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(jī)點(diǎn)統(tǒng)計(jì)方法，分析LST與歸一化植被指數(shù)（NDVI）、數(shù)字高程模型（DEM）、坡向之間的關(guān)系。結(jié)果表明，研究區(qū)反演的LST為22.51～45.71 ℃，低值區(qū)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(qū)域，高值區(qū)主要分布在西部、南部城鎮(zhèn)密集、高程和NDVI值均較小的區(qū)域。LST與NDVI、DEM 2個(gè)影響因素均呈現(xiàn)明顯負(fù)相關(guān)，不同坡向的LST與一般認(rèn)知一致，陽坡高于陰坡。

關(guān)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(xiàn)標(biāo)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(qū)域自然環(huán)境的關(guān)鍵參數(shù)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(huán)境監(jiān)測[2]、農(nóng)業(yè)旱災(zāi)監(jiān)測[3]、區(qū)域氣候變化[4]等眾多研究領(lǐng)域均具有重要作用。隨著空間信息技術(shù)的發(fā)展，衛(wèi)星遙感技術(shù)成為反演LST的重要手段，其中陸地（Landsat）系列衛(wèi)星所搭載的熱紅外（TIRS）傳感器獲取的數(shù)據(jù)利用輻射傳輸方程可直接關(guān)聯(lián)LST，應(yīng)用最為廣泛，國內(nèi)外很多LST反演研究大多基于該數(shù)據(jù)展開，并提出了多種不同的經(jīng)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(nèi)外學(xué)者對影響LST的因素進(jìn)行了研究，包括LST與土地利用（LUCC）、地形因子的關(guān)系[8]，LST與歸一化水汽指數(shù)、歸一化植被指數(shù)的關(guān)系[9]等，從以上研究結(jié)果發(fā)現(xiàn)不同地區(qū)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(qū)，利用2022年9月28日Landsat- 8數(shù)據(jù)，采用單窗算法反演LST，分析研究區(qū)秋季LST空間分布特征以及其與歸一化植被指數(shù)（Normalized" Difference Vegetation Index，NDVI）、數(shù)字高程模型（Digital Elevation Model，DEM）和坡向之間的關(guān)系，為開展撫州市城市熱島效應(yīng)研究提供依據(jù)。

1" 研究區(qū)與數(shù)據(jù)

1.1" 研究區(qū)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(nèi)東、南、西三面環(huán)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(gòu)成北東向斜“川”字形地貌框架。氣候?qū)倌戏綕駶櫠嘤昙撅L(fēng)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(shí)數(shù)1 585.5 h，風(fēng)向全年平均以靜風(fēng)為主。市域生態(tài)環(huán)境整體較好，森林覆蓋率達(dá)67.2%，先后被評為全國“50強(qiáng)氧吧城市”、國家園林城市、國家森林城市。

1.2" 數(shù)據(jù)來源

本文采用的遙感數(shù)據(jù)來源于美國地質(zhì)調(diào)查局網(wǎng)站（USGS，https：//www. usgs.gov），DEM來源于地理空間數(shù)據(jù)云平臺（http：//www.gscloud.cn），其中Landsat-8數(shù)據(jù)3景，ASTGTM2 DEM數(shù)據(jù)6景，具體信息見表1。

1.3" 數(shù)據(jù)預(yù)處理

本文利用ENVI 5.6軟件對3景Landsat-8數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、拼接和裁剪等預(yù)處理得到研究區(qū)影像，對6景ASTGTM2 DEM數(shù)據(jù)進(jìn)行投影、拼接、裁剪得到研究區(qū)DEM影像。

2" 研究方法

2.1" 歸一化植被指數(shù)（NDVI）

NDVI由Rouse等[10]基于Landsat-5遙感數(shù)據(jù)提出，該指數(shù)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(qiáng)吸收性的特點(diǎn)，采用歸一化差值處理思路構(gòu)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(shù)據(jù)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(gè)參數(shù)，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(guān)的系數(shù)；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(wǎng)站查詢）；K1和K2是輻射常量（通過USGS網(wǎng)站查詢）；B（Ts）是經(jīng)過輻射定標(biāo)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(qū)域的NDVI值；NDVIveg是完全被植被所覆蓋的區(qū)域的NDVI值。

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

3" 結(jié)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(qū)LST，研究區(qū)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(qū)域，LST高值主要分布在西部、南部城鎮(zhèn)密集、高程和NDVI值均較小的區(qū)域，由此可知LST與DEM、NDVI的關(guān)系較為明顯。

3.2" LST與影響因素關(guān)系

為進(jìn)一步探討LST與影響因素之間的關(guān)系，選擇影響LST的3個(gè)因素，分別為NDVI、DEM和坡向，采取隨機(jī)點(diǎn)統(tǒng)計(jì)方式分析以上3個(gè)因素與LST的相關(guān)性。利用ArcGIS軟件在研究區(qū)內(nèi)隨機(jī)選取2 200個(gè)點(diǎn)，分別提取LST、NDVI、DEM和坡向的數(shù)值，然后導(dǎo)出數(shù)據(jù)，在Excel軟件中生成散點(diǎn)圖，并進(jìn)行相關(guān)性分析。

3.2.1" LST與NDVI關(guān)系

根據(jù)參考文獻(xiàn)經(jīng)驗(yàn)，分析LST與NDVI相關(guān)性時(shí)應(yīng)去除水體的影響，一般情況下NDVI小于0的區(qū)域?yàn)樗w，因此選取NDVI大于0的數(shù)據(jù)與LST數(shù)據(jù)建立散點(diǎn)圖，結(jié)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(guān)系的認(rèn)知一致，隨著NDVI增大，LST逐漸減小，兩者呈現(xiàn)明顯的負(fù)相關(guān)。

3.2.2" LST與DEM關(guān)系

LST數(shù)據(jù)與DEM數(shù)據(jù)建立散點(diǎn)圖結(jié)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(guān)系的認(rèn)知一致，隨著DEM增大，LST逐漸減小，兩者呈現(xiàn)明顯的負(fù)相關(guān)。

3.2.3" LST與坡向關(guān)系

LST數(shù)據(jù)與坡向數(shù)據(jù)建立散點(diǎn)圖結(jié)果如圖3所示，從圖3中可以明顯看出，其與人們的一般認(rèn)知一致，即陽坡的溫度比陰坡的溫度稍高，因此兩者的關(guān)系呈現(xiàn)為中間略高兩頭低的特點(diǎn)。

4" 結(jié)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(gè)影像因素之間的關(guān)系。研究結(jié)果表明，撫州市反演的LST為22.51～45.71℃，低值區(qū)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(qū)域，高值區(qū)主要分布在西部、南部城鎮(zhèn)密集、高程和NDVI值均較小的區(qū)域。撫州市LST與NDVI、DEM 2個(gè)影響因素均呈現(xiàn)明顯負(fù)相關(guān)，不同坡向的LST與一般認(rèn)知一致，陽坡高于陰坡。本文僅分析了NDVI、DEM和坡向3個(gè)影像因素與LST之間的關(guān)系，事實(shí)上影響LST因素并不止以上3個(gè)，還包括太陽輻射、氣候變化、人類活動和土地利用等，相關(guān)研究還有待進(jìn)一步開展。

參考文獻(xiàn)：

[1] 段四波，茹晨，李召良，等.Landsat衛(wèi)星熱紅外數(shù)據(jù)地表溫度遙感反演研究進(jìn)展[J].遙感學(xué)報(bào)，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(shù)據(jù)在農(nóng)業(yè)旱災(zāi)動態(tài)監(jiān)測中的應(yīng)用——以河南省為例[D].杭州：浙江農(nóng)林大學(xué)，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(shí)驗(yàn)研究[J].西安建筑科技大學(xué)學(xué)報(bào)（自然科學(xué)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(guān)系研究[J].江蘇農(nóng)業(yè)科學(xué)，2018，46（18）：164-171.

[9] 孫常峰，孔繁花，尹海偉，等.山區(qū)夏季地表溫度的影響因素——以泰山為例[J].生態(tài)學(xué)報(bào)，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.