三峽庫區(qū)植被覆蓋度與地表溫度的空間耦合季節(jié)分異研究

焦 歡,丁 憶,段松江,肖 禾

(重慶市地理信息和遙感應(yīng)用中心，重慶 401147)

地表溫度(land surface temperature，LST)是區(qū)域和全球地表物理過程中的一個關(guān)鍵因子，也是研究地表和大氣之間物質(zhì)交換和能量交換的重要參數(shù)。區(qū)域尺度下地表溫度的變化與植被、水文、氣候、地形、高程等多種環(huán)境因子密切相關(guān)[1-2]，能夠反映區(qū)域生態(tài)環(huán)境變化。植被覆蓋度(vegetation coverage, VC)用于表征區(qū)域植被狀況，同時也是衡量區(qū)域生態(tài)環(huán)境狀況的主要指標之一[3]。

近年來，VC與LST之間的關(guān)系一直是生態(tài)環(huán)境變化相關(guān)研究的熱點之一。目前國內(nèi)外學(xué)者主要運用遙感數(shù)據(jù)研究區(qū)域尺度下VC與LST的時空變化特征及影響因素[4-6]，以及單一時間斷面[7-8]、長時間序列[9-10]上兩者之間的關(guān)系。其中,針對兩者關(guān)系的研究主要是探討兩者之間的線性相關(guān)關(guān)系與空間自相關(guān)關(guān)系，而耦合關(guān)系研究較少。VC與LST作為生態(tài)環(huán)境的2個子系統(tǒng)，兩者之間存在相互作用、交互耦合的關(guān)系[11]。一方面地表溫度受太陽輻射、下墊面變化、經(jīng)濟發(fā)展以及城鎮(zhèn)邊界的擴張等影響，對植被生長產(chǎn)生促進或抑制作用；另一方面植被覆蓋也是影響地表溫度變化的主要環(huán)境因子之一[12]，植被通過光合作用、蒸騰作用等調(diào)節(jié)區(qū)域地表環(huán)境從而改善地表溫度。研究VC與LST之間的相關(guān)關(guān)系以及空間耦合的季節(jié)分異特征，能夠追蹤生態(tài)環(huán)境變化趨勢，有助于提供完善區(qū)域生態(tài)環(huán)境模式的理論依據(jù)。

三峽庫區(qū)作為西南地區(qū)的重要生態(tài)功能區(qū)，自然資源豐富，生態(tài)功能作用突出，是長江上游主要的生態(tài)敏感區(qū)之一。由于三峽庫區(qū)獨特的地理環(huán)境，庫區(qū)受人為活動的干擾較大，生態(tài)系統(tǒng)變化較為頻繁。該研究基于MODIS數(shù)據(jù)產(chǎn)品，在大尺度上探討VC與LST之間的相關(guān)性，同時分析兩者之間空間耦合的季節(jié)差異，進一步了解三峽庫區(qū)的生態(tài)環(huán)境變化情況，為庫區(qū)更好地實施生態(tài)環(huán)境建設(shè)與保護提供理論依據(jù)。

1 研究區(qū)概況

三峽庫區(qū)東起湖北宜昌，西至重慶江津(28°31′～31°44′ N，105°50′～111°40′ E),是受三峽工程淹沒直接影響的22個行政單元，總面積約5.8萬km2。三峽庫區(qū)地處四川盆地以東、江漢平原以西、大巴山脈以南、鄂西武陵山脈以北的山區(qū)地帶，地形十分復(fù)雜，地質(zhì)狀況特殊，加之人為活動的干擾，庫區(qū)內(nèi)易發(fā)生滑坡、坍塌、泥石流等自然災(zāi)害。庫區(qū)屬亞熱帶季風氣候區(qū)，為南溫帶和亞熱帶過渡地帶，年平均氣溫為17～18 ℃，年平均降水量為1 100～1 200 mm，適宜多種動植物的生長。三峽庫區(qū)植被類型豐富，主要有亞熱帶常綠闊葉林、落葉闊葉混交林、落葉闊葉與常綠針葉混交林和灌草叢等。研究區(qū)位置示意見圖1。

圖1 研究區(qū)位置示意

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

采用美國NASA(https:∥ladsweb.nascom.nasa.gov/search)MODIS陸地標準產(chǎn)品，包括MOD13Q1(250 m植被指數(shù)/16天合成產(chǎn)品)、MOD11A2(1 km地表溫度/反射率8天合成L3產(chǎn)品)覆蓋的h26v05、h26v06兩瓦片數(shù)據(jù)產(chǎn)品。NDVI與LST產(chǎn)品為三級數(shù)據(jù)產(chǎn)品，已進行地理參考與幾何校正，運用MRT工具將投影轉(zhuǎn)換為UTM投影并進行拼接，分別生成23、46景的MODIS NDVI與LST數(shù)據(jù)[13]。MODIS數(shù)據(jù)產(chǎn)品通過最大值合成法在一定程度上減少云、霧、太陽高度角和傳感器等的影響，提高了數(shù)據(jù)精度，能夠較好地擬合NDVI與LST[14]。因此，運用Savitzky-Golay濾波對MODIS NDVI與LST數(shù)據(jù)進行平滑處理，進一步減少云、氣溶膠、噪聲以及缺失值的影響[15]，同時采用最大值合成法獲得季節(jié)數(shù)據(jù)(3—5月合成春季數(shù)據(jù)，6—8月合成夏季數(shù)據(jù)，9—11月合成秋季數(shù)據(jù)，12—2月合成冬季數(shù)據(jù))和全年數(shù)據(jù)。近年來，隨著庫區(qū)蓄水、“打造庫區(qū)千里林帶”等活動的開展，庫區(qū)生態(tài)環(huán)境、氣候都發(fā)生了明顯的變化，為保證研究數(shù)據(jù)的一致性，該研究采用2020年度數(shù)據(jù)，同時將NDVI與LST數(shù)據(jù)統(tǒng)一為同一空間分辨率。

2.2 研究方法

2.2.1像元二分模型

NDVI可以很好地反映不同時期植被的長勢以及不同地點植被的覆蓋情況[16]，所以運用基于NDVI(INDV)的像元二分模型來估算三峽庫區(qū)植被覆蓋度，計算公式為

(1)

式(1)中，CV為植被覆蓋度;為了消除水域、建設(shè)用地的影響，參照文獻[17-18]將INDV,max和INDV,min分別確定為NDVI置信區(qū)間95%和5%處的取值。

2.2.2空間自相關(guān)分析

空間自相關(guān)分析可用于研究鄰近位置上某屬性在空間上的相關(guān)性，包括全局與局部2種自相關(guān)[19]。空間自相關(guān)Moran′sI指數(shù)是運用較廣泛的一種度量自相關(guān)性的全局判定指標，可用于判斷研究區(qū)域VC與LST在空間上的整體分布關(guān)系。使用雙變量Moran′sI指數(shù)[20]對2020年度四季VC與LST進行全局空間自相關(guān)分析。計算公式為

I=

(2)

2.2.3空間耦合模型

耦合是物理學(xué)上的概念，指2個及以上要素或系統(tǒng)相互作用而彼此影響的現(xiàn)象[20]。耦合度用于衡量要素或者系統(tǒng)之間的相互作用程度，選取空間耦合模型計算三峽庫區(qū)VC與LST四季的空間耦合度，計算公式為

(3)

式(3)中，C為耦合度；f(x)、g(x)分別為VC與LST在x處歸一化后的數(shù)值。參照文獻[18]，將空間耦合指數(shù)劃分為4個等級，耦合度[0,0.3]、(0.3,0.5]、(0.5,0.8]、(0.8,1.0]分別表示耦合效果極差、較差、較好、極好。

3 結(jié)果與分析

3.1 VC與LST的時空變化特征分析

由圖2可見，三峽庫區(qū)平均LST具有明顯的空間分布特征，呈現(xiàn)出從西南的庫尾向東北的庫首逐漸降低的變化趨勢。

圖2 2020年研究區(qū)平均植被覆蓋度(VC)與地表溫度(LST)分布圖

區(qū)域LST空間差異受坡度的影響較明顯，LST較低值分布在庫區(qū)北部與庫腹南部峭坡區(qū)域，LST較高值集中分布在坡度較緩的庫尾地區(qū)。三峽庫區(qū)植被覆蓋度較高，年平均VC達62.44%，VC較低值集中分布于江河兩岸以及人口集中的庫尾區(qū)域；VC較高值則分布于庫腹的巫山、巫溪等地勢較為陡峭、海拔較高的區(qū)域。LST的空間分布在一定程度上受VC的空間分布影響，VC較低的庫尾地區(qū)地表溫度明顯高于庫腹與庫首地區(qū)，庫尾地區(qū)年平均VC較庫區(qū)低15%，而年平均LST較庫區(qū)高3.5 ℃。庫尾中梁山與銅鑼山的中間地帶地勢較平坦，海拔較低，起伏較小，是重慶中心城區(qū)的主要分布區(qū)域。中心城區(qū)與周邊地區(qū)經(jīng)濟快速發(fā)展，城市建設(shè)規(guī)模較大，導(dǎo)致VC降低，從而引起LST快速上升，造成庫尾高溫效應(yīng)聚集?？傮w來看，三峽庫區(qū)VC與LST在空間上具有負相關(guān)性，VC較高區(qū)域其LST較低，LST較高區(qū)域其VC明顯低于周邊地區(qū)，說明良好的植被覆蓋對于改善人居環(huán)境有重要意義。

分季節(jié)統(tǒng)計三峽庫區(qū)平均LST與VC，結(jié)果如圖3所示?？傮w上，2020年三峽庫區(qū)四季LST與VC的空間分布與年均LST與VC的空間分布較為一致。

圖3 2020年研究區(qū)四季植被覆蓋度(VC)與地表溫度(LST)分布圖

夏季平均LST最高，達32 ℃，冬季平均LST最低，在15 ℃左右，年內(nèi)最高與最低平均LST差值為17 ℃。三峽庫區(qū)秋季平均VC最高，達0.671，冬季平均VC最低，在0.543左右，年內(nèi)最高與最低平均VC差值為0.128。秋季平均VC與夏季平均VC差值僅為0.001，庫區(qū)夏季到秋季VC有小幅增加，總體來說夏秋兩季VC較高，四季中VC與LST存在一定的負相關(guān)性。

3.2 VC與LST的相關(guān)性分析

3.2.1VC與LST的線性回歸分析

運用GeoDa軟件的線性回歸工具得到三峽庫區(qū)2020年四季VC與LST的線性回歸方程(表1)，各季節(jié)的回歸方程均通過0.01水平的顯著性檢驗，表明三峽庫區(qū)VC與LST具有顯著負相關(guān)性。四季中，夏季VC與LST之間的負相關(guān)性最為顯著，R2達0.529，夏季植被覆蓋度每增加0.1，地表溫度降低0.93 ℃；春季VC與LST之間的負相關(guān)性也較為顯著，R2為0.382，春季植被覆蓋度每增加0.1，地表溫度降低0.65 ℃；秋冬季VC與LST之間的負相關(guān)性相近，秋冬兩季LST主要與庫區(qū)獨特的地形條件、氣候環(huán)境等因素有關(guān)，而與植被覆蓋的相關(guān)性偏弱。

表1 2020年研究區(qū)四季植被覆蓋度(VC)與地表溫度(LST)的線性回歸方程

3.2.2VC與LST的空間自相關(guān)分析

為進一步研究VC與LST的空間相關(guān)關(guān)系，對四季VC與LST進行全局空間自相關(guān)分析，運用GeoDa軟件建立最近鄰空間權(quán)重矩陣 (K=8)，并計算四季VC與LST的雙變量Moran′sI值，雙變量Moran′sI散點圖的Z值均小于-1.65，均通過顯著性檢驗，輸出結(jié)果見圖4。Moran′sI散點圖中橫坐標為各數(shù)據(jù)點標準化后的屬性值，縱坐標為根據(jù)空間連接矩陣相鄰單元屬性的均值得到的空間滯后值。由圖4可知，春、夏、秋、冬VC與LST的雙變量Moran′sI均為負值，分別為-0.437、-0.507、-0.235、-0.289，表明四季三峽庫區(qū)VC與LST在空間上均呈現(xiàn)明顯的負相關(guān)性,且存在季節(jié)差異。其中夏季雙變量Moran′sI絕對值高于春、秋、冬季，夏季空間負相關(guān)性最強，空間分布最為聚集，春季次之，秋季與冬季空間自相關(guān)性最弱，空間分布離散程度最高。

圖4 雙變量Moran′s I散點圖

3.3 VC與LST的空間耦合季節(jié)分異分析

相關(guān)性分析表明，三峽庫區(qū)四季VC與LST均存在明顯的相關(guān)性，故采用空間耦合度模型計算三峽庫區(qū)四季VC與LST的空間耦合度，結(jié)果見圖5?？傮w上，庫區(qū)四季VC與LST的耦合度與全年VC與LST的耦合度變化規(guī)律保持高度一致性。三峽庫區(qū)四季VC與LST這2個單一系統(tǒng)的整體耦合效果均處于極高水平，兩者在空間上主要表現(xiàn)為非協(xié)調(diào)，地表溫度改善對植被覆蓋度極為依賴，加之建設(shè)用地的增加導(dǎo)致植被覆蓋對地表溫度的負反饋作用也日益突出，三峽庫區(qū)VC與LST更傾向于相互拮抗，兩者的耦合度較高。其中春季耦合效果最強，這與春季植被在滿足自身發(fā)育的溫度之后快速增長有關(guān)；冬季耦合效果最差，可能與冬季氣溫寒冷，植被在深秋季節(jié)便進入落葉期有關(guān)。而四季VC與LST耦合效果較差的區(qū)域主要分布于重慶市中心城區(qū)、長江兩岸、巫溪和巫山北部的高海拔地區(qū)。其中LST受其他因素的影響較大，重慶市中心城區(qū)的城市熱島效應(yīng)極為顯著，城市下墊面對LST的影響較大，削減了VC與LST之間的相關(guān)性；長江兩岸VC近似為0，故兩者之間的空間耦合效果差；巫溪、巫山北部地區(qū)海拔高，地勢起伏陡峭，對VC與LST影響較大。總體來說，耦合效果差的區(qū)域所占比例較小，對四季VC與LST的整體耦合效果趨勢沒有太大影響。

圖5 2020年研究區(qū)各季節(jié)植被覆蓋度(VC)與地表溫度(LST)的空間耦合度分布

對三峽庫區(qū)四季耦合度分區(qū)間進行統(tǒng)計，結(jié)果見表2。由表2可知，四季耦合度在(0.8,1.0]區(qū)間的柵格數(shù)最多，其余依次為(0.5,0.8]、[0,0.3]、(0.3,0.5]。在耦合度為 (0.3,0.5]與(0.5,0.8]區(qū)間時，柵格占比從春季到冬季的變化趨勢表現(xiàn)為“N”型，即先增后減再增。在耦合度為(0,0.3]與(0.8,1]區(qū)間時，柵格占比從春季到冬季的變化趨勢分別表現(xiàn)為倒“U”型與正“U”型，前者先增后減，后者先減后增。

表2 四季不同區(qū)間耦合度柵格數(shù)及占比

在ArcGIS 軟件中運用疊加分析法統(tǒng)計四季變更時各耦合效果相互轉(zhuǎn)化的柵格數(shù)，結(jié)果如圖6所示。秋-冬季耦合效果發(fā)生轉(zhuǎn)化的柵格數(shù)為 14 220，即三峽庫區(qū)秋-冬季24.998% 的區(qū)域耦合效果發(fā)生變化；冬-春季21.190% 的區(qū)域耦合效果發(fā)生變化；夏-秋季17.370%的區(qū)域耦合效果發(fā)生變化；春-夏季發(fā)生轉(zhuǎn)化的柵格數(shù)最少，僅14.122%的區(qū)域耦合效果發(fā)生轉(zhuǎn)化。可以看出，VC與LST變化較大的季節(jié)耦合度發(fā)生轉(zhuǎn)化的柵格數(shù)較多，反之則較少。春-夏季耦合效果變更均變現(xiàn)為由高級耦合向低級耦合轉(zhuǎn)化，夏-秋、秋-冬與冬-春季耦合效果變更表現(xiàn)為由低級耦合向高級耦合轉(zhuǎn)化較多。其中，夏-秋、秋-冬季耦合效果由較好向極好轉(zhuǎn)化較多，轉(zhuǎn)化柵格數(shù)分別為1 081與516；而冬-春季耦合效果由極差向極好轉(zhuǎn)化較多，轉(zhuǎn)化柵格數(shù)為844。

圖6 季節(jié)變更時不同耦合效果轉(zhuǎn)化柵格數(shù)

對四季VC與LST間的耦合類型進行分類，結(jié)果見表3。其中，VC與LST歸一化數(shù)值的差值高于0.25以上，表示植被覆蓋度更高，屬于VC滯后型，反之為LST滯后型；若兩者數(shù)值相差不超過0.25，表示植被覆蓋子系統(tǒng)與地表溫度子系統(tǒng)相互協(xié)同，屬于VC與LST同步型。四季耦合度在(0.8,1.0]區(qū)間內(nèi)，LST滯后型柵格占比最大，其次是VC與LST同步型，VC滯后型柵格占比最小，且該區(qū)間各耦合類型的柵格占比均大于其余3個區(qū)間同一耦合類型的柵格占比。其余區(qū)間范圍整體上表現(xiàn)為LST滯后型柵格占比最大，其次為VC滯后型，VC與LST同步型柵格占比最小。

表3 不同季節(jié)植被覆蓋度(VC)與地表溫度(LST)各耦合類型的柵格數(shù)及占比

具體而言，夏季各耦合度區(qū)間的LST滯后型柵格占比均為最大，VC滯后型柵格占比在除耦合度為[0,0.3]外的其余3個區(qū)間均為最小，即夏季各耦合類型中LST滯后型柵格占比最大，VC滯后型柵格占比最小。秋季各耦合類型中，LST與VC同步型占比最大，達37.223%。VC滯后型柵格占比大小表現(xiàn)為春季>冬季>秋季>夏季，LST與VC同步型柵格占比大小表現(xiàn)為秋季>冬季>夏季>春季，LST滯后型柵格占比大小為夏季>冬季>秋季>春季。春夏兩季VC滯后型與LST滯后型的變化趨勢相反，這可能與春季地表溫度逐漸升高，綠植的有效積溫逐漸達到飽和，綠植的生長速率大于地表溫度隨光照強度增加的升高速率，而夏季地表溫度達四季中最高，故夏季LST滯后型占比最大。

4 討論與結(jié)論

以MODIS為數(shù)據(jù)源，選取三峽庫區(qū)為研究對象，分析2020年VC與LST的空間分布與季節(jié)變化特征，運用GeoDa軟件對四季VC與LST之間的線性相關(guān)性與空間自相關(guān)性進行計算，并得到四季線性回歸方程及Moran′sI散點圖，最后運用空間耦合模型計算四季VC與LST之間的空間耦合度，分析三峽庫區(qū)空間耦合季節(jié)分異特征，主要結(jié)論如下：

(1)三峽庫區(qū)VC與LST的時空分布具有明顯差異性。從空間分布上看，LST高值區(qū)集中分布于西南的庫尾區(qū)域，低值區(qū)則分布在庫區(qū)北部與庫腹南部峭坡區(qū)域；而VC則反之，VC較低區(qū)域集中分布于江河兩岸以及人口集中的庫尾區(qū)域，VC較高區(qū)域則分布于庫腹的巫山、巫溪等坡度較陡的區(qū)域。從時間上看，LST表現(xiàn)為夏季>春季>秋季>冬季，VC表現(xiàn)為秋季>夏季>春季>冬季。年內(nèi)最高與最低平均LST差值為17 ℃，年內(nèi)最高與最低平均VC差值為0.128，三峽庫區(qū)四季平均地表溫度較適宜，植被覆蓋度較高。

(2)三峽庫區(qū)VC與LST呈負相關(guān)關(guān)系且各季節(jié)之間存在差異。VC與LST空間自相關(guān)分析與線性回歸分析結(jié)果一致，即三峽庫區(qū)VC與LST呈負相關(guān)關(guān)系，且兩者在四季間的相關(guān)性存在差異，夏、春、冬、秋季VC與LST的相關(guān)性依次減弱。

(3)三峽庫區(qū)VC與LST整體空間耦合效果極好，各耦合度區(qū)間的占比差異明顯。三峽庫區(qū)VC與LST這2個單一系統(tǒng)的整體耦合效果處于極高水平，兩者在空間上主要表現(xiàn)為非協(xié)調(diào)。耦合度在(0.3,0.5]與(0.5,0.8]內(nèi)，柵格占比從春季到冬季的變化趨勢表現(xiàn)為“N”型；在(0,0.3]與(0.8,1.0]內(nèi)，柵格占比從春季到冬季的變化趨勢分別表現(xiàn)為倒“U”與正“U”型。三峽庫區(qū)季節(jié)變更時耦合效果變化的區(qū)域從多到少表現(xiàn)為秋-冬>冬-春>夏-秋>春-夏，且春-夏季耦合效果變更均為由高級耦合向低級耦合轉(zhuǎn)化，夏-秋、秋-冬與冬-春季耦合效果變更為由低級耦合向高級耦合轉(zhuǎn)化較多。耦合效果為極好的區(qū)域中，LST滯后型柵格占比最大，其次是VC與LST同步型，VC滯后型柵格占比最小。耦合效果較好、較差、極差的區(qū)域整體上表現(xiàn)為LST滯后型柵格占比最大，其次是VC滯后型，VC與LST同步型柵格占比最小。

由于該研究主要是對季節(jié)差異進行分析，因此只選取了一年期數(shù)據(jù)，樣本量較少，采用的MODIS數(shù)據(jù)源為中分辨率，時間與空間分辨率也不夠精細，這在一定程度上會影響VC與LST空間耦合性分析結(jié)果的精確性。后續(xù)需利用多源、多時像的高分辨率、高光譜特征的遙感數(shù)據(jù)源，進一步探討VC與LST在時空上的耦合關(guān)系，進一步深入分析典型生態(tài)區(qū)環(huán)境變化以及環(huán)境因子之間的關(guān)聯(lián)性。