基于Landsat TM影像的南京地区地表温度反演

本科毕业设计

题目: 基于Landsat TM影像的南京地区地表温度反演

学院:

专业:

班级:

学号:

学生姓名：

指导教师: 职称:

二○一年月日

基于Landsat TM影像的南京地区地表温度反演

摘要

城市地表温度的监测是当前的热点问题之一，其应用如城市热岛效应和城市冷岛效应。但是传统的技术方法存在较大的缺点如周期长、效率低等问题而运用热红外遥感，进行城市地表温度监测，具有客观、准确、简便、时效性强的特点。本文利用Landsat5 TM遥感影像，基于其第6波段的然红外数据进行南京地区地表温度的反演。1 遥感影像的预处理，提取研究区。其过程如下，首先经过大气校正、辐射校正的遥感影像，把影像的DN值转换为辐射值，接着基于可见光多光谱数据，提取研究区归一化植被指数（NDVI），然后根据NDVI制作植被覆盖度图，然后计算研究区的地表比辐射率，最后计算相同温度下黑体的辐射亮度值，并转换为地表的真实温度。结果表明:研究区内地表温度分布差异比较明显，且随着地表覆盖类型的变化而呈现不均匀的分布形态，其中道路和城市中心出现温度的高值（大于30℃)，城市边缘及城乡结合部，江心洲区域温度较高(26-30℃)，耕地及城市绿化用地温度低(20-26℃)，植被温度较低（16-20℃），河流温度更低（10-16℃），湖水和坑塘的温度最低(低于20℃)。计算的结果符合地表水热关系。本文设计的方法能较好地反演出城市地表温度的分布状况。

关键词：热红外遥感；Landsat TM；植被覆盖度；辐射亮度

Surface Temperature Inversion of Nanjing Based on TM

Landsat Image

ABSTRACT

The monitoring of urban surface temperature is one of the hot issues，such as urban heat island effect and urban cold island effect.. But the traditional technology and methods exist great disadvantages such as long period，low efficiency and the use of thermal infrared remote sensing，monitoring of urban surface temperature，is objective，accurate，convenient，timeliness strong characteristics. In this paper，the TM Landsat5 remote sensing image is used，and the surface temperature inversion of the Nanjing area is based on the sixth band of the natural data.. 1 preprocessing of remote sensing image and extracting research area. The process is as follows，first after atmospheric correction，radiometric correction of remote sensing images，the image of DN value conversion value for the radiation，then based on visible multi spectral data，extract the study area normalized difference vegetation index (NDVI)，then according to NDVI vegetation coverage map，and then count to calculate the surface emissivity，finally calculated under the same temperature blackbody radiance，and converted to the true surface temperature. The results showed that of mainland surface temperature obvious difference in distribution and with land cover type changes showed uneven distribution，the roads and urban center temperature of high value (more than 30 DEG C) and marginal urban and urban and rural combination，Jiangxinzhou area high temperature (26-30 degrees C)，cultivated land and urban greening in low temperature (20-26 degrees C)，low temperature / vegetation (16-20 DEG C)，River lower temperatures (10-16 DEG C)，the temperature of the water of the lakes and ponds minimum (less than 20 DEG C). The results were in accord with the thermal relationship of surface water.. The method of this paper can well show the distribution of urban surface temperature.

Key words：Thermal Infrared remote sensing; TM Landsat，Vegetation Coverage; Rradiant brightness

目录

1引言.......................................................................... - 1 -

1.1 选题背景与意义......................................................... - 1 -

1.2 设计内容 ............................................................... - 2 -

1.3 技术路线 ............................................................... - 3 -

2 数据与软件 .................................................................. - 5 -

2.1数据源.................................................................. - 5 -

2.1.1数据源分析........................................................ - 7 -

2.1.2研究所用软件简介.................................................. - 8 -

2.2遥感图像预处理.......................................................... - 9 -

2.2.1提取研究区........................................................ - 9 -

2.2.2 辐射校正........................................................ - 10 -

2.2.3 大气校正........................................................ - 12 - 3地表比辐射率与辐射亮度值计算................................................. - 14 -

3.1地表比辐射率的计算..................................................... - 14 -

3.1.1植被覆盖度计算................................................... - 14 -

3.1.2 地表比辐射率的计算............................................... - 19 -

3.2辐射亮度值计算......................................................... - 20 -

3.2.1计算方法......................................................... - 20 -

3.2.2获取参数......................................................... - 20 -

3.3辐射亮度值计算......................................................... - 21 - 4反演地表温度与制图........................................................... - 23 -

4.1地表温度反演........................................................... - 23 -

4.2 图的整饰与输出......................................................... - 24 - 结论 .......................................................................... - 28 -

1引言

1.1 选题背景与意义

地表温度的监测地球资源环境动态变化研究的重要内容之一。地表温度的监测对地表水文、地表生态环境和生物地球化学等领域的研究有重要意义。传统的方式获取地表温度比较麻烦，而且不够全面，其常用的做法是采用温度计测量大气温度，所测的结果只是测站点的局部温度。但是遥感不仅可以获取地表二维空间连续的温度分布，并且能够实时快速地获取大面积区域地表温度。因此利用遥感卫星影像反演地表温度，探索卫星热红外波段理论及其实际应用方法，已经逐步成为遥感应用学科的一个重要课题。热红外遥感记录的是地表覆盖类型的热辐射能量，具有不破坏地表热力学状态的特点，用其反演陆面温度早已被科学家重视。

随着遥感技术的发展，热红外遥感技术逐步完善和成熟，能很好地克服传统温度监测的不足，它能全面有效地探测，下垫面的温度分布。而且能周期性，动态地监测城市热环境的变化趋势，是研究城市热岛效应的重要手段。并且国内外许多学者利用热红外遥感资料进行温度反演的研究取得了良好的效果。

1.2国内外研究概况

对地表温度反演的研究主要集中在反演的数学方法上。国内外学者不断探索新的方法，利用TM影像进行温度反演最常用的方法有，基于影像的反演算法、单窗法、单通道法。无论是基于影像的反演算法、单窗法还是单通道法，都要解决的一个问题就是地表比辐射率的计算。地表比辐射率是的计算，经常采用的方法是先对研究区的遥感影像进行监督分类，将研究区遥感影像分为水体、城镇和自然表面3种类型。而水体像元的比辐射率是个固定值，为0. 995，自然表面和城镇的比辐射率需要根据以下公式来确定：

εsurface = 0.9625 + 0.0614FV - 0.0461FV2

εbuilding = 0.9589 + 0.086FV - 0.0671FV2

εsurface为自然表面的比辐射率，εbuilding为城镇的比辐射率，FV为植被覆盖度。FV 的计算公式如下：

FV = (NDVI- NDVIS)／(NDVIV - NDVIS)

NDVIs为NDVI值得最小值，一般取像元累计5%处的值，NDVIV为NDVI值得最大值，一般取像元累计95%处的值。将大于NDVIV的值赋予1，将小于NDVIs的值赋予0，中间的值根据以下公式来计算得出：

（NDVI ge NDVIs and NDVI le NDVIV）*（（NDVI - NDVIs)/( NDVIV- NDVIs））。

但是这些计算方法都存在着一个缺点，就是把像元看成同温同质体，反演得到的陆面温

度只是像元的等效温度或平均温度。对于复杂目标而言，像元内的组分温度才具有实用价值，并且现有传感器的热红外通道间高度相关，不可能获得稳定的高精度解，即使增加通道数也无济于事，而且在目前传感器精度限制的情况下，热红外通道间信息的高度相关会导致温度解不稳定，并限制温度反演精度的提高。因此热红外多角度遥感数据的地表组分温度的反演逐渐发展起来。李小文等向热红外遥感界的传统观点提出了挑战，提出了一个能够描述不同温表面方向性辐射的概念模型（LSF）。在此概念模型中，承认地表不再是同温的物体，而是有不同的组分温度，同时构造了等效发射率。这个等效发射率一部分由地表的二向性反射分布函数BRDF决定，另一部分是由组分温度的差别引起的等效发射率。LSF模型为不同温地表热辐射的方向性建模奠定了基础。徐希孺等提出了有效发射率模型、矩阵表达式等。这些模型从概念上揭示了组分温度和温差的分布对像元热辐射的影响，以及像元内各组分互为光源的特性，真正从原理上阐明了地表热辐射方向性产生的机理。刘强通过在辐射传输方程中添加热发射项的方式，直接把一个常用的可见光波段的冠层模型—SAIL模型改造成热红外波段模型，此模型适用于各种类型的多层水平均匀植被并且可以计算组分的有效发射率或发射率的多次散射增量。范文捷等根据热红外辐射矩阵表达式建立了组分温度反演的矩阵方法，提出了“最优视角组合的方法”。王锦地、李小文等提出了一种在遥感反演中度量数据空间和参数空间信息量的方法，研究应用多角度方向辐射观测数据对非同温像元组分温度的估计，提出了多组分像元热红外辐射模型的线性反演方法。庄家礼等在连续植被热辐射方向性模型基础上，采用遗传算法，从模拟和实测的热红外多波段、多角度遥感数据中同时反演混合像元的组分温度、叶面积指数等多维参数，为地表组分温度的精确反演提供了一种新途径。李召良提出了一种用AETER数据分解土壤和植被温度的方法，利用同一图像中观测得到的方向性辐射值分别反演了土壤和植被的温度，并估算了大气状况和地表覆盖不确定度对2个估测值的影响程度。

1.3 地表温度反演方法

目前遥感反演地表温度的方法主要有传统的大气校正法、单窗算法、劈窗算法。这些算法最基本的理论依据是维恩位移定律和普朗克定律。从理论上讲，自然界任何高于热力学温度的物体都不断地向外发射具有一定能量的电磁波。其辐射能量的强度和波谱分布的位置是温度的函数。随着温度的增加，总辐射能量将相应增加，辐射能量的最大波长也将逐渐变短。通常用普朗克定律来描述这种现象。

从20世纪80年代至今，遥感反演地表温度经历了20年的发展，取得了很大成果，但地表温度的精确反演仍然是当前研究的热点与难点之一，本文主要介绍单窗算法。

单窗算法适用于只有一个热波段的遥感数据，主要用于ＴＭ6数据进行地表温度反演。长期以来，从ＴＭ6数据中演算地表温度通常是通过所谓大气校正法，这一方法需要估计大气热辐射和大气对地表热辐射传导的影响，计算过程很复杂，误差也较大，在实际中应用不多。覃志豪根据地表热辐射传导方程，推导出一个简单易行并且精度较高的演算方法，把大气和地表的影响直接包括在演算公式中。该算法需要用地表辐射率、大气透射率和大气平均温度3个参数进行地表温度的演算。验证表明，该方法的地表温度演算精度较高。当参数估计没有误差时，该方法的地表温度演算精度达到0.4℃，在参数估计有适度误差时，演算精度仍达1.1℃。Jmenez-Munoz等提出了一种仅需知道大气水汽含量即可反演地表温度的单窗算法。Sobrinoja等用实测资料对传统的大气校正法和上述2种方法的结果进行了验证，指出Jmenez-Munoz提出的算法发射率的均方根误差仅为0.0009，地表温度的误差<1Ｋ。毛克彪把针对TM影像的单窗算法改进成适应于Aster传感器的单窗算法，先对Aster的13波段（10.25～10.95μｍ）和14波段（10.95～11.65μｍ）的普朗克方程进行线性简化，然后用单窗算法分别对ＡＳＴＥＲ的第13和14波段建立方程，从而形成了针对ASTER传感器的单窗算法，并对参数的获取做了简要的介绍。

1.4 设计内容

本文利用Landsat5 TM遥感影像，基于其第6波段的然红外数据进行南京地区地表温度的反演。本文从以下4个方面的内容进行分析：

1 遥感影像的预处理，提取研究区。经过大气校正、辐射校正的遥感影像，把影像的DN 值转换为辐射值。

2 基于可见光多光谱数据，提取研究区归一化植被指数（NDVI），然后根据NDVI制作植被覆盖度图。

3计算研究区的地表比辐射率，将遥感影像分为水体、城镇和自然表面3种类型，根据NDVI和植被覆盖度计算地表比辐射率。

4计算相同温度下黑体的辐射亮度值，根据辐射传输方程法，利用NASA网站提供的大气辐射亮度值，计算相同温度下黑体的辐射亮度值。并将这个值转换为地表的真实温度。1.5 技术路线

本文通过以下技术路线进行分析：

2 研究区与数据

2.1研究区概况

2.1.1自然地理

南京市位于长江下游中部富庶地区，江苏省西南部。市域地理坐标为北纬31°14′-32°37′、东经118°22′-119°14′。南京市跨江而居，北连辽阔的江淮平原，东接富饶的长江三角洲，市区东倚钟山，山高海拔448.9米；西傍长江，下关江面最窄处有1公里多，流经南京段长约95公里，市区距长江入海口347公里。

南京地貌特征属宁镇扬丘陵地区，以低山缓岗为主，低山占土地总面积的3.5%，丘陵占4.3%，岗地占53%，平原、洼地及河流湖泊占39.2%。南京地区的土壤在北、中部广大地区为黄棕壤（地带性土壤），南部与安徽省接壤处有小面积的红壤。全市森林覆盖率为13%。南京城四周山峦起伏，宁镇山脉和江北的老山横亘市域中部，南部有秦淮流域丘陵岗地南界的横山、东庐山遥相呼应。

全市湖泊、水库棋布，河流网织，水域面积达11%以上。南京蕴藏着较丰富的矿产资源，境内已发现54种矿藏，具有开采价值的有近30种。温泉是南京主要的地热资源，水温一般在20℃～60℃。南京属北亚热带湿润气候，四季分明，雨水充沛。常年平均降雨117天，平均降雨量1106.5毫米，相对湿度76%，无霜期237天。每年6月下旬到7月上旬为梅雨季节。2009年，市区年平均降雨量1366毫米。常年平均气温为15.3℃，2009年市区年平均气温为16.4℃。常年冬季以东北风为主，1月份平均最低温度-1.6℃；夏季以东南风为主，7月份平均最高温度30.6℃。南京市历史上极端最高气温43℃，出现在1934年7月13日；最低气温-14.0℃，出现在1955年1月6日。2009年极端最高气温为38.5℃。

图1 南京市位置示意图

2.1.2 经济发展

2014年末南京市全市常住人口821.61万人，实现地区生产总值8820.75亿元，全市人均地区生产总值达到107545元。三次产业增加值比例为2.5：41.7：55.8，汽车、电子、医药、交通运输设备、电气机械和器材、仪器仪表等六大先进制造业成为南京经济发展的支出产业。服务业，金融业，信息传输、计算机服务和软件业，文化产业为南京市国民经济发展的新的增长点。

2.1.3土地资源概况

根据《南京市土地利用总体规划（2006-2020年）》，南京市2005年土地总面积658231.3

438039.0157262.762929.6

土地总面积的66.5%、23.9%和9.6%。245593.19404.1

50.8

和浦口区。64561.455147.1

18.3%、5.6%。50572.112357.5

面积的80.4%、19.6%。

2.2数据源

2.2.1数据源分析

研究所用的遥感数据为2007年的Landsat卫星TM遥感影像数据，轨道号为120/038，遥感影像的地理参考信息为UTM投影、WGS1984椭球体、50N带。在选取遥感影像时，为保证数据质量和较高的可比性，尽量选取没有云覆盖、质量高、时相为夏季的遥感影像。所有的数据下载前均经过简单的星上辐射校正和几何校正。Landsat卫星TM遥感影像数据从美国地质调查局（USGS）网站上下载（https://www.360docs.net/doc/616311710.html,）。

表1 研究所用数据

Landsat5卫星是一颗光学的对地观测卫星，是美国陆地卫星系列（美国地球观测计划）的第五颗卫星，于1984年3月1日发射，是一颗堪称资源遥感航天领域的奇迹。因为Landsat-5设计寿命为3年，但却成功在轨运行27年，2011年11月18日，美国地质调查局（USGS）发布消息称由于Landsat 5上的放大器迅速老化，停止获取其卫星遥感影像，这已经意味着Landsat 5极有可能结束其使命。2012年12月21日，USGS宣布Landsat 5的一个陀螺仪坏掉，并且已经无法修复，Landsat 5正式退役。Landsat 5是目前在轨运行时间最长的光学遥感卫星，成为全球应用最为广泛、成效最为显著的地球资源卫星遥感信息源。

Landsat 5 TM传感器共获取5个波段，其波段信息和常用领域如下表：

表2 Landsat 5 TM遥感影像波段及应用领域

本文利用可见光的B1、B2、B3、B4、B5和B7 6个波段，以及热红外波段B6来进行研究区的地表温度反演。

2.2.2研究所用软件简介

ENVI（The Environment for Visualizing Images）遥感图像处理软件是由美国RSI公司开发的一套功能齐全的遥感影像处理软件，现在已经被美国ESRI公司收购，其软件已经与ARCGIS 软件实现无缝对接，其操作界面也有了很大的变化，在功能和操作流程上与ARCGIS越来越相似，这使得在地学领域“3S”的应用更加密切，当前最新版本为ENVI5.2。当下ENVI软件是处理、分析并显示遥感卫星可见光的多光谱数据、高光谱数据和和雷达遥感的雷达数据的专门图像图形处理工具。ENVI软件涵盖了遥感影像处理丰富的功能。遥感影像处理的常用功能有：遥感图像的预处理、几何校正、辐射定标与校正、大气校正、多光谱遥感数据分析、常用卫星遥感数据的快速处理、高光谱分析、雷达分析、地形地貌分析、遥感图像的分类、遥感制图、数据输入/输出等功能，组成了图像处理软件中非常全面的系统。ENVI已经被广泛的应用于土地管理与土地执法、地质与林业调查、农业遥感估产、模式识别与人工智能、军事目标的识别、自然资源勘探、海洋资源管理、环境保护与执法等领域。

本文所用的软件为ENVI5.1，其界面如下：

图2 软件操作界面

本文用到了主要用到了软件中File、Basic Tools、Classification、Map、Window功能。2.3遥感图像预处理

2.3.1提取研究区

本文所使用的遥感影像是Landsat TM遥感影像数据，轨道号为120/038，一景影像的幅宽度为185Km。覆盖区域达3.4万Km2。为了能能够反映区域的典型的地表特征及地表温度的差异情况，并且提高地表温度反演的速度，本文选取图像上的一个区域最为研究区。该区域包括中心城区、河流、湖泊、林地及耕地等覆盖类型，地类较为丰富，具有典型意义。研究区如下图2。

其软件操作如下：

（1）在File菜单下点击New—Region of interest，新建矩形的感兴趣区。

图3建立感兴趣区（ROI）

（2）利用Subset data from ROIs工具提取研究区的遥感影像。

图4 利用感兴趣区提取研究区设置

（3）提取研究区的影像效果，如下图。

图5 研究区遥感影像真彩色合成图

2.3.2 辐射校正

遥感影像成像过程受到多种因素的影响，如传感器自身的条件，大气条件、太阳高度角等，导致影像中包含的地物信息含有噪声即非目标地物的电磁波信息也进入传感器。所以要对遥感影像进行辐射校正和大气校正。

本文需要先对可见光波段和热红外波段进行辐射定标，将各个波段的DN值转为辐射值。其数据组织形式如下：

图6 TM影像的组织形式

根据已有研究的检验，研究区的热红外波段的辐射校正公式为：

B6R=0.055158*b1+1.2378 式1

式中b1为热红外的第6波段。

图7 热红外波段辐射定标公式设置

对可见光的辐射定标直接使用ENVI中的Landsat calibration功能进行定标，定标后的对比图如下图所示。

图8 辐射校正前后（左前右后）对比

2.3.3 大气校正

遥感影像成像时，不同的卫星姿态、高度、速度、地球自转等因素造成图像相对于地面目标发生畸变，因而产生几何畸变，需要对遥感影像进行几何校正，将图上位置与现实位置一一对应起来。

本文使用ENVI 中的Quick Atmospheric correction ，功能进行大气校正如下所示：

图9 大气校正参数设置

经过大气校正的影像有效地去除了大气的影像，使影像看起来更加透明，校正效果如下图所示：

图10大气校正前后（左前右后）影像

3地表比辐射率与辐射亮度值计算

3.1地表比辐射率的计算

物体的比辐射率是物体向外辐射电磁波的能力表征。它不仅依赖于地表物体的组成，而且与物体的表面状态（表面粗糙度等）及物理性质（介电常数、含水量等）有关，并随着所测定的波长和观测角度等因素有关。在大尺度上对比辐射率精确测量的难度很大，目前只是基于某些假设获得比辐射率的相对值，本文主要根据可见光和近红外光谱信息来估计比辐射率。

3.1.1植被覆盖度计算

植被覆盖度是由NDVI （归一化植被指数）计算生成的图像，计算植被覆盖度首先要提取研究区的NDVI （归一化植被指数）值。NDVI （归一化植被指数）是由近红外波段和红光波段之和与近红外波段和红光波段之差的比。其公式如下：

R

NIR R NIR NDVI +-=

式 式中，NIR 为近红外波段，R 为红波段。 根据公式计算得出研究区的NDVI 图，NDVI 的值取值范围为（-1~1），0以下的值都是非植被，得出下图：

图11 研究区归一化植被指数（NDVI ）图

在ENVI软件中NDVI的操作比较简单，在Transform中选择NDVI，然后选中经过校正后的图像，计算NDVI值。

图12 NDVI输出设置图

经过统计得出各个像元的NDVI值，其取值范围为（-1--1）如图所示：

图13 NDVI值统计设置

图14 NDVI值得统计结果

计算植被覆盖度FV采用的是混合像元分解法，将整景影像的地类大致分为水体、植被和建筑，具体的计算公式如下：

FV = (NDVI- NDVIS)／(NDVIV - NDVIS) 式2

其中，NDVI为归一化植被指数，取NDVIV = 0.87和NDVIS =0.18。为了获取植被覆盖度值，对NDVI图进行计算。其规则是，当某个像元的NDVI大于0.87时，FV取值为1；当NDVI小于0.18，FV取值为0。

利用ENVI主菜单->Basic Tools->Band Math，在公式输入栏中输入：

（b1 gt 0.87）*1+（b1 lt 0.18）*0+（b1 ge 0.18 and b1 le 0.87）*（(b1-0.18)/( 0.87-0.18)）

式3

式中b1为选择NDVI图像