福建省長汀縣河田水土流失區植被覆蓋度變化及其熱環境效應

徐涵秋，何 慧，黃紹霖

(福州大學環境與資源學院，福州大學遙感信息工程研究所，福建省水土流失遙感監測評估與災害防治重點實驗，福州 350108)

福建省長汀縣是中國南方紅壤地區的典型水土流失區，其河田鎮一帶的水土流失之嚴重更是一直為各界所矚目。早在20世紀40年代初，長汀縣的河田鎮就與甘肅的天水、陜西的長安一起被列為全國的3個重點水土保持試驗區，開始水土流失的治理，但收效甚微［1］。長汀縣以河田盆地為中心的水土流失治理一直到了80年代才逐漸起效。這主要得益于福建省政府于1983年將長汀河田定為全省治理水土流失的試點，2000年又將其水土流失綜合治理列為全省為民辦實事項目。經過20多年的整治，長汀縣的水土流失治理取得很大的成效［2］，已成為全國有效治理水土流失的典型區。

長汀縣水土流失的最重要特征就是大面積的山丘裸露，植被稀少，氣候炎熱。當地群眾將紅土遍布的光禿山嶺稱為“火焰山”。因此，長汀縣水土流失的治理主要采用生態恢復，通過種植大量林草來有效控制水土流失，同時也大大改善了區域的生態系統。由于植被是區域生態系統的重要組成部分，它通過蒸騰作用影響著地表的能量平衡，影響著地氣之間的熱交換形式，對區域氣候的調節起著舉足輕重的作用［3，4］，因此植被對區域熱環境影響的遙感研究已成為近年來的一大熱點。其中，基于植被指數或植被覆蓋度與地表溫度之間關系的研究最多，研究結論基本一致，即植被與地表溫度之間呈負相關關系，植被具有降低地表溫度的作用［3，5-9］。但許多研究指出，在植被覆蓋度與地表溫度的相關度要比植被指數來得高，因此建議用植被覆蓋度來研究植被的降溫關系［9-11］。研究表明，植被覆蓋度每增加10%，所產生的地表溫度變化范圍可從0.3℃至 2℃［8，12-14］。

當前，植被覆蓋度對熱環境影響的研究幾乎都集中在城市區域，而對農村和山區的研究很少。因此，本文將重點研究長汀縣河田地區1988—2010年來的植被覆蓋度變化及其伴隨的熱環境效應，這對于了解植被覆蓋度變化對山區熱環境的影響具有重要的科學意義，對長汀縣進一步治理水土流失、恢復生態、改善區域熱環境則具有重要的現實意義。

1 方法

1.1 研究區概況

長汀縣地處福建西部，地理位置為東經116°00'—116°40'，北緯25°18'—26°02'。長汀屬亞熱帶季風氣候，年平均氣溫18.3℃，年降雨量1500—1700mm。長汀縣的地形呈四周隆起，中部下凹的盆地特征，最低海拔210m，最高海拔1459m。從該縣1988年的衛星影像可以直觀看出(圖1)，當時該縣大部分為綠被所覆蓋，但中部為白中泛紅的裸土區，該區即為聞名的長汀河田水土流失區，也被稱之為河田盆地。因此，本次研究將主要集中在河田盆地及其周邊地區，面積約869 km2(圖1)。通過盆地與周邊地區的對比來考察它們之間的植被覆蓋度和溫度變化。

1.2 遙感影像數據及其預處理

圖1 研究區及河田盆地位置圖Fig.1 Map showing the locations of the study area and the Hetian Basin

當前，對區域熱環境的監測主要依靠的是遙感熱紅外數據，而唯一能夠提供20世紀80年代以來連續觀測的熱紅外數據的只有美國的Landsat系列衛星。因此，本次研究選用Landsat TM影像作為遙感數據源。通過對其熱紅外波段(TM 6)的反演求出河田盆地區不同時期的地表溫度，以考察該區的熱環境變化。所用的影像的獲取時間為:1988-10-16、1998-11-13、2004-10-12和2010-10-29。由于2000年之后是該縣重點治理水土流失的十年，所以加入2004年時相，以加密對該時段的考察。

采用美國建立全國土地覆蓋數據庫(NLCD)使用的標準化流程對影像進行輻射校正，用Chander等［15-16］和Chavez［17］的模型和參數將原始影像的灰度值轉換為傳感器處反射率，以減少不同時相的影像在地形、光照和大氣等方面的差異;不同時相的影像之間采用二次多項式和最鄰近象元法進行配準，配準的均方根誤差小于0.5個象元。

1.3 植被覆蓋度計算

當前，應用遙感技術進行植被覆蓋度的估算已經得到廣泛的應用。在近期環保部開展的中國近十年生態環境遙感調查項目的技術文件中，植被覆蓋度(FVC)的反演采用的是Gutman和Ignatov提出的模型(以下簡稱Gutman模型)［18］，其主要表達式為:

而另一常用的模型是Carlson和Ripley提出的模型(以下簡稱Carlson模型)［19］，其表達式為:

式中，ρTM4和ρTM3分別代表TM 4和TM 3波段的反射率;NDVI為歸一化植被指數;NDVImin代表純裸土的NDVI值;NDVImax代表高植被覆蓋度的NDVI值。實際操作時，NDVImax取該指數影像的最大值;NDVImin則以影像全裸土象元的 NDVI值代表。1988、2004、2010 年的 NDVImin值分別為:0.031，－0.009，－0.135。經此處理的FVC值都被統一到0—1之間。為和實際的覆蓋度對比，也可以將FVC乘100以轉化為百分比。

為了更準確地估算河田盆地區的植被覆蓋度，本次研究根據模型的數學定義和研究區的實際情況，對二者進行了分析和討論，以選擇合適的模型。對比公式(1)和公式(3)可以發現，兩個模型都是將NDVI指數值在其最大和最小值之間進行拉伸，使其歸一化。二者的本質區別在于是否對FVC求平方。顯然，求過平方的FVC值會明顯降低，且在低值處表現得最明顯。Carlson和Ripley［19］根據與葉面積指數的對比認為，基于NDVI估算的FVC值在中低植被覆蓋區容易造成明顯的高估，因此必須對FVC求平方，但求過平方的FVC會在高植被覆蓋區造成一定程度的低估。顯然，NDVI和FVC并不是一種簡單的線性關系［20-21］。據此，可以明確地知道，模型的選擇主要取決于所研究地區的植被覆蓋度情況，研究區的植被覆蓋度不高時，應選擇Carlson模型以避免高估植被覆蓋度。反之，則應選擇Gutman模型，以避免造成高植被區的低估。

為了對比兩種模型，分別用以上兩種FVC模型反演了研究區2010年10月29日TM影像的植被覆蓋度，然后對其進行精度驗證。驗證采用Wu和Murray提出的與高分辨率影像對比的亞象元對比法。該方法不僅能檢驗精度，而且還可以將FVC模型求出的植被覆蓋度和高分辨率影像所代表的實際植被覆蓋度關聯起來［22］。首先，在所選擇的近同期(2010年12月29日)ALOS 2.5m融合影像上，根據不同的植被覆蓋度選用分層隨機采樣法選取了100個樣點，在每個TM 30m象元樣點所對應的144個ALOS 2.5m象元中，直接用人工判讀并計算出實際植被覆蓋度，然后與模型求出的植被覆蓋度進行對比，利用回歸分析并計算系統誤差(SE)來判斷精度，SE的公式如下:

式中，FVC'為模型求出的植被覆蓋度值;FVC為實際的植被覆蓋度值;n為樣本數。

精度驗證的結果表明(圖2)，兩個模型都有一定程度地高估實際植被覆蓋度，表現在二者的系統誤差SE都是正值。但Gutman模型的高估更嚴重，SE值為18.33，比Carlson模型高出了8.78(圖2)。由于河田盆地區是低植被覆蓋的水土流失區，因此Carlson經過求平方降低FVC值的模型顯然更適合于該區的植被覆蓋度估算。另外，Carlson模型與實際植被覆蓋度的吻合度(R2)也要明顯高于Gutman模型。因此，本次研究選用更適合于低植被覆蓋區的Carlson模型來反演植被覆蓋度。由于模型估算值已換算為百分率，所以根據系統誤差SE判斷，模型的反演精度大于90%。

圖2 Gutman模型和Carlson模型的精度比較(方程都通過0.1%的顯著性檢驗)Fig.2 Accuracy assessment between Gutman and Carlson models(Equations are significant at 0.001 level)

1.4 地表溫度計算

溫度主要根據NASA官方的Landsat用戶手冊［23］進行計算:

式中，L6為Landsat TM熱紅外6波段的象元在傳感器處的輻射值;DN為象元灰度值，gain和bias分別為6波段的增益值與偏置值，可以從影像的頭文件獲得。

式中，T為傳感器處溫度值;K1和K2分別為定標參數，K1=607.76 W/(m2·sr－1·μm－1)，K2=1260.56 K。

經過公式(6)計算的溫度T必須進行比輻射率糾正［24］才能成為地表溫度LST:

式中，λ為TM 6波段的中心波長(λ =11.5 μm);ρ=1.438 ×10－2m K;ε為地表比輻射率，其取值見參考文獻［24］。

由于受到影像可獲取性的限制，所選用影像的日期不盡一致，所以無法用它們的絕對溫度值大小來對比所研究年份之間的溫度變化。對此，可以借助城市熱島強度的概念。城市熱島研究中，不同年份之間的城市熱島變化，可以通過考察它們之間的熱島強度變化來確定［25］。城市熱島強度是通過城市和周邊農村地區的溫差來表征的，因此本研究也可以通過考察河田盆地裸露區內的溫度與其周邊地區的溫度之間的差異來考察不同年份的溫度變化，通過計算各年份盆地中的平均溫度和周邊地區的平均溫度差異(以下簡稱溫差)來比較不同年份之間的溫度變化。

2 結果與討論

2.1 植被覆蓋度變化

根據Carlson模型分別反演出各研究年份的植被覆蓋度(圖3)，并計算出它們的植被覆蓋度(表1)。從圖3可以直觀看出，植被覆蓋度在這22年里有了明顯的增加。具體表現為1988年的植被覆蓋度影像最暗，說明植被覆蓋度最低;盆地中心除了耕地的斑塊外，幾乎全為黑色和暗灰色，說明盆地中心基本裸露。而到了2010年，植被覆蓋度影像明顯變亮，特別是在盆地中部，說明盆地中心的植被覆蓋度得以明顯增加。表1、表2的數據表明，植被覆蓋度影像的均值從1988年的48.83%上升到2010年的59.78%，提升了10.95個百分點，標準差也從16.21%減少到12.88%，說明在這22a里，河田盆地區的植被覆蓋度在增加的同時，差異性也在逐漸減小，植被覆蓋度趨于統一。如果將研究的時間段分為1988—1998年和1998—2010年兩個階段，則前一個階段整個研究區植被覆蓋度年均增加0.32%，而后一個階段年均增加達0.65%，比前一個階段快了1倍多。如果從1998年以后細分的兩個階段來看，1998—2004年年均增加0.68%，2004—2010年為0.62%，慢于前6a。如果單就盆地內而言，其植被覆蓋度的增加幅度就更為明顯，從1988年的39.09%提升到2010年的53.05%，大幅上升了13.96個百分點。而其中有近10個百分點是1998—2010年的后一階段增加的。

表1 研究區各年份植被覆蓋度Table 1 Statistics of fraction vegetation cover of each study year

表2 研究區植被覆蓋度變化Table 2 Changes of fraction vegetation covers between study years

2.2 地表溫度變化

圖4和表3分別為地表溫度的反演和統計結果。總的看來，隨著植被覆蓋度的升高，河田盆地區的熱環境有明顯的改善。圖4表明，代表高溫的亮白和淺灰色調在1988年占據了影像的大部分地區，而到了2010年，影像以灰和暗灰色調為主，亮白色的高溫僅零星分布。從表3可知，河田盆地內和盆地外的平均溫差從1988年的3.39℃下降到2010年的2.48℃，降低了0.91℃，盆地區的標準差也從1.48℃減少到1.4℃，說明盆地內外的溫差在縮小，溫度趨于統一。從1988—1998年和1998—2010年兩個時間段來看，前一個時段的溫差從1988年的3.39℃下降到了1998年的3.29℃，僅降低了0.1℃;而2010年則進一步下降到2.48℃，降低了0.81℃，明顯多于前一個時期。如果就1998年以后來看，1998—2004年的6a間下降了0.44℃，而同樣的2004—2010年的6a間只下降了0.37℃，少于前6a。

圖3 各年份植被覆蓋度影像(顏色越淺，植被覆蓋度越高)Fig.3 FVC images of each study year(the brighter the image，the higher the fraction vegetation cover)

表3 研究區盆地內外地表溫度差異Table 3 Land surface temperature(LST)differences between the area inside and outside basin

2.3 空間分布變化

圖5是通過遙感變化檢測技術(紅綠-差值影像法)［26-27］獲得的研究區植被覆蓋度和地表溫度的變化圖。該方法利用三原色原理，以綠色代表植被覆蓋度上升或溫度降低區，差值越大，顏色越綠;以紅色代表植被覆蓋度下降或溫度上升區，差值越大，顏色越紅;而黃色(紅綠的混色)則代表植被覆蓋度或溫度的不變區。

從植被覆蓋度變化圖來看，盆地周邊的地區由于是人類干擾較少的山區，植被覆蓋較好，且長時間無明顯變化，所以主要呈黃色，代表植被覆蓋度基本沒變化。而盆地內及其邊緣的溝谷區主要呈綠色，說明這22年來，植被覆蓋度增加的地區主要在盆地內，長汀縣為治理河田盆地內嚴重的水土流失所采取的封山育林、植樹造林的措施收到明顯的成效;代表植被覆蓋度降低的紅色斑塊只是零散地分布于研究區中，這主要是位于盆地中心的河田鎮區所在地的建設和居住用地的擴張導致的植被覆蓋度下降。而部分見于山區的零散紅色斑塊則是由于火燒山引起的地表裸露造成的植被覆蓋度降低。

圖4 各年份地表溫度影像(顏色越淺，溫度越高)Fig.4 Land surface temperature images(LST)of each study year(the brighter the image，the higher the LST)

從地表溫度的變化來看，則可以發現，凡是植被覆蓋度上升的位置，地表溫度就下降，表現為綠色;而植被覆蓋度下降得地方，地表溫度則表現為上升的紅色，紅色斑塊的位置也基本吻合。可見植被覆蓋度的變化直接影響著地表溫度的升降，二者有密不可分的關系。

圖5 變化檢測圖植被覆蓋度變化地表溫度變化Fig.5 Change detection images，FVC change，LST change

2.4 植被覆蓋度和地表溫度的關系分析

為了進一步分析植被覆蓋度的熱環境效應，分別將各年份的植被覆蓋度影像和它們對應的地表溫度影像做回歸分析。在影像上按5×5的網格隨機采樣，每個年份共采23000個樣本，大樣本量有助于統計分析的代表性和客觀性。

圖6 植被覆蓋度與地表溫度關系的回歸分析(方程都通過0.1%的顯著性檢驗)Fig.6 Regression analysis of the relationship between fraction vegetation cover and LST(Equations are significant at 0.001 level)

從各年份的回歸模型來看，植被覆蓋度都和地表溫度呈線性負相關關系，說明植被覆蓋度的升高會使地表溫度降低。從所獲得的回歸方程來看，在河田盆地區，植被覆蓋度每提升10%，最少可以降低0.6℃的地表溫度。如果從最新的2010年回歸模型來看，植被覆蓋度每提升10%，則降低的地表溫度可達到1℃，從而不斷改善了區域的熱環境。

現有植被覆蓋度與溫度關系的研究都集中在城市區，其地表熱交換的形式以建筑不透水面的顯熱形式為主，植被覆蓋度的增加會使得原有的顯熱交換不同程度地轉變為潛熱交換，從而導致地表溫度下降，但下降幅度因地而異。如植被覆蓋度每增加10%，在美國圣巴巴拉市會降低地表溫度1.6℃［8］，在長春會降低0.6℃［10］，在深圳會降低 0.3—0.6℃［12］，在上海會降低 0.47℃［13］，在重慶會降低 0.5—2℃［14］。與這些研究不同的是，本次研究區為山區，少有建筑用地，地表以水土流失造成的大片裸土分布為特征。在地表能量平衡中，裸土的土壤熱通量是造成地表溫度上升的主要原因。因此，水土流失治理增加的植被覆蓋度會使地表熱交換從原先的土壤熱通量為主轉變為植被的潛熱交換為主，從而降低了地表溫度。在所研究的4個年份中，植被覆蓋度每增加10%，可減低地表溫度0.6—1℃。由于山區與城市的地表覆蓋類型明顯不同，而城市之間的地表覆蓋類型也不盡相同，所以植被覆蓋度的降溫幅度明顯因地而異。

3 結論

長汀縣河田盆地區的水土流失治理工作已帶來了明顯的成效。22a里，該區的植被覆蓋度有了明顯的增加。整個研究區的平均植被覆蓋度從1988年的平均48.83%上升到2010年的59.78%。在這期間，新增的植被大部分都在盆地內，其平均植被覆蓋度的增幅明顯高于整個研究區。植被覆蓋度的上升，使得盆地與周邊地區的地表溫度差異下降了近1℃，盆地內外溫度逐漸統一，盆地內外高溫差情況得到改善。從所劃分的兩個階段來看，1998—2010年的后一階段，無論是植被覆蓋度的升高或地表溫差的降低都要比1988—1998的前一階段明顯。這表明2000年福建省政府將長汀縣的水土流失治理列為為民辦實事項目后，進一步推進了該區的水土流失治理工作。

河田盆地區的植被覆蓋度和地表溫度呈明顯的線性負相關關系，植被覆蓋度每增加10%，大致可降低地表溫度0.6—1℃。

在現有兩種常用的植被覆蓋度遙感估算模型中，Carlson模型比Gutman模型更適合于中低植被覆蓋地區的植被覆蓋度估算，將其應用于河田盆地區的植被覆蓋度反演可獲得更高的精度。

［1］ Wu G S，Lin H H，Zhu H J，Sha J M，Dai Y.Spatiotemporal variation of typical red soil eroded landscape pattern:A case study in Changting County of Fujian Province.Chinese Journal of Applied Ecology，2011，22(7):1825-1832.

［2］ Zhao Z B.Study on treatment of soil and water loss area with forest-grass measures in Hetian Basin of Fujian province.Journal of Soil and Water Conservation，1987，(1):37-40.

［3］ Wilson J S，Clay M，Martin E，Stuckey D，Vedder-Risch K.Evaluating environmental influences of zoning in urban ecosystems with remote sensing.Remote Sensing of Environment，2003，86:303-321.

［4］ Carlson T N，Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology:A satellite perspective.Global Planet Change，2000，25:49-65.

［5］ Zhang Y，Odeh I O A，Han C.Bi-temporal characterization of land surface temperature in relation to impervious surface area，NDVI and NDBI，using a sub-pixel image analysis.International Journal of Applied Earth Observation and Geoinformation，2009，11:256-264.

［6］ Yue W Z，Xu J H，Xu L H.An analysis on eco-environmental effect of urban land use based on remote sensing images:A case study of urban thermal environment and NDVI.Acta Ecologica Sinica，2006，25(5):1450-1460.

［7］ Xu H Q.A new index for delineating built-up land features in satellite imagery.International Journal of Remote Sensing，2008，29(14)，4269-4276.

［8］ Roberts D A，Quattrochi D A，Hulley G C，Hook S J，Green R O.Synergies between VSWIR and TIR data for the urban environment:An evaluation of the potential for the Hyperspectral Infrared Imager(HyspIRI)Decadal Survey mission.Remote sensing of Environment，2012，117:83-101.

［9］ Weng，Q H，Lu D S，Schubring J.Estimation of land surface temperature vegetation abundance relationship for urban heat island studies.Remote sensing of Environment，2004，89(4):467-483.

［10］ Li H P，Zhang S Q，Sun Y.Study of relationship between urban land vegetation coverage and land surface temperature based on linear spectral mixture analysis.Journal of the Graduate School of the Chinese Academy of Sciences，2010，2010，27(6):739-747.

［11］ Zhang C L，Yu H，Gong P，Ju W M.Relationship between land brightness temperature and vegetation abundance in Wuhan city.Scientia Geographica Sinica，2009，29(5):740-744.

［12］ Zhang X F，Wang Y L，Wu J S，Li W F，Li Z G.Study on land surface temperature vegetation cover relationship in urban region:A case in Shenzhen city.Geographical Research，2006，25(3):369-377.

［13］ Li J X，Song Y C，Fu H N.Correlation between land surface temperature and rate of green space coverage in central area of Shanghai.Shanghai Environmental Sciences，2003，22(9):599-601.

［14］ Peng Z，Liao H P，Guo Y T，Li Q.Influence of land cover change on land surface temperature in the mountainous city.Geographical Research，2009，28(3):673-684.

［15］ Chander G，Markham B L.Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges.IEEE Transactions on Geoscience and Remote Sensing，2003，41(11):2674-2677.

［16］ Chander G，Markham B L，Helder DL.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors.Remote Sensing of Environment，2009，113:893-903.

［17］ Charvz P S Jr.Image-based atmospheric corrections-Revisited and revised.Photogrammetric Engineering and Remote Sensing，1996，62(9):1025-1036.

［18］ Gutman G，Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models.International Journal of Remote sensing，1998，19(8):1533-1543.

［19］ Carlson T N，Ripley D.On the relation between NDVI，fractional vegetation cover，and leaf area index.Remote Sensing of Environment，1997，62:241-252.

［20］ Jiang Z Y，Huete A R，Chen J，Chen Y H，Li J，Yan G J，Zhang X Y.Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction.Remote Sensing of Environment，2006，101:366-378.

［21］ Weng Q H.Thermal infrared remote sensing for urban climate and environmental studies:methods，applications，and trends.ISPRS Journal of Photogrammetry and Remote Sensing，2009，64(4):335-344.

［22］ Wu C.Murray A T.Estimating impervious surface distribution by spectral mixture analysis.Remote Sensing of Environment，2003，84:493-505.

［23］ NASA.Landsat 7 Science Data Users Handbook.http://landsathandbook.gsfc.nasa.gov(last date accessed:May 5，2012).

［24］ Nichol J.Remote sensing of urban heat islands by day and night.Photogrammetric Engineering and Remote Sensing，2005，71(6):613-621.

［25］ Wang Y，Hu F.Variations of the urban heat island in summer of the recent 10 years over Beijing and its environment effect.Chinese Journal of Geophysics，2006，49(1):61-68.

［26］ ERDAS.ER Mapper User's Guide.2008.http://www.erdas.com/Libraries/Tech_Docs/ERDAS_ER_Mapper_User_s_Guide.sflb.ashx(last date accessed:May 5，2012)

［27］ Xu H Q.Analysis on urban heat island effect on the dynamics of urban surface biophysical descriptors.Acta Ecologica Sinica，2011，31(14):3890-3901.

參考文獻:

［1］ 趙昭昞.福建河田盆地水土流失地區用林草措施治理的研究.水土保持學報，1987，1(1):81-89.

［2］ 武國勝，林惠花，朱鶴健，沙晉明，戴文遠.典型紅壤侵蝕景觀的時空變化——以福建長汀為例.應用生態學報，2011，22(7):1825-1832.

［6］ 岳文澤，徐建華，徐麗華.基于遙感影像的城市土地利用生態環境效應研究——以城市熱環境和植被指數為例.生態學報，2006，25(5):1450-1460.

［10］ 李華朋，張樹清，孫妍.基于光譜混合分析的城市植被覆蓋度與地表溫度關系的研究.中國科學院研究生院學報，2010，27(6):739-747.

［11］ 張春玲，余華，宮鵬，居為民.武漢市地表亮溫與植被覆蓋關系定量分析.地理科學，2009，29(5):740-744.

［12］ 張小飛，王仰麟，吳健生，李衛鋒，李正國.城市地域地表溫度-植被覆蓋定量關系分析——以深圳市為例.地理研究，2006，25(3):369-377.

［13］ 李俊祥，宋永昌，傅徽楠.上海市中心城區地表溫度與綠地覆蓋率相關性研究.上海環境科學，2003，22(9):599-601.

［14］ 彭征，廖和平，郭月婷，李清.山地城市土地覆蓋變化對地表溫度的影響.地理研究，2009，28(3):673-684.

［25］ 王郁，胡非.近10年來北京夏季城市熱島的變化及環境效應的分析研究.地球物理學報，2006，49(1):61-68.

［27］ 徐涵秋.基于城市地表參數變化的城市熱島效應分析.生態學報，2011，30(14):3890-3901.