毕业论文-基于Landsat TM 数据丹江口区域地表温度反演

编号南阳师范学院2012届毕业生毕业论文（设计）题目：基于LandsatTM数据丹江口区域地表温度的反演完成人：班级：2008-03学制：4年专业：地理信息系统指导老师：完成日期：2012-03-31目录摘要 (1)0引言 (1)1研究区概况 (2)2研究方法 (2)2.1数据获取与处理 .(2)2.2大气平均作用温度Ta的估计 (3)2.3大气透射率τ的估计 (3)2.4地表比辐射率ε的估计 (5)2.5大气参数估计误差对温度演算的影响 (5)2.6地表温度的反演 (6)3结果与分析 (7)4结语 (8)参考文献 (9)Abstract (10)第页（共11页）基于LandsatTM数据丹江口区域地表温度反演作者：指导老师：摘要：利用LandsatTM2007年9月15日丹江区域的数据根据覃志豪的单窗算法反演丹江口区域的地表温度（LandSurfaceTemperature，LST），并结合ArcGIS综合分析丹江口区域地表温度分布差异。研究表明：（1）水体的温度最低（平均温度大致在297k），其次是湿地、森林，温度最高的地物是裸露的土地以及村庄；（2）地表温度并不是以水体为中心向四周成递增趋势，说明大型水库虽然能改变空气湿度，影响局部的气候，但是对区域地表温度的影响确是微乎其微；地表温度主要与地表的土地覆盖类型，土地的利用状况有关。关键词：丹江口区域；地表温度；单窗算法；TM数据0引言地表温度是控制陆面水分和能量平衡的一个重要参数。它与植物生长以及作物产量，地表水蒸发循环，气候变迁与全球环境变化，资源积累与人类生存等许多重要的的自然，人文现象与过程密切相关[1]。地表温度是影响作物生长发育和产量形成的主要气象因子之一。一个地区的作物种类、种植制度、栽培方式和农业活动都与地表温度密切相关，对农业生产提供指导信息[2]。早在20世纪60年代初期发射TIROS-Ⅱ以来,学者们就用卫星遥感数据反演地表温度。70年代以后，许多遥感平台的数据应用于地表温度反演—如MODIS、AVHRR、TM、ETM+等。利用卫星遥感数据提取海洋温度(SeaSurfaceTemPerature,SST)的研究已较为成熟，可以在全球范围内达到1K的精度[3]。陆面地表温度反演也取得了很大的进展。目前国内地面温度反演研究主要集中在AVHRR和MODIS数据上，并陆续提出了一些反演陆面温度的算法，如单通道法、分裂窗法及多通道法[4～6]等。陆地卫星LandsatETM+数据地面分辨率较高，第6波段(10.5～12.5μm)位于热红外波段，可用来分析地表热辐射和地面温度。地面分辨率为60m，比N0AA/AVHRR数据的地面分辨率(1.1km)高。因此对于要求地面分辨率高的应用研究来说，ETM+数据是比较好的选择。马耀明等[7]采用辐射传输方程方法反演地表温度，覃志豪等[8]采用单窗算法，均取得了较好的结果。本文使用南阳市丹江口区域遥感数据，采用覃志豪等单窗算法反演了丹江口区域的地表温度，并对地表温度进行比较分析研究。1研究区概况丹江口水库库区主要位于湖北省丹江口市和河南省南阳市淅川县，域跨鄂豫两省。它是20世纪50年代末期国家兴建的综合开发和治理汉江流域的大型水利枢纽工程，分为湖北境内汉江库区，河南境内丹江库区两大库区，是亚洲第一大人工湖，中国南水北调工程的水源地。水库总面积846km2，被称为汉江的天然水位调节器，有“亚洲天池”之美誉。水库蓄水90%源于汉江，10%来源于汉江支流—丹江。丹江口大坝加高后，总库容达到290.5万亿立方米。由于位于南阳盆地西部，受山区地形等因素影响，局部小气候明显。年平均气温15.7℃，年较差25.3℃，最冷月份为一月，月平均气温2.0℃~2.5℃，极端最低气温-16.5℃。最热月为七月，月平均气温27.3℃~27.7℃，极端最高气温41.0℃。库区内植物生长期长，日照时数为1851.7h，光热资源丰富，森林资源丰富，植物种类繁多2研究方法2.1数据获取与处理本文采用2007年9月15日丹江区域轨道号为125，行号37的LandsatTM数据，根据覃志豪的单窗算法估计出实时大气平均作用温度，大气透射率两个反演地表温度的至关重要的参数，同时利用ENVI计算出丹江口库区的地表比辐射率，进而反演库区的地表温度。同时结合ArcGIS分析丹江口区域地表温度的分布差异。2.2大气平均作用温度Ta的估计传统上用TM6波段演算地表温度主要是通过大气校正,首先根据实时的大气剖面数据计算大气对地表热辐射传导的影响；然后，从卫星高度所接收到的热辐射总强度中扣减这些大气影响而得到地表热辐射强度；最后,根据地表辐射率校正成地表温度。由于计算过程复杂,并且许多实时大气剖面参数难以取得，因此，用TM6波段演算实际地表温度的作法极少，而更多的是直接用TM6的DN值或卫星高度的亮度温度(由DN值直接转换成温度值)，而没有进行真正意义上的地表温度演算。并且这样的演算出来的结果与实际存在较大的误差，由于大气辐射和地表热特性的影响，卫星高度的亮度温度与实际地表温度有较大差距。在天气晴朗干燥的情况下，这一差距约为5～10℃，而在空气湿度较大情况下，这一差距可达15℃以上[10]。因此，对于要求精度较高的地面热量空间分析，有必要进行较为精确的地表温度演算。所以本文采用覃志豪根据Sobrino等的研究[11]提出的一个简易可行的估计式，在没有实时大气空探资料的情况下近似的推算大气平均作用温度的影响。其表达式如下：美国1976平均大气Ta=25.9396+0.88045T0（1）热带平均大气(N15°年平均)Ta=17.9769+0.91715T0（2）中纬度夏季平均大气(N45°,7月)Ta=l6.0110+0.92621T0（3）中纬度冬季平均大气(N45°,1月)Ta=19.2704+0.91118T0（4）南阳地区处于中纬度地区，且采用的是九月份的TM数据故采用（3）式估计大气平均作用温度，T0可由河南省气象站获得，此处取值为300.5K。2.3大气透射率τ的估计大气透射率对地表热辐射在大气中的传导有非常重要的影响，因而是地表温度遥感的基本参数不论单窗算法还是劈窗算法，都需要较精确的大气透射率估计[12,13]。影响大气透射率的因素较多，气压、气温、气溶胶含量、大气水分含量、O3、CO2、CO、NH4等对热辐射传导均有不同程度的作用，从而使地表的热辐射在大气中的传输产生衰减[13]。因此,准确的大气透射率求算比较复杂，需要较详细的大气剖面数据。一般来说，准确地求算大气透射率需要进行大气模拟，目前较普遍使用的大气模拟程序有LOWTRAN、MODTRAN和6S等。然而，这种大气模拟需要很详细的大气剖面数据。而大多数情况下，这种数据并不具备。从而使大气模拟法难以实施，虽然也可以使用这些程序提供的标准大气来替代。但模拟过程较为复杂，很难在实际研究中普遍使用。研究表明，大气透射率的变化主要取决于大气水分含量的动态变化，其它因素因其动态变化不大而对大气透射率的变化没有显著影响，因此，水分含量就成为大气透射率估计的主要考[11,13,14]。根据这一特征，运用大气模拟程序LOWTRAN7模拟大气水分含量变化与大气透射率变化之间的关系，建立相关方程，以便用来进行大气透射率的近似估计[15]。该模拟考虑了大气水分在0.4～6.4g/cm2区间内的变动情况,这一区间基本代表了天空晴朗条件下的大气水分含量变化幅度。模拟发现在0.4～4.0g/cm2的水分含量变动区间内，大气透射率并非随水分含量增加而呈线性降低，但在较小水分含量区间内，其变化关系可视为接近于线性。根据这一特征，秦志豪建立一些简单的方程,用来进行TM6的大气透射率估计。对于水分含量在0.4～3.0g/cm2区间内，估计方程如表一所示。表一TM6的大气透射率估计方程大气剖面水分含量w/(g·cm-2)大气透射率方估计方程相关系数平方（R2)标准误差（SEE）高气温0.4～1.6τ6=0.974290-0.08007w0.996110.0023681.6～3.0τ6=1.031412-0.11536w0.998270.002539低气温0.4～1.6τ6=0.982007-0.09611w0.994630.0033401.6～3.0τ6=1.053710-0.14142w0.998990.002375采用的是丹江口区域九月份的TM数据，且此地区九月份大气水分含量在1.6g·cm-2～3.0g·cm-2，故大气透射率τ的估计方程τ6=1.031412-0.11536w。（5）式中w为大气总水分密度，单位g/cm3，可据近地面水汽压推算，公式和参数见文献[16]。2.4地表比辐射率ε的估计目前对于没有卫星同步实测数据的情况，一种有效地估计地表比辐射率的方法是通过归一化植被指数(NDVI)获得地表比辐射率。该方法的主要思路是先对地物进行分类，然后计算各地表类型的植被指数、植被覆盖度，最后估算出地表比辐射率值。根据LandsatTM的空间分辨率，地表可粗分为水域、自然地表及城市像元，根据典型地物的比辐射率值及混合像元的NDVI值可获取每个像元的地表比辐射率。覃志豪等结合NDVITEM方法，提出了另一种估算地表比辐射率的方法，该方法考虑了不同地表形态下dε的取值以及城市像元比辐射率估算的问题：NDVI=（b4-b3）/（b4+b3）（6）b4、b3分别是TM4、TM3波段的DN值。NDVI值越大，地表越接近于完全的植被叶冠覆盖；NDVI值越小，越接近于完全裸地；而NDVI介于植被于裸地之间时，则表明有一定比例的植被叶冠覆盖和一定比例的裸土。而对于植被覆盖度的计算如下：（7）式(7)中，NDVIV和NDVIS分别是植被和裸土的NDVI值。应用中根据研究区的地表特点来确定NDVI的最大和最小值，如果影像上有植被完全覆盖区和完全裸土区，可取该范围内NDVI平均值作为NDVImax和NDVImin，本文采用NDVImax=0.7，NDVImin=0.05。进而地表比辐射率的计算如下ε=εVPv+（1−Pv）εS（8）（8）式中εS为土壤比辐射率，εV为植被比辐射率，分别取值为0.986和0.970。2.5大气参数估计误差对温度演算的影响参数估计难免存在一定程度的误差，对于应用单窗算法的用户，了解可能的大气参数估计误差对地表温度演算精度的影响是非常重要的。演算精度用下式来表示：δTs=|Ts(x+δx)-Ts(x)|（9）式中，δTs为地表温度演算误差、δx是参数x的估计误差、Ts(x+δx)和Ts(x)分别是用参数(x+δx)和x进行演算所得到的地表温度。在这里参数x表示大气透射率和大气平均作用温度。显然，这一分析是通过对单窗算法进行模拟演算来进行的。分析表明，大气透射率估计误差δτ6对TM6数据的地表温度演算精度影响很大。当δτ6=0.02时,在Ts=30℃时，δTs=0.577℃,这一误差随地表温度增加而迅速增大，温度越高，误差越大，当温度达45℃时，δτ6=0.02，则可能引起超过1℃(1.058℃)的演算误差。一般大气水分含量测量精度≤0.2g/cm2，这一精度所产生的大气透射率估计误差约为0.016～0.028。这样,大气透射率的估计误差可能会产生0.7～0.8℃的地表温度演算误差。大气平均作用温度估计误差δTa对地表温度演算精度有较大影响，但这种影响直接取决于大气透射率的大小。一般来说，用本文提出的方法进行估计所得到的Ta误差(δTa)不会超过3℃。分析表明，当δTa=2℃时，在大气透射率较高(δτ6=0.8℃)时，地表温度演算误差为δTs=0.58℃，当大气透射率降低到0.7时,δTs增加到0.77℃。综合分析表明，当两个大气参数均含有中等程度估计误差时，应用TM6数据进行地表温度演算误差大约为1.2℃。该精度对很多应用来说是可接受的。当然,单窗算法本身还有0.2～0.3℃的绝对误差，所以可以认为当大气参数估计误差不是很大时，用单窗算法演算地表温度的精度应该<1.5℃，而这一精度已经完全可以在误差可考虑范围之内。2.6地表温度的反演单窗算法是覃志豪根据地表热传导方程，通过一系列的合理假设，推导出来的适于从陆地卫星TM6数据中演算地表温度的一个算法，该算法需要3个基本参数来进行地表温度的的演算。一般情况下，这3个参数可根据当地气象局观测数据进行估算运用大气模型进行检证的结果表明，该算法的地表温度演算精度很高。当基本参数的估计没有误差时，其演算的绝对精度为<0.4℃；当参数估计存在一定误差时，其演算的平均误差约为1.1℃；这一误差大大小于使用传统的大气校正法进行演算所导致的可能误差。本文将根据单窗算法以2007年9月15日丹江区域的TM影像为数据源利用第6波段以及3、4波段完成地表温度的演算。首先，将原始数据中的第6波段DN值按下式进行转换，换算为大气层顶进入传感器的辐射亮度L6=Gain×DN+Bias（10）式中，DN为TM6波段的DN值：Gain和Bias为定标参数，Gain与Bias可以通过Lmax与Lmin计算得到。用下式求得亮度温度T6（K）；T6=1260.56/ln(607.76/L6+1)（11）利用下式求算地表温度ＴＳ（Ｋ）（12）式中Ta为大气平均作用温度，有关其求算方法在2.2小节中已经进行具体分析。公式（12）中的C和D为中间变量（13）（14）公式（13）、（14）中，为大气透射率，有关其估算方法在2.3小节已经进行具体分析。公式（13）、（14）中，为地表比辐射率，其有关计算方法在2.4小节已经进行了详细的说明。3结果与分析根据上述算法利用LandsatTM丹江口区域的数据反演出此地区的地表温度，结合ArcGIS剪切出感兴趣的区域。如下图1，通过统计显示，此区域的平均地表温度为296.5K，最低温度为166K，最高温度为322K，较为符合此地区九月份的地表温度。至于最低温度，可能是因为此区域山脉纵横，山体温度随海报高度增加而降低造成，有待深入的探究。而最高温度就可想而知了，丹江口区域被群山环绕，周围大量裸露岩石，以及周围散落的村庄城镇在太阳光的照射下温度会急剧上升，导致这区域独特的地表温度。水体的温度在图上显而易见，统计显示水体温度大致与区域的平均温度持平，保持在297K左右。图1丹江口区域地表温度分布图根据地表温度范围大致将研究区按照地表温度进行分级，图2中清晰的显示低温区域主要集中在水体、湿地，高温区主要集中在裸露的土地区域。统计显示，水体部分的平均温度在297K，库区周围的土地覆盖类型多样，温度差异悬殊，但对于水体都相对有所提升，这主要是由于水体的比热容小，在同样的太阳辐射条件下，水体升温较慢，在红外遥感的图像上水体在白天都会显示为暗色调；大型水库能改变空气湿度，影响局部的气候，但是图2可以看出丹江口区域地表温度并不是以水体为中心向四周成递增趋势，而是与地表覆盖物类型密切关系。图2丹江口区域地表温度分级图4结语根据丹江口区域2007年9月份的LandsatTM数据，利用覃志豪的单窗算法反演了研究区域的地表温度，并结合ArcGIS综合分析丹江口区域地表温度分布差异。研究发现：（1）水体的温度最低（平均温度大致在297k），其次是湿地、森林，温度最高的地物是裸露的土地以及村庄。（2）地表温度并不是以水体为中心向四周成递增趋势，说明大型水库虽然能改变空气湿度，影响局部的气候，但是对区域地表温度的影响确是微乎其微；地表温度主要与地表的土地覆盖类型，土地的利用状况有关。参考文献[1]赵英时.遥感应用分析原理与方法[M].北京：科学出版社,2003：78-80.[2]吐尔地买买提·努尔.温度指标快算器与新疆近30年的温度指标变化分析[J].新疆农业科学,2004,41(3)：150-155.[3]BeckerF.Theimpactofemissivityonthemeasurementoflandsurfacetemperaturefromasatellite[J].InternationalJournalofRemoteSensing,1987,8(10)：1509-1522.[4]WanZ，LiZhaoliang.APhysics2basedalgorithmforretrievinglandsurfaceemissivityandtemperaturefromEOS/MODISdata[J].IEEETransactiononGeosciencesandRemoteSensmg,1997,35(4)：980-996.[5]LiZhaoliang，BeckerF，StollMp.EvahiationofsixmethodsforExtractingrelativeemissivityspectrafromthe-malinfraredimages[J]RemoteSensingofEnvironment,1999,69：197-214.[6]ShunlinLiangAnoPtimizationalgorithmforseparatinglandsurfaceTemperatureandemissivityfrommultispectra1thermalinfraredimagery[J].IEEETransactiononGeosciencesandRemoteSensmg,2001,39(2)：264-274.[7]马耀明，刘东升，王介民,等.卫星遥感敦煌地区地表特征参数研究[J].高原气象,2003,22(6)：531-536.[8]覃志豪，ZhangMinghua，ArnonKarnieli等.用陆地卫星TM6数据演算地表温度的单窗算法[J].地理学报,2001,56(4)：456-466.[9]陈燕，郭志兵，单伟.丹江口库区气候变化及对生态环境的影响[J].河南气象.2006，4：42-43.[10]SugitaM，BrutsaertW.Comparisonoflandsufercetemperaturesd-erivedfromsatelliteobservationswithgroundtruthduringFIFE[J].InternationalJournalofRemoteSensing,1993,14：1659-1676.[11]SobrinoJA，CollC，CasellesV.AtmosphericcorrectionforlandsurfacetemperatureusingNOAA-11AVHRRchannels4and5[J].RemoteSensingofEnvironment,1991,38：19-34.[12]覃志豪，ZhangMinghua，ArnonKarnieli.用NOAA-AVHRR热通道数据演算地表温度的劈窗算法[J].国土资源遥感,2001,(2)：33-42.[13]QinZ，Dall’OlmoG，KarnieliA,etal.Derivationofsplitwindowalgorithmanditssensitivityanalysisforretrievinglandsurfacetem2peraturefromNOAA-advancedveryhighresolutionradiometerdata[J].JournalofGeophysicalResearch,2001,106(D19)：22655-22670.[14]FrancaGB，CracknellAP.Retrievaloflandandseasurfacetem2peratureusingNOAA-11AVHRRdatainnortheasternBrazil[J].InternationalJournalofRemoteSensing,1994,15：1695-1712[15]QinZ，Karnieli