張雪玲，阿里木江·卡斯木,2,3①，梁洪武

(1.新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，新疆 烏魯木齊 830054；2.新疆師范大學(xué)絲綢之路經(jīng)濟(jì)帶城鎮(zhèn)化發(fā)展研究中心，新疆 烏魯木齊 830054；3.新疆干旱區(qū)湖泊環(huán)境與資源重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830054)

地表溫度(land surface temperature, LST)作為氣候要素和變量，是探究區(qū)域熱環(huán)境的重要指標(biāo)，對于地表熱量平衡和氣-地相互作用具有推動作用[1]。綠洲是干旱-半干旱區(qū)的獨(dú)特景觀單元，由于中心綠洲區(qū)與外圍荒漠區(qū)具有不同的下墊面類型[2]，綠洲地區(qū)呈現(xiàn)中心溫度低、四周溫度高的環(huán)狀分布特點(diǎn)[3]，且綠洲相對于荒漠具有更加濕冷的“冷島效應(yīng)”特征[4]。熱島效應(yīng)會形成區(qū)域持續(xù)性高溫，造成能量的高消耗，給資源可持續(xù)利用和人居環(huán)境質(zhì)量帶來沉重負(fù)擔(dān)；而冷島效應(yīng)在一定程度上能夠遏制水體、植被過度的蒸發(fā)與蒸騰，這對于干旱地區(qū)資源環(huán)境大有裨益[5]。但是，隨著城市化飛速發(fā)展，城鎮(zhèn)范圍極速擴(kuò)張，使得綠洲的冷島強(qiáng)度不斷降低，LST的持續(xù)升高可能會引發(fā)不可抗力的自然災(zāi)害[6]。2006年頒布的《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006—2020年)》[7]提出，我國要切實(shí)推進(jìn)全球環(huán)境公約，以加強(qiáng)對于極端氣候變化的應(yīng)對能力?！笆奈濉币?guī)劃中也明確提出要促進(jìn)生態(tài)文明建設(shè)發(fā)展，這意味著LST狀況已成為改善城市生態(tài)環(huán)境問題的關(guān)鍵。

當(dāng)前國內(nèi)外學(xué)者關(guān)于地表熱環(huán)境的研究主要包括以下幾個方面。首先，地表下墊面覆被物性質(zhì)對LST空間分布具有主導(dǎo)作用[8]。通常來說，土地利用強(qiáng)度越高、景觀空間分布格局越復(fù)雜的地區(qū)，其熱島效應(yīng)越強(qiáng)烈[9]。AYANLADE等[10]基于貢獻(xiàn)指數(shù)和景觀指數(shù)探究“匯”“源”景觀對城市熱島的貢獻(xiàn)率，其結(jié)果表明以水體和綠地等為主體的“藍(lán)綠景觀”是緩解城市熱的重要手段。喬治等[11]采用景觀類型比例(PLAND)、景觀形狀指數(shù)(LSI)和聚合度指數(shù)(AI)等景觀指數(shù)揭示景觀破碎化程度與斑塊形狀大小對地表熱力景觀的影響規(guī)律。其次，地表熱環(huán)境是由多種因素綜合構(gòu)成。ZHU等[12]采用主成分分析，利用多個影響因子降維構(gòu)建生態(tài)環(huán)境影響指數(shù)，以此來分析LST的協(xié)調(diào)性和貢獻(xiàn)度。沈中健等[13]結(jié)合夜間燈光數(shù)據(jù)采用耦合態(tài)勢模型和協(xié)調(diào)性模型探究不同因素與LST的耦合協(xié)調(diào)關(guān)系。此外，地表熱環(huán)境研究還包括GDP發(fā)展水平[14]、人口密度[15]以及海拔和坡度[16]等自然要素對LST的影響。

地理探測器模型適宜于分析類型數(shù)據(jù)，能夠用于獨(dú)立探測因子的非線性關(guān)系，分析連續(xù)數(shù)據(jù)或比值數(shù)據(jù)時(shí)，則需要先進(jìn)行一定離散化處理。相較于單一離散法，R軟件GD包在建模前采用最優(yōu)參數(shù)方法對數(shù)據(jù)進(jìn)行離散，該方法處理后的數(shù)據(jù)仍保留原有特點(diǎn)，探測結(jié)果也更準(zhǔn)確。以新疆典型綠洲城市——石河子市為研究對象，分析不同時(shí)相LST的空間聚集性和空間分異性，揭示不同土地利用/覆被類型以及高程、坡度和夜間燈光數(shù)據(jù)與LST的相關(guān)性，探究城鎮(zhèn)發(fā)展與LST變化的協(xié)調(diào)程度，旨在為促進(jìn)地區(qū)生態(tài)環(huán)境質(zhì)量穩(wěn)步提高，加快城鎮(zhèn)化建設(shè)，建設(shè)和諧、友好的低碳型社會提供一定理論依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

石河子市位于新疆維吾爾自治區(qū)天山北麓中段，地理坐標(biāo)為北緯43°26′～45°20′，東經(jīng)84°58′～86°24′，地處準(zhǔn)噶爾盆地南部，北部、西部和南部均被沙灣市環(huán)繞，東部以瑪納斯河為界，與瑪納斯縣毗鄰相望[17]。石河子市地勢南高北低，南部為山地區(qū)，故而形成大范圍山前沖積平原，地形起伏較小，地勢較為平緩。研究區(qū)為典型溫帶大陸性氣候區(qū)，水源充足，自然資源和物種資源豐富，區(qū)內(nèi)農(nóng)業(yè)較發(fā)達(dá)，土地開發(fā)利用水平較高。

1.2 數(shù)據(jù)源與預(yù)處理

選取2006年7月31日和2011年7月29日Landsat TM影像，以及2017年7月29日和2021年7月29日Landsat TRIS影像，空間分辨率為30 m，成像清晰且云量均小于1%，數(shù)據(jù)來源于美國地質(zhì)勘探局(https:∥glovis.usgs.gov/)，并對數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正和圖像裁剪等預(yù)處理工作。夜間燈光數(shù)據(jù)用于表征人口分布狀況，2006和2011年采用DMSP/OLS數(shù)據(jù)，空間分辨率為1 km；2017和2021年采用NPP/VIIRS數(shù)據(jù)，空間分辨率為500 m，數(shù)據(jù)來源于Google Earth Engine (GEE)地理計(jì)算云平臺(https:∥earthengine.google.com)。數(shù)字高程模型(DEM)來源于地理空間數(shù)據(jù)云平臺(https:∥www.gscloud.cn/)，空間分辨率為30 m，并基于DEM提取坡度數(shù)據(jù)。

2 研究方法

2.1 土地利用分類

采用遙感和Google Earth影像，使用目視解譯法對訓(xùn)練樣本和驗(yàn)證樣本進(jìn)行采樣，樣點(diǎn)總數(shù)量高于100個。根據(jù)研究區(qū)現(xiàn)狀，將土地利用類型劃分為草地、耕地、林地、建設(shè)用地、水域和未利用地6種1級類型。

隨機(jī)森林法由BREIMAN[18]提出，是基于分類決策樹的機(jī)器學(xué)習(xí)算法。分類決策樹采用Bagging方法，基于選取的訓(xùn)練樣本構(gòu)建每一棵決策樹，由全體決策樹投票確定最終的分類結(jié)果[19]。隨機(jī)森林法基于原始的全體訓(xùn)練樣本M，采用重采樣隨機(jī)有放回抽樣選取N個訓(xùn)練樣本，再從全體訓(xùn)練樣本中隨機(jī)選取m個分類特征(m

2.2 地表溫度反演

2.2.1輻射傳輸方程法

基于Landsat熱紅外波段(TM B6和TIRS B10波段)數(shù)據(jù)，運(yùn)用輻射傳輸方程對LST進(jìn)行反演[13]。

首先，基于歸一化植被指數(shù)(NDVI，INDV)閾值法計(jì)算地表比輻射率(ε)，計(jì)算公式為

Pv=[(INDV-INDV，Soil)/(INDV，Veg-INDV，Soil)]，

(1)

ε=0.004Pv+0.986。

(2)

式(1)～(2)中，Pv為植被在整體混合像元中所占的比例，即植被覆蓋度；INDV，Soil和INDV，Veg分別為沒有植被(即裸土地區(qū))和完全是植被地區(qū)的歸一化植被指數(shù)值，取值分別為0.05和0.70。

其次，計(jì)算由Landsat傳感器接收到的大氣熱紅外輻射亮度值(Lλ)，計(jì)算過程如下：

Lλ=[εB(Ts)+(1-ε)L↓]τ+L↑。

(3)

式(3)中，ε為地表比輻射率；Ts為地表真實(shí)溫度，℃；B(Ts)為黑體輻射亮度，W·m-2·μm-1·sr-1；τ為熱紅外波段大氣透過率；L↓為大氣向下輻射亮度，W·m-2·μm-1·sr-1；L↑為大氣向上輻射亮度，W·m-2·μm-1·sr-1。τ、L↓和L↑數(shù)據(jù)均由NASA官網(wǎng)(http:∥atmcorr.gsfc.nasa.gov/)獲取。黑體輻射亮度計(jì)算公式為

B(Ts)=[Lλ-L↑-τ(1-ε)L↓]/τε。

(4)

最后，用普朗克公式獲取地表真實(shí)溫度，計(jì)算公式為

Ts=K2/ln[K1/B(Ts)+1]-273。

(5)

式(5)中，對于TM B6波段，K1=607.76 W·m-2·μm-1·sr-1，K2=1 260.56 K；對于TIRS B10波段，K1=774.89 W·m-2·μm-1·sr-1，K2=1 321.08 K。

2.2.2地表溫度等級劃分

由于不同時(shí)相不同年份大氣狀況不同，因此對反演得到的LST進(jìn)行歸一化處理，并采用“均值-標(biāo)準(zhǔn)差”法將LST分為極高溫、高溫、中溫、低溫和極低溫5個等級(表1)，并將低溫和極低溫區(qū)定義為冷島區(qū)?！熬?標(biāo)準(zhǔn)差”法利用研究區(qū)溫度平均值與標(biāo)準(zhǔn)差來劃分溫度梯度，這在一定程度上可以避免由于時(shí)相不同而帶來的誤差[21]。

Hi=(Ti-Tmin)/(Tmax-Tmin)。

(6)

式(6)中，Hi為第i個經(jīng)歸一化處理的地表溫度；Ti為第i個像元溫度值，℃；Tmax和Tmin分別為溫度最大值和最小值，℃。

表1 地表溫度等級劃分

2.2.3冷島比例指數(shù)

由于綠洲特殊的自然地理?xiàng)l件，形成獨(dú)特的綠洲“冷島效應(yīng)”。根據(jù)徐涵秋等[22]提出的熱島比例指數(shù)(URI)，采用馬勇剛等[23]構(gòu)建的綠洲冷島比例指數(shù)(OCRI，IOCR)表示熱環(huán)境變化強(qiáng)度，計(jì)算研究區(qū)內(nèi)冷島強(qiáng)度。

(7)

式(7)中，m為歸一化等級指數(shù)，將地表溫度劃分為5個級別，即m=5；n為綠洲冷島范圍等級數(shù)，將低溫和極低溫區(qū)定義為冷島區(qū)，因此n=2；w為權(quán)重值，為第i級級值；p為溫度等級i所對應(yīng)LST的百分比；i為低溫或極低溫區(qū)等級值，即為4或5。

2.3 空間自相關(guān)分析

空間自相關(guān)分析分為全局空間自相關(guān)和局部空間自相關(guān)，用于解釋LST空間聚集特征，其相關(guān)程度用Moran′sI來表征[24]。其中，全局空間自相關(guān)能夠用來分析地塊之間的聚集程度，計(jì)算公式為

(8)

局部空間自相關(guān)可以衡量單個空間地塊的相關(guān)性，且基于Z-Score的LISA圖能夠清晰明確地表達(dá)局部空間變化特征，計(jì)算公式為

(9)

式(9)中，I局部為局部空間自相關(guān)指數(shù)。

2.4 遙感指數(shù)計(jì)算

不同遙感指數(shù)能夠反映不同地物覆被特征，選取歸一化植被指數(shù)(NDVI)用于表征植被生長狀況，歸一化建筑指數(shù)(NDBI)用于表征建成區(qū)密度及建筑用地面積比例，改進(jìn)歸一化水體指數(shù)(MNDWI)用于表征水域信息，裸土指數(shù)(SI)用于表征研究區(qū)自然裸土分布狀況，歸一化水汽指數(shù)(NDMI)用于表征植被含水量(表2)。以5種遙感指數(shù)作為影響LST的因子來描述地表土地利用類型與地表熱環(huán)境之間的相關(guān)性[25]。

表2 遙感指數(shù)計(jì)算

2.5 地理探測器與協(xié)調(diào)性模型

2.5.1地理探測器

地理探測器是由王勁峰等[26]提出，用于探測空間分異程度，揭示自變量與因變量之間相關(guān)性的統(tǒng)計(jì)學(xué)模型。采用地理探測器中的因子探測和交互探測2個方面解釋LST與各影響因子之間的關(guān)系。

因子探測用q值表達(dá)不同類型影響因子對LST空間分異性的解釋程度，計(jì)算公式為

(10)

式(10)中，h為地表溫度或影響因子的分層或分區(qū)；Nh和N分別為h層和全區(qū)樣本單元數(shù)；σh2和σ2分別為h層和全區(qū)樣本的離散方差。q取值為[0,1]，其值越大，表明影響因子對熱環(huán)境的解釋力越強(qiáng)；反之則越弱。

交互探測是識別兩兩影響因子共同作用時(shí)會加強(qiáng)還是減弱對地表溫度的解釋力。分別計(jì)算2個影響因子的q值〔q(X1)和q(X2)〕，再計(jì)算它們相疊加后的q值〔q(X1∩X2)〕，并將q(X1)、q(X2)與q(X1∩X2)進(jìn)行比較。當(dāng)q(X1∩X2)max〔q(X1),q(X2)〕時(shí)，交互探測結(jié)果為雙因子增強(qiáng)；當(dāng)q(X1∩X2)=q(X1)+q(X2)時(shí)，交互探測結(jié)果為獨(dú)立；當(dāng)q(X1∩X2)>q(X1)+q(X2)時(shí)，交互探測結(jié)果為非線性增強(qiáng)。

2.5.2協(xié)調(diào)性模型

協(xié)調(diào)性模型可以清晰反映2個因素之間變化發(fā)展的協(xié)調(diào)水平，并以此反映LST變化與城鎮(zhèn)發(fā)展的協(xié)調(diào)性過程[13]，計(jì)算公式[27]為

(11)

式(11)中，O為協(xié)調(diào)性指數(shù)；i為LST和NDBI逐個對應(yīng)像元；Mi和Ni分別為地表溫度和城鎮(zhèn)發(fā)展的年平均增長率。O取值范圍為[0,1]，O越接近于1，協(xié)調(diào)程度越強(qiáng)，將0.9

表3 協(xié)調(diào)關(guān)系類型劃分

3 結(jié)果與分析

3.1 土地利用變化特征分析

石河子市土地利用分類見圖1。2006、2011、2017和2021年4期影像總體精度分別為98.67%、98.56%、93.58%和94.08%；Kappa系數(shù)分別為0.972、0.969、0.867和0.873，分類效果較好，可靠性較高。

圖1 石河子市土地利用分類

由圖1和表4可知，建設(shè)用地?cái)U(kuò)張速度激增，由2006年的83.42 km2增長至2021年的164.05 km2，增加17.63%。由于石河子市地處天山北坡經(jīng)濟(jì)帶，城鎮(zhèn)化發(fā)展迅速，逐漸形成以主城區(qū)為中心向四周擴(kuò)張的發(fā)展趨勢。石河子市林地面積逐年增長，除建設(shè)用地和林地外，其余類型面積均呈下降趨勢。石河子市農(nóng)業(yè)發(fā)達(dá)，耕地面積占比最高，但下降速度也最快，由2006年的272.33 km2下降至2021年的204.46 km2，耕地面積的減少主要是由于建成區(qū)擴(kuò)張所造成。草地主要位于石河子市南郊，地形為山嶺，多為極低覆蓋度植被，面積變化幅度較小，呈不明顯下降趨勢。石河子市以東側(cè)瑪納斯河為主要水源，瑪納斯河年均徑流量逐年下降，故水域面積逐年降低。未利用地面積較小，至2021年，未利用地面積所占比例僅為0.19%。

3.2 地表溫度分布特征分析

采用2021年同日MODIS地表溫度產(chǎn)品MOD11A1數(shù)據(jù)對Landsat反演得到的LST數(shù)據(jù)進(jìn)行對比驗(yàn)證，將數(shù)據(jù)空間分辨率統(tǒng)一為1 km，并隨機(jī)提取200個點(diǎn)位數(shù)據(jù)進(jìn)行擬合，結(jié)果表明2種數(shù)據(jù)平均溫差為±0.94 ℃，最高溫差為±5.67 ℃。如圖2所示，2種溫度數(shù)據(jù)擬合效果較好，精度較高。

表4 石河子市土地利用類型面積與比例

由圖1和圖3可知，與大部分城市高溫中心分布在建設(shè)用地不同，石河子市高溫中心位于南部草地。由于石河子市南部草地植被類型主要為荒漠草原，覆蓋度與密度均極低，因此極高溫和高溫區(qū)主要分布在該地區(qū)，中溫區(qū)大多分布在建設(shè)用地和低密度覆被的耕地，而低溫和極低溫區(qū)則主要分布在高密度覆被的耕地和水域。對2021年LST進(jìn)行分區(qū)統(tǒng)計(jì)發(fā)現(xiàn)，面積較大的草地、耕地和建設(shè)用地平均LST分別為44、34和40 ℃，呈中間溫度低、四周溫度高的狀況，這是典型綠洲冷島效應(yīng)特征。但是，隨著建設(shè)用地面積增加，中溫、高溫區(qū)面積不斷擴(kuò)大，導(dǎo)致“冷島”范圍不斷縮小。

圖2 溫度驗(yàn)證結(jié)果

圖3 石河子市地表熱環(huán)境空間分布

由表5～6可知，2006年極低溫區(qū)面積占比最高，冷島指數(shù)高達(dá)0.53，冷島效應(yīng)強(qiáng)烈。2011年，城鎮(zhèn)開始快速擴(kuò)張，極低溫區(qū)面積大幅下降，并導(dǎo)致中、高溫區(qū)面積增加，冷島強(qiáng)度下降，冷島指數(shù)為0.47。2017年，中、高溫區(qū)面積持續(xù)上升，城鎮(zhèn)擴(kuò)張速度達(dá)到最快，冷島強(qiáng)度下降速度也到達(dá)峰值，冷島指數(shù)下降至0.39。2021年，中溫區(qū)面積升為最高，這主要是由于土地利用類型由極低溫的耕地轉(zhuǎn)為中溫的建設(shè)用地，雖然冷島指數(shù)持續(xù)下降，但是冷島強(qiáng)度衰減速度開始減緩。綠洲冷島效應(yīng)受到城市擴(kuò)張速度與強(qiáng)度的劇烈影響，在發(fā)展中應(yīng)重視“藍(lán)綠空間”建設(shè)，以緩解“城鎮(zhèn)熱”的問題。

3.3 地表溫度空間自相關(guān)特征分析

石河子市LST全局空間自相關(guān)Moran′sI值見表7，LST局部LISA圖見圖4。表7顯示，4期全局自相關(guān)Moran′sI值分別為0.805、0.731、0.821和0.804，且P值均小于0.001，這表明LST具有顯著空間正相關(guān)關(guān)系，且2017年相關(guān)性最高。

由圖4可知，低-低聚集區(qū)主要分布在耕地，即低溫區(qū)，區(qū)域隨著耕地范圍發(fā)生變化，由南北聚集轉(zhuǎn)為西北聚集。高-高聚集區(qū)主要集中在南部草地和中部建設(shè)用地，即高溫和極高溫區(qū)。研究區(qū)中部高-高聚集區(qū)呈向南北方向轉(zhuǎn)移的趨勢，這與城鎮(zhèn)發(fā)展方向一致；南部草地高-高聚集區(qū)多年來基本保持不變。高-低聚集和低-高聚集區(qū)分布較少，呈零星斑塊狀分布。耕地植被覆蓋度較高，具有顯著緩解溫度的作用，區(qū)域LST較低，因而呈現(xiàn)低-低聚集效應(yīng)；草地地區(qū)植被類型為極低覆蓋植被，地面升溫較快，因而呈現(xiàn)高-高聚集效應(yīng)。

表5 地表溫度等級面積與冷島比例指數(shù)

表6 地表溫度轉(zhuǎn)移矩陣

表7 LST全局空間自相關(guān)Moran′s I統(tǒng)計(jì)

3.4 基于地理探測器的LST相關(guān)性研究

采用R 4.1.2軟件地理探測器模型GD軟件包探測9個影響因子對LST空間分異性的解釋力大小，并對各影響因子進(jìn)行交互探測。將各影像數(shù)據(jù)空間分辨率統(tǒng)一重采樣至1 km，并進(jìn)行離散化處理，采用gdm函數(shù)得到地理探測器探測結(jié)果。

由表8可知，2006—2021年，NDBI、NDMI和SI的q值最大，對LST的解釋力最高，表明建筑物密集程度、植被含水量和裸土狀況對LST具有較大影響。而坡度、夜間燈光和MNDWI的q值最低，對LST的解釋力較弱，這是由于石河子市地勢平坦，市區(qū)人口約為35萬～40萬，人口密度較低，且水域面積分布較小，因而對LST的影響較弱。不同因素對LST的解釋力各不相同，從而構(gòu)成了石河子綠洲獨(dú)特的熱環(huán)境。各影響因子q值由大到小依次為NDBI、NDMI、SI、NDVI、土地利用、DEM、MNDWI、坡度和夜間燈光。

圖4 LST局部空間自相關(guān)LISA圖

表8 因子探測q值

對不同影響因子進(jìn)行交互探測(圖5)，判斷兩兩影響因子相互作用對LST的解釋程度。由圖5可知，石河子綠洲LST空間分異性不是由某一單因子控制，兩兩因素在交互作用下大多為雙因子增強(qiáng)，表明兩兩因子交互對LST的影響遠(yuǎn)遠(yuǎn)大于單因素的影響。根據(jù)q值大小，4個年份起主導(dǎo)作用的交互因子主要為DEM∩NDMI和DEM∩NDBI，表明海拔與植被水汽和建筑的交互作用對LST的解釋力最高。石河子市地處塔里木盆地，平均海拔為450 m，適合人口居住和農(nóng)業(yè)發(fā)展，區(qū)內(nèi)農(nóng)作物以棉花、玉米為主，植被水汽含量高，兩者因素結(jié)合對LST具有較大影響。此外，4個年份坡度∩夜間燈光和DEM∩夜間燈光均呈非線性增強(qiáng)；坡度、夜間燈光和DEM的q值均小于0.5，對LST的解釋力較低，但在交互作用下對LST的影響力卻大大加強(qiáng)。在石河子市生產(chǎn)發(fā)展過程中，自然因素與人為因素的結(jié)合對LST具有較大影響。

DEM為地理高程模型，NDVI為歸一化植被指數(shù)，NDBI為歸一化建筑指數(shù)，MNDWI為改進(jìn)歸一化水體指數(shù)，SI為裸土指數(shù)，NDMI為歸一化水汽指數(shù)。*為非線性增強(qiáng)；無標(biāo)記為雙因子增強(qiáng)。

3.5 城鎮(zhèn)發(fā)展與LST協(xié)調(diào)性分析

NDBI反映建筑物狀態(tài)，在一定程度上可表示城鎮(zhèn)發(fā)展，且地理探測器探測因子探測結(jié)果表明NDBI對LST的解釋力最強(qiáng)。因此，采用協(xié)調(diào)性模型計(jì)算3個時(shí)期NDBI與LST的協(xié)調(diào)發(fā)展程度。對NDBI和LST數(shù)據(jù)進(jìn)行歸一化和格網(wǎng)化處理，將研究區(qū)劃分為300 m×300 m的網(wǎng)格，提取每個網(wǎng)格單元內(nèi)NDBI和LST像元平均值，計(jì)算兩兩因素之間年平均增長率的協(xié)調(diào)性(圖6)。

協(xié)調(diào)型反映城鎮(zhèn)發(fā)展與LST變化協(xié)調(diào)增長且速度較快，瀝青、混凝土等不透水面擴(kuò)張的同時(shí)會引發(fā)LST協(xié)同升高，因此協(xié)調(diào)型區(qū)域主要分布在城鎮(zhèn)擴(kuò)張方向；而在原有中心城區(qū)，城鎮(zhèn)擴(kuò)展和地表升溫幅度比較有限，其協(xié)調(diào)性水平也相對較低。磨合型反映城鎮(zhèn)發(fā)展與LST變化處于良好發(fā)展階段，發(fā)展速度適中；拮抗型反映城鎮(zhèn)發(fā)展與LST變化幅度較小，或不顯著。從整體來看，3個時(shí)期協(xié)調(diào)型區(qū)域穩(wěn)定在27%左右，變化起伏較??；磨合型區(qū)域占比最大，且呈先增后減趨勢；拮抗型區(qū)域占比最小，且呈先減后增趨勢(圖6)。

2006—2011年，城鎮(zhèn)開始向南北方向擴(kuò)張，LST快速升高并超前于城鎮(zhèn)發(fā)展，因此協(xié)調(diào)超前型區(qū)域占主導(dǎo)地位；在原有中心城區(qū)，冷島效應(yīng)強(qiáng)烈且發(fā)展空間有限，因而拮抗滯后型區(qū)域所占比例同樣較高。2011—2017年，城鎮(zhèn)開始向四周擴(kuò)張，磨合超前型區(qū)域開始增長并占據(jù)主導(dǎo)地位，同時(shí)，由于城市冷島效應(yīng)衰減速度達(dá)到最快，拮抗型區(qū)域占比下降，而磨合滯后型區(qū)域占比上升。2017—2021年，城鎮(zhèn)發(fā)展到達(dá)后期，城鎮(zhèn)發(fā)展與LST均受到限制，LST變化滯后于城鎮(zhèn)發(fā)展，磨合超前型區(qū)域占比達(dá)到最低，磨合滯后型區(qū)域占比有所上升，且冷島效應(yīng)衰減速度放緩，拮抗型區(qū)域面積有所上升。石河子市全區(qū)建設(shè)用地類型占有較大范圍，LST受城鎮(zhèn)發(fā)展影響較大，因此LST與城鎮(zhèn)發(fā)展的協(xié)調(diào)性變化與土地利用變化的趨勢基本一致。

圖6 2006—2021年石河子市歸一化建筑指數(shù)(NDBI)與地表溫度(LST)的協(xié)調(diào)類型比例

4 討論與結(jié)論

4.1 討論

綠洲是干旱-半干旱地區(qū)空間和地域分異的結(jié)果，是一種獨(dú)特的景觀單元，也是維持干旱-半干旱地區(qū)人類棲居和繁榮發(fā)展的重要場所。由于荒漠與綠洲下墊面性質(zhì)的差異，其地表熱力分布具有非均衡性，中心綠洲低溫和外圍荒漠高溫，造就綠洲地區(qū)具有典型的冷島效應(yīng)[28]。因此，研究綠洲冷島效應(yīng)對于評估綠洲生態(tài)環(huán)境質(zhì)量具有積極意義[29]。但是，伴隨著城市化進(jìn)程快速發(fā)展，建筑物更加繁密緊湊，城鎮(zhèn)擴(kuò)展速率與日俱增[30]，使得研究區(qū)綠洲冷島強(qiáng)度不斷降低，這與高原等[17]的研究結(jié)果基本一致。2017年，研究區(qū)冷島指數(shù)下降速度最快，2021年，冷島指數(shù)下降速度開始大幅減緩。這是由于近年來，國家對生態(tài)環(huán)境保護(hù)愈發(fā)重視，但綠洲生態(tài)系統(tǒng)的穩(wěn)步恢復(fù)仍需要較長時(shí)間的努力。

一般來說，地表溫度空間分布由多方面因素共同決定[31]。地理探測器因子探測結(jié)果(表8)發(fā)現(xiàn)，研究區(qū)歸一化建筑指數(shù)(NDBI)對LST的解釋力最高。PENG等[32]基于最小二乘回歸模型發(fā)現(xiàn)夏季引起LST變化的主導(dǎo)因子為NDBI，其貢獻(xiàn)率也最高，而過渡季節(jié)影響力最高的則為NDVI。筆者研究結(jié)果與之基本一致。大量研究證明，植被對LST具有顯著降溫作用，但在干旱地區(qū)，植被類型大多為干草類和灌木類荒漠植被，植被呈斑塊狀分布在裸露地面，葉片面積較小而根莖發(fā)達(dá)，以此來適應(yīng)嚴(yán)苛的生存條件。因此，研究區(qū)地面升溫迅速，地表溫度較高，形成特殊的干旱區(qū)熱力景觀。石河子市空間結(jié)構(gòu)分布清晰，城鎮(zhèn)發(fā)展對LST的影響極大，各時(shí)期城鎮(zhèn)發(fā)展大多超前于LST變化，這與沈中健等[13]的研究結(jié)果基本一致。而在城市景觀格局復(fù)雜多變的地區(qū)，NDBI對LST的影響會被削弱。

夏季植物種類豐富，植被覆蓋度較高，對LST的影響較為典型，因此筆者僅對夏季LST進(jìn)行研究，在后續(xù)研究中可以研究多季節(jié)不同因素與LST的相關(guān)性。筆者以多個遙感指數(shù)為變量探討LST驅(qū)動因素，在未來研究中可以從景觀生態(tài)學(xué)角度進(jìn)行探討，分析景觀異質(zhì)性與LST的關(guān)系，從更深層次對城鎮(zhèn)發(fā)展與LST變化進(jìn)行探討。

4.2 結(jié)論

(1)隨著城鎮(zhèn)化水平不斷提高，城鎮(zhèn)地區(qū)不斷向四周擴(kuò)張，研究區(qū)建設(shè)用地由2006年的70.3 km2增長至2021年的164.73 km2，石河子市林地面積逐年增長，而耕地、草地和水域面積均呈下降趨勢。土地利用類型對LST的分布影響較大，極高溫、高溫和中溫區(qū)集中分布在建設(shè)用地、草地和部分低密度覆被的耕地，并呈逐年增加趨勢；低溫和極低溫區(qū)分布在耕地和水域，面積逐年減少。2006、2011、2017和2021年研究區(qū)冷島指數(shù)分別為0.53、0.47、0.39和0.35，冷島強(qiáng)度在2017年下降速度最快，2021年下降速度開始減緩。

(2)2006、2011、2017和2021年LST全局自相關(guān)Moran′sI分別為0.805、0.731、0.821和0.804，LST具有顯著空間正相關(guān)性。高-高聚集區(qū)主要集中在高溫的建設(shè)用地和草地，低-低聚集區(qū)則集中在低溫的耕地。

(3)各影響因子探測結(jié)果q值由大到小依次為NDBI、NDMI、SI、NDVI、土地利用、DEM、MNDWI、坡度和夜間燈光，NDBI對LST的解釋力最強(qiáng)。交互探測結(jié)果表明，4個年份海拔與NDMI和NDBI的交互作用對LST的影響占主導(dǎo)地位。

(4)2006—2021年研究區(qū)NDBI與LST協(xié)調(diào)性的3種類型分布較為均衡，協(xié)調(diào)型區(qū)域變化比較穩(wěn)定，磨合型和拮抗型區(qū)域分別呈先增加后減少和先減少后增加趨勢。2006—2011年，城鎮(zhèn)發(fā)展初期，LST變化超前于城鎮(zhèn)發(fā)展，呈協(xié)調(diào)超前和磨合超前型；2011—2017年，冷島強(qiáng)度減弱，中心城市LST協(xié)調(diào)性有所上升，磨合型范圍擴(kuò)大；2017—2021年，城鎮(zhèn)發(fā)展后期，城鎮(zhèn)擴(kuò)散與LST發(fā)展具有局限性，LST變化滯后于城鎮(zhèn)發(fā)展，拮抗型面積有所上升。