一、文献综述
一、国内外研究现状
（一）温度的选取与获取
为了衡量城市热岛效应的强度，研究人员通常会使用大气温度（Air Temperature，简称AT）作为主要的指标，通过地面气温站来获取温度数据。Zhou便在他的文章中采用了这个指标[[1]]，这样得到的数据更贴近地表的真实数据，温度数据的可信度更高。然而大气温度数据的获取受地面站点分布的制约相当严重，很难获得像是遍布整个杭州的大尺度的温度数据。在这种情况下，可以考虑用陆地卫星产品方便地进行大面积的陆地表面温度（Land Surface Temperature，简称LST）提取，其覆盖的范围与地面气温站相比更加广阔。此外，Sekertekin已经在自己的文章中证明了陆地表面温度与大气温度之间存在很强的相关性[[2]]，两者之间可以根据需要进行替换。因此，LST被广泛地应用于反映城市热岛现象，像是Hu、Dararat等人的文章便采用了LST作为温度数据，而城市热岛也根据需要被命名为了地表城市热岛（SUHI）[[3]][[4]]。
此外，陆地卫星产品具有高时间分辨率与高空间分辨率，为研究人员提供着详细的地球表面状况，因此得到广泛的应用，像是Rendenieks、Yang等人的研究都选择了使用陆地卫星产品[[5]][[6]]。在所有的卫星产品中，Landsat系列卫星影像是使用最广泛的数据，它具有以下优势：（1）免费获取；（2）覆盖全球；（3）具有较长的时间序列；（4）包括了热波段和专题光谱波段[[7]]。
获取卫星影像后，Qin提到了一种温度提取的方法，采用的是基于热红外波段（Landsat-8的波段10和Landsat5/7的波段6）和大气剖面参数的单通道算法[[8]]。通过这一算法可以得到地面热辐射的强度，并应用从卫星传感器观测到的热辐射总量减去大气模型模拟的大气效应的方法，提取温度信息[14]。温度提取中大气模型使用的大气廓线参数可以通过美国国家航空航天局（NASA）获得[[9]]。
（二）地物分类方法与相关性分析
最大似然分类算法是监督分类中应用最广泛的参数分类算法之一，被广泛地应用于地表覆盖分类制图当中，并且具有较高的分类精度[[10]]。决策树分类法则能通过清晰的分类结构、简单明了的分类规则高效快捷地进行高精度分类，因此也使用较广[[11]]。随机森林作为一种基于决策树算法的分类模型，由于建立起数量众多、互不相关的决策树，在进行分类的时候分类速度快且精度高，但其建立的过程比较繁琐[[12]]。
对于分类结果的精度验证来说，Russell早在1991年就已经总结了生产者精度、用户精度和总体精度，以反映分类结果的准确性[[13]]。关于地表真实数据的获取，Wang创建了300个随机点导入到Google Earth中，将随机点的分类结果与高分辨率的卫星影像进行对比，得到了上述三种分类精度[[14]]。
得到了分类结果良好的地物分类图后，就可以将其与LST对应起来进行相关性分析。文献中通常将地物信息与温度制作成散点图，获取趋势线方程的R2，进一步通过R2大小推断相关性，例如Sun、Wang、Ling等人都采用了绘制散点图的方法来分析相关性[[15]][[16]][[17]]。
（三）热岛剖面获取
获取了地表温度之后，为了更加形象的描述热岛的形态，有学者还进一步获取了热岛的剖面[[18]][[19]]。这样一来，从城郊到市中心再到城郊，地表温度会呈现出先上升再下降这样的一个趋势，能够让人更加直观地看到热岛的存在。在Estoque的文章中，就有对于热岛剖面形态的描述，剖面中的尖峰、山谷、高原、盆地都对应了整个地区LST的空间分布状况[30]，可以对地区的热岛有更加深刻的认识。为了得到剖面图，Weng的做法是先绘制了穿过市中心的南北剖面，然后从南-北剖面开始每隔45°方位角构造一个新的剖面[31]，得到南-北、东-西、西北-东南和东北-西南四个走向的四条剖面，获取剖面上的LST信息，就可以从四个方位来形象地观察城市的热岛现象。
（四）景观信息分析
景观信息通常是影响着城市热岛形成与发展的一个不可或缺的因素[[20]]。之前的学者们，像是Asgarian、Pan等人，在进行景观信息的实际研究应用时，都采用了计算景观格局指数的方法来检验景观空间形态与地表温度之间的关系，从而量化景观信息[[21]][[22]]。而在景观的组成和配置对LST的分布影响的问题上，Du和Xie都已经在其文章中指明了所存在重大的相关性[[23]][[24]]。Peng等人在北京的研究也有力地证明了，优化景观空间配置具有缓解城市热岛效应的潜力[[25]]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
