川東平行嶺谷地表溫度時空分布驅動機制分析

肖堯，馬明國，趙偉，聞建光，歐陽曉瑩

(1.重慶金佛山喀斯特生態系統教育部野外科學觀測研究站，重慶 400715；2.西南大學 地理科學學院，重慶 400715；3.中國科學院水利部成都山地災害與環境研究所，成都 610041；4.中國科學院空天信息創新研究院 遙感科學國家重點實驗室，北京 100101)

0 引言

川東平行嶺谷地處四川盆地東部，是我國典型的平行嶺谷區，面積廣闊，是比較特殊的一種山地地貌[1]。川東平行嶺谷區山嶺和谷地平行相間，山嶺地形陡峭，對于調節區域氣候變化和涵養水源等方面發揮著重要作用[2]。谷地寬廣平緩，人類活動聚集在此，土地覆被類型和區域能量平衡受到人類嚴重干擾。兩種地理單元地貌特征表現出顯著差異，人類活動對環境影響突出，尤其是人類對土地的開發利用引起嶺谷區景觀格局的不斷變化，一定程度改變了自然原有的生態格局[3-4]。地表溫度(land surface temperature，LST)是研究地表能量平衡和陸面過程的重要參數，分析川東平行嶺谷區地表溫度時空變化特征，對準確了解當地水熱條件時空分布特征，進一步分析區域水熱環境差異等具有重要研究價值。

衛星遙感是獲取區域地表溫度面上分布的關鍵技術手段，針對不同衛星觀測數據特征，目前常用的地表溫度反演算法有單通道算法[5-7]、多通道算法[8-9]、多角度算法[10]等，為獲取區域乃至全球地表溫度提供了重要的方法基礎。地表溫度應用于復雜地形區的案例也逐漸增多，例如，He等[11]選取中國東北和西南兩個流域作為研究區，定量分析地表溫度受地形、植被和太陽輻射等因素的影響。Bindajam等[12]在地形復雜的半干旱山區進行地表溫度與土地利用、地形和NDVI的關系研究，發現植被和高程對整體地表溫度起關鍵作用。孫常峰等[13]以泰山為例，探討地表溫度與地形因子的關系，并比較了水汽指數和植被指數對山區地表溫度的效力。趙偉等[14]以西南山地為研究對象，從海拔、坡度和坡向的角度分析了地表溫度的地形效應特征。雖然面向復雜地形區地表溫度的研究不斷豐富，但是針對山嶺和槽谷交錯分布的平行嶺谷區域研究目前并不多見。

本文以地形起伏強烈的川東平行嶺谷的一塊實驗區為例，利用一年中具有代表性的三景Landsat-8數據獲取地表溫度反演產品、歸一化差值植被指數(normalized difference vegetation index，NDVI)和土地覆蓋類型數據，在保證數據質量的前提下，以山嶺和槽谷兩個地理單元進行分區，分析地形因子和植被覆蓋因子對地表溫度的驅動機制，研究該區域地表溫度的時空變化特征，以期為嶺谷區脆弱生態環境的恢復和重建提供基本依據，為區域可持續發展提供借鑒。

1 研究區與數據

1.1 研究區概況

研究范圍選取川東平行嶺谷區域50 km×50 km實驗區(圖1)，地理坐標為106°3′21″E～106°34′4″E，29°29′51″N～29°57′15″N，屬亞熱帶季風性濕潤氣候，年均氣溫約為18 ℃，全年云霧多且日照少[15]。川東平行嶺谷地處中國西南地區，位于四川盆地邊緣，是典型的褶皺地帶，山地、丘陵地貌廣大，地形復雜，起伏不定。研究區高程為150～928 m，山嶺區域坡度坡向變化劇烈，由北向南縱向分布的云霧山、縉云山和中梁山三條平行山脈將整個區域切割出多個平坦的槽谷?；趦煞N截然不同的地貌，本文將該區域劃分為山嶺和槽谷分別進行分析，陡峭狹窄的山嶺區主要分布著林地和草地，寬廣平坦的槽谷區適合人類活動，多為城鎮用地和耕地。該區域還是喀斯特地貌分布的生態脆弱區，西南地區整片分布的巖溶地貌是世界上巖溶地貌連片分布面積最大、溶巖發育最強烈的區域之一[16]。研究區內設有柑研所站、虎頭村站和槽上站三處遙感觀測實驗站，已開展地表溫度連續觀測，為后續地表溫度反演產品驗證提供便捷。

圖1 研究區分布圖

1.2 數據

本文選取三景Landsat-8陸地成像儀(operational land imager，OLI)數據、熱紅外傳感器(thermal infrared sensor，TIRS)數據，行列號為128039，成像時間為2019年3月29日、2019年8月20日和2019年12月10日，分別代表春季、夏季和冬季。Landsat-8數據來自美國地質勘探局(United States Geological Survey，USGS)官網(https：//earthexplorer.usgs.gov/)，可免費獲取，數據質量較高。其中多光譜波段分辨率為30 m，熱紅外波段原始分辨率為100 m，所下載數據為經過空間重采樣后空間分辨率為30 m的數據產品。

其他數據包括地形數據、巖溶數據和實測數據。其中地形數據來源于地理空間數據云網站(http：//www.gscloud.cn/)30 m空間分辨率的ASTER GDEM V2數據，用于地形特征高程、坡度和坡向的估算。巖溶數據來源于喀斯特科學數據中心(http：//www.karstdata.cn/)，數據根據土壤性質和溶蝕情況劃分的西南地區喀斯特區域。實測數據包括槽上站、虎頭村站和柑研所站的四分量輻射溫度數據[17]。該數據為每半小時數據，由于衛星獲取地表溫度為瞬時溫度，因此本文選擇與衛星過境時間最接近的數據，用于地表溫度反演結果驗證。

2 研究方法

2.1 地表溫度反演

Landsat-8有兩個熱紅外通道，第10波段(10.60～11.19 μm)和第11波段(11.50～12.51 μm)，由于第11波段的定標參數存在較大的不確定性，USGS多次公告不鼓勵用劈窗算法來反演地表溫度，所以本文地表溫度反演選用較為常用的單通道算法——大氣校正法[18]。

衛星傳感器接收到的熱紅外亮度值L分為三部分：大氣上行輻射亮度、地面真實輻射亮度經過大氣層后到達衛星傳感器的能量以及大氣下行輻射到達地面后反射經過大氣層到達衛星傳感器的能量。衛星傳感器接收的輻射亮度值L的計算如式(1)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(單位：K)；B(TS)為黑體輻射亮度；τ為大氣在熱紅外波段的透過率；L↓為大氣下行輻射；L↑為大氣上行輻射。則溫度為T的黑體在熱紅外波段的輻射亮度B(TS) 的計算如式(2)所示。

B(TS)=[Lλ-L↑-τ(1-ε)L↓]/τε

(2)

TS可以通過普朗克公式的函數計算得到(式(3))。

TS=K2/ln(K1/B(TS))+1)

(3)

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

在上述反演過程中需要地表比輻射率ε和大氣透過率τ，其中地表比輻射率估算采用NDVI閾值法[19]，如式(4)所示。

ε=0.004Pv+0.986

(4)

式中：Pv為植被覆蓋度，計算如式(5)所示。

Pv=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)

(5)

式中：NDVIsoil為完全裸土或無植被覆蓋區域的NDVI值(取值為0.05)；NDVIveg為完全植被覆蓋的NDVI值(取值為0.7)。

最后，大氣透過率τ和上下行輻射亮度值使用從NASA公布的網站(http：//atmcorr.gsfc.nasa.gov)獲取的大氣探空數據來代替。

2.2 土地覆蓋分類

本文選用基于回歸樹算法(classification and regression trees，CART)獲取規則的決策樹[20-21]分類法對研究區進行分類。該分類方法是通過選取的地類樣本自動獲取規則，并結合專家知識的一種決策樹分類方法。CART決策樹能從一組無規律分布的復雜數據獲取最佳分類體系，構建一個二分支模型，從決策樹根節點到葉節點的一條路徑對應一條規則，對數據進行分類和預測。該方法還結合了專家先驗知識，設定一個異質性閾值，讓數據在閾值內選擇并組合，循環往復，直到異質性達到閾值范圍內為止，這很大程度提高了規則建立的效率和精確度[22]。CART決策樹分類的執行過程包括數據預處理、構建多源數據、獲取訓練樣本規則、土地覆蓋信息提取、分類后處理。三景影像中，3月29日的影像數據云量最低，便于確定訓練樣本，被選用來進行分類，結果如圖2所示。研究區土地利用類型分為水體、建筑用地、林地、耕地、草地和未利用土地六大類，整體精度為89.68%，Kappa系數為0.86，誤差主要來源于對草地和耕地的區分。

圖2 研究區土地覆蓋類型分布圖

3 結果分析

3.1 地表溫度反演精度評價

為了定量化評價地表溫度反演結果精度，本文使用槽上站、虎頭村站和柑研所站觀測的四分量數據來進行驗證。其中柑研所站從2019年12月開始收集數據，因此驗證點只有一個。驗證數據采用臺站四分量凈輻射傳感器觀測的上、下行長波輻射計算地表溫度，并將其與地表溫度反演結果進行直接對比。如圖3所示，地表溫度偏差(bias)為1.03 K，均方根誤差(RMSE)為2.14 K，皮爾森相關性系數(R)為0.98。反演結果總體較站點數據低估，主要原因有三個。一是四分量輻射計獲得的地表溫度為儀器周圍半徑為10 m的圓形區域混合地表溫度，而遙感反演的地表溫度為30 m×30 m像元的混合溫度，兩者觀測足跡不一致。二是所有臺站內地表覆被類型較為復雜，一定程度上影響了觀測結果的空間代性。三是地表溫度反演中大氣透過率采用影像中心點來代表整幅影像，忽略了平行嶺谷區域不同地形條件帶來的空間差異，從而使反演結果存在一定的不確定性。但是，從二者的相關性特征可以看出，地表溫度反演結果較合理地表現了地表溫度的數值高低特征，能夠滿足本研究中時空分布特征分析研究的需要。

圖3 站點溫度與反演溫度比較圖

3.2 地表溫度時空分布特征

圖4展示了反演得到地表溫度結果，山嶺區域地表溫度全年相對較低，槽谷區地表溫度相對較高，呈現明顯的條帶狀。槽谷區域受人類影響較大，地表溫度的空間分布呈現破碎化特征，其中城鎮用地和未利用土地地表溫度高，水體和林地溫度低。地表溫度也表現出明顯的季節特征，夏季地表溫度最高，最高溫度達到342.15 K，最低溫度為293.17 K；春季次之，最高溫度為329.39 K，最低溫度為288.03 K；冬季地表溫度最低，最高溫度為297.33 K，最低溫度為276.77 K。

圖4 研究區地表溫度分布

同時，為了研究植被對地表溫度空間分布的影響，本文將研究區不同時期NDVI數據(圖5)與地表溫度數據進行對比分析，可以看出NDVI與地表溫度呈現出負相關關系。為了進一步探討地表溫度與NDVI的關系，本文統計了除去水體影響的嶺谷區NDVI均值和NDVI與地表溫度的相關性(表1)。季節上，NDVI和地表溫度變化相似，整體都呈現出夏季>春季>冬季，其中夏季整個嶺谷區NDVI均值為0.63，冬季僅為0.34?？臻g上，山嶺地區的NDVI普遍高于槽谷區域，呈現與地表溫度分布相反的山嶺高、槽谷低的條帶狀。表1對排除水體干擾后的地表溫度和NDVI進行逐像元統計，發現春季和夏季NDVI與地表溫度呈負相關關系，其中夏季相關性最強，相關系數為0.64；春季和夏季山嶺區域NDVI均值較槽谷區偏高，但與地表溫度的相關性偏低。冬季NDVI分布比較破碎，并且與地表溫度相關性極弱，山嶺地區甚至出現正相關關系。

圖5 研究區NDVI分布

表1 各月NDVI均值及與地表溫度的相關性(無水體)

為進一步分析區域地表溫度空間分布特征，本研究截取典型平行嶺谷區關鍵斷面，基于8月份地表溫度數據，直觀展現同一緯度條件下地表溫度和海拔的變化情況，結果如圖6所示。圖6(b)、圖6(c)、圖6(d)橫坐標為紅色線條從西到東的像元數，縱坐標為同一像元的地表溫度和海拔高度，圖6(d)中藍色半透明矩形區域為喀斯特區域。由圖6可見，地表溫度較高的地區為山嶺之間的平坦谷地，該區域主要分布著耕地和建筑用地，受人類活動影響大。另外，山頂喀斯特區域相對周圍環境溫度較高。該區域地形高低起伏，但整體溫度呈現上升趨勢?？λ固赝寥李愋蜑樘妓猁}類，且伴有裸露巖石，使生長于巖塊間的較高海拔的林地和草地出現異常高溫現象。

圖6 典型山嶺、槽谷區地表溫度和高程分布

三維效果還可以清晰地觀測到地表溫度在地形陡峭的地方降溫強烈。對照截面的地表溫度和高程的變化趨勢，發現二者呈現明顯的負相關關系，表現為地勢較高區，地表溫度較低；地勢較低區，地表溫度較高。其中一些區域不符合這一規律，如地勢低洼的水域，地表溫度低；地形變化不大的城鎮區域，地表溫度比同海拔其他地物溫度高；山頂區域海拔較高的喀斯特區域，無論地形上升或下降均表現出上升趨勢。局部小區域特征顯示高程影響地表溫度的分布，呈現負相關關系，但地表覆蓋類型、土壤性質和周圍像元的鄰近效應等同樣影響著地表溫度的分布。

3.3 地表溫度地形影響分析

1)海拔、坡度、坡向影響分析。利用統計分析進一步評估地形因素對地表溫度空間分布的影響。由于研究區水體和城鎮用地地表溫度差異大，因此本文在研究過程中剔除水體和城鎮用地像元后再對高程、坡度、坡向三個地形因子進行分析。為了更好地分析地形對地表溫度的影響，將各地形因子進行分級統計。其中高程范圍在150～928 m，按每100 m的梯度進行地表溫度統計；坡度范圍為0～52°，以5°進行分級，由于坡度在5°以下地物類型復雜，地表溫度差異較大，因此未統計5°以下的數據，另40°以上的像元值較少，因此將40°以上像元值劃為同一級別；坡向分為八個方向(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°、西北337.5°～360°)來進行統計。結果如圖7所示，數據點為分級區間地表溫度平均值，短線為溫度變化標準差。

研究區地表溫度與地形因子整體擬合程度較高，不同季節擬合程度不同，但整體變化趨勢相似。高程對地表溫度影響表現為：地表溫度隨高程增加呈現遞減趨勢，呈線性變化，決定性系數(R2)均高于0.9，說明平行嶺谷區地表溫度對高程的響應一致。夏季數據點在趨勢線上的分布波動較其他季節大，其中500～800 m范圍內地表溫度下降速度快，此范圍位于山體邊緣，地形上升快，為低海拔建筑用地向高海拔林地過渡的區域，地表溫度變化迅速。從不同海拔范圍地表溫度變化標準差來看，春季和冬季標準差均小于2 K，夏季標準差在2～4 K之間，說明海拔較低的平行嶺谷區，夏季地表溫度在同高程范圍內差異較大。

地表溫度隨坡度變陡緩慢降低，三個季節在坡度變化下波動范圍均小于3 K，整體呈線性變化規律。春季和冬季R2均為0.9以上，夏季偏小(僅為0.43)，線性特征相對較弱。不同坡度范圍內地表溫度變化標準差仍舊是冬季<春季<夏季，夏季地表溫度在同一坡度范圍內波動強烈，說明夏季地表溫度的影響過程更為復雜。

地表溫度與坡向呈相關性較強的非線性趨勢，基于二次多項式擬合發現，春季和冬季R2高于0.9，夏季為0.76。主要表現為南坡及靠南坡面地表溫度較高，北坡遮蔭面地表溫度相對較低。三個時期地表溫度變化范圍為夏季>春季>冬季，說明對于南北走向的平行嶺谷地區，太陽輻射強度也是造成陰坡陽坡地表溫度差異的主要原因。同樣，夏季標準差高于春季和冬季，但整體標準差均大于高程和坡度對地表溫度的影響。導致該現象的原因為該分析統計了所有坡度和高程的像元，同坡向的溫差較大。

圖7 不同時期地表溫度與地形因子的變化趨勢圖

2)山嶺槽谷地表溫度差異特征。在整體分析該區地表溫度隨地形因子的分布特征基礎上，本研究根據平行嶺谷區陡峭山地和平緩谷地相互交錯的特殊地形特征，分別統計分析山嶺和槽谷兩種關鍵地貌單元的總體溫度分布特征(表2)。從平均溫度來看，山嶺和槽谷地表溫度季節表現為夏季>春季>冬季，山嶺平均地表溫度全年低于槽谷地表溫度，春季和冬季溫差分別為1.21 K和1.18 K，夏季溫差最明顯，為5.31 K。對不同季節進行比較，槽谷區域溫度增加比較均勻，由低溫季節到高溫季節，平均溫度逐季節增加10 K左右；山嶺區域冬季到春季增溫為10.04 K，春季到夏季平均溫度僅增加6.05 K，說明山嶺區域在夏季的降溫作用比較明顯。從標準差來看，春季和夏季槽谷區域地表溫度標準差高于山嶺區域，槽谷區受人類活動影響較大，且地物類型復雜，其中水域和人工建筑的分布增大了溫度的差異。山嶺主要分布林地和草地，地物類型單一，溫差差異較小。冬季，地勢較高的山嶺包圍槽谷區域，阻礙水平氣流運動，而垂直的氣流較水平氣流波動強烈[23]，導致山嶺溫度標準差高于槽谷區域。

表2 山嶺和槽谷各月地表均溫及標準差 K

4 結束語

對于川東平行嶺谷這一特殊地理單元，影響該地區的地表溫度的分布因素是復雜多樣的。季節分布上，夏季地表溫度受地形影響幅度較大，但坡度和坡向引起的溫度變化相對于另兩個季節有較大的不確定性，說明該季節地形起伏的山嶺區域影響地表溫度的因素是多源的。高程因素對地表溫度的分布呈相反關系，但在該研究區表現不明顯，其原因是研究區地處亞熱帶氣候，各季節氣溫差異較小，并且研究區總體海拔偏低，地形起伏在1 000 m以內，海拔引起的氣溫變化所導致的地表溫度差異不顯著。

喀斯特地貌同樣影響著地表溫度的分布。喀斯特地區土壤鈣化嚴重，地表水和地下水分流失嚴重。由于土地覆蓋類型主要為林地和耕地，受人為干擾和破壞造成土壤侵蝕，從而導致巖石裸露和土壤石漠化。由于裸露巖石升溫快，在白天增溫速度快于周圍區域，這一特征使位于高海拔，地表溫度應該偏低的區域，其地表溫度明顯比周圍環境高，形成低溫夾高溫的條帶狀。因此在川東平行嶺谷區域，石漠化影響著該區域的水熱分布，是不可忽視的生態因子。

本文利用高精度Landsat-8遙感數據，結合地形和土地覆被數據，對川東平行嶺谷的地表溫度的時空特征進行研究。通過分析，得到以下結論。

1)平行嶺谷區，地表溫度受地形因素影響強烈，總體表現為地表溫度隨高程升高而降低，隨坡度增加而遞減，在坡向上表現為南坡溫度高于北坡溫度。

2)山嶺地表溫度全年低于槽谷地表溫度。山嶺海拔較高，坡度陡峭，地表覆被類型主要為林地，地表溫度較低。槽谷區域地勢平坦，主要分布建筑用地，溫度較山嶺區域高。

3)山嶺和槽谷區域在季節上差異較大，夏季山嶺和槽谷地表溫度較春冬兩季差異顯著。夏季不同地物類型地表溫度差異較大，加上地形影響，導致研究區整體地表溫度標準差較大。

4)平行嶺谷區地表溫度受人類影響突出，地表溫度的空間分布呈現破碎化特征。喀斯特地貌引起的地表巖石裸露等因素影響，進一步導致區域地表溫度變化呈現多因素影響機制。

致謝：感謝西南大學地理科學學院孔德兵在數據驗證方面提供的幫助。西南大學地理科學學院郎芹和宋嘉誠在文章撰寫中提供了寶貴的意見，在此表示衷心的感謝！