城市LUCC时空格局对地表温度的影响效应研究——以广西柳州市为例

梁保平，李晓宁

（1.广西师范大学环境与资源学院，广西 桂林 541004；2.岩溶生态与环境变化研究广西高校重点实验室，广西 桂林 541004）

城市LUCC时空格局对地表温度的影响效应研究
——以广西柳州市为例

梁保平1，2，李晓宁1

（1.广西师范大学环境与资源学院，广西 桂林 541004；2.岩溶生态与环境变化研究广西高校重点实验室，广西 桂林 541004）

研究目的：定量分析中国西南典型重工业城市——柳州市的土地利用、地表温度时空演化特征以及不同土地利用类型对地表温度的联合影响效应。研究方法：利用1991年Landsat 5的TM影像和2013年Landsat 8的OLI/TIRS影像数据，通过遥感技术反演提取研究区归一化植被指数（NDVI）、归一化差异建筑指数（NDBI）、改进的归一化差异水体指数（MNDWI）以及地表温度（LST）等遥感参数，基于遥感指数叠加分类法获取城市土地利用/覆盖（LUCC）信息。研究结果：（1）柳州市22年间LUCC变化剧烈，受人为因素影响强烈的地物类型为建筑用地、耕地和裸地。其中，建筑用地变化幅度最大，面积增加了126.71%，新增建筑用地主要源于城市中原有的耕地类型。（2）两期地表温度数据均显示，城市建筑用地的地表温度最高，水体的地表温度最低，建筑用地升温效果显著，是造成城市热岛效应的主要原因之一。（3）影响因子相关性与多元回归分析揭示，城市中各地物类型面积比与地表温度均具有一定的相关性，但差异性较大。其中，建筑用地、裸地与地表温度呈正相关，林地、水体与地表温度呈负相关。研究结论：城市各种LUCC类型的地表温度差异较大，水体和林地在缓解城市热岛效应方面作用十分显著，两者比较，水体的降温效果要优于林地。

土地利用；土地覆被变化；地表温度；遥感技术；柳州市

土地利用/覆被变化（简称LUCC）是全球变化研究的重要领域，是学术界最为关注的热点问题之一[1]。近10年来，中国的城市化发展呈现日益加速态势，快速城市化导致土地利用与覆被格局的剧烈变化，自然植被、水体等地物逐渐被建筑物、道路、广场等不透水地表所取代，继而引发城市热岛、雾霾污染、生态用地缩减、城市内涝等诸多生态问题，对城市人居环境的改善与城市可持续发展造成严重的影响。目前，遥感技术的快速发展为获取城市土地利用和地表温度信息，动态监测其变化提供了有效的技术支持。

国内外学术界围绕城市土地利用与城市热环境的问题进行了大量研究，也取得了许多代表性成果[1-14]。如Hung等利用TERRA/MODIS数据，研究亚洲18个大城市的城市热岛强度的空间分布特征，并且利用Landsat系列影像分析了地表温度与植被覆盖度之间的相关性[1]。陈锋等利用Landsat遥感数据，分别对北京、上海、沈阳和武汉4城市的热岛效应和城市下垫面的空间分布相关性进行了定量研究[3]。夏俊士基于Landsat TM热红外数据反演的地表温度数据，利用混合像元分解法和V-I-S模型，定量分析了徐州市地表温度与不同土地覆盖类型之间的关系[4]。韩贵锋以重庆市主城区为例，利用TM影像反演地表温度，提取城市各坡向上的地表温度，并进行方差分析。结果发现不同用地类型上的城市建设强度和生产、生活活动差异是引起地表温度变化的主要因素，而坡向的影响效应是微弱的[5]。

上述研究对揭示城市土地利用格局与地表温度和其他相关指数之间的关系具有较大的学术价值。但可看出，相关研究多集中在国内外经济发展与城市化进程较发达地区，研究内容主要是针对城市某一时间界面或者单个要素的分析，而对于地处中国西部城市化滞后区，开展不同时间界面上城市地表温度的多要素联合影响评价研究相对少见。

本文以中国西南典型的重工业城市柳州市为案例，利用Landsat系列的多光谱和热红外影像为数据源，通过反演各种地表参数，利用遥感指数叠加监督分类方法获取城市土地利用/覆盖信息，进而定量分析城市地表温度的时空分布特征、不同土地利用类型对地表温度的联合影响效应，以期为缓解城市热岛效应、合理实施城市规划、城市生态建设以及城市管理提供科学依据。

1 研究区域与数据获取

1.1 研究区概况

柳州市地处中国华南地区、广西壮族自治区中北部，位于北纬23°54′—26°03′，东经108°32′—110° 28′之间，属中亚热带向南亚带过渡的气候带，受季风环流影响，冬短夏长，雨量丰沛，光热充足，无霜期长。市区平均气温为21.4℃，年降水量为1345—1940 mm之间，年蒸发量976.0 mm。全市现辖柳北、柳南、城中和鱼峰4城区和柳江、柳城、鹿寨、融安、融水、三江6县，土地总面积1.8万km2，全市总人口375.87万人（2013年末）。作为广西的第二大城市，柳州市也是中国华南、西南地区重要的工业基地、交通枢纽及区域性中心城市。

本文研究范围选取位于柳州市绕城高速以内的城市区域，因绕城高速范围已成型不会再有大变动，且绕城高速涵盖了城市建设的核心区，是城市化过程、人为干扰最强烈的地带，研究区具有典型性，其研究结论也具有现实指导意义。

1.2 研究数据获取来源

本文采用1991年10月30日和2013年12月4日获取的Landsat系列卫星影像作为基础数据①研究区近3年来有效数据只有2013年12月4日的Landsat8 OLI/TIRS影像。受天气系统影响，此期间获取的其他影像均存在不同程度的云覆盖问题，因此无法用于城市土地利用分类和地表温度的热红外反演研究。。卫星轨道号行号是P125r43，遥感图像为UTM投影，坐标系统为WGS84，椭球体类型为Krasovsky。其中，前者为Landsat 5的TM数据，包括7个波段，除第6波段（热红外波段）的空间分辨率为120 m外，其他波段为30 m。后者为Landsat 8的OLI/TIRS数据，包括11个波段，除第8波段（全色波段）、TIRS波段（band10/band11）的空间分辨率分别为15 m和100 m外，其余均为30 m。研究利用两期热红外波段反演生成同期城市地表温度信息，影像的成像时间均为上午10：30左右，研究区上空无云覆盖，数据质量良好，地物识别度较高。

为更好地进行城市地物对比验证，研究中利用柳州市90年获取的航片数据以及Google Earth Pro 7.1平台下载的近期（2014年）高分卫星影像作为参考图件。其他相关参考资料有柳州市行政区划图、柳州社会经济统计年鉴（1991—2013年）、《柳州市城市总体规划（2004—2020年）》以及柳州市30 m的ASTER-DEM数据等。

2 研究方法

2.1 城市土地利用/覆盖信息提取方法

考虑到Landsat遥感数据分辨率精度及研究区土地利用特征，同时参照中国土地资源分类系统的土地分类标准[15]，将区域土地覆盖类型划分成林地、耕地、建筑用地、水体和裸地5类。

借助遥感影像处理专业软件ERDAS IMAGINE 9.3，通过典型指数叠加监督分类方法获取城市土地利用/覆盖信息。即首先对两期遥感影像进行光谱增强预处理，分别提取归一化植被指数（NDVI）、归一化差异建筑指数（NDBI）和改进的归一化差异水体指数（MNDWI），然后对这3个指数进行假彩色波段合成，经目视解译后再采用最大似然监督分类法提取土地利用信息。通过与同期参考图像数据检验发现，研究区1991年、2013年两期影像的总体分类精度分别为89.72%（Kappa系数为0.84）和92.43%（Kappa系数为0.86），整体效果要优于传统的多光谱监督分类法（图1，封二）。

2.1.1 归一化植被指数（NDVI） NDVI是利用绿色植被在红光波段的强吸收和近红外波段的强反射光谱特性，经数学组合变换得到的一种归一化指数。该指数能够部分消除因太阳辐射、地形阴影和土壤背景不同而产生的光谱误差，可以较好地提取区域植被的生物信息，其计算公式为：

式（1）中，NIR为近红外波段, 即TM或OLI的第4波段的亮度值；R为红光波段，即TM或OLI的第3波段的亮度值。2.1.2 归一化建筑指数（NDBI） NDBI是基于建筑物在中红外波段具有较高的光谱反射特性，而在近红外波段的反射值降低的原理而构造。但由于建筑物在中红外与近红外波段的反射值差异不如植被和水体那么明显，因而如果单纯以NDBI＞0来提取城市建筑用地信息，则其中会混有裸地、植被水体等其他地物类型信息。因而NDBI需要融合NDVI和MNDWI两个指数波段进行假彩色合成，才能更好地提取区域建设用地信息，其计算公式为：

式（2）中，MIR为中红外波段, 即TM或OLI的第5波段的亮度值；NIR为近红外波段, 即TM或OLI的第4波段的亮度值。

2.1.3 改进的归一化差异水体指数（MNDWI） 它是在Mcfeeters提出的归一化差异水体指数（NDWI）的基础上，对构成该指数的波长组合重新调整后得到的一种新指数。通过对水体、植被、建筑物的光谱曲线进行了分析,发现水体在MNDWI波段影像上呈高亮度显示，该指数易于将水体与植被、建筑物、裸地等地物区分开[16]。其计算公式为：

式（3）中，Green为绿光波段，即TM或OLI的第2波段的亮度值；MIR为中红外波段, 即TM或OLI的第5波段的亮度值。

2.2 城市地表温度（LST）反演

地表温度反映的是在卫星高度下，传感器所探测到的热辐射强度相对应的地面温度，其反演可采用Artis和Carnahan的算法[17]。即先将Landsat热红外波段灰度值转化为相应的热辐射强度值，像元辐射强度与其DN值有如下关系：

式（4）中，Lλ表示传感器接收到的热辐射强度；DN表示热红外波段的像元灰度值，即Landsat 5的第6波段和Landsat 8 TIRS载荷的第10波段的亮度值；Gain和Bias分别为热红外波段对应的增益和偏置。其次，再将热辐射强度转换为像元亮度温度，计算公式为：

式（5）中，Ts表示像元亮度温度,单位为K；K1、K2为常量，对于Landsat 5卫星，K1= 607.76 W·m-2·sr-1·μm-1，K2= 1260.56 K；对于Landsat 8卫星，K1= 774.89 W·m-2·sr-1·μm-1，K2= 1321.08 K。最后，根据地物的比辐射率将亮度温度转化为地表真实温度，计算公式为：

式（6）中，LST为地表温度（K）；Ts为辐射亮温；λ为热红外波段的中心波长，取值为11.5 μm；ρ = hc/b（1.438× 10-2m·K），b为波尔兹曼常数（1.38×10-23J·K-1），h为普朗克常量（6.626×10-34J·s），c为光速（2.998×108m·s-1）；ε为地物比辐射率，根据相关研究，植被覆盖区、水体、建筑用地和裸地的比辐射率分别可取值0.986、0.995、0.970和0.972[18]（图2，封二）。

3 结果与分析

3.1 柳州市LUCC空间分布特征及动态变化分析

利用ArcGIS 10.0软件工具，对柳州市1991年、2013年两期土地利用/覆盖分类图进行数据统计分析后，得到表1。

从表1中可以看出，近22年间柳州市土地利用状况发生了剧烈的变化。其中，建筑用地面积增幅最大，从83.44 km2增加到189.17 km2，面积净增105.73 km2，变化率为126.71%，年均增幅5.76%。表明柳州市目前正处于快速城市化发展的过程中，研究区内建设用地面积扩张十分显著。建筑用地增加最为明显的区域为柳东新区、柳北区和柳南区，尤其是柳东新区，由于被规划为未来柳州市的新城区和广西的汽车产业发展基地，其区位优势和政策优势非常突出，在政府宏观规划的引导下，新区的大规模开发建设导致建筑用地面积增长日益加快；其次分别是林地、水体，面积分别净增20.16 km2和8.00 km2，变化率分别为8.10%和42.7%。林地和水体属于生态用地类型，它们在维护城市生态系统平衡与稳定方面具有重要的功能。两类用地面积的增加，说明柳州市近年来环境保护工作取得了较大成绩，特别是在城市水环境综合整治、园林绿地与森林城市建设方面成效显著，因而市区及周边的生态环境质量已得到明显改善。与之相反，耕地和裸地则呈现减少趋势，其中耕地面积减少最快，面积从284.38 km2减少到151.63 km2，面积净减少了46.68%，年变化率为-2.12%。通过两期土地利用/覆盖分类图的叠置分析可知，新增的建筑用地主要来源于城市中原有的耕地类型，说明城市建成区的不断扩张是以耕地的占用和缩减为代价的，这也是当前中国城市化发展过程中的普遍现实。

表1 1991—2013年柳州市LUCC的面积及变化率统计Tab.1 The statistical table of LUCC area and rate of change in Liuzhou from 1991 to 2013

3.2 柳州市土地覆盖类型的地表温度统计特征

为揭示城市不同土地覆盖类型的地表温度特征，将柳州市1991年、2013年的地表温度图层与土地利用分类图进行叠加，并根据公式T = K-273.15，将开氏温度（K）转换成摄氏温度（℃），分别统计城市各土地利用类型的地表温度特征值，结果如图3所示。

从图3可以看出，在柳州市各类土地利用/覆盖类型中，林地、耕地、建筑用地、裸地及水体等不同地物的地表温度均不相同，并且相同地物类型在不同监测期的地表温度也存较大差异。统计数据显示，1991年柳州市LUCC的5类地物平均地表温度大小排序为：建筑用地＞裸地＞耕地＞林地＞水体，而2013年大小排序则为：建筑用地＞耕地＞裸地＞林地＞水体。两期数据中建筑用地的地表温度都为最高（25.13℃和21.05℃），且标准差和差异系数也较大。建筑用地主要由水泥硬化路面和建筑屋顶等不透水层覆盖，物质结构中水分含量少，地表潜热容量较小，热传导率大，一旦接收太阳辐射后，地表升温速度会很快。此外，城市建筑用地以商业区、居民区及工业区分布为主，这些区域人口数量密集，经济社会活动频繁，人为热排放量大，也是造成地表温度偏高的重要原因。在LUCC各类地物中，林地和水体是两类典型的低温地物，两期地表温度空间分布图显示，柳州市的低温区集中分布在柳江河、三门江国家森林公园和龙潭公园等重要水体和林地地带。根据图3，研究区水体和林地1991年的地表平均温度较建筑用地分别低4.68℃和2.82℃，2013年则分别低3.07℃和2.62℃，两者相比较，水体的“冷岛”效应要比林地更为显著。由于水的比热容较大，因相变而产生潜热交换，它可以有效调节地表和空气温度增减的速率。

3.3 柳州市土地利用/覆盖对地表温度的综合影响分析

3.3.1 城市LUCC比重与地表温度的相关性分析 为定量揭示区域LUCC比重对城市地表温度的影响效应，利用ArcGIS 10.0软件工具分别在1991年、2013年柳州土地利用分类图上生成1 km×1 km单元的矢量网格，共建立624个网格。利用该软件中的Spatial Analyst工具，将单元格网图层分别与两期地表温度图层进行叠加分析，统计每个单元网格的平均地表温度，同时计算出每个单元网格中土地利用/覆盖的面积，并求出各类地物在网格中的面积百分比，最后在SPSS软件中对各类地物的面积比例与地表温度进行一元线性回归与相关性分析，统计结果见图4。图4中的相关性曲线与回归方程显示，在两期数据中，城市各类地物面积比与地表温度均具有一定的线性关系，但相关性程度差异较大。各地物类型中建筑用地、裸地与地表温度均为正相关关系，而林地、水体与地表温度呈现负相关性。一元线性拟合方程揭示，除裸地（2013年）在P＜0.05水平下呈现相关外，其他线性回归方程均在P＜0.01下呈现显著相关性，说明各土地覆盖类型对于城市地表温度变化都有一定的贡献。1991年时，与地表温度相关性程度最大的地物类型为裸地，复相关系数R2为0.237。裸地主要由城市中裸土、裸石和城市待建的开发用地等构成，其地表热特征与城市建筑相类似，一旦接受太阳辐射后地表温度上升较快，加上20世纪90年代初期，柳州市建设正处于快速扩张期，城市待开发建设用地面积比重较大，因而对同期地表温度的贡献率也最为显著。2013年，各类地物类型中与地表温度相关程度最大为林地，其复相关系数为0.505。大量研究表明，森林植被在减轻城市热岛效应方面起着重要作用，绿色植被的叶面具有遮阳和蒸腾作用，能够降低气温、调节湿度、吸收太阳辐射，其面积大小和数量是改善城市热力环境的重要因子，尤其是伴随城市建筑用地面积的急剧膨胀，这种生态调节作用也越来越明显。

图3 柳州市1991—2013年各土地覆盖类型的地表温度特征Fig.3 The LST of different land cover in Liuzhou from 1991 to 2013

对比两期数据，柳州市林地、建筑用地、水体、耕地与地表温度的复相关系数R2均呈现增大趋势，其中，林地、建筑用地与地表温度的复相关系数变化较为明显，分别从0.2129增大到0.4843，0.1613增大到0.505。该变化意味着随时间的推移，各土地类型对区域地表温度的影响在不断增强。其他类型与地表温度拟合方程的复相关系数虽然较小（R2＜0.1），但由于本研究分析采用的是大数据样本（自由度N＞600），故拟合方程在0.01水平上均是显著的。此外，两期数据的相关性分析结果揭示，耕地属于一种特殊的地物类型，表现在它与地表温度由1991年负相关转变为2013年的正相关关系。其原因在于，耕地作为典型的人工地物类型，受季相与地表作物覆盖变化影响较大，1991年、2013年的卫星影像数据获取时间分别为秋季（10月底）和冬季（12月初），秋季地表仍有一定农作物覆盖，地物光谱特征与林地类似，因而其与地表温度会呈现负相关的关系，研究区冬季的耕地上少有绿色植被覆盖，地表光谱特征与裸地相类似，故其与地表温度会呈现正相关的关系。

图4 研究区各类用地面积比与地表温度的线性相关性（1991、2013年）Fig.4 Correlation between the area ratio of different land and LST in research area（1991、2013）

3.3.2 城市LUCC与地表温度的多元回归分析 影响因子的一元线性回归拟合仅能反映各地物类型与地表温度的两两相关关系，但是在区域尺度上，不同地物类型会对地表温度的变化共同产生作用，为进一步揭示城市LUCC如何对地表温度产生联合影响，即为探讨和解释可能对城市热岛效应中起主导性作用的影响因子（土地覆被类型）。研究利用SPSS 软件对上述格网样本数据进行多元线性回归分析，结果发现1991年、2013年的城市LST与各土地类型比例存在如下关系:

两期分析数据多元线性回归方程的复相关系数R2分别为0.474和0.654，显著性概率P均小于0.01，表明城市地表温度与各土地类型比例之间是显著的线性关系。从回归方程系数来看，1991年，对城市地表温度变化起重要影响的地物类型分别是裸地、建筑用地和水体，其中裸地、建筑用地起着增温作用，水体起着降温作用。2013年，对城市地表温度变化起重要影响的地物类型分别是水体、林地和建筑用地，其中水体、林地起着降温作用，建筑用地起着增温作用。以2013年的水体为例，在假定其他自变量不变的情况下，研究区水体面积比例每增加10%，其地表温度将降低0.22℃。若林地面积百分比每增加10%，区域地表温度则降低0.13℃，这说明在城市化快速发展与热岛效应日益显著的背景下，水体、林地是城市中两类重要的低温地物，而水体的降温效果要比林地明显。

4 结论与讨论

本文利用遥感指数叠加分类法获取城市土地利用/覆盖信息，进而定量分析研究区的土地利用、地表温度时空演化特征和不同土地利用类型对地表温度的联合影响效应，研究结果表明：

（1）1991—2013年的22年间，柳州市LUCC变化剧烈，其中受人为因素影响强烈的地物类型为建筑用地、耕地和裸地，特别是建筑用地和耕地面积比例发生了明显的变化。建筑用地面积净增105.73 km2，增加幅度为126.71%，耕地面积净减少到132.74 km2，面积减少了46.68%，新增的建筑用地主要源于城市中原有的耕地类型。

（2）城市各种LUCC类型的地表温度具有显著性差异，两期统计数据均显示，建筑用地的地表温度最高，水体的地表温度最低。随着城市建筑用地面积的日益扩张，其升温效果显著，是造成城市热岛效应的主要原因之一。

（3）影响因子相关性与多元回归分析揭示，城市中各类地物类型面积比与地表温度都具有一定的相关性，但差异性较大。其中，建筑用地、裸地与地表温度为正相关，林地、水体与地表温度呈负相关。水体和林地作为城市中两类关键的地物类型，在缓解城市热岛效应与改善生态环境质量方面的作用十分显著，两者比较，水体的降温效果要优于林地。

（4）由于受影像空间分辨率、分类方法有效性等因素影响，估算LUCC地物类型面积时，部分混合像元可能会出现错误分类；此外，利用热红外数据进行地表温度多元回归分析时，受反演算法精度、数据获取时间差异、城市下垫面多样性以及分析样本尺度大小等因素影响，从而使得各个研究参数之间的关系变得更为复杂。因而，本研究得出的结论还需结合不同研究区域、不同时相、不同取样尺度等条件，进行进一步验证和分析。

（5）城市热岛效应的影响因素分析已经成为城市遥感研究的一个热点课题，近年来的研究大多聚焦于城市植被指数或覆盖度、不透水层、土壤湿度等生物物理参数与地表温度的相关性问题。诸多研究表明，仅采用单一影响因素解释城市热岛效应有较大的不确定性。地表温度作为指示城市热环境状况的一个关键性遥感参数，其大小受到研究区气候条件、植被覆盖、不透水层、土壤质地以及地形地貌等诸多要素的影响，其异质性分布是多种因子共同作用下的结果。随着研究的不断深入，城市土地利用与土地覆盖景观格局、地表生物物理组分以及人类活动空间强度特征等对于城市热岛的影响机理将是未来研究的重点内容。

参考文献（References）：

［1］ Hung T, Uchihama D, Ochi S, et al. Assessment with satellite data of the urban heat island effects in Asian mega cities［J］ . International Journal of Applied Earth Observation and Geoinformation，2006，（8）：34 - 48.

［2］ Buyantuyev A, Wu. Urban heat islands and landscape heterogeneity:linking spatiotemporal variations in surface temperatures to landcover and socioeconomic patterns［J］ . Landscape Ecology，2010，25（1）：17 - 33.

［3］ 陈锋，何报寅，龙占勇. 利用Landsat ETM+分析城市热岛与下垫面的空间分布关系［J］ . 国土资源遥感，2008，2：56 - 61.

［4］ 夏俊士，杜培军，张海荣，等. 基于遥感数据的城市地表温度与土地覆盖定量研究［J］ . 遥感技术与应用，2010， 25（1）：15 - 23.

［5］ 韩贵锋，叶林，孙忠伟. 山地城市坡向对地表温度的影响——以重庆市主城区为例［J］ . 生态学报，2014，34（14）：4017 - 4024.

［6］ 白杨，王敏，孟浩. 上海市快速城市化过程中地表温度与地表覆盖的关系研究［J］ . 环境污染与防治，2013，35（6）：49 - 54.

［7］ 曹璐，胡瀚文，孟宪磊，等. 城市地表温度与关键景观要素的关系［J］ . 生态学杂志 ，2011，30（10）：2329 - 2334.

［8］ 王敏，孟浩，白杨，等. 上海市土地利用空间格局与地表温度关系研究［J］ . 生态环境学报，2013，22（2）：343 - 350.

［9］ Kong F H, Yin H W, Philip James, et al. Effects of spatial pattern of greenspace on urban cooling in a large metropolitan area of eastern China［J］ . Landscape and Urban Planning，2014，128：35 - 47.

［10］ 孔繁花，尹海伟，刘金勇，等. 城市绿地降温效应研究进展与展望［J］ . 自然资源学报，2013，28（1）：171 - 181.

［11］ 李昕瑜，杜培军，阿里木·赛买提. 南京市地表参数变化与热岛效应时空分析［J］ . 国土资源遥感，2014，26（2）：177 - 183.

［12］ 梁保平，马艺芳，李晖. 桂林市典型园林绿地与水体的降温效应研究［J］ . 生态环境学报，2015，24（2）：278 - 285.

［13］ 孟丹，李小娟，宫辉力，等. 北京地区热力景观格局及典型城市景观的热环境效应［J］ . 生态学报，2010，30（13）：3491 - 3500.

［14］ 张小飞，王仰麟，吴健生，等. 城市地域地表温度——植被覆盖定量关系分析：以深圳市为例［J］ . 地理研究，2006，25（3）：369 -377.

［15］ 张景华，封志明，姜鲁光. 土地利用/土地覆被分类系统研究进展［J］ . 资源科学，2011，33（6）：1195 - 1203.

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

［17］ 徐涵秋. 利用改进的归一化差异水体指数MNDWI提取水体信息的研究［J］ . 遥感学报，2005，9（5）：19 - 25.

［18］ 覃志豪，Zhang M H, Karnieli A, Berliner P. 用陆地卫星TM6数据演算地表温度的单窗算法［J］ . 地理学报，2001，56（4）：456 -466.

（本文责编：陈美景）

The Effects of Urban LUCC Spatio-temporal Structure on Land Surface Temperatures: A Case Study in Liuzhou City

LIANG Bao-ping1，2, LI Xiao-ning1
（1. College of Environment and Resources, Guangxi Normal University, Guilin 541004, China; 2. University Key Laboratory of Karst Ecology and Environmental Change of Guangxi Province, Guilin 541004, China）

The purpose of this paper is to quantitatively analyze the spatial-temporal characteristics of the urban land use and LST, to reveal the impacts of different land use types on LST of Liuzhou which is a heavy industry city in Southwest China. The paper made use of Landsat 5 TM in 1991 and Landsat 8 OLI&TIRS imagery in 2013. And the normalized difference vegetation index（NDVI）, normalized difference built up index（NDBI）, modified normalized difference water index（MNDWI）and land surface temperatures（LST）were extracted by remote sensing techniques. The land use andcover change（LUCC）data was gained by index-overlay classification. The results showed that 1）LUCC of Liuzhou changed drastically over the past 22 years, construction land, cropland and bare land were strongly affected by human factors. The area of construction land increased 126.71%. The newly-added construction land was mainly transformed from cropland. 2）The LST of construction land was the highest, making the main contribution to urban heat island, while the LST of water is the lowest. 3）Correlation analysis and multivariable regression analysis revealed that the proportion of LUCC had certain relation with LST, but there was a significant difference. The proportion of construction land and bare land were positive correlation with LST, things were the opposite for woodlands and water. It is concluded that LST of urban LUCC had significantly differences, woodlands and water could play a very important role in relieving Heat Island Effect, and the cooling effect of water was stronger than woodlands.

land use; land cover change; land surface temperatures; remote sensing techniques; Liuzhou City

F301.24

A

1001-8158（2016）11-0041-09

10.11994/zgtdkx.20161118.092253

2016-01-07；

2016-06-01

国家自然科学基金项目（No41361041）；广西自然科学基金项目（2014GXNSFAA118300）；岩溶生态与环境变化研究广西高校重点实验室（YRHJ15Z005）。

梁保平（1974-），男，陕西西安人，硕士，副教授。主要研究方向为3S技术应用与城市土地利用规划。E-mail: liangbp@163.com