阜平县地表温度遥感反演及其空间特征研究

李春波 任磊 于蒙 李会恺 焦尚斌

摘 要：以阜平县为研究区域，基于Landsat 8遥感影像和ASTGTM2 DEM数据，利用辐射传输方程法反演地表温度，运用统计学方法分析地表温度与归一化植被指数（NDVI）、海拔和坡向之间的关系。结果表明：阜平县地表温度整体呈西高东低分布，地表温度与植被覆盖、地形要素之间的关系密切，地表温度高值区域主要分布在研究区西部和东北部海拔较高且NDVI值较高区域，低值区域主要分布在东南部海拔较低且NDVI值较低区域。地表温度随海拔和NDVI的升高逐渐减小，呈现明显的负线性相关;不同坡向的地表温度分布具有一定的差异，阳坡的地表温度高于阴坡。

关键词：地表温度反演;辐射传输方程法;影响因素;阜平县

Abstract： Taking Fuping County as the research area， based on Landsat 8 remote sensing images and ASTGTM2 DEM data， this paper applies radiation transfer equation method to invert the surface temperature of the study area， and statistical methods to analyze the relationship between land surface temperature and normalized vegetation index， elevation and aspect. The results show that the land surface temperature in Fuping County is high in the west and low in the east. The surface temperature and vegetation coverage and topographic elements are closely related. The high surface temperature areas are mainly distributed in the west and northeast of the study area with higher elevations and higher NDVI values. The low surface temperature areas are mainly distributed in the southeastern areas with lower elevations and lower NDVI values. The statistic results show that the surface temperature gradually decreases with elevation and NDVI， showing a significant negative correlation; the surface temperature distribution of different aspects varies， with the surface temperature of the sunny slope higher than that of the shaded slope.

Keywords： surface temperature inversion; radiation transfer equation method; influencing factors; Fuping County

地表溫度（Land Surface Temperature，LST）是影响自然环境形成与变化的最活跃因素之一，同时也是地表能量平衡的关键参数之一，研究地表温度的分布特征与变化具有重要的意义（史新等，2018）。目前，基于遥感技术反演地表温度已广泛应用于城市热岛效应研究、地热资源预测、区域干旱监测等诸多领域（李学敏等，2019;何雪琴等，2019;李红军等，2006），部分学者还进行了地表温度影响因素的研究。伍显等（2018）基于Landsat 8数据和DEM数据研究了贵州思雅河流域地表温度与土地利用、地形要素的关系，孙常峰等（2014）基于Landsat 5数据和ASTGTM2 DEM数据研究了泰山地表温度与地形因子、归一化水汽指数（Normalized Different Moisture Index，NDMI）、归一化植被指数（Normalized Vegetation Index，NDVI）的关系，熊俊楠等（2019）基于Landsat 8数据和SRTM DEM数据研究了青藏高原桑珠孜区地表温度与地形因子、NDMI、NDVI之间的关系。这些研究表明，地表温度与地形、植被覆盖等因素之间存在一定的关系，但不同研究给出的结论略有不同，这说明在不同地区地表温度的影响因素对地表温度的影响程度存在差异。

本文以阜平县为研究区域，基于Landsat 8遥感影像反演研究区的地表温度、NDVI，基于ASTGTM2 DEM数据计算坡向，运用统计学方法分析地表温度与NDVI、海拔、坡向之间的关系，为下一步开展阜平县地热资源预测提供依据。

1 研究区概况与数据

1.1 研究区概况

阜平县位于保定市西部，面积约2500 km2，地理坐标为东经 113°46′～114°32′、北伟 38°39′～39°7′（图1）。该县地处太行山中北部东麓，为全山区县，县域内地形复杂，山峦绵亘、沟壑纵横，地势由东南向西北逐渐升高，海拔高度一般为200～2200 m（图2）。气候属暖温带半湿润半干旱大陆性季风气候，四季分明，年平均气温为12.6 ℃，年平均降水量630 mm左右，年平均蒸发量2024 mm左右，无霜期约225 d。县域生态环境整体较好，森林覆盖率达39.47%，植被覆盖度达80%以上。阜平县地热资源丰富，其中城南庄温泉、温塘寺温泉、下堡温泉等目前已处于开发利用阶段。

1.2 数据及预处理

研究数据包括Landsat 8 OLI/TIRS遥感影像和ASTGTM2 DEM数据，均来源于地理空间数据云平台（http：//www.gscloud.cn）。其中Landsat 8遥感影像1景，标识号为LC81240332015225LGN01，条带号124、行编号33，平均云量为0.09%，获取时间为2015年8月13日;ASTGTM2 DEM数据4景，条带号113～114，行编号38～39，空间分辨率为30 m。

Landsat 8数据预处理主要包括辐射定标、大气校正、影像裁剪等，ASTGTM2数据预处理主要包括数据镶嵌、投影、裁剪等，主要用于地表温度反演以及计算NDVI、坡向等。

2 地表温度反演

基于遥感技术反演地表温度的方法大致可分为辐射传输方程法、单窗算法、单通道算法、劈窗算法等。侯宇初等（2019）基于Landsat 8数据在大兴安岭地区对比分析了辐射传输方程法、单窗算法和劈窗算法的地表温度反演精度，认为辐射传输方程法反演的结果精度更高;史新等（2018）利用Landsat 8数据在广东三河坝流域对比了辐射传输方程法、单窗算法和单通道算法3种算法，认为3种算法的反演结果线性拟合程度类似，空间分布一致;Yu等（2014）分析了辐射传输方程法、分裂窗算法和单通道算法3种算法的精度，认为辐射传输方程法的精度高于另外2种算法。结合上述研究，本次研究采用辐射传输方程法反演阜平县地表温度。

辐射传输方程法的基本原理是将卫星传感器接收到的总辐射分为3部分，分别是地表热辐射经大气衰减后到达传感器的辐射、大气上行辐射和大气下行辐射经地表反射后通过大气传输到传感器的辐射（邓书斌，2014）。在假设地表为朗伯体的条件下，辐射传输方程可简化为：

式中：Lλ为传感器接收到的波长为λ的热红外辐射强度，Bλ （Ts ）为温度Ts时黑体的的辐射强度，ελ是地表比辐射率，τλ为大气透过率，、  分别为大气上行辐射强度和大气下行辐射强度。

普朗克定律阐明了物体热辐射强度与波长、温度之间的关系，根据该定律，可通过黑体在热红外波段的辐射强度反演地表温度：

式中：K1、K2为热红外传感器的定标参数，对于Landsat 8 TIRS band 10波段，K1 = 774.89 W·m-2·μm-1·sr-1，K2=1321.08 K。B（Ts ）可由公式（1）推导出：

由公式（2）、公式（3）可知，利用辐射传输方程法反演地表温度必须的参数为地表比辐射率ε和大气透过率τ、大气上行辐射强度L↑和大气下行辐射强度L↓等大气剖面参数。对于Landsat 8数据可在NASA提供的网站（http：//atmcorr.gsfc.nasa.gov）输入成像时间以及中心经纬度等信息获取大气剖面参数。地表比辐射率的计算可根据公式（4）计算（Sobrino et al.，2004）：

3 结果分析

阜平县地表温度为20.22～55.07 ℃（图3），低值区域（小于30 ℃）占比10.57%，高值区域（大于40 ℃）占比12.47%。地表温度低值区域主要分布在研究区西部和东北部海拔较高、地形起伏较大且NDVI值较高的区域，另外在研究区东南部的水体区域地表温度值也较低;地表温度高值区域主要分布在研究区东南部海拔较低且地形相对较为平坦、城镇分布较为集中、NDVI值较低区域，地表温度与地形、植被覆盖之间的关系较为明显（图4）。

为进一步分析地表温度与植被、地形之间的关系，参考相关研究，选取NDVI、海拔和坡向3个地表温度影响因素，分别运用随机点统计、分区统计等方法，分析地表温度与NDVI、海拔和坡向之间的关系。

3.1 随机点统计

在研究區范围内随机选取3000个点，在ArcGIS 10.2软件中分别提取地表温度（LST）、NDVI、海拔高度和坡向的数值，生成散点图，并进行相关性分析。

相关研究表明，NDVI为负值的区域一般为水体，在分析LST与NDVI之间的关系时应该去除，因此本次研究仅分析NDVI为正值的数据。随机点分析结果显示，LST随NDVI的增大而逐渐减小（图5），LST与NDVI之间呈现明显的负相关。LST与地形之间的关系较为复杂，LST与海拔高程呈现明显的负线性相关（图6），但在海拔300 m以下，LST随海拔的升高呈现增加的趋势，这是因为研究区海拔高程最低的位置位于研究区东南部的水体区域，而水体的LST小于周边区域且海拔高程也低于周边造成的。LST与坡向的关系与一般认知相同，即阳坡的地表温度比阴坡的地表温度稍高（图7）。

3.2 分区统计

为进一步分析LST与NDVI、海拔和坡向之间的关系，运用分区统计的方法，将NDVI、海拔、坡度和坡向的数据按照一定的增量划分为若干区间，统计区间内LST的平均值，并进行相关性分析。其中，NDVI数据按照每增加0.1划分1个区间，共划分10个区间;海拔数据按照每增加100 m划分1个区间，共划分20个区间;坡向以正北方向为0，按照顺时针方向将坡向数据划分为平面、北坡（337.5°～22.5°）、东北坡（22.5°～67.5°）、东坡（67.5°～112.5°）、东南坡（112.5°～157.5°）、南坡（157.5°～202.5°）、西南坡（202.5°～247.5°）、西坡（247.5°～292.5°）、西北坡（292.5°～337.5°）9大类（图8），一般而言，朝向南面的坡称为阳坡，朝向背面的坡称为阴坡。

结果表明，分区统计与随机点统计结果具有一定的相似性。以NDVI增加0.1为区间，LST平均值随NDVI的增大逐渐减小，表明LST的平均值与NDVI呈负线性相关，且相关系数R2达0.99（图9）。以海拔高度每增加100 m为区间，LST平均值与海拔呈负线性相关，相关系数R2为0.99（图10）。不同坡向的LST平均值差异较大，阳坡的地表温度高于阴坡的地表温度，最大相差约2 ℃，其他坡度的差异相对较小，表明对于山区阴阳坡向的不同也是影响地表温度分布的一个重要因素（图11）。

4 结论

（1）阜平县地表温度为20.22～55.07 ℃，低值区域主要分布在研究区西部和东北部海拔较高、地形起伏较大且NDVI值较高的区域，高值区域主要分布在研究区东南部海拔较低且地形相对较为平坦、城镇分布较为集中、NDVI值较低区域。

（2）阜平县地表温度与植被覆盖、地形要素之间的关系较为密切。地表温度与NDVI呈负相关，地表温度随NDVI的增加逐渐减小;地表温度与海拔之间呈负相关，当海拔高度大于300 m时，每升高100 m，地表温度下降约0.84 ℃;不同坡向的地表温度分布具有一定的差异，阳坡的地表温度高于阴坡。

（3）本次研究仅分析了植被覆盖和地形与地表温度之间的关系，实际上地表温度是在太阳辐射、季节变化、地表覆盖、人类活动等多种因素下共同作用的结果，地表温度与其他影响因素之间的关系还有待进一步研究。

参考文献：

邓书斌，2014. ENVI遥感图像处理方法[M]. 2版. 北京：高等教育出版社.

何雪琴，邓清海，高宗军，等，2019. 遥感技术在干热岩选区中的应用：以鲁东地区为例[J]. 山东国土资源，35（6）：67-73.

侯宇初，张冬有，2019. 基于Landsat8遥感影像的地表温度反演方法对比研究[J]. 中国农学通报，35（10）：142-147.

李红军，郑力，雷玉平，等，2006. 植被指数-地表温度特征空间研究及其在旱情监测中的应用[J]. 农业工程学报，22（11）：170-174.

李学敏，文力，王俪璇，2019. 基于Landsat遥感数据的城市热岛效应及影响因素：以襄阳市为例[J]. 湖北农业科学，58（16）：41-48.

孙常峰，孔繁华，尹海伟，等，2014. 山区夏季地表温度的影响因素：以泰山为例[J].  生态学报，34（12）：3394-3404.

覃志豪，李文娟，徐斌，等，2004. 陆地卫星TM6波段范围内地表比辐射率的估计[J]. 国土资源遥感，（3）：28-32+36-41+74.

史新，周买春，刘振华，等，2018. 基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析[J]. 遙感技术与应用，33（3）：465-475.

伍显，安裕伦，赵海兵，等，2018. 基于Landsat8的地表温度与地形要素的关系研究[J]. 江苏农业科学，46（18）：266-270.

熊俊楠，李伟，程维明，等，2019. 高原地区LST空间分异特征及影响因素研究：以桑珠孜区为例[J]. 国土资源遥感，31（2）：164-171.

SOBRINO J A， JIM?NEZ-MU?OZ J C， PAOLINI L， 2004. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment， 90（4）：434-440.

YU Xiaolei， GUO Xulin， WU Zhaocong， 2014. Land Surface Temperature Retrieval from Landsat 8 TIRS-Comparison between Radiative Transfer Equation-based Method，Split Window Algorithm and Single Channel Method[J]. Remote sensing， 6（10）：9829-9852.