夏季川西高原地表溫度的空間特征和影響因素
——以西昌市大部分區(qū)域?yàn)槔?/h1>
2017-04-28 03:24:26文路軍彭文甫楊華容王懷英董麗君尚雪
自然資源遙感 2017年2期
文路軍， 彭文甫， 楊華容， 王懷英， 董麗君， 尚雪
(1.西南土地資源評價(jià)與監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室，成都 610068；2.四川師范大學(xué)地理與資源科學(xué)學(xué)院，成都 610068)
夏季川西高原地表溫度的空間特征和影響因素
——以西昌市大部分區(qū)域?yàn)槔?/p>
文路軍1,2， 彭文甫1,2， 楊華容1,2， 王懷英1,2， 董麗君1,2， 尚雪1,2
(1.西南土地資源評價(jià)與監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室，成都 610068；2.四川師范大學(xué)地理與資源科學(xué)學(xué)院，成都 610068)
揭示地表溫度(land surface temperature,LST)的空間特征及其影響因素對環(huán)境變化研究具有重要意義?，F(xiàn)有研究主要分析了單因子與LST的關(guān)系，但對向陽面和背陽面背景下多因子與LST的關(guān)系尚不清楚。研究中將區(qū)域劃分為向陽面和背陽面，基于遙感數(shù)據(jù)提取土地利用信息并應(yīng)用大氣校正法進(jìn)行LST反演，采用相關(guān)分析、主成分分析和逐步回歸分析法構(gòu)建LST與多因子(歸一化濕度指數(shù)(normalized difference moisture index,NDMI)、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、坡度(slope)、坡向(aspect)和數(shù)字高程模型(digital elevation model，DEM))的回歸方程，研究了向陽面和背陽面背景下各因子對LST的影響程度。結(jié)果表明： 相同海拔、土地利用的LST均表現(xiàn)為向陽面高于背陽面，LST隨海拔升高而降低，不同土地利用的LST均不相同； 向陽和背陽面LST的主要影響因素均為NDMI和DEM，向陽面NDMI影響程度最大，背陽面卻相反； 其余影響因子影響程度均較低，向陽面NDVI和背陽面Slope影響程度最大。因此，向陽和背陽面導(dǎo)致夏季川西高原LST空間格局變化,且其影響因子的影響程度和主次順序差異明顯。
土地利用類型； 地表溫度反演； 空間特征； 川西高原
0 引言
地表溫度(land surface temperature,LST)是地球表面能量平衡的重要參數(shù)，也是地球環(huán)境分析的重要指標(biāo)。土地利用是人類生存和發(fā)展的重要保障，土地利用類型直接影響著LST。土地覆蓋、地表比輻射率和水汽含量對LST影響存在明顯的差異性，許多學(xué)者通過研究土地覆蓋狀況與LST之間的關(guān)系探討了LST的空間特征[1-3]，發(fā)現(xiàn)不同土地利用類型對應(yīng)的LST均不相同。彭征[4]研究發(fā)現(xiàn)山地城市的土地覆蓋變化引起LST的空間格局變化。
宏觀上經(jīng)度、緯度以及氣候條件和局地因素(數(shù)字高程模型(digital elevation model，DEM)、坡度(slope)、坡向(aspect)和太陽方位、高度角，以及地表地物類型、土壤濕度和大氣水汽含量)對LST影響較大。目前，主要利用反應(yīng)下墊面情況的植被覆蓋狀況和水汽含量對LST的影響進(jìn)行研究，發(fā)現(xiàn)城市、山區(qū)、高原、平原和干旱地區(qū)歸一化植被指數(shù)(normalized difference vegetation index，NDVI)與LST之間都存在較強(qiáng)的相關(guān)性[5-7]，總體呈現(xiàn)出負(fù)相關(guān)關(guān)系。錢樂祥[8]發(fā)現(xiàn)歸一化濕度指數(shù)(normalized difference moisture index, NDMI)與LST存在的線性關(guān)系較NDVI與LST的線性關(guān)系更強(qiáng)，能更好地表達(dá)LST的特征情況。孫常峰[9]研究認(rèn)為，夏季山區(qū)在沒有水體情況下NDVI與NDMI都能有效地表達(dá)LST，且LST分別與NDVI，NDMI呈二次和線性負(fù)相關(guān)關(guān)系，NDVI與NDMI之間存在高度相關(guān)關(guān)系，研究表明LST隨海拔升高逐漸降低[3,9]。目前，國內(nèi)主要針對單方面的影響因子與LST建立關(guān)系來探討和描述LST的空間特征，很少構(gòu)建多因子與LST之間的相關(guān)關(guān)系，忽略了其他影響因子對LST的影響，尤其以地形為主的復(fù)雜地形區(qū)域的研究更少，對地形向陽面和背陽面各影響因子影響程度很少進(jìn)行具體討論。
西昌市地處川西高原，地勢起伏較大，局部地形中屬于平原與高原的過渡地帶，且經(jīng)緯度范圍變化小，因此不考慮宏觀上LST的影響因子，對于研究地形條件和下墊面性質(zhì)對LST的影響比較典型。基于影像成像時(shí)間、太陽高度角、方位角和DEM等輔助數(shù)據(jù)將地表劃分為向陽、背陽和交替面； 在監(jiān)督與決策樹分類提取土地利用類型、大氣校正方法反演LST數(shù)據(jù)基礎(chǔ)上，采用相關(guān)分析方法對LST空間特征與土地利用類型、影響因子之間關(guān)系進(jìn)行分析； 為消除共線性問題，利用主成分和逐步回歸分析方法構(gòu)建LST與多因子的回歸方程，確定影響因子對LST的影響程度。
1 研究區(qū)及數(shù)據(jù)源概況
1.1 研究區(qū)概況
西昌地處川西高原的第二大平原—安寧河平原，位于101°55′～102°22′E，27°36′～27°59′N，地勢起伏大且垂直地帶性突出，地形以山地為主，大部分海拔都在2 000～3 000 m之間，北部很多山峰海拔都超過了3 500 m，約占總面積的83.4%； 河谷平原的平均海拔1 500 m，占總面積的16.4%。西昌屬于熱帶高原季風(fēng)氣候，氣溫隨海拔升高變化明顯，日照多，地溫、氣溫高，年平均溫度為17.2 ℃，8月最高23.8 ℃，1月最低9.4 ℃，全年風(fēng)速較大，蒸發(fā)量大，濕度相對較小。西昌市境內(nèi)有著名的四川省第二大淡水湖泊—邛海，安寧河由北向南貫穿西昌，西昌森林類型主要以云南松為主，植被覆蓋度超過50%，夏季主要農(nóng)作物為水稻、玉米，冬季主要農(nóng)作物為小麥。本研究區(qū)主要包括西昌市城區(qū)、安寧河、邛海、河谷平原和山地，總面積1 264.75 km2，其中海拔在2 000 m且坡度大于20°以上的地形面積所占比例為38.43%。
1.2 數(shù)據(jù)源及其預(yù)處理
研究數(shù)據(jù)包括Landsat ETM+數(shù)據(jù)和GDEM-DEM數(shù)據(jù)，來源于地理空間數(shù)據(jù)云(http: //www.gscloud.cn/)。其中，影像數(shù)據(jù)成像時(shí)間為2002年8月27日3∶28，太陽高度和方位角分別59.96°和120.05°。MODIS中國1 km的LST每天產(chǎn)品(TERRA星)數(shù)據(jù)，成像時(shí)間為2002年8月27日3∶55。
利用最鄰近重采樣法對Landsat ETM+數(shù)據(jù)多光譜和熱紅外波段重采樣為15 m； 對ETM+影像多光譜和熱紅外波段進(jìn)行輻射定標(biāo)，獲得真實(shí)地表的輻射亮度值，進(jìn)行大氣校正獲得真實(shí)的地表反射率。由于西昌市1∶400萬行政邊界圖、MODIS中國1 km的LST產(chǎn)品和ETM+影像數(shù)據(jù)的投影方式不同，利用ArcGIS投影轉(zhuǎn)換工具將投影轉(zhuǎn)換為統(tǒng)一的經(jīng)緯度投影。圖1為研究區(qū)位置、ETM+影像、GPS野外驗(yàn)證點(diǎn)和路線。
圖1 研究區(qū)位置、ETM+影像、GPS野外驗(yàn)證點(diǎn)和路線
2 研究方法
2.1 地形向陽面、背陽面劃分
根據(jù)影像元數(shù)據(jù)信息，模擬研究區(qū)太陽輻射變化過程，經(jīng)計(jì)算得出位于太陽輻射區(qū)域的坡向范圍為30.08°～184.35°，將其劃分為向陽面； 未被太陽輻射范圍為210.08°～4.35°，將其劃分為背陽面； 其余部分為交替面。
2.2 土地利用類型獲取與驗(yàn)證
1)土地利用類型獲取。遙感影像分類中最大似然監(jiān)督分類和基于分類回歸樹算法的決策樹分類方法具有很高的分類精度[10]，由于一般圖像的像元很多是混合像元，帶有混合光譜信息的特點(diǎn)，致使計(jì)算機(jī)分類面臨著諸多模糊對象，不能確定其究竟屬于哪一類地物，同物異譜和異物同譜的現(xiàn)象普遍存在，導(dǎo)致誤分和漏分[11]，加之訓(xùn)練樣本選取依靠人工經(jīng)驗(yàn)，單基于一種分類方法的分類結(jié)果具有很大誤差，因此研究利用這2種方法分別對研究區(qū)影像進(jìn)行土地利用類型的分類。訓(xùn)練樣本選取時(shí)，利用Google Earth研究區(qū)當(dāng)天QuickBird影像數(shù)據(jù)作為輔助數(shù)據(jù)進(jìn)行訓(xùn)練區(qū)類別選取，每個(gè)類別訓(xùn)練樣本選定至少在20個(gè)以上，分類過程中2種方法采用相同的訓(xùn)練樣本。
2)土地利用類型結(jié)果驗(yàn)證。由于研究區(qū)影像時(shí)間關(guān)系，對土地利用類型結(jié)果精度進(jìn)行評價(jià)時(shí)，首先查閱相關(guān)年份的土地利用資料，初步判讀出土地利用類型未變化區(qū)域，再利用手持GPS定位和數(shù)碼相機(jī)拍攝獲取驗(yàn)證點(diǎn)土地利用信息。山地土地利用類型很少發(fā)生變化，因此設(shè)計(jì)野外驗(yàn)證路線時(shí)主要在平原和山地過度區(qū)域，研究共采樣55個(gè)驗(yàn)證點(diǎn)并重新選取訓(xùn)練樣本對分類結(jié)果精度進(jìn)行評價(jià)。
2.3 LST反演與驗(yàn)證
1)LST反演。比較成熟的算法大致有4種： 多波段算法、分裂窗算法、大氣校正法和單通道算法，多波段和分裂窗算法適合于2個(gè)及2個(gè)以上的熱紅外波段數(shù)據(jù)，而大氣校正法和單通道算法適合于一個(gè)熱紅外波段的數(shù)據(jù)。Landsat ETM+影像第6波段為熱紅外波段，本研究選用大氣校正法對ETM+影像進(jìn)行LST反演。反演過程中，在NASA官網(wǎng)平臺(tái)上(http: //atmcorr.gsfc.nasa.gov/)輸入影像成像時(shí)間和中心經(jīng)緯度信息，經(jīng)查詢得到，研究區(qū)大氣透過率、大氣上行輻射和下行輻射分別為： 0.79，1.44和2.38 W·m-2·sr-1·μm-1。NDVI[12]和NDMI[13-14]計(jì)算公式和算法參考前人研究[15-18]，本文不再描述。在反演過程中，由于研究區(qū)河流水體渾濁，經(jīng)驗(yàn)閾值不能很好的區(qū)分出河流與居民地，因此利用徐涵秋[19]改進(jìn)的歸一化差異水體指數(shù)進(jìn)行居民地與河流的閾值提取。
2)LST驗(yàn)證。MODIS LST產(chǎn)品尺度雖然較大，但其產(chǎn)品精度很高，在考慮溫度反演所需各參數(shù)的估計(jì)誤差時(shí)，其精度可控制在0.6～0.8 ℃范圍內(nèi)[20]，因此利用MODIS LST產(chǎn)品數(shù)據(jù)對ETM+ LST結(jié)果精度進(jìn)行驗(yàn)證。在研究區(qū)內(nèi)隨機(jī)選取50個(gè)分布均勻的1 km×1 km格網(wǎng)，求取格網(wǎng)內(nèi)MODIS LST和ETM+ LST結(jié)果平均值兩組數(shù)據(jù)，利用SPSS軟件配對樣本T檢驗(yàn)工具分析這兩組數(shù)據(jù)是否存在顯著性差異。
2.4 LST與影響因子統(tǒng)計(jì)分析
因像元數(shù)太多，故本研究采用分層采樣和簡單隨機(jī)采樣法，先將研究區(qū)DEM分為21層，每層間距100 m，再在每層隨機(jī)采樣1 000個(gè)樣本像元，據(jù)此數(shù)據(jù)探討各因子之間的相關(guān)關(guān)系和構(gòu)建LST與多因子的回歸方程。
3 結(jié)果與分析
3.1 土地利用類型
實(shí)地考察發(fā)現(xiàn)，路線周圍山地上土地利用類型隨海拔上升主要由草地過渡到林地，地形向陽和背陽面區(qū)分明顯，海拔相對較低時(shí)背陽面林地覆蓋較向陽面好。在55個(gè)驗(yàn)證樣本中，有51個(gè)點(diǎn)顯示解譯正確，實(shí)地驗(yàn)證精度為92.72%。對2種方法的分類結(jié)果圖做差異比較，結(jié)果表明2種方法的分類結(jié)果相同之處達(dá)到了84.81%。在后期工作中將利用這84.81%的相同區(qū)域進(jìn)行統(tǒng)計(jì)分析。參照原始影像對不同處進(jìn)行類別修正，得到最終分類結(jié)果如圖2所示。從圖中可以清楚的看到河谷平原地區(qū)主要以耕地為主，山區(qū)主要以草地和林地為主，隨海拔升高土地利用類型由草地過度到林地。
圖2 土地利用類型提取結(jié)果
3.2 LST反演結(jié)果
LST反演結(jié)果如圖3所示。
(a) 地表溫度反演結(jié)果(b) MODIS影像地表溫度反演結(jié)果
經(jīng)過差異性比較可知，兩組數(shù)據(jù)存在顯著性差異，MODIS LST的平均值為25.84 ℃，ETM+ LST的平均值為24.91 ℃，均值的標(biāo)準(zhǔn)誤差為0.14，成對樣本相關(guān)系數(shù)0.73，具有明顯的線性變化。在5%～95%置信區(qū)間內(nèi)，差值在0.803 ℃～1.474 ℃范圍內(nèi)。平均溫度分布基本相同，山區(qū)溫度較低，河谷平原溫度相對較高。圖中顯示整個(gè)研究區(qū)所有像元的LST，其極低值主要出現(xiàn)在云層和陰影區(qū)域，在1%～99%置信區(qū)間中，ETM+ LST值在15.22 ℃～31.95 ℃范圍內(nèi)，MODIS LST在16.61 ℃ ～33.09 ℃。這是由于研究區(qū)ETM+影像數(shù)據(jù)獲取時(shí)間較MODIS影像早大約30 min且時(shí)間都在上午，地表處于吸熱增溫階段，因此MODIS LST值相對較高，所以ETM+ LST結(jié)果精度較高，其值具有可靠性。
3.3 土地利用類型與LST空間特征的關(guān)系
3.3.1 土地利用類型與LST空間特征描述
為了更加直觀的展示出土地利用類型與LST空間特征的關(guān)系，將LST圖像和土地利用類型圖像與DEM數(shù)據(jù)進(jìn)行疊加生成三維圖像，如圖4所示。
(a) LST三維圖 (b) 土地利用三維圖
對比圖4發(fā)現(xiàn)，在平原區(qū)域，LST因地表土地利用類型不同表現(xiàn)出不同空間特征，LST最高出現(xiàn)在建筑物比較密集的城鎮(zhèn)居民地，而最低往往出現(xiàn)在河流； 在地勢起伏較大的地形區(qū)域，裸地的LST最高，林地LST最低，LST因土地利用類型光照條件的不同而變化，光照充裕的向陽土地利用類型LST都高于光照稀少的背陽面。
3.3.2 土地利用與LST空間特征的量化分析
根據(jù)統(tǒng)計(jì)方法獲得每100 m海拔變化各土地利用類型平均LST，結(jié)果見表1。
表1 DEM每上升100 m范圍內(nèi)不同土地利用類型的LST平均值
1)研究區(qū)內(nèi)耕地、居民地、河流和湖泊均處于1 800 m海拔以下，其平均LST分別為： 25.57 ℃，29.47 ℃，21.05 ℃和23.61 ℃。8月份耕地主要種植水稻和玉米，其LST較周邊林地高大約0.6 ℃，較草地低大約1.6 ℃。河流水體LST較湖泊低約2.5 ℃，河流水體為流動(dòng)性水體，表面與內(nèi)部熱量交換較快，而湖泊水面平靜，熱量交換較慢。
2)相同土地利用類型處于不同地形方位，受太陽輻射時(shí)長不同，LST形成不同的空間格局。如表1所示，向陽林地LST較背陽林地LST高約1.2 ℃，向陽草地高背陽草地大約1.6 ℃，向陽裸地高背陽裸地大約1.5 ℃。對于整個(gè)研究區(qū)LST大小空間分布的規(guī)律表現(xiàn)為： 居民地>裸地>草地>耕地>林地>湖泊>河流。根據(jù)地形方位表現(xiàn)出的規(guī)律為： 居民地>向陽裸地>向陽草地>耕地>背陽裸地>向陽林地>背陽草地>背陽林地>湖泊>河流。
3)不同土地利用類型LST與DEM的相關(guān)性。運(yùn)用SPSS軟件進(jìn)行計(jì)算，得到向陽林地、向陽草地、向陽裸地、建筑物、耕地、背陽裸地、背陽林地和背陽草地LST與DEM的Pearson相關(guān)系數(shù)分別為： -0.986，-0.904，-0.985，-0.919，-0.928，-0.987，-0.947和-0.952，顯著性為0.01。由其相關(guān)系數(shù)可以得出各土地利用類型LST與DEM存在高度負(fù)相關(guān)關(guān)系。構(gòu)建地物類型與海拔的回歸方程，如圖5所示，可以看出林地和裸地LST與DEM之間有較好的線性關(guān)系，而草地與海拔之間二次項(xiàng)試構(gòu)建的回歸方程擬合程度較高。因太陽高度角變化過程中，由于山體大小不一，在其背后形成的陰影大小發(fā)生著相應(yīng)的變化，導(dǎo)致其背后地表所接受陽光照射時(shí)間不一，因此在統(tǒng)計(jì)向陽面平均值時(shí)會(huì)略偏低，要細(xì)微的進(jìn)行劃分，還需對每一座山體間距、大小以及地形自身的起伏程度進(jìn)行考慮。本研究假設(shè)向陽面和背陽面太陽輻射時(shí)長均一致，DEM與LST下降趨勢結(jié)果較為理想。
(a) 向陽林地(b) 背陽林地(c) 向陽草地
(d) 背陽草地(e) 向陽裸地(f) 背陽裸地
3.4 LST影響因子之間的相互關(guān)系
統(tǒng)計(jì)得到海拔每100 m范圍內(nèi)各土地利用類型NDVI和NDMI平均值，計(jì)算顯著性在0.01下NDVI，NDMI，DEM和LST之間的相關(guān)性，結(jié)果顯示Pearson相關(guān)系數(shù)如表2所示。
1)在各土地利用類型中，DEM-NDVI呈顯著正相關(guān)關(guān)系，而LST-NDVI呈顯著負(fù)相關(guān)關(guān)系；DEM-NDMI，NDVI-NDMI和LST-NDMI相關(guān)性正負(fù)不一。減小共線性問題，控制DEM在100 m變化中，計(jì)算NDVI與NDMI之間的Pearson相關(guān)系數(shù)為0.82，具有高度正相關(guān)性。
2)在向陽面，slope與LST的Pearson相關(guān)系數(shù)為-0.211，呈低度負(fù)相關(guān)關(guān)系；aspect與LST之間Pearson相關(guān)系數(shù)為0.18，呈低度正相關(guān)關(guān)系。背陽面，slope與LST之間Pearson相關(guān)系數(shù)為-0.584，呈中度負(fù)相關(guān)關(guān)系；aspect與LST之間Pearson相關(guān)系數(shù)為-0.188，呈低度負(fù)相關(guān)關(guān)系。
表2 各土地利用類型中影響因子之間的相關(guān)關(guān)系
3.5 LST與多因子回歸分析
由于各LST影響因子之間相互影響，為了消除建立回歸方程時(shí)共線性問題，本研究對各個(gè)影響因子做主成分分析，主成分分析過程有2個(gè)重新生成的變量特征值大于1，且在成分矩陣中2個(gè)主成分可基本反映影響因子全部的指標(biāo)信息，因此可用這2個(gè)新變量來替代原因子變量。新建立的向陽面主成分的綜合模型為
F1=0.28slope+0.494NDVI+0.278NDMI+0.317DEM-0.097aspect，
(1)
背陽面主成分綜合模型為
F2=0.097slope+0.47NDVI+0.496NDMI+0.119DEM+0.17aspect。
(2)
根據(jù)綜合模型對數(shù)據(jù)加以修正再建立向陽面和背陽面LST與其影像因子之間的線性回歸方程，其計(jì)算指標(biāo)如表3和表4所示。由偏相關(guān)系數(shù)可以看出在地形背陽面和向陽面LST受DEM與NDMI影響最大，受其他因子影響較低，這與孫常峰[9]研究夏季泰山LST影像因子影響程度結(jié)果相一致。建立研究區(qū)背陽面和向陽面LST與其影響因子NDVI，NDMI，DEM，slope和aspect之間的線性回歸方程如表5所示。
表3 背陽面逐步回歸分析相關(guān)統(tǒng)計(jì)參數(shù)
*P<0.01，R2=0.77。
表4 向陽面逐步回歸分析相關(guān)統(tǒng)計(jì)參數(shù)
*P<0.01，R2=0.57。
表5 背陽面、向陽面LST與多因子之間的回歸方程
4 結(jié)論
1)向陽面和背陽面LST值差異較大。同一海拔、相同土地利用類型的LST值表現(xiàn)出向陽面高于背陽面； 不同海拔、相同土地利用類型LST值下降程度均表現(xiàn)為向陽面小于背陽面。
2)海拔、土地利用類型、向陽面和背陽面對夏季川西高原LST空間格局影響顯著。不同海拔、相同土地利用類型LST呈現(xiàn)出明顯的下降趨勢，林地下降最快，裸地最慢； 同一海拔、不同土地利用類型LST形成不同空間格局，居民地LST最高，特別是建筑密集的城市居民地LST較鄉(xiāng)村居民地更高，而河流水體LST最低。
3)夏季川西高原LST在向陽面和背陽面影響因子的影響程度不同。DEM和NDMI對LST影響程度最大，其他因子影響程度較低。向陽面NDMI的影響程度最大，高于DEM，其余低影響因子中NDVI影響最大。背陽面DEM的影響程度最大，高于NDMI，而低影響因子中slope影響最大。
[1] 張春玲,余華,宮鵬,等.基于遙感的土地利用空間格局分布與地表溫度的關(guān)系[J].遙感技術(shù)與應(yīng)用,2008,23(4):378-384. Zhang C L,Yu H,Gong P,et al.Relationships between landscapes spatial pattern and land surface temperature[J].Remote Sensing Technology and Application,2008,23(4):378-384.
[2] 候光雷,張洪巖,王野喬,等.基于MODIS數(shù)據(jù)的吉林省中部地表溫度反演及空間分布研究[J].地理科學(xué),2010,30(3):421-427. Hou G L,Zhang H Y,Wang Y Q,et al.Retrieval and spatial distribution of land surface temperature in the middle part of Jilin Province based on MODIS data[J].Scientia Geographica Sinica,2010,30(3):421-427.
[3] 管延龍,王讓會(huì),李成,等.基于MODIS數(shù)據(jù)的天山區(qū)域地表溫度時(shí)空特征[J].應(yīng)用生態(tài)學(xué)報(bào),2015,26(3):681-688. Guan Y L,Wang R H,Li C,et al.Spatial-temporal characteristics of land surface temperature in Tianshan Mountains area based on MODIS data[J].Chinese Journal of Applied Ecology,2015,26(3):681-688.
[4] 彭征,廖和平,郭月婷,等.山地城市土地覆蓋變化對地表溫度的影響[J].地理研究,2009,28(3):673-684. Peng Z,Liao H P,Guo Y T,et al.Influence of land cover change on land surface temperature in the mountainous city[J].Geographical Research,2009,28(3):673-684.
[5] 周媛,石鐵矛,胡遠(yuǎn),等.基于城市土地利用類型的地表溫度與植被指數(shù)的關(guān)系[J].生態(tài)學(xué)雜志,2011,30(7):1504-1512. Zhou Y,Shi T M,Hu Y,et al.Relationships between land surface temperature and normalized difference vegetation index based on urban land use type[J].Chinese Journal of Ecology,2011,30(7):1504-1512.
[6] 周婷,張寅生,高海峰,等.青藏高原高寒草地植被指數(shù)變化與地表溫度的相互關(guān)系[J].冰川凍土,2015,37(1):58-69. Zhou T,Zhang Y S,Gao H F,et al.Relationship between vegetation index and ground surface temperature on the Tibetan Plateau alpine grassland[J].Journal of Glaciology and Geocryology,2015,37(1):58-69.
[7] 李潤林,時(shí)永杰,姚艷敏,等.基于Landsat TM/ETM+的張掖市甘州區(qū)綠洲冷島效應(yīng)時(shí)空變化研究[J].干旱區(qū)資源與環(huán)境,2014,28(9):139-144. Li R L,Shi Y J,Yao Y M,et al.Temporal and spatial variation of oasis cold island effect in Ganzhou district of Zhangye based on Landsat TM/ETM+[J].Journal of Arid Land Resources and Environment,2014,28(9):139-144.
[8] 錢樂祥,崔海山.歸一化水汽指數(shù)與地表溫度的關(guān)系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and Land surface temperature[J].Geographical Research,2008,27(6):1358-1366.
[9] 孫常峰,孔繁花,尹海偉,等.山區(qū)夏季地表溫度的影響因素——以泰山為例[J].生態(tài)學(xué)報(bào),2014,34(12):3396-3404. Sun C F,Sun F H,Yin H W,et al.Analysis of factors affecting mountainous land surface temperature in the summer:A case study over Mount Tai[J].Acta Ecologica Sinica,2014,34(12):3396-3404.
[10]申文明,王文杰,羅海江,等.基于決策樹分類技術(shù)的遙感影像分類方法的研究[J].遙感技術(shù)與應(yīng)用,2007,22(3):333-338. Shen W M,Wang W J,Luo H J,et al.Classification methods of remote sensing image based on decision tree technologies[J].Remote Sensing Technology and Application,2007,22(3):333-338.
[11]李爽,丁圣彥,許叔明.遙感影像分類方法比較研究[J].河南大學(xué)學(xué)報(bào):自然科學(xué)版,2002,32(2):70-73. Li S,Ding S Y,Xu S M.The comparative study of remote sensing image classification[J].Journal of Henan University:Natural Science,2002,32(2):70-73.
[12]Hardisky M A,Klemas V,Smart R M.The influence of soil salinity,growth form,and leaf moisture on the spectral radiance of Spartina alterniflora canopies[J].Photogrammetric Engineering and Remote Sensing,1983,49(1):77-83.
[13]錢樂祥,崔海山.歸一化水汽指數(shù)與地表溫度的關(guān)系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and land surface temperature[J].Geographical Research,2008,27(6):1358-1366.
[14]Wilson E H,Sader S A.Detection of forest harvest type using multiple dates of Landsat TM imagery[J].Remote Sensing of Environment,2002,80(3):385-396.
[15]Sospedra F,Caselles V,Valor E.Effective wavenumber for thermal infrared bands-application to Landsat-TM[J].International Journal of Remote Sensing,1998,19(11):2105-2117.
[16]Sobrino J A,Jiménez-Munoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.
[17]覃志豪,李文娟,徐斌,等.陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J].國土資源遙感,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07. Qin Z H,Li W J,Xu B,et al.The estimation of land surface emissivity for Landsat TM6[J].Remote Sensing for Land and Resources,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.
[18]丁鳳,徐涵秋.TM熱波段圖像的地表溫度反演算法與實(shí)驗(yàn)分析[J].地球信息科學(xué),2006,8(3):125-130. Ding F,Xu H Q.Comparison of two new algorithms for retrieving land surface temperature from Landsat TM thermal band[J].Geo-Information Science,2006,8(3):125-130.
[19]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報(bào),2005,9(5):589-595. Xu H Q.A Study on information extraction of water body with the modified normalized difference water index(MNDVI)[J].Journal of Remote Sensing,2005,9(5):589-595.
[20]高懋芳,覃志豪.中國MODIS地表溫度產(chǎn)品驗(yàn)證[J].國土資源遙感,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04. Gao M F,Qin Z H.The validation of Chinese land surface temperature products retrieved from moderate resolution imaging spectroratiometer data[J].Remote Sensing For Land and Resources,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04.
(責(zé)任編輯： 李瑜)
An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City
WEN Lujun1,2, PENG Wenfu1,2, YANG Huarong1,2, WANG Huaiying1,2, DONG Lijun1,2, SHANG Xue1,2
(1.KeyLabofLandResourcesEvaluationandMonitoringinSouthwest,MinistryofEducation,Chengdu610068,China; 2.InstituteGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China)
Revealing the spatial characteristics of land surface temperature (LST) and its influencing factors is of great significance for environmental changes research. Many studies have examined the relationship between the single factor and LST, but the understanding of the influence of many factors on LST under the background of sunny slope and at the back of the light remains elusive. In this study, the authors divided the area into sunny slope and the back of the light, and retrieved LST based on atmospheric correction method, together with land use changes determined by using remote sensing data. The authors constructed the regression equation between the LST and many factors, such as normalized moisture index (NDMI), normalized difference vegetation index (NDVI), slope, aspect and DEM, for evaluating the influence on LST under the background of sunny slope and at the back of the light. The results show that LST in sunny slope was higher than that at the back of the light within the same elevation and land use, LST decreases with increasing altitude, and the LST in different land uses are not the same. The influencing factors of LST in sunny slope and at the back of the light were NDMI and DEM, the influence degree on NDMI under sunny condition is larger than that at the back of the light. The rest of the impact factors are low, the influence degrees under the sunny condition on NDVI and the slope at the back of the light were the largest. Therefore, the sunny slope and at the back of the light resulted in spatial pattern change of LST in western Sichuan plateau, and the influence degree of its impact factors has obvious primary and secondary order difference.
Land use types; LST retrieval; spatial characteristic; Western Sichuan Plateau
10.6046/gtzyyg.2017.02.30
文路軍，彭文甫，楊華容，等.夏季川西高原地表溫度的空間特征和影響因素——以西昌市大部分區(qū)域?yàn)槔齕J].國土資源遙感，2017，29(2)：207-214.(Wen L J,Peng W F,Yang H R,et al.An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City[J].Remote Sensing for Land and Resources,2017,29(2)：207-214.)
2015-11-11；
2015-12-04
國家自然科學(xué)基金項(xiàng)目“基于LUCC擾動(dòng)影響的成都平原土地生態(tài)安全維持機(jī)理”(編號(hào)： 41371125)資助。
文路軍(1991-)，男，碩士，主要從事環(huán)境遙感方面的研究。Email： 1183765978@qq.com。
彭文甫(1964-)，男，博士，副教授，主要從事環(huán)境遙感方面的研究。Email： pwfzh@126.com。
TP 75
A
1001-070X(2017)02-0207-08
猜你喜歡
反演對稱變換在解決平面幾何問題中的應(yīng)用中等數(shù)學(xué)(2022年5期)2022-08-29 06:07:38 桃樹不同方位的果實(shí)品質(zhì)差異中國果業(yè)信息(2021年6期)2021-12-02 03:59:05 閱讀(低年級)(2021年2期)2021-04-08 02:16:27 字海拾“貝”閱讀(低年級)(2020年9期)2020-11-06 06:23:05 超高溫系外行星可能在下鐵雨發(fā)明與創(chuàng)新·大科技(2020年4期)2020-06-11 00:34:37 超高溫系外行星上會(huì)下“鐵雨”科學(xué)導(dǎo)報(bào)(2020年15期)2020-04-13 09:58:52 基于低頻軟約束的疊前AVA稀疏層反演石油地球物理勘探(2017年4期)2017-12-18 07:14:55 基于自適應(yīng)遺傳算法的CSAMT一維反演石油地球物理勘探(2017年2期)2017-11-23 06:02:04 Sunny Side Up 向陽而生新東方英語·中學(xué)版(2017年1期)2017-02-25 20:07:43 紅向陽小天使·一年級語數(shù)英綜合(2016年11期)2016-11-28 21:49:53
文路軍， 彭文甫， 楊華容， 王懷英， 董麗君， 尚雪
(1.西南土地資源評價(jià)與監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室，成都 610068；2.四川師范大學(xué)地理與資源科學(xué)學(xué)院，成都 610068)
夏季川西高原地表溫度的空間特征和影響因素
——以西昌市大部分區(qū)域?yàn)槔?/p>
文路軍1,2， 彭文甫1,2， 楊華容1,2， 王懷英1,2， 董麗君1,2， 尚雪1,2
(1.西南土地資源評價(jià)與監(jiān)測教育部重點(diǎn)實(shí)驗(yàn)室，成都 610068；2.四川師范大學(xué)地理與資源科學(xué)學(xué)院，成都 610068)
揭示地表溫度(land surface temperature,LST)的空間特征及其影響因素對環(huán)境變化研究具有重要意義?，F(xiàn)有研究主要分析了單因子與LST的關(guān)系，但對向陽面和背陽面背景下多因子與LST的關(guān)系尚不清楚。研究中將區(qū)域劃分為向陽面和背陽面，基于遙感數(shù)據(jù)提取土地利用信息并應(yīng)用大氣校正法進(jìn)行LST反演，采用相關(guān)分析、主成分分析和逐步回歸分析法構(gòu)建LST與多因子(歸一化濕度指數(shù)(normalized difference moisture index,NDMI)、歸一化植被指數(shù)(normalized difference vegetation index，NDVI)、坡度(slope)、坡向(aspect)和數(shù)字高程模型(digital elevation model，DEM))的回歸方程，研究了向陽面和背陽面背景下各因子對LST的影響程度。結(jié)果表明： 相同海拔、土地利用的LST均表現(xiàn)為向陽面高于背陽面，LST隨海拔升高而降低，不同土地利用的LST均不相同； 向陽和背陽面LST的主要影響因素均為NDMI和DEM，向陽面NDMI影響程度最大，背陽面卻相反； 其余影響因子影響程度均較低，向陽面NDVI和背陽面Slope影響程度最大。因此，向陽和背陽面導(dǎo)致夏季川西高原LST空間格局變化,且其影響因子的影響程度和主次順序差異明顯。
土地利用類型； 地表溫度反演； 空間特征； 川西高原
0 引言
地表溫度(land surface temperature,LST)是地球表面能量平衡的重要參數(shù)，也是地球環(huán)境分析的重要指標(biāo)。土地利用是人類生存和發(fā)展的重要保障，土地利用類型直接影響著LST。土地覆蓋、地表比輻射率和水汽含量對LST影響存在明顯的差異性，許多學(xué)者通過研究土地覆蓋狀況與LST之間的關(guān)系探討了LST的空間特征[1-3]，發(fā)現(xiàn)不同土地利用類型對應(yīng)的LST均不相同。彭征[4]研究發(fā)現(xiàn)山地城市的土地覆蓋變化引起LST的空間格局變化。
宏觀上經(jīng)度、緯度以及氣候條件和局地因素(數(shù)字高程模型(digital elevation model，DEM)、坡度(slope)、坡向(aspect)和太陽方位、高度角，以及地表地物類型、土壤濕度和大氣水汽含量)對LST影響較大。目前，主要利用反應(yīng)下墊面情況的植被覆蓋狀況和水汽含量對LST的影響進(jìn)行研究，發(fā)現(xiàn)城市、山區(qū)、高原、平原和干旱地區(qū)歸一化植被指數(shù)(normalized difference vegetation index，NDVI)與LST之間都存在較強(qiáng)的相關(guān)性[5-7]，總體呈現(xiàn)出負(fù)相關(guān)關(guān)系。錢樂祥[8]發(fā)現(xiàn)歸一化濕度指數(shù)(normalized difference moisture index, NDMI)與LST存在的線性關(guān)系較NDVI與LST的線性關(guān)系更強(qiáng)，能更好地表達(dá)LST的特征情況。孫常峰[9]研究認(rèn)為，夏季山區(qū)在沒有水體情況下NDVI與NDMI都能有效地表達(dá)LST，且LST分別與NDVI，NDMI呈二次和線性負(fù)相關(guān)關(guān)系，NDVI與NDMI之間存在高度相關(guān)關(guān)系，研究表明LST隨海拔升高逐漸降低[3,9]。目前，國內(nèi)主要針對單方面的影響因子與LST建立關(guān)系來探討和描述LST的空間特征，很少構(gòu)建多因子與LST之間的相關(guān)關(guān)系，忽略了其他影響因子對LST的影響，尤其以地形為主的復(fù)雜地形區(qū)域的研究更少，對地形向陽面和背陽面各影響因子影響程度很少進(jìn)行具體討論。
西昌市地處川西高原，地勢起伏較大，局部地形中屬于平原與高原的過渡地帶，且經(jīng)緯度范圍變化小，因此不考慮宏觀上LST的影響因子，對于研究地形條件和下墊面性質(zhì)對LST的影響比較典型。基于影像成像時(shí)間、太陽高度角、方位角和DEM等輔助數(shù)據(jù)將地表劃分為向陽、背陽和交替面； 在監(jiān)督與決策樹分類提取土地利用類型、大氣校正方法反演LST數(shù)據(jù)基礎(chǔ)上，采用相關(guān)分析方法對LST空間特征與土地利用類型、影響因子之間關(guān)系進(jìn)行分析； 為消除共線性問題，利用主成分和逐步回歸分析方法構(gòu)建LST與多因子的回歸方程，確定影響因子對LST的影響程度。
1 研究區(qū)及數(shù)據(jù)源概況
1.1 研究區(qū)概況
西昌地處川西高原的第二大平原—安寧河平原，位于101°55′～102°22′E，27°36′～27°59′N，地勢起伏大且垂直地帶性突出，地形以山地為主，大部分海拔都在2 000～3 000 m之間，北部很多山峰海拔都超過了3 500 m，約占總面積的83.4%； 河谷平原的平均海拔1 500 m，占總面積的16.4%。西昌屬于熱帶高原季風(fēng)氣候，氣溫隨海拔升高變化明顯，日照多，地溫、氣溫高，年平均溫度為17.2 ℃，8月最高23.8 ℃，1月最低9.4 ℃，全年風(fēng)速較大，蒸發(fā)量大，濕度相對較小。西昌市境內(nèi)有著名的四川省第二大淡水湖泊—邛海，安寧河由北向南貫穿西昌，西昌森林類型主要以云南松為主，植被覆蓋度超過50%，夏季主要農(nóng)作物為水稻、玉米，冬季主要農(nóng)作物為小麥。本研究區(qū)主要包括西昌市城區(qū)、安寧河、邛海、河谷平原和山地，總面積1 264.75 km2，其中海拔在2 000 m且坡度大于20°以上的地形面積所占比例為38.43%。
1.2 數(shù)據(jù)源及其預(yù)處理
研究數(shù)據(jù)包括Landsat ETM+數(shù)據(jù)和GDEM-DEM數(shù)據(jù)，來源于地理空間數(shù)據(jù)云(http: //www.gscloud.cn/)。其中，影像數(shù)據(jù)成像時(shí)間為2002年8月27日3∶28，太陽高度和方位角分別59.96°和120.05°。MODIS中國1 km的LST每天產(chǎn)品(TERRA星)數(shù)據(jù)，成像時(shí)間為2002年8月27日3∶55。
利用最鄰近重采樣法對Landsat ETM+數(shù)據(jù)多光譜和熱紅外波段重采樣為15 m； 對ETM+影像多光譜和熱紅外波段進(jìn)行輻射定標(biāo)，獲得真實(shí)地表的輻射亮度值，進(jìn)行大氣校正獲得真實(shí)的地表反射率。由于西昌市1∶400萬行政邊界圖、MODIS中國1 km的LST產(chǎn)品和ETM+影像數(shù)據(jù)的投影方式不同，利用ArcGIS投影轉(zhuǎn)換工具將投影轉(zhuǎn)換為統(tǒng)一的經(jīng)緯度投影。圖1為研究區(qū)位置、ETM+影像、GPS野外驗(yàn)證點(diǎn)和路線。
圖1 研究區(qū)位置、ETM+影像、GPS野外驗(yàn)證點(diǎn)和路線
2 研究方法
2.1 地形向陽面、背陽面劃分
根據(jù)影像元數(shù)據(jù)信息，模擬研究區(qū)太陽輻射變化過程，經(jīng)計(jì)算得出位于太陽輻射區(qū)域的坡向范圍為30.08°～184.35°，將其劃分為向陽面； 未被太陽輻射范圍為210.08°～4.35°，將其劃分為背陽面； 其余部分為交替面。
2.2 土地利用類型獲取與驗(yàn)證
1)土地利用類型獲取。遙感影像分類中最大似然監(jiān)督分類和基于分類回歸樹算法的決策樹分類方法具有很高的分類精度[10]，由于一般圖像的像元很多是混合像元，帶有混合光譜信息的特點(diǎn)，致使計(jì)算機(jī)分類面臨著諸多模糊對象，不能確定其究竟屬于哪一類地物，同物異譜和異物同譜的現(xiàn)象普遍存在，導(dǎo)致誤分和漏分[11]，加之訓(xùn)練樣本選取依靠人工經(jīng)驗(yàn)，單基于一種分類方法的分類結(jié)果具有很大誤差，因此研究利用這2種方法分別對研究區(qū)影像進(jìn)行土地利用類型的分類。訓(xùn)練樣本選取時(shí)，利用Google Earth研究區(qū)當(dāng)天QuickBird影像數(shù)據(jù)作為輔助數(shù)據(jù)進(jìn)行訓(xùn)練區(qū)類別選取，每個(gè)類別訓(xùn)練樣本選定至少在20個(gè)以上，分類過程中2種方法采用相同的訓(xùn)練樣本。
2)土地利用類型結(jié)果驗(yàn)證。由于研究區(qū)影像時(shí)間關(guān)系，對土地利用類型結(jié)果精度進(jìn)行評價(jià)時(shí)，首先查閱相關(guān)年份的土地利用資料，初步判讀出土地利用類型未變化區(qū)域，再利用手持GPS定位和數(shù)碼相機(jī)拍攝獲取驗(yàn)證點(diǎn)土地利用信息。山地土地利用類型很少發(fā)生變化，因此設(shè)計(jì)野外驗(yàn)證路線時(shí)主要在平原和山地過度區(qū)域，研究共采樣55個(gè)驗(yàn)證點(diǎn)并重新選取訓(xùn)練樣本對分類結(jié)果精度進(jìn)行評價(jià)。
2.3 LST反演與驗(yàn)證
1)LST反演。比較成熟的算法大致有4種： 多波段算法、分裂窗算法、大氣校正法和單通道算法，多波段和分裂窗算法適合于2個(gè)及2個(gè)以上的熱紅外波段數(shù)據(jù)，而大氣校正法和單通道算法適合于一個(gè)熱紅外波段的數(shù)據(jù)。Landsat ETM+影像第6波段為熱紅外波段，本研究選用大氣校正法對ETM+影像進(jìn)行LST反演。反演過程中，在NASA官網(wǎng)平臺(tái)上(http: //atmcorr.gsfc.nasa.gov/)輸入影像成像時(shí)間和中心經(jīng)緯度信息，經(jīng)查詢得到，研究區(qū)大氣透過率、大氣上行輻射和下行輻射分別為： 0.79，1.44和2.38 W·m-2·sr-1·μm-1。NDVI[12]和NDMI[13-14]計(jì)算公式和算法參考前人研究[15-18]，本文不再描述。在反演過程中，由于研究區(qū)河流水體渾濁，經(jīng)驗(yàn)閾值不能很好的區(qū)分出河流與居民地，因此利用徐涵秋[19]改進(jìn)的歸一化差異水體指數(shù)進(jìn)行居民地與河流的閾值提取。
2)LST驗(yàn)證。MODIS LST產(chǎn)品尺度雖然較大，但其產(chǎn)品精度很高，在考慮溫度反演所需各參數(shù)的估計(jì)誤差時(shí)，其精度可控制在0.6～0.8 ℃范圍內(nèi)[20]，因此利用MODIS LST產(chǎn)品數(shù)據(jù)對ETM+ LST結(jié)果精度進(jìn)行驗(yàn)證。在研究區(qū)內(nèi)隨機(jī)選取50個(gè)分布均勻的1 km×1 km格網(wǎng)，求取格網(wǎng)內(nèi)MODIS LST和ETM+ LST結(jié)果平均值兩組數(shù)據(jù)，利用SPSS軟件配對樣本T檢驗(yàn)工具分析這兩組數(shù)據(jù)是否存在顯著性差異。
2.4 LST與影響因子統(tǒng)計(jì)分析
因像元數(shù)太多，故本研究采用分層采樣和簡單隨機(jī)采樣法，先將研究區(qū)DEM分為21層，每層間距100 m，再在每層隨機(jī)采樣1 000個(gè)樣本像元，據(jù)此數(shù)據(jù)探討各因子之間的相關(guān)關(guān)系和構(gòu)建LST與多因子的回歸方程。
3 結(jié)果與分析
3.1 土地利用類型
實(shí)地考察發(fā)現(xiàn)，路線周圍山地上土地利用類型隨海拔上升主要由草地過渡到林地，地形向陽和背陽面區(qū)分明顯，海拔相對較低時(shí)背陽面林地覆蓋較向陽面好。在55個(gè)驗(yàn)證樣本中，有51個(gè)點(diǎn)顯示解譯正確，實(shí)地驗(yàn)證精度為92.72%。對2種方法的分類結(jié)果圖做差異比較，結(jié)果表明2種方法的分類結(jié)果相同之處達(dá)到了84.81%。在后期工作中將利用這84.81%的相同區(qū)域進(jìn)行統(tǒng)計(jì)分析。參照原始影像對不同處進(jìn)行類別修正，得到最終分類結(jié)果如圖2所示。從圖中可以清楚的看到河谷平原地區(qū)主要以耕地為主，山區(qū)主要以草地和林地為主，隨海拔升高土地利用類型由草地過度到林地。
圖2 土地利用類型提取結(jié)果
3.2 LST反演結(jié)果
LST反演結(jié)果如圖3所示。
(a) 地表溫度反演結(jié)果(b) MODIS影像地表溫度反演結(jié)果
經(jīng)過差異性比較可知，兩組數(shù)據(jù)存在顯著性差異，MODIS LST的平均值為25.84 ℃，ETM+ LST的平均值為24.91 ℃，均值的標(biāo)準(zhǔn)誤差為0.14，成對樣本相關(guān)系數(shù)0.73，具有明顯的線性變化。在5%～95%置信區(qū)間內(nèi)，差值在0.803 ℃～1.474 ℃范圍內(nèi)。平均溫度分布基本相同，山區(qū)溫度較低，河谷平原溫度相對較高。圖中顯示整個(gè)研究區(qū)所有像元的LST，其極低值主要出現(xiàn)在云層和陰影區(qū)域，在1%～99%置信區(qū)間中，ETM+ LST值在15.22 ℃～31.95 ℃范圍內(nèi)，MODIS LST在16.61 ℃ ～33.09 ℃。這是由于研究區(qū)ETM+影像數(shù)據(jù)獲取時(shí)間較MODIS影像早大約30 min且時(shí)間都在上午，地表處于吸熱增溫階段，因此MODIS LST值相對較高，所以ETM+ LST結(jié)果精度較高，其值具有可靠性。
3.3 土地利用類型與LST空間特征的關(guān)系
3.3.1 土地利用類型與LST空間特征描述
為了更加直觀的展示出土地利用類型與LST空間特征的關(guān)系，將LST圖像和土地利用類型圖像與DEM數(shù)據(jù)進(jìn)行疊加生成三維圖像，如圖4所示。
(a) LST三維圖 (b) 土地利用三維圖
對比圖4發(fā)現(xiàn)，在平原區(qū)域，LST因地表土地利用類型不同表現(xiàn)出不同空間特征，LST最高出現(xiàn)在建筑物比較密集的城鎮(zhèn)居民地，而最低往往出現(xiàn)在河流； 在地勢起伏較大的地形區(qū)域，裸地的LST最高，林地LST最低，LST因土地利用類型光照條件的不同而變化，光照充裕的向陽土地利用類型LST都高于光照稀少的背陽面。
3.3.2 土地利用與LST空間特征的量化分析
根據(jù)統(tǒng)計(jì)方法獲得每100 m海拔變化各土地利用類型平均LST，結(jié)果見表1。
表1 DEM每上升100 m范圍內(nèi)不同土地利用類型的LST平均值
1)研究區(qū)內(nèi)耕地、居民地、河流和湖泊均處于1 800 m海拔以下，其平均LST分別為： 25.57 ℃，29.47 ℃，21.05 ℃和23.61 ℃。8月份耕地主要種植水稻和玉米，其LST較周邊林地高大約0.6 ℃，較草地低大約1.6 ℃。河流水體LST較湖泊低約2.5 ℃，河流水體為流動(dòng)性水體，表面與內(nèi)部熱量交換較快，而湖泊水面平靜，熱量交換較慢。
2)相同土地利用類型處于不同地形方位，受太陽輻射時(shí)長不同，LST形成不同的空間格局。如表1所示，向陽林地LST較背陽林地LST高約1.2 ℃，向陽草地高背陽草地大約1.6 ℃，向陽裸地高背陽裸地大約1.5 ℃。對于整個(gè)研究區(qū)LST大小空間分布的規(guī)律表現(xiàn)為： 居民地>裸地>草地>耕地>林地>湖泊>河流。根據(jù)地形方位表現(xiàn)出的規(guī)律為： 居民地>向陽裸地>向陽草地>耕地>背陽裸地>向陽林地>背陽草地>背陽林地>湖泊>河流。
3)不同土地利用類型LST與DEM的相關(guān)性。運(yùn)用SPSS軟件進(jìn)行計(jì)算，得到向陽林地、向陽草地、向陽裸地、建筑物、耕地、背陽裸地、背陽林地和背陽草地LST與DEM的Pearson相關(guān)系數(shù)分別為： -0.986，-0.904，-0.985，-0.919，-0.928，-0.987，-0.947和-0.952，顯著性為0.01。由其相關(guān)系數(shù)可以得出各土地利用類型LST與DEM存在高度負(fù)相關(guān)關(guān)系。構(gòu)建地物類型與海拔的回歸方程，如圖5所示，可以看出林地和裸地LST與DEM之間有較好的線性關(guān)系，而草地與海拔之間二次項(xiàng)試構(gòu)建的回歸方程擬合程度較高。因太陽高度角變化過程中，由于山體大小不一，在其背后形成的陰影大小發(fā)生著相應(yīng)的變化，導(dǎo)致其背后地表所接受陽光照射時(shí)間不一，因此在統(tǒng)計(jì)向陽面平均值時(shí)會(huì)略偏低，要細(xì)微的進(jìn)行劃分，還需對每一座山體間距、大小以及地形自身的起伏程度進(jìn)行考慮。本研究假設(shè)向陽面和背陽面太陽輻射時(shí)長均一致，DEM與LST下降趨勢結(jié)果較為理想。
(a) 向陽林地(b) 背陽林地(c) 向陽草地
(d) 背陽草地(e) 向陽裸地(f) 背陽裸地
3.4 LST影響因子之間的相互關(guān)系
統(tǒng)計(jì)得到海拔每100 m范圍內(nèi)各土地利用類型NDVI和NDMI平均值，計(jì)算顯著性在0.01下NDVI，NDMI，DEM和LST之間的相關(guān)性，結(jié)果顯示Pearson相關(guān)系數(shù)如表2所示。
1)在各土地利用類型中，DEM-NDVI呈顯著正相關(guān)關(guān)系，而LST-NDVI呈顯著負(fù)相關(guān)關(guān)系；DEM-NDMI，NDVI-NDMI和LST-NDMI相關(guān)性正負(fù)不一。減小共線性問題，控制DEM在100 m變化中，計(jì)算NDVI與NDMI之間的Pearson相關(guān)系數(shù)為0.82，具有高度正相關(guān)性。
2)在向陽面，slope與LST的Pearson相關(guān)系數(shù)為-0.211，呈低度負(fù)相關(guān)關(guān)系；aspect與LST之間Pearson相關(guān)系數(shù)為0.18，呈低度正相關(guān)關(guān)系。背陽面，slope與LST之間Pearson相關(guān)系數(shù)為-0.584，呈中度負(fù)相關(guān)關(guān)系；aspect與LST之間Pearson相關(guān)系數(shù)為-0.188，呈低度負(fù)相關(guān)關(guān)系。
表2 各土地利用類型中影響因子之間的相關(guān)關(guān)系
3.5 LST與多因子回歸分析
由于各LST影響因子之間相互影響，為了消除建立回歸方程時(shí)共線性問題，本研究對各個(gè)影響因子做主成分分析，主成分分析過程有2個(gè)重新生成的變量特征值大于1，且在成分矩陣中2個(gè)主成分可基本反映影響因子全部的指標(biāo)信息，因此可用這2個(gè)新變量來替代原因子變量。新建立的向陽面主成分的綜合模型為
F1=0.28slope+0.494NDVI+0.278NDMI+0.317DEM-0.097aspect，
(1)
背陽面主成分綜合模型為
F2=0.097slope+0.47NDVI+0.496NDMI+0.119DEM+0.17aspect。
(2)
根據(jù)綜合模型對數(shù)據(jù)加以修正再建立向陽面和背陽面LST與其影像因子之間的線性回歸方程，其計(jì)算指標(biāo)如表3和表4所示。由偏相關(guān)系數(shù)可以看出在地形背陽面和向陽面LST受DEM與NDMI影響最大，受其他因子影響較低，這與孫常峰[9]研究夏季泰山LST影像因子影響程度結(jié)果相一致。建立研究區(qū)背陽面和向陽面LST與其影響因子NDVI，NDMI，DEM，slope和aspect之間的線性回歸方程如表5所示。
表3 背陽面逐步回歸分析相關(guān)統(tǒng)計(jì)參數(shù)
*P<0.01，R2=0.77。
表4 向陽面逐步回歸分析相關(guān)統(tǒng)計(jì)參數(shù)
*P<0.01，R2=0.57。
表5 背陽面、向陽面LST與多因子之間的回歸方程
4 結(jié)論
1)向陽面和背陽面LST值差異較大。同一海拔、相同土地利用類型的LST值表現(xiàn)出向陽面高于背陽面； 不同海拔、相同土地利用類型LST值下降程度均表現(xiàn)為向陽面小于背陽面。
2)海拔、土地利用類型、向陽面和背陽面對夏季川西高原LST空間格局影響顯著。不同海拔、相同土地利用類型LST呈現(xiàn)出明顯的下降趨勢，林地下降最快，裸地最慢； 同一海拔、不同土地利用類型LST形成不同空間格局，居民地LST最高，特別是建筑密集的城市居民地LST較鄉(xiāng)村居民地更高，而河流水體LST最低。
3)夏季川西高原LST在向陽面和背陽面影響因子的影響程度不同。DEM和NDMI對LST影響程度最大，其他因子影響程度較低。向陽面NDMI的影響程度最大，高于DEM，其余低影響因子中NDVI影響最大。背陽面DEM的影響程度最大，高于NDMI，而低影響因子中slope影響最大。
[1] 張春玲,余華,宮鵬,等.基于遙感的土地利用空間格局分布與地表溫度的關(guān)系[J].遙感技術(shù)與應(yīng)用,2008,23(4):378-384. Zhang C L,Yu H,Gong P,et al.Relationships between landscapes spatial pattern and land surface temperature[J].Remote Sensing Technology and Application,2008,23(4):378-384.
[2] 候光雷,張洪巖,王野喬,等.基于MODIS數(shù)據(jù)的吉林省中部地表溫度反演及空間分布研究[J].地理科學(xué),2010,30(3):421-427. Hou G L,Zhang H Y,Wang Y Q,et al.Retrieval and spatial distribution of land surface temperature in the middle part of Jilin Province based on MODIS data[J].Scientia Geographica Sinica,2010,30(3):421-427.
[3] 管延龍,王讓會(huì),李成,等.基于MODIS數(shù)據(jù)的天山區(qū)域地表溫度時(shí)空特征[J].應(yīng)用生態(tài)學(xué)報(bào),2015,26(3):681-688. Guan Y L,Wang R H,Li C,et al.Spatial-temporal characteristics of land surface temperature in Tianshan Mountains area based on MODIS data[J].Chinese Journal of Applied Ecology,2015,26(3):681-688.
[4] 彭征,廖和平,郭月婷,等.山地城市土地覆蓋變化對地表溫度的影響[J].地理研究,2009,28(3):673-684. Peng Z,Liao H P,Guo Y T,et al.Influence of land cover change on land surface temperature in the mountainous city[J].Geographical Research,2009,28(3):673-684.
[5] 周媛,石鐵矛,胡遠(yuǎn),等.基于城市土地利用類型的地表溫度與植被指數(shù)的關(guān)系[J].生態(tài)學(xué)雜志,2011,30(7):1504-1512. Zhou Y,Shi T M,Hu Y,et al.Relationships between land surface temperature and normalized difference vegetation index based on urban land use type[J].Chinese Journal of Ecology,2011,30(7):1504-1512.
[6] 周婷,張寅生,高海峰,等.青藏高原高寒草地植被指數(shù)變化與地表溫度的相互關(guān)系[J].冰川凍土,2015,37(1):58-69. Zhou T,Zhang Y S,Gao H F,et al.Relationship between vegetation index and ground surface temperature on the Tibetan Plateau alpine grassland[J].Journal of Glaciology and Geocryology,2015,37(1):58-69.
[7] 李潤林,時(shí)永杰,姚艷敏,等.基于Landsat TM/ETM+的張掖市甘州區(qū)綠洲冷島效應(yīng)時(shí)空變化研究[J].干旱區(qū)資源與環(huán)境,2014,28(9):139-144. Li R L,Shi Y J,Yao Y M,et al.Temporal and spatial variation of oasis cold island effect in Ganzhou district of Zhangye based on Landsat TM/ETM+[J].Journal of Arid Land Resources and Environment,2014,28(9):139-144.
[8] 錢樂祥,崔海山.歸一化水汽指數(shù)與地表溫度的關(guān)系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and Land surface temperature[J].Geographical Research,2008,27(6):1358-1366.
[9] 孫常峰,孔繁花,尹海偉,等.山區(qū)夏季地表溫度的影響因素——以泰山為例[J].生態(tài)學(xué)報(bào),2014,34(12):3396-3404. Sun C F,Sun F H,Yin H W,et al.Analysis of factors affecting mountainous land surface temperature in the summer:A case study over Mount Tai[J].Acta Ecologica Sinica,2014,34(12):3396-3404.
[10]申文明,王文杰,羅海江,等.基于決策樹分類技術(shù)的遙感影像分類方法的研究[J].遙感技術(shù)與應(yīng)用,2007,22(3):333-338. Shen W M,Wang W J,Luo H J,et al.Classification methods of remote sensing image based on decision tree technologies[J].Remote Sensing Technology and Application,2007,22(3):333-338.
[11]李爽,丁圣彥,許叔明.遙感影像分類方法比較研究[J].河南大學(xué)學(xué)報(bào):自然科學(xué)版,2002,32(2):70-73. Li S,Ding S Y,Xu S M.The comparative study of remote sensing image classification[J].Journal of Henan University:Natural Science,2002,32(2):70-73.
[12]Hardisky M A,Klemas V,Smart R M.The influence of soil salinity,growth form,and leaf moisture on the spectral radiance of Spartina alterniflora canopies[J].Photogrammetric Engineering and Remote Sensing,1983,49(1):77-83.
[13]錢樂祥,崔海山.歸一化水汽指數(shù)與地表溫度的關(guān)系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and land surface temperature[J].Geographical Research,2008,27(6):1358-1366.
[14]Wilson E H,Sader S A.Detection of forest harvest type using multiple dates of Landsat TM imagery[J].Remote Sensing of Environment,2002,80(3):385-396.
[15]Sospedra F,Caselles V,Valor E.Effective wavenumber for thermal infrared bands-application to Landsat-TM[J].International Journal of Remote Sensing,1998,19(11):2105-2117.
[16]Sobrino J A,Jiménez-Munoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.
[17]覃志豪,李文娟,徐斌,等.陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計(jì)[J].國土資源遙感,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07. Qin Z H,Li W J,Xu B,et al.The estimation of land surface emissivity for Landsat TM6[J].Remote Sensing for Land and Resources,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.
[18]丁鳳,徐涵秋.TM熱波段圖像的地表溫度反演算法與實(shí)驗(yàn)分析[J].地球信息科學(xué),2006,8(3):125-130. Ding F,Xu H Q.Comparison of two new algorithms for retrieving land surface temperature from Landsat TM thermal band[J].Geo-Information Science,2006,8(3):125-130.
[19]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDWI)提取水體信息的研究[J].遙感學(xué)報(bào),2005,9(5):589-595. Xu H Q.A Study on information extraction of water body with the modified normalized difference water index(MNDVI)[J].Journal of Remote Sensing,2005,9(5):589-595.
[20]高懋芳,覃志豪.中國MODIS地表溫度產(chǎn)品驗(yàn)證[J].國土資源遙感,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04. Gao M F,Qin Z H.The validation of Chinese land surface temperature products retrieved from moderate resolution imaging spectroratiometer data[J].Remote Sensing For Land and Resources,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04.
(責(zé)任編輯： 李瑜)
An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City
WEN Lujun1,2, PENG Wenfu1,2, YANG Huarong1,2, WANG Huaiying1,2, DONG Lijun1,2, SHANG Xue1,2
(1.KeyLabofLandResourcesEvaluationandMonitoringinSouthwest,MinistryofEducation,Chengdu610068,China; 2.InstituteGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China)
Revealing the spatial characteristics of land surface temperature (LST) and its influencing factors is of great significance for environmental changes research. Many studies have examined the relationship between the single factor and LST, but the understanding of the influence of many factors on LST under the background of sunny slope and at the back of the light remains elusive. In this study, the authors divided the area into sunny slope and the back of the light, and retrieved LST based on atmospheric correction method, together with land use changes determined by using remote sensing data. The authors constructed the regression equation between the LST and many factors, such as normalized moisture index (NDMI), normalized difference vegetation index (NDVI), slope, aspect and DEM, for evaluating the influence on LST under the background of sunny slope and at the back of the light. The results show that LST in sunny slope was higher than that at the back of the light within the same elevation and land use, LST decreases with increasing altitude, and the LST in different land uses are not the same. The influencing factors of LST in sunny slope and at the back of the light were NDMI and DEM, the influence degree on NDMI under sunny condition is larger than that at the back of the light. The rest of the impact factors are low, the influence degrees under the sunny condition on NDVI and the slope at the back of the light were the largest. Therefore, the sunny slope and at the back of the light resulted in spatial pattern change of LST in western Sichuan plateau, and the influence degree of its impact factors has obvious primary and secondary order difference.
Land use types; LST retrieval; spatial characteristic; Western Sichuan Plateau
10.6046/gtzyyg.2017.02.30
文路軍，彭文甫，楊華容，等.夏季川西高原地表溫度的空間特征和影響因素——以西昌市大部分區(qū)域?yàn)槔齕J].國土資源遙感，2017，29(2)：207-214.(Wen L J,Peng W F,Yang H R,et al.An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City[J].Remote Sensing for Land and Resources,2017,29(2)：207-214.)
2015-11-11；
2015-12-04
國家自然科學(xué)基金項(xiàng)目“基于LUCC擾動(dòng)影響的成都平原土地生態(tài)安全維持機(jī)理”(編號(hào)： 41371125)資助。
文路軍(1991-)，男，碩士，主要從事環(huán)境遙感方面的研究。Email： 1183765978@qq.com。
彭文甫(1964-)，男，博士，副教授，主要從事環(huán)境遙感方面的研究。Email： pwfzh@126.com。
TP 75
A
1001-070X(2017)02-0207-08
猜你喜歡
中等數(shù)學(xué)(2022年5期)2022-08-29 06:07:38
中國果業(yè)信息(2021年6期)2021-12-02 03:59:05
閱讀(低年級)(2020年9期)2020-11-06 06:23:05
發(fā)明與創(chuàng)新·大科技(2020年4期)2020-06-11 00:34:37
科學(xué)導(dǎo)報(bào)(2020年15期)2020-04-13 09:58:52
石油地球物理勘探(2017年4期)2017-12-18 07:14:55
石油地球物理勘探(2017年2期)2017-11-23 06:02:04
新東方英語·中學(xué)版(2017年1期)2017-02-25 20:07:43
小天使·一年級語數(shù)英綜合(2016年11期)2016-11-28 21:49:53
