基于Landsat 8数据反演地表发射率的几种不同算法对比分析

王丽霞 孙津花 刘招 张双成 杨耘

摘要：为了分析研究不同地表发射率反演算法的精度和适用性，文中选取西安市的遥感影像Landsat 8为基础数据，运用ENVI，ArcGIS等软件，首先对Landsat 8数据进行预处理，提取西安市的NDVI影像;然后，建立决策树模型得到西安市地表分类影像，并基于像元二分模型反演得到植被覆盖度，基于NDVI得到4种不同算法的地表发射率;最后，以精度0.01的MODIS LSE产品为标准数据，从像元尺度上对比分析了4种算法的精度，并依据回归决策树方法的分类结果，对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明：在像元尺度上，植被指数混合模型法与NDVITEM改进算法精度较高且较为接近;从不同下垫面的反演差异来看，在植被区域4种算法之间的差异较小，而对于水体区域，4种算法之间的差异较大;从反演方法的适用性而言，植被指数混合模型法与NDVITEM改进算法较为适合本研究区。

关键词：地表发射率;遥感反演;归一化植被指数;Landsat 8数据

中图分类号：P 237文献标志码：A

DOI：10.13800/j.cnki.xakjdxxb.2019.0220文章编号：1672-9315（2019）02-0327-07

0引言

地表发射率是遥感数据获取陆面温度中的一个关键参数，它与地表组成成分、地表粗糙度、含水量等因素有关，普遍应用于辐射传输过程和地气系统的能量平衡[1]。热红外遥感传感器所接收到的信号包括2部分，一部分是被测物体发射的热辐射，另一部分是由于地物的发射率小于黑体而反射了环境辐射的冷发射[2]。因此，为了求得地物的真实温度，还必须知道地物的发射率。一些学者进一步研究发现，地表发射率有0.01的变化，估算出的地表温度就会产生1～2 ℃的误差[3-6]。因此，地表发射率的准确获取，对地表温度反演精度的提高至关重要。

目前，利用RS反演區域地表发射率是获取大范围地表发射率的重要途径[7]。张成才等采用Van和Owe提出的植被指数法，建立经验公式并结合典型地表发射率值计算得到河南省白沙灌区的地表发射率[8]。林志斌采用三波段梯度差法简单估算了植被覆盖度，并选取适合Landsat ETM+影像的植被指数混合模型算法计算得到了地表发射率[9]。唐伯惠等提出基于分类的地表发射率反演算法，由于地表状况本身的复杂性以及卫星观测中的混合像元问题，发射率反演精度通常达不到所需的0.01[10]。考虑到NDVI阈值法的可操作性好及较高的精度，赵少华等应用Sobrino等提出的NDVITEM算法获取山西省地表发射率，并反演得到较高精度的地表温度值[11]。覃志豪等对Sobrino等提出的NDVITEM算法进行了改进，考虑了不同地表形态下dε（粗糙表面的空腔效应引起的发射率比例）取值以及城市像元发射率估算的问题，并对山东省陵县区进行地表发辐射率反演，取得了较合理的地表温度反演结果[12-13]。与之前的Landsat系列卫星相比，Landsat 8自2013年发射以来，在许多方面进行了改进，也被广泛应用于地表温度的反演[14-16]。然而，仅针对Landsat 8数据进行地表发射率反演算法的对比研究较为少见。

归一化植被指数（Normalized Difference Vegetation Index，NDVI）是描述地表覆被生长状况的一个重要指标[17-18]。由于地表热红外波段的发射率同NDVI之间具有非常高的相关性，目前基于NDVI获取地表发射率的方法主要有4种。即：Van和Owe提出的植被指数法，Valor和Caselles提出的植被指数混合模型法，Sobrino等提出的NDVITEM算法，覃志豪等提出的NDVITEM改进算法[19-21]。4种算法的表达式及基本参数设定都不相同。因此文中利用西安市的Landsat8数据，应用ENVI，ArcGIS等软件，分别用4种算法对研究区进行了地表发射率反演，并结合同时期精度0.01的MODIS LSE产品，对比分析了4种算法的适用性和精度结果，以期获取更精确的地表发射率反演算法。

1数据来源及处理

1.1研究数据

西安市地处西北部关中盆地中部秦岭北麓，地跨渭河南北两岸，位于北纬33°39′～34°45′，东经107°40′～109°49′.下辖11区2县并代管西咸新区，总面积10 752 km2，2017年末户籍人口90568万。属暖温带半湿润季风气候，平均海拔高424 m，1月份平均气温0.4 ℃，7月份平均气温26.6 ℃，年平均气温13.3 ℃，年平均降水量613.7 mm，年平均湿度69.6%[22-23].研究数据采用2015年4月28日西安市的Landsat 8数据，遥感影像清晰无云，质量良好，便于解译。基于ENVI 5.3平台对遥感影像进行的前期处理有：影像镶嵌和裁剪;OLI数据进行辐射定标;利用FLAASH模型对OLI数据进行大气校正。为了更好地比较不同算法、不同下垫面类型反演地表发射率的差异情况，文中使用分类回归决策树方法将地表分成植被、建筑物、裸土和水体4类。在ENVI 5.3光谱指数计算器中分别获取NDVI（归一化植被指数），NDBI（归一化建筑指数），MNDWI（改进型归一化水体指数），结合人工判定阈值（根据10%置信度，NDVI>0.65为植被;NDBI>-0.05为裸土;MNDWI>0.17为水体）建立决策树模型。地表分类结果如图1所示。

1.2对比数据

文中使用了MODIS MOD11A1地表发射率产品进行Landsat 8反演的地表发射率结果精度验证。MOD11A1是经过正弦投影后的全球每日地表发射率产品，该产品基于地表下垫面的分类思想，利用地表分类信息，通过模型计算实现了全球地表发射率产品的生成[9]。在晴朗天气条件下，MOD11A1地表发射率产品精度可达到0.01.

3反演结果与对比分析

3.1反演结果

基于以上4种算法，利用ENVI 5.3图像处理软件，对西安市影像进行地表分类，然后计算NDVI及植被覆盖度，最后反演得到地表发射率值。4种算法计算结果如图2所示。

3.2对比分析

3.2.14种算法反演结果与MODIS LSE产品比较

4种算法不仅在反演模型上有差异，对PV为0和1时NDVI的设定也不同。这样的差异随着研究区地表覆被状况的不同，可能会产生不同的影响。因此有必要对4种算法进行比较，进而得到适合本研究区的算法。

Landsat 8热红外数据与MODIS发射率产品的空间分辨率不同。为了进行便精确之间的比较，首先利用MRT（MODIS Reprojection Tool）工具将MODIS LSE产品地图投影转换为UTMWGS84，并进行研究区范围的裁剪，然后利用ENVI软件采用最邻近内插法将Landsat 8发射率反演结果重采样到1 000 m.文中采用最小值、最大值和平均值这些统计指标，对反演结果进行评价，统计结果见表1.

其中，植被指数混合模型法和NDVITEM改进算法与MODIS LSE产品最小值差别较小，植被指数法和NDVITEM改进算法与MODIS发射率产品最大值差别较小，植被指数混合模型法和NDVITEM改进算法与MODIS LSE产品平均值差别较小。总体而言，植被指数混合模型法和NDVITEM改进算法与MODIS LSE产品更接近，可信精度较高。

3.2.24种算法之间的比较与分析

为了进一步对比4种反演算法在区域尺度的差异，文中对利用各种算法反演的2015年4月28日西安市Landsat 8数据发射率结果进行比较分析，图3是研究区内4种算法反演结果两两之间的差值统计图。

从图3可以看出，植被指数混合模型法和NDVITEM改进算法反演结果差异最小，差值范围控制在0.04之內，且大部分像元发射率差值靠近0值。NDVITEM算法与NDVITEM改进算法反演结果差异最大。主要原因是：两者在NDVI最大值和最小值的设定上有所不同，NDVITEM算法中，NDVImin=0.2，NDVImax=0.5.NDVITEM改进算法中，NDVImin=005，NDVImax=0.7，且NDVITEM改进算法对水体像元直接赋给0.995的发射率值，而NDVITEM算法在计算NDVI小于0.2的像元时，利用红外波段的反射率计算其发射率值。

为揭示不同算法、不同地表覆被类型反演的地表发射率的差异情况，文中还基于上文决策树分类所提取的植被，城镇，水体，裸土4种地表类型，对不同算法不同地表覆盖类型的发射率平均值两两之间的差值进行分析见表2.

从表2可以看出，在分类尺度上，对于植被区域，植被指数法与NDVITEM算法差异最大达到了-0.009 4，植被指数混合模型法与 NDVITEM改进算法差异最小，仅0.001 2，对于城镇区域（未考虑植被指数法），植被指数混合模型法与NDVITEM算法差异最大，达到了0.011 7，NDVITEM算法与NDVITEM改进算法差异最小，达到了0.002 9，对于水体区域（未考虑植被指数法），NDVITEM算法与NDVITEM改进算法差异最大，达到了0.033 3，植被指数混合模型法与NDVITEM改进算法差异最小，达到了-0009 9，对于裸土区域（未考虑植被指数法），NDVITEM算法与NDVITEM改进算法差异最大，达到了0.012 0，植被指数混合模型法与NDVITEM算法差异最小，达到了0.005 9.总体而言，地表类型为植被的情况下，算法之间的差异最小，其次为城镇和裸土，地表类型为水体的情况下，算法之间的差异最大。

4结论

1）从像元尺度上，植被指数混合模型法与NDVITEM改进算法总体精度相对较高，植被指数法与NDVITEM算法总体精度次之;

2）从下垫面类型尺度上，对于植被区域，4种算法之间的差异最小，其次为城镇和裸土。对于水体区域，4种算法之间的差异最大;

3）从算法的适用性而言，植被指数法适用性最弱，该模型只能用来反演NDVI值范围为0.157～0.727的自然表面，且反演精度较低。植被指数混合模型法与NDVITEM改进算法适用性较好，且算法之间的差异最小。这与两者模型中NDVI最大值和最小值的设定上有关，植被指数混合模型法中，NDVImin=0.1，NDVImax=0.72;NDVITEM改进算法中，NDVImin=0.05，NDVImax=0.7.

此外，针对像元尺度的地表发射率验证，还需比较遥感计算和实地测量的地表发射率值，因此在后续工作中需要进一步拓展，以期更好地为提高反演地表发射率的精度提供线索。

参考文献（References）：

[1]柳菲，王新生，徐静，等.基于NDVI阈值法反演地表比辐射率的参数敏感性分析[J].遥感信息，2012，27（4）：3-12.

LIU Fei，WANG Xinsheng，XU Jing，et al.Sensitivity analysis of retrieving land surface emissivity based on NDVI threshold method[J].Remote Sensing Information，2012，27（4）：3-12.

[2]唐世浩，李小文，王锦地，等. 改进的基于订正ALPHA差值谱的TES算法[J].中国科学（地球科学），2006，36（7）：663-671.

TANG Shihao，LI Xiaowen，WANG Jindi，et al.Improved TES algorithm based on revised ALPHA difference spectrum[J].Chinese Science（Earth Science），2006，36（7）：663-671.

[3]柳菲.地表比辐射率遥感反演方法研究[D].武汉：湖北大学，2012.

LIU Fei.Researching of remote sensing inversion method on land surface emissivity[D].Wuhan：Hubei University，2012.

[4]Platt M，Prata A J.Nocturnal effects in the retrieval of land surface temperatures from satellite measurements[J].Remote Sensing of Environment，1993，45（2）：127-136.

[5]徐剑波，肖志峰，钟林忆，等.HJ1B热红外LST反演及利用偏微分对其误差精度分析[J].武汉大学学报（信息科学版），2016，41（11）：1505-1511.

XU Jianbo，XIAO Zhifeng，ZHONG Linyi，et al.Inversion of HJ1B thermal infrared LST and error accuracy analysis by partial differential method[J].Journal of Wuhan University，Information Science Edition，2016，41（11）：1505-1511.

[6]李艳芳，杨昆，杨荣.比辐射率对遥感反演滇池流域地表温度的影响[J].长江科学院院报，2015，32（9）：26-31.

LI Yanfang，YANG Kun，YANG Rong.Effect of emissivity on the retrieved land surface temperature from remote sensing date of Dianchi Lake Watershed[J].Yangtze River Academy，2015，32（9）：26-31.

[7]閆大鹏，周兴东，刘伟，等.一种基于高斯拟合的水生植被遥感分类阈值确定方法[J].西安科技大学学报，2018，38（5）：776-782.

YAN Dapeng，ZHOU Xingdong，LIU Wei，et al.An algorithm for determining remote sensing classification threshold of aquatic vegetation based on Gauss fitting[J].Journal of Xi’an University of Science and Technology，2018，38（5）：776-782.

[8]张成才，陈东河，董洪涛.基于Landsat-5 TM数据的河南省白沙灌区地表温度反演研究[J].遥感技术与应用，2013，28（6）：964-968.

ZHANG Chengcai，CHEN Donghe，DONG Hongtao.Land surface temperature retrieval based on Landsat 5 TM data in baisha irrigation of henan province[J].Remote Sensing  Technology and Application，2013，28（6）：964-968.

[9]林志彬.基于Landsat ETM+影像的城市热岛研究[J].安徽农业科学，2009，37（28）：3961-3963.

LIN Zhibin.Study on urban heat island based on Landsat ETM+ image[J].Anhui Agricultural Sciences，2009，37（28）：3961-3963.

[10]唐伯惠，李召良，唐荣林，等.热红外地表发射率遥感反演研究[M].北京：科学出版社，2014.

TANG Bohui，LI Zhaoliang，TANG Ronglin，et al.Remote sensing inversion of thermal infrared surface emissivity[M].Beijing： Science Press，2014.

[11]赵少华，邱国玉，秦其明，等.MODIS数据反演地表温度的应用研究[J].干旱区资源与环境，2010，24（3）：51-54.

ZHAO Shaohua，QIU Guoyu，QIN Qiming，et al.Application of MODIS data to retrieve land surface temperature[J].Arid.Area Resources and Environment，2010，24（03）：51-54.

[12]覃志豪，李文娟，徐斌，等.利用Landsat TM 6反演地表温度所需地表辐射率参数的估计方法[J].海洋科学进展，2004，22（B10）：129-137.

QIN Zhihao，LI Wenjuan，XU Bin，et al.Estimation method of land surface emissivity for retrieving land surface temperature from landsat TM 6 data[J].Advances in Marine Science，2004，22（B10）：129-137.

[13]覃志豪，李文娟，徐斌，等.陸地卫星TM 6波段范围内地表比辐射率的估计[J].国土资源遥感，2004，16（3）：28-32.

QIN Zhihao，LI Wenjuan，XU Bin，et al.The estimation of land surface emissivity for Landsat TM 6[J].Remote Sensing of Land and Resources，2004，16（3）：28-32.

[14]徐涵秋.新型Landsat 8卫星影像的反射率和地表温度反演[J].地球物理学报，2015，58（3）：741-747.

XU Hanqiu.Retrieval of the reflectance and land surface temperature of the newlylaunched Landsat 8 satellite[J].Chinese Journal of Geophysics，2015，58（3）：741-747.

[15]邱春霞，许艺腾，姚顽强，等.一种遥感影像反立体纠正方法研究[J].西安科技大学学报，2016，36（3）：422-427.

QIU Chunxia，XU Yiteng，YAO Wanqiang，et al.A correcting method of inverse stereo phenomenon of remote sensing image[J].Journal of Xi’an University of Science and Technology ，2016，36（3）：422-427.

[16]姜友谊，张春森，胡平波.可量测实景影像与4D产品集成研究[J].西安科技大学学报，2011，31（5）：569-572.

JIANG Youyi，ZHANG Chunsen，HU Pingbo.Integration of digital measurable image and 4D production[J].Journal of Xi’an University of Science and Technology，2011，31（5）：569-572.

[17]张元栋，尚晓鹏，杜芬玲，等.宁夏植被动态变化及其对降水的响应[J].西安科技大学学报，2017，37（1）：84-89.

ZHANG Yuandong，SHANG Xiaopeng，DU Fenling，et al.Dynamic change of vegetation and its response to precipitation in Ningxia[J].Journal of Xi’an University of Science and Technology，2017，37（1）：84-89.

[18]陈金华，刘惠敏，黄勇，等.冬小麦生育期间MODIS多时相NDVI特征分析及其在地物识别上的应用[J].安徽农业科学，2010，38（7）：3641-3643，3667.

CHEN Jinhua，LIU Huimin，HUANG Yong，et al.Characteristics of MODIS multitemporal NDVI during winter wheat growth and its application in ground object recognition[J].Journal of Anhui Agricultural Sciences，2010，38（7）：3641-3643，3667.

[19]Sobrino J A，Jim nezMu oz J C，Mireia R，et al.Land surface emissivity retrieval from different VNIR and TIR sensors[J].IEEE Transactions on Geoscience and Remote Sensing，2008，46（2）：316-327.

[20]Valor E，Caselles V.Mapping land surface emissivity from NDVI：application to European，African，and South American areas[J].Remote Sensing of Environment，1996，57（3）：167-184.

[21]Sobrino J A，JiménezMuoz J C，Paolini L.Land surface temperature retrieval from Landsat TM 5[J].Remote Sensing of Environment，2003，90（4）：434-440.

[22]王岳，于汉学.历史遗迹保护下西安城市交通系统评估方法[J].西安科技大学学报，2018，38（6）：952-958.

WANG Yue，YU Hanxue.Assessment method of urban traffic system under historical relic protection[J].Journal of Xi’an University of Science and Technology，2018，38（6）：952-958.

[23]李柏延，任志远，李瑞宗，等.西安市地表温度反演及城市热岛强度定量化研究[J].资源科学，2014，36（12）：2631-2636.

LI Baiyan，REN Zhiyuan，LI Ruizong，et al.Retrieval of surface temperature in Xi’an city and quantification of urban heat island intensity[J].Resources Science，2014，36（12）：2631-2636.

[24]宋挺，段峥，刘军志，等.Landsat 8数据地表温度反演算法对比[J].遥感学报，2015，19（3）：451-464.

SONG Ting，DUAN Zheng，LIU Junzhi，et al.Comparison of algorithms to retrieve land surface temperature using Landsat 8 Data[J].Journal of Remote Sensing，2015，19（3）：451-464.

[25]陈静波，刘顺喜，汪承义，等.基于知识决策树的城市水体提取方法研究[J].遥感信息，2013，28（1）：29-33+37.

CHEN Jingbo，LIU Shunxi，WANG Chengyi，et al.Research on urban water body extraction using knowledge based decision Tree[J].Remote Sensing Information，2013，28（1）：29-33，37.

[26]侯鹏，曹广真，蒋卫国，等.城市复杂地表TM温度反演及其与MODIS产品的比较[J].自然灾害学报，2009，18（5）：113-118.

HOU Peng，CAO Guangzhen，JIANG Weiguo，et al.Temperature inversion of urban complex land surface by TM and its comparison with MODIS temperature product[J].Journal of Natural Disasters，2009，18（5）：113-118.