应用Landsat-8数据分析山地地表温度格局及影响要素1)

王敬文 赵微 叶江霞 朱洪琴 张明莎

(西南林业大学，昆明，650224)(昆明理工大学)(西南林业大学)

地表温度是研究陆地表面与大气之间相互作用的重要参数，对物种的适生性及栖居具有重要的决定作用[1]，并影响区域及全球生态系统。山地地表温度场格局及其影响要素定量化分析，准确刻画山地地表水热环境、了解山地生态系统的时空分布特征，对生物多样性保护、物种分布建模及全球气候变化的研究具有重要意义。

传统的地表温度场获取主要有应用气象站点的内插法[2-5]，由于气象站点分布较为稀疏，且极易受环境的影响，致使温度场的内插精度不高[6-7]。随着遥感技术，特别是热红外遥感的发展，使大面积地表温度场的获取成为可能。中分辨率成像光谱仪(MODIS)及Landsat热红外波段成为地表温度反演的主要数据源[8]，Landsat 8数据广泛应用于城市热岛效应分析、植被时空分布格局等[9-17]。目前，对地表温度遥感获取主要运用单波段的单通道算法[18-20]、劈窗算法[21-23]、多波段算法[24]以及Gerace et al.[25]提出的削减杂散光带来的误差影响的双通道矫正算法。Wang et al.[19]提出的针对landsat-8 TIRS10波段改进后的单窗算法(IMW)，通过改进大气平均作用温度参数，对真实气温数据的反演精度能够保持在1.4 K左右[26]。但由于卫星过境时间的限制，难以获得与其同步的地面观测值，加之地面观测点稀疏，现有地表温度遥感反演中，较少考虑实测近地面温度的空间和时间尺度[27-28]，从而极大影响地表温度场的精准性。

随着地表温度反演算法的发展，山地地表温度与影响要素的关系分析越来越受到关注，主要集中在山地地形效应。MODIS系列产品应用于大尺度的地域分析，以高程、坡度、坡向、纬度等大尺度地形因子影响下的地表温度格局分析[29-34]，但很少考虑到小尺度微地形作用下的影响，以及人居环境，包括水资源布局[35]、居民区、植被覆盖等对地表温度关系的研究较少[36]。因此，山地温度格局的定量化分析，应综合考虑影响温度的宏观环境因子及微自然格局及人文因素[37-40]。

为获取更为精准的地表温度，以Landsat-8为遥感数据源，结合地面同步的常规气象站点及微气象站点观测值，以典型山地代表的云南滇中作为研究区，通过对地表温度场反演，结合区域地理环境及人居环境空间精细化模拟表达，定量分析山地温度场的空间格局，揭示影响山地温度格局的驱动因素及其规律，为山地生态系统的保护提供重要基础。

1 研究区概况

以云南省的滇中部分地区为研究区，主要包括昆明市、玉溪市、红河州及曲靖市大部分地区。区域内地形以山地和山间盆地为主，属滇东高原盆地，山地地势起伏较大。该地区属亚热带气候，日照充足，四季如春，气候宜人，干湿季分明；土壤类型以红壤为主，植被类型多样。区域内人居环境特征明显，城市聚集，是云南省的政治、经济、文化中心，区域内人文元素丰富。具有丰富的山地植被，如滇中植被垂直带谱完整的轿子雪山国家级自然保护区、滇中向滇南延伸的哀牢山；高原湖泊有滇池和抚仙湖、阳宗海和汤池。

2 研究方法

2.1 数据及预处理

研究数据源主要有landsat-8 OLI、SRTM DEM 90m，MODIS数据产品来源于地理空间数据云(http://www.gscloud.cn/)，具体的时间为2015年5月28日3时34分；MODIS数据选择的为时间相近的LB1数据，来源美国国家航空航天局(NASA)(https://ladsweb.modaps.eosdis.nasa.gov/)；地面同步观测气温数据，采用云南省常规气象站点及云南电网微气象站点的逐时观测数据，共计171个观测站点；人居环境获取采用珞珈一号夜视灯光遥感数据(源于http://www.hbeos.org.cn/)。对获取的Landsat-8 OLI影像数据，利用数字地形模型对图像进行几何精校正[41]、辐射定标处理，用ENVI的FLAASH进行大气校正。

2.2 地表温度反演模型

地表温度选择连续性约束和亮度梯度约束的多窗口区域匹配算法(IMW)为地表温度反演方法。

IMW算法结构主要根据地表热辐射传输方程，推导出利用热红外波段数据反演地表温度，以landsat-8第10波段为例，其计算公式为：

Ts=[a10(1-C10-D10)+(b10(1-C10-D10)+C10-D10)

T10-D10Ta]/C10。

式中：Ts是基于landsat-8第10波段反演得到地表温度；Ta是大气平均作用温度(见表1)；T10是landsat-8第10波段观测的地表星上亮温；a10和b10为系数(见表2)；C10和D10为算法内部参数(C10=τ10×ε10，D10=(1-τ10)[1+(1-ε10)τ10]。式中，τ10和ε10分别为第10波段大气透过率和地表比辐射率)。根据在NASA官网数据计算出大气热红外波段的透过率为0.73。

表1 热红外波段大气平均作用温度估算方程[42]

利用地面171个常规气象站点及微气象站点同步观测数据，并随机选取20个用于精度检验。研究选择中纬度夏季估算方程。

表2 不同温度范围内的地表温度反演回归系数a10和b10的取值[19]

采用通用的地表比辐射率估计方法，即简单地将地表视为水体、建筑、自然表面等地类构成，其中水体利用归一化差异水体指数进行提取；建筑提取方法综合选取具有较高精度的垂直不透水层指数(PII)[43-48]。对于自然表面像元，可简单认为是植被和裸土组成的混合像元，将水体、建筑、植被、裸土的地表比辐射率分别设置为：ε10ω=0.991、ε10m=0.962、ε10s=0.966、ε10v=0.973[49]。对自然表面可根据像元的植被覆盖度来估算，具体估算方法参考文献[19]的模型如下：

2.3 山地温度影响因子空间格局

地表温度主要受下垫面性质的影响，选取地理环境因子及人居环境因子定量分析山地温度格局的影响因子。

地理环境因子：地理环境因子主要选取海拔高度、坡度、坡向及能描述地貌隆起、切割程度的度量指标—地形起伏度[52], 地形起伏度是最高点海拔高度与最低点海拔高度的差值，以相对高差更加准确表达区域地形的隆起或切割的地貌形态特征，更能反映山地温度的立体变化和微地形特征。利用均值变点法[53]提取地形起伏度，通过邻域计算，窗口逐一设置为2、3、…、49 km进行试验，选择最佳窗口为18 km，获得地形起伏度空间格局(如图1a)。

图1 山地温度主要影响因子格局

人居环境因子：以研究区内水域、植被覆盖及居民区共同刻画人居环境。以归一化植被指数作为植被覆盖度指标(见图1b)。利用归一化差异水体指数(INDW)[54]表达水域的空间影响，计算如公式为：INDW=(G-R)/(G+R)。其中：G为绿波段的亮度值(对应第3波段)，R为近红外波段的亮度值(对应第5波段)。为定量表达水域的空间影响，以成本距离计算其格局(见图1c)。

为客观表达人类居住场所空间格局，利用分辨率为130 m的珞珈一号夜视灯光数据提取居民区，并以成本距离模拟人居活动场所的空间格局(见图1d)。

3 结果与分析

3.1 山地温度格局的影响因子

为探究地表温度与地理环境及人居环境因子的定量关系，将反演的地表温度、地形起伏度、水域空间格局、高程、人居活动空间格局和归一化植被指数等进行相关性分析(见表3)。

表3 各因子间的相关性

3.1.1 地表温度与大尺度地形环境的关系

以海拔100 m为递增步长，坡向按照阴坡和阳坡进行划分；为克服高程数据误差对坡度估计带来的误差，参照文献[8]对坡度大于5°的地表温度进行统计分析，按照5°分阶，由于40°以上区间坡度地面较少，将坡度40°以上归为一类进行统计分析；将各影响变量按照分区与地表温度在该区间的平均值进行曲线拟合选出最佳曲线进行分析。

由图2可知，海拔对地表温度影响的曲线拟合关系，回归决定系数(R2)为0.899 8，当温度变化为10 ℃时，海拔变化为2 000 m。海拔在1 000～1 500 m温度略有波动且有上升趋势，海拔1 500 m以上时，温度随海拔上升有明显的下降趋势，基本成对数关系，这与文献[56-57]的研究结果具有相似的规律，随着海拔的增大，地表温度逐渐降低，地表温度随海拔的变化率为：海拔变化100 m，地表温度变化0.5 ℃。

由图2可知，坡度对地表温度影响的曲线拟合关系，回归决定系数(R2)为0.930 3，坡度对地表温度的线性影响较为明显，随着坡度上升温度具有显著下降的趋势，与文献[8]的研究结果一致。

根据阴阳坡的划分规律，将坡向划分为阴坡(337.5°～67.5°)、半阴坡(67.5°～112.5°、292.5°～337.5°)、阳坡(157.5°～247.5°)、半阳坡(112.5°～157.5°、247.5°～292.5°)。

图2 地表温度与海拔的关系

图3 地表温度与坡度的关系

由图4可知，坡向与地表温度影响的曲线拟合关系发现，回归决定系数(R2)为0.884 7，模型拟合效果好。地表温度随坡向变化的关系是先升高后逐渐降低，再上升的趋势，大致呈现正弦三角函数关系，这与文献[58]利用坡向构建太阳辐射(与地表温度有关)的关系函数一致；在阳坡和半阳坡，地表温度随坡向的变化而降低，在阴坡和半阴坡，地表温度随坡向的变化而升高，且北坡温度低于南坡的温度，与文献[8]的研究结论一致。

在柴油降解的初期，摇瓶内的柴油呈膜状漂浮在水面上，水相澄清。随着时间的延长，水相开始逐渐变浑浊，柴油呈油滴状。随着培养时间的进一步延长，柴油液滴越来越小直至液面上无明显油滴，液相呈乳白色。发酵液离心去除菌体后用盐酸调节至pH=2.0，在4 ℃下冷藏过夜，无沉淀产生。用氯仿-甲醇(2∶1，体积分数)混合液萃取发酵液中的表面活性剂，将萃取液旋转蒸发后得到物质为棕黄色粉末。

图4 地表温度与坡向的关系

3.1.2 地表温度与地形起伏度

由图5可知，利用自然间断点分级法，对地形起伏度分类，研究与地表温度受地形起伏度的影响。地形起伏度与地表温度的曲线拟合的决定系数(R2)为0.898 1。地形起伏度小于600时，地表温度随地形起伏度的关系基本呈下降的趋势；而地形起伏度大于600时，地表温度随地形起伏度略有上升的趋势。

图5 地表温度与地形起伏度的关系

3.1.3地表温度与植被覆盖度、水域和人居环境的关系

由图6可知，在植被覆盖方面，利用自然间断点分级法，将植被覆盖度分为20类，分析植被覆盖度与地表温度的关系，植被覆盖度与地表温度的拟合曲线的决定系数(R2)为0.875 6。随着植被覆盖度的增大，温度逐渐降低，但并不是明显的线性递减，而是略成对数递减关系。

图6 地表温度与植被覆盖度的关系

由图7可知，利用自然间断点分级法(Jenks)，对水域空间影响进行分类，研究地表温度受水体的影响。地表温度与水域空间格局拟合关系的决定系数(R2)为0.714 1。随着水域影响空间距离的增加，地表温度下降极为明显[59]，距离水体越近地温越高。但在某些区位也略有增加，这是因为水体对区域的地表温度具有增加效应。

图7 地表温度与水域空间格局的关系

由图8可知，在人居活动影响格局方面，利用自然间断点分级法，分析人居活动影响空间格局与地表温度关系。人居活动影响空间格局与地表温度曲线拟合的决定系数(R2)为0.725 9。随着人居活动影响空间距离的逐渐增大，地表温度有较为明显的增加，与文献[60]的研究结论一致。

图8 地表温度与人居活动空间格局的关系

3.2 地表温度反演模型的建立

利用渔网工具采集研究区域内3 000 m的边长的网格样点，去除异常数据后，剩余31 899个样点数据用于分析地表温度反演模型。根据每个地形特征与地表温度之间的相关性，进行多元回归分析，使用逐步回归方法建立相关模型(见表4、表5)。

表4 多元回归分析

由表4、表5可知，模型经7次逐步回归，7个原始变量均被保留，且常数和各变量都通过T检验，方差膨胀因子均较小，没有多重共线性，模型的R2为0.42。地表温度反演模型为：

y=311.023-22.449x1-0.025x2-0.008x3-0.007x4-

0.002x5-0.003x6+0.003x7。

式中：y表示地表温度，x1、x2、x3、x4、x5、x6、x7分别表示归一化植被指数、坡度、坡向、地形起伏度、海拔、人居活动影响空间格局、水域影响空间格局。

表5 模型系数及检验

3.3 温度反演精度检验

由图9可知，通过计算并经单位换算后的地表温度反演结果，地表温度最高值为49.15 ℃，最低温为0.82 ℃，平均温度为24.92 ℃。

利用大气平均作用温度估算方程将地表温度的反演结果，转化为与实测温度类似的大气温度进行精度检验，采用平均绝对误差、平均相对误差和均方根误差评估温度实测值与地表温度反演值和MODIS的差异(见表6)。

由表6可知，反演的地表温度比MODIS温度产品的平均绝对误差值小0.31 ℃、平均相对误差值小2.15%、均方根误差值小5.87 ℃，表明地温反演精度较MODIS数据产品较好，与文献[61]得出的结论一致。

表6 地表温度反演精度验证

3.4 山地温度格局分布

由图9可知，地表温度宏观格局，可明显看出高温主要集中在昆明市富明、禄劝、石林等区域，红河地区的开远、建水、弥勒等区域，玉溪市的华宁和易门区域；较高温则出现在昆明市主城区、呈贡、晋宁、嵩明、宜良、安宁等区域，玉溪市的红塔和新平区域，曲靖市的陆良和师宗区域，红河州的部分地区；温度较低区域主要分布在红河的石屏以及玉溪市的大部分地区。

地表温度整体格局，从高至低依次是昆明、曲靖、红河、玉溪，这与区域大型水体的距离、植被覆盖高低、地形起伏、海拔、人居环境密切相关。特别是昆明作为云南最大的人居聚集地，城市温度相对较高，但周边因山体地形及大型水体滇池及城市面山植被覆盖的调温作用，使其温度较低。

图9 地表温度反演结果

温度的分布格局主要与区域地理环境特征有关，整体上，曲靖市东北部、中部的昆明市(主要包括主城区与嵩明、石林、呈贡等区域)、玉溪市(主要包括红塔、江川、澄江、通海等区域)，及红河州大部份地区地形起伏度较低，而昆明市(主要包括富明、禄劝、宜良、安宁等区域)、玉溪市和红河州(主要包括石屏、开远、弥勒、泸西等区域)地形起伏度较高。

研究区域温度格局与水体分布，受滇池的影响，昆明主城区与安宁、晋宁等地整体温度略比其他地区低，阳宗海周边也呈现这一规律，但由于水域面积较小，影响范围有限；玉溪市的抚仙湖周边这一效应也较明显，如澄江、江川和红塔地区靠近湖体周边地区温度较低。从一定程度能说明水体对周边地表具有降温作用，但受到水域面积及距离的影响。

4 结论与讨论

利用同一区域的Landsat-8影像数据，以及相对密集的近地表温度同步观测样点数据，结合IMW算法反演的地表温度，对比MODIS地表温度产品和实测数据，总体反演的地表温度精度明显优于MODIS数据，表明可实现地表温度场的精确获取。

地表温度不仅与宏观的地形要素有关，还与微地形及人居环境作用关系密切。地表温度数据空间分布与地形起伏度、海拔、坡向、坡度、水域影响格局、人居活动影响格局具有不同程度的相关规律，植被覆盖度对地表温度的负相关影响最为显著。近年来，云南省将生态文明建设放在首要位置，提出2020年全省森林覆盖率提升到65%以上的增长目标，提升人居环境的同时，也对地表温度起到较好的调节作用；地形起伏度精确刻画了微地形差异，对地表温度的空间格局具有明显的影响；海拔对地表温度整体上不是简单的线性关系，当海拔小于1 500 m时，地表温度与海拔正相关，当海拔超过1 500 m时，随着海拔的逐渐增高，对地表温度的影响则呈对数线性递减。坡度对地温的影响是线性递减的关系；而人居活动空间影响随着距离增加，地表温度逐渐降低，反映“城市热岛”增温效果；水域影响空间格局，与地表温度整体成负相关；坡向与地表温度不成简单的线性关系，在阴坡和半阴坡的范围内成正相关，而在阳坡和半阳坡的范围内成负相关关系。

通过对山地地表温度影响因素定量分析，可以应用宏观地形及微地形的地理环境和人居环境因子的山地温度综合模型，实现山地温度场时空格局的精细化模拟。通过对地表温度场反演，结合区域地形及人居环境模拟，定量分析山地温度场的空间格局，揭示影响山地温度格局的驱动因素及其规律，为山地生态系统研究提供重要基础，在生物多样性保护、物种分布建模及全球变化等研究中具有重要意义。

研究充分利用了现有常规气象站点及微气象站点同步气象观测数据，实现了基于Landsat-8的地表温度的精确反演，为山地温度场的研究应用提供了基础信息；应用遥感与GIS模拟了研究区域宏观地形及微地形、人居环境要素的空间格局，分析了各要素对山地温度的空间定量关系，最后构建了基于地理环境与人居环境共同作用的山地温度模型。山地温度场的空间格局，不仅受下垫面宏观地形、微地形及人居环境影响，还与宏观上山地纬度、海陆位置、大气环流及其动态等因素有关，综合分析影响要素，构建更为精确的山地温度场是今后研究趋势。