人为热排放通过地—气相互作用显著影响地表能量平衡、大气边界层结构、空气质量乃至人类健康，是城市热岛产生和加剧的重要因子。然而目前人为热排放的空间化大多依赖人口密度、夜间灯光和植被指数多源遥感数据，缺乏对城市功能区这一关键因素的考虑。本研究选取超大城市上海为例，区别以往研究大多仅收集省市级能源统计数据，本研究通过收集融合上海区级/街镇级能源消费和社会经济统计数据、GDP、腾讯位置、 POI兴趣点地理空间大数据、建筑高度、交通路网、多源遥感、人口密度等多源参考数据等，基于Cubist机器学习建立了上海区级、街镇级和1km不同类型（工业(Q_FI)、建筑(Q_FB)、交通(Q_FT)和人体代谢(Q_FM) ）人为热排放的新型空间化模型。结果表明，上海各区工业人为热通量在郊区嘉定最大，为19.77 W m^-2，主要与嘉定区发达的汽车工业区相关。尽管中心城区工业人为热排放量较小，但Q_FI总体处于高值区，约11.84 – 18.65 W m^-2。远郊崇明区Q_FI最小，仅0.67 W m^-2。各区建筑人为热通量（Q_FB）表现出显著的城郊差异，黄浦区Q_FB最大，达154.57 W m^-2，其次为静安区，约60.49 W m^-2。郊区Q_FB仅约0.22 – 4.08 W m^-2。这主要是由于建筑商业活动集中于人口密集的中心城区。各区交通人为热通量（Q_FT）高值区主要出现在中心城区，中心城区的区级Q_FB对总Q_F的贡献最大。街镇人为热通量量级普遍大于区级，Q_FI量级分布较分散，高值区不在中心城区，最大值为84.58 W m^-2。 建筑、交通和代谢人为热通量高值区均聚集于中心城区。Q_FB和Q_FT超过100 W m^-2的街镇占比分别为6.3%和8.7%，主要分布在市中心的黄浦和静安区。由于分布的非均匀性，Q^_FB和Q_FT分别低于10 和5 W m^-2的占比均过半。Q_FM量级均小于10 W m^-2。1 km Q_F提供了更详细的空间结构特征。Q_FI高的区域主要分布在中心城区以外的工业园区，最高值超过150 W m^-2,体现了工业活动向郊区迁移的趋势。总人为热通量以市中心最高，最高可达523 W m^-2。变量重要性分析表明，POI对所有Q_F来源的估计都非常重要，特别是对Q_FB的估计。通过加入建筑高度和腾讯位置大数据，有助于更为真实反映城市三维立体的人为热排放特征和社会经济活动实际强度的影响。本研究可为改善城市热环境、城市天气精细预报提供数据支撑。
 

人为热通量,空间异质性,Cubist,POI兴趣点,上海,多源遥感