孫 明， 謝 敏， 丁美花， 許文龍， 黃思琦， 高 菲

(1.廣西壯族自治區(qū)氣象減災(zāi)研究所/國家衛(wèi)星氣象中心遙感應(yīng)用試驗(yàn)基地,南寧 530022； 2.廣西壯族自治區(qū)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(xué)地理與遙感學(xué)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(yīng)是指城市城區(qū)氣溫高、郊區(qū)氣溫低的現(xiàn)象，在溫度的空間分布上，城區(qū)像一個突兀的、溫暖的孤島[1]。城市熱島現(xiàn)象是城市氣候?yàn)?zāi)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(qū)域氣候、城市水文、空氣質(zhì)量以及物質(zhì)代謝、能量循環(huán)等諸多城市生態(tài)過程，是引發(fā)一系列生態(tài)環(huán)境問題的重要原因之一。對熱島效應(yīng)的研究方法主要有常規(guī)技術(shù)和遙感技術(shù)2類[2-3]，常規(guī)技術(shù)一般以地面測量和空間模擬為主，數(shù)據(jù)主要來源于氣象資料，通過數(shù)學(xué)和統(tǒng)計(jì)學(xué)方法對熱島效應(yīng)進(jìn)行分析。例如林學(xué)椿等[4]用北京地區(qū)20個氣象觀測站41 a的年平均氣溫記錄，研究了北京地區(qū)的大尺度氣溫變化及其熱島效應(yīng)。

地表溫度(land surface temperature，LST)是地—?dú)饨缑骈L波輻射和湍流通量交換的直接驅(qū)動因子，城市地區(qū)LST的定量反演對于城市氣候和環(huán)境監(jiān)測具有特殊意義。

與常規(guī)方法相比，遙感技術(shù)具有快速、便捷、測量范圍大等特點(diǎn)，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(qū)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(shù)據(jù)，采用單窗算法反演了北京市LST，研究北京市熱島效應(yīng)的年際、年內(nèi)變化趨勢和空間分布特征； 王猛猛等[8]利用Landsat TM數(shù)據(jù)，采用單通道算法反演了合肥市LST，并對LST進(jìn)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(chǔ)上，根據(jù)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(jìn)行了反演。單窗算法和單通道算法需要?dú)庀髮?shí)測數(shù)據(jù)或同時相的MODIS數(shù)據(jù)進(jìn)行相關(guān)反演參數(shù)計(jì)算，多數(shù)情況下，地方氣象觀測站均有對應(yīng)于衛(wèi)星過境時天氣要素的實(shí)時觀測數(shù)據(jù)，但在參數(shù)化過程中使用的數(shù)據(jù)仍然是標(biāo)準(zhǔn)大氣廓線數(shù)據(jù)，對反演精度造成一定的影響； 劈窗算法以Landsat8為數(shù)據(jù)源時，其第11波段存在的不穩(wěn)定性會對反演精度產(chǎn)生較大影響； 輻射傳輸方程法根據(jù)普朗克方程反演LST，物理基礎(chǔ)明確，在獲取或模擬出較準(zhǔn)確的大氣參數(shù)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(jì)算器，可以快速獲取反演所需的各種大氣參數(shù)，提高了該方法的應(yīng)用范圍和可操作性。國內(nèi)學(xué)者對北京、上海、廈門等大城市的城市熱島效應(yīng)進(jìn)行了廣泛研究，而對防城港的研究尚未見報(bào)道。

進(jìn)入21世紀(jì)以來，防城港市城鎮(zhèn)化進(jìn)程迅猛發(fā)展，建成區(qū)規(guī)模逐年擴(kuò)大，由城鎮(zhèn)化引起的下墊面條件變化對氣象環(huán)境造成的影響逐漸顯現(xiàn)，城市熱島效應(yīng)逐年加重，對城市生態(tài)環(huán)境產(chǎn)生非常嚴(yán)重的影響。為此，本文利用3期陸地衛(wèi)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(shè)置熱島強(qiáng)度和熱島比例指數(shù)2個評價(jià)指標(biāo)，監(jiān)測2001—2015年防城港市建成區(qū)的變化情況、城市熱島的變化規(guī)律及分布特征； 分析城市下墊面因子對城市熱島效應(yīng)的影響。研究成果可為防城港市創(chuàng)建全國園林城市提供科學(xué)合理的建議，為減輕城市發(fā)展給生態(tài)環(huán)境帶來的影響提供技術(shù)支持。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

防城港市地處廣西壯族自治區(qū)南部，位于E107°28′～108°36′，N21°36′～22°22′之間，包括二區(qū)、一市、一縣(即防城區(qū)和港口區(qū)、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?qū)儆诘湫偷哪蟻啛釒ШＱ笮詽駶櫦撅L(fēng)氣候。2008年，國家提出把廣西北部灣經(jīng)濟(jì)區(qū)建設(shè)成為重要國際區(qū)域經(jīng)濟(jì)合作區(qū)，防城港市的經(jīng)濟(jì)和城市建設(shè)得到快速發(fā)展，大量工業(yè)園區(qū)、港口、碼頭以及商業(yè)地產(chǎn)開發(fā)，大大改變了城市下墊面結(jié)構(gòu)，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(qū)與郊區(qū)間的溫度差逐年加大，表明防城港市的城市熱島效應(yīng)越來越顯著。防城港市的城市建成區(qū)如圖1所示。

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

1.2 數(shù)據(jù)源

受防城港氣候特征的影響，全年中能夠獲取高質(zhì)量衛(wèi)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(jīng)濟(jì)和城市建設(shè)的重要節(jié)點(diǎn)，為此，本文將2008年作為時間拐點(diǎn)，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(wèi)星遙感影像作為數(shù)據(jù)源，其熱紅外波段數(shù)據(jù)均已插值到30 m空間分辨率。影像的光譜信息豐富、紋理結(jié)構(gòu)清晰，能較好地反映土地利用各地類特征； 城市建成區(qū)及近郊等重要區(qū)域無云霧遮蓋，影像質(zhì)量較好。利用ENVI5.1軟件對原始衛(wèi)星影像進(jìn)行了輻射校正和大氣校正，為LST反演和城市熱島效應(yīng)分析提供了可靠的基礎(chǔ)數(shù)據(jù)。

2 研究方法

2.1 城市建成區(qū)范圍提取

城市建筑用地的土地利用類型比較復(fù)雜，電磁波反射光譜異質(zhì)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(dá)到理想的效果。徐涵秋等[11-12]提出用基于規(guī)則的譜間差異和邏輯判別的建筑用地指數(shù)(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(shù)(normalized difference build-up index)；SAVI為土壤調(diào)節(jié)植被指數(shù)(soil adjusted vegetation index)；MNDWI為改進(jìn)的歸一化差值水體指數(shù)(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(diào)節(jié)因子l，SAVI被認(rèn)為最適合研究低植被覆蓋區(qū)，其探測植被覆蓋率的下限可低至15%； 由于城市建成區(qū)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(qiáng)建筑用地信息的植被指數(shù)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(jì)算，能夠擴(kuò)大衛(wèi)星影像中建筑用地與植被和水體的反差，增強(qiáng)建筑用地信息，從而達(dá)到提取城市建成區(qū)的目的。

城市建成區(qū)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(qū)域，需要將建筑用地范圍內(nèi)所包含的綠地、水體等信息與建筑用地進(jìn)行類別合并，得到相應(yīng)的城市建成區(qū)范圍。

2.2 地表比輻射率計(jì)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(nèi)部反射效應(yīng)而引起的發(fā)射率比例；NDVIV和NDVIS分別為植被和裸土的NDVI值。RV和Rm的計(jì)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(shù)據(jù)，εV和εm可根據(jù)覃志豪等[14]提供的經(jīng)驗(yàn)值，分別取值0.986和0.972； 對于Landsat8 OLI數(shù)據(jù)，εV和εm分別取0.982和0.967[15]；dε的取值根據(jù)植被覆蓋度的組成決定，即

(9)

2.3 地表溫度反演

遙感技術(shù)的飛速發(fā)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(shù)獲取，即

(12)

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

通過輸入影像的成像時間及中心經(jīng)緯度等信息，即可得到相應(yīng)的大氣參數(shù)(表1)。所選數(shù)據(jù)當(dāng)日大氣透射率均較高，反演結(jié)果的溫度分布趨勢與氣象站的實(shí)際觀測結(jié)果較為一致，表明反演結(jié)果具有一定的參考價(jià)值。

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

2.4 熱島強(qiáng)度計(jì)算

地表城市熱島強(qiáng)度(surface urban heatisland intensity，UHI)[23]定義為城市城區(qū)LST與郊區(qū)鄉(xiāng)村LST之差，可反映城鄉(xiāng)溫差的程度。其計(jì)算公式為

(13)

式中：UHIi為圖像中第個i像元所對應(yīng)的熱島強(qiáng)度；Ti為城區(qū)LST；n為郊區(qū)農(nóng)田內(nèi)的有效像元數(shù)；Tcrop為郊區(qū)農(nóng)田內(nèi)的LST。

UHI的關(guān)鍵在于郊區(qū)范圍的確定。Peng等[24]的研究表明，熱島效應(yīng)最小影響區(qū)域?yàn)槌菂^(qū)面積的150%，因而要確定郊區(qū)范圍首先要確定城市建成區(qū)，在此基礎(chǔ)上構(gòu)建城區(qū)面積的150%作為城市邊緣區(qū)(即城市郊區(qū))。根據(jù)實(shí)驗(yàn)結(jié)果分析，參照文獻(xiàn)[23]的劃分標(biāo)準(zhǔn)，將UHI分為4個等級(表2)。

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

2.5 熱島比例指數(shù)計(jì)算

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

(14)

式中：m為熱島強(qiáng)度等級數(shù)；i為城區(qū)溫度高于郊區(qū)溫度等級序號；n為城區(qū)溫度高于郊區(qū)溫度的等級數(shù)；wi為第i級的權(quán)重；pi為第i級值所占百分比例。一般URI值域?yàn)閇0,1]，該值越大，熱島現(xiàn)象越嚴(yán)重。

3 結(jié)果與分析

3.1 城市擴(kuò)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(qū)的城市建成區(qū)范圍(圖2)。

圖22001—2015年防城港市不同地區(qū)建成區(qū)分布

Fig.2Distributionofbuilt-upareaindifferentdistrictsofFangchenggangCityfrom2001to2015

根據(jù)圖2進(jìn)行統(tǒng)計(jì)，結(jié)果表明： 防城區(qū)及港口區(qū)建成區(qū)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(qū)擴(kuò)張主要在沿海灘涂區(qū)域，包括圍海造陸、興建工業(yè)園區(qū)等。東興市建成區(qū)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(kuò)展為典型的圈層式。上思縣建成區(qū)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(qū)面積約為2001年的5.3倍。其中，2001—2008年間建成區(qū)面積迅速擴(kuò)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(qiáng)度分布特點(diǎn)及發(fā)展趨勢

3.2.1 防城區(qū)和港口區(qū)

圖3為2001年，2008年和2015年防城區(qū)和港口區(qū)熱島強(qiáng)度空間分布圖，從中可以看出15 a來防城區(qū)及港口區(qū)的城鎮(zhèn)化發(fā)展歷程。

(a) 2001年 (b) 2008年 (c) 2015年

圖32001—2015年防城區(qū)和港口區(qū)熱島強(qiáng)度空間分布圖

Fig.3DistributionofheatislandintensityinFangchengandGangkoudistrictsfrom2001to2015

由圖3可知，強(qiáng)熱島區(qū)主要分布在市區(qū)及工業(yè)開發(fā)區(qū)，弱熱島區(qū)主要分布在水體和森林覆蓋率較高的地區(qū)。UHI的發(fā)展特征為由南向北發(fā)展，自西向東擴(kuò)張。2001年，防城區(qū)和港口區(qū)城市建成區(qū)主要包括防城區(qū)及港口區(qū)友誼路和建港路周邊開發(fā)區(qū)域，港口區(qū)未大面積開發(fā)，強(qiáng)熱島區(qū)域主要集中在港口區(qū)港務(wù)局及市人民醫(yī)院附近，城市其他區(qū)域以弱熱島為主。2008年，強(qiáng)熱島區(qū)域主要分布在港口區(qū)西南沿海一帶，并逐漸向企沙鎮(zhèn)一帶擴(kuò)張，局部出現(xiàn)強(qiáng)熱島區(qū)域； 防城區(qū)變化不大，仍然以弱熱島為主，局部小范圍出現(xiàn)較強(qiáng)熱島。2015年，港口區(qū)外海填海面積大幅擴(kuò)張，東部企沙鎮(zhèn)建成大面積的工業(yè)園區(qū)，擴(kuò)建了大量連接園區(qū)及碼頭的公路網(wǎng)絡(luò)； 強(qiáng)熱島區(qū)域遍及港口區(qū)主要建成區(qū)，企沙鎮(zhèn)及公車鎮(zhèn)都出現(xiàn)強(qiáng)熱島； 防城區(qū)小部分區(qū)域出現(xiàn)較強(qiáng)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(fā)展，城市熱島發(fā)展趨勢與城市開發(fā)建設(shè)同步，強(qiáng)熱島區(qū)域隨著城市新開發(fā)區(qū)域面積的擴(kuò)大而大幅擴(kuò)張； 防城區(qū)城市熱島效應(yīng)變化緩慢，由于防城區(qū)為老城區(qū)，多年來城市改、擴(kuò)建幅度較小，因而其城市熱島效應(yīng)表現(xiàn)為緩慢增加的趨勢。通過統(tǒng)計(jì)3期影像中的強(qiáng)熱島及較強(qiáng)熱島的面積可知，較強(qiáng)熱島區(qū)面積分別為10.17 km2，19.74 km2和36.68 km2，年均增長率為9.60%； 強(qiáng)熱島區(qū)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(fā)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(qiáng)度空間分布

Fig.4DistributionofheatislandintensityinDongxingCityfrom2001to2015

城市熱島隨著城市范圍的擴(kuò)張而擴(kuò)大，強(qiáng)熱島區(qū)域均分布在新建城區(qū)范圍內(nèi)，老城區(qū)的發(fā)展趨勢與防城區(qū)類似，熱島增加趨勢比較緩慢。2001年，東興市熱島區(qū)域主要分布在解放路一帶老城區(qū)，外圍區(qū)域均無熱島效應(yīng)； 2008年，城市的外圍往東部和北部發(fā)展，興東路附近出現(xiàn)了較強(qiáng)熱島，局部出現(xiàn)小范圍強(qiáng)熱島，城區(qū)大部分地區(qū)為弱熱島和較強(qiáng)熱島； 2015年，東興市建成區(qū)面積大幅擴(kuò)張，市區(qū)大部分區(qū)域呈現(xiàn)較強(qiáng)熱島，強(qiáng)熱島區(qū)沿著北侖河分布，均為新建城區(qū)。通過對3期影像中強(qiáng)熱島區(qū)面積統(tǒng)計(jì)，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(qiáng)熱島區(qū)域大幅增加，這與東興市的城市發(fā)展趨勢一致。

3.2.3 上思縣

圖5為2001—2015年上思縣熱島強(qiáng)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(qiáng)度空間分布

Fig.5DistributionofheatislandintensityinShangsiCountyfrom2001to2015

2001年，上思縣主要以弱熱島及較強(qiáng)熱島區(qū)域?yàn)橹鳎鞘薪ǔ蓞^(qū)以老縣城為主； 2008年，城市沿著團(tuán)結(jié)路向西南方向及南部擴(kuò)張，城市熱島效應(yīng)仍然不是很顯著，大部分區(qū)域仍然為弱熱島效應(yīng)； 2015年，上思縣城大部分區(qū)域都出現(xiàn)熱島效應(yīng)，其中教育路及縣人民醫(yī)院附近出現(xiàn)強(qiáng)熱島，以縣城為中心，外圍出現(xiàn)大面積較強(qiáng)熱島區(qū)域，無熱島區(qū)域面積大幅度縮小。從面積統(tǒng)計(jì)上看，強(qiáng)熱島區(qū)域面積從2001年的0.03 km2發(fā)展到2015年的0.77 km2，面積擴(kuò)大了約25.7倍。

3.3 熱島比例指數(shù)發(fā)展趨勢

對反演的防城港市不同時期LST進(jìn)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(tǒng)計(jì)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(quán)重分別為4和5。利用式(14)計(jì)算得到不同時期、不同區(qū)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(yīng)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(jīng)達(dá)到0.62，表明東興市的城市熱島現(xiàn)象已經(jīng)非常明顯； 防城區(qū)和港口區(qū)的URI在2001—2008年有一個躍升(這與港口開發(fā)有關(guān))，2008—2015年則呈緩慢遞增趨勢； 上思縣與港口區(qū)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(shù)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(yīng)與城市下墊面的關(guān)系

熱島效應(yīng)與城市下墊面特征密切相關(guān)。在城市建成區(qū)內(nèi)，與熱島效應(yīng)密切相關(guān)的地表參數(shù)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(jì)算IBI,NDVI及MNDWI，將3種指數(shù)分別歸一化到[0,1]； 然后在整個研究區(qū)內(nèi)均勻選取樣本點(diǎn)，利用SPSS軟件，采用多種函數(shù)(線性、冪、指數(shù)、對數(shù)及多項(xiàng)式等)對樣點(diǎn)進(jìn)行擬合，得出LST與各種指數(shù)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(diǎn)圖

Fig.7Scatterdiagramsbetweenurbanland,vegetation,waterandLST

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

分析圖7(b)，(c)可知，LST與NDVI及MNDWI呈反比關(guān)系，NDVI越高、植被覆蓋越好的地區(qū)，其LST越會相應(yīng)地降低；MNDWI越高、含水量越多的地區(qū)，其LST越低； 表明植被和水體對城市熱島效應(yīng)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(yīng)的影響，選取港口區(qū)的桃花湖公園水體和防城區(qū)的大尖峰綠地，每隔30 m建立一個緩沖帶，統(tǒng)計(jì)不同距離緩沖帶內(nèi)的溫度(表3)。

表3 城市綠地和水體不同距離緩沖帶內(nèi)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(tǒng)計(jì)結(jié)果可以看出，在桃花湖公園附近180 m距離內(nèi)，溫度差都是正值，溫度差最大可達(dá)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(yīng)的影響逐漸減弱。在大尖峰附近120 m距離內(nèi)，溫度差都是正值，溫度差最大可達(dá)到1.9 ℃； 距離越遠(yuǎn)，溫度差越小。與城市綠地相比，水體對城市熱島效應(yīng)的影響距離更遠(yuǎn)，對周圍熱場分布的改善作用更加顯著。

4 結(jié)論

1)防城港快速的城鎮(zhèn)化進(jìn)程使得城市建成區(qū)范圍大幅擴(kuò)張，城市熱島效應(yīng)日益嚴(yán)重。對3期陸地衛(wèi)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(qū)、市、縣的建成區(qū)面積均顯著增加： 防城區(qū)及港口區(qū)的建成區(qū)面積為2001年的3.4倍； 東興市的建成區(qū)面積為2001年的3.3倍； 上思縣的建成區(qū)面積為2001年的5.4倍?？焖俪擎?zhèn)化的進(jìn)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(qū)、市、縣的城市熱島強(qiáng)度均呈現(xiàn)逐年遞增的趨勢。其中，防城區(qū)和港口區(qū)強(qiáng)熱島區(qū)年均增長37.3%； 東興市強(qiáng)熱島區(qū)面積年均增長9.7%； 上思縣強(qiáng)熱島區(qū)面積增加雖不顯著，但較強(qiáng)熱島面積從2001年的0.03 km2發(fā)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(qū)、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(yīng)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(yīng)的影響主要表現(xiàn)為： 城市熱島效應(yīng)與城市用地呈正比關(guān)系，城鎮(zhèn)化程度越高，建筑密度越大，地表增溫越快； 城市熱島效應(yīng)與城市綠地和水體呈反比關(guān)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(yīng)均明顯好于綠地。

[1] 沈立新,鮑淳松.關(guān)于城市熱島問題的綜述[J].浙江林業(yè)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(shù)據(jù)的城市熱環(huán)境遙感監(jiān)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(xué)椿,于淑秋.北京地區(qū)氣溫的年代際變化和熱島效應(yīng)[J].地球物理學(xué)報(bào),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(qū)地表溫度的遙感反演與時空演變分析[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)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(yīng)時空變化的HJ-1B監(jiān)測分析[J].地球信息科學(xué)學(xué)報(bào),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(shù)據(jù)的合肥市城市熱島效應(yīng)研究[J].科學(xué)技術(shù)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(guī)劃設(shè)計(jì)的應(yīng)用——以廣西防城港市為例[D].楊凌:西北農(nóng)林科技大學(xué),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(shù)的新型遙感建筑用地指數(shù)及其生態(tài)環(huán)境意義[J].遙感技術(shù)與應(yīng)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(xué)報(bào),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(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,2004,16(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?yàn)槔齕J].遙感技術(shù)與應(yīng)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(huán)境的空間變化及其驅(qū)動力分析[J].安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)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(shù)據(jù)同時反演地表溫度和比輻射率的四通道算法[J].遙感學(xué)報(bào),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(shù)據(jù)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(xué)報(bào),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(yuǎn),李瑞宗,等.西安市地表溫度反演及城市熱島強(qiáng)度定量化研究[J].資源科學(xué),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(shù)據(jù)中反演地表溫度的方法[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)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(huán)境遙感監(jiān)測指標(biāo)研究及應(yīng)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(shù)與應(yīng)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.