基于Landsat-8 OLI/TIRS影像的長沙市城市熱環(huán)境效應(yīng)研究

何炳偉 韓沁哲

摘要：基于長沙市2016年7月23日的Landsat8 OLI/TIRS數(shù)據(jù)，利用覃志豪單窗算法反演地表溫度，分析了長沙市城市熱環(huán)境空間分布特征以及主要地表生態(tài)環(huán)境參數(shù)與城市熱環(huán)境效應(yīng)的關(guān)系。結(jié)果表明，（1）長沙市主城區(qū)地表溫度均較高，高溫區(qū)域主要分布在建筑用地密集、功能單一以及周邊植被覆蓋少的地區(qū);（2）長沙市熱島區(qū)范圍與城市建成區(qū)范圍基本一致，構(gòu)成熱島區(qū)面積較大的特高溫區(qū)和高溫區(qū)主要分布在中心城區(qū)和長沙縣，城市熱島比例指數(shù)達(dá)0.712，反映出城市熱環(huán)境形勢(shì)較為嚴(yán)峻;（3）建筑用地對(duì)地表起著升溫的作用，植被則相反，且前者升溫效果明顯強(qiáng)于后者的降溫效果。長沙市在未來的城市規(guī)劃中應(yīng)在控制建筑用地?cái)U(kuò)張的同時(shí)增加植被覆蓋，這樣才能有效緩解城市熱島效應(yīng)。

關(guān)鍵詞：Landsat8 OLI/TIRS;城市熱環(huán)境;URI;長沙市

Abstract： Based on Landsat 8 OLI/TIRS data of Changsha on July 23th of 2016， the surface temperature was retrieved by using Qin Zhihao single window algorithm. The spatial distribution characteristics of urban thermal environment and the influence of main surface ecological environment parameters on urban thermal environment effect were analyzed. The results show are as follows： （1） The surface temperature of the main urban area of Changsha is relatively higher， and the high temperature areas are mainly distributed in areas with high density urban construction， single function of urban construction and less vegetation coverage; （2） the range of heat island area of Changsha is basically the same as the built-up area of the city， the super-high temperature area and the high temperature area which constitute the heat island area are mainly distributed in the Central District and Changsha County.Overall， the Urban-Heat-Island-Ratio-Index is as high as 0.712， and the urban heat environment situation of Changsha has become more severe; （3） Quantitative analysis of the relationship between surface parameters and surface temperature shows that the built-up land plays a role in increasing surface temperature， while vegetation does the opposite， and the heating effect of the built-up land is much stronger than that of vegetation. Therefore， in the future urban planning， the urban heat island effect can be effectively alleviated by increasing vegetation while reducing the area of construction land.

Key words： Landsat-8 OLI/TIRS; Urban thermal environment; URI; Changsha

城市熱島是指在城市居民相對(duì)集中的地區(qū)，地表溫度及氣溫局部或整體高于周邊非城市區(qū)域的現(xiàn)象，在空間分布上溫度較高的城市地區(qū)就像一個(gè)突出的溫暖島嶼[1]。英國學(xué)者賴克·霍華德比較分析了倫敦城區(qū)和郊區(qū)的氣溫，發(fā)現(xiàn)城區(qū)氣溫比郊區(qū)高的現(xiàn)象，首次提出了“城市熱島”這一概念。據(jù)有關(guān)研究表明，隨著中國經(jīng)濟(jì)的快速發(fā)展，城市化也進(jìn)入到快速發(fā)展時(shí)期，每年大量的大學(xué)畢業(yè)生和務(wù)工人員涌入城市居住，預(yù)計(jì)在2030年這一比例將要達(dá)到60%[2，3]。在快速的城市化過程中，需要增加更多的城市公共服務(wù)和基礎(chǔ)設(shè)施建設(shè)，以滿足人們的日常生活，從而導(dǎo)致植被、水域等面積的大量減少，混凝土建筑、柏油馬路等城市不透水面面積日益增加，這種改變使得地表熱屬性發(fā)生了重大變化，導(dǎo)致城市地表溫度顯著高于周邊非城市區(qū)域，形成顯著的城市熱島效應(yīng)。裴志方等[4]采用Landsat8數(shù)據(jù)研究了鄭州市的熱環(huán)境，發(fā)現(xiàn)鄭州市城市熱島效應(yīng)明顯，高溫區(qū)域主要集中在三環(huán)內(nèi)，地表溫度與植被覆蓋度為負(fù)相關(guān)關(guān)系，與不透水面則相反。王美雅等[5]利用MODIS數(shù)據(jù)分析了中國大城市的城市組成與城市熱島的關(guān)系，得出城市建筑用地和鄉(xiāng)村林地面積的增加會(huì)加劇城市熱島，進(jìn)而影響人類健康和生存發(fā)展。城市熱島問題逐漸受到了廣泛的關(guān)注，尤其對(duì)居民影響較大的是夏季高溫天氣的熱島效應(yīng)。持續(xù)發(fā)酵的高溫天氣對(duì)城市居民的健康等尤為不利，高溫天氣下使用空調(diào)的城市居民顯著增加，從而大大增加城市用電量。此外，高溫有利于大氣污染物的化學(xué)反應(yīng)，加劇了大氣污染程度，不利于宜居城市的建設(shè)。因此，為了更好地解決城市熱島問題，提高居民的生活質(zhì)量，研究中國快速發(fā)展的城市熱環(huán)境分布特征對(duì)于科學(xué)規(guī)劃城市布局及綠色生態(tài)環(huán)保城的建設(shè)意義重大。

近年來，中國衛(wèi)星遙感空間探測(cè)技術(shù)發(fā)展迅速，利用遙感技術(shù)觀測(cè)地表信息和反演地表溫度來研究城市熱環(huán)境也不斷深入。目前，已有的研究主要包括3種熱紅外遙感數(shù)據(jù)的地表溫度反演方法：單通道算法、劈窗算法、多波段算法，并提出了各自的代表性算法[6-10]。其中，第一種算法基于1個(gè)熱紅外波段數(shù)據(jù)反演地表溫度，這種算法能將大氣和地表的影響直接包括在演算公式內(nèi)，與其他算法相比簡單易行、應(yīng)用方便。第二種算法基于2個(gè)熱紅外波段數(shù)據(jù)反演地表溫度。第三種算法基于多個(gè)熱紅外波段數(shù)據(jù)反演地表溫度，但該算法反演地表溫度難度大，且算法還在不斷發(fā)展中，目前很少被使用。與此同時(shí)，為滿足不同研究領(lǐng)域、范圍和實(shí)際應(yīng)用需要，不同尺度、不同傳感器的熱紅外遙感數(shù)據(jù)的不斷涌現(xiàn)，為其提供了豐富的選擇[11]。利用熱紅外遙感數(shù)據(jù)進(jìn)行地表溫度反演的數(shù)據(jù)源主要有HJ_1B、MODIS、ASTER和Landsat熱紅外波段數(shù)據(jù)等，相比較而言，NOVV/AVHRR和MODIS數(shù)據(jù)由于其空間分辨率均較低，往往不能刻畫出城市地表溫度的細(xì)部特征，也就達(dá)不到地表溫度反演精度和準(zhǔn)確的要求，而Landsat系列的高空間分辨率熱紅外數(shù)據(jù)在城市熱島效應(yīng)研究方面獲得了廣泛應(yīng)用[12-15]， 例如，李軍等[16]基于Landsat8影像分析了重慶主城區(qū)城市熱島效應(yīng)，發(fā)現(xiàn)受重慶當(dāng)?shù)靥厥獾匦蔚纫蛩氐挠绊?，其主城區(qū)的城市熱島強(qiáng)度呈現(xiàn)出顯著的空間分布特征。劉丹等[17]以1984—2015年Landsat衛(wèi)星數(shù)據(jù)探討了哈爾濱市城市擴(kuò)張過程中土地利用變化對(duì)地表溫度的影響及作用機(jī)制，得出哈爾濱市建筑用地面積由187 km2擴(kuò)展到571 km2，中心城區(qū)熱島效應(yīng)減弱，城區(qū)周邊區(qū)域熱島效應(yīng)增強(qiáng)的結(jié)論。

長沙市作為中國中部區(qū)域崛起的中心城市之一，快速的經(jīng)濟(jì)發(fā)展極大地促進(jìn)了城市空間的快速擴(kuò)張，伴隨著城市下墊面的快速轉(zhuǎn)變，城市熱環(huán)境也發(fā)生了很大變化，不少學(xué)者對(duì)長沙地區(qū)的城市熱島效應(yīng)開展了相關(guān)研究[18-20]。總地來說，大多數(shù)研究集中在長沙市熱島變化及長時(shí)間序列的城市熱島效應(yīng)的時(shí)空演變特征分析，或者利用氣象資料分析城市熱島變化的季節(jié)、晝夜變化特征，定量分析在快速城市化過程中引起城市熱環(huán)境變化的還比較少，且有待進(jìn)一步深入。本研究采用具有高空間分辨率的Landsat8熱紅外數(shù)據(jù)，選取長沙市作為研究區(qū)域，基于單通道算法反演該研究區(qū)域的地表溫度，對(duì)長沙市城市熱環(huán)境空間分布特征及其主要地表生態(tài)環(huán)境參數(shù)對(duì)城市熱環(huán)境效應(yīng)的影響開展研究。

1 研究區(qū)概況與數(shù)據(jù)

1.1 研究區(qū)概況

長沙市為湖南省省會(huì)，是長江中游地區(qū)重要的中心城市，位于湖南省東部偏北，湘江下游和長瀏盆地西緣，介于111°53′—114°15′E和27°51′—28°41′N之間，屬亞熱帶季風(fēng)氣候，氣候特征夏冬季節(jié)較長，盛夏酷熱少雨，每年氣溫高于35 ℃的炎熱日平均約30 d。近年來，長沙市經(jīng)濟(jì)發(fā)展迅速，城市化進(jìn)程明顯加快。為重點(diǎn)突出分析長沙市城市熱環(huán)境特征，本研究把長沙市中心城區(qū)（包括岳麓區(qū)、天心區(qū)、芙蓉區(qū)、開福區(qū)和雨花區(qū)）及長沙縣和望城區(qū)作為研究區(qū)（圖1）。由圖1可知，該研究區(qū)是長沙市城市化發(fā)展的核心區(qū)域，交通發(fā)達(dá)，人口密度大，經(jīng)過20多年的發(fā)展，城市建成區(qū)已有較大的規(guī)模，這為研究城市熱環(huán)境效應(yīng)特征提供了較好的地理?xiàng)l件。

1.2 數(shù)據(jù)基礎(chǔ)及預(yù)處理

本研究主要利用Landsat8熱紅外波段數(shù)據(jù)來開展地表溫度反演工作。Landsat8衛(wèi)星主要搭載陸地成像儀（Operational land imager， OLI）和熱紅外傳感器（Thermal infrared sensor， TIRS）。其中，OLI成像儀能夠獲取近紅外和全色波段影像，TIRS成像儀與之前的Landsat系列TM和ETM傳感器相比，Landsat8影像的熱紅外波段存在較大差異，其擁有2個(gè)熱紅外波段圖像第10波段（波長10.8 μm）和第11波段（12 μm）。為突出分析城市熱環(huán)境效應(yīng)特征，選擇研究區(qū)夏季2016年7月23日的Landsat8遙感影像，覆蓋研究區(qū)需要二景影像，圖幅號(hào)分別為LC81230402016205LGN00和LC81230412016205LGN00。具體數(shù)據(jù)可在地理空間數(shù)據(jù)云免費(fèi)下載（http：//www.gscloud.cn/），其地表反射率產(chǎn)品（空間分辨率30 m）已經(jīng)過大氣校正以及空間重采樣至30 m分辨率的星上亮度數(shù)據(jù)。

此外，本研究還收集了2015年分辨率1 km的土地覆被數(shù)據(jù)和氣象站點(diǎn)常規(guī)數(shù)據(jù)。其中，土地覆被數(shù)據(jù)可以從中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn/）下載，并給出了與landsat8數(shù)據(jù)相同投影坐標(biāo)系統(tǒng)以及重采樣至30 m空間分辨率的數(shù)據(jù)，從而進(jìn)一步獲取2016年研究區(qū)土地利用數(shù)據(jù)，而氣象站點(diǎn)數(shù)據(jù)則由長沙市氣象局提供，作為開展地表溫度反演的輔助數(shù)據(jù)。

2 研究方法

2.1 地表溫度反演方法

Landsat8 TIRS有2個(gè)熱紅外波段可用來反演地表溫度，但是USGS官方多次公告由于TIRS11波段定標(biāo)參數(shù)仍然存在不穩(wěn)定性，因此，建議仍采用此前TM/ETM+的單波段方法來計(jì)算地表溫度，這一情況也在眾多學(xué)者[21，22]的相關(guān)研究中得以證實(shí)。因此，本研究采用覃志豪等[23]提出的覃志豪單窗算法（Q_SC）來開展地表溫度的反演工作。對(duì)于landsat8數(shù)據(jù)來說，主要利用其第10波段熱紅外波段數(shù)據(jù)進(jìn)行地表溫度的反演，其詳細(xì)反演過程如下。

首先將landsat8 TIRS10熱紅外波段數(shù)據(jù)的DN值轉(zhuǎn)化為輻射亮溫，其公式如下：

其中，L10為Landsat 8 遙感影像數(shù)據(jù)的像元在傳感器處的輻射強(qiáng)度值;DN為像元灰度值;bias和gain分別是第10波段的偏置值和增益值，均可從影像頭文件（MTL）中獲取。L10、gain和bias的單位均為W/（m2?sr?μm）。

再根據(jù)Planck輻射反函數(shù)求取遙感影像每個(gè)像元的星上亮度溫度T10，公式如下：

其中，a10和b10分別是第10波段根據(jù)研究區(qū)所在的地理位置以及影像數(shù)據(jù)選取的時(shí)間，估算出大致的溫度范圍確定回歸系數(shù)，其取值大小可在表1中查找;Ta為大氣平均作用溫度，根據(jù)相應(yīng)的大氣模式，將近地面空氣溫度代入其線性方程進(jìn)行估算。表2所列的是4種標(biāo)準(zhǔn)大氣的大氣平均作用溫度Ta的估算方程[7]。在本研究中，選擇中緯度夏季大氣模式的大氣平均作用溫度估算公式來估算大氣平均作用溫度Ta。

其中，τ10和ε10分別為第10波段熱紅外波段的大氣透過率和地表比輻射率。對(duì)于大氣透過率的估算，由于選取的研究區(qū)范圍較小，結(jié)合當(dāng)時(shí)的天氣情況可大致認(rèn)為大氣水分分布變化不大，故本研究根據(jù)影像成像時(shí)間和中心經(jīng)緯度，直接在NASA公布的網(wǎng)站（http：//atmcorr.gsfc.nasa.gov/）查詢相關(guān)數(shù)值。覆蓋整個(gè)研究區(qū)有二景影像，因此，取二景影像查詢得到的大氣透過率平均值，求得大氣透過率τ10=0.46。而地表比輻射率ε的估算，采用覃志豪等[24]提出的地表比輻射率估算方法?；谛l(wèi)星像元的尺度及結(jié)合研究區(qū)的實(shí)際情況，將地表大體分為水體、城鎮(zhèn)建筑用地和自然地表3種地類組成。其中，水體比輻射率設(shè)為εwater=0.996;自然地表像元和城鎮(zhèn)建筑用地像元的地表發(fā)射率可表示為其與地表植被覆蓋度（Pv）之間的關(guān)系，計(jì)算公式為：

2.2 城市熱島比例指數(shù)

為了更為直觀地衡量城市熱島強(qiáng)度的大小，采用Xu等[25]創(chuàng)建的城市熱島比例指數(shù)（URI）。在本研究中，首先將反演出的地表溫度影像剔除云及水體，然后再對(duì)地表溫度作歸一化處理，將數(shù)值統(tǒng)一到0～1，計(jì)算公式為：

其中，[LSTi']和LSTi分別表示影像像元?dú)w一化處理后的溫度值和第i個(gè)像元的地表溫度值，LSTmin和LSTmax分別表示影像像元地表溫度的最小值和最大值。在獲得歸一化處理后的地表溫度影像圖后，再基于均值—標(biāo)準(zhǔn)差法將地表溫度等級(jí)劃分為6個(gè)等級(jí)，依次為低溫區(qū)、次低溫區(qū)、中溫區(qū)、次高溫區(qū)、高溫區(qū)、特高溫區(qū)。其中，構(gòu)成城市熱島的斑塊主要是次高溫區(qū)、高溫區(qū)和特高溫區(qū)。城市熱島比例指數(shù)的定義是指通過計(jì)算城市不同溫度等級(jí)的面積與城市建成區(qū)面積之比，并賦予權(quán)重來表示城市熱島現(xiàn)象的程度，可以比較不同時(shí)相的城市熱島效應(yīng)變化，其計(jì)算公式為：

其中，m為劃分的等級(jí)，取值為6;n是城區(qū)高于郊區(qū)的溫度等級(jí)數(shù)，根據(jù)具體情況分別取為3、4、5、6級(jí);i是城區(qū)高于郊區(qū)的第i個(gè)溫度等級(jí);w是權(quán)重值，取第i級(jí)的級(jí)數(shù);pi是第i級(jí)所占城市建成區(qū)面積的百分比。

2.3 城市主要地表參數(shù)的獲取

城市建成區(qū)最重要的地表生態(tài)參數(shù)是建筑用地和植被，占城市建成區(qū)很大的比例。因而以這兩種地類作為城市的主要地表參數(shù)來定量地分析它們與城市熱環(huán)境之間的關(guān)系。建筑用地信息采用Xu等[26]提出的遙感建筑用地指數(shù)IBI（Index-based Build-up Index）來獲取，至于植被信息采用較常用的歸一化植被指數(shù)NDVI來獲取。

3 結(jié)果與分析

3.1 地表溫度的空間分布特征

基于以上地表溫度反演算法，獲取到長沙市2016年7月23日地表溫度空間分布數(shù)據(jù)，如圖2所示，圖像中空白區(qū)域都是云覆蓋區(qū)域。為降低對(duì)地表溫度結(jié)果分析的影響，后續(xù)研究均對(duì)云掩膜掉。同樣，為降低水體對(duì)結(jié)果分析的影響，將研究區(qū)內(nèi)的水體掩膜掉，并進(jìn)一步制作得到地表溫度直方圖（圖3）。由于選取影像時(shí)間處于夏季時(shí)刻，整個(gè)研究區(qū)的地表溫度變化范圍較大，由圖3可知，溫度直方圖走勢(shì)服從正態(tài)分布趨勢(shì)，研究區(qū)溫度動(dòng)態(tài)范圍主要集中在25～44 ℃，最低溫度為25 ℃，最高溫度達(dá)到58.4 ℃，平均溫度為30.8 ℃。由圖2可知，長沙市主城區(qū)地表溫度相對(duì)較高，表現(xiàn)為島嶼狀和零星熱島高溫區(qū)域共存的空間分布特征，而且高溫區(qū)域界限明顯，并由城市中心區(qū)域向外部減弱。長沙市主城區(qū)地表溫度明顯高于周邊農(nóng)村及廣大腹地，根據(jù)統(tǒng)計(jì)得出整個(gè)主城區(qū)相比周邊農(nóng)村和廣大腹地地表溫度要高8 ℃左右，這反映出明顯的城市熱島效應(yīng)特征;此外，通過同一色標(biāo)顯示下的地表溫度數(shù)值大小，能夠明顯地看出研究區(qū)內(nèi)的幾條主要河流（如湘江和瀏陽河）。

地表溫度的空間分布與不同地表下墊面類型及其分布密切相關(guān)，在本研究中， 采用剖面線法用于分析不同地表下墊面類型下的地表溫度變化的差異。考慮研究區(qū)的特點(diǎn)及剖面線經(jīng)過研究區(qū)的典型性，以城市區(qū)域?yàn)橹行?，大體從東—西方向和東北—西南方向利用ArcGIS軟件做貫穿整個(gè)研究區(qū)的2條剖面線（圖1），分別提取出沿2個(gè)方向剖面線的地表溫度數(shù)據(jù)，并選取了8個(gè)經(jīng)過剖面線方向的典型區(qū)域進(jìn)行分析（圖4中A-H及其相對(duì)應(yīng)的Google地圖）。

圖4展示的是來自不同剖面線方向的地表溫度的空間變化特征。由圖4中可知，由東—西和東北—西南方向上地表溫度都伴有不同程度的起伏，出現(xiàn)明顯交替的“峰”“谷”，這是由于不同下墊面性質(zhì)導(dǎo)致地表溫度值上下波動(dòng)。具體來說，地表溫度的“高峰區(qū)”對(duì)應(yīng)的下墊面類型是建筑用地密集、功能單一、周邊植被覆蓋稀少、周圍沒有河流經(jīng)過或者具有降溫服務(wù)功能的地區(qū)，大多是商貿(mào)中心區(qū)或者是交通要道。相反，地表溫度的“低谷區(qū)”對(duì)應(yīng)的地區(qū)則是河流、周邊植被覆蓋濃密且建筑用地和植被覆蓋分布相對(duì)均勻。這說明植被和水體能夠有效降低地表溫度，而建筑起著升溫的作用，尤其是在建筑用地密集、功能單一的地區(qū)升溫效果尤為明顯。此外，整體而言，2個(gè)剖面方向上都是城市區(qū)域地表溫度遠(yuǎn)高于周邊郊區(qū)及鄉(xiāng)郊地區(qū)。

即使沒有與該衛(wèi)星過境時(shí)刻的地表溫度產(chǎn)品對(duì)反演結(jié)果進(jìn)行直接驗(yàn)證，上述對(duì)地表溫度反演結(jié)果的空間分布特征的分析說明采用覃志豪單窗算法能夠較為準(zhǔn)確地反映出該區(qū)域的地表溫度空間分布情況，也就說明本研究地表溫度反演結(jié)果是合理的，可為后續(xù)研究提供可靠的數(shù)據(jù)。

參考文獻(xiàn)：

[1] 杜晉苗，孫艷玲，馬振興，等. 基于Landsat8的天津地區(qū)夏季城市熱島區(qū)分布特征研究[J]. 天津師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2015，35（4）：41-47.

[2] ZHOU W， HUANG G， CADENASSO M L. Does spatial configuration matter？Understanding the effects of land cover pater on land surface temperature in the urban landscapes [J]. Landscape and urban planning， 2011，102（1）：54-63.

[3] PENG J， XIE P， LIU Y， et al. Urban thermal environment dynamics and associated landscape pattern factors： A case study in the Beijing metropolitan region[J]. Remote sensing of environment， 2016，173：145-155.

[4] 裴志方，文 艷，楊武年. 城市化下城市熱環(huán)境與下墊面關(guān)系研究——以鄭州市為例[J]. 云南師范大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2019，39（1）：66-71.

[5] 王美雅，徐涵秋. 中國大城市的城市組成對(duì)城市熱島強(qiáng)度的影響研究[J]. 地球信息科學(xué)學(xué)報(bào)， 2018，20（12）：1787-1798.

[6] JIMENEZ-MUNOZ J C，SOBRINO J A. A Generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of geophysical research：Atmospheres， 2003， 108（22）：4688-4696.

[7] QIN Z， KARNIELI A， BERLINER P. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J]. International journal of remote sensing，2001，22（18）：3719-3746.

[8] WAN Z， DOZIER J A. Generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE transactions on geoscience and remote sensing， 1996，34（4）：892-905.

[9] BECKER F， LI Z L. Temperature-independent spectral indices in thermal infrared bands[J].? Remote sensing of environment，1990，32（1）：17-33.

[10] WAN Z ， LI Z L. A Physics-based algorithm for retrieving land-emissivity and temperature from EOS/MODIS data[J]. IEEE transactions on geoscience and remote sensing，1997，35（4）：980-996.

[11] 趙 偉，李愛農(nóng)，張正健，等. 基于Landsat8熱紅外遙感數(shù)據(jù)的山地地表溫度地形效應(yīng)研究[J]. 遙感技術(shù)與應(yīng)用，2016，31（1）：63-73.

[12] 丁海勇，史恒暢. 基于Landsat數(shù)據(jù)的城市熱島變化分析——以南京市為例[J]. 安全與環(huán)境學(xué)報(bào)，2018，18（5）：2033-2044.

[13] 李 樂，徐涵秋. 杭州市城市空間擴(kuò)展及其熱環(huán)境變化[J]. 遙感技術(shù)與應(yīng)用， 2014， 29（2）： 264-272.

[14] 何炳偉，趙 偉，李愛農(nóng)，等. 基于Landsat8 遙感影像的新舊城區(qū)熱環(huán)境特征對(duì)比研究——以成都市為例[J]. 遙感技術(shù)與應(yīng)用， 2017，32（6）：1141-1150.

[15] 侯浩然，丁 鳳，黎勤生. 近20年來福州城市熱環(huán)境變化遙感分析[J]. 地球信息科學(xué)學(xué)報(bào)，2018，20（3）：385-395.

[16] 李 軍，趙 彤，朱 維，等. 基于Landsat8的重慶地區(qū)主城區(qū)熱島效應(yīng)研究[J]. 山地學(xué)報(bào)，2018，33（7）：1214-1220.

[17] 劉 丹，于成龍. 城市擴(kuò)張對(duì)熱環(huán)境時(shí)空演變的影響——以哈爾濱為例[J]. 生態(tài)環(huán)境學(xué)報(bào)，2018， 27（3）：509-517.

[18] 葉 鈺，秦建新，胡順石. 長沙市熱島效應(yīng)時(shí)空特征變化研究[J]. 地球信息科學(xué)學(xué)報(bào)，2017， 19（4）：518- 527.

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

[20] 龔志強(qiáng)，何介南，康文星，等. 長沙市城區(qū)熱島時(shí)間分布特征分析[J]. 中國農(nóng)學(xué)通報(bào)，2011，27（14）：200-204.

[21] 徐涵秋. 新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J]. 地球物理學(xué)報(bào)， 2015， 58（3）： 741-747.

[22] 宋 挺，段 錚，劉軍志，等. 基于Landsat 8 數(shù)據(jù)地表溫度反演算法對(duì)比[J]. 遙感學(xué)報(bào)， 2015， 19（ 3） ： 451-464.

[23] 覃志豪，ZHANG M，KARNIELI A，等. 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）： 200-212.

[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(jì)[J]. 國土資源遙感，2004，16（3）： 28-32.

[25] XU H Q， CHEN B Q. Remote sensing of the urban heat island and its changes in Xiamen city of SE China[J]. Journal of environment sciences， 2004， 2（16）： 276-281.

[26] XU H Q. A new index for delineating build-up land features in satellite imagery[J]. International journal of remote sensing， 2008， 29（14）： 4269-4276.