基于劈窗算法的青島地區地表溫度反演研究

孫樂樂+金寶軒

摘 要：地表溫度對于地球資源環境監測的意義十分重要，在農業、環境生態相關領域研究以及地表分析研究中都是重要的參數指標。氣象測量難以大面積提供面狀地溫數據，而遙感監測成本低、時相性好、可提供面狀數據等特點使其在地表溫度監測中具有獨特優勢。該研究根據Landsat-8遙感數據，通過調整地表比輻射率估算方法后的劈窗地表溫度反演算法實現了青島地區地表溫度的反演。并對結果與青島市氣象局網站提供的氣象數據進行對比驗證，反演結果總體符合實際情況，為沿海城市熱能空間分布研究和城區規劃提供參考依據。

關鍵詞：地表溫度；劈窗算法；Landsat-8

中圖分類號 S511 文獻標識碼 A 文章編號 1007-7731（2017）23-0012-3

Abstract： As the key factor in the study of environment， ecology and land， land surface temperature（LST） plays a vital role in resource and environment monitoring. Comparing with traditional ground meteorological monitoring， remote sensing has more advantages in LST retrieving for its spatial continuity and lower cost. With the Landsat-8 data， we adjust the calculation of land emissivity and apply it to retrieve the LSD by a Split-Window algorithm. The analysis result evaluates the effectiveness of the Split-Window algorithm in peninsula regions and the result can provide a reference for the study of urban heat distribution and urban planning.

Key words： Land surface temperature；Split-window algorithm；Landsat-8

地表溫度LST（Land Surface Temperature）是地球資源環境監測評價中的一項重要指標，它直觀反映了區域熱能分布，對環境、生態相關領域研究以及地表分析研究都有重要意義。目前，部分學者已進行了相關研究并提出了基于遙感熱紅外波段的地表溫度反演算法，按照所用波段的數量總體上分為單窗算法[1-3]與劈窗算法[4-6]2種。其中，覃志豪單窗算法[1]、Offer Rozenstein劈窗算法[6]是較為代表性的地表溫度反演算法。劈窗算法早期多基于MODIS、NOAA/AVHRR等具有2個熱紅外波段的影像數據實現，其中MODIS數據在地表溫度反演中效果較為理想，但由于其分辨率較低的缺陷使得其只能應用于大范圍地區的地表溫度反演。中小區域的地表溫度反演多采用單通道遙感影像進行單窗算法地表溫度反演[2，4]。

Landsat-8衛星于2013年發射升空，其攜帶OLI和TIRS 2個傳感器。其中OLI（Operational Land Image）是陸地成像儀，TIRS（Thermal Infrared Sensor）是熱紅外傳感器。TIRS傳感器具有2個熱紅外波段10、11波段，其分辨率為100m，并且其兩個熱紅外波段的波寬及中心波長與MODIS數據相近。因此Landsat-8數據在進行利用劈窗算法進行地表溫度反演具有獨特優勢。本文利用Landsat-8數據基于劈窗算法對青島地區地表溫度進行反演，并結合氣象數據對于結果進行評價分析。

1 研究區概況

青島市地處山東半島南部，位于東經119°30′N～121°00′N、北緯35°35′E～37°09′E，總面積為11282km2。青島為海濱丘陵城市，地勢東高西低，南北兩側隆起，中間低凹。青島地處北溫帶季風區域，屬溫帶季風氣候。由于海洋環境的直接調節，受來自洋面上的東南季風及海流、水團的影響，故又具有顯著的海洋性氣候特點?？諝鉂駶?，雨量充沛，溫度適中，四季分明。據中國氣象局的統計資料[7]，市區年平均氣溫12.7℃，其中夏季平均氣溫25.3℃，冬季平均氣溫-0.5℃左右。

2 數據源與工作流程

2.1 遙感數據 遙感數據為2013年11月15日青島地區的Landsat-8遙感影像，圖幅號為LC81200342013319和LC81200352013319。反演過程中需要的大氣透過率數據來自于NASA的大氣校正數據[8]。本文驗證結果所用的溫度數據來自于青島氣象局提供的觀測數據及歷史數據，但由于數據為公共數據，氣溫數據只能作為一個溫度范圍的檢驗參考。

2.2 工作流程 工作流程如圖1所示。首先，對于遙感數據進行前期處理，對Landsat 8遙感數據進行輻射定標，利用FLAASH工具對其OLI波段進行大氣校正。而后對于TIRS 2個熱紅外波段根據普朗克公式[5]進行了亮度溫度反演，利用OLI波段中的3、4、5、6波段計算NDVI、MNDWI以及NDBI指數，根據3個指數對于地物進行決策樹分類，利用覃志豪提出的地表比輻射率估算公式[10-11]計算地表比輻射率，結合NASA提供的大氣透過率數據及上述計算的成果根據劈窗算法公式反演地表溫度并進行驗證分析。

3 關鍵內容

3.1 亮度溫度反演 亮度溫度是假定溫度，將紅外波段的輻射強度進行轉化處理生成。如果物體與黑體的光譜輻射強度相等，則此時黑體溫度為該物體的亮度溫度?？衫闷绽士硕蓪⑤椛淞炼戎缔D換為亮度溫度，計算公式如下：endprint

式中的、均為常量，可以從影像文檔中獲取也可根據Landsat 8-TIRS波段特征結合普朗克常數、玻爾茲曼常數等進行計算；為輻射亮度值；T為亮度溫度，單位為開爾文K。

3.2 地表比輻射率計算 為了提高地表比輻射率估計的準確度，本文采用覃志豪等人提出的地表比輻射率估算方法[10-11]進行估算。首先，利用前期計算的NDVI、MNDWI、NDBI 3個指數來完成CART決策樹進行分類，將地物分為植被、水體、建筑以及裸地。之后估算地表比輻射率。典型地物的比輻射率可以通過查閱相關資料獲。根據ASTER提供的常用地表比輻射率光譜庫[12]和Landsat-8波段特征，對于第10波段的水體、植被、裸土及建筑比輻射率分別取0.99683、0.98672、0.96767、0.964885，對于第11波段的水體、植被、裸土及建筑比輻射率分別取0.99254、0.98990、0.97790、0.975115。對于自然表面，決策樹分類出的水體部分比輻射率可直接為上述水體在2個波段的比輻射率，而陸地自然表面的像元可簡單分為植被和裸土構成，可根據上述的已知2個波段的地表比輻射率數值來表示陸地自然表面混合像元的比輻射率。為便于計算，可以通過判定像元內的植被覆蓋度來確定植被與裸土的各自所占比例。當時，可視為該像元內植物所占比例為100%，所以比輻射率為植被的比輻射率；當時，比輻射率為裸土的比輻射率。同理城鎮表面就可視為建筑物與植被混合而成的混合像元，其估算方法與陸地自然表面類似。因此可根據覃志豪等[10-11]提出的如下公式來計算混合像元的比輻射率。

其中，為植被覆蓋度，可以通過

計算。根據像元統計及青島市區情況，選取植被茂密地區均值作為值，；同理。為植物的溫度比率，表示裸土或建筑物的溫度比率，利用覃志豪等提出的溫度比率計算公式[5]可以計算植被、l裸土、建筑的溫度比率：

比輻射率估算公式中的可以根據覃志豪等人[11]提出的如下經驗公式來計算：

在實際計算中可能會出現按上述公式方法計算后比輻射率大于典型地物的比輻射率甚至大于植物的比輻射率，當則令。

3.3 劈窗算法計算 本文采用的劈窗算法為Rozenstein等[3]和覃志豪等[3]根據劈窗算法和Landsat 8數據的特點，提出的適用于Landsat 8數據的地表溫度反演劈窗算法SW1（Split-Window Algorithm），其計算公式如下：

公式中為反演地表溫度，、為Landsat 8 第10、11波段的亮度溫度數據，單位為開爾文K。、及是根據如下公式計算得出的系數。在系數計算中還需要大氣透過率數據，有研究[4，5]利用MORTRAN模擬大氣水汽含量與大氣透過率的關系獲得。但由于實時的大氣剖面數據獲取難度較大且存在一定誤差，針對這一特點，研究選取NASA官方網站提供的大氣校正參數[8]作為大氣透過率計算數據，完成參數計算。

4 結果與分析

經過上述參數計算最終得到的地表溫度反演結果見圖2，圖3為反演結果地溫分布圖，除個別噪點外，地表溫度絕大部分在。之后與青島氣象局官方網站[9]提供的溫度數據進行對比，依次比較了平度、萊西、即墨、膠州、嶗山、青島及黃島7個觀測站（圖4）的溫度數據。實驗結果相應區域溫度均在測站溫度正常范圍內，反演結果基本適合實際。

5 結語

本文基于Landsat-8數據，利用劈窗反演公式，根據數據特點調整了地表比輻射率估算，反演了青島地區地表溫度，并結合氣象數據分析。反演結果客觀反映了青島地區的地表溫度情況，另一方面也驗證了Landsat-8數據的LST劈窗算法對于半島區域的適用性。對于青島城市規劃和地表溫度空間格局研究具有一定的參考意義。對于劈窗算法的參數估計目前相對不夠成熟完善，地表溫度反演參數估算的精度還需進一步提高。

參考文獻

[1]覃志豪，張明華，ArnonKarnieli.用陸地衛星TM 6數據演算地表溫度的單窗算法[J].地理學報，2001，56（4）：456-457.

[2]張微，程武學，倪靜.地表溫度反演的算法綜述[J].綠色科技，2014（12）：220-223.

[3]蔣大林，匡鴻海，曹曉峰，等.基于Landsat8的地表溫度反演算法研究——以滇池流域為例[J].遙感技術與應用，2015，30（3）：448-454.

[4]楊槐.從Landsat8影像反演地表溫度的劈窗算法研究[J].測繪地理信息，2014，39（4）：73-78.

[5]宋挺，段崢，劉軍志，等.Landsat8數據地表溫度反演算法對比[J].遙感學報，2015，19（3）：451-465.

[6]Rozenstein O，Qin ZH，Derimian Y and Karnieili A. Derivation of land and surface temperature for landsat-8 TIRS using a split-window algorithm[J].Sensors，2014，14（4）：5768-5780.

[7]中國氣象局.青島地理氣候特點[EB/OL].http：//www.cma.gov.cn/2011xzt/2014zt/20140417/2014041705/201404/t20140417_243735.html. 2014-04-17.

[8]NASA.Atmospheric Correction Parameter Calculator[EB/OL]. https：//atmcorr.gsfc.nasa.gov/./2014-1-7.

[9]青島市氣象局.氣象實況[EB/OL]. http：//qdqx.qingdao.gov.cn/yb/tqyb.aspx. 2016-11-07.

[10]覃志豪，李文娟，張明華.單窗算法的大氣參數估計方法[J].國土資源遙感，2003（2）：37-43.

[11]覃志豪，李文娟，徐斌，等.陸地衛星TM6波段范圍內地表比輻射率的估計[J].國土資源遙感，2004（3）：28-32.

（責編：張宏民）endprint