南京市城市高溫動態特征及規劃應對策略研究

祁博達

摘 要：以高溫天氣嚴重的南京市為典型案例，通過2000—2020年間逐日氣溫數據，分析南京市城市高溫的動態特征，并運用回歸分析探討其影響因素，在此基礎上提出規劃應對的策略。結果表明：①2000—2020年，南京市年平均溫呈0.37℃/10a的上升趨勢，城市極端高溫和高溫熱浪指標均在增長；②極端高溫現象和高溫熱浪主要發生7、8月份，且高溫熱浪的發生出現整體延后趨勢；③南京市城市高溫顯著的年份均溫主要受人為因素影響最為顯著，其中城鎮化水平對均溫的影響最大，GDP與人均工業總產值的影響次之，人口密度相對而言影響最低。該研究結果希望能夠為優化國土空間規劃以及制定應對城市高溫的政策提供有益借鑒。

關鍵詞：高溫；高溫熱浪；動態特征；應對策略；南京市

中圖分類號：X16文獻標志碼：A文章編號：1673-9655（2024）02-00-07

0 引言

政府間氣候變化專門委員會（Intergovernmental

Panel on Climate Change， IPCC）歷次評估報告的海量數據顯示，21世紀以來，因人類活動引起的氣候系統變暖幾乎已經成為公認的事實。2013年的第五次評估報告提出平均溫可能超過2℃[1，2]；2021年IPCC第六次評估報告顯示，平均溫度增長1.5℃并將持續增長，且若以此增長速度繼續，將有極大概率超過2℃的紅線[3，4]。事實上，高溫天氣是一種典型的氣象災害事件，嚴重影響人類社會的生活生產甚至威脅生命安全[5]，1995年芝加哥市高溫熱浪導致514人死亡、3300人超額急癥；1999年美國中西部高溫熱浪致數百人死亡；2003年歐洲高溫熱浪事件更是高達上萬人死亡[6]。在此背景下，如何應對高溫天氣引起世界各國政府的高度關注。

迄今為止，國內外的研究成果主要集中于高溫的特征、影響因素、產生后果以及應對等方面。在高溫的特征方面，中國平均氣溫整體呈現上升趨勢，省會城市尤為顯著；區域之間存在一定分異，東部地區高溫天氣日數總體較多但變率小[7]；極端高溫和熱浪事件主要發生于中國南方城市，而北方發生熱浪事件較少，但是高溫強度仍然相當大[8]。隨著衛星遙感等技術的提升，通過獲取紅外波段反演的地表溫度影像，能夠更加直觀地探討城市熱環境的時空變化特征[10]。在高溫的影響因素方面，學者通過城市規模、城市發展水平、財政收入、產業結構、土地利用方式、森林覆蓋率、氣溫、降水、濕度、風速、海拔等因子綜合分析人文與自然因素對高溫產生天氣的影響[9]。高溫天氣的后果是多維度的，會影響人類的經濟、農業等生產生活的各個方面，如2013年和2017年南京市高淳區發生的異常高溫使次年的茶葉產量降低了30%～40%[11]。另外，高溫還會增加城市居民的健康風險，導致流行疾病以及其并發癥的發生和加重，甚至引發超額死亡 [12]。為了應對高溫天氣，最大程度降低負面影響，學者總體上從“減緩”與“適應”兩個層面提出應對策略：前者主要是通過優化能源與產業結構以減少溫室氣體排放、增加生態碳匯等；后者主要通過增加綠化覆蓋面積和納涼點等方式進行適應。值得注意的是，目前學者開始關注預測預報和制定應急策略[13，14]。多項研究結果顯示，高溫熱浪健康風險預警、健康教育和活動鍛煉等干預性措施能夠真正有效地提高居民對城市高溫的應對能力和適應能力[15，16]。

前人的諸多成果為后續研究奠定了堅實基礎。然而，迄今從規劃角度對典型城市高溫進行動態分析和應對的成果相對較少。傳統城市規劃主要以城市增長需求為導向，忽視氣候要素的影響；規劃者對氣候氣象相關知識的認知不全面，缺乏對氣候環境要素的統籌考慮，規劃設計中鮮有氣候變化的直接控制指標[17]。同時，由于不同區域的高溫天氣的特征差異懸殊，產生的原因與機理亦各不相同，因此對典型城市的實證研究，顯得十分重要。

鑒于此，本文以受高溫影響較大的南京市為典型案例，運用2000—2020年逐日氣象數據，探討高溫的動態變化特征及其影響因素，并基于此提出規劃應對策略，希望能夠為緩解南京市高溫影響提供規劃啟示，并為其他同類城市提供有益借鑒。

1 資料與方法

1.1 高溫及高溫熱浪的定義

根據中國氣象局的判定標準，將日最高溫≥35℃界定為高溫。不同國家、不同組織對高溫熱浪相關的定義有所不同，主要通過最高溫和持續時間進行界定。中國氣象局及學者研究明確——日最高溫＞35℃判定為高溫日，＞38℃為危害高溫日，＞40℃為極端高溫日，其中高溫日持續時間超過3 d判定為高溫熱浪，超過5 d判定為強高溫熱浪[18]；世界氣象組織（WMO） 定義高溫熱浪的標準相對較低，即日最高氣溫高于 32℃，且持續 3 d 以上；荷蘭皇家氣象研究所的日最高溫標準則為25℃，持續5 d，且其中有 3 d 高于 30℃[5]；國內黃卓等從熱浪對人體健康的影響方面提出了炎熱指數、炎熱臨界值等判定指標，并將高溫熱浪劃分為輕度、中度、重度三層[19]。另有學者根據不同區域與季節進行定義，如林巧絢等基于高溫與死亡效應聯系，對七大地區的高溫熱浪進行了精確的定義，其中南京市所處的華東地區，高溫熱浪被定義為連續2 d及以上日平均溫度大于或等于暖季日平均溫度的67百分位的炎熱天氣（對應絕對閾值為25.7℃）[20]。

本文主要采用中國氣象局界定的高溫與高溫熱浪標準，對2000—2020年的南京市高溫及高溫熱浪進行動態及原因分析。

1.2 研究區域情況

南京市地處長江中下游平原地區，位于東經118°22′～119 °14′、北緯31°14′～32°37，東臨太平洋，是世界最典型的亞熱帶季風氣候區覆蓋區。南京是中國高溫熱浪發生率極高的地區之一，在1951—2009年高溫天氣統計中，相比國內大部分城市，南京市高溫天氣發生頻率處于較高水平，并且嚴重影響當地生產生活與居民健康，造成的人群超額死亡率超過20% [12]。因此，探討南京市的高溫熱浪具有典型意義。

1.3 數據源及研究方法

本文使用江蘇省氣象局氣象臺提供的南京市20 a（2000—2020年）逐日氣溫資料，對南京市高溫天氣動態變化特征進行研究，并以中國氣象局的高溫熱浪標準分析其高溫熱浪動態。在此基礎上，根據《江蘇省統計年鑒》和《南京市統計年鑒》數據，采用因子分析與回歸分析方法，探討人口密度、GDP、人均GDP、道路密度、城鎮化水平等因素對南京市高溫的影響。

1.3.1 極差標準化

由于不同指標量綱不同，不存在可比性，故需要將原始數據標準化，以消除量綱的影響。標準化公式如下：

式中：X—原始數據，Z—標準化后的數據。

本文對所收集的氣象數據以及人口密度、GDP、人均工業總產值、二三產業比重、城鎮化水平、城市綠化率等指標的數據進行極差標準化處理，代入式（1）中對不同數據歸一化，用于因子分析和多元線性回歸分析。

1.3.2 因子分析

因子分析基于降維的思想，將多個高溫熱浪影響的變量聚合成幾個獨立的公共因子，公共因子反映原來多個變量的同時，也反映了變量之間的內在聯系。

本文對影響年均溫的6個使用因子分析，提取出兩個公因子，分別為人為因素（Y1）和自然因素（Y2），通過了Bartlett球形度檢驗，并且通過最大方差法進行旋轉，獲得兩者的得分方程式，用于均溫預報方程的表達。詳細因子分析模型參考文獻[21]。

1.3.3 多元線性回歸分析

多元線性回歸模型含有多個解釋變量，可用于解釋被解釋的變量（Y）與其他多個變量（x1， x2， x3，…， xp）解釋變量之間的線性關系。其數學模型為：

上式表示p元線性回歸模型，共有p個解釋變量，表示被解釋變量Y的變化可以由兩部分組成：

設第一部分（F1），由p個解釋變量x的變化引起的y的線性變化部分，即：

設第二部分（F2），解釋由隨機變量引起y變化的部分，用ε代替，稱作隨機誤差。

本文通過因子分析提取兩個公因子：人為因素（Y1）和自然因素（Y2），對兩者進行二元線性回歸分析，得到均溫的預報方程，并根據相關性系數得到不同因素對均溫影響程度的差異。

2 高溫的動態演變特征

2.1 年均溫時間序列特征

通過擬合近20 a來南京市年平均氣溫隨年份的線性關系發現（圖1），2000—2020年，南京市年均溫整體呈上升趨勢，增幅為0.37℃/10a，遠高于20世紀全國的溫度變化率0.25℃/a[22]，由此可見南京市高溫天氣的嚴峻形勢。值得注意的是，在2015年之后年均溫均位于線性擬合之上，可見其趨勢仍在加速中。由此可以預測，在未來的幾十年間，若沒有采取有效應對措施，南京市的氣溫仍然將呈上升趨勢，且增幅可能加劇。事實上，在全球氣候變暖的大環境下，長江三角洲地區從1991—2017年氣溫急劇上升，傾斜率為0.4℃/10 a，

其中以南京等經濟發達城市為代表的江蘇南部最為顯著，達0.5～0.8℃/10a[23]。作為高溫熱浪的典型城市之一，南京市受氣候變暖影響必然更加劇烈。

進一步分析近20 a南京市均溫的距平值隨時間的變化趨勢（圖2）。整體而言，2000—2020年

南京市的距平變化可分為三個階段：第一階段（2000—2007年），除2003年、2005年出現明顯降低外，該時段的平均氣溫距平呈現上升趨勢，并于2007年達到最高溫；第二階段（2008—2015年），

南京市平均氣溫主要呈負距平，證明該時段內的平均溫對比其他年份較低，整體雖有所變化，但變幅不大；第三階段（2016年以后），均溫距平再次轉正，并有明顯加劇上升趨勢，在2021年達到20 a來的最高值，可以預測未來的南京市氣溫仍將呈現上升態勢。

值得注意的是，南京市在2016年以后，均溫距平值轉正，并呈明顯的上升趨勢。事實上，自

2016年起，長江三角洲地區加快了區域一體化的進程，2019的《長江三角洲區域一體化發展規劃綱要》標志著區域一體化上升為國家戰略，直接促進了華東地區經濟快速發展與城市化進程[24]，導致了長江三角洲地區經濟發達城市均溫的上升。

2.2 極端高溫年際變化特征

從南京市極端高溫天數及強度變化趨勢可知（圖3）， 2000—2021年期間南京市極端高溫（T≥35 ℃）每年發生的天數為16.3 d，其中2008年

極端高溫出現次數最少（8次），2013年出現次數最多（35 d）。對比前后10 a的極端高溫出現的頻次和強度，從第一階段（2000—2010年）到第二階段（2011—2021年）極端高溫天數增長了

3.1 d/a；相應地，極端高溫強度也出現一定幅度的提升，達到0.03℃/a。

統計南京市2000—2020年極端高溫（T≥35℃）

出現在不同月份的總天數（圖4）發現，南京市極端高溫出現月份出現于5、6、7、8、9月，持續時間長達5個月，且主要分布在7、8月份，其中7月份最多（185 d），8月次之（128 d）。事實上，其他學者的研究中南京市的高溫過程也發現其持續時間長、極端氣溫高的特征，比江蘇各市更為顯著[25]。相較于中國大部分城市，南京市的夏季高溫比較嚴重，但與長江中下游的無錫、杭州、南昌等高溫危害嚴重城市相比，其高溫頻次和強度都略微偏低[26，27]。

2.3 高溫熱浪年際變化特征

結合高溫熱浪頻次與強度（持續時間）的年際變化特征（圖5），21世紀以來（2001—2020年）

南京市高溫熱浪事件共發生42次，平均每年發生2.1次，其中2018年出現頻次最多，高達5次；該時期（2001—2020年）高溫熱浪的持續天數事件總計251 d，平均12.6 d/a。以10 a為單位對比高溫熱浪指標，第一階段（2001—2010年）平均每年

1.9次，持續時間為10.4 d/a，第二階段（2011—2020年）頻次為2.3次/a，持續時間14.7 d/a，兩者均出現顯著增長態勢（熱浪頻次增長0.4次/a，熱浪持續時間增長4.3 d/a）。

結合上述研究極端高溫出現時間進一步討論高溫熱浪的分布規律（圖6），結果顯示，南京市2001—2000年的20 a時間內高溫熱浪主要集中分布于7、8月份。此外，隨著時間年份的推進，對比前后10 a的分布時間，高溫熱浪發生的有明顯的延后趨勢，說明其持續時間也在不斷延長。

3 高溫的影響因素

3.1 對高溫顯著年份年均溫的因子分析

參考以往對城市高溫的研究成果[28-31]，結合上述南京市實際氣候特征規律，選取了南京市2000、2005、2010、2015、2020年的人口密度、二三產業比重、GDP、人均工業總產值、城鎮化水平、城市綠化率6個因子。人口密度表示常住人口與土地面積的比值；二三產業比重代表城市工業化與服務化水平； GDP表示為常住人口一年的生產活動成果；人均GDP表示常住人口平均每人一年的生產活動成果；城鎮化水平表示為非農人口數量與常住人口的比值；城市綠化率表示城市建成區綠化覆蓋面積在建成區面積的占比。

由于因子較多，因此對其進行因子分析。運用SPSS 26.0得出各因子的特征值和方差貢獻率，前2個公因子解釋全部方差的81.302%，說明所提取的兩個公因子能夠代表6個衡量年均溫指標的81.302%，能夠較好的解釋初始數據，且KMO值大于臨界值0.6，Bartlett球形度檢驗P值＜0.05，均通過KMO和Bartlett球形檢驗，能夠進行因子分析，故提取2個公因子為Y1，Y2。使用最大方差法旋轉，結果如表2所示，公因子1在人均工業總產值、二三產業比重、GDP、城鎮化水平、人口密度上具有較大的載荷，可歸為一類，定義為人為因素；公因子2在綠化率具有較大的載荷，可歸為一類，定義為自然因素。

此外，根據相關性分析結果顯示，在影響城市高溫現象的影響因素中，人口密度、二三產業比重、GDP、人均生產總值、城鎮化水平和城市綠化率的P均＜0.05，達到顯著水平，道路密度和城鎮化水平的P＜0.1，達到顯著水平；其中除二三產業比重外，其余各項指標均具有顯著正向效應。

城鎮化水平對年均溫的影響作用最大，城鎮化水平提高意味著城市硬質地面占比提高，對城市高溫輻射折射越強，導致熱島效應等高溫事件的發生頻率升高。GDP和人均工業總產值對年均溫的影響次之，GDP的提升表示社會的生產能力增加，二三產業投入更多，能源與資源的消耗更大，釋放更多的熱量，導致均溫提升；人均GDP取決于GDP和常住人口數量，人均GDP數值越高，消耗越高，對于高溫的現象緩解造成阻礙程度越高。二三產業比重反映城市工業化和服務化水平的比重，比重越高，消耗的能源與物質量越多，排放的溫室氣體也越多。人口密度越高，非農人口比重越高，單位面積生產生活產出的二氧化碳等溫室氣體越多，城市熱島效應更為嚴重。城市綠化率反映建成區綠化面積占建成區總面積的比重，綠色植物對二氧化碳等促使溫室效應的溫室氣體吸收，對緩解高溫熱浪的具有重要作用。

3.2 對高溫年份年均溫的線性回歸分析

利用因子分析的計算結果進行線性回歸分析，回歸模型通過Durbin-Watson檢驗，且顯著性P=0.006＜0.05，結果具有顯著性，擬合方程系數如表4所示，說明該方程能夠對高溫年的均溫有較強的預報能力，即：

Y=0.383Y1+0.066Y2+0.487 （6）

此外，根據相關性分析結果顯示，人為因素對年均溫的相關系數為0.983，遠高于自然因素的0.170，說明南京市高溫年份的年均溫受人為的影響大于自然因素，人類的生產生活活動對高溫具有顯著的正向影響，該結果為南京市緩解城市高溫的規劃策略提供了科學依據。

4 結論與規劃應對策略

4.1 主要結論與討論

（1）高溫的動態變化特征

2000—2020年，南京市的年均溫正以0.37℃/10a的趨勢波動上升，距平值變化可以分為2000—2007年、2008—2015年和2016—2020年三階段，除部分年份外，呈“正負正”的態勢，其中第二階段年均溫的總體偏低，具體原因還有待進一步探究。南京市極端高溫持續時間和極端氣溫在7、8月份尤其明顯，6月次之，且兩者的變化基本同步。高溫熱浪是南京市極端天氣的表現形式之一，20 a時間內高溫熱浪發生次數為42次，持續時間251 d，以0.4次/a的速率增長，持續時間也相應延長（4.3 d/a），發生高溫熱浪的發生月份有明顯的延后趨勢。相較近20 a的南京市年均溫、極端高溫和高溫熱浪趨勢，后10 a（2011—2020年）的增長更快，若不采取有效應對措施，城市高溫將呈快速增長態勢。

（2）高溫的影響因素

城市高溫的影響因素可分為人為因素與自然因素，其中人為因素的影響最為顯著。人口密度、GDP、人均GDP和城鎮化水平對高溫均有顯著正向影響，而城市綠化率則具有顯著反向影響。其中城鎮化水平的影響作用最強，接著依次為GDP、人均工業總產值、二三產業比重、人口密度。值得注意的是，城市高溫的影響因素不止于此，地形、綠地、水體等自然因素和工業化水平、城市建設用地等社會經濟因素也有不同程度的影響[8，10]，且呈現顯著的地區差異性，未來有關部門和民眾應采取針對性措施以有效應對高溫。

4.2 規劃應對策略

城市規劃是應對高溫天氣的重要手段之一，南京市各職能部門應當謹慎考慮當下城市高溫不斷加劇的事實，不斷完善、調整、落實最新的國土空間規劃體系，并采取科學的規劃策略有效降低高溫危害。

一是優化國土空間結構，明確區域主導功能。結合南京市的自然山水格局，嚴格保護基本農田，科學劃定生態紅線，統籌劃定城鎮開發邊界，合理布局生產、生活與生態空間。明確不同區域的主導功能，對中心城區要適當疏散人口和職能，提高土地利用效率，同時增加道路綠地與城市公園，增加綠地面積；城郊地區要有效承接中心城區人口和功能，緩解中心城區壓力；農村地區則通過保護耕地、林地與園地等充分發揮其防風固沙、碳氧轉化、熱量吸收、調節局部氣候等生態功能。

二是優化產業結構，推進能源可持續利用。中心城區通過“退二進三”、騰籠換鳥等方式，不斷提升第三產業比重，尤其是大力發展適應數字時代的交通運輸業、郵電通訊業、商業飲食業、倉儲業、金融保險業、休閑旅游等現代服務業。強化光伏、風電等可再生能源與清潔能源應用，相應降低火電、燃油比重，減少溫室氣體排放量；同時加強能效管理，提高能源使用效率。

三是優化建筑設計，增加立體綠化。根據南京市局部溫度、濕度等具體情況合理控制建筑間距，城市建筑布局與設計要形成城市通風走廊，有效釋放城市熱量。同時注意建筑本身的通風設計以及垂直綠化設計，在天臺、墻壁、陽臺等垂直空間上增加綠化量，最大程度緩解城市高溫。

四是增加綠地面積，增設城市納涼點。未來南京市新老城區的改造、擴建中，必須增加生態用地指標，逐步改善城市下墊面的熱量吸收和釋放。規劃設計環城綠化帶、城市公園，有效緩解城市高溫熱浪現象；適地建造人工湖，合理增加水體面積，利用水的比容量，改善城市局部氣候，達到熱時送涼、冷時放熱的效果。同時，在公園、街頭綠地、公共設施、商場等公共場所，為快遞員、環衛工人、交警等戶外工作者提供納涼點。

五是完善高溫防治體系，提高敏感人群適應能力。要完善城市高溫熱浪預警信息系統，編制應急方案，構建多元主體應急體制，將高溫熱浪的損失降低到最小。關愛老年人、婦女兒童、戶外工作者等高敏感人群，通過宣傳引導、定期體檢與政策幫扶等，提升其自身防護與適應意識，增強適應和熱調節能力。

參考文獻：

[1] IPCC， 2013： Climate Change 2013： The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge，United Kingdom and New York， NY， USA： Cambridge University Press， 2013.

[2] 秦大河， Thomas Stocker. IPCC第五次評估報告第一工作組報告的亮點結論[J]. 氣候變化研究進展，2014，10（1）：1-6.

[3] 姜彤， 翟建青， 羅勇，等. 氣候變化影響適應和脆弱性評估報告進展： IPCC AR5到AR6的新認知[J]. 大氣科學學報，2022，45（4）：502-511.

[4] IPCC， 2021： Climate Change 2021： The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge University Press， Cambridge， United Kingdom and New York， NY， USA， 2021.

[5] IPCC， 2013： Climate Change 2013： The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge University Press， 2013.

[6] Munari C. Effects of the 2003 European heatwave on the benthic community of a severe transitional ecosystem （Comacchio Saltworks， Italy）[J]. Marine Pollution Bulletin， 2011， 62（12）：2761-2770.

[7] 談建國， 鄭有飛. 我國主要城市高溫熱浪時空分布特征[J]. 氣象科技，2013，41（2）：347-351.

[8] 黃曉軍， 王博， 劉萌萌，等. 中國城市高溫特征及社會脆弱性評價[J]. 地理研究，2020，39（7）： 1534-1547.

[9] 郭禹慧， 黃曉軍， 鄭殿元，等. 極端高溫脅迫下中國城市脆弱性格局與影響因素[J]. 熱帶地理，2021，41（3）：596-608.

[10] 侯浩然， 丁鳳， 黎勤生. 近20年來福州城市熱環境變化遙感分析[J]. 地球信息科學學報，2018，20（3）：385-395.

[11] 陸一磊， 孔維財， 時冬頭. 影響南京市高淳區茶葉生產主要氣象災害分析[J]. 浙江農業科學，2021，62（3）：608-610，616.

[12] 楊續超， 陳葆德， 胡可嘉. 城市化對極端高溫事件影響研究進展[J]. 地理科學進展，2015，34（10）：1219-1228.

[13] 王昕宇， 曾堅. 城市高溫熱浪災害防災規劃策略研究——基于歐美國家的規劃經驗[J]. 現代城市研究，2017（8）：84-92.

[14] 陳愷， 唐燕. 城市高溫熱浪脆弱性空間識別與規劃策略應對——以北京中心城區為例[J]. 城市規劃，2019，43（12）：37-44，77.

[15] 汪慶慶， 于永， 李永紅，等. 南京社區居民應對熱浪健康干預效果評價[J]. 中華預防醫學雜志， 2018， 52（2）：3.

[16] 李永紅， 汪慶慶， 蘭莉，等. 中國四城市社區居民應對高溫熱浪的干預措施效果評估[J]. 中華預防醫學雜志，2018，52（4）：424-429.

[17] 蔡志磊. 應對氣候變化的城市總體規劃編制響應[D].武漢：華中科技大學，2012.

[18] 邢佩， 楊若子， 杜吳鵬， 等. 1961—2017年華北地區高溫日數及高溫熱浪時空變化特征[J]. 地理科學，2020，40（8）：1365-1376.

[19] 黃卓， 陳輝， 田華. 高溫熱浪指標研究[J].氣象，2011，37（3）：345-351.

[20] 林巧絢， 王黎君， 殷鵬，等. 中國不同區域基于死亡風險評估的高溫熱浪定義及其疾病負擔研究[C]. 2018環境與健康學術會議--精準環境健康：跨學科合作的挑戰，2018.

[21] Marsh W H， Morin J A， Parker D P， et al. Exploratory Structural Equation Modeling： An Integration of the Best Features of Exploratory and Confirmatory Factor Analysis[J]. Annual Review of Clinical Psychology，2014，10（1）.

[22] 任國玉， 徐銘志， 初子瑩，等. 近54年中國地面氣溫變化[J]. 氣候與環境研究，2005（4）：717-727.

[23] 胡艷， 史軍， 張敏. 長江三角洲地區四季變化特征及城市化影響研究[J]. 長江流域資源與環境，2021，30（6）：1343-1355.

[24] 陳飚， 王海旭， 杭雨欣. 長江三角洲商業航天進展與淺析[J]. 衛星應用，2022，122（2）：26-29.

[25] 鄭有飛， 丁雪松， 吳榮軍等. 近50年江蘇省夏季高溫熱浪的時空分布特征分析[J]. 自然災害學報，2012，21（2）：43-50.

[26] 吳榮軍， 鄭有飛， 劉建軍， 等. 長江三角洲主要城市高溫災害的趨勢分析[J]. 自然災害學報，2010，19（5）：56-63.

[27] 周晶， 劉蕾， 霍飛，等. 不同下墊面數據和城市冠層參數化方案對江蘇氣溫影響的個例分析[J]. 氣象科學，2018，38（3）：342-350.

[28] 范碧航， 李寧， 張繼權，等. 城市高溫災害性天氣影響分析與危害評估——以長春市為例[J]. 災害學，2011，26（4）：93-97.

[29] 李縱橫， 李崇銀， 宋潔，等. 1960—2011年江淮地區夏季極端高溫日數的特征及成因分析[J]. 氣候與環境研究，2015，20（5）：511-522.

[30] 鄭穎生， 王墨， 李建軍，等. 城市高溫風險評估與氣候適應性規劃策略——以亞熱帶高密度城市深圳為例[J]. 規劃師，2021，37（14）：13-19.

[31] 楊林川， 楊皓森， 范強雪，等. 大城市高溫熱浪脆弱性評價及規劃應對研究——以成都市為例[J]. 規劃師，2023，39（2）：38-45.