典型地表对长沙主城区地表温度的影响分析

图1 2011~2019年全国省会城市累计高温天数排名前五

Fig.1 Top 5 provincial capital cities in China for cumulative high temperature days from 2011 to 2019

2 研究区域与数据来源

2.1　研究区域

长沙是湖南省省会，全国“两型社会”综合配套改革试验区。长沙位于湖南省东部偏北，湘江下游和长浏盆地西缘，地域范围为27°53′~28°41′N，111°53′~114°15′ E。长沙城区为多级阶地组成的坡度较缓的平岗地带，地势南高北低，湘江由南向北流经中部，穿贯市区，江中的橘子洲长5 km。湘江两岸形成地势低平的冲积平原，其东西侧及东南面为地势较高的低山、丘陵。长沙属亚热带季风气候，春季温度变化大，夏初雨水较多，伏秋高温时间长，冬季严寒少。四季分明，夏冬季长，春秋季短^［35］。

选取长沙市主城区为研究区域（如图2），包括开福区、岳麓区、芙蓉区、天心区和雨花区等，以一景Landsat 8卫星影像实际覆盖范围为准，所以天心区南部部分区域不在研究范围内。

图2

图2 长沙主城区研究范围图

Fig.2 Research region of Changsha main urban area

2.2　数据来源

Landsat 8 遥感影像从美国地质调查局官方网站（https：∥earthexplorer.usgs.gov）获取，行列号为123040。由于长沙地区云雨较多，且Landsat 8卫星影像16 d的重返周期，导致可用影像较少。实验选用其中云量较少质量较好的4景影像，日期分别为：2013年7月31日、2016年3月1日、7月23日和11月28日。

数据来源为美国国家环境资讯中心（NCEI， NOAA's National Centers for Environmental Information）网站的长沙气象站（代码为57687）是研究区附近的唯一逐小时气象站点，该站点的气温数据主要用于TIRS10_SC 算法^［36］并计算大气平均作用温度。遥感影像获取时间约为上午10：56~10：57分，接近于上午11：00。采用的11时气温数据如表1所示。

表1 长沙气象站观测数据

Table 1 Changsha meteorological station observation data

日期	11时气温	日期	11时气温
2013-07-31	35.6℃	2016-07-23	32.8℃
2016-03-01	16.1℃	2016-11-28	12.7℃

3 研究方法

3.1　地表温度反演算法

胡德勇^［36］根据Landsat 8 TIRS10接收到的辐射能量方程和黑体辐射理论推导出了反演地表温度的计算公式（1）：

T_{s} = \frac{[K_{2} (A + B) T_{10} + (1 - A - B) T_{10}^{2} - B K_{2} T_{a}]}{A K_{2}}

（1）

其中： $A = τ_{10} ε_{10}$ ； $B = (1 - τ_{10}) [1 + (1 - ε_{10}) τ_{10}]$ ； $τ_{10}$ 为大气透过率； $ε_{10}$ 为地表比辐射率； $T_{10}$ 为TIRS10 传感器处的亮度温度（K）； $T_{a}$ 为大气平均作用温度（K）； $K_{2}$ 为常数1 321.08（K）。

3.1.1　亮温反演

Landsat 8 TIRS10波段可以由公式（2）转换为亮度温度 $T_{10}$ ^［36］：

T_{10} = K_{2} / l n (\frac{K_{1}}{L_{10}} + 1)

（2）

其中： $L_{10}$ 为大气上界太阳辐射亮度（W/（m²·sr·μm））， $K_{1}$ 和 $K_{2}$ 为热红外波段的定标常数，对于TIRS10波段， $K_{1} = 774.89$ （W/（m²·sr·μm））。

3.1.2　大气透过率的遥感反演

大气透过率可以通过水汽含量估算得到^［37］，其计算公式如表2所示。

表2 Landsat 8大气透过率与水汽含量的关系

Table 2 Estimation of atmospheric transmittance for the Landsat 8

大气模式	水汽含量	大气透过率估算公式
中纬度夏季大气	0.2~2.0	$τ_{10} = 0.7029 - 0.0620 w$
	2.0~5.6	$τ_{10} = 0.9220 - 0.0780 w$
	5.6~6.8	$τ_{10} = 0.5422 - 0.0735 w$
中纬度冬季大气	0.2~1.4	$τ_{10} = 0.9228 - 0.0735 w$

表中 $τ_{10}$ 为大气透过率，w为水汽含量（g∙cm^-2），水汽含量可以通过FLAASH大气校正工具获得。

3.1.3　地表比辐射率的估算

为了提高地表温度遥感反演的精度，使用覃志豪针对不同地表类型计算地表比辐射率的方法^［38］：

（1）水体像元地表比辐射率：0.995

（2）自然表面像元比辐射率：

ε_{s u r f a c e} = 0.9625 + 0.0614 P_{v} - 0.0461 P_{v}^{2}

（3）

（3）城镇区像元比辐射率：

ε_{b u i l d i n g} = 0.9589 + 0.086 P_{v} - 0.0671 P_{v}^{2}

（4）

式（3）和（4）中， $P_{v}$ 是植被覆盖度，可用 $N D V I$ 进行计算^［39］：

P_{v} = {[\frac{(N D V I - N D V I_{s o i l})}{(N D V I_{v e g} - N D V I_{s o i l})}]}^{2}

（5）

$N D V I$ 为归一化植被指数； $N D V I_{s o i l}$ 为完全被裸土或无植被覆盖区域的 $N D V I$ 值， $N D V I_{v e g}$ 则代表完全被植被所覆盖的像元的 $N D V I$ 值，即纯像元植被的 $N D V I$ 值。取经验值 $N D V I_{v e g} = 0.5$ 和 $N D V I_{s o i l} = 0.2$ ，即当某个像元的 $N D V I$ 大于0.5时， $P_{v}$ 取值为1，当某个像元的 $N D V I$ 小于0.2时， $P_{v}$ 取值为0。

3.1.4　大气平均作用温度的估算

两种标准大气的大气平均作用温度 $T_{a}$ 的估算方法如表3所示^［38］。 $T_{0}$ 为近地表温度，实验采用长沙站的气温数据代替 $T_{0}$ 。

表3 大气平均作用温度估算方法

Table 3 Estimation of atmospheric mean operating temperature

大气模式	大气平均作用温度估算方程
中纬度夏季	$T_{a} = 16.0110 + 0.92621 T_{0}$
中纬度冬季	$T_{a} = 19.2704 + 0.91118 T_{0}$

3.2　地表覆盖分类

研究采用监督分类中的支持向量机方法对长沙市主城区4景 Landsat 8 影像分别进行地表覆盖类型的提取。支持向量机是建立在统计学习理论的基础上，自动寻找对类别有较大区分能力的支持向量，由此构造出分类器，将类与类之间的间隔最大化的机器学习方法^［40］。根据不同的地表性质，对长沙市主城区的地表覆盖类型划分为建设用地、裸地、绿地和水体。其中，建设用地是指城乡公共设施、工业区、住宅区、道路等硬化的人造建筑物，裸地是指未利用和裸露的土地，绿地是指乔木、灌木、草地、耕地的覆盖区域，水体是指水域覆盖的区域，主要包括河流、湖泊、湿地和水池等^［41］。

3.3　热岛强度分级

为对不同季节的地表温度进行分析，消除季节、气温的影响，对地表温度进行正规化处理，使得地表温度值得范围在0~1之间，如公式（6）所示^［42］。

T_{n i} = \frac{T_{s i} - T_{s m i n}}{T_{s m a x} - T_{s m i n}}

（6）

其中： $T_{n i}$ 表示第i个像元正规化后的值； $T_{s i}$ 表示第i个像元实际的地表温度； $T_{s m a x}$ 和 $T_{s m i n}$ 分别表示研究区域地表温度的最大值和最小值。

对于正规化后的地表温度采用均值—标准差的方法将地表温度划分为低温、次低温、中温、次高温和高温5个热岛强度等级。划分标准如表4所示^［42］。

表4 热岛强度等级划分标准

Table 4 The classification criteria of urban heat island intensity

热岛强度等级	温度范围
低温	$T_{n i} < T_{m e a n} - 1.5 S$
次低温	$T_{m e a n} - 1.5 S \leq T_{n i} < T_{m e a n} - 0.5 S$
中温	$T_{m e a n} - 0.5 S \leq T_{n i} < T_{m e a n} + 0.5 S$
次高温	$T_{m e a n} + 0.5 S \leq T_{n i} < T_{m e a n} + 1.5 S$
高温	$T_{n i} > T_{m e a n} + 1.5 S$

表4中， $T_{n i}$ 表示第i个像元正规化后的值， $T_{m e a n}$ 表示研究区域地表温度的平均值，S为标准差。

3.4　遥感指数

3.4.1　MNDWI指数

徐涵秋在NDWI的基础上对构成该指数的波段组合进行了修改，得到了在城镇范围内提取水体效果更好的MNDWI指数，其表达式为公式（7）^［43］：

M N D W I = \frac{G r e e n - M I R}{G r e e n + M I R}

（7）

3.4.2　随机样点的选取

由于分类精度存在差异，随机点选取中，辅助 Google Earth 高清卫星影像，利用ArcGIS随机选取了272个样点，通过提取分析获得每个随机样点LST图像和MNDWI图像的值，以此分析每个时期的LST与MNDWI的相关性。随机点的地表覆盖类型统计如表5所示，随机样点的分布图如图3所示。

表 5 随机点地表覆盖类型统计表

Table 5 Statistical table of random point land cover types

	水体	绿地	裸地	建设用地
2013-07-31	38	80	11	143
2016-03-01	38	73	9	152
2016-07-23	38	74	8	152
2016-11-28	38	69	8	157

图3

图3 随机点分布图

Fig.3 Distribution of random points

4 结果与分析

4.1　反演结果

4.1.1　热岛强度分级与地表分类结果

根据支持向量机分类器的地表覆盖分类精度评价如表6所示。从表6中可以看出，地表覆盖分类Kappa系数差异较大，主要是由于Landsat 8 影像空间分辨率为30 m，而城市中各类地表类型交错分布，特别是绿地与建设用地，并且绿地在夏季与冬季叶面绿度不一，造成绿地和建设用地类型的面积变化大。此外，ROI感兴趣区的选取对评价精度有一定的影响。

表6 地表覆盖分类精度评价结果

Table 6 Evaluation results of classification accuracy of land cover

日期	总体分类精度/%	Kappa系数
2013-07-31	91.3573	0.8648
2016-03-01	95.6912	0.9342
2016-07-23	94.8485	0.9212
2016-11-28	93.9205	0.9067

地表覆盖分类结果如图4所示，根据公式（6）得到的热岛强度等级结果如图5所示。

图4

图4 地表覆盖分类结果

Fig.4 Classification results of land cover

图5

图5 热岛等级划分结果

Fig.5 Division results of Urban heat island grading

4.1.2　水体特征提取和建立缓冲区

依据地表覆盖分类的结果，利用ArcGIS提取水体部分并将其矢量化，得到湘江、捞刀河、浏阳河各个时期的范围。以河流边界为起点向陆地做缓冲区，30 m为间隔生成15级缓冲区。利用河流和缓冲区的矢量数据，提取河流的平均温度和宽度，每一级缓冲区（30 m范围）内建设用地的平均温度、绿地的平均温度、建设用地比例（每一级缓冲区内建设用地面积占总面积的比例）。河流平均温度与宽度如表7所示。

表7 河流平均温度与宽度统计表

Table 7 Statistical table of river temperature and width

日期	河流	河流温度/℃	河流宽度/m
2013-07-31	湘江	27.71	896
	浏阳河	30.77	132
	捞刀河	30.67	121
2016-03-01	湘江	15.38	892
	浏阳河	18.30	124
	捞刀河	17.84	120
2016-07-23	湘江	26.87	988
	浏阳河	28.46	179
	捞刀河	29.03	167
2016-11-28	湘江	16.59	898
	浏阳河	15.84	131
	捞刀河	15.28	120

4.2　地表温度时空分布状况分析

从时间轴上比较（如图6），2016年11月28日属于冬季，整个区域地表温度偏低，2016年3月的春季次之。2016年7月23日与2013年7月31日同属夏季，日期接近，地表温度直方图统计曲线形状一致，但2016年7月23日地表温度整体偏低，其原因如表8所示，2016年7月23日及前几日的观测气温比2013年7月31日整体偏低。

图6

图6 地表温度直方图统计曲线

Fig.6 Histogram Statistics of Land Surface Temperature

表 8 历史日期的气温统计 (℃)

Table 8 Temperature Statistics on Historical Dates

历史日期	最高温	最低温	历史日期	最高温	最低温
20130729	37	29	20160228	22	8
20130730	38	29	20160229	19	7
20130731	39	30	20160301	21	10
20160721	35	28	20161126	10	3
20160722	36	29	20161127	14	4
20160723	37	29	20161128	15	5

从图5中可以看出，7月份热岛效应显著，3月份热岛效应较7月份有所减弱，11月份城市中心冷岛效应较为明显。长沙火车站沿线、高桥大市场和部分工厂在各个时期均为高温区。2013年与2016年对比，2016年高温区呈现增加趋势，2013年7月高温区面积为27.01 km²，2016年3月为30.30 km²，2016年7月为33.42 km²，2016年11月为31.30 km²。虽然2016年11月气温较低，但是高温区面积仍然较大。

2013年7月和2016年7月相比，2013年7月浏阳河沿岸高温区比较集中，而2016年7月浏阳河沿岸高温区面积大量减少，五一广场周边高温区增加。根据历史天气数据可知，从2013年6月30日至7月31日，除7月7日日最高温为34 ℃，其他时间日最高气温均大于35 ℃，天气多为晴或多云，仅7月14日至15日有雨。从2016年6月24日到7月20日，长沙天气大多为多云或下雨，雨天占17 d，仅7月8日至9日为晴天。此外，根据Google Earth 历史高清卫星影像，在2013年至2016年期间大部分自建房拆除，2013年浏阳河周边区域大部分为黑色屋顶的自建房，而2016年7月拆除的自建房仅保留了反射率较高的水泥地面和部分残留的建筑垃圾。综合以上天气以及地表覆盖性质改变的影响，2016年7月浏阳河沿岸热岛效应相对于2013年7月有所缓解。

通过表9可以看出，各类地表覆盖在不同月份地表热岛等级的分布状况有所改变。3月建设用地中比率最大的为中温，占52.94%，7月建设用地中比率最大的为次高温，2013年7月占52.94%，2016年7月占46.12%。3月和7月，绿地中比率最大的为次低温，2013年7月占56.18%，2016年3月占53.41%，2016年7月占58.31%。3月和7月，水体中比率最大的为低温，2013年7月占65.13%，2016年3月占69.64%，2016年7月占64.10%。而11月，建设用地中比率最大的为中温，占40.78%，绿地中比率最大的为中温，占50.46%，水体中比率最大的次高温，占67.82%。

表9 热岛强度分级在各类土地覆盖的面积占比统计表 (%)

Table 9 The proportion of urban heat island grading in various land cover area

热岛分级	2013-07-31				2016-03-01
热岛分级	建设用地	绿地	水体	裸地	建设用地	绿地	水体	裸地
低温	0.06	6.87	65.13	1.85	0.41	1.59	69.64	1.24
次低温	4.08	56.18	30.45	3.58	6.56	53.41	23.08	10.14
中温	33.58	32.85	3.82	43.38	44.02	41.45	6.29	55.97
次高温	52.94	4.07	0.48	48.26	39.62	3.41	0.97	30.85
高温	9.34	0.03	0.11	2.93	9.39	0.13	0.02	1.80
热岛分级	2016-07-23				2016-11-28
热岛分级	建设用地	绿地	水体	裸地	建设用地	绿地	水体	裸地
低温	0.15	3.86	64.10	1.66	3.38	5.51	0.68	1.93
次低温	5.71	58.31	29.38	3.22	17.05	38.18	9.66	7.52
中温	36.29	31.63	5.56	56.43	40.78	50.46	21.74	37.45
次高温	46.12	6.01	0.84	36.83	28.96	5.50	67.82	48.44
高温	11.73	0.19	0.13	1.86	9.84	0.36	0.10	4.66

4.3　河流热缓解效应分析

根据各个时期建设用地平均温度和绿地平均温度（如图7）可以看出，在3月和7月河流对120 m范围内的降温作用明显，以河边为起点向陆地缓冲120 m范围内，地表温度随距离的增加而迅速增加，但是距离河流120 m以上，温度趋于平稳。而在11月河流对周边区域降温作用不明显，虽然建设用地平均温度与绿地平均温度曲线起伏较大，但是河流周边温度变化不大。湘江、浏阳河和捞刀河缓冲区内建设用地最高温与最低温的差值分别为0.83 ℃、0.52 ℃和0.55 ℃。距离河流30 m范围内温度相对较高，主要是因为影像分辨率较低，仍然存在大量混合像元，分类结果中建设用地像元中仍然存在部分水体。

图7

图7 缓冲区地表温度与建设用地比例图

Fig.7 Buffer zone LST and the proportion of construction land

利用建设用地平均温度（y₁）与绿地平均温度（y₂）与河流缓冲距离（x）进行线性拟合分析，所得结果如表10所示。河流周边120 m范围内，在2013年7月，由陆地向河流每减少30 m，建设用地平均温度减少1.05~1.26 ℃，绿地平均温度减少0.63~0.9 ℃；在2016年3月，由陆地向河流每减少30 m，建设用地平均温度减少0.51~0.78 ℃，绿地平均温度减少0.45~0.57 ℃；在2016年7月，由陆地向河流每减少30 m，建设用地平均温度减少0.93~0.99 ℃，绿地平均温度减少0.57~0.99 ℃；由于2016年11月河流周边120 m范围内建设用地平均温度、绿地平均温度与缓冲距离线性关系较差，因此未进行线性拟合分析。2013年7月河流的降温作用最强，2016年3月河流降温作用最弱。在7月，浏阳河对河流周边120 m范围内建设用地和绿地的降温作用均最强，由陆地向浏阳河每减少30 m，在2013年7月，建设用地平均温度减少1.26 ℃，绿地平均温度减少0.9 ℃；在2016年7月，建设用地和绿地平均温度均减少0.99 ℃。在3月，湘江对河流周边120 m范围内建设用地降温作用最强，捞刀河对绿地降温作用最强。由陆地向河流每减少30 m，湘江周边建设用地平均温度减少0.78 ℃，捞刀河周边绿地平均温度减少0.57 ℃。

表 10 缓冲距离与各类土地覆盖的地表平均温度拟合分析

Table 10 Correlation between buffer distance and LST in different land cover types

日期	缓冲区120 m内地表平均温度	湘江		浏阳河		捞刀河
日期	缓冲区120 m内地表平均温度	拟合公式	R²	拟合公式	R²	拟合公式	R²
2013-07-31	建设用地平均温度	y₁=30.04+0.042x	0.984	y₁=31.06+0.044x	0.994	y₁=31.08+0.035x	0.980
2013-07-31	绿地平均温度	y₂=29.26+0.024x	0.991	y₂=30.64+0.03x	0.986	y₂=30.39+0.021x	0.992
2016-03-01	建设用地平均温度	y₁=17.77+0.026x	0.989	y₁=18.67+0.022x	0.988	y₁=18.20+0.017x	0.995
2016-03-01	绿地平均温度	y₂=17.25+0.016x	0.981	y₂=18.20+0.015x	0.968	y₂=16.54+0.019x	0.934
2016-07-23	建设用地平均温度	y₁=28.85+0.031x	0.982	y₁=29.18+0.033x	0.992	y₁=29.06+0.032x	0.979
2016-07-23	绿地平均温度	y₂=27.54+0.023x	0.991	y₂=28.35+0.033x	0.982	y₂=28.99+0.019x	0.976

河流的降温强度与河水温度和距离河流120 m以上的地表温度的差值大小有关，与河流宽度关系较弱。虽然湘江的河流宽度最大，河流温度最低，浏阳河河流温度最高，河流宽度远远小于湘江（见表7），但是浏阳河的降温作用在7月份却强于湘江。主要是由于浏阳河周边区域建设用地比例最高（见图7），距离河流120 m以上的建设用地温度与浏阳河的河水温度相差较大，导致其降温作用较强。而在3月，由于城区热岛效应较弱，浏阳河河水温度与距离河流120 m以上的地表温度差异减小，湘江水温最低，所以湘江对建设用地降温作用最强。虽然捞刀河距离120 m范围内建设用地比例也较高，但是由于湘江、浏阳河周边的建设用地多为地表温度相对较高的工厂、居民小区和商业用地，而捞刀河周边的建设用地多为地表温度相对较低的农村自建房，距离河流120 m以上的地表温度与河流温度差异较小，因此捞刀河对周边地区的降温作用较弱。

4.4　MNDWI指数与地表温度相关性分析

MNDWI与地表温度的散点关系图（图8）中呈多边形结构。对水体和其它地表类型分别做了相关性分析，但是结果表明MNDWI与地表温度的相关性均较差，除了在2013年7月和2016年3月水体相关性分析中的决定系数R²为0.55以上，其他各个时期的决定系数R²均较低。因为各类地表类型中的样点在散点图中分布离散，所以MNDWI不适合与地表温度进行线性相关的分析。水体的MNDWI与地表温度在3月和7月呈负相关，但是在11月却呈正相关。结合图4和图5，由于河流的MNDWI值高于湖泊的MNDWI值，11月气温低，河流的温度高于湖泊的温度，所以导致11月水体的MNDWI与地表温度呈正相关。

图8

图8 LST与MNDWI关系图

Fig.8 Correlation between LST and MNDWI

在不同月份，由于天气状况、日出时间、各类地表类型性质的差异等因素导致遥感指数与地表温度的相关性呈现出明显的差异。在7月，水体温度最低，绿地温度高于水体低于建设用地和裸地，建设用地和裸地温度最高。在3月绿地与大部分建设用地温度相差不大，而在11月，绿地、水体与建设用地的地表温度差异更小。

各地表覆盖类型在MNDWI指数散点图中基本呈属性特征的团块状分布（见图8）。在随机点的选取中，各类地表覆盖类型所拥有的随机点个数也会影响拟合效果。因此，在随机点选取时，各类地表覆盖类型的数量应当按各类地表覆盖类型面积占研究区总面积的比重进行选取，得到的拟合方程才能符合所在研究区的实际状况。

4.5　屋顶材质与地表温度相关性分析

在长沙市主城区地表温度反演中发现，2016年3月1日、7月23日和11月28日3期影像中长沙主城区多个地区不同类型的屋顶地表温度也不一样，并且地表温度差异较大，本次分析主要针对长沙比亚迪汽车公司厂房（图9（a））。因部分厂房在2016年11月以前未建设完成，以下选用2016年11月28日遥感影像反演结果与近期高清卫星影像进行分析。

图9

图9 表11不同材质屋顶的地表温度、辐射亮度与地表比辐射率的分布图

调整地表比辐射率及其对应的地表温度变化

Fig.9 Table 11 Distribution of surface temperature， radiant brightness and emissivity of roofs with different materials Adjustment of emissivity and corresponding surface temperature changes

根据高清卫星影像（图9（a））可知，图9（a）的右侧为高反射率屋顶的厂房，左侧为低反射率屋顶的厂房。图9（b）中右侧高反射的厂房比左侧低反射的厂房温度低，右侧厂房温度主要介于-6.2~13.6 ℃，而左侧厂房主要介于17.4~28.5 ℃。其中，右侧厂房大部分区域温度都低于0 ℃。通过Band10的辐射亮度图像（图9（c））可以看出，图9（c）中右侧高反射厂房的辐射亮度比左侧低反射厂房区低，且右侧高反射率厂房的辐射亮度值大部分在5.55~5.90 W/（m²∙sr∙μm）之间。在地表比辐射率的图像（图9（d））中，右侧厂房与左侧厂房的地表比辐射率一致，均为0.9589，针对建设用地中不同材质屋顶地表比辐射率的差异有待进一步研究。

为了进一步分析比辐射率对地表温度的影响，将反演地表温度的计算公式除地表比辐射率以外的其他参数设为固定值（见表11）。其中，大气透过率为0.8612，辐射亮度为5.55 W/（m²∙sr∙μm），大气平均作用温度为279.73 K。当地表比辐射率为0.82~0.96时，地表比辐射率每减少0.01，地表温度增加值在0.47~0.63 ℃之间。并且地表比辐射率越小，对地表温度的影响越大。

表11 调整地表比辐射率及其对应的地表温度变化

Table 11 Adjustment of emissivity and corresponding surface temperature changes

地表比辐射率	地表温度/℃	增加量/℃	地表比辐射率	地表温度/℃	增加量/℃	地表比辐射率	地表温度/℃	增加量/℃
0.96	-6.31	—	0.91	-3.86	0.51	0.86	-1.13	0.57
0.95	-5.84	0.47	0.9	-3.34	0.52	0.85	-0.55	0.58
0.94	-5.36	0.48	0.89	-2.81	0.53	0.84	0.05	0.60
0.93	-4.87	0.49	0.88	-2.26	0.55	0.83	0.66	0.61
0.92	-4.37	0.50	0.87	-1.71	0.56	0.82	1.29	0.63

目前针对地表比辐射率的反演方法多是依据NDVI进行估算，但是建设用地的NDVI值相对一致，难以区分高反射率屋顶和其他类型屋顶。因此，针对高反射率材质的屋顶对地表比辐射率的影响有待进一步细化分析。

5 结语

实验通过分析地表温度的时空分布特征，河流对周边地区的热缓解效应，MNDWI指数与地表温度的相关性，地表比辐射率的变化对地表温度的影响得出以下结论：

（1）长沙火车站沿线、高桥大市场和部分工厂在各个时期均为高温区。2016年7月相比2013年7月浏阳河周边区域热岛效应缓解，主要由天气情况的不同以及拆迁改变地表覆盖性质等造成的。3月建设用地中比率最大的为中温，7月建设用地中比率最大的为次高温。3月和7月，绿地中比率最大的为次低温，水体中比率最大的为低温。而11月，建设用地和绿地中比率最大的为中温，水体中比率最大的次高温。

（2）在3月和7月河流对120 m范围内的降温作用明显，地表温度随距离河流的距离的增加而迅速增加，但是距离河流120 m以上，温度趋于平稳。而在11月河流对周边区域降温作用不明显。河流周边120 m范围内，由陆地向河流每减少30 m， 7月建设用地平均温度减少0.93~1.26 ℃，绿地平均温度减少0.57~0.99 ℃；3月建设用地平均温度减少0.51~0.78 ℃，绿地平均温度减少0.3~0.57 ℃。河流的降温强度与河水温度和距离河流120 m以上的地表温度的差值大小有关，与河流宽度相关性较小。

（3）负的MNDWI与地表温度呈正相关关系，正的MNDWI与地表温度3月和7月呈负相关关系，11月呈正相关关系。

（4）地表比辐射率对地表温度反演的结果影响显著，利用NDVI估算地表比辐射率难以区分高反射率的屋顶与其他类型的建设用地。针对高反射率材质的屋顶对地表比辐射率的影响有待进一步细化分析。

综上所述，地表覆盖是引起城市热岛效应变化的重要原因，在地表覆盖分类中应当采用空间分辨率更高的影像，提高地表覆盖分类的准确度。此外，可深入分析屋顶材质对地表比辐射率的影响，建筑物阴影对地表温度的影响方面的研究，以期得到更高精度的城区地表温度，为缓解城市热岛效应提供技术支持。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Chongping

， Liu

Weidong

， Xuan

Chunyi

Impact of urban growth on the Heat Island in Beijing

［J］. Chinese Journal of Geophysics， 2006（1）：69-77.

季崇萍，刘伟东，轩春怡.

北京城市化进程对城市热岛的影响研究

［J］.地球物理学报，2006（1）：69-77.

[2]

Weiqiang

， Zhou

Hongmei

， Yang

Yinming

， et al.

The study of city green reducing Thermal Island Effect based on RS and GIS

［J］. Remote Sensing Technology and Application，2006，21（5）：432-435.

葛伟强，周红妹，杨引明，等.

基于遥感和GIS的城市绿地缓解热岛效应作用研究

［J］.遥感技术与应用，2006，21（5）：432-435.

[3]

Hualang

， Chen

Yunhao

， Gong

Adu

Advances in the application of remotely sensed date to the study of Urban Heat Island

［J］. Remote Sensing for Land & Resources，2005（3）：5-9，13.

胡华浪，陈云浩，宫阿都.

城市热岛的遥感研究进展

［J］.国土资源遥感，2005（3）：5-9，13.

[4]

Xiao

Rongbo

， Ouyang

Zhiyun

， Li

Weifeng

， al

，

A review of the eco-environmental consequences of Urban Heat Islands

［J］. Acta Ecologica Sinica ，2005，25（8）：2055-2060.

肖荣波，欧阳志云，李伟峰，等.

城市热岛的生态环境效应

［J］.生态学报，2005，25（8）：2055-2060.

[5]

Xiao

Rongbo

， Ouyang

Zhiyun

， Zhang

Zhaoming

， et al.

Advances in methodology of Urban Heat Island

［J］. Meteorological Monthly，2005（11）：4-7.

肖荣波，欧阳志云，张兆明，等.

城市热岛效应监测方法研究进展

［J］.气象，2005（11）：4-7.

[6]

， Qin

Zhihao

A Study of Urban Heat Island in summer of Nanjing based on MODIS data

［J］. Remote Sensing Technology and Application， 2006，21（5）：426-431.

叶柯，覃志豪.

基于MODIS数据的南京市夏季城市热岛分析

［J］.遥感技术与应用，2006，21（5）：426-431.

[7]

Yang

Yingbao

， Su

Weikang

， Jiang

Nan

Time-space character analysis of Urban Heat Island effect in Nanjing City using remote sensing

［J］. Remote Sensing Technology and Application， 2006，21（6）：488-492，479.

杨英宝，苏伟忠，江南.

南京市热岛效应时空特征的遥感分析

［J］.遥感技术与应用，2006，21（6）：488-492，479.

[8]

Zhang

Yong

， Yu

Tao

， Gu

Xingfa

， et al.

Land surface temperature retrieval from CBERS-02 IRM SS thermal infrared data and its applications in quantitative analysis of Urban Heat Island effect

［J］. Journal of Remote Sensing，2006，10（5）：789-797.

张勇，余涛，顾行发，等.

CBERS-02 IRMSS热红外数据地表温度反演及其在城市热岛效应定量化分析中的应用

［J］.遥感学报，2006，10（5）：789-797.

[9]

Wang

Jiankai

，Wang

Kaicun

，Wang

Pucai

Urban Heat（or Cool） Island over Beijing from MODIS land surface temperature

［J］. Journal of Remote Sensing，2007，11（3）：330-339.

王建凯，王开存，王普才.

基于MODIS地表温度产品的北京城市热岛（冷岛）强度分析

［J］.遥感学报，2007，11（3）：330-339.

[10]

Wang

Meiya

， Xu

Hanqiu

， Li

Xia

， et al.

Analysis on spatiotemporal variation of Urban Impervious Surface and its influence on Urban Thermal Environment： Fuzhou City，China

［J］.Journal of Basic Science and Engineering，2018，26（6）：1316-1326.

王美雅，徐涵秋，李霞，等.

不透水面时空变化及其对城市热环境影响的定量分析——以福州市建成区为例

［J］.应用基础与工程科学学报，2018，26（6）：1316-1326.

[11]

Wang

Meiya

， Xu

Hanqiu

， Fu

Wei

， et al.

Spatio-temporal variation of Urban Surface Water and its influence on Urban Thermal Environment

［J］. Scientia Geographica Sinica，2016，36（7）：1099-1105.

王美雅，徐涵秋，付伟，等.

城市地表水体时空演变及其对热环境的影响

［J］.地理科学，2016，36（7）：1099-1105.

[12]

Chen

Yanhong

， Cai

Yuanbin

， Tong

Chuan

Temperature effect under the green space evolution based on remote sensing： a case study of Fuzhou， China

［J］.Acta Ecologica Sinica，2020，40（7）：1-13.

陈燕红，蔡芫镔，仝川.

基于遥感的城市绿色空间演化过程的温度效应研究——以福州主城区为例

［J］.生态学报，2020，40（7）：1-13］.

[13]

Liu

Xuemei

，Gao

Xiaohong

，Jia

Wei

Spatio-temporal change of Urban Heat Island effect in Xining from landsat image

［J］. Journal of Earth Environment，2019，10（2）：166-176.

刘雪梅，高小红，贾伟.

基于遥感影像的近30年西宁市热岛效应时空变化

［J］.地球环境学报，2019，10（2）：166-176.

[14]

Zhang

Qifei

，Wen

，Wu

Zhifeng

，et al.

Seasonal variations of the Cooling Effect of Water landscape in high-density Urban built-up area： A case study of the denter urban district of Guangzhou

［J］. Ecology and Environmental Sciences，2018，27（7）： 1323-1334.

张棋斐，文雅，吴志峰，等.

高密度建成区湖泊水体的热缓释效应及其季相差异——以广州市中心城区为例

［J］.生态环境学报，2018，27（7）：1323-1334.

[15]

Nie

Chong

， Yang

Jun

， Huang

Conghong

Analysis of the regulation effect of surface water bodies in urban Beijing on its thermal environment

［J］. Journal of Basic Science and Engineering，2019，27（6）：1258-1268.

聂冲，杨军，黄从红.

北京城区地表水体对城市热环境的调节作用分析

［J］.应用基础与工程科学学报，2019，27（6）：1258-1268.

[16]

Xiaoyong

， Kuang

Wenhui

The effects of urban land cover composition and structure on land surface temperature in Beijing，Tianjin，and Shijiazhuang

［J］. Chinese Journal of Ecology，2019，38（10）：3057-3065.

李孝永，匡文慧.

北京、天津和石家庄城市地表覆盖组分与结构特征对地表温度的影响

［J］.生态学杂志，2019，38（10）：3057-3065.

[17]

Lin

Zhongli

， Xu

Hangqiu

Comparative Study on the Urban Heat Island effect in “Stove Cities” during the last 20 years

［J］. Remote Sensing Technology and Application， 2019， 34（3）：521-530.

林中立，徐涵秋.

近20年来新旧“火炉城市”热岛状况对比研究

［J］. 遥感技术与应用， 2019， 34（3）： 521-530.

[18]

Jing

， Wang

Qingmei

， Ji

Mengda

， et al.

Remote sensing analysis of Heat Island effect in Changchun city

［J］. Science of Surveying and Mapping，2019，44（8）：61-69.

马晶，王青妹，纪梦达，等.

长春市城区热岛效应遥感分析

［J］.测绘科学，2019，44（8）：61-69.

[19]

Xia

Junshi

， Du

Peijun

， Zhanghairong， et al.

The Quantitative relationship between land surface temperature and land cover types based on remotely sensed data

［J］. Remote Sensing Technology and Application， 2010，25（1）：15-23.

夏俊士，杜培军，张海荣，等.

基于遥感数据的城市地表温度与土地覆盖定量研究

［J］.遥感技术与应用，2010，25（1）：15-23.

[20]

Bai

Yang

， Wang

Min

， Meng

Hao

， et al.

Relationship between land surface temperature and land cover in rapid urbanization process of Shanghai

［J］. Environmental Pollution & Control， 2013，35（6）：49-54，

77［白杨，王敏，孟浩，等.

上海市快速城市化过程中地表温度与地表覆盖的关系研究

［J］.环境污染与防治，2013，35（6）：49-54，77.］

[21]

Liang

Baoping

， Ma

Yifang

， Li

Hui

Research on cooling effect of the landscape green space and urban water in Guilin City

［J］.Ecology and Environmental Sciences， 2015， 24（2）： 278-285.

梁保平，马艺芳，李晖.

桂林市典型园林绿地与水体的降温效应研究

［J］.生态环境学报，2015，24（2）：278-285.

[22]

Zhou

， Qi

Hua

The Spatio-temporal pattern and change of Urban Heat Island in Chengdu based on Landsat 8

［J］. Geomatics World，2019，26（2）：7-12，20.

周毅，齐华.

基于Landsat 8的成都市城市热岛时空格局变化研究

［J］.地理信息世界，2019，26（2）：7-12，20.

[23]

Situ

Yanna

Study on thermal environment effect of urban water body in Guangzhou

［D］. Guangzhou：Sun Yat-sen University，2017.

司徒艳娜

广州市城市水体的热环境效应研究

［D］.广州：中山大学，2017.

[24]

Tian

Pengfei

， Cai

Najia

， Zhang

Ling

， et al.

Correlation analysis on Urban Heat Island effect and land surface parameters & study on effect of water on Urban Heat Island

［J］. Modern Agricultural Science and Technology，2013（13）：232-235.

田鹏飞，蔡娜佳，张玲，等.

热岛效应与地表参数的相关性分析及水体对热岛的影响研究

［J］.现代农业科技，2013（13）：232-235.

[25]

Donghai

， Ai

Bin

， Li

Xia

Urban water body alleviating Heat Island effect based on RS and GIS： A Case Study of Dongguan City

［J］. Tropical Geography，2008，28（5）：414-418.

李东海，艾彬，黎夏.

基于遥感和GIS的城市水体缓解热岛效应的研究——以东莞市为例

［J］.热带地理，2008，28（5）：414-418.

[26]

Lin

Hao

， Niu

Jiqiang

， Ma

Huiqin

， et al.

Urban water body reduce of Heat Island Effect： A case study of Nanjing city

［J］. Journal of Xinyang Normal University（Natural Science Edition），2017，30（2）：234-238.

林昊，牛继强，马会钦，等.

城市水体对热岛的消减效应——以南京市为例

［J］.信阳师范学院学报（自然科学版），2017，30（2）：234-238.

[27]

Yue

Wenze

， Xu

Lihua

Thermal environment effect of urban water landscape

［J］. Acta Ecologica Sinica， 2013，33（6）：1852-1859.

岳文泽，徐丽华.

城市典型水域景观的热环境效应

［J］.生态学报，2013，33（6）：1852-1859.

[28]

Zeng

Suping

， Shi

Zhuo

， Zhao

Meifang

， et al.

The fariation of buffer performance of water bodies on Urban Heat Island along riverbank distance

［J］. Acta Ecologica Sinica.2020，40（15）：5190-5202.曾素平，时琢，赵梅芳，等.城市水体对热岛的缓冲性能沿河岸距离的变化规律［J］.生态学报，2020，40（15）：5190-5202

[29]

Tongchao

， Nie

Sen

， Pan

Hui

， et al.

Land surface temperature retrieval and Urban Heat Island effect based on Landsat 8 image in Fuzhou city

［J］. Journal of Northwest Forestry University，2019，34（5）：154-160.

乐通潮，聂森，潘辉，等.

基于Landsat 8卫星影像的地表温度反演及福州春季城市热岛效应分析

［J］.西北林学院学报，2019，34（5）：154-160.

[30]

Yuan

Zhen

， Wu

Xiangli

， Zang

Shuying

， et al.

Cooling effect of green patche based on TM image in Harbin downtown city

［J］. Scientia Geographica Sinica，2017，37（10）：1600-1608.

袁振，吴相利，臧淑英，等.

基于TM影像的哈尔滨市主城区绿地降温作用研究

［J］. 地理科学，2017，37（10）：1600-1608.

[31]

Xiong

Ying

， Zhang

Fang

Thermal environment effects of urban human settlements and influencing factors based on multi-source data： A case study of Changsha city

［J］. Acta Geographica Sinica，2020，75（11）：2443-2458.

熊鹰，章芳.

基于多源数据的长沙市人居热环境效应及其影响因素分析

［J］.地理学报，2020，75（11）：2443-2458.

[32]

Yü

， Qin

Jianxin

， Hu

Shunshi

Spatial-temporal evolution of Urban Heat Island Effects in Changsha city

［J］. Journal of Geo-information Science， 2017，19（4）：518-527.

叶钰，秦建新，胡顺石.

长沙市热岛效应时空特征变化研究

［J］.地球信息科学学报，2017，19（4）：518-527.

[33]

Bingwei

， Han

Qinzhe

Study on urban thermal environment effect of Changsha based on Landsat 8 OLI/TIRS Image

［J］. Hubei Agricultural Sciences，2020，59（11）：69-75，80.

何炳伟，韩沁哲.

基于Landsat-8 OLI/TIRS 影像的长沙市城市热环境效应研究

［J］.湖北农业科学，2020，59（11）：69-75，80.

[34]

Wang

， Liu

， et al.

Spatio-temporal evolution of surface Urban Heat Islands in the Chang-Zhu-Tan urban agglomeration

［J］. Physics and Chemistry of the Earth.2020，117：102865. DOI： 10.1016/j.pce.2020.102865.

[35]

Changsha Municipal People's Government.

Brief Introduction of Changsha

［EB/OL］..［2019-05-19］.

URL [本文引用: 1]

长沙市人民政府.

走进快乐长沙

［EB/OL］..［2019-05-19.

URL [本文引用: 1]

[36]

Deyong

， Qiao

Kun

， Wang

Xingling

， et al.

Land surface temperature retrieval from Landsat 8 thermal infrared data using mono-window algorithm

［J］. Journal of Remote Sensing， 2015， 19（6）： 964-976.

[本文引用: 3]

胡德勇，乔琨，王兴玲，等.

单窗算法结合Landsat 8热红外数据反演地表温度

［J］. 遥感学报， 2015， 19（6）： 964-976.

[本文引用: 3]

[37]

Wang

， Qin

， Song

， et al.

An Improved mono-window algorithm for Land Surface Temperature retrieval from Landsat 8 thermal infrared sensor data

［J］.Remote Sensing， 2015，7：4268-4289.DOI： 10.3390/rs70404268.

[38]

Qin

Zhihao

， Li

Wenjuan

， Xu

Bin

， et al.

The estimation of land surface emissivity for Landsat TM6

［J］.Remote Sensing for Land and Resources， 2004（3）： 28-32，36-41，74.

覃志豪，李文娟，徐斌，等.

陆地卫星TM6波段范围内地表比辐射率的估计

［J］. 国土资源遥感，2004（3）：28-32，36-41，74.

[39]

Sobrino

J A

， Jiménez-Munoz

J C

， Sòria

， et al.

Land surface emissivity retrieval from different VNIR and TIR sensors

［J］.IEEE Transactions on Geoscience and Remote Sensing， 2008， 46：316-327. DOI： 10.1109/TGRS.2007.904834.

[40]

Deng

Shubin

， Cheng

Qiujin

， Du

Huijian

， et al.

ENVI remote sensing image processing method （2nd Edition）

［M］. Beijing： Higher Education Press，2014.邓书斌，陈秋锦，杜会建，等.ENVI遥感图像处理方法（第二版）［M］. 北京：高等教育出版社， 2014.

[41]

Han

Ling

， Zhang

， Wang

Xiaofeng

， et al.

Land use change and Heat Island effect in Xi’an city

［M］. Beijing： Science Press.2018.韩玲，张瑜，王晓峰，等.西安市土地利用变化及热岛效应［M］. 北京：科学出版社，2018.

[42]

Qiao

Zhi

， Huang

Ningyu

， Xu

Xinliang

， et al.

Spatio-temporal pattern and evolution of the urban thermal landscape in metropolitan Beijing between 2003 and 2017

［J］. Acta Geographica Science，2019，74（3）：475-489.

乔治，黄宁钰，徐新良，等.

2003~2017年北京市地表热力景观时空分异特征及演变规律

［J］.地理学报，2019，74（3）：475-489.

[43]

Xun

Hanqiu

A study on information extraction of water body with the Modified Normalized Difference Water Index （MNDWI）

［J］.Journal of Remote Sensing， 2005，9（5）：589-595.

徐涵秋

利用改进的归一化差异水体指数（MNDWI）提取水体信息的研究

［J］. 遥感学报， 2005，9（5）：589-595.