高原地區(qū)LST空間分異特征及影響因素研究
——以桑珠孜區(qū)為例

熊俊楠， 李偉， 程維明， 范春捆， 李進(jìn)， 趙云亮

(1.西南石油大學(xué)土木工程與建筑學(xué)院，成都 610500； 2.中國科學(xué)院地理科學(xué)與資源研究所資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，北京 100101； 3.西藏自治區(qū)農(nóng)牧科學(xué)院農(nóng)業(yè)研究所，拉薩 850000)

0 引言

地表溫度(land surface temperature, LST)是地球表面重要的水文和氣象參數(shù)，揭示高原地區(qū)LST空間分異特征及影響因素對(duì)高原地區(qū)氣候變化研究的意義重大。從宏觀角度看，影響LST空間分布的因素主要包括地貌、氣候和下墊面3個(gè)方面。目前，從自然因素和下墊面因素探討LST空間分異特征的研究較多。

很多學(xué)者利用海拔、土壤特性和坡度等因子研究了LST空間分異特征。Scarano等[1]根據(jù)不同海拔和LST的調(diào)查數(shù)據(jù)，得到不同季節(jié)LST的海拔梯度平均為3.5～4.6 ℃/km； Roca等[2]研究發(fā)現(xiàn)，沙質(zhì)土壤最易出現(xiàn)地表高溫，其次是黑鈣土和褐土； Kerchove等[3]發(fā)現(xiàn)LST空間和時(shí)間上的變化主要取決于氣象條件、地表覆蓋和土壤特征的變化。不少研究還發(fā)現(xiàn)，歸一化植被指數(shù)(normalized difference vegetation index, NDVI)與LST呈明顯的負(fù)相關(guān)關(guān)系[4-5]，在一定程度上可以用NDVI表征LST的分布情況。此外，錢樂祥等[6]還發(fā)現(xiàn)在表征地表熱特征方面，歸一化水汽指數(shù)(normalized difference moisture index, NDMI)也是一個(gè)較好的指標(biāo)； 文路軍等[7]和孫常峰等[8]也發(fā)現(xiàn)NDMI與LST之間存在著顯著的負(fù)相關(guān)關(guān)系，并且兩者的最佳擬合關(guān)系為二項(xiàng)式擬合而非線性擬合。然而，目前對(duì)LST分異特征的研究大多局限于單方面因子與LST的關(guān)系，忽略了多方面因子共同作用時(shí)對(duì)LST空間分布與分異特征的影響。同時(shí)，以高原地區(qū)作為研究區(qū)并且結(jié)合地貌(海拔、坡度和坡向等)、氣候(降水、空氣濕度等)和下墊面(土地類型、土壤類型等)3個(gè)方面因素，進(jìn)行LST空間分異特征與影響因素定量分析的研究還相對(duì)較少。

本文選取地處青藏高原地區(qū)的日喀則市桑珠孜區(qū)為研究區(qū)，使用Landsat8數(shù)據(jù)，采用2種典型的單波段反演算法進(jìn)行研究區(qū)LST的反演，并對(duì)LST的反演結(jié)果進(jìn)行檢核驗(yàn)證。在分析桑珠孜區(qū)地貌、氣候與下墊面因素的基礎(chǔ)上，利用LST反演結(jié)果、SRTM 數(shù)字高程模型(digital elevation model,DEM)數(shù)據(jù)與年均降水?dāng)?shù)據(jù)，應(yīng)用地理探測(cè)器模型中的因子探測(cè)器定量分析各單方面因子對(duì)LST空間分布與分異特征的影響； 應(yīng)用交互探測(cè)器定量分析多因子共同作用對(duì)LST空間分布及分異特征的影響，旨在為高原地區(qū)LST空間分異特征與形成機(jī)制的研究提供借鑒，為區(qū)域氣候變化研究提供參考。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

桑珠孜區(qū)位于西藏自治區(qū)的南部，日喀則市東部，區(qū)域總面積為3 665 km2，地理坐標(biāo)在E88°27′～89°41′，N28°56′～29°39′之間； 區(qū)內(nèi)地形復(fù)雜，地勢(shì)起伏較大，海拔在3 758～5 778 m之間，平均海拔在4 000 m以上，主要由寬谷和湖盆組成(圖1)。桑珠孜區(qū)氣候特征多樣，全區(qū)年平均氣溫為6.3 ℃，區(qū)域日均溫差達(dá)14 ℃以上，年均降水量為400 mm左右，年均日照時(shí)間達(dá)3 300 h，無霜期約120 d。桑珠孜區(qū)擁有豐富的礦產(chǎn)、太陽能和藥材資源以及極具潛力的旅游產(chǎn)業(yè)，開發(fā)和利用前景較為樂觀。

圖1 研究區(qū)位置及高程

1.2 數(shù)據(jù)源及其預(yù)處理

本文的主要基礎(chǔ)數(shù)據(jù)包括覆蓋研究區(qū)的Landsat8遙感影像、90 m空間分辨率的SRTM DEM數(shù)據(jù)、多年平均降水?dāng)?shù)據(jù)以及土地利用與土壤類型數(shù)據(jù)。其中Landsat8數(shù)據(jù)和SRTM DEM數(shù)據(jù)均來源于地理空間數(shù)據(jù)云網(wǎng)站(http: //www.gscloud.cn/)，Landsat8數(shù)據(jù)標(biāo)識(shí)為LC81390402015250LGN00，條帶號(hào)為139，行編號(hào)為40，云覆蓋量為0.66%； 年均降水?dāng)?shù)據(jù)來源于國家地球系統(tǒng)科學(xué)共享平臺(tái)(http: //www.geodata.cn/)； 土壤類型與土地利用數(shù)據(jù)均來源于地理國情監(jiān)測(cè)平臺(tái)(http: //www.dsac.cn)，數(shù)據(jù)的整體質(zhì)量較好。

由于下載的Landsat8數(shù)據(jù)已經(jīng)過基于地形的幾何糾正，故本文不再進(jìn)行幾何糾正。海拔、坡度和坡向均由SRTM DEM數(shù)據(jù)獲取。

2 研究方法

2.1 LST反演算法

2.1.1 輻射傳輸方程算法

輻射傳輸方程算法(radioactive transfer equation algorithm, RTE)是一種基于大氣輻射傳輸模型的傳統(tǒng)算法。在整個(gè)地氣系統(tǒng)的輻射傳輸過程中，衛(wèi)星接收的熱紅外輻射能量Lλ主要由經(jīng)大氣衰減后傳感器接收的熱輻射能量、大氣上行輻射亮度L↑和下行輻射亮度L↓這3部分構(gòu)成。衛(wèi)星接收到的熱紅外輻射亮度值即輻射傳輸方程[9]，其公式為

Lλ=[εB(Ts)+(1-ε)L↓]τ+L↑，

(1)

式中：ε為地表比輻射率；B(Ts)為黑體輻射亮度；Ts為地面真實(shí)溫度，K；L↓和L↑分別為大氣下行和大氣上行輻射亮度，W · m-2· Sr-1· μm-1；τ為大氣透過率。

假設(shè)地表、大氣對(duì)熱輻射具有朗伯體性質(zhì)，根據(jù)輻射傳輸方程可得出與地表真實(shí)溫度正相關(guān)的黑體輻射亮度B(Ts)，即

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/(τε)，

(2)

式中τ，L↑和L↓3個(gè)參數(shù)可以通過美國國家航空航天局官網(wǎng)(http: //atmcorr. gsfc. nasa. gov/)獲得(表1)。

表1 LST反演參數(shù)

在估算出黑體輻射亮度值B(Ts)后，根據(jù)普朗克定律的反函數(shù)，可得到地面的真實(shí)溫度值,其公式為

(3)

式中K1和K2為常數(shù)。TIRS 10波段的K1與K2分別為774.89 W · m-2· Sr-1· μm-1和1 321.08 K； TIRS 11波段中，K1與K2分別為480.89 W · m-2· Sr-1· μm-1和1 201.14 K。

2.1.2 普適性單通道算法

普適性單通道算法(single channel algorithm, SC)是由Jiménez-Muoz等[10]在2003年提出的適用于熱紅外單波段的LST反演算法。2014年Jiménez-Muoz等[11]在原有SC算法的基礎(chǔ)上，增加了針對(duì)Landsat8數(shù)據(jù)的大氣參數(shù)，即

Ts=γ[(ψ1Lsen+ψ2)/ε+ψ3]+δ，

(4)

(5)

(6)

式中：bγ為參數(shù)，對(duì)于TIRS 10波段，bγ=1 324 K，對(duì)于TIRS 11波段，bγ=1 199 K；Lsen為影像像元所對(duì)應(yīng)的光譜輻射值；Tsen表示由熱紅外波段轉(zhuǎn)換出的亮溫值；ψ1，ψ2，ψ3分別為中間變量，為避免大氣水汽含量的影響，故采用原始推導(dǎo)公式來計(jì)算，即

(7)

2.2 影響因素分析方法

地理探測(cè)器模型是王勁峰等[12]基于地理空間分異理論提出的一種能夠探測(cè)空間分異性、揭示其背后驅(qū)動(dòng)因子及因子間相對(duì)重要性與影響模式的統(tǒng)計(jì)學(xué)方法。該模型通過因子“解釋力”或“貢獻(xiàn)度”統(tǒng)計(jì)量衡量空間分異性、探測(cè)影響因子與分析因子間的交互關(guān)系。其基本思想是： 如果一種現(xiàn)象的發(fā)生總是和某些因子在空間分布上趨于一致，則可以認(rèn)為兩者在空間上存在一定的關(guān)聯(lián)性。通過對(duì)“現(xiàn)象—因子”間變化趨勢(shì)的分析，嘗試找出與這種現(xiàn)象在空間變化上具有顯著一致性的因子，以定量探測(cè)結(jié)果中統(tǒng)計(jì)量較高的因子，作為對(duì)該現(xiàn)象有較強(qiáng)解釋力和貢獻(xiàn)度的因子[13]。近年來，地理探測(cè)器模型在地理要素格局演變及地域空間分異等方面研究中的應(yīng)用非常廣泛[14-15]。

2.2.1 因子探測(cè)器

因子探測(cè)器通過因子“解釋力”或“貢獻(xiàn)度”的大小定量反映各類因子對(duì)LST空間分異特征的影響程度。其中，影響因子A對(duì)LST產(chǎn)生空間分異的解釋力大小P可以表達(dá)為[12]

(8)

2.2.2 交互探測(cè)器

交互探測(cè)器主要是通過因子交互后的解釋力大小來定量反映因子間的相對(duì)重要性以及對(duì)LST產(chǎn)生空間分異的影響模式。假設(shè)P(A)與P(B)分別是影響因子A與B對(duì)LST產(chǎn)生空間分異的解釋力，P(A∩B)是影響因子A與B交互后的解釋力，則在多因子共同作用下的影響模式主要有5種[16]。

1)非線性減弱：P(A∩B)

2)單線性減弱： min[P(A),P(B)]

3)雙線性增強(qiáng)：P(A∩B)>max[P(A),P(B)]。

4)相互獨(dú)立：P(A∩B)=P(A)+P(B)。

5)非線性增強(qiáng)：P(A∩B)>P(A)+P(B)。

2.3 LST影響因素分析

2.3.1 影響因子選取

根據(jù)物質(zhì)的熱輻射原理，LST受到地表輻射收支與能量平衡過程的控制[2]。在桑珠孜區(qū)等高原地區(qū)，地形、植被覆蓋、土地利用和土壤特性等引起的地表輻射差異，直接影響局部地區(qū)的地表凈輻射。在參考眾多學(xué)者的研究成果[17-20]后，本文選擇海拔、NDVI、土壤類型和NDMI等8類因子探究高原地區(qū)LST的分異特征與形成機(jī)理。

2.3.2 NDMI與NDVI獲取

高原地區(qū)的植被覆蓋狀況與地表水汽含量是影響區(qū)域氣候變化及地表熱特征的重要來源。NDVI和NDMI可以分別表征區(qū)域內(nèi)植被的覆蓋程度及地表的水汽特征。其中，NDVI定義為[20]

(9)

式中ρNir與ρRed分別為Landsat8 OLI的第5與第4波段的反射率。NDVI值域范圍在[ -1，1]之間，通常正值表示有植被覆蓋的區(qū)域，值越大植被覆蓋度越高； 0值表示裸土等基本無植被覆蓋的區(qū)域； 負(fù)值則一般表示水體、冰、雪等區(qū)域。

NDMI則是利用Landsat8 OLI的近紅外波段與中紅外波段反射率提取。NDMI定義為[20]

(10)

式中ρMir為Landsat8 OLI的第6波段的反射率。NDMI值域范圍在[0，1]之間，通常高值對(duì)應(yīng)水汽含量高的植被冠層與水體等物質(zhì)； 低值則對(duì)應(yīng)巖石、建筑物等水汽含量較低的地物。

2.3.3 統(tǒng)計(jì)分析

為了研究本文所選的8類因子對(duì)高原地區(qū)LST空間分異特征的影響，首先利用ArcGIS軟件中的數(shù)據(jù)管理工具在研究區(qū)內(nèi)創(chuàng)建3 000個(gè)隨機(jī)點(diǎn)； 然后利用提取分析工具分別提取隨機(jī)點(diǎn)處的LST值與海拔、NDVI和NDMI等信息。由于NDVI負(fù)值在針對(duì)植被覆蓋及LST的相關(guān)研究中，參考價(jià)值不大，故只保留NDVI>0且同時(shí)含有其他7類因子信息的隨機(jī)點(diǎn)開展進(jìn)一步的研究。為了能較為清晰地反映LST與各類因子間的關(guān)系，生成LST與海拔、坡度、坡向、年均降水量、NDVI和NDMI等6類可量化因子間的散點(diǎn)圖，并構(gòu)建出LST與各類因子間的最佳擬合關(guān)系，以決策系數(shù)R2來描述LST與各因子間的相關(guān)程度。自然斷點(diǎn)法可以根據(jù)數(shù)據(jù)的分布規(guī)律自然分組，避免人為因素干擾，提高研究結(jié)果的可靠性與說服力[21]。在進(jìn)行地理探測(cè)器因子探測(cè)與交互探測(cè)前，將土地類型和土壤類型這2類不可量化因子按屬性分層，采用自然斷點(diǎn)法將其他6類可量化因子值分別重分類為5層，每層隨機(jī)點(diǎn)均達(dá)到反映對(duì)象真實(shí)性質(zhì)的大樣本要求。

3 結(jié)果與分析

3.1 LST反演結(jié)果與驗(yàn)證

研究區(qū)Landsat8數(shù)據(jù)的LST反演結(jié)果如圖2和表2所示。

(a) RTE算法結(jié)果 (b) SC算法結(jié)果

表2 LST反演結(jié)果對(duì)比

從空間分布來看，2種算法反演結(jié)果的空間分布基本一致，LST較高的地區(qū)均位于研究區(qū)內(nèi)海拔較低的寬谷、湖盆地區(qū)； 而在海拔較高的區(qū)域，LST則相對(duì)較低。從反演結(jié)果看，2種算法的反演結(jié)果十分接近，LST均值相差0.28 ℃，最大值與最小值分別相差0.27 ℃與0.3 ℃，標(biāo)準(zhǔn)差分別為7.07 ℃與7.08 ℃，這與研究區(qū)地形復(fù)雜，氣候多樣的特點(diǎn)相吻合。通過與同時(shí)段研究區(qū)氣象站點(diǎn)監(jiān)測(cè)的氣象數(shù)據(jù)對(duì)比，表明Landsat8數(shù)據(jù)的LST反演結(jié)果可靠性較高。

3.2 LST與影響因子的相互關(guān)系

利用以“NDVI>0”的屬性篩選后含有LST值與其他7類影響因子信息的1 183個(gè)隨機(jī)點(diǎn)來研究各類因子對(duì)LST空間分布與分異特征的影響。同時(shí)，構(gòu)建出6類可量化因子與LST間的最佳擬合關(guān)系?？闪炕蜃优cLST的散點(diǎn)圖如圖3所示，全部影響因子的空間分布情況如圖4所示。

(a) 海拔與LST (b) 坡度與LST (c) 坡向與LST

(d) 年均降水量與LST (e) NDVI與LST (f) NDMI與LST

(a) 海拔 (b) 坡度 (c) 坡向

(d) 年均降水量 (e) 土地類型 (f) 土壤類型

(g) NDVI(h) NDMI(i) RTE算法反演LST

從圖3和圖4可以看出，各類因子間及各類因子與LST間在空間分布上具有明顯的差異。在可量化因子與LST的最佳擬合關(guān)系中，海拔與LST間的擬合程度最高，R2達(dá)到了0.482； 其后依次為NDVI，NDMI、坡向和坡度； 而年均降水量的擬合程度則相對(duì)較差，R2不足0.1。NDVI與NDMI的最佳擬合為二項(xiàng)式擬合，并且NDVI的二次項(xiàng)系數(shù)為正值，NDMI的二次項(xiàng)系數(shù)為負(fù)值，這與孫常峰等[8]的結(jié)論相一致。在所有可量化因子中，坡向與LST間呈現(xiàn)出LST隨坡向度數(shù)的增加先增加后降低的趨勢(shì)，這與韓貴鋒等[22]所得結(jié)論一致。除坡向外，其他因子與LST之間均呈明顯的負(fù)相關(guān)關(guān)系，在海拔、NDVI、坡度、NDMI和年均降水量不斷增加的情況下，LST會(huì)逐漸降低，但下降速度各有差異。

3.3 LST的影響因素

3.3.1 因子探測(cè)結(jié)果與分析

將1 183個(gè)隨機(jī)點(diǎn)中的因子重分類結(jié)果與LST應(yīng)用因子探測(cè)器進(jìn)行探測(cè)，探測(cè)結(jié)果如表3和表4所示。

表3 單影響因子的探測(cè)結(jié)果

表4 因子影響LST顯著性差異統(tǒng)計(jì)(置信水平95%)

注： 1表示土壤類型; 2表示土地類型; 3表示NDVI; 4表示海拔; 5表示坡度; 6表示坡向; 7表示NDMI; 8表示年均降水量。

從表3可以看出，其他因子Q值均為0.00，而土地類型的Q值為0.09(>0.05)，說明在高原地區(qū)土地類型對(duì)LST空間分布與分異特征的影響并不顯著，不能夠作為影響因子。綜合分析表3和表4可以看出，海拔與NDVI對(duì)LST空間分布與分異特征的影響較為顯著，解釋力較強(qiáng)，是主要影響因子； 而坡向、NDMI、土壤類型與坡度的解釋力則相對(duì)較弱，是次要影響因子。從單因子的角度來看，海拔(解釋力P=0.458 6)是影響LST的空間分布與分異特征最主要因子，這與孫常峰等[8]得出的結(jié)論相一致； 其后依次為NDVI(解釋力P=0.302 4)、坡向(解釋力P=0.244 4)、NDMI(解釋力P=0.196 5)、土壤類型(解釋力P=0.171 3)與坡度(解釋力P=0.133 0)。年均降水量對(duì)LST的空間分布與分異特征的影響程度明顯偏弱，解釋力不足0.1。

3.3.2 交互探測(cè)結(jié)果與分析

為了進(jìn)一步分析各類因子與LST間的關(guān)系，將1 183個(gè)隨機(jī)點(diǎn)中的因子重分類結(jié)果與LST應(yīng)用交互探測(cè)器進(jìn)行探測(cè)，探測(cè)結(jié)果如表5所示。

表5 多影響因子的交互作用

從表5可以看出，高原地區(qū)LST的空間分布與分異特征的形成并非只受到一種因子的影響，而是由多種因子共同作用的結(jié)果，并且影響效果更為顯著。其中，海拔與坡向(交互解釋力P=0.710 4)的協(xié)同作用最為明顯，其后依次為海拔與NDMI(交互解釋力P=0.633 2)、海拔與NDVI(交互解釋力P=0.573 9)。在與海拔的共同作用下，與NDVI相比，NDMI的作用效果更為明顯。與單個(gè)因子的解釋力相比，所有因子在相互交互后對(duì)LST的空間分布與分異特征的影響均具有協(xié)同增強(qiáng)的作用，并且所有因子的影響效果均為非獨(dú)立存在的。海拔與坡向在相互作用環(huán)境下的交互解釋力(0.710 4)遠(yuǎn)遠(yuǎn)大于單因子作用下的解釋力(0.458 6與0.244 4)。通過交互探測(cè)器的探測(cè)結(jié)果也可以發(fā)現(xiàn)，各影響因子之間的相互作用也并非因子間簡(jiǎn)單的相乘或相加關(guān)系，而是一種相對(duì)復(fù)雜的疊加關(guān)系，這也是地理探測(cè)器的優(yōu)勢(shì)所在。

4 結(jié)論

本文利用Landsat8數(shù)據(jù)，采用2種典型的地表溫度(LST)反演算法獲得了研究區(qū)LST，同時(shí)應(yīng)用地理探測(cè)器模型的因子探測(cè)器與交互探測(cè)器分別定量探測(cè)出單因子與多因子共同作用時(shí)對(duì)LST的影響程度，得到了以下結(jié)論：

1)在可量化因子中，除坡向外的其他因子與LST間均呈明顯的負(fù)相關(guān)關(guān)系，LST隨著NDVI、海拔、NDMI、坡度以及年均降水量的增加會(huì)逐漸降低，但下降速度存在差異； 坡向則與LST呈現(xiàn)出LST隨坡向度數(shù)的增加先增加后降低的趨勢(shì)。

2)在單因子作用下，海拔是影響高原地區(qū)LST空間分布與分異特征的最主要因素，解釋力最強(qiáng)，其后依次為NDVI、坡向、NDMI、土壤類型、坡度與年均降水量。

3)高原地區(qū)LST的空間分布與分異特征的形成并非只受到一種因子的影響，而是由多因子共同作用的結(jié)果。在多因子共同作用下，海拔與坡向、海拔與NDMI以及海拔與NDVI對(duì)LST的空間分布與分異特征的影響最為顯著，解釋力最強(qiáng)。同時(shí)，與單因子相比，所有因子在交互作用下對(duì)LST的空間分布與分異特征的影響均具有協(xié)同增強(qiáng)的作用。