三江平原水田景觀對局地熱環(huán)境的影響

金 翠,李欣濤,佟欣羽,曾令輝,李鳳秀

1 遼寧師范大學地理科學學院, 大連 116029 2 河南省氣候中心, 鄭州 450003

水稻作為世界第二大糧食作物,是全球近半數(shù)以上人口的主要糧食來源。水稻生長及其種植環(huán)境所產(chǎn)生的農(nóng)業(yè)溫室氣體是全球及區(qū)域氣候變化的間接推手之一[1-2]；另一方面,水田受灌溉作用,其地表下墊面性質(zhì)(如反照率、粗糙度、比輻射率、蒸散等)獨特,導致地表能量傳輸中的輻射傳輸機制和非輻射機制與其他植被覆蓋土地利用類型存在差異,具有“冷濕效應”,影響局地的熱環(huán)境,進而直接影響區(qū)域氣候[3-4]。在氣候變化及人類需求共同作用下,寒溫帶地區(qū)的水田種植范圍持續(xù)擴大,其種植界線迅速向北推移[5-7]。在此背景下,探尋該地區(qū)的水田種植活動對局地熱環(huán)境的影響,是揭示區(qū)域氣候變化的成因、理解人類活動對氣候影響機制研究中的重要內(nèi)容。

目前學者已通過氣象觀測法或氣候模式模擬法探討農(nóng)業(yè)灌溉對區(qū)域尺度的近地面氣溫的影響,主要集中在干旱及半干旱區(qū)、亞熱帶濕潤區(qū)[8]。其中,氣象觀測法對比分析灌溉與非灌溉田間的氣象觀測站的氣溫及其變化規(guī)律的差異,以此表征灌溉對氣溫的影響。Mahmood等[9]基于氣象觀測數(shù)據(jù)對比分析發(fā)現(xiàn)美國中部灌溉農(nóng)田的植被生長季平均最高近地面氣溫以每年0.01℃率遞減；Zhu[10]和Han[11]等分別對我國新疆和吉林西部地區(qū)的長期氣溫觀測值分析得出近地表氣溫的降溫幅度受田間的灌溉管理制度、灌溉規(guī)模及灌溉面積影響。然而氣象觀測法受到觀測站點數(shù)量、分布及其觀測空間尺度限制,制約其在區(qū)域級或地表空間異質(zhì)性大的地區(qū)應用[12]。氣候模式模擬法從氣候變化的物理機制出發(fā),揭示灌溉導致區(qū)域氣候時空動態(tài)特征及預測未來氣候變化趨勢,所得結(jié)論與氣象觀測法一致,即在區(qū)域尺度農(nóng)業(yè)灌溉降低日最高近地表氣溫,而對夜間最低近地表氣溫的影響存在不確定性[13]。與普通旱田灌溉相比,水田灌溉特殊,需要保持長期灌水環(huán)境,其地表反照率低,地表潛熱高,進而水田對局地表熱環(huán)境的影響更為復雜。然而,氣候模型對地表參數(shù)化中卻極少區(qū)分灌溉的水田與旱田；另一方面,受物理機理復雜、模型參數(shù)化困難、大尺度高精度灌溉屬性數(shù)據(jù)難獲得等影響,為氣候模式模擬方法模擬水田種植區(qū)的局地氣候增加了更多不確定性[14]。地表溫度(LST,Land Surface Temperature)是地表能量及水平衡物理過程中的關(guān)鍵因子,作為局地熱環(huán)境主要指征而用于城市地表下墊面局部氣候研究[15-16]。熱紅外遙感可以連續(xù)性獲得大尺度的地表溫度信息[17],是研究水田灌溉對氣候影響的重要潛在技術(shù)方法。三江平原是我國水稻種植最北界,近二十年內(nèi)自然濕地開墾及“旱改水”過程使得水田面積擴張迅速[18],近期已有研究采用遙感技術(shù)分析三江平原水田擴張對區(qū)域的制冷效應。Du等[19]利用Terra/MODIS地表溫度產(chǎn)品分析三江平原水旱田的分布對地表溫度空間格局差異及其季節(jié)特征；Liu等[20]基于輻射傳輸理論耦合遙感及氣象觀測數(shù)據(jù)量化輻射及非輻射機制對水田降溫的貢獻；Yu等[21]利用長時序MODIS集合發(fā)現(xiàn)水田擴張導致白天地表溫度下降,同引起時夜間地表溫度升高,導致整個作物生長期內(nèi)的區(qū)域地表溫度晝夜差異顯著降低。盡管以上研究以水田擴張所引起冷濕效應的時空特征及其機制分析,然而其將水田與旱田的地表能量輻射傳輸過程設(shè)為相互不干擾、獨立發(fā)展的兩個過程,直接對比水旱田地表溫度差異,忽略水田與其鄰接土地覆蓋類型之間的物質(zhì)、能量橫向傳輸?shù)姆蔷€性過程,例如,通過大氣平流運動可以輸送水汽和傳導能量,導致水田灌溉對其鄰近周邊局地熱環(huán)境產(chǎn)生影響。因而,水田灌溉對周邊局地熱環(huán)境影響的空間尺度及程度如何？水田對周邊降溫效應與其灌溉規(guī)模之間關(guān)系,是否與旱田灌溉的降溫效應與灌溉規(guī)模呈線性關(guān)系假設(shè)一致？這些問題仍然需要進一步探討。

景觀生態(tài)學將生態(tài)系統(tǒng)視為由不同組分鑲嵌組成[22-23],組分格局分異特征引起地表溫度存在空間異質(zhì)性,進而物質(zhì)和熱量隨溫度梯度在組分內(nèi)部及組分間傳輸,尤其在組分邊界更為顯著。本研究基于2014年6月24日Landsat8 TIRS熱紅外波段反演地表溫度數(shù)據(jù),刻畫三江平原水田種植核心區(qū)域的熱環(huán)境空間分異,以景觀生態(tài)學格局-過程理論為視角,量化水田斑塊的大小、規(guī)模及邊界、形狀特征,分析水田景觀格局對水田內(nèi)部熱環(huán)境的影響,及其對周邊鄰接斑塊邊緣交界處的熱環(huán)境的影響范圍及程度,為深入探討高緯度濕冷地帶農(nóng)業(yè)灌溉對區(qū)域氣候變化的影響提供直接科學依據(jù)；進而合理規(guī)劃水稻的生產(chǎn)管理,以提高對氣候變化的緩解和適應,為糧食安全保障提供間接參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)位于三江平原腹地(46.84°—47.94°N,130.14°—132.68°E),主要為農(nóng)業(yè)耕作區(qū),其氣候濕冷,地形平坦,水資源、土壤資源豐富,為單季稻生長提供優(yōu)越條件[24]。研究區(qū)水田面積為8.54×103km2,約占耕地總面積的46.5%(圖1)。水稻生長期約為145 d。4月中旬至5月上旬為整地泡田期,5月中旬開始秧苗移栽期,6月進入分蘗期,7月中旬進入孕穗期,自8月底開始收獲于10月上旬結(jié)束[25]。本文選取作物生長對溫度最敏感月份——6月份為研究時間段,該時段內(nèi)水稻及旱田作物田間地表熱環(huán)境差異最顯著。

1.2 數(shù)據(jù)來源及預處理

本研究所用數(shù)據(jù)包括：Landsat8 OLI/TIRS遙感影像、2015年研究區(qū)土地利用覆蓋矢量數(shù)據(jù)、以及1km Terra MODIS地表溫度日產(chǎn)品(MOD11A1)。Landsat8 OLI/TIRS遙感影像來源于美國地質(zhì)調(diào)查局(https://earthexplorer.usgs.gov/),軌道號為P115/R027,影像時間為2014年6月24日,影像云量低(<5%),其質(zhì)量滿足地表溫度反演要求。Terra MODIS衛(wèi)星上午過境時間為10:30,獲取同日MOD11A1地表溫度產(chǎn)品(LSTMOD11A1)作為真實地表溫度參考,對Landsat8 TIRS地表溫度(LSTTIRS)驗證評價。

2015年土地利用覆蓋矢量數(shù)據(jù)基于Landsat、HJ衛(wèi)星影像,采用影像分割、決策樹分類及人工目視解譯方法獲得,其總體分類精度94%,耕地的生產(chǎn)者、用戶精度分別為90%及89%[26-27]。為保證土地利用覆蓋矢量數(shù)據(jù)與Landsat8影像數(shù)據(jù)時間一致性,以Landsat8 OLI假彩色合成影像(圖1)為參考,通過目視解譯更新局部地類邊界。以2014年谷歌地球高空間分辨率遙感影像為真實地面參考,對不同土地利用類型隨機選取地面真實參考樣本(1219個像素),建立分類混淆矩陣,計算出的分類總體精度為97%,Kappa系數(shù)為0.96,其中旱田的生產(chǎn)者、用戶精度分別為95%、93%,水田的生產(chǎn)者、用戶精度分別為99%、97%。

2 研究方法2.1 地表溫度反演及驗證

基于輻射傳輸方程法對Landsat8 TIRS 熱紅外波段進行地表溫度反演[28]：

(1)

LST=k2/ln(k1/Bλ(LST)+1)

(2)

式中,k1=774.89(W m-2sr-1μm-1),k2=1321.08K。

選擇2014年6月24日1km Terra MODIS地表溫度日產(chǎn)品(MOD11A1 v006,即LSTMOD11A1)作為地表溫度真實參考,對Landsat8 TIRS數(shù)據(jù)反演的地表溫度(LSTTIRS)進行驗證。為保證LSTMOD11A1與LSTTIRS像素空間尺度匹配,計算每1km LSTMOD11A1像素內(nèi)的LSTTIRS平均值；其次,在研究區(qū)內(nèi)隨機選取LSTMOD11A1與1km LSTTIRS匹配像素對,通過回歸分析,比較二者回歸系數(shù),均方根誤差(RMSE)衡量LSTTIRS的偏差。

2.2 景觀指數(shù)選取

在斑塊尺度選取面積(Area)、周長(PERI)、形狀指數(shù)(PARA)、內(nèi)聚力指數(shù)(COHESION)四個景觀指數(shù),分別對水田斑塊的灌溉規(guī)模、種植結(jié)構(gòu)及景觀聚集程度直接量化,同時對水田斑塊與周邊地類邊界處的熱量相互傳導間接表征。

表1 景觀指數(shù)及其描述

i,j分別代表水田斑塊序列及每個斑塊的內(nèi)部組分序列

2.3 空間統(tǒng)計分析

本研究通過建立各水田斑塊的景觀格局指數(shù)與斑塊內(nèi)平均地表溫度之間的回歸分析,表征水田景觀格局特征對其內(nèi)部熱環(huán)境的影響；此外,在水田斑塊邊界向外0—300m之間每隔30m建立緩沖區(qū),共10個緩沖區(qū)(圖2),分析各緩沖區(qū)與斑塊內(nèi)部平均地表溫度差值(ΔLSTBuffer)變化,獲得不同水田景觀類型對地表溫度影響的趨勢、范圍及幅度。其次,通過回歸分析刻畫水田各景觀要素與地表溫度的影響趨勢、范圍及程度的定量關(guān)系。ΔLSTBuffer計算如下：

(3)

圖2 水田斑塊邊界外每30m間隔緩沖區(qū)示意圖Fig.2 30m buffer zones at the boundary of paddy rice patches

圖3 Landsat8 TIRS地表溫度與Terra MOD11A1地表溫度散點圖 Fig.3 Scatter plot between LSTTIRS and LSTMOD11A1

3 結(jié)果分析

3.1 水田及周邊熱環(huán)境分布特征

Landsat8反演地表溫度相對精確,與MOD11A1地表溫度具有顯著的線性相關(guān)(R2=0.83,P<0.001),Landsat8地表溫度略偏低,二者的平均誤差及均方根誤差分別為1.7℃、2.2℃(圖3)。研究區(qū)地表溫度介于12.5—50.4℃,平均地表溫度為31.5℃,地表溫度空間分布(圖4)與土地利用覆蓋分布格局一致(圖1)。地表溫度較高區(qū)域主要分布在旱田和建設(shè)用地,其平均地表溫度分別為35.9℃和34.5℃(表1)。地表溫度較低區(qū)域為植被覆蓋區(qū),林地(26.1℃)<水田(28.1℃)<自然濕地(29.9℃)<草地(32.1℃)。受物理性質(zhì),如熱力學性質(zhì)、反射及自身發(fā)射電磁輻射性質(zhì)等的綜合作用,不同土地覆蓋類型對地表能量的吸收、釋放過程存在差異,土地覆蓋類型的空間分布直接決定研究區(qū)的熱環(huán)境空間格局。與水田、旱田空間分布相對應,研究區(qū)地表溫度具有空間極化特點。研究區(qū)水旱田共占研究區(qū)面積的77.4%,在6月份,水、旱田的下墊面特征不同,二者的能量傳輸中的輻射機制與非輻射機制差異顯著,其中水田田間含水量遠高于旱田,具有降溫及增濕效應,水旱田平均地表溫度差為-7.8℃。因此,水田景觀格局將直接影響水田周邊局地及區(qū)域整體的熱環(huán)境。

表2 土地利用覆蓋類型地表溫度統(tǒng)計

圖4 地表溫度空間分布Fig.4 Spatial distribution of Land Surface Temperature

3.2 水田景觀對內(nèi)部熱環(huán)境的影響

同類土地覆蓋類型內(nèi)部地表生物物理組分非均質(zhì)性,如植被覆蓋度、土壤水分、植被長勢等,導致其內(nèi)部地表溫度產(chǎn)生差異,引起輻射傳輸能量在其內(nèi)部重新分配。基于景觀生態(tài)學理論,景觀組分的結(jié)構(gòu)特征影響內(nèi)部的物質(zhì)與能量流。通過回歸分析,水田斑塊的面積、周長、形狀、內(nèi)聚力指數(shù)與內(nèi)部平均地表溫度極顯著相關(guān)(P<0.001,圖5),即水田的景觀特征對其內(nèi)部熱環(huán)境影響顯著。水田平均地表溫度與斑塊面積和周長呈負指數(shù)相關(guān)(R2=0.73、0.70)。水田平均地表溫度隨著斑塊面積、周長的增加迅速下降,當面積、周長分別達到臨界點25km2、120m時趨于平緩的趨勢。其中最小水田斑塊面積為0.1km2,其內(nèi)部平均地表溫度最高達41.2℃,高于最大水田斑塊(2333.9km2)14℃。說明水田面積周長越大,其種植灌溉規(guī)模越大,引起田間蒸散量增大,同時,其內(nèi)部環(huán)境不易受到外界環(huán)境干擾而具有較好的穩(wěn)定性。形狀指數(shù)越大,水田形狀越復雜,其內(nèi)外熱量、水分傳輸效率增強,對應的內(nèi)部地表溫度越高,二者呈正對數(shù)關(guān)系(R2=0.63)。水田斑塊內(nèi)聚力指數(shù)越大,斑塊內(nèi)部的組分間連通性越強,斑塊整體的濕度蒸散聚集度越大,其自身的冷溫效應越劇烈。內(nèi)聚力最大的水田斑塊(COHESION=99.97)的內(nèi)部平均地表溫度為27.1℃,與內(nèi)聚力最小的水田斑塊(COHESION=90.58)相差-10℃,二者呈線性負相關(guān)(R2=0.74),并且內(nèi)聚力指數(shù)對水田內(nèi)部平均地表溫度的影響明顯高于面積、周長及形狀指數(shù)。

圖5 水田斑塊景觀指數(shù)與平均地表溫度回歸分析Fig.5 Regression Analysis between the landscape metrics and LST averages of paddy rice patches

3.3 水田景觀對周邊熱環(huán)境的影響

3.3.1水田景觀對周邊熱環(huán)境的降溫距離與降溫幅度

物質(zhì)及能量在土地覆蓋類型景觀組分間流動是水田對周邊熱環(huán)境影響的充分條件。基于景觀生態(tài)學理論,物質(zhì)能量流的傳輸途徑及效率受不同的規(guī)模和屬性的景觀組分空間結(jié)構(gòu)影響[30]。基于面積、形狀和內(nèi)聚力指數(shù),根據(jù)K-means算法對研究區(qū)水田景觀自動聚類,分析不同景觀類型水田對周邊地表溫度的影響范圍與程度。85個水田斑塊分為三類：非規(guī)則小型斑塊、類規(guī)則中型斑塊和規(guī)則大型斑塊。其中,非規(guī)則小型斑塊12個,其面積和內(nèi)聚力指數(shù)小、形狀指數(shù)大；規(guī)則大型斑塊47個,其面積和內(nèi)聚力指數(shù)較大,形狀指數(shù)小。類規(guī)則中型斑塊(共26個)景觀特征介于兩者之間(圖6)。

圖6 基于K-means算法的水田景觀聚類 Fig.6 Clusters of paddy rice patches based on K-means

圖7 三類水田景觀的每30m緩沖區(qū)內(nèi)的平均地表溫度及降溫幅度ΔLSTiFig.7 Land Surface Temperature average cooling degreeΔLSTi within each 30m buffer for three types of paddy rice landscapes

3.3.2水田景觀對周邊降溫影響因子

水田內(nèi)部溫度場是影響周邊熱環(huán)境的直接因素之一。將水田斑塊內(nèi)部平均地表溫度與其對周邊的最大降溫距離和降溫幅度擬合分析(圖8),各水田對周邊的降溫距離在60m到300m之間,平均降溫距離為184m；水田斑塊對邊界外部的平均降溫幅度為0.1—9.6℃,其平均降溫幅度平均為5.1℃。水田斑塊內(nèi)部平均地表溫度與降溫距離和降溫幅度都呈現(xiàn)負對數(shù)顯著相關(guān)(P<0.01),當水田斑塊內(nèi)部平均溫度為41℃,降溫距離最小(為75m),對應降溫幅度接近0℃；隨著水田斑塊內(nèi)部平均溫度降低,對周邊的降溫距離和降溫幅度增加,降溫效應增強。由于水田周邊地表溫度并非受水田內(nèi)部溫度場單因素影響,同時還受到其他因素的協(xié)同作用,如周邊景觀格局及周邊熱環(huán)境等,二者擬合的相關(guān)系數(shù)R2在0.5附近。

圖8 水田斑塊平均地表溫度與降溫距離(Buffermax)和降溫幅度(ΔLSTmax)散點圖Fig.8 Scatter Plots between and Land Surface Temperature averages within paddy rice patches and cooling distances (Buffermax), cooling degree (ΔLSTmax)

由3.2,水田景觀直接決定水田內(nèi)部溫度,進而間接影響周邊熱環(huán)境。同時,水田的景觀特征直接決定水田與周邊地區(qū)在邊界處的物質(zhì)熱量遷移與交換過程,進而對周邊熱環(huán)境產(chǎn)生直接影響。圖9表明水田的景觀特征與降溫距離有顯著的相關(guān)性(P<0.01)。其中,最大降溫距離與水田面積存在對數(shù)函數(shù)關(guān)系(R2=0.47)。當水田面積從0.1km2增加到25km2,降溫距離迅速增加,其變化速率為8.4m/km2,當水田面積大于25km2,最大降溫距離增加緩慢后趨于穩(wěn)定。與面積相似,最大降溫距離隨水田周長的增加而迅速增加,最后趨于平穩(wěn)(R2=0.46)。最大降溫距離與水田的形狀指數(shù)存在負對數(shù)函數(shù)關(guān)系(R2=0.40),即隨著水田斑塊形狀復雜度的增加,最大降溫距離迅速下降,最后趨于平穩(wěn)。隨著水田內(nèi)聚力增大,其溫度場降溫增濕效能增強,對周圍降溫范圍增加,二者呈現(xiàn)線性相關(guān)(R2=0.45)。

水田對周邊的降溫幅度與其景觀指數(shù)有一定相關(guān)性(圖10)。其中,降溫幅度與水田面積總體上呈現(xiàn)對數(shù)函數(shù)擬合關(guān)系(R2=0.38,P<0.01),當水田面積從0.1km2增加到25km2,二者顯著相關(guān)(R2=0.67,P<0.01),降溫幅度以0.33℃/km2速率迅速增加；當水田面積大于25km2,降溫幅度略有下降,其平均降溫幅度為6.0℃。降溫幅度與水田周長總體上呈現(xiàn)弱相關(guān)性(R2=0.36,P<0.01),當水田周長在1.6—120km之間,二者顯著相關(guān)(R2=0.60,P<0.01)；當水田周長大于120km,降溫幅度略微下降最終趨于平穩(wěn)。降溫幅度隨形狀指數(shù)的增加而迅速下降后趨于平穩(wěn)(R2=0.35,P<0.01)。降溫幅度與內(nèi)聚力指數(shù)呈現(xiàn)線性正相關(guān)性(R2=0.48,P<0.01)。

圖9 水田斑塊景觀指數(shù)與降溫距離(Buffermax)散點圖Fig.9 Scatter Plots between and landscape metrics of paddy rice patches and cooling distances (Buffermax)

圖10 水田斑塊景觀指數(shù)與降溫幅度(ΔLSTmax)散點圖Fig.10 Scatter Plots between and landscape metrics of paddy rice patches and cooling degree (ΔLSTmax)

4 討論

本文通過Landsat8 TIRS遙感數(shù)據(jù)反演地表溫度表征三江平原水稻主要種植區(qū)域的地表熱環(huán)境空間格局,從景觀生態(tài)學的格局—過程理論的視角,結(jié)合空間分析及統(tǒng)計分析法,強調(diào)物質(zhì)及能量在景觀組分內(nèi)部,尤其在組分邊界處的橫向傳輸?shù)闹匾^程,進而分析水田景觀格局對水田內(nèi)部及周邊鄰接組分的熱環(huán)境的影響。本研究用遙感反演的地表瞬時溫度反映日平均地表熱環(huán)境具有局限性,這是目前所有基于熱紅外遙感表征地表熱環(huán)境研究,如城市熱環(huán)境遙感研究,所面臨的巨大挑戰(zhàn)[32-34]。通過對研究區(qū)水田擴張的地表溫度影響的文獻綜述[19-21],6月中下旬是水田在整個生長過程中與旱田地表溫度差異最大時段,同時也是水稻生長對田間水量敏感期。因此,本文以此時間段內(nèi)水田景觀對周邊熱環(huán)境作用相對較強為前提假設(shè)。此外,本研究為針對斑塊尺度的水田對熱環(huán)境影響首次探討,以熱紅外遙感的高空間分辨率為首要前提,進而對景觀熱環(huán)境影響的空間特征詳細刻畫及機理探索,為此采用每16d 100m空間分辨率的Landsat8/TIRS數(shù)據(jù)為數(shù)據(jù)源。在后續(xù)研究中,利用長時間序列的熱紅外遙感數(shù)據(jù)可以更有效地追蹤水稻完整生長過程,在不同灌溉條件及局地氣候下的水田景觀的熱環(huán)境效應。例如,采用長時序1km MODIS地表溫度產(chǎn)品,對每天四個時間點(～1:30、10:30、13:30、22:30)地表溫度觀測,或采用MODIS-Landsat地表溫度時空融合方法,生成高時間、高空間分辨率的熱紅外遙感數(shù)據(jù)集,對研究區(qū)熱環(huán)境實現(xiàn)高頻、高精度的動態(tài)刻畫,有助于深入探討水田景觀格局對周邊熱環(huán)境的累積效應。與北方水稻種植相比,我國南方水稻的種植制度多樣化(雙季稻及單-雙稻混合種植)、地形條件及灌溉策略復雜、農(nóng)田景觀破碎度高,長時序高空間分辨率的熱紅外遙感數(shù)據(jù)將有助于精細刻畫不同地域水稻的各物候期及整個生長季的熱環(huán)境格局；此外,從物質(zhì)能量橫向傳輸過程的機理出發(fā),結(jié)合地面布點、車載、無人機的多維地表溫度實測數(shù)據(jù),進一步深化探討水田及鄰接土地覆蓋類型的景觀構(gòu)型特征對區(qū)域熱環(huán)境的影響機制。

5 結(jié)論

本研究選取高緯度濕冷地區(qū)的特殊農(nóng)業(yè)灌溉形式——水田灌溉為研究對象,采用遙感反演地表溫度為區(qū)域熱環(huán)境表征,通過景觀生態(tài)學-格局過程理論,結(jié)合空間鄰域分析方法,強調(diào)地表物質(zhì)、能量橫向傳輸過程在水田對周邊降溫效應中的重要作用,在區(qū)域特色、對象特色、分析框架三方面為農(nóng)業(yè)灌溉對區(qū)域氣候變化的影響研究提供新的視角。主要結(jié)論如下：

(1)研究區(qū)地表溫度具有空間極化特點,與水田、旱田空間分布相對應。水田與旱田的田間水-植-土組分比例差異大,導致地表生物物理屬性差異顯著,引起水田與旱田地表溫度差異顯著,二者平均地表溫差為-7.8℃；

(2)水田內(nèi)部的平均地表溫度受水田景觀特征影響。其中,隨斑塊面積和周長的增加,水田的地表溫度急劇降低后,趨于平穩(wěn)狀態(tài)；景觀內(nèi)部組分連通性強的水田斑塊的平均地表溫度更低,二者呈現(xiàn)負相關(guān)；形狀復雜的水田斑塊的內(nèi)部地表溫度較高,二者為正相關(guān)；

(3)水田對周邊最小降溫距離是60m,最大距離是300m,降溫幅度在0.05—9.7℃之間。水田周邊局地的熱環(huán)境受水田內(nèi)部及鄰接地類的協(xié)同作用,導致水田景觀結(jié)構(gòu)對周邊局地降溫作用較復雜,本研究中水田對周邊降溫貢獻度約為50%。其中,水田內(nèi)部溫度場、種植規(guī)模、內(nèi)部連通性及水田形狀對周邊降溫效應的影響依次減弱。

參考文獻(References):

[1] Carlson K M, Gerber J S, Mueller N D, Herrero M, MacDonald G K, Brauman K A, Havlik P, O’Connell C S, Johnson J A, Saatchi S, West P C. Greenhouse gas emissions intensity of global croplands. Nature Climate Change, 2017, 7(1): 63-68.

[2] Zhang G L, Xiao X M, Dong J W, Xin F F, Zhang Y, Qin Y W, Doughty R B, Moore III B. Fingerprint of rice paddies in spatial—temporal dynamics of atmospheric methane concentration in monsoon Asia. Nature Communications, 2020, 11(1): 554.

[3] Nishida K, Yoshida S, Shiozawa S. Theoretical analysis of the effects of irrigation rate and paddy water depth on water and leaf temperatures in a paddy field continuously irrigated with running water. Agricultural Water Management, 2018, 198: 10-18.

[4] Lobell D, Bonfils C, Faurès J M. The role of irrigation expansion in past and future temperature trends. Earth Interactions, 2008, 12(3): 1-11.

[5] Zhang G L, Xiao X M, Biradar C M, Dong J W, Qin Y W, Menarguez M A, Zhou Y T, Zhang Y, Jin C, Wang J, Doughty R B, Ding M J, Moore III B. Spatiotemporal patterns of paddy rice croplands in China and India from 2000 to 2015. Science of the Total Environment, 2017, 579: 82-92.

[6] 方修琦, 王媛, 徐錟, 云雅如. 近20年氣候變暖對黑龍江省水稻增產(chǎn)的貢獻. 地理學報, 2004, 59(6): 820-828.

[7] 杜國明, 春香, 于鳳榮, 張燕, 趙雅倩, 關(guān)桐桐. 東北地區(qū)水田分布格局的時空變化分析. 農(nóng)業(yè)現(xiàn)代化研究, 2017, 38(4): 728-736.

[8] Nocco M A, Smail R A, Kucharik C J. Observation of irrigation-induced climate change in the Midwest United States. Global Change Biology, 2019, 25(10): 3472-3484.

[9] Mahmood R, Hubbard K G, Carlson C. Modification of growing-season surface temperature records in the northern great plains due to land-use transformation: verification of modelling results and implication for global climate change. International Journal of Climatology, 2004, 24(3): 311-327.

[10] Zhu X F, Liang S L, Pan Y Z. Observational evidence of the cooling effect of agricultural irrigation in Jilin, China. Climatic Change, 2012, 114(3/4): 799-811.

[11] Han S J, Yang Z Y. Cooling effect of agricultural irrigation over Xinjiang, Northwest China from 1959 to 2006. Environmental Research Letters, 2013, 8(2): 024039.

[12] Bonfils C, Lobell D. Empirical evidence for a recent slowdown in irrigation-induced cooling. Proceedings of the National Academy of Sciences, 2007, 104(34): 13582-13587.

[13] Kanamaru H, Kanamitsu M. Model diagnosis of nighttime minimum temperature warming during summer due to irrigation in the California Central Valley. Journal of Hydrometeorology, 2008, 9(5): 1061-1072.

[14] 朱秀芳, 趙安周, 李宜展, 曹森, 李慕義. 農(nóng)田灌溉對氣候的影響研究綜述. 生態(tài)學報, 2014, 34(17): 4816-4828.

[15] 姚遠, 陳曦, 錢靜. 城市地表熱環(huán)境研究進展. 生態(tài)學報, 2018, 38(3): 1134-1147.

[16] 周偉奇, 田韞鈺. 城市三維空間形態(tài)的熱環(huán)境效應研究進展. 生態(tài)學報, 2020, 40(2): 416-427.

[17] 祝善友, 張桂欣, 尹球, 匡定波. 地表溫度熱紅外遙感反演的研究現(xiàn)狀及其發(fā)展趨勢. 遙感技術(shù)與應用, 2006, 21(5): 420-425.

[18] 張文琦, 宋戈. 三江平原典型區(qū)水田時空變化及驅(qū)動因素分析. 農(nóng)業(yè)工程學報, 2019, 35(6): 244-252.

[19] Du G M, Liu W Q, Pan T, Yang H X, Wang Q. Cooling effect of paddy on land surface temperature in cold China based on MODIS data: a case study in Northern Sanjiang Plain. Sustainability, 2019, 11(20): 5672.

[20] Liu T X, Yu L X, Bu K, Yan F Q, Zhang S W. Seasonal local temperature responses to paddy field expansion from rain—fed farmland in the cold and humid Sanjiang Plain of China. Remote Sensing, 2018, 10(12): 2009.

[21] Yu L X, Liu T X. The impact of artificial wetland expansion on local temperature in the growing season—the case study of the Sanjiang Plain, China. Remote Sensing, 2019, 11(24): 2915.

[22] 傅伯杰. 景觀生態(tài)學原理及應用. 北京: 科學出版社, 2001: 34-39.

[23] 肖篤寧, 李秀珍. 景觀生態(tài)學的學科前沿與發(fā)展戰(zhàn)略. 生態(tài)學報, 2003, 23(8): 1615-1621.

[24] 段居琦, 周廣勝. 中國單季稻種植北界的初步研究. 氣象學報, 2012, 70(5): 1165-1172.

[25] Jin C, Xiao X M, Dong J W, Qin Y W, Wang Z M. Mapping paddy rice distribution using multi-temporal Landsat imagery in the Sanjiang Plain, northeast China. Frontiers of Earth Science, 2016, 10(1): 49-62.

[26] Mao D H, He X Y, Wang Z M, Tian Y L, Xiang H X, Yu H, Man W D, Jia M M, Ren C Y, Zheng H F. Diverse policies leading to contrasting impacts on land cover and ecosystem services in Northeast China. Journal of Cleaner Production, 2019, 240: 117961.

[27] Mao D H, Wang Z M, Wu J G, Wu B F, Zeng Y, Song K S, Yi K P, Luo L. China′s wetlands loss to urban expansion. Land Degradation & Development, 2018, 29(8): 2644-2657.

[28] Sekertekin A, Bonafoni S. Land surface temperature retrieval from Landsat 5, 7, and 8 over rural areas: assessment of different retrieval algorithms and emissivity models and toolbox implementation. Remote Sensing, 2020, 12(2): 294.

[29] Jimenez-Munoz J C, Cristobal J, Sobrino J A, Soria G, Ninyerola M, Pons X. Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 339-349.

[30] 陳愛蓮, 孫然好, 陳利頂. 基于景觀格局的城市熱島研究進展. 生態(tài)學報, 2012, 32(14): 4553-4565.

[31] Jaganmohan M, Knapp S, Buchmann C M, Schwarz N. The bigger, the better? The influence of urban green space design on cooling effects for residential areas. Journal of Environment Quality, 2016, 45(1): 134-145.

[32] Yang J, Zhan Y X, Xiao X M, Xia J C, Sun W, Li X M. Investigating the diversity of land surface temperature characteristics in different scale cities based on local climate zones. Urban Climate, 2020, 34: 100700.

[33] Yang J, Wang Y C, Xiu C L, Xiao X M, Xia J H, Jin C. Optimizing local climate zones to mitigate urban heat island effect in human settlements. Journal of Cleaner Production, 2020, 275: 123767.

[34] 楊俊, 白世豪, 金翠, 喬瑩瑩. 熱環(huán)境視角下的最小生態(tài)安全距離——以大連北三市為例. 生態(tài)學報, 2019, 39(18): 6860-6868.