基于MODIS數據地表反照率時空變化特征及影響因子研究

高婷 沈潤平 李磊 王宇琦 黃安奇

南京信息工程大學地理科學學院，南京 210044

1 引言

地表反照率是指地表物體在單位時間、單位面積上向各個方向反射的太陽總輻射能量與到達該物體表面的總輻射能量之比（王介民和高峰,2004），是制約陸面輻射能量收支的關鍵因子，并通過控制地面—大氣的能量平衡顯著影響氣候變化（He et al.,2015;Meng,2020）。近年來，為深入探索近地表溫度、土壤濕度等地表環(huán)境參數變化機制，揭示氣候系統(tǒng)變化機理，地表反照率研究日益受到重視。不同區(qū)域氣候類型不同，土地利用類型多樣，地表反照率的時空分布差異較大，且存在明顯的季節(jié)性差異，徐震宇等（2020）研究發(fā)現2003～2017年中國區(qū)域年平均地表反照率呈現緩慢下降趨勢，且整體隨海拔和緯度的增加而增加；Atlaskina et al.（2015）對春季北半球積雪區(qū)域地表反照率進行了研究，發(fā)現其受積雪覆蓋率的影響較大；趙之重等（2014）研究發(fā)現三江源地區(qū)地表反照率在空間上呈西高東低的分布特征，且探討了其與氣候因子的相關關系。地表反照率變化受到多種因素共同作用，且具有顯著的空間差異性，如劉輝志等（2008）對半干旱區(qū)不同下墊面地表反照率進行研究并發(fā)現其在生長期受植被指數的影響較大；陳愛軍等 （2018）研究發(fā)現青藏高原地表反照率減小與冰川消融和積雪減少密切相關，高原植被覆蓋改善也是一個重要因素；姚濟敏等（2013）對多年凍土區(qū)與季節(jié)凍土區(qū)地表反照率對比研究發(fā)現其隨太陽高度角的增大而減小，且受降雨的影響較大?？梢姷乇矸凑章首兓翘柛叨冉恰⑾聣|面狀況和氣象條件等多種因子共同作用的結果（曹曉云等,2019;孫琳嬋等, 2020）。

由于地表要素具有強烈的地帶和區(qū)域差異，結合區(qū)域條件開展研究，有利于促進對地—氣相互作用過程及其氣候變化的內在機制深刻認識，為氣候和陸面過程模擬提供更加精確的參數（Li et al.,2020），以往研究較多關注干旱和半干旱區(qū)域，以及生態(tài)環(huán)境敏感和脆弱地帶，且缺乏對影響因子較為系統(tǒng)的比較分析，本文以我國南北氣候過渡地帶，以農業(yè)耕地為主的淮河流域為例，利用2005～2015年MODIS（MODerate resolution Imaging Spectroradiometer）地表反照率數據，研究了地表反照率的時空變化特征及影響因子，并引入網格趨勢分析、異常變化分析、相關分析以及灰色關聯度等分析法比較了不同因子的作用。

2 數據與方法

2.1 研究區(qū)域

淮河流域地處我國東部，位于（30°55′N～36°36′N，111°55′E～121°25′E），跨越山東、安徽、江蘇、河南等4個省區(qū)（圖1a），占地約 27×104km2，以淮河為界，南北方分別為北亞熱帶區(qū)和暖溫帶區(qū)，流域水資源充足，土地利用類型多樣，為了使研究結果更加精確，本文對2005年與2015年土地利用類型圖進行對比分析，選取土地利用類型未發(fā)生變化的區(qū)域為研究對象（圖1b），面積占比達到98.5%，其中耕地面積占比大，達到71.05%，主要種植大豆、小麥、水稻等，是我國不可或缺的商品糧棉油基地，淮河以北主要為旱地，以南主要為水田，林地主要位于流域西部以及西南部山區(qū)地帶，城市居民用地分散在流域內。

圖1 （a）淮河流域位置；（b）2005～2015年淮河流域土地利用未變化區(qū)域土地類型分布Fig.1(a)Location map of the Huaihe River basin;(b) distribution map of land types in the Huaihe River basin’s unchanging areas from 2005 to 2015

2.2 研究數據

2.2.1 遙感數據

MODIS地表反照率產品MCD43采用半經驗的線性RossThick-LiSparse-R核驅動的雙向反射分布函數BRDF（Bidirectional Reflectance Distribution Function）模型，利用16 d期間經過大氣校正后的Terra和Aqua雙星MODIS數據每隔8 d反演一次地表BRDF參數，反演時，如果高質量多角度晴空觀測總數不少于7個，首先嘗試全反演，若效果不佳，則改用當量反演。如果高質量多角度晴空觀測總數不足7個但不少于3個，直接采用當量反演。所謂的當量反演，就是利用已有的高質量多角度晴空觀測數據對先驗的（a priori）BRDF參數進行修正，獲得與實際地表狀態(tài)相符的BRDF參數。如果當量反演效果不佳，或者高質量多角度晴空觀測總數不足3個，則沒有反演結果，賦以填充值（陳愛軍等,2020）。然后，對BRDF積分獲得地表黑空反照率BSA（Black-Sky Albedo）和白空反照率WSA（White-Sky Albedo）。MCD43有500 m、1 km和0.05°氣候網格等3種空間分辨率 （分別編號A、B、C），提供4種產品（分別編號1、2、3和4），分別為地表BRDF模型參數、地表BRDF參數反演質量、地表反照率和BRDF校正后的天底反射率NBAR（Nadir BRDF Adjusted Reflectance）。其中，空間分辨率為500 m和1 km的MODIS地表反照率產品采用正弦投影，空間分辨率為0.05°氣候網格的產品則采用等經緯度投影 （陳愛軍等,2020）。

本研究選用MODIS氣候網格產品MCD43B3數據集，包含了MODIS 1～7波段、可見光（0.3～0.7 μm）、近紅外（0.7～5.0μm）、短波 （0.3～5.0μm）波段的白空反照率WSA和黑空反照率BSA數據，空間分辨率為1 km，時間分辨率為8 d。太陽天頂角數據來自MODIS地表反照率質量信息產品MCD43A2數據集，空間分辨率為500 m，時間分辨率為每天，包含7個部分，其中BRDF_當地正午反照率（BRDF_Albedo_LocalSolorNoon ）部分包含反演區(qū)域的正午太陽天頂角（徐震宇等,2020），為保持與地表反照率數據時空分辨率一致，本研究對太陽天頂角數據進行預處理，得到空間分辨率為1 km，時間分辨率為8 d的該數據。

植被指數數據來自MODIS的MOD13A2產品，包含的植被指數有歸一化植被指數（Normalized Difference Vegetation Index，NDVI）與增強植被指數（Enhanced Vegetation Index，EVI）兩個植被指數圖層（Tian et al.,2014）?？臻g分辨率為1 km，時間分辨率為16 d。利用其歸一化植被指數數據研究地表反照率對于植被覆被變化的響應。地表溫度數據來自MODIS的MOD11A2產品，研究利用該地表溫度（Land Surface Temperature，LST）數據分析其對地表反照率變化的影響?？臻g分辨率為1 km，時間分辨率為8 d。

以上研究所用遙感數據均來源于美國國家航空航天局網站（https://ladsweb.modaps.eosdis.nasa.gov[2020-08-03]）。

2.2.2 地面觀測輻射數據

地面觀測輻射數據來自國家氣象信息中心提供的中國氣象輻射基本要素日值數據集，時間范圍為2006～2015年，該數據集包含了輻射基本要素的每日觀測數據，主要包括總輻射日曝輻量、凈全輻射日曝輻量、散射輻射日曝輻量、水平直接輻射日曝輻量、反射輻射日曝輻量和垂直面直接輻射日曝輻量等。數據提取自輻射基礎氣象資料建設項目歸檔的“更正后的輻射月報數據文件（R文件）基礎資料集”，數據經過質量檢測與質量控制，所有要素數據均標注了質量控制碼（張俊兵,2019）。

本文通過篩選得到了全國范圍內可提供有效反射輻射日曝輻量的站點，共計17個，其中在本研究區(qū)范圍內的是鄭州站點（34°43′N，113°39′E），位于淮河流域西北部城鎮(zhèn)與耕地的交界地帶。本文首先對2006～2015年鄭州站的地面觀測結果進行篩選，根據上行太陽短波總輻射不高于下行太陽短波總輻射的原則，同時根據數據質量標志，去除明顯有誤的數據，以反射輻射與總輻射之比計算日平均地表反照率（孟文童,2018），并經過預處理，得到了時間分辨率為8 d的地面觀測值。通過雙線性內插算法，將MODIS地表反照率數據通過經緯度信息插值到觀測站點，計算觀測站點的MODIS地表反照率值，并與觀測值進行對比驗證，以表明MODIS地表反照率數據在淮河流域的精度及可靠性。

2.2.3 其他輔助數據

氣象數據來源于歐洲中期天氣預報中心（European Centre for Medium-Range Weather Forecasting,ECMWF）提供的第五代再分析資料ERA5（https://cds.climate.copernicus.eu/[2020-09-10]）。研究選用2005～2015年逐月2 m氣溫及降水數據，空間分辨率為0.25°（經、緯度），為了與地表反照率數據的分辨率保持一致，利用雙線性內插將這兩種數據重采樣至1 km分辨率，通過地表反照率與氣溫和降水數據的相關性分布來揭示地表反照率對于氣候因子的響應。

土地利用數據來源于中國科學院資源環(huán)境科學數據中心（http://www.resdc.cn[2020-09-17]）的中國土地利用現狀遙感監(jiān)測數據集，對2005年和2015年進行比較分析，得到土地利用類型未變化的區(qū)域（圖1），用來分析土地利用對地表反照率的影響，空間分辨率為1 km，包括6個一級類型和25個二級類型（劉親親等,2019）。

數字高程模型（Digital Elevation Model，DEM）數據空間分辨率為90 m，用于分析地形因子對地表反照率的影響。該數據同樣來源于中國科學院資源環(huán)境科學數據中心（http://www.resdc.cn[2020-07-20]）。

2.3 研究方法

2.3.1 地表反照率計算

MCD43B3產品提供的黑空反照率與白空反照率分別表示太陽輻射完全直射和完全漫射條件下的反照率（Román et al.,2010），研究需對MCD43B3產品的短波（0.3～5.0μm）黑空反照率和白空反照率進行線性加權，以此來計算研究區(qū)域的短波波段地表反照率（王開存等,2004;鄭瑜晗等,2020），計算公式如下：

其中，ρ0為實際地表反照率，ρdir為黑空反照率（直射反照率），ρdif為白空反照率（散射反照率），s為天空散射比因子，可根據MCD43A2產品提供的當地正午太陽天頂角，計算獲得近似值（商榮等,2015;陳愛軍等,2020），經驗公式如下：

其中，μ0為當地正午太陽天頂角的余弦值。

2.3.2 網格趨勢分析法

本文采用一元線性回歸法（Tang et al.,2020）逐網格分析地表反照率的空間變化，計算公式如下：

其中，b為線性傾向率，n為年份數，i為不同的年份（i=1,2,3,…,11），ai為第i年的年均反照率。b值的正負表明了地表反照率的變化呈增加或減小，且b的絕對值越大表明地表反照率的變化速度越快。之后，使用t檢驗法來確定逐像元變化趨勢的顯著性以及可靠度。

2.3.3 異常變化分析

本文計算了2005～2015年各年及四季平均地表反照率的標準差，標準差可用來定量表示該值的年均變化率以及異常變化狀況，可以通過該值在空間分布上的大小來確定區(qū)域地表反照率異常變化的情況（除多,2016），其計算公式為

其中，σ為標準差，n為年份數，i為不同的年份（i=1,2,3,…,11），ai為第i年的年均地表反照率，為多年平均地表反照率。

2.3.4 相關分析法

為了研究各因子對地表反照率的影響，計算各因子及地表反照率多年月均空間分布，進一步計算NDVI、LST、氣候因子（氣溫、降水）與地表反照率的相關性，通過相關系數大小來反映兩個因子的相關性高低，計算公式如下：

其中，x、y為兩個因子，Rxy為兩因子的相關系數，n為年份數，i為不同的年份（i=1,2,3, …,11），xi和yi分別為第i年的兩因子值，和分別為兩因子樣本的平均值。

2.3.5 灰色關聯度分析法

盡管地表反照率受多個影響因子影響，且與各因子之間存在不同程度的相關性，相關系數只能表明地表反照率與各影響因子之間的共變，很難精確地度量地表反照率與各影響因子相關程度的客觀大?。ㄌ票艿?2016）。灰色關聯度方法可以有效的克服因子間的相互影響，進行因子作用大小比較排序，本文引入本方法進行分析，以客觀反映出各影響因子對地表反照率作用的主次關系（唐柄哲等,2016），步驟如下：

第一步：變量的無量綱化。在對每組數據進行對比時，由于其計量單位不同，導致其在量綱和數量級上不能統(tǒng)一，從而會對比較結果產生影響。因此，對原始數據做無量綱化處理是計算關聯度時較為主要的一個步驟。本研究遵循建立灰色關聯序合理性的基本原則選用了均值化變換和極小化變換方法（唐柄哲等,2016）。

第二步：計算關聯系數。設經過數據處理后的參考數列為

與參考數列作關聯程度比較的m個數列（常稱為比較數列）為

其中，n為數列的數據長度，即數據的個數。將第k個比較數列（k＝1,2,…,m）各期的值與參考數列相應期的差值的絕對值記為

分別記Δok(t)中的最小數和最大數為Δ(min)和Δ(max)。于是，第k個比較數列與參考數列在t時期的關聯系數可通過下式計算：

其中，ρ為分辯系數，通常ρ的取值范圍為(0,1)，可根據特定情況進行取值。當ρ≤0.5463時，分辨率最好，通常取ρ=0.5（唐柄哲等,2016）。

第三步：計算關聯度。對各期關聯系數求均，即可得到各比較數列與參考數列的關聯度（唐柄哲等,2016），公式為

其中，rok為第k個比較數列與參考數列的關聯度。

第四步：關聯度排序。若存在m個比較數列時，則存在m個對應的關聯度。對其進行數值大小的排序，以獲得關聯序，可以表明對于同一個參考數列的每一個比較數列的優(yōu)劣和主次關系。

3 結果分析

3.1 MODIS地表反照率數據精度

利用實測站點與MODIS地表反照率值繪制散點圖（圖2），可以看出，兩者相關系數達到0.69，均方根誤差為0.04，p＜0.0001，表明基于MODIS反演的地表反照率數據與地面觀測值具有高度顯著的相關關系，由此可以看出，MODIS地表反照率數據在淮河流域具有較高的精度及可靠性。

圖2 2006～2015年鄭州站點MODIS地表反照率與地面觀測值對比散點圖Fig.2 Scatter plot of the MODIS land surface albedo and the ground observation value at Zhengzhou station in 2006-2015

另外，目前已有部分研究對淮河流域周邊地面觀測站進行了MODIS地表反照率產品的精度驗證，其中，吳宏伊等（2012）選取了2004年8個中國通量網的觀測站點與MODIS地表反照率產品MCD43B3進行驗證，其中禹城站（36°50′N，116°34′E）位于淮河流域北緣，地表覆蓋為農田，對比結果表明，禹城站MODIS地表反照率值與地面觀測值相關系數達到0.98，均方根誤差為0.04，MODIS地表反照率數據在該區(qū)域具有較高的反演質量及精度。余予等（2009）利用2007年10月至2008年9月壽縣氣候觀象臺（32°30′N，116°46′E）分析了安徽壽縣地區(qū)農田地表反照率的季節(jié)變化，這與本文通過MODIS地表反照率產品得出的結論具有很高的一致性。白昕欣等（2017）利用2016年4～11月江蘇省農業(yè)科學院溧水試驗基地 （31°36′N，119°12′E）的觀測數據研究了水稻田間尺度的地表反照率變化特征，表明在水稻生長期內地表反照率呈先升高后降低的趨勢，與本文研究結論一致性較高，說明MODIS地表反照率數據具有較高的精度，可以揭示地物反照率的變化規(guī)律。

3.2 地表反照率空間分布及變化趨勢

3.2.1 空間變化分布特征

2005～2015年研究區(qū)11年平均地表反照率空間分布如圖3a，地表反照率平均值為0.145，變化范圍為0.043～0.223，且存在“北高南低、東高西低”的空間分布格局。由于水體對短波輻射的強烈吸收作用，低值區(qū)主要集中于南四湖、駱馬湖，洪澤湖、高郵湖等水體密集分布區(qū)，大多小于0.1。流域西部、西南部為伏牛山、桐柏山、大別山等山區(qū)和丘陵地帶，植被覆蓋，粗糙度較大，地表反照率較低，在0.1～0.14。地表反照率高值區(qū)主要集中于流域中部及東部平原地帶，在0.14～0.22，其中淮河以南地區(qū)主要為水田，地表反照率略小，在0.14～0.15。年均地表反照率標準差（圖3b）較小的區(qū)域則主要分布在淮河流域的西部、西南部及東北部地區(qū)，標準差小于0.01，該地區(qū)主要為山區(qū)和丘陵地帶，土地利用類型和植被生物量年變化小。地表反照率標準差較大的區(qū)域集中于流域中部，是地表反照率年均變化較為劇烈的地區(qū)，主要以耕地和居民地為主，受人類活動的影響較大。

圖3 2005～2015年淮河流域（a）多年平均地表反照率和（b）年均地表反照率標準差的空間分布Fig.3 Spatial distributions of the(a) multiyear average land surface albedo and (b)standard deviation of the annual average land surface albedo in the Huaihe River basin from 2005 to 2015

從不同季節(jié)11年平均地表反照率（圖4）可以看出，空間分布格局具有相似性，但存在季節(jié)性差異，春（3～5月）、夏（6～8月）、秋（9～11月）、冬（12月至翌年2月）四季平均地表反照率分別為0.144、0.156、0.137和0.145。春季，流域東北部地區(qū)為地表反照率的高值區(qū)，部分超過0.17，與該地區(qū)分布著中覆蓋度和低覆蓋度草地有關（圖4a）。夏季，隨著作物生長季的到來，作物生長茂盛，多重葉層提供了多次透射、反射的機會，使得冠層近紅外反射增強，且植被葉綠素含量較高，引起可見光綠波段的反射加強，因此地表反照率較大（圖4b）（余予等, 2009）。秋季，隨著作物逐漸成熟，葉面和莖稈顏色變黃，反照率明顯下降，且空間差異最?。▓D4c），這與白昕欣等（2017）的研究結果相一致。冬季，地表反照率明顯上升，與積雪和裸露土壤增加有關，且出現了四季中地表反照率的最大值和最小值（圖4d）。

圖4 2005～2015年淮河流域（a）春季、（b）夏季、（c）秋季、（d）冬季多年平均地表反照率空間分布Fig.4 Spatial distributions of the multiyear average land surface albedo in(a)spring,(b)summer,(c)autumn,and(d)winter in the Huaihe River basin from 2005 to 2015

從不同季節(jié)多年平均地表反照率標準差分析 （圖5），冬季地表反照率年均變異最大，大部分區(qū)域標準差均在0.03以上，中部及東部平原地區(qū)標準差在0.06以上，這與該地區(qū)大多為農業(yè)耕作區(qū)，冬季土地農業(yè)利用方式變化較大有關。其次為夏季和秋季，春季變化最小，絕大多數地區(qū)在0.02以下。從四季地表反照率標準差空間分布可知，農田及城鄉(xiāng)、工礦及居民用地等人為作用強烈的地區(qū)始終是地表反照率年均變化較為劇烈的地區(qū)。

圖5 2005～2015年淮河流域（a）春季、（b）夏季、（c）秋季、（d）冬季平均地表反照率標準差空間分布Fig.5 Spatial distributions of standard deviations of the land surface albedo in (a)spring,(b)summer,(c)autumn,and (d)winter in the Huaihe River basin from 2005 to 2015

3.2.2 變化趨勢分析

從年均地表反照率的年變化速率（圖6）可以看出，大部分地區(qū)年均地表反照率都有所增加，面積占比61.5%，其中，增加速率較快的區(qū)域位于山東省南部地區(qū)，增加速率大于3.0×10-3a-1。而河南省東部及安徽省北部地區(qū)年均地表反照率呈減小趨勢，減小速率約為1.0×10-3a-1，減小速率大于2.0×10-3a-1的區(qū)域主要分布在流域的東南部地區(qū)。顯著性檢驗（圖6b）表明，約有19.2%的地區(qū)地表反照率年變化達到了0.1顯著性水平，其余地區(qū)地表反照率變化較為平緩，其中16.3%的地區(qū)呈顯著增加趨勢，主要集中在山東省南部地區(qū)。而流域東北及東南部分地區(qū)年均地表反照率年均變化速率為負，且通過0.1顯著性水平檢驗，呈顯著減小趨勢，但僅占流域總面積的2.9%。

圖6 2005～2015年淮河流域（a）年均地表反照率的年變化速率和（b）通過0.1顯著性水平檢驗的年變化速率Fig.6 Spatial distributions of (a)the variation rate of the annual average land surface albedo and(b) the variation rate that is significant at the 0.1 level in the Huaihe River basin from 2005 to 2015

3.3 地表反照率時間變化特征

3.3.1 月均變化特征

從圖7可以看出，11年整個流域月平均地表反照率變化介于0.134～0.167，1月最高，達0.167，這與部分時間積雪覆蓋有關，隨著積雪消融，2月地表反照率迅速減少，并在3月達到一個相對低值。由于本區(qū)域耕地占比達71.05%，隨著春季植被生長，特別是農田小麥生長，作物葉綠素含量增加，短波波段反照率有所增加且在4月達到一個小峰值。5月則隨著冬小麥的成熟，莖稈逐漸變黃和收獲，地表反照率有所下降。6月之后秋收作物進入生長期，由于作物生長的密度和高度逐漸增加，農田表層反射特性發(fā)生了很大的變化，且林地冠層的增加會導致對近紅外的多次反射，進而使得近紅外波段的反照率增加（劉親親等,2019），因此，地表反照率在7～8月達到較高水平。秋季作物成熟期開始后，受植被顏色和太陽天頂角的共同作用，地表反照率快速回落，并在10月達到最低值0.134，可能是由于這一階段將含水量相對較大且顏色較深的土壤翻耕出來所致。從淮河流域月均變化特征可以看出，淮河流域地表反照率的年內變化受作物生長的影響較大，在作物的生長期內，地表反照率呈先增大后減小的趨勢，這與余予等（2009）的研究結論相一致。

圖7 2005～2015年平均淮河流域地表反照率月變化特征Fig.7 Monthly variation characteristics of the land surface albedo in the Huaihe River basin averaged from 2005 to 2015

3.3.2 季節(jié)及年均變化特征

從圖8可以看出，2005～2015年淮河流域年均地表反照率呈波動增加趨勢，年均變化在0.138～0.157（圖8a），其中2006年、2008年和2012年較大，與這幾年冬季降雪導致的冬季反照率較高有關。地表反照率變化還存在顯著的季節(jié)性差異（圖8b），夏季平均地表反照率最大，春季次之，秋季較小，冬季變化幅度則很大，在2006年、2008年和2012年為最大值，在2007年、2009～2010年和2015年則為各季最小值，這與不同年份降雪情況、冬季農田土地利用方式及冬季土壤含水量狀況相關性較大（王鴿,2010），其中，2008年冬季南方遭遇特大暴雪，則該年冬季地表反照率達到近11年的最大值0.183。

圖8 2005～2015年淮河流域（a）年平均和（b）不同季節(jié)平均地表反照率變化Fig.8(a)Annual and (b)seasonal variation of the land surface albedo in the Huaihe River basin from 2005 to 2015

3.4 地表反照率變化影響因子分析

3.4.1 土地利用類型對地表反照率的影響

地表反照率的大小不但取決于反射地物的類型，而且與其物理特征和其表面狀況密切相關，不同的土地利用類型，地表反照率具有明顯差異（劉親親等,2019）。研究區(qū)不同土地利用類型地表反照率大小順序（圖9）：耕地＞城鄉(xiāng)、工礦、居民用地＞草地＞林地＞水體，它們的年平均值分別為0.149、0.148、0.139、0.126和0.110，這與王舒默等 （2015）的研究結果相一致。其中，耕地和城鄉(xiāng)、工礦、居民用地等土地利用類型因受人為擾動程度高，利用方式變化大，其地表反照率標準差也較大，而水域地表反照率年際變化波動較大主要是與氣候變化引起的水體表面形態(tài)發(fā)生變化有關（冰面/水面），如冬季低溫導致水面結冰使得反照率增加。

圖9 2005～2015年淮河流域不同土地利用類型（a）年均地表反照率及（b）標準差Fig.9(a)Annual average land surface albedo and (b)standard deviation of different types of land use in the Huaihe River basin from 2005 to 2015

3.4.2 地形因子對地表反照率的影響

地形通過坡度和地表粗糙度等來影響地表反照率（陳淼,2019）。研究區(qū)地形（圖10）西高東低，西部、西南部以及東北部為山區(qū)和丘陵區(qū)，海拔較高，坡度較大，地表粗糙度較大。與年均地表反照率空間分布圖（圖3a）疊加分析表明，高程大于100 m的西部、西南部以及東北部地區(qū)，隨著高程的升高，因坡度增加，地表粗糙度增大，對太陽輻射會產生多次反射，從而造成地表反照率減?。ㄐさ桥实?2011）。而高程小于100 m的地區(qū)，地形相對較為平坦，地表粗糙度變化不大，地表反照率受高程影響較小。

圖10 淮河流域高程空間分布Fig.10 Spatial distribution of elevation in the Huaihe River basin

3.4.3 植被及地表溫度等參數對地表反照率的影響

研究通過計算多年月均地表反照率與影響因子相關系數的空間分布來反映各因子對地表反照率的影響，由于積雪反照率很高，研究剔除了1月份數據，以減少積雪對分析的影響。NDVI可以表征地表植被覆被狀況（王舒默等,2015），隨著植被的生長和覆蓋度的增加，一方面由于植被對可見光光能吸收，特別是利用藍光和紅光進行光合作用，導致反照率有所減少，另一方面在近紅外波段反射率提高，導致地表反照率顯著增加。NDVI與地表反照率多年月均變化的相關系數可以看出（圖11a），地表反照率與NDVI呈正相關和負相關的區(qū)域分別占流域總面積的90.23%和9.77%，且存在明顯的空間差異性，其中呈正相關的大部分區(qū)域為耕地和林地，植被覆蓋度較大；而流域東北部主要為中覆蓋度及低覆蓋度草地，隨著NDVI的增加，原先高反照率的裸土被生長的草地所覆蓋，導致衛(wèi)星觀測的地表反照率有所下降（劉親親等,2019）。

地表反照率與地表溫度多年月均變化的相關系數空間分布表明（圖11b），地表反照率與地表溫度呈正相關和負相關的區(qū)域分別占流域總面積的82.32%和17.68%，即淮河流域大部分地區(qū)地表反照率與地表溫度在年內變化上呈正相關關系，這與地表溫度上升，植被和土壤水分脅迫上升，含水量下降，導致地表反照率增加有關，且地表溫度上升，植被生長加快，在近紅外波段反射率提高，同樣導致地表反照率顯著增加；而對于流域東北部的草地區(qū)域，地表反照率與地表溫度在年內變化上呈負相關，可能是由于地表反照率減少，則地表吸收的光輻射能量增加，地表溫度增加，并且，隨著地表溫度的升高可以促進植被的光合作用，植被生長旺盛，且通過對可見光藍光和紅光波段太陽輻射的吸收，使得地表反照率減?。ò钻啃赖?2017），從而導致地表溫度與地表反照率表現為負相關關系?？臻g上地表反照率與地表參數NDVI及地表溫度的正相關和負相關并存的現象，說明地表反照率與其關系的復雜性，并受到多種因子影響，是共同作用的結果，導致其相關系數的分布存在空間異質性。

圖11 2005～2015年淮河流域（a）地表反照率與NDVI和（b）地表反照率與地表溫度的多年月均相關系數空間分布Fig.11 Spatial distribution of multiyear monthly average correlation coefficients between (a)land surface albedo and NDVI(Normalized Difference Vegetation Index),(b)land surface albedo and land surface temperature in the Huaihe River basin from 2005 to 2015

3.4.4 氣候因子對地表反照率的影響

多年月均地表反照率與氣溫的空間相關系數分布表明（圖12a），淮河流域地表反照率與氣溫呈正相關和負相關的區(qū)域分別占流域總面積的85.41%和14.59%，大部分地區(qū)的地表反照率與氣溫呈正相關，這可能是由于隨著氣溫的升高，地表蒸散加強，土壤表層含水量減小，從而造成地表反照率增加；而流域東北部地區(qū)地表反照率與氣溫在年內變化上呈負相關，可能是由于隨著氣溫的升高，地表溫度上升，在淮河流域東北部有利于植被生長，通過光合作用促進對可見光波段太陽輻射的吸收，導致地表反照率下降（趙之重等, 2014），且通過植被對祼土的覆蓋等使地表反照率減少。另外，地表吸收的光輻射能量增加，地表溫度增加等原因，使得東北部區(qū)域氣溫與地表反照率表現出負相關。

而淮河流域地表反照率與降水呈正相關和負相關的區(qū)域分別占流域總面積的93.70%和6.30% （圖12b），流域東北地區(qū)地表反照率與降水呈負相關，可能是由于該地區(qū)為草地，植被覆蓋度小，裸露土壤較多，隨著降雨的增加，土壤表層含水量增加，地表反照率減小；而大部分耕地及林地地區(qū)植被覆蓋度較大，隨著降雨增多，會促進森林及作物生長，使得近紅外反射率增加，從而導致地表反照率的增加（趙之重等,2014）。由于氣溫和降水等氣候因子的共同作用會對植被生長和地表粗糙度產生影響，并使表層土壤濕度發(fā)生變化，從而引起地表反照率的變化（Tang et al.,2020），而植被對水熱組合的響應不同，導致氣候因子與地表反照率的相關系數在空間上存在正相關和負相關并存的現象（趙之重等, 2014）

3.4.5 地表反照率影響因子的灰色關聯度分析

盡管地表反照率與各影響因子間存在不同程度的相關性，但各種因子之間相互作用，并不獨立，研究引進灰色關聯度分析可以客觀量化各影響因子的影響程度，識別各因子對地表反照率變化的重要性。為了揭示淮河流域不同土地利用類型下地表反照率與各影響因子的相關性，研究區(qū)對耕地、林地、草地和城鄉(xiāng)、工礦及居民用地等4種類型，采用灰色關聯度方法，計算了11年年均地表反照率與NDVI、地表溫度、氣溫和降水等影響因子的灰色關聯度，結果表明（表1），整個研究區(qū)整體和不同土地利用類型下的灰色關聯度排序基本一致，即為：NDVI＞氣溫＞地表溫度＞降水，表明在淮河流域地表反照率受NDVI的影響最大，氣溫和地表溫度次之，降水最小，并且林地的地表反照率與NDVI、地表溫度及氣溫的關聯度相差最小，可能是由于森林生態(tài)系統(tǒng)較為穩(wěn)定，受各因子影響程度相差較小。

表1 2005～2015年淮河流域不同土地利用類型地表反照率與影響因子的年均灰色關聯度Table 1 Annual average gray correlation degree between the land surface albedo and influencing factors of different types of land use in the Huaihe River basin from 2005 to 2015

通過計算各影響因子和地表反照率的11年平均空間分布，研究淮河流域空間上地表反照率與影響因子的灰色關聯度（表2），結果表明各影響因子灰色關聯度排序為NDVI＞降水＞地表溫度＞氣溫＞高程，說明空間上NDVI對地表反照率的影響最大，高程的影響較小，這與淮河流域絕大部分為平原地區(qū)，海拔高程相差較小有關。

表2 2005～2015年淮河流域不同土地類型地表反照率與影響因子的空間灰色關聯度Table 2 Spatial gray correlation degree between the land surface albedo and influencing factors of different types of land use in the Huaihe River basin from 2005 to 2015

4 結論與討論

本文利用MODIS地表反照率產品MCD43B3數據，在通過地面實測站點驗證表明其在淮河流域具有較高精度及可靠性的基礎上，采用網格趨勢分析、異常變化分析、相關分析和灰色關聯度分析等方法，分析了淮河流域2005～2015年地表反照率的時空變化特征及影響因子，主要結論如下：

（1）淮河流域多年平均地表反照率空間變化范圍為0.043～0.223，多年平均為0.145，且存在 “北高南低、東高西低”的空間分布格局。低值區(qū)主要集中于南四湖、駱馬湖，洪澤湖、高郵湖等水體密集和西部、西南部山區(qū)和丘陵地帶，且標準差相對較?。坏乇矸凑章矢咧祬^(qū)主要集中于流域中部及東部平原地帶，且變化較大。61.5%的區(qū)域地表反照率的年均變化呈增加趨勢，其中16.3%的地區(qū)達到0.1顯著性水平，呈顯著增加趨勢。

（2）2005～2015年淮河流域年均地表反照率呈波動增加趨勢，年均變化在0.138～0.157，且存在顯著的季節(jié)性差異，夏季平均地表反照率最大，春季次之，秋季最小，其中，夏和秋季平均地表反照率呈波動增加趨勢，而冬季地表反照率呈減小趨勢，且年均波動幅度最大。流域多年月平均地表反照率變化介于0.134～0.167，隨著作物生育期的過程先增加后減小，1月最高，達0.167，2月迅速減少，然后回升，7月達到小高峰，然后回落，在10月達到最低值。

（3）淮河流域地表反照率受多種影響因子的共同作用，地表反照率不僅受土地利用類型的影響，還受氣候、地形和NDVI、地表溫度等地表參數影響。在大部分區(qū)域地表反照率與NDVI和地表溫度呈正相關，面積分別占90.23%和82.32%。同樣，地表反照率與氣溫和降水大部分區(qū)域呈正相關，面積分別為85.41%和93.70%。研究區(qū)耕地和城鄉(xiāng)、工礦、居民用地的年均地表反照率較大，草地和林地次之，水體最低。整體和在不同土地利用類型下 （水體除外）地表反照率與各影響因子的年均灰色關聯度排序相同，為NDVI＞氣溫＞地表溫度＞降水，空間灰色關聯度排序為NDVI＞降水＞地表溫度＞氣溫＞高程。

隨著衛(wèi)星遙感對地觀測技術及地表反照率的反演模型技術的發(fā)展，遙感反演已經成為了地表反照率及相關研究的主要數據源，衛(wèi)星遙感為監(jiān)測全球或區(qū)域地表短波反照率的時空分布提供了條件，是獲取區(qū)域乃至全球高時空分辨率地表反照率的一條重要途徑，而這些全球高時空分辨率地表反照率產品中，遙感產品MCD43是準實時的業(yè)務化產品，可以在像元尺度（1 km）上估算整個研究區(qū)域的地表反照率,準確反映地表反照率的時空異質性，為局地區(qū)域研究提供了研究可能。本文在利用長時間序列、高精度的MODIS衛(wèi)星遙感數據研究淮河流域地表反照率時空變化的基礎上，對其主要影響因子進行了分析，可促進對淮河流域地表反照率的認識，有利于了解流域生態(tài)和氣候變化的內在機制和模擬研究，但地表反照率還受到多種因子的共同影響，如太陽高度角、大氣因子、植被物理特性等，使得地表反照率與各影響因子的相關性存在時空異質性，還有待進一步的深入研究。另外，由于地表反照率是多種因素共同作用的結果，要進一步明確單因子與地表反照率在不同區(qū)間的相關性表現，及其他因子的效應，則有待因子控制和模擬試驗，進一步分析其相互影響機理。且由于輻射數據地面觀測站點有限，對于淮河流域MODIS地表反照率的驗證與評估具有局限性，在今后的研究中，還需充分考慮遙感產品存在的混合像元、尺度效應，以及地表反照率產品空間分辨率與區(qū)域大小的對應等問題，以削弱遙感數據的不確定性。

致 謝衷心感謝國家氣象信息中心提供的中國氣象輻射基本要素日值數據集對本論文的幫助。感謝南京信息工程大學高性能計算中心對本論文的數值計算提供的支持和幫助。