基于Landsat-8影像的撫州市地表溫度遙感反演研究

摘" 要：基于撫州市2022年9月28日Landsat-8影像，采用單窗算法反演地表溫度（LST），并選取隨機點統計方法，分析LST與歸一化植被指數（NDVI）、數字高程模型（DEM）、坡向之間的關系。結果表明，研究區反演的LST為22.51～45.71 ℃，低值區主要分布在東北部、東南部、中部偏西高程和NDVI值均較大的區域，高值區主要分布在西部、南部城鎮密集、高程和NDVI值均較小的區域。LST與NDVI、DEM 2個影響因素均呈現明顯負相關，不同坡向的LST與一般認知一致，陽坡高于陰坡。

關鍵詞：撫州市；Landsat-8；地表溫度反演；單窗算法；DEM

中圖分類號：X16" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）33-0099-04

Abstract： Based on the Landsat-8 image of Fuzhou City on September 28， 2022， a single window algorithm was used to retrieve the Land Surface Temperature （LST）， and a random point statistical method was selected to analyze the relationship between LST and Normalized Difference Vegetation Index （NDVI）， Digital Elevation Model （DEM）， and slope direction. The results show that the retrieved LST in the study area is 22.51～45.71 ℃. The low-value areas are mainly distributed in areas with large elevations and NDVI values in the northeast， southeast， and west-by-middle. The high-value areas are mainly distributed in areas with dense towns in the west and south， and low elevations and NDVI values. LST is significantly negatively correlated with the two influencing factors： NDVI and DEM. The LST of different slope directions is consistent with general understanding， with sunny slopes being higher than shady slopes.

Keywords： Fuzhou City; Landsat-8; surface temperature retrieval; single window algorithm; DEM

地表溫度（Land Surface Temperature，LST）是衡量全球尺度和區域自然環境的關鍵參數之一[1]，其對地表與大氣之間的能量交換具有重要影響，在城市熱環境監測[2]、農業旱災監測[3]、區域氣候變化[4]等眾多研究領域均具有重要作用。隨著空間信息技術的發展，衛星遙感技術成為反演LST的重要手段，其中陸地（Landsat）系列衛星所搭載的熱紅外（TIRS）傳感器獲取的數據利用輻射傳輸方程可直接關聯LST，應用最為廣泛，國內外很多LST反演研究大多基于該數據展開，并提出了多種不同的經典反演算法，包括單窗算法[5]、基于輻射傳輸方程的算法[6]和分裂窗算法[7]等。另外，部分國內外學者對影響LST的因素進行了研究，包括LST與土地利用（LUCC）、地形因子的關系[8]，LST與歸一化水汽指數、歸一化植被指數的關系[9]等，從以上研究結果發現不同地區各因素對LST的影響程度略有不同。因此，本文以撫州市為研究區，利用2022年9月28日Landsat- 8數據，采用單窗算法反演LST，分析研究區秋季LST空間分布特征以及其與歸一化植被指數（Normalized" Difference Vegetation Index，NDVI）、數字高程模型（Digital Elevation Model，DEM）和坡向之間的關系，為開展撫州市城市熱島效應研究提供依據。

1" 研究區與數據

1.1" 研究區概況

撫州市位于江西省東部（26°29′N—28°30′N，115°35′E—117°18′E），總面積1.88萬km2，境內東、南、西三面環山，地勢南高北低，中部丘陵與河谷盆地相間。東部武夷山和南西部雩山，二者在平面上構成北東向斜“川”字形地貌框架。氣候屬南方濕潤多雨季風氣候，四季分明，生長期長，年平均氣溫在17.06～18.44 ℃之間，年平均降水量1 740.7～2 003.3 mm，年平均日照時數1 585.5 h，風向全年平均以靜風為主。市域生態環境整體較好，森林覆蓋率達67.2%，先后被評為全國“50強氧吧城市”、國家園林城市、國家森林城市。

1.2" 數據來源

本文采用的遙感數據來源于美國地質調查局網站（USGS，https：//www. usgs.gov），DEM來源于地理空間數據云平臺（http：//www.gscloud.cn），其中Landsat-8數據3景，ASTGTM2 DEM數據6景，具體信息見表1。

1.3" 數據預處理

本文利用ENVI 5.6軟件對3景Landsat-8數據進行輻射定標、大氣校正、拼接和裁剪等預處理得到研究區影像，對6景ASTGTM2 DEM數據進行投影、拼接、裁剪得到研究區DEM影像。

2" 研究方法

2.1" 歸一化植被指數（NDVI）

NDVI由Rouse等[10]基于Landsat-5遙感數據提出，該指數利用植被在近紅外波段具有高反射性以及在紅光波段具有強吸收性的特點，采用歸一化差值處理思路構建，具體公式見式（1）

NDVI=（Nir-Red）/（Nir+Red），（1）

式中：Red和Nir分別是Landsat-5第3、4波段。

2.2" 單窗算法

單窗算法由覃志豪等基于Landsat-5遙感數據的第6波段提出，該算法把大氣和地表的影響直接包括在反演公式中，需要用到地表比輻射率、大氣透射率和大氣平均作用溫度3個參數，具體公式見式（2）

Ts={a（1-C-D）+[b（1-C-D）+C+D]Tsen-DTa}，（2）

式中：Ts是地表溫度；C和D是中間變量；a和b是普朗克方程相關的系數；Tsen是輻射亮溫；Ta是大氣平均作用溫度（K）；且

C=ετ，（3）

D=（1-τ）[1+（1-ε）τ]，（4）

Tsen=。（5）

式（3）至式（5）中：ε是地表比輻射率；τ是大氣透射率（通過USGS網站查詢）；K1和K2是輻射常量（通過USGS網站查詢）；B（Ts）是經過輻射定標的Landsat-5第6波段；且

ε=0.004FVC+0.986，（6）

FVC=，（7）

式（6）和（7）中：FVC是植被覆蓋度；NDVIsoil是完全是裸土或無植被覆蓋區域的NDVI值；NDVIveg是完全被植被所覆蓋的區域的NDVI值。

本文使用的遙感數據為Landsat-8，其與Landsat-5熱紅外波段的編號、光譜范圍和響應函數均具有差異，因此參考Wang等[11]針對Landsat-8數據熱紅外波段重新擬合的參數a、b，Landsat-5和Landsat-8數據a、b參數的值見表2。

3" 結果分析

3.1" LST空間分布特征

本文采用單窗算法反演研究區LST，研究區LST低值主要分布在東北部、東南部、中部偏西高程和NDVI值均較大的區域，LST高值主要分布在西部、南部城鎮密集、高程和NDVI值均較小的區域，由此可知LST與DEM、NDVI的關系較為明顯。

3.2" LST與影響因素關系

為進一步探討LST與影響因素之間的關系，選擇影響LST的3個因素，分別為NDVI、DEM和坡向，采取隨機點統計方式分析以上3個因素與LST的相關性。利用ArcGIS軟件在研究區內隨機選取2 200個點，分別提取LST、NDVI、DEM和坡向的數值，然后導出數據，在Excel軟件中生成散點圖，并進行相關性分析。

3.2.1" LST與NDVI關系

根據參考文獻經驗，分析LST與NDVI相關性時應去除水體的影響，一般情況下NDVI小于0的區域為水體，因此選取NDVI大于0的數據與LST數據建立散點圖，結果如圖1所示。從圖1中可以明顯看出，其與上述對于兩者關系的認知一致，隨著NDVI增大，LST逐漸減小，兩者呈現明顯的負相關。

3.2.2" LST與DEM關系

LST數據與DEM數據建立散點圖結果如圖2所示，從圖2中可以明顯看出，同樣其與上述對于兩者關系的認知一致，隨著DEM增大，LST逐漸減小，兩者呈現明顯的負相關。

3.2.3" LST與坡向關系

LST數據與坡向數據建立散點圖結果如圖3所示，從圖3中可以明顯看出，其與人們的一般認知一致，即陽坡的溫度比陰坡的溫度稍高，因此兩者的關系呈現為中間略高兩頭低的特點。

4" 結論

本文基于Landsat-8遙感影像，采用單窗算法反演撫州市2022年9月28日LST，并分析LST與NDVI、DEM和坡向3個影像因素之間的關系。研究結果表明，撫州市反演的LST為22.51～45.71℃，低值區主要分布在東北部、東南部、中部偏西高程和NDVI值均較大的區域，高值區主要分布在西部、南部城鎮密集、高程和NDVI值均較小的區域。撫州市LST與NDVI、DEM 2個影響因素均呈現明顯負相關，不同坡向的LST與一般認知一致，陽坡高于陰坡。本文僅分析了NDVI、DEM和坡向3個影像因素與LST之間的關系，事實上影響LST因素并不止以上3個，還包括太陽輻射、氣候變化、人類活動和土地利用等，相關研究還有待進一步開展。

參考文獻：

[1] 段四波，茹晨，李召良，等.Landsat衛星熱紅外數據地表溫度遙感反演研究進展[J].遙感學報，2021，25（8）：1591-1617.

[2] FU P， WENG Q. Variability in annual temperature cycle in the urban areas of the United States as revealed by MODIS imagery[J].ISPRS Journal of Photogrammetry and Remote Sensing， 2018，146（DEC.）：65-73.

[3] 湯文靜.基于MODIS和TM的遙感數據在農業旱災動態監測中的應用——以河南省為例[D].杭州：浙江農林大學，2014.

[4] 劉大龍，馮本成，趙佳，等.城市下墊面輻射熱對微氣候影響的對比實驗研究[J].西安建筑科技大學學報（自然科學版），2023，55（6）：890-897.

[5] QIN Z， KARNIELI A， BERLINER P. A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing， 2001，22（18）：3719-3746.

[6] SOBRINO J A， JIMENEZ-MUNOZ J C， PAOLINI L .Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment： An Interdisciplinary Journal， 2004，90（4）：434-440.

[7] JIMENEZ-MUNOZ J C， SOBRINO J A， SKOKOVIC D， et al.Land surface temperature retrieval methods from landsat-8 thermal infrared sensor data[J].IEEE Geoscience amp; Remote Sensing Letters， 2014，11（10）：1840-1843.

[8] 伍顯，安裕倫，趙海兵，等.基于Landsat8的地表溫度與地形要素的關系研究[J].江蘇農業科學，2018，46（18）：164-171.

[9] 孫常峰，孔繁花，尹海偉，等.山區夏季地表溫度的影響因素——以泰山為例[J].生態學報，2014，34（12）：3394-3404.

[10] ROUSE J W， HAAS R H，SCHELL J A， etal.Monitoring vegetation systems in the great plain with ERTS[C]// Proceedings of the Third Earth Resource Technology Satellite-1Symposium.Greenbel： National Aeronautics and Space Administration SP-351，1974.

[11] WANG F， OIN Z H， SONG C Y， et al.An improved mono-window algorithm for land surface temperature retrieval from landsat 8 thermal infrared sensor data[J].Remote Sensing，2015，7（4）：4268-4289.