亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        新疆焉耆盆地地表溫度空間分布特征及其“源—匯”效應(yīng)

        2023-01-12 13:23:42張飛飛
        關(guān)鍵詞:焉耆干旱區(qū)綠洲

        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(yīng)

        張飛飛,彭 康,張 芳※

        (1. 新疆大學(xué)地理與遙感科學(xué)學(xué)院,烏魯木齊 830046;2. 新疆大學(xué)新疆綠洲生態(tài)重點(diǎn)實(shí)驗(yàn)室,烏魯木齊 830046)

        全球變暖和人類活動(dòng)加劇會(huì)不斷改變干旱區(qū)氣候要素,進(jìn)而影響綠洲的演化方向和宜居性。針對(duì)焉耆盆地當(dāng)前觀測(cè)條件不足、觀測(cè)資料種類缺乏等問(wèn)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(chǔ)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(duì)地表溫度的貢獻(xiàn)。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(yīng)變化。未利用地?zé)嵩葱?yīng)最強(qiáng),水體熱匯效應(yīng)最強(qiáng)。草地和建設(shè)用地對(duì)地表熱環(huán)境影響不大,耕地的熱匯效應(yīng)大小取決于農(nóng)業(yè)灌溉面積和作物生長(zhǎng)狀況;2)歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)與地表溫度呈負(fù)相關(guān)關(guān)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(duì)地表溫度的影響較小;3)坡度對(duì)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(yīng)形成綠洲近地表大氣獨(dú)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(gè)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(guò)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?yáng)輻射的再分配作用消失。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(yīng);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(jì)將進(jìn)一步擴(kuò)大[1-3]。新疆位于中國(guó)西北內(nèi)陸,遠(yuǎn)離海洋,周圍有高大地形阻隔,降水量少,太陽(yáng)輻射強(qiáng),蒸發(fā)量大[4],是中國(guó)面積最大的干旱區(qū),對(duì)氣候變化的響應(yīng)極其敏感[5-6]。綠洲是干旱區(qū)所獨(dú)有的人工生態(tài)景觀[7-8],夏季,綠洲的冷島效應(yīng)為干旱區(qū)的人們提供了適宜的生存條件[9]。近年來(lái),人類活動(dòng)不斷改變著綠洲的土地利用/覆被狀況[10-13],進(jìn)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(jìn)行能量交換的重要參數(shù),是研究和監(jiān)測(cè)環(huán)境變化的一個(gè)重要工具[16-18],同時(shí)也是人類研究地—?dú)庀嗷プ饔茫厍蚋魅又g物質(zhì)能量流動(dòng)機(jī)制的參數(shù)之一[19-20],在城市熱島效應(yīng)和綠洲冷島研究中應(yīng)用廣泛[21-23]。新疆傳統(tǒng)的氣象觀測(cè)站點(diǎn)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(gè)區(qū)域溫度空間分布與變化信息[24]。與傳統(tǒng)氣象站點(diǎn)觀測(cè)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(diǎn),是一種性價(jià)比較高的LST獲取方式[25]。自20世紀(jì)60年代初發(fā)射TIROS-I衛(wèi)星[26]以來(lái)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(jiǎn)單易行、運(yùn)用方便,是目前進(jìn)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(gè)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。“源—匯”概念是生態(tài)過(guò)程/格局的重要概念之一,相關(guān)理論起源于全球變化和大氣污染研究[31-32]。促進(jìn)某對(duì)象產(chǎn)生的過(guò)程或機(jī)制為“源”,抑制某對(duì)象產(chǎn)生的過(guò)程或機(jī)制為“匯”[33]。近年來(lái),有學(xué)者開始基于“源—匯”理論對(duì)城市熱島和景觀格局進(jìn)行分析和研究[34-35],為減輕熱島效應(yīng)、構(gòu)建舒適的城市熱環(huán)境提供指導(dǎo)。干旱區(qū)下墊面異質(zhì)性強(qiáng),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(yīng)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(lái),為解譯地表熱環(huán)境變化的驅(qū)動(dòng)機(jī)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(dú)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(chǔ)上,結(jié)合“源—匯”理論對(duì)土地利用/覆被影響LST變化的貢獻(xiàn)度進(jìn)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(zhǎng)約200 km,南北寬約60~100 km。地勢(shì)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(dòng)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(lái)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(zhǎng)規(guī)律,同時(shí)考慮太陽(yáng)輻射強(qiáng)度的變化過(guò)程和日期間隔的相對(duì)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(hào)143/31。DEM數(shù)據(jù)來(lái)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(duì)比驗(yàn)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(jìn)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(guò)Planck輻射函數(shù)線性化可以得到如下計(jì)算公式:

        T=[·(1--)+(·(1--)++)·TT]/(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(guò)率;T是星上輻射亮度對(duì)應(yīng)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(jì)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(duì)4期影像進(jìn)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(jìn)行分類后處理。研究區(qū)分為水體、耕地、建設(shè)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(jìn)行精度驗(yàn)證,同時(shí)結(jié)合GlobeLand30數(shù)據(jù)集和谷歌地圖對(duì)樣本進(jìn)行確認(rèn)。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(zhǎng)特點(diǎn),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(shè)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(jìn)行對(duì)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(duì)3種地形因子進(jìn)行類別劃分。對(duì)高程數(shù)據(jù)按照100 m間隔劃分為13個(gè)高程帶,分別提取每個(gè)高程帶地表溫度均值;對(duì)坡度數(shù)據(jù)利用自然間斷點(diǎn)分級(jí)法分為5個(gè)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(gè)坡度范圍對(duì)不同高程區(qū)LST進(jìn)行分區(qū)統(tǒng)計(jì);對(duì)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(yīng)計(jì)算

        每一種土地利用/覆被類型在一定區(qū)域范圍內(nèi)充當(dāng)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(shí)別各土地利用/覆被類型的“源—匯”效應(yīng),采用文獻(xiàn)[38]中的LST等級(jí)分類計(jì)算HSI和“源—匯”效應(yīng)貢獻(xiàn)度(Contribution Index,CI)。計(jì)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(dāng)HSI>1時(shí),土地利用類型為源效應(yīng);當(dāng)HSI<1時(shí),土地利用類型為匯效應(yīng);當(dāng)HSI=1時(shí),土地利用類型為流效應(yīng)。

        CI=(T-TS/(6)

        式中T指研究區(qū)不同土地利用/覆被類型“源”/“匯”效應(yīng)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(yīng)的面積,km2。

        2 結(jié)果與分析

        2.1 地表溫度反演結(jié)果及驗(yàn)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(guò)境的MOD11A1地表溫度產(chǎn)品進(jìn)行精度驗(yàn)證[39]。在Arcgis中創(chuàng)建漁網(wǎng)選取隨機(jī)樣點(diǎn)(300個(gè)),對(duì)反演的地表溫度與MODIS LST之間進(jìn)行對(duì)比驗(yàn)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(yīng)。

        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(shè)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?yàn)樗w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(dǎo)致升溫快,因此地表溫度最高。

        2.2.2 植被指數(shù)NDVI對(duì)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(shí)期NDVI與LST均呈負(fù)相關(guān)關(guān)系,植被指數(shù)NDVI增長(zhǎng)時(shí),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(lái)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(duì)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(dá)0.8以上,但是它與LST之間的關(guān)系較弱,經(jīng)計(jì)算,4期影像的濕地NDVI與LST的判定系數(shù)平均值為0.245,說(shuō)明濕地的冷島效應(yīng)主要是由淹水環(huán)境而非植被帶來(lái)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(yīng)的主要因素,其降溫作用的強(qiáng)弱取決于作物與草地植被的生長(zhǎng)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(yīng)也高于草地。因?yàn)槌擎?zhèn)綠地面積小,較分散,因此建設(shè)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(guān)性分析趨勢(shì)線;橢圓形框選區(qū)域?yàn)檠芯繀^(qū)濕地。

        2.2.3 地形因素對(duì)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(dá)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(dāng)海拔上升100 m時(shí),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(dá)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(duì)LST影響,提取各期LST達(dá)到最高值后逐漸下降的數(shù)據(jù)進(jìn)行線性擬合(圖6虛線框內(nèi))??梢钥闯龊0闻cLST均呈線性負(fù)相關(guān),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(shì),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(shí),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?yàn)槠露鹊椭祬^(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(shí),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(dāng)?shù)秃0蔚钠露葹?°~1.8°時(shí),LST最低,為36.4 ℃,低海拔處,當(dāng)坡度為23.7°~65.58°時(shí),LST最高,為55.8 ℃。海拔高于1 252 m后,坡度對(duì)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(dá)最高點(diǎn)后隨著海拔升高逐漸下降的過(guò)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(guān)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?yáng)輻射的再分配原理。但是,在高于研究區(qū)高程基點(diǎn)(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(gè)坡向LST均值分別僅相差0.68、0.73 ℃,甚至陽(yáng)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(gè)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(fēng)向和局地溫壓場(chǎng)的作用下長(zhǎng)驅(qū)直入,對(duì)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(yīng);2)綠洲冷島效應(yīng)疊加。綠洲冷島結(jié)構(gòu)會(huì)使周圍的干熱空氣抬升,在綠洲上空200 m左右處形成一個(gè)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(yīng)

        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(yīng)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(yīng),未利用地、建設(shè)用地HSI值>1,在地表溫度變化中屬于“源”效應(yīng)。草地HSI值≈1,屬于流效應(yīng),對(duì)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(shè)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(jì)算了不同土地利用/覆被類型在不同時(shí)期對(duì)地表溫度的貢獻(xiàn)強(qiáng)度。CI為正值反映了該土地利用/覆被類型對(duì)焉耆盆地內(nèi)單位面積地表溫度貢獻(xiàn)的增溫量,負(fù)值則代表該土地利用/覆被類型對(duì)焉耆盆地內(nèi)單位面積地表溫度貢獻(xiàn)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(xiàn)度均為正值,其對(duì)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(yīng)最強(qiáng)。水體、耕地、濕地在不同時(shí)期的貢獻(xiàn)度均為負(fù)值,對(duì)地表溫度具有降溫效應(yīng),降溫程度總體上依次遞減。水體對(duì)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(shè)用地雖然有較強(qiáng)的熱源效應(yīng),但是由于面積占比很小,對(duì)研究區(qū)地表溫度影響也較小,貢獻(xiàn)度分別為0.02、-0.02、0.01、-0.01 ℃。

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

        表2 地表溫度“源—匯”效應(yīng)及貢獻(xiàn)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(guān)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(chǔ)。對(duì)于新疆環(huán)塔克拉瑪干沙漠的綠洲來(lái)說(shuō),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(zhǎng)季節(jié)作為一個(gè)“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(cè)地面站僅有1個(gè),對(duì)地表熱環(huán)境進(jìn)行動(dòng)態(tài)監(jiān)測(cè)的能力十分有限,也無(wú)法探測(cè)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(duì)焉耆盆地夏季地表溫度進(jìn)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(gè)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(jìn)行的大型陸面過(guò)程野外觀測(cè)試驗(yàn)一致:夏季綠洲冷島效應(yīng)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(huì)產(chǎn)生一個(gè)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(guò)1 000 m,這個(gè)“映像熱中心”效應(yīng)也明顯改變了該范圍內(nèi)坡向?qū)μ?yáng)輻射的再分配作用規(guī)律(圖8b)。這種干旱區(qū)夏季由于冷島效應(yīng)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(guò)遙感手段被準(zhǔn)確探測(cè)和量化。本研究利用遙感手段,填補(bǔ)了焉耆盆地當(dāng)前觀測(cè)條件不足、觀測(cè)資料種類缺乏的空白。

        關(guān)于地表溫度的“源—匯”效應(yīng)。濕地的熱匯效應(yīng)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(yīng)主要是由作物植被產(chǎn)生的,其熱匯效應(yīng)與生長(zhǎng)期有關(guān),非生長(zhǎng)期,熱匯效應(yīng)消失。近20年來(lái),隨著社會(huì)經(jīng)濟(jì)的發(fā)展,研究區(qū)耕地迅速擴(kuò)張,熱匯效應(yīng)明顯增強(qiáng)(圖 4),但是農(nóng)業(yè)用水的增加可能導(dǎo)致地表水體的縮小,使得水體熱匯效應(yīng)下降[42]。從另一個(gè)角度來(lái)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(duì)于焉耆盆地而言,土地利用/覆被變化對(duì)綠洲地表熱環(huán)境的變化起著主導(dǎo)作用,量化不同土地覆被類型間“源—匯”效應(yīng)的轉(zhuǎn)移與平衡關(guān)系仍需進(jìn)一步的研究,其中的核心問(wèn)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(yīng)變化與轉(zhuǎn)移。對(duì)研究區(qū)而言,未利用地的熱源效應(yīng)最強(qiáng),水體的熱匯效應(yīng)最強(qiáng)。草地和建設(shè)用地因面積占比小對(duì)研究區(qū)地表熱環(huán)境影響不大,耕地的熱匯效應(yīng)大小取決于農(nóng)業(yè)灌溉面積和作物生長(zhǎng)狀況。

        2)歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)與地表溫度呈負(fù)相關(guān)關(guān)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(guān)系較弱,說(shuō)明濕地的冷島效應(yīng)是由淹水環(huán)境而非植被帶來(lái)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(yīng)的主要原因。

        3)冷島效應(yīng)形成了焉耆盆地綠洲上空大氣獨(dú)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(gè)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(guò)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?yáng)輻射的再分配作用消失。

        [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(guó)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(xué)學(xué)報(bào)(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(qiáng),胡隱樵. 綠洲地理特征及其氣候效應(yīng)[J]. 地球科學(xué)進(jìn)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(wù)正負(fù)價(jià)值測(cè)算—以新疆瑪納斯河流域?yàn)槔齕J]. 生態(tài)學(xué)報(bào),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(shí)空變化對(duì)土地利用/覆蓋變化的影響[J]. 農(nóng)業(yè)工程學(xué)報(bào),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(qiáng),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(dòng)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(xué),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(xué)報(bào),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(jìn)程中典型下墊面的小氣候空間差異[J]. 中國(guó)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(yáng),吳鵬海,程潔,等. AMSR-E地表溫度數(shù)據(jù)重建深度學(xué)習(xí)方法[J]. 遙感學(xué)報(bào),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(shí)空分布對(duì)LUCC的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào),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(xué)報(bào),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(yīng)時(shí)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(xué)報(bào),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(xué)報(bào),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(guó)及全球陸地生態(tài)系統(tǒng)碳源匯特征及其對(duì)碳中和的貢獻(xiàn)[J]. 中國(guó)科學(xué): 生命科學(xué),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(guó)陸地生態(tài)系統(tǒng)碳源/匯整合分析[J]. 生態(tài)學(xué)報(bào),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(jī)制研究[D]. 貴陽(yáng):貴州大學(xué),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(yīng)響應(yīng)機(jī)制[J]. 西北林學(xué)院學(xué)報(bào),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(yīng)研究—以武漢市為例[J]. 地理科學(xué)進(jìn)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(duì)焉耆盆地土地利用變化下土壤有機(jī)碳儲(chǔ)量影響的模擬研究[D]. 蘭州:蘭州大學(xué),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(xiàn)度的影響因素分析[J]. 地理學(xué)報(bào),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(duì)比分析[J]. 遙感技術(shù)與應(yīng)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(yīng)”[J]. 大氣科學(xué),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(dòng)力[J].中國(guó)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(yīng)[J]. 農(nóng)業(yè)工程學(xué)報(bào),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(guó)家自然科學(xué)基金(41761041)

        張飛飛,研究方向?yàn)楦珊祬^(qū)環(huán)境演變與人地關(guān)系。Email:zhangff@outlook.com

        張芳,博士,教授,研究方向?yàn)楦珊祬^(qū)環(huán)境演變與人地關(guān)系。Email:zhangf602@163.com

        猜你喜歡
        焉耆干旱區(qū)綠洲
        黑龍江半干旱區(qū)飼用谷子高產(chǎn)栽培技術(shù)
        綠洲里的老先生
        沙漠綠洲
        干旱區(qū)生態(tài)修復(fù)的實(shí)踐——以古爾班通古特沙漠為例
        科學(xué)(2020年6期)2020-02-06 08:59:54
        焉耆北渠村采風(fēng)(外四首)
        氣候變化背景下西北干旱區(qū)旱澇的變化規(guī)律
        干旱區(qū)影響水面蒸發(fā)的氣象因素多元回歸分析
        焉耆盆地北緣和靜逆斷裂-褶皺帶中晚第四紀(jì)變形速率
        留一片綠洲 此處腎好
        心中有塊美麗的綠洲
        欧美成人秋霞久久aa片| 午夜亚洲国产精品福利| 亚洲福利第一页在线观看| 男女激情视频网站免费在线| 人妻中文字幕在线网站| 亚洲一区二区三区无码国产| 久久亚洲精品成人| 激情人妻中出中文字幕一区| 国产女同舌吻1区2区| 夫妇交换性三中文字幕| 日本a级特黄特黄刺激大片| 无码91 亚洲| 一区二区在线观看日本视频| 亚洲国产aⅴ成人精品无吗| 久久综合精品国产丝袜长腿| 国产精品无码不卡在线播放| 少妇精品揄拍高潮少妇桃花岛| 日韩网红少妇无码视频香港| 欧美v亚洲v日韩v最新在线| 免费一级欧美大片久久网| 一区二区精品天堂亚洲av| 欧美激情肉欲高潮视频| 国产自国产在线观看免费观看| 国内精品视频成人一区二区| av在线不卡一区二区| 一本一道av无码中文字幕麻豆| 两个人看的www中文在线观看| 挑战亚洲美女视频网站| 人妻少妇久久中中文字幕| 岳毛多又紧做起爽| 啪啪无码人妻丰满熟妇| 成人免费播放片高清在线观看| 人人妻人人澡人人爽精品日本| 男人扒开女人下面狂躁小视频 | 国产对白刺激在线观看| 精品国产一区二区三区香| 欧美另类人妖| 伊人精品在线观看| 中文字幕一区二区在线| 免费成人电影在线观看| 亚洲欧洲精品成人久久曰影片 |