基于无人机的高寒草甸地表温度监测及影响因素研究

张伟 ，宜树华 ，秦彧 ，上官冬辉 ，秦炎

（1. 中国科学院西北生态环境资源研究院，冰冻圈科学国家重点实验室，甘肃兰州730000；2. 中国科学院大学，北京100049；3. 南通大学地理科学学院，江苏南通226007；4. 南通大学脆弱生态环境研究所，江苏南通226007）

青藏高原因其高海拔、低气温、强辐射的自然条件孕育了特殊的高寒生态系统［1-2］。高寒草甸是青藏高原高寒生态系统中典型的植被类型，广泛分布于高原及其周边山地，不仅是重要的畜牧业资源，同时也是我国的生态安全屏障，在水源涵养、生物多样性保护以及碳素固持等诸多方面发挥着重要的生态功能［3-9］。

近年来，以变暖为主要特征的气候变化已成为不争的事实［10-11］，地表温度随之出现显著上升［12-14］，近百年来全球平均地表温度升高0.85 ℃［11］，青藏高原作为气候变化响应敏感区升温明显。地表温度不仅参与土壤的物理、生物和微生物过程［15］，影响高寒草甸植物生长发育［16］，同时也是计算植被水分胁迫指数、分析植被旱情、估算土壤水分及植被蒸腾的重要输入参数［17-23］。有关地表温度的研究主要集中在地面点尺度和遥感卫星尺度，获取手段主要有实地测量法、遥感影像反演法及模式模拟法［24-25］。基于地面点测方法所获取的地表温度在转化为面状温度过程中会产生误差及不确定性，而遥感卫星技术存在高时空分辨率数据不足、过境时间受限等问题，难以反映地表温度日变化特征。因此，如何在小尺度下获取精准地表温度成为当前亟待解决的问题［26-27］。

无人机技术的出现为解决卫星遥感影像时空分辨率受限问题提供了契机。当前，基于无人机的热红外遥感技术已广泛应用于城市微尺度热环境监测与模拟［27-28］，农林作物冠层温度估算，干旱胁迫、森林火灾监测等诸多方面［29-34］。但鲜有文献提及利用无人机热红外遥感影像开展高寒草甸地表温度变化特征及其影响因素的研究。因此，本研究利用无人机搭载热红外相机获取高寒草甸生长季（7-8 月）高时空分辨率热红外影像，分析草甸地表温度的日变化及日际变化特征，进行高寒草甸地表温度的精细化研究；结合气象因子及植被盖度数据探讨地表温度的影响因素，进而评估机载热红外相机在高寒草甸地表温度监测中的适用性及其在高寒草地监测与管理中的应用潜力。

1 材料与方法

1.1 研究区概况

研究区位于青藏高原东北缘疏勒河源区，青海省天峻县苏里乡境内（98°18′33.2″E，38°25′13.5″N），平均海拔3887 m（图1）。属于大陆性干旱荒漠气候，干冷、多风，降水少、蒸发大，年平均气温约为-4 °C，年平均降水量约为200～400 mm，90%降水集中在5-9 月生长季［35-38］。土壤类型主要包括高山寒漠土、高山草甸草原土和栗钙土［39］，分布有过渡型多年冻土，活动层厚度为（2.78±1.03）m［40］。高寒草甸为该区典型植被类型，主要植物物种为高山蒿草（Kobresia pygmaea）、青藏苔草（Carex tristachya）、火绒草（Leontopodium alpinum）、金露梅（Poten⁃tilla fruticosa）及西伯利亚蓼（Polygonum sibiricum）［41-42］。

1.2 数据来源

图1 研究区位置示意图Fig. 1 Location of the study area

1.2.1 可见光及热红外影像 在以气象塔为中心400 m×400 m 范围内选择了6 块植被覆盖度存有差异的研究样地，一方面用于重复验证热红外影像地表温度的获取精度，另一方面用于分析不同植被盖度下的地表温度差异。使用大疆公司研发的Inspire 1 无人机搭载禅思X3 可见光相机及禅思XT 热红外相机构建观测系统。Inspire 1 无人机最大起飞重量3.5 kg，最大可承受风速10 m·s-1，飞行姿态稳定且续航能力长。禅思X3 可见光相机分辨率为4000×3000 像素，接收红绿蓝3 个波段光谱数据，画面无畸变，可用以获取可见光图像。禅思XT 热红外相机分辨率为640×512 像素，接受波段范围7.5～13.5 μm，灵敏度 0.05 ℃，用于获取地表温度图像。鉴于两种相机存在分辨率及视场角的差异，为确保可见光与热红外影像对应相同的地面覆盖范围，将可见光相机飞行高度设置为30 m，热红外相机飞行高度设置为40 m（表1）。采样时间为2018 年7 月4日-8 月17 日，每天正午12：00 进行可见光相机拍摄，9：00-18：00 每隔 1 h 进行热红外相机拍摄。利用FragMAP 无人机监测系统提供的Irregular 飞行模式对6 块研究样地进行自动化航拍（图2），飞行过程中始终保持相机镜头垂直向下［43-45］。完成6 块样地飞行时间约为4 min，确保不同样地之间较小的温度变化。观测期内普通相机采样18 次，其中阴雨天气飞行5次，晴朗天气飞行13 次，6 块样地共计108 幅可见光影像，热红外相机采样127 次，6 块样地共计762 幅热红外影像。由于研究区天气变化迅速，全天晴朗天气并不多见，能够满足连续监测的时段集中在每天10：00-15：00，因此选取此时段的平均地表温度进行日际变化特征分析，共计18 d。

表1 可见光与热红外相机飞行参数Table 1 Flight parameters of RGB and thermal infrared cameras

图2 无人机飞行方式示意图Fig. 2 Schematic diagram of UAV flight mode

1.2.2 气象数据 本研究区架设小型气象观测站，内设有涡动、辐射、梯度观测及降水等综合观测系统，主要观测的气象要素包括：大气温度、相对湿度、太阳净辐射、土壤热通量等，数据采集间隔为10 min。

1.2.3 地表温度验证数据 为验证无人机热红外相机成像系统获取地表温度数据的准确性，在观测样地（48 m×39 m）均匀布设精密水银温度计同步采集地表温度数据，使用0.4 m×0.4 m 白板标定温度计位置。每块样地水银温度计布设数量为12～20 根，每进行一次热红外飞行，地面同步观测一块样地的水银温度计温度。观测期内，每块样地用于热红外影像温度验证的地面水银温度计实测数据均在200 个以上。不同于留点温度计，精密水银温度计随外界温度变化而变化，可直接用于温度测量，测温范围0～100 ℃，分值0.2 ℃。

1.3 研究方法

1.3.1 植被盖度提取 采用自主研发的植被盖度分析软件Pixel Based Manual Classifier 处理可见光影像，完成植被盖度提取工作。运用阈值法计算绿度指数实现植被与裸土的二值化处理。针对本研究区，地面验证结果表明使用无人机搭载普通相机获取的植被盖度与地面采样法获取的植被盖度拟合优度R2可达0.94，此方法可高效准确获取高寒草地植被覆盖度［46］。具体的处理步骤如下：1）计算影像每个像素的绿度指数，EGI=2G-RB，其中R、G、B 分别代表可见光影像的红色、绿色和蓝色波段；2）设置EGI 阈值的初始值，并将其与图像的绿度指数进行比较；3）如果像素的EGI 大于阈值，则该像素被视为植被像素，否则视为裸土像素；4）比较分类图像与原始图像，进行目视判断；5）重复从2）到4）步骤直到植被分类图像中的区域与原始图像植被区域一致［46-48］。

1.3.2 地表温度提取 利用热红外相机专用软件FLIR Tools 将热红外影像灰度图转换成摄氏温度矩阵，转化过程中需进行大气校正，主要用到被测物体的辐射率、被测物体与相机镜头之间的距离（此处为40 m）以及气象参数。苌亚平等［49］通过对比高寒山区地表温度反演算法认为覃志豪等［50］的比辐射率计算方法更适用于疏勒河上游地区，本研究区域与其吻合，因此采用覃志豪等［50］的方法计算研究区草地辐射率。计算公式如下：

式中：Fr为植被盖度，由植被盖度提取结果获取。

同时，利用FLIR Tools 软件温度识别工具提取水银温度计摆放位置的地表温度，用于热红外影像地表温度的精度验证。

1.4 数据统计与分析

使用Microsoft Excel 2016 对获取的植被盖度及地表温度数据进行统计处理，采用Origin Pro 2017 软件进行绘图，描述热红外影像采样精度，地表温度日变化及日际变化特征，植被盖度与地表温度相关关系。

2 结果与分析

2.1 植被盖度提取结果

观测期内共采集了18 次可见光影像，均进行了植被盖度的提取。从植被盖度分布箱式图分析可知，6块样地平均植被覆盖度分布在40%～82%，其中，样地6 植被覆盖度最高，平均植被盖度为81.9%，样地3植被覆盖度最低，平均植被盖度为45.1%。观测期内6 块样地植被盖度平均变异系数0.03，平均最大盖度差约为7%（图3）。

图3 不同样地植被盖度Fig.3 Vegetation coverage under different sampling plots

引起不同时期盖度差异的因素主要有3 方面：首先，观测时间跨度为7 月4 日至8 月17 日，高寒草甸处于生长旺季，高气温及集中降水天气为植被生长提供了有利条件，观测期内盖度呈现先上升后下降的微弱变化趋势（图4）。其次，不同天气条件影响地表干湿状态，连续降水天气使径流在低洼处积累淹没其下植被，引起植被盖度的低估。再次，不同天气条件影响RGB 影像质量，降低Pixel Based Manual Classifier 软件处理精度，主要体现在阴天条件下获取的RGB 影像亮度低，反差小，明暗交界模糊，但在图像处理过程中可通过不断调整阈值将误差控制在很小范围内。

2.2 机载热红外相机地表温度精度验证

影响热红外相机测温精度的因素包括所测物体的物理性质、天气条件、下垫面地形条件以及无人机飞行高度等。本研究所选6 块样地采样高度均为40 m，天气条件相差无几，但考虑到样地地形略有差异，连续采样过程中无人机机头方位不断变化等因素，因此按照不同样地进行采样精度的评估。对水银温度计实测的地表温度与热红外相机所测地表温度进行回归分析，两种方法所测温度值之间存在显著相关性，线性回归拟合度R2在不同观测样地略有差异，其中样地3 拟合优度最好R2为0.82，样地2 拟合优度较差 ，R2为 0.62，其 他 4 块 样 地 拟 合 优 度 在 0.75 左右（图5）。

图4 观测期内植被盖度变化趋势Fig. 4 Change trend of vegetation coverage during the obser⁃vation period

图5 热红外相机与水银温度计测温对比Fig. 5 Comparison of surface temperature measured by thermal infrared camera and mercury thermometer

整体来看对于样地1～3 热红外相机所测地表温度存在高估现象，而样地4～6 存在地表温度低估现象。植被长势、地形、天气条件是导致热红外影像采样精度差异的主要因素。植被长势对热红外相机采样精度影响体现在冠层阴影上，热红外影像获取的草地温度既包括阳光直接照射的冠层部分，也包括叶片阴影里的冠层部分，温度较低的阴影部分同时参与到地表温度的计算过程［51］。本研究中样地4～6 植被覆盖度较样地1～3 高，植株密度更大，因此热红外影像提取的平均地表温度低于样地1～3，出现低估现象。地形及降水对热红外相机采样精度影响主要通过土壤水分差异体现，样地4～6 较样地1～3 地形平坦，连续降水天气下，低洼处容易形成积水，土壤湿度大，使得热红外影像获取的地表温度出现低估现象。高寒地区昼夜温差较大，高寒草地夜间形成凝结水，日出之时地表仍有露水，部分叶片覆盖下的晨露不易被热红外识别，导致热红外相机所测地表温度高于水银温度计所测温度。样地1～3 的采样时间多分布于9：00-12：00，出现高估现象。样地4～6 多集中在12：00-16：00，晴朗天气条件下本研究区中午13：00 左右开始起风，高空风对热红外相机表面可能存在降温作用，从而影响地表温度的获取精度，造成低估现象。

2.3 高寒草甸地表温度变化特征

2.3.1 地表温度日变化特征 高原地区天气多变，尤其是降水和风对热红外相机获取地表温度的影响较大，为研究高寒草甸地表温度的日变化特征，选择观测期内4 d 晴朗天气条件下的观测数据进行分析。由图6 可知，在晴朗天气下，6 块样地地表温度的变化趋势基本一致。日出以后，太阳辐射不断增强，地表净得热量，地表温度快速升高。正午以后，虽然太阳辐射强度开始减弱，但地表得到的太阳辐射能量仍然比长波辐射所失去的能量多，地表储存的热量仍在不断增加，因此地表温度仍在继续升高［52］。午后14：00 左右地表温度达到峰值，随后太阳辐射逐渐减弱，地面热量由盈余转为亏损，地表温度开始下降，最大日较差约为14 ℃。一天之中温度上升及下降速度存在明显差异，其中9：00-13：00 温度上升速度明显高于15：00-18：00 时温度下降速度。个别样地出现双峰现象，图 6 显示样地 5 在 7 月 11 日、7 月 13 日观测期间地表温度出现两个峰值，分别为 12：00 和 14：00，样地1、样地2 在8 月13 日观测期内同样出现两个峰值，这可能与植被蒸腾作用等生理特性有关。

图6 高寒草地地表温度日变化特征Fig. 6 Diurnal variation of alpine grassland surface temperature under sunny days

2.3.2 地表温度日际变化特征 基于无人机的地表温度监测工作受高原多变天气影响显著，整个观测期内能够完成全天完整监测的工作日为数很少，能够满足连续监测的时段集中在每天10：00-15：00，因此选取此时段的平均地表温度进行日际变化特征分析。由图7 可见，7-8 月地表温度波动变化没有表现出明显的趋势，这主要与气温降水及相似的天气状况有关。地表温度变化规律与降水变化呈现显著负相关，与气温变化呈现显著正相关，2018 年研究区降水丰沛，7-8 月处于集中降水阶段，降水量差异不大，气温同样处于波动变化状态，导致地表温度整体差异不明显。

2.4 高寒草甸地表温度影响因素分析

2.4.1 高寒草甸地表温度与气象因子对比分析 本研究选取了太阳净辐射、气温、降水及空气湿度4 个气象因子分析其对地表温度变化的影响，并进行了相关分析。表2 为高寒草甸地表温度与气象因子的相关系数。气温、太阳辐射与地表温度表现为显著正相关，其中，太阳辐射是地表增温的直接能量来源，对地表温度的影响最为显著，两者相关系数整体高于其他气象因子，相关系数保持在0.7 以上。大气与地面间的热量交换过程直接反映在地表温度的变化之上［53］，地表温度不可避免地受到空气温度的直接影响，两者存在显著正相关，平均相关系数为0.69。空气湿度与地表温度呈现出显著的负相关，平均相关系数-0.71，说明空气中较高的水汽含量会削弱太阳辐射，从而起到抑制地表增温的作用。降水主要通过土壤湿度的反馈机制来影响地表温度，而本研究中降水量与地表温度未表现出显著相关，主要与采样时天气状况有关，基于无人机的地表温度采样无法在强降水天气完成。因此，采样时段降水量均保持在较低水平。

图7 高寒草甸地表温度日际变化特征Fig. 7 Daily variation of alpine grassland surface tempera⁃ture during the observation period

表2 地表温度与气象因子相关系数Table 2 Correlation coefficient of surface temperature and meteorological factors

2.4.2 高寒草甸植被盖度与地表温度相关性分析 为研究植被盖度对地表温度的影响，分析了6 块样地对应的平均地表温度差异，上节研究表明气象条件显著影响地表温度，因此为尽量剔除气象因子对地表温度的影响，选择4 d 晴朗天气条件下的地表温度数据用于相关分析。结果表明，研究区内就植被与裸土两种下垫面而言，植被冠层温度显著高于裸土地表温度（图8），平均温差约为2 ℃。就研究样地整体而言，当植被覆盖度大于50%时，平均热红外影像地表温度随植被盖度的增加出现上升趋势（图9），植被覆盖度越高，对应地表温度越高。这主要与下垫面的干湿状态有关，观测期内降水频繁，平均3～4 d 出现一次降水天气，加之夜晚凝结水，裸土表面一直保持湿润状态，裸土比热容增加，使得裸土具有更低的地表温度。此外，晴朗天气条件下充分的土壤水分使得裸土表面蒸发作用强烈，造成热量的损耗，从而降低地表温度。

图8 高寒草甸植被-裸土地表（A）及其温度差异（B）Fig.8 Alpine meadow vegetation and bare surfaces（A）and the surface temperature difference（B）

图9 不同植被覆盖度下地表温度Fig.9 Surface temperature under different vegetation coverage

3 讨论

3.1 机载热红外相机在高寒草甸地表温度监测中的应用性评价

机载热红外相机已广泛应用于地表温度的快速、大范围监测，并取得良好应用效果。田慧慧等［27］应用无人机搭载FLIR Vue Pro 640R 测温型热像仪对6 种下垫面的地表温度变化特征研究表明，热成像仪所获地表温度与HOBOMX2201 测温仪实测的水体温度之间线性回归决定系数R2为0.94，测温误差在1 ℃以内。 杨文攀等［51］采用大疆S1000 八旋翼无人机搭载Optris PI450 非制冷热像仪对玉米（Zea mays）冠层温度监测结果表明玉米冠层温度值与地面实测值具有高度一致性，R2=0.72，测温误差为0.6 ℃。张宏鸣等［54］研究玉米冠层温度时将手持测温仪测得的冠层温度与无人热红外成像仪获取的冠层温度进行误差分析，两者最高相关性系数R2可达0.93。本研究使用水银温度计校正禅思XT 热红外影像地表温度的精度R2在0.75 左右，虽能基本满足应用需求，但精度略低于已有研究结果，究其原因主要有以下几点：首先，本研究区位于青藏高原北缘疏勒河源区，平均海拔4000 m，天气状况复杂多变，尤其是多云、降水及大风天气对无人机热红外影像的采样精度影响较大。观测期内连续降水天气频繁，空气相对湿度高，而空气中水汽含量越高，热红外相机的测温精度越低。连续降水天气产生地表积水，土壤表层处于湿润状态，反射率降低，随之测温精度降低。此外，每完成一次飞行任务，地面同步读取水银温度计时间约为1～2 min，太阳辐射是地表热量主要来源，在此过程中一旦出现阴晴变化，地表温度差异可在5 ℃以上。其次，本研究区晴朗天气条件下午后常伴有大风天气，不仅增加无人机飞行的不稳定性，同时影响热红外相机的拍摄精度。再次，相比同类研究，本研究区下垫面地形条件更为复杂，部分样地存在坡度，影像边缘可能产生微小阴影和畸变。因此，在高寒草甸地区应用无人机搭载热红外相机进行采样时需注意选择平坦样地，尽量在晴朗无风天气条件下进行飞行，结合天气条件及热红外相机分辨率情况建议飞行高度不宜超过100 m，地面同步采样、校准工作至关重要。

3.2 高寒草地地表温度变化特征

受太阳辐射变化影响，高寒草甸地表温度自日出到正午12：00 处于迅速增温阶段，13：00-15：00 处于峰值阶段，15：00 至日落处于波动降温阶段。这一结论与田慧慧等［27］利用无人机热红外遥感技术获取的城市草坪地表温度日变化特征一致，李超等［52］在草地下垫面地表温度与近地面气温的对比研究中同样得到类似结论。值得注意的是本研究中个别样地在12：00-15：00 地表温度出现双峰现象，通过分析可知双峰现象的出现通常对应较高的地表温度（30 ℃），正午时分太阳辐射增强，温度升高，植被气孔开度增加，植被蒸腾作用不断增强从而降低自身温度，出现第一个温度峰值；随着太阳辐射及气温的进一步增加，为防止温度过高导致植被失水萎蔫，气孔关闭，植被蒸腾作用受到抑制，植被温度再次升高，出现第二次峰值。观测时段内多变的天气也可能是造成双峰现象的原因，对此仍需长期详细监测进行解释。巴彦［55］对内蒙古草地地温变化规律的研究显示，草地地温随时间变化呈单峰分布，峰值出现在6 或7 月中旬，而本研究在7 月4 日-8 月17 日的观测期内没有捕捉到高寒草甸地表温度明显的日际变化趋势，这主要受当年连续性降水等天气条件变化影响，地表温度表现出波动变化特征，并与气温及降水呈现出较为一致的波动规律。

3.3 高寒草地地表温度影响因素

就大尺度研究而言，海拔高度、经纬度、气候条件等是影响地表温度的重要条件［56］；就小尺度研究而言，气象因子、地形条件及植被盖度等是影响地表温度的主要因素，以往研究认为空气温度是影响地表温度的直接因子，日照时数、降水、风速等是影响地表温度的主要气象因子［27，57］，本研究结论与此一致。值得注意的是本研究相关分析结果显示，太阳辐射及空气湿度对高寒草甸地表温度影响要大于气温影响，说明对于高寒草甸而言，地气热量交换环节中受多方因素影响，诸如近地表风、植被生理特性等，有待后续进一步实验研究。本研究所采用的地表温度数据获取渠道为机载热红外相机，热红外相机通过测量下垫面物体比辐射率计算表面温度，热红外相机镜头到物体表面之间的大气传输会改变热辐射的温度测量结果，尤其是大气中的水汽对辐射能量有较强吸收作用，造成能量衰减，这也是造成空气湿度对地表温度影响高于气温影响的原因之一。上述结论进一步表明使用无人机搭载热红外相机进行高寒草地地表温度采样时需注意选择晴朗无风、空气湿度小的天气。

相同的辐射条件下，干燥裸地的热吸收能力大于草地［58］，裸地升温速率大于草地，加之植被叶片蒸腾作用损耗热量，降低表面温度，使得草地地表温度低于裸土温度，既植被覆盖度与地表温度间存在负相关关系［51，58-59］。而本研究结果显示当植被覆盖度高于50%，平均地表温度随植被覆盖度的增加出现上升趋势。巴彦［55］在研究内蒙古草地地温变化规律后认为盖度小于25%的草地地面温度在6 月中旬会出现高于裸地的情况，主要原因为草地盖度较低时牧草覆盖不足以阻挡太阳辐射，却阻碍了近地层空气流动，使近地层大气与土壤的热量交换减缓，从而有利于地表的热量蓄积。显然对于本研究区而言无法用此结论进行合理解释，通过实地调查及影像分析，认为降水引起的土壤干湿状态反馈机制是导致草地温度高于裸土的主要原因，降水后草地比辐射率变化较小，而湿润裸土的比辐射率比干燥裸土高0.05 左右，在连续降水天气下，研究样地裸土表层含水率较高，一直处于湿润状态，从而导致裸土地表温度低于草地，植被覆盖度与地表温度呈现出正相关关系。

3.4 研究不足与展望

本研究利用无人机搭载热红外相机监测高寒草甸地表温度，结合地面水银温度计同步采样评估无人机热红外影像的应用精度，地面采样过程中人工读取水银温度计温度用时为2～3 min，而无人机搭载热红外相机完成样地拍摄时间仅为几秒，加之高原天气多变，水银温度计响应敏感，两者时间差将会带来误差，降低精度评估准确性，后续研究工作中拟使用自计式纽扣温度计进行地表温度同步采样工作，提高采样效率及准确性。热红外相机获取高寒草甸冠层温度过程中，阳光直射部分及冠层阴影部分同时参与到地表温度的计算过程，高寒草甸叶片细长，鉴于当前热红外影像图片分辨率及图像处理技术很难进行区分，而区分研究两者冠层温度对于了解草地水分响应规律，提高作物水分诊断精度大有裨益。因此，从技术层面提高热红外影像分辨率，从理论层面优化热红外影像分割算法是未来基于热红外相机进行高寒草甸地表温度监测的重要工作［26］。

4 结论

本研究以机载普通相机及热红外相机获取的影像为数据源，评估了热红外影像在高寒草甸的应用精度及误差来源，分析了高寒草甸地表温度日变化及日际变化特征，并结合实测气象数据及植被盖度数据对高寒草甸地表温度变化的影响因素进行了研究。机载热红外相机可快速、高效地获取面尺度高寒草甸地表温度数据，热红外影像地表温度与地面实测值具有较高一致性（R2=0.75），地形、天气及采样时间是导致测温误差的主要原因。高寒草甸地表温度日变化特征表现为 9：00-12：00 时段快速上升，13：00-15：00 时段达到峰值，15：00-18：00 时段波动下降。受气温、降水波动变化影响，观测期内（7 月4 日-8 月17 日）地表温度未表现出显著日际变化趋势。气象因子中，太阳辐射及气温直接影响高寒草甸地表增温，而较高的水汽含量会削弱太阳辐射，抑制地表增温。连续降水引起的土壤干湿状态反馈机制使裸土处于湿润状态，植被覆盖度与地表温度呈现出一致的变化趋势。利用无人机搭载热红外相机获取地表温度数据，一方面提高测温效率，另一方面可以弥补高时空分辨率热红外影像缺失问题，能够有效解决小尺度下获取高寒草甸高分辨率地表温度数据的技术难题，为高寒草地干旱监测，土壤水分及蒸散发反演提供基础数据。