HJ卫星LST估算所需参数遥感反演的算法

吴佩如+许怀兴

摘要： 地表温度作为物质交换和能量交换是研究地表和大气非常重要的参数，同时也是监测地球资源动态变化的重要指标之一。本文提出在LST的反演过程中所需参数计算方法，在研究地表净辐射反演乃至干旱预测的发展研究中具有重要意义。

Abstract： As a very important parameter to the material exchange and energy exchange， land surface temperature is used to study the surface and the atmosphere， also it is one of the important indexes of dynamic change on monitoring earth's resources. In this paper， the author puts forward calculation method in the process of inversion of LST parameters， it has great significance to research on the development of surface net radiation inversion and even drought prediction.

关键词： HJ卫星；LST估算；亮温计算；大气水汽含量反演；地表比辐射率；近地表气温

Key words： HJ satellite；LST estimates；bright temperature calculation；inversion of atmospheric moisture content；surface radiation rate；near-surface temperature

中图分类号：P426.1+2 文献标识码：A 文章编号：1006-4311（2017）32-0200-02

1 概述

1.1 选题背景及研究内容

地表温度（land surface temperature，LST）在研究地表和大气中，是一个作为物质交换和能量交换非常重要的参数，同时也是监测地球资源动态变化的重要指标之一。采用遥感卫星数据获得LST以及如何把遥感卫星热红外数据的理论和实际的应用模型相结合已逐渐变为目前国内外遥感科学界重点关注的一个重要研究分支。

如何利用HJ卫星热红外数据反演LST以及降低反演误差，成为热红外数据应用研究中需要考虑的关键因素。LST的精度决定了地表净辐射的准确值，因此有必要对地表温度精度进行分析。本文旨在利用HJ卫星的波段设计特点，详细介绍LST估算所需的亮温计算、大气水汽含量反演、地表比辐射率的确定和近地表气温遥感反演的算法。

1.2 研究區域概况

本文试验区域主要位于黑河流域中游地区，河西走廊的中部，地理范围主要为甘肃省的周边地区。区域内山区、平原绿洲区和荒漠区具有截然不同的自然景观，研究区范围内设有隶属于国家生态系统观测研究网络（CNERN）和中国生态系统研究网络（CERN）的甘肃绿洲农田生态系统综合观测场，该区属干旱荒漠气候。

1.3 数据来源

经过数据筛选，本论文获取了图像质量良好、少云、地面特征清晰和图像干扰较少覆盖研究区域的2010年7月25日CCD影像数据HJ-1B/CCD1（轨道号为23/68），IRS影像数据HJ-1B/IRS（轨道号为26/70），数据从中国资源卫星应用中心下载，获取了HJ卫星同日过境的MOD021KM的辐射校正1级产品，主要包括已经处理好的大气顶部辐射亮度数据以及需要用到的反射率数据，该产品主要用于MODIS大气水汽含量的反演。

2 遥感LST反演原理

2.1 LST估算概念

LST表层意义上来说指的是地表层皮肤温度。通过卫星遥感反演得到的LST实际上指的就是像元尺度下的LST，对于不同的下垫面类型，像元尺度下的LST定义也不相同，比如在没有植被覆盖的裸地，LST是指土壤表面温度；在茂密的植被覆盖区，LST是指植被冠层的温度；对于水体来来说，LST就是水面温度，因此正确理解卫星传感器对地表探测的特征，才能够理解像元尺度下的LST。

通过HJ卫星LST反演方法主要有辐射传输方程算法、普适性单通道算法、单窗算法，也可以对上述三种方法进行修订或结合借鉴，本文旨在研究HJ卫星LST反演过程中参数的计算，对具体反演方法不做过多阐述。

2.2 LST反演参数的确定

2.2.1 亮温计算

行星亮度温度计算主要分两步，首先将DN值转换成热辐射强度，再根据热辐射强度反演出行星亮温。

Lsensor=（DN-b）/g（1）

Tsensor=1249.91/ln（1+589.33/Lsensor）（2）

式中，Lsensor为热辐射强度；DN值（Digital Number）为遥感影像像元亮度值，记录的地物的灰度值；g为绝对定标系数增益；b为偏移量。

2.2.2 大气水汽含量反演

对于大气水汽含量，由于MODIS影像和HJ卫星两者之间的成像时间差不多，本论文直接从MODIS数据中采用Sobrino 等人反演大气水汽含量的方法，具体公式[2]如下：

W17=26.314-54.434（L17/L2）+28.449（L17/L2）2（3）

W18=5.012-23.017（L18/L2）+27.884（L18/L2）2（4）

W19=9.446-26.887（L19/L2）+19.914（L19/L2）2（5）endprint

w=0.192W17+0.453W18+0.355W19（6）

式中，L2、L17、L18和L19分别代表的是MODIS影像第二、第十七、第十八和第十九波段的辐射亮度，而W17、W18和W19则分别为MODIS影像第十七、第十八和第十九波段的大气水汽含量，w为MODIS上述3个水汽含量值的加权平均值，最后将斜程大气水汽转换为垂直气柱大气水汽[2]：

w0=k？兹w？兹（7）

式中，w0为转换后的斜程大气水汽含量，？兹为观测天顶角，k？兹为转换系数[3]。

2.2.3 地表比辐射率

为了利用遥感影像反演精确的地表温度，我们需要获取准确的地表比辐射率数据。地表比辐射率的大小在很大程度上取决于地表土地覆盖类型以及地表粗糙度和土壤水含量等物理参数[4]。地表比辐射率是反演地表温度所需的关键参数，本文采用NDVI阈值法[5]反演地表比辐射率。

NDVI计算公式为：

NDVI=（8）

式中，？籽nir和？籽red分别为HJ-1B CCD近红外和红光波段的地表反射率。

NDVI阈值法具体步骤为：

①当NDVI？叟NDVIv为植被像元，地表比辐射率为植被比辐射率？着v。

②当NDVIs

？着=？着vPv+？着s（1-Pv）+d？着（9）

式中，Pv为植被覆盖度，Pv=（NDVI-NDVIs）/（NDVIv-NDVIs），NDVIv为影像上纯植被的NDVI最小值，NDVIs为裸土的NDVI最大值，？着v和？着s分别为植被和土壤的比辐射率，d？着=（1-？着s）？着vF（1-Pv），F取均值0.55。

③当NDVI

？着=a？籽red+b（10）

上面式子中，？籽red为CCD相机第三通道地表反射率，a与b为回归系数，对于可见光相机CCD1，a取-0.0274，b取0.9779，对于可见光相机CCD2，a取-0.0273，b取0.9779。

2.2.4 近地表气温

气温是描述地表与大气的能量交换与水分循环过程中关键变量，也是全球变化研究中的一个重要研究对象。

跟气象站点数据相比，因为遥感卫星能够提供大尺度的空间信息，能够不依赖常规站点的观测，进行独立监测，本文采用的是温度-植被指数（TVI）方法反演近地表气温，因为TVI方法不依赖地表观测数据，在实际应用中被广泛采纳，国内外已经有不少研究员和学者先后在不同研究区反演了近地表气温。

为了保证TVI方法的实用性，根据浓密植被冠层表面温度等于冠层内气温的前提假设，就可以得到该邻域窗口的气温值，即

Ts=a+b·NDVI（11）

Ta≈Tc=a+b·NDVImax（12）

式中，Ts为地表温度，Tc为浓密植被冠层表面温度，Ta为邻域窗口近地表气温；a，b为利用邻域窗口内的NDVI和Ts根据最小二乘法拟合得到的回归直线的截距、斜率；NDVImax饱和NDVI值。

然而TVI方法的假设前提在实际中存在局限性，当水体或者云量较多时候，TVI负相关系不成立也就无法反演出近地表气温，还有一种就是如果邻域窗口植被信息比较微弱，换句话说NDVI变化范围很窄的情况下，同样TVI负相关关系也不会成立，就无法计算气温值。

在反演气温之前，需要确定空间窗口尺寸和饱和NDVI值2个参数。为了保证尽可能多领域窗口中斜率为正而且经过第二次掩膜后的有效像元个数能大于30个，本论文选择13像元邻域窗口运算，以扩大TVI方法适用范围。

本文采用Stisen et al、Nieto et al和徐永明等人提出的模型来确定黑河流域研究区的饱和NDVI值，也就是说利用地面观测站点的气温数据（Ta）和站点所在邻域窗口对应的回归线的截距a、斜率b，采用最小二乘法线性回归拟合公式（13），算出饱和NDVI值

Ta-a=b·NDVImax（13）

首先利用Nieto et al 提出的参数化方法求取研究区的饱和NDVI，以研究区气象站观测的气温值以及站点所在邻域窗口对应的回归直线的截距a、斜率b作为先验知识，经过计算研究区的饱和NDVI值为0.957。

最后利用上述方法反演得到研究区的近地表气温分布，研究区近地表气温的空间分布状况和区域内地表覆盖状况具有较好的对应性，主要为裸地的温度较高，而温度较低的地方主要在植被覆盖地区，东北和西北地区半沙漠地区气温也比较高。

3 结论与创新点

针对鲜有HJ卫星LST反演的模型算法做对比分析比较，本文反演了HJ卫星黑河流域研究区LST，因为以往的HJ卫星LST误差分析都是从数据的统计分析入手工作量大而且繁琐，误差分析利用偏微分来研究变化速率也鲜有文章发表，而高等数学中的偏微分方程又恰恰能反映函数的变化速率，因此对LST误差从偏微分角度进行误差敏感性研究。

参考文献：

[1]周纪，李京，赵祥，等.用HJ-1B衛星数据反演地表温度的修正单通道算法[J].红外与毫米波学报，2011，30（01）：61-67.

[2]肖志峰，赵之重，徐剑波，等.HJ-1B卫星三种反演地表温度模型的分析与验证[J].测绘科学，2015，40（02）：52s-58.

[3]冯文峰.基于TM/ETM数据的城市地表温度研究，2008[C].河南大学.

[4]Jiménez-Mu？觡oz， C J， Sobrino， et al.. A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research： Atmospheres， 2003，108（D22）：4688.