陳瀚閱， 朱 利， 李家國， 范協(xié)裕

(1.福建農(nóng)林大學資源與環(huán)境學院，福州 350002； 2.福建農(nóng)林大學土壤生態(tài)系統(tǒng)健康與調(diào)控福建省高校重點實驗室，福州 350002； 3.福建農(nóng)林大學福建省土壤環(huán)境健康與調(diào)控重點實驗室，福州 350002； 4.環(huán)境保護部衛(wèi)星環(huán)境應用中心，北京 100094； 5.中國科學院遙感與數(shù)字地球研究所，北京 100101)

0 引言

海水表面溫度(sea surface temperature，SST)是海洋-大氣系統(tǒng)中一個重要的物理參量，其微小變化就會對大氣溫度、大氣環(huán)流和天氣形勢造成很大影響[1]，從而影響海洋生態(tài)系統(tǒng)，因此相關研究領域?qū)峒t外遙感反演SST產(chǎn)品的精度有較高要求。近年來，核能發(fā)電技術作為能源短缺的極好補充，在中國得到大力發(fā)展，但核電站在發(fā)電過程中存在持續(xù)溫排水現(xiàn)象，從而造成水體熱污染[2-4]。核電站溫排水動態(tài)監(jiān)測研究對于核電站合理規(guī)劃使用以及附近海域生態(tài)環(huán)境的保護具有重要意義。遙感技術因其動態(tài)連續(xù)、監(jiān)測范圍廣等優(yōu)勢成為開展核電溫排水監(jiān)測與評價的首選途徑，而核電站附近海域SST反演精度是核電溫排水遙感動態(tài)監(jiān)測的必要前提和基礎。

沿海核電站溫排水是一個連續(xù)動態(tài)變化的小空間尺度人類活動，對其動態(tài)監(jiān)測需要中—高空間和時間分辨率的SST產(chǎn)品。一些學者[5-7]利用重返周期為1 d的NOAA/AVHRRH和MODIS熱紅外數(shù)據(jù)獲取長時間序列SST產(chǎn)品，并用于核電溫排水監(jiān)測研究，雖滿足了溫排水的觀測頻率，但較低的空間分辨率(1 km)無法獲取SST的空間分布細節(jié)，限制了其在小區(qū)域內(nèi)獲取不同等級的熱污染空間分布。另外一些學者[8-12]利用空間分辨率較高的HJ-1B衛(wèi)星數(shù)據(jù)和Landsat TM/ETM+熱紅外遙感數(shù)據(jù)對沿海SST進行動態(tài)監(jiān)測，效果較好。2013年2月發(fā)射的Landsat8衛(wèi)星攜帶熱紅外傳感器(thermal infrared sensor，TIRS)具有2個熱紅外通道，空間分辨率為100 m，是沿海海域SST遙感反演較好的數(shù)據(jù)源。相對于國產(chǎn)衛(wèi)星HJ-1B，Landsat8具有更高的波段輻射分辨率和空間分辨率，可作為HJ-1B用于SST動態(tài)監(jiān)測的有效補充和驗證。國內(nèi)針對Landsat8的SST反演算法也相繼問世[13-15]，但對其在沿海地區(qū)的SST反演精度還缺乏全面評價，有必要對不同算法用于Landsat8 TIRS數(shù)據(jù)反演沿海 SST的適用性進行比較分析。

適用于Landsat8 TIRS的SST反演算法包括單窗算法[8-9,16]和劈窗算法[17-19]， 但熱紅外通道第11波段受正常電磁波及其他散射光的干擾程度是第10波段的2倍之多[20]，經(jīng)過NASA地面校正后，第10波段輻射誤差(小于1 K)在要求范圍內(nèi)，而第11波段仍處于較高的誤差范圍(1.75 ～4.4 K)[21]，鑒于第11波段的定標系數(shù)仍不理想，現(xiàn)階段基于第10波段的單窗算法是反演SST較為可靠的途徑[15]。典型的單窗算法包括輻射傳輸法(radiation transfer model, RTM)和Qin等[16]提出的針對TM的單窗算法(QK&B算法)。其中，RTM算法物理意義明確，但因需要較多實時大氣參數(shù)限制了其在SST動態(tài)監(jiān)測中的應用?？臻g分辨率為1°、時間分辨率為6 h的美國國家環(huán)境預報中心(National Centers for Environmental Prediction，NCEP)大氣溫濕度廓線數(shù)據(jù)為RTM算法業(yè)務化應用提供了契機，但結(jié)合NCEP大氣參數(shù)的RTM算法進行SST反演的精度仍有待進一步驗證。QK&B算法反演僅需地表發(fā)射率、大氣透過率和大氣平均作用溫度3個參數(shù)，大氣參數(shù)均可通過經(jīng)驗模型獲取，簡單有效，被廣泛應用于SST產(chǎn)品生成，但若要用于Landsat8 TIRS數(shù)據(jù)，需針對Landsat8 TIRS光譜效應函數(shù)重新進行模型系數(shù)修訂，且基于標準大氣模式擬合的經(jīng)驗模型可能會影響最終SST的反演精度，其在典型區(qū)域應用的有效性也需要進一步驗證。

針對上述問題，本文以遼寧省紅沿河核電站附近海域為研究區(qū)，基于RTM算法和經(jīng)過模型系數(shù)修訂的QK&B算法，利用Landsat8 TIRS 熱紅外數(shù)據(jù)中的第10波段，分別反演得到SST，并從星地同步驗證及模型參數(shù)敏感性分析2個方面對這2種算法反演精度進行對比分析，為后續(xù)Landsat8 TIRS數(shù)據(jù)應用于紅沿河及其他核電基地業(yè)務化SST動態(tài)遙感監(jiān)測提供技術依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

選取遼寧省大連市瓦房店市紅沿河鎮(zhèn)的紅沿河核電基地附近海域E121°20′～121°35′、N30°40′～30°55′為研究區(qū)。紅沿河核電站位于渤海遼東灣東海岸，該區(qū)屬溫帶季風氣候，年均降水量和年均氣溫分別為540.3 mm和11 ℃，大氣穩(wěn)定度以中性和穩(wěn)定天氣為主。廠址的北、西和南三面環(huán)海，明渠排水口集中布設于廠區(qū)西側(cè)護岸外，以喇叭式集中排放。廠區(qū)附近海域的海底地形較為平坦，水深變化較大，海域生物種類繁多。

1.2 衛(wèi)星數(shù)據(jù)及其預處理

遙感數(shù)據(jù)選取研究區(qū)2014年6月11日的Landsat8 TIRS影像，過境時間為北京時間10：34 am，地面空間分辨率為100 m。選取Landsat8第10波段(TIRS_B10，波長為10.6～11.2 μm)作為單窗算法的輸入波段，并對原始影像進行了裁剪、輻射定標等數(shù)據(jù)預處理后用于SST反演。

1.3 地面數(shù)據(jù)

2014年6 月11日在研究區(qū)Landsat8衛(wèi)星過境前后30 min內(nèi)展開地面實驗。采用扇形布點方案： 以核電站排水口附近為出發(fā)點，設計了5條采樣航線(航線編號： A—E，如圖1)，沿河岸呈輻射狀分布，共計45個采樣點，其中，在靠近排水口位置進行加密采點，且采樣點盡量避開島嶼、遠離岸邊。采樣點海水溫度由溫鹽深測儀(conductivity temperature depth，CTD)采集，表面測量深度在0.5 m左右，采樣點經(jīng)緯度由手持GPS獲取。

圖1 走航式測量航線驗證點分布Fig.1 Distribution of validation points

2 SST反演

2.1 RTM算法

基于熱紅外輻射傳輸方程推導，溫度為Ts的地表輻亮度L(Ts)， w·m-2·sr-1·μm-1，可表示為

(1)

L(Tsensor)=GDN+H，

(2)

式中:L(Tsensor)為星上輻亮度，w·m-2·sr-1·μm-1，由原始影像灰度值DN輻射定標得到，定標系數(shù)增益G和截距H由頭文件讀??；ε為海表比輻射率，在熱紅外波段隨波長變化較平緩，可用中心波長處的ε代替[22]，本研究中取值為0.98；τ為傳感器到目標的大氣路徑透過率；Lup和Ldown分別為大氣上行和下行輻亮度，w·m-2·sr-1·μm-1； 這3個參數(shù)可利用衛(wèi)星過境時研究區(qū)NCEP探空數(shù)據(jù)基于輻射傳輸模型MODTRAN4.0模擬得到，針對TIRS_B10可在NASA官網(wǎng)通過輸入影像過境時間、中心經(jīng)緯度和波段通道響應函數(shù)直接獲取。

基于式(1)獲取TIR_B10波段的L(Ts)，再通過輻亮度-溫度轉(zhuǎn)換模型，即普朗克函數(shù)反函數(shù)近似式，求取SST。Tj表達式為

(3)

式中： 當j=s時，L(Ts)即地表輻亮度，可求得地表溫度Ts； 當j=sensor時，L(Tsensor)即星上輻亮度，可計算獲得亮度溫度Tsensor； 模型系數(shù)K1和K2為衛(wèi)星發(fā)射前預設常量，可由Landsat8 TIRS數(shù)據(jù)頭文件讀取，針對第10波段k1和k2的取值分別為774.89和1 321.08。

2.2 QK&B算法

2.2.1 算法概述

Qin等[16]通過大氣平均作用溫度，基于地表熱輻射傳導方程推導簡化，提出適用于Landsat5 TM6的SST單窗算法，Ts計算公式為

Ts={a(1-C-D)+[b(1-C-D)+C+D]Tsensor-DTa}/C，

(4)

C=τε，

(5)

D=(1-τ)[1+(1-ε)τ]，

(6)

式中: 針對Landsat5 TM6波段，a=-67.355 3，b=0.458 6；Ta為大氣平均作用溫度。覃志豪等[23]基于大氣輻射傳輸軟件LOWTRAN模擬得到τ估算方程以及4種標準Ta估算方程。

2.2.2 算法修訂

由于Landsat8 TIRS_B10的波段特性與Landsat5 TM6有一定的差異，需對QK&B算法模型和大氣參數(shù)估算方程進行參數(shù)修訂。

1)系數(shù)a和b。Qin等[16]在QK&B算法推導中引入溫度參數(shù)L，其定義為

L=Bi(T)/[?Bi(T)/?T]，

(7)

式中Bi(T)為第i波段溫度為T時的黑體輻亮度，w·m-2·sr-1·μm-1。L的數(shù)值與溫度有很好的線性關系，系數(shù)a和b即是二者線性關系系數(shù)，即

L=a+bT。

(8)

TIRS_B10波段黑體輻亮度(B10(T))可用Planck函數(shù)近似式表達為

B10(T)=K1/(eK2/T-1)。

(9)

將式(9)代入式(7)得到不同溫度范圍對應的參數(shù)L，從而建立L與T的線性關系。擬合結(jié)果表明，針對TIRS_B10，在0～70℃變化范圍，a=-66.304 0，b=0.446 0，R2=0.999 4，RMSE=0.019 4； 在0～30 ℃范圍，a=-59.200 6，b=0.421 5，R2=0.999 9，RMSE=0.006 2； 在20～50 ℃范圍，a=-66.588 8，b=0.446 2，R2=0.999 9，RMSE=0.005 3。在這3種溫度范圍內(nèi)擬合結(jié)果R2都達到了0.999 0以上，但較小變化范圍對應的RMSE精度更高。

2)τ估算方程。大氣廓線數(shù)據(jù)(thermodynamic initial guess retrieval，TIGR)數(shù)據(jù)包含全球不同地區(qū)不同季節(jié)的探空資料[24]?；诖髿廨椛鋫鬏斈Ｐ蚆ODTRAN4.0，采用 TIGR數(shù)據(jù)，針對TIRS_B10波段，分別模擬了全球中緯度夏季(廓線編號： 323～710，共388條)、中緯度冬季(廓線編號： 711～1 064，共354條)以及中緯度綜合廓線(廓線編號： 323～1 064，共742條)條件下τ與水汽含量ω關系模型。在模擬過程中，考慮到Landsat8影像幅寬為185 km，邊緣與中心掃描線像元有3°～5°左右的視角差異，故觀測天頂角設置為3°。最終模擬結(jié)果如圖2和表1所示。

(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合

圖2Landsat8TIRS_B10τ與ω關系擬合
Fig.2FittedcurvesofτandωofLandsat8TIRS_B10

表1 Landsat8 TIRS_B10 τ估算方程Tab.1 τ estimating equation for Landsat8 TIRS_B10

從圖2和表1中可以看出，估算方程R2均大于0.960 0，RMSE均小于0.014 0(表1)，在季節(jié)特征不明時，中緯度綜合廓線下的算法系數(shù)可以替代中緯度冬季和夏季的算法系數(shù)。

反演τ的關鍵參數(shù)為ω，可根據(jù)衛(wèi)星過境時研究區(qū)NCEP探空數(shù)據(jù)提供的相對濕度、氣壓和氣溫廓線數(shù)據(jù)計算ω，其表達式為[25]

(10)

式中：ρ=1 g·cm-3，為液態(tài)水密度；g=981 cm·s-2，為重力加速度；T0=273.160 0 K，為標準溫度；p0=1 013 hPa，為海平面標準大氣壓；N為NCEP大氣廓線總層數(shù)；Tn，pn和qn分別為n層大氣的溫度(K)、氣壓(hPa)和比濕(g·kg-1)，其中qn由NCEP提供的pn以及n層大氣的水汽壓en通過式(11)計算得到[25]，而en由NCEP提供的Tn、相對濕度Un和飽和水汽壓E通過式(12)—(13)[26-27]計算得到，即

qn=622en/(pn-0.378en)，

(11)

en=UnE，

(12)

(13)

(3)Ta估算方程。Ta主要取決于大氣剖面氣溫分布Tn和大氣水分分布ωn，可近似表達為[23]

(14)

覃志豪等[23]基于公式(14)，利用標準大氣廓線模式計算得到Ta，并建立了Ta與近地表空氣溫度T1之間的線性關系模型，這樣僅使用近地表溫度即可估算Ta。基于TIGR數(shù)據(jù)，重新模擬了全球中緯度夏季、冬季以及綜合廓線條件下Ta與T1的關系模型，獲得了Ta估算方程，分別如圖 3和表2 所示。

(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合

圖3Ta與T1近地表空氣溫度關系擬合
Fig.3FittedcurvesofTaandT1

表2 Ta估算方程Tab.2 Ta estimating equation

由此可見，中緯度夏季的T1-Ta關系模型擬合精度R2(0.864 1)要大于中緯度冬季(0.780 9)，季節(jié)特征不明時，中緯度綜合廓線條件下的算法系數(shù)可以替代中緯度冬季和中緯度夏季算法系數(shù)。

3 算法對比與分析

利用Landsat8 TIRS第10波段數(shù)據(jù)，基于RTM算法和QK&B算法分別反演得到核電基地附近海域SST，以地面采集SST作為真值，對2種算法進行對比驗證。

為了增強可比性，針對QK&B算法的實現(xiàn)，一方面采用與RTM算法中一致的τ參與計算，定義為QK&B1，以便對2種算法的絕對精度進行對比； 另一方面利用本文修訂的中緯度夏季大氣透過率估算方程(表1)反演結(jié)果參與計算，定義為QK&B2，并與QK&B1結(jié)果進行對比分析，以此研究基于NCEP廓線獲取的τ和利用ω估算得到的τ的有效性。

3.1 反演結(jié)果與驗證

采用RTM，QK&B1和 QK&B2算法基于2014年6月11日Landsat8 TIRS_B10數(shù)據(jù)反演得到研究區(qū)的SST分布結(jié)果如圖4所示。

(a) RTM (b) QK&B1 (c) QK&B2

圖4TIRS_B10數(shù)據(jù)SST分布結(jié)果

Fig.4DistributionsofSSTderivedfromTIRS_B10

從圖4可以看出，三者空間分布格局基本一致，均呈現(xiàn)由東南向西北、從陸地到海洋溫度遞減的趨勢，尤其遙感影像在沿海岸線像元溫度明顯高于其他區(qū)域，主要是存在水陸混合像元，受岸邊像元影響所致。值得注意的是，采用統(tǒng)一τ輸入的RTM和QK&B1算法反演結(jié)果十分一致(圖4(a)、(b))，而QK&B2反演結(jié)果明顯高于前兩者(圖4(c))。

算法絕對誤差如圖5所示，圖中SSTrad為海面實測溫度，SSTalg為算法反演結(jié)果。

圖5 算法絕對誤差對比Fig.5 Comparison of absolute error for different algorithms

對比發(fā)現(xiàn)，RTM和QK&B1算法普遍低估實測點溫度(絕對誤差為正值)，且分布十分一致，而QK&B2反演結(jié)果正好相反，普遍高估實測點溫度(絕對誤差為負值)。各算法SST反演結(jié)果精度評價如表3所示。

表3 SST反演結(jié)果精度評價Tab.3 Accuracy of SST (℃)

由表3可知，RTM和QK&B1算法反演結(jié)果的平均誤差均在0.5 ℃左右，其中RTM算法精度最高，QK&B1次之，QK&B2算法平均誤差和RMSE略大于1 ℃。

反演值與實測值的線性關系如圖6所示。

圖6 算法反演結(jié)果與實測結(jié)果對比Fig.6 Comparison between SST retrieved by algorithm and shipboard measurement of SST

由圖6可見，RTM和QK&B1算法反演結(jié)果更接近于1∶1等值線。由此推斷，通過衛(wèi)星過境時研究區(qū)實時NCEP大氣探空數(shù)據(jù)模擬得到τ的精度較高，而QK&B2中利用ω，基于經(jīng)驗方程估算得到τ，增加了算法的不確定性。由此可見，τ估算精度對最終SST反演誤差影響較大。

3.2 敏感性分析

為了評價SST反演參數(shù)的不確定性對算法精度的影響，需要對各參數(shù)進行敏感性分析。評價各參數(shù)誤差引起SST反演誤差的表達式為

δTs=|Ts(x+δx)-Ts(x)|，

(15)

式中:δTs為SST反演誤差；x為影響SST反演精度的參數(shù)；δx為參數(shù)可能的不確定度；Ts(x+δx)和Ts(x)分別為參數(shù)取x+δx和x值時反演的SST。利用MODTRAN模型，結(jié)合研究區(qū)實時NCEP大氣廓線數(shù)據(jù)，模擬Landsat8 TIRS_B10輻亮度數(shù)據(jù)，海表輸入溫度為290.725 K，ε取值分別為0.92,0.94,0.96和0.98時分析其對反演結(jié)果的敏感性。除ε外，其余參數(shù)的不同取值均是在ε為0.98，ω分別為1，2和3 g·cm-2時對應的模擬結(jié)果。假設算法輸入?yún)?shù)準確無誤，基于模擬數(shù)據(jù)分析RTM和QK&B算法的參數(shù)敏感性。

3.2.1 RTM算法

RTM算法的輸入?yún)?shù)包括ε，Lup，Ldown和τ。圖7顯示了TIRS_B10數(shù)據(jù)SST反演對4種參數(shù)的敏感性。

(a)ε(b)τ(c)Lup(d)Ldown

圖7RTM算法對4種參數(shù)誤差敏感性分析

Fig.7SensitivityanalysisresultsoffourparametersemployedinRTMalgorithm

如圖7(a)所示，當ε為0.98，δε由0.004增加到0.020時，δTs由0.163 K增加到0.805 K，表明SST反演誤差隨ε誤差的增加而增加； 當ε為0.92～0.98時，其不確定性對SST反演誤差的影響并不大。τ對SST反演精度影響較大(圖7(b))，當τ為0.894 3，δτ由0.01增加到0.04時，δTs由0.705 K增加到2.753 K； 而當τ為0.660 3時，對應的δTs則由0.957 K增加到3.709 K。τ越低，RTM算法對其敏感性越高，這與前人研究一致。Jiménez-Muoz等[28]也曾表明，ω較大(τ較小)，反演誤差也會隨之增大。由圖7(c)—(d)對比發(fā)現(xiàn)，δTs對Lup的敏感性更強，當Lup=2.469 w·m-2·sr-1·μm-1，δLup由0.02增加到0.12時，δTs由0.234 K增加到1.415 K，且與τ一致，敏感性隨著ω的增大而增強； 而δLdown的誤差對SST反演精度的影響較小，在不同取值下算法敏感性幾乎無變化。

3.2.2 QK&B算法

QK&B算法主要輸入?yún)?shù)為τ，ε和Ta。圖 8顯示了τ，ε和Ta這3種參數(shù)對TIRS_B10數(shù)據(jù)SST反演精度的影響。

(a)ε(b)τ(c)Ta

圖8QK&B算法對3種參數(shù)誤差敏感性分析

Fig.8SensitivityanalysisresultsofthreeparametersemployedinQK&Balgorithm

由圖 8(a)可以看出，當ε為0.98，δε由0.004增加到0.020時，δTs由0.195 K增加到0.961 K，δTs隨δε誤差的增加而增加； 而ε為0.92～0.98時，其不確定性對δTs的影響不大。由圖 8(b)可知，當τ為0～0.04時，不確定性引起SST反演精度的變化均在1 K以內(nèi)，τ越低，QK&B算法對其敏感性越高，這與RTM算法一致，但QK&B算法對τ的敏感性明顯低于RTM算法，在無法獲取高精度的τ時，QK&B算法可能更具優(yōu)勢。針對Ta的敏感性分析，其變換公式為

δTs=|Ts(Ta+δTa)-Ts(Ta)|= |(D/C)δTa|。

(16)

由式(16)可知，在ε和τ一定時，δTs跟Ta的大小無關，只跟δTa相關，因此比較3種D/C情況下δTa誤差對SST反演精度的影響。如圖 8(c)所示，在D/C=0.122 7，ω=1 g·cm-2時，δTa由1 K增加到5 K時，對應δTs由0.061 0 K增加到0.614 0 K； 在D/C=0.271 6，ω=2 g·cm-2時對應δTs的變化幅度為0.136 8～1.358 0 K； 在D/C=0.531 8時，對應δTs的變化幅度則為0.266 0～2.659 0 K。綜上可知，Ta不確定性由1 K增加到5 K時對SST反演精度影響較大，且其對SST反演算法的敏感性隨D/C的增加而增大。

4 結(jié)論

本文利用Landsat8 TIRS熱紅外波段，基于輻射傳輸方程法和經(jīng)過系數(shù)修訂的QK&B單窗算法反演得到海表溫度，并以在遼寧省紅沿河核電站附近海域開展的星地同步實驗結(jié)果為標準，對2種單窗算法反演精度進行驗證和分析，主要結(jié)論如下：

1)結(jié)合NCEP大氣探空數(shù)據(jù)實現(xiàn)的輻射傳輸方程法較QK&B算法反演精度略高，二者RMSE均接近0.5 ℃，具備業(yè)務化開展研究區(qū)海表溫度動態(tài)監(jiān)測的潛力。

2)輻射傳輸法反演精度受大氣透過率不確定性的影響相對較高，且明顯高于QK&B算法，大氣透過率越低，水汽含量越大，2種算法對其敏感性越高。因此，當大氣透過率估算誤差較大時，QK&B可能更具優(yōu)勢； 輻射傳輸方程法對大氣上行輻射的敏感性要明顯高于下行輻射，且與大氣透過率一致，隨著水汽含量的增大敏感性增強； 針對QK&B算法，大氣平均作用溫度對SST反演精度影響較大，且敏感性隨D/C比值的增加而增大。

3)研究結(jié)果對Landsat8 TIRS數(shù)據(jù)應用于紅沿河及其他核電基地業(yè)務化海表溫度動態(tài)遙感監(jiān)測具有實際參考價值，但SST反演精度僅根據(jù)單一研究區(qū)有限的溫度采集數(shù)據(jù)進行評價存在一定的局限性。今后有必要增加不同季節(jié)、多個核電附近海域進行反復驗證，為核電溫排水監(jiān)測提供更為可靠有效的技術保障。

[1] 周 旋,楊曉峰,程 亮,等.單通道物理法反演海表溫度的參數(shù)敏感性分析及驗證[J].紅外與毫米波學報,2012,31(1):91-96.

Zhou X,Yang X F,Cheng L,et al.Sensitivity analysis and validation of the single channel physical method for retrieving sea surface temperature[J].Journal of Infrared and Millimeter Waves,2012,31(1):91-96.

[2] 林昭進,詹海剛.大亞灣核電站溫排水對鄰近水域魚卵、仔魚的影響[J].熱帶海洋,2000,19(1):44-51.

Lin Z J,Zhan H G.Effects of thermal effluent on fish eggs and larvae in waters near Daya Bay nuclear plant[J].Tropic Oceanology,2000,19(1):44-51.

[3] Wang Y S,Lou Z P,Sun C C,et al.Ecological environment changes in Daya Bay,China,from 1982 to 2004[J].Marine Pollution Bulletin,2008,56(11):1871-1879.

[4] Wang Z H,Zhao J G,Zhang Y J,et al.Phytoplankton community structure and environmental parameters in aquaculture areas of Daya Bay,South China Sea[J].Journal of Environmental Sciences,2009,21(9):1268-1275.

[5] Chuang H H,Tseng R S.Remote sensing of SST around the outfall of a power plant from Landsat and NOAA satellite[J].Journal of Photogrammetry and Remote Sensing,1998,3(2):17-45.

[6] Tang D L,Kester D R,Wang Z D,et al.AVHRR satellite remote sensing and shipboard measurements of the thermal plume from the Daya Bay,nuclear power station,China[J].Remote Sensing of Environment,2003,84(4):506-515.

[7] 張 彩,朱 利,賈 祥,等.不同空間分辨率熱紅外數(shù)據(jù)在近海核電廠溫排水監(jiān)測一致性研究[J].遙感信息,2015,30(2):71-76.

Zhang C,Zhu L,Jia X,et al.Consistency of different spatial resolution thermal infrared data in monitoring thermal discharge of nuclear power plant in coastal area[J].Remote Sensing Information,2015,30(2):71-76.

[8] 覃志豪,Zhang M H,Karnieli A,等.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].地理學報,2001,56(4):456-466.

Qin Z H,Zhang M H,Karnieli A,et al.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J].Acta Geographica Sinica,2003,56(4):456-466.

[10] Qin Z H,Karnieli A.Progress in the remote sensing of land surface temperature and ground emissivity using NOAA-AVHRR data[J].International Journal of Remote Sensing,1999,20(12):2367-2393.

[11] Jiménez-Muoz J C,Sobrino J A,SkokoviD,et al.Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J].IEEE Geoscience and Remote Sensing Letters,2014,11(10):1840-1843.

[12] 周 穎,鞏彩蘭,匡定波,等.基于環(huán)境減災衛(wèi)星熱紅外波段數(shù)據(jù)研究核電廠溫排水分布[J].紅外與毫米波學報,2013,31(6):544-549.

Zhou Y,Gong C L,Kuang D B,et al.Distribution of thermal discharge from a power plant: Analysis of thermal infrared data from the environmental mitigation satellite[J].Journal of Infrared and Millimeter Waves,2013,31(6):544-549.

[13] 宋 挺,段 崢,劉軍志,等.Landsat8數(shù)據(jù)地表溫度反演算法對比[J].遙感學報,2015,19(3):451-464.

Song T,Duan Z,Liu J Z,et al.Comparison of four algorithms to retrieve land surface temperature using Landsat8 satellite[J].Journal of Remote Sensing,2015,19(3):451-464.

[14] 胡德勇,喬 琨,王興玲,等.單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學報,2015,19(6):964-976.

Hu D Y,Qiao K,Wang X L,et al.Land surface temperature retrieval from Landsat8 thermal infrared data using mono-window algorithm[J].Journal of Remote Sensing,2015,19(6):964-976.

[15] 徐涵秋.新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學報,2015,58(3):741-747.

Xu H Q.Retrieval of the reflectance and land surface temperature of the newly-launched Landsat8 satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.

[16] Qin Z,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] Qin Z H,Dall’Olmo G,Karnieli A,et al.Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J].Journal of Geophysical Research,2001,106(D19):22655-22670.

[18] Becker F,Li Z L.Towards a local split window method over land surfaces[J].International Journal of Remote Sensing,1990,11(3):369-393.

[19] Wan Z M,Dozier J.A generalized split-window algorithm for retrieving land-surface temperature from space[J].IEEE Transactions on Geoscience and Remote Sensing,1996,34(4):892-905.

[20] Montanaro M,Gerace A,Lunsford A,et al.Stray light artifacts in imagery from the Landsat8 thermal infrared sensor[J].Remote Sensing,2014,6(11):10435-10456.

[21] McDonald J E.Saturation vapor pressures over supercooled water[J].Journal of Geophysical Research,1965,70(6):1553-1554.

[22] 朱 利,趙利民,王 橋,等.核電站溫排水分布衛(wèi)星遙感監(jiān)測及驗證[J].光譜學與光譜分析,2014,34(11):3079-3084.

Zhu L,Zhao L M,Wang Q,et al.Monitoring the thermal plume from coastal nuclear power plant using satellite remote sensing data:Modeling and validation[J].Spectroscopy and Spectral Analysis,2014,34(11):3079-3084.

[23] 覃志豪,Li W J,Zhang M H,等.單窗算法的大氣參數(shù)估計方法[J].國土資源遙感,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.

Qin Z H,Li W J,Zhang M H,et al.Estimating of the essential atmospheric parameters of mono-window algorithm for land surface temperature retrieval from Landsat TM6[J].Remote Sensing for Land and Resources,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.

[24] Niclòs R,Caselles V,Coll C,et al.Determination of sea surface temperature at large observation angles using an angular and emissivity-dependent split-window equation[J].Remote Sensing of Environment,2007,111(1):107-121.

[25] 楊景梅,邱金桓.用地面濕度參量計算我國整層大氣可降水量及有效水汽含量方法的研究[J].大氣科學,2002,26(1):9-22.

Yang J M,Qiu J H.A method for estimating precipitable water and effective water vapor content from ground humidity parameters[J].Chinese Journal of Atmospheric Sciences,2002,26(1):9-22.

[26] 張志富,希 爽.關于露點溫度計算的探討[J].干旱區(qū)研究,2011,28(2):275-281.

Zhang Z F,Xi S.Study on calculation of dew-point temperature[J].Arid Zone Research,2011,28(2):275-281.

[27] Goff J A.Saturation pressure of water on the new Kelvin temperature scale[M]//American Society of Heating and Ventilation Ergineers.Transactions of the American Society of Heating and Ventilating Engineers.Canada:General Books LLC,1957:347-353.

[28] Jiménez-Muoz J C,Cristóbal J,Sobrino J A,et al.Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(1):339-349.