基于 GEE 的城市热岛效应分析——可视化地表温度 LST 与归一化植被指数 NDVI 的关联

目录

1 前言

2 研究方法及数据处理

3 完整代码

4 运行结果

1 前言

随着全球气候变化的不断加剧，城市热岛效应逐渐成为了城市可持续发展中的重大挑战之一。城市热岛效应是指城市区域内由于人为活动、建筑材料、地面铺装方式等因素导致的温度明显高于周边郊区的现象。这种效应不仅对城市居民的舒适度造成了显著影响，还可能加剧能源消耗、空气污染，甚至对公共健康产生威胁。因此，研究城市地表温度（Land Surface Temperature，简称 LST）及其与归一化植被指数（Normalized Difference Vegetation Index，简称 NDVI）的关系，成为了当前城市环境研究领域的重要课题。

因此本文分享通过遥感技术，基于 Google Earth Engine 平台与 Landsat 8 卫星影像，分析研究区 2020 年 4 月至 7 月期间的地表温度特征，并进一步探讨地表温度与植被指数之间的关系。

2 研究方法及数据处理

（1）NDVI 计算：NDVI 是植被覆盖状况的重要指标，计算公式为：(NIR - Red) / (NIR + Red)，其中 NIR 为近红外波段（波段 5），Red 为红波段（波段 4），较高的 NDVI 值通常表示更丰富的植被覆盖。

（2）地表发射率估算：地表发射率是计算地表温度的重要参数之一，本研究根据 NDVI 估算地表发射率，采用的经验公式为：发射率 = NDVI × 0.0003342 + 0.1。

（3）地表温度（LST）推算：通过 Landsat 8 热红外波段（波段 10），首先将影像的数字量值（DN）转换为辐射亮度，然后根据亮度推算亮温，最后考虑地表发射率的修正，得到实际地表温度。具体的计算过程包括以下步骤：

①将 DN 值转换为辐射亮度；

②根据 Landsat 8 提供的校准常数，进一步转换为亮温（摄氏度）；

③利用发射率和亮温推算实际地表温度。

本文利用皮尔逊相关系数（Pearson correlation coefficient）方法，进一步分析了 NDVI 与 LST 之间的相关性。结果显示，两者之间存在明显的负相关趋势，即植被覆盖越高的区域，地表温度越低。这充分证明了植被对城市热岛效应的显著缓解作用。

通过进一步采样分析，建立了 NDVI 与 LST 的散点图，直观展示相关趋势，进一步凸显了植被在调节城市生态环境方面的重要价值。

为了更好地展示结果，可以在代码运行后点击“选择地图”分别查看不同区域的地表温度分布和植被覆盖情况。