基于热红外遥感数据辽东地热区地表温度反演

贺金鑫,孙焕朝,李文庆,郑博夫,姜 天

0 引 言

热红外遥感是指传感器的工作波段运行在红外波段范围内的遥感,利用所携带的传感器收集、记录地物的热红外信息并根据该热红外信息识别地物和反演地表温度、湿度和热惯量等参数[1,2],是地表温度反演的常用技术手段。热红外遥感具有携带信息量大、监测精度高和受地面条件限制小等优点,在地热资源调查中充当着重要的角色。尤其在近年来,随Landsat-8卫星的升空,如何利用这种新型的热红外遥感数据探测地热资源并对其精确定位,已经引起国内外学者广泛关注。目前利用热红外遥感数据反演地表温度的方法主要有:1)大气校正法[3-5];2)单窗算法[6-8];3)劈窗算法[9,10];4)多通道算法[11-13]。部分算法的反演精度己经达到1 K左右。

笔者针对辽宁省东部地热区,利用2014年的Landsat-8热红外遥感数据,使用大气校正法进行地表温度反演,挖掘出反演结果中准确率较高的月份,完成目标影像中的温度异常区与研究区内已知温泉点空间分布特征的相关性分析,从而为该地区提供一种快速、经济、合理的地热资源调查方法。

1 研究区与数据

1.1 研究区地理位置

研究区位于辽宁省东部,行政区域主要在鞍山、丹东、辽阳和本溪4市的管辖范围内,地理坐标:东经123°00′～125°00′, 北纬 39°40′～ 41°30′, 面积约30 000 km2(见图1)。区内交通便利,铁路和公路编织成网。研究区地处东亚季风区,属于温带季风气候。受黄海和鸭绿江的影响,气候湿润、雨量充沛、冬暖夏凉、四季分明。西部、北部和东部山区气温温差大,年平均气温6.5℃ ～8.4℃,最高气温37.3℃,最低气温-37.9℃,无霜期140～167 d;南部低山丘陵区和滨海平原区年平均气温7.8℃ ～8.4℃,最高气温22℃ ～35℃,最低气温-26.6℃,无霜期170 d[14]。

图1 研究区地理位置Fig.1 The location of the study area

1.2 研究区地热特征

由于分支断裂的发育和地壳结构的破碎,地表水很容易渗入深部地下,在深部地下加热并上升到地表形成温泉。地热活动受研究区主要断裂的控制,大部分地热田位于断裂构造的交汇处[14]。研究区温泉发育以基岩裂隙水为主,主要分布在山区隆起地带[15]。温泉水温一般在30℃ ～71℃之间。

1.3 Landsat-8热红外遥感数据

Landsat-8延续了Landsat系列卫星在卫星飞行轨道、数据覆盖宽度、时空分辨率等方面的技术特征,并借鉴其他卫星传感器的设计经验,在扫描方式、波段设置等方面实现优化改进。相比前期的Landsat卫星,Landsat-8在保证数据连续性的同时,还具备以下优势与特性[16,17]。

1)传感器波段优化与增加:OLI(Operational Land Imager)传感器优化了近红外波段和全色波段并新增海岸带监测和卷云识别两个波段,且TIRS(Thermal Infrared Sensor)传感器首次设置了两个热红外波段。

2)首次在数据开始接收阶段就实施全面的免费开放政策,无差别提供下载服务。

3)地面系统更加健全完善,而且建立专门的任务操作中心和数据处理存档系统,制定了完整的标准数据产品生产流程。

4)影像数据产品更加准确有效,其空间分辨率达30 m。另外,Landsat-8在数据产品的辐射定标和几何校正等方面的精度也相对以往系列卫星更高。

2 地表温度反演

2.1 基本方法

地温反演的基本原理是首先估计大气对地表热辐射的影响,然后将这部分大气影响从卫星传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,再把得到的热辐射强度转化为相应的地表温度[18,19]。

在地-气辐射传输过程中卫星收到的热红外辐射能量值Lλ由3部分组成:大气上行辐射亮度L↑;地面的真实辐射亮度经过大气层衰减后卫星传感器接收的能量;大气下行辐射亮度L↓。其表达式为

其中ε为地表比辐射率;TS为地表真实温度,单位为K;τ为大气在热红外波段的透过率;B(TS)为与地表温度对应的黑体热辐射亮度,则

其中τ,L↑,L↓3个参数可在NASA提供的网站(http://atmcorr.gsfc.nasa.gov/)中,输入数据成影时间以及中心经纬度(也可输入所需区域大致经纬度)等参数计算获取。

而地表比辐射率ε则需利用ENVI(The Environment for Visualizing Images)软件中的波段运算得出。估算出与地表温度相应的黑体热辐射亮度B(TS)后,根据普朗克定律可得出地表真实温度

其中K1,K2为常数,其值可在Landsat-8头文件中获取。对于TIRS Band10,K1=774.89 W·(m2μmSr)-1,K2=1 321.08 K。

利用ENVI软件中波段运算工具BandMath计算地表温度,具体流程如图2所示。

图2 基于大气校正法的Landsat-8地温反演流程图Fig.2 The flow chart of Landsat-8 data surface temperature retrieval based on atmospheric correction model

2.2 辐射定标

辐射定标具体步骤如下。

1)在ENVI主界面中,点击File→Open,在弹出的文件选择窗口中点击所下载Landsat-8数据中的TXT格式文件并打开数据。

2)依次选择Toolbox-Radiometric,Correction-Radiometric,Calibration。以2014年9月1日数据为例,在 File Selection对话框中,选择数据LC81180322014260LGN00_MTL_Thermal,单击下方Spectral Subset并选定Thermal Infrared1(10.9)波段。

3)打开Radiometric Calibration并设置以下参数类型:Calibration Type(定标类型)设置成 radiance(辐射亮度值);其他参数默认即可。

4)选择输出路径和文件名,单击OK得到定标后的Band10辐射亮度图像。

2.3 地表比辐射率计算

采用与TM/ETM+6相同的地表比辐射率计算方法(Landsat-8 Band10波段与TM/ETM+6热红外波段具有近似的波谱范围)[20],使用Sobrino提出的基于地表覆盖类型的加权混合模型估算地表比辐射率

其中植被覆盖度

其中N为归一化植被指数(NDVI:Normalized Difference Vegetation Index),NV为全植被覆盖指数,NS为全裸地植被覆盖指数。这里采用简单植被计算模型,即取经验值NV=0.70,NS=0.05,表示当某个像元的N＞0.70时,Pv=1;当N＜0.05,Pv=0。

在ENVI软件中的具体操作如下。

1)依次选择Toolbox,Spectral,Vegetation,NDVI,在文件输入窗口中,选择Landsat8 OLI多光谱图像。

2)在NDVI Calculaton Parameters窗口中,会自动识别NDVI Bands:Red:4,Near IR:5。

3)选择输出路径与文件名并点击OK,可得NDVI图像。

4)在ENVI主界面中依次选择Toolbox,Band Ratio,Band Math,并输入表达式:

(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05))其中b1选择为NDVI图像。

5)选择输出路径与文件名后单击OK,得到植被覆盖度图像。

6)在Band Math中输入表达式:0.004*b1+0.986,其中b1选择为植被覆盖度图像。

7)选择输出路径与文件名后单击OK,得出地表比辐射率图像。

2.4 黑体辐射亮度与地表温度计算

1)依据式(2),在Band Math里输入表达式(以开头2014年9月1日所得大气参数结果为例):

其中b1选择为地表比辐射率图像,b2为定标后的Band10辐射亮度图像。

2)选择输出路径与文件名后单击OK,得出同温度下的黑体辐射亮度图像。

3)依据式(3),在Band Math中输入表达式:

其中b1选择为同温度下的黑体辐射亮度图像。

4)选择输出路径与文件名后单击OK,得到单位为摄氏度的地表温度图像。

2.5 结果输出

基于研究区2014年(7月份的数据由于云量过大故不列出)的Landsat-8热红外遥感数据,利用ENVI软件经过波段运算后得出地表温度反演结果,进行密度分割并将温度划分区间,得出最终的地温反演图如图3～图10所示,其中的圆圈为温泉点坐标对应位置。

图3 2014年1月4日地表温度反演结果Fig.3 The temperature retrieval image on January 4,2014

图4 2014年4月10日地表温度反演结果Fig.4 The temperature retrieval image on April 10,2014

图5 2014年5月28日地表温度反演结果Fig.5 The temperature retrieval image on May 28,2014

图6 2014年6月13日地表温度反演结果Fig.6 The temperature retrieval image on June 13,2014

图7 2014年8月16日地表温度反演结果Fig.7 The temperature retrieval image on August 16,2014

图8 2014年9月1日地表温度反演结果Fig.8 The temperature retrieval image on September 1,2014

图9 2014年10月13日地表温度反演结果Fig.9 The temperature retrieval image on October 13,2014

图10 2014年12月6日地表温度反演结果 Fig.10 The temperature retrieval image on December 6,20

3 结果分析

3.1 反演结果精度分析

验证一个反演算法需要获取地面实测值或其他标准值,故使用辽宁省气象局提供的本溪、岫岩、凤城、辽阳、宽甸和丹东地区历史气温记录进行精度验证。由于篇幅有限,实验结果以2014年9月1日为例。此外,笔者还采用MOD11-L2级地表温度产品进行相对验证。

MODIS(Moderate Resolution Imaging Spectroradiometer)数据的MOD11-L2级地表温度产品可用于验证基于Landsat-8反演的地表温度结果的精度。该MODIS产品根据Wan等[21]提出的多通道反演计算,能同时反演地表温度和比辐射率。在晴朗天气条件下,MODIS温度产品误差在1 K以下[22,23]。

由于Landsat-8的空间分辨率是30 m,而MODIS地表温度产品空间分辨率是1 km,所以Landsat-8温度反演结果需重采样到1 km,以便与MODIS数据保持一致。因为所下载的MOD11-L2数据存在部分图像缺失,故选取两种数据共有的研究区域进行分析(东经124°～125°,北纬40°～41°)。

表1列出了2014年9月1日的Landsat-8反演结果、MODIS地表温度产品反演结果与辽宁省气象局查询的本溪等6个地区的最高、最低气温的数据比较。同时,笔者也采用了最小值、最大值和平均值等统计指标对反演结果进行评价,结果如表2所示。

表1 2014年9月1日两种数据反演结果与气象温度对比Tab.1 Comparing between two LST retrieval results and the temperature history on September 1,2014 ℃

表2 2014年9月1日Landsat-8反演结果与MODIS地温产品对比统计表Tab.2 Comparing between the Landsat-8 retrieval results and the MODISLST product on September 1,2014 ℃

从表1中可看出,在相同坐标下的Landsat-8反演结果与MODIS反演结果的温度基本相差在4℃左右,都处于辽宁省气象局提供的当日最高温与最低温范围之间。从表2中可看出,虽然两种结果的温度最大值与温度最小值存在很大差异,但平均温度基本相差不大,故可认为Landsat-8地温反演结果准确,具有一定的使用价值。

3.2 反演结果中高温区与温泉点空间分布对比

天然温泉是地壳深部热水沿活动断层运动、富集并向上涌出地表形成的,是地热释放的重要方式之一,故温泉所在地点一定是地热发育地区。笔者选取了反演结果中效果最好的8月和9月进行验证,发现大多数温泉点坐标几乎都落在反演结果中的高温区范围内。

3.3 误差分析

1)由于反演时并没有将地表细致地分为水体、自然表面和城镇区,所用的参数都参考为自然表面,故反演结果中的水体与城镇应该忽略[24,25];

2)由于地表温度反演结果会受云层和植被影响[26],故选择了受二者影响较少的Landsat-8数据,但仍然存在一定误差;

3)由于冬季(如1、2、3月)图像上存在一定的积雪,故反演结果存在较大误差;

4)表2中的两种数据最大值与最小值相差过大,可能是由于植被覆盖、波段数据缺失等因素导致。

4 结 论

笔者基于Landsat-8热红外遥感数据与大气校正法反演出辽东地热区在2014年的地表温度,并重点研究反演结果与已知温泉点空间分布特征之间的关联性,得出以下结论。

1)Landsat-8热红外遥感数据获取方式简单,图像直观、形象,覆盖范围广,空间分辨率为30 m,不受通行条件的限制,能满足快速反演地表温度的要求。

2)通过与历史天气的对比,并与地热区内已知温泉点坐标的比较,表明反演结果精度高、可靠性强;通过对2014年各月份反演结果对比发现,8、9月份精度较其他月份更高。因此,可在一定程度上通过反演结果中的高温区域并结合地质构造推断地热资源的存在。

3)地表温度反演结果本身还存在一定误差,因为受到许多因素的影响,如天气、季节、当地地形的复杂与否、遥感信息本身的波段完整性等,都会影响反演结果的精度。

[1]李小文,汪骏发,王锦地,等.多角度与热红外对地遥感[M].北京:科学出版社,2001.LI Xiaowen,WANG Junfa,WANG Jindi,et al.Multi-Angle and Thermal Infrared Remote Sensing[M].Beijing:Science Press,2001.

[2]连胤卓.地热资源的热红外遥感技术探测方法研究[D].太原:太原理工大学矿业工程学院,2007.LIAN Yinzhuo.Research on the Exploring Methodology of Thermal Remote Sensing of Terrestrial Heat Resource[D].Taiyuan:College of Mining Engineering,Taiyuan University of Technology,2007.

[3]SOBRINO J A,JIMNEZ-MUOZ J C,PAOLINI L.Land Surface Temperature Retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.

[4]LI F,JACKSON T J,KUSTAS W P,et al.Deriving Land Surface Temperature from Landsat 5 and 7 during SMEX02/SMACEX[J].Remote Sensing of Environment,2004,92(4):521-534.

[5]毛克彪,唐华俊,周清波,等.用辐射传输方程从MODIS数据中反演地表温度的方法[J].兰州大学学报:自然科学版,2007(4):12-17.MAO Kebiao,TANG Huajun,ZHOU Qingbo,et al.Retrieving Land Surface Temperature from MODIS Data by Using Radiance Transfer Equation[J].Journal of Lanzhou University:Natural Science Edition,2007(4):12-17.

[6]QIN Z H,ZHANG M,KARNIELI A.Mono-Window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 Data[J].Acta Geographica Sinica,2001,56(4):456-466.

[7]JIMNEZ-MUOZ J C,SOBRINO J A.A Generalized Single-Channel Method for Retrieving Land Surface Temperature from Remote Sensing Data[J].Journal of Geophysical Research Atmospheres,2003,108(22):2015-2023.

[8]周纪,李京,赵祥,等.用HJ-1B卫星数据反演地表温度的修正单通道算法 [J].红外与毫米波学报,2011,30(1):61-67.ZHOU Ji,LI Jing,ZHAO Xiang,et al.A Modified Single-Channel Algorithm for Land Surface Temperature Retrieval form HJ-1B Satellite Data[J].Journal of Infrared and Millimeter Waves,2011,30(1):61-67.

[9]WAN Z,DOZIER J.A Generalized Split-Window Algorithm for Retrieving Land-Surface Temperature from Space[J].IEEE Transactions on Geoscience and Remote Sensing,1996,34(4):892-905.

[10]RI CHANGIN,柳钦火,历华,等.针对Terra/MODIS数据的改进分裂窗地表温度反演算法 [J].遥感学报,2013,17(4):830-840.RI CHANGIN,LIU Qiuhuo,LI Hua,et al.Improved Split Window Algorithm to Retrieve LST from Terra/MODISData[J].Journal of Remote Sensing,2013,17(4):830-840.

[11]SOBRINO J A,LI Z L,STOLL M P,et al.Multi-Channel and Multi-Angle Algorithms for Estimating Sea and Land Surface Temperature with ATSR Data[J].International Journal of Remote Sensing,1996,17(11):2089-2114.

[12]GILLESPIE A,ROKUGAWA S,MATSUNAGA T,et al.A Temperature and Emissivity Separation Algorithm for Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)Images[J].IEEE Transactions on Geoscience&Remote Sensing,2002,36(4):1113-1126.

[13]毛克彪,施建成,覃志豪,等.一个针对ASTER数据同时反演地表温度和比辐射率的四通道算法 [J].遥感学报,2006,10(4):593-599.MAO Kebiao,SHI Jiancheng,QIN Zhihao,et al.A Four-Channel Algorithm for Retrieving Land Surface Temperature and Emissivity from ASTER Data[J].Journal of Remote Sensing,2006,10(4):593-599.

[14]李文庆.辽宁东部地区地热特征及岩石放射性生热对地热资源潜力的影响 [D].长春:吉林大学地球科学学院,2015.LI Wenqing.The Influence of Geothermal Features and Radioactive Heat Production of Rocks to Potential of Geothermal Resources in Eastern Area of Liaoning Province[D].Changchun:College of Earth Science,Jilin University,2015.

[15]冯向东,綦巍.辽宁省地热资源潜力及开发利用对策[J].国土资源,2008(S1):98-99.FENG Xiangdong,QIWei.Geothermal Resource Potential and Exploitation Countermeasure of Liaoning Province[J].Land&Resources,2008(S1):98-99.

[16]张玉君.Landsat8简介 [J].国土资源遥感,2013,25(1):176-177.ZHANG Yujun.An Introduction about Landat8[J].Remote Sensing for Land&Resources,2013,25(1):176-177.

[17]徐涵秋.新型Landsat8卫星影像的反射率和地表温度反演[J].地球物理学报,2015,58(3):741-747.XU Hanqiu.Retrieval of the Reflectance and Land Surface Temperature of the Newly-Launched Landsat 8 Satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.

[18]刘广杰,王金亮.基于TM影像的唐山市城市热岛效应研究[J].环境科学导刊,2015,34(4):118-122.LIU Guangjie,WANG Jinliang.Research on Urban Heat Island Effect Based on Landsat TM Image of Tangshan City[J].Environmental Science Survey,2015,34(4):118-122.

[19]HELEN M DE KLERK,JASON GILBERTSON,MELANIE LCK-VOGEL,et al.Using Remote Sensing in Support of Environmental Management:A Framework for Selecting Products,Algorithms and Methods[J].Journal of Environmental Management,2016,182:564-573.

[20]徐涵秋.Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响[J].遥感学报,2016,20(2):229-235.XU Hanqiu.Change of Landsat 8 TIRS Calibration Parameters and Its Effect on Land Surface Temperature Retrieval[J].Journal of Remote Sensing,2016,20(2):229-235.

[21]WAN Zhengming,LI Zhaoliang.A Physics-Based Algorithm for Retrieving-Gland-Surface Emissivity and Temperature from EOS/MODISData[J].IEEE Transaction on Geoscience and Remote Sensing,1997,35(4):980-996.

[22]WAN Zhengming,ZHANG Yuelan.Quality Assessment and Validation of the MODISGlobal Land Surface Temperature[J].International Journal of Remote Sensing,2004,25(1):261-274.

[23]宋挺,段峥,刘军志,等.Landsat 8数据地表温度反演算法对比[J].遥感学报,2015,19(3):451-464.SONG Ting,DUAN Zheng,LIU Junzhi,et al.Comparison of Four Algorithms to Retrieve Land Surface Temperature Using Landsat 8 Satellite[J].Journal of Remote Sensing,2015,19(3):451-464.

[24]贺金鑫,梁晓军,路来君,等.内蒙古大营铀矿区高光谱遥感蚀变信息提取[J].吉林大学学报:信息科学版,2017,35(2):153-157.HE Jinxin,LIANG Xiaojun,LU Laijun,et al.Extraction of Hyperspectral Remote Sensing Alteration Information in Daying Uranium Deposit Inner Mongolia[J].Journal of Jilin University:Information Science Edition,2017,35(2):153-157.

[25]马馨宏,郭树旭.高光谱遥感图像的稀疏分解与压缩感知[J].吉林大学学报:理学版,2015,53(4):767-772.MA Xinhong,GUO Shuxu.Compressed Sensing and Sparse Decomposition of Hyperspectral Remote Sensing Images[J].Journal of Jilin University:Science Edition,2015,53(4):767-772.

[26]LIU J,LIU Y.Hyperspectral Remote Sensing Images Terrain Classification in DCT SRDA Subspace[J].Journal of China Universities of Posts&Telecommunications,2015,22(1):65-71.