莫莫格湿地冷岛效应遥感分析

项小云 李凤秀 杜嘉 刘雁 宋开山 赵博宇 周昊昊 马学垚

摘要 以2015年春季、夏季、秋季共3期莫莫格湿地的Landsat 8 遥感影像为基础，利用大气校正法反演研究区的地表温度;在地表温度反演结果和土地利用数据的基础上，利用ArcGIS软件的空间分析工具进行缓冲区分析、叠加分析和地统计分析，从而完成莫莫格湿地的冷岛效应分析。结果表明，湿地对周边不同土地利用类型的冷岛效应（降温作用）随着离湿地距离的增加而逐渐减弱。湿地对不同土地利用类型的降温作用并不相同，对居住地类型的影响范围在240～540 m，对旱地类型的影响范围在480～660 m;湿地对盐碱地的降温作用比较显著，影响范围在600～660 m。湿地在不同季节对其他土地利用类型降温作用并不相同，在春夏秋3个季节中降温作用由强到弱依次为夏季、秋季、春季。

关键词 冷岛效应;大气校正法;Landsat 8影像;莫莫格湿地

中图分类号 P 208;P 237文献标识码 A

文章编号 0517-6611（2019）23-0082-06

doi：10.3969/j.issn.0517-6611.2019.23.026

开放科学（资源服务）标识码（OSID）：

Remote Sensing Analysis of Cold Island Effect in Momoge Wetland

XIANG Xiao yun1， LI Feng xiu2 ，DU Jia3 et al

（1.College of Tourist and Geoscience， Jilin Normal University， Siping，Jilin 136000;2.Henan Meteorological Center，Zhengzhou，Henan 450003;3.Northeast Institute of Geography and Agroecology， Chinese Academy of Sciences， Changchun， Jilin 130102）

Abstract Based on the Landsat 8 image of the Momoge Wetland in the spring， summer and autumn of 2015， land surface temperature was estimated by using atmospheric correction method. We used buffering analysis， overlay analysis and geostatistical analysis in spatial analysis tools of ArcGIS software to complete the cold island effect study of Momoge Wetland based on the remote sensing inversion results and land use data. The results showed the cold island effect of the wetland on different land use types was gradually weakened when the distance from the wetland increased.Wetland had different cooling effects on different land use types. The impact on residence， dryland and saline alkali land was roughly 240-540 m， 480-660 m and 600-660 m， respectively. Wetland has different cooling effects on other land use types in different seasons. In the three seasons of spring， summer and autumn， the cooling effect from strong to weak is summer， autumn and spring.

Key words Cold island effect;Atmospheric correction method;Landsat 8 image;Momoge Wetland

濕地是位于陆生生态系统和水生生态系统之间的过渡性地带，是水陆相互作用形成的一种独特的生态系统，湿地具有较大的比热容量和较强的水分蒸散度，其自身的“碳汇”作用使其对周边的大气温度和湿度都起到显著的调节作用[1]。由于湿地长期和季节性积水，其水热容量较大，气候较周边区域冷。正是由于这种冷岛作用，所以湿地能够在一定程度上对周边不同土地利用类型具有冷岛效应。

目前关于湿地的冷岛效应国内有很多学者进行了研究，杨一鹏等[2]提出气候调节功能在干旱区的湿地表现尤为显著，每年气候调节所带来的生态服务价值在湿地总生态服务价值中占比可达到32%，居于各项生态价值的首位;聂晓等[3]对沼泽湿地的局地小气候效应进行研究，结果表明，沼泽湿地具有一定的冷湿效应，且在不同高度上冷湿作用表现有所不同，距离地面越近作用越显著;拱秀丽等[4]以洪河自然保护区为研究区，对沼泽湿地冷湿小气候效应的时空分布特征进行模拟研究，发现湿地在垂直方向和水平方向上其冷湿效应的效果存在差异。以往对湿地冷岛效应的研究多关注于湿地具有冷湿作用的功能研究，对于其冷岛效应影响程度和影响范围的研究较少。

遥感技术因其具备观测范围广、速度快、周期短等优势，被广泛地用于不同尺度的气候变化研究。目前关于地表温度的遥感反演算法有很多，包括辐射传输方程法[5-6]、单窗算法[7-9]、劈窗算法[10]以及多通道多角度算法[11-13]，根据不同的研究内容和不同的遥感传感器数选择相应的算法[14-15]。1984年开始发展的Landsat遥感数据，还有从2000年NASA开始提供MODIS热红外遥感影像，虽然空间分辨率较小，但在时间分辨率上具有很大的优势（同一地区一天可过境4次），因此采用热红外遥感数据可以大范围定量地反演地表温度。基于遥感技术的冷岛效应的研究正逐渐成为研究湿地冷岛效应的重要手段。

长期以来，由于湿地本身的特性（低反照率、高发射率等），湿地的地表温度遥感反演一直是定量遥感的热点。叶智威等[16]选择以 Landsat TM6 数据为基础，利用单窗算法对洪泽湖地区地表温度进行反演并分析，结果表明洪泽湖区陆地与水体温度空间差异明显，湿地在水体温度中较低;杜嘉等[17]以Landsat/TM图像、实测地面数据和MODIS地表发射数据为基础，运用3种不同算法对洪河湿地的地表温度进行估算，对比不同算法之间的差异，结果显示使用覃志豪的单窗算法进行估算的结果较为理想;杜培军等[18]使用单窗算法和Landsat TM /ETM + 影像对江苏省盐城滨海湿地进行地表温度的反演，对1992—2009年湿地的土地利用变化和地表温度变化之间的相关性进行分析，结果显示湿地土地利用变化会带来地表温度的波动。以往温度反演研究多倾向于沿海地区和湖泊地区的地表温度反演，对湿地类型的地表温度反演的研究相对较少。

该研究使用大气校正法和Landsat 8 遥感数据为基础，以莫莫格湿地为研究区进行地表温度反演，利用地面实测数据和MOD11A1产品数据对其反演结果精度进行验证;利用ArcGIS软件中强大的空间分析工具，包括缓冲区分析、叠加分析和地统计分析，对湿地冷岛效应对周边不同土地利用类型的影响程度和影响范围进行进一步的分析，目的在于通过定量的方法直观地展示湿地的冷岛效应，旨在加强人们对干旱-半干旱地区湿地功能的认识。

1 资料与方法

1.1 研究区概况

莫莫格湿地地理坐标位于45°42′25″～46°18′00″N、123°27′00″～124°04′33″E，地处松嫩平原西部（图1）。研究区内主要以保护湿地生态系统和濒危野生动物物种及其栖息环境为主，总面积14.4万hm2，自然湿地面积在研究区总面积中占比80%以上，是吉林省最大的湿地保留地，也是松嫩平原保存最为完整的湿地之一[19]。松嫩平原区域內有扎龙、莫莫格、查干湖、向海和大苏布5个国家级湿地自然保护区，其中莫莫格湿地作为典型的内陆盐碱化沼泽湿地且地处于内陆干旱、半干旱过渡带对当地生态环境具有重要意义。

研究区的气候类型是属于温带大陆性季风气候。全年平均气温约为4.2 ℃，整年降水量约为391.8 mm，各季节分配不均，降水主要集中在6—8月份，占全年降水量的766%。研究区内的地势起伏较小且较为平坦，平均海拔约为142 m，总体呈现出西北高、东南低的趋势，坡度一般为5°～15°，区域内的相对海拔高差也在35 m以下。

1.2 数据来源

该研究中地表温度反演所选用的遥感数据包括Landsat 8遥感影像和MOD11A1数据。Landsat 8遥感数据来源于美国地质调查局USGS 网站（http：//glovis.usgs.gov/）。Landsat 8卫星于2013年2月11日在美国加州范登堡空军基地发射成功，搭载的传感器分别是OLI陆地成像仪和TIRS热红外传感器，并于2013年5月提供全球免费下载。OLI传感器在可见光、近红外和短波红外区域接收9个光谱波段的数据，空间分辨率为30 m;TIRS传感器将原来的热红外波段一分为二，设置成2个热红外通道（Band10：10.6～119 μm，Band11：11.50～12.51 μm），空间分辨率为100 m[20]。当前热红外遥感技术可以获取到地球表面热红外波谱的辐射能量，根据其地球表面不同物体的发射率特征可以反演出其热力学温度，所以在反演地表温度时，热红外遥感影像可以提供长期的遥感影像支持。选择影像的原则以能覆盖研究区范围且天气晴朗、影像上基本无云或云覆盖度在5%以下的影像。研究中使用的遥感影像如表1所示。

MODSI LST数据主要来源为从LAAADS Web（http：//ladsweb.modaps.eosdis.nasa.gov）选择并下载。研究中所要使用到的MODIS LST地表温度值是MODIS LST经过处理的产品数据，其原因在于可以更加便捷地通过处理获取到相应范围内的地表温度值，并且可以提高所获取到的地表温度值的准确性。MOD11A1数据获取后，利用ERDAS 9.2和ArcGIS 10.3软件进行相应的处理。MOD11A1产品数据在该研究中具有2个作用，第1个作用是可以验证Landsat 8热红外遥感影像的反演精度，第2个作用是为研究中确定对Landsat 8反演结果分析的范围提供一定的依据。

在研究湿地冷岛效应过程中，除了使用Landsat 8遥感数据和MODSI LST产品（MOD11A1）外，还使用了土地利用数据做辅助数据。土地利用数据主要是采用人机交互的遥感解译方法所获取的。通过对遥感影像进行辐射定标、大气校正及几何校正等一系列处理，在ArcGIS软件中进行土地利用的解译及完成矢量化，得到研究所需的土地利用数据。

根据研究需求，将研究区内土地利用类型主要划分为居民地、旱地、林地、草地、盐碱地、水田、水库坑塘、河流和草本沼泽，共计分为9种类型。通过解译和矢量化等一系列处理后，得到研究区2015年土地利用示意图（图2）。研究所得到的2015年各土地利用分类的Kappa系数为0.84，对应的分类精度级别非常好，满足进一步研究需要。

1.3 研究方法

1.3.1 大气校正法。

辐射传输方程又称大气校正法，是地表温度反演的基本方法之一，在所有热红外遥感波段中有着巨大的优势。在研究中使用Landsat 8 进行地表温度的反演，因为Landsat 8卫星发射运行时间较短，TIRS第11波段暂时存在定标不稳定性[21]，为了避免第10波段与第11波段所产生的较大误差，因此采用大气校正法和Landsat 8数据的第10波段对研究区地表温度进行反演。

大气校正法反演地表温度的原理具体表现为：卫星传感器接收到的热红外辐射亮度值Lλ由大气向上辐射亮度L↑、地面的真实辐射亮度经过大气层之后到达卫星传感器的能量以及大气向下辐射到达地面后反射的能量共3个部分组成。卫星传感器接收到的热红外辐射亮度值Lλ的表达式如下所示：

Lλ=[εB（TS）+（1-ε）L↓]τ+L↑（1）

式中，ε为地表比辐射率，TS为地表真实温度（K），B（TS）为黑体热辐射亮度，τ为大气在热红外波段的透过率。温度为T的黑体在热红外波段的辐射亮度B（TS）为：

B（TS）=[Lλ-L↑-τ（1-ε）L↓]/τε（2）

TS可以用普朗克公式的函数获取：

TS=K2/ln（K1B（TS）+1）（3）

对于TIRS Band10而言，K1 = 774.89 W/（m2·sr·μm），K2 = 1 321.08 K。

1.3.2 验证方法。

根据已知的Landsat 8影像第10波段的空间分辨率为100 m，再以选取的研究区边界为准，在ArcGIS软件中生成长和宽均为100 m的正方形矢量格网图层，如图3所示。

将得到的验证格网矢量图层分别叠加到对应的Landsat 8反演结果遥感影像和MOD11A1影像中，使用ArcGIS中的分区统计功能将各个网格内的温度平均值提取出来，再通过Landsat 8反演结果与MOD11A1的地表温度建立相关性并进行对比分析，以达到验证Landsat 8遥感影像反演地表温度结果的精度。验证过程中计算LST平均绝对误差所采用的公式如下：

MAD=|x-|n（4）

式中，MAD为平均绝对误差，x为数值，为数值平均值，n为数据个数。

1.4 MODIS LST数据缓冲区分区统计分析结果

获取与3期研究区热红外遥感影像所对应的MOD11A1地表温度产品影像。MOD11A1是MODIS LST经过处理的产品数据，可以通过一系列处理获取到相应范围内的地表温度值，并且可以提高所获取到的地表温度值的准确性。MODIS过境时间为当地时间11：30，Landsat 8过境时刻为当地时间10：50左右，二者之间相差40 min，可以近似认为是相同时刻过境，因此可以用MODIS数据对Landsat 8地表温度反演结果进行验证。利用已获取的MOD11A1数据进行地表温度缓冲区分区统计计算。

在研究中，将研究区的所有湿地类型（草本沼泽、水田、河流、水库坑塘）进行合并，向外每1 km制作该区域3 km范围的缓冲区。经过分区统计后3期遥感影像对应日期的结果如图4所示。从图4可以看出，缓冲区内平均地表温度从0 m开始不断升高，在1～2 km平均地表温度仍在不断升高，但升温幅度有所减缓，自3 km处开始温度变化趋于平缓。但是因为MODIS LST产品的空间分辨率为1 km，所以对1 km范围内的温度变化无法做详细的分析，无法与中等分辨率影像匹配，这也是MODIS 遥感数据的局限性所在。由此可见，湿地冷岛效应在大约1 km范围内最为剧烈，为后续分析湿地冷岛效应的影响范围提供一定依据。

2 结果与分析

2.1 Landsat 8反演地表溫度

2.1.1 地表温度反演结果验证。

在对Landsat 8地表温度反演结果进行精度验证时，使用与遥感影像对应日期的白城、大安、镇赉、泰来和杜蒙5个气象站点逐时的地面实测数据进行进一步验证。验证结果如图5所示，通过验证可以看出，Landsat 8的反演结果与地面实测数据温度值的相关性R2值为0.948 9，温度误差在0.56～4.79 ℃，平均绝对误差为2.5 ℃。造成这种误差的原因在于Landsat 8的温度反演结果是反演卫星过境时刻的地表温度值，但是验证的气象站点的温度数据无法精确到与过境时刻一致，并且气象站点的逐时温度数据为这个时间段内的温度平均值，不能完全代表像元尺度的地表温度，因此会有一定的温度误差。经验证，该反演结果可以达到研究的精度要求，可以进行后续的分析。

根据MODIS LST 产品具有每个像素地表温度和发射率

值的全球数据产品的准确性，使用与遥感影像对应日期的地表温度实测数据以及MOD11A1数据进行进一步验证。通过对研究区内格网做地表温度反演值的分区统计后，可以看出Landsat 8的反演结果与MOD11A1数据提取平均温度值的相关性R2值均在0.6以上，且其平均绝对误差也均小于2.4 K。产生这种误差的原因在于Landsat 8与MOD11A1影像的空间分辨率不同，MOD11A1的空间分辨率为1 km，远高于Landsat系列传感器的空间分辨率，研究区内草地、林地和居住地等土地利用类型中存在面积较小或分布较为分散的现象，所以在1 km的MODIS产品数据上容易与其他土地利用方式形成混合像元由此带来一定的误差[22]。

2.1.2 地表温度反演结果分析。

通过以3期Landsat 8遥感影像为基础，利用大气校正法对3期影像进行地表温度反演，得到2015年春季、夏季、秋季3幅地表温度反演图（图6）。从图6可以看出，研究区内温度较低的区域均为湿地类型区，以湿地类型为中心向外，周边不同土地利用类型地表温度逐渐升高。利用3期温度反演结果和土地利用图叠加分析可以发现，不同土地利用类型的地表温度并不一致。进一步分析使用ArcGIS软件计算不同土地利用类型的地表温度，结果显示各土地利用类型地表温度由高到低排序依次为居民地类型、盐碱地类型、旱地类型、湿地类型、林地、草地。

根据上述，研究区范围内所得到的反演结果均在正常值以内，莫莫格湿地研究区内所反演的最低地表温度>-4 ℃，最高地表温度<44 ℃，这与之前在获取反演参数的计算及选取上较为精准，反演结果符合自然规律。

2.2 莫莫格湿地地表温度的空间分布

MODIS LST数据缓冲区分区统计分析结果显示，在1 km范围内湿地对周边区域降温作用较为明显。所以利用Landsat 8遥感影像反演地表温度的结果和土地利用数据进行叠加分析，对莫莫格湿地进行缓冲区分区统计计算。由于研究区内林地和草地的面

积所占比例很小（林地占比0.06%，草地占比0.31%），所以在对不同土地利用类型温度反演分析中将其去除。

从研究区各土地利用LST分区统计（图7）可以看出，3月研究区内地表温度由高到低依次为旱地类型、居住地类型、盐碱地类型，在6月和10月结果中研究区内地表温度由高到低依次为居住地类型、旱地类型、盐碱地类型。综合来看，除3月份以外，居住地类型的地表温度均值均高于旱地类型，这可能是由于3月份研究区旱地的农业生产并未展开，其实际上为裸土地，6月和10月地表有农作物覆盖，而植被覆盖能够有效降低其地表温度[23]，所以3月旱地类型的地表温度均值较高。

从图7可以看出，在莫莫格湿地缓冲区范围内，湿地类型的地表温度较低，周边各地物类型的地表温度均高于其地表温度。这主要是因为湿地内部长期和季节性积水的特性，使其具有較大的比热容量，因此其地表温度相对周边区域温度更低。周边各土地利用类型中，居住地类型和旱地类型的地表温度一般要高于盐碱地类型的地表温度。居住地类型主要是由于其独特的下垫面性质（居民地一般是水泥混凝土或者砖瓦构造），因此其地表温度较高。

总体而言，莫莫格湿地研究区中的居住地、旱地和盐碱地土地利用类型的地表温度总体趋势表现为：随着距离湿地类型距离的逐渐增加，其地表温度随之开始升高。这主要是因为湿地地区独特的水热条件使其地表温度较低，对各周边地物来说具有冷岛效应，因此对周边不同土地利用类型有着降低其地表温度的作用。

2.3 湿地冷岛效应影响范围分析

在分析研究区湿地类型对周边各土地利用类型地表温度的影响范围中，根据之前缓冲区分区统计分析结果，计算研究区范围内各缓冲距离之间的不同土地利用类型的地表温度斜率。然后选择各距离斜率接近于0值的距离，作为湿地类型影响周边不同土地利用类型地表温度的范围。在上述湿地地表温度的空间分布分析中由于林地和草地所占面积比例较小将其排除在外，所以在影响范围的研究中同样将二者排除在外，主要研究居住地、旱地以及盐碱地3种土地利用类型受湿地冷岛效应的影响。

通过“2.2”分析可以发现，湿地类型对周边各地物具有降温作用，但降温作用具有一定的范围。因此，在各土地利用类型地表温度变化中，对研究区内湿地类型对不同土地利用类型地表温度影响范围（降温范围）进行进一步分析，结果如表2所示。从表2可以看出，在莫莫格湿地研究区内，湿地类型对居住地类型地表温度的影响边界范围在240～540 m，在0～540 m居住地类型的地表温度随着距湿地类型越远，其地表温度开始上升，在540～990 m居住地类型的地表温度随着距湿地类型越远，其地表温度受湿地类型的影响开始减弱;湿地类型对旱地类型地表温度的影响边界范围在480～660 m，在0～660 m旱地类型的地表温度随着距湿地类型越远，其地表温度逐渐升高，在660～990 m旱地类型的地表温度受湿地类型的影响开始减弱;湿地类型对盐碱地类型地表温度的影响边界范围在600～660 m，在0～660 m盐碱地类型的地表温度距湿地类型越远，其地表温度逐渐升高，在660～990 m受湿地类型的影响开始减弱。从不同季节角度分析可以发现，不同季节湿地类型对周边不同土地利用类型的影响范围各不相同，春季影响范围在330～600 m;夏季影响范围在540～660 m;秋季影响范围在240～660 m。

综上所述，可以发现湿地类型对周边地区不同土地利用类型的降温效果各不相同，并且在不同季节内湿地类型对不同土地利用类型的影响范围也不相同。总体来看，湿地类型对盐碱地类型的降温效果最为明显，其次是旱地类型和居住地类型，这主要是因为在同样气象条件下，盐碱地由于比热更小地表温度更高，更易与周边湿地发生能量交换;盐碱地比居民地和旱地的植被更少，导致其相应的空气动力学阻抗更小，也导致其更易受到湿地的影响。在春夏秋3个季节中，夏季的湿地冷岛效应最强，对周边地区的降温范围最大。这主要是由于湿地冷岛效应影响范围与湿地通量贡献区面积直接相关，而通量贡献区面积大小受大气稳定度、观测高度以及下垫面粗糙度等因素的影响[24-25]。在大气稳定状态下，大气湍流运动较弱，气体垂直扩散速度较缓慢，所以通量信息可以代表较远的区域;而在不稳定状态下，大气湍流运动剧烈，气体垂直扩散速度较快，因此通量信息代表的区域较近[26]。该研究区中，夏季相对春秋两季，大气状态更加稳定，通量贡献区面积更大，因此夏季的湿地冷岛效应更强。

3 结论与讨论

利用大气校正法对2015年3期Landsat 8影像进行地表温度反演工作，通过后续对反演结果进行空间分析等进一步研究，发现湿地的冷岛效应对周边不同土地利用类型有着一定程度的降温作用，旨在人们对湿地冷岛效应的重要功能进行更深层次的认识。

首先，通过对3期地表温度反演结果进行地表温度空间分布分析，发现在研究区范围内，除湿地类型外（湿地地表温度最低），总体来看居住地和旱地类型地表温度均值较高，盐碱地类型地表温度均值较低。其次，通过对Landsat 8遥感影像反演地表温度的结果和土地利用数据进行叠加分析，结果表明湿地对周边各土地利用类型的影响受距离远近的影响，在一定范围内随着距离湿地距离的增加其地表温度不断升高。

最后，对研究区内各缓冲距离之间的各土地利用类型的地表温度之间计算出斜率，进一步分析研究区内湿地类型对周边不同土地利用类型地表温度的影响范围，结果表明，湿地对不同土地利用类型的降温作用和降温范围各不相同，降温作用由强到弱依次为居住地类型、旱地类型、盐碱地类型;在不同季节中，湿地对周边各土地利用类型的降温作用也不相同，降温作用由强到弱依次为夏季、春季、秋季。

尽管遥感反演温度的精度验证结果可以达到研究的精度要求，但是其反演精度仍存在进步的空间，在今后的研究中通过利用不同算法和高分辨率遥感影像来进一步提高反演精度。在研究中，利用大气校正法和Landsat 8遥感数据对莫莫格湿地冷岛效应进行分析，得到较为理想的结果。

但湿地冷岛效应在空间上是连续的，遥感影像在空间上是间断、离散的，不能完美地展示其过程，需要用更高分辨率的影像和气象模型相结合，对湿地冷岛效应过程进一步分析。

参考文献

[1] SUN R H，CHEN A L，CHEN L D，et al.Cooling effects of wetlands in an urban region：The case of Beijing[J].Ecological indicators，2012，20：57-64.

[2] 杨一鹏，曹广真，侯鹏，等.城市湿地气候调节功能遥感监测评估[J].地理研究，2013，32（1）：73-80.

[3] 聂晓，王毅勇.沼泽湿地局地小气候 “冷湿岛” 效应[J].生态与农村环境学报，2010，26（2）：189-192.

[4] 拱秀丽，王毅勇，聂晓，等.沼泽湿地与周边旱田气温，相对湿度差异分析[J].东北林业大学学报，2011，39（11）：93-96.

[5] SOBRINO J A，JIMNEZ MUOZA J C，PAOLINIB L.Land surface temperature retrieval from Landsat TM5[J].Remote sensing of environment，2004，90（4）：434-440.

[6] LI Z L，TANG B H，WU H，et al.Satellite derived land surface temperature：Current status and perspectives[J].Remote sensing of environment，2013，131：14-37.

[7] 覃志豪，ZHANG M H，ARNON KARNIELI，et al.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] JIMNEZ MUOZ J C，SOBRINO J A.A generalized single channel method for retrieving land surface temperature from remote sensing data[J].Journal of geophysical research，2003，108（D22）：1-9.

[9] 周纪，李京，赵祥，等.用HJ-1B 卫星数据反演地表温度的修正单通道算法[J].红外与毫米波学报，2011，30（1）：61-67.

[10] 杨槐.从 Landsat8 影像反演地表温度的劈窗算法研究[J].测绘地理信息，2014，39（4）：73-77.

[11] SOBRINO J A，LI Z L，STOLL M P，et al.Multi channel and multi angle algorithms for estimating sea and land surface temperature with ASTR data[J].International journal of remote sensing，1996，17（11）：2089-2114.

[12] GILLESPIE A，ROKUGAWA S，MATSUNAGA T，et al.A temperature and emissivity separation algorithm for Advanced Spaceborne Thermal Emission and Reflection Radiometer（ASTER）images[J].IEEE Transactions on Geoscience and Remote Sensing，1998，36（4）：1113-1126.

[13] 毛克彪，施建成，覃志豪，等.一个针对 ASTER 数据同时反演地表温度和比辐射率的四通道算法[J].遥感学报，2006，10（4）：593-599.

[14]DU C，REN H Z，QIN Q M，et al.A practical split window algorithm for estimating land surface temperature from Landsat 8 data[J].Remote sensing，2015，7（1）：647-665.

[15] 胡德勇，乔琨，王兴玲，等.单窗算法结合 Landsat8 热红外数据反演地表温度[J].遥感学报，2015，19（6）：964-976.

[16] 叶智威，覃志豪，宫辉力.洪泽湖区的Landsat TM6 地表温度遥感反演和空间差异分析[J].首都师范大学学报（自然科学版），2009（1）：88-95.

[17] 杜嘉，张柏，宋开山，等.基于 Landsat-5TM 的洪河湿地地表温度估算方法对比研究[J].遥感技术与应用，2009，24（3）：312-319.

[18] 杜培军，陈宇，谭琨.江苏滨海湿地土地利用/覆盖变化与地表温度响应遥感监测[J].国土资源遥感，2014，26（2）：112-120.

[19] 于秀丽.松嫩平原莫莫格湿地土壤不同形态碳转化过程及其与土壤铁耦合关系研究[D].长春：东北师范大学，2016.

[20] IRONS J R，DWYER J L，BARSI J A.The next Landsat satellite：The Landsat Data Continuity Mission[J].Remote sensing of environment，2012，122：11-21.

[21] USGS.2014.January 29，2014 Landsat 8 Reprocessing to Begin February 3，2014[EB/OL].[2015-04-26].http：//landsat.usgs.gov /calibration_notices.

[22] MA J，ZHOU J，LIU S M，et al.Review on validation of remotely sensed land surface temperature[J].Advances in earth science，2017，32（6）：615-629.

[23] 楊士弘.城市生态环境学[M].北京：科学出版社，2003：114-119.

[24] 米娜，于贵瑞，温学发，等.中国通量观测网络（ChinaFLUX）通量观测空间代表性初步研究[J].中国科学（D辑），2006，36（S1）：22-33.

[25] 金莹，张志强，方显瑞，等.杨树人工林生态系统通量贡献区分析[J].生态学报，2012，32（12）：3966-3974.

[26] 王江涛，周剑虹，欧强，等.崇明东滩滨海围垦湿地CO2通量贡献区分析[J].生态与农村环境学报，2014，30（5）：588-594.