基于FY－2C數據的地表溫度反演驗證——以黃河源區瑪曲為例

王亞維，宋小寧，唐伯惠，李召良，冷 佩

(1.中國科學院大學資源與環境學院，北京 100049;2.中國科學院地理科學與資源研究所，北京 100101;3.中國農業科學院農業資源與農業區劃研究所農業部農業信息技術重點實驗室，北京 100081;4.法國斯特拉斯堡大學ICube實驗室，斯特拉斯堡 67412)

0 引言

隨著衛星數據質量的不斷提高，利用氣象衛星資料(如NOAA－AVHRR和GMS等)獲取地表溫度的技術逐漸趨于成熟［1－4］。Becker［5］基于 AVHRR第4和5通道的地表反射率之差對地表溫度反演的影響，從理論上證明了用劈窗技術反演地表溫度的可行性;Vidal對比了3種反演地表溫度的方法，即使用實測數據回歸反演系數(誤差為1.75 K)、單獨使用NOAA數據(誤差為2.84 K)及由大氣輻射傳輸模型推導的 SST 反常算法(誤差為 2.9 K)［6－7］;柳欽火等［8］提出了雙溫度雙通道相鄰像元的概念，用于地表比輻射率和地表溫度的同時解算，采用迭代算法求解，10 368個樣本的均方差為0.42 K;Qin等［9］基于NOAA－AVHRR熱通道數據采用劈窗算法反演地表溫度，誤差小于0.25°。

對于給定的像元，靜止氣象衛星具有固定的觀測角度，且1 d能夠提供48～96個時相的數據，利用靜止氣象衛星反演的地表參數可以為陸表能量和水量平衡的研究帶來新思路。基于此，學者們采用靜止氣象衛星數據進行地表溫度反演研究［10－13］:Trigo等［12－13］基于 MSG－SEVIRI數據生成了 MSG－SEVIRI地表溫度產品;Tang等［14］基于我國靜止氣象衛星FY－2C數據，采用劈窗算法反演了中國區域的地表溫度;張霄羽等［15］基于FY－2D對地表溫度進行反演，與MODIS地表溫度產品進行對比，相關系數達0.5，均方根誤差為4.4 K。目前，對地表異質性較強地區的反演研究較少，并且缺乏對風云衛星數據的地表溫度產品的驗證研究。

本文基于FY－2C數據采用劈窗算法得到地表溫度產品，以與 FY－2C相同空間分辨率的MOD11B1地表溫度產品為地表溫度真值，對同步反演的FY－2C地表溫度進行了驗證;另外，利用研究區內20個采樣點的土壤溫度(5 cm)觀測數據對反演結果進行了驗證分析。本研究可為提高異質性下墊面地表溫度反演精度，以及風云衛星數據地表溫度產品的發展提供依據。

1 研究區概況與數據源

1.1 研究區概況

以黃河源區瑪曲為研究區(圖1)，其位于甘肅省甘南藏族自治州西南部，青藏高原東端，甘、青、川三省交界處，黃河第一彎曲部。在 N33°06'～34°23'，E100°45'～102°29'之間，地勢西高東低，由西北向東南傾斜，海拔在3 300～4 806 m之間，屬于高寒濕潤型氣候，年均氣溫1.1℃，年降水量615.5 mm。

圖1 研究區位置圖Fig.1 Location of the study area

1.2 FY－2C 數據

風云二號(FY－2)是我國自主研制的靜止氣象業務衛星系列。C星(FY－2C)于2004年10月19日發射成功，衛星定點于E105°赤道上空［16］。FY－2C可實現每1 h獲取經緯度從N60°～S60°，E45°～165°的1幅完整影像;汛期每間隔30 min可獲取1幅影像。FY－2C衛星主要有效載荷為紅外和可見光自旋掃描輻射器VISSR［16］，其技術指標如表1所示。

表1 VISSR的主要技術指標Tab.1 Main technical indicators of VISSR

1.3 MODIS 數據

MODIS覆蓋光譜范圍較寬，從可見光到熱紅外共分36個波段［17］。MODIS采用的是HDF分層數據格式，由遙感軟件可以直接識別［17］。MODIS Terra星的5 km每日地表溫度產品(MOD11B1)以2種方式(SWATH和GRID)提供，包含每個像元的發射率值和地表溫度的全球數據產品［17］。MOD11B1溫度產品的投影為正弦曲線投影，空間分辨率為5 km，時間分辨率為1 d。本文采用2008年7，8月每日的MOD11B1溫度產品白天地表溫度數據，并進行重投影，與FY－2C地表溫度產品數據保持一致。

1.4 實測數據

在2008年7，8月間，在研究區選取了20個采樣點(瑪曲站點連續原位土壤水分與土壤溫度的實測數據)，如圖1所示。每天每隔15 min獲取1次土壤溫度(5 cm)觀測數據。由于FY－2C地表溫度產品只有每天整點的數據，因此選取同樣對應時刻的實測數據進行驗證分析。

2 基于FY－2C數據的地表溫度反演

Tang 等［14］基于通用分裂窗算法［18］，提出了針對FY－2C數據的地表溫度TS反演方法，表達式為

式中:Ti和Tj分別為在通道i(11.0μm)和通道j(12.0μm)的大氣頂層亮度溫度，K;ε為平均比輻射率;δε為通道31(11μm)和通道32(12μm)的比輻射率差值;a0，a1，…，a6為模型參數。

地表比輻射率由MODIS的地表溫度產品MOD11B1提供的通道31和通道32的比輻射率數據計算得到［14］

式中:εIR1和εIR2分別為S－VISSR通道IR1和通道IR2的比輻射率;ε31和ε32分別為MODIS通道31和通道32的比輻射率。

3 結果分析

3.1 反演結果與MODIS溫度產品的對照分析

為了檢驗FY－2C數據反演地表溫度結果的準確性，將其與MODIS溫度產品進行對比分析。以與FY－2C相同空間分辨率的MOD11B1地表溫度產品為地表溫度真值，對2008年7月和8月50個晴天利用FY－2C數據同步反演的地表溫度進行驗證，選取二者均為非零的數據，計算得到均方根誤差和相關系數，如圖2所示。

圖2 2008年7，8月的相關系數與均方根誤差散點圖Fig.2 Scatter diagram of the correlation coefficient and RM SE in the July and August，2008

由圖2可以看出，FY－2C數據反演結果與MODIS得到的地表溫度相關性較好，相關系數在0.72～0.95之間;均方根誤差在0.44～3.87 K 之間，其平均值為1.90 K。

分別選取7和8月每個月的上、中、下旬各1 d，計算FY－2C數據反演的地表溫度TFY減去MODIS溫度產品數據TMODIS的絕對值，得到二者的溫度差值圖(圖3)。結果表明，FY－2C數據反演的地表溫度精度尚好。

圖3 FY－2C反演地表溫度T FY與MODIS溫度產品數據T MODIS差值圖Fig.3 Land surface tem perature inversions based on FY－2C data m inus the tem perature of MODIS products

3.2 反演結果與實測數據的對照分析

為了進一步驗證反演結果的精確性，將每天每個整點的實測數據與同一時刻的FY－2C地表溫度反演結果進行對照分析。因為FY－2C數據空間分辨率為5 km，且若取20個站點對應位置的FY－2C數據(有部分空值)的實測溫度值是點數據，像元反演的地表溫度是面數據，點數據與面數據直接對比會帶來一定的問題，所以需換取空間內的平均值來對比分析。首先，計算20個站點每天每個整點的平均溫度;然后，計算以這20個站點為基準的最小矩形的FY－2C反演結果的平均值，將這2組數據進行比較，如圖4所示。

圖4 實測溫度與FY－2C數據估算地表溫度比較Fig.4 Comparison between themeasured data and the land surface tem perature inversions based on FY－2C data

由圖4可以看出，地面觀測的溫度值與FY－2C反演的地表溫度具有較好的相關性，二者的趨勢基本一致，相關系數為0.69，但還具有一定的誤差。

誤差產生的主要原因是:①研究區海拔在3 300～4 806 m之間，高程落差大，地形崎嶇不平，地表粗糙度較大，同時景觀多樣性指數和空間綴塊性較大，因而此地區的空間異質性較為強烈，對遙感地表溫度反演的精度影響較大，造成了FY－2C反演地表溫度的不準確性。②風云衛星數據本身的信噪比較低，從而導致其反演精度偏低。③在異質性較強的研究區，僅用有限的樣點觀測值通過取平均來表征整個區域平均值，也會導致不確定性變大。④交叉驗證中FY－2C和MODIS的觀測角度會產生誤差，Lagouarde 等［19－20］研究表明，垂直方向上和傾斜方向上的裸土溫度差可高達5 K、城市地表溫度差可高達10 K。事實上，MODIS和FY－2C不同的像元溫度對應著不同的觀測角度，觀測角度的不同必定使得反演的地表溫度存在一定的角度效應。在Ren等［21］的研究中也表明角度糾正后的地表溫度與原有MODIS地表溫度產品相差1～3 K。⑤交叉驗證中，本文所選數據的時間差也會產生一定誤差，FY－2C數據選取的是北京時間11:00的數據，而MOD11B1在瑪曲的觀測時間為北京時間10:30至11:30，該時間差也會產生誤差。充分考慮并解決角度效應和時間差造成的影響，是后續研究中必不可少的環節。因此，在異質性較強的地區，當前利用FY－2C反演得到的地表溫度精度尚有限，需要繼續提高反演精度。

4 結論

1)本文基于FY－2C數據采用劈窗算法得到的地表溫度，選取黃河源區瑪曲為研究區，以與FY－2C相同空間分辨率的MODIS地表溫度產品(MOD11B1)為地表溫度真值，對50個晴天同步反演的FY－2C地表溫度進行驗證。FY－2C數據估算地表溫度結果與MODIS相關性較好，相關系數在0.72～0.95之間，平均相關系數均值為0.85;均方根誤差在0.44～3.87 K之間，其平均值為1.90 K。

2)對研究區20個5 cm深處土壤溫度觀測數據取平均值，對區域平均FY－2C地表溫度進行驗證與誤差分析。FY－2C反演的地表溫度具有較好的相關性，二者的趨勢比較一致，相關系數為0.69。造成誤差的主要原因有:研究區地表異質性強、風云衛星數據本身的信噪比偏低、用有限的樣點觀測值通過取平均來表征區域平均值導致不確定性變大、交叉驗證中FY－2C和MODIS的觀測角度和時間差也加大了誤差。因此，在異質性較強的地區，當前利用FY－2C反演得到的地表溫度精度有限，需要充分考慮并解決角度效應和時間差造成的影響，進一步提高反演精度。

志謝:荷蘭Wageningen大學Su Z B教授提供了黃河源區瑪曲采樣點的土壤溫度實測數據，LAADS網站(http://ladsweb.nascom.nasa.gov/data/search.html)提供了MODIS地表溫度產品數據，在此一并致以衷心的感謝!

［1］ 徐希孺，柳欽火，陳家宜.遙感陸面溫度［J］.北京大學學報:自然科學版，1998，34(2/3):248－253.Xu X R，Liu Q H，Chen JY.Remote sensing of land surface temperature［J］.Acta Scientiarum Naturalium Universitatis Pekinensis，1998，34(2/3):248－253.

［2］ Price JC.Land surface temperature measurements from the split window channels of the NOAA7/AVHRR［J］.Journal of Geophysical Research，1984，89(D5):7231－7237.

［3］ 祝善友，張桂欣，尹 球.地表溫度熱紅外遙感反演的研究現狀及其發展趨勢［J］.遙感技術與應用，2006，21(5):420－425.Zhu SY，Zhang G X，Yin Q.Actualities and development trends of the study on land surface temperature retrieving from thermal infrared remote sensing［J］.Remote Sensing Technology and Application，2006，21(5):420－425.

［4］ 甘甫平，陳偉濤，張緒教，等.熱紅外遙感反演陸地表面溫度研究進展［J］.國土資源遙感，2006，18(1):6－11.doi:10.6046/gtzyyg.2006.01.02.Gan F P，Chen W T，Zhang X J，et al.The progress in the study of thermal infrared remote sensing for retrieving land surface temperature［J］.Remote Sensing for Land and Resources，2006(1):6－11.doi:10.6046/gtzyyg.2006.01.02.

［5］ Becker F.The impact of spectral emissivity on themeasurement of land surface temperature from a satellite［J］.International Journal of Remote Sensing，1987，8(10):1509－1522.

［6］ 李 健.長白山地區地表溫度反演研究［D］.長春:吉林大學，2005.Li J.A Study of Land Surface Temperature Retrieval for the Region of ChangbaiMountain of China［D］.Changchun:Jilin University，2005.

［7］ Vidal A.Atmospheric and emissivity correction of land surface temperaturemeasured from satellite using groundmeasurements of satellite data［J］.International Journal of Remote Sensing，1991，12(12):2449－2460.

［8］ 柳欽火，徐希孺，陳家宜.遙測地表溫度與比輻射率的迭代反演方法——理論推導與數值模擬［J］.遙感學報，1998，2(1):1－9.Liu Q H，Xu X R，Chen JY.The retrieval of land surface temperature and emissivity by remote sensing data:Theory and digital simulation［J］.Journal of Remote Sensing，1998，2(1):1－9.

［9］ Qin ZH，Karnieli A.Progress in the remote sensing of land surface temperature and ground emissivity using NOAA－AVHRR data［J］.International Journal of Remote Sensing，1999，20(12):2367－2393.

［10］ Gao C X，Tang B H，Wu H，et al.A generalized split－window algorithm for land surface temperature estimation from MSG－2/SEVIRIdata［J］.International Journal of Remote Sensing，2013，34(12):4182－4199.

［11］ Qian Y G，Qiu S，Wang N，etal.Land surface temperature and emissivity retrieval from time－seriesmid－infrared and thermal infrared data of SVISSR/FY－2C［J］.IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2013，6(3):1552－1563.

［12］ Trigo IF，Monteiro IT，Olesen F，et al.An Assessment of remotely sensed land surface temperature［J］.Journal of Geophysical Research:Atmospheres(1984－2012)，2008，113(D17):D17108.

［13］ Trigo IF，Peres L F，DaCamara C C，et al.Thermal land surface emissivity retrieved from SEVIRI/Meteosat［J］.IEEE Transactions on Geoscience and Remote Sensing，2008，46(2):307－315.

［14］ Tang B H，Bi Y Y，Li Z L，et al.Generalized split－window algorithm for estimate of land surface temperature from Chinese geostationary FengYun meteorological satellite(FY－2C)data［J］.Sensors，2008，8(2):933－951.

［15］ 張霄羽，王 嬌.基于靜止氣象衛星數據的地表溫度遙感估算［J］.遙感技術與應用，2013，28(1):12－17.Zhang X Y，Wang J.Estimation of land surface temperature using geostationary meteorological satellite data［J］.Remote Sensing Technology and Application，2013，28(1):12－17.

［16］ 國家衛星氣象中心.風云衛星遙感數據服務網［EB/OL］.［2014－05－04］.http://www.nsmc.cma.gov.cn/NSMC/Home/Index.html.National Satellite Meteorological Center.FENGYUN Satellite Data Center［EB/OL］.［2014－05－04］.http://www.nsmc.cma.gov.cn/NSMC/Home/Index.html.

［17］ 胡菊旸.風云衛星地表溫度反演算法研究［D］.北京:中國氣象科學研究院，2012.Hu JY.The Study of Algorithms for Land Surface Temperature Retrieval from Feng Yun Satellite Data［D］.Beijing:Chinese Academy of Meteorological Sciences，2012.

［18］ Wan ZM，Dozier J.A generalized split－window algorithm for retrieving land－surface temperature from space［J］.IEEE Transections on Geoscience and Remote Sensing1996，34(4):892－905.

［19］ Lagouarde JP，Dayau S，Moreau P，et al.Directional anisotropy of brightness surface temperature over vineyards:Case study over the medoc region(SW France)［J］.IEEE Geoscience and Remote Sensing Letters，2014，11(2):574－578.

［20］ Lagouarde JP，Hénon A，Kurz B，et al.Modelling daytime thermal infrared directional anisotropy over Toulouse city centre［J］.Remote Sensing of Environment，2010，114(1):87－105.

［21］ Ren H Z，Yan G J，Chen L，etal.Angular effectofMODISemissivity productsand itsapplication to the split－window algorithm［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2011，66(4):498－507.