礦業(yè)密集區(qū)地表熱環(huán)境時(shí)空異質(zhì)性驅(qū)動(dòng)機(jī)理

侯春華 ,李富平 ,3,4*,谷海紅 ,3,4,何寶杰 ,馬朋坤 ,宋 文 (1.華北理工大學(xué)礦業(yè)工程學(xué)院,河北 唐山063210；2.唐山市資源與環(huán)境遙感重點(diǎn)實(shí)驗(yàn)室,河北 唐山 063210；3.河北省礦業(yè)開發(fā)與安全技術(shù)重點(diǎn)實(shí)驗(yàn)室,河北 唐山063210；4.河北省礦區(qū)生態(tài)修復(fù)產(chǎn)業(yè)技術(shù)研究院,河北 唐山 063210；5.重慶大學(xué)建筑城規(guī)學(xué)院,重慶 400405；6.重慶大學(xué),山地城鎮(zhèn)建設(shè)與新技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室,重慶 400405；7.澳大利亞新南威爾士大學(xué)建筑環(huán)境學(xué)院,澳大利亞 悉尼 2052；.北京城市氣象研究院城市邊界層與大氣環(huán)境研究所,北京 10009；9.中國(guó)科學(xué)院地理科學(xué)與資源研究所,陸地表層格局與模擬重點(diǎn)實(shí)驗(yàn)室,北京100101)

礦業(yè)開發(fā)給國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展作出貢獻(xiàn)的同時(shí),會(huì)影響礦區(qū)及周邊環(huán)境和微氣候,但是目前人們對(duì)礦業(yè)密集區(qū)地表熱環(huán)境生物地球物理效應(yīng)研究較少.礦業(yè)開采過(guò)程中大量剝離巖石和土壤,使得地表原有植被遭到破壞,壓占、堆積和采掘等擾動(dòng)過(guò)程影響地表下墊面水分蒸發(fā)蒸騰循環(huán)[1],進(jìn)而影響地表熱環(huán)境.地表溫度(Land Surface Temperature,LST)是區(qū)域與全球尺度地表物理過(guò)程分析與模擬的重要物理參量,在地表與大氣能量交換的過(guò)程中扮演著重要角色[2].當(dāng)前主要集中在全球城市區(qū)域尺度范圍內(nèi),利用LST 開展城市空間熱環(huán)境及其氣候變化和環(huán)境整治研究,且多集中在熱島效應(yīng)方面[3-4].

對(duì)于礦業(yè)密集區(qū),無(wú)論是礦山企業(yè)數(shù)量還是礦山企業(yè)所占用土地?cái)?shù)量,均相對(duì)集中[5].礦業(yè)開采改變了原有土地利用方式,必將對(duì)礦區(qū)及周邊區(qū)域地表熱環(huán)境造成一定影響,因此有必要分析礦業(yè)開發(fā)對(duì)地表熱環(huán)境的影響.區(qū)域地表熱環(huán)境定量評(píng)價(jià)是深入揭示地表熱環(huán)境形成機(jī)制的主要手段[6].在這方面衛(wèi)星遙感數(shù)據(jù)具有定量估算時(shí)空尺度上地表生物地球物理參量的優(yōu)勢(shì)[7].當(dāng)前,通常利用遙感定量反演技術(shù)和GIS 空間分析方法,分析礦區(qū)地表熱環(huán)境和土地利用及其覆蓋變化(LUCC)、植被覆蓋度(VFC)等單一因素之間的定量關(guān)系,較少對(duì)人類活動(dòng)強(qiáng)烈的礦業(yè)密集區(qū)地表熱環(huán)境異質(zhì)性驅(qū)動(dòng)因素進(jìn)行綜合分析.如劉英等[8]以神東礦區(qū)為研究對(duì)象,基于1989～2013 年10 月 Landsat TM5/OLI 8 影像為數(shù)據(jù)源,采用單窗算法定量反演礦區(qū)地表溫度,并在礦區(qū)和礦井尺度上深入分析采區(qū)和非采區(qū)地表溫度的分布特征.朱星等[9]以永定礦區(qū)為研究區(qū),選擇山地植被指數(shù)(NDMVI),利用像元二分模型方法,對(duì)礦區(qū)山地植被覆蓋度進(jìn)行遙感估算,并利用熱紅外波段反演地表溫度來(lái)研究礦區(qū)的熱環(huán)境狀況變化.

礦業(yè)密集區(qū)內(nèi)部景觀具有高度異質(zhì)性,地表熱特性與眾多的生物物理特性密切相關(guān),植被的生長(zhǎng)狀況、蓋度和類型決定了地表反照率和水分蒸發(fā)蒸騰,從而影響了地表能量分配[10-11];地表濕度狀況決定了地表比熱特性,因而對(duì)LST 時(shí)空差異具有較好的揭示作用[12];礦業(yè)開采出現(xiàn)的大面積裸露地表由于可以改變地表層的潛熱和顯熱通量,因而也成為影響地表熱環(huán)境變化的關(guān)鍵因素[13-14].以上因素對(duì)礦業(yè)密集區(qū)地表能量交換和地表熱流均有影響,故單獨(dú)分析單一生物物理參數(shù)對(duì)地表熱環(huán)境的驅(qū)動(dòng)機(jī)制是不夠的.

基于此,為揭示礦業(yè)密集區(qū)地表熱環(huán)境時(shí)空異質(zhì)性特征及其驅(qū)動(dòng)機(jī)制,本文利用2000～2018 年5 期Landsat 中分辨率遙感影像的熱紅外波段,采用大氣校正法反演研究區(qū)地表水熱因子中的LST,利用可見光波段結(jié)合研究區(qū)特點(diǎn),提取地表下墊面擾動(dòng)類型以及4 個(gè)表征地表熱環(huán)境時(shí)空異質(zhì)性的生物物理參數(shù);分別從地表下墊面擾動(dòng)角度和生物物理角度分析地表熱環(huán)境時(shí)空異質(zhì)性特征,借助統(tǒng)計(jì)學(xué)方法定量化分析不同生物物理參數(shù)對(duì)地表熱環(huán)境分異效應(yīng)的驅(qū)動(dòng)力,研究礦業(yè)密集區(qū)地表熱環(huán)境異質(zhì)性的驅(qū)動(dòng)機(jī)理及對(duì)不同生物物理參數(shù)的響應(yīng)規(guī)律.研究結(jié)果對(duì)于準(zhǔn)確了解礦業(yè)開發(fā)對(duì)區(qū)域地表熱環(huán)境的擾動(dòng)規(guī)律、促進(jìn)區(qū)域可持續(xù)發(fā)展等具有重要的理論和現(xiàn)實(shí)意義.

1 研究方法

1.1 研究區(qū)概況及數(shù)據(jù)源

1.1.1 研究區(qū)概況 研究區(qū)位于河北省遷安市西北部的馬蘭莊鎮(zhèn),距市區(qū)15km.東臨灤河,與遷安鎮(zhèn)、閆家店鄉(xiāng)、大崔莊鎮(zhèn)三個(gè)鎮(zhèn)鄉(xiāng)僅一河之隔,南連蔡園鎮(zhèn),西、北與遷西縣接壤(圖1).西部群山環(huán)抱,三面環(huán)山、一面鄰水,為半山區(qū)燕山隆起帶余脈南麓,總面積49.16km2.屬溫帶大陸性季風(fēng)型氣候,四季分明,全年平均溫度10.1°C,常年降雨量735mm 左右,年均日照1675h,年均無(wú)霜期172d.

鎮(zhèn)內(nèi)礦產(chǎn)資源豐富,采礦場(chǎng)分布密集,是鐵礦石資源豐富的鋼鐵重鎮(zhèn).馬蘭莊鎮(zhèn)為遷安市礦業(yè)開發(fā)1級(jí)密集區(qū)[15],基于模糊綜合聚類分析方法得出馬蘭莊鎮(zhèn)境內(nèi)的礦區(qū)占比和聚集程度居遷安市19 個(gè)鄉(xiāng)鎮(zhèn)之首,因此確定馬蘭莊鎮(zhèn)為本文重點(diǎn)分析的區(qū)域.

圖1 研究區(qū)位置示意Fig.1 Location of study area

1.1.2 數(shù)據(jù)源1)遙感影像數(shù)據(jù)與預(yù)處理 選取覆蓋研究區(qū)5 個(gè)時(shí)段的Landsat 影像,來(lái)源于美國(guó)地質(zhì)調(diào)查局(USGS)官方網(wǎng)站(http://glovis.usgs.gov/)的Level 1T 級(jí)中分辨率系列衛(wèi)星產(chǎn)品(軌道號(hào)122/32).數(shù)據(jù)獲取日期分別為:2000 年9 月6 日(TM)、2003年8 月14 日(TM)和2008 年9 月12 日(TM),2013年9 月26 日(OLI/TIRS)和2018 年9 月8 日(OLI/TIRS).經(jīng)查驗(yàn) 5 期影像過(guò)境時(shí)間,均為上午10:00～11:00,晴朗無(wú)云,空氣擾動(dòng)較小,可以真實(shí)反映LST 狀況,適宜進(jìn)行LST 反演.

影像預(yù)處理主要基于ENVI 5.3 軟件,對(duì)各時(shí)期遙感影像的可見光和近紅外波段進(jìn)行輻射定標(biāo),將影像灰度值轉(zhuǎn)換為傳感器的反射率(鑒于Landsat 8TIRS 11 波段的定標(biāo)參數(shù)偏差較大,因此對(duì)TIRS 10波段單獨(dú)進(jìn)行輻射定標(biāo)用于LST 反演[16].)使用FLAASH 大氣校正工具對(duì)各期影像的可見光波段進(jìn)行大氣校正,消除大氣和光照等因素對(duì)地物反射的影響;最后利用研究區(qū)矢量邊界對(duì)預(yù)處理結(jié)果進(jìn)行裁剪.

2)MODIS 溫度產(chǎn)品

利用NASA 官網(wǎng)提供的全球每日1000m 分辨率的MODIS 地溫產(chǎn)品MOD11A1 白天的溫度波段,對(duì)LST 反演結(jié)果進(jìn)行對(duì)比驗(yàn)證.

3)其他數(shù)據(jù)

谷歌地球高分辨率影像,用于對(duì)地表擾動(dòng)類型劃分進(jìn)行精度驗(yàn)證;中國(guó)縣級(jí)行政矢量圖的研究區(qū)矢量邊界數(shù)據(jù).

1.2 地表溫度反演

1.2.1 采用大氣校正法反演地表溫度 目前,利用熱紅外波段反演LST 的方法有很多,如大氣校正法(也稱為輻射傳輸方程:Radiative Transfer Equation,RTE)[17]、 單 窗 算 法(Mono-Window Algorithm,MW)[18]、劈窗算法(Split Window Algorithm,SW)[19-21]等,大量研究證明了這些算法的可行性[22-23].本文在參照相關(guān)研究的基礎(chǔ)上,采用大氣校正法反演LST,其基本原理為去除大氣影響前提下,借助大氣輻射傳輸方程,將衛(wèi)星所觀測(cè)到地表熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)LST[24].詳細(xì)步驟見文獻(xiàn)[25].

1.2.2 地表溫度驗(yàn)證 利用相對(duì)驗(yàn)證法對(duì)遷安市LST 反演結(jié)果與較為成熟的被廣泛應(yīng)用于各研究領(lǐng)域,并且經(jīng)過(guò)大量學(xué)者驗(yàn)證的MODIS 地溫產(chǎn)品MOD11A1 數(shù)據(jù)進(jìn)行比較[26],由圖2 可知,二者在5期數(shù)據(jù)上的總體波動(dòng)趨勢(shì)基本一致.5 個(gè)年份Landsat 反演LST 結(jié)果與MOD11A1 地溫產(chǎn)品的差值分別為:-0.54,-1.68,-2.57,3.26,1.19.二者差值較小,可滿足研究需要,并能夠反映研究區(qū)地表溫度變化情況,反演結(jié)果可用于下一步研究.

圖2 2000～2018 年反演地表溫度與當(dāng)日MODIS 溫度產(chǎn)品對(duì)比Fig.2 Comparison of land surface temperature inversion from 2000 to 2018 with MODIS temperature products of the same day

1.3 地表熱環(huán)境異質(zhì)性分析

為定量和可視化分析礦業(yè)密集區(qū)地表熱環(huán)境時(shí)空異質(zhì)性特征,利用均值-標(biāo)準(zhǔn)差法對(duì)LST 進(jìn)行分級(jí),并分別從下墊面擾動(dòng)類型角度和生物物理角度,對(duì)LST 和LUCC 以及4 個(gè)生物物理參數(shù)進(jìn)行疊加分析和相關(guān)性分析,并分析午間LST 對(duì)下墊面擾動(dòng)類型和生物物理參數(shù)時(shí)空變化的響應(yīng).

1.3.1 下墊面擾動(dòng)類型分類 利用隨機(jī)森林分類法,將研究區(qū)下墊面地表擾動(dòng)類型劃分為林地、耕地、工礦用地、建設(shè)用地和水域5 種類型,并對(duì)各地表擾動(dòng)類型占比情況進(jìn)行統(tǒng)計(jì).精度驗(yàn)證采用谷歌地球高分辨率影像和GF-1 影像,5 期影像總體分類精度和卡帕系數(shù)均高于90%和0.90,分類精度較高,效果較好.

1.3.2 地表溫度分級(jí) 為反映研究區(qū)LST 值數(shù)量及分布特征,選取合適的分級(jí)方法將反演所得溫度數(shù)據(jù)進(jìn)行等級(jí)劃分.均值-標(biāo)準(zhǔn)差法可用于顯示要素屬性值與平均值之間的差異,使用與標(biāo)準(zhǔn)差成比例的等值范圍創(chuàng)建分類間隔,從而顯示不同溫度等級(jí)劃分情況與空間分布格局,能更好反映不同下墊面LST 差異[27-29].由于LST 會(huì)受到氣候等大背景環(huán)境因素年代間的不確定性和變化性的影響,直接利用LST 的絕對(duì)值進(jìn)行地表熱環(huán)境的年代變化對(duì)比研究是不合理的,為了使不同年份的LST 數(shù)據(jù)能在統(tǒng)一的量綱下進(jìn)行對(duì)比,參考前人研究[30],首先對(duì)LST 進(jìn)行歸一化處理(NLST)[31],其計(jì)算公式如下:

式中:NLST 為歸一化后的地表溫度值;LST 為原始地表溫度值;LSTmax和LSTmin分別是LST 影像中的最小值和最大值.

根據(jù)NLST 的取值范圍,依托ArcGIS10.2 軟件,進(jìn)一步將NLST 劃分為5 個(gè)熱力等級(jí),分別為高溫、次高溫、中溫、次低溫和低溫(表1),更加系統(tǒng)地反映研究區(qū)LST 等級(jí)分布狀況[32].

表1 地表溫度等級(jí)劃分標(biāo)準(zhǔn)Table 1 Classification standard of land surface temperature

1.3.3 疊加分析 利用ArcGIS10.2 軟件的疊加分析功能,對(duì)研究區(qū)LST 和LUCC 進(jìn)行疊加分析,統(tǒng)計(jì)不同下墊面擾動(dòng)類型的LST 均值,據(jù)此從下墊面擾動(dòng)角度探究研究區(qū)地表熱環(huán)境異質(zhì)性驅(qū)動(dòng)機(jī)制.

1.3.4 空間相關(guān)性分析 基于可見光波段分別提取4 個(gè)生物物理參數(shù),從生物物理角度對(duì)研究區(qū)地表下墊面4 個(gè)生物物理參數(shù)和NLST 進(jìn)行空間相關(guān)性分析,明晰研究區(qū)地表熱環(huán)境空間異質(zhì)性對(duì)下墊面生物物理參數(shù)的響應(yīng)規(guī)律.

1.4 生物物理參數(shù)

地表綠化程度、土壤濕度、地表裸露程度和不透水面密集程度等生物物理指標(biāo)均能夠反映地表生態(tài)狀態(tài),并且對(duì)LST 具有一定的正面或負(fù)面影響[33-35].

1.4.1 光合植被覆蓋度(fPV) 以往研究多集中于利用僅考慮裸土(Bare Soil,BS)和植被2 種組分的像元二分模型(Dimidiate Pixel Model,DPM)[36],反演區(qū)域VFC 探討其與地表熱環(huán)境之間的關(guān)系.植被的降溫作用一定程度上是因?yàn)楣夂现脖?Photosynthetic Vegetation,PV)葉面的水分含量,如Amiri 等[37].在伊朗的研究表明,植被含水量變化導(dǎo)致高植被覆蓋區(qū)從低溫特征向高溫特征轉(zhuǎn)變,因而如何掌握光合植被覆蓋信息,對(duì)緩解區(qū)域地表熱環(huán)境高溫聚集效應(yīng)具有重要意義[37].基于NDVI-DFI 特征空間的像元三分模型反演光合植被覆蓋度(fPV),定量分析其對(duì)LST 的驅(qū)動(dòng)作用[38],具體計(jì)算步驟見文獻(xiàn)[39].

1.4.2 土壤濕度監(jiān)測(cè)指數(shù)(SMMI) 地表水分狀況作為陸面過(guò)程的重要因子,是地表干旱信息最重要的表征參量,同時(shí)也是調(diào)控地-氣反饋的最重要參量之一[40],因而地表水分含量的變化對(duì)區(qū)域地表熱環(huán)境調(diào)控尤為重要.基于土壤濕度監(jiān)測(cè)指數(shù)SMMI 表征研究區(qū)地表水分含量,該指數(shù)基于Nir－Red 光譜特征空間建立,具有不依賴土壤線而變化的優(yōu)點(diǎn)[41],表達(dá)式為:

式中:Rred和Rnir分別為紅光波段和近紅外波段的光譜反射率.為使反演結(jié)果中像元值大的區(qū)域代表地表水分含量高,用1減去SMMI的反演值得到研究區(qū)地表水分含量影像.

1.4.3 增強(qiáng)型裸土指數(shù)(EBSI) 采礦活動(dòng)的實(shí)施直接剝離掉大量礦區(qū)采場(chǎng)表土和巖石,由于裸土和巖石具有相似的反射率,出現(xiàn)的大面積裸露地表在遙感影像上與裸土的光譜特征相一致.采用增強(qiáng)型裸土指數(shù)EBSI 來(lái)量化研究區(qū)地表裸露程度[42].計(jì)算公式:

式中:Rswir1、Rred、Rblue和Rnir分別代表短波紅外1波段,紅波段,藍(lán)波段和近紅外波段的光譜反射率.

1.4.4 歸一化差值不透水面指數(shù)(NDISI) 地表非滲透表面具有較高的LST,一方面是因?yàn)槠渥陨淼奈锢硖匦?另一方面是因?yàn)椴煌杆砻嫠趾康?缺乏有效的蒸騰作用,因此有必要將不透水面也作為影響地表熱環(huán)境分異效應(yīng)的一個(gè)重要因素進(jìn)行研究[43].采用歸一化差值不透水面指數(shù)NDISI 量化研究區(qū)不透水面信息.公式為:

式中:Rmir、Rnir和Rswir2分別代表中紅外波段、近紅外波段和短波紅外2 波段的光譜反射率.MNDWI 為歸一化水體指數(shù),公式為:

式中:Rgreen和Rmir分別代表綠波段和中紅外波段的光譜反射率.

2 結(jié)果與分析

2.1 地表熱環(huán)境時(shí)空異質(zhì)性特征分析

2.1.1 下墊面擾動(dòng)類型角度疊加分析 由于下墊面擾動(dòng)類型發(fā)生變化會(huì)引起地表反射率的變化,從而導(dǎo)致LST 發(fā)生變化,為定量化、可視化的分析馬蘭莊鎮(zhèn)地表擾動(dòng)類型的溫度分異特征,以及對(duì)研究區(qū)增溫和降溫的貢獻(xiàn)程度,從研究區(qū)下墊面擾動(dòng)角度對(duì)5 期影像LST 和LUCC 進(jìn)行疊加分析,對(duì)研究區(qū)進(jìn)行下墊面擾動(dòng)類型分類,并統(tǒng)計(jì)各年份地表擾動(dòng)類型占比(圖3).5 期影像林地主要集中于中西部山區(qū);耕地分散于境內(nèi)中東部地區(qū);工礦用地在研究區(qū)北部和中南部較為密集;居民地分散在工礦用地周邊;水域主要是位于各礦區(qū)尾礦庫(kù)內(nèi)的少量尾水.2000 年礦業(yè)處于不景氣時(shí)期,境內(nèi)的礦區(qū)較少,對(duì)生態(tài)破壞不大,綠地占比較大,工礦用地占比僅為26.56%;2000 年以后隨著礦業(yè)的大規(guī)模開采,大量綠地和耕地被占用,生態(tài)環(huán)境破壞程度加劇,工礦用地占比逐年增加,到2008 年綠地占比減少到11.54%,工礦用地占比增加到55.54%;2008 年以后,由于政府開始重視環(huán)境保護(hù)工作,礦區(qū)生態(tài)恢復(fù)開始逐步實(shí)施,工礦用地占比逐年縮小,但是由于生態(tài)復(fù)墾效果顯現(xiàn)時(shí)效滯后性的特點(diǎn),到2018 年綠地占比僅比2008 年提高了2.13%.

為探究馬蘭莊鎮(zhèn)地表熱環(huán)境分異效應(yīng)驅(qū)動(dòng)機(jī)制,從地表下墊面擾動(dòng)角度對(duì)LUCC 和LST 反演結(jié)果進(jìn)行疊加分析,5 個(gè)年份境內(nèi)不同下墊面擾動(dòng)類型LST,均表現(xiàn)出工礦用地＞居民地＞耕地＞林地＞水域的分異特征(表2).

為進(jìn)一步分析地表下墊面擾動(dòng)對(duì)LST 的驅(qū)動(dòng)規(guī)律,對(duì)NLST 進(jìn)行均值-標(biāo)準(zhǔn)差分級(jí),結(jié)果表明5 個(gè)年份境內(nèi)地表熱環(huán)境均呈現(xiàn)顯著的空間異質(zhì)性和規(guī)律性,低溫區(qū)和次低溫區(qū)主要分布于林地和水域,中溫區(qū)主要位于耕地,次高溫區(qū)主要分布于居民地,高溫區(qū)主要聚集在位于研究區(qū)北部和中南部的露 天礦區(qū)采場(chǎng)境內(nèi)(圖4).

圖3 2000～2018 年馬蘭莊鎮(zhèn)下墊面擾動(dòng)類型分類及占比(%)Fig.3 Land use classification and proportion of land disturbed types of Malanzhuang town from 2000 to 2018

表2 2000～2018 年馬蘭莊鎮(zhèn)各地物地表溫度均值(°C)Table 2 The mean value of LST from 2000 to 2018

這是由于在接收同等太陽(yáng)輻射能量的條件下,裸土和不透水面比熱容小于水體,導(dǎo)致裸土和不透水面升溫更快.居民區(qū)和公共設(shè)施用地雖然為不透水面等建設(shè)用地,但溫度未及工礦用地,原因之一是居民區(qū)和公共設(shè)施用地內(nèi)部植被較之豐富,土壤水分含量及蒸散量大于工礦用地,另一方面工礦用地因其裸露地表分布廣、含水量低以及地表反照率高使其在接收同等太陽(yáng)輻射量的前提下,能吸收更多的熱量而具有極高的LST,形成局部熱島中心.可據(jù)此從地表下墊面擾動(dòng)類型角度初步判斷馬蘭莊鎮(zhèn)地表熱環(huán)境分異效應(yīng)的驅(qū)動(dòng)機(jī)制.

2.1.2 生物物理角度空間相關(guān)性分析 為從多角度剖析研究區(qū)地表熱環(huán)境異質(zhì)性特征及驅(qū)動(dòng)機(jī)制,從生物物理角度分別對(duì)研究區(qū)下墊面4 個(gè)生物物理參數(shù)和NLST 進(jìn)行空間相關(guān)性分析.為了使不同年份的4 個(gè)生物物理參數(shù)和NLST 能在統(tǒng)一的量綱下進(jìn)行對(duì)比,對(duì)各年份的值進(jìn)行歸一化處理,使其值域分別在[0,1]范圍內(nèi). 以2018 年為例,結(jié)合下墊面擾動(dòng)類型分類及占比圖(圖3e)和地表熱力等級(jí)空間分布圖(4e),分析研究區(qū)地表熱環(huán)境空間異質(zhì)性對(duì)下墊面生物物理參數(shù)的響應(yīng)規(guī)律(圖5).

圖5a 和圖5b 的高值區(qū)均對(duì)應(yīng)于林地、水域等低溫區(qū),低值區(qū)對(duì)應(yīng)于工礦用地和不透水面等高溫區(qū);圖5c 和圖5d 的高值區(qū)均對(duì)應(yīng)于工礦用地和不透水面等高溫區(qū),低值區(qū)對(duì)應(yīng)于林地、水域等低溫區(qū).上述研究表明,地表生態(tài)狀況對(duì)礦業(yè)密集區(qū)地表熱環(huán)境分布的影響較為明顯,4 個(gè)生物物理參數(shù)和LST均存在著較強(qiáng)的相關(guān)性.這是由于不同地表覆被對(duì)于直接太陽(yáng)輻射和間接太陽(yáng)輻射的反射與散射導(dǎo)致地表熱環(huán)境的異質(zhì)性.

圖4 馬蘭莊鎮(zhèn)2000～2018 年地表熱力等級(jí)空間分布Fig.4 Spatial distribution of NLST in study area from 2000 to 2018

圖5 2018 年馬蘭莊鎮(zhèn)4 個(gè)生物物理參數(shù)Fig.5 The four factors’ patterns over the study area

為進(jìn)一步探究4 個(gè)生物物理參數(shù)與LST 之間的關(guān)系,以2018 年為例,利用ENVI5.3 對(duì)NLST 和4 個(gè)生態(tài)參數(shù)分別作散點(diǎn)圖分析(圖6).由散點(diǎn)圖可知,fPV和SMMI 與LST 均表現(xiàn)出明顯的負(fù)相關(guān)關(guān)系,EBSI 和NDISI 與LST 均表現(xiàn)出明顯的正相 關(guān)關(guān)系.

圖6 2018 年馬蘭莊鎮(zhèn)LST 與4 個(gè)生物物理參數(shù)散點(diǎn)圖Fig.6 The scatter plot of LST and four factors in study area

2.2 四個(gè)生物物理參數(shù)對(duì)NLST 的驅(qū)動(dòng)規(guī)律

為進(jìn)一步了解研究區(qū)地表熱環(huán)境異質(zhì)性對(duì)以上4 個(gè)生物物理指標(biāo)時(shí)空變化的響應(yīng)規(guī)律,分別探討2000～2008 和2008～2018 年兩個(gè)時(shí)段4 個(gè)生物物理指標(biāo)對(duì)地表熱環(huán)境分異效應(yīng)的驅(qū)動(dòng)規(guī)律(表3).

表3 2000～2018 年4 個(gè)生物物理指標(biāo)統(tǒng)計(jì)值Table 3 The mean value of four factors from 2000 to 2018

由表3 可知,2000～2018 年,與LST 表現(xiàn)出明顯負(fù)相關(guān)關(guān)系的fPV和SMMI 分別從2000 年的0.4951 和0.7340 下降到2018 年的0.3542 和0.7263,與LST 表現(xiàn)出明顯正相關(guān)關(guān)系的EBSI 和NDISI 分別從2000年的0.6132 和0.4769 上升到2018 年的0.7093 和0.6125,并且2000 年、2008 年和2018 年的NLST 均值分別為0.4131、0.4303 和0.4861,由NLST 均值統(tǒng)計(jì)結(jié)果表明研究區(qū)LST 在19a 間整體呈現(xiàn)上升趨勢(shì).這是由于2000 年到2008 年,fPV和SMMI 總體呈現(xiàn)明顯下降趨勢(shì), NDISI 和EBSI 總體呈現(xiàn)顯著上升態(tài)勢(shì),在這期間礦業(yè)大規(guī)模擴(kuò)張,改變了原有的下墊面景觀格局,植被遭到破壞,原有土地資源銳減,這些變化降低了植被覆蓋和地表蒸散,增加了不透水材料對(duì)太陽(yáng)熱輻射的吸收,使得地表輻射能量平衡發(fā)生顯著變化. 2008 年以后大力開展了綠色礦山建設(shè),礦區(qū)生態(tài)恢復(fù)工作開始實(shí)施,2008 年到2018 年,fPV和SMMI 呈現(xiàn)上升趨勢(shì),植被覆蓋度提高加大了地表蒸散,但是由于生態(tài)復(fù)墾效果顯現(xiàn)時(shí)效滯后性的特點(diǎn),fPV和SMMI 較2008 年表現(xiàn)出微弱增長(zhǎng)態(tài)勢(shì).

2.3 NLST 與下墊面生物物理參數(shù)回歸分析

2.3.1 單因素回歸分析 為進(jìn)一步定量分析研究區(qū)地表熱環(huán)境分異效應(yīng)對(duì)下墊面4 個(gè)生物物理參數(shù)的響應(yīng)規(guī)律.利用SPSS22.0 軟件分別將4 個(gè)生物物理參數(shù)作為自變量,NLST 作為因變量進(jìn)行回歸分析(表4).結(jié)果表明,fPV和SMMI 與NLST 在0.01 水平(雙側(cè))均呈顯著線性負(fù)相關(guān)關(guān)系(P＜0.01);EBSI 和NDISI 與NLST 在0.01 水平(雙側(cè))均呈顯著線性正相關(guān)(P＜0.01).由回歸系數(shù)可知,19a 間,fPV和SMMI每增加10%,會(huì)使NLST 相應(yīng)下降0.0520～0.1060 和0.0550～0.1130.EBSI 和NDISI 每增加10%,會(huì)使NLST 相應(yīng)上升0.0500～0.1040 和0.0570～0.0960,因此研究區(qū)地表溫度的下降與光合植被覆蓋度和土壤水分含量的升高有明顯的關(guān)系,地表溫度的上升與裸土和不透水面的增加有明顯的關(guān)系.

表4 2000～2018 年4 個(gè)生物物理指標(biāo)與NLST 單因素回歸分析Table 4 Single factor regression impacts in study area on the relationship between four biophysical parameters and NLST from 2000 to 2018

表5 2000～2018 年4 個(gè)生物物理指標(biāo)與NLST 多因素回歸分析Table 5 Multiple regression results in study area based on four biophysical parameters and NLST throughout 2000 to 2018

2.3.2 多因素綜合分析 為進(jìn)一步了解4 個(gè)生物物理參數(shù)對(duì)研究區(qū)地表熱環(huán)境的綜合驅(qū)動(dòng)作用,對(duì)4個(gè)生物物理參數(shù)與NLST 進(jìn)行多元線性回歸分析(表5).各年份多元回歸方程均通過(guò)了皮爾遜相關(guān)系數(shù)的顯著性P＜0.01 的顯著性檢驗(yàn).并且各年份多元回歸方程的決定系數(shù)R2均大于一元回歸方程,表明利用4 個(gè)生物物理參數(shù)綜合考量地表熱環(huán)境異質(zhì)性,比單獨(dú)利用單一參數(shù)效果更好.另外,以2018 年fPV為例,在單因素回歸模型中,fPV每增加10%,會(huì)使NLST 相應(yīng)下降0.0610,而在綜合多因素的回歸模型中,fPV每增加10%,會(huì)使NLST 相應(yīng)下降0.0150,兩者相差4 倍.可見單因素分析并不能全面反映下墊面生物物理參數(shù)與LST 的關(guān)系,并且可能高估各個(gè)對(duì)象之間真實(shí)的回歸系數(shù).從方程回歸系數(shù)來(lái)看,5 期影像與LST 呈負(fù)相關(guān)關(guān)系的SMMI 回歸系數(shù)均大于fPV,說(shuō)明地表溫度的下降與土壤濕度的增加關(guān)系最明顯,與LST 呈正相關(guān)關(guān)系的EBSI 回歸系數(shù)均大于NDISI,說(shuō)明地表溫度的上升與裸土的增加關(guān)系最明顯.

3 結(jié)論

3.1 利用Landsat 遙感數(shù)據(jù)基于大氣校正法反演LST,反演結(jié)果與地面實(shí)測(cè)氣溫?cái)?shù)據(jù)變化趨勢(shì)基本一致,反演結(jié)果誤差較小,精度較高,表明利用遙感數(shù)據(jù)在無(wú)地面同步資料情況下進(jìn)行溫度反演,能夠滿足地表熱環(huán)境異質(zhì)性研究的需要.

3.2 從下墊面擾動(dòng)角度分析得知,研究區(qū)地表熱環(huán)境的時(shí)空異質(zhì)性特征非常明顯.5 期影像礦業(yè)用地LST 均居首位,屬于熱島效應(yīng)聚集區(qū),且5 期影像的LST 均表現(xiàn)出工礦用地＞居民地＞耕地＞林地＞水域的異質(zhì)性特征.從生物物理角度分析得知,4 個(gè)生物物理參數(shù)和LST 存在著較強(qiáng)的相關(guān)性,并且fPV和SMMI 與LST 表現(xiàn)出明顯的負(fù)相關(guān)關(guān)系,EBSI 和NDISI 與LST 表現(xiàn)出明顯的正相關(guān)關(guān)系.

3.3 從單因素回歸分析結(jié)果來(lái)看,4 個(gè)生物物理參數(shù)與NLST 均通過(guò)了P＜0.01 的顯著性檢驗(yàn),4 個(gè)驅(qū)動(dòng)因子對(duì)研究區(qū)LST 均存在顯著影響;其中fPV和SMMI 與NLST 在0.01 水平(雙側(cè))均呈顯著線性負(fù)相關(guān)關(guān)系,EBSI和NDISI與NLST在0.01水平(雙側(cè))均呈顯著線性正相關(guān)關(guān)系.

3.4 從多因素回歸分析結(jié)果來(lái)看,利用4 個(gè)生物物理參數(shù)綜合考量地表熱環(huán)境異質(zhì)性,比單獨(dú)利用單一參數(shù)效果更好.從方程回歸系數(shù)來(lái)看,地表溫度的下降與土壤濕度的增加關(guān)系最明顯;與LST 呈正相關(guān)關(guān)系的EBSI 回歸系數(shù)均大于NDISI,說(shuō)明地表溫度的上升與裸土的增加關(guān)系最明顯.