基于Landsat TM/TIRS的重慶市主城區熱島效應研究

張 宇, 趙 偉, 龍 鳳, 黃 婧, 劉 婷

(1.重慶工商大學 環境與生物工程學院, 重慶400067; 2.重慶工商大學 旅游與國土資源學院, 重慶400067)

?

基于Landsat TM/TIRS的重慶市主城區熱島效應研究

張 宇1, 趙 偉2, 龍 鳳2, 黃 婧2, 劉 婷2

(1.重慶工商大學 環境與生物工程學院, 重慶400067; 2.重慶工商大學 旅游與國土資源學院, 重慶400067)

使用Landsat數據對2001—2013年重慶市主城熱島進行研究，選取2001年、2007年的TM、2013年的TIRS三期夏季影像，采用單窗算法反演出地表溫度。在此基礎上，對主城熱島時空演化的整體特征、熱島強度進行分析，得出以下結論：(1) 重慶市高溫地表主要分布在主城建成區內，由過去呈一點向多點、零散向成片的分布，發展至目前呈多片塊、多中心均衡分布，并有持續向外擴展的趨勢；(2) 市區內綠化較好或有水體覆蓋區域，對城市高溫起到一定的緩解作用，而長江、嘉陵江表面溫度與陸上地表溫度相差較大；(3) 13年間交通線路的發展帶動了周圍地區及周邊區縣的城市化發展，使得傳統的高溫區溫度有所降低，在交通路線所能達到的地方形成新的高溫區；(4) 2001年熱場變異指數為0.63，2007年為0.49，2013年達到0.66，較高的熱場變異指數使得重慶市熱島強度處于較高水平。

熱島效應; 單窗算法; Landsat TM/TIRS

城市熱島(Urban Heat Island，UHI)是指城市發展到一定規模，由于城市下墊面性質的改變、大氣污染以及人工廢熱的排放等使城市溫度明顯高于郊區，形成的類似高溫孤島現象[1]。隨著人口不斷增長，城市化水平不斷提高，城市熱島不斷加劇，使原本炎熱的夏日變得更加酷熱難耐，增加高溫災害的發生率，并提升人類患心血管疾病的機率，對人類健康造成直接危害[2]。同時使能源消耗增加，環境質量下降，大氣污染物分布特征改變，嚴重影響城市物候生態平衡。

開展城市熱島效應的研究最早可以追溯到19世紀初期，Howard在對倫敦城區和郊區的氣溫進行同時間的對比觀測后，首次發現了這種城區氣溫比其四周郊區氣溫高的現象。國外針對城市熱島效應的研究主要集中在形成機制和緩解機制兩個方面[3-4]，以MODIS和Landsat TM/ETM+數據為主[5-6]，國內有關城市熱島效應的研究可以分為兩個層面：從研究區域和尺度范圍看，東部沿海發達地區和大中型城市研究成果較多[7-11]，研究尺度上從中小型城市到區域性尺度不等[12-13]；從數據和方法來看，基于遙感影像反演地表溫度的單窗算法和劈窗算法得到了廣泛的應用[14-18]，基于氣象資料的空間數據內插法也取得了豐碩的成果[19-21]。

重慶作為長江上游最為重要的經濟發展中心城市，直轄至今社會經濟已經進入了一個高速發展期，城市化進程十分迅速，大規模的城市建設，工業企業發展導致城市熱容量增大，城市下墊面溫度增高，城鄉溫度差異增大，城市熱島強度加劇。本文基于Landsat TM/TIRS數據、采用覃志豪[22-23]的單窗算法，對重慶主城9區2001年以來城市熱島效應的時空變化特征開展綜合研究，以期為重慶城市環境可持續發展提供借鑒。

1 研究區概況

重慶市位于中國內陸西南部、長江上游地區，地貌以丘陵、山地為主，坡地面積較大，有“山城”之稱。重慶地勢由南向北向長江河谷逐級降低，西北部和中部以丘陵、低山為主，東北部靠大巴山，東南部連武陵山，屬于亞熱帶濕潤季風氣候，具有冬暖夏熱、雨量充沛、濕潤多云霧的氣候特點，是全國著名的“火爐”城市。重慶主城包含渝中、江北、沙坪壩、南岸等9個城區，是重慶市的中心城區，是長江上游地區經濟文化中心、西南地區重要交通樞紐、國家重要的制造業基地。由于主城位于長江和嘉陵江交匯處，都市經濟圈效應明顯，因而作為本文研究劃定的主要區域。

2 數據及處理

2.1 數據來源及預處理

選取2001年、2007年、2013年夏季衛星影像作為研究數據。由于2013年7月影像數據成像質量不佳，對中國氣象科學數據共享服務網(http:∥cdc.cma.gov.cn/home.do)提供的2013年氣溫日值數據進行統計發現，6月、7月氣溫日值數據均值分別為30.9，34.5℃，標準差分別為0.73，1.11，時間序列相關系數為0.85。由于熱島效應研究對象為城鄉溫度差異，因此可以選擇6月份影像作為研究數據，其中2001年、2007年數據為Landsat TM影像，2013年為Landsat OLI/TIRS影像，圖像質量較好，云層較少，滿足重慶市主城溫度反演的要求。所有數據均下載自“地理空間數據云”(http:∥www.gscloud.cn/)。

本研究采用ENVI 5.0對基礎影像進行前期數據處理，包括輻射定標、大氣校正、鑲嵌、裁剪等幾個步驟。大氣校正是為了消除大氣和光照等因素對地物反射的影響，獲得地物反射率、輻射率、地表溫度等真實物理模型參數，包括消除大氣中的水蒸氣、氧氣、二氧化碳、甲烷和臭氧等對地物反射的影響；消除大氣分子和氣溶膠散射的影響[24]。使用FLAASH大氣校正工具進行大氣校正，大氣校正之前先進行輻射定標，將其像元灰度值(Digital Number，DN)轉換為對應的熱輻射強度值(Radiance)。

大氣校正后的影像，有效消除了大氣和薄云對影像的影響，校正后的圖像更清晰，經過鑲嵌、裁剪，得到預處理影像，為后面溫度反演提供基礎數據。

2.2 地表溫度反演

本文使用單窗算法對重慶市主城9區地表溫度進行反演。單窗算法(Mono-window A lgorithm，簡稱MW算法)是由覃志豪等[22-23]根據TM6波段地表熱輻射在大氣傳輸的特性建立的利用TM第6波段反演地表溫度的算法，該算法僅需要3個地表參數，即地表比輻射率ε6、大氣平均作用溫度Ta和大氣透射率τ6。地表溫度(Ts)的計算公式為：

(1)

C6=ε6τ6

(2)

D6=(1-ε6)[1+(1-ε6)τ6]

(3)

式中：Ts——地表溫度(K)；a，b——常量，一般情況下(地表溫度在0～70℃范圍內)分別取值為-67.355 351，0.458 606[19]；Tsensor——傳感器上的亮度溫度；C6，D6——中間變量。

2.3 反演參數獲取

(1) 亮度溫度計算。根據普朗克定律，可以將輻射亮度值轉化為亮度溫度。

對于Landsat 5，可以用下式求得影像像元亮度溫度[5]：

(4)

式中：DNTM6——TM6的像元DN值，0≤DNTM6≤255；Tsensor——亮度溫度值(K)。

對于Landsat 8，計算亮度溫度的公式為[25]：

(5)

式中：Tsensor——亮度溫度(K)；Lλ——輻射亮度值；Landsat 8 TIRS熱紅外波段10的k1字段為K1_CONSTANT_BAND_10，k2字段為K2_CONSTANT_BAND_10；同時熱紅外波段11參數也類似。k1，k2字段的值可以直接從影像頭文件中獲取，視為已知的值。

(2) 地表比輻射率。本文使用混合像元分解法估算地表比輻射率[26]，將地表劃分為水體、城鎮、自然表面3種地物類型。根據前人的研究成果[26]，將水體像元的比輻射率賦值為0.995，自然表面εs和城鎮像元εm的比輻射率的估算公式如下：

εs=0.9625+0.0614FV-0.0461FV2

(6)

εm=0.9589+0.086FV-0.0671FV2

(7)

(8)

(9)

式中：FV——植被覆蓋度，當像元的NDVI>0.7時，FV取值為1，當NDVI<0.05時，FV取值為0；NDVI——歸一化植被指數；NDVIV，NDVIS——完全被植被覆蓋、無植被覆蓋的像元NDVI值，植被覆蓋茂密時，取NDVIV=0.7，而裸土覆蓋時，取NDVIS=0.05；β3，β4——紅波段和近紅外波段的反射率。

(3) 大氣平均作用溫度和大氣透射率。覃志豪給出了大氣平均作用溫度和大氣透射率的估算方法。考慮到重慶市主城區所在緯度為北緯29°—30°，且遙感成像時間為夏季，因而采用中緯度夏季大氣剖面模型計算大氣平均作用溫度Ta，公式為[23]：

Ta=16.0110+0.92621To

(10)

大氣透射率τ6與大氣水分含量ω關系最為緊密，其計算公式如表1所示。

根據前人的研究，得到大氣水分含量與地面水氣壓的計算公式[2]：

ω=0.19604e+0.04691

(11)

(12)

式中：e——絕對水汽壓(kPa)；RH——相對濕度；To——氣溫單位(K)。

表1 大氣透射率與大氣水分含量關系

3 結果與分析

3.1 結果與檢驗

根據單窗算法以及上文所涉及的參數，使用ENVI軟件反演出3期重慶市主城9區地表溫度，統計其最大值、最小值、平均值、標準差，如表2所示。

表2 研究區地表溫度統計數據 ℃

從以下兩個方面對表2反演結果LST進行驗證：

(1) 使用臺站號為57516，經緯度為29°35′N，106°28′E，位于沙坪壩的國家基本氣象站點地表溫度實測數據對氣象站點所在遙感影像像元的溫度進行對比驗證。該氣象站點提供其所在位置2001年、2007年、2013年溫度數據分別為42.47，26.35，24.13℃，與該點像元反演LST差值分別為-1.35，-2.44，-1.27℃，說明該點及附近的反演精度較為理想；2000年冬—2001年6月以來，重慶市降雨普遍減少，日照偏多，濕度偏低，致使重慶大部遭受了十多年來最嚴重的冬干、春旱連夏旱，6月中旬—8月上旬，又出現連續高溫天氣，遭受30年來罕見的特大伏旱襲擊，降水較常年同期正常偏少約6成，蒸發量比常年同期增大20%～70%，日照時數相比同期增加30%～70%[27]，持續的高溫和伏旱襲擊使得研究時段內2001年溫度比2007年、2013年明顯偏高。

(2) 使用MODIS LST產品，選取3個典型溫度區，即低溫、中溫、高溫區(圖1)對3期影像反演的結果進行驗證。由于一個MODIS像元對應約8×8景大小的TM像元，因此在選取像元時，應盡量選擇均質區，并對8×8景的TM像元取平均值，作為像元評價單元，其結果如表3所示。

由表3可知，3期影像在中溫區和高溫區比較結果較相近，差別2～3℃，低溫區相差稍大，最大值在2001年，為3.77℃。整體對比結果較為滿意，在精度要求不高的情況下，3期影像的溫度反演結果可以作為下文數據分析的基礎。

圖1 檢驗點在影像上的位置

根據各時相整個區域的地表溫度統計出來的平均值和標準差對反演出的地表溫度圖像進行溫度等級的劃分，將整個區域的地表溫度分為5個溫度區間，劃分標準如表4所示。

表3 溫度對比統計 ℃

3.2 地表溫度特征分析

地表溫度的高低取決于不同的地表覆蓋類型[27]。由附圖10可知，低溫區主要為以長江、嘉陵江為主體的水體覆蓋區域以及海拔較高，植被覆蓋密集，距離市區較遠的山地為主；中溫區占據研究區圖幅的大部，包括主城內綠化較好的公園、園林以及大部分郊區的綠地、水田、低山、自然地表等；較高溫和高溫區域，主要分布在市區內，與城市輪廓相適應。為了能夠定性定量地了解熱島分布及其擴展狀況，采用目視解譯手段，提取3時段重慶主城建成區，并以建成區作為研究范圍，對其溫度時空變化開展進一步研究。

表4 溫度等級劃分

注：Ts為地表溫度，u為平均值，std為標準差。

采用前文提到的分區方式對研究子區進行細分，并統計研究子區各地表溫度等級的平均溫度及面積(表5)，結合圖表，可以看出：

(1) 2001—2013年重慶市城市內較高溫和高溫地區隨著城市規模的擴張而擴大，呈單中心—多組團發展態勢，高溫區面積明顯增大。2001年重慶市城市建成規模較小，西抵中梁山，東至銅鑼山，南北向兩江(長江、嘉陵江)交匯處聚集。城市建成區為高溫區，面積達到230.38 km2；2007年主城城市規模基本在2001年發展而來，較高溫地表面積增長25.72 km2，高溫地表面積增長104.87 km2，增幅明顯，過去以渝中半島為中心的高溫區密度有所下降，而主城至江北機場一帶，由過去零散點連接成片，成為跨南北分布的大面積高溫帶。同時，歌樂山、南山以外，也有部分零散的高溫區；2013年重慶市城市規模建成已跨越歌樂山和南山，整體上呈多中心、多片塊均衡交錯分布，高溫區相比2007年增加71.22 km2，較高溫區增加80.20 km2，可見城市規模與城市地表溫度的高低呈一定的相關關系。

(2) 重慶市主城有兩江環繞，由于本研究選取的影像均成像于夏季，正值長江汛期，兩江交匯處有較強的水流量。由表2可知，2001年、2007年、2013年城市地面平均溫度比低溫水體高20.54，8.82，9.08℃左右。兩江江畔樓房較多，樓高較高，拉開了與江面的垂直距離，樓頂充當地表下墊面，直接接受太陽短波輻射，使得樓頂溫度較高，水面、陸面形成鮮明的冷—熱分布格局；而由附圖10可看出，市內綠化較好或有水體覆蓋區域，包括位于渝中半島北、臨近嘉陵江畔的鵝嶺公園、佛圖關公園，位于沙坪壩的彩云湖國家濕地公園等園林用地，成為高溫帶中細小零散的較低溫點，對城市高溫現象有一定的緩解作用。

(3) 交通線路的發展，既緩解了市區內人口密度大、交通繁忙帶來的局部高溫、通風不暢的現象，又帶動了交通路線周圍地區及周邊區縣的城市化發展。查詢重慶市統計年鑒，得到3年重慶市交通設施發展數據，如表6所示，2001年重慶市道路總長度為3 512 km，2001—2013年道路長度翻了一翻，道路面積和立交橋數量增加超過3倍；3年的道路面積長度比分別為1.34，1.74，1.96，道路寬度增加，顯著提高了道路承載力，加速了城市化向周邊的擴展。從2002年底內環高速公路建成通車、2009年底繞城高速公路全線開通以及輕軌交通的成熟運行至今，主城已形成“二環八射”的高速公路系統。

表6 重慶市交通設施數據統計

3.3 熱島強度分析

熱場變異指數在本研究中能更直觀地表示熱島強度的大小及變化，其公式為[28]：

(13)

式中：HI(T)——熱場變異指數；T——研究區某點的地表溫度；TMEAN——研究區域的平均地表溫度。

采用閾值法將熱場變異指數HI(T)分為4級，如表7所示。

表7 熱場變異指數HI(T)閾值劃分方法

通過分析，結合上文，可以看出，從熱場變異指數HI(T)看，2001年熱場變異指數較高，最高值達到0.63，2007年有所緩和，最高值降至0.49。2013年最高值升至0.66。可以看出，2001年發生干旱，加之熱島密集，因此強度較大；2007年處于城市擴展過渡階段，熱島強度向外延伸，有所降低；至2013年城市規模發育成熟，HI(T)在現有強度的基礎上持續增強，達到3期強度的最高值，并有繼續升高趨勢。

根據地表覆蓋類型和熱場變異指數HI(T)，選取典型區域，結合圖2，分析其熱島強度的變化。具體包括：1 朝天門廣場—解放碑商圈、2 江北華新街—觀音橋商圈—重慶北火車站、4 兩路口—南岸南坪商圈一帶、5 楊家坪—石橋鋪—沙坪壩商圈四地在2001年為強熱島發生地，但到了2007年、2013年熱島強度有所緩和，保持在中等強度；3 江北—江北國際機場成片、6 九龍坡—大渡口工業產業園兩地都從2001—2007年由中熱島強度升至強熱島，并保持該狀態至今；7 大學城一帶、8 荼園—長生橋鎮在2001年無熱島效應，到2007年升至弱，到2013年，7地、8地分別升至中等熱島和強熱島，成為這些年新增的熱島區。

使用熱場變異指數對熱島強度進行分析，目前已有一定的研究成果，但主要用于界定熱島等級的范圍。陳云[25]在使用Landsat 8數據研究廈門市熱島強度時，得到的HI(T)值范圍為-0.30～0.30，其中HI(T)大于0.2的地表為強熱島區域；劉宇鵬等[29]在研究長沙市熱島的時空分析時，得到的HI(T)值范圍為-0.18～0.44，并設定HI(T)大于0.1的區域為強熱島區；劉玉安等[28]在研究武漢市熱環境時，使用多年夏季地表溫度數據提取熱場變異復合指數TCI，分為6個等級，0.015～0.020為強熱島效應區，超過0.020為極強熱島區，指出武漢市主城區TCI值均超過0.015；張勇等[13]在分析北京和無錫地表溫度中，也將HI(T)值劃分為6級，分級方法與劉玉安相似，用以評價研究區熱島效應強度，但未指出HI(T)值的范圍。

圖2 2001-2013年各區域HI(T)等級統計

定量分析3期影像HI(T)值，不僅能了解熱島強度的等級分布，而且能夠在橫向上對各城市熱島強度大小有一個具體的把握。“山城”、“霧都”重慶地形地貌十分復雜，高樓林立，橋梁眾多，城市景觀格局較為立體，孕育了獨特的城市熱環境，使得重慶市熱場變異指數值處于較高水平。

4 結 論

本文使用Landsat影像數據研究2001年、2007年、2013年3期重慶市主城熱島，借鑒覃志豪的單窗算法，得到比較理想的地表亮溫結果。在此基礎上，對主城熱島時空演化的整體特征、熱島強度進行分析，得到以下結論：

(1) 2001—2013年重慶市高溫地表主要分布在主城建成區內，與城市輪廓相似，由過去呈一點向多點、零散向成片的分布，發展至目前呈多片塊、多中心均衡分布，并有持續向外擴展的趨勢。時間上整體呈單點—多組團的變化特征。

(2) 市區內綠化較好或有水體覆蓋區域，對城市高溫起到一定的緩解作用，而長江、嘉陵江表面溫度與陸上地表溫度相差較大。

(3) 交通線路的發展，既緩解了市區內人口密度大、交通繁忙帶來的局部高溫、通風不暢的現象，又帶動了交通路線周圍地區及周邊區縣的城市化發展。

(4) 2001年熱場變異指數達到0.63，2007年為0.49，2013年為3期最高，達到0.66，較高的熱場變異指數使得重慶市熱島強度在我國處于較高水平；研究時間范圍內不同地區熱島強度均有不同程度的變化，對熱島強度有所緩和的地區應繼續保持，對熱島強度增強和新增的區域應加以監控。

利用Landsat影像研究城市熱環境，已經取得相當豐碩的成果。雖然Landsat影像空間分辨率高，但時間分辨率低。由于影像數據的缺失，本文僅對重慶市3期影像夏季的熱島進行了分析，難以做到對當日日夜及不同季節城市熱環境情況的監測。重慶市具有獨特的山地丘陵地貌，地形坡度、坡向、山體陰影等對地表溫度造成很大影響，如何消除這些和區分這些因素與城市化的貢獻，是本文需要進一步研究解決的問題。

[1] Manley G. On the frequency of snowfall in metropolitan England[J]. Quarterly Journal of the Royal Meteorological Society,1958,84(359):70-72.

[2] 郭振華.基于TM/ETM+數據的成都市城市熱島效應研究[D].成都:成都理工大學,2012.

[3] Sailor D J, Lu L. A top-down methodology for developing diurnal and seasonal anthropogenic heating profiles for urban areas[J]. Atmospheric Environment,2004,38(17):2737-2748.

[4] Silva H R, Phelan P E, Golden J S. Modeling effects of urban heat island mitigation strategies on heat-related morbidity: A case study for Phoenix, Arizona, USA[J]. International Journal of Biometeorology,2010,54(1):13-22.

[5] Gallo K P, Mcnab A L, Karl T R, et al. The use of a vegetation index for assessment of the urban heat island effect[J]. International Journal of Remote Sensing,1993,14(11):2223-2230.

[6] 白楊,王曉云,姜海梅,等.城市熱島效應研究進展[J].氣象與環境學報,2013,29(2):101-106.

[7] 劉偉東,楊萍,尤煥苓,等.北京地區熱島效應及日較差特征[J].氣候與環境研究,2013,(2):171-177.

[8] 喬治,田光進.北京市熱環境時空分異與區劃[J].遙感學報,2014,18(3):715-734.

[9] 程晨.天津市中心城區和濱海新區熱島效應研究[D].天津:南開大學,2011.

[10] 張正棟,蒙金華.基于城市熱島效應的城市降溫通道規劃研究:以廣州市為例[J].資源科學,2013,35(6):1261-1267.

[11] 但尚銘,安海鋒,但玻,等.基于AVHRR和DEM的重慶城市熱島效應分析[J].長江流域資源與環境,2009,18(7):680-685.

[12] 饒勝,張惠遠,金陶陶,等.基于MODIS的珠江三角洲地區區域熱島的分布特征[J].地理研究,2010,29(1):127-136.

[13] 張勇,余濤,顧行發,等.CBERS-02IRMSS熱紅外數據地表溫度反演及其在城市熱島效應定量化分析中的應用[J].遙感學報,2006,10(5):789-797.

[14] 白潔,劉紹民,扈光.針對TM/ETM+遙感數據的地表溫度反演與驗證[J].農業工程學報,2008,24(9):148-154.

[15] 李成范,劉嵐,周廷剛,等.基于定量遙感技術的重慶市熱島效應[J].長江流域資源與環境,2009,18(1):60-65.

[16] 羅小波,陳丹,劉明皓,等.基于HJ-1B/IRS的重慶市熱島效應監測應用[J].地球信息科學學報,2011,13(6):833-839.

[17] 王建凱,王開存,王普才.基于MODIS地表溫度產品的北京城市熱島(冷島)強度分析[J].遙感學報,2007,11(3):330-339.

[18] 閆峰,覃志豪,李茂松,等.基于MODIS數據的上海市熱島效應研究[J].武漢大學學報:信息科學版,2007,32(7):576-580.

[19] 鄒敏.重慶主城區綠地對城市熱島效應影響的多尺度研究[D].重慶:西南大學,2013.

[20] 彭保發,石憶邵,王賀封,等.城市熱島效應的影響機理及其作用規律:以上海市為例[J].地理學報,2013,68(11):1461-1471.

[21] 孫繼松,舒文軍.北京城市熱島效應對冬夏季降水的影響研究[J].大氣科學,2007,31(2):311-320.

[22] 覃志豪.用陸地衛星TM6數據演算地表溫度的單窗算法[J].地理學報,2001,56(4):456-466.

[23] 覃志豪,LI Wenjuan,ZHANG Minghua,等.單窗算法的大氣參數估計方法[J].國土資源遙感,2003,15(2):37-43.

[24] 鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社,2010.

[25] 陳云.基于Landsat 8的城市熱島效應研究初探:以廈門市為例[J].測繪與空間地理信息,2014,(2):123-128.

[26] 涂梨平.利用Landsat TM數據進行地表比輻射率和地表溫度的反演[D].杭州:浙江大學,2006.

[27] 桑琰云.重慶市旱災及其經濟損失研究[D].重慶:西南師范大學,2004.

[28] 劉玉安,唐志勇,程濤,等.基于HJ-1B數據的武漢市LST反演及熱環境分析[J].長江流域資源與環境,2014,23(4):526-532.

[29] 劉宇鵬,楊波,陳崇.基于遙感的長沙市城市熱島效應時空分析[J].遙感信息,2011(6):73-78.

Study of Urban Heat Island Based on Landsat TM/TIRS in the Central Area of Chongqing City

ZHANG Yu1, ZHAO Wei2, LONG Feng2, HUANG Jing2, LIU Ting2

(1.DepartmentofEnvironmentalandBiologicalEngineering,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China; 2.SchoolofTourismandLandResource,ChongqingTechnologyandBusinessUniversity,Chongqing400067,China)

Landsat data from 2001 to 2013 were used to study Chongqing City urban heat island, and summer images of 2001, 2007 and 2013 were selected to calculate the surface temperature via mono-window algorithm. On this basis, temporal and spatial variations of urban heat island in Chongqing City were analyzed. The results showed that: (1) high surface temperature areas of Chongqing distributed in urban area, from the past, it distributed from one to multi points, scattered to the plots, developed the present more balanced distribution of pieces, multi center, and had continued to expand outward trend; (2) those areas covered with green vegetation and water could alleviate high-temperature in downtown, and it differed quite largely between the Yangtze River, Jialing River and land surface in temperature; (3) development of transport routes led to the development of the nearby areas of the city and counties during the 13 years, decreased the traditional high-temperature areas, shaped new high-temperature areas where the traffic route can be reached; (4) the thermal field variability index was 0.63 in 2001, was 0.49 in 2007, and had reached 0.66 in 2013, ranking Chongqing high in China. The thermal field variability index changes differently in different areas during the study time. The urban heat island should be remained where it eased or be monitored where it enhanced or added.

urban heat island effect; Mono-window algorithm; Landsat TM/TIRS

2014-11-18

2015-01-20

教育部人文社科項目(13YJCZH268);重慶市決策咨詢與管理創新項目(cstc2013jccxA0158);重慶市教委科技項目(KJ120726);重慶工商大學青年博士資助項目“丘陵山地區洪旱災害綜合風險評估及管理對策研究:以重慶市為例”(1351009)

張宇(1990—),男,廣東惠州人,碩士研究生,研究方向為環境規劃與管理。E-mail:imwuqingde@163.com

趙偉(1982—),男,江蘇連云港人,博士,副教授,碩士生導師,主要從事3S技術與國土資源環境、土地政策研究。E-mail:zhaowei811330@163.com

P463.3; TP79

1005-3409(2015)05-0191-06