山區(qū)夏季地表溫度的影響因素
——以泰山為例

孫常峰，孔繁花，*，尹海偉，閆偉姣，許 峰，任怡靜

(1.南京大學國際地球系統(tǒng)科學研究所， 南京 210023； 2.南京大學建筑與城市規(guī)劃學院， 南京 210093)

山區(qū)夏季地表溫度的影響因素
——以泰山為例

孫常峰1，孔繁花1，*，尹海偉2，閆偉姣1，許 峰1，任怡靜2

(1.南京大學國際地球系統(tǒng)科學研究所， 南京 210023； 2.南京大學建筑與城市規(guī)劃學院， 南京 210093)

以泰山為例，應用夏季的Landsat 5的TM6為基本數(shù)據(jù)源，基于單窗算法定量反演了泰山地表面溫度(LST)，在此基礎上首先探討了LST與地形因子的關系，然后比較了歸一化水汽指數(shù)(NDMI)和歸一化植被指數(shù)(NDVI)在表達山區(qū)LST上的效力，最后利用逐步回歸分析法，構建出LST與地形因子、NDMI的回歸方程，應用偏相關系數(shù)，得出各個因子對LST的影響程度。結果表明：1)在地形因子中，影響LST的主要因素是海拔，隨海拔升高呈自然對數(shù)形式降低，相比而言，坡度、坡向以及太陽入射能量的影響則很?。?)在沒有水體時，NDVI與NDMI都能有效地表達山區(qū)的LST，LST與NDVI間是二次項負相關關系，與NDMI間是線性負相關關系，在表達LST上NDMI比NDVI更有效；3)綜合分析表明，地表水汽特征是其表面溫度最主要的影響因素，其次是海拔。研究結果將為山區(qū)地表溫度空間分異性特征及形成機制的研究提供科學的參考。

地表溫度；地形因子；歸一化水汽指數(shù)；歸一化植被指數(shù)；泰山

從氣候學意義上看，影響溫度空間分布的因素主要包括宏觀地理條件(經、緯度以及宏觀的氣候背景條件等)、局地地形條件(海拔、坡度、坡向、遮蔽度等)以及下墊面性質(土壤、植被狀況)等[1]。目前在下墊面性質影響地表溫度特征的研究較多。地表熱特征主要由土壤濕度和植被覆蓋確定[2- 3]。因此，許多學者應用植被指數(shù)(NDVI)來定量分析地表溫度(LST)[4- 5]，并大都發(fā)現(xiàn)兩者之間存在著明顯負相關關系[6- 9]。但不少研究同時發(fā)現(xiàn)NDVI在表征地表溫度上有其局限性，地表溫度與NDVI特征空間有時呈三角形，難以用簡單的函數(shù)關系加以描述[10- 12]。為了能夠更好的量化與表征地表植被特征，有些學者開始探尋新的替代性指標。Wilson[13]在森林管理與采伐的研究中發(fā)現(xiàn)應用歸一化水汽指數(shù)(NDMI)比NDVI指數(shù)更容易鑒別出不同的采伐或森林干擾類型。錢樂祥[3]在城市熱島的研究中也發(fā)現(xiàn)NDMI比NDVI更適合表達地表熱特征。然而，以山區(qū)作為研究區(qū)比較NDVI和NDMI對地表溫度影響的研究目前并不多見。

除了下墊面性質之外，地形也是地表溫度的重要影響因素[14- 15]。Bailey[16]研究發(fā)現(xiàn)海拔每升高1000 m，溫度平均下降6.4 ℃，但這一規(guī)律具有地域特征。Wilson[17]指出，除了海拔，地表溫度可以表示成緯度、坡度、坡向、地形陰影和時間的函數(shù)。因為太陽入射能量對維持地表能量平衡具有重要影響，特別是在地形復雜的地區(qū)，影響更加顯著[18]。Martin[15]將山區(qū)植被冠層溫度表示成海拔與太陽入射角的函數(shù)，并獲得了較理想的結果，為研究地形對地表溫度的影響提供了依據(jù)。然而，目前國內對于山區(qū)地表溫度反演及影響因素特征分析的研究還不多見。

本文將以泰山作為研究對象，利用泰山的TM衛(wèi)星遙感影像數(shù)據(jù)、ASTGTM2高程數(shù)據(jù)、MODIS影像，在綜合考慮了泰山地區(qū)的下墊面特征、局地地形條件、太陽入射能量的基礎上，首先分別探討了每類因子與地表溫度的統(tǒng)計學特征，然后利用逐步回歸法綜合分析了地表溫度和歸一化指數(shù)、地形因子之間的關系，以期為了解山區(qū)地表溫度空間分異特征及形成機制提供科學的理解與借鑒。

1 研究區(qū)概況

泰山是中國五岳之首，主峰玉皇頂海拔1545 m，位于泰安市城北，地理位置117°06′15″E，36°15′17″N。泰山地勢差異顯著，地形起伏大，總體地勢呈現(xiàn)北高南低、西高東低的特征，在不到10 km的水平距離內，玉皇頂與其山前平原相對高差達1300 m以上。泰山的山麓區(qū)域氣候屬于暖溫帶半濕潤大陸季風氣候類型，四季分明，夏季炎熱多雨，冬季寒冷干燥。氣溫日、年較差比較平緩，具有高山氣候的特點。氣溫垂直變化明顯，山下1月均溫-3 ℃，山頂-9 ℃，山下7月均溫26 ℃，山頂18 ℃。泰山森林類型主要包括針葉林、落葉闊葉林、針闊混交林等，植被覆蓋率90%以上。主要植被種類有麻櫟(Quercusacutissima)、栓皮櫟(Quercusvariabilis)、刺槐(RobiniapseudoacaciaL)、楓楊(Pterocaryastenoptera)、側柏(Platycladusorientalis)、油松(pinustabuliformis)、落葉松(Larixgmelinii)、苔草(Carexspp)等。本文選取的研究區(qū)位于濟南市的歷城區(qū)、長清區(qū)與泰安市泰山區(qū)、岱岳區(qū)4個市轄區(qū)交界處，研究區(qū)邊界南面基本上與200 m等高線重合，北面沿山谷劃定，總面積147.85 km2。

2 數(shù)據(jù)和研究方法

2.1 數(shù)據(jù)來源與預處理

2.1.1 數(shù)據(jù)來源

本文的主要基礎數(shù)據(jù)包括：1)2006年6月19日的Landsat 5 TM影像，條帶號122—35，其中TM6熱紅外波段分辨率120 m，從USGS網站獲取時，已被重采樣至60 m，其余波段30 m，云量0%；2)MODIS影像，MOD07 L2為MODIS每天的大氣剖面數(shù)據(jù)，空間分辨率為5 km，影像拍攝時間比TM影像晚15 min，大氣狀況短時間內的影響可以忽略，因此利用MOD07估計單窗算法的大氣含水量；3)ASTGTM2 DEM數(shù)據(jù)，于2011年10月發(fā)布的，全球水平空間分辨率為30 m，海拔精度17 m。

圖1 研究區(qū)區(qū)位圖Fig.1 Location of the study area

2.1.2 數(shù)據(jù)預處理

NDVI與NDMI的物理依據(jù)是地物反射率的差異，而TM影像存儲的為DN值，所以需要對TM影像進行輻射校正，將DN值轉換成真實的地表反射率。MODIS產品原始的投影為正弦投影，本文利用ENVI地理校正工具將投影轉換為經緯度投影。海拔數(shù)據(jù)直接從DEM中提取，坡度和坡向數(shù)據(jù)由ArcGIS軟件生成。由于直射像元接受的輻射量正比于太陽入射角i的余弦值[19]，所以用它的余弦值表示其大小，其計算公式如下[20]：

cosi=cosθpcosθz+sinθpsinθzcos(Φa-Φ0)

(1)

式中,θp、Φ0為坡度、坡向，θz、Φa分別為TM影像拍攝時的太陽天頂角與方位角。θz、Φa可通過查找TM影像的頭文件得到，分別為23.58°，116.03°。

所用TM為L1T數(shù)據(jù)，已經經過了地形校正，并且TM影像與ASTGTM2投影相同，因此，無需再對兩者進行匹配，可以直接使用。

2.2 研究方法

2.2.1 地表溫度反演

地表溫度反映的是傳感器在衛(wèi)星高度觀測到的熱輻射強度相對應的地面溫度[21]。本研究應用TM6的熱紅外波段并主要根據(jù)覃志豪等[22]推導出的單窗算法來反演泰山的地表溫度。單窗算法依據(jù)地表熱輻射傳導方程，利用地表輻射率、大氣透射率和大氣平均溫度3個參數(shù)推導出的一個簡單易行的演算方法，來進行地表溫度的演算。大氣透過率采用MOD07的大氣廓線數(shù)據(jù)進行估計，其他的演算公式以及參數(shù)取值詳見文獻22，此處不再累述。當基本參數(shù)估計沒有誤差時，演算絕對精度 < 0.4 ℃，當參數(shù)有適度誤差時，演算精度仍達 < 1.1 ℃[22]。當利用MODIS反演的大氣參數(shù)應用于TM地表溫度反演時，單窗算法的反演精度為0.76 ℃[23]。與1 km的MODIS地溫產品相比，通過單窗算法反演的地表溫度具有高空間分辨率的優(yōu)勢。將NDVI、遙感影像分類圖、TM6波段以及各個參數(shù)代入演算公式中，借助ArcGIS空間建模工具，獲得研究區(qū)的地表溫度(圖2)。

圖2 泰山LST空間分布圖Fig.2 LST map of Mount Tai

2.2.2 地形因子選取

由于所選研究區(qū)屬于區(qū)域性山脈，因此，只考慮局地地形條件。Martin[15]在研究地形對植被冠層溫度影響時，選取了海拔與太陽入射角兩個地形因素。Martin研究認為太陽入射角是由坡度、坡向以及太陽高度角、方位角計算得出，因而太陽入射角就包含了這些因素所攜帶的信息。但是這種做法的科學性值得商榷，因為坡向、坡度是決定植被空間分布的主要原因[24]，而植被可以引起地表溫度空間分異，即坡度、坡向可以通過影響地表性質，間接影響到地表溫度。而太陽入射角只是反映了柵格單元間所接收太陽入射能量的差異，不能反映地表性質的變化。綜合考慮，本文中選定了4個地形因子：海拔、太陽入射角、坡度、坡向。

2.2.3 NDVI與NDMI獲取

地表熱特征與植被緊密相關，而NDVI是表征地表植被覆蓋特征的一種常用的植被指數(shù)。因此，NDVI在一定程度上可以反映地表溫度的特征。其值域范圍[-1,1]，正值對應著植被冠層的密度和綠色，值越大代表植被的覆蓋度越高；0代表該區(qū)域基本沒有植被生長；負值代表非植被覆蓋的區(qū)域。其計算公式為[25]：

NDVI=(NIR-Rdsat5)/(NIR+dsat5Rdsat5)

(2)

式中，NIR、dsat5Rdsat5表示TM4近紅外波段、TM3紅光波段。

NDMI是利用近紅外與短波紅外之間的差異來表達的，與NDVI相比，NDMI與植被冠層水汽含量高度相關[26]，表征地表水汽特征。值域范圍[0,1]，高值對應著水汽含量高的植被冠層、水體，低值對應著巖石、建筑物、構筑物等表面水汽含量低的地表物質[3]。其計算公式[27]：

NDMI=(NIR-MIR)/(NIR+MIR)

(3)

式中, MIR表示TM5短波紅外波段。

2.2.4 GIS與統(tǒng)計分析

本文選取了兩類影響地表溫度的因子：地形因子與地表特征指數(shù)NDVI、NDMI。首先分別分析這兩類因子與地表溫度之間的關系，每個因子與地表溫度之間的相關程度采用Pearson相關系數(shù)來描述。由于很多研究表明水體具有明顯的降溫效應，往往在地表形成絕對“冷島”[28- 29]，因此在研究地表溫度與地形的關系時，對研究區(qū)水體進行了掩模處理，由于研究區(qū)像元數(shù)太多，為較清晰地反映地形因子與地表溫度間的關系，所以采用300 m×300 m漁網采樣。NDVI與NDMI都是反應地表特征的指數(shù)，由于研究區(qū)地表類型分布不均勻，水體較少，使用漁網采樣不能較好地反映整體的特征。因此，計算逐像元條件下的LST-NDVI與LST-NDMI的Pearson相關系數(shù)，進行對比分析。然后，依據(jù)地表溫度與每個因子相關系數(shù)的大小選取重要因子，與地表溫度間進行單獨分析。最后綜合所有可選因子采用逐步回歸分析法構建最優(yōu)的地表溫度回歸方程，回歸方程中由于變量較多，使用簡單相關關系(Pearson相關系數(shù))已不能真實地反映單個因子與地表溫度的關系，采用偏相關系數(shù)來判斷變量的相對重要性[30]。分析統(tǒng)計過程在SPSS軟件中實現(xiàn)。

3 結果與分析

為直觀地展現(xiàn)泰山地表溫度的分布特征，將地表溫度反演圖與ASTGTM2高程圖疊加生成LST隨地形變化的三維圖 (圖3)。

圖3 基于DEM的LST三維圖Fig.3 The three dimensional map of LST based on DEM

從圖3可以看出，由邊緣向中心，顏色逐漸由紅色向綠色過渡，即地表溫度隨著海拔呈逐漸降低的趨勢。為清晰準確地表示地表溫度與地形之間的關系，將基于回歸分析，進一步揭示它們之間的統(tǒng)計學規(guī)律。

3.1地形、太陽入射能量對地表溫度的影響分析

將選定的4個地形因子與地表溫度間進行相關分析，分析結果見表1。

從表1可以看出地表溫度與坡度之間的相關性強于與太陽入射角(cosi)之間的相關性，這也說明提前剔除掉坡度、坡向因子是不合理的。地表溫度與坡向之間的皮爾森相關系數(shù)最差，與海拔之間相關性最好。對除水體之外整個研究區(qū)用漁網采樣后，構建了地表溫度與海拔之間的散點圖(圖4)。

表1 泰山地區(qū)地表溫度的地形因子間的相關系數(shù)

** 在0.01水平(雙側)上顯著相關

從圖4散點圖可以看出，隨著海拔的升高，地表溫度呈明顯的降低趨勢。為定量分析地表溫度與海拔之間的關系，又對兩者進行了線性與自然對數(shù)擬合。如圖4所示，在海拔低于900 m左右，線性關系能很好地反映兩者之間的關系，然而隨著海拔繼續(xù)升高，地表溫度隨海拔的變化率在逐漸的減小，自然對數(shù)的擬合分析整體效果較好。由此，可以得出，地表溫度隨著海拔的升高，并非是簡單地線性降低，而是呈自然對數(shù)形式遞減。

圖4 地表溫度-海拔的散點圖、與線性、自然對數(shù)擬合分析Fig.4 The scatter diagrams and regression curves between land surface temperature and elevation

為進一步分析地表溫度與地形因子之間的關系，應用逐步回歸分析法建立地表溫度與地形因子的回歸方程，其中海拔取自然對數(shù)值，結果如表2所示。

由表2中可以看出，常數(shù)及其各變量都通過了T檢驗，方差膨脹因子VIF都較小，因子間沒有多重共線性。由偏相關系數(shù)一列，可以得出：地表溫度與海拔、坡度間呈負相關關系，與太陽入射角(cosi)、坡度呈正相關關系；影響地表溫度的主要地形因素是海拔，坡度、坡向以及太陽入射能量對地表溫度影響均非常小。

將表2中的“非標準回歸系數(shù)”列數(shù)據(jù)代入多元回歸模型得到地形因素影響下的最優(yōu)的逐步回歸模型：

LST=49.399-3.364ln(Elevation)-0.01Slope+ 0.001Aspect+1.12cosiR2= 0.663

(4)

3.2NDVI與NDMI對地表溫度的影響

對研究區(qū)內的所有像元進行地表溫度與NDVI、NDMI的相關分析，Pearson相關系數(shù)分別為-0.742、-0.830，說明地表溫度與兩者之間均存在著高度負相關關系。為直觀描述地表溫度隨NDVI、NDMI的變化規(guī)律，進一步統(tǒng)計了LST-NDVI與LST-NDMI的散點圖(圖5)。

從圖5可以看出這兩個指數(shù)與地表溫度的散點圖中都存在“離群值點”，不同的是NDVI位于圖5的低值處，而NDMI位于圖5的高值處。將地表溫度圖與遙感影像圖疊加進行對比，可以發(fā)現(xiàn)LST-NDMI之間的“離群點”都是水體純凈像元(圖5黑色橢圓實線內)；而LST-NDVI的“離群點”不但包括水體純凈像元(圖5黑色橢圓實線內)，還有水體與自然地表混合像元(圖5黑色橢圓虛線內)。水體與自然地表的混合像元如圖6紅色框所示，1個熱紅外像元包含4個可見光像元。圖6中紅色框內，NDVI為-0.067，LST為27.81 ℃，處于圖5黑色虛線內。另外，由圖5還可以看出水體以及水體與地表混合像元的LST與NDVI之間存在著正相關關系，這與梁保平[21]結論一致。

表2 逐步回歸分析最終模型的統(tǒng)計量

P< 0.01,R2= 0.663

圖5 地表溫度與歸一化植被指數(shù)、歸一化水汽指數(shù)的散點圖Fig.5 The scatter diagrams between LST and NDVI, NDMI

圖6 LST (60m)與TM (30m)中近水體混合像元Fig.6 Mixed pixels near the water body of LST (60m) and TM (30m)

對水體進行掩模及排除掉水體與自然地表混合像元后，分別建立LST-NDMI和LST-NDVI的回歸方程，結果如圖7所示。

由圖7可以看出，地表溫度與NDVI、NDMI之間都具有良好的負相關函數(shù)關系。地表溫度與NDVI之間關系是非線性的，隨著NDVI的增大，地表溫度降低的變化率在逐漸減小，兩者之間的最佳擬合為二項式擬合(圖7)，這也表明了地表溫度在高植被覆蓋區(qū)(NDVI > 0.5左右)的“飽和”現(xiàn)象[31- 32]。圖7顯示的地表溫度與NDMI的散點圖及回歸方程可以看出地表溫度與NDMI之間呈穩(wěn)定而簡單的線性關系，且復相關系數(shù)(R2= 0.691)較地表溫度與NDVI(R2= 0.650)之間的高。

圖7 地表溫度與NDVI、NDMI的散點圖及回歸分析Fig.7 The scatter diagrams and regression curves between LST and NDVI, NDMI

綜上所述，在山區(qū)，當沒有水體時，NDVI、NDMI與地表溫度均存在著很強的負相關函數(shù)關系；當有水體時，NDMI在使用時，需要對水體進行掩模，而NDVI還需要對水體做一定距離的緩沖區(qū)，將混合像元也排除掉。NDMI適用范圍比NDVI廣，且與地表溫度的擬合效果優(yōu)于NDVI。結合錢樂祥[3]平原城市中的研究結果，可以得出在夏季，表征地表水汽特征的NDMI比表征地表植被覆蓋狀況的NDVI更適合于表達地表熱特征。NDVI與NDMI雖然表征的內容上有所不同，但兩者之間相關系數(shù)為0.783，具有高度的相關性，為避免變量間的共線性問題，因此，選取NDMI作為描述地表性質的參量，參與下面的回歸分析。

3.3山地地形地表溫度的多因子回歸分析

基于以上分析，對研究內水體進行掩模處理后，選取了海拔、坡度、坡向以及太陽入射角和NDMI 5個因子，其中海拔取自然對數(shù)，對山區(qū)地表溫度進行綜合分析。統(tǒng)計量如表3所示。

表3 逐步回歸分析最終模型的統(tǒng)計量

P< 0.01,R2= 0.809

由偏相關系數(shù)一列可以看出，影響泰山山區(qū)地表溫度的最大因素是地表自身的水汽特征，其次是海拔，且都與地表溫度呈顯著負相關關系。地表溫度與其他3個地形因子間均是弱相關關系。

將表3中的“非標準回歸系數(shù)”列數(shù)據(jù)代入多元回歸模型得到泰山山區(qū)的最優(yōu)的逐步回歸模型：

LST=61.096-25.643NDMI-2.003ln(Elevation)+0.001Aspect+0.219cosi-0.001SlopeR2= 0.809

(5)

4 結論與討論

本文采用TM6單窗算法，獲得泰山山區(qū)的地表溫度。并應用統(tǒng)計學原理分析地表溫度與地形因子和歸一化指數(shù)(NDVI、NDMI)之間的關系，得到出以下結論：

(1)地表溫度隨著海拔的升高以顯著自然對數(shù)形式遞減。在地形因子對地表溫度影響分析中發(fā)現(xiàn)，海拔是地表溫度的最大影響因素，而坡度、坡向以及太陽入射能量等局地地形條件的影響均很小。

(2)反映下墊面特性的NDVI與NDMI對地表溫度的影響分析發(fā)現(xiàn)地表溫度與這兩個指數(shù)都具有良好的負相關關系。但研究也發(fā)現(xiàn)NDVI在表征地表溫度時，不但要對水體進行掩膜，還要對水體進行一定范圍的緩沖區(qū)處理，另外地表溫度在高植被覆蓋區(qū)(NDVI > 0.5左右)會出現(xiàn)“飽和”現(xiàn)象。相比于NDVI與地表溫度的二次項負相關，NDMI與地表溫度的線性負相關更能有效表達地表溫度。

基于以上研究可以發(fā)現(xiàn)影響夏季泰山山區(qū)地表溫度的主要因素是下墊面特征，其次是海拔，而坡向、太陽入射角和坡度對地表溫度也會產生不同程度的影響。本研究嘗試綜合考慮地形因素及下墊面特征分析地表溫度空間分布差異性的影響因素，研究結果為科學的理解山區(qū)地表溫度空間格局特征及機制提供一定的參考。整個研究區(qū)內的植被覆蓋度較高，所得結論在裸地較多的山區(qū)是否適用還需單獨分析。本文研究區(qū)內海拔差異較大，因此采用NDVI估算地表輻射率，會對地表溫度的反演結果產生一定影響；除此之外，地表溫度還會受人類活動、局地微氣象等因素的影響，本研究都沒有考慮，這有待于將來進一步研究與探討。

致謝： 占文鳳副教授對本文寫作給予幫助，特此致謝。

[1] Weng D M, Luo Z X.Mountainous Terrain Climate.Beijing: Meteorological Press, 1990: 144- 144.

[2] Weng Q H, Lu D S, Schubring J.Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies.Remote sensing of Environment, 2004, 89(4): 467- 483.

[3] Qian L X, Cui H S.Relationship between normalized difference moisture index and land surface temperature.Geographical Research, 2008, 27(6): 1358- 1366.

[4] Peng Z, Liao H P, Guo Y T, Li Q.Influence of land cover change on land surface temperature in the mountainous city.Geographical Research, 2009, 28(3): 673- 684.

[5] Zhou Y, Shi T M, Hu Y M, Gao C, Liu M.Relationships between land surface temperature and normalized difference vegetation index based on urban land use type.Chinese Journal of Ecology, 2011, 30(7): 1504- 1512.

[6] Carlson T N, Gillies R R, Perry E M.A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover.Remote Sensing Reviews, 1994, 9(1/2): 161- 173.

[7] Goetz S J.Muti-sensor analysis of NDVI, surface temperature and biophysical variables at a mixed grassland site.International Journal of Remote Sensing, 1997, 18(1): 71- 94.

[8] Li G D, Wang N A, Zhang J H, Zhao L Q.Urban thermal field and heat island effect of Lanzhou city in summer.Scientia Geographica Sinica, 2008, 28(5): 709- 714.

[9] Deng Y J, Kuang Y Q, Huang N S, Huang J.Remote sensing analysis of urban thermal environment changes under background of enhanced greenhouse effect—An example of Dongguan, Guangdong.Scientia Geographica Sinica, 2008, 28(6): 814- 819.

[10] Price J C.Using spatial context in satellite data to infer regional scale evapotranspiration.IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(5): 940- 948.

[11] Gillies R R, Kustas W P, Humes K S.A verification of the ′triangle′ method for obtaining surface soil water content and energy fluxes from remote measurements of the normalized difference vegetation index, NDVI and surface temperature.International Journal of Remote Sensing, 1997, 18(15): 3145- 3166.

[12] Li H, Liu Q H, Zou J.Relationships of LST to NDBI and NDVI in Changsha-Zhuzhou-Xiangtan Area Based on MODIS Data.Scientia Geographica Sinica, 2009, 29(2): 262- 267.

[13] Wilson E H, Sader S A.Detection of forest harvest type using multiple dates of Landsat TM imagery.Remote Sensing of Environment, 2002, 80(3): 385- 396.

[14] Geiger R, Aron R H, Todhunter P.The Climate Near the Ground.6th ed.Lanham, MD: Rowman and Littlefield Publishers, 2003.

[16] Bailey R G.Ecosystem Geography.New York: Springer Verlag, 1996.

[17] Wilson J P, Gallant J.Secondary topographic attributes // Terrain Analysis: Principles and Applications.New York: John Wiley & Sons, 2000: 87- 131.

[18] Bellasio R, Maffeis G, Scire J S, Longoni M G, Bianconi R, Quaranta N.Algorithms to account for topographic shading effects and surface temperature dependence on terrain elevation in diagnostic meteorological models.Boundary-Layer Meteorology, 2005, 114(3): 595- 614.

[19] Meyer P, Itten K I, Kellenberger T, Sandmeier S, Sandmeier R.Radiometric corrections of topographically induced effects on Landsat TM data in an alpine environment.ISPRS Journal of Photogrammetry and Remote Sensing, 1993, 48(4): 17- 28.

[20] Pierce K B, Lookingbill T, Urban D.A simple method for estimating potential relative radiation (PRR) for landscape-scale vegetation analysis.Landscape Ecology, 2005, 20(2): 137- 147.

[21] Liang B P, Li Y, Chen K Z.A research on land features and correlation between NDVI and land surface temperature in Guilin City.Remote Sensing Technology and Application, 2012, 27(3): 429- 435.

[22] Qing Z H, Zhang M H, Karnieli A, Berliner P.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 Data.Acta Geographica Sinica, 2001, 56(4): 456- 466.

[23] Zheng W W, Zeng Y N.Comparative analysis of two land surface temperature retrieval algorithms based on multi-source remote sensing data.Journal of Geo-information Science, 2011, 13(6): 840- 847.

[24] Jiao C W, Zhao M D, Tang G A, Liu X J, Li X Y.Relationship between vegetation spatial pattern and terrain using GIS techniques—A case study in Yaoxian County of Shaanxi province.Bulletin of Soil and Water Conservation, 2005, 25(6): 19- 23.

[25] Rouse J W Jr, Haas R H, Schell J A, Deering D W.Monitoring vegetation systems in the great plains with ERTS // Third Earth Resources Technology Satellite-1 Symposium-Volume I: Technical Presentations.Washington, D C: NASA, 1974: 309- 317.

[26] Hardisky M S, Klemas V, Smart R M.The influence of soil salinity, growth form, and leaf moisture on the spectral radiance of Spartina alterniflora canopies.Photogrammetric Engineering and Remote Sensing, 1983, 48: 77- 84.

[27] Li S Q.The Response of Land Use Change to Moisture and Temperature of Land Surface in Xiangjiang River Basin [D].Xiangtan: Hunan University of Science and Technology, 2012.

[28] Duan J L, Zhang X L.Correlative analysis of the diversity patterns of regional surface water, NDVI and thermal environment.Chinese Journal of Applied Ecology, 2012, 23(10): 2812- 2820.

[29] Sun Z R.Study on the Cooling effect of Urban green spaces in Nanjing City [D].Nanjing: Nanjing University, 2012.

[30] Yang S, Sun G J, He W Y, Zhao H, Li F M, Xiong Y C.Correlation of topographic factors with precipitation and surface temperature in arid and cold region of Northwest China: a case study in Gansu Province.Acta Ecologica Sinica, 2011, 31(9): 2414- 2420.

[31] Huete A, Didan K, Miura T, Rodriguez E P, Gao X, Ferreira L G.Overview of the radiometric and biophysical performance of the MODIS vegetation indices.Remote Sensing of Environment, 2002, 83(1): 195- 213.

[32] Yang X, Wu J J, Yan F, Zhang J.Assessment of regional soil moisture status based on characteristics of surface temperature/vegetation index space.Acta Ecologica Sinica, 2009, 29(3): 1205- 1216.

參考文獻:

[1] 翁篤鳴, 羅哲賢.山區(qū)地形氣候.北京: 氣象出版社, 1990: 144- 144.

[3] 錢樂祥, 崔海山.歸一化水汽指數(shù)與地表溫度的關系.地理研究, 2008, 27(6): 1358- 1366.

[4] 彭征, 廖和平, 郭月婷, 李清.山地城市土地覆蓋變化對地表溫度的影響.地理研究, 2009, 28(3): 673- 684.

[5] 周媛, 石鐵矛, 胡遠滿, 高暢, 劉淼.基于城市土地利用類型的地表溫度與植被指數(shù)的關系.生態(tài)學雜志, 2011, 30(7): 1504- 1512.

[8] 李國棟, 王乃昂, 張俊華, 趙力強.蘭州市城區(qū)夏季熱場分布與熱島效應研究.地理科學, 2008, 28(5): 709- 714.

[9] 鄧玉嬌, 匡耀求, 黃寧生, 黃江.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.地理科學, 2008, 28(6): 814- 819.

[12] 歷華, 柳欽火, 鄒杰.基于MODIS數(shù)據(jù)的長株潭地區(qū)NDBI和NDVI與地表溫度的關系研究.地理科學, 2009, 29(2): 262- 267.

[21] 梁保平, 李藝, 陳可宙.桂林市NDVI、地表溫度的地物特征及相關性研究.遙感技術與應用, 2012, 27(3): 429- 435.

[22] 覃志豪, Zhang M H, Karnieli A, Berliner P.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法.地理學報, 2001, 56(4): 456- 466.

[23] 鄭文武, 曾永年.地表溫度的多源遙感數(shù)據(jù)反演算法對比分析.地理信息科學學報, 2011, 13(6): 840- 847.

[24] 焦超衛(wèi), 趙牡丹, 湯國安, 劉學軍, 李曉印.基于GIS的植被空間格局特征與地形因子的相關關系——以陜西省耀縣為例.水土保持通報, 2005, 25(6): 19- 23.

[27] 李少青.湘江流域土地利用變化的地表水熱環(huán)境響應研究 [D].湘潭: 湖南科技大學, 2012.

[28] 段金龍, 張學雷.區(qū)域地表水體、歸一化植被指數(shù)與熱環(huán)境多樣性格局的關聯(lián)分析.應用生態(tài)學報, 2012, 23(10): 2812- 2820.

[29] 孫振如.南京市城市綠地降溫效應研究 [D].南京: 南京大學, 2012.

[30] 楊森, 孫國鈞, 何文瑩, 趙鴻, 李鳳民, 熊友才.西北旱寒區(qū)地理、地形因素與降雨量及平均溫度的相關性——以甘肅省為例.生態(tài)學報, 2011, 31(9): 2414- 2420.

[32] 楊曦, 武建軍, 閆峰, 張潔.基于地表溫度-植被指數(shù)特征空間的區(qū)域土壤干濕狀況.生態(tài)學報, 2009, 29(3): 1205- 1216.

Analysisoffactorsaffectingmountainouslandsurfacetemperatureinthesummer:acasestudyoverMountTai

SUN Changfeng1, KONG Fanhua1,*, YIN Haiwei2, YAN Weijiao1, XU Feng1, REN Yijing2

1InternationalInstituteforEarthSystemSciences,NanjingUniversity,Nanjing210023,China2SchoolofArchitectureandUrbanPlanning,NanjingUniversity,Nanjing210093,China

Most of the previous studies related to land surface temperature (LST) are mainly focused on the investigation of urban heat island; however, little has been done on the mountainous area that are usually far away from cities.In this study, using the Landsat 5 Thematic Mapper (TM) at Mount Tai, firstly, the LST was retrieved based on the Mono-window Algorithm; and then the impacts on the LST from several factors including the topography, normalized difference moisture index (NDMI) and normalized difference vegetation index (NDVI) were analyzed though correlation analysis; accordingly, the regression equation between LST and topographic factors as well as NDMI was developed by stepwise regression analysis, the variable coefficients in the regression equation were interpreted using nonstandard regression coefficient, and then the impact of each factor on LST was quantized by partial correlation coefficient.The results show that: 1) In summer, elevation significantly affects the LST and has a significantly negative natural logarithm correlation rather than a negative linear correlation with it.However, the influence of slope, aspect and incident solar energy is not very significant, LST has a weak correlation with each of them; 2) NDVI and NDMI effectively express LST in mountainous areas if water is absent on surface.LST and NDVI have a negative quadratic correlation.In addition, with the increase of NDVI, the LSTs over areas covered by dense vegetation (NDVI>0.5) will appear a “saturation” phenomenon.Meanwhile, LST and NDMI have a simple but stable negative linear correlation.When compared with NDVI, NDMI is more effective and more applicable at a large scale for the expression of LST；3) The comprehensive analysis shows that land surface moisture characteristic is the main factor affecting the LST, and then followed by the elevation.In comparison with the impacts of these two primary factors, those from the other factors are relatively insignificant.These results will provide important information on the examination of the spatial pattern and mechanism of LST across mountainous areas.

land surface temperature; topographic factors; NDMI; NDVI; Mount Tai

國家自然科學基金資助項目(31170444)；中央高校基本科研業(yè)務費專項資助

2013- 10- 31;

2014- 04- 01

10.5846/stxb201310312626

*通訊作者Corresponding author.E-mail: fanhuakong@163.com

孫常峰，孔繁花，尹海偉，閆偉姣，許峰，任怡靜.山區(qū)夏季地表溫度的影響因素——以泰山為例.生態(tài)學報,2014,34(12):3396- 3404.

Sun C F, Kong F H, Yin H W, Yan W J, Xu F, Ren Y J.Analysis of factors affecting mountainous land surface temperature in the summer: a case study over Mount Tai.Acta Ecologica Sinica,2014,34(12):3396- 3404.