城市热岛效应怎么算?LST反演步骤是什么?

别再对着热力图发呆了：城市热岛不是“看起来热”那么简单

上周一位研究生在后台留言：“老师，我用ENVI跑完LST反演，导出一张五彩斑斓的图就交作业了，导师说这根本不算‘计算’热岛效应……我懵了。”——这太典型了。很多人以为热岛分析就是做个地表温度（LST）彩色渲染图，其实那只是万里长征第一步。真正的“算”，是要量化城市与郊区的温差、空间分布模式、甚至驱动因子。今天我就手把手带你走通这条从遥感数据到热岛指数的完整链路。

热岛效应的本质：城市在“发烧”，但你得会量体温

想象一下，你感冒发烧，医生不会只摸你额头说“嗯，挺烫”，而是拿体温计测37.8℃，再对比正常值36.5℃，得出“高了1.3度”的结论。城市热岛同理——核心是“对比”。城市区域的地表温度显著高于周边乡村或自然地表，这个“显著”和“高出多少”，才是我们要“算”的东西。

我在深圳做智慧城市项目时，曾发现同一张LST图上，福田CBD比梧桐山郊野公园高出8℃以上——但这还不够。我们进一步统计了高温区面积占比、与建筑密度的相关性，这才形成真正有决策价值的报告。

LST反演四步走：把卫星拍的“光”变成“温度”

地表温度（Land Surface Temperature, LST）是热岛研究的基础数据。它不能直接从卫星影像读取，需要通过“反演”算法从辐射亮度值推算。主流方法是单窗/劈窗算法，这里以Landsat 8为例，介绍通用四步流程：

第一步：预处理——给原始数据“洗个澡”

• 辐射定标：将DN值（数字数值）转为辐射亮度（Radiance）。就像把手机拍的照片从“压缩格式”还原成“RAW原始数据”。
• 大气校正：去除大气散射、吸收的影响。推荐使用FLAASH或6S模型。不校正？那你算出来的温度可能偏差5℃以上！

第二步：计算地表比辐射率（ε）——给地表“贴标签”

不同材质发射热量的能力不同。水体ε≈0.99，混凝土ε≈0.92，植被ε≈0.97。常用NDVI阈值法估算：ε = 0.004 * P_v + 0.986（P_v是植被覆盖比例）。简单说：先算NDVI，再分三类（水体、裸土、植被）赋值ε。

第三步：反演LST——套公式“翻译温度”

使用单通道算法（适用于Landsat 8 TIRS Band10）：

LST = [B10 / (ln((ε * 666.09) / Lλ + 1))] - 273.15
# B10: 大气校正后Band10辐射亮度
# ε: 地表比辐射率
# 666.09: Landsat 8 Band10的K1常数
# Lλ: 大气下行辐射（可用MODTRAN模拟或近似忽略）
# 最后-273.15转摄氏度

第四步：后处理与验证——给结果“打质检章”

• 掩膜掉云、水体（它们会干扰热岛核心区识别）。
• 用地面气象站实测数据验证精度（误差应<2℃）。
• 重采样到统一分辨率（如30m），便于后续分析。

从LST到热岛指数：别停在温度图，要挖出“热结构”

拿到LST栅格图只是开始。真正的“计算热岛”需进一步空间统计：

进阶玩法：叠加土地利用图、POI密度、NDVI，用回归模型分析“谁在助推热岛？”（比如：建筑密度每增加10%，LST上升0.8℃）。

避坑指南：我踩过的雷，你别再踩

• 误区1：直接用未校正的影像反演 → 结果偏差大。务必大气校正！
• 误区2：忽略比辐射率，全设为0.95 → 混凝土区温度被低估2-3℃。
• 误区3：用整个研究区均温当“郊区背景” → 应选远离建成区的农田/林地作缓冲区。

总结：热岛计算 = 数据反演 + 空间对比 + 归因分析

记住这个公式：真·热岛分析 ≠ 一张彩色温度图。它必须包含三个层次：① 通过严谨算法反演出可靠的LST；② 通过空间对比量化城市与郊区的温差强度；③ 通过叠加分析找出热源背后的“凶手”（建筑？车流？绿地缺失？）。只有这样，你的报告才能让规划局领导点头，让导师给你打A+。

你卡在哪一步了？是大气校正总报错？还是不知道怎么选郊区背景点？评论区留下你的问题，我会挑3个典型问题下期视频详解！