基于MODIS數(shù)據(jù)的博斯騰湖流域地表溫度空間格局

熱伊萊·卡得爾，玉素甫江·如素力，阿迪來·烏甫，艾則孜提約麥爾·麥麥提，姜紅

(新疆師范大學地理科學與旅游學院∥流域信息集成與生態(tài)安全實驗室∥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)

基于MODIS數(shù)據(jù)的博斯騰湖流域地表溫度空間格局

熱伊萊·卡得爾，玉素甫江·如素力，阿迪來·烏甫，艾則孜提約麥爾·麥麥提，姜紅

(新疆師范大學地理科學與旅游學院∥流域信息集成與生態(tài)安全實驗室∥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)

為了辨析博斯騰湖流域地表溫度時空分布對不同下墊面的響應(yīng)特征，基于MODIS數(shù)據(jù)，利用分裂窗算法反演研究區(qū)的不同季節(jié)地表溫度并對反演結(jié)果進行精度檢驗。結(jié)果表明：① MODIS地表溫度產(chǎn)品在博斯騰湖流域的精度良好，可利用流域地表溫度的空間格局研究；② 博斯騰湖流域四季地表溫度變化顯著，春季溫度分布在-17.02～31.52 ℃ 之間，夏季溫度分布在 -9.99～56.04 ℃ 之間，秋季溫度分布在-16.45～37.31 ℃之間，冬季溫度分布在-32.42～10.79 ℃之間；③ 不同土地利用地表溫度的分布總體上沙漠/沙地的地表溫度均值最高，旱地、裸巖等次之，積雪、草甸最低。內(nèi)陸湖流域內(nèi)地表溫度和土地覆蓋類型存在明顯的時空差異性，在極端干旱地區(qū)綠色植被對溫度降低具有一定的調(diào)節(jié)作用。

博斯騰湖流域； MODIS ；地表溫度反演；分裂窗口算法；土地覆蓋

陸面植被影響著地表物質(zhì)能量平衡、氣候、水文和生化循環(huán)，可以作為氣候和人文因素對環(huán)境影響的敏感指標，而歸一化植被指數(shù)(NDVI)作為陸面植被生長狀況的指示因子，對農(nóng)作物長勢、生態(tài)系統(tǒng)檢測以及土地利用/覆蓋變化等研究具有重要意義[1]。陸面植被覆蓋的變化，直接導致用于地表潛熱蒸發(fā)的地表水分含量發(fā)生變化，使控制地表熱通量的主要因子如反照率、熱容、熱轉(zhuǎn)導率等發(fā)生改變，從而導致地表溫度發(fā)生顯著變化[2-3]。地表溫度(LST, Land surface temperature)是研究地球表面上的物質(zhì)交換、能量平衡與地表物理化學過程的關(guān)鍵參數(shù)，也是小尺度和全球尺度地球表面上物理過程的一個重要因子。因此，地表溫度在生態(tài)學、氣候?qū)W、生物化學、水文學等研究領(lǐng)域中具有重要的研究意義[4]。有研究明顯表現(xiàn)，地表溫度的變化能夠改變地面與大氣之間物質(zhì)與能量平衡，導致蒸散發(fā)、氣溫、降水和植被等發(fā)生變化，進而對區(qū)域生態(tài)環(huán)境的保護與演變產(chǎn)生重要影響[5-6]。受全球氣候變暖及人為活動影響[7]、干旱半干旱地區(qū)生態(tài)環(huán)境不斷惡化[8]、極端天氣頻繁出現(xiàn)、溫室氣體排放量不斷上升、土地荒漠化面積日益增加、土壤肥力和植被覆蓋度退化嚴重，作為生態(tài)環(huán)境問題研究中的重要定量參數(shù)，干旱半干旱地區(qū)地表溫度研究受到國內(nèi)外學者的廣泛關(guān)注[9-10]。

目前，隨著遙感技術(shù)快速發(fā)展，關(guān)于遙感數(shù)據(jù)的地表溫度研究已取得了廣大進展，同時國內(nèi)外已經(jīng)充分發(fā)展了很多實用的理論方法，如譚志豪等采用單窗算法[11]、馬耀明等[12]采用輻射傳輸方程方法，1984年P(guān)rice[13]利用大氣輻射傳輸理論，對大氣的影響做簡化處理后提出分裂窗算法，給出了具體的分裂窗算法，Changin等[14]采用分裂窗算法。Mostovoy 等[15]利用MODIS地表溫度產(chǎn)品對密西西比河流域的最低氣溫進行估算，分析了像元分辨率的高低、土地覆蓋類型及植被覆蓋度等產(chǎn)生的影響，取得了較好的反演結(jié)果。Vancutesm 等[5]基于MODIS標準夜間產(chǎn)品和日產(chǎn)品估算非洲地區(qū)最低氣溫、最高氣溫，分析了不同季節(jié)和植被覆蓋度等因素對最高氣溫估算的影響。熱伊萊等[16]對新疆焉耆盆地干旱半干旱地區(qū)地表溫度時空特征進行反演并對反演結(jié)果進行精度驗證，在地形復雜的干旱半干旱地區(qū)仍具有較高的精度。田輝等[17]基于MODIS地表溫度產(chǎn)品和歸一化植被指數(shù)，采用植被溫度混合狀態(tài)指數(shù)(VTCI)方法對我國中西部山區(qū)旱情狀況進行監(jiān)測與分析，驗證了MODIS地表溫度產(chǎn)品在山區(qū)具有較高精度與廣泛的應(yīng)用前景。

由于我國最大內(nèi)陸淡水湖——博斯騰湖流域面積廣大，生態(tài)環(huán)境較為脆弱，流域內(nèi)農(nóng)業(yè)生產(chǎn)的空間格局和生態(tài)規(guī)劃，都需要考慮地表溫度和熱量環(huán)境變化。博斯騰湖流域地處中國西北干旱區(qū)，是天山山脈中的一個山間盆地，塔里木河流域重要組成部分。目前，該區(qū)域已有大量研究成果，主要針對于水文循環(huán)，土地利用/覆被變化，綠洲生態(tài)評價等，流域下墊面變化對 LST 的時空分布影響研究較少。本文利用四期MODIS數(shù)據(jù)和土地利用數(shù)據(jù)，以分裂窗算法為研究方法對博斯騰湖流域2010年內(nèi)不同季節(jié)的地表溫度進行反演，并對LST反演結(jié)果進行精度驗證；研究博斯騰湖流域地表溫度的空間和時間分布特征，以及與土地利用類型之間的關(guān)系進行定量分析，進一步深入揭示LST的季節(jié)變化趨勢分布。研究結(jié)果有助于對生態(tài)系統(tǒng)穩(wěn)定性的評價提供指標，也對干旱區(qū)流域的農(nóng)業(yè)生產(chǎn)建設(shè)、農(nóng)作物生產(chǎn)、生態(tài)環(huán)境保護等領(lǐng)域中具有重要意義。

1 研究區(qū)概況

博斯騰湖流域位于中國西北部新疆巴音郭楞蒙古自治州境內(nèi)，地理位置為 82.80°-88.63°E，40.73°-43.57°N，包括流入博斯騰湖的河流流域(主要有開都河上游、黃水溝上游、清水河上游和20條時令河上游)、焉耆盆地和孔雀河流域，總面積約68 687 km2。流域東南部為平原盆地區(qū)，海拔高度約為856～4 798 m (圖1)。流域地勢是北高、南低，西高、東低，高山、峽谷和盆地交錯，地形復雜。流域內(nèi)有我國最大的內(nèi)陸淡水湖泊—博斯騰湖，是開都河的尾閭和孔雀河的源頭，博斯騰湖在焉耆盆地隨海拔高度的變化自上而下包括冰雪帶、高山墊狀植被帶、高山草甸帶、草原帶、荒漠草原帶、荒漠帶等[18]。整個博斯騰湖流域干旱少雨，流域年降水量僅47.4～68.1 mm，年平均氣溫8.2～11.5 ℃，日最高氣溫≥ 35 ℃的炎熱天數(shù)據(jù)只有0.1～4.3 d，日最低氣溫≤ -20 ℃的寒冷天數(shù)也只有0.1～0.9 d[19]。由于研究區(qū)自然地理條件適宜于農(nóng)業(yè)發(fā)展，20世紀70年代后綠洲區(qū)農(nóng)業(yè)耕地面積處于增長趨勢，氣候變化和人類活動的共同作用下，博斯騰湖流域及其周圍的綠洲面積發(fā)生明顯變化[20]。由此可見，博斯騰湖流域已成為氣候變化和人類活動影響明顯的區(qū)域，是最適合本研究目標的典型區(qū)。

圖1 研究區(qū)及其土地利用/覆被分布和與氣象站分布圖Fig.1 Location of study area and distribution of Land use/cover change and meteorological station

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

本文采用的MODIS數(shù)據(jù)，空間分辨率為1 000 m，共有7個波段，來源于NASA(美國國家航空航天局)網(wǎng)站。根據(jù)時空分辨率特點，選擇2010年1、4、7、10月的四季MODIS LST產(chǎn)品(MOD11A2)。以31、32波段分裂窗算法的LST遙感反演處理結(jié)果的基礎(chǔ)上，對各月資料進行加和平均法合成，分別代表流域的冬季、春季、夏季、秋季，對內(nèi)陸干旱流域的季節(jié)變化特征進行分析。用分裂窗算法計算白天、黑夜LST數(shù)據(jù)的基礎(chǔ)上研究博斯騰湖流域的日變化特征。為研究博斯騰湖流域不同下墊面的LST變化情況，統(tǒng)計獲取不同地表覆蓋類型各時期的平均溫度值。依據(jù)博斯騰湖流域的土地利用方式和分析精度要求，將研究區(qū)域土地利用類型歸并為29種二級地類，包括裸土、沙漠/沙地、湖泊、草甸、草原等，此數(shù)據(jù)由國家地球系統(tǒng)科學數(shù)據(jù)平臺下載獲取。

為了檢驗MODIS溫度產(chǎn)品在該研究區(qū)反演LST的適用性，選取博斯騰湖流域內(nèi)的巴音布魯克、巴侖臺、焉耆、輪臺等4個氣象站的2010年內(nèi)月時間序列的實際LST數(shù)據(jù)與MOD11A2 數(shù)據(jù)在“點”尺度上進行驗證。

2.2 研究方法

2.2.1 亮度溫度 MODIS圖像是表示圖像灰度值的DN值來表示。因此，要計算星上亮度溫度，必須先將DN值轉(zhuǎn)換成相應(yīng)的輻射強度值，然后再用普朗克(Planck)函數(shù)求解星上亮度溫度，根據(jù)Planck公式計算MODIS第31和第32波段的亮度溫度T31和T32，詳細計算公式參見文獻[21]。

2.2.2 大氣透過率的計算 先找大氣透過率之前，需要先計算大氣的水汽含量。對于MODIS數(shù)據(jù)，大氣層水汽含量可以根據(jù)MODIS數(shù)據(jù)第2和19波段來獲得。本文根據(jù)MODIS傳感器的第2和第19波段的反射率比值計算MODIS的第19波段的大氣透過率ε19。最后，采用Mao等[22-23]給予大氣模擬 LOWTRAN 模擬得到的經(jīng)驗公式，分別計算第31波段和第32 波段的大氣透過率，具體公式參見文獻[21,24]。

2.2.3 地表比輻射率的計算 地表比輻射率是反演LST的重要參數(shù)，組成成分與地表、地表結(jié)構(gòu)等因素有關(guān)。地表比輻射率有3種基本地表類型構(gòu)成的混合像元：水域、綠色植被、裸土，混合像元的平均比輻射率可以用地表構(gòu)成比例進行估計。本文利用覃志豪等給出的混合像元比輻射率的計算公式進行估計地表比輻射率ε31和ε32，具體計算公式參見文獻[25]。

2.2.4 分裂窗算法 用Qin等[27]提出的兩因素模型，根據(jù)亮度溫度的線性組合來反演地表溫度，其計算公式如下[26]：

TS=A0+A1T31-A2T32

(1)

式中，TS為地表溫度(K)，T31和T32分別是MODIS第31和第32波段的亮度溫度，具體分別定義如下：

A0=-64.363E1+68.725 75E2

(2)

A1=1+A+0.440 817E1

(3)

A2=A+0.473 753E2

(4)

(5)

(6)

(7)

D31=(1-ε31)(1+(1-ε31)τ31)

(8)

D32=(1-ε32)(1+(1-ε32)τ32)

(9)

C31=ε31τ31

(10)

C32=ε32τ32

(11)

最后，通過分類結(jié)果與相應(yīng)的LST反演結(jié)果圖相疊加，統(tǒng)計獲取不同地表覆蓋類型各時期的平均溫度值，對LST與土地覆蓋類型之間的關(guān)系進行定量分析。

2.2.5 趨勢分析方法 借鑒線性傾向估計計算每個像元2010年四季的LST時間線性傾向率(S)[28]:

(12)

式中，S為線性傾向值，n為月序列總長度(n=4)，i為具體計算月份，LSTi為第i月份的MOD11A2。當S為負表示，隨時間i的增加，LST變化處于減少趨勢，S為正表示，隨時間i的增加，LST 變化處于增加趨勢。

3 結(jié)果與分析

3.1 地表溫度反演結(jié)果的驗證

為保證MODIS溫度產(chǎn)品在該地區(qū)LST分布的準確性，本文采用博斯騰湖流域4個氣象站的地溫數(shù)據(jù)分別在“點”尺度上對MOD11A2數(shù)據(jù)進行精度驗證(圖2)。按研究區(qū)內(nèi)四個氣象站月序列平均LST的實測值，利用 MODIS 溫度產(chǎn)品提取2010年內(nèi)4個氣象站的 LST值與觀測地面站的LST進行精度驗證可知，由于各個氣象站點的地形、氣候、環(huán)境等因素的不同，兩者之間的相關(guān)性在各個氣象站點不一。圖2給出了4個氣象站實測數(shù)據(jù)與反演數(shù)據(jù)的決定系數(shù)R2都高于0.9 ；其中巴音布魯克、焉耆、巴侖臺、輪臺氣象站的各月平均實測數(shù)據(jù)和反演數(shù)據(jù)的R2分別為0.96, 0.98, 0.99和0.98。表明觀測數(shù)據(jù)與反演數(shù)據(jù)具有較高的一致性。MODIS LST產(chǎn)品可以充分反映地表溫度的真實狀況，也可以作為地表溫度的強度指標中具有一定的合理性。

3.2 土地覆蓋類型與地表溫度的關(guān)系

將反演生成區(qū)域地表溫度圖與博斯騰湖流域土地利用分類圖疊加，統(tǒng)計獲取不同下墊面各時期的平均溫度值。從圖3上可以看出，在研究區(qū)各土地類型中，裸土、旱地、稀疏草地等不同地物的地表平均溫度各不相同，同類別土地類型之間的地表溫度也存在一定的差異?？傮w而言，白天，冰川/永久積雪、常綠針葉灌木林、草甸、草本沼澤、居住地、工業(yè)用地、沙漠的LST依次升高；夜間，草甸、冰川/永久積雪、常綠針葉林、草原、稀疏灌木林、居住用、工業(yè)用地、湖泊的LST依次增加。白天，沙漠、稀疏灌木林、鹽堿地、裸土等的升溫最快，對應(yīng)的LST也較高；夜間，湖泊、喬木綠地、草本綠地、運河/水渠、水庫等的降溫最慢，水體溫度最高；綠地、草地、林地由于植被生理活動的作用能夠吸收熱量引起溫度更低。因此，它們的溫度往往最低。然而，在不同的季節(jié)，區(qū)分白天和夜間，LST變化有不同的差異。如，在冬季，白天，落葉闊葉林、水庫、鹽堿地、稀疏林、運河/水渠的LST最高，為1.14，0.60，0.24，0.17和-0.04 ℃；而冰川/永久積雪、草甸、草本沼澤、采礦場、裸巖和沙漠LST最低，為-16.96，-13.12，-12.73，-12.26，-7.48和-4.10 ℃。夏季白天正好相反，沙漠、稀疏灌木林、鹽堿地、裸土和落葉闊葉林等的溫度最高，為49.98，44.87，44.72，44.53和44.45 ℃，而湖泊、運河/水渠、水田的溫度相對較低，為25.45，36.24，38.06 ℃。冬季夜間溫度最低的為草甸、冰川/永久積雪、草本沼澤、河流和沙漠的LST最低，為-22.77，-22.65，-22.28，-21.35和-16.97 ℃，最高的為湖泊、草本綠地、喬木綠地、水庫、喬木園地，LST為-11.26，-11.57，-12.19，-13.87和-13.90 ℃。夏季夜間工業(yè)用地、居住地、冰川/永久積雪、草甸、裸土的LST最低，為2.85，6.96，7.08，7.39和9.00 ℃，而水體相對較高，如：湖泊的低溫達到19.72 ℃。這種變化趨勢，與不同土地覆蓋類型的熱容量性質(zhì)密切相關(guān)。

圖2 2010年內(nèi)地表溫度反演的驗證結(jié)果Fig.2 Validation results of surface temperature inversion in 2010

研究表明，植被高低及覆蓋程度對所在的LST影響很大。夜間，由于植被的本身特征引起LST降低比白天更為明顯。

3.3 博斯騰湖流域地表溫度時間分布特征

從LST分布的季節(jié)變化來看，博斯騰湖流域四季溫度變化明顯。其中，春季溫度分布在-17.02～31.52 ℃ 之間，夏季溫度分布在-9.99～56.04 ℃ 之間，秋季溫度分布在-16.45～37.31 ℃之間，冬季溫度分布在-32.42～10.79 ℃之間。7月和10月溫度差異最大，7月份白天溫差達55.82 ℃，夜間溫差達34.7 ℃；10月份白天溫差達 40.54 ℃，夜間溫差達33.04 ℃。從各月份的均值來看，無論是白天還是夜間，1月份均值最小，晝夜溫差達11.73 ℃；7月份溫度最高，晝夜溫差達20.81 ℃。通過對博斯騰湖流域LST的空間分布特征來看(圖4)，LST均表現(xiàn)出東南高于西北，東南地區(qū)主要是由于裸土、沙漠/沙地、工業(yè)用地、居住用地等土地類型所覆蓋范圍較廣，使得同一季節(jié)內(nèi)晝夜溫度變化顯著。10.17 ℃是1月份白天溫度的最高值，56.04 ℃是7月份白天溫度的最高值。在冬夏季白天和夜間溫差很大，其四季白天LST均高于夜間。通過分析還可知，博斯騰湖流域西北地區(qū)多為的草甸、草本沼澤和草原比熱容大，受太陽輻射后，升溫較慢，且冰川分布較廣，使得該區(qū)域晝夜溫度與其他地區(qū)相比較小。東南地區(qū)覆蓋范圍較廣的裸土、沙漠/沙地的比熱小，白天受太陽輻射后，升溫速度較快；日落后地表正輻射值轉(zhuǎn)為負值，溫度降低也較快，所以使得該區(qū)域晝夜溫度與其他地區(qū)相比較高。

圖3 土地覆蓋類型與地表溫度的關(guān)系Fig.3 The land surface temperatures of different cover types

圖4 研究區(qū)1,4,7和10月的白天和夜間地表溫度分布圖Fig.4 Spatial distributions of day and night LST in Jan, April, July and Oct

3.4 博斯騰湖流域不同地域地表溫度分布特征

為了進一步深入研究博斯騰湖流域LST空間分布情況，分別從西北到東南和從東北到西南做LST不同月份和晝夜變化的剖面曲線。從圖5和圖6上可以看出，距離為0～122 km范圍是以草甸、冰川/永久積雪、草本沼澤、河流等土地類型為主的區(qū)域LST值呈現(xiàn)出“隆起”狀態(tài)，原因是冰川/永久積雪的覆蓋范圍較廣，植被數(shù)量分布較廣、散熱較慢，引起LST比其他區(qū)域低一點；122 km以上范圍內(nèi)LST剖面線上有許多高低不齊的“凹槽”存在，主要是因為研究區(qū)地表覆蓋類型的特征差異，如：裸土、草甸、沼澤地、水域、沙漠，使得LST產(chǎn)生差異。從東北向西南方向來看，距離為0～212 km范圍的地表覆蓋類型主要是稀疏草地、旱地、湖泊、草本沼澤、裸土、沙漠/沙地、稀疏灌木林。剖面曲線上可以看出LST的分布規(guī)律，冬季，白天的規(guī)律依次為草本沼澤>湖泊>沙漠/沙地>稀疏草地>裸土>稀疏灌木林>旱地。冬季，夜間的規(guī)律依次為湖泊>裸土>稀疏草地>旱地>稀疏灌木林>沙漠/沙地>草本沼澤，因此在LST剖面曲線上呈現(xiàn)許多波峰和波谷，突出顯示的是距離為58～95 km范圍內(nèi)博斯騰湖水域的溫度，水域吸熱較慢，引起在不同季節(jié)白天呈現(xiàn)波峰、夜間呈現(xiàn)波谷。研究結(jié)果表明，相同外部因素下，由于不同土地利用類型的本身特征在各時期引起不同的LST變化并深入揭示了不同土地利用類型對LST時空分布具有深刻的影響。

3.5 博斯騰湖流域 LST 季節(jié)變化趨勢分布

本研究將采用趨勢分析方法，利用2010年四季的白天和夜間LST來反映研究區(qū)季節(jié)變化趨勢。從圖中可以看出，圖7(a)上10.52～18.52的區(qū)域表示明顯增加趨勢，3.9～10.52的區(qū)域表示輕微增加趨勢；圖7 (b)上6.53～10.47的區(qū)域表示明顯增加趨勢，3.35～6.53的區(qū)域表示輕微增加趨勢。白天，西北地區(qū)草原、草甸等所覆蓋區(qū)域和東南地區(qū)沙漠/沙地所覆蓋區(qū)域的LST季節(jié)變化有明顯增加趨勢。究其原因，一方面是不同地表覆蓋類型的本身特性，常綠針葉林和闊葉林是聚落組成復雜，層次結(jié)果明顯，能量轉(zhuǎn)換和物質(zhì)循環(huán)旺盛的季節(jié)不相同，因而使LST較低；草原、草地類型層次單一、植株矮小，因此相對草地等類型所覆蓋區(qū)域的LST也較低；沙漠/ 沙地、裸土等土地類型的覆蓋面積廣、本身也大量吸收太陽輻射，使LST較高。另一方面各LST分布所處區(qū)域的地形、日照、降水等氣候條件也有所不同。

圖5 研究區(qū)不同月份的白天和夜間地表溫度A-A′剖面曲線Fig.5 Spatial distribution of day and night LST for A-A′ profile curves in different month

圖6 研究區(qū)不同月份的白天和夜間地表溫度B-B′剖面曲線Fig.6 Spatial distribution of day and night LST for B-B′ profile curves in different month

4 結(jié) 論

LST與土地覆蓋類型時空變化一直是眾多學者關(guān)注的熱點研究問題，我國西北部是對氣候變化響應(yīng)的敏感區(qū)域。本文基于4期MODIS影像，利用分裂窗算法反演了博斯騰湖流域不同季節(jié)LST變化并對反演結(jié)果進行精度驗證，即對LST時空分布特征與土地覆蓋類型之間的關(guān)系進行了研究，又進一步深入探討LST季節(jié)變化的趨勢分布，得出以下結(jié)論：

1) MOD11A2與4個氣象站月時間序列的實測

溫度數(shù)據(jù)與反演溫度數(shù)據(jù)的相關(guān)性R2都高于0.9，呈現(xiàn)出較高的一致性，說明MODIS溫度數(shù)據(jù)在研究區(qū)總體上符合精度要求，可用于流域LST的空間格局研究。

2) 博斯騰湖流域四季LST變化明顯，晝夜溫差很大。其中春季溫度分布在-17.02～31.52 ℃之間，夏季溫度分布在-9.99～56.04 ℃之間，秋季溫度分布在-16.45～37.31 ℃ 之間，冬季溫度分布在-32.42～10.79 ℃之間。無論是哪一季節(jié)，LST均表現(xiàn)出東南高于西北，冬夏兩季溫度變化和同一季節(jié)內(nèi)晝夜溫度變化明顯。

圖7 博斯騰湖流域2010年地表溫度季節(jié)變化趨勢Fig.7 The change trend of LST in Bosten Lake basin in 2010

3)從不同地域LST分布特征來看，在夏季東南地區(qū)裸土、沙漠/沙地、稀疏灌木林、旱地、裸巖等所覆蓋區(qū)域地表熱量豐富、溫度最高；中部地區(qū)湖泊、草本沼澤、落葉闊葉林、灌木園地等所覆蓋區(qū)域的LST次高；西北地區(qū)由于常年積雪、河流、植被覆蓋范圍廣等原因LST普遍較低。

4)博斯騰湖流域LST季節(jié)變化趨勢來看，白天，西北地區(qū)草原、草甸等所覆蓋區(qū)域和東南地區(qū)沙漠/沙地所覆蓋區(qū)域的LST季節(jié)變化有明顯增加趨勢；輕微減少趨勢區(qū)域主要分布在湖泊、稀疏草地、裸土、草原所覆蓋區(qū)域。夜間，東南地區(qū)湖泊、稀疏草地、旱地、草本沼澤、沙漠/沙地、稀疏林等所覆蓋區(qū)域有明顯增加趨勢；輕微減少面積稍微擴大，說明在夜間隨著溫度的降低，主要是以草原、冰川/永久積雪、草本沼澤等土地類型使低溫面積稍微擴大。

[1] 楊光華，包安明，陳曦，等. 1998-2007 年新疆植被覆蓋變化及驅(qū)動因素分析[J]. 冰川凍土，2009，31(6)：437-447.

YANG G H, BAO A M, CHEN X, et al. Study of the vegetation cover change its driving factors over Xinjiang during 1998-2007[J]. Journal of Glaciology and Geocryology, 2009, 31(6): 437- 447.

[2] 姚永慧, 張百平, 韓芳. 基于 MODIS 地表溫度的橫斷山區(qū)氣溫估算及其時空規(guī)律分析[J]. 地理學報, 2011, 66(7): 917- 92.

YAO Y H, ZHANG B P, HAN F. MODIS-based air temperature estimation in the Hengduan mountains and its spatio-temporal analysis[J]. Acta Geographicasinica, 2011, 66(7):917-927.

[3] 戴曉燕, 張利權(quán), 過仲陽, 等. 上海城市熱島效應(yīng)形成機制及空間格局[J]. 生態(tài)學報, 2009, 29(7): 3996-4004.

HUANG X Y, ZHANG L Q, GUO Z Y, et al. Mechanism of formation of urban heat island effect and its spatial pattern in Shanghai[J]. Actaecoligica Sinica, 2009, 29(7): 3996-4004.

[4] DOUSSET B, GOURMELON F. Satellite multi-sensor data analysis of urban surface temperature and land cover [J]. ISPRS Journal of Photogrammetry and Remote sensing, 2003, 58 (12): 43-54.

[5] VANCUTSEM C, CECCATO O, DINKU T, et al. Evaluation of MODIS Land surface temperature data to estimate air temperature in different ecosystems over Africa[J]. Remote Sensing of Environment, 2010, 114: 449-465.

[6] WILSON J S, CLAY M, MARTIN E, et al. Evaluating environmental influence of zoning urban ecosystems with remote sensing[J].Remote Sensing of Environment, 2003, 86: 303-321.

[7] 李景林, 張山清, 普宗朝, 等. 近 50 年新疆氣溫精細化時空變化分析[J]. 干旱區(qū)地理, 2013, 36(2): 40- 44.

LI J L, ZHANG S Q, PU Z C, et al. Spatial-temporal variation of seasonal and annual air temperature in Xinjiang during 1961-2010[J]. Arid Land Geography, 2013, 36(2):40-44.

[8] 王讓會. 西部干旱區(qū)內(nèi)陸河流域脆弱生態(tài)系統(tǒng)環(huán)境研究進展 -以新疆塔里木河流域為例[J]. 地球科學進展, 2000, 16(1): 40- 44.

WANG R H. Progress in the study on fragile ecological environment in the west part of arid zone: taking Tarim river basin as an example[J]. Advance in Earth Sciences,2000, 16(1): 40- 44.

[9] 歐陽斌, 車濤, 戴禮云, 等. 基于MODIS LST 產(chǎn)品估算青藏高原地區(qū)的日平均地表溫度[J]. 冰川凍土, 2012, 34(2): 296- 304.

OU Y B, CHE T, DAI L Y, et al. Estimating mean daily surface temperature over the Tibetan plateau based on MODIS LST product[J]. Journal of Glaciology and Geocryology, 2012, 34(2): 296-304.

[10] 柯靈紅, 王正興, 宋春橋, 等. 青藏高原東北部 MODIS 地表溫度重建及其氣溫對比分析[J]. 高原氣象, 2011, 30(2): 277- 287.

KE L H, WANG Z X, SONG C Q, et al. Plateau meteorology reconstruction of MODIS land surface temperature in Northeast Qinghai-Xizang plateau its comparsion with air temperature[J]. Plateau Meteorology, 2011, 30(2): 277 -287.

[11] 覃志豪, HANG Minghua, AMON Karnieli , 等. 用陸地衛(wèi)星 TM 6 數(shù)據(jù)演算地表溫度的單窗算法[J]. 地理學報, 2001, 56(4): 456- 466.

QIN Z H, HANG M H, AMON K, Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J]. Acta Geographica Sinica, 2001, 56(4): 456 -466.

[12] 馬耀明, 劉東升, 王介民, 等. 衛(wèi)星遙感敦煌地區(qū)地表特征參數(shù)研究[J]. 高原氣象, 2003, 22(6): 513-536.

MA Y M, LIU D S, WANG J M, et al. Study on land surface parameters over inhomogeneous Landscape Dunhuang area by using satellite data[J]. Plateau Meteorology, 2003, 22(6): 513- 536.

[13] PRICE J C. Land surface temperature measurements from the split window channels of the NOAA 7 advanced very high resolution radiometer [J]. Journal of Geophysical Research: Atmospheres, 1984, 89(D5): 7231-7237.

[14] RI C G , LIU Q H,LI H, et al. Improved split window algorithm to retrieve LST from Terra/MODIS data[J]. Journal of Remote Sensing, 2013: 831-838.

[15] MOSTOVOY GV, KING R L, REDDY K R, et al. Statistical estimation of daily maximum and minimum air temperatures from MODIS LST data over the state of Missippi[J]. GIS Science and Remote Sensing, 2006, 43: 78 -110 .

[16] 熱伊萊·卡得爾, 玉素甫江·如素力, 高倩, 等. 新疆焉耆盆地地表溫度時空分布對LUCC 的響應(yīng)[J].農(nóng)業(yè)工程學報, 2016, 32(20): 259-266.

REYILAI K, YUSUFUJIANG R, GAO Q, et al. Spatiotemporal response of land surface temperature to Land use/cover change in Yanqi Basin, Xinjaing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(20): 259-266.

[17] 田輝, 馬耀明, 胡曉, 等. 使用MODIS 陸地產(chǎn)品 LST 和 NDVI 檢測中國中、西部干旱[J]. 高原氣象, 2007, 26(5): 1086- 1097.

TIAN H, MA Y M, HU X, et al. Monitoring drought in mid-western China using MODIS land products LST and NDVI[J]. Plateau Meteorology, 2007, 26(5): 1086-1097.

[18] 周成虎, 羅格平, 李策, 等. 博斯騰湖環(huán)境變化及其與焉耆盆地綠洲開發(fā)關(guān)系研究[J].地理研究, 2001, 20(1): 15- 23.

ZHOU C H, LUO G P, LI C, et al. Environmental change in Bosten lake and its relation with oasis reclamation in Yanqi Basin[J]. Geographical Research, 2001, 20(1): 15-23.

[19] 邱冰, 姜加虎, 孫占東, 等. 基于統(tǒng)計降尺度模型的博斯騰湖流域未來氣溫和降水變化趨勢分析[J]. 資源科學, 2010, 32(6): 1133-1140.

QIU B, JIANG J H, SUN Z D, et al. Analysis of trends in future temperature and precipitation in the Bosten lake in based on a statistical down scaling model[J]. Resources Science, 2010, 32(6): 1133-1140.

[20] YUSUFUJIANG R, LI L H , SAJJAD A, et al. Dynamics model to simulate water and salt balance of Bosten Lake in Xinjiang, China[J]. Environmental Earth Sciences, 2015, 74(3): 2499-2510.

[21] 魏偉, 石培基, 楊旺明, 等. 基于MODIS數(shù)據(jù)的石羊河流域地表溫度空間格局[J]. 冰川凍土, 2013, 35(1):57- 64.

WEI W, SHI P J, YANG W M, et al. Spatial distribution of land surface temperature in Shiyang River basin based on MODIS data [J]. Journal of Glaciology and Geocryology, 2013, 35(1): 57-64.

[22] MAO K, QIN Z, SHI J, et al. A practical split-window algorithm for retrieving land-surface temperature from MODIS data[J]. International Journal of Remote Sensing, 2005, 26(15):3181-3204.

[23] MAO K, SHI J, LI Z, et al. An RM-NN algorithm for retrieving land surface temperature and emissivity from EOS/MODIS data [J]. Journal of Geophysical Research Atmospheres, 2007, 112(D21):5455-5467.

[24] KAUFAN Y J, GAO B C. Remote sensing of water vapor in the near IR from EOS/MODIS [J]. IEEE Transactions on Geoscience & Remote Sensing, 1992, 30(5):871-884.

[25] 覃志豪, 高懋芳, 秦曉敏, 等. 農(nóng)業(yè)旱災(zāi)監(jiān)測中的地表溫度遙感反演方法——以MODIS數(shù)據(jù)為例[J]. 自然災(zāi)害學報, 2005, 14(4): 64- 71.

QIN Z H, GAO M F, QIN X M, et al. Methodology to retrieve land surface temperature from MODIS data for agricultural drought monitoring in China[J]. Journal of Natural Disasters, 2005, 14(4): 64-71.

[26] 饒勝, 張惠遠, 金陶陶,等. 基于MODIS的珠江三角洲地區(qū)區(qū)域熱島的分布特征[J]. 地理研究, 2010, 29(1):127- 136.

RAO S, ZHANG H Y, JIN T T, et al. The spatial character of region heat island in Pearl River delta using MODIS remote sensing data[J]. Geographical Research, 2010, 29(1): 127 -136.

[27] Z QIN, A KARNIELI, P BERLINER.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region [J]. International Journal of Remote Sensing, 2001, 22(18):3719-3746.

[28] 喻元,白建軍,王建博,等.基于MOD16的關(guān)中地區(qū)實際蒸散發(fā)時空特征分析[J].干旱地區(qū)農(nóng)業(yè)研究,2015,33(3):245-253.

YU Y, BAI J J, WANG J B, et al. Analysis on sptio-temperoral characteristics of based on MOD16 in Guanzhong region[J]. Agricultural Research in the Arid Areas, 2015, 33(3):245-253.

MODISdata-basedstudyofthespatialdistributionoflandsurfacetemperatureinBostenlakebasinarea

REYILAIKadeer,YUSUfUJIANGRusuli,ADILAIWufu,AIZEZITIYUEMAIERMaimaiti,JIANGHong

(Institute of Geographical Science and Tourism∥Laboratory of Information Integration and Eco-Security∥Xinjiang Key Laboratory Lake Environment and Resources in Arid Zone，Xinjiang Normal University, Urumqi 830054, China)

In order to discriminate the response of the land surface temperature (LST) to underlying surface of Bosten lake watershed area, the land surface temperatures are calculated by MODIS split window algorithm and validated using observed metrological data. The results show that：① MODIS LST product is applicable for the analysis of spatio-temporal distribution characteristics of LST in Bosten Lake watershed area. ② The distribution of land surface temperatures is very different in different seasons and different regions. The land surface temperature varies between -17.02 ℃ and 31.52 ℃ in spring, between -9.99 ℃ and 56.04 ℃ in summer, between -16.45 ℃ and 37.31 ℃ in autumn, and between -32.42 ℃ and 10.79 ℃ in winter. ③ Spatial distribution of land surface temperature is related to land use types, which have affected the land surface temperature distribution in the study area. The highest LST is distributed in the desert/sandy land and the lowest LST distributed in glaciers and meadow area. The spatio-temporal distribution of LST is closely related to LUCC in the inland lake basins, and the green vegetation has the function of regulating climate and temperature in the oasis region, which is extremely vulnerable to the ecological environment of the arid region.

Bosten Lake Basin; MODIS; land surface temperature; split window algorithm; LUCC

P407

A

0529-6579(2017)05-0127-12

10.13471/j.cnki.acta.snus.2017.05.017

2016-12-04

新疆維吾爾自治區(qū)青年科技創(chuàng)新人才培養(yǎng)工程項目(QN2015YX009)；國家自然科學基金(41764003，41461006)；新疆師范大學博士啟動基金項目(XJNUBS1528)

熱伊萊·卡得爾(1991年生)，女；研究方向資源環(huán)境遙感；E-Mail: Rayilakader@126.com

玉素甫江·如素力(1975年生)，男；研究方向：應(yīng)用3S技術(shù)和流域水文與生態(tài)系統(tǒng)研究；E-mail:Yusupjan@xjnu.edu.cn