黎良財，Deng-sheng LU，張曉麗，鄧 利，買凱樂

(1.北京林業(yè)大學 林學院，北京 100083；2.廣西生態(tài)工程職業(yè)技術(shù)學院，廣西 柳州 545004；3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

基于Landsat8衛(wèi)星影像的重工業(yè)城市熱島效應研究
——以柳州市為例

黎良財1,2,3，Deng-sheng LU3，張曉麗1，鄧 利2，買凱樂2

(1.北京林業(yè)大學 林學院，北京 100083；2.廣西生態(tài)工程職業(yè)技術(shù)學院，廣西 柳州 545004；3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

以中國南方重工業(yè)城市廣西柳州市為研究區(qū)，選擇2013年12月、2014年6月Landsat8 OLI/TIRS多光譜和熱紅外影像為數(shù)據(jù)源，經(jīng)輻射定標、大氣校正等預處理后采用單窗算法反演地表溫度(LST)，利用決策樹方法進行土地利用/覆蓋分類，并分析柳州市城市熱島的時空分布特征、地表溫度與土地利用/覆蓋的關(guān)系等相關(guān)規(guī)律。結(jié)果表明：柳州市存在明顯的熱島效應，夏季熱島強烈區(qū)域面積比冬季增加72.54％；地表溫度與土地利用/覆蓋有顯著關(guān)系，地表平均溫度表現(xiàn)為城市＞裸地＞耕地＞林地＞水體，在城市建成區(qū)適當增加綠化和水體面積是緩解城市熱島效應的有效方法。

城市熱島；Landsat8 OLI/TIRS；地表溫度；土地利用/覆蓋；重工業(yè)城市

1833年英國化學家Lake Howard對倫敦城區(qū)和郊區(qū)的氣溫進行同步觀測后，發(fā)現(xiàn)了城區(qū)溫度比其四周郊區(qū)溫度高的現(xiàn)象[1]，Manley于1958年首次提出城市熱島(Urban Heat Island，UHI)的概念[2]?，F(xiàn)在普遍認為，城市熱島效應是指當城市發(fā)展到一定規(guī)模，由于城市下墊面性質(zhì)的改變、大氣污染以及人工廢熱的排放等使城市溫度明顯高于郊區(qū)，形成類似高溫孤島的現(xiàn)象[3]。

城市熱島現(xiàn)象是人類活動對全球氣候變化產(chǎn)生影響的最顯著表現(xiàn)之一。熱量平衡是城市熱島形成的能量基礎，城市化改變了下墊面的性質(zhì)和結(jié)構(gòu)，增加了人為熱，從而影響城市熱量平衡[3]。研究認為，城市熱量平衡各因素變化與下列因子有關(guān)：一是城區(qū)自然植被逐漸被水泥和瀝青地面所代替，用于潛熱蒸發(fā)的地表水分逐漸減少，控制地表熱通量的主要因子(如反照率、熱容、熱傳導率等)發(fā)生了明顯的變化，導致城區(qū)反射率小，吸收熱量多，蒸發(fā)耗熱少，輻射散失熱量慢，與鄰區(qū)相反；二是城區(qū)人類活動和熱量排放比郊區(qū)大；三是城區(qū)大氣污染物濃度大，氣溶膠微粒多，在一定程度上起了保溫作用[4]。

隨著全球經(jīng)濟發(fā)展和人口的增長，世界性城市化、工業(yè)化程度不斷提高，城市熱島效應越來越明顯，熱島的強度也越來越大，極大地影響著城市生態(tài)環(huán)境和城市居民日常生活，引起了各國政府、研究機構(gòu)的高度重視和廣泛關(guān)注?？v觀城市熱島研究的內(nèi)容，可以大致概括為熱島的形態(tài)和結(jié)構(gòu)研究、熱島的過程與變化研究以及熱島的變化機制研究[5]。而目前城市熱島的研究方法主要有以下4大類：第1類通過城市和郊區(qū)的歷年氣象資料分析城市熱島的動態(tài)和現(xiàn)狀；第2類通過遙感影像資料研究熱島的時空特征與熱島強度；第3類通過數(shù)值模擬；第4類通過布點觀測[6]。隨著熱紅外遙感數(shù)據(jù)源的增多、影像空間分辨率的提高以及地表溫度反演算法的成熟，遙感手段已被廣泛用于城市熱島相關(guān)的研究中。相比于傳統(tǒng)的外場定點觀測獲取的孤立點數(shù)據(jù)，通過遙感手段獲取的數(shù)據(jù)具有時間上的同步性和空間上的連續(xù)性，且具有覆蓋范圍廣和周期性觀測的特點[4]，對于研究城市熱島的平面布局、內(nèi)部結(jié)構(gòu)等特征具有優(yōu)勢。

本研究以中國南方典型的重工業(yè)城市柳州市為研究區(qū)，利用Landsat8 OLI/TIRS多光譜和熱紅外影像為數(shù)據(jù)源反演各種地表參數(shù)，利用決策樹方法對土地利用/覆蓋分類，并分析了城市熱島的時空分布特征、地表溫度與土地利用/覆蓋的關(guān)系等相關(guān)規(guī)律。

1 研究區(qū)概況

柳州市位于廣西壯族自治區(qū)中北部，地處北緯23°54′～26°03′，東經(jīng) 108°32′～110° 28′之間，屬中亞熱帶季風氣候區(qū)，夏半年盛行偏南風，高溫、高濕、多雨；冬半年盛行偏北風，寒冷、干燥、少雨；夏長冬短、雨熱同季，光、溫、水氣候資源豐富[7]。下轄4城區(qū)(柳北、柳南、城中和魚峰)和6縣(柳江、柳城、鹿寨、融安、融水、三江)[7]，全市總面積18 686km2，其中市區(qū)面積約為1 016km2，總?cè)丝?75.87萬；是中國南方西江經(jīng)濟帶上的重要工業(yè)城市，是中南、西南地區(qū)的交通樞紐。本研究以柳州市建成區(qū)為研究區(qū)，北至北環(huán)高速路，南至白蓮機場控制線，西至拉堡鎮(zhèn)，東至陽和工業(yè)區(qū)，總面積約為700km2，見圖1。

圖1 研究區(qū)位置示意Fig.1 A map of the study area

2 研究方法

2.1 數(shù)據(jù)收集與預處理

2.1.1 數(shù) 據(jù)

采用研究區(qū)2013年12月4日(簡稱冬季影像)和2014年6月14日(簡稱夏季影像)Landsat 8 OLI/TIRS(軌道號125/43)冬夏2期影像，衛(wèi)星過境時間為當?shù)厣衔?1：10分左右，晴朗無云、能見度高、圖像質(zhì)量較好。Landsat 8攜帶2種傳感器：一是光學陸地影像(Operational Land Imager,OLI)傳感器，除了保留有以往陸地衛(wèi)星傳感器的波段特征外，還增加了深藍(用于海岸和氣溶膠研究)、短波紅外(用于檢測卷云)和質(zhì)量評價3個波段；二是熱紅外(Thermal Infrared Sensor,TIRS)傳感器，提供2個熱紅外波段；兩種傳感器的輻射分辨率超過12-bit，其主要性能參數(shù)[8,9]見表1。遙感影像從美國地質(zhì)調(diào)查局(USGS)獲取，級別為Level 1T(L1T)，L1T數(shù)據(jù)經(jīng)過了系統(tǒng)輻射校正和地面控制點幾何校正，地圖投影為UTM，坐標系統(tǒng)為WGS84，USGS在數(shù)據(jù)分發(fā)前將TIRS10/11重采樣到30m以匹配OLI傳感器的多光譜波段，并將所有波段的像元灰度級拉伸到16-bit，存儲為GeoTIFF格式單波段影像[8]。

表1 Landsat 8影像的主要參數(shù)Table 1 Key characteristic of Landsat 8 satellite imagery

2.1.2 數(shù)據(jù)預處理

獲取遙感影像后，先對其進行輻射定標，大氣校正等預處理。輻射定標是將遙感影像的DN值轉(zhuǎn)換成對應的輻射亮度值的過程，是保持數(shù)據(jù)一致性和數(shù)據(jù)精度的一項重要的基礎工作[10]，L1級產(chǎn)品輻射亮度可以利用公式(1)進行計算[11]：

式中，Lλ為大氣頂層輻射值，單位W·m-2sr-1um-1；Qcal為像元的DN值；ML為特定波段的增益，AL為特定波段的偏置，從影像的元數(shù)據(jù)中獲取，單位與Lλ相同。

大氣校正可以消除傳感器在接受訊號的過程中受到的大氣影響，常見的大氣校正方法有基于輻射傳輸模型的MODTRAN模型、LOWTRAN模型、ATCOR模型和6S模型等，本研究使用了基于MODTRAN4+輻射傳輸模型的FLAASH方法，校正原理見公式(2)[12]，可對多光譜、高光譜數(shù)據(jù)及航空影像進行快速大氣校正，能有效消除大氣和光照等因素對地物反射的影響。

式中，L為地表輻射值，單位W·m-2sr-1um-1；ρ為像元的地表反射率；ρe為像元及周圍區(qū)域的平均地表反射率；S為大氣的球面反照率；La為大氣的后向散射輻射值；A，B是與大氣質(zhì)量和幾何條件有關(guān)與下墊面無關(guān)的系數(shù)。

2.2 遙感影像指數(shù)提取

2.2.1 歸一化植被指數(shù)

歸一化植被指數(shù)(Normalized Difference Vegetation Index，NDVI)是Deering(1978)提出的將比值植被指數(shù)經(jīng)非線性歸一化處理后得到的[13]，是遙感領域中用來表征地表植被覆蓋、植被生長狀況的一個應用最廣泛的度量參數(shù)，NDVI可以消除部分輻射誤差，其計算公式如下[14]：

式中，NIR為近紅外波段反射率，R為紅光波段反射率。NDVI取值介于(-1，1)之間，負值表示地表覆蓋為云、水、雪等；接近0表示地表為巖石或裸土覆蓋；正值表示有植被覆蓋，且隨覆蓋度增大而增大[10]。

2.2.2 歸一化差值水體指數(shù)

在對Mcfeeters提出的歸一化差值水體指數(shù)(Normalized Difference Water Index，NDWI)分析的基礎上[15]，徐涵秋對構(gòu)成該指數(shù)的波長組合進行了調(diào)整，提出了改進的歸一化差值水體指數(shù)(Modi fi ed NDWI，MNDWI)，該指數(shù)對大部分不同類型水體的提取效果優(yōu)于NDWI，特別是城鎮(zhèn)范圍內(nèi)的水體，其計算公式如下[16]。

式中，Green為綠光波段，SWIR為短波紅外波段，綠光波段與短波紅外波段的比值可以最大程度地抑制植被和城鎮(zhèn)不透水面的信息，從而達到突出水體信息的目的。

2.2.3 歸一化差值建筑指數(shù)

歸一化建筑指數(shù)(Normalized Difference Builtup Index，NDBI)最早由查勇、楊山[17-19]提出，源于對NDVI提取植被信息原理的借鑒，城鎮(zhèn)建筑在TM圖像的短波紅外(TM5)波段的光譜反射率升高，而在近紅外(TM4)波段光譜反射率降低，因此，利用該特征可以突出城鎮(zhèn)信息，其計算公式如下。

式中，SWIR為短波紅外波段，NIR為近紅外波段。NDBI值大于0的地物則認為是城鎮(zhèn)用地。

2.2.4 歸一化差值裸土指數(shù)

為了從Landsat影像上提取裸地信息，趙紅梅和陳曉玲[20-21]通過分析不同土地利用和覆蓋類型的光譜特征后構(gòu)造了歸一化差值裸土指 數(shù)(Normalized Difference Bareness Index，NDBaI)，利用該指數(shù)能有效識別裸露土壤、未利用土地以及沙灘等，其計算公式如下。

式中，SWIR為短波紅外波段，TIR為熱紅外波段。

2.3 地表溫度反演

Landsat 8上攜帶的TIRS載荷將熱紅外分為兩個波段(TIRS10，TIRS11)，理論上可以采用分裂窗算法來反演地表溫度，但由于目前TIRS11在輻射校正時存在較大的不確定性，USGS推薦用戶在使用TIRS數(shù)據(jù)做定量分析時使用TIRS10而回避TIRS11，可以采用和TM/ETM+相同的方法反演地表溫度[22]。本研究算法分三個步驟實現(xiàn)：

首先，將TIRS10影像的DN值轉(zhuǎn)換為大氣頂層輻射值，轉(zhuǎn)換方法見數(shù)據(jù)預處理公式(1)。

其次，反演星上亮溫，亮溫計算公式如下[11]：

式中，T為星上亮溫，單位為K；Lλ為大氣頂層輻射值，單位W·m-2sr-1um-1；K1、K2為轉(zhuǎn)換參數(shù)，對于TIRS10數(shù) 據(jù)，K1=774.89 W·m-2sr-1um-1，K2=1 321.08 K。

最后，公式(7)計算出來的只是地表熱輻射所對應的星上亮溫，由于大氣輻射和地表熱特性的影響，與真實地表溫度還有差異?？刹捎民竞赖膯未八惴╗23]反演地表溫度，計算公式如下：

式中，LST為地表溫度，T為星上亮溫，單位為K；a、b為常量，一般情況下(地表溫度在0～70℃范圍內(nèi))，取值a =-67.355 351，b=0.458 606；C和D是中間變量，分別用(9)、(10)式表示：

因此，只要知道大氣平均作用溫度Ta、大氣透射率τ、和地表比輻射率ε，即可用公式(8)推算任何像元的實際地表溫度。

根據(jù)覃志豪等人的研究[23]，大氣平均作用溫度Ta和地面附近(地表2m處)氣溫T0有如下線性關(guān)系：

對于水分含量在0.4～3.0g/cm2區(qū)間內(nèi)，大氣透射率τ的估計方程如表2所示。

表2 大氣透射率估計方程Table 2 Estimating equations of atmospheric transmissivity

地表比輻射率ε采用覃志豪等人[24]的計算方法，將地表分為水面、城鎮(zhèn)(由道路和建筑物組成)和自然表面(由林地、農(nóng)田和其他自然陸地表面組成)三種覆蓋類型，每種類型的地表比輻射率如下：

公式(13)和(14)中，Pv表示植被覆蓋度，可由公式(15)進行估算：

式中，NDVIsoil為全裸土覆蓋像元的NDVI值，取0.05；NDVIveg為純植被覆蓋像元的NDVI值，取0.70；且有，當像元的NDVI大于0.70時，Pv取值為1；當NDVI小于0.05時，Pv取值為0。

2.4 土地利用/覆蓋分類

在參考國內(nèi)外城市土地利用/覆蓋研究[19,25,26]的基礎上，針對研究區(qū)特點將土地利用/覆蓋類型分為城市(包括建筑物、道路等不透水地表)、水體(包括河流、湖泊和水塘等)、裸地(包括裸石、開發(fā)用地、輪休旱地等裸露土地)、林地和耕地5大類。

再利用CART(Classi fi cation And Regression Trees)決策樹方法，對Landsat8衛(wèi)星OLI多光譜影像及該研究構(gòu)造的NDVI、MNDWI、NDBI和NDBaI遙感指數(shù)共11個波段，根據(jù)不同土地利用/覆蓋類型的光譜特征進行分類，并對分類結(jié)果影像進行精度驗證，計算總體分類精度和Kappa系數(shù)。

3 結(jié)果與分析

3.1 地表溫度反演結(jié)果與驗證

利用TIRS10反演得到的研究區(qū)地表溫度結(jié)果見圖2，對圖2進行統(tǒng)計，可以得到兩個時相的溫度特征，見表3。為了驗證地表溫度反演的可靠性，筆者查閱了2013年12月4日柳州市氣象局多個觀測臺站的氣溫(地上2m處)數(shù)據(jù)，衛(wèi)星過境時上午11時平均氣溫17℃，與基于遙感數(shù)據(jù)反演的柳州市地表溫度基本吻合，說明利用TIRS10反演得到的地表溫度能夠進行城市熱環(huán)境研究。

圖2 研究區(qū)地表溫度分布Fig.2 LST distribution fi gure of study area

表3 研究區(qū)地表溫度統(tǒng)計表(單位：℃)Table 3 Statistical table of LST in the study area(℃)

3.2 城市熱島效應時空分析

由于選用了研究區(qū)冬夏兩季的影像來反演地表溫度，為了提高研究結(jié)果的可比性，本研究引入熱島強度(Heat Island Intensity，HII)，它反映了高溫區(qū)域與周邊區(qū)域的溫度相對差異[27]，其計算公式如下。

式中，HII為城市熱島強度，LST為地表溫度，Tmean為研究區(qū)平均地表溫度。根據(jù)公式(16)生成城市熱島強度圖，如圖3。

圖3 研究區(qū)城市熱島強度圖像Fig.3 Heat island intensity level fi gure of study area

從圖3來看，柳州市冬季與夏季都存在明顯的熱島效應，且熱島較強烈區(qū)域的輪廓與城市建成區(qū)高度一致。冬季的熱島區(qū)域主要分布在柳北、河西及陽和工業(yè)區(qū)等工業(yè)熱源排放集中區(qū)，商業(yè)與住宅集中的城中“U”形區(qū)域和河東片區(qū)由于下墊面熱容和高樓對陽光的阻擋、熱島并不顯著；另外，城市西郊的部分農(nóng)田和石山區(qū)由于冬季地表裸露，白天升溫迅速，也出現(xiàn)了零星熱島效應。夏季熱島效應區(qū)域比冬季更大，工業(yè)區(qū)與商住區(qū)都表現(xiàn)出較強的熱島效應，而郊區(qū)的農(nóng)田和山地由于植被的恢復，零星熱島效應大部分消失。環(huán)線城市的古亭山、蓮花山、太陽村諸山及穿城而過的柳江河，在冬季和夏季都是低溫區(qū)，是整個城市的天然空調(diào)。

根據(jù)熱島強度，我們將城市劃分為高溫區(qū)(HII≥0.1的區(qū)域，相當于地表溫度高于研究區(qū)平均地表溫度10％，是熱島效應強烈的區(qū)域)，常溫區(qū)(-0.1＜HII＜0.1)和低溫區(qū)(HII≤-0.1)；各區(qū)域的面積統(tǒng)計如表4。由表4可知，夏季與冬季對比，高溫區(qū)增長72.54％，而常溫區(qū)和低溫區(qū)分別減少3.88％和31.33％。

表4 研究區(qū)按熱島強度面積分級統(tǒng)計表(單位：hm2)Table 4 Statistics according to HII grades of study area(hm2)

3.3 土地利用/覆蓋對地表溫度影響

對研究區(qū)冬季和夏季遙感影像的分類結(jié)果如圖4所示，隨機選擇200個真實地面ROI進行精度驗證，冬季影像的總體分類精度為89.23％，Kappa系數(shù)為0.81；夏季影像的總體分類精度為87.11％，Kappa系數(shù)為0.80。再對分類影像進行統(tǒng)計，得到各種土地利用類型的面積，結(jié)果見表5。

圖4 研究區(qū)土地利用/覆蓋圖像Fig.4 Land use and land cover of study area

表5 2013～2014年研究區(qū)土地利用/覆蓋類型面積(單位：hm2)Table 5 LULC area of study area from 2013 to 2014(hm2)

為了研究不同土地利用/覆蓋類型與地表溫度之間的關(guān)系，把地表溫度與土地利用/覆蓋圖進行疊置分析，統(tǒng)計各種土地利用/覆蓋類型的地表溫度情況，如表6所示。

表6 冬季和夏季各土地利用/覆蓋類型地表溫度統(tǒng)計(單位：℃)Table 6 LST statistics for various types of LULC in the winter and summer(℃)

從表6可以看出，地表平均溫度城市＞裸地＞耕地＞林地＞水體，城市的平均溫度始終最高，而水體的溫度則最低；在冬季裸地和城市溫度相當，水體和林地溫度相當。這是由于各種地表的熱容量、熱傳導和熱擴散率特征引起的。城市區(qū)域下墊面主要由水泥、玻璃和瀝青等不透水表面構(gòu)成，地表蒸散能力較低，其熱容量小，但熱傳導率和熱擴散率大，在接受太陽輻射后熱量很快傳導擴散，加上建筑密集，不利于空氣流通，生產(chǎn)生活排放熱量多，導致溫度比其他區(qū)域高。水體由于熱容量大，熱傳導率小，溫度上升特別緩慢，因此溫度總是最低。裸地包括裸石、裸土和城市開發(fā)用地，其熱特征與城市相似，在接受太陽輻射后溫度上升較快。耕地的平均溫度比林地高，這兩種地類都由植被覆蓋，植物可以通過蒸騰作用吸收太陽和周圍環(huán)境中的熱量而使自身溫度降低，但是農(nóng)作物的蒸騰強度小于森林，其厚度(冠層到地面的距離)遠小于森林，因此耕地的升溫速度比林地快。由此可見，森林、水體是城市小氣候的調(diào)節(jié)器，能有效降低城市熱島效應的影響。

4 結(jié)論與討論

(1)柳州市存在明顯的熱島效應，熱島強烈區(qū)域的輪廓與城市建成區(qū)輪廓相吻合。

(2)城市熱島效應存在明顯的季節(jié)差異，冬季的強熱島區(qū)主要位于柳北、河西及陽和工業(yè)區(qū)等工業(yè)熱源排放集中區(qū)；夏季除工業(yè)區(qū)外，商業(yè)區(qū)和居民區(qū)都表現(xiàn)出較強的熱島效應，夏季高溫區(qū)面積比冬季增加72.54％。

(3)地表溫度與土地利用/覆蓋有顯著關(guān)系，地表平均溫度表現(xiàn)為城市＞裸地＞耕地＞林地＞水體，林地和水體是城市的“冷島”，在城市建成區(qū)適當增加綠化和水體面積是緩解城市熱島效應的有效方法。

(4)需要說明的是，地表溫度與氣溫(地上2m處)并不等同，在晴朗無風的條件下二者差別較小，但由于城市特殊的下墊面和復雜的局地環(huán)流容易加大二者的差異，因此，研究地表溫度和氣溫的轉(zhuǎn)換模型是需要解決的問題。

[1] HOWARDL.Climate of London Deduced from Metrological Observations(Vol.1)[M].3rd edition.London：Harvey and Dorton Press,1833：348.

[2] MNALEY G.On the Frequency of Snowfall in Metropolitan England[J].Quarterly Journal of the Royal Meteorological Society,1958,84：70-72.

[3] 彭少麟,周 凱,葉有華,等.城市熱島效應研究進展[J].生態(tài)環(huán)境,2005,14(4)：574-579.

[4] 周志民.城市熱島遙感研究進展[J].安徽農(nóng)業(yè)科學,2011,39(1)：606-607,614.

[5] 胡華浪,陳云浩,宮阿都.城市熱島的遙感研究進展[J].國土資源遙感,2005,(3)：5-9.

[6] 王桂玲,蔣維楣,魏 鳴.城市熱島效應的衛(wèi)星遙感分析[J].南京氣象學院學報,2007,30(3)：298-304.

[7] 黎良財,鄧 利,吳 銳.城市土地利用變化對生態(tài)系統(tǒng)服務價值的影響——以柳州市為例[J].中南林業(yè)科技大學學報,2013,33(7)：102-106.

[8] USGS.Frequently Asked Questions about the Landsat Missions[EB/OL].http：//landsat.usgs.gov/band_designations_landsat_satellites.php 06/19/2014

[9] 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)學報,2013,33(11)：3249-3257.

[10] 黎良財,鄧 利,曹 穎,等.基于NDVI像元二分模型的礦區(qū)植被覆蓋動態(tài)監(jiān)測[J].中南林業(yè)科技大學學報,2012,32(6)：18-23.

[11] USGS.Using the USGS Landsat 8 Product [EB/OL].http：//landsat.usgs.gov/Landsat8_Using_Product.php 05/17/2013.

[12] Matthew M W,Adler-Golden S M,Berk A,et al.Status of Atmospheric Correction Using a MODTRAN4-based Algorithm[J].SPIE Proceedings,Algorithms for Multispectral,Hyperspectral,and Ultraspectral Imagery VI.2000,4049,199-207.

[13] Deering,D.W.Rangeland Re fl ectance Characteristics Measured by Aircraft and Spacecraft Sensors [D].Texas A&M Univ.,College Station,1978,338.

[14] Ts.Purevdorj,R.Tateishi,T.Ishiyama,etc.Relationships between Percent Vegetation Cover and Vegetation Indices [J].International Journal of Remote Sensing,1998,19(18)：3519-3535.

[15] Mcfeeters S K.The Use of Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features [J].International Journal of Remote Sensing,1996,17(7)：1425-1432.

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

[17] 楊山.發(fā)達地區(qū)城鄉(xiāng)聚落形態(tài)的信息提取與分形研究——以無錫市為例[J].地理學報,2000,55(1)：671-678.

[18] 查 勇,倪紹祥,楊 山.一種利用TM圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學報,2003,7(1)：37-40.

[19] ZHA Yong,GAO J,Ni S.Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery [J].International Journal of Remote Sensing,2003,24(3)：583-594.

[20] ZHAO Hong-mei,CHEN Xiao-ling.Use of Normalized Difference Bareness Index in Quickly Mapping Bare Areas from TM/ETM+[J].Geoscience and Remote Sensing Symposium,2005,3(25-29),1666-1668.

[21] CHEN Xiao-ling,ZHAO Hong-mei,LI Ping-xiang,et al.Remote Sensing Image-Based Analysis of The Relationship between Urban Heat Island and Land Use/Cover Changes [J],Remote Sensing of Environment,2006,(104)：133-146.

[22] USGS.Landsat 8(L8)Operational Land Imager(OLI)and Thermal Infrared Sensor(TIRS)[EB/OL].http：//landsat.usgs.gov/calibration_notices.php 01/29/2014

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

[24] 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[J].國土資源遙感,2004,(3)：28-36.

[25] Qihao Weng,Dengsheng Lu.Landscape as A Continuum：An Examination of the Urban Landscape Structures and Dynamics of Indianapolis City,1991-2000,by Using Satellite Images [J].International Journal of Remote Sensing,2009,30(10)：2547-2577.

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

[27] 劉宇鵬,楊 波,陳 崇.基于遙感的長沙市城市熱島效應時空分析[J].遙感信息,2011,(6)：73-78.

Study on urban heat island effect of heavy industries based on landsat 8 satellite imagery——A case study in Liuzhou city

LI Liang-cai1,2,3,Deng-sheng LU3,ZHANG Xiao-li1,DENG Li2,MAI Kai-le2
(1.Forestry College,Beijing Forestry University,Beijing 100083,China; 2.Guangxi Eco-Engineering Vocational and Technical College,Liuzhou 545004,China; 3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

In order to monitor the spatial-temporal distribution of urban heat island effect and discover the relationship between land surface temperature(LST)and land use/land cover(LULC)in Liuzhou city which is a heavy industry city in southern China,Landsat8 OLI&TIRS imagery in December 2013 and June 2014 were used as the data source.After some pre-process of radiation calibration and atmospheric correction,LST was retrieved using the Mono-window Algorithm and LULC was detected by CART decision tree classi fi cation.And also,heat island intensity(HII)index was calculated and the area was counted with strong HII respectively in the summer and winter.Results showed that there is obvious heat island effect in Liuzhou city and the area with strong heat island effect in summer 72.54％ more than that in winter.There is a signi fi cant relationship between LST and LULC,the average LST according to the descending order in Liuzhou city are urban,bare-land,cropland,forest and water.Thus,increasing the proportion of greening and water as appropriate in built up area is an effective method to relieve urban heat island effect.

Urban Heat Island(UHI); Landsat8 OLI/TIRS; Land Surface Temperature(LST); Land Use/Land Cover(LULC);City with Heavy Industries

S771.8

A

1673-923X(2015)07-0074-07

10.14067/j.cnki.1673-923x.2015.07.014

2014-10-10

教育部高等學校博士學科點專項科研基金課題(20100014110002)；柳州市科技基金項目(2009021603)

黎良財，副教授，博士生

張曉麗，教授，博士，博士生導師；E-mail：Zhang-xl@263.net

黎良財,Dengsheng LU,張曉麗,等.基于Landsat8衛(wèi)星影像的重工業(yè)城市熱島效應研究——以柳州市為例[J].中南林業(yè)科技大學學報，2015,35(7)：74-80.

致謝：文中部分數(shù)據(jù)來源于中國科學院計算機網(wǎng)絡信息中心國際科學數(shù)據(jù)鏡像網(wǎng)站(http：//www.gscloud.cn)；The part of data set is provided by International Scienti fi c & Technical Data Mirror Site,Computer Network Information Center,Chinese Academy of Sciences.(http：//www.gscloud.cn)。

[本文編校：吳 毅]