城市地表温度与NDVI空间相关性的尺度效应
基于Ｌａｎｄｓａｔ_影像的南京市城市扩张与热岛效应响应关系研究
[５]
通过归一
化处理裸露指数 ( ＮＤＢａＩ) 和归一化植被指数、 归一
化水体指数、 归一化建筑指数研究了广东地区的城市
化和城市热岛的关系ꎬ 发现除了 ＮＤＶＩ 在负值范围内
与温度呈正相关ꎬ 正值范围内呈负相关ꎬ 其他指数与
温度之间存在一定的相关性ꎮ Ｄａｎｉｅｌａ Ａｒｎｄｓ 等
[６]
数学关系ꎮ
１ 研究方法
( λ) 以 后ꎬ 利 用 Ｌ ( λ) 可 以 计 算 出 像 元 的 亮 度 温
度:
Ｔ ６ ＝ Ｋ ２ / Ｌｎ(１ ＋ Ｋ １ / Ｌ( λ) ) － ２７３
(２)
式中ꎬ Ｔ ６ 为热红外影像的像元亮度温度ꎬ℃ ꎻ Ｋ １ 和
Ｋ ２ 均 为 常 量ꎮ Ｌａｎｄｓａｔ８ ＴＩＲＳ ( ｂａｎｄ１０ ) 的 Ｋ １ 为
期ꎬ 大量学者对于成熟时热岛的研究主 要 集 中 在 北
以目前复杂的热场是进行热遥感的困难之处ꎮ
我国利用遥感技术进行热岛效应的监测开始于 ２０
接收ꎮ 向下的热辐射在到达地表后会被地表反射回大
较慢ꎬ 最近十几年才进入了快速发展的阶段ꎮ 发展初
表本身也不是一个完全黑体ꎬ 会向外产生热辐射ꎬ 所
京、 上海、 广 州、 深 圳 这 些 城 市 化 程 度 比 较 高 的 区
度曲线此时就像是隆起的一座小岛ꎬ 因此被形象地称
确地获取温度信息ꎬ 从多角度进行城市热岛的分析ꎮ
为热岛效应ꎮ 城市热岛效应一年四季都会存在ꎬ 但是
早期遥 感 监 测 城 市 热 岛 主 要 是 利 用 ＮＯＡＡ 和
ꎮ 夏季气温相对较高ꎬ 太阳辐射较
ＡＶＨＲＲ 数据ꎬ 但 是 这 ２ 种 数 据 的 空 间 分 辨 率 较 低ꎬ
城市热岛效应的影响因素、研究方法及缓解对策研究进展
第３３卷第４期２０２０年１２月 仲恺农业工程学院学报ＪｏｕｒｎａｌｏｆＺｈｏｎｇｋａｉＵｎｉｖｅｒｓｉｔｙｏｆＡｇｒｉｃｕｌｔｕｒｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ Ｖｏｌ．３３，Ｎｏ．４Ｄｅｃｅｍｂｅｒ，２０２０ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－５６６３．２０２０．０４．０１２收稿日期：２０１９－０５－１０作者简介：许 睿（１９９３－），男，江西宁冈人，在读硕士研究生． 通信作者：Ｅ ｍａｉｌ：ｗａｎｇｆｌ２００２＠１６３．ｃｏｍ城市热岛效应的影响因素、研究方法及缓解对策研究进展许 睿１，２，董家华２，王凤兰１（１．仲恺农业工程学院园艺园林学院，广东广州５１０２２５；２．环境保护部华南环境科学研究所，广东广州５１０６５５）摘要：在快速城市化和全球气候变暖背景下，城市热岛效应加剧城市极端气候发生的范围和强度，导致城市居民健康风险显著增大．目前，城市热岛效应越发严重，已成为全球关注的热点问题．本研究系统综述了国内外相关研究现状，梳理出城市热岛效应的成因与危害、研究方法、研究内容及缓解对策及效果评价等方面的最新进展，并有针对性的提出目前研究中的不足和未来发展趋势，为进一步研究热岛效应提供参考．关键词：热岛效应；影响因素；研究方法；缓解对策中图分类号：Ｂ２２０ 文献标志码：Ａ 文章编号：１６７４－５６６３（２０２０）０４－００６５－０６Ｒｅｖｉｅｗｏｎｔｈｅｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ，ｍｅｔｈｏｄｓａｎｄｃｏｕｎｔｅｒｍｅａｓｕｒｅｓｏｆｕｒｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔＸＵＲｕｉ１，２，ＤＯＮＧＪｉａｈｕａ２，ＷＡＮＧＦｅｎｇｌａｎ１（１．ＣｏｌｌｅｇｅｏｆＨｏｒｔｉｃｕｌｔｕｒｅａｎｄＬａｎｄｓｃａｐｅＡｒｃｈｉｔｅｃｔｕｒｅ，ＺｈｏｎｇｋａｉＵｎｉｖｅｒｓｉｔｙｏｆＡｇｒｉｃｕｌｔｕｒｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，Ｇｕａｎｇｚｈｏｕ５１０２２５，Ｃｈｉｎａ；２．ＳｏｕｔｈＣｈｉｎａＩｎｓｔｉｔｕｔｅｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＭｉｎｉｓｔｒｙｏｆＥｎｖｉｒｏｎｍｅｎｔａｌＰｒｏｔｅｃｔｉｏｎ，Ｇｕａｎｇｚｈｏｕ５１０６５５，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｕｎｄｅｒｔｈｅｂａｃｋｇｒｏｕｎｄｏｆｒａｐｉｄｕｒｂａｎｉｚａｔｉｏｎａｎｄｇｌｏｂａｌｗａｒｍｉｎｇ，ｕｒｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔｉｎ ｔｅｎｓｉｆｉｅｓｔｈｅｓｃｏｐｅａｎｄｉｎｔｅｎｓｉｔｙｏｆｕｒｂａｎｅｘｔｒｅｍｅｃｌｉｍａｔｅ，ｌｅａｄｉｎｇｔｏａｓｉｇｎｉｆｉｃａｎｔｉｎｃｒｅａｓｅｉｎｔｈｅｈｅａｌｔｈｒｉｓｋｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ．Ｓｏｆａｒ，ｕｒｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔｈａｓｂｅｃｏｍｅｍｏｒｅａｎｄｍｏｒｅｐｒｏｍｉｎｅｎｔａｎｄｈａｓｂｅｅｎａｖｉｔａｌｉｓｓｕｅｏｆｇｌｏｂａｌｃｏｎｃｅｒｎ．Ｔｈｅｃｕｒｒｅｎｔｓｔａｔｕｓｏｆｒｅｌｅｖａｎｔｒｅｓｅａｒｃｈａｔｈｏｍｅａｎｄａｂｒｏａｄｗａｓｓｙｓ ｔｅｍａｔｉｃａｌｌｙｓｕｍｍａｒｉｚｅｄ．Ａｎｄｔｈｅｌａｔｅｓｔｐｒｏｇｒｅｓｓｉｎｔｈｅｃａｕｓｅｓａｎｄｈａｚａｒｄｓｏｆｕｒｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔ，ｒｅ ｓｅａｒｃｈｍｅｔｈｏｄｓ，ｒｅｓｅａｒｃｈｃｏｎｔｅｎｔ，ｍｉｔｉｇａｔｉｏｎｍｅａｓｕｒｅｓａｎｄｅｆｆｅｃｔｅｖａｌｕａｔｉｏｎｗｅｒｅｒｅｖｉｅｗｅｄａｎｄｔｈｅｓｈｏｒｔ ａｇｅａｎｄｆｕｔｕｒｅｄｅｖｅｌｏｐｍｅｎｔｔｒｅｎｄｏｆｔｈｅｐｒｅｓｅｎｔｒｅｓｅａｒｃｈｗｅｒｅｐｕｔｆｏｒｗａｒｄ．Ｔｈｅｓｔｕｄｙｗｉｌｌｐｒｏｖｉｄｅａｒｅｆｅｒ ｅｎｃｅｆｏｒｔｈｅｂｅｔｔｅｒｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｒｅｌａｔｅｄｒｅｓｅａｒｃｈｏｎｔｈｅｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔ．Ｋｅｙｗｏｒｄｓ：ｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔ；ｒｅｓｅａｒｃｈｐｒｏｇｒｅｓｓ；ｒｅｌｉｅｖｅ；ａｆｆｏｒｅｓｔａｔｉｏｎｏｆｃｉｔｙ 在全球城市化迅速发展的今天，居住在城市内成了许多人的选择．城市人口迅速增加，引发城市下垫面结构的巨大变化．同时，城市规模的扩大导致城市人为热释放的迅速增加，对城市所在区域气候的影响也越来越严重．城市热岛效应（Ｕｒｂａｎｈｅａｔｉｓｌａｎｄｅｆｆｅｃｔ，ＵＨＩ）是指城市“高温化”的现象，即城市内的温度显著高于周围郊区的温度．１８３３年，英国气候学家Ｈｏｗａｒｄ首次记录了伦敦市中心气温高于郊区的现象［１］．而城市热岛的概念，则由Ｍａｎｌｅｙ于１９５８年第一次提出［２］．此后，城市热岛效应便引起了国内外众多专家学者的关注，如彭少麟等［３］提出了适合城市发展、交通、绿地生态利用的合理规划模式；Ｄｏｌｖｌｏｓ等［４］建议采用能降温、节能、减轻热岛强度的室外建筑材料；Ａｋｂａｒｉ［５］主张使用透水路面材料等．当前，城市热岛效应不仅会增加城市资源的消耗，还会引起城市气候的异常变化，甚至导致城市居民生命财产的损失，寻找可以有效缓解城市热岛效应的对策和方法，迫在眉睫．本研究将从城市热岛效应的成因、危害、影响因素、研究方法和缓解对策等方面综述国内外学者对热岛效应的研究成果，在此基础上提出将来的重点研究方向，希望能够为缓解城市热岛效应、美化城市环境方面提供参考．１ 城市热岛效应的成因及危害１ １ 城市热岛效应的成因关于热岛效应的成因，研究者多是从城市本身的地面覆盖状况、人为活动的影响及客观条件的变化等方面着手来探讨．１ １ １ 城市下垫面性质的改变 覆盖整个城市的“水泥森林”更容易吸收大量的热辐射，导致城市夜间红外线辐射热量相应增加，致使城市温度升高．随着世界性城市化、工业化进程的加快，城市不断“摊大饼”一样的蔓延扩大及农村人口进一步向城市集中导致本来比例就不多的绿地进一步减少，加剧了城市热岛效应的影响．同时，热辐射在城市内经过多次反射及吸收是城市热岛效应形成的一个重要原因［３］．１ １ ２ 人为热排放及大气污染 彭少麟等［３］把城市的人为热归纳为汽车、工厂、空调、居民炊事和建筑储热．城市居民的人为热排放直接导致了城市气温的上升．同时，工厂煤灰及污染气体一起排放，如Ｎ２Ｏ、ＣＯ２和ＣＨ４等温室气体，覆盖了城市的上表面．而ＣＯ２等气溶性微粒吸收长波辐射能量，包围了城市上空的隔热层，阻止了长波辐射的散射，增加大气辐射，从而导致城市热岛效应的增强．１ １ ３ 其他因素 城市热岛效应还与城市地形、城市建成率和几何形态之间存在显著的相关关系．例如，广州位于低纬、高温、暴雨、高湿、北、东北和东、东南风的方向上，具有高频率的通风和静风，近地层的高频反转，强烈的热岛效应［６］．此外，夏季，我国大部分地区受副热带高压的控制，由于空气流量大、静风天气多和近地表散热少，ＵＨＩ效应进一步加剧［８］．１ ２ 城市热岛效应的危害对于城市及城市居民来说，城市热岛效应的危害是显而易见的．除了对局地小气候、大气环境造成不利影响外，还影响生物的生长以及危害人类的健康．当前引起研究者重点关注的危害包括以下几方面：１ ２ １ 对气候的影响 热岛效应对气候的影响非常大，甚至会引起城市的异常天气．例如冬季温度的上升，极端天气如暴雨、冰雹等［３］．城市热岛效应使得城市凝结、霜冻、霜冻日、降雪频次和降雪时间都发生改变，明显差异于郊区［９］．热岛效应还会对降雨产生影响．热岛效应影响云的凝结，也可能通过流场的作用影响冬夏降水过程［１０］．城市热岛效应增加了城市的降水量，但不造成降雨［１１］．１ ２ ２ 破坏大气环境 热岛效应引起城市中气流的上升，上升的气流中含有大量的烟尘、温室气体等微粒，因而城市上空容易形成以这些微粒为团粒结构的云团，造成城市地区近地层空气污染严重．在高温季节，城市工厂排放的废气中，如氮氧化合物、碳氢化合物，经光化学反应形成一种浅蓝色的烟雾，在热岛的影响下形成二次污染物，其危害性更大［１２］．１ ２ ３ 改变生物习性 城市热岛效应改变了城市地表附近的热结构，改变了城市温度，致使各种生物的生理活动、生殖活动和物候等都发生改变．由于城市气温的升高，寒冷期温度上升，使得许多不属于该地区的生物在城市中繁殖生长，同时，高温期温度持续升高，也限制了许多生物的生长［６］．１ ２ ４ 消耗能量与危害居民健康 城市热岛效应导致的极端温度，直接影响了城市居民的健康［１３］．ＵＨＩ对居民身体健康的危害表现为：神经症、失眠、烦躁、记忆力减退和抑郁［１４］．２ 城市热岛效应的影响因素２ １ 城市下垫面对热岛效应的影响曹丽琴等［１６］研究发现，城市下垫面构成不同，所带来的热岛效应的影响也不同，影响程度最大的下垫面类型为黑色不透水面，最小的为水面．土地利用类型不同，所造成的热岛效应也不同．建筑用地气温高于居住、农业用地［１７］，建成区建筑区内温度高于水域及绿地［１８］，即工业用地＞住宅用地＞城市绿地＞水体［１９］．２ ２ 城市绿地空间尺度对热岛效应的影响城市绿地缓解热岛效应是目前备受关注的研究领域，根据研究空间尺度不同，将其分为局地尺度、景观尺度和区域尺度３种类型［２０］，即局地尺度聚焦于居民住宅区行道树、居住区内部组团和屋顶绿化垂直绿化．例如，城市绿化带宽度与温湿度效益具有明显相关性，当城市绿化带宽度大于４０ｍ时，降温增湿效果明显［２０］；研究屋顶绿化的降温效果时发现，在夏日，经绿化过的屋顶温度日平均６６ 仲恺农业工程学院学报第３３卷 值低于正常屋顶温度日平均值［２１］．景观尺度上，城市规模、景观构成和空间格局是景观格局的重要指标［２２］．城市景观格局演变所带来的后果最直接的表现就是城市热岛效应［２３］．刘焱序等［２２］认为昼夜、季节变化控制景观组分与热岛效应的相关性．城市规模与热岛效应的关联存在地带性规律，但是显著驱动热岛效应的关键空间构型指标仍有待遴选．在区域尺度上，植被覆盖度、归一化植被指数（ＮＤＶＩ）和城市绿地形态结构对城市地表温度的影响是研究ＵＨＩ的重点．王刚等［２４］在研究城市绿地对热岛效应的调控功能中发现，城市内绿地范围的表层温度与绿地结构的周长、面积呈反比，与周边非绿地结构的面积呈正比，表明绿地形态结构可以很好的调控其地表温度．因此，随着城市总绿地面积的增加，城市热岛效应有明显降低的趋势［２５］，并在植被覆盖度高的区域出现蓝色的“凉爽”区域［２６］．２ ３ 城市绿地格局对热岛效应的影响从城市绿地格局的角度出发，学者们分别从植物的个体、群落、种类及绿地内部格局等方面研究其缓解城市热岛效应的作用［１２］．在植物个体的降温效果方面，贺庆棠等［２７］针对５２种针叶树种、阔叶树、灌木和花卉的表面温度进行了研究，结果表明，北京各树种暖季降温效果显著，冷季升温效果显著．冷季升温效果的影响从小到大为针叶树种、花灌木和阔叶树种．不同树种降温效果排序为乔木林＞乔灌林＞灌木林＞草地［２８］．唐罗忠等［２９］通过比较不同绿地类型对城市的降温效果，发现乔木的缓解效果最强，草坪的降温增湿效果不明显．而“灌－草”、“乔－草”和“乔－灌－草”的类型组合可以起到明显的降温效果［３０］，即植物群落结构越复杂，植被覆盖度越大，郁闭度越高，绿地降温增湿效果越明显［３１］．２ ４ 其他因素对城市热岛效应的影响许多国内外专家学者过于关注城市绿化对热岛效应的影响，而忽略了其他例如气候、城市垂直结构和土地利用类型等因素对城市热岛效应的影响．在研究城市垂直结构对城市热岛效应的影响中，佟华等［３２］采用数值模拟方法对北京市楔形绿地对热岛效应的缓解效应进行了模拟和预测，结果表明，１ｋｍ范围内楔形绿地及周边区域温度降低，降温效果达到１～５℃．此外，土地利用规模和强度的变化、类型和布局的变化以及土地利用方式的变化对城市热岛效应也有重要影响．彭保发等［３３］以上海市为例进行了研究，结果发现，（１）影响上海市热岛效应强度的主要因素之一就是土地利用方式，即城市化；（２）城市建成区面积不断增大对ＵＨＩ强度影响的增量效应小于其累积效应；（３）土地利用模式的不同、城市发展模式的差异，导致了ＵＨＩ的空间差异．３ 城市热岛效应的研究方法３ １ 气象观测数据对比方法利用气象站的观测数据进行对比研究是研究城市热岛效应常用的方法．利用气象站的统计资料，选取不同的温度指标，通过统计或数学模拟比较，得出研究区域在一个时段内热岛效应的特征及变化情况．石瑞玲等人［３４］选取２００４－２０１３逐年１、４、７和１０月中旬的气象观测资料进行分析，大武口市区／郊区冬秋温差分别为２ ４和１ ９，夏春温差分别为１ ３和１ ４．大武口市区热岛强度在一个研究年份中表现为中度热岛，强度为“冬＞秋＞春、夏”．但是，气象观测数据比对法受到气象站的数量与设置环境的影响，且测点的变动、观测习惯和测定仪器的误差等均会影响分析结果［３５］．３ ２ 定点与运动样带观测法定点观测通常利用便携温度接收器在城区典型位置进行观测和研究而运动样带方法通常在车辆上安装温度测量仪器，并与便携式数据采集器连接以监测城市区域的温度［３６］．张一平等［３７］将温度测量仪器悬挂在气球上进行试验，利用所得数据对昆明市城市热岛效应进行了分析．Ｋａｚｉｍｉｅｒｚ等［３８］将ＶａｉｓａｌａＨＭＰ ３５传感器安装在５部车上，进行流动监测，从而研究热岛效应的空间格局．３ ３ 遥感技术反演城市热岛现如今，遥感技术由于其与时间同步度高、精确直观、覆盖度广等特点，在城市热岛效应研究中被广泛应用［３９］．遥感反演法就是根据地物所处不同波段辐射值的差异，利用热红外传感器对城市地表温度进行大面积观测，如张宇等［４０］利用徐州地区１９８５－２０１０年夏季四期ＬａｎｄｓａｔＴＭ影像进行研究，发现环境温度随城市地表湿度增加而降低，表明城市地表湿度在调节城市热岛效应中扮演了重要的角色．城郊植被差异、不同植被类型，同一类型不同郁闭度的植被降温效果同样能通过遥感技术反映．苏雅丽［４１］利用遥感技术分析了东莞市２００４和２０１４年植被面积和森林降温效果的变化，结果表明降温效果最好的林为乔木林中的阔叶混交林，且郁闭度７６ 第４期 许 睿，等：城市热岛效应的影响因素、研究方法及缓解对策研究进展 不同的林分降温效果不同，通常郁闭度在０ ７以上的林分降温效果最佳．３ ４ 模拟预测法模拟预测法以热力学和动力学为理论基础，采用建立统计、数值、分析和物理模型来模拟城市热岛效应［３６］．模拟预测法可以获得较高空间分辨率的结果，可以弥补传统观测试验在空间布点上的不足．李兴荣等［４２］对北京６－９月夜间热岛进行研究发现，在ＭＭ５模式下存在的热量储存和人为热量对模拟预测热岛效应的效果更为准确．２０１１年，宋迅殊［４３］利用中尺度预报模式对苏州城进行了城市热岛模拟．赵亚芳等［４４］运用模拟预测与观测、遥感相结合的方式，分析了太湖市的热岛特征．江学顶等［４５］利用四重嵌套网格，最高分辨率为１ｋｍ的中尺度数值预报模式对广州市城市热岛效应进行了模拟．４ 缓解城市热岛效应的对策４ １ 合理规划城市布局城市热岛效应的程度和城市建筑密度成正比例关系，城市建筑布局密度越大，空气流通效率越低，热岛效应越强烈［４６］．因此，在做城市规划时，应该秉承生态观念，提升城市自我调节能力．具体措施有以下几点：①重点关注城市主导风向，同时尽量减少城市建筑物的密度；②城市规划分区需合理，如居住区、公园和厂区等；③科学布局城市中的常用区域；④对于污染严重的矿山企业给予严格控制；⑤在城市建设中尽可能选择合适的环保施工工艺和施工材料；⑥分散城市商业区的区位，降低城市中心的人口密度［４７］．４ ２ 保护、增加城市绿地面积城市绿地在缓解城市热岛效应过程中具有关键性的作用．合理搭配城市绿地植被类型，在城市绿化时多采用乔灌草的复合结构，可使得植被对地表的降温效果达到最佳状态．增加城市绿地面积，如增加城市公园等，可有效缓解热岛效应对城市温度的影响．陈敏捷等［４８］以江西省赣州市为例，根据地表温度的反演原理与反演结果得出“当植被覆盖率越高，控制和减少城市热岛效应的作用越明显”的结论．但是当植被覆盖率较为固定，或是变化不大时，城市绿地系统的空间分布形态直接影响了城市的热岛效应［４９］．４ ３ 改善下垫面的材料类型运用环保型铺装材料，通过改变城市下垫面材料类型，进而缓解城市热岛效应．传统铺装材料例如铺砖、卵石、混泥土等，因其比热容较小，在高温天气中非常容易促使城市热岛效应加剧，而运用环保型铺装材料例如透水混凝土材料等就可以避免这个问题［４４］．４ ４ 减少人为热排放城市热排放的增长是加剧热岛效应的重要诱因之一．作为城市居民的一员，我们更应该自觉地避免人为热的过多排放．而在大力提倡低碳生活的今天，居民可以从各方面、各项行动来减少人为热的排放，例如减少塑料制品的使用、绿色出行、减少废物的燃烧和减少空调等大功率电器的使用等．同时，政府倡导、企业自律也是减少人为热排放的重要环节．５ 展望综上所述，广大的专家和学者运用多种方法，在城市热岛效应的危害、影响因素和缓解措施等方面开展了广泛和深入的研究，取得了一定的研究成果．但也存在一些不足和问题，如确定空间范围的静态研究较多，对热岛效应在时空尺度上的动态变化关注不够，面向城市群尺度的研究更是寥寥无几．研究方法上以传统的方法和较单一的方法居多，将多种方法相结合并融入现代的技术方法的较少．在影响因素和舒缓措施上，更多地关注城市本身的因素而忽略了一些外在因素的影响，如政策的变化、周边环境的影响等［１５］．在城市化和工业化进程依然强劲，气候变化备受关注的背景下，热岛效应的研究依然是未来研究的热点领域．未来的研究方向将集中在以下几方面：（１）遥感技术与气象监测方法更紧密结合．传统气象观测手段可以反映点状的城市热岛情况，但不能反映大尺度的热岛效应，而遥感技术以其尺度大、覆盖广的优点能很好的弥补气象监测的不足．将两者结合起来使用，既能通过空间分析的方法形象地展示城市中尺度热岛效应的分布和差异，判读城市绿化结构和质量，还能运用现场监测数据分析重点区域小尺度的微细变化，并验证和修正遥感结果［５０］．如希望对热岛效应进行全面系统的研究，就可以利用遥感技术反演城市热岛，再利用观测与实测数据对热岛效应进行进一步的分析，观测点与遥感技术的控制面相结合，以减小自然以及人为的误差，使研究效果更加明显而具有可信度．（２）针对城市群进行研究．单个城市或者超大城市热岛效应的研究已有很多结果，但是就目前而言，针对城市群进行的研究还比较少．目前我国已８６ 仲恺农业工程学院学报第３３卷 经建成了几大较为成熟的城市群，如京津冀、长三角和珠三角３个特大城市群，国家特别重视城市群的建设，随着城市群的发展，热岛效应不再局限于城市群内的单一城市内，各城市间通过紧密的合作、交流等人类活动会使得热岛效应在城市群内蔓延，成为各城市共同面对的共性问题［５１］．但目前将城市群作为一个整体的研究还比较缺乏．所以，对于城市群热岛效应的研究，也将是今后的一个发展趋势．（３）景观格局对热岛效应的影响．根据目前的研究成果我们可以判断出，城市规模与热岛效应成正比关系，但是这种正比关系更多的停留在定性的判断和半定量的推断上，其中是否存在一个阈值，能否定量地认识城市规模与热岛效应的关系，是今后一个重要的研究方向［２２］．同样，景观组分与空间构型如何作用于热岛效应也是尚待解决的问题之一．（４）大气因素．城市热岛与城市气候相互作用．大气因素不是孤立的，与城市热岛密切相关．大气中空气湿度、风速与风向等因子都对热岛效应具有影响．因此，在对热岛效应的研究中，要把大气因子考虑进去．因而，研究城市热岛对城市气候的影响也是今后的重要方向．参考文献：［１］ ＨＯＷＡＲＤＬ．Ｃｌｉｍａｔｅｏｆｌｏｎｄｏｎｄｅｄｕｃｅｄｆｒｏｍｍｅｔｒｏｌｏｇｉｃａｌｏｂｓｅｒ ｖａｔｉｏｎｓ［Ｍ］．Ｌｏｎｄｏｎ：ＨａｒｖｅｙａｎｄＤｏｒｔｏｎＰｒｅｓｓ，１８３３．［２］ ＭＮＡＬＥＹＧ．Ｏｎｔｈｅｆｒｅｑｕｅｎｃｙｏｆｓｎｏｗｆａｌｌｉｎｍｅｔｒｏｐｏｌｉｔａｎｅｎｇｌａｎｄ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆｔｈｅＲｏｙａｌＭｅｔｅｏｒｏｌｏｇｉｃａｌＳｏｃｉｅｔｙ，１９５８，８０：７０－７２．［３］ 彭少麟，周凯，叶有华，等．城市热岛效应研究进展［Ｊ］．生态环境，２００５，１４（４）：５７４－５７９．［４］ ＤＯＬＶＬＯＳＬ，ＳＡＴＡＭＯＵＲＩＳＭ，ＬＩＹＡＤＡＩ．Ｐａｓｓｉｖｅｃｏｏｌｉｎｇｏｆｏｕｔｄｏｏｒｕｒｂａｎｓｐａｃｅｓ［Ｊ］．ＴｈｅＲｏｌｅｏｆＭａｔｅｒｉａｌｓＳｏｌａｒＥｎｅｒｇｙ，２００４，７７：２３１－２４９．［５］ ＡＫＢＡＲＩＨ，ＫＯＮＯＰＡＣＫＩＳ．Ｃａｌｃｕｌａｔｉｎｇｅｎｅｒｇｙ ｓａｖｉｎｇｐｏｔｅｎｔｉａｌｓｏｆｈｅａｔ Ｉｓｌａｎｄｒｅｄｔｉｃｔｉｏｎｓｔｒａｔｅｇｉｅｓ［Ｊ］．ＥｎｅｒｇｙＰｏｌｉｃｙ，２００５，３３（６）：７２１－７５６．［６］ ＳＵＫＯＰＰＨ．Ｕｒｂａｎｅｃｏｌｏｇｙ ｓｃｉｅｎｔｉｆｉｃａｎｄｐｒａｃｔｉｃａｌａｓｐｅｃｔｓ［Ｃ］∥ＵｒｂａｎＥｃｏｌｏｇｙ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ ｖｅｒｌａｇ，１９９８：３－１６．［７］ 佟贺．城市热岛效应对城市规划的影响［Ｊ］．科技经济导刊，２０１７，９（２）：１３５．［８］ 白振平，齐童．利用红外遥感技术监测城市“热岛效应”［Ｊ］．城市与减灾，２００４（２）：２７－２８．［９］ ＺＨＯＵＳＺ，ＳＨＵＪ．Ｔｈｅｕｒｂａｎｃｌｉｍａｔｅ［Ｍ］．Ｂｅｉｊｉｎｇ：ＣｈｉｎａＭｅｔｅｏｒｏ ＬｏｇｉｃａｌＰｒｅｓｓ，１９９４．［１０］孙继松，舒文军．北京市热岛效应对冬夏季降水的影响研究［Ｊ］．大气科学，２００７，３１（２）：３１１－３２０．［１１］ＳＨＥＰＨＥＲＤＪＭ，ＰＩＥＲＣＥＨ，ＮＥＧＲＩＡＪ．Ｒａｉｎｆａｌｌｍｏｄｉｆｉｃａｔｉｏｎｂｙｍａｊｏｒｕｒｂａｎａｒｅａｓ：ｏｂｓｅｒｖａｔｉｏｎｓｆｒｏｍｓｐａｃｅｂｏｒｎｅｒａｉｎｒａｄａｒｏｎｔｈｅＴＲＭＭｓａｔｅｌｌｉｔｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＭｅｔｅｏｒｏｌｏｇｙ，２００２，４１（７）：６８９－７０１．［１２］康文星，吴耀兴，何介南．城市热岛效应的研究进展［Ｊ］．中南林业科技大学学报，２０１１，３４（１）：３５－３７．［１３］杨续超，陈葆德，胡可嘉．城市化对极端高温事件影响研究进展［Ｊ］．地理科学进展，２０１５，３４（１０）：１２１９－１２２８．［１４］ＲＯＳＥＮＦＥＬＤＡＨ，ＲＯＭＭＪＪ，ＡＫＢＡＲＩＨ，ｅｔａｌ．Ｐｏｌｉｃｉｅｓｔｏｒｅ ｄｕｃｅｈｅａｔｉｓｌａｎｄｓ：ｍａｇｎｉｔｕｄｅｓｏｆｂｅｎｅｆｉｔｓａｎｄｉｎｃｅｎｔｉｖｅｓｔｏａｃｈｉｅｖｅｔｈｅｍ［Ｒ］．ＰａｃｉｆｉｃＧｒｏｖｅ：ＡＣＥＥＥＳｕｍｍｅｒＳｔｕｄｙｏｎＥｎｅｒｇｙＥｆｆｉ ｃｉｅｎｃｙｉｎＢｕｉｌｄｉｎｇｓ，１９９６．［１５］同丽嘎，张靖．城市绿地缓解热岛效应研究进展［Ｊ］．内蒙古大学学报，２０１６，４７（２）：８－１１．［１６］曹丽琴，张良培，李平湘，等．城市下垫面覆盖类型变化对热岛效应影响的模拟研究［Ｊ］．武汉大学学报：信息科学版，２００８，３３（１２）：１２２９－１２３２．［１７］ＳＴＡＢＬＥＲＬＢ，ＭＡＲＴＩＮＣＡ，ＢＲＡＺＥＬＡＪ．Ｍｉｃｒｏｃｌｉｍａｔｅｉｎａｄｅｓｅｒｔｃｉｔｙｗｅｒｅｒｅｌａｔｅｄｔｏｌａｎｄｕｓｅａｎｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ［Ｊ］．Ｕｒ ｂａｎＦｏｒｅｓｔｒｙ＆ＵｒｂａｎＧｒｅｅｎｉｎｇ，２００５，３（３－４）：１３７－１４７．［１８］胡远满，徐崇刚，布仁仓，等．ＲＳ与ＧＩＳ在城市热岛效应研究中的应用［Ｊ］．环境保护科学，２００２，２８（２）：１－３．［１９］裴欢，房世峰．南京市夏季热岛特征及其与土地利用覆盖关系研究［Ｊ］．干旱气象，２００８，２６（１）：２３－２７．［２０］朱春阳，李树华，纪鹏，等．城市带状绿地宽度与温湿效益的关系［Ｊ］．生态学报，２０１１，３１（２）：３８３－３９４．［２１］冯俊琪．平屋顶简易绿化对屋顶空气温度影响研究［Ｊ］．西安：西安科技大学，２０１３．［２２］刘焱序，彭建，王仰麟．城市热岛效应与景观格局的关联：从城市规模、景观组分到空间构型［Ｊ］．生态学报，２０１７，３７（２３）：２７６－２８８．［２３］陈利顶，孙然好，刘海莲．城市景观格局演变的生态环境效应研究进展［Ｊ］．生态学报，２０１３，３３（４）：１０４２－１０５０．［２４］王刚，张秋平，肖荣波，等．城市绿地对热岛效应的调控功能研究—以广州为例［Ｊ］．生态科学，２０１７，３６（１）：１７０－１７６．［２５］王艳姣，闫峰，张培群，等．基于植被指数和地表反照率影响的北京城市热岛变化［Ｊ］．环境科学研究，２００９，２２（２）：２１５－２２０．［２６］夏佳，但尚铭，陈刚毅．成都市热岛效应演变趋势与城市变化关系研究［Ｊ］．成都信息工程学院学报，２００７，２２（Ｓ１）：６－１１．［２７］贺庆棠，阎海平，任云卯，等．北京地区植物表面温度的初步研究［Ｊ］．北京林业大学学报，２００５，２７（３）：３０－３４．［２８］何介南，肖毅峰，吴耀兴，等．４种城市绿地类型缓解热岛效应比较［Ｊ］．中国农学通报，２０１１，２７（１６）：７０－７４．［２９］唐罗忠，李职奇，严春风，等．不同类型绿地对南京热岛效应的缓解作用［Ｊ］．生态环境学报，２００９，１８（１）：２３－２８．［３０］朱春阳，李树华，纪鹏，等．城市带状绿地结构类型与温湿效应的关系［Ｊ］．应用生态学报，２０１１，２２（５）：１２５５－１２６０．［３１］张明丽，秦俊，胡永红．上海市植物群落降温增湿效果的研究［Ｊ］．北京林业大学学报，２００８，３０（２）：３９－４３．［３２］佟华，刘辉志，李延明，等．北京夏季城市热岛现状及楔形绿地规划对缓解城市热岛的作用［Ｊ］．应用气象学报，２００５，１６（３）：３５７－３６６．［３３］彭保发，石忆邵，王贺封．城市热岛效应的影响机理及其作９６ 第４期 许 睿，等：城市热岛效应的影响因素、研究方法及缓解对策研究进展 用规律—以上海市为例［Ｊ］．地理学报，２０１３，６８（１１）：１４６１－１４７１．［３４］石瑞玲，孙学珍，周翠芳，等．大武口市区“城市热岛效应”观测资料对比分析［Ｊ］．应用科技，２０１７，１４（６）：２９７．［３５］杨恒亮，李婧，陈浩．城市热岛效应监测方法研究现状与发展趋势［Ｊ］．绿色综述，２０１６，２１（６）：３８－４０．［３６］林悦瑜．基于遥感技术的城市热岛效应研究综述［Ｊ］．海峡科学，２０１１，５７（９）：３－４．［３７］张一平，何云玲，马友鑫，等．昆明城市热岛效应立体分布特征［Ｊ］．高原气象，２００２，２１（６）：６０４－６０９．［３８］ＫＡＺＩＭＩＥＲＺＫ，ＫＲＺＹＳＺＴＯＦＦ．Ｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｃｈａｒａｃｔｅｒ ｉｓｔｉｃｓｏｆｔｈｅｕｒｂａｎｈｅａｔｉｓｌａｎｄｏｆｌｏｄｚｐｏｌａｎｄ［Ｊ］．ＡｔｍｏｓｐｈｅｒｉｃＥｎ ｖｉｒｏｎｍｅｎｔ，１９９９，３３：３８８５－３８９５．［３９］白杨，王晓云，姜海梅，等．城市热岛效应研究进展［Ｊ］．气象与环境学报，２０１３，２９（２）：１０１－１０６．［４０］张宇，陈龙乾，王雨辰，等．基于ＴＭ影像的城市地表湿度对城市热岛效应的调控机理研究［Ｊ］．自然资源学报，２０１５，３０（４）：６２９－６４０．［４１］苏雅丽．东莞市林分缓解热岛效应作用研究［Ｄ］．广州：华南农业大学，２０１６．［４２］李兴荣，胡非，舒文军．北京夏季强热岛分析及数值模拟研究［Ｊ］．气象，２００７，３３（６）：２５－３１．［４３］宋迅殊．城市发展对区域气象环境影响的数值模拟：以苏州为例［Ｊ］．南京大学学报：自然科学版，２０１１，１（９）：５５－７６．［４４］赵亚芳，张宁，陈燕，等．环太湖地表城市热岛长期遥感资料分析［Ｊ］．高原气象，２０１７，３６（５）：１３９４－１４０３．［４５］江学顶，夏北成，郭泺，等．广州城市热岛空间分布及时域－频域多尺度变化特征［Ｊ］．应用生态学报，２００７，１８（１）：１３３－１３９．［４６］彭玺，刘新宇，徐云，等．缓解热岛效应的措施分析初探［Ｊ］．现代园艺，２０１７，６４（９）：１１２－１１４．［４７］朱文月．浅谈缓解城市热岛效应的工程措施［Ｊ］．低碳世界，２０１６，２５（７）：２６９－２７０．［４８］陈敏捷，任艺琳，尹依．谈植被覆盖率对城市热岛效应的影响［Ｊ］．山西建筑，２０１６，４２（５）：９－１０．［４９］陈爱莲，孙然好，陈利顶．基于景观格局的城市热岛研究进展［Ｊ］．生态学报，２０１２，３２（１４）：４５５３－４５６７．［５０］刘凤凤，闫伟姣，孔繁花，等．基于气温实地调查的城市绿地降温效应研究现状与未来展望［Ｊ］．应用生态学报，２０１７，２８（４）：１３８７－１３９６．［５１］刘伟东，尤焕苓，孙丹．１９７１－２０１０年京津冀大城市热岛效应多时间尺度分析［Ｊ］．气象，２０１６，４２（５）：５９８－６０６．【责任编辑 施祖荣櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆櫆】（上接第６４页）［３７］刘苑星．昆仑雪菊中总黄酮的提取及其对肿瘤细胞活性研究［Ｊ］．科技经济市场，２０１６（５）：１９７－１９８．［３８］帕尔哈提·买买提依明，令狐晨，朱青梅，等．雪菊对肝癌和肺癌细胞体外抗肿瘤作用研究［Ｊ］．安徽农业科学，２０１５，４３（２４）：４６－４８．［３９］张艳梅，丰子凯，曾红．昆仑雪菊挥发油化学成分及对新生隐球菌抗菌作用［Ｊ］．微生物学通报，２０１６，４３（６）：１３０４－１３１４．［４０］康宏玲，杨玉红，康宗利．昆仑雪菊总黄酮的提取及抑菌和抗氧化分析［Ｊ］．食品科技，２０１８，４３（６）：２３６－２４１．［４１］张淑鹏，李琳琳，木合布力·阿布力孜，等．昆仑雪菊提取物对α 葡萄糖苷酶的抑制作用［Ｊ］．现代生物医学进展，２０１１，１１（６）：１０５５－１０５８．［４２］刘萍，段雅彬，陈红凯，等．昆仑雪菊中原花青素Ｂ２、绿原酸含量测定及对小鼠血糖的影响［Ｊ］．西部中医药，２０１８，３１（９）：２５－２７．［４３］舒畅，范强，杨丽霞．昆仑雪菊提取物对糖尿病大鼠胰岛素抵抗ＩＲＳ １／ＰＩ３Ｋ／ＧＬＵＴ４信号通路的影响［Ｊ］．中国实验方剂学杂志，２０１７，２３（１１）：１２２－１２７．［４４］翟红月，敬思群，柴文杰，等．昆仑雪菊原花青素对四氯化碳致小鼠肝损伤的保护作用［Ｊ］．现代食品科技，２０１８，３４（１０）：２２－２８．［４５］曾诚，杨晓艺，赵文惠，等．昆仑雪菊多糖预防急性及免疫性肝损伤［Ｊ］．时珍国医国药，２０１７（１１）：２６０４－２６０７．［４６］田勇，周督，邹双忆，等．昆仑雪菊水溶性黄酮提取物对Ｄ 半乳糖致衰老小鼠学习记忆障碍的改善作用［Ｊ］．食品科学，２０１９，４０（１）：１７０－１７６．［４７］张贵林，刘敏，葛红娟，等．昆仑雪菊水提取物对小鼠抗疲劳作用的研究［Ｊ］．食品科技，２０１８，４３（６）：２４２－２４５．［４８］康金森，赵伟，邓凯，等．新疆昆仑雪菊水提物对高脂环境胰岛β细胞的保护作用［Ｊ］．新疆医科大学学报，２０１７，４０（１２）：１５０１－１５０６．［４９］秦乐，陈新梅，邢佰颖，等．昆仑雪菊总黄酮对小鼠胸腺指数及脾脏指数的影响［Ｊ］．山东化工，２０１７，４６（１５）：４１－４２．［５０］沙爱龙，吴瑛，盛海燕，等．昆仑雪菊黄酮对衰老模型小鼠脑及脏器指数的影响［Ｊ］．动物医学进展，２０１３，３４（７）：６６－６８．【责任编辑 夏成锋】０７ 仲恺农业工程学院学报第３３卷 。
乌鲁木齐市地表温度与遥感指数关系
2020年26期研究视界科技创新与应用Technology Innovation and Application乌鲁木齐市地表温度与遥感指数关系柴晋鹏，赵晓蓉*（新疆师范大学地理科学与旅游学院，新疆乌鲁木齐830054）进入21世纪以来，城市原有的生态系统发生改变，引发了温度不同于郊区的城市小气候。
大量的现有研究表明，城市化过程中由于人类活动普遍造成城市中出现“热岛效应”，其会严重的危害人类健康[1]，影响了居民工作和生活。
因此热岛效应成为国内众多学者研究的热点问题。
随着遥感技术的飞速发展，遥感影像成为研究地表温度的有效手段。
近年来，国内外学者对地表温度与遥感指数关系研究主要集中在以下三个方面：（1）基于单一遥感指数对城市热岛效应进行定量研究，探讨该遥感指数的准确度与相关性。
万继康[2]对北京建成区NDVI 变化及其对地表热环境影响分析。
（2）利用长时间多时段影像对城市热岛效应进行时空变化研究。
历华等[3]计算长株潭地区的地表温度、NDBI和NDVI ，比较NDBI 和NDVI 与地表温度之间关系，对地表城市热岛效应研究的指标NDBI 和NDVI 进行对比分析。
（3）研究土地利用/覆被对热岛效应的影响。
康文敏等[4]通过多尺度空间模式，定量分析以地表温度贡献度为表征的城市热环境时空变化及其特征。
这些多集中在城市发展较快的发达城市区域。
在全球变暖的大背景下，生态系统脆弱的干旱区绿洲城市倍受冲击，但对于干旱区绿洲城市的地表温度与遥感指数关系研究涉及不多，对于应用多种指数对干旱区绿洲城市的地表温度进行综合研究更为少见。
本文以干旱区绿洲城市乌鲁木齐为例，利用landsat8影像数据反演地表温度，并讨论其与NDVI 、MNDWI 、NDBI 、BIS 四类遥感指数之间的关系。
1研究区概况乌鲁木齐位于亚欧大陆腹地，我国西北地区，新疆中北部，天山北麓，准噶尔盆地以南，地处东经86°37'33"-88°58'24"，北纬42°45'32"-45°00'00"，属温带大陆性气候，是“一带一路”倡议的重要节点城市，该区域地势起伏悬殊，山地面积广大。
南京市冷热岛格局的尺度效应研究
文章编号：2096-3424（2021）01-0075-08DOI：10.3969/j.issn.2096-3424.20015南京市冷/热岛格局的尺度效应研究郭 宇， 唐 明， 王宏伟， 侯梅芳， 刘信杉， 林 毅（上海应用技术大学 生态技术与工程学院，上海 201418）摘 要：城市地表覆被类型变化影响城市热环境的空间格局，研究城市地表覆被类型与城市冷/热岛格局的相关关系，对调节城市微气候，改善人居环境，提高城市韧性具有重要的意义。
基于landsat8影像数据，提取南京市4种主要地表覆被类型（水体、植被、不透水面、建筑）的参数；同时利用热红外波段反演地表温度，分别从像元（小）和市、区级行政区划（大）2个尺度，研究冷/热岛空间分布与主要地表覆被类型之间的关系并就其尺度效应进行了深入探讨。
研究结果如下：基于像元尺度的空间分析表明，植被和水体的分布与冷岛空间格局具有相关性；不同地表覆被类型的降温效应顺序为：水体＞植被＞不透水面＞建筑；建筑和不透水面的分布与热岛空间格局具有相关性。
基于市、区级行政区划尺度的空间分析表明，4种地表覆被类型与冷岛效应相关性较低；建筑与不透水面与热岛效应相关性较高，其中建筑与热岛效应相关性最高（R2=0.95）。
总体而言，基于小尺度的研究能反映地表覆被类型与冷/热岛空间分布的相关关系，而基于大尺度的研究则从数据统计的角度反映城市热环境的综合特征。
研究有助于城市规划者理解城市冷/热岛形成的尺度特征，为应对全球气候变化，合理规划城市布局，促进城市可持续发展提供参考。
关键词：城市热环境；冷/热岛；尺度特征；土地覆被类型中图分类号：TP79 文献标志码：AStudy on the Scale Effect of the Cold/Heat Islands Pattern in NanjingGUO Yu， TANG Ming， WANG Hongwei， HOU Meifang， LIU Xinshan， LIN Yi （School of Ecological Technique and Engineering, Shanghai Institute of Technology,Shanghai 201418, China）Abstract：Changes in urban land cover types affect the spatial pattern of urban thermal environments, and the relationship between urban land cover types and urban cold/heat island patterns is of great significance for regulating urban microclimate, improving human settlements and improving urban resilience. Based on the landsat8 Satellite imaging data, the parameters of the four main types of land cover (water, vegetation, impervious surface, building) in Nanjing were extracted, at the same time, the surface temperature was retrieved using the thermal infrared band. The relationship between the spatial distribution of cold/heat islands and the main land cover types was studied from two scales: pixel (small) and city and district administrative division (middle) , and the scale effect was discussed in depth. The results are as follows:收稿日期：2020-03-05基金项目：国家自然科学基金（41171250）；上海高等学校一流研究生教育引领计划（沪教委高[2019]22号-24）资助作者简介：郭 宇（1995-），男，硕士研究生，主要研究方向为城市热环境。
基于空间自回归模型的广州市NDVI和NDBI与气温关系研究
基于空间自回归模型的广州市NDVI和NDBI与气温关系研究许剑辉;赵怡;肖明虹;钟凯文;阮惠华【摘要】为了探索城镇化地区热岛的时空变化特征,采用2015年覆盖广州市的1 km空间分辨率MOD13A3月合成归一化植被指数(normalized difference vegetation index,NDVI)数据、用Landsat8 OLI提取的归一化建筑指数(normal-ized difference build-up index,NDBI)数据以及不同季节的气象站点近地表气温数据,运用相关性分析方法,研究近地表气温与NDVI和NDBI的相互关系;在此基础上,应用空间自回归方法构建不同季节的近地表气温与NDVI和NDBI的空间自回归模型,定量分析广州地区近地表气温与NDVI和NDBI的空间关系,并与普通回归模型进行比较分析.结果表明,不同季节的NDVI与近地表气温呈负相关,NDBI与近地表气温呈正相关;与普通线性回归模型相比,空间滞后模型与空间误差模型的拟合效果最优;通过比较分析相关系数(R2)值、赤池信息量准则(Akaike information criterion,AIC)值及回归模型残差的莫兰指数(Moran index,Moran's I),发现空间滞后模型的拟合效果略优于空间误差模型;从春季到秋季,NDVI对近地表气温的影响大于NDBI对近地表气温的影响;在空间滞后模型中,显著的、正的空间自回归系数表明,气象站点的近地表气温受到相邻气象站点的近地表气温的显著正影响.%To study the spatio-temporal pattern of the air temperature in Guangzhou City,the authors used MODIS monthly normalized difference vegetation index (NDVI) acquired in 2015 and extracted the normalized difference built- up index (NDBI) with Landsat8 OLI data. The correlation analysis method was used to explore the relationship between air temperature and NDVI, NDBI. The experimental results show that there is a negative relationbetween NDVI and air temperature and a positive relation between NDBI and air temperature. On such a basis,the spatial lag model(SLM) and spatial error model(SEM) were established to discuss the spatial relations between air temperature and NDVI, NDBI in different seasons, respectively. The SLM and SEM results were compared with the ordinary least square regression (OLS) model, which shows the best performance of the SLM and SEM models. The SLM model with higher R2 and lower AIC values performs slightly better than the SEM model. NDVI has more influence on air temperature from spring to autumn than NDBI. In the SLM model, the positive and significant spatial autoregressive coefficients indicate an active influence from neighboring meteorological stations.【期刊名称】《国土资源遥感》【年(卷),期】2018(030)002【总页数】9页(P186-194)【关键词】空间自回归模型;归一化建筑指数(NDBI);归一化植被指数(NDVI);气温【作者】许剑辉;赵怡;肖明虹;钟凯文;阮惠华【作者单位】广州地理研究所,广州 510070;广东省遥感与地理信息系统应用重点实验室,广州 510070;广东省地理空间信息技术与应用公共实验室,广州 510070;中国科学院广州地球化学研究所,广州 510640;中国科学院大学,北京 100049;广西壮族自治区地理信息测绘院,柳州 545006;广州地理研究所,广州 510070;广东省遥感与地理信息系统应用重点实验室,广州 510070;广东省地理空间信息技术与应用公共实验室,广州 510070;广东省气象探测数据中心,广州 510080【正文语种】中文【中图分类】TP790 引言在快速城镇化过程中，城市热环境质量日益恶化[1]，城市热岛引起了社会的广泛关注。
城市“蓝绿空间”的降温效应研究进展
第49卷第2期2021年4月Vol.49,No.2Apr.,2021南方林业科学South China Forestry ScienceDOI编码：10.16259/ki.36-1342/s.2021.02.014城市“蓝绿空间”的降温效应研究进展连欣欣，刘兴诏*，李倩,林赛男，陈！忻（福建农林大学园林学院，福建福州350002）摘要：水体和绿地作为城市的“蓝绿空间”，具有一定的降温功能，能较好的缓解热岛效应。
国内外学者们对城市绿地、水体与地表温度之间的关系进行了大量的定量和定性研究，研究发现,城市绿地景观的降温效应与绿地的面积、形状、植被覆盖率、景观格局和太阳辐射量、空气湿度等因素有关;城市水体景观的降温效应主要与水体的面积、形状、宽度、布局和气候、周边环境等因素有关；另外，水体和绿地在降温效果上具有协同作用，水体和绿地相结合的方式能更好的发挥其降温效应。
基于此提出几点建议:对现有研究方法进行优化,系统开展多个尺度上降温效应的研究；注重水体与绿地在降温方面的协同效应研究；加强水体和绿地降温效应与影响因素之间的定量研究。
关键词:蓝绿空间；水体;绿地；降温效应中图分类号:S73：X820：X21文献标识码:A文章编号:2095-9818（2021）02-0068-05Research advances on the cooling effect of"urban blue-green space"Lian Xinxin,Liu Xingzhao*,Li Qian,Lin Sainan,Chen Yuexin(Collage of Landscape Architecture,Fujian Agriculture and Forestry University,Fuzhou Fujian350002,China)Abstract：As the"blue-green space"of the city,water body and green space have a certain cooling function,which can better alleviate the heat island effect.Scholars at home and abroad have done a lot of quantitative and qualitative research on the relationship between urban green space,water bodies and surface temperature.It is found that the cooling effect of urban green space landscape is related to the area,shape,vegetation coverage rate,landscape pattern,solar radiation,air humidity and other factors.The cooling effect of urban water landscape is mainly related to the area,shape,width,layout,climate and surrounding environment of water body.In addition,water body and green space have a synergistic effect on cooling effect,and the combination of water body and green space can give better play to its cooling effect.In the future,optimize existing research methods and systematically conduct research on cooling effects on multiple scales,the study of the synergistic effect of water and green space in cooling should be paid more attention,and strengthen quantitative research on the cooling effect and influencing factors of water bodies and green spaces.Key words：blue-green space;water body;green space;cooling effect随着全球经济的迅速发展，城市人口快速膨胀,城市规模不断扩大。
浑善达克地区典型植被DNVI与温度、降水的相关性分析
浑善达克地区典型植被DNVI与温度、降水的相关性分析摘要：浑善达克沙地处于中国陆地生态系统对全球变化响应的一级敏感区，植被对气候变化敏感。
基于1998-2010年spot/vegetation vgt-s10逐旬ndvi数据，研究区域典型植被的旬归一化植被指数（ndvi）动态变化及其与温度、降水的相关性以及气象因子影响的滞后效应。
结果表明，长时间旬ndvi序列较好地反映了主要植被类型随着季节变化的生长发育状况；生长季节内植被旬ndvi和气温的相关性高于其与降水的相关性，气温、降水对不同植被的影响具有滞后效应，滞后期均在40 d以内，滞后期长短因植被而异；年际间旬ndvi与降雨量、温度的相关分析表明在植被快速生长期降雨量对植被生长有重要促进作用，而温度在植被生长初期和成熟期则是植被旬ndvi提高的重要原因；由于春、冬季旬ndvi与温度、降水变化的高度一致性，全年旬ndvi与气象因子相关分析的可靠性降低；而生长季节内植被旬ndvi与降水、温度的相关性分析可以很好地揭示气象因子与植被生长发育的关系。
关键词：浑善达克沙地；归一化植被指数（ndvi）；气温；降水；相关分析中图分类号：p461+.7 文献标识码：a 文章编号：0439-8114（2013）06-1298-06在陆地生态系统中，植被是联结土壤、大气和水分的自然“纽带”[1]，在陆地表面的能量交换、生物地球化学和水文循环过程中扮演着重要的角色，同时在全球变化中起着敏感“指示器”的作用[2]。
大范围植被变化研究需要覆盖范围广、时空连续性好的数据，而卫星遥感为获得植被监测数据提供了先进的技术手段[3]。
spot/vegetation具有红光波段对叶绿素吸收敏感、近红外波段剔除了强水汽吸收带和空间分辨率高等优势，更适于植被变化监测研究[4，5]。
由于卫星遥感获得的归一化植被指数（normalized difference vegetation index，ndvi）能够在大尺度上反映植被的绿度和光合作用强度，较好地反映植被的代谢强度及季节性变化和年际间变化，被广泛地运用于植被的第一性生产力估算[6，7]、物候分析[8，9]、农作物估产、叶面积指数估算等研究。
基于MODIS的地表温度空间降尺度方法研究——李文静
1引言
1.1 研究背景
地表温度（Land Surface Temperature,LST）是描述地表与大气间物质交换及能量平衡的重要参数，它控制着地气水热平衡[1]，被广泛地应用在土壤水分估算[2]、城市热岛效应研究[3]、森林火灾监测[4]及地表福射通量计算[5]等众多领域。传统的获取地表温度的方法大多采用定点测量，虽然精度较高，但是耗时耗力且观测的范围较小，受到的限制大，要获取大范围的地表温度数据非常困难[6]。随着遥感技术的大力发展，大范围的遥感监测为快速获取区域乃至全球尺度的地表温度提供了可能，弥补了地表温度气象站点测量密度不足的缺陷[7]。基于热红外遥感数据反演地表温度是获取地面实际温度的主要途径之一，最早可追溯到1962年TIROS-Ⅱ的成功发射。热红外遥感技术具有不破坏地表热力学状态的特点，所以其应用受到了国内外专家学者的广泛重视[8]。
定量遥感重难点题集
安徽师范大学2016年攻读博士学位研究生复试考试试题题集考试科目：定量遥感科目代码：3106 考试时间：月日（注：特别提醒所有答案一律写在答题纸上，直接写在试题或草稿纸上的无效！）———————————————————————————————一．名词解释：1.独立因子：所谓独立因子，是指“不能够从研一推理或归纳综合得到的因子”。
通过对独立因子进行量纲分析，完成了无量纲因子团研究（各无量纲因子团应有明确的地理-物理意义），突破了圈层结构的限制，突破了力学中相似准则的厘米/克/秒制，提出了地理相似准则，从而使地理科学中常用的类比方法得到定量的、科学的计算。
再通过数学上的方程与统计的结合，在独立因子与地理相似准则分析的基础上，对因子团进行多元非线性回归统计分析，并从统计分析中提出随时间、空间分布的地理参数，建立遥感信息模型。
2.反演：遥感的本质是反演。
反演主要用于定量遥感，即基于模型知识的基础上，从测量到的现象推求未知的原因或参数。
反演问题研究的内容主要有几个方面：在“条件适定”概念下求解不适定的问题；对于反演问题求解方法的研究；对于反演问题的解的评价。
定量遥感反演问题面临的问题主要有：方向性问题，即地表反射与发射的方向性模型研究和应用；尺度效应与尺度转换。
目前的陆地遥感反演主要利用的是最小二乘法原理，要求处理数据量多余未知量，但是实际情况往往相反，所以，反演本质上是病态的。
面对这个问题，先验知识的引入以及注意反演策略与方法，是至关重要的，把新观测的信息量有效地用于时空多变要素的估计上，使新观测中的信息有效分配给这一复杂系统中的时空多变参数。
3.红移：在植被的光谱曲线中，遭胁迫的植物的叶绿素吸收边向长波方向移动的现象称为红移。
叶片的光谱反射最有可能在敏感的可见光范围首先反映植被受胁迫的情况。
当植被遭受胁迫和叶绿素生产量开始下降时，由于叶绿素的缺乏一般会使植物在叶绿素吸收带上的吸收减少。
这样的植物具有高得多的反射，特别是在红光和绿光部分。
中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析
中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析一、本文概述本文旨在探讨中国典型植被类型（Normalized Difference Vegetation Index，NDVI）的动态变化与气温、降水变化的敏感性。
NDVI作为一种重要的遥感植被指数，能够反映植被的生长状况、覆盖度以及生产力等关键信息。
气温和降水作为影响植被生长的主要气候因子，对NDVI的变化具有重要影响。
因此，研究NDVI与气温、降水之间的敏感性关系，有助于深入理解植被动态变化的驱动机制，为生态环境保护、气候变化研究以及农业可持续发展提供科学依据。
本文将基于长时间序列的遥感影像数据，结合地面气象观测数据，运用统计分析方法，对中国典型植被类型的NDVI动态变化进行定量描述。
通过构建敏感性分析模型，评估气温和降水变化对NDVI的影响程度，揭示不同植被类型对气候变化的响应机制和差异。
本文的研究结果将有助于深入了解中国植被动态变化的特点和规律，为生态环境保护和可持续发展提供决策支持。
本文的研究方法和成果也可为类似地区或国家的植被动态变化与气候变化关系研究提供借鉴和参考。
二、研究区域与数据来源本研究选取了中国境内具有代表性的植被类型分布区作为研究区域，这些植被类型包括森林、草原、荒漠和湿地等。
具体研究区域的选择基于中国植被图的分类和中国生态系统研究网络（CERN）的布局，确保所选区域能够全面反映中国植被类型的多样性及其地理分布特点。
数据来源主要包括遥感数据和气象数据。
遥感数据选用了长时间序列的归一化植被指数（NDVI）数据，该数据来源于美国国家航空航天局（NASA）的MODIS卫星产品，具有较高的时空分辨率和稳定性，能够准确反映植被的生长状况和变化趋势。
气象数据则来自中国气象局的国家气候中心，包括气温和降水等关键气象要素，数据覆盖范围广泛，时间序列连续，为分析植被与气候因子的关系提供了有力支撑。
在数据处理方面，首先对遥感数据进行预处理，包括辐射定标、大气校正和几何校正等步骤，以确保数据的准确性和可靠性。
北京地区地表温度与植被指数及热岛效应相关性研究
北京地区地表温度与植被指数及热岛效应相关性研究地表温度（LST）是研究区域地表能量平衡和资源环境变化重要的参数之一，也是区域生态环境过程的主要影响因素，同时也是地球科学中很重要的组成部分。
本文选取2009年8月北京的Landsat TM影像对北京地区的地面温度进行反演。
并通过城市热场变异指数（HI）对北京地区的热岛效应进行定量化分析，结果表明HI能够明显的反应出城市热岛现象。
标签：地表温度植被指数单窗算法热岛效应0引言地表温度[1]（LST，Land Surface Temperature）是研究区域能量平衡和资源环境变化的重要参数之一，也是区域生态环境过程的主要因素。
LST作为地球科学非常重要的组成的部分，一方面决定了地表向大气的长波辐射能力，另一方面LST也取决于地表许多参数的状态，如地表湿度、植被覆盖和长势。
因此掌握LST的空间分布状态及其时间变化态势，对于准备模拟大气和地表、地表地物之间的能量交换是十分必要的。
同时，陆地卫星（Landsat）的TM遥感影像的天顶视角下的像元地面分辨率为120m×120m[1]，这一地面分辨率远远比气象卫星NOAA-A VHRR[2，3]遥感数据的地面分辨率要高。
而且TM6热波段的波长区间为10.40～12.50μm [1]，可以很好的用来分析地球表面的热辐射和温度的区域性差异。
因此，对于要求精确的区域温度分析来说，TM数据是很好的选择。
本次研究将利用Landsat-5 TM3和TM4波段进行计算NDVI，结合TM6波段数据对北京地区进行反演地表温度，研究北京地区的地表温度空间差异，并通过城市热场变异指数对北京地区的热岛效应进行分析，进一步认识北京地区的地表热力场空间差异[4]，为协调北京的资源生态环境提供参考。
1研究区概况本次研究选择的研究区域选择北京市，位于39°50’N～41°10’N，115°51’E～116°53’E之间，面积约为15000平方千米。
城市景观格局与地表温度的定量关系——以兰州市为例
第36卷第9期2020年9月商丘师范学院学报JOUＲNAL OF SHANGQIU NOＲMAL UNIVEＲSITY Vol．36No．9Sep．2020收稿日期：2019－06－26作者简介：郝嘉楠（1996—），女，甘肃和政县人，兰州大学资源环境学院在读硕士研究生，主要从事城市与区域规划的研究．城市景观格局与地表温度的定量关系———以兰州市为例郝嘉楠，高泽阳（兰州大学资源环境学院，甘肃兰州730030）摘要：地表温度对研究全球资源环境和气候变化有着关键性的作用，同时它又是研究城市热环境、全球气候、土地利用等的重要因素．由于其对城市生态环境和城市整体生存能力的不利影响，城市热岛与城市景观格局之间的关系已经成为热点研究课题．本文利用兰州市2017年夏季Landsat 8遥感影像，基于AdaBoost 的算法（Adaptive Boosting ）提取了土地利用信息，地表温度通过辐射传导方程法来反演．采用回归分析和空间自相关分析方法，探讨不透水面和植被覆盖与地表温度之间的定量关系；使用最小二乘法回归方法模型对比得到不同城市景观格局对地表温度的影响．结果显示：兰州市地表温度从西北到东南逐渐升高，中部地区低于南北两山的温度；城市不透水面温度显著高于植被覆盖区域，城市地表温度介于18．45－45．34ħ；城市热岛效应明显；兰州市不透水面与地表温度呈现正相关关系，植被覆盖与地表温度呈现负相关关系；适当减少兰州市不透水面面积，加大不透水面的破碎程度，在一定程度上，能更有效降低城市区域的地表温度；通过增加兰州市植被多样性和密集度，可以有效缓解兰州市热岛效应．关键词：景观格局；地表温度；兰州市；关系中图分类号：P901文献标识码：A文章编号：1672－3600（2020）09－0050－05研究全球资源环境和气候变化问题，地表温度的重要性不言而喻．诸如城市热环境、全球气候、土地利用等课题，都离不开地表温度这一至关重要的因素．城市热岛效应，表现为城市四周农村地区温度明显低于城市温度［1］，形成类似高温孤岛的现象，这是城市化进程达到一定程度时的必然现象．城市热岛的出现，使得城市能源消耗增加，硫化物，碳氧化物、氮氧化物等空气污染物的排放量大大上升，其对人体的伤害也不容小觑．城市下垫面的性质、人工热源的增加、水气影响、空气污染、城市景观格局的变化、绿地减少、人口迁徙等，都是造成热岛效应不容忽视因素［2］．已有大量研究证明，土地利用组成及其空间格局会对地表温度产生影响．个别土地利用/覆盖类型对温度的影响研究，是目前研究最为普遍的方向，张震［3］通过主成分分析方法和相关分析方法，研究了青岛市下垫面、土地利用驱动因子和社会经济对地表温度产生的影响；李琳［4］结合了回归分析方法，主成分分析方法和相关分析方法，得到与成都市地表温度呈现正相关的景观格局类型是不透水面，与地表温度呈现负相关的景观格局类型是植被，而水体与地表温度呈现微弱负相关关系．但是定量化分析景观格局与地表温度之间的关系，应加以提高．邹婧［5］等通过研究土地利用类型与结构和地表热环境之间的关系，定量地探讨了深圳市景观格局与地表温度之间的关系．王雪［2］等利用最小二乘法和地理加权回归方法，分析北京市景观格局对地表温度的影响．研究城市景观格局与地表温度的定量关系，有利于合理规划城市土地资源，缓解城市热岛效应，为城市规划与发展提供科学的指导．作为西部地区重要的中心城市之一，兰州市的城市化步伐越来越快，由此引发的生态环境问题也日益增加．因此，土地利用与景观格局的变化导致的生态环境问题阻碍了兰州市社会经济的发展．本文以兰州市为研究区域，使用2017年夏季Landsat 8影像，定量地研究了不透水面和植被覆盖与地表温度的关系，并从景观角度出发，探讨兰州市景观类型空间格局和组成与地表温度空间分布之间的关系，旨在为兰州市城市生态改善以及合理规划城市布局提供科学支持．1研究区概况兰州市位于甘肃省中部，东经102ʎ36'－104ʎ34'，北纬35ʎ35'－37ʎ7'之间［6］．土地总面积为13085．6km 2，区域内地貌复杂多样，山地、高原、平川、河谷、沙漠、戈壁，类型齐全，交错分布，地势自西南向东北倾斜，有着两山夹一河的特点，地形呈狭长型［7］．受兰州市自身地势高差的悬殊和复杂的地形的影响，兰州市局部气候差异性较大：兰州市的西侧、南侧均是石质山，属于温寒带湿润地区，海拔较高，年平均气温只有20－50ħ，年降水量仅为500mm ，其中北侧和东北地区平均气温在60ħ左右，年平均降水量小于250mm ，属于温凉带干旱区．兰州市中心城市地带属于温带半干旱地区，平均气温在11．20ħ左右［8］．年平均日照时数为2446h ，无霜期为180d ［9］．随着兰州市社会经济的发展，兰州市土地利用发生了巨大变化，城市热岛效应也越来越显著．2研究数据与方法2．1数据来源本实验选用美国陆地卫星Landsat 8OLI /TIＲS 影像数据（数据来源：USGS EarthExplorer ）作为地表温度反演和土地利用/覆盖分类的基础数据．影像选取时间为2017年8月3日，轨道号为131－35，研究区范围内云量覆盖为0．使用1ʒ200000兰州市土地利用总体规划图辅助进行土地利用/覆盖分类．并对原始影像进行辐射校正、研究区域裁剪等预处理．2．2研究方法2．2．1地表温度反演文章采用辐射传导方程法反演地表温度［10］．根据辐射传导方程法反演地表温度T s 的表达式为：T s =K 2lnK 1BT ()s +[]1式中，K 1、K 2为传感器的定标常数，在Landsat OLI 的取值分别为K 1=774．89W /（m 2*μm*sr ），K 2=1321．08K ；B （T s ）为温度T s 的黑体辐射亮度，计算公式如下：B （T s ）=L λ－L ↑－τ（1－ε）L ↓τε式中，τ为大气透过率，L ↑为大气上行辐射，L ↓为大气下行辐射；这三个参数值可通过美国航天航空局官网（https ：//atmcorr．gsfc．nasa．gov ）输入相关参数查询；L λ为传感器接收到热红外光谱辐射亮度；ε为地表比辐射率．使用NDVI 阈值法可计算地表比辐射率ε［11］：ε=0．004P V +0．986式中，P V 是植被覆盖度，采用像元二分法计算．原理如下：P V =NDVI －NDVI soilNDVI veg －NDVI soil式中，NDVI soil 为裸土覆盖区域的NDVI 值；NDVI veg 代表完全植被覆盖区域的NDVI 值；NDVI 为归一化植被指数，根据下式计算：NDVI =NIＲ－ＲNIＲ+Ｒ式中，NIＲ和Ｒ分别为Landsat 8影像的近红外波段和红波段．统计计算完的NDVI 值，NDVI soil 和NDVI veg 分别取为NDVI 累计5%和95%的像元值．2．2．2基于AdaBoost 算法的土地类型/覆盖提取遥感影像分类，通常情况下属于多分类问题范畴．首先，AdaBoost 赋予每个样本相同的权重，即样本被选择为基分类器的概率．此后，进行加权抽样，于样本集中提取训练样本，生成弱分类器，对样本总体进行弱分类，得到当前分类器的误差．利用误差计算各样本权重，这样便可提升错误分类样本权重；按此法，可在之后迭代过程中，再次集中选择更多，容易被错误分类的样本．同时，新生成的分类器也将对这些样本给予更多关注．这一系列的弱分类器，便是基于类似多次迭代过程形成的．这些弱分类器对未知实体进行分类，并最终利用加权投票的方式，集成所有分类结果［12］．AdaBoost 有很多不同的基分类算法，在AdaBoost 中，不同地物通过迭代次数的改变，而影响其分类的精度．本实验采用基于AdaBoost 算法的分类系统，把土地分为：林地、其他植被（包括园地、农用地、草地等）、其他用地（包括自然保留地、滩涂等）、不透水面和水体5种类型．2．2．3相关分析相关分析的任务，就是揭示地理要素之间相互关系的密切程度［13］．地理要素之间相互关系密切程度的测定，主要是通过对相关系数的计算与检验来完成的，两个地理要素间相关关系的计算方式为：r xy =∑ni =1（xi－x ）（y i －y ）∑ni =1（xi－x ）槡2∑ni =1（yi－y ）槡2式中，r xy为要素x 与y 之间的相关关系系数，其值介于［－1，1］之间，是表示两要素之间的相关程度的统计指标．rxy＞0，表示正相关，r xy ＜0，表示负相关，r xy 的绝对值越接近于1，表示两要素的关系越密切．15第9期郝嘉楠，等：城市景观格局与地表温度的定量关系2．2．4回归分析作为一种分析变量关系的强有力的工具，回归分析通过建立的回归模型来反映地理要素间的具体数量关系［14］．回归模型有线性与非线性两种．一元线性回归模型因变量与自变量单一对应．假设有两个地理要素（变量）x 和y ，x 为自变量，y 为因变量．则一元线性回归模型的基本结构形式为：y a =a +bx +εa本文通过回归分析定量研究兰州市不透水面、植被覆盖与地表温度的关系，并建立它们之间关系的回归方程．2．2．5空间自相关分析空间自相关分析是为了确定地理要素之间在空间上的相关性［15］．空间自相关系数可以用来定量地描述地理要素在空间上的依存程度，其计算公式为：I =nS O∑ni =1∑nj =1W （i ，j ）（x i－x ）（x j －x ）∑ni =1（xi－x ）2式中，x i 为观测值，x 为x i 的平均值，S O =∑ni =1∑n j =1W （i ，j ），W （i ，j ）为i ，j 之间的空间链接矩阵．如果地理要素之间随着测定距离的缩小而变得相似，则它们呈空间正相关关系；如果地理要素之间随着测定距离的缩小而存在明显的差异，则它们呈空间负相关关系．2．2．6景观格局指数景观格局指数属于定量分析因素，用以反映景观格局信息［16］．本文结合研究区域景观特点和空间特性，选取了8个景观格局指标研究兰州市土地利用格局．景观格局指数通过Fragstats4．2软件计算得到，如表1示：表1景观格局指数Tab．1landscape pattern index景观格局指数计算公式生态含义斑块面积（CA ）———制约斑块中物种的丰度、数量等最大斑块占景观面积比例（LPI ）LPI =max m j =1（a ij ）A 有利于确定景观的优势类型斑块密度（PD ）PD =n iA反映了斑块的破碎度，描述整个景观的异质性平均斑块大小（AＲEA _MN ）AＲEA _MN =AN 反映景观异质性的关键形状指数（LSI ）LSI =Emin E 反映整体景观的形状复杂程度边缘密度（ED ）ED =EA反映景观的边缘效应分维数（FＲACT ）FＲCAT =∑m i =1∑nj =12ln （0．25P ij ）ln （a ij ）a ij∑mi =1∑nj =1a ()[]ij测定斑块形状对内部斑块生态过程影响的指标聚合度（AI ）AI =∑ni =1（giig ii max）ˑP []i ˑ100表示同类斑块之间的凝聚程度3兰州市景观格局与地表温度的关系研究3．1不同土地类型之间温度比较表2不同土地利用类型的地表温度分布图Tab．2surface temperature distributions of different land use types地类水体林地不透水面其他植被其他用地均值26．66824．82336．82233．06238．585标准差2．6483．0151．9362．6683．074表2是兰州市2017年土地利用/覆盖类型的地表温度统计值．通过对比均值可以发现，2017年研究区地表温度序列为：其他用地＞不透水面＞其他植被＞水体＞林地．其他用地、不透水面的平均地表温度在5种土地利用类型中排名靠前．其他植被里包含有大量的草地、农用地、花园等土地类型，所以其平均地表温度比较高．兰州山地面积占全市面积的85%，连续的大面积裸土地直接导致了其他用地温度过高．林地的地表温度是所有土地利用类型中最低的，其次是水体．对比土地利用类型的地表温度的标准差，其顺序为：其他用地＞林地＞其他植被＞水体＞不透水面．不透水面地表温度的标准差最低，主要原因是因为兰州市城镇大多处在地势平坦的地区，建筑集中且分布均匀．黄河是兰州市的主要水域，水质差异小，均一性比较大，所以水体的标准差相对于其他地区比较小．其他用地是所有土地利用类型中标准差最大的，这主要是25商丘师范学院学报2020年因为其他用地里包含了裸土地、处在城镇中的未利用地等，其跨度比较大．兰州地区的林地主要集中在东南地区，其余地区林地稀疏、密度小，林地分布不均衡．3．2不透水面与地表温度的关系将不透水面与地表温度进行回归分析，二者的分析结果如图1所示．图1研究区不透水面与地表温度关系Fig．1relation between impermeable water surface and surface temperature in the studyarea图2研究区植被覆盖与地表温度关系Fig．2relationship between vegetation cover and surface temperature in the study area由图1可以发现，研究区不透水面与地表温度之间有着显著的线性正相关关系，随着不透水面程度的加深，地表温度也呈现明显的上升趋势．这就表明，不透水面可以增加地表温度，不透水面区域越多的地方，地表温度也就越高．因而，不透水面的扩展会导致城市热岛效应加剧．3．3植被覆盖与地表温度的关系将植被覆盖与地表温度进行回归分析，二者的分析结果如图2所示．由图2可以看出，植被覆盖与地表温度呈现显著的线性负相关关系，植被覆盖度越好，地表温度越低．这说明植被具有降低地表温度的作用，由于城镇用地密度大的地方，植被密度小、种类少，造成了地表温度增加．植被种类多而密集区域，温度比较低．植被对于减缓城市地表温度作用明显．3．4空间自相关分析结果本文通过GeoDa 空间分析软件，使用全局空间自相关模型统计检验地表温度与植被覆盖和不透水面二者分布的空间自相关性．空间自相关系数Moran＇s I 见表3．表3Moran＇s I 系数Tab．3Moran＇s I coefficient变量不透水面植被覆盖Moran＇s I 0．20900．1948P 值0．00010．0001标准化Z 值27．653031．2823Moran＇s I 系数显示，兰州市地表温度与植被覆盖和不透水面的分布均呈现空间正自相关．相对而言，不透水面分布的空间聚集性要强于植被覆盖．3．5最小二乘法回归模型分析结果本实验主要通过SPSS 软件，以5类土地利用类型为自变量，温度为因变量，为每个景观格局指数建立OLS 模型．表4为5类土地利用类型与地表温度的拟合优度．表4土地利用类型与地表温度的拟合优度Tab．4goodness of fit between land use type and surface temperature拟合优度CA LPI PD AＲEA _MN LSI FＲACT ED AI Ｒ20．6080．6320．1490．6080．1780．3670．5550．125Ad Ｒ20．4870．51－0．1340．477－0．960．1560．407－0．16635第9期郝嘉楠，等：城市景观格局与地表温度的定量关系45商丘师范学院学报2020年在OLS模型中，景观格局指数CA对地表温度解释率为60．8%，这就说明地表温度受不同土地利用类型面积大小的影响．景观格局指数LPI、AＲEA_MN对地表温度解释率分别为63．2%、60．8%，LPI代表最大斑块占景观面积的比例，说明某种土地类型越集中，对温度的影响越大．而AＲEA_MN表示的是景观的破碎程度，AＲEA_MN越大，温度就越高．ED对温度的影响程度一般，其他指数的Ｒ2和调整Ｒ2相对较小．4结论本文得到的结论有以下三点：（1）兰州市的林地主要集中在东南地区，而西北地区多为黄土裸地，中间过渡区域多为裸地、草地、耕地、城镇等用地．在空间格局上，兰州市有着两山夹一河的特点．所以研究区内的地表温度呈现出南北两山温度高于城市中部区域，西北地区温度略高于东南地区的特点．研究区最高温度为45．34ħ．不透水面密集的区域，温度普遍比较高，温度高值区主要分布在兰州市北山的区域．最低地表温度为18．45ħ．林地和水域分布广泛均一区域地表温度相对较低．总的来看，城市与郊区温差显著，城市地区存在着大面积岛屿状高温区域，热岛效应明显．由于不透水面对太阳辐射的反射率小，可以吸收更多的太阳辐射，导致温度升高．而城镇地区人口密度大，建筑密集，产生的人为热量对热岛的形成有促进的作用．（2）兰州市不透水面和植被覆盖与地表温度的分布呈不同程度的空间相关性，表现出一定的聚集分布状态．不透水面与地表温度的拟合优度为63%，植被覆盖与地表温度的拟合优度为59%，说明不透水面和植被覆盖与地表温度的相关性比较高，不透水面与地表温度呈现正相关关系，植被覆盖与地表温度呈现负相关关系．（3）在OLS模型中，共有4种景观格局指数与地表温度得到了比较好的拟合效果．LPI对确定景观的优势类型有一定的促进作用，CA制约着景观内物种的丰度、优势等．由于兰州市市区集中在东南地区，所以兰州市的不透水面主要集中在东南地区，兰州市林地主要分布在东南地区，其他用地（裸地、黄土地等）主要分布在南北两山，黄河是兰州市的主要水体．所以LPI 和CA越大，对温度的影响就越大．AＲEA_MN反映兰州市不同景观格局的破碎程度，一般情况下，AＲEA_MN越大，温度就越高．兰州市的地表温度受景观破碎度、斑块面积等的影响较高．因此，减少不透水面面积，加大不透水面的破碎程度，在一定程度上，可以缓解城市热岛效应．提高兰州市绿化程度，能更有效降低城市区域的地表温度．兰州市植被聚集地多为低温区，所以，通过增加兰州市植被面积，丰富植被类型，增加植被多样性和密集度，可以有效缓解兰州市热岛效应．参考文献：［1］徐双，李飞雪，张卢奔，等．长沙市热力景观空间格局演变分析［J］．生态学报，2015，35（11）：3743－3754．［2］王雪，于德永，曹茜，等．城市景观格局与地表温度的定量关系分析［J］．北京师范大学学报（自然科学版），2017，53（03）：329－336．［3］张震．滨海城市化地区热岛效应的遥感分析研究［D］．青岛：中国海洋大学，2013．［4］李琳．成都市城市地表景观格局变化的热环境效应研究［D］．成都：四川师范大学，2016．［5］邹婧，曾辉．城市地表热环境与景观格局的关系———以深圳市为例［J］．北京大学学报（自然科学版），2017，53（03）：436－444．［6］贾珍珍．近25年兰州市热岛效应时空变化及其影响因素［D］．兰州：兰州大学，2016．［7］李虹．基于ＲS和GIS的兰州市城镇化时空过程研究［D］．兰州：兰州大学，2018．［8］尹柯柯．基于Landsat8遥感影像的兰州市城市热岛特征研究［D］．兰州交通大学，2017．［9］孟彩红．基于GIS的兰州城市景观研究［D］．兰州：兰州大学，2008．［10］宋挺，段峥，刘军志，等．Landsat8数据地表温度反演算法对比［J］．遥感学报，2015，19（03）：451－464．［11］岳辉，刘英．基于Landsat8TIＲS的地表温度反演算法对比分析［J］．科学技术与工程，2018，18（20）：200－205．［12］Yi H，Peng D，Haowen Y，et al．Quantifying the main urban area expansion of Guangzhou using Landsat imagery［J］．International Journal ofＲemote Sensing，2018，39（21）：7693－7717．［13］赵鹏，夏北成，秦建桥，等．流域景观格局与河流水质的多变量相关分析［J］．生态学报，2012，32（08）：2331－2341．［14］张菁，马民涛，王江萍．回归分析方法在环境领域中的应用评述［J］．环境科技，2008，21（S2）：40－43．［15］高建岗，黄锐．基于耕地质量指数和空间自相关的苏南地区耕地保护分区［J］．水土保持研究，2019，26（03）：213－218．［16］Connors J P，Galletti C S，Chow W T L．Landscape configuration and urban heat island effects：assessing the relationship between landscape characteristics and land surface temperature in Phoenix，Arizona［J］．Landscape Ecology，2013，28（2）：271－283．［责任编辑：徐明忠］。
城市热岛效应研究进展
城市热岛效应研究进展（S7 城市气象精细预报与服务）白杨，王晓云，姜海梅，刘寿东（南京信息工程大学，南京，210044）摘要：随着城市规模的高速发展和城市人口的急剧膨胀，城市下垫面结构的急剧变化和城市人为热排放的迅速增加所引起的城市热岛效应已逐渐成为严重影响城市人居环境和居民健康的重要因素。
城市热岛效应研究已成为城市气候和区域气候研究中的热点问题。
本文综述了城市热岛的概念，概括阐述了城市热岛的形成主要受城市下垫面改变、人为热排放、自然植被以及区域气候的影响，重点介绍了地面气象资料观测法、遥感监测法和边界层数值模式模拟法三种城市热岛效应的研究方法并总结了前人研究进展和主要成果。
发现由于对城市热岛效应的分析和研究不够完善和深入，分析热岛的方法存在天然的缺陷，城市下垫面本身具有的复杂性，科学的研究方法没有与高科技的监测分析手段相结合，导致解决问题的措施不全面、不彻底或者过于简单化和表面化。
在方法上，传统方法局限于宏观大尺度范围内分析城区和郊区的热岛关系，而从微观小尺度上研究的较少。
目前的城市热岛研究一般侧重于单纯的城市大气环境问题，内容比较局限，后期的模拟在城市边界层下部的研究较少。
另外由于近地层非均一下垫面的复杂性和不完整性给数值模拟带来了一定困难。
最后，本文总结了城市热岛效应研究中的难点问题并展望了未来的发展方向。
基于城市热岛效应的研究现状，应当注意在开发利用新技术的同时，不忽视传统检测手段的使用，结合空间遥感技术和边界层模拟的技术，形成4S（即RS遥感技术，GPS全球定位系统，GIS地理信息系统，EIS 环境信息系统）技术的多平台多尺度综合应用体系。
在研究尺度上，不能只研究热岛效应在大尺度、中尺度下对城市气候的影响，还应研究其在全球气候改变后受到的影响，其热力和动力作用对全球气候变化过程的作用。
关键词：城市热岛；城市气候；研究进展随着全球经济的迅速发展，越来越多的人口集中于城市居住。
据联合国人居署统计，到2010年，全世界约有一半人口居住在城市[1]。
北京市六环内区域城市绿地对地表温度降温效益的差异性
ＮＤＶＩ ｖａｌｕｅꎬ ｂｕｔ ｔｈｅ ｌｏｗｅｒ ｔｈｅ ｓｕｒｆａｃｅ ｔｅｍｐｅｒａｔｕｒｅ ａｎｄ ｔｈｅ ｂｅｔｔｅｒ ｔｈｅ ｃｏｏｌｉｎｇ ｅｆｆｅｃｔ. Ｉｎ ａｄｄｉｔｉｏｎꎬ ｄｉｆｆｅｒｅｎｔ
ＤＯＩ: １０.１２１６９ / ｚｇｃｓｌｙ.２０２０.１２.２３.０００１
Ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ Ｌａｎｄ Ｓｕｒｆａｃｅ Ｔｅｍｐｅｒａｔｕｒｅ Ｃｏｏｌｉｎｇ Ｅｆｆｅｃｔ ｏｆ Ｕｒｂａｎ Ｇｒｅｅｎ Ｓｐａｃｅ
ｗｉｔｈｉｎ ｔｈｅ Ｓｉｘｔｈ Ｒｉｎｇ Ｒｏａｄ ｏｆ Ｂｅｉｊｉｎｇ
通过实测得出不同水体与植物的比例会
导致小气候的差异ꎮ
目前ꎬ 许多学者对于城市下垫面类型与热环
境的关系进行了研究ꎬ 关注较多的是不同类型的
下垫面构成对热环境的影响ꎬ 少有单独针对宏观
本研究 选 取 ２０１７ 年 北 京 夏 季 ７ 月 １０ 日 的
列号为 １２３ / ０３２ꎬ 影像成像当日研究区上空无云
化中心ꎬ 正经历着由增量发展逐步转为存量更新
的过程ꎬ 对其热环境以及绿地降温效益的研究具
值ꎬ ｇａｉｎ 和 ｂｉａｓ 分别是热红外波段的增益值与偏
ＬＳＴ ＝
Ｋ２
æ Ｋ１
ö
ｌｎ ç
＋ １÷
è Ｂ( Ｔ Ｓ )
ø
(４)
式 (４) 中ꎬ Ｋ １ 和Ｋ ２ 分别为遥感影像的传感
器校准常数ꎮ 对于本研究中的 Ｌａｎｄｓａｔ８ ＯＬＩ 卫星ꎬ
基于哨兵23卫星高分辨率地表温度的降尺度方法
明降尺度结果较好地保留了原始 LST 影像热特征 的 分 布 情 况;而 且,所 生 成 的 高 空 间 分 辨 率 的 地
表温度产品地物特征清晰,纹理明显. 利 用 地 面 国 家 气 象 自 动 观 测 站 实 测 ０cm 地 温 数 据 验 证 降
清楚 地 看 到 地 表 温 度 的 空 间 异 质 性,且 原 始
１０００m LST 影像的“马 赛 克”现 象 消 失,降 尺 度
前后 的 低 温 区 和 高 温 区 分 布 也 高 度 吻 合 (如
图 ３).
２
２ 地面点验证
选取本研究区商洛市境内的 ５ 个国家气象观
测站与遥感影像相同时间的 ０cm 地温分钟数据,
根据气象观测站 的 精 准 地 理 位 置 信 息,在 降 尺 度
结果中提取对应的 LST,发 现 误 差 结 果 平 均 值 为
２
６K,误差很小,说明降尺度结果精度较高.
３ 结论
本研究利用哨兵 ２ 详细的地物空间信息和哨
(
B８)和红光波段(
B４)的反射率.
表 １ 研究中所用卫星数据信息列表
序号
１
２
传感器
哨兵 ２ MS
I
哨兵 ３SLSTR
空间分辨率
卫星过境时间
１０m、
２０m、
２０１９－０７－０５
６０m
１０００m
T０３:
１５:
４９
２０１９－０７－０５
T０２:
４１:
００
哨兵 ３SLSTR 传感器数据同样通过 ESA 官
基于分形理论的NDVI连续空间尺度转换模型研究
基于分形理论的NDVI连续空间尺度转换模型研究栾海军;田庆久;余涛;胡新礼;黄彦;杜灵通;赵利民;魏曦;韩杰【摘要】尺度效应是遥感领域的一个非常重要的科学问题.定量遥感尺度转换研究可用于解决如定量遥感反演产品真实性检验等诸多颇具挑战性的问题.传统升尺度转换研究方法无法得到连续空间尺度上反演量的变化特性；且面临不同传感器间几何、光谱等特性参数校正问题的干扰,尺度转换研究精度受到影响.为此,基于分形理论利用单一传感器影像解决这些问题.基于Enhanced Thematic Mapper Plus (ETM+)数据,以NDVI(利用其地表辐亮度计算模型)为研究对象,建立了一个可参考的反演量连续空间尺度转换模型研究流程.结果表明:(1)NDVI升尺度转换中存在尺度效应,且此效应可由尺度转换分形模型定量描述；(2)此分形模型适用于NDVI产品的真实性检验中.这表明分形作为一种有效的方法,可用于定量遥感尺度转换研究中.%Scale effect was one of the very important scientific problems of remote sensing.The scale effect of quantitative remote sensing can be used to study retrievals' relationship between different-resolution images,and its research became an effective way to confront the challenges,such as validation of quantitative remote sensing products et al.Traditional up-scaling methods cannot describe scale changing features of retrievals on entire series of scales; meanwhile,they are faced with serious parameters correction issues because of imaging parameters' variation of different sensors,such as geometrical correction,spectral correction,etc.Utilizing single sensor image,fractal methodology was utilized to solve these problems.Taking NDVI(computed by land surface radiance) as example and based on Enhanced Thematic Mapper Plus(ETM+) image,a scheme was proposed to model continuous scaling of retrievals.Then the experimental results indicated that:(a) For NDVI,scale effect existed,and it could be described by fractal model of continuous scaling; (2) The fractal method was suitable for validation of NDVI.All of these proved that fractal was an effective methodology of studying scaling of quantitative remote sensing.【期刊名称】《光谱学与光谱分析》【年(卷),期】2013(033)007【总页数】6页(P1857-1862)【关键词】定量遥感;空间尺度转换;连续;分形;NDVI;ETM+;真实性检验【作者】栾海军;田庆久;余涛;胡新礼;黄彦;杜灵通;赵利民;魏曦;韩杰【作者单位】南京大学国际地球系统科学研究所,江苏南京210093;江苏省地理信息技术重点实验室,江苏南京210093;南京大学国际地球系统科学研究所,江苏南京210093;江苏省地理信息技术重点实验室,江苏南京210093;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;南京大学国际地球系统科学研究所,江苏南京210093;江苏省地理信息技术重点实验室,江苏南京210093;南京大学国际地球系统科学研究所,江苏南京210093;江苏省地理信息技术重点实验室,江苏南京210093;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;电子科技大学自动化学院,四川成都611731;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101【正文语种】中文【中图分类】TP7引言遥感反演量在进行空间尺度转换时存在尺度效应，这是遥感领域一个基础而又十分重要的问题。
枣庄市城市热岛效应时空演变及缓解措施初探
枣庄市城市热岛效应时空演变及缓解措施初探吴筱桐;谷风云【摘要】城市热岛效应是快速城市化带来的一个重要问题,严重影响城市环境.采用2016-2017年枣庄市4幅Landsat OLI影像数据,运用分裂窗算法反演枣庄市地区地表温度热场变异指数,分析枣庄市热岛效应的季节变化特征,并揭示出热岛效应与NDVI之间的相关关系.研究结果表明:枣庄市地区地表相对高温区的分布具有明显的季节特征;枣庄市四季均存在着明显的热岛效应,其中夏季和秋季为强热岛,春季次之,冬季为弱热岛;地表温度与NDVI均呈负相关且在春季更显著,即提高城市植被覆盖度是降低地表温度、缓解城市热岛效应的有效措施.【期刊名称】《淮海工学院学报（自然科学版）》【年(卷),期】2018(027)002【总页数】4页(P67-70)【关键词】城市热岛;分裂窗算法;地表温度;时空变化;枣庄市【作者】吴筱桐;谷风云【作者单位】中国海洋大学水产学院,山东青岛266003;淮海工学院测绘与海洋信息学院,江苏连云港222005【正文语种】中文【中图分类】P463.30 引言城市热岛效应是指当城市达到一定规模后因大气污染、人工废热排放等，城市温度明显高于郊区，形成类似高温孤岛的现象[1]，是城市气候的典型特征之一，严重影响城市经济建设与可持续发展及居民的正常生活与身体健康.因此，开展城市热岛效应的时空变化分析，研究缓解城市热岛效应的有效方法，可为城市发展提供科学手段与合理依据，促使城市按生态学原则健康、持续发展，在改善城市气候环境、提高人民生活质量等方面有着重要的现实意义.利用遥感技术进行城市热岛效应的监测和分析是近年来发展较快、应用较多的方法.与其他研究方法相比，遥感具有时势性强、监测范围大、同步性强等特点，尤其是近年来遥感技术不断发展，在城市热岛效应监测中具有不可替代的地位.Rao[2]首次提出利用卫星热红外遥感数据分析城市区域热岛效应;Weng等[3]利用Landsat 7的数据深入研究热岛效应中地表温度与植被覆盖之间的关系;贺丽琴等[4]根据MODIS数据获取地表温度，研究热岛效应特征及其和城市经济发展的关系;刘伟东等[5]利用逐日气温数据对1971—2010年京津冀大城市热岛效应进行长时间尺度下的分析.国内外学者相关研究总结了土地覆盖度、土地利用类型等与热岛效应之间的相关关系，为城市发展建设提供了很好的参考依据.本文根据4幅Landsat 8影像，试图利用热场变异指数及归一化植被指数研究枣庄市热岛效应的时空变化特征，这对于天气预报、污染治理和城市规划都有重要意义.1 数据与来源1.1 研究区概况枣庄市隶属于山东省，位于山东省的南部，横跨东经116°48′～117°49′，北纬34°27′～35°19′，面积4 563 km2.枣庄市四季气候变化较为明显，具体表现为：春季气候多变，西南风偏多，降水量较少；夏季天气炎热，但空气湿度相对较高，降水也较为集中；秋季无云天气情况较多，且雨量不够充沛，秋高气爽是秋季的主要特征；冬季寒冷干燥，西北风偏多.1.2 数据来源本文采用2016—2017年4幅Landsat 8 OLI高分辨遥感影像，时间分别为2016年3月14日、2016年8月3日、2016年10月21日和2017年2月10日.Landsat 8所携带数据不仅包括了ETM+的所有波段，还具有10和11两个分辨率为100 m的热红外通道，其中全色波段分辨率为15 m，其他波段分辨率均为30 m.2 结果与分析2.1 地表温度反演结果本文采用ENVI中自带的辐射定标工具(radiometric calibration)进行辐射定标，并根据OLI头文件中的信息对数据进行大气校正，以消除大气散射引起的辐射误差，通过混合像元求解自然表面和城镇的比辐射率[6].此外，本文采用Kerr的分裂窗算法[7]对枣庄市四季的地表温度进行反演，地表温度反演结果如图1所示.a 3月b 8月c 10月d 2月图1 枣庄市春、夏、秋、冬四季地表温度Fig.1Surface temperatures of four seasons in Zaozhuang city由图1可知：(1) 枣庄市四季热岛效应差异比较明显，3月份温度集中在10～30 ℃，温度走向由北向南下降，低温区和高温区极少，所以春季表现为较强热岛.(2) 8月份温度多集中在20～40 ℃，低温区极少，而高温区多分布在中部，热岛效应明显，且为强热岛.(3) 10月份温度多集中在20～50 ℃，整个中下部都存在高温情况，热岛效应异常明显，为强热岛.(4) 2月份温度多集中在0～10 ℃，分布于整个枣庄市，最高地表温度仅为30 ℃，且20～30 ℃之间的区域几乎没有，相较其他季节，冬季呈现出弱热岛效应.2.2 热场变异指数结果热场变异指数[8]可由定义计算出，其定义[9]为HI(T)=(T-Tmean)/Tmean.式中，HI为热场变异指数，T为研究区某点的地表反演温度，Tmean为研究区的平均地表反演温度.HI数值越大，热岛效应越明显，可以更确切地描述城市热岛效应.其分级应视具体情况而定，本文将热场变异指数划分为6个等级，等级划分如表1所示.表1 城市热场变异指数等级划分Table 1Classification of urban thermal field variance index热场变异指数热岛效应现象评价指标<0.000无优0.000～<0.005弱良0.005～<0.010中一般0.010～<0.015较强较差0.015～<0.020强差≥0.020极强极差根据表1数据，并应用ENVI软件对枣庄市四季相应的地表温度进行处理，将每个季节的最大、最小变异指数值及256个像元中各个分级所占像元个数统计如表2和表3所示.根据表2和表3的数据可知：(1) 枣庄市热岛效应的季节变化趋势为：由3月到8月热场变异指数呈上升趋势，8月到10月热场变异指数呈下降趋势，10月到2月又呈上升趋势，即四季的热场变异指数形成的曲线到秋季呈现凹型，即形成一个低谷.(2) 虽然由8月到10月呈幅度较大的下降趋势，但随后至2月又呈上升趋势，说明该过渡期间应做好合理预防措施，以免热岛效应增强.(3) 评价指标分析表明，四季的生态评价指标多数处于优和极差两个水平上，热场变异指数主要处于小于0和大于0.2这两个范围内.表2 枣庄市四季热场变异指数最大、最小值Table 2Maximum and minimum of four seasons variance index in Zaozhuang city 影像时间热场变异指数minmaxmean3月14日-0.051 3780.074 3470.000 1128月3日-0.072 2520.095 5370.000 66510月21日-0.010 4010.073 7830.000 7702月10日-0.060 5040.072 2170.001 058表3 枣庄市四季热场变异指数各个等级所占像元个数Table 3Number of pixels that every ranks of four seasons variance index in Zaozhu ang city影像时间热场变异指数各个等级所占像元个数无弱中较强强极强3月14日105101010101118月3日110886811610月21日1507677792月10日1179101091012.3 地表温度与植被覆盖的关系归一化植被指数(NDVI)值，可以反映植被覆盖程度，同时植被覆盖状况是决定土地覆盖类型的主要因素，土地覆盖类型与城市化发展密切相关.本文以NDVI数据和反演的地表温度(LST)为基础，按照均匀分布原则，在研究区内采样100个像元点，读值统计后将研究区数据制成NDVI与LST的散点图，计算出相关系数再进行分析[10]，结果见图2.由图2可知：(1) 4幅图中的地表温度(LST)与NDVI之间为线性相关且呈明显负相关关系，即地表温度越高对应的NDVI值越小，反之亦然.(2) 8月LST与NDVI之间的相关系数的平方值仅为0.185 2，即二者微弱相关，说明虽然夏季的植被覆盖度较高,但在减轻热岛效应方面并没有起到决定性作用.(3) 3月LST与NDVI之间的相关系数的平方值在四季中最大,其值为0.698 7，为显著相关，即在春季,较高植被覆盖度在减轻热岛效应方面起到明显的作用. (4) 秋季和冬季相关系数的平方值相差不大，分别为0.348和0.444 3，其地表温度和NDVI之间均为低度相关.a 3月b 8月c 10月d 2月图2 地表温度(LST)与NDVI的关系Fig.2Relationship between surface temperature and NDVI3 结论(1) 枣庄市四季均存在着明显的热岛效应，其中热岛强度表现为：夏季和秋季均表现为强热岛，春季为较强热岛，而冬季最弱.(2) 枣庄市热岛效应的季节变化趋势为：从春季到夏季呈上升趋势，热岛强度有所增强；从夏季到秋季呈下降趋势且幅度较大，热岛效应有所缓解；而从秋季到冬季又呈现出了上升趋势.(3) 在夏季要想减轻热岛效应，应该采取一些其他措施，单一地增加绿化并不能缓解热岛效应.而在春季增加绿化面积则对减缓热岛效应有一定的帮助.秋季和冬季也应注重绿化.(4) 枣庄市的社会经济发展状况表明，城市人口的增加、机动车辆的增多、经济的快速发展而带来的工业生产产生大量的碳氧化合物等，这些城市化因素所导致的城市扩张、建设用地增加和绿地面积减少也是造成热岛效应增强的原因.参考文献:【相关文献】[1]WARD K, LAUF S, KLEINSEHMIT B, et al. Heat waves and urban heat islands in Europe: a review of relevant drivers[J]. Science of the Total Environment, 2016, 569(6): 527.[2]RAO P K. Remote sensing of urban “heat islands” from an environmental satellite[J]. Bull etin of the American Meteorological Society, 1972, 53: 647-648.[3] WENG Qihao, LU Dengsheng, SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of En vironment, 2004, 89(4): 467-483.[4] 贺丽琴,杨鹏,景欣，等.基于MODIS影像及不透水面积的珠江三角洲热岛效应时空分析[J].国土资源遥感,2017,29(4):140-146.[5] 刘伟东,尤焕苓,孙丹.1971—2010年京津冀大城市热岛效应多时间尺度分析[J].气象,2016,42(5):598-606.[6] 苏建云.利用不同地表比辐射率对ETM+数据地表温度反演对比研究[J].北京测绘,2012(6):28-33.[7] 姚云军,南鹏,张照录，等.分裂窗算法在热红外遥感陆面温度反演中的应用[J].兰州理工大学学报,2007,33(6):89-92.[8] 薛晓娟,孟庆岩,王春梅，等.北京市热岛效应时空变化的HJ-1B监测分析[J].地球信息科学学报,2012,14(4):474-480.[9] 赵英时,李小文,陈冬梅，等.遥感应用分析原理与方法[M].北京:科学出版社,2003.[10] 石涛,杨元建,马菊，等.基于MODIS的安徽省代表城市热岛效应时空特征[J].应用气象学报,2013,24(4):484-494.。
地表温度尺度效应
地表温度尺度效应地表温度是指地球表面的温度，它受到多种因素的影响，例如时间、季节、经纬度、风向和云层等等。
温度是一种重要的环境影响因子，它影响着大气、水、土壤和生物圈中的生态系统，因此地表温度尺度效应是一个重要的研究方向。
地表温度尺度效应是指地表温度在不同尺度和时间尺度下的变化。
在不同的地域和环境下，地表温度可能存在不同的尺度效应。
例如，在城市中心地带，由于建筑物密度高、水泥与石材的比例较高，使得太阳辐射吸收、传导、辐射效率比郊区、乡村高，会引发城市热岛效应，导致城市中心地带温度高于周围地区；而在城市与乡村的过渡区域，由于建筑物和植被的混合，会导致局部温度的突然变化。
另外，在时间尺度上，地表温度也会存在尺度效应。
例如，在单日内，地表温度会随着太阳光线的强度和空气流动的变化而发生变化；而在季节和年度尺度上，地表温度则受气候和季节变化的影响而呈现不同的变化规律。
在研究地表温度尺度效应时，我们需要考虑到大气、水、土壤和生物圈的相互作用过程。
大气的组成和结构、风向和速度、云层的遮蔽、反射和辐射的作用，都会影响到地表温度的分布和变化。
水体的覆盖、植被的分布和物种组成、土壤的类型和水分含量，也会对地表温度产生影响。
为了研究地表温度尺度效应，研究者使用了多种方法和技术。
例如，利用遥感数据和地面气象站点观测数据，可以研究地表温度在不同时间和空间尺度上的变化规律；利用数值模拟和物理模型，可以模拟和预测地表温度在不同环境下的变化；利用机器学习等算法，可以从大量的观测数据中提取地表温度尺度效应的特征和规律。
总之，地表温度尺度效应是一个重要的研究领域，它涉及多学科知识，有助于我们更好地理解地球系统的运行机制和生态环境的变化。
未来，我们需要继续深入探究地表温度尺度效应的特征和规律，加强环境监测和预测，为保护生态环境和推动可持续发展做出更多的贡献。