蔡甲冰,白亮亮,許 迪,李益農(nóng),劉 鈺
基于地面紅外檢測系統(tǒng)驗(yàn)證的灌區(qū)地表溫度遙感反演
蔡甲冰,白亮亮,許 迪,李益農(nóng),劉 鈺
(1.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室,北京 100038;2.國家節(jié)水灌溉北京工程技術(shù)研究中心,北京 100048)
利用遙感數(shù)據(jù)的大尺度特性和地面實(shí)時監(jiān)測數(shù)據(jù)進(jìn)行區(qū)域灌溉管理,用精準(zhǔn)化信息技術(shù)支撐農(nóng)業(yè)信息化,是現(xiàn)代農(nóng)業(yè)發(fā)展的方向和研究熱點(diǎn)。該文根據(jù)田間在線實(shí)時監(jiān)測數(shù)據(jù)和LandSat8衛(wèi)星遙感數(shù)據(jù)反演,探討遙感反演地表溫度與地面實(shí)測數(shù)據(jù)的吻合程度,為大范圍、區(qū)域性干旱監(jiān)測和灌溉管理提供技術(shù)支撐。結(jié)果表明,在下墊面植被均勻、土壤水分空間變異性較小的區(qū)域,利用LandSat8遙感影像反演地表溫度,可以很好地與地面作物冠層溫度監(jiān)測結(jié)果相吻合;監(jiān)測點(diǎn)數(shù)據(jù)可以代表其附近5個像元的情況。利用覃志豪法和簡單Sobrino法計算地表比輻射率來遙感反演地表溫度,對不同的作物類型有不同的適宜性。2015年9 d遙感反演結(jié)果與地面監(jiān)測數(shù)據(jù)對比可見,在解放閘灌域沙壕渠試驗(yàn)點(diǎn)的玉米地,簡單的Sobrino法結(jié)果更好,R2達(dá)到0.76,均方根誤差、相對誤差和符合度指數(shù)分別達(dá)到2.32 ℃、7.8%和0.92??ǖ伛竞婪ńY(jié)果為宜,R2達(dá)到0.85,均方根誤差、相對誤差和符合度指數(shù)分別達(dá)到1.97 ℃、6.5%和0.94。春小麥地宜用Sobrino法。對于北京大興的冬小麥-夏玉米輪作,這2種方法差別不大。地面監(jiān)測點(diǎn)布設(shè)方案和合理數(shù)目、點(diǎn)面數(shù)據(jù)結(jié)合進(jìn)行區(qū)域干旱判斷和灌溉管理,以及地面監(jiān)測系統(tǒng)的優(yōu)化改進(jìn),是進(jìn)一步研究的重點(diǎn)。
遙感;土壤;溫度;紅外傳感器;冠層;反演;驗(yàn)證;灌溉管理;實(shí)時監(jiān)測
在現(xiàn)代農(nóng)業(yè)規(guī)模化種植中,灌溉需要精準(zhǔn)化信息技術(shù)支撐。農(nóng)田作物冠層溫度高低能夠直觀、及時地反映作物受旱情況。從20世紀(jì)六七十年代開始,相關(guān)學(xué)者已經(jīng)開始了大量基于作物冠層溫度研究以指導(dǎo)灌溉,并提出了諸如作物水分脅迫指數(shù)(crop water stress index,CWSI)、日脅迫度(stress degree day,SDD)、日溫度脅迫(temperature stress day,TSD)、日脅迫指數(shù)(stress day index,SDI)、冠層溫度變量(canopy temperature variability,CTV)等指標(biāo)[1-5]。作物冠層溫度的田間觀測,也逐步從人工手持式紅外槍間隔觀測,發(fā)展到在線式連續(xù)觀測,能夠及時獲取作物冠層溫度的實(shí)際變化情況[6]。遙感技術(shù)在獲取大尺度陸表參數(shù)方面具有獨(dú)特的優(yōu)勢,可直接獲的重要的生態(tài)學(xué)特征和生物生長參數(shù),在流域尺度蒸散發(fā)和全國地表缺水分區(qū)方面有較好的效果[7-8]。將田間實(shí)時觀測數(shù)據(jù)與遙感圖片區(qū)域反演準(zhǔn)實(shí)時數(shù)據(jù)結(jié)合起來,進(jìn)行區(qū)域農(nóng)田作物灌溉決策,則能夠充分利用二者的優(yōu)點(diǎn),達(dá)到灌區(qū)灌溉管理的精量、實(shí)時和自動化。
利用星載或機(jī)載傳感器收集和記錄地物在熱紅外波段范圍之內(nèi)的熱紅外信息,可以用來識別地物和反演地表參數(shù)如溫度、濕度和熱慣量等[9]。陸地衛(wèi)星遙感反演地表溫度通常是根據(jù)熱輻射傳輸方程,采用大氣校正法、單窗算法、單通道算法或者分裂窗算法等方法,其中關(guān)鍵參數(shù)包括大氣剖面參數(shù)估計和地表比輻射率計算[10-11]。熱紅外遙感反演地表溫度研究,在數(shù)據(jù)批量實(shí)際應(yīng)用的要求下,也逐步從單純數(shù)據(jù)計算到加強(qiáng)溫度尺度效應(yīng)和時空尺度轉(zhuǎn)換、數(shù)據(jù)同化技術(shù)等方面轉(zhuǎn)變[12-13]。
在灌溉頻繁、植被覆蓋度較高的農(nóng)業(yè)灌區(qū),地表溫度與作物冠層溫度吻合性很高[14-16]。作物長勢和外界的輻射、土壤水分狀況等因素,綜合影響了農(nóng)田地表溫度,而土壤墑情和作物冠層溫度是緊密結(jié)合在一起的,因此利用遙感的地表溫度數(shù)據(jù)可進(jìn)行區(qū)域上作物的水分脅迫和干旱監(jiān)測[17],從而使灌區(qū)灌溉管理能夠簡單快捷。然而在實(shí)際應(yīng)用與管理中,地面驗(yàn)證與校核對于遙感數(shù)據(jù)反演精度的提升,是非常重要的一步;而地面同步數(shù)據(jù)的實(shí)時采集,是地面驗(yàn)證的關(guān)鍵點(diǎn)和最大難點(diǎn)[18-19]。
本文以內(nèi)蒙古河套灌區(qū)解放閘灌域和北京市大興區(qū)田間試驗(yàn)觀測數(shù)據(jù)為例,基于大氣校正法,利用Landsat7和Landsat8 TIRS反演對應(yīng)區(qū)域地表溫度;利用定點(diǎn)連續(xù)觀測系統(tǒng)獲取試驗(yàn)區(qū)域作物冠層溫度及田間作物生長環(huán)境因子數(shù)據(jù)。在此基礎(chǔ)上對比分析了遙感反演數(shù)據(jù)與地面觀測的作物冠層溫度的差異,對遙感反演結(jié)果的地面驗(yàn)證精度和面積大小進(jìn)行探討,為進(jìn)一步的灌區(qū)干旱監(jiān)測研究和區(qū)域灌溉管理提供依據(jù)。
1.1 研究區(qū)域與地面數(shù)據(jù)監(jiān)測
本研究在內(nèi)蒙古河套灌區(qū)和北京市大興區(qū)2個地方展開,試驗(yàn)點(diǎn)分別位于內(nèi)蒙古自治區(qū)河套灌區(qū)解放閘灌域沙壕渠試驗(yàn)站(107°09′44″E,40°25′22″N)和北京市大興區(qū)中國水科院節(jié)水灌溉試驗(yàn)站(116°25′31″E,39°37′15″N)。內(nèi)蒙試驗(yàn)點(diǎn)屬于干旱半干旱區(qū)域,年平均降雨151.3 mm,多年平均氣溫9 ℃,水面蒸發(fā)2 300 mm,試驗(yàn)區(qū)域面積約15 hm2,農(nóng)作物主要包括春玉米、向日葵和春小麥;大興區(qū)試驗(yàn)點(diǎn)屬于半濕潤半干旱類型,面積大小為2.67 hm2,以冬小麥-夏玉米輪作模式種植,多年平均降雨量為540 mm,平均溫度12.1 ℃,水面蒸發(fā)1 800 mm。
試驗(yàn)點(diǎn)地面數(shù)據(jù)實(shí)時采集主要是利用中國水科院自主研發(fā)的CTMS-On line型作物冠層溫度及環(huán)境因子測量系統(tǒng)來進(jìn)行。該系統(tǒng)利用太陽能供電,主要組成部分包括旋轉(zhuǎn)云臺、紅外溫度傳感器、氣象因子傳感器、數(shù)據(jù)采集器等,可以在野外田間長期工作。CTMS-On line系統(tǒng)的工作原理是在田間豎桿上通過旋轉(zhuǎn)平臺安裝1個懸臂,懸臂末端安裝紅外測溫探頭;進(jìn)而通過控制旋轉(zhuǎn)平臺來實(shí)現(xiàn)對下墊面不同采集位置點(diǎn)的掃描。氣象因子和環(huán)境參數(shù)監(jiān)測傳感器安裝在同高度的附加懸臂上,以相同時間間隔進(jìn)行數(shù)據(jù)采集。系統(tǒng)采集時間間隔是1 h,主要參數(shù)有作物冠層溫度、空氣溫度/濕度、風(fēng)速、太陽輻射、光合有效輻射、大氣壓強(qiáng)、作物根區(qū)3個深度土壤溫度/濕度等。
高精度熱紅外冠層溫度傳感器安裝在距地面3.5 m的懸臂上,與懸臂呈下45°夾角進(jìn)行冠層溫度掃描,觀測下墊面作物面積大約60 m2。在內(nèi)蒙安裝3套數(shù)據(jù)采集系統(tǒng),分別布置在主要農(nóng)作物春玉米、向日葵和春小麥的種植區(qū)域中間;北京大興區(qū)試驗(yàn)站內(nèi)安裝1套,監(jiān)測冬小麥/夏玉米生長情況。圖1是4套監(jiān)測系統(tǒng)在田間布設(shè)情況。
圖1 四個地面試驗(yàn)點(diǎn)觀測儀器安裝情況Fig.1 Installation of monitoring equipment in four experimental locations
1.2 地表溫度遙感影像反演
熱紅外傳感器裝載于很多衛(wèi)星上,如ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。Landsat系列最新衛(wèi)星Landsat8于2013年2月11日發(fā)射成功,攜帶有OLI陸地成像儀和TIRS熱紅外傳感器。本實(shí)例采用大氣校正法,利用Landsat7和LandSat8 TIRS遙感圖片反演地表溫度。大氣校正法是先估計大氣對地表輻射能量的影響,然后從衛(wèi)星傳感器所觀測到的熱輻射總量中減去這部分大氣影響來得到地表熱輻射能量,進(jìn)而反演地表的真實(shí)溫度[20]。
此類算法需要2個參數(shù):大氣剖面參數(shù)和地表比輻射率ε。只有1個熱紅外波段的數(shù)據(jù),如Landsat TM /ETM+,其大氣剖面參數(shù)可在NASA提供的網(wǎng)站中,輸入成影時間以及中心經(jīng)緯度可以獲取大氣剖面參數(shù)[21]?,F(xiàn)有針對Landsat 8提出的地表溫度劈窗算法的反演精度并不理想,并且由于TIRS 11熱紅外波段的定標(biāo)參數(shù)仍不理想,因此已提出的2個劈窗算法的誤差都較大[22]。本例采用TM/ETM+6相同的地表比輻射率計算方法,僅對其TIRS 10熱紅外波段進(jìn)行定標(biāo)處理,采用大氣校正法進(jìn)行遙感反演。
為對比計算效果,這里采用2種方法計算地表比輻射率ε:
1)Sobrino提出的歸一化植被指數(shù)(normalized difference vegetation index,NDVI)閾值法計算地表比輻射率(以下簡稱Sobrino法)[23-24]
式中Pv是植被覆蓋度,Pv= [(NDVI–NDVISoil)/(NDVIVeg–NDVISoil)],NDVISoil為完全是裸土或無植被覆蓋區(qū)域的NDVI值,NDVIVeg則代表完全被植被所覆蓋的純植被像元的NDVI值。NDVIVeg和NDVISoil經(jīng)驗(yàn)值根據(jù)作物生長關(guān)鍵期影像(如6月5日,此時小麥生長旺盛,玉米出苗,向日葵剛播種;7月23日小麥?zhǔn)崭?,玉米和向日葵生長旺盛)像元NDVI,取一定置信度范圍內(nèi)最小值(2%)和最大值(98%)。將所取得的NDVISoil和NDVIVeg作為全覆蓋NDVI最大值和NDVI最小值。本文綜合Sobrino的研究[25-26],取經(jīng)驗(yàn)值NDVIVeg= 0.50和NDVISoil= 0.20。表示當(dāng)某個像元的NDVI大于0.50時,Pv取值為1;當(dāng)NDVI小于0.20,Pv取值為0。
2)覃志豪等提出的先將地表分成水體、自然表面和城鎮(zhèn)區(qū),可以得到更精確的地表比輻射率數(shù)據(jù);針對3種地表類型計算地表比輻射率如下(以下簡稱覃志豪法)[11]
式中εwater是水體像元比輻射率,εsurface是自然表面像元比輻射率,εbuilding是城鎮(zhèn)區(qū)像元比輻射率。Pv計算過程同上。
根據(jù)地面試驗(yàn)點(diǎn)的大小和具體作物種植情況,在內(nèi)蒙試驗(yàn)點(diǎn)在儀器安裝位置及其附近共反演5個30 m×30 m像元的地表溫度,在大興試驗(yàn)點(diǎn)反演2個30 m×30 m像元的地表溫度。此處5個像元地理位置按照LandSat 7遙感影像經(jīng)輻射定標(biāo)和幾何精校正后劃分。圖2是4個儀器安裝位置及附近像元分布情況。如圖2所示,X0是監(jiān)測儀器安裝位置,X1是儀器所在純像元中心點(diǎn);X2~X5是X1像元4個方向臨近的像元中心點(diǎn)。
圖2 研究區(qū)域觀測位點(diǎn)與附近相鄰像元中心點(diǎn)位置示意圖Fig.2 Schematic of monitoring point and center of pixel nearby in study area
1.3 數(shù)據(jù)統(tǒng)計分析參數(shù)
為了對計算數(shù)據(jù)和觀測數(shù)據(jù)進(jìn)行評價,本文選取5個常用的統(tǒng)計參數(shù)進(jìn)行統(tǒng)計計算:1)決定系數(shù)R2,在一元回歸中當(dāng)R2越接近1時,表示自變量對因變量的解釋程度越高;相反,越接近0時,表示參考價值越低;2)均方根誤差(root mean square error,RMSE),用于衡量觀測值與真值之間的偏差;3)相對誤差(relative error,RE),測量所造成的絕對誤差與被測量(約定)真值之比,一般理想的RE值是在10%以內(nèi);4)符合度指數(shù)d,d值越趨近于1,說明2組數(shù)據(jù)越接近,預(yù)測性能越好;5)標(biāo)準(zhǔn)方差(standard deviation,SD),數(shù)據(jù)整體分布離平均值越近,標(biāo)準(zhǔn)方差就越?。粩?shù)據(jù)整體分布離平均值越遠(yuǎn),標(biāo)準(zhǔn)方差越大。
2.1 源數(shù)據(jù)分析
根據(jù)2015年LandSat7和LandSat8過境遙感影像,在作物生育期內(nèi)天氣晴朗的各有9 d可用數(shù)據(jù)。其中內(nèi)蒙解放閘灌域沙壕渠試驗(yàn)點(diǎn)過境日期為2015年05月12日、2015年06月05日、2015年06月13日、2015年07月15日、2015年07月23日、2015年08月08日、2015年08月24日、2015年09月09日、2015年09月17日,LandSat衛(wèi)星過境時間對應(yīng)的北京時間是每日的11:30。地面監(jiān)測儀的數(shù)據(jù)設(shè)置為整點(diǎn)采集,每個參數(shù)每天24個數(shù)據(jù),因此在本區(qū)將以地面觀測的11:00和12:00數(shù)據(jù)分別與遙感反演溫度進(jìn)行對比,以確定哪一時刻數(shù)據(jù)更為趨近一致。
北京大興試驗(yàn)站的可用境遙感影像有8 d,日期分別為2015年05月02日、2015年05月18日、2015年05月26日、2015年08月22日、2015年09月07日、2015年09月15日、2015年09月23日、2015年10月09日,其衛(wèi)星過境時間對應(yīng)北京時間是10:53,將直接用11:00地面觀測數(shù)據(jù)進(jìn)行對比分析。
地面監(jiān)測儀器的觀測是以懸臂帶動端部的紅外傳感器,旋轉(zhuǎn)1周對下墊面溫度進(jìn)行掃描,均勻監(jiān)測10個數(shù)據(jù)進(jìn)行平均作為實(shí)測溫度值。因解放閘灌域沙壕渠試驗(yàn)點(diǎn)將以11:00和12:00數(shù)據(jù)與遙感反演數(shù)據(jù)進(jìn)行對比分析,所以計算這3種地塊這2個時刻這10個數(shù)據(jù)的SD,以觀察監(jiān)測數(shù)據(jù)的不均勻性對數(shù)據(jù)誤差的影響,如圖3所示。從圖中可以看出,小麥地數(shù)據(jù)監(jiān)測值SD較大,玉米地和葵花地相對較小;5、6月數(shù)據(jù)SD較大,7、8、9月相對較小,總體上11:00數(shù)據(jù)SD要小于12:00的數(shù)據(jù)。比較而言,作物前期SD較大,后期SD較小,可能由于在作物生育早期,植被覆蓋較小,傳感器在掃描下墊面的時候,掃描點(diǎn)有可能不全是打在作物葉片上。由于地表和葉面溫度的差異,會造成每次監(jiān)測的10個數(shù)標(biāo)準(zhǔn)方差大一些。到了生育中期以后,植被覆蓋度很高,因而監(jiān)測值差異變小。
圖3 地面監(jiān)測系統(tǒng)紅外溫度10個測點(diǎn)數(shù)據(jù)標(biāo)準(zhǔn)方差Fig.3 Standard deviation of measurements in 10 observation points of infrared temperature from surface monitoring system
2.2 地面數(shù)據(jù)監(jiān)測與遙感反演結(jié)果對比
2.2.1 解放閘灌域玉米地
表1是解放閘灌域玉米地分別用Sobrino法和覃志豪法遙感反演地表溫度與地面觀測作物冠層溫度的對比統(tǒng)計分析結(jié)果??紤]統(tǒng)計參數(shù)R2和d盡可能大、RMSE和RE盡量小的期望,每個像元溫度對比結(jié)果在11:00優(yōu)于12:00;基于覃志豪方法反演結(jié)果優(yōu)于基于Sobrino方法的反演結(jié)果。
11:00的對比觀測結(jié)果中,X1至X5像元4個統(tǒng)計參數(shù)基本可以達(dá)到接受的程度,R2最小也達(dá)到了0.66,符合指數(shù)d都在0.85及以上。與地面觀測點(diǎn)位置接近、作物種植情況一致的,統(tǒng)計參數(shù)結(jié)果愈好,其中用覃志豪法反演的中心像元X1溫度與地面監(jiān)測數(shù)值最為接近,決定系數(shù)R2達(dá)到0.83,相對誤差RE僅為7.3%,d值達(dá)到0.93,均方根誤差RMSE為2.14℃。將11:00和12:00所反演的5個像元溫度分別進(jìn)行平均后與地面觀測結(jié)果進(jìn)行對比,其統(tǒng)計參數(shù)也都達(dá)到良好的程度。與單個像元(30 m×30 m)結(jié)果對比不同的是,此時5個像元(90 m× 90 m)基于Sobrino方法反演的地表溫度與地面觀測數(shù)據(jù)吻合較好,R2達(dá)到0.76,均方根誤差、相對誤差和符合度指數(shù)分別達(dá)到2.32℃、7.8%和0.92。從試驗(yàn)點(diǎn)作物種植情況來看,5個像元內(nèi)基本是玉米。由此表明,利用遙感數(shù)據(jù)反演地面溫度時,如果下墊面為均一玉米地即可利用簡便的Sobrino法,不必再做更細(xì)的區(qū)分。相對5個像元來說,單個像元下墊面植被更加均勻,為單一玉米,而5個像元范圍內(nèi)包含了田間小路和灌溉毛渠。2種方法得出的結(jié)果實(shí)質(zhì)反映的是地表比輻射率的差異,可見,Sobrino法在混合區(qū)域的反演結(jié)果更好。
表1 解放閘灌域玉米地遙感反演溫度與地面觀測作物冠層溫度對比Table1 Comparison between observed crop canopy temperature and surface temperature inversed using remote sensing images in maize field of Jiefangzha Irrigation Region
2.2.2 解放閘灌域葵花地
表2是解放閘灌域試驗(yàn)點(diǎn)葵花地的2種方法反演結(jié)果與地面觀測數(shù)據(jù)的對比結(jié)果統(tǒng)計分析。從表中可見,與玉米地類似,每個像元溫度對比結(jié)果在11:00優(yōu)于12:00;基于覃志豪方法反演結(jié)果要優(yōu)于基于Sobrino方法。尤其是11:00時對比結(jié)果的統(tǒng)計參數(shù),從X1到X5都比較理想。說明在葵花地遙感反演地面溫度與地面監(jiān)測結(jié)果達(dá)到了較好的一致性。其中11:00的X1像元反演結(jié)果最好,決定系數(shù)R2達(dá)到0.86、RE僅為6.5%,RMSE和d也達(dá)到了很好的效果。
與玉米情況不同的是,葵花地5個像元遙感反演平均溫度與地面作物冠層溫度對比結(jié)果中,11:00數(shù)據(jù)基于覃志豪法反演結(jié)果統(tǒng)計參數(shù)較優(yōu),R2達(dá)到0.85,均方根誤差、相對誤差和符合度指數(shù)分別達(dá)到1.97℃、6.5%和0.94,其4個統(tǒng)計參數(shù)均優(yōu)于玉米地的反演結(jié)果,達(dá)到了比較理想的值域??赡苁怯捎谂c玉米相比,葵花的葉面積較大,在生于中期,其植被覆蓋度很高,覃志豪法更為適用。
表2 解放閘灌域葵花地遙感反演地表溫度與地面觀測作物冠層溫度對比Table2 Comparison between observed crop canopy temperature and surface temperature inversed using remote sensing images in sunflower field of Jiefangzha Irrigation Region
2.2.3 解放閘灌域小麥地
表3是解放閘灌域試驗(yàn)點(diǎn)小麥地遙感反演地面溫度與地面監(jiān)測數(shù)據(jù)的對比分析結(jié)果。
表3 解放閘灌域小麥地遙感反演溫度與地面觀測結(jié)果對比Table3 Comparison between observed values and surface temperature inversed using remote sensing images in wheat field of Jiefangzha Irrigation Region
因試驗(yàn)點(diǎn)小麥種植面積相對較小,所以地面監(jiān)測點(diǎn)X0的附近像元不全是純小麥像元,比如X3像元就包含了道路和葵花。從表中結(jié)果來看,仍然是11:00數(shù)據(jù)好于12:00,但是統(tǒng)計參數(shù)數(shù)值要略遜于葵花和玉米,基于Sobrino的結(jié)果優(yōu)于覃志豪方法。單個像元統(tǒng)計結(jié)果中以11:00時基于Sobrino方法的X1像元為最優(yōu),R2為0.66, RMSE僅為1.92℃、RE為6.4%。5個像元平均溫度對比中,基于Sobrino法的11:00數(shù)據(jù)也能達(dá)到較好的結(jié)果。在前述地面監(jiān)測數(shù)據(jù)誤差分析中,小麥地冠層溫度監(jiān)測值的SD相對較高,因此監(jiān)測系統(tǒng)本身可能的系統(tǒng)誤差是引起上述較大誤差的原因之一。另外小麥地在7月中旬收獲后一直是雜草叢生的裸地,紅外傳感器探頭掃描時有可能掃描到不均勻的裸地或者草體,從而造成地面監(jiān)測數(shù)據(jù)差異過大。
2.2.4 大興試驗(yàn)站
根據(jù)遙感圖片反演了北京市大興區(qū)試驗(yàn)點(diǎn)在監(jiān)測儀器周圍2個像元的地表溫度,其與作物冠層溫度對比結(jié)果見表4。
表4 大興試驗(yàn)站遙感反演地面溫度與觀測數(shù)據(jù)對比統(tǒng)計分析Table4 Comparison between observed result and surface temperature inversed using remote sensing images in Daxing Station
由表4可知,距離監(jiān)測儀器較近的X1結(jié)果稍好;但與解放閘灌域統(tǒng)計結(jié)果不同的是,基于Sobrino法和覃志豪法計算的地表比輻射率參數(shù)反演的地表溫度數(shù)據(jù),與地面監(jiān)測數(shù)據(jù)對比的統(tǒng)計參數(shù)沒有明顯差別。2個像元平均溫度與地面監(jiān)測數(shù)據(jù)對比中,也可以看到2種方法的統(tǒng)計參數(shù)是非常接近的。大興試驗(yàn)站的2種方法適用性與解放閘試驗(yàn)點(diǎn)結(jié)果不相同的可能原因是解放閘灌域試驗(yàn)點(diǎn)農(nóng)田區(qū)域較大并且灌水處理是相同的,下墊面土壤水分空間差異性不大。而大興試驗(yàn)站監(jiān)測儀器附近農(nóng)田是節(jié)水灌溉試驗(yàn)小區(qū),有明顯的灌水處理,其土壤水分含量不均勻、空間差異性較大,從而導(dǎo)致作物干旱程度是有明顯差異的,作物冠層溫度也就變化較大。大興試驗(yàn)站作物一直是冬小麥、夏玉米輪作,數(shù)據(jù)分析期間的5—10月,包含了5—6月的小麥、7—9月的玉米。因而有可能是2種作物不同的生長特性,造成了遙感與地面反演結(jié)果對比統(tǒng)計參數(shù)稍差。
2.2.5 變化趨勢分析
根據(jù)上述統(tǒng)計結(jié)果分析,為了更好地觀察和分析遙感反演地表溫度與地面監(jiān)測結(jié)果對比以及引起誤差的原因,這里展示了4個試驗(yàn)點(diǎn)X1~X5或X1~X2像元平均遙感反演地表溫度與地面監(jiān)測數(shù)據(jù)在作物生育期內(nèi)變化。同時對比了同時段空氣溫度和作物根區(qū)20 cm處的土壤溫度變化,見圖4。
從圖4可知,解放閘灌域試驗(yàn)點(diǎn)的玉米和葵花在5、6月時,遙感反演地表溫度和作物冠層溫度變化趨勢一致,但是數(shù)值相差較大;此時葵花和玉米剛剛播種或正在出苗、作物覆蓋度較小。從作物生長旺盛的7月開始,玉米地空氣溫度與遙感反演溫度和地面監(jiān)測冠層溫度較為接近,說明作物處于不缺水狀況;根據(jù)試驗(yàn)田灌溉記錄,玉米地一直是充分灌溉,與監(jiān)測數(shù)據(jù)反映情況吻合(圖4a)??ǖ赝寥利}分較高,灌水比玉米地少,因此空氣溫度與冠層溫度差值就稍大一些(圖4b)。在小麥?zhǔn)斋@之前,小麥地遙感反演溫度與地面監(jiān)測數(shù)據(jù)吻合度很好;7月收獲后處于裸地和雜草狀況,因此3種溫度趨勢一致但差值較大(圖4c),這也正好解釋了前面小麥地統(tǒng)計參數(shù)沒有玉米地和葵花地優(yōu)良的情況。大興試驗(yàn)點(diǎn)監(jiān)測儀器所處試驗(yàn)地是冬小麥-夏玉米輪作,從圖4d中可見冠層溫度與空氣溫度趨勢基本一致。6—7月間二者數(shù)值有差異,此時處于冬小麥?zhǔn)斋@后、夏玉米生育初期,沒有灌溉的下墊面有干旱缺水情況。
圖4 2015年地面觀測數(shù)據(jù)與遙感反演溫度變化Fig.4 Change of temperature inversed from remote sensing image and observed values in 2015
作物根區(qū)20 cm深度土壤溫度的變化趨勢與空氣溫度一致,但是因作物不同而有不一致的地方。在5—6月,解放閘灌域玉米地和葵花地是上升趨勢,然后隨著植被覆蓋度快速加大,土壤溫度開始下降。春小麥主要生育期間土壤溫度一直處于上升趨勢。大興試驗(yàn)點(diǎn)是冬小麥6月中旬收獲隨后即播種玉米,因此土壤溫度是上述2種變化趨勢的結(jié)合。
本研究的目的是探討遙感反演地表溫度能否用地面實(shí)測數(shù)據(jù)進(jìn)行驗(yàn)證,由此將可以通過點(diǎn)試驗(yàn)數(shù)據(jù)的驗(yàn)證和擬合,結(jié)合此時觀測的農(nóng)田干旱情況,利用遙感反演的大尺度特性,將率定參數(shù)推廣到灌域尺度,從而進(jìn)行大范圍、區(qū)域性干旱監(jiān)測和灌溉管理。通過上述數(shù)據(jù)監(jiān)測結(jié)果對比分析可以看到,利用Sobrino方法或者覃志豪法計算地表比輻射率來反演地表溫度,可以很好地與地面監(jiān)測數(shù)據(jù)相吻合。其中玉米、春小麥試點(diǎn)采用簡單的Sobrino法為宜,葵花地利用覃志豪方法較好,冬小麥-夏玉米輪作區(qū)2種方法計算結(jié)果差別不大。
通過分析發(fā)現(xiàn),下墊面作物種植類型一致、土壤供水空間變化較小的區(qū)域,遙感反演數(shù)據(jù)與實(shí)際地面監(jiān)測結(jié)果相吻合度較高。通過對監(jiān)測中心點(diǎn)位置臨近5個像元的平均遙感反演地表溫度數(shù)據(jù)對比,可以看出,此時可以用監(jiān)測點(diǎn)數(shù)據(jù)來代表本區(qū)域情況(90 m×90 m),因此這種方法可以對大型灌區(qū)的干旱監(jiān)測和灌溉管理提供很好的支撐。每個監(jiān)測點(diǎn)數(shù)據(jù)所能代表的最大可能面積,將是下一步研究的內(nèi)容。
農(nóng)田典型區(qū)域農(nóng)情數(shù)據(jù)的實(shí)時連續(xù)監(jiān)測和采集,是點(diǎn)面結(jié)合、區(qū)域灌溉管理的難點(diǎn)和重要一環(huán)。這里采用的CTMS-On line型作物冠層溫度及環(huán)境因子測量系統(tǒng),附帶近10種傳感器,利用太陽能供電能夠在野外連續(xù)觀測1 a以上??紤]到數(shù)據(jù)處理器功率和節(jié)能的要求,數(shù)據(jù)采集間隔設(shè)定是1 h,而2015年在解放閘灌域衛(wèi)星過境的時刻正好處于監(jiān)測時間的中間位置,二者沒能完全重合。因此,為更好與遙感反演數(shù)據(jù)對應(yīng),進(jìn)一步改進(jìn)和研發(fā)本系統(tǒng)、加大數(shù)據(jù)采集頻率,也是下一步工作重點(diǎn)。
利用研發(fā)的在線式作物冠層溫度及田間多參數(shù)觀測系統(tǒng),通過地面田間數(shù)據(jù)的連續(xù)采集和衛(wèi)星過境遙感圖片的地面溫度反演,對內(nèi)蒙河套灌區(qū)解放閘灌域和北京大興區(qū)試驗(yàn)站4種典型農(nóng)田的地表溫度與作物冠層溫度數(shù)據(jù)進(jìn)行對比,可以得到如下結(jié)論:
1)在下墊面植被均勻、土壤水分空間變異性較小的區(qū)域,利用LandSat8衛(wèi)星圖片遙感反演地表溫度,可以很好地與地面作物冠層溫度監(jiān)測結(jié)果相吻合。地面監(jiān)測點(diǎn)數(shù)據(jù)可以代表臨近5個像元(90 m×90 m)的情況。
2)利用Sobrino方法或者覃志豪法計算地表比輻射率來反演地面溫度,適用于不同作物類型。玉米、春小麥區(qū)域采用簡單的Sobrino法為宜,葵花地利用覃志豪方法較好,冬小麥-夏玉米輪作區(qū)2種方法計算結(jié)果差別不大。
地面監(jiān)測點(diǎn)布設(shè)方案和合理數(shù)目、點(diǎn)面數(shù)據(jù)結(jié)合進(jìn)行區(qū)域干旱判斷和灌溉管理,以及地面監(jiān)測系統(tǒng)的優(yōu)化改進(jìn),是進(jìn)一步研究的重點(diǎn)。
[1] Jackson R D, Idso S B, Reginato R J, et al. Canopy temperature as a crop water stress indicator [J]. Water Resources Research, 1981, 17(4): 1133-1138.
[2] Clawson K L, Jackson R D, Pinter P J. Evaluating plant water stress with canopy temperature differences[J]. Agronomy Journal, 1988, 88(6): 858-863.
[3] Lebourgeois V, Chopart J L, Be′gue′ A, et al. Towards using a thermal infrared index combined with water balance modelling to monitor sugarcane irrigation in a tropical environment[J]. Agricultural Water Management, 2010, 97:75-82.
[4] Andersona M C, Cammalleria C, Hain C R, et al. Using a diagnostic soil-plant-atmosphere model for monitoring drought at field to continental scales[J]. Procedia Environmental Sciences, 2013, 19: 47-56.
[5] DeJongea K C, Taghvaeianb S, Trout T J, et al. Comparison of canopy temperature-based water stress indices for maize[J]. Agricultural Water Management, 2015, 156:51-62.
[6] 蔡甲冰,許迪,司南,等. 基于冠層溫度和土壤墑情的實(shí)時監(jiān)測與灌溉決策系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2015,46(12):118-124.
Cai Jiabing, Xu Di, Si Nan, et al. Real-time monitoring system of crop canopy temperature and soil moisture for irrigation decision-making[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(12): 118-124. (in Chinese with English abstract)
[7] 周劍,程國棟,李新,等. 應(yīng)用遙感技術(shù)反演流域尺度的蒸散發(fā)[J]. 水利學(xué)報,2009,40(6):679-686.
Zhou Jian, Cheng Guodong, Li Xin, et al. Application of the remote sensing technology to estimate river basin evapotranspiration[J]. Journal of Hydraulics Engineering, 2009, 40(6): 679-686. (in Chinese with English abstract)
[8] 黃耀歡,王建華,江東,等. 基于蒸散遙感反演的全國地表缺水分區(qū)[J]. 水利學(xué)報,2009,40(8):927-933.
Huang Yaohuan, Wang Jianhua, Jiang Dong, et al. Regionalization of surface water shortage of China based on evapotranspiration[J]. Journal of Hydraulics Engineering, 2009, 40(8): 927-933. (in Chinese with English abstract)
[9] Gert A Schultz, Edwin T Engman. 水文與水管理中的遙感技術(shù)[M]. 韓敏,譯. 北京:中國水利水電出版社,2006.
[10] 覃志豪,Li Wenjuan,Zhang Minghua,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.
Qin Zhihao, Li Wenjuan, Zhang Minghua, 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 &Resources, 2003,15(2): 37-43. (in Chinese with English abstract)
[11] 覃志豪,李文娟,徐斌,等. 陸地衛(wèi)星TM6波段范圍內(nèi)地表比輻射率的估計[J]. 國土資源遙感,2004,16(3):28-41.
Qin Zhihao, Li Wenjuan, Xu Bin, et al. The estimation of land surface emissivity for Landsat TM6[J]. Remote Sensing for Land & Resources, 2004,16(3): 28-41. (in Chinese with English abstract)
[12] 徐永明,覃志豪,萬洪秀. 熱紅外遙感反演近地層氣溫的研究進(jìn)展[J]. 國土資源遙感,2011,23(1):9-14.
Xu Yongming, Qin Zhihao, Wan Hongxiu. Advances in the study of near surface air temperature retrieval from thermal infrared remote sensing[J]. Remote Sensing for Land & Resources, 2011, 23(1): 9-14. (in Chinese with English abstract)
[13] 周義,覃志豪,包剛. 熱紅外遙感圖像中云覆蓋像元地表溫度估算研究進(jìn)展[J]. 光譜學(xué)與光譜分析,2014,34(2):364-369.
Zhou Yi, Qin Zhihao, Bao Gang. Progress in retrieving land surface temperature for the cloud-covered pixels from thermal infrared remote sensing data[J]. Spectroscopy and Spectral Analysis, 2014, 34(2): 364-369. (in Chinese with English abstract)
[14] 徐永明,覃志豪,沈艷. 基于MODIS數(shù)據(jù)的長江三角洲地區(qū)近地表氣溫遙感反演[J]. 農(nóng)業(yè)工程學(xué)報,2011,27(9):63-68.
Xu Yongming, Qin Zhihao, Shen Yan. Estimation of near surface air temperature from MODIS data in the Yangtze River Delta[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(9): 63-68. (in Chinese with English abstract)
[15] 趙春江. 農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2014,45(12):277-293.
Zhao Chunjiang. Advances of research and application in remote sensing for agriculture[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(12): 277-293. (in Chinese with English abstract)
[16] 熱伊萊·卡得爾,玉素甫江·如素力,高倩,等. 新疆焉耆盆地地表溫度時空分布對LUCC的響應(yīng)[J]. 農(nóng)業(yè)工程學(xué)報,2016,32(20):259-266.
Reyilai·Kadeer, Yusupujiang·Rusuli, Gao Qian, et al. Spatiotemporal response of land surface temperature to land use/cover change in Yanqi Basin, Xinjiang[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(20): 259-266. (in Chinese with English abstract)
[17] Kustas W P, Norman J M. Advances in thermal infrared remote sensing for land surface modeling[J]. Agricultural and Forest Meteorology, 2009, 149: 2071-2081
[18] 楊貴軍,孫晨紅,歷華. 黑河流域ASTER與MODIS融合生成高分辨率地表溫度的驗(yàn)證[J]. 農(nóng)業(yè)工程學(xué)報,2015,31(6):193-200.
Yang Guijun, Sun Chenhong, Li Hua. Verification of high-resolution land surface temperature by blending ASTER and MODIS data in Heihe River Basin[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(6): 193-200. (in Chinese with English abstract)
[19] 夏浪,毛克彪,馬瑩,等. 基于可見光紅外成像輻射儀數(shù)據(jù)的地表溫度反演[J]. 農(nóng)業(yè)工程學(xué)報,2014,30(8):109-116.
Xia Lang, Mao Kebiao, Ma Ying, et al. Retrieval land surface temperature from visible infrared imager radiometer suite data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(8): 109-116. (in Chinese with English abstract)
[20] ENVI-IDL中國技術(shù)組. 基于大氣校正法的Landsat8 TIRS反演地表溫度[EB/OL]. (2015-07-02) [2016-07-06]. http:// blog.sina.com.cn/ s/blog_764b1e9d0102wa8s.html.
[21] NASA Office. Atmospheric correction parameter calculator [EB/OL]. (2013-06-26)[2016-07-06]. http://atmcorr.gsfc. nasa.gov/
[22] 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(xué)報, 2015, 58(3): 741-747.
Xu Hanqiu. Retrieval of the reflectance and land surface temperature of the newly-launched Landsat 8 satellite [J]. Chinese Journal of Geophysics, 2015, 58(3): 741-747. (in Chinese with English abstract)
[23] Sobrino J A, Jimenez-Munoz J C, Zarco-Tejada P J, et al. Land surface temperature derived from airborne hyperspectral scanner thermal infrared data[J]. Remote Sensing of Environment, 2006, 102: 99-106.
[24] Jimenez-Munoz J C, Sobrino J A, Gillespie A, et al. Improved land surface emissivities over agricultural areas using ASTER NDVI[J]. Remote Sensing of Environment, 2006, 103: 474-487.
[25] Sobrino J A, Raissouni N, Li Zhaoliang. A comparative study of land surface emissivity retrieval from NOAA data[J]. Remote Sensing of Environment, 2001, 75: 256-266.
[26] Sobrino J A, Jimenez-Munoz J C, Paolini L. Land surface temperature retrieval from LANDSAT TM 5[J]. Remote Sensing of Environment, 2004, 90: 434-440.
Remote sensing inversion of land surface temperature based on validation by observed infrared temperature in situ
Cai Jiabing, Bai Liangliang, Xu Di, Li Yinong, Liu Yu
(1. State Key Laboratory of Simulation and Regulation of Water Cycle in River Basin, China Institute of Water Resources and Hydropower Research, Beijing 100038, China; 2. National Center for Efficient Irrigation Engineering and Technology Research-Beijing, Beijing 100048, China)
It is an important development trend in modern agriculture to utilize the remote sensing data and real-time field monitoring data for irrigation management, and to realize the agriculture informatization by using precision information technology. In this paper, in order to validate land surface temperature by remote sensing inversion, we designed and installed 4 sets of monitoring systems to collect field data on line, including crop canopy temperature, air temperature, air humidity, wind speed, solar radiation, soil moisture/temperature, and so on. The Jiefangzha Irrigation Region was selected as one of the research area, situated in the western part of the Hetao Irrigation District (40°25′N, 107°09′E). The other one was in the Daxing Experimental Station, Beijing (39°37′N, 116°25′E). The instruments were installed in the main agriculture crop fields (maize, spring wheat and sunflower) in Jiefangzha Irrigation Region, Inner Mongolia and in the rotation field of winter wheat-summer maize (Daxing Experimental Station, Beijing). The land surface temperature in the survey area was obtained by the infrared remote sensing inversion of Landsat7 and Landsat 8 in 2015. The land surface emissivity was determined by 2 methods, a simple estimation by Sobrino method and the Qin Zhihao method. Five pixels with 30 m×30 m each was selected around the monitoring system. The observed data at 11:00 and 12:00 by the instrument in the field was compared with the inversion results from remote sensing data. The results showed that the land surface temperature by the remote sensing inversion could agree well with the field crop canopy temperature. The monitoring data in situ could be the representative of the surrounding condition, which was about 90 m×90 m (5 pixels). The calculation of land surface emissivity based on Qin Zhihao method was suitable for different crops. The statistics parameters based on the Qin Zhihao method made a good performance in the sunflower field in 2015 with the coefficient of determination (R2), root mean square error (RMSE), relative error (RE) and Willmott index of 0.85, 1.97℃, 6.5% and 0.94, respectively. In the maize field, it was suitable in using the Sobrino method, with the R2, RMSE, RE and Willmott index of 0.76, 2.32℃, 7.8% and 0.92, respectively. The 2 methods had no significant difference in Daxing Station, Beijing. But the Sobrino method was better for the spring wheat in Jiefangzha Irrigation Region. The layout scheme and reasonable numbers of the monitoring systems, the drought diagnosis and irrigation management using multiple source data and the optimization and improvement of the monitoring system would be the key points to be studied in the future.
remote sensing; soils; temperature; infrared sensors; canopy; inversion; verification; irrigation management; real-time monitoring
10.11975/j.issn.1002-6819.2017.05.016
S127
A
1002-6819(2017)-05-0108-07
蔡甲冰,白亮亮,許 迪,李益農(nóng),劉 鈺. 基于地面紅外檢測系統(tǒng)驗(yàn)證的灌區(qū)地表溫度遙感反演[J]. 農(nóng)業(yè)工程學(xué)報,2017,33(5):108-114.
10.11975/j.issn.1002-6819.2017.05.016 http://www.tcsae.org
Cai Jiabing, Bai Liangliang, Xu Di, Li Yinong, Liu Yu. Remote sensing inversion of land surface temperature based on validation by observed infrared temperature in situ[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(5): 108-114. (in Chinese with English abstract) doi:10.11975/j.issn.1002-6819.2017.05.016 http://www.tcsae.org
2016-06-20
2016-12-12
國家科技支撐計劃(2012BAD08B01);國家自然科學(xué)基金項目(51679254);國家重點(diǎn)研發(fā)計劃項目(2016YFC0400101)
蔡甲冰,女,博士,教授級高級工程師,從事節(jié)水灌溉技術(shù)與理論的研究。北京 中國水利水電科學(xué)研究院,100038。Email:caijb@iwhr.com