張雪玲，阿里木江·卡斯木,2,3①，梁洪武

(1.新疆師范大學地理科學與旅游學院，新疆 烏魯木齊 830054；2.新疆師范大學絲綢之路經(jīng)濟帶城鎮(zhèn)化發(fā)展研究中心，新疆 烏魯木齊 830054；3.新疆干旱區(qū)湖泊環(huán)境與資源重點實驗室，新疆 烏魯木齊 830054)

地表溫度(land surface temperature, LST)作為氣候要素和變量，是探究區(qū)域熱環(huán)境的重要指標，對于地表熱量平衡和氣-地相互作用具有推動作用[1]。綠洲是干旱-半干旱區(qū)的獨特景觀單元，由于中心綠洲區(qū)與外圍荒漠區(qū)具有不同的下墊面類型[2]，綠洲地區(qū)呈現(xiàn)中心溫度低、四周溫度高的環(huán)狀分布特點[3]，且綠洲相對于荒漠具有更加濕冷的“冷島效應”特征[4]。熱島效應會形成區(qū)域持續(xù)性高溫，造成能量的高消耗，給資源可持續(xù)利用和人居環(huán)境質量帶來沉重負擔；而冷島效應在一定程度上能夠遏制水體、植被過度的蒸發(fā)與蒸騰，這對于干旱地區(qū)資源環(huán)境大有裨益[5]。但是，隨著城市化飛速發(fā)展，城鎮(zhèn)范圍極速擴張，使得綠洲的冷島強度不斷降低，LST的持續(xù)升高可能會引發(fā)不可抗力的自然災害[6]。2006年頒布的《國家中長期科學和技術發(fā)展規(guī)劃綱要(2006—2020年)》[7]提出，我國要切實推進全球環(huán)境公約，以加強對于極端氣候變化的應對能力。“十四五”規(guī)劃中也明確提出要促進生態(tài)文明建設發(fā)展，這意味著LST狀況已成為改善城市生態(tài)環(huán)境問題的關鍵。

當前國內外學者關于地表熱環(huán)境的研究主要包括以下幾個方面。首先，地表下墊面覆被物性質對LST空間分布具有主導作用[8]。通常來說，土地利用強度越高、景觀空間分布格局越復雜的地區(qū)，其熱島效應越強烈[9]。AYANLADE等[10]基于貢獻指數(shù)和景觀指數(shù)探究“匯”“源”景觀對城市熱島的貢獻率，其結果表明以水體和綠地等為主體的“藍綠景觀”是緩解城市熱的重要手段。喬治等[11]采用景觀類型比例(PLAND)、景觀形狀指數(shù)(LSI)和聚合度指數(shù)(AI)等景觀指數(shù)揭示景觀破碎化程度與斑塊形狀大小對地表熱力景觀的影響規(guī)律。其次，地表熱環(huán)境是由多種因素綜合構成。ZHU等[12]采用主成分分析，利用多個影響因子降維構建生態(tài)環(huán)境影響指數(shù)，以此來分析LST的協(xié)調性和貢獻度。沈中健等[13]結合夜間燈光數(shù)據(jù)采用耦合態(tài)勢模型和協(xié)調性模型探究不同因素與LST的耦合協(xié)調關系。此外，地表熱環(huán)境研究還包括GDP發(fā)展水平[14]、人口密度[15]以及海拔和坡度[16]等自然要素對LST的影響。

地理探測器模型適宜于分析類型數(shù)據(jù)，能夠用于獨立探測因子的非線性關系，分析連續(xù)數(shù)據(jù)或比值數(shù)據(jù)時，則需要先進行一定離散化處理。相較于單一離散法，R軟件GD包在建模前采用最優(yōu)參數(shù)方法對數(shù)據(jù)進行離散，該方法處理后的數(shù)據(jù)仍保留原有特點，探測結果也更準確。以新疆典型綠洲城市——石河子市為研究對象，分析不同時相LST的空間聚集性和空間分異性，揭示不同土地利用/覆被類型以及高程、坡度和夜間燈光數(shù)據(jù)與LST的相關性，探究城鎮(zhèn)發(fā)展與LST變化的協(xié)調程度，旨在為促進地區(qū)生態(tài)環(huán)境質量穩(wěn)步提高，加快城鎮(zhèn)化建設，建設和諧、友好的低碳型社會提供一定理論依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)預處理

1.1 研究區(qū)概況

石河子市位于新疆維吾爾自治區(qū)天山北麓中段，地理坐標為北緯43°26′～45°20′，東經(jīng)84°58′～86°24′，地處準噶爾盆地南部，北部、西部和南部均被沙灣市環(huán)繞，東部以瑪納斯河為界，與瑪納斯縣毗鄰相望[17]。石河子市地勢南高北低，南部為山地區(qū)，故而形成大范圍山前沖積平原，地形起伏較小，地勢較為平緩。研究區(qū)為典型溫帶大陸性氣候區(qū)，水源充足，自然資源和物種資源豐富，區(qū)內農(nóng)業(yè)較發(fā)達，土地開發(fā)利用水平較高。

1.2 數(shù)據(jù)源與預處理

選取2006年7月31日和2011年7月29日Landsat TM影像，以及2017年7月29日和2021年7月29日Landsat TRIS影像，空間分辨率為30 m，成像清晰且云量均小于1%，數(shù)據(jù)來源于美國地質勘探局(https:∥glovis.usgs.gov/)，并對數(shù)據(jù)進行輻射定標、大氣校正和圖像裁剪等預處理工作。夜間燈光數(shù)據(jù)用于表征人口分布狀況，2006和2011年采用DMSP/OLS數(shù)據(jù)，空間分辨率為1 km；2017和2021年采用NPP/VIIRS數(shù)據(jù)，空間分辨率為500 m，數(shù)據(jù)來源于Google Earth Engine (GEE)地理計算云平臺(https:∥earthengine.google.com)。數(shù)字高程模型(DEM)來源于地理空間數(shù)據(jù)云平臺(https:∥www.gscloud.cn/)，空間分辨率為30 m，并基于DEM提取坡度數(shù)據(jù)。

2 研究方法

2.1 土地利用分類

采用遙感和Google Earth影像，使用目視解譯法對訓練樣本和驗證樣本進行采樣，樣點總數(shù)量高于100個。根據(jù)研究區(qū)現(xiàn)狀，將土地利用類型劃分為草地、耕地、林地、建設用地、水域和未利用地6種1級類型。

隨機森林法由BREIMAN[18]提出，是基于分類決策樹的機器學習算法。分類決策樹采用Bagging方法，基于選取的訓練樣本構建每一棵決策樹，由全體決策樹投票確定最終的分類結果[19]。隨機森林法基于原始的全體訓練樣本M，采用重采樣隨機有放回抽樣選取N個訓練樣本，再從全體訓練樣本中隨機選取m個分類特征(m

2.2 地表溫度反演

2.2.1輻射傳輸方程法

基于Landsat熱紅外波段(TM B6和TIRS B10波段)數(shù)據(jù)，運用輻射傳輸方程對LST進行反演[13]。

首先，基于歸一化植被指數(shù)(NDVI，INDV)閾值法計算地表比輻射率(ε)，計算公式為

Pv=[(INDV-INDV，Soil)/(INDV，Veg-INDV，Soil)]，

(1)

ε=0.004Pv+0.986。

(2)

式(1)～(2)中，Pv為植被在整體混合像元中所占的比例，即植被覆蓋度；INDV，Soil和INDV，Veg分別為沒有植被(即裸土地區(qū))和完全是植被地區(qū)的歸一化植被指數(shù)值，取值分別為0.05和0.70。

其次，計算由Landsat傳感器接收到的大氣熱紅外輻射亮度值(Lλ)，計算過程如下：

Lλ=[εB(Ts)+(1-ε)L↓]τ+L↑。

(3)

式(3)中，ε為地表比輻射率；Ts為地表真實溫度，℃；B(Ts)為黑體輻射亮度，W·m-2·μm-1·sr-1；τ為熱紅外波段大氣透過率；L↓為大氣向下輻射亮度，W·m-2·μm-1·sr-1；L↑為大氣向上輻射亮度，W·m-2·μm-1·sr-1。τ、L↓和L↑數(shù)據(jù)均由NASA官網(wǎng)(http:∥atmcorr.gsfc.nasa.gov/)獲取。黑體輻射亮度計算公式為

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/τε。

(4)

最后，用普朗克公式獲取地表真實溫度，計算公式為

Ts=K2/ln[K1/B(Ts)+1]-273。

(5)

式(5)中，對于TM B6波段，K1=607.76 W·m-2·μm-1·sr-1，K2=1 260.56 K；對于TIRS B10波段，K1=774.89 W·m-2·μm-1·sr-1，K2=1 321.08 K。

2.2.2地表溫度等級劃分

由于不同時相不同年份大氣狀況不同，因此對反演得到的LST進行歸一化處理，并采用“均值-標準差”法將LST分為極高溫、高溫、中溫、低溫和極低溫5個等級(表1)，并將低溫和極低溫區(qū)定義為冷島區(qū)。“均值-標準差”法利用研究區(qū)溫度平均值與標準差來劃分溫度梯度，這在一定程度上可以避免由于時相不同而帶來的誤差[21]。

Hi=(Ti-Tmin)/(Tmax-Tmin)。

(6)

式(6)中，Hi為第i個經(jīng)歸一化處理的地表溫度；Ti為第i個像元溫度值，℃；Tmax和Tmin分別為溫度最大值和最小值，℃。

表1 地表溫度等級劃分

2.2.3冷島比例指數(shù)

由于綠洲特殊的自然地理條件，形成獨特的綠洲“冷島效應”。根據(jù)徐涵秋等[22]提出的熱島比例指數(shù)(URI)，采用馬勇剛等[23]構建的綠洲冷島比例指數(shù)(OCRI，IOCR)表示熱環(huán)境變化強度，計算研究區(qū)內冷島強度。

(7)

式(7)中，m為歸一化等級指數(shù)，將地表溫度劃分為5個級別，即m=5；n為綠洲冷島范圍等級數(shù)，將低溫和極低溫區(qū)定義為冷島區(qū)，因此n=2；w為權重值，為第i級級值；p為溫度等級i所對應LST的百分比；i為低溫或極低溫區(qū)等級值，即為4或5。

2.3 空間自相關分析

空間自相關分析分為全局空間自相關和局部空間自相關，用于解釋LST空間聚集特征，其相關程度用Moran′sI來表征[24]。其中，全局空間自相關能夠用來分析地塊之間的聚集程度，計算公式為

(8)

局部空間自相關可以衡量單個空間地塊的相關性，且基于Z-Score的LISA圖能夠清晰明確地表達局部空間變化特征，計算公式為

(9)

式(9)中，I局部為局部空間自相關指數(shù)。

2.4 遙感指數(shù)計算

不同遙感指數(shù)能夠反映不同地物覆被特征，選取歸一化植被指數(shù)(NDVI)用于表征植被生長狀況，歸一化建筑指數(shù)(NDBI)用于表征建成區(qū)密度及建筑用地面積比例，改進歸一化水體指數(shù)(MNDWI)用于表征水域信息，裸土指數(shù)(SI)用于表征研究區(qū)自然裸土分布狀況，歸一化水汽指數(shù)(NDMI)用于表征植被含水量(表2)。以5種遙感指數(shù)作為影響LST的因子來描述地表土地利用類型與地表熱環(huán)境之間的相關性[25]。

表2 遙感指數(shù)計算

2.5 地理探測器與協(xié)調性模型

2.5.1地理探測器

地理探測器是由王勁峰等[26]提出，用于探測空間分異程度，揭示自變量與因變量之間相關性的統(tǒng)計學模型。采用地理探測器中的因子探測和交互探測2個方面解釋LST與各影響因子之間的關系。

因子探測用q值表達不同類型影響因子對LST空間分異性的解釋程度，計算公式為

(10)

式(10)中，h為地表溫度或影響因子的分層或分區(qū)；Nh和N分別為h層和全區(qū)樣本單元數(shù)；σh2和σ2分別為h層和全區(qū)樣本的離散方差。q取值為[0,1]，其值越大，表明影響因子對熱環(huán)境的解釋力越強；反之則越弱。

交互探測是識別兩兩影響因子共同作用時會加強還是減弱對地表溫度的解釋力。分別計算2個影響因子的q值〔q(X1)和q(X2)〕，再計算它們相疊加后的q值〔q(X1∩X2)〕，并將q(X1)、q(X2)與q(X1∩X2)進行比較。當q(X1∩X2)max〔q(X1),q(X2)〕時，交互探測結果為雙因子增強；當q(X1∩X2)=q(X1)+q(X2)時，交互探測結果為獨立；當q(X1∩X2)>q(X1)+q(X2)時，交互探測結果為非線性增強。

2.5.2協(xié)調性模型

協(xié)調性模型可以清晰反映2個因素之間變化發(fā)展的協(xié)調水平，并以此反映LST變化與城鎮(zhèn)發(fā)展的協(xié)調性過程[13]，計算公式[27]為

(11)

式(11)中，O為協(xié)調性指數(shù)；i為LST和NDBI逐個對應像元；Mi和Ni分別為地表溫度和城鎮(zhèn)發(fā)展的年平均增長率。O取值范圍為[0,1]，O越接近于1，協(xié)調程度越強，將0.9

表3 協(xié)調關系類型劃分

3 結果與分析

3.1 土地利用變化特征分析

石河子市土地利用分類見圖1。2006、2011、2017和2021年4期影像總體精度分別為98.67%、98.56%、93.58%和94.08%；Kappa系數(shù)分別為0.972、0.969、0.867和0.873，分類效果較好，可靠性較高。

圖1 石河子市土地利用分類

由圖1和表4可知，建設用地擴張速度激增，由2006年的83.42 km2增長至2021年的164.05 km2，增加17.63%。由于石河子市地處天山北坡經(jīng)濟帶，城鎮(zhèn)化發(fā)展迅速，逐漸形成以主城區(qū)為中心向四周擴張的發(fā)展趨勢。石河子市林地面積逐年增長，除建設用地和林地外，其余類型面積均呈下降趨勢。石河子市農(nóng)業(yè)發(fā)達，耕地面積占比最高，但下降速度也最快，由2006年的272.33 km2下降至2021年的204.46 km2，耕地面積的減少主要是由于建成區(qū)擴張所造成。草地主要位于石河子市南郊，地形為山嶺，多為極低覆蓋度植被，面積變化幅度較小，呈不明顯下降趨勢。石河子市以東側瑪納斯河為主要水源，瑪納斯河年均徑流量逐年下降，故水域面積逐年降低。未利用地面積較小，至2021年，未利用地面積所占比例僅為0.19%。

3.2 地表溫度分布特征分析

采用2021年同日MODIS地表溫度產(chǎn)品MOD11A1數(shù)據(jù)對Landsat反演得到的LST數(shù)據(jù)進行對比驗證，將數(shù)據(jù)空間分辨率統(tǒng)一為1 km，并隨機提取200個點位數(shù)據(jù)進行擬合，結果表明2種數(shù)據(jù)平均溫差為±0.94 ℃，最高溫差為±5.67 ℃。如圖2所示，2種溫度數(shù)據(jù)擬合效果較好，精度較高。

表4 石河子市土地利用類型面積與比例

由圖1和圖3可知，與大部分城市高溫中心分布在建設用地不同，石河子市高溫中心位于南部草地。由于石河子市南部草地植被類型主要為荒漠草原，覆蓋度與密度均極低，因此極高溫和高溫區(qū)主要分布在該地區(qū)，中溫區(qū)大多分布在建設用地和低密度覆被的耕地，而低溫和極低溫區(qū)則主要分布在高密度覆被的耕地和水域。對2021年LST進行分區(qū)統(tǒng)計發(fā)現(xiàn)，面積較大的草地、耕地和建設用地平均LST分別為44、34和40 ℃，呈中間溫度低、四周溫度高的狀況，這是典型綠洲冷島效應特征。但是，隨著建設用地面積增加，中溫、高溫區(qū)面積不斷擴大，導致“冷島”范圍不斷縮小。

圖2 溫度驗證結果

圖3 石河子市地表熱環(huán)境空間分布

由表5～6可知，2006年極低溫區(qū)面積占比最高，冷島指數(shù)高達0.53，冷島效應強烈。2011年，城鎮(zhèn)開始快速擴張，極低溫區(qū)面積大幅下降，并導致中、高溫區(qū)面積增加，冷島強度下降，冷島指數(shù)為0.47。2017年，中、高溫區(qū)面積持續(xù)上升，城鎮(zhèn)擴張速度達到最快，冷島強度下降速度也到達峰值，冷島指數(shù)下降至0.39。2021年，中溫區(qū)面積升為最高，這主要是由于土地利用類型由極低溫的耕地轉為中溫的建設用地，雖然冷島指數(shù)持續(xù)下降，但是冷島強度衰減速度開始減緩。綠洲冷島效應受到城市擴張速度與強度的劇烈影響，在發(fā)展中應重視“藍綠空間”建設，以緩解“城鎮(zhèn)熱”的問題。

3.3 地表溫度空間自相關特征分析

石河子市LST全局空間自相關Moran′sI值見表7，LST局部LISA圖見圖4。表7顯示，4期全局自相關Moran′sI值分別為0.805、0.731、0.821和0.804，且P值均小于0.001，這表明LST具有顯著空間正相關關系，且2017年相關性最高。

由圖4可知，低-低聚集區(qū)主要分布在耕地，即低溫區(qū)，區(qū)域隨著耕地范圍發(fā)生變化，由南北聚集轉為西北聚集。高-高聚集區(qū)主要集中在南部草地和中部建設用地，即高溫和極高溫區(qū)。研究區(qū)中部高-高聚集區(qū)呈向南北方向轉移的趨勢，這與城鎮(zhèn)發(fā)展方向一致；南部草地高-高聚集區(qū)多年來基本保持不變。高-低聚集和低-高聚集區(qū)分布較少，呈零星斑塊狀分布。耕地植被覆蓋度較高，具有顯著緩解溫度的作用，區(qū)域LST較低，因而呈現(xiàn)低-低聚集效應；草地地區(qū)植被類型為極低覆蓋植被，地面升溫較快，因而呈現(xiàn)高-高聚集效應。

表5 地表溫度等級面積與冷島比例指數(shù)

表6 地表溫度轉移矩陣

表7 LST全局空間自相關Moran′s I統(tǒng)計

3.4 基于地理探測器的LST相關性研究

采用R 4.1.2軟件地理探測器模型GD軟件包探測9個影響因子對LST空間分異性的解釋力大小，并對各影響因子進行交互探測。將各影像數(shù)據(jù)空間分辨率統(tǒng)一重采樣至1 km，并進行離散化處理，采用gdm函數(shù)得到地理探測器探測結果。

由表8可知，2006—2021年，NDBI、NDMI和SI的q值最大，對LST的解釋力最高，表明建筑物密集程度、植被含水量和裸土狀況對LST具有較大影響。而坡度、夜間燈光和MNDWI的q值最低，對LST的解釋力較弱，這是由于石河子市地勢平坦，市區(qū)人口約為35萬～40萬，人口密度較低，且水域面積分布較小，因而對LST的影響較弱。不同因素對LST的解釋力各不相同，從而構成了石河子綠洲獨特的熱環(huán)境。各影響因子q值由大到小依次為NDBI、NDMI、SI、NDVI、土地利用、DEM、MNDWI、坡度和夜間燈光。

圖4 LST局部空間自相關LISA圖

表8 因子探測q值

對不同影響因子進行交互探測(圖5)，判斷兩兩影響因子相互作用對LST的解釋程度。由圖5可知，石河子綠洲LST空間分異性不是由某一單因子控制，兩兩因素在交互作用下大多為雙因子增強，表明兩兩因子交互對LST的影響遠遠大于單因素的影響。根據(jù)q值大小，4個年份起主導作用的交互因子主要為DEM∩NDMI和DEM∩NDBI，表明海拔與植被水汽和建筑的交互作用對LST的解釋力最高。石河子市地處塔里木盆地，平均海拔為450 m，適合人口居住和農(nóng)業(yè)發(fā)展，區(qū)內農(nóng)作物以棉花、玉米為主，植被水汽含量高，兩者因素結合對LST具有較大影響。此外，4個年份坡度∩夜間燈光和DEM∩夜間燈光均呈非線性增強；坡度、夜間燈光和DEM的q值均小于0.5，對LST的解釋力較低，但在交互作用下對LST的影響力卻大大加強。在石河子市生產(chǎn)發(fā)展過程中，自然因素與人為因素的結合對LST具有較大影響。

DEM為地理高程模型，NDVI為歸一化植被指數(shù)，NDBI為歸一化建筑指數(shù)，MNDWI為改進歸一化水體指數(shù)，SI為裸土指數(shù)，NDMI為歸一化水汽指數(shù)。*為非線性增強；無標記為雙因子增強。

3.5 城鎮(zhèn)發(fā)展與LST協(xié)調性分析

NDBI反映建筑物狀態(tài)，在一定程度上可表示城鎮(zhèn)發(fā)展，且地理探測器探測因子探測結果表明NDBI對LST的解釋力最強。因此，采用協(xié)調性模型計算3個時期NDBI與LST的協(xié)調發(fā)展程度。對NDBI和LST數(shù)據(jù)進行歸一化和格網(wǎng)化處理，將研究區(qū)劃分為300 m×300 m的網(wǎng)格，提取每個網(wǎng)格單元內NDBI和LST像元平均值，計算兩兩因素之間年平均增長率的協(xié)調性(圖6)。

協(xié)調型反映城鎮(zhèn)發(fā)展與LST變化協(xié)調增長且速度較快，瀝青、混凝土等不透水面擴張的同時會引發(fā)LST協(xié)同升高，因此協(xié)調型區(qū)域主要分布在城鎮(zhèn)擴張方向；而在原有中心城區(qū)，城鎮(zhèn)擴展和地表升溫幅度比較有限，其協(xié)調性水平也相對較低。磨合型反映城鎮(zhèn)發(fā)展與LST變化處于良好發(fā)展階段，發(fā)展速度適中；拮抗型反映城鎮(zhèn)發(fā)展與LST變化幅度較小，或不顯著。從整體來看，3個時期協(xié)調型區(qū)域穩(wěn)定在27%左右，變化起伏較??；磨合型區(qū)域占比最大，且呈先增后減趨勢；拮抗型區(qū)域占比最小，且呈先減后增趨勢(圖6)。

2006—2011年，城鎮(zhèn)開始向南北方向擴張，LST快速升高并超前于城鎮(zhèn)發(fā)展，因此協(xié)調超前型區(qū)域占主導地位；在原有中心城區(qū)，冷島效應強烈且發(fā)展空間有限，因而拮抗滯后型區(qū)域所占比例同樣較高。2011—2017年，城鎮(zhèn)開始向四周擴張，磨合超前型區(qū)域開始增長并占據(jù)主導地位，同時，由于城市冷島效應衰減速度達到最快，拮抗型區(qū)域占比下降，而磨合滯后型區(qū)域占比上升。2017—2021年，城鎮(zhèn)發(fā)展到達后期，城鎮(zhèn)發(fā)展與LST均受到限制，LST變化滯后于城鎮(zhèn)發(fā)展，磨合超前型區(qū)域占比達到最低，磨合滯后型區(qū)域占比有所上升，且冷島效應衰減速度放緩，拮抗型區(qū)域面積有所上升。石河子市全區(qū)建設用地類型占有較大范圍，LST受城鎮(zhèn)發(fā)展影響較大，因此LST與城鎮(zhèn)發(fā)展的協(xié)調性變化與土地利用變化的趨勢基本一致。

圖6 2006—2021年石河子市歸一化建筑指數(shù)(NDBI)與地表溫度(LST)的協(xié)調類型比例

4 討論與結論

4.1 討論

綠洲是干旱-半干旱地區(qū)空間和地域分異的結果，是一種獨特的景觀單元，也是維持干旱-半干旱地區(qū)人類棲居和繁榮發(fā)展的重要場所。由于荒漠與綠洲下墊面性質的差異，其地表熱力分布具有非均衡性，中心綠洲低溫和外圍荒漠高溫，造就綠洲地區(qū)具有典型的冷島效應[28]。因此，研究綠洲冷島效應對于評估綠洲生態(tài)環(huán)境質量具有積極意義[29]。但是，伴隨著城市化進程快速發(fā)展，建筑物更加繁密緊湊，城鎮(zhèn)擴展速率與日俱增[30]，使得研究區(qū)綠洲冷島強度不斷降低，這與高原等[17]的研究結果基本一致。2017年，研究區(qū)冷島指數(shù)下降速度最快，2021年，冷島指數(shù)下降速度開始大幅減緩。這是由于近年來，國家對生態(tài)環(huán)境保護愈發(fā)重視，但綠洲生態(tài)系統(tǒng)的穩(wěn)步恢復仍需要較長時間的努力。

一般來說，地表溫度空間分布由多方面因素共同決定[31]。地理探測器因子探測結果(表8)發(fā)現(xiàn)，研究區(qū)歸一化建筑指數(shù)(NDBI)對LST的解釋力最高。PENG等[32]基于最小二乘回歸模型發(fā)現(xiàn)夏季引起LST變化的主導因子為NDBI，其貢獻率也最高，而過渡季節(jié)影響力最高的則為NDVI。筆者研究結果與之基本一致。大量研究證明，植被對LST具有顯著降溫作用，但在干旱地區(qū)，植被類型大多為干草類和灌木類荒漠植被，植被呈斑塊狀分布在裸露地面，葉片面積較小而根莖發(fā)達，以此來適應嚴苛的生存條件。因此，研究區(qū)地面升溫迅速，地表溫度較高，形成特殊的干旱區(qū)熱力景觀。石河子市空間結構分布清晰，城鎮(zhèn)發(fā)展對LST的影響極大，各時期城鎮(zhèn)發(fā)展大多超前于LST變化，這與沈中健等[13]的研究結果基本一致。而在城市景觀格局復雜多變的地區(qū)，NDBI對LST的影響會被削弱。

夏季植物種類豐富，植被覆蓋度較高，對LST的影響較為典型，因此筆者僅對夏季LST進行研究，在后續(xù)研究中可以研究多季節(jié)不同因素與LST的相關性。筆者以多個遙感指數(shù)為變量探討LST驅動因素，在未來研究中可以從景觀生態(tài)學角度進行探討，分析景觀異質性與LST的關系，從更深層次對城鎮(zhèn)發(fā)展與LST變化進行探討。

4.2 結論

(1)隨著城鎮(zhèn)化水平不斷提高，城鎮(zhèn)地區(qū)不斷向四周擴張，研究區(qū)建設用地由2006年的70.3 km2增長至2021年的164.73 km2，石河子市林地面積逐年增長，而耕地、草地和水域面積均呈下降趨勢。土地利用類型對LST的分布影響較大，極高溫、高溫和中溫區(qū)集中分布在建設用地、草地和部分低密度覆被的耕地，并呈逐年增加趨勢；低溫和極低溫區(qū)分布在耕地和水域，面積逐年減少。2006、2011、2017和2021年研究區(qū)冷島指數(shù)分別為0.53、0.47、0.39和0.35，冷島強度在2017年下降速度最快，2021年下降速度開始減緩。

(2)2006、2011、2017和2021年LST全局自相關Moran′sI分別為0.805、0.731、0.821和0.804，LST具有顯著空間正相關性。高-高聚集區(qū)主要集中在高溫的建設用地和草地，低-低聚集區(qū)則集中在低溫的耕地。

(3)各影響因子探測結果q值由大到小依次為NDBI、NDMI、SI、NDVI、土地利用、DEM、MNDWI、坡度和夜間燈光，NDBI對LST的解釋力最強。交互探測結果表明，4個年份海拔與NDMI和NDBI的交互作用對LST的影響占主導地位。

(4)2006—2021年研究區(qū)NDBI與LST協(xié)調性的3種類型分布較為均衡，協(xié)調型區(qū)域變化比較穩(wěn)定，磨合型和拮抗型區(qū)域分別呈先增加后減少和先減少后增加趨勢。2006—2011年，城鎮(zhèn)發(fā)展初期，LST變化超前于城鎮(zhèn)發(fā)展，呈協(xié)調超前和磨合超前型；2011—2017年，冷島強度減弱，中心城市LST協(xié)調性有所上升，磨合型范圍擴大；2017—2021年，城鎮(zhèn)發(fā)展后期，城鎮(zhèn)擴散與LST發(fā)展具有局限性，LST變化滯后于城鎮(zhèn)發(fā)展，拮抗型面積有所上升。