下载:
-
因为城市地面覆盖物多，发热体多，加上密集城市人口生活和生产中产生大量的人为热，造成市中心的空气温度高于郊区空气温度，人们把这种气温分布现象称为“热岛效应”。由于城市的发展，下垫面原有的自然环境，如农田、牧场等发生了根本的变化，人工建筑物高度集中，以水泥、沥青、砖石、陶瓦和金属板等坚硬密实、干燥不透水的建筑材料替代了原来疏松和有植物覆盖的土壤[1]。城市热环境随着经济的发展日益恶化，已阻碍了人居环境品质的提升，是亟待解决的现实问题。绿色植被作为改善人居热环境的基础手段，不仅具有较好的节能效益，还具有明显的经济效益[2]。国内外学者分别从理论与实践研究等角度，在植被对城市热岛效应影响方面开展了大量研究。
-
1833年，HOWARD[3]首次描述了“热岛效应”的气候特征，指出伦敦市中心气温比周围乡村高。1958年，MANLEY[4]提出了“城市热岛”（urban heat island，UHI）概念。1982年，OKE[5]将城区气温最大值与郊区气温的差值定义为城市热岛强度。城市热岛效应的早期研究为后续研究提供了重要的概念基础，并为不同观测方式下的定量化研究指明了方向。
-
城市热岛的研究离不开数据获取，因此观测方式的选取是热岛效应研究的基础性问题。早期研究主要以地面气象站长期观测记录为基础，在统计与分析之后总结出热岛的时间变化规律。如MORRIS等[6]基于实测气象数据分别对澳大利亚的墨尔本、美国的费尔班克斯进行研究，得出城市热岛强度与云量、风速密切相关，晴朗无风的夜间热岛强度最高。但气象数据是由固定的气象站测取，具有一定的空间局限性，因此，一些学者开始采用流动观测法。OKE等[7]于1975年在加拿大的渥太华市做了全面的系统流动观测，公布了较为完整的原始资料，成为流动观测典范案例。除气象观测法与流动观测法以外，国内外学者还采用卫星遥感技术开展研究。由于地表温度是影响近地气温的关键影响因素，一些学者开始采用遥感卫星信息技术获取地表温度，从地表温度的演化视角开展热岛效应研究。RAO[8]在1972年第1次提出应用TIROS-1卫星遥感影像的热波段反演地表温度，从而辨别城市地域，并用这种方法观测了太平洋中部海岸城市的地表温度类型。周淑贞等[9]使用气象卫星对热场和下垫面结构的关系进行研究，在此基础上建立了相应的回归方程。覃志豪等[10]使用Landsat TM6波段研究地面温度反演，提出了能够反演真实温度的单窗算法。
-
不同观测方式下的热岛效应研究均发现：下垫面组成是影响热岛强度的重要因素，而植被是起着关键作用的一种下垫面类型。早期的研究方法主要以实测为主。CA等[11]通过研究日本东京城区某公园草地中午的降温效应发现：绿地的降温效果和绿地面积有一定关系，公园内气温比周边外围气温低约2.0 ℃。随着高分辨率遥感影像技术的发展以及反演方法的不断成熟，基于遥感影像技术的研究越来越多，如CHEN等[12]应用Landsat TM和ETM+影像反演地表温度发现，归一化植被指数（NDVI）与地表温度（LST）在一定范围内呈负相关关系。除了现场实测及遥感探测等研究方法外，数值模拟法逐渐成为重要的研究手段之一。ENVI-met模拟法是数值模拟法的典型代表，它被广泛应用于绿地降温效应研究，如ZHANG等[13]通过ENVI-met模拟研究武汉市植被对住宅热环境的影响发现，植被对热环境影响与树的排列、叶面积指数、冠宽和树高有关。
-
陆地生态系统是一个植被—土壤—气候相互作用的复杂大系统，内部各子系统之间及与大气和土壤之间存在复杂的相互作用和反馈机制。SCHULZE等[14]提出了植被生态系统能量交换关系：植被生态系统的冠层入射通过冠层反射、土壤热通量、冠层和土壤蒸散、显热交换等方式实现与外界能量交换，并以光合作用方式固化大气二氧化碳来储存部分能量。
植被冠层与外界的能量交换是以叶片的光学作用为基础的，叶片光学作用包括吸收和透过率光谱。SMITH[15]在1986年提出了叶片光学特性与能量平衡示意图，并指出在光合有效辐射波段植物吸收了90%以上的入射能量，以获得更高的光合速率和生产力。叶片吸收的光能一部分以长波辐射的方式释放[16-17]，一部分以热传导的显热方式释放[18]，大部分能量以蒸腾作用的方式释放并降低叶片温度[19]，只有少部分能量以有机物方式固定下来[20]。植被通过光合作用及蒸腾作用实现了与空气的热能量交换。除此以外，在夏季，叶片温度普遍低于周围地物表面温度，乔木树冠对周围地物发射长波冷辐射，这将进一步降低植被邻近墙面、地面温度，并在一定程度上降低植被附近的气温[21]；在冬季，乔木可以通过树冠和树干产生阻力来减少空气对流[22-23]，起到保温的作用。通过植被的“冷岛”作用来影响建筑的“热岛”效应，从而营造舒适的人居热环境。
-
相对稳定的生物群落的重要特征之一是具有一定的空间结构，群落中各种生物在空间上的配置状况称为植被空间结构。植被空间结构包括垂直结构和水平结构。
-
植被垂直结构指植物群落在垂直方向的配置状态，其最显著的特征是成层现象。一般按生长型把植被结构从顶部到底部划分为乔木层、灌木层、草本层和地被层4个基本层次。目前的研究主要集中在2个方面：一是单一层次植被对降温效应影响的研究，二是复合层次植被对降温效应影响的研究。对于前者，单一层次主要指乔木层。目前，国内外学者均采用实测法[24-25]。HSIEH等[26]通过实测建筑周边不同树木温度后发现，降温能力上从大到小依次为樟树Cinnamomum camphora、梧桐Firmiana platanifolia、水杉Metasequoia glyptostroboides。于雅鑫等[27]通过实测12种木兰科Magnoliaceae乔木的蒸腾速率并量化其降温能力指出，由于落叶树种比常绿树种的蒸腾速率高，所以落叶乔木的降温能力比常绿乔木好。植被复合层次是指以乔、灌、草作为常见的3种基本单元对其中的2种及以上的单元组合情况下的植被降温效应进行比较分析，国内以实地测量为主要研究方法，国外则多采用实测与模型相结合的手段进行研究。由于乔木在叶面积指数等方面明显高于灌木、草本，其蒸腾作用与遮光作用的影响最大，因此理论上乔木类对热环境调节能力应最强，不同学者的研究结果也证明了这一点。何介南等[28]、吴志能等[29]在定量研究植被垂直结构对热环境等效影响时，通过实测绿地温度并进行比较分析后发现，在降温效应上从大到小依次为乔木、灌木、草地。SODOUDI等[30]通过实测结合ENVI-met模型模拟以及DUNCAN等[31]通过遥感影像研究不同植被类型的降温程度结果均证实了这一结论。而对于乔-草、乔-灌与乔-灌-草之间的降温效应比较，结论却有差异。雷江丽等[32]认为：乔-草的降温能力大于乔-灌-草，刘娇妹等[33]则认为乔-灌-草优于乔-草，而吴志能等[29]认为乔-灌优于乔-草。
植被的降温效应研究目前主要集中在白天时段，但植被对周围空气温度的影响是全天的，因此有学者对植被夜间降温能力进行了实测研究。聂危萧等[34]对居住区组团中心绿地植被温度实测分析发现，日间乔-灌的降温效率相对更高，而夜间则是灌草的降温效果更强。造成这种降温效应昼夜差异的原因是植被在白天与夜晚的降温机理不同所致。在晴热的白天，植被一方面通过光合与蒸腾作用实现与周围空气的热量互换，同时通过长短波辐射遮蔽降低了周围地物的表面温度，并进一步降低邻近空气温度；而在没有太阳的夜晚，城市下垫面地物的表面热量通过长波辐射的方式转移至天空，这种热量传输的快慢受天空角系数的影响[35]，对于具有乔木或灌木的环境，地面及墙面将先与植被发生长波辐射换热，阻挡了下垫面与天空的长波辐射，这种“被子”效应使树冠下的热量发生滞留。因此，对3种基本植被垂直结构单元而言，夜间的降温会产生乔木＜灌木＜草本的结果。目前，植被的降温效应研究主要集中在夏季典型日，而缺少全年时段的评价与分析，尤其是冬季等极端不利天气条件下的研究。因此，研究不同季节气候条件下植被对城市热岛效应调节作用机制亟待开展。
-
在研究植被水平结构的城市热岛效应时，首先需解决的问题是如何快速而准确地获取某地的植被水平结构信息。目前，大多数学者采用遥感影像提取技术解决这一问题[36]，也有学者采用实测与ENVI-met相结合的手段来进行研究[37]。雷江丽等[32]、贾刘强等[38]分别以Landsat ETM+遥感影像为数据源，提取了绿地斑块的面积、周长、形状指数等信息，房力川等[39]则通过Landsat OLI/TIRS单期遥感影像反演了地表温度。上述遥感信息的获取为进一步分析植被水平结构的降温调节能力提供了数据支撑。除了水平结构信息获取问题外，植被水平结构定量描述参数的选取与定义是另一个关键问题。目前，采用的参数主要有斑块形状指数、斑块面积与斑块周长等。但对斑块形状指数的定义目前仍存有分歧，如雷江丽等[32]与袁振等[40]认为：形状指数是斑块的周长面积比，而贾刘强等[38]则将形状指数定义为斑块周长除以同面积圆的周长。在水平结构信息参数定义的基础上，学者们大多利用统计回归分析法，进一步探讨植被水平结构对城市热岛效应的影响规律。在斑块面积与周长等对城市局地气温的调节方面，学者们所得结论较为一致，即绿地斑块面积、周长越大，其降温效应越好，但形状指数的降温效应研究却存在较大分歧。贾刘强等[38]、JAGANMOHAN等[41]认为：形状指数越大，绿地斑块降温效应越好，即呈正相关关系，李海峰等[42]则指出：形状指数与其降温效果间并无显著的相关性，而FEYISA等[43]却发现：绿地斑块的降温效应与形状指数呈负相关关系。
除上述定量研究外，有学者也关注到了绿地斑块面积与降温关系的阈值效应问题。袁振等[40]认为：绿地斑块面积为0.055 km2时，对周边的降温效果较好；贾刘强等[38]指出：绿地斑块面积超过1.5 hm2时，对周边气温的影响范围和降温程度随着面积增大的速度而迅速减小。由此可见，绿地斑块面积对降温效应的影响存在阈值效应，即绿地面积过小，植被覆盖度就小，绿地斑块不能很好的发挥降温作用；面积过大，绿地斑块的降温效应在达到某一临界值后便会趋于平缓。另外，绿地斑块对与周边环境的降温影响也有一定范围。晏海[44]通过实测总面积680 hm2的北京奥林匹克森林公园及公园周边环境气温发现，随着距公园边界距离的增加，气温呈逐渐升高趋势，公园对其两侧的城市环境都有一定的降温效应，这种降温效应可延伸到距公园边界1 km以外的区域。另外，不同绿地类型的热岛缓解效应的比较研究也是热点之一。绿地斑块根据不同作用分为不同类型，有公园绿地、居住区绿地、街旁绿地、其他绿地等。在降温效应方面，房力川等[39]指出：降温效应从大到小依次为其他绿地、公园绿地、居住区绿地、街旁绿地。目前，对于绿地斑块与降温效应的研究很多，但研究的结果却各有不同。这些差异表明，对于绿地斑块降温效应的理论研究还有欠缺，需进一步挖掘探讨。
-
植被垂直结构与水平结构着眼于植被群体效应，这一群体效应是多个个体效应的叠加。植物个体主要通过冠层叶片吸收和反射太阳辐射及叶片本身的蒸腾作用来降低周围气温。因此，植被冠层结构对缓解城市热岛效应有着重要作用。植被冠层结构参数对城市热岛效应的影响规律是近年来的研究热点，冠层参数主要包括叶面积指数、冠幅、郁闭度及绿量等。
-
叶面积指数（LAI）指单位土地面积上的植物叶片总面积占土地面积的倍数。叶面积指数的测量方法通常分为直接法和间接法。直接法包括破坏性取样法、异速生长方程法、斜点样方法和凋落物法；间接法包括顶视法和底视法[45]。大部分相关研究都采用底视法，即借助光学仪器自下而上测量，目前最常用的仪器为植物冠层分析仪[45]。在上述测量方法的基础上，大部分学者认为：植物群落的降温效果与叶面积指数呈正相关关系，即有随叶面积指数的减小而降低的趋势[46-47]。秦仲等[48]对北京市14个植物群落进行了降温效果测定发现，植被降温效应与叶面积指数虽呈正相关关系，但并不显著，并指出产生这一结果的原因是植物蒸腾耗热、降低辐射平衡和削减乱流热交换量等方面的综合影响。唐泽等[49]通过对长春市18个公园样地进行实测分析后进一步指出，叶面积指数与降温强度呈非线性正相关关系。除分析叶面积指数与降温效应的相关关系外，很多学者也对其降温效应最佳阈值区间进行探讨。唐泽等[49]通过样方调查测定长春市植物群落对周围气温的影响发现，森林样地的植被叶面积指数最佳降温阈值区间为0.23~2.30；张波等[50]通过对太原市城市绿地斑块的降温效应研究发现：叶面积指数发挥降温效应的阈值为2.1~4.5。两者的阈值区间存在差异是因为他们研究对象不同。唐泽等的研究对象是森林，植被类别为单一的乔木。而张波等研究的则是面积不小于1 hm2的绿地，包括了乔、灌、草等多种植被，这种复合型的植被结构对叶面积指数最佳降温阈值区间也产生了较大影响。
-
冠幅指树木的南北和东西方向宽度的平均值。树冠可以有效遮挡太阳辐射，冠幅越大，林隙、裸露地面就越少，因此，大部分太阳辐射被上层的叶片遮挡、吸收和反射，只有少部分能到达地面，而且冠幅盖度越大，蒸腾作用的量也就越大，能更有效地降低周围气温。不少学者的实测结果也证明了这一点。秦仲等[48]、黄良美等[51]、王纪来[52]、赵晓龙等[53]分别对北京市植物群落、南宁市植物群落、重庆市植物群落、哈尔滨市行道树的冠幅及周围气温进行实测。虽然研究的城市、对象并不相同，但他们都发现树木冠幅与植物降温效应呈显著正相关关系，因此，植物冠幅对降温效应的正影响并无地域差别。另外，王纪来[52]还认为：植物冠层的形状和厚度是影响植物群落降温效应的重要因素。相较于交错叠加的植物群落冠层，独立的植物冠幅对植物群落降温效应的影响是有限的。当植物冠层交错叠加时，林隙减少，透过林隙落到地面上的太阳辐射就会减少，空间冠层结构内水分和热量乱流交换强，土壤及植被蒸散出的水汽不易扩散，使得植物群落发挥降温效应的能力更强。
-
郁闭度指森林中乔木树冠在阳光直射下，在地面的总投影面积与此林地总面积的比值，它反映了林地的密度。郁闭度的测量方法主要有目测法与实测法。实测法又分样线法、样点法、树冠投影法、遥感图像判读法等[54]。植物通过叶片蒸腾作用来增加空气中的水分含量，并进行热量交换，从而降低空气温度。郁闭度值较大的绿地，植物蒸腾作用较强，对绿地周围的干热情况具有较好的缓解作用，QIN等[55]和XIAO等[56]通过实测植物群落郁闭度与降温效应的关系证明了这一结论。另外，有学者对北京市的植被群落结构的降温效应实测分析发现，郁闭度对降温效应的影响存在最佳阈值区间，如朱春阳等[57]认为：植物群落郁闭度在44%~67%时降温效应显著，大于67%时降温效应显著且趋于稳定；高吉喜等[58]认为：郁闭度的最佳阈值为50%~85%，高于85%则降温效应不再显著提高。两者均采用实测法，但两位学者最终得出的阈值区间有差异可能是因为朱春阳等研究的道路绿地是在城区内，其一侧是道路，一侧是硬质铺装，因此植被的降温效应更为明显，郁闭度的最优阈值区间也会相对较低。
-
绿量（LVV）指所有生长中的植物茎叶所占据的空间体积，即绿化三维量。目前，对绿量的研究主要有2个方面。一是对绿量获取方法的探讨，二是对绿量与植被降温效应之间关系的研究。对于前者，主要有2种测量方法，一种是通过遥感技术获取。随着遥感技术的发展，可以利用其对林相相对一致的林地绿量进行估计[59]。这种方法存在一定的弊端，因为遥感技术对于冠层结构和植物种类辨析上存在一定困难，而且由于绿量是三维空间参数，单纯依靠遥感技术无法满足三维绿量的准确测定要求，因此这种方法一般用在较大尺度的绿量研究上。另一种方法是实测法。实地测量植物种类的叶面积、胸径、冠下高等样本数据，通过模拟方程计算主要树种绿量，然后根据计算结果估算群落总体绿量[60]。这种方法相对更精确，但工作量较大，比较适合小尺度的绿量研究。对于后者，目前的研究结论较为一致，如吴志能等[29]、高吉喜等[58]、李英汉等[59]、吴菲等[61]分别对重庆的公园，北京的公园、典型绿地，深圳的居住小区等进行了实测分析，发现绿化三维量与植物的降温效应之间有显著的正相关关系。由此可见，绿量对降温效应的正相关影响并不因地域、绿地类型的差异而有区别。在以后的研究中可以加强对绿量获取方法的探讨，寻找既能方便测量、结果又精确的方法。
-
地面与空气的热量交换是近地气温升降的直接原因，也是影响热岛效应的重要原因。以地温为桥梁，借助植被遥感指数，可分析植被对城市热岛效应的影响。目前，常用植被遥感指数包含归一化植被指数（NDVI）、修正土壤植被指数（MSAVI）及减化比值植被指数（RSR）等。
-
在遥感影像中，常用近红外波段的反射值与红光波段的反射值之差来表示归一化植被指数（NDVI）。目前，卫星热红外遥感信息源主要有NOAA气象卫星的第4波段（10.5~11.3 μm）和第5波段（11.5~12.5 μm）、Landsat TM或ETM+的第6波段（10.4~12.5 μm）、FY系列气象卫星数据、中巴资源卫星IRMSS数据及MODIS数据等[62]。研究中最常用的是Landsat TM或ETM+影像数据。使用Landsat TM/ETM +反演地表温度的常用方法有4种：分别为单窗算法、单通道算法、分裂窗算法及辐射方程传导法[63]，其中单窗算法最为常用。冯晓刚等[64]以Landsat TM和ETM+热红外数据为基础，采用单窗算法反演地表温度发现，归一化植被指数（NDVI）与地温（LST）呈显著负相关关系。NDVI与LST呈负相关关系已被多数学者认同[65-66]，但两者之间存在何种函数关系还有争议。潘竟虎等[67]和王伟等[68]认为：两者之间呈显著线性负相关，而张波等[50]认为两者之间呈反“S”形曲线关系。
另外，有学者对NDVI作为定量描述城市热岛效应的指标提出质疑，因为植被受季节影响，NDVI只适用于研究春、夏季城市地表热岛效应[69]，于是有学者开始寻找其他指标来研究城市热岛效应。例如，归一化建筑指数（NDBI）与归一化水汽指数（NDMI）与地温的相关性优于NDVI[69-70]。NDBI与4个季节的地表温度都存在显著线性正相关关系，而且LST与NDBI线性关系的斜率和截距都能很好指示不同季节城市热岛的强度[71]。NDMI与地表温度呈显著负相关关系，而且NDMI与地表温度的相关性也比NDVI强[72]。NDBI与NDMI可以更好地反映不同季节城市热岛效应的强度、空间格局及其随时间的变化，可在地表温度随季节变化的研究中作为一个附加指标对NDVI进行补充，是定量研究城市热岛效应的有效指标。
-
与归一化植被指数相比，植被覆盖度（FV）、修正土壤植被指数（MSAVI）、比值植被指数（RVI）、绿度植被指数（GVI）及减化比值植被指数（RSR）的研究相对较少。在这5种植被指数中，植被覆盖度受关注的程度最高。许民等[73]对武威地区的地表温度反演研究中得出，FV每上升0.1，LST下降约3.5 ℃；张晓莉等[74]利用西宁市Landsat遥感影像反演地表温度分析发现，FV每增加0.1，LST下降约1.2 ℃。另外，有学者对减化比值植被指数进行了定量研究。王伟等[68]发现：RSR的有效阈值为0~3.2，当RSR小于3.2时，地表温度随植被覆盖度增加而锐减，当RSR大于3.2时，植被覆盖度继续增加，地表温度却趋于恒定，呈现植被降温效应“饱和”现象。虽然，目前对归一化植被指数的研究最为广泛，但研究发现，它与地表温度的相关性却并不是最理想的。马伟等[75]通过对北京市植被指数对地表温度定量关系研究中发现：NDVI、FV、MSAVI、GVI及RVI均与LST呈负相关关系，其中，FV的相关系数最大，RVI最小；而魏宝成等[63]在研究呼和浩特市不同植被指数与地表温度的定量遥感关系时发现，RVI最高，NDVI次之，FV最小。这些研究表明：地表温度与植被遥感指数之间的关系还需进一步探讨，关于其他植被指数与地表温度之间关系的定量研究亟待开展。
-
由于计算机与遥感技术的不断发展，在植被对城市热岛效应的影响方面，研究方法与手段都在不断更新与完善，研究的视角与区域尺度也在不断拓展。但综合目前的研究仍存在以下问题：①在大尺度视角下应用遥感技术对植被的热岛效应缓解机理研究集中于降温幅度与植被群落结构、叶面积指数和三维绿量间的相关性方面，此类定性结论虽能在宏观上引导城市规划设计师对热环境营造的关注，但距离指导实际工作尚有很大提升空间。②中小尺度研究基本以城区夏季乔木为主，鲜有考虑常绿乔灌木夏、冬两季的总影响，以及落叶乔灌木季相变化的影响，且描述植被冠体特征的参数偏少，在全面揭示不同种类乔灌木冠体的热辐射影响方面尚有欠缺，需进一步考虑乔灌木的季相变化，以及不同季节日照条件的变化，并补充常用的乔灌木的冠体特征参数，以全面分析植被对建筑热辐射的影响规律。
考虑目前存在的问题，结合相关技术的发展趋势，未来的研究可在以下几个方面展开：①在时间尺度上，进一步考虑乔灌木的季相变化，如常绿与落叶植被等冠体特征参数在不同季节日照变化条件下对建筑群组热环境的影响研究。②在空间尺度上，进一步加强基于传热学原理，研究全季典型日气候条件、不同乔灌木种类、不同种植方式下、墙植距离、墙植方位、建筑方位等参数变化对建筑群组热环境的影响。
Research advances in the influence of vegetation on urban heat island effect
-
摘要: 热岛效应导致城市人居热环境恶化，并造成能源的巨大消耗，如何有效缓解热岛效应已成为迫切需要解决的问题。植被可以通过遮蔽长短波辐射和蒸腾等作用起到降低气温、增加湿度的效果，因此，城市绿化已成为一种缓解热岛效应的重要技术手段。为继续推动植被对城市热岛效应影响的研究，分别从研究现状、研究内容和研究方法、存在问题与展望等方面对国内外的相关研究进行梳理与综述。首先从城市热岛效应的研究起源、观测方式等角度梳理了国内外的研究进展。在此基础上，进一步分析了植被对城市气温的调节机理，并分别从植被垂直结构、水平结构、冠层结构等空间结构视角与植被遥感指数视角，进一步对植被的降温效应机理进行了综述。其中，植被冠层结构包含叶面积指数、冠幅、郁闭度、绿量等参数，遥感指数包含归一化植被指数、植被覆盖度、绿度植被指数等参数。除对国内外的研究现状进行综述外，还总结了目前绿地降温效应研究中的主要问题，并在未来研究方向等方面提出建议，为后续研究提供借鉴和参考。Abstract: Heat island effect leads to the deterioration of urban residential thermal environment and the consumption of large amount of energy. How to effectively alleviate the heat island effect has become an urgent problem. Vegetation can reduce air temperature and increase humidity through long-wave and short-wave radiation and transpiration. Therefore, urban greening has become an important technical means to alleviate the heat island effect. In order to continuously promote the research on the impact of vegetation on urban heat island effect, this paper reviews and summarizes the relevant studies at home and abroad from the aspects of research status, research content and research methods, existing problems and prospects. Firstly, the research progress of urban heat island effect at home and abroad is reviewed from the perspectives of research origin and observation methods. On this basis, the regulation mechanism of vegetation on urban air temperature is further analyzed, and the mechanism of vegetation cooling effect is further summarized from the perspectives of vegetation vertical structure, horizontal structure, canopy structure and vegetation remote sensing index. Among them, vegetation canopy structure contains parameters such as leaf area index, canopy width, canopy density and three-dimensional green biomass, while remote sensing index contains parameters such as normalized vegetation index, vegetation coverage and greenness vegetation index. This paper not only summarizes the research status at home and abroad, but also concludes the main problems in the current study of the cooling effect of green spaces, and puts forward suggestions for future research directions, which aims to provide references for follow-up research.
-
森林是陆地生态系统的主体，具有涵养水源、保持水土和调控径流等多种生态服务功能，被称为“绿色水库”[1]。森林主要通过林冠层、灌草层、凋落物层和土壤层截留和储存降水，从而有效涵蓄水分和补充地下水[2−4]。其中，凋落物层作为森林生态系统水源涵养功能垂直结构中的第三水文层，对森林的水源涵养功能有着重要作用。一方面，凋落物覆盖在地表层能够减小雨滴动能、加强雨水入渗和降低土壤水分蒸发[5−6]；另一方面，凋落物利用其自身的结构特性，能够吸持超过自身质量2~5倍的水分，可拦蓄超过60%的地表径流量，能有效拦蓄降水和减少土壤侵蚀等[7−8]。此外，凋落物的分解过程，能够促进土壤养分循环、改善土壤结构、增加土壤抗蚀性和土壤持水能力，从而使森林涵养水源功能得到充分的发挥[9−11]。
国内外学者对森林的凋落物层水源涵养功能进行了大量研究，如中国温带地区的森林凋落物层生物量比亚热带和热带高[12]；成熟林的凋落物层拦蓄降水量比幼龄林和过熟林大[13]；合理的森林密度能提高林地凋落物层的持水能力[14−15]。除气候、林龄和密度对凋落物的持水能力有影响外，不同森林类型凋落物的水源涵养功能也有明显差异[16−17]。有研究表明：人工林的凋落物层生物量和有效拦蓄量大于天然林[18−19]；阔叶林的持水性能优于针叶林[20−21]；混交林的水源涵养能力比纯林强[8, 22]。上述研究不同森林的水源涵养功能有一定的地域性，普遍规律较弱，因此还需要进一步完善对不同地区森林的凋落物层水文效应研究。
坝上地区属于典型的土石山区，年降水量少、土壤层薄和水土保持能力低，但同时也是京津冀一道重要的屏障，对坝上地区森林的水土保持研究非常重要[23−24]。目前对坝上地区森林的研究多以人工林和纯林为对象，且主要是单一森林类型的比较研究[20, 25−26]，针对不同森林类型的凋落物层水源涵养功能研究较少，这就不能准确评估该区域的水源涵养能力，难以制定有效的水土保持措施。基于此，本研究选取坝上崇礼地区的华北落叶松Larix gmelinii var. principis-rupprechtii林、白桦Betula platyphylla林、山杨Populus davidiana-白桦混交林(杨桦混交林)和华北落叶松-白桦混交林(落桦混交林) 4种森林类型，对其森林凋落物层的生物量以及不同分解层持水能力进行定量分析，比较不同森林类型凋落物层的水源涵养功能，以期为坝上地区森林生态系统的植被恢复和水土保持能力提升提供科学依据。
1. 研究地区与方法
1.1 研究区概况
研究区在河北崇礼森林生态系统观测研究站，该区位于河北省张家口市和平林场内(40°47′~41°17′N，114°17′~115°34′E)，海拔为814.0~2 174.0 m，属温带大陆性季风气候。地形大部分为山地，地势呈现由西北向东南倾斜的趋势，年均气温为3.7 ℃，年均降水量为300.0 mm，降水集中在夏季，时有冰雹和暴雨灾害。土壤以栗钙土、棕壤土、褐土和草甸土为主。植被属于暖温带落叶阔叶林和温带草原类型，植物区系呈现较大的过渡特点，在暖温带落叶阔叶林类型中，森林类型主要是天然次生林植被，以白桦和山杨面积最大，人工针叶林有华北落叶松、云杉Picea asperata、马尾松Pinus massoniana和油松Pinus tabuliformis等。
1.2 样地设置
在查阅张家口市和平林场森林资源档案和野外调查的基础上，2022年6—9月，在张家口市和平林场内选取林龄为35 a，且具有代表性的4种森林类型为研究对象，包括华北落叶松林(PL)、白桦林(NP)、杨桦混交林(NBP)和落桦混交林(PBL)。每种类型森林设置3块20 m×30 m的样地，共计12块，进行木本植物每木检尺，记录海拔、坡度、坡向等信息。样地基本概况见表1。
表 1 样地基本概况Table 1 Basic information of the sample plots森林类型 海拔/m 坡向 坡度/(°) 树高/m 胸径/cm 密度/(株·hm−2) 郁闭度 华北落叶松林 1 846.7 阴坡 18.0±1.5 16.0±0.9 30.2±0.3 1 033.0±90.3 0.75±0.21 白桦林 1 648.7 阴坡 20.7±3.3 10.8±0.2 11.0±0.5 3 339.0±152.5 0.80±0.11 杨桦混交林 1 685.5 阴坡 25.0±3.9 10.0±0.5 10.6±0.9 3 525.0±118.1 0.83±0.10 落桦混交林 1 696.0 阴坡 19.0±2.7 12.0±0.8 16.2±0.8 2 890.0±106.9 0.70±0.15 说明：数据为平均值±标准误。 1.3 凋落物层调查
在每个样地内随机设置5个0.5 m×0.5 m的凋落物小样方，将样方内凋落物按照分解程度，划分为半分解层(凋落物形状不完整且开始腐烂，肉眼可以分辨出大体形状)和未分解层(凋落物的形态和颜色基本保持原状，外表无被分解痕迹)，使用钢卷尺(1 mm精度)分别测定凋落物各层厚度，分层收集样方内的凋落物，带回实验室称量，在85 ℃烘干后称量，计算单位面积凋落物的生物量。
1.4 凋落物持水能力测定
采用浸泡法，在每个样方内取适量烘干的凋落物样品，装入尼龙网袋后浸入水中，分别测定浸水0.5、1.0、2.0、4.0、6.0、8.0、10.0、12.0、24.0 h后凋落物质量的变化，计算凋落物的最大持水率、自然含水率、最大拦蓄率、有效拦蓄率、最大持水量、有效拦蓄量和最大拦蓄量。计算公式如下：
$$ {R}_{\mathrm{h}\mathrm{m}\mathrm{a}\mathrm{x}}=\frac{{G}_{24}-{G}_{\mathrm{干}}}{{G}_{\mathrm{干}}}\times 100\% \text{；} $$ (1) $$ {R}_{\mathrm{O}}=\frac{{G}_{\mathrm{鲜}}-{G}_{\mathrm{干}}}{{G}_{\mathrm{干}}}\times 100\% \text{；} $$ (2) $$ {R}_{\mathrm{M}}={R}_{\mathrm{h}\mathrm{m}\mathrm{a}\mathrm{x}}-{R}_{\mathrm{O}} \text{；} $$ (3) $$ {R}_{\mathrm{S}}=0.85 {R}_{\mathrm{h}\mathrm{m}\mathrm{a}\mathrm{x}}-{R}_{\mathrm{O}} \text{；} $$ (4) $$ {W}_{\mathrm{h}\mathrm{m}\mathrm{a}\mathrm{x}}={R}_{{\mathrm{hmax}}}\times {G}_{\mathrm{C}} \text{；} $$ (5) $$ W_{\mathrm{s}}=(0.85 {W}_{{\mathrm{hmax}}}-{R}_{\mathrm{O}})\times {G}_{\mathrm{C}} \text{；} $$ (6) $$ W_{\mathrm{u}}=({R}_{\mathrm{h}\mathrm{m}\mathrm{a}\mathrm{x}}-{R}_{\mathrm{O}})\times {G}_{\mathrm{C}} 。 $$ (7) 式(1)~(7)中：Rhmax、RO、RM和RS分别代表凋落物层的最大持水率(%)、自然含水率(%)、最大拦蓄率(%)和有效拦蓄率(%)；Whmax、Ws和Wu分别代表最大持水量(t·hm−2)、有效拦蓄量(t·hm−2)和最大拦蓄量(t·hm−2)；GC、G鲜、G干、G24分别为凋落物生物量(t·hm−2)、自然状态下的质量(g)、烘干后的质量(g)、浸泡24 h后的质量(g)；0.85为有效拦蓄系数。
1.5 数据处理
运用Excel 2010和SPSS 19.0进行数据处理和统计分析，用单因素方差分析(one-way ANOVA)和最小显著极差法(LSD)分析不同森林凋落物层的厚度、蓄积量和持水能力差异，采用Origin 2021作图。
2. 结果与分析
2.1 不同森林类型凋落物层的生物量和厚度
4种森林类型凋落物层厚度为32.3~62.7 mm (表2)，从大到小依次为落桦混交林、华北落叶松林、白桦林、杨桦混交林，其中，华北落叶松林和落桦混交林显著大于杨桦混交林(P＜0.05)。凋落物层总生物量为8.27~23.33 t·hm−2，从大到小依次为华北落叶松林、落桦混交林、杨桦混交林、白桦林，其中，华北落叶松林显著大于其他3种森林类型(P＜0.05)。
表 2 不同森林类型凋落物层的厚度和生物量Table 2 Litter thickness and biomass of different forest types森林类型 半分解层 未分解层 厚度/mm 总生物量/(t·hm−2) 生物量/(t·hm−2) 比例/% 生物量/(t·hm−2) 比例/% 华北落叶松林 15.75±2.41 a 67.51 7.57±2.09 a 32.49 53.0±8.70 ab 23.33±4.47 a 白桦林 5.47±0.65 b 66.14 2.80±0.78 bc 33.86 36.0±6.90 bc 8.27±1.11 b 杨桦混交林 5.79±0.09 b 50.09 5.78±0.50 ab 49.91 32.0±1.86 c 11.56±0.42 b 落桦混交林 13.41±2.18 a 90.61 1.40±0.16 c 9.39 62.0±3.70 a 14.80±2.03 b 说明：数据为平均值±标准误。同列不同字母表示同一指标不同森林类型间差异显著(P＜0.05)。 从凋落物的未分解层和半分解层生物量来看，未分解层生物量为华北落叶松林最大，落桦混交林最小，华北落叶松林和杨桦混交林显著大于落桦混交林(P＜0.05)；半分解层生物量为华北落叶松林最大，白桦林最小，华北落叶松林和落桦混交林显著大于杨桦混交林和白桦林(P＜0.05)。从凋落物的半分解层和未分解层生物量所占比例来看，4种森林的半分解层生物量所占比例均大于未分解层，且极端比例出现在落桦混交林，其半分解层占比最大，为90.61%。
2.2 不同森林类型凋落物层的最大持水量和最大持水率
如图1所示：凋落物层的最大持水量从大到小依次为华北落叶松林、落桦混交林、杨桦混交林、白桦林，与总生物量的变化规律一致，华北落叶松林显著大于白桦林(P＜0.05)。半分解层最大持水量为10.55~33.37 t·hm−2，华北落叶松林和落桦混交林显著大于白桦林和杨桦混交林(P＜0.05)；未分解层最大持水量为2.98~16.35 t·hm−2，华北落叶松林和杨桦混交林显著大于落桦混交林(P＜0.05)。此外，除杨桦混交林外，华北落叶松林、白桦林和落桦混交林的半分解层最大持水量明显大于未分解层。
图 1 不同森林类型凋落物层的最大持水量和最大持水率Figure 1 Litter maximum water holding capacity and maximum water holding rate of different forest types凋落物层的最大持水率白桦林最大，为231.15%，杨桦混交林和落桦混交林次之，华北落叶松林最小，为208.92%，不同森林类型间最大持水率无显著差异。半分解层最大持水率为182.17%~220.90%，从大到小依次为白桦林、华北落叶松林、落桦混交林、杨桦混交林，不同森林类型间无显著差异。未分解层最大持水率为208.77%~274.51%，从大到小依次为杨桦混交林、白桦林、落桦混交林、华北落叶松林，杨桦混交林显著大于华北落叶松林和落桦混交林(P＜0.05)。除华北落叶松林外，其他3种森林类型未分解层最大持水率均大于半分解层。
2.3 不同森林类型凋落物层的拦蓄能力
2.3.1 凋落物层的最大拦蓄量和最大拦蓄率
如图2所示：4种森林类型凋落物层最大拦蓄量为华北落叶松林最大，为39.05 t·hm−2，白桦林最小，为16.73 t·hm−2，与最大持水量的变化规律一致，华北落叶松林显著大于其他3种森林类型(P＜0.05)。半分解层最大拦蓄量从大到小依次为华北落叶松林、落桦混交林、白桦林、杨桦混交林，华北落叶松林和落桦混交林与白桦林、杨桦混交林存在显著差异(P＜0.05)；未分解层最大拦蓄量从大到小依次为杨桦混交林、华北落叶松林、白桦林、落桦混交林，其中，杨桦混交林显著大于白桦林、落桦混交林(P＜0.05)，华北落叶松林显著大于落桦混交林(P＜0.05)。
图 2 不同森林类型凋落物层的最大拦蓄量和最大拦蓄率Figure 2 Litter maximum interception capacity and maximum interception rate of different forest types凋落物层的最大拦蓄率从大到小依次为白桦林、杨桦混交林、落桦混交林、华北落叶松林，与凋落物层最大持水率的变化规律一致，其中，白桦林和杨桦混交林显著大于落桦混交林、华北落叶松林(P＜0.05)。半分解层最大拦蓄率为151.84%~192.28%，从大到小依次为白桦林、华北落叶松林、落桦混交林、杨桦混交林，其中，白桦林显著大于落桦混交林、杨桦混交林(P＜0.05)。未分解层最大拦蓄率为175.43%~257.56%，从大到小依次为杨桦混交林、白桦林、落桦混交林、华北落叶松林，其中，杨桦混交林显著大于其他3种森林类型(P＜0.05)，华北落叶松林显著小于其他3种森林类型(P＜0.05)。
2.3.2 凋落物层的有效拦蓄量和有效拦蓄率
如图3所示：4种森林凋落物层有效拦蓄量为13.90~31.56 t·hm−2，从大到小依次为华北落叶松林、落桦混交林、杨桦混交林、白桦林，与最大持水量和最大拦蓄量变化规律一致，华北落叶松林显著大于其他3种森林类型(P＜0.05)。半分解层华北落叶松林和落桦混交林有效拦蓄量分别为20.78和17.36 t·hm−2，显著大于白桦林(8.60 t·hm−2)和杨桦混交林(7.20 t·hm−2)(P＜0.05)；未分解层有效拦蓄量为2.87~14.87 t·hm−2，杨桦混交林最大，华北落叶松林和白桦林次之，落桦混交林最小。
图 3 不同森林类型凋落物层的有效拦蓄量和有效拦蓄率Figure 3 Litter effective interception capacity and effective interception rate for different forest types凋落物层的有效拦蓄率为138.95%~172.94%，从大到小依次为白桦林、杨桦混交林、落桦混交林、华北落叶松林，与凋落物层最大持水率和最大拦蓄率变化规律一致，其中，白桦林和杨桦混交林显著大于落桦混交林、华北落叶松林(P＜0.05)。半分解层有效拦蓄率为124.51%~159.14%，从大到小依次为白桦林、华北落叶松林、落桦混交林、杨桦混交林，其中，白桦林显著大于落桦混交林和杨桦混交林(P＜0.05)。未分解层有效拦蓄率为144.12%~216.38%，从大到小依次为杨桦混交林、白桦林、落桦混交林、华北落叶松林，其中，杨桦混交林显著大于其他3种森林类型(P＜0.05)，华北落叶松林显著小于其他3种森林类型(P＜0.05)。
2.4 不同森林类型凋落物层的吸水特性
2.4.1 凋落物层的持水量随浸水时长的变化
如图4所示：4种森林类型凋落物层持水量在浸水最初2.0 h内都迅速增加，处于快速吸水状态；在浸水2.0~8.0 h内，凋落物层持水量增加逐渐变缓；在浸水12.0 h后持水量增加明显较少，接近稳定状态；24.0 h后持水量达到最大值，处于饱和状态。不同森林类型凋落物半分解层和未分解层持水量变化有差异，半分解层持水量从大到小依次为白桦林、华北落叶松林、落桦混交林、杨桦混交林，未分解层持水量从大到小依次为杨桦混交林、白桦林、落桦混交林、华北落叶松林。对4种森林类型凋落物层持水量(w)与浸水时长(t)的关系进行拟合发现：持水量与浸水时间呈较好的对数函数关系(表3)，关系式为$ {w}=k\mathrm{ln}t+b $。其中：k为系数，b为常数。
图 4 不同森林类型凋落物的持水量随浸水时长的变化Figure 4 Variation of water holding capacity of litter with soaking time for different forest types表 3 不同森林类型凋落物持水量和吸水速率与浸水时长的拟合方程Table 3 Simulated equations between water holding capacity, water absorption rate, and soaking time of litter in different forest types森林类型 凋落物层 持水量(w)与时长(t) 吸水速率(y)与时长(t) 回归方程 R2 回归方程 R2 华北落叶松林 未分解层 w=0.14 lnt+1.63 0.97 y=1.63 t−0.93 0.99 半分解层 w=0.11 lnt+1.79 0.94 y=1.78 t−0.91 0.99 白桦林 未分解层 w=0.23 lnt+1.75 0.98 y=1.73 t−0.89 0.99 半分解层 w=0.15 lnt+1.80 0.97 y=1.80 t−0.92 0.99 杨桦混交林 未分解层 w=0.16 lnt+2.12 0.98 y=2.11 t−0.93 0.99 半分解层 w=0.11 lnt+1.63 0.94 y=1.63 t−0.94 0.99 落桦混交林 未分解层 w=0.22 lnt+1.52 0.98 y=1.52 t−0.89 0.99 半分解层 w=0.17 lnt+1.62 0.97 y=1.60 t−0.91 0.92 2.4.2 凋落物的吸水速率随浸水时长的变化
如图5所示：4种森林类型凋落物层吸水速率在浸水最初2.0 h内急剧下降，在浸水2.0~8.0 h，吸水速率逐渐变缓，在浸水24.0 h时，吸水速率基本为0。半分解层的吸水速率从大到小依次为白桦林、华北落叶松林、落桦混交林、杨桦混交林，未分解层的吸水速率从大到小依次为杨桦混交林、白桦林、落桦混交林、华北落叶松林。对4种森林类型凋落物层吸水速率(y)与浸水时长(t)的关系进行拟合发现：凋落物吸水速率与浸水时长呈较好的幂函数关系(表3)，关系式为$ y=k{t}^{n} $。其中：k为系数，n为指数。
图 5 不同森林类型凋落物层的吸水速率随浸水时长的变化Figure 5 Variation of water absorption rate of litter with soaking time for different forest types3. 讨论
凋落物层生物量受到凋落物的分解速率、积累时间以及林龄、密度、森林类型、立地条件和气候等因素的影响[27−29]。本研究发现：4种森林类型凋落物层的生物量和厚度有明显差异，落桦混交林厚度最大，杨桦混交林厚度最小，这可能是阔叶树种的凋落物比针叶树更容易分解[30]。华北落叶松林凋落物层生物量最大，白桦林最小，且华北落叶松林显著大于其他3种森林类型，这与冀西北清水河流域的4种森林类型[18]的研究结果相近。一方面可能是由于华北落叶松林对光和养分等资源利用能力强，地上部植物生长状况好；另一方面是其叶片年凋落量大且分解速率慢，导致其生物量大[31]。另外，4种森林类型中凋落物未分解层生物量占比均小于半分解层，尤其是落桦混交林占比最小，这与崇陵流域4种森林类型的研究结果相似[5]，可能是由于未分解层分解较快，凋落物现存量较少。而冀北山地6种人工林的未分解层生物量均大于半分解层[32]，这主要是因为其林龄尚小且分解时间较短，使得凋落物未分解层累积量高。此外，4种森林类型凋落物厚度和生物量变化不一致，这与滨海沙地4种防护林凋落物层的研究结果不一致[33]，可能是由于针叶树凋落物分解速率慢，而阔叶树凋落物分解较快，以及与凋落物的结构也有关系，导致华北落叶松林和杨桦混交林凋落物厚度较低，但生物量最大，落桦混交林和白桦林凋落物厚度较大，但生物量偏低。
本研究表明：凋落物层最大持水率从大到小依次为白桦林、杨桦混交林、落桦混交林、华北落叶松林。这一方面是因为阔叶树种的凋落物层易分解，且其分解后结构变疏松，导致吸水速率大[34]；另一方面，针叶树种的叶片富含油脂，叶片角质层发达难分解，亲水性较差，导致其持水率低[20]。而凋落物层最大持水量从大到小依次为华北落叶松林、落桦混交林、杨桦混交林、白桦林，其变化规律与最大持水率相反，这与阔叶林凋落物层持水能力优于针叶林的研究结果不一致[20−21]，因为最大持水量除与凋落物性质有关外，还主要取决于生物量大小，最大持水量与生物量呈线性正相关关系[35]。4种森林类型凋落物层最大持水率总体表现为未分解层大于半分解层，而持水量表现为半分解层大于未分解层，这与大兴安岭兴安落叶松Larix gmelinii林凋落物的研究结果不一致[36]，这可能是随着凋落物的分解，其单位面积可持水性物质减少，导致半分解层最大持水率减小。此外，不同森林类型凋落物的持水能力有差异的原因也是多样的，凋落物持水性能还受到立地条件和人为干扰等因素的影响。
4种森林类型凋落物层最大拦蓄量、有效拦蓄量与最大持水量变化规律一致。凋落物层最大拦蓄率、有效拦蓄率与最大持水率变化规律基本一致，这与湖南会同杉木Cunninghamia lanceolata人工林的研究结果相似[8]。华北落叶松林和落桦混交林凋落物层有效拦蓄量大于杨桦混交林和白桦林，说明华北落叶松林和落桦混交林拦蓄降水能力优于杨桦混交林和白桦林，这可能是因为华北落叶松林生产力高、生长状况好和林下植物多样性高，林内环境更适宜凋落物积累，导致凋落物层有效拦蓄量较大。而白桦和山杨属于次生林，林地曾受人为干扰，凋落物分解速率快且积累量少，造成白桦林凋落物有效拦蓄量低。有效拦蓄量不仅与凋落物现存量有关外，还受凋落物分解程度和气候等因素的影响，因此不同分解层凋落物拦蓄能力有差异[2]。
4种森林类型凋落物的持水量和吸水速率与浸水时间呈现相似的规律，在浸水初期，凋落物由于表面水势差较大而迅速吸水；随着浸水时间的延长，持水量逐渐增大并趋向饱和，吸水速率逐渐减小并趋向稳定；凋落物层持水量、吸水速率与浸水时长分别呈现较好的对数和幂函数关系。这与冀西北山地[19]和小五台山地区[37]森林凋落物持水过程的研究结果一致，表明林地凋落物在降水前期能快速吸水，发挥拦蓄降水作用，有助于保持水土和涵养水源。
以往的研究中大多认为天然林的水土保持能力在各个层面均比人工林更好[38]，而本研究结果表明：坝上地区人工林(华北落叶松林)与天然林(白桦林、杨桦混交林)的凋落物持水性能之间差异不显著，而人工林凋落物层生物量显著大于天然林，凋落物层最大持水量和有效拦蓄量比天然林提高了71.93%、59.96%，其凋落物层的综合水源涵养效果比天然林更好，这与青海省塔尔沟小流域森林凋落物层的研究结果相似[38]。这一方面可能是落叶松林适宜坝上地区的水热条件，生长状况好，凋落物累积量较多；另一方面，山杨和白桦属于次生林，前期的人为干扰对其水土保持能力也有一定的影响。此外，森林的水文功能除与凋落物层有关外，还受林冠层、土壤层和树木生态特性等多种因素的影响。综上，在不同的区域内，天然林凋落物层的水源涵养效果不一定都是最优，而人工辅助措施营造的人工林也能显著提高林地水土保持效果，这为后期研究人工林的生态效益提供新的认识。
4. 结论
本研究表明：白桦林和杨桦混交林凋落物层的持水率和拦蓄率较高。但综合考虑凋落物层厚度、生物量、持水量和拦蓄水量等各项水文指标，落叶松林和落桦混交林凋落物层水源涵养能力更强。因而，在后期坝上地区的林业规划过程中，可以考虑引种人工针叶林，或在阔叶纯林中混交针叶树种等措施，充分发挥人工林凋落物层的生态效益，实现森林的水源涵养能力提升。
-
[1] 何泽能, 高阳华, 杨世琦, 等.重庆市城市热岛效应变化特征及减缓措施[J].高原山地气象研究, 2017, 37(4):48-52. HE Zeneng, GAO Yanghua, YANG Shiqi, et al. The characteristics and mitigating measures of urban heat island effect of Chongqing[J]. Plateau Mt Meteorol Res, 2017, 37(4):48-52. [2] BALOGUN A, MORAKINYO T E, ADEGUN O. Effect of tree-shading on energy demand of two similar buildings[J]. Energy Build, 2014, 81:305-315. [3] HOWARD L. Climate of London Deduced from Metrological Observations:Vol. 1[M]. 3rd. London:Harvey and Dorton Press, 1833. [4] MNALEY G. On the frequency of snowfall in metropolitan England[J]. Q J Royal Meteorol Soc, 1958, 84(359):70-72. [5] OKE T R. The energetic basis of the urban heat island[J]. Q J Royal Meteorol Soc, 1982, 108(455):1-24. [6] MORRIS C J G, SIMMONDS I, PLUMMER N. Quantification of the influences of wind and cloud on the nocturnal urban heat island of a large city[J]. J Appl Meteorol, 2001, 40(2):169-182. [7] OKE T R, MAXWELL G B. Urban heat island dynamics in Montreal and Vancouver[J]. Atmos Environ, 1975, 9(2):191-200. [8] RAO P K. Remote sensing of urban heat islands from an environmental satellite[J]. Bull Am Meteorol Soc, 1972, 53:647-648. [9] 周淑贞, 张超, 郑景春.城市气候与区域气候:着重上海城市气候的研究[M].上海:华东师范大学出版社, 1989. [10] 覃志豪, ZHANG Minghua, ARNON K, 等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报, 2001, 56(4):456-466. QIN Zhihao, ZHANG Minghua, ARNON K, et al. Mono-window algorithm for retrieving land surface temperature from landsat TM 6 data[J]. Acta Geogr Sin, 2001, 56(4):456-466. [11] CA V T, ASAEDA T, ABU E M, et al. Reductions in air conditioning energy caused by a nearby park[J]. Energy Build, 1998, 29(1):83-92. [12] CHEN Xiaoling, ZHAO Hongmei, LI Pingxiang, et al. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes[J]. Remote Sensing Environ, 2006, 104(2):133-146. [13] ZHANG Li, ZHAN Qingming, LAN Yuliang. Effects of the tree distribution and species on outdoor environment conditions in a hot summer and cold winter zone:a case study in Wuhan residential quarters[J]. Build Environ, 2018, 130:27-39. [14] SCHULZE E D, LEUNING R, KELLIHER F M. Environmental regulation of surface conductance for evaporation from vegetation[J]. Plant Ecol, 1995, 121(1):79-87. [15] SMITH H. The perception of light quality[M]//KENDRICK R E, KRONENBERG G H M. Photomorphogenesis in Plants[s. l.]: Springer, 1986: 187-217. [16] 林波荣.绿化对室外热环境影响的研究[D].北京: 清华大学, 2004. LIN Borong. Studies of Greening's Effects on Outdoor Thermal Environment[D]. Beijing: Tsinghua University, 2004. [17] RODERICK M L, FARQUHAR G D, BERRY S L, et al. On the direct effect of clouds and atmospheric particles on the productivity and structure of vegetation[J]. Oecologia, 2001, 129(1):21-30. [18] WU Zhifeng, CHEN Liding. Optimizing the spatial arrangement of trees in residential neighborhoods for better cooling effects:integrating modeling with in-situ measurements[J]. Landscape Urban Plann, 2017, 167:463-472. [19] MORAKINYO T E, BALOGUN A A, ADEGUN O B. Comparing the effect of trees on thermal conditions of two typical urban buildings[J]. Urban Clim, 2013, 3:76-93. [20] LAZAR T, TAIZ L, ZEIGER E. Plant physiology[J]. Ann Bot, 2003, 91(6):750-751. [21] BERRY R, LIVESLEY S J, AYE L. Tree canopy shade impacts on solar irradiance received by building walls and their surface temperature[J]. Build Environ, 2013, 69:91-100. [22] RAHMAN M A, ARMSON D, ENNOS A R. A comparison of the growth and cooling effectiveness of five commonly planted urban tree species[J]. Urban Ecosyst, 2014, 18(2):371-389. [23] GROMKE C. A vegetation modeling concept for building and environmental aerodynamics wind tunnel tests and its application in pollutant dispersion studies[J]. Environ Pollut, 2011, 159(8/9):2094-2099. [24] 宋丽华, 曹兵, 吴李.银川市几种绿化树种降温增湿效应的比较[J].西北林学院学报, 2009, 24(3):46-48. SONG Lihua, CAO Bing, WU Li. Comparison of air temperature and relative humidity adjusting effects for several urban tree species in Yinchuan[J]. J Northwest For Univ, 2009, 24(3):46-48. [25] ZHANG Zhe, LÜ Yingmin, PAN Huitang. Cooling and humidifying effect of plant communities in subtropical urban parks[J]. Urban For Urban Greening, 2013, 12(3):323-329. [26] HSIEH C M, LI J J, ZHANG L M, et al. Effects of tree shading and transpiration on building cooling energy use[J]. Energy Build, 2018, 159:382-397. [27] 于雅鑫, 胡希军, 金晓玲. 12种木兰科乔木固碳释氧和降温增湿能力研究[J].广东农业科学, 2013, 40(6):47-50. YU Yaxin, HU Xijun, JIN Xiaoling. Carbon fixation and oxygen release, cooling and humidification of 12 Magnoliaceae species[J]. Guangdong Agric Sci, 2013, 40(6):47-50. [28] 何介南, 肖毅峰, 吴耀兴, 等. 4种城市绿地类型缓解热岛效应比较[J].中国农学通报, 2011, 27(16):70-74. HE Jienan, XIAO Yifeng, WU Yaoxing, et al. Four types of green space in urban on the reduction of heat island effect[J]. Chin Agric Sci Bull, 2011, 27(16):70-74. [29] 吴志能, 邹敏, 艾丽皎, 等.重庆市公园绿地夏季的热岛调控效应[J].中国农学通报, 2014, 30(22):238-245. WU Zhineng, ZOU Min, AI Lijiao, et al. The heat island regulation effects of Chongqing parks in summer[J]. Chin Agric Sci Bull, 2014, 30(22):238-245. [30] SODOUDI S, ZHANG Huiwen, CHI Xiaoli, et al. The influence of spatial configuration of green areas on microclimate and thermal comfort[J]. Urban For Urban Greening, 2018, 34:85-96. [31] DUNCAN J M A, BORUFF B, SAUNDERS A, et al. Turning down the heat:an enhanced understanding of the relationship between urban vegetation and surface temperature at the city scale[J]. Sci Total Environ, 2019, 656:118-128. [32] 雷江丽, 刘涛, 吴艳艳, 等.深圳城市绿地空间结构对绿地降温效应的影响[J].西北林学院学报, 2011, 26(4):218-223. LEI Jiangli, LIU Tao, WU Yanyan, et al. Effects of structure characteristics of urban green land on the temperature-lowering in Shenzhen city[J]. J Northwest For Univ, 2011, 26(4):218-223. [33] 刘娇妹, 李树华, 杨志峰.北京公园绿地夏季温湿效应[J].生态学杂志, 2008, 27(11):1972-1978. LIU Jiaomei, LI Shuhua, YANG Zhifeng. Temperature and humidity effect of urban green spaces in Beijing in summer[J]. Chin J Ecol, 2008, 27(11):1972-1978. [34] 聂危萧, 李晓晖, 梁颢严.广州市典型居住区绿化的降温效应研究[J].广东园林, 2016, 38(2):73-77. NIE Weixiao, LI Xiaohui, LIANG Haoyan. Cooling effects of greening in a typical residential area in Guangzhou[J]. Guangdong Landscape Archit, 2016, 38(2):73-77. [35] 闫杰, 岳鹏, 马斌齐.长波辐射的计算理论及其在建筑节能设计中的应用[J].喀什师范学院学报, 2009, 30(3):42-44. YAN Jie, YUE Peng, MA Binqi. Calculation theory of long wave radiation and its application in architecture saving energy design[J]. J Kashgar Teach Coll, 2009, 30(3):42-44. [36] LIN Weiqi, YU Ting, CHANG Xiangqi, et al. Calculating cooling extents of green parks using remote sensing:method and test[J]. Landscape Urban Plann, 2015, 134:66-75. [37] LIN Baushow, LIN Ciaoting. Preliminary study of the influence of the spatial arrangement of urban parks on local temperature reduction[J]. Urban For Urban Greening, 2016, 20:348-357. [38] 贾刘强, 邱建.基于遥感的城市绿地斑块热环境效应研究:以成都市为例[J].中国园林, 2009, 25(12):97-101. JIA Liuqiang, QIU Jian. Study of urban green patch's thermal environment effect with remote sensing:a case study of Chengdu City[J]. Chin Landscape Archit, 2009, 25(12):97-101. [39] 房力川, 潘洪义, 冯茂秋, 等.基于Landsat 8城市绿地对周边热环境的影响研究:以成都市中心城区为例[J].资源开发与市场, 2017, 33(8):954-957. FANG Lichuan, PAN Hongyi, FENG Maoqiu, et al. Study on influence of urban green space on surrounding thermal environment based on Landsat 8:a case study of Chengdu downtown[J]. Resour Dev Mark, 2017, 33(8):954-957. [40] 袁振, 吴相利, 臧淑英, 等.基于TM影像的哈尔滨市主城区绿地降温作用研究[J].地理科学, 2017, 37(10):1600-1608. YUAN Zhen, WU Xiangli, ZANG Shuying, et al. Cooling effect of green patche based on TM image in Harbin downtown city[J]. Sci Geogr Sin, 2017, 37(10):1600-1608. [41] JAGANMOHAN M, KNAPP S, BUCHMANN C M, et al. The bigger, the better? the influence of urban green space design on cooling effects for residential areas[J]. J Environ Qual, 2016, 45(1):134-145. [42] 李海峰, 李永树, 卢正, 等.绿地景观热环境效应的遥感研究[J].测绘科学, 2018, 43(1):66-72. LI Haifeng, LI Yongshu, LU Zheng, et al. Study on the thermal environment effect of green landscape using remote sensing technology[J]. Sci Surv Mapp, 2018, 43(1):66-72. [43] FEYISA G L, DONS K, MEILBY H. Efficiency of parks in mitigating urban heat island effect:an example from Addis Ababa[J]. Landscape Urban Plann, 2014, 123(2):87-95. [44] 晏海.城市公园绿地小气候环境效应及其影响因子研究[D].北京: 北京林业大学, 2014. YAN Hai. The Effect of Urban Green Areas on Urban Microclimate[D]. Beijing: Beijing Forestry University, 2014. [45] 刘志理, 金光泽, 周明.利用直接法和间接法测定针阔混交林叶面积指数的季节动态[J].植物生态学报, 2014, 38(8):843-856. LIU Zhili, JIN Guangze, ZHOU Ming. Measuring seasonal dynamics of leaf area index in a mixed conifer-broadleaved forest with direct and indirect methods[J]. Chin J Plant Ecol, 2014, 38(8):843-856. [46] MORAKINYO T E, KONG L, LAU K, et al. A study on the impact of shadow-cast and tree species on in-canyon and neighborhood's thermal comfort[J]. Build Environ, 2017, 115:1-17. [47] KONG Ling, LAU K, YUAN Chao, et al. Regulation of outdoor thermal comfort by trees in Hong Kong[J]. Sustainable Cities Soc, 2017, 31:12-25. [48] 秦仲, 巴成宝, 李湛东.北京市不同植物群落的降温增湿效应研究[J].生态科学, 2012, 31(5):567-571. QIN Zhong, BA Chengbao, LI Zhandong. Effects of different plant communities on temperature reduction and humidity increase in Beijing[J]. Ecol Sci, 2012, 31(5):567-571. [49] 唐泽, 任志彬, 郑海峰, 等.城市森林群落结构特征的降温效应[J].应用生态学报, 2017, 28(9):2823-2830. TANG Ze, REN Zhibin, ZHENG Haifeng, et al. Cooling effects of urban forest community structure[J]. Chin J Appl Ecol, 2017, 28(9):2823-2830. [50] 张波, 郭晋平, 刘艳红.太原市城市绿地斑块植被特征和形态特征的热环境效应研究[J].中国园林, 2010, 26(1):92-96. ZHANG Bo, GUO Jinping, LIU Yanhong. Research on thermal environment effect of the vegetation characteristics and morphological features of urban green patches[J]. Chin Landscape Archit, 2010, 26(1):92-96. [51] 黄良美, 黄玉源, 黎桦, 等.南宁市植物群落结构特征与局地小气候效应关系分析[J].广西植物, 2008, 28(2):211-217. HUANG Liangmei, HUANG Yuyuan, LI Hua, et al. Analysis on the relation between the structural characteristics of plant communities and the microclimate effects in Nanning City, China[J]. Guihaia, 2008, 28(2):211-217. [52] 王纪来.城市园林绿地植物群落夏季温湿效应研究[D].重庆: 西南大学, 2012. WANG Jilai. Research on Temperature and Humidity of Urban Green Space Plant Communities in Summer[D]. Chongqing: Southwest University, 2012. [53] 赵晓龙, 李国杰, 高天宇.哈尔滨典型行道树夏季热舒适效应及形态特征调节机理[J].风景园林, 2016(12):74-80. ZHAO Xiaolong, LI Guojie, GAO Tianyu. Thermal comfort effects and morphological characteristics of typical street trees in summer in Harbin[J]. Landscape Archit, 2016(12):74-80. [54] 李永宁, 张宾兰, 秦淑英, 等.郁闭度及其测定方法研究与应用[J].世界林业研究, 2008, 21(1):40-46. LI Yongning, ZHANG Binlan, QIN Shuying, et al. Review of research and application of forest canopy closure and its measuring methods[J]. World For Res, 2008, 21(1):40-46. [55] QIN Zhong, LI Zhandong, CHENG Fangyun, et al. Influence of canopy structural characteristics on cooling and humidifying effects of Populus tomentosa community on calm sunny summer days[J]. Landscape Urban Plann, 2014, 127:75-82. [56] XIAO Xiangdong, DONG Li, YAN Hainan, et al. The influence of the spatial characteristics of urban green space on the urban heat island effect in Suzhou Industrial Park[J]. Sustainable Cities Soc, 2018, 40:428-439. [57] 朱春阳, 李树华, 纪鹏.城市带状绿地结构类型与温湿效应的关系[J].应用生态学报, 2011, 22(5):1255-1260. ZHU Chunyang, LI Shuhua, JI Peng. Relationships between urban green belt structure and temperature-humidity effect[J]. Chin J Appl Ecol, 2011, 22(5):1255-1260. [58] 高吉喜, 宋婷, 张彪, 等.北京城市绿地群落结构对降温增湿功能的影响[J].资源科学, 2016, 38(6):1028-1038. GAO Jixi, SONG Ting, ZHANG Biao, et al. The relationship between urban green space community structure and air temperature reduction and humidity increase in Beijing[J]. Resour Sci, 2016, 38(6):1028-1038. [59] 李英汉, 王俊坚, 李贵才, 等.居住区植物绿量与其气温调控效应的关系[J].生态学报, 2011, 31(3):830-838. LI Yinghan, WANG Junjian, LI Guicai, et al. Research of the vegetation's cooling effect in city's residential quarter[J]. Acta Ecol Sin, 2011, 31(3):830-838. [60] 李伟, 贾宝全, 王成, 等.城市森林三维绿量研究现状与展望[J].世界林业研究, 2008, 21(4):31-34. LI Wei, JIA Baoquan, WANG Cheng, et al. Research status and prospect of 3D green quantity of urban forest[J]. World For Res, 2008, 21(4):31-34. [61] 吴菲, 李树华, 刘剑.不同绿量的园林绿地对温湿度变化影响的研究[J].中国园林, 2006, 22(7):56-60. WU Fei, LI Shuhua, LIU Jian. Effects of urban green space with different vegetation quantity on temperature and humidity[J]. Chin Landscape Archit, 2006, 22(7):56-60. [62] 刘恩勤, 杨武年, 陈宁.基于遥感技术的城市热岛效应研究:以成都地区为例[J].四川地质学报, 2009, 29(4):484-487. LIU Enqin, YANG Wunian, CHEN Ning. Study of heat island effect based on remote sensing:by the example of the Chengdu area[J]. Acta Geol Sichuan, 2009, 29(4):484-487. [63] 魏宝成, 银山, 宋洁, 等.呼和浩特市不同植被指数与地表温度的定量遥感关系[J].水土保持研究, 2015, 22(5):79-85. WEI Baocheng, YIN Shan, SONG Jie, et al. Quantitative analysis on the relationship between land surface temperature and different vegetation indices based on remote sensing[J]. Res Soil Water Conserv, 2015, 22(5):79-85. [64] 冯晓刚, 石辉.西安城市热环境格局的动态演变[J].生态学杂志, 2012, 31(11):2921-2925. FENG Xiaogang, SHI Hui. Dynamic changes of urban heat environment pattern in Xi'an of Northwest China[J]. Chin J Ecol, 2012, 31(11):2921-2925. [65] RANI M, KUMAR P, PANDEY P C, et al. Multi-temporal NDVI and surface temperature analysis for urban heat island inbuilt surrounding of sub-humid region:a case study of two geographical regions[J]. Remote Sensing Appl Soc Environ, 2018, 10:163-172. [66] HOU Haoran, DING Feng, LI Qinsheng. Remote sensing analysis of changes of urban thermal environment of Fuzhou City in China in the past 20 years[J]. J Geo-Inf Sci, 2018, 20(3):385-395. [67] 潘竟虎, 冯兆东, 相得年, 等.河谷型城市土地利用类型及格局的热环境效应遥感分析:以兰州市为例[J].遥感技术与应用, 2008, 23(2):202-207. PAN Jinghu, FENG Zhaodong, XIANG Denian, et al. Analysis on thermal environment effect of land use type and pattern in valley city:a case study of Lanzhou City[J]. Remote Sensing Technol Appl, 2008, 23(2):202-207. [68] 王伟, 申双和, 赵小艳, 等.减化比值植被指数在城市热环境研究中的应用[J].大气科学学报, 2012, 35(2):140-147. WANG Wei, SHEN Shuanghe, ZHAO Xiaoyan, et al. Application of reduced simple ratio in urban thermal environment research[J]. Trans Atmos Sci, 2012, 35(2):140-147. [69] 历华, 柳钦火, 邹杰.基于MODIS数据的长株潭地区NDBI和NDVI与地表温度的关系研究[J].地理科学, 2009, 29(2):262-267. LI Hua, LIU Qinhuo, ZOU Jie. Relationships of LST to NDBI and NDVI in Changsha-Zhuzhou-Xiangtan area based on MODIS data[J]. Sci Geogr Sin, 2009, 29(2):262-267. [70] 钱乐祥, 崔海山.归一化水汽指数与地表温度的关系[J].地理研究, 2008, 27(6):1358-1366. QIAN Lexiang, CUI Haishan. Relationship between normalized difference moisture index and land surface temperature[J]. Geogr Res, 2008, 27(6):1358-1366. [71] 曾永年, 张少佳, 张鸿辉, 等.城市群热岛时空特征与地表生物物理参数的关系研究[J].遥感技术与应用, 2010, 25(1):1-7. ZENG Yongnian, ZHANG Shaojia, ZHANG Honghui, et al. Study on urban heat island effects and its associated surface indicators[J]. Remote Sensing Technol Appl, 2010, 25(1):1-7. [72] 李斌, 王慧敏, 秦明周, 等. NDVI、NDMI与地表温度关系的对比研究[J].地理科学进展, 2017, 36(5):585-596. LI Bin, WANG Huimin, QIN Mingzhou, et al. Comparative study on the correlations between NDVI, NDMI and LST[J]. Prog Geogr, 2017, 36(5):585-596. [73] 许民, 刘勇, 杨红卫, 等.基于Landsat ETM+影像的干旱半干旱地区地表温度反演研究与分析[J].沙漠与绿洲气象, 2009, 3(5):20-24. XU Min, LIU Yong, YANG Hongwei, et al. Calibration and analysis of the surface temperature in the arid and semi-arid area based on landsat ETM+ data[J]. Desert Oasis Meteorol, 2009, 3(5):20-24. [74] 张晓莉, 赵鹏祥, 高凌寒, 等.基于Landsat影像的西宁市主城区热岛效应分析[J].西北林学院学报, 2016, 31(3):183-190. ZHANG Xiaoli, ZHAO Pengxiang, GAO Linghan, et al. Analysis of heat island effect based on landsat images in Xining City[J]. J Northwest For Univ, 2016, 31(3):183-190. [75] 马伟, 赵珍梅, 刘翔, 等.植被指数与地表温度定量关系遥感分析:以北京市TM数据为例[J].国土资源遥感, 2010, 22(4):108-112. MA Wei, ZHAO Zhenmei, LIU Xiang, et al. A quantitative analysis of the relationship between vegetation indices and land surface temperature based on remote sensing:a case study of TM data for Beijing[J]. Remote Sensing Land Resour, 2010, 22(4):108-112. -
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2020.01.023
点击查看大图
计量
- 文章访问数: 4058
- HTML全文浏览量: 2909
- PDF下载量: 216
- 被引次数: 0
下载:
