基于劈窗算法的青岛地区地表温度反演研究

孙乐乐+金宝轩

摘 要：地表温度对于地球资源环境监测的意义十分重要，在农业、环境生态相关领域研究以及地表分析研究中都是重要的参数指标。气象测量难以大面积提供面状地温数据，而遥感监测成本低、时相性好、可提供面状数据等特点使其在地表温度监测中具有独特优势。该研究根据Landsat-8遥感数据，通过调整地表比辐射率估算方法后的劈窗地表温度反演算法实现了青岛地区地表温度的反演。并对结果与青岛市气象局网站提供的气象数据进行对比验证，反演结果总体符合实际情况，为沿海城市热能空间分布研究和城区规划提供参考依据。

关键词：地表温度；劈窗算法；Landsat-8

中图分类号 S511 文献标识码 A 文章编号 1007-7731（2017）23-0012-3

Abstract： As the key factor in the study of environment， ecology and land， land surface temperature（LST） plays a vital role in resource and environment monitoring. Comparing with traditional ground meteorological monitoring， remote sensing has more advantages in LST retrieving for its spatial continuity and lower cost. With the Landsat-8 data， we adjust the calculation of land emissivity and apply it to retrieve the LSD by a Split-Window algorithm. The analysis result evaluates the effectiveness of the Split-Window algorithm in peninsula regions and the result can provide a reference for the study of urban heat distribution and urban planning.

Key words： Land surface temperature；Split-window algorithm；Landsat-8

地表溫度LST（Land Surface Temperature）是地球资源环境监测评价中的一项重要指标，它直观反映了区域热能分布，对环境、生态相关领域研究以及地表分析研究都有重要意义。目前，部分学者已进行了相关研究并提出了基于遥感热红外波段的地表温度反演算法，按照所用波段的数量总体上分为单窗算法[1-3]与劈窗算法[4-6]2种。其中，覃志豪单窗算法[1]、Offer Rozenstein劈窗算法[6]是较为代表性的地表温度反演算法。劈窗算法早期多基于MODIS、NOAA/AVHRR等具有2个热红外波段的影像数据实现，其中MODIS数据在地表温度反演中效果较为理想，但由于其分辨率较低的缺陷使得其只能应用于大范围地区的地表温度反演。中小区域的地表温度反演多采用单通道遥感影像进行单窗算法地表温度反演[2，4]。

Landsat-8卫星于2013年发射升空，其携带OLI和TIRS 2个传感器。其中OLI（Operational Land Image）是陆地成像仪，TIRS（Thermal Infrared Sensor）是热红外传感器。TIRS传感器具有2个热红外波段10、11波段，其分辨率为100m，并且其两个热红外波段的波宽及中心波长与MODIS数据相近。因此Landsat-8数据在进行利用劈窗算法进行地表温度反演具有独特优势。本文利用Landsat-8数据基于劈窗算法对青岛地区地表温度进行反演，并结合气象数据对于结果进行评价分析。

1 研究区概况

青岛市地处山东半岛南部，位于东经119°30′N～121°00′N、北纬35°35′E～37°09′E，总面积为11282km2。青岛为海滨丘陵城市，地势东高西低，南北两侧隆起，中间低凹。青岛地处北温带季风区域，属温带季风气候。由于海洋环境的直接调节，受来自洋面上的东南季风及海流、水团的影响，故又具有显著的海洋性气候特点。空气湿润，雨量充沛，温度适中，四季分明。据中国气象局的统计资料[7]，市区年平均气温12.7℃，其中夏季平均气温25.3℃，冬季平均气温-0.5℃左右。

2 数据源与工作流程

2.1 遥感数据 遥感数据为2013年11月15日青岛地区的Landsat-8遥感影像，图幅号为LC81200342013319和LC81200352013319。反演过程中需要的大气透过率数据来自于NASA的大气校正数据[8]。本文验证结果所用的温度数据来自于青岛气象局提供的观测数据及历史数据，但由于数据为公共数据，气温数据只能作为一个温度范围的检验参考。

2.2 工作流程 工作流程如图1所示。首先，对于遥感数据进行前期处理，对Landsat 8遥感数据进行辐射定标，利用FLAASH工具对其OLI波段进行大气校正。而后对于TIRS 2个热红外波段根据普朗克公式[5]进行了亮度温度反演，利用OLI波段中的3、4、5、6波段计算NDVI、MNDWI以及NDBI指数，根据3个指数对于地物进行决策树分类，利用覃志豪提出的地表比辐射率估算公式[10-11]计算地表比辐射率，结合NASA提供的大气透过率数据及上述计算的成果根据劈窗算法公式反演地表温度并进行验证分析。

3 关键内容

3.1 亮度温度反演 亮度温度是假定温度，将红外波段的辐射强度进行转化处理生成。如果物体与黑体的光谱辐射强度相等，则此时黑体温度为该物体的亮度温度。可利用普朗克定律将辐射亮度值转换为亮度温度，计算公式如下：endprint

式中的、均为常量，可以从影像文档中获取也可根据Landsat 8-TIRS波段特征结合普朗克常数、玻尔兹曼常数等进行计算；为辐射亮度值；T为亮度温度，单位为开尔文K。

3.2 地表比辐射率计算 为了提高地表比辐射率估计的准确度，本文采用覃志豪等人提出的地表比辐射率估算方法[10-11]进行估算。首先，利用前期计算的NDVI、MNDWI、NDBI 3个指数来完成CART决策树进行分类，将地物分为植被、水体、建筑以及裸地。之后估算地表比辐射率。典型地物的比辐射率可以通过查阅相关资料获。根据ASTER提供的常用地表比辐射率光谱库[12]和Landsat-8波段特征，对于第10波段的水体、植被、裸土及建筑比辐射率分别取0.99683、0.98672、0.96767、0.964885，对于第11波段的水体、植被、裸土及建筑比辐射率分别取0.99254、0.98990、0.97790、0.975115。对于自然表面，决策树分类出的水体部分比辐射率可直接为上述水体在2个波段的比辐射率，而陆地自然表面的像元可简单分为植被和裸土构成，可根据上述的已知2个波段的地表比辐射率数值来表示陆地自然表面混合像元的比辐射率。为便于计算，可以通过判定像元内的植被覆盖度来确定植被与裸土的各自所占比例。当时，可视为该像元内植物所占比例为100%，所以比辐射率为植被的比辐射率；当时，比辐射率为裸土的比辐射率。同理城镇表面就可视为建筑物与植被混合而成的混合像元，其估算方法与陆地自然表面类似。因此可根据覃志豪等[10-11]提出的如下公式来计算混合像元的比辐射率。

其中，为植被覆盖度，可以通过

计算。根据像元统计及青岛市区情况，选取植被茂密地区均值作为值，；同理。为植物的温度比率，表示裸土或建筑物的温度比率，利用覃志豪等提出的温度比率计算公式[5]可以计算植被、l裸土、建筑的温度比率：

比辐射率估算公式中的可以根据覃志豪等人[11]提出的如下经验公式来计算：

在实际计算中可能会出现按上述公式方法计算后比辐射率大于典型地物的比辐射率甚至大于植物的比辐射率，当则令。

3.3 劈窗算法计算 本文采用的劈窗算法为Rozenstein等[3]和覃志豪等[3]根据劈窗算法和Landsat 8数据的特点，提出的适用于Landsat 8数据的地表温度反演劈窗算法SW1（Split-Window Algorithm），其计算公式如下：

公式中为反演地表温度，、为Landsat 8 第10、11波段的亮度温度数据，单位为开尔文K。、及是根据如下公式计算得出的系数。在系数计算中还需要大气透过率数据，有研究[4，5]利用MORTRAN模拟大气水汽含量与大气透过率的关系获得。但由于实时的大气剖面数据获取难度较大且存在一定误差，针对这一特点，研究选取NASA官方網站提供的大气校正参数[8]作为大气透过率计算数据，完成参数计算。

4 结果与分析

经过上述参数计算最终得到的地表温度反演结果见图2，图3为反演结果地温分布图，除个别噪点外，地表温度绝大部分在。之后与青岛气象局官方网站[9]提供的温度数据进行对比，依次比较了平度、莱西、即墨、胶州、崂山、青岛及黄岛7个观测站（图4）的温度数据。实验结果相应区域温度均在测站温度正常范围内，反演结果基本适合实际。

5 结语

本文基于Landsat-8数据，利用劈窗反演公式，根据数据特点调整了地表比辐射率估算，反演了青岛地区地表温度，并结合气象数据分析。反演结果客观反映了青岛地区的地表温度情况，另一方面也验证了Landsat-8数据的LST劈窗算法对于半岛区域的适用性。对于青岛城市规划和地表温度空间格局研究具有一定的参考意义。对于劈窗算法的参数估计目前相对不够成熟完善，地表温度反演参数估算的精度还需进一步提高。

参考文献

[1]覃志豪，张明华，ArnonKarnieli.用陆地卫星TM 6数据演算地表温度的单窗算法[J].地理学报，2001，56（4）：456-457.

[2]张微，程武学，倪静.地表温度反演的算法综述[J].绿色科技，2014（12）：220-223.

[3]蒋大林，匡鸿海，曹晓峰，等.基于Landsat8的地表温度反演算法研究——以滇池流域为例[J].遥感技术与应用，2015，30（3）：448-454.

[4]杨槐.从Landsat8影像反演地表温度的劈窗算法研究[J].测绘地理信息，2014，39（4）：73-78.

[5]宋挺，段峥，刘军志，等.Landsat8数据地表温度反演算法对比[J].遥感学报，2015，19（3）：451-465.

[6]Rozenstein O，Qin ZH，Derimian Y and Karnieili A. Derivation of land and surface temperature for landsat-8 TIRS using a split-window algorithm[J].Sensors，2014，14（4）：5768-5780.

[7]中国气象局.青岛地理气候特点[EB/OL].http：//www.cma.gov.cn/2011xzt/2014zt/20140417/2014041705/201404/t20140417_243735.html. 2014-04-17.

[8]NASA.Atmospheric Correction Parameter Calculator[EB/OL]. https：//atmcorr.gsfc.nasa.gov/./2014-1-7.

[9]青岛市气象局.气象实况[EB/OL]. http：//qdqx.qingdao.gov.cn/yb/tqyb.aspx. 2016-11-07.

[10]覃志豪，李文娟，张明华.单窗算法的大气参数估计方法[J].国土资源遥感，2003（2）：37-43.

[11]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.

（责编：张宏民）endprint