摘要：本文利用Landsat系列影像数据构建辐射传输模型，以三亚市为研究区进行陆表温度反演实验。通过大气剖面参数计算、可见光波段处理和地表发射率计算进行辐射传输模型陆表温度反演研究，实验得到了2000、2004、2008、2012、2016、2018年三亚市陆表温度产品。这套研究模型可应用在其他城市，经过逐步完善，可广泛适用于多区域陆表温度反演，从而发挥更高的应用价值。
关键词：陆表温度；辐射传输；Landsat；三亚市
海南资源环境遥感产品数据集专题
I 区论文（评审中）
•
版本
ZH2
Abstract: This study uses Landsat series image data to construct a radiative transfer model, with which to carry out ground surface temperature inversion in Sanya city. Based on the radiative transfer model, land surface temperature was inverted by means of atmospheric profile parameter calculation, visible light band processing, and surface emissivity calculation. As such, the surface temperature products of Sanya city in 2000, 2004, 2008, 2012, 2016 and 2018 were experimentally obtained. Once optimized, this research model can be extended to a wide range of cities, thereby acquiring high application value.
Keywords: land surface temperature; radiative transfer; Landsat; Sanya
| 数据库（集）名称 | 基于辐射传输模型的三亚市陆表温度反演数据集 |
| 数据作者 | 谷艳春、胡蝶、张颖、张琳琳 |
| 数据通信作者 | 谷艳春（1023654239@qq.com） |
| 数据时间范围 | 2000–2018年 |
| 地理区域 | 三亚市（18°09′34″–18°37′27″N、108°56′30″–109°48′28″E） |
| 空间分辨率 | Landsat 4/5：120/30 m Landsat 8：100 m |
| 数据量 | 416 KB |
| 数据格式 | *.vsd，*.png，*.pro |
| 数据服务系统网址 | http://www.sciencedb.cn/dataSet/handle/675 |
| 基金项目 | 海南省重大科技计划项目（ZDKJ2016021）；三亚市城市热污染遥感监测技术（2017CZ07）；基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术（2018JZ0054）；海南省遥感大数据服务平台建设与应用示范（2017-2018），海口城市热岛强度多时空尺度遥感及其演变研究（ZDKJ2016021）。 |
| 数据库（集）组成 | 本数据集主要包括4个文件夹，分别为：封面图文件夹，png格式；三亚市温度反演结果图文件夹，内含2000–2018年png格式的数据；数据集构建及处理流程，内含命名为基于辐射传输方程模型的陆表温度反演数据集vsd格式的数据；温度反演代码文件夹，内含pro格式Landsat5(LST5)和Landsat8(LST8)温度反演代码数据。 |
| Title | Data set of land surface temperature inversion in Sanya city based on radiative transfer model |
| Data corresponding author | Gu Yanchun(1023654239@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 4/5: 120/30 m Landsat 8: 100 m |
| Data volume | 416 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); Remote Sensing Monitoring Technology for Urban Thermal Pollution in Sanya (2017CZ07); Technology for Extraction of Rice Leaf Area Index Based on Large Data Machine Learning and Canopy Reflectance Model (2018JZ0054); Construction and Application Demonstration of Remote Sensing Data Service Platform of Hainan Province (2017-2018); Study on the Remote Sensing of Haikou City Heat Island Strength at Multi-spatio-temporal Scales and Its Evolution (ZDKJ2016021) |
| 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. |
陆表温度即陆地表面温度（Land Surface Temperature，LST）是环境监测、气候、水文、农业等陆表研究分析和应用模型创建中的重要输入参数，也是其他很多研究和应用的基础，如土壤水分监测、地热位置判别均离不开陆表温度的测定[1]。反演陆表温度一直是遥感定量化应用的重要内容，在具体研究实验中选择最佳的陆表温度反演算法，是提高反演精度的首要因素。
目前，针对陆表温度反演已提出了诸多不同算法[2,3,4,5,6,7,8 ]。最主要的是由Becker等在1990年提出的劈窗算法[2]，此算法后经诸多改进，已广泛应用于NOAA系列卫星热红外遥感数据。但由于陆地表面组成物质的不均一性和复杂性，以及大气影响，遥感反演陆表温度始终是一个重要而复杂的研究课题[9]。且对于长序列的陆表温度反演有较多不足之处，如大气参数未考虑；大气传输物理意义不明确；只有在晴空无云和精确估算地表比辐射率的情况下精度高、对NOAA系列卫星热红外遥感数据效果最佳；一般的辐射传输方程方法参数难确定、温度反演过程繁杂。随着遥感卫星数量的逐年增加，遥感影像也随之愈加丰富，因此充分发挥遥感能够长时间序列的温度反演，可实现区域温度监测的优势。
本文利用Landsat4/5、Landsat-8影像数据，基于RSTAR辐射传输模型计算大气廓线，采用覃志豪[11]等提出的简单易行并且精度高的地表发射率估算方法，计算出三亚市2000、2004、2008、2012、2016、2018年共6景（无云或少云）陆表温度，以便从整体监测三亚市陆表温度变化趋势。
本文的研究区三亚市（18°09′34″–18°37′27″N，108°56′30″–109°48′28″E）位于海岛的最南端，东邻陵水县，西接乐东县，北毗保亭县，南临南海。气候属于热带海洋季风气候，年平均气温25.7°C。
本数据集构建过程包括数据下载、计算大气上下行辐射和大气透过率参数、温度反演代码实现、裁剪和输出几个步骤，如图1。
其中，数据处理过程中使用到的IDL是一种数据分析和图像化应用程序及编程语言，有可灵活的数据输入输出、快速实现可视化、支持外部语言接口等优势，是遥感领域用编程方式处理影像的最佳选择，本数据集用到的是IDL8.5版本。
1.1
数据来源与数据概括
Landsat系列影像数据以较高空间分辨率的优势（如Landsat 7热红外波段的空间分辨率为60 m），有助于提高陆表温度反演研究结果的精度。Landsat 4/5的影像数据有一个热红外波段；2013年2月11日，NASA成功发射的Landsat-8卫星有两个热红外波段。本文所用Landsat系列影像数据在地理空间数据云网站(http://www.gscloud.cn/search)获取。
1.2
数据处理
1.2.1
大气剖面参数计算
大气剖面参数计算主要是依据大气辐射传输模式计算大气上行辐射、下行辐射和大气透过率参数，大气传输模式为RSTAR辐射传输模式。本文根据具体影像的过境时间、中心经纬度、所属季度（夏季或冬季）和传感器类型，直接在大气校正参数计算器网站(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
可见光波段处理
根据Chander等研究[10]，比较来自不同传感器图像时，应使用大气表观反射率（Top of Atmosphere Reflectance，TOA reflectance）：首先，消除不同太阳天顶角余弦值产生的误差；其次，利用TOA reflectance补偿光谱带差引起的太阳辐照度的不同值；最后，用TOA reflectance校正由不同数据采集时间导致的日地距离的变化。该过程的关键代码（如图2）是在IDL 8.5中通过代码完成的。
1.2.3
地表发射率计算
基于覃志豪[11]等提出的地表发射率反演算法，对水体掩膜后，将地表分为自然（植被+裸土）和城镇（植被+建筑表面）两类。算法主要有三步：首先，计算植被覆盖度；其次，城市表面可以看作是由不同比例的植被和建筑物组成，自然表面可以看作是由不同比例的植被和裸露土壤组成；最后，生成整个研究区影像的地表比辐射率图。该过程的关键代码如图3所示。
在多种陆表温度反演算法中选择辐射传输方程方法，基于RSTAR辐射传输模型计算大气廓线，采用覃志豪[11]提出的地表发射率估算方法，计算出2000、2004、2008、2012、2016、2018年共6景（无云或少云）三亚市陆表温度,部分结果如图5所示。
本数据集通过以下几方面进行质量控制：
（1）数据源质量控制。在选取Landsat卫星数据时，以有数据、无云或者少云、无条带为选取标准。因为高质量的数据源是得到高精度结果的必要条件。
（2）目视解译检测。采用目视解译的方法，检测地表温度结果图中的高温区与实际城镇所在区域基本一致性，证实反演的地表温度结果的准确性。
本研究提出了适合于城市热环境特征的地表温度反演技术，为遥感服务于城市建设提供技术支持。数据成果具有很强的实用性、普适性，如反演产品可为城市生态环境研究提供数据产品服务，无论区域大小均可适用。同时数据成果可为环保部门和城建部门开展城市热环境变化监测提供检测方式，具有很强的应用价值和实用性。
通过遥感手段反演城市热空间信息参量，充分发挥了遥感监测的周期性和时效性，便于在短时间快速分析判断城市生态环境时空演化特征。
[2]
PRICE J C. Land surface temperature measurements from the split window channels of the NOAA 7 Advanced Very High Resolution Radiometer[J]. Journal of Geophysical Research Atmospheres, 1984, 89(D5): 7231-7237.
[3]
BECKER F, LI Z L. Becker F, Li Z. 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.
[4]
ULIVIERI C, CASTRONUOVO M M, FRANCIONI R, et al. A split window algorithm for estimating land surface temperature from satellites[J]. Advances in Space Research, 1994, 14(3):59-65.
[5]
VALOR E, CASELLES V. Mapping land surface emissivity from NDVI: application to European, African, and South American areas[J]. Remote Sensing of Environment, 1996, 57(3): 167-184.
[6]
CASELLES V, COLL C, VALOR E. Land surface emissivity and temperature determination in the whole HAPEX-Sahel area from AVHRR data[J]. International Journal of Remote Sensing, 1997, 18(5): 1009-1027.
[7]
TU L P, ZHOU B. A Comparative Study of Algorithms for Estimating Land Surface Temperature from Landsat/TM Data[J]. Bulletin of Science & Technology, 2007, 23(3):326-331.
[10]
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.
