基于遙感的西安市熱力景觀格局演變

楊麗萍，王 樂，2，孫曉輝，劉 晶

（1.長安大學 地球科學與資源學院，西安710054；2.航天天繪科技有限公司西安分公司，西安710100）

基于遙感的西安市熱力景觀格局演變

楊麗萍1，王 樂1，2，孫曉輝1，劉 晶1

（1.長安大學 地球科學與資源學院，西安710054；2.航天天繪科技有限公司西安分公司，西安710100）

基于1992—2013年3期Landsat系列遙感影像，反演出了西安市的地表溫度，采用溫度歸一化分級方法對地表溫度進行等級劃分，并引入景觀生態學中景觀格局的研究方法，通過熱力景觀指數分析，對西安市熱力景觀格局及其演變特征進行了探討。結果表明：1992—2013年西安市的熱島效應逐年增強，熱力景觀格局呈現出較大的時空差異。20多年來，熱力景觀從以次中溫區為優勢斑塊連片分布的空間格局，轉變為以次高溫區、中溫區等多種熱力斑塊鑲嵌散布的空間格局，熱力景觀的破碎化程度不斷提高，各熱力斑塊分配的均勻度、景觀格局的豐富度和復雜度均穩步增加，人類活動對熱環境的擾動持續而穩定。

地表溫度；熱環境；景觀格局；遙感；西安市

隨著城市化進程的加快，城市人口迅速膨脹，城市規模不斷擴大，城市的下墊面和冠層結構發生急劇變化，由此所引發的城市熱島效應及熱環境問題日益突顯，已成為城市生態環境效應的研究熱點。熱環境的空間分布格局和演變規律的研究對于認識城市環境和城市氣候，緩解城市熱島帶來的負面效應，促進城市社會經濟的可持續發展具有重要意義。

作為地表與大氣之間能量交換的重要影響因子，陸地表面溫度（Land Surface Temperature，LST）綜合了地氣之間相互作用過程中物質與能量交換的結果，是地表通量（顯熱、潛熱和CO2等通量）、土壤水分、作物估產、長勢和缺水狀況監測等遙感模型的重要參數，也是城市熱環境監測的重要參數[1-2]。傳統的城市熱環境研究是基于氣象站點的監測數據擬合得到城市地區的地表溫度，但由于觀測站點數量有限、空間分布連續性差，因而具有較大的局限性。目前遙感技術已成為地表溫度定量反演和城市熱環境研究的重要技術手段。

景觀生態學是將地理學的景觀理論和生態學的生態理論相結合，研究景觀單元的類型組成、空間配置以及與生態學過程相互作用的綜合性學科[3]。陳云浩等[4]借鑒景觀生態學的研究方法，提出“熱力景觀”的概念，分析了熱力景觀的動態變化和熱力景觀類型的組分轉移過程；黃聚聰等[5]利用廈門市1987—2007年同時相的5景Landsat TM/ETM+影像進行了地表溫度的反演，進而利用景觀格局指數分析了廈門城市熱島景觀格局隨城市化進程演變的趨勢；孟丹等[6]選取近10年 MODIS的夜晚地表溫度（LST）產品 MOD11A2，采用質心遷移、景觀格局指數、空間自相關等方法研究了京滬穗3地近10年不同等級熱力景觀的質心遷移演變、格局變遷和空間集聚特征。在城市熱環境研究中，景觀生態學研究方法的融入，為深入認識城市熱環境的空間格局及其演變特征提供了新的研究思路。

本文采用單窗算法對西安市3期Landsat系列遙感影像進行地表溫度反演，利用溫度歸一化分級方法進行熱力景觀等級的劃分。在此基礎上，引入景觀生態學的研究方法，基于景觀結構數量化軟件包Fragstats 3.3計算各期影像的5類熱力景觀指數，對西安市熱力景觀格局及其演變特征進行分析，為城市的可持續發展及生態城市建設提供參考。

1 研究區概況及數據來源

1.1 研究區概況

西安市（33°39′—34°45′N，107°40′—109°49′E）地處關中平原中部，北臨渭河，南依秦嶺，東西長約204 km，南北寬約116 km，面積約為9 983 km2，其中市區面積1 066 km2。屬暖溫帶半濕潤大陸性季風氣候，年平均氣溫為13～13.7℃，年平均最冷氣溫為-1.2～0℃，年平均最熱氣溫為26.3～26.6℃，多年平均降雨量為606.8 mm，全市轄10區3縣，截止2013年，常住人口858.81萬人，較1992年增長了235.61萬人[7]。本文以西安市未央區、灞橋區、蓮湖區、新城區、碑林區、雁塔區為研究區。

1.2 數據來源及預處理

結合城市發展現狀及遙感影像的可獲取性，選擇1992年7月17日、2006年7月24日的Landsat 5/TM及2013年6月26日的Landsat 8/TIRS-OLI共3期影像，影像來源于http：∥glovis.usgs.gov/。利用ENVI 5.1對影像進行了輻射校正、大氣校正、幾何校正與配準，利用西安市行政區劃矢量數據分別對3期影像進行裁剪，提取出本文研究區。

2 研究方法

2.1 地表溫度反演

基于Landsat系列熱紅外數據進行地表溫度反演的算法主要包括輻射傳輸方程法[8-9]、單窗算法[10]、單通道算法[11]、劈窗算法[12-13]。其中，劈窗算法主要用于具有兩個熱紅外通道的Landsat 8 TIRS數據的地表溫度反演[12，14]。美國地質調查局USGS曾指出，由于Landsat 8衛星發射運行時間較短，其第11波段的熱紅外數據尚存在定標不穩定性的問題，因而不建議運用劈窗算法進行地表溫度反演，而是建議仍采用TM/ETM+的單波段方式來計算地表溫度[15-16]。由于單窗算法根據熱輻射傳導方程，把大氣和地表的影響直接包括在演算式中，在計算出輻射亮溫的基礎上，應用地表比輻射率、大氣透過率和大氣平均作用溫度3個參數進行地表溫度反演，簡單易行，因此，采用單窗算法進行地表溫度反演。

2.1.1 輻射亮溫的計算 輻射亮溫的計算方法如下[10]

式中：Tb為輻射亮溫（K）；Lλ為熱輻射強度值[W/（m2·sr·μm）]；K1和K2為校訂系數，對于Landsat 5，K1=607.76 W/（m2·sr·μm），K2=1260.56 K[10]；對于Landsat 8 TIRS 10波段，K1=774.89 W/（m2·sr·μm），K2=1321.08 K[15]；DN為以DN表示的經過量化標定的像元值；gain為波段增益系數[W/（m2·sr·μm·DN）]，offset為偏移系數[W/（m2·sr·μm）]，以上參數可從影像的頭文件中獲取。

2.1.2 比輻射率、大氣透過率和大氣平均作用溫度的估算 采用Valor等[17]提出的混合像元的比輻射率估算方法進行比輻射率的估算。

式中：εv代表植被的比輻射率，一般取0.985；εi代表裸露地表的比輻射率，一般取0.960；f是植被覆蓋度，可通過NDVI的關系得出；dε表示地表幾何分布和內散射效應，dε=0.06f（1-f）[17]。

Qin等[18]運用Lowtran 7大氣模擬程序，對大氣水汽含量在0.4～6.4 g/cm2區間內的大氣透過率進行了模擬，建立了大氣水汽含量與大氣透過率之間的相關關系，以大氣水汽含量來估算大氣透過率τ。采用該方法估算出1992年7月17日的大氣透過率。對于2006年7月24日和2013年6月26日的大氣透過率，采用NASA官網的大氣校正參數計算器計算得到（http：∥atmcorr.gsfc.nasa.gov/）。

3.3 主題活動“人類的起源與發展” 在開展本次活動前，學生需要具有的前概念是： 人類在自然界中的位置、人類起源過程中新舊特征的更替、現代進化理論和人類進化的歷程等。此外，教師在活動前出示南方古猿、能人、直立人和智人頭骨圖及相關簡介。

在天氣比較晴朗，沒有明顯的大氣垂直渦旋作用條件下，可由近地面氣溫T0近似計算大氣平均作用溫度[18]。基于中緯度夏季平均大氣表達式，參考與遙感數據同期的氣象數據，計算得到3個時段的近地面平均大氣溫度。

2.1.3 地表溫度反演 地表溫度反演的算法如下[18]。

式中：Ts為實際地表溫度（K）；Tb為衛星高度上遙感器所觀測到的亮度溫度（K）；Ta為大氣平均作用溫度（K）；C和D是中間變量，其計算式分別為C=ε·τ，D=（1-τ）[1+（1-ε）τ]；a和b是根據熱輻射強度擬合出的系數，當溫度介于0～70℃時，a=-67.355351，b=0.458606；ε和τ分別為熱紅外波段的地表比輻射率和大氣透過率[18]。

2.2 熱力景觀等級劃分

考慮到3期影像成像時刻的差異，無法直接對反演得到的地表溫度進行對比，為此參考徐涵秋等[19]提出的標準化處理方法，將地表溫度經過運算統一到0～1，記作Ni。將歸一化后的地表溫度等間距劃分為低溫區（0≤Ni＜0.2）、次中溫區（0.2≤Ni＜0.4）、中溫區（0.4≤Ni＜0.6）、次高溫區（0.6≤Ni＜0.8）和高溫區（0.8≤Ni＜1）5種熱力景觀類型，后3類熱力景觀對熱島效應起主導作用[6]。

2.3 熱力景觀指數計算

景觀格局指數高度濃縮了景觀格局信息，能夠反映其結構組成和空間配置特征，是景觀格局定量分析的基礎。國內外學者提出了許多定量化的景觀格局指數[2-3]，為對比研究區不同年份間城市熱島效應和熱力景觀的動態變化，選擇以下指數進行分析（表1）。

表1 景觀指數

3 結果與分析

3.1 地表溫度的時間變化特征

地表溫度反演結果見表2，1992年7月17日、2006年7月24日和2013年6月26日西安市地表溫度分別為20.96～36.70℃，22.74～42.97℃和23.36～45.88℃。1992—2013年，最低溫上升幅度相對較小為2.40℃，最高溫上升可達9.18℃，平均溫度上升了5.75℃。其中，1992—2006年最低溫、最高溫和平均溫度的增溫幅度均為2006—2013年的兩倍之多。相關研究表明，1971年以前西安城市熱島效應很弱，幾乎可以忽略；1972—1994年隨著經濟快速發展，城市熱島效應顯現；1995年后，尤其是2000年以后，隨著國家經濟發展戰略的大轉移，在西部大開發戰略的帶動下，陜西經濟進入快速發展階段，西安城區不斷擴大，建設用地規模迅速增加，城市人口和人口密度急劇增加，大氣污染不斷加重，使得城市熱島效應越發明顯，并有逐年增強的趨勢[9，20]。2006—2013年，隨城市建設的快速發展，為改善城市環境，在不斷加強街道和居住區公共綠地建設和改造的同時，通過新建、改建等方式建成了大唐芙蓉園、曲江池遺址公園、城市運動公園和大明宮遺址公園等多個大型園林景觀主題公園，遼闊的水面和較高的植被覆蓋度，對城市溫度的上升均有一定的抑制作用。

3.2 熱力景觀類型的空間分布特征

采用溫度歸一化方法將地表溫度劃分為5種熱力景觀類型（圖1），統計出各熱力景觀類型的像元個數，最終計算出各類所占面積百分比，結果見圖2。

表2 西安市地表溫度反演結果 ℃

由圖1和圖2可見，1992年西安市約84.19%的面積為次中溫區所覆蓋，主要分布于明城墻以外的廣大地區；中溫區約占11.93%，主要分布于蓮湖區、新城區、碑林區，以及未央區東南和灞橋中西部地區；低溫區比例不高，但集中分布于灞河沿岸及其西南、渭河沿岸及灞橋東部山地；次高溫區和高溫區零星分布于蓮湖區西北、新城區東部、未央區西南部和灞橋區中西部。至2006年，中溫區向明城墻外圍大面積擴散，面積增加了31 169.97 hm2（增加比例達37.56%），在雁塔區、灞橋區中南部和未央區南部增加明顯；次中溫區面積下降了36 412.7 hm2，所占比例降至40.32%；次高溫區較1992年也有較大增加，所占比例達到了8.91%，從1992年的零星分布于主城區發展至連片狀覆蓋于主城區。由于經濟的快速發展，城市中心建筑密集，人口高度集中，高溫區面積也逐漸增加，而次中溫區面積則大幅下降；1992年分布于灞河西南的低溫區已不復存在，渭河沿岸和灞橋東部山地的低溫區也明顯減小。2013年次高溫區面積大幅增加，覆蓋了城市50%以上的地區，高溫區增幅也較為明顯，二者合計可占全市面積的65%；中溫區面積快速下降，以灞橋北部地區斑塊面積較大，其余地區則呈鑲嵌狀散落于次高溫區中，次中溫區面積也大幅下降；低溫區面積與2006年相比略有增加，與城市生態環境的改善有較大關系。

圖1 西安市熱力景觀分類

圖2 熱力景觀類型面積變化

3.3 斑塊類型指數的變化特征

3.3.1 聚集度指數分析 由圖1和圖3可見，1992年次中溫區和中溫區兩類熱力景觀類型的聚集度指數較高，分別為97.665 6，88.631 4，以次中溫區為最高，在空間上呈大面積連片狀分布；次高溫區、高溫區和低溫區雖然面積有限，但聚集度指數均接近80，說明這3種熱力景觀類型在空間分布上傾向于小范圍的集中分布。2006年除次中溫區聚集度指數下降外，其余各熱力景觀類型的聚集度指數均有所上升，但次中溫區仍具有最高的聚集度，中溫區緊隨其后，二者的聚集度指數均超過90，由此表明原來大面積連片分布的次中溫區被具有較高熱力等級的中溫區所擾動，開始趨于分裂破碎，僅在城市北部地區較為集中，而中溫區在向外擴散的過程中，體現出集中、連片的分布趨勢；次高溫區、高溫區相較于1992年聚集度指數上升幅度較大，從空間上看，兩類型呈現出斑塊狀散布的特點；低溫區僅集中分布于灞河沿岸和灞橋東部山地，因而聚集度指數有較大增加。至2013年，次高溫區、中溫區和高溫區的聚集度指數均超過91，其他兩種熱力景觀類型的數值也在88以上，各熱力景觀類型聚集度指數間的差距變小。綜上，從1992—2013年，次中溫區聚集度指數持續穩步下降，聚集度降低，破碎度增加；次高溫區、高溫區穩步上升，聚集度增加，分布范圍擴大；低溫區雖穩步上升但范圍有限；中溫區聚集度指數在1992—2006年間有所上升，后略有回落，但聚集度指數整體較高。

總體來看，20年間除次中溫區外，其余各熱力景觀類型的聚集度指數均在增加、聚集度指數間的差距逐漸縮小，各熱力景觀類型內部趨于集中分布，各個類別與覆蓋范圍大的次高溫區鑲嵌分布，使熱力景觀整體的破碎度增加。

圖3 聚集度指數變化

3.3.2 面積—周長分維數分析 由圖4可見，1992年，低溫區具有最高的分維數，其斑塊形狀復雜，說明受人為干擾程度較小，這與其于河流沿岸和灞橋東部山地分布的空間特征相吻合；次中溫區和中溫區次之，人為干擾也相對較小；而高溫區和次高溫區分維數小，斑塊形狀簡單，人類干擾特征明顯，由圖1可見，高溫區和次高溫區以廠礦地區較為集中。到2006年，低溫區、次中溫區和中溫區分維數均有所降低，以低溫區降低幅度最大，說明這3類熱力景觀類型受人類干擾程度有增大的趨勢；高溫區和次高溫區分維數有所增加，由于基數較低，因而人類干擾一直較大，主要分布于城市人口、建筑高度密集和廠礦集中的區域。到2013年，低溫區和次中溫區分維數進一步降低，次高溫區變化不大，中溫區和高溫區分維數有所增加，其中，高溫區分維數雖已達3年最大值，但仍是所有熱力景觀類型分維數中的最小值，指示人類活動對這一熱力景觀類型具有最強烈的影響；次高溫區和中溫區分維數基本穩定，表明人類活動對他們的影響持續而穩定存在，這兩類區域以建筑用地、居民地、道路為主，人類影響較大，斑塊形狀相對簡單；低溫區和次中溫區分維數持續降低，斑塊形狀逐漸趨于規則化，由圖1可見，兩類區域以耕地、林地、城市綠地和水域為主，隨城市和經濟發展，這些地類受人類影響增大，因而不斷向單一化、有序化和規則化方向發展，從另一個側面說明了人類的干擾在持續增強。

綜上，1992—2013年低溫區和次中溫區分維數在逐年降低，人類對其影響在增強；高溫區和次高溫區分維數在逐年增高，高溫區受人類影響最大，低溫區受人類擾動較小。2006—2013年次高溫區和中溫區分維數逐漸趨于穩定，其斑塊形狀亦趨于穩定，說明人類的擾動持續而穩定地存在。

圖4 面積-周長分維數變化

3.4 景觀類型指數的變化特征

采用蔓延度指數（CONTAG）、均勻度指數（SHEI）和多樣性指數（SHDI）從景觀水平分別反映各熱力景觀類型中景觀成分的團聚程度（即景觀的連通性）、各類斑塊分配的均勻程度和景觀格局的豐富度和復雜度，景觀類型指數計算結果見表3。

表3 景觀類型指數

由表3可知，CONTAG從1992—2013年在不斷下降，意味著在1992年次中溫區這一優勢斑塊類型形成了良好的連接性，隨后，熱力景觀逐漸轉變為次高溫區、中溫區等多種斑塊散布分布的空間格局，熱力景觀的破碎化程度進一步增高。20年來，均勻度指數不斷上升，1992年SHEI較低，為0.336 7，與當時以次中溫區為主的熱力景觀格局相吻合，隨城市規模不斷擴大，城市快速發展，人口迅速增加，SHEI也在不斷增加，次高溫區、中溫區等各類斑塊面積增加，次中溫區面積大幅減少，各個斑塊類型分配的均勻度不斷增加，熱力景觀各組分分配越來越均勻。SHDI從1992—2013年也在不斷上升，說明熱力景觀的豐富度和復雜度不斷增加，異質性不斷提升，熱力景觀更加趨于多樣化，景觀間能量交換也更加便利。總體來看，1992—2006年3個指數的變化幅度均明顯大于2006—2013年的變化幅度，說明1992—2006年各景觀成分的團聚程度要高于2006—2013年，景觀成分分布的均勻度與豐富度均低于2006—2013年。景觀成分團聚程度降低、破碎度增加，均勻度、豐富度不斷增高，使各熱力景觀類型的空間分布發生明顯改變，尤其是高熱力等級的類型，從城市中心迅速向四周擴散，從而使整個城市的熱環境格局發生了顯著變化。這一變化過程與西安市城市熱島強度呈分段式增加的特點有著較好的一致性。最新研究表明，1993—2006年西安市熱島強度的增長幅度明顯大于2007—2012年的增長幅度，1993—2012年的20年間西安市常住人口、人口密度以及建城區面積分別增加了35.56%，24.53%和329.9%，熱島強度與這3項指標之間的相關系數分別達到0.779，0.835，0.682，在0.01水平（2-tailed）上呈顯著相關，與三者間的灰色關聯度分別為0.851 7，0.837 9，0.821 7，均在0.80以上。單位GDP能耗、房屋建筑竣工面積、全社會機動車輛數等也是導致熱島強度增加、熱力景觀格局發生變化的重要因素[21]。

4 結論

（1）從1992—2013年，西安市地表最低溫、最高溫和平均溫度均有不同程度的增加，城市熱島效應呈逐漸增強的趨勢，且1992—2006年的增溫幅度明顯大于2006—2013年的增溫幅度。

（2）從熱力景觀類型的空間分布看，1992年西安市以次中溫區為主；到2006年地表溫度升高，中溫區占據主要地位，次中溫區也廣泛分布；到2013年，整個城市熱環境格局發生了很大的改變，次高溫區占據城市大部分面積，中溫區與次高溫區鑲嵌分布，使整個城市處于較高的熱力等級之中。

（3）從斑塊類型指數的變化特征看，20年間除次中溫區外，其余各熱力景觀類型的聚集度指數均在增加，聚集度指數間的差距逐漸縮小，各熱力景觀類型與次中溫區鑲嵌分布，使城市熱力景觀整體的破碎度增加；從1992—2013年，低溫區和次中溫區分維數逐年降低，高溫區和次高溫區分維數逐年增高，高溫區受人類影響最大，低溫區受人類擾動較小。2006—2013年次高溫區、中溫區和次中溫區分維數逐漸趨于穩定，斑塊形狀亦趨于穩定，說明人類的擾動持續而穩定存在。

（4）從景觀類型指數看，1992—2013年蔓延度指數不斷下降，均勻度指數和多樣性指數不斷上升，熱力景觀格局時空差異較大。20多年來，熱力景觀從以次中溫區為優勢斑塊連片分布的空間格局，轉變為以次高溫區、中溫區等多種熱力斑塊鑲嵌散布的空間格局，熱力景觀的破碎化程度不斷提高，各熱力斑塊分配的均勻度、景觀格局的豐富度和復雜度均穩步增加。

景觀格局指數能夠有效地表達城市熱力景觀類型的組成、空間配置及演變特征，是分析城市熱環境格局及其演變過程的重要工具。深入理解各熱力景觀類型相互轉換的過程、熱力景觀格局演變與人口、城鎮化等影響因素之間的相互關系，對改善城市熱環境狀況、建設宜居生態城市具有重要意義，也是今后需要進一步探討的問題。

[1]陳云浩，李京，李曉兵.城市空間熱環境遙感分析：格局、過程、模擬與影響[M].北京：科學出版社，2004.

[2]岳文澤.基于遙感影像的城市景觀格局及其熱環境效應研究[M].北京：科學出版社，2008.

[3]鄔建國.景觀生態學：格局、過程、尺度與等級[M].北京：高等教育出版社，2007.

[4]陳云浩，李曉兵，史培軍，等.上海城市熱環境的空間格局分析[J].地理科學，2002，22（3）：317-323.

[5]黃聚聰，趙小鋒，唐立娜，等.城市化進程中城市熱島景觀格局演變的時空特征：以廈門市為例[J].生態學報，2012，32（2）：622-631.

[6]孟丹，王明玉，李小娟，等.京滬穗三地近十年夜間熱力景觀格局演變對比研究[J].生態學報，2013，33（5）：1545-1558.

[7]西安市統計局.西安統計年鑒2014[Z].北京：中國統計出版社，2014.

[8]Sobrino J A，Jiménez-Mu?oz J C，Paolini L.Land surface temperature retrieval from LANDSAT TM5[J].Remote Sensing of Environment，2004，90（4）：434-440.

[9]楊麗萍，孔金玲，郭玉芳，等.西安城區地表溫度的遙感反演與時空演變分析[J].蘭州大學學報：自然科學版，2015，51（3）：388-396.

[10]覃志豪.用陸地衛星TM6數據演算地表溫度的單窗算法[J].地理學報，2001（4）：456-466.

[11]Jiménez-Mu?oz J C，Sobrino J A.A generalized singlechannel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research，2003，108（D22）：2015-2023.

[12]Rozenstein O，Qin Z，Derimian Y，et al.Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm[J].Sensors，2014，14（4）：5768-5780.

[13]Jiménez-Mu?oz J C，Sobrino J A，Skokovic D，et al.Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J].IEEE Geoscience&Remote Sensing Letters，2014，11（10）：1840-1843.

[14]Yu X，Guo X，Wu Z.Land surface temperature retrieval from Landsat 8 TIRS：Comparison between radiative transfer equation-based method，split window algorithm and single channel method[J].Remote Sensing，2014，6（10）：9829-9852.

[15]徐涵秋.新型Landsat8衛星影像的反射率和地表溫度反演[J].地球物理學報，2015，58（3）：741-747.

[16]蔣大林，匡鴻海，曹曉峰，等.基于Landsat8的地表溫度反演算法研究：以滇池流域為例[J].遙感技術與應用，2015，30（3）：448-454.

[17]Valor E，Caselles V.Mapping land surface emissivity from NDVI：Application to European，African，and South American areas[J].Remote Sensing of Environment，1996，57（3）：167-184.

[18]Qin Z H，Karnieli A，Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-E-gypt border region[J].International Journal of Remote Sensing，2001，22（18）：3719-3746.

[19]徐涵秋，陳本清.不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J].遙感技術與應用，2003，18（3）：129-133.

[20]董妍，李星敏，楊艷超，等.西安城市熱島的時空分布特征[J].干旱區資源與環境，2011，25（8）：107-112.

[21]劉宇峰，原志華，孔偉，等.1993—2012年西安城區城市熱島效應強度變化趨勢及影響因素分析[J].自然資源學報，2015，30（6）：974-985.

Evolution of the Thermal Landscape Patterns in Xi'an City Based on Remote Sensing

YANG Liping1，WANG Le1，2，SUN Xiaohui1，LIU Jing1
（1.School of Earth Science and Resources，Chang′an University，Xi′an710054，China；2.Xi′an Aerospace Remote Sensing Data Technology Co.，Ltd.，Xi′an710100，China）

Three Landsat images of Xi′an from 1992 to 2013 were used to retrieve land surface temperatures（LST），which were then classified into 5 classes by means of a normalized classification method.The thermal landscape patterns and the evolution characteristics were discussed through the analysis of thermal landscape indexes by using the research method introduced from landscape ecology.The results showed that the heat island intensity increased and the thermal landscape pattern presented great spatiotemportal difference.Dominated by large areas of sub-middle temperature region in 1992，the thermal landscape has changed to a mosaic distribution pattern mixed by multi-thermal landscape patches，including sub-high temperature region，middle temperature region and so on in 2013.The fragmentation degree intensified，and the degree of uniformity，richness and complexity enhanced steadily.Human activities have long term and steady disturbance to the urban thermal environment.

land surface temperature；thermal environment；landscape pattern；remote sensing；Xi′an City

TP79;X16

A

1005-3409（2017）01-0250-06

2016-01-28

2016-03-20

國家自然科學基金（41371220）；中央高校基本科研業務費專項資金（0009-2014G2270012）

楊麗萍（1968—），女，陜西耀縣人，博士，副教授，主要從事定量遙感及3S應用研究。E-mail：zylpyang＠chd.edu.cn