基于Landsat8卫星影像的重工业城市热岛效应研究——以柳州市为例

黎良财，Deng-sheng LU，张晓丽，邓 利，买凯乐

(1.北京林业大学 林学院，北京 100083；2.广西生态工程职业技术学院，广西 柳州 545004；3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

基于Landsat8卫星影像的重工业城市热岛效应研究
——以柳州市为例

黎良财1,2,3，Deng-sheng LU3，张晓丽1，邓 利2，买凯乐2

(1.北京林业大学 林学院，北京 100083；2.广西生态工程职业技术学院，广西 柳州 545004；3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

以中国南方重工业城市广西柳州市为研究区，选择2013年12月、2014年6月Landsat8 OLI/TIRS多光谱和热红外影像为数据源，经辐射定标、大气校正等预处理后采用单窗算法反演地表温度(LST)，利用决策树方法进行土地利用/覆盖分类，并分析柳州市城市热岛的时空分布特征、地表温度与土地利用/覆盖的关系等相关规律。结果表明：柳州市存在明显的热岛效应，夏季热岛强烈区域面积比冬季增加72.54％；地表温度与土地利用/覆盖有显著关系，地表平均温度表现为城市＞裸地＞耕地＞林地＞水体，在城市建成区适当增加绿化和水体面积是缓解城市热岛效应的有效方法。

城市热岛；Landsat8 OLI/TIRS；地表温度；土地利用/覆盖；重工业城市

1833年英国化学家Lake Howard对伦敦城区和郊区的气温进行同步观测后，发现了城区温度比其四周郊区温度高的现象[1]，Manley于1958年首次提出城市热岛(Urban Heat Island，UHI)的概念[2]。现在普遍认为，城市热岛效应是指当城市发展到一定规模，由于城市下垫面性质的改变、大气污染以及人工废热的排放等使城市温度明显高于郊区，形成类似高温孤岛的现象[3]。

城市热岛现象是人类活动对全球气候变化产生影响的最显著表现之一。热量平衡是城市热岛形成的能量基础，城市化改变了下垫面的性质和结构，增加了人为热，从而影响城市热量平衡[3]。研究认为，城市热量平衡各因素变化与下列因子有关：一是城区自然植被逐渐被水泥和沥青地面所代替，用于潜热蒸发的地表水分逐渐减少，控制地表热通量的主要因子(如反照率、热容、热传导率等)发生了明显的变化，导致城区反射率小，吸收热量多，蒸发耗热少，辐射散失热量慢，与邻区相反；二是城区人类活动和热量排放比郊区大；三是城区大气污染物浓度大，气溶胶微粒多，在一定程度上起了保温作用[4]。

随着全球经济发展和人口的增长，世界性城市化、工业化程度不断提高，城市热岛效应越来越明显，热岛的强度也越来越大，极大地影响着城市生态环境和城市居民日常生活，引起了各国政府、研究机构的高度重视和广泛关注。纵观城市热岛研究的内容，可以大致概括为热岛的形态和结构研究、热岛的过程与变化研究以及热岛的变化机制研究[5]。而目前城市热岛的研究方法主要有以下4大类：第1类通过城市和郊区的历年气象资料分析城市热岛的动态和现状；第2类通过遥感影像资料研究热岛的时空特征与热岛强度；第3类通过数值模拟；第4类通过布点观测[6]。随着热红外遥感数据源的增多、影像空间分辨率的提高以及地表温度反演算法的成熟，遥感手段已被广泛用于城市热岛相关的研究中。相比于传统的外场定点观测获取的孤立点数据，通过遥感手段获取的数据具有时间上的同步性和空间上的连续性，且具有覆盖范围广和周期性观测的特点[4]，对于研究城市热岛的平面布局、内部结构等特征具有优势。

本研究以中国南方典型的重工业城市柳州市为研究区，利用Landsat8 OLI/TIRS多光谱和热红外影像为数据源反演各种地表参数，利用决策树方法对土地利用/覆盖分类，并分析了城市热岛的时空分布特征、地表温度与土地利用/覆盖的关系等相关规律。

1 研究区概况

柳州市位于广西壮族自治区中北部，地处北纬23°54′～26°03′，东经 108°32′～110° 28′之间，属中亚热带季风气候区，夏半年盛行偏南风，高温、高湿、多雨；冬半年盛行偏北风，寒冷、干燥、少雨；夏长冬短、雨热同季，光、温、水气候资源丰富[7]。下辖4城区(柳北、柳南、城中和鱼峰)和6县(柳江、柳城、鹿寨、融安、融水、三江)[7]，全市总面积18 686km2，其中市区面积约为1 016km2，总人口375.87万；是中国南方西江经济带上的重要工业城市，是中南、西南地区的交通枢纽。本研究以柳州市建成区为研究区，北至北环高速路，南至白莲机场控制线，西至拉堡镇，东至阳和工业区，总面积约为700km2，见图1。

图1 研究区位置示意Fig.1 A map of the study area

2 研究方法

2.1 数据收集与预处理

2.1.1 数 据

采用研究区2013年12月4日(简称冬季影像)和2014年6月14日(简称夏季影像)Landsat 8 OLI/TIRS(轨道号125/43)冬夏2期影像，卫星过境时间为当地上午11：10分左右，晴朗无云、能见度高、图像质量较好。Landsat 8携带2种传感器：一是光学陆地影像(Operational Land Imager,OLI)传感器，除了保留有以往陆地卫星传感器的波段特征外，还增加了深蓝(用于海岸和气溶胶研究)、短波红外(用于检测卷云)和质量评价3个波段；二是热红外(Thermal Infrared Sensor,TIRS)传感器，提供2个热红外波段；两种传感器的辐射分辨率超过12-bit，其主要性能参数[8,9]见表1。遥感影像从美国地质调查局(USGS)获取，级别为Level 1T(L1T)，L1T数据经过了系统辐射校正和地面控制点几何校正，地图投影为UTM，坐标系统为WGS84，USGS在数据分发前将TIRS10/11重采样到30m以匹配OLI传感器的多光谱波段，并将所有波段的像元灰度级拉伸到16-bit，存储为GeoTIFF格式单波段影像[8]。

表1 Landsat 8影像的主要参数Table 1 Key characteristic of Landsat 8 satellite imagery

2.1.2 数据预处理

获取遥感影像后，先对其进行辐射定标，大气校正等预处理。辐射定标是将遥感影像的DN值转换成对应的辐射亮度值的过程，是保持数据一致性和数据精度的一项重要的基础工作[10]，L1级产品辐射亮度可以利用公式(1)进行计算[11]：

式中，Lλ为大气顶层辐射值，单位W·m-2sr-1um-1；Qcal为像元的DN值；ML为特定波段的增益，AL为特定波段的偏置，从影像的元数据中获取，单位与Lλ相同。

大气校正可以消除传感器在接受讯号的过程中受到的大气影响，常见的大气校正方法有基于辐射传输模型的MODTRAN模型、LOWTRAN模型、ATCOR模型和6S模型等，本研究使用了基于MODTRAN4+辐射传输模型的FLAASH方法，校正原理见公式(2)[12]，可对多光谱、高光谱数据及航空影像进行快速大气校正，能有效消除大气和光照等因素对地物反射的影响。

式中，L为地表辐射值，单位W·m-2sr-1um-1；ρ为像元的地表反射率；ρe为像元及周围区域的平均地表反射率；S为大气的球面反照率；La为大气的后向散射辐射值；A，B是与大气质量和几何条件有关与下垫面无关的系数。

2.2 遥感影像指数提取

2.2.1 归一化植被指数

归一化植被指数(Normalized Difference Vegetation Index，NDVI)是Deering(1978)提出的将比值植被指数经非线性归一化处理后得到的[13]，是遥感领域中用来表征地表植被覆盖、植被生长状况的一个应用最广泛的度量参数，NDVI可以消除部分辐射误差，其计算公式如下[14]：

式中，NIR为近红外波段反射率，R为红光波段反射率。NDVI取值介于(-1，1)之间，负值表示地表覆盖为云、水、雪等；接近0表示地表为岩石或裸土覆盖；正值表示有植被覆盖，且随覆盖度增大而增大[10]。

2.2.2 归一化差值水体指数

在对Mcfeeters提出的归一化差值水体指数(Normalized Difference Water Index，NDWI)分析的基础上[15]，徐涵秋对构成该指数的波长组合进行了调整，提出了改进的归一化差值水体指数(Modi fi ed NDWI，MNDWI)，该指数对大部分不同类型水体的提取效果优于NDWI，特别是城镇范围内的水体，其计算公式如下[16]。

式中，Green为绿光波段，SWIR为短波红外波段，绿光波段与短波红外波段的比值可以最大程度地抑制植被和城镇不透水面的信息，从而达到突出水体信息的目的。

2.2.3 归一化差值建筑指数

归一化建筑指数(Normalized Difference Builtup Index，NDBI)最早由查勇、杨山[17-19]提出，源于对NDVI提取植被信息原理的借鉴，城镇建筑在TM图像的短波红外(TM5)波段的光谱反射率升高，而在近红外(TM4)波段光谱反射率降低，因此，利用该特征可以突出城镇信息，其计算公式如下。

式中，SWIR为短波红外波段，NIR为近红外波段。NDBI值大于0的地物则认为是城镇用地。

2.2.4 归一化差值裸土指数

为了从Landsat影像上提取裸地信息，赵红梅和陈晓玲[20-21]通过分析不同土地利用和覆盖类型的光谱特征后构造了归一化差值裸土指 数(Normalized Difference Bareness Index，NDBaI)，利用该指数能有效识别裸露土壤、未利用土地以及沙滩等，其计算公式如下。

式中，SWIR为短波红外波段，TIR为热红外波段。

2.3 地表温度反演

Landsat 8上携带的TIRS载荷将热红外分为两个波段(TIRS10，TIRS11)，理论上可以采用分裂窗算法来反演地表温度，但由于目前TIRS11在辐射校正时存在较大的不确定性，USGS推荐用户在使用TIRS数据做定量分析时使用TIRS10而回避TIRS11，可以采用和TM/ETM+相同的方法反演地表温度[22]。本研究算法分三个步骤实现：

首先，将TIRS10影像的DN值转换为大气顶层辐射值，转换方法见数据预处理公式(1)。

其次，反演星上亮温，亮温计算公式如下[11]：

式中，T为星上亮温，单位为K；Lλ为大气顶层辐射值，单位W·m-2sr-1um-1；K1、K2为转换参数，对于TIRS10数 据，K1=774.89 W·m-2sr-1um-1，K2=1 321.08 K。

最后，公式(7)计算出来的只是地表热辐射所对应的星上亮温，由于大气辐射和地表热特性的影响，与真实地表温度还有差异。可采用覃志豪的单窗算法[23]反演地表温度，计算公式如下：

式中，LST为地表温度，T为星上亮温，单位为K；a、b为常量，一般情况下(地表温度在0～70℃范围内)，取值a =-67.355 351，b=0.458 606；C和D是中间变量，分别用(9)、(10)式表示：

因此，只要知道大气平均作用温度Ta、大气透射率τ、和地表比辐射率ε，即可用公式(8)推算任何像元的实际地表温度。

根据覃志豪等人的研究[23]，大气平均作用温度Ta和地面附近(地表2m处)气温T0有如下线性关系：

对于水分含量在0.4～3.0g/cm2区间内，大气透射率τ的估计方程如表2所示。

表2 大气透射率估计方程Table 2 Estimating equations of atmospheric transmissivity

地表比辐射率ε采用覃志豪等人[24]的计算方法，将地表分为水面、城镇(由道路和建筑物组成)和自然表面(由林地、农田和其他自然陆地表面组成)三种覆盖类型，每种类型的地表比辐射率如下：

公式(13)和(14)中，Pv表示植被覆盖度，可由公式(15)进行估算：

式中，NDVIsoil为全裸土覆盖像元的NDVI值，取0.05；NDVIveg为纯植被覆盖像元的NDVI值，取0.70；且有，当像元的NDVI大于0.70时，Pv取值为1；当NDVI小于0.05时，Pv取值为0。

2.4 土地利用/覆盖分类

在参考国内外城市土地利用/覆盖研究[19,25,26]的基础上，针对研究区特点将土地利用/覆盖类型分为城市(包括建筑物、道路等不透水地表)、水体(包括河流、湖泊和水塘等)、裸地(包括裸石、开发用地、轮休旱地等裸露土地)、林地和耕地5大类。

再利用CART(Classi fi cation And Regression Trees)决策树方法，对Landsat8卫星OLI多光谱影像及该研究构造的NDVI、MNDWI、NDBI和NDBaI遥感指数共11个波段，根据不同土地利用/覆盖类型的光谱特征进行分类，并对分类结果影像进行精度验证，计算总体分类精度和Kappa系数。

3 结果与分析

3.1 地表温度反演结果与验证

利用TIRS10反演得到的研究区地表温度结果见图2，对图2进行统计，可以得到两个时相的温度特征，见表3。为了验证地表温度反演的可靠性，笔者查阅了2013年12月4日柳州市气象局多个观测台站的气温(地上2m处)数据，卫星过境时上午11时平均气温17℃，与基于遥感数据反演的柳州市地表温度基本吻合，说明利用TIRS10反演得到的地表温度能够进行城市热环境研究。

图2 研究区地表温度分布Fig.2 LST distribution fi gure of study area

表3 研究区地表温度统计表(单位：℃)Table 3 Statistical table of LST in the study area(℃)

3.2 城市热岛效应时空分析

由于选用了研究区冬夏两季的影像来反演地表温度，为了提高研究结果的可比性，本研究引入热岛强度(Heat Island Intensity，HII)，它反映了高温区域与周边区域的温度相对差异[27]，其计算公式如下。

式中，HII为城市热岛强度，LST为地表温度，Tmean为研究区平均地表温度。根据公式(16)生成城市热岛强度图，如图3。

图3 研究区城市热岛强度图像Fig.3 Heat island intensity level fi gure of study area

从图3来看，柳州市冬季与夏季都存在明显的热岛效应，且热岛较强烈区域的轮廓与城市建成区高度一致。冬季的热岛区域主要分布在柳北、河西及阳和工业区等工业热源排放集中区，商业与住宅集中的城中“U”形区域和河东片区由于下垫面热容和高楼对阳光的阻挡、热岛并不显著；另外，城市西郊的部分农田和石山区由于冬季地表裸露，白天升温迅速，也出现了零星热岛效应。夏季热岛效应区域比冬季更大，工业区与商住区都表现出较强的热岛效应，而郊区的农田和山地由于植被的恢复，零星热岛效应大部分消失。环线城市的古亭山、莲花山、太阳村诸山及穿城而过的柳江河，在冬季和夏季都是低温区，是整个城市的天然空调。

根据热岛强度，我们将城市划分为高温区(HII≥0.1的区域，相当于地表温度高于研究区平均地表温度10％，是热岛效应强烈的区域)，常温区(-0.1＜HII＜0.1)和低温区(HII≤-0.1)；各区域的面积统计如表4。由表4可知，夏季与冬季对比，高温区增长72.54％，而常温区和低温区分别减少3.88％和31.33％。

表4 研究区按热岛强度面积分级统计表(单位：hm2)Table 4 Statistics according to HII grades of study area(hm2)

3.3 土地利用/覆盖对地表温度影响

对研究区冬季和夏季遥感影像的分类结果如图4所示，随机选择200个真实地面ROI进行精度验证，冬季影像的总体分类精度为89.23％，Kappa系数为0.81；夏季影像的总体分类精度为87.11％，Kappa系数为0.80。再对分类影像进行统计，得到各种土地利用类型的面积，结果见表5。

图4 研究区土地利用/覆盖图像Fig.4 Land use and land cover of study area

表5 2013～2014年研究区土地利用/覆盖类型面积(单位：hm2)Table 5 LULC area of study area from 2013 to 2014(hm2)

为了研究不同土地利用/覆盖类型与地表温度之间的关系，把地表温度与土地利用/覆盖图进行叠置分析，统计各种土地利用/覆盖类型的地表温度情况，如表6所示。

表6 冬季和夏季各土地利用/覆盖类型地表温度统计(单位：℃)Table 6 LST statistics for various types of LULC in the winter and summer(℃)

从表6可以看出，地表平均温度城市＞裸地＞耕地＞林地＞水体，城市的平均温度始终最高，而水体的温度则最低；在冬季裸地和城市温度相当，水体和林地温度相当。这是由于各种地表的热容量、热传导和热扩散率特征引起的。城市区域下垫面主要由水泥、玻璃和沥青等不透水表面构成，地表蒸散能力较低，其热容量小，但热传导率和热扩散率大，在接受太阳辐射后热量很快传导扩散，加上建筑密集，不利于空气流通，生产生活排放热量多，导致温度比其他区域高。水体由于热容量大，热传导率小，温度上升特别缓慢，因此温度总是最低。裸地包括裸石、裸土和城市开发用地，其热特征与城市相似，在接受太阳辐射后温度上升较快。耕地的平均温度比林地高，这两种地类都由植被覆盖，植物可以通过蒸腾作用吸收太阳和周围环境中的热量而使自身温度降低，但是农作物的蒸腾强度小于森林，其厚度(冠层到地面的距离)远小于森林，因此耕地的升温速度比林地快。由此可见，森林、水体是城市小气候的调节器，能有效降低城市热岛效应的影响。

4 结论与讨论

(1)柳州市存在明显的热岛效应，热岛强烈区域的轮廓与城市建成区轮廓相吻合。

(2)城市热岛效应存在明显的季节差异，冬季的强热岛区主要位于柳北、河西及阳和工业区等工业热源排放集中区；夏季除工业区外，商业区和居民区都表现出较强的热岛效应，夏季高温区面积比冬季增加72.54％。

(3)地表温度与土地利用/覆盖有显著关系，地表平均温度表现为城市＞裸地＞耕地＞林地＞水体，林地和水体是城市的“冷岛”，在城市建成区适当增加绿化和水体面积是缓解城市热岛效应的有效方法。

(4)需要说明的是，地表温度与气温(地上2m处)并不等同，在晴朗无风的条件下二者差别较小，但由于城市特殊的下垫面和复杂的局地环流容易加大二者的差异，因此，研究地表温度和气温的转换模型是需要解决的问题。

[1] HOWARDL.Climate of London Deduced from Metrological Observations(Vol.1)[M].3rd edition.London：Harvey and Dorton Press,1833：348.

[2] MNALEY G.On the Frequency of Snowfall in Metropolitan England[J].Quarterly Journal of the Royal Meteorological Society,1958,84：70-72.

[3] 彭少麟,周 凯,叶有华,等.城市热岛效应研究进展[J].生态环境,2005,14(4)：574-579.

[4] 周志民.城市热岛遥感研究进展[J].安徽农业科学,2011,39(1)：606-607,614.

[5] 胡华浪,陈云浩,宫阿都.城市热岛的遥感研究进展[J].国土资源遥感,2005,(3)：5-9.

[6] 王桂玲,蒋维楣,魏 鸣.城市热岛效应的卫星遥感分析[J].南京气象学院学报,2007,30(3)：298-304.

[7] 黎良财,邓 利,吴 锐.城市土地利用变化对生态系统服务价值的影响——以柳州市为例[J].中南林业科技大学学报,2013,33(7)：102-106.

[8] USGS.Frequently Asked Questions about the Landsat Missions[EB/OL].http：//landsat.usgs.gov/band_designations_landsat_satellites.php 06/19/2014

[9] 徐涵秋,唐 菲.新一代Landsat系列卫星：Landsat 8遥感影像新增特征及其生态环境意义[J].生态学报,2013,33(11)：3249-3257.

[10] 黎良财,邓 利,曹 颖,等.基于NDVI像元二分模型的矿区植被覆盖动态监测[J].中南林业科技大学学报,2012,32(6)：18-23.

[11] USGS.Using the USGS Landsat 8 Product [EB/OL].http：//landsat.usgs.gov/Landsat8_Using_Product.php 05/17/2013.

[12] Matthew M W,Adler-Golden S M,Berk A,et al.Status of Atmospheric Correction Using a MODTRAN4-based Algorithm[J].SPIE Proceedings,Algorithms for Multispectral,Hyperspectral,and Ultraspectral Imagery VI.2000,4049,199-207.

[13] Deering,D.W.Rangeland Re fl ectance Characteristics Measured by Aircraft and Spacecraft Sensors [D].Texas A&M Univ.,College Station,1978,338.

[14] Ts.Purevdorj,R.Tateishi,T.Ishiyama,etc.Relationships between Percent Vegetation Cover and Vegetation Indices [J].International Journal of Remote Sensing,1998,19(18)：3519-3535.

[15] Mcfeeters S K.The Use of Normalized Difference Water Index(NDWI)in the Delineation of Open Water Features [J].International Journal of Remote Sensing,1996,17(7)：1425-1432.

[16] 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)：589-595.

[17] 杨山.发达地区城乡聚落形态的信息提取与分形研究——以无锡市为例[J].地理学报,2000,55(1)：671-678.

[18] 查 勇,倪绍祥,杨 山.一种利用TM图像自动提取城镇用地信息的有效方法[J].遥感学报,2003,7(1)：37-40.

[19] ZHA Yong,GAO J,Ni S.Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery [J].International Journal of Remote Sensing,2003,24(3)：583-594.

[20] ZHAO Hong-mei,CHEN Xiao-ling.Use of Normalized Difference Bareness Index in Quickly Mapping Bare Areas from TM/ETM+[J].Geoscience and Remote Sensing Symposium,2005,3(25-29),1666-1668.

[21] CHEN Xiao-ling,ZHAO Hong-mei,LI Ping-xiang,et al.Remote Sensing Image-Based Analysis of The Relationship between Urban Heat Island and Land Use/Cover Changes [J],Remote Sensing of Environment,2006,(104)：133-146.

[22] USGS.Landsat 8(L8)Operational Land Imager(OLI)and Thermal Infrared Sensor(TIRS)[EB/OL].http：//landsat.usgs.gov/calibration_notices.php 01/29/2014

[23] 覃志豪,LI Wenjuan,ZHANG Minghua,等.单窗算法的大气参数估计方法[J].国土资源遥感,2003,(2)：37-43.

[24] 覃志豪,李文娟,徐 斌,等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感,2004,(3)：28-36.

[25] Qihao Weng,Dengsheng Lu.Landscape as A Continuum：An Examination of the Urban Landscape Structures and Dynamics of Indianapolis City,1991-2000,by Using Satellite Images [J].International Journal of Remote Sensing,2009,30(10)：2547-2577.

[26] 历 华,曾永年,柳钦火.基于遥感的长沙市城市热岛与土地利用/覆盖变化研究[J].国土资源遥感,2008,(4)：47-52.

[27] 刘宇鹏,杨 波,陈 崇.基于遥感的长沙市城市热岛效应时空分析[J].遥感信息,2011,(6)：73-78.

Study on urban heat island effect of heavy industries based on landsat 8 satellite imagery——A case study in Liuzhou city

LI Liang-cai1,2,3,Deng-sheng LU3,ZHANG Xiao-li1,DENG Li2,MAI Kai-le2
(1.Forestry College,Beijing Forestry University,Beijing 100083,China; 2.Guangxi Eco-Engineering Vocational and Technical College,Liuzhou 545004,China; 3.Center for Globe Change and Earth Observations,Michigan State University,1405 S.Harrison Road,East Lansing,MI 48864,USA)

In order to monitor the spatial-temporal distribution of urban heat island effect and discover the relationship between land surface temperature(LST)and land use/land cover(LULC)in Liuzhou city which is a heavy industry city in southern China,Landsat8 OLI&TIRS imagery in December 2013 and June 2014 were used as the data source.After some pre-process of radiation calibration and atmospheric correction,LST was retrieved using the Mono-window Algorithm and LULC was detected by CART decision tree classi fi cation.And also,heat island intensity(HII)index was calculated and the area was counted with strong HII respectively in the summer and winter.Results showed that there is obvious heat island effect in Liuzhou city and the area with strong heat island effect in summer 72.54％ more than that in winter.There is a signi fi cant relationship between LST and LULC,the average LST according to the descending order in Liuzhou city are urban,bare-land,cropland,forest and water.Thus,increasing the proportion of greening and water as appropriate in built up area is an effective method to relieve urban heat island effect.

Urban Heat Island(UHI); Landsat8 OLI/TIRS; Land Surface Temperature(LST); Land Use/Land Cover(LULC);City with Heavy Industries

S771.8

A

1673-923X(2015)07-0074-07

10.14067/j.cnki.1673-923x.2015.07.014

2014-10-10

教育部高等学校博士学科点专项科研基金课题(20100014110002)；柳州市科技基金项目(2009021603)

黎良财，副教授，博士生

张晓丽，教授，博士，博士生导师；E-mail：Zhang-xl@263.net

黎良财,Dengsheng LU,张晓丽,等.基于Landsat8卫星影像的重工业城市热岛效应研究——以柳州市为例[J].中南林业科技大学学报，2015,35(7)：74-80.

致谢：文中部分数据来源于中国科学院计算机网络信息中心国际科学数据镜像网站(http：//www.gscloud.cn)；The part of data set is provided by International Scienti fi c & Technical Data Mirror Site,Computer Network Information Center,Chinese Academy of Sciences.(http：//www.gscloud.cn)。

[本文编校：吴 毅]