中巴經濟走廊2013–2018年地表溫度高分辨率反演數據集

中巴經濟走廊2013–2018年地表溫度高分辨率反演數據集
作者:趙國輝 張耀南 康建芳
2019年8月13日
本作品收錄於《中國科學數據
趙國輝, 張耀南, 康建芳. 中巴經濟走廊2013–2018年地表溫度高分辨率反演數據集[J/OL]. 中國科學數據, 2019, 4(3). (2019-08-10). DOI: 10.11922/csdata.2018.0055.zh.


摘要&關鍵詞

編輯

摘要:區域下墊面熱力狀態是研究防災減災、氣候變化、環境演變以及人地相互作用等一系列地球科學問題的重要出發點與紐帶。地表溫度是中巴經濟走廊冰川、凍土、水文、生態以及災害等眾多環境問題的關鍵因子和基礎數據。本數據集基於Landsat 8衛星熱紅外波段,採用多模型集成比較的方法,製備了中巴經濟走廊地區2013年以來的高分辨率地表溫度反演數據集,空間分辨率為30 m,時間分辨率為16天。採用的模型包括單通道反演模型、雙通道劈窗反演模型以及數據融合模型,依據誤差最小原則,自動製備了地表溫度序列產品。為了控制數據的產品質量,將反演的地表溫度與MODIS地表溫度產品進行了全面比較。數據抽樣結果表明:樣本的一致性指數均大於0.84,Kling-Gupta係數在0.72以上。此外,通過對比驗證,本數據產品在空間分辨率上具有明顯優勢。本數據集可用於中巴經濟走廊區域地表溫度時空變化監測,為科學研究、工程建設以及社會服務提供基礎數據資料。

關鍵詞:中巴經濟走廊;地表溫度;數據反演;2013–2018;Landsat 8

Abstract & Keywords

編輯

Abstract: Land surface temperature provides important basic data for research on, for example, hydrology, ecology, climate, natural disasters, environment and resources. A series of scientific issues in earth sciences, including disaster prevention and mitigation, climate change, environmental evolution and human-land interaction, all require a complete understanding of the thermal state of ground surface. Based on the thermal infrared bands of LANDSAT 8, a high-resolution temperature inversion dataset for the China–Pakistan Economic Corridor from 2013 to 2018 was built by using multiple LST inversion models. The data has a spatial resolution of 30 m and a temporal resolution of 16 days. The study uses different models to retrieve land surface temperature data, such as single-channel inversion model, double-channel split-window inversion model and data fusion model. For data quality verification, the temperature data are validated against MODIS MOD11A1 V6 surface temperature products. A sample test shows that the agreement index is greater than 0.84 and the Kling-Gupta coefficient is greater than 0.72. A comparison and verification shows that this data product has a higher spatial resolution. The dataset can be used to study the spatiotemporal change of natural environment, providing basic data for relevant scientific research, engineering construction and social service along the China–Pakistan Economic Corridor.

Keywords: China-Pakistan Economic Corridor; land surface temperature; data inversion; 2013 – 2018; Landsat 8

數據庫(集)基本信息簡介

編輯
數據庫(集)名稱 中巴經濟走廊2013–2018年高空間分辨率地表溫度反演數據集
數據作者 趙國輝,張耀南,康建芳
數據通信作者 張耀南(yaonan@lzb.ac.cn)
數據時間範圍 2013–2018年
地理區域 中巴經濟走廊區域,起點中國喀什,終點在巴基斯坦瓜達爾港,全長3000公里,地理範圍23°47′N–41°55′N,60°20′E–80°16′E。
空間分辨率 30 m
數據量 3.73 TB
數據格式 GeoTIFF
數據服務系統網址 http://www.crensed.ac.cn/portal/metadata/d0dd0c4c-cdb6-4257-ae71-cf370aeea74f
基金項目 國家科技基礎條件平台「特殊環境特殊功能觀測研究台站共享服務平台」項目(Y719H71001);中國科學院信息化專項「寒旱區環境演變研究『科技領域雲』的建設與應用」項目(XXH13506)。
數據庫(集)組成 數據集按照年份共分為6個目錄,在每個年份目錄下按照月份劃分為12個子目錄,數據命名規則為CPEC_LST_Xm_PPPRRR _YYYYMMDD.tif,其中X為分辨率,PPPRRR為WRS2行列號,YYYYMMDD為年月日標識,例如CPEC_LST_30m_152042_20170603.tif。

Dataset Profile

編輯
Title A dataset of high-resolution land surface temperature inversion for the China-Pakistan Economic Corridor (2013–2018)
Data corresponding author Zhang Yaonan (yaonan@lzb.ac.cn)
Data authors Zhao Guohui, Zhang Yaonan, Kang Jianfang
Time range 2013–2018
Geographical scope China-Pakistan Economic Corridor: 23°47′ N – 41°55′ N, 60°20′ E – 80°16′ E
Spatial resolution 30 m
Data volume 3.73 TB
Data format GeoTIFF
Data service system <http://www.crensed.ac.cn/portal/metadata/d0dd0c4c-cdb6-4257-ae71-cf370aeea74f>
Sources of funding 「Special environment & special function observation research station shared service platform」 program of the National Science and Technology Infrastructure Platform (Y719H71001); Information technology program of the Chinese Academy of Sciences , Research on Environmental Evolution in Cold and Arid regions: Construction and Application of CSTCloud (XXH13506).
Dataset composition This dataset contains six directories corresponding to the six years. Each directory contains 12 sub-directories corresponding to the 12 month. Data files are named in the format: CPEC_LST_Xm_PPPRRR_YYYYMMDD.tif, where X is spatial resolution, YYYYMMDD is the year, month and date of the observation, PPPRRR is the WRS path and row numbers (e.g., CPEC_LST_30m_152042_20170603.tif).


引 言

編輯

地表溫度(Land Surface Temperature,LST)作為陸地表面熱輻射狀態的度量,綜合了地表與大氣相互作用以及大氣和陸地之間能量交換的全部結果,是表徵地表水熱平衡和氣候變化的關鍵參數、地表循環過程研究的重要組成部分。準確地反演區域地表溫度時空變化不僅對氣候變化、生態保護以及資源評價等相關領域的研究至關重要,而且對環境監測、災害防治、工程建設等也具有重要應用價值[1]

傳統地表溫度監測技術很難獲取其時空分布特徵數據,在區域研究和應用中受極大的限制,而熱紅外遙感探測技術能夠探測到地表直接發射能量,成為獲取區域地溫的重要途徑[2]。基於遙感手段的陸表參數反演為地表溫度時空數據製備提供了直接的技術手段。目前常用的地表溫度遙感數據多數來自MODIS衛星,其雖具有較好的區域性和實效性,對於地表變化連續觀測具有明顯優勢,但是無法滿足局部區域環境變化監測的空間分辨率。Landsat系列衛星數據憑藉其長期連續、全球覆蓋、高分辨率、科學的數據存檔與分發策略等優勢,成為地表特徵和地球系統科學研究中最有效的遙感數據之一[3]。自2013年Landsat 8衛星成功發射以來,提供免費的中分辨率數據以及16天的重放周期,成為區域熱紅外遙感的重要數據源,目前已擁有5年多的熱紅外波段存檔數據,為地表溫度反演提供了重要的數據支撐。

目前針對不同的應用領域以及區域,國內外學者發展了不同的地表溫度反演模型。為了準確地反演地表溫度的時空變化,兼顧模型的適用性,構建了地表溫度反演模型集,其中包括單通道反演模型、雙通道劈窗反演模型以及數據融合模型。依據遴選標準,自動生成製備了中巴經濟走廊區域2013–2018年Landsat 8地表溫度遙感反演數據集(圖1),以期為中巴經濟走廊自然環境變時空化監測研究、工程建設以及社會服務提供基礎數據資料。


圖片

圖1 中巴經濟走廊區域2013–2018年地表溫度遙感反演數據集覆蓋範圍


1 數據採集和處理方法

編輯

1.1 基礎數據

編輯

Landsat 8衛星攜帶的2個主要傳感器陸地成像儀(OLI)和熱紅外傳感器(TIRS),在掃描方式、波段設置、輻射分辨性能等方面較之前的Landsat系列衛星均有很大的改進,尤其是熱紅外遙感器TIRS,可探測10.6–11.2 μm和11.5–12.5 μm兩個熱紅外波段的輻射,瞬時視場角15°,地面幅寬185 km,可以更好地對熱紅外數據進行大氣校正,進而能夠對地表溫度進行準確地反演。為此,本數據集基於Landsat 8的兩個熱紅外通道(第10與11波段),反演製備地表溫度產品。基礎數據來源於美國USGS EarthExplorer(https://earthexplorer.usgs.gov/)官方网站,获取了自2013年到目前所有的Landsat 8 OLI/TIRS C1 Level-1數據產品(表1),具體行列號見圖1。


表1 Landsat 8 OLI/TIRS C1 Level-1數據產品描述

序號 波段 描述 波長(μm) 空間分辨率(m) 傳感器
1 Band 1 Coastal/Aerosol 0.435–0.451 30 OLI
2 Band 2 Blue 0.452–0.512 30 OLI
3 Band 3 Green 0.533–0.590 30 OLI
4 Band 4 Red 0.636 - 0.673 30 OLI
5 Band 5 Near Infrared 0.851–0.879 30 OLI
6 Band 6 Short-wave Infrared 1.566–1.651 30 OLI
7 Band 7 Short-wave Infrared 2.107–2.294 30 OLI
8 Band 8 Panchromatic 0.503–0.676 15 OLI
9 Band 9 Cirrus 1.363–1.384 30 OLI
10 Band 10 Thermal Infrared 10.60–11.19 30* TIRS
11 Band 11 Thermal Infrared 11.50–12.51 30* TIRS


  • USGS發布的1級產品已對數據進行了預處理,包括將TIRS波段從100 m重採樣到30 m。

1.2 處理方法

編輯

本數據集的數據處理流程如圖2,具體步驟如下:


圖片

圖2 中巴經濟走廊地表溫度數據集製備流程


步驟 1 首先對Landsat 8的基礎數據按照數據質量進行篩選,把雲量大於20%的數據剔除,然後分別對OLI和TIRS傳感器數據進行處理。

步驟 2 按照Landsat 8數據手冊[4],分別計算TIRS第10、11波段的輻射亮度值\({L}_{\lambda }\),並基於輻射亮度值計算星上亮度溫度BT。依據裂窗協方差比算法[5][6]反演大氣水汽含量ω,以修正大氣和地表比輻射率的影響,算法如下: \[\omega ={c}_{0}+{c}_{1}×\frac{{\tau }_{j}}{{\tau }_{i}}+{c}_{2}{\left(\frac{{\tau }_{j}}{{\tau }_{i}}\right)}^{2}                                                     \left(1\right)\]\[\frac{{\tau }_{j}}{{\tau }_{i}}=\frac{{\epsilon }_{i}}{{\epsilon }_{j}}{R}_{j,i}, {          R}_{ji}=\frac{{\sum }_{k=1}^{N}\left({BT}_{i,k}\stackrel{-}{BT}}_{i}\right)\left(B{T}_{j,k{\stackrel{-}{BT}}_{j}\right)}{{\sum }_{k=1}^{N}{\left({BT}_{i,k}\stackrel{-}{BT}}_{i}\right)}^{2}}                            \left(2\right)\] 式中\({\tau }_{i}\),\({\tau }_{j}\)分别为第10波段和第11波段的大气透过率,\({\epsilon }_{i}\)与\({\epsilon }_{j}\)为其对应的比辐射率,\({\stackrel{-}{BT}}_{i}\)与\({\stackrel{-}{BT}}_{j}\)为其移动窗口内第10波段、第11波段的亮温均值,k为窗口内像元的索引,N为窗口大小,\({c}_{0}\)、\({c}_{1}\)与\({c}_{2}\)为基于大气辐射传输模型MODTRAN和大气廓线数据库TIGR(Thermodynamic Initial Guess Retrieval database)模拟产生的回归系数。

步骤 3 地表发射率是衡量表面散热效率的指标,不同的下垫面有不同的发射率值(0–1)。本数据集采用植被覆盖度加权法[7][8],基于Landsat 8 OLI第4、5波段获取地表发射率ε: \[\varepsilon ={\epsilon }_{v}FVC+{\epsilon }_{s}\left(1-FVC\right)+4 〈 d\epsilon  〉 FVC \left(1-FVC\right)                                \left(3\right)\]\[FVC={\left(\frac{NDVINDVI}_{s}}{{NDVI}_{v{NDVI}_{s}}\right)}^{2}                                                   \left(4\right)\]\[NDVI=\left({\rho }_{5{\rho }_{4}\right)/\left({\rho }_{5}+{\rho }_{4}\right)                                                \left(5\right)\] 式中:植被組分發射率\({\epsilon }_{v}\)與地表背景發射率\({\epsilon }_{s}\)數據來源於光譜數據庫;<dε>表示像元內組分間多次散射而形成的腔體效應參數。FVC為植被覆蓋度,NDVIs 和NDVIv 分別為裸土和濃密植被的歸一化植被指數NDVI值,\({\rho }_{4}\)與\({\rho }_{5}\)為經過大氣輻射校正模型COST(Cosine of solar zenith angle)修正過的Landsat 8紅波段Band 4與近紅外波段Band 5的地表反射率。

步驟 4 地表熱輻射傳輸方程是遙感反演地表溫度的基礎,依據地表熱輻射理論,建立地表溫度LST的反演計算模型集,包括輻射傳輸方程單通道反演模型(SC1)[9]、單通道發射率校正模型(SC2)[10]、雙通道劈窗算法模型(SW)[5]以及數據融合算法(DF),其具體推導過程及參數不再一一贅述,用戶可具體參考每個算法對應的文獻資料,主要公式如下:

1) SC1模型 \[{LST}_{SC1}=\gamma \left[\frac{1}{\epsilon }\left({\psi }_{1}{L}_{\lambda }+{\psi }_{2}\right)+{\psi }_{3}\right]+\delta \left(6\right)\]\[{\psi }_{i}={{b}_{i,2}\omega }^{2}+{b}_{i,1}\omega +{b}_{i,0} , \gamma \approx \frac{{BT}^{2}}{\mathrm{K}\bullet {L}_{\lambda }} , \delta \approx BT-\frac{{BT}^{2}}{\mathrm{K}} \left(7\right)\] 式中:\({\psi }_{1}、{\psi }_{2}\)與\({\psi }_{3}\)是大氣函數,利用大氣水汽含量ω近似獲取,\({L}_{\lambda }\)為星上輻射亮度值,bi, 0 、bi, 1 與bi, 2 為回歸參數,K為常數,其他符號同上。

2) SC2模型 \[{LST}_{SC2}=\frac{{BT}_{10}}{1+\frac{\lambda \sigma {BT}_{10}}{hc}\mathrm{ln}\epsilon } \left(8\right)\] 式中:\({BT}_{10}\)為Landsat 8第10波段亮度溫度,λ為Landsat 8第10波段的波長,σ為玻爾茲曼常數,h為普朗克常數,c為光速。

3) SW模型 \[{LST}_{SW}={b}_{0}+\left({b}_{1}+{b}_{2}\frac{1-\epsilon }{\epsilon }+{b}_{3}\frac{∆\epsilon }{{\epsilon }^{2}}\right)\frac{{BT}_{10}+{BT}_{11}}{2}+\left({b}_{4}+{b}_{5}\frac{1-\epsilon }{\epsilon }+{b}_{6}\frac{∆\epsilon }{{\epsilon }^{2}}\right)\frac{B{T}_{10}BT}_{11}}{2}+{b}_{7}{\left(B{T}_{10{BT}_{11}\right)}^{2} \left(9\right)\] 式中:\({BT}_{11}\)為Landsat 8第11波段亮度溫度,bn(n = 0,1,...7)為模型回歸係數,\(\epsilon \)和\(∆\epsilon \)分別為TIRS兩個通道的發射率均值與差值。

  4) DF模型 

依據空間相似性,每個MOD11A1數據產品像元對應不同地表類型Landsat 8像元的地表溫度表達式為:

\({P}_{M}=\frac{1}{N}\sum _{j=1}^{m}{f}_{j}\left({P}_{L,j}\right) \) (10) \[{f}_{j}={BT}_{10}+{a}_{0,j}\left({BT}_{10}BT}_{11}\right)+{{a}_{1,j}\left({BT}_{10{BT}_{11}\right)}^{2}+{{a}_{2,j}\left(NDVI\right)}^{2}+{a}_{3,j}\left(NDVI\right)+{a}_{4,j} \left(11\right)\] 式中:\({P}_{M}\)為MOD11A1像元值,N為一個MOD11A1像元對應Landsat像元的個數,m為N個像元中所對應的高分辨率地表覆蓋類型總數,PL,j 為m個地物類別中j類別的像元值,\({f}_{j}\)標識不同地表類型之間高低分辨率之間的對應關係,\({a}_{i,j}\)(i= 0,1,...4) 為MODIS與Landsat混合像元法求解出的回歸參數。

步驟 5 遴選地表溫度產品。以上4種反演模型產品以及第10與第11波段反演得到的亮溫均值產品共計5種地表溫度產品輸出。為了與MODIS MOD11A1地溫數據產品空間網格單元一一對應,每種模型反演產品分別進行坐標轉換與重採樣處理,然後逐像元進行統計比較,依據評價指標,選擇最優反演結果納入數據集。

2 數據樣本描述

編輯

地表溫度產品數據集命名格式為CPEC_LST_Xm_PPPRRR_YYYYMMDD.tif,其中X表示地表溫度產品的分辨率,Landsat反演的地溫產品為30 m,YYYY表示年份,MM表示月份,DD表示天,PPP是Landsat WRS2全球參考系統的條帶號,RRR為其行號,例CPEC_LST_30m_152042_20170603.tif,中巴經濟走廊區域中的數據如圖3所示。目前數據起止時間為2013–2018年,並實時更新,目前數據共17018景,數據容量3822 GB,數據文件按照時間進行分類,數據格式為Geotiff文件,坐標系統為UTM坐標系統,數據類型為Single,溫度單位為℃,可使用通過空間分析軟件直接讀取顯示、融合以及分析(圖4)。


圖片

圖3 中巴經濟走廊地表溫度產品單幅數據示例(CPEC_LST_30m_149038_20170918.tif)


圖片

圖4 中巴經濟走廊全區域地表溫度產品數據拼接融合示例(CPEC_LST_1km_201807.tif)


3 數據質量控制和評估

編輯

3.1 質量控制

編輯

數據集生產過程中對模型反演結果進行了逐景比較,每種模型反演的數據產品進行空間融合後與MODIS MOD11A1 V6地表溫度產品逐像元比較,按照評價指標從中選擇最優反演產品。本數據集的數據遴選指標包括納什效率係數(NSE)、一致性指數(d)、Kling-Gupta係數(KGE)[11]、相關係數(R)與百分比偏差(Pbias)5種指標對數據產品進行質量控制。

3.2 數據評估

編輯

數據集質量評估採用整體評估和局部評估相結合的方法。整體評估採用隨機抽樣的方法,從全部數據產品中隨機選取6組數據進行對比實驗,數據樣本分布如圖5所示,每組數據產品的對比評價結果見表2。


圖片

圖5 中巴經濟走廊地表溫度數據集隨機抽樣數據空間分布圖(紅色表示)


表2 中巴經濟走廊地表溫度數據集抽樣數據整體統計特徵

No NSE d KGE R RMSE Pbias
Case1 0.686718 0.92459 0.80298 0.8275 2.5748 −0.059
Case2 0.58036 0.90692 0.80316 0.84465 2.5560 −2.2125
Case3 0.652364 0.87973 0.72429 0.88177 1.3074 −0.4122
Case4 0.520501 0.8498 0.59283 0.76165 4.7713 −3.9133
Case5 0.780329 0.95623 0.85319 0.97264 1.9507 4.32386
Case6 0.670532 0.91233 0.83199 0.85874 2.0782 3.16136


其次,為確保數據統計的隨機性,開展了局部抽樣評估,即再次從每組數據產品中隨機選取子區域,進行對比分析,驗證其空間相關性(圖6),結果表明R2均在0.66以上,與整體趨勢吻合。


圖片

圖6 中巴經濟走廊地表溫度案例數據子區域隨機採樣統計分析


4 數據價值

編輯

本數據集在整體上與MODIS地表溫度產品保持較高的空間相關性,由於Landsat 8較高的空間分辨率,可以反演出更加清晰的地表紋理特徵,例如水體、居住區、植被等地物,表達了更加詳盡的地表溫度細節與特徵(圖7),可直接用於表徵中巴經濟走廊區域陸表溫度時空變化,開展探索其時空分異特徵與規律研究,為研究凍融災害、氣候變化、災害預測、熱島效應、工程安全等科學問題提供基礎數據資料,服務於中巴兩國的線路建設、生態保護、資源調查、工程建設以及防災減災等社會經濟發展需求。


圖片

圖7 數據產品局部對照圖(a為區域遙感影像,b為MODIS地表溫度產品,c為本數據集產品)


5 數據使用方法和建議

編輯

本數據集可通過國家特殊環境、特殊功能觀測研究台站共享服務平台(http://www.crensed.ac.cn)申请下载。由于数据量比较大也可联系数据作者,访问中国科学院超级计算兰州分中心的计算与数据平台,进行在线数据下载、共享、分析、处理及应用。数据文件均为GeoTIFF格式,可通过GIS相关的软件如ENVI、GRASS、ArcGIS等,直接进行查看与应用。

由於地表溫度的遙感反演受地表發射率、大氣透過率以及下墊面狀況的影響,目前針對地表溫度的遙感反演產品適宜於基於相對溫度的科學應用,地表溫度的真實值需要依據每個像元的發射率、地物分類以及大氣條狀況對本數據產品進行修正。

致 謝

編輯

感謝國家特殊環境、特殊功能觀測研究台站共享服務平台給與的項目支持。感謝 USGS EarthExplorer網站提供免費的Landsat 8與MODIS數據產品。

參考文獻

編輯
  1. 劉超, 歷華, 杜永明, 等. Himawari 8 AHI數據地表溫度反演的實用劈窗算法[J]. 遙感學報, 2017, 21(5): 702-714.
  2. 胡德勇, 喬琨, 王興玲, 等. 利用單窗算法反演Landsat 8 TIRS數據地表溫度[J]. 武漢大學學報(信息科學版), 2017, 42(7): 869-876.
  3. 姜高珍, 韓冰, 高應波, 等. Landsat系列衛星對地觀測40年回顧及LDCM前瞻[J]. 遙感學報, 2013(5): 1033-1048.
  4. Department of the Interior US Geological Survey. USGS (2016) LANDSAT 8 (L8) Data Users Handbook. LSDS-1574 Version 2.0[EB/OL]. [2019-08-27]. https://landsat.usgs.gov/landsat-8-data-users-handbook.
  5. ^ 5.0 5.1 DU C, REN H, QIN Q, et al. A Practical Split-Window Algorithm for Estimating Land Surface Temperature from Landsat 8 Data [J]. Remote Sensing, 2015, 7(1): 647-665.
  6. REN H, DU C, LIU R, et al. Atmospheric water vapor retrieval from Landsat 8 thermal infrared images[J]. Journal of Geophysical Research Atmospheres, 2015, 120(5): 1723-1738.
  7. QING P Z, XIN X, JIAO J J, et al. Remote sensing algorithm for surface evapotranspiration considering landscape and statistical effects on mixed pixels[J]. Hydrology & Earth System Sciences, 2016, 20(11): 4409-4438.
  8. 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.
  9. CRISTÓBAL J, JIMÉNEZ-MUÑOZ J C, PRAKASH A, et al. An Improved Single-Channel Method to Retrieve Land Surface Temperature from the Landsat-8 Thermal Band[J]. Remote Sensing, 2018, 10(3): 431.
  10. WENG Q, LU D, SCHUBRING J. Estimation of land surface temperature-vegetation abundance relationship for urban heat island studies[J]. Remote Sensing of Environment, 2004, 89(4): 467–483.
  11. KLING H, FUCHS M, PAULIN M. Runoff conditions in the upper Danube basin under an ensemble of climate change scenarios[J]. Journal of Hydrology, 2012, 424/425(5): 264-277.

數據引用格式

編輯

趙國輝, 張耀南, 康建芳. 中巴經濟走廊2013–2018年地表溫度高分辨率反演數據集[DB/OL]. 國家特殊環境、特殊功能觀測研究台站共享服務平台, 2018. (2018-08-27). DOI: 10.12072/casnw.054.2018.db.


 

本作品在「知識共享-署名 4.0 國際」協議下發表。

Public domainPublic domainfalsefalse