地表辐射温度取代地表温度的可行性分析——以“风云2号”C星与MODIS数据为例

荣 媛，杨永民

(1.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101;2.中国科学院研究生院，北京 100049)

地表辐射温度取代地表温度的可行性分析
——以“风云2号”C星与MODIS数据为例

荣 媛1，2，杨永民1，2

(1.中国科学院地理科学与资源研究所陆地水循环及地表过程重点实验室，北京 100101;2.中国科学院研究生院，北京 100049)

为了反演出全天各个时刻的地表温度数据，在不考虑大气水汽含量和地表比辐射率的情况下，首先建立“风云2号”C星2个热红外通道数据相对于MODIS地表温度数据之间的回归方程，反演出各个时刻的5 km空间分辨率的地表辐射温度;然后根据地表温度最大值和最小值出现的时间，将反演的地表辐射温度降尺度到1 km空间分辨率，在同时刻、同尺度的前提下，通过对“风云2号”C星数据反演得到的5 km空间分辨率地表辐射温度和MODIS数据升尺度得到的5 km空间分辨率地表温度以及它们的空间分布进行对比分析，发现二者的空间分布格局趋于一致;最后，结合植被覆盖分类图，求出不同植被覆盖类型区域在“风云2号”C星(1 km空间分辨率)影像和MODIS(1 km空间分辨率)影像上的平均地表辐射温度，计算得到的绝对误差为1.95 K，相对误差为10.7%。反演结果表明，以土壤和植被为主体的地表面，用该方法得到的地表辐射温度与MODIS地表温度的最大误差在2 K之内。

地表辐射温度;地表温度;热红外通道;降尺度;“风云2号”C星;MODIS

0 引言

地表温度是研究区域和全球尺度地球表层系统过程的一个关键参量［1－2］，是地表能量平衡的综合结果，也是全球环流模型，地表潜热、显热通量方程等计算所需要的基本参数。但是，由于大气效应、陆地表面比辐射率以及地形纠正等因素的影响，致使利用卫星遥感图像反演地表温度成为一个公认的且具有挑战性的课题［3－4］。

在反演地表温度的众多方法中，几乎都需要地表的比辐射率信息［5－6］。近年来，国内外学者对用遥感数据反演地表温度的方法进行了大量研究。1996年，Hurtado等人根据地表能量平衡方程和标准气候参数，提出了一种新的大气校正法，并用于TM数据反演地表温度［7］;2008年，Tang等人提出了利用MODIS 31、32波段数据和我国自主研发的“风云2号”气象C星(以下简称“风云2号”C星)的2个热红外通道比辐射率参数反演地表温度的算法［8］;2010年，Shu等人在 Sobrino和 Romaguera工作的基础上，利用“风云2号”C星的2个热红外通道数据反演地表温度［9－10］。由于受到数据源和技术条件的限制，根据现有的方法每天只能反演一个时刻的地表温度，因此不能满足实际应用及遥感模型计算的需要［11－16］。

本文以“风云2号”C星的2个热红外通道(10.3 ～11.3 μm 和11.5 ～12.5 μm)数据和 MODIS地表温度产品数据(以下简称MODIS地表温度)为数据源，以华北平原为研究区，以MODIS地表温度数据(升尺度至5 km空间分辨率)作为相对真值，建立它和“风云2号”C星2个热红外通道数据之间的回归方程，反演出当天“风云2号”C星每一个时刻的地表辐射温度，并将其降尺度至1 km空间分辨率，与同时刻具有一定植被覆盖的MODIS平均地表温度数据进行对比验证。

1 研究区概况

研究区位于我国华北平原，地理位置介于E114°～118°，N36°～40°间;气候属暖温带季风气候，四季分明，年均气温8～15℃;农作物以冬小麦和玉米为主。

2 数据源及数据处理

MODIS数据产品来源于美国国家航空航天局(NASA)网站(https://wist.ec ho.nasa.gov/api//)，包括地表温度产品(MOD11)、植被分类产品(MOD12)、地表反射辐射产品(MOD02)、地理定位产品(MOD03)、云检测产品(MOD35)以及大气可降水量产品(MOD05)。本文选取2006年3月28日晴天条件下的原始级数据产品(MOD1B)和同一天收录的“风云2号”C星数据进行研究。

首先利用IDL编写程序，通过设定一个适当的辐射温度阈值来检测某个像素是否被云信息所覆盖，再结合云检测产品(MOD35)来剔除云信息;然后结合MOD1B的地面控制点文件，利用地理定位产品(MOD03)，对其进行几何纠正，用以剔除研究区内的海洋信息。

“风云2号”C星数据来源于国家卫星气象中心网站(http://fy3.satellite.cma.gov.cn/PortalSite/Ord/Satellite.aspx?seriesCode=FY2X)。本研究使用了“风云2号”C星的红外1和红外2两个通道的遥感数据。

选用的2006年华北平原地表覆盖类型图来源于MOD12植被分类产品(图1)。

图1 华北平原地表覆盖类型图Fig.1 The land cover types of the North China Plain

3 研究方法

3.1 地表辐射温度的反演

由于大气对热辐射能量的衰减非常严重，可利用“风云2号”C星2个邻近的热红外通道具有不同的大气衰减的特点(即红外2通道的水汽吸收较红外1通道略多一点)来进行地表辐射温度的反演。以经过处理的MODIS地表温度数据作为相对真值，在Wan和Dozier提出的分裂窗算法的基础上［17］，建立了“风云2号”C星2个热红外通道数据相对于MODIS地表温度之间的回归方程，其表达式为

式中，LST11MODIS为中午11:00时 MODIS地表温度;T1、T2分别是 10.3 ～ 11.3 μm 和 11.5 ～12.5 μm两个热红外通道的地表辐射温度，回归系数A、B、C取决于大气状况及其他影响通道辐射强度和透过率的相关因子，可通过IDL编程求出。本文选用了2006年3月28日和2006年4月2日的“风云2号”C星数据和MODIS地表温度数据分别进行回归系数的验证。回归系数见表1。

表1 不同天气状况下的回归系数A、B、CTab.1 Regression coefficient A、B、C in different weather conditions

将A、B、C代入式(2)，即可求出根据“风云2号”C星遥感数据反演的地表辐射温度TFY，即

3.2 地表辐射温度的降尺度计算

4 结果与分析

4.1 同时刻不同尺度“风云2号”C星数据反演的地表辐射温度与MODIS地表温度对比分析

由2006年3月28日中午11:00时的“风云2号”C星数据反演的5 km空间分辨率地表辐射温度和由MODIS地表温度升尺度至5 km空间分辨率的地表温度分布如图2所示;降尺度至1 km空间分辨率地表辐射温度和1 km空间分辨率MODIS地表温度分布如图3所示。

图2 “风云2号”C星数据反演的地表辐射温度(5 km空间分辨率，左)与MODIS地表温度(升尺度至5 km空间分辨率，右)对比Fig.2 Contrasting of FY －2C data land surface radiation temperature(5 km spatial resolution，left)and MODIS land surface temperature(up scale to 5 km spatial resolution，right)

图3 “风云2号”C星数据反演的地表辐射温度(降尺度至1 km空间分辨率，左)与MODIS地表温度分布(1 km空间分辨率，右)对比Fig.3 Contrasting of FY －2C data land surface radiation temperature(down scale to 1 km spatial resolution，left)and MODIS land surface temperature(1 km spatial resolution，right)

由图2可以看出，由2种数据获得的温度在华北平原范围内的空间分布具有一致性，而且也符合土壤水分、地表反照率和土地利用覆盖类型的变化规律。需要说明的是，由“风云2号”C星反演地表辐射温度时并未剔除研究区内的海洋信息。

将图3与图1进行比较分析，可以看出，地表辐射温度和地表温度的空间分布与地表覆盖类型的分布具有较好的一致性。

由“风云2号”C星反演获得的5 km空间分辨率地表辐射温度和由MODIS地表温度数据升尺度至5 km空间分辨率的标准偏差和平均值见表2。

表2 “风云2号”C星数据反演的地表辐射温度(5 km空间分辨率)与MODIS地表温度(升尺度至5 km空间分辨率)的标准偏差和平均值Tab.2 The standard deviation and average of FY －2C land surface radiation temperature(5 km spatial resolution)and MODIS land surface temperature(up scale to 5 km spatial resolution) (K)

从表2可以看出，2种数据温度的平均值近于相等，但是由“风云2号”C星反演获得的地表辐射温度标准偏差小于MODIS数据的地表温度标准偏差。这是因为，“风云2号”C星原始影像的空间分辨率较低，混合像元问题突出，地物分类精度低于MODIS影像的分类精度，地物之间的空间相关性和连续性也不如MODIS影像，从而压缩了应有的空间变化幅度。

由“风云2号”C星数据反演获得的地表辐射温度(5 km空间分辨率)和同分辨率的MODIS地表温度的频数分布如图4所示。

图4 “风云2号”C星数据反演的地表辐射温度频数(5 km空间分辨率，左)与MODIS地表温度频数(5 km空间分辨率，右)对比Fig.4 Frequency contrasting of FY －2C land surface radiation temperature(5 km spatial resolution，left)and MODIS land surface temperature(5 km spatial resolution，right)

从图4可以看出，由“风云2号”C星反演的地表辐射温度和MODIS地表温度的频数分布变化趋势是一致的:在270～285 K温度范围内，频数分布变化平稳，但在285～290 K范围内，频数直线上升，在290～295 K范围内，频数最高，在291 K和294 K这两个值附近出现了2个波峰，在295～300 K区间，频数直线下降，下降到300 K之后，在300～305 K范围内，频数分布趋于稳定;频数的最高值范围都出现在290～294 K区间范围内，最小值都出现在275～280 K和大于300 K的范围内;由于“风云2号”C星原始数据的空间分辨率(5 km)低于MODIS原始数据的空间分辨率(1 km)，混合像元问题比较突出，因此，在高于平均温度2 K的294 K处出现了一个异常波峰。

4.2 不同地表覆盖类型的MODIS平均地表温度和“风云2号”C星平均地表辐射温度分析

本文选取的遥感数据接收日期是2006年3月28日，此时植物正处于生长季初期。分析时，首先根据地表覆盖类型图(图1)和温度分布图(图3)提取出中午11:00时各地物类型1 km空间分辨率的MODIS平均地表温度和由“风云2号”C星反演且降尺度至1 km空间分辨率的平均地表辐射温度(表3)。为了进一步对比验证，将“风云2号”C星数据反演的平均地表辐射温度与MODIS平均地表温度进行对比，两者温度差如表3所示。

从表3可以得出:在由“风云2号”C星数据反演的平均地表辐射温度中，旱地、裸岩石质地、滩地和城乡工矿居民用地的温度最高，草地和林地的位于其次，水田和水域处于之后，沙地、盐碱地、沼泽地和裸土地的温度最低;MODIS地表温度分布则是裸土地、旱地、城乡工矿居民用地、滩地、沙地温度最高，草地、水田、裸岩石质地、林地位于其次，沼泽地、水域温度低;利用“风云2号”C星的2个热红外通道数据，通过回归系数法反演的地表辐射温度与MODIS地表温度总体分布趋势都是旱地和城乡工矿居民用地的温度最高，草地和林地其次，水域温度最低。

表3 不同覆盖类型MODIS地表温度平均值(1 km空间分辨率)和“风云2号”C星地表辐射温度平均值(1 km空间分辨率)比较Tab.3 Different cover types of average land surface radiation temperature inverted from FY－2C(1 km spatial resolution)and MODIS average land surface temperature(1 km spatial resolution)(K)

由“风云2号”C星反演的平均地表辐射温度与MODIS平均地表温度之间的绝对误差从大到小顺序是:裸土地＞湖泊＞滩涂＞沙地＞有林地＞其他林地＞盐碱地＞河渠＞沼泽地＞疏林地＞灌木林＞城镇用地、丘陵(旱地)＞平原(水田)＞农村居民点＞高覆盖率草地 ＞低覆盖率草地 ＞平原(旱地)＞滩地＞山地(水田)＞中覆盖率草地。部分植被对应的绝对误差较小或较大的原因如下:

(1)平原(旱地)、山地(水田)等对应的绝对误差较小是因为植被覆盖率较高农作物的冠层比辐射率为0.98，湿土的比辐射率可以达到0.95，干土的比辐射率可以达到0.92，均接近于1［19］。由于农田被低矮的农作物覆盖，植被覆盖率越高，比辐射率越大，地表辐射温度和地表真实温度差值就越小，所以，对于旱田和水田，用地表辐射温度来代替MODIS地表温度，误差较小;由于水田的土壤水分高于旱田的土壤水分，比辐射率也高于旱田，因此水田用地表辐射温度取代MODIS地表温度的误差小于旱田。

(2)湖泊、河渠等对应的绝对误差较大是由于水体污染严重，湖泊和河渠中带有各种有机质，比辐射率变小，用污染水体的地表辐射温度来代替MODIS地表温度，会存在较大误差。

5 结论

(1)由“风云2号”C星数据反演的地表辐射温度和MODIS地表温度的平均绝对误差为1.95 K，平均相对误差为10.7%。

(2)由“风云2号”C星反演的5 km空间分辨率地表辐射温度与MODIS地表温度的空间尺度虽然不同，但是它们的空间分布格局基本是一样的。

(3)结合植被覆盖图，将同尺度、不同地表覆盖类型的“风云2号”C星地表辐射温度与MODIS地表温度进行对比，认为“风云2号”C星数据反演的地表辐射温度与MODIS地表温度的总体误差较小，对以土壤和植被为主体的地表而言，用该方法求得的地表辐射温度与地表温度的最大误差在2 K之内。

［1］ Wan Z M，Li Z L.A Physics－ based Algorithm for Retrieving Land－surface Emissivity and Temperature from EOS/MODIS Data［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35(4):980 －996.

［2］ Li Z L，Becker F.Feasibility of Land Surface Temperature and Emissivity Determination from AVHRR Data［J］.Remote Sensing of Environment，1993，43(1):67 －85.

［3］ Mao K，Qin Z，Shi J，et al.A Practical Split－ window Algorithm for Retrieving Land － surface Temperature from MODIS Data［J］.International Journal of Remote Sensing，2005，26(15):3181 －3204.

［4］ Qin Z H，Karinieli A.Progress in the Remote Sensing of Land Surface Temperature and Ground Emissivity Using NOAAAVHRR Data［J］.International Journal of Remote Sensing，1999，20(12):2367－2393.

［5］ Kaufman Y J，Gao B C.Remote Sensing of Water Vapor in the Near IR from EOS/MODIS［J］.IEEE Transactions on Geoscience and Remote Sensing，1992，30(5):871 －884.

［6］ 张仁华.定量热红外遥感模型及地面实验基础［M］.北京:科学出版社，2009.

［7］ Hurtado E，Vidal A，Caselles V.Comparison of Two Atmospheric Correction Methods for Landsat TM Thermal Band［J］.International Journal of Remote Sensing，1996，17(2):237 －247.

［8］ Tang B H，Bi Y Y，Li Z L，et al.Generalized Split－ window Algorithm for Estimate of Land Surface Temperature from Chinese Geostationary FengYun Meteorological Satellite(FY－2C)Data［J］.Sensors，2008，8(2):933 －951.

［9］ Shu Y Q，Stisen S，Jenen K H，et al.Estimation of Regional Evapotranspiration over the North China Plain Using Geostationary Satellite Data［J］.InternationalJournalofApplied Earth Observation and Geoinformation，2011，13(2):192 －206.

［10］ Sobrino J A，Romaguera M.Land Surface Temperature Retrieval from MSG1 － SEVIRI Data［J］.Remote Sensing of Environment，2004，92(2):247 –254.

［11］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.

［12］黄妙芬，刘绍民，刘素红，等.地表温度和地表辐射温度差值分析［J］.地球科学进展，2005，20(10):1075 －1082.

［13］ Kustas P W，Norman J M.Evaluation of Soil and Vegetation Heat Flux Predictions Using a Simple Two－source Model with Radiometric Temperatures forPartialCanopy Cover［J］.Agricultural and Forest Meteorology，1999，94(1):13 －29.

［14］ Zhan X，Kustas W P，Humes K S.An Intercomparison Study on Models of Sensible Heat Flux over Partial Canopy Surfaces with Remotely Sensed Surface Temperature［J］.Remote Sensing of Environment，1996，58(3):242 － 256.

［15］王鹏新，龚健雅.基于植被指数和土地表面温度的干旱监测模型［J］.地球科学进展，2003，18(4):527 －533.

［16］张仁华.对于定量热红外遥感的一些思考［J］.国土资源遥感，1999(1):1－6.

［17］ Wan Z M，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.

［18］张仁华，孙晓敏，王伟民，等.一种可操作的区域尺度地表通量定量遥感二层模型的物理基础［J］.中国科学 D辑，2004，34(Z2):200－216.

The Feasibility of Replacing Surface Temperature with Surface Radiation Temperature:A Case Study of“FY －2C”and MODIS Data

RONG Yuan1，2，YANG Yong － min1，2
(1.Key Laboratory of Water Cycle ＆ Related Land Surface Processes，Institute of Geographic Sciences and Natural Resources Research，CAS，Beijing 100101，China;2.Graduate University of Chinese Academy of Sciences，Beijing 100049，China)

In order to invert the land surface temperature data of a whole day，the authors first used data for MODIS land surface temperature and the same passing time of the two infrared channels of FY－2C satellite to obtain the regression coefficient by linear fitting of each pixel without considering atmospheric water vapor content and land surface emissivity，and then inverted the land surface radiation temperature with the spatial resolution of 5 km per hour of the day.Based on the transit time，the maximum and minimum surface temperatures appeared，which were downscaled to the spatial resolution of 1 km.Comparing the distribution of the 5 km spatial resolution land surface radiation temperature inverted from FY－2C data with the distribution of MODIS 5 km spatial resolution land surface temperature at the same time and same scale，the authors found that their spatial distributions are similar.Finally，the authors calculated the average 1 km spatial resolution surface radiation temperature inverted from FY－2C remote sensing data and MODIS 1 km spatial resolution land surface temperature in the regions with different vegetation types in combination with the vegetation cover classification map，and the results suggest that the absolute error is 1.95 K and the relative error is 10.7%，which means that the error of the land surface radiation temperature inverted by the method and the land surface temperature is below 2 K when the main body of the land surface is covered with soil and vegetation.

Land surface radiation temperature;Land surface temperature;Infrared channels;Downscaling;FY－2C;MODIS

TP 79

A

1001－070X(2011)04－0014－06

2011－04－14;

2011－06－24

国家自然科学基金项目(编号:40871170、40801141和41101329)和中国科学院百人计划项目共同资助。

荣 媛(1988－)，女，博士研究生，主要从事遥感蒸散发的研究。

(责任编辑:刁淑娟)