气温遥感估算方法研究综述_张丽文

摘要：气温作为重要的气候资源之一，在植被长势、农业灾害和气候变化研究中发挥着举足
轻重的作用。目前大尺度农业、气候模型都需要空间分布的气温作为输入参数。除了用有限
的台站数据空间插值获取气温栅格化数据外，遥感技术更为连贯精细的气温空间观测提供了
有力的数据支持。为服务区域尺度气温相关的科研及业务工作，论文首先介绍了目前国内外
1.1 简单统计法
大气对太阳辐射的吸收能力薄弱而对地面长波辐射的吸收能力强，所以气温的升降
变化主要受到地表温度热量传递的影响 。 [48] 简单统计法就是依据气温与地温的高度相
关，建立的简单一元线性回归模型，即：
Ta = a0 + a1 ⋅ X
（1）
式中：Ta为估算的气温值；X 指代 LST 或热红外亮度温度值；a0、a1为回归系数。Chen 等
方程[22]。Cristóbal 等认为将包含经纬度、距海岸距离和太阳入射辐射的地理变量和包含
Albedo、LST 和 NDVI 的遥感变量结合起来建模，可将月平均气温估算模型精度提高到均
方根误差 RMSE=1.0 ℃[54]。姚永慧等利用地理加权回归(GWR)建模来考虑特殊地形和生
态现象对气温的影响[37]。Zhang 等 和 [49] Benali 等[30]的研究结果均显示，结合 MODIS 白天和
中加入了可解释大气物理条件季节变化的太阳赤纬角[49]。不过 Jang 等指出，儒略日在气
温估算中的重要性要高于纬度和 SZA 这些辅助数据[24]。
为进一步提高估算精度，高级统计模型在算法上改进许多。例如，Ninyerola 等利用
统计残差的空间插值对统计回归拟合值进行校正[53]。Yan 等建立了不同纬度气温估算校正
气温遥感估算的主要方法，包括简单统计法、高级统计法、温度-植被指数分析法 （TVX
法）、地表能量平衡法及大气温度廓线外推法。再根据实际应用需要，重点总结比较了最
高、最低和平均气温及不同时空尺度气温的遥感估算特点。最后讨论了气温遥感估算在实际
应用中存在的问题并探讨了未来的研究趋势。
关 键 词：农业资源利用；遥感；气温；地表温度
1 气温遥感估算主要方法
虽然尚不能根据辐射传输原理直接反演气温，热红外遥感数据却可以通过两种形式 间接参与气温的遥感估算：一种是原始热红外波段测量值 （亮度温度），一种是以此为基 础利用算法反演得到的 LST。表 1 列举了目前常用于气温遥感估算的卫星及传感器属 性。可见，地球同步卫星如 Meteosat、MSG、GMS 和 GOES 可估算分钟级的高时间分辨 率气温数据，而极轨卫星 NOAA、Terra/Aqua、Landsat 等可获取空间分辨率 60 m～1 km 的气温数据。归纳起来，运用这些遥感数据目前已发展的气温估算方法主要包括简单统 计方法、高级统计方法、温度-植被指数分析法 （TVX 法）、能量平衡方法和大气温度廓 线外推法五大类。
分析了用 GOES-VISSR 热红外数据估算气温的可能性，建立了冬季晴朗夜间地表温度与
1.5 m 地表气温之间的相关关系 （相关系数 R=0.87，平均标准偏差为 1.3~2.0 ℃） 。 [47]
Kawashima 等用 Landsat TM LST 估算的冬季晴空下的气温误差在 1.4~1.85 ℃[41]。Davis 等
关关系；2） 在气压和湿度条件一致的浓密植被覆盖条件下，13 km×13 km 空间范围内
LST （植 被 冠 层 温 度 ， Tc） 近 似 于 冠 层 内 气 温 。 即 满 足 小 窗 口 内 LST = Tc = a × (NDVImax) + b ≈ Ta ，其中：a、b 为窗口内 LST 与 NDVI 根据最小二乘法拟合得到的回归系 数；NDVImax为象征浓密植被的 NDVI 最大值。
的地位[28,50]。为解释季节性差异，研究者采用分季节统计建模[36,49,52]或直接将可解释季节变
化的时间或角度因子代入模型。例如 Cresswell 等考虑到太阳天顶角变化对太阳入射辐射
的影响，建立了基于 LST 和 SZA 的气温估算模型[10,18,22,24]。Zhang 等在回归模型的订正方程
前提在应用中普遍存在局限性。首先，Prihodko 等[56]假设中浓密植被对应的 NDVImax （0.86） 不一定适用于其他研究区，Vancutsem 等和徐永明等总结以往文献得出，TVX 算
法中的 NDVImax随传感器的不同可由 Meteosat 数据的 0.65 变化到 AVHRR 数据的 0.86[10,59]。 另外，由于算法建立在局部窗口拟合的基础上，如果窗口内有大量水体、积雪、云覆
图 1 温度-植被指数分析法 (TVX) 原理示意图
Fig. 1 Illustration of the theory of TVX method
3期
张丽文 等： 气温遥感估算方法研究综述
543
（TVX） 。图 [55-56] 1 举例说明了此方法的两个基础假设：1） LST 与植被指数(NDVI)呈负相
用 NOAA 热红外数据分析了北美地气温的线性回归关系，气温估算的标准差在 1.6~2.6 ℃
之间[26]。Horiguchi 等建立了利用地球同步卫星 GMS 热红外数据估算气温的回归模型，误
542
自然资源学报
29 卷
差为 1~1.7 ℃ 。 [46]
1.2 高级统计法
随着对地气温热交换原理的深入挖掘，更多学者通过建立高级统计模型来提高气温
中图分类号：P407.6；TP79 文献标志码：A DOI：10.11849/zrzyxb.2014.03.017
文章编号：1000-3037(2014)03-0540-13
气温 （近地表气温，Ta） 作为下垫面辐射交换和热量平衡的综合反映，参与蒸腾、 光合作用等众多生物物理过程，是农业生态环境、城市热岛效应及气候变化等多个领域 研究的关键指标[1-3]。温度异常可导致干旱[4]、低温冷冻害[5]、高温热害[6-7]及森林火灾[8]等 农业气象灾害，同时也影响农作物、病虫害和流行病菌的衍生和传播[9-11]，进而对粮食及 公共卫生安全构成威胁。
15 min, 3 km
30 min, 5 km 30 min, 7 km
气温遥感反演文献 [9, 24-26]
[6, 10, 21-22, 27-39] [15, 40-42] [43] [18]
[3, 44-45]
[46] [47]
注：卫星上标“E”代表地球同步卫星，上标“S”代表极轨太阳同步卫星。
随着卫星遥感技术的迅猛发展，具有空间连续成像特点的热红外遥感影像已成为可 提供地球下垫面温度时空信息的重要数据源。卫星接收到的热红外信号是陆地-大气体系 中以地表信号为主、空气信号薄弱的混合信号[17-18]。从 20 世纪 80 年代起，就有学者针对 不同传感器热红外通道设计提出了一系列经典的地表温度 （LST 或 Ts） 遥感反演算法 （如热辐射传输方程法、单窗、分裂窗和三通道算法等） [19-20]。相比之下，复杂的大气辐
收稿日期：2012-11-27；修订日期：2013-04-09。 基金项目：公益性行业 （气象） 科研专项 （GYHY201306036）；国家科技支撑计划 （2012BAH29B04）。 第一作者简介：张丽文 （1985－ ），女，湖北宜昌人，博士生，研究方向为农业遥感与农业气象研究。E-mail:
MSG E
GMS E GOESE
传感器 AVHRR 改进型甚高分辨率辐射仪 MODIS 中分辨率成像光谱仪 TM/ETM+ (增强型)专题制图仪 ASTER 先进星载热量散发和反辐射仪 VISSR 可见光和红外自旋扫描辐射仪 SEVIRI 旋转增强型可见光及红外线成 像辐射计 VISSR 可见光和红外自旋扫描辐射仪 VISSR 可见光和红外自旋扫描辐射仪
数；X1，X2，…，Xn 代表影响 Ta 的变量因子，如 LST （或通道亮温）、地理变量 （经纬
度、高程、距海岸距离）、下垫面类型 （NDVI）、反照率(Albedo)、太阳天顶角 （SZA）、
儒略日 （Julian day） 等；ε为误差项。代表植被覆盖状态的 NDVI 和影响能量收支平衡的
Albedo 均与气温模型呈负相关[21,40,50]。部分研究证明高程在气温估算中与 LST 有同等重要
夜晚 LST 的估算模型比单独利用白天或夜晚 LST 的模型有更高精度，可将日最高、最低
wk.baidu.com
和平均气温的估算误差均提高到 2 ℃以内。
1.3 温度－植被指数分析法
浓密植被通过蒸腾作用将更多入射辐射能转为潜热因而降低地表温度[49]。针对这一
原理，Nemani 等和 Prihodko 等最初针对 AVHRR LST 数据提出了温度－植被指数分析法
由于 TVX 方法具有无需地面数据只依赖遥感 LST 与 NDVI 数据的独特优势，研究者
们 利 用 众 多 传 感 器 数 据 ， 如 NOAA/AVHRR[57-58]、 MSG/SEVIRI[44-45]、 EOS/MODIS[38-39]、
Landsat/ETM+[15]等在全球不同研究区对该方法进行了验证。结果显示，TVX 方法的假设
的估算精度。高级统计方法大体上可分为多元回归模型[10,18,21-22,30,32,35-36,49-50]和神经网络模型[24,
40,43,51]两大类。以多元回归模型为例：
Ta = a0 + a1 ⋅ X1 + a2 ⋅ X2 + a3 ⋅ X3 + ⋯ + an ⋅ Xn + ε
（2）
式中：Ta 为瞬时、最高、最低或平均气温等多种气温形式；a0，a1，…，an 为模型回归系
表 1 估算气温的常用遥感卫星及传感器属性
Table 1 Characteristics of remote sensing satellites and sensors to estimate near surface air temperature
卫星平台 NOAAS TerraS/AquaS Landsat S TerraS Meteosat E
flowerpapa@hotmail.com * 通 信 作 者 简 介 ： 黄敬峰 （1963－ ），男，博士，博士生导师，研究员，主要从事环境遥感研究。E-mail:
hjf@zju.edu.cn
3期
张丽文 等： 气温遥感估算方法研究综述
541
射及其微小的信号比例增加了直接从热红外遥感数据估算气温的研究难度[17-18,21-22]。尽管 如此，已有文献基于地表能量平衡原理详细阐述了 LST 与 Ta之间存在物理意义明确的相 关关系[3,23]，这为遥感技术通过 LST 间接估算气温提供了有力的理论支撑。本文通过文献 综述，总结概述了近年来国内外气温遥感估算方法研究进展，重点分析了最高、最低及 平均气温遥感估算特点，最后分析了现有研究成果在实际应用中存在的问题，并对研究 发展进行了展望。
第 29 卷 第 3 期 2014 年 3 月
自然资源学报
JOURNAL OF NATURAL RESOURCES
Vol.29 No.3 Mar., 2014
气温遥感估算方法研究综述
张丽文 1,2，黄敬峰 1,2，王秀珍 3
（1. 浙江大学 农业遥感与信息技术应用研究所，杭州 310058；2. 浙江省农业遥感与信息技术 重点实验室，杭州 310058；3. 杭州师范大学 遥感与地球科学研究院，杭州 310018）
通常气温指由气象台站测定于离地表 1.5 或 2 m 高的近地面环境气温。站点观测的气 温数据虽然时间序列长且数值精准，却难以代表气温的区域水平。空间插值方法能实现 数据点尺度到面尺度的转换，是研究者早年获取气温空间分布的有效手段。尽管插值方 法在不断发展和完善[12-14]，但用有限台站观测值生成的气温空间数据的精度仍难以满足县 市级区域尺度研究的要求[15-16]。
热红外范围/μm 10.5~12.5 3.66~14.23
10.40~12.50 8.12~11.65 10.5~12.5
3.9~13.4
10.5~12.5 10.5~12.5
时空分辨率 2/d, 1.1 km 2/d, 1 km 16 d, 60 m 16 d, 90 m 30 min, 5 km