1.石河子大学理学院2.新疆国土资源信息中心3. 南京师范大学地理科学学院4. 虚拟地理环境教育部重点实验室
作为区域和全球尺度下地表物理过程的重要参数之一，地表温度(Land Surface Temperature，LST)在地球五大圈层能量交换和物质循环过程中具有重要意义[1]。随着遥感技术的快速发展，热红外遥感已成为准确获取区域地表温度空间分布的有效手段，弥补了传统气象观测站点有限，数据不连续的缺陷。热红外遥感通过获取地表热红外谱段的辐射能量，利用地表物体的发射率特性反演其热力学温度[2]。国内外学者们针对不同的遥感影像数据，提出了一系列的地温反演算法[3-5]。近年来，众多学者对上述反演算法进行了实例研究。随着Landsat 8卫星的成功升空，地表温度反演又多了新的数据源，有关学者针对Landsat 8数据的地表温度反演方法已经开展了研究[6]。但是对不同地物类型，不同算法反演结果之间差异性和精准度的研究尚且不多。
本文利用Landsat 8影像，选取地物类型丰富的玛纳斯河流域（以下简称为玛河流域）为实验对象，运用比较成熟的覃志豪单窗算法和Rozenstein劈窗算法对玛河流域进行地表温度反演，最后结合气象站点数据和实测数据对二种算法反演的结果进行精度验证和比较，以期确立较好的地表温度反演的技术流程和方法。
极高温区主要分布在流域北部，这里靠近古尔班通古特沙漠，地表几乎无植被覆盖，土地利用类型以裸地荒漠为主，地表松散的沙土直接暴露在太阳下，吸收大量的太阳辐射，所以地表温度表现出极端高值；高温区分布相对比较零散，集中分布在流域中南部，部分穿插分布在中部农耕区，土地利用方式以城建用地和草地为主，城建用地下垫面分布着大量道路、混凝土建筑等等，这些建筑材料对太阳辐射的吸收率较高，吸热能力比土壤要强，且热容量小，加之城市绿化不完善、人工建筑多、大气污染、人工热源等因素的共同作用，使得这一区域地表温度仅次于沙漠裸土区；草本植物植株矮小，稀疏生长，而且由于人类放牧、耕地扩张等因素，部分草场退化严重，强烈的太阳辐射直接照射到地表，使得这一区域的温度也较高；中温区主要分布在流域中部农耕区，土地利用以耕地为主，其面积所占比例最多(32.16%)，绿洲农耕区的人工灌溉为农作物生长提供了充足的水分，使其不受环境条件限制，自然植被和人工植被生长茂盛，遮挡住大量的太阳辐射，避免了太阳光垂直入射至地表，进而降低了地表温度，同时水份的自然蒸发及植物的蒸腾作用都可以带走一部分热量，进一步降低了地表温度，使得这一区域地温等级为中温区；低温区主要分布在流域中南部及南部区域，土地利用方式以林地为主，这一区域海拔较高，一方面温度随着海拔的升高而降低，另一方面，高海拔山区降雨较多，水资源丰富，林木高大茂密的冠层遮挡住了地面，太阳辐射很难直接到达地表，因此这一区域地表温度较低；极低温区集中分布在流域南部高山冰雪区，这里海拔高，气温低，冰川积雪常年覆盖，因此这一区域为极低温区，气温可达-25℃。
5结束语
本文基于Landsat 8数据分别使用了覃志豪单窗算法和Rozenstein劈窗算法反演了玛河流域的地表温度，并利用气象站点监测数据对这两种算法进行精度验证。研究结果表明：两种算法反演的地表温度的空间分布情况大体相同，只是变化的幅度稍有差异，经气象站点记录数据及地面实测数据验证发现，劈窗算法反演精度要优于单窗算法。玛河流域地表温度空间分布差异明显，地温变化趋势与地物分布间具有一定的规律性。植被覆盖度低的区域地表温度较高，植被覆盖度越高，海拔越高，地表温度越低。
参考文献
[1] Liao Z H, Pei J, et al. Land Surface Temperature Retrieval from Landsat 8 Data and Validation with Geo-sensor Network[J].Frontiers of Earth Science, 2017, 11(1):20-34.
[2] 胡德勇，乔琨，王兴玲，等.单窗算法结合Landsat8热红外数据反演地表温度[J]. 遥感学报，2015，19(6):964-976.
[3] 王猛猛，何国金，张兆明，等.基于Landsat 8 TIRS数据的大气水汽含量反演劈窗算法[J].遥感技术与应用，2017, 32(01):166-172.
[4] 覃志豪，Zhang Minghua, Arnon Karnieli, 等. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报，2001, 56(4):456-466.
[5] FRAN?OIS BECKER, ZHAOLIANG LI. Towards a Local Split Window Method Over Land Surfaces[J]. International Journal of Remote Sensing, 2007, 11(3):369-393.
[6] 杨明杰，杨广，何新林，等. 基于多维临界调控模型的玛纳斯河流域水资源调控[J]. 石河子大学学报(自科版)，2017, 35(2):241-246.
[7] 位宏,李晓蕾,徐丽萍,等.玛纳斯河流域NDVI时空变化及对气象因子的响应[J].水土保持研究,2019,26(01):215-220.
[8] 达日玛，包玉海. 基于TM数据的地表比辐射率反演方法对比分析[J]. 内蒙古师大学报(自然汉文版)，2010, 39(2):186-190.
[9] QinZH, Li H J, ZhangMH, et al. Estimating of the Essential Atmospheric Parameters of Mono-window Algorithm for Land Surface Temperature Retrievalfrom Landsat TM 6[J]. Remote Sensing for Land & Resources, 2003, 15(2), 37-43.
[10] 孙彤彤，杨可明，王晓峰，等.劈窗和单窗算法对泰安市热岛效应分析的适宜性研究[J].测绘与空间地理信息，2017, 40(10):60-63+69.
[11] Rozenstein O, Qin Z, Derimian Y, et al. Derivation of Land Surface Temperature for Landsat-8 TIRS Using a Split Window Algorithm[J]. Sensors, 2014, 14(4):5768-5780.
[12] 乔小湜，孙龙彧，冯锐，等.基于MODIS数据地表温度反演劈窗算法的比较研究[J].气象与环境学报，2014, 30(06):158-162.
论文作者:李晓蕾1，魏建新1,2，徐丽萍1，薛凯3,4
论文发表刊物:《中国电气工程学报》2019年第2期
论文发表时间:2019/4/24
标签：地表论文; 温度论文; 算法论文; 数据论文; 玛纳斯论文; 这一论文; 区域论文; 《中国电气工程学报》2019年第2期论文;