社会-生态综合视角下海岸带生态监管框架与应用——以深圳为例

海岸带作为海洋与陆地两大生态系统的连接与桥梁,既是国民经济、社会发展的重要区域与战略中心,也是生态环境破坏和污染的热点区域。以往针对海岸带区域开展的城市化对生态环境的影响研究,主要利用30 m空间分辨率的Landsat数据分析城市扩张对自然生态系统的侵占,如自然用地减少、景观异质性降低、填海造陆速度变快等,而针对污染产业、人类活动等引起的河口水质污染、水温异常、自然岸线退化等复杂生态环境问题关注不足,难以满足陆海统筹管理、综合防治的需求。因此,研究围绕海岸带面临的主要问题,面向海岸带生态环境综合管制,构建了“问题识别-格局量化-地面调查-生态监管”的综合框架,通过明确生态环境问题,量化社会-生态格局,开展实地调查,制定生态监管目标和策略。通过融合高分影像、兴趣点、道路等多源异构数据并结合地面调查,准确识别影响生态环境的社会-生态格局因子,实现空间显性的生态监管。进一步以深圳为典型案例,探讨该概念框架的应用,将深圳市海岸带划分为了四类共980个生态监管单元,其中包括153个优先保护单元,主要为分布在海岸带东部的林地,7个生态风险较大的核心管控单元,597个几乎分布在海岸带西部的重点管控单元和223个涉及人类日常活动的一般管控单元,并分别提出了相应的生态监管策略,以期为陆海统筹的海岸带综合管理提供科学支撑。

中国主要城市森林对大气PM_(2.5)的削减量及其占大气PM_(2.5)总量比例

空气中的细颗粒物(PM_(2.5))是我国城市空气污染的主要污染物之一,严重威胁着城市居民的健康,限制城市发展的可持续性。PM_(2.5)去除的自然途径有两种,分别是干沉降和湿沉降,其中干沉降占据主导作用,且干沉降的过程和效率与城市森林紧密关联。目前针对城市森林对干沉降作用的研究主要是在小尺度中从不同树种、不同群落结构、不同景观类型等角度来估算并比较其滞尘量,较少关注其占空气污染总量的比率,从而可能影响对城市森林滞尘服务能力的判断。因此,利用城市森林效益(Urban Forest Effect,UFORE)模型中的大气污染干沉降模块的核心算法,以2015年为例,估算了我国主要城市辖区的城市森林一年内对大气中的PM_(2.5)削减量以及其占空气中PM_(2.5)污染总量的比重。结果显示:(1)2015年全国主要城市单位绿地面积日均滞尘量较高地区主要集中在华北地区、华东地区、以及东北地区。其中北京30.47mg/m^(2),苏州24.63mg/m^(2),沈阳28.55mg/m^(2)。(2)城市森林的滞尘效果具有明显的季节效应,冬季滞尘量明显高于夏季,而夏季滞尘率高于冬季。(3)虽然滞尘总量较大,但城市森林对城市空气污染物的滞尘量占空气PM_(2.5)污染总量的最大值不到4%,凸显出客观认识城市森林滞尘作用的必要性。本文的研究结果可为城市大气污染的生态解决方案和生态宜居城市建设提供一定的科学支撑。

基于类型和要素的城市多等级景观分类方法

城市区域的景观格局具有高度的异质性和复杂性,因而单一等级的景观分类方法难以揭示其复杂的多等级景观特征。基于等级斑块动态范式,探讨了针对城市区域基于景观类型和要素的多等级景观分类方法。以北京市为研究区,首先根据其景观类型和景观要素的特征,将城市区域划分为"城市"、"农田"和"森林"3种景观类型,同时确定"植被"、"裸地"、"水体"和"不透水表面"4类景观要素。然后,应用自上而下的分类思路和面向对象的分类方法对研究区进行了景观类型和要素的分类,其总体精度分别为93.36%和87.89%。相比单一等级的景观分类结果,多等级的分类结果不仅体现了城市生态系统不同等级的景观组成,还能揭示多级景观间的隶属关系,因而能更完整的描述城市景观格局,进而为认识城市生态系统的结构和功能提供新的视角。

面向生态监管的多等级生态功能网格概念与框架

科学有效的生态监管是落实我国生态文明建设、保障区域生态安全、实现城市可持续发展的必要途径和重要抓手。生态系统的监管涉及到社会、经济、自然等多个维度,水、土、气、生等多类要素,国家到局地等多个尺度。目前,已有生态监管常存在生态系统、生态要素、行政单元的割裂。如何整体考虑以上特征,开展科学的、系统的、空间显性的生态监管亟需理论技术的创新。通过整合等级斑块动态范式、复合生态系统理论、多功能景观理论,构建了多等级生态功能网格框架,以期为生态监管提供一个综合的概念与技术框架。等级斑块动态范式从等级作用的角度构建了多等级网格骨架,复合生态系统理论从多个维度丰富了多等级网格内涵,多功能景观理论明确了网格的功能。通过耦合多等级生态功能网格的划分、评价和监管,可实现系统、整体、差异化的生态监管,为生态文明建设提供有力支撑。

权衡城市扩张、耕地保护与生态效益的京津冀城市群土地利用优化配置情景分析

京津冀城市群作为影响我国经济发展的重要区域,具有多重战略意义。然而,快速的城市扩张在提高社会、经济水平的同时,伴随着资源供求矛盾加深、耕地被侵占、生态退化,以及水、大气环境污染等众多突出问题,如何优化调整城市空间结构与布局,实现社会、经济发展与生态环境保护等多目标的协同优化是京津冀规划管理与决策的关键。从土地覆盖/利用数量和空间布局两个重点方面出发,通过多目标优化模型和CLUE-S模型的构建,提出了多目标权衡下的土地扩张优化情景预案,以期为京津冀城市群扩张布局与土地利用优化配置规划与管理提供科学参考。结果表明:一方面,利用多目标遗传算法(MOGA)可以很好地实现对京津冀土地利用结构优化配置及其与社会、经济及生态效益等多目标的定量化求解,为决策人提供满足不同权衡目标的多种选择,并通过与CLUE-S模型相结合,实现京津冀城市群土地利用格局的空间优化配置情景模拟;另一方面,研究结果表明,综合考虑了社会、经济和生态效益的优化方案中,林地的增加可以相对满足政策要求,增幅较大,耕地较未优化方案减幅放缓,符合耕地保有量的要求,同时,也从空间上减少了对重要生态用地的侵占。本研究的方法与结果可为京津冀城市群土地利用规划与生态安全格局建设提供理论与应用参考。

京津冀城市群扩张模式对区域生态安全的影响预测

当前,城市群是推动我国区域发展的增长极,但其快速的扩张模式对区域生态系统安全的胁迫影响越来越大,已经成为制约城市可持续发展的重要问题,科学地预测城市群未来扩张对区域生态安全格局的影响对区域协同发展的战略实施具有指导意义。以我国最具影响力的京津冀城市群为例,结合空间模型模拟方法及生态系统服务功能评估方法,预测了基于当前京津冀城市群的扩张模式对区域生物多样性保护、防风固沙功能、土壤保持功能与水源涵养等重要生态服务功能的胁迫影响。结果表明:(1)京津冀城市群发展速度较快,但存在区域发展不均衡,呈两极化的发展特征;(2)京津冀城市群具有重要级以上的生态服务功能占区域总面积的三分之一,其中同时包含两种及以上服务功能的地区将近一半,且其空间分布也很不均衡;(3)应用CLUE-S模型可以较好地模拟京津冀城市群未来的扩张格局,模型的Kappa指数为0.84。至2020年,预测京津冀城市群将增加3630.24km^2建设用地面积,而其中约六分之一的新增人工表面侵占具有重要及以上生态服务功能的区域,防风固沙和水源涵养为主要被侵占功能,这些区域集中分布在北京、天津与唐山等核心发展城市;(4)京津冀城市群不均衡的区域扩展模式不仅会进一步加剧不同地区间城市化水平的差距,对区域重要生态系统服务功能的潜在胁迫影响也将会增加。本研究结果可为京津冀城市群协同发展规划与区域生态安全格局保障方案的制定提供科学支撑。

京津冀城市群景观格局变化机制与预测

"城市群"是我国新型城镇化的主体形态,对推进国民经济发展具有重大意义,但其聚集连片的快速扩张模式对资源环境的压力持续增加,已经成为制约未来可持续的瓶颈。以我国经济发展最为活跃,但生态环境问题十分突出的京津冀城市群为例,基于CLUE-S模型,模拟分析了1990—2010年京津冀城市群景观格局的变化特征及其驱动机制,并预测了未来景观格局的变化趋势。结果表明,(1)1990—2010年京津冀城市群景观格局变化显著。其中,人工表面持续增加,耕地明显下降,林地和草地格局的变化也存在明显的时序差异;(2)京津冀城市群景观格局的变化主要受自然和社会经济要素的综合影响,且不同景观类型之间的驱动机制存在明显差异。其中,林地更易在地势较高、坡度较大的西部地区分布,而河流、人工表面等更易在平坦低洼的区域分布;此外,不同景观类型变化的驱动机制存在显著的时序差异,例如,人工表面受地形的影响程度逐步降低,呈现更加离散的分布,且其分布特征由较早时期的向市中心集聚分布发展为逐渐远离市中心并向铁路、高速路周边集聚的趋势;(3)经检验,CLUE-S模型能够较好地动态模拟京津冀城市群的土地覆盖格局的变化特征,模型的Kappa指数达0.84。模拟预测结果显示,未来(2020年)景观格局演变的显著特征是人工表面将持续增加,耕地将继续显著减少。北京、天津、唐山和石家庄等核心城市的景观格局变化将最为显著。

大尺度不透水面遥感估算方法比较——以京津唐为例

城市不透水面既是常用的城市化程度指标,也是衡量环境质量的重要指标。采用遥感技术准确提取城市不透水面并分析其空间扩张过程,对生态城市建设具有重要意义。基于Landsat 5 TM影像,采用NDVI二元法和线性光谱分解法,分别提取北京、天津和唐山3个城市不透水面信息,并将不透水面估算结果与近同期的ALOS影像提取结果对比验证。结果表明,线性光谱分解法获取的不透水面结果较好,RMSE为20.6%,能有效提取大范围的不透水面信息。

城市与区域生态关联研究进展

城市及其周边区域正在面临日益严峻的环境污染、生态恶化、资源短缺等问题。这些问题的出现,与长期以来城市发展过程中忽视城市与区域的生态关联密切相关。研究城市与区域的生态关联,对于解决城市与区域的生态环境问题、指导新型城镇化建设具有重要的理论意义与实践价值。主要从以下3个方面系统总结了城市与区域生态关联的研究进展:(1)城市发展对周边区域的生态环境影响,包括直接的胁迫和间接的影响;(2)区域对城市发展的生态支撑;(3)城市与周边区域社会、经济、生态关联的相互作用机制。指出了当前城市与区域生态关联研究中存在的问题和不足:1)城市对周边区域生态环境直接影响的研究较多,且多侧重城市对周边区域的负面影响,对其间接影响的研究较为缺乏;2)周边区域对城市发展生态支撑作用的研究相对缺乏、认识不够深入;3)对城市与周边区域生态关联作用机制的研究较为缺乏。未来的研究要将城市和区域作为统一整体,进一步完善城市与区域生态关联的理论框架,耦合社会经济的相互作用,定量解析城市与区域的生态关联,为城市与区域的可持续发展提供科学依据。

京津冀城市群用水效率及其与城市化水平的关系

深入分析京津冀城市群用水效率与城市化水平的相互关系,揭示不同城市城市化水平对水资源利用效率的影响,有助于缓解水资源短缺问题。结合超效率数据包络模型,定量分析了京津冀城市群不同行业的用水效率,从人口、经济、社会与土地等不同城市化角度,全面分析了城市发展水平与生活、工业、农业三大行业用水效率之间的相互关系。主要结论为:(1)2006—2015年,京津冀城市群生活和工业用水效率总体上略微下降,而农业用水效率明显上升;不同城市之间存在明显差别,唐山、衡水与沧州市各行业用水效率均较高,邯郸和邢台市各行业用水效率均偏低。(2)城市发展水平对不同行业用水效率的影响存在明显差异。城市化水平的提升可以显著提高生活用水效率,但对工业和农业用水效率具有不同程度的负向影响。综合用水效率仅受到经济城市化的显著影响,相关系数达0.19,表明提高用水效率的关键是进一步调整经济产业结构。(3)城市化水平与用水效率梯度的匹配状态较差。一方面,京津冀13个城市中达到匹配的城市仅有4个,占京津冀城市总数的30.77%,匹配程度较低。另一方面,不存在城市化水平和用水效率双高型的城市,匹配层次较低。综上所述,针对京津冀城市化发展与用水效率的失衡关系,应审视水资源投入产出结构并尝试行业联动等节水发展模式。

城市化对空气污染人群暴露贡献的定量方法研究

短期快速城市化引发一系列生态环境问题,尤其是近年来以细颗粒物(PM_(2.5))为代表的城市与区域空气污染问题。人群的污染暴露一方面是因为污染区范围的扩张,另外一方面则归因于城市化引发的人口迁移,目前的研究重点关注于前者的贡献,而忽略了后者的贡献。因此,建立了城市化对空气污染人群暴露贡献的定量方法,并选取我国PM_(2.5)污染最为严重的京津冀城市群开展了实证研究,通过利用2000、2005、2010、2015年PM_(2.5)浓度和人口栅格数据以及人口自然增长率数据,定量评估了城市化引发的人口迁移对空气污染人群暴露的贡献。研究结果显示:(1)京津冀地区受污染影响面积和人口变化显著,造成大量的人口暴露于PM_(2.5)污染。(2)城市化引发的人口迁移与自然增长贡献率方面:总体上,2000—2015年,京津冀城市群总的人口迁移贡献率为48%,北京市和天津市总的人口迁移贡献率分别为94%和88%,而河北省污染总的人口迁移贡献率为-32%。其中在污染保持区,北京市和天津市的人口迁移贡献率均接近100%,而河北省的迁移贡献率为-26%,尤其在2010—2015年,河北省衡水市的人口迁移贡献率达到-6613%;在污染新增区,北京市和天津市的人口迁移贡献率分别为86%和84%,而河北省污染的人口迁移贡献率为-757%。本研究建立了定量化的方法揭示了城市化在空气污染人群暴露中的定量贡献,为科学引导城市化发展提供了定量的手段,为合理规划京津冀城市群地区的人口流动与空气污染奠定了数据基础。

城市空气污染对周边区域空气质量的影响

京津冀地区是全球以PM_(2.5)为首要污染物的空气污染最严重的区域之一,并已严重制约区域发展。大区域尺度上(例全国尺度)开展城市与其周边区域的PM_(2.5)的研究通常直接比较二者的浓度差异,以定量地评估城市PM_(2.5)污染对周边区域的影响,但这种方法在小区域较难精细地刻画城市对周边区域的影响的方向性和距离性差异。利用京津冀地区13个城市2000年,2005年,2010年,2015年PM_(2.5)浓度和土地覆盖类型数据,以城市重心到城市边界的平均距离为基本距离,建立每个城市的一级(一倍基本距离)和二级(二倍基本距离)缓冲区,然后将缓冲区分成8个象限,以定量分析城市PM_(2.5)污染对周边区域影响的方向性和距离差异。结果发现:(1)2000—2015年,京津冀城市群各地级市与周边区域空气质量时空分布分为以下两种模式:第一种模式是城区浓度高,周边区域低;第二种模式是城区浓度低,周边区域高且浓度差异很小。(2)各地级市对周边区域影响程度和范围呈上升趋势,并且这种影响具体表现在距离性和方向性两方面:(1)大部分城市距离城区越远,受城市PM_(2.5)污染的潜在影响越大。(2)2000—2015年,除天津、廊坊、衡水和沧州,其余城市空气污染对周边影响的方向性特征差异显著。通过建立城市空气污染对周边区域定量化方法并在京津冀开展实证研究,拓展了城市空气污染对周边区域空气质量影响研究的方法体系,为定量地开展城市化的生态环境效应研究提供了方法和实证拓展。

城市群空气污染综合评估范式与应用——以京津冀城市群PM_(2.5)污染为例

城市群已成为中国城市发展的主要形式,城市化发展引发的一系列环境污染问题成为目前的研究重点之一,尤其是近年来明显的空气污染问题。由于传统的针对某一城市地区进行细致研究,难以解决在城市聚集的城市群下形成的区域性空气污染来源和影响机制等问题,使区域性空气污染造成的负面效应难以评估。通过构建综合评估模型范式,并运用空间分析,对京津冀168个区县2000年,2005年,2010年,2015年PM_(2.5)人口暴露风险、人类活动对PM_(2.5)的贡献、以及5种土地利用类型的“源汇”特征进行了实证研究。结果发现:(1)2000—2015年,京津冀城市群的人口暴露风险、空气污染分布、综合评估结果总体呈现北低南高的现象。(2)2000—2015年,各县域的人口暴露风险和空气污染的程度、范围呈上升趋势。不同的土地利用类型具有不同的源汇特征,且对污染的贡献不同。本研究通过综合评估模型范式对城市群或区域城市发展与空气质量的权衡关系模式开展量化解析,为城市的可持续发展提供了科学的范式和初步的实证示范。

斑块面积对城市绿地降温效应的影响研究进展

在气候变化和快速城市化的双重影响下,全球城市面临日益加剧的热岛效应。绿地能够有效改善城市热环境。城市土地资源紧缺,优化绿地布局,使有限面积的绿地发挥更大的降温效果具有重要的理论意义和实践价值。其中,如何设置绿地斑块大小则是优化绿地布局的首要考虑因素之一。从斑块和景观的尺度总结了现有绿地斑块大小对其降温效应影响的研究进展,结果表明:1)在斑块尺度,随着绿地斑块面积增加,绿地的降温效应相应增加,但增加的趋势为非线性变化,表现为温度随绿地斑块面积的增加先下降,后趋于平稳,表明可能存在降温效率(单位面积绿地降温能力)最强的斑块大小;2)在景观尺度,绿地斑块大小在空间上的配置对热环境的影响研究结果存在差异,尚无一致性定论。基于已有研究,本文指出了现有绿地斑块大小对其降温效应影响研究中的问题与不足:1)主要关注绿地斑块大小与温度的统计关系,缺乏对其具体影响过程和内在机制的深入探讨;2)更多关注地表温度,而对与人体舒适度和健康直接相关的其他热环境指标的研究较少;3)研究中缺少对城市中数量巨大,分布最广的小型绿地斑块的考量。未来的研究应加强从遮阴和蒸腾等降温过程深入解析绿地斑块大小对热环境影响的内在机理机制,从降温效率的角度,探讨是否存在最优的斑块大小,并进一步探讨绿地周围建筑环境对绿地斑块大小与其降温效应关系的影响,为优化城市绿地分布,改善城市热环境提供科学依据。

从“增量扩张”到“存量优化”:深圳市景观格局内部动态与优化

随着城市化的不断推进,以城市扩张为主要特征的土地城市化渐趋于饱和,许多城市开始进入"存量优化"的土地开发阶段。存量优化的土地开发模式改变了城市内部的景观格局,进而影响城市景观的生态过程及功能,但现有的工作主要关注城市的外部扩张,缺乏对城市内部景观动态的研究。以深圳市为例,基于高空间分辨率遥感影像,以地块为分析单元,识别城市扩张、城市更新以及内部填充三种土地开发方式,对比分析不同方式下地块的景观格局变化。研究结果表明:(1)深圳市已进入"存量优化"的城市发展阶段,表现为内部存量变化面积是外部增量变化的2倍;(2)城市更新类型的地块平均植被比例增加3%,提高了人居环境质量,而城市扩张和内部填充类型的地块则表现为植被比例明显下降,平均植被比例分别减少了51%和50%;(3)城市扩张和城市更新具有明显的空间聚集特征,内部填充分布则相对随机。在精细空间尺度上识别了城市扩张、城市更新以及内部填充三种不同景观变化类型,分析了其空间分布特征,为深入理解城市内部景观格局的动态变化提供了新的视角,可为城市生态过程的机理研究和城市规划提供参考与借鉴。

城市乔木树种多样性遥感反演方法研究

量化城市乔木树种多样性是定量研究其生态系统服务的前提和基础。目前,城市树种多样性水平的定量研究以地面调查方法为主,存在效率低、成本高的问题。针对上述问题,首先验证了光谱变异性假说和生产力假说在城市中的适用性,进而提出了快速量化城市树种多样性水平的方法。该方法基于神经网络刻画了乔木斑块多样性与光谱异质性之间的关系,能够较准确地反演城市乔木的香浓维纳指数和辛普森指数。为城市乔木树种多样性的调查提供了新的思路,并将为定量研究城市乔木多样性的生态系统服务提供基础数据。

台风“山竹”对深圳城市绿地及生物量的影响

台风是影响沿海城市绿地生态系统最主要、最频繁的自然干扰因子。2018年9月的台风"山竹"以强台风等级袭击深圳,陆地最大阵风达46.5 m/s(15级)。以深圳市区绿地(公园绿地、居民区绿地、行道树)中的乔木为研究对象,通过灾后实地调研,采用相关统计方法以及生物量评估方法,探讨了台风"山竹"对深圳市区绿地的影响。结果表明:(1)深圳市区调查树木受损比例高达21.4%,其中以轻度受损(枝干折断)为主;市区树冠生物量总量较台风之前下降了8.44%。(2)南部地区受损程度明显高于内陆,东南地区受损程度高于西北地区;福田区、龙岗区以及坪山新区受损情况最为严重,受损树木比例均超过30%。中东部树冠生物量损失程度高于西部地区。(3)公园绿地受损最为严重,居民区绿地的受损情况最轻。(4)行道树中黄金榕、腊肠树受损比例均超过50%,而棕榈科植物受损程度较轻。研究结果可为深圳市抗风树种的选择、不同类型绿地针对台风的减灾防灾策略提供科学依据。

京津冀城市群能源供需与城市化的关系模式

城镇化发展加剧了城市对能源的消耗,进而加剧了能源供需不平衡,这种不平衡已经成为限制城镇化发展的重要因素。目前,城市群作为我国城镇化发展的重要形式,充分发挥城市群的协同效应以减缓能源供需矛盾,对实现区域可持续发展具有重要意义。研究以京津冀城市群为例,从地级市尺度系统地核算了2001—2015年能源供应和需求量,并采用ward聚类方法划分3种不同类型的能源供求特征,并分析了每种类型的能源供需特征差异。同时,以能源供需比值表示供需差异并进行了比较。在此基础上,采用多指标综合分析方法进一步探讨了能源供需与城市化的关系模式。结果表明:(1)京津冀城市群不同城市能源的供求特征及变化存在明显的时空差异。一方面,从能源供给特征来看,年平均能源生产量较高的城市(天津市)能源产量由上升转变为平缓变化趋势,而低产城市(石家庄市)呈不稳定的变化趋势,两类城市平均能源产量相差2497.66万t标准煤;另一方面,从能源需求特征来看,北京、天津市等能源高耗城市能源消费近年来趋于下降趋势,而低耗型城市(沧州市)近年来呈波动变化,二者平均差值为4752.49万t标准煤;(2)基于能源供需比值,京津冀城市群所有城市均表现为能源供不应求,且不同城市能源供需缺口差异明显。其中,天津市能源供给能力最强,但其生产量却不及自身消费量的65%,而供给能力相对最弱的城市保定市,其能源需求几乎完全依赖外部能源供给;(3)城市能源供需与城市化水平之间关系不完全一致。研究对能源供需模式与城市化模式不一致的城市,划分了先进型和滞后型两种关系模式。对于先进型的城市,主要有北京市、沧州市和廊坊市,它们的城市化水平相对较高,分析认为其能源开发利用相对集约;而属于滞后型的城市,包括唐山市、邯郸市和邢台市,其城市化水平偏低,分析认为这类城市能源开发利用效率低、发展方式相对粗放,是城市群能源效率提升的重点。本研究旨在为今后的城市群能源规划提供科学依据,建议北京市等能源相对集约型城市带动唐山市等发展方式粗放、落后的城市,以提高京津冀城市群整体的能源效率。

深圳市城市化过程物质存量变化及驱动力研究

以基础设施为主要形态的城市物质存量(In-use stock)成为社会经济代谢研究的热点。文章以深圳市为研究对象,采用自下而上的物质流分析方法,核算了2000年-2017年深圳市快速城市化过程中物质存量的规模及结构变化。研究发现,深圳市人均物质存量为29吨,处于国内领先水平,但其存量结构依然以住宅建筑为主,而提供其他城市服务功能的存量依然不足。采用IPAT方程开展了存量驱动力分析,研究发现,经济和人口是驱动深圳市物质存量增长的关键因素,经济因素是主要动力,与物质存量强度之间有较强的耦合关系,预测在未来一段时间,这种趋势依然存在。

基于GWR模型的土地覆盖与地表温度的关系——以京津唐城市群为例

基于Landsat TM土地覆盖分类数据和MODIS地表温度数据,探讨京津唐城市群不同土地覆盖的地表温度（7日）,并采用常用的普通线性回归（OLS）和地理加权回归（GWR）方法分别拟合土地覆盖比例与地表温度的关系.结果表明：研究区不同土地覆盖类型的地表温度差异明显,人工表面（40.92!3.49℃）和耕地（39.74!3.74℃）的平均温度较高,林地（34.43!4.16℃）和湿地（35.42!4.33℃）的平均温度较低;土地覆盖比例与地表温度显著相关,且两者之间的定量关系存在空间非稳定性,地理位置以及周围环境影响的差异是空间非稳定性产生的主要原因;GWR模型的拟合结果优于OLS模型（R_（GWR）_2〉R_（OLS）~2）,并且GWR模型可以量化土地覆盖比例与地表温度两者关系的空间非稳定性特征.