南京地區(qū)地表熱通量的遙感反演分析

王煜東，趙小艷*，徐向華，牛建龍，3，王亞戈

1.南京信息工程大學(xué)大氣環(huán)境中心，江蘇 南京 210044；2.南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點實驗室，江蘇 南京 210044；3.塔里木大學(xué)植物科學(xué)學(xué)院，新疆 阿拉爾 843300

?

南京地區(qū)地表熱通量的遙感反演分析

王煜東1，2，趙小艷1，2*，徐向華2，牛建龍2，3，王亞戈2

1.南京信息工程大學(xué)大氣環(huán)境中心，江蘇 南京 210044；2.南京信息工程大學(xué)江蘇省農(nóng)業(yè)氣象重點實驗室，江蘇 南京 210044；3.塔里木大學(xué)植物科學(xué)學(xué)院，新疆 阿拉爾 843300

摘要：利用南京地區(qū)2013年8月11日、2013年10月14日、2014年1月2日和2014年5月26日的4景Landsat 8 OLI/TIRS 1B遙感影像，結(jié)合地面氣象觀測資料，借助SEBAL模型反演了南京地區(qū)地表熱通量，并利用地表溫度實測數(shù)據(jù)進(jìn)行驗證，且與他人研究結(jié)果進(jìn)行了比較。結(jié)果表明，（1）南京凈輻射通量與土壤熱通量表現(xiàn)為春季最大，夏季次之，冬季最??；感熱通量呈暖季（春、夏）大于冷季（秋、冬）的特征；秋季潛熱通量最大，冬季最低，夏春季居中。（2）南京凈輻射通量值為長江最高，均值達(dá)614.8 W·m-2；湖泊與林地次高，均值大于500 W·m-2；舊城、草地、農(nóng)田較高，均值在480～500 W·m-2之間；裸地與新城最低，均低于460 W·m-2。土壤熱通量值為舊城、裸地、新城最高，均值在75～85 W·m-2之間；湖泊、農(nóng)田、草地次之，均值在65～75 W·m-2之間；長江與林地最低，均值低于60 W·m-2。感熱通量值為城區(qū)最高，均值均高于200 W·m-2；林地、裸地、農(nóng)田、草地次之，均值在100～200 W·m-2之間；水體區(qū)域最低，均低于60 W·m-2。潛熱通量值為水體區(qū)域最高，均值高于400 W·m-2；林地、草地、農(nóng)田、裸地次高，均值在220～320 W·m-2之間；城區(qū)潛熱通量最低，均低于200 W·m-2。（3）土壤熱通量占凈輻射的比值除冬季均低于0.1外，其余季節(jié)均在0.05～0.25之間；新老城區(qū)的感熱通量占凈輻射比值在四季典型日均高于0.4，除春季的裸地和冬季外，其余土地利用類型均低于0.3，水體區(qū)域均低于0.15。潛熱通量占凈輻射比值為水體區(qū)域在四季均高于0.7，新老城區(qū)均低于0.5，除春夏季裸地和冬季的林地外，其余土地利用類型均高于0.5。不同土地利用類型的波文比呈現(xiàn)“新城＞舊城＞裸地＞林地＞農(nóng)田＞草地＞湖泊＞長江”的空間分布和“春季＞冬季＞夏季＞秋季”的時間分布。新城區(qū)的波文比在四季典型日均為最高，且均值大于1，而水體的均為最低，均值小于0.2。

關(guān)鍵詞：SEBAL模型；地表熱通量；時空分布；遙感反演

引用格式：王煜東，趙小艷，徐向華，牛建龍，王亞戈.南京地區(qū)地表熱通量的遙感反演分析［J］.生態(tài)環(huán)境學(xué)報，2016，25（4）:636-646.

WANG Yudong，ZHAO Xiaoyan，XU Xianghua，NIU Jianlong，WANG Yage.Analysis and Inversion on Surface Heat Flux with Remote Sensing in Nanjing Area ［J］.Ecology and Environmental Sciences，2016，25（4）:636-646.

地表熱通量是表示地表與大氣之間的感熱、潛熱交換強(qiáng)弱的物理量，其除了影響著地表與大氣間的能量交換外，還影響著大氣的穩(wěn)定狀況和大氣邊界層的結(jié)構(gòu)與氣候（伍雄昌，2013）。地表熱通量不僅是數(shù)值天氣預(yù)報、區(qū)域氣候模型與水文模型的重要輸入?yún)?shù)，而且還被廣泛地應(yīng)用于土地利用規(guī)劃、城市火災(zāi)評估、作物產(chǎn)量預(yù)報、區(qū)域熱環(huán)境診斷及旱情監(jiān)測等領(lǐng)域（田鵬飛，2010）。

地表熱通量的研究方法主要有觀測法、數(shù)值模擬法和遙感反演法，這些方法在原理上都遵循地表能量平衡，但又各有優(yōu)缺點。觀測法可以獲取各種天氣條件下的連續(xù)觀測資料，能較真實的反映儀器觀測區(qū)域的地表熱通量變化，但該方法因獲得的區(qū)域點通量很難代表大面積的特征，較適用于對下墊面均勻區(qū)域的研究；數(shù)值模擬法可以模擬1950年后任何天氣條件下，任何時段、任何地區(qū)的地表熱通量，但一般模式的空間分辨率偏低，即使有個別高分辨率模式，也存在所需計算資源較高等問題。城市作為特殊的下墊面，具有尺度小、土地覆蓋類型多、內(nèi)部結(jié)構(gòu)復(fù)雜等特點（王桂玲等，2012），在一定程度上限制了觀測法和數(shù)值模擬法在城市區(qū)域的地表熱通量研究（張倩，2013；于柳溪，2015）。遙感技術(shù)因可以方便地獲取地表溫度、地表反照率、地表土地覆蓋類型和植被指數(shù)等各類地表參數(shù)，且具有覆蓋范圍廣、空間分辨率較高、數(shù)據(jù)時間同步性好等特點，目前已經(jīng)成為研究城市區(qū)域地表熱通量的有效手段。利用衛(wèi)星遙感數(shù)據(jù)研究地表熱通量主要有單層模型、雙層模型、熱慣量方法和經(jīng)驗方法（Toby et al.，1994；Lambin et al.，1996；Shuttleworth et al.，1990；Norman et al.，1990）。雙層模型計算時所需經(jīng)驗參數(shù)較多，且獲取較難，計算復(fù)雜，誤差較大；熱慣量方法需要較多的輔助觀測，且對輸入?yún)?shù)的敏感度較高；經(jīng)驗?zāi)Ｐ途哂袇^(qū)域局限性（Brunsell et al.，2003；張殿君，2011；鄭文武，2012；宋鑫博，2013）。目前應(yīng)用較廣泛的是Brutsaert最早在1982年提出的單層模型（Bastiaanssen et al.，1998），該模型對陸面過程高度簡化，計算需要的參數(shù)較少且簡單（伍雄昌，2013），其中SEBAL模型就是由單層模型擴(kuò)展得到的，已經(jīng)在歐洲、亞洲、非洲等國家取得了很好的應(yīng)用（Bastiaanssen，2000；Bastiaanssen et al.，2001；Hafeez et al.，2002；王介民等，2003）。國外眾多學(xué)者利用SEBAL模型對地表蒸散進(jìn)行了研究，并與其它模型與實測數(shù)據(jù)進(jìn)行比較和驗證，結(jié)果表明SEBAL模型具有很好的應(yīng)用性，估算精度可達(dá)85% （Gibboney et al.，2005；Tasumi et al.，2007）。2002年，Bastiaanssen et al.（2002）將SEBAL模型引入到水資源管理領(lǐng)域，應(yīng)用效果很好。2003年后，SEBAL模型也被廣泛應(yīng)用于農(nóng)作物產(chǎn)量預(yù)測（Kondo，2000）、農(nóng)作物生物量估測等方面（Hellegers et al.，2009；Zwart et al.，2010）。較國外研究而言，我國學(xué)者利用SEBAL模型開展研究相對滯后，主要應(yīng)用于地表蒸散估計（張發(fā)耀等，2013；吳文玉等，2014）、城市熱通量反演（田鵬飛等，2010；彭軍超等，2011）、SEBAL模型改進(jìn)（陳玲，2007；周彥召等，2014）、SEBAL模型的敏感性分析（陳強(qiáng)等，2009；夏婷等，2013）、估算作物生產(chǎn)力（楊建瑩，2014；蘇偉等，2014）和土壤質(zhì)量評價等方面（丁美青，2014）。

南京是長三角主要城市之一，近些年，城區(qū)面積擴(kuò)張迅速，城市熱環(huán)境不容樂觀，極大地影響了人們的生活質(zhì)量（王萍，2009；劉勇洪等，2014；翁清鵬等，2015）。從能量平衡角度了解城市熱環(huán)境的內(nèi)在物理機(jī)制及形成原因?qū)Τ鞘袩崃科胶饩哂兄匾囊饬x。本文利用SEBAL模型模擬南京地區(qū)四季不同下墊面地表熱通量的時空變化規(guī)律，比較分析城市不同下墊面的地表熱通量差異，研究結(jié)果可為改善南京城市熱環(huán)境提供一定的參考依據(jù)。

1　研究區(qū)及數(shù)據(jù)來源

1.1研究區(qū)概況

南京是江蘇省省會，長三角副中心城市，地處長江中下游平原蘇皖交界處，北連江淮平原，東接長江三角洲，屬亞熱帶季風(fēng)濕潤氣候區(qū)，四季分明，常年平均氣溫為15.4 ℃，年平均降水量為1106.0 mm。南京市占地面積約6598 km2，總?cè)丝?23.8萬（趙小艷等，2009b），南北距離約150 km，東西距離約44 km，呈正南北向，現(xiàn)轄有11個區(qū)（玄武、鼓樓、浦口、六合、雨花臺、江寧、棲霞、秦淮、建鄴、溧水、高淳），因溧水、高淳、六合位于南京市主城區(qū)周邊，目前城市化水平不高，不在本文研究區(qū)域內(nèi)。

1.2數(shù)據(jù)來源及預(yù)處理

研究選用的遙感數(shù)據(jù)為2013年8月11日、10 月14日和2014年1月2日、5月26日的Landsat 8 OLI/TIRS 1B數(shù)據(jù)。數(shù)據(jù)預(yù)處理包括：輻射定標(biāo)、大氣校正、圖像配準(zhǔn)、土地利用分類等。其中，土地利用分類使用最大似然法，分為長江、湖泊、舊城區(qū)、新城區(qū)、農(nóng)田、林地、草地、裸地共8類，四景遙感影像總體分類精度均大于85%，Kappa系數(shù)均大于0.8，達(dá)到Landsat 8 OLI/TIRS數(shù)據(jù)的分類精度要求。圖1為2013年8月11日的土地利用分類結(jié)果圖。

圖1　南京夏季土地利用分類圖Fig.1 Land use and Land cover classification of Nanjing in summer

輔助數(shù)據(jù)為江蘇省氣象局提供的風(fēng)速、氣壓、氣溫、水汽壓和空氣濕度等同期氣象數(shù)據(jù)，具體數(shù)據(jù)列于表1。

表1　南京站同期氣象數(shù)據(jù)Fig.1 the same period of meteorological data in Nanjing

2　理論與方法

文中地表熱通量利用SEBAL模型計算，該模型基于陸面能量平衡方程，首先利用可見光-反射紅外遙感數(shù)據(jù)計算研究區(qū)的地表反照率、植被指數(shù)和地表比輻射率參數(shù)，結(jié)合氣溫等數(shù)據(jù)分別計算出凈輻射通量和土壤熱通量；利用熱紅外遙感數(shù)據(jù)反演地表溫度，再結(jié)合氣溫和一系列阻抗公式計算顯熱通量，利用余項法根據(jù)能量平衡方程計算潛熱通量，能量平衡方程為：

式中，G為土壤熱通量（MJ·m-2·d-1）；LE為潛熱通量（MJ·m-2·d-1）；H為感熱通量（MJ·m-2·d-1）；Rn為到達(dá)地表的凈輻射通量（MJ·m-2·d-1）。

2.1研究區(qū)地表特征參數(shù)反演

2.1.1地表反照率的計算

地表反照率表示地表對太陽總輻射的反射能力，OLI/TRIS數(shù)據(jù)的地表反照率可以通過OLI/TRIS數(shù)據(jù)部分波段的反射率計算得出（徐涵秋，2015），計算公式如下：

α2、α4、α5、α6、α7分別表示OLI傳感器的第2、4、5、6、7波段的地表反射率。

2.1.2歸一化植被指數(shù)的計算

歸一化植被指數(shù)（NDVI：Normalized Difference Vegetation Index）常用來監(jiān)測植被覆蓋度與植物生長狀態(tài)，其計算公式為：

式中，ρnir與ρred分別為OLI傳感器第5和第4波段的反射率。

2.1.3地表比輻射率的計算

地表比輻射率是影響能量平衡方程中各分量的重要因素之一，主要取決于波長范圍和下墊面組成。分析ASTER波譜庫中各類地物的比輻射率值發(fā)現(xiàn)，城市區(qū)域各類下墊面的地表比輻射率值基本都高于0.9，且變化程度小，若將不同下墊面的地表比輻射率設(shè)為定值對結(jié)果影響很小（申雙和等，2009；朱炎等，2010）。根據(jù)文獻(xiàn)，本文將水體、林地、草地和農(nóng)田、建筑用地及裸地的比輻射率分別設(shè)為0.99、0.981、0.9871、0.969和0.9697（周強(qiáng)，2008）。

2.1.4地表溫度的反演

針對TIRS/Landsat 8數(shù)據(jù)地表溫度的反演采用劈窗算法（楊槐，2014），該算法的具體表示形式為：

式中，Ts表示地表溫度（℃）；T10和T11分別表示第10和11波段的亮度溫度（℃）；A0、A1和A2表示簡化系數(shù)，具體計算公式如下：

式中，C10、C11、D10、D11、E0、E1、E2均為中間變量，無特殊含義。ε10、ε11分別為第10和11波段的地表比輻射率，τ10、τ11分別表示第10和11波段的大氣透過率。

將4個時期的地表溫度反演結(jié)果與南京市浦口區(qū)南京信息工程大學(xué)永豐試驗站北京時間10:30:00的地表溫度觀測數(shù)據(jù)進(jìn)行了比較。除2013年8月11日的反演結(jié)果低于觀測值1.73 ℃外，其余3個時期反演結(jié)果均比實測結(jié)果略高，最大差異出現(xiàn)在2014年5月26日（2.65 ℃）。根據(jù)文獻(xiàn)對Landsat 8數(shù)據(jù)進(jìn)行地表溫度實測值與反演值對比驗證來看，本文地表溫度反演精度可靠（陳云，2014；宋挺等，2014；騰月等，2015）。

3　能量平衡方程各分量的計算

3.1凈輻射通量的計算

地表凈輻射是太陽短波輻射到達(dá)地表后，經(jīng)地表反射和地表與大氣的長波輻射交換后所得到的凈能量（潘志強(qiáng)等，2003）。地表凈輻射控制著地表與大氣的溫度、光合作用與蒸散。凈輻射通量的變化會引起能量平衡方程中其他各分量的變化。凈輻射通量由地表反照率、地表溫度等參數(shù)決定，根據(jù)輻射表面平衡方程，凈輻射通量的計算公式如下：

式中，Rs為太陽總輻射（MJ·m-2·d-1）；Lin為入射長波輻射（MJ·m-2·d-1）；Lout為出射長波輻射（MJ·m-2·d-1）；ε為比輻射率；Rn為凈輻射（MJ·m-2·d-1）；α為地表反照率；Ts為地表溫度（℃），τsw為大氣透過率，Ta為2 m高度處的空氣溫度（℃）。δ為斯蒂芬-玻爾茲曼常數(shù)（5.67×10-8w·m-2·k-4）。

3.2土壤熱通量的計算

土壤熱通量也稱土壤熱交換，是指進(jìn)入土壤內(nèi)部的熱交換能量，其大小與地表特征、土壤含水量及土壤內(nèi)部的水、熱交換能力有關(guān)。在單層模型中土壤熱通量與凈輻射通量成正比，是地表凈輻射、歸一化植被指數(shù)、地表溫度與地表反照率共同決定的函數(shù)。土壤熱通量的計算公式為：

式中，G為土壤熱通量，Rn為凈輻射通量（MJ·m-2·d-1）；Ts為地表溫度（℃），α為地表反照率，NDVI為歸一化植被指數(shù)。

3.3感熱通量的計算

感熱通量也稱顯熱通量，表示地表與大氣之間的熱量交換。感熱通量受空氣溫度、地表溫度和空氣動力學(xué)阻抗影響。文中利用SEBAL模型計算感熱通量，SEBAL模型與其他模型相比所需氣象數(shù)據(jù)較少，計算過程較為簡單，其準(zhǔn)確性也被世界各地得到驗證（Bastiaanssen，1995；Hurk，2001；馬耀明等，2004）。本文計算感熱通量采用迭代法，計算感熱通量時需計算溫度梯度與動力學(xué)阻抗，Bastiaanssen等人研究發(fā)現(xiàn)地表溫度與空氣溫度之間存在線性關(guān)系，通過計算冷像元與熱像元的溫度梯度，即可計算出所有像元點的溫度梯度，計算過程中冷像元一般選自溫度較低的水體，熱像元一般選自農(nóng)田裸露的土壤，通過冷熱像元求出關(guān)系參數(shù)，計算出溫度梯度。通過建立空氣動力學(xué)阻抗與溫度梯度的經(jīng)驗公式計算出感熱通量。因為地表構(gòu)造復(fù)雜，大氣運動具有不穩(wěn)定性，在模型中引入莫寧-奧布霍夫長度進(jìn)行遞歸運算（Morse et al.，2003），通過多次迭代修正空氣動力學(xué)阻抗，直到感熱通量的數(shù)值穩(wěn)定（曾麗紅等，2008）。本文進(jìn)行了8～13次迭代使空氣動力學(xué)阻抗達(dá)到穩(wěn)定。

感熱通量的計算形式表示為：

式中，H為感熱通量，Cp為空氣體積熱容積（J·m-3·℃），Ts為地表溫度（℃），Ta為空氣溫度（℃），rah為空氣動力學(xué)阻抗，ρ為空氣密度。

空氣動力學(xué)阻抗的計算公式為（宋小寧等，2007）：

式中，k=0.41，z1與z2表示兩個高度（m），與表示兩個高度上熱量傳輸?shù)姆€(wěn)定度因子，μ*表示摩擦速度（m·s-1）。μ*的計算公式為：

式中，u表示高度z處的風(fēng)速，z表示地表以上某一高度（訂正高度通常為200 m），ψm為高度z處動量傳輸穩(wěn)定度的修正因子，Zom表示動量傳輸?shù)牡乇硐裨植诙乳L度。

3.4潛熱通量

潛熱通量表示下墊面與大氣之間交換的水汽通量，是水分循環(huán)的重要組成部分。根據(jù)能量平衡方程，利用余項法計算潛熱通量，潛熱通量的計算公式為：

4　結(jié)果與分析

4.1地表熱通量遙感反演結(jié)果的對比分析

將本文反演的部分結(jié)果與相關(guān)文獻(xiàn)的結(jié)果進(jìn)行比較（表2）發(fā)現(xiàn)：南京夏季感熱通量、潛熱通量占凈輻射的比值分別為0.28和0.54，接近于北京。其中，城區(qū)感熱通量占凈輻射比例最高，為0.47，接近于基督城和千葉，高于熊谷，低于馬賽；農(nóng)田感熱通量占凈輻射比例較低，僅為0.23，略高于熊谷；農(nóng)田潛熱通量占凈輻射比例最高，為0.60，略高于熊谷，城區(qū)潛熱通量占凈輻射比例最低，僅為0.32，略低于熊谷，高于馬賽、基督城和千葉；裸地感熱通量占凈輻射比例較低，為0.29，接近于葉和筑波，潛熱通量占凈輻射的比例較高，為0.47，略高于千葉和筑波。從對比結(jié)果來看，文中地表熱通量反演結(jié)果具有可信性。

表2　本文結(jié)果與參考文獻(xiàn)結(jié)果的對比Table 2 Comparison with this results and relevant value from the literatures

4.2不同下墊面地表凈輻射的時空變化規(guī)律

圖2為南京地區(qū)四季典型日凈輻射通量的空間分布圖。對照圖1的土地覆蓋類型圖可以看出，南京四季凈輻射量的空間分布規(guī)律明顯。水體區(qū)域凈輻射通量值最高，均值達(dá)400 W·m-2以上，長江和湖泊的均值分別可達(dá)614.9和598 W·m-2；林地、舊城區(qū)、草地和農(nóng)田區(qū)域的凈輻射通量較高，在350～700 W·m-2范圍內(nèi)，均值分別為519.1、494.8、491.8和482.8 W·m-2；裸地和新城區(qū)凈輻射通量較低，均在580 W·m-2以下，均值分別為460和432.6 W·m-2。凈輻射通量的空間分布差異性主要與不同下墊面的反照率存在空間差異性有關(guān)，如水體的熱容量大，熱慣量大，其對太陽輻射的吸收能力強(qiáng)，反射能力弱，相應(yīng)的反照率最低，其凈輻射通量值遠(yuǎn)高于其它土地利用類型。從季節(jié)變化特征來看，不同土地利用類型的凈輻射通量季節(jié)性差異明顯，秋、冬季節(jié)的凈輻射通量明顯低于春、夏兩季，且冬季最小。從各季節(jié)平均凈輻射通量值大小來看，春季凈輻射通量值最大，為572.1 W·m-2；夏季次之，為553.7 W·m-2；秋季較低，為488.9 W·m-2；冬季最低，為366.7 W·m-2，尤以新城凈輻射通量最低，僅為344.5 W·m-2。春季典型日的太陽高度角比夏季典型日高4.6957°，導(dǎo)致太陽總輻射略高，其凈輻射通量略高于夏季典型日。不同季節(jié)的凈輻射通量差異明顯，春、夏季凈輻射通量高于秋、冬季，這主要春、夏季節(jié)太陽高度、太陽總輻射和地表溫度高于秋、冬季有關(guān)；冬季，林地凈輻射通量略低于舊城，這主要與冬季植被覆蓋度的降低使林地反照率升高，凈輻射通量降低有關(guān)。總體來看，南京地區(qū)凈輻射通量呈“長江＞湖泊＞林地＞舊城區(qū)＞草地＞農(nóng)田＞裸地＞新城區(qū)”的空間分布，四季典型日呈“春季＞夏季＞秋季＞冬季”的季節(jié)分布規(guī)律，長江區(qū)域的凈輻射通量除冬季略低于湖泊的外，其余季節(jié)均高于其它下墊面；新城區(qū)域由于工業(yè)區(qū)較多，有著較高的地表反照率與地表溫度，其凈輻射通量在四季中均為最低。

圖2　南京市四季凈輻射通量空間分布圖Fig.2 Spatial distribution of net radiation flux in Nanjing in the four seasons

4.3不同下墊面土壤熱通量的時空變化規(guī)律

圖3為南京地區(qū)四季典型日土壤熱通量的空間分布圖?？傮w來看，南京地區(qū)土壤熱通量值位于15～135 W·m-2之間。其中，舊城區(qū)、裸地和新城區(qū)的土壤熱通量最高，均高于20 W·m-2，均值分別為81.7、81和78.8 W·m-2；農(nóng)田土壤熱通量較高，在22～110 W·m-2范圍內(nèi)，均值為74.9 W·m-2；草地土壤熱通量較低，在18～95 W·m-2范圍內(nèi)，均值為67.8 W·m-2；林地土壤熱通量最低，均低于80 W·m-2，均值為52.1 W·m-2，這主要與城區(qū)內(nèi)部的工業(yè)區(qū)與裸地區(qū)域因地表溫度較高，向土壤深層傳遞的熱量多，導(dǎo)致土壤熱通量較高有關(guān)；與林地區(qū)域具有較高的NDVI值，地表溫度較低，導(dǎo)致土壤熱通量較低有關(guān)。從季節(jié)變化特征來看，除冬季外，不同土地利用類型的土壤熱通量在春、夏、秋季差異較為顯著；其中，春季土壤熱通量最高，均值達(dá)102.6W·m-2；夏季土壤熱通量次高，均值達(dá)98.5 W·m-2；秋季土壤熱通量較低，均值為58.9 W·m-2；冬季土壤熱通量最低，均值為22.5 W·m-2。雖然春季的地表溫度低于夏季，但因為凈輻射通量與NDVI略高于夏季，其土壤熱通量略高于夏季。總體來看，南京地區(qū)土壤熱通量值呈“舊城區(qū)＞裸地＞新城區(qū)＞湖泊＞農(nóng)田＞草地＞長江＞林地”的空間分布，四季典型日呈“春季＞夏季＞秋季＞冬季”的季節(jié)分布規(guī)律，除秋、冬季節(jié)外，舊城區(qū)的土壤熱通量均高于其它土地利用類型；除冬季外，林地的土壤熱通量均低于其它土地利用類型。

圖3　南京市四季土壤熱通量空間分布圖Fig.3 Spatial distribution of soil heat flux in Nanjing in the four seasons

4.4不同下墊面感熱通量的時空變化規(guī)律

圖4為南京地區(qū)四季典型日感熱通量的空間分布圖。從圖中可以看出，研究區(qū)內(nèi)的幾個典型工業(yè)區(qū)四季感熱通量值均較高，如江北的南鋼、揚子石化區(qū)域，棲霞區(qū)的工業(yè)園和板橋地區(qū)的工業(yè)園，春、夏季感熱通量高于300 W·m-2；其中，新城區(qū)和舊城區(qū)感熱通量最高，均值分別為260.2和241.9 W·m-2；林地、裸地、農(nóng)田和草地感熱通量較高，在160～350 W·m-2范圍內(nèi)，均值分別為154.8、138.8、131.0和115.0 W·m-2；湖泊和長江感熱通量最低，均在125 W·m-2以下，均值分別為66.8和26.9 W·m-2。這主要城市內(nèi)部氣溫較高且干燥，植被覆蓋度較低，不透水面較多，地表與大氣缺乏水汽交換，地氣溫差導(dǎo)致不同土地利用類型的感熱通量存在差異。白天，城市地表吸收太陽凈輻射，工業(yè)生產(chǎn)，交通運輸和燃料燃燒所產(chǎn)生的熱量會以各種形式轉(zhuǎn)化成感熱通量，使城區(qū)的感熱通量高于其他土地利用類型；在林地等植被覆蓋較高的地區(qū)，植被的蒸發(fā)蒸騰作用吸收了大量的熱量，使感熱通量小于城區(qū)；長江水體的水汽交換充足，具有較強(qiáng)的蒸發(fā)散熱作用，感熱通量與其他土地類型相比最小。感熱通量的季節(jié)性明顯，春季感熱通量最高，均值達(dá)200.4 W·m-2，尤以新城區(qū)和舊城區(qū)感熱通量最高，分別可達(dá)357.1和337.4 W·m-2；夏季感熱通量次高，均值達(dá)154.5 W·m-2，仍以新城區(qū)和舊城區(qū)的感熱通量高為主，二者的值分別可達(dá)257.2和258.6 W·m-2；冬季感熱通量較低，均值為141.0 W·m-2，長江和湖泊感熱通量均值分別僅為37.4和40.8 W·m-2，但冬季農(nóng)田區(qū)域因植被覆蓋少，感熱通量值較高；秋季感熱通量最低，均值為117.1 W·m-2，長江和湖泊感熱通量僅為18.1和46 W·m-2。在暖季，林地，農(nóng)田、草地等土地利用類型區(qū)域植被生長旺盛，蒸騰作用吸收大量的熱量，從使得感熱交換的能量降低?？傮w來看，南京地區(qū)感熱通量呈“新城區(qū)＞舊城區(qū)＞林地＞裸地＞農(nóng)田＞草地＞湖泊＞長江”的空間分布，四季典型日呈“春季＞夏季＞冬季＞秋季”的季節(jié)分布規(guī)律，新城區(qū)感熱通量最高，長江和湖泊等水體區(qū)域感熱通量最低。

圖4　南京市四季感熱通量空間分布圖Fig.4 Spatial distribution of sensible heat flux in Nanjing in the four seasons

4.5不同下墊面潛熱通量的時空變化規(guī)律

圖5為南京地區(qū)四季典型日潛熱通量的空間分布圖。從空間上看，不同下墊面的潛熱通量差異較大，4個季節(jié)都呈現(xiàn)為長江和湖泊區(qū)域潛熱通量最高，均在240 W·m-2以上，均值分別為535.9和467.5 W·m-2；除冬季外，林地和草地的潛熱通量較高，均在210 W·m-2以上，均值分別為312.4和310.1 W·m-2；在春、夏、秋三季南京建成區(qū)的潛熱通量最低，均在230 W·m-2以下，舊城區(qū)與新城區(qū)的均值分別為188.3和115 W·m-2。潛熱通量的大小與下墊面的水分含量密切相關(guān)，城市內(nèi)部以水泥、瀝青等不透水下墊面為主，水分含量少，用于潛熱交換的能量少，長江，湖泊水汽交換充足，潛熱通量最大，林地、草地和農(nóng)田區(qū)在植被生長旺盛的時期，用于潛熱交換的能量較多。潛熱通量季節(jié)性明顯，其中，秋季潛熱通量最高，均值達(dá)312.9 W·m-2；夏季潛熱通量次高，均值達(dá)300.7 W·m-2；春季潛熱通量較低，均值為269.1 W·m-2；冬季潛熱通量最低，均值為203.2 W·m-2?？傮w來看，南京地區(qū)潛熱通量呈“長江＞湖泊＞林地＞草地＞農(nóng)田＞裸地＞舊城區(qū)＞新城區(qū)”的空間分布，四季典型日呈“秋季＞夏季＞春季＞冬季”的季節(jié)分布規(guī)律，新城區(qū)潛熱通量最低，長江和湖泊等水體區(qū)域潛熱通量最高。

4.6不同土地利用類型能量平衡差異性分析

4.6.1不同土地利用類型能量平衡差異對比

從能量堆積圖中可以看出（圖6～9），不同季節(jié)典型日不同土地利用類型的能量分配存在著差異性。從總體上看，土壤熱通量占凈輻射通量的比例較小，尤以冬季最為明顯（所有土地利用類型該比例均低于0.1），其他季節(jié)的除水體外總體分布在0.05～0.25之間。新城區(qū)與老城區(qū)分布情況類似，均為感熱通量大，潛熱通量小。新老城區(qū)的感熱通量占比在四季典型日均高于0.4，除春季的裸地與冬季外，其余土地利用類型的感熱通量均低于0.3，水體區(qū)域的感熱通量占比在四季典型日均低于0.15。新老城區(qū)的潛熱通量占比在四季典型日均低于0.5，除春夏季節(jié)的裸地與冬季的林地外，其余土地利用類型的潛熱通量均高于0.5，水體區(qū)域在四季均高于0.7。城市下墊面主要由瀝青、水泥等材料組成，具有熱容高、導(dǎo)熱率高等特點，吸收的太陽輻射能多數(shù)轉(zhuǎn)換成感熱通量，白天下墊面吸熱后以感熱交換方式從地面輸送給大氣并對大氣起到加熱作用（李瑤等，2015），增強(qiáng)局地?zé)嵝?yīng)。植被與水體區(qū)域，植被蒸騰作用與水體蒸發(fā)使能量多以潛熱交換方式被消耗，從而緩解周邊熱效應(yīng)。所以在城市內(nèi)部，適當(dāng)增加水體面積，如修建人工湖；增加植被面積，如增加城市綠地、行道樹綠化、小區(qū)綠化等的面積，增加建筑物屋頂與墻體的綠化面積，通過蒸散發(fā)增加潛熱交換，減少感熱交換，對降低城區(qū)內(nèi)部溫度，緩解城市熱環(huán)境具有明顯作用。

圖 5南京市四季潛熱通量空間分布圖Fig.5 Spatial distribution of latent heat flux in Nanjing in the four seasons

圖6　春季下墊面能量堆積圖Fig.6 Energy accumulation of different underlying surface in summer

圖7　夏季下墊面能量堆積圖Fig.7 Energy accumulation of different underlying surface in spring

圖8　秋季下墊面能量堆積Fig.8 Energy accumulation of different underlying surface in winter

4.6.2不同土地利用類型波文比差異對比

波文比是感熱通量與潛熱通量之比，是表示能量分配的重要指標(biāo)。對比南京地區(qū)不同土地利用類型波文比的平均值發(fā)現(xiàn)（表3）：新城、舊城波文比值遠(yuǎn)大于研究區(qū)所有土地利用類型的平均值且4個典型日波文比的平均值均大于1，其中新城區(qū)達(dá)到了3.26。其他土地利用類型除冬季外，波文比均低于0.65，植被區(qū)域主要分布在0.2～0.55之間，水體區(qū)域的波文比最小，四季均低于0.2。南京城區(qū)的波文比呈現(xiàn)出明顯的季節(jié)變化，各季節(jié)典型日的波文比在春、冬季節(jié)較大，夏季次之，秋季最小。在不同季節(jié)新城的波文比均為最大，舊城次之（冬季除外）；長江水體在四季中的波文比均為最??；農(nóng)田在四季中的波文比略高于草地；林地波文比除冬季外均低于新城、舊城和裸地，且比值小于1，這與Oke et al.（1972）等學(xué)者研究城市、近郊區(qū)波文比分別為0.5～（＞4.0）和0.25～2.5的研究結(jié)果較一致。水體熱容量與熱慣量均較大，其波文比遠(yuǎn)低于植被，這說明，暖季水體對改善城市熱環(huán)境的作用優(yōu)于具有相同面積的植被。

圖9　冬季下墊面能量堆積Fig.9 Energy accumulation of different underlying surface in autumn

5　結(jié)論與討論

5.1討論

本文利用SEBAL模型對南京市不同季節(jié)典型日的地表熱通量進(jìn)行了反演，結(jié)果表明南京市地表熱通量時空分布特征明顯。利用南京市某觀測點的實測溫度數(shù)據(jù)進(jìn)行驗證及與他人研究結(jié)果進(jìn)行了比較，表明本研究對地表熱通量的估算結(jié)果是合理的。南京地區(qū)的地表熱通量與其他城市的地表熱通量有一定的差異性，城區(qū)感熱通量占凈輻射通量的比值高于熊谷、千葉與基督城的，低于馬賽的。潛熱通量占凈輻射通量比值僅高于熊谷的。從感熱通量、潛熱通量分別占凈輻射通量的比例來看，研究區(qū)域總體值比北京的略低。裸地與農(nóng)田等與其他人反演結(jié)果較接近。說明近地層的能量分配與城市的地理位置、大小、人口密度、土地覆蓋類型及氣象條件等有密切關(guān)系。

表3　不同季節(jié)不同土地利用類型的平均波文比Table 3 The average bowen ratio from different land use types in different seasons

本文與其他學(xué)者的研究結(jié)果存在差異與選用的模型和參數(shù)不同有關(guān)，計算感熱通量時對冷點與熱點的選擇存在一定的主觀性，增加了計算結(jié)果的人為誤差。另外，僅以江蘇省氣象局氣象站點的溫度數(shù)據(jù)代替整個研究區(qū)域的氣溫，也會導(dǎo)致一定的誤差，后續(xù)研究可以選擇研究區(qū)域的多個自動站氣溫數(shù)據(jù)，進(jìn)一步提高感熱通量與潛熱通量的估算精度。

5.2結(jié)論

（1）南京地區(qū)的地表熱通量有較明顯的季節(jié)變化，凈輻射通量呈春季最大，夏季次之，均高于500 W·m-2；秋季次之；冬季最低，低于400 W·m-2。土壤熱通量呈春季最大，夏季次之，均高于90 W·m-2；秋季次之；冬季最低，僅為20～30 W·m-2。感熱通量呈春季最高，均值高于200 W·m-2；夏冬次之；秋季最低，均值低于120 W·m-2。潛熱通量秋夏最大，均高于300 W·m-2；春季次之；冬季最低，略高于200 W·m-2。空間分布上長江與玄武湖、莫愁湖、九龍湖等水體一年四季均有著較高的凈輻射通量與潛熱通量，較低的感熱通量；南京新街口等商業(yè)區(qū)，揚子石化棲霞板橋工業(yè)區(qū)等區(qū)域凈輻射通量與潛熱通量均較低，感熱通量較高；老山、紫金山、棲霞山等區(qū)域凈輻射通量較高，土壤熱通量較低，除冬季外其他季節(jié)有著較高的潛熱通量與較低的感熱通量；八卦洲等農(nóng)田區(qū)域能量平衡方程各分量介于水體與城區(qū)之間。

（2）地表熱通量大小與土地利用類型關(guān)系密切，南京地區(qū)凈輻射通量以長江最高，均值為614.8 W·m-2；湖泊與林地次高，均值大于500 W·m-2；舊城、草地、農(nóng)田較高，均值在480～500 W·m-2之間；裸地與舊城最低，均低于460 W·m-2。土壤熱通量以舊城、裸地、新城最高，均值在75～85 W·m-2之間；湖泊、農(nóng)田，草地次之，均值在65～75 W·m-2之間；長江與林地最低，均值低于60 W·m-2。感熱通量新城與舊城最高，均值均高于200 W·m-2；林地、裸地、農(nóng)田、草地次之，均值在100～200 W·m-2之間；水體區(qū)域最低，均低于60 W·m-2。潛熱通量以水體區(qū)域最高，均值高于400 W·m-2；林地、草地、農(nóng)田、裸地次高，均值在220～320 W·m-2之間；城區(qū)潛熱通量最低，均低于200 W·m-2。

（3）土壤熱通量占凈輻射通量的比例較小，尤以冬季最為明顯。冬季所有土地利用類型均低于0.1，其他季節(jié)總體分布在0.05～0.25之間。新城區(qū)與老城區(qū)情況類似，均為感熱通量大，潛熱通量小。從感熱通量占凈輻射通量的比例來看，新老城區(qū)在四季典型日均高于0.4，除春季的裸地與冬季外，其余土地利用類型均低于0.3，水體區(qū)域均低于0.15。潛熱通量占凈輻射通量的比例呈現(xiàn)新老城區(qū)在四季典型日均低于0.5，除春夏季節(jié)的裸地與冬季的林地外，其余土地利用類型均高于0.5，水體區(qū)域均高于0.7。城區(qū)的波文比最大，平均值均大于1，其余土地利用類型除冬季外，均低于0.65，植被區(qū)域主要分布在0.2～0.55之間，水體區(qū)域的波文比最小，四季均低于0.2。南京城區(qū)的波文比呈現(xiàn)出明顯的季節(jié)變化，春、冬季典型日較大，夏季次之，秋季最小。在城市內(nèi)部，修建人工湖，增加綠地面積，可以增加潛熱通量，減少感熱通量，降低城區(qū)溫度，從而緩解城市熱環(huán)境。

參考文獻(xiàn)：

BASTIAANSSEN W G M，AHMAD M U D，CHEMIN Y.2002.Satellite surveillance of evaporative depletion across the Indus Basin ［J］.Water Resources Research，38（12）:91-99.

BASTIAANSSEN W G M，BANDARA K.2001.Evaporative depletion assessments for irrigated watersheds in Sri Lanka ［J］.Irrigation Science，21（1）:1-15.

BASTIAANSSEN W G M，MENENTI M，F(xiàn)EDDES R A，et al.1998.A remote sensing surface energy balance algorithm for land （SEBAL）.1.Formulation ［J］.Journal of Hydrology，212-213（1-4）:198-212.

BRUNSELL N A，GILLIES R R.2003.Scale issues in land-atmosphere interactions:implications for remote sensing of the surface energy balance ［J］.Agricultural & Forest Meteorology，117（3-4）:203-221.

GRIMMOND C S B.1992.The suburban energy balance:Methodological considerations and results for a mid-latitude west coast city under winter and spring conditions ［J］.International Journal of Climatology，12（12）:481-497.

HAFEEZ M M，CHEMIN Y，VAN D G N，et al.2002.Estimation of crop water deficit through remote sensing in Central Luzon，Philippines ［C］//Geoscience and Remote Sensing Symposium，2002.IGARSS'02.2002 IEEE International:2778-2780.

HELLEGERS P J G J，SOPPE R，PERRY C J，et al.2009.Combining remote sensing and economic analysis to support decisions that affect water productivity ［J］.Irrigation Science，27（3）:243-251.

HURK B V D.2001.Energy balance based surface flux estimation from satellite data，and its application for surface moisture assimilation ［J］.Meteorology & Atmospheric Physics，76（76）:43-52.

KONDO J.2000.Atmospheric science near the ground surface ［D］.University of Tokyo Press.

LAMBIN E F，EHRLICH D.1996.The surface temperature-vegetation index space for land cover and land-cover change analysis ［J］.International Journal of Remote Sensing，17（3）:463-487.

Liu Y，Shintaro G，Zhuang D，et al.2012.Urban surface heat fluxes infrared remote sensing inversion and their relationship with land use types ［J］.Journal of Geographical Sciences，22（4）:699-715.

LIU Y，SHINTARO G，ZHUANG D，et al.Urban surface heat fluxes infrared remote sensing inversion and their relationship with land use types［J］.Journal of Geographical Sciences，2012，22（4）:699-715.Morse A，Kramber W J，Wilkins M，et al.2003.Preliminary computation of evapotranspiration by land cover type using Landsat TM data and SEBAL ［C］//Geoscience and Remote Sensing Symposium，2003.IGARSS '03.Proceedings.2003 IEEE International:2956-2958 .

Oke T R，F(xiàn)uggle R F.1972.Comparison of urban/rural counter and net radiation at night ［J］.Boundary-Layer Meteorology，2（3）:290-308.

Shuttleworth W J，Gurney R J.1990.The theoretical relationship between foliage temperature and canopy resistance in sparse crops ［J］.Quarterly Journal of the Royal Meteorological Society，116（492）:497-519.

Spronken-Smith.2002.Comparison of summer-and winter-time suburban energy fluxes in Christchurch，New Zealand ［J］.International Journal of Climatology，22（8）:979-992.

Tasumi M，Allen R G.2007.Satellite-based ET mapping to assess variation in ET with timing of crop development ［J］.Agricultural Water Management，88（1-3）:54-62.

Toby N Carlson，Robert R Gillies，Eileen M Perry.1994.A method to make use of thermal infrared temperature and NDVI measurements to Infer surface soil water content and fractional vegetation over ［J］.Remote Sensing Reviews，9（1）:161-173.

Zwart S J，Bastiaanssen W G M，F(xiàn)raiture C D，et al.2010.A global benchmark map of water productivity for rainfed and irrigated wheat ［J］.Agricultural Water Management，97（10）:1617-1627.

Bastiaanssen W G M.1995.Regionalization of surface flux densities and moisture indicators in composite terrain -a Remote sensing approach under clear skies in mediterranean climates ［J］.Prof.

Norman J M，Kustas W P，Humes K S.1995.Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature ［J］.Agricultural & Forest Meteorology，77（3）:263-293.

Bastiaanssen W G M.2000.SEBAL-based sensible and latent heat fluxes in the irrigated Gediz Basin，Turkey ［J］.Journal of Hydrology，229（1-2）:87-100.

Bastiaanssen W G M，Ali S.2003.A new crop yield forecasting model based on satellite measurements applied across the Indus Basin，Pakistan ［J］.Agriculture Ecosystems & Environment，94（3）:321-340.

Gibboney R A，Gould J M.2005.SEBAL Model with Remotely Sensed Data to Improve Water-Resources Management under Actual Field Conditions ［J］.Journal of Irrigation & Drainage Engineering，131（1）:85-93.

曾麗紅，宋開山，張柏，等.2008.基于SEBAL模型的扎龍濕地蒸散量反演［J］.中國農(nóng)業(yè)氣象，29（4）:420-426.

陳玲.2007.基于改進(jìn)的SEBAL模型估算區(qū)域蒸散發(fā)［D］.蘭州:蘭州大學(xué).

陳強(qiáng)，茍思，嚴(yán)登華.2009.基于SEBAL模型的區(qū)域ET計算及氣象參數(shù)敏感性分析-以天津市為例［J］.資源科學(xué)，31（8）:1303-1308.

陳云.2014.基于Landsat 8的城市熱島效應(yīng)研究初探_以廈門市為例［J］.測繪與空間地理信息，37（2）:123-128.

丁美青.2014.土地開發(fā)整理區(qū)土壤質(zhì)量遙感定量評價研究［D］.長沙:中南大學(xué).

敬書珍.2009.基于遙感的地表特性對地表水熱通量的影響研究［D］.北京:清華大學(xué)碩士論文.

李瑤，潘竟虎，羅晶.2015.基于Landsat8影像和能量平衡的西安市熱場格局研究［J］ .遙感技術(shù)與應(yīng)用，30（5）:868-874.

劉勇洪，徐永明，馬京津，等.2014.北京城市熱島的定量監(jiān)測及規(guī)劃模擬研究［J］.生態(tài)環(huán)境學(xué)報，（7）:1156-1163..

劉越，Shintaro Goto，莊大方，等.2012.城市地表熱通量遙感反演及與下墊面關(guān)系分析［J］.地理學(xué)報，67（1）:101-112.

馬耀明，戴有學(xué)，馬偉強(qiáng)，等.2004.干旱半干旱非均勻地表區(qū)域能量通量的衛(wèi)星遙感參數(shù)化［J］.高原氣象，24（3）:139-146.

潘志強(qiáng)，劉高煥.2003.黃河三角洲蒸散的遙感研究［J］.地球信息科學(xué)，（3）:91-96.

彭軍超，鄭艷偉，王劍.2011.廣州地表能量通量研究［J］.安徽農(nóng)業(yè)科學(xué)，39（21）:12789-12792.

申雙和，趙小艷，楊沈斌，等.2009.利用ASTER數(shù)據(jù)分析南京城市地表溫度分布［J］.應(yīng)用氣象學(xué)報，20（4）:458-464.

宋挺，段崢，劉軍志，等.2014.基于Landsat 8數(shù)據(jù)和劈窗算法的地表溫度反演及城市熱島效應(yīng)研究［J］.環(huán)境監(jiān)控與預(yù)警，6（5）:4-14.

宋小寧，趙英時，馮曉明.2007.基于衛(wèi)星遙感數(shù)據(jù)改進(jìn)區(qū)域尺度的感熱通量模型［J］.地理與地理信息科學(xué)，23（1）:36-38.

宋鑫博.2013.基于MODIS數(shù)據(jù)的湖西區(qū)地表蒸散發(fā)遙感研究［D］.南京:南京師范大學(xué).

蘇偉，劉睿，孫中平，等.2014.基于SEBAL的農(nóng)作物NPP反演［J］.農(nóng)業(yè)機(jī)械學(xué)報，45（11）:272-279.

騰月，朱楨榕.2015.基于Landsat 8地表溫度的單窗反演_以九江市為例［J］.江西科學(xué)，33（6）:854-857.

田鵬飛，沈潤平.2010.基于SEBAL模型在城市地表通量反演的應(yīng)用［J］.陜西氣象，（4）:14-17.

田鵬飛.2010.基于遙感的SEBAL模型反演區(qū)域地表水熱通量研究—以武漢市為例［D］.南京:南京信息工程大學(xué).

王桂玲，談建國，崔林麗，等.2012.基于TM資料對上海區(qū)域熱環(huán)境特征的分析［J］.環(huán)境監(jiān)控與預(yù)警，4（6）:10-13.

王介民，高峰，劉紹民.2003.流域尺度TE的遙感反演［J］.遙感技術(shù)與應(yīng)用，18（5）:332-338.

王萍.2009.城市熱島效應(yīng)地表通量空間分布研究［J］.遙感技術(shù)與應(yīng)用，26（6）:757-765.

翁清鵬，張慧.2015.南京城市熱環(huán)境與土地利用關(guān)系研究［J］.科學(xué)技術(shù)與工程，15（13）:232-237.

吳文玉，孔琴琴，馬小群，等.2014.基于MODIS數(shù)據(jù)的安徽區(qū)域日蒸散量估算與分析［J］.長江流域與環(huán)境，23（6）:854-861.

伍雄昌.2013.基于遙感的福州市人工熱排放研究［D］.福州:福建師范大學(xué).

夏婷，王忠靜.2013.SEBAL模型參量敏感性再分析［J］.清華大學(xué)學(xué)報，53（9）:1241-1248.

徐涵秋.2015.新型Landsat8衛(wèi)星影像的反射率和地表溫度反演［J］.地球物理學(xué)報，58（3）:741-747.

楊槐.2014.從Landsat8影像反演地表溫度的劈窗算法研究［J］.測繪地理信息，39（4）:73-77.

楊建瑩.2014.基于SEBAL的模型黃淮海冬小麥和夏玉米水分生產(chǎn)力研究［D］.北京:中國農(nóng)業(yè)科學(xué)院.

于柳溪.2015.快速城市化及其熱環(huán)境效應(yīng)研究-以石家莊為例［D］.石家莊:河北科技大學(xué).

張殿君.2011.SEBAL模型區(qū)域優(yōu)化及蒸散量與土地利用/覆蓋變化關(guān)系研究［D］.北京:北京林業(yè)大學(xué).

張發(fā)耀，王福民，周斌，等.2013.基于MODIS模型的浙江省區(qū)域蒸散發(fā)量估算研究［J］.人民長江，44（17）:40-44.

張倩.2013.城市熱島效應(yīng)及機(jī)理研究［D］.石家莊:河北科技大學(xué).

趙小艷，申雙和，楊沈斌，等.2009.利用ASTER數(shù)據(jù)反演南京城市地表溫度［J］.南京氣象學(xué)院學(xué)報，32（1）:128-133.

鄭文武.2012.城市地表蒸散發(fā)研究［D］.長沙:湖南大學(xué).

周強(qiáng).2008.南京地區(qū)城市熱島效應(yīng)研究［D］.南京:南京信息工程大學(xué).

周彥召，周劍，李妍，等.2014.利用SEBAL和改進(jìn)的SEBAL模型估算黑河中游戈壁、綠洲的蒸散發(fā)［J］.冰川凍土，36（6）:1526-1537.

朱炎，李連芳，徐永明，等.2010.基于Landsat衛(wèi)星資料的蘇州城市熱島效應(yīng)遙感分析［J］.高原氣象， 29（1）:244-250.

Analysis and Inversion on Surface Heat Flux with Remote Sensing in Nanjing Area

WANG Yudong1，2，ZHAO Xiaoyan1，2*，XU Xianghua2，NIU Jianlong2，3，WANG Yage2
1.Yale-NUIST Center on Atmospheric Environment，Nanjing 210044，China； 2.Jiangsu Key Laboratory of Agricultural Meteorology，Nanjing 210044，China；3.College of Plant Science，Tarim university，Alar 843300，China

Abstract：Based on four Landsat8 OLI/TIRS 1B remote sensing images on 11th August and 14th October in 2013，2nd January and 26th May in 2014 in Nanjing，combined with the meteorological data measured by the ground meteorological station，this study retrieved the temporal and spatial distribution of surface heat flux in Nanjing area by SEBAL model，As the surface temperature was validated with the measured data and the reliability was validated by comparing with others results.The results showed that:（1） net radiation flux and soil heat flux on the maximum value were in spring，lower value were in summer and the minimum value were in winter.Sensible heat flux in the warm season （spring and summer） was higher than the cold season （winter and autumn）.Latent heat flux on the maximum value was in summer，the minimum value was in winter and lower value was in spring and autumn in Nanjing area.（2） The maximum net radiation flux located in Yangtze River，which average and value was 614.8 W·m-2.The higher value were in lake and woodland，which average value was higher than 500 W·m-2.The higher value were in old city，farmland and grassland，which average value were during 480 to 500 W·m-2.The minimum value were in bare land and metro area，which average value were lower than 460 W·m-2.The maximum soil heat flux located in old city，bare land and metro area，which average value were durin 75 to 85 W·m-2.The higher value were in lake，farmland and grassland，which average value were during 65 to 75 W·m-2.The minimum value were in Yangtze River and woodland.which average value were lower than 60 W·m-2.The maximum sensible heat flux located in old city and metro area，which average value was higher than 200 W·m-2.The higher value were in woodland，bare land，farmland and grassland，which average value were during 100 to 200 W·m-2.The minimum value was in water，which average value was lower than 60 W·m-2.The maximum latent heat flux located in water，which average value was higher than 400 W·m-2； The second value were in woodland，grassland，farmland and bare land，which average value were during 220 to 320 W·m-2.The minimum value were in old city and metro area，which average value was lower than 200 W·m-2.（3） Soil heat flux accounted for the net radiation flux was less than 0.1 in winter，other seasons were during 0.05 to 0.25.Sensible heat flux accounted for the net radiation flux in typical day of the four seasons were more than 0.4，other land use types were less than 0.3 except bare land in spring and winter.And Water less than 0.15.Old city and metro area were lower than 0.5.Other land use types were higher than 0.5 except bare land in spring and summer and woodland in winter.The Spatial distribution of Bowen ratio in different land use types in Nanjing area were “metro area ＞ old city ＞ bare land ＞ woodland ＞ farmland ＞ grassland ＞lake ＞ Yangtze River” and the time distribution were “spring ＞winter ＞ summer ＞ autumn”.The maximum Bowen ratio was in metro area in typical day of the four seasons，which average value was higher than 1.The maximum value was in body，which average value was lower than 0.2.

Key words：SEBAL model； surface heat flux； spatial-temporal distribution； remote sensing

DOI：10.16258/j.cnki.1674-5906.2016.04.013

中圖分類號：X16

文獻(xiàn)標(biāo)志碼：A

文章編號：1674-5906（2016）04-0636-11

基金項目：南京信息工程大學(xué)大學(xué)生實踐創(chuàng)新訓(xùn)練計劃項目（201410300106）；江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目（PAPD）；教育部長江學(xué)者和創(chuàng)新團(tuán)隊發(fā)展計劃項目（PCSIRT）；國家自然科學(xué)基金項目（41005012）

作者簡介：王煜東（1989年生），男，碩士研究生，研究方向為環(huán)境遙感。E-mail:731211197@qq.com

*通信作者：趙小艷（1974年生），女，講師，博士，主要從事資源環(huán)境遙感方面的研究。E-mail:yqxyzh@nuist.edu.cn

收稿日期：2016-01-04