基于MODIS数据的石羊河流域地表温度空间分布

干旱区地理 ›› 2014, Vol. 37 ›› Issue (1): 125-133.

基于MODIS数据的石羊河流域地表温度空间分布

屈创，马金辉，夏燕秋，田菲

（兰州大学资源环境学院，甘肃兰州 730000）

收稿日期:2013-06-19 修回日期:2013-08-25 出版日期:2014-01-25
通讯作者: 马金辉（1964-），男，副教授，博士，研究方向为地理信息系统空间分析和西部地理环境空间建模. Email：majh@lzu.edu.cn
作者简介:屈创（1988-），男，兰州大学硕士研究生，专业为地图学与地理信息系统，主要研究方向是GIS空间分析与环境建模.Email：roonymac@126.com
基金资助:
国家自然科学基金项目：石羊河流域生态承载力时空变化及驱动力研究（41171154）资助

Spatial distribution of land surface temperature retrieved from MODIS data in Shiyang River Basin

QU Chuang，MA Jin-hui，XIA Yan-qiu，TIAN Fei

（College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, Gansu, China）

Received:2013-06-19 Revised:2013-08-25 Online:2014-01-25

摘要/Abstract

摘要： 地表温度是生态系统中极其重要的环境因子，中小尺度区域的热场空间分布对生态系统稳定性的研究以及干旱区流域的农业生产建设具有重要意义。利用MODIS数据，采用劈窗算法反演石羊河流域的陆地表面温度（LST），并计算植被指数（NDVI）；利用TM影像，通过目视解译获得研究区的土地利用数据，结合DEM数据，采用GIS空间分析方法，分析LST的空间分布特征和LST与NDVI在不同土地利用类型之间的差异以及二者之间的定量关系。结果表明：研究区陆地表面温度北高南低，东高西低，整体上表现为由东北向西南逐渐降低的趋势；地表温度与海拔呈负线性相关，相关系数为-0.928；不同土地利用类型的地表温度存在差异，地表温度最高的未利用土地要比最低的林地高出16.42 K；对于单一土地利用类型，耕地、林地、草地、建设用地的地表温度与NDVI具有明显负相关；对于整个研究区土地利用空间结构，地表温度与[NDVI]表现为LST-NDVI梯形关系，反映了流域地表温度和植被覆盖之间的关系，由此看出绿色植被对调节区域气候温度的重要性。

关键词: MODIS, 劈窗算法, LST, 土地覆盖

Abstract: Land surface temperature （LST） is a very important environmental factor to impact the energy and water exchange between the atmosphere and the ecosystem. The spatial distribution of LST in small and medium-scale region has a great significance on the stability of ecosystems and agricultural production and construction of the arid basins. In this study，the Shiyang River Basin in Gansu Province is chosen as the study area. It is a typically arid inland basin and its ecological environment is very fragile. The LST is retrieved from MODIS data by split-window algorithm，and the normalized difference vegetation index （NDVI） is calculated by its first band and second band. At the same time，the land use/cover is acquired from TM data by human-computer interactive interpretation. Combined with land use/cover and DEM data，the spatial distribution of LST is identified and the relation between NDVI and LST is analyzed in different land use types. The result shows as follows：（1）The LST in the north and the east is higher than that in the south and the west of the study area，respectively. It performed the trend that the LST reduced gradually from the northeast to the southwest. （2）There is a negative correlation between LST and altitude，and the correlation coefficient is -0.928. Due to the differences in heat capacities，different land use/cover types，LST also has differences. The quantitative difference is 16.42 K between the highest LST of unused land and the lowest LST of forest land. （3）For single type of land use/cover，LST and [NDVI] have a significant negative correlation between cropland，forest land，grassland，and construction land. For the whole configuration of land use/cover in the study area，the relation between LST and NDVI displays ‘trapeziform’. The feature space of NDVI-LST contains a lot of geo-information，which reflects the relationship between the basin surface temperature and vegetation cover. And from the feature space of NDVI-LST，we can see that the green vegetation has a great importance on regulating the temperature of regional climate.

Key words: MODIS, split-window algorithm, LST, LUCC

中图分类号:

TP79

屈创，马金辉，夏燕秋，田菲. 基于MODIS数据的石羊河流域地表温度空间分布[J]. 干旱区地理, 2014, 37(1): 125-133.

QU Chuang，MA Jin-hui，XIA Yan-qiu，TIAN Fei. Spatial distribution of land surface temperature retrieved from MODIS data in Shiyang River Basin[J]. , 2014, 37(1): 125-133.

参考文献

［1］ LO C P，QUATTROCHI D A，LUVALL J C. Application of high-resolution thermal infrared remote sensing and GIS to assess the urban heat island effect［J］. International Journal of Remote Sensing，1997，18（2）：287-304.

［2］ WILSON J S，CLAY M，MARTIN E. Evaluating environmental influence of zoning in urban ecosystems with remote sensing［J］. Remote Sensing of environment，2003，86（3）：303-321．

［3］ JI C P，LIU W D，XUAN C Y. Impact of urban growth on the heat island in Beijing［J］. Chinese Journal of Geophysics，2006，49（1）：69-77．

［4］毛克彪，覃志豪，施建成. 用MODIS 影像和劈窗算法反演山东半岛的地表温度［J］. 中国矿业大学学报，2005，34（1）：46-50.

［5］刘宇，匡耀求，吴志峰，等. 不同土地利用类型对城市地表温度的影响——以广东东莞为例［J］. 地理科学，2006，26（5）：597-602.

［6］岳文泽，徐丽华，徐建华，等. 20世纪90年代上海市热环境变化及其社会经济驱动力［J］. 生态学报，2010，30（1）：155-164.

［7］覃志豪，ZHANG Minghua，KARNIELI Arnon，等. 用陆地卫星TM6数据演算地表温度的单窗算法［J］. 地理学报，2001，56（4）：456-466.

［8］李红林，李万彪. MODIS近红外资料反演大气水汽总含量［J］.北京大学学报（自然科学版），2008，44（1）：121-128.

［9］高懋芳，覃志豪，徐斌. 用MODIS数据反演地表温度的基本参数估计方法［J］. 干旱区研究，2007，24（1）：113-119.

［10］姜立鹏，覃志豪，谢雯. MODIS数据地表温度反演分裂窗算法的IDL实现［J］. 测绘与空间地理信息，2006，29（3）：114-117.

［11］覃志豪，高懋芳，秦晓敏，等. 农业旱灾监测中的地表温度遥感反演方法-以MODIS数据为例［J］. 自然灾害学报，2005，14（4）：64-71.

［12］ QIN Z，DALL’OLMO G，Karnieli A，et al. Derivation of split-window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-AVHRR data［J］. Journal of Geophysical Research，2001，106（D19）：22655-22670.

［13］潘竟虎，冯兆东，相得年，等. 河谷型城市土地利用类型及格局的热环境效应遥感分析——以兰州市为例［J］．遥感技术与应用，2008，23（2）：86-91.

［14］秦晓敏，覃志豪，毛克彪. 基于MODIS数据的陕西省地表温度的空间分布研究［J］. 干旱区地理，2005，28（4）：548-553.

［15］潘竟虎，李宝娟. 基于空间PCA的兰州市热环境人文驱动因素分析［J］. 干旱区地理，2011，34（4）：662-670.

［16］张新乐，张树文，李颖，等. 基于遥感影像的哈尔滨市城市热环境变化［J］. 干旱区地理，2009，32（2）：310-316.

［17］齐述华，骆成凤，王长耀，等. 气温与陆地表面温度和光谱植被指关系的研究［J］. 遥感技术与应用，2006，21（2）：130-136.

［18］陈云浩，李晓兵，史培军，等. 上海城市热环境的空间格局分析［J］. 地理科学，2002，22（3）：317-323.

[1]	王子超, 王春磊, 马俊俊. 沙尘天气下黑河流域大气长波辐射遥感估算[J]. 干旱区地理, 2023, 46(2): 243-252.
[2]	艾尔肯·图尔荪,玉素甫江·如素力,崔一爽,喀迪阿依·阿力木,米日阿依·买土地. 2000—2019年新疆大型湖泊湖冰物候时空变化特征[J]. 干旱区地理, 2022, 45(5): 1440-1449.
[3]	王瑾杰,丁建丽,张子鹏. 基于遥感生态指数的吐哈地区生态环境变化研究[J]. 干旱区地理, 2022, 45(5): 1591-1603.
[4]	于志翔,李霞,于晓晶,郑宇,毛列尼·阿依提看,李淑婷,王楠. 2003—2019年新疆气溶胶光学厚度时空变化特征[J]. 干旱区地理, 2022, 45(2): 346-358.
[5]	秦启勇,李雪梅,张博,李超,孙天瑶. 2000—2019年赛里木湖湖冰物候特征变化[J]. 干旱区地理, 2022, 45(1): 37-45.
[6]	王丽平,段四波,张霄羽,于艳茹. 2003-2018年中国地表温度年最大值的时空分布及变化特征[J]. 干旱区地理, 2021, 44(5): 1299-1308.
[7]	李慧融. 基于反射率和亮度温度的锡林郭勒积雪深度估算[J]. 干旱区地理, 2020, 43(6): 1567-1572.
[8]	庞冉, 王文. 基于 MODIS 数据的吐鲁番盆地 2001—2017 年植被变化及水热组合影响分析[J]. 干旱区地理, 2020, 43(5): 1242-1252.
[9]	孙灏, 马立茹, 蔡创创, 黄涛, 吕林涛, 阮琳, 陈伟. 干旱区地表温度和热岛效应演变研究——以宁夏沿黄城市带为例[J]. 干旱区地理, 2020, 43(3): 694-705.
[10]	黄鑫, 刘建红, 申克建, 刘咏梅, 王雷. 基于MODIS的青海草地产草量变化遥感分析[J]. 干旱区地理, 2020, 43(3): 715-725.
[11]	邱丽莎, 何毅, 张立峰, 王文辉, 唐源蔚. 祁连山MODIS LST时空变化特征及影响因素分析 [J]. 干旱区地理, 2020, 43(3): 726-737.
[12]	姜康, 包刚, 乌兰图雅, 姜莉, 王牧兰. 基于MODIS数据的蒙古高原积雪时空变化研究[J]. 干旱区地理, 2019, 42(4): 782-789.
[13]	岳辉, 刘英. 近15a陕西省植被时空变化与影响因素分析[J]. 干旱区地理, 2019, 42(2): 314-323.
[14]	胡鹏飞，李净，王丹，黄康刚. 基于MODIS和TRMM数据的黄土高原[J]. 干旱区地理, 2019, 42(1): 172-179.
[15]	何海迪, 李忠勤, 张明军. 基于MODIS数据中国天山积雪面积时空变化特征分析[J]. 干旱区地理, 2018, 41(2): 367-374.