夏季川西高原地表温度的空间特征和影响因素——以西昌市大部分区域为例

文路军， 彭文甫， 杨华容， 王怀英， 董丽君， 尚雪

(1.西南土地资源评价与监测教育部重点实验室，成都 610068；2.四川师范大学地理与资源科学学院，成都 610068)

夏季川西高原地表温度的空间特征和影响因素
——以西昌市大部分区域为例

文路军1,2， 彭文甫1,2， 杨华容1,2， 王怀英1,2， 董丽君1,2， 尚雪1,2

(1.西南土地资源评价与监测教育部重点实验室，成都 610068；2.四川师范大学地理与资源科学学院，成都 610068)

揭示地表温度(land surface temperature,LST)的空间特征及其影响因素对环境变化研究具有重要意义。现有研究主要分析了单因子与LST的关系，但对向阳面和背阳面背景下多因子与LST的关系尚不清楚。研究中将区域划分为向阳面和背阳面，基于遥感数据提取土地利用信息并应用大气校正法进行LST反演，采用相关分析、主成分分析和逐步回归分析法构建LST与多因子(归一化湿度指数(normalized difference moisture index,NDMI)、归一化植被指数(normalized difference vegetation index，NDVI)、坡度(slope)、坡向(aspect)和数字高程模型(digital elevation model，DEM))的回归方程，研究了向阳面和背阳面背景下各因子对LST的影响程度。结果表明： 相同海拔、土地利用的LST均表现为向阳面高于背阳面，LST随海拔升高而降低，不同土地利用的LST均不相同； 向阳和背阳面LST的主要影响因素均为NDMI和DEM，向阳面NDMI影响程度最大，背阳面却相反； 其余影响因子影响程度均较低，向阳面NDVI和背阳面Slope影响程度最大。因此，向阳和背阳面导致夏季川西高原LST空间格局变化,且其影响因子的影响程度和主次顺序差异明显。

土地利用类型； 地表温度反演； 空间特征； 川西高原

0 引言

地表温度(land surface temperature,LST)是地球表面能量平衡的重要参数，也是地球环境分析的重要指标。土地利用是人类生存和发展的重要保障，土地利用类型直接影响着LST。土地覆盖、地表比辐射率和水汽含量对LST影响存在明显的差异性，许多学者通过研究土地覆盖状况与LST之间的关系探讨了LST的空间特征[1-3]，发现不同土地利用类型对应的LST均不相同。彭征[4]研究发现山地城市的土地覆盖变化引起LST的空间格局变化。

宏观上经度、纬度以及气候条件和局地因素(数字高程模型(digital elevation model，DEM)、坡度(slope)、坡向(aspect)和太阳方位、高度角，以及地表地物类型、土壤湿度和大气水汽含量)对LST影响较大。目前，主要利用反应下垫面情况的植被覆盖状况和水汽含量对LST的影响进行研究，发现城市、山区、高原、平原和干旱地区归一化植被指数(normalized difference vegetation index，NDVI)与LST之间都存在较强的相关性[5-7]，总体呈现出负相关关系。钱乐祥[8]发现归一化湿度指数(normalized difference moisture index, NDMI)与LST存在的线性关系较NDVI与LST的线性关系更强，能更好地表达LST的特征情况。孙常峰[9]研究认为，夏季山区在没有水体情况下NDVI与NDMI都能有效地表达LST，且LST分别与NDVI，NDMI呈二次和线性负相关关系，NDVI与NDMI之间存在高度相关关系，研究表明LST随海拔升高逐渐降低[3,9]。目前，国内主要针对单方面的影响因子与LST建立关系来探讨和描述LST的空间特征，很少构建多因子与LST之间的相关关系，忽略了其他影响因子对LST的影响，尤其以地形为主的复杂地形区域的研究更少，对地形向阳面和背阳面各影响因子影响程度很少进行具体讨论。

西昌市地处川西高原，地势起伏较大，局部地形中属于平原与高原的过渡地带，且经纬度范围变化小，因此不考虑宏观上LST的影响因子，对于研究地形条件和下垫面性质对LST的影响比较典型。基于影像成像时间、太阳高度角、方位角和DEM等辅助数据将地表划分为向阳、背阳和交替面； 在监督与决策树分类提取土地利用类型、大气校正方法反演LST数据基础上，采用相关分析方法对LST空间特征与土地利用类型、影响因子之间关系进行分析； 为消除共线性问题，利用主成分和逐步回归分析方法构建LST与多因子的回归方程，确定影响因子对LST的影响程度。

1 研究区及数据源概况

1.1 研究区概况

西昌地处川西高原的第二大平原—安宁河平原，位于101°55′～102°22′E，27°36′～27°59′N，地势起伏大且垂直地带性突出，地形以山地为主，大部分海拔都在2 000～3 000 m之间，北部很多山峰海拔都超过了3 500 m，约占总面积的83.4%； 河谷平原的平均海拔1 500 m，占总面积的16.4%。西昌属于热带高原季风气候，气温随海拔升高变化明显，日照多，地温、气温高，年平均温度为17.2 ℃，8月最高23.8 ℃，1月最低9.4 ℃，全年风速较大，蒸发量大，湿度相对较小。西昌市境内有著名的四川省第二大淡水湖泊—邛海，安宁河由北向南贯穿西昌，西昌森林类型主要以云南松为主，植被覆盖度超过50%，夏季主要农作物为水稻、玉米，冬季主要农作物为小麦。本研究区主要包括西昌市城区、安宁河、邛海、河谷平原和山地，总面积1 264.75 km2，其中海拔在2 000 m且坡度大于20°以上的地形面积所占比例为38.43%。

1.2 数据源及其预处理

研究数据包括Landsat ETM+数据和GDEM-DEM数据，来源于地理空间数据云(http: //www.gscloud.cn/)。其中，影像数据成像时间为2002年8月27日3∶28，太阳高度和方位角分别59.96°和120.05°。MODIS中国1 km的LST每天产品(TERRA星)数据，成像时间为2002年8月27日3∶55。

利用最邻近重采样法对Landsat ETM+数据多光谱和热红外波段重采样为15 m； 对ETM+影像多光谱和热红外波段进行辐射定标，获得真实地表的辐射亮度值，进行大气校正获得真实的地表反射率。由于西昌市1∶400万行政边界图、MODIS中国1 km的LST产品和ETM+影像数据的投影方式不同，利用ArcGIS投影转换工具将投影转换为统一的经纬度投影。图1为研究区位置、ETM+影像、GPS野外验证点和路线。

图1 研究区位置、ETM+影像、GPS野外验证点和路线

2 研究方法

2.1 地形向阳面、背阳面划分

根据影像元数据信息，模拟研究区太阳辐射变化过程，经计算得出位于太阳辐射区域的坡向范围为30.08°～184.35°，将其划分为向阳面； 未被太阳辐射范围为210.08°～4.35°，将其划分为背阳面； 其余部分为交替面。

2.2 土地利用类型获取与验证

1)土地利用类型获取。遥感影像分类中最大似然监督分类和基于分类回归树算法的决策树分类方法具有很高的分类精度[10]，由于一般图像的像元很多是混合像元，带有混合光谱信息的特点，致使计算机分类面临着诸多模糊对象，不能确定其究竟属于哪一类地物，同物异谱和异物同谱的现象普遍存在，导致误分和漏分[11]，加之训练样本选取依靠人工经验，单基于一种分类方法的分类结果具有很大误差，因此研究利用这2种方法分别对研究区影像进行土地利用类型的分类。训练样本选取时，利用Google Earth研究区当天QuickBird影像数据作为辅助数据进行训练区类别选取，每个类别训练样本选定至少在20个以上，分类过程中2种方法采用相同的训练样本。

2)土地利用类型结果验证。由于研究区影像时间关系，对土地利用类型结果精度进行评价时，首先查阅相关年份的土地利用资料，初步判读出土地利用类型未变化区域，再利用手持GPS定位和数码相机拍摄获取验证点土地利用信息。山地土地利用类型很少发生变化，因此设计野外验证路线时主要在平原和山地过度区域，研究共采样55个验证点并重新选取训练样本对分类结果精度进行评价。

2.3 LST反演与验证

1)LST反演。比较成熟的算法大致有4种： 多波段算法、分裂窗算法、大气校正法和单通道算法，多波段和分裂窗算法适合于2个及2个以上的热红外波段数据，而大气校正法和单通道算法适合于一个热红外波段的数据。Landsat ETM+影像第6波段为热红外波段，本研究选用大气校正法对ETM+影像进行LST反演。反演过程中，在NASA官网平台上(http: //atmcorr.gsfc.nasa.gov/)输入影像成像时间和中心经纬度信息，经查询得到，研究区大气透过率、大气上行辐射和下行辐射分别为： 0.79，1.44和2.38 W·m-2·sr-1·μm-1。NDVI[12]和NDMI[13-14]计算公式和算法参考前人研究[15-18]，本文不再描述。在反演过程中，由于研究区河流水体浑浊，经验阈值不能很好的区分出河流与居民地，因此利用徐涵秋[19]改进的归一化差异水体指数进行居民地与河流的阈值提取。

2)LST验证。MODIS LST产品尺度虽然较大，但其产品精度很高，在考虑温度反演所需各参数的估计误差时，其精度可控制在0.6～0.8 ℃范围内[20]，因此利用MODIS LST产品数据对ETM+ LST结果精度进行验证。在研究区内随机选取50个分布均匀的1 km×1 km格网，求取格网内MODIS LST和ETM+ LST结果平均值两组数据，利用SPSS软件配对样本T检验工具分析这两组数据是否存在显著性差异。

2.4 LST与影响因子统计分析

因像元数太多，故本研究采用分层采样和简单随机采样法，先将研究区DEM分为21层，每层间距100 m，再在每层随机采样1 000个样本像元，据此数据探讨各因子之间的相关关系和构建LST与多因子的回归方程。

3 结果与分析

3.1 土地利用类型

实地考察发现，路线周围山地上土地利用类型随海拔上升主要由草地过渡到林地，地形向阳和背阳面区分明显，海拔相对较低时背阳面林地覆盖较向阳面好。在55个验证样本中，有51个点显示解译正确，实地验证精度为92.72%。对2种方法的分类结果图做差异比较，结果表明2种方法的分类结果相同之处达到了84.81%。在后期工作中将利用这84.81%的相同区域进行统计分析。参照原始影像对不同处进行类别修正，得到最终分类结果如图2所示。从图中可以清楚的看到河谷平原地区主要以耕地为主，山区主要以草地和林地为主，随海拔升高土地利用类型由草地过度到林地。

图2 土地利用类型提取结果

3.2 LST反演结果

LST反演结果如图3所示。

(a) 地表温度反演结果(b) MODIS影像地表温度反演结果

经过差异性比较可知，两组数据存在显著性差异，MODIS LST的平均值为25.84 ℃，ETM+ LST的平均值为24.91 ℃，均值的标准误差为0.14，成对样本相关系数0.73，具有明显的线性变化。在5%～95%置信区间内，差值在0.803 ℃～1.474 ℃范围内。平均温度分布基本相同，山区温度较低，河谷平原温度相对较高。图中显示整个研究区所有像元的LST，其极低值主要出现在云层和阴影区域，在1%～99%置信区间中，ETM+ LST值在15.22 ℃～31.95 ℃范围内，MODIS LST在16.61 ℃ ～33.09 ℃。这是由于研究区ETM+影像数据获取时间较MODIS影像早大约30 min且时间都在上午，地表处于吸热增温阶段，因此MODIS LST值相对较高，所以ETM+ LST结果精度较高，其值具有可靠性。

3.3 土地利用类型与LST空间特征的关系

3.3.1 土地利用类型与LST空间特征描述

为了更加直观的展示出土地利用类型与LST空间特征的关系，将LST图像和土地利用类型图像与DEM数据进行叠加生成三维图像，如图4所示。

(a) LST三维图 (b) 土地利用三维图

对比图4发现，在平原区域，LST因地表土地利用类型不同表现出不同空间特征，LST最高出现在建筑物比较密集的城镇居民地，而最低往往出现在河流； 在地势起伏较大的地形区域，裸地的LST最高，林地LST最低，LST因土地利用类型光照条件的不同而变化，光照充裕的向阳土地利用类型LST都高于光照稀少的背阳面。

3.3.2 土地利用与LST空间特征的量化分析

根据统计方法获得每100 m海拔变化各土地利用类型平均LST，结果见表1。

表1 DEM每上升100 m范围内不同土地利用类型的LST平均值

1)研究区内耕地、居民地、河流和湖泊均处于1 800 m海拔以下，其平均LST分别为： 25.57 ℃，29.47 ℃，21.05 ℃和23.61 ℃。8月份耕地主要种植水稻和玉米，其LST较周边林地高大约0.6 ℃，较草地低大约1.6 ℃。河流水体LST较湖泊低约2.5 ℃，河流水体为流动性水体，表面与内部热量交换较快，而湖泊水面平静，热量交换较慢。

2)相同土地利用类型处于不同地形方位，受太阳辐射时长不同，LST形成不同的空间格局。如表1所示，向阳林地LST较背阳林地LST高约1.2 ℃，向阳草地高背阳草地大约1.6 ℃，向阳裸地高背阳裸地大约1.5 ℃。对于整个研究区LST大小空间分布的规律表现为： 居民地>裸地>草地>耕地>林地>湖泊>河流。根据地形方位表现出的规律为： 居民地>向阳裸地>向阳草地>耕地>背阳裸地>向阳林地>背阳草地>背阳林地>湖泊>河流。

3)不同土地利用类型LST与DEM的相关性。运用SPSS软件进行计算，得到向阳林地、向阳草地、向阳裸地、建筑物、耕地、背阳裸地、背阳林地和背阳草地LST与DEM的Pearson相关系数分别为： -0.986，-0.904，-0.985，-0.919，-0.928，-0.987，-0.947和-0.952，显著性为0.01。由其相关系数可以得出各土地利用类型LST与DEM存在高度负相关关系。构建地物类型与海拔的回归方程，如图5所示，可以看出林地和裸地LST与DEM之间有较好的线性关系，而草地与海拔之间二次项试构建的回归方程拟合程度较高。因太阳高度角变化过程中，由于山体大小不一，在其背后形成的阴影大小发生着相应的变化，导致其背后地表所接受阳光照射时间不一，因此在统计向阳面平均值时会略偏低，要细微的进行划分，还需对每一座山体间距、大小以及地形自身的起伏程度进行考虑。本研究假设向阳面和背阳面太阳辐射时长均一致，DEM与LST下降趋势结果较为理想。

(a) 向阳林地(b) 背阳林地(c) 向阳草地

(d) 背阳草地(e) 向阳裸地(f) 背阳裸地

3.4 LST影响因子之间的相互关系

统计得到海拔每100 m范围内各土地利用类型NDVI和NDMI平均值，计算显著性在0.01下NDVI，NDMI，DEM和LST之间的相关性，结果显示Pearson相关系数如表2所示。

1)在各土地利用类型中，DEM-NDVI呈显著正相关关系，而LST-NDVI呈显著负相关关系；DEM-NDMI，NDVI-NDMI和LST-NDMI相关性正负不一。减小共线性问题，控制DEM在100 m变化中，计算NDVI与NDMI之间的Pearson相关系数为0.82，具有高度正相关性。

2)在向阳面，slope与LST的Pearson相关系数为-0.211，呈低度负相关关系；aspect与LST之间Pearson相关系数为0.18，呈低度正相关关系。背阳面，slope与LST之间Pearson相关系数为-0.584，呈中度负相关关系；aspect与LST之间Pearson相关系数为-0.188，呈低度负相关关系。

表2 各土地利用类型中影响因子之间的相关关系

3.5 LST与多因子回归分析

由于各LST影响因子之间相互影响，为了消除建立回归方程时共线性问题，本研究对各个影响因子做主成分分析，主成分分析过程有2个重新生成的变量特征值大于1，且在成分矩阵中2个主成分可基本反映影响因子全部的指标信息，因此可用这2个新变量来替代原因子变量。新建立的向阳面主成分的综合模型为

F1=0.28slope+0.494NDVI+0.278NDMI+0.317DEM-0.097aspect，

(1)

背阳面主成分综合模型为

F2=0.097slope+0.47NDVI+0.496NDMI+0.119DEM+0.17aspect。

(2)

根据综合模型对数据加以修正再建立向阳面和背阳面LST与其影像因子之间的线性回归方程，其计算指标如表3和表4所示。由偏相关系数可以看出在地形背阳面和向阳面LST受DEM与NDMI影响最大，受其他因子影响较低，这与孙常峰[9]研究夏季泰山LST影像因子影响程度结果相一致。建立研究区背阳面和向阳面LST与其影响因子NDVI，NDMI，DEM，slope和aspect之间的线性回归方程如表5所示。

表3 背阳面逐步回归分析相关统计参数

*P<0.01，R2=0.77。

表4 向阳面逐步回归分析相关统计参数

*P<0.01，R2=0.57。

表5 背阳面、向阳面LST与多因子之间的回归方程

4 结论

1)向阳面和背阳面LST值差异较大。同一海拔、相同土地利用类型的LST值表现出向阳面高于背阳面； 不同海拔、相同土地利用类型LST值下降程度均表现为向阳面小于背阳面。

2)海拔、土地利用类型、向阳面和背阳面对夏季川西高原LST空间格局影响显著。不同海拔、相同土地利用类型LST呈现出明显的下降趋势，林地下降最快，裸地最慢； 同一海拔、不同土地利用类型LST形成不同空间格局，居民地LST最高，特别是建筑密集的城市居民地LST较乡村居民地更高，而河流水体LST最低。

3)夏季川西高原LST在向阳面和背阳面影响因子的影响程度不同。DEM和NDMI对LST影响程度最大，其他因子影响程度较低。向阳面NDMI的影响程度最大，高于DEM，其余低影响因子中NDVI影响最大。背阳面DEM的影响程度最大，高于NDMI，而低影响因子中slope影响最大。

[1] 张春玲,余华,宫鹏,等.基于遥感的土地利用空间格局分布与地表温度的关系[J].遥感技术与应用,2008,23(4):378-384. Zhang C L,Yu H,Gong P,et al.Relationships between landscapes spatial pattern and land surface temperature[J].Remote Sensing Technology and Application,2008,23(4):378-384.

[2] 候光雷,张洪岩,王野乔,等.基于MODIS数据的吉林省中部地表温度反演及空间分布研究[J].地理科学,2010,30(3):421-427. Hou G L,Zhang H Y,Wang Y Q,et al.Retrieval and spatial distribution of land surface temperature in the middle part of Jilin Province based on MODIS data[J].Scientia Geographica Sinica,2010,30(3):421-427.

[3] 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. Guan Y L,Wang R H,Li C,et al.Spatial-temporal characteristics of land surface temperature in Tianshan Mountains area based on MODIS data[J].Chinese Journal of Applied Ecology,2015,26(3):681-688.

[4] 彭征,廖和平,郭月婷,等.山地城市土地覆盖变化对地表温度的影响[J].地理研究,2009,28(3):673-684. Peng Z,Liao H P,Guo Y T,et al.Influence of land cover change on land surface temperature in the mountainous city[J].Geographical Research,2009,28(3):673-684.

[5] 周媛,石铁矛,胡远,等.基于城市土地利用类型的地表温度与植被指数的关系[J].生态学杂志,2011,30(7):1504-1512. Zhou Y,Shi T M,Hu Y,et al.Relationships between land surface temperature and normalized difference vegetation index based on urban land use type[J].Chinese Journal of Ecology,2011,30(7):1504-1512.

[6] 周婷,张寅生,高海峰,等.青藏高原高寒草地植被指数变化与地表温度的相互关系[J].冰川冻土,2015,37(1):58-69. Zhou T,Zhang Y S,Gao H F,et al.Relationship between vegetation index and ground surface temperature on the Tibetan Plateau alpine grassland[J].Journal of Glaciology and Geocryology,2015,37(1):58-69.

[7] 李润林,时永杰,姚艳敏,等.基于Landsat TM/ETM+的张掖市甘州区绿洲冷岛效应时空变化研究[J].干旱区资源与环境,2014,28(9):139-144. Li R L,Shi Y J,Yao Y M,et al.Temporal and spatial variation of oasis cold island effect in Ganzhou district of Zhangye based on Landsat TM/ETM+[J].Journal of Arid Land Resources and Environment,2014,28(9):139-144.

[8] 钱乐祥,崔海山.归一化水汽指数与地表温度的关系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and Land surface temperature[J].Geographical Research,2008,27(6):1358-1366.

[9] 孙常峰,孔繁花,尹海伟,等.山区夏季地表温度的影响因素——以泰山为例[J].生态学报,2014,34(12):3396-3404. Sun C F,Sun F H,Yin H W,et al.Analysis of factors affecting mountainous land surface temperature in the summer:A case study over Mount Tai[J].Acta Ecologica Sinica,2014,34(12):3396-3404.

[10]申文明,王文杰,罗海江,等.基于决策树分类技术的遥感影像分类方法的研究[J].遥感技术与应用,2007,22(3):333-338. Shen W M,Wang W J,Luo H J,et al.Classification methods of remote sensing image based on decision tree technologies[J].Remote Sensing Technology and Application,2007,22(3):333-338.

[11]李爽,丁圣彦,许叔明.遥感影像分类方法比较研究[J].河南大学学报:自然科学版,2002,32(2):70-73. Li S,Ding S Y,Xu S M.The comparative study of remote sensing image classification[J].Journal of Henan University:Natural Science,2002,32(2):70-73.

[12]Hardisky M A,Klemas V,Smart R M.The influence of soil salinity,growth form,and leaf moisture on the spectral radiance of Spartina alterniflora canopies[J].Photogrammetric Engineering and Remote Sensing,1983,49(1):77-83.

[13]钱乐祥,崔海山.归一化水汽指数与地表温度的关系[J].地理研究,2008,27(6):1358-1366. Qian L X,Cui H S.Relationship between normalized difference moisture index and land surface temperature[J].Geographical Research,2008,27(6):1358-1366.

[14]Wilson E H,Sader S A.Detection of forest harvest type using multiple dates of Landsat TM imagery[J].Remote Sensing of Environment,2002,80(3):385-396.

[15]Sospedra F,Caselles V,Valor E.Effective wavenumber for thermal infrared bands-application to Landsat-TM[J].International Journal of Remote Sensing,1998,19(11):2105-2117.

[16]Sobrino J A,Jiménez-Munoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.

[17]覃志豪,李文娟,徐斌,等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07. Qin Z H,Li W J,Xu B,et al.The estimation of land surface emissivity for Landsat TM6[J].Remote Sensing for Land and Resources,2004,16(3):28-32,36,41.doi:10.6046/gtzyyg.2004.03.07.

[18]丁凤,徐涵秋.TM热波段图像的地表温度反演算法与实验分析[J].地球信息科学,2006,8(3):125-130. Ding F,Xu H Q.Comparison of two new algorithms for retrieving land surface temperature from Landsat TM thermal band[J].Geo-Information Science,2006,8(3):125-130.

[19]徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J].遥感学报,2005,9(5):589-595. Xu H Q.A Study on information extraction of water body with the modified normalized difference water index(MNDVI)[J].Journal of Remote Sensing,2005,9(5):589-595.

[20]高懋芳,覃志豪.中国MODIS地表温度产品验证[J].国土资源遥感,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04. Gao M F,Qin Z H.The validation of Chinese land surface temperature products retrieved from moderate resolution imaging spectroratiometer data[J].Remote Sensing For Land and Resources,2006,18(3):15-18.doi:10.6046/gtzyyg.2006.03.04.

(责任编辑： 李瑜)

An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City

WEN Lujun1,2, PENG Wenfu1,2, YANG Huarong1,2, WANG Huaiying1,2, DONG Lijun1,2, SHANG Xue1,2

(1.KeyLabofLandResourcesEvaluationandMonitoringinSouthwest,MinistryofEducation,Chengdu610068,China; 2.InstituteGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China)

Revealing the spatial characteristics of land surface temperature (LST) and its influencing factors is of great significance for environmental changes research. Many studies have examined the relationship between the single factor and LST, but the understanding of the influence of many factors on LST under the background of sunny slope and at the back of the light remains elusive. In this study, the authors divided the area into sunny slope and the back of the light, and retrieved LST based on atmospheric correction method, together with land use changes determined by using remote sensing data. The authors constructed the regression equation between the LST and many factors, such as normalized moisture index (NDMI), normalized difference vegetation index (NDVI), slope, aspect and DEM, for evaluating the influence on LST under the background of sunny slope and at the back of the light. The results show that LST in sunny slope was higher than that at the back of the light within the same elevation and land use, LST decreases with increasing altitude, and the LST in different land uses are not the same. The influencing factors of LST in sunny slope and at the back of the light were NDMI and DEM, the influence degree on NDMI under sunny condition is larger than that at the back of the light. The rest of the impact factors are low, the influence degrees under the sunny condition on NDVI and the slope at the back of the light were the largest. Therefore, the sunny slope and at the back of the light resulted in spatial pattern change of LST in western Sichuan plateau, and the influence degree of its impact factors has obvious primary and secondary order difference.

Land use types; LST retrieval; spatial characteristic; Western Sichuan Plateau

10.6046/gtzyyg.2017.02.30

文路军，彭文甫，杨华容，等.夏季川西高原地表温度的空间特征和影响因素——以西昌市大部分区域为例[J].国土资源遥感，2017，29(2)：207-214.(Wen L J,Peng W F,Yang H R,et al.An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: A case study of Xichang City[J].Remote Sensing for Land and Resources,2017,29(2)：207-214.)

2015-11-11；

2015-12-04

国家自然科学基金项目“基于LUCC扰动影响的成都平原土地生态安全维持机理”(编号： 41371125)资助。

文路军(1991-)，男，硕士，主要从事环境遥感方面的研究。Email： 1183765978@qq.com。

彭文甫(1964-)，男，博士，副教授，主要从事环境遥感方面的研究。Email： pwfzh@126.com。

TP 75

A

1001-070X(2017)02-0207-08