EN中文

地理研究 >

2022 , Vol. 41 >Issue 4: 997 - 1017

DOI: https://doi.org/10.11821/dlyj020210232

研究论文

基于MODIS的新疆地表温度时空变化特征分析

  • 康紫薇 , 1, 2 ,
  • 张正勇 , 1, 2 ,
  • 刘琳 1, 2 ,
  • 王统霞 1, 2 ,
  • 田浩 1, 2 ,
  • 陈泓瑾 1, 2 ,
  • 张雪莹 1, 2
展开
  • 1.石河子大学理学院,石河子 832000
  • 2.绿洲城镇与山盆系统生态兵团重点实验室,石河子 832000
张正勇（1978-）,男,甘肃景泰人,博士,教授,主要从事水文水资源及气候变化研究。E-mail:

康紫薇（1996-）,女,安徽灵璧人,硕士,主要从事气候变化与生态环境研究。E-mail:

收稿日期: 2021-03-22

  录用日期: 2021-07-26

  网络出版日期: 2022-06-10

基金资助

国家自然科学基金项目(41761108)

国家自然科学基金项目(41771077)

国家自然科学基金项目(41641003)

石河子大学高层次人才科研启动项目(校20200075)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Spatio-temporal variation characteristics of land surface temperature in Xinjiang based on MODIS

  • KANG Ziwei , 1, 2 ,
  • ZHANG Zhengyong , 1, 2 ,
  • LIU Lin 1, 2 ,
  • WANG Tongxia 1, 2 ,
  • TIAN Hao 1, 2 ,
  • CHEN Hongjin 1, 2 ,
  • ZHANG Xueying 1, 2
Expand
  • 1. School of Science, Shihezi University, Shihezi 832000, Xinjiang, China
  • 2. Xinjiang Production and Construction Corps Key Laboratory of Oasis Town and Mountain-basin System Ecology, Shihezi 832000, Xinjiang, China

Received date: 2021-03-22

  Accepted date: 2021-07-26

  Online published: 2022-06-10

Copyright

Copyright reserved © 2022
Fold

摘要

地表温度（LST）作为陆地环境相互作用过程研究中的重要地学参量,其时空分异与下垫面属性、地形地貌格局等息息相关。本文基于2000—2020年MOD11C3数据,采用GIS空间分析、空间重心模型及改进的半径法等手段,对新疆地区月、季、年及昼夜等序列时空尺度LST的分布特征及变化趋势进行研究,并借助LUCC、DEM等多源遥感数据进一步探讨各类下垫面、不同地貌单元及部分典型区域的LST垂直递减率、增减温及热（冷）岛效应等地理特征。结果表明：① 研究期间新疆年均LST为9.45 ℃,呈减温和增温趋势的区域分别占研究区面积的13.3%和86.7%,增温区域占绝大部分,故近20年研究区整体呈升温趋势（0.024 ℃·a-1）,较全国高出约0.01 ℃·a-1,其中春季增幅最大,冬季次之;夜间LST变化明显强于白天,春、夏两季昼夜温差均大于23.7 ℃,而冬季最小（约15 ℃）;研究区年际高、低温重心迁移轨迹大多分布于LST变幅较大区域,各月LST空间分布及高低温重心转移轨迹均表现出以7月为中点的年内强对称性规律。② 不同下垫面地表冷热环境空间分布差异较显著。其中以荒漠和裸土为主的未利用地年均LST最高（13.42 ℃）且昼夜温差最大（23.6 ℃）,高寒区冰川年均LST最低（-7 ℃）且昼夜温差（14.3 ℃）最小,其他下垫面年均LST在2.6~11 ℃之间,昼夜温差较小且较一致（平均16.75 ℃）。③ 东西走向的“三山夹两盆”地貌结构,使新疆LST的纬度地带规律被大幅削弱。研究区各山区（群）LST垂直递减率不尽相同,地处较高纬的阿尔泰山递变（0.63 ℃/100 m）最明显,山体高大的帕喀昆阿山群递变（0.57 ℃/100 m）次之,天山山脉递变（0.54 ℃/100 m）最小。另外各山区（群）山麓处均出现了不同程度的逆温现象,而山腰处LST垂直递减率线性拟合效果最佳。④ 本研究所选取的部分典型城市大都表现出不同程度的热岛效应。其中乌鲁木齐市热岛效应最为强烈,伊宁市其次,哈密市最微弱,而阿克苏市则表现出绿洲城市冷岛效应,但各城市热（冷）岛效应均存在一定环数（8环）范围的冷、热岛足迹。

关键词： MODIS; 地表温度; 时空分异; 下垫面; 地形地貌; 热（冷）岛效应; 新疆

本文引用格式

康紫薇 , 张正勇 , 刘琳 , 王统霞 , 田浩 , 陈泓瑾 , 张雪莹 . 基于MODIS的新疆地表温度时空变化特征分析[J]. 地理研究, 2022 , 41(4) : 997 -1017 . DOI: 10.11821/dlyj020210232

Abstract

Land surface temperature (LST) is an extremely important geological parameter in the study of the process of terrestrial environmental interaction, and its spatio-temporal differentiation is closely related to the attributes of the underlying surface and the topography and geomorphology pattern. Based on MOD11C3 data from 2000 to 2020, this paper uses GIS spatial analysis, spatial center of gravity model and improved radius method to study the distribution characteristics and changing trends of LST on the spatial and temporal scales of the month, season, year, day and night sequences in Xinjiang, and with the help of multi-source remote sensing data such as LUCC and DEM, we further explore the geographical characteristics of various underlying surfaces, different geomorphic units and some typical areas of LST vertical decline rate, temperature increase and decrease, and urban heat (cold) island effect. The results show that: (1) during the study period, the average annual LST in Xinjiang was 9.45 ℃. The areas with decreasing temperature and increasing temperature accounted for 13.3% and 86.7% of the study area, respectively. So in the past 20 years, the study area showed an overall warming trend (0.024℃·a-1), which was about 0.01 ℃·a-1 higher than that of the whole country. The largest increase was observed in spring, followed by winter; the change of LST at night was significantly stronger than that in the daytime. The temperature differences between day and night in both spring and summer are greater than 23.7 ℃, and the smallest temperature difference is in winter (about 15 ℃); the interannual high and low temperature centers of gravity migration trajectory in the study area is mostly distributed in the area with large LST variation, and the spatial distribution of LST and the centers of high and low temperature in each month The transfer trajectories all showed strong symmetry during the year with July as the midpoint. (2) The spatial distribution of the hot and cold environments on different underlying surfaces is significantly different. Among them, the unused land dominated by deserts and bare soil has the highest average annual LST (13.42 ℃) and the largest day-night temperature difference (23.6 ℃). The glaciers in alpine regions have the lowest annual average LST (-7 ℃) and the lowest day-night temperature difference (14.3 ℃). The average annual LST of other underlying surfaces is between 2.6-11 ℃, and the temperature difference between day and night is small and consistent (average 16.75 ℃). (3) The east-west trending of “three mountains and two basins” geomorphic structure greatly makes the latitude zone of Xinjiang LST less stable. The vertical decline rates of LST in the mountainous areas (groups) of the study area are not the same. The LSTs of the Altay Mountains at higher latitudes vary (0.63 ℃/100 m), followed by the Pakakun's Group with high mountains (0.57 ℃/100 m), and the Tianshan Mountains (0.54 ℃/100 m). In addition, various degrees of temperature inversion occurred in the foothills of the mountainous areas (groups), and the linear fitting effect of the LST vertical decline rate at the mountainside was the largest. (4) Most of the typical cities selected in this study show different degrees of urban heat island effect. Among them, Urumqi city has the strongest urban heat island effect, followed by Yining city, while Hami city is the weakest; Aksu city exhibits the oasis urban cold island effect, but the urban heat (cold) island effect of each city has a certain number of rings (8 rings) about urban heat (cold) island footprints. The research results can provide theoretical support for soil development and protection, regional agricultural production and planting, urban engineering construction, as well as production and life in Xinjiang.

Key words： MODIS; land surface temperature; spatio-temporal differentiation; underlying surface; topography and landforms; urban heat (cold) island effect; Xinjiang

1 引言

地表温度（Land Surface Temperature,LST）作为地表生态环境系统研究和地球资源变化监测的重要指标[1]7,在进行区域土壤水分估算、农情信息监测和热（冷）岛效应评估等方面都具有重要的实用价值[2]12。其中昼/夜LST及较差也是气候变化领域尤其农业气象研究中关注的热点[3],有研究显示动植物在生长过程中对昼夜地温波动的敏感性要明显高于气温[2]13,因此充分解析昼夜地温温差变化的规律及机制,对区域生态过程、气候变化、农业生产生活等都具有重要参考价值。另外,地温作为地表和地面以下不同深度处土壤温度的统称,其时空分异受诸多影响水热平衡的地理环境因子的控制和作用[4]。其中不同下垫面对地温变化的响应程度各异,同时LST又以“负反馈”的方式改变各下垫面的结构及分布情况[1]64,高寒和荒漠等气候敏感区和生态脆弱区受地温影响尤为显著,冰冻圈消退过程释放的CH4等温室气体加速全球升温,地温升高又加剧着冰川和冻土的融化[5,6]。海拔及地貌格局等也不同程度的干预着地表冷/热环境的形成[7,8],地温相关研究已越来越关注地形条件对LST时空异质性的影响机制[9]。地理学及植物学学者们也借地貌垂直带谱及下垫面结构类型探究区域增减温及热（冷）岛效应[10],认为地温时空分异不仅对气候变化产生重大影响,也“驱动”着区域地理生态格局的演变。
地/气温度是影响生态过程及系统稳定的重要因素[11],当前气候变化研究多集中于气温[12,13],而对陆面过程响应更快且剧烈的地温研究相对薄弱[9]。地温时空分异规律研究多采用基于实测数据的数理统计法和基于遥感影像的数值反演法[14,15]。其中,遥感技术有效推动了地表热环境相关研究的深入,越来越多学者以下垫面、地貌形态及海拔等地理因素对地表热环境的影响为目标导向,开始关注长时序、多季节、多分辨率、多数据源的地表温度时空演化及驱动机制[16,17];且以往主要集中于城市及其周边等人工不透水层[16,17,18],却忽视了自然属性下垫面对地温变化贡献等研究;然而不同属性陆面因辐射、吸收、蒸腾等热量收支过程差异明显,导致地温对下垫面的作用及反馈机制均存在显著时空分异规律[1,2]。除此之外,海拔、坡度、坡向及起伏度等地形因子也决定着地表能量的再分配[15],研究表明不同地形地貌单元及气候区的温度垂直递减率不尽相同[19],且地温梯度在垂直结构上伴随显著的时空分异特征,认识并分析其异质性和规律是了解生态变化过程及区域农业的关键。近年来,随着城市地表温度研究内容的延伸及获取数据技术手段的进步,不少学者逐渐关注区域性地表温度效应等研究领域,并将视线从城市转向大尺度研究区乃至全球生态系统范围,但研究多集中于人类活动及经济发展强度较大地区[20,21,22],却较少关注干旱高寒及荒漠区地温变化及周边城市增减温及热（冷）岛效应。绿洲城市和农业区作为干旱区人类活动集聚地大多被山地和荒漠所夹持,高寒冰冻区和干热荒漠区作为“冷源”和“热源”,对区域能量平衡过程有着明显的调节作用[3,5],而绿洲区人类的生存及发展与冰冻圈和荒漠生态系统的稳定性息息相关,同时区域人类活动强度和生产生活方式也会对周边生态敏感区地温产生直接或间接影响,为此深入探讨干旱区不同覆被类型下垫面和不同复杂度地貌单元地温时空分异及热（冷）岛和增减温效应尤为迫切。
新疆广布冰冻、荒漠及绿洲农业区,其作为西北地区重要的地理组成及生态环境脆弱区对地温变化极为敏感。地温可直接影响高寒区冰川冻土分布和发育,同时也决定着绿洲农业结构和农作物生长的适宜性等[5,6]。新疆作为“瓜果之乡”,昼夜温差对瓜果生长和品质有着显著的影响,研究地温时空变化可为本地区适应农业结构调整、合理制定播种期提供参考。以往地温研究大多采用覆盖度有限的观测数据或时间序列较短的瞬时遥感数据,无法解决新疆高寒和荒漠等人迹罕至区域地温数据缺失的问题[23,24]。因此,有必要结合最新气象资料,回答“新疆地区在不同时空尺度及视角下地温的变化特征及规律”等科学问题。为此本研究选取可快速同步获取大范围、时空分辨率较高且连续的二维地表温度空间分布信息的MODIS数据产品[25],以其提取新疆地温空间分布的基础数值,分析2000—2020年新疆地区LST在年际、季、月、昼夜（温差）等多时间尺度上的空间分布特征及变化趋势,并试图基于不同下垫面及地形地貌单元等多视角探讨LST空间分异特征及热（冷）岛和增减温效应等。研究结果可为新疆地区生态环境的保护,区域农业生产建设的保证、区域生产生活的稳定等相关工作提供重要的现实指示作用。

2 研究区概况

新疆自治区地处欧亚大陆腹地,地理坐标为73°20′E ~96°25′E、34°15′N ~49°10′N,全区总面积约166.3万km2,是中国地域面积最大的省区（图1）。研究区呈日照充足、干燥少雨、昼夜温差大、冬冷夏热等显著特点的典型温带大陆性干旱气候,其中多年平均气温约6~10 ℃。研究区主要地形地貌格局为“三山夹两盆”,即由北到南分别为阿尔泰山、准噶尔盆地、天山山脉、塔里木盆地、帕米尔高原、喀喇昆仑山、昆仑山和阿尔金山（下文将帕米尔高原、喀喇昆仑山、昆仑山和阿尔金山简称为帕喀昆阿山群[26]）。下垫面类型较多且大面积分布冰川和荒漠等干旱区典型地类,因各下垫面自身特征及类间差别其吸收和反射太阳辐射差异较大使得LST水平和垂直分异特征明显。
图1 研究区概况图

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 1 Location of the study area

3 数据来源与研究方法

3.1 数据来源及预处理

本研究所需数据主要为多源遥感数据（表1）。① MOD11C3数据用来表征新疆地区LST的空间分布情况。本研究选取Aqua卫星的Modis Terra全球月平均地表温度/辐射率数据。该数据由Modis Terra全球日地表温度/辐射率数据推导计算得到,产品格式为HDF。首先以各月MODIS影像为基础,基于最大值合成法得到白天和夜间地温数据,然后统计各月LST的平均值及昼夜差值,并按3月、4月、5月为春季,6月、7月、8月为夏季,9月、10月、11月为秋季,12月、翌年1月、翌年2月为冬季进行季节划分[27]。② 气象台站实测数据用来检验MODIS地温数据在新疆地区的适宜性。③ LUCC数据用以辅助分析新疆地区不同下垫面LST时空变化情况。首先对其进行坐标定义、裁剪等数据预处理,然后参照中国土地利用现状遥感监测数据库提供的《2010年土地利用类型具体分类系统标准》,结合研究区实际情况且为方便研究,将土地利用类型数据归并为林地、草地、耕地、水域、城建用地、未利用地和冰川共七大类下垫面,最后提取各土地利用类型边界,用于分区统计不同下垫面LST时空分布情况。④ DEM数据用来划分高程带和修正地貌单元边界,为探讨新疆各地形地貌单元LST时空分异提供基础数据。基于地貌空间分布数据[28],并结合研究区LUCC数据及河流出山口位置等进一步修正各山区（群）和盆地等地貌实际边界。
表1 数据来源

Tab. 1 Date sources

数据类型 时间 时间分辨率 空间分辨率 数据来源
MOD11C3 2000年2月—2020年2月 逐月 0.05°×0.05° 美国国家航空航天局（ https://www.nasa.gov/)
实测地温数据 2000年2月—2020年2月 逐月 - 国家气象信息中心（ http://data.cma.cn/)
LUCC 2010年 年 30 m×30 m 资源环境科学数据中心（ http://www.resdc.cn/)
DEM - - 30 m×30 m 地理空间数据（ http://www.gscloud.cn/)
地貌空间分布数据 - - 1 km×1 km 资源环境科学数据中心（ http://www.resdc.cn/)
图2 不同地貌区MODIS年地温值与实测值比较

注：**表示P<0.01。

Fig. 2 Comparison of MODIS annual ground temperature and measured values in different landform zones

3.2 研究方法

本研究在对MODIS地温数据适应性分析的基础上,利用MRT、ArcGIS 10.3等软件对地温数据产品进行处理,借助ENVI5.3、Origin 8.5、Excel等软件实现数据统计、空间结果展示等过程,通过斜率分析、重心转移、热（冷）岛效应估算等手段探讨研究期间新疆地区LST时空分异规律。
3.2.1 MODIS数据适宜性分析 MODIS地温数据相对气象站点地温值在时空尺度上存在一定的误差[29],为此估计MODIS地温值与气象站点实测值之间的偏差是保证后期研究过程可行及结果合理的前提。故本研究基于2000—2020年新疆地区气象站点实测年均地温数据检验其对应格网的MODIS年地温数据（图1、表2）,选取决定系数（R2）及均方根误差（RMSE）2个指标[26,30]评估该数据在新疆地区的适宜性（图2）。就整个新疆而言,二者间R2为0.87,RMSE 为0.51 ℃,说明两者之间具有较高的相关性。另外分别就平原、盆地和山地三类地貌区对MODIS数据适宜性进行分析发现,平原的R2（0.89）最高,盆地和山地R2均不低于0.85,且全部区域RMSE均不高于0.55 ℃。综合来看,MODIS地温数据对新疆地区LST时空分布具有较好的表征效果。研究显示经验模型的拟合系数多变,加之校正等方法会在一定程度上破损原始数据的信息和精度[31],如海拔等校正因子的介入会在一定程度上使得山区气象要素趋于简单线形分布规律,可能存在过校正问题,导致气候变化的物理意义缺乏以及丧失自然分带特征及规律;且许多学者在相关研究中直接应用该类数据[20,32]也取得了可信和客观的研究结果,为此本文采用MODIS原始数据研究新疆LST时空分异特征。
表2 不同地貌区气象站点基本信息

Tab. 2 Basic information of meteorological stations in different landform zones

区域 站点
全疆 位于林地、草地、耕地、水域、城建用地、未利用地、冰川等下垫面的气象站点
分别有3个、3个、10个、2个、12个、4个、0个,总计34个气象站点
平原 哈巴河、阿勒泰、富蕴、塔城、阿拉山口、托里、克拉玛依、精河、达坂城、库米什、巴音布鲁克、焉耆、吐鲁番、阿克苏、库尔勒、乌恰、喀什、阿拉尔、莎车、民丰、且末、巴里坤、哈密、红柳河
盆地 福海、淖毛湖、铁干里克、皮山、和田、于田、塔中
山地 和布克赛尔、柯坪、伊吾
3.2.2 MODIS数据处理 （1）首先采用MRT软件对原始MODIS数据进行投影转换、波段提取等批量预处理,然后借助ArcGIS软件依据研究区边界对数据进行批量裁剪,最后运用栅格计算将MODIS_LSTDE K氏温度转换为摄氏度[33],计算公式：
T s = DN × 0.02 - 273.15
式中：TS为转化后的摄氏地表温度（℃）;DN为提取的热力学地表温度（K）。
（2）因原始MODIS数据中存在数据值缺失及异常情况,故本研究运用ArcGIS软件,参照赵冰等有关数据插补的原理和方法[34],利用邻近（就近原则）非空栅格像元采用反距离加权回归及最大值合成法重建缺失及异常栅格像元值,具体栅格计算公式：
T = con ( T i ≤ - 273 , T i + ( - ) 1 , T i )
式中：Ti为存在缺失或异常值的数据;Ti+（-）1为邻近非空栅格像元值数据;T为处理后不存在缺失或异常值的数据。
3.2.3 斜率分析法 借助斜率分析法可对不同栅格像元的变化趋势进行模拟,以分析各研究时段LST的空间变化特征[35]。本文利用斜率分析法对新疆地区LST的空间年际（月、季变化率同理）变化趋势进行模拟分析,计算公式：
θ = ∑ i = 1 n a i b i - 1 n ∑ i = 1 n a i ∑ i = 1 n b i ∑ i = 1 n b i 2 - 1 n ∑ i = 1 n b i 2
式中： θ为年际变化率;n为2000—2020的年份数,本研究中n=20;bi为时间序列数值,2000—2020年依次取1~21;ai为第i年地表温度。θ<0和θ>0分别表示在研究时段内,随时间递增与递减,其正值越大,表示LST上升越快,其负值越小,表示LST降低越快。
3.2.4 LST重心转移分析 LST高（低）温区空间重心分析可用于研究各等级冷、热环境的动态变化[21,36]。选用加权重心模型及重心转移距离模型,分析各研究时段热环境重心迁移轨迹,以期揭示新疆地区热环境空间格局演变特征,计算公式：
X Tt = ∑ i = 1 n T ti X ti ∑ i = 1 n T ti
Y Tt = ∑ i = 1 n T ti Y ti ∑ i = 1 n T ti
d = X t + 1 - X t 2 + Y t + 1 - Y t 2
式中： X Tt、 Y Tt分别表示第t年新疆地区LST高（低）温区范围内重心的经度和纬度坐标; T ti表示第t年i栅格的地表温度; X ti、 Y ti分别表示第t年i栅格的经度和纬度坐标;n为高（低）温区范围内的栅格数量,本研究为显示较佳空间表达效果,经反复实验n取1500。 d表示LST高（低）温区重心的转移距离; X t、 Y t和 X t + 1、 Y t + 1分别代表第t年和第t+1年LST高（低）温区重心的经纬度坐标。
3.2.5 热（冷）岛效应估算 为进一步估算新疆局部典型地区城市热（冷）岛效应,采用改进的半径法对其地表温度进行研究[22]。将各典型城市的行政中心作为热（冷）场分布的同心圆环带的中心,借助ArcGIS软件反复“多环缓冲区”操作,确定可展示城市热（冷）岛效应最佳空间效果的半径值,最终将初始圆环半径设定为12 km,并使各圆环面积等于初始圆环面积,从而确定各圆环的半径,计算公式：
r 1 = 12 S 1 = π r 1 2 = 144 π S 2 = π r 2 2 - π r 1 2 = π r 2 2 - 144 π = S 1 r 2 = 12 2 ⋮ r i = 12 i
式中：i为同心圆环序号;r1为初始圆环半径; r i为第i个圆环半径,即 12 i km; S 1为初始圆环面积; S i为第i个圆环面积。

4 结果分析

4.1 新疆LST时空分布特征

4.1.1 LST年际时空变化特征 2000—2020年新疆地区年均LST为9.45 ℃,其升温速率（0.024 ℃·a-1）较李庆祥等所得出的全球地温变化趋势（0.018 ℃·a-1）[37]更为显著（图3）。研究区年均昼、夜LST分别为19.96 ℃和-0.88 ℃,研究期间昼夜温差呈减小趋势（-0.038 ℃·a-1）,部分区域/时段较差最大可达63 ℃。年均LST波动变化幅度存在阶段性差异,波动变化幅度较大的阶段主要集中在2001—2007年、2012—2015年。其中最高值出现在2013年（10.26 ℃）,杨涵洧等发现,由于同年全国大陆受副热带高压控制强度明显高于历史同期,致使多地出现极端高温天气[38]。最低值则出现在2012年（8.53 ℃）,主要原因是该年冬季气温较低,降雪量为近年较大,大范围的积雪增强了地表反射[39]。进一步分析LST空间分布特征发现,面积占比83%的区域在0 ℃以上,南部地区LST明显高于北部地区且从南到北呈现出低-高相间的空间分异格局;其中高温区主要集中在盆地及其外缘的部分城市,盆地腹地年均地温甚至高达36.8 ℃;而低温区主要集中在三大山脉（群）处,如阿勒泰山北部,天山山脉中部以及帕喀昆阿山群南部等高海拔地区,最低温至-27 ℃。LST总体分布情况与山脉及盆地走向保持高度相关性,呈现出显著的相间分布特点,但“三山夹两盆”特殊地形的存在导致LST的纬度地带性在一定程度上被削弱。
图3 2000—2020年新疆地区年均LST时空变化

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 3 Spatial and temporal changes of annual average LST in Xinjiang from 2000 to 2020

新疆复杂的地貌格局使其年际LST变化情况在时空分布上存在较为显著的地域差异,总体上呈以盆地为中心、平原和山地依次包围的增强-减弱-再增强的LST“环形”空间变化趋势（图4）。经空间统计分析得出,86.7%的研究区LST呈升温趋势且集中分布在盆地腹地及人类活动较频繁区域,其中部分地区升温幅度高达0.1 ℃·a-1,如塔里木盆地东南部地区及吐哈盆地部分地区;同时各山脉大部区域也出现了显著的增温现象,如天山山脉西部地区、帕喀昆阿山群东南部地区及阿勒泰山东南部地区。13.3%的研究区呈降温趋势,分布于盆地及山脉（群）边缘处的绿洲平原区且多以植被覆盖度较高的草地为主,其中部分地区降温幅度低至-0.21 ℃·a-1,如天山山脉中部及北部、帕喀昆阿山群北部边缘及塔里木盆地西部。整体来看,研究区内升温区面积远大于降温区面积,且大部分升温区增幅远高于降温区减幅,致使近20年新疆地区LST呈明显升温趋势。分析年际昼夜LST变化情况可知,白昼LST虽呈升温趋势但增幅（0.0053 ℃·a-1）较小,升温区域面积达61.6%;而夜间LST则呈显著升温趋势（0.043 ℃·a-1）,升温区域面积达98.1%,研究区昼夜LST表现出较为明显的不对称性变化特征。值得注意的是,部分地区白昼呈显著降温趋势而夜间呈显著增温趋势,如天山山麓与塔里木盆地外缘,且大多位于绿洲农业和人类集聚区,可能是由于除地貌自身热力学特质外,下垫面类型愈丰富的区域在伴随人类活动强度增大时,LST的变化会更加显著。
图4 2000—2020年新疆地区LST年际变化率空间分布及高低温重心转移变化

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 4 Spatial distribution of LST interannual change rate and shift of high and low temperature centers of gravity in Xinjiang from 2000 to 2020

空间重心转移距离模型能够定量表达不同时期各等级冷、热环境重心间距离及方向的变化[21,36]。2000—2020年新疆年均LST低温较高温重心表现出更为明显的迁移特征（图4）;其中低温重心迁移最大距离达340 km,主要发生在塔里木盆地西部且变化率较大区域,整体上呈现出东北向西南45°方向的反复式波动迁移轨迹;而高温重心最大迁移距离仅200 km,主要在吐哈盆地西南部边缘区域迁移。白昼较夜间其重心迁移规律更为明显;其中白昼高温重心迁移现象最为显著,呈西南向东北30°方向迁移且最大迁移距离达480 km,主要发生在塔里木盆地东部地区;夜间高温重心表现最为稳定,整体上呈东北向西南30°方向迁移而最大迁移距离仅140 km,但迁移所涉及区域其海拔高度及LST等级跨度均较大,即迁移轨迹涉及天山山脉与吐哈盆地。值得注意的是夜间低温重心迁移轨迹较其他研究时段空间变化较大,迁移主要发生在帕喀昆阿山群中部偏北地区,呈东西走向。可知研究期间夜间较白天高、低温表现出更加稳定的时空分布状态,但迁移均大多涉及不同地貌单元,且年际高、低温重心迁移轨迹大多分布于LST变化率较大区域。
4.1.2 LST季节时空变化特征 分析各季节LST空间分布情况可知（图5）,2000—2020年新疆地区LST表现出夏季>春季>秋季>冬季的规律,且各季节LST在昼夜温差上也具有同样的规律,其中春季和夏季昼夜温差均大于23.7 ℃,冬季昼夜温差最小约15 ℃;主要是因为冬季较春、夏两季而言全天日照时间短,且冬季冰雪覆盖率较高,加之冰雪比热特性使得地温波动较小。较年均温而言,夏季在空间上表现出显著高温效应（0 ℃以上面积占比约99%）,冬季则表现出显著低温效应（0 ℃以下面积占比约99.6%）,而秋季LST的空间分布情况则更接近年均温。另外春、秋两季LST在空间分布上保持着显著一致性,高海拔山区尤为显著,而低海拔平原处差异较大,且研究期内春、秋季LST均保持在8~13 ℃范围内。过去20年研究区季节LST变化率也存在显著差异（图5）。春、冬两季LST波动最为明显且对年际变化贡献较大,其中春季变化率（0.049 ℃·a-1）远大于其他季节及年际变化幅度,88.7%面积的研究区呈升温态势,尤以天山北坡经济带最为突出。冬季LST变化贡献次之（0.048 ℃·a-1）,变化幅度较大的区域主要分布在阿尔泰山南麓及塔里木盆地边缘城市密集区。夏季变化幅度（0.034 ℃·a-1）相对较小,而秋季变化趋势最为平稳（-0.009 ℃·a-1）且大部分地区（约61%）以降温为主。
图5 2000—2020年新疆地区季均LST空间分布变化

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 5 Spatial distribution of seasonal average LST and the shift of high and low temperature centers of gravity in Xinjiang from 2000 to 2020

4.1.3 LST月时空变化特征 近20年全疆月均LST呈显著空间差异性（图6）。1月LST为全年最低值（-11.85 ℃）,除塔里木盆地南部地区外,其他区域均低于-5 ℃。2—3月地温逐渐回升,但两月温差（10.08 ℃）较大。主要原因是2月为冰雪积累期,高频率降雪导致温度较低;而3月积雪快速消退,地表的裸露使其吸热能力增强,导致大部分区域地温升高。3月64%的区域LST已升至0 ℃以上,其中盆地升温更为显著。4月除山地外其他区域LST均已达正值,并于5月95%的区域陆续升温至0 ℃以上。6—7月塔里木盆地东部及吐哈盆地大部分地区持续升温,并于7月全疆LST均温（26.33 ℃）达年内最大,此时除帕喀昆阿山群等部分高寒山地仍处0 ℃以下全疆99%的区域均在0 ℃以上。7—8月地温逐渐回落且两月温差（1.26 ℃）为年内最小,值得注意的是盆地区域7月LST达年内最高而山区则于8月达年内最高,正如孙美平等研究得出8月为乌源1号冰川消融鼎盛期[40]。9—12月全疆LST开始回落,0 ℃以上区域面积也随之萎缩,且各月温差均较大,其中10月、11月温差（10.68 ℃）达年内最大。易知,年内各月LST以7月为“对称轴”呈显著相似空间分布格局,如5月和9月、4月和10月其LST空间分布保持高度相似的对称性。
图6 2000—2020年新疆地区月均LST空间分布及高低温重心转移变化

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 6 Spatial distribution of monthly average LST and the shift of high and low temperature in Xinjiang from 2000 to 2020

年内各月高、低温区重心迁移轨迹在空间上表现出反向较高一致性的双路线偏移规律（图6）。1月高温区重心自塔里木盆地南部地区沿东北约30°单向迁移,并在4月移至吐哈盆地,其中3—4月迁移距离高达448 km。4—9月高温区重心均坐落于吐哈盆地内转移较微弱,其中5—6月迁移距离（11 km）为年内最小,但自7月起表现出反向迁移。9月后保持显著单向迁移至12月到达塔里木盆地南部边缘地区,其中10—11月迁移距离（623 km）达年内最大。低温区重心则自1月起从天山山脉中部地区沿西南约45°单向迁移,并于4月到达塔里木盆地,5—9月迁移较微弱,其中7—8月迁移距离（37.5 km）最小。但同高温区一样低温区重心持续单向迁移至7月后则表现出反向迁移轨迹,9月后保持单向显著迁移至12月返回天山山脉中部地区,其中9—10月迁移距离（339 km）达年内最大。造成低温区重心如此迁移主要是因为南部山群虽山体高大但其纬度低获太阳辐射量高,而阿尔泰山虽纬度高但海拔较低,故1月低温区大多分布在纬度及海拔均较高的天山山区。随太阳直射点逐渐移动,北部的天山及阿尔泰山山区获得太阳辐射量更大,LST逐渐回升低温区面积越来越小,而南部山群仍保持一定“份量”的低温区,故低温区重心逐渐南移。可知,夏季和秋季各月高、低温区保持着较稳定的空间分布状态,而春季和秋季各月则表现出显著迁移现象。总体而言,各月LST空间分布及高、低温重心转移轨迹均表现出以7月为中点的强对称性规律。

4.2 各下垫面LST时空分布特征

土地利用/覆被类型的空间分布很大程度上决定着地表冷、热环境的空间格局[41,42]。分区统计并进一步分析2000—2020年研究区各下垫面LST可知（表3）,以荒漠和裸土为主的未利用地年均值最高（13.42 ℃）,高寒区冰川年均值最低（-7 ℃）,其他下垫面类型年均值在2.6~11 ℃之间。进一步分析各下垫面昼、夜LST变化及温差发现,未利用地昼夜温差最大（23.6 ℃）,是由于该类型下垫面比热较小,白天受太阳辐射后升温速度较快,且新疆日照时间较全国其他地区而言更长故可储存更多热量,日落后地表以长波辐射形式迅速向外散热,导致昼夜温差较大。而位于高海拔山区的冰川表面温度持续较低,加之冰川积雪下垫面比热较大且反照率高,受太阳辐射后升温较慢,使其昼夜温差（14.3 ℃）远小于其他下垫面类型。对于植被覆盖度较高的草地、林地及耕地等下垫面类型而言,昼夜温差较小（平均16.75 ℃）且较接近,主要是由于植被生化作用致使这些区域白天和夜间温度不易过高或过低。各季节白天LST最大值均出现在荒漠等未利用地下垫面,而春、夏、秋三季夜间LST高值区集中分布在城建用地下垫面。主要原因可能是城市人口集中,人类活动过度释放大量废热,加之排放的温室气体有保温和增温作用,很大程度上减少了热量的流失。正如刘勇洪等认为,自中国进入高速城市化阶段,城区气温显著高于郊区的热岛效应愈加明显,特别是在温度较高的季节[43]。
表3 2000—2020年新疆地区各下垫面LST特征

Tab. 3 LST characteristics of the underlying surfaces in Xinjiang from 2000 to 2020 （单位：℃）

下垫面 年均LST 年均白天LST 年均夜间LST 春季LST 夏季LST 秋季LST 冬季LST
林地 9.03 17.94 0.11 11.21 24.15 9.34 -8.88
草地 2.57 10.14 -5.00 4.18 16.72 3.13 -14.02
耕地 10.27 18.68 1.85 13.92 26.22 11.11 -10.53
水域 5.81 14.36 -2.73 7.40 19.85 7.14 -11.55
城建用地 11.00 19.41 2.54 14.55 27.45 11.68 -10.15
未利用地 13.42 25.24 1.60 16.22 29.92 13.66 -6.50
冰川 -7.01 0.12 -14.14 -6.49 2.61 -6.27 -18.13

4.3 各地貌单元LST时空分布特征

4.3.1 各地貌单元LST整体特征 2000—2020年新疆地区LST呈南疆高、北疆低、盆地高、山脉低的空间分布格局（图7）,与降水空间分布[26]呈明显负相关,研究区水热条件整体表现出山区湿冷、盆地干热的分布特征。各地貌单元年均LST由大到小排序为：吐哈盆地（19.1 ℃）、塔里木盆地（17.3 ℃）、准噶尔盆地（11.2 ℃）、天山山脉（5.8 ℃）、帕喀昆阿山群（0.6 ℃）、阿尔泰山（-1.5 ℃）。各地貌单元年均白天LST在整体上也保持着此排序规律且均保持在0 ℃以上,而阿尔泰山与其他山脉（群）的温差更为明显。就夜间而言各地貌单元年均LST排序则有所出入,主要表现在帕喀昆阿山群LST均值较阿尔泰山更低,且各山地（群）LST均已降至0 ℃以下而盆地仍处0 ℃以上。另外,各地形地貌单元年均昼夜温差存在较大差异。相对而言,山脉（群）昼夜温差较小,盆地昼夜温差较大,且相同地貌LST昼夜温差也存在一定差异;如帕喀昆阿山群昼夜温差最大（22 ℃）,天山山脉次之（16.3 ℃）、阿尔泰山最小（11.8 ℃）;而塔里木和吐哈盆地昼夜温差均在25 ℃左右,环抱着植被覆盖度最高且占绝对面积之比的古尔班通古特沙漠的准噶尔盆地昼夜温差也高达20 ℃。可知,各地形地貌单元LST时空分布及昼夜温差是植被覆盖度、绝对海拔高度和地理位置等综合影响的结果。
图7 2000—2020年新疆地区各地形地貌单元年均LST空间分布

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 7 Spatial distribution of annual LST of various geomorphic units in Xinjiang from 2000 to 2020

4.3.2 各山区LST垂直递减率特征 气温垂直递减率是研究山地气候的重要指标之一,而山体在不同海拔梯度处地温的垂直变化对植被分布格局及冰冻区消退等都有着更为直接的影响[7,44]。经统计分析发现（图8）,三大山地（群）年均LST与海拔之间存在不完全线性关系。位于研究区中部的天山山区LST最高,而地处北部且纬度最高的阿尔泰山山区LST最低,虽南部的帕喀昆阿山群纬度较低能获得更多的太阳辐射,但该山区绝对海拔最高致使其年均LST介于阿尔泰山与帕喀昆阿山群之间。由于山体间地形复杂度和绝对海拔高度等因素差异,研究区各山区（群）的LST垂直递减率不尽相同。对比各山区的垂直递减率均值可知,天山山脉递变率（0.54 ℃/100 m）最小,帕喀昆阿山群（0.57 ℃/100 m）次之,阿尔泰山（0.63 ℃/100 m）的变率最大。对于海拔高度及跨度最小的阿勒泰山而言,0 ℃出现在海拔约1800 m处,且在3200 m以上LST开始出现大幅度波动,垂直递减率（0.63 ℃/100 m）达最大;海拔最高的帕喀昆阿山群0 ℃出现在海拔约4300 m处,且在6000 m以上LST开始出现大幅度波动,垂直递减率（0.18 ℃/100 m）达最小;而海拔高度居中的天山山脉0 ℃出现在海拔高度约3000 m处,且在4600 m以上LST开始出现大幅度波动,垂直递减率（0.41 ℃/100 m）达最小。
图8 2000—2020年天山山区、帕喀昆阿山群、阿尔泰山的LST垂直递减率

Fig. 8 The vertical decline rate of LST in the Tianshan Mountains, mountain groups, and Altay Mountains from 2000 to 2020

另外,对同一山脉而言不同海拔梯度LST垂直递减率也存在明显差异,且均由山麓到山顶呈“三段式”变化特征。具体表现为：各山麓处均出现了不同程度的逆温现象;山腰处LST垂直递减率最为稳定,线性拟合效果最佳;而山腰至山峰处变化波动幅度逐渐增强。天山山脉横贯新疆中部且两面背盆,山区降水较多且气温较高,同时中低海拔区间植被覆盖度较高其保温效果较好,故天山山区LST在山脚及山腰处波动幅度较其他山区小。而呈东西走向的南部山群有效阻挡了外部水汽的进入,山区空气干燥使得LST垂直递减率明显高于天山。位于研究区北部的阿尔泰山纬度最高,虽山体绝对海拔最小但获取太阳辐射的能力年内差异极大,致使该山区LST垂直变化最为明显。总体来看,由于各山区冰川发育程度、绝对海拔、水汽含量、植被覆盖度、地形复杂度和纬度位置等地理条件差异,使得山区LST垂直递减率出现自身分段差异性和“三山”间整体差异性。

4.4 典型城市热（冷）岛效应分析

愈加显著的热岛效应对人居生活环境质量乃至社会经济发展均会产生一定程度的破坏[22,43,45]。相关研究表明,昼夜温差越大的区域,热岛效应越明显,且夜间较白昼热岛效应更显著[20]。故结合新疆地区各城市规模、人口数量及地理位置等实际情况,在研究区范围内选取6座典型城市：乌鲁木齐市、石河子市、哈密市、喀什市、伊宁市、阿克苏市,采用改进的半径法对城市热（冷）岛效应进行研究,通过反复试验和对比分析发现,当同心圆初始半径为12 km时夜间LST可更好表征城市热（冷）岛效应。
通过统计每个圆环中LST平均值,进一步得到环数与各环中LST平均值折线图（图9）。易见,多数城市初始圆环LST平均值显著高于其他外围圆环,说明这些城市中心温度最高。且随着同心圆环向外围扩展,各圆环LST均值逐渐下降,均表现出显著城市热岛效应;其中乌鲁木齐市热岛效应表现最为强烈,其次是伊宁市,热岛效应最微弱的为哈密市;究其原因可能是,乌鲁木齐及伊宁市城市人口基数大且人员聚集度高,产业活动密集、人类活动强烈,释放大量的人为热,造成城市“高温化”。而哈密市较乌鲁木齐市和伊宁市表现出显著的“地广人稀”,即相同单位面积内人类活动强度及产热均较小,因此在空间上表现出较微弱的城市热岛效应。比较特殊的是,阿克苏市则表现为初始圆环LST平均值明显低于其他圆环,城市中心温度最低,随着同心圆环向外扩展,LST平均值逐渐升高;且在各环LST平均值上升到一定程度后趋于平稳变化,在空间上表现出典型冷岛效应。这主要是因为阿克苏市分布在低海拔绿洲区且城市周边分布大量戈壁沙漠区,其较绿洲城市而言比热容较小故增温效果显著;再者周边戈壁沙漠区域上空被加热的暖空气,通过局地环流作用输送至绿洲城市上空,形成一个下层冷空气难以保持稳定的下冷上热逆温层,于是“营造”了一个较凉爽且湿润的小气候气象效应,即绿洲城市“冷岛效应”[44,46]。但值得注意的是,在第8个圆环开始后,各圆环中LST平均值出现波动较大的增减温反复交替态势或趋于平稳,对于表现出显著热岛效应的5座城市而言,8环内部城市LST明显高于8环外部,对于表现出冷岛效应的阿克苏市则反之;即8环作为温度分异的边界,前8个圆环的面积则是城市热（冷）岛足迹。综合来看,热（冷）岛效应主要受人类活动、城市下垫面景观类型及其格局影响,且大多数城市表现出显著热岛效应,少数城市在地形地貌叠加作用下表现出冷岛效应,但均存在一定范围的热（冷）岛足迹。
图9 新疆典型城市夜间热（冷）岛效应

注：基于自然资源部地图技术审查中心标准地图服务网站的标准地图（审图号：GS(2019)3333号）绘制,底图无修改。

Fig. 9 Night heat (cold) island effect in typical cities of Xinjiang

5 讨论

地温与气温的关系、地温与地温的关系是否存在空间区域分异?这干扰着气候变化对陆地生态环境系统影响的准确评估,并进一步制约着应对气候变化决策的制定。为了能更好比对新疆地温与气温及新疆地温与全国地温时空分布特征异同,本文专门收集了近二十年来的相关文献[1,9,15,23,24,34,47-51],尽管各文献涉及的研究方法及观测资料不同,但仍可进一步深入探究新疆地区地、气温变化关联性,以及新疆气候与中国乃至全球气候变化异同性等方面研究。

5.1 新疆地/气温差比较

地/气温差（地温减气温）不仅可以很好地反映感热通量的变化,还对农作物的种植及管理具有一定的参考价值[47]。对新疆地区地/气温差的时空分布及变化趋势进行系统的分析可知,地温与气温的变化规律存在较大差异,两者均表现出不同程度的升温趋势,但气温[48]的升高趋势（0.03 ℃·a-1）明显强于地温（0.0242 ℃·a-1）,正如丁一汇等认为在气候变暖的背景下,气温比地温的响应更快更强烈[9,23]。就新疆全域而言,1月和12月的地/气温差相对较小且多地出现负值,其他月份的地/气温差大多为正值,其中6—8月的地/气温差相对较大（5 ℃以上）,且地/气温差出现最大值时间与雨季在时间序列上有所重合[15,49],可能是地/气温差在一定程度上也影响着区域降水。另外,新疆全域整体上表现出由北到南、由东到西地/气温差逐渐增大的空间分布格局,且在新疆西南部地/气温差达到最大[47,49]。就变化趋势而言,4—10月新疆地区平均地/气温差呈显著上升发展趋势,而7月、10月变化趋势较微弱或略有上升[47,50]。在空间分布上,阿勒泰山脉及其南部低海拔平原地区、塔里木盆地西部低海拔平原地区及帕喀昆阿山群最东部地区平均地/气温差均呈现出显著增加趋势,而天山山脉北部低海拔地区及帕喀昆阿山群中北部地区则表现出显著减少趋势[48,50]。可知,新疆地区地温和气温的升温速率及幅度均存在不同程度的非对称性,而各层地温与近地面层气温升温速率的不同步性大概率会酿成仅依据气温数据来评析气候变化对农作物生长影响的论断存在一定的滞后和偏差,因此在研究农作物生育期、产量等时应加入地温数据参考。

5.2 新疆/全国地温比较

对前人有关全国LST时空变化规律研究结果进行归纳分析,并与本文新疆LST时空演变特征研究结果进行对比可知,近20年间全国LST距平曲线表现出高低温交替出现的阶段性变化特点,整体上呈自南向北/自东向西逐渐增强的升温趋势[34]。但经统计发现新疆地区LST变化率高出全国约1倍,这也与王雪姣等[24]借助气象站点实测地温数据研究所得出的新疆地温变化率明显高于全国这一结果一致。全国及新疆LST变化均具有显著的季节差异,但对比发现新疆地区表现更为明显;其中全国季节LST变暖趋势为冬季最强（69.4%地区呈升温趋势）且波动特征最为显著,对年平均LST的变暖贡献最大,其次是春季[34,47];而新疆地区则表现出春季LST变化最显著即年际贡献最大,冬季次之的特点。进一步对比年际LST昼夜变化情况可知,全国几乎所有地区年均白天LST变化趋势（-0.03 ℃·a-1~0.03℃·a-1）均显著高于夜间[34,50],即年均LST变化趋势主要归因于白天的变化,而夜间LST变化趋势较平缓。新疆昼、夜LST变化趋势则与全国相反,即夜间LST变化趋势显著高于白天,主要是因为新疆地区深居内陆且山-盆相间的地貌结构特征共同造就了区域气候变化的复杂性。
就LST的空间分异规律来看,受太阳辐射量递变的影响,全国（除青藏高原外）LST整体上表现出较明显的由南向北逐渐降低且大致与纬度带平行的空间分异格局[34,47]。然而受山盆结构及海拔高度的直接影响,新疆地区LST随纬度变化由南向北逐渐降低的分布格局被大幅度削弱,表现出南疆高、北疆低、盆地高、山脉低,随下垫面类型及地形地貌单元高低温交错分布且差异及变化显著的空间分布格局。青藏高原地区则因其受海拔高度和地貌单元相对独立的影响,年均LST（低于-10 ℃）显著低于同纬度带的东部地区,且部分地区占据着全国低值中心[51],同时也远低于年均LST值仅-1.5 ℃的新疆低温区——阿尔泰山。就各下垫面对冷热环境的贡献情况来看,新疆广袤的荒漠及其他未利用地LST热环境贡献最高,而全国其他地区热环境贡献最高的则是建设用地[1]66。主要是因为新疆干旱荒漠和戈壁区面积占比较大、植被覆盖度低且地表干燥,使得潜热分量小甚至于可以忽略不计,地表热量平衡中感热占绝对优势。总体来看,除人类活动强度及地形地貌空间分布差异影响外,各下垫面与大气相互作用也影响着区域气候。

6 结论

本研究以MODIS、LUCC及DEM等数据为基础,在GIS空间分析技术的支持下对新疆近20年LST时空变化规律、不同下垫面及地形地貌单元LST时空分异特征及其内在联系等方面进行了定量分析及探讨,得出以下结论：
（1）2000—2020年新疆年均LST为9.45 ℃,整体呈升温趋势（0.024 ℃·a-1）;其中春季增幅最大,冬季次之,且夜间LST变化明显强于白天,在昼夜温差上则表现为春、夏两季较大（均大于23.7 ℃）,冬季最小（约15 ℃）。另外,年际高、低温重心迁移轨迹大多分布于LST变幅较大区域,研究区各月LST空间分布及高低温重心转移轨迹均表现出以7月为中点的年内强对称性规律。
（2）不同下垫面地表冷热环境空间分布差异较显著。其中以荒漠和裸土为主的未利用地年均LST最高（13.42 ℃）且昼夜温差最大（23.6 ℃）,高寒区冰川的年均LST最低（-7 ℃）且昼夜温差（14.3 ℃）最小,其他下垫面年均LST在2.6~11 ℃之间,昼夜温差较小且较一致（平均16.75 ℃）。
（3）东西走向的“三山夹两盆”地貌结构,使新疆LST的纬度地带规律被大幅削弱。地处较高纬的阿尔泰山递变（0.63 ℃/100 m）最明显,山体高大的帕喀昆阿山群递变（0.57 ℃/100 m）次之,天山山脉递变（0.54 ℃/100 m）最小。另外各山区（群）山麓处均出现了不同程度的逆温现象,而山腰处LST垂直递减率线性拟合效果最佳。
（4）基于夜间LST数据采用改进的半径法研究发现,本文所选取的部分典型城市大都表现出不同程度的热岛效应。其中乌鲁木齐市热岛效应最为强烈,伊宁市其次,哈密市最微弱,而阿克苏市则表现出绿洲城市冷岛效应,但各城市热（冷）岛效应均存在一定环数（8环）范围的冷、热岛足迹。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文引言、数据来源说明、讨论梳理方面的修改意见,使本文获益匪浅。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
张祎. 长江流域土地利用/覆被变化对地表温度的影响. 武汉: 中国地质大学硕士学位论文, 2018.

[ Zhang Wei. The influence of LUCC on the land surface temperature in Yangtze River Basin. Wuhan: Master Dissertation of China University of Geosciences, 2018.]

[2]
张慧. 地温变化过程及其机理研究. 长春: 中国科学院大学博士学位论文, 2017.

[ Zhang Hui. The research of the characteristic and mechanism of soil temperature change in China. Changchun: Doctoral Dissertation of University of Chinese Academy of Sciences, 2017.]

[3]
祝景彬, 张法伟, 李红琴, 等. 祁连山南麓高寒草甸2002—2016年生长季CO2通量对气温日较差的响应. 科学通报, 2021,66:85-95.

[ Zhu Jingbing, Zhang Fawei, Li Hongqin, et al. The response of CO2 fluxes to the amplitude of diurnal temperature in alpine meadow during growing season from 2002 to 2016 at the southern foot of Qilian Mountains. Chinese Science Bulletin, 2021,66:85-95.] DOI: 10.1360/TB-2020-0896.

DOI

[4]
Zhang Yuan, Liu Shao Min, Hu Xiao, et al. Evaluating spatial heterogeneity of land surface hydrothermal conditions in the Heihe River Basin. Chinese Geographical Science, 2020,30(5):855-875. DOI: 10.1007/s11769-020-1151-y.

DOI

[5]
刘哲, 汪雪滢, 刘帝佑, 等. 基于MODIS数据的黄淮海夏玉米高温风险空间分布. 农业工程学报, 2018,34(9):175-181.

[ Liu Zhe, Wang Xueying, Liu Diyou, et al. Spatial distribution of high temperature risk on summer maize in Huang-Huai-Hai Plain based on MODIS data. Transactions of the Chinese Society of Agricultural Engineering, 2018,34(9):175-181.] DOI: 10.11975/j.issn.1002-6819.2018.09.021.

DOI

[6]
张正勇, 何新林, 刘琳, 等. 中国天山冰川生态服务功能及价值评估. 地理学报, 2018,73(5):856-867.

DOI

[ Zhang Zhengyong, He Xinlin, Liu Lin, et al. Ecological service functions and value estimation of glaciers in the Tianshan Mountains, China. Acta Geographica Sinica, 2018,73(5):856-867.] DOI: 10.11821/dlxb201805006.

DOI

[7]
刘俊杰, 潘自武, 秦奋, 等. 基于MODIS的秦巴山地气温估算与山体效应分析. 地理研究, 2020,39(3):735-748.

DOI

[ Liu Junjie, Pan Ziwu, Qin Fen, et al. Estimation of air temperature based on MODIS and analysis of mass elevation effect in the Qinling-Daba Mountains. Geographical Research, 2020,39(3):735-748.] DOI: 10.11821/dlyj020190164.

DOI

[8]
张扬, 白红英, 苏凯, 等. 1960—2013年秦岭陕西段南北坡极端气温变化空间差异. 地理学报, 2018,73(7):1296-1308.

DOI

[ Zhang Yang, Bai Hongying, Su Kai, et al. Spatial variation of extreme temperature change on southern and northern slopes of Shaanxi section in Qinling Mountains during 1960-2013. Acta Geographica Sinica, 2018,73(7):1296-1308.] DOI: 10.11821/dlxb201807009.

DOI

[9]
丁一汇, 王会军. 近百年中国气候变化科学问题的新认识. 科学通报, 2016,61(10):1029-1041.

[ Ding Yihui, Wang Huijun. Newly acquired knowledge on the scientific issues related to climate change over the recent 100 years in China. Chinese Science Bulletin, 2016,61(10):1029-1041.] DOI: 10.1360/N972015-00638.

DOI

[10]
姚永慧, 徐美, 张百平. 青藏高原增温效应对垂直带谱的影响. 地理学报, 2015,25(12):1411-1422.

[ Yao Yonghui, Xu Mei, Zhang Baiping. Implication of the heating effect of the Tibetan Plateau for mountain altitudinal belts. Acta Geographica Sinica, 2015,25(12):1411-1422.] DOI: 10.11821/dlxb201503005.

DOI

[11]
Ethan Heck, Kirsten M de Beurs, Braden C Owsley, et al. Evaluation of the MODIS collections 5 and 6 for change analysis of vegetation and land surface temperature dynamics in North and South America. ISPRS Journal of Photogrammetry and Remote Sensing, 2019,156. DOI: 10.1016/j.isprsjprs.2019.07.011.

DOI

[12]
Delnat Vienna, Verborgt Jonathan, Janssens Lizanne, et al. Daily temperature variation lowers the lethal and sublethal impact of a pesticide pulse due to a higher degradation rate. Chemosphere, 2021,263. DOI: 10.1016/j.chemosphere.2020.128114.

DOI

[13]
姬霖, 段克勤. 1960—2017年渭河流域极端气温变化及其对区域增暖的响应. 地理科学, 2020,40(3):466-477.

DOI

[ Ji Lin, Duan Keqin. Variations of extreme temperature and its response on regional warming in the Weihe River Basin during 1960-2017. Scientia Geographica Sinica, 2020,40(3):466-477.] DOI: 10.13249/j.cnki.sgs.2020.03.015.

DOI

[14]
袁振, 吴相利, 臧淑英, 等. 基于TM影像的哈尔滨市主城区绿地降温作用研究. 地理科学, 2017,37(10):1600-1608.

DOI

[ Yuan Zhen, Wu Xiangli, Zang Shuying, et al. Cooling effect of green patche based on TM Image in Harbin downtown city. Scientia Geographica Sinica, 2017,37(10):1600-1608.] DOI: 10.13249/j.cnki.sgs.2017.10.018.

DOI

[15]
王万同, 王卷乐, 杜佳. 基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算. 地理研究, 2013,32(5):817-827.

[ Wang Wantong, Wang Juanle, Du Jia. Land surface evapotranspiration estimation of Yiluo River Basin based on fusion of ETM+ and MODIS data. Geographical Research, 2013,32(5):817-827.]

[16]
张威, 纪然. 辽宁省地表温度时空变化及影响因素. 生态学报, 2019,39(18):6772-6784.

[ Zhang Wei, Ji Ran. Analysis of spatio-temporal variation and factors influencing surface temperature in Liaoning Province. Acta Eeologica Sinica. 2019,39(18)6772-6784.] DOI: 10.5846/stxb201806211352.

DOI

[17]
叶钰, 秦建新, 胡顺石. 长沙市热岛效应时空特征变化研究. 地球信息科学学报, 2017,19(4):518-527.

DOI

[ Ye Yu, Qin Jianxin, Hu Shunshi. Spatial-temporal evolution of urban heat island effects in Changsha city. Journal of Geo-information Science, 2017,19(4):518-527.] DOI: 10.3724/SP.J.1047.2017.00518.

DOI

[18]
刘劲宏, 姚宜斌, 桑吉章. PM2.5对地表温度的影响及其应用. 大地测量与地球动力学, 2019,39(5):502-505.

[ Liu Jinghong, Yao Yibin, Sang Jizhang. Influence of PM2.5 concentrations on surface temperature and its application. Journal of Geodesy and Geodynamics, 2019,39(5):502-505.] DOI: 10.14075/j.jgg.2019.05.012.

DOI

[19]
索南东主, 姚永慧, 张百平. 青藏高原和阿尔卑斯山山体效应的对比研究. 地理研究, 2020,39(11):2568-2580.

DOI

[ Suo Nandongzhu, Yao Yonghui, Zhang Baiping. Comparative study on the mountain elevation effect of the Tibetan Plateau and the Alps. Geographical Research, 2020,39(11):2568-2580.] DOI: 10.11821/dlyj020190755.

DOI

[20]
Ravinesh C Deo, Mehmet Şahin. Forecasting long-term global solar radiation with an ANN algorithm coupled with satellite-derived (MODIS) land surface temperature (LST) for regional locations in Queensland. Renewable and Sustainable Energy Reviews, 2017,72. DOI: 10.1016/j.rser.2017.01.114.

DOI

[21]
庹苗苗. 2000—2014年北京地区冬、夏季热环境时空分异研究. 北京: 中国地质大学硕士学位论文, 2017.

[ Tuo Miaomiao. The spatio-temporal heterogenity research of thermal environment in 2000-2014 winter and summer, in Beijing Area. Beijing: Master Dissertation of China University of Geosciences, 2017.]

[22]
乔治, 黄宁钰, 徐新良, 等. 2003—2017年北京市地表热力景观时空分异特征及演变规律. 地理学报, 2019,74(3):475-489.

DOI

[ Qiao Zhi, Huang Ningyu, Xu Xinliang, et al. Spatio-temporal pattern and evolution of the urban thermal landscape in metropolitan Beijing between 2003 and 2017. Acta Geographica Sinica, 2019,74(3):475-489.] DOI: 10.11821/dlxb201903006.

DOI

[23]
陈超, 周广胜. 1961—2010年阿拉善左旗气温和地温的变化特征分析. 自然资源学报, 2014,29(1):91-103.

[ Chen Chao, Zhou Guangsheng. Characteristics of air temperature and ground temperature in Alxa Left Banner from 1961 to 2010. Journal of Natural Resources, 2014,29(1):91-103.] DOI: 10.11849/zrzyxb.2014.01.009.

DOI

[24]
王雪姣, 王森, 吉春容, 等. 1961—2015年新疆0cm地温的时空分布特征及突变分析. 干旱区资源与环境, 2018,32(4):165-169.

[ Wang Xuejiao, Wang Sen, Ji Chunrong, et al. Spatial-temporal characteristics and mutation analysis of ground temperature in Xingjiang from 1961 to 2015. Journal of Arid Land Resources and Environment, 2018,32(4):165-169.] DOI: 10.13448/j.cnki.jalre.2018.125.

DOI

[25]
刘世博, 臧淑英, 张丽娟, 等. 东北冻土区MODIS地表温度估算. 地理研究, 2017,36(11):2251-2260.

DOI

[ Liu Shibo, Zang Shuying, Zhang Lijuan. Estimation of land surface temperature from MODIS in Northeast China. Geographical Research, 2017,36(11):2251-2260.] DOI: 10.11821/dlyj201711017.

DOI

[26]
宁珊, 张正勇, 刘琳, 等. TRMM偏最小二乘降尺度降水模型在新疆不同地貌的适应性. 农业工程学报, 2020,36(12):99-109.

[ Ning Shan, Zhang Zhengyong, Liu Lin. Adaptability of precipitation estimation method based on TRMM data combined with partial least squares downscaling in different landforms of Xinjiang, China. Transactions of the Chinese Society of Agricultural Engineering, 2020,36(12):99-109.] DOI: 10.11975/j.issn.1002-6819.2020.12.012.

DOI

[27]
杜军, 胡军, 尼玛吉, 等. 1981—2017年西藏“一江两河”流域5 cm地温及其界限温度时空变化特征. 地理学报, 2019,74(9):1821-1834.

DOI

[ Du Jun, Hu Jun, Nimaji, et al. Spatial-temporal change of mean soil temperature and its critical temperature at 5 cm depth in the region of the Yarlung Zangbo River and its two tributaries of Tibet during 1981-2017. Acta Geographica Sinica, 2019,74(9):1821-1834.] DOI: 10.11821/dlxb201909009.

DOI

[28]
程维明, 周成虎, 李炳元, 等. 中国地貌区划理论与分区体系研究. 地理学报, 2019,74(5):839-856.

DOI

[ Cheng Weiming, Zhou Chenghu, Li Bingyuan, et al. Geomorphological regionalization theory system and division methodology of China. Acta Geographica Sinica, 2019,74(5):839-856.] DOI: 10.11821/dlxb201905001.

DOI

[29]
Jaime Aguilar-Lome, Raúl Espinoza-Villar, Jhan-Carlo Espinoza, et al. Elevation-dependent warming of land surface temperatures in the Andes assessed using MODIS LST time series (2000-2017). International Journal of Applied Earth Observations and Geoinformation, 2019,77. DOI: 10.1016/j.jag.2018.12.013.

DOI

[30]
赵贵宁, 张正勇, 刘琳, 等. 基于多源遥感数据的玛纳斯河流域冰川物质平衡变化. 地理学报, 2020,75(1):98-112.

DOI

[ Zhao Guining, Zhang Zhengyong, Liu Lin, et al. Changes of glacier mass balance in Manas river basin based on multi-source remote sensing data. Acta Geographica Sinica, 2020,75(1):98-112.] DOI: 10.11821/dlxb202001008.

DOI

[31]
杨贵军, 孙晨红, 历华. 黑河流域ASTER与MODIS融合生成高分辨率地表温度的验证. 农业工程学报, 2015,31(6):193-200.

[ Yang Guijun, Sun Chenhong, Li Hua. Verification of high-resolution land surface temperature by blending ASTER and MODIS data in Heihe River Basin. Transactions of the Chinese Society of Agricultural Engineering, 2015,31(6):193-200.] DOI: 10.3969/j.issn.1002-6819.2015.06.026.

DOI

[32]
邱丽莎, 何毅, 张立峰, 等. 祁连山MODIS LST时空变化特征及影响因素分析. 干旱区地理, 2020,43(3):726-737.

[ Qiu Lisha, He Yi, Zhang Lifeng, et al. Spatiotemporal variation characteristics and influence factors of MODIS LST in Qilian Mountains. Arid Land Geography, 2020,43(3):726-737.] DOI: 10.12118/j.issn.1000-6060.2020.03.19.

DOI

[33]
Zhao Wei, Duan Sibo. Reconstruction of daytime land surface temperatures under cloud-covered conditions using integrated MODIS/Terra land products and MSG geostationary satellite data. Remote Sensing of Environment, 2020,247. DOI: 10.1016/j.rse.2020.111931.

DOI

[34]
赵冰, 毛克彪, 蔡玉林, 等. 中国地表温度时空演变规律研究. 国土资源遥感, 2020,32(2):233-240.

[ Zhao Bing, Mao Kebiao, Cai Yulin, et al. Study of the temporal and spatial evolution law of land surface temperature in China. Remote Sensing for Land and Resources, 2020,32(2):233-240.] DOI: 10.6046/gtzyyg.2020.02.30.

DOI

[35]
管延龙, 王让会, 李成, 等. 基于MODIS数据的天山区域地表温度时空特征. 应用生态学报, 2015,26(3):681-688.

[ Guan Yanlong, Wang Ranghui, Li Cheng, et al. Spatial-temporal characteristics of land surface temperature in Tianshan Mountains area based on MODIS data. Chinese Journal of Applied Ecology, 2015,26(3):681-688.] DOI: 10.13287/j.1001-9332.20141223.027.

DOI

[36]
祝聪, 彭文甫, 张丽芳, 等. 2006—2016年岷江上游植被覆盖度时空变化及驱动力. 生态学报, 2019,39(5):1583-1594.

[ Zhu Cong, Peng Wenfu, Zhang Lifang, et al. Study of temporal and spatial variation and driving force of fractional vegetation cover in upper reaches of Minjiang River from 2006 to 2016. Acta Ecologica Sinica, 2019,39(5):1583-1594.] DOI: 10.5846/stxb201805040993.

DOI

[37]
Li Qingxiang, Sun Wenbin, Huang Boyin, et al. Consistency of global warming trends strengthened since 1880s. Science Bulletin, 2020,65(20). DOI: 10.1016/j.scib.2020.06.009.

DOI

[38]
杨涵洧, 封国林. 2013年盛夏中国持续性高温事件诊断分析. 高原气象, 2016,35(2):484-494.

DOI

[ Yang Hanwei, Feng Guolin. Diagnostic analyses of characteristics and causes of regional and persistent high temperature event in China. Plateau Meteorology, 2016,35(2):484 494.] DOI: 10.7522/j.issn.1000-0534.2014.00130.

DOI

[39]
邓海军, 陈亚宁, 陈忠升. 增温增湿环境下天山山区降雪量变化. 地理科学, 2018,38(11):1933-1942.

DOI

[ Deng Haijun, Chen Yaning, Chen Zhongsheng. Changes of snowfall under warmer and wetter in the Tianshan Mountains. Scientia Geographica Sinica, 2018,38(11):1933-1942.] DOI: 10.13249/j.cnki.sgs.2018.11.021.

DOI

[40]
孙美平, 姚晓军, 李忠勤, 等. 天山东段乌鲁木齐河源区冰雪消融与产汇流水文过程. 地理学报, 2015,25(2):149-164.

[ Sun Meiping, Yao Xiaojun, Li Zhongqin, et al. Hydrological process of glacier and snow melting and run off in Urumqi River source region, eastern Tianshan Mountains. Acta Geographica Sinica, 2015,25(2):149-164.] DOI: 10.11821/dlxb201407007.

DOI

[41]
黄丽明, 陈健飞. 城市景观格局时空特征的热环境效应研究: 以广州市花都区为例. 自然资源学报, 2015,30(3):480-490.

[ Huang Liming, Chen Jianfei. Study on thermal environment effect of urban landscape pattern: A case study on Huadu District, Guangzhou. Journal of Natural Resources, 2015,30(3):480-490.] DOI: 10.11849/zrzyxb.2015.03.011.

DOI

[42]
Wei Baocheng, Bao Yuhai, Yu Shan, et al. Analysis of land surface temperature variation based on MODIS data a case study of the agricultural pastural ecotone of northern China. International Journal of Applied Earth Observations and Geoinformation, 2021,100. DOI: 10.1016/J.JAG.2021.102342.

DOI

[43]
刘勇洪, 房小怡, 张硕, 等. 京津冀城市群热岛定量评估. 生态学报, 2017,37(17):5818-5835.

[ Liu Yonghong, Fang Xiaoyi, Zhang Shuo, et al. Research on quantitative evaluations of heat islands for the Beijing-Tianjin-Hebei Urban Agglomeration. Acta Eeologica Siniea, 2017,37(17):5818-5835.] DOI: 10.5846/stxb201606031074.

DOI

[44]
张百平, 姚永慧. 山体效应对生态垂直格局的影响. 地理学报, 2016,26(7):871-877.

[ Zhang Baiping, Yao Yonghui. Implications of mass elevation effect for the altitudinal patterns of global ecology. Acta Geographica Sinica, 2016,26(7):871-877.] DOI: 10.1007/s11442-016-1303-2.

DOI

[45]
崔耀平, 刘纪远, 张学珍, 等. 京津唐城市群土地利用变化的区域增温效应模拟. 生态学报, 2015,35(4):993-1003.

[ Cui Yaoping, Liu Jiyuan, Zhang Xuezhen, et al. Modeling urban sprawl effects on regional warming in Beijing-Tianjing-Tangshan urban agglomeration. Aeta Ecologiea Siniea, 2015,35(4):993-1003.] DOI: 10.5846/stxb201305191114.

DOI

[46]
高原, 刘普幸, 姚玉龙, 等. 基于遥感的石河子绿洲冷岛效应时空变化特征及其影响因子分析. 自然资源学报, 2015,30(8):1319-1331.

[ Gao Yuan, Liu Puxing, Yao Yulong, et al. Spatial-temporal characteristics and factor analysis of the cold island effect in the Shihezi Oasis based on remote sensing images. Journal of Natural Resources, 2015,30(8):1319-1331.] DOI: 10.11849/zrzyxb.2015.08.007.

DOI

[47]
廖要明, 陈德亮, 刘秋锋. 中国地气温差时空分布及变化趋势. 气候变化研究进展, 2019,15(4):374-384.

[ Liao Yaoming, Chen Deliang, Liu Qiufeng. The spatiotemporal characteristics and long-term trends of surface-air temperatures difference in China. Climate Change Research, 2019,15(4):374-384.] DOI: 10.12006/j.issn.1673-1719.2018.199.

DOI

[48]
胡文峰, 陈玲玲, 姚俊强, 等. 气候变化背景下新疆气温和降水时空演变特征分析. 阜阳师范学院学报: 自然科学版, 2020,37(3):90-95.

[ Hu Wenfeng, Chen Lingling, Yao Junqiang, et al. Analysis of the temporal and spatial evolution of temperature and precipitation in Xinjiang under the background of climate change. Journal of Fuyang Normal University: Natural Science, 2020,37(3):90-95.] DOI: 10.14096/j.cnki.cn34-1069/n/1004-4329(2020)03-0090-06.

DOI

[49]
周连童, 温李明. 我国春夏季地气温差的时空变化特征及其与夏季降水的联系. 气候与环境研究, 2016,21(6):621-632.

[ Zhou Liantong, Wen Liming. Characteristics of temporal and spatial variations in land-air temperature difference in Chma and its association with summer rainfall. Climatic and Environmental Research, 2016. 21(6):621-632.] DOI: 10.3878/j.issn.1006-9585.2016.15196.

DOI

[50]
王佳琳, 潘志华, 韩国琳, 等. 1961—2010年中国0cm地温变化特征及其与气温变化的关系. 资源科学, 2016,38(9):1733-1741.

[ Wang Jialing, Pan Zhihua, Han Guolin, et al. Variation in ground temperature at a depth of 0 cm and the relationship with air temperature in China from 1961 to 2010. Resources Science, 2016,38(9):1733-1741.] DOI: 10.18402/resci.2016.09.11.

DOI

[51]
姚宜斌, 雷祥旭, 张良, 等. 青藏高原地区1979—2014年大气可降水量和地表温度时空变化特征分析. 科学通报, 2016,61:1462-1477.

[ Yao Yibin, Lei Xiangxu, Zhang Liang, et al. Analysis of precipitable water vapor and surface temperature variation over Qinghai-Tibetan Plateau from 1979 to 2014. Chinese Science Bulletin, 2016,61:1462-1477.] DOI: 10.1360/N972015-00850.

DOI

Options
文章导航

/

〈 〉