基于Landsat8数据的地表温度反演算法对比分析——以北京市为例

基于Landsat8数据的地表温度反演算法对比分析

——以北京市为例

段金馈

（山东师范大学地理与环境学院，山东济南

250358）

摘要：地表温度（LandSurfaceTemperature，LST）是重要的地表物理参量。该文以北京市为研究区，基于

Landsat8影像数据，利用辐射传输方程法（RTE算法）、针对TIRS10的单窗算法（TIRS10_SC算法）以及改进单通道算法（JM_SC10算法）反演地表温度，并运用气象观测点数据进行验证。结果表明，TIRS10_SC算法反演精度最好，RMSE为3.92℃；其次是RTE和JM_SC10算法。关键词：Landsat8；地表温度；地表温度反演中图分类号P407

文献标识码A

文章编号1007-7731（2019）17-0148-03

ComparativeAnalysisofLandSurfaceTemperatureRetrievalAlgorithmbasedonLandsat8Data

——ACaseStudyinBeijingCity

DuanJinkui

（SchoolofGeographyandEnvironment，ShandongNormalUniversity，Jinan250358，China）

Abstract：LandSurfaceTemperature（LST）isanimportantsurfacephysicalparameter.TakingBeijingareaastheresearcharea，basedonLandsat8imagedata，LSTisretrievedbytheradiationtransferequationalgorithm（RTEal⁃（JM_SC10algorithm）.Theresultisverifiedbymeteorologicalobservationpointdata.TheresultsshowthattheTIRS10_SCalgorithmhasthebestaccuracy，RMSEis3.92°C，followedbyRTEalgorithmandJM_SC10algorithm.Keywords：Landsat8；Landsurfacetemperature；Landsurfacetemperatureretrieval地表温度是影响陆地、海洋和大气之间物理过程的重要参数，在城市热环境研究［1］、生态环境监测［2］以及灾害预警［3］等领域具有广泛的应用。随着技术的发展，通过卫星遥感数据反演LST，已经成为了高效获取大范围LST的主要途径。Landsat8卫星发射于2013年，其TIRS传感器空间分辨率达100m，OLI传感器的空间分辨率达到30m、15m，是目前遥感反演LST的重要数据源。国内外学者提出了许多针对Landsat8TIRS10遥感数据改进的温度反演算法，如胡德勇等［4］提出了针对Landsat8TIRS10的单窗算法；Jiménez-Muñoz等［5］在其原有单通道算法［6］（Single-channelAlgorithm，SC算法）的基础上，通过模拟数据集改进了针对Landsat8的参数，提出了改进单通道算法。

本研究选取北京市作为研究区，基于Landsat8数据，采用辐射传输方程法、改进单窗算法及改进单通道算法来反演LST，并采用60个观测点的实测数据对反演结果进行验证，以期为LST反演算法的选择提供参考。

gorithm），theimprovedsinglewindowalgorithm（TIRS10_SCalgorithm）andtheimprovedsinglechannelalgorithm

了城市快速扩张、人口的爆炸式增长以及土地利用变革，城市热岛效应加剧，因而监测北京市LST具有重要意义。

2

2.1

研究方法

数据来源及预处理

Landsat8影像来源于USGS官网

（https：//glovis.usgs.gov/），轨道号为123/32，下载2014年9月4日Landsat8影像数据，该景影像云量低于0.1%，影像质量高，适宜进行温度反演；与Landsat8数据成像时间相近的MODISL1B数据用于进行大气水汽含量反演；气象观测点数据来源于中国科学院资源环境科学数据中心。2.22.2.1

反演算法对比及参数计算辐射传输方程法

辐射传输方程法，也称为大气

校正法（RadiativeTransferEquationAlgorithm，简称RTE

算法）。卫星传感器接收到的热红外辐射亮度值L由3部分组成：大气向上辐射亮度L↑、大气向下辐射亮度L↓以及地面辐射经大气传导后到达传感器的辐射亮度。表达式为：

地表温度TS可以根据普朗克函数公式获取：

TS=K2/ln(1+k1/B(TS)

1研究区概况

北京市位于华北平原北部，近几十年来，北京市经历

􀲕􀲕L=[εB(Ts)+(1-ε)L↓]τ+L↑

作者简介：段金馈（1993—），男，山东济南人，在读硕士，研究方向：GIS技术与应用。收稿日期：2019-08-17

25卷17期段金馈基于Landsat8数据的地表温度反演算法对比分析

149

τ为大气透过率，式中：L↑、L↓以及τ可以通过NASA查

算法）是Jiménez-Mu1oz在其原有单通道算法［6］（Single-channelAlgorithm，简称SC算法）的基础上，针对Landsat8的大气参数提出来的。表达式为：

φ1·L+φ2êú+δTS=γ·é+φ3ù

εëû

δ≈T10-T102/bγ

γ≈T102/bγL

询网站（https：//atmcorr.gsfc.nasa.gov/）获取；对于Landsat8K1=774.89W/K2=1321.08K；ε为地表TIRS10，（m2·sr·μm），

比辐射率，通过NDVI阈值法计算：

ε+0.004Pv+0.986

化植被指数NDVI来计算。2.2.2

式中：Pv为植被覆盖度，可根据像元二分模型由归一针对TIRS10的单窗算法

针对Landsat8TIRS10单

［4］

窗算法（TIRS10_SC算法）是胡德勇等在覃志豪单窗算法［7］的基础上针对LandsatTIRS传感器提出的。表达式为：

2

TS=[K2(C+D)T10+(1-C-D)T10-K2DTa]/K2C

［（ω<(g/cm2))］，采用初步改进的MODIS通道比值法［8］反bγ=1324。bγ为常数，演大气水汽含量ω。；对于TIRS10，

φ1、φ2、φ3是与大气水汽含量ω有关的函数式中：

3

3.1

反演结果及精度验证

反演结果对比

利用上述算法，通过ENVI5.3、Arc⁃

C-ετ

D=(1-τ)[1+(1-ε)τ]

gis10.4等工具，得到了北京市2014年9月4日LST反演结

果（图1）。由图1可知，3种算法反演得到的LST空间分布规律基本一致。温度较高的地区集中在中部及东南部不透水面为主的地区；北部地区及西部地区温度较低，低温区域相对集中在西北部树木和裸土为主的地区以及东北部树木覆盖的地区；水体分布地区是周边的低温中心，如东部的于桥水库、中部的密云水库和怀柔水库以及西部的官厅水库。

均作用温度,通过中纬度夏季标准大气的大气平均作用温度估算方程［7］获取：

T0(K)为近地表温度，式中：可由气象站数据获得。

Ta=16.0110+0.92621T0

T10为Landsat8TIRS10的辐射亮温；Ta为大气平式中：

2.2.3改进单通道算改进单通道算法［5］（简称JM_SC10

图13种算法温度反演结果

续表1观测点紫竹院奥林匹克公园世界公园玉渊潭稻香湖云岗郎各庄玉泉营北安河永丰中学五棵松西集青云店瀛海北臧村

3种LST反演算法与观测点实测温度数据

数据来源（℃）

实测29.330.130.430.630.330.529.430.730.628.530.128.729.22928

RTE30.7629.6131.4833.9528.638.2

TIRS10_SC29.8828.6730.5833.1627.6537.5442.5532.4431.3329.1331.8431.9231.837.334.2

JM_SC1030.2332.1429.2239.0343.9335.6333.8832.8938.7530.6933.2333.2633.3734.631.43.2反演结果精度验证为验证3种算法的精度，选取与

Landsat8影像成像同一日期相近时刻（2014年9月4日11时）的北京市60个气象观测点的实测数据，并从站点栅格内统计3种算法反演得到的LST进行验证。由表1可知：RTE算法、JM_SC10算法和TIRS10_SC算法的RMSE分别为4.51℃、3.92℃和5.03℃，各算法反演的LST普遍高于站点实测值且偏差不大，反演精度较为接近；其中TIRS10_SC算法RMSE最小，表明其反演的LST与观测点温度偏差最小，可信反演精度更高。在相关性方面，RTE、TIRS10_SC、JM_SC10等3种算法的回归系数R2值分别为0.4168、0.4131性较好。

表1观测点天安门奥体中心

3种LST反演算法与观测点实测温度数据

数据来源（℃）

实测29.431.6RTE36.9435.51TIRS10_SC36.2334.78JM_SC1037.6536.2543.1335.0332.2238.0330.0532.6732.6532.7833.3

及0.4239，表明3种算法反演的LST与观测点温度的相关

150续表13种LST反演算法与观测点实测温度数据

观测点数据来源（℃）

实测RTETIRS10_SCJM_SC10旧宫30蒲洼25.528.2

37.3429.06南召28.729.1536.735.9432.97灵山18.332.39军响28.122.0131.5529.8122.41齐家庄27.530.7320.9829.5531.19古将30.730.4430.8730.62东新城29.231.7730.0831.9

农场25.530.9927.3931.73大庄科27.528.3427.5928.91菊花基地25.228.5526.5228.77辛庄堡25.227.4928.1627.84八达岭25.429.1南独乐河28.631.3427.426.4429.33西樊各庄28.928.7530.4327.68大孙各庄28.832.9927.7932.15北小营28.836.8932.1329.5233.76高丽营29.229.62九渡河31.432.2828.6836.237.74渤海31.131.7731.3930.26喇叭沟门27.429.7930.8832.73七道河28.7228.8532.26新城子27.92929.6327.7730.4428.7129.38东邵渠28.8番字牌29.129.0332.5

31.6629.8633.23顺义29.433.43延庆27.1632.5728.129.64佛爷顶22.32526.5426.2234.26汤河口28.730.7125.5627.7526.8密云28.134.38怀柔28.729.4333.5929.831.39上甸子27.531.1128.4935.57平谷27.629.5230.230.4228.631.48朝阳29.536.6530.4537.38昌平30.6斋堂27.832.953835.9337.2638.59门头沟30.135.4432.0933.42观象台28.937.4934.6336.26石景山30.833.9736.7938.18丰台29.835.2433.1234.67大兴29.534.8834.5135.96房山28.235.3134.07霞云岭RMSE29.734.0235.9335.534.19R2

0.41684.5133.2134.5

0.41313.920.42395.03安徽农学通报，AnhuiAgri，Sci，Bull，2019，25（17）

4结论与讨论

本文基于2014年9月4日北京市Landsat8遥感数据，通

过RTE算法、JM_SC10算法及TIRS10_SC算法进行了LST反演，并通过60个观测点实测温度对反演结果进精度验证，主要结论如下：

（1）3种算法反演的LST的空间分布格局相似，且普遍高于观测点温度。不同算法反演的LST存在差异，JM_SC10（2）3算法反演的种算法与观测点数据存在较好的相关性，LST高于其他2种算法。

其R2

值分别为0.4168、0.4131和0.4239；反演精度有差别，TIRS10_SC算法的较差，算法的反演精度最好，RMSE分别为3.92℃、RTE4.51℃算法次之，和5.03℃JM_SC10。

本文的结果具有一定的适用性，可以为LST反演算法的选择提供一定的参考。但LST受多方面因素的影响，研究不同区域LST反演算法的适用性是今后的重点。参考文献

1］ZAKŠEKK，OŠTIRK.Downscalinglandsurfacetemperatureforur⁃

banronmentheat，2012island，117diurnal：114-124.

cycleanalysis［J］.RemoteSensingofEnvi⁃2］SEKERTEKINA，KUTOGLUSH，KAYAS.Evaluationofspatio-temporalZonguldakvariability，TurkeyinLandSurfaceTemperature：Acasestudyof］2015BHARDWAJ，188（1）：A30.

［J］.EnvironmentalMonitoringandAssessment，3，SINGHS，SAML，etal.Areviewonremotely

sensedsorinformation［J］.Internationallandsurfacetemperatureanomalyasanearthquakeprecur⁃，2017，63Journal：158-166.ofAppliedEarthObservationandGeo⁃4］胡德勇，乔琨，王兴玲，等.单窗算法结合Landsat8热红外数据反演地表温度［J］.遥感学报，2015，19（06）：964-976.5］JIMÉNEZ-MUÑOZJC，SOBRINOJA，SKOKOVICsurface'

D，等.Land

fraredtemperatureretrievalmethodsfromLandsat-8thermal6］terssensordata［J］.IEEEGeoscienceandRemoteSensingLet⁃in⁃JIMÉNEZ-MUÑOZ，2014，11（10）：1840-1843.

JC，SOBRINOJA.Ageneralizedsingle-chan⁃

nelsensingmethoddata［forJ］retrievingJournaloflandGeophysicalsurfacetemperatureResearch：Atmospheresfromremote2003，108（D22）.

.，7］QINZ，KARNIELIA，BERLINERP.Amono-windowalgorithmfor

retrievingapplicationlandtothesurfaceIsrael-EgypttemperatureborderfromLandsatTMdataanditsnalKAUFMANofremoteYsensingJ，GAO，2001B-C.Remote，22（18）：3719-3746.

region［J］.Internationaljour⁃8］sensingofwatervaporinthe

nearandRemoteIRfromSensingEOS/，MODIS1992，［30J（］5.）IEEE：871-884.

TransactionsonGeoscience（责编：张宏民）

［［［［［［［［