基于GEE的2000—2019年間升金湖濕地不同季節(jié)地表溫度時空變化及地表類型響應

葉婉桐，陳一鴻，陸胤昊,2，吳鵬海,2,3

(1.安徽大學資源與環(huán)境工程學院，合肥 230601；2.濕地生態(tài)保護與修復安徽省重點實驗室(安徽大學)，合肥 230601；3.安徽大學物質(zhì)科學與信息技術研究院，合肥 230601)

0 引言

濕地被譽為“地球之腎”，具有改善氣候、控制污染和維持區(qū)域生態(tài)平衡等重要作用[1]，水汽蒸發(fā)、植物蒸騰等過程吸收潛熱是濕地能夠調(diào)節(jié)局部氣候的關鍵[2]。然而，濕地具有脆弱、破壞后難以恢復、對溫度變化較為敏感的特性[3]，相關研究表明，氣溫每升高3 ℃，需要降雨量增加20%才能補償因溫度升高而產(chǎn)生的對濕地生態(tài)系統(tǒng)的不良影響[4]。在局地尺度上，相比氣溫而言，地表溫度不僅取決于熱輻射，還會隨著土地利用/覆蓋變化(land use/cover change,LUCC)而發(fā)生變化[5]。

國內(nèi)外學者通過空間分析、多元線性回歸分析等方法定性或定量研究城市區(qū)域地表溫度變化及其對LUCC的響應，取得了系列重要結(jié)論[6-8]；近年來，濕地區(qū)域地表溫度相關研究也取得一定進展。杜嘉等[9]以洪河濕地為例從多個角度驗證了3種地表溫度反演算法的精度；鄒驍?shù)萚10]選取冬季和夏季研究杭州西溪濕地不同土地覆蓋類型的地表溫度響應；杜培軍等[11]結(jié)合LUCC綜合分析了江蘇濱海濕地不同地物類型的升溫情況；鄭慧禎等[12]利用剖面分析和模型構建方法分析了城市化進程中河口濕地表面溫度的擾動特征。然而上述工作大多基于若干個年份的部分季節(jié)數(shù)據(jù)，探究密集人類活動、建成區(qū)擴張等城市化因素對城市內(nèi)部濕地或河口海岸濕地地表溫度的影響；盡管也取得了一些重要結(jié)論，但對非城市化因素引起天然濕地的地表溫度擾動特征的報道較少，且缺乏對濕地區(qū)域地表溫度的長時序、四季變化研究，往往無法發(fā)現(xiàn)年際尺度濕地區(qū)域地表溫度的季節(jié)性變化特征與規(guī)律，不利于濕地的管理與保護。

安徽省升金湖作為長江中下游國際重要濕地，以保護淡水湖泊生態(tài)系統(tǒng)和瀕危鳥類為主體[13]，正面臨著自然過程、圍湖造田、開發(fā)養(yǎng)殖等引起的生態(tài)系統(tǒng)的威脅，已吸引相關學者從宏觀角度開展研究。李鑫等[13-14]在升金湖濕地土地利用變化與景觀生態(tài)風險、候鳥生境方面取得不少成果；宋昀微等[15]在生境變化對升金湖越冬水鳥群落影響方面進行了較深入研究，此外還有一些學者從土地利用動態(tài)[16]、景觀格局與水位關系[17]、草灘植被地上生物量遙感反演[18]、水體懸浮物遙感反演[19]等維度進行研究。由于升金湖濕地特殊的地理位置，受城市化進程影響較小，且湖內(nèi)水域與長江水體相通，除了明顯的豐水期和枯水期，地表溫度的變化也使得湖內(nèi)泥灘、草灘等濕地重要地表類型發(fā)生明顯改變，從而影響濕地生態(tài)系統(tǒng)功能。因此有必要開展升金湖地區(qū)長時序、四季地表溫度時空變化研究，進一步探討諸如耕地耕作方式與種植結(jié)構、基礎設施布局、植被覆蓋等非城市化因素對天然濕地表面溫度擾動的影響。

谷歌地球引擎(Google Earth Engine，GEE)作為一個實現(xiàn)全球尺度地球科學數(shù)據(jù)可視化計算的地理空間分析云平臺，其海量遙感數(shù)據(jù)存檔及強大的并行計算能力為長時序四季遙感監(jiān)測提供技術便利。目前已有學者基于該平臺開展?jié)竦睾聪到y(tǒng)pH值估算[20]、城市熱島效應[21]、土地復墾與可持續(xù)發(fā)展[22]等方面研究。本文在GEE平臺上篩選2000—2019年升金湖濕地四季Landsat遙感數(shù)據(jù)，基于輻射傳輸方程法實現(xiàn)地表溫度的批量反演，得到2000—2019年間升金湖不同季節(jié)地表溫度時空變化，并分析其與地表類型的響應情況，以期為升金湖濕地保護與合理開發(fā)提供決策支持。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

升金湖濕地(E116°55′～117°15′，N30°15′～30°30′)地處安徽省池州市境內(nèi)、長江南岸(圖1)。作為珍稀水鳥越冬的棲息地，升金湖地區(qū)是國家級重點水禽自然保護區(qū)，2015年被列入《國際重要濕地名錄》。

圖1 研究區(qū)域地理位置Fig.1 The geographical location of study area

升金湖屬于內(nèi)陸季節(jié)性淡水湖泊，豐水期湖區(qū)面積可達140 km2，枯水期形成季節(jié)性草灘，水面不足34 km2。該區(qū)域?qū)賮啛釒Ъ撅L氣候，雨量充沛，年均降雨量1 600 mm，年均蒸發(fā)量757.5 mm，年平均氣溫為16.14 ℃[23]。

1.2 Google Earth Engine平臺簡介

GEE是由谷歌、卡內(nèi)基梅隆大學和美國地質(zhì)調(diào)查局共同開發(fā)的云端計算平臺，其提供了基于Web端的在線JavaScript API、離線Python API與分析工具等[24]。GEE不僅為用戶提供了包括40多年Landsat系列衛(wèi)星影像及其他不同分辨率的影像數(shù)據(jù)集，還提供有高程數(shù)據(jù)、氣象數(shù)據(jù)和人口統(tǒng)計數(shù)據(jù)等。與ENVI等付費遙感影像處理工具相比，GEE平臺具有集免費、海量數(shù)據(jù)選擇、批量處理、可視化計算于一體的優(yōu)勢?；谄湄S富的數(shù)據(jù)集和強大的后臺運算能力，GEE可滿足用戶不同的數(shù)據(jù)處理及分析需求。

1.3 數(shù)據(jù)源

考慮到數(shù)據(jù)的可獲得性和逐年四季監(jiān)測的需求，選擇空間分辨率較高(30 m)以及時間連續(xù)性較好的Landsat系列數(shù)據(jù)[25]。根據(jù)升金湖濕地的地理位置及季節(jié)特性，本文選取2000—2019年四季、研究區(qū)域上空無云覆蓋的衛(wèi)星影像共66景(受天氣影響，每個季節(jié)的不同年份上存在數(shù)據(jù)缺失)，行列號為121/39，并將3—5月作為春季，6—8月作為夏季，9—10月作為秋季，11—次年2月作為冬季。數(shù)據(jù)獲取時間及衛(wèi)星傳感器信息如表1所示。溫度反演所用數(shù)據(jù)集采用GEE平臺(https://earthengine.google.com/)上所提供的原始DN值影像、大氣校正后的地表反射率等即用型產(chǎn)品。數(shù)據(jù)預處理主要包括輻射定標、去條帶和影像裁剪等。其他輔助數(shù)據(jù)為升金湖矢量邊界和MODIS地表溫度產(chǎn)品。

表1 Landsat遙感影像數(shù)據(jù)Tab.1 The remote sensing data of Landsat

由于缺乏研究區(qū)站點地表溫度數(shù)據(jù)，為了驗證反演的Landsat地表溫度產(chǎn)品，本文選擇與Landsat衛(wèi)星過境時間相近(當?shù)貢r間上午10:30)的Terra衛(wèi)星的第六版本MODIS每日地表溫度產(chǎn)品(MOD11A1，C6，軌道號為h28v05)進行驗證[26]，該產(chǎn)品具有較好的反演精度，空間分辨率為1 km[27]。

2 研究方法

2.1 地表覆蓋信息提取

本文對照Google Earth、高分1/2號同期高分辨率影像及Landsat數(shù)據(jù)本身等參考影像，在研究區(qū)內(nèi)均勻地選取訓練樣本，采用支持向量機法(support vector machine,SVM)將研究區(qū)土地利用類型劃分為林地、水體、耕地、人造表面和灘涂(泥灘、草灘)5類。需要指出的是監(jiān)督分類要求獨立的樣本信息，難以進行GEE批量分類。

由于數(shù)據(jù)量較大，本文選取2002年、2010年及2019年3期四季遙感數(shù)據(jù)(共12景)進行分類精度評價。在ArcGIS10.2工具下，采用抽樣統(tǒng)計精度驗證法在研究區(qū)域內(nèi)生成400個隨機點，結(jié)合同期參考影像進行人工目視判讀，計算總體分類精度和Kappa系數(shù)。結(jié)果如表2所示，分類結(jié)果的Kappa系數(shù)總體大于0.87，總體分類精度均大于90%，符合本實驗要求。

表2 分類精度評價結(jié)果Tab.2 The evaluation results of classification accuracy

2.2 地表溫度反演與精度評價

目前較為成熟的Landsat地表溫度反演方法有單通道算法、基于輻射傳輸方程的大氣校正法和多通道算法等[28]。由于單窗算法、普適性單通道算法所需的升金湖地區(qū)大氣參數(shù)數(shù)據(jù)獲取不易，而劈窗算法需利用相鄰熱紅外通道僅適用于Landsat8數(shù)據(jù)，且精度不夠理想[29]。因此，本文綜合比較后采用基于輻射傳輸方程的大氣校正法，相關研究證明其反演結(jié)果均方差在2 ℃左右；對于長時序應用而言，精度在可接受的范圍內(nèi)[30-31]。

輻射傳輸方程法具有明確的物理基礎。假設大氣、地表對熱輻射均具有朗伯體性質(zhì)，熱紅外輻射傳感器所接收的能量可以表示為[32]：

B(TS)=[Lλ-L↑-τ(1-ε)L↓]/τε，

(1)

式中：B(TS)為溫度為TS的黑體在熱紅外波段的輻射亮度值，W·m-2·sr-1·μm-1；Lλ為熱紅外波段大氣校正后的輻射定標值，W·m-2·sr-1·μm-1；ε為地表比輻射率值；τ為大氣在紅外波段的透過率；L↑和L↓分別為大氣上行、下行輻射亮度，W·m-2·sr-1·μm-1。其中，τ，L↑和L↓這3個參數(shù)在美國國家航空航天局官網(wǎng)提供的大氣校正參數(shù)計算器(http://atmcorr.gsfc.nasa.gov/)中輸入成影日期、時間及中心經(jīng)緯度即可獲得，該計算器主要依靠MODTRAN輻射傳輸代碼和整體算法來估計特定點的透過率和大氣上下輻射亮度，誤差僅為3%左右[33]。

根據(jù)普朗克公式的反函數(shù)，推導出地表真實溫度TS的計算公式為：

TS=K2/ln[K1/B(TS)+1]，

(2)

式中：TS為地表真實溫度，K；K1和K2為衛(wèi)星發(fā)射前傳感器的預設常量，可從頭文件中獲取，對于Landsat TM/ETM+/TIRS傳感器，K1分別為607.76，666.09和774.89 W/(m2·sr·μm)，K2分別為1 260.56，1 282.71和1 321.08 K；以上過程均在GEE平臺上編程批量實現(xiàn)。

選取同期第六版本MOD11A1作為基準進行溫度驗證。根據(jù)MODIS像元大小，對Landsat溫度反演結(jié)果使用最近鄰內(nèi)插法重采樣。由于空間分辨率限制，MODIS的每個像元可能包含混合信息，因此，依據(jù)分層抽樣的原則，選擇林地、水體、耕地等5種土地利用類型均質(zhì)變化的區(qū)域分別驗證。以MODIS LST為真實值，地表溫度驗證公式為：

(3)

式中：δ為某一像元的相對誤差,%；LST為該像元Landsat影像溫度反演結(jié)果，K；LSTM為該像元MODIS地表溫度產(chǎn)品值，K。驗證結(jié)果顯示，由于過境時間差異，除夏季外各地物類型像元相對誤差在0.01%～3.74%之間，夏季不超過5%，表明溫度反演結(jié)果具有可靠性。

2.3 溫度分級

由于季節(jié)劃分方式、溫度周期性變化、影像獲取時間前后氣象條件差異(盡管獲取時間是無云，但該影像是否受觀測時間前后可能的云、雨等影響未知)等因素存在，地表溫度存在波動難以直觀地反映變化趨勢。為了增強年間、年際的可比性，需對地表溫度反演結(jié)果進行歸一化處理，從而更精確地研究長時間序列下升金湖地表溫度時空變化情況。本文采用歸一化方法[34]將地表溫度分布范圍統(tǒng)一到0～1之間，計算公式為：

(4)

式中：NLSTi為歸一化后像元i的值；LSTi為像元i的地表溫度反演值；LSTmin和LSTmax分別為圖幅范圍內(nèi)地表溫度最小和最大值。

使用平均值和標準差將歸一化的地表溫度劃分為5個級別[7]，具體分級方法見表3(Tmean為歸一化地表溫度平均值，STD為標準差)。在對每景地表溫度數(shù)據(jù)進行分類之后，統(tǒng)計每個溫度級別所占的面積，探究研究時段內(nèi)每個溫度級別面積的變化趨勢。

表3 基于均值和標準差的地表溫度分類法Tab.3 The classication of land surface temperature based on mean and standard deviation

表3 基于均值和標準差的地表溫度分類法Tab.3 The classication of land surface temperature based on mean and standard deviation

等級分級標準極低溫T≤Tmean-1.5STD低溫Tmean-1.5STDTmean+1.5STD

3 結(jié)果與分析

3.1 地表溫度空間分布特征分析

利用上述分級策略對反演的2000—2019年間四季地表溫度數(shù)據(jù)進行等級劃分，并對5個溫度等級依次賦予1～5的值，地表溫度越高則值越大，按季節(jié)對不同年份地表溫度等級求平均，以反映這近20 a間四季研究區(qū)的地表熱分布差異，如圖2所示?？傮w上，研究區(qū)2000—2019年地表溫度呈現(xiàn)為春季高溫區(qū)域分布相對分散(圖2(a))；由于研究區(qū)西北部臨江且人口相對密集，反照率相對較低，吸熱能力相對較強的人造表面占比較高、而研究區(qū)東南部主要以丘陵地形為主，土地利用類型主要為林地，這種土地利用的空間差異，導致夏、秋兩季西北部溫度往往高于東南部(圖2(b)和(c))；而在冬季，由于水位下降，受西南側(cè)流域入湖年徑流量最大的張溪河所形成的三角洲和灘涂大面積出露，以及東南方向林間耕地的影響，冬季高溫主要分布在南部(圖2(d))；水域四季溫度均處于最低。表明升金湖四季地表溫度空間分布差異明顯。極高溫區(qū)的空間分布與不透水面及人類的生產(chǎn)生活范圍(人造表面及其緩沖區(qū)在內(nèi)的區(qū)域)呈密切相關，在升金湖西側(cè)和東北角高速公路沿線沿走向分布，在北側(cè)村莊分布區(qū)呈零星或連片狀分布。高溫區(qū)作為過渡，往往分布在極高溫區(qū)的四周。此外，還有一部分灘涂地區(qū)屬于極高溫區(qū)、高溫區(qū)，可能是由于泥灘上砂礫裸露，受熱升溫迅速。不同季節(jié)這些灘涂的空間分布有一定差異，春、冬兩季水位較低湖床出露，在湖北岸、東北角及西南角均有出現(xiàn)；夏季少量高溫灘涂集中在湖西南角。中溫區(qū)分布最廣，分散于整個研究區(qū)，主要包括林地、耕地、草灘所在位置，如升金湖中部東岸分布有大面積林地，植被覆蓋度高，2000—2019年間四季均處于中溫區(qū)。極低溫區(qū)、低溫區(qū)主要分布在升金湖的水體部分，二者面積受沉水植物數(shù)量、湖中灘涂面積等影響，沉水植物多、灘涂面積大即水體面積小，低溫區(qū)面積也隨之減小。

(a)春季 (b)夏季

基礎設施布局與耕地開墾等引發(fā)地表溫度級別空間分布轉(zhuǎn)變。對比有高速公路穿過的研究區(qū)東北角發(fā)現(xiàn)，2000年春、秋季該片區(qū)域普遍屬于中溫區(qū)，同年冬季轉(zhuǎn)變成高溫區(qū)，2001年春季進一步轉(zhuǎn)化為極高溫區(qū)且面積擴大，2003年夏季又以中溫區(qū)為主，極高溫區(qū)則明顯呈細條帶狀與高速公路形狀類似，此后每年夏季此處均存在以高速公路為中心且寬度稍大的條狀極高溫區(qū)。由此推斷這種局部從中溫向極高溫的轉(zhuǎn)變可能是由高速公路修建施工所造成的，修建完成后土地利用類型由耕地轉(zhuǎn)為人造表面。因此，區(qū)域性地表溫度的變化受基礎設施建設影響較大，且這種影響是持續(xù)的。耕地耕作方式的改變雖未造成明顯的土地利用類型轉(zhuǎn)變，但同樣使地表溫度等級發(fā)生變化，其熱效應在夏季較為顯著，如升金湖北部區(qū)域耕地從最一開始的中溫區(qū)夾雜少量低溫區(qū)(2003—2005年)逐漸變?yōu)闃O高溫區(qū)(2009—2012年)又變回中溫區(qū)(2017—2019年)，地表溫度整體呈現(xiàn)先上升后下降的趨勢，說明耕地的開墾對地表熱環(huán)境改善做出負向貢獻，而在此基礎上合理的耕作方式與種植結(jié)構則產(chǎn)生正向貢獻。

3.2 地表溫度時間變化分析

圖3為對2000—2019年研究區(qū)不同季節(jié)各地表溫度級別占比進行統(tǒng)計分析?？梢钥闯?，升金湖濕地以中溫區(qū)為主，面積占比在50.62%～75.42%之間，低溫區(qū)次之，占比最高可達30.01%，極高溫面積最小，占比在0.62%～9.88%間。2000—2019年間極高溫、高溫、中溫、低溫、極低溫平均分別占總面積的4.32%，10.22%，63.78%，13.23%和8.45%。各地表溫度級別面積占比隨季節(jié)、年份等時間趨勢不同產(chǎn)生變化，例如不同年份的夏季極高溫占比變化較小，較為穩(wěn)定，但中溫區(qū)占比總體呈上升趨勢。從表1中選取四季統(tǒng)計數(shù)據(jù)完整的共10 a統(tǒng)計數(shù)據(jù)(2002—2006年、2008—2010年、2017年和2019年)用于各溫度級別年內(nèi)特征的分析。這10 a里，極高溫區(qū)面積占比最高的季節(jié)始終是夏季，最高可達9.88%(2003年)。中溫區(qū)占比秋季最低，其年內(nèi)面積占比極差平均在12.03%左右，季節(jié)間變化幅度最大的年份是2010年，夏季、秋季中溫區(qū)分別占70.54%和50.62%，降幅達19.92百分點，對比這兩景發(fā)現(xiàn)造成占比差異的主要原因是，該年夏季水溫整體偏高導致有部分水體被劃為中溫區(qū)，而秋季水體與陸地溫差增大，中溫區(qū)占比回落；最穩(wěn)定的年份為2019年，夏季、秋季中溫區(qū)各占65.91%和61.98%，降幅僅3.93百分點。從2006年開始，冬季極低溫區(qū)面積占比最高，且低溫區(qū)占比保持最低(僅3.42%～10.48%)，而在2006年以前，冬季低溫區(qū)占比可達15%以上，表明冬季水體與陸地表面溫度之間差異逐漸擴大，升金湖地區(qū)人造表面占比的增加以及入湖河流帶來的泥沙共同導致冬季裸地面積占比增加是造成水陸溫差增大的可能原因。

(a)不同年份春季各溫度級別占比 (b)不同年份夏季各溫度級別占比

2015—2019年間，夏季、秋季極低溫區(qū)占比極低(<1%)，即水域溫度有所升高。水體溫度升高，蒸發(fā)所吸收的熱量相應減少，濕地的降溫效果也隨之減弱[35]。2016年夏季、秋季極低溫面積占比分別為0.35%和0.12%；2017年夏季、秋季略有增長但占比仍小于1%，分別為0.48%和0.99%；2018年夏季占比依然小于1%，但秋季有所回升達6.42%；2019年夏季極低溫占比高于1%，為1.78%，秋季略微下降至6.14%。主要是因為周邊地區(qū)城鎮(zhèn)化發(fā)展迅猛、人工圍網(wǎng)養(yǎng)魚[13]、林地覆蓋度減小等不利影響逐年累積，保溫保濕能力減弱，在太陽輻射強度大的夏季表現(xiàn)的較為明顯。得益于環(huán)保意識提升、漁業(yè)養(yǎng)殖停止，這種現(xiàn)象有所好轉(zhuǎn)；此外，生態(tài)保護建設推進也使得部分被挖空而裸露的山體地表轉(zhuǎn)為林地，一定程度上緩解地表熱環(huán)境壓力，因而近兩年極低溫占比呈增長態(tài)勢。

3.3 地表溫度與地物類型響應分析

不同地表覆蓋類型與地表溫度之間存在響應差異，為考察二者的對應關系，本文基于ArcGIS軟件統(tǒng)計不同地物類型的平均溫度。

結(jié)果表明，不同年份水體對應的地表溫度始終最低，多年平均溫度為19.11 ℃，人造表面、耕地所覆蓋的地溫最高，多年平均溫度分別為24.18 ℃和23.20 ℃。在冬季，多數(shù)耕地因休耕而與裸地情況類似，偶有地表溫度略高于人造表面0.07～0.53 ℃的情況。各地表覆蓋類型間的平均最大溫差以冬季最小、春季最大，春、夏、秋、冬分別為6.15 ℃，4.98 ℃，5.29 ℃和4.34 ℃。

值得注意的是，2009年、2010年春季林地地表溫度最高，其主要原因是林地面積由2008年冬天的44.62 km2減少到2009年春天的39.52 km2，升金湖蜈蚣山體西部有部分林地轉(zhuǎn)變成了耕地，導致林地不再大面積呈片狀分布，郁閉度不足，因此太陽輻射可以穿過林冠層直射地表使其下方溫度升高，且毗鄰耕地的林地接收到來自耕地的熱輻射、反射等，地表溫度較其他林地區(qū)域有明顯增高。

近些年，受國家“退耕還濕”、“植樹造林”等綠色發(fā)展理念實行的影響，林地面積有所回升，濕地生態(tài)環(huán)境有所改善。但對比2000年11月2日與2019年11月23日各地表類型平均溫度發(fā)現(xiàn)，林地、水體、耕地、人造表面及灘涂的變化分別為+2.49，+1.1，+2.58，+2.35及+3.01 ℃/10 a，說明除了觀測日期晚了20 d左右?guī)淼臏夭睿瑵竦厣鷳B(tài)系統(tǒng)各地表類型在冬季有一定增溫。

4 結(jié)論與展望

本文基于GEE平臺利用2000—2019年共66景Landsat系列遙感影像，通過監(jiān)督分類、地表溫度反演、溫度分級等定性定量分析了升金湖濕地的地表溫度時空變化及其與地表覆蓋的響應情況，得出以下結(jié)論：

1)研究區(qū)不同季節(jié)溫度等級空間分布具有差異性。春季高溫區(qū)域分布相對分散，夏、秋兩季西北部溫度高于東南部，冬季高溫多分布在南部，水域溫度四季均處于極低溫或低溫區(qū)。

2)研究區(qū)以中、低溫為主(約70%～85%)，各溫度等級面積占比隨季節(jié)、年份不同而發(fā)生變化，冬季水陸溫差逐漸擴大。

3)不同覆蓋類型的地表溫度存在季節(jié)性響應差異，冬季耕地地表溫度或略微高于人造表面；各地表覆蓋類型間的最大溫差以春季最大、冬季最小。

4)非城市化因素對天然濕地地表溫度等級變化產(chǎn)生一定影響?；A設施建設是局部溫度增高的主要影響因素，且產(chǎn)生持續(xù)性影響；耕地種植狀態(tài)改善、植被覆蓋面積提升則對地表溫度降低做出有效正貢獻。

根據(jù)上述研究結(jié)果，對于未來升金湖生態(tài)保護建設給出如下3點建議：①推進農(nóng)田改造與“退耕還湖”工程，通過種植水生植物或轉(zhuǎn)化為水塘等方式改變地表含水量，以改善地表熱環(huán)境。②合理規(guī)劃濕地保護區(qū)人造表面建設，尤其是高速公路等道路系統(tǒng)的布局優(yōu)化，保證一定的生態(tài)緩沖區(qū)留出，以減緩夏秋兩季極高溫熱效應。③大力加強水體、林地保護管理以免出現(xiàn)面積縮減，以植被覆蓋率修復為重點，維持濕地以中溫區(qū)、低溫區(qū)為主的狀態(tài)，提高濕地生態(tài)系統(tǒng)的恢復力與穩(wěn)定性。

本文結(jié)合了2000—2019年近20 a多時相的遙感影像數(shù)據(jù)，但由于影像獲取時間的天氣等不確定因素的存在，且季節(jié)界定存在一定時間跨度，監(jiān)督分類的不確定性，結(jié)果可能存在一定誤差；此外，所選用的影像數(shù)據(jù)分辨率仍不夠精細，且缺乏社會統(tǒng)計數(shù)據(jù)，得出的研究結(jié)論較為粗略，將在后續(xù)開展更加細致深入的研究。