基于ASTER数据的地表温度反演研究.docx
《基于ASTER数据的地表温度反演研究.docx》由会员分享，可在线阅读，更多相关《基于ASTER数据的地表温度反演研究.docx（17页珍藏版）》请在冰豆网上搜索。
基于ASTER数据的地表温度反演研究
东北师范大学
地理信息系统专业毕业论文
指导教师：
黄方
邓立辉
1、引言3
2、ASTER数据特征3
3、ASTER地表温度反演5
3.1研究区与数据5
3.2地表温度反演方法5
3.3地表温度反演实验7
3.4地表温度反演结果9
4、结论12
参考文献13
基于ASTER数据的地表温度反演研究
摘要：
热红外遥感是研究地表热辐射特性的重要手段之一，遥感反演陆地温度可获得地表温度空间差异，而地表温度是地球表面能量平衡和温室效应的一个重要指标，是区域和全球尺度地表物理过程的一个关键因子，在城市热岛研究、农业干旱监测及区域温度变化等领域有重要应用。
与TM、MODIS数据相比，ASTER数据具有较高的空间分辨率和波谱分辨率，特别是ASTER数据中的第13和14波段，在反演区域地表温度方面具有良好的应用前景。
本文应用ASTER数据的优势，采用劈窗算法，对研究区地表温度进行反演，求算研究区的NDVI值并对地物进行分类，简单分析地物类型、NDVI与温度的相关性。
关键词：
遥感；地表温度；ASTER；温度反演
LandSurfaceTemperatureRetrievalBasedonASTERImage
Abstract:
Thermalinfraredremotesensingisoneoftheimportantapproachestostudythesurfacethermalradiationcharacteristics.InversionoflandsurfacetemperaturewithremotesensingrevealsthespatialdifferenceinLST.LandsurfacetemperatureisnotonlyaessentialindexoftheEarthsurfaceenergybalanceandgreenhouseeffect,butalsoakeyfactoroflocalandgloballandphysicalprocesses.LSTiswidelyappliedtodetecturbanheatisland,agriculturaldroughtandregionaltemperaturechanges.ComparedtoTMandMODISdata,ASTERimagehashigherspatialresolutionandspectralresolutioninparticularband13and14whichhasshownpromisingapplicationinlandsurfacetemperatureretrieval.makinguseoftheadvantagesofASTERdata,landsurfacetemperaturewasestimatedbysplitwindowalgorithms.NDVIwascalculatedandtherebylandcoverclassificationwasperformed.Afterthat,thecorrelationbetweenNDVIandLSTwasdiscussed.
Keywords:
Remotesensing;Landtemperature;ASTER;Temperatureretrieval
1、引言
地表温度LST（LandSurfaceTemperature）是研究地表与大气之间物质和能量交换的重要参数，是地球表面能量平衡和温室效应的一个指标，具有区域和全球性。
它不仅是大气各相关学科研究的主要内容，也是水文、生态和农业等其他地学领域最关注的对象[1]。
传统的地表温度反演是通过地面有限观测点的观测数据来推论分析区域地表温度的空间差异，随着遥感技术的发展，快速获取区域空间信息成为可能，这也使热红外遥感及地表温度反演成为遥感研究的一个重要领域。
由于精确测量地表温度具有一定的难度，陆面温度反演成为当前的研究热点之一，随之形成了许多实用的地表温度反演方法，比如劈窗算法、单窗算法以及多通道算法等，针对比较流行的遥感影像如Landsat、MODIS等使用，对于ASTER遥感数据的地表温度反演算法较少[3]。
目前ASTER温度产品官方采用的反演方法是ASTERTES（Temperature／EmissivitySeparation）算法，该算法主要包括NEM（NormalizedEmissivityMethod）、RATIO（RATIOAlgorithm）、MMD（Maximum—MinimumDifference）3个模块[4]。
考虑到NEM模块计算比较复杂，而且受最大发射率影响较大，现有的研究基本上都是直接应用ASTER的星上亮度温度来进行分析。
亮度温度虽然与实际有一定误差，误差范围一般在1℃～3℃，但是对于大范围研究误差还是在允许范围之内或者采用一定的误差减小方法可以降低误差的影响。
本研主要利用劈窗方法进行了ASTER影像的地表温度反演实验。
2、ASTER数据特征
ASTER全称AdvancedSpaceborneThermalEmissionandReflectionRadiometer，中文名“高级星载热发射和反射辐射仪”，是美国NASA（宇航局）与日本METI（经贸及工业部）合作并由两国的科学界、工业界积极参与的项目。
ASTER是极地轨道环境遥感卫星Terra（EOS-AM1）上载有的5种对地观测仪器之一，平台轨道为太阳同步近极地轨道，轨高705km，运行周期98．88分钟，地面重访周期为16天，最短为5天，设计运行时间为6年[3]。
其主要科学目标是增进对地球表面或近地表和低层大气的了解，包括陆地表面和大气交界面局部规模和全区规模的动态过程。
每景ASTER图像覆盖60km×60km的范围。
它提供了可见光—近红外（VNIR）、短波红外（SWIR）和热红外（TIR）3个通道共14个波谱波段的遥感数据，在近红外波段（0.76～0.86μm）。
可以为多个相关的地球环境资源研究领域提供科学、实用的卫星数据[2]。
它是第一个能提供整体观察地球变化信息的观测系统。
主要用于地表、生物圈、固体地球、大气和海洋的长期全球范围的观测。
ASTER数据的参数特征（见表1）。
表1ASTER数据的光谱波段
Table1asterbandspectraldata
通道
通道
通道（μm）
地面分辨率（m）
可见光/近红外
1
0.52～0.60
15
2
0.63～0.69
3N
0.76～0.86
3B
0.76～0.86
短波红外
4
1.60～1.70
30
5
2.145～2.185
6
2.185～2.225
7
2.235～2.285
8
2.295～2.365
9
2.36～2.43
热红外
10
8.125～8.475
90
11
8.475～8.825
12
8.925～9.275
13
10.25～10.95
14
10.95～11.65
由表1可以看出ASTER数据具有以下特点[2]：
⑴可以获取从可见光到热红外谱段范围的地表影像数据；
⑵拥有光学传感器各波段较高的几何分辨率；
⑶在可见光/近红外波段具有底视和后视功能，可以形成立体图像对。
在对其他常用卫星数据（TM、SPOT等）对比之下，ASTER产品具有如下主要特征：
⑴光谱范围覆盖更宽，分辨率更高；
⑵热红外通道具有5个波段，光谱分辨率高；
其中，热红外通道中的5个波段非常适合用来反演地表温度，空间分辨率达到了90米，适宜于城市和区域小尺度的空间热量分析。
3、ASTER地表温度反演
3.1研究区与数据
本研究试验区在北纬34°~36°，东经138°~140°范围内，位于日本的中央部，属日本静冈县，主要包括富士市、富士宫市、富士山、伊豆半岛以及骏河湾等地区，是日本东西交通的要冲和旅游胜地，经济水平位于日本前列。
静冈县的年平均气温为16.1℃，年降雨量为2326毫米，除北部山区以外，总的来说属于温和的海洋性气候，在平原地区冬季很少下雪。
春季温暖；夏季前半期梅雨季节，后半期多晴高温；秋季凉爽，晴朗无云；冬季干燥多晴，属于四季分明的地区。
本研究采用ASTERL1B影像，选取夏季热红外5波段中的13和14波段进行地表温度反演研究。
L1B影像已经经过辐射校正和几何校正[3]，在这种前提下比自己动手进行辐射校正和几何校正要精确的多，提高了研究的精度。
但在生产研究中用户可以根据需要选择采样方法，默认情况下采用UTM投影，CubicConvolution重采样方法[3]。
3.2地表温度反演方法
目前陆面温度反演多是在已知地面比辐射率的前提下，利用各种对大气辐射传输方程的近似和假设，借助热红外遥感影像（数据源大多采用NOAA／AVHRR、MODIS、GMS5／VISSR和LandsatTM／ETM等传感器获取的热红外遥感数据）进行反演[5]。
本研究采用的分裂窗算法通过ASTER数据两个热红外通道（13波段和14波段）测量值的各种组合来剔除大气影响，进行大气和地表比辐射率的订正。
劈窗算法最早主要是针对NOAA卫星AVHRR的第4，5热红外通道提出来的，是目前应用比较多的温度反演方法，理论发展比较成熟[6]。
目前这个算法有很多形式，其区别主要在于不同的情况，对大气参数的求解不一样。
本文直接采用劈窗算法的计算公式来进行地表温度的反演试验。
其劈窗算法的主要流程计算式如下：
⑴、ASTER数据13&14波段亮度温度计算：
基于Level1B数据的星上热辐射强度：
（1）
（2）
ASTER数据13&14波段的亮度温度计算公式：
（3）
（4）
其中C1=1.19104356*10-16（WM2），C2=1.43876869*10-2（WK）
⑵、用分裂窗反演LST的计算公式：
（5）
其中各个参数如下：
其中
，
，
，
算法精度评价对一个算法的实际应用非常重要。
对于劈窗算法反演地表温度的精度评价，通常采用两种方法：
大气模拟数据法和地面测量数据法。
大气模拟数据法是用大气模型软件如LOWTRAN、MODTRAN等在假定地表温度、比辐射率和大气状态已知的情况下，对大气辐射传导进行模拟[13]。
即首先求算卫星高度观测到的热辐射，其中包括大气影响辐射的影响，将其转变为亮度温度，然后用劈窗算法在这些已知的参数情况下反演地表温度，最后比较两者之间的差距可知算法的精度。
地面测量数据法是指实地测量卫星飞过天空时的实际地表温度和相应大气条件，再根据卫星数据用上述各算法推算地表温度，两者比较可知其误差。
但测试的同步性以及匹配等问题使得这一方法在实际应用中比较困难[13]。
研究表明，劈窗算法计算的地表温度与实际温度的误差平均不到1℃，是进行类似研究的首选方法之一。
3.3地表温度反演实验
ASTER数据反演地表温度与其他遥感数据反演地表温度的流程基本相同，本研究使用的是ASTERL1B影像，已经经过了几何校正和辐射校正，形成了各波段的辐射亮度影像数据，直接可以进行下一步运算。
其主要流程如图1。
两个参数
a）.大气透过率
（τ）
b）.地表比辐射率（ε）
图1ASTER反演LST的流程
Fig.1ASTERretrievalLSTprocess
在反演地表的主要流程中，有两个重要的参数即大气透射率（τ）和地表比辐射率（ε）的确定是难点。
对于大气透射率（τ）的确定，要知道获取影像时的大气水汽含量、悬浮颗粒、臭氧等状况，而获取与影像相同时刻的大气气象条件已经不可能，只能利用近似环境模拟或规定具体的气象条件。
大气模拟数据法是用大气模型软件如LOWTRAN、MODTRAN等在假定地表温度、比辐射率和大气状况已知的情况下，对大气辐射传导进行模拟来确定大气透射率（τ）的方法[5]。
表2[13]为采用MODTRAN软件进行中纬度地区大气辐射模拟透射率的数据，是在水汽条件假定的情况下确定的。
表2不同水汽条件下大气透射率
Table2Underdifferentconditionsofatmosphericwatervaportransmissionrate
大气水汽含量（g/cm2）
模拟大气透射率
Band13
Band14
0.5
0.9258
0.9391
1.0
0.8946
0.898
1.5
0.8537
0.8342
2.0
0.8035
0.7833
2.5
0.7462
0.7128
模型的结果只是应用在实验研究的一个近似参照，而影响大气辐射传输模型结果的主要因素还包括：
大气参数获取；地表特性假设；大气辐射传输理论的选择及精度[9]。
这些因素在软件或者操作中渗透或忽略，致使获取的参数结果不唯一，只能是个近似值。
在实际应用中还要进行一些简化，比如假设地面为朗伯体；排除云的存在；运用各种条件下的标准大气模型以及大气气溶胶模式。
由于本研究采用的数据位于中纬度地区，且当天的条件晴好，水汽含量不多，采用其他类似研究所采用的结果，13波段和14波段的透射率分别为0.8288和0.7896，保证了研究结果的一般可靠性。
另一个参数是地表的比辐射率，它是物体与黑体在同温度、同波长下的辐射出射度的比值，是地表温度反演中最关键的参数之一，主要由地球表面结构和波长范围决定。
地表比辐射率的变化与地表组成、粗糙程度、化学成分和物理参数有关，这些因素可随时间发生变化，但这种变化在通常情况下相对缓慢，在短时间内，地表状况可以认为保持不变，从而比辐射率也不变[7]。
在劈窗算法地表温度反演中，地表比辐射率通常假定为已知。
资料显示，在8-14μm波段范围内，绝大数地物的发射率高于0.9，且变化非常小。
研究区地表主要由几种大地物类型构成。
表2是常见地物在8-14μm波长（热红外波段）范围内的比辐射率。
表3常见地物比辐射率
Table3Commonfeaturesemissivity
地物
平均比辐射率
地物
平均比辐射率
清澈的水
0.98-0.99
湿的雪
0.98-0.99
粗糙的冰
0.97-0.98
绿色植物
0.96-0.99
湿土
0.95-0.98
柏油混凝土
0.94-0.97
砖
0.93-0.94
水泥混凝土
0.92-0.94
干植物
0.88-0.94
花岗岩
0.83-0.87
对于反演问题中两个重要参数的确定，我们采用ASTER可见光/近红外对地物进行了分类研究，发现研究区域中地物比较单一，主要由城镇、植被（主要是森林、农田）和水域组成，极少不确定地物，这对参数的确定提供了便利条件，使参数对地表温度反演的不确定性减少，增强反演地表温度的准确性。
参数确定之后，本研究采用的是ENVI4.2软件进行处理。
按照图1的流程和公式（3）、（4）、（5）对ASTER数据进行处理，得出ASTER数据反演地表温度的图像（图3）。
同时，对可见红光和近红外波段进行处理，得出研究区域的归一化植被指数（NDVI）（图2），并在此基础上按NDVI值的大小进行监督分类，把研究区分成森林（NDVI值>0.5）、草地（03.4地表温度反演结果
归一化植被指数（NDVI）是一种广泛应用于表征地表植被覆盖状况的植被指数，而且，利用NDVI进行土地类型分类，可以得到意想不到的较精确的分类结果[12]。
利用ASTER数据可见光/近红外波段中的2、3波段可以求算研究区的NDVI值。
计算公式为：
（6）
根据公式（6）计算出研究区的NDVI值，输出成图2。
图2研究区NDVI图
Fig.2NDVIofthestudyarea
地表温度是反映地表特征的一个重要参数，具有很大的空间变异性和区域性[1]。
目前反演陆面温度的遥感模型均作了一定的简化，必然会产生误差[8]。
验证模型需要卫星过境时的地面实时观测资料，但这是极为困难的，因为卫星过境时间很短，几乎无法获取与卫星像元面积相匹配的地面温度数据集。
所以地面温度反演就要求结果要接近地面真实温度，但这是一个不可能的过程，只能近似接近真实温度。
由于大气条件的不确定性，地表物质不均一性以及软件处理精度等制约温度反演，所以说反演温度是一种病态反演过程[11]。
根据以上的步骤得出了研究区域的地表温度反演图（图3）和土地利用/覆盖图（图4）
图3陆地温度反演图像
Fig.3Imageoftemperatureretrieval
Terra卫星一般在上午10:
30～12:
00自北南下，此时正是中纬度地表温度骤升时刻，对于比热容小的地物或者地表覆盖度小的土地温度升的较快，具有植被覆盖和水体覆盖的地方温度上升较慢，或者说温度相对较低。
据资料分析，此时当地温度一般在20℃～30℃范围，处于春、夏季交替时期。
通过对不同类型土地利用类型进行采样估算地表温度，来估算反演地表温度与实际是否相符。
表4为不同类型地物反演温度情况。
表4地物反演温度表
Talbe4Temperatureretrievaloffeatures
地物类型
像元数
最大值（K）
最小值（K）
平均值（K）
标准差
海域水体
68844
301.020547
289.358684
294.374782
0.999422
山地湖泊
1106
293.942475
288.692378
291.601863
0.874678
建筑用地
8328
318.034526
295.193237
304.144430
1.864070
森林
4070
299.262541
283.222148
293.173663
2.068038
草地
10509
302.359953
290.153069
295.673691
1.50596
裸地
2742
315.858896
273.932260
298.652910
10.684024
整幅图像
431926
318.418480
273.932260
296.571421
3.568422
根据表４，海域水温在21℃左右，波动性较小，个别温度极值可能是噪点或者边缘浅水域；山地湖泊温度在18℃左右；建筑用地温度较高为31℃左右，但波动较大，是由于建筑物类别、材料以及城市绿化等各种因素相互影响造成的；森林和草地地温分别在20℃和23℃左右，跟实际非常相近。
对整幅图像来说，出现了一个低温区，这个低温区在假彩色影像上发现是富士山的火山口内部，海拔高，而且阳光没有照射进去，没有热源，因此温度低。
整体来说，本研究反演地表温度还是符合客观要求，由于没有实际气象观测资料以及数据获取时的地表温度，无法对反演地温精度进行判断，但根据地理学和气象学的知识，反演结果的误差不会太大。
图4土地利用/覆盖图
Flg.4ImageofLandUse/Cover
本研究区的地物类别根据目视出解译发现比较单一，主要由植被、建筑用地和水体，由于温度变化幅度大，把植被分为森林（主要分布在山区，海拔在500米以上，集中分布的林木）和草地（主要分布在山脚和城镇边缘和少数城镇内部绿地，包括少数耕地在内），以便防止出现植被单一类型温度波动幅度过大。
从土地利用/覆盖图分类结果得出：
城镇建筑用地沿着海岸线和河流谷底发展，这是城市发展区域选择的主要因素之一。
山地植被覆盖度很高，环境保护良好。
依山傍水，是一个生态城市。
表4说明，不同的土地利用类型下的地表温度存在差异，得出温度高低的排序：
建筑用地>草地>海域水体>森林>山地湖泊。
而图3和图4也表明从建筑用地到山地湖泊，温度从高降低，说明地物与地表温度有很大的相关性，这种相关性主要是由地物的性质、结构、物理参数以及所处状态决定的[14]。
另外，图2和图3对比可发现，NDVI与地表温度具有明显相反的空间格局，即NDVI值大的地方地表温度低，相反则地表温度高。
这说明植被覆盖度对地表温度也有显著的影响。
而且NDVI值也是划分地物类别的指标之一，这就构成了一个NDVI、土地利用/覆盖到地表温度变化的一个关系模型，考虑地表温度、土地利用/覆盖分类、NDVI三者演算中众多影影响因素及其复杂性，这个模型有待进一步研究。
4、结论
本文利用基于劈窗算法的地表温度反演算法，通过采用ASTER数据的热红外5波段中的第13波段、第14波段，测算大气透射率和地表比辐射率，运用ENVI软件计算热红外波段的亮温信息，并反演了研究区域的地表温度。
结合研究区NDVI及土地利用/覆盖进行分析，结果显示，各种地物的温度与经验知识相匹配，也符合实际情况，误差不大。
不同土地利用类型下的地表温度存在差异，不同DNVI值对应的地表温度也存在差异，并与地表温度呈现相关性。
参考文献
[1]AlanGillespie,ShuichiRokugawa,TsuneoMatsunagaetal.Atemperatureandemissivityseparationalgorithmforadvancedspacebornethermalemissionandreflectionradiometer（ASTER）images[J].IEEETransactionsongeoscienceandremotesensing,1998,36（4）:
1113~1126.
[2]朱黎江，秦其明，陈思锦。
ASTER遥感数据解读与应用[J]。
国土资源遥感，2003，2：
59-63.
[3]李海涛，田庆久。
ASTER数据产品的特性及其计划介绍[J]。
遥感信息，2004，3：
52-55.
[4]刘志武，党安荣，雷志栋，黄聿刚。
利用ASTER遥感数据反演陆面温度的算法及应用研究[J]。
地理科学进展，2003，5（22）：
508-514.
[5]王凤敏，田庆久，虢建宏。
基于ASTER数据反演我国南方山地陆表温度[J]。
国土资源遥感，2005，1：
30-33.
[6]张春玲，余华，宫鹏，居为民。
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，2008，4（23）：
378-384.
[7]刘宇，匡耀求，吴志峰。
不同土地利用类型对城市地表温度的影响[J]。
地理科学，2006，5（26）：
597-602.
[8]毛克彪，覃志豪，徐斌。
针对ASTER数据的单窗算法[J]。
测绘学院学报，2005，1（22）：
40-42.
[9]许国鹏，李仁东，刘可群，张斌。
基于MODIS数据的湖北省地表温度反演研究[J]。
华中师范大学学报，2007，1（41）：
142-147.
[10]程彬，姜琦刚，周云轩，湛邵斌。
基于ASTER数据遥感影像的决策树分类[J]。
吉林大学学报，2007，1：
179-184.
[11]王天星，陈松林，马娅，陈志强。
亮温与地表温度表征的城市热岛尺
升级会员 