基于TM数据的地下煤火区地表温度反演与验证

姬洪亮，塔西甫拉提·特依拜，蔡忠勇，师庆东，魏 军，夏 军

(1.新疆维吾尔自治区交通规划勘察设计研究院，乌鲁木齐 830006;2.新疆大学资源与环境科学学院，乌鲁木齐 830046;3.新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046;4.新疆煤田灭火工程局，乌鲁木齐 830000)

基于TM数据的地下煤火区地表温度反演与验证

姬洪亮1，塔西甫拉提·特依拜2，3，蔡忠勇4，师庆东2，3，魏 军4，夏 军2，3

(1.新疆维吾尔自治区交通规划勘察设计研究院，乌鲁木齐 830006;2.新疆大学资源与环境科学学院，乌鲁木齐 830046;3.新疆大学绿洲生态教育部重点实验室，乌鲁木齐 830046;4.新疆煤田灭火工程局，乌鲁木齐 830000)

以新疆维吾尔自治区水西沟火区为例，利用与Landsat 5卫星2011年7月31日过境同时段的红外辐射计地表温度观测数据，通过多种方法获取了像元尺度的地表温度实测值，并对基于TM数据反演地表温度的单窗算法、普适性单通道算法和Weng算法得到的地下煤火区地表温度进行对比分析与验证。结果表明，3种遥感反演算法得到的水西沟地下煤火区地表温度的空间分布趋势一致，其中，单窗算法与普适性单通道算法较为接近，研究区整体的平均地表温度差值为1.60℃。与地面实测数据相比，3种反演算法结果均低于地表温度实测值。其中，普适性单通道算法与地面实测值一致性最好，决定系数R2为0.886，均方差为1.48℃，其反演结果符合地下煤火区温度的空间分布规律，高温异常区范围明显;反演结果符合要求，在地下煤火区地表温度获取中具有一定的适用性，为提升新疆地下煤火区的动态监测与评价能力选择了有效方法。

地下煤火;地表温度;反演;验证;算法

0 引言

地下煤火是指在自然条件下的煤体与空气接触后，发生一系列化学反应，从氧化自燃到剧烈燃烧后形成一定规模，并对环境产生显著影响的煤自燃现象［1］。地下煤层自燃引发的煤田火灾已经成为我国重大的自然灾害之一，它造成不可再生能源的损失、国土资源的破坏和生态环境的污染。我国政府已把煤田火区自燃灾害的治理列入“中国21世纪议程”［2］。近年来，全球气候变化与全球变暖等焦点问题也给地下煤火区的研究带来了新的使命，使地下煤火区问题越来越受到社会与科学界的一致关注。如何对地下煤火进行探测与监测是煤炭资源和灾害研究的一个新方向与新热点，也是治理地下煤火的基础［3］。

利用遥感技术探测煤田火区已经得到了广泛的应用，并体现出了巨大的价值与潜力。国外学者Sebnem［4］等探讨了遥感和GIS技术在煤火监测、矿区塌陷、生态修复中有关环境影响问题等方面的应用，利用遥感技术可以更加迅速地评估矿区温度模式，支持区域地质制图，得出相关的火区热点;Mishra［5］等利用 Landsat－7 ETM+数据对印度 Jharia煤田火区进行监测，根据普朗克黑体辐射公式进行地表温度反演，然后利用热成像仪对反演温度进行验证，证明利用ETM+数据可以很好地监测煤田火区范围。我国学者采用遥感手段对新疆奇台北山［6］、内蒙古乌达矿区［7］、宁夏汝箕沟矿区［8］等地进行了地下煤火的监测。研究和实验表明，利用TM热红外数据可以初步圈定煤田火区的范围，对后续的煤田灭火工程具有重要的指导意义。当前，国内外学者大多依据遥感反演的火区地表温度差异圈定火区范围，但反演算法各不相同，尚没有一个公认的适宜于各类地下煤火区的最佳反演算法。

本文以新疆典型地下煤火区——水西沟火区为研究区，基于TM数据，使用单窗算法［9］、普适性单通道算法［10］和 Weng算法［11］反演了研究区的地表温度，并利用红外辐射计测量得到的地面温度对遥感反演结果进行了验证。比较3种基于TM数据的地表温度遥感反演算法结果，选取最优反演算法，快速、准确地圈定地下煤火燃烧范围，为今后对地下煤火燃烧状态与发展趋势、地下煤火造成的经济损失和周边生态环境影响评估提供相对精确的热力学指标，为提升新疆地下煤火区的动态监测与评价能力选择了有效方法。

1 研究区概况

研究区位于新疆维吾尔自治区天山北麓准噶尔含煤区南缘的昌吉回族自治州吉木萨尔县，地跨E88°55'～88°58'，N43°55'～43°57'之间，面积约为5 km2，隶属于准南煤田。研究区地处欧亚大陆腹地，具典型的温带大陆性干旱气候特征，夏季局部气温高，最高温度达36℃以上，煤层露头红外辐射温度可达65℃以上，接近煤层氧化自燃的临界温度(60～80℃);昼夜温差大于40℃，促使煤层露头及围岩风化破裂加剧，为裂隙发育提供了良好的通风供氧条件;研究区年降水量为327 mm，而同期蒸发量1866 mm，无霜期149 d，降水量与蒸发量之间的巨大差异使煤层露头长期处于干燥状态或短暂湿润后又重新干燥的循环状态。研究区地形主要为构造剥蚀低山丘陵和洪积台地，基岩出露较好，总体南高北低。火区周边除矿山外无其他建设。火区位于低山丘陵的阳坡地带，山体阴影对煤田火区影响较小。研究区内水文地质条件简单，水西沟为常年地表流水，水量不大，主要是天山北麓融化雪水和沟两侧泉水补给。研究区位置如图1(a)所示。

图1 研究区位置与图像Fig.1 The location and TM image of study area

2 实验概况与研究方法

2.1 实验概况

实验在新疆维吾尔自治区吉木萨尔县水西沟矿区进行，选取Landsat－5 TM图像(图1(b))，成像时间为2011年7月31日(轨道号为143/029)，天气晴朗，无风，能见度高，在卫星过境的前后2 h内(卫星过境时间为地方时10:28)完成陆地表面温度采集过程，保证了与卫星影像采集准同步。在实验场选取了一块以煤火露头区为中心的南北长800 m、东西宽1000 m的实验地(图1(c))。观测期间利用手持式红外辐射计进行地表温度的网格式测量，即4人分别从实验地4个角点出发(甲在西北角向东观测，乙在东北角向西观测，到角点后成之字线路向南观测，丙、丁则反向而行)，以5 m为间隔，最后取同一点上往返测量的4个温度值的平均值作为该测量点的最终地表温度值，以消除由于数据采集时间差而造成的误差，使数据具有良好的可比性。在后期数据处理过程中把落在同一个图像像素网格中的温度值进行平均，作为该网格的实际温度值，并与后期温度反演的结果进行对比与验证。

2.2 地表温度遥感反演算法

采用3种较为常用的遥感反演算法进行陆地表面温度反演，分别是覃志豪等［9］根据地表热辐射传导方程建立的适用于TM热红外波段反演地表温度的单窗算法;Jimёnez－ Mun～oz和Sobrino［10］提出的利用TM遥感数据反演地表温度的普适性单通道算法;Weng等［11］提出的基于TM数据的地表温度反演算法(Weng算法)。

2.3 3种遥感反演算法之间的优缺点比较

单窗算法、普适性单通道算法和Weng算法各有所长，其相互之间的优缺点比较详见表1。

表1 3种地表温度反演方法的优缺点比较Tab.1 Comparing the advantages and disadvantages by three different algorithms of land surface temperatume

2.4 地表比辐射率的计算

文中提到的3种遥感反演算法都涉及到一个关键参数，即地表比辐射率ε，其准确性直接关系到地表温度反演的精度。地表比辐射率主要取决于地表的物质结构，从卫星影像像元的尺度来看，地球表面不同区域的地表结构可以大体视作由3种类型构成:水面、城镇和自然表面。水面结构简单;城镇位于城市和附近，主要由道路、各种建筑和房屋组成;自然表面主要是指各种天然陆地表面、林地和农田等［12］。综合前人的研究成果［12－13］，本文首先对研究区进行监督分类，由于研究区内水体较少，故可将遥感图像分为城镇像元和自然表面像元2种类型，二者的比辐射率估算分别根据式(1)和式(2)进行计算，即

式中:εbuilt－up和 εsurface分别为城镇像元和自然表面像元的地表比辐射率;Pv为植被覆盖度，计算式为

式中:NDVI为归一化植被指数，分别取NDVIv=0.70和 NDVIs=0.05，当某个像元的 NDVI＞ 0.70时，Pv=1; 当 NDVI＜0.05 时，Pv=0。

3 结果分析与验证

3.1 3种遥感反演算法结果比较

根据3种不同的遥感反演算法，本文基于实验区2011年7月31日TM遥感数据，反演得到了煤火区的地表温度分布图(图2)。

图2 3种算法反演出的地表温度分布图(基于2011年7月31日TM图像)Fig.2 Distribution of land surface temperature retrieved by 3 different algorithms based on the TM image on June 31，2011

从图2中可以看出:3种算法得到的地下煤火区地表温度空间分布趋势基本一致，可以清晰地看到一片呈“倒7”形状的高亮异常区域，这片区域对应于地下煤火区的主要分布区域，温度明显比周边的植被下垫面和其他自然表面高。说明3种地表温度反演算法均能较好地反映地下煤火区地表温度在不同下垫面上的空间分布趋势。

比较也发现，3种反演算法的结果之间存在一定差异，普适性单通道算法得到的地表温度要略高于其余2种算法，而Weng算法得到的地表温度相对最低。为了更好地分析3种反演算法得到的地表温度之间的定量关系，将利用单窗算法反演得到的地表温度作为基准，分别对利用普适性单通道算法和Weng算法进行反演得到的温度差值进行分析(图3，表2)。

图3 不同算法间地表温度差值直方图Fig.3 Histogram of land surface temperature differences during different algorithms

表2 3种反演算法得到的地表温度的比较Tab.2 Comparison of retrieved land surface temperature among 3 algorithms (℃)

结果表明，普适性单通道算法与单窗算法得到的平均地表温度的差值多集中在1.50～1.70℃左右，研究区整体平均温度差值为1.60℃;单窗算法与Weng算法反演得到的平均地表温度差值多集中在2.00～2.50℃左右，研究区整体平均温度相差2.22℃。

3.2 反演结果的验证

判别遥感反演地表高温异常区为煤火区的依据需要加入更多的手段与方法，如利用高分辨率遥感影像进行目视判读解译，排除其他非煤矿区热异常点以及收集更多地形、地貌数据对热异常点进行专家知识检验等，都可以更高效、更准确地提取煤火区。本文简化了这一步骤，采用专家先验知识和研究区实地考察，人为地缩小热异常区范围，采集煤田火区地表温度进行遥感反演算法结果的验证，为后期更进一步的研究打下基础。

实验采集样点地表温度数据142个，均匀分布在实验区内。通过对遥感反演地表温度的结果与地表温度的实测数据进行比较，对3种遥感反演算法在地表温度的反演精度上进行验证。反演地表温度值与实测地表温度值进行回归分析的结果如图4所示。

图4 3种遥感反演算法的地表温度验证Fig.4 Validations of land surface temperature retrieved by 3 different algorithms

从图4中可以看出:单窗算法、普适性单通道算法和Weng算法反演的地表温度与实测地表温度值呈一元线性相关，决定系数R2分别为0.908，0.886和0.856。单窗算法的反演结果与实测地表温度值线性相关性最高，普适性单通道算法次之。3种算法的决定系数R2均大于0.850，证明反演结果符合实验要求。3种算法与实测温度线性拟合斜率接近1，分别为0.938，0.970 和 0.886，表明遥感反演结果均低于实测地面温度值，其中普适性单通道算法的反演结果与实测地表温度值一致性最好，与地面实测值最为接近，其次为单窗算法。

为进一步揭示不同算法反演得到的地表温度与实测地表温度值之间的差异情况，将反演数据与实测数据做差值分析，结果如表3所示。

表3 3种反演算法得到的地表温度与实测地表温度值的比较Tab.3 Comparison of retrieved land surface temperature and ground measurement among 3 algorithms(℃)

同时采用平均绝对百分比误差和均方差两种统计量，将3种反演算法得到的地表温度与地面验证数据进行定量分析。平均绝对百分比误差(MAPE)计算公式为

均方差(RMSE)计算公式为

式中:Pi为第i种条件下的计算值;Qi为第i种条件下的参考值;为总样本数参考值的平均值;n为样本数，1≤i≤n。计算结果见表4。

表4 3种反演算法得到的地表温度与地面观测数据的定量分析Tab.4 Quantitative analysis of retrieved land surface temperature and ground measurement among 3 algorithms

从表4中可以看出，普适性单通道算法得到的地表温度与地面实测值最为接近，其次为单窗算法，最后为Weng算法。

4 结论

1)文中采用的3种反演算法均能较好地反映水西沟地下煤火区地表温度的空间分布趋势，高温异常区范围明显，证明基于TM数据利用遥感算法反演煤田火区地表热异常具有一定的可行性。其中单窗算法反演的温度值小于普适性单通道算法，而Weng算法反演的地表温度值最低。普适性单通道算法与单窗算法得到的平均地表温度的差值多集中在1.50～1.70℃左右，研究区整体平均温度相差1.60℃;单窗算法与Weng算法反演得到的平均地表温度的差值多集中在2.00～2.50℃左右，研究区整体平均温度相差2.22℃。

2)利用红外辐射计的地表温度实测值对3种算法得到的地表温度值进行验证。结果表明:普适性单通道算法得到的地表温度与地面实测值最为接近，二者呈线性相关，决定系数R2为0.886，截距为0时的斜率为0.970，平均绝对百分比误差和均方差分别为2.992%和1.476℃。综合比较可知，在水西沟地下煤火区地表温度反演应用中普适性单通道算法要优于单窗算法和Weng算法。

通过对水西沟地下煤火区地表温度的反演，证明了将遥感技术应用于地下煤火研究领域具有重要价值，能够更加快速准确地圈定地下煤火燃烧范围，提高煤田灭火效率，为今后对地下煤火燃烧状态与发展趋势、地下煤火造成的经济损失和周边生态环境影响评估提供相对精确的热力学指标。在地表温度反演过程中，减少大气参数的估算误差、土地利用覆被分类误差及地表比辐射率的估算误差等因素对利用多种算法反演地下煤火区地表温度的影响，更好地提升温度反演精度，仍有待今后开展进一步的研究和探讨。

［1］张建民.中国地下煤火研究与治理［M］.北京:煤炭工业出版社，2008:3－4.Zhang J M.Underground Coal Fires in China:Origin，Detection，Fire－ fighting，and Prevention［M］.Beijing:China Coal Industry Publishing House，2008:3 －4(in Chinese with English Abstract).

［2］钟茂华，符泰然，胡忠斌.新疆煤田火区现状调查研究——小尺度区域热辐射信息分析［J］.中国工程科学，2010，12(1):12－17.Zhong M H，Fu T R，Hu Z B.Small－scale Area Survey and Analyses of Xinjiang’s Coal Field Fire in China［J］.Engineering Science，2010，12(1):12 －17(in Chinese with English Abstract).

［3］武建军，蒋卫国，刘晓晨，等.地下煤火探测、监测与灭火技术研究进展［J］.煤炭学报，2009，35(12):1669 －1674.Wu J J，Jiang W G，Liu X C，et al.Innovative Technologies for Exploration，Monitoring and Extinction of Underground Coal Fires［J］.Journal of China Coal Society，2009，35(12):1669 － 1674(in Chinese with English Abstract).

［4］Düzgün S，Künzer C，Karacan C Ö.Applications of Remote Sensing and GIS for Monitoring of Coal Fires，Mine Subsidence，Environmental Impacts of Coal－ mine Closure and Reclamation［J］.International Journal of Coal Geology，2011，86(1):1 －2.

［5］Mishra R K，Bahuguna P P，Singh V K.Detection of Coal Mine Fire in Jharia Coal Field Using Landsat－ 7 ETM+Data［J］.International Journal of Coal Geology，2011，86:73 －78.

［6］康高峰，雷学武，吴军虎，等.TM图像在新疆奇台北山煤田火区动态监测中的应用［J］.国土资源遥感，1996(2):57－62.Kang G F，Lei X W，Wu J H，et al.Study and Application of TM Image in Coal Fire in Beishan Qitai，Xinjiang［J］.Remote Sensing for Land and Resources，1996(2):57 － 62(in Chinese with English Abstract).

［7］蒋卫国，武建军，顾 磊，等.基于夜间热红外光谱的地下煤火监测方法研究［J］.光谱学与光谱分析，2011，31(2):357－361.Jiang W G，Wu J J，Gu L，et al.Monitoring Method of Underground Coal Fire Based on Night Thermal Infrared Remote Sensing Technology［J］.Spectroscopy and Spectral Analysis，2011，31(2):357－361(in Chinese with English Abstract).

［8］陈云浩，李 京，杨 波，等.基于遥感和GIS的煤田火灾检测研究——以宁夏汝箕沟煤田为例［J］.中国矿业大学学报，2005，34(2):226－230.Chen Y H，Li J，Yang B，et al.Monitoring Coal Fires Based on Remotely Sensed Data and GIS Technique in Coalfields—a Case Study of Rujigou Coal Field in Nixia，China［J］.Journal of China University of Mining and Technology，2005，34(2):226 － 230(in Chinese with English Abstract).

［9］覃志豪，Zhang M H，Karnieli A，等.用陆地卫星TM6数据演算地表温度的单窗算法［J］.地理学报，2001，56(4):456 －466.Qin Z H，Zhang M H，Karnieli A，et al.Mono－ window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 Data［J］.Acta Geographica Sinica，2001，56(4):456 － 466(in Chinese with English Abstract).

［11］Weng Q H，Lu D S，Schubring J.Estimation of Land Surface Temperature Vegetation Abundance Relationship for Urban Heat Island Studies［J］.Remote Sensing of Environment，2004，89(4):467 －487.

［12］Sobrino J A，Jiménez－ Mun～oz J C，Paolini L.Land Surface Temperature Retrieval from Lsndsat TM5［J］.Remote Sensing of Environment，2004，90(4):434 － 440.

［13］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.Qin Z H，Li W J，Xu B，et al.The Estimation of Land Surface Emissivity for Landsat TM6［J］.Remote Sensing for Land and Resources，2004(3):28 － 32，36，41(in Chinese with English Abstract).

The Inversion and Verification of Land Surface Temperature for Coal Fire Areas Based on TM Data

JI Hong － liang1，TASHPOLAT·Tiyip2，3，CAI Zhong － yong4，SHI Qing － dong2，3，WEI Jun4，XIA Jun2，3
(1.Xinjiang Transportation Planning Surveying and Design Institute，Urumqi 830006，China;2.College of Resources and Environment Sciences，Xinjiang University，Urumqi 830046，China;3.Key Laboratory of Oasis Ecology Under Ministry of Education，Xinjiang University，Urumqi 830046，China;4.Xinjiang Coal Field Fire－fighting Engineering Bureau，Urumqi 830000，China)

With the coal fire area of the Shuixigou mine in Xinjiang as an example and on the basis of observation data of infrared radiometer at the same time of passing aviation of Landsat 5 on June 31，2011，the authors calculated surface temperature at pixel scale using several schemes，comparatively studied the surface temperature of the coal fire area inversed by mono－window algorithm，and generalized single－channel algorithm and Weng algorithm with TM data.The results show that all the three algorithms show a consistent distribution of surface temperature of the Shuixigou underground coal fire area，and the mono－window algorithm and generalized singlechannel algorithm have the smallest difference in the average surface temperature of the whole study area，which is about 1.60℃.Through a comparison with the ground measurements，a lower difference value is obtained by all the three algorithms，and the retrieved data by generalized single－channel algorithm are highly close to the data retrieved by mono － window algorithm，wih the regression coefficient and RMSE being 0.886 and 1.48℃respectively.The retrieval results of generalized single－channel algorithm are in line with the spatial distribution law of the temperature of the underground coal fire area，and the high－temperature anomaly district is obvious.The result of the retrieved data of surface temperature is acceptable and the generalized single－channel algorithm is somewhat effective in acquisition of the LST of the underground coal fire area，thus providing a reference for the dynamic monitoring and evaluation of underground coal fire areas.

underground coal fire;surface temperature;inversion;verification;algorithm

TP 722.5;P 237

A

1001－070X(2012)04－0101－06

2012－07－16;

2012－09－06

新疆维吾尔自治区科技支撑计划项目(编号:201033122)。

10.6046/gtzyyg.2012.04.17

姬洪亮(1988－)，男，硕士研究生，主要研究方向为GIS开发与遥感技术应用研究。E－mail:hongliang1120@yahoo.cn。

塔西甫拉提·特依拜(1958－)，男(维吾尔族)，毕业于东京理科大学遥感应用研究所(工学博士)，教授(博士生导师)，主要从事遥感技术及其应用研究。

(责任编辑:李 瑜)