针对Landsat 8 热红外遥感数据地表温度反演的三种单窗算法对比

1、介绍

        Landsat卫星系列数据一直是地表温度反演的重要遥感数据之一，2013年Landsat 8卫星成功发射，又为地表温度反演提供了新的数据源。国内外学者已经对Landsat数据的单窗算法开展了很多研究，主要有Ｊｉｍéｎｅｚ－Ｍｕｎｏｚ算法（简称为JM＿SC）和覃志豪算法（简称为Q＿SC）。他们将大气和地表的影响直接包括在演算公式内，与辐射传输方程法和劈窗算法相比，简单易行、应用方便，能够适用于长时间序列的Landsat卫星数据地表温度的反演。

        我们根据Landsat ８TIRS传感器的特性，提出了针对TIRS10数据的单窗算法（TIRS＿SC），同时利用单窗算法JM＿SC和Q＿SC完成了研究区地表温度反演。最后利用地表温度实测数据对三种不同地表温度反演的结果进行了精度验证和比较，以期确立较好的地表温度反演的技术流程和方法。

2、研究区和数据

        研究区位于河南省郑州市郊区。研究区内地势平坦，平均海拔在133～139ｍ 之间，主要土地覆被类型为建设用地、耕地、裸土等。

        选取覆盖研究区Landsat 8数据和MODIS L1B Calibrated reflectance产品。Landsat 8 数据包括OLI数据和TIRS数据，前者主要用于估算研究区的地表发射率，后者主要用于反演地表温度；MODIS数据产品主要用于估算研究区的大气水汽含量。

        同时，为开展地表温度遥感反演及其精度验证，我们采集了研究区地表温度观测数据。地表温度测定采用了集成热电偶的无线传感器网络（WSN）设备，以同步获取不同测定点、不同地物类型的表面温度，对于裸土和水泥地面测温，直接将WSN设备放置在裸土和水泥地面上方，紧贴地表；对于稀疏植被测温，将WSN设备捆绑在植被叶片上，紧贴植被叶片表层。该WSN设备的测温范围为－50℃～＋350℃，频率为1次／min。依据研究区主要下垫面类型，共设定了15个观测点。

3、方法       

        当亮温较低时，可推导出针对Landsat TIRS 10的单窗算法：

        Ts = ［K2( φ1 + φ2) T10 +( 1 － φ1 － φ2) T2 10 － K2φ2Ta］/K2φ1

        式中，φ1 = ε10 τ10、φ2 = ( 1 － τ10) ［1 + ( 1 － ε10) τ10］。T10为TIRS 10 的亮温；Ta为大气平均作用温度( K)；K2为常数1321.08。

        除了上述TIRS10＿SC算法之外，我们还利用JM＿SC算法和Q＿SC算法开展研究区地表温度反演研究，并分析对比三者之间的差异。JM＿SC算法和Q＿SC算法的地表温度基本原理和公式请参见相关的文献。

4、结果

        我们使用实测数据对３种模型反演的地表温度进行精度分析，虽然地面点的实测数据不能完全代表像元尺度的地表温度，但可以作为反演结果精度验证的间接指标，验证结果及对比分析如下图所示。

        ３种算法的地表温度反演结果和实测温度均具有较好的相关性；对于大多数实测点来说，Q＿SC算法和TIRS10＿SC算法的精度都要高于JM＿SC算法；Q＿SC算法和TIRS10＿SC算法精度，两者差别不大；Q＿SC算法最小误差为0.01 ℃，总体平均误差为0.83℃；TIRS10＿SC算法最小误差为0.02℃，总体平均误差为0.84；JM＿SC算法最小误差为0.18℃，总体平均误差为1.08℃。对比结果如下表所示：

        总体来说，３种地表温度反演结果与实测温度较为一致，但是个别值（实测点75号）与实测温度存在较大的误差（如下图所示），可能由以下两个原因造成：①稀疏植被下垫面的地表温度误差较大是由于其实测点周边地物类型比较复杂，分布不均，在遥感影像上对应为混合像元；地表发射率是根据地物类型赋予的经验值，虽然结合了简单的混合像元分解，但是没有对研究区不同地物类型的实际发射率进行测量统计，会带来一定的误差；②大气水汽含量由MODIS数据反演得到，可能与实际大气水汽含量相比存在一定误差，从而给大气透过率以及JM＿SC算法中相关参数的估算带来误差，因而JM＿SC算法对大气水汽含量值更加敏感。

5、结论

        以Landsat 8 数据为基本数据源结合MODIS数据，利用TIRS10＿SC、JM＿SC和Q＿SC等３种单窗算法完成了研究区地表温度遥感反演，并对比分析了反演值与地表温度实测值，结论如下：

        １）单窗算法TIRS10＿SC紧密结合Landsat 8 TIRS传感器的特性，结合遥感估算的地表发射率、大气透过率等特征，可较为准确地估算出不同地表覆被类型的温度。

        ２）３种算法的地表温度反演结果和实测温度均具有较好的相关性。通过对３种单窗算法反演结果的对比发现，Q＿SC算法和TIRS10＿SC算法的反演精度要高于JM＿SC算法。其中，Q＿SC算法最小误差为0.01℃，总体平均误差为0.83℃；TIRS10＿SC算法最小误差为0.02℃，总体平均误差为0.84；JM＿SC算法最小误差为0.18℃，总体平均误差为1.08℃。

        ３）裸土与水泥下垫面等相对均质的下垫面的温度反演效果稍好，TIRS10＿SC算法和Q＿SC算法其平均误差为0.60℃，JM＿SC算法其平均误差为1.01℃；对于植被下垫面，TIRS10＿SC算法和Q＿SC算法其平均误差为1.48℃，JM＿SC算法其平均误差为1.26℃。为了提升植被下垫面温度反演精度，应该进一步准确地量化其发射率特性。

引自：胡德勇, 乔琨, 王兴玲, 等. 单窗算法应用于Landsat 8 TIRS数据地表温度反演的比较 [J]. 武汉大学学报（信息科学版）[J], 07(42): 869-876, 2017.