基于Landsat 8 TIRS數據反演地表溫度用于氣象服務初探＊

李宗參，張學彬，劉英春，黃世芹

基于Landsat 8 TIRS數據反演地表溫度用于氣象服務初探＊

李宗參1，張學彬2，劉英春1，黃世芹1

（1.貴陽市烏當區氣象局，貴州 貴陽 550018；2.清鎮市氣象局，貴州 貴陽 551400）

目前貴陽市烏當區現有的氣象災害監測預警平臺還不夠完善，交通干線道路熱力狀況以及地表溫度等的監測能力仍然欠缺。確立了基于Landsat 8 TIRS數據反演地表溫度研究，以期獲得貴陽市烏當區域范圍內可代替傳感器監測得的地表溫度數據，以用于氣象服務。

地面溫度；Landsat 8 TIRS；反演方法；氣象服務

1 引言

近年來，貴陽市烏當區氣象現代化建設水平明顯提高，已擁有1臺移動人工增雨防雹作業車、17個區域自動站，其中5個六要素站、1個五要素站、8個兩要素站、3個單雨量站，對降雨量和氣溫的監測達到全區域覆蓋，但卻沒有針對地表溫度的監測站。貴陽市烏當區氣象局現有的氣象災害監測預警平臺還不夠完善，對交通干線道路熱力狀況以及地表溫度等的監測能力仍然欠缺。地面溫度是影響道路結冰的主要氣象因子之一，如何獲取地面溫度，并用于區縣氣象局氣象服務中，是當前業務待解決的實際問題。基于Landsat 8 TIRS數據反演地表溫度研究，以期獲得貴陽市烏當區域范圍內可代替傳感器監測的地表溫度數據。研究獲取貴陽市烏當區區域范圍內地表溫度數據用于氣象服務，彌補地表溫度難以普遍觀測的弊端。

2 研究現狀

關于地表溫度應用的研究很多，大致集中在以下兩個方面：①地表溫度在城市熱環境研究中的應用，主要體現在城市熱島效應方面；②地表溫度在與自然相關的領域中的應用，多是研究地表溫度與各種自然相關的指數相互關系。目前大部分地表溫度應用的研究主要集中于城市，主要是由于近年來中國城市化進程加快，隨著人口規模的不斷增加，城市規模不斷擴大，土地利用發生巨大變化，使得土地覆蓋類型發生巨大變化，同時熱島效應越來越明顯。但必須避免同樣的情況也發生在農村地區，因此農村地區的地表溫度也應引起重視。研究獲取貴陽市烏當區域范圍內地表溫度數據用于氣象服務中具有一定實用意義。

3 反演方法

自20世紀60年代初期發射TIROS-Ⅱ以來，很多學者利用衛星遙感數據反演地表溫度，隨著地表溫度反演研究的不斷深入，利用影像的熱紅外通道進行地表溫度反演已經成為獲取地表溫度時空分布信息的主要手段之一。目前，地表溫度反演主要有三種算法，分別是大氣校正法、單窗算法和劈窗算法。本文用于數據對比驗證反演地表溫度的方法為大氣校正法，利用Landsat 8 TIRS數據反演地表溫度。Landsat 8上攜帶有兩個主要載荷，分別是OLI和TIRS。其中OLI全稱Operational Land Imager，陸地成像儀，TIRS全稱Thermal Infrared Sensor，熱紅外傳感器。

反演基本原理：首先估計大氣對地表熱輻射的影響，然后把這部分大氣影響從衛星傳感器所觀測到的熱輻射總量中減去，從而得到地表熱輻射強度，再把這一熱輻射強度轉化為相應的地表溫度。

具體操作方法：在遙感圖像處理平臺ENVI5.3中使用大氣校正法Landsat 8 LST反演工具處理Landsat 8 TIRS數據，反演得到地表溫度數據。

4 數據對比

在遙感圖像處理平臺ENVI5.3中利用大氣校正法Landsat 8 LST反演工具，通過網絡獲取2015—2018年的Landsat 8 TIRS數據，反演出貴陽市烏當區一般站的地表溫度數據，與貴陽市烏當區一般氣象站地溫場在反演對應時間點的地表溫度傳感器觀測的地表溫度進行對比，并加以訂正。地溫場只有8 m2，平整無草，在反演的溫度取值中對經緯度的精度要求較高，否則在實際取值中相差較大。使用大氣校正法反演Landsat 8 TIRS數據獲取到一定時間，地理位置為貴陽市烏當區國家一般氣象站的地表溫度以及與Landsat 8 TIRS數據在同一時間段、地理位置為貴陽市烏當區國家一般氣象站的地表溫度傳感器觀測的地表溫度。本文選取部分時間點數據對照如表1所示。利用大氣校正法的Landsat 8 TIRS反演得到的貴陽市烏當區地表溫度與國家一般氣象站地表溫度傳感器觀測的地表溫度，在同一時間點差值不大。利用Landsat 8 TIRS反演得到的貴陽市烏當區地表溫度差值較大，采用大氣校正法Landsat 8 LST反演工具處理存在一定缺陷，但差值不大，平均差值為11.4 ℃。氣溫和地溫二者相互影響，氣溫持續波動，地溫也會隨之有所波動，地表溫度隨動尤為明顯。通過氣溫訂正地表溫的方式得到17個區域自動站的地表溫度，再與Landsat 8 TIRS數據反演的地表溫度進行對比。太陽的熱能被地面吸收后，地面再通過輻射、傳導和對流把熱傳給空氣，這是空氣中熱量的主要來源。而太陽輻射直接被大氣吸收的部分使空氣增熱的作用極小，只能使氣溫升高0.015～0.02 ℃。也正是這個原因，一般情況下地表溫度都會高于氣溫。但是在實際對比研究后發現，氣溫與地表溫度之間的關系受當日天氣情況影響較大。因此本文采用以烏當本站相同時間點氣溫與地表溫的差值訂正相鄰無地表溫觀測的兩要素站點氣溫與地表溫的差值。烏當區國家一般氣象站觀測氣溫與地表溫度對比如表2所示。用以上方法對比得出同一時間氣溫與地表溫度差值，通過使用對應差值，訂正相鄰兩要素站點同一時間的地表溫度。水田站點氣溫與地表溫度差值訂正如表3所示。氣溫訂正地表溫度與Landsat 8 TIRS數據反演的地表溫度對比情況，這里氣溫用整點時間代替，如表4所示。氣溫訂正地表溫與Landsat 8 TIRS數據反演的地表溫度之間平均差值為11.6 ℃。利用區域站觀測氣溫訂正地表溫，結構與反演地表溫度對比差值和烏當區一般站觀測地表溫度與反演地表溫度差值之間相差0.2 ℃。

綜上，本文在兩次比較中，均用相同時間點數據作對比，得到近似相同的結果，在無設備觀測狀況下，在遙感圖像處理平臺ENVI5.3中使用大氣校正法Landsat 8 LST反演工具處理Landsat 8 TIRS數據反演得到地表溫度數據并加以訂正后，可代替由傳感器監測的地表溫度數據。

表1 反演地表溫度與觀測地表溫度對比表

站點資料時間緯度經度反演地面溫度/℃觀測地面溫度/℃ 烏當2015-10-21T03：2126°37′48″106°45′24″24.912.6 烏當2015-11-06T03：2126°37′48″106°45′24″25.916.5 烏當2016-02-10T03：2126°37′48″106°45′24″17.64.2 烏當2017-02-12T03：2126°37′48″106°45′24″13.32.6 烏當2017-07-22T03：2126°37′48″106°45′24″33.420.7 烏當2017-09-24T03：2126°37′48″106°45′24″31.321.8 烏當2018-03-03T03：2126°37′48″106°45′24″25.813.9

表2 烏當區國家一般氣象站觀測氣溫與地表溫度對比表

站名資料時間緯度/°經度/°地面溫度/℃氣溫/℃差值 烏當2015-10-21T03：2126.633 3106.766 712.614.0-1.4 烏當2015-11-06T03：2126.633 3106.766 716.516.8-0.3 烏當2016-02-10T03：2126.633 3106.766 74.28.5-4.3 烏當2017-02-12T03：2126.633 3106.766 72.62.4+0.2 烏當2017-07-22T03：2126.633 3106.766 720.721.6-0.9 烏當2017-09-24T03：2126.633 3106.766 723.121.8+1.3 烏當2018-03-03T03：2126.633 3106.766 715.613.9+1.5

表3 水田站點氣溫與地表溫度差值訂正表

站點資料時間緯度經度觀測氣溫/℃氣溫訂正地面溫度/℃訂正值 水田2015-10-21T03：0026°44′57″106°49′41″22.921.5-1.4 水田2015-11-06T03：0026°44′57″106°49′41″22.422.1-0.3 水田2016-02-10T03：0026°44′57″106°49′41″14.310.0-4.3 水田2017-02-12T03：0026°44′57″106°49′41″9.19.3+0.2 水田2017-07-22T03：0026°44′57″106°49′41″27.526.6-0.9 水田2017-09-24T03：0026°44′57″106°49′41″26.627.9+1.3 水田2018-03-03T03：0026°44′57″106°49′41″21.222.7+1.5

表4 氣溫訂正地表溫度與Landsat 8 TIRS數據反演的地表溫度對比表

站點資料時間緯度經度反演地面溫度/℃氣溫訂正地面溫度/℃差值 水田2015-10-21T03：2126°44′57″106°49′41″11.921.511.9 水田2015-11-06T03：2126°44′57″106°49′41″12.422.112.4 水田2016-02-10T03：2126°44′57″106°49′41″12.410.012.4 水田2017-02-12T03：2126°44′57″106°49′41″129.312 水田2017-07-22T03：2126°44′57″106°49′41″10.126.610.1 水田2017-09-24T03：2126°44′57″106°49′41″10.427.910.4 水田2018-03-03T03：2126°44′57″106°49′41″11.722.711.7

5 結論

本文研究內容僅選取了貴陽市烏當區范圍，在此范圍內在沒有地表溫度監測的區域或在冬季區域站維護不及時的情況下，在ENVI5.3中使用同一反演地表溫度工具（大氣校正法Landsat 8 LST反演工具）下，盡管兩組數據相差較大，但訂正約－11.5 ℃，與地表溫度與地表溫度傳感器觀測的地表溫度大致相同。得到的地表溫度代替地表溫度傳感器觀測的地表溫度，以用于氣象服務。目前Landsat 8 TIRS數據獲取還存在一定困難，在實際氣象服務中，Landsat 8 TIRS數據獲取不及時，不易滿足氣象服務的及時性，隨著Landsat 8 TIRS等數據越來越開放，利用Landsat 8 TIRS數據反演得到的地表溫度代替地表溫度，彌補地表溫度觀測站點稀疏的缺陷，未來可作為氣象服務的一種補充。Landsat 8 TIRS數據反演地表溫度還存在經常出現觀測數據的缺陷，獲取2次數據時間（16 d）間隔較長。可利用多顆衛星遙感數據反演地表溫度，以增加時間密度，其他方面還有待進一步研究。

［1］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，2003（86）：341-352.

［2］覃志豪，高懋芳，秦曉敏，等.農業旱災監測中的地表溫度遙感反演方法——以MODIS數據為例［J］.自然災害學報，2005（4）：64-71.

［3］徐涵秋，黃紹霖.Landsat 8 TIRS熱紅外光譜數據定標準確性的分析［J］. 光譜學與光譜分析，2016，36（6）：1941-1948.

［4］宋挺，段崢，劉軍志.Landsat 8數據地表溫度反演算法對比［J］. 遙感學報，2015，19（3）：451-464.

［5］柳欽火，徐希儒.遙測地表溫度與比輻射率的迭代反演方法［J］.遙感學報，1998，2（1）：1-9.

［6］歷華，曾永年，贠培東，等.利用多源遙感數據反演城市地表溫度［J］.遙感學報，2007（6）：891-898.

［7］丁鳳，徐涵秋.TM熱波段圖像的地表溫度反演算法與實驗分析［J］.地球信息科學，2006（3）：125-130，135.

［8］岳輝.劉英.基于Landsat 8 TIRS的地表溫度反演算法對比分析［J］.科學技術與工程，2018（20）：200-205.

P407

A

10.15913/j.cnki.kjycx.2019.15.040

2095－6835（2019）15－0101－02

李宗參，男，助工，主要從事氣象服務、裝備保障等工作。

張學彬。

黔氣科登〔2018〕05-07號

〔編輯：王霞〕