福建省長(zhǎng)汀縣河田水土流失區(qū)植被覆蓋度變化及其熱環(huán)境效應(yīng)

徐涵秋，何 慧，黃紹霖

(福州大學(xué)環(huán)境與資源學(xué)院，福州大學(xué)遙感信息工程研究所，福建省水土流失遙感監(jiān)測(cè)評(píng)估與災(zāi)害防治重點(diǎn)實(shí)驗(yàn)，福州 350108)

福建省長(zhǎng)汀縣是中國(guó)南方紅壤地區(qū)的典型水土流失區(qū)，其河田鎮(zhèn)一帶的水土流失之嚴(yán)重更是一直為各界所矚目。早在20世紀(jì)40年代初，長(zhǎng)汀縣的河田鎮(zhèn)就與甘肅的天水、陜西的長(zhǎng)安一起被列為全國(guó)的3個(gè)重點(diǎn)水土保持試驗(yàn)區(qū)，開(kāi)始水土流失的治理，但收效甚微［1］。長(zhǎng)汀縣以河田盆地為中心的水土流失治理一直到了80年代才逐漸起效。這主要得益于福建省政府于1983年將長(zhǎng)汀河田定為全省治理水土流失的試點(diǎn)，2000年又將其水土流失綜合治理列為全省為民辦實(shí)事項(xiàng)目。經(jīng)過(guò)20多年的整治，長(zhǎng)汀縣的水土流失治理取得很大的成效［2］，已成為全國(guó)有效治理水土流失的典型區(qū)。

長(zhǎng)汀縣水土流失的最重要特征就是大面積的山丘裸露，植被稀少，氣候炎熱。當(dāng)?shù)厝罕妼⒓t土遍布的光禿山嶺稱為“火焰山”。因此，長(zhǎng)汀縣水土流失的治理主要采用生態(tài)恢復(fù)，通過(guò)種植大量林草來(lái)有效控制水土流失，同時(shí)也大大改善了區(qū)域的生態(tài)系統(tǒng)。由于植被是區(qū)域生態(tài)系統(tǒng)的重要組成部分，它通過(guò)蒸騰作用影響著地表的能量平衡，影響著地氣之間的熱交換形式，對(duì)區(qū)域氣候的調(diào)節(jié)起著舉足輕重的作用［3，4］，因此植被對(duì)區(qū)域熱環(huán)境影響的遙感研究已成為近年來(lái)的一大熱點(diǎn)。其中，基于植被指數(shù)或植被覆蓋度與地表溫度之間關(guān)系的研究最多，研究結(jié)論基本一致，即植被與地表溫度之間呈負(fù)相關(guān)關(guān)系，植被具有降低地表溫度的作用［3，5-9］。但許多研究指出，在植被覆蓋度與地表溫度的相關(guān)度要比植被指數(shù)來(lái)得高，因此建議用植被覆蓋度來(lái)研究植被的降溫關(guān)系［9-11］。研究表明，植被覆蓋度每增加10%，所產(chǎn)生的地表溫度變化范圍可從0.3℃至 2℃［8，12-14］。

當(dāng)前，植被覆蓋度對(duì)熱環(huán)境影響的研究幾乎都集中在城市區(qū)域，而對(duì)農(nóng)村和山區(qū)的研究很少。因此，本文將重點(diǎn)研究長(zhǎng)汀縣河田地區(qū)1988—2010年來(lái)的植被覆蓋度變化及其伴隨的熱環(huán)境效應(yīng)，這對(duì)于了解植被覆蓋度變化對(duì)山區(qū)熱環(huán)境的影響具有重要的科學(xué)意義，對(duì)長(zhǎng)汀縣進(jìn)一步治理水土流失、恢復(fù)生態(tài)、改善區(qū)域熱環(huán)境則具有重要的現(xiàn)實(shí)意義。

1 方法

1.1 研究區(qū)概況

長(zhǎng)汀縣地處福建西部，地理位置為東經(jīng)116°00'—116°40'，北緯25°18'—26°02'。長(zhǎng)汀屬亞熱帶季風(fēng)氣候，年平均氣溫18.3℃，年降雨量1500—1700mm。長(zhǎng)汀縣的地形呈四周隆起，中部下凹的盆地特征，最低海拔210m，最高海拔1459m。從該縣1988年的衛(wèi)星影像可以直觀看出(圖1)，當(dāng)時(shí)該縣大部分為綠被所覆蓋，但中部為白中泛紅的裸土區(qū)，該區(qū)即為聞名的長(zhǎng)汀河田水土流失區(qū)，也被稱之為河田盆地。因此，本次研究將主要集中在河田盆地及其周邊地區(qū)，面積約869 km2(圖1)。通過(guò)盆地與周邊地區(qū)的對(duì)比來(lái)考察它們之間的植被覆蓋度和溫度變化。

1.2 遙感影像數(shù)據(jù)及其預(yù)處理

圖1 研究區(qū)及河田盆地位置圖Fig.1 Map showing the locations of the study area and the Hetian Basin

當(dāng)前，對(duì)區(qū)域熱環(huán)境的監(jiān)測(cè)主要依靠的是遙感熱紅外數(shù)據(jù)，而唯一能夠提供20世紀(jì)80年代以來(lái)連續(xù)觀測(cè)的熱紅外數(shù)據(jù)的只有美國(guó)的Landsat系列衛(wèi)星。因此，本次研究選用Landsat TM影像作為遙感數(shù)據(jù)源。通過(guò)對(duì)其熱紅外波段(TM 6)的反演求出河田盆地區(qū)不同時(shí)期的地表溫度，以考察該區(qū)的熱環(huán)境變化。所用的影像的獲取時(shí)間為:1988-10-16、1998-11-13、2004-10-12和2010-10-29。由于2000年之后是該縣重點(diǎn)治理水土流失的十年，所以加入2004年時(shí)相，以加密對(duì)該時(shí)段的考察。

采用美國(guó)建立全國(guó)土地覆蓋數(shù)據(jù)庫(kù)(NLCD)使用的標(biāo)準(zhǔn)化流程對(duì)影像進(jìn)行輻射校正，用Chander等［15-16］和Chavez［17］的模型和參數(shù)將原始影像的灰度值轉(zhuǎn)換為傳感器處反射率，以減少不同時(shí)相的影像在地形、光照和大氣等方面的差異;不同時(shí)相的影像之間采用二次多項(xiàng)式和最鄰近象元法進(jìn)行配準(zhǔn)，配準(zhǔn)的均方根誤差小于0.5個(gè)象元。

1.3 植被覆蓋度計(jì)算

當(dāng)前，應(yīng)用遙感技術(shù)進(jìn)行植被覆蓋度的估算已經(jīng)得到廣泛的應(yīng)用。在近期環(huán)保部開(kāi)展的中國(guó)近十年生態(tài)環(huán)境遙感調(diào)查項(xiàng)目的技術(shù)文件中，植被覆蓋度(FVC)的反演采用的是Gutman和Ignatov提出的模型(以下簡(jiǎn)稱Gutman模型)［18］，其主要表達(dá)式為:

而另一常用的模型是Carlson和Ripley提出的模型(以下簡(jiǎn)稱Carlson模型)［19］，其表達(dá)式為:

式中，ρTM4和ρTM3分別代表TM 4和TM 3波段的反射率;NDVI為歸一化植被指數(shù);NDVImin代表純裸土的NDVI值;NDVImax代表高植被覆蓋度的NDVI值。實(shí)際操作時(shí)，NDVImax取該指數(shù)影像的最大值;NDVImin則以影像全裸土象元的 NDVI值代表。1988、2004、2010 年的 NDVImin值分別為:0.031，－0.009，－0.135。經(jīng)此處理的FVC值都被統(tǒng)一到0—1之間。為和實(shí)際的覆蓋度對(duì)比，也可以將FVC乘100以轉(zhuǎn)化為百分比。

為了更準(zhǔn)確地估算河田盆地區(qū)的植被覆蓋度，本次研究根據(jù)模型的數(shù)學(xué)定義和研究區(qū)的實(shí)際情況，對(duì)二者進(jìn)行了分析和討論，以選擇合適的模型。對(duì)比公式(1)和公式(3)可以發(fā)現(xiàn)，兩個(gè)模型都是將NDVI指數(shù)值在其最大和最小值之間進(jìn)行拉伸，使其歸一化。二者的本質(zhì)區(qū)別在于是否對(duì)FVC求平方。顯然，求過(guò)平方的FVC值會(huì)明顯降低，且在低值處表現(xiàn)得最明顯。Carlson和Ripley［19］根據(jù)與葉面積指數(shù)的對(duì)比認(rèn)為，基于NDVI估算的FVC值在中低植被覆蓋區(qū)容易造成明顯的高估，因此必須對(duì)FVC求平方，但求過(guò)平方的FVC會(huì)在高植被覆蓋區(qū)造成一定程度的低估。顯然，NDVI和FVC并不是一種簡(jiǎn)單的線性關(guān)系［20-21］。據(jù)此，可以明確地知道，模型的選擇主要取決于所研究地區(qū)的植被覆蓋度情況，研究區(qū)的植被覆蓋度不高時(shí)，應(yīng)選擇Carlson模型以避免高估植被覆蓋度。反之，則應(yīng)選擇Gutman模型，以避免造成高植被區(qū)的低估。

為了對(duì)比兩種模型，分別用以上兩種FVC模型反演了研究區(qū)2010年10月29日TM影像的植被覆蓋度，然后對(duì)其進(jìn)行精度驗(yàn)證。驗(yàn)證采用Wu和Murray提出的與高分辨率影像對(duì)比的亞象元對(duì)比法。該方法不僅能檢驗(yàn)精度，而且還可以將FVC模型求出的植被覆蓋度和高分辨率影像所代表的實(shí)際植被覆蓋度關(guān)聯(lián)起來(lái)［22］。首先，在所選擇的近同期(2010年12月29日)ALOS 2.5m融合影像上，根據(jù)不同的植被覆蓋度選用分層隨機(jī)采樣法選取了100個(gè)樣點(diǎn)，在每個(gè)TM 30m象元樣點(diǎn)所對(duì)應(yīng)的144個(gè)ALOS 2.5m象元中，直接用人工判讀并計(jì)算出實(shí)際植被覆蓋度，然后與模型求出的植被覆蓋度進(jìn)行對(duì)比，利用回歸分析并計(jì)算系統(tǒng)誤差(SE)來(lái)判斷精度，SE的公式如下:

式中，F(xiàn)VC'為模型求出的植被覆蓋度值;FVC為實(shí)際的植被覆蓋度值;n為樣本數(shù)。

精度驗(yàn)證的結(jié)果表明(圖2)，兩個(gè)模型都有一定程度地高估實(shí)際植被覆蓋度，表現(xiàn)在二者的系統(tǒng)誤差SE都是正值。但Gutman模型的高估更嚴(yán)重，SE值為18.33，比Carlson模型高出了8.78(圖2)。由于河田盆地區(qū)是低植被覆蓋的水土流失區(qū)，因此Carlson經(jīng)過(guò)求平方降低FVC值的模型顯然更適合于該區(qū)的植被覆蓋度估算。另外，Carlson模型與實(shí)際植被覆蓋度的吻合度(R2)也要明顯高于Gutman模型。因此，本次研究選用更適合于低植被覆蓋區(qū)的Carlson模型來(lái)反演植被覆蓋度。由于模型估算值已換算為百分率，所以根據(jù)系統(tǒng)誤差SE判斷，模型的反演精度大于90%。

圖2 Gutman模型和Carlson模型的精度比較(方程都通過(guò)0.1%的顯著性檢驗(yàn))Fig.2 Accuracy assessment between Gutman and Carlson models(Equations are significant at 0.001 level)

1.4 地表溫度計(jì)算

溫度主要根據(jù)NASA官方的Landsat用戶手冊(cè)［23］進(jìn)行計(jì)算:

式中，L6為L(zhǎng)andsat TM熱紅外6波段的象元在傳感器處的輻射值;DN為象元灰度值，gain和bias分別為6波段的增益值與偏置值，可以從影像的頭文件獲得。

式中，T為傳感器處溫度值;K1和K2分別為定標(biāo)參數(shù)，K1=607.76 W/(m2·sr－1·μm－1)，K2=1260.56 K。

經(jīng)過(guò)公式(6)計(jì)算的溫度T必須進(jìn)行比輻射率糾正［24］才能成為地表溫度LST:

式中，λ為TM 6波段的中心波長(zhǎng)(λ =11.5 μm);ρ=1.438 ×10－2m K;ε為地表比輻射率，其取值見(jiàn)參考文獻(xiàn)［24］。

由于受到影像可獲取性的限制，所選用影像的日期不盡一致，所以無(wú)法用它們的絕對(duì)溫度值大小來(lái)對(duì)比所研究年份之間的溫度變化。對(duì)此，可以借助城市熱島強(qiáng)度的概念。城市熱島研究中，不同年份之間的城市熱島變化，可以通過(guò)考察它們之間的熱島強(qiáng)度變化來(lái)確定［25］。城市熱島強(qiáng)度是通過(guò)城市和周邊農(nóng)村地區(qū)的溫差來(lái)表征的，因此本研究也可以通過(guò)考察河田盆地裸露區(qū)內(nèi)的溫度與其周邊地區(qū)的溫度之間的差異來(lái)考察不同年份的溫度變化，通過(guò)計(jì)算各年份盆地中的平均溫度和周邊地區(qū)的平均溫度差異(以下簡(jiǎn)稱溫差)來(lái)比較不同年份之間的溫度變化。

2 結(jié)果與討論

2.1 植被覆蓋度變化

根據(jù)Carlson模型分別反演出各研究年份的植被覆蓋度(圖3)，并計(jì)算出它們的植被覆蓋度(表1)。從圖3可以直觀看出，植被覆蓋度在這22年里有了明顯的增加。具體表現(xiàn)為1988年的植被覆蓋度影像最暗，說(shuō)明植被覆蓋度最低;盆地中心除了耕地的斑塊外，幾乎全為黑色和暗灰色，說(shuō)明盆地中心基本裸露。而到了2010年，植被覆蓋度影像明顯變亮，特別是在盆地中部，說(shuō)明盆地中心的植被覆蓋度得以明顯增加。表1、表2的數(shù)據(jù)表明，植被覆蓋度影像的均值從1988年的48.83%上升到2010年的59.78%，提升了10.95個(gè)百分點(diǎn)，標(biāo)準(zhǔn)差也從16.21%減少到12.88%，說(shuō)明在這22a里，河田盆地區(qū)的植被覆蓋度在增加的同時(shí)，差異性也在逐漸減小，植被覆蓋度趨于統(tǒng)一。如果將研究的時(shí)間段分為1988—1998年和1998—2010年兩個(gè)階段，則前一個(gè)階段整個(gè)研究區(qū)植被覆蓋度年均增加0.32%，而后一個(gè)階段年均增加達(dá)0.65%，比前一個(gè)階段快了1倍多。如果從1998年以后細(xì)分的兩個(gè)階段來(lái)看，1998—2004年年均增加0.68%，2004—2010年為0.62%，慢于前6a。如果單就盆地內(nèi)而言，其植被覆蓋度的增加幅度就更為明顯，從1988年的39.09%提升到2010年的53.05%，大幅上升了13.96個(gè)百分點(diǎn)。而其中有近10個(gè)百分點(diǎn)是1998—2010年的后一階段增加的。

表1 研究區(qū)各年份植被覆蓋度Table 1 Statistics of fraction vegetation cover of each study year

表2 研究區(qū)植被覆蓋度變化Table 2 Changes of fraction vegetation covers between study years

2.2 地表溫度變化

圖4和表3分別為地表溫度的反演和統(tǒng)計(jì)結(jié)果?？偟目磥?lái)，隨著植被覆蓋度的升高，河田盆地區(qū)的熱環(huán)境有明顯的改善。圖4表明，代表高溫的亮白和淺灰色調(diào)在1988年占據(jù)了影像的大部分地區(qū)，而到了2010年，影像以灰和暗灰色調(diào)為主，亮白色的高溫僅零星分布。從表3可知，河田盆地內(nèi)和盆地外的平均溫差從1988年的3.39℃下降到2010年的2.48℃，降低了0.91℃，盆地區(qū)的標(biāo)準(zhǔn)差也從1.48℃減少到1.4℃，說(shuō)明盆地內(nèi)外的溫差在縮小，溫度趨于統(tǒng)一。從1988—1998年和1998—2010年兩個(gè)時(shí)間段來(lái)看，前一個(gè)時(shí)段的溫差從1988年的3.39℃下降到了1998年的3.29℃，僅降低了0.1℃;而2010年則進(jìn)一步下降到2.48℃，降低了0.81℃，明顯多于前一個(gè)時(shí)期。如果就1998年以后來(lái)看，1998—2004年的6a間下降了0.44℃，而同樣的2004—2010年的6a間只下降了0.37℃，少于前6a。

圖3 各年份植被覆蓋度影像(顏色越淺，植被覆蓋度越高)Fig.3 FVC images of each study year(the brighter the image，the higher the fraction vegetation cover)

表3 研究區(qū)盆地內(nèi)外地表溫度差異Table 3 Land surface temperature(LST)differences between the area inside and outside basin

2.3 空間分布變化

圖5是通過(guò)遙感變化檢測(cè)技術(shù)(紅綠-差值影像法)［26-27］獲得的研究區(qū)植被覆蓋度和地表溫度的變化圖。該方法利用三原色原理，以綠色代表植被覆蓋度上升或溫度降低區(qū)，差值越大，顏色越綠;以紅色代表植被覆蓋度下降或溫度上升區(qū)，差值越大，顏色越紅;而黃色(紅綠的混色)則代表植被覆蓋度或溫度的不變區(qū)。

從植被覆蓋度變化圖來(lái)看，盆地周邊的地區(qū)由于是人類干擾較少的山區(qū)，植被覆蓋較好，且長(zhǎng)時(shí)間無(wú)明顯變化，所以主要呈黃色，代表植被覆蓋度基本沒(méi)變化。而盆地內(nèi)及其邊緣的溝谷區(qū)主要呈綠色，說(shuō)明這22年來(lái)，植被覆蓋度增加的地區(qū)主要在盆地內(nèi)，長(zhǎng)汀縣為治理河田盆地內(nèi)嚴(yán)重的水土流失所采取的封山育林、植樹(shù)造林的措施收到明顯的成效;代表植被覆蓋度降低的紅色斑塊只是零散地分布于研究區(qū)中，這主要是位于盆地中心的河田鎮(zhèn)區(qū)所在地的建設(shè)和居住用地的擴(kuò)張導(dǎo)致的植被覆蓋度下降。而部分見(jiàn)于山區(qū)的零散紅色斑塊則是由于火燒山引起的地表裸露造成的植被覆蓋度降低。

圖4 各年份地表溫度影像(顏色越淺，溫度越高)Fig.4 Land surface temperature images(LST)of each study year(the brighter the image，the higher the LST)

從地表溫度的變化來(lái)看，則可以發(fā)現(xiàn)，凡是植被覆蓋度上升的位置，地表溫度就下降，表現(xiàn)為綠色;而植被覆蓋度下降得地方，地表溫度則表現(xiàn)為上升的紅色，紅色斑塊的位置也基本吻合?？梢?jiàn)植被覆蓋度的變化直接影響著地表溫度的升降，二者有密不可分的關(guān)系。

圖5 變化檢測(cè)圖植被覆蓋度變化地表溫度變化Fig.5 Change detection images，F(xiàn)VC change，LST change

2.4 植被覆蓋度和地表溫度的關(guān)系分析

為了進(jìn)一步分析植被覆蓋度的熱環(huán)境效應(yīng)，分別將各年份的植被覆蓋度影像和它們對(duì)應(yīng)的地表溫度影像做回歸分析。在影像上按5×5的網(wǎng)格隨機(jī)采樣，每個(gè)年份共采23000個(gè)樣本，大樣本量有助于統(tǒng)計(jì)分析的代表性和客觀性。

圖6 植被覆蓋度與地表溫度關(guān)系的回歸分析(方程都通過(guò)0.1%的顯著性檢驗(yàn))Fig.6 Regression analysis of the relationship between fraction vegetation cover and LST(Equations are significant at 0.001 level)

從各年份的回歸模型來(lái)看，植被覆蓋度都和地表溫度呈線性負(fù)相關(guān)關(guān)系，說(shuō)明植被覆蓋度的升高會(huì)使地表溫度降低。從所獲得的回歸方程來(lái)看，在河田盆地區(qū)，植被覆蓋度每提升10%，最少可以降低0.6℃的地表溫度。如果從最新的2010年回歸模型來(lái)看，植被覆蓋度每提升10%，則降低的地表溫度可達(dá)到1℃，從而不斷改善了區(qū)域的熱環(huán)境。

現(xiàn)有植被覆蓋度與溫度關(guān)系的研究都集中在城市區(qū)，其地表熱交換的形式以建筑不透水面的顯熱形式為主，植被覆蓋度的增加會(huì)使得原有的顯熱交換不同程度地轉(zhuǎn)變?yōu)闈摕峤粨Q，從而導(dǎo)致地表溫度下降，但下降幅度因地而異。如植被覆蓋度每增加10%，在美國(guó)圣巴巴拉市會(huì)降低地表溫度1.6℃［8］，在長(zhǎng)春會(huì)降低0.6℃［10］，在深圳會(huì)降低 0.3—0.6℃［12］，在上海會(huì)降低 0.47℃［13］，在重慶會(huì)降低 0.5—2℃［14］。與這些研究不同的是，本次研究區(qū)為山區(qū)，少有建筑用地，地表以水土流失造成的大片裸土分布為特征。在地表能量平衡中，裸土的土壤熱通量是造成地表溫度上升的主要原因。因此，水土流失治理增加的植被覆蓋度會(huì)使地表熱交換從原先的土壤熱通量為主轉(zhuǎn)變?yōu)橹脖坏臐摕峤粨Q為主，從而降低了地表溫度。在所研究的4個(gè)年份中，植被覆蓋度每增加10%，可減低地表溫度0.6—1℃。由于山區(qū)與城市的地表覆蓋類型明顯不同，而城市之間的地表覆蓋類型也不盡相同，所以植被覆蓋度的降溫幅度明顯因地而異。

3 結(jié)論

長(zhǎng)汀縣河田盆地區(qū)的水土流失治理工作已帶來(lái)了明顯的成效。22a里，該區(qū)的植被覆蓋度有了明顯的增加。整個(gè)研究區(qū)的平均植被覆蓋度從1988年的平均48.83%上升到2010年的59.78%。在這期間，新增的植被大部分都在盆地內(nèi)，其平均植被覆蓋度的增幅明顯高于整個(gè)研究區(qū)。植被覆蓋度的上升，使得盆地與周邊地區(qū)的地表溫度差異下降了近1℃，盆地內(nèi)外溫度逐漸統(tǒng)一，盆地內(nèi)外高溫差情況得到改善。從所劃分的兩個(gè)階段來(lái)看，1998—2010年的后一階段，無(wú)論是植被覆蓋度的升高或地表溫差的降低都要比1988—1998的前一階段明顯。這表明2000年福建省政府將長(zhǎng)汀縣的水土流失治理列為為民辦實(shí)事項(xiàng)目后，進(jìn)一步推進(jìn)了該區(qū)的水土流失治理工作。

河田盆地區(qū)的植被覆蓋度和地表溫度呈明顯的線性負(fù)相關(guān)關(guān)系，植被覆蓋度每增加10%，大致可降低地表溫度0.6—1℃。

在現(xiàn)有兩種常用的植被覆蓋度遙感估算模型中，Carlson模型比Gutman模型更適合于中低植被覆蓋地區(qū)的植被覆蓋度估算，將其應(yīng)用于河田盆地區(qū)的植被覆蓋度反演可獲得更高的精度。

［1］ Wu G S，Lin H H，Zhu H J，Sha J M，Dai Y.Spatiotemporal variation of typical red soil eroded landscape pattern:A case study in Changting County of Fujian Province.Chinese Journal of Applied Ecology，2011，22(7):1825-1832.

［2］ Zhao Z B.Study on treatment of soil and water loss area with forest-grass measures in Hetian Basin of Fujian province.Journal of Soil and Water Conservation，1987，(1):37-40.

［3］ Wilson J S，Clay M，Martin E，Stuckey D，Vedder-Risch K.Evaluating environmental influences of zoning in urban ecosystems with remote sensing.Remote Sensing of Environment，2003，86:303-321.

［4］ Carlson T N，Arthur S T.The impact of land use-land cover changes due to urbanization on surface microclimate and hydrology:A satellite perspective.Global Planet Change，2000，25:49-65.

［5］ Zhang Y，Odeh I O A，Han C.Bi-temporal characterization of land surface temperature in relation to impervious surface area，NDVI and NDBI，using a sub-pixel image analysis.International Journal of Applied Earth Observation and Geoinformation，2009，11:256-264.

［6］ Yue W Z，Xu J H，Xu L H.An analysis on eco-environmental effect of urban land use based on remote sensing images:A case study of urban thermal environment and NDVI.Acta Ecologica Sinica，2006，25(5):1450-1460.

［7］ Xu H Q.A new index for delineating built-up land features in satellite imagery.International Journal of Remote Sensing，2008，29(14)，4269-4276.

［8］ Roberts D A，Quattrochi D A，Hulley G C，Hook S J，Green R O.Synergies between VSWIR and TIR data for the urban environment:An evaluation of the potential for the Hyperspectral Infrared Imager(HyspIRI)Decadal Survey mission.Remote sensing of Environment，2012，117:83-101.

［9］ Weng，Q H，Lu D S，Schubring J.Estimation of land surface temperature vegetation abundance relationship for urban heat island studies.Remote sensing of Environment，2004，89(4):467-483.

［10］ Li H P，Zhang S Q，Sun Y.Study of relationship between urban land vegetation coverage and land surface temperature based on linear spectral mixture analysis.Journal of the Graduate School of the Chinese Academy of Sciences，2010，2010，27(6):739-747.

［11］ Zhang C L，Yu H，Gong P，Ju W M.Relationship between land brightness temperature and vegetation abundance in Wuhan city.Scientia Geographica Sinica，2009，29(5):740-744.

［12］ Zhang X F，Wang Y L，Wu J S，Li W F，Li Z G.Study on land surface temperature vegetation cover relationship in urban region:A case in Shenzhen city.Geographical Research，2006，25(3):369-377.

［13］ Li J X，Song Y C，F(xiàn)u H N.Correlation between land surface temperature and rate of green space coverage in central area of Shanghai.Shanghai Environmental Sciences，2003，22(9):599-601.

［14］ Peng Z，Liao H P，Guo Y T，Li Q.Influence of land cover change on land surface temperature in the mountainous city.Geographical Research，2009，28(3):673-684.

［15］ Chander G，Markham B L.Revised Landsat-5 TM radiometric calibration procedures and postcalibration dynamic ranges.IEEE Transactions on Geoscience and Remote Sensing，2003，41(11):2674-2677.

［16］ Chander G，Markham B L，Helder DL.Summary of current radiometric calibration coefficients for Landsat MSS，TM，ETM+，and EO-1 ALI sensors.Remote Sensing of Environment，2009，113:893-903.

［17］ Charvz P S Jr.Image-based atmospheric corrections-Revisited and revised.Photogrammetric Engineering and Remote Sensing，1996，62(9):1025-1036.

［18］ Gutman G，Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models.International Journal of Remote sensing，1998，19(8):1533-1543.

［19］ Carlson T N，Ripley D.On the relation between NDVI，fractional vegetation cover，and leaf area index.Remote Sensing of Environment，1997，62:241-252.

［20］ Jiang Z Y，Huete A R，Chen J，Chen Y H，Li J，Yan G J，Zhang X Y.Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction.Remote Sensing of Environment，2006，101:366-378.

［21］ Weng Q H.Thermal infrared remote sensing for urban climate and environmental studies:methods，applications，and trends.ISPRS Journal of Photogrammetry and Remote Sensing，2009，64(4):335-344.

［22］ Wu C.Murray A T.Estimating impervious surface distribution by spectral mixture analysis.Remote Sensing of Environment，2003，84:493-505.

［23］ NASA.Landsat 7 Science Data Users Handbook.http://landsathandbook.gsfc.nasa.gov(last date accessed:May 5，2012).

［24］ Nichol J.Remote sensing of urban heat islands by day and night.Photogrammetric Engineering and Remote Sensing，2005，71(6):613-621.

［25］ Wang Y，Hu F.Variations of the urban heat island in summer of the recent 10 years over Beijing and its environment effect.Chinese Journal of Geophysics，2006，49(1):61-68.

［26］ ERDAS.ER Mapper User's Guide.2008.http://www.erdas.com/Libraries/Tech_Docs/ERDAS_ER_Mapper_User_s_Guide.sflb.ashx(last date accessed:May 5，2012)

［27］ Xu H Q.Analysis on urban heat island effect on the dynamics of urban surface biophysical descriptors.Acta Ecologica Sinica，2011，31(14):3890-3901.

參考文獻(xiàn):

［1］ 趙昭昞.福建河田盆地水土流失地區(qū)用林草措施治理的研究.水土保持學(xué)報(bào)，1987，1(1):81-89.

［2］ 武國(guó)勝，林惠花，朱鶴健，沙晉明，戴文遠(yuǎn).典型紅壤侵蝕景觀的時(shí)空變化——以福建長(zhǎng)汀為例.應(yīng)用生態(tài)學(xué)報(bào)，2011，22(7):1825-1832.

［6］ 岳文澤，徐建華，徐麗華.基于遙感影像的城市土地利用生態(tài)環(huán)境效應(yīng)研究——以城市熱環(huán)境和植被指數(shù)為例.生態(tài)學(xué)報(bào)，2006，25(5):1450-1460.

［10］ 李華朋，張樹(shù)清，孫妍.基于光譜混合分析的城市植被覆蓋度與地表溫度關(guān)系的研究.中國(guó)科學(xué)院研究生院學(xué)報(bào)，2010，27(6):739-747.

［11］ 張春玲，余華，宮鵬，居為民.武漢市地表亮溫與植被覆蓋關(guān)系定量分析.地理科學(xué)，2009，29(5):740-744.

［12］ 張小飛，王仰麟，吳健生，李衛(wèi)鋒，李正國(guó).城市地域地表溫度-植被覆蓋定量關(guān)系分析——以深圳市為例.地理研究，2006，25(3):369-377.

［13］ 李俊祥，宋永昌，傅徽楠.上海市中心城區(qū)地表溫度與綠地覆蓋率相關(guān)性研究.上海環(huán)境科學(xué)，2003，22(9):599-601.

［14］ 彭征，廖和平，郭月婷，李清.山地城市土地覆蓋變化對(duì)地表溫度的影響.地理研究，2009，28(3):673-684.

［25］ 王郁，胡非.近10年來(lái)北京夏季城市熱島的變化及環(huán)境效應(yīng)的分析研究.地球物理學(xué)報(bào)，2006，49(1):61-68.

［27］ 徐涵秋.基于城市地表參數(shù)變化的城市熱島效應(yīng)分析.生態(tài)學(xué)報(bào)，2011，30(14):3890-3901.