广州鸿土土地规划咨询有限公司 广州 510642
摘要：本文采用ENVI/IDL编程技术，针对Landsat 8卫星运行陆地成像仪（OLI）和热红外传感器（TIRS）数据波段特点，对劈窗算法进行了推导，提出适合Landsat 8新的劈窗算法模型流程图，推导新的劈窗算法系数，对地表比辐射率和大气透过率这两个关键参数进行了重新拟合、分析和反演，最后反演出Landsat 8卫星珠三角区域的LST。
关键词：地表温度；TM8卫星；模型实例；反演
1地表温度以及TM8卫星
地表温度（LST，Land surface temperature）是区域和全球地表生物、物理和化学过程中的关键因子，在地表和大气交互及能量交换中发挥着重要的作用，对地表能量平衡的研究以及气候、水文、生态和生物等学科研究均有重要意义。在农业气象和气候、作物长势和农业干旱监测、农业大面积病虫害监测、农作物估产、农田耗水量估算、林业灾害预测和地震红外辐射异常等环境生态检测评价研究中发挥着举足轻重的作用。由于遥感卫星获取地物信息具有速度快、周期短、范围广、信息量大和连续监测等优点，借助遥感卫星能为反演地表温度提供一个重要途径。
由于TM8卫星是在原Landsat卫星基础上继承和发展并在原来Landsat卫星上进行重要的改进，因此具有很强的一致性，所以对TM8卫星研究分析农业中的利用有助于使TM8数据向TM和ETM+数据的平稳过度。
2 地表比辐射率和大气透过率反演
2.1 地表比辐射率反演
研究表明，地表比辐射率对地表温度变化很大，比辐射了每变化0.01可以引起地表温度的差别接近2K，因此地表比辐射率是LST反演的关键参数。由于TM8卫星OLI传感器提供了丰富的地表信息，可以利用Sobrino等人提供的NDVI阈值法估算地表比辐射率，该方法具有较高的精度和可操性。首先在影像上确定纯植被的NDVI最大值为0.89，裸土NDVI最小值为0.05。
2.2 大气透过率反演
大气透过率跟大气中的成分有很大关系，而大气中的水分含量变化是大气透过率波动的主要因素。由于以往的劈窗算法均没有针对TM8卫星进行研究过大气透过率与水汽含量之间的关系，为此本文在Modtran基础上对TIRS10和TIRS11通道对大气透过率和水汽含量进行了模拟。
3 模型实例应用分析
本文选取的珠三角2013年11月29日上午10：53TM8卫星地表温度反演影像和温度产品图1所示
图1 劈窗算法影像反演图和MOD11_L2影像产品图
注：a为影像反演图，b为温度产品图
4.1 LST空间分布分析与精度验证
从图1可以明显看出，即使获取的影像已经是11月29日上午10：53，但是珠三角大部分地方仍然普遍温度较高，大部分区域大于18℃，以珠三角中心城区为主的广州城区、东莞、佛山、江门北部和中山围成的区域普遍温度在25℃以上，处于较高温状态，而广州北部的增城、从化、南部的番禺和接近沿海附近城市温度在18℃左右，而珠三角北部城市（清远、惠州）LST均在18℃以下，甚至有些城市区域在14℃以下，越靠近内陆温度逐渐上升。总的来说中心城区和南部城区LST高，北部LST低。从图可以看出，第一地表温度高低在很大程度上跟该城市的绿化度和植被覆盖度有关，第二中心城区主要以城镇用地为主，越往北部和南部主要是非城镇用地，不同土地下垫面的类型导致了LST分布不均匀，第三重工业区主要分布在中心部位，扩散速度逐步向周边减弱，这跟LST趋势走向是一致的。
对比图1a和图1b可看出，两幅影像LST轮廓在空间分布格局基本一致，均表现为珠三角中心城区LST高于周边其他城市，因此本文针对Landsat 8卫星推导劈窗算法反演的LST在肉眼直观上看起来是可靠的。为了进一步验证该算法的精确性，本文分别从LST散点图、LST差值直方图和气象站点实测LST进行分析该推导算法的验证。
图2 产品LST与反演LST散点图
图3 产品LST与反演LST差值直方图
图4 气象站点LST验证
图2中虚线为（1：1）线，反演值与产品值的LST散点图线性回归方程线（实线），实线越接近虚线，则反演值与产品值误差越小。图2中N为影像样本数（787395）、R2为决定系数（0.8182）、RMSE为均方根误差（0.3845），R2越接近1且RMSE越接近0则LST反演值越接近于产品值，从图2可看出，针对TM8卫星推导的劈窗算法拟合的LST与产品温度精度一致性较好。为了更好地分析算法和产品之间的定量关系，做两幅影像LST差值直方图，从图2LST差值直方图可看出，温差范围呈现正态分布趋势，影像反演LST和产品LST误差范围主要集中在-0.6℃-0.6℃之间，算法精度模拟较高，由于反演的LST影像与NASA提供的MOD11_l2产品时间误差仅10min，不存在时间误差导致温度误差可能。图4为中国气象科学数据共享网获取的研究区域15个气象站点上午11：00的气象站数据，经统计产品站点温度均值为21.61℃，算法反演温度均值为21.19℃，站点观测温度均值为21.38℃，图4可看出，推导的劈窗算法【1】站点温度与产品站点温度和观测站点温度具有较好的一致性。从温度空间格局分布图、LST误差散点图、差值直方图和气象站点温度都可以清晰地看出推导TM8热红外的劈窗算法精度高，可以利用TM8劈窗算法反演流程把该算法推广到LST实际应用中，能获取较高的精度，满足我国地区农业旱情监测和土壤墒情时空动态变化的需要。
4.2 气象站点高温监测精确验证
在农业旱灾监测中，主要是利用热红外遥感数据来反演地表热量分布状态，从而建立干旱模型来进行农田水热时空动态变化评估，判断农业旱情和灾情的时空变化，此模型核心方法主要是植被供水指数法和地表热惯量法或者是这两个方法的改进方法条件植被指数法[2，3]，而上述方法都是以地表温度作为反演的基本参数，因此获取地表温度精度的高低直接影响到农业旱灾的准确监测，为验证本文推导的劈窗算法TM8卫星LST反演的准确性，分别从直观遥感反演影像图和章节4.1进行了精度分析和验证，该章节进一步用气象站点数据评估该算法。主要选择了高温区域（三水、番禺、鹤山、顺德、新会、花都、宝安和高明）这几个城市气象站点温度数据进行对比分析。采用均方差（RMSD）统计，其中均方差
（13）
经过计算统计RMSD为0.742℃，小于1℃，精度满足地表高温监测的需要，说明该文推导出的TM8劈窗算法精度较高。
5 结论
地表温度（LST）是决定农业旱情和土壤墒情时空动态变化的重要因素，准确获取LST参数对农业旱灾和旱情监测具有重大意义。本文以TM8卫星运行陆地成像仪（Operational Land Imager，OLI）和热红外传感器（Thermal Infrared Sensor，TIRS）数据为基础，针对TM8波段特点，推导适合该卫星的劈窗算法反演LST。
参考文献
[1]孙志伟，唐伯惠，吴骅，等.通用劈窗算法的 NOAA-18（N）AVHRR/3 数据地表温度遥感反演与验证[J].地球信息科学学报.2013，15（3）：431-439.
[2]冯强，田国良，王昂生，等.基于植被状态指数的土壤湿度遥感方法研究[J].自然灾害学报.2004（03）：81-88.
[3]詹志明，冯兆东.区域遥感土壤水分模型的方法初探[J].水土保持研究.2002（03）：227-230.
论文作者:肖志峰
论文发表刊物:《建筑学研究前沿》2018年第22期
论文发表时间:2018/11/14
标签：地表论文; 温度论文; 算法论文; 影像论文; 站点论文; 大气论文; 遥感论文; 《建筑学研究前沿》2018年第22期论文;