基于MODIS数据的黄河源区近地表气温遥感反演

周曙光，张耀生，赵新全，米兆荣

(1.中国科学院西北高原生物研究所 高原生物适应与进化重点实验室，青海 西宁 810001；2.中国科学院研究生院，北京 100049)

气温是植物生理、水文、气象、环境科学非常关注的一个近地表气象参数，是描述陆地环境条件的重要参数，也是气象观测资料中最基本的观测项目之一[1]。近地表气温同时控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等)，气温变化也影响着农作物栽培[2-3]、种子萌发[4-6]、农情监测、森林火险监测[7]、高山冻土[8]等诸多方面。

青藏高原是世界上海拔最高、面积最大、最年轻的高原，具有独特的气候和自然环境，占我国国土面积的 26%，长波辐射在地表辐射平衡中占有重要分量，所以青藏高原对“温室效应”的响应比其他地域灵敏[9]，并与全球环境变化关系密切[10]，获取气温的时间和空间分布数据对于更好地理解青藏高原气候变化、陆地表面过程以及对全球变化的响应研究等都有着非常重要的意义。

从区域能量平衡的观点来看，遥感获取的陆地表面温度(land surface temperature，LST)和气温之间必然存在着能量方面的联系，因此，用遥感获取LST并建立它和气温之间的关系也是可能的。李超等[11]研究表明，在各个季节，地表温度平均值与近地面气温平均值之间呈高度线性正相关。用卫星遥感数据来反演温度已有很长的历史，最早可以追溯到20世纪60年代初期所发射TIROS-II[12]。近年来，越来越多人用NOAA/AVHRR及MODIS等遥感数据进行反演温度的研究[1,13-15]，也曾有人用遥感的方法对青藏高原的温度状况进行了研究[16-17]。遥感资料具有大范围、实时、周期性的特点，能够满足对地表温度的宏观、动态监测和分析，可以弥补人工气象站数量稀少的不足，改进实测资料稀少地区的数值天气预报模式精度[18]，也可以减少因气象台站布设问题而产生的误差。本研究利用面向全球发布、可以免费接收和无偿使用的MODIS数据，这极有助于研究方法和成果的普及和推广。

1 试验区概况

试验区位于黄河上游的同德县，是三江源自然保护区的试验区，属于大陆高原性气候。海拔3 105～4 036 m，位于34°38′～35°39′ N，100°08′～101°09′ E，年均温为 -3．0～6．1 ℃，最热月7月的平均气温为11．9 ℃，最冷月1月的平均气温为-13．2 ℃；年降水量230～540 mm，蒸发量1 466 mm；各地降水差异悬殊，雨量分布呈南多北少、东多西少的趋势，降水多集中在5-9月，占年总降水量的85%以上，季节分布极不均匀；年日照时数2 550～2 760 h。

试验选择在比较有代表性的高寒草甸、高寒草原、温性草原和栽培草地4种草地类型上，高寒草甸优势种为高山嵩草(Kobresiapygmaea)、矮嵩草(K.humilis)、苔草(Carexscaposa)等，此草地为夏季牧场。高寒草原优势种为紫花针茅(Stipapurpurea)、矮嵩草等，通常在冬季放牧。温性草原优势种为克氏针茅(S.krylovii)、青海固沙草(Orinuskokonorica)等，该草地为冬季放牧地。栽培草地优势种为垂穗披碱草(Elymusnutans)、高山嵩草等，栽培草地已种植6年，一直严格禁牧，但每年定期收割，随着种植年限的延长，草地早熟禾(Poapratensis)、二裂委陵菜(Potentillabifurca)等种群在草地群落中呈逐年增加趋势。各观测点概况如表1所示。

表1 各观测点概况

2 数据来源与处理

2.1观测数据 实测气温来自每种草地类型上架设的小型自动气象站(HOBO weather station，USA)，数据为2007年全年采集的距地表2 m处的气温，数据自动记录间隔为20 min。

遥感数据来自美国(Land Process Distributed Active Archive Center,LPDAAC)，为MODIS数据产品(MOD11A1)，该产品时间分辨率为1 d，空间分辨率为1 000 m，数据的时间序列为2007年1月1日-12月31日，共计363景影像(有2 景缺失，分别为3 月20日和11月13日)。数据经过严格的辐射校正和几何校正，可以用于科学研究。

2.2数据处理 在MODIS数据处理软件MRT的支持下，用ERDAS 9.2图像处理软件将覆盖研究区的*.hdf文件重采样到Albers投影，参考椭球WGS84，中央经线为105° E，两条标准纬线分别为25° N和47° N。然后根据GPS测定的4种草地类型上气象站的经纬度信息，从遥感影像中获取相应站点的LST值。对全年白天与夜间卫星过境时间分别求均值，发现白天过境时间约为11:45，夜间过境时间约为 22:20，为了与白天和夜间卫星过境时间相对应，使近地表气温反演更精确，取11:00、12:00、13:00为白天实测近地表气温值，取21:00、22:00、23:00地面气象站记录的气温的均值作为夜间实测近地表气温值。

分4个气象站，把2007年全年的遥感影像数据和气温数据按时间先后排列，根据影像中的质量控制信息对遥感数据进行筛选，只使用影像质量最好(QC_Day或QC_Night值为0)的数据，实测的近地表气温也只保留与质量最好的影像对应的那些天数的数据。然后把筛选出来的数据按时间先后排列并依次编号，再分成两组，序号为奇数的数据为第1组，用这一组数据建立实测温度与MODIS-LST的相关方程；序号为偶数的数据为第2组，用第2组数据检验第1组数据建立的方程。

3 结果与分析

3.14种草地白天气温与LST的相关分析 4种草地白天实测气温与LST的相关关系都较好，它们的相关方程的决定系数都较高(表2)，通过验证每一个反演方程发现，实测值与方程反演值的差值的标准差都在4 K左右，实测值与方程反演值差值的平均值都在3 K左右,反演精度较高，具一定的应用价值。

3.24种草地夜间气温与LST的相关分析 4种草地夜间实测气温与LST的相关关系都很好，4个方程的决定系数都超过0.900，实测值与方程反演值差值的标准差都在3 K左右，实测值与方程反演值差值的平均值都在2 K左右，反演精度较高(表2)。

3.3白天和夜间反演结果比较 对比4种草地的反演方程发现，无论是白天还是夜间，4个方程的反演结果之间的差异都不显著。将4种草地白天和夜间的实测气温数据和遥感数据放在一起，用类似2.2部分描述的方法建立方程并进行检验。结果发现，夜间距地面2 m处气温与MODIS-LST的相关性比白天强(图1)。

分析白天和夜间对比遥感反演近地表气温的精度，发现精度都较高(表3)，白天反演的误差平均值的绝对值比夜间高1.35 K，白天的误差标准差比夜间高1.41 K。通过以上分析，并结合反演精度较高的样本数占总样本数的百分比可知，白天的反演精度不如夜间高。

表2 白天气温、夜间气温反演方程及精度

图1 白天和夜间实测气温与陆地表面温度(LST)的相关关系

表3 白天和夜间反演气温精度分析

4 讨论与结论

无论白天还是夜间，MODIS-LST 与近地表气温均表现为强相关，这与Yan等[19]在中国东部地区的研究结果较一致，其研究表明，MODIS-LST与近地表气温有着较好的相关性。但是白天和夜间反演精度之间的差异比较明显，白天的反演精度低，可能是因为白天随着太阳高度角增加，近地面湍流活动加强，地表蒸发到大气中的水汽增加，而水汽对10.5～12.5 μm 红外辐射有着较强的吸收，造成MODIS-LST反演的误差较大。夜间则没有太阳辐射，地面温度迅速下降，气温降低，空气趋于稳定层结，运动较少，大气中水汽含量减少，因而反演效果较好。

虽然不同草地类型具有不同的物种组成、冠层结构等，但本研究发现，不同下垫面对近地表气温反演的精度没有明显影响，这与Vancutsem等[20]在非洲多种生态系统类型的近地表气温反演研究较一致，其研究表明气温与MODIS_LST的相关性不受生态系统类型的影响。

本研究所采用的反演方法简单，通过相应软件对遥感数据进行处理，结合较少的地面气象数据建立反演方程，然后就可以将某个没有实测记录的特定位置的遥感数据代入反演方程，对近地表气温进行反演。本研究发现，应用MODIS地表温度产品能够得到精度较高的近地表气温反演结果，白天和夜间反演误差在4 K内的样点所占比例分别达到63.2%和84.5%，5 K内的比例分别达到78.3%和92.7%，白天和夜间气象站实测值与反演值的平均误差分别为3.47 K和2.12 K，反演精度较高，具有较高的应用价值。

本研究应用空间分辨率为1 000 m的遥感数据，存在混合像元问题，但从结果来看，所用数据的空间分辨率已经足以用于反演距地面2 m处的气温，影响遥感反演温度的因素很多，但这些因素不是简单叠加的，乔平林等[21]的研究结果认为，把非均匀地表作为等效均匀地表处理进行地面温度卫星反演是可行的。

[1]齐述华,王军邦,张庆员,等.利用MODIS遥感影像获取近地层气温的方法研究[J].遥感学报,2005,9(5):570-575.

[2]胡玉新,董兰英,孟林云.气温升高对高寒地区农作物栽培的影响[J].现代农业,2009,9:46-46.

[3]程海霞,宋军芳,帅克杰,等.气温变化对晋城市冬小麦适宜播种期的影响[J].安徽农业科学, 2009,37(2):552-553.

[4]李晓梅,赵晓英,赵法,等.新疆3种锦鸡儿属植物种子萌发对温度和土壤水分的响应[J].草业科学,2009,26(10):140-145.

[5]李巧峡,李凯,丁文龙,等.不同处理对北方嵩草种子萌发的影响[J].草业科学,2009,26(8):112-117.

[6]黄文达,王彦荣,胡小文.三种荒漠植物种子萌发的水热响应[J].草业学报,2009,18(3):171-177.

[7]彭光雄,李京,陈云浩,等.利用MODIS大气廓线产品计算空气相对湿度的方法研究[J].热带气象学报,2007,23(6):611-616.

[8]周春清,周志东,廖万雍,等.气温变化对青藏铁路多年冻土的影响初探[J].四川水力发电, 2004,23(S1):1-2.

[9]向波,缪启龙,高庆先.青藏高原气候变化与植被指数的关系研究[J].四川气象, 2001,21(1):29-36.

[10]郑度,林振耀,张雪芹.青藏高原与全球环境变化研究进展[J].地学前缘,2002,9(1):95-102.

[11]李超,刘厚通,迟如利,等.草地下垫面地表温度与近地面气温的对比研究[J].光学技术,2009,4:635-639.

[12]高懋芳,覃志豪,徐斌.用MODIS数据反演地表温度的基本参数估计方法[J].干旱区研究,2007,24(1):113-119.

[13]历华,曾永年,贠培东,等.利用多源遥感数据反演城市地表温度[J].遥感学报,2007,11(6):891-898.

[14]许国鹏,李仁东,刘可群,等.基于MODIS数据的湖北省地表温度反演研究[J].华中师范大学学报：自然科学版,2007,41(1):143-147.

[15]乔平林,张继贤,徐科峰,等.基于卫星遥感数据的陆面温度反演算法研究[J].湖南科技大学学报：自然科学版,2006,21(1):50-53.

[16]杨文.光谱比辐射率对卫星遥感地表温度影响的研究[J].高原气象,1997,16(1):36-44.

[17]Bianduo,Bianbaciren,Li L，etal.The response of lake change to climate fluctuation in north Qinghai-Tibet Plateau in last 30 years[J].Journal of Geographical Sciences,2009,19(2):131-142.

[18]崔彩霞,杨青,杨莲梅.MODIS资料用于塔克拉玛干沙漠地表温度计算方法初探[J].中国沙漠, 2003,23(5):596-599.

[19]Yan H,Zhang J H,Hou Y Y，etal.Estimation of air temperature from MODIS data in east China[J].International Journal of Remote Sensing,2009,30(23):6261-6275.

[20]Vancutsem C,Ceccato P,Dinku T，etal.Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over Africa[J].Remote Sensing of Environment,2010,114(2):449-465.

[21]乔平林,张继贤,王翠华,等.基于遥感数据的非均匀性陆面温度反演方法[J].红外与激光工程,2006,35(4):415-418.