焦 歡,丁 憶,段松江,肖 禾

(重慶市地理信息和遙感應用中心，重慶 401147)

地表溫度(land surface temperature，LST)是區(qū)域和全球地表物理過程中的一個關鍵因子，也是研究地表和大氣之間物質(zhì)交換和能量交換的重要參數(shù)。區(qū)域尺度下地表溫度的變化與植被、水文、氣候、地形、高程等多種環(huán)境因子密切相關[1-2]，能夠反映區(qū)域生態(tài)環(huán)境變化。植被覆蓋度(vegetation coverage, VC)用于表征區(qū)域植被狀況，同時也是衡量區(qū)域生態(tài)環(huán)境狀況的主要指標之一[3]。

近年來，VC與LST之間的關系一直是生態(tài)環(huán)境變化相關研究的熱點之一。目前國內(nèi)外學者主要運用遙感數(shù)據(jù)研究區(qū)域尺度下VC與LST的時空變化特征及影響因素[4-6]，以及單一時間斷面[7-8]、長時間序列[9-10]上兩者之間的關系。其中,針對兩者關系的研究主要是探討兩者之間的線性相關關系與空間自相關關系，而耦合關系研究較少。VC與LST作為生態(tài)環(huán)境的2個子系統(tǒng)，兩者之間存在相互作用、交互耦合的關系[11]。一方面地表溫度受太陽輻射、下墊面變化、經(jīng)濟發(fā)展以及城鎮(zhèn)邊界的擴張等影響，對植被生長產(chǎn)生促進或抑制作用；另一方面植被覆蓋也是影響地表溫度變化的主要環(huán)境因子之一[12]，植被通過光合作用、蒸騰作用等調(diào)節(jié)區(qū)域地表環(huán)境從而改善地表溫度。研究VC與LST之間的相關關系以及空間耦合的季節(jié)分異特征，能夠追蹤生態(tài)環(huán)境變化趨勢，有助于提供完善區(qū)域生態(tài)環(huán)境模式的理論依據(jù)。

三峽庫區(qū)作為西南地區(qū)的重要生態(tài)功能區(qū)，自然資源豐富，生態(tài)功能作用突出，是長江上游主要的生態(tài)敏感區(qū)之一。由于三峽庫區(qū)獨特的地理環(huán)境，庫區(qū)受人為活動的干擾較大，生態(tài)系統(tǒng)變化較為頻繁。該研究基于MODIS數(shù)據(jù)產(chǎn)品，在大尺度上探討VC與LST之間的相關性，同時分析兩者之間空間耦合的季節(jié)差異，進一步了解三峽庫區(qū)的生態(tài)環(huán)境變化情況，為庫區(qū)更好地實施生態(tài)環(huán)境建設與保護提供理論依據(jù)。

1 研究區(qū)概況

三峽庫區(qū)東起湖北宜昌，西至重慶江津(28°31′～31°44′ N，105°50′～111°40′ E),是受三峽工程淹沒直接影響的22個行政單元，總面積約5.8萬km2。三峽庫區(qū)地處四川盆地以東、江漢平原以西、大巴山脈以南、鄂西武陵山脈以北的山區(qū)地帶，地形十分復雜，地質(zhì)狀況特殊，加之人為活動的干擾，庫區(qū)內(nèi)易發(fā)生滑坡、坍塌、泥石流等自然災害。庫區(qū)屬亞熱帶季風氣候區(qū)，為南溫帶和亞熱帶過渡地帶，年平均氣溫為17～18 ℃，年平均降水量為1 100～1 200 mm，適宜多種動植物的生長。三峽庫區(qū)植被類型豐富，主要有亞熱帶常綠闊葉林、落葉闊葉混交林、落葉闊葉與常綠針葉混交林和灌草叢等。研究區(qū)位置示意見圖1。

圖1 研究區(qū)位置示意

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源與處理

采用美國NASA(https:∥ladsweb.nascom.nasa.gov/search)MODIS陸地標準產(chǎn)品，包括MOD13Q1(250 m植被指數(shù)/16天合成產(chǎn)品)、MOD11A2(1 km地表溫度/反射率8天合成L3產(chǎn)品)覆蓋的h26v05、h26v06兩瓦片數(shù)據(jù)產(chǎn)品。NDVI與LST產(chǎn)品為三級數(shù)據(jù)產(chǎn)品，已進行地理參考與幾何校正，運用MRT工具將投影轉(zhuǎn)換為UTM投影并進行拼接，分別生成23、46景的MODIS NDVI與LST數(shù)據(jù)[13]。MODIS數(shù)據(jù)產(chǎn)品通過最大值合成法在一定程度上減少云、霧、太陽高度角和傳感器等的影響，提高了數(shù)據(jù)精度，能夠較好地擬合NDVI與LST[14]。因此，運用Savitzky-Golay濾波對MODIS NDVI與LST數(shù)據(jù)進行平滑處理，進一步減少云、氣溶膠、噪聲以及缺失值的影響[15]，同時采用最大值合成法獲得季節(jié)數(shù)據(jù)(3—5月合成春季數(shù)據(jù)，6—8月合成夏季數(shù)據(jù)，9—11月合成秋季數(shù)據(jù)，12—2月合成冬季數(shù)據(jù))和全年數(shù)據(jù)。近年來，隨著庫區(qū)蓄水、“打造庫區(qū)千里林帶”等活動的開展，庫區(qū)生態(tài)環(huán)境、氣候都發(fā)生了明顯的變化，為保證研究數(shù)據(jù)的一致性，該研究采用2020年度數(shù)據(jù)，同時將NDVI與LST數(shù)據(jù)統(tǒng)一為同一空間分辨率。

2.2 研究方法

2.2.1像元二分模型

NDVI可以很好地反映不同時期植被的長勢以及不同地點植被的覆蓋情況[16]，所以運用基于NDVI(INDV)的像元二分模型來估算三峽庫區(qū)植被覆蓋度，計算公式為

(1)

式(1)中，CV為植被覆蓋度;為了消除水域、建設用地的影響，參照文獻[17-18]將INDV,max和INDV,min分別確定為NDVI置信區(qū)間95%和5%處的取值。

2.2.2空間自相關分析

空間自相關分析可用于研究鄰近位置上某屬性在空間上的相關性，包括全局與局部2種自相關[19]。空間自相關Moran′sI指數(shù)是運用較廣泛的一種度量自相關性的全局判定指標，可用于判斷研究區(qū)域VC與LST在空間上的整體分布關系。使用雙變量Moran′sI指數(shù)[20]對2020年度四季VC與LST進行全局空間自相關分析。計算公式為

I=

(2)

2.2.3空間耦合模型

耦合是物理學上的概念，指2個及以上要素或系統(tǒng)相互作用而彼此影響的現(xiàn)象[20]。耦合度用于衡量要素或者系統(tǒng)之間的相互作用程度，選取空間耦合模型計算三峽庫區(qū)VC與LST四季的空間耦合度，計算公式為

(3)

式(3)中，C為耦合度；f(x)、g(x)分別為VC與LST在x處歸一化后的數(shù)值。參照文獻[18]，將空間耦合指數(shù)劃分為4個等級，耦合度[0,0.3]、(0.3,0.5]、(0.5,0.8]、(0.8,1.0]分別表示耦合效果極差、較差、較好、極好。

3 結(jié)果與分析

3.1 VC與LST的時空變化特征分析

由圖2可見，三峽庫區(qū)平均LST具有明顯的空間分布特征，呈現(xiàn)出從西南的庫尾向東北的庫首逐漸降低的變化趨勢。

圖2 2020年研究區(qū)平均植被覆蓋度(VC)與地表溫度(LST)分布圖

區(qū)域LST空間差異受坡度的影響較明顯，LST較低值分布在庫區(qū)北部與庫腹南部峭坡區(qū)域，LST較高值集中分布在坡度較緩的庫尾地區(qū)。三峽庫區(qū)植被覆蓋度較高，年平均VC達62.44%，VC較低值集中分布于江河兩岸以及人口集中的庫尾區(qū)域；VC較高值則分布于庫腹的巫山、巫溪等地勢較為陡峭、海拔較高的區(qū)域。LST的空間分布在一定程度上受VC的空間分布影響，VC較低的庫尾地區(qū)地表溫度明顯高于庫腹與庫首地區(qū)，庫尾地區(qū)年平均VC較庫區(qū)低15%，而年平均LST較庫區(qū)高3.5 ℃。庫尾中梁山與銅鑼山的中間地帶地勢較平坦，海拔較低，起伏較小，是重慶中心城區(qū)的主要分布區(qū)域。中心城區(qū)與周邊地區(qū)經(jīng)濟快速發(fā)展，城市建設規(guī)模較大，導致VC降低，從而引起LST快速上升，造成庫尾高溫效應聚集?？傮w來看，三峽庫區(qū)VC與LST在空間上具有負相關性，VC較高區(qū)域其LST較低，LST較高區(qū)域其VC明顯低于周邊地區(qū)，說明良好的植被覆蓋對于改善人居環(huán)境有重要意義。

分季節(jié)統(tǒng)計三峽庫區(qū)平均LST與VC，結(jié)果如圖3所示?？傮w上，2020年三峽庫區(qū)四季LST與VC的空間分布與年均LST與VC的空間分布較為一致。

圖3 2020年研究區(qū)四季植被覆蓋度(VC)與地表溫度(LST)分布圖

夏季平均LST最高，達32 ℃，冬季平均LST最低，在15 ℃左右，年內(nèi)最高與最低平均LST差值為17 ℃。三峽庫區(qū)秋季平均VC最高，達0.671，冬季平均VC最低，在0.543左右，年內(nèi)最高與最低平均VC差值為0.128。秋季平均VC與夏季平均VC差值僅為0.001，庫區(qū)夏季到秋季VC有小幅增加，總體來說夏秋兩季VC較高，四季中VC與LST存在一定的負相關性。

3.2 VC與LST的相關性分析

3.2.1VC與LST的線性回歸分析

運用GeoDa軟件的線性回歸工具得到三峽庫區(qū)2020年四季VC與LST的線性回歸方程(表1)，各季節(jié)的回歸方程均通過0.01水平的顯著性檢驗，表明三峽庫區(qū)VC與LST具有顯著負相關性。四季中，夏季VC與LST之間的負相關性最為顯著，R2達0.529，夏季植被覆蓋度每增加0.1，地表溫度降低0.93 ℃；春季VC與LST之間的負相關性也較為顯著，R2為0.382，春季植被覆蓋度每增加0.1，地表溫度降低0.65 ℃；秋冬季VC與LST之間的負相關性相近，秋冬兩季LST主要與庫區(qū)獨特的地形條件、氣候環(huán)境等因素有關，而與植被覆蓋的相關性偏弱。

表1 2020年研究區(qū)四季植被覆蓋度(VC)與地表溫度(LST)的線性回歸方程

3.2.2VC與LST的空間自相關分析

為進一步研究VC與LST的空間相關關系，對四季VC與LST進行全局空間自相關分析，運用GeoDa軟件建立最近鄰空間權(quán)重矩陣 (K=8)，并計算四季VC與LST的雙變量Moran′sI值，雙變量Moran′sI散點圖的Z值均小于-1.65，均通過顯著性檢驗，輸出結(jié)果見圖4。Moran′sI散點圖中橫坐標為各數(shù)據(jù)點標準化后的屬性值，縱坐標為根據(jù)空間連接矩陣相鄰單元屬性的均值得到的空間滯后值。由圖4可知，春、夏、秋、冬VC與LST的雙變量Moran′sI均為負值，分別為-0.437、-0.507、-0.235、-0.289，表明四季三峽庫區(qū)VC與LST在空間上均呈現(xiàn)明顯的負相關性,且存在季節(jié)差異。其中夏季雙變量Moran′sI絕對值高于春、秋、冬季，夏季空間負相關性最強，空間分布最為聚集，春季次之，秋季與冬季空間自相關性最弱，空間分布離散程度最高。

圖4 雙變量Moran′s I散點圖

3.3 VC與LST的空間耦合季節(jié)分異分析

相關性分析表明，三峽庫區(qū)四季VC與LST均存在明顯的相關性，故采用空間耦合度模型計算三峽庫區(qū)四季VC與LST的空間耦合度，結(jié)果見圖5?？傮w上，庫區(qū)四季VC與LST的耦合度與全年VC與LST的耦合度變化規(guī)律保持高度一致性。三峽庫區(qū)四季VC與LST這2個單一系統(tǒng)的整體耦合效果均處于極高水平，兩者在空間上主要表現(xiàn)為非協(xié)調(diào)，地表溫度改善對植被覆蓋度極為依賴，加之建設用地的增加導致植被覆蓋對地表溫度的負反饋作用也日益突出，三峽庫區(qū)VC與LST更傾向于相互拮抗，兩者的耦合度較高。其中春季耦合效果最強，這與春季植被在滿足自身發(fā)育的溫度之后快速增長有關；冬季耦合效果最差，可能與冬季氣溫寒冷，植被在深秋季節(jié)便進入落葉期有關。而四季VC與LST耦合效果較差的區(qū)域主要分布于重慶市中心城區(qū)、長江兩岸、巫溪和巫山北部的高海拔地區(qū)。其中LST受其他因素的影響較大，重慶市中心城區(qū)的城市熱島效應極為顯著，城市下墊面對LST的影響較大，削減了VC與LST之間的相關性；長江兩岸VC近似為0，故兩者之間的空間耦合效果差；巫溪、巫山北部地區(qū)海拔高，地勢起伏陡峭，對VC與LST影響較大?？傮w來說，耦合效果差的區(qū)域所占比例較小，對四季VC與LST的整體耦合效果趨勢沒有太大影響。

圖5 2020年研究區(qū)各季節(jié)植被覆蓋度(VC)與地表溫度(LST)的空間耦合度分布

對三峽庫區(qū)四季耦合度分區(qū)間進行統(tǒng)計，結(jié)果見表2。由表2可知，四季耦合度在(0.8,1.0]區(qū)間的柵格數(shù)最多，其余依次為(0.5,0.8]、[0,0.3]、(0.3,0.5]。在耦合度為 (0.3,0.5]與(0.5,0.8]區(qū)間時，柵格占比從春季到冬季的變化趨勢表現(xiàn)為“N”型，即先增后減再增。在耦合度為(0,0.3]與(0.8,1]區(qū)間時，柵格占比從春季到冬季的變化趨勢分別表現(xiàn)為倒“U”型與正“U”型，前者先增后減，后者先減后增。

表2 四季不同區(qū)間耦合度柵格數(shù)及占比

在ArcGIS 軟件中運用疊加分析法統(tǒng)計四季變更時各耦合效果相互轉(zhuǎn)化的柵格數(shù)，結(jié)果如圖6所示。秋-冬季耦合效果發(fā)生轉(zhuǎn)化的柵格數(shù)為 14 220，即三峽庫區(qū)秋-冬季24.998% 的區(qū)域耦合效果發(fā)生變化；冬-春季21.190% 的區(qū)域耦合效果發(fā)生變化；夏-秋季17.370%的區(qū)域耦合效果發(fā)生變化；春-夏季發(fā)生轉(zhuǎn)化的柵格數(shù)最少，僅14.122%的區(qū)域耦合效果發(fā)生轉(zhuǎn)化?？梢钥闯?，VC與LST變化較大的季節(jié)耦合度發(fā)生轉(zhuǎn)化的柵格數(shù)較多，反之則較少。春-夏季耦合效果變更均變現(xiàn)為由高級耦合向低級耦合轉(zhuǎn)化，夏-秋、秋-冬與冬-春季耦合效果變更表現(xiàn)為由低級耦合向高級耦合轉(zhuǎn)化較多。其中，夏-秋、秋-冬季耦合效果由較好向極好轉(zhuǎn)化較多，轉(zhuǎn)化柵格數(shù)分別為1 081與516；而冬-春季耦合效果由極差向極好轉(zhuǎn)化較多，轉(zhuǎn)化柵格數(shù)為844。

圖6 季節(jié)變更時不同耦合效果轉(zhuǎn)化柵格數(shù)

對四季VC與LST間的耦合類型進行分類，結(jié)果見表3。其中，VC與LST歸一化數(shù)值的差值高于0.25以上，表示植被覆蓋度更高，屬于VC滯后型，反之為LST滯后型；若兩者數(shù)值相差不超過0.25，表示植被覆蓋子系統(tǒng)與地表溫度子系統(tǒng)相互協(xié)同，屬于VC與LST同步型。四季耦合度在(0.8,1.0]區(qū)間內(nèi)，LST滯后型柵格占比最大，其次是VC與LST同步型，VC滯后型柵格占比最小，且該區(qū)間各耦合類型的柵格占比均大于其余3個區(qū)間同一耦合類型的柵格占比。其余區(qū)間范圍整體上表現(xiàn)為LST滯后型柵格占比最大，其次為VC滯后型，VC與LST同步型柵格占比最小。

表3 不同季節(jié)植被覆蓋度(VC)與地表溫度(LST)各耦合類型的柵格數(shù)及占比

具體而言，夏季各耦合度區(qū)間的LST滯后型柵格占比均為最大，VC滯后型柵格占比在除耦合度為[0,0.3]外的其余3個區(qū)間均為最小，即夏季各耦合類型中LST滯后型柵格占比最大，VC滯后型柵格占比最小。秋季各耦合類型中，LST與VC同步型占比最大，達37.223%。VC滯后型柵格占比大小表現(xiàn)為春季>冬季>秋季>夏季，LST與VC同步型柵格占比大小表現(xiàn)為秋季>冬季>夏季>春季，LST滯后型柵格占比大小為夏季>冬季>秋季>春季。春夏兩季VC滯后型與LST滯后型的變化趨勢相反，這可能與春季地表溫度逐漸升高，綠植的有效積溫逐漸達到飽和，綠植的生長速率大于地表溫度隨光照強度增加的升高速率，而夏季地表溫度達四季中最高，故夏季LST滯后型占比最大。

4 討論與結(jié)論

以MODIS為數(shù)據(jù)源，選取三峽庫區(qū)為研究對象，分析2020年VC與LST的空間分布與季節(jié)變化特征，運用GeoDa軟件對四季VC與LST之間的線性相關性與空間自相關性進行計算，并得到四季線性回歸方程及Moran′sI散點圖，最后運用空間耦合模型計算四季VC與LST之間的空間耦合度，分析三峽庫區(qū)空間耦合季節(jié)分異特征，主要結(jié)論如下：

(1)三峽庫區(qū)VC與LST的時空分布具有明顯差異性。從空間分布上看，LST高值區(qū)集中分布于西南的庫尾區(qū)域，低值區(qū)則分布在庫區(qū)北部與庫腹南部峭坡區(qū)域；而VC則反之，VC較低區(qū)域集中分布于江河兩岸以及人口集中的庫尾區(qū)域，VC較高區(qū)域則分布于庫腹的巫山、巫溪等坡度較陡的區(qū)域。從時間上看，LST表現(xiàn)為夏季>春季>秋季>冬季，VC表現(xiàn)為秋季>夏季>春季>冬季。年內(nèi)最高與最低平均LST差值為17 ℃，年內(nèi)最高與最低平均VC差值為0.128，三峽庫區(qū)四季平均地表溫度較適宜，植被覆蓋度較高。

(2)三峽庫區(qū)VC與LST呈負相關關系且各季節(jié)之間存在差異。VC與LST空間自相關分析與線性回歸分析結(jié)果一致，即三峽庫區(qū)VC與LST呈負相關關系，且兩者在四季間的相關性存在差異，夏、春、冬、秋季VC與LST的相關性依次減弱。

(3)三峽庫區(qū)VC與LST整體空間耦合效果極好，各耦合度區(qū)間的占比差異明顯。三峽庫區(qū)VC與LST這2個單一系統(tǒng)的整體耦合效果處于極高水平，兩者在空間上主要表現(xiàn)為非協(xié)調(diào)。耦合度在(0.3,0.5]與(0.5,0.8]內(nèi)，柵格占比從春季到冬季的變化趨勢表現(xiàn)為“N”型；在(0,0.3]與(0.8,1.0]內(nèi)，柵格占比從春季到冬季的變化趨勢分別表現(xiàn)為倒“U”與正“U”型。三峽庫區(qū)季節(jié)變更時耦合效果變化的區(qū)域從多到少表現(xiàn)為秋-冬>冬-春>夏-秋>春-夏，且春-夏季耦合效果變更均為由高級耦合向低級耦合轉(zhuǎn)化，夏-秋、秋-冬與冬-春季耦合效果變更為由低級耦合向高級耦合轉(zhuǎn)化較多。耦合效果為極好的區(qū)域中，LST滯后型柵格占比最大，其次是VC與LST同步型，VC滯后型柵格占比最小。耦合效果較好、較差、極差的區(qū)域整體上表現(xiàn)為LST滯后型柵格占比最大，其次是VC滯后型，VC與LST同步型柵格占比最小。

由于該研究主要是對季節(jié)差異進行分析，因此只選取了一年期數(shù)據(jù)，樣本量較少，采用的MODIS數(shù)據(jù)源為中分辨率，時間與空間分辨率也不夠精細，這在一定程度上會影響VC與LST空間耦合性分析結(jié)果的精確性。后續(xù)需利用多源、多時像的高分辨率、高光譜特征的遙感數(shù)據(jù)源，進一步探討VC與LST在時空上的耦合關系，進一步深入分析典型生態(tài)區(qū)環(huán)境變化以及環(huán)境因子之間的關聯(lián)性。