随着城市化进程的不断加快和人类活动的加剧, 生态与环境问题大量涌现, 人类赖以生存和发展的生态系统受到巨大的影响, 其中城市生态问题尤为突出, 如环境污染、交通拥堵、城市安全等。城市生态环境与人类自身发展的协调性, 成为生态质量监测的热点之一^[1-2]。在城市生态系统研究中, 多基于单一的指标进行监测, 如土地利用覆盖变化、植被径流变化、城市热岛问题、不透水面等生态因子对城市生态进行评价, 从景观生态学的角度研究生态因子之间的关系相对较少。城市化加快的一个明显特点是城市不透水面快速扩张, 城市建设中各类建筑物和构筑物的面积和密度不断增加, 大量的自然表面转化为不透水面, 城市景观发生了巨大的变化^[3-4]。因此研究不透水面覆盖变化对城市热环境的影响对优化城市生态系统有一定的指导意义。

不透水面, 主要是指如道路、沥青、水泥等水不能通过其下渗到土壤中的城市人工景观^[5-7], 已成为城市景观的重要组成部分。不透水面景观的面积、丰度、空间格局变化特征, 反映城市扩张、变化, 体现了城市化的程度。近年来城市热岛问题日益显著^[8-9], 主要是城市化过程中, 不透水面的大幅度增加, 使得下垫面土地利用覆盖类型发生变化^[10-11], 进而影响着地表温度, 因此研究两者的关系, 对于改善城市热环境有着重要的意义。

随着遥感技术的快速发展, 特别是遥感监测技术的应用, 使得不透水面的提取更加客观化、科学化, 能够很好的从多个角度反映不透水面的动态变化^[12-14]。同时热红外波段数据的出现, 使得获取不同时相的地表温度成为可能。近年来, 在多源遥感数据的支撑下, 不透水面与城市热岛效应的关系研究成为热点^[15-16]。大量的研究表明, 不透水面与城市热环境表现为显著的相关性, 包括线性、非线性的正相关^[17-22], 即地表温度随着不透水面的升高而升高。然而该类研究主要侧重于不透水面与地表温度之间的数值关系分析, 从不透水面景观生态学的角度, 特别是不透水面各类景观指数对地表温度的影响研究较少。在城市中, 不透水面呈现着各类不同覆盖程度不透水面构成的斑块, 面状的空间格局特征相对明显。基于该考虑, 在前人研究的基础上, 从不透水面类型的角度出发, 研究不透水面对地表温度的影响。目前, 伴随着生态修复、城市修补、城市更新、海绵城市等概念的提出, 将不透水面景观融入到城市大环境中, 分析面状的不透水面与地表温度的定量关系更显重要。本文选取乌鲁木齐市作为研究区, 分析2000年以来不透水面类型变化强度、变化方向及景观格局特征, 对地表温度影响的定量分析, 探讨两者的变动规律, 为城市规划相关部门在城市发展的整体布局中提供参考。

1 研究区、数据来源与研究方法 1.1 研究区

本文以乌鲁木齐市主城区为研究范围, 如图 1, 覆盖外环以内的矩形区域, 同时考虑到乌鲁木齐市区的长条形状, 将矩形区域北边延至城北主干道, 南边延至大湾南路, 具体的经纬度范围, 87.51°—87.64°E, 43.74°—43.91°N, 总面积188.25 km², 该区域人类活动比较剧烈, 不透水面是该区域的主要构成部分, 是不透水面空间格局特征及对地表温度影响研究的典型区域。

1.2 数据来源

获取了2000年9月2日、2008年8月7日Landsat5 TM数据, 2016年7月28日Landsat8 OLI数据三幅影像数据源, 数据分辨率30 m, 轨道号142/030, 日间成像数据, 影像季相相同, 成像时间较接近, 数据云量覆盖较少, 数据质量较好, 避免了因季节差异、植被生长状态不同而造成的影响, 具体数据标识包括LT51420302000246BJC00、LT51420302008220BJC01、LC81420302016210LGN00, 详见表 1, 数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)。由于影像数据的可获性、质量等因素, 未能选取同月数据予以研究。同时获取成像时间当日七个气象监测点气温数据, 包括米东区环保局、新疆农科院农场、培训基地、铁路局、监测站、三十一中学、收费所, 覆盖整个研究区范围。

1.3 研究方法 1.3.1 城市不透水面提取

城市不透水面是本文研究的基础, 这里选用不透水面指数来表征, 具体计算方法中^[23-24], 综合考虑下选取了徐涵秋的归一化差值不透水面指数^[25-28], 用于提取研究区的不透水面。同时将归一化不透水面指数(Normalized Impervious Surface Index, NDISI), 划分为7个区间, 反映不透水面覆盖类型, 依次是无覆盖(NDISI < 0.2)、低覆盖(0.2 < NDISI < 0.3)、较低覆盖(0.3 < NDISI < 0.4)、中覆盖(0.4 < NDISI < 0.5)、较高覆盖(0.5 < NDISI < 0.6)、高覆盖(0.6 < NDISI < 0.7)、全覆盖(NDISI > 0.7)。

式中, NDISI为归一化差值不透水面指数, NIR、MIR₁和TIR分别为影像的近红外、中红外1和热红外波段, 分别对应着TM影像的B4、B5、B6波段, Landsat8对应着B5、B6、B10波段, MNDWI为改进的归一化水体指数, 见下式：

式中, Green为绿色波段, 对应着TM影像的B3波段, Landsat8的B4波段。

1.3.2 地表温度反演

地表温度的计算主要是基于热红外波段反演, 反演算法主要包括辐射传输方程法、单窗算法、单通道算法^[29-30], 考虑数据的获取性及操作的可行性, 采用了在TM影像的B6波段、TIRS影像的B10波段, 在辐射传输方程算法下反演研究区地表温度, 其中辐射传射方程算法中, 所涉及的大气透过率τ、大气向上辐射亮度L↑、大气向下辐射亮度L↓的参数值, 是在NASA网站(http://atmcorr.gsfc.nasa.gov)查询, 输入成像时间及中心经纬度获取大气剖面信息, 具体的值如下：

1.3.3 不透水面格局与地表温度的关系

为了更好的研究不透水面景观空间格局特征, 在不透水面类型划分的基础上, 结合景观生态学的理论, 分别选取了斑块密度(Patch Density, PD)、面积-周长分位数(Permimeter-area fractal dimension, PAFRAC)、聚集指数(Aggregation Index, AI)、香农多样性指数(Shannon′s diversity index, SHDI), 细化不透水面斑块的景观特征。

不透水面空间格局对地表温度的影响分析中, 分别从不透水面类型百分比、各类景观指数共计11个指标作为自变量, 具体包括较低覆盖面积百分比、中覆盖面积百分比、较高覆盖面积百分比、高覆盖面积百分比、斑块密度(PD)、最大斑块指数(LPI)、边界密度(ED)、斑块面积均值(AREA_MN)、形状指数均值(SHAPE_MN)、邻近指数均值(ENN_MN)、斑块结合度指数(COHESION), 计算与因变量地表温度均值之间的相关性。

2 结果分析 2.1 城市不透水面的变化特征

根据前面介绍的不透水面指数的提取方法, 得到了2000年以来3个时间点的乌鲁木齐市主城区不透水面指数的空间分布图, 精度验证选用GoogleEarth作为对比, 选取不同地表覆盖类型进行检验, 提取精度达到85%以上。根据图 2发现, 乌鲁木齐市主城区的不透水面扩张明显, 特别是西南区域, 由较低覆盖类型明显的转化为中覆盖、较高覆盖类型。2016年, 高覆盖不透水面的区域面积明显减少, 主要由于在道路、广场、交通环岛等重要节点摆放花卉及新建街旁绿地、绿道等, 但是整个区域被较高不透水面类型所覆盖。在高覆盖不透水面的空间布局上, 2000年主要集中在城市中心, 相对集中, 2008年高覆盖不透水面分布相对分散, 逐渐向郊区扩散, 2016年高覆盖不透水面主要集中在城市交通道路上, 道路周边区域的不透水面指数降低, 侧面了反映了随着城市的发展表现为扩张的同时, 不透水面的内部结构不断优化。

通过3个时间点不透水面覆盖类型占比的统计, 见图 3, 研究发现：2000年以来, 乌鲁木齐市主城区不透水面主要集中在较低覆盖到高覆盖之间, 占整个研究区面积的95%以上, 即研究区不透水面指数主要集中分布在0.3—0.7区间内, 较低覆盖类型逐年向较高覆盖类型转化, 2000年以后较低覆盖类型不透水面逐年降低, 由5.77%下降到2016年的0.29%, 而在较高覆盖类型的不透水面上, 2000年48.44%, 2016年高达73.34%, 说明了主城区不透水面呈现着由中心向郊区不断蔓延的态势。

为了比较直观的分析2000年以来, 每个区域的不透水面的变化情况, 分别用当年的数据减去上个时间点的数据, 大于零记为升变化, 小于零记为降变化, 得到2000—2008、2008—2016两个时间段的升降变化图, 然后再对两幅图进行合成, 得到由升、降构成的分类图, 见图 4, 进一步显示了研究区不透水面指数的升降变化空间分布, 计算得到2000年以来不透水面指数一直处于下降的区域占15.88%, 主要集中在主城区内部；一直处于上升的区域占29.86%, 主要分布在城市的郊区, 其中贯穿城区的G216国道不透水面增强显著；表现为先降后升和先升后降的不透水面分别占20.07%、34.20%, 主要穿插在城区与郊区之中。

关于不透水面指数变化的量化分析中, 将不透水面指数的变化划分为5个层次, 见图 4, 其中0表示不透水面指数没有变化, 计算得到了两个时间段不透水面指数的具体增量。分析得到, 两个时间段不透水面指数并没有体现大幅度的增量, 2000年到2008年中没有增量的占35.95%, 2008年以来没有增量的区域继续增加, 达到了50.08%, 该区域主要集中在老城区, 即基础设施很早就已经完善的区域, 随着城市绿化、生态环境等人居条件的改善, 该区域“去水泥”化效果突出。在不透水面指数的增量上, 主要位于城市郊区, 这也是城市发展的需要, 体现了城市扩张的趋势, 由老城向新城、城中心向近郊远郊逐渐推移的过程。

2.2 城市不透水面的空间格局变化

不透水面已成为城市景观的重要组成部分之一, 本文借助生态学中景观的相关概念对研究区不透水面类型的相关指数予以分析, 结合研究需要及景观指数特点, 选择公式简单、生态学意义明确、足以说明景观格局特征的斑块密度(Patch Density, PD)、聚集指数(Aggregation Index, AI)、面积-周长分维数(Permimeter-area fractal dimension, PAFRAC)、香农多样性指数(Shannon′s diversity index, SHDI)4个指数, 定量分析2000年以来不透水面空间格局的变化。其中, 斑块密度PD、AI、PAFRAC, 计算结果见表 2。

斑块密度PD反映了每100 hm²中斑块的数量, 由于3个年份的影像数据范围的一致性, 即总景观面积, 斑块密度、斑块数量与斑块数量占总数量比值均传达同样的信息。分析发现, 2000年以来, 不透水面无覆盖、低覆盖、全覆盖斑块密度相对较小, 主要集中在其他斑块, 特别是中覆盖、高覆盖斑块, 而且此类斑块密度上升明显, 如2000年中覆盖密度到9.68, 2008年为10.51, 2016年增加到13.11, 相比2000年增长了35.44%, 侧面反映了研究区不透水面主要以较低覆盖、中覆盖、较高覆盖、高覆盖景观斑块为主, 而且表现为增长趋势, 与前面的不透水面斑块占比分析的结论一致。

面积周长分维数反映了斑块形状由二维景观镶嵌体向欧氏几何的分离的过程, 取值范围在1—2之间, 当所有斑块都较小或斑块样本小于10时, PAFRAC在分类文件中没有明确定义, 比如在2016年的PAFRAC显示为“N/A”, 说明了无覆盖斑块数量太少。2000年以来面积周长分维数均位于1.5左右大于1, 反映了斑块形状的复杂性, 然而对每个年份所有斑块的面积周长分维数的整体比较发现, 均值有下降的趋势, 反映了随时间的推移, 斑块形状规则化明显, 这与城市化进程中城市规划的作用相一致。

聚集指数是基于同类型斑块像元间公共边界长度来计算, 取值范围0—100之间, 值越大反映了斑块的聚合程度越高。计算结果显示, 研究区不透水面斑块中, 无覆盖、中覆盖、较高覆盖斑块的聚集相对较高, 到了2016年较高覆盖不透水面景观的聚集程度最大, 聚集指数达到87.71, 其他斑块的聚集程度相对较弱。

香农多样性指数SHDI是对整体景观中斑块类型的复杂性、多样性的评价, 利于不同景观斑块的比较。研究发现, SHDI逐渐下降, 2000年SHDI为1.29, 2008年SHDI为1.18, 2016年仅0.84, 说明了斑块丰富度在降低, 不透水面景观类型多样性减弱。

2.3 城市不透水面空间格局对地表温度的影响

通过辐射传输方程法, 反演得到研究区的地表温度的空间分布, 结合地表气象数据的验证, 精度较高, 见图 5。2000年以来, 地表温度增温显著, 如表 3, 2000年地表温度均值25.94℃, 2008年达到32.06℃, 2016年地表温度的平均值高达35.51℃, 而且最小、最大温度也表现为同等的增大趋势。同时, 2000年不透水面指数均值0.51, 2008、2016年不透水面指数均值分别为0.53、0.54, 也表现为明显的增长趋势。2000—2008年, 不透水面指数增长了0.02, 地表温度增长了6.12℃；2008—2016年, 不透水面指数增长了0.01, 地表温度增长了3.45℃。由此发现, 2000年以来, 不透水面指数每增加0.01, 地表温度增长3℃左右。从空间分布上, 2000年主城区零散的分布着“冷点”区, 数量相对较多, “热点”区域的数量及面积相对较少；2008年以来, “冷点”数量较少、“热点”区域增多；2016年, “冷点”区域极少, 被大批量的“热点”区域所包围, 该“热点”分布相对零散, 表现为向郊区蔓延的趋势。“热点”区域主要分布着地表温度的极大值, 该分布区与较高及以上不透水面覆盖区高度重合。

2.3.1 不透水面与地表温度的关系

很多研究表明, 随着不透水面的增加, 地表温度也随之增加, 两者呈现明显的正相关关系。从不透水面指数、地表温度影像图入手, 构成两者之间的散点图, 如图 6a。研究发现, 图形呈聚集的点球装, 形状所覆盖的面积逐渐变小, 侧面反映了研究区不透水面指数及地表温度的集聚性, 不透水面指数相对比较集中, 95%以上的集中在0.3—0.7之间。

因此进一步的将不透水面指数进行密度分割, 以0.01为起点, 0.01为步长, 1为终点, 得到100个等级的不透水面指数值, 分别计算每个等级指数对应像元的地表温度的均值, 由此得到了不透水面指数与对应地表温度均值的曲线图, 见图 6b。

分析发现, 不透水面指数与地表温度的关系相对复杂, 两者的曲线波动明显, 表现为“M”形状, 以0.3、0.5、0.7的不透水面指数值为转折点, 不透水面指数在0—0.3时, 伴随不透水面指数的增加, 地表温度上升；不透水面指数在0.3—0.5时, 不透水面指数增加, 地表温度表现为下降的趋势；不透水面指数在0.5—0.7时, 两者表现为同增的趋势; 当不透水面指数大于0.7时, 两者表现了一定程度的负相关。

考虑到研究区无覆盖、低覆盖、全覆盖类型的不透水面占比较低, 共计不足5%, 因此分割得到的样本数量相对较少, 可能会对均值化后得到的地表温度带来误差, 难以较全面表现该类型不透水面的真实温度。关于在对不透水面类型与地表温度的关系研究中, 将剔除无覆盖、低覆盖、全覆盖类型, 重点研究较低覆盖、中覆盖、较高覆盖、高覆盖不透水面对地表温度的影响。

从不透水面的覆盖类型上, 分析不透水面类型与地表温度的关系, 发现两者表现为比较明显的“V”型曲线, 见图 7。2000年不透水面覆盖区域对地表温度起到增温效果的区间集中在较高覆盖到高覆盖之间, “降温”效果的区间集中在低覆盖到较高覆盖之间, 2008年、2016年的不同类型不透水面与地表温度的关系曲线图比较一致, 以中覆盖不透水面为临界点。

2.3.2 其他地表类型与地表温度的关系

为了进一步的验证前面的研究, 从不同地表类型对地表温度的影响分析出发, 分别选用了建筑指数(IBI)、裸土指数(SI)、植被指数(NDVI)定量的研究与地表温度的关系。其中, 建筑指数越高, 不透水面指数越高, 反之, 不透水面指数越低；裸土指数、植被指数越高, 不透水面指数越低, 反之, 不透水面指数越高。借鉴前面对不透水面指数密度分割的方法, 分别得到了三者与地表温度的散点图, 见图 8。研究发现, 建筑指数、裸土指数与地表温度的曲线图比较相近, 它们与地表温度的相关性不是很明显, 除2000年以外, 其他年份关系比较复杂。2000年时, 建筑指数、裸土指数主要分布在0—0.2之间, 随着指数的增大, 地表温度上升, 主要维持在25—30℃；2008年时, 建筑指数、裸土指数主要分布在0—0.3之间, 随着指数的增大, 地表温度变化不大, 主要维持在30—40℃；2016年时, 建筑指数、裸土指数主要分布在0—0.3之间, 随着指数的增大, 地表温度的变化波动明显, 主要维持在40—45℃。由于“同物异谱、异物同谱”的存在, 关于建筑用地与裸土的区分一直是遥感信息提取的一个难点, 因此建筑指数、裸土指数与地表温度的散点图比较相似。但是它们指数值分布区间的扩大, 反映了在空间布局的变化, 集聚性增加, 同时该类地表的温度上升明显。在植被指数与地表温度的分析中, 表现为比较明显的负相关, 即随着植被指数的增加, 地表温度下降明显。

2.3.3 不透水面空间格局与地表温度的相关性

前面的分析发现, 研究区不透水面类型中, 无覆盖、低覆盖、全覆盖的比重相对较少, 因此在研究地表温度与不透水面类型及对应景观指数的关系时, 这三类斑块将不予考虑。由于一副影像只能得到一组因素变量, 无法完成相关系数的计算, 因此需要重新采样。考虑到不同时间成像的数据间的差异性, 应尽可能以某一年的数据为基础数据, 这里选取2016年的Landsat8数据进行分析。首先对2016年的不透水面指数值采样, 随机选取100个100×100像元的样区, 再对这100个样区分别计算地表温度的相关影响变量, 包括：较低覆盖面积占总面积百分比、中覆盖面积占总面积百分比、较高覆盖面积占总面积百分比、高覆盖面积占总面积百分比、PD、LPI、ED、AREA_MN、SHAPE_MN、ENN_MN、COHESION及影像地表温度的均值, 由此得到100个样本, 用于分析不透水面空间格局对地表温度的影响, 计算过程主要是通过Matlab 2015代码、Fragstats 4.2软件实现, 结果见表 4。

不透水面类型斑块中, 与地表温度相关性比较显著, 低覆盖、中覆盖与地表温度之间表现为负相关, 即低覆盖、中覆盖类型面积越多, 地表温度越低, 其中中覆盖斑块负相关程度较大, 相关系数绝对值达到0.69；较高覆盖、高覆盖与地表温度之间表现为正相关, 即较高覆盖、高覆盖面积越多, 地表温度越高, 两者的相关系数分别达到了0.41、0.42。

斑块密度与地表温度之间的相关性分析中, 较低覆盖斑块密度与地表温度表现为负相关性, 其绝对值为0.47, 即该斑块下, 斑块密度越高, 地表温度越低；中覆盖、较高覆盖、高覆盖斑块下, 与地表温度呈现正相关关系, 随着斑块密度的增长, 地表温度也随着增长。

最大斑块指数与地表温度之间的相关性分析中, 较高覆盖、高覆盖斑块与地表温度呈现正相关关系, 随着最大斑块指数的增长, 地表温度也随着增长。

边界密度与地表温度之间的相关性分析中, 除高覆盖斑块边界密度与地表温度表现为正相关以外, 其余斑块, 包括较低覆盖、中覆盖、较高斑块的边界密度与地表温度均呈现负相关性, 即该斑块下, 边界密度指数越高, 地表温度越低。

斑块面积均值、形状指数均值与地表温度的相关性方面, 两者的作用相反。临近指数均值、斑块结合度指数与地表温度的关系方面, 在较低覆盖斑块下, 两类指数越大, 地表温度越低, 其中临近指数的相关系数绝对值较大, 负相关作用明显；其余斑块下, 两类景观指数对地表温度的作用是背离的。

3 结论与讨论 3.1 结论

(1) 研究区不透水面整体表现为由城市中心向郊区蔓延的方向, 其中西南区域更为显著。研究区不透水面指数, 主要集中在0.3—0.7之间, 以中覆盖、较高覆盖、高覆盖为主, 占总面积的90%以上。

(2) 不透水面指数变化上, 15.89%的区域不透水面指数在连续下降, 主要集中在主城区内部；20.07%的区域不透水面指数连续上升, 主要分布在城市的郊区；不透水面变化强度中, 不透水面指数多集中在10%以下的增长。

(3) 不同地表类型中, 植被与地表温度呈负相关, 随着植被指数的增加, 地表温度下降显著；建筑、裸地对地表温度的影响相对复杂, 2000年正相关明显, 其他年份波动变化。

(4) 不透水面空间格局分析中, 香农多样性指数逐年下降, 不透水面类型多样性减弱；斑块密度高值区主要集中在中覆盖类型, 由2000年的9.68上升到2016年的13.11, 增长了35.44%；面积周长分维数均在1.5左右, 反映了斑块形状的复杂性, 在各时间点的对比上表现为下降趋势, 说明斑块形状向规则化方向推移；聚集指数的高值区主要集中在中覆盖、较高覆盖类型, 2016年较高覆盖该指数高达87.71。

(5) 地表温度增温显著, 2000年地表温度均值25.94℃, 2008年达到32.06℃, 2016年地表温度的平均值高达35.51℃, 而且“冷点”数量减少, “热点”数量增多。

(6) 不透水面指数与地表温度的关系研究中, 曲线图呈“M”形状, 以0.3、0.5、0.7的不透水面指数值为转折点, 不透水面指数0—0.3之间, 两者表现为负相关, 不透水面指数0.3—0.5之间, 两者表现为正相关, 不透水面指数0.5—0.7之间, 两者表现为负相关, 不透水面指数大于0.7时, 两者表现为正相关。

(7) 地表温度的相关变量研究中, 较高覆盖、高覆盖不透水面面积占比与地表温度呈正相关, 面积越大, 温度越高, 相关系数分别为0.41、0.42；其中, 较高覆盖不透水面的景观指数中, 斑块密度、最大斑块指数、形状指数均值、斑块结合度指数与地表温度正相关, 相关系数依次为0.30、0.29、0.30、0.40, 其余表现为不同程度的负相关。

伴随着城市的快速发展, 研究区不透水面急速扩张, 城市热岛效应明显, 其中较高覆盖、高覆盖的不透水面对地表温度的影响较大, 植被的降温效果较好。因此在城市生态建设中, 应保证一定的绿地率, 一方面可以美化市容市貌, 还可以降低城市热岛效应。同时, 通过优化不透水面的空间布局、降低不透水面的斑块密度等措施, 消弱不透水面对地表温度的正相关作用。还可以从道路的材质选择、屋顶绿化等手段, 来尽可能的优化城市生态环境。总体而言, 城市生态系统较复杂, 完善、优化系统的有效运行, 并不是单一的生态因子可以彻底解决的, 需要因地制宜, 科学合理的制定生态修复的方案。

3.2 讨论

本文通过归一化差值不透水面指数法、辐射传输方程法分别提取了研究区的不透水面指数及地表温度, 精度较高, 能够满足研究要求。同时借助景观指数很好的反映了不透水面覆盖类型的景观空间特征。研究发现不透水面与地表温度的关系存在一定程度的阶段性。该阶段性特征, 一方面印证了前人关于不透水面与城市热环境的显著相关性特征, 同时也体现了非线性的正相关性。然而阶段性特征也给出了不透水面与城市热环境之间负相关性的存在, 即在一定的范围内, 随着不透水面指数的增加, 地表温度下降, 这是在对不透水面指数分类予以细分后得到的。因此不透水面对地表温度的影响相对复杂, 不能单一的将不透水面指数值绝对化。不透水面指数仅体现了该像元内不透水面多少情况, 还需要思考该像元内不透水面的斑块数量、空间布局等因素, 综合评价与地表温度的影响。同时单个像元内不透水面的材质、像元的高程等因素也会带来不同程度的影响。在建筑用地、裸地的提取方面, 有待进一步改善。

未来可以通过高分辨率影像为数据源, 将地表类型细化, 分别从商业区、办公区、住宅区、道路、公园等相对微观的尺度量化不透水面对地表温度的分析, 更加深入的分析不透水面相关要素对地表温度的影响程度。