應用Landsat-8數據分析山地地表溫度格局及影響要素1)

王敬文 趙微 葉江霞 朱洪琴 張明莎

(西南林業大學，昆明，650224)(昆明理工大學)(西南林業大學)

地表溫度是研究陸地表面與大氣之間相互作用的重要參數，對物種的適生性及棲居具有重要的決定作用[1]，并影響區域及全球生態系統。山地地表溫度場格局及其影響要素定量化分析，準確刻畫山地地表水熱環境、了解山地生態系統的時空分布特征，對生物多樣性保護、物種分布建模及全球氣候變化的研究具有重要意義。

傳統的地表溫度場獲取主要有應用氣象站點的內插法[2-5]，由于氣象站點分布較為稀疏，且極易受環境的影響，致使溫度場的內插精度不高[6-7]。隨著遙感技術，特別是熱紅外遙感的發展，使大面積地表溫度場的獲取成為可能。中分辨率成像光譜儀(MODIS)及Landsat熱紅外波段成為地表溫度反演的主要數據源[8]，Landsat 8數據廣泛應用于城市熱島效應分析、植被時空分布格局等[9-17]。目前，對地表溫度遙感獲取主要運用單波段的單通道算法[18-20]、劈窗算法[21-23]、多波段算法[24]以及Gerace et al.[25]提出的削減雜散光帶來的誤差影響的雙通道矯正算法。Wang et al.[19]提出的針對landsat-8 TIRS10波段改進后的單窗算法(IMW)，通過改進大氣平均作用溫度參數，對真實氣溫數據的反演精度能夠保持在1.4 K左右[26]。但由于衛星過境時間的限制，難以獲得與其同步的地面觀測值，加之地面觀測點稀疏，現有地表溫度遙感反演中，較少考慮實測近地面溫度的空間和時間尺度[27-28]，從而極大影響地表溫度場的精準性。

隨著地表溫度反演算法的發展，山地地表溫度與影響要素的關系分析越來越受到關注，主要集中在山地地形效應。MODIS系列產品應用于大尺度的地域分析，以高程、坡度、坡向、緯度等大尺度地形因子影響下的地表溫度格局分析[29-34]，但很少考慮到小尺度微地形作用下的影響，以及人居環境，包括水資源布局[35]、居民區、植被覆蓋等對地表溫度關系的研究較少[36]。因此，山地溫度格局的定量化分析，應綜合考慮影響溫度的宏觀環境因子及微自然格局及人文因素[37-40]。

為獲取更為精準的地表溫度，以Landsat-8為遙感數據源，結合地面同步的常規氣象站點及微氣象站點觀測值，以典型山地代表的云南滇中作為研究區，通過對地表溫度場反演，結合區域地理環境及人居環境空間精細化模擬表達，定量分析山地溫度場的空間格局，揭示影響山地溫度格局的驅動因素及其規律，為山地生態系統的保護提供重要基礎。

1 研究區概況

以云南省的滇中部分地區為研究區，主要包括昆明市、玉溪市、紅河州及曲靖市大部分地區。區域內地形以山地和山間盆地為主，屬滇東高原盆地，山地地勢起伏較大。該地區屬亞熱帶氣候，日照充足，四季如春，氣候宜人，干濕季分明；土壤類型以紅壤為主，植被類型多樣。區域內人居環境特征明顯，城市聚集，是云南省的政治、經濟、文化中心，區域內人文元素豐富。具有豐富的山地植被，如滇中植被垂直帶譜完整的轎子雪山國家級自然保護區、滇中向滇南延伸的哀牢山；高原湖泊有滇池和撫仙湖、陽宗海和湯池。

2 研究方法

2.1 數據及預處理

研究數據源主要有landsat-8 OLI、SRTM DEM 90m，MODIS數據產品來源于地理空間數據云(http://www.gscloud.cn/)，具體的時間為2015年5月28日3時34分；MODIS數據選擇的為時間相近的LB1數據，來源美國國家航空航天局(NASA)(https://ladsweb.modaps.eosdis.nasa.gov/)；地面同步觀測氣溫數據，采用云南省常規氣象站點及云南電網微氣象站點的逐時觀測數據，共計171個觀測站點；人居環境獲取采用珞珈一號夜視燈光遙感數據(源于http://www.hbeos.org.cn/)。對獲取的Landsat-8 OLI影像數據，利用數字地形模型對圖像進行幾何精校正[41]、輻射定標處理，用ENVI的FLAASH進行大氣校正。

2.2 地表溫度反演模型

地表溫度選擇連續性約束和亮度梯度約束的多窗口區域匹配算法(IMW)為地表溫度反演方法。

IMW算法結構主要根據地表熱輻射傳輸方程，推導出利用熱紅外波段數據反演地表溫度，以landsat-8第10波段為例，其計算公式為：

Ts=[a10(1-C10-D10)+(b10(1-C10-D10)+C10-D10)

T10-D10Ta]/C10。

式中：Ts是基于landsat-8第10波段反演得到地表溫度；Ta是大氣平均作用溫度(見表1)；T10是landsat-8第10波段觀測的地表星上亮溫；a10和b10為系數(見表2)；C10和D10為算法內部參數(C10=τ10×ε10，D10=(1-τ10)[1+(1-ε10)τ10]。式中，τ10和ε10分別為第10波段大氣透過率和地表比輻射率)。根據在NASA官網數據計算出大氣熱紅外波段的透過率為0.73。

表1 熱紅外波段大氣平均作用溫度估算方程[42]

利用地面171個常規氣象站點及微氣象站點同步觀測數據，并隨機選取20個用于精度檢驗。研究選擇中緯度夏季估算方程。

表2 不同溫度范圍內的地表溫度反演回歸系數a10和b10的取值[19]

采用通用的地表比輻射率估計方法，即簡單地將地表視為水體、建筑、自然表面等地類構成，其中水體利用歸一化差異水體指數進行提取；建筑提取方法綜合選取具有較高精度的垂直不透水層指數(PII)[43-48]。對于自然表面像元，可簡單認為是植被和裸土組成的混合像元，將水體、建筑、植被、裸土的地表比輻射率分別設置為：ε10ω=0.991、ε10m=0.962、ε10s=0.966、ε10v=0.973[49]。對自然表面可根據像元的植被覆蓋度來估算，具體估算方法參考文獻[19]的模型如下：

2.3 山地溫度影響因子空間格局

地表溫度主要受下墊面性質的影響，選取地理環境因子及人居環境因子定量分析山地溫度格局的影響因子。

地理環境因子：地理環境因子主要選取海拔高度、坡度、坡向及能描述地貌隆起、切割程度的度量指標—地形起伏度[52], 地形起伏度是最高點海拔高度與最低點海拔高度的差值，以相對高差更加準確表達區域地形的隆起或切割的地貌形態特征，更能反映山地溫度的立體變化和微地形特征。利用均值變點法[53]提取地形起伏度，通過鄰域計算，窗口逐一設置為2、3、…、49 km進行試驗，選擇最佳窗口為18 km，獲得地形起伏度空間格局(如圖1a)。

圖1 山地溫度主要影響因子格局

人居環境因子：以研究區內水域、植被覆蓋及居民區共同刻畫人居環境。以歸一化植被指數作為植被覆蓋度指標(見圖1b)。利用歸一化差異水體指數(INDW)[54]表達水域的空間影響，計算如公式為：INDW=(G-R)/(G+R)。其中：G為綠波段的亮度值(對應第3波段)，R為近紅外波段的亮度值(對應第5波段)。為定量表達水域的空間影響，以成本距離計算其格局(見圖1c)。

為客觀表達人類居住場所空間格局，利用分辨率為130 m的珞珈一號夜視燈光數據提取居民區，并以成本距離模擬人居活動場所的空間格局(見圖1d)。

3 結果與分析

3.1 山地溫度格局的影響因子

為探究地表溫度與地理環境及人居環境因子的定量關系，將反演的地表溫度、地形起伏度、水域空間格局、高程、人居活動空間格局和歸一化植被指數等進行相關性分析(見表3)。

表3 各因子間的相關性

3.1.1 地表溫度與大尺度地形環境的關系

以海拔100 m為遞增步長，坡向按照陰坡和陽坡進行劃分；為克服高程數據誤差對坡度估計帶來的誤差，參照文獻[8]對坡度大于5°的地表溫度進行統計分析，按照5°分階，由于40°以上區間坡度地面較少，將坡度40°以上歸為一類進行統計分析；將各影響變量按照分區與地表溫度在該區間的平均值進行曲線擬合選出最佳曲線進行分析。

由圖2可知，海拔對地表溫度影響的曲線擬合關系，回歸決定系數(R2)為0.899 8，當溫度變化為10 ℃時，海拔變化為2 000 m。海拔在1 000～1 500 m溫度略有波動且有上升趨勢，海拔1 500 m以上時，溫度隨海拔上升有明顯的下降趨勢，基本成對數關系，這與文獻[56-57]的研究結果具有相似的規律，隨著海拔的增大，地表溫度逐漸降低，地表溫度隨海拔的變化率為：海拔變化100 m，地表溫度變化0.5 ℃。

由圖2可知，坡度對地表溫度影響的曲線擬合關系，回歸決定系數(R2)為0.930 3，坡度對地表溫度的線性影響較為明顯，隨著坡度上升溫度具有顯著下降的趨勢，與文獻[8]的研究結果一致。

根據陰陽坡的劃分規律，將坡向劃分為陰坡(337.5°～67.5°)、半陰坡(67.5°～112.5°、292.5°～337.5°)、陽坡(157.5°～247.5°)、半陽坡(112.5°～157.5°、247.5°～292.5°)。

圖2 地表溫度與海拔的關系

圖3 地表溫度與坡度的關系

由圖4可知，坡向與地表溫度影響的曲線擬合關系發現，回歸決定系數(R2)為0.884 7，模型擬合效果好。地表溫度隨坡向變化的關系是先升高后逐漸降低，再上升的趨勢，大致呈現正弦三角函數關系，這與文獻[58]利用坡向構建太陽輻射(與地表溫度有關)的關系函數一致；在陽坡和半陽坡，地表溫度隨坡向的變化而降低，在陰坡和半陰坡，地表溫度隨坡向的變化而升高，且北坡溫度低于南坡的溫度，與文獻[8]的研究結論一致。

在柴油降解的初期，搖瓶內的柴油呈膜狀漂浮在水面上，水相澄清。隨著時間的延長，水相開始逐漸變渾濁，柴油呈油滴狀。隨著培養時間的進一步延長，柴油液滴越來越小直至液面上無明顯油滴，液相呈乳白色。發酵液離心去除菌體后用鹽酸調節至pH=2.0，在4 ℃下冷藏過夜，無沉淀產生。用氯仿-甲醇(2∶1，體積分數)混合液萃取發酵液中的表面活性劑，將萃取液旋轉蒸發后得到物質為棕黃色粉末。

圖4 地表溫度與坡向的關系

3.1.2 地表溫度與地形起伏度

由圖5可知，利用自然間斷點分級法，對地形起伏度分類，研究與地表溫度受地形起伏度的影響。地形起伏度與地表溫度的曲線擬合的決定系數(R2)為0.898 1。地形起伏度小于600時，地表溫度隨地形起伏度的關系基本呈下降的趨勢；而地形起伏度大于600時，地表溫度隨地形起伏度略有上升的趨勢。

圖5 地表溫度與地形起伏度的關系

3.1.3地表溫度與植被覆蓋度、水域和人居環境的關系

由圖6可知，在植被覆蓋方面，利用自然間斷點分級法，將植被覆蓋度分為20類，分析植被覆蓋度與地表溫度的關系，植被覆蓋度與地表溫度的擬合曲線的決定系數(R2)為0.875 6。隨著植被覆蓋度的增大，溫度逐漸降低，但并不是明顯的線性遞減，而是略成對數遞減關系。

圖6 地表溫度與植被覆蓋度的關系

由圖7可知，利用自然間斷點分級法(Jenks)，對水域空間影響進行分類，研究地表溫度受水體的影響。地表溫度與水域空間格局擬合關系的決定系數(R2)為0.714 1。隨著水域影響空間距離的增加，地表溫度下降極為明顯[59]，距離水體越近地溫越高。但在某些區位也略有增加，這是因為水體對區域的地表溫度具有增加效應。

圖7 地表溫度與水域空間格局的關系

由圖8可知，在人居活動影響格局方面，利用自然間斷點分級法，分析人居活動影響空間格局與地表溫度關系。人居活動影響空間格局與地表溫度曲線擬合的決定系數(R2)為0.725 9。隨著人居活動影響空間距離的逐漸增大，地表溫度有較為明顯的增加，與文獻[60]的研究結論一致。

圖8 地表溫度與人居活動空間格局的關系

3.2 地表溫度反演模型的建立

利用漁網工具采集研究區域內3 000 m的邊長的網格樣點，去除異常數據后，剩余31 899個樣點數據用于分析地表溫度反演模型。根據每個地形特征與地表溫度之間的相關性，進行多元回歸分析，使用逐步回歸方法建立相關模型(見表4、表5)。

表4 多元回歸分析

由表4、表5可知，模型經7次逐步回歸，7個原始變量均被保留，且常數和各變量都通過T檢驗，方差膨脹因子均較小，沒有多重共線性，模型的R2為0.42。地表溫度反演模型為：

y=311.023-22.449x1-0.025x2-0.008x3-0.007x4-

0.002x5-0.003x6+0.003x7。

式中：y表示地表溫度，x1、x2、x3、x4、x5、x6、x7分別表示歸一化植被指數、坡度、坡向、地形起伏度、海拔、人居活動影響空間格局、水域影響空間格局。

表5 模型系數及檢驗

3.3 溫度反演精度檢驗

由圖9可知，通過計算并經單位換算后的地表溫度反演結果，地表溫度最高值為49.15 ℃，最低溫為0.82 ℃，平均溫度為24.92 ℃。

利用大氣平均作用溫度估算方程將地表溫度的反演結果，轉化為與實測溫度類似的大氣溫度進行精度檢驗，采用平均絕對誤差、平均相對誤差和均方根誤差評估溫度實測值與地表溫度反演值和MODIS的差異(見表6)。

由表6可知，反演的地表溫度比MODIS溫度產品的平均絕對誤差值小0.31 ℃、平均相對誤差值小2.15%、均方根誤差值小5.87 ℃，表明地溫反演精度較MODIS數據產品較好，與文獻[61]得出的結論一致。

表6 地表溫度反演精度驗證

3.4 山地溫度格局分布

由圖9可知，地表溫度宏觀格局，可明顯看出高溫主要集中在昆明市富明、祿勸、石林等區域，紅河地區的開遠、建水、彌勒等區域，玉溪市的華寧和易門區域；較高溫則出現在昆明市主城區、呈貢、晉寧、嵩明、宜良、安寧等區域，玉溪市的紅塔和新平區域，曲靖市的陸良和師宗區域，紅河州的部分地區；溫度較低區域主要分布在紅河的石屏以及玉溪市的大部分地區。

地表溫度整體格局，從高至低依次是昆明、曲靖、紅河、玉溪，這與區域大型水體的距離、植被覆蓋高低、地形起伏、海拔、人居環境密切相關。特別是昆明作為云南最大的人居聚集地，城市溫度相對較高，但周邊因山體地形及大型水體滇池及城市面山植被覆蓋的調溫作用，使其溫度較低。

圖9 地表溫度反演結果

溫度的分布格局主要與區域地理環境特征有關，整體上，曲靖市東北部、中部的昆明市(主要包括主城區與嵩明、石林、呈貢等區域)、玉溪市(主要包括紅塔、江川、澄江、通海等區域)，及紅河州大部份地區地形起伏度較低，而昆明市(主要包括富明、祿勸、宜良、安寧等區域)、玉溪市和紅河州(主要包括石屏、開遠、彌勒、瀘西等區域)地形起伏度較高。

研究區域溫度格局與水體分布，受滇池的影響，昆明主城區與安寧、晉寧等地整體溫度略比其他地區低，陽宗海周邊也呈現這一規律，但由于水域面積較小，影響范圍有限；玉溪市的撫仙湖周邊這一效應也較明顯，如澄江、江川和紅塔地區靠近湖體周邊地區溫度較低。從一定程度能說明水體對周邊地表具有降溫作用，但受到水域面積及距離的影響。

4 結論與討論

利用同一區域的Landsat-8影像數據，以及相對密集的近地表溫度同步觀測樣點數據，結合IMW算法反演的地表溫度，對比MODIS地表溫度產品和實測數據，總體反演的地表溫度精度明顯優于MODIS數據，表明可實現地表溫度場的精確獲取。

地表溫度不僅與宏觀的地形要素有關，還與微地形及人居環境作用關系密切。地表溫度數據空間分布與地形起伏度、海拔、坡向、坡度、水域影響格局、人居活動影響格局具有不同程度的相關規律，植被覆蓋度對地表溫度的負相關影響最為顯著。近年來，云南省將生態文明建設放在首要位置，提出2020年全省森林覆蓋率提升到65%以上的增長目標，提升人居環境的同時，也對地表溫度起到較好的調節作用；地形起伏度精確刻畫了微地形差異，對地表溫度的空間格局具有明顯的影響；海拔對地表溫度整體上不是簡單的線性關系，當海拔小于1 500 m時，地表溫度與海拔正相關，當海拔超過1 500 m時，隨著海拔的逐漸增高，對地表溫度的影響則呈對數線性遞減。坡度對地溫的影響是線性遞減的關系；而人居活動空間影響隨著距離增加，地表溫度逐漸降低，反映“城市熱島”增溫效果；水域影響空間格局，與地表溫度整體成負相關；坡向與地表溫度不成簡單的線性關系，在陰坡和半陰坡的范圍內成正相關，而在陽坡和半陽坡的范圍內成負相關關系。

通過對山地地表溫度影響因素定量分析，可以應用宏觀地形及微地形的地理環境和人居環境因子的山地溫度綜合模型，實現山地溫度場時空格局的精細化模擬。通過對地表溫度場反演，結合區域地形及人居環境模擬，定量分析山地溫度場的空間格局，揭示影響山地溫度格局的驅動因素及其規律，為山地生態系統研究提供重要基礎，在生物多樣性保護、物種分布建模及全球變化等研究中具有重要意義。

研究充分利用了現有常規氣象站點及微氣象站點同步氣象觀測數據，實現了基于Landsat-8的地表溫度的精確反演，為山地溫度場的研究應用提供了基礎信息；應用遙感與GIS模擬了研究區域宏觀地形及微地形、人居環境要素的空間格局，分析了各要素對山地溫度的空間定量關系，最后構建了基于地理環境與人居環境共同作用的山地溫度模型。山地溫度場的空間格局，不僅受下墊面宏觀地形、微地形及人居環境影響，還與宏觀上山地緯度、海陸位置、大氣環流及其動態等因素有關，綜合分析影響要素，構建更為精確的山地溫度場是今后研究趨勢。