呼和浩特市不同植被指數與地表溫度的定量遙感關系

魏寶成, 銀 山,2, 宋 潔, 王月紅

(1.內蒙古師范大學 地理科學學院, 呼和浩特 010022; 2.內蒙古師范大學 遙感與信息重點實驗室, 呼和浩特 010022)

?

呼和浩特市不同植被指數與地表溫度的定量遙感關系

魏寶成1, 銀 山1,2, 宋 潔1, 王月紅1

(1.內蒙古師范大學 地理科學學院, 呼和浩特 010022; 2.內蒙古師范大學 遙感與信息重點實驗室, 呼和浩特 010022)

利用Landsat 8影像數據，提取呼和浩特市地表溫度(LST)、4種典型植被參數：歸一化植被指數(NDVI)、修正土壤植被指數(MSAVI)、比值植被指數(RVI)及植被覆蓋度(FV)，并結合研究區(qū)土地覆被信息，探討了LST與4種典型植被參數的定量遙感關系，不同下墊面類型對地表溫度—植被參數的影響及其二者之間的空間尺度效應。結果表明：地表溫度—植被參數呈現出顯著負相關關系，NDVI，RVI，MSAVI，FV每增加0.1，對應的LST分別下降：0.99℃，0.83℃，1.02℃，0.64℃；不同土地覆被類型中二者相關性差異顯著，其中林地LST與4種植被參數相關性最強，RVI與LST相關性最穩(wěn)定；在不同的空間尺度下(30～1 920 m)，地表溫度—植被參數空間相關性呈現出先增大后減小的趨勢，NDVI，FV，MSAVI，RVI與LST的空間相關性分別在120 m，240 m，60 m，120 m達到最高。

植被指數; 地表溫度; 呼和浩特市; Landsat 8

綠色植被是地球表層系統的主要組成部分，對人類生存環(huán)境具有重要的作用[1]。在今天快速城市化的過程中，以綠色植被為主的自然景觀逐步被人工建筑景觀所取代，殘存的少量綠色植被主要集中分布在公園，導致城市熱島越來越顯著[2-3]，從而制約了城市的發(fā)展，降低了人們生活的環(huán)境質量。

城市植被覆蓋與地表溫度(Land Surface Temperature，LST)關系的研究一直是城市熱島研究的熱點之一[4]。多年來，國內外學者已經圍繞著該熱點問題取得了一些有益的研究成果。李京忠等[5]利用多期TM影像分析許昌市LST與歸一化植被指數(NDVI)之間的定量關系，發(fā)現城市熱島與城市規(guī)模呈正相關，與綠地面積，綠地空間分布及構成呈現負相關。梁保平等[3]用TM影像研究桂林市城市熱島，結果表明NDVI與LST呈顯著負相關且與海拔高度呈現分段式特征。Ren等[6]在利用TM和SPOT影像研究長春市城市熱效應，發(fā)現不僅城市植被數量影響LST分布且植被的空間結構特征也對LST影響顯著。張小飛等[7]發(fā)現，在1%的間隔尺度上植被蓋度(FV)與LST關系呈分段變化。孫鵬等[8]利用TM/ETM+影像分析銀川市熱島效應時空變化，得出銀川市城市熱島產生的原因主要是工業(yè)發(fā)展變化、道路建設和建成區(qū)面積增加引起。此外，地表溫度—植被參數相關性對空間尺度具有很強的依賴性[2,7,9]，周媛等[10]研究表明LST與NDVI相關性隨空間尺度變化表現出先增加后減小的趨勢。韓貴鋒等[2]從全局與局部出發(fā)研究得出LST與NDVI相關性在120 m空間尺度下達到最大。

目前，在地表溫度—植被參數關系研究中，大多數選取某單一植被指數進行研究，而在同一研究區(qū)選取多種植被參數進行綜合評價城市熱效應的研究相對較少。因而，本文選取4種典型植被參數并結合土地覆被數據，分析呼和浩特市區(qū)地表溫度與4種植被參數的定量遙感關系、不同土地覆被類型對二者關系的影響以及它們之間的空間尺度效應，為合理規(guī)劃城市植被分布，緩解城市熱島效應提供有意義的參考。

1 數據與方法

1.1 研究區(qū)概況

以呼和浩特市區(qū)(環(huán)城路以內)及部分郊區(qū)為研究對象，研究區(qū)位于內蒙古自治區(qū)中部大青山南側，范圍110°31′—112°20′E，39°35′—41°25′N，地處溫帶內陸地區(qū)，年均溫在8℃左右，年均降水量430 mm，年均蒸發(fā)量1 766.1 mm，屬于典型的中溫帶大陸性季風氣候。研究區(qū)內植被覆蓋變化較大，市郊差異明顯。

1.2 數據來源

本文采用的數據源為覆蓋整個研究區(qū)的Landsat 8衛(wèi)星遙感影像數據，數據采集時間2013年7月20日11時14分，軌道號126—32。該星搭載兩個傳感器：陸地成像儀(OLI)和熱紅外傳感器(TIRS)，其中OLI傳感器的多光譜數據的空間分辨率為30 m×30 m，波譜范圍0.433～1.39 μm，TIRS傳感器的兩個熱紅外波段數據空間分辨率為100 m×100 m[11]，波譜范圍10.6～12.5 μm，掃描帶寬185 km×185 km。

1.2.1 植被參數計算 在本文中選取的是4種比較常用的植被參數：歸一化植被指數(NDVI)、比值植被指數(RVI)、修正土壤調節(jié)植被指數(MSAVI)以及植被覆蓋度(FV)。這4種植被參數均可由OLI傳感器多光譜數據的相應波段計算得到，其計算公式如下所示：

歸一化植被指數(NDVI):

(1)

比值植被指數(RVI):

(2)

修正土壤植被指數(MSAVI)：

(3)

植被覆蓋度(FV):

(4)

式中：ρnir，ρred——OLI傳感器近紅外波段(第5波段)與紅光波段(第4波段)的地表反射率；NDVImin，NDVImax——研究區(qū)NDVI的極值，通常取NDVI累計頻率在5%與95%處的值作為NDVImin與NDVImax的取值[12]。

1.2.2 土地覆被數據提取 土地覆被數據提取，運用比較普遍的方法包括目視解譯與計算機自動分類。在本研究中，對OIL傳感器的多光譜波段進行大氣校正、圖像增強等處理，依據地物的光譜特征，采用最大似然比分類法，并結合研究區(qū)實際情況，將研究區(qū)土地覆被分為6大類：耕地、草地、林地、建設用地、水域、裸地。通過混淆矩陣對分類結果進行精度檢驗，其總體分類精度為87.99%，卡帕系數為0.84。在Landis and Koch[13]的研究成果中表明，卡帕系數大于0.8，說明該分類結果良好且有效。

1.2.3 地表溫度反演 LST是衡量地表能量平衡的一個重要參數，也是遙感反演的重要參數之一。LST主要通過數據源的熱紅外波段進行提取。當前，對于Landsat系列衛(wèi)星，LST反演的主要算法包括：單窗算法[14]、單通道算法[15]、分裂窗算法[16-17]、輻射方程傳導法。

針對Landsat TIRS傳感器的設計特點，采用覃志豪等[17]提出的分裂窗算法獲取研究區(qū)的LST，其計算公式如下所示：

TS=A0+A1T10-A2T11

(5)

式中：TS——地表溫度(K)；T10，T11——TIRS傳感器第10波段與第11波段星上亮度溫度；A0，A1，A2——中間參數，其計算公式如下：

(6)

(7)

(8)

式中：a10，a11，b10，b11——常數，根據文獻[17]確定常量法，LST在0～40℃時，取a10=-62.806 5，a11=-67.172 8，b10=0.438 8，b11=0.469 4；參數C10，C11，D10，D11定義如下：

Ci=εiτi(θ)

(9)

Di=(1-τi(θ))[1+(1-εi)τi(θ)]

(10)

式中：i=10，11；εi——TIRS傳感器第i波段地表比輻射率；τi(θ)——傳感器視角為θ時TIRS傳感器第i波段大氣透過率。值得注意的是，對于TIRS傳感器，其飛行高度為705 km，最大天頂視角大約為7.5°，在熱紅外波段θ值對大氣透過率的影響可以忽略不計[16]。

星上亮度溫度計算。首先進行輻射定標，將TIRS熱紅外波段數據的DN值轉化為輻射亮溫，然后利用Planck方程進行星上亮度溫度求解。輻射定標公式如下：

Ii=Gaini×Bi+Offseti

(11)

式中：i=10，11；Ii——Landsat TIRS第i波段輻射亮度值；Bi——第i波段DN值；Gaini——第i波段增益值；Offseti——第i波段偏移量。增益與偏移均可由MTL.txt元數據文件查找。TIRS數據第10與第11波段的增益值均為3.342×10-4，偏移值均為0.1。

根據Planck函數將輻射亮度值轉化為星上亮度溫度，計算公式如下：

(12)

式中：i=10，11；Ti——Landsat TIRS第i波段星上亮度溫度；Ii——第i波段輻射亮度值；K1_i，K2_i——常數，可由MTL.txt元數據文件查找，K1_10=774.89，K1_11=480.89，K2_10=1 321.08，K2_11=1 201.14。

大氣透過率計算。由研究可知，影響大氣透過率變動的因素主要取決于大氣中水汽含量的變動。因此，針對Landsat TIRS傳感器的兩個熱紅外波段，Offer Rozenstein等[16]通過大氣模擬程序Modtran 4.0，得到的中緯度夏季大氣透過率與大氣含水量之間的相關關系，計算公式如下所示：

τ10=-0.1134ω+1.0335R2=0.9982

(13)

τ11=-0.1546ω+1.0078R2=0.9986

(14)

式中：τ10與τ11——Landsat TIRS第10與第11波段的大氣透過率；ω——大氣含水量(g/cm2)。由上述方程可知，對大氣水汽含量的精確測定直接影響著大氣透過率的精度。在一幅影像中，衛(wèi)星過境時的大氣含水量通?？捎僧數貧庀笳军c進行測定，但是通過這樣模擬得到的整幅影像的大氣透過率僅僅為一個常數，而大氣含水量往往在時間、空間、方位存在差異[18]，這樣必然使得地表溫度反演存在誤差。因此，采用與Landsat 8衛(wèi)星過境時間相差1 h的Terra衛(wèi)星搭載的MODIS傳感器大氣含水量數據產品MOD05_L2，以代替氣象站點觀測的大氣含水量，這樣計算得到的大氣透過率數據可以精確到每一個像元，從而提高大氣透過率估算精度。

地表比輻射率計算。地表比輻射率反映的是地表物體自身的特性，與其自身的物理特性有關，也是遙感反演的主要內容之一。針對具有較高空間分辨率的熱紅外波段數據源來說(如TM，ETM+，ASTER等)，地表比輻射的獲取通常是先利用影像多光譜數據獲取土地覆被類型，再直接給每種地物類型賦予相應的比輻射率值。由于本研究已通過最大似然法獲取了研究區(qū)土地覆被數據，所以按表1給定每種地物類型比輻射率[19]，從而得到研究區(qū)地表比輻射率值。

表1 各土地覆被類型地表比輻射率值

2 結果與分析

2.1 地表溫度與不同植被參數定量遙感關系分析

不同植被參數具有不同的空間取值范圍，為了便于探討二者的定量遙感關系，現將4種植被參數依據絕對值最大和最小對每一個像元進行在0～1區(qū)間范圍的線性縮小，同時考慮到水域溫度與植被參數關系的特殊性[20]，在進行線性變換時將水域進行掩膜處理。利用ArcGIS 10.2軟件在研究區(qū)范圍內隨機生成330個樣點(任意兩個采樣點的距離≥300 m)，提取對應點位的地表溫度與4種植被參數值，并生成二維散點圖(如圖1所示)。

由圖1可以看出，LST與4種植被參數的關系均呈現出較為顯著的負相關關系，回歸方程均通過0.01顯著性水平檢驗，R2排序為：NDVI>RVI>MSAVI>FV，且均大于0.4。由NDVI，MSAVI，RVI，FV與LST的回歸方程可得：4種植被參數值每增加0.1，對應的LST分別下降：0.99℃，0.83℃，1.02℃，0.64℃，表征的植被降溫程度依次為：RVI>NDVI>MSAVI>FV。由此看出，城市綠色植被具有顯著的降溫效果，但使用不同的植被參數表征的降溫幅度差異明顯。

圖1 植被參數與地表溫度相關關系

2.2 不同下墊面組合對地表溫度-植被參數關系的影響

基于不同的土地覆被類型，利用ArcGIS空間分析工具分別提取每一土地覆被類型下像元的LST和4種植被參數均值，結果如表2所示。

表2 不同土地覆被類型下地表溫度-植被參數均值

由表2可以看出，不同土地覆被類型上LST均值由高到低的順序為：建設用地>裸地>林地>草地>耕地>水域，LST均值最高的建設用地比最低的水域高出9.52 K；而不同土地覆被類型上4種植被參數均值排序一致，由高到低的順序依次為：耕地>草地>林地>建設用地>裸地>水域，其中耕地、草地、林地的4種植被參數均值均大于0.5，其次是建設用地和裸地，其植被參數均值基本維持在0.15左右，水域最小。由LST和植被參數均值排序對比分析可看出，植被覆蓋越好的土地覆被類型，其LST越低。

為進一步研究地表溫度—植被參數之間的相關性，利用SPSS軟件計算不同土地覆被類型中二者Pearson相關系數。鑒于水體的特殊性[20]，在這里不對水體進行討論，結果如表3所示。分析結果表明：不同土地覆被類型中的LST與4種植被參數均呈顯著的負相關關系，相關系數為-0.125～-0.623，表明植被對城市溫度具有良好的調節(jié)作用。各土地覆被類型中，林地的LST與4種植被參數的相關性最強，其相關系數為-0.578～-0.623，其次依次為耕地和草地，建設用地和裸地較小，意味著在不同的土地覆被類型中植被的降溫效果存在差異，其中林地對城市調溫作用最明顯，因此在進行城市綠地規(guī)劃時應提高建設用地和裸地的植被覆蓋量，尤其提高林地的覆蓋量，對緩解日益嚴重的城市熱島效應效果將更加明顯。由地表溫度—植被參數平均相關系數可以看出，RVI與LST的負相關性最強，相關系數均值為-0.437，同時變異系數表征的是相關系數變動的劇烈程度，RVI變異系數最小為0.363，說明RVI與LST相關性最為穩(wěn)定。

表3 不同土地覆被類型下地表溫度-植被參數的相關系數

注：表內數據通過0.01顯著性水平檢驗。下表同。

同一區(qū)域內，由于下墊面類型組合的差異，導致對LST的調節(jié)也有所差異。為定量分析下墊面對地表溫度—植被參數關系的影響，使用ArcGIS 10.2軟件，獲取研究區(qū)重心，以該點為圓心，生成15條樣線，利用空間分析工具分別統計每條樣線所經過的像元個數(Count)，同時提取對應的地表溫度—植被參數值進行相關分析，探討在不同的下墊面組合下二者相關性變化情況，其結果如表4所示。

表4 不同樣線地表溫度-植被參數相關系數

由表4可以看出，由于下墊面土地覆被類型組合不同，導致不同樣線下地表溫度—植被參數相關系數存在很大差異，其相關系數為-0.45～-0.81，變化較大。但是在同一樣線下LST與4種植被參數的相關性變化趨勢一致。通過提取每條樣線經過的土地覆被類型百分比(如表5所示)可以看到，每條樣線下超過50%的土地覆被類型為建設用地，其次為林地，裸地和草地所占比例相當，耕地和水域較少。樣線經過大面積林地和草地時，地表溫度—植被參數的相關性較高(例如樣線11，12，13)，相關系數達到-0.73以上，經過建設用地與裸地所占比例較大的區(qū)域時，

二者的相關系數相對降低(例如樣線2，4，5，6，8，14)，相關系數大致為-0.44～-0.65，其他樣線相關系數適中。由此可見，提高城市植被覆蓋，可降低城市溫度，同時引起不同下墊面溫度差異的原因，很大程度上是由于植被覆蓋分布差異造成的。

表5 不同樣線下土地覆被類型組成百分比 %

2.3 地表溫度-植被參數的空間尺度特征分析

地理學研究對象具有尺度依賴性[21]，地理事物內部的某種關系可能只在某種尺度上才表現出來[2]。為此，本文在影像空間分辨率為30 m的基礎之上，采用ArcGIS中的鄰域分析法，以不同的鄰域分析窗口大小，分別獲取地表溫度—植被參數在不同空間尺度下的相互關系。鄰域分析窗口的大小為2×2，4×4，8×8，16×16，32×32，64×64，與之對應的空間尺度為60 m，120 m，240 m，480 m，960 m，1 920 m，使用的窗口統計類型取均值。而后利用ArcGIS軟件提取每一個像元在不同空間尺度下對應的地表溫度—植被參數值，將其結果導入SPSS軟件進行二者相關性分析，如表6所示。

表6 不同空間尺度地表溫度-植被參數的相關系數

注：a通過0.01顯著水平檢驗；b通過0.05顯著性水平檢驗。

結果表明：地表溫度—植被參數的相關性在30～1 920 m的空間尺度變化過程中，隨著空間尺度的增大呈現出先增大后減小的趨勢。其中NDVI，FV，MSAVI，RVI與LST的空間相關性分別在120，240，60，120 m的空間尺度上達到最大值，其相關系數為-0.756，-0.801，-0.724，-0.732，而之后隨著空間尺度的增大，地表溫度—植被參數的相關性迅速減小，在1 920 m的空間尺度上呈現出不相關的趨勢，其原因是空間尺度越大，下墊面組成結構的復雜性越凸顯，從而影響二者的空間相關性。

為了更加直觀地探討地表溫度—植被參數空間尺度的變化特性，選取貫穿整個研究區(qū)西南—東北方向最長的7號樣線作為剖面線，分析從空間尺度60 m升至240 m過程中二者的空間分布格局情況。由于篇幅有限，在這里僅選取與LST相關性最穩(wěn)定的RVI進行分析，其結果如圖2所示。

圖2 不同空間分辨率7號樣線LST與RVI剖面線

由圖2可以看到，在7號樣線上LST—RVI的空間尺度從60 m升至240 m的過程中，由于相鄰像元之間逐漸高度聚合，LST—RVI表面由鋸齒狀分布逐漸趨于平滑。但無論在哪種空間尺度下，剖面上LST的波峰均與RVI的波谷相對應；同時，各空間尺度的LST在城市熱島的分布位置(即城市中央)均出現了一段連續(xù)的高值區(qū)域，而與之對應的RVI值也較低。LST—RVI的這種相關關系再次驗證了植被對于城市熱環(huán)境分布的顯著影響，以及植被對于改善當前日益嚴峻的“城市熱島”效應具有舉足輕重的作用。

3 結論與討論

本研究以Landsat 8衛(wèi)星遙感影像為數據源，利用遙感反演技術提取呼和浩特市區(qū)LST以及4種比較典型的植被參數信息，同時采用GIS的空間分析方法，探討了地表溫度—植被參數的定量遙感關系，以及不同下墊面類型對二者的影響和它們的空間尺度效應，主要結論如下：

(1) 通過隨機采樣法看到，研究區(qū)內LST與4種植被參數均呈現出顯著的負相關關系，其相關系數由高到低的順序依次為：NDVI>RVI>MSAVI>FV。NDVI，RVI，MSAVI，FV值每增加0.1，對應的LST分別下降：0.99℃，0.83℃，1.02℃，0.64℃，表征植被降溫程度由高到低的順序依次為：RVI>NDVI>MSAVI>FV。

(2) 不同土地覆被類型中LST差異明顯，LST最高的建設用地比最低的水域高出9.52 K。林地的地表溫度—植被參數相關性最強，其相關系數為-0.578～-0.623。因此，在進行城市綠地規(guī)劃時應提高建設用地和裸地的植被覆蓋量，尤其林地的覆蓋量，對城市降溫效果將更加明顯。此外，在4種植被參數中，RVI與LST相關性最穩(wěn)定，對于LST的空間分布特征具有最佳的指示能力。

(3) 地表溫度—植被參數相關關系對空間尺度表現出較強的依懶性。其中NDVI，FV，MSAVI，RVI與LST的空間相關性分別在120，240，60，120 m達到最高，隨后伴隨著空間尺度的增加二者相關性迅速減小，其原因是空間尺度的增大使得地表物質構成的復雜性凸顯，對LST產生較大影響。

本研究對地表溫度—植被參數的定量遙感關系探討只基于某一時間點，而在某個時間序列上二者是否還具有這樣的遙感關系有待進一步研究，與此同時，地表溫度—植被參數最佳的空間尺度范圍為120～240 m，即1.44～5.76 hm2間，在進行城市綠地規(guī)劃以緩解“城市熱島”效應的過程中，這個尺度是否合理還需要通過使用更高空間分辨率的遙感影像進行驗證。

[1] 李雙成,劉逢媛,高江波.基于L-Z算法的NDVI變化復雜性的空間格局及其成因:以北京周邊為例[J].自然科學進展,2008,18(1):68-74.

[2] 韓貴鋒,梁保平.地表溫度與植被指數相關性的空間尺度特征：以重慶市為例[J].園林生態(tài),2010(1):68-72.

[3] 梁保平,李藝,陳可宙.桂林市NDVI、地表溫度的地物特征及相關性研究[J].遙感技術與應用,2012,27(3):429-435.

[4] 王偉,申雙和,趙小燕,等.兩種植被指數與地表溫度定量關系的比較研究:以南京市為例[J].長江流域資源與環(huán)境,2011,20(4):439-444.

[5] 李京忠,薛冰,劉永濤.基于TM的城市熱島效應研究及其應用探討:以許昌市為例[J].水土保持研究,2011,18(4):88-97.

[6] Ren Zhibin, Zheng Haifeng, He Xingyuan, et al. Estimation of the relationship between urban vegetation configuration and land surface temperature with remote sensing[J]. Journal of the Indian Society of Remote Sensing, 2015,43(1)：1-12.

[7] 張小飛,王仰麟,吳建生,等.城市地域地表溫度_植被覆蓋定量關系分析:以深圳市為例[J].地理研究,2006,25(3):369-378.

[8] 孫鵬,韓沐汶,白林波,等.基于Landsat TM/ETM的銀川市熱島效應時空變化研究[J].水土保持研究,2014,21(1):290-293.

[9] 高江波,吳紹洪,蔡云龍.區(qū)域植被覆蓋的多尺度空間變異性:以貴州喀斯特高原為例[J].地理研究,2013,32(12):2179-2188.

[10] 周媛,石鐵矛,胡遠滿,等.基于城市土地利用類型的地表溫度與植被指數的關系[J].生態(tài)學雜志,2011,30(7):1504-1512.

[11] Jiang Gao-zhen, HAN Bing, Gao Ying-bo. Review of 40-years Each Observation with Land Series and Prospects of LDCM[J]. Journal of Remote Sensing,2013,17(5):1033-1039.

[12] 陳濤,李平湘,張良培.武漢地區(qū)1988—2002年植被覆蓋度變化動態(tài)分析[J].遙感技術與應用,2008,23(5):511-516.

[13] Landis J R, Koch G G. The measurement of observer agreement for categorical data[J]. Biometrics,1977,33(1):159-174.

[14] 覃志豪,Zhang Ming-hua, Arnon Karnieli,等.用陸地衛(wèi)星TM6數據演算地表溫度的單窗算法[J].地理學報,2001,54(4):456-466.

[15] Sobrino, Jimenez-Munoz J. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research,2003,108(22)：2-8.

[16] Rozenstein O, Qin Zhi-hao, Yevgeny D. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm [J]. Sensors,2014，14(4):5768-5780.

[17] Qin Z, Dall′olmo G, Karnieli A. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J]. Journal of Geophysical Research,2001,106(19):22267-22655.

[18] 陳鋒,熊永柱.大氣水分含量的空間異質性及其對地表溫度反演的影響[J].國土資源遙感,2010,84(2):36-40.

[19] 張成才,陳東河,董洪濤.基于Landsat-5 TM數據的河南省白沙灌區(qū)地表溫度反演研究[J].遙感技術與應用,2013,28(6):964-968.

[20] 賈海峰,劉雪華.環(huán)境遙感原理與應用[M].北京:清華大學出版社,2006.

[21] 李雙成,蔡運龍.地理尺度轉換若干問題的初步探討[J].地理研究,2005,24(1):11-18.

Quantitative Analysis on the Relationship Between Land Surface Temperature and Different Vegetation Indices Based on Remote Sensing

WEI Baocheng1, YIN Shan1,2, SONG Jie1, WANG Yuehong1

(1.CollegeofGeographicalScience,InnerMongoliaNormalUniversity,Hohhot010022,China;2.RemoteSensingandInformationKeyLaboratory,InnerMongoliaNormalUniversity,Hohhot010022,China)

Four kinds of typical vegetation parameters (NDVI, RVI, MSAVI and FV) were extracted, and the land surface temperature (LST) of Hohhot City was retrieved based on Landsat 8 data. Then the relationship between vegetation indices and LST, effects of different land covers were discussed by using land cover types of the study area. The results indicated that LST had the significant negative correlation with vegetation parameters. When NDVI, RVI, MSAVI and FV increased 0.1, LST would decrease by 0.99, 0.83, 1.02, and 0.64 centigrade, respectively. Forest had the strongest negative correlation with LST, while the correlation between RVI and LST was more stable. With the increase of spatial scales (30～1 920 m), the correlation between LST and vegetation parameters increased and then decreased. The correlation between NDVI, FV, MSAVI, RVI and LST reached maximum at the resolutions of 120 m, 240 m, 60 m, and 120 m, respectively.

vegetation index; land surface temperature; Hohhot; Landsat 8

2015-02-23

2015-04-09

內蒙古自治區(qū)自然科學基金(2013ZD08);內蒙古自治區(qū)科技重大專項(2013ZDPY04)

魏寶成(1989—),男,內蒙古阿拉善盟阿左旗人,在讀碩士研究生,研究方向為自然災害監(jiān)測與評估。E-mail:nsdwbc@126.com

銀山(1963—),男,內蒙古科爾沁左翼后旗人,博士,教授,主要從事自然地理學和荒漠化及自然災害方面的研究。E-mail:yinshan@imnu.edu.cn

TP79

1005-3409(2015)05-0079-07