劉英，朱蓉，錢嘉鑫，黨超亞，岳輝

(西安科技大學(xué) 測(cè)繪科學(xué)與技術(shù)學(xué)院，西安 710054)

0 引言

地表溫度(land surface temperature，LST)是反映地球表面與大氣之間能量平衡和影響地表水循環(huán)的重要物理參數(shù)之一[1-3]，主要用于植被監(jiān)測(cè)[4-5]、土壤水分監(jiān)測(cè)[6-7]、城市熱島效應(yīng)[8-9]等方面研究。獲取地表溫度的方法有地面觀測(cè)和熱紅外遙感反演等[10]，其中地面觀測(cè)獲取地表溫度精度高但覆蓋范圍小，而熱紅外遙感能獲得較大范圍內(nèi)的地表溫度，且能表現(xiàn)LST的空間分布特征，成為獲取地表溫度的主要手段。但熱紅外傳感器無(wú)法同時(shí)滿足高時(shí)空分辨率的數(shù)據(jù)要求，限制了地表溫度在不同區(qū)域尺度上的應(yīng)用。為解決熱紅外傳感器所獲取地表溫度的這一問(wèn)題，相關(guān)學(xué)者提出了多種地表溫度降尺度方法。

目前，衛(wèi)星遙感地表溫度空間降尺度的方法主要基于地表參數(shù)統(tǒng)計(jì)回歸、數(shù)據(jù)融合、調(diào)制分配及光譜混合模型等展開[11]。其中，基于地表參數(shù)統(tǒng)計(jì)回歸的溫度降尺度法主要原理為“尺度不變性”，將低分辨率下的地表溫度與光譜指數(shù)的關(guān)系應(yīng)用到高分辨率下，最常用的方法是Kustas等[12]于2003年提出的DisTrad(disaggregation procedure for radiometric surface temperature)法以及Agam等[13]于2007年在前者基礎(chǔ)上提出的TsHARP (an algorithm for sharpening thermal imagery)法。DisTrad方法基于歸一化植被指數(shù)(normalized difference vegetation index，NDVI)和LST間的統(tǒng)計(jì)關(guān)系提出，但該方法并未充分考慮土壤水分在降尺度模型中的作用，TsHARP方法用更能表征植被狀態(tài)的植被覆蓋度代替NDVI與LST建立線性關(guān)系，從而達(dá)到降尺度目的。數(shù)據(jù)融合和空間濾波均能提高空間分辨率，基于這一特性，F(xiàn)asbender等[14]提出了貝葉斯方法；Dominguez等[15]提出了基于高分辨率的反照率及NDVI數(shù)據(jù)的地表溫度降尺度方法;Yang等[16]總結(jié)出了DisEMI(disaggregation method for subpixel temperature using the remote sensing endmember index based technique)算法。Guo等[17]提出考慮地形變化的溫度降尺度方法——PBIM(pixel block intensity modulation)；Norman等[18]總結(jié)出了DisALEXI (disaggregated atmosphere land exchange inverse model)算法來(lái)研究微氣候測(cè)量；Merlin 等[19]利用物理模型對(duì)被動(dòng)微波反演的土壤濕度進(jìn)行降尺度；Merlin等[20]基于植被覆蓋度、土壤蒸發(fā)率等各種因子對(duì)MODIS農(nóng)業(yè)區(qū)域的地表溫度進(jìn)行降尺度研究。隨著國(guó)內(nèi)外學(xué)者對(duì)溫度降尺度方法的深入研究，Gao等[21]利用基于權(quán)重函數(shù)的時(shí)空數(shù)據(jù)融合方法提出了時(shí)空自適應(yīng)反射率融合模型；鄔明權(quán)等[22]提出一種改進(jìn)的遙感時(shí)空數(shù)據(jù)融合方法(spatial and temporal data fusion mode，SATDFM)對(duì)MODIS數(shù)據(jù)和TM數(shù)據(jù)進(jìn)行時(shí)空數(shù)據(jù)融合；Yang等[23]提出基于隨機(jī)森林多遙感因子的溫度降尺度方法，該方法避免了降尺度因子的單一化以及回歸模型線性化給溫度降尺度帶來(lái)的不確定性。DisTrad方法和TsHARP方法因其計(jì)算方法簡(jiǎn)便、降尺度因子容易獲取而被廣泛應(yīng)用，但他們均是針對(duì)地表類型單一的植被覆蓋區(qū)，并未考慮建筑物、裸地、水體等地物類型復(fù)雜的情況。鑒于這一缺陷，楊英寶等[10]將NDVI、歸一化水體指數(shù)(modified normalized difference water index，MNDWI)及城市不透水面指數(shù)引入DisTrad模型，建立一種新的精度較高的降尺度模型，該方法未充分考慮到研究區(qū)中存在的裸土區(qū)域；李小軍等[24]根據(jù)地表覆蓋類型的不同，分別選擇與LST相關(guān)性更好的NDVI、歸一化建造指數(shù)、MNDWI以及增強(qiáng)型裸土指數(shù)提出了新的轉(zhuǎn)換模型，并從定性和定量2個(gè)角度評(píng)價(jià)了TsHARP法和新模型的降尺度精度。該方法分別建立各因子與LST之間的降尺度模型，根據(jù)最小殘差和最大決定系數(shù)，最終取其中最優(yōu)的單個(gè)模型建立與LST的降尺度模型。

本文充分考慮到植被、水體、建筑物與裸地同時(shí)對(duì)地表溫度的影響，且相對(duì)于文獻(xiàn)[10]考慮到了裸土影響因子。在DisTrad和TsHARP降尺度方法的基礎(chǔ)上，提出一種新的反映多地表覆蓋類型地表溫度降尺度方法——G_DisTrad方法。該方法以表征植被狀況的歸一化差異植被指數(shù)NDVI、表征水體的歸一化水體指數(shù)MNDWI及表征建筑物與裸地的指數(shù)(normalized difference built-up and soil index，NDBSI)[25]為自變量，同時(shí)與LST建立多元線性關(guān)系，并以地表覆蓋類型復(fù)雜的天津、哈爾濱、南京、鄭州、重慶、西安共6個(gè)大城市區(qū)域作為實(shí)驗(yàn)區(qū)，并與DisTrad法、TsHARP法進(jìn)行對(duì)比，進(jìn)而分析G_DisTrad法的可行性與適用性。

1 研究區(qū)與數(shù)據(jù)來(lái)源

1.1 研究區(qū)

選擇華北地區(qū)的天津、東北地區(qū)的哈爾濱、華東地區(qū)的南京、中南地區(qū)的鄭州、西南地的重慶及西北地區(qū)的西安共6個(gè)大城市地表覆蓋類型復(fù)雜區(qū)為研究對(duì)象。各研究區(qū)均包含植被、水體、建筑物和裸地等多種地物類型。

1.2 數(shù)據(jù)來(lái)源及處理

本研究所用晴空無(wú)云的Landsat-8 OLI影像來(lái)自美國(guó)地質(zhì)調(diào)查局網(wǎng)站(https：//earthexplorer.usgs.gov/)。Landsat-8 OLI影像包括分辨率為30 m的可見光波段和分辨率為100 m的熱紅外波段(下載時(shí)已重采樣至30 m)。用于驗(yàn)證的實(shí)測(cè)地表溫度數(shù)據(jù)來(lái)自中國(guó)氣象數(shù)據(jù)網(wǎng)(http：//data.cma.cn/)。

數(shù)據(jù)預(yù)處理包括輻射定標(biāo)、大氣校正、影像裁剪、重采樣等。本文以美國(guó)地質(zhì)調(diào)查局網(wǎng)站下載的熱紅外波段經(jīng)輻射傳輸方程法[26]計(jì)算的地表溫度(LST)作為間接驗(yàn)證數(shù)據(jù)。在ENVI中經(jīng)過(guò)Pixel Aggregate像元聚合獲得180 m低分辨率下的Landsat-8可見光和熱紅外波段數(shù)據(jù)，分別計(jì)算各指標(biāo)因子并將其作為降尺度模型的自變量和因變量。根據(jù)DisTrad法、TsHARP法和本文提出的G_DisTrad法各自的原理建立各因子之間的降尺度關(guān)系模型，從而將180 m分辨率的LST數(shù)據(jù)降尺度到30 m，并且對(duì)比分析這3種方法在不同城市區(qū)域的降尺度效果。

2 降尺度方法

2.1 DisTrad模型

DisTrad模型的具體實(shí)現(xiàn)過(guò)程如式(1)至式(4)所示。

(1)

LST′L(NDVI)=a*NDVIL+b

(2)

det(LST)=LSTL(NDVI)-LST′L(NDVI)

(3)

LSTH(NDVI)=a*NDVIH+b+det(LST)

(4)

式中：b1、b2分別代表近紅外與紅光波段的反射率；LST′L(NDVI)表示模擬的低分辨率下LST；LSTL(NDVI)為低分辨率下的LST；NDVIL表示低分辨率下的NDVI；det (LST)表示回歸殘差；a，b為常數(shù)；NDVIH表示高分辨率下的NDVI；LSTH(NDVI)表示DisTrad方法的降尺度結(jié)果。

2.2 TsHARP模型

Weng等[27]發(fā)現(xiàn)地表溫度與植被覆蓋度相對(duì)于與NDVI具有更強(qiáng)的相關(guān)關(guān)系。因此，Agam等[13]在DisTrad模型基礎(chǔ)上，利用與地表溫度有更高相關(guān)性的植被覆蓋度(FVC)代替NDVI，與LST建立線性關(guān)系。FVC的計(jì)算方法如式(5)所示。

(5)

式中：NDVImax表示NDVI累積頻率置信度為95%時(shí)對(duì)應(yīng)的NDVI值；NDVImin表示NDVI累積頻率置信度為5%的NDVI值。

2.3 G_DisTrad模型

DisTrad與TsHARP模型適用于地表覆蓋類型單一區(qū)域，而實(shí)際情況中地表覆蓋類型不僅有植被，還有建筑物、裸地、水體等。本文基于地表類型復(fù)雜的特點(diǎn)，提出一種改進(jìn)的DisTrad法(G_DisTrad)。該方法以NDVI、MNDWI及代表建筑物與裸地的NDBSI為自變量，與LST建立多元線性關(guān)系，從而實(shí)現(xiàn)降尺度的目的。具體的實(shí)現(xiàn)過(guò)程如式(6)～式(12)所示。

(6)

(7)

(8)

(9)

LST′L=a1*NDVIL+a2*MNDWIL+
a3*NDBSIL

(10)

det(LST)=LSTL-LST′L

(11)

LSTH=a1*NDVIH+a2*MNDWIH+
a3*NDBSIH+b+det(LST)

(12)

式中：b1、b2、b3、b4、b5為L(zhǎng)andsat-8多光譜影像中藍(lán)、綠、紅、近紅外、短波紅外波譜反射率；LST′L為模擬的低分辨率下的LST；LSTL為低分辨率下的LST；NDVIL表示低分辨率下的NDVI；MNDWIL表示低分辨率下的MNDWI；NDBSIL表示低分辨率下的NDBSI；det (LST)為回歸殘差；a1、a2、a3、b為常數(shù)；NDVIH、MNDWIH、NDBSIH表示高分辨率下的NDVI、MNDWI和NDBSI；LSTH為G_DisTrad方法降尺度的結(jié)果。

2.4 降尺度結(jié)果的精度評(píng)價(jià)指標(biāo)

降尺度結(jié)果優(yōu)劣可由決定系數(shù)R2和相對(duì)均方根誤差RMSE來(lái)表示。R2表示降尺度后LST的結(jié)果圖像與已知LST之間的相關(guān)性，其取值范圍為[0，1]，值越接近1，說(shuō)明相關(guān)性越高；RMSE用來(lái)判斷降尺度前后溫度圖像的一致性，值越小，說(shuō)明降尺度前后2幅圖像的一致性越高。

3 實(shí)驗(yàn)結(jié)果與分析

將中國(guó)氣象數(shù)據(jù)網(wǎng)上獲得的實(shí)測(cè)地表溫度數(shù)據(jù)作為直接驗(yàn)證數(shù)據(jù)，將輻射傳輸模型法反演的Landsat 30 m分辨率下的LST作為間接驗(yàn)證數(shù)據(jù)。將180 m分辨率下的NDVI、MNDWI及NDBSI作為自變量，180 m分辨率下LST作為因變量，建立二者之間的關(guān)系模型，分別獲得3種方法在不同研究區(qū)域溫度降尺度結(jié)果。

3.1 地表溫度降尺度結(jié)果直接驗(yàn)證

本研究以天津市為例進(jìn)行降尺度結(jié)果的直接驗(yàn)證。由于研究區(qū)只有3個(gè)實(shí)測(cè)點(diǎn)，為了選取較多的實(shí)測(cè)驗(yàn)證點(diǎn)，本文選取2019年4、5、7、8月等不同月份各1景天津市研究區(qū)影像分別作為實(shí)測(cè)數(shù)據(jù)點(diǎn)來(lái)源。由圖1可知，3種降尺度方法均能較好地將180 m分辨率的LST降尺度到30 m分辨率，且保留了較多的地物分布信息，達(dá)到較好的降尺度效果；本文改進(jìn)的G_DisTrad方法相對(duì)于DisTrad和TsHARP方法降尺度的圖像分布更接近于直接用輻射傳輸方程反演的30 m分辨率的地表溫度分布圖，尤其是在水體與建筑物地區(qū)。由圖2可知，G_DisTrad與實(shí)測(cè)地表溫度的決定系數(shù)最高(R2=0.697 0)，其次為TsHARP(R2=0.679 1)，DisTrad最低(R2=0.678 0)。

圖1 各降尺度方法結(jié)果圖

圖2 實(shí)測(cè)結(jié)果驗(yàn)證

3.2 各地區(qū)地表溫度降尺度結(jié)果間接驗(yàn)證

在ArcGIS中采用隨機(jī)打點(diǎn)的方法獲取500個(gè)隨機(jī)點(diǎn)進(jìn)行6個(gè)研究區(qū)域3種溫度降尺度結(jié)果的間接驗(yàn)證。各降尺度方法在各研究區(qū)的降尺度擬合方程以及降尺度結(jié)果的相關(guān)性如表1所示。

表1 地表溫度降尺度方法對(duì)比

注：y為L(zhǎng)ST；b1為NDVI；b2為MNDWI；b3為NDBSI；b4為FVC。

由表1可知，回歸模型中NDVI、MNDWI、FVC與LST呈負(fù)相關(guān)，NDBSI與LST呈正相關(guān)。3種降尺度方法在這6個(gè)研究區(qū)均得到較好的降尺度效果，G_DisTrad模型平均決定系數(shù)最高(R2=0.818 0)，其次為TsHARP模型(R2=0.805 0)，DisTrad的平均R2為0.787 0，整體來(lái)看，G_DisTrad模型的擬合效果要明顯優(yōu)于DisTrad模型、TsHARP模型。除重慶外，G_DisTrad在其余5個(gè)地區(qū)的R2均高于DisTrad和TsHARP的R2；除南京外，TsHARP在其余5個(gè)地區(qū)的R2均高于DisTrad的R2。在重慶地區(qū)，TsHARP降尺度精度最高(R2=0.865 8)，其次分別為G_TsHARP(R2=0.807 0)、DisTrad(R2=0.797 4)?？傮w上，本研究提出的溫度降尺度方法G_TsHARP在城市復(fù)雜區(qū)域有較好的適用性，優(yōu)于TsHARP方法和DisTrad方法。

為進(jìn)一步對(duì)3種方法降尺度效果進(jìn)行對(duì)比分析，本文對(duì)各研究區(qū)的降尺度效果進(jìn)行局部驗(yàn)證，分別選取研究區(qū)的植被、建筑物與裸地、水體部分，將3種降尺度結(jié)果與Landsat-8 30 m熱紅外波段反演的地表溫度進(jìn)行對(duì)比(圖3～圖8)。

由圖3～圖8可知，天津市的水體區(qū)域、建筑物與裸地區(qū)域，G_DisTrad方法的降尺度效果與反演地表溫度更接近；植被區(qū)域，TsHARP方法和G_DisTrad方法降尺度效果與反演地表溫度更吻合，且TsHARP方法的降尺度效果細(xì)節(jié)更加明顯。哈爾濱市的水體區(qū)域，G_DisTrad方法降尺度效果與反演地表溫度更接近；建筑物與裸地、植被區(qū)域，3種降尺度結(jié)果的空間分布相近。南京市的水體區(qū)域，TsHARP方法和G_DisTrad方法降尺度的效果比DisTrad方法好，DisTrad方法降尺度結(jié)果的鋸齒形狀相對(duì)于TsHARP方法和G_DisTrad方法比較明顯；G_DisTrad方法在建筑物地區(qū)和植被區(qū)域與反演的地表溫度空間分布相似性更高。鄭州市的水體區(qū)域，G_DisTrad方法的降尺度效果與反演的地表溫度更接近；植被、建筑物與裸地區(qū)域3種方法的降尺度結(jié)果相近。重慶市的植被區(qū)域，TsHARP方法的降尺度結(jié)果在空間上的分布與反演的地表溫度更接近；水體區(qū)域，G_DisTrad方法的降尺度結(jié)果的空間分布與反演的地表溫度更吻合，DisTrad方法和TsHARP方法的降尺度結(jié)果在水體區(qū)域邊緣鋸齒狀比較明顯；建筑物與裸地地區(qū)，TsHARP方法的降尺度結(jié)果的空間分布與反演的地表溫度更接近。西安市的水體區(qū)域，TsHARP方法和G_DisTrad方法的降尺度結(jié)果空間分布相似，DisTrad方法的降尺度效果較差；植被區(qū)域3種方法均達(dá)到了較好的降尺度效果；建筑物地區(qū)3種方法降尺度效果與反演的地表溫度分布近似，且G_DisTrad方法降尺度結(jié)果的細(xì)節(jié)更明顯。綜上所述，3種方法中，G_DisTrad方法在水體、建筑物與裸地地區(qū)降尺度的結(jié)果優(yōu)于DisTrad方法和TsHARP方法，但在植被區(qū)域，G_DisTrad方法的結(jié)果相比于TsHARP方法優(yōu)勢(shì)不明顯。

圖3 天津市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

圖4 哈爾濱市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

圖5 南京市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

圖6 鄭州市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

圖7 重慶市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

圖8 西安市植被、水體、建筑物與裸地區(qū)域的降尺度結(jié)果局部對(duì)比

4 結(jié)束語(yǔ)

本文對(duì)地表覆蓋類型較復(fù)雜的城市區(qū)域采用傳統(tǒng)的DisTrad方法、TsHARP方法以及本文提出的新的G_DisTrad方法進(jìn)行地表溫度降尺度研究，通過(guò)對(duì)各降尺度方法的結(jié)果驗(yàn)證對(duì)比得出以下結(jié)論。

1)基于天津市實(shí)測(cè)地表溫度的直接精度驗(yàn)證結(jié)果表明，G_DisTrad方法的整體降尺度效果最優(yōu)，G_DisTrad方法降尺度結(jié)果的決定系數(shù)達(dá)到0.697 0，其次是TsHARP方法，其決定系數(shù)為0.679 1，DisTrad方法的決定系數(shù)最低，為0.678 0。

2)基于Landsat 30 m的LST的間接精度驗(yàn)證結(jié)果表明，G_DisTrad方法的溫度降尺度效果最好，平均決定系數(shù)最高(R2=0.818 0)，其次為TsHARP方法(R2=0.805 0)，最低為DisTrad方法(R2=0.787 0)；除重慶外，G_DisTrad方法的決定系數(shù)在3種溫度降尺度方法中均為最高。將各研究區(qū)以地物類型劃分為植被、水體、建筑物與裸地，分別進(jìn)行3種方法的降尺度結(jié)果對(duì)比。結(jié)果表明,G_DisTrad方法在建筑物與裸地地區(qū)的降尺度效果優(yōu)于DisTrad方法和TsHARP方法，而在高植被覆蓋地區(qū)(重慶)，TsHARP方法的降尺度效果相對(duì)較優(yōu)。

3)本研究提出的方法原理相對(duì)簡(jiǎn)單，各指標(biāo)易獲取，且精度比傳統(tǒng)的DisTrad方法和TsHARP方法在地表覆蓋類型較復(fù)雜的城市區(qū)域高。后續(xù)可以繼續(xù)將植被覆蓋度、地形等更多影響因子考慮到G_DisTrad方法中，以期得到精度更高的溫度降尺度結(jié)果。