卫星遥感植被地表温度空间特征的再认识

康悦++田辉++杨显玉++陈昊++文军

摘 要：卫星遥感在监测陆面环境状况和估算陆面变量等领域有不可替代的优势，而卫星遥感估算的地表温度和植被指数产品在土壤墒情和干旱监测等方面有广泛的应用，该研究利用在不同时间尺度、空间尺度和不同土地覆盖类型上的植被指数和地表温度卫星遥感数据产品，分析了植被-地表温度空间中的散点分布形态特征。结果表明：在植被-地表温度空间中的散点分布形态受陆面多种因素影响，将其简化为三角形或梯形有失客观性，以此为基础，提出确定植被-地表温度空间中干边和湿边数值的方法。

关键词：遥感 植被 温度 空间特征 地表类

中图分类号：P237 文献标识码：A 文章编号：1674-098X（2015）02（c）-0002-02

在由卫星遥感数据产品构建的植被-地表温度空间中，植被指数和地表温度之比与土壤湿度或陆面蒸散发量有很好的相关性。自1989年以来国内外学者在进行了大量的分析研究。得到如下结论：在给定研究区域和有限时段内，植被-地表温度空间中的散点分布呈三角形和梯形，并利用其进行了区域蒸散发量、土壤湿度、干旱和土壤墒情的监测研究。

然而，我们最近的研究表明：在黄土高原地区，如果选取卫星遥感植被指数和地表温度的时间序列较短，则植被-地表温度空间中的散点分布并非呈三角形和梯形， 据此得到的干边和湿边数值有很大的不确定性基于此，该文目标是探究在不同时空尺度和土地覆盖类型上，植被-地表温度空间中的散点分布形态，为进一步利用此方法进行土壤湿度和土壤墒情干旱程度等监测等提供参考理论依据。

1 数据与方法

该研究所用资料来自美国对地观测卫星中等分辨率成像仪（MODIS）数据产品中的植被指数和地表温度，空间分辨率为0.05 °×0.05 °，植被指数时间分辨率为16天，地表温度时间分辨率为1天，资料时间跨度为2002年1月至2012年12月。为了使两种数据时间尺度匹配，将植被指数内插为时间分辨率为1天的数据，该文还用到美国橡树岭国家实验室根据国际地圈生物圈计划（IGBP）植被分类方案利用MODIS数据制作的全球土地覆盖类型数据，空间分辨率0.05 °×0.05 °。

为了探究不同土地覆盖类型上植被-地表温度空间中散点的分布形态特征，该研究将选取不同时间尺度、不同空间尺度和不同土地覆盖类型的植被指数和地表温度数据，分别制作选取不同研究区域条件下， 植被-地表温度空间中的散点分布形态图， 由此定量评估植被-地表温度空间中散点分布形态的特征，并由此给出确定干边和湿边数值方法。

2 结果分析研究

2.1 植被-地表温度空间中散点分布形态对数据时间序列长短的依赖性

为了揭示给定研究区域内植被-地表温度空间中散点分布形态对时间序列的依赖性，该研究首先选取黄土高原地区，分别给出日、月、年和11年时间尺度上植被-地表温度空间中散点分布图。从图1可以看出： 当时间序列较短时，植被-地表温度空间中散点分布完全不呈三角形或梯形，而只有当时间序列尺度到年尺度时，三角形或梯形分布才明显，而且随着时间序列更长（或数据样本足够多时），散点分布形态也比较稳定。由此可以总结出：在判定某一区域植被-地表温度空间中的散点分布形态并确定其干边和湿边数值时，要求所用数据有足够长的时间序列或样本数。

2.2 植被-地表温度空间中散点分布形态对数据空间范围的依赖性

为探讨植被-地表温度空间中散点分布对数据空间范围变化的依赖性，选取2002-2012年不同空间范围（100×100像素、400×400像素、800×800像素及全球范围）植被指数和地表温度卫星遥感数据，分别给出植被-地表温度空间中散点分布.如图2所示。可以看出：植被-地表温度空间中散点分布形态对数据范围依赖性较强。而只有范围足够大时，散点分布形态才呈现出三角形或梯形，而选全球数据时，剔除不合理数据时，这种关系更稳定。

2.3 植被-地表温度空间中散点分布形态对土地覆盖类型的依赖性

由于植被指数只反映地面植物生长状态的绿度，对裸露地表而言，地表温度是土壤表面的温度，而在浓密植被覆盖条件下， 地表面温度可以认为是植物冠层顶温度。 不同类型的植被对地表温度的响应不同，如果完全以相同植被指数对应的温度确定植被-地表温度空间中的干边和湿边数值时，估算肯定会带来很大误差。因此，在不同土地覆盖类型，分别确定植被-地表温度空间中散点分布的干边和湿边时是很有必要的。为此，该研究选取2002-2012年间全球范围植被指数和地表温度卫星遥感数据， 分别给出在不同的土地覆盖类型植被-地表温度空间中散点分布，见图3所示。

从图3可以看出：对每一种土地覆盖类型，选取2002-2012年期间全球范围的卫星遥感植被指数和地表温度数据，植被指数与地表温度有较好的物候对应关联。如常绿阔叶林一般在温热地区，植被指数总是比较大，对应地表温度也较高；而落叶阔叶林的植被指数有一个从小到大的变化过程， 在植被指数比较大时，对应地表温度也比较高；而在沙漠地区，地表温度较高样本较多， 但也出现一个植被指数较高且地表温度也较高的区域，这可能与沙漠中有绿洲区域有关。

从以上分析还可以总结出：该研究尽管选取了11年的全球卫星遥感植被指数和地表温度数据，但每一种土地覆盖类型下，植被-地表温度空间中散点分布并不完全相同，也没有呈现出三角形或梯形分布。因此，在利用卫星遥感数据产品进行地面干旱程度或土壤墒情监测时，需要在相同植被覆盖的前提下足够长的时间序列或样本数。基于此，在植被-地表温度空间中，应该删除植被-地表温度空间中少数不合理的散点， 并分别对不同土地覆盖类型，选取散点的地表温度最大值和最小值的集合构建干边和湿边数值。

3 结论

通过以上分析， 我们总结出两点结论：

（1）植被-地表温度空间中散点分布为三角形或梯形的假说被长期并广泛使用， 但并不客观.应根据不同土地覆盖类型，选取足够长的时间序列或样本数判定其中的散点分布形态。（2）利用卫星遥感数据进行土壤湿度、旱程度和土壤墒情等监测时， 不推荐使用线性拟合确定植被-地表温度空间中确定干边和湿边数值，而应该根据不同地表覆盖类型，选取有足够时间长或足够多样本数的散点地表温度最大值和最小值确定干边和湿边数值。

参考文献

[1] 王鹏新，Wan Z M，龚健雅，等.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.

[2] 刘良云，张兵，郑兰芬.利用温度和植被指数进行地物分类和土壤水分反演[J].红外与毫米波学报，2002，21（4）：269-273.

[3] 韩丽娟，王鹏新，王锦地，等.植被指数-地表温度构成的特征空间研究[J]. 中国科学（D辑），2005，35（4）：371-377.