贺华承

（长江大学，武汉 430100）

地表温度（Land Surface Temperature，LST）是非常重要的地表参数之一，涉及许多基础科学的研究，其影响着“地－气”之间的能量交换和水热平衡的过程，在城市热环境、辐射和能量平衡、全球气候变化等研究领域都有重要的应用价值。地表温度同时也是众多基础学科和应用领域的一个关键参数，掌握地表温度的空间和时间变化情况，对于城市的发展和规划、资源环境的变化分析等都有着非常重要的意义。

在热红外遥感技术普及以前，科研人员通常使用地面气象站测量的方式来获取地表温度数据。自20 世纪60 年代起，遥感数据开始用于地表温度的反演，国内外学者针对不同卫星的特点相继提出了各种各样的反演算法来提高地表温度反演结果的精度，主要有辐射传输方程法[1]、单窗算法[2]、劈窗算法及多通道多角度算法等。

随着对地观测系统的发展，有很多数据源都可以被用来反演地表温度。其中Landsat 系列卫星是重要的地表温度反演数据源之一，提供了非常丰富的热红外数据。本文选择使用Landsat-8 卫星的热红外遥感数据作为本次研究的数据源。选择华南工业重镇柳州市作为研究区域，进行地表温度变化遥感反演的研究。

1 研究区及数据源概况

1.1 研究区概况

柳州市地处华南，位于广西壮族自治区北部，总面积约18 618 km2。柳江为境内最大河流，市区地形平坦，略有起伏，气候属中亚热带季风气候。气温由南向北递减，2018 年市区年平均气温为21.6 ℃，市区年总降水量1 260.7 mm。

1.2 数据来源

本文研究使用的遥感影像数据为Landsat-8 遥感影像数据，数据来源于地理空间数据云网站和美国地质勘探局。Landsat-8 卫星拥有2 个传感器，分别是陆地成像仪OLI 和热红外传感器TIRS，OLI 传感器可接收包括可见光、近红外、短波红外共9 个光谱波段，其空间分辨率为30 m；TIRS 传感器设置了2 个热红外波段，空间分辨率为100 m[3]。

本文研究区域为柳州市，故均选取行列号为125/42和125/43 的两景影像。其中行列号为125/42 的影像选取了6 期；行列号为125/43 的影像选取了9 期，选取的影像均为经过了地形校正的Level 1TP 级，具体的日期见表1。

表1 Landsat-8 行列号和日期

本次研究的气象数据来自中国气象数据网（http：//data.cma.cn/）提供的0 cm 地温数据，其中柳州气象站编号为59046，融安气象站编号为57947。

2 地表温度反演基本原理及研究方法

2.1 大气校正法

大气校正法又称为辐射传输方程法，主要原理为根据实时大气探测数据和大气模型来评估大气对于地表热辐射的影响，并从传感器观测的热辐射总量中去消除这一部分的大气影响，从而得到真实的地表热辐射强度，最后计算得出地表温度。大气校正法的表达式为

式中：I为传感器上测得的热辐射强度，W·m-2·sr-1·μm-1；ε为地表比辐射率；B（TS）是普朗克定律推导的黑体热辐射强度，TS为地表真实温度，K；I↑、I↓为大气上行和下行热辐射强度，W·m-2·sr-1·μm-1；τ 为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B（TS）为

TS可以通过普朗克公式获取

对于TIRS Band10 数据，K1=774.89 W·m-2·sr-1·μm-1，K2=1 321.08 K。通过成像时间及中心纬度，在NASA 提供的大气校正参数计算器中可以计算得到I↑、I↓和τ[4]。

2.2 温度梯度划分

由于遥感影像数据来源于不同的时间，所以天气会有所不同，不能直接进行比较。不过温度的分布近似于正态分布，所以可以采取均值-标准差的方法以同一个标准将不同地表温度反演结果划分为不同的等级。这样可以更直观、清晰地对不同的数据进行比较分析[5]。如表2 所示，将温度划分为5 个等级，按温度从低到高分别是：低温区、较低温区、常温区、较高温区和高温区。

表2 温度梯度划分标准

3 数据处理过程

3.1 数据预处理

在遥感影像数据下载完成后，首先对热红外遥感影像进行辐射定标处理。在ArcGIS 工具箱中选取辐射定标工具，波段选择热红外波段，定标类型选择辐射亮度值，然后执行定标得到Band10 辐射亮度数据。然后使用FLAASH 大气校正模块进行大气校正，得到Landsat-8 OLI 大气校正结果。

3.2 地表温度反演

3.2.1 地表比辐射率计算

在工具箱中选择NDVI 工具，在文件输入对话框中选取上一步完成的大气校正结果，选择NDVI 计算波段，Red：4，NearIR：5。输出得到NDVI 文件。再在工具箱中选择波段计算器，根据表达式

式中：b1 为NDVI 数据，计算后可以得出植被覆盖度图像。

在工具箱中选择波段计算器，根据表达式

式中：b1 为植被覆盖度图像，计算后得到地表比辐射率图像。

3.2.2 黑体辐射亮度与地表温度计算

在NASA 提供的大气校正参数计算器网站（http：//atmcorr.gsfc.nasa.gov）得到大气在热红外波段的通过率、大气向上辐射亮度和大气向下辐射亮度[6]。然后根据公式（2）在波段计算器中计算得出同温度下的黑体辐射亮度图像。再根据公式（3）在波段计算器中计算得出地表温度图像。

最后将地表温度图像进行镶嵌并按照柳州市行政区划矢量图裁剪，得到柳州地区的地表温度反演结果。

3.3 反演结果验证

本次研究所采用的遥感影像数据获取时间均为格林威治标准时间3 时10 分左右，对应到研究区当地时间应该是中午11 时10 分左右，正处于地表温度升温期。选取研究区内柳州和融安2 个气象站0 cm 地表温度日平均温度与大气校正法地表温度反演结果进行比较，温度反演结果与柳州气象站相比温度差值最大为1.5 ℃，最小差值为0.1 ℃，均方根误差是0.8；与融安气象站相比温度差值最大为1.6 ℃，最小为0.1 ℃，均方根误差是0.8。各项差值均在正常范围以内，温度反演结果合理，有一定的参考价值。

4 实验结果分析

4.1 地表温度年度变化分析

按照均值-标准差法将反演结果的温度以梯度划分。2013 年、2015 年到2019 年遥感温度反演结果的平均值分别为18.7、24.5、26.2、24.6、24.1 和30.2 ℃，标准差分别为1.9、2.7、3.9、3.3、2.0 和2.9 ℃。

图1 展示了从2013 年到2019 年柳州市各温度区间的面积变化情况。从图中可以看出，这几年中对于高温区面积而言，从2013 年的264.7 km2提高到2015 年的371.2km2，增长了约107km2，2016 年下降到189.5km2，随后一直升高，到2019 年高温区面积达到了425.7 km2；较高温区面积从2013 年的高点2 978.1 km2到2016年较高温区面积显着下降了约824 km2，2016 年到达最低点2 153.7 km2后较高温区面积略有上升，在2019 年回到接近2015 年的水平，约2 224.7 km2。从2013 年到2015 年低温区面积从468.1 km2减少到338.5 km2，随后低温区面积一直增长，在2018 年达到了约559.7 km2，到2019 年回落到406.8 km2；2013年到2016 年较低温区面积减少了约804 km2，在2016年达到最低点1 356.5 km2后到2018 年有一个反弹上升趋势，增长了约642 km2，在2019 年较低温区面积下降到1 728.0 km2，接近2015 年的面积。高温、较高温区面积的减少和低温、较低温区面积的上升也从侧面显示出生态环境修复取得了显着成效。

图1 2013—2019 年柳州市各温区面积变化图

图2 显示了从2013 年到2019 年的地表温度等级的分布情况，从图中可以看出近些年来地表温度区域的空间分布变化。在图中可以明显看出，柳州市存在高温区非常集中现象，其高温、较高温区域分布与城市建成区域存在高度重合。高温区域主要分布在柳江两岸，尤其是商业和住宅集中的“U”形城中区域，另外在柳江、河西、柳北及阳江的工业园集群和柳州白莲机场都形成了几个高温中心。2013 年的影像获取时间由于是在冬季，城区西部的农田和山石地植被消失地表裸露在外，所以会出现少许较高温区域，但是其他影像获取时间都在秋季，地表有植被覆盖因此没有形成显着的较高温区域。2015 年以后沿洛清江形成了雒容镇-鹿寨镇-寨沙镇的强高温带，除此以外，各个辖区的中心镇也开始形成较高温区为主的区域。

4.2 市区地表温度随季节变化分析

本次研究地表温度随季节变化的研究区为柳州市主城区。根据四季温度变化的反演结果，可以得出夏季温度明显高于其他季节，其中建筑密集的区域温度高于其他建筑稀少地区；春季和冬季非建筑密集的区域温差不大，但是春季建筑密集区域的整体地表温度要高于冬季；秋季地表温度要高于春、冬两季，但是低于夏季。

在去除异常值后对各个季节温度相关指标进行统计，从地表平均温度来看，夏季平均温度最高为34.0 ℃，秋季其次为25.2 ℃，春季为20.5 ℃排第三，冬季平均温度最低为17.9 ℃；从最大值来看，夏季的最高温57.5 ℃为4 个季度中最高，春季和秋季近似，冬季最低为36.7 ℃；从最小值来看，夏季最高有22.0 ℃，其他3 个季节均低于10 ℃，春季甚至低于0 ℃，得出的结论与常识相符。

图3 是根据市区影像反演结果按均值-标准差法将温度按梯度划分后的影像图。从图中可以看出，柳州市一年四季都存在明显的高温集中区域，且冬、春两季范围小，夏、秋两季范围大。夏季和秋季的高温区主要集中在柳江附近的商业住宅区和工业区，低温区集中在西南方向和东部的丘陵地区。冬季的高温区明显减少，商业住宅区的高温显着减弱，高温区主要在工业区，较高温区向南部转移，原因是该区域有大量耕地植被覆盖在冬季会减少，低温区集中在城市西部的丘陵区域。春季高温区大量向城市南部转移，南部耕地和山石裸露区域地表温度显着高于城市其他地方，低温区和较低温区集中在城市西部。

图3 柳州市城区不同季节温度等级分布图

5 结束语

本文以Landsat-8 卫星作为数据源，利用基于辐射传输方程的大气校正法对柳州市2013 年到2019 年共9 个时相的遥感影像数据进行反演。通过统计不同等级地表温度面积的变化及使用目视判读各温区分布的方法分析了柳州市地表温度的时空分布特征。最后得出的主要结论如下：

1）柳州市的地表温度主要以常温区为主，较高温和高温区主要出现在城镇人口和建筑密集区域，较低温和低温主要出现在水域或者海拔较高的山区。统计不同温度等级的面积大小，温度等级面积呈正态分布，常温区面积最大，各区面积由常温向极端温度递减。从2013 年到2016 年较高温区和较低温区面积都有所下降，分别下降了约824、804 km2，低温区和高温区面积大致不变；从2016 年到2018 年较低温区和较高温区面积开始反弹升高，分别增长了642、102 km2，低温区和高温区面积分别增加了约138、139 km2，常温区面积减少了约1 020 km2；从2018 到2019 年高温区面积继续增大至426 km2，较高温区面积基本不变，维持在2 200 km2左右，低温区面积缩小了153 km2，较低温区面积减少了约270 km2。

2）柳州市城区的高温集中区域普遍分布在人口活跃、密集的商业居民区和工业园区，说明地表温度与人类活动密切相关，并且在夏、秋两季会出现明显的高温集中区域，冬、春两季高温区域明显减小且向城市南部耕地、山石地区转移。