莫莫格濕地冷島效應遙感分析

項小云 李鳳秀 杜嘉 劉雁 宋開山 趙博宇 周昊昊 馬學垚

摘要?以2015年春季、夏季、秋季共3期莫莫格濕地的Landsat 8 遙感影像為基礎，利用大氣校正法反演研究區的地表溫度;在地表溫度反演結果和土地利用數據的基礎上，利用ArcGIS軟件的空間分析工具進行緩沖區分析、疊加分析和地統計分析，從而完成莫莫格濕地的冷島效應分析。結果表明，濕地對周邊不同土地利用類型的冷島效應（降溫作用）隨著離濕地距離的增加而逐漸減弱。濕地對不同土地利用類型的降溫作用并不相同，對居住地類型的影響范圍在240～540 m，對旱地類型的影響范圍在480～660 m;濕地對鹽堿地的降溫作用比較顯著，影響范圍在600～660 m。濕地在不同季節對其他土地利用類型降溫作用并不相同，在春夏秋3個季節中降溫作用由強到弱依次為夏季、秋季、春季。

關鍵詞?冷島效應;大氣校正法;Landsat 8影像;莫莫格濕地

中圖分類號?P?208;P?237文獻標識碼?A

文章編號?0517-6611（2019）23-0082-06

doi：10.3969/j.issn.0517-6611.2019.23.026

開放科學（資源服務）標識碼（OSID）：

Remote Sensing Analysis of Cold Island Effect in Momoge Wetland

XIANG Xiao?yun1， LI Feng?xiu2 ，DU Jia3 et al

（1.College of Tourist and Geoscience， Jilin Normal University， Siping，Jilin 136000;2.Henan Meteorological Center，Zhengzhou，Henan 450003;3.Northeast Institute of Geography and Agroecology， Chinese Academy of Sciences， Changchun， Jilin 130102）

Abstract?Based on the Landsat 8 image of the Momoge Wetland in the spring， summer and autumn of 2015， land surface temperature was estimated by using atmospheric correction method. We used buffering analysis， overlay analysis and geostatistical analysis in spatial analysis tools of ArcGIS software to complete the cold island effect study of Momoge Wetland based on the remote sensing inversion results and land use data. The results showed the cold island effect of the wetland on different land use types was gradually weakened when the distance from the wetland increased.Wetland had different cooling effects on different land use types. The impact on residence， dryland and saline?alkali land was roughly 240-540 m， 480-660 m and 600-660 m， respectively. Wetland has different cooling effects on other land use types in different seasons. In the three seasons of spring， summer and autumn， the cooling effect from strong to weak is summer， autumn and spring.

Key words?Cold island effect;Atmospheric correction method;Landsat 8 image;Momoge Wetland

濕地是位于陸生生態系統和水生生態系統之間的過渡性地帶，是水陸相互作用形成的一種獨特的生態系統，濕地具有較大的比熱容量和較強的水分蒸散度，其自身的“碳匯”作用使其對周邊的大氣溫度和濕度都起到顯著的調節作用[1]。由于濕地長期和季節性積水，其水熱容量較大，氣候較周邊區域冷。正是由于這種冷島作用，所以濕地能夠在一定程度上對周邊不同土地利用類型具有冷島效應。

目前關于濕地的冷島效應國內有很多學者進行了研究，楊一鵬等[2]提出氣候調節功能在干旱區的濕地表現尤為顯著，每年氣候調節所帶來的生態服務價值在濕地總生態服務價值中占比可達到32%，居于各項生態價值的首位;聶曉等[3]對沼澤濕地的局地小氣候效應進行研究，結果表明，沼澤濕地具有一定的冷濕效應，且在不同高度上冷濕作用表現有所不同，距離地面越近作用越顯著;拱秀麗等[4]以洪河自然保護區為研究區，對沼澤濕地冷濕小氣候效應的時空分布特征進行模擬研究，發現濕地在垂直方向和水平方向上其冷濕效應的效果存在差異。以往對濕地冷島效應的研究多關注于濕地具有冷濕作用的功能研究，對于其冷島效應影響程度和影響范圍的研究較少。

遙感技術因其具備觀測范圍廣、速度快、周期短等優勢，被廣泛地用于不同尺度的氣候變化研究。目前關于地表溫度的遙感反演算法有很多，包括輻射傳輸方程法[5-6]、單窗算法[7-9]、劈窗算法[10]以及多通道多角度算法[11-13]，根據不同的研究內容和不同的遙感傳感器數選擇相應的算法[14-15]。1984年開始發展的Landsat遙感數據，還有從2000年NASA開始提供MODIS熱紅外遙感影像，雖然空間分辨率較小，但在時間分辨率上具有很大的優勢（同一地區一天可過境4次），因此采用熱紅外遙感數據可以大范圍定量地反演地表溫度。基于遙感技術的冷島效應的研究正逐漸成為研究濕地冷島效應的重要手段。

長期以來，由于濕地本身的特性（低反照率、高發射率等），濕地的地表溫度遙感反演一直是定量遙感的熱點。葉智威等[16]選擇以 Landsat TM6 數據為基礎，利用單窗算法對洪澤湖地區地表溫度進行反演并分析，結果表明洪澤湖區陸地與水體溫度空間差異明顯，濕地在水體溫度中較低;杜嘉等[17]以Landsat/TM圖像、實測地面數據和MODIS地表發射數據為基礎，運用3種不同算法對洪河濕地的地表溫度進行估算，對比不同算法之間的差異，結果顯示使用覃志豪的單窗算法進行估算的結果較為理想;杜培軍等[18]使用單窗算法和Landsat TM /ETM + 影像對江蘇省鹽城濱海濕地進行地表溫度的反演，對1992—2009年濕地的土地利用變化和地表溫度變化之間的相關性進行分析，結果顯示濕地土地利用變化會帶來地表溫度的波動。以往溫度反演研究多傾向于沿海地區和湖泊地區的地表溫度反演，對濕地類型的地表溫度反演的研究相對較少。

該研究使用大氣校正法和Landsat 8 遙感數據為基礎，以莫莫格濕地為研究區進行地表溫度反演，利用地面實測數據和MOD11A1產品數據對其反演結果精度進行驗證;利用ArcGIS軟件中強大的空間分析工具，包括緩沖區分析、疊加分析和地統計分析，對濕地冷島效應對周邊不同土地利用類型的影響程度和影響范圍進行進一步的分析，目的在于通過定量的方法直觀地展示濕地的冷島效應，旨在加強人們對干旱-半干旱地區濕地功能的認識。

1?資料與方法

1.1?研究區概況

莫莫格濕地地理坐標位于45°42′25″～46°18′00″N、123°27′00″～124°04′33″E，地處松嫩平原西部（圖1）。研究區內主要以保護濕地生態系統和瀕危野生動物物種及其棲息環境為主，總面積14.4萬hm2，自然濕地面積在研究區總面積中占比80%以上，是吉林省最大的濕地保留地，也是松嫩平原保存最為完整的濕地之一[19]。松嫩平原區域內有扎龍、莫莫格、查干湖、向海和大蘇布5個國家級濕地自然保護區，其中莫莫格濕地作為典型的內陸鹽堿化沼澤濕地且地處于內陸干旱、半干旱過渡帶對當地生態環境具有重要意義。

研究區的氣候類型是屬于溫帶大陸性季風氣候。全年平均氣溫約為4.2 ℃，整年降水量約為391.8 mm，各季節分配不均，降水主要集中在6—8月份，占全年降水量的766%。研究區內的地勢起伏較小且較為平坦，平均海拔約為142 m，總體呈現出西北高、東南低的趨勢，坡度一般為5°～15°，區域內的相對海拔高差也在35 m以下。

1.2?數據來源

該研究中地表溫度反演所選用的遙感數據包括Landsat 8遙感影像和MOD11A1數據。Landsat 8遙感數據來源于美國地質調查局USGS 網站（http：//glovis.usgs.gov/）。Landsat 8衛星于2013年2月11日在美國加州范登堡空軍基地發射成功，搭載的傳感器分別是OLI陸地成像儀和TIRS熱紅外傳感器，并于2013年5月提供全球免費下載。OLI傳感器在可見光、近紅外和短波紅外區域接收9個光譜波段的數據，空間分辨率為30 m;TIRS傳感器將原來的熱紅外波段一分為二，設置成2個熱紅外通道（Band10：10.6～119 μm，Band11：11.50～12.51 μm），空間分辨率為100 m[20]。當前熱紅外遙感技術可以獲取到地球表面熱紅外波譜的輻射能量，根據其地球表面不同物體的發射率特征可以反演出其熱力學溫度，所以在反演地表溫度時，熱紅外遙感影像可以提供長期的遙感影像支持。選擇影像的原則以能覆蓋研究區范圍且天氣晴朗、影像上基本無云或云覆蓋度在5%以下的影像。研究中使用的遙感影像如表1所示。

MODSI LST數據主要來源為從LAAADS Web（http：//ladsweb.modaps.eosdis.nasa.gov）選擇并下載。研究中所要使用到的MODIS LST地表溫度值是MODIS LST經過處理的產品數據，其原因在于可以更加便捷地通過處理獲取到相應范圍內的地表溫度值，并且可以提高所獲取到的地表溫度值的準確性。MOD11A1數據獲取后，利用ERDAS 9.2和ArcGIS 10.3軟件進行相應的處理。MOD11A1產品數據在該研究中具有2個作用，第1個作用是可以驗證Landsat 8熱紅外遙感影像的反演精度，第2個作用是為研究中確定對Landsat 8反演結果分析的范圍提供一定的依據。

在研究濕地冷島效應過程中，除了使用Landsat 8遙感數據和MODSI LST產品（MOD11A1）外，還使用了土地利用數據做輔助數據。土地利用數據主要是采用人機交互的遙感解譯方法所獲取的。通過對遙感影像進行輻射定標、大氣校正及幾何校正等一系列處理，在ArcGIS軟件中進行土地利用的解譯及完成矢量化，得到研究所需的土地利用數據。

根據研究需求，將研究區內土地利用類型主要劃分為居民地、旱地、林地、草地、鹽堿地、水田、水庫坑塘、河流和草本沼澤，共計分為9種類型。通過解譯和矢量化等一系列處理后，得到研究區2015年土地利用示意圖（圖2）。研究所得到的2015年各土地利用分類的Kappa系數為0.84，對應的分類精度級別非常好，滿足進一步研究需要。

1.3?研究方法

1.3.1?大氣校正法。

輻射傳輸方程又稱大氣校正法，是地表溫度反演的基本方法之一，在所有熱紅外遙感波段中有著巨大的優勢。在研究中使用Landsat 8 進行地表溫度的反演，因為Landsat 8衛星發射運行時間較短，TIRS第11波段暫時存在定標不穩定性[21]，為了避免第10波段與第11波段所產生的較大誤差，因此采用大氣校正法和Landsat 8數據的第10波段對研究區地表溫度進行反演。

大氣校正法反演地表溫度的原理具體表現為：衛星傳感器接收到的熱紅外輻射亮度值Lλ由大氣向上輻射亮度L↑、地面的真實輻射亮度經過大氣層之后到達衛星傳感器的能量以及大氣向下輻射到達地面后反射的能量共3個部分組成。衛星傳感器接收到的熱紅外輻射亮度值Lλ的表達式如下所示：

Lλ=[εB（TS）+（1-ε）L↓]τ+L↑（1）

式中，ε為地表比輻射率，TS為地表真實溫度（K），B（TS）為黑體熱輻射亮度，τ為大氣在熱紅外波段的透過率。溫度為T的黑體在熱紅外波段的輻射亮度B（TS）為：

B（TS）=[Lλ-L↑-τ（1-ε）L↓]/τε（2）

TS可以用普朗克公式的函數獲?。?/p>

TS=K2/ln（K1B（TS）+1）（3）

對于TIRS Band10而言，K1 = 774.89 W/（m2·sr·μm），K2 = 1 321.08 K。

1.3.2?驗證方法。

根據已知的Landsat 8影像第10波段的空間分辨率為100 m，再以選取的研究區邊界為準，在ArcGIS軟件中生成長和寬均為100 m的正方形矢量格網圖層，如圖3所示。

將得到的驗證格網矢量圖層分別疊加到對應的Landsat 8反演結果遙感影像和MOD11A1影像中，使用ArcGIS中的分區統計功能將各個網格內的溫度平均值提取出來，再通過Landsat 8反演結果與MOD11A1的地表溫度建立相關性并進行對比分析，以達到驗證Landsat 8遙感影像反演地表溫度結果的精度。驗證過程中計算LST平均絕對誤差所采用的公式如下：

MAD=|x-|n（4）

式中，MAD為平均絕對誤差，x為數值，為數值平均值，n為數據個數。

1.4?MODIS LST數據緩沖區分區統計分析結果

獲取與3期研究區熱紅外遙感影像所對應的MOD11A1地表溫度產品影像。MOD11A1是MODIS LST經過處理的產品數據，可以通過一系列處理獲取到相應范圍內的地表溫度值，并且可以提高所獲取到的地表溫度值的準確性。MODIS過境時間為當地時間11：30，Landsat 8過境時刻為當地時間10：50左右，二者之間相差40 min，可以近似認為是相同時刻過境，因此可以用MODIS數據對Landsat 8地表溫度反演結果進行驗證。利用已獲取的MOD11A1數據進行地表溫度緩沖區分區統計計算。

在研究中，將研究區的所有濕地類型（草本沼澤、水田、河流、水庫坑塘）進行合并，向外每1 km制作該區域3 km范圍的緩沖區。經過分區統計后3期遙感影像對應日期的結果如圖4所示。從圖4可以看出，緩沖區內平均地表溫度從0 m開始不斷升高，在1～2 km平均地表溫度仍在不斷升高，但升溫幅度有所減緩，自3 km處開始溫度變化趨于平緩。但是因為MODIS LST產品的空間分辨率為1 km，所以對1 km范圍內的溫度變化無法做詳細的分析，無法與中等分辨率影像匹配，這也是MODIS 遙感數據的局限性所在。由此可見，濕地冷島效應在大約1 km范圍內最為劇烈，為后續分析濕地冷島效應的影響范圍提供一定依據。

2?結果與分析

2.1?Landsat 8反演地表溫度

2.1.1?地表溫度反演結果驗證。

在對Landsat 8地表溫度反演結果進行精度驗證時，使用與遙感影像對應日期的白城、大安、鎮賚、泰來和杜蒙5個氣象站點逐時的地面實測數據進行進一步驗證。驗證結果如圖5所示，通過驗證可以看出，Landsat 8的反演結果與地面實測數據溫度值的相關性R2值為0.948 9，溫度誤差在0.56～4.79 ℃，平均絕對誤差為2.5 ℃。造成這種誤差的原因在于Landsat 8的溫度反演結果是反演衛星過境時刻的地表溫度值，但是驗證的氣象站點的溫度數據無法精確到與過境時刻一致，并且氣象站點的逐時溫度數據為這個時間段內的溫度平均值，不能完全代表像元尺度的地表溫度，因此會有一定的溫度誤差。經驗證，該反演結果可以達到研究的精度要求，可以進行后續的分析。

根據MODIS LST 產品具有每個像素地表溫度和發射率

值的全球數據產品的準確性，使用與遙感影像對應日期的地表溫度實測數據以及MOD11A1數據進行進一步驗證。通過對研究區內格網做地表溫度反演值的分區統計后，可以看出Landsat 8的反演結果與MOD11A1數據提取平均溫度值的相關性R2值均在0.6以上，且其平均絕對誤差也均小于2.4 K。產生這種誤差的原因在于Landsat 8與MOD11A1影像的空間分辨率不同，MOD11A1的空間分辨率為1 km，遠高于Landsat系列傳感器的空間分辨率，研究區內草地、林地和居住地等土地利用類型中存在面積較小或分布較為分散的現象，所以在1 km的MODIS產品數據上容易與其他土地利用方式形成混合像元由此帶來一定的誤差[22]。

2.1.2?地表溫度反演結果分析。

通過以3期Landsat 8遙感影像為基礎，利用大氣校正法對3期影像進行地表溫度反演，得到2015年春季、夏季、秋季3幅地表溫度反演圖（圖6）。從圖6可以看出，研究區內溫度較低的區域均為濕地類型區，以濕地類型為中心向外，周邊不同土地利用類型地表溫度逐漸升高。利用3期溫度反演結果和土地利用圖疊加分析可以發現，不同土地利用類型的地表溫度并不一致。進一步分析使用ArcGIS軟件計算不同土地利用類型的地表溫度，結果顯示各土地利用類型地表溫度由高到低排序依次為居民地類型、鹽堿地類型、旱地類型、濕地類型、林地、草地。

根據上述，研究區范圍內所得到的反演結果均在正常值以內，莫莫格濕地研究區內所反演的最低地表溫度>-4 ℃，最高地表溫度<44 ℃，這與之前在獲取反演參數的計算及選取上較為精準，反演結果符合自然規律。

2.2?莫莫格濕地地表溫度的空間分布

MODIS LST數據緩沖區分區統計分析結果顯示，在1 km范圍內濕地對周邊區域降溫作用較為明顯。所以利用Landsat 8遙感影像反演地表溫度的結果和土地利用數據進行疊加分析，對莫莫格濕地進行緩沖區分區統計計算。由于研究區內林地和草地的面

積所占比例很?。值卣急?.06%，草地占比0.31%），所以在對不同土地利用類型溫度反演分析中將其去除。

從研究區各土地利用LST分區統計（圖7）可以看出，3月研究區內地表溫度由高到低依次為旱地類型、居住地類型、鹽堿地類型，在6月和10月結果中研究區內地表溫度由高到低依次為居住地類型、旱地類型、鹽堿地類型。綜合來看，除3月份以外，居住地類型的地表溫度均值均高于旱地類型，這可能是由于3月份研究區旱地的農業生產并未展開，其實際上為裸土地，6月和10月地表有農作物覆蓋，而植被覆蓋能夠有效降低其地表溫度[23]，所以3月旱地類型的地表溫度均值較高。

從圖7可以看出，在莫莫格濕地緩沖區范圍內，濕地類型的地表溫度較低，周邊各地物類型的地表溫度均高于其地表溫度。這主要是因為濕地內部長期和季節性積水的特性，使其具有較大的比熱容量，因此其地表溫度相對周邊區域溫度更低。周邊各土地利用類型中，居住地類型和旱地類型的地表溫度一般要高于鹽堿地類型的地表溫度。居住地類型主要是由于其獨特的下墊面性質（居民地一般是水泥混凝土或者磚瓦構造），因此其地表溫度較高。

總體而言，莫莫格濕地研究區中的居住地、旱地和鹽堿地土地利用類型的地表溫度總體趨勢表現為：隨著距離濕地類型距離的逐漸增加，其地表溫度隨之開始升高。這主要是因為濕地地區獨特的水熱條件使其地表溫度較低，對各周邊地物來說具有冷島效應，因此對周邊不同土地利用類型有著降低其地表溫度的作用。

2.3?濕地冷島效應影響范圍分析

在分析研究區濕地類型對周邊各土地利用類型地表溫度的影響范圍中，根據之前緩沖區分區統計分析結果，計算研究區范圍內各緩沖距離之間的不同土地利用類型的地表溫度斜率。然后選擇各距離斜率接近于0值的距離，作為濕地類型影響周邊不同土地利用類型地表溫度的范圍。在上述濕地地表溫度的空間分布分析中由于林地和草地所占面積比例較小將其排除在外，所以在影響范圍的研究中同樣將二者排除在外，主要研究居住地、旱地以及鹽堿地3種土地利用類型受濕地冷島效應的影響。

通過“2.2”分析可以發現，濕地類型對周邊各地物具有降溫作用，但降溫作用具有一定的范圍。因此，在各土地利用類型地表溫度變化中，對研究區內濕地類型對不同土地利用類型地表溫度影響范圍（降溫范圍）進行進一步分析，結果如表2所示。從表2可以看出，在莫莫格濕地研究區內，濕地類型對居住地類型地表溫度的影響邊界范圍在240～540 m，在0～540 m居住地類型的地表溫度隨著距濕地類型越遠，其地表溫度開始上升，在540～990 m居住地類型的地表溫度隨著距濕地類型越遠，其地表溫度受濕地類型的影響開始減弱;濕地類型對旱地類型地表溫度的影響邊界范圍在480～660 m，在0～660 m旱地類型的地表溫度隨著距濕地類型越遠，其地表溫度逐漸升高，在660～990 m旱地類型的地表溫度受濕地類型的影響開始減弱;濕地類型對鹽堿地類型地表溫度的影響邊界范圍在600～660 m，在0～660 m鹽堿地類型的地表溫度距濕地類型越遠，其地表溫度逐漸升高，在660～990 m受濕地類型的影響開始減弱。從不同季節角度分析可以發現，不同季節濕地類型對周邊不同土地利用類型的影響范圍各不相同，春季影響范圍在330～600 m;夏季影響范圍在540～660 m;秋季影響范圍在240～660 m。

綜上所述，可以發現濕地類型對周邊地區不同土地利用類型的降溫效果各不相同，并且在不同季節內濕地類型對不同土地利用類型的影響范圍也不相同。總體來看，濕地類型對鹽堿地類型的降溫效果最為明顯，其次是旱地類型和居住地類型，這主要是因為在同樣氣象條件下，鹽堿地由于比熱更小地表溫度更高，更易與周邊濕地發生能量交換;鹽堿地比居民地和旱地的植被更少，導致其相應的空氣動力學阻抗更小，也導致其更易受到濕地的影響。在春夏秋3個季節中，夏季的濕地冷島效應最強，對周邊地區的降溫范圍最大。這主要是由于濕地冷島效應影響范圍與濕地通量貢獻區面積直接相關，而通量貢獻區面積大小受大氣穩定度、觀測高度以及下墊面粗糙度等因素的影響[24-25]。在大氣穩定狀態下，大氣湍流運動較弱，氣體垂直擴散速度較緩慢，所以通量信息可以代表較遠的區域;而在不穩定狀態下，大氣湍流運動劇烈，氣體垂直擴散速度較快，因此通量信息代表的區域較近[26]。該研究區中，夏季相對春秋兩季，大氣狀態更加穩定，通量貢獻區面積更大，因此夏季的濕地冷島效應更強。

3?結論與討論

利用大氣校正法對2015年3期Landsat 8影像進行地表溫度反演工作，通過后續對反演結果進行空間分析等進一步研究，發現濕地的冷島效應對周邊不同土地利用類型有著一定程度的降溫作用，旨在人們對濕地冷島效應的重要功能進行更深層次的認識。

首先，通過對3期地表溫度反演結果進行地表溫度空間分布分析，發現在研究區范圍內，除濕地類型外（濕地地表溫度最低），總體來看居住地和旱地類型地表溫度均值較高，鹽堿地類型地表溫度均值較低。其次，通過對Landsat 8遙感影像反演地表溫度的結果和土地利用數據進行疊加分析，結果表明濕地對周邊各土地利用類型的影響受距離遠近的影響，在一定范圍內隨著距離濕地距離的增加其地表溫度不斷升高。

最后，對研究區內各緩沖距離之間的各土地利用類型的地表溫度之間計算出斜率，進一步分析研究區內濕地類型對周邊不同土地利用類型地表溫度的影響范圍，結果表明，濕地對不同土地利用類型的降溫作用和降溫范圍各不相同，降溫作用由強到弱依次為居住地類型、旱地類型、鹽堿地類型;在不同季節中，濕地對周邊各土地利用類型的降溫作用也不相同，降溫作用由強到弱依次為夏季、春季、秋季。

盡管遙感反演溫度的精度驗證結果可以達到研究的精度要求，但是其反演精度仍存在進步的空間，在今后的研究中通過利用不同算法和高分辨率遙感影像來進一步提高反演精度。在研究中，利用大氣校正法和Landsat 8遙感數據對莫莫格濕地冷島效應進行分析，得到較為理想的結果。

但濕地冷島效應在空間上是連續的，遙感影像在空間上是間斷、離散的，不能完美地展示其過程，需要用更高分辨率的影像和氣象模型相結合，對濕地冷島效應過程進一步分析。

參考文獻

[1] SUN R H，CHEN A L，CHEN L D，et al.Cooling effects of wetlands in an urban region：The case of Beijing[J].Ecological indicators，2012，20：57-64.

[2] 楊一鵬，曹廣真，侯鵬，等.城市濕地氣候調節功能遙感監測評估[J].地理研究，2013，32（1）：73-80.

[3] 聶曉，王毅勇.沼澤濕地局地小氣候 “冷濕島” 效應[J].生態與農村環境學報，2010，26（2）：189-192.

[4] 拱秀麗，王毅勇，聶曉，等.沼澤濕地與周邊旱田氣溫，相對濕度差異分析[J].東北林業大學學報，2011，39（11）：93-96.

[5] SOBRINO J A，JIMNEZ?MUOZA J C，PAOLINIB L.Land surface temperature retrieval from Landsat TM5[J].Remote sensing of environment，2004，90（4）：434-440.

[6] LI Z L，TANG B H，WU H，et al.Satellite?derived land surface temperature：Current status and perspectives[J].Remote sensing of environment，2013，131：14-37.

[7] 覃志豪，ZHANG M H，ARNON KARNIELI，et al.用陸地衛星 TM6 數據演算地表溫度的單窗算法[J].地理學報，2001，56（4）：456-466.

[8] JIMNEZ?MUOZ J C，SOBRINO J A.A generalized single?channel method for retrieving land surface temperature from remote sensing data[J].Journal of geophysical research，2003，108（D22）：1-9.

[9] 周紀，李京，趙祥，等.用HJ-1B 衛星數據反演地表溫度的修正單通道算法[J].紅外與毫米波學報，2011，30（1）：61-67.

[10] 楊槐.從 Landsat8 影像反演地表溫度的劈窗算法研究[J].測繪地理信息，2014，39（4）：73-77.

[11] SOBRINO J A，LI Z L，STOLL M P，et al.Multi?channel and multi?angle algorithms for estimating sea and land surface temperature with ASTR data[J].International journal of remote sensing，1996，17（11）：2089-2114.

[12] GILLESPIE A，ROKUGAWA S，MATSUNAGA T，et al.A temperature and emissivity separation algorithm for Advanced Spaceborne Thermal Emission and Reflection Radiometer（ASTER）images[J].IEEE Transactions on Geoscience and Remote Sensing，1998，36（4）：1113-1126.

[13] 毛克彪，施建成，覃志豪，等.一個針對 ASTER 數據同時反演地表溫度和比輻射率的四通道算法[J].遙感學報，2006，10（4）：593-599.

[14]DU C，REN H Z，QIN Q M，et al.A practical split?window algorithm for estimating land surface temperature from Landsat 8 data[J].Remote sensing，2015，7（1）：647-665.

[15] 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.

[16] 葉智威，覃志豪，宮輝力.洪澤湖區的Landsat TM6 地表溫度遙感反演和空間差異分析[J].首都師范大學學報（自然科學版），2009（1）：88-95.

[17] 杜嘉，張柏，宋開山，等.基于 Landsat-5TM 的洪河濕地地表溫度估算方法對比研究[J].遙感技術與應用，2009，24（3）：312-319.

[18] 杜培軍，陳宇，譚琨.江蘇濱海濕地土地利用/覆蓋變化與地表溫度響應遙感監測[J].國土資源遙感，2014，26（2）：112-120.

[19] 于秀麗.松嫩平原莫莫格濕地土壤不同形態碳轉化過程及其與土壤鐵耦合關系研究[D].長春：東北師范大學，2016.

[20] IRONS J R，DWYER J L，BARSI J A.The next Landsat satellite：The Landsat Data Continuity Mission[J].Remote sensing of environment，2012，122：11-21.

[21] USGS.2014.January 29，2014?Landsat 8 Reprocessing to Begin February 3，2014[EB/OL].[2015-04-26].http：//landsat.usgs.gov /calibration_notices.

[22] MA J，ZHOU J，LIU S M，et al.Review on validation of remotely sensed land surface temperature[J].Advances in earth science，2017，32（6）：615-629.

[23] 楊士弘.城市生態環境學[M].北京：科學出版社，2003：114-119.

[24] 米娜，于貴瑞，溫學發，等.中國通量觀測網絡（ChinaFLUX）通量觀測空間代表性初步研究[J].中國科學（D輯），2006，36（S1）：22-33.

[25] 金瑩，張志強，方顯瑞，等.楊樹人工林生態系統通量貢獻區分析[J].生態學報，2012，32（12）：3966-3974.

[26] 王江濤，周劍虹，歐強，等.崇明東灘濱海圍墾濕地CO2通量貢獻區分析[J].生態與農村環境學報，2014，30（5）：588-594.