王麗霞 孫津花 劉招 張雙成 楊耘

摘要：為了分析研究不同地表發(fā)射率反演算法的精度和適用性，文中選取西安市的遙感影像Landsat 8為基礎(chǔ)數(shù)據(jù)，運(yùn)用ENVI，ArcGIS等軟件，首先對Landsat 8數(shù)據(jù)進(jìn)行預(yù)處理，提取西安市的NDVI影像;然后，建立決策樹模型得到西安市地表分類影像，并基于像元二分模型反演得到植被覆蓋度，基于NDVI得到4種不同算法的地表發(fā)射率;最后，以精度0.01的MODIS LSE產(chǎn)品為標(biāo)準(zhǔn)數(shù)據(jù)，從像元尺度上對比分析了4種算法的精度，并依據(jù)回歸決策樹方法的分類結(jié)果，對比分析了不同算法在各類地表覆蓋類型上的發(fā)射率反演差異。結(jié)果表明：在像元尺度上，植被指數(shù)混合模型法與NDVITEM改進(jìn)算法精度較高且較為接近;從不同下墊面的反演差異來看，在植被區(qū)域4種算法之間的差異較小，而對于水體區(qū)域，4種算法之間的差異較大;從反演方法的適用性而言，植被指數(shù)混合模型法與NDVITEM改進(jìn)算法較為適合本研究區(qū)。

關(guān)鍵詞：地表發(fā)射率;遙感反演;歸一化植被指數(shù);Landsat 8數(shù)據(jù)

中圖分類號：P 237文獻(xiàn)標(biāo)志碼：A

DOI：10.13800/j.cnki.xakjdxxb.2019.0220文章編號：1672-9315（2019）02-0327-07

0引言

地表發(fā)射率是遙感數(shù)據(jù)獲取陸面溫度中的一個(gè)關(guān)鍵參數(shù)，它與地表組成成分、地表粗糙度、含水量等因素有關(guān)，普遍應(yīng)用于輻射傳輸過程和地氣系統(tǒng)的能量平衡[1]。熱紅外遙感傳感器所接收到的信號包括2部分，一部分是被測物體發(fā)射的熱輻射，另一部分是由于地物的發(fā)射率小于黑體而反射了環(huán)境輻射的冷發(fā)射[2]。因此，為了求得地物的真實(shí)溫度，還必須知道地物的發(fā)射率。一些學(xué)者進(jìn)一步研究發(fā)現(xiàn)，地表發(fā)射率有0.01的變化，估算出的地表溫度就會產(chǎn)生1～2 ℃的誤差[3-6]。因此，地表發(fā)射率的準(zhǔn)確獲取，對地表溫度反演精度的提高至關(guān)重要。

目前，利用RS反演區(qū)域地表發(fā)射率是獲取大范圍地表發(fā)射率的重要途徑[7]。張成才等采用Van和Owe提出的植被指數(shù)法，建立經(jīng)驗(yàn)公式并結(jié)合典型地表發(fā)射率值計(jì)算得到河南省白沙灌區(qū)的地表發(fā)射率[8]。林志斌采用三波段梯度差法簡單估算了植被覆蓋度，并選取適合Landsat ETM+影像的植被指數(shù)混合模型算法計(jì)算得到了地表發(fā)射率[9]。唐伯惠等提出基于分類的地表發(fā)射率反演算法，由于地表狀況本身的復(fù)雜性以及衛(wèi)星觀測中的混合像元問題，發(fā)射率反演精度通常達(dá)不到所需的0.01[10]?？紤]到NDVI閾值法的可操作性好及較高的精度，趙少華等應(yīng)用Sobrino等提出的NDVITEM算法獲取山西省地表發(fā)射率，并反演得到較高精度的地表溫度值[11]。覃志豪等對Sobrino等提出的NDVITEM算法進(jìn)行了改進(jìn)，考慮了不同地表形態(tài)下dε（粗糙表面的空腔效應(yīng)引起的發(fā)射率比例）取值以及城市像元發(fā)射率估算的問題，并對山東省陵縣區(qū)進(jìn)行地表發(fā)輻射率反演，取得了較合理的地表溫度反演結(jié)果[12-13]。與之前的Landsat系列衛(wèi)星相比，Landsat 8自2013年發(fā)射以來，在許多方面進(jìn)行了改進(jìn)，也被廣泛應(yīng)用于地表溫度的反演[14-16]。然而，僅針對Landsat 8數(shù)據(jù)進(jìn)行地表發(fā)射率反演算法的對比研究較為少見。

歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）是描述地表覆被生長狀況的一個(gè)重要指標(biāo)[17-18]。由于地表熱紅外波段的發(fā)射率同NDVI之間具有非常高的相關(guān)性，目前基于NDVI獲取地表發(fā)射率的方法主要有4種。即：Van和Owe提出的植被指數(shù)法，Valor和Caselles提出的植被指數(shù)混合模型法，Sobrino等提出的NDVITEM算法，覃志豪等提出的NDVITEM改進(jìn)算法[19-21]。4種算法的表達(dá)式及基本參數(shù)設(shè)定都不相同。因此文中利用西安市的Landsat8數(shù)據(jù)，應(yīng)用ENVI，ArcGIS等軟件，分別用4種算法對研究區(qū)進(jìn)行了地表發(fā)射率反演，并結(jié)合同時(shí)期精度0.01的MODIS LSE產(chǎn)品，對比分析了4種算法的適用性和精度結(jié)果，以期獲取更精確的地表發(fā)射率反演算法。

1數(shù)據(jù)來源及處理

1.1研究數(shù)據(jù)

西安市地處西北部關(guān)中盆地中部秦嶺北麓，地跨渭河南北兩岸，位于北緯33°39′～34°45′，東經(jīng)107°40′～109°49′.下轄11區(qū)2縣并代管西咸新區(qū)，總面積10 752 km2，2017年末戶籍人口90568萬。屬暖溫帶半濕潤季風(fēng)氣候，平均海拔高424 m，1月份平均氣溫0.4 ℃，7月份平均氣溫26.6 ℃，年平均氣溫13.3 ℃，年平均降水量613.7 mm，年平均濕度69.6%[22-23].研究數(shù)據(jù)采用2015年4月28日西安市的Landsat 8數(shù)據(jù)，遙感影像清晰無云，質(zhì)量良好，便于解譯。基于ENVI 5.3平臺對遙感影像進(jìn)行的前期處理有：影像鑲嵌和裁剪;OLI數(shù)據(jù)進(jìn)行輻射定標(biāo);利用FLAASH模型對OLI數(shù)據(jù)進(jìn)行大氣校正。為了更好地比較不同算法、不同下墊面類型反演地表發(fā)射率的差異情況，文中使用分類回歸決策樹方法將地表分成植被、建筑物、裸土和水體4類。在ENVI 5.3光譜指數(shù)計(jì)算器中分別獲取NDVI（歸一化植被指數(shù)），NDBI（歸一化建筑指數(shù)），MNDWI（改進(jìn)型歸一化水體指數(shù)），結(jié)合人工判定閾值（根據(jù)10%置信度，NDVI>0.65為植被;NDBI>-0.05為裸土;MNDWI>0.17為水體）建立決策樹模型。地表分類結(jié)果如圖1所示。

1.2對比數(shù)據(jù)

文中使用了MODIS MOD11A1地表發(fā)射率產(chǎn)品進(jìn)行Landsat 8反演的地表發(fā)射率結(jié)果精度驗(yàn)證。MOD11A1是經(jīng)過正弦投影后的全球每日地表發(fā)射率產(chǎn)品，該產(chǎn)品基于地表下墊面的分類思想，利用地表分類信息，通過模型計(jì)算實(shí)現(xiàn)了全球地表發(fā)射率產(chǎn)品的生成[9]。在晴朗天氣條件下，MOD11A1地表發(fā)射率產(chǎn)品精度可達(dá)到0.01.

3反演結(jié)果與對比分析

3.1反演結(jié)果

基于以上4種算法，利用ENVI 5.3圖像處理軟件，對西安市影像進(jìn)行地表分類，然后計(jì)算NDVI及植被覆蓋度，最后反演得到地表發(fā)射率值。4種算法計(jì)算結(jié)果如圖2所示。

3.2對比分析

3.2.14種算法反演結(jié)果與MODIS LSE產(chǎn)品比較

4種算法不僅在反演模型上有差異，對PV為0和1時(shí)NDVI的設(shè)定也不同。這樣的差異隨著研究區(qū)地表覆被狀況的不同，可能會產(chǎn)生不同的影響。因此有必要對4種算法進(jìn)行比較，進(jìn)而得到適合本研究區(qū)的算法。

Landsat 8熱紅外數(shù)據(jù)與MODIS發(fā)射率產(chǎn)品的空間分辨率不同。為了進(jìn)行便精確之間的比較，首先利用MRT（MODIS Reprojection Tool）工具將MODIS LSE產(chǎn)品地圖投影轉(zhuǎn)換為UTMWGS84，并進(jìn)行研究區(qū)范圍的裁剪，然后利用ENVI軟件采用最鄰近內(nèi)插法將Landsat 8發(fā)射率反演結(jié)果重采樣到1 000 m.文中采用最小值、最大值和平均值這些統(tǒng)計(jì)指標(biāo)，對反演結(jié)果進(jìn)行評價(jià)，統(tǒng)計(jì)結(jié)果見表1.

其中，植被指數(shù)混合模型法和NDVITEM改進(jìn)算法與MODIS LSE產(chǎn)品最小值差別較小，植被指數(shù)法和NDVITEM改進(jìn)算法與MODIS發(fā)射率產(chǎn)品最大值差別較小，植被指數(shù)混合模型法和NDVITEM改進(jìn)算法與MODIS LSE產(chǎn)品平均值差別較小。總體而言，植被指數(shù)混合模型法和NDVITEM改進(jìn)算法與MODIS LSE產(chǎn)品更接近，可信精度較高。

3.2.24種算法之間的比較與分析

為了進(jìn)一步對比4種反演算法在區(qū)域尺度的差異，文中對利用各種算法反演的2015年4月28日西安市Landsat 8數(shù)據(jù)發(fā)射率結(jié)果進(jìn)行比較分析，圖3是研究區(qū)內(nèi)4種算法反演結(jié)果兩兩之間的差值統(tǒng)計(jì)圖。

從圖3可以看出，植被指數(shù)混合模型法和NDVITEM改進(jìn)算法反演結(jié)果差異最小，差值范圍控制在0.04之內(nèi)，且大部分像元發(fā)射率差值靠近0值。NDVITEM算法與NDVITEM改進(jìn)算法反演結(jié)果差異最大。主要原因是：兩者在NDVI最大值和最小值的設(shè)定上有所不同，NDVITEM算法中，NDVImin=0.2，NDVImax=0.5.NDVITEM改進(jìn)算法中，NDVImin=005，NDVImax=0.7，且NDVITEM改進(jìn)算法對水體像元直接賦給0.995的發(fā)射率值，而NDVITEM算法在計(jì)算NDVI小于0.2的像元時(shí)，利用紅外波段的反射率計(jì)算其發(fā)射率值。

為揭示不同算法、不同地表覆被類型反演的地表發(fā)射率的差異情況，文中還基于上文決策樹分類所提取的植被，城鎮(zhèn)，水體，裸土4種地表類型，對不同算法不同地表覆蓋類型的發(fā)射率平均值兩兩之間的差值進(jìn)行分析見表2.

從表2可以看出，在分類尺度上，對于植被區(qū)域，植被指數(shù)法與NDVITEM算法差異最大達(dá)到了-0.009 4，植被指數(shù)混合模型法與 NDVITEM改進(jìn)算法差異最小，僅0.001 2，對于城鎮(zhèn)區(qū)域（未考慮植被指數(shù)法），植被指數(shù)混合模型法與NDVITEM算法差異最大，達(dá)到了0.011 7，NDVITEM算法與NDVITEM改進(jìn)算法差異最小，達(dá)到了0.002 9，對于水體區(qū)域（未考慮植被指數(shù)法），NDVITEM算法與NDVITEM改進(jìn)算法差異最大，達(dá)到了0.033 3，植被指數(shù)混合模型法與NDVITEM改進(jìn)算法差異最小，達(dá)到了-0009 9，對于裸土區(qū)域（未考慮植被指數(shù)法），NDVITEM算法與NDVITEM改進(jìn)算法差異最大，達(dá)到了0.012 0，植被指數(shù)混合模型法與NDVITEM算法差異最小，達(dá)到了0.005 9.總體而言，地表類型為植被的情況下，算法之間的差異最小，其次為城鎮(zhèn)和裸土，地表類型為水體的情況下，算法之間的差異最大。

4結(jié)論

1）從像元尺度上，植被指數(shù)混合模型法與NDVITEM改進(jìn)算法總體精度相對較高，植被指數(shù)法與NDVITEM算法總體精度次之;

2）從下墊面類型尺度上，對于植被區(qū)域，4種算法之間的差異最小，其次為城鎮(zhèn)和裸土。對于水體區(qū)域，4種算法之間的差異最大;

3）從算法的適用性而言，植被指數(shù)法適用性最弱，該模型只能用來反演NDVI值范圍為0.157～0.727的自然表面，且反演精度較低。植被指數(shù)混合模型法與NDVITEM改進(jìn)算法適用性較好，且算法之間的差異最小。這與兩者模型中NDVI最大值和最小值的設(shè)定上有關(guān)，植被指數(shù)混合模型法中，NDVImin=0.1，NDVImax=0.72;NDVITEM改進(jìn)算法中，NDVImin=0.05，NDVImax=0.7.

此外，針對像元尺度的地表發(fā)射率驗(yàn)證，還需比較遙感計(jì)算和實(shí)地測量的地表發(fā)射率值，因此在后續(xù)工作中需要進(jìn)一步拓展，以期更好地為提高反演地表發(fā)射率的精度提供線索。

參考文獻(xiàn)（References）：

[1]柳菲，王新生，徐靜，等.基于NDVI閾值法反演地表比輻射率的參數(shù)敏感性分析[J].遙感信息，2012，27（4）：3-12.

LIU Fei，WANG Xinsheng，XU Jing，et al.Sensitivity analysis of retrieving land surface emissivity based on NDVI threshold method[J].Remote Sensing Information，2012，27（4）：3-12.

[2]唐世浩，李小文，王錦地，等. 改進(jìn)的基于訂正ALPHA差值譜的TES算法[J].中國科學(xué)（地球科學(xué)），2006，36（7）：663-671.

TANG Shihao，LI Xiaowen，WANG Jindi，et al.Improved TES algorithm based on revised ALPHA difference spectrum[J].Chinese Science（Earth Science），2006，36（7）：663-671.

[3]柳菲.地表比輻射率遙感反演方法研究[D].武漢：湖北大學(xué)，2012.

LIU Fei.Researching of remote sensing inversion method on land surface emissivity[D].Wuhan：Hubei University，2012.

[4]Platt M，Prata A J.Nocturnal effects in the retrieval of land surface temperatures from satellite measurements[J].Remote Sensing of Environment，1993，45（2）：127-136.

[5]徐劍波，肖志峰，鐘林憶，等.HJ1B熱紅外LST反演及利用偏微分對其誤差精度分析[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2016，41（11）：1505-1511.

XU Jianbo，XIAO Zhifeng，ZHONG Linyi，et al.Inversion of HJ1B thermal infrared LST and error accuracy analysis by partial differential method[J].Journal of Wuhan University，Information Science Edition，2016，41（11）：1505-1511.

[6]李艷芳，楊昆，楊榮.比輻射率對遙感反演滇池流域地表溫度的影響[J].長江科學(xué)院院報(bào)，2015，32（9）：26-31.

LI Yanfang，YANG Kun，YANG Rong.Effect of emissivity on the retrieved land surface temperature from remote sensing date of Dianchi Lake Watershed[J].Yangtze River Academy，2015，32（9）：26-31.

[7]閆大鵬，周興東，劉偉，等.一種基于高斯擬合的水生植被遙感分類閾值確定方法[J].西安科技大學(xué)學(xué)報(bào)，2018，38（5）：776-782.

YAN Dapeng，ZHOU Xingdong，LIU Wei，et al.An algorithm for determining remote sensing classification threshold of aquatic vegetation based on Gauss fitting[J].Journal of Xi’an University of Science and Technology，2018，38（5）：776-782.

[8]張成才，陳東河，董洪濤.基于Landsat-5 TM數(shù)據(jù)的河南省白沙灌區(qū)地表溫度反演研究[J].遙感技術(shù)與應(yīng)用，2013，28（6）：964-968.

ZHANG Chengcai，CHEN Donghe，DONG Hongtao.Land surface temperature retrieval based on Landsat 5 TM data in baisha irrigation of henan province[J].Remote Sensing? Technology and Application，2013，28（6）：964-968.

[9]林志彬.基于Landsat ETM+影像的城市熱島研究[J].安徽農(nóng)業(yè)科學(xué)，2009，37（28）：3961-3963.

LIN Zhibin.Study on urban heat island based on Landsat ETM+ image[J].Anhui Agricultural Sciences，2009，37（28）：3961-3963.

[10]唐伯惠，李召良，唐榮林，等.熱紅外地表發(fā)射率遙感反演研究[M].北京：科學(xué)出版社，2014.

TANG Bohui，LI Zhaoliang，TANG Ronglin，et al.Remote sensing inversion of thermal infrared surface emissivity[M].Beijing： Science Press，2014.

[11]趙少華，邱國玉，秦其明，等.MODIS數(shù)據(jù)反演地表溫度的應(yīng)用研究[J].干旱區(qū)資源與環(huán)境，2010，24（3）：51-54.

ZHAO Shaohua，QIU Guoyu，QIN Qiming，et al.Application of MODIS data to retrieve land surface temperature[J].Arid.Area Resources and Environment，2010，24（03）：51-54.

[12]覃志豪，李文娟，徐斌，等.利用Landsat TM 6反演地表溫度所需地表輻射率參數(shù)的估計(jì)方法[J].海洋科學(xué)進(jìn)展，2004，22（B10）：129-137.

QIN Zhihao，LI Wenjuan，XU Bin，et al.Estimation method of land surface emissivity for retrieving land surface temperature from landsat TM 6 data[J].Advances in Marine Science，2004，22（B10）：129-137.

[13]覃志豪，李文娟，徐斌，等.陸地衛(wèi)星TM 6波段范圍內(nèi)地表比輻射率的估計(jì)[J].國土資源遙感，2004，16（3）：28-32.

QIN Zhihao，LI Wenjuan，XU Bin，et al.The estimation of land surface emissivity for Landsat TM 6[J].Remote Sensing of Land and Resources，2004，16（3）：28-32.

[14]徐涵秋.新型Landsat 8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報(bào)，2015，58（3）：741-747.

XU Hanqiu.Retrieval of the reflectance and land surface temperature of the newlylaunched Landsat 8 satellite[J].Chinese Journal of Geophysics，2015，58（3）：741-747.

[15]邱春霞，許藝騰，姚頑強(qiáng)，等.一種遙感影像反立體糾正方法研究[J].西安科技大學(xué)學(xué)報(bào)，2016，36（3）：422-427.

QIU Chunxia，XU Yiteng，YAO Wanqiang，et al.A correcting method of inverse stereo phenomenon of remote sensing image[J].Journal of Xi’an University of Science and Technology ，2016，36（3）：422-427.

[16]姜友誼，張春森，胡平波.可量測實(shí)景影像與4D產(chǎn)品集成研究[J].西安科技大學(xué)學(xué)報(bào)，2011，31（5）：569-572.

JIANG Youyi，ZHANG Chunsen，HU Pingbo.Integration of digital measurable image and 4D production[J].Journal of Xi’an University of Science and Technology，2011，31（5）：569-572.

[17]張?jiān)獥?，尚曉鵬，杜芬玲，等.寧夏植被動態(tài)變化及其對降水的響應(yīng)[J].西安科技大學(xué)學(xué)報(bào)，2017，37（1）：84-89.

ZHANG Yuandong，SHANG Xiaopeng，DU Fenling，et al.Dynamic change of vegetation and its response to precipitation in Ningxia[J].Journal of Xi’an University of Science and Technology，2017，37（1）：84-89.

[18]陳金華，劉惠敏，黃勇，等.冬小麥生育期間MODIS多時(shí)相NDVI特征分析及其在地物識別上的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2010，38（7）：3641-3643，3667.

CHEN Jinhua，LIU Huimin，HUANG Yong，et al.Characteristics of MODIS multitemporal NDVI during winter wheat growth and its application in ground object recognition[J].Journal of Anhui Agricultural Sciences，2010，38（7）：3641-3643，3667.

[19]Sobrino J A，Jim nezMu oz J C，Mireia R，et al.Land surface emissivity retrieval from different VNIR and TIR sensors[J].IEEE Transactions on Geoscience and Remote Sensing，2008，46（2）：316-327.

[20]Valor E，Caselles V.Mapping land surface emissivity from NDVI：application to European，African，and South American areas[J].Remote Sensing of Environment，1996，57（3）：167-184.

[21]Sobrino J A，JiménezMuoz J C，Paolini L.Land surface temperature retrieval from Landsat TM 5[J].Remote Sensing of Environment，2003，90（4）：434-440.

[22]王岳，于漢學(xué).歷史遺跡保護(hù)下西安城市交通系統(tǒng)評估方法[J].西安科技大學(xué)學(xué)報(bào)，2018，38（6）：952-958.

WANG Yue，YU Hanxue.Assessment method of urban traffic system under historical relic protection[J].Journal of Xi’an University of Science and Technology，2018，38（6）：952-958.

[23]李柏延，任志遠(yuǎn)，李瑞宗，等.西安市地表溫度反演及城市熱島強(qiáng)度定量化研究[J].資源科學(xué)，2014，36（12）：2631-2636.

LI Baiyan，REN Zhiyuan，LI Ruizong，et al.Retrieval of surface temperature in Xi’an city and quantification of urban heat island intensity[J].Resources Science，2014，36（12）：2631-2636.

[24]宋挺，段崢，劉軍志，等.Landsat 8數(shù)據(jù)地表溫度反演算法對比[J].遙感學(xué)報(bào)，2015，19（3）：451-464.

SONG Ting，DUAN Zheng，LIU Junzhi，et al.Comparison of algorithms to retrieve land surface temperature using Landsat 8 Data[J].Journal of Remote Sensing，2015，19（3）：451-464.

[25]陳靜波，劉順喜，汪承義，等.基于知識決策樹的城市水體提取方法研究[J].遙感信息，2013，28（1）：29-33+37.

CHEN Jingbo，LIU Shunxi，WANG Chengyi，et al.Research on urban water body extraction using knowledge based decision Tree[J].Remote Sensing Information，2013，28（1）：29-33，37.

[26]侯鵬，曹廣真，蔣衛(wèi)國，等.城市復(fù)雜地表TM溫度反演及其與MODIS產(chǎn)品的比較[J].自然災(zāi)害學(xué)報(bào)，2009，18（5）：113-118.

HOU Peng，CAO Guangzhen，JIANG Weiguo，et al.Temperature inversion of urban complex land surface by TM and its comparison with MODIS temperature product[J].Journal of Natural Disasters，2009，18（5）：113-118.