马盼盼,吾娟佳,杨续超,齐家国 (浙江大学海洋学院,浙江 舟山 316021)



基于多源遥感信息的人为热排放量空间化
—以浙江省为例

马盼盼,吾娟佳,杨续超*,齐家国 (浙江大学海洋学院,浙江 舟山 316021)

摘要：基于自上而下能源清单法,主要考虑工业、交通、建筑和人体新陈代谢这4个热源对人为热的贡献,估算了2010年浙江省68个县市的人为热排放总量.使用DMSP/OLS遥感夜间灯光数据以及阈值法提取出人为热排放的主要区域,并有效减少夜灯像元溢出效应的影响.利用夜间灯光数据和增强型植被指数(EVI)构建人居指数,基于各市县人为热排放总量与其行政区范围内人居指数累计值之间很强的相关关系建立人为热排放量空间化模型,获得了250m分辨率下浙江省2010年城市人为热通量的空间分布.结果显示浙江省各县市的平均人为热排放通量为5.5W/m2,城市高值区一般介于10～40W/m2.栅格化的人为热数据可以为城市气候环境的数值模拟研究提供基础数据支持.

关键词：人为热；空间化；夜间灯光；人居指数；浙江

* 责任作者, 副教授, yangxuchao@zju.edu.cn

人为热是城市扩张和人类活动加剧的产物之一,通过感热和潜热方式排放到城市冠层中[1].许多研究表明[2-4],人为热排放可直接加热地面和近地层大气,影响局地能量平衡,对局地气候,尤其是城市热岛效应产生影响.Fan等[5]对费城模拟发现人为热可使冬季夜晚的热岛强度增加2～3℃.佟华等[6]对北京的研究表明,人为热可使市中心白天气温上升0.5℃,夜间上升1.0～3.0℃.顾莹等[7]对上海近30年气温变化研究指出城市热岛效应强度日趋增强,温度的空间分布特征与人为热的空间分布有很好的一致性.因此,精细、合理的人为热排放栅格数据对于城市气候研究非常重要.

目前的研究多以行政区域为基础单元估算城市人为热的排放量,难以提供行政单元内部的空间分布信息,不能充分揭示人为热排放的空间差异性,妨碍了人为热通量与其他社会经济要素、自然要素的融合以及综合分析.近期一些数值模拟研究表明,人为热排放对城市气候[8-9]和城市空气污染[10]有着重要影响.因此,构建具有空间异质性、分布更为合理精细的人为热排放量栅格数据库对于城市气候、环境的数值模拟研究具有重要意义[11].本研究以浙江省为例,采用自上而下能源清单法,估算了浙江省各县市的人为热排放总量.利用多源遥感数据构建人居指数,基于人居指数与人为热排放总量之间很高的相关性建立城市人为热排放量空间化模型,在GIS技术的支持下生成高分辨率的人为热排放量栅格化数据,从而为城市气候与环境研究提供重要的基础数据支持.

1 研究方法与数据处理

1.1 研究方法

目前,人为热的计算普遍采用能源清单法,分为自上而下和自下而上两种[12-13].自上而下法是以研究区能源消费数据为基础,按照某种分配法则(如人口密度、GDP密度、土地利用)分配到较小时空尺度,赋予每个格点热通量值.例如,Flanner[14]利用能源消费数据和人口密度数据估算出了全球2005年、2040年和2100年的人为热;自下而上法则基于较小时空尺度的交通、建筑物和人的新陈代谢等方面的信息建立估算模型,再通过逐级统计汇总估算出城市尺度的人为热排放量.例如,Ichinose等[15]对东京人为热进行了详细的调查,通过对不同用途建筑(包括住宅区、写字楼、商场、学校、宾馆等)的各种能量消耗(包括取暖、制冷、热水、厨房等)以及汽车和工业废热排放进行统计,并利用精细的土地利用类型图,绘制了250m×250m的人为热通量空间分布图,但是该方法对统计数据的要求很高,相应地会增加获取数据的难度.

随着遥感(RS)和地理信息系统(GIS)技术的发展,采用遥感估算法对社会经济数据进行空间化是目前重要的手段之一.其中,美国军事气象卫星Defense Meteorological Satellite Program (DMSP)搭载的Operational Linescan System (OLS)传感器获取的夜间灯光数据是能够探测到城市、居民地、火光等发出的低强度灯光,在监测人类夜间活动方面有其独特优越性,是目前实现社会经济数据空间化较理想的数据源之一.一般来说,夜灯数据像元值高的区域其经济发展水平和能源消耗也相对较高[16].陈冰等[17-18]通过计算得到人为热释放的气候强迫与能源消费相关系数接近于1,指出能源消费是影响人为热释放的气候强迫的关键因素,而且利用能耗数据和区域面积算出热通量大小,基于研究区域夜灯平均辐射亮度值和人为热通量之间很强的相关性对人为热进行空间化.但是夜灯数据由于其传感器自身的原因也存在一些缺陷,其应用受到像元过饱和、像元溢出等问题的影响[19],目前基于夜间灯光对人为热排放进行空间化的研究中并未考虑上述不足.Lu等[20]将DMSP/OLS夜灯数据和归一化植被指数(NDVI)数据进行融合后提出了一种新的指数——人居指数,其原理在于植被指数与城市不透水面呈负相关关系,可以用来提取建成区[21],NDVI与DMSP/OLS夜间灯光在反映人类活动、提取建成区方面可以互补,能有效减少夜灯数据像元过饱和现象.杨续超等[22-23]指出人居指数与人口、电力消费量这两种与人为热排放密切相关的因子之间具有很高的相关性.因此,相对于使用原始夜间灯光数据,利用多源遥感数据融合后的人居指数来模拟人为热的空间分布将具有更高的精度.

本研究采用自上而下能源清单法,基于社会经济统计数据和能源消耗数据对浙江省各县市的人为热排放量进行估算,而且假定能源消耗最终全部转化为热量释放到大气中,同时忽略时间上的滞后性.人为热排放源主要考虑工业、交通运输、建筑和人类新陈代谢四个方面,使用DMSP/OLS遥感夜灯数据以及阈值法有效减少夜灯像元溢出效应的影响,提取出人为热排放的主要区域.利用夜间灯光数据和分辨率更高、影像信息更详细的增强型植被指数(EVI)构建人居指数,基于各市县人为热排放总量与其行政区范围内人居指数累计值之间很强的相关关系建立人为热排放量空间化模型,最后获得浙江省250m分辨率的人为热排放通量栅格数据.

1.2 数据来源及处理

1.2.1 城市人为热排放总量的计算 基础资料来源于浙江省68个县市社会经济、能源等方面的统计年鉴,包括浙江省统计年鉴[24]、中国能源统计年鉴[25]及各市统计年鉴等,资料基准年取2010年.(1)工业热源:根据《2010年浙江省能源与利用状况》得到工业消耗总量,统计各县市国民经济主要指标,按各县市二三产业和的比例分配,得到工业热源排放量;(2)交通热源:各县市民用汽车保有量(采用佟华等[6]在北京的处理方法:每辆车每年平均行驶2.5×104km,每行驶100km汽车耗油12.7L,汽车燃油排出的废热为45kJ/g);(3)建筑热源(商业建筑和生活建筑):统计浙江省能源平衡表中全省批发、零售业和住宿、餐饮业以及生活消费方面能源消耗量 (煤、液化石油气、天然气、热力、电力),将商业建筑热源按各县市第三产业的比例分配,得到商业热排放量,将生活建筑热源按各县市城市人口比例分配,得到生活热排放量;(4)人体新陈代谢:各县市城市人口总量(借鉴国外有关研究方法[26-27],将一天分为活动状态:7:00～23:00,代谢热排放强度为171W/人;睡眠状态:23:00～7:00,代谢热排放强度为70W/人).

1.2.2 数据及处理 (1)DMSP/OLS遥感夜间灯光数据:来源于美国国家地球物理数据中心提供的2010年稳定夜间灯光产品,空间分辨率约为1km,将其投影转换为Albers等面积投影,再用双线性内插法对其进行重采样到250m分辨率;(2)2010年MODIS 16d合成EVI 数据:EVI是对NDVI指数进行适当地修正,矫正了土壤背景和气溶胶散射的影响.来自于NASA网站(http://reverb.echo.nasa.gov/reverb/),空间分辨率为250m,将其投影转换为Albers等面积投影;(3)行政区边界来自与浙江省1:5万地理信息基础数据库;(4)2010年浙江省土地利用类型数据,来源于中国科学院资源环境科学数据中心,空间分辨率为1km,对其进行投影转换,再经重采样到250m分辨率.

1.3 夜间灯光阈值的设定

设定阈值是减少夜间灯光像元溢出的主要手段.Zhao等[28]利用夜间灯光以及省级统计数据模拟了中国 1995年、2000年和2005年电力消费量的时空变化,其研究中设置夜灯阈值为10以减少像元溢出的影响.Yang等[29]利用夜间灯光数据(DN≥12)提取城市人为热主要区域.在本研究中,借鉴Yue等[30]设定阈值的方法,将EVI大于0.35和夜间灯光值大于0的区域设定为潜在像元溢出区域,通过计算得到浙江省潜在像元溢出区域平均夜间灯光值为8.68.所以,将夜间灯光的阈值设为9来减少像元溢出的影响,即提取出了人为热最为集中排放的区域.

1.4 人居指数的计算

首先根据2010年16d最大合成的MODIS EVI数据计算年最大EVI值:

式中:EVI1,EVI2,…,EVI23为2010年23个MODIS 16d合成的EVI影像图.

参考Lu等[20]的研究,利用夜间灯光遥感数据以及分辨率更高的EVI数据,获得了人居指数:

式中:HSI为人居指数;EVImax为MODIS EVI在2010年的最大值;OLSnor为标准化后的2010年DMSP/OLS夜间灯光指数(0～1).

2 结果与讨论

2.1 浙江省各县市人为热排放总体特征

通过能源清单法计算得到浙江省68个县市城市人为热排放总量为496.7×1016J,其中工业排放的人为热量最高,占总体水平的74%,人体新陈代谢排放量最低,仅占1%.结合县域行政区面积得到各县市平均人为热通量分布情况(图1),杭州市、宁波市和温州市的人为热排在最前.当前国内外关于单一城市的人为热排放研究,一般都针对城市建成区,而且有些工业分布在建成区以外,会造成计算结果高于实际的情况[31-34].但是因为行政区面积不能反映人为热集中排放的特点,热通量结果会低于实际结果.因此,陈曦等[35]利用MODIS卫星数据计算出了全国各省份水泥下垫面面积作为人为热排放面积.本文结合用夜灯阈值(DN≥9)提取出来的人为热主要排放区域的面积,得到浙江省各县市的人为热平均排放通量为5.5W/m2.

图1 2010年浙江省各市县平均人为热排放通量分布Fig.1 Distribution of anthropogenic heat flux of Zhejiang Province in 2010

2.2 利用人居指数构建人为热空间分布格局

利用ArcGIS软件中的分区统计工具获得浙江省68个市县的人居指数累计值,对浙江省各市县人为热排放量与其行政区范围内的人居指数累计值进行相关性分析(图2),得到R2=0.97,说明人为热排放量与人居指数之间具有很强的相关性.利用这一相关关系建立人为热空间化模型,在250m×250m栅格上模拟了浙江省2010年城市人为热排放量的空间格局(图3).结合人居指数模拟人为热在空间上的分布,可以得到空间异质性的人为热通量栅格数据,与利用能源清单法结合县域面积计算得的各县市平均热通量相比,更为合理精细地呈现出各县市行政区内部人为热通量的空间分布特征.

对浙江省人为热通量空间分布特征分析发现,受自然条件和经济发展水平的影响,人为热排放的地域空间差异很大.结果显示:浙北杭嘉湖平原、宁波、东部沿海的台州和温州以及中部金华、义乌等经济较为发达、人口众多的区域的人为热排放量较大.浙江省大部分地区人为热排放通量介于4～10W/m2,城市高值区一般在10～40W/m2.有研究对2010年长江三角洲城市群人为热通量进行空间化后发现多数城市热通量高值区介于20～70W/m2[33],谢旻等通过人口密度对人为热进行空间化,得到浙江省2010年人为热通量最高为39.2W/m2[36],Oke[37]运用能量平衡公式得到温带中纬度城市的年均人为热强度为15～50W/m2, Lee等[38]利用统计回归方法得到韩国主要城市2010年平均热通量介于10～50W/m2.与本研究结果均较为一致.

图2 浙江省各县市城市人为热排放量与人居指数之间的关系Fig.2 Regression analysis between urban anthropogenic heat and cumulative human settlement index in Zhejiang Province

热通量的大小和空间差异性不仅依赖于空间分辨率的高低,而且对季节变化和区域地理位置比较敏感,如Lindberg等[39]估算了1995～2005年欧洲城市区域平均人为热通量在1.9～4.6W/m2变化,但是其日均人为热最大值可达185W/m2;韩国京畿道地区年均人为热为55W/m2,最大值出现在冬季,达120W/m2[40];广州市一天中人为热最大值出现在11:00左右,为72.3W/m2[41].由于本研究并没有考虑人为热通量在时间尺度上的变化,只是统计估算了人为热年平均排放量,所以热通量值较其他研究结果会偏低.另一方面,从统计数据看,杭州和宁波市区的GDP占全省的17.5% 和11.3%,两市的人为热排放量分别占全省的18.7%和11.1%,地级市中的温州、台州以及县级市中的慈溪、义乌、诸暨、温岭也是经济发达、人为热排放相对集中的区域.从人口分布看,杭州、宁波、温州和绍兴的总人口都超过了百万, 这4个城市排放的人为热总和超过全省人为热排放量的1/2.从以上分析看,人为热的大小和研究区域地理位置、当地人口密度和经济发展水平有着明显的关系,人居指数模拟出的人为热空间分布很好地体现了这些空间格局.

图3 2010年浙江省人为热排放通量空间分布Fig.3 Spatial distribution of anthropogenic heat flux of Zhejiang Province in 2010

地形是影响人口分布的重要因素[42],同样对人为热排放的空间分布有着重要影响.值得注意的是,以往利用人居指数进行电力消费量、人口等社会经济要素的空间化时并没有考虑海拔高度对模拟结果的影响.杨续超等[22]利用经过海拔修正后的人居指数对浙江省人口进行了空间化模拟,结果表明模拟精度有了很大提高.但是,在本研究中并没有考虑海拔因素的影响,原因在于经过夜间灯光阈值(DN≥9)设定之后提取得到的区域多为低海拔城市地区,可以将海拔的影响忽略不计.

从各土地利用类型上的人为热排放量来看,耕地上的人为热占总排放量的比重约为49%,其原因可能在于能源消耗大的工厂企业多分布在郊区,1km分辨率的土地利用类型数据并不能有效的区分出工业用地和耕地,夜灯像元值高于9的区域中,约有51%的土地利用类型为耕地,所占比例在各土地利用类型中最高,导致耕地类型上人为热排放量也最高;浙江省林地面积所占比重很高,夜灯像元值高于9区域中各类林地占26.3%,林地人为热排放量所占比重为23.5%;建设用地占夜灯值高于9区域的17.4%,人为热排放量比重则为23.3%,其中城镇用地面积占8%,人为热排放量所占比例为13.4%.从以上分析来看,由于基于夜灯等多源遥感数据的空间化并不能有效区分工业和其他途径消耗产生的人为热,土地利用数据也不能准确的反映出耗能大、独立于城镇用地之外的工业、厂矿用地,从而导致人为热排放量空间定位的精确度不高.在以上几种土地利用类型中,只有城镇建成区用地反映出人为热在空间上集中分布的特点.虽然多源数据融合方法对DMSP/OLS夜灯数据自身存在的不足进行了一定的订正,但是在进行人为热模拟时依然存在空间定位不足的问题,未来可以考虑使用新的NPP(National Polar-orbiting Partnership)卫星可见红外成像辐射仪(VIIRS)夜间灯光数据[43]并融合其他GIS数据来提高人为热栅格数据空间定位的精确度.

2.3 讨论

人为热排放具有显著的时空变化的特点,本文仅讨论了年平均人为热通量数据的获取,今后需要进一步分析人为热排放的时空变化规律.另外,设置单一的阈值也会造成部分经济发展水平较低的地区人居指数像元的丢失,导致模拟结果偏小,如何更为合理的设置阈值是下一步的研究重点.

3 结语

利用能源清单法,估算了2010年浙江省68个县市的人为热排放总量为469.7×1016J.通过设置夜灯阈值提取出人为热主要排放区域的面积,得到浙江省平均人为热排放通量为5.5W/m2.结合基于多源遥感信息构建的人居指数对人为热排放量进行空间化处理,得到了空间异质性的人为热通量栅格数据,大部分地区人为热排放通量介于4～10W/m2,浙北杭嘉湖平原、宁波、东部沿海的台州和温州以及中部金华、义乌等经济较为发达区域的人为热排放量较大,介于10～40W/m2.

参考文献：

[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] 何晓凤,蒋维楣,陈 燕,等.人为热源对城市边界层结构影响的数值模拟研究 [J].地球物理学报, 2007,50(1):74-82.

[4] 王 频,孟庆林.城市人为热及其影响城市热环境的研究综述[J].建筑科学, 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 华,刘辉志,桑建国,等.城市人为热对北京热环境的影响[J].气候与环境研究, 2004,9(3):409-421.

[7] 顾 莹,束 炯.上海近30年人为热变化及与气温的关系研究[J].长江流域资源与环境, 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] 陈 兵,石广玉,戴 铁,等.中国区域人为热释放的气候强迫[J].气候与环境研究, 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] 杨续超,高大伟,丁明军,等.基于多源遥感数据及DEM的人口统计数据空间化 [J].长江流域资源与环境, 2013,22(6).

[23] 杨续超,康丽莉,张 斌,等.基于多源遥感信息的电力消费量估算与影响因素分析 [J].地理科学, 2013,33(6).

[24] 浙江省统计局.浙江省统计年鉴 [M].北京:中国统计出版社, 2012.

[25] 国家统计局能源统计司.中国能源统计年鉴2010 [M].北京:中国统计出版社, 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,朱莲芳,朱 焱,等.城市热岛影响因子的数值模拟与统计分析研究 [J].气候与环境研究, 2010(6):718-728.

[33] 陆 燕,王勤耕,翟一然,等.长江三角洲城市群人为热排放特征研究 [J].中国环境科学, 2014,34(2):295-301.

[34] 石广玉,戴 铁,檀赛春,等.全球年平均人为热释放气候强迫的估算 [J].气候变化研究进展, 2010,6(2):119-122.

[35] 陈 曦,王咏薇.2001年至2009年中国分省人为热通量的计算和分析 [C].第28届中国气象学会年会—S7城市气象精细预报与服务, 2011.

[36] 谢 旻,朱宽广,王体健,等.中国地区人为热分布特征研究 [J].中国环境科学, 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] 王志铭,王雪梅.广州人为热初步估算及敏感性分析 [J].气象科学, 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

中图分类号：X16

文献标识码：A

文章编号：1000-6923(2016)01-0314-07

收稿日期：2015-06-13

基金项目：国家自然科学基金资助项目(41371068)

作者简介：马盼盼(1991-),女,浙江绍兴人,浙江大学海洋学院硕士研究生,主要从事海岸带城市环境研究.