國產HJ-1B衛星數據的地表溫度及濕度反演方法
——以呼倫貝爾草原伊敏露天煤礦區為例

趙菲菲， 包妮沙， 吳立新,3， 孫瑞

(1.東北大學測繪遙感與數字礦山研究所,沈陽 110819； 2.北京國測星繪信息技術有限公司，北京 100048；3.中南大學地球科學與信息物理學院，長沙 410083； 4.江蘇省地質測繪院,南京 210008)

國產HJ-1B衛星數據的地表溫度及濕度反演方法
——以呼倫貝爾草原伊敏露天煤礦區為例

趙菲菲1,2， 包妮沙1， 吳立新1,3， 孫瑞4

(1.東北大學測繪遙感與數字礦山研究所,沈陽 110819； 2.北京國測星繪信息技術有限公司，北京 100048；3.中南大學地球科學與信息物理學院，長沙 410083； 4.江蘇省地質測繪院,南京 210008)

草原露天煤礦的土壤濕度遙感監測可以反映露天開采活動對生態環境的擾動程度。選擇國產環境衛星(HJ-1B)多光譜及熱紅外光譜數據，探討HJ-1B數據在中國北部呼倫貝爾草原伊敏露天煤礦區地表溫度及濕度的反演模型及適宜性，對比分析JM&S,Qin和Artis算法在研究區溫度反演中的精度及適用性； 進一步利用歸一化植被指數和地表溫度(NDVI-LST)的特征空間反演溫度植被干旱指數(temperature vegetation dryness index，TVDI)； 通過野外實測土壤濕度數據對NDVI-LST特征空間中的干邊模型進行修正。結果表明： 基于Qin算法反演的溫度數據精度最高； 干邊糾正系數為0.3時，TVDI與實測土壤含水量相關性最高，“濕邊”呈現剖物線特征，“干邊”呈現線性規律。反演結果能夠很好地反映露天煤礦區內不同地物的地表干旱狀況及空間異質性，可為草原露天煤礦區的長周期陸面演變監測提供基礎數據。

國產環境衛星(HJ-1B)； 露天煤礦區； 干邊模型； 地表溫度(LST)； 土壤濕度； 溫度植被干旱指數(TVDI)

0 引言

土壤濕度作為“大氣―土壤―植被”系統物質與能量交換的主要環節，在一定程度上決定了土壤的形成與性質，同時也是影響氣候的重要因素，對全球氣候變化敏感，可作為地表水文過程的一個綜合表征[1]。干旱-半干旱區約占全球陸地總面積的30%，區域降水稀少、水資源缺乏、生態環境極其脆弱，對全球變化的響應十分敏感[2]。因此，開展土壤濕度的監測、預測與評估研究，不僅迫在眉睫，而且具有重大現實意義。隨著衛星遙感技術和GIS技術集成的迅速發展，通過對地面溫度變化、作物生理參數變化以及云層覆蓋等進行建模，建立評估土壤水分含量變化狀況的干旱監測模型，可以及時有效地完成大面積、實時動態的干旱地區旱情監測[3]。

土壤濕度的遙感反演方法主要有微波遙感法、可見光法與熱紅外法[4]等。隨著星載遙感儀器開始為地表溫度(land surface temperature,LST)反演研究提供熱紅外遙感數據，利用可見光與近紅外法獲取的能夠反演作物形態指標與生理特性的土壤濕度監測綜合指數也得到了廣泛應用[5-6]，目前NOAA系列衛星、Landsat系列衛星、Terra/Aqua系列衛星等搭載的遙感儀器為土壤水分的估測提供了可見光與熱紅外數據[7]。然而，由于中等空間分辨率或時間分辨率的限制，聯合光學遙感與熱紅外遙感的干旱監測只能應用在大尺度的區域。環境一號A/B衛星(HJ-1A/B)是我國自主研發的、專門用于環境和災害監測的對地觀測衛星[8-9]。環境一號B星(HJ-1B)搭載了CCD相機和紅外相機(IRS)，其30 m空間分辨率的可見光與近紅外波段、300 m空間分辨率的熱紅外波段以及4 d的重訪周期，為我國自主完成小尺度的土壤濕度監測提供了高時間分辨率和較高空間分辨率的遙感數據源[10-11]。地表數據與從遙感圖像獲取的歸一化差值植被指數(normalized difference vegetation index,NDVI)和LST是描述地球表面特征的2個重要參數，與植被的生理特性和土壤水分狀況密切相關[12]。溫度植被干旱指數[13](temperature vegetation dryness index,TVDI)綜合了NDVI與LST這2個參數，有效地減小了植被覆蓋度對土壤濕度監測的影響，可更多地提供地表水分含量與植被覆蓋的變化信息，解決植物在受水分脅迫時短期內仍能保持原有綠色的時間滯后問題，從而為干旱監測提供準確的數據支持[14]。TVDI是基于NDVI-LST的空間特征關系得到的，LST數據的反演精度對土壤濕度的反演結果尤為重要。目前，利用單個熱紅外波段進行溫度反演的算法主要有JM&S單通道算法[15]、單窗算法[16]和Artis算法[17]，而對HJ-1B數據的不同溫度反演算法的適用性與精度有待進一步探討。

內蒙古自治區東部草原(簡稱蒙東草原)是我國半干旱區域氣候變化響應的敏感區域，這一區域持續而又頻繁的煤炭開采活動，改變了草原區域的地下水位，破壞了周邊植被，因而出現了植被退化、土壤沙化等環境問題，進一步加重了半干旱化的進程。盡管蒙東草原植被退化及沙漠化的時空變化得到了廣泛研究[18-21]，但對與草原退化與沙漠化密切相關的LST與土壤濕度變化研究較少。因此，本文的目的是探討適合HJ-1B數據的小尺度草地生態系統的LST與土壤濕度的反演模型，以推動國產衛星在蒙東草原長周期地面演變監測和半干旱區域礦區干旱動態監測中的應用。

1 研究區概況

以伊敏露天煤礦為研究區，該區地處我國大興安嶺以西、海拉爾盆地以西的呼倫貝爾草原(蒙東草原的重要組成部分)，伊敏河中下游的西側，占地面積371 hm2(圖1(a))。

(a) HJ-1B B3(R)B2(G)B1(B)彩色合成圖像(b) 礦區地物分類結果(2014年9月)

圖1伊敏露天煤礦

Fig.1Yiminopen-castcoalmine

研究區寒溫帶大陸性季風氣候特點顯著，年平均降水量為28 mm，降水期主要集中在7—8月。礦區主要土壤類型為黑鈣土、暗栗鈣土和栗鈣土，其地帶性高原型地貌的主要植被覆蓋為羊草、針茅和披堿草等牧草。伊敏露天煤礦開采始于1985年，服務年限設計為90 a，現已經形成3個排土場與1個采坑區，其中將剝離的巖石、土壤進行堆置并覆以30 cm的標稱原地貌土壤而形成排土場，排土場主要復墾植被為針茅與沙棘。

2 數據源及其預處理

2.1 遙感數據

HJ-1A/B星于2008年9月6日成功發射，HJ-1A星搭載了超光譜成像儀和CCD相機，HJ-1 B星搭載了紅外相機和CCD相機，重訪周期為4 d。根據2014年6―9月份的降水量數據，確定研究區的降水集中在7―8月份，因此本文選取2014年9月覆蓋伊敏煤礦區半干旱草原的HJ-1B衛星數據。對HJ-1B數據進行了必要的預處理，包括對IRS數據的輻射定標與CCD數據大氣校正，以及圖像幾何配準(配準誤差小于1個像元)、數據裁剪和統一至30 m空間分辨率的重采樣。

2.2 地面采樣

本研究于2014年9月6―12日進行了地面采樣及觀測實驗，采樣時間與HJ-1B衛星遙感數據獲取時間基本同步，采樣范圍以伊敏露天煤礦區為中心外擴10 km, 采樣涉及范圍達1 600 km2。根據研究區土地利用現狀圖(圖1(b))，采用分區隨機采樣法布設樣點，共布設46個樣方、14個控制點。采樣單元均勻分布在1 km×1 km樣地中，每個采樣單元大小為30 m×30 m； 在采樣單元內按照“V”形狀選取3個1 m×1 m樣方，樣方采集的土樣深度為0～10 cm； 對每一樣方采用四分法進行取樣，并測量土壤的含水量； 取3個樣方土壤含水率的均值作為基本采樣單元的土壤濕度值，同時利用GPS記錄每個樣方的地理坐標和植被類型等。土壤含水率測算方法為： 將土樣在105℃的環境下烘干至恒重； 用精度為0.01 g的天平稱土樣的濕重與干重，分別秤3次，計算均值，得到土壤的含水量。

2.3 氣象數據

研究區的氣象數據由距離礦區50 km的氣象站提供，分別為2014年9月的平均水汽壓(e)數據、平均溫度數據(T0)以及6―9月份的降水量數據。

2.4 驗證數據

分別利用MODIS數據和野外實測數據對利用HJ-1B數據反演的LST數據進行驗證。下載與HJ-1B星數據獲取時間一致的MODIS LST數據產品。MODIS的溫度產品MOD11A1是采用Sinusoidal投影方式的3級網格數據產品，具有1 000 m的空間分辨率，每天提供一次。為了避免因地面配準產生的誤差導致遙感衛星數據反演的土壤濕度像元和地面樣方不能一一對應，以野外基本采樣單元(30 m×30 m)為中心像元，生成3像元×3像元窗口，取該窗口內圖像的土壤濕度的均值，與地面土壤濕度建立對應關系，從而利用野外采樣數據驗證遙感反演結果。

3 研究方法

3.1 溫度反演

TS=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ,

(1)

其中

(2)

δ=-γLsensor+Tsensor,

(3)

式中：Ts為地表溫度，K；Tsensor為星上亮溫，K；Lsensor為星上輻射值，Wm-2·sr-1·μm-1；ε為地表比輻射率；λ為有效波長，根據JM&S算法中的計算公式得到λ=11.511 μm；γ與δ為與普朗克公式線性展開有關的變量； c1和c2為輻射常數，c1=1.191 043 56×108Wm-2·sr-1·μm4，c2=1.438 765 8×104μm·K；ψ1,ψ2和ψ3為大氣參數，與波長和大氣含水量(ω)有關，針對HJ-1B熱紅外波段，參考段四波等[22]文獻，其計算公式為

(4)

式中ω=0.138e1.001，e為氣象站提供的平均水汽壓數據。

Qin等[16]根據地表熱輻射傳導公式提出了單窗算法，與傳統的輻射傳導方程法相比，僅需要近地表溫度與大氣水分含量2個大氣參數，即

(5)

其中

C=ετ，

(6)

D=(1-τ)[1+(1-ε)τ],

(7)

式中：ε為地表比輻射率； a和b為根據圖像的溫度變化范圍得到的常數，在本研究區，a=-60.896 9,b=0.439 078；Tsensor為星上亮溫，K；Ta為大氣平均溫度，即

Ta=20.430 72+0.905 07T0(中緯度夏季大氣) ;

(8)

T0為近地表溫度；τ為大氣透過率，可由大氣水汽含量估算得到，即

τ=0.983 1-0.124 1ω。

(9)

Artis等[17]提出的基于圖像的反演算法，反演過程較為簡單，易操作，但忽略了大氣輻射因素的影響。其計算公式為

(10)

ρ=hc/σ,

(11)

式中：T為星上亮溫，K；λ為有效波長(11.511 μm )；ε為比輻射率； h為普朗克常量，h=6.626×10-24J·s； c為光速，c=2.992 8×108m·s-1；σ為玻爾茲曼常數，σ=1.38×10-23J·K-1。

3.2 地表比輻射率計算

采用分類法與NDVI法相結合的方法獲取地表比輻射率，可有效消除部分由分類帶來的誤差和單純使用NDVI法導致某些地物混淆的誤差。應用面向對象分類的方法完成研究區的地物判別，最終得到5種地物： 水體、植被、建筑物表面、裸土和植被與裸土的混合像元。通過對研究區的NDVI值概率分布結果統計，獲取累積概率分別為5%和95%的NDVI值作為NDVI最小值和NDVI值，計算植被覆蓋度Pv，即

Pv=[(NDVI-NDVImin)/(NDVImax-NDVImin)]2,

(12)

式中：NDVImin和NDVImax分別為研究區NDVI最小值和最大值。

參考覃志豪等[23]的比輻射率估算方法，確定水體、植被、建筑表面和裸土的比輻射率分別為εω=0.995，εv=0.99，εb=0.968和εs=0.974； 植被與裸土的混合像元的比輻射率計算公式為

ε=PvRvεv+(1-Pv)Rsεs,

(13)

其中

Rv=0.933 2+0.058 5Pv,

(14)

Rs=0.990 2+0.106 8Pv,

(15)

式中：εv和εs分別為植被和裸土的比輻射率；Rv和Rs分別為植被和裸土的溫度比率。

3.3 干旱監測指數及其修正

2002年Sandholt等[13]基于NDVI與LST的關系，提出了TVDI模型。該模型不受作物生長季的限制，可以監測區域相對干旱程度的空間變化，具有地區專一性和地域專一性特點； 同時該方法要求研究區域NDVI值的動態變化范圍大，有裸土到密閉植被的變化，以及土壤表層含水量應有從萎蔫含水量到田間持水量的動態變化范圍[12]。TVDI的表達式為

(16)

式中：TS為圖像中某一像元的LST；TSmin為某一NDVI值對應的最低LST，對應濕邊；TSmax為某一NDVI值對應的最高LST，對應干邊。

本文利用研究區的NDVI與LST圖像提取每個NDVI值對應的最高LST與最低LST，進而采用多元逐步回歸方法對NDVI值及其對應的最高LST和最低LST分別進行二次擬合與一次擬合，分別獲取干邊與濕邊的擬合方程。

分析NDVI-LST特征空間可知，LST達到模擬干邊的溫度時，植被關閉葉片氣孔，出現零蒸散現象[24]。實際上，由于土壤中植被靠根部吸水，在高植被覆蓋區域(即使是在干旱區)幾乎不存在零蒸散現象； 因此，基于遙感圖像數據獲取的干邊的溫度要低于真實干邊的溫度，并且植被覆蓋越高，模擬干邊與真實干邊的差距越大(圖2)。

圖2 真實干邊與模擬干邊的差距

為了修正上述誤差，需將模擬干邊“還原”為真實干邊。Stisen等[25]認為真實干邊與擬合干邊呈非線性相關，其蒸發修正量隨著NDVI的增大而迅速增長。根據他們提出的修正方法，本文對TVDI模型中的模擬干邊進行如下修正，即

(17)

式中：φi,min為非線性擬合干邊的Priestly-Taylor(P-T)參數；φmax為NDVI-LST特征空間濕邊的P-T參數(最大蒸散情況下)。

根據Stisen等[25]的假設，將式(17)中對TVDI的改進用于反演土壤水分，即

(18)

式中：C為用于將模擬干邊校正到真實干邊的修正系數，C與該時間段內的降雨和蒸散狀況有關，一般情況下，降雨量越大，C的取值越大；TVDIi，NDVIi和TVDI(Ci)分別為像元i修正前的TVDI與NDVI和修正后的TVDI。C的取值范圍為0～1，當野外實地土壤含水量數據與基于不同干邊糾正系數獲取的TVDI相關性最高時，C為該區域內干邊修正的最適宜值。由于C的大小與區域內降雨量相關，參考趙杰鵬等[26]對干旱-半干旱地區的C值修正結果，本文選擇C值范圍為0～0.5，并以0.1為步長，結合野外觀測數據測試得到最適宜的C值，從而完成研究區內干邊修正模型。

4 結果與討論

4.1 不同溫度反演方法對比分析

利用以上參數、基于3種不同方法得到研究區溫度反演圖。對不同算法獲取的溫度產品與MODIS LST產品的統計對比結果(表1)表明，JM&S與Qin方法在最大值、最小值和平均值上與參考數據較為接近，而Artis算法則在標準差方面表現較好。

表1 不同算法獲取的溫度產品與MODIS LST產品統計對比

為了進一步直觀分析3種算法的溫度反演圖，使用MOD1S LST產品對反演的HJ-1B 溫度數據進行驗證，分別選取礦區北部的湖泊位置與礦區位置做剖面線(圖1(a))，統計LST值沿剖面線方向的變化(圖3)。

(a) 剖面線1 (b) 剖面線2

圖33種算法反演溫度與參考溫度剖面對比

Fig.3ProfilecomparisonbetweenLSTsretrievedbyusingthreealgorithmsandreferencedata

從圖3可以看出，3種算法反演的LST在數值上均低于同時期的MODIS LST數據； 與Artis算法相比，JM&S與Qin算法反演的LST數據在數值和曲線走勢、起伏狀況上與參考數據更為相似。此外，基于HJ-1B衛星數據反演的LST數據比MODIS LST數據的空間分辨率更高，剖面線的溫度起伏變化更為顯著，存在更多個小的波峰波谷變化。這與Sobrino等[27]利用3種算法對Landsat 5數據進行LST反演、得到JM&S與Qin算法反演精度更高的結論是相同的。

4.2 修正后的TVDI空間分布特征

對TVDI指數修正的過程充分考慮了降雨量與蒸散，一般情況下降雨量越大，相應地C的取值應該越大。由于研究區位于干旱-半干旱氣候帶，因此選擇C的步長為0.1，變化范圍為0.1～0.5，共5個數值。利用野外采樣獲取的土壤含水量對不同算法以及用不同干邊糾正系數獲取的干旱指數進行相關性分析，從而完成干邊的修正(圖4)。

圖4 不同修正參數的TVDI反演精度與土壤含水量的相關性

從圖4可以看出，利用JM&S與Qin算法獲取的TVDI值，當C=0.3時，TVDI與土壤含水量的相關性最大。對于國產衛星HJ-1B數據，Qin算法反演的TVDI與土壤含水量的相關系數(R2)要高于JM&S算法。通過Qin算法反演得到的LST，進一步分析NDVI-LST空間分布特征以及干邊、濕邊方程，NDVI與其對應的LST最大值構成二次曲線模型，而與LST最小值呈線性分布(圖5)。

圖5 Qin算法反演的LST與NDVI空間分布關系

因此，本文基于NDVI圖像與LST圖像，采用多元逐步回歸方法完成干、濕邊的擬合。干邊的最高擬合系數達到0.944，濕邊的最高擬合系數為0.784。當NDVI<0.3時，溫度基本保持不變； 而NDVI>0.3后，隨著NDVI的增加，溫度降低與NDVI成負相關。Gao等[28]也得到了相似的結論： 在植被覆蓋度高的草地或農場，當NDVI≥0.18時，溫度就會急劇下降。

4.3 礦區溫度及土壤濕度空間分異規律

基于Qin算法獲取的研究區溫度與濕度空間分布如圖6所示。從中可以看出，區內土壤水分含量較高的地方集中在河流、湖泊以及植被高覆蓋區域，溫度較低(在282～286 K)； 而礦區采坑及其未復墾的排土場等裸土區域則呈現出缺水與干旱的狀況，溫度高(292～298 K)； 礦區排土場復墾區域與未復墾區域溫度與濕度差異明顯，空間異質性強。對不同地物所對應的溫度與濕度進行比較分析(圖7)可以看出，LST較高的土地利用類型為圍欄草場和裸土，其次為復墾區和放牧區。圍欄草場在7―8月份植被覆蓋度最高，土壤儲存了大量的水分； 9月經過收割后，地表裸露，加快了水分的蒸發作用，地表含水量迅速降低。在大于20 a的復墾區，地表植被類型以灌木為主，而且復墾區受到人工管護與澆灌，LST低，土壤濕度均高于圍欄草場和放牧草場。在小于20 a的復墾區，植被類型以人工種植的苜蓿為主，植被根系下扎深，土壤保水性能增強，同時排土場植被未遭到收割與放牧，覆蓋度略高于放牧區與圍欄區，因此LST值低、土壤濕度略高于圍欄草場和放牧草場。綜合考慮植被與LST值，研究區TVDI指數在裸土區域最高，圍欄草場和放牧草場的TVDI指數在9月份的遙感數據反演結果中差異并不大，圍欄草場和放牧草場的TVDI值均高于復墾區。

(a) 溫度空間分布 (b) 土壤TVDI分布

圖6礦區溫度與濕度空間分布圖

Fig.6SpatialdistributionofLSTandTVDIofsoilinminingarea

(a) 溫度統計 (b) 濕度統計

圖7不同地物類型對應的溫度與濕度統計值對比

Fig.7ComparisonofLSTandsoilmoisturefromdifferentlandcover

5 結論

本文利用HJ-1B衛星數據反演歸一化植被指數(NDVI)和地表溫度(LST)，通過分析NDVI與LST的空間特征生成溫度植被干旱指數(TVDI)與基于干邊糾正系數的TVDI，從而建立了研究區LST與土壤濕度反演模型。基于同時期的MODIS LST產品與野外調研獲取的土壤含水量數據，對不同算法得到的LST數據以及不同干邊糾正系數獲取的土壤濕度指數進行了驗證。得到如下結論：

1)利用野外實測數據和MODIS LST產品數據對LST反演結果進行驗證，Qin算法在研究區的反演精度最高。這是因為Qin算法考慮了地表比輻射率影響的同時，加入了大氣輻射的影響。本文通過對地物精細分類，計算了裸土、水體、植被與建筑物的比輻射率，并根據熱輻射傳輸方程加入大氣透過率以及大氣平均作用溫度等參數，消除了大氣輻射的影響，從而獲取了精度較高的LST。

2)通過考慮研究區降雨量與蒸發量，對TVDI進行了修正。研究區干邊糾正系數C=0.3時，TVDI與土壤含水量的擬合系數R2最高，干邊糾正后TVDI指數大大提高了與土壤含水量的相關性，能夠很好地反映地表水分含量。研究區NDVI-LST的空間分布特征中，“濕邊”呈現雙拋物線特征，“干邊”呈現線性規律； 當植被覆蓋度處于較低或較高水平時，NDVI均不能有效地顯示區域植物生物量。Carlson等[29]指出在NDVI低值和高值部分，干邊不是線性的。劉英等[30]提出了雙拋物線型的NDVI-TS空間特征。本文的研究區植被覆蓋度涵蓋范圍較廣，在涵蓋NDVI=0附近的裸土的同時，河流周邊的植被覆蓋度較高，拋物線型的干邊很好地考慮了較低與較高植被覆蓋度的情況，完整體現了研究區的植被指數與溫度之間的關系。

3)礦區不同復墾年限的LST與濕度差異明顯，大于20 a復墾年限的土壤較圍欄草場與放牧草場土壤含水量高，不到20 a復墾區域的排土場與放牧區域溫度相似，土壤濕度高。相同溫度下的收割的圍欄草場與裸土區域中，裸土的含水量要低于圍欄草場區域。放牧區的地表溫度要遠遠低于圍欄草場，兩者所對應的土壤含水量卻相近，說明單一因素地表溫度在表征土壤含水量方面存在缺陷，通過LST與植被指數的綜合表征才能有效而精確地表征土壤含水量信息。

本研究表明，相比國外的Landsat與MODIS數據，具有高空間分辨率與高時間分辨率的我國環境衛星(HJ-1B)數據可以更好地完成礦區小尺度的地表土壤濕度監測，改變國內僅僅依靠中等空間分辨率國外遙感衛星數據的現狀。通過分析礦區干旱指數空間格局的變化，可快速有效完成礦區干旱動態監測以及生態復墾工作評價工作。隨著我國衛星遙感技術的發展，將高分辨率國產衛星遙感數據應用于礦山旱情動態監測，既可大幅度節約數據的購置成本，也可提高年度監測的頻次，為大規模開展多期次動態礦山遙感監測作提供數據保障。

志謝： 華能伊敏煤電公司提供了野外調研基地與數據支持，國家氣象信息中心提供了氣象數據，在此一并表示衷心感謝。

[1] Petropoulos G P,Ireland G,Barrett B.Surface soil moisture retrievals from remote sensing:Current status, products & future trends[J].Physics and Chemistry of the Earth,Parts A/B/C,2015,83-84:36-56.

[2] 黃建平,季明霞,劉玉芝,等.干旱半干旱區氣候變化研究綜述[J].氣候變化研究進展,2013,9(1):9-14. Huang J P,Ji M X,Liu Y Z,et al.An overview of arid and semi-arid climate change[J].Progressus Inquisitiones de Mutatione Climatis,2013,9(1):9-14.

[3] Zhang F,Zhang L W,Shi J J,et al.Soil moisture monitoring based on land surface temperature-vegetation index space derived from MODIS data[J].Pedosphere,2014,24(4):450-460.

[4] 楊濤,宮輝力,李小娟,等.土壤水分遙感監測研究進展[J].生態學報,2010,30(22):6264-6277. Yang T,Gong H L,Li X J,et al.Progress of soil moisture monitor-ing by remote sensing[J].Acta Ecologica Sinica,2010,30(22):6264-6277.

[5] Piles M,Camps A,Vall-Llossera M,et al.Downscaling SMOS-derived soil moisture using MODIS visible/infrared data[J].IEEE Transactions Geoscience and Remote Sensing,2011,49(9):3156-3166.

[6] 劉星含,張佳華,許曉宏.MODIS-TVDI指數監測新疆干旱動態[J].遙感信息,2015,30(2):111-115. Liu X H,Zhang J H,Xu X H.Drought monitoring in Xinjiang by using MODIS-TVDI[J].Remote Sensing Information,2015,30(2):111-115.

[7] 梁順林,李小文,王錦地.定量遙感:理念與算法[M].北京:科學出版社,2013. Liang S L,Li X W,Wang J D.Quantitative Remote Sensing:Idea and Algorithm[M].Beijing:Science Press,2013.

[8] Shahabfar A,Ghulam A,Eitzinger J.Drought monitoring in Iran using the perpendicular drought indices[J].International Journal of Applied Earth Observation and Geoinformation,2012,18:119-127.

[9] Ozelkan E,Chen G,Ustundag B B.Multiscale object-based drought monitoring and comparison in rainfed and irrigated agriculture from Landsat 8 OLI imagery[J].International Journal of Applied Earth Observation and Geoinformation,2016,44:159-170.

[10]徐劍波,趙凱,趙之重,等.利用HJ-1B遙感數據反演西北地區近地表氣溫[J].農業工程學報,2013,29(22):145-153. Xu J B,Zhao K,Zhao Z Z,et al.Estimation of near-surface air temperature from HJ-1B satellite data in Northwest China[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(22):145-153.

[11]周紀,李京,趙祥,等.用HJ-1B衛星數據反演地表溫度的修正單通道算法[J].紅外與毫米波學報,2011,30(1):61-67. Zhou J,Li J,Zhao X,et al.A modified single-channel algorithm for land surface temperature retrieval from HJ-1B satellite data[J].Journal of Infrared and Millimeter Waves,2011,30(1):61-67.

[12]高磊,覃志豪,盧麗萍.基于植被指數和地表溫度特征空間的農業干旱監測模型研究綜述[J].國土資源遙感,2007,19(3):1-7.doi:10.6046/gtzyyg.2007.03.01. Gao L,Qin Z H,Lu L P.An overview on agricultural drought monitoring models based on vegetation index and surface temperature feature space[J].Remote Sensing for Land and Resources,2007,19(3):1-7.doi:10.6046/gtzyyg.2007.03.01.

[13]Sandholt I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2002,79(2/3):213-224.

[14]陳斌,張學霞,華開,等.溫度植被干旱指數(TVDI)在草原干旱監測中的應用研究[J].干旱區地理,2013,36(5):930-937. Chen B,Zhang X X,Hua K,et al.Application study of temperature vegetation drought index(TVDI) in grassland drought monitoring[J].Arid Land Geography,2013,36(5):930-937.

[16]Qin Z H,Karnieli A,Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.

[17]Artis D A,Carnahan W H.Survey of emissivity variability in thermography of urban areas[J].Remote Sensing of Environment,1982,12(4):313-329.

[18]張存厚,王明玖,張立,等.呼倫貝爾草甸草原地上凈初級生產力對氣候變化響應的模擬[J].草業學報,2013,22(3):41-50. Zhang C H,Wang M J,Zhang L,et al.Response of meadow steppe ANPP to climate change in Hulunbeir,Inner Mongolia:A simulation study[J].Acta Prataculturae Sinica,2013,22(3):41-50.

[19]閆瑞瑞,辛曉平,王旭,等.不同放牧梯度下呼倫貝爾草甸草原土壤碳氮變化及固碳效應[J].生態學報,2014,34(6):1587-1595. Yan R R,Xin X P,Wang X,et al.The change of soil carbon and nitrogen under different grazing gradients in Hulunber meadow steppe[J].Acta Ecologica Sinica,2014,34(6):1587-1595.

[20]胡志超,李政海,周延林,等.呼倫貝爾草原退化分級評價及時空格局分析[J].中國草地學報,2014,36(5):12-18. Hu Z C,Li Z H,Zhou Y L,et al.The partitioning of degradation and analysis of its spatio-temporal pattern of Hulunbeier grassland,China[J].Chinese Journal of Grassland,2014,36(5):12-18.

[21]趙菲菲,包妮沙,劉善軍,等.國產高分數據在草原露天煤礦植被監測中的應用[J].測繪與空間地理信息,2015,38(8):108-110. Zhao F F,Bao N S,Liu S J,et al.The application of Chinese GF-1 satellite high resolution in monitoring the semi-arid grassland for large surface mining area[J].Geomatics & Spatial Information Technology,2015,38(8):108-110.

[22]段四波,閻廣建,錢永剛,等.利用HJ-1B模擬數據反演地表溫度的兩種單通道算法[J].自然科學進展,2008,18(9):1001-1008. Duan S B,Yan G J,Qian Y G,et al.Two single channel algorithms for retrieving land surface temperature using HJ-1B remote sensing data[J].Progress in Natural Sccience,2008,18(9):1001-1008.

[23]覃志豪,李文娟,徐斌,等.利用Landsat TM6反演地表溫度所需地表輻射率參數的估計方法[C]//第十四屆全國遙感技術學術交流會論文選集.青島:中國海洋學會,2003:9. Qin Z H,Li W J,Xu B,et al.Estimation method of land surface emissivity for retrieving land surface temperature from Landsat TM6 data[C]//The 14th China Symposium of Remote Sensing Technology.Qingdao:Chinese society of Oceanography,2003:9.

[24]Moran M S,Clarke T R,Inoue Y,et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote Sensing of Environment,1994,49(3):246-263.

[25]Stisen S,Sandholt I,N?rgaard A,et al.Combining the triangle method with thermal inertia to estimate regional evapotranspiration-Applied to MSG-SEVIRI data in the Senegal River basin[J].Remote Sensing of Environment,2008,112(3):1242-1255.

[26]趙杰鵬,張顯峰,廖春華,等.基于TVDI的大范圍干旱區土壤水分遙感反演模型研究[J].遙感技術與應用,2011,26(6):742-750. Zhao J P,Zhang X F,Liao C H,et al.TVDI based soil moisture retrieval from remotely sensed data over large arid areas[J].Remote Sensing Technology and Application,2011,26(6):742-750.

[27]Sobrino J A,Jiménez-Muoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.

[28]Gao Z Q,Gao W,Chang N B.Integrating temperature vegetation dryness index(TVDI) and regional water stress index(RWSI) for drought assessment with the aid of LANDSAT TM/ETM+ images[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(3):495-503.

[29]Carlson T N,Perry E M,Schmugge T J.Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields[J].Agricultural and Forest Meteorology,1990,52(1/2):45-69.

[30]劉英,馬保東,吳立新,等.基于NDVI-ST雙拋物線特征空間的冬小麥旱情遙感監測[J].農業機械學報,2012,43(5):55-63. Liu Y,Ma B D,Wu L X,et al.Drought remote sensing for winter wheat based on double parabola NDVI-ST space[J].Transactions of the Chinese Society for Agricultural Machinery,2012,43(5):55-63.

(責任編輯：劉心季)

RetrievinglandsurfacetemperatureandsoilmoisturefromHJ-1Bdata：AcasestudyofYiminopen-castcoalmineregioninHulunbeiergrassland

ZHAO Feifei1,2， BAO Nisha1， WU Lixin1,3， SUN Rui4

(1.InstituteforGeo-information&DigitalMineResearch，NortheasternUniversity，Shenyang110819，China； 2.BeijingSatImageInformationTechnologyCo.,Ltd,Beijing100048,China； 3.SchoolofGeoscienceandInfo-Physics,CentralSouthUniversity,Changsha410083,China; 4.JiangsuGeologicSurveyingandMappingInstitute，Nanjing210008，China)

The soil moisture can be considered as an appropriate indicator to investigate the level of ecological environment disturbance resulting from mining activities in semi-arid grassland. The main objective of this research is to explore the applicability of Chinese HJ-1B data for LST and soil moisture monitoring around mining-affected areas on the local scale. The JM&S, Qin and Artis methods for temperature retrieval were comparatively analyzed. The relationship space of NDVI-LST was used to generate temperature vegetation dryness index(TVDI). Furthermore, the reference data including in situ soil moisture and MODIS LST products were used for “dry edge” correcting of TVDI. Some conclusions have been reached： The Qin’s mono-window algorithm performs best in LST retrieval from HJ-1B data; there is a highest correlation between corrected TVDI value withC=0.3 and in situ soil moisture value; the feature of NDVI-LST space indicates that there is a linear relationship for “wet edge”, while the relationship for “dry edge” is conic; the TVDI imagery and LST imagery show different drought conditions of different features. The obvious geographical heterogeneity has been found from the TVDI and LST imagery in this area as well.

China HJ-1B satellite； open-cast coal mine region； dry-edge model； land surface temperature(LST)； soil moisture； temperature vegetation dryness index(TVDI)

10.6046/gtzyyg.2017.03.01

趙菲菲,包妮沙,吳立新,等.國產HJ-1B衛星數據的地表溫度及濕度反演方法——以呼倫貝爾草原伊敏露天煤礦區為例[J].國土資源遙感,2017,29(3)：1-9.(Zhao F F,Bao N S,Wu L X,et al.Retrieving land surface temperature and soil moisture from HJ-1B data：A case study of Yimin open-cast coal mine region in Hulunbeier grassland[J].Remote Sensing for Land and Resources,2017,29(3)：1-9.)

2016-03-07；

2016-04-07

國家自然科學基金項目“干旱半干旱草原區露天煤礦土壤光譜特征模型研究”(編號： 4140010440)資助。

趙菲菲(1991-),女,碩士研究生,主要研究方向為攝影測量與遙感應用。Email： sgerphy@163.com。

包妮沙(1985-),女,博士,副教授,主要從事環境遙感方面的研究。Email： baonisha@126.com。

TP 751.1

： A

： 1001-070X(2017)03-0001-09