趙菲菲， 包妮沙， 吳立新,3， 孫瑞

(1.東北大學(xué)測(cè)繪遙感與數(shù)字礦山研究所,沈陽(yáng) 110819； 2.北京國(guó)測(cè)星繪信息技術(shù)有限公司，北京 100048；3.中南大學(xué)地球科學(xué)與信息物理學(xué)院，長(zhǎng)沙 410083； 4.江蘇省地質(zhì)測(cè)繪院,南京 210008)

國(guó)產(chǎn)HJ-1B衛(wèi)星數(shù)據(jù)的地表溫度及濕度反演方法
——以呼倫貝爾草原伊敏露天煤礦區(qū)為例

趙菲菲1,2， 包妮沙1， 吳立新1,3， 孫瑞4

(1.東北大學(xué)測(cè)繪遙感與數(shù)字礦山研究所,沈陽(yáng) 110819； 2.北京國(guó)測(cè)星繪信息技術(shù)有限公司，北京 100048；3.中南大學(xué)地球科學(xué)與信息物理學(xué)院，長(zhǎng)沙 410083； 4.江蘇省地質(zhì)測(cè)繪院,南京 210008)

草原露天煤礦的土壤濕度遙感監(jiān)測(cè)可以反映露天開(kāi)采活動(dòng)對(duì)生態(tài)環(huán)境的擾動(dòng)程度。選擇國(guó)產(chǎn)環(huán)境衛(wèi)星(HJ-1B)多光譜及熱紅外光譜數(shù)據(jù)，探討HJ-1B數(shù)據(jù)在中國(guó)北部呼倫貝爾草原伊敏露天煤礦區(qū)地表溫度及濕度的反演模型及適宜性，對(duì)比分析JM&S,Qin和Artis算法在研究區(qū)溫度反演中的精度及適用性； 進(jìn)一步利用歸一化植被指數(shù)和地表溫度(NDVI-LST)的特征空間反演溫度植被干旱指數(shù)(temperature vegetation dryness index，TVDI)； 通過(guò)野外實(shí)測(cè)土壤濕度數(shù)據(jù)對(duì)NDVI-LST特征空間中的干邊模型進(jìn)行修正。結(jié)果表明： 基于Qin算法反演的溫度數(shù)據(jù)精度最高； 干邊糾正系數(shù)為0.3時(shí)，TVDI與實(shí)測(cè)土壤含水量相關(guān)性最高，“濕邊”呈現(xiàn)剖物線特征，“干邊”呈現(xiàn)線性規(guī)律。反演結(jié)果能夠很好地反映露天煤礦區(qū)內(nèi)不同地物的地表干旱狀況及空間異質(zhì)性，可為草原露天煤礦區(qū)的長(zhǎng)周期陸面演變監(jiān)測(cè)提供基礎(chǔ)數(shù)據(jù)。

國(guó)產(chǎn)環(huán)境衛(wèi)星(HJ-1B)； 露天煤礦區(qū)； 干邊模型； 地表溫度(LST)； 土壤濕度； 溫度植被干旱指數(shù)(TVDI)

0 引言

土壤濕度作為“大氣―土壤―植被”系統(tǒng)物質(zhì)與能量交換的主要環(huán)節(jié)，在一定程度上決定了土壤的形成與性質(zhì)，同時(shí)也是影響氣候的重要因素，對(duì)全球氣候變化敏感，可作為地表水文過(guò)程的一個(gè)綜合表征[1]。干旱-半干旱區(qū)約占全球陸地總面積的30%，區(qū)域降水稀少、水資源缺乏、生態(tài)環(huán)境極其脆弱，對(duì)全球變化的響應(yīng)十分敏感[2]。因此，開(kāi)展土壤濕度的監(jiān)測(cè)、預(yù)測(cè)與評(píng)估研究，不僅迫在眉睫，而且具有重大現(xiàn)實(shí)意義。隨著衛(wèi)星遙感技術(shù)和GIS技術(shù)集成的迅速發(fā)展，通過(guò)對(duì)地面溫度變化、作物生理參數(shù)變化以及云層覆蓋等進(jìn)行建模，建立評(píng)估土壤水分含量變化狀況的干旱監(jiān)測(cè)模型，可以及時(shí)有效地完成大面積、實(shí)時(shí)動(dòng)態(tài)的干旱地區(qū)旱情監(jiān)測(cè)[3]。

土壤濕度的遙感反演方法主要有微波遙感法、可見(jiàn)光法與熱紅外法[4]等。隨著星載遙感儀器開(kāi)始為地表溫度(land surface temperature,LST)反演研究提供熱紅外遙感數(shù)據(jù)，利用可見(jiàn)光與近紅外法獲取的能夠反演作物形態(tài)指標(biāo)與生理特性的土壤濕度監(jiān)測(cè)綜合指數(shù)也得到了廣泛應(yīng)用[5-6]，目前NOAA系列衛(wèi)星、Landsat系列衛(wèi)星、Terra/Aqua系列衛(wèi)星等搭載的遙感儀器為土壤水分的估測(cè)提供了可見(jiàn)光與熱紅外數(shù)據(jù)[7]。然而，由于中等空間分辨率或時(shí)間分辨率的限制，聯(lián)合光學(xué)遙感與熱紅外遙感的干旱監(jiān)測(cè)只能應(yīng)用在大尺度的區(qū)域。環(huán)境一號(hào)A/B衛(wèi)星(HJ-1A/B)是我國(guó)自主研發(fā)的、專門(mén)用于環(huán)境和災(zāi)害監(jiān)測(cè)的對(duì)地觀測(cè)衛(wèi)星[8-9]。環(huán)境一號(hào)B星(HJ-1B)搭載了CCD相機(jī)和紅外相機(jī)(IRS)，其30 m空間分辨率的可見(jiàn)光與近紅外波段、300 m空間分辨率的熱紅外波段以及4 d的重訪周期，為我國(guó)自主完成小尺度的土壤濕度監(jiān)測(cè)提供了高時(shí)間分辨率和較高空間分辨率的遙感數(shù)據(jù)源[10-11]。地表數(shù)據(jù)與從遙感圖像獲取的歸一化差值植被指數(shù)(normalized difference vegetation index,NDVI)和LST是描述地球表面特征的2個(gè)重要參數(shù)，與植被的生理特性和土壤水分狀況密切相關(guān)[12]。溫度植被干旱指數(shù)[13](temperature vegetation dryness index,TVDI)綜合了NDVI與LST這2個(gè)參數(shù)，有效地減小了植被覆蓋度對(duì)土壤濕度監(jiān)測(cè)的影響，可更多地提供地表水分含量與植被覆蓋的變化信息，解決植物在受水分脅迫時(shí)短期內(nèi)仍能保持原有綠色的時(shí)間滯后問(wèn)題，從而為干旱監(jiān)測(cè)提供準(zhǔn)確的數(shù)據(jù)支持[14]。TVDI是基于NDVI-LST的空間特征關(guān)系得到的，LST數(shù)據(jù)的反演精度對(duì)土壤濕度的反演結(jié)果尤為重要。目前，利用單個(gè)熱紅外波段進(jìn)行溫度反演的算法主要有JM&S單通道算法[15]、單窗算法[16]和Artis算法[17]，而對(duì)HJ-1B數(shù)據(jù)的不同溫度反演算法的適用性與精度有待進(jìn)一步探討。

內(nèi)蒙古自治區(qū)東部草原(簡(jiǎn)稱蒙東草原)是我國(guó)半干旱區(qū)域氣候變化響應(yīng)的敏感區(qū)域，這一區(qū)域持續(xù)而又頻繁的煤炭開(kāi)采活動(dòng)，改變了草原區(qū)域的地下水位，破壞了周邊植被，因而出現(xiàn)了植被退化、土壤沙化等環(huán)境問(wèn)題，進(jìn)一步加重了半干旱化的進(jìn)程。盡管蒙東草原植被退化及沙漠化的時(shí)空變化得到了廣泛研究[18-21]，但對(duì)與草原退化與沙漠化密切相關(guān)的LST與土壤濕度變化研究較少。因此，本文的目的是探討適合HJ-1B數(shù)據(jù)的小尺度草地生態(tài)系統(tǒng)的LST與土壤濕度的反演模型，以推動(dòng)國(guó)產(chǎn)衛(wèi)星在蒙東草原長(zhǎng)周期地面演變監(jiān)測(cè)和半干旱區(qū)域礦區(qū)干旱動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用。

1 研究區(qū)概況

以伊敏露天煤礦為研究區(qū)，該區(qū)地處我國(guó)大興安嶺以西、海拉爾盆地以西的呼倫貝爾草原(蒙東草原的重要組成部分)，伊敏河中下游的西側(cè)，占地面積371 hm2(圖1(a))。

(a) HJ-1B B3(R)B2(G)B1(B)彩色合成圖像(b) 礦區(qū)地物分類結(jié)果(2014年9月)

圖1伊敏露天煤礦

Fig.1Yiminopen-castcoalmine

研究區(qū)寒溫帶大陸性季風(fēng)氣候特點(diǎn)顯著，年平均降水量為28 mm，降水期主要集中在7—8月。礦區(qū)主要土壤類型為黑鈣土、暗栗鈣土和栗鈣土，其地帶性高原型地貌的主要植被覆蓋為羊草、針茅和披堿草等牧草。伊敏露天煤礦開(kāi)采始于1985年，服務(wù)年限設(shè)計(jì)為90 a，現(xiàn)已經(jīng)形成3個(gè)排土場(chǎng)與1個(gè)采坑區(qū)，其中將剝離的巖石、土壤進(jìn)行堆置并覆以30 cm的標(biāo)稱原地貌土壤而形成排土場(chǎng)，排土場(chǎng)主要復(fù)墾植被為針茅與沙棘。

2 數(shù)據(jù)源及其預(yù)處理

2.1 遙感數(shù)據(jù)

HJ-1A/B星于2008年9月6日成功發(fā)射，HJ-1A星搭載了超光譜成像儀和CCD相機(jī)，HJ-1 B星搭載了紅外相機(jī)和CCD相機(jī)，重訪周期為4 d。根據(jù)2014年6―9月份的降水量數(shù)據(jù)，確定研究區(qū)的降水集中在7―8月份，因此本文選取2014年9月覆蓋伊敏煤礦區(qū)半干旱草原的HJ-1B衛(wèi)星數(shù)據(jù)。對(duì)HJ-1B數(shù)據(jù)進(jìn)行了必要的預(yù)處理，包括對(duì)IRS數(shù)據(jù)的輻射定標(biāo)與CCD數(shù)據(jù)大氣校正，以及圖像幾何配準(zhǔn)(配準(zhǔn)誤差小于1個(gè)像元)、數(shù)據(jù)裁剪和統(tǒng)一至30 m空間分辨率的重采樣。

2.2 地面采樣

本研究于2014年9月6―12日進(jìn)行了地面采樣及觀測(cè)實(shí)驗(yàn)，采樣時(shí)間與HJ-1B衛(wèi)星遙感數(shù)據(jù)獲取時(shí)間基本同步，采樣范圍以伊敏露天煤礦區(qū)為中心外擴(kuò)10 km, 采樣涉及范圍達(dá)1 600 km2。根據(jù)研究區(qū)土地利用現(xiàn)狀圖(圖1(b))，采用分區(qū)隨機(jī)采樣法布設(shè)樣點(diǎn)，共布設(shè)46個(gè)樣方、14個(gè)控制點(diǎn)。采樣單元均勻分布在1 km×1 km樣地中，每個(gè)采樣單元大小為30 m×30 m； 在采樣單元內(nèi)按照“V”形狀選取3個(gè)1 m×1 m樣方，樣方采集的土樣深度為0～10 cm； 對(duì)每一樣方采用四分法進(jìn)行取樣，并測(cè)量土壤的含水量； 取3個(gè)樣方土壤含水率的均值作為基本采樣單元的土壤濕度值，同時(shí)利用GPS記錄每個(gè)樣方的地理坐標(biāo)和植被類型等。土壤含水率測(cè)算方法為： 將土樣在105℃的環(huán)境下烘干至恒重； 用精度為0.01 g的天平稱土樣的濕重與干重，分別秤3次，計(jì)算均值，得到土壤的含水量。

2.3 氣象數(shù)據(jù)

研究區(qū)的氣象數(shù)據(jù)由距離礦區(qū)50 km的氣象站提供，分別為2014年9月的平均水汽壓(e)數(shù)據(jù)、平均溫度數(shù)據(jù)(T0)以及6―9月份的降水量數(shù)據(jù)。

2.4 驗(yàn)證數(shù)據(jù)

分別利用MODIS數(shù)據(jù)和野外實(shí)測(cè)數(shù)據(jù)對(duì)利用HJ-1B數(shù)據(jù)反演的LST數(shù)據(jù)進(jìn)行驗(yàn)證。下載與HJ-1B星數(shù)據(jù)獲取時(shí)間一致的MODIS LST數(shù)據(jù)產(chǎn)品。MODIS的溫度產(chǎn)品MOD11A1是采用Sinusoidal投影方式的3級(jí)網(wǎng)格數(shù)據(jù)產(chǎn)品，具有1 000 m的空間分辨率，每天提供一次。為了避免因地面配準(zhǔn)產(chǎn)生的誤差導(dǎo)致遙感衛(wèi)星數(shù)據(jù)反演的土壤濕度像元和地面樣方不能一一對(duì)應(yīng)，以野外基本采樣單元(30 m×30 m)為中心像元，生成3像元×3像元窗口，取該窗口內(nèi)圖像的土壤濕度的均值，與地面土壤濕度建立對(duì)應(yīng)關(guān)系，從而利用野外采樣數(shù)據(jù)驗(yàn)證遙感反演結(jié)果。

3 研究方法

3.1 溫度反演

TS=γ[ε-1(ψ1Lsensor+ψ2)+ψ3]+δ,

(1)

其中

(2)

δ=-γLsensor+Tsensor,

(3)

式中：Ts為地表溫度，K；Tsensor為星上亮溫，K；Lsensor為星上輻射值，Wm-2·sr-1·μm-1；ε為地表比輻射率；λ為有效波長(zhǎng)，根據(jù)JM&S算法中的計(jì)算公式得到λ=11.511 μm；γ與δ為與普朗克公式線性展開(kāi)有關(guān)的變量； c1和c2為輻射常數(shù)，c1=1.191 043 56×108Wm-2·sr-1·μm4，c2=1.438 765 8×104μm·K；ψ1,ψ2和ψ3為大氣參數(shù)，與波長(zhǎng)和大氣含水量(ω)有關(guān)，針對(duì)HJ-1B熱紅外波段，參考段四波等[22]文獻(xiàn)，其計(jì)算公式為

(4)

式中ω=0.138e1.001，e為氣象站提供的平均水汽壓數(shù)據(jù)。

Qin等[16]根據(jù)地表熱輻射傳導(dǎo)公式提出了單窗算法，與傳統(tǒng)的輻射傳導(dǎo)方程法相比，僅需要近地表溫度與大氣水分含量2個(gè)大氣參數(shù)，即

(5)

其中

C=ετ，

(6)

D=(1-τ)[1+(1-ε)τ],

(7)

式中：ε為地表比輻射率； a和b為根據(jù)圖像的溫度變化范圍得到的常數(shù)，在本研究區(qū)，a=-60.896 9,b=0.439 078；Tsensor為星上亮溫，K；Ta為大氣平均溫度，即

Ta=20.430 72+0.905 07T0(中緯度夏季大氣) ;

(8)

T0為近地表溫度；τ為大氣透過(guò)率，可由大氣水汽含量估算得到，即

τ=0.983 1-0.124 1ω。

(9)

Artis等[17]提出的基于圖像的反演算法，反演過(guò)程較為簡(jiǎn)單，易操作，但忽略了大氣輻射因素的影響。其計(jì)算公式為

(10)

ρ=hc/σ,

(11)

式中：T為星上亮溫，K；λ為有效波長(zhǎng)(11.511 μm )；ε為比輻射率； h為普朗克常量，h=6.626×10-24J·s； c為光速，c=2.992 8×108m·s-1；σ為玻爾茲曼常數(shù)，σ=1.38×10-23J·K-1。

3.2 地表比輻射率計(jì)算

采用分類法與NDVI法相結(jié)合的方法獲取地表比輻射率，可有效消除部分由分類帶來(lái)的誤差和單純使用NDVI法導(dǎo)致某些地物混淆的誤差。應(yīng)用面向?qū)ο蠓诸惖姆椒ㄍ瓿裳芯繀^(qū)的地物判別，最終得到5種地物： 水體、植被、建筑物表面、裸土和植被與裸土的混合像元。通過(guò)對(duì)研究區(qū)的NDVI值概率分布結(jié)果統(tǒng)計(jì)，獲取累積概率分別為5%和95%的NDVI值作為NDVI最小值和NDVI值，計(jì)算植被覆蓋度Pv，即

Pv=[(NDVI-NDVImin)/(NDVImax-NDVImin)]2,

(12)

式中：NDVImin和NDVImax分別為研究區(qū)NDVI最小值和最大值。

參考覃志豪等[23]的比輻射率估算方法，確定水體、植被、建筑表面和裸土的比輻射率分別為εω=0.995，εv=0.99，εb=0.968和εs=0.974； 植被與裸土的混合像元的比輻射率計(jì)算公式為

ε=PvRvεv+(1-Pv)Rsεs,

(13)

其中

Rv=0.933 2+0.058 5Pv,

(14)

Rs=0.990 2+0.106 8Pv,

(15)

式中：εv和εs分別為植被和裸土的比輻射率；Rv和Rs分別為植被和裸土的溫度比率。

3.3 干旱監(jiān)測(cè)指數(shù)及其修正

2002年Sandholt等[13]基于NDVI與LST的關(guān)系，提出了TVDI模型。該模型不受作物生長(zhǎng)季的限制，可以監(jiān)測(cè)區(qū)域相對(duì)干旱程度的空間變化，具有地區(qū)專一性和地域?qū)Ｒ恍蕴攸c(diǎn)； 同時(shí)該方法要求研究區(qū)域NDVI值的動(dòng)態(tài)變化范圍大，有裸土到密閉植被的變化，以及土壤表層含水量應(yīng)有從萎蔫含水量到田間持水量的動(dòng)態(tài)變化范圍[12]。TVDI的表達(dá)式為

(16)

式中：TS為圖像中某一像元的LST；TSmin為某一NDVI值對(duì)應(yīng)的最低LST，對(duì)應(yīng)濕邊；TSmax為某一NDVI值對(duì)應(yīng)的最高LST，對(duì)應(yīng)干邊。

本文利用研究區(qū)的NDVI與LST圖像提取每個(gè)NDVI值對(duì)應(yīng)的最高LST與最低LST，進(jìn)而采用多元逐步回歸方法對(duì)NDVI值及其對(duì)應(yīng)的最高LST和最低LST分別進(jìn)行二次擬合與一次擬合，分別獲取干邊與濕邊的擬合方程。

分析NDVI-LST特征空間可知，LST達(dá)到模擬干邊的溫度時(shí)，植被關(guān)閉葉片氣孔，出現(xiàn)零蒸散現(xiàn)象[24]。實(shí)際上，由于土壤中植被靠根部吸水，在高植被覆蓋區(qū)域(即使是在干旱區(qū))幾乎不存在零蒸散現(xiàn)象； 因此，基于遙感圖像數(shù)據(jù)獲取的干邊的溫度要低于真實(shí)干邊的溫度，并且植被覆蓋越高，模擬干邊與真實(shí)干邊的差距越大(圖2)。

圖2 真實(shí)干邊與模擬干邊的差距

為了修正上述誤差，需將模擬干邊“還原”為真實(shí)干邊。Stisen等[25]認(rèn)為真實(shí)干邊與擬合干邊呈非線性相關(guān)，其蒸發(fā)修正量隨著NDVI的增大而迅速增長(zhǎng)。根據(jù)他們提出的修正方法，本文對(duì)TVDI模型中的模擬干邊進(jìn)行如下修正，即

(17)

式中：φi,min為非線性擬合干邊的Priestly-Taylor(P-T)參數(shù)；φmax為NDVI-LST特征空間濕邊的P-T參數(shù)(最大蒸散情況下)。

根據(jù)Stisen等[25]的假設(shè)，將式(17)中對(duì)TVDI的改進(jìn)用于反演土壤水分，即

(18)

式中：C為用于將模擬干邊校正到真實(shí)干邊的修正系數(shù)，C與該時(shí)間段內(nèi)的降雨和蒸散狀況有關(guān)，一般情況下，降雨量越大，C的取值越大；TVDIi，NDVIi和TVDI(Ci)分別為像元i修正前的TVDI與NDVI和修正后的TVDI。C的取值范圍為0～1，當(dāng)野外實(shí)地土壤含水量數(shù)據(jù)與基于不同干邊糾正系數(shù)獲取的TVDI相關(guān)性最高時(shí)，C為該區(qū)域內(nèi)干邊修正的最適宜值。由于C的大小與區(qū)域內(nèi)降雨量相關(guān)，參考趙杰鵬等[26]對(duì)干旱-半干旱地區(qū)的C值修正結(jié)果，本文選擇C值范圍為0～0.5，并以0.1為步長(zhǎng)，結(jié)合野外觀測(cè)數(shù)據(jù)測(cè)試得到最適宜的C值，從而完成研究區(qū)內(nèi)干邊修正模型。

4 結(jié)果與討論

4.1 不同溫度反演方法對(duì)比分析

利用以上參數(shù)、基于3種不同方法得到研究區(qū)溫度反演圖。對(duì)不同算法獲取的溫度產(chǎn)品與MODIS LST產(chǎn)品的統(tǒng)計(jì)對(duì)比結(jié)果(表1)表明，JM&S與Qin方法在最大值、最小值和平均值上與參考數(shù)據(jù)較為接近，而Artis算法則在標(biāo)準(zhǔn)差方面表現(xiàn)較好。

表1 不同算法獲取的溫度產(chǎn)品與MODIS LST產(chǎn)品統(tǒng)計(jì)對(duì)比

為了進(jìn)一步直觀分析3種算法的溫度反演圖，使用MOD1S LST產(chǎn)品對(duì)反演的HJ-1B 溫度數(shù)據(jù)進(jìn)行驗(yàn)證，分別選取礦區(qū)北部的湖泊位置與礦區(qū)位置做剖面線(圖1(a))，統(tǒng)計(jì)LST值沿剖面線方向的變化(圖3)。

(a) 剖面線1 (b) 剖面線2

圖33種算法反演溫度與參考溫度剖面對(duì)比

Fig.3ProfilecomparisonbetweenLSTsretrievedbyusingthreealgorithmsandreferencedata

從圖3可以看出，3種算法反演的LST在數(shù)值上均低于同時(shí)期的MODIS LST數(shù)據(jù)； 與Artis算法相比，JM&S與Qin算法反演的LST數(shù)據(jù)在數(shù)值和曲線走勢(shì)、起伏狀況上與參考數(shù)據(jù)更為相似。此外，基于HJ-1B衛(wèi)星數(shù)據(jù)反演的LST數(shù)據(jù)比MODIS LST數(shù)據(jù)的空間分辨率更高，剖面線的溫度起伏變化更為顯著，存在更多個(gè)小的波峰波谷變化。這與Sobrino等[27]利用3種算法對(duì)Landsat 5數(shù)據(jù)進(jìn)行LST反演、得到JM&S與Qin算法反演精度更高的結(jié)論是相同的。

4.2 修正后的TVDI空間分布特征

對(duì)TVDI指數(shù)修正的過(guò)程充分考慮了降雨量與蒸散，一般情況下降雨量越大，相應(yīng)地C的取值應(yīng)該越大。由于研究區(qū)位于干旱-半干旱氣候帶，因此選擇C的步長(zhǎng)為0.1，變化范圍為0.1～0.5，共5個(gè)數(shù)值。利用野外采樣獲取的土壤含水量對(duì)不同算法以及用不同干邊糾正系數(shù)獲取的干旱指數(shù)進(jìn)行相關(guān)性分析，從而完成干邊的修正(圖4)。

圖4 不同修正參數(shù)的TVDI反演精度與土壤含水量的相關(guān)性

從圖4可以看出，利用JM&S與Qin算法獲取的TVDI值，當(dāng)C=0.3時(shí)，TVDI與土壤含水量的相關(guān)性最大。對(duì)于國(guó)產(chǎn)衛(wèi)星HJ-1B數(shù)據(jù)，Qin算法反演的TVDI與土壤含水量的相關(guān)系數(shù)(R2)要高于JM&S算法。通過(guò)Qin算法反演得到的LST，進(jìn)一步分析NDVI-LST空間分布特征以及干邊、濕邊方程，NDVI與其對(duì)應(yīng)的LST最大值構(gòu)成二次曲線模型，而與LST最小值呈線性分布(圖5)。

圖5 Qin算法反演的LST與NDVI空間分布關(guān)系

因此，本文基于NDVI圖像與LST圖像，采用多元逐步回歸方法完成干、濕邊的擬合。干邊的最高擬合系數(shù)達(dá)到0.944，濕邊的最高擬合系數(shù)為0.784。當(dāng)NDVI<0.3時(shí)，溫度基本保持不變； 而NDVI>0.3后，隨著NDVI的增加，溫度降低與NDVI成負(fù)相關(guān)。Gao等[28]也得到了相似的結(jié)論： 在植被覆蓋度高的草地或農(nóng)場(chǎng)，當(dāng)NDVI≥0.18時(shí)，溫度就會(huì)急劇下降。

4.3 礦區(qū)溫度及土壤濕度空間分異規(guī)律

基于Qin算法獲取的研究區(qū)溫度與濕度空間分布如圖6所示。從中可以看出，區(qū)內(nèi)土壤水分含量較高的地方集中在河流、湖泊以及植被高覆蓋區(qū)域，溫度較低(在282～286 K)； 而礦區(qū)采坑及其未復(fù)墾的排土場(chǎng)等裸土區(qū)域則呈現(xiàn)出缺水與干旱的狀況，溫度高(292～298 K)； 礦區(qū)排土場(chǎng)復(fù)墾區(qū)域與未復(fù)墾區(qū)域溫度與濕度差異明顯，空間異質(zhì)性強(qiáng)。對(duì)不同地物所對(duì)應(yīng)的溫度與濕度進(jìn)行比較分析(圖7)可以看出，LST較高的土地利用類型為圍欄草場(chǎng)和裸土，其次為復(fù)墾區(qū)和放牧區(qū)。圍欄草場(chǎng)在7―8月份植被覆蓋度最高，土壤儲(chǔ)存了大量的水分； 9月經(jīng)過(guò)收割后，地表裸露，加快了水分的蒸發(fā)作用，地表含水量迅速降低。在大于20 a的復(fù)墾區(qū)，地表植被類型以灌木為主，而且復(fù)墾區(qū)受到人工管護(hù)與澆灌，LST低，土壤濕度均高于圍欄草場(chǎng)和放牧草場(chǎng)。在小于20 a的復(fù)墾區(qū)，植被類型以人工種植的苜蓿為主，植被根系下扎深，土壤保水性能增強(qiáng)，同時(shí)排土場(chǎng)植被未遭到收割與放牧，覆蓋度略高于放牧區(qū)與圍欄區(qū)，因此LST值低、土壤濕度略高于圍欄草場(chǎng)和放牧草場(chǎng)。綜合考慮植被與LST值，研究區(qū)TVDI指數(shù)在裸土區(qū)域最高，圍欄草場(chǎng)和放牧草場(chǎng)的TVDI指數(shù)在9月份的遙感數(shù)據(jù)反演結(jié)果中差異并不大，圍欄草場(chǎng)和放牧草場(chǎng)的TVDI值均高于復(fù)墾區(qū)。

(a) 溫度空間分布 (b) 土壤TVDI分布

圖6礦區(qū)溫度與濕度空間分布圖

Fig.6SpatialdistributionofLSTandTVDIofsoilinminingarea

(a) 溫度統(tǒng)計(jì) (b) 濕度統(tǒng)計(jì)

圖7不同地物類型對(duì)應(yīng)的溫度與濕度統(tǒng)計(jì)值對(duì)比

Fig.7ComparisonofLSTandsoilmoisturefromdifferentlandcover

5 結(jié)論

本文利用HJ-1B衛(wèi)星數(shù)據(jù)反演歸一化植被指數(shù)(NDVI)和地表溫度(LST)，通過(guò)分析NDVI與LST的空間特征生成溫度植被干旱指數(shù)(TVDI)與基于干邊糾正系數(shù)的TVDI，從而建立了研究區(qū)LST與土壤濕度反演模型?；谕瑫r(shí)期的MODIS LST產(chǎn)品與野外調(diào)研獲取的土壤含水量數(shù)據(jù)，對(duì)不同算法得到的LST數(shù)據(jù)以及不同干邊糾正系數(shù)獲取的土壤濕度指數(shù)進(jìn)行了驗(yàn)證。得到如下結(jié)論：

1)利用野外實(shí)測(cè)數(shù)據(jù)和MODIS LST產(chǎn)品數(shù)據(jù)對(duì)LST反演結(jié)果進(jìn)行驗(yàn)證，Qin算法在研究區(qū)的反演精度最高。這是因?yàn)镼in算法考慮了地表比輻射率影響的同時(shí)，加入了大氣輻射的影響。本文通過(guò)對(duì)地物精細(xì)分類，計(jì)算了裸土、水體、植被與建筑物的比輻射率，并根據(jù)熱輻射傳輸方程加入大氣透過(guò)率以及大氣平均作用溫度等參數(shù)，消除了大氣輻射的影響，從而獲取了精度較高的LST。

2)通過(guò)考慮研究區(qū)降雨量與蒸發(fā)量，對(duì)TVDI進(jìn)行了修正。研究區(qū)干邊糾正系數(shù)C=0.3時(shí)，TVDI與土壤含水量的擬合系數(shù)R2最高，干邊糾正后TVDI指數(shù)大大提高了與土壤含水量的相關(guān)性，能夠很好地反映地表水分含量。研究區(qū)NDVI-LST的空間分布特征中，“濕邊”呈現(xiàn)雙拋物線特征，“干邊”呈現(xiàn)線性規(guī)律； 當(dāng)植被覆蓋度處于較低或較高水平時(shí)，NDVI均不能有效地顯示區(qū)域植物生物量。Carlson等[29]指出在NDVI低值和高值部分，干邊不是線性的。劉英等[30]提出了雙拋物線型的NDVI-TS空間特征。本文的研究區(qū)植被覆蓋度涵蓋范圍較廣，在涵蓋NDVI=0附近的裸土的同時(shí)，河流周邊的植被覆蓋度較高，拋物線型的干邊很好地考慮了較低與較高植被覆蓋度的情況，完整體現(xiàn)了研究區(qū)的植被指數(shù)與溫度之間的關(guān)系。

3)礦區(qū)不同復(fù)墾年限的LST與濕度差異明顯，大于20 a復(fù)墾年限的土壤較圍欄草場(chǎng)與放牧草場(chǎng)土壤含水量高，不到20 a復(fù)墾區(qū)域的排土場(chǎng)與放牧區(qū)域溫度相似，土壤濕度高。相同溫度下的收割的圍欄草場(chǎng)與裸土區(qū)域中，裸土的含水量要低于圍欄草場(chǎng)區(qū)域。放牧區(qū)的地表溫度要遠(yuǎn)遠(yuǎn)低于圍欄草場(chǎng)，兩者所對(duì)應(yīng)的土壤含水量卻相近，說(shuō)明單一因素地表溫度在表征土壤含水量方面存在缺陷，通過(guò)LST與植被指數(shù)的綜合表征才能有效而精確地表征土壤含水量信息。

本研究表明，相比國(guó)外的Landsat與MODIS數(shù)據(jù)，具有高空間分辨率與高時(shí)間分辨率的我國(guó)環(huán)境衛(wèi)星(HJ-1B)數(shù)據(jù)可以更好地完成礦區(qū)小尺度的地表土壤濕度監(jiān)測(cè)，改變國(guó)內(nèi)僅僅依靠中等空間分辨率國(guó)外遙感衛(wèi)星數(shù)據(jù)的現(xiàn)狀。通過(guò)分析礦區(qū)干旱指數(shù)空間格局的變化，可快速有效完成礦區(qū)干旱動(dòng)態(tài)監(jiān)測(cè)以及生態(tài)復(fù)墾工作評(píng)價(jià)工作。隨著我國(guó)衛(wèi)星遙感技術(shù)的發(fā)展，將高分辨率國(guó)產(chǎn)衛(wèi)星遙感數(shù)據(jù)應(yīng)用于礦山旱情動(dòng)態(tài)監(jiān)測(cè)，既可大幅度節(jié)約數(shù)據(jù)的購(gòu)置成本，也可提高年度監(jiān)測(cè)的頻次，為大規(guī)模開(kāi)展多期次動(dòng)態(tài)礦山遙感監(jiān)測(cè)作提供數(shù)據(jù)保障。

志謝： 華能伊敏煤電公司提供了野外調(diào)研基地與數(shù)據(jù)支持，國(guó)家氣象信息中心提供了氣象數(shù)據(jù)，在此一并表示衷心感謝。

[1] Petropoulos G P,Ireland G,Barrett B.Surface soil moisture retrievals from remote sensing:Current status, products & future trends[J].Physics and Chemistry of the Earth,Parts A/B/C,2015,83-84:36-56.

[2] 黃建平,季明霞,劉玉芝,等.干旱半干旱區(qū)氣候變化研究綜述[J].氣候變化研究進(jìn)展,2013,9(1):9-14. Huang J P,Ji M X,Liu Y Z,et al.An overview of arid and semi-arid climate change[J].Progressus Inquisitiones de Mutatione Climatis,2013,9(1):9-14.

[3] Zhang F,Zhang L W,Shi J J,et al.Soil moisture monitoring based on land surface temperature-vegetation index space derived from MODIS data[J].Pedosphere,2014,24(4):450-460.

[4] 楊濤,宮輝力,李小娟,等.土壤水分遙感監(jiān)測(cè)研究進(jìn)展[J].生態(tài)學(xué)報(bào),2010,30(22):6264-6277. Yang T,Gong H L,Li X J,et al.Progress of soil moisture monitor-ing by remote sensing[J].Acta Ecologica Sinica,2010,30(22):6264-6277.

[5] Piles M,Camps A,Vall-Llossera M,et al.Downscaling SMOS-derived soil moisture using MODIS visible/infrared data[J].IEEE Transactions Geoscience and Remote Sensing,2011,49(9):3156-3166.

[6] 劉星含,張佳華,許曉宏.MODIS-TVDI指數(shù)監(jiān)測(cè)新疆干旱動(dòng)態(tài)[J].遙感信息,2015,30(2):111-115. Liu X H,Zhang J H,Xu X H.Drought monitoring in Xinjiang by using MODIS-TVDI[J].Remote Sensing Information,2015,30(2):111-115.

[7] 梁順林,李小文,王錦地.定量遙感:理念與算法[M].北京:科學(xué)出版社,2013. Liang S L,Li X W,Wang J D.Quantitative Remote Sensing:Idea and Algorithm[M].Beijing:Science Press,2013.

[8] Shahabfar A,Ghulam A,Eitzinger J.Drought monitoring in Iran using the perpendicular drought indices[J].International Journal of Applied Earth Observation and Geoinformation,2012,18:119-127.

[9] Ozelkan E,Chen G,Ustundag B B.Multiscale object-based drought monitoring and comparison in rainfed and irrigated agriculture from Landsat 8 OLI imagery[J].International Journal of Applied Earth Observation and Geoinformation,2016,44:159-170.

[10]徐劍波,趙凱,趙之重,等.利用HJ-1B遙感數(shù)據(jù)反演西北地區(qū)近地表氣溫[J].農(nóng)業(yè)工程學(xué)報(bào),2013,29(22):145-153. Xu J B,Zhao K,Zhao Z Z,et al.Estimation of near-surface air temperature from HJ-1B satellite data in Northwest China[J].Transactions of the Chinese Society of Agricultural Engineering,2013,29(22):145-153.

[11]周紀(jì),李京,趙祥,等.用HJ-1B衛(wèi)星數(shù)據(jù)反演地表溫度的修正單通道算法[J].紅外與毫米波學(xué)報(bào),2011,30(1):61-67. Zhou J,Li J,Zhao X,et al.A modified single-channel algorithm for land surface temperature retrieval from HJ-1B satellite data[J].Journal of Infrared and Millimeter Waves,2011,30(1):61-67.

[12]高磊,覃志豪,盧麗萍.基于植被指數(shù)和地表溫度特征空間的農(nóng)業(yè)干旱監(jiān)測(cè)模型研究綜述[J].國(guó)土資源遙感,2007,19(3):1-7.doi:10.6046/gtzyyg.2007.03.01. Gao L,Qin Z H,Lu L P.An overview on agricultural drought monitoring models based on vegetation index and surface temperature feature space[J].Remote Sensing for Land and Resources,2007,19(3):1-7.doi:10.6046/gtzyyg.2007.03.01.

[13]Sandholt I,Rasmussen K,Andersen J.A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J].Remote Sensing of Environment,2002,79(2/3):213-224.

[14]陳斌,張學(xué)霞,華開(kāi),等.溫度植被干旱指數(shù)(TVDI)在草原干旱監(jiān)測(cè)中的應(yīng)用研究[J].干旱區(qū)地理,2013,36(5):930-937. Chen B,Zhang X X,Hua K,et al.Application study of temperature vegetation drought index(TVDI) in grassland drought monitoring[J].Arid Land Geography,2013,36(5):930-937.

[16]Qin Z H,Karnieli A,Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.

[17]Artis D A,Carnahan W H.Survey of emissivity variability in thermography of urban areas[J].Remote Sensing of Environment,1982,12(4):313-329.

[18]張存厚,王明玖,張立,等.呼倫貝爾草甸草原地上凈初級(jí)生產(chǎn)力對(duì)氣候變化響應(yīng)的模擬[J].草業(yè)學(xué)報(bào),2013,22(3):41-50. Zhang C H,Wang M J,Zhang L,et al.Response of meadow steppe ANPP to climate change in Hulunbeir,Inner Mongolia:A simulation study[J].Acta Prataculturae Sinica,2013,22(3):41-50.

[19]閆瑞瑞,辛?xí)云?王旭,等.不同放牧梯度下呼倫貝爾草甸草原土壤碳氮變化及固碳效應(yīng)[J].生態(tài)學(xué)報(bào),2014,34(6):1587-1595. Yan R R,Xin X P,Wang X,et al.The change of soil carbon and nitrogen under different grazing gradients in Hulunber meadow steppe[J].Acta Ecologica Sinica,2014,34(6):1587-1595.

[20]胡志超,李政海,周延林,等.呼倫貝爾草原退化分級(jí)評(píng)價(jià)及時(shí)空格局分析[J].中國(guó)草地學(xué)報(bào),2014,36(5):12-18. Hu Z C,Li Z H,Zhou Y L,et al.The partitioning of degradation and analysis of its spatio-temporal pattern of Hulunbeier grassland,China[J].Chinese Journal of Grassland,2014,36(5):12-18.

[21]趙菲菲,包妮沙,劉善軍,等.國(guó)產(chǎn)高分?jǐn)?shù)據(jù)在草原露天煤礦植被監(jiān)測(cè)中的應(yīng)用[J].測(cè)繪與空間地理信息,2015,38(8):108-110. Zhao F F,Bao N S,Liu S J,et al.The application of Chinese GF-1 satellite high resolution in monitoring the semi-arid grassland for large surface mining area[J].Geomatics & Spatial Information Technology,2015,38(8):108-110.

[22]段四波,閻廣建,錢(qián)永剛,等.利用HJ-1B模擬數(shù)據(jù)反演地表溫度的兩種單通道算法[J].自然科學(xué)進(jìn)展,2008,18(9):1001-1008. Duan S B,Yan G J,Qian Y G,et al.Two single channel algorithms for retrieving land surface temperature using HJ-1B remote sensing data[J].Progress in Natural Sccience,2008,18(9):1001-1008.

[23]覃志豪,李文娟,徐斌,等.利用Landsat TM6反演地表溫度所需地表輻射率參數(shù)的估計(jì)方法[C]//第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文選集.青島:中國(guó)海洋學(xué)會(huì),2003:9. Qin Z H,Li W J,Xu B,et al.Estimation method of land surface emissivity for retrieving land surface temperature from Landsat TM6 data[C]//The 14th China Symposium of Remote Sensing Technology.Qingdao:Chinese society of Oceanography,2003:9.

[24]Moran M S,Clarke T R,Inoue Y,et al.Estimating crop water deficit using the relation between surface-air temperature and spectral vegetation index[J].Remote Sensing of Environment,1994,49(3):246-263.

[25]Stisen S,Sandholt I,N?rgaard A,et al.Combining the triangle method with thermal inertia to estimate regional evapotranspiration-Applied to MSG-SEVIRI data in the Senegal River basin[J].Remote Sensing of Environment,2008,112(3):1242-1255.

[26]趙杰鵬,張顯峰,廖春華,等.基于TVDI的大范圍干旱區(qū)土壤水分遙感反演模型研究[J].遙感技術(shù)與應(yīng)用,2011,26(6):742-750. Zhao J P,Zhang X F,Liao C H,et al.TVDI based soil moisture retrieval from remotely sensed data over large arid areas[J].Remote Sensing Technology and Application,2011,26(6):742-750.

[27]Sobrino J A,Jiménez-Muoz J C,Paolini L.Land surface temperature retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.

[28]Gao Z Q,Gao W,Chang N B.Integrating temperature vegetation dryness index(TVDI) and regional water stress index(RWSI) for drought assessment with the aid of LANDSAT TM/ETM+ images[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(3):495-503.

[29]Carlson T N,Perry E M,Schmugge T J.Remote estimation of soil moisture availability and fractional vegetation cover for agricultural fields[J].Agricultural and Forest Meteorology,1990,52(1/2):45-69.

[30]劉英,馬保東,吳立新,等.基于NDVI-ST雙拋物線特征空間的冬小麥旱情遙感監(jiān)測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào),2012,43(5):55-63. Liu Y,Ma B D,Wu L X,et al.Drought remote sensing for winter wheat based on double parabola NDVI-ST space[J].Transactions of the Chinese Society for Agricultural Machinery,2012,43(5):55-63.

(責(zé)任編輯：劉心季)

RetrievinglandsurfacetemperatureandsoilmoisturefromHJ-1Bdata：AcasestudyofYiminopen-castcoalmineregioninHulunbeiergrassland

ZHAO Feifei1,2， BAO Nisha1， WU Lixin1,3， SUN Rui4

(1.InstituteforGeo-information&DigitalMineResearch，NortheasternUniversity，Shenyang110819，China； 2.BeijingSatImageInformationTechnologyCo.,Ltd,Beijing100048,China； 3.SchoolofGeoscienceandInfo-Physics,CentralSouthUniversity,Changsha410083,China; 4.JiangsuGeologicSurveyingandMappingInstitute，Nanjing210008，China)

The soil moisture can be considered as an appropriate indicator to investigate the level of ecological environment disturbance resulting from mining activities in semi-arid grassland. The main objective of this research is to explore the applicability of Chinese HJ-1B data for LST and soil moisture monitoring around mining-affected areas on the local scale. The JM&S, Qin and Artis methods for temperature retrieval were comparatively analyzed. The relationship space of NDVI-LST was used to generate temperature vegetation dryness index(TVDI). Furthermore, the reference data including in situ soil moisture and MODIS LST products were used for “dry edge” correcting of TVDI. Some conclusions have been reached： The Qin’s mono-window algorithm performs best in LST retrieval from HJ-1B data; there is a highest correlation between corrected TVDI value withC=0.3 and in situ soil moisture value; the feature of NDVI-LST space indicates that there is a linear relationship for “wet edge”, while the relationship for “dry edge” is conic; the TVDI imagery and LST imagery show different drought conditions of different features. The obvious geographical heterogeneity has been found from the TVDI and LST imagery in this area as well.

China HJ-1B satellite； open-cast coal mine region； dry-edge model； land surface temperature(LST)； soil moisture； temperature vegetation dryness index(TVDI)

10.6046/gtzyyg.2017.03.01

趙菲菲,包妮沙,吳立新,等.國(guó)產(chǎn)HJ-1B衛(wèi)星數(shù)據(jù)的地表溫度及濕度反演方法——以呼倫貝爾草原伊敏露天煤礦區(qū)為例[J].國(guó)土資源遙感,2017,29(3)：1-9.(Zhao F F,Bao N S,Wu L X,et al.Retrieving land surface temperature and soil moisture from HJ-1B data：A case study of Yimin open-cast coal mine region in Hulunbeier grassland[J].Remote Sensing for Land and Resources,2017,29(3)：1-9.)

2016-03-07；

2016-04-07

國(guó)家自然科學(xué)基金項(xiàng)目“干旱半干旱草原區(qū)露天煤礦土壤光譜特征模型研究”(編號(hào)： 4140010440)資助。

趙菲菲(1991-),女,碩士研究生,主要研究方向?yàn)閿z影測(cè)量與遙感應(yīng)用。Email： sgerphy@163.com。

包妮沙(1985-),女,博士,副教授,主要從事環(huán)境遙感方面的研究。Email： baonisha@126.com。

TP 751.1

： A

： 1001-070X(2017)03-0001-09