城镇化和气候变化加剧导致城市环境发生明显变化，其中城市热岛效应(Urban Heat Island, UHI)变得日益严峻，对人们的热舒适、能源消耗和生态安全等产生影响。目前，研究UHI的方法主要包括现场实测^[1]、城市遥感^[2]和数值模拟^[3]。虽然这些方法能解决UHI与多种城市要素之间的关系，但在实践中同时或协同应用它们具有挑战性。

为此，Theeuwes等^[4]提出了一个日最大热岛强度的诊断方程，该方程提供了一个简便的方法来确定日最大热岛强度(Urban Heat Island Intensity, UHII_max)，通过输入郊区的气象观测数据和待诊断地块的基本形态数据，可以获取研究地区的热岛强度。对14个欧洲西北部城市的检验结果表明，该诊断方程的日UHII_max计算值与实测值较为吻合(r²=0.65，RMSE=0.91 K，MEAE=0.58 K)，可以用于UHII_max的诊断和预测。在国内，姚灵烨等^[5]对南京的7个局地气候区(Local Climate Zone，LCZ) 进行实验观测以检验该方程，这是该诊断方程首次在欧洲以外的城市被检验，其整体精度(r²=0.46，RMSE=1.08 K，MEAE=0.76 K) 和偏差在可接受范围，初步表明该方程基本可用于诊断我国城市不同区域的日UHII_max，且建筑密度和不透水地面比例(Impervious Surface Fraction, ISF)对城市热岛效应也具有较大影响；Zhang等^[6]使用西安的长期春季气候数据来检验该诊断方程，其结果(RMSE=1.68 K，MEAE=1.14 K)与在欧洲的检验结果相比，其分散性表现出更大差异，并对原始方程进行修正，增加建筑密度(F_build)参数，修正后的方程检测结果与在欧洲的检测结果相似(RMSE=0.99 K，MEAE=0.69 K)。石玉蓉^[7]采用LCZ大样本遥感数据和多元逐步回归建立城市局地气候预测经验模型，与观测值相比，确认地表城市热岛(Surface Urban Heat Island, SUHI) 预测的RMSE小于0.95 K，UHI预测的RMSE小于0.04 K，预测经验模型的性能较好，能准确识别SUHI在城市的分布特征。Chen等^[8]通过在广州进行长期温度观测实验，在形态参数中加入ISF，提出了一个对广州更准确的修正方程(r²=0.58，RMSE=1.16 K，MEAE=0.87 K，d=0.67)。以上研究均表明了该方程的可用性。

但在最初为欧洲制定的诊断方程中，忽略了人为热的释放，而后面的研究者也主要针对气象参数和城市形态参数进行了修正，并未考虑人为热的影响。但人为热是影响城市热岛强度发展的重要因素。Vahmani等^[9]利用EnergyPlus和WRF-UCM评估人为热对洛杉矶城市微气候的影响，结果表明，来自建筑物排放的人为热主要集中在夜间，对当地气温产生了显著影响。Mei等^[10]研究了由人为热引起的街道空气变暖过程，通过分析大涡模拟模型，发现人为热的增加会引起大尺度湍流结构，进而增加空气温度。钱静等^[11]通过Cubist机器学习算法，将不同类别的兴趣点数据和多源遥感数据融合，获取了中国的人为热通量数据，发现人为热通量的高值区主要分布在一线城市和工业比较发达的城市。尤其是在温高湿重的广州，由于城镇化水平高，人为热排放量相对较大，影响了城市热岛强度发展^[12]。曹峥等^[13]利用中尺度天气预报模型，分析了广州的平均气温和气温日较差对人为热排放的时空敏感性，发现人为热排放使得三种建成区的平均气温升高，气温日较差降低，这些影响随着人为热排放的增加而增强。

因此，选择湿热地区的典型代表城市广州作为研究区域，基于局地气候分区框架选择多个局地气候分区并建立长期热气候观测实验，基于各LCZ长期逐时热气候观测数据来检验UHII_max诊断方程在广州局地日最大热岛强度诊断上的适用性，评估Theeuwes提出的日最大城市热岛强度诊断方程，并进一步评估在考虑人为热下方程的局地日最大热岛强度诊断的精度。研究结果为进一步完善该方程的适用性和为城市热环境热设计评估提供基础方法。

广州市地处中国南部，地形以丘陵为主，地势东北部高，西南部低。该城市的年平均温度为22 ℃，相对湿度为77%。广州与中国南海接壤，气候特点为夏热冬暖，属于中国南方夏热冬暖的建筑热工分区，柯本气候分类中被归类为CFA (C：暖温带；F：全湿润；A：炎夏)^[14]。夏季主导风向为东南风，冬季为北风，平均风速分别为1.5 m/s和2.4 m/s。根据中国统计局的数据，2021年广州市常住人口1 881.06万人，城镇化率为86.46%，整体城镇化水平明显高于中国平均水平，这可能导致人为热量排放增加^[15]。

广州城市空间高度异质化，局地气候特征因为城市空间的差异而不同^[16]。为揭示局地气候特征与方程在局地日最大热岛强度诊断上的准确性，基于局地气候分区(LCZ)框架体系在广州选取其中代表建成环境型的6个LCZ地块为研究对象，搭建城市局地分区下的热气候实验，收集每小时空气温度测量结果，每个LCZ半径500 m内，具有大致相同的建筑形态、土地类型和人为活动。选择的局地气候分区见图1，不同分区参数见表1，各具体参数获取方法见前研究^[17]。

图 1(Figure 1)

图 1 研究区域、国家气象站位置及6个LCZ的位置 Figure 1 Study area, locations of the national meteorological station, and 6 LCZs

表 1(Table 1)

表 1 城市观测站点参数统计1) Table 1 Statistics of the observation sites LCZ 形态特征 H/W SVF BSF/% ISF/% Fveg 1 紧凑高层 2.24 0.48 30.55 49.28 0.10 2 紧凑中层 1.06 0.53 42.70 54.69 0.03 3 紧凑低层 0.84 0.57 44.86 51.61 0.04 4 开敞高层 1.13 0.56 26.14 56.93 0.17 5 开敞中层 0.83 0.51 28.21 55.27 0.39 8 大型低层 0.18 0.73 36.31 35.60 0.28 　1) H/W：街道高宽比；SVF：天空角系数；BSF：建筑密度；ISF：不透水地面面积比；Fveg：绿地率。

表 1 城市观测站点参数统计1) Table 1 Statistics of the observation sites

Theeuwes等^[4]提出了日最大热岛强度诊断方程，其表达式为

式中：UHII_max为各研究地块日最大热岛强度值(K)；S^↓为郊区气象站每小时中最大值的太阳辐射总和除以24(K·ms⁻¹)；DTR为郊区每日中逐时温度的最高值和最低值之差(K)；U为郊区24小时内10 m高度处的平均风速(m·s⁻¹)；SVF为研究区域的平均天空视角系数；Fveg为研究区域周围的绿地率(半径500 m)。

该方程的适用范围为：0<Fveg<0.4，0.2<SVF<0.9。常数A_i是一个综合指标，反映了每个LCZ的形态特征。该函数最初是根据欧洲西北部城市的分析提出的。此外，F_b反映了由背景气象条件导致的UHII，使用量纲分析法得到。该方程并未考虑人为热对城市热岛强度发展的影响。

人为热通量是城市地表能量平衡的重要组成部分，对城市气候产生重要影响。原作者在提出该方程时提出，可考虑将人为热的作用叠加到太阳辐射S^↓中，但并未检验该方法的可行性。在本文研究中考虑在方程(3)中添加人为热参数，并且将单位转化为与S^↓单位一致。扩展后方程表达式为

式中：AHF为人为热排放量(W·m⁻²)；其他参数含义同前。

计算UHII_max，需要获取郊区的气象数据(S^↓、DTR、U)，利用中国气象数据网获取广州市国家标准气象站(59287)的郊区气象数据，该站点为标准气象站点，参与国际数据交换，包括2 m处逐时气温(K)、10 m处风速(m·s⁻¹) 以及太阳辐射(K·ms⁻¹)。空气温度可用于计算郊区温度日较差。早上8：00至第二天早上7：00被定义为一天。

城市空气温度来源于局地气候分区框架下的广州城市热气候观测实验实测数据。从2019年7月开始，搭建了城市局地分区下的热气候实验，在每个LCZ的核心100 m圈层内布置2个带原装辐射罩的HOBO温湿度自计仪(HOBO U23X-001，精度±0.2 ℃，产地：美国)，收集每小时空气温度测量结果。每个测点远离冷热源，有较好的通风。由于仪器损坏，LCZ_2,3,5,8部分数据缺失，LCZ仪器布置如图2所示。

图 2(Figure 2)

图 2 LCZ仪器布置 Figure 2 Instrument arrangement of LCZs

获取精准的人为热数据较为困难。人为热排放量来源于Peng等^[18]基于地表能量平衡方程在广州市中心城区估算的人为热排放数据。根据不同时期广州市中心城区人为热等级区分布图和排放强度获得人为热峰值。根据曹峥等^[13]估算出的广州市各时段内人为热排放通量及排放比例曲线(见图3)可以估算出每个LCZ站点的时刻人为热排放强度平均值。基于这2项研究数据估算了不同分区的人为热排放平均值(见表2)。

图 3(Figure 3)

图 3 人为热日变化逐时排放比例 Figure 3 Proportional variation of anthropogenic heat flux on a daily hourly basis

表 2(Table 2)

表 2 各LCZ人为热排放强度1) Table 2 The intensity of anthropogenic heat release in each LCZ LCZ分区 人为热峰值/(W·m−2) 人为热平均值/ (W·m−2) 1 100 63.125(65) 2 80 50.5(45) 3 50 31.5625(32) 4 40 25.25(26) 5 30 18.9375(20) 8 120 75.75(80) 　1) 括号内数值为本研究计算选取数值。

表 2 各LCZ人为热排放强度1) Table 2 The intensity of anthropogenic heat release in each LCZ

气象条件对UHI的形成和发展起至关重要的作用。为深入评估和分析UHI，需要选择适当的观测和分析日。典型气象日是指有利于UHI形成和发展的一天，具体表现为晴朗、少云、无风的天气条件。为了更好地研究UHI效应，应该对典型气象日进行筛选。文献[4]的方法是在一天中排除每小时风速变化大于2 m/s、雨天(日总雨量大于等于0.1 mm及后一天)、雾天(平均相对湿度大于80%)和缺乏数据的日子(无论是城市LCZ站点还是郊区)。研究同样选取该筛选标准，在最终分析中，从2019年7月至2022年4月共计筛选出239天利于城市热岛强度发展的典型气象日数据。

图4以热图的形式描述了239个典型日的LCZ地块的UHII观测值的时空特征。可以看出，UHII的昼夜循环在整个时期内表现出明显的夜强昼弱的规律。各LCZ的全天UHII观测值范围在 −7.35～8.45 K，均值范围在1.60～2.64 K，最大值出现在LCZ₂，最小值出现在LCZ₈。所有LCZ在夜间均表现出较强的热岛效应，且在白天表现出了冷岛效应，尤其是LCZ₁和LCZ₅在白天表现出了更强的冷岛效应，而LCZ₂的UHII观测值在白天分布相对较均匀，冷岛效应较弱，这可能是由城市街谷的遮阴作用所致。总的来说，城市的热岛效应比冷岛效应更为显著。

图 4(Figure 4)

图 4 所选的239个典型气象日各LCZ地块的UHII观测值(空白区域为数据缺失时间段) Figure 4 The observed UHII of each LCZ for the selected 239 ideal days (blank areas indicate periods of missing data)

239个典型日的LCZ地块的UHII_max观测值见图5，可看出UHII_max的范围在0.95～9.41 K，其中紧凑建筑区(LCZ_1,2,3)和开敞高层(LCZ₄)的UHII_max趋于最高，平均值范围为4.80～5.08 K，最大值出现在LCZ₄。其次是开敞中层建筑区(LCZ₅)和大型低层建筑区(LCZ₈)，平均值分别为4.22 K和3.51 K。UHII_max的最低值出现在LCZ₅。各LCZ地块UHII_max的差异可明显地反映出不同地块的形态特征对该区域局地城市热岛强度发展的影响。

图 5(Figure 5)

图 5 所选的239个典型气象日各LCZ地块的UHIImax观测 Figure 5 The observed UHIImax of each LCZ for the selected 239 ideal days

图6方形显示了原始方程模型在广州的预测表现。“y=x”表示实测值等于方程诊断值，越接近该条线表明诊断效果越好。空心方形大多分布在“y=x”的实线左右，表明该方程在诊断广州日UHII_max上表现出较高的适用性。但是不同日UHII_max区间表现不一致，在较低的日UHII_max区间精准度更高。随着UHII_max值增加，模型的准确性下降，当观测到的UHII_max超过一定值时(虚线表示)，每个LCZ都出现了完全低估的现象，表明该方程对热岛强度发展较大的诊断精度仍旧有待提升。使用均方根误差(RMSE)、绝对误差中值(MEAE)、相对偏差(d)定量评估表明，原方程准确性(RMSE=1.50 K, MEAE=0.97 K, d=0.60)低于西北欧^[4]和中国南京^[5]，但略高于西安^[6]。此外对不同的LCZ的诊断与实测结果对比如图6(b)～(g)所示，不同的LCZ在诊断准确性方面表现出一定的差异，但LCZ₅表现最佳，准确性相对较高(RMSE=1.12 K，MEAE=0.74 K，d=0.67)，而LCZ₄的准确性最差(RMSE=1.83 K，MEAE=1.29 K，d=0.50)，但对比其他地区表现也均在一个可用的范围。对于LCZ_1,2,3,4，观测到的UHII_max值和模拟的UHII_max值之间的偏差较大，相比之下，LCZ₅和LCZ₈的偏差较小。各个区的诊断在较低的日UHII_max区间精准度更高，较高的日UHII_max区间精准度较低。但对于各个LCZ的精度仍旧在可用范围，也表明不同LCZ的诊断方程修正有待进一步研究。

图 6(Figure 6)

图 6 比较原始方程和修正方程的诊断效果，黑色实线为“y=x”，虚线代表观测到的UHIImax被低估的阈值 Figure 6 Comparison the diagnostic performance of original equation and correction equation. The black solid line represents "y=x", and the dashed line represents the threshold below which the observed UHIImax is underestimated

图6(a)显示了使用修正方程诊断的UHII_max和观察到的UHII_max的诊断效果。三角形点明显比方点更均匀地分布在“y=x”线的两侧，诊断精度较原始方程有了一定的提升，但和原始方程一样在较高的日UHII_max区间精准度较低。尤其是当观测到的UHII_max完全超过约5.5 K的阈值时，虽然较原始方程有提升，但与观测值比较仍然有一定差距。当日UHII_max较低时，模型表现出了较高的准确性。修正方程的RMSE=1.38 K，MEAE=0.87 K，d=0.64，与原始方程的RMSE=1.50 K, MEAE=0.97 K, d=0.60相比准确性有一定提高，这也表明了考虑人为热的方程提升了诊断的精度。

此外，图6(b)～(g)说明了扩展后的方程式(见式(4))在各个LCZ中的表现。在不同LCZ中考虑人为热均提升了性能，但提升程度有所不同。与原始方程相比，修正方程的低估比例明显下降，且在高的日UHII_max区间精准度更高。

将诊断方程在国内外的相关地区和城市进行检验，总结该方程在各地的精度水平和修正方法，见表3。欧洲城市与中国城市表现为城市形态的差异较大。西安、南京和广州在城市地理条件、气候类型和建成区形态上有较大不同。因此该方程在广州地区的检验是必要的。分析结果表明，与欧洲和南京相比，原始诊断方程在广州高密度地块的检验结果精度尚可，仍需要重新调整参数以提升精度，但以上各城市的研究均未考虑人为热的影响。

表 3(Table 3)

表 3 诊断方程在各地的应用评价 Table 3 Evaluation of the application of the diagnostic equation in different areas 研究地点 原始方程评估 增加参数 修正方程评估 城市与建成区形态 气候区 评价 引用 14个欧洲 西北部 城市 r2=0.65, RMSE=0.91 K, MEAE=0.58 K 无较多的 高层建筑 温和的海洋气候CFB 该方程的整体性能较好，计算 值与现场观测值非常接近 文献[4] 南京 r2=0.46, RMSE=1.08 K, MEAE= =0.76 K 长江穿城而过 城市形态异质化 夏热冬冷地区 CFA 欧洲以外地区首次尝试评估， 该方程略微高估所有LCZ的 UHII，但诊断表现较好，可用 于诊断南京不同区域的日最 大热岛强度 文献[5] 西安 RMSE=1.68 K, MEAE=1.14 K BSF RMSE=1.35 K, MEAE=1.01 K 内陆城市城市 形态异质化 寒冷地区 CWA 第一次在中国进行修正评估。与 欧洲相比，其分散性表现出更 大差异。提出基于SVF和Fveg 之和的空间类别预测法 文献[6] 广州 r2=0.62, RMSE=1.56 K, MEAE=1.02 K, d=0.57 ISF r2=0.58, RMSE=1.16 K, MEAE=0.87 K, d=0.67 沿海城市城市 形态异质化 夏热冬暖地区 CFB 与欧洲比，原始方程计算的 UHIImax与观测值存在较大偏差。 修正后方程准确性得到提高 文献[8] 广州 r2 =0.63, RMSE=1.50 K, MEAE=0.97 K, d=0.60 AHF r2=0.63, RMSE=1.38 K, MEAE=0.87 K, d=0.64 沿海城市城市 形态异质化 夏热冬暖地区 CFB 在原始方程基础上考虑了人 为热，准确性得到一定提高。 但要继续提高整体准确性， 仍需添加其他参数 —

表 3 诊断方程在各地的应用评价 Table 3 Evaluation of the application of the diagnostic equation in different areas

本文研究结果表明增加人为热在太阳辐射项中可以提升方程诊断的精度。其中RMSE降低了0.12 K，MEAE降低了0.10 K，d增加了0.04。当日最大城市热岛强度较大(一般大于6.5 ℃)时，原始方程诊断值大部分低于实测值；而增加了人为热后，提升了这一部分的性能。原始方程中，F_b通过量纲分析法得到，A_i是由UHII实测结果与F_b通过相关分析得到的。对SVF和Fveg与UHII平均值之间的散点图进行分析(见图7)，发现随着SVF和Fveg的增加，UHII呈现减小的趋势，这表明SVF和Fveg有较为显著的关系。为了提高方程在城市热岛强度的预测准确性，需要全面研究城市形态指标的选择，以更全面地量化它们与城市热岛强度发展之间的关系。这将有助于修正A_i，从而进一步提高方程的精度。另外，人为热作为一个影响城市热岛强度发展的参数，在郊区太阳辐射项参数中叠加虽然提升了方程精度，但是否在城市参数内叠加或者是以一个单独的影响参数在方程中考虑仍需要深入研究。此外，它还需要在其他更多的LCZ中进行验证，以实现普遍应用。总的来说，本研究结合了日最大热岛强度诊断方程和LCZ，提出了一个考虑人为热的修正方程，可用于更精确预测广州不同LCZ的日UHII_max。

图 7(Figure 7)

图 7 各LCZ的SVF和Fveg与UHII的关系 Figure 7 Relationship between SVF and Fveg with UHII across different LCZs

本文基于LCZ框架，在广州6个建成环境型的LCZ地块进行了3年的长期温度观测实验。对3年中选定的239天适于城市热岛强度发展的典型气象日的UHII和UHII_max进行量化评估，基于实测结果检验了一个欧洲提出的日UHII_max诊断方程的表现，进一步检验了考虑人为热后的修正方程的诊断精度。对比分析后发现：

(1) 不同LCZ因形态特征不同，其UHII_max存在差异。其中紧凑建筑区(LCZ_1,2,3)和开敞高层建筑区(LCZ₄)的UHII_max明显高于开敞中层建筑区(LCZ₅)和大型低层建筑区(LCZ₈)。

(2) 原始方程模型在广州的诊断表现为在较低的日UHII_max区间精准度更高，在较高的日UHII_max区间精准度较低。定量评价其准确性发现其诊断性能低于西北欧和中国南京，但略高于西安，且不同LCZ在诊断准确性方面存在一定差异。

(3) 考虑人为热附加到太阳辐射项的扩展方程诊断准确性得到了提高。对于整个城市和单独的LCZ，定量评价都较原始方程有所提升，尤其是LCZ₁。该方程可以进一步提升局地UHII_max的诊断和预测精度。