2025年04月13日 星期日

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (1): 185-200.doi: 10.16088/j.issn.1001-6600.2024053001

• “生态保护与资源可持续利用”专辑 • 上一篇    下一篇

滇中地区地表温度时空分布及其驱动因子分析

廖朝莲1, 周鹏飞1, 叶江霞2, 周汝良1*   

  1. 1.西南林业大学 水土保持学院,云南 昆明 650224;
    2.西南林业大学 林学院,云南 昆明 650224
  • 收稿日期:2024-05-30 修回日期:2024-07-10 出版日期:2025-01-05 发布日期:2025-02-07
  • 通讯作者: 周汝良(1963—),男,云南祥云人,西南林业大学教授。E-mail:zhou_ruliang@163.com
  • 基金资助:
    国家林业和草原局国家级成果推广项目(2023133128);国家自然科学基金(32360392)

Temporal and Spatial Distribution of Land Surface Temperature and Its Driving Factors in Central Yunnan

LIAO Chaolian1, ZHOU Pengfei1, YE Jiangxia2, ZHOU Ruliang1*   

  1. 1. College of Soil and Water Conservation, Southwest Forestry University, Kunming Yunnan 650224, China;
    2. College of Forestry, Southwest Forestry University, Kunming Yunnan 650224, China
  • Received:2024-05-30 Revised:2024-07-10 Online:2025-01-05 Published:2025-02-07

PDF (PC)

5

摘要： 地表温度(LST)是影响陆地和大气间能量交换和水分循环的重要因素,在干旱、冻害、森林防火等灾害监测中起关键作用。基于2000—2020年LST数据,通过GIS空间分析、多环缓冲区以及地理探测器等手段,对滇中地区年、季、月、昼夜的年均LST空间分布特征及变化趋势进行分析,并结合多源遥感数据对年均LST的关键影响因子进行探讨。结果表明:1)地表温度年均、年均白天及年均夜晚在空间分布上表现为滇中东北部较低,西南部较高,三者均呈升温趋势,且年均夜晚变化率最大(0.043 4 ℃·a-1);年均的季节变化率为夏季>秋季>春季>冬季;年均LST以6月为中点呈现年内强对称规律,最低值在12月,最高值在6月;2)气温、DEM、DSR、DNMI、NDVI是LST的主要影响因子,且气温和DEM与其他影响因子交互作用时对LST的解释力极度增强;滇中地区海拔每升高100 m,年均、年均白天及年均夜晚LST分别下降0.48、0.46、0.49 ℃;不同下垫面的年均LST为建设用地>耕地>草地>林地>水域;在所取圆环面积内城市热岛效应强度为蒙自市>楚雄市>红塔区>麒麟区,五华区属于城市冷岛效应。滇中地区地表温度的空间格局分析可以为该区农业及消防事业规划提供一定的理论支撑。

关键词: 滇中地区, 地表温度, 空间分布, 地理探测器, 热(冷)岛效应, 影响因子

Abstract: Surface temperature (LST) is an important factor affecting the energy exchange and water cycle between land and atmosphere, and plays a key role in monitoring drought, freezing damage, forest fire prevention and other disasters. Based on the LST data from 2000 to 2020, the spatial distribution characteristics and variation trend of annual, seasonal, monthly and diurnal LST in central Yunnan were analyzed by means of GIS spatial analysis, multi-ring buffer zone and geographic detector, and the key influencing factors of annual LST were discussed in combination with multi-source remote sensing data. The results show that: 1) The spatial distribution of annual average LST, annual average daytime and annual average night LST was lower in northeastern Yunnan and higher in southwestern Yunnan, all showed a warming trend, and the annual average night LST changes at the highest rate (0.043 4 ℃·a-1); The seasonal variation rates of annual LST were summer >autumn >spring >winter; The average annual LST showed a strong symmetry pattern with June as the midpoint, with the lowest value in December and the highest value in june. 2) Air temperature, DEM, DSR, DNMI and NDVI were the main influencing factors of LST, and the explanatory power of air temperature and DEM was extremely enhanced when they interacted with other influencing factors. With every 100 m of elevation increased in central Yunnan, the annual average, annual average daytime and annual average night LST decreased by 0.48, 0.46 and 0.49 ℃, respectively. The average annual LST of different underlying surfaces was construction land > cultivated land > grassland > woodland > water. The intensity of urban heat island effect in the selected ring area was Mengzi City > Chuxiong City > Hongta District > Qilin District, while Wuhua District belongs to the urban cold island effect. The spatial pattern analysis of land surface temperature in central Yunnan can provide some theoretical support for the planning of regional agriculture and fire protection undertakings.

Key words: central Yunnan region, land surface temperature, spatial distribution, geographic detector, hot (cold) island effect, impact factor

中图分类号:  P423.3

[1] 吴骅,李秀娟,李召良,等.高光谱热红外遥感:现状与展望[J].遥感学报,2021,25(8):1567-1590. DOI: 10.11834/jrs.20211306.
[2] ANDERSON M C, NORMAN J M, KUSTAS W P, et al. A thermal-based remote sensing technique for routine mapping of land-surface carbon, water and energy fluxes from field to regional scales[J]. Remote Sensing of Environment, 2008, 112(12): 4227-4241. DOI: 10.1016/j.rse.2008.07.009.
[3] 李召良,段四波,唐伯惠,等.热红外地表温度遥感反演方法研究进展[J].遥感学报,2016,20(5):899-920. DOI: 10.11834/jrs.20166192.
[4] 张伟伟,贾若愚,田明,等.利用ECOSTRESS探究LCZ类间和类内城市热环境日动态变化[J].地球信息科学学报,2024,26(3):679-692. DOI: 10.12082/dqxxkx.2024.230511.
[5] IPCC. AR6 synthesis report: climate change 2023[R]. Geneva: IPCC, 2023. DOI: 10.59327/IPCC/AR6-9789291691647.
[6] 王冰,李启权,罗琳,等.1981—2011年川南山区地温和气温的变化特征[J].干旱区地理,2019,42(6):1322-1329. DOI: 10.12118/j.issn.1000-6060.2019.06.10.
[7] 肖尧,马明国,闻建光,等.复杂地表地表温度反演研究进展[J].遥感技术与应用,2021,36(1):33-43. DOI: 10.11873/j.issn.1004-0323.2021.1.0033.
[8] 李元征,尹科,周宏轩,等.基于遥感监测的城市热岛研究进展[J].地理科学进展,2016,35(9):1062-1074. DOI: 10.18306/dlkxjz.2016.09.002.
[9] 唐荣林,王晟力,姜亚珍,等.基于地表温度-植被指数三角/梯形特征空间的地表蒸散发遥感反演综述[J].遥感学报,2021,25(1):65-82. DOI: 10.11834/jrs.20210388.
[10] 毛克彪,严毅博,赵冰,等.中国地表温度时空变化及驱动因素分析[J].灾害学,2023,38(2):60-73. DOI: 10.3969/j.issn.1000-811X.2023.02.010.
[11] 纪王迪,黄晓军,包微,等.关中地区人类活动强度与地表温度的时空关联特征及其驱动作用[J].干旱区地理,2024,47(6):967-979. DOI: 10.12118/j.issn.1000-6060.2023.266.
[12] 康利刚,曹生奎,曹广超,等.青海湖流域地表温度时空变化特征研究[J].干旱区地理,2023,46(7):1084-1097. DOI: 10.12118/j.issn.1000-6060.2022.525.
[13] MUSHORE T D, MUTANGA O, ODINDI J. Estimating urban LST using multiple remotely sensed spectral indices and elevation retrievals[J]. Sustainable Cities and Society, 2022, 78: 103623. DOI: 10.1016/j.scs.2021.103623.
[14] 李斌,王慧敏,秦明周,等.NDVI、NDMI与地表温度关系的对比研究[J].地理科学进展,2017,36(5):585-596. DOI: 10.18306/dlkxjz.2017.05.006.
[15] 张秀,王旭红,郑玉蓉,等.气溶胶光学厚度和不透水地表覆盖度对城市热岛强度的影响:以关中地区为例[J].生态学报,2021,41(22):8965-8976. DOI: 10.5846/stxb202102210480.
[16] 王斐,覃志豪,樊伟,等.云下地表温度与辐射变化关系的定量分析[J].遥感学报,2019,23(6):1113-1122. DOI: 10.11834/jrs.20198151.
[17] 周桃勇,王正海,秦昊洋,等.地形效应校正的遥感地热异常提取[J].遥感学报,2020,24(3):265-276. DOI: 10.11834/jrs.20208299.
[18] 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[J].地理研究,2013,32(5):817-827.
[19] 叶钰,秦建新,胡顺石.长沙市热岛效应时空特征变化研究[J].地球信息科学学报,2017,19(4):518-527. DOI: 10.3969/j.issn.1560-8999.2017.04.010.
[20] 张祎.长江流域土地利用/覆被变化对地表温度的影响[D].武汉:中国地质大学,2018.
[21] 康紫薇,张正勇,刘琳,等.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.
[22] 孟翔飞,魏虹,谢小红,等.基于MODIS数据的云南地表温度空间分布特征[J].西南大学学报(自然科学版),2010,32(12):154-157. DOI: 10.13718/j.cnki.xdzk.2010.12.015.
[23] 陈晶,张天力.滇中高原地区干旱特性及风险分析[J].人民长江,2024,55(6):114-121. DOI: 10.16232/j.cnki.1001-4179.2024.06.016.
[24] 魏莉莉,蒋求名,马捷,等.昆明主城区土地覆盖时空分布及地表温度响应[J].农机化研究,2023,45(2):56-61. DOI: 10.13427/j.cnki.njyi.2023.02.042.
[25] 周纪,张晓东,唐文彬,等.中国陆域及周边逐日1 km全天候地表温度数据集(TRIMS LST;2000-2022)[DB/OL].(2024-01-19)[2024-05-28].https://www.doi.org/10.11888/Meteoro.tpdc.271252. DOI: 10.11888/Meteoro.tpdc.271252.
[26] 文刚,高孟平,高振宇,等.多因子协同作用下的云南省山火风险评估[J].广东电力,2022,35(4):96-102. DOI: 10.3969/j.issn.1007-290X.2022.004.012.
[27] 胡李发,谢元礼,崔思颖,等.关中平原城市群夏季城市热岛特征及驱动力[J].中国环境科学,2021,41(8):3842-3852. DOI: 10.19674/j.cnki.issn1000-6923.20210331.016.
[28] 高吉喜,史园莉,张宏伟,等.中国区域250米归一化植被指数数据集(2000-2023)[DB/OL].(2024-05-20)[2024-05-28].https://doi.org/10.11888/Terre.tpdc.300328. DOI: 10.11888/Terre.tpdc.300328.
[29] 郑超磊,贾立,赵天杰.全球1公里分辨率地表土壤水分数据集(2000-2020)[DB/OL].(2023-07-01)[2024-07-09].https://doi.org/10.11888/Terre.tpdc.300328. DOI: 10.11888/RemoteSen.tpdc.272760.
[30] PENG S Z. High-spatial-resolution monthly temperatures dataset over China during 1901-2017[DB/OL]. (2019-05-17)[2024-05-28]. https://www.doi.org/10.5281/zenodo.3185722. DOI: 10.5281/zenodo.3185722.
[31] 彭守璋.中国1km分辨率逐月平均气温数据集(1901-2023)[DB/OL].(2024-07-17)[2024-05-28].https://www.doi.org/10.11888/Meteoro.tpdc.270961. DOI: 10.11888/Meteoro.tpdc.270961.
[32] ZHANG X T, WANG D D, LIU Q, et al. An operational approach for generating the global land surface downward shortwave radiation product from MODIS data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(7): 4636-4650. DOI: 10.1109/TGRS.2019.2891945.
[33] WU Y Z, SHI K F, CHEN Z Q, et al. Developing improved time-series DMSP-OLS-like data (1992-2019) in China by integrating DMSP-OLS and SNPP-VIIRS[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 1-14. DOI: 10.1109/TGRS.2021.3135333.
[34] WEI J, LI Z Q. ChinaHighPM2.5: big data seamless 1 km ground-level PM2.5 dataset for China (2000-present)[DB/OL]. (2019-11-12)[2024-05-28]. https://doi.org/10.5281/zenodo.3539349. DOI: 10.5281/zenodo.3539349.
[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[J].应用生态学报,2015,26(3):681-688. DOI: 10.13287/j.1001-9332.20141223.027.
[36] 王劲峰,徐成东.地理探测器:原理与展望[J].地理学报,2017,72(1):116-134. DOI: 10.11821/dlxb201701010.
[37] 朱柏露,杨奇勇,谢运球,等.漓江流域土地石漠化空间分布及驱动因子分析[J].广西师范大学学报(自然科学版),2021,39(3):139-150. DOI: 10.16088/j.issn.1001-6600.2020052702.
[38] 谢玲,陈展图,蒋瑜,等.基于InVEST&GEO-detectors模型的会仙湿地生境质量变化及影响因素研究[J].广西师范大学学报(自然科学版),2023,41(5):180-190. DOI: 10.16088/j.issn.1001-6600.2022071204.
[39] LI Q X, SUN W B, HUANG B Y, et al. Consistency of global warming trends strengthened since 1880s[J]. Science Bulletin, 2020, 65(20): 1709-1712. DOI: 10.1016/j.scib.2020.06.009.
[40] 王佳津,孟耀斌,张朝,等.云南省Palmer旱度模式的建立:2010年干旱灾害特征分析[J].自然灾害学报,2012,21(1):190-197. DOI: 10.13577/j.jnd.2012.0129.
[41] ZHANG B P, YAO Y H. Implications of mass elevation effect for the altitudinal patterns of global ecology[J]. Journal of Geographical Sciences, 2016, 26(7): 871-877. DOI: 10.1007/s11442-016-1303-2.
[42] WEI B C, BAO Y H, YU S, et al. Analysis of land surface temperature variation based on MODIS data a case study of the agricultural pastural ecotone of northern China[J]. International Journal of Applied Earth Observation and Geoinformation, 2021, 100: 102342. DOI: 10.1016/J.JAG.2021.102342.
[43] 张沁,张守平,杨清伟.重庆市悦来新城土地利用/覆被变化对地表温度的影响[J].生态学杂志,2024,43(1):206-215. DOI: 10.13292/j.1000-4890.202401.010.
[44] 刘勇洪,房小怡,张硕,等.京津冀城市群热岛定量评估[J].生态学报,2017,37(17):5818-5835. DOI: 10.5846/stxb201606031074.
[45] DEO R C, ŞAHIN M. Forecasting long-term global solar radiation with an ANN algorithm coupled with satellite-derived (MODIS) land surface temperature (LST) for regional locations in Queensland[J]. Renewable and Sustainable Energy Reviews, 2017, 72: 828-848. DOI: 10.1016/j.rser.2017.01.114.
[46] 程清平,王平,徐强.1960—2013年云南地面温度时空变化特征[J].水土保持研究,2017,24(6):111-121,397. DOI: 10.13869/j.cnki.rswc.2017.06.018.
[47] 田浩,刘琳,张正勇,等.2001—2020年中国地表温度时空分异及归因分析[J].地理学报,2022,77(7):1713-1729. DOI: 10.11821/dlxb202207010.
[48] 赵冰,毛克彪,蔡玉林,等.中国地表温度时空演变规律研究[J].国土资源遥感,2020,32(2):233-240. DOI: 10.6046/gtzyyg.2020.02.30.
[1] 周鹏飞, 刘琳, 杨晋帆, 刘婷婷, 魏贵宇, 周汝良. 基于机器学习的云南省蝙蝠空间分布及其危害分析[J]. 广西师范大学学报（自然科学版）, 2023, 41(6): 139-149.
[2] 谢玲, 陈展图, 蒋瑜, 肖小慧, 贾艳红. 基于InVEST&GEO-detectors模型的会仙湿地生境质量变化及影响因素研究[J]. 广西师范大学学报（自然科学版）, 2023, 41(5): 180-190.
[3] 朱柏露, 杨奇勇, 谢运球, 邓艳, 唐梅蓉, 刘大存, 曾红春. 漓江流域土地石漠化空间分布及驱动因子分析[J]. 广西师范大学学报（自然科学版）, 2021, 39(3): 139-150.
[4] 郭永丽, 全洗强, 吴庆. 北方喀斯特地区地下水VOCs污染特征及健康风险——以山东省淄博市临淄区为例[J]. 广西师范大学学报（自然科学版）, 2020, 38(6): 102-113.
[5] 李旋菁, 李生强, 汪国海, 施泽攀, 周岐海. 广西猫儿山鸟类多样性和空间分布格局——基于样线法和红外相机技术[J]. 广西师范大学学报（自然科学版）, 2019, 37(2): 143-151.
[6] 谢海，陈亮，黄海燕，何南，刘海洋，武正军. 广东罗坑自然保护区鳄蜥的移动格局及其影响因子[J]. 广西师范大学学报（自然科学版）, 2017, 35(4): 106-113.
[7] 彭国清, 郭屹立, 韦素娟, 陈海玲, 何运林, 唐绍清. 弄岗淡黄金花茶种群年龄结构与空间分布格局[J]. 广西师范大学学报（自然科学版）, 2016, 34(3): 138-143.
[8] 梁保平, 李艺, 刘庆业. 典型植被指数与地表温度空间特征分析——以桂林市为例[J]. 广西师范大学学报（自然科学版）, 2012, 30(2): 132-137.
[9] 王修信, 秦丽梅, 农京辉, 梁宗经, 朱启疆. 利用单窗算法反演喀斯特城市地表温度[J]. 广西师范大学学报（自然科学版）, 2010, 28(3): 10-14.
[10] 廖盛厦, 李军伟, 杨红兰, 甘肖梅, 梁士楚. 龙须藤净光合速率日变化及其主要影响因子[J]. 广西师范大学学报（自然科学版）, 2010, 28(3): 61-65.
Viewed
Full text
5
HTML PDF
Just accepted Online first Issue Just accepted Online first Issue
0 0 0 0 0 5

  From local
  Times 5
  Rate 100%

Abstract
54
Just accepted Online first Issue
0 0 54
  From Others local
  Times 46 8
  Rate 85% 15%

Cited
Web of Science  Crossref   ScienceDirect  Search for Citations in Google Scholar >>
 
This page requires you have already subscribed to WoS.
  Shared   
  Discussed   
[1] 何静, 冯元柳, 邵靖雯. 基于CiteSpace的多源数据融合研究进展[J]. 广西师范大学学报（自然科学版）, 2024, 42(5): 13 -27 .
[2] 刘畅平, 宋树祥, 蒋品群, 岑明灿. 基于开关电容的差分无源N通道滤波器[J]. 广西师范大学学报（自然科学版）, 2024, 42(5): 52 -60 .
[3] 王淑颖, 卢宇翔, 董淑彤, 陈默, 康秉娅, 蒋长兰, 宿程远. 污水中抗生素抗性基因传播过程及控制技术研究进展[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 1 -15 .
[4] 钟俏, 陈生龙, 唐聪聪. 水凝胶技术在微藻采收中的应用:现状、挑战与发展分析[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 16 -29 .
[5] 翟思琪, 蔡文君, 朱苏, 李韩龙, 宋海亮, 杨小丽, 杨玉立. 汲取液溶质反向扩散与正渗透中膜污染的相互关系研究[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 30 -39 .
[6] 郑国权, 秦永丽, 汪晨祥, 葛仕佳, 闻倩敏, 蒋永荣. ABR硫酸盐还原体系分级沉淀酸性矿山废水中重金属及矿物形成[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 40 -52 .
[7] 刘洋, 张毅杰, 章延, 李玲, 孔祥铭, 李红. 饮用水处理中藻类混凝消除技术的现状与趋势——基于CiteSpace的可视化分析[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 53 -66 .
[8] 田晟, 陈东. 基于深度强化学习的网联燃料电池混合动力汽车生态驾驶联合优化方法[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 67 -80 .
[9] 陈秀锋, 王成鑫, 赵凤阳, 杨凯, 谷可鑫. 改进DQN算法的单点交叉口信号控制方法[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 81 -88 .
[10] 李欣, 宁静. 基于时空特征融合的电力系统暂态稳定评估[J]. 广西师范大学学报（自然科学版）, 2024, 42(6): 89 -100 .
版权所有 © 广西师范大学学报（自然科学版）编辑部
地址：广西桂林市三里店育才路15号　邮编：541004
电话：0773-5857325　E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发