新疆焉耆盆地地表溫度空間分布特征及其“源—匯”效應

張飛飛，彭 康，張 芳

新疆焉耆盆地地表溫度空間分布特征及其“源—匯”效應

張飛飛，彭 康，張 芳※

（1. 新疆大學地理與遙感科學學院，烏魯木齊 830046；2. 新疆大學新疆綠洲生態(tài)重點實驗室，烏魯木齊 830046）

全球變暖和人類活動加劇會不斷改變干旱區(qū)氣候要素，進而影響綠洲的演化方向和宜居性。針對焉耆盆地當前觀測條件不足、觀測資料種類缺乏等問題，為探究干旱區(qū)局地氣候變化規(guī)律及其影響因素，該研究利用單窗算法反演新疆焉耆盆地地表溫度（Land Surface Temperature，LST），在分析地表溫度空間分布特征和影響因素的基礎上，結(jié)合“源—匯”理論定量探討了焉耆盆地不同土地利用/覆被類型對地表溫度的貢獻。結(jié)果表明：1）土地利用/覆被類型決定地表溫度的空間分布格局及其“源—匯”效應變化。未利用地熱源效應最強，水體熱匯效應最強。草地和建設用地對地表熱環(huán)境影響不大，耕地的熱匯效應大小取決于農(nóng)業(yè)灌溉面積和作物生長狀況；2）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）與地表溫度呈負相關關系，NDVI每增加0.1，地表溫度下降約1.98～2.66 ℃，濕地中的植被對地表溫度的影響較小；3）坡度對盆地內(nèi)海拔較低且坡度<13°的緩坡區(qū)影響最為顯著（<0.01），隨著坡度的增加，地表溫度增加；4）冷島效應形成綠洲近地表大氣獨特的熱力結(jié)構(gòu)。隨著海拔升高，地表溫度先快速升高，在距地面100～300 m高度形成一個高溫中心，而后逐漸降低。6月末、7月初產(chǎn)生的大氣逆溫層厚度超過1 000 m。受逆溫層影響，焉耆盆地綠洲距地表100～300 m高度范圍內(nèi)的坡向?qū)μ栞椛涞脑俜峙渥饔孟?。研究結(jié)果可為干旱區(qū)綠洲氣候變化和可持續(xù)發(fā)展提供參考。

遙感；反演；地表溫度；地形因子；土地覆被；“源—匯”效應；全球變化；單窗算法

0 引 言

干旱/半干旱地區(qū)約占地球表面的41%，供養(yǎng)著約38%的世界人口，隨著全球變暖，其范圍在21世紀將進一步擴大[1-3]。新疆位于中國西北內(nèi)陸，遠離海洋，周圍有高大地形阻隔，降水量少，太陽輻射強，蒸發(fā)量大[4]，是中國面積最大的干旱區(qū)，對氣候變化的響應極其敏感[5-6]。綠洲是干旱區(qū)所獨有的人工生態(tài)景觀[7-8]，夏季，綠洲的冷島效應為干旱區(qū)的人們提供了適宜的生存條件[9]。近年來，人類活動不斷改變著綠洲的土地利用/覆被狀況[10-13]，進而改變綠洲的局地氣候環(huán)境，影響綠洲的演化方向和宜居性[14-15]。

地表溫度（Land Surface Temperature，LST）是地球表面和大氣之間進行能量交換的重要參數(shù)，是研究和監(jiān)測環(huán)境變化的一個重要工具[16-18]，同時也是人類研究地—氣相互作用，地球各圈層之間物質(zhì)能量流動機制的參數(shù)之一[19-20]，在城市熱島效應和綠洲冷島研究中應用廣泛[21-23]。新疆傳統(tǒng)的氣象觀測站點分布稀疏，且多分布在距離城鎮(zhèn)比較近的平原區(qū)，獲得的氣象數(shù)據(jù)往往難以反映整個區(qū)域溫度空間分布與變化信息[24]。與傳統(tǒng)氣象站點觀測相比，從衛(wèi)星遙感數(shù)據(jù)反演LST具有空間覆蓋密度大、連續(xù)性好、成本低等優(yōu)點，是一種性價比較高的LST獲取方式[25]。自20世紀60年代初發(fā)射TIROS-I衛(wèi)星[26]以來及隨著多種衛(wèi)星數(shù)據(jù)的使用，研究者們提出了一系列LST反演算法，其中，代表性算法包括輻射傳輸方程法[27]、普適性單通道算法[28]、覃志豪單窗算法[29]、分裂窗算法[30]等。其中，覃志豪單窗算法簡單易行、運用方便，是目前進行地表溫度反演的主要算法。

影響LST的因素很多，除了宏觀地理要素如經(jīng)緯度、高大山脈走向、與大水體的距離等因素外，一個區(qū)域LST空間分布和熱環(huán)境特征主要是區(qū)域小地形因子以及下墊面性質(zhì)綜合作用的結(jié)果?！霸础獏R”概念是生態(tài)過程/格局的重要概念之一，相關理論起源于全球變化和大氣污染研究[31-32]。促進某對象產(chǎn)生的過程或機制為“源”，抑制某對象產(chǎn)生的過程或機制為“匯”[33]。近年來，有學者開始基于“源—匯”理論對城市熱島和景觀格局進行分析和研究[34-35]，為減輕熱島效應、構(gòu)建舒適的城市熱環(huán)境提供指導。干旱區(qū)下墊面異質(zhì)性強，不同土地利用/覆被類型在地表熱環(huán)境中起著“熱源”或者“熱匯”的作用，而自然和人為因素的影響都可能引起其“源—匯”效應的變化和轉(zhuǎn)移。因此，本研究將“源—匯”理論引入焉耆綠洲LST變化研究中，并將其與土地利用/覆被類型結(jié)合起來，為解譯地表熱環(huán)境變化的驅(qū)動機制提供了新視角。

新疆焉耆盆地作為中尺度典型的山地—綠洲—湖泊濕地相互耦合的生態(tài)系統(tǒng)，其獨特的區(qū)域氣候特征在干旱區(qū)具有代表性[36]。本文利用單窗算法反演LST，在分析其空間分布特征和影響因素的基礎上，結(jié)合“源—匯”理論對土地利用/覆被影響LST變化的貢獻度進行定量分析，以期為干旱區(qū)綠洲氣候變化和可持續(xù)發(fā)展提供參考依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

焉耆盆地位于新疆巴音郭勒蒙古自治州（圖1），北緯41°40′～42°25′，東經(jīng)85°55′～87°26′之間，東西長約200 km，南北寬約60～100 km。地勢西高東低、北高南低，北部為洪積微斜平原，中部為博斯騰湖，東南為流動沙丘。研究區(qū)屬于暖溫帶大陸性干旱半干旱氣候，山地和綠洲區(qū)多年平均氣溫-4.84～8.60 ℃，多年降水量76.27～200.25 mm，多年蒸發(fā)量2 000～2 500 mm。

1.2 數(shù)據(jù)來源

根據(jù)可獲取的遙感數(shù)據(jù)質(zhì)量并結(jié)合研究區(qū)天然植被和作物生長規(guī)律，同時考慮太陽輻射強度的變化過程和日期間隔的相對均勻性，選取2000年5月28日、2006年6月22日、2014年6月12日、2021年7月1日共四期Landsat影像（http://glovis.gov/），空間分辨率30 m，數(shù)據(jù)行列號143/31。DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn），空間分辨率30 m。此外，本文還使用MOD11A1產(chǎn)品用于LST反演結(jié)果的對比驗證。

圖1 研究區(qū)示意圖

1.3 研究方法

1.3.1 單窗算法反演地表溫度

選擇覃志豪單窗算法[29]進行LST反演。覃志豪單窗算法引入大氣平均作用溫度估算大氣上行輻射，通過Planck輻射函數(shù)線性化可以得到如下計算公式：

T=[·(1--)+(·(1--)++)·T-·T]/（1）

=·（2）

=(1-)·[1+(1-)·]（3）

式中T為地表溫度，K；、為中間變量；為地表比輻射率；為大氣透過率；T是星上輻射亮度對應的亮度溫度，K；、為常數(shù)，=-67.355 351，=0.458 606；T是大氣平均作用溫度，K，選擇中緯度夏季的大氣平均作用溫度估算公式完成T的量化，由下式計算：

T=16.011 0+0.926 210（4）

式中0為近地層大氣溫度，K。

1.3.2 土地利用/覆被類型提取

使用最大似然法對4期影像進行土地利用/覆被類型分類，結(jié)合小斑塊去除和目視解譯進行分類后處理。研究區(qū)分為水體、耕地、建設用地、草地、濕地和未利用地（裸地、戈壁、沙地、鹽堿地）6種土地利用/覆被類型。為確定遙感分類精度和可靠性，本研究主要采取構(gòu)建混淆矩陣的方法進行精度驗證，同時結(jié)合GlobeLand30數(shù)據(jù)集和谷歌地圖對樣本進行確認。4期總體分類精度分別為93%、88%、88%、90%，Kappa系數(shù)分別為0.93、0.82、0.82、0.85。

1.3.3 歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）提取

根據(jù)干旱區(qū)植物生長特點，提取植被指數(shù)歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）大于0.1[37]作為有植被分布區(qū)域，由于NDVI像元數(shù)據(jù)量很大，不便于圖示，因此在Arcgis中設置等距網(wǎng)格提取NDVI像元子集，并將子集數(shù)據(jù)平均值與原始數(shù)據(jù)平均值進行對比，植被指數(shù)NDVI平均值偏差<0.1，溫度偏差<0.01 ℃，數(shù)據(jù)特征一致。

1.3.4 地表溫度空間分布特征分析

基于DEM數(shù)據(jù)，利用Arcgis空間分析功能提取研究區(qū)范圍的高程、坡度、坡向數(shù)據(jù)，并對3種地形因子進行類別劃分。對高程數(shù)據(jù)按照100 m間隔劃分為13個高程帶，分別提取每個高程帶地表溫度均值；對坡度數(shù)據(jù)利用自然間斷點分級法分為5個坡度范圍（0°～1.8°、>1.8°～5.4°、>5.4°～13°、>13°～23.7°、>23.7°～65.58°），并在每個坡度范圍對不同高程區(qū)LST進行分區(qū)統(tǒng)計；對坡向數(shù)據(jù)按照八坡向分類：北（0°～22.5°和>337.5°～360°）、東北（>22.5°～67.5°）、東 （>67.5°～112.5°）、東南（>112.5°～157.5°）、南（>157.5°～202.5°）、西南（>202.5°～247.5°）、西（>247.5°～292.5°）和西北（>292.5°～337.5°），提取不同坡向LST均值。

1.3.5 地表溫度“源—匯”效應計算

每一種土地利用/覆被類型在一定區(qū)域范圍內(nèi)充當著熱源或熱匯作用，地表溫度“源—匯”景觀指數(shù)（Identification of heat source and sink landscapes，HSI）可用于識別各土地利用/覆被類型的“源—匯”效應，采用文獻[38]中的LST等級分類計算HSI和“源—匯”效應貢獻度（Contribution Index，CI）。計算式如下：

HSI=(S/S)/(S/) （5）

式中S表示類土地利用類型中高和較高地表溫度區(qū)的面積，km2；S表示類土地利用類型的總面積，km2；S是研究區(qū)內(nèi)高和較高地表溫度的總面積，km2；為研究區(qū)的總面積，km2。當HSI>1時，土地利用類型為源效應；當HSI<1時，土地利用類型為匯效應；當HSI＝1時，土地利用類型為流效應。

CI=(T-T)·S/（6）

式中T指研究區(qū)不同土地利用/覆被類型“源”/“匯”效應的平均地表溫度，℃；T為研究區(qū)平均地表溫度，℃；S為研究區(qū)不同土地利用/覆被類型“源”/“匯”效應的面積，km2。

2 結(jié)果與分析

2.1 地表溫度反演結(jié)果及驗證

研究區(qū)地表溫度反演結(jié)果圖見圖2，使用與Landsat數(shù)據(jù)同日過境的MOD11A1地表溫度產(chǎn)品進行精度驗證[39]。在Arcgis中創(chuàng)建漁網(wǎng)選取隨機樣點（300個），對反演的地表溫度與MODIS LST之間進行對比驗證（圖 3），決定系數(shù)分別為0.937、0.930、0.944、0.951，反演精度滿足本研究的分析要求。

圖2中，研究區(qū)LST空間異質(zhì)性大，總體呈環(huán)形分布，中間水體、濕地及綠洲等區(qū)域溫度較低，溫度最低的是博斯騰湖水域，博斯騰湖周圍沙地和山前戈壁灘溫度較高。4期影像LST平均值分別為39.22、43.17、42.65、42.18 ℃。2000年5月28日的最高、最低溫分別為62.03和15.28 ℃，在4期影像中均最小。LST高溫最大值為66.45 ℃，出現(xiàn)在2006年6月22日（夏至次日）。低溫最大值為20.65 ℃，出現(xiàn)在2021年7月1日。綠洲中心溫度都低于周邊裸巖，均呈現(xiàn)冷島效應。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

2.2 地表溫度空間分布影響因素

2.2.1 土地利用/覆被類型與LST分布

從4期土地利用分類結(jié)果圖（圖4）看，水體主要為博斯騰湖及開都河等地表徑流，耕地主要集中在博斯騰湖西側(cè)平原區(qū)域，濕地主要分布在博斯騰湖西北部及西南部，草地分布在綠洲的邊緣區(qū)域及博斯騰湖北部地區(qū)，未利用地主要分布在周圍山地裸巖、戈壁和沙丘。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

土地利用/覆被類型決定了研究區(qū)LST的空間分布格局。從表1中可以看出，不同土地利用/覆被類型的LST均值具有明顯差異。未利用地LST均值最高，其次為建設用地、草地、耕地、濕地，溫度最低的是水體，未利用地的LST比水體平均高出23. 61 ℃，原因為水體比熱容大于其他土地利用/覆被類型，良好的熱慣性使水體溫度最低。研究區(qū)濕地主要分布在水體周圍，植被覆蓋度較高，溫度較低；耕地和草地的LST相差不大；未利用地比其他土地利用/覆被類型溫度高，其原因是焉耆盆地未利用地主要由裸露巖石、博斯騰湖南面沙地及鹽堿地構(gòu)成，植被稀疏，特殊的地表質(zhì)地導致升溫快，因此地表溫度最高。

2.2.2 植被指數(shù)NDVI對地表溫度影響

研究區(qū)植被指數(shù)NDVI與LST的線性回歸分析如圖 5所示，不同時期NDVI與LST均呈負相關關系，植被指數(shù)NDVI增長時，地表溫度降低，判定系數(shù)2分別為0.605、0.595、0.556、0.648，2021年7月1日擬合優(yōu)化度最高。從回歸方程來看，NDVI每增加0.1，地表溫度分別下降2.66、2.54、1.98、2.46 ℃。植被因子對LST有影響的地類主要是耕地、草地和未利用地。濕地的NDVI最大值可達0.8以上，但是它與LST之間的關系較弱，經(jīng)計算，4期影像的濕地NDVI與LST的判定系數(shù)平均值為0.245，說明濕地的冷島效應主要是由淹水環(huán)境而非植被帶來的。在非淹水環(huán)境中，耕地和草地中的植被因子是產(chǎn)生冷島效應的主要因素，其降溫作用的強弱取決于作物與草地植被的生長狀況。通常情況下，干旱區(qū)夏季作物NDVI明顯高于草地植被，因此，耕地的降溫效應也高于草地。因為城鎮(zhèn)綠地面積小，較分散，因此建設用地的植被降溫作用也較弱。

表1 不同土地利用/覆被類型的地表溫度

注：斜線為相關性分析趨勢線；橢圓形框選區(qū)域為研究區(qū)濕地。

2.2.3 地形因素對地表溫度空間分布的影響

1）海拔的影響。圖6中，隨著海拔的升高，4期影像LST的均值均表現(xiàn)出一致的規(guī)律性：先快速升高，然后逐漸降低。2000年5月28日、2014年6月12日在海拔1 123～1 223 m范圍內(nèi)，LST達到最大值，分別為44.95、47.33 ℃，海拔僅升高了100 m，但LST分別上升了8.11、6.94 ℃。2006年6月22日、2021年7月1日當海拔上升100 m時，溫度迅速升高了9.27、9.36 ℃，之后，地表溫度繼續(xù)微升，在海拔1 223～1 323 m處地表溫度達到最大值，分別為49.46、48.67 ℃，高溫影響的海拔范圍較前兩期增加了約100 m。從約1 400 m處開始，隨著海拔升高，LST逐漸降低，最小值分別為32.91、36.44、30.95、41.04 ℃。為量化研究區(qū)海拔升高對LST影響，提取各期LST達到最高值后逐漸下降的數(shù)據(jù)進行線性擬合（圖6虛線框內(nèi)）?？梢钥闯龊０闻cLST均呈線性負相關，根據(jù)回歸方程，海拔每增加100 m，溫度分別下降1.15、1.17、1.21、0.71 ℃。LST在不同高程范圍下降速率也不同，在1 223～1 823 m范圍內(nèi)呈快速下降趨勢，海拔每升高100 m，溫度分別下降1.40、0.92、0.93、0.75 ℃；在1 823～2 123 m高程內(nèi)LST下降趨緩，海拔每升高100 m，溫度分別下降0.07、0.12、0.21、0.03 ℃；海拔2 123 m以上時，LST下降速率加快，海拔每升高100 m，分別下降0.48、1.64、3.66、0.79 ℃。

2）坡度和坡向影響。從圖7可以觀察到，研究區(qū)內(nèi)坡度四周高，中間低，北部、西南部及南部沙地出現(xiàn)坡度高值中心，博斯騰湖及綠洲區(qū)域為坡度低值區(qū)。從圖 8a中可以看出，在海拔低于1 252 m范圍內(nèi)，LST隨著坡度增大而增加。其中坡度<13°時，增速最快，并且海拔越低增速越快。由于水體的坡度最小，因此，當?shù)秃０蔚钠露葹?°～1.8°時，LST最低，為36.4 ℃，低海拔處，當坡度為23.7°～65.58°時，LST最高，為55.8 ℃。海拔高于1 252 m后，坡度對LST的影響變?nèi)?，表現(xiàn)為隨著坡度的增加，LST平緩降低。

a. 2000-05-28b. 2006-06-22c. 2014-06-12d. 2021-07-01

注：虛線框內(nèi)為溫度到達最高點后隨著海拔升高逐漸下降的過程。

Note: The dashed box shows the temperature up to the point where it reaches a maximum and then gradually decreases with altitude.

圖6 地表溫度與海拔的關系

Fig.6 Relationship between LST and altitude

圖7 焉耆盆地坡度、坡向分類圖

從圖8b可以看出，海拔低于1 121 m以及海拔高于1 444 m的區(qū)域，東南坡、南坡LST均值較高，西坡、西北坡、北坡LST均值較低。其中，1 023～1 121 m，東南坡和南坡LST最高，為42.85 ℃，西北坡LST最低，為41.68 ℃，溫度相差1.17 ℃；1 444～1 696 m，南坡LST最高，為44.32 ℃，西北坡LST最低，為41.53 ℃，溫度相差2.79 ℃；1 696～2 255 m，南坡LST最高，為41.47 ℃，西北坡LST最低，為39.01 ℃，溫度相差2.46 ℃，這些特征符合北半球中緯度地區(qū)坡向?qū)μ栞椛涞脑俜峙湓怼５?，在高于研究區(qū)高程基點（海拔1 023 m）之上100～300 m高度范圍內(nèi)，坡向?qū)ST的影響不大；在海拔1 121～1 252 m、1 252～1 444 m范圍內(nèi)，坡向?qū)ST的影響不大，各個坡向LST均值分別僅相差0.68、0.73 ℃，甚至陽坡與陰坡相比溫度略低。產(chǎn)生這種特殊LST分布現(xiàn)象的原因可以歸結(jié)為：1） 塔克拉瑪干沙漠的影響。焉耆盆地的南部山地有一個寬約50 km的缺口，缺口以南直面浩瀚的塔克拉瑪干大沙漠，干熱的沙漠空氣在盛行風向和局地溫壓場的作用下長驅(qū)直入，對焉耆盆地南部的北坡特別是博斯騰湖南部沙丘產(chǎn)生了加熱效應；2）綠洲冷島效應疊加。綠洲冷島結(jié)構(gòu)會使周圍的干熱空氣抬升，在綠洲上空200 m左右處形成一個穩(wěn)定的逆溫層，這種“映像熱中心”現(xiàn)象[40-41]在圖 8b中表現(xiàn)明顯。

2.3 地表溫度的“源—匯”效應

表2列出了4期影像不同土地利用/覆被類型基于LST的“源—匯”效應判別結(jié)果?？梢钥闯?，水體、耕地、濕地的HSI值<1，在地表溫度變化中屬于“匯”效應，未利用地、建設用地HSI值>1，在地表溫度變化中屬于“源”效應。草地HSI值≈1，屬于流效應，對研究區(qū)地表熱環(huán)境影響不大。HSI值從大到小依次為未利用地、建設用地、草地、耕地、濕地、水體，其平均值分別為2.61、1.50、1.02、0.41、0.11和0.02。

表2計算了不同土地利用/覆被類型在不同時期對地表溫度的貢獻強度。CI為正值反映了該土地利用/覆被類型對焉耆盆地內(nèi)單位面積地表溫度貢獻的增溫量，負值則代表該土地利用/覆被類型對焉耆盆地內(nèi)單位面積地表溫度貢獻的降溫量。從表2中可以看出，未利用地是研究區(qū)最大的熱源，在不同日期的貢獻度均為正值，其對研究區(qū)每平方千米地表溫度產(chǎn)生的增溫量分別為2.49、4.15、2.73、1.65 ℃，6月底熱源效應最強。水體、耕地、濕地在不同時期的貢獻度均為負值，對地表溫度具有降溫效應，降溫程度總體上依次遞減。水體對研究區(qū)產(chǎn)生的單位面積降溫量分別為1.92、1.79、1.82、0.19 ℃，濕地分別為0.83、0.69、0.48、0.35 ℃；耕地分別為0.30、1.39、0.49、1.08 ℃；建設用地雖然有較強的熱源效應，但是由于面積占比很小，對研究區(qū)地表溫度影響也較小，貢獻度分別為0.02、-0.02、0.01、-0.01 ℃。

綜上可知，對焉耆盆地的夏季而言，戈壁、沙漠等未利用地的熱源效應最強，水體的熱匯效應最強，草地和建設用地對研究區(qū)地表熱環(huán)境影響不大，耕地的熱匯效應大小取決于農(nóng)業(yè)灌溉面積和作物生長狀況。

表2 地表溫度“源—匯”效應及貢獻度

注：HSI為地表溫度“源—匯”景觀指數(shù)。

Note: HSI is the identification of heat source and sink landscapes.

3 討 論

關于地表溫度空間分布格局。適宜的溫度、充足的水源、肥沃的土壤等自然條件是人類生存的基礎。對于新疆環(huán)塔克拉瑪干沙漠的綠洲來說，夏季的高溫是影響宜居性的主要脅迫因素之一。蘇從先等[40]的研究結(jié)果表明處于廣闊的戈壁灘或沙漠中的綠洲在夏季生長季節(jié)作為一個“冷源”，將產(chǎn)生一系列綠洲小氣候特征。焉耆盆地傳統(tǒng)的氣象觀測地面站僅有1個，對地表熱環(huán)境進行動態(tài)監(jiān)測的能力十分有限，也無法探測近地表大氣熱力結(jié)構(gòu)變化。本研究利用遙感數(shù)據(jù)對焉耆盆地夏季地表溫度進行反演，4期影像表明隨著海拔升高，地表溫度先快速升高，在距地面100～300 m高度形成一個高溫中心，而后逐漸降低，結(jié)果很好地展示出綠洲上空大氣熱力結(jié)構(gòu)的內(nèi)邊界特征，這與王俊勤等[41]進行的大型陸面過程野外觀測試驗一致：夏季綠洲冷島效應將周圍沙漠戈壁的熱空氣抬升到200 m左右高度形成逆溫層，之上會產(chǎn)生一個映像熱中心。在本研究中（圖6），2000年5月28日和2014年6月12日，溫度最大值出現(xiàn)在距地面高度約100 m處（海拔1 123 m），逆溫層厚度約600～900 m（降到與地面相同溫度）。2006年6月22日和2021年7月1日，最高溫度出現(xiàn)在距地面高度約200 m處（海拔1 223 m），逆溫層厚度超過1 000 m，這個“映像熱中心”效應也明顯改變了該范圍內(nèi)坡向?qū)μ栞椛涞脑俜峙渥饔靡?guī)律（圖8b）。這種干旱區(qū)夏季由于冷島效應將熱空氣抬升到綠洲上空的逆溫現(xiàn)象在大尺度盆地或者開放地形環(huán)境下很難通過遙感手段被準確探測和量化。本研究利用遙感手段，填補了焉耆盆地當前觀測條件不足、觀測資料種類缺乏的空白。

關于地表溫度的“源—匯”效應。濕地的熱匯效應主要是由水的高比熱容造成的，濕地中植被的熱匯作用較?。▓D5）。陸地的熱匯效應主要是由作物植被產(chǎn)生的，其熱匯效應與生長期有關，非生長期，熱匯效應消失。近20年來，隨著社會經(jīng)濟的發(fā)展，研究區(qū)耕地迅速擴張，熱匯效應明顯增強（圖 4），但是農(nóng)業(yè)用水的增加可能導致地表水體的縮小，使得水體熱匯效應下降[42]。從另一個角度來看，如果采用節(jié)水灌溉，提高水資源利用效率，則可能獲得較高凈熱匯增加。因此，對于焉耆盆地而言，土地利用/覆被變化對綠洲地表熱環(huán)境的變化起著主導作用，量化不同土地覆被類型間“源—匯”效應的轉(zhuǎn)移與平衡關系仍需進一步的研究，其中的核心問題是水資源的合理利用。

4 結(jié) 論

1）土地利用/覆被類型決定了研究區(qū)地表溫度的空間分布格局及其“源—匯”效應變化與轉(zhuǎn)移。對研究區(qū)而言，未利用地的熱源效應最強，水體的熱匯效應最強。草地和建設用地因面積占比小對研究區(qū)地表熱環(huán)境影響不大，耕地的熱匯效應大小取決于農(nóng)業(yè)灌溉面積和作物生長狀況。

2）歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）與地表溫度呈負相關關系，NDVI每增加0.1，地表溫度（Land Surface Temperature，LST）下降約1.98～2.66 ℃。濕地的NDVI與LST之間的關系較弱，說明濕地的冷島效應是由淹水環(huán)境而非植被帶來的。在非淹水環(huán)境中，耕地和草地的植被因子是產(chǎn)生冷島效應的主要原因。

3）冷島效應形成了焉耆盆地綠洲上空大氣獨特的熱力結(jié)構(gòu)，其影響表現(xiàn)在：隨著海拔升高，地表溫度先快速升高，在100～300 m高度形成一個高溫中心，而后逐漸降低。6月末、7月初產(chǎn)生的逆溫層厚度超過1 000 m。受逆溫層影響，海拔100～300 m高度范圍內(nèi)的坡向?qū)μ栞椛涞脑俜峙渥饔孟А?/p>

[1] Chen Y N, Li Y P, Li Z, et al. Analysis of the impact of global climate change on dryland areas[J]. Advances in Earth Science, 2022, 37(2): 111.

[2] Shiran M, Mozzi P, Adab H, et al. Remote sensing assessment of changes of surface parameters in response to prolonged drought in the arid zone of central Iran (Gavkhoni playa)[J]. Remote Sensing Applications: Society and Environment, 2021, 23: 100575.

[3] Zhuang Q, Wu S, Yan Y, et al. Monitoring land surface thermal environments under the background of landscape patterns in arid regions: A case study in Aksu River Basin[J]. Science of the Total Environment, 2019, 710: 136336.

[4] 冉津江，季明霞，黃建平，等. 中國北方干旱區(qū)和半干旱區(qū)近60年氣候變化特征及成因分析[J]. 蘭州大學學報（自然版），2014，50(1)：46-53.

Ran Jinjiang, Ji Mingxia, Huang Jianping, et al. Characteristics and factors of climate change in arid and semi-arid areas over Northern China in the recent 60 years[J]. Journal of Lanzhou University (Natural Science), 2014, 50(1): 46-53. (in Chinese with English abstract)

[5] Yao J, Chen Y, Guan X, et al. Recent climate and hydrological changes in a mountain–basin system in Xinjiang, China[J]. Earth-Science Reviews, 2022, 226: 103957.

[6] Chen Y, Zhang X, Fang G, et al. Potential risks and challenges of climate change in the arid region of northwestern China[J]. Regional Sustainability, 2020, 1(1): 20-30.

[7] Liu C, Zhang F, Johnson V C, et al. Spatio-temporal variation of oasis landscape pattern in arid area: Human or natural driving?[J]. Ecological Indicators, 2021, 125: 107495.

[8] 張強，胡隱樵. 綠洲地理特征及其氣候效應[J]. 地球科學進展，2002(4)：477-486.

Zhang Qiang, Hu Yinqiao. The geographical features and climatic effects of oasis[J]. Advance in Earth Sciences, 2002(4): 477-486. (in Chinese with English abstract)

[9] Vivoni E R, Kindler M, Wang Z C, et al. Abiotic mechanisms drive enhanced evaporative losses under urban oasis conditions[J]. Geophysical Research Letters, 2020, 47(22).

[10] 夏鑫鑫，朱磊，楊愛民，等. 基于山地—綠洲—荒漠系統(tǒng)的生態(tài)系統(tǒng)服務正負價值測算—以新疆瑪納斯河流域為例[J]. 生態(tài)學報，2020，40(12)：3921-3934.

Xia Xinxin, Zhu Lei, Yang Aimin, et al. Evaluate the positive and negative value of ecosystem services based on Mountain-Desert-Oasis system(MODS): A case study of Manas River Basin in Xinjiang[J]. Acta Ecologica Sinica, 2020, 40(12): 3921-3934. (in Chinese with English abstract)

[11] 盧龍輝，瓦哈甫·哈力克，黃玲. 近40年克里雅綠洲人口時空變化對土地利用/覆蓋變化的影響[J]. 農(nóng)業(yè)工程學報，2018，34(11)：234-242.

Lu Longhui, Wahap Halik, Huang Ling. Effect of temporal and spatial changes of population on land use and cover change in Keriya Oasis in past 40 years[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(11): 234-242. (in Chinese with English abstract)

[12] 宋奇，馮春暉，馬自強，等. 基于1990—2019年Landsat影像的干旱區(qū)綠洲土地利用變化與模擬[J]. 自然資源遙感，2022，34(1)：198-209.

Song Qi, Feng Chunhui, Ma Ziqiang, et al. Simulation of land use change in oasis based on Landsat images from 1990-2019[J]. Remote Sensing for Natural Resources, 2022, 34(1): 198-209. (in Chinese with English abstract)

[13] 王昱丁. 人類活動干擾下的西北干旱區(qū)綠洲遷移演化研究[D].北京：清華大學，2018.

Wang Yuding. Evolution of Oases under Human Interference in Arid Northwest China[D]. Beijing: Tsinghua University, 2018. (in Chinese with English abstract)

[14] 羅鳳敏，高君亮，辛智鳴，等. 烏蘭布和沙漠東北部不同下墊面的小氣候變化特征[J]. 農(nóng)業(yè)工程學報，2020，36(10)：124-133.

Luo Fengmin, Gao Junliang, Xin Zhiming, et al. Microclimate variations of different underlying surfaces in Northeastern Ulan Buh Desert in lnner Mongolia of China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(10): 124-133. (in Chinese with English abstract)

[15] 曹永香，毛東雷，蔡富艷，等. 新疆策勒綠洲化進程中典型下墊面的小氣候空間差異[J]. 中國沙漠，2020，40(6)：180-189.

Cao Yongxiang, Mao Donglei, Cai Fuyan, et al. Spatial difference of microclimate over typical underlying suface in process of oasisization in Cele, Xinjiang[J]. Journal of Desert Research, 2020, 40(6): 180-189. (in Chinese with English abstract)

[16] 蘇揚，吳鵬海，程潔，等. AMSR-E地表溫度數(shù)據(jù)重建深度學習方法[J]. 遙感學報，2022，26(4)：739-751.

Su Yang, Wu Penghai, Cheng Jie, et al. Research on deep learning methods for AMSR-E land surface temperature data reconstruction[J]. National Remote Sensing Bulletin, 2022, 26(4): 739-751. (in Chinese with English abstract)

[17] 熱伊萊·卡得爾，玉素甫江·如素力，高倩，等. 新疆焉耆盆地地表溫度時空分布對LUCC的響應[J]. 農(nóng)業(yè)工程學報，2016，32(20)：259-266.

Reyilai Kadeer, Yusupujiang Rusuli, Gao Qian, et al. Spatiotemporal response of land surface temperature to landuse/cover change in Yanqi Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(20): 259-266. (in Chinese with English abstract)

[18] Wang Y R, Hessen D O, Samset B H, et al. Evaluating global and regional land warming trends in the past decades with both MODIS and ERA5-Land land surface temperature data[J]. Remote Sensing of Environment, 2022, 280: 113181.

[19] Ra A, Cstk A, Ebd A, et al. Exploring the relationship between urban form and land surface temperature (LST) in a semi-arid region case study of Ben Guerir city - Morocco[J]. Environmental Challenges, 2021, 5: 100229.

[20] Garajeh M K, Feizizadeh B. A comparative approach of data-driven split-window algorithms and MODIS products for land surface temperature retrieval[J]. Applied Geomatics, 2021, 13(4): 715-733.

[21] 耿樹豐，任嘉義，楊俊，等. 局地氣候區(qū)視角下的城市熱環(huán)境研究[J]. 生態(tài)學報，2022，42(6)：2221-2227.

Geng Shufeng, Ren Jiayi, Yang Jun, et al. Exploration of urban thermal environment based on local climate zone[J]. Acta Ecologica Sinica, 2022, 42(6): 2221-2227. (in Chinese with English abstract)

[22] 王爽，王承武，張飛云. 基于FSDAF模型的干旱區(qū)典型綠洲城市夏季地表熱島效應時空演變研究[J]. 干旱區(qū)地理，2021，44(1)：118-130.

Wang Shuang, Wang Chengwu, Zhang Feiyun. Spatiotemporal variations of the summer daytime surface urban heat island of oasis city in arid area based on FSDAF model[J]. Arid Land Geography, 2021, 44(1): 118-130. (in Chinese with English abstract)

[23] Zhou Y, Liao W, Li X. The contributions of individual factors to the oasis cold island effect intensity in the Heihe River Basin[J]. Agricultural and Forest Meteorology, 2022, 312: 108706.

[24] Du M X, Zhang M J, Wang S G, et al. Near-surface air temperature lapse rates in Xinjiang, northwestern China[J]. Theoretical and applied climatology, 2018, 131(3): 1221-1234.

[25] 吳驊，李秀娟，李召良，等. 高光譜熱紅外遙感：現(xiàn)狀與展望[J]. 遙感學報，2021，25(8)：1567-1590.

Wu Hua, Li Xiujuan, Li Zhaoliang, et al. Hyperspectral thermal infrared remote sensing:Current status and perspectives[J]. National Remote Sensing Bulletin, 2021, 25(8): 1567-1590. (in Chinese with English abstract)

[26] Menzel W P, Schmit T J, Zhang P, et al. Satellite-basedatmospheric infrared sounder development and applications[J]. Bulletin of the American Meteorological Society, 2018, 99(3): 583-603.

[27] Weng Q, Lu D, Schubring J. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies[J]. Remote sensing of Environment, 2004, 89(4): 467-483.

[28] Jiménez‐Mu?oz J C, Sobrino J A. A generalized single‐channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D22): 4688-4695.

[29] 覃志豪，Zhang Minghua，Arnon Karnieli，等. 用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J]. 地理學報，2001，56(4)：456-466.

Qin Zhihao, Zhang Minghua, Arnon Karnieli, et al .Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J]. Acta Geographica Sinica, 2001, 56(4): 456-466. (in Chinese with English abstract)

[30] Wan Z, Dozier J. A generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(4): 892-905.

[31] 楊元合，石岳，方精云，等. 中國及全球陸地生態(tài)系統(tǒng)碳源匯特征及其對碳中和的貢獻[J]. 中國科學: 生命科學，2022，52(4)：534-574.

Yang Yuanhe, Shi Yue, Fang Jingyun, et al. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Scientia Sinica Vitae, 2022, 52(4): 534-574. (in Chinese with English abstract)

[32] 趙寧，周蕾，莊杰，等. 中國陸地生態(tài)系統(tǒng)碳源/匯整合分析[J]. 生態(tài)學報，2021，41(19)：7648-7658.

Zhao Ning, Zhou Lei, Zhuang Jie, et al. Integration analysis of the carbon sources and sinks in terrestrial ecosystems,China[J]. Acta Ecologica Sinica, 2021, 41(19): 7648-7658. (in Chinese with English abstract)

[33] 侯雙雙. 基于“源—匯”景觀理論的景觀格局演變機制研究[D]. 貴陽：貴州大學，2021.

Hou Shuangshuang. Research on the Evolution Mechanism of Landscape Pattern Based on “Source-sink” Landscape Theory[D]. Guiyang: Guizhou University, 2021. (in Chinese with English abstract)

[34] 李玉杰，馬昊，鄧濤，等. 基于“源-匯”理論的?？诔鞘芯坝^格局與熱島效應響應機制[J]. 西北林學院學報，2021，36(5)：223-232.

Li Yujie, Ma Hao, Deng Tao, et al. Urban landscape pattern and response mechanism of heat island effect based on “source-sink” theory of Haikou City[J]. Journal of Northwest Forestry University, 2021, 36(5): 223-232. (in Chinese with English abstract)

[35] 高靜，龔健，李靖業(yè). “源—匯”景觀格局的熱島效應研究—以武漢市為例[J]. 地理科學進展，2019，38(11)：1770-1782.

Gao Jing, Gong Jian, Li Jingye. Effects of source and sink landscape pattern on land surface temperature: An urban heat island study in Wuhan City[J]. Progress in Geography, 2019, 38(11): 1770-1782. (in Chinese with English abstract)

[36] 賈海霞. 不同氣候情景對焉耆盆地土地利用變化下土壤有機碳儲量影響的模擬研究[D]. 蘭州：蘭州大學，2020.

Jia Haixia. Simulation Researsh for Impact in Different Climate Scenarios on Soil Organic Carbon Storage under Land Use Change in Yanqi Basin[D]. Lanzhou: Lanzhou University, 2020. (in Chinese with English abstract)

[37] Zhang F, Wang C, Wang Z H. Response of natural vegetation to climate in dryland ecosystems: A comparative study between Xinjiang and Arizona[J]. Remote Sensing, 2020, 12(21): 3567.

[38] 吳健生，何海珊，胡甜. 地表溫度“源—匯”景觀貢獻度的影響因素分析[J]. 地理學報，2022，77(1)：51-65.

Wu Jiansheng, He Haishan, Hu Tian. Analysis of factors influencing the “source-sink” landscape contribution of land surface temperature[J]. Acta Geographica Sinica, 2022, 77(1): 51-65. (in Chinese with English abstract)

[39] 史新，周買春，劉振華，等. 基于Landsat 8數(shù)據(jù)的3種地表溫度反演算法在三河壩流域的對比分析[J]. 遙感技術與應用，2018，33(3)：465-475.

Shi Xin, Zhou Maichun, Liu Zhenhua, et al. Comparative analysis on three land surface temperature inversion algorithm based on Landsat 8 data over Sanheba Basin[J]. Remote Sensing Technology and Applications, 2018, 33(3): 465-475. (in Chinese with English abstract)

[40] 蘇從先，胡隱樵，張永豐，等. 河西地區(qū)綠洲的小氣候特征和“冷島效應”[J]. 大氣科學，1987(4)：390-396.

Su Congxian, Hu Yinqiao, Zhang Yongfeng, et al. The microclimatic character and “cold island effect” overtheoasis in Hexi region[J]. Scientia Atmosphrica Sinica, 1987(4): 390-396. (in Chinese with English abstract)

[41] 王俊勤，胡隱樵，陳家宜，等. HEIFE區(qū)邊界層某些結(jié)構(gòu)特征[J]. 高原氣象，1994(3)：76-83.

Wang Junqin, Hu Yinqiao, Chen Jiayi, et al. Some characteristics of planetary boundary layer over HEIFE area[J]. Plateau Meteorology, 1994(3): 76-83. (in Chinese with English abstract)

[42] 伊麗努爾·阿力甫江，海米提·依米提，麥麥提吐爾遜·艾則孜，等. 1958—2012年博斯騰湖水位變化驅(qū)動力[J].中國沙漠，2015，35(1)：240-247.

Ilnyr Ghalip, Hamid Yimit, Mamattursun Eziz, et al. The driving forces of the Bosten Lake water level variations in 1958-2012[J]. China Desert, 2015, 35(1): 240-247. (in Chinese with English abstract)

Spatial distribution characteristics of land surface temperature and its “source-sink” effect in Yanqi Basin, Xinjiang

Zhang Feifei, Peng Kang, Zhang Fang※

(1.,,830046,;2.,,830046,)

Global warming and human activities have posed a great threat to the climatic elements in drylands. The very fragile ecosystem is also highly sensitive to natural and anthropogenic disturbances. It is a serious risk to the evolutionary direction and habitability of oases in recent years. Among them, the Land Surface Temperature (LST) is one of the most important parameters to evaluate the interaction and energy exchange between the earth and the atmosphere. The spatial pattern of the surface temperature and the thermal environment in a region can be attributed to the combined effect of the regional small terrain factors and the properties of underlying surfaces. It is a high demand to explore the spatial distribution of the LST and the "source-sink" effect in the dryland oases, particularly for the local climate change patterns and the influencing factors in the arid regions. However, the oases cold island has put a great challenge on the temperature inversion and high-temperature center using remote sensing in the large-scale basins or open terrain regions. This study aims to analyze the spatial distribution of LST and the influencing factors in the Yanqi Basin in Xinjiang of China. The Mono-window algorithm was also utilized in this case. A quantitative analysis was performed to determine the contribution of the “source-sink” effect in the different land use/cover types to the LST change. The results showed that: 1) The land use/cover type was determined by the spatial distribution pattern of surface temperature and the “source-sink” effect. There was the strongest heat source in the unused lands. The strongest heat sink was observed in the water bodies. There was little influence of grasslands and construction lands on the land surface thermal environment. The intensity of the heat sink effect in the croplands depended mainly on the area of agricultural irrigation and crop growth conditions. 2) The Normalized Difference Vegetation Index (NDVI) was negatively correlated with the LST. The surface temperature decreased by about 1.98 to 2.66 ℃ for every 0.1 increase in NDVI. However, more effects of thevegetation were found on the surface temperature in the cultivated, grassland, and unused land. Less effect of the vegetation was observed in the wetlands. There was also a smaller cooling effect on the vegetation in the construction lands, due to the relatively small proportion of green space in the towns and cities. 3) The slope presented the most significant impact on the gentle slope areas less than 13° at the lower elevation in the basin. The LST increased rapidly with the increase of the slope. There was a weaker effect of slope on the LST at altitudes higher than 1 252 m. The LST decreased gently with the increase of slope. 4) The cold island effect also created a unique thermal structure of the near-surface atmosphere over the Yanqi Basin Oasis. Specifically, the surface temperature rose rapidly at first, with a high-temperature center at the height of 100 to 300 m from the ground, and then gradually decreased, as the altitude rose. The atmospheric temperature inversion layer was generated on June 22. The thickness then exceeded 1 000 m on July 1. The redistribution of the slope direction on the solar radiation disappeared within the height range of 100-300 m above the Yanqi Basin Oasis surface. This absence was attributed to the high-temperature center. This finding can fill the gap in the observation data in the Yanqi Basin in Xinjiang of China.

remote sensing; inversion; land surface temperature; topographic factors; land cover types; “source-sink” effect; global change; Mono-window algorithm

10.11975/j.issn.1002-6819.2022.16.017

TP79

A

1002-6819(2022)-16-0153-09

張飛飛，彭康，張芳. 新疆焉耆盆地地表溫度空間分布特征及其“源—匯”效應[J]. 農(nóng)業(yè)工程學報，2022，38(16)：153-161.doi：10.11975/j.issn.1002-6819.2022.16.017 http://www.tcsae.org

Zhang Feifei, Peng Kang, Zhang Fang. Spatial distribution characteristics of land surface temperature and its “source-sink” effect in Yanqi Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 153-161. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.16.017 http://www.tcsae.org

2022-06-15

2022-08-12

國家自然科學基金（41761041）

張飛飛，研究方向為干旱區(qū)環(huán)境演變與人地關系。Email：zhangff@outlook.com

張芳，博士，教授，研究方向為干旱區(qū)環(huán)境演變與人地關系。Email：zhangf602@163.com