三江平原水旱田分布對遙感反演局地地表溫度的影響

杜國明，劉文琦，于佳興，張 爽

?

三江平原水旱田分布對遙感反演局地地表溫度的影響

杜國明，劉文琦，于佳興，張 爽

（東北農業大學資源與環境學院，哈爾濱 150030）

土地利用劇烈變化對局地氣候的影響是當前全球變化與可持續研究關注的焦點問題。該文基于2017年6月16日Landsat 8衛星遙感影像反演耕地利用劇烈變化的三江平原北部地區地表溫度數據，刻畫了研究時點水旱田分布對地表溫度影響的空間特征。結果表明，研究區水田旱地面積占耕地總面積比例分別為58.12%、41.88%，水田平均地表溫度比旱地低9.87 ℃；在村域尺度上，水田面積占比與地表溫度均值在0.01水平（雙側）上呈顯著負相關關系（<0.01），該研究時點上水田對地表熱環境存在較為明顯的降溫作用。水旱田不同下墊面因含水量及蒸散量不同造成的能量傳遞過程差異，使得其分布格局成為地表溫度值分異的主要原因。

遙感；溫度；耕地；水田格局；三江平原

0 引 言

氣候變暖背景下農業適應性研究是全球變化科學、可持續性科學、農業生態學研究的熱點問題[1-2]。氣候變暖是導致中國東北地區水田分布界線北移和規模擴張的重要原因[3]。與此同時，水田擴張必然導致區域的下墊面特征變化，改變地表輻射能量平衡，從而對區域氣候特征產生作用。區域溫度差異對作物生長影響是顯著的，在中溫帶北部寒冷地區耕地，6月為水稻分蘗期和旱作物葉片生長期，該時期作物植株高度較低，且對溫度較為敏感，此時地表溫度差異可能會對其生長過程產生影響，并進一步影響耕地產能與可持續性[4]。IPCC（Intergovernmental Panel on Climate Change）第五次評估報告指出，人類對氣候系統的影響是明顯的，下墊面的變化會通過改變地表反照率對地球輻射收支產生直接影響[5]。2000－2014年，三江平原地區水田面積增長了60%[6]，2010－2015年，東北地區旱地和水田互轉的面積占全國旱地水田互轉面積的91.7%，其中三江平原地區是變化集中范圍[7]，旱地與水田在耕作季節的地表覆蓋狀況具有顯著差異，旱地與水田的轉換引起了區域下墊面發生顯著變化，必然對地表輻射能量平衡和地表溫度產生影響。而地表溫度是影響局地氣候的重要因素，每日瞬時溫度差異的累積將導致長期積溫的變化，并最終作用于區域氣候特征。因此，涵蓋旱地與水田的耕地利用格局對地表瞬時溫度影響特征研究是農業生態學及可持續性科學研究進展中的應有之義。

現有研究為地表溫度反演及景觀格局分析提供了理論與實踐基礎，但當前相關研究多針對城市內部城區下墊面分析，而在耕地與農業氣象環境關系研究領域亦多集中于作物生長過程中溫室氣體排放對局部小氣候的增溫作用，如Georgescu等[8]通過研究美國玉米帶生物能源作物顯示生物物理參數，揭示作物類型轉換帶來的氣候效應；Galford等[9]在研究巴西亞馬遜地區農業溫室氣體排放現狀與預測基礎上，探究農業種植對氣候變化的影響。相比之下，水田種植由于其農業生產過程的特殊性，水田與旱地下墊面在農作物生長發育期特別是初期明顯不同，耕地水旱田格局及其變化對局地地表溫度的影響還有待進一步探究。

為此，本文從耕地利用格局角度出發，基于美國陸地資源衛星Landsat 8 OLI/TIRS傳感器所提供30 m空間分辨率數據，采用大氣校正法反演獲取研究區2017年6月16日地表溫度（Land Surface Temperature，LST）數據，采用GIS方法完成不同耕作區地表溫度均值分區統計，借助SPSS分析功能對水田占比數據與平均地表溫度進行相關性分析，探究研究區水稻插秧期一日內LST與不同水旱田格局間相關關系，一定程度反映水田種植規模與結構對局地地表溫度影響程度，進而為后續長期氣候效應分析奠定基礎，并為不同類型耕地數量結構設置及空間結構布局優化提供理論支撐，對土地資源優化配置實踐方法作進一步探究。

1 研究地區與研究方法

1.1 研究區概況

三江平原（43°50￠022～48°24￠412N，129°11￠492～34°46￠372E）位于黑龍江省東部（圖1），處于中溫帶濕潤、半濕潤大陸性季風氣候區，多年平均降水量450～650 mm，主要土壤類型為黑土、白漿土等，地勢平坦，起伏度較小。研究區位于三江平原中北部（46°23￠122～47°54￠352N，130°07￠502～132°55￠452E），是耕地集中連片區域，由Landsat 8衛星傳感器獲取的一景影像范圍所覆蓋（行列號為：115/27），在保證內部村級行政區單元完整性前提下確定研究區邊界，涉及佳木斯市中部、雙鴨山市西北部及鶴崗市大部，覆蓋面積為16.9×105hm2。近年來，作為東北地區氣候變暖最為顯著區域，三江平原水稻種植面積呈現較快增長，研究區耕作區域整體呈現水田集中種植為主，水旱混作為輔的種植結構特點[10-11]，所涉及縣級行政區包括富錦市、同江市、寶清縣、友誼縣、樺川縣、集賢縣、綏濱縣、湯原縣，下轄村級行政單元共873個。

1.2 數據來源及預處理

本文遙感信息數據源為美國陸地資源衛星，由NASA官網（http://glovis.usgs.gov/）獲取2017年6月16日Landsat 8 TIRS 遙感影像（軌道號為115/27），影像獲取時間為北京時間上午10：20，經查驗研究區氣象站點數據，影像獲取當日天氣晴朗，無異常氣溫波動且無明顯降水過程，適宜進行地表溫度反演。針對所獲取影像數據，首先使用研究區邊界矢量文件分別對多光譜影像及第10波段影像數據進行裁剪，依托ENVI 5.1遙感影像處理軟件平臺，通過Radiometric Correction/Radiometric Calibration工具輻射定標，將影像DN值轉化為輻射亮度值，采用FLAASH Atmospheric Correction工具，基于MODTRAN5輻射傳輸模型對多光譜數據進行大氣校正，依據相同投影與地理坐標系統的黑龍江省地形圖對研究區影像進行幾何精校正。

依據2017年國土資源管理部門農村土地調查年度更新1∶10000比例尺數據，以美國陸地資源衛星Landsat 8 OLI傳感器于2017年5月31日及8月19日所獲取影像為參考，通過目視解譯校正更新地類，獲取2017年研究區土地利用數據，經驗證精度達98%以上[12]。在利用耕地范圍掩膜提取基礎上，為消除其他用地類型熱傳導效應所造成誤差，將研究區內不透水面、河流水體等其他地類面積占比超過60%的村級單元剔除，不列入數據統計范圍。

1.3 研究方法

1.3.1 地表溫度反演

地表溫度反演采用大氣校正法，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，將衛星所觀測到地表熱輻射強度轉化為相應地表溫度[13-19]。其中，衛星傳感器接收到熱紅外輻射亮度值L輻射傳輸方程為：

L=[()(1)↓]↑（1）

式中L由TIRS Band 10 輻射定標后所得輻射亮度值表征，為地表比輻射率，為地表真實溫度（K），()為黑體熱輻射亮度W/(m2·sr·m)，為大氣在熱紅外波段透過率，↑為大氣向上輻射亮度W/(m2·sr·m)，↓為大氣向下輻射亮度W/(m2·sr·m)。

則通過普朗克公式由()轉化獲取：

=2/ln[1/()+1] （2）

對于TIRS Band 10數據，1=774.89 W/( m2·m·sr)，2=1 260.56 K。

上述公式中所需參數為大氣剖面參數和地表比輻射率，其中，大氣剖面參數由NASA公布網站（http://atmcorr. gsfc.nasa.gov）查詢獲得（表1），地表比輻射率采用Sobrino提出的NDVI閾值法計算得到：

0.004P+0.986（3）

式中P為植被覆蓋度，其估算方法采用NDVI閾值法。通過對研究區內NDVI值累計概率統計，確定NDVI最小值（NDVImin）為0.11，最大值（NDVImax）為0.63。當像元NDVI值大于0.63時P取1，小于0.11時P取0，當像元NDVI值介于0.11與0.63之間時由公式（4）確定。

P=[(NDVI–NDVImin)/(NDVImax–NDVImin)] （4）

1.3.2 地表熱力級別劃分

為反映研究區地表溫度值數量及分布特征，可選取合適的分級方法將反演所得溫度數據進行等級劃分[20]。均值-標準差法可用于顯示要素屬性值與平均值之間的差異，使用與標準差成比例的等值范圍創建分類間隔，從而顯示不同溫度等級劃分情況與空間分布格局，能更好反映不同下墊面地表溫度差異[21-23]。本研究基于實際LST反演結果數值，創建1倍標準差等值分類間隔，借助GIS平臺將地表溫度劃分為5個不同等級（表2），更加系統地反映研究區地表溫度分布狀況。

1.3.3 相關性分析

依據線性回歸模型的相關性分析是探究研究區地表溫度值與影響因素之間響應關系的關鍵方法[24-25]。本文基于GIS方法，以村級行政單位為單元，依據水田占比數據，劃分水田種植面積級別，確定各級別相應空間區域。在此基礎上，統計各區域內水田平均占比數值，同時計算不同級別區域內相應地表溫度均值，采用SPSS數據相關性分析工具，構建水田面積比例與平均地表溫度間線性相關關系，并進行顯著性檢驗，最終獲取耕地利用格局與地表溫度值之間響應關系。

2 結果與分析

2.1 耕地利用空間格局

研究區總面積為16.9×105hm2，其中耕地面積13.4× 105hm2，占比79.37%，屬于墾殖率較高區域（圖2a）。為確保溫度數據與耕地利用數據范圍一致性，將道路、河流、云層覆蓋區及城鎮等影響溫度反演結果區域進行掩膜處理，最終得到如圖2b研究區耕地范圍。統計結果顯示，2017年研究區耕地總面積為12.4×105hm2，占研究區總面積的73.63%。耕地類型以水田為主，面積為7.2×105hm2，占比58.12%，旱地面積為5.2×105hm2，占比為41.88%。從空間分布來看，研究區內西部、北部水田呈現集中連片態勢，旱地較為聚集區域分布在研究區的西南部和東部，研究區中部及東部偏南區域呈現大面積水旱混作特征，該區域內水田與旱地呈小范圍同類聚集，整體交錯分布形態，耕地利用格局較其他區域更復雜（圖2b）。

圖2 2017年研究區土地利用類型及耕地利用格局

研究區耕地分布在859個村級單元。為進一步明晰不同水旱田種植格局分布情況，以研究區耕地利用數據為基礎，以村級行政單元為單位，分別統計各單元內水田面積占比數據，利用相等間隔分類方法，將所有單元水田種植面積等級劃分為10級，間隔大小為10%（表3）。從統計結果來看，隨水田占比級別增加，所涉及村莊個數、耕地面積及其占比總體上均呈現先減少后增加態勢。分析水田種植分級圖（圖3）可知，在水田種植集中區域，水田占比級別多為9～10級，各單元內水田占比絕大多數為80%以上，其中研究區南部偏東地區和西部地區比率超過90%。而旱地種植較為聚集區域內，水田占比級別以1～2級居多，水田占比整體低于30%，大部分區域比率在20%以下。中部水旱混作區域內水田占比級別則以5～7級為主，雖存在小范圍超過90%或低于10%情況，整體來看水田占比介于40%～70%之間，即水田種植規模不占絕對優勢，兩類用地在空間上表現為交錯分布態勢。

表3 水田面積比例分級統計

圖3 水田面積比例分級

2.2 地表溫度

研究區地表溫度反演結果如圖4所示，分析可知，研究區整體呈現西北部及北部溫度低，西南部及東部溫度高態勢，其中研究區內佳木斯市東部地區，雙鴨山市大部分地區呈現明顯高溫區聚集分布特征，鶴崗市及佳木斯市西部地區地表溫度普遍表現為次低溫或低溫。同時，研究區內其他地類如河流、無植被覆蓋灘涂、城鎮不透水、少量云層、沼澤地等地類地表溫度與周邊耕地溫度存在較大差值，其中不透水面等高反射率高蓄熱體對其周邊用地會產生一定熱傳導效應，對部分耕地范圍邊緣處地表溫度值產生一定影響。

圖4 研究區地表溫度（LST）分布

掩膜去除非耕地區域，并將其他用地面積占比超過60%的村莊單元剔除后，研究區耕地地表歸一化植被指數（NDVI）值分布及溫度分級結果如圖5、6所示。研究區耕地范圍地表溫度整體呈現北部低，南部和東部高態勢（圖6）。

圖5 NDVI值空間分布

圖6 耕地范圍地表溫度分級

經統計（表4），范圍內面積最大區域為次低溫區（23.0～28.8 ℃），其覆蓋面積為601 410.06 hm2，占研究區耕地范圍面積的48.32%，主要分布于研究區西偏北部和北部，其次為次高溫區（34.7～40.6 ℃），面積283 308.66 hm2，所占比例為22.77%，主要出現在研究區中部及東部區域，水田面積占比中溫區（28.8～34.7 ℃）和高溫區（>40.6 ℃）面積占比均未超過研究區耕地范圍面積的20%，其中高溫區面積139 687.47 hm2，占比11.24%，而中溫區面積略大于高溫區，為212 981.76 hm2，占比17.12%，此兩級均分布于西部偏南、南部及東部區域，低溫區域（<23.0 ℃）所覆蓋面積最小，為6 763.95 hm2，約占研究區總面積的0.55%。不同溫度分級區內水田面積占比存在差異，主要表現為隨整體溫度升高，水田面積占比數值下降。低溫區水田面積占比達72.90%，而高溫區則為13.59%。水田種植區域內地表溫度均值為27.73 ℃，旱地種植區域內均值為37.60 ℃，比水田區高9.87 ℃。

表4 不同級別地表溫度面積規模統計

2.3 水田比例與地表溫度相關性分析

對比耕地利用格局數據、水田占比級別空間分布數據與地表溫度反演結果空間分布特征可知，研究區耕地范圍內存在高溫區與旱地種植區、次低溫區與水田種植區大面積重疊現象，且研究區腹地混作區地表溫度級別分布結構也較為復雜。但水旱田種植格局與地表溫度間是否存在相關關系，仍需進一步數據分析和探究。在水田種植比例分級基礎上，分別統計得到各級別范圍內地表溫度均值（表5），分析并探討以10%為間隔的水田占比級別尺度上，水旱田格局與溫度均值的相關性關系，結果如圖7所示。

從分析結果來看，隨水田面積占比增加，地表溫度呈現遞減態勢。對比各級別溫度距平可知，兩極級別內地表溫度值數量結構更為簡單，波動幅度小，而在4～6級范圍內溫度距平較大，溫度距平隨耕地利用級別增加先呈增加趨勢，在5級達到峰值（5.75 ℃）后開始呈現下降趨勢，并在10級處達到最低值，即在水田或旱地集中種植區域，其內部溫度數值較為平均，而水田混作區范圍內地表溫度值跨度大，空間結構復雜，這表明，水旱田種植數量結構越復雜，其對應區域內部LST數值波動越大，與空間分布特征分析結果一致。

表5 不同級別水田數量結構與溫度值統計

在計算不同水田種植級別內水田面積占比與地表溫度均值基礎上分析二者相關性，結果顯示，研究區耕地范圍內水田面積占比與地表溫度均值存在線性相關關系，其線性回歸方程為：–0.128 639.244，相關性系數為–0.996（圖7），經皮爾森顯著性檢驗，二者在0.01水平（雙側）呈極顯著負相關關系（<0.01）。這表明，三江平原地區本研究期內，水田種植過程對局部區域地表溫度的降溫效應在各個水田占比級別中均有顯著體現，隨水田面積占比增大，地表溫度均值呈現明顯下降趨勢。

圖7 水田面積占比與地表溫度均值相關性

為探究村級單元尺度上是否存在與水田占比級別尺度上相同的相關性關系，確保統計單元完整性前提下，滿足不同水田占比樣本均能得到統計的要求，于研究區耕地范圍內選取水旱田明顯交錯混作區域作為典型區（圖8），該區域地處研究區腹地，共覆蓋村級行政單元51個，耕地總面積為13.1×104hm2，其中水田面積共8.75×104hm2，占區域總面積66.56%，空間上呈現較為復雜的種植結構。對典型區內水田種植面積與平均地表溫度間相關關系進行分析，結果如圖9所示。從相關性分析結果來看，區域內地表溫度均值與水田面積占比數據在0.01水平（雙側）呈顯著負相關關系（<0.01），其相關性系數為–0.915。

圖8 水旱混作典型區位置

圖9 典型區水田面積占比與地表溫度相關性

綜合兩個相關性分析結果可以發現，在水稻生長初期，即植株生長、分蘗階段，無論是按照水田占比分級尺度還是村級行政單元尺度進行分析，水田面積占比與地表溫度都呈現顯著負相關關系。水旱田下墊面特征不同是造成地表溫度差異的主要原因。由于水體熱容量大于土壤，在接收同等太陽輻射條件下，土壤溫度升高更快[26]，從而導致在太陽輻射強烈的白天，地表溫度表現為：水田<旱地。研究區所處位置為北半球寒冷地區，地表植被覆蓋度是影響地表輻射能量平衡的關鍵因素。本研究時點上研究區耕地作物為生長初期，水田地表表現為少量植被覆蓋與裸露淺水面共存狀態，旱地則表現少量植被覆蓋與裸土共存狀態。對于裸土地表而言，土壤比輻射率與土壤水分密切相關，相關研究表明土壤比輻射率隨含水量增加而增加[27-28]，而作為地表溫度反演的重要參數，不同植被覆蓋程度種植區域地表比輻射率差異會對地表溫度值產生影響。與此同時，地表蒸散量的增加使近地表空氣濕度增大，有效減少地表向外熱輻射量，從而使得水田種植對局域內地表熱環境存在較為明顯的降溫效應。

3 討 論

本文從耕地角度出發，分析耕地范圍內地表溫度對不同耕地耕作類型的響應，由于耕地范圍內下墊面具有覆被種類少、結構簡單、像元純度較高等特性，采用大氣校正法反演無降水時段內研究區地表溫度具有可行性和現實意義。不同于現有的多數針對城鎮區域下墊面對地表溫度影響特征研究[29-31]，本文從耕地范圍出發，進一步填補了當前地表溫度影響因素及影響特征研究領域存在的空白，通過村級單元尺度上對單景影像反演的溫度數據分析，揭示了區域瞬時溫度對耕地種植格局的響應規律，為進一步探究地表溫度差異長期累積所產生的氣候效應奠定基礎。隨著遙感數據普及與信息化平臺服務功能提升，在后續研究中可進一步采取長時間序列分析比較方式，以研究區作物生長發育成熟期整個過程為研究時段，進一步探討水田種植格局對地表溫度所產生影響的累積效應與變化狀況，對不同耕地利用格局演變對地表溫度影響的時空特征進行更全面的研究。此外，在LST數據降尺度等技術支撐下，可進一步利用更高空間分辨率的數據進行數據統計分析，探究更高精度的相關關系，逐步建立耕地熱環境與耕作類型響應規律體系，為土地資源優化配置尤其耕作方式規劃及相關政策制定提供科學有效依據。

4 結 論

本研究基于遙感數據影像，以水田種植面積占比分級數據表征水旱田格局，依據地表輻射能量平衡方程，采用大氣校正法反演研究區地表溫度值，并通過相關性分析方法開展研究區水旱田格局對地表溫度影響的瞬時空間規律特征分析，主要得到以下結論：

1）研究區耕地范圍內以水田種植為主，占耕地總面積58.12%，集中連片分布于西部和北部，旱地主要分布在西南和東部區域，其面積占比為41.88%。水田種植集中區域水田種植面積級別多為9～10級，而旱地種植較為聚集區域內水田種植面積級別以1～2級居多，中部水旱混作區域內水田種植級別則以5～7級為主。

2）研究區耕地范圍內2017年6月16日10時20分水田種植區域內地表溫度均值為27.73 ℃，旱地種植區域內均值為37.60 ℃，比水田區高9.87 ℃。從溫度分級結果看，次低溫區（23.0～28.8 ℃）和中溫區（28.8～34.7 ℃）空間分布形態與水田及水旱混作區域關聯性較好，而次高溫區（34.7～40.6 ℃）、高溫區域（>40.6 ℃）主要分布在研究區西部偏南、南部及東部區域，與旱地聚集區域相合。

3）水田面積占比與地表溫度均值在0.01水平（雙側）呈顯著負相關關系（<0.01），在相應研究時點上，村域尺度研究結果表明隨著水田面積占比的增大，區域地表溫度均值呈現明顯遞減規律，水田種植會對地表溫度產生降溫效應。從相關性程度來看，水田面積占比與地表溫度均值間相關性系數超過0.9，村域尺度上水旱田格局對地表溫度存在顯著影響。

[1] 劉彥隨，劉玉，郭麗英. 氣候變化對中國農業生產的影響及應對策略[J]. 中國生態農業學報，2010，18(4)：905－910. Liu Yansui, Liu Yu, Guo Liying. Impact of climatic change on agricultural production and response strategies in China[J]. Chinese Journal of Eco-Agriculture, 2010, 18(4): 905－910. (in Chinese with English abstract)

[2] 孫華，何茂萍，胡明成. 全球變化背景下氣候變暖對中國農業生產的影響[J]. 中國農業資源與區劃，2015，36(7)：51－57. Sun Hua, He Maoping, Hu Mingcheng. Impact of global climatic warming on agricultural production in China[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2015, 36(7): 51－57. (in Chinese with English abstract)

[3] 杜國明，潘濤，尹哲睿，等. 水田化進程中的富錦市耕地景觀格局演化規律[J]. 應用生態學報，2015，26(1)：207－214. Du Guoming, Pan Tao, Yin Zherui, et al. Cultivated landscape pattern change due to the rice paddy expansion in Northeast China: A case study in Fujin[J]. Chinese Journal of Applied Ecology, 2015, 26(1): 207－214. (in Chinese with English abstract)

[4] 杜國明，馬敬盼，春香. 現代化農區耕地利用形態轉型研究[J]. 中國農業資源與區劃，2018，39(3)：185－192. Du Guoming, Ma Jingpan, Chun Xiang. Study on the transformation of cultivated land use in modern agriculture region[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(3): 185－192. (in Chinese with English abstract)

[5] Stocker T F, Qin D, Platiner G K, et al. Climate Change 2013: The Physical Science Basis[R]. Intergovernmental Panel on Climate Change, 2013.

[6] Dong J, Xiao X, Zhang G, et al. Northward expansion of paddy rice in northeastern Asia during 2000-2014[J]. Geophysical Research Letters, 2016, 8(43): 3754－3761.

[7] 劉紀遠，寧佳，匡文慧，等. 2010－2015年中國土地利用變化的時空格局與新特征[J]. 地理學報，2018，73(5)：789－802. Liu Jiyuan, Ning Jia, Kuang Wenhui, et al. Spatio-temporal patterns and characteristics of land-use change in China during 2010－2015[J]. Acta Geographica Sinica, 2018, 73(5): 789－802. (in Chinese with English abstract)

[8] Georgescu M, Lobell D B, Field C B. Potential impact of US biofuels on regional climate[J]. Geophysical Research Letters, 2009, 36(21): 147－148.

[9] Galford G L, Melillo J M, Kicklighter D W, et al. Greenhouse gas emissions from alternative futures of deforestation and agricultural management in the southern Amazon[J]. Proceedings of the National Academy of Sciences, 2010, 107(46): 19649－19654.

[10] 杜國明，李昀，于鳳榮，等. 基于遙感的2000－2009年三江平原北部耕地變化特征分析[J]. 農業工程學報，2012，28(1)：225－229. Du Guoming, Li Yun, Yu Fengrong, et al. Change characteristics analysis of farmland in Northern Sanjiang Plain in 2000－2009 based on remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2012, 28(1): 225－229. (in Chinese with English abstract)

[11] 欒兆擎，章光新，鄧偉，等. 三江平原50年來氣溫及降水變化研究[J]. 干旱區資源與環境，2007，21(11)：39－43. Luan Zhaoqing, Zhang Guangxin, Deng Wei, et al. Study on the changes of air temperature and precipitation in the last 50 years in the Sanjiang Plain[J]. Journal of Arid Land Resources and Environment, 2007, 21(11): 39－43. (in Chinese with English abstract)

[12] 劉煥軍，楊昊軒，徐夢園，等. 基于裸土期多時相遙感影像特征及最大似然法的土壤分類[J]. 農業工程學報，2018，34(14)：132－139. Liu Huanjun, Yang Haoxuan, Xu Mengyuan, et al. Soil classification based on maximum likelihood method and features of multi-temporal remote sensing images in bare soil period[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(14): 132－139. (in Chinese with English abstract)

[13] 姚遠，陳曦，錢靜. 城市地表熱環境研究進展[J]. 生態學報，2018，38(3)：1134－1147. Yao Yuan, Chen Xi, Qian Jing. Research progress on the thermal environment of the urban surfaces[J]. Acta Ecologica Sinica, 2018, 38(3)：1134－1147. (in Chinese with English abstract)

[14] 戚鵬程，趙傳燕，馮兆東，等. 干旱荒漠區土地利用變化對地表溫度的影響[J]. 農業工程學報，2010，26(11)：310－316. Qi Pengcheng, Zhao Chuanyan, Feng Zhaodong, et al. Influence of land use change on land surface temperature in arid desert region[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(11): 310－316. (in Chinese with English abstract)

[15] 宋挺，段崢，劉軍志，等. Landsat 8數據地表溫度反演算法對比[J]. 遙感學報，2015，19(3)：451－464. Song Ting, Duan Zheng, Liu Junzhi, et al. Comparison of four algorithms to retrieve land surface temperature using Landsat 8 satellite[J]. Journal of Remote Sensing, 2015, 19(3): 451－464. (in Chinese with English abstract)

[16] 蔣大林，匡鴻海，曹曉峰，等. 基于Landsat8的地表溫度反演算法研究——以滇池流域為例[J]. 遙感技術與應用，2015，30(3)：448－454. Jiang Dalin, Kuang Honghai, Cao Xiaofeng, et al. Study of land surface temperature retrieval based on Landsat 8: With the sample of Dianchi Lake Basin[J]. Remote Sensing Technology and Application, 2015, 30(3): 448－454. (in Chinese with English abstract)

[17] 胡德勇，喬琨，王興玲，等. 單窗算法結合Landsat8熱紅外數據反演地表溫度[J]. 遙感學報，2015，19(6)：964－976. Hu Deyong, Qiao Kun, Wang Xingling, et al. Land surface temperature retrieval from Landsat 8 thermal infrared data using mono-window algorithm[J]. Journal of Remote Sensing, 2015, 19(6): 964－976. (in Chinese with English abstract)

[18] 徐涵秋. Landsat 8熱紅外數據定標參數的變化及其對地表溫度反演的影響[J]. 遙感學報，2016，20(2)：229－235. Xu Hanqiu. Change of Landsat 8 TIRS calibration parameters and its effect on land surface temperature retrieval[J]. Journal of Remote Sensing, 2016, 20(2): 229－235. (in Chinese with English abstract)

[19] 李召良，段四波，唐伯惠，等. 熱紅外地表溫度遙感反演方法研究進展[J]. 遙感學報，2016，20(5)：899－920. Li Zhaoliang, Duan Sibo, Tang Bohui, et al. Review of methods for land surface temperature derived from thermal infrared remotely sensed data[J]. Journal of Remote Sensing, 2016, 20(5): 899－920. (in Chinese with English abstract)

[20] 徐雙，李飛雪，張盧奔，等. 長沙市熱力景觀空間格局演變分析[J]. 生態學報，2015，35(11)：3743－3754. Xu Shuang, Li Feixue, Zhang Luben, et al. Spatiotemporal changes of thermal environment landscape pattern in Changsha[J]. Acta Ecologica Sinica, 2015, 35(11): 3743－3754. (in Chinese with English abstract)

[21] 賈寶全，邱爾發. 基于TM衛星遙感影像的西安市城市熱島效應變化分析[J]. 干旱區研究，2013，30(2)：347－355. Jia Baoquan, Qiu Erfa. Dynamic change of urban heat island effect in Xi'an based on TM images[J]. Arid Zone Research, 2013, 30(2): 347－355. (in Chinese with English abstract)

[22] 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]. 農業工程學報，2016，32(20)：259－266. Reyilai Kadeer, Yusupujiang Rusuli, Gao Qian, et al. Spatiotemporal response of land surface temperature to land use/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)

[23] 潘濤，杜國明，張弛，等. 基于Landsat TM的2001～2015年哈爾濱市地表溫度變化特征分析[J]. 地理科學，2016，36(11)：1759－1766. Pan Tao, Du Guoming, Zhang Chi, et al. Variation of land surface temperature of Harbin City based Landsat TM data in 2001－2015[J]. Scientia Geographica Sinica, 2016, 36(11): 1759－1766. (in Chinese with English abstract)

[24] 孟丹，李小娟，宮輝力，等. 北京地區熱力景觀格局及典型城市景觀的熱環境效應[J]. 生態學報，2010，30(13)：3491－3500. Meng Dan, Li Xiaojuan, Gong Huili, et al. The thermal environment landscape pattern and typical urban landscapes effect linked with thermal environment in Beijing[J]. Acta Ecologica Sinica, 2010, 30(13): 3491－3500. (in Chinese with English abstract)

[25] 王剛，管東生. 植被覆蓋度和歸一化濕度指數對熱力景觀格局的影響——以廣州為例[J]. 應用生態學報，2012，23(9)：2429－2436. Wang Gang, Guan Dongsheng. Effects of vegetation cover and normalized difference moisture index on thermal landscape pattern: A case study of Guangzhou, South China[J]. Chinese Journal of Applied Ecology, 2012, 23(9): 2429－2436. (in Chinese with English abstract)

[26] 李慧星，夏自強，馬廣慧. 含水量變化對土壤溫度和水分交換的影響研究[J]. 河海大學學報：自然科學版，2007，35(2)：172－175. Li Huixing, Xia Ziqiang, Ma Guanghui. Effects of water content variation on soil temperature pross and water exchange[J]. Journal of Hehai University: Natural Sciences, 2007, 35 (2): 172－175. (in Chinese with English abstract)

[27] 董雪，田靜，吳驊，等. 考慮土壤水分影響的比輻射率方法在地表溫度反演中的應用[J]. 資源科學，2017，39(8)：1592－1604. Dong Xue, Tian Jing, Wu Hua, et al. Application of the emissivity method considering the effects of soil moisture for retrieving land surface temperature[J]. Resources Science, 2017, 39(8): 1592－1604. (in Chinese with English abstract)

[28] 肖青，柳欽火，李小文，等. 熱紅外發射率光譜的野外測量方法與土壤熱紅外發射率特性研究[J]. 紅外與毫米波學報，2003，22(5)：373－378. Xiao Qing, Liu Qinhuo, Li Xiaowen, et al. A field measurement method of spectral emissivity and research on the feature of soil thermal infrared emissivity[J]. Journal of Infrared and Millimeter Waves, 2003, 22(5): 373－378. (in Chinese with English abstract)

[29] Peng Jian, Xie Pan, Liu Yanxu, et al. Urban thermal environment dynamics and associated landscape pattern factors: A case study in the Beijing metropolitan region[J]. Remote Sensing of Environment, 2016, 173(91): 145－155.

[30] 韓善銳，韋勝，周文，等. 基于用戶興趣點數據與Landsat遙感影像的城市熱場空間格局研究[J]. 生態學報，2017，37(16)：5305－5312. Han Shanrui, Wei Sheng, Zhou Wen, et al. Quantifying the spatial pattern of urban thermal fields based on point of interest data and Landsat images[J]. Acta Ecologica Sinica, 2017, 37(16): 5305－5312. (in Chinese with English abstract)

[31] 肖捷穎，張倩，王燕，等. 基于地表能量平衡的城市熱環境遙感研究——以石家莊市為例[J]. 地理科學，2014，34(3)：338－343. Xiao Jieying, Zhang Qian, Wang Yan, et al. Urban surface heat flux analysis based on remote sensing: A case study of Shijiazhuang City[J]. Scientia Geographica Sinica, 2014, 34(3): 338－343. (in Chinese with English abstract)

Influence of paddy field and dry field distribution on local surface temperature by remote sensing inversion in Sanjiang Plain

Du Guoming, Liu Wenqi, Yu Jiaxing, Zhang Shuang

(150030,)

The impact of rapid land-use conversion on the local climate is the focus of global change and sustainable research. Large-scale upland conversion to paddy fields and its influence on the local climate in the Sanjiang Plain area should be the important content of current climate impact research on human land use activities. In order to explore its influence on the land surface temperature, we used the atmospheric correction temperature inverse method based on the Landsat 8 TIRS remote sensing image data on June 16, 2017. The basic principle of this method is to remove the atmospheric influence and use the atmospheric radiation transfer equation; surface heat radiation intensity observed by the satellite is converted to the corresponding surface temperature. The parameters involved are mainly atmospheric profile parameters and surface specific emissivity. Through the temperature inversion, the surface temperature data of the northern part of the Sanjiang Plain was obtained. Then, the mean-standard deviation method was used to divide the overall temperature data of the cultivated land in the study area into five different grades, which visually showed the overall distribution characteristics of the land surface temperature values of the cultivated land in the study area. The land-use data was updated and obtained from the national rural land survey data , which scale was 1∶10000. On this basis, we analyze the correlation between the paddy field planting area and the average land surface temperature in the different paddy field planting level divisions, and characterized the space effect of different patterns of dry field and paddy fields on the surface temperature feature. Through this series of data statistics and analysis process, the following results can be obtained: the research area we selected is the cultivated land concentration area, and the cultivated land area within the scope is 73.63%. Cultivated land types in the study area are mainly paddy fields and dry land. The paddy field planting area is 7.2×105hm2, accounting for 58.12% of the total area of cultivated land, while the dry field planting area is slightly lower than that of paddy field with area 5.2×105hm2, accounting for 41.88%. According to the zoning statistics, we know that in the paddy field planting area average surface temperature in the interior is 27.73 ℃, while the average surface temperature in the dry field is 37.60 ℃, which is 9.87 ℃ higher than that in the paddy field. In addition, from the aspect of spatial distribution, the surface temperature is lower in the northwest and the north which is higher in the southwestern part and the eastern part of the study area. After correlation analysis, we find that the paddy field area ratio and the surface temperature mean value are significantly negative at 0.01 (two sides) (<0.01). These findings reveal that different underlying surface types in the arable area are the necessary factors of surface temperature differentiation. During the study period, the paddy field has a significant cooling effect on the land surface thermal environment. The variation in energy transfer process caused by different water content and evapotranspiration in different underlying surfaces of dry field and paddy fields makes its distribution pattern the main cause of land surface temperature value differentiation.

remote sensing; temperature; cultivated land; paddy field pattern; Sanjiang Plain

2018-09-04

2018-12-12

國家自然科學基金項目(41571167)；黑龍江省博士后科研啟動金資助項目（LBH-Q17018）

杜國明，博士，教授，主要研究方向為土地資源優化配置與農村區域發展。Email：nmgdgm@126.com

10.11975/j.issn.1002-6819.2019.05.032

P951

A

1002-6819(2019)-05-0259-09

杜國明，劉文琦，于佳興，張 爽.三江平原水旱田分布對遙感反演局地地表溫度的影響[J]. 農業工程學報，2019，35(5)：259－267.doi：10.11975/j.issn.1002-6819.2019.05.032 http://www.tcsae.org

Du Guoming, Liu Wenqi, Yu Jiaxing, Zhang Shuang. Influence of paddy field and dry field distribution on local surface temperature by remote sensing inversion in Sanjiang Plain[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(5): 259－267. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.05.032 http://www.tcsae.org