基于Triple-Collocation多源地表溫度數據融合方法研究

周 露，宋承運 ，王艷麗 ，孫時雨，2

(1.安徽理工大學 空間信息與測繪工程學院，安徽 淮南 232001；2.安徽理工大學 礦山采動災害空天地協同監測與預警安徽普通高校重點實驗室，安徽 淮南 232001)

0 引言

地表溫度是反映大氣地表環境的重要參數,在許多研究領域被廣泛應用,包括氣候變化、農業干旱監測和城市熱島效應等,對地球-大氣邊界的物質循環和能量相互作用起著關鍵的推動作用。因此,精確獲得區域地表溫度和分析地表溫度的時空變化特征具有重大意義[1]。

傳統的地面氣象站可以獲取精確的點尺度地表溫度,但由于站點受觀測環境、成本等因素影響,分布大多較為分散,很難在大區域內獲取面尺度上地表溫度。另一方面,使用站點觀測值驗證網格值會有代表性誤差[2]。隨著遙感技術的快速發展,遙感衛星數據成為地表參數反演、干旱監測、生態環境保護以及農作物估產等領域的重要數據源。但是,不同區域的反演地表溫度由于探測波段、大氣環境和反演方法等因素的影響,精確度差異較大。單一衛星熱紅外傳感器不能提供同時具有高空間分辨率和高時間分辨率的遙感熱紅外數據,從而造成了單源遙感地表溫度數據在時間分辨率和空間分辨率上不可兼得的矛盾局面[3]。因此,地表溫度反演與應用的重要內容之一是如何有效地將多源地表溫度數據進行整合,提高地表溫度數據的精確度以及該地區的適用性。多源數據的融合是組合單一遙感數據的重要途徑,可以彌補單一地表溫度數據信息不全面的缺點[4]。數據融合可以解決地表溫度在時間和空間上的難題,將長時間序列、大范圍的遙感地表溫度數據與地面實際數據進行融合,獲得的地表溫度數據信息更加豐富,相對于融合前的單一地表溫度數據更加具有真實性。數據融合不僅可以彌補單一數據的缺陷,也可以獲得精度更高的地表溫度數據。因此,多源地表溫度數據的融合對研究地表溫度具有重要意義[5]。

針對不同的傳感器、數據類型和應用目的,目前已有70多種時空融合模型被提出。根據不同的原則,按照構造思路的側重點,將時空融合模型分為5類:權重模型[6]、解混模型[7]、學習模型[8]、貝葉斯模型[9]和混合模型[10]。雖然時空融合的理論和技術得到了充分發展,但是仍有一些難點尚待解決。在地表溫度層面上,也存在著不同于其他產品特性的研究門檻。首先是多源遙感數據的差異性:時空融合技術需要2個及以上的傳感器數據,包括同質數據和異質數據。其次是遙感數據的空間連續性:用于融合的原始影像需要轉換到同一坐標系下,并且要具備相同且完整的空間范圍。然而對于大多數衛星數據來說,會受到由于云污染引起的數據缺失的極大限制。最后是地表溫度的時間敏感性:像地表溫度這種自然觀測數據在時間上具有明顯的周期性和波動性,所以對于過境時間不同且訪問周期較長的衛星來說,無法避免的時間差異增加了數據融合的難度[11]。1998年,由Stoffeled發展了可以回避求取“真值”的數據質量評價方法——Triple-Collocation (TC),可以客觀地估計3個并列數據集的隨機誤差,并可用于多源數據的融合,適用于區域及全球尺度[12]。隨后,國內外學者利用該方法評價土壤水分、海洋風速以及葉面積指數等精度,進行了相關的數據融合研究。王樹果等[13]基于TC方法,在那曲地區的2種不同的空間尺度上對3種相互獨立的土壤水分產品進行融合,結果表明,經過TC方法融合后的土壤水分產品擁有更豐富、更精確的數據。李昶明等[14]分析了2013—2015年中國地區多源降水產品適用性,結果顯示,南方地區TC方法相對偏差為4.5%,青藏高原地區TC方法均方根誤差(RMSE)為0.61,利用TC方法估計降水結果在中國區域值得信任。由上述關于TC方法的研究可知,國內學者關注土壤水分[15]、降水以及積雪的融合分析,而針對地表溫度的融合分析較少,運用TC方法融合多源地表溫度數據具有重要研究價值。

鑒于以上分析,利用FY-3C/VIRR 地表溫度產品、MODIS 地表溫度產品和地面觀測資料,以TC融合方法為基礎,以淮河流域為研究區域,研究多源地表溫度數據融合方法。首先,利用地面氣象觀測站數據,采用IDW空間插值方法,獲得2018年淮河流域地表溫度;然后,由FY-3C/VIRR 地表溫度、MODIS 地表溫度遙感產品,結合由地面觀測數據IDW空間插值區域地面溫度數據,以TC方法為基礎,通過最小二乘法,進行多源地表溫度數據匹配,模擬得出淮河流域地表溫度的“真實值”,并利用地面驗證站點對結果驗證分析,進一步分析淮河流域地表溫度區域時空分布特征。

1 研究區概況及數據處理

1.1 研究區概況

本文的研究區域是介于長江、黃河兩大流域之間的淮河流域,111°55′E～121°20′E,30°55′N～36°20′N,地處中國中部河南和華東蘇皖地區。淮河流域地跨湖北、安徽、河南、江蘇和山東五省,經南陽、信陽、阜陽、六安、蚌埠、阜寧和濱海注入黃海,發源于河南省南陽市桐柏縣槐淮源鎮,流域包括豫、皖、魯、蘇和鄂五省,長約1 000 km,流域面積約27萬km2,屬暖溫帶半濕潤季風氣候區,冬季干旱少雨,夏季悶熱少雨。淮河流域地形以山區、平原和丘陵為主,是我國重要的農業區,農作物以小麥、水稻和油菜為主,工業以輕工業為主,包括紡織業、農副產品等。

1.2 遙感數據獲取與處理

1.2.1 MODIS數據

MODIS是一種中分辨率成像光譜儀,分別搭載在Terra和Aqua這2顆衛星上,具有36個光譜波段。其中,熱紅外波段有16個,可以提供每天2次的觀測數據,具有光譜范圍廣、更新頻率高等特點。

MODIS地表溫度產品是利用廣義的分裂窗算法反演得到的,分裂窗算法主要針對NOAA-AVHRRR的2個相鄰的熱紅外通道4和5的數據進行推導反演,而MODIS的第31、32波段也是2個相鄰的熱紅外波段[16]。MODIS 地表溫度的時間分辨率為1 d、空間分辨率均為1 km,可以提供白天和夜間2次地表溫度數據。由于日尺度地表溫度產品受云覆蓋等影響,導致數據缺失嚴重,而8 d的地表溫度數據則是根據日尺度像素合成的平均值,數據缺失較少,研究中選取AQUA/MODIS MYD11A2 8 d地表溫度產品。研究時間為2018年的1月、4月、7月、10月,共13景影像。

1.2.2 FY-3數據

風云三號(FY-3)氣象衛星是以中期數值天氣預報、全球變化研究、自然災害及地表生態環境監測、軍事氣象等為服務對象的我國第二代極軌氣象衛星。其中,FY-3C于2013年9月23日由“長征四號丙”運載火箭在太原衛星發射中心發射升空,衛星上載有12臺遙感儀器,地表溫度監測與反演使用可見光外掃描輻射計(VIRR)。FY-3C/VIRR 地表溫度由第4、5通道,采用基于地表覆蓋類型獲取地表比輻射率的BeckerandLi算法反演得到[17]。FY-3C/VIRR 地表溫度空間分辨率也是1 km,提供每日白天和夜間2次地表溫度數據。 為保持數據的統一性,選用2018年1月、4月、7月、10月FY-3C/VIRR每日地表溫度數據,并通過選取無云時期地表溫度數據平均值的方法,獲得8 d地表溫度數據。

1.2.3 氣象站數據

氣象站數據采用的是由國家氣象信息中心-中國氣象數據網提供的包含1951年1月以來我國699個基準、基本氣象站,包括氣壓、降水量和0 cm地表溫度等要素的“中國地面氣候資料日值資料集(V3.0)”資料,數據的質量和完整性都有所保障。

研究中選用了淮河流域內39個氣象觀測站的0 cm日地溫數據,并將氣象站點分為融合站點與驗證站點,其中融合站點共20個,用于地表溫度數據的融合;驗證站點共19個,用于融合結果的驗證,2類站點空間分布相對均勻,具體驗證站點與融合站點如表1所示。融合站點的地表溫度數據通過取均值的方法合成得到8 d的地表溫度數據,并采用IDW插值法[18],得到了空間連續的地表溫度數據。

表1 淮河流域驗證與融合氣象站點信息

2 研究方法與原理

TC方法稱為三重融合,可用于3套獨立的數據相互驗證,估計反射率、植被指數、土壤水分和地表溫度等產品[19]。在做產品驗證時會發現,不同數據集中在同一地球物理變量,如果為了估算其他數據集的誤差而任意選擇某個數據集作為驗證值是不準確的,會因為各種因素造成一定的誤差,所謂的“ 真值”是不能確定的,這時候可以選擇TC法來解決。TC法的實現需要3種數據的相互獨立集合。一般認為每個獨立數據集的樣本數是大于100的,以避免誤差估計過程中出現的數值問題[20]。

假設基于氣象站點的融合地表溫度、MODIS 地表溫度、FY-3C/VIRR地表溫度這3種相互獨立的地表溫度與假設的地表溫度真值之間存在下列線性關系:

(1)

式中:Ta、Tb、Tc分別表示融合地表溫度、MODIS地表溫度和FY-3C/VIRR地表溫度,Tt表示地表溫度的真值,aa、ab、ac分別表示3個地表溫度數據集相對于真值Tt的加偏差系數,βa、βb、βc分別表示3個地表溫度數據集相對于真值Tt的乘偏差系數,γa、γb、γc分別表示3個地表溫度數據集相對于真值Tt的均值為0的誤差[21]。

為了消除真值,可以在方程兩邊同時除以βa、βc,得到:

(2)

令上面3組等式兩兩相乘并取均值,可以得到每種地表溫度數據的方差:

(3)

(4)

將(4)式兩兩相乘并取時間序列均值,計算出乘偏差系數βi(i=a、b、c),得到下列等式:

(5)

利用乘偏差系數可以得到加偏差系數ai(i=a、b、c),得到下列等式:

(6)

3種地表溫度數據集的誤差方差可以由計算得到的系數的式(5)和式(6)代入式(3)得到:

(7)

3 實驗與分析

本文在結果分析上選用了決定系數(R2)、RMSE和平均絕對誤差(MAE)這3種精度指標。

3.1 與實測數據對比分析

淮河流域驗證站點與融合地表溫度、MODIS地表溫度和FY-3C/VIRR地表溫度進行對比分析,圖1為2018年1月、4月、7月、10月8 d合成不同地表溫度數據與驗證站點實測數據的R2(圖1(a))、RMSE(圖1(b))和MAE(圖1(c))。由圖1可知,3種地表溫度與驗證站點地表溫度的R2中, 融合后的地表溫度大部分影像R2高于其他2種地表溫度數據,除了2018年7月20日,其余都在0.5以上,平均值為0.74,FY-3C/VIRR 地表溫度的R2最低,平均值為0.60。融合后地表溫度的RMSE最低,低于1.5 K,FY-3C/VIRR 地表溫度 RMSE值最大,大于2 K。融合地表溫度的MAE基本維持在1.0以下,低于MODIS與FY-3C/VIRR 地表溫度,其中,FY-3C/VIRR 地表溫度最大,平均值為5.7 K。

(a)R2柱狀圖

(b)RMSE柱狀圖

(c)MAE柱狀圖

不同地表溫度與驗證站點地表溫度散點圖如圖2所示。可以看出,3種地表溫度產品與地面驗證點數據具有良好的相關性,R2均大于0.80,表明3種地表溫度數據都可以有效地監測地表溫度的季節變化,而融合后的地表溫度 R2最高,相關性更高。經過TC融合后的地表溫度與驗證站點地表溫度的R2達到了0.98,RMSE和MAE分別為1.10和0.88;MODIS 地表溫度的R2為0.92,RMSE和MAE分別為2.59和2.18;FY-3C/VIRR 地表溫度的R2為0.84,RMSE和MAE分別為6.68和5.35。TC 地表溫度相對于其余2種地表溫度的精度最高,其次是MODIS 地表溫度,誤差最大的是FY-3C/VIRR 地表溫度。由于TC 地表溫度是直接受融合的3種地表溫度的影響,所以較低精度的FY-3C/VIRR 地表溫度是影響TC 地表溫度的精度的重要因素之一,通過提高參與融合的地表溫度數據精度也可以在一定程度上提高融合結果。

(a)TC地表溫度散點圖

(c)FY-3C/VIRR地表溫度散點圖

3.2 融合后地表溫度

以TC方法為基礎,融合得到2018年淮河流域地表溫度數據,將融合后的地表溫度數據分別與FY-3C/VIRR 地表溫度和MODIS 地表溫度數據進行對比。以2018年7月21—28日融合后的地表溫度為例,融合后的地表溫度在研究區中西部及邊緣區域溫度較高,東部溫度相對較低,與實際情況基本相符,淮河流域中西部區域位于陸地內部,而東部區域為沿海區域,溫度略低于中西部。與FY-3C/VIRR 地表溫度相比,在中部區域溫度分布更為連續,而與MODIS 地表溫度相比,與東部地表溫度的溫差可以更好地表現出來。總體來說,融合后的地表溫度數據更能表現出淮河流域地表溫度的分布與差異,且MODIS 地表溫度與TC融合后的地表溫度產品溫度分布特點更為接近。

3.3 淮河流域地表溫度分布與變化

融合后得到淮河流域2018年1月、4月、7月、10月的平均地表溫度,如表2所示。由表2可以看出,淮河流域2018年7月的地表溫度最高, 7月的平均溫度在304 K左右,地表溫度的空間分布表現為中部區域溫度較高, 而四周邊緣區域溫度較低。4月和10月次之,4月淮河流域的地表溫度呈現南部地區高、中北部地區低的分布特點,10月呈現西南地區高、東北地區低的分布特點。1月的地表溫度最低,平均溫度為274 K,呈現東部和北部邊緣高于中部及西部的分布特征,原因可能是東部邊緣地區沿海,而冬季溫度較低,所以沿海地區的地表溫度要比內陸的地表溫度要高。整體具有明顯的季節性特征。

表2 2018年地表溫度均值

從2018年淮河流域1—4月、4—7月、7—10月的溫度變化看, 1—4月,淮河流域的東部地區以及中南部溫度升高,最高可達到22 K;北部地區的溫度升高較小,但最低也有9 K。4—7月由春季進入夏季,大部分地區都有明顯的溫度上升,最高可達到21 K,僅有南部及西部邊緣地區溫度變化最小。7— 10月的淮河流域整體的溫度降低,中部、南部以及西部地區溫度都有明顯的降低,最高降低25 K,東北部地區溫度降低比較小,有少部分邊緣地區溫度有所上升,但不超過2 K。由月份間溫度變化可以看出,淮河流域的溫度變化具有明顯的季節性規律,東部沿海地區比內陸地區的溫度變化幅度小,最主要的溫度變化出現在淮河流域的中部、西部和南部地區。

4 結論

本文采用TC法融合了MODIS 地表溫度,FY-3C/VIRR 地表溫度以及利用地面站點進行插值的地表溫度這3種,得到了TC 地表溫度,并對融合后的結果進行了精度評價,主要得到以下結論:

① 經過TC融合后的地表溫度與實測地表溫度的R2達到了0.98,RMSE和MAE分別為1.10和0.88,融合后的精度良好。3種地表溫度產品在整體上的變化趨勢基本一致,且與實測數據的R2均在0.80以上,經過TC融合后的地表溫度精度明顯提高。

② 經過TC融合后的淮河流域地表溫度具有明顯的季節變化規律,季節間的溫度變化值大部分在20 K以上,相較于東部沿海地區,淮河流域的中部、南部以及西部溫度變化要的更為明顯。

③ 與MODIS數據地表溫度數據相比,FY-3C/VIRR 地表溫度的精度較低,大大影響了TC 地表溫度的精度,若可以提高FY-3C/VIRR 地表溫度的精度或者是用更高精度的數據代替,則TC 地表溫度的精度也會隨之提高。遙感數據受到云覆蓋的影響容易出現無效值,所以通過研究方法生成高空間、高時間分辨率的遙感數據應當成為日后研究的重心。