近15年天津市城市热岛时空演变分析

莫玉琴，沈瑶，史俊国，吴鹏海，张振威，沈焕锋

(1.武汉大学资源与环境科学学院，武汉 430079；2.安徽大学资源与环境工程学院，合肥 230601)

近15年天津市城市热岛时空演变分析

莫玉琴1，沈瑶1，史俊国1，吴鹏海2，张振威1，沈焕锋1

(1.武汉大学资源与环境科学学院，武汉 430079；2.安徽大学资源与环境工程学院，合肥 230601)

鉴于研究城市热岛效应对监测气候变化、城市扩张等的重要指导作用，该文借助天津市夏季Landsat-5/7/8卫星热红外遥感数据，使用影像拼接技术获取几乎覆盖整个天津市的影像，并运用基于发射率校正的陆面温度反演模型得到1999年、2001年、2006年、2009年和2013年的近似地表温度分布图，以进行天津市近15年城市热岛演变分析研究；采用温度稳定比例的相对分级策略与首次提出的相对离散度指标，对天津市城市热岛进行整体分析，并对特殊局部和重点地区进行了细致分析，同时分析了中心城区-滨海新区沿线的温度变化情况。研究表明：天津市城区热岛分布呈现“由分化总，由总化分”的趋势，滨海新区热岛现象先增强后减弱，天津市北部近年来热岛现象加强，中心城区、滨海新区“双热岛”向中心城区-滨海新区沿海河线“热岛群”转变。

热岛效应；相对离散度；时空演变；天津市；Landsat

0 引 言

城市化进程不断加快，随之产生的城市热岛效应(Urban Heat Island，UHI)[1]越来越不容忽视。城市热岛是城市气候的典型特征，是一种由于城市建筑和人们日常活动导致城区相对郊区温度更高的现象。该现象已经严重影响人们的生活和经济的发展[2-3]。研究城市热岛对于监测气候变化[4]、土地利用情况[5]与城市扩张[6]等具有战略性指导意义。

对城市热岛的研究一直是学者关注的焦点。在早期，学者多以气温作为载体研究城市热岛[7]，但气温数据一般从气象台站观测，不能反应整个城市的空间分布情况；而通过遥感手段反演的地表温度数据具有一定的时空连续性、周期性，在城市热岛研究中具有巨大的潜力。Rao等人首次使用ITOS-1卫星数据制作了美国大西洋中部沿海城市的城市热场分布图，对城市热岛效应进行了初步研究[8]。Gallo等利用AVHRR数据开创了对热岛效应影响因子(植被指数)的研究[9]。Streutker等获取了休斯敦地区1985年～1987年间和1999年～2001年间的数百景夜间NOAA 影像，并制作了地表温度图，系统地分析了这两个时期的城市热岛特征[10]，是国际上较早的对热岛效应不同时间序列的研究。Liu等分析了印第安纳的景观模式与地表温度的关系随季节的变化情况[11]。Ma等结合城市化过程分析了城市热环境与生态环境之间的相互作用[12]。Xu等以泸州为例对城市热岛的评估和监控方法等进行了探讨，而如何利用多时相的遥感数据动态地监测和评估城市热岛效应已成为研究的热点[13]。

作为中国北方重要的集经济、文化、国际交往于一体的重要城市之一的天津市，对其城市热岛效应的研究自然引起众多学者的兴趣。早在1988年，边海等[14]利用数值模拟的方法结合少量气象站点对天津市夜间的城市热岛进行了研究；孙奕敏等[15]1998年利用地面气温资料分析了天津市的热岛强度、高度、临界风速和热岛模式；黄利萍等[16]运用14个气象站资料分析了2008年天津市城市热岛效应的时空特征。近年来学者们广泛利用Landsat卫星数据进行研究，如韩素芹等[17]、程晨等[18]运用Landsat TM/ETM+亮温数据对天津市部分地区进行了城市热岛的分析；司敏等利用Landsat数据，对天津市滨海新区温度分布以及对城市热岛分布变化进行分析[19]；赵全勇等利用 Landsat TM/ETM+亮温数据及景观格局指数分析城市热岛在天津城市化进程中的演变特征[20]。然而，现有研究多集中于天津市中心城区或其他部分城区，对天津市进行整体研究的工作还不多见；另一方面，现有研究所用的数据都在2010年之前[21]，而近几年天津市城市发展迅速，利用现势性的数据进行热岛演变分析显得尤为必要。

本文收集1999年、2001年、2006年、2009年、2013年天津市夏季[22]的Landsat卫星遥感影像，结合Landsat-5、Landsat-7和Landsat-8的TM/ETM+/TIRS 3种传感器数据，进行近15年长时序的城市热岛研究，将相对离散度的概念引入热岛研究中，并图示中心城区-滨海新区沿线的变化，以分析天津市城市热岛时空演变情况及局部地区发展对整个天津市热岛分布的影响。

1 研究区域与研究数据

天津市城区位于中国华北平原的东部(38°34′N至40°15′N，东经116°43′E至118°04′E)，太平洋西岸环渤海湾边，属暖温带半湿润大陆季风气候区。

Landsat数据因其较高的空间分辨率和较好的时间连续性，被认为是现阶段进行城市热岛研究的最佳遥感数据[23]。根据天津市地理范围，理论上需要下载4个条带号(122/32、122/33、123/32、123/33)的Landsat数据；但条带号为122/33和122/32的Landsat就能覆盖除少数西部地区外的99.5%以上的天津市地区，故本文采用这两个行列号的Landsat数据。数据采集的时间与对应Landsat传感器及热红外波段的空间分辨率，如表1所示。

表1 Landsat 遥感数据

2 近似地表温度数据反演

很多城市热岛研究考虑亮度温度，而亮度温度是传感器在卫星高度所观测到的热辐射强度对应的温度，受大气和地表对热辐射传导的影响，其分布规律可能与实际存在较大误差，故本文尝试利用近似地表温度来进行研究。较成熟的Landsat地表温度反演方法包括单窗算法[24]、普适性单通道算法[25]、基于发射率校正的陆面温度反演模型[26]等。由于城市热岛年际研究对地表绝对温度的精度要求不高，主要关注不同区域之间的相对温差，加之在温度反演时所需的大气水汽含量等参数获取较为困难，因此，本文采用相对简单的发射率校正模型来反演近似地表温度。尽管该方法未进行大气校正，忽略了大气辐射因素对地表温度反演的影响[27]，却仍被广泛应用于年际的城市热岛研究[28-29]。本文进行的是天津市近15年的分析，涉及到Landsat-5、Landsat-7和Landsat-8数据，因此需要对LandsatTM/ETM+/TIRS这三种传感器数据进行地表温度反演。根据发射率校正的陆面温度反演模型，地表温度反演一般分为三步：辐射强度计算、亮度温度计算、近似地表温度计算。需要注意的是，Landsat TIRS有两个热红外波段(波段10和波段11)，根据相关文献的结论[30]，本文采用波段11进行温度反演。

2.1 DN值转辐射强度

根据数据自带的定标系数将影像DN值转化为相对应的辐射强度，转换公式为：

L(λ)=M(L)Q(cal)+A(L)

(1)

式中，L(λ)为传感器所接收到的辐射强度(mW·cm-2·sr-1·μm-1)，Q(cal)为Landsat数据的像元灰度值，参数M(L)和A(L)可分别从Landsat数据头文件中获取。

2.2 辐射强度转亮度温度

由辐射强度求取相应的亮度温度可根据Planck函数计算，也可根据下式进行近似计算：

Tsensor=K2/ln(1+K1/L(λ))

(2)

式中，Tsensor为像元的亮度温度(K)，K1和K2为卫星发射前的预设的常量。对于Landsat的3种不同传感器，其K1、K2数值分别如下：

表2 Landsat不同传感器的K1、K2参数值

2.3 亮度温度转近似地表温度

Landsat的亮度温度转近似地表温度的计算可分为两步，首先通过植被覆盖率运用Van经验公式求得自然地表的比辐射率，然后根据地表比辐射率和亮度温度求出近似地表温度。

①根据Van经验公式[32]，利用植被指数求得地表比辐射率：

ε=1.0094+0.047ln(NDVI)

(3)

式中，ε为地表比辐射率，NDVI是植被指数，式(3)仅当0.157

②根据地表比辐射率和亮度温度求近似地表温度，运用下面的公式[36-37]：

(4)

式中，LST(LandSurfaceTemperature)为地表温度，Tsensoer为亮度温度，ε为地表比辐射率。λ为热红外波段的中心波长(11.45μm)，ρ=1.438×10-2mK。

3 分析方法及技术流程

3.1 数据预处理

前面已经提到对条带号为122/32和122/33的Landsat图像进行拼接，能得到覆盖99.5%以上的天津市Landsat数据。但由于不同热红外传感器分辨率不一致，无法准确拼接，需要对不同分辨率的数据进行重采样，故本文将数据的空间分辨率统一重采样为60m。鉴于温度反演、拼接、重采样的顺序可能会对最终反演的温度有一定的影响，本文通过实验，发现以拼接-重采样-温度反演的顺序处理数据更为合理。

3.2 温度分级标准

现有城市热岛的研究大多采用绝对分级方式[38]，鉴于城市热岛效应是指城区气温明显高于郊区气温，而每年夏季的最高地温或气温并不相同，对于多年份的研究考虑绝对分级并不适宜，故本研究中采用相对分级的方式来进行讨论。实验中根据排序百分比来进行密度分割，先将可能存在的由于反演误差等原因造成的奇异点去除，然后将剩下的像素按温度升序排列，并根据下列百分比(经多次试验确定)将温度数值分成五级(表3)。本研究将每幅图中极高温、高温、中温、低温、极低温的百分比设置相同，便可在区域这个相对概念上来考虑热岛效应，因而更易从全局的角度来分析热岛。

3.3 相对离散度分析方法

在天津市的相对分级分界表中，我们主要关心的是红色极高温区域。由于红色区域在图上的百分比相同(2.5%)，只是分布不同，而不同的分布情况中蕴含着城市热岛的时空演变趋势，因而为了使演变趋势更直观，并且能从量化的角度来进行分析，故本文提出了相对离散度的概念，并用其对城市热岛进行研究分析。本文中红色聚集区是指行方向上连续的红色像素点超过20个的区域，其中心是指满足20这个阈值时的区域的中点，则一行上可能有多个中心。此时，相对离散度的定义为图面上每个红色聚集区中心与其他红色聚集区中心连线长度的平均值，即指极高温聚集区中心之间距离的平均值，具体见公式(5)。

表3 基于百分比的温度分界线

(5)

其中，Discrete为相对离散度，n为聚集区的个数，x，y分别为第i个聚集区中心像素的行、列号。

3.4 技术流程

本文结合间隔5个年份、包含天津市的Landsat数据，研究该市的城市热岛效应，具体步骤如下：

①采用基于发射率校正的陆面温度反演模型，对Landsat卫星的3种传感器数据进行近似地表温度反演，并选取最优的处理顺序，即先进行拼接，然后重采样，最后进行温度反演。

②采用相对分级方式对近似地表温度数据进行密度分割得到空间分布图，在此基础上首次提出相对离散度的概念并绘制了极高温区域的相对离散图。

③基于天津市近15年年鉴资料和地图资料，结合空间分布图、相对离散度图分析天津市热岛时空演变的情况，并对特殊局部和重点地区进行了详细的讨论，进而研究了中心城区-滨海新区沿线温度变化。

本研究的具体流程图如图1所示。

图1 天津市热岛分析流程图

4 实验结果与分析

4.1 热岛分布与演变的整体分析

根据上文提到的相对分级标准，得到天津市热岛空间分布图(图2)。

在图2的基础上，根据本文所提出的相对离散度的概念，可得到热岛相对离散图，如图3所示。(其中白线是指红色聚集区间的连线)，同时计算各年份的相对离散度值，见表4。

表4 各年份相对离散度

下面将结合图3的相对离散图和对应年份的年鉴资料对天津市热岛分布的时空特征进行总体分析。

图2 天津市热岛空间分布图

从1999年的天津市热岛相对离散图(图3(a))可以看出，热岛主要分布在天津市西侧，且呈纵向分布，各热岛间相距较远，聚集程度较低，因而计算得到的相对离散度较大。从图3(a)中可看出中心城区与滨海新区并没有非常明显的热岛现象，高温区域主要集中在中心城区、静海县、大港区和北部部分地区，汉沽区和塘沽区多处在低温区域，但河流入海口处温度较周边地区略高。这是由于中心城区大部分地区为老城区，人口密度较大，尤其是中心偏西北地区，如红桥区、河北区、和平区、河东区、南开区等。

在2001年的天津市热岛相对离散图上(图3(b))，可看出热岛有明显的从北部和南部向中心聚拢的趋势，主要集中在中南部，且热岛趋于密集，因而相对离散度骤减。其中，中心城区和滨海新区附近连线较为密集，说明热岛向此两处移动。即滨海新区在1999年到2001年间发展较为迅速，且中心城区作为主要发展对象，其向周围的辐射发展较为强烈，其中尤以北辰区热岛效应最为显著。

在2006年相对离散图上(图3(c))可看出，热岛几乎全部分布于中部地区，热岛的高度集中使相对离散度急剧下降到376.04。图上可明显地看到武清区、中心城区、河海中游地区和滨海新区核心区这条极高温聚集带，即“京滨综合发展轴”[39]。此时的极高温区域多位于中心城区，其次是塘沽区的入海口处。查看该年年鉴[40]，中心城区与塘沽区的年平均温度分别居第一、二位，这两处作为重点发展对象，形成高新技术产业密集带，因而高温区域首先在此处聚集。

在2009年的相对离散图上(图3(d))可直观地看出中心城区和滨海新区这两个具有绝对热岛优势的热岛中心，且此两处相向拓展，中心城区沿海河向下游区域主动对接，滨海新区核心区沿海河向上游区域扩展，多年来极高温与高温区域的变化体现了两者间连通度的高度增强。但由于中心城区与滨海新区本身所处地理位置的距离问题，此时的相对离散度并不是5年中最小的。与2006年图比较，中温区域向中部和东部聚集，两者间的连通度大大增加，中心城区和滨海新区的热岛效应向四周辐射强烈，其中尤以向东显著，形成“东部滨海发展带”[39]，贯穿宁河、汉沽、滨海新区核心区、大港等区县。

在2013年图上(图3(e))可看出，热岛分布又开始重新扩散开来，有向西北部和北部发展趋势，因而热岛相对离散度大大增加。中心城区与滨海新区的绝对热岛地位开始改变，滨海新区的极高温区域急剧减少，而中心城区的热岛效应也开始向北转移，宝坻区和蓟县高温区域增加，热岛效应增强，形成贯穿蓟县、宝坻、中心城区、西青和静海的“西部城镇发展带”[39]。宝坻区与武清区间的高温区域通过津蓟线铁路延伸，而武清区与中心城区沿北运河形成热岛带，从而构成了汉沽区-塘沽区-中心城区-武清区-宝坻区-蓟县这六点一线的格局。

从不同年份的5景天津市空间离散图组中可明显地看到天津市“由分化总，由总化分”的发展趋势。在20世纪末和21世纪初，主要加大中心城区与滨海新区的发展力度，将“分”化“总”，从而热岛向此两处聚集；而近年来，加大周边地区与北部的发展，将“总”化“分”，热岛又重新分散开来。上述研究分析很好地证实了天津市的空间布局已从“单核增长”转为沿海河道路“轴线铺开”，“东部滨海发展带”与“西部城镇发展带”通过“双城相向拓展”形成了现今“一条扁担挑两头”的格局[39]。

4.2 热岛分布的局部分析

上文中已经分析了1999年～2013年天津市热岛分布的总体趋势，然而图2上有某些特殊的局部出现低温或高温，因而在此对这些特殊区域进行分析。

在1999年的图上(图2(a))，天津市北部出现两个极高温区，这年天津夏季十分酷热，其极端最高温达41.7℃，就出现在北部的蓟县。此外，1999年该市西南部(即静海县内)和大港区部分地区出现了极高温区域，以农业用地为主且水资源较为丰富的郊区温度本应较低，却出现了极高温的热岛现象。这是因为1999年天津市气候明显异常，冬夏两季降水偏少，全市范围内干旱严重，尤其是大港区降雨量只有292.5mm，导致地表含水较少，且主要作物冬小麦和玉米都已收割，地表多裸露。

在2001图上(图2(b))可看出市内六区中的南开区和河西区温度较其他四区明显较低，因为此区域植被覆盖率高，多为公园绿地等，而其他四区的建筑工业面积较大。滨海新区极高温与高温区域说明其先行发展的主要对象集中在塘沽区和汉沽区，其中尤以塘沽区的河流入海口处的片状区域热岛效应明显。武清区作为天津与北京的纽带，其高温区域也明显增加，与中心城区沿河沿京津唐高速公路加强连接。

在2006图上(图2(c))，宁河县与周边地区多呈现极低温与低温，与2001年情况相差较大，通过年鉴可知该年宁河县的年平均气温是全市最低，为12.1℃，且降水量是全市最高，为563mm，因而此时宁河县相对于全市而言多为低温区域。北大港水库多为中温区域，源于2006年为植被长势最佳时期[41]，而植被与地表温度关系密切[42]，因而此区域与多数植被区相近，相对于总体为中温。

在2009图上(图2(d))，蓟运河附近有极高温和高温区域，其中以宁河与汉沽区的行政中心为热岛中心，且通过蓟运河与塘沽区连接一起，呈现以条带状分布的热岛。另外，潮白河东侧即宝坻区南部多为极低温，这是因为宝坻区南部为洼区，发展以水为龙头的农业综合发展示范区，该区域内的黄庄乡是天津市三大湿地之一，大面积种植水稻，故该区域温度相对全市较低。

在2013年图上(图2(e))，蓟县和宝坻区分别出现极高温现象，主要是由于宝坻经济开发区、九园工业园区等的高速发展，并且又有津蓟铁路、津蓟高速公路等的依托，使宝坻区和蓟县近几年来发展尤为迅速。

本文对城市热岛的研究是基于稳定百分比的，因而局部的发展能够影响整体的热岛分布，而整个天津市热岛的分布格局又反映局部的发展情况。受局部的农业、工业、经济开发区、降水、道路等的影响，特殊高温区从西南部和北部到滨海新区再到北部蓟县和宝坻区，与特殊低温区的呼应，进一步说明了天津市“由分化总，由总化分”的发展趋势。

4.3 中心城区—滨海新区沿线温度变化分析

从上述热岛分布图的结果可以看出，天津市中心城区与滨海新区的热岛效应现象变化明显，尤有讨论价值，故重点分析。现将中心城区与滨海新区连线，沿线选取20个样本点，将其温度减去该年样本点温度的平均值，得到中心城区——滨海新区沿线温差变化图(图4)。

上述总体温度变化折线大致成两头高、中间低的“U”形曲线，即中心城区和滨海新区的热岛效应显著。由1999年的折线可知，最高温差出现在中心城区处，差值近12℃，此时中心城区具有绝对的热岛地位，滨海新区温差较中心城区低了近5℃，热岛现象并不明显。2001年中心城区和滨海新区的温差大致相等，说明滨海新区在此期间发展力度加大，热岛现象大大增强。从1999年与2001年的变化折线上可看出，除了中心城区和滨海新区这两个热岛中心外，连线中部地区出现了一个温度峰值，地处于京哈线与京津高速的交汇处，说明此时这三处的热岛地位较为相近，同时也表明热岛强度总体较弱。在2006折线上，只有中心城区和滨海新区这两个绝对峰值的存在，此时呈现“双热岛”局面。然而此时最高温差下降到5℃左右，热岛间差别减弱，且折线整体与1999年、2001年的折线相比，中部较为平缓，表明热岛向周围辐射扩展，中心城区-滨海新区沿河、京滨高速发展迅速，热岛强度大大增强。且2009年折线滨海新区的温差比中心城区低近5℃，意味着滨海新区热岛地位开始下降，热岛开始向其他区域转移。从2013年的折线可明显看到折线起伏不集中，即高温差较为分散，有多个峰值出现，意味着沿线出现多热岛中心，呈现中心城区-滨海新区沿线热岛群局面。

中心城区-滨海新区沿线的变化既是局部中变化最显著的区域，又能反映总体的变化情况。中心城区和滨海新区城市热岛现象的加强表明了热岛正向此两处集中，则是“由分化总”；滨海新区热岛地位的下降，以及沿线多热岛中心的出现，又意味着“由总化分”的趋势。

5 结束语

本文结合5个间隔年份Landsat近似地表温度数据，利用相对分级策略和本文首次提出的相对离散度的计算方法定量分析近15年天津市的城市热岛时空演变情况。结果表明：近15年来天津市热岛效应明显；2009年之前，天津市热岛中心呈现从分散的多热岛向中心城区、滨海新区双热岛转变，且聚集的程度越来越高；2009之后，中心城区与滨海新区由绝对热岛重新扩散形成多热岛格局。因而，天津市的热岛分布整体上呈现“由分化总，由总化分”的变化趋势，即由中心城区、滨海新区“双热岛”的“单核增长”模式向中心城区-滨海新区沿海河道路“轴线增长”的热岛群和“多热岛中心”转变。

虽然本文已研究了天津市15年来的城市热岛的变化情况，但由于数据质量问题本文只利用了5个间断年份的数据，导致无法进一步对连续年份之间的热岛演变格局进行分析。而且，本文未对引起城市热岛的影响因子进行深入定性、定量的研究分析，尤其是城市扩张过程中不透水层面积等对城市热岛的影响。此外，尽管基于发射率校正的地表温度反演模型仍广泛用于多时相遥感城市热岛研究，但由于其忽略了大气辐射因素，只能近似为地表温度，目前已经有一些温度反演新算法用于城市热岛研究，研究反演算法对热岛分析的影响也将是后续的工作重点。

[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] HOWARD L.Climate of London deduced from meteorological observation[M].Harvey and Darton，1833.

[3] 肖荣波，欧阳志云，李伟峰，等.城市热岛的生态环境效应[J].生态学报，2005，25(8)：2055-2060.

[4] ZHAO Z C，LUO Y，HUANG J B.Are there impacts of urban heat island on future climate change[J].Advances in Climate Change Research，2013，4(2)：133-136.

[5] 宫阿都，陈云浩，李京，等.北京市城市热岛与土地利用/覆盖变化关系的研究[J].中国图像图形学报，2007，12(8)：1476-1482.

[6] DANIEL A，JASON P E，LLUIS F，et al.Temperature response to future urbanization and climate change[J].Climate Dynamics，2014，42(7-8)：2183-2199.

[7] WENG Q H，YANG S H.Managing the adverse thermal effects of urban development in a densely populated Chinese city[J].Journal of Environmental Management，2004，70(2)：145-156.

[8] RAO P K.Remote sensing of urban heat islands from an environmental satellite[J].Bulletin of the American Meteorological Society，1972，53(7)：647-648.

[9] GALLO K P，MCNAB A B.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.

[10] STREUTKER D R.Satellite-measured growth of the Urban Heat Island of Houston，Texas[J].Remote Sensing of Environment，2003，85(3)：282-289.

[11] LIU H，WENG Q.Seasonal variations in the relationship between landscape pattern and landsurface temperature in Indianapolis，USA[J].Environmental Monitoring and Assessment，2008，144(1)：199-219.

[12] MA Y，KUANG Y，HUANG N.Coupling urbanization analyses for studying urban thermal environment and its interplay with biophysical parameters based on IM/ETM+ imagery[J].International Journal of Applied Earth Observation and Geoinformation，2010，12：110-118.

[13] XU H X，CHEN Y H，DAN S M，et al.Dynamical monitoring and evaluation methods to urban heat island effects based on RS&GIS[J].Procedia Environmental Sciences，2011，10：1228 -1237.

[14] 边海，铁学煕.天津市夜间城市热岛的数值模拟[J].地理学报，1988，43(2)：150-158.

[15] 孙奕敏，边海.天津市城市热岛效应的综合性研究[J].气象学报，1988，46(3)：341-348.

[16] 黄利萍，苗俊峰，刘月琨.天津城市热岛效应的时空变化特征[J].大气科学学报，2012，35(5)：620-632.

[17] 韩素芹，郭军，黄岁梁，等.天津城市热岛效应演变特征研究[J].生态环境学报，2007，16(2)：280-284.

[18] 程晨，蔡喆，闫维，等.基于Landsat TM/ETM+的天津城区及滨海新区热岛效应时空变化研究[J].自然资源学报，2010，25(10)：1727-1737.

[19] 司敏，荆平.基于Landsat TM/ETM+的城市热岛效应分析与研究--以天津市滨海新区为例[J].青年科学，2013，34(4)：287.

[20] 赵全勇，孙艳玲，王中良.程式化进程中天津城市热岛景观格局变化分析[J].天津师范大学学报，2014，34(2)：49-55.

[21] 程晨.天津市中心城区和滨海新区热岛效应研究[D].天津：南开大学，2011.

[22] 周纪，陈云浩，李京，等.基于遥感影像的城市热岛容量模型及其应用--以北京地区为例[J].遥感学报，2008，12(5)，734-742.

[23] LEE L，CHEN L Q，WANG X X，et al.Use of Landsat TM/ETM+ data to analyze Urban Heat Island and its relationship with land use/cover change[C].Remote Sensing，Environment and Transportation Engineering (RSETE)，2011，922-927.

[24] 覃志豪，ZHANG M H，ARNON K，等.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.

[25] 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，2003：108.

[26] ARTIS D A，CARNAHAN W H.Survey of emissivity variability in thermography of urban areas[J].Remote Sensing of Environment，1982，12(4)：313-329.

[27] 丁凤，徐涵秋.基于Landsat TM的3种地表温度反演算法比较分析[J].福建师范大学学报(自然科学版)，2008，24(1)：91-96.

[28] LI J X，SONG C H，CAO L，et al.Impacts of landscape structure on surface urban heat islands：A case study of Shanghai，China[J].Remote Sensing of Environment，2011，115：3249-3263.

[29] LI Y Y，ZHANG H，WOLFGANG K.Monitoring patterns of urban heat islands of the fast-growing Shanghai metropolis，China：Using time-series of Landsat TM/ETM+ data[J].International Journal of Applied Earth Observation and Geoinformation，2012，19：127-138.

[30] 陈云.基于 Landsat -8 的城市热岛效应研究初探--以厦门市为例[J].测绘与空间地理信息，2014，37(2)：123-128.

[31] 徐涵秋，陈本清.不同时相的遥感热红外图像在研究城市热岛变化中的处理方法[J].遥感技术与应用，2003，18(3)：129-133.

[32] VAN DE GRIEND A A，OWE M.On the relationship between thermal emissivity and the normalized difference vegetation index for nature surfaces[J].International Journal of Remote Sensing，1993，14(6)：1119-1131.

[33] MASUDA K，TAKASHIMA T，TAKAYAMA Y.Emissivity of pure and sea waters for the model sea surface in the infrared window region[J].Remote Sensing of Environment，1988，24(2)：313-332.

[34] 宫阿都，江樟焰，李京，等.基于Landsat TM图像的北京城市地表温度遥感反演研究[J].遥感信息，2005，20(3)：18-20.

[35] 张成才，陈东河，董洪涛.基于Landsat-5 TM数据的河南省白沙灌区地表温度反演研究[J].遥感技术与应用，2013，28(6)：964-968.

[36] WENG Q H，LU D S，SCHUBRING J.Estimation of land surface temperature-vegetation abundance relationship for urban heat island[J].Remote Sensing of Environment，2004，89(4)：467-483.

[37] XIAO R B，OUYANG Z Y，ZHENG H，et al.Spatial pattern of impervious surface and their impacts on land surface temperature in Beijing，China[J].Journal of Environmental Sciences，2007，19(2)：250-256.

[38] 吴学伟，杨冰，智长贵，等.基于遥感和GIS的哈尔滨城区热岛效应研究[J].技术应用，2006，4(5)：63-66.

[39] 天津市规划局.天津市城市总体规划(2005-2020)[EB/OL].http：//www.cityplan.gov.cn/cityplan/news.aspx?id=315.

[40] 天津市统计局.天津统计年鉴[M].北京：中国统计出版社，2007.

[41] 刘克，赵文吉，杜强，等.北大港湿地动态变化特征研究[J].资源科学，2010，32(12)：2356-2363.

[42] ANDREW A M，MELISSA T，ANDREW E L，et al.Vegetation placement for summer built surface temperature moderation in an urban microclimate[J].Environment Management，2014，53(6)：1043-1057.

Temporal and Spatial Evolution of Tianjin Urban Heat Islands in Recent 15 Years

MO Yu-qin1，SHEN Yao1，SHI Jun-guo1，WU Peng-hai2，ZHANG Zhen-wei1，SHEN Huan-feng1

(1.SchoolofResourceandEnvironmentalSciences，WuhanUniversity，Wuhan430079；
2.SchoolofResourcesandEnvironmentalEngineering，AnhuiUniversity，Hefei230601)

With the acceleration of urbanization，the urban heat island effect is becoming more and more obvious，which has played an important role in climate change monitoring，urban expansion and so on.Series of Landsat satellite data were used to analyze the temporal and spatial evolution of Tianjin urban heat islands in recent 15 years.The summer Landsat images which covered Tianjin in 1999，2001，2006，2009 and 2013 are used in this paper.Image mosaic technology and the emissivity-corrected land surface temperature (LST) inversion model are conducted to obtain approximate LST data of almost the entire Tianjin.Then，the spatiotemporal evolution of UHI is examined and analyzed quantitatively by adopting the relative proportions and the relative dispersion respectively，and it is the first time the latter is proposed in this field.In addition，the specific areas and the key regions are contended intensively.Moreover，the UHI phenomenon within the central city and the Binhai New Area is also analyzed in this article.The results demonstrate that the UHI phenomenon in Tianjin is obvious，and it also shows a pattern of becoming striking at first and then less notable in Binhai New Area，while the phenomenon becomes remarkable in the northern part in recent years.Moreover，there is a considerable tendency that the UHI phenomenon in Tianjin is from centralized to scattered and then in turn.According to the illustrating temperature difference variation along central city and Binhai New Area，it can be seen that the UHI phenomenon along the two areas has gradually grown stronger gradually in recent years，and has transformed from two islands to island group along the line.

urban heat island；relative dispersion；temporal and spatial evolution；Tianjin city；Landsat

2014―06―19

2014―12―01

国家863计划项目(2013AA12A301)；武汉大学国家大学生创新创业训练计划项目(201310486037)；国家基础科学人才培养基金《武汉大学地理科学理科基地》(J1103409)。

莫玉琴(1993—)，女，在读本科生，研究方向为地理信息系统与遥感。

E-mail：moyuqindoliy@163.com

10.3969/j.issn.1000-3177.2015.05.016

X16

A

1000-3177(2015)141-0102-09