基于遥感的天山山区地表温度与下垫面的关系研究

刘海隆,王玲,包安明

(1石河子大学水利建筑工程学院,石河子832003;2石河子大学师范学院地理系,石河子8320032;3中国科学院新疆生态与地理研究所,乌鲁木齐830011)

基于遥感的天山山区地表温度与下垫面的关系研究

刘海隆1,王玲2,包安明3

(1石河子大学水利建筑工程学院,石河子832003;2石河子大学师范学院地理系,石河子8320032;3中国科学院新疆生态与地理研究所,乌鲁木齐830011)

地表温度是干旱区山区融雪径流研究的基础,其空间变化与下垫面密切相关,为分析地表温度与下垫面的关系,本文基于TM数据,利用单窗算法对天山山区典型区域的地表温度进行了反演,并分析了地表温度分布与下垫面特征之间的相互关系。研究结果表明:单窗算法可以对天山山区地表温度进行有效反演,具有一定可靠精度;在研究区内,地表温度随海拔高度的增高而降低,随坡度的增加而减小,随地势起伏度的增加而降低,另外不同的土地利用方式对地表温度具有不同的影响,其中建设用地具有热岛效应,从而温度明显偏高,植被盖度的不同也造成地表温度的不同分布。上述结果对分析山区的融雪径流具有重要意义。

TM;地表温度;土地利用方式;单窗算法

地表温度是研究地表和大气之间物质交换和能量交换的重要参数之一[1],其时空分布差异受到时间和下垫面的重要影响,其中不同的下垫面具有不同的热容量特性,形成不同的微气候特征,因而研究下垫面对地表温度的影响具有重要意义[2]。在我国西北干旱区,融雪径流是水资源的重要补给来源[3],而山区地面温度是影响融雪径流的重要因子,它对该区域的水文研究具有重要意义[4]。由于地球-植被-大气这一系统的复杂性[5],这使得精确反演地表温度近年来一直是研究的热点[6]。

地表温度的空间差异较大,地表温度的大面积观测需要大量的人力和物力,利用卫星热红外传感器获取大范围地表温度是有效的途径之一[6]。随着遥感卫星空间分辨率和光谱分辨率的发展,当前,MODIS、AVHRR、TM、ETM+等都是地表温度空间分布遥感反演的重要数据来源[7]。自20世纪80年代以来,虽然利用遥感反演地表温度取得了很大的进展,但由于下垫面的复杂性,使得如何精确反演地表温度仍然是当前研究的热点与难点之一。结合遥感原理,国内外的学者基于地面观测数据,针对不同卫星数据源发展了多种地表温度的反演算法,例如通过对大气辐射传输方程进行近似,利用已知地表比辐射率提出了分裂窗算法,多通道多角度算法以及单窗算法等[6]。如何根据具体情况选择合适的数据与算法进行地表温度的精确反演,具有现实意义。

新疆天山山区因为地形地貌、植被分布多样,下垫面空间分布较为复杂[8],这种复杂的空间分布对地表温度具有重要影响。已有研究[9]表明,地表热辐射特征与海拔高度、地物的性质有密切关系,不同的地物类型地表温度差异明显。但有关反映辐射热量平衡结果的地表温度与山区下垫面相互影响的研究还较少。研究地表温度和下垫面在空间分布上的响应关系,有助于了解在不同下垫面条件下地表热环境的空间特征和动态变化,同时对研究山区产汇流等水文循环也具有重要意义。

Landsat TM是一种非常重要的反演地表温度的数据,基于辐射传输过程的辐射传输方程算法以及单通道算法可以较好的反演[7]。为分析山区地表温度与下垫面之间的关系,本文选取天山中段典型山区为研究区,利用 TM数据对山区地表温度进行了反演,结合地表实测数据进行了验证,在此基础上分析了地表温度与下垫面之间的关系。

1 研究区域与方法

1.1 研究区概况

研究区位于新疆天山中部尤尔都斯盆地及南北两侧山区(图 1),地理位置 E 85 °15 ′～88 °20 ′、N 42°11′～44°8′,面积约 35800 km2。尤尔都斯盆地海拔2300～2700 m,盆地北部为依连哈比尔尕山和那拉提山,南部为艾尔宾山,两侧山地海拔大于3400 m[10]。由于受水汽来源、地形和纬度等因素的重要影响,流域降水分布十分不均,垂直分带特征明显,其中中高山区年降水在400～600 mm,低山区340～420 mm[11]。

图1 研究区分布图Fig.1 The distribution map of the study area

1.2 数据说明

本文所用数据是2006年7月31日和2007年9月13日Landsat5 TM的遥感数据,来源于 GLCF(Global Land Cover Facility);新疆行政区划矢量图和2007年土地利用/覆盖数据来源于中国科学院新疆生态与地理研究所;地表2 m气温、地温、相对湿度点状数据来源于野外试验观测。

1.3 数据处理和研究方法

1.3.1 地表温度的反演

因为Landsat TM仅有一个热红外波段[12],所以本文主要根据覃志豪等[7,13]推导出的单窗算法反演研究区的地表温度。首先对 TM热红外波段按照下式求算卫星高度的像元亮温值(Ts):

上式中 :C=ε τ,D=(1-τ)[1+(1-ε)τ];a,b 为根据热辐射强度和亮温的关系拟合出来的系数;ε为地表比辐射率;τ为整层大气透射率;T6为传感器热红外波段的亮度温度(K);Ta为大气的向上平均作用温度(K)。

Ta利用覃志豪经验公式[13]计算:

式(2中):T0是近地层大气温度(K)。

地表比辐射率的估算[2,13]时首先提取水体像元,并赋以水体的典型比辐射率值0.995;剩下像元的比辐射率依据式(3)计算:

式(3)中:Pv为植被覆盖度,Pv可以利用植被指数来计算,即:

式(4)中:N DV I是所求像元的植被指数,N DV Imin、N DV Imax分别为研究区内的最小、最大值。

N DV I可表示为:

式(5)中:N IR,R:分别是 TM的近红外波段(波段4)和红光波段(波段3)的 DN值[6]。

1.3.2 地势起伏度

本文采用新疆1∶25万DEM 数据作为基础数据源,利用ArcMap中的空间分析模块提取地形起伏度,窗口为3×3。分析窗口内的高差作为目标栅格的起伏度,由此计算出整幅DEM上每个窗口的起伏度,所得新专题层即为地形起伏度专题层。计算公式为[14-15]:

ΔHij=hij,max-hij,min(i=1,2,3,…n˙,j=1,2,2,…,n), (6)式(6)中:h为邻域内像元的高程值,hmax和 hmin分别为像元的最大和最小高程值,ΔH为邻域内的高差。

2 结果与分析

2.1 地表温度空间分布特征

2.1.1 地表温度反演结果与验证

利用2006年7月31日、2007年9月13日Landsat TM轨道号为L5144030和L5143030的影像数据,采用以上计算方法,其中 a的取值为-63.1885,b的取值为0.44411,得到研究区地表温度分布图(图2)。图2反映出研究区的地表温度的空间分布和变化情况。根据反演结果可以看出,研究区内的地表温度差异很大,7月31日的大尤尔都斯盆地最高为300.2 K(27.05 ℃),最低为272.6 K(-0.55 ℃),温差为27.6℃。2007年9月13日小尤尔都斯盆地最高为286.4 K(13.25℃),最低为268.4 K(-4.75℃),温差达17.9℃。温度较低区域分布在研究区中部和南部,与山体走向基本一致,呈带状分布,普遍在0℃以下。温度较高区域分布在北部和东部边缘地带,普遍温度高于10℃。总的分布既表现出连续渐变性,但从变化梯度上看,也表现出与地形地貌相一致的条带区域性。

图2 TM数据的地表温度反演结果图Fig.2 The retrieving surface temperature based on TM data

为验证反演结果的可信度,本文利用研究区域内7个气象观测点:查汗乌苏、胜利达坂、骆驼脖子、库车达坂、哈尔努尔、巴音布鲁克、五区二乡的同步观测数据进行对比,对比结果见表1。观测点数据取卫星过境时刻的地表平均温度的观测值。反演的结果(表1)表明,平均相对误差10.28%,说明反演的结果具有一定可信度。

表1 反演地表温度与实测结果对比Tab.1 Comparison between retrieving surface temperature and observation

2.1.2 山区地表温度空间变异特征

为分析天山山区地表温度在空间上的分布特征,取山区特征明显的小尤尔都斯盆地,即轨道号L5143030的 TM数据覆盖区域为研究区。根据DEM对研究区626～5085 m海拔高度进行分类,按等值间隔一共分为22类,并计算每一类的平均温度值,得到地表温度随不同海拔高度的变化关系,如图3所示。

图3显示:地表温度随海拔的增高而降低,海拔每增高100 m地表温度约减少0.16℃。但从具体减少的幅度来看,海拔2800 m以下区域呈凹型曲线变化特征,这表明递减率随着海拔的增加而逐渐减小;在高于2800 m的区域,曲线成凸型曲线变化特征,这表明递减率随着海拔的增加而逐渐增加。利用二次曲线可以较好地反映地表温度与海拔高度之间的关系,决定系数 R2值达到0.9740,达到极显著水平。

图3 地表温度随海拔高度的变化Fig.3 The change of land surface temperature with elevation

2.2 山区地表温度与地形的关系

通过地表温度的反演结果分析得知,地表温度与地形地貌之间有着密切关系,为探讨其内在关系,分别从坡度、坡向和地势起伏度三方面的影响来进行定量分析。根据DEM数据在Arcgis的空间分析模块中提取坡度和坡向数据,输出精度为30 m×30 m,然后与地表温度进行相关分析。

2.2.1 地表温度与坡度、坡向的关系

由计算可知,研究区的坡度范围为0～80°,为便于统计,以2.5°为间隔,将整个坡度划分为32个区间。分别统计每个区间内的平均地表温度,结果如图4所示。

图4表明,在0～80°的坡度内,地表温度随坡度的增加而减小,坡度每增加1°地面平均温度约减少0.035℃。这是因为随着坡度的增加,一般海拔高度逐渐增加,同时太阳遮蔽角增大,都能引起温度的下降。

图4 地表温度随坡度的变化Fig.4 The change of land surface temperature with slope

坡向是影响日照时数的一个重要因子,对地面温度也有重要影响。地表温度随坡向变化的分析结果如图5所示。

图5表明:总的变化呈单峰抛物线特征,其中在0～146°的范围内,地表温度随坡向的增加而增加,在146～360°的范围内,地表温度随坡向的增加而减小。上述变化与太阳高度角和方位角有关,即与太阳的遮蔽情况相关,在较小角度内,太阳日照较多,地面吸收热量较多,因此温度增加,而随着角度的进一步增加,太阳日照受到影响,吸收的太阳辐射较少,因此温度也随之降低。

图5 地表温度随坡向的变化Fig.5 The change of land surface temperature with aspect

2.2 地表温度与地势起伏度的关系

地势起伏度能反映局部区域内的地形变化。地表温度在空间上分布的差异性与之有着必然的内在联系。通过式(6)计算了研究区域的地势起伏度,然后将其与地表温度分布的关系进行了分析,结果如图6所示。

图6表明:地表温度随地势起伏度的变化规律与它随坡度的变化关系相似,表现为负相关关系,随着地势起伏度的增加地表温度也随之降低。地势起伏度越大说明山体的绝对高程也越大,坡度也会越大,同时地表的空间性质更不均匀,因而导致温度的空间分布变化较大。

图6 地表温度随地势起伏度的变化Fig.6 The change of land surface temperature with relief amplitude

2.3 地表温度与土地利用类型的关系

2.3.1 土地利用类型空间格局

土地的利用类型反映了下垫面的均匀性特征,类型差异性越大,在下垫面越不均匀,这也必然导致地表温度的分布不均匀。根据2007年的土地利用/覆盖解译数据可知,研究区的土地利用类型分为六大类,其空间分布如图7所示,其中耕地主要分布在地势平坦的地区,草地分布面积最大,在北坡分布有大量林地,而水体处于海拔较高的中心区域,主要是固态冰雪。据统计,研究区内耕地占2.47%,林地占5.72%,草地占63.11%,冰川雪地占10.52%,建设用地占0.64%,未利用地占17.55%。

图7 研究区的土地利用类型Fig.7 The types of land use in study area

2.3.2 地表温度与土地利用类型的关系

为对比不同土地利用类型的地表温度,分别统计研究区域反演温度在不同土地利用类型下的分布情况,结果见表2。

表2显示:在2007年9月13日,研究区内林地和水体的平均温度低于0℃,其它各类用地高于0℃;其中建设用地的平均温度最高,其次是旱地,冰雪区域(水体)平均温度最低。这说明不同的土地利用方式对地表温度具有不同的影响,其中建设用地具有热岛效应,从而温度明显偏高;另外,植被盖度的大小对地表辐射的影响不同,从而也造成了地表温度分布的不同。

表2 研究区不同土地类型的平均地面温度Tab.2 The average land surface temperature in different land use types

3 结论

本文基于遥感资料分析了天山山区地表温度与下垫面的关系,阐述了地表温度的反演方法和过程,同时研究了地表温度空间分布与下垫面的关系,得到了以下结论:

1)通过2006年7月31日和2007年9月13日TM的地表温度反演结果与观测结果对比,误差在1℃左右,结果具有一定可信度,但精度与前人反演结果相比[6]略低,这是因为山区较平原、丘陵区的下垫面更复杂。对比结果表明:研究区内温度总的分布既表现出连续渐变性,但从变化梯度上看,也表现出与地形地貌相一致的条带区域性。这说明反演结果较为合理。

2)地表温度随海拔的增高而降低,每增高100 m地表温度约减少0.16℃。海拔2800 m以下区域递减率随着海拔的增加而逐渐减小;在高于2800 m的区域,递减率随着海拔的增加而逐渐增加。这说明地表温度的变化不仅与海拔密切相关,同时还受到其它相关因素的影响。

3)地表温度随坡度的增加而减小,坡度每增加1°地面平均温度约减少0.035℃;而随坡向的变化有所差异,在0～146°的范围内,地表温度随坡向的增加而增加,在146～360°的范围内,地表温度随坡向的增加而减小;地表温度随着地势起伏度的增加而降低。形成这种变化规律的原因盆地两侧山体的遮蔽作用,同时研究区跨越山体的两侧。

4)不同的土地利用方式对地表温度的影响不同,其中建设用地具有热岛效应,从而温度明显偏高。植被盖度的大小对地表辐射的影响不同,从而也造成地表温度不同的分布。

4 讨论

利用高分辨率遥感数据对山区地表温度分布和影响因子进行研究,可以对山区水资源预测提供一定的参考依据。本文在地表温度的反演中,对山区下垫面的非均匀性和复杂性造成的遥感误差没有进行研究。另外,本文中反演的地表温度与真实地表温度之间存在一定差异,这种差异大小的影响有待于在参数估算和增加地面同步观测数据中进行进一步的研究和探讨。

[1]李净.基于Landsat-5 TM估算地表温度[J].遥感技术与应用,2006,21(4):322-326.

[2]张春玲,余华,宫鹏,等.基于遥感的土地利用空间格局分布与地表温度的关系[J].遥感技术与应用,2008,23(4):378-384.

[3]房世峰,裴欢,刘志辉,等.遥感和 GIS支持下的分布式融雪径流过程模拟研究[J].遥感学报,2008,12(4):655-662.

[4]王建,沈永平,鲁安新,等.气候变化对中国西北地区山区融雪径流的影响[J].冰川冻土,2001,23(1):28-33.

[5]胡隐樵,孙菽芬,郑元润,等.稀疏植被下垫面与大气相互作用研究进展[J].高原气象,2004,23(3):281-296.

[6]刘朝顺,高炜,高志强,等.基于 ETM+遥感影像反演不同土地利用类型地表温度的研究[J].南京气象学院学报,2008,31(4):503-510.

[7]白洁,刘绍民,扈光.针对 TM/ETM+遥感数据的地表温度反演与验证[J].农业工程学报,2008,24(9):148-154.

[8]娄安如.天山中段山地植被的生态梯度分析及环境解释[J].植物生态学报,1998,22(4):364-372.

[9]张小伟,何月,蔡菊珍,等.基于 GIS的浙江省土地利用/覆盖与地表温度的关系[J].中国农业气象,2010,31(2):295-299.

[10]许英勤.新疆天山小尤尔都斯盆地全新世孢粉植物群与环境演变[J].干旱区地理,1999,22(3):82-88.

[11]刘海隆,王玲,包安明,等.基于MODIS的玛纳斯河流域冰川积雪覆盖变化特征的分析[J].石河子大学学报:自然科学版,2009,27(6):770-773.

[12]许西盼,曹卫彬,刘姣娣,等.基于遥感技术的石河子垦区农用地变化分析[J].石河子大学学报:自然科学版,2010,28(3):310-314.

[13]覃志豪,Zhang Minghua,Arnon Karnieli,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.

[14]王玲,同小娟.基于变点分析的地形起伏度研究[J].地理与地理信息科学,2007,23(6):65-67.

[15]毕华兴,谭秀英,李笑吟.基于DEM的数字地形分析[J].北京林业大学学报,2005,27(2):49-53.

The Relationship between Land Surface T emperature and Underlying Surface in Tianshan Mountains Region B ased on Remote Sensing

LIU Hailong1,WANG Ling2,BAO Anming3
(1 College of Water Conservancy and Architectural Engineering,Shihezi University,Shihezi 832003,China;2 Department of Geography,Teachers College,Shihezi University,Shihezi 832003,China;3 Xinjiang Institute of Ecology and Geography,CAS,Urumqi 83001l,China)

Land surface temperature is a basic factor in researching melt snowmelt runoff,and remote sensing is an important data resource.Mono-window algorithm has been applied to retrieving land surface temperature(LST)in Tianshan mountains region base on Landsat’s Thematic Mapper(TM).The relationship between LST and underlying surface has been analyzed.The result shows that the accuracy of the retrieval LST in Tianshan mountains region is reliable.This indicates that the mono-window algorithm is ah effective method.LST increases with elevation and decreases with slope and relief amplitude.Different land uses have different effects on LST;for example,urban heat island effect on construction land can cause LST to be significantly higher.This investigation is meaningful for analyzing melt snowmelt runoff.

TM;land surface temperature;land use;Mono-window algorithm

S126;TP79

A

1007-7383(2011)02-0224-06

2010-11-17

国家科技支撑计划项目(2007BAH12B03、2007BAC17B02),中国科学院绿洲生态与荒漠环境重点实验室开放基金(200901-01),新疆干旱区水循环与水利用实验室开放课题(XJ YS0907-2010-01)

刘海隆(1974-),男,副教授,从事水文水资源及地理信息系统与遥感应用研究;e-mail:liu_hai_tiger@163.com。