陳興鵑，溫新龍，郭 磊

(1.江西省氣象科學(xué)研究所，江西 南昌 330096；2.江西省氣象服務(wù)中心，江西 南昌 330096)

基于Landsat 8衛(wèi)星影像的南昌城市熱島效應(yīng)研究

陳興鵑1，溫新龍1，郭 磊2

(1.江西省氣象科學(xué)研究所，江西 南昌 330096；2.江西省氣象服務(wù)中心，江西 南昌 330096)

以2014年10月8日的Landsat 8 OLI/TIRS衛(wèi)星數(shù)據(jù)作為主數(shù)據(jù)源，利用ENVI 5.1軟件平臺(tái)，對(duì)南昌市城市熱島效應(yīng)進(jìn)行了研究。根據(jù)大氣校正法反演南昌市地表溫度，并對(duì)其歸一化得到南昌熱島強(qiáng)度分級(jí)圖。在此基礎(chǔ)上，對(duì)南昌城市熱島效應(yīng)與歸一化植被指數(shù)(NDVI)、改進(jìn)的歸一化水體指數(shù)(MNDWI)、裸土指數(shù)(BSI)、歸一化差值裸地與建筑用地指數(shù)(NDBBI)進(jìn)行統(tǒng)計(jì)分析，得到地表溫度與4種指數(shù)間的定量關(guān)系。結(jié)果表明：(1)南昌市熱島效應(yīng)明顯，熱島強(qiáng)度由城區(qū)中心向近郊、遠(yuǎn)郊逐漸降低；(2)地表溫度與NDVI呈負(fù)相關(guān)；(3)地表溫度與MNDWI呈負(fù)相關(guān)；(4)地表溫度與BSI呈正相關(guān)；(5)地表溫度與NDBBI呈正相關(guān)。由此可知，增加城市植被覆蓋率、擴(kuò)大城市水域，同時(shí)合理利用城市裸地和布局城市建筑用地，可以緩解城市熱島效應(yīng)。

南昌市；熱島效應(yīng)；Landsat 8；歸一化植被指數(shù)；改進(jìn)的歸一化水體指數(shù)；裸土指數(shù)；歸一化差值裸地與建筑用地指數(shù)

城市化高速發(fā)展的同時(shí)，城市下墊面狀況發(fā)生了極大改變，加之城市人口密集、工商業(yè)發(fā)達(dá)、人為熱排放較多，這使得城市熱力狀況遠(yuǎn)較郊區(qū)復(fù)雜，進(jìn)而導(dǎo)致城區(qū)溫度普遍高于郊區(qū)，形成城市熱島，在一定程度上影響了城市氣候[1]。城市熱島是一種城市公害，它加劇了城市高溫出現(xiàn)的頻率和高溫災(zāi)害，并因此帶來(lái)了巨大的經(jīng)濟(jì)損失。研究表明，城市化發(fā)展對(duì)氣溫有一定影響，城市化在近50 a中國(guó)氣溫變暖中貢獻(xiàn)率為20%～30%，其對(duì)于城市熱島效應(yīng)的影響應(yīng)引起足夠的重視[2]。

近年來(lái)，素有“火爐”之稱的南昌市經(jīng)歷了飛速發(fā)展，城鎮(zhèn)化率已達(dá)到70%以上，城區(qū)面積約為350 km2，城區(qū)常住人口達(dá)330萬(wàn)人左右。遙感(Remote Sensing，簡(jiǎn)稱RS)可宏觀、動(dòng)態(tài)、精確地監(jiān)測(cè)地表環(huán)境及其變化。不少學(xué)者利用RS技術(shù)對(duì)南昌市的城市熱島效應(yīng)進(jìn)行了研究。吳萬(wàn)友等[3]利用氣象觀測(cè)資料，分析了南昌市熱島效應(yīng)的基本特征，并研究得出熱島效應(yīng)與SO2濃度呈正相關(guān)。鄭蕉等[4]利用Landsat ETM+數(shù)據(jù)，反演南昌市主城區(qū)地表溫度，并對(duì)植被蓋度、水體面積比例與地面溫度的相互關(guān)系進(jìn)行了研究。歐立業(yè)等[5]利用Landsat TM/ETM+數(shù)據(jù)，采用地表發(fā)射率對(duì)亮溫進(jìn)行訂正，實(shí)現(xiàn)了南昌市城區(qū)及其周邊區(qū)域城市熱島效應(yīng)的評(píng)價(jià)。吳凡等[6]利用Landsat TM/ETM+數(shù)據(jù)進(jìn)行南昌市地表溫度反演，并結(jié)合下墊面土地覆蓋類型圖，選取樣區(qū)對(duì)比分析了地表溫度空間分布。

2013年2月11日Landsat 8在加州范德堡空軍基地發(fā)射升空，其熱紅外波段由第10(10.6～11.19 μm)和第11(11.5～12.51 μm)2個(gè)波段組成，分辨率為100 m，這為獲取地表溫度提供了新的數(shù)據(jù)。本研究基于RS技術(shù)，選取最新的Landsat 8衛(wèi)星數(shù)據(jù)，利用大氣校正法反演地表溫度進(jìn)行南昌城市熱島的研究，并對(duì)南昌市地表溫度與歸一化植被指數(shù)、改進(jìn)的歸一化水體指數(shù)、裸土指數(shù)、歸一化差值裸地與建筑用地指數(shù)之間的關(guān)系做定量分析，以期為緩解城市熱島效應(yīng)、改善城市熱環(huán)境提供科學(xué)依據(jù)，同時(shí)對(duì)相關(guān)部門進(jìn)行城市規(guī)劃和改善城市局地小氣候具有指導(dǎo)意義。

1 研究區(qū)概述

南昌市地處江西省中部偏北，贛江、撫河下游，濱臨我國(guó)第一大淡水湖鄱陽(yáng)湖。地理位置在115°27′～116°35′ E，28°09′～29°11′ N之間。全市以平原為主，東南地勢(shì)平坦，西北丘陵起伏。全市總面積7402.36 km2，南北長(zhǎng)112.1 km，東西寬107.6 km。截至2015年，南昌市下轄東湖區(qū)、西湖區(qū)、青云譜區(qū)、青山湖區(qū)、灣里區(qū)、新建區(qū)6個(gè)市轄區(qū)，以及南昌縣、進(jìn)賢縣、安義縣3個(gè)縣。南昌市屬于亞熱季風(fēng)濕潤(rùn)氣候區(qū)，最冷月為1月，最熱月為7月，年平均溫度為17.6 ℃。

2 地表溫度反演與熱島強(qiáng)度分級(jí)

2.1 數(shù)據(jù)來(lái)源及處理

選用美國(guó)USGS網(wǎng)站(http://glovis.usgs.gov/)下載的2014年10月8日Landsat 8 OLI/TIRS衛(wèi)星數(shù)據(jù)作為主數(shù)據(jù)源，軌道號(hào)為121/40，GMT時(shí)刻為02:44:32，云量為0，影像質(zhì)量良好。產(chǎn)品為L(zhǎng)evel 1T級(jí)，已經(jīng)過(guò)系統(tǒng)輻射校正、地面控制點(diǎn)幾何校正和DEM地形校正，可直接使用[7-8]。

2.2 大氣校正法反演地表溫度

利用大氣校正法(也稱輻射傳輸方程，Radiative Transfer Equation,RTE)反演地表溫度，首先估計(jì)大氣對(duì)地表熱輻射的影響，然后把這部分大氣影響從衛(wèi)星傳感器所觀測(cè)到的熱輻射總量中減去，從而得到地表熱輻射強(qiáng)度，再把這一熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度[9]。

衛(wèi)星傳感器接收到的熱紅外輻射亮度值Lλ由3個(gè)部分組成：大氣向上輻射亮度L↑；地面的真實(shí)輻射亮度經(jīng)過(guò)大氣之后到達(dá)衛(wèi)星遙感器的能量；大氣向下輻射到達(dá)地面后反射的能量L↓。衛(wèi)星傳感器接收到的熱紅外輻射亮度值的表達(dá)式可寫為(輻射傳輸方程)：

Lλ=[εB(TS)+(1-ε)L↓]τ+L

(1)

式中，ε為地表比輻射率；TS為地表真實(shí)溫度；B(TS)為黑體熱輻射亮度；τ為大氣在熱紅外波段的透過(guò)率。則溫度為T的黑體在熱紅外波段的輻射亮度B(TS)為：

B(TS)=[Lλ-L-τ(1-ε)L↓]/τε

(2)

最后利用普朗克公式的函數(shù)即可獲取地表溫度TS：

TS=K2/ln[K1/B(TS)+1]

(3)

根據(jù)USGS的建議，目前Landsat 8第11波段存在不穩(wěn)定性，建議用戶把第10波段作為單波段熱紅外數(shù)據(jù)進(jìn)行使用[10-11]。對(duì)于TIRS Band10數(shù)據(jù)，K1=774.89 W/(m2·μm·sr)，K2=1321.08 K。K1和K2可從“*_MTL.txt”元數(shù)據(jù)文件中獲取。

可見(jiàn)，此算法主要需要2個(gè)參數(shù)：大氣剖面參數(shù)和地表比輻射率。

2.2.1 圖像輻射定標(biāo) 利用ENVI 5.1輻射定標(biāo)工具“Radiometric Calibration”，將2014年10月8日Landsat 8第10波段熱紅外數(shù)據(jù)定標(biāo)為輻射亮度值，得到Band 10輻射亮度圖像，即Lλ。

2.2.2 大氣剖面參數(shù)的獲取 可通過(guò)NASA公布的網(wǎng)址(http://atmcorr.gsfc.nasa.gov)獲取。輸入研究所用Landsat 8衛(wèi)星數(shù)據(jù)的成影時(shí)間(2014-10-08 02:44)和中心經(jīng)緯度(Lat：28.9°，Lon：116.5°)，可得到大氣剖面信息為：大氣在熱紅外波段的透過(guò)率τ=0.83；大氣向上輻射亮度L=1.37 W/(m2·sr·m)；大氣向下輻射亮度L↓=2.27 W/(m2·sr·μm)。此結(jié)果是基于模型計(jì)算得出的。

2.2.3 地表比輻射率計(jì)算 由于TIRS的Band 10熱紅外波段與TM/ETM+6熱紅外波段波譜范圍相近，本文使用Sobrino等[12]提出的NDVI閾值法計(jì)算地表比輻射率：

ε=0.004Pv+0.986

(4)

式中，Pv是植被覆蓋度，計(jì)算公式為：

Pv=[(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)]

(5)

其中，NDVI為歸一化植被指數(shù)，可通過(guò)ENVI 5.1軟件工具箱中的“NDVI”計(jì)算工具獲取；NDVIsoil為完全被裸土或無(wú)植被覆蓋區(qū)域的NDVI值，NDVIveg代表完全被植被覆蓋像元的NDVI值，即純植被像元的NDVI值。取經(jīng)驗(yàn)值NDVIveg=0.70和NDVIsoil=0.05，即當(dāng)某個(gè)像元的NDVI>0.70時(shí)，Pv取值為1,；當(dāng)NDVI<0.05時(shí)，Pv取值為0。

使用ENVI 5.1工具箱中的波段運(yùn)算工具“Band Math”，將以上獲取的大氣剖面參數(shù)和計(jì)算得出的地表比輻射率等數(shù)據(jù)代入公式(2)，可計(jì)算得到黑體輻射亮度影像B(TS)。最后由公式(3)計(jì)算可獲取南昌市地表溫度影像TS。

2.3 熱島強(qiáng)度分級(jí)

利用ENVI 5.1軟件對(duì)地表溫度進(jìn)行歸一化處理，使其值處于0～1之間，并對(duì)其進(jìn)行密度分割，得到南昌市強(qiáng)綠島區(qū)、綠島區(qū)、正常區(qū)、熱島區(qū)、強(qiáng)熱島區(qū)。南昌市熱島強(qiáng)度分級(jí)圖見(jiàn)圖1。

地表溫度歸一化處理公式為[13]：

N=(Ti-Tmin)/(Tmax-Tmin)

(6)

式中，N代表第i個(gè)像元地表溫度歸一化后的值，Ti代表第i個(gè)像元的地表溫度值，Tmin代表地表溫度的最小值，Tmax代表地表溫度的最大值。其中Tmin和Tmax可由ENVI 5.1軟件統(tǒng)計(jì)工具“Compute Statistics”獲取。

利用ENVI 5.1軟件分類統(tǒng)計(jì)工具“Class Statistics”，可統(tǒng)計(jì)出各級(jí)分區(qū)面積分布情況。由表1可知，強(qiáng)綠島區(qū)面積為2639.34 km2，占研究區(qū)總面積的35.63%；綠島區(qū)面積為1576.48 km2，占研究區(qū)總面積的21.28%；正常區(qū)面積為2355.64 km2，占研究區(qū)總面積的31.80%；熱島區(qū)面積為736.68 km2，占研究區(qū)總面積的9.95%；強(qiáng)熱島區(qū)面積為99.33 km2，占研究區(qū)總面積的1.34%。

結(jié)合南昌市熱島強(qiáng)度分級(jí)圖可知，研究區(qū)熱島效應(yīng)明顯，熱島強(qiáng)度由城區(qū)中心向近郊、遠(yuǎn)郊逐漸降低，強(qiáng)熱島區(qū)和熱島區(qū)主要分布在市區(qū)建成區(qū)及一部分裸地，正常區(qū)主要分布在城區(qū)與郊區(qū)交界處，綠島區(qū)和強(qiáng)綠島區(qū)主要分布在郊區(qū)和農(nóng)村，包括水體(鄱陽(yáng)湖等水域)和山區(qū)林地(梅嶺等山區(qū))等。

3 熱島效應(yīng)與各指數(shù)的關(guān)系

3.1 指數(shù)模型選擇與構(gòu)建

Landsat 8影像各波段基本特征見(jiàn)表2[14-15]。為構(gòu)建各指數(shù)模型，統(tǒng)一規(guī)定ρBlue表示藍(lán)色波段(Blue)的反射率，ρGreen表示綠色波段(Green)的反射率，ρRed表示紅色波段(Red)的反射率，ρNIR表示近紅外波段(NIR)的反射率，ρSWIR1表示短波紅外波段(SWIR1)的反射率，ρSWIR2表示短波紅外波段(SWIR2)的反射率。

圖1 南昌市熱島強(qiáng)度分級(jí)圖

熱島等級(jí)面積/km2所占比例/%強(qiáng)綠島區(qū)2639.3435.63綠島區(qū)1576.4821.28正常區(qū)2355.6431.80熱島區(qū)736.689.95強(qiáng)熱島區(qū)99.331.34

表2 Landsat 8影像各波段基本特征表

3.1.1 歸一化植被指數(shù) 歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)是遙感領(lǐng)域用來(lái)表征地表植被覆蓋、植被生長(zhǎng)狀況的應(yīng)用最為廣泛的度量參數(shù)，可以檢測(cè)植被生長(zhǎng)狀態(tài)，其值隨植被覆蓋度增大而增大，計(jì)算公式如下[16]：

NDVI=(ρNIR-ρRed)/(ρNIR+ρRed)

(7)

3.1.2 改進(jìn)的歸一化水體指數(shù) 改進(jìn)的歸一化水體指數(shù)(Modified Normalized Difference Water Index，MNDWI)除可用于植被區(qū)的水體提取之外，還可以用于準(zhǔn)確提取城鎮(zhèn)范圍內(nèi)的水體信息[17]，計(jì)算公式如下：

MNDWI=(ρGreen-ρSWIR1)/(ρGreen+ρSWIR1)

(8)

3.1.3 裸土指數(shù) 裸土指數(shù)(Bare Soil Index，BSI)是Rikimaru等[18]在1996年提出的，計(jì)算公式如下：

BSI=[(ρSWIR1+ρRed)-(ρNIR+ρBlue)]/[(ρSWIR1+ρRed)+(ρNIR+ρBlue)]

(9)

3.1.4 歸一化差值裸地與建筑用地指數(shù) 歸一化差值裸地與建筑用地指數(shù)(Normalized Difference Bareness and Built-up Index，NDBBI)可以直接剔除水體和植被信息，提取出含有裸地的建筑用地信息[19],計(jì)算公式如下：

NDBBI=[1.5ρSWIR2-(ρNIR+ρGreen)/2]/[ 1.5ρSWIR2+(ρNIR+ρGreen)/2]

(10)

利用上述公式，在ENVI 5.1軟件中對(duì)Landsat 8數(shù)據(jù)進(jìn)行波段提取與計(jì)算，得到南昌市4種不同指數(shù)(NDVI、MNDWI、BSI、NDBBI)圖，具體見(jiàn)圖2。

從圖2可知，建筑用地和裸土的BSI、NDBBI值高，NDVI、MNDWI值低；水體的MNDWI值高，NDVI、BSI、NDBBI值低；植被的NDVI、MNDWI值高，BSI、NDBBI值低。

圖2 南昌市4種指數(shù)圖

3.2 熱島效應(yīng)與各指數(shù)的關(guān)系

利用ENVI 5.1軟件分別制作南昌市地表溫度與上述4種指數(shù)的散點(diǎn)圖，研究地表溫度(TS)與NDVI、MNDWI、BSI、NDBBI之間的關(guān)系(圖3)。

Carlson[20]和Price[21]等研究表明，利用熱紅外波段遙感影像反演得到的城市地表溫度與NDVI之間的散點(diǎn)圖呈三角形，并把這種三角形稱為NDVI-TS特征空間。從圖3可以看到，南昌市地表溫度與NDVI散點(diǎn)圖主體呈現(xiàn)三角形，與前人研究成果一致。同時(shí)可以看到，地表溫度與NDVI、MNDWI呈負(fù)相關(guān)關(guān)系，與BSI、NDBBI呈正相關(guān)。

圖3 地表溫度與4種指數(shù)散點(diǎn)圖

為找出地表溫度與4種指數(shù)之間的定量關(guān)系，對(duì)南昌市地表溫度分別與NDVI、MNDWI、BSI、NDBBI指數(shù)圖進(jìn)行多次隨機(jī)采樣并做統(tǒng)計(jì)分析，其中與NDVI做統(tǒng)計(jì)分析時(shí)已去除水體值[22-23]，回歸分析結(jié)果見(jiàn)圖4。

圖4 南昌市地表溫度與4種指數(shù)相關(guān)性分析圖

由圖4可知，南昌市地表溫度與NDVI、MNDWI、BSI、NDBBI回歸分析得到的相關(guān)關(guān)系與前述散點(diǎn)圖分析結(jié)果一致?？山品从衬喜鞘袩釐u效應(yīng)與4種指數(shù)間的定量關(guān)系：(1)南昌城市熱島效應(yīng)與NDVI呈負(fù)相關(guān)，相關(guān)系數(shù)為0.78，NDVI值每增加0.1，地表溫度減少2.78 ℃，可見(jiàn)隨著NDVI值逐漸增加，地表溫度逐漸減小，植被覆蓋度的增加可有效緩解南昌城市熱島效應(yīng)，這是由于植被能大量反射太陽(yáng)輻射的近紅外部分，并將吸收的可見(jiàn)光部分通過(guò)蒸騰作用和光合作用轉(zhuǎn)化為化學(xué)能，致使周圍環(huán)境溫度大大降低；(2)南昌城市熱島效應(yīng)與MNDWI呈負(fù)相關(guān)，相關(guān)系數(shù)為0.65，MNDWI值每增加0.1，地表溫度減少1.66 ℃，可見(jiàn)隨著MNDWI值逐漸增加，地表溫度逐漸減小，水體面積的增加可使南昌城市熱島效應(yīng)減弱，這是由于水的比熱容大，吸收同等熱量的升溫值最小，水面蒸發(fā)吸熱也帶走一部分熱量；(3)南昌城市熱島效應(yīng)與BSI呈正相關(guān)，相關(guān)系數(shù)為0.90，BSI值每增加0.1，地表溫度增加3.38 ℃，可見(jiàn)裸地對(duì)城市熱島效應(yīng)起增強(qiáng)作用，應(yīng)合理利用城市裸地，有效抑制熱島效應(yīng)；(4)南昌城市熱島效應(yīng)與NDBBI呈正相關(guān)，相關(guān)系數(shù)為0.88，NDBBI值每增加0.1，地表溫度增加1.34 ℃，城市建筑用地以磚石、水泥、混凝土為主，能吸收大量太陽(yáng)輻射并有較高的蓄熱能力，可見(jiàn)城市建筑用地對(duì)城市熱島效應(yīng)起增強(qiáng)作用，應(yīng)合理控制城市建筑用地面積，最大限度減弱城市熱島效應(yīng)。

4 結(jié)論與討論

(1)南昌市熱島效應(yīng)明顯，熱島強(qiáng)度由城區(qū)中心向近郊、遠(yuǎn)郊逐漸降低。

(2)南昌市地表溫度與NDVI、MNDWI呈負(fù)相關(guān)關(guān)系，與BSI、NDBBI呈正相關(guān)關(guān)系。

(3)南昌市地表溫度與NDVI散點(diǎn)圖主體呈現(xiàn)三角形，與前人研究成果一致；地表溫度與NDVI、MNDWI、BSI、NDBBI回歸分析得到的相關(guān)關(guān)系與散點(diǎn)圖分析結(jié)果一致。

(4)南昌市相關(guān)部門可通過(guò)增加城市植被覆蓋率、擴(kuò)大城市水域，同時(shí)合理利用城市裸地和布局城市建筑用地，以緩解城市熱島效應(yīng)。

對(duì)于南昌市熱島效應(yīng)，本文只選取了一景數(shù)據(jù)進(jìn)行研究。后續(xù)可利用多時(shí)相Landsat 8遙感數(shù)據(jù)，研究城市熱島的季節(jié)[24]和年際變化特征，并驗(yàn)證地表溫度與4種指數(shù)之間關(guān)系的普遍性。

[1] 白楊,孟浩,王敏,等.上海市城市熱島景觀格局演變特征研究[J].環(huán)境科學(xué)與技術(shù),2013,36(3):196-201.

[2] 白楊,王曉云,蔣海梅,等.城市熱島效應(yīng)研究進(jìn)展[J].氣象與環(huán)境學(xué)報(bào),2013,29(2):101-106.

[3] 吳萬(wàn)友,呂小明.南昌市熱島效應(yīng)及其與SO2濃度關(guān)系研究[J].江西氣象科技,1998,21(4):44-47.

[4] 鄭蕉,陳文波,樂(lè)新貴.基于Landsat ETM+圖像的南昌市地表溫度反演與分析[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào),2007,29(3):490-494.

[5] 歐立業(yè),鄭海金.基于衛(wèi)星遙感影像的南昌市城市熱島效應(yīng)研究[J].測(cè)繪信息與工程,2009,34(4):28-30.

[6] 吳凡,景元書(shū).基于Landsat TM/ETM+數(shù)據(jù)的南昌城市熱島效應(yīng)研究[J].南京信息工程大學(xué)學(xué)報(bào):自然科學(xué)版,2013,5(4):326-330.

[7] USGS. Frequently asked questions about the Landsat Missions[EB/OL].(2014-06-19)http:\landsat.usgs.gov/band_designations_landsat_satellites. php.

[8] 黎良材,Deng-sheng,張曉麗,等.基于Landsat 8衛(wèi)星影像的重工業(yè)城市熱島效應(yīng)研究：以柳州市為例[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2015,35(7):74-80.

[9] 鄧書(shū)斌,陳秋錦,杜會(huì)建,等.ENVI遙感圖像處理方法[M].北京:高等教育出版社,2014:419-424.

[10] USGS. Landsat8 (L8) operational land imager(OLI)and thermal infrared sensor(TIRS)[EB/OL]. (2014-01-29)http://landsat.usgs.gov/calibration_notices.php.

[11] 蔣大林,匡鴻海,曹曉峰,等.基于Landsat 8的地表溫度反演算法研究:以滇池流域?yàn)槔齕J].遙感技術(shù)與應(yīng)用,2015,30(3):448-454.

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

[13] 盛輝,萬(wàn)紅,崔建勇,等.基于TM影像的城市熱島效應(yīng)監(jiān)測(cè)與預(yù)測(cè)分析[J].遙感技術(shù)與應(yīng)用,2010,25(1):8-14.

[14] USGS. Landsat Missions[EB/OL]. (2013-04-18)http://landsat.usgs.gov/index.php.

[15] 徐涵秋,唐菲.新一代Landsat系列衛(wèi)星:Landsat 8 遙感影像新增特征及其生態(tài)環(huán)境意義[J].生態(tài)學(xué)報(bào),2013,33(11):3249-3257.

[16] Purevdorj T S, Tateishi R, Ishiyama T, et al. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing, 1998, 19(18): 3519-3535.

[17] 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.

[18] Rikimaru A. Landsat T M data processing guide for forest canopy density mapping and monitoring model[C]//ITTO Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest. Bangkok, Thailand, 1996: 1-8.

[19] 吳志杰,趙書(shū)河.基于TM圖像的“增強(qiáng)的指數(shù)型建筑用地指數(shù)”研究[J].國(guó)土資源遙感,2012(2):50-55.

[20] Carlson T N, Gilliies R R, Perry E M. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover[J]. Remote Sensing Reviews, 1994, 9(1): 161-173.

[21] Price J C. Using spatial context in satellite data to infer regional scale evapotranspiration[J]. IEEE Transactions on Geoscience & Remote Sensing, 1990, 28(5): 940-948.

[22] 方剛.基于Landdat 8衛(wèi)星影像和地表參數(shù)的宿州市城市熱島效應(yīng)分析[J].土壤通報(bào),2014,45(5): 1241-1246.

[23] 歷華,曾永年,柳欽火.基于遙感的長(zhǎng)沙市城市熱島與土地利用/覆蓋變化研究[J].國(guó)土資源遙感,2008(4): 47-52.

[24] 但尚銘,但玻,楊秀蓉,等.衛(wèi)星遙感成都平原城市熱島效應(yīng)的動(dòng)態(tài)特征[J].環(huán)境科學(xué)與技術(shù),2009,32(7):10-13.

(責(zé)任編輯：曾小軍)

Study on Urban Heat Island Effect in Nanchang Based on Landsat 8 Satellite Images

CHEN Xing-juan1, WEN Xin-long1, GUO Lei2

(1. Meteorological Science Research Institute of Jiangxi Province, Nanchang 330096, China;2. Meteorological Service Center of Jiangxi Province, Nanchang 330096, China)

The urban heat island effect in Nanchang was studied by using Landsat 8 OLI/TIRS satellite images on October 8th, 2014 as main data source and ENVI 5.1 software as platform. According to radiative transfer equation, the surface temperature of Nanchang city was calculated and normalized, and a classification map of Nanchang municipal heat island intensity was obtained. On this basis, through conducting the statistical analysis of Nanchang municipal urban heat island effect, normalized difference vegetation index (NDVI), modified normalized difference water index (MNDWI), bare soil index (BSI), and normalized difference bareness and built-up index (NDBBI), the quantitative relationships between the surface temperature of Nanchang and the above 4 indexes were acquired. The results showed that: (1) The urban heat island effect in Nanchang was obvious, and the heat island intensity gradually decreased from city center to suburb; (2) There was a negative correlation between the surface temperature andNDVI; (3) There was a negative correlation between the surface temperature andMNDWI; (4) The surface temperature was positively correlated toBSI; (5) The surface temperature was positively correlated toNDBBI. Thus, increasing the urban vegetation coverage, enlarging the urban water area, reasonably using urban bare land, and rationally distributing urban construction land can relieve the urban heat island in Nanchang.

Nanchang city; Urban heat island effect; Landsat 8;NDVI;MNDWI;BSI;NDBBI

2016-10-28

2015年江西省氣象局青年人才培養(yǎng)項(xiàng)目(贛氣發(fā)[2015]111號(hào))。

陳興鵑(1986─)，女，吉林人，工程師，研究生，研究方向：衛(wèi)星遙感技術(shù)與應(yīng)用。

X87；TP79

A

1001-8581(2017)03-0103-06