-
地表温度是研究地球表面上的物质交换、能量平衡与地表物理化学过程的关键参数[1]。地表温度的变化能够改变地面与大气之间的物质与能量平衡,导致蒸散发、气温与降水等发生变化,进而对区域生态环境的保护与演变产生重要影响。湖泊的温度变化能够反映气候变化对陆地与水生系统的影响,是理解湖泊区域气候变化的重要因子[2-5]。由于陆地表面的非均质性,地表温度在小范围内就可能发生较大变化,传统的地表温度的定点观测资料难以反映区域内地表温度的空间分布和变化[6],而卫星遥感资料具有大空间尺度的特点,能够对区域的地表温度有较为全面的掌握[7]。已经有学者基于遥感数据对湖泊的表面温度以及温度变化的原因进行了研究。如文献[1]利用陆地卫星(Landsat)专题制图仪(thematic mapper,TM)/增强型专题绘图仪(enhanced thematic mapper plus,ETM+)数据反演洞庭湖区地表温度,并对洞庭湖区三峡水库蓄水前后时期的温度时空变化进行分析,结果表明洞庭湖区的温度因三峡水库的蓄水而发生了明显变化;文献[8]基于TM影像研究了城市热岛效应,结果发现水体会对区域地表具有降温作用,且随着与水体距离的增加,这种降温作用在不断减弱[9]。这表明水体会对周围热环境造成影响,且温度影响效应与水体面积以及相对距离等因素有较强的相关性。文献[10]利用中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据对欧洲两个最大的湖泊表面温度进行了时间尺度上的研究,文献[11]利用MODIS地表温度产品进行处理得到了中国青藏高原上374个湖泊的多年日间、夜间湖泊表面温度变化数据[11],MODIS地表温度数据现已被广泛地用于流域[12-16]和全球尺度[17]的湖泊地表温度时空变化研究。相关实证研究表明,MODIS地表温度数据能有效准确地反映区域地表温度变化,且数据覆盖范围广、时间分辨率高,为针对大区域开展长时间序列的温度变化研究提供了可能,目前该数据产品已在科学研究中得到广泛应用。
咸海作为原世界四大咸水湖之一,对于区域气候具有重要的调节作用。由于咸海地区气候的特殊性,以及中亚各国对流域水资源不合理的开发及利用,咸海的水位下降、面积减少,引发了沙漠化加剧、生物多样性减少和区域温度增加等生态环境问题[18]。反过来,区域温度的升高导致咸海蒸发量增加,进一步加剧咸海的干涸速度,给地区生态环境和人类健康造成了严重威胁。探究咸海面积变化对地表温度的影响机制有助于人们认识湖泊对于区域小气候调节的重要性,同时为大型湖泊的水资源开发及水资源合理保护提供借鉴和参考。目前,关于湖泊对地表温度影响的研究大多是城市内湖泊对城市热岛效应的缓解等,较少有学者对大尺度空间范围湖泊剧烈变化对区域温度这一气候因子的影响进行分析和探讨,也未有学者对咸海地区的地表温度变化进行研究。本文以1 km空间分辨率的MOD11A2数据产品为数据源,对研究区域内2000—2015年的夏季日间和夜间地表温度数据进行处理,通过空间分析方法研究水体对区域地表温度的调节作用,以及在水体大面积减少的情况下,区域日间和夜间地表温度的整体变化趋势及特征,并进一步探讨大型湖泊对区域地表温度调节的重要性。
-
咸海位于中亚的哈萨克斯坦和乌兹别克斯坦两国交界处,湖泊周边西岸陡直、东岸平缓。咸海地处卡拉库姆沙漠与克齐尔库姆沙漠之间,气候属于沙漠大陆性气候[19],夏季温度很高,气压很低,非常炎热,且湿度较大,冬季寒冷干燥,全年最高、最低气温出现在夏季或冬至后不久,最热月为7月,最冷月为1月。
咸海是封闭湖泊,其主要水源是阿姆河和锡尔河,湖水无外流,主要靠蒸发损耗。由于20世纪人们对咸海的过度开发利用,破坏了原有的湖泊系统平衡以及湖泊与流域间的自然环境的协调,导致区域自然环境的快速恶化,同时哈萨克斯坦等流域上游国家对水资源的过度摄取,导致流入咸海的水量急剧减少,甚至出现断流。之后哈萨克斯坦采取了修建水坝等措施,北咸海水位出现了回升,但南咸海的水量持续减少,2003年南咸海分成了东咸海和西咸海两部分,随着咸海面积的不断萎缩,2014年咸海东部盆地历史上首次完全干涸。
-
研究使用的地表温度数据为2000—2015年的咸海区域MODIS地表温度产品MOD11A2。该产品采用劈窗算法与昼夜地表温度反演算法,相关验证研究表明,在天气晴朗和已知发射率的条件下,两种算法的精度达到了1 K范围内。地表温度产品是通过对全球逐日晴空像元地表温度产品MOD11_L2进行每8 d平均合成而获得,空间分辨率为1 km,时间分辨率为8 d,时间跨度为2000—2015年。
受气候条件的影响,咸海地区年最高温度出现在7月和8月。因此选取2000—2015年历年7月与8月的多期研究区MOD11A2产品的8 d合成数据,利用MODIS数据处理工具(MODIS reprojection tool,MRT)将数据进行拼接,并转换至通用莫卡托投影,得到历年包含研究区的多期夏季日间地表温度和夜间地表温度数据集(数据时间分别为当地时间的10:30和22:30),并对数据进行裁剪处理。为了减少云、大气、太阳高度角等的影响,同时填补空缺值,利用最大合成法(maximum value composite,MVC)[20]分别对历年7月与8月的多期8 d地表温度数据进行处理得到历年夏季日间、夜间地表温度数据,合成后的数据未出现数据缺失现象。由于合成后的地表温度数据表示为开尔文温度,需要进一步处理将其转化为地表摄氏温度,计算公式为[21]:
式中,
表示从MOD11A2产品中提取出来的日间、夜间地表温度影像像元值; 表示转化后得到的地表摄氏温度值。 土地覆盖数据来自欧洲空间局土地覆盖数据集。Landsat卫星数据空间分辨率相对较高,但数据质量、影像分类及拼接均会给分类结果带来误差,而MODIS土地覆盖类型产品通过实验发现在咸海地区5种分类方案均存在明显的分类误差,因此选择通过欧洲空间局气候变化倡议项目(European Space Agency climate change initiative,ESACCI)数据获取咸海面积及土地覆盖数据。该数据是为特别满足气候建模需求而研制的300 m分辨率全球尺度土地覆被数据集,相关研究表明,该数据的全球尺度的总体精度为70.7%,具有较高的数据质量,适合大空间尺度的土地利用变化研究[22],且该数据在中亚地区也能得到较高精度的分类结果[23],可用于咸海地区地物分类。
-
利用斜率分析法对研究时段内的地表温度变化趋势进行模拟。在像元尺度上,利用趋势线分析法[24-25]模拟夏季地表温度年际变化趋势,计算公式为:
式中,
表示地表温度变化趋势;n为研究时段的年数,本文中为16; 为第i年的夏季地表温度值。通过计算得到像元尺度的夏季地表温度变化趋势,若 >0,则代表在该时段内地表温度呈增加的趋势,反之则为减少趋势。 由于2000年咸海面积最大,因此以2000年咸海边界为起点,以10 km为半径建立多环缓冲区,分别提取各个缓冲区内2000年日间、夜间地表温度数据平均值,通过对比得到咸海对地表温度影响的最大距离R。在确定R后,以历年咸海边界为起点,以R为半径向咸海外侧建立缓冲区,作为咸海的地表温度影响范围。
本文用剖面线揭示咸海地区地表温度随咸海面积萎缩的时空变化总体特征[26]。由于东咸海的面积变化最为剧烈,同时为了消除因纬度变化而造成的差异,因此基于东咸海的空间特征及面积变化情况,由北至南每隔40 km设置一条贯穿东西咸海的直线,共选取4条(如图 1所示)。各剖面线的均匀分布能够较为完整地反映咸海面积不同萎缩程度下的水-陆夏季地表温度空间分布及变化特征。结合各缓冲区内的地表平均温度对比,确定咸海夏季地表温度的影响距离。
不同土地覆盖类型的下垫面类型不同,导致其热性质存在差异,因此各类地物对区域温度变化的响应也存在不同,同时地形地貌也是影响温度的重要因素。由于咸海东西部土地覆盖类型和地形地貌有明显的空间差异,如东部地区海拔较低,地势较为平坦,土地覆盖类型多为咸海面积萎缩后形成的盐碱地,而咸海西部海拔相对较高,地表多为稀疏植被。简单地对比咸海平均温度与地表温度的差异,难以反映因咸海面积变化而对区域地表温度产生的影响,因此需讨论各类土地覆盖类型的地表温度及变化特征和空间差异。由于咸海地区整体海拔较低,海拔高度在0~326 m之间,地形整体较为平坦,地势变化不明显,因此本文忽略地形地貌对地表温度的影响。本文流程图如图 2所示。
-
图 3为研究区内16 a间夏季日间及夜间地表温度变化趋势,其中93%的区域日间地表温度呈现增加的趋势,在南咸海的近海岸区域有明显的增温趋势;69%的区域出现了夜间地表温度上升的趋势,地表温度降低的部分主要分布在东咸海东海岸的盆地地区及咸海南部的近水地区的少部分区域。可以看出咸海区域温度的上升与咸海面积的剧烈缩小有直接联系。
-
2000年缓冲区内地表温度变化情况如图 4所示,可以看出咸海地区的地表平均温度和其与咸海的距离存在相关性。在咸海0~20 km的缓冲区范围内,日间地表平均温度呈现明显的上升趋势,在距离20~30 km之间的区域地表温度略有上升,30 km以外的区域日间地表温度逐渐降低,夜间地表平均温度持续下降;当距离大于30 km时,夜间地表平均温度下降速度明显减缓。这就说明在咸海面积最大的2000年,咸海对距离其30 km范围内的陆地地表温度有较为直接的影响,在该区域内随着与咸海距离的增加,地表温度受咸海影响程度逐渐降低。
-
图 5表示日间的4条地表温度剖面图,低温区域即为咸海的水体表面温度。整体上,咸海地表温度影响范围随着咸海边界移动而同步移动,在面积变化较大的东咸海,地表温度变化特征显得尤为显著。随着东咸海海岸向内收缩,低温区形状逐渐由“U型”衰退为“V型”,低温区面积明显减少。同时,由南向北东咸海宽度先增大后减小,在图 5(a)中由于咸海面积的减少,咸海温度逐渐升高,近海岸地表温度与咸海温度温差逐渐变小;在图 5(d)中,由于2015年东咸海完全干涸,东咸海地区的地表温度剖面线近乎一条直线,咸海已完全失去了区域温度调节的功能。西咸海地区的地表温度变化与咸海面积变化的关系较为微弱,一方面由于近岸陆地地势较高,地形对温度变化的影响更为直接,近咸海地区地表温度相对咸海温度急剧上升;另一方面,西咸海面积较东咸海并未发生明显变化。因此,咸海温度变化对区域地表温度的影响主要以东咸海近海岸地区为主。
图 6所示为夜间的4条地表温度剖面图,与图 5对比可以看出,咸海的温度相对于近海岸陆地地表温度较高,在相对距离109~130 km以及181~253 km范围内,日间地表温度明显较低的区域在夜间地表温度相对较高。随着近16 a咸海夜间地表温度整体呈现上升的变化趋势,在西咸海地区同一剖面内,不同年份之间咸海温度与近海岸地表温度之间差异变化不大,地表温度随着咸海温度的升高或降低同步变化。而在东咸海地区随着咸海面积缩减,咸海宽度减少,夜间地表温度的高温区域有所变化,但无明显的空间变化规律。
通过上述讨论可知,相较于夜间地表温度变化及空间分布特征,咸海面积变化对日间地表温度的空间分布及变化的影响更为明显。在空间上,受地形因素的影响,咸海变化对区域地表温度的影响在东咸海表现得较为显著,东咸海近海岸地表温度随着东咸海面积的缩减,地表温度逐步升高。虽然咸海地区地表温度变化与咸海面积萎缩有着密不可分的联系,但通过日间地表温度剖面图可以看出,即使东咸海的东海岸线向内退化,但多年来咸海地表温度的直接影响范围并未发生明显变化,历年的日间地表温度变化曲线最高值集中于同一区域。因此,可以确定咸海地表温度的直接影响距离R为30 km。
-
基于§2.1中的讨论,将距离咸海边界30 km的区域定义为温度影响区域,研究区内的其他区域作为未受咸海影响区域,分别统计温度影响区域内和未影响区域内日间、夜间地表温度的平均值。如图 7所示,在日间,未影响区域与影响区域的日间地表温度温差保持为正值,虽然未出现明显变小且呈现一定的周期性波动变化,但未影响区域高于影响区域,平均高大约1.11 ℃;在夜间,未影响区域比影响区域的地表温度平均低大约0.75 ℃。这说明影响区域的日间及夜间地表温度受咸海的影响,相较于未影响区域的地表温度存在一定的差异。
图 7 日间、夜间未影响区域与影响区域温差变化图
Figure 7. Change of Temperature Difference BetweenUnaffected and Affected Areas in Daytime and Nighttime
图 8、图 9分别为2000—2015年日间、夜间地表温度影响区域与咸海水体表面温差的变化图。由于水体的比热容要大于沙漠,因此在咸海地区,白天沙漠的升温速度要大于咸海的升温速度,水体表面温度要大于陆地表面温度;而夜晚沙漠的降温速度要大于咸海的降温速度,因此水体表面温度要略高于陆地表面温度。随着咸海面积的萎缩,咸海水体表面温度与影响区域的日间及夜间地表温度之间的差异整体均呈现变大的变化趋势,日间温差大约年均增加0.14 ℃,夜间温差大约年均增加0.05 ℃。日间影响区域内地表温度与咸海水体表面温度差异变化尤为明显,在2011年日间温度差值达到了21.3 ℃,比2003年的日间最小温差16.5 ℃高了4.8 ℃。随着咸海面积的萎缩,影响区域内日间、夜间地表温度与咸海日间、夜间表面温度的差值均在逐渐上升,这就说明咸海对近咸海区域的降温效果逐渐减弱,咸海的区域温度调节能力明显变小。
-
咸海地区的主要土地覆盖类型为裸地、稀疏植被和水体。其中,裸地的覆盖面积在2015年为4.88万km2,占研究区总面积的74.24%;稀疏植被的覆盖面积为0.76万km2,占研究区总面积的11.58%,主要分布于西咸海的西海岸与北咸海沿海地区;水体面积即咸海面积为0.73万km2,占研究区总面积的11.37%;农田、林地、草地与建设用地等土地覆盖类型一共占研究区总面积的2.81%,由于这4种地物的覆盖面积较小且分布不集中,因此本文不对它们的地表温度变化进行讨论。从图 10中可以看出,2000—2015年咸海地区裸地与稀疏植被的昼夜间地表温度变化趋势保持一致,且裸地与稀疏植被的日间地表温度要远高于咸海,2011年裸地区域与咸海的日间地表温差达到最大值,为21.05 ℃,稀疏植被区域与咸海日间地表温差达到21.71 ℃;裸地区域与稀疏植被区域的夜间地表温度均略低于咸海,2008年裸地区域与咸海的夜间地表温差最大,裸地区域的夜间地表温度比水体低2.34 ℃,2004年稀疏植被与咸海的夜间地表温差最大,稀疏植被区域地表温度较咸海低4.54 ℃。
图 10 日间与夜间主要土地利用类型与咸海温差变化图
Figure 10. Change of the Temperature Difference Between Main Land Cover and Aral Sea in Daytime and Nighttime
而裸地区域日间地表温度与稀疏植被区域地表温度之间并无明显差异,主要是因为该地区植被主要为稀疏分散的灌木丛和草地,零星分布在沙漠与裸地区域。一方面该类植被的叶面积指数远小于相对集中分布的林木,同时空间分布较为分散,难以对区域热环境产生影响;另一方面咸海地区沙化严重,风沙天气频繁出现,特殊的气候类型影响了植被的生长。咸海地区裸地与稀疏植被这两种主要地物覆盖区域与咸海之间的日间、夜间地表温差均处于不断增加的变化趋势中,进一步说明了咸海区域气候调节能力的减弱这一变化特征。而稀疏植被区域的夜间地表温度较裸地区域明显较低,夜间平均温度低0.93~2.89 ℃。
-
咸海在区域温度调节方面扮演着重要的角色。本文将咸海作为研究区域,基于2000—2015年的MOD11A2日间及夜间地表温度数据,对咸海日间、夜间地表温度变化情况进行分析,研究结果表明:(1)咸海面积萎缩对区域气候要素的影响极其显著。随着咸海面积的严重萎缩,咸海
地区的日间及夜间地表温度都呈现增加的趋势,日间和夜间分别有93%和69%的区域地表温度呈现增加的变化趋势;(2)空间上,咸海水域的日间区域降温范围随着咸海边界的变化而同步变化,直接影响距离大约为30 km,由于受制于咸海地区地形,影响距离并未随咸海边界的萎缩而产生较为明显的变化;(3)随着咸海面积的减小,咸海地区日间和夜间温度差值都在逐渐增大,表明咸海对影响范围的地表温度降温效果有所减弱,咸海的区域气候调节能力正在降低;(4)结合主要地物类型与咸海的日间、夜间地表温度差值变化,发现不同地物覆盖类型区域的地表温度受咸海的温度调节作用均在减弱。
综合来看,类似咸海的大型湖泊会对区域气象环境要素产生影响,对区域环境具有明显的降温效果,咸海地区陆地地表温度与咸海间的相对距离存在关联。同时,咸海面积的大幅萎缩造成咸海整个区域地表温度上升。基于日间、夜间及不同地物覆盖类型与咸海之间的温差比较可以看出,影响范围内的裸地与植被区域因咸海面积萎缩,相较于咸海湖面的地表温度均存在不同程度的上升,整个区域内温度这一气象要素受咸海影响变化剧烈。咸海面积变化给区域气候带来的影响对面积正在缩减的湿地湖泊的保护与治理有重要的警示作用。本文主要探讨了咸海面积变化与地表温度之间的联系,讨论了咸海大面积萎缩对区域地表温度的影响,而降水、风力等因素也会对区域气候构成影响,但因为缺少咸海地区高时间分辨率和空间分辨率的降水等数据,本文并未对咸海面积萎缩对咸海降水量等其他气象指标的影响进行讨论。
-
摘要: 水体对区域气候调节起着极其重要的作用,近几十年间咸海的水位剧烈下降和湖泊面积不断萎缩,势必会对咸海地区的气候产生重要影响,分析咸海地区地表温度的变化对于研究水体与其周边地区地表温度的关系具有重要意义。利用咸海地区中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度产品MOD11A2,基于空间分析法研究咸海面积变化对区域地表温度的影响和作用。结果表明:(1)相比于咸海表面温度,研究区内分别有93%和69%的研究区域日间和夜间地表温度均有上升的变化趋势;(2)咸海对区域地表温度直接影响范围大致在沿湖边界30 km的范围内;(3)随着咸海面积的快速萎缩,各土地覆盖类型区域与咸海的地表温差均呈现上升的变化趋势,咸海的区域温度调节功能逐渐减弱。Abstract:
Objectives Water body plays an extremely important role in regional climate regulation. In recent decades, due to the unreasonable utilization and intensive development of the Aral Sea water resources by human beings, the water level and area of the Aral Sea have experienced a sharp decline and shrinkage, which inevitably has an important impact on the regional climate of the Aral Sea. So analyzing the changes of surface temperature variation in the Aral Sea region is of great significance for studying the relationship between the water body and the regional surface temperature. Methods In order to reveal the variation characteristics of surface temperature affected by the Aral Sea, the MODIS(moderate-resolution imaging spectroradiometer) surface temperature product (MOD11A2) in the Aral Sea area from 2000 to 2015 is used to analyze the affection on the regional surface temperature based on spatial analysis method. Firstly, the trend line analysis method is used to analyze the change trend of surface temperature in the Aral Sea and its surrounding areas from 2000 to 2015, so as to identify the approximate range of surface temperature affected. Secondly, the characteristics of surface temperaturechange with the increase of the distance from the Aral Sea are clarified by using the buffer zone analysis method and section line analysis method. Finally, based on the land use data, the change trend of surface temperature of the main land types in the Aral Sea is analyzed. Results Compared with the surface temperature of the Aral Sea, the surface temperature of 93% and 69% of the study area shows an upward trend respectively in the daytime and the nighttime during the study period from 2000 to 2015.The direct impact range that the Aral Sea on the regional surface temperature is roughly within 30 km along the lake boundary. As the area of the Aral Sea shrinks rapidly, the surface temperature difference between the various land cover types and the Aral Sea shows an increasing change trend. Conclusions Large lakes similar to the Aral Sea have obvious temperature regulating effect on the regional environment. The reduction of the Aral Sea area has significantly reduced its temperature regulation function.The impact of the Aral Sea area change on regional climate plays an important warning role in the protection and management of wetlands and lakes. -
Key words:
- Aral Sea /
- land surface temperature /
- regional microclimate /
- remote sensing /
- spatial analysis
-
-
[1] 余德, 周卫军, 谭洁, 等. 洞庭湖区地表温度反演及其时空变化特征[J]. 生态环境学报, 2014, 23(11): 1799-1805 doi: 10.3969/j.issn.1674-5906.2014.11.012 Yu De, Zhou Weijun, Tan Jie, et al. Temporal and Spatial Variation Characteristics of Land Surface Temperature in Dongting Lake Region, Hunan Province [J]. Ecology and Environment Sciences, 2014, 23 (11): 1799-1805 doi: 10.3969/j.issn.1674-5906.2014.11.012 [2] Williamson C E, Saros J E, Schindler D W. Sentinels of Change[J]. Science(Washington), 2009, 323(5916): 887-888 doi: 10.1126/science.1169443 [3] Pareeth S, Salmaso N, Adrian R, et al. Homogenised Daily Lake Surface Water Temperature Data Generated from Multiple Satellite Sensors: A Long-Term Case Study of a Large Sub-alpine Lake [J]. Scientific Reports, 2016, 6(1): 1-14 doi: 10.1038/s41598-016-0001-8 [4] Livingstone D M. Impact of Secular Climate Change on the Thermal Structure of a Large Temperate Central European Lake[J]. Climatic Change, 2003, 57 (1): 205-225 [5] 李靖, 李浩, 王树东, 等. 中亚五国主要湖泊水面变化特征及关键影响因素分析[J]. 遥感技术与应用, 2019, 34 (3): 639-646 https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201903021.htm Li Jing, Li Hao, Wang Shudong, et al. Changes of Major Lakes in Central Asia and Analysis of Key Influencing Factors[J]. Remote Sensing Technology and Application, 2019, 34(3): 639-646 https://www.cnki.com.cn/Article/CJFDTOTAL-YGJS201903021.htm [6] 贾媛媛, 李召良. 被动微波遥感数据反演地表温度研究进展[J]. 地理科学进展, 2006, 25(3): 96-105 doi: 10.3969/j.issn.1007-6301.2006.03.012 Jia Yuanyuan, Li Zhaoliang. Progress in Land Surface Temperature Retrieval from Passive Microwave Remotely Sensed Data[J]. Progress in Geography, 2006, 25(3): 96-105 doi: 10.3969/j.issn.1007-6301.2006.03.012 [7] 魏然, 单杰. 城市地表温度影像时空融合方法研究[J]. 武汉大学学报·信息科学版, 2018, 43(3): 428-435 doi: 10.13203/j.whugis20150489 Wei Ran, Shan Jie. Spatial and Temporal Fusion for Urban Land Surface Temperature Image Mapping [J]. Geomatics and Information Science of Wuhan University, 2018, 43(3): 428-435 doi: 10.13203/j.whugis20150489 [8] 吴学伟, 徐亚明, 龚文峰. 城市热岛空间格局及其变化的图形信息特征分析[J]. 武汉大学学报·信息科学版, 2017, 42(12): 1711-1718 doi: 10.13203/j.whugis20150588 Wu Xuewei, Xu Yaming, Gong Wenfeng. Graphical Information Characteristics of Urban Heat Island Spatial Pattern and Its Change[J]. Geomatics and Information Science of Wuhan University, 2017, 42 (12): 1711-1718 doi: 10.13203/j.whugis20150588 [9] 梁保平, 马艺芳, 李晖. 桂林市典型园林绿地与水体的降温效应研究[J]. 生态环境学报, 2015, 24(2): 278-285 https://www.cnki.com.cn/Article/CJFDTOTAL-TRYJ201502015.htm Liang Baoping, Ma Yifang, Li Hui. Research on Cooling Effect of the Landscape Green Space and Urban Water in Guilin City[J]. Ecology and Environment Sciences, 2015, 24(2): 278-285 https://www.cnki.com.cn/Article/CJFDTOTAL-TRYJ201502015.htm [10] Reinart A, Reinhold M. Mapping Surface Temperature in Large Lakes with MODIS Data[J]. Remote Sensing of Environment, 2008, 112(2): 603-611 doi: 10.1016/j.rse.2007.05.015 [11] Wan W, Li H, Xie H, et al. A Comprehensive Data Set of Lake Surface Water Temperature over the Tibetan Plateau Derived from MODIS Land Surface Temperature Products 2001-2015[J]. Scientific Data, 2017, 4(1): 1-10 [12] 王明霞, 毋兆鹏. 干旱区精河流域地表温度的模型反演研究[J]. 干旱地区农业研究, 2014, 32(4): 222-226 https://www.cnki.com.cn/Article/CJFDTOTAL-GHDQ201404040.htm Wang Mingxia, Wu Zhaopeng. Study on Retrieval Model of Land Surface Temperature in Jinghe Watershed in Arid Region[J]. Agricultural Research in the Arid Areas, 2014, 32(4): 222-226 https://www.cnki.com.cn/Article/CJFDTOTAL-GHDQ201404040.htm [13] 邓烨, 关洪军. 基于MODIS产品的玛纳斯河流域地表温度年内变化特征研究[J]. 遥感信息, 2014, 29(5): 37-43 doi: 10.3969/j.issn.1000-3177.2014.05.007 Deng Ye, Guan Hongjun. Inner-annual Variation of Land Surface Temperature in Mountainous Area of Manas River Basin Based on MODIS Products[J]. Remote Sensing Information, 2014, 29(5): 37-43 doi: 10.3969/j.issn.1000-3177.2014.05.007 [14] 翟俊, 山发寿, 仝彩荣, 等. 基于MODIS数据的青海湖流域地表温度反演研究[J]. 盐湖研究, 2009, 17(4): 14-21 https://www.cnki.com.cn/Article/CJFDTOTAL-YHYJ200904005.htm Zhai Jun, Shan Fashou, Tong Cairong, et al. Study on Land Surface Temperature Retrieval of Qinghai Lake Basin Based on MODIS Data[J]. Journal of Salt Lake Research, 2009, 17(4): 14-21 https://www.cnki.com.cn/Article/CJFDTOTAL-YHYJ200904005.htm [15] Liu G, Ou W, Zhang Y, et al. Validating and Mapping Surface Water Temperatures in Lake Taihu: Results from MODIS Land Surface Temperature Products[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(3): 1230-1244 doi: 10.1109/JSTARS.2014.2386333 [16] Riffler M, Wunderle S. Lake Surface Water Tem peratures of European Alpine Lakes(1989-2013) Based on the Advanced Very High Resolution Radiometer(AVHRR)1 km Data Set[J]. Earth System Science Data Discussions, 2014, 7(1): 305-334 [17] 王敏. 基于MODIS的全球典型湖泊温度格局遥感分析[D]. 四平: 吉林师范大学, 2017 Wang Min. Remote Sensing Analysis of Global Typical Lakes Temperature Pattern Based on MODIS [D]. Siping: Jilin Normal University, 2017 [18] 于涛. 中亚五国地表水资源时空变化遥感监测与分析[D]. 重庆: 重庆交通大学, 2019 Yu Tao. Spatio-Temporal Change Remote Sense Monitoring and Analysis of Surface Water Resources in Five Countries of Central Asia[D]. Chongqing: Chongqing Jiaotong University, 2019 [19] 姚海娇, 周宏飞. 中亚五国咸海流域水资源策略的博弈分析[J]. 干旱区地理, 2013, 36(4): 764-771 https://www.cnki.com.cn/Article/CJFDTOTAL-GHDL201304036.htm Yao Haijiao, Zhou Hongfei. Game Analysis of Water Resources Strategy Among the Central Asia Countries Around the Aral Sea Basin[J]. Arid Land Geography, 2013, 36(4): 764-771 https://www.cnki.com.cn/Article/CJFDTOTAL-GHDL201304036.htm [20] Holben B N. Characteristics of Maximum-value Composite Images from Temporal AVHRR Data [J]. International Journal of Remote Sensing, 1986, 7(11): 1417-1434 doi: 10.1080/01431168608948945 [21] Wan Z. Collection-5 MODIS Land Surface Temperature Products Users'Guide[R]. Institute for Computational Earth System Science, University of California, Santa Barbara, USA, 2007 [22] Defourny P, Schouten S, Bartalev S, et al. Accuracy Assessment of a 300 m Global Land Cover Map: The GlobCover Experience[C]//The 33rd International Symposium on Remote Sensing of Environment, Stresa, Italy, 2009 [23] 阮宏威, 于静洁. 1992-2015年中亚五国土地覆盖与蒸散发变化[J]. 地理学报, 2019, 74(7): 1292-1304 https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201907003.htm Ruan Hongwei, Yu Jingjie. Changes in Land Cover and Evapotranspiration in the Five Central Asian Countries from 1992 to 2015[J]. Acta Geographica Sinica, 2019, 74(7): 1292-1304 https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB201907003.htm [24] Stow D, Daeschner S, Hope A, et al. Variability of the Seasonally Integrated Normalized Difference Vegetation Index Across the North Slope of Alaska in the 1990s[J]. International Journal of Remote Sensing, 2003, 24(5): 1111-1117 doi: 10.1080/0143116021000020144 [25] 郭金停, 胡远满, 熊在平, 等. 近15年沈阳市夏季热岛效应时空变化特征[J]. 环境科学与技术, 2017, 40(S2): 293-299 https://www.cnki.com.cn/Article/CJFDTOTAL-FJKS2017S2055.htm Guo Jingting, Hu Yuanman, Xiong Zaiping, et al. Spatiotemporal Variations Characteristics of Summer Heat Island Effect in Shenyang Over the Past 15 Years[J]. Environmental Science and Technology, 2017, 40(S2): 293-299 https://www.cnki.com.cn/Article/CJFDTOTAL-FJKS2017S2055.htm [26] 郭振, 胡聃, 李元征, 等. 北京市城区地表温度冷热斑块空间格局分析[J]. 城市发展研究, 2014, 21(2): 60-65 Guo Zhen, Hu Dan, Li Yuanzheng, et al. Pattern Analysis of the Hot-Cold Land Surface Temperature Patches in Built-up Area of Beijing[J]. Urban Studies, 2014, 21(2): 60-65 -