基于Landsat8數(shù)據(jù)的地表溫度反演算法對(duì)比分析

段金饋

摘 要：地表溫度（Land Surface Temperature，LST）是重要的地表物理參量。該文以北京市為研究區(qū)，基于Landsat8影像數(shù)據(jù)，利用輻射傳輸方程法（RTE算法）、針對(duì)TIRS10的單窗算法（TIRS10_SC算法）以及改進(jìn)單通道算法（JM_SC10算法）反演地表溫度，并運(yùn)用氣象觀測點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明，TIRS10_SC算法反演精度最好，RMSE為3.92℃;其次是RTE和JM_SC10算法。

關(guān)鍵詞：Landsat8;地表溫度;地表溫度反演

中圖分類號(hào) P407文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2019）17-0148-03

Comparative Analysis of Land Surface Temperature Retrieval Algorithm based on Landsat8 Data——A Case Study in Beijing City

Duan Jinkui

（School of Geography and Environment，Shandong Normal University，Jinan 250358，China）

Abstract：Land Surface Temperature （LST） is an important surface physical parameter.Taking Beijing area as the research area，based on Landsat8 image data，LST is retrieved by the radiation transfer equation algorithm （RTE algorithm），the improved single window algorithm （TIRS10_SC algorithm） and the improved single channel algorithm （JM_SC10 algorithm）.The result is verified by meteorological observation point data.The results show that the TIRS10_SC algorithm has the best accuracy，RMSE is 3.92°C，followed by RTE algorithm and JM_SC10 algorithm.

Key words：Landsat8;Land surface temperature;Land surface temperature retrieval

地表溫度是影響陸地、海洋和大氣之間物理過程的重要參數(shù)，在城市熱環(huán)境研究[1]、生態(tài)環(huán)境監(jiān)測[2]以及災(zāi)害預(yù)警[3]等領(lǐng)域具有廣泛的應(yīng)用。隨著技術(shù)的發(fā)展，通過衛(wèi)星遙感數(shù)據(jù)反演LST，已經(jīng)成為了高效獲取大范圍LST的主要途徑。Landsat8衛(wèi)星發(fā)射于2013年，其TIRS傳感器空間分辨率達(dá)100m，OLI傳感器的空間分辨率達(dá)到30m、15m，是目前遙感反演LST的重要數(shù)據(jù)源。國內(nèi)外學(xué)者提出了許多針對(duì)Landsat8 TIRS10遙感數(shù)據(jù)改進(jìn)的溫度反演算法，如胡德勇等[4]提出了針對(duì)Landsat8 TIRS10的單窗算法;Jiménez-Mu?oz等[5]在其原有單通道算法[6]（Single-channel Algorithm，SC算法）的基礎(chǔ)上，通過模擬數(shù)據(jù)集改進(jìn)了針對(duì)Landsat8的參數(shù)，提出了改進(jìn)單通道算法。

本研究選取北京市作為研究區(qū)，基于Landsat8 數(shù)據(jù)，采用輻射傳輸方程法、改進(jìn)單窗算法及改進(jìn)單通道算法來反演LST，并采用60個(gè)觀測點(diǎn)的實(shí)測數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行驗(yàn)證，以期為LST反演算法的選擇提供參考。

1 研究區(qū)概況

北京市位于華北平原北部，近幾十年來，北京市經(jīng)歷了城市快速擴(kuò)張、人口的爆炸式增長以及土地利用變革，城市熱島效應(yīng)加劇，因而監(jiān)測北京市LST具有重要意義。

2 研究方法

2.1 數(shù)據(jù)來源及預(yù)處理 Landsat8影像來源于USGS官網(wǎng)（https：//glovis.usgs.gov/），軌道號(hào)為123/32，下載2014年9月4日Landsat8影像數(shù)據(jù)，該景影像云量低于0.1%，影像質(zhì)量高，適宜進(jìn)行溫度反演;與Landsat8數(shù)據(jù)成像時(shí)間相近的MODIS L1B數(shù)據(jù)用于進(jìn)行大氣水汽含量反演;氣象觀測點(diǎn)數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心。

2.2 反演算法對(duì)比及參數(shù)計(jì)算

2.2.1 輻射傳輸方程法 輻射傳輸方程法，也稱為大氣校正法（Radiative Transfer Equation Algorithm，簡稱RTE算法）。衛(wèi)星傳感器接收到的熱紅外輻射亮度值L由3部分組成：大氣向上輻射亮度[L↑]、大氣向下輻射亮度[L↓]以及地面輻射經(jīng)大氣傳導(dǎo)后到達(dá)傳感器的輻射亮度。表達(dá)式為：

[L=[εB（Ts）+（1-ε）L↓]τ+L↑]

地表溫度TS可以根據(jù)普朗克函數(shù)公式獲取：

[TS=K2/ln（1+k1/B（TS）]

式中：[τ]為大氣透過率，[L↑]、[L↓]以及[τ]可以通過NASA查詢網(wǎng)站（https：//atmcorr.gsfc.nasa.gov/）獲取;對(duì)于Landsat8 TIRS10，[K1]=774.89W/（m2·sr·μm），[K2]=1321.08K;[ε]為地表比輻射率，通過NDVI閾值法計(jì)算：

[ε+0.004P]v+0.986

式中：Pv為植被覆蓋度，可根據(jù)像元二分模型由歸一化植被指數(shù)NDVI來計(jì)算。

2.2.2 針對(duì)TIRS10的單窗算法 針對(duì)Landsat8 TIRS10單窗算法（TIRS10_SC算法）是胡德勇等[4]在覃志豪單窗算法[7]的基礎(chǔ)上針對(duì)Landsat TIRS傳感器提出的。表達(dá)式為：

[TS=[K2（C+D）T10+（1-C-D）T210-K2DTa]/K2C]

[C-ετ]

[D=（1-τ）[1+（1-ε）][τ]]

式中：[T10]為Landsat8 TIRS10的輻射亮溫;[Ta]為大氣平均作用溫度，通過中緯度夏季標(biāo)準(zhǔn)大氣的大氣平均作用溫度估算方程[7]獲?。?/p>

[Ta=16.0110+0.92621T0]

式中：[T0（K）]為近地表溫度，可由氣象站數(shù)據(jù)獲得。

2.2.3 改進(jìn)單通道算 改進(jìn)單通道算法[5]（簡稱JM_SC10算法）是Jiménez-Mu1oz在其原有單通道算法[6]（Single-channel Algorithm，簡稱SC算法）的基礎(chǔ)上，針對(duì)Landsat 8的大氣參數(shù)提出來的。表達(dá)式為：

[TS=γ·φ1·L+φ2ε+φ3]+δ

[γ≈T102/bγL]

[δ≈T10-][T102/bγ]

式中：[φ1]、[φ2]、[φ3]是與大氣水汽含量[ω]有關(guān)的函數(shù)[（[ω<（g/cm2））]]，采用初步改進(jìn)的MODIS通道比值法[8]反演大氣水汽含量[ω]。;[bγ]為常數(shù)，對(duì)于TIRS10，[bγ=1324]。

3 反演結(jié)果及精度驗(yàn)證

3.1 反演結(jié)果對(duì)比 利用上述算法，通過ENVI5.3、Arcgis10.4等工具，得到了北京市2014年9月4日LST反演結(jié)果（圖1）。由圖1可知，3種算法反演得到的LST空間分布規(guī)律基本一致。溫度較高的地區(qū)集中在中部及東南部不透水面為主的地區(qū);北部地區(qū)及西部地區(qū)溫度較低，低溫區(qū)域相對(duì)集中在西北部樹木和裸土為主的地區(qū)以及東北部樹木覆蓋的地區(qū);水體分布地區(qū)是周邊的低溫中心，如東部的于橋水庫、中部的密云水庫和懷柔水庫以及西部的官廳水庫。

3.2 反演結(jié)果精度驗(yàn)證 為驗(yàn)證3種算法的精度，選取與Landsat8影像成像同一日期相近時(shí)刻（2014年9月4日11時(shí)）的北京市60個(gè)氣象觀測點(diǎn)的實(shí)測數(shù)據(jù)，并從站點(diǎn)柵格內(nèi)統(tǒng)計(jì)3種算法反演得到的LST進(jìn)行驗(yàn)證。由表1可知：RTE算法、JM_SC10算法和TIRS10_SC算法的RMSE分別為4.51℃、3.92℃和5.03℃，各算法反演的LST普遍高于站點(diǎn)實(shí)測值且偏差不大，反演精度較為接近;其中TIRS10_SC算法RMSE最小，表明其反演的LST與觀測點(diǎn)溫度偏差最小，可信反演精度更高。在相關(guān)性方面，RTE、TIRS10_SC、JM_SC10等3種算法的回歸系數(shù)R2值分別為0.4168、0.4131及0.4239，表明3種算法反演的LST與觀測點(diǎn)溫度的相關(guān)性較好。

4 結(jié)論與討論

本文基于2014年9月4日北京市Landsat8遙感數(shù)據(jù)，通過RTE算法、JM_SC10算法及TIRS10_SC算法進(jìn)行了LST反演，并通過60個(gè)觀測點(diǎn)實(shí)測溫度對(duì)反演結(jié)果進(jìn)精度驗(yàn)證，主要結(jié)論如下：

（1）3種算法反演的LST的空間分布格局相似，且普遍高于觀測點(diǎn)溫度。不同算法反演的LST存在差異，JM_SC10算法反演的LST高于其他2種算法。

（2）3種算法與觀測點(diǎn)數(shù)據(jù)存在較好的相關(guān)性，其R2值分別為0.4168、0.4131和0.4239;反演精度有差別，TIRS10_SC算法的反演精度最好，RTE算法次之，JM_SC10算法的較差，RMSE分別為3.92℃、4.51℃和5.03℃。

本文的結(jié)果具有一定的適用性，可以為LST反演算法的選擇提供一定的參考。但LST受多方面因素的影響，研究不同區(qū)域LST反演算法的適用性是今后的重點(diǎn)。

參考文獻(xiàn)

[1]ZAK?EK K，O?TIR K.Downscaling land surface temperature for urban heat island diurnal cycle analysis[J].Remote Sensing of Environment，2012，117：114-124.

[2]SEKERTEKIN A，KUTOGLU S H，KAYA S.Evaluation of spatio-temporal variability in Land Surface Temperature：A case study of Zonguldak，Turkey[J].Environmental Monitoring and Assessment，2015，188（1）：30.

[3]BHARDWAJ A，SINGH S，SAM L，et al.A review on remotely sensed land surface temperature anomaly as an earthquake precursor[J].International Journal of Applied Earth Observation and Geoinformation，2017，63：158-166.

[4]胡德勇，喬琨，王興玲，等.單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學(xué)報(bào)，2015，19（06）：964-976.

[5]JIM?NEZ-MU?OZ J C，SOBRINO J A，SKOKOVIC' D，等.Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J].IEEE Geoscience and Remote Sensing Letters，2014，11（10）：1840-1843.

[6]JIM?NEZ-MU?OZ J C，SOBRINO J A.A generalized single-channel method for retrieving land surface temperature from remote sensing data[J].Journal of Geophysical Research：Atmospheres，2003，108（D22）.

[7]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.

[8]KAUFMAN Y J，GAO B-C.Remote sensing of water vapor in the near IR from EOS/MODIS[J].IEEE Transactions on Geoscience and Remote Sensing，1992，30（5）：871-884.

（責(zé)編：張宏民）