基于文献计量法的地表温度降尺度研究综述

郭 歌，祝善友*，陈麒合，刘子轩，李涛哲

（1.南京信息工程大学 遥感与测绘工程学院，江苏 南京 210044）

近几十年来，许多学者致力于地表温度[1]降尺度算法的研究，提出了精度高且应用范围[2-5]广的方法。Zhan[6-7]等通过遥感地表温度分解领域的文献进行整理总结，对地表温度分解的概念、范式、理论、方法和应用等方面进行了深入探索，并构建了地表温度降尺度的框架。随着地表温度降尺度方法研究与应用的深入，有必要对近些年来地表温度降尺度领域的发展进行梳理。文献计量法把文献的特征和体系作为研究对象，采用计量方法，研究文献的变化规律、分布结构和数量关系[8]。此方法具有客观、定量和易于比较的优势，并对科研产出能力等重要指标有着较为直观的评价，对引导未来地表温度降尺度相关概念和方法的应用起到了重要作用[9]。本文旨在利用文献计量法对2005-01~2020-07期间的地表温度降尺度相关研究进行统计总结。

1 数据与方法

本次研究使用Web of Science网站与中国期刊全文数据库，检索发表日期在2005-01~2020-07期间的地表温度降尺度领域的中英文论文。在Web of Science网站中，主要对英文论文进行检索，选择“所有数据库”，选用LST、downscaling、sharpening、disaggrega⁃tion等在地表温度降尺度领域中具有代表性的词汇，以主题检索与关键词检索方式分别各进行了一次检索。利用中国期刊全文数据库，主要进行中文论文的检索，选用“地表温度”、“降尺度”、“锐化”等关键词进行检索。将上述检索的结果导出汇总、阅读所有论文进行第二次筛选，最终得到185篇符合要求的论文，其中包括36篇中文论文和149篇英文论文。

2 结果与分析

2.1 地表温度降尺度论文基本特征

2.1.1 关键词统计与分析

在185篇相关文献中共出现了613个关键词，图1给出了其中出现次数大于3次的关键词。其中，“remote sensing”作为学科关键词出现最多，高达97次，“Disaggregation”和“downscaling”作为与降尺度相关的关键词分别出现了42次与38次，是地表温度降尺度领域的常用术语，“MODIS”和“ASTER”等传感器作为关键词也出现了较多次数。“地表温度”则是中文文献中出现最多的关键词，出现次数为30次，“降尺度”则是中文文献中与降尺度相关的关键词。值得注意的是，“urban heat island”、“heat island”出现次数分别为22、11次，这说明城市热岛效应是地表温度降尺度的重要应用领域[10-12]，引起了众多热红外遥感领域学者的关注。

图1 关键词词频统计

图2是地表温度降尺度常用术语在文献中的使用次数，通过统计可以发现，在地表温度降尺度领域，分解（disaggregation）、降尺度（downscaling）、锐化（sharpening）、融合（fusion）和空间增强（spatial en⁃hancement）等都可以作为关键词来检索相关文献。

图2 不同降尺度术语的使用次数

2.1.2 文献数量变化

2005-01~2020-07期间共发表了相关中文和英文文献共185篇，其中中文文献36篇，英文文献149篇。每年文献发表数量保持波动上升趋势，2005—2019年中，共有173篇文献发表，年平均文献发表数量为11.53，其中文献发表数量最多的年份为2019年，共有23篇论文发表。

从被引次数上看（如图3），在2005—2019年中，173篇文献总被引次数为4 119，每年平均被引次数为274.6，篇均被引次数为23.81。每年论文被引次数波动较大，2005—2013年的被引次数呈波动上升趋势，2013年被引次数最多，为603次，年篇平均被引次数为30.15。2013年之后，每年被引次数呈下降趋势。截至2020年7月底，2020年共有12篇论文发表，被引次数为4次。

图3 相关论文发文数量与被引次数

2.1.3 论文发表的主要期刊

在本次统计中，论文分别发表在73个期刊（或会议）上，包括56个英文期刊以及17个中文期刊（表1）。绝大多数文章都发表在遥感专业的期刊上，国外期刊如《Remote Sensing of Environment》、《Remote Sensing》、《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》等，国内期刊如《遥感技术与应用》、《国土资源遥感》、《遥感信息》等。从发表数量来看，发文量排名前十的期刊共发表论文95篇，占总发表数量的51.35%，其中《Re⁃mote Sensing of Environment》发表相关论文数量最多，共22篇，占总论文数量的11.89%。从被引次数来看，发文量排名前十的期刊共被引3 273次，占2005—2020年总被引次数的79.38%，其中《Remote Sensing of Environment》上发表的论文被引次数最多，为1 158篇，占总被引次数的44.12%。

表1 不同期刊发表相关论文数量排名

在中文期刊中，发文量最多的是《遥感技术与应用》，共发表4篇论文，占总发表总数量的2.16%，被引次数为21次，占总被引次数的0.51%；被引次数最多的是《遥感学报》，共发表2篇论文，占总发表数量的1.08%，被引次数为45，占总被引次数的1.09%。从统计结果来看，发文量排在前十名的期刊均为英文期刊，其中有8个期刊为遥感领域的专业期刊，而中文期刊发文数量相对较少。

2.1.4 发表论文的主要研究机构

由于世界范围内在本领域发表论文的研究机构数量庞大，本文仅统计国内的研究机构（表2）。发表论文数量排名前10的单位均至少发表了5篇论文，其中发表论文数量最多的是中国科学院，共发表32篇论文，占论文总数的16.76%，32篇论文共被引338次，占全部被引次数的8.20%。

表2 国内相关论文高产机构

表3 被引次数最多的10篇论文

2.1.5 高影响力论文

表3给出了被引次数最多的10篇论文，全部为英文文献，共被引1 420次，占所有论文总被引次数的34.44%，其中被引次数最多的是Agam等，于2007年在《Remote Sensing of Environment》上发表的《Aveg⁃etation index based technique for spatial sharpening of thermal imagery》，被引226次，其采用的降尺度方法是TsHARP。

被引次数排名前十的论文全部于2014年及以前发表，涵盖了地表温度降尺度主要流行的几种研究方法，其中也不乏我国学者的参与。在中文文献中，被引次数最多的是聂建亮等于2011年在《生态学报》上发表的《基于地表温度-植被指数关系的地表温度降尺度方法研究》，被引次数为34。

2.2 地表温度降尺度论文研究区域与数据

2.2.1 研究区域

本次统计的文献所选用的研究区域的地表类型大致可分为三类：①非均一地表：如发达城市及其周边郊区，例如中国北京、南京、上海在文献中多次被选作研究区域，这是因为这些发达城市经济繁荣，人口众多，城市热岛效应问题较为突出、地表类型丰富且具有高度的异质性，这对验证研究方法的适用性有很大的帮助；②均一地表：如农田、荒漠、水体等，其中有10余篇文献选择我国黑河中游的张掖地区作为研究区域，这是因为该区域有很多种植地，建筑物较少且该区域包含较多研究测试站点；③同时包含非均一地表和均一地表的研究区。

2.2.2 研究常用的传感器

在本次统计的186篇地表温度降尺度相关的中英文文献中，共出现了39种不同的传感器（图4）。研究中MODIS的使用次数最多，有95篇文献使用了MO⁃DIS传感器数据，有许多文献选择对MODIS数据进行降尺度，主要是因为MODIS数据可免费获取、更新频率相对高且有可直接使用的地表温度、植被指数等产品。ASTER以51篇文献的采用量排第二，ASTER数据的特点之一是可以根据用户的需求来随时随地地获取数据、空间分辨率较高（90 m）且也有地表温度产品，多被用于验证降尺度方法的精度。TIRS、TM、ETM+作为Landsat卫星系列搭载的传感器，为遥感用户提供了可供长期、连续观测的热红外遥感图像，其空间分辨率较高、可免费获取且其地表温度反演算法相对较为成熟[13-15]，也经常被用于地表温度降尺度研究中。

图4 地表温度降尺度研究常用的传感器

2.3 地表温度降尺度研究方法

在地表温度降尺度发展的10 a来，涌现出了许多不同的研究方法，这些方法大致可分为两类：基于尺度因子的降尺度方法和基于图像融合的降尺度方法[16]。其中基于尺度因子的方法又可分为三类：统计回归方法、基于调制分配方法以及基于线性光谱混合方法。近年来，随着机器学习算法及其应用领域扩展，基于机器学习的地表温度降尺度研究越来越多[17]。各类方法所占比如图5所示。

图5 地表温度降尺度领域文献研究方法统计

基于尺度因子研究地表温度降尺度方法的文献占比55%（图5），其中统计回归降尺度方法占比43%，是使用最多的方法。统计回归方法，假定“关系尺度不变”，将低分辨率地表温度与回归核的统计关系应用到高分辨率上。Kustas[18]等根据地表温度与归一化差异植被指数（normalized difference vegetation index）在不同尺度之间存在统计回归关系一致的前提，提出了Dis⁃Trad（disaggregation procedure for radiometric surface temperature）降尺度方法，该方法首次以植被指数作为回归核，应用于地表温度降尺度领域。LST-NDVI关系对于各种土地覆盖情况并非唯一，因此，要进行精确度更高的降尺度，需要增加其他信息，如土地覆盖类型、绿色植被比例、发射率或地表反照率等。2007年Agam[19]在Distrad算法的基础上提出了改进的TsHARP（An algorithm for sharpening thermal imagery）模型，该方法以植被覆盖率为回归核，并被证明有最优的降尺度效果，之后被广泛应用于地表温度降尺度领域。文献被引频次在一定程度上可以反映文献的影响力与同行的认可度，在基于尺度因子的研究中被引量最高的分别是文献[17]和[19]，被引次数分别为352和226次（表4）。由于地表类型的多元化，多种地表参数被用于降尺度的研究，回归核也由一个变为2个甚至多个。在DisTrad和TsHARP算法的基础上，Dominguesz[20]等提出了能更好适用于城市地区的HUTS算法，利用地表温度与NDVI和地表反照率二元四次多项式关系的尺度不变性对地表温度进行降尺度；Duan[21]等提出了一种基于地理加权回归（GWR）的全新降尺度算法，将MODIS地表温度从990 m降至90 m，统计结果表明这种基于GWR的算法优于TsHARP算法。

表4 基于统计回归降尺度方法的文献被引量排名

基于调制分配的方法以及基于线性光谱混合的方法的文章占比分别为2%、10%。基于调制分配的地表温度降尺度方法的核心思想是依据可见光波段的影像和其他高分辨率参数，将大尺度上的地表温度按照某种权重分配至像元内部。该方法概念直接、应用便捷，但在地表温度降尺度应用较少。基于光谱混合模型的方法是根据线性光谱混合模型，建立低空间分辨率和高空间分辨率LST之间的直接关系，从而实现温度降尺度，该方法是对图像机理的描述，具有明显的物理意义[22]。此类方法被引量最高的三篇文献分别是文献[23]、[24]、[25]，被引次数分别为109、98、66次。值得注意的是，研究此类方法的学者提出了一些适用于城市异质性较高区域的方法，这对城市热岛研究具有重要作用。Deng[23]等考虑不同土地覆被成分的热特性不同，提出了光谱分解模型和热混合（SUTM）模型，研究典型土地覆被成分对城市热格局的影响。Liu[25]等利用光谱混合分析法（SMA）获取到了城市土地成分丰度，并通过对高光谱影像中各个组分的线性解混结果得到了高空间分辨率的城市地表温度。Zhu[26]等采用逐步回归分析方法对上海市地表温度进行了降尺度实验，并对比了DisTrad、TsHARP和PCA分解方法，验证了此方法在城市区域的优越性。

一部分学者从图像融合的角度进行地表温度降尺度，此类方法的占比为17%。学者们分别提出了GS（gram-Schmidt）方法、GLP（generalized laplacian pyr⁃amid）方法[27]、贝叶斯[28]方法、协-克里金差值[29-30]方法。特别是Gao[31]等首次提出了一种新的空间和时间序列自适应反射融合模型（STARFM）算法后，许多学者致力于此方法的改进，如提出了时空自适应数据融合算法（SADFAT）[32]、时空自适应映射反射率变化算法（STAARCH）[33]、增强的时空自适应反射融合模型（ESTARFM）[34]等，并将其用于地表温度降尺度研究领域。

基于机器学习的地表温度降尺度方法的研究所占比例位列第二，并且近年来相关研究呈现上升趋势。机器学习是人工智能的核心研究领域之一，其研究主旨是使用计算机模拟人类的学习活动,它是研究计算机识别现有知识、获取新知识、不断改善性能和实现自身完善的方法。统计回归方法中的简单因子、多因子回归关系并不能完全描述不同尺度因子与LST之间的非线性复杂关系。在物理机制尚不完全清楚的前提下，使用机器学习方法构建降尺度模型是较好的选择。经典的算法包括决策树算法、随机森林算法、人工神经网络算法、支持向量机(SVM,support vector machine)法、EM算法等。被引量最高的文献分别是文献[35]、[36]、[37]，被引次数分别为93、82、64次。文献[38]、[39]分别采用GA-SOFM神经网络、遗传算法和自组织特征映射人工神经网络（GA-SOFM-ANN），并利用多种地表参量进行地表温度降尺度。Gao[40]等提出了一种数据挖掘锐化方法（DMS，data mining sharpener），通过回归树方法将热红外温度与一组短波光谱反射直接关联起来，实现地表温度降尺度目的[36]。值得注意的是，Vohland[35]等首次将随机森林（random forest）模型利用在地表温度降尺度研究上，并得到了许多学者的关注。

2.4 验证方法及评价指标

通过对近15 a的文献进行统计，降尺度结果精度评估与验证的方法大致分为4类：①交叉验证：与其他高分辨率热红外传感器反演的地表温度对比或与已被验证可靠性的降尺度方法结果进行对比验证；②地面点验证：利用热红外遥感基础理论，将地表实测气温数据或红外辐射温度观测数据等转化为地表温度数据作为真实地表温度，或者直接采用站点实测地表温度数据，将其与降尺度后图像进行对比；③采用聚合-锐化思路：先将原图像聚合成低分辨率图像，再将其进行降尺度，并与原始空间分辨率的地表温度图像进行对比；④模拟数据验证：模拟一组高分辨率地表温度数据，并假定温度、地物、反射率等，再将其聚合为低分辨率图像，然后将其进行降尺度并与原模拟数据进行对比。这4种不同的验证方法各有利弊。交叉验证方法并未考虑不同传感器之间响应的差异，直接用高分辨率传感器反演的温度作为真实数据来验证降尺度方法的精度会带来一定的误差；利用地面点数据验证精度的方法，在区域的选择上依赖于观测站的分布；先聚合后锐化的方法在聚合过程中会带来误差；模拟数据验证是理想化的情况，而实际上地表温度受多种因素的影响。由此可见，如何选择验证方法，有待进一步开展深入研究。

在精度评估指标方面，本次统计的中英文文献中共使用了57种精度评定指标，典型评定指标的使用频次见图6。

图6 降尺度结果评估指标

3 结语

3.1 结论

本次研究基于文献计量法对近15 a的遥感地表温度降尺度领域的论文进行了梳理，可以清晰直观地看到这个领域的发展状况。自2005年以来，该领域的发文数量呈逐年波动上升趋势，地表温度降尺度研究在不断发展，吸引了越来越多学者的注意。但自2013年起，每年的论文被引次数呈逐年下降趋势，其原因可能是近年来大多数研究都着眼于对原有方法的改进与融合，突破原有方法框架的地表温度降尺度原创性方法较少。

在地表温度降尺度领域，统计回归方法占据主流地位，其中包括应用最广的DisTrad和TsHARP算法。随着计算机技术的不断发展，基于机器学习的降尺度方法发展较快，在未来几年里可能会成为遥感地表温度降尺度的新发展方向。

3.2 研究不足之处

地表温度降尺度领域的术语较多，本文在选择相关关键词时具有一定的主观性，因而在检索文献的时候可能存在遗漏的现象。其次，被引次数可能不够精确，在被引频次的统计过程中，中文文献被引次数主要参考了中国知网和万方数据的被引频次，英文文献参考web of science的被引频次，这使得被引次数的统计存在一定的误差。