ERA-Interim地表温度数据集在青藏高原冻土分布制图应用的适用性评估

地表温度综合反映了大气、植被和土壤等因素的能量交换状况,是冻土分布模型和一些寒区陆面过程模式的上边界条件,对多年冻土分布制图和活动层厚度估算有重要意义.为了评估ERAInterim地表温度产品在青藏高原地区的适用性,综合比较了青藏高原69个海拔2 000 m以上气象站1981-2013年地面实际观测值与ERA-Interim之间的差异及其分布状况.结果表明,两种资料的变化趋势一致,但是ERA-Interim地表温度在数值上与实际观测值差别显著,平均偏低7.4℃.原因之一可能是由ERA-Interim再分析资料格点的海拔高度与气象站实际海拔高度差异引起的.根据两种温度产品之间海拔的差异,对ERA-Interim地表温度重新进行模拟,经过模拟后的ERA-Interim地表温度与实际观测值的差值在大部分气象站变小,平均偏高0.4℃.因此,经过重新模拟的ERA-Interim地表温度基本能够反映青藏高原地表温度的真实情况.以模拟后的ERA-Interim地表温度作为地面冻结数模型的输入参数模拟了青藏高原冻土分布,结果表明青藏高原多年冻土区面积为1.14×106km2,季节冻土区面积为1.43×106km2.

ERA-Interim地表温度资料在青藏高原多年冻土区的适用性

地表温度综合反映了大气和地表植被、土壤等局地因素相互作用的能量交换状况,是许多冻土分布模型和寒区陆面过程模式的上边界条件,对多年冻土分布和活动层厚度估算具有重要意义。为了检验ERA-Interim再分析地表温度资料在青藏高原(下称高原)多年冻土区的适用性,综合比较了2011年1月1日至2012年12月31日期间高原不同类型多年冻土区3个综合观测场的观测地表温度和ERA-Interim再分析资料之间的偏差、均方差、相关系数、解释方差、均方根误差和平均绝对误差。结果表明,ERA-Interim再分析资料能较好地再现高原多年冻土区3个综合观测场地表温度的基本特征,并能较好地描述高原地表温度的季节变化。但ERA-Interim再分析年平均地表温度比观测值偏低,西大滩、五道梁和唐古拉站依次偏低1.7,1.0和0.9℃;地表温度的再分析值和观测值之间的相关系数和解释方差都较高,均方差也相近。ERA-Interim再分析地表温度资料对观测站点相对稀少且空间分布不均匀的高原多年冻土区具有较好的适用性,可以作为地表温度的有效代用资料。

利用样点调查与Landsat8影像数据建立山体地表温度与坡度的关系

山区地表温度是林火预测预报的重要影响因子。山区地表温度机理的研究受稀疏气象观测站点及MODIS产品(1 km)空间尺度的限制,常以综合作用规律及宏观地形因子分析为主,缺乏微尺度地形要素的相对独立作用阐释。以我国西南纵向岭谷区为研究区,利用多期landsat8影像数据及样点实测数据,使用地理信息系统空间分析方法,通过消除或减弱海拔、坡向等地形因子的影响,定量分析坡度与地表温度相对独立关系。结果表明:(1)不同尺度下地表温度、地表温度标准差与坡度的关系受坡向影响不同。(2)30 m尺度上,西、西北、北、东北坡向的坡面上地表温度与坡度呈负向相关关系,坡度越大,地表温度空间变异越小,地表温度递减率分别为0.202、0.239、0.207、0.166℃/(°);东坡向的坡面上的地表温度与坡度呈先减小后微弱增大的二次曲线变化关系;东南、南、西南坡地表温度随着坡度增大分别以13.6、13.92、11.51℃上下波动。(3)样点尺度上,北、东北、东南、南、西南和西坡向的坡面上地表温度与坡度也呈负相关关系,地表温度递减率分别为0.106、0.396、0.168、0.111、0.235、0.077℃/(°);东、西北坡向内地表温度随着坡度的增大总体上减小,样点尺度的地表温度更易受到局地环境的影响。

哈尔滨城市森林景观季节变化对地表温度影响的定量研究

城市森林是平衡城市环境温度的自然解决方案,对降低城市热岛负面影响和发挥生态效益具有重要意义。文章利用地理信息技术提取春季、夏季和秋季城市森林景观和LST空间信息,探究不同季节城市森林景观指标对LST变化的最佳解释模型。结果表明,不同季节城市森林景观组成指标与LST的相关性最为显著,但不同类型的林地景观与LST的相关关系和程度均存在差异。因此,丰富森林景观内部植被种类的多样性,增加城市森林斑块形状的复杂性,并联通单独的城森林景观斑块形成森林生态廊道,是最大限度发挥哈尔滨市城市森林景观调节LST效益的方法。

城市绿地绿量密度与地表温度的关系研究——以东南大学四牌楼校区为例

校园绿地是城市绿地中的重要组成部分,为了研究城市绿地对热环境的调控功能,以东南大学四牌楼校区的校园绿地作为研究对象,采用无人机热红外拍摄提取地表温度数据,并结合实地调查确定绿地中植物的种类、冠幅,结合公式完成对绿地绿量及绿量密度的计算,通过函数回归的方法分析绿量密度与地表温度的关系。结果表明,绿地的地表温度与绿量密度呈对数函数关系,绿量密度存在大小阈值。当绿量密度≤小阈值(≤4.08 m 3/m 2)时,单位面积绿量与温度呈显著负相关性,绿量的增加会起到显著的降温效果;当绿量密度处于大小阈值之间(4.08 m 3/m 2,16.32 m 3/m 2)时,单位面积绿量与温度仍有负相关性,但绿量的增加使降温效果有所下降;当绿量密度≥大阈值(≥16.32 m 3/m 2)时,绿地自身的温度特性相对稳定,受绿量增加的影响较小。

喀斯特区与非喀斯特区的地表温度与近地表气温差异分析

地表温度与近地表气温的关系是识别下垫面与近地表大气相互作用的重要依据,对维持能量良好循环与改善气候环境具有重要意义。喀斯特区的自然背景与非喀斯特区有明显差异,陆地-大气间能量传输的规律在两类地区具有差异。基于近邻成对像元选择,获取贵州西南紫云、望谟两县2000—2018年的地表温度和近地表气温,并对比分析它们在喀斯特区与非喀斯特区的差异。结果表明:①就年平均状况而言,喀斯特区地表温度与近地表气温的差异及其波动性比非喀斯特区大,陆地-大气之间能量传输的稳定性为非喀斯特区大于喀斯特区。②从季节状况看,地表温度与近地表气温的差异在春、夏、秋三季为喀斯特区比非喀斯特区明显,冬季无明显差异;地表温度与近地表气温差异的波动性在冬季为喀斯特区大于非喀斯特区;喀斯特区陆地-大气之间能量传输的稳定性在4个季节均大于非喀斯特区。③从各月看,喀斯特区地表温度与近地表气温差异在各月均比非喀斯特区明显,差异波动性在4月份大于非喀斯特区,其余月份基本一致;除去3月份和4月份,其余各月的非喀斯特区陆地-大气之间能量传输均比喀斯特区稳定。结果可为研究气候变化、解析地表环境模式和保护生态环境等方面提供参考。

融合地表温度与形变的地下煤火多源遥感识别研究

地下煤火隐蔽性强且危害大,不仅破坏植被及生态环境,造成严重大气污染,且易诱发地质灾害,威胁周边人们群众的生命财产安全以及煤炭的安全生产,因此开展地下煤火灾害的准确识别与监测具有重要意义。为了解决单一遥感手段难以准确识别地下煤火的问题,基于2017—2019年的多景Landsat-8影像和Sentinel-1 A影像,利用普适性单通道算法和DS–InSAR(Distributed Scatterer Interferometry Synthetic Aperture Radar)技术分别获取了水西沟煤田长时序地表温度与形变分布信息,在此基础上基于阈值分割与时空耦合叠加分析等方法开展了融合地表温度与形变的地下煤火多源遥感识别研究。结果表明:地表长时序温度和形变时空协同分析可以有效克服非煤火高温或形变等复杂异常信号产生的影响,凸显了地下煤火信号在地表温度与形变2个维度中的响应特征。而且,地下煤火区地表温度异常与形变异常空间分布形态存在细微差异,其中形变异常得益于SAR影像分辨率和外界干扰因素较少等条件,其对地下煤火识别的指示作用更强,而基于温度异常正确识别的煤火区域范围则与实勘煤火边界具备更好的空间一致性。另外,地下煤火灾害的温度与形变峰值空间位置存在一定偏移,但在时间维度上2者响应具有明显的一致性,表现为稳定的异常高温与持续沉降。可见,与单一遥感手段相比,融合2者的方法能够更加准确地识别地下煤火区,为地下煤火灾害的广域普查和及时防治提供良好的技术方法支撑。

城市发展与地表温度的耦合态势及空间关系

针对快速城市化引起的城市热岛效应问题,利用时间序列的DMSP/OLS和NPP/VIIRS夜间灯光数据和MODIS地表温度数据,采用总体耦合态势模型、耦合协调度模型、空间自相关模型及景观指数,探究郑州市和开封市的城市发展与地表温度的耦合态势及空间关系。结果表明,2001—2018年,郑州市和开封市夜间灯光数据的高值区经历了由点状向带状和面状发展的3种分布格局,城市间区域联系不断加强,郑开一体化发展趋势凸显。研究期内,两市的夜间灯光与地表温度重心向东迁移;郑州市夜间灯光与地表温度的重心距离由10.60 km缩短至6.66 km,开封市夜间灯光与地表温度的重心距离则由7.80 km缩短至7.38 km,夜间灯光与地表温度的总体耦合态势不断加强。郑州市和开封市的夜间灯光与地表温度协调水平不断升高,范围分别向中西部和东部扩散,且面积占比呈增加态势。两市的夜间灯光与地表温度的Moran’s I指数在研究期内分别增加至0.716和0.432,二者呈现显著的正相关关系。郑州市夜间灯光与地表温度的“高-高”和“低-低”聚集区不断扩大,且连片趋势更加显著,而开封市的聚集形态较为分散。研究结果为郑州市和开封市的热环境状况及城市健康发展提供理论参考。

全天候逐时百米尺度地表温度重建方法

地表温度是区域和全球尺度地表过程的重要参数,通过热红外遥感可获取区域或全球尺度的地表温度的时空信息。然而,受到热红外传感器硬件特性以及热红外电磁波无法穿透云层的限制,目前无法获取兼顾高时空分辨率的地表温度。该研究提出了一种重建全天候100 m空间分辨率的逐小时地表温度的方法。方法主要包含3个步骤:①在传统温度年循环模型的基础上,重建中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)4时刻的云下地表温度;②借助于温度的日变化趋势估计地表温度的日变化曲线,获取逐小时的地表温度;③以光谱指数作为回归因子,利用极端梯度提升树对逐小时地表温度进行空间降尺度。研究结果表明,提出的重构方法可以获取时空连续的地表温度产品,提高了地表温度的空间分辨率,提供了更丰富的纹理信息。通过美国地表辐射观测网络(surface radiation budget network,SURFRAD)站点数据对逐时100 m尺度的地表温度进行验证,结果表明逐小时重建的地表温度与站点实测值的变化趋势大致相同,全天候逐小时地表温度重建方法精度较高,R^(2)为0.95,均方根误差(root mean squared error,RMSE)为3.75 K,偏差(bias)为0.75 K。

基于地表参数变化的延河流域地表温度时空演变分析

地表温度是地表能量平衡与陆面过程的重要参数,与地表参数变化关系密切。该文以黄土高原的延河流域为例,基于2015年、2018年和2020年Landsat OLI/TIRS影像,在利用大气校正法反演地表温度的基础上,提取影像归一化建筑指数(normalized difference built-up index,NDBI)、归一化植被指数(normalized differential vegetation index,NDVI)和归一化水汽指数(normalized difference moisture index,NDMI),分析地表温度与地表参数和土地利用类型的关系,以及地表温度时空变化特征。结果表明,地表温度的反演值与验证值在2015年、2018年和2020年的相关系数分别达0.569,0.675和0.632,均大于0.5,具有一定的准确性和可行性。从地表温度时空变化特征上看,低温区、次中温区、次高温区面积有所减少,而中温区面积增长较大,高温区面积略有增长,地表温度有向中、高温增长的趋势;从与土地利用类型的关系来看,下垫面覆盖类型的地表温度均呈现为水域<林地<草地<耕地<建设用地;从与地表参数的定量关系来看,延河流域地表温度变化与地表参数变化存在显著相关性,NDBI与地表温度变化呈正相关性,NDVI和NDMI与地表温度变化呈负相关性;从与地理环境因素的关系来看,地表温度随着海拔的升高而降低。在不同坡度上地表温度也体现差异性,其中平坡地表温度最高,坡度越陡温度越低。不同坡向地表温度具有显著差异,其中阳坡地表温度明显大于阴坡地表温度。研究结果可为复杂地区的地表水热环境研究提供参考。

采用XGBoost+SHAP揭示贵阳市地表温度的驱动力因子

该文在基于数理统计方法揭示贵阳市地表温度(land surface temperature,LST)年际和季节时空演变趋势的基础上,为更好地明晰影响因子及其交互影响对LST的驱动作用,协同极端梯度提升算法(extreme gradient boosting,XGBoost)和Shapley加法解释方法(shapley additive explanations,SHAP),对贵阳市LST时空演变模式背后的原因进行了诊断分析。结果表明:(1)2000-2020年间,贵阳市秋季低温区面积占比呈显著减少趋势,年均减少率约为0.068%。(2)LST增温表现出南高北低的分布特征,云岩区和南明区的亚高温区和高温区变化最为明显。(3)XGBoost可较好地刻画各季节LST与影响因子间的响应关系,获得了较高的建模精度。所构建模型在测试集上的RMSE、MAE和R^(2)分别为0.5169℃、0.3893℃和0.8950。(4)基于SHAP的分析结果表明:影响因子对LST影响的重要性存在季节差异,总体而言,国内生产总值(GDP)、高程、降水和植被覆盖对LST的影响最大;除GDP和人口密度外,各影响因子对LST变化的作用方式主要为非线性关系;高程、降水、植被和水体对研究区LST主要起到降温作用,而不透水面、裸地、农业用地、人口密度及GDP则主要起到增温作用。

中国城市植被物候变化及其对地表温度的响应

量化植被物候与城市化进程之间的关系对探索人类活动对城市生态系统的影响至关重要。以中国35个城市及周边区域为研究对象,基于中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)提供的归一化植被指数(Normalized Difference Vegetation Index,NDVI),采用Savitzky-Golay滤波和动态阈值法提取2000—2020年研究区植被返青期(Start of Growing Season,SOS)和枯黄期(End of Growing Season,EOS)。并分析不同城市规模、不同距离城市的植被物候变化对陆地地表温度(Land Surface Temperature,LST)与不透水面(Impervious Surface Area,ISA)的响应差异。研究发现:(1)2000—2020年,中国城市城区植被SOS和EOS分别以0.17d/a和0.15d/a的速率推迟。根据城市规模的不同,大城市和中等城市物候期呈推迟趋势,而超大城市、特大城市和小城市呈提前趋势。51%的城市植被SOS提前,主要分布在中国华北、西北及南部地区,其他地区城市植被SOS推迟(49%),80%的城市植被EOS推迟。空间上看,东部和南部平原地区城市植被SOS比西北部地区早(早于第91天),而EOS则比较晚(晚于第314天),而西部和北部城市植被SOS(晚于第91天)和EOS(早于第314天)呈相反态势;(2)距离城区越近,63%的城市表现为植被SOS提前(0.6—4.3 d/km),60%的城市表现为植被EOS推迟(0.2—1.9 d/km);(3)所有城市春季LST均呈现增长趋势,春季ΔLST每增长1℃,SOS提前6.8 d。秋季ΔLST每增长1℃,EOS推迟1.5 d。城市植被SOS与ISA占比显著负相关,ISA占比增长1%,植被SOS提前0.253 d,植被EOS与ISA占比显著正相关,ISA占比每增长1%,植被EOS推迟0.106 d。此外,不同人口规模的城市植被物候对LST和ISA响应存在差异,大城市和超大城市植被物候对LST和ISA占比的响应比其他城市更为敏感,表明特大城市和大城市在城郊梯度上植被物候期对LST与ISA占比响应更为明显。

耦合地理加权与随机森林的地表温度降尺度

针对当前主流地理加权地表温度降尺度算法仅考虑地表温度(land surface temperature,LST)与尺度因子间线性或简单非线性关系的问题,提出了一种利用随机森林表征复杂非线性关系并与GWR耦合(geographically weighted random forest model,GWRF)的LST降尺度框架。GWRF降尺度框架从反射率、光谱指数、地形因子等多种尺度因子中筛选出最佳因子,利用地理加权随机森林方法建立LST与尺度因子间复杂的局部非线性关系,实现1000 m LST降尺度到100 m。以北京和张掖地区作为实验区,并与地理加权回归、非线性地理加权回归、随机森林回归模型进行比较。研究发现,基于GWRF的降尺度模型在所有研究区均表现良好,均方根误差和平均绝对误差均低于其他模型,并且具有更高的决定系数R 2。

基于偏相关分析的2003—2020年青藏高原地表温度变化驱动因子量化研究

地表温度(LST)作为地气相互作用的关键参数,在地表水热循环中发挥重要作用,能准确表征地表热环境的变化。青藏高原拥有除极地以外储量最大的冰冻圈范围,对区域和全球气候系统及生态经济具有深远影响。作为受气候变化影响最显著的区域之一,深入了解青藏高原冰冻圈LST变化驱动因子,能为精准认知青藏高原冰冻圈热环境变化规律及驱动机制提供关键科学支撑。本研究基于地表温度年周期模型提取的年均地表温度(MAST),采用偏相关分析,分析了2003—2020年MAST与云量、植被覆盖度、积雪覆盖率、降水和气温5个与MAST变化密切相关的驱动因子之间的关系,揭示青藏高原不同区域MAST变化的主要驱动因子及其空间分布特征。结果表明,白天云量、植被覆盖度、积雪覆盖率和降水这4个驱动因子主要以负偏相关为主,晚上则以正偏相关为主,对于气温来说昼夜都以正偏相关为主。就青藏高原MAST动态的主导因子来说,昼夜MAST在青藏高原不同区域的主导因素存在明显差异,白天青藏高原的MAST的变化主要受云量的影响(主导变化面积占比达38.17%),影响区域集中分布于青藏高原的西北部和西部,且以负偏相关性为主。夜晚青藏高原MAST变化主要以气温为主导(主导变化面积超过48%),且以正偏相关为主,反映出夜晚MAST受气候变暖的影响强于白天。本研究能为气候变化背景下青藏高原冰冻圈保护和可持续发展提供科学的参考。

2000-2021年乌鲁木齐河流域地表温度的时空变化特征分析

地表温度是影响生态变化的重要因素之一,地表温度可间接监测所在区域的生态环境状况.选取Landsat TM/OIL遥感影像为数据源,使用单窗算法定量反演2000,2005,2010,2015,2021年5期乌鲁木齐河流域地表温度,采用重心转移模型分析地表温度的空间转移特征,并结合土地利用数据分析不同土地利用类型的地表温度时空差异.结果表明:(1) 2000-2021年,乌鲁木齐河流域地表温度(Land Surface Temperature, LST)整体升高显著,22年间LST平均上升速率为0.44℃/a,在空间格局上,整个流域LST空间分布差异较大,温度主要以极高温、高温为主,其中,2021年高温区面积占流域面积的46%;(2) 2000-2021年各温区重心分布具有明显的方向性转移,各温区重心迁移轨迹明显向中游靠拢,建筑用地面积的增多是流域地表温度变化的主要因素;(3) 2000-2021年研究区地表热环境贡献从大到小依次为:草地、林地、水体、耕地、未利用地、建设用地,只有建设用地为正贡献.

关中地区人类活动强度与地表温度的时空关联特征及其驱动作用

人类活动对全球温度升高的促进作用愈加明显,如何科学衡量人类活动强度并探究其与地表温度的时空关联性成为当前研究热题。以关中地区为例,整合人口密度、地区生产总值、夜间灯光强度、建设用地面积比例、电量消耗5个指标表征人类活动强度,分析关中地区人类活动强度与地表温度时空变化规律,探究人类活动强度与地表温度关联性及其驱动作用。结果表明:(1)2001—2020年关中地区平均地表高温、低温区域分别呈现总体增大、减少的趋势,地表高温区域范围不断扩大。(2)2000—2020年关中地区的人类活动强度逐渐增加,特别是在各地级市的市辖区和主要居民点,高强度区域范围不断扩大,而低强度区域主要位于秦岭山区。(3)2000—2020年关中地区人类活动强度与地表温度呈显著正相关性和空间上的集聚性,正相关区域面积呈现增大趋势,主要由不显著及负相关转化为正相关区域,高-高类型集聚区主要分布在各城市主城区,低-低类型集聚区主要分布在秦岭山区。(4)影响地表温度的人类活动强度指标中,夜间灯光强度、人口密度、建设用地面积比例对地表温度的驱动作用最为显著;且夜间灯光强度与建设用地面积比例、人口密度与建设用地面积比例交互作用对地表温度的解释力最强。

基于Landsat8数据的地表温度反演分析研究--以南宁市城区为例

地表温度是评估城市热环境的重要指标之一,能够反映城市热岛效应的程度和空间分布。以南宁市城区为研究对象,利用Landsat8卫星遥感数据,通过热红外辐射到同温黑体辐射定标,从而获得城市地表温度分布图,快速分析南宁市的地表温度差异。结合南宁市城区的不同土地利用覆被结果,通过横向对比分析,揭示出南宁市各城区地表温度的分布特点,评估城市热岛效应的程度,为城市热环境研究和城市规划提供重要参考。

基于Landsat8的凤永高速地表温度反演

在隧道建设过程中,高地温热害会影响机械设备效率和施工进度,还会恶化作业环境、对人员安全造成威胁,因此,精准识别地热异常区对隧道建设非常重要。热红外遥感是用遥感的方法探测地球表面的温度,以此为基础利用遥感技术反演地表温度愈发可靠。以云南省凤永高速凤庆-领岗地隧道为研究区域,采用Landsat8影像数据,运用大气校正法对研究区进行地表温度反演,再利用DEM数据制作地形坡向文件,按阳坡、阴坡分布提取地表温度,结合地质构造对地表温度异常进行分析,圈定地热异常区。

川藏铁路沿线地表温度变化特征分析

本文主要研究川藏铁路沿线地表温度在季节和年代这两个时间尺度上的变化特征和长期趋势;研究川藏铁路沿线地表温度和关于经纬度和海拔高度的空间分布。本研究利用欧洲中期天气预报中心(ECMWF)提供的1950年至今陆地月平均再分析数据集和川藏铁路沿线100公里范围的空间数据文件,按照季节和年代进行时间序列分析,按照经纬度和海拔高度进行空间序列分析。结果表明:1) 川藏铁路沿线地表温度的空间分布规律,成雅段和林芝南部为高温区,昌都至林芝和拉林段南北两侧为低温区。2) 地表温度年变化均呈升温趋势,地表温度的升温率为0.07℃/10a。3) 夏季地表温度升温明显,升温率为0.1℃/10a。4)地表温度降温率为0.3℃/100 m,各海拔区间降温率不同,降温率随海拔增高而减小。In this paper, we mainly study the variation characteristics and long-term trends of land surface temperature along the Sichuan-Tibet Railway on seasonal and decadal time scales. To study the spatial distribution of land surface temperature and latitude and altitude along the Sichuan-Tibet Railway. In this study, we used the monthly average reanalysis dataset provided by the European Centre for Medium-Range Weather Forecasts (ECMWF) from 1950 to the present and the spatial data file within 100 km along the Sichuan-Tibet Railway. Time series analysis was conducted by season and chronology, and spatial series analysis was conducted by latitude, longitude, and altitude. The results show that: 1) The spatial distribution of land surface temperature along the Sichuan-Tibet Railway is that the Chengya section and the southern part of Nyingchi are high temperature areas, and the north and south sides of the Qamdo-Nyingchi and Lalin sections are low temperature areas. 2) The annual variation of land surface temperature showed an increasing trend, and the warming rate of land surface temperature was 0.07°C/10a. 3) The surface temperature increased significantly in summer, and the warming rate was 0.1°C/10a. 4) The cooling rate of surface temperature is 0.3°C/100m, and the cooling rate of land surface temperature is different, and the cooling rate decreases with the increase of altitude.

基于RST算法提取乌什M_(S)7.1地震地表温度异常

为探讨RST算法在新疆地区地震热红外异常提取中的适用性,以乌什M_(S)7.1地震为例,构建研究区MODIS地表温度数据集,并对数据集进行逐像元时间序列趋势去除后,利用RST算法提取乌什M_(S)7.1地震地表温度异常信息。结果表明:乌什M_(S)7.1地震地表温度异常的变化过程分为“出现—消失—再出现—扩大—达到最大—消失”6个阶段;乌什M_(S)7.1地震的地表温度异常区域大致沿构造带的走向分布;乌什M_(S)7.1地震发生在地表温度异常面积出现最大值后的第99天。利用MODIS数据结合RST算法提取地震热红外异常在新疆地区相关研究中具有一定的可行性。