动气象观测网已经实现了多气象要素的连续观测（孟凡超等，2020），能够更精准地反映城市热岛效应（李宇等，2021）。
-
国内外研究者基于不同时间序列的气象资料观测法研究了不同区域的城市热岛效应，并探讨了影响城市热岛效应的影响因素。例如，程志刚等（2018）研究了北京CBD区域的城市热岛强度，表明雨和大风等天气对城市热岛强度有削弱作用。Li et al.（2020）基于5个站点的气温数据与遥感监测地表温度对比研究了杭州市的城市热岛强度，发现基于气温数据的城市热岛强度在干燥的晴天的夜间更强，并受选取指标的影响。Huang et al.（2020）分析了上海市夜间城市热岛强度，发现夜间热岛效应季节性规律与相对湿度和降水等均有关。由此可见，城市热岛效应在不同地区呈现出不同的特征和规律，其影响因素也各不相同。随着京津冀的重新规划、大兴机场的建成、通州副中心的建设，北京市城市化建设仍不断扩张（王国玉等，2021），呈现出多个不同功能区特点，并且下垫面类型繁多，城市热岛特征较为典型，在气候变化、人口增长、土地利用等诸多因素的作用下，热岛效应变化情况及形成原因复杂（孙应龙等，2020），因此需要进一步的探寻和分析。
-
本文以北京市为研究区域，基于1981—2020年逐日气象站点数据，研究北京市近40 a内月、季节以及年尺度城市热岛效应的时空变化特征，运用克里金插值法揭示北京市热岛效应的空间变化趋势; 继而开展气象因素、人口密度和土地利用/覆盖变化（LUCC）3种影响因素与城市热岛强度的相关性分析，再结合主成分分析探讨不同影响因素对城市热岛效应的贡献率，揭示城市热岛效应的成因。由此从多个角度研究北京市热岛效应的时空变化特征，为未来制定北京市城市规划、缓解城市热岛效应提供理论依据。
-
1 研究区概况和数据
-
1.1 研究区概况
-
北京市（113°30′~119°15′E，36°03′~42°32′N）是中国的政治、文化、科技创新中心，位于华北平原北部，地势西北高、东南低，总面积约为16 410.5 km2，2020年常住人口为21 900 000人。北京市的气候为暖温带大陆性季风气候，四季分明，夏季高温多雨，冬季寒冷干燥，春秋短促。由于近年来人口数量的剧增、地表下垫面的改变，北京市城郊间的温度差增大，直接影响了北京市的热岛效应。
-
1.2 数据
-
本研究中的气象数据来自国家气象信息中心（http://data.cma.cn/），包括北京市城郊气象站点1981—2020年逐日气温观测资料，数据质量经严格控制。本研究依据文献选择自然条件相似、海拔高度相近、数据完整的城郊站点作对比站（李丽光等，2013），选择北京市4个城区站点、10个郊区站点（图1）。
-
图1 研究区域及气象站点分布
-
Fig.1 Spatial distribution of the study area and meteorological stations
-
人口数据、社会统计数据来源于国家及各地统计局的统计年鉴:《国家统计年鉴》《北京统计年鉴》《第四次人口普查公报》和《第七次人口普查公报》。利用卫星Landsat Thematic Mapper（TM）数据获得1990—2020年北京市土地利用/覆盖变化面积并进行统计。
-
2 研究方法
-
2.1 城市热岛强度计算方法
-
城市热岛强度（Urban Heat Island，UHI）是指由于城市热岛效应等引起的城乡之间的温度差异，下文用UHI表示。北京市城区、郊区站点的海拔均值（50.5 m、57.1 m）相差较小，无需对站点监测温度进行海拔校正，由此UHI计算公式为:
-
式中:TUrban代表城区气温; TSuburb代表郊区气温; TU/S代表城区或郊区站点气温平均值; m为城区或郊区站点数量。
-
2.2 城市热岛强度时空变化特征及影响因子分析方法
-
城市热岛强度时空变化特征及影响因子分析:采用一元线性回归、距平法、5 a滑动平均以及克里金插值法统计分析城市热岛强度的月尺度、季节尺度和年尺度的时空变化特征; 采用Mann-Kendall非参数检验（M-K突变检验）明确各尺度热岛强度突变的年份; 再利用SPSS 27.0 对气象因素、人口密度、LUCC 3种影响因素与城市热岛强度进行二元相关性分析（Pearson相关系数，r）; 最后利用主成分分析法确定各成分的贡献率，筛选影响北京市城市热岛效应的主要影响因素。
-
3 结果与讨论
-
3.1 气温及热岛强度时间变化特征
-
3.1.1 年际变化特征
-
由北京市1981—2020年城区和郊区年平均气温的距平变化及5 a滑动平均曲线（图2）可知，北京市城区气温呈现不断波动上升趋势，在2011年前后出现低值期（12.8℃），之后气温持续上升，达到13.9℃。郊区气温在20世纪90年代至21世纪10年代前期气温较高，同时在2011年前后也出现气温低值期（11.8℃），2012—2020年期间郊区年平均气温最高可达到12.8℃。总体来说，城区和郊区年平均气温均呈上升的变化趋势，城区气温高于对应年份郊区气温，温度增幅也大于郊区。城区和郊区气温的线性变化趋势分别为0.45℃/（10 a）、0.36℃/（10 a）。
-
图3是近40 a年北京市年平均UHI的年际变化曲线和M-K突变检验曲线。由5 a滑动平均曲线可以看出，北京市年平均UHI整体呈现“波浪型”的上升趋势，并以0.1℃/（10 a）的速率上升。年平均UHI也呈现明显的年代际变化，1980年代年平均UHI为0.73℃，1990年代年平均UHI为0.77℃，增幅较小，在2000年代年平均UHI为0.85℃。结合年平均UHI的M-K突变检验可知，UHI在2007年发生突变，2010年以后UHI增幅增大，到2010年代年平均UHI升高到1.01℃。城市热岛强度不断增加可能与城市人口不断增长、社会经济发展和城市不透水面增加有密切联系（Wang et al.，2017; 邬昀等，2017）。
-
3.1.2 季节变化特征
-
本研究将3—5月作为春季、6—8月作为夏季、9—11月作为秋季、12月—次年2月作为冬季，对北京市城郊站点逐日观测数据进行整理，获得季节尺度的年平均气温和UHI（图4）。分析结果表明，北京市春季和秋季平均气温呈稳定上升趋势，而夏季和冬季平均气温均呈较大波动的上升趋势，尤其是冬季的平均气温年际变化幅度较大，线性变化趋势达到1.2℃/（10 a）。北京市年平均UHI季节变化也比较明显，表现冬季＞秋季＞春季＞夏季，与前人研究结果一致（贾文茜等，2021）。其中，冬季年平均UHI值达到1.22℃，夏季最小为0.60℃。但年平均UHI上升速率最快的季节是秋季，达0.13℃/（10 a），夏冬次之，春季最小（0.07℃/（10 a））。北京市月平均UHI最大发生在1月，为1.31℃，7月的UHI最小为0.55℃。经M-K检验，北京市春季、夏季、秋季和冬季平均UHI的突变年份分别发生在2008、2004、2004和2006年。
-
3.2 北京市热岛效应空间变化特征
-
由北京市1981—2020年年平均气温线性变化趋势的空间分布（图5a）可以看出，城区和大部分郊区地区年平均气温变化速率为0.3~0.6℃/（10 a），其中朝阳区和通州区部分区域平均气温增加速率最大，达到0.5~0.6℃/（10 a）。除了海淀区和石景山区两个城区外，近郊丰台区、昌平区、大兴区以及远郊延庆区部分区域气温增温速率高于其他郊区。郊区怀柔区的增温速率最小，增幅为0~0.1℃/（10 a）。从变化速率的空间分布上可知，城区的年平均气温增加速率大于郊区，北京市的UHI年际变化是逐渐增强的。结合图5b可知，北京市热岛效应以层状由西北向东南方向延伸至城市副中心通州区，UHI由城区向郊区逐渐递减。热岛效应空间分布主要集中在人口稠密的城区以及商业、工业发展较快的近郊地区，海淀区和石景山区小部分区域是UHI的高值区。除城区外，昌平区、通州区和大兴区UHI强度较高，UHI介于0.6~0.9℃。密云区、怀柔区和门头沟区则出现较高的负值，这些台站及区域大多都靠近水体或以绿地分布为主，主要分布在河流、绿地、森林等植被覆盖区，这也表明水体和绿地等土地类型对UHI的变化有较大的缓解作用。
-
图2 1981—2020年北京市城区（a）、郊区（b）年平均气温距平
-
Fig.2 Annual mean temperature anomalies in (a) urban and (b) suburban areas of Beijing from 1981 to 2020
-
图3 北京市年平均城市热岛强度变化（a）和M-K突变检验结果（b）
-
Fig.3 (a) Changes in annual mean UHI and (b) M-K mutation test results in Beijing
-
图4 北京市春（a）、夏（b）、秋（c）和冬（d）季平均气温及城市热岛强度变化
-
Fig.4 Seasonal changes in mean temperature and UHI in (a) spring, (b) summer, (c) autumn, and (d) winter in Beijing
-
由前文分析得知，北京市热岛效应在冬季表现出最强的变化特征，且北京市年平均和各季节平均UHI突变主要发生在2000年代（2001—2010年），因此，本文将进一步分析北京市冬季1981—2000、2001—2020年和两个时段UHI差值以及1981—2020年年平均UHI的空间变化特征（图6）。由图6a、b可知，1981—2000年UHI高值区集中在海淀区，UHI值为1.2~1.6℃。城区和近郊部分地区UHI在0.8~1.6℃范围内，北部远郊地区UHI为负值。在2001—2020年，北京市冬季热岛效应主要向东南方向延伸，UHI的高值区分布特征从“城区集中分布”转变为“城区和郊区分布”，但UHI整体范围减小，负值地区范围有所增大。结合图6c分析可知，北京城市副中心通州区UHI增幅最大，郊区UHI主要以下降趋势为主，其中延庆区UHI下降趋势最大。总的来说，整个研究时段北京市冬季UHI（图6d）高值区主要集中在海淀和石景山两个城区，热岛效应沿城市建成区方向扩展，北部远郊地区UHI主要呈现负值。
-
图5 北京市年平均气温变化趋势（a）和城市热岛强度（b）空间分布
-
Fig.5 Spatial distribution of (a) annual mean temperature and (b) UHI in Beijing
-
图6 北京市1981—2000年（a）、2001—2020年（b）、1981—2000年与2001—2020年差值（c）及1981—2020年冬季城市热岛强度的空间分布（d）
-
Fig.6 Spatial distribution of UHI in winter: (a) 1981—2000, (b) 2001—2020, (c) difference between a and b, and (d) 1981—2020 in Beijing
-
4 北京市热岛效应影响因素分析
-
4.1 气象要素的影响
-
依据北京市的气候特点以及前人的研究成果（曹畅等，2017; 孙应龙等，2020），本文选取了对热岛效应影响较大的5个气象要素，分别为:极端最高气温、降水总量、平均风速、平均相对湿度和气压，将北京市年均及季节热岛强度分别作为因变量，5个气象要素作为自变量，对因变量和自变量进行了无量纲处理，利用二元相关性分析法计算各个气象要素对北京市热岛效应的影响大小。从热岛强度与各气象因素的相关性结果（表1）中可以看出，影响年平均UHI的气象因素主要是极端最高温（r=0.634，P＜0.01），极端最高温与年平均UHI呈显著正相关，其他气象因素均与年平均UHI呈负相关关系，其中北京市热岛效应对平均相对湿度的变化最不明显。从季节上看，极端最高温也是影响春季和秋季UHI的主要影响因素，平均风速对各季UHI均有抑制作用，这表明风速越小，越不利于热量的散发，热岛效应越明显（曹畅等，2017）。其中秋季UHI与平均风速、气压均有显著的负相关性（P＜0.05），夏季和冬季UHI与各气象因素的相关性不显著。
-
注：1）代表显著性P＜0.01；2）代表显著性P＜0.05.
-
4.2 人口密度的影响
-
城市人口通常作为城市化发展程度或者城市扩张的标志，人口密度越大代表城市化发展程度越高。图7给出了北京市年均UHI与人口密度的相关性分析。分析发现，北京市人口密度以234.88人/km2的速率上升，与UHI变化趋势一致。分析二者的相关性发现，北京市年均UHI与人口密度呈对数相关，相关性显著，相关系数为0.759，通过了信度为0.01的显著性检验。各季节的UHI与人口密度也呈显著正相关性，且相关系数均在0.5以上。与气象因素相比，人口密度对北京市的热岛强度影响更大、更显著。北京市人口持续的集中迁移，也导致土地利用规模和强度持续增加进而影响土地利用/覆盖类型的改变，最终影响城市热岛强度（王刚等，2019）。
-
4.3 土地利用/覆盖类型的影响
-
在人类活动作用的影响下，土地利用/覆盖时空格局发生了显著变化。北京市2020年的土地利用/覆盖面积如图8所示。城市建设用地集中分布在6个主城区，尤其东城区和西城区几乎完全是由城市建设用地、绿地和水域构成。随着城市建设快速发展，不透水下垫面面积显著增加，1990—2020年北京市近郊区昌平区、大兴区和通州区建设用地面积分别增加了259.91、311.34和154.67 km2，其主要扩展来源为耕地，其次为草地。
-
图7 1981—2020年北京市年均热岛强度与人口密度的相关性分析
-
Fig.7 Correlation analysis between annual UHI and population density in Beijing from 1981 to 2020
-
利用1990—2020年北京市土地利用/覆盖类型分类结果，进行了各类用地类型与年均和各季UHI的相关性分析（表2）。结果表明，建设用地对北京市热岛效应的影响最强，对各季节的UHI影响程度不同，但相关性均通过了信度为0.05的显著性检验，其中冬季UHI与建设用地相关性最大（r=0.868，P＜0.05）。城市热岛效应的范围也因建设用地的增加而扩大，UHI高值区主要集中在城六区以及近郊地区。北京市周边的耕地和主要分布在远郊的草地具有明显的降温作用，与北京市的热岛强度呈显著负相关性，且耕地的降温作用强于草地。林地和水域对北京市城市热岛效应影响较弱。
-
图8 2020年北京市土地利用（a）及统计分布（b）
-
Fig.8 (a) Land use and (b) statistical distribution of Beijing in 2020
-
注：1）代表显著性P＜0.05；2）代表显著性P＜0.01.
-
4.4 主成分分析结果
-
通过3类影响因素与北京市UHI之间的相关性分析发现，各类影响因素与北京市UHI呈不同程度的相关性，但仅通过相关系数的大小并不能有力解释各类影响因素对北京市UHI的影响程度。为了进一步揭示各类影响因素对北京市热岛效应的贡献率，本文使用统计分析软件SPSS27.0对各类影响因素进行极差法标准化处理，并采用主成分分析法，将北京市中影响城市热岛效应的11个影响因子进行主成分分析（考虑到北京市未利用土地面积较小且几乎无变化，故剔除未利用土地面积数据）。由主成分特征值和贡献率（表3）可以看出，前4个主成分的特征值均大于1，并且累积贡献率达到了99.086%，大于80%，因此可以认为前4个主成分能很好地反映北京市城市热岛效应形成的主要影响因子。其中，第一主成分的贡献率最大，达到57.311%，第二主成分贡献率达到21.298%。为进一步分析，对表3数据进行主成分转换，得到前4个主成分所持的信息载荷情况（表4）。
-
根据主成分荷载矩阵，具体分析各主成分的整体组成情况，来表明不同影响因子对北京市热岛效应的影响程度。对于主成分1而言，人口密度、建设用地、平均气压等为主要正向贡献因子，而耕地和平均风速则为反向贡献因子; 主成分2主要反映了气象因素对城市热岛效应的反向贡献; 第3个和第4个主成分均体现在气象因素以及土地利用/覆盖类型对城市热岛效应的影响。综合分析可知，影响北京市热岛强度的为人口密度、建设用地、平均气压、平均风速和耕地面积5个主要因子。
-
5 结论与讨论
-
本文基于北京市1981—2020年逐日气温资料，采用线性回归分析、M-K突变检验、克里金插值等方法，分析了北京市热岛效应的时空变化特征，并对影响城市热岛效应的极端最高气温、风速等气象要素以及人口密度、土地利用/覆盖面积等影响因素进行分析，得到如下主要结论:
-
1）1981—2020年，北京市城区和郊区的年平均气温的变化趋势一致，均呈上升趋势，但城区气温的增加速率大于郊区间接表明北京市UHI也呈上升趋势，UHI以0.1℃/（10 a）的速率呈“波浪型”上升。北京市冬季利于热岛的形成，UHI最强，秋季次之，春、夏季最弱; 四季UHI中秋季UHI增幅最大，变化率达0.13℃/（10 a）。
-
2）北京市UHI空间分布特征明显，热岛范围逐渐扩大。高值区主要集中在城六区，热岛范围主要向东南方向延伸，其中朝阳区和通州区增温趋势明显。北京市冬季UHI高值区主要集中海淀区和石景山区，2000年以来热岛强度明显增强，高值区向东南方向延伸城市副中心通州区，UHI达到1.6℃。
-
3）影响北京市热岛强度的主要因子为人口密度、建设用地、平均气压、平均风速和耕地面积。其中人口密度、建设用地和平均气压对UHI升高起正向贡献作用，平均风速和耕地对UHI起负向贡献缓解作用。
-
随着城市化进程的加快演变，平衡城市发展和环境生态是城市规划过程中重要环节。局地气象因素、人口密度变化以及土地利用变化均对北京市城市热岛效应产生一定影响。在城市发展建设过程中，应控制人口密度、合理规划城市土地利用规模、结构及空间布局以降低城市热岛效应的扩散，增加绿色植被等生态用地面积以缓解城市热岛效应。
-
参考文献
摘要
在气候变暖和快速城市化背景下,北京一直面临着城市热岛效应带来的环境问题。基于北京市1981—2020年逐日气温观测资料,采用线性回归、克里金插值和相关性分析等方法,研究了北京市城郊气温变化趋势以及北京市城市热岛强度(Urban Heat Island,UHI)的时空变化特征,并评估了气象因素、人口密度和土地利用/覆盖类型对城市热岛效应的影响。结果表明:近40 a来北京市城郊区的平均气温均呈上升的变化趋势,且城区气温增幅大于郊区,表明北京市UHI上升趋势显著。就季节而言,北京市冬季UHI最强(1.22 ℃),秋季次之,春、夏最弱,其中秋季UHI增幅最大。同时,北京市城市热岛效应范围也在逐渐扩大,其中城六区为高值区,热岛区由西北向东南方向延伸至城市副中心通州区,朝阳区和通州区增温趋势明显。2000年以来,北京市冬季UHI出现了显著的增加趋势,高值区UHI增加至1.6 ℃。此外,主成分分析表明人口、建设用地和气压对城市热岛效应的形成起促进作用,而风速和耕地是缓解城市热岛效应的重要影响因素。
Abstract
In the context of global warming and rapid urbanization,Beijing,as the capital city,has undergone significant transformations in its urban landscape.These changes have brought about persistent environmental issues,particularly the urban heat island (UHI) effect.Based on daily temperature observation data from 1981 to 2020 collected from both urban and suburban stations in Beijing,this study employs methods such as linear regression,kriging interpolation,and correlation analysis to investigate the temperature change trends on monthly,seasonal,and annual scales over the past 40 years.Additionally,it explores the spatiotemporal characteristics of UHI intensity in Beijing and assesses the impact of various factors,including meteorological elements (such as extreme maximum temperatures and average wind speed),population density,and land use/cover types,on the UHI effect,ultimately revealing the underlying causes of Beijing's UHI phenomenon.The findings indicate that the temperature trends in both urban and suburban areas of Beijing have been consistent over the past four decades,with an overall upward trajectory.Notably,the temperature increase in urban areas has been more pronounced than in suburban areas,with UHI increasing at a “wave-like” rate of 0.1 ℃/(10 a) highlighting a significant upward trend in Beijing's UHI.Analyzing by seasons,the UHI effect in Beijing is most pronounced in winter,with an average intensity of 1.22 ℃,followed by autumn,while spring and summer exhibit the weakest UHI effect.Among these,the increase in UHI during autumn is the most significant,with a change rate of 0.13 ℃/(10 a).From a spatial perspective,the UHI effect in Beijing is expanding.The high-value UHI areas are concentrated in the six central urban districts.The UHI zone extends from the northwest towards the southeast,reaching the sub-center in Tongzhou district.The warming trend is particularly evident in Chaoyang and Tongzhou districts.Since the year 2000,there has been a noticeable increase in the winter UHI intensity in Beijing,with high-value areas in the Tongzhou sub-center seeing UHI intensities rising to 1.6 ℃.Furthermore,principal component analysis reveals that population density,construction land,and average atmospheric pressure are key factors promoting the formation of the UHI effect.Conversely,wind speed and cultivated land play crucial roles in mitigating the UHI effect.As the process of urbanization accelerates,balancing urban development with environmental ecology becomes a crucial aspect of urban planning.Effective measures to control the UHI effect include regulating population density,rationally planning urban land use in terms of scale,structure,and spatial layout,and increasing the area of green vegetation and other ecological lands to alleviate the UHI impact.By implementing such strategies,Beijing can mitigate the adverse effects of the UHI phenomenon and enhance the overall quality of life for its residents.In summary,addressing Beijing's UHI effect requires a comprehensive approach that involves controlling population density,strategically planning urban land use,and enhancing ecological conservation efforts.These measures aim to reduce the spread of the UHI effect and promote a sustainable urban environment,ultimately improving the living conditions and well-being of Beijing's inhabitants.
