2001—2014年博斯腾湖流域地表温度时空分异特征及归因

热伊莱·卡得尔，玉素甫江·如素力，阿迪来·乌甫，艾则孜提约麦尔·麦麦提，姜 红

(1.新疆师范大学地理科学与旅游学院，流域信息集成与生态安全实验室， 新疆 乌鲁木齐 830054；2.新疆干旱区湖泊环境与资源重点实验室， 新疆 乌鲁木齐 830054)

地表温度(LST, land surface temperature)是地表生态环境系统研究的重要指标，也是地表与大气之间能量与物质交换的重要参数。采用遥感技术反演大范围的地表温度已被广泛应用在生态学、水文学、气候学等科学领域[1-5]，并且在农业气象、城市热岛效应、农作物估产和土壤水分估算等方面都具有重要的科学价值。近年来，随着气候变化和生态环境问题的深入研究，特别是区域性LST变化和应用方面的迫切要求，LST的定量研究及空间格局发挥着极其重要的作用。尤其在干旱半干旱地区，明确流域 LST的时空格局变化，对于合理开发利用流域资源、生态农业建设、提高资源利用率以及保障流域生态环境健康等具有重要意义[6-8]。利用MODIS卫星遥感数据进行的区域性LST时空变化研究及其应用研究已得到深入发展，并在农业生产、生态环境等宏观、大范围、动态性连续监测和研究中得到了广泛应用[9-10]。传统水文、气象学中多基于“点”尺度或景观尺度进行LST观测，由于陆面非均匀性和热量传输动态性，传统的局地尺度研究方法很难应用到区域尺度。而在现代实际应用中，不同的区域和范围对LST的精度要求不同，如在农业、气象和水文研究领域应用中，要求空间分辨率为1～10 km，同时卫星观测数据的LST产品要达到0.5℃～2℃[11-12]。因此，对MODIS LST产品精度验证和评价是其有效应用于各个研究领域的前提。

目前，随着遥感技术快速发展，关于遥感数据的LST研究已取得了很大进展，同时国内外已经有了许多有关MODIS LST产品的应用分析和LST算法的研究[13-15]，如谭志豪等采用单窗算法[16]、马耀明等[17]采用辐射传输方程方法，1984年Price[18]利用大气辐射传输理论，对大气的影响做简化处理后提出分裂窗算法，给出了具体的分裂窗算法，后来Ri Changin[19]也采用了分裂窗算法。于文凭[20]等对黑河流域的MODIS LST与实测LST验证指出黑河流域的MODIS LST产品与地面红外温度计观测的LST平均绝对偏差小于2.2℃。Mostovoy 等[21]利用MODIS LST产品对密西西比河流域的最低气温进行估算，分析了像元分辨率的高低、土地覆盖类型及植被覆盖度等对LST产生的影响。Vancutesm等[22]基于MODIS标准夜间产品和日产品估算非洲地区最低气温、最高气温，分析了不同季节和植被覆盖度等因素对气温估算的影响。

基于此，本文拟以1 km空间分辨率的MODIS LST产品为基础，在探讨利用该产品进行博斯腾湖流域LST分析的可行性基础上，根据流域土地利用/土地覆盖变化(LUCC, land-use and land-cover change)数据，通过GIS空间分析技术，对流域不同土地利用类型下的LST进行统计分析，从而深入分析博斯腾湖流域在年、月时间尺度下，LST的数量特征和空间格局特征，更进一步探寻这种空间分布特征与不同LUCC类型之间的关系，以揭示博斯腾湖流域LST的变化规律及其影响因素。其研究结果在干旱区流域环境保护、生态农业建设、合理开发流域资源等领域中具有重要意义。

1 研究区概况

博斯腾湖流域位于中国西北部新疆巴音郭楞蒙古自治州境内，地理位置为82.80°～88.63°E，40.73°～43.57°N，包括流入博斯腾湖的河流流域(主要有开都河上游、黄水沟上游、清水河上游和20条时令河上游)、焉耆盆地和孔雀河流域，总面积约68 687 km2。流域东南部为平原盆地区，海拔高度约为856～4 798 m(图1)。流域地势是北高、南低，西高、东低，高山、峡谷和盆地交错，地形复杂。流域内有我国最大的内陆淡水湖——博斯腾湖，是开都河的尾闾和孔雀河的源头，博斯腾湖在焉耆盆地随海拔高度的变化自上而下包括冰雪带、高山垫状植被带、高山草甸带、草原带、荒漠草原带、荒漠带等[23]。整个博斯腾湖流域属于暖温带大陆性干旱气候，除山区产流区外，整个流域干旱少雨。流域年平均气温8.2℃～11.5℃，极端最高气温37.1℃～40.0℃，极端最低气温-25.3℃～-31.6℃，日最高气温≥35℃的炎热天数只有0.1～4.3 d，日最低气温≤-20℃的寒冷天数也只有0.1～0.9 d[24]。由于研究区自然地理条件适宜于农业发展，20世纪50年代以来，尤其是70年代后绿洲区农业耕地面积处于增长趋势，气候变化和人类活动的共同作用下，博斯腾湖的水域及附近的绿洲面积发生明显变化[25]。由此可见，博斯腾湖流域已成为气候变化和人类活动影响明显的区域，是最适合本研究目标的典型区。

图1 研究区及其土地利用/覆被分布和气象站分布

Fig.1 Location of study area and distribution of land use/cover change and meteorological station

2 数据来源与分析方法

2.1 数据来源

(1) 遥感数据：所采用的 MODIS数据下载于NASA(美国国家航空航天局)网站免费下载获取，空间分辨率为1 km，每副产品周期为8 d，共有7个波段的MOD11A2作为主要数据源。选择的数据涵盖了博斯腾湖流域2001—2014年共14 a的各月份LST数据，从MOD11A2数据集中提取白天和夜间陆面温度产品。为便于分析季节变化，MODIS 温度产品3—5月代表春季、6—8月代表夏季、9—11月代表秋季、12—1月代表冬季。依据博斯腾湖流域的土地利用方式和分析精度要求，土地利用数据是2010年的1∶25万土地覆被矢量数据，其投影方式为Albers正轴等面积双标准纬线圆锥投影，坐标系为Krasovsky坐标系。将研究区土地利用类型并归为8个一级地类，包括旱地、沙漠、湖泊、稀疏草地、草原、草本沼泽、草甸和裸土。

(2) 地面观测数据：为了检验MODIS LST产品在该研究区LST的适用性，根据各个气象站的实际地理环境，选取博斯腾湖流域内巴音布鲁克、巴仑台、焉耆和轮台等4个气象站的2001—2014年时间序列的实际日平均地表温度观测数据。

2.2 数据处理

具体数据处理过程如下：

(1) 原始的MODIS LST产品是以分级数据格式(HDF, Hierarchical Data Format)存储的，投影是正弦曲线投影，因此MODIS数据利用MRT软件，将MOD11A2产品的HDF格式文件转换为WGS-1984经纬度坐标系统下的GeoTiff格式文件，并进行投影转换、轨道镶嵌和重采样等操作。

(2) 基于博斯腾湖流域的水系特点，获取了研究区的矢量边界图，然后利用Arc GIS软件对经过投影转换的MODIS数据进行裁剪，从而得到不同时间和空间尺度下的LST图，最后借助于IDL编程语言分别进行LST的最大值、最小值、平均值和标准差统计，再利用Arc GIS软件制作博斯腾湖流域2001—2014年年、月平均LST空间分布图。

(3) 为了进一步解释不同土地利用类型下LST的变化特征，利用Arc GIS对不同时期的MODIS LST结果图和不同土地类型图相叠置，统计获取不同时间序列(月尺度和年尺度)和不同土地利用类型地表温度的年际和不同月份变化特征。

2.3 研究方法

2.3.1 趋势分析方法 借鉴线性倾向估计计算每个像元2001—2014年的LST时间线性倾向率(S)[26]：

(1)

式中，S为线性倾向值，n为年序列总长度(n=14)；i为具体计算年份；LSTi为第i年份的年LST值。当S为负表示随时间i的增加，LST变化处于减少趋势，S为正表示随时间i的增加，LST变化处于增加趋势。采用倾向估计进行地表温度趋势分析，再利用相关系数的统计检验方法进行显著性趋势检验，如果回归方程的相关系数通过信度为0.05、0.01的显著性水平，则LST减少或增加趋势分别达到显著和极显著。

2.3.2 相关分析法 相关分析是一种分析变量之间密切程度的统计学方法，通过计算年均MODIS产品中提取的LST值与观测站点的实测LST值之间的相关系数，能够有效指出LST产品与观测LST值之间的密切联系，相关系数(R)取值区间为[-1，1]，计算公式如下[27]：

(2)

3 结果与分析

3.1 MODIS地表温度产品的验证

为了验证MODIS LST产品在博斯腾湖流域LST时空分布的准确性，4个代表性气象观测站(图1)的实测LST值与MODIS LST产品中提取的14 a相对应的LST值进行精度验证。从图中可以看出，由于各个站点的地形、气候、植被等要素的不同，二者之间的相关性在每个气象站不同。14 a的每月平均实测LST值与MODIS LST值的平均误差都小于1℃。经过显著性检验的线性回归方程分别达到极显著水平，通过了0.01显著性检验(图2)；其中巴音布鲁克、焉耆、巴仑台、轮台气象站的14 a各月平均实测数据和卫星数据的R2分别为0.98、0.94、0.96和0.96。这说明LST产品和站点实测地温具有较高的一致性，MODIS温度产品可以充分反映LST的真实状况，不仅可以作为该研究区LST时空分布研究，还可以作为指示LST的强度指标，具有一定合理性。

3.2 多年LST年、季节平均值空间分布特征

图3显示博斯腾湖流域多年LST平均值，具有较强的空间分布规律并呈现出东南高于西北的变化趋势。在植被覆盖度高的区域，LST值较低(图1和图3)。具体表现为： 从地形上来看西北部赛日木河流域附近LST值较低，高值LST区域则主要分布在博斯腾湖东南高山区及附近的区域。从土地利用类型上看，LST的空间分布明显受地表覆盖类型的影响，西北部草甸、草原、草本沼泽等土地覆盖分布较广、植被覆盖度较高，则多年平均LST值较低，达到-12.43℃左右；东南部由于多为裸土、沙漠和旱地等LUCC类型，因此博斯腾湖东南山区年均LST值最高，在16.13℃左右；博斯腾湖水体的年均LST值基本相差不大，大致在8.5℃左右。

图2 气象站月平均实测地表温度和MODIS LST产品的关系 Fig.2 Relationship between measured surface temperature and MODIS LST product from meteorological station

图3 博斯腾湖流域2001—2014年平均LST分布

Fig.3 Average LST during 2001—2014 in Bosten Lake Basin

季节性变化是LST年内变化的重要特征，对研究区各季节LST进行空间分析和数理统计。如图4所示，各季节空间分布与多年LST空间格局基本一致，但是受季节性太阳辐射、土地类型、植被覆盖度等因素的影响引起年内LST分配不均，因此四季平均LST空间分布也表现出一定差异性。春季(3—5月)LST值在-11.8℃～19.16℃，均值在9.59℃左右。春季地温慢慢回暖，此时冬小麦处于返青、拔节期，太阳高度角逐步提升，因此LST值也逐步升高；夏季(6—8月)LST值在-1.85℃～33.67℃，均值在21.48℃左右，为一年中温度最高季节，区域高低相差悬殊，主要原因是一方面地表吸收的太阳辐射达到最高值并且日照时间给LST的增高提供了良好条件；另一方面是沙漠、裸土和稀疏草地等土地类型所覆盖范围较广并吸收大量热量使地温更高。秋季(9—11月)LST开始降温，LST减少至-12.47℃～16.35℃，均值在7.27℃左右，主要是受太阳辐射量减少、日照时间缩短、植被覆盖度降低等因素的影响，因此LST值又开始降低。冬季(12—2月)随着温度进一步下降，LST降至-26.88～-2.22℃，LST均值在-11.23℃左右，此时正是冬小麦越冬时期，作物生长缓慢，因而地表覆盖类型呈现连片的低值区域。由此可见，不同月份的LST分布与该时段内的太阳辐射、日照时间、LUCC类型和植被覆盖度等因素的季节性变化密切相关，因此表现出研究区LST值由大到小依次为夏季>春季>秋季>冬季的规律。

图4 博斯腾湖流域四季LST时空分布

Fig.4 Spatial distribution of LST in four seasons of Bosten Lake Basin

总体而言，博斯腾湖流域多年LST平均值具有较强的空间分异性规律，地表温度的年际变化主要由气候要素和LUCC的覆盖范围及其空间格局变化而决定。气候要素和植被覆盖状况及其物候特征的季节性变化是影响LST季节变化的主要因素。

3.3 年际、年内LST变化特征

图5显示了博斯腾湖流域LST的逐年变化过程，以及流域LST相对变化率的年际波动状况。从图中可以看出，2001—2014年博斯腾湖流域年平均LST的波动范围为6.0℃～7.4℃，多年平均LST为6.8℃(如图5虚线所示)，且各年间的平均LST呈现一定的波动，年际波动较大。年均温度超出多年LST平均值的年份出现在2001、2002、2006、2007、2008、2009年和2013年，其它年份均低于多年平均值，其中2002、2007、2013年较为突出，分别超出多年平均值0.45℃、0.59℃、0.29℃，LST的相对变化率分别达到6.22%、7.97%、4.06%。2001—2003年呈先升后降趋势，2003—2007年呈上升趋势，2007年达到最高值，为7.4℃，2007—2012年呈下降趋势，2012—2014年先升后降，2014年达到最小值，为6.0℃。

图5 博斯腾湖流域2001—2014年LST的年际变化 Fig.5 Annual variation of LST over Bosten Lake Basin during 2001—2014

图6 博斯腾湖流域2001—2014年不同月份LST分布

Fig.6 Monthly LST in Bosten Lake Basin during 2001—2014

图6是2001—2014年月均LST变化图。从整个博斯腾湖流域来看，其年内各月变化趋势呈现先升后降的单峰型变化趋势，从3—8月LST缓慢上升，7月LST最高，达到23.8℃，并且在此期间受大量太阳辐射，尤其在夏季太阳位于北回归线附近、太阳辐射最强烈，LST为一年中最大。随后9—1月份地表面温度急剧下降，1月份LST最低，达到-13.2℃，在此期间太阳高度角小、太阳辐射能量较弱，LST为一年中最低。按季节来看，春季即3月到5月LST处于增加趋势，夏季温度达到最高值，因此6月份开始LST迅速增加，秋季即9—11月太阳辐射减少、日照时间缩短，LST随之处于急剧减少趋势，12月到次年2月保持低值，无明显的变化。由此可见，年际和年内的LST变化状况与该时段内的太阳辐射、气温、植被覆盖、日照时间等因素的季节性变化具有密切关系。

3.4 不同土地利用类型地表温度的时间分布特征

不同土地类型由于本身的生理生态特性以及所处区域LST差异，不同LUCC的平均LST分布表现出不同的变化特点。为了更精确分析每个土地利用类型的LST特征，利用ArcGIS的空间统计功能，分别提取了各LUCC类型年均LST。从图7中可以看出，流域内年均LST和LUCC类型密切相关，不同LUCC的平均LST存在着较大差异，温度较高的土地类型是沙漠、裸土、旱地，分别为13.3℃、12.6℃、11.6℃，表明裸土、沙漠、旱地是比热容小，受太阳辐射后升温速度快，因此年均LST相对较高；草甸的年均LST值最低，仅为-0.9℃。各种土地覆盖类型的年均LST排序依次为沙漠>裸土>旱地>稀疏草地>湖泊>草原>草本沼泽>草甸。究其原因，一方面是因为不同的LUCC有其独特的特征，草原、草本沼泽、草甸受太阳射后升温速度较慢、蒸腾率较高，因此草原等植被覆盖区域促进地表与近地面大气之间的能量交换，使LST值较低。另一方面各LUCC类型所处区域的地形、日照、降水等气候条件也有所不同。博斯腾湖流域地形复杂，大多分布于山脉和盆地，该区域降水量较少、干旱程度较高、夏季日照时间长，同时吸收大量太阳辐射能量的土地类型也较多，使得处于LST值高温状态；在博斯腾湖流域东南地区裸土和旱地较广，因此该地区吸收大量的太阳辐射，LST值也相对较高。

对不同LUCC的月平均LST变化统计结果如图7，整体而言，2001—2014年博斯腾湖流域各土地利用类型月均LST变化趋势与年均LST变化较为一致，均呈现先升后降的单峰型变化模式。以温度最高的沙漠和裸土为例，沙漠全年各月LST均值高于其它地类，尤其在3—10月累积的LST与其它地类极差达14.31℃；多年月平均LST最低的是草甸，为-1.1℃，主要原因是植被可以通过蒸腾作用减少土壤或地表中的热量。各土地类型最高、最低LST值出现的时间有所差距，对草甸来说最高温度出现的月份是7月份，但是6—8月份温度变化曲线处于平衡状态、相差不大；对旱地来说最高温度出现的月份是6月份，为26.4℃，从7月份开始温度变化曲线处于下降趋势；而湖泊等水体最高温度出现的月份是8月份，主要是由于热转导率小、热容量大，导致温度上升缓慢，因此最高温度出现的月份比其它土地类型较晚，但相差不大。综上所述，不同土地利用类型的年平均LST大小顺序和月平均LST大小顺序较一致，植被覆盖的增加导致LST值较低，对区域LST值的降低具有一定的调节作用。

3.5 流域LST的空间变化趋势分布

本研究将采用趋势分析方法，利用2001—2014年平均LST分布来反映博斯腾湖流域LST变化趋势，并计算每个像元的LST值与时间的相关系数，以及对趋势分布状况进行显著性检验。从图8中可以看出，LST明显增加(P<0.01)的区域面积约占7%，主要分布在巴音布鲁克附近的草原覆盖区域、博斯腾湖周边沙漠覆盖区域和轮台县附近的稀疏草地覆盖区域。其主要原因是随着人口的增加、经济的发展以及国家政策的出台，近年来当地的耕地、建设用地有所增加，与此同时林地、草地及裸岩的面积减少[28]。轻微增加(P<0.05)的区域面积约占36%，主要分布在博斯腾湖东南部、哈布其罕沟、赛日木河、轮台县等区域，主要原因是植被覆盖度较低并容易受人类活动的影响。流域LST基本不变的区域面积约占39%，主要分布在焉耆县和轮台县附近的稀疏草地、旱地等LUCC类型分布的区域。轻微减少(P<0.05)和严重减少(P<0.01)的区域面积分别占总面积的13%、5%，主要分布在巴音布鲁克草原和轮台县附近的旱地覆盖区域。

图7 不同土地利用类型多年(A)、月(B)平均LST Fig.7 Multi-year LST for various Land covers

注：圆圈表示地表温度明显增加的区域。Note: Circle indicates that land surface temperature is the area of apparent increase.

图8 博斯腾湖流域2001—2014年LST变化趋势

Fig.8 Change trend of LST in Bosten Lake Basin during 2001—2014

4 结论与讨论

博斯腾湖流域位于天山中部南缘和塔克拉玛干沙漠北缘，气候干燥、地形复杂、生态环境脆弱，是一个独特的绿洲-荒漠交错地区。基于MODIS数据LST时空分布的相关研究，对区域环境保护、生态规划、农作物生产、生态农业建设等领域具有重要的理论价值。本研究结果表明，2001—2014年博斯腾湖流域年平均LST值有明显超过总平均LST值的趋势。符合我国西北地区年平均LST增温趋势[29]，说明LST时空变化能够有效反映区域气候变化情况，因此在干旱半干旱地区，明确流域LST时空格局变化及归因方面的研究具有重要意义。另外，本文应用的MODIS LST产品在地形复杂、气象站点较少、生态环境脆弱的情况下，能够有效反映区域温度场的变化，并达到温度产品应用的要求，可适用于大范围LST时空分布状况的研究。

本文基于MODIS LST产品，在精度验证的基础上，对博斯腾湖流域的LST时空格局和变化趋势进行分析，得出以下结论:(1) MODIS LST产品与4个气象站月时间序列的实测LST值呈现出显著的相关关系，相关系数R2分别达到0.98、0.94、0.96和0.96，说明MODIS LST产品在研究区总体上符合精度要求，可适用于LST时空分布研究。(2) 博斯腾湖流域2001—2014年平均LST具有明显的时空分异特征。时间上，14年来流域年平均LST超出多年平均值的年份出现在2001、2002、2006、2007、2008、2009年和2013年，其中2002、2007、2013年较为突出；空间上，LST分布呈现出东南高于西北的趋势，植被覆盖度高的地方LST值较低，植被覆盖度低的地方LST值较高。各月LST的年际变化具有季节分异特征，呈现先增大后减小的单峰型分布趋势，LST上升趋势主要在3—8月份，其中7月份温度最高，1月份温度最低。(3) 不同LUCC类型的平均LST表现出不同变化特征，各LUCC类型的年均LST排序依次为沙漠>裸土>旱地>稀疏草地>湖泊>草原>草本沼泽>草甸；各土地利用类型LST的不同月份变化大小顺序与年际变化基本一致。(4) 从14年LST变化趋势来看，赛日木河和巴音布鲁克县的附近、博斯腾湖周边和轮台县附近等区域LST呈现明显增加趋势；轻微增加的区域主要分布在博斯腾湖东南部、乌拉斯台河、哈布其罕沟、轮台县等区域；明显增加趋势、轻微增加和基本不变的区域面积分别占总面积的7%、36%和39%，以轻微增加和基本不变趋势为主。轻微减少和严重减少的区域面积分别占总面积的13%、5%，主要分布在巴音布鲁克草原和轮台县附近的旱地覆盖区域。

[1] Dousset B, Gourmelon F. Satelite multi-sensor data analysis off urban surface temperatures and land cover[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2003,58(1-2):43-54.

[2] 乔玉良,杨永明.红外遥感寻找地下热水方法探究[J].气象与环境科学,2008,31(4):12-14.

[3] 石玉立.中巴地球资源卫星数据反演地表温度产品设计[J].气象与环境科学,2009,32(1):5-8.

[4] 刘桂芳,卢鹤立.全球变暖背景下的中国西部地区气候变化研究进展[J].气象与环境科学,2009,32(4):69-73.

[5] 拉 巴,拉巴卓玛,陈 涛.基于MODIS影像的西藏典型内陆湖泊变化研究及成因分析[J].气象与环境科学,2011,34(3):37-40.

[6] 张沛东,张秀梅,李 健.对虾行为生态学研究进展Ⅱ.环境因子对对虾行为习性的影响[J].应用生态学报,2006,17(2):340-344.

[7] Luo J, Zhang J, Huang W, et al. Preliminary study on the relationship between land surface temperature and occurrence of yellow rust in winter wheat[J]. Disaster Advances, 2010,3(4):288-292.

[8] 热伊莱·卡得尔,玉素甫江·如素力,高 倩,等.新疆焉耆盆地地表温度时空分布对LUCC的响应[J].农业工程学报,2016,32(20):259-266.

[9] 王宾宾,马耀明,马伟强.青藏高原那曲地区MODIS地表温度估算[J].遥感学报,2012,16(6):1289-1309.

[10] 李 慧,王鹏新.基于Terra-MODIS和NOAA-AVHRR数据的条件植被温度指数干旱监测及其对比分析[J].干旱区资源与环境,2013,27(3):61-66.

[11] A.Retalis, D.Paronis, K.Lagouvardos, et al. The heat wave of June 2007 in Athens, Greece-Part 1: Study of satellite derived land surface temperature[J]. Atmospheric Research, 2010,98(2-4):458-467.

[12] Prasanjit Dash, Frank-M.Gøttsche, Folke-S.Olesen, et al. Separating surface emissivity and temperature using two-channel spectral indices and emissivity composites and comparison with a vegetation fraction method[J]. Remote Sensing of Environment, 2005,96(1):1-17.

[13] 王之夏,南卓铜,赵 林,等.MODIS地表温度产品在青藏高原冻土模拟中的适用性评价[J].冰川冻土,2011,33(1):132-143.

[14] 张宏群,杨元建,荀尚培,等.安徽省植被和地表温度季节变化及空间分布特征[J].应用气象学报,2011,22(2):232-240.

[15] 王建凯,王开存,王普才.基于MODIS地表温度产品的北京城市热岛(冷岛)强度分析[J].遥感学报,2007,11(3):330-339.

[16] 覃志豪, Zhang Minghua, Arnon Karnieli, 等.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.

[17] 马耀明,刘东升,王介民,等.卫星遥感敦煌地区地表特征参数研究[J].高原气象,2003,22(6):513-536.

[18] PRICE J C. Land surface temperature measurements from the split window channels of the NOAA 7 Advanced very high Resolution Radiometer[J]. Journal of Geophysical Research: Atmospheres, 1984,89(D5):7231-7237.

[19] Changin R I, Liu Q, Hua L I, et al. Improved split window algorithm to retrieve LST from Terra/MODIS data[J]. Journal of Remote Sensing, 2013,17(4):830-840.

[20] 于文凭,马明国.MODIS地表温度产品的验证研究——以黑河流域为例[J].遥感技术与应用,2011,26(6):705-712.

[21] Georgy V Mostovoy, Roger L King, K Raja Reddy, et al. Statistical estimation of daily maximum and minimum air temperatures from MODIS LST data over the state of Mississippi[J]. GI science and Remote Sensing, 2006,43(1):78-110.

[22] Vancutsem C, Ceccato O, DinkuI T, et al. Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa[J]. Remote sensing of Environment, 2010,114:449-465.

[23] 周成虎,罗格平,李 策,等.博斯腾湖环境变化及其与焉耆盆地绿洲开发关系研究[J].地理研究,2001,20(1):15-23.

[24] 邱 冰,姜加虎,孙占东,等.基于统计降尺度模型的博斯腾湖流域未来气温和降水变化趋势分析[J].资源科学,2010,32(6):1133-1140.

[25] Yusufujiang R, LI L H , Sajjad A, et al. Dynamics model to simulate water and salt balance of Bosten Lake in Xinjiang, China[J]. Environmental Earth Sciences, 2015,74(3):2499-2510.

[26] 喻 元,白建军,王建博,等.基于MOD16的关中地区实际蒸散发时空特征分析[J].干旱地区农业研究,2015,33(3):245-253.

[27] 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.

[28] 阿依苏力坦·麦麦提艾力.博斯腾湖流域土地利用/覆被变化及其驱动因子分析[D].乌鲁木齐：新疆师范大学,2014.

[29] 乔 丽,吴林荣,张高健.中国近50a地表温度时空变化特征分析[J].水土保持通报,2015,35(5):323-326.