云下遙感地表溫度重構方法研究

周芳成, 唐世浩, 韓秀珍, 宋小寧, 曹廣真

(1.國家衛(wèi)星氣象中心，北京 100081; 2.中國科學院大學，北京 100049)

0 引言

地表溫度是地表-大氣之間水熱平衡中一個重要的參數(shù)，不僅可用于判斷火災和地震帶、找礦和地熱資源、研究城市熱島效應[1-2]； 還直接影響著蒸散發(fā)、土壤含水量、植被和土壤生化特性、大氣可降水量、區(qū)域CO2含量等重要參數(shù)[3-8]。在大氣、生態(tài)、水文和生物地球化學等諸多領域的研究模型中，地表溫度是常見的輸入變量，其精度直接影響著模型的輸出精度[9]。因此，獲取高精度和連續(xù)性的地表溫度數(shù)據(jù)具有非常重要的意義。

雖然地面測站可以獲取高精度和全天候的地表溫度觀測數(shù)據(jù)，但是稀疏分布的地面測站無法覆蓋地表溫度強烈的空間異質(zhì)性，使得站點觀測可能會遺漏大尺度地表溫度的空間變化信息。隨著對地觀測衛(wèi)星的發(fā)展，遙感技術被認為是唯一可以在全球尺度保證高時間分辨率和空間全覆蓋的地表溫度觀測手段[10]?；谶b感技術的地表溫度反演成為大尺度地表溫度獲取的有效手段。當前，基于熱紅外遙感的地表溫度反演理論與方法已經(jīng)較為成熟，可以獲得較高精度的晴空地表溫度遙感產(chǎn)品[11-12]，但是受制于熱紅外遙感無法穿透云層，有云地區(qū)地表溫度遙感數(shù)據(jù)存在缺失，極大影響了地表溫度數(shù)據(jù)的全天候應用需求。對云下缺失地表溫度遙感數(shù)據(jù)進行重構，獲得全天候地表溫度遙感數(shù)據(jù)、滿足其全天候應用的需求是當前研究的熱點。

當前，國內(nèi)外已發(fā)展出很多缺失數(shù)據(jù)重構方法，如最優(yōu)插值法(optimal interpolation, OI)、經(jīng)驗正交函數(shù)分解法(empirical orthogonal function, EOF)、期望最大化法(expectation maximization, EM)、奇異譜方法(singular spectrum analysis, SSA)、卡爾曼濾波(Kalman filter, KF)、本征模態(tài)分解法(proper orthogonal decomposition, POD)、變分資料同化(variational data assimilation, VDA)等[13]。在國內(nèi)，趙冰等[14]利用鄰近非空像元采用反距離加權回歸法重建缺失像元； 吳迪等[15]以FY-2F地表溫度日均值產(chǎn)品為數(shù)據(jù)源，利用地表溫度時間序列特征，開展了基于Savitzky-Golay濾波算法的地表溫度長時間序列的重建研究。上述方法通常受到輸入數(shù)據(jù)時間序列長度、地表覆蓋類型等因素影響。本文發(fā)展的第1種重構方法是借助地表溫度同化數(shù)據(jù)集發(fā)展的一種時空匹配的數(shù)據(jù)融合方法； 第2種重構方法是已經(jīng)在海表數(shù)據(jù)重構方面獲得了廣泛應用的基于EOF法的經(jīng)驗正交函數(shù)插值法(data interpolating empirical orthogonal function, DINEOF)方法。DINEOF方法在陸地參數(shù)的重構方面研究較少，本文嘗試將其應用于地表溫度重構的研究中并評價其精度。2種方法基于不同的輸入數(shù)據(jù)，可為未來地表溫度的全天候獲取研究提供有益的幫助。

1 數(shù)據(jù)與方法

1.1 數(shù)據(jù)

相比白天，夜間的地表溫度空間覆蓋數(shù)據(jù)具有更小的空間異質(zhì)性，因此本文用到的原始地表溫度遙感數(shù)據(jù)是來自Aqua衛(wèi)星搭載的中分辨率成像光譜儀(Moderate-resolution Imaging Spectroradiometer, MODIS)的夜間晴空地表溫度數(shù)據(jù)(MYD11C1)，0.05°空間分辨率，過境時間約為當?shù)貢r間01∶30，下載自美國國家航空航天局網(wǎng)站。為了滿足方法1對輸入數(shù)據(jù)的要求，本文使用了中國氣象局陸面數(shù)據(jù)同化系統(tǒng)(China Meteorological Administration Land Data Assimilation System Version 2.0, CLDAS-V2.0)的地表溫度同化數(shù)據(jù)集。CLDAS的地表溫度數(shù)據(jù)集是中國氣象局推出的覆蓋亞洲區(qū)域(N0°～65°，E60°～160°)、全天候、具有0.062 5°空間分辨率與1 h時間分辨率的等經(jīng)緯度網(wǎng)格融合分析產(chǎn)品，該數(shù)據(jù)集的優(yōu)點是利用了多源的地面、衛(wèi)星等觀測資料，在中國區(qū)域質(zhì)量和時空分辨率都優(yōu)于國際同類產(chǎn)品。為了滿足方法2對輸入數(shù)據(jù)的要求，下載了2017年全年的每日MYD11C1數(shù)據(jù)以構成時間維。

為了對比2種方法的適應性和精度，本文分別使用遙感數(shù)據(jù)交叉驗證和地面實測數(shù)據(jù)直接驗證2種方法。遙感數(shù)據(jù)驗證選擇了位于不同經(jīng)緯度、不同土地利用類型、不同氣候條件的3個驗證區(qū)(圖1)，分別位于塔克拉瑪干沙漠地區(qū)(驗證區(qū)1，裸土、少云)、山東半島地區(qū)(驗證區(qū)2，農(nóng)田、多云)、南方某地(驗證區(qū)3，林地和草地、多云)。重構前，首先對3個驗證區(qū)產(chǎn)生人造云(即將原有的有效值改為空值)，重構后對比原始值與重構值的精度。地面驗證數(shù)據(jù)是來自中國地面氣象站逐小時觀測資料的地表溫度數(shù)據(jù)，用于驗證有云條件下重構值的精度。精度評價指標為均方根誤差(root mean square error, RMSE)和偏差(Bias)。在2017年全年數(shù)據(jù)中隨機選取1月、4月、7月、10月的一天數(shù)據(jù)分別代表冬季、春季、夏季、秋季，進行時間上的驗證。

圖1 驗證區(qū)的位置及土地利用類型(底圖為MODIS的2017年土地利用類型產(chǎn)品MCD12C1)Fig.1 Locations and land use types of verification zones

1.2 兩種云下缺失數(shù)據(jù)重構方法

1.2.1 同化數(shù)據(jù)重構法

同化數(shù)據(jù)通常融合了多源地面和衛(wèi)星觀測資料，結(jié)合同化、插值、反演、校正等技術，一般具有較高的精度，且不受氣象條件影響，可以實現(xiàn)數(shù)據(jù)的全天候獲得。當前常見的同化數(shù)據(jù)集有全球陸面數(shù)據(jù)同化系統(tǒng)、北美陸面數(shù)據(jù)同化系統(tǒng)、歐洲陸面數(shù)據(jù)同化系統(tǒng)、加拿大陸面數(shù)據(jù)同化系統(tǒng)、中國陸面數(shù)據(jù)同化系統(tǒng)等。本文以中國氣象局的CLDAS地表溫度數(shù)據(jù)集為例，首先將其與MODIS的地表溫度產(chǎn)品進行時空尺度匹配，然后將時空匹配后的地表溫度值賦給MODIS云下缺失像元。CLDAS地表溫度數(shù)據(jù)集具有全天候、高時空分辨率、高精度的優(yōu)勢，利用中國區(qū)域業(yè)務的質(zhì)量控制后的地表溫度自動站觀測資料對CLDAS地表溫度數(shù)據(jù)集進行評估，全國區(qū)域平均相關系數(shù)為0.98，RMSE為1.8 K，偏差為1.4 K。但是CLDAS是1 h分辨率的全范圍地表溫度，與極軌衛(wèi)星的過境時間地表溫度具有差異性，特別是中國區(qū)域橫跨多個時區(qū)，如果用單一時刻的CLDAS地表溫度去重構會產(chǎn)生較大的誤差。本文發(fā)展了一種時空數(shù)據(jù)匹配的融合方法，使CLDAS的地表溫度盡量符合極軌衛(wèi)星地表溫度，其工作流程為：

1)根據(jù)MYD11C1攜帶的晴空像元衛(wèi)星過境時間信息，對有云像元的過境時間進行插值。

2)將各個像元的衛(wèi)星過境時間進行四舍五入取整，以符合CLDAS數(shù)據(jù)1 h時間分辨率的要求，同時也保證了重構的地表溫度因為時間差異而造成的誤差控制在0.5 h以內(nèi)。

3)對CLDAS的地表溫度數(shù)據(jù)集進行空間分辨率的降尺度操作，將原始的0.062 5°降尺度到與MYD11C1相同的0.05°，由于空間分辨率相差不大，忽略由于降尺度可能產(chǎn)生的誤差。

4)根據(jù)有云像元的過境時間和位置信息尋找與之對應時刻和位置的CLDAS地表溫度數(shù)據(jù)，并將該值賦給MYD11C1缺失像元。

5)由于CLDAS和MODIS在晴空像元處的地表溫度值也有差異，因此可以假設缺失點處也存在同樣的誤差。因此，本文對缺失點處的初始猜測值又提出了二次訂正的思路： 用非缺失點處的重構誤差幫助訂正缺失點處的猜測值，對猜測結(jié)果進行二次優(yōu)化。計算公式為：

ER=Vrecon-Vorig，

(1)

Vrecon,after=Vrecon,before-ER，

(2)

式中：Vorig為非缺失點處的原始值；Vrecon為非缺失點處的猜測值；ER為重構誤差；Vrecon,before和Vrecon,after分別為缺失點處二次訂正前和二次訂正后的猜測值。

1.2.2 DINEOF重構法

DINEOF法是由Beckers等[16]提出的一種基于經(jīng)驗正交函數(shù)分解法來重構時空場中缺失點的方法，該方法需要大量的歷史數(shù)據(jù)構成時間維，通過對缺失點的歷史數(shù)據(jù)分析提高重構精度。相比于經(jīng)典的OI法[17]，DINEOF法具有無需先驗值、自適應、效率高的優(yōu)點[13,18]，目前已經(jīng)在海表溫度、葉綠素a濃度、海面風場數(shù)據(jù)的重構應用中發(fā)揮了重要作用[19-22]。當前國內(nèi)文獻對DINEOF方法在地表溫度重構上的研究并不多，國際上，Zhou等[23]將其應用于在了青藏高原阿里地區(qū)的地表溫度重構。DINEOF法的基本原理與工作流程可參考相關文獻[16,18]。值得注意的是，DINEOF模型在數(shù)據(jù)重構的賦值過程中，在缺失點處賦以猜測值，在非缺失點處則同時存在猜測值和原始值，雖然最終只保留了原始值，但在非缺失點處其實存在一個潛在的重構誤差(猜測值與原始值的差異)，相對應的，可以假設缺失點處也存在同樣的重構誤差。此處采用與同化數(shù)據(jù)重構法相同的二次訂正對缺失點重構值進行糾正。

2 結(jié)果與分析

2.1 分布趨勢

圖2—5分別是2017年的冬季(1月9日)、春季(4月27日)、夏季(7月12日)和秋季(10月12日)共4天的地表溫度分布圖。

從圖中看出，MYD11C1晴空地表溫度分布圖由于有云遮擋，地表溫度分布呈破碎狀，特別是南方部分地區(qū)，云覆蓋范圍大且覆蓋時間長，極大影響了對地表溫度全天候應用的需求； 而經(jīng)過2種重構方法重構后的地表溫度分布圖修復了地表溫度分布的破碎性，更好地表現(xiàn)出隨季節(jié)的更替(冬-春-夏-秋)，北部的低溫區(qū)域(藍色)消失，南部的高溫區(qū)域(紅色)從南向北推進又回到南部的趨勢。從視覺效果上看，重構圖不僅更加美觀，而且具有與地勢起伏和時間變化相符合的豐富的地表溫度紋理特征，體現(xiàn)了地表溫度分布的空間異質(zhì)性和時間差異性，其分布趨勢較為合理，表明2種重構方法均有較高的可信度。

2.2 遙感數(shù)據(jù)驗證

遙感數(shù)據(jù)交叉檢驗可以在同一個空間尺度上對重構值進行評價，原始的MODIS地表溫度作為真值，產(chǎn)生人造云對其遮擋，通過對比原始值與重構值來評價其精度。本文對3個驗證區(qū)所屬的土地利用類型進行了評價(4季4天)。圖6— 8分別是晴空條件下2種重構方法在驗證區(qū)1(沙漠)、驗證區(qū)2(農(nóng)田)和驗證區(qū)3(林草混合地)的重構精度的對比散點圖。驗證區(qū)1塔克拉瑪干沙漠地區(qū)的數(shù)據(jù)點分布在3個區(qū)域，主要是因為所選驗證區(qū)在10月12日當天無有效數(shù)據(jù)； 驗證區(qū)2山東農(nóng)田地區(qū)的數(shù)據(jù)點也分布在3個區(qū)域，分別代表了冬季(低溫)、夏季(高溫)和春秋(中溫)，表明山東農(nóng)田地區(qū)的地表溫度有較為明顯的四季變化，春秋季節(jié)地表溫度則較為接近； 驗證區(qū)3林草混合地區(qū)數(shù)據(jù)點主要集中在285 K和293 K附近的2個區(qū)域，說明南方林草混合地區(qū)全年較為溫暖。從圖中看出，不同地類條件下2種方法的精度均較為接近，其中農(nóng)田和沙漠地區(qū)的RMSE都小于2 K，Bias都小于1 K，精度較好； 林草混合地的RMSE約為2.7～2.9 K，精度略差的原因體現(xiàn)在2方面： 一是南方地區(qū)有云天數(shù)較多，有效值較少，因此DINEOF法條件下可參考的時間維信息較少； 二是同化數(shù)據(jù)重構法當中CLDAS主要表現(xiàn)的是土壤表層溫度信息，而MODIS在高植被覆蓋區(qū)則主要體現(xiàn)植被冠層溫度，兩者存在一定誤差。從結(jié)果看，2種方法在少云、地類單一的地區(qū)重構精度較好； 在多云、地類復雜地區(qū)重構精度略有降低。

2.3 地面實測數(shù)據(jù)驗證

重構是為了解決云下地表溫度數(shù)據(jù)缺失的問題，因此本文更關注2種方法在有云地區(qū)的重構精度。有云地區(qū)由于無遙感地表溫度產(chǎn)品，只能依賴于地面站點的實測值進行驗證，站點實測值是基于點尺度，而本文重構的地表溫度是基于面尺度(0.05°空間分辨率)，2種尺度的地表溫度存在一定的誤差，因此本文在利用地面實測數(shù)據(jù)驗證前，首先建立了地面實測數(shù)據(jù)和晴空遙感數(shù)據(jù)之間的尺度匹配關系：

LSTRS=aLSTground+b，

(3)

式中：LSTRS為地面站點所處像元在晴空條件的MODIS地表溫度值；LSTground為地面站點測量的地表溫度值；a和b為系數(shù)。將式(3)應用于有云地區(qū)，計算出像元尺度地面實測值，縮小尺度差異對結(jié)果的影響。

地面實測數(shù)據(jù)的驗證首先根據(jù)中國地面氣象站所處經(jīng)緯度判斷每一個站點是否處于有云地區(qū)，判斷為“是”的站點地表溫度參與驗證。圖9是云下地面站點數(shù)據(jù)和2種重構地表溫度的對比散點圖。從圖9中看出，冬季整體精度略差于其他3個季節(jié)，2種方法的RMSE分別為3.21 K和3.20 K； 秋季精度最好，2種方法RMSE均在2.5 K左右； 春季2種方法精度相差較大，同化數(shù)據(jù)重構法的RMSE為3.05 K，DINEOF重構法只有2.54 K； 夏季的散點數(shù)量最多，因為夏季云量多，表明大部分站點地區(qū)都被云遮擋，2種方法在夏季的RMSE分別為3.08 K和3.02 K，相差不大?？傮w來看，2種方法在春季精度相差較大，達到0.5 K，DINEOF重構法較優(yōu)，在其他季節(jié)2種方法精度比較接近； 2種方法在有云地區(qū)全年精度可以達到2.5～3.5 K之間。

3 結(jié)論

本文發(fā)展了2種方法來重構全天候地表溫度遙感產(chǎn)品，并對其進行了驗證和評價： 方法1是基于同化地表溫度數(shù)據(jù)集的重構方法，本文發(fā)展了一套時空匹配融合方法，減小了同化數(shù)據(jù)獲取時間與極軌衛(wèi)星過境時間下地表溫度的差異，并根據(jù)晴空條件下2種地表溫度的系統(tǒng)誤差對云下數(shù)據(jù)二次訂正以消除重構誤差； 方法2是將當前在海表參數(shù)重構研究中較為流行的DINEOF法應用于地表溫度重構研究，并對其增加了二次訂正來消除重構誤差。

通過對重構數(shù)據(jù)的地表溫度分布圖觀察，2種方法都能較好地重構云下缺失地表溫度，并能體現(xiàn)出地形差異和時間差異導致的地表溫度紋理特征，從空間分布趨勢來看，2種方法的重構結(jié)果都較為可信。從對遙感數(shù)據(jù)的驗證結(jié)果來看，2種方法在沙漠、農(nóng)田、林草混合地3個驗證區(qū)的RMSE均小于3 K，Bias小于1 K； 通過對地面實測數(shù)據(jù)的驗證結(jié)果來看，在預先消除驗證數(shù)據(jù)與重構數(shù)據(jù)的尺度差異之后，2種方法在有云地區(qū)全年精度可以達到2.5～3.5 K之間； 2種方法精度在夏秋冬比較接近，春季DINEOF重構法優(yōu)于同化數(shù)據(jù)重構法。