鄱陽湖區(qū)地表干旱與城市表面熱島的關(guān)系研究

蔣文君， 趙紅梅，2*， 唐 豪

(1.江西師范大學(xué) 地理與環(huán)境學(xué)院， 南昌 330022； 2.鄱陽湖濕地與流域教育部重點(diǎn)實(shí)驗(yàn)室， 南昌 330022)

鄱陽湖區(qū)地表干旱與城市表面熱島的關(guān)系研究

蔣文君1， 趙紅梅1，2*， 唐 豪1

(1.江西師范大學(xué) 地理與環(huán)境學(xué)院， 南昌 330022； 2.鄱陽湖濕地與流域教育部重點(diǎn)實(shí)驗(yàn)室， 南昌 330022)

立足于鄱陽湖區(qū)干旱與城市化兩大環(huán)境問題，應(yīng)用1995年～2016年間10個(gè)時(shí)相的Landsat5 TM 和Landsat8 OLI/TIRS遙感影像數(shù)據(jù)，采用TVDI干旱監(jiān)測(cè)指數(shù)和歸一化城市熱島的計(jì)算方法，利用空間統(tǒng)計(jì)和相關(guān)性統(tǒng)計(jì)分析方法，分區(qū)探討環(huán)鄱陽湖區(qū)9個(gè)區(qū)縣周邊郊區(qū)地表干旱狀態(tài)對(duì)城市熱島效應(yīng)的影響.研究表明：1) 旱地及裸地區(qū)域的TVDI指數(shù)對(duì)干旱具有明顯的指示作用.2) 研究區(qū)內(nèi)熱島強(qiáng)度受季節(jié)影響較大，夏、秋兩季熱島強(qiáng)度較強(qiáng)，冬季較弱，城市面積的擴(kuò)展與歸一化熱島強(qiáng)度無明顯關(guān)系.3) 干旱與熱島強(qiáng)度呈現(xiàn)明顯的正相關(guān).

地表干旱； 歸一化熱島強(qiáng)度； 相關(guān)性分析

干旱是水量相對(duì)虧缺的自然現(xiàn)象，地表蒸散發(fā)與降水的相對(duì)反映一個(gè)地區(qū)的濕潤(rùn)程度.城市地表特性的變化，導(dǎo)致城市熱島現(xiàn)象，同時(shí)加大地表蒸散發(fā)量，進(jìn)而影響到區(qū)域干旱；而干旱會(huì)減少地表的蒸散發(fā)，同時(shí)可能會(huì)加劇城市熱島現(xiàn)象.探討干旱與城市熱島的相互關(guān)系研究，對(duì)于區(qū)域氣候變化研究中揭示城市熱島對(duì)區(qū)域氣候環(huán)境的影響機(jī)理，具有重大的理論意義.

目前，國(guó)外學(xué)者對(duì)干旱與熱島關(guān)系的研究，主要是基于氣象數(shù)據(jù)和實(shí)驗(yàn)?zāi)M的研究，如Winguth等[1]基于城-鄉(xiāng)氣象站記載數(shù)據(jù)，研究發(fā)現(xiàn)德州城市熱島與德州2011年嚴(yán)重干旱存在密切聯(lián)系；Mariani等[2]利用氣象及實(shí)驗(yàn)?zāi)M數(shù)據(jù)，探索城市綠地的土壤濕度對(duì)米蘭城市熱島效應(yīng)的影響；Shashua等[3]通過把樹木，草坪，遮蔭網(wǎng)，組合成6種不同的景觀，研究了炎熱干燥氣候條件下，不同景觀對(duì)城市熱島的作用；Gill等[4]研究發(fā)現(xiàn)，隨著干旱顯著增強(qiáng)，土壤水分蒸發(fā)蒸騰不斷損失，對(duì)城市熱島強(qiáng)度影響顯著.國(guó)內(nèi)學(xué)者何澤能[5]等基于Modis數(shù)據(jù)和氣象數(shù)據(jù)，通過對(duì)整個(gè)干旱期間的NDVI和熱島效應(yīng)的變化規(guī)律分析，發(fā)現(xiàn)干旱會(huì)影響城市熱島效應(yīng)，NDVI與熱島強(qiáng)度總體上呈負(fù)相關(guān)關(guān)系；張宇等[6]基于TM影像數(shù)據(jù)，通過K-T變換提取城市地表濕度指標(biāo)(ULSW)，探討了城市地表濕度對(duì)城市熱島效應(yīng)的影響，發(fā)現(xiàn)隨著城區(qū)濕度的增加，城區(qū)溫度會(huì)降低.可見，干旱對(duì)城市熱島會(huì)產(chǎn)生一定的影響，但基于遙感時(shí)序數(shù)據(jù)探索干旱對(duì)城市熱島的影響研究相對(duì)較少.

目前基于遙感的干旱監(jiān)測(cè)指數(shù)較多，但是單變量干旱指數(shù)并不足以滿足對(duì)干旱現(xiàn)象的表征[7].Sandholt等[8]基于植被指數(shù)(NDVI)和地表溫度(LST)的參數(shù)關(guān)系提出溫度植被干旱指數(shù)TVDI(Temperature Vegetation Dryness Index)；此后不同的學(xué)者將該指數(shù)應(yīng)用于不同的研究區(qū)[9-10]，并對(duì)其有效性進(jìn)行評(píng)估，研究發(fā)現(xiàn)TVDI對(duì)稀疏植被灌層下的土壤濕度更敏感[11]，針對(duì)某些特定區(qū)域該指數(shù)有效性高于其他干旱監(jiān)測(cè)指數(shù)(如，CMI，PDI和MPD)等[7，11-12].本研究立足區(qū)域特征，擬利用遙感時(shí)序數(shù)據(jù)，首先利用氣象監(jiān)測(cè)數(shù)據(jù)驗(yàn)證TVDI在鄱陽湖區(qū)的有效性，剔除季節(jié)和城市擴(kuò)展對(duì)城市熱島的影響，探索該區(qū)地表干旱與城市表面熱島的關(guān)系，為鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)城市建設(shè)規(guī)劃和城市熱島效應(yīng)的緩解等提供一些依據(jù)和參考，對(duì)實(shí)現(xiàn)鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)“生態(tài)”和“發(fā)展”的統(tǒng)一具有重大的現(xiàn)實(shí)意義.

1研究區(qū)域與數(shù)據(jù)

1.1研究區(qū)概況

鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)是以鄱陽湖為中心，以五大水系為脈絡(luò)，涵蓋南昌市、上饒市、九江市、景德鎮(zhèn)市、鷹潭市、撫州市，共42個(gè)縣(市、區(qū)).研究中選擇的環(huán)鄱陽湖區(qū)主要城市：南昌市、九江市、景德鎮(zhèn)市、鷹潭市、萬年縣、鄱陽縣、樂平市、余干、東鄉(xiāng)縣等9個(gè)區(qū)縣(圖1).研究區(qū)地勢(shì)低平，地表易受鄱陽湖水位變化的影響，每年10月至次年3月，鄱陽湖進(jìn)入枯水期，形成廣闊的湖灘、草洲.2003年三峽大壩二期工程的投入使用， 使得環(huán)鄱陽湖區(qū)干旱問題凸現(xiàn)；2009年12月環(huán)鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)規(guī)劃的批準(zhǔn)，則加速城市化進(jìn)程.隨之出現(xiàn)了一系列生態(tài)環(huán)境問題，水土流失嚴(yán)重，濕地植被退化，土地沙化等.本研究著眼于近年來鄱陽湖區(qū)重大環(huán)境問題，研究區(qū)域干旱對(duì)城市表面熱島的影響.

圖1 研究區(qū)域及氣象站位置Fig.1 Study area and meteorological sites position

1.2數(shù)據(jù)

本研究中使用了全國(guó)縣級(jí)行政區(qū)劃數(shù)據(jù)(坐標(biāo)系為GCS_WGS_1984)，以及研究區(qū)內(nèi)波陽、貴溪、景德鎮(zhèn)、南昌及周邊等9個(gè)氣象站點(diǎn)的數(shù)據(jù)(來源于http://data.cma.cn).并利用了1995年～2016年獲取的10個(gè)時(shí)相的Lansat5 TM和Lansat8OLI/TIRS影像數(shù)據(jù)(來源于http://www.gscloud.cn)，條帶號(hào)都為121/040，坐標(biāo)系為WGS_1984_UTM_Zone_50N(表1).為了實(shí)現(xiàn)多源數(shù)據(jù)的坐標(biāo)統(tǒng)一，研究中將矢量化行政區(qū)劃數(shù)據(jù)進(jìn)行投影變換，轉(zhuǎn)變?yōu)閃GS_1984_UTM_Zone_50N.

表1 傳感器參數(shù)及所選時(shí)相

2數(shù)據(jù)處理方法

2.1亮度溫度的提取

由于不同地物間的發(fā)射率差別不大，而熱島研究中關(guān)注的是溫度的相對(duì)高低，因此可以用亮度溫度近似代替真實(shí)溫度進(jìn)行熱島研究[13].針對(duì)Landsat系列數(shù)據(jù)地表溫度反演算法有幾種[14-19]，由于TIRS第11波段暫時(shí)存在定標(biāo)不穩(wěn)定性，所以本文選擇適合的Lansat8 TIRS第10波段及Lansat5 TM第6波段進(jìn)行地表溫度反演.

首先將Lansat8影像DN值轉(zhuǎn)換為星上輻射亮度值(Radiance)：

Lλ=MLQcal+AL，

(1)

式中，Lλ為波段λ的大氣頂部光譜輻射值，Qcal為影像像元DN值，ML和AL分別為波段λ的調(diào)整因子，在影像MTL文件中獲得.Lansat5 TM數(shù)據(jù)的輻射定標(biāo)公式為

(2)

式中，Lmax、Lmin分別為L(zhǎng)ansat5 TMλ波段的最大與最小輻射值，在TM影像數(shù)據(jù)的頭文件中可以找到.

其次，根據(jù)Planck函數(shù)求解Lansat8 TIRS第10波段及Lansat5 TM第6波段的星上亮度溫度(Bright Temperature)：

(3)

式中，Tλ為傳感器第λ波段的星上亮度溫度(℃)，Lλ為第λ波段的輻射亮度值，K1、K2都為常量，可分別從Lansat8 的MTL文件和Lansat5影像數(shù)據(jù)的頭文件中獲取.

2.2熱島強(qiáng)度的計(jì)算方法

本文中采用的城市熱島強(qiáng)度的概念為建成區(qū)平均溫度與其郊區(qū)的平均溫度差值，用來表征城區(qū)溫度高于郊區(qū)的程度.熱島強(qiáng)度計(jì)算公式為

ΔT=TU-TSu，

(4)

式中，TU為建成區(qū)地表平均溫度，TSu為郊區(qū)的地表平均溫度.

上述方法計(jì)算的是不同時(shí)期熱島強(qiáng)度的絕對(duì)值，為了剔除季節(jié)及氣溫變化對(duì)熱島強(qiáng)度的影響，本研究提出了歸一化熱島強(qiáng)度：

NT=ΔT/(Tmax-Tmin)，

(5)

式中，NT為剔除季節(jié)影響后的熱島強(qiáng)度，Tmax、Tmin分別為反演當(dāng)天最大溫度值，和最小溫度值.

2.3TVDI干旱指數(shù)提取

研究區(qū)下墊面地表覆蓋復(fù)雜包括城鄉(xiāng)建筑用地、湖灘濕地、裸地、旱田、農(nóng)田、林地、河灘、水體、草洲等，單獨(dú)使用NDVI或者是LST的干旱監(jiān)測(cè)方法都有些局限性，為了消除土壤背景的影響，將聯(lián)合LST和NDVI提高干旱監(jiān)測(cè)的精度.所以本研究采用Sandholt提出的TVDI:

(6)

式中,T為地表溫度，Tmax為NDVI對(duì)應(yīng)的最高地表溫度，即干邊：

Tmax=m1+n1×NDVI,

(7)

Tmin為NDVI對(duì)應(yīng)的最小地表溫度，即濕邊：

Tmin=m2+n2×NDVI,

(8)

式中，m1、n1、m2、n2分別是干、濕邊線性擬合系數(shù).T越接近干邊，TVDI值越大，表示土壤越干旱；相反，T越接近濕邊，TVDI越小，說明土壤越濕潤(rùn).TVDI的值介于0～1之間，TVDI值越大，表明該區(qū)干旱越嚴(yán)重，TVDI越小，濕度越大.

其次，計(jì)算歸一化差值植被指數(shù)(NDVI):

(9)

式中,Rnir,Rred分別表示影像數(shù)據(jù)的近紅外波段和可見光紅色波段的反射率.

3干旱指數(shù)的區(qū)域有效性檢驗(yàn)

3.1溫度與植被指數(shù)之間相關(guān)性檢驗(yàn)

研究中通過分區(qū)干、濕邊的擬合，分別計(jì)算9個(gè)區(qū)縣的TVDI指數(shù).從各區(qū)縣的干、濕邊擬合方程可以看出干邊擬合系數(shù)較高(R2均在0.68以上)，而濕邊的擬合系數(shù)較低，相關(guān)性較低(表2)，說明TVDI指數(shù)在該區(qū)域的干旱監(jiān)測(cè)效果具有一定的局限性.

表2 2013年10月5日9個(gè)區(qū)縣的干、濕邊擬合方程

續(xù)表2

研究中通過溫度與NDVI的相關(guān)性檢驗(yàn)TVDI指數(shù)在研究區(qū)內(nèi)不同土地利用類型區(qū)的適用性.若溫度與NDVI呈負(fù)相關(guān)，則TVDI適用性較好，反之適用性較差.以2013年7月1日的溫度和NDVI的反演結(jié)果為例，當(dāng)NDVI值處在0.17～0.43之間，溫度與NDVI呈現(xiàn)負(fù)相關(guān)，而NDVI值大于0.43的區(qū)域，并不適用于TVDI(圖2).NDVI大于0.43的區(qū)域?qū)?yīng)的地表覆蓋類型為草洲(圖3(a)和圖3(b))，水稻田(圖3(c)和圖3(d))，林地的向陽坡(圖3(e)和圖3(f))，說明TVDI在這些土地覆蓋類型的干旱監(jiān)測(cè)效果較低.NDVI值處在0.17～0.43之間的區(qū)域?qū)?yīng)研究區(qū)內(nèi)旱地及裸地，故TVDI對(duì)研究區(qū)內(nèi)的旱、裸地適用性較好.

圖2 溫度與NDVI的相關(guān)性Fig.2 Correlation between temperature and NDVI

3.2干旱指數(shù)與降水之間相關(guān)性分析

累積降雨量是傳統(tǒng)干旱監(jiān)測(cè)的可靠方法，研究中利用影像獲取前期7天內(nèi)的降水量空間分布數(shù)據(jù)，通過相關(guān)性檢驗(yàn)方法，進(jìn)一步驗(yàn)證旱、裸地TVDI對(duì)區(qū)域干旱的指示作用.以2013/7/1和2013/10/5兩個(gè)時(shí)相為例，研究中采用克里金插值法獲取前期區(qū)域降水量分布圖，利用分區(qū)空間統(tǒng)計(jì)分析方法，獲取9個(gè)區(qū)縣旱、裸地區(qū)的降水量均值及TVDI均值，并通過回歸分析方法，探索兩者之間的相關(guān)性.兩個(gè)時(shí)相的各區(qū)縣的裸地、旱地對(duì)應(yīng)的降水量均值和TVDI均值相關(guān)性在0.68以上(圖4)，說明旱、裸地的TVDI對(duì)干旱具有較好的指示性.降水與TVDI指數(shù)呈明顯負(fù)相關(guān)性：降水量越高，旱、裸地的TVDI值越小；降水量越少，旱、裸地的TVDI值越大.說明裸地及旱地區(qū)域的TVDI指數(shù)越高，區(qū)域越干旱.

(a) (c) (e) NDVI專題圖，(b) (d) (f)表示濕地草洲、水稻田及山林的假彩色圖像圖3 NDVI專題圖及對(duì)應(yīng)的不同地表覆蓋類型的假自然彩色合成圖Fig.3 Thematic map of NDVI and false color composition images

圖4 各區(qū)縣裸地、旱地的平均降水量與平均TVDI值相關(guān)性(p<0.05)Fig.4 Correlation between the mean TVDI and precipitation of bare and dry land注：廬山氣象站所處海拔較高，降水量受地形影響較大，多山地地形雨；東鄉(xiāng)縣離周邊氣象站較遠(yuǎn)，插值誤差大，相關(guān)分析將剔除九江市和東鄉(xiāng)縣兩個(gè)區(qū)縣.

4結(jié)果與分析

4.1季節(jié)變化及城市擴(kuò)展對(duì)城市熱島強(qiáng)度的影響

亮度溫度和TVDI干旱指數(shù)與土地利用/覆蓋狀況密切相關(guān)，以2013年10月5日遙感反演結(jié)果為例，各區(qū)縣亮溫和干旱指數(shù)的高值區(qū)主要分布在的城鄉(xiāng)建筑用地及周邊裸地、旱地(圖5)，具有明顯的熱島效應(yīng).

(a)亮溫圖，(b)TVDI值圖，(c)土地利用類型監(jiān)督分類圖圖5 2013年10月5日獲取的專題圖Fig.5 Thematic map ofbright temperature， TVDI value and land use type in October 5， 2013

季節(jié)不同會(huì)對(duì)城市熱島強(qiáng)度造成影響，根據(jù)公式(4)的城-郊差值法統(tǒng)計(jì)出各區(qū)縣不同月份的熱島強(qiáng)度(圖6)，整體上各區(qū)縣的熱島強(qiáng)度表現(xiàn)出了明顯的季節(jié)差異性，在7、8月份出現(xiàn)高值，9、10、11月份熱島強(qiáng)度次之；1、2月份熱島強(qiáng)度出現(xiàn)低值，甚至出現(xiàn)負(fù)值.說明研究區(qū)內(nèi)的熱島強(qiáng)度受季節(jié)影響較大，夏、秋兩季熱島強(qiáng)度較強(qiáng)，冬季較弱.

圖6 不同月份的熱島強(qiáng)度Fig.6 Distribution of SUHI intensity in different seasons

為了剔除季節(jié)變化對(duì)熱島強(qiáng)度的影響，研究中計(jì)算了研究區(qū)內(nèi)各城區(qū)的歸一化熱島強(qiáng)度(圖7).剔除季節(jié)變化對(duì)熱島強(qiáng)度的影響后，9個(gè)區(qū)縣之間的歸一化熱島強(qiáng)度存在明顯差異，其中景德鎮(zhèn)市的歸一化熱島強(qiáng)度，在20多年內(nèi)整體上高于其他區(qū)縣，主要原因是景德鎮(zhèn)市處于黃山、懷玉山余脈，郊區(qū)分布著大范圍的自然下墊面，建成區(qū)有大面積因制瓷燒窯造成的高溫區(qū)；此外，南昌市建成區(qū)面積比景德鎮(zhèn)市的大，但是表現(xiàn)出的歸一化熱島強(qiáng)度比景德鎮(zhèn)市的弱，主要原因是南昌市郊區(qū)分布著大面積的裸地，日間裸地升溫快，而且南昌市有青山湖、艾溪湖、瑤湖等大面積水體分布，對(duì)南昌市的城區(qū)溫度起到降溫的作用.理論上隨著城市面積的擴(kuò)張熱島強(qiáng)度變強(qiáng)，但是從1995年～2016年，隨著城市面積的擴(kuò)展，研究區(qū)內(nèi)的城市熱島強(qiáng)度并未出現(xiàn)明顯的變化.其主要原因是鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)城市化過程中出現(xiàn)的一系列生態(tài)環(huán)境問題如水土流失、濕地植被退化、土地沙化等，使得郊區(qū)裸地、沙化地的面積增加，郊區(qū)的整體溫度增大，隨之熱島強(qiáng)度變?nèi)?所以說明隨著時(shí)間的推移，研究區(qū)內(nèi)城市面積的擴(kuò)展與熱島強(qiáng)度沒有明顯的關(guān)系.

4.2干旱與熱島強(qiáng)度之間的相關(guān)性

上述分析表明旱、裸地區(qū)域的TVDI指數(shù)對(duì)區(qū)域干旱具有較好的指示性，而歸一化熱島強(qiáng)度則可以剔除季節(jié)對(duì)熱島強(qiáng)度的影響.旱、裸地的TVDI均值與歸一化熱島強(qiáng)度之間的相關(guān)性，一定程度上代表了干旱和熱島強(qiáng)度之間的相關(guān)性.由于2013年7月1日的九江市和1995年的鷹潭市影像上空有云量分布，導(dǎo)致TVDI反演異常，在剔除這2個(gè)異常值之后，裸、旱地的TVDI均值與歸一化熱島強(qiáng)度之間的相關(guān)性約為0.6(p<0.05)(圖8).歸一化熱島強(qiáng)度與裸、旱地的TVDI均值之間總體上存在明顯的線性正相關(guān)關(guān)系，當(dāng)裸、旱地的平均TVDI值越大時(shí)，城市熱島強(qiáng)度也越強(qiáng)，當(dāng)裸、旱地的平均TVDI值越小時(shí)，城市熱島強(qiáng)度也越弱.所以，干旱和熱島強(qiáng)度之間存在明顯的線性正相關(guān)關(guān)系.

圖7 1995年～2016年各區(qū)縣歸一化熱島強(qiáng)度Fig.7 Distribution of normalized SUHI intensity from 1995 to 2016

圖8 歸一化熱島強(qiáng)度和旱地平均TVDI差值的相關(guān)性(p<0.05)Fig.8 Correlation between normalized SUHI intensity and the mean TVDI of bare and dry land

5結(jié)論

本文利用多時(shí)相的Landsat5 TM 和Landsat8 OLI/TIRS遙感影像數(shù)據(jù)，對(duì)環(huán)鄱陽湖區(qū)9個(gè)區(qū)縣的熱場(chǎng)分布與地表干旱狀況進(jìn)行了討論及統(tǒng)計(jì)分析發(fā)現(xiàn)：

1) 旱地及裸地區(qū)域的TVDI指數(shù)對(duì)干旱具有明顯的指示作用，TVDI指數(shù)越高，干旱越明顯.

2) 研究區(qū)內(nèi)熱島強(qiáng)度受季節(jié)影響較大，夏、秋兩季熱島強(qiáng)度較強(qiáng)，冬季較弱，城市面積的擴(kuò)展與熱島強(qiáng)度無明顯關(guān)系.

3) 干旱與城市熱島強(qiáng)度呈現(xiàn)明顯的正相關(guān).

[1] WINGUTH A M E， KELP B.The urban heat island of the North-Central Texas Region and its relation to the 2011 severe texas drought[J].Journal of Applied Meteorology and Climatology， 2013， 52(11):2418-2433．

[2] MARIANI L S G，PARISI G C，LAFORTEZZA R，et al.Climatological analysis of the mitigating effect ofvegetation on the urban heat island of Milan， Italy [J].Science of the Total Environment， 2016， 190： 569-570:762-773．

[3] SHASHUA-BAR L， PEARLMUTTER D， ERELL E. The cooling efficiency of urban landscape strategies in a hot dry climate[J].Landscape and Urban Planning， 2009， 92(3):179-186．

[4] GILL S E，RAHMAN M A，HANDLEY J F，et al. Modeling water stress to urban amenity grass in Manchester UK under climatechange and its potential impacts in reducing urban cooling[J].Urban Forestry & Urban Greening， 2013， 12(3):350-358 ．

[5] 何澤能， 楊世琦， 易 佳. 重慶2006年夏季特大干旱期間的NDVI與城市熱島[J].中國(guó)農(nóng)學(xué)通報(bào)， 2011(1):323-327.

[6] 張 宇， 陳龍乾， 王雨辰， 等. 基于TM影像的城市地表濕度對(duì)城市熱島效應(yīng)的調(diào)控機(jī)理研究[J]. 自然資源學(xué)報(bào)， 2015(4):629-640．

[7] ZHANG L F， JIAO W Z， ZHANG H M. Studying drought phenomena in the Continental United States in 2011 and 2012 using various drought indices[J].Remote Sensing of Environment， 2016， 190:96-106.

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

[9] WAN Z， WANG P，LI X. Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains，USA [J].International Journal of Remote Sensing， 2004， 25(1):61-72．

[10] HUANG Y， TIAN Q J， DU L T，et al. Analysis of spatial temporal variation of agricultural drought and its response to ENSO over the past 30 years in the Huang-Huai-Hai Region， China[J].Terrestrial， Atmospheric and Oceanic Sciences， 2013， 24(4-2):745-759 ．

[11] DHORDE A G， PATEL N R. Spatio-temporal variation in terminal drought over western India using dryness index derived from long-term MODIS data [J].Ecological Informatics， 2015， 32:28-38．

[12] PATEL N R， ANAPASHSHA R， KUMAR S， et al. Assessing potential of MODIS derived temperature/vegetation condition index (TVDI) to infer soil moisture status[J].International Journal of Remote Sensing， 2009， 30(1):23-39．

[13] 覃志豪， ZHANG M H， ARNON K， et al.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].地理學(xué)報(bào)， 2001，56(4):456-466．

[14] 徐葦娜. 基于TM數(shù)據(jù)的武漢城市熱島及其與綠地關(guān)系的研究[D].武漢：華中農(nóng)業(yè)大學(xué)， 2008．

[15] 蔣大林， 匡鴻海， 曹曉峰， 等. 基于Landsat8的地表溫度反演算法研究——以滇池流域?yàn)槔齕J].遙感技術(shù)與應(yīng)用， 2015， 30(3):448-454．

[16] 楊學(xué)森. 基于單通道算法的Landsat8衛(wèi)星數(shù)據(jù)地表溫度反演研究[D].北京：中國(guó)地質(zhì)大學(xué)(北京)，2015.

[17] 高 艷. 基于輻射傳輸方程和分裂窗算法的Landsat 8數(shù)據(jù)地表溫度反演對(duì)比研究[J].甘肅科技， 2016， 32(2):43-45+29．

[18] 楊 槐. 從Landsat8影像反演地表溫度的劈窗算法研究[J].測(cè)繪地理信息，2014, 39(4):73-77．

[19] 胡德勇， 喬 琨， 王興玲， 等. 單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學(xué)報(bào)， 2015(6):964-976．

Study on the relationship between surface drought and urban surface heat island in Poyang Lake Area

JIANG Wenjun1， ZHAO Hongmei1，2， TANG Hao1

(1.School of Geography and Environment， Jiangxi Normal University， Nanchang 330022； 2.Key Laboratory of Poyang Lake Wetland and Watershed Research， Nanchang 330022)

This study focused on drought and urbanization in Poyang Lake Area， south of China. Ten Landsat5 TM and Lansat8 OLI/TIRS Remote Sensing images acquired between 1995 and 2016 are used. The temperature/vegetation index (TVDI) and the normalized Surface Urban Heat Island (SUHI) intensity are used to monitor the drought and urban heat island conditions， respectively. And then， spatial statistical analysis and correlation analysis methods are used to explore the influence of surface drought on urban heat island in the study area. Results show that: 1) TVDI has obvious indication in the land use types of dry land and bare land; 2) the SUHI intensity is changed with the seasonal variations， and is stronger in summer and autumn， while weaker in winter. Besides， urban sprawl has no significant impact on the normalized SUHI intensity; 3) in addition， the surface drought has significant positive correlation with the SUHI intensity.

surface drought; normalized SUHI intensity; correlation analysis

2017-04-17.

國(guó)家自然科學(xué)基金項(xiàng)目(41101341，41461079)；江西省重大生態(tài)安全問題監(jiān)控協(xié)同創(chuàng)新中心(JXS-EW-00).

10.19603/j.cnki.1000-1190.2017.04.022

1000-1190(2017)04-0555-06

X87

A

*通訊聯(lián)系人. E-mail: Zhm8012@tom.com.