文 | 渔言农说
大多数人类活动是地球表面植被覆盖持续减少的主要原因，植被减少是导致地表温度升高的一个因素。
在全球水平上，由于土地利用和土地覆盖的转换，地表温度正在增加。在埃塞俄比亚不同地区进行的研究证实，地表温度有大幅增加的趋势。
与地表温度类似，由于土地利用和土地覆盖变化，大气温度显著升高。
为了定量描述退化土地，使用归一化差异贫瘠指数(NDBaI)和修正归一化差异水分指数(MNDWI)。
将LST与归一化植被指数(NDVI)、NDBaI和MNDWI进行比较，为生物提供环境条件，基于植被的指数可以指示植被覆盖的存在度和丰度。
NDVI、LST、NDBaI和MNDWI的空间灵活性分析对于自然环境调查中的决策和自然资源监测至关重要。
材料与方法
1.研究区域的描述
本研究在Wollega东和Horo Guduru Wollega地区进行，位于90°27′00″和100°18′00″N之间，360°19′30″和370°10′30″E之间。
两个地区，即Gida Kiremu和Limu位于Wollega东部地区，而Amuru地区行政上位于埃塞俄比亚西部奥罗米亚国家区域州的Horo Guduru Wollega地区(图1)。
研究区域海拔范围为平均海拔713.32 - 2496.61 m，总面积5086.65平方公里。
2.气候和土壤类型
目前研究区月平均降雨量在14.32 ~ 338 mm /年之间。研究区域的夏季降雨较多，从6月开始到9月结束，而春季降雨较短，包括3月、4月和5月。
将研究区土壤类型划分为16种，分别为:钙性形成土、钙性干壤、色性形成土、色性溶溶土、苦性溶溶土、苦性溶溶土、中性溶溶土、中性溶溶土、塑性溶溶土、单性性干溶土、细粒土、北向溶溶土、北向溶溶土、北向溶溶土、北向溶溶土和垂直溶溶土，其中以苦性溶溶土占主导地位(2123.5 km2)，最不占主导地位的是面积为(2 km2)的腐殖土。
3.社会经济活动
混合农业即作物生产和畜牧生产是小农最普遍的收入来源。从作物生产来看，玉米、花生、黑籽、扁豆、豆类和豌豆以及一些蔬菜(土豆、洋葱、大蒜)和芒果、木瓜、橙子和香蕉等水果是研究地区的主要农产品。
研究区农业活动主要依靠雨养。
数据类型和来源
在这项研究中使用了三年的陆地卫星图像。美国地质调查局提供了Landsat TM 990、Landsat ETM+ 2003和Landsat OLI/TIRS 2020的热光谱和多光谱波段的免费下载。
本研究使用的软件为ArcGIS 10.3版本和ERDAS imagine 2015。
本研究计算LST、NDVI、MNDWI和NDBaI，本研究的方法学流程图如图2所示。
1.归一化植被指数(NDVI)
这个指数被用来计算覆盖地球表面的植被数量。NDVI是使用在调查过程中收集的陆地卫星图像的多光谱波段来估计的。
波段4用于陆地卫星5号和7号的近红外波段测量，波段5用于陆地卫星8号。Landsat数据的红色波段是使用Landsat 8的波段4和Landsat 5和7的波段3测量的。该指标的公式如式1所示。
2.修正归一化差水指数(MNDWI)
在模拟热环境时，MNDWI被指定代表水域，这些水域通常显示出显著的热特征变化。
公式是利用绿色波段(landsat 5和7的波段2，landsat 8的波段3)和中红外波段(landsat 5和7的波段5了，landsat 8的波段6)的反射率值式2开发的。
3.归一化差贫瘠指数(NDBaI)
在估算热环境时，选择NDBaI来表示热特征差异较大的贫瘠地形。利用中红外(Landsat 5和7的波段5，Landsat 8的波段6)和热红外(Landsat 5和7的波段6，Landsat 8的波段10和11)卫星的反射率估算式3。
第一步：将DN转换为亮度
在计算亮度温度之前，单窗技术将数字数据转换为at传感器辐射传感器。
TM和ETM+ DN的取值范围为0 ~ 255 (式(4))。
对于Landsat 8，还采用了其他专家使用的单窗算法(MWA)来估计地表温度。首先将波段10的Landsat 8 TIRS数字数字(DNs)转换为光谱辐射(式(5))。
第二步：转换成温度(ETM+)
基于地表发射率、大气透射率、亮度温度和采用单窗算法确定的地表温度。TM和ETM+ Band 6成像的光谱辐亮度(如上所述)也可以转化为物理上更可用的量(式(6))。
换算公式如下:
在本研究中，采用单窗算法(MW)计算landsat 8的地表温度。它计算平均地表发射率，然后从landsat 8的10波段估计亮度温度。
TB10为10波段亮温(开尔文K);ℇ为TIR波段地表发射率(LSE)均值；W为大气中水蒸气含量；ℇ为估计LST的10波段LSE (式 (7)):
第三步：地表辐射率估算
根据Sobrino(2004)的研究报告，发射率的计算使用(式(9))。
Carlson和Ripley公式(10)：
计算出的辐射表面温度将根据发射率使用公式(式(11))进行校正:
最后，将Landsat TM、ETM+和OLI/TIRS的LST测量结果通过减去273.15转换为摄氏度。(式(11))将温度以开尔文(K)为单位转换为摄氏度(℃)。
结果与讨论
1.陆地表面温度分析
研究区地表温度的空间格局分别为1990年、2003年和2020年。在所有年份中，研究区东北部和西南部的地表温度都较高(图3)。研究区地表温度的增加与植被覆盖的减少和裸地的增加有关。
由于存在大量植被覆盖，研究区东、中、西部的地表温度相对较低。平均地表温度从1990年的23.70°C逐渐上升到2003年的24.30°C，再到2020年的28.70°C。
从1990年到2020年，平均气温上升了5°C。Moisaetal . (2022a)报告了类似的结果，发现怒河子流域在1991年至2020年间地表温度增加了5.6°C。
与1990年和2003年相比，2020年是气温最极端的一年。地表温度的上升趋势与植被覆盖度的下降使农业用地扩张导致湿地退化。由于全球变暖，预计地表温度将上升。
2.地表温度与NDVI的相关性研究
LST值的范围从最高温度(43.2°C)到最低温度(16.9°C)，而NDVI值的范围从最大值0.50到最小值- 0.53。
结果表明，地表温度与NDVI呈显著负相关(R2 = 0.99)。Wolteji(2022)发现埃塞俄比亚裂谷地区的NDVI和地表温度之间存在适度的负相关关系。
结果表明，高地表温度与低植被覆盖的关系更为密切，反之亦然。
研究期间NDVI的分布如图4所示。2020年LST和NDVI两个因子之间的关系如图2和图5所示，这一研究结果与，他们证实地表温度随着植被覆盖的减少而增加，两者之间存在较强的负相关关系。
3.LST与NDBaI的相关性研究
由于农业的扩张和植被覆盖的减少，研究区荒地不断增加。结果表明，LST与NDBaI呈显著正相关(R2 = 0.96)。
结果表明，在NDBaI值较高的退化或贫瘠地形上，地表温度较高(图6)。两个参数之间的关系如图7所示。
4.LST与MNDWI的相关性研究
植被含水量(湿地)由于植被的减少和地表温度的增加而降低。农业扩张土地和荒地的增加共同增加了地表温度，是导致研究区MNDWI下降的主要因素。
结果表明，LST与MNDWI呈强负相关，相关系数为(R2 = 0.95)。研究区北部和南部的MNDWI较高(图8)。
研究结果表明，高地表温度通常记录在低水位位置。LST与MNDWI的关系如图9所示，与前人研究结果一致。
LST与其他指数的关系见(表2)。NDBaI与LST呈正相关，而NDVI和MNDWI与LST呈负相关。
5.LST与学习时间的相关关系
研究区平均地表温度与研究期相关。结果表明，平均地表温度与研究时间呈正相关，R2 = 0.89。随着时间的增加，平均地表温度增加(图10)。
结论
在本文中，我们利用遥感数据评估了埃塞俄比亚西部吉达基雷穆、利穆和阿穆鲁三个地区的地表温度与NDVI、NDBaI和MNDWI指数的时空关系。从1990年到2020年，地球表面的温度上升了5摄氏度。
结果表明，NDVI和MNDWI与LST呈显著负相关，而NDBaI与LST呈显著正相关。农业用地扩张是导致研究区植被覆盖下降的主要原因。植被覆盖度下降是导致植被含水量(湿地)减少和荒地增加的原因。
研究区地表温度随时间的推移呈增加趋势，并向各个方向扩展。基于我们的研究结果，本研究建议建立社区意识，以促进自然资源的明智利用，以实现其可持续性。
此外，进一步研究地表温度对农业生产的影响可以加深我们对环境变化对社区生计影响的认识。
参考文献
[1]Aik, d.h.j., Ismail, m.h.,Muharam, f.m., 2020.基于Landsat和MODIS影像的马来西亚金马仑高原土地利用/土地覆被变化及其与地表温度的关系土地9,372.
[2]Bustos, E., Meza, f.j., 2015。利用MODIS地表温度和植被数据估算最高和最低气温的方法:在智利Maipo盆地的应用.定理.气候学报，36(1)，391 - 391。
[3]陈晓，赵辉，李鹏，尹忠，2006.基于遥感影像的城市热岛与土地利用/覆被变化关系分析.遥感与环境学报,34(4),133-146.
[4]程晓，魏斌，陈刚，宋超，2015.公园规模及其周边城市景观格局对公园降温效果的影响J.城市规划.Dev. 141, A4014002.