2001—2015年間廣西壯族自治區防城港市熱島效應時空變化研究

孫 明， 謝 敏， 丁美花， 許文龍， 黃思琦， 高 菲

(1.廣西壯族自治區氣象減災研究所/國家衛星氣象中心遙感應用試驗基地,南寧 530022； 2.廣西壯族自治區氣候中心,南寧 530022； 3.廣西防城港市氣象局,防城港 538001； 4. 南京信息工程大學地理與遙感學院，南京 210044； 5.江蘇省防汛防旱指揮部辦公室,南京 210029)

0 引言

熱島效應是指城市城區氣溫高、郊區氣溫低的現象，在溫度的空間分布上，城區像一個突兀的、溫暖的孤島[1]。城市熱島現象是城市氣候災害之一，不僅能引起城市高溫，還會增加城市的能源消耗，加劇城市中的大氣污染，影響區域氣候、城市水文、空氣質量以及物質代謝、能量循環等諸多城市生態過程，是引發一系列生態環境問題的重要原因之一。對熱島效應的研究方法主要有常規技術和遙感技術2類[2-3]，常規技術一般以地面測量和空間模擬為主，數據主要來源于氣象資料，通過數學和統計學方法對熱島效應進行分析。例如林學椿等[4]用北京地區20個氣象觀測站41 a的年平均氣溫記錄，研究了北京地區的大尺度氣溫變化及其熱島效應。

地表溫度(land surface temperature，LST)是地—氣界面長波輻射和湍流通量交換的直接驅動因子，城市地區LST的定量反演對于城市氣候和環境監測具有特殊意義。

與常規方法相比，遙感技術具有快速、便捷、測量范圍大等特點，遙感反演LST的常用方法主要有輻射傳輸方程法、單窗算法、單通道算法和劈窗算法[5]。例如楊麗萍等[6]利用輻射傳輸方程法反演了西安城區的LST，研究LST的分布格局和方向特性，取得了較好的效果； 薛曉娟等[7]利用HJ-1B近紅外數據，采用單窗算法反演了北京市LST，研究北京市熱島效應的年際、年內變化趨勢和空間分布特征； 王猛猛等[8]利用Landsat TM數據，采用單通道算法反演了合肥市LST，并對LST進行歸一化處理，分析合肥城市熱島分布及變化； 楊槐[9]在劈窗算法的基礎上，根據Landsat8的波段特征，提出了適用于Landsat8的劈窗算法，并對廈門市的LST進行了反演。單窗算法和單通道算法需要氣象實測數據或同時相的MODIS數據進行相關反演參數計算，多數情況下，地方氣象觀測站均有對應于衛星過境時天氣要素的實時觀測數據，但在參數化過程中使用的數據仍然是標準大氣廓線數據，對反演精度造成一定的影響； 劈窗算法以Landsat8為數據源時，其第11波段存在的不穩定性會對反演精度產生較大影響； 輻射傳輸方程法根據普朗克方程反演LST，物理基礎明確，在獲取或模擬出較準確的大氣參數時，反演精度較高，借助美國國家航空航天局(National Aeronautics and Space Administration，NASA)提供的大氣校正計算器，可以快速獲取反演所需的各種大氣參數，提高了該方法的應用范圍和可操作性。國內學者對北京、上海、廈門等大城市的城市熱島效應進行了廣泛研究，而對防城港的研究尚未見報道。

進入21世紀以來，防城港市城鎮化進程迅猛發展，建成區規模逐年擴大，由城鎮化引起的下墊面條件變化對氣象環境造成的影響逐漸顯現，城市熱島效應逐年加重，對城市生態環境產生非常嚴重的影響。為此，本文利用3期陸地衛星遙感影像(Landsat5 TM和Landsat8 OLI)，采用輻射傳輸方程法反演防城港市LST； 設置熱島強度和熱島比例指數2個評價指標，監測2001—2015年防城港市建成區的變化情況、城市熱島的變化規律及分布特征； 分析城市下墊面因子對城市熱島效應的影響。研究成果可為防城港市創建全國園林城市提供科學合理的建議，為減輕城市發展給生態環境帶來的影響提供技術支持。

1 研究區概況及數據源

1.1 研究區概況

防城港市地處廣西壯族自治區南部，位于E107°28′～108°36′，N21°36′～22°22′之間，包括二區、一市、一縣(即防城區和港口區、東興市及上思縣)。全市山地和丘陵面積占80%以上，地勢中間高，向東南和西北傾斜[10]。氣候屬于典型的南亞熱帶海洋性濕潤季風氣候。2008年，國家提出把廣西北部灣經濟區建設成為重要國際區域經濟合作區，防城港市的經濟和城市建設得到快速發展，大量工業園區、港口、碼頭以及商業地產開發，大大改變了城市下墊面結構，在硬化路面增多的同時，綠地和城市水體等城市冷源卻占比降低。氣象臺站觀測資料也顯示，防城港市城區與郊區間的溫度差逐年加大，表明防城港市的城市熱島效應越來越顯著。防城港市的城市建成區如圖1所示。

圖1 研究區位置示意圖Fig.1 Sketch map for location of research region

1.2 數據源

受防城港氣候特征的影響，全年中能夠獲取高質量衛星遙感影像的時間主要集中在10—12月。由于前文所提到的政策性原因，2008年是防城港市經濟和城市建設的重要節點，為此，本文將2008年作為時間拐點，選取防城港市2001年11月17日(Landsat5 TM)、2008年11月20日(Landsat5 TM)和2015年10月23日(Landsat8 OLI)獲取的3個時相的陸地衛星遙感影像作為數據源，其熱紅外波段數據均已插值到30 m空間分辨率。影像的光譜信息豐富、紋理結構清晰，能較好地反映土地利用各地類特征； 城市建成區及近郊等重要區域無云霧遮蓋，影像質量較好。利用ENVI5.1軟件對原始衛星影像進行了輻射校正和大氣校正，為LST反演和城市熱島效應分析提供了可靠的基礎數據。

2 研究方法

2.1 城市建成區范圍提取

城市建筑用地的土地利用類型比較復雜，電磁波反射光譜異質性較大，單純利用原始多光譜信息提取建筑用地，往往很難達到理想的效果。徐涵秋等[11-12]提出用基于規則的譜間差異和邏輯判別的建筑用地指數(index-based build-up index，IBI)提取建筑用地信息，獲得了較高的提取精度，即

(1)

(2)

(3)

(4)

式中：NDBI為歸一化差值建筑指數(normalized difference build-up index)；SAVI為土壤調節植被指數(soil adjusted vegetation index)；MNDWI為改進的歸一化差值水體指數(modified normalized difference water index)；Green，Red，NIR和MIR分別為綠、紅、近紅外和中紅外波段的灰度值。由于引入了土壤調節因子l，SAVI被認為最適合研究低植被覆蓋區，其探測植被覆蓋率的下限可低至15%； 由于城市建成區及其周邊存在各種裸土信息，植被覆蓋率較低，因此將SAVI作為增強建筑用地信息的植被指數更為合適，l值取0.5時可將土壤亮度差異減到最小，最大限度地突出植被信息[13]。

建筑用地的NDBI大于其SAVI和MNDWI； 植被和水體分別在SAVI和MNDWI獲得最大值。通過式(1)的計算，能夠擴大衛星影像中建筑用地與植被和水體的反差，增強建筑用地信息，從而達到提取城市建成區的目的。

城市建成區不只包含建筑用地，還包括城市中的綠地、公園、湖泊等功能區域，需要將建筑用地范圍內所包含的綠地、水體等信息與建筑用地進行類別合并，得到相應的城市建成區范圍。

2.2 地表比輻射率計算

本文采用覃志豪等[14]提出的地表比輻射率估算方法，估算自然表面混合像元尺度上的地表比輻射率，即

ε=PVRVεV+(1-PV)Rmεm+dε，

(5)

(6)

式中：ε為地表比輻射率；PV為植被覆蓋率；RV為植被的溫度比率；εV為植被輻射率；Rm為建筑表面的溫度比率；εm為建筑物輻射率；dε為自然表面的幾何分布與內部反射效應而引起的發射率比例；NDVIV和NDVIS分別為植被和裸土的NDVI值。RV和Rm的計算公式分別為

RV=0.933 2+0.058 5PV，

(7)

Rm=0.988 6+0.128 7PV。

(8)

對于TM數據，εV和εm可根據覃志豪等[14]提供的經驗值，分別取值0.986和0.972； 對于Landsat8 OLI數據，εV和εm分別取0.982和0.967[15]；dε的取值根據植被覆蓋度的組成決定，即

(9)

2.3 地表溫度反演

遙感技術的飛速發展為快速獲取LST提供了新的途徑，目前使用較多的LST反演方法主要有輻射傳輸方程法、劈窗算法、單通道算法和多通道算法[16-19]。本文采用輻射傳輸方程法[20-22]反演LST,即

Lsensor=ετB(TS)+(1-ε)τLatm↓+Latm↑ ，

(10)

式中：Lsensor為傳感器接收到的熱紅外光譜輻射亮度，Wm-2sr-1um-1；TS為地表溫度，K；B(TS)為普朗克黑體光譜輻亮度，Wm-2sr-1um-1；Latm↓和Latm↑分別為大氣下行輻射亮度和大氣上行輻射亮度；τ為大氣透射率。

通過上述公式，可以推算出溫度為T的黑體在熱紅外波段的輻射亮度B(TS)，即

B(TS)=[Lsensor-Latm↑-τ(1-ε)Latm↓] /(τε) 。

(11)

地表溫度TS可以用普朗克公式的函數獲取，即

(12)

式中： 對于TM數據，K1=607.76 Wm-2sr-1um-1，K2=1 260.56 K； 對于TIRS Band10數據,K1=774.89 Wm-2sr-1um-1,K2=1 321.08 K；τ，Latm↑和Latm↓這3個參數可從NASA官網(http： //atmcorr.gsfc.nasa.gov)獲取。

通過輸入影像的成像時間及中心經緯度等信息，即可得到相應的大氣參數(表1)。所選數據當日大氣透射率均較高，反演結果的溫度分布趨勢與氣象站的實際觀測結果較為一致，表明反演結果具有一定的參考價值。

表1 LST反演的大氣參數Tab.1 Atmospheric parameters of land surface temperature inversion

2.4 熱島強度計算

地表城市熱島強度(surface urban heatisland intensity，UHI)[23]定義為城市城區LST與郊區鄉村LST之差，可反映城鄉溫差的程度。其計算公式為

(13)

式中：UHIi為圖像中第個i像元所對應的熱島強度；Ti為城區LST；n為郊區農田內的有效像元數；Tcrop為郊區農田內的LST。

UHI的關鍵在于郊區范圍的確定。Peng等[24]的研究表明，熱島效應最小影響區域為城區面積的150%，因而要確定郊區范圍首先要確定城市建成區，在此基礎上構建城區面積的150%作為城市邊緣區(即城市郊區)。根據實驗結果分析，參照文獻[23]的劃分標準，將UHI分為4個等級(表2)。

表2 防城港市熱島強度等級劃分Tab.2 Grade division of heat island intensity in Fangchenggang City

2.5 熱島比例指數計算

城市熱島比例指數(urban-heat-island ratio index，URI)[25]是一個定量指標，可用于比較不同時相、不同地區的熱島強度大小，具有熱島指示意義。其計算公式為

(14)

式中：m為熱島強度等級數；i為城區溫度高于郊區溫度等級序號；n為城區溫度高于郊區溫度的等級數；wi為第i級的權重；pi為第i級值所占百分比例。一般URI值域為[0,1]，該值越大，熱島現象越嚴重。

3 結果與分析

3.1 城市擴張情況

利用IBI提取防城港市建筑用地信息，通過選取合適的閾值，得到防城港市不同時期、不同地區的城市建成區范圍(圖2)。

圖22001—2015年防城港市不同地區建成區分布

Fig.2Distributionofbuilt-upareaindifferentdistrictsofFangchenggangCityfrom2001to2015

根據圖2進行統計，結果表明： 防城區及港口區建成區2001年面積為33.39 km2，2008年面積為54.15 km2，2015年面積為114.78 km2，15 a間增加了81.39 km2，年均增長率為9.2%； 建成區擴張主要在沿海灘涂區域，包括圍海造陸、興建工業園區等。東興市建成區面積2001年為3.6 km2，2008年為6.15 km2，2015年為12.13 km2，2008—2015年增長比較迅速，年均增長率為9.1%； 其擴展為典型的圈層式。上思縣建成區面積2001年為1.11 km2，2008年為4.80 km2，2015年為5.94 km2，2015年建成區面積約為2001年的5.3倍。其中，2001—2008年間建成區面積迅速擴張，年均增長率為23.3%； 2008—2015年間增速放緩，年均增長率降低到3.1%。

3.2 熱島強度分布特點及發展趨勢

3.2.1 防城區和港口區

圖3為2001年，2008年和2015年防城區和港口區熱島強度空間分布圖，從中可以看出15 a來防城區及港口區的城鎮化發展歷程。

(a) 2001年 (b) 2008年 (c) 2015年

圖32001—2015年防城區和港口區熱島強度空間分布圖

Fig.3DistributionofheatislandintensityinFangchengandGangkoudistrictsfrom2001to2015

由圖3可知，強熱島區主要分布在市區及工業開發區，弱熱島區主要分布在水體和森林覆蓋率較高的地區。UHI的發展特征為由南向北發展，自西向東擴張。2001年，防城區和港口區城市建成區主要包括防城區及港口區友誼路和建港路周邊開發區域，港口區未大面積開發，強熱島區域主要集中在港口區港務局及市人民醫院附近，城市其他區域以弱熱島為主。2008年，強熱島區域主要分布在港口區西南沿海一帶，并逐漸向企沙鎮一帶擴張，局部出現強熱島區域； 防城區變化不大，仍然以弱熱島為主，局部小范圍出現較強熱島。2015年，港口區外海填海面積大幅擴張，東部企沙鎮建成大面積的工業園區，擴建了大量連接園區及碼頭的公路網絡； 強熱島區域遍及港口區主要建成區，企沙鎮及公車鎮都出現強熱島； 防城區小部分區域出現較強熱島。

對比2001—2015年3期UHI可知，防城港市城市主要向南以及向東發展，城市熱島發展趨勢與城市開發建設同步，強熱島區域隨著城市新開發區域面積的擴大而大幅擴張； 防城區城市熱島效應變化緩慢，由于防城區為老城區，多年來城市改、擴建幅度較小，因而其城市熱島效應表現為緩慢增加的趨勢。通過統計3期影像中的強熱島及較強熱島的面積可知，較強熱島區面積分別為10.17 km2，19.74 km2和36.68 km2，年均增長率為9.60%； 強熱島區面積分別為1.94 km2，10.53 km2和53.42 km2，年均增長率為26.72%。

3.2.2 東興市

東興市的城市熱島呈圈層式向外圍發展，具體如圖4所示。

(a) 2001年(b) 2008年(c) 2015年

圖42001—2015年東興市熱島強度空間分布

Fig.4DistributionofheatislandintensityinDongxingCityfrom2001to2015

城市熱島隨著城市范圍的擴張而擴大，強熱島區域均分布在新建城區范圍內，老城區的發展趨勢與防城區類似，熱島增加趨勢比較緩慢。2001年，東興市熱島區域主要分布在解放路一帶老城區，外圍區域均無熱島效應； 2008年，城市的外圍往東部和北部發展，興東路附近出現了較強熱島，局部出現小范圍強熱島，城區大部分地區為弱熱島和較強熱島； 2015年，東興市建成區面積大幅擴張，市區大部分區域呈現較強熱島，強熱島區沿著北侖河分布，均為新建城區。通過對3期影像中強熱島區面積統計，其面積分別為0.03 km2，1.15 km2和5.88 km2。2008—2015年間，東興市的城市強熱島區域大幅增加，這與東興市的城市發展趨勢一致。

3.2.3 上思縣

圖5為2001—2015年上思縣熱島強度空間分布圖。

(a) 2001年(b) 2008年(c) 2015年

圖52001—2015年上思縣熱島強度空間分布

Fig.5DistributionofheatislandintensityinShangsiCountyfrom2001to2015

2001年，上思縣主要以弱熱島及較強熱島區域為主，城市建成區以老縣城為主； 2008年，城市沿著團結路向西南方向及南部擴張，城市熱島效應仍然不是很顯著，大部分區域仍然為弱熱島效應； 2015年，上思縣城大部分區域都出現熱島效應，其中教育路及縣人民醫院附近出現強熱島，以縣城為中心，外圍出現大面積較強熱島區域，無熱島區域面積大幅度縮小。從面積統計上看，強熱島區域面積從2001年的0.03 km2發展到2015年的0.77 km2，面積擴大了約25.7倍。

3.3 熱島比例指數發展趨勢

對反演的防城港市不同時期LST進行歸一化處理，然后分為5個等級，分別為低溫[0，0.2)、中溫[0.2，0.4)、正常[0.4，0.6)、高溫[0.6，0.8)和特高溫[0.8，1.0]。統計不同等級LST的面積，選取高溫和特高溫2個等級代表城市熱島范圍，則其權重分別為4和5。利用式(14)計算得到不同時期、不同區域的URI(圖6)。

從圖6可以看出，URI逐年遞增，表明防城港市整體城市熱島效應呈逐年增加的趨勢。其中，東興市的URI最高，2008—2015年增幅最大，2015年已經達到0.62，表明東興市的城市熱島現象已經非常明顯； 防城區和港口區的URI在2001—2008年有一個躍升(這與港口開發有關)，2008—2015年則呈緩慢遞增趨勢； 上思縣與港口區的變化趨勢相似，2008年以前URI增速較快，2008年以后則緩慢增加。

圖6 2001—2015年防城港市熱島比例指數示意圖Fig.6 Diagram of urban-heat-island ratio index in Fangchenggang City from 2001 to 2015

3.4 熱島效應與城市下墊面的關系

熱島效應與城市下墊面特征密切相關。在城市建成區內，與熱島效應密切相關的地表參數主要有建筑用地、水體和植被。利用2015年獲取的遙感影像，分別計算IBI,NDVI及MNDWI，將3種指數分別歸一化到[0,1]； 然后在整個研究區內均勻選取樣本點，利用SPSS軟件，采用多種函數(線性、冪、指數、對數及多項式等)對樣點進行擬合，得出LST與各種指數之間的最佳擬合方程(圖7)。

(a) 建筑用地(b) 植被(c) 水體

圖7建筑用地、植被及水體與LST散點圖

Fig.7Scatterdiagramsbetweenurbanland,vegetation,waterandLST

分析圖7(a)可知，建筑用地密度越高的地區，其IBI越低； 本文研究區的IBI主要分布在0.17～0.20之間。從LST與IBI的散點圖(圖7(a))可以看出，IBI與LST呈反比關系，IBI越低，建筑密度越高，其LST越高，表明城鎮建筑對城市熱島效應具有明顯的增溫作用。根據IBI與LST的擬合方程，可定量分析IBI與LST之間的關系,建筑用地比例高的地區溫度升高比建筑用地比例低的地區要快。

分析圖7(b)，(c)可知，LST與NDVI及MNDWI呈反比關系，NDVI越高、植被覆蓋越好的地區，其LST越會相應地降低；MNDWI越高、含水量越多的地區，其LST越低； 表明植被和水體對城市熱島效應具有明顯的降溫作用。從圖7中的擬合方程可以看出，NDVI和MNDWI與LST的擬合方程的斜率分別為-18.747和-29.982，說明水體對LST的影響程度高于植被。

為了定量研究城市綠地和水體對城市熱島效應的影響，選取港口區的桃花湖公園水體和防城區的大尖峰綠地，每隔30 m建立一個緩沖帶，統計不同距離緩沖帶內的溫度(表3)。

表3 城市綠地和水體不同距離緩沖帶內的LST及溫度差Tab.3 LST and temperature difference in different buffers of green land and water body

從表3中的統計結果可以看出，在桃花湖公園附近180 m距離內，溫度差都是正值，溫度差最大可達2.49 ℃； 隨著距離的加大，溫度差呈下降趨勢，水體對城市熱島效應的影響逐漸減弱。在大尖峰附近120 m距離內，溫度差都是正值，溫度差最大可達到1.9 ℃； 距離越遠，溫度差越小。與城市綠地相比，水體對城市熱島效應的影響距離更遠，對周圍熱場分布的改善作用更加顯著。

4 結論

1)防城港快速的城鎮化進程使得城市建成區范圍大幅擴張，城市熱島效應日益嚴重。對3期陸地衛星遙感影像的分析研究表明，與2001年相比，2015年防城港市各區、市、縣的建成區面積均顯著增加： 防城區及港口區的建成區面積為2001年的3.4倍； 東興市的建成區面積為2001年的3.3倍； 上思縣的建成區面積為2001年的5.4倍?？焖俪擎偦倪M程使得城市建筑用地面積大量增加，而植被和水體所占比重迅速降低。

2)2001—2015年間，防城港市各區、市、縣的城市熱島強度均呈現逐年遞增的趨勢。其中，防城區和港口區強熱島區年均增長37.3%； 東興市強熱島區面積年均增長9.7%； 上思縣強熱島區面積增加雖不顯著，但較強熱島面積從2001年的0.03 km2發展到2015年的1.48 km2，面積顯著增加。

3)2001—2015年間，防城港市不同區、市、縣的URI均呈逐年遞增的趨勢，表明防城港市城市熱島效應逐年加重。其中，東興市的URI最高，年均增幅最大。

4)城市下墊面對熱島效應的影響主要表現為： 城市熱島效應與城市用地呈正比關系，城鎮化程度越高，建筑密度越大，地表增溫越快； 城市熱島效應與城市綠地和水體呈反比關系，城市植被覆蓋度越高，水體越多，對周邊城市熱場的降溫作用越明顯。其中，水體對城市熱場的作用距離和降溫效應均明顯好于綠地。

[1] 沈立新,鮑淳松.關于城市熱島問題的綜述[J].浙江林業科技,2000,20(3):89-92.

Shen L X,Bao C S.Summary on urban heat island[J].Journal of Zhejiang Forestry Science and Technology,2000,20(3):89-92.

[2] 陳 健,楊旭媛.基于ASTER數據的城市熱環境遙感監測研究[J].國土資源遙感,2011,23(3):100-105.doi:10.6046/gtzyyg.2011.03.18.

Chen J,Yang X Y.A study of remote sensing monitoring of urban thermal environment based on ASTER data[J].Remote Sensing for Land and Resources,2011,23(3):100-105.doi:10.6046/gtzyyg.2011.03.18.

[3] 楊可明,周玉潔,齊建偉,等.城市不透水面及地表溫度的遙感估算[J].國土資源遙感,2014,26(2):134-139.doi:10.6046/gtzyyg.2014.02.22.

Yang K M,Zhou Y J,Qi J W,et al.Remote sensing estimating of urban impervious surface area and land surface temperature[J].Remote Sensing for Land and Resources,2014,26(2):134-139.doi:10.6046/gtzyyg.2014.02.22.

[4] 林學椿,于淑秋.北京地區氣溫的年代際變化和熱島效應[J].地球物理學報,2005,48(1):39-45.

Lin X C,Yu S Q.Interdecadal changes of temperature in the Beijing region and its heat island effect[J].Chinese Journal of Geophysics,2005,48(1):39-45.

[5] 王艷慧,肖 瑤.北京市1989-2010年地表溫度時空分異特征分析[J].國土資源遙感,2014,26(3):146-152.doi:10.6046/gtzyyg.2014.03.24.

Wang Y H,Xiao Y.A tempora1-spatia1variation ana1ysis of 1and surface temperature in Beijing[J].Remote Sensing for Land and Resources,2014,26(3):146-152.doi:10.6046/gtzyyg.2014.03.24.

[6] 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.

Yang L P,Kong J L,Guo Y F,et al.Inversion and temperal-spatial evolution analysis of land surface temperature in urban Xi’an based on remote sensing data[J].Journal of Lanzhou University(Natural Sciences),2015,51(3):388-396.

[7] 薛曉娟,孟慶巖,王春梅,等.北京市熱島效應時空變化的HJ-1B監測分析[J].地球信息科學學報,2012,14(4):474-480.

Xue X J,Men Q Y,Wang C M,et al.Monitoring spatio-temporal changes of heat island effect in Beijing based on HJ-1B[J].Journal of Geo-Information Science,2012,14(4):474-480.

[8] 王猛猛,周志民,張兆明,等.基于TM數據的合肥市城市熱島效應研究[J].科學技術與工程,2014,14(33):80-85.

Wang M M,Zhou Z M,Zhang Z M,et al.Research on the urban heat island effect of Hefei based on Landsat TM data[J].Science Technology and Engineering,2014,14(33):80-85.

[9] 楊 槐.從Landsat8影像反演地表溫度的劈窗算法研究[J].測繪地理信息,2014,39(4):73-77.

Yang H.Research of split-window algorithm for retrieval of land surface temperature from Landsat8[J].Journal of Geomatics,2014,39(4):73-77.

[10] 袁 飛.GIS在城市景觀規劃設計的應用——以廣西防城港市為例[D].楊凌:西北農林科技大學,2012.

Yuan F.Application of GIS to Urban Landscape Design:A case of Fangchenggang City,Guangxi[D].Yangling:Northwest A&F University,2012.

[11] 徐涵秋.一種基于指數的新型遙感建筑用地指數及其生態環境意義[J].遙感技術與應用,2007,22(3):301-308.

Xu H Q.A new index-based built-up index(IBI) and its eco-environmental significance[J].Remote Sensing Technology and Application,2007,22(3):301-308.

[12] 徐涵秋,杜麗萍.遙感建筑用地信息的快速提取[J].地球信息科學報,2010,12(4):574-578.

Xu H Q,Du L P.Fast extraction of built-up land information from remote sensing imagery[J].Journal of Geo-Information Science,2010,12(4):574-578.

[13] Huete A R.A Soil-adjusted vegetation index(SAVI)[J].Remote Sensing of Environment,1988,25(3):295-309.

[14] 覃志豪,李文娟,徐 斌,等.陸地衛星TM6波段范圍內地表比輻射率的估計[J].國土資源遙感,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.

Qin Z H,Li W J,Xu B,et al.The estimation of land surface emissivity for Landsat TM6[J].Remote Sensing for Land and Resources,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.

[15] 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.

Jiang D L,Kuang H H,Cao X F,et al.Study of land surface temperature retrieval based on Landsat8-with the sample of Dianchi Lake basin[J].Remote Sensing Technology and Application,2015,30(3):448-454.

[16] 管菁菁,查良松.合肥市城市熱環境的空間變化及其驅動力分析[J].安徽師范大學學報(自然科學版),2012,35(1):56-62.

Guan J J,Zha L S.Analysis of space change and its driving force of urban thermal environment of Hefei[J].Journal of Anhui Normal University(Natural Science),2012,35(1):56-62.

[17] 毛克彪,施建成,覃志豪,等.一個針對ASTER數據同時反演地表溫度和比輻射率的四通道算法[J].遙感學報,2006,10(4):593-599.

Mao K B,Shi J C,Qin Z H,et al.A four-channel algorithm for retrieving land surface temperature and emissivity from ASTER data[J].Journal of Remote Sensing,2006,10(4):593-599.

[18] 吳志剛,江 滔,樊艷磊,等.基于Landsat8數據的地表溫度反演及分析研究——以武漢市為例[J].工程地球物理學報,2016,13(1):135-142.

Wu Z G,Jiang T,Fan Y L,et al.Land surface temperature retrieval and result analysis based on Landsat8 data in Wuhan City[J].Chinese Journal of Engineering Geophysics,2016,13(1):135-142.

[19] 李柏延,任志遠,李瑞宗,等.西安市地表溫度反演及城市熱島強度定量化研究[J].資源科學,2014,36(12):2631-2636.

Li B Y,Ren Z Y,Li R Z,et al.Urban heat island intensity quantitative inversion and city land surface temperatures in Xi’an[J].Resources Science,2014,36(12):2631-2636.

[20] Qin Z H,Dall’Olmo G,Karnieli A.Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J].Journal of Geophysical Research,2001,106(D19):22655-22670.

[21] Franc G B,Cracknell A P.Retrieval of land and sea surface temperature using NOAA-11 AVHRR data in north-eastern Brazil[J].International Journal of Remote Sensing,1994,15(8):1695-1712.

[22] 毛克彪,唐華俊,周清波,等.用輻射傳輸方程從MODIS數據中反演地表溫度的方法[J].蘭州大學學報(自然科學版),2007,43(4):12-17.

Mao K B,Tang H J,Zhou Q B,et al.Retrieving land surface temperature from MODIS data by using radiance transfer equation[J].Journal of Lanzhou University(Natural Sciences),2007,43(4):12-17.

[23] 葉彩華,劉勇洪,劉偉東,等.城市地表熱環境遙感監測指標研究及應用[J].氣象科技,2011,39(1):95-101.

Ye C H,Liu Y H,Liu W D,et al.Research on urban surface heat environment monitoring indexes and its application[J].Meteorological Science and Technology,2011,39(1):95-101.

[24] Peng S S,Piao S L,Ciais P,et al.Surface urban heat island across 419 global big cities[J].Environmental Science & Technology,2012,46(2):696-703.

[25] 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.

Xu H Q,Chen B Q.An image processing technique for the study of urban heat island changes using different seasonal remote sensing data[J].Remote Sensing Technology and Application,2003,18(3):129-133.