基于遥感的上海城市热岛效应与植被的关系研究
《2024年城市热岛效应成因的研究与分析》范文
《城市热岛效应成因的研究与分析》篇一一、引言随着城市化进程的加快，城市热岛效应成为环境领域的重要研究课题。
热岛效应是指城市地区的气温普遍高于周边乡村或自然区域的现象。
这一现象不仅对城市居民的生活品质产生直接影响，还对生态环境和气候模式造成深远影响。
本文旨在探讨城市热岛效应的成因，并对其进行深入研究与分析。
二、城市热岛效应的概述城市热岛效应是城市化进程中出现的特殊气候现象。
由于城市建筑密集、人口众多、工业活动频繁，以及大量使用人工建筑材料等，导致城市区域的气温显著高于周边自然区域。
这种温差不仅影响了城市的气候特征，也对城市的能源消耗、环境质量、生态系统等方面产生重要影响。
三、城市热岛效应的成因分析1. 人工建筑材料的影响：现代城市多使用混凝土、沥青等材料作为道路和建筑的主要构成部分，这些材料具有较高的热传导性和吸热性，导致城市区域吸收和储存大量热量。
2. 植被覆盖率的降低：城市中大量的建筑和道路占据了土地资源，导致植被覆盖率降低。
植被具有调节气温、减少热辐射的作用，其减少使得城市的自然调节能力下降。
3. 人口和工业活动的影响：城市人口密集，工业活动频繁，这些活动会产生大量的热量和温室气体排放，进一步加剧了城市的热岛效应。
4. 城市空气流动不畅：由于高楼林立，空气流动受到阻碍，不利于热量的扩散和交换。
此外，城市中的建筑物和道路改变了风的形成和流动路径，使得热量难以有效传递到周边地区。
四、研究方法与数据支持为了深入研究城市热岛效应的成因，我们采用了遥感技术、气象观测数据以及地理信息系统等方法。
通过收集和分析城市的气温数据、土地利用类型、植被覆盖率等数据，我们得出以下结论：1. 遥感技术显示，城市区域的地面温度明显高于周边地区，这种差异在夏季尤为明显。
2. 气象观测数据显示，随着城市化进程的加快，城市的平均气温呈现逐年上升的趋势。
3. 地理信息系统分析表明，人工建筑材料的使用、植被覆盖率的降低以及城市布局等因素是导致热岛效应的主要因素。
遥感技术在城市热岛效应研究中的应用
遥感技术在城市热岛效应研究中的应用随着城市化进程的加速，城市热岛效应愈发严重。
城市热岛效应指的是城市区域温度高于周边非城市区域的现象。
这种现象会导致能量和水分的消耗，使城市环境质量恶化，造成一系列的气候、环境和健康问题。
为了有效地解决城市热岛效应问题，研究人员一直在探索更好地方式和方法。
在这个过程中，遥感技术得到广泛应用，成为了城市热岛效应研究中的重要工具。
一、遥感技术的基本原理遥感技术指的是通过对地球表面进行遥感观测，获取地面信息的一种技术。
它利用定量遥感图像处理方法和地面参考数据，在大范围尺度上对地球表面的形态、结构、属性和变化进行定量测量和分析，从而获取地面信息。
遥感技术的基本原理是：通过不同波段的光电信息，获取地球表面不同特征的信息。
不同波段的光电信息反映了地表上不同的物质组成和状态，包括地表覆盖类型、地形高度、植被状况、水文地质条件、气象环境条件等要素。
利用这些信息，可以进行逐时、逐日、逐季和逐年的遥感监测和分析，帮助我们更好地理解和管理地球表面。
二、遥感技术在城市热岛效应研究中的应用1. 地表温度反演地表温度是城市热岛效应的重要指标。
利用遥感技术可以获取大范围地表温度分布，并进一步探究城市热岛效应的形成和发展规律。
研究者可以通过遥感技术获取高分辨率的热红外图像，结合气象数据分析地表温度的时空变化规律，高精度地捕捉城市热岛效应的热源和空间分布规律。
2. 建筑物热效应分析由于建筑物的高度、密度等因素，会对周围区域的微气候产生影响。
因此，建筑物热效应分析是城市热岛效应研究中的重要内容。
通过遥感技术获取高精度的建筑物高度和密度等信息，并结合地表温度、植被等多种要素，可以全面解析建筑物的热效应，为城市热岛效应的研究提供更加丰富的数据支持。
3. 植被覆盖分析植被覆盖与城市热岛效应密切相关。
通过遥感技术获取高精度的植被分布数据，可以更好地分析植被对城市热岛效应的影响。
研究表明，城市中绿化覆盖率高的区域明显低于周边非城市区域的温度，有效缓解了城市热岛效应的发展。
城市热岛效应的遥感监测研究
城市热岛效应的遥感监测研究一、引言城市热岛效应是指城市地区在夜间气温上升的现象，是城市化进程中面临的环境问题之一。
众所周知，城市中充满了大量的建筑、车辆和人口等热源，而同时，城市还存在着较多的水泥路面和建筑物表面，它们具有较高的吸热能力和较低的反射率，因此，城市地区在夜间辐射散热能力较弱，温度升高形成了热岛效应。
城市热岛效应不仅对人类的身体健康造成了一定的威胁，而且还对城市的环境、气候和生态系统造成了巨大的影响。
因此，如何准确监测城市热岛效应的形成和发展趋势就成为了一个迫切需要解决的问题。
本文主要介绍利用遥感技术进行城市热岛效应监测的研究现状和方法。
二、城市热岛效应的监测指标城市热岛效应的形成和发展与多种因素有关，如日照、云量、湿度、风向等，因此，进行城市热岛效应的遥感监测需要选择合适的监测指标。
1.地表温度地表温度是城市热岛效应监测最为常用的指标之一。
地表温度是指观测的地表温度，一般使用亮温计、红外线遥感等方法进行监测。
由于城市地表多为水泥、沥青等高反射材料，因此地表温度较高，由此形成的高温区域便构成了城市热岛。
2.植被覆盖率植被覆盖率是反映城市热岛效应的重要指标之一。
城市中的植被覆盖率往往较低，而植被的蒸腾作用可以有效地降低局部的温度，缓解城市热岛效应。
3.热舒适度指数热舒适度指数是用于刻画人体感受热环境的指标，其值取决于空气温度、相对湿度和气流速度等因素。
较高的热舒适度指数往往意味着较强的热不适。
三、城市热岛效应的遥感监测方法随着遥感技术的不断进步，利用遥感技术进行城市热岛效应监测已成为一种有力的手段。
目前，对于城市热岛效应的遥感监测方法主要分为以下几种：1.单波段反演法单波段反演法是基于可见光和红外遥感数据的监测方法，主要利用亮温计测量出地表的温度，再通过热力学原理计算得到区域的热岛强度和范围。
该方法操作简单，但精度较低，仅适用于比较简单的地区。
2.多波段反演法多波段反演法是基于多光谱和高光谱遥感数据的监测方法，可以测量不同光谱波段下的地表温度，精度更高，适合于更为复杂的城市地区监测。
遥感影像在城市热环境研究中的应用
遥感影像在城市热环境研究中的应用随着城市化进程的加速，城市热环境问题日益凸显。
城市热岛效应不仅影响着居民的生活质量和健康状况，也对城市的生态平衡和可持续发展带来了挑战。
遥感影像作为一种有效的空间数据获取手段，为城市热环境研究提供了丰富的信息和有力的支持。
遥感影像能够大面积、同步地获取地表温度等关键参数，具有快速、高效、客观等优点。
通过不同波段的电磁波信息，我们可以反演出地表的温度分布情况，从而深入了解城市热环境的特征和变化规律。
首先，遥感影像可以用于监测城市热岛的空间分布和动态变化。
城市热岛是指城市中心区域的温度明显高于周边郊区的现象。
利用遥感影像获取的地表温度数据，我们能够清晰地看到热岛的范围、强度和形态。
通过对不同时期遥感影像的对比分析，可以追踪热岛的发展趋势，了解其在时间和空间上的演变过程。
这对于城市规划和管理部门制定针对性的缓解策略具有重要的指导意义。
其次，遥感影像有助于分析城市热环境的影响因素。
城市的下垫面性质、建筑物密度、植被覆盖度等都会对热环境产生影响。
例如，混凝土和沥青等硬质表面具有较高的热容量和热导率，容易吸收和储存热量，导致温度升高；而植被则通过蒸腾作用和遮荫效果降低周边环境的温度。
通过遥感影像，可以获取城市下垫面的类型和分布信息，并结合实地调查和统计数据，定量分析这些因素与地表温度之间的关系。
这有助于我们找出导致城市热环境恶化的关键因素，为优化城市布局和改善热环境提供科学依据。
再者，遥感影像在评估城市热环境对生态系统的影响方面也发挥着重要作用。
高温会影响城市植被的生长和生态功能，破坏生态平衡。
通过遥感影像监测植被的生长状况和生态指标，如植被指数等，可以评估热环境对城市生态系统的胁迫程度。
同时，还可以分析热环境对城市生物多样性的影响，为保护城市生态环境提供决策支持。
另外，遥感影像还可以为城市热环境的模拟和预测提供基础数据。
结合地理信息系统（GIS）和气象数据等，利用数值模拟方法可以构建城市热环境模型，预测未来城市热环境的变化趋势。
遥感图像处理技术在城市热岛效应研究中的应用案例
遥感图像处理技术在城市热岛效应研究中的应用案例近年来，全球城市化进程加快，城市面积不断扩大，人口持续增长。
然而，随着城市化的不断推进，一个不容忽视的问题开始浮现：城市热岛效应。
在城市热岛效应中，城市地区的气温更高，相比周边乡村地区，这给城市居民的生活带来了一系列不适。
为了更好地理解和应对城市热岛效应，遥感图像处理技术被广泛应用于该领域的研究。
遥感技术可以通过获取大范围地表温度数据反映城市的热岛效应。
通过卫星遥感数据获取城市表面温度信息，可以提供有关城市及其周边地区的热景观图像。
这些图像可以帮助研究人员对城市热岛效应的形成机制进行深入分析。
首先，遥感图像处理技术可以帮助确定城市表面温度的空间分布特征。
研究人员可以利用遥感图像处理技术对卫星数据进行分析，计算得到城市中不同地区的表面温度。
通过比较城市中心区域和周边地区的温度分布情况，可以评估城市热岛效应的强度和范围。
通过这种方式，研究人员可以更好地了解城市各个部分对热岛效应的贡献程度。
其次，遥感图像处理技术可以帮助研究人员分析城市热岛效应的季节和时间变化。
利用遥感图像处理技术，可以获取大量城市表面温度数据，并进行长时间序列分析。
通过对这些数据的分析，研究人员可以揭示城市热岛效应在不同季节和时间尺度上的变化规律。
例如，他们可能会发现城市热岛效应在夏季比冬季更加明显，或者在白天比夜晚更加强烈。
这些分析结果有助于我们对城市热岛效应的动态变化有更深入的理解。
另外，遥感图像处理技术还可以与其他数据融合，进一步探索城市热岛效应的影响因素。
通过将遥感图像处理技术与地理信息系统（GIS）数据和人口统计数据等其他数据进行融合分析，可以更准确地评估城市热岛效应与城市空间规划、建筑类型和人口密度等因素的关联性。
这样一来，我们可以更好地理解城市热岛效应的形成机制，并提出有效的应对策略。
除了以上的应用案例，遥感图像处理技术还可以在城市热岛效应研究中发挥更多的作用。
例如，可以利用高分辨率遥感图像，对城市建筑物和植被类型进行分类，进一步探究它们与城市热岛效应之间的关系。
城市热岛效应的遥感监测及防治对策研究
城市热岛效应的遥感监测及防治对策研究城市热岛效应（Urban Heat Island，简称UHI）是指城市内部温度相对于周围乡村地区更高的现象。
它不仅是城市环境质量问题中的重要组成部分，对人们的生活、社会经济和环境都产生了深远的影响。
本文旨在探讨城市热岛效应的遥感监测及防治对策研究。
一、城市热岛效应的形成机制城市热岛效应是多种因素共同作用的结果，包括地表覆盖类型改变、建筑物的热辐射和建筑热量排放、城市人口密度增加等。
其中，地表覆盖类型改变是影响城市热岛效应形成的主要因素，它会改变能量平衡、影响城市气温和湿度等多个方面。
二、遥感监测城市热岛效应的方法城市热岛效应的监测一直是一个复杂的问题。
传统的监测方法主要是通过气象站点来观测和记录气温和湿度等数据。
但这种方法无法实现对城市微观环境的实时监测。
利用遥感技术监测城市热岛效应，具备实时、高空间分辨率、全面覆盖等优点。
目前常用的遥感监测城市热岛效应的方法主要有以下三种。
1. 利用卫星遥感数据卫星遥感数据是获取全球范围气象信息最主要的手段之一。
通过卫星热红外成像仪可以得到大气、洋面和陆地等表面的热红外图像。
美国国家航空航天局的MODIS（Moderate Resolution Imaging Spectroradiometer）C6产品提供了城市表面温度产品（MOD11C3）。
MODIS遥感数据还可以获取城市表面反照率等信息，补充城市热岛效应的形成机制。
2. 利用无人机遥感数据无人机比卫星更加灵活，对于城市微观环境的监测更加适用。
无人机可以携带多种遥感传感器，例如热红外传感器、高光谱传感器、雷达传感器等，可以实现对城市热岛效应和土地利用的准确探测。
但是，集成系统的无人机技术仍面临多方面的挑战，例如飞行自动化、数据实时处理等。
3. 利用地面观测和无线传感网络城市热岛效应的形成机制是多种因素共同作用的结果，对于低层大气环境变化的研究需要大量的地面观测。
在城市内使用无线传感网络的形式，可以大规模地实现对城市内各种区域的微观观测。
基于遥感技术的城市热岛效应研究
基于遥感技术的城市热岛效应研究随着城市化进程的加速，城市热岛效应日益成为人们关注的焦点。
城市热岛效应是指城市地区由于人口密集、建筑物密集、交通繁忙以及工业活动等因素，导致气温高于周边郊区的现象。
这种现象不仅影响着居民的生活舒适度，还对城市的生态环境、能源消耗以及气候变化等方面产生了深远的影响。
因此，深入研究城市热岛效应对于城市的可持续发展具有重要意义。
遥感技术作为一种能够快速、大面积获取地表信息的手段，为城市热岛效应的研究提供了有力的支持。
遥感技术可以通过卫星、飞机等平台搭载的传感器，获取城市地表的温度、植被覆盖、土地利用等信息，从而为分析城市热岛效应的形成机制、时空分布特征以及影响因素提供了数据基础。
一、城市热岛效应的形成机制城市热岛效应的形成主要归因于以下几个方面。
首先，城市中的建筑物和道路等人工表面具有较高的热容量和热导率，能够吸收和储存大量的太阳辐射热量，并在夜间缓慢释放，导致城市气温升高。
其次，城市中的人口密集和工业活动会产生大量的废热，这些废热排放到环境中，进一步增加了城市的温度。
此外，城市中的植被覆盖较少，水分蒸发量低，无法有效地通过蒸腾作用降低气温。
同时，城市中的大气污染物如二氧化碳、颗粒物等会吸收和散射太阳辐射，影响热量的传递和分布，从而加剧城市热岛效应。
二、遥感技术在城市热岛效应研究中的应用（一）地表温度反演地表温度是衡量城市热岛效应的重要指标之一。
遥感技术可以通过热红外波段获取地表的辐射能量，然后利用相关算法反演出地表温度。
常用的地表温度反演算法包括单窗算法、劈窗算法等。
这些算法能够根据遥感影像的辐射亮度值计算出地表温度，为研究城市热岛效应的空间分布提供了基础数据。
（二）植被覆盖监测植被在调节城市气候方面起着重要作用。
遥感技术可以通过可见光和近红外波段获取植被的光谱信息，然后利用植被指数如归一化植被指数（NDVI）、增强型植被指数（EVI）等来定量评估植被覆盖度。
通过分析植被覆盖度与城市热岛效应之间的关系，可以揭示植被在缓解城市热岛效应中的作用。
城市热岛效应对植物生长的影响
城市热岛效应对植物生长的影响随着城市化进程的加快，城市热岛现象变得越来越明显。
城市热岛指的是城市内部温度高于周围地区的现象。
通过大量的城市化研究，发现城市热岛不仅影响人类健康，还会影响到自然生态系统中的植物。
城市热岛效应产生的原因是由于城市地面的建筑物、混凝土、铁路、机动车尾气、空调、电子设备等产生了大量的热量和污染物。
这些因素导致城市内部热量难以逸散，从而让城市内部的温度逐渐升高。
城市热岛效应会影响植物的生长发育，对植物的影响主要有以下几点。
1. 水分蒸发量下降城市地面覆盖物大量使用混凝土、石块等不透水材料，使得植物根系无法得到充足的水分。
同时，高温下土壤中水分蒸发量会大大加剧，导致地面的湿度降低，植物的蒸腾作用也随之下降。
这些因素综合作用下，就会导致植物遭受缺水的困扰，长期下去可能会影响植物的生长。
2. 植物生理代谢变化城市热岛效应会导致植物生理代谢变化，主要表现为植物叶片下垂、生长速度下降、光合效率降低等。
这些都是由于热岛效应下植物遭受到的过度温度和光照影响这一结果。
虽然植物可以通过自身调节机制缓解这种影响，但是长期在高温、高光的环境下，植物的生产力会明显下降。
3. 空气污染影响植物健康城市热岛也会增大污染物逸散的难度，从而导致植物遭受到了空气污染的影响。
城市中的污染物包括颗粒物、废气等，这些污染物对植物健康产生直接的影响。
研究表明，空气中的二氧化硫、一氧化碳、硫化氢、氮氧化物等有害物质会影响到植物生长，对根系和叶子均有敏感度。
综上所述，城市热岛环境对植物的影响非常明显。
所以，我们需要采取措施来缓解热岛效应，以减轻对植物的影响。
可以采取的措施包括增加植被覆盖、采用透水材料、增加水体等方式来提高城市地面的自然绿化水平，从而达到减少城市热岛效应的目的。
此外，还可以通过加强污染物排放管控来减轻空气污染对植物健康的影响。
这些方法可以减少植物在城市热岛环境下受到的负面影响，使城市环境更加健康和舒适。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
与植被的关系研究唐曦，束炯，乐群华东师范大学地理信息科学教育部重点实验室，上海 (200062)E-mail:51050801034@摘要：研究选择2001年3月和7月上海地区的陆地卫星ETM+影像，利用ETM+热红外亮温计算模式将6波段影像灰度值转换成像元亮温，由此直接表征地表温度(LST)分布，对城市热岛的空间分布特征、强度变化及其相关影响因素进行了概括.通过3、4波段影像融合提取出归一化植被指数(NDVI)，并基于统计方法对城市不同尺度、不同区域的亮温和NDVI 进行回归分析，拟合模型一致证明亮温与植被水平呈明显负相关,且植被降低下垫面温度的效果夏季好于春季；对回归方程斜率的比较又揭示出不同下垫面中绿地和热环境关系的分异，即植被对地面温度的影响受下垫面结构制约，增加相同水平的植被，夏季白天降温程度在植被面积占优势的地区不及非植被或少植被区.建议应因地制宜地对工业区、商务区及住宅区、城乡结合部等不同结构的下垫面环境进行针对性的植被规划，更有效地减轻热岛效应. 关键词：城市热岛；亮温；植被指数(NDVI)；ETM+中图分类号：P463.3；P461+.7；X871.引言（四号，宋体，加粗）城市热岛效应指城市比周围地区温度高，是城市对气温影响最突出的特征，也是城市气候与城市大气环境最重要的特征之一；城市热岛效应是在城市化的人为因素（以下垫面性质的改变、人为热和过量温室气体排放、大气污染等为主），以及局地天气气象条件共同作用下形成的[1]。
城市热岛直接对当地有关气候要素产生多种影响，尤其在夏季可增加高温出现的频率并加重高温程度。
在温室效应和全球变暖的背景下，上海的城市热岛现象从20世纪80年代开始迅速扩展和增强，这与上海城市建设有明显的对应关系[2]。
浦东、郊县卫星城镇的建成区面积迅速增加及大规模旧城区的改造，导致城市化过程外扩缺乏有力控制，加之生态规划不尽完善，尽管城市绿地规模有所增强，但其减轻热岛效应的功效仍十分有限。
因此，进一步研究上海热岛特征与植被规划的关系，对优化人居环境、实现城市的可持续发展有重大战略意义。
城市热岛研究的常规方法，如“城郊对比法”、“历史对比法”，一般多采用地面气象站定点监测或线路流动观测等手段，常用指标是气温（即距地表 1.5m高的大气温度），其塑造的热岛称为“城市气温热岛”。
邓莲堂等在分析上海热岛的日变化和季节变化[3]以及江汉田等在探讨上海热岛时域、频域的多尺度演变规律[4]时即采用Davis自动气象观测仪所记录的数据。
由于传统研究的观测点位密度不大、流动线路有限，所得的数据同步性不佳，且通过样本空间插值所得到的热岛信息有时不能很好地表征研究地区的总貌或细部，这就限制了对热岛平面展布、内部结构的深入研究。
随着遥感技术的发展，观测数据的时相、空间及光谱分辨率大幅提高，利用卫星影像进行由点到面的资料提取，可以周期性动态地监测热环境的变化趋势，早在1993年Callo等就利用NOAA遥感参数研究了城市热岛效应对最低气温升高的影响[5]，而目前遥感地表参数已成为研究城市热岛效应的有效手段[6]。
[7][3]。
上海地区气温热岛强度秋冬强春夏弱，夜间强于白天；亮温热岛强度在暖季白天最强在夜间最弱[8]，所以考察暖季白天热岛与植被的关系宜选择亮温。
在城市环境中，植被丰度影响太阳辐射在可感热和潜热通量间的分配，进而成为控制陆地表面温度的最具影响的因素之一[9]，植被斑块的分布、大小和表面特征差异会影响植被覆盖区和裸地之间地表温度、湿度的差异[10]。
因此，探讨减轻城市热岛效应的对策有必要研究植被覆盖和城市热岛之间关系，而方法较多采用下垫面的植被指数信息与温度数据进行相关分析或回归拟合。
沈涛等[11][12][13][6]、肖胜等、程承旗等、延昊等分别选择某种植被指数(NDVI 、CVI 、BVI )与亮温、TM 6波段灰度值或地表温度求相关系数，或建立回归模型；李延明等将NDVI转换为实验区的绿地面积和覆盖率，并与区域热岛比例做回归分析[14]；国外Shigeto 用昼夜城郊的地表温度分别与不同下垫面类型的NDVI做线性回归[15]，Hope 和McDowell 研究了牧区草地地表温度和NDVI的关系[16]，Smith 和Choudhury 分析了遥感得到的地表温度和NDVI 的关系[17]，Callo 等认为NDVI和DMSP数据可定量测度城市热岛且该方法可在全球应用[18]。
此外非植被指数的方法也有应用，如鲍淳松等采用实测气温与观测点不同半径内绿地率建立了线性回归关系[19]；周红妹等在GIS空间多因子模型中就绿地面积覆盖率和高温面积比、亮温进行对应分析[20]。
以上研究一致表明植被或城市绿地系统对减缓热岛效应有很大作用。
2. 研究方案2.1数据和技术路线根据史蒂芬-波尔茨曼定律，可知地物的辐射强度与温度的4次方成正比，所以地物温度的微小差异就会引起热红外辐射的明显变化。
热红外波段(8~14μ)是研究地表热辐射特性的一般窗口，该波段内太阳辐射能量很小(约1w/m m图1 技术路线Fig. 1 Flow scheme2)，地物反射的太阳能量可忽略不记，故遥感在热红外波段内所响应的主要是地物本身的热辐射[21]。
陆地卫星热红外波段(ETM +6) 的波长区间为10.4~12.5，星下点像元分辨率为60m ×60m ，可用于辨别区域地表不同地物的辐射温度差异；可见光和近红外波段(ETM +1、2、3、4)的星下点像元分辨率为30m ×30m ，可用于植被信息提取，并适于比较精确的区域分析。
因此，本研究选择Landsat7在2001年3月13日和7月3日上午10点的ETM+6 快速格式数据。
μm 本研究技术路线(图1)即在提取上海市全境不同时相的热岛亮温及植被指数信息的基础上，研究不同下垫面景观结构中亮温与植被的相互2.2亮温提取卫星影像的灰度仅反应传感器所接受的辐射强弱，必须将其转化为传感器所接受的辐射亮度，进而求取像元亮温。
根据Landsat 7快速格式头文件记录的辐射校正的相关参数，可将像元灰度值转换为大气上界传感器的辐射亮度L 6，L 6 = gain *DN + bias (L 6、gain 和bias 的单位为，DN 是像元灰度值[22]21w m sr m μ−−−⋅⋅⋅1)。
代入两时相影像的相应参数即得：2001年3月：L 6 = 0.037204722719868×DN + 3.162795324963847 2001年7月：L 6 = 0.037058821846457×DN + 3.200000047683716[22]，可将辐射亮度换算为像元亮温：再利用ETM+热红外亮温计算模式2616273.15ln[(L )1]K T K =−+其中K 1=666.09321w m sr m μ1−−⋅⋅⋅−，K 2=1282.7108K 。
用ERDAS/IMAGING软件建模得2001年3月13日亮温范围为7~22℃，7月3日为亮温范围22~39℃。
为了用符合人眼温度序列的色系来反映了下垫面温度场，张穗等将TM6的灰度值作为H参与IHS彩色变换[23]；徐涵秋等则对热红外影像进行增强、分段线性拉伸及密度分割[24]。
本研究根据亮温的最值进行灰度均匀线性密度分割[25]：(1)(1)0.5i FH FL FLEV FL GN−−+=++(其中FLEV 为每级分割点的值，GN 为级数，FH 为最大像元值，FL 为最小像元值，i 为每一级序数，0.5为实化整时四舍五入而引入的）；在此基础上再根据像元直方特征做细微调整，得到两个时段的亮温分级图(图2)。
总体上城乡亮温差异较明显，呈现以中心市区大热岛为核，郊区城镇小热岛分散环绕的“岛群”结构：市区以黄、橙、红系高温色调为主，其高低温突变界线与城区轮廓大体一致；(a) (b)图2 上海地区ETM+6传感器亮温分级设色图(a) 2001年3月13日；(b) 2001年7月3日Fig. 2 Hierarchical-tinting images of ETM +6 at-sensor brightness temperature in Shanghai(a) March 13, 2001；(a)July 3, 20012.3植被指数提取归一化植被指数(NDVI )与植物长势和生产率成正比，且对低密度植被覆盖也较敏感[26]，所以本研究选取NDVI 表征植被水平。
对于ETM+影像，由近红外4波段和红外3波段可求得NDVI=(band4-band3)/(band4+band3)，图3所示为2001年3月和7月植被指数分布。
由于植被光谱表现为植被、阴影、土壤颜色、湿度等复杂背景的混合反应，而且受传感器光谱响应、大气条件和时相变化的影响，基于灰度值计算的植被指数通常不很一致[26]，即某些植被区NDVI 为负值，某些NDVI 高值区则并非植被，但总体上仍能反映NDVI 值与植被水平的对应关系。
(a) (b)图3 上海地区植被指数(NDVI)分布(a) 2001年3月13日；(b) 2001年7月3日Fig. 3 ND vegetation-index images of Shanghai(a) March 13, 2001；(a)July 3, 20011.000-1.0002.4回归拟合将像元亮温图、植被指数图和1、2、3、4多波段假彩色融合图的坐标单位由“像元数”改为“米”，并统一坐标原点进行关联，在对应位置抽取样本数据。
整个上海复杂的下垫面结构造成城市热环境的细微差异，若在整个上海影像的全景范围内随机采样，所得数据噪音较大，可能忽视同规模、同类型绿地在不同下垫面环境中对温度响应的差异，即相近的NDVI 值对应的亮温不一定相近。
因此本研究细化采样的区域尺度，参考上海城市自然地理图集[27]的土地利用分类图，选取宝钢工业区、金山化工区、共青森林公园、黄浦区、嘉定城区、亭林镇周边、崇明岛等试验区，分别代表城市工业区、郊县工业区、城市绿地、城市商务区、表1 2001年3月13日各实验区样本数据Tab.1 Sample data of every study area on March 13, 2001亮温(℃) 各实验区每温度所对应采样点的NDVI均值宝钢 金山 黄浦 嘉定 共青 亭林 崇明13 - - - 0.2487- - 0.306214 - 0.1517 - 0.14460.09370.1878 0.118115 -0.1310 0.0390 - -0.00600.01550.0270 0.015416 -0.1775 0.0443 -0.2210-0.2334-0.1278-0.0747 -0.059017 -0.2675 -0.1890 -0.2687-0.2600-0.2185-0.1610 -0.160318 -0.3230 -0.2420 -0.3120-0.2913-0.2913-0.2167 -0.232019 -0.3360 -0.2847 -0.3290-0.3138-0.3160-0.2620 -0.289520 -0.3435 -0.3017 -0.3483-0.3220-0.3400-0.2890 -0.301321 -0.3625 -0.3243 -0.3557-0.3280- -0.2917 -0.331522 -0.3645 -0.3447 -0.3530- - - -0.3595注：表中空缺数据缘于该实验区采样范围内无对应的亮温样点表2 2001年7月3日各实验区样本数据Tab.2 Sample data of every study area on July 3, 2001亮温(℃) 各实验区每温度所对应采样点的NDVI均值宝钢 金山 黄浦 嘉定 共青 亭林 崇明26 - 0.4703 - - - - -27 0.4405 0.3885 - 0.5016 0.4013 0.4784 0.403328 0.3846 0.3305 0.2828 0.4628 0.3648 0.3185 0.345029 0.3078 0.1800 0.2035 0.1810 0.3343 0.1253 0.250030 0.2130 0.0363 0.1424 0.1613 0.1533 -0.0587 0.086331 0.1590 -0.0644 0.0650 -0.0400 -0.0111 -0.1145 -0.046032 -0.0100 -0.1213 -0.0533 -0.1793 -0.0904 -0.2022 -0.112833 -0.1530 -0.2145 -0.0998 -0.2245 -0.1518 -0.2682 -0.170034 -0.1893 -0.3230 -0.2630 -0.2772 -0.2780 -0.2993 -0.247435 -0.2598 -0.3483 -0.2970 -0.3088 -0.3153 -0.3238 -0.298036 -0.3073 -0.3550 -0.3397 -0.3200 -0.3585 - -0.311537 -0.3300 -0.3590 -0.3517 -0.3293 -0.3732 - -0.343538 -0.3397 -0.3667 - - - - -39 -0.3810 -0.3670 - - - - -注：表中空缺数据缘于该实验区采样范围内无对应的亮温样点3.结果及讨论3.1拟合结果的时相比较如回归方程(表3)所示，F检验值均7月高于3月，说明植被与下垫面温度的负相关程度夏季较春季高，即植被对温度的影响在夏季更为明显。