基於Landsat數據的三亞市陸表溫度反演數據集

基於Landsat數據的三亞市陸表溫度反演數據集
作者:谷艷春 胡蝶 張穎 張琳琳
2019年5月15日
本作品收錄於《中國科學數據
谷艷春, 胡蝶, 張穎, 張琳琳. 基於Landsat數據的三亞市陸表溫度反演數據集[J/OL]. 中國科學數據, 2019, 4(2). (2019-04-19). DOI: 10.11922/csdata.2018.0070.zh.


摘要&關鍵詞

編輯

摘要:陸表溫度是影響城市環境質量的重要因素之一。近年來,陸表溫度在各大城市中的研究越來越多。本文基於Landsat系列影像數據,利用RSTAR輻射傳輸模型對三亞市陸表溫度反演研究,實驗得到了2000年、2004年、2008年、2012年、2016年和2018年三亞市陸表溫度產品。結果表明:這套研究方法可操作性強、簡單易行,反演精度較高。可廣泛應用於其他城市陸表溫度反演,從而發揮更高的應用價值。

關鍵詞:陸表溫度;輻射傳輸;Landsat;三亞市

Abstract & Keywords

編輯

Abstract: Land surface temperature is one of the most important factors affecting urban environmental quality. In recent years, land surface temperature has been studied more and more in major cities. In this paper, based on Landsat series image data, using RSTAR radiation transfer model to retrieve land surface temperature in Sanya, the land surface temperature products in 2000, 2004, 2008, 2012, 2016 and 2018 were obtained. The results show that the method is easy to operate and has high inversion accuracy. It can be widely used in land surface temperature inversion of other cities, thus playing a higher application value.

Keywords: land surface temperature  ; radiative transfer; Landsat; Sanya; radiative transfer  ; Landsat; Sanya; Landsat; Sanya

數據庫(集)基本信息簡介

編輯
數據庫(集)名稱 基於Landsat數據的三亞市陸表溫度反演數據集
數據作者 谷艷春、胡蝶、張穎、張琳琳
數據通信作者 胡蝶(519324656@qq.com)
數據時間範圍 2000–2018年
地理區域 三亞市(18°09′34″–18°37′27″N、108°56′30″–109°48′28″E)
空間分辨率 Landsat 5:30/120 m Landsat 8:30/100 m
數據量 427 KB
數據格式 *.vsd,*.png,*.pro
數據服務系統網址 http://www.sciencedb.cn/dataSet/handle/675
基金項目 海南省重大科技計劃項目(ZDKJ2016021);海南省重大科技計劃項目(ZDKJ2017009);四川省科技計劃項目(2018JZ0054)。
數據庫(集)組成 本數據集主要包括4個文件夾,分別為:1. 封面圖文件夾,png格式;2. 三亞市溫度反演結果圖文件夾,內含2000–2018年png格式的數據;3. 數據集構建及處理流程,內含命名為基於輻射傳輸方程模型的陸表溫度反演數據集vsd格式的數據;4. 溫度反演代碼文件夾,內含pro格式Landsat 5 (LST5)和Landsat 8 (LST8)溫度反演代碼數據。

Dataset Profile

編輯
Title Inverted land surface temperature for Sanya city based on Landsat data
Data corresponding author Hu Die(519324656@qq.com)
Data authors Gu Yanchun, Hu Die, Zhang Ying, Zhang Linlin
Time range 2000–2018
Geographical scope Sanya (18°09′34″–18°37′27″N, 108°56′30″–109°48′28″E)
Spatial resolution Landsat 5: 30/120 m Landsat 8: 30/100 m
Data volume 427 KB
Data format *.vsd, *.png, *.pro
Data service system <http://www.sciencedb.cn/dataSet/handle/675>
Sources of funding Major Science and Technology Program of Hainan Province (ZDKJ2016021); Major Science and Technology Program of Hainan Province (ZDKJ2017009); Science and Technology Program of Sichuan Province (2018JZ0054).
Dataset composition This dataset mainly includes the following four folders: 1. cover folder: which contains a map of administrative zoning in Sanya in PNG format; 2. Sanya temperature inversion map folder: which contains the temperature inversion images of Sanya during 2000-2018 in PNG format; 3. data set construction and processing process: which contains land surface temperature inversion data based on the radiative transfer model in VSD format; 4. Temperature inversion code folder: which contains Landsat 5 (LST5) and Landsat8 (LST8) temperature inversion code data in PRO format.


引 言

編輯

陸表溫度即陸地表面溫度(Land Surface Temperature,LST)是環境監測、氣候、水文、農業等陸表研究分析和應用模型創建中的重要輸入參數,也是其他很多研究和應用的基礎,如土壤水分監測、地熱位置判別等均離不開陸表溫度的測定[1]。反演陸表溫度一直是遙感定量化應用的重要內容,在具體研究中選擇最佳的陸表溫度反演算法,是提高反演精度的首要因素。

目前,針對陸表溫度反演已提出了諸多不同算法,如基於影像的反演算法[2]、單通道算法[3][4]、單窗算法[5][6][7]、劈窗算法[8][9][10][11][12][13]和多通道算法[14][15][16]。其中最常用的是由Becker等在1990年提出的劈窗算法,此算法經諸多改進,已廣泛應用於NOAA系列衛星熱紅外遙感數據。但由於陸地表面組成物質的不均一性、複雜性以及大氣影響,遙感影像反演陸表溫度始終是一個重要而複雜的研究課題[17]。RSTAR輻射傳輸模型充分考慮到這些問題,彌補了長序列陸表溫度反演有較多不足之處,如大氣參數未考慮;大氣傳輸物理意義不明確;只有在晴空無雲且精確估算地表發射率的情況下精度高;對NOAA系列衛星熱紅外遙感數據效果最佳;一般的輻射傳輸方程方法參數難確定、溫度反演過程繁雜。隨着遙感衛星數量的逐年增加,遙感影像也隨之愈加豐富,因此充分發揮遙感能夠長時間序列的溫度反演,可實現區域溫度監測的優勢。

本文利用Landsat 5和Landsat 8影像數據,基於RSTAR輻射傳輸模型計算大氣廓線,採用覃志豪[18]等提出的簡單易行且精度高的地表發射率估算方法,計算出三亞市2000年、2004年、2008年、2012年、2016年和2018年夏季(6–8月)共6景(無雲或少雲)陸表溫度,以便從整體監測三亞市陸表溫度變化趨勢。

本文的研究區三亞市(18°09′34″–18°37′27″N,108°56′30″–109°48′28″E)位於海南島的最南端,東鄰陵水縣,西接樂東縣,北毗保亭縣,南臨南海。氣候屬於熱帶海洋季風氣候,年均氣溫25.7°C。

1 數據採集和處理方法

編輯

本數據集構建過程包括數據下載、計算大氣上下行輻射和大氣透過率參數、溫度反演代碼實現、裁剪和輸出幾個步驟,如圖1。


圖片

圖1 數據集構建及處理流程


其中,數據處理過程中使用到的IDL是一種數據分析和圖像化應用程序及編程語言,有靈活的數據輸入輸出、快速實現可視化、支持外部語言接口等優勢,是遙感常用編程方式處理影像的最佳選擇,本數據集用到的是IDL 8.5版本。

1.1 數據來源與數據概括

編輯

Landsat系列影像數據以相對較高的空間分辨率優勢(如Landsat 8熱紅外波段的空間分辨率為100 m),有助於提高陸表溫度反演結果的精度。1984年3月1日,USGS成功發射的Landsat 5衛星有一個熱紅外波段Band 6(10.40 -12.5μm);2013年2月11日,NASA成功發射的Landsat 8衛星有兩個熱紅外波段Band 10(10.6-11.2μm)和Band 11(11.2-12.5μm),因Band 11運行出現問題,故本文利用Band 10單波段反演地表溫度。本文所用Landsat系列影像數據均可在地理空間數據云網站(http://www.gscloud.cn/search)获取。

1.2 數據處理

編輯

1.2.1 大氣剖面參數計算

編輯

大氣剖面參數計算主要是依據大氣輻射傳輸模式計算大氣上行輻射、下行輻射和大氣透過率參數,大氣傳輸模式為RSTAR輻射傳輸模式。本文根據具體影像的過境時間、中心經緯度、所屬季度(夏季或冬季)和傳感器類型,直接在大氣校正參數計算器網站(https://atmcorr.gsfc.nasa.gov/)计算得到每幅影像的大气上行辐射、下行辐射和大气透过率参数。

1.2.2 可見光波段處理

編輯

根據Chander等研究[19],比較來自不同傳感器圖像時,應使用大氣表觀反射率(Top of Atmosphere Reflectance,TOA reflectance),具體做法如下:首先,消除不同太陽天頂角餘弦值產生的誤差;其次,利用TOA reflectance補償光譜帶差引起的太陽輻照度的不同值;最後,用TOA reflectance校正由不同數據採集時間導致的日地距離的變化。該過程的關鍵代碼(圖2)是在IDL 8.5中通過代碼完成的。


圖片

圖2 可見光波段處理關鍵代碼


1.2.3 地表發射率計算

編輯

基於覃志豪[18]等提出的地表發射率反演算法,對水體掩膜後,將地表分為自然(植被+裸土)和城鎮(植被+建築表面)兩類。算法主要有三步:首先,計算植被覆蓋度;其次,城市表面可以看作是由不同比例的植被和建築物組成,自然表面可以看作是由不同比例的植被和裸露土壤組成;最後,生成整個研究區影像的地表發射率圖。該過程的關鍵代碼如圖3所示。


圖片

圖3 計算地表發射率關鍵代碼


1.2.4 陸表溫度反演

編輯

本小節主要分為三步:首先,將大氣剖面參數計算得到的大氣上行輻射、下行輻射和大氣透過率參數輸入圖4所示的代碼里;其次,根據可見光波段處理、地表發射率計算的數據計算得到反演的溫度圖;最後選擇溫度反演結果的存儲位置。該過程的關鍵代碼如圖4所示。


圖片

圖4 陸表溫度反演關鍵代碼


2 數據樣本描述

編輯

在多種陸表溫度反演算法中選擇輻射傳輸方程計算方法,基於RSTAR輻射傳輸模型計算大氣廓線,採用覃志豪[18]提出的地表發射率估算方法,計算出2000年、2004年、2008年、2012年、2016年和2018年共6景(無雲或少雲)三亞市陸表溫度,部分結果如圖5所示。


圖片

圖5 2018年三亞市陸表溫度反演結果


3 數據質量控制

編輯

本數據集通過以下幾方面進行質量控制:

(1)數據源質量控制。在選取Landsat衛星數據時,以有數據、無雲或者少雲、無條帶為選取標準。因為高質量的數據源是得到高精度結果的必要條件。

(2)溫度反演結果質量控制。本文為驗證陸表溫度產品精度,依據以往三亞市溫度數據統計分析反演得到的溫度與公布的同地同時地表溫度的相關性,其相關係數R2為0.91,並以此作為驗證陸表溫度產品數據的可靠依據。

4 數據價值

編輯

本研究提出了適合於城市熱環境特徵的地表溫度反演技術,為遙感服務於城市建設提供技術支持。數據成果具有很強的實用性、普適性,如反演產品可為城市生態環境研究提供數據產品服務,無論區域大小均可適用。同時數據成果可為環保部門和城建部門開展城市熱環境變化監測提供檢測方式,具有很強的應用價值和實用性。

通過遙感手段反演城市熱空間信息參量,充分發揮了遙感監測的周期性和時效性,便於在短時間快速分析判斷城市生態環境時空演化特徵。

致 謝

編輯

感謝地理空間數據云提供的Landsat-TM和Landsat-OLI數據。

參考文獻

編輯
  1. 陳媛媛. 高分五號熱紅外數據地表溫度反演算法研究[D]. 北京: 中國農業科學院, 2017.
  2. WAN Z, DOZIER J. A generalized split-window algorithm for retrieving land-surface temperature from space[J]. IEEE Transactions on Geoscience & Remote Sensing, 1996, 34(4): 892-905.
  3. NICHOL J E. High-resolution surface temperature patterns related to urban morphology in a tropical city: A satellite-based stud[J]. Journal of Applied Meteorology, 1996, 35(1): 135-46.
  4. SOBRINO J A, JIMENEZ-MUNOZ J C, SORIA G, et al. Land Surface Emissivity Retrieval From Different VNIR and TIR Sensors[J]. IEEE Transactions on Geoscience & Remote Sensing, 2008, 46(2): 316-327.
  5. JIMÉNEZ-MUOZ, JUAN C . A generalized single-channel method for retrieving land surface temperature from remote sensing data[J]. Journal of Geophysical Research, 2003, 108(D22): 4688.
  6. HAO Q Z , HUA Z M , KARNIELI A , et al. Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 data[J]. Acta Geographica Sinica, 2001, 56(4):456-466.
  7. 周紀, 李京, 趙祥, 等. 用HJ-1B衛星數據反演地表溫度的修正單通道算法[J]. 紅外與毫米波學報, 2011, 30(1): 61-67.
  8. WANG J, HUANG B, FU D, et al. Spatiotemporal Variation in Surface Urban Heat Island Intensity and Associated Determinants across Major Chinese Cities[J]. Remote Sensing, 2015, 7(4): 3670-3689.
  9. ROZENSTEIN O, QIN Z, DERIMIAN Y, et al. Derivation of land surface temperature for Landsat-8 TIRS using a split window algorithm[J]. Sensors, 2014, 14(4): 5768-5780.
  10. WIGNERON J P, SCHMUGGE T, CHANZY A, et al. Use of passive microwave remote sensing to monitor soil moisture[J]. Agronomie, 1998, 18(1): 27-43.
  11. JIMENEZ-MUNOZ J C, SOBRINO J A. Split-Window Coefficients for Land Surface Temperature Retrieval From Low-Resolution Thermal Infrared Sensors[J]. IEEE Geoscience & Remote Sensing Letters, 2008, 5(4): 806-809.
  12. WAN Z. New refinements and validation of the MODIS Land-Surface Temperature/Emissivity products[J]. Remote Sensing of Environment, 2014, 140(1): 36-45.
  13. BECKER F, LI Z L. Towards a local split window method over land surfaces. International Journal of Remote Sensing[J]. International Journal of Remote Sensing, 1990, 11(3): 369-393.
  14. IMHOFF M L, ZHANG P, WOLFE R E, et al. Remote sensing of the urban heat island effect across biomes in the continental USA[J]. Remote Sensing of Environment, 2010, 114(3): 504-513.
  15. HENRY J A, DICKS S E, WETTERQVIST O F, et al. Comparison of satellite, ground-based, and modeling techniques for analyzing the urban heat island[J]. Photogrammetric Engineering & Remote Sensing, 1989, 55(1): 69-76.
  16. PENG S, PIAO S, CIAIS P, et al. Surface urban heat island across 419 global big cities.[J]. Environmental Science & Technology, 2012, 46(2): 696-703.
  17. 楊虎, 楊忠東. 中國陸地區域陸表溫度業務化遙感反演算法及產品運行系統[J]. 遙感學報, 2006, 10(4): 600-607.
  18. ^ 18.0 18.1 18.2 覃志豪, ZHANG M H, ARNON K, 等. 用陸地衛星TM6數據演算地表溫度的單窗算法[J]. 地理學報, 2001, 56(4): 456-466.
  19. ANGAL A, CHANDER G, CHOI T, et al. The use of the Sonoran Desert as a pseudo-invariant site for optical sensor cross-calibration and long-term stability monitoring[J]. 2010, 38(5): 1656-1659.

數據引用格式

編輯

谷艷春, 胡蝶, 張穎, 張琳琳. 基於Landsat數據的三亞市陸表溫度反演數據集[DB/OL]. Science Data Bank, 2018. (2019-02-22). DOI: 10.11922/sciencedb.675.


 

本作品在「知識共享-署名 4.0 國際」協議下發表。

Public domainPublic domainfalsefalse