余德,周衛(wèi)軍,譚潔,郭子川,李娟
湖南農業(yè)大學資源環(huán)境學院,湖南 長沙 410128
洞庭湖區(qū)地表溫度反演及其時空變化特征
余德,周衛(wèi)軍,譚潔,郭子川,李娟
湖南農業(yè)大學資源環(huán)境學院,湖南 長沙 410128
洞庭湖是我國第二大的淡水湖,對區(qū)域氣候的調節(jié)起著極其關鍵的作用,然而受全球變暖及其他因素的影響,洞庭湖區(qū)范圍內對氣候變化的響應并不一致。為了更好地認識洞庭湖區(qū)的地表溫度變化及其對全球變暖的響應情況,同時為準確的判斷該區(qū)溫度未來的變化趨勢奠定基礎,利用1995年、2004年和2013年12景冬季Landsat TM/ETM+遙感影像的熱紅外波段數(shù)據(jù)反演了洞庭湖區(qū)地表溫度,并對反演的地表溫度值進行標準化處理,采用標準差分類法得到地表溫度等級圖。通過三時相溫度等級圖的面積統(tǒng)計與直觀對比,分析了洞庭湖區(qū)在三峽蓄水前后的溫度時空變化特征;并結合歸一化植被指數(shù)(NDVI)、降雨資料、DEM、坡度等數(shù)據(jù)對洞庭湖區(qū)的溫度變化影響因素進行了統(tǒng)計分析。結果表明,(1)洞庭湖區(qū)各溫度等級面積成正態(tài)分布,主要以中溫區(qū)、較高溫區(qū)和較低溫區(qū)為主。從空間分布上來看,低溫區(qū)主要分布在水體,而高溫區(qū)則沒有明顯的分布特征。(2)受雨雪天氣影響,2004年的高溫范圍減少,減少情況為西洞庭湖區(qū)>南洞庭湖區(qū)>東洞庭湖區(qū),面積變化比例分別是5.38%、2.12%、0.71%,表明冷氣流對西洞庭湖區(qū)的溫度變化影響最強,而東洞庭湖區(qū)最弱。(3)2013年高溫范圍增加,且變化強度呈現(xiàn)出西洞庭湖區(qū)<南洞庭湖區(qū)<東洞庭湖區(qū)的空間特征,面積變化比例分別是2.21%、2.38%、2.68%,表明在三峽水庫蓄水之后,東洞庭湖區(qū)的地表溫度受到較大影響。(4)植被的覆蓋情況與溫度相關性不明顯,而坡度、海拔與溫度呈正相關關系,這表明坡度可以有效的減少冷氣流對溫度的影響,地勢較高地區(qū)與陽坡出現(xiàn)高溫情況則表明地表溫度受太陽輻射影響較大。
洞庭湖區(qū);地表溫度;遙感;時空特征;冬季
近年來,全球變暖已成為共識,引起了人們越來越多的思考與研究。聯(lián)合國政府間氣候變化專門委員會(IPCC)在第五次評估報告(IPCC第五次工作報告,2013)中指出,全球變暖沒有停止,氣溫在波動中不斷上升,且氣候給經(jīng)濟社會發(fā)展帶來越來越顯著的影響。“全球變暖”環(huán)境下的全球溫度時空變化特征的研究表明,20世紀以來,全球總體呈增溫態(tài)勢,但存在很大的地區(qū)差異和季節(jié)差異,甚至有些區(qū)域在某些時段出現(xiàn)很強的降溫(張秀年等,2004)。另有研究指出,我國各地區(qū)對全球變暖的響應并不完全相同,自然氣候特性與人為活動極大程度的影響了溫度的空間分布和變化(張明慶等,1999)。
目前學者對氣候變化研究主要以氣象觀測資料為主,黃菊梅(黃菊梅等,2013)等利用24個氣象站1952─2010近60年的平均氣溫資料為基礎,分析了洞庭湖區(qū)的氣溫變化特征,結果表明洞庭湖區(qū)年均氣溫、冬季、春季和秋季氣溫均呈顯著上升趨勢。劉甜甜(劉甜甜,2010)利用常規(guī)地面實況資料和30年整編資料及中尺度η坐標暴雨模式的數(shù)值模擬和敏感性試驗,分析了洞庭湖對湖南氣候的影響,結果表明洞庭湖使得湖南月平均氣溫的分布除南高北低型以外,還呈現(xiàn)出東高西低型和過渡型,并且洞庭湖及周邊地區(qū)日最大降水量較同緯度地區(qū)偏少。雖然學者們利用氣象資料對氣候變化研究取得了較大的進展,但是氣象資料極難獲取,加上氣象資料在空間上的精度很大程度受站點分布的影響,大大地限制了研究的深入。隨著遙感技術的發(fā)展,尤其是熱紅外遙感的發(fā)展,使得溫度變化的研究變得更加便捷、快速,對大范圍的宏觀氣候把握更加準確與及時,并且它能夠方便地獲取歷史數(shù)據(jù)用于研究,因此遙感技術成為了宏觀氣候變化研究的主要技術手段,常用的數(shù)據(jù)有Landsat(李福建等,2009;鄧玉嬌等,2008)和MODIS(高懋芳等,2007;張春桂等,2011)。
洞庭湖是我國第二大淡水湖,水體可以調控區(qū)域最低氣溫和區(qū)域最高氣溫,從而在一定程度上減弱氣溫的日差以及年內變差和年際差異,因此洞庭湖對區(qū)域的氣候調節(jié)起著極其關鍵的作用。受全球變暖的影響,洞庭湖區(qū)氣候逐年變暖,但由于洞庭湖區(qū)面積寬廣和其他各種因素的影響,區(qū)域內對全球變暖的響應程度并不一致。地表溫度(Land surface temperature,簡稱LST)是生態(tài)環(huán)境研究中的重要參數(shù),是地表和大氣圈、生物圈交互作用下能量流的反映,代表了洞庭湖區(qū)域對全球變暖的直觀響應。并且該區(qū)域是我國重要的糧食生產(chǎn)基地,而溫度是影響糧食生產(chǎn)的重要因素,也是監(jiān)測墑情的重要指標,因此研究洞庭湖區(qū)域的LST變化具有重大意義。衛(wèi)星遙感資料具有大空間尺度的特點,能夠對洞庭湖區(qū)域的LST有較為全面的掌握,為了更好地認識洞庭湖區(qū)的地表溫度變化及其對全球變暖的響應情況,同時為準確的判斷該區(qū)溫度未來的變化趨勢奠定基礎,本文利用Landsat TM/ETM+遙感影像反演了洞庭湖區(qū)1995、2004和2013年的冬季地表溫度,分析了洞庭湖區(qū)在三峽蓄水前后時期的溫度空間分布和時間變化特征,探討了影響其變化的原因,以期為洞庭湖區(qū)的生態(tài)規(guī)劃、環(huán)境保護及糧食安全等提供依據(jù)。
目前利用Landsat/TM 6波段數(shù)據(jù)反演LST方法主要有單窗算法(覃志豪等,2001)、單通道算法(J等,2003)、基于輻射傳輸方程的大氣校正法(白潔等,2008)。有研究表明:3種反演算法得到的LST與實測地表溫度空間分布趨勢一致,輻射傳輸方程算法的結果略高于地面實測值,單窗算法的結果與地面實測值一致性最好,而單通道算法的結果明顯低于地面實測值(白潔等,2008)。綜合比較反演參數(shù)獲取的難易程度、反演結果的精確程度之后,本文選取覃志豪的單窗算法(覃志豪等,2001)進行LST反演,該方法需要3個基本參數(shù),即地表比反射率、大氣透過率與大氣平均作用溫度Ta,由亮溫推算出相對準確的LST。具體公式如下:
式(1)、(2)、(3)中:
T6:傳感器得到的地表亮溫,根據(jù)Landsat用戶手冊,可推算出星上輻射值與星上亮溫;
Ta:大氣平均作用溫度,根據(jù)大氣剖面各層的實時氣溫和水汽含量積分得到,本文根據(jù)覃志豪(覃志豪等,2003)等建立的大氣平均溫度與地面附近氣溫之間的線性關系,由地面附近(1.5 m高度)的氣溫計算大氣平均溫度;
ε6:地表比輻射率,估計方法參照文獻(覃志豪等,2004);
τ6:大氣透射率,可通過大氣水分含量來估計(覃志豪等,2003)。
2.1 研究區(qū)概況
洞庭湖區(qū)(28o03′~30o20′N,110o40′~113o30′E)位于長江中下游以南,湖南省北部,具有豐富的濕地資源。以洞庭湖為核心,向東、南、西三周過度為河湖沖積平原、環(huán)湖丘陵崗地、低山,為一碟形盆地。處在東亞季風氣候區(qū)中,氣候帶上具有中亞熱帶向北亞熱帶過渡性質,屬濕潤的大陸季風氣候。熱量豐富,嚴寒期短、無霜期長,春溫多變,盛夏酷熱,湖區(qū)氣候均一,山地氣候懸殊,年均降水量為1289.8~1556.2 mm,降雨分布不均勻,呈春夏多、秋冬少,東部多西部少的格局。年均氣溫在16.5~17.2 ℃之間,氣溫差較大,極端最高氣溫為39.3~40.8 ℃,最低氣溫為-11.4~18.1 ℃。洞庭湖區(qū)植物區(qū)系豐富,已發(fā)現(xiàn)的野生植物和栽培植物種類多達873種,隸屬于492屬159科,其中種子植物144科474屬851種。種子植物中,以殼斗科(Fagaceae)、樟科(Lauraceae)、冬青科(Aquifoliaceae)、山茶科(Theaceae)、杉科(Taxodiaceae)等在區(qū)系中占有顯著的地位。區(qū)系中含有一些比較古老的科、屬、種,如三白草科(Saururaceae)、金粟蘭科(Chloranthaceae)、毛茛科(Ranunculaceae)、樟科(Lauraceae)、防已科(Menispermaceae)、金縷梅科(Hamamelidaceae)、木通科(Lardizabalaceae)、睡蓮科(Nymphaeaceae)以及更古老的紅豆杉科(Taxaceae)、銀杏科(ginkgoaceae)等,有石筆木屬(Tutcheria Dunn)、蓮屬(Nelumbo)等,都是古生代或中生代遺留下來的殘存種類。
本研究選取湖南省洞庭湖區(qū)部分,包括常德市的鼎城區(qū)、武陵區(qū)、漢壽縣、安鄉(xiāng),益陽市的資陽區(qū)、赫山區(qū)、沅江市、南縣,岳陽市的君山區(qū)、岳陽樓區(qū),云溪區(qū)、華容縣、湘陰縣、岳陽縣、汨羅市在內的15個縣市區(qū)為研究區(qū)(圖1),共2022713 hm2。
圖1 研究區(qū)示意圖Fig. 1 The map of Study area
2.2 數(shù)據(jù)源
Landsat TM/ETM+數(shù)據(jù)第6波段可用來分析地表熱輻射和地表溫度,TM6波段空間分辨率為120 m,ETM+6波段空間分辨率為60 m,與MODIS、NOAA相比,在精度要求較高的研究中應用更為廣泛。本文選取了1995年、2004年和2013年共12景TM/ETM+影像,各景影像獲取時含云量均為0%,詳情見表1(數(shù)據(jù)來源于美國地質調查官網(wǎng),http://www.usgs.gov),其他數(shù)據(jù)包括湖南省DEM,1:100萬行政區(qū)劃圖和氣象資料數(shù)據(jù)。
表1 遙感數(shù)據(jù)信息Table 1 Information of remote sensing images
2.3 數(shù)據(jù)處理
2.3.1 遙感影像處理
首先在ENVI 4.8中對2014年的ETM+影像進行了去條帶處理,并以2004年為基準,對1995年和2014年各影像進行幾何配準。1995年、2004年為TM數(shù)據(jù),第6波段空間分辨率為120 m,而2014年為ETM+數(shù)據(jù),第6波段空間分辨率為60 m,為了便于比較,將所有的波段都重采樣成120 m。由于NDVI是經(jīng)過歸一化處理的植被指數(shù),因此大氣的影響對于NDVI的計算結果影響不是很大,有研究表明,對于地表溫度的反演,可以直接用TM3和TM4的DN值計算NDVI,大氣校正對地表反射率的估計沒有實質性的影響(覃志豪等,2003)。然后利用單窗算法,反演得到地表溫度。由于研究區(qū)面積大,一景影像不能全部覆蓋研究區(qū),而不同影像獲取時間不同,故在數(shù)據(jù)處理過程中采用的是分幅處理后拼接,然后按照研究區(qū)進行裁剪統(tǒng)計。
2.3.2 地表溫度歸一化
本研究中采用了不同時間序列的遙感影像,雖然每年影像獲取時間都在冬季,但近幾十年氣候條件變化較大,為了增加可比性,較精確地利用不同時間序列的地表反演溫度進行洞庭湖區(qū)溫度時空變化研究,本文采用LST歸一化方法(喬治和田光進,2014)將LST分布范圍統(tǒng)一到0~1之間,其歸一化公式如下:
式(4)中:
Ni為歸一化后的像元值,LSTi為第i個像元的地表溫度反演值,LSTmax為范圍內的最大LST值,LSTmin為范圍內的最小LST值。
2.3.3 溫度分級
為了消除不同時相其他條件對結果的影響,本文采用標準差分類法對地表相對溫度進行分級,具體分類方法如表2(m為地表相對溫度平均值,s為標準差)。其中1995年均值為0.4449,標準差為0.08;2004年均值為0.4215,標準差為0.0742;2013年均值為0.5448,標準差為0.1140。
3.1 地表溫度反演結果
利用單窗算法反演出洞庭湖區(qū)1995年、2004年和2013年的地表溫度,然后經(jīng)過歸一化處理,得到地表相對溫度。
表2 標準差分類法Table 2 Standard deviation classification
為了更加全面深入地分析研究區(qū)的地表溫度時空變化,用標準差分類法將地表相對溫度分成7類,并對溫度等級圖(圖2)進行統(tǒng)計,得到3年7類溫度區(qū)的面積比例變化(表3)。
表3 洞庭湖區(qū)溫度面積比例及變化Table 3 LST grades proportion change of Dongting lakearea
3.2 溫度時空變化特征
3.2.1 溫度空間分布特征
從1995年的溫度等級分布圖(圖2a)可以看出:洞庭湖區(qū)極低溫區(qū)和極高溫區(qū)面積較小,極低溫區(qū)、低溫區(qū)主要分布在洞庭湖湖面、大通湖以及周圍地區(qū)的小面積湖泊、水庫與河流等;大部分農田屬于中溫區(qū),高溫區(qū)分布不集中,主要分布在西北部、西南部、東北部以及北部的山部地區(qū),這些區(qū)域植被茂盛、地勢高,有效的阻擋了空氣流動速度與熱量的散失。1995年研究區(qū)中大部分區(qū)域處于中溫區(qū)、較高溫區(qū)和較低溫區(qū),面積百分比達到89.88%;高溫區(qū)和極高溫區(qū)面積比例只有3.94%;低溫區(qū)和極低溫區(qū)比例為6.18%(表3)。此外,1995年的溫度等級圖中顯示一種異?,F(xiàn)象:西洞庭湖區(qū)的河流區(qū)域屬于高溫區(qū),這與中部東部的河流不一致,有可能是由于該區(qū)冬季河流水少,泥沙裸露導致。
圖2 溫度等級與DEM圖Fig. 2 Maps of LST grade and DEM
2004年的地表溫度等級分布圖(圖2b)顯示極低溫區(qū)和極高溫區(qū)的面積都有減小。極低溫區(qū)主要分布在湖泊、河流等水域,從水域溫度的空間分布可以看出,離陸地距離近的水域溫度相對較高,極低溫多分布在距離陸地較遠的深水區(qū)域。1995年的高溫區(qū)、極高溫區(qū)在2004年大部分都表現(xiàn)為中溫區(qū)和較高溫區(qū),東部和南部山區(qū)仍有部分區(qū)域存在極高溫區(qū)和高溫區(qū),南洞庭湖區(qū)出現(xiàn)大面積較低溫區(qū),位于平原地帶的農用地依然保持在中溫區(qū)與較高溫區(qū)。從表3中可以看出2004年研究區(qū)的溫度主要是由中溫區(qū)和較高溫區(qū)組成,兩類區(qū)域面積比例達到72.99%,低溫區(qū)和極低溫區(qū)面積比例為10.29%,而高溫區(qū)和極高溫區(qū)面積比例為1.48%,高溫主要分布在東洞庭湖區(qū)。
2013年溫度等級圖(圖2c)顯示高溫區(qū)與極高溫區(qū)主要分布在南洞庭湖,尤其是河州沙灘、裸地等植被覆蓋少的區(qū)域,東部海拔較高的山區(qū)溫度也相對較高;低溫區(qū)依然主要分布在水域,極低溫區(qū)分布與2004年大致一樣,較低溫區(qū)在西洞庭湖區(qū)與南洞庭湖區(qū)分布較廣,沿著河流與山脈,有較明顯的帶狀低溫區(qū),尤其是西洞庭湖區(qū)。統(tǒng)計表顯示2013年的極低溫區(qū)和低溫區(qū)面積比例為6.92%,而高溫區(qū)和極高溫區(qū)面積為4.16%。
對比三年的溫度等級分布圖(圖2)可以發(fā)現(xiàn),1995—2013年洞庭湖區(qū)低溫區(qū)空間分布變化較小,由于水體面積的減小,極低溫區(qū)面積也隨之變小;高溫區(qū)的空間分布變化較大,1995、2004年的高溫區(qū)主要分布在地勢較高的山區(qū),而2013年的高溫區(qū)分布在地勢較低的平緩地帶。從溫度等級統(tǒng)計表(表2)可以看出,三年的溫度等級面積均以中溫區(qū)、較高溫區(qū)、較低溫區(qū)為主,低溫與高溫面積較少,溫度等級面積服從正態(tài)分布。
3.2.2 溫度時間變化特征
隨著時間的推移,洞庭湖區(qū)地表溫度在1995—2013年有較大的變化,通過溫度等級面積比例及變化表(表3)可以進一步對洞庭湖區(qū)的溫度變化進行定量研究。從表中可以看出:與1995年相比,洞庭湖區(qū)2004年溫度變化主要表現(xiàn)在中溫區(qū)、較低溫區(qū)面積減少,低溫區(qū)、較高溫區(qū)面積增加,表明2004年的溫度與1995年相比低溫面積范圍在擴張;與2004年相比,2013年低溫區(qū)、極低溫區(qū)面積減少3.38%,較低溫區(qū)、中溫區(qū)和較高溫區(qū)面積比較平衡,高溫區(qū)、極高溫區(qū)面積則增加了2.70%,表明洞庭湖區(qū)高溫范圍在擴展。
為了更好的分析洞庭湖區(qū)溫度的時間變化,分別統(tǒng)計兩個時期三區(qū)(西洞庭湖區(qū),597699 hm2;南洞庭湖區(qū)521176 hm2;東洞庭湖區(qū),903837 hm2。表4中簡稱西、南、東)各時期內的溫度等級面積變化進行統(tǒng)計(表4)。
表4 溫度等級面積比例變化Table 4 LST grades proportion change in different areas %
從表4中可以看出:與1995年相比,2004年低溫區(qū)與極低溫區(qū)的總面積變化強度在西洞庭湖區(qū)、南洞庭湖區(qū)和東洞庭湖區(qū)表現(xiàn)不一致,西洞庭湖區(qū)增加了5.92%,南洞庭湖區(qū)增加了6.15%,東洞庭湖區(qū)則增加了1.75%;高溫區(qū)與極高溫區(qū)的總面積則都在減少,西洞庭湖減少5.38%,南洞庭湖減少2.12%,而東洞庭湖減少0.71%,可見在2004年,東洞庭湖區(qū)低溫面積與高溫面積最為穩(wěn)定,其次是南洞庭湖區(qū)。與2004年相比,2013年研究區(qū)高溫區(qū)與極高溫區(qū)總面積都在增加,西洞庭湖區(qū)增加2.21%,南洞庭湖區(qū)增加2.38%,東洞庭湖區(qū)增加2.68%;低溫區(qū)與極低溫區(qū)總面積都在減少,西洞庭湖區(qū)減少1.93%,南洞庭湖區(qū)減少2.41%,東洞庭湖區(qū)減少5.45%,可見2013年洞庭湖區(qū)溫度普遍升高,變化強度表現(xiàn)為東洞庭湖區(qū)>南洞庭湖區(qū)>西洞庭湖區(qū)。
3.3 溫度變化影響因子分析
溫度的空間分布變化、異?,F(xiàn)象受到很多因素影響,此處針對3個問題可能的原因進行分析。
圖3 西洞庭湖區(qū)降水量Fig. 3 Precipitation of West Dongting lake region
首先針對西洞庭湖區(qū)1995年河流溫度異常現(xiàn)象進行分析:1995年溫度等級圖(圖2a)顯示該區(qū)河流的大部分區(qū)域屬于高溫區(qū),從圖3中可以看出,西洞庭湖區(qū)1995年下半年逐月降水量折線圖顯示1995年下半年降水量較少,尤其是在9─12月,僅有10月份降水量超過20 mm,導致該區(qū)河流在秋冬交替的季節(jié)缺水,水量少,水位低,水底泥沙露出,而泥沙的熱容量小,接收太陽輻射后地表潛熱通量較小,升溫較快,出現(xiàn)地表溫度明顯高于周圍區(qū)域的現(xiàn)象。在2004年溫度等級圖(圖2b)顯示西洞庭湖區(qū)的河流溫度并沒有出現(xiàn)異常,與研究區(qū)內其他水域溫度等級接近,大部分屬于低溫區(qū)和較低溫區(qū),極小部分屬于極低溫區(qū),這與11月份與12月份的降水量有一定的關系,雖然降雨量仍然不多,但卻有效地增加了河流泥沙的水分含量,泥沙變得濕潤,受到水分蒸發(fā)的影響,升溫較慢。
然后分析極低溫區(qū)的分布,從3年的溫度等級圖(圖2)可以看出極低溫區(qū)大都分布在水域,尤其是在離陸地距離越遠的水域中心,其原因是水體熱容量大、并且水體深度與水體流速也會影響水體與大氣的能量交換速度,同時水體與陸地的距離也會影響與陸地的能量交換速度;2004年低溫面積增加與高溫面積減少,主要是因為12月份大范圍的雨雪天氣導致(沈曉農,2005)。在1995年的東南角區(qū)域也出現(xiàn)了小面積的極低溫區(qū),這與當?shù)氐牡匦斡泻艽蟮年P系,結合DEM與坡度圖可以看出,這部分的極低溫區(qū)位于南北走向的山峰陰坡,影像獲取時間為早上10點,太陽從東升起,處于南北走向的山峰陰坡,未能受到太陽的直接輻射,故出現(xiàn)溫度極低的現(xiàn)象。
最后對比分析各年份不同溫度等級區(qū)(極低溫區(qū)與低溫區(qū)主要分布在水體,故不做出比較)的DEM、坡度以及NDVI關系(表5)可以發(fā)現(xiàn),冬季地表溫度與植被的相關性不明顯,這與王剛等(王等,2013)的研究結果相符,由于冬季不處于植被的生長期,因而NDVI與溫度的相關性不明顯,而梁保平等(梁等,2012)在桂林的研究則表明NDVI與地表溫度呈負相關關系。可見在不同地區(qū)NDVI與地表溫度的關系是不確定的,需結合更多的因素進行分析。對比分析溫度等級與DEM、坡度的關系發(fā)現(xiàn),溫度越高的地區(qū)坡度越大,海拔相對較高,這主要是由于早晨陽坡最先受到太陽輻射,并且坡度可以有效地阻擋冷氣流對該地區(qū)的影響,從而升溫較快。2013年的極高溫分布在海拔較低、地勢平坦且NDVI值小于0.05的裸地,這是因為裸地的比熱容小,受太陽輻射作用后,升溫較快。
表5 NDVI、DEM和Slope均值統(tǒng)計Table 5 Mean value statistic of NDVI, DEM and Slope
本文利用3個時期的Landsat TM/ETM+數(shù)據(jù),對洞庭湖區(qū)三峽水庫蓄水前后時期的溫度時空變化特征進行了分析。
(1)溫度等級圖和溫度等級統(tǒng)計表顯示出洞庭湖區(qū)各年份的7個溫度區(qū)面積均成正態(tài)分布,主要以中溫區(qū)、較高溫區(qū)和較低溫區(qū)為主,冬季低溫區(qū)和極低溫區(qū)面積比高溫區(qū)域極高溫區(qū)面積比例大,低溫區(qū)主要分布在水體,高溫區(qū)沒有明顯的空間分布特征。
(2)1995—2004年,高溫范圍減少,與2004年多雨雪天氣造成地面積水有關,且高溫面積減少強度呈西洞庭湖區(qū)>南洞庭湖區(qū)>東洞庭湖區(qū)的空間特征,表明西洞庭湖區(qū)受冷氣流的影響較大;2004—2013年高溫范圍增加,且高溫范圍變化強度表現(xiàn)出西洞庭湖區(qū)<南洞庭湖區(qū)<東洞庭湖區(qū)的空間特征,表明在三峽水庫蓄水之后,東洞庭湖區(qū)的溫度受到更大的影響。
(3)冬季溫度很大程度的受到太陽輻射、降水量、地形以及下墊面的影響,不同地形下,各因子對溫度的影響不相同。在本研究中,溫度與植被覆蓋度的相關性不明顯,由于冬季不處于植被的生長期,因而NDVI與溫度的相關性不明顯,不同條件下NDVI與地表溫度的關系是不確定的,需結合更多的因素進行分析。溫度與坡度、DEM的關系分析表明,在冬季受大陸季風氣候影響較大的地區(qū),坡度可以有效地阻擋冷氣流,從而保持地區(qū)溫度的穩(wěn)定,DEM與溫度成正相關關系則表明冬季氣溫受太陽輻射的影響較大。
IPCC第五次工作報告[Z]. http://www.ipcc.ch, 2013.
JIMéNEZ J C, SOBRINO J A. 2003. A generalized single channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research.
白潔, 劉紹民, 扈光. 2008. 針對TM/ETM+遙感數(shù)據(jù)的地表溫度反演與驗證[J]. 農業(yè)工程學報, 24(9): 148-155.
鄧玉嬌, 匡耀求, 黃寧生, 等. 2008. 溫室效應增強背景下城市熱環(huán)境變化的遙感分析——以廣東省東莞市為例[J]. 地理科學, 28(6): 814-819.
高懋芳, 覃志豪, 徐斌. 2007. 用MODIS數(shù)據(jù)反演地表溫度的基本參數(shù)估計方法[J]. 干旱區(qū)研究, 24(1): 113-119.
黃菊梅, 鄒用昌, 蔡海朝, 等. 2013. 近60a來洞庭湖區(qū)氣溫的變化特征[J].氣象科學, 33(4): 457-463.
李福建, 馬安青, 丁原東. 2009. 基于Landsat數(shù)據(jù)的城市熱島效應研究[J]. 遙感技術與應用, 24(4): 553-558.
梁保平, 李藝, 陳可宙. 2012. 桂林市NDVI、地表溫度的地物特征及相關性研究[J]. 遙感技術與應用, 27(3): 429-435.
劉甜甜. 2010. 洞庭湖對當?shù)靥鞖鈿夂蛴绊懙难芯縖D]. 蘭州大學.
喬治, 田光進. 2014. 北京市熱環(huán)境時空分異與區(qū)劃[J]. 遙感學報, 18(3): 726-735.
沈曉農. 2005. 2004年主要天氣氣候事件[Z]. http://www.mwr.gov. cn/slzx/slyw/200501.
覃志豪, Li W J, ZHANG M H. 2003. 單窗算法的大氣參數(shù)估計方法[J].國土資源遙感, (2): 37-43.
覃志豪, ZHANG M, KARNIELI A, et al. 2001. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J]. 地理學報, 56(4): 456-466.
覃志豪, 李文娟, 徐斌. 2004. 利用Landsat TM6反演地表溫度所需地表輻射率參數(shù)的估計方法[J]. 海洋科學進展, 22卷增刊: 129-137.
王剛, 張行南, 劉揚揚. 2013. 嘉陵江流域NDVI年季變化特征及其與氣象因子的關系[J]. 河海大學學報(自然科學版), (1): 21-25.
徐涵秋, 陳本清. 2003. 不同時相的遙感熱紅外圖像在研究城市熱島變化中的處理方法[J]. 遙感技術與應用, 18(3): 129-133.
姚玉龍, 劉普幸, 陳麗麗. 2013. 基于遙感影像的合肥市熱島效應時空變化特征及成因[J]. 生態(tài)學雜志, 32(12): 3351-3359.
張春桂, 潘衛(wèi)華, 季青. 2011. 基于MODIS數(shù)據(jù)的城市熱島動態(tài)監(jiān)測及時空變化分析[J]. 熱帶氣象學報, 27(3): 110-116.
張明慶, 劉桂蓮. 1999. 我國近40年氣溫變化地域類型的研究[J]. 氣象, 25(4): 10-14.
張秀年, 嚴華生, 郭世昌. 2004. “全球變暖”背景下的全球溫度時空變化特征[J]. 熱帶氣象學報, 20(5): 561-570.
Temporal and Spatial Variation Characteristics of Land Surface Temperature in Dongting Lake Region, Hunan Province
YU De, ZHOU Weijun, TAN Jie, GUO Zichuan, LI Juan
College of Resources and Environment, Hunan Agricultural University, Changsha 410128, China
As the second largest fresh lake in China, Dongting Lake plays a significant role in regulating regional climate. However, due to global warming and other factors, its responses to climate change are not consistent within the Dongting area. For a better understanding of the land surface temperature (LST) change of the Dongting Lake area and its responses to global warming, and also for a better prediction of the LST variation trend, the LST of Dongting Lake area was retrieved using wintertime data of the 12 Landsat TM/ETM+ thermal infrared band images in 1995, 2004 and 2013. The standardized processing of retrieved LST was conducted and the LST grade maps were developed through standardized deviation classification. The LST temporal and spatial variation characteristic was analyzed through area statistic and straight comparison of the three LST grade maps. And the influential factors of LST variation were analyzed through normalized difference vegetation index (NDVI), rainfall data, DEM, gradient and other relevant data. The result shows that: (1) The area of each LST grade in Dongting Lake is of the normal distribution, and it mainly consists of middle temperature area, higher temperature area and lower temperature area. In terms of spatial distribution, the lower temperature area is mainly in water, and there is no distinct distribution characteristic in higher temperature area; (2)Impacted by the rain and snow, the range of high temperature area decreases in 2004.The proportion of decreased area from large to small in turn is West Dongting Lake(5.38%) to South Dongting Lake(2.12%) to East Dongting Lake(0.71%), suggesting that the cold air flow influences the West Dongting Lake the most, the East the least; (3)The range of high temperature area increases in 2013, and the proportion of increased area from small to large is West Dongting Lake(2.21%) to South Dongting Lake(2.38%) to East Dongting Lake(2.68%), suggesting that the LST of East Dongting Lake is greatly affected by the Three Gorges Reservior; (4)The correlation between NDVI and LST is non-significant, while gradient and elevation are in positive correlation with temperature, which indicates that gradient can effectively reduce the impact of cold air flow on temperature. And the high temperature in higher elevation and sunny slope indicate that the LST is greatly affected by solar radiation.
Dongting Lake region; land surface temperature; remote sensing; temporal and spatial characteristic; winter
X16
A
1674-5906(2014)11-1799-07
余德,周衛(wèi)軍,譚潔,郭子川,李娟. 洞庭湖區(qū)地表溫度反演及其時空變化特征[J]. 生態(tài)環(huán)境學報, 2014, 23(11): 1799-1805.
YU De, ZHOU Weijun, TAN Jie, GUO Zichuan, LI Juan. Temporal and Spatial Variation Characteristics of Land Surface Temperature in Dongting Lake Region, Hunan Province [J]. Ecology and Environmental Sciences, 2014, 23(11): 1799-1805.
國家自然科學基金項目(41371228)
余德(1990年生),男,碩士研究生,研究方向土地資源與環(huán)境信息技術。E-mail: 342924288@qq.com
*通信作者:周衛(wèi)軍,wjzh0108@163.com
2014-09-16