《Land》：Spatio-Temporal Analysis of Land Surface Temperature and Land Use/Land Cover Relationship in Antalya Basin
编辑推荐：
地中海地区被认为是最易受气候变化影响的区域之一，预计年气温将持续上升。伴随人为活动带来的额外热负荷，该地区预计将比其他区域承受更大的热应激和负面健康影响。安塔利亚盆地位于地中海盆地内，以丰富的生物多样性、重要的湿地、密集的农业和旅游活动以及快速城市化为特征，为
地中海地区被认为是最易受气候变化影响的区域之一，预计年气温将持续上升。伴随人为活动带来的额外热负荷，该地区预计将比其他区域承受更大的热应激和负面健康影响。安塔利亚盆地位于地中海盆地内，以丰富的生物多样性、重要的湿地、密集的农业和旅游活动以及快速城市化为特征，为研究土地利用/土地覆盖（LU/LC）与地表温度（LST）之间的关系提供了适宜的研究环境。本研究调查了该盆地长期的LU/LC和LST变化，并评估了二者之间的关系。为此，研究人员首先进行了预处理步骤以准备数据集，并生成了光谱指数。随后，利用Landsat影像和辅助数据，以五年为间隔对1985年至2025年的九个年份进行了LU/LC分类。之后，利用1985年至2025年间的Landsat影像逐年生成了LST图像。最后，进行了精度评估，并分析了LU/LC与LST之间的关系。基于Landsat影像及附加栅格图层生成的LU/LC专题图精度较高，总体精度高于85%。变化检测结果显示，住宅区、工业区和农业区面积增加，而植被和牧场/裸地面积减少。长期年度LST分析揭示了1985年至2025年间不同LU/LC类别间显著不同的热力轨迹。统计显著的单调增温趋势在住宅区、工业区、水面、植被和温室区域得到确认，其中住宅区的增温速率最强。相比之下，旱作农业、牧场/裸地和灌溉农业表现出较高的年际变率并出现了显著的地表温度峰值——最显著的是2024年，旱作农业达到了47.72 °C的最高LST——但这些区域缺乏统计显著的长期单调趋势。最高的LST值出现在旱作农业区，其次是温室、工业和住宅区。相反，在所有LU/LC类别中，水域和植被区域的LST值最低。
一、研究背景与意义
全球人口持续增长与快速城市化进程深刻改变了地表特征，尤其是在城市及其周边地区。为满足日益增长的住房、基础设施和能源需求，大量自然区域被转化为不透水面，导致自然生境破坏、空气污染、水资源污染等生态环境问题。与此同时，工业化以来人类活动所引发的全球变暖和气候变化，正通过创纪录的高温、洪水、火灾等形式加剧环境压力。城市化进程中，不同土地利用/土地覆盖（LU/LC）类型通过改变地表发射率和散热机制，导致地表温度（LST）产生差异，进而形成城市热岛效应。尽管各类陆地表面普遍观测到温度升高，但在建成区如工业、商业、机场或高密度人口区域，这一现象尤为严重。
地中海地区是全球公认的气候变化脆弱区，而安塔利亚盆地地处地中海盆地内，兼具生态多样性、重要湿地、集约化农业与旅游业活动以及快速城市化等多重特征，是研究LU/LC与LST关系的理想场所。然而，现有研究多基于行政单元而非流域边界进行分析，后者作为由地形、覆被、土壤和水文条件定义的综合系统，更适合进行整体性热环境分析。此外，已有流域尺度研究大多采用离散时间序列，仅选取2至6景卫星影像且间隔10至20年，导致年际温度变化、极端温度时段和趋势被遗漏。同时，现有研究常将农业用地归为单一大类，忽视了温室栽培、旱作农业和灌溉农业等特定人为土地利用类型对LST的不同热力特征。针对上述空白，本研究旨在通过长时序、高时间分辨率的LU/LC与LST分析，揭示安塔利亚盆地内的热力格局，为更详细的环境与规划评估提供依据。
二、主要技术方法概述
研究人员使用Google Earth Engine（GEE）平台获取和处理1985至2025年间每年夏季（六月、七月、八月）云量低于5%的Landsat 5和Landsat 8影像共计1222景，并生成中值合成影像。LU/LC分类采用随机森林（RF）机器学习算法，在EnMap-Box软件中实现，参数优化后设置树木数量为100棵。为提高分类精度，研究人员使用了五组数据组合，最终采用包含原始Landsat多光谱波段以及归一化差值植被指数（NDVI）、改进归一化差异水体指数（MNDWI）、住宅区探测指数（RADI）、塑料地膜覆盖指数（PMLI）四种光谱指数、夜间灯光（NTL）数据和ASTER全球数字高程模型（GDEM）在内的第五组数据进行分类，将研究区划分为住宅区、工业区、植被、灌溉农业、旱作农业、温室、水面和牧场/裸地八类。LST计算采用Ermida等人开发的GEE代码，基于统计单窗（SMW）算法，结合美国国家环境预报中心/国家大气研究中心（NCEP/NCAR）的水汽数据和ASTER全球发射率数据库（GEDv3）进行大气校正和发射率估算。趋势分析采用普通最小二乘回归、Sen斜率估计、Mann-Kendall（MK）检验以及Hamed-Rao修正Mann-Kendall（HR-MK）检验。
三、研究结果
3.1 LU/LC分类结果
仅使用原始Landsat多光谱波段的第一组数据总体精度均低于62%，而加入所有辅助数据的第五组数据在1985至2025年各年份的分类总体精度均超过85%，最高达89.53%，Kappa系数介于0.83至0.88之间。多数类别用户精度和生产精度均超过70%，其中水体精度最高（94.60%至100%），温室生产精度在1995年较低（39.60%），牧场/裸地用户精度相对偏低（60.29%至69.97%）。
3.2 安塔利亚盆地LU/LC面积的时序变化
1985至2025年间，住宅区面积从30.36 km2增至406.46 km2，增长超十倍，其中2005至2010年间扩张速率最快。工业区从7.84 km2增至91.67 km2，温室从6.97 km2增至189.48 km2。植被面积减少996.55 km2，从5377.47 km2降至4380.92 km2。灌溉农业面积从979.66 km2增至1173.32 km2。变化检测矩阵显示，牧场/裸地向植被、灌溉农业、住宅区和温室的大规模转换是主要变化模式，住宅区和工业区主要通过占用灌溉农业和牧场/裸地扩张。
3.3 LST生成结果
LST地图显示，旱作农业、住宅和工业区地表温度较高，植被和水体温度较低。Landsat LST与MODIS LST相关系数在2000至2025年间介于0.96至0.99之间，与气象站气温数据的相关系数为0.40至0.65，呈中等正相关。
3.4 LU/LC与LST关系的时空分析
所有研究年份的平均LST排序为：旱作农业 > 温室 > 工业 > 住宅 > 牧场/裸地 > 灌溉农业 > 植被 > 水面。旱作农业在2024年达到最高LST值47.72°C。1985至2025年间，住宅区升温1.36°C，工业区升温0.72°C，而植被、灌溉农业、旱作农业和牧场/裸地分别下降1.12°C、1.15°C、1.29°C和1.10°C。但若对比2024年与1985年，所有类别均显著升温，旱作农业升幅最大达4.88°C。统计趋势分析表明，住宅区（线性斜率0.95°C/10年）、工业区（0.74°C/10年）、水面（0.53°C/10年）、植被（0.53°C/10年）和温室（0.53°C/10年）呈现统计显著的单调增温趋势，而旱作农业、灌溉农业和牧场/裸地虽有年际波动但无显著长期趋势。LST变化矩阵显示，水体转为牧场/裸地或旱作农业导致LST升高10.85°C和9.44°C，而旱作农业和牧场/裸地转为水体则使LST降低13.62°C和10.64°C。植被转为住宅区和工业区使LST分别升高3.26°C和3.73°C。
3.5 样区LU/LC与LST关系时空分析
安塔利亚市中心、阿拉尼亚、马纳夫加特、博加恰伊和伊斯帕塔市中心等高城市化样区LST值较高。安塔利亚市中心旱作农业在2015年达到极端峰值48.81°C，工业区在2022年达47.14°C。马纳夫加特植被区在2021年森林火灾后LST从2020年前的38.37°C骤升至2022年的43.10°C。科瓦达湖国家公园是所有样区中总体LST最低的区域，水面LST介于20.77°C至28.38°C之间。极端高温事件集中出现在1985-1986年、1988年、1999年、2008年、2010年、2013-2016年、2021-2022年和2024年，而低温年份包括1987年、1992年、1995年、1997年和2019-2020年。
四、讨论与结论
研究人员指出，光谱指数、NTL数据和ASTER GDEM的集成显著提高了RF分类精度，尤其是区分住宅与工业、旱作与灌溉农业及温室等精细类别，使得原本会被笼统类别掩盖的热力差异得以显现。LU/LC变化方面，住宅、工业、灌溉农业、旱作农业和温室面积增加，植被减少，水体的阶段性增加主要源于卡拉贾奥伦大坝和纳拉斯大坝的建设。LST时序中的高温年份（如1999年、2003年）与全球记录和欧洲热浪事件吻合，而2021年马纳夫加特森林火灾导致了局部植被LST的急剧上升。研究结果与其他土耳其沿海及流域研究一致，证实了建成区与植被之间的热力对比，以及水体干涸区域的增温效应。
研究结论总结如下：本研究成功绘制了1985至2025年间安塔利亚盆地的LU/LC变化与LST时空分布。使用辅助数据显著提升了分类精度，其中加入光谱指数、NTL影像和ASTER GDEM分别使总体精度提高最多4.88%、9.50%和19.17%，所有辅助数据联合使用获得了高于85%的最高总体精度。研究发现住宅区和工业区大幅扩张（分别增加376.10 km2和83.83 km2），灌溉农业和温室面积分别增加193.66 km2和182.51 km2，植被面积减少最多（996.55 km2）。LST趋势评估显示，并非整个盆地呈现均匀增温，而是住宅区、工业区、水面、植被和温室五类呈现统计显著的长期单调增温，其中住宅区增温速率最强；旱作和灌溉农业及牧场/裸地虽在2024年出现峰值LST，但无统计显著长期趋势。LST变化矩阵揭示了LU/LC转变带来的巨大热力差异，水体转为牧场/裸地或旱作农业可导致LST飙升10至11°C。Landsat LST与MODIS LST高度相关（r=0.96-0.99），与气象站气温测量呈中等相关（r=0.40-0.65）。这些发现为流域尺度的生态规划提供了空间证据，可用于识别热力热点、优先实施热缓解措施，并指导城市增长、水资源保护和蓝绿基础设施规划以减轻地表热极端事件。
