韓 曉 勇，韓 玲，戚 鵬 程

(1．長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院，陜西 西安 710054；2.南陽師范學(xué)院環(huán)境科學(xué)與旅游學(xué)院，河南 南陽 473061)

秦巴山區(qū)MODIS LST時(shí)序數(shù)據(jù)重建及特征分析

韓 曉 勇1，韓 玲1，戚 鵬 程2

(1．長(zhǎng)安大學(xué)地質(zhì)工程與測(cè)繪學(xué)院，陜西 西安 710054；2.南陽師范學(xué)院環(huán)境科學(xué)與旅游學(xué)院，河南 南陽 473061)

地表溫度(LST)是大氣—地表水熱平衡的重要參數(shù)，但受云等大氣狀況影響，MODIS LST 時(shí)間序列產(chǎn)品存在大量缺失數(shù)據(jù)，限制了LST 數(shù)據(jù)使用。該文以陜南秦巴山區(qū)為研究區(qū)，從LST與高程、歸一化植被指數(shù)(NDVI)、經(jīng)度和緯度的相關(guān)性特征出發(fā)，首先，針對(duì)不同的相關(guān)性特征自適應(yīng)確定重建因子；然后，設(shè)計(jì)了以時(shí)點(diǎn)重建模型為主算法、總重建模型為備用算法的LST時(shí)間序列重建流程；最后，對(duì)研究區(qū)的地溫特征進(jìn)行分析。結(jié)果表明，高程與LST呈較為穩(wěn)定的負(fù)相關(guān)關(guān)系，NDVI隨植被的物候期變化與LST的相關(guān)性呈周期性變化，緯度與LST白天時(shí)點(diǎn)以正相關(guān)為主，夜晚則呈負(fù)相關(guān)特征；白天重建數(shù)據(jù)的平均絕對(duì)誤差(MAE)變化范圍較大，夜晚的變化范圍小且平均值較低;71.8%的白天重建數(shù)據(jù)和78.2%的夜晚重建數(shù)據(jù)的誤差可控制在3℃以內(nèi)；研究區(qū)內(nèi)平均地溫隨著高程的升高而下降，海拔1～2 km區(qū)域的年均地溫比海拔低于1km區(qū)域低2.0℃，海拔大于2 km區(qū)域的年均地溫比海拔1～2 km區(qū)域低2.6℃。

MODIS；地表溫度；相關(guān)性分析；數(shù)據(jù)重建；秦巴山區(qū)

0 引言

地表溫度(LST)是衡量大氣—地表水熱平衡極其重要的參數(shù)，在氣候變化、水文循環(huán)、生態(tài)環(huán)境等研究中具有重要意義[1]。傳統(tǒng)的LST數(shù)據(jù)來源于氣象站點(diǎn)觀測(cè)，并利用地統(tǒng)計(jì)插值獲得空間連續(xù)數(shù)據(jù)，我國(guó)中、西部地區(qū)氣象站點(diǎn)的密度低，分布不均勻，地形狀況復(fù)雜，地物類型多樣，使得地統(tǒng)計(jì)插值方法很難達(dá)到最優(yōu)效果[2]。隨著遙感技術(shù)的不斷發(fā)展，可以利用熱紅外遙感獲取區(qū)域范圍的LST數(shù)據(jù)[3]。其中MODIS傳感器因?yàn)槠鋬?yōu)化的時(shí)空分辨率成為比較理想的數(shù)據(jù)源，在農(nóng)業(yè)、生態(tài)環(huán)境以及全球變化等領(lǐng)域得到了廣泛應(yīng)用[4，5]。

目前，MODIS LST產(chǎn)品在天氣晴朗條件下平均精度可達(dá)1 K[6]，但由于傳感器對(duì)地觀測(cè)時(shí)，受云、氣溶膠、觀測(cè)角度和太陽光照角度等影響，產(chǎn)生部分觀測(cè)值失真數(shù)據(jù)。MODIS LST標(biāo)準(zhǔn)產(chǎn)品已采用MODIS全球云掩膜產(chǎn)品進(jìn)行失真像元的剔除，這又導(dǎo)致頻繁出現(xiàn)無效像元，從而制約了監(jiān)測(cè)應(yīng)用效果。為消除數(shù)據(jù)缺失和數(shù)據(jù)質(zhì)量不高對(duì)數(shù)據(jù)使用帶來的影響，插補(bǔ)缺失觀測(cè)值，優(yōu)化時(shí)間序列數(shù)據(jù)為相關(guān)研究提供更完備的基礎(chǔ)數(shù)據(jù)，國(guó)內(nèi)外學(xué)者已開展對(duì)MODIS LST產(chǎn)品重建的研究。有學(xué)者從時(shí)間序列數(shù)據(jù)濾波處理的角度進(jìn)行LST數(shù)據(jù)重建，如Julie等[7]使用HANTS變換對(duì)歐洲地區(qū)1982-1999年的LST數(shù)據(jù)進(jìn)行去云重建，并對(duì)LST的年際變化特征進(jìn)行分析；徐永明等[8]利用HANTS方法對(duì)長(zhǎng)江三角洲地區(qū)2005年8天LST合成數(shù)據(jù)進(jìn)行諧波擬合，得到重建的LST時(shí)間序列數(shù)據(jù)；蘇紅等[9]綜合考慮LST年變化和日變化的周期性，利用諧波分析方法對(duì)河南省2011年的LST時(shí)間序列進(jìn)行擬合。此外，有學(xué)者從LST與其他地理因子的相關(guān)性出發(fā),通過建立回歸模型實(shí)現(xiàn)LST數(shù)據(jù)重建。如柯靈紅等[10]利用高程與溫度的回歸關(guān)系重建青藏高原MODIS 8 天LST產(chǎn)品，并用氣象站0 cm LST進(jìn)行驗(yàn)證；劉梅等[11]利用無云區(qū)像元NDVI與LST 的負(fù)相關(guān)關(guān)系，基于短期NDVI 穩(wěn)定的特點(diǎn)，重建臨近時(shí)段云區(qū)LST。

雖然對(duì)LST重建開展了大量研究，但由于LST在空間上差異較大，時(shí)間上變化較快，單從濾波處理的角度將LST數(shù)據(jù)分解成不同周期的諧波變量，會(huì)丟失LST的突變信息。若僅考慮高程或NDVI與LST的回歸關(guān)系，又將LST的回歸模型限制為單因子模型，難以保證長(zhǎng)時(shí)間序列重建模型的穩(wěn)健性。為此本文從長(zhǎng)時(shí)間序列LST與高程、NDVI、經(jīng)度和緯度4個(gè)因子的相關(guān)性出發(fā)，針對(duì)不同的相關(guān)性特征自適應(yīng)確定回歸因子和回歸模型,以保證LST重建模型的穩(wěn)健性，在此基礎(chǔ)上對(duì)所選研究區(qū)的地溫特征進(jìn)行分析。

1 研究區(qū)域與數(shù)據(jù)預(yù)處理

1.1 研究區(qū)概況

本文選擇陜西省內(nèi)秦巴山區(qū)(31°43′～35°6′N，105°29′～111°0′E)為研究區(qū)，主要包括商洛、漢中和安康，此外由于西安、寶雞南部也屬于秦巴山區(qū),故本文將兩市也納入研究區(qū)，土地總面積98 713 km2。秦嶺是黃河、長(zhǎng)江兩大水系的分水嶺和我國(guó)南北氣候分界線，其北坡為暖溫帶氣候，南坡為北亞熱帶氣候，在陜西境內(nèi)連綿約500 km，海拔多在1 000 m以上，主峰太白山海拔3 767 m。巴山是嘉陵江和漢江的分水嶺，其北麓為北亞熱帶氣候，南麓為中亞熱帶，海拔平均1 500～2 500 m。該區(qū)是陜西省最大最主要的林區(qū)，屬于暖溫帶落葉闊葉林地帶和北亞熱帶常綠落葉闊葉混交林地。秦嶺與巴山之間，分布著漢中盆地、安康盆地、商丹盆地和洛南盆地，盆地內(nèi)耕地集中，農(nóng)業(yè)生產(chǎn)水平較高，是陜南重要的農(nóng)業(yè)生產(chǎn)區(qū)和人口聚居區(qū)。此外研究區(qū)還包括了部分渭河平原和渭北旱塬丘陵溝壑區(qū)。

1.2 研究數(shù)據(jù)及預(yù)處理

MODIS地溫?cái)?shù)據(jù)： 從EOSDIS(http://reverb.echo.nasa.gov/)下載2005-2014年的MODIS LST 8天合成產(chǎn)品，每期數(shù)據(jù)包括白天/夜晚4個(gè)時(shí)點(diǎn)(1:30、10:30、13:30、22:30)，該產(chǎn)品是8天內(nèi)每日對(duì)應(yīng)時(shí)點(diǎn)有效LST的算術(shù)平均，空間分辨率1 km，每年4個(gè)時(shí)點(diǎn)各46期數(shù)據(jù)。產(chǎn)品中還包括與每個(gè)像元對(duì)應(yīng)的質(zhì)量控制標(biāo)記數(shù)據(jù)，使用MRT工具將每期HDF文件中的LST和LST質(zhì)量控制數(shù)據(jù)分別進(jìn)行拼接、裁剪，并統(tǒng)一轉(zhuǎn)換到WGS84 UTM N49投影帶，利用質(zhì)量控制文件保留質(zhì)量標(biāo)記最優(yōu)的LST像元值(標(biāo)記值為0)。

MODIS植被指數(shù)數(shù)據(jù)：從EOSDIS獲取研究區(qū)對(duì)應(yīng)年度的MODIS植被指數(shù)產(chǎn)品，空間分辨率1 km，每16天一期數(shù)據(jù)，10年共230期數(shù)據(jù)，利用質(zhì)量控制文件剔除質(zhì)量差的像元。使用較常用的Savitzky-Golay(S-G)濾波方法對(duì)MODIS NDVI產(chǎn)品進(jìn)行數(shù)據(jù)重建，S-G濾波能有效抑制噪聲，并保證NDVI的變化趨勢(shì)[12]。為了使植被指數(shù)數(shù)據(jù)與LST數(shù)據(jù)的時(shí)間尺度一致，將S-G濾波后的相鄰兩期NDVI數(shù)據(jù)的均值作為二者中間期的NDVI數(shù)據(jù)，使得NDVI的時(shí)間分辨率與LST數(shù)據(jù)一致。S-G濾波處理后首尾幾期數(shù)據(jù)無法重建,故本文最終統(tǒng)一設(shè)置為每年37期數(shù)據(jù)。

DEM數(shù)據(jù)：本文從地理空間數(shù)據(jù)云網(wǎng)站(http://www.gscloud.cn/)下載了研究區(qū)的SRTM DEM數(shù)據(jù)，空間分辨率為90 m，利用雙線性插值法將DEM降尺度至1 km空間分辨率。

氣象數(shù)據(jù)：從中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.gov.cn/)下載了國(guó)際交換站氣候資料日值數(shù)據(jù)集，使用數(shù)據(jù)集中西安站和漢中站的0 cm地溫?cái)?shù)據(jù)對(duì)MODIS LST數(shù)據(jù)重建效果進(jìn)行評(píng)價(jià)。

Z-Score標(biāo)準(zhǔn)化：由于研究數(shù)據(jù)間的量綱不同，為了使數(shù)據(jù)間具有可比性，保證LST重建模型的穩(wěn)定性，將LST、DEM、經(jīng)度和緯度數(shù)據(jù)進(jìn)行Z-Score標(biāo)準(zhǔn)化如下:

(1)

式中：x為原始數(shù)據(jù)，μ和σ分別為有效LST抽樣數(shù)據(jù)均值與標(biāo)準(zhǔn)差。

由于2009年度NDVI數(shù)據(jù)質(zhì)量整體較差，本文未對(duì)該年度進(jìn)行LST重建。

2 研究方法

MODISLST數(shù)據(jù)進(jìn)行重建的基本思想：由于LST在空間上差異大，時(shí)間上變化快，單從LST數(shù)據(jù)自身進(jìn)行數(shù)據(jù)重建，難以保證數(shù)據(jù)精度。通過LST數(shù)據(jù)與其他地理因子的相關(guān)性分析，確定與當(dāng)前時(shí)點(diǎn)LST數(shù)據(jù)相關(guān)性較強(qiáng)的因子，利用多元回歸方法構(gòu)建重建模型。換言之，利用相關(guān)性分析確定能夠在某一時(shí)點(diǎn)反映LST數(shù)據(jù)特征的地理因子，進(jìn)而建立多元回歸的LST重建模型，具體流程如圖1。

圖1 LST數(shù)據(jù)重建流程

Fig.1 Flow chart of LST reconstruction

2.1 隨機(jī)抽樣

為避免樣本值過度集中，根據(jù)研究區(qū)的地形特征，利用高程分段進(jìn)行隨機(jī)抽樣，高程分段及各段抽樣比例見表1，隨機(jī)抽樣后只保留有效LST樣點(diǎn)數(shù)據(jù)。本文每次抽取660個(gè)樣點(diǎn)數(shù)據(jù)進(jìn)行LST重建模型構(gòu)建，另按此抽取方案抽取500個(gè)樣點(diǎn)的LST數(shù)據(jù)用于精度評(píng)價(jià)與控制。

表1 隨機(jī)抽樣點(diǎn)各高程分段比例

Table 1 Proportion of random sampling points in different elevation section

高程(km)<0.50.5～11～1.51.5～22～2.5>2.5比例(%)8304010102

2.2 重建模型

首先，將抽樣點(diǎn)海拔、NDVI、經(jīng)度和緯度 4個(gè)因子與LST進(jìn)行相關(guān)性分析，將相關(guān)性顯著的因子作為重建模型的構(gòu)建因子。本文根據(jù)LST時(shí)序數(shù)據(jù)特點(diǎn)進(jìn)行了總體相關(guān)性分析和時(shí)點(diǎn)相關(guān)性分析?？傮w相關(guān)性是將研究區(qū)內(nèi)不同年度同期同時(shí)點(diǎn)全部LST樣點(diǎn)數(shù)據(jù)進(jìn)行LST與4個(gè)因子的相關(guān)性分析，該參數(shù)可從宏觀上判斷不同時(shí)間LST與各因子的相關(guān)性，計(jì)算公式如式(2)。時(shí)點(diǎn)相關(guān)性是將LST樣點(diǎn)數(shù)據(jù)逐期同時(shí)點(diǎn)進(jìn)行LST與4個(gè)因子的相關(guān)性分析。然后利用相關(guān)系數(shù)閾值判斷條件(白天時(shí)點(diǎn)絕對(duì)值大于0.2、夜晚時(shí)點(diǎn)大于0.15)自適應(yīng)確定重建模型的構(gòu)建因子。

(2)

對(duì)時(shí)點(diǎn)相關(guān)性分析確定的重建因子，采用逐步線性回歸的方法建立時(shí)點(diǎn)重建模型如式(3)，然后利用式(4)計(jì)算得到真實(shí)LST數(shù)據(jù)。時(shí)點(diǎn)重建模型用于有效抽樣數(shù)據(jù)占比大于25%，此時(shí)有效樣點(diǎn)數(shù)量較多，可保證回歸模型的可信度，是LST數(shù)據(jù)重建的主算法。對(duì)于研究區(qū)數(shù)據(jù)缺失面積過大(理論上大于75%的數(shù)據(jù)缺失)，則使用對(duì)應(yīng)時(shí)點(diǎn)總體相關(guān)性分析確定的構(gòu)建因子，基于逐步線性回歸的方法構(gòu)建此時(shí)點(diǎn)的總重建模型以實(shí)現(xiàn)該類數(shù)據(jù)的重建，該方法是LST重建的備用算法。

(3)

LST=σLST*+μ

(4)

式中：αi為第i個(gè)影響因子的權(quán)重系數(shù)，xi為第i個(gè)影響因子，b為常數(shù)項(xiàng)，m為相關(guān)分析確定的影響因子數(shù)；μ和σ分別為有效LST抽樣數(shù)據(jù)均值與標(biāo)準(zhǔn)差，研究區(qū)內(nèi)取值范圍分別為-12.2～32.9℃、1.8～5.52。

2.3 質(zhì)量控制

本文引入MAE作為質(zhì)量控制條件，根據(jù)蘇紅等[9]對(duì)LST數(shù)據(jù)修復(fù)精度，將MAE的閾值設(shè)置為3.0℃。利用重建LST與原始LST計(jì)算MAE，判斷是否超過閾值，若小于閾值則此模型可用，否則重新抽樣再次構(gòu)建重建模型，并加入循環(huán)次數(shù)控制條件，本文設(shè)定為10，若10次循環(huán)均無法滿足MAE的閾值，則此時(shí)點(diǎn)數(shù)據(jù)無法完成重建。

(5)

式中：LST與LST′分別為原始數(shù)據(jù)與重建數(shù)據(jù)，n為驗(yàn)證點(diǎn)數(shù)量。

2.4 地溫?cái)?shù)據(jù)特征分析

數(shù)據(jù)重建完成后，本文按照小于1km、1～2km、大于3km3個(gè)高程區(qū)間對(duì)研究區(qū)內(nèi)LST特征進(jìn)行分類研究。首先利用重建后的LST數(shù)據(jù)平均計(jì)算月平均地溫，然后對(duì)月平均地溫?cái)?shù)據(jù)按年度求出年平均地溫，并利用回歸趨勢(shì)線的方法對(duì)地溫?cái)?shù)據(jù)的年際變化率進(jìn)行了計(jì)算,公式如下[13]:

(6)

式中:n為時(shí)間序列長(zhǎng)度，本文取n=9；LSTYi為第i年年均地溫值；θslope為趨勢(shì)線年際變化率；θslope>0，說明研究區(qū)的LST在該時(shí)段內(nèi)呈增加趨勢(shì)；θsiope<0，表示呈減少趨勢(shì)；θslope=0，則表示未發(fā)生變化。

3 結(jié)果分析

3.1LST與影響因子相關(guān)性

3.1.1 總相關(guān)性特征 總相關(guān)系數(shù)可反映LST與4種影響因子的總體規(guī)律，圖2是研究區(qū)內(nèi)4個(gè)時(shí)點(diǎn)按期序的LST與4種影響因子的相關(guān)系數(shù)折線圖。白天兩個(gè)時(shí)點(diǎn)(圖2a、圖2c)的相關(guān)系數(shù)時(shí)序變化較相似，夜晚兩個(gè)時(shí)點(diǎn)(圖2b、圖2d)的變化也較為相似，白天與夜晚差異較大。從各個(gè)因子看，經(jīng)度在4個(gè)時(shí)點(diǎn)與LST的相關(guān)系數(shù)表現(xiàn)為波動(dòng)較小的正相關(guān)，但相關(guān)性較低，白天兩個(gè)時(shí)點(diǎn)相關(guān)系數(shù)在0.2附近波動(dòng)，晚上在0.15附近波動(dòng)，為此本文將0.2和0.15分別設(shè)置為白天與夜晚相關(guān)系數(shù)的判斷閾值，相關(guān)系數(shù)的絕對(duì)值大于該閾值的影響因子才可進(jìn)入重建模型的回歸分析。高程與LST的相關(guān)系數(shù)表現(xiàn)為較為穩(wěn)定的負(fù)相關(guān)關(guān)系，白天兩個(gè)時(shí)點(diǎn)的相關(guān)系數(shù)均值為-0.43，夜晚兩個(gè)時(shí)點(diǎn)的均值為-0.39，說明高程在白天和夜晚對(duì)LST的影響較穩(wěn)定，夜晚兩個(gè)時(shí)點(diǎn)1-5期的相關(guān)性較低，基本在-0.2左右，在9-34期內(nèi)高程是與LST的相關(guān)性最高的因子，此時(shí)段高程對(duì)LST的影響最大。NDVI與LST的相關(guān)系數(shù)變化較大，白天兩個(gè)時(shí)點(diǎn)在1-10期(2月-4月中旬)與LST的相關(guān)性不顯著，此時(shí)段植被從休眠期到萌芽期，11-37期NDVI與LST表現(xiàn)為顯著的負(fù)相關(guān)特征，其中11-22期(4月下旬到7月底)二者間的相關(guān)性大于高程與LST相關(guān)性，此時(shí)植被從快速生長(zhǎng)過渡到穩(wěn)定生長(zhǎng)階段， 23-33期(8月-10月中旬)NDVI與LST的相關(guān)系數(shù)變化較小,在-0.40附近波動(dòng)，相關(guān)性略低于高程，此時(shí)植被處于穩(wěn)定生長(zhǎng)期，34-37期(10月下旬-11月)NDVI與LST的相關(guān)性急劇下降，此時(shí)段植被從衰落期過渡到休眠期；夜晚NDVI與LST的相關(guān)性整體較低，其中1-10期以正相關(guān)為主，除5-7期外均大于0.15，這應(yīng)與此時(shí)段NDVI高值區(qū)主要分布在緯度較低的常綠林區(qū)有關(guān)，12-32期二者之間為負(fù)相關(guān)關(guān)系，其中15-27期的相關(guān)系數(shù)小于-0.15，33-37期又表現(xiàn)為正相關(guān)，夜晚的相關(guān)性變化也與植被的物候特征有關(guān)，但不如白天顯著。緯度與LST的相關(guān)性在白天兩個(gè)時(shí)點(diǎn)9-31期二者基本為正相關(guān)關(guān)系，其他期則表現(xiàn)為負(fù)相關(guān)，高值區(qū)主要集中在17-22期，該時(shí)段LST隨緯度增加呈增加的特征，但在夜晚二者之間均為負(fù)相關(guān)，除18-25期(夏季)的相關(guān)系數(shù)大于-0.15外，其他期的相關(guān)系數(shù)均小于-0.15，這說明區(qū)內(nèi)除夏季之外夜晚的LST緯向逆分布明顯。

3.1.2 時(shí)點(diǎn)相關(guān)性特征 同總相關(guān)系數(shù)相比各影響因子與LST的時(shí)點(diǎn)相關(guān)系數(shù)時(shí)序變化隨機(jī)性較強(qiáng)，這與地溫短時(shí)間變化隨機(jī)性強(qiáng)的特點(diǎn)一致，海拔與LST的相關(guān)系數(shù)為較穩(wěn)定的負(fù)相關(guān)特征，白天時(shí)點(diǎn)NDVI與LST的相關(guān)系數(shù)也能反映植被不同生長(zhǎng)階段與LST的關(guān)系。利用時(shí)點(diǎn)相關(guān)系數(shù)最終確定參與重建模型的構(gòu)建因子，表2中為最終各因子能參與重建模型構(gòu)建的數(shù)量，其中高程占比達(dá)86%，其次為NDVI因子，且NDVI在白天時(shí)點(diǎn)的參與率比夜晚模型高，經(jīng)度參與率最低，這說明了高程因子在LST數(shù)據(jù)重建中的重要性，但其他3個(gè)因子均擁有一定的參與度，因此LST重建時(shí)需綜合考慮幾個(gè)因子的影響。

圖2 LST與影響因子總相關(guān)性(時(shí)點(diǎn)：a.10:30;b.22:30;c.13:30;d.1:30 )

Fig.2 Total-correlation of LST and impact factors(Time point:a.10:30;b.22:30;c.13:30;d.1:30)

表2 各因子參與重建模型的期數(shù)Table 2 Periods of each impact factor participating reconstruction model

3.2 LST數(shù)據(jù)重建質(zhì)量

圖3為利用有效樣點(diǎn)對(duì)9年4個(gè)時(shí)點(diǎn)的LST數(shù)據(jù)重建前后逐期計(jì)算的MAE，圖中黑點(diǎn)為平均的MAE，細(xì)線表示不同年份同期MAE的變化區(qū)間。白天LST修復(fù)數(shù)據(jù)的MAE(圖3a、圖3b)變化區(qū)間較大，其中2-16期的平均MAE均大于2℃，從17期開始逐漸降至2℃以下。夜晚兩個(gè)時(shí)點(diǎn)的平均MAE(圖3c、圖3d)較低，基本分布在1.5～2℃，且MAE的變化區(qū)間較小。第30期數(shù)據(jù)9年共36景影像，僅有4景可用主算法重建，其他景均為備用算法實(shí)現(xiàn)，導(dǎo)致該期的MAE整體偏高，這與備用算法較主算法的精度低有關(guān)。從表3中可知,71.8%的白天重建數(shù)據(jù)和78.2%的夜晚重建數(shù)據(jù)的數(shù)據(jù)偏差可控制在3℃以內(nèi)，總體上90%以上數(shù)據(jù)誤差可控制在5℃以內(nèi)，表明本文方法對(duì)原始影像中的缺失數(shù)據(jù)的重建是可行的。圖4是研究區(qū)代表性的一景(2005年15期 13:30)LST影像重建前后對(duì)比，左圖中的黑色區(qū)域?yàn)闊o值區(qū)，可見LST修復(fù)數(shù)據(jù)空間分布特征合理，并能抑制原始數(shù)據(jù)中噪聲數(shù)據(jù)的影響。

表3 重建LST與原始LST數(shù)據(jù)偏差頻率統(tǒng)計(jì)

Table 3 The frequency statistics of origin and reconstructed LST difference

時(shí)點(diǎn)<2[2,3)[3,5]>510:3051.119.819.29.913:3053.519.319.67.622:3058.018.615.38.11:3062.517.311.98.3

圖3 LST重建數(shù)據(jù)平均MAE(時(shí)點(diǎn)：a.10:30;b.13:30;c.22:30;d.1:30)

Fig.3 Average MAE of reconstructed LST(Time point:a.10:30;b.13:30;c.22:30;d.1:30)

圖4 原始影像( 左) 與重建影像( 右) 對(duì)比

Fig.4 Comparison of original(left)and reconstructed images(right)

利用研究區(qū)內(nèi)的兩個(gè)基本氣象站點(diǎn)觀測(cè)的日均LST數(shù)據(jù)對(duì)重建數(shù)據(jù)進(jìn)行驗(yàn)證。先將氣象站點(diǎn)日均LST重新計(jì)算為與重建LST數(shù)據(jù)時(shí)間對(duì)應(yīng)的均值數(shù)據(jù)，重建的LST數(shù)據(jù)則按期計(jì)算4個(gè)時(shí)點(diǎn)的均值。圖5為兩者之間的絕對(duì)誤差分布，重建數(shù)據(jù)與站點(diǎn)數(shù)據(jù)的絕對(duì)誤差較小，其中西安站的最大誤差為2.8℃，漢中站的最大誤差為-2.3℃，重建數(shù)據(jù)與站點(diǎn)數(shù)據(jù)絕對(duì)誤差在9-27期以低估為主，其他時(shí)段以高估為主，存在地溫較高的時(shí)段以低估為主、地溫較低的時(shí)段以高估為主的特點(diǎn)。

圖5 重建地溫與站點(diǎn)數(shù)據(jù)的絕對(duì)誤差Fig.5 Absolute errors of reconstructed LST and the meteorological data

3.3 地溫變化分析

圖6左圖為9年內(nèi)不同高程的月均LST，月均LST年度周期性變化特征明顯，隨著高程的升高呈下降趨勢(shì)；右圖為年均LST，不同海拔的年均LST呈平行分布的特點(diǎn)，其中海拔1～2 km的區(qū)域年均LST比海拔小于1 km的區(qū)域平均低2.0℃，海拔大于2 km的區(qū)域年均LST比海拔1～2 km區(qū)域平均低2.6℃。利用回歸趨勢(shì)線的方法計(jì)算三者的年際LST變化率分別為：0.04、0.02和0.06，這表明不同海拔區(qū)域的年均LST均呈緩慢增長(zhǎng)趨勢(shì)，且海拔大于2 km的區(qū)域年均LST增長(zhǎng)速率最快，海拔1～2 km的區(qū)域年均LST增長(zhǎng)較慢。

4 結(jié)論與討論

本文以秦巴山區(qū)為研究區(qū)域，在LST與影響因子相關(guān)性分析的基礎(chǔ)上對(duì)9年的MODIS LST數(shù)據(jù)產(chǎn)品進(jìn)行重建，實(shí)現(xiàn)了研究區(qū)LST數(shù)據(jù)的高質(zhì)量重建。研究取得了如下結(jié)論：1)LST數(shù)據(jù)與各影響因子的相關(guān)性不盡相同，高程與LST呈較為穩(wěn)定的負(fù)相關(guān)關(guān)系；NDVI則隨植被的物候期變化與LST的相關(guān)性也呈周期性變化，白天兩個(gè)時(shí)點(diǎn)尤為明顯；緯度與LST的相關(guān)性白天與夜晚的差異較大，白天以正相關(guān)為主，而在夜晚全年呈負(fù)相關(guān)。2)白天LST重建數(shù)據(jù)的MAE變化區(qū)間較大，夜晚MAE的變化區(qū)間小且均值較低，基本分布在1.5～2℃，71.8%的白天重建數(shù)據(jù)和78.2%的夜晚重建數(shù)據(jù)的誤差可控制在3℃以內(nèi)，總體上90%的數(shù)據(jù)誤差可控制在5℃以內(nèi)。3)研究區(qū)內(nèi)隨著高程的升高平均LST呈下降趨勢(shì)，海拔1～2 km的區(qū)域年均LST比海拔小于1 km的區(qū)域低2.0℃，海拔大于2 km的區(qū)域年均LST比海拔1～2 km的區(qū)域低2.6℃。不同海拔的年際LST變化率分別為：0.04、0.02和0.06，表明不同海拔區(qū)域的年均地溫均呈緩慢增長(zhǎng)趨勢(shì)。

然而本文研究還存在如下問題需要改善：1)本文的精度評(píng)價(jià)以絕對(duì)誤差為主，在LST較高的情況下比較合適，對(duì)于LST較低的時(shí)段雖絕對(duì)誤差較低，但相對(duì)誤差可能較高，今后的研究中考慮LST溫度較低的情況下重建問題。2)本文的LST重建未考慮云陰影的影響，雖有學(xué)者開展了相關(guān)研究，認(rèn)為將重建LST數(shù)據(jù)乘一系數(shù)轉(zhuǎn)換為真實(shí)LST，該系數(shù)的合理確定仍需研究。3)本文僅引入了4個(gè)影響因子，探討了空間分辨率較低的LST重建對(duì)于分辨率較高的遙感影像適用性問題。4)引入變量中僅包含一個(gè)NDVI時(shí)間變量，此因子是否削弱了LST的時(shí)間變化特征也需進(jìn)一步研究。此外，本文中的算法是在秦巴山區(qū)建立、驗(yàn)證和應(yīng)用的，若應(yīng)用于與研究區(qū)地貌、氣候差異較大的區(qū)域，則可能需要引入其他地理因子。

圖6 不同高程月平均LST與年平均LST

Fig.6 Monthly mean and annual mean LST in different elevation section

[1] QIN Z H， KARNIELI A．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．

[2] 田輝，馬耀明，胡曉，等．使用MODIS 陸地產(chǎn)品LST 和NDVI監(jiān)測(cè)中國(guó)中、西部干旱[J]．高原氣象,2007,26(5):1086-1095．

[3] 趙少華，邱國(guó)玉，秦其明，等． MODIS數(shù)據(jù)反演地表溫度的應(yīng)用研究[J]．干旱區(qū)資源與環(huán)境，2010，24(3)：51-54．

[4] PARIDA B R，OINAM B，PATEL N R，et al． Land surface temperature variation in relation to vegetation type using MODIS satellite data in Gujarat state of India[J]．International Journal of Remote Sensing，2008，29(14)：4219-4235．

[5] 于曉靜，劉煥軍，曲長(zhǎng)祥，等． 基于MODIS數(shù)據(jù)的黑龍江省黑土帶地溫空間格局分析[J]．水土保持研究，2012，19(2)：66-70．

[6] WAN Z M． New refinements and validation of the MODIS land-surface temperature/emissivity products[J]．Remote Sensing of Environment，2008，112(1)： 59-74．

[7] JULIEN Y，SOBRINO J，VERHOEF W． Changes in land surface temperatures and NDVI values over Europe between 1982 and 1999[J]．Remote Sensing of Environment，2006，103(1)：43-55．

[8] 徐永明，覃志豪，沈燕． 長(zhǎng)江三角洲地區(qū)地表溫度年內(nèi)變化規(guī)律與氣候因子的關(guān)系分析[J]．國(guó)土資源遙感，2010，83(1)：60-64．

[9] 蘇紅，劉峻明，王春艷,等． 基于時(shí)間序列MODIS LST產(chǎn)品的重構(gòu)研究[J]．中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2014，16(5)：99-107．

[10] 柯靈紅，王正興，宋春橋，等． 青藏高原東北部MODIS LST 時(shí)間序列重建及與臺(tái)站地溫比較[J]．地理科學(xué)進(jìn)展，2011，30(7)：819-826．

[11] 劉梅，覃志豪，涂麗麗，等． 利用NDVI 估算云覆蓋地區(qū)的植被表面溫度研究[J]． 遙感技術(shù)與應(yīng)用，2011，26(5)：689-697．

[12] 李杭燕，頡耀文，馬明國(guó)．時(shí)序NDVI數(shù)據(jù)集重建方法評(píng)價(jià)與實(shí)例研究[J]．遙感技術(shù)與應(yīng)用， 2009，24(5)：596-602．

[13] STOW D D S，HOPE A． Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s[J]．International Journal of Remote Sensing，2003，24(5)： 1111-1117．

Reconstruction of MODIS LST Time Series and Features Analysis in Qinling-Bashan Mountain Area

HAN Xiao-yong1,HAN Ling1,QI Peng-cheng2

(1.School of Geology Engineering and Geomatics,Chang′an University,Xi′an 710054；2.Environmental Science and Tourism College,Nanyang Normal University,Nanyang 473061,China)

Land surface temperature(LST)is an important parameter for measuring the atmosphere-surface water and heat balance.However,the LST data of MODIS time series product is commonly restricted by data missing owing to the influence of atmospheric conditions such as cloud.Qinling-Bashan Mountain area,south Shaanxi Province,was taken as the study area in this research.Based on the correlations among LST,elevation,NDVI,longitudinal and latitude,the reconstruction factor was determined self-adaptively.Then,a reconstruction process for LST time series data was designed,where the time-point-reconstruction model was considered as the master algorithm and total-reconstruction model was set as the alternate algorithm.Finally,the features of surface temperature were analyzed.The results suggest that the LST is negatively related with the elevation,while the correlation between NDVI and LST varies periodically with the phenology of vegetation.The relationship between latitude and LST data in daytime is mainly positive correlation,whereas the relationship is negative in nighttime.The mean absolute error of the daytime reconstruction data varies wider than that of the nighttime reconstruction data.Moreover,the mean value of the nighttime reconstruction data is relatively low.71.8% of data error about the daytime reconstruction data and 78.2% of data error about the nighttime reconstruction data was controlled within 3℃.The average temperature decreases with the increase of altitude in the research area.The annual average temperature of the area whose altitude is between 1 km and 2 km is 2.0℃ less than the area below 1 km,and the area above 2 km is 2.6℃ less than the area between 1 km and 2 km.

MODIS;LST;correlation analysis;data reconstruction;Qinling-Bashan Mountain area

2015-08-02；

2015-09-25

國(guó)家自然科學(xué)基金項(xiàng)目“基于空間化模擬方法修復(fù)遙感地表溫度圖像的數(shù)據(jù)缺失”(41201099)

韓曉勇(1981-)，男，博士研究生，主要從事遙感圖像處理與特征提取。E-mail:nytchxy@163.com

10.3969/j.issn.1672-0504.2016.01.014

TP79

A

1672-0504(2016)01-0071-07