基于TM數據的地下煤火區地表溫度反演與驗證

姬洪亮，塔西甫拉提·特依拜，蔡忠勇，師慶東，魏 軍，夏 軍

(1.新疆維吾爾自治區交通規劃勘察設計研究院，烏魯木齊 830006;2.新疆大學資源與環境科學學院，烏魯木齊 830046;3.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046;4.新疆煤田滅火工程局，烏魯木齊 830000)

基于TM數據的地下煤火區地表溫度反演與驗證

姬洪亮1，塔西甫拉提·特依拜2，3，蔡忠勇4，師慶東2，3，魏 軍4，夏 軍2，3

(1.新疆維吾爾自治區交通規劃勘察設計研究院，烏魯木齊 830006;2.新疆大學資源與環境科學學院，烏魯木齊 830046;3.新疆大學綠洲生態教育部重點實驗室，烏魯木齊 830046;4.新疆煤田滅火工程局，烏魯木齊 830000)

以新疆維吾爾自治區水西溝火區為例，利用與Landsat 5衛星2011年7月31日過境同時段的紅外輻射計地表溫度觀測數據，通過多種方法獲取了像元尺度的地表溫度實測值，并對基于TM數據反演地表溫度的單窗算法、普適性單通道算法和Weng算法得到的地下煤火區地表溫度進行對比分析與驗證。結果表明，3種遙感反演算法得到的水西溝地下煤火區地表溫度的空間分布趨勢一致，其中，單窗算法與普適性單通道算法較為接近，研究區整體的平均地表溫度差值為1.60℃。與地面實測數據相比，3種反演算法結果均低于地表溫度實測值。其中，普適性單通道算法與地面實測值一致性最好，決定系數R2為0.886，均方差為1.48℃，其反演結果符合地下煤火區溫度的空間分布規律，高溫異常區范圍明顯;反演結果符合要求，在地下煤火區地表溫度獲取中具有一定的適用性，為提升新疆地下煤火區的動態監測與評價能力選擇了有效方法。

地下煤火;地表溫度;反演;驗證;算法

0 引言

地下煤火是指在自然條件下的煤體與空氣接觸后，發生一系列化學反應，從氧化自燃到劇烈燃燒后形成一定規模，并對環境產生顯著影響的煤自燃現象［1］。地下煤層自燃引發的煤田火災已經成為我國重大的自然災害之一，它造成不可再生能源的損失、國土資源的破壞和生態環境的污染。我國政府已把煤田火區自燃災害的治理列入“中國21世紀議程”［2］。近年來，全球氣候變化與全球變暖等焦點問題也給地下煤火區的研究帶來了新的使命，使地下煤火區問題越來越受到社會與科學界的一致關注。如何對地下煤火進行探測與監測是煤炭資源和災害研究的一個新方向與新熱點，也是治理地下煤火的基礎［3］。

利用遙感技術探測煤田火區已經得到了廣泛的應用，并體現出了巨大的價值與潛力。國外學者Sebnem［4］等探討了遙感和GIS技術在煤火監測、礦區塌陷、生態修復中有關環境影響問題等方面的應用，利用遙感技術可以更加迅速地評估礦區溫度模式，支持區域地質制圖，得出相關的火區熱點;Mishra［5］等利用 Landsat－7 ETM+數據對印度 Jharia煤田火區進行監測，根據普朗克黑體輻射公式進行地表溫度反演，然后利用熱成像儀對反演溫度進行驗證，證明利用ETM+數據可以很好地監測煤田火區范圍。我國學者采用遙感手段對新疆奇臺北山［6］、內蒙古烏達礦區［7］、寧夏汝箕溝礦區［8］等地進行了地下煤火的監測。研究和實驗表明，利用TM熱紅外數據可以初步圈定煤田火區的范圍，對后續的煤田滅火工程具有重要的指導意義。當前，國內外學者大多依據遙感反演的火區地表溫度差異圈定火區范圍，但反演算法各不相同，尚沒有一個公認的適宜于各類地下煤火區的最佳反演算法。

本文以新疆典型地下煤火區——水西溝火區為研究區，基于TM數據，使用單窗算法［9］、普適性單通道算法［10］和 Weng算法［11］反演了研究區的地表溫度，并利用紅外輻射計測量得到的地面溫度對遙感反演結果進行了驗證。比較3種基于TM數據的地表溫度遙感反演算法結果，選取最優反演算法，快速、準確地圈定地下煤火燃燒范圍，為今后對地下煤火燃燒狀態與發展趨勢、地下煤火造成的經濟損失和周邊生態環境影響評估提供相對精確的熱力學指標，為提升新疆地下煤火區的動態監測與評價能力選擇了有效方法。

1 研究區概況

研究區位于新疆維吾爾自治區天山北麓準噶爾含煤區南緣的昌吉回族自治州吉木薩爾縣，地跨E88°55'～88°58'，N43°55'～43°57'之間，面積約為5 km2，隸屬于準南煤田。研究區地處歐亞大陸腹地，具典型的溫帶大陸性干旱氣候特征，夏季局部氣溫高，最高溫度達36℃以上，煤層露頭紅外輻射溫度可達65℃以上，接近煤層氧化自燃的臨界溫度(60～80℃);晝夜溫差大于40℃，促使煤層露頭及圍巖風化破裂加劇，為裂隙發育提供了良好的通風供氧條件;研究區年降水量為327 mm，而同期蒸發量1866 mm，無霜期149 d，降水量與蒸發量之間的巨大差異使煤層露頭長期處于干燥狀態或短暫濕潤后又重新干燥的循環狀態。研究區地形主要為構造剝蝕低山丘陵和洪積臺地，基巖出露較好，總體南高北低。火區周邊除礦山外無其他建設。火區位于低山丘陵的陽坡地帶，山體陰影對煤田火區影響較小。研究區內水文地質條件簡單，水西溝為常年地表流水，水量不大，主要是天山北麓融化雪水和溝兩側泉水補給。研究區位置如圖1(a)所示。

圖1 研究區位置與圖像Fig.1 The location and TM image of study area

2 實驗概況與研究方法

2.1 實驗概況

實驗在新疆維吾爾自治區吉木薩爾縣水西溝礦區進行，選取Landsat－5 TM圖像(圖1(b))，成像時間為2011年7月31日(軌道號為143/029)，天氣晴朗，無風，能見度高，在衛星過境的前后2 h內(衛星過境時間為地方時10:28)完成陸地表面溫度采集過程，保證了與衛星影像采集準同步。在實驗場選取了一塊以煤火露頭區為中心的南北長800 m、東西寬1000 m的實驗地(圖1(c))。觀測期間利用手持式紅外輻射計進行地表溫度的網格式測量，即4人分別從實驗地4個角點出發(甲在西北角向東觀測，乙在東北角向西觀測，到角點后成之字線路向南觀測，丙、丁則反向而行)，以5 m為間隔，最后取同一點上往返測量的4個溫度值的平均值作為該測量點的最終地表溫度值，以消除由于數據采集時間差而造成的誤差，使數據具有良好的可比性。在后期數據處理過程中把落在同一個圖像像素網格中的溫度值進行平均，作為該網格的實際溫度值，并與后期溫度反演的結果進行對比與驗證。

2.2 地表溫度遙感反演算法

采用3種較為常用的遙感反演算法進行陸地表面溫度反演，分別是覃志豪等［9］根據地表熱輻射傳導方程建立的適用于TM熱紅外波段反演地表溫度的單窗算法;Jimёnez－ Mun～oz和Sobrino［10］提出的利用TM遙感數據反演地表溫度的普適性單通道算法;Weng等［11］提出的基于TM數據的地表溫度反演算法(Weng算法)。

2.3 3種遙感反演算法之間的優缺點比較

單窗算法、普適性單通道算法和Weng算法各有所長，其相互之間的優缺點比較詳見表1。

表1 3種地表溫度反演方法的優缺點比較Tab.1 Comparing the advantages and disadvantages by three different algorithms of land surface temperatume

2.4 地表比輻射率的計算

文中提到的3種遙感反演算法都涉及到一個關鍵參數，即地表比輻射率ε，其準確性直接關系到地表溫度反演的精度。地表比輻射率主要取決于地表的物質結構，從衛星影像像元的尺度來看，地球表面不同區域的地表結構可以大體視作由3種類型構成:水面、城鎮和自然表面。水面結構簡單;城鎮位于城市和附近，主要由道路、各種建筑和房屋組成;自然表面主要是指各種天然陸地表面、林地和農田等［12］。綜合前人的研究成果［12－13］，本文首先對研究區進行監督分類，由于研究區內水體較少，故可將遙感圖像分為城鎮像元和自然表面像元2種類型，二者的比輻射率估算分別根據式(1)和式(2)進行計算，即

式中:εbuilt－up和 εsurface分別為城鎮像元和自然表面像元的地表比輻射率;Pv為植被覆蓋度，計算式為

式中:NDVI為歸一化植被指數，分別取NDVIv=0.70和 NDVIs=0.05，當某個像元的 NDVI＞ 0.70時，Pv=1; 當 NDVI＜0.05 時，Pv=0。

3 結果分析與驗證

3.1 3種遙感反演算法結果比較

根據3種不同的遙感反演算法，本文基于實驗區2011年7月31日TM遙感數據，反演得到了煤火區的地表溫度分布圖(圖2)。

圖2 3種算法反演出的地表溫度分布圖(基于2011年7月31日TM圖像)Fig.2 Distribution of land surface temperature retrieved by 3 different algorithms based on the TM image on June 31，2011

從圖2中可以看出:3種算法得到的地下煤火區地表溫度空間分布趨勢基本一致，可以清晰地看到一片呈“倒7”形狀的高亮異常區域，這片區域對應于地下煤火區的主要分布區域，溫度明顯比周邊的植被下墊面和其他自然表面高。說明3種地表溫度反演算法均能較好地反映地下煤火區地表溫度在不同下墊面上的空間分布趨勢。

比較也發現，3種反演算法的結果之間存在一定差異，普適性單通道算法得到的地表溫度要略高于其余2種算法，而Weng算法得到的地表溫度相對最低。為了更好地分析3種反演算法得到的地表溫度之間的定量關系，將利用單窗算法反演得到的地表溫度作為基準，分別對利用普適性單通道算法和Weng算法進行反演得到的溫度差值進行分析(圖3，表2)。

圖3 不同算法間地表溫度差值直方圖Fig.3 Histogram of land surface temperature differences during different algorithms

表2 3種反演算法得到的地表溫度的比較Tab.2 Comparison of retrieved land surface temperature among 3 algorithms (℃)

結果表明，普適性單通道算法與單窗算法得到的平均地表溫度的差值多集中在1.50～1.70℃左右，研究區整體平均溫度差值為1.60℃;單窗算法與Weng算法反演得到的平均地表溫度差值多集中在2.00～2.50℃左右，研究區整體平均溫度相差2.22℃。

3.2 反演結果的驗證

判別遙感反演地表高溫異常區為煤火區的依據需要加入更多的手段與方法，如利用高分辨率遙感影像進行目視判讀解譯，排除其他非煤礦區熱異常點以及收集更多地形、地貌數據對熱異常點進行專家知識檢驗等，都可以更高效、更準確地提取煤火區。本文簡化了這一步驟，采用專家先驗知識和研究區實地考察，人為地縮小熱異常區范圍，采集煤田火區地表溫度進行遙感反演算法結果的驗證，為后期更進一步的研究打下基礎。

實驗采集樣點地表溫度數據142個，均勻分布在實驗區內。通過對遙感反演地表溫度的結果與地表溫度的實測數據進行比較，對3種遙感反演算法在地表溫度的反演精度上進行驗證。反演地表溫度值與實測地表溫度值進行回歸分析的結果如圖4所示。

圖4 3種遙感反演算法的地表溫度驗證Fig.4 Validations of land surface temperature retrieved by 3 different algorithms

從圖4中可以看出:單窗算法、普適性單通道算法和Weng算法反演的地表溫度與實測地表溫度值呈一元線性相關，決定系數R2分別為0.908，0.886和0.856。單窗算法的反演結果與實測地表溫度值線性相關性最高，普適性單通道算法次之。3種算法的決定系數R2均大于0.850，證明反演結果符合實驗要求。3種算法與實測溫度線性擬合斜率接近1，分別為0.938，0.970 和 0.886，表明遙感反演結果均低于實測地面溫度值，其中普適性單通道算法的反演結果與實測地表溫度值一致性最好，與地面實測值最為接近，其次為單窗算法。

為進一步揭示不同算法反演得到的地表溫度與實測地表溫度值之間的差異情況，將反演數據與實測數據做差值分析，結果如表3所示。

表3 3種反演算法得到的地表溫度與實測地表溫度值的比較Tab.3 Comparison of retrieved land surface temperature and ground measurement among 3 algorithms(℃)

同時采用平均絕對百分比誤差和均方差兩種統計量，將3種反演算法得到的地表溫度與地面驗證數據進行定量分析。平均絕對百分比誤差(MAPE)計算公式為

均方差(RMSE)計算公式為

式中:Pi為第i種條件下的計算值;Qi為第i種條件下的參考值;為總樣本數參考值的平均值;n為樣本數，1≤i≤n。計算結果見表4。

表4 3種反演算法得到的地表溫度與地面觀測數據的定量分析Tab.4 Quantitative analysis of retrieved land surface temperature and ground measurement among 3 algorithms

從表4中可以看出，普適性單通道算法得到的地表溫度與地面實測值最為接近，其次為單窗算法，最后為Weng算法。

4 結論

1)文中采用的3種反演算法均能較好地反映水西溝地下煤火區地表溫度的空間分布趨勢，高溫異常區范圍明顯，證明基于TM數據利用遙感算法反演煤田火區地表熱異常具有一定的可行性。其中單窗算法反演的溫度值小于普適性單通道算法，而Weng算法反演的地表溫度值最低。普適性單通道算法與單窗算法得到的平均地表溫度的差值多集中在1.50～1.70℃左右，研究區整體平均溫度相差1.60℃;單窗算法與Weng算法反演得到的平均地表溫度的差值多集中在2.00～2.50℃左右，研究區整體平均溫度相差2.22℃。

2)利用紅外輻射計的地表溫度實測值對3種算法得到的地表溫度值進行驗證。結果表明:普適性單通道算法得到的地表溫度與地面實測值最為接近，二者呈線性相關，決定系數R2為0.886，截距為0時的斜率為0.970，平均絕對百分比誤差和均方差分別為2.992%和1.476℃。綜合比較可知，在水西溝地下煤火區地表溫度反演應用中普適性單通道算法要優于單窗算法和Weng算法。

通過對水西溝地下煤火區地表溫度的反演，證明了將遙感技術應用于地下煤火研究領域具有重要價值，能夠更加快速準確地圈定地下煤火燃燒范圍，提高煤田滅火效率，為今后對地下煤火燃燒狀態與發展趨勢、地下煤火造成的經濟損失和周邊生態環境影響評估提供相對精確的熱力學指標。在地表溫度反演過程中，減少大氣參數的估算誤差、土地利用覆被分類誤差及地表比輻射率的估算誤差等因素對利用多種算法反演地下煤火區地表溫度的影響，更好地提升溫度反演精度，仍有待今后開展進一步的研究和探討。

［1］張建民.中國地下煤火研究與治理［M］.北京:煤炭工業出版社，2008:3－4.Zhang J M.Underground Coal Fires in China:Origin，Detection，Fire－ fighting，and Prevention［M］.Beijing:China Coal Industry Publishing House，2008:3 －4(in Chinese with English Abstract).

［2］鐘茂華，符泰然，胡忠斌.新疆煤田火區現狀調查研究——小尺度區域熱輻射信息分析［J］.中國工程科學，2010，12(1):12－17.Zhong M H，Fu T R，Hu Z B.Small－scale Area Survey and Analyses of Xinjiang’s Coal Field Fire in China［J］.Engineering Science，2010，12(1):12 －17(in Chinese with English Abstract).

［3］武建軍，蔣衛國，劉曉晨，等.地下煤火探測、監測與滅火技術研究進展［J］.煤炭學報，2009，35(12):1669 －1674.Wu J J，Jiang W G，Liu X C，et al.Innovative Technologies for Exploration，Monitoring and Extinction of Underground Coal Fires［J］.Journal of China Coal Society，2009，35(12):1669 － 1674(in Chinese with English Abstract).

［4］Düzgün S，Künzer C，Karacan C ?.Applications of Remote Sensing and GIS for Monitoring of Coal Fires，Mine Subsidence，Environmental Impacts of Coal－ mine Closure and Reclamation［J］.International Journal of Coal Geology，2011，86(1):1 －2.

［5］Mishra R K，Bahuguna P P，Singh V K.Detection of Coal Mine Fire in Jharia Coal Field Using Landsat－ 7 ETM+Data［J］.International Journal of Coal Geology，2011，86:73 －78.

［6］康高峰，雷學武，吳軍虎，等.TM圖像在新疆奇臺北山煤田火區動態監測中的應用［J］.國土資源遙感，1996(2):57－62.Kang G F，Lei X W，Wu J H，et al.Study and Application of TM Image in Coal Fire in Beishan Qitai，Xinjiang［J］.Remote Sensing for Land and Resources，1996(2):57 － 62(in Chinese with English Abstract).

［7］蔣衛國，武建軍，顧 磊，等.基于夜間熱紅外光譜的地下煤火監測方法研究［J］.光譜學與光譜分析，2011，31(2):357－361.Jiang W G，Wu J J，Gu L，et al.Monitoring Method of Underground Coal Fire Based on Night Thermal Infrared Remote Sensing Technology［J］.Spectroscopy and Spectral Analysis，2011，31(2):357－361(in Chinese with English Abstract).

［8］陳云浩，李 京，楊 波，等.基于遙感和GIS的煤田火災檢測研究——以寧夏汝箕溝煤田為例［J］.中國礦業大學學報，2005，34(2):226－230.Chen Y H，Li J，Yang B，et al.Monitoring Coal Fires Based on Remotely Sensed Data and GIS Technique in Coalfields—a Case Study of Rujigou Coal Field in Nixia，China［J］.Journal of China University of Mining and Technology，2005，34(2):226 － 230(in Chinese with English Abstract).

［9］覃志豪，Zhang M H，Karnieli A，等.用陸地衛星TM6數據演算地表溫度的單窗算法［J］.地理學報，2001，56(4):456 －466.Qin Z H，Zhang M H，Karnieli A，et al.Mono－ window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 Data［J］.Acta Geographica Sinica，2001，56(4):456 － 466(in Chinese with English Abstract).

［11］Weng Q H，Lu D S，Schubring J.Estimation of Land Surface Temperature Vegetation Abundance Relationship for Urban Heat Island Studies［J］.Remote Sensing of Environment，2004，89(4):467 －487.

［12］Sobrino J A，Jiménez－ Mun～oz J C，Paolini L.Land Surface Temperature Retrieval from Lsndsat TM5［J］.Remote Sensing of Environment，2004，90(4):434 － 440.

［13］覃志豪，李文娟，徐 斌，等.陸地衛星TM6波段范圍內地表比輻射率的估計［J］.國土資源遙感，2004(3):28 －32，36，41.Qin Z H，Li W J，Xu B，et al.The Estimation of Land Surface Emissivity for Landsat TM6［J］.Remote Sensing for Land and Resources，2004(3):28 － 32，36，41(in Chinese with English Abstract).

The Inversion and Verification of Land Surface Temperature for Coal Fire Areas Based on TM Data

JI Hong － liang1，TASHPOLAT·Tiyip2，3，CAI Zhong － yong4，SHI Qing － dong2，3，WEI Jun4，XIA Jun2，3
(1.Xinjiang Transportation Planning Surveying and Design Institute，Urumqi 830006，China;2.College of Resources and Environment Sciences，Xinjiang University，Urumqi 830046，China;3.Key Laboratory of Oasis Ecology Under Ministry of Education，Xinjiang University，Urumqi 830046，China;4.Xinjiang Coal Field Fire－fighting Engineering Bureau，Urumqi 830000，China)

With the coal fire area of the Shuixigou mine in Xinjiang as an example and on the basis of observation data of infrared radiometer at the same time of passing aviation of Landsat 5 on June 31，2011，the authors calculated surface temperature at pixel scale using several schemes，comparatively studied the surface temperature of the coal fire area inversed by mono－window algorithm，and generalized single－channel algorithm and Weng algorithm with TM data.The results show that all the three algorithms show a consistent distribution of surface temperature of the Shuixigou underground coal fire area，and the mono－window algorithm and generalized singlechannel algorithm have the smallest difference in the average surface temperature of the whole study area，which is about 1.60℃.Through a comparison with the ground measurements，a lower difference value is obtained by all the three algorithms，and the retrieved data by generalized single－channel algorithm are highly close to the data retrieved by mono － window algorithm，wih the regression coefficient and RMSE being 0.886 and 1.48℃respectively.The retrieval results of generalized single－channel algorithm are in line with the spatial distribution law of the temperature of the underground coal fire area，and the high－temperature anomaly district is obvious.The result of the retrieved data of surface temperature is acceptable and the generalized single－channel algorithm is somewhat effective in acquisition of the LST of the underground coal fire area，thus providing a reference for the dynamic monitoring and evaluation of underground coal fire areas.

underground coal fire;surface temperature;inversion;verification;algorithm

TP 722.5;P 237

A

1001－070X(2012)04－0101－06

2012－07－16;

2012－09－06

新疆維吾爾自治區科技支撐計劃項目(編號:201033122)。

10.6046/gtzyyg.2012.04.17

姬洪亮(1988－)，男，碩士研究生，主要研究方向為GIS開發與遙感技術應用研究。E－mail:hongliang1120@yahoo.cn。

塔西甫拉提·特依拜(1958－)，男(維吾爾族)，畢業于東京理科大學遙感應用研究所(工學博士)，教授(博士生導師)，主要從事遙感技術及其應用研究。

(責任編輯:李 瑜)