上海市土地利用空間格局與地表溫度關(guān)系研究

王敏，孟浩，白楊*，蘇敬華，沙晨燕，張敏

1. 上海市環(huán)境科學(xué)研究院應(yīng)用生態(tài)研究所，上海 200233；2. 上海師范大學(xué)生命與環(huán)境科學(xué)學(xué)院，上海 200234

城市化導(dǎo)致土地利用與生態(tài)格局發(fā)生劇烈變化，自然植被、農(nóng)田等被建筑物、道路和其他不透水地表取代，對城市環(huán)境、城市生態(tài)系統(tǒng)過程和功能帶來巨大影響，嚴(yán)重威脅到城市人居環(huán)境和城市居民生活質(zhì)量改善。城市熱島效應(yīng)就是其中極為重要的問題之一。由于城市熱島效應(yīng)的產(chǎn)生及演變與城市地表土地利用格局變化、人類社會經(jīng)濟(jì)活動密切相關(guān), 是城市生態(tài)環(huán)境狀況的綜合概括與體現(xiàn), 因而, 對于城市熱島的分布特征、形成演變機(jī)制等問題的研究受到了眾多學(xué)科領(lǐng)域的廣泛關(guān)注[1-2]。

地表覆蓋被認(rèn)為是影響城市熱島形成與演變的主要因素，植被指數(shù)、不透水面率等指標(biāo)與城市地表溫度的相互關(guān)系是目前該領(lǐng)域研究的熱點(diǎn)。植被指數(shù)被較早地用于城市熱島的研究中。植被通過自身蒸騰作用調(diào)節(jié)周圍的能量交換，植被覆蓋度高的地方具有較高的潛熱交換[3]。1993年Gallo等[4]首次利用植被指數(shù)估測了城市熱島效應(yīng)在引起城鄉(xiāng)氣溫差異方面的作用,表明植被指數(shù)和城鄉(xiāng)氣溫之間存在明顯的線性關(guān)系。隨后，歸一化植被指數(shù)被廣泛用于地表溫度與城市熱島的研究[5-6], 眾多的研究結(jié)果表明NDVI與LST存在顯著的負(fù)相關(guān)關(guān)系[7-8]。但Sandholt等[9]、Yuan等[10]的研究表明,因土壤質(zhì)地、季節(jié)、傳感器視角等因素的不同,導(dǎo)致LST與NDVI的關(guān)系表現(xiàn)為弱線性關(guān)系。因此城市化進(jìn)程中LST與NDVI的相互關(guān)系仍需要進(jìn)一步研究[6-7]。

不同城市下墊面類型，如植被、水體、建筑物等具有不同的熱容量，其空間分布特征與變化對地表溫度有不同的影響。因此，城市土地利用空間格局對地表溫度的影響是當(dāng)前研究的熱點(diǎn)。宮阿都等[11]以北京市為例，得出了城市熱島效應(yīng)與城市土地利用/覆蓋類型及其空間分布具有密切的關(guān)系，同時(shí)得出隨著城市經(jīng)濟(jì)的發(fā)展和人口規(guī)模的膨脹，人為作用對城市熱島效應(yīng)的影響將會越來越大。周媛等[12]以沈陽市三環(huán)為研究對象，定量分析了地表溫度和植被指數(shù)在不同城市土地利用類型之間的差異及空間關(guān)系。上述研究揭示了土地利用格局與地表溫度和其他相關(guān)指數(shù)之間的關(guān)系，但是對于土地利用類型的空間格局分布與組成特征，如建筑物形狀特征、高度等對地表溫度的影響，研究還比較少。

近30年來，隨著經(jīng)濟(jì)的高速發(fā)展與人口的持續(xù)增長，上海城市迅速擴(kuò)張，城市發(fā)展與生態(tài)環(huán)境之間的矛盾進(jìn)一步加劇，土地利用與景觀格局的變化導(dǎo)致的生態(tài)環(huán)境問題已成為上海市社會經(jīng)濟(jì)發(fā)展的障礙。本文以上海市外環(huán)為研究區(qū)域，采用2011年5月Landsat TM數(shù)據(jù),借助景觀格局指數(shù)與遙感模擬，定量研究土地利用空間格局特征與城市地表溫度的關(guān)系，以期為緩解城市熱島效益，合理城市規(guī)劃、城市生態(tài)建設(shè)與管理提供依據(jù)。

1 研究區(qū)域與研究方法

1.1 研究區(qū)概況

上海位于120°51′～122°12′N,31°40′～31°53′E,土地總面積6340.5 km2。2010年末常住人口達(dá)到2302.66萬人，城市化發(fā)展迅速，是我國目前城市化程度最高的城市。本文主要研究上海市外環(huán)以內(nèi)區(qū)域，總面積657.91 km2,其中有包括綠地、道路、水體、居民區(qū)等多種土地利用類型。

1.2 數(shù)據(jù)來源及預(yù)處理

土地利用類型數(shù)據(jù)從上海市2011年航空影像提取，購于上海市城市信息中心，數(shù)據(jù)精度達(dá)到95%以上。地表溫度模擬采用Landsat TM影像，軌道號為118/38，成像時(shí)間為2011年5月20日，購于中國科學(xué)院對地觀測與數(shù)字地球科學(xué)中心。在Erdas 9.2 軟件下進(jìn)行多波段融合后，對影像進(jìn)行投影轉(zhuǎn)換，將投影系統(tǒng)轉(zhuǎn)換為常用的UTM/WGS84。

1.3 地表溫度反演

地表溫度（LST）反演采用Artis和Carnahan（1982）的算法[13]：

式中，λ為TM6波段的中心波長，取11.5μm[14]；ρ=hc/σ=1.438×10?2m?K ，σ為斯特藩-波爾茲曼常數(shù)（1.38×10?23J/K ），h為普朗克常數(shù)（6.626×10?34Js），c為光速（2.998×108m/s ）；ε為地表比輻射率，T為傳感器出溫度值，其計(jì)算方法分別如下：

采用Sobrino等[15]的NDVI閾值法，計(jì)算地表比輻射率，分為以下3種情況：

（1）NDVI＜0.2，象元看成裸地，地表比輻射率等于土壤的比輻射率；

（2）NDVI＞0.5，象元看成全部覆蓋植被，地表比輻射率等于植被的比輻射率；

（3）0.2≤NDVI≤0.5，不同地表覆蓋類型的混合象元，其比輻射率采用下式進(jìn)行計(jì)算：

式中，vε為植被比輻射率，sε為土壤比輻射率，分別取值0.99和0.97[16]；dε為包括自然表面的幾何分布和內(nèi)部反射的影響；F為形狀因子，取值0.55；NDVImax取0.5；NDVImin取0.2。

傳感器處溫度值T采用以下公式進(jìn)行計(jì)算[17]：

式中，K1和K2為TM6波段的標(biāo)定參數(shù)，分別取值為607.76、1260.56 mW/(cm2·ster·m)，對于ETM+則分別取值為666.09、1282.7 mW/(cm2·ster·m)；L6為TM6的象元在傳感器處的輻射值；DN為象元灰度值；Lmax和Lmin分別為該波段探測器可探測的最高和最低輻射值，分別取1.530、0.124 mW/(cm2·ster·m)。

1.4 熱島景觀等級劃分標(biāo)準(zhǔn)

采用密度分割法[18-19]對城市地表溫度進(jìn)行分級:

式中，RLST為計(jì)算出的溫度閾值范圍；LST為地表平均溫度；SD為地表溫度的標(biāo)準(zhǔn)差；n表示標(biāo)準(zhǔn)差的倍數(shù)；分級標(biāo)準(zhǔn)如表1所示。

1.5 景觀指數(shù)篩選

所選景觀指數(shù)反映了城市土地利用類型的數(shù)量、結(jié)構(gòu)和空間格局等下墊面特征，借助景觀格局分析軟件Fragstats 3.3，采用移窗算法，對各個(gè)景觀指數(shù)進(jìn)行模擬和空間化。所選指標(biāo)如下：

(1)表征面積與形狀特征：類型面積(CA)、面積-周長分維度指數(shù)（Pafrac）；

(2)表征破碎度特征：斑塊數(shù)(NP)、斑塊密度(PD)、聚集度（AI）；

表1 地表溫度劃分標(biāo)準(zhǔn) Table 1 Classification scheme of land surface temperature

(3)表征多樣性特征：多樣性(Shdi)、均勻度(Shei)。

1.6 建筑物高度提取

從Google earth上獲取需要模擬的建筑物的二維影像，利用SketchUp軟件模擬光照效果，使得三維模型的陰影與二維影像的陰影重合，從而自動獲取目標(biāo)建筑物的高度數(shù)據(jù)。具體操作步驟請閱文獻(xiàn)[20]。通過網(wǎng)上查找和實(shí)地測量得到7個(gè)實(shí)際建筑物的高度值，對模擬的30個(gè)建筑物高度數(shù)據(jù)進(jìn)行驗(yàn)證。

2 結(jié)果與分析

2.1 土地利用格局特征

借助Fragstats軟件的空間移窗算法模塊，實(shí)現(xiàn)各種景觀指數(shù)的空間化如圖1（部分）所示。從斑塊密度（PD）和斑塊數(shù)（NP）的空間分布可以看出，土地利用格局破碎化最嚴(yán)重的區(qū)域分布在上海市的老城區(qū)，主要是黃浦區(qū)、盧灣區(qū)和部分虹口區(qū)，居住用地和商業(yè)用地分布多而密集；隨著這個(gè)區(qū)域向外延伸，破碎化程度逐漸降低。面積-周長分維度指數(shù)（Pafrac）反映了斑塊形狀特征，研究區(qū)內(nèi)部均勻地分布著多個(gè)高值區(qū)域，反映了這些區(qū)域土地斑塊的形狀較其他區(qū)域更加復(fù)雜。香農(nóng)多樣性指數(shù)（Shdi）和均勻度指數(shù)（Shei）在空間上表現(xiàn)出基本一致的格局特征，反映了土地利用格局在空間上的多樣性與均勻程度。

圖1 地表溫度與部分景觀格局指數(shù)空間分布特征 Fig.1 Spatial distribution of LST and some landscape indices

2.2 地表溫度空間分布特征

采用上述方法對研究區(qū)地表溫度進(jìn)行反演，結(jié)果如圖1所示?？偟膩砜矗芯繀^(qū)的地表溫度呈現(xiàn)了從西北向東南遞減的分布格局。高值區(qū)域主要集中在西北和東北角上的工業(yè)園區(qū)，土地利用類型以工業(yè)用地為主；低值區(qū)域主要集中在湖泊和河流。

從圖2可以看出，從河流到工業(yè)用地，不同的土地利用類型下墊面溫度呈現(xiàn)出上升的趨勢。地表溫度均值最低的土地利用類型為河流，為23.12 ℃，主要是黃浦江和蘇州河；其次是零星分布的湖泊，均值為25.23 ℃；各種住宅用地的地表溫度居中，其中以別墅式住宅的平均溫度最低，為32.16 ℃，其次是新式住宅（33.13 ℃），最后是舊式住宅（34.72 ℃）；平均地表溫度最高的是工業(yè)用地，為35.89 ℃，同時(shí)地表最高溫度達(dá)到了43.21 ℃。

圖2 不同土地利用類型地表溫度均值 Fig.2 The mean value of each land use type

采用密度分割法，將地表溫度分為了7個(gè)等級，不同溫度等級的土地利用構(gòu)成如圖3所示。低溫區(qū)主要有河流和公園構(gòu)成，分別占低溫區(qū)總面積的70.05%和10.23%，鐵路用地和城市軌道交通用地在低溫區(qū)沒有分布。高溫區(qū)主要由工業(yè)用地、倉儲用地和道路廣場組成，分別占高溫區(qū)總面積的78.15%、6.42%和5.58%，其中河流、湖泊和別墅式住宅均沒有分布在高溫區(qū)域內(nèi)。

不同土地利用類型在各個(gè)溫度等級的分布情況如表2所示。河流只分布在低溫區(qū)和亞低溫區(qū)，且94.03%的區(qū)域分布在低溫區(qū)；湖泊只分布在低溫區(qū)、亞低溫區(qū)和弱低溫區(qū)。公園主要分布在中溫區(qū)（39.30%）和亞低溫區(qū)（29.48%）；工業(yè)用地主要分布于中溫區(qū)和弱高溫區(qū)，比例分別為46.91%和37.12%。

圖3 不同溫度等級的土地利用構(gòu)成 Fig.3 Land use types in each LST level

3種住宅用地均主要分布在中溫區(qū)，超過35%的別墅式住宅分布在亞低溫區(qū)和弱低溫區(qū)，新式住宅分布在低溫區(qū)的面積比例較別墅式住宅少很多，僅占約15%，而舊式住宅就更少，不到4%。同時(shí)，別墅式住宅中僅有不到6%的面積比例分布于各類高溫區(qū)，而新式住宅的這一比例約為18%，舊式住宅的這一比例超過了60%。

表2 不同土地利用類型在各個(gè)溫度等級的分布比例 Table 2 Land use distribution in different LST level

2.3 地表溫度與土地利用類型的定量關(guān)系

為了研究城市不同土地利用類型地表溫度的差異性，對每一種土地利用類型隨機(jī)生成100個(gè)采樣點(diǎn)，分別提取這些點(diǎn)對應(yīng)的地表溫度，借助SPSS軟件，采用t檢驗(yàn)進(jìn)行顯著性分析，結(jié)果如表3所示。

河流和湖泊均與其他各種土地利用類型表現(xiàn)出了極顯著的相關(guān)性，表示它們的溫度均要明顯低于其他類型。公園除了與林地沒有表現(xiàn)出相關(guān)性，與其他土地利用類型也表現(xiàn)出了極顯著的相關(guān)性，表示公園的溫度與林地溫度類似。工業(yè)用地也與其他各種土地利用類型表現(xiàn)出了極顯著的差異性，說明工業(yè)用地的地表溫度比其他類型要顯著偏高。

2.4 地表溫度與土地利用空間格局的單因子分析

為了弄清不同土地利用類型空間組合特征對地表溫度的影響，進(jìn)一步提取上述隨機(jī)生成的點(diǎn)在空間上對應(yīng)的各種景觀指數(shù)的值。在SPSS軟件下進(jìn)行Pearson相關(guān)性分析，結(jié)果如表4所示。

地表溫度與不透水率、斑塊數(shù)和斑塊密度等表現(xiàn)出了極顯著的相關(guān)性，與多樣性指數(shù)和均勻度指數(shù)表現(xiàn)出了顯著的相關(guān)性。除了與不透水率、聚集度指數(shù)表現(xiàn)為正相關(guān)以外，與其他指數(shù)均表現(xiàn)為負(fù)相關(guān)。說明地表溫度與城市化水平具有極為顯著的相關(guān)性，另外與下墊面的構(gòu)成特征也有非常顯著的關(guān)系。

表3 城市不同土地利用類型地表溫度的差異性分析 Table 3 t-test of LST among different land use types

表4 土地利用格局指數(shù)與地表溫度相關(guān)性分析 Table 4 The relationships between LST and landscape indices

2.5 地表溫度與土地利用空間格局的多因子分析

地表溫度與土地利用格局之間的關(guān)系不是簡單的單因素所決定，而是由有多種下墊面特征綜合作用決定的。本研究進(jìn)一步對多元空間數(shù)據(jù)進(jìn)行回歸分析，得出影響地表溫度的主要、次要因素及其權(quán)重大小。結(jié)果如式(8)所示，不透水率、斑塊聚集度和斑塊數(shù)等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴(yán)重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。

2.6 地表溫度與建筑高度關(guān)系

為了弄清建筑高度是否對地表溫度有影響，在研究區(qū)范圍內(nèi)隨機(jī)選取了30個(gè)高層建筑，其類型主要為居住用地和商業(yè)用地，分別模擬和提取這30個(gè)建筑的高度和對應(yīng)的地表溫度。首先對模擬的建筑物高度進(jìn)行了精度驗(yàn)證，通過網(wǎng)上查詢和實(shí)際調(diào)查，獲取了7個(gè)建筑的實(shí)際高度，與模擬數(shù)據(jù)進(jìn)行對比，如圖4a所示，t-test結(jié)果表明，t = 0.794，df= 6，P = 0.457 > 0.05, 說明模擬的數(shù)據(jù)和實(shí)測數(shù)據(jù)沒有顯著差異，即對研究區(qū)建筑的高度進(jìn)行了比較精確的模擬。

建筑高度與地表溫度的Pearson相關(guān)性分析表明，二者之間呈現(xiàn)顯著的負(fù)相關(guān)性（Sig.=0.012），相關(guān)性系數(shù)為-0.453，說明地表溫度隨建筑高度變化的趨勢是建筑物越高，溫度越低。采用回歸分析擬合二者的線性回歸模型，結(jié)果如圖4b所示。

3 討論

隨著城市化和城市人口的不斷增加，城市區(qū)域土地利用類型發(fā)生著劇烈的變化，越來越多的自然植被、農(nóng)田等被不透水的水泥地、磚瓦和建筑用地等取代，從而導(dǎo)致整個(gè)城市下墊面的熱輻射性質(zhì)發(fā)生很大的改變。城市土地利用類型多樣，組合方式也各不相同，其引起的地表溫度格局也表現(xiàn)出不同的特征。總的來看，工業(yè)用地的地表溫度均值最高，河流、湖泊的地表溫度均值最低。工業(yè)用地不透水率高，主要是由磚瓦和水泥等建筑材料構(gòu)成，其熱容量小而熱傳導(dǎo)率和熱擴(kuò)散率大，同時(shí)其本身有可能就是熱源，從而導(dǎo)致了周圍的溫度比其他幾種土地利用類型更高。水體由于熱容量大，傳導(dǎo)率小的特征，溫度上升比較緩慢。從水體分布在不同溫度等級的情況來看，河流全部分布在低溫區(qū)和亞低溫區(qū)，超過98%的湖泊面積分布于低溫區(qū)和亞低溫區(qū)，說明水體可以顯著地降低地表的氣溫，對于緩解城市熱島效應(yīng)、維持城市溫度的穩(wěn)定具有重要的作用。

圖4 建筑物高度驗(yàn)證及其與地表溫度的關(guān)系 Fig.4 Height validation and its relationship with LST

公園和林地主要分布于低溫區(qū)和中溫區(qū)，同時(shí)公園和林地的地表溫度并未表現(xiàn)出顯著的差異，說明城市公園和林地具有相同的降溫效應(yīng)。草地主要分布于中溫區(qū)、亞低溫區(qū)和弱高溫區(qū)。t檢驗(yàn)結(jié)果表明，草地地表溫度與林地、公園均表現(xiàn)出了顯著的差異性，說明草地表面溫度明顯高于林地和公園，即草地的降溫效應(yīng)低于林地和公園。

從3種住宅用地的地表溫度特征來看，由于舊式住宅修建較早，密集而不利于空氣的流通，加之缺少綠地和水體覆蓋，所以其地表溫度的均值最高，而且主要分布于中溫區(qū)、弱高溫區(qū)和亞高溫區(qū)。隨著居住用地的不斷規(guī)劃和完善，綠地和水體在新建住宅用地中的比例不斷增加，新式住宅和別墅式住宅用地地表溫度下降明顯，同時(shí)分布區(qū)域也逐漸有高溫區(qū)向低溫區(qū)偏移，t檢驗(yàn)結(jié)果也表明新式住宅、別墅式住宅與舊式住宅地表溫度有顯著性差異。這一結(jié)果說明在居住區(qū)增加綠地和水體的比重可以明顯地降低地表溫度，改善人居生活環(huán)境。

增加景觀中綠地和水體比例，提高景觀多樣性與復(fù)雜度，通過增加綠化用地對不透水地表進(jìn)行分割可以明顯降低地表溫度。城市土地利用空間格局特征與地表溫度的關(guān)系研究表明，地表溫度與斑塊數(shù)和斑塊密度等表現(xiàn)出極顯著的相關(guān)性，與多樣性指數(shù)和均勻度指數(shù)表現(xiàn)出顯著的相關(guān)性。除了與不透水率、聚集度指數(shù)表現(xiàn)為正相關(guān)以外，與其他指數(shù)均表現(xiàn)為負(fù)相關(guān)。地表溫度與土地利用格局之間的關(guān)系不是簡單的單因素所決定，而是由多種下墊面特征綜合作用決定的。本研究進(jìn)一步對多元空間數(shù)據(jù)進(jìn)行回歸分析，得出影響地表溫度的主要、次要因素及其權(quán)重大小。結(jié)果表明，不透水率、斑塊聚集度和斑塊數(shù)等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴(yán)重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。土地斑塊破碎化越嚴(yán)重、多樣性越大的區(qū)域，地表溫度越低。這類區(qū)域主要是住宅用地和商業(yè)用地，城市下墊面均被道路綠地分割，對不透水地表形成了一定的阻隔，從而對地表溫度也起到了明顯的消減作用。同一種土地利用類型聚集程度越高，溫度越高；斑塊形狀越簡單，地表溫度越高，多分布于工業(yè)用地（工業(yè)用地不透水地表連片分布，綠化面積比重較少，而且形狀大多比較規(guī)整，趨于圓形或方形）。該結(jié)論可用于城市格局優(yōu)化和緩解城市熱島效應(yīng)。

4 結(jié)論

本研究以上海市外環(huán)內(nèi)區(qū)域?yàn)檠芯繉ο? 借助GIS和遙感技術(shù)，采用2011年TM和航空影像數(shù)據(jù)，研究了上海城市土地利用類型、格局特征與地表熱環(huán)境分異之間的關(guān)系。研究結(jié)果表明, 城市不同土地利用類型的地表溫度差異較大, 平均地表溫度最低的是河流，最高的為工業(yè)用地。工業(yè)用地、道路廣場用地和居住用地等的平均地表溫度明顯高于河流、公園和林地的平均地表溫度。低溫區(qū)主要由河流和公園構(gòu)成，高溫區(qū)主要由工業(yè)用地、倉儲用地和道路廣場組成，其中河流、湖泊和別墅式住宅均沒有分布在高溫區(qū)域內(nèi)。盡管草地也具有一定的降溫效應(yīng)，但其降溫效果沒有水體、公園等明顯。城市建筑物高度與地表溫度的Pearson相關(guān)性結(jié)果表明，二者之間呈現(xiàn)了顯著的負(fù)相關(guān)性，說明地表溫度隨著城市建筑物的增高而降低。新式住宅、別墅式住宅地表平均溫度顯著低于舊式住宅。地表溫度與斑塊數(shù)、斑塊密度等表現(xiàn)出了極顯著的相關(guān)性，與多樣性指數(shù)、均勻度指數(shù)表現(xiàn)出了顯著的相關(guān)性。城市不透水率、斑塊聚集度和斑塊數(shù)等共同作用，影響著城市的地表溫度。其中對地表溫度影響最為嚴(yán)重的是城市不透水率，其次是斑塊的聚集程度，斑塊的形狀特征對地表溫度影響程度稍弱。研究結(jié)果表明，增加城市景觀中綠地和水體比例，提高景觀多樣性與復(fù)雜度，借助綠化用地對不透水地表進(jìn)行分割可以明顯降低地表溫度。

[1] 黃聚聰,趙小鋒,唐立娜,等. 城市化進(jìn)程中城市熱島景觀格局演變的時(shí)空特征：以廈門市為例[J]. 生態(tài)學(xué)報(bào), 2012, 32(2): 0622-0631.

[2] 戴曉燕,張利權(quán),過仲陽,等.上海城市熱島效應(yīng)形成機(jī)制及空間格局[J]. 生態(tài)學(xué)報(bào),2009,29(7):3995-4004.

[3] OKE T R. The energetic basis of the urban heat island[J].Quarterly Journal of the Royal Meteorological Society, 1982, 108(455):1-24.

[4] GALLO K P, MCNAB A, KARL T R, et al. The use of NOAA AVHRR data for assessment of the urban heat island effect [J]. Journal of Applied Meteorology, 1993, 32(5):899-908.

[5] GOWARD S N, XUE Y, CZAJKOWSKI K P.Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements: An exploration with the simplified simple biosphere model[J]. Remote Sensing of Environment, 2002, 79(2): 225-242.

[6] 曹璐,胡瀚文,孟憲磊,等. 城市地表溫度與關(guān)鍵景觀要素的關(guān)系[J].生態(tài)學(xué)雜志, 2011,30(10):2329-2334.

[7] WENG Q, LU D, SCHUBRING J.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment, 2004, 89(4):467-483.

[8] ZHANG Y S, INAKWU O, HAN C D. Bi-temporal characterization of land surface temperature in relation to impervious surface area, NDVI and NDBI, Using a sub-pixel image analysis[J].Journal of Applied Earth Observation and Geoinformation, 2009,11(4): 256-264.

[9] SANDHOLT I, RASMUSSEN K, ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote Sensing of Environment, 2002, 79(2):213-224.

[10] YUAN F, BAUER M E. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery[J]. Remote Sensing of Environment, 2007, 106(3):375-386

[11] 宮阿都，陳云浩，李京，等. 北京市城市熱島與土地利用/覆蓋變化的關(guān)系研究[J]. 中國圖象圖形學(xué)報(bào)，2007, 12（8）：1476-1482.

[12] 周媛,石鐵矛,胡遠(yuǎn)滿,等. 基于城市土地利用類型的地表溫度與植被指數(shù)的關(guān)系[J]. 生態(tài)學(xué)雜志, 2011,30(7):1504-1512.

[13] ARTIS D A, CARNAHAN W H. Survey of emissivity variability in thermography of urban areas[J]. Remote Sensing of Environment, 1982, 12: 313-329.

[14] MARKHAM B L, BARKER J L. Spectral characterization of the Landsat Thematic Mapper Sensors[J]. International journal of Remote Sensing, 1985, 6: 697-716.

[15] SOBRINA J A, JIMENEZ-MUNOZ J C, PAOLINI L. Land surface temperature retrieval from Landsat TM 5[J]. Remote Sensing of Environment, 2004, 90: 434-440.

[16] LI F, JACKSON T J, KUSTAS W P, et al. Deriving land serface temperature from Landsat 5 and 7 during SMEX02/SMACEX [J]. Remote Sensing of Environment, 2004, 92: 521-534.

[17] 徐涵秋. 基于城市地表參數(shù)變化的城市熱島效應(yīng)分析[J]. 生態(tài)學(xué)報(bào)，2011, 31（14）：3890-3901.

[18] SMITH RM. Comparing traditional methods for selecting class intervals on choropleth maps[J]. The Professional Geographer, 1986, 38: 62-67.

[19] WENG Q. Fractal analysis of satellite-detected urban heat island effect[J]. Photogrammetric Engineering and Remote Sensing, 2003, 69: 555-566.

[20] 安潔玉，程朋跟，丁斌芬. 基于Google Earth二維影像獲取建筑物高度的方法[J]. 地理與地理信息科學(xué), 2010, 26(6): 31-33.