基于高分五号卫星数据的地表温度反演技术研究.docx

《基于高分五号卫星数据的地表温度反演技术研究.docx》由会员分享，可在线阅读，更多相关《基于高分五号卫星数据的地表温度反演技术研究.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于高分五号卫星数据的地表温度反演技术研究龚婷婷 张蕴灵 傅宇浩 曹慧宇 高冰摘要：地表温度是描述陆地表面能量交换的重要参数，其大面积、精确反演已成为气候变化研究的热点。本文基于我国自主发射的高分五号热红外波段数据，采用劈窗算法反演了青藏公路典型路段沿线地表温度，并采用五道梁站地面实测数据进行了精度验证。结果表明，基于高分五号卫星数据的地表温度具有较高精度，确定性系数达0.83。青藏公路格尔木至五道梁段地表温度在2019年3月至2019年10月期间，空间上呈现温度递减趋势，研究区域地表温度范围为-8.825.4。地表温度的高精度反演将为西藏高海拔地区的冻土研究提供更准确的数据支持。关键词：高分

2、五号;地表温度;西藏高海拔;冻土中图分类号：TP79 文献标识码：A 文章编号：1007-9416（2020）07-0086-040 引言地表温度是描述陆地表面能量交换的重要参数，能够提供地表能量平衡状态的时空变化信息，是众多基础学科和应用领域的的关键指标1。精确反演地表温度已成为全球及区域气候变化、全球碳平衡、农作物估产、气象预报、环境监测等领域的研究热点。由于气象站等的实测数据获取终究有限，对空间尺度上的研究十分局限2。近些年来，伴随着遥感技术的发展与进步，具有高空间分辨率和高时间分辨率的卫星数据极大地提高了精确获取大面积地表温度的可操作性。因此，获取大范围地表溫度信息就逐渐倾向于依靠遥感

3、卫星的热红外数据3。热红外遥感能够获取区域和全球范围地表温度，具有覆盖面广、成本相对低廉、可周期获取等优点，是当前地表温度获取的重要途径。国内外许多学者在利用热红外遥感数据反演地表温度方面取得了较大进展，针对不同卫星上所搭载的传感器，众多学者已提出了多样的反演方法4-5。然而，绝大多数的地表温度研究都基于国外卫星的热红外数据开展，例如Landsat系列卫星数据、MODIS数据等，缺乏基于我国自主卫星的热红外数据开展的地表温度反演研究。随着我国高分辨率对地观测系统重大专项于2010年5月正式启动，我国自主的高分5号卫星能获取40米空间分辨率的热红外数据，空间分辨率显著优于其他常用的传感器，如90

4、米的先进星载热辐射和反射仪（ASTER）、100米的Landsat8热红外传器（TIRS）、1000米的中分辨率成像光谱仪（MODIS）等。由此可见，相比中、低空间分辨率数据，高分5号卫星的高空间分辨率热红外数据能更好地满足小区域地表温度精细研究的需求。本文以青藏公路格尔木至五道梁段沿线区域为研究区，基于高分五号热红外波段数据，引入应用较成熟的劈窗算法反演地表温度，探讨高分五号数据反演地表温度的可行性。1 研究区概况和工作流程1.1 研究区概况本文选取青藏公路格尔木至五道梁段作为典型路段，区域内的青藏公路长度约320km，占青藏公路全线的16.5%。研究区域面积为3.4万km2，海拔范围在27

5、00km6200km，平均海拔高度为4442m，公路沿线广泛分布着多年冻土。研究区范围和气象站点分布如图1所示。1.2 工作流程首先利用高分五号数据、MODIS-LST数据、MODIS-NDVI数据分别进行亮温、地表比辐射率、大气水汽含量等参数的计算，然后基于以上计算结果，采用劈窗算法进行地表温度反演。利用五道梁站的实测地温数据，对反演的结果进行精度验证，并对研究区域的地表温度分布情况进行分析（图2）。2 数据选取和处理2.1 高分五号数据高分5号卫星上搭载着全谱段光谱成像仪（VIMS），该传感器包含两个40m分辨率的热红外波段：波段11（10.3011.30m）和波段12（中心波长11.95

6、m）。本文在研究区共下载了192景高分五号影像，影像时间为2019年3月2019年10月。对所有的影像数据进行辐射定标预处理，并删除云层遮挡过多的数据。2.2 其他地表温度产品数据由于高分五号卫星数据量较少，因此，本研究还选择了MODIS/Aqua-LST（MYD11A2）数据集作为替补数据，该数据集为8天合成的空间分辨率为1 km的遥感产品。采用MODLAND提供的MRT（MODIS REPROJECTION TOOL）工具对MODIS-LST影像进行投影、格式转换、数据提取等操作。然后根据对应的QC文件对提取数据进行质量控制，剔除质量较差数值，并采用相邻时间段的对应网格数据对空值进行线性插

7、值。2.3 实测站点地温数据本文选择研究区域内五道梁站的实测数据进行验证，该站点数据为中国气象数据共享网提供的中国地面气候资料日值数据集（V3.0）中的0cm地表温度数据，时间范围为2018-2019年。2.4 植被指数数据本文的植被指数数据采用的是MODIS/Terra-NDVI（MOD13Q1）数据集，该数据集为16天合成的空间分辨率为250m的遥感产品，其质量控制步骤同MODIS-LST产品，同时，将该数据集的空间分辨率重采样至1km。3 方法本文采用劈窗算法来进行研究区地表温度的反演，很多研究结果表明，劈窗算法是一种反演地表温度精度很高的算法6，其计算公式如下：式中，T11，T12分别

8、为GF-5卫星VIMS第11、12波段的亮度温度（K），其计算公式为：（Li为第i波段辐射亮度值;Ki，1和Ki，2为常量，其取值分别为K11，1 =810.6W/（m2srm），K11，2=1332.20K，K12，1=488.75（m2srm），K12，2=1203.99 K）;为平均地表比辐射率，本文采用覃志豪7提出的方法进行计算;为大气水汽含量（g/cm2），采用标准大气透过率估算方程求解得到;C0C6为模拟相关系数：C0=-0.268，C1=1.378，C2=0.183，C3=54.30，C4=-2.238，C5=-129.20，C6=16.400。4 结果4.1 与实测数据的对比验

9、证验证地表温度反演结果精度最直接有效的方法就是与地面观测站点的实测温度进行对比，本文采用五道梁站的实测数据与反演数据进行对比验证，结果如图3所示。从图3可以看出，基于高分五号反演的地表温度数据与五道梁站实测的地表温度比较接近，数据的趋势线接近11线，R2为0.83，这也表明基于高分五号数据反演的地表温度具有较好的精度。同时，由验证结果可知，反演的地表温度与实测数据相比，存在10.4%的低估，主要原因在于：（1）反演的地表温度是表征一个像元内的平均温度，而实测站点数据代表像元中某一点的数值，空间上存在一定的不匹配性，同时，西藏高海拔地区的气候、地形条件差异较大，也易导致反演结果产生一定误差;（2

10、）实测站点的地表温度数据是一天的平均值，而反演的地表温度则为卫星过境的瞬时值估算得到，因此时间上的不一致也导致了误差的产生。4.2 研究区地表温度分布根据图4反演结果可以发现，研究区内2019年3月10月期间，最低地表温度为-8.8，大多数分布在昆仑山脉，最高地表温度为25.4。研究区域内，地表温度大于0的区域面积占52.8%，主要分布在昆仑山脉以北区域，地表温度小于等于0的区域面积占47.2%，主要分布在昆仑山脉及其以南区域。不同温度等级的区域面积比例如表1所示，由统计结果可知，地表温度在-5的区域面積最大，占整个区域面积的46.6%，0-10的区域面积次之，占整个区域面积的28.7%。研究

11、区域的地表温度在空间分布上整体呈现东北高、西南低的趋势，而东北区域的海拔高度范围在2700m-3400m之间，西南区域的海拔高度较高，在4300m以上。这一结果也间接表明，地表温度与海拔高度呈现正相关的空间变化趋势。5 结论文中基于我国自主发射的高分五号热红外波段数据，采用劈窗算法反演了青藏公路典型路段沿线地表温度，并采用研究区域范围内的五道梁站地面实测数据进行了比较和验证。结果表明，基于高分五号卫星数据的地表温度具有较高精度，确定性系数达0.83。青藏公路格尔木至五道梁段地表温度在2019年3月至2019年10月期间，空间上呈现温度递减趋势，研究区域地表温度范围为-8.825.4。地表温度的

12、高精度反演将为高海拔地区的冻土研究提供更准确的数据支持。参考文献1 王亚维，宋小宁，唐伯惠，等.基于FY-2C数据的地表温度反演验证：以黄河源区玛曲为例J.国土资源遥感，2015，27（4）：68-72.2 杨茹，彭鹏，马松跟，等.基于landsat-8地表温度反演以淮河上游为例J.淮阴师范学院学报（自然科学版），2019，18（1）：48-54.3 祝善友，张桂欣，尹球，等.地表温度热红外遥感反演的研究现状及其发展趋势J.遥感技术与应用，2006（5）：420-425.4 毛克彪，覃志豪.针对MODIS影像的劈窗算法研究J.武汉大学学报，2005，30（8）：703-707.5 侯宇初，张冬有.基于landsat-8遥感影像的地表温度反演方法对比研究J.中国农学通报，2019，35（10）：142-147.6 宋挺，段峥，刘军志，等.基于Landsat-8数据和劈窗算法的地表温度反演及城市热岛效应研究J.环境监控与预警，2014，6（5）：4-14.7 覃志豪，李文娟，徐斌，等.陆地卫星TM6波段范围内地表比辐射率的估计J.国土资源遥感，2004（3）：28-32+36+41+74.