毛文婷,王旭紅,祝明英,蔡靜,程德強(qiáng)

西北大學(xué)城市與環(huán)境學(xué)院,陜西西安710127

城市地表溫度反演及其與下墊面定量關(guān)系分析—以西安市為例

毛文婷,王旭紅*,祝明英,蔡靜,程德強(qiáng)

西北大學(xué)城市與環(huán)境學(xué)院,陜西西安710127

城市地理與氣象條件、人為因素共同決定了當(dāng)今城市的熱島現(xiàn)象，其中后者的影響更為重要，而下墊面又是主要的人為因素之一。本文以西安市為研究區(qū)域，利用2014年的landsat8數(shù)據(jù)，反演出地表溫度、植被和不透水面等信息，對城市熱島效應(yīng)與下墊面關(guān)系進(jìn)行定量分析，結(jié)果表明：作為下墊面重要表征組分的植被、不透水面與地表溫度有著密切的關(guān)系，其中植被指數(shù)與地表溫度之間的相關(guān)系數(shù)為-0.912，呈負(fù)相關(guān)關(guān)系；而不透水面指數(shù)與地表溫度之間的相關(guān)系數(shù)是0.747，呈正相關(guān)關(guān)系；此外，還對地表溫度、植被指數(shù)和不透水面指數(shù)進(jìn)行了多元回歸分析。由此說明，植被對城市熱島效應(yīng)的改善起到積極的作用，而不透水面會增加地表溫度，從而加劇熱島效應(yīng)，因此可根據(jù)植被、不透水面這兩大因子對城市生態(tài)環(huán)境進(jìn)行評估，從而制定相應(yīng)的生態(tài)決策。

城市熱島效應(yīng);下墊面;地表溫度;不透水面;西安市

城市熱島（Urban Heat Island,UHI）反映的是城市與郊區(qū)之間的溫度差異，城市化是促進(jìn)當(dāng)今城市熱島形成的最主要原因。中國經(jīng)濟(jì)網(wǎng)2015年1月20日報(bào)道，國家統(tǒng)計(jì)局發(fā)布報(bào)告顯示，2014年我國城鎮(zhèn)化率達(dá)到54.77%。隨著我國城市化水平的不斷提高，城市熱島現(xiàn)象日益加劇，城市熱島效應(yīng)對城市生態(tài)系統(tǒng)產(chǎn)生各種影響，如城市高溫、暖冬、暴雨等異常城市氣象，與其他城市氣候現(xiàn)象相互作用會產(chǎn)生諸如“城市雨島”、“城市霧島”、“城市污島”等現(xiàn)象，城市持續(xù)高溫對大氣臭氧層也會造成相應(yīng)破壞。城市熱島效應(yīng)不僅影響人們正常的生產(chǎn)生活和工作學(xué)習(xí)，還阻礙人類生存質(zhì)量提高和城市發(fā)展。因此，城市熱島現(xiàn)象已成為專家學(xué)者研究的熱點(diǎn)之一。

城市熱島現(xiàn)象反映的是城市的局地氣候特征，主要自然和人為兩大因素決定。自然因素主要指當(dāng)?shù)氐乩?、氣象等，人為因素主要包括下墊面、人為熱源及大氣污染、城市形態(tài)及景觀格局。其中下墊面是人類活動(dòng)最為直接的對象，因而是影響城市地表溫度（Land surface temperature）進(jìn)而成為影響城市熱島效應(yīng)最為重要的因子之一。不少學(xué)者對城市熱島效應(yīng)及其影響因子之間的關(guān)系進(jìn)行了研究，例如：唐菲等以福州市蒼霞片區(qū)為例，分析了在舊城改造下不透水面地表溫度呈指數(shù)相關(guān)關(guān)系，高不透水面比例地區(qū)溫度上升比低不透水面比率地區(qū)更快[1]；錢樂祥等使用“單窗算法”利用3個(gè)不同時(shí)段的TM/ETM+數(shù)據(jù)獲取了珠江三角洲核心區(qū)域的地表溫度分布圖，分別分析了歸一化水汽指數(shù)、歸一化植被指數(shù)與地表溫度之間的關(guān)系并對兩指數(shù)進(jìn)行了對比[2]；Kok Chooi Tan利用Landsat數(shù)據(jù)使用經(jīng)過兩種大氣校正法之后影像分別對歸一化植被指數(shù)（NDVI）和地表溫度（Land surface temperature,LST)之間的關(guān)系進(jìn)行了評價(jià)[3]；Zhang等利用ETM+（Enhanced thematic mapper plus）數(shù)據(jù)反演南京地表溫度，研究在不同尺度下提取的植被和不透水面與地表溫度的線性關(guān)系[4]；賈寶全等[5]利用TM影像研究了西安市2006年和2010年的城市熱島的變化并分析了城市綠地對城市熱島效應(yīng)的影響。以上研究較注重于單一因子對城市地表溫度的影響，而通過分析多因子對地表溫度的綜合影響的研究相對較少。本文在上述研究的基礎(chǔ)上，以西安市作為主要研究區(qū)，探討城市下墊面組分包括植被和不透水面兩大因子對城市地表溫度的影響，從而為降低城市地表溫度，減緩城市熱島效應(yīng)，改善城市生態(tài)環(huán)境提供相應(yīng)的參考對策。

1 研究區(qū)與數(shù)據(jù)源

西安市地處黃河流域中部的關(guān)中平原地區(qū)，107.40°E～109.49°E和33.42°N～34.45°N之間，是陜西省省會城市，現(xiàn)轄新城、碑林、蓮湖、雁塔、灞橋、未央、閻良、臨潼、長安、高陵10個(gè)區(qū),藍(lán)田、周至、戶縣3個(gè)縣，氣候?qū)倥瘻貛О霛駶櫞箨懶约撅L(fēng)氣候，是國家重要的科研、教育和工業(yè)基地，我國西部地區(qū)重要的中心城市，世界歷史文化名城。本文主要通過城市地表溫度的反演，研究地溫與下墊面組分之間的關(guān)系。因此，選取西安市繞城高速公路以內(nèi)的中心城區(qū)作為主要研究區(qū)，如圖1。該區(qū)是西安市城市發(fā)展的核心區(qū)域，道路網(wǎng)為環(huán)狀與放射狀相結(jié)合，人口密度大。

研究數(shù)據(jù)為2014年1月3日、5月11日和8月15日的三期Landsat8影像，PATH/ROW為127/36，數(shù)據(jù)來源于NASA官方網(wǎng)站,主要采用陸地成像儀（OLI）的4個(gè)波段，分別是綠波段（Band3）、紅波段（Band4）、近紅外波段（Band5）和中紅外波段（Band6），空間分辨率為30 m；熱紅外傳感器（TIRS）的熱紅外波段（Band10），空間分辨率是120 m。本文對Landsat8數(shù)據(jù)進(jìn)行了預(yù)處理，包括使用FLAASH大氣校正法做輻射校正，各項(xiàng)定標(biāo)數(shù)據(jù)可從影像頭文件中獲取，以1:5000地形圖為參考做幾何校正。

圖1 研究區(qū)示意圖Fig.1 The schematic study area

2 研究方法

2.1 植被指數(shù)

自勞斯(Rouse)等人[6]引入歸一化差值植被指數(shù)（Normalized Difference Vegetation Index,NDVI）在遙感影像上提取植被信息以來，該方法得到了廣泛應(yīng)用。該指數(shù)的原理是植被在多光譜遙感數(shù)據(jù)的近紅外波段具有高反射性，在紅光波段具有強(qiáng)吸收性。NDVI計(jì)算公式如下：

式（1）中，NIR、Red分別對應(yīng)于landsat8數(shù)據(jù)的第五波段、第四波段，結(jié)果見圖2（（a）是2014年1月3日的NDVI，（b）是2014年8月15日的NDVI）。從圖2（a）和（b）都可以看出植被指數(shù)高的區(qū)域集中于該研究區(qū)的外部邊沿，而低的區(qū)域主要集中于城市中心地區(qū)；對比兩圖也可以看出，圖2（b）代表的夏季NDVI最大值較圖2（a）代表的冬季最大值大很多；圖2（a）和（b）兩期影像反演出的NDVI平均值分別為0.085、0.299，這是因?yàn)橄募練鉁馗撸脖幻?，而冬季氣溫低，植被稀疏?/p>

2.2 不透水面指數(shù)

不透水面[7]（Impervious surfaces）是指水不能直接通過且不能下滲到土壤中的物質(zhì)，包括瀝青、水泥、瓦片等材料構(gòu)成的建筑物、路面和停車場等。利用遙感手段提取不透水面信息的方法有很多，本文采用徐涵秋[8,9]提出的歸一化差值不透水面指數(shù)（normalized difference impervious surfure index,NDISI），該指數(shù)能夠較好的提取不透水面信息。

式中，NIR、MIR1、TIR分別為遙感影像的近紅外波段、中紅外1波段和熱紅外波段，分別對應(yīng)landsat8的第5波段、第6波段、第10波段;這里還引入了另一個(gè)歸一化差值指數(shù)即改進(jìn)型歸一化水體指數(shù)[10,11]MNDWI（modified normalized difference water index）。

其中，Green為綠光波段，即為Landsat8的第3波段，結(jié)果見圖2（（c）是2014年1月3日的MNDISI，（d）是2014年8月15日的MNDISI）。對比圖2（c）和（d）可以看出，圖2（c）代表的冬季MNDISI較圖2（d）代表的夏季MNDISI值高的范圍分布廣，這可從兩個(gè)季節(jié)的MNDISI的均值可以看出，1月和8月MNDISI均值分別為0.5696、0.470。

圖2 NDVI和MNDISIFig.2 NDVI and MNDISI

2.3 地表溫度的反演

地表溫度的反演方法有很多種，常見的有大氣校正法[12]（也稱“輻射傳輸方程法”；Radiative Transfer Equation，RTM）、單通道算法[13,4]（Single-channel method）、單窗算法[15]（Mono-window Algorithm）、劈窗算法[16]（也稱“分裂窗算法”,Split-window Algorithm），其中前三種方法都是針對單一熱紅外通道進(jìn)行地溫反演的方法，后一種針對多通道的熱紅外地溫反演。大氣校正法由于需要詳細(xì)大氣剖面參數(shù)，而這些參數(shù)不容易獲取，因而這種方法較少使用；單窗算法和單通道算法估測大氣參數(shù)的情況下也可獲取較高的地溫反演精度，但是在有實(shí)時(shí)氣象資料提供的前提下，單窗算法的反演精度優(yōu)于單通道算法[17]。對于Landsat8TIRS有兩個(gè)熱紅外波段，是和MODIS、NOAA/AVHRR等具有相類似的多通道熱紅外波段的傳感器，故而既可以采用劈窗算法；也可以采用已被證實(shí)具有較高反演精度的單窗算法。本文采用了單窗算法[15]，對熱紅外10波段進(jìn)行了地表溫度反演，公式如下：

式中，Ts是地表溫度（K）；i為第i波段;ai和bi是常量，在這里選擇0～40℃時(shí)的情況，其中a10=-60.919，b10=0.428；C和D是中間變量，C=ετ，，其中ε是地表比輻射率，τ是大氣透射率；Ti是衛(wèi)星傳感器上傳感器所探測到的像元亮度溫度（K）；Ta為大氣平均作用溫度（K）。2.3.1大氣平均作用溫度Ta大氣平均作用溫度[18]與地面附近（一般為2 m處）氣溫T0（K）存在以下線性關(guān)系（如表1）。根據(jù)在中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)（http://cdc.cma.gov.cn/home.do）提供的西安市實(shí)測溫度數(shù)據(jù)計(jì)算得出2014年1月3日和2014年8月15日氣溫分別為5℃、25℃，即T0為278.15 K、298.15 K，由此計(jì)算Ta為272.888 K、292.161 K。

表1 大氣平均作用溫度計(jì)算Table1 Calculation of the average temperature of the atmosphere

2.3.2 大氣透射率τ估計(jì)大氣透射率[18]是指通過大氣（或某氣層）后的輻射強(qiáng)度與入射前輻射強(qiáng)度之比，主要取決于大氣中的水分含量。根據(jù)西安市的地理位置，通過水分含量估算2014年1月3日和2014年8月15日大氣透射率τ分別約為0.909、0.883。

2.3.3 亮度溫度Ti亮度溫度反演采用普朗克函數(shù)[19]計(jì)算：

式中，Li為輻射亮度值，landsat8 TIRS熱紅外波段的Ki,1、Ki,2值可通過查詢影像頭文件查詢到，其中K10,1=774.89 W/m2·μm·sr,K10,2=1321.08 K。

2.3.4 地表比輻射率ε地表比輻射率的估算比較常用的一種方法是先對遙感圖像進(jìn)行分類，將地表分為不同的覆蓋類型，在根據(jù)實(shí)測或者經(jīng)驗(yàn)值的地物比輻射率給各個(gè)地表覆蓋類型賦予不同的值，從而生成地表比輻射率圖像。目前，已有一些比輻射率數(shù)據(jù)庫，如MODIS UCSB比輻射率庫（http://www.icess.ucsb.edu/modis/EMIS/html/em.html）等。此外，還可利用NDVI計(jì)算地表比輻射率，這是由于NDVI的對數(shù)與地表比輻射率存在線性相關(guān)性，利用NDVI的閾值進(jìn)行地表分類，然后給各個(gè)地表覆蓋類型賦予不同的值，該方法得到受到了很多專家學(xué)者的關(guān)注并加以運(yùn)用[20][21]。本文采用覃志豪等[20]提出的現(xiàn)將地表分成水體、自然表面和城鎮(zhèn)區(qū)，分別針對3種地表類型計(jì)算地表比輻射率：

式中，NDVIs為完全被裸土或無植被覆蓋區(qū)域的NDVI值，NDVIv則代表完全被植被所覆蓋的像元的NDVI值，即純植被像元的NDVI值。取經(jīng)驗(yàn)值NDVIv=0.70和NDVIs=0.05，即當(dāng)某個(gè)像元的NDVI值大于0.70時(shí)，Pv取值為1,；當(dāng)NDVI小于0.05，Pv取值為0。

根據(jù)以上對單窗算法計(jì)算參數(shù)的計(jì)算，對Landsat8 THRIS Band10進(jìn)行反演，反演出亮度溫度、地表溫度，并對二者進(jìn)行差值處理后的分級結(jié)果如圖3所示。2014年1月3日和2014年8月15日反演的地表溫度與亮度溫度差值的平均值分別為2.32℃、2.689℃，可以看出利用單窗算法反演出的地表溫度比亮度溫度高，夏季反演的溫度差值比冬季反演的溫度差值高；由圖3（e）（f）可以看到兩期影響反演的地表溫度與亮度溫度差值分別集中在2.4～3.92℃、1.4～3.2℃。

3 結(jié)果與分析

3.1 城市地表溫度的空間分布特征

地表溫度的反演結(jié)果：研究區(qū)兩期影像地表溫度范圍分別在-1.46～13.84℃、24.67～46.78℃，平均溫度分別為6.55℃、31.26℃。地表溫度的空間分布特征如圖3所示：按均值±整數(shù)倍標(biāo)準(zhǔn)差將溫度分割為5個(gè)等級。

圖3（b）、（d）中，研究區(qū)地表溫度分別集中于3.5～9.5℃之間、24.6～34℃之間,兩景不同時(shí)間的影像反演出來的地表溫度高溫分布區(qū)域和低溫分布區(qū)域大致相同；其中高溫區(qū)主要集中于該研究區(qū)的中部、中北部以及西部，而沿繞城高速的外圍區(qū)則主要屬于該研究區(qū)低溫區(qū)，這與城市本身中心氣溫高于郊區(qū)的特征相符。此外，該研究區(qū)的低溫主要集中于灞河流域附近，高溫區(qū)主要集中在新城區(qū)東部、蓮湖區(qū)中部，這是因?yàn)檫@些區(qū)域建有一些工廠和加油站。

圖3 亮度溫度、地表溫度反演結(jié)果與二者差值Fig.3 Inversion effect of brightness temperature and surface temperature and their difference

3.2 地表溫度與NDVI、MNDISI的定量關(guān)系

目前，已經(jīng)有很多學(xué)者對地表溫度與植被、不透水面這兩大因子之間的定量關(guān)系進(jìn)行了研究。張小飛等[22]以深圳市為例，從土地利用角度將下墊面進(jìn)行詳細(xì)劃分、使用線性光譜分離模型提取植被蓋度、反演亮度溫度，確立了植被覆蓋度與地表溫度呈負(fù)相關(guān)關(guān)系且呈現(xiàn)一定的線性關(guān)系，并分析了不同分辨率和下墊面類型對二者關(guān)系的影響；Xu[23]提出一種新的可以有效提取不透水面的指數(shù)，并將其與反演出的地表溫度進(jìn)行相關(guān)性分析，比較好的揭示了二者之間的關(guān)系；歷華等[24]以MODIS為數(shù)據(jù)源，提取長株潭地區(qū)的NDBI、NDVI和地表溫度，分析各自的時(shí)空分布特征并對地表溫度與NDBI、NDVI的定量關(guān)系分別進(jìn)行了研究。本文借鑒以上學(xué)者的研究方法，在上文中已經(jīng)采用指數(shù)法提取了植被指數(shù)NDVI、不透水面指數(shù)MNDISI，通過單窗算法反演了地表溫度，并分析了三者之間的空間分布特征。在此基礎(chǔ)上，本文采用如下方式對地表溫度與NDVI、MNDISI之間的定量關(guān)系進(jìn)行研究。

本文利用2014年5月11日Landsat 8影像反演出地表溫度、NDVI和MNDISI進(jìn)行隨機(jī)采樣，樣區(qū)尺度為60*60個(gè)柵格（每個(gè)柵格尺度為30 m*30 m），樣本個(gè)數(shù)為30個(gè)，統(tǒng)計(jì)每一個(gè)樣區(qū)的平均值。對NDVI、MNDISI與地表溫度Ts分別計(jì)算其相關(guān)系數(shù)，做統(tǒng)計(jì)回歸分析；然后利用回歸方法來綜合分析NDVI、MNDISI對地表溫度的影響，從而實(shí)現(xiàn)從二維和三維的角度分別研究下墊面組分對地表溫度的影響（表2）。

NDVI與地表溫度Ts之間相關(guān)系數(shù)R為-0.912，二者進(jìn)行一元線性回歸分析（圖4），發(fā)現(xiàn)用指數(shù)模型擬合二者的關(guān)系比較好，如圖4所示。從相關(guān)系數(shù)及圖4可以看出地表溫度與NDVI高度相關(guān)并呈負(fù)相關(guān)關(guān)系，即植被覆蓋率高的地區(qū)地表溫度Ts低，反之，地表溫度Ts高，具體統(tǒng)計(jì)NDVI增加與地表溫度的遞減幅度如表3。由表3可以看出，隨著NDVI值增加，地表溫度降低的幅度先大后小，說明小幅度的增加植被覆蓋率就可以達(dá)到降低地表溫度的效果。地表溫度Ts與MNDISI之間的相關(guān)系數(shù)為0.747，二者之間用對數(shù)模型可以達(dá)到較好的擬合效果，如圖4。從相關(guān)系數(shù)和對數(shù)模型可以看出，地表溫度與MNDISI呈正相關(guān)關(guān)系，即隨著不透水面指數(shù)值的增大，地表溫度也會隨之上升。由表3可以看出，地表溫度Ts的上升幅度是隨著不透水面指數(shù)值的增加而減小的。因此，應(yīng)當(dāng)重點(diǎn)關(guān)注不透水面這一下墊面組分對地表溫度的影響。同時(shí)在表3中對比植被和不透水面對地表溫度的影響，在植被指數(shù)或不透水面指數(shù)增加相同比例時(shí)，后者對地表溫度的影響更為顯著。

表2 植被指數(shù)（NDVI）、不透水面指數(shù)（MNDISI）和地表溫度(Ts)的關(guān)系方程Table 2 Regression models between NDVI，MNDISI and land surface temperature(Ts)

圖4 植被指數(shù)（NDVI）、不透水面指數(shù)（MNDISI）與地表溫度(Ts)的回歸關(guān)系Fig.4 Regression analysis of the relationship of Ts with NDVI and MNDISI

表3 植被指數(shù)（NDVI）值、不透水面指數(shù)（MNDISI）值及其所對應(yīng)的地表溫度(Ts)Table 3 The value of NDVI,MNDISI and their corresponding Ts

多元回歸分析進(jìn)一步揭示了作為下墊面重要組分的植被和不透水面都是影響地表溫度的重要因素，相關(guān)系數(shù)達(dá)到0.917。植被指數(shù)NDVI每增加0.1，地表溫度Ts下降0.67℃；不透水面指數(shù)MNDISI每增加0.1，溫度將上升1.97℃；如果在植被指數(shù)增加0.1，同時(shí)不透水面指數(shù)減少0.1，則地表溫度可降低2.64℃，這說明，植被和不透水面共同影響地表溫度，前者增加同時(shí)后者減少才能有效降低城市地表溫度。

4 結(jié)論

以上研究表明：（1）西安市繞城高速以內(nèi)的主城區(qū)植被與地表溫度相關(guān)系數(shù)為-0.912，呈指數(shù)型負(fù)相關(guān)關(guān)系，且植被指數(shù)的值在增加的初期對地表溫度的降低效果更顯著；（2）不透水面與地表溫度相關(guān)系數(shù)為0.747，呈對數(shù)型負(fù)相關(guān)關(guān)系，同時(shí)在不透水面指數(shù)的值在增加的初期對地表溫度的影響更為顯著；（3）植被指數(shù)和不透水面指數(shù)在增加或減少相同比例時(shí)對地表溫度的影響更顯著；（4）三者之間進(jìn)行多元回歸，相關(guān)系數(shù)為0.917，說明作為下墊面組分的植被和不透水面都是影響地表溫度的重要因素。因此，在增加城市植被覆蓋率的基礎(chǔ)上同時(shí)減少不透水面可以綜合降低城市地表溫度，并且采用這種方式達(dá)到的降溫效果優(yōu)于改善植被或不透水面單一要素分布狀況時(shí)所達(dá)到的降溫效果。此外，通過此研究發(fā)現(xiàn)，由于影響城市地表溫度的因子是復(fù)雜多變的，對多因子的綜合分析對降低地表溫度，改善城市熱島效應(yīng)的效果可能更加顯著。

[1]唐菲,徐涵秋.舊城改造與城市熱島效應(yīng)關(guān)系的遙感研究——以福州市蒼霞片區(qū)為例[J].地理科學(xué),2011,31(10):1228-1234

[2]錢樂祥,崔海山.歸一化水汽指數(shù)與地表溫度的關(guān)系[J].地理研究,2008,27(6):1358-1366

[3]Kok Chooi Tan,Hwee San Lim,Mohd Zubir MatJafri,et al.A comparison of radiometric correction techniques in the evaluation of the relationship between LST and NDVI in Landsat imagery[J].Environmental Monitoring and Assessment, 2012,184(6):3813-3829

[4]Zhang X,Zhong T,Wang K,et al.Scaling of impervious surface area and vegetation as indicators to urban land surface temperature using satellite data[J].International Journal of Remote Sensing,2009,30(4):841-859

[5]賈寶全,邱爾發(fā).基于TM衛(wèi)星遙感影像的西安市城市熱島效應(yīng)變化分析[J].干旱區(qū)研究,2013,30(2):347-355

[6]Rouse JW,Haas RH,Schell JA,et al.Monitoring Vegetation Systems in the Great Plain with ERTS[C]//Proceedings of the Third Earth Resource Technology Satellite—1 Symposium.Greenbelt:NASA SP-351,1974:3010-317

[7]Arnold CL,Gibbons CJ.Impervious Surface Coverage:The Emergence of a Key Environmental Indicator[J]. Journal of the American Planning Association,1996,62(2):243-258

[8]徐涵秋.一種快速提取不透水面的新型遙感指數(shù)[J].武漢大學(xué)學(xué)報(bào):信息科學(xué)版,2008,33(11):1150-1153

[9]Xu Hanqiu.Rule-based impervious surface mapping using high spatial resolution imagery[J].International Journal of Remote Sensing,2013,34(1):27-44

[10]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報(bào),2005,9(5):589-595

[11]Xu Hanqiu.Modification of normalised difference water index(NDWI)to enhance open water features in remotely sensed imagery[J].International Journal of Remote Sensing,2006,27(14):3025-3033

[12]覃志豪,Arnon Karnieli.用NOAA-AVHRR熱通道數(shù)據(jù)演算地表溫度的劈窗算法[J].國土資源遙感,2001(2):33-42

[13]Jiménez-Mu noz JC,Sobrino JA.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research,2003,108(D22):4688

[14]Jiménez-Mu noz JC,Cristobal J,Sobrino JA,et al.Revision of the Single-Channel Algorithm for Land Surface Temperature Retrieval From Landsat Thermal-Infrared Data[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(1):339-349

[15]覃志豪,Zhang Minghua,Arnon Karnieli,等.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].地理學(xué)報(bào),2001,56(4):456-466

[16]Sobrino JA,Li Zhaoliang,Stoll MP,et al.Improvements in the split-window technique for land surface temperature determination[J].IEEE Transactions on Geoscience and Remote Sensing,1994,32(2):243-253

[17]丁鳳,徐涵秋.TM熱波段圖像的地表溫度反演算法與實(shí)驗(yàn)分析[J].地球信息科學(xué),2006,8(3):125-130

[18]覃志豪,Li Wenjuan,Zhang Minghua,等.單窗算法的大氣參數(shù)估計(jì)方法[J].國土資源遙感,2003(2):37-43

[19]Sospedra F,Caselles V,Valor E.Effective wave number for thermal infrared bands application to Landsat T M[J].International Journal of Remote Sensing,1998,19(11):2105-2117

[20]覃志豪,李文娟,徐斌,等.陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J].國土資源遙感,2004,(3):28-32

[21]Sobrino JA,Raissouni N,Li Zhaoliang.A Comparative Study of Land Surface Emissivity Retrieval from NO AA Data[J].Remote Sensing of Environment,2001,75(2):256-266

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

[23]Xu Hanqiu.Analysis of Impervious Surface and its Impact on Urban Heat Environment using the Normalized Difference Impervious Surface Index(NDISI)[J].Photogrammetric Engineering and Remote Sensing:Journal of the American Society of Photogrammetry,2010,76(5):557-565

[24]歷華,柳欽火,鄒杰.基于MODIS數(shù)據(jù)的長株潭地區(qū)NDBI和NDVI與地表溫度的關(guān)系研究[J].地理科學(xué),2009,29(2):262-267

Analysis on the Urban Land Surface Temperature Inversion and Its Quantitative Relationship with Underlying Surface－Taking Xi'an City as a case

MAOWen-ting,WANGXu-hong*,ZHUMing-ying,CAIJing,CHENGDe-qiang
College of Urban and Environmental Science/Northwest University,Xi'an 710127,China

Urban geographical and meteorological conditions and human factors jointly determines the current urban heat island phenomenon.The more important effect comes from human factors,however the underlying surface is one of the main human factors.This research took Xi'an City,provincial capital of Shanxi China as research area and applied the 2014 landsat8 data to extract land surface temperature,vegetation and impervious surface information and analyzed the quantitative relationship between urban heat island effect and vegetation,underlying surface.The results showed that vegetation and impervious surface which were important components of underlying surface had close relations with land surface temperature.The correlation coefficient between vegetation index and land surface temperature was negative 0.912, and the correlation coefficient between the land surface temperature and impervious surface index was 0.747.In addition,the land surface temperature,vegetation index and impervious surface index had been carried on a multiple regression analysis. Above research indicated that vegetation played a positive role in the improvement of the urban heat island effect,while impervious surface increased the land surface temperature to aggravate the heat island effect.So on the basis of vegetation and impervious surface,the urban ecological environment could be evaluated,and the corresponding ecological decisions could be made.

Urban heat island effect;underlying surface;land surface temperature;impervious surface;Xi'an City

P423.2

A

1000-2324(2015)05-0708-07

2015-04-14

2015-05-14

國家自然基金:不同地貌類型區(qū)的遙感圖像信息容量空間差異性研究(41071271);陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃:基于遙感圖像信息容量的城市熱島效應(yīng)研究(2015JM4132)

毛文婷(1988-),女,山東泰安人,碩士研究生,研究方向?yàn)橹饕獜氖碌乩硇畔⑾到y(tǒng)與遙感信息分析研究.E-mail:wentingmao@163.com

*通訊作者:Author for correspondence.E-mail:jqy_wxh@163.com