城市气候适应性规划中如何（定量）利用最小绿地斑块达到最佳的降温效果

余兆武，杨高原，Henrik Vejre

摘  要: 城市绿地已经被广泛认为是缓解热岛效应的有效手段。大量研究证明了绿地与温度呈显著负相关，同时能够有效降低其周围温度，形成“冷岛效应”。但如何（定量）利用最小绿地斑块达到最佳降温效果却仍不清楚。因此本文提出并定义了绿地降温范围、强度、效率及效率的阈值，并选取全球15个城市进行进一步分析。研究发现绿地降温效应存在“效率的阈值”，并且植被归一化指数，背景温度，以及城市所属的气候模式等因素对绿地降温效应及“效率的阈值”有显著的影响。本研究进一步加深了对绿地降温效应的认识，对气候适应性规划具有重要的指导价值。

关键词: 城市绿地；冷岛效应；降温效率；效率的阈值；气候适应规划

Abstract: Utilization of urban green space (UGS) has been recognized as a promising option to mitigate urban heat island (UHI) effect. Previous studies have proved that the UGS has a significant negative correlation with urban temperature, and can effectively reduce the ambient temperature and form a "cool island effect." However, how to (quantitatively) use the smallest UGS to achieve the best cooling effect is still unclear. Therefore, this paper proposed and defined the cooling extent, cooling intensity, cooling efficiency, and the threshold value of efficiency (TVoE). With the selection of 15 cities around the world, this study found that the cooling effect of UGS has a TVoE, and the Normalized Difference Vegetation Index (NDVI), background temperature, and the climate model to which the city belongs have significant effects on the cooling effect of UGS, as well as the TVoE. This study further enhances understanding of the cooling effect of UGS and has significant implications for climate-adaptive planning.

Key words: Urban green space; cooling effect; cooling efficiency; threshold value of efficiency; climate adaptive planning

1  前言

根据联合国《世界城市化展望2018》（World Urbanization Prospects 2018）报告，截止2018年全球城市人口占世界总人口比重达55%，并且这一数值在2050年将达到68%。从我国的城镇化发展情况来看，改革开放（1978）以来到2018年，我国城镇化水平从17.9%上升到59.58%（中国国家统计局，2019）。城镇化显著影响了城市景观进程和格局演化，尤其是导致了城市地表不透水面积增加，同时城市“蓝绿”景观迅速减少^{1, 2}。这个过程也改变了城市地表热力性质，导致城市近地表大气层结构发生改变，并产生了一系列城市气候现象³。其中，由于地表景观类型的改变，建筑材料以及人为热排放(Anthropogenic heat emission)共同作用产生了城市热岛效应，即城市地区的温度大于其周边的温度^3-5。此外，越来越多研究已经证明全球气候变化也进一步加重了城市热岛效应^{6, 7}。城市热岛效应也产生了诸如空气质量降低、能源和水资源消耗增加，以及城市居民健康和福祉受到损害等一系列的问题^{5, 8, 9}。

为了缓解热岛效应，学者们研究了诸如改变建筑材料、颜色及运用蓝绿景观等措施进行降温，但是当前越来越多研究已经发现城市绿色空间(urban green space)是一种经济效益最高(cost-effective)，环境最友好(environmentally benign)，以及在政治上(politically acceptable)最可被接受的缓解城市热岛效应的措施^10-13。城市绿色空间可以在降低热存储能力的同时具有更高的反射率，与此同时植物的蒸腾作用与树木的遮阴作用也能共同有效的降低城市绿色空间及其周围的温度^{5, 14-16}。例如Li et al. (2012)等人发现，在北京增加10%的绿地覆盖可以降低0.86°C的地表温度；Doick et al.等人在伦敦也发现绿地可以降低1.1°C - 4°C的夜间温度，并且影响范围在20m – 440m之间。大量的研究已经发现城市绿色空间的降温作用与其面积、形状、景观组成、景观配置以及植被生长条件（植被归一化指数）等因素相关^{4, 17-19}。例如，一般来说，绿色空间的降温效果和面积呈（非线性）的正相关关系²⁰，同时在一定面积范围与形状指数呈负相关²¹。我们的研究进一步发现，绿地面积大小和降温强度符合边际效益递减曲线（the law of diminishing marginal utility），因此我们提出了绿色空间的降温效率与效率的阈值的概念^{8, 12, 16, 17}。这也是本文要阐述的重点之一。除此之外，已经有研究指出城市所处的气候条件对绿地的降温效果和模式有显著的影响，因此从气候带尺度进行研究能够更好的理解城市绿地空间的降温效应格局与机制^22-24。这也是本文阐述的另一个方面。

总体而言，目前相关研究大多集中在探讨绿色空间（属性与时空格局）与降温效果的相关性方面，但是缺少对规划设计来说具有可实施的研究结果（论）。例如多大面积具有最好的降温效果？什么形状具有最好的降温效果？什么样的绿地空间格局具有最好的降温效果？这限制了学术研究为景观与城市规划提供直观指导的能力，也让相关景观研究与实践无法有效结合，突出表现为相关研究结果如“空中楼阁”难以实施，规划设计实践如“盲人摸象”难有科学依据。

据此，本文行文结构如下：第一节前言进行研究进展与背景阐述。第二节将主要介绍研究方法，包括作者提出的绿地降温效应框架中的降温强度（cooling intensity）、降温范围（cooling extent）、降温效率（cooling efficiency）以及效率的阈值（threshold value of efficiency, TVoE）²⁵。同时也将介绍本文所用的地表温度的数据处理流程，以及相关的空间统计分析过程。第三节将介绍对同一纬度的7个城市（相似的气候条件）：香港、雅加达、高雄、吉隆坡、孟买、新加坡、台南进行的城市绿地的TVoE大小及影响因素分析。第四节将介绍在同一纬度（40°N）不同气候区（地中海气候和温度季风气候）状况下8个相关城市（北京、天津、唐山、西安、米兰、佛罗伦萨、罗马、里斯本）绿地空间的降温效应差异以及对TVoE的影响。第五节将进行总结并讨论未来研究方向。

2  研究方法

2.1 绿地冷岛效应评估框架

在绿地冷岛效应研究中，选取合适的方法来定义降温效果是非常重要的，并且不同的定义会导致不同的结果 ^{8, 12}。例如，Cao et al. (2010)使用500m的固定缓冲区来评估城市公园绿地的冷岛效应²⁶；Hamada and Ohta将绿地的降温强度定义为绿地温度与其周围建成区温度的差值²⁷；Lin et al. (2015)提出计算城市公园绿地的降温范围可以类似计算湖泊“湖盆”的大小，即降温范围类似于湖泊的集水区²⁰。本文中，我们提出绿地冷岛效应的评估框架包括四部分：降温强度、降温范围、降温效率以及效率的阈值（TVoE）。具体来说，城市绿地的冷岛效应表示为绿地与其周围城市区域的温度差。某一绿地最大的降温范围定义为从这一绿地斑块边缘开始到第一个温度下降拐点的距离（图1）；这一转折点温度与绿地温度之差即为这一绿地斑块的降温强度（ΔLST）。降温效率即表示为绿地斑块面积与其降温强度之间所形成的对数函数曲线，通过计算这一对数函数的导函数即可得出效率的阈值（图1）。从理论上看，求出这一效率的阈值（TVoE）即可用最小的绿地面积达到最好的降温效果表示；而求出这一面积可为城市与景观规划提供直接的指导，对决策也具有很高的参考价值²⁵。                                             

2.2 地表温度计算与土地覆盖制图

本文所选取的15个城市的地表温度（land surface temperature, LST）全部通过辐射转移方程（Radiative Transfer Equation, RTE）进行计算²⁸。该方法使用Landsat 8卫星中所携带的热红外传感器中获得（Band 10）。辐射转移方程法包括评估大气对地面辐射的影响，然后从卫星传感器观察到的热辐射总量中减去它，随后即可将热辐射强度转化为地表温度。

实际计算中，辐射转移方程法可以表示为计算传感器接收到的表面辐射（apparent radiance L_λ）。因此可以计算大气向下辐射（atmospheric downward radiance L_atm,_i↓），向上辐射（upward radiance L_atm,i↑）以及透射率（transmissivity τ）。最后公式中的地面辐射可以通过（公式1）计算得出；地表温度则可以进一步通过公式2得出。

L_λ = [εB(T_S) + (1-ε) L_atm,_i↓]τ + L_atm,i↑            (1)

式中，ε是地表辐射率（surface emissivity）；T_S是地面辐射；τ是大气透射率。因此根据普朗克定律（Plank’s law），B(Ts)可以通过公式2表示。最后地表温度可以通过公式3得出。

B(T_S) = [L_λ - L_{atm, i}↑- τ(1-ε) L_atm,_i↓]/τε            (2)

T_s = K₂/ln (K₁/ B(T_S)+ 1)        (3)

    对Landsat-8 TIRS band 10来说，K₁= 774.89 (mWs), K₂ = 1321.08K.

本文所选取的15个城市的土地覆盖图提取方式稍有不同。对第三节中的7个亚洲城市，我们使用Google Earth Enging ²⁹的云计算方法获得；对第四节中的8个地中海和温带季风气候城市，我们在Google Earth Pro平台上通过人工目视解释的方式得出²⁴。所有的城市的土地覆盖类型均为以下6类：林地、草地、水体、建成区、裸地、其他。同时，两种土地覆盖解译方法均进行了精度验证，均符合研究所需（具体可参见相关文章）。

2.3 空间与统计分析

    根据本文绿地冷岛效应所提供的评估的框架，我们通过缓冲区分析（buffer analysis），以30m为缓冲距离，用以确定所有研究区所有绿地斑块的最大冷岛范围、冷岛强度、冷岛效率与效率的阈值⁸。需要说明的是，由于遥感影像分辨率的原因，我们将面积小于900 m²的绿地斑块都先去除了以保证准确性。随后，具体来说，第三节我们先通过简单回归分析从斑块尺度（patch scale）与景观尺度（landscape scale）确定了绿地（林地）冷岛强度与不同景观指数¹²之间的相关性。接着在SPSS中进行了方差分析（ANOVA test）用以确定统计分析的独立性以及影响TVoE的因素。第四节我们将绿地斑块分为林地和草地以进一步分析，定量分析并得到了绿地冷岛效应与城市所处的气象背景（降水、相对湿度、风速和背景温度）关系²⁴。

3  相同气候带的绿地冷岛效应：7个亚洲城市案例¹²

结果表明7个亚洲城市（图2）间的冷岛强度差异比较大，绿地斑块面积、绿地生长状态（NDVI）与冷岛强度呈正相关。绿地斑块复杂性方面，研究发现形状越复杂，冷岛强度越大。但是这一结果与先前研究相反^{4, 8, 30}，还有研究发现形状指数在不同面积大小下也呈现出差异，因此形状指数与冷岛强度的关系需要进一步分析。从景观尺度（landscape level）上看，绿地冷岛强度与相应景观指数的关系与在斑块尺度上有所不同。例如在景观尺度上，景观组成与平均冷岛强度相关性并不显著，但是绿地生长条件（NDVI）与降温强度依然显示出很高的相关性。除此之外，在斑块尺度上，城市所处的背景温度与冷岛强度正相关，但是在景观尺度上并没有显示出较强的相关性。

研究结果还表明，效率的阈值（TVoE）在所有城市都存在，并且呈现出两组不一样的TVoE大小（two-tier distribution），具体来说香港（0.62 ha）、雅加达（0.62 ha）、孟买（0.61 ha）与新加坡的TVoE（0.61 ha）值在0.60 ha - 0.62 ha之间，高雄（0.92 ha）、吉隆坡（0.95 ha）与台南（0.96 ha）的TVoE值在0.92 ha - 0.96 ha之间。这个结果表明对亚洲低纬度城市来说，或许一些城市TVoE在0.6 ha面积大小左右就可以最佳的降温效果，但是另一些城市则需要0.9 ha左右的面积大小才能达到最佳的降温效果。我们进一步在斑块尺度与景观尺度分析了产生这一格局的原因。我们发现，这一格局与景观所占百分百比（Percentage of Landscape, PLAND）、边缘密地（edge indensity, ED）、最大斑块指数（Largest Patch Index, LPI）、平均斑块分形度指数（Mean Patch Fractal Dimension, FRAC_MN）、平均斑块形状指数（Mean Patch Shape Index, Shape_MN）、平均欧几里德最近邻距离（Mean Euclidian Nearest-Neighbor Distance, ENN_MN）都不相关；但是与平均植被归一化指数（NDVI）与平均城市背景温度（BGT）正相关。这些结果表明景观组成、连接度与复杂度在斑块与景观尺度上都与TVoE没有直接影响关系，但是TVoE大小为0.95 ha - 0.96 ha一般显示出较高的植被归一化指数与较高的背景温度。反之，TVoE大小为0.60 ha - 0.62 ha显示出较低的植被归一化指数与较低的背景温度。这些结果对亚洲低纬度城市规划设计的意义为：当某一城市具有丰富且生长良好的的植被及较高的背景温度，则TVoE的大小可以设计为0.95 ha左右，反之则应该设计0.6 ha左右。需要指出的是，由于本研究结论值选取了7个城市分析，这一结果是否具有普遍意义还值得进一步探求。例如，运用我们提出的框架，Le et al.等人³¹计算出越南胡志明的TVoE值大小为 1.08 ha. 因此，我们提出了简单抽象的确定TVoE大小的模型（图3）。下一步可以进一步增加研究城市数量，分析更多可能的影响因素，最终形成一个经验方程；这样规划与设计师在进行气候适应性规划的时候就可以将相关参数代入即可求取TVoE大小，这就对气候适应性规划具有重要的理论与实践价值。

4  不同气候带的绿地冷岛效应：8个欧亚城市案例²⁴

  对8个欧亚同一纬度（约40°N）不同气候模式（温带季风气候与地中海气候）的城市研究结果发现绿地面积大小与降温强度呈现出正相关关系，且以林地为主的绿色空间TVoE值约在0.4 ha – 0.5 ha之间（地中海气候城市的TVoE一般比温带季风气候的的城市的TVoE大）。这一结果意味着尽管同一纬度，但不同的气候模式也能够影响TVoE的大小。同时研究也发现，对以林地为主的绿色空间来说，地中海气候与温带季风气候城市其降温强度与范围与形状指数呈正相关，这意味着形状越复杂其降温效果越好。但对以草地为主的绿色空间来说，温带季风气候城市其降温范围和强度与形状指数呈正相关，然而对地中海气候城市则呈现负相关。这一不同气候带不同绿地类型与形状指数的差异与上文7个低纬度城市研究结果进一步证明，景观形状指数对绿地冷岛效应的影响还不明确，未来应该有更多的分析。研究结果也显示植被生长状况（NDVI）与绿地（林地和草地）的冷岛强度与冷岛范围都显著正相关。不仅如此，结果还显示相比于温带季风气候而言，地中海气候的绿地对NDVI的响应度更高；且在地中海气候城市中相比于草地，林地对NDVI的相关性更高。由于NDVI与降雨有较强的相关性，因此我们认为降雨对这一格局的形成有较大的影响。

我们进一步发现，城市所处的背景气象条件对绿色空间的降温效果具有显著影响。以降雨为例，研究发现降雨无论在地中海气候城市还是温带季风气候城市对以林地为主的绿色空间的冷岛效应都不显著；但对以草地为主的绿色空间却很显著，特别是对地中海气候城市以草地为主的绿色空间来说更为突出。我们认为产生这一结果的原因在于草地的降温机制主要在于其蒸腾作用，而植物蒸腾作用在干旱地区或者雨热不同期的地中海气候区高度依赖降水条件^{22, 32}；且水分供给也影响植物的生长状况（影响了其植被归一化指数），从而影响了其冷岛效应。同时，对以林地为主的绿色空间与降水相关性不高的主要原因是：（1）对林地来说，蒸腾作用并不是林地降温效应的主要原因，还包括遮阴效应（shade effect）以及对流效率（convection efficiency）等其他因素了；（2）具有一定面积大小的林地可以保持一定的湿度从而创造林间微气候^33-36。对相对湿度（relative humidity）来说，结果发现相对湿度在地中海气候与温带季风气候的城市与绿地冷岛效应都呈显著的负相关。这意味着随着相对湿度的增加绿地冷岛效应将减弱；产生这一格局的原因主要在于增加相对湿度会降低植物的蒸腾作用^{32, 37}，从而影响其冷岛效应。对风速来说，结果发现风速对地中海气候城市的以林地为主的绿色空间呈现出显著的正相关关系，但对以草地为主的绿色空间呈现出显著的负相关关系。风速对温带季风气候城市以林地为主的绿色空间的冷岛效应也呈正相关关系，但是显著性没有地中海气候城市高。产生这一格局的原因应该是蒸腾作用和热对流（heat convection），因为已经有研究证实蒸腾率（evapotranspiration rate）与对流热传递系数（convective heat transfer coefficient）在气温大于25°C时随着风速的增大而增加^{15, 38}，风速增加导致叶面温度下降进而对周围形成显著的冷岛效应。但是，当温度过高时，植物的蒸腾作用也将下降，这个原因可以解释在地中海城市风速对以草地为主的绿色空间是负相关。

基于气候带尺度的研究结果对城市规划与设计具有重要的意义。例如，根据我的研究结果可以建议进行城市气候适应性规划时，城市森林是最好的降温方式；同时地中海城市的草地可以和城市喷泉相结合，进一步增强草地的降温效果。此外，城市规划设计过程中对风道的设计也是至关重要的，应该根据城市（特别是地中海气候城市）的风向合理规划设计城市绿色空间，使绿色空间达到最大的降温效果。

5  小结

城市绿地（绿色基础设施）是城市中重要的生态空间，也是不可或缺的景观类型。城市绿地具有多重的生态系统服务价值，也是进行城市气候适应性规划（与城市可持续性规划）不可或缺的组成要素。过去大量的研究已经证实了绿地具有显著的降温效果，本文基于过去的研究，结合经济学中的边际效率递减理论提出城市绿地降温效率与效率的阈值，并构建了城市绿地冷岛效应（冷岛强度、冷岛范围、冷岛效率与效率的阈值）分析框架，且在全球15个城市进行的深入分析。我们发现城市绿地的降温效果在不同的气候条件下都不尽相同，同时对亚洲低纬度城市来说TVoE值大小存在0.6 ha与0.95 ha两种格局，并且这个格局与植被归一化指数（NDVI）与城市背景温度（BGT）相关。同时我们也发现城市所处的背景气象条件（降水、风速、相对湿度等）对绿地的降温效果呈现出显著的影响。这些结果对进一步增加绿地冷岛效应的认知与进行气候适应性规划具有重要的价值。此外，结合三个气候带TVoE的研究结果，我们进一步认为城市所处的气候状况能够显著影响TVoE的大小，未来应该进一步分析更多案例以得到更为普遍性的规律，从而指导规划实践。

参考文献（内容宋体字，小五字号，单行行距）：

 1.                Yu, Z. W.; Guo, Q. H.; Sun, R. H., Impact of urban cooling effect based on landscape scale: A review. Chinese Journal of Applied Ecology 2015, 26, (2), 636-642.

2.                 Forman, R. T., Urban ecology: science of cities. Cambridge University Press: 2014.

3.                 Oke, T. R., Boundary layer climates. Routledge: London and New York, 2002.

4.                Santamouris, M.; Ban-Weiss, G.; Osmond, P.; Paolini, R.; Synnefa, A.; Cartalis, C.; Muscio, A.; Zinzi, M.; Morakinyo, T. E.; Ng, E. J. J. o. C. E.; Management, Progress in urban greenery mitigation science–assessment methodologies advanced technologies and impact on cities. Journal of Civil Engineering and Management 2018, 24, (8), 638-671.

5.                 Akbari, H.; Kolokotsa, D., Three decades of urban heat islands and mitigation technologies research. Energy and Buildings 2016, 133, 834-842.

6.                 Chapman, S.; Watson, J. E. M.; Salazar, A.; Thatcher, M.; McAlpine, C. A., The impact of urbanization and climate change on urban temperatures: a systematic review. Landscape Ecology 2017, 32, (10), 1921-1935.

7.                 Kang, S.; Eltahir, E. A., North China Plain threatened by deadly heatwaves due to climate change and irrigation. Nature communications 2018, 9, (1), 2894.

8.                 Yu, Z.; Guo, X.; Jørgensen, G.; Vejre, H., How can urban green spaces be planned for climate adaptation in subtropical cities? Ecological Indicators 2017, 82, 152-162.

9.                 Sun, Y.; Zhang, X.; Zwiers, F. W.; Song, L.; Wan, H.; Hu, T.; Yin, H.; Ren, G., Rapid increase in the risk of extreme summer heat in Eastern China. Nature Clim. Change 2014, 4, (12), 1082-1085.

10.              Byrne, J.; Jinjun, Y., Can urban greenspace combat climate change? Towards a subtropical cities research agenda. Australian Planner 2009, 46, (4), 36-43.

11.               Martins, T. A.; Adolphe, L.; Bonhomme, M.; Bonneaud, F.; Faraut, S.; Ginestet, S.; Michel, C.; Guyard, W., Impact of urban cool Island measures on outdoor climate and pedestrian comfort: Simulations for a new district of Toulouse, France. Sustainable Cities and Society 2016, 26, 9-26.

12.              Fan, H.; Yu, Z.; Yang, G.; Liu, T. Y.; Liu, T. Y.; Hung, C. H.; Vejre, H., How to cool hot-humid (Asian) cities with urban trees? An optimal landscape size perspective. Agricultural and Forest Meteorology 2019, 265, 338-348.

13.              Akbari, H., Cooling our communities. A guidebook on tree planting and light-colored surfacing. Lawrence Berkeley National Laboratory 2009.

14.              Zhou, W.; Wang, J.; Cadenasso, M. L., Effects of the spatial configuration of trees on urban heat mitigation: A comparative study. Remote Sensing of Environment 2017, 195, 1-12.

15.              Gunawardena, K.; Wells, M.; Kershaw, T., Utilising green and bluespace to mitigate urban heat island intensity. Science of the Total Environment 2017, 584, 1040-1055.

16.              Yu, Z.; Guo, X.; Zeng, Y.; Koga, M.; Vejre, H., Variations in land surface temperature and cooling efficiency of green space in rapid urbanization: The case of Fuzhou city, China. Urban Forestry & Urban Greening 2018, 29, 113-121.

17.              Yu, Z.; Yao, Y.; Yang, G.; Wang, X.; Vejre, H., Strong contribution of rapid urbanization and urban agglomeration development to regional thermal environment dynamics and evolution. Forest Ecology and Management 2019, 446, 214-225.

18.              Yu, Z.; Yao, Y.; Yang, G.; Wang, X.; Vejre, H., Spatiotemporal patterns and characteristics of remotely sensed regional heat islands during the rapid urbanization (1995–2015) of Southern China. Science of The Total Environment 2019, 674, 242-254.

19.              Derkzen, M. L.; van Teeffelen, A. J.; Verburg, P. H., Green infrastructure for urban climate adaptation: How do residents’ views on climate impacts and green infrastructure shape adaptation preferences? Landscape and Urban Planning 2017, 157, 106-130.

20.              Lin, W.; Yu, T.; Chang, X.; Wu, W.; Zhang, Y., Calculating cooling extents of green parks using remote sensing: Method and test. Landscape and Urban Planning 2015, 134, 66-75.

21.              Jaganmohan, M.; Knapp, S.; Buchmann, C. M.; Schwarz, N., The bigger, the better? The influence of urban green space design on cooling effects for residential areas. Journal of Environmental Quality 2016, 45, (1), 134-145.

22.              Oliveira, S.; Andrade, H.; Vaz, T., The cooling effect of green spaces as a contribution to the mitigation of urban heat: A case study in Lisbon. Building and Environment 2011, 46, (11), 2186-2194.

23.              Zhao, L.; Lee, X.; Smith, R. B.; Oleson, K., Strong contributions of local background climate to urban heat islands. Nature 2014, 511, (7508), 216-219.

24.              Yu, Z.; Xu, S.; Zhang, Y.; Jørgensen, G.; Vejre, H., Strong contributions of local background climate to the cooling effect of urban green vegetation. Scientific Reports 2018, 8, (1), 6798.

25.              Yu, Z. The cooling effect of urban green infrastructure: From how to where. University of Copenhagen, Faculty of Science, Department of Geosciences and Natural Resource Management, Copenhagen, 2018.

26.              Cao, X.; Onishi, A.; Chen, J.; Imura, H., Quantifying the cool island intensity of urban parks using ASTER and IKONOS data. Landscape and urban planning 2010, 96, (4), 224-231.

27.              Hamada, S.; Ohta, T., Seasonal variations in the cooling effect of urban green areas on surrounding urban areas. Urban Forestry & Urban Greening 2010, 9, (1), 15-24.

28.              Jiménez-Muñoz, J. C.; Sobrino, J. A.; Skoković, D.; Mattar, C.; Cristóbal, J. J. I. G.; Letters, R. S., Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data. IEEE Geoscience and Remote Sensing Letters 2014, 11, (10), 1840-1843.

29.              Gorelick, N.; Hancher, M.; Dixon, M.; Ilyushchenko, S.; Thau, D.; Moore, R., Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment 2017, 202, 18-27.

30.              Santamouris, M., Cooling the cities–a review of reflective and green roof mitigation technologies to fight heat island and improve comfort in urban environments. Solar Energy 2014, 103, 682-703.

31.              Le, M. T.; Cao, T. A. T.; Tran, N. A. Q. In The role of green space in the urbanization of Hanoi city, E3S Web of Conferences, 2019; EDP Sciences: 2019; p 01013.

32.              Wang, Z.-H.; Zhao, X.; Yang, J.; Song, J., Cooling and energy saving potentials of shade trees and urban lawns in a desert city. Applied Energy 2016, 161, 437-444.

33.              Jiao, M.; Zhou, W.; Zheng, Z.; Wang, J.; Qian, Y., Patch size of trees affects its cooling effectiveness: A perspective from shading and transpiration processes. Agricultural and Forest Meteorology 2017, 247, 293-299.

34.              Zhang, Y.; Murray, A. T.; Turner, B., Optimizing green space locations to reduce daytime and nighttime urban heat island effects in Phoenix, Arizona. Landscape and Urban Planning 2017, 165, 162-171.

35.              Ellison, D.; Morris, C. E.; Locatelli, B.; Sheil, D.; Cohen, J.; Murdiyarso, D.; Gutierrez, V.; Noordwijk, M. v.; Creed, I. F.; Pokorny, J.; Gaveau, D.; Spracklen, D. V.; Tobella, A. B.; Ilstedt, U.; Teuling, A. J.; Gebrehiwot, S. G.; Sands, D. C.; Muys, B.; Verbist, B.; Springgay, E.; Sugandi, Y.; Sullivan, C. A., Trees, forests and water: Cool insights for a hot world. Global Environmental Change 2017, 43, (Supplement C), 51-61.

36.              Akbari, H.; Pomerantz, M.; Taha, H., Cool surfaces and shade trees to reduce energy use and improve air quality in urban areas. Solar energy 2001, 70, (3), 295-310.

37.              Jung, M.; Reichstein, M.; Ciais, P.; Seneviratne, S. I.; Sheffield, J.; Goulden, M. L.; Bonan, G.; Cescatti, A.; Chen, J.; De Jeu, R., Recent decline in the global land evapotranspiration trend due to limited moisture supply. Nature 2010, 467, (7318), 951-954.

38.              Dimoudi, A.; Nikolopoulou, M., Vegetation in the urban environment: microclimatic analysis and benefits. Energy and buildings 2003, 35, (1), 69-76

作者简介（内容宋体字，小五字号，单行行距）：

余兆武/1990年生/男/福建三明人/哥本哈根大学助理教授/研究方向为城市生态与生态（景观）规划/(哥本哈根 1958)

1958)

杨高原/1992年生/女/湖北荆门人/哥本哈根大学博士生/研究方向为景观建筑与乡村景观规划/(哥本哈根 1958)

Henrik Vejre/1960年生/男/丹麦人/哥本哈根大学教授/研究方向为景观规划、城市与空间规划/(哥本哈根 1958)

本文原发表于东南大学2019年数字景观大会。