北美洲地表溫度數據重建及時空變化分析

毛克彪， 嚴毅博， 曹萌萌， 袁紫晉， 覃志豪

(1.中國農業科學院農業資源與農業區劃研究所呼倫貝爾國家野外觀測站，北京 100081； 2.寧夏大學物理與電子電氣工程學院，銀川 750021)

0 引言

地表溫度是衡量地球環境的重要指標，對于區域的物質能量循環、生態系統平衡以及人類的生產生活具有重要影響[1-2]。區域地表溫度會隨著時間和空間的不同發生變化，這種變化是地球內部、地球表層、大氣層、太陽活動以及天體運行軌道在內的多個系統綜合作用的結果[3-4]，同時又深刻地影響著這些圈層和系統的平衡與穩定，關乎著人類的生存發展和命運前途。很多專家學者把地表溫度的時空變化與城市熱島[5]、農作物生產[6]、冰川融化[7]、極端干旱[8]、森林火災[9]和火山地震[10]等現象聯系起來，得出了很多重要的結論，為區域的農業生產、生態保護、防災減災和經濟社會發展提供了科學有效的決策依據。高質量的地表溫度數據對于研究區域自然生態條件和氣候變化是非常重要的。傳統上人們主要利用氣象站點測量獲得地表溫度，這樣的數據雖然精度較高，但是由于地理條件的限制，很容易出現大片缺乏數據信息的區域，導致數據的空間連續性較差[11]。

隨著科學技術的發展，遙感技術成為獲取地表溫度的一種新的手段，而且由于范圍廣和時效性強的優點，遙感數據已經被廣泛使用[12-13]。然而遙感數據的局限性也是難以忽視的，最大的缺點就是傳感器接收到的信號極易受到大氣條件的影響，造成部分區域信息誤差較大或缺失，這會降低遙感數據的使用率以及數據分析的準確性。人們對這一問題已經有一些研究，如通過云檢測技術、改進反演算法以及數據修復重建等方式進行改善和優化[14-16]。數據修復重建方法大致分為3類： ①在相同空間條件下，通過其他時間尺度的相關數據修復缺失像元[14]； ②在相同時間條件下，通過其他空間尺度的相關數據來修復缺失像元[15]； ③通過相同時間相同區域的其他類型數據來修復缺值像元，如地面站點數據、微波數據和其他再分析數據等[16]。

MODIS傳感器搭載在Terra和Aqua衛星上，2顆衛星分別于1999年和2002年發射，過境時間分別為10： 30和13： 30。MODIS傳感器有36個光譜波段，可以同時提供反映陸地表面狀況、云特性、氣溶膠、地表溫度、臭氧和海洋等多種特征的信息[17-18]。MODIS地表溫度利用其中的中紅外和熱紅外波段信息通過模型算法反演生成，其較好的時間和空間分辨率以及覆蓋全球的空間范圍使得MODIS地表溫度數據已經被廣泛應用于氣候變化、水循環、蒸散、環境評估和農業生產等多個領域[19-20]。然而MODIS地表溫度數據依然存在部分像元信息缺失和精度不高的局限，這影響了對區域地表溫度的分析研究。

北美洲近年來氣候變化異常，高溫、干旱、暴雨和雪災等災害頻繁發生，災害的發生與地表溫度變化密切相關。本文結合地面站點、鄰近像元和海拔數據，通過構建的數據修復模型重建了像元信息更加完整且精度得到保證的更高質量的北美洲遙感地表溫度數據。在此基礎上，結合其他地表溫度大氣參數和氣候活動指數對北美洲2002—2018年的地表溫度變化狀況進行了分析。

1 研究區概況

北美洲位于西半球北部，東臨大西洋，西臨太平洋，北臨北冰洋，南臨墨西哥灣和加勒比海(圖1)。整個北美洲自西向東分別為西部科迪勒拉山系區、中部中央大平原和東部高原山地，呈現兩側高中間低的地形布局特征。西部的科迪勒拉山系冰川積雪廣布，是北美洲多條河流的發源地，地表溫度的變化對高山冰雪融水有重要影響[21]； 同時該區域位于太平洋板塊和美洲板塊的交界處，地質活動頻繁，火山地震頻發，由于復雜的地形條件和地貌景觀，很多著名的地質公園分布于此，如美國黃石公園和加拿大國家地質公園等。北美洲中部地區地勢平坦，平原廣布，是重要的農業生產地，但由于東西山脈阻擋形成的巨型長廊，該地極易受到來自北冰洋和墨西哥灣的冷暖氣流交互影響，天氣變化較為異常，給農業生產帶來巨大威脅。東部的高原山地區域，在冬夏季分別受到五大湖區域和大西洋的濕潤氣流影響，在地形抬升的作用下形成暴雪和降雨，氣象災害頻發[22]。北美洲東北部的格陵蘭島大部分區域位于寒帶，整個島嶼超過80%的土地被冰雪覆蓋，格陵蘭島的冰雪覆蓋對于穩定全球氣候環境也具有重要作用[7]，這與區域地表溫度的變化密切相關。北美洲南部靠近熱帶的區域，夏季極易受到熱帶氣旋活動的影響，形成颶風、暴雨和洪澇等特大災害，地表溫度伴隨著氣象災害發生顯著的變化，對當地的經濟生產和發展造成巨大危害。因此，研究該地區的地表溫度時空變化對于農業生產、生態保護和防災減災具有重要意義。

圖1 研究區示意圖Fig.1 Study Area

2 數據和方法

2.1 數據資料

2.1.1 遙感地表溫度產品

遙感地表溫度數據觀測范圍大、時效性強、空間連續性好的特點很好地彌補了傳統氣象站點數據的不足，能較好地展示地表信息的空間變化，很適合做大尺度地理數據的空間分析[23-25]。Wan等[26-27]對MODIS地表溫度的反演算法和精度驗證問題做了大量的研究工作，他提出的廣義分裂窗算法和日夜法是目前MODIS地表溫度數據的官方反演算法。廣義分裂窗算法是通過對多種大氣溫度濕度廓線、地表比輻射率、地表溫度和觀測角度進行大氣輻射模擬，建立查找表，根據該表來計算地表溫度。通過大量的驗證分析和改進，該算法的平均精度高于1 K[26]。日夜法是利用白天和夜間對同一地區2次觀測的數據建立方程組，通過優化迭代計算，平均誤差在1 K左右[27]。本研究使用的是覆蓋全球、空間分辨率為0.05°的地表溫度月產品MOD11C3和MYD11C3，時間尺度覆蓋2002—2018年。MOD11C3和MYD11C3產品通過日夜法反演并經過投影、拼接、重采樣和平均合成得到。

2.1.2 地面站點數據

傳統上人們主要通過布設氣象站點測量地表溫度，這種數據能較為準確地反映站點附近的地面溫度狀況，數據精度高，可靠性強[28]； 同時氣象站點數據較少受到云雨天氣的干擾，數據的完整度相對較高，覆蓋的時間范圍較長[29]，很多研究學者利用氣象站點的統計資料對區域和全球地表溫度進行了長時間序列的觀測研究[30]。雖然MODIS地表溫度數據已經較為成熟，但由于云層干擾，部分區域仍然存在信息缺失和精度不高的問題，這影響了時空分析的精度。因此本文結合傳統氣象數據站點和鄰近像元等數據對MODIS地表月溫度數據進行了修復重構，并結合獨立的站點數據對重構的地表溫度進行驗證。使用的氣象站點數據來源于美國國家海洋和大氣管理局的國家環境信息中心(National Oceanic and Atmospheric Administration- National Centers for Environmental Information, NOAA-NCEI)官方網站。NCEI陸基觀測資料收集了來自各大洲各地區的儀器數據，包括溫度、露點、相對濕度、降水、風速和方向、能見度、大氣壓以及冰雹、霧和雷聲等多種類型，可以獲得關于小時、日、月、年和多年等多種時間尺度的數據。本研究首先選取了該機構提供的2002—2018年的4種小時尺度包括01： 00，10： 00，13： 00，22： 00分別近似對應MODIS地表溫度天數據中的01： 30，10： 30，13： 30，22： 30這4個時刻，用小時的地面站點數據對不同時刻的MODIS地表溫度天數據進行插值修復。在數據修復完畢后，重新選取了該機構提供的2002—2018年地表溫度氣象站點月數據資料，對重構的地表溫度數據進行精度驗證。

2.1.3 其他地表大氣參數

地表溫度的影響因素是復雜的，綜合前人對地表溫度形成機制的相關研究成果[31-35]選取了歸一化植被指數(normalized difference vegetation index，NDVI)、土壤水分(soil moisture, SM)、氣溶膠光學厚度(aerosol optical depth, AOD)、云量和大氣水汽含量5種地表大氣參數并綜合緯度、海拔分析地表溫度空間差異的驅動因素。5種地表和大氣參數產品的詳細介紹如表1所示。本研究使用的NDVI、云量、AOD和大氣水汽含量數據均來自美國國家航空航天局(National Aeronautics and Space Administration，NASA)提供的MODIS數據，本研究中的SM數據是使用AMSR-E，SMOS 和AMSR-2數據合成產生的。

表1 其他遙感數據的介紹Tab.1 Introduction of other remote sensing data

2.2 技術路線

2.2.1 數據修復技術流程

本文數據修復技術流程如圖2所示。云和降雨等干擾導致部分區域數據精度不高是光學和熱紅外遙感面臨的共性問題[36]，這會影響數據分析的精度。本研究首先對地表溫度產品進行預處理，包括數據集提取、系數轉換、投影轉換和裁剪等過程，得到2002—2018年北美洲的月地表溫度數據。在此基礎上，利用MODIS原始地表溫度數據中的質量控制數據層對地表溫度數據進行質量評價，篩選出精度低于2 K和缺失信息像元作為月數據的待修復區域； 然后將此范圍控制下的地表溫度天數據中精度低于2 K和缺失信息的像元設為無效像元； 確定待修復像元后，對其進行修復插值。首先把相應時間尺度下的地面站點數據根據經緯度坐標賦值給部分無效像元，隨后利用基于數字高程模型(digital elevation model，DEM)的鄰近像元替代法對剩余的無效像元進行插值修復。無效像元被修復完畢后，把修復后的天數據通過平均合成生成新的地表溫度月數據。最后利用獨立的氣象站點月地表溫度數據對重構數據進行精度驗證。本研究所用到的鄰近像元替代法是利用同一時間尺度下鄰近區域的像元值進行替代修復，把最鄰近的像元值賦值給無效像元。在使用此方法進行插值之前，已經利用地面站點數據對部分像元進行插值，其他無效像元基本上都呈零星狀分布。在這樣的情況下，利用鄰近像元替代法可以保證一定的插值精度。

圖2 數據修復技術流程Fig.2 Flow chart of data restoration technology

2.2.2 時空變化分析方法

為了從像元尺度揭示地表溫度的年際變化規律，利用最小二乘法和皮爾遜系數法分別計算2002—2018年地表溫度長時間序列的年際變化率和地表溫度與時間的皮爾遜系數，年際變化率表示地表溫度平均每年的變化幅度，皮爾遜系數表示地表溫度與時間的線性相關性，綜合這2個指標分析地表溫度的時間變化規律。年際變化率和皮爾遜系數的公式分別為：

(1)

(2)

式中：b為地表溫度隨年份的變化率；r為地表溫度與時間的皮爾遜系數；k為時間序列值；Tk為第k年的平均地表溫度；n為總年數，在本研究中取17。

為了揭示地表溫度空間的驅動因素，首先分析了地表溫度與NDVI,SM,AOD,云量和大氣水汽含量之間的相關關系，然后再次使用皮爾遜系數，即：

(3)

3 結果與分析

3.1 精度驗證

在利用地面站點和鄰近像元對MODIS地表溫度月數據進行修復重構后，重新隨機地選取北美洲的部分氣象站點，使用站點月地表溫度數據觀測資料對重構數據的精度進行驗證。不同月份地表溫度月數據的精度驗證結果如圖3所示。可以看到，通過插值修復重新生成的地表溫度月數據與地面氣象站點的均方根誤差(root mean square error,RMSE)在1～2 ℃之間，R2達0.95以上，數據的精確度和完整度都有所提高，可以更好地滿足時空分析的精度要求； 同時可以發現不同月份地表溫度數據的精度誤差有所差異，總體上夏秋季節(6—11月)數據精度相對較高，冬春季節(12月—次年5月)的精度相對較低。

(a) 12月 (b) 1月 (c) 2月圖3-1 重建數據的精度驗證Fig.3-1 Validation of reconstructed data

(d) 3月 (e) 4月 (f) 5月

(g) 6月 (h) 7月 (i) 8月

(j) 9月 (k) 10月 (l) 11月圖3-2 重建數據的精度驗證Fig.3-2 Validation of reconstructed data

3.2 時空變化特征

3.2.1 空間分布特征

由于不同區域地理環境要素不同，北美洲地表溫度的分布具有很強的空間差異。圖4是2002—2018年北美洲年地表溫度平均狀況。北美洲年平均地表溫度為1.92 ℃，地表溫度空間差異最大為67.73 ℃； 西海岸的加利福尼亞半島是年平均地表溫度最高的區域，達32.41 ℃，這里也是全球著名的干熱區，主要原因在于該地區常年受副熱帶高氣壓控制降雨稀少，而且它位于板塊交界處地質活動頻繁，火山分布較多。年平均地表溫度最低的區域位于格陵蘭島內部，達到-35.32 ℃，這主要是緯度較高和深居內陸導致的。整體上，北美洲地表溫度南高北低，大約50°N以北中東部區域的地表溫度呈現從西南向東北遞減的規律，這主要因為該地區常年受到的極地東風和盛行西風的影響，東北風和西南風帶來的冷暖水汽影響了溫度的空間分布。

圖4 北美洲2002—2018年平均地表溫度Fig.4 Average surface temperature of North America from 2002 to 2018

把每年的12—次年2月、3—5月、6—8月、9—11月分別平均作為春、夏、秋、冬4個季節的地表溫度。圖5和表2是2002—2018年不同季節的平均地表溫度分布狀況以及相關統計指標。可以發現整體上不同季節平均地表溫度的分布與全年平均狀況基本一致，但在局部地區有所差異，特別是冬夏兩季溫帶地區的河流湖泊與鄰近的周邊區域存在明顯差異，如分布在北美洲東部的五大湖區域冬季溫度高于周邊，夏季則相反； 4個季節的平均地表溫度由高到低排列為夏>秋>春>冬； 標準差體現了數據的離散程度，根據表2中地表溫度的標準差可以發現北美洲冷季(冬春)地表溫度的空間差異較大，暖季(夏秋)的空間差異相對較小。

(a) 春季 (b) 夏季

(c) 秋季 (d) 冬季圖5 北美洲在2002—2018年4個季節的平均地表溫度Fig.5 Average surface temperature of North America in the four seasons from 2002 to 2018

表2 北美洲4個季節平均地表溫度的部分統計指標Tab.2 Some statistical indicators of the average surface temperature in the four seasons in North America (℃)

3.2.2 時間變化特征

根據Terra和Aqua這2顆衛星的成像時間，計算01： 30與22： 30的平均值近似作為夜間地表溫度，計算10： 30與13： 30的平均值近似作為白天地表溫度； 計算了2002—2018年北美洲晝夜、四季以及全年平均地表溫度距平值，如圖6所示。可以發現： 整體上，晝夜、四季、全年的地表溫度距平值變化趨勢基本一致，呈周期波動增長變化； 全年平均地表溫度距平值每2個鄰近極小值的間隔為一個周期，每個周期大約持續4～5 a； 2016年平均地表溫度達到17 a間峰值狀態，在此之后地表溫度逐年下降； 2004年是17 a間地表溫度最低值年份； 根據距平值的大小，可以發現整體上冷季(冬春)地表溫度的年際變化幅度大于暖季(夏秋)，白天地表溫度的年際變化幅度大于晚上。厄爾尼諾對全球溫度影響較大，經對比2002—2018年厄爾尼諾指數與北美洲地表溫度距平值，發現每爆發一次厄爾尼諾或拉尼娜現象，在北美洲將會出現一次階段性的高溫或低溫事件。受2015年超強厄爾尼諾現象的影響，北美洲在2016年出現近年來的最高地表溫度。

圖6 不同時間維度地表溫度的變化趨勢Fig.6 Variation trends of surface temperature in different time dimensions

從像元尺度計算北美洲2002—2018年地表溫度隨時間的變化率及其與時間的皮爾遜系數，綜合2個指標從空間上反映北美洲每個區域地表溫度的變化狀況。由于太陽輻射和人類活動狀況的差異，白天和晚上地表溫度表現出不同的特征，因此首先計算了白天與晚上的變化率和皮爾遜系數，如圖7所示。為了便于分析地表溫度變化率的分布，本文綜合北美洲的海岸邊界，將整個大洲劃分為多個900 km×900 km的研究區域(圖8)。由圖7—8可知北美洲2002—2018年間晝夜地表溫度整體上呈現增溫趨勢，分別平均增長0.03 ℃/a和0.02 ℃/a； 北美洲西北部寒帶地區和西部加利福尼亞半島近年來的增溫趨勢非常強烈，特別是阿拉斯加北部沿海部分區域白天和晚上的增溫幅度非常巨大，均在0.1 ℃/a以上； 晝夜地表溫度變化趨勢的空間分布整體上較為一致，但在局部地區有所差異，如晚上美國東南部和加勒比海沿岸的增溫趨勢和格陵蘭島南部的降溫趨勢相較于白天都更加強烈，而白天加利福尼亞半島的增溫幅度和北美洲中部城市達科塔州、懷俄明州和蒙大拿州等的降溫幅度都大于晚上。

圖7 北美洲白天和晚上地表溫度與時間變化的皮爾遜系數Fig.7 Correlation coefficients between day and night surface temperature and time changes in North America

(a) 白天 (b) 晚上圖8 北美洲白天和晚上地表溫度的年際變化率Fig.8 Interannual change rate of day and night surface temperature in North America

圖9—10為不同季節的皮爾遜系數和年際變化率。從圖9—10分析可以發現： ①春季，北美洲總體上呈增溫趨勢，平均每年大約增長0.04 ℃； 降溫區域主要分布在東部大西洋沿岸，格陵蘭島南部和墨西哥半島的降溫幅度最大，最大的降溫幅度可達-0.04 ℃/a； 北美洲西北部和加利福尼亞半島區域近年來的增溫趨勢較為明顯，最大可達0.22 ℃/a。②夏季,北美洲的降溫區域分布較廣，但總體上仍呈現增溫趨勢，平均每年大約增長0.02 ℃； 美國阿拉斯加州在夏季呈現降溫趨勢與其他季節形成明顯差異； 加拿大中北部的增溫趨勢較為明顯，最大增溫幅度可達0.17 ℃/a。③秋季,整體上為增溫趨勢，平均每年增長0.04 ℃； 主要降溫區域分布在北美洲東北部，該區域地表溫度的年際變化率以巴芬灣和戴維斯海峽為中心向東北和西南方向遞增，有明顯的漸變規律性，最大降溫幅度達-0.42 ℃/a； 20°～40°N之間落基山脈的東側區域的增溫趨勢較為明顯，平均每年增長0.05 ℃。④冬季，地表溫度每年平均增長0.01 ℃，增溫幅度相對其他季節較小； 美國弗羅里達州冬季的增溫趨勢非常明顯，平均每年大約增長0.16 ℃； 40°～60°N區域冬季的降溫幅度較大，最大降溫幅度可達-0.11 ℃/a。

圖9 北美洲不同季節平均地表溫度隨時間變化的皮爾遜系數Fig.9 Pearson’s coefficient of the average land temperature in different seasons in North America

(a) 春季 (b) 夏季

(c) 秋季 (d) 冬季圖10 北美洲不同季節平均地表溫度的年際變化率Fig.10 Inter annual change rate of average land temperature in different seasons in North America

全年平均地表溫度的皮爾遜系數和變化率如圖11所示。可以發現： ①整體上，2002—2018年間北美洲年平均地表溫度呈增溫趨勢，平均年際變化率達0.02 ℃/a。②除格陵蘭島外，年平均地表溫度變化率呈明顯的緯度地帶性分布； 30°N以南區域和40°～60°N之間的大陸東岸區域為降溫區域，30°～40°N之間區域和60°N以北區域為增溫區域，增溫區域與降溫區域呈交叉分布。③美國阿拉斯加州北部和加拿大西北特區大部分以及加利福尼亞半島近年來增溫趨勢較為明顯，最大幅度的增溫區域位于阿拉斯加和加拿大西北部沿海，增溫幅度達0.2 ℃/a以上，這個增溫區域基本上位于北極圈的寒帶氣候內，這個結果深刻地說明北極高緯地區氣候環境正在發生著劇烈的變化。一些研究者已經發現了阿拉斯加北極區域環境正在巨變[37-38]，本研究通過這一地區地表溫度的增溫趨勢驗證了這一結論。④加利福尼亞半島的增溫幅度較小，但地表溫度與時間呈現非常明顯的正相關關系，皮爾遜系數最大可達0.8以上。由于該區域位于板塊交界處地殼運動活躍頻繁，地表溫度的升高一定程度上反映了區域地下能量的釋放，因此該區域未來的火山地震活動需要引起足夠的重視。⑤美國中東部地區(包括達科塔州、懷俄明州、蒙大拿州和內布拉斯加州)以及墨西哥南部近年來呈現降溫趨勢，但這種趨勢并不明顯，其與這些地區近年來頻繁發生的暴雨、暴雪、洪澇、颶風和龍卷風等災害密切相關。⑥格陵蘭島近年來的降溫幅度較大，特別是南部地區，最大的降溫幅度達0.2 ℃/a以上。

(a) 皮爾遜系數 (b) 年際變化率圖11 北美洲年平均地表溫度年際變化率及其隨時間變化的顯著性Fig.11 Interannual change rate of the annual mean surface temperature in North America and its significance over time

3.3 與其他地表大氣因素的相關回歸分析

北美洲地表溫度空間差異巨大，導致其空間差異的原因是復雜而多變的。利用皮爾遜系數法，分析地表溫度與5種地表和大氣參數(包括NDVI,SM,AOD,云量和大氣水汽含量)對地表溫度之間的相關關系，由于本研究所使用的大氣參數產品空間分辨率較低與地表溫度不一致，因此首先對地表溫度進行了重采樣使其與地表參數保持相同的空間分辨率。將北美洲劃分為多個900 km×900 km的網格，計算每個網格區域皮爾遜系數的絕對值|r|的平均值。相關系數如圖12所示，各種相關性的平均值和最大值如表3所示。可以發現： ①地表溫度和NDVI有著較強的相關性，多個區域|r|達到0.6以上，部分區域甚至達到0.75以上,而且地表溫度與植被的相關性具有明顯的緯度地帶性分異，大致40°N以北區域地表溫度隨植被的增加而增加，以南區域地表溫度隨植被的增加而減少。②地表溫度與SM的相關性沒有明顯的分布規律，這種相關性在北美洲西北部和東部拉布拉多半島較強，|r|可以達到0.4以上，其他區域則相對較弱。③地表溫度與AOD的相關性整體較弱，而且沒有明顯的分異規律。④地表溫度與云量在大部分區域都呈負相關關系，只有少部分區域呈正相關，部分區域的|r|可以達到0.6以上，而且北美洲南部地表溫度與云量的相關性強于北方。⑤地表溫度與大氣水汽含量的相關性非常強，多個區域|r|大于0.6并接近于0.8，這種相關性表現出明顯的緯度地帶性分異，大致在40°N以南區域呈負相關，以北區域呈正相關，而且北方的相關性強于南方。⑥在本研究所選擇的5個參數中，大氣水汽含量和NDVI與地表溫度的相關性最強，云量次之，SM和AOD與地表溫度的相關性最弱。

(a) NDVI (b) SM (c) AOD

(d) 云量 (e) 大氣水汽含量圖12 地表溫度與其他參數的相關系數Fig.12 Correlation coefficients between surface temperature and other parameters

表3 5類其他參數的相關系數絕對值統計Tab.3 Statistics of correlation coefficients of absolute values of 5 types other parameters

3.4 溫度變化趨勢預測

根據分析和一些相關結論，可以預測未來北美洲地表溫度的趨勢。2018年的極低溫發生在2014年最后一次極低溫之后的5 a(圖6)，2018年8—12月厄爾尼諾指數持續上升。根據北美洲地表溫度的4～5 a周期變化趨勢和厄爾尼諾的周期性格局及其對北美的影響，本文預測北美洲在2018年后將經歷一個新的變暖趨勢，這一趨勢可能持續1～2 a。使用MODIS的2019年地表溫度月度數據進行驗證，發現在2019年，除1月和2月外，其他月份的地表溫度均高于前幾年的地表溫度平均異常(圖13(a))， 2019年的地表溫度平均異常也高于2002—2018年(圖13(b))。這一結果與本文的預測是一致的，說明通過年平均地表溫度的周期性波動變化規律以及厄爾尼諾-拉尼娜對地表溫度的影響來預測北美未來地表溫度變化趨勢是可靠的。

(a) 2019年北美洲各月份的平均地表溫度距平值變化情況 (b) 北美洲2002—2019年年平均地表溫度距平值的變化趨勢圖13 2019年北美洲年平均地表溫度與各月份平均地表溫度的距平值Fig.13 Anomaly between the annual average surface temperature of North America and the average surface temperature of each month in 2019

4 結論與討論

本研究在重構更加完整準確的遙感地表溫度數據的基礎上，從整體和局部揭示了北美洲2002—2018年地表溫度的時空變化規律并著重分析異常變化區域，并利用多種模型方法，結合多種數據資料在一定程度上對地表溫度時空變化的驅動因素進行分析和探索。本研究得出的結論可以為地表溫度的理論研究、區域的農業工業生產、人類的日常生活、生態環境的保護以及災害的防治等方面提供有益的參考。

1)利用本文建立的修復模型，通過結合地面站點、鄰近像元和海拔等輔助數據可以有效地修復遙感數據中缺失信息和精度較低的像元，這對于提高遙感數據的利用率和分析精度是非常有意義的。

2)北美洲的地表溫度整體上從南到北遞減，但由于受到極地東風帶和盛行西風帶的影響，北美洲中北部區域的地表溫度從西南向東北遞減。北美洲的地表溫度空間差異較大，特別是西部科迪勒拉山系區域，山脈、河谷、湖泊、盆地交錯分布，地表溫度空間差異顯著，溫度相對較高河谷地區是西部地區農業生產和人類活動的主要區域。

3)北美洲地表溫度的年際變化趨勢呈現很強的波動特征，大概4～5 a一個周期。2002—2018年間，北美洲整體上呈增溫趨勢，每年平均增長0.02 ℃，在全球氣候變化的大背景下，這一變化趨勢值得關注。就具體區域而言，北美洲西北部特別是北部沿岸以及加利福尼亞半島地區近年來增溫趨勢非常明顯。加拿大西北特區和美國阿拉斯加州的北部沿岸增溫幅度最大，每年大約增長0.1 ℃，這種北極圈內的大幅增溫趨勢對于地區的的物質能量循環以及生態環境變遷影響巨大。另外，值得注意的是加利福尼亞半島地區的地表溫度隨時間增溫的趨勢非常強烈，地表溫度與時間的相關系數達0.8以上，由于該地區是全球火山地震的多發區域，而地表溫度的變化是地殼運動和地球能量釋放的重要反映，因此該區域未來的火山地震活動需要引起足夠的重視。北美洲30°N以南的低緯熱帶地區和N40°～60°的中東部地區近年來呈降溫趨勢，這與近年來當地頻繁發生的雪災、颶風和暴雨等氣象災害密切相關。

4)NDVI，SM，AOD，云量和大氣水汽含量5個參數與地表溫度都有一定的相關性，5種相關性的性質和大小都隨著區域的變化而有所不同。其中，大氣水汽含量和NDVI與地表溫度的相關性最為強烈，且它們都具有明顯的緯度地帶分異性，大致40°N以南區域呈負相關，40°N以北區域呈正相關； 地表溫度與云量整體上呈負相關變化，中北部小部分區域呈正相關變化； SM和AOD與地表溫度的相關性相對較弱，也沒有明顯的空間分布特征。這一大區域尺度下的研究結果，對于地表溫度影響因素和形成機制的相關研究以及地表溫度數據的修復插值具有一定的參考價值。

5)由于北美洲地表溫度受厄爾尼諾現象影響較大以及自身周期波段變化的特征，可以根據其平均地表溫度以及厄爾尼諾指數的變化趨勢，對未來1～2 a內的地表溫度進行一定可靠程度的預測，這有助于高溫、干旱等災害的預測與防御。