基于太陽輻射效應(yīng)校正的高原鐵路廊道地?zé)岙惓^(qū)識(shí)別研究

邊 民， 董 慶， 王 棟， 孟德利， 趙文博， 周厚瑀

(1. 中國科學(xué)院空天信息創(chuàng)新研究院 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室， 北京 100094； 2. 中國科學(xué)院大學(xué)，北京 100049； 3. 中科衛(wèi)星應(yīng)用德清研究院 浙江省微波目標(biāo)特性測量與遙感重點(diǎn)實(shí)驗(yàn)室，浙江 湖州 313200； 4. 中鐵二院工程集團(tuán)有限責(zé)任公司， 四川 成都 610031)

0 引言

某高原鐵路東起成都市，西至拉薩市，是連接我國西南地區(qū)的重大工程[1]。其中，新建雅安至林芝段是該高原鐵路地質(zhì)條件最復(fù)雜、地形地貌最艱險(xiǎn)的地段[2-3]，具有板塊活動(dòng)強(qiáng)烈、生態(tài)環(huán)境脆弱、地質(zhì)災(zāi)害頻發(fā)等特點(diǎn)[4]，并且橋梁隧道占比高，極易受到高地溫?zé)岷Φ挠绊慬5-6]。高地溫?zé)岷Σ粌H會(huì)降低機(jī)械設(shè)備效率、影響施工進(jìn)度，還會(huì)惡化作業(yè)環(huán)境、威脅人員安全，并影響工程后期運(yùn)營維護(hù)[7-8]。因此，準(zhǔn)確識(shí)別地?zé)岙惓^(qū)對(duì)高原鐵路建設(shè)至關(guān)重要。

熱紅外遙感反演地表溫度(land surface temperature，LST)是實(shí)現(xiàn)地?zé)岙惓^(qū)識(shí)別的一種有效技術(shù)手段[9]。但高原鐵路沿線地形地貌復(fù)雜，地表溫度反演會(huì)受到太陽輻射效應(yīng)的影響，高大山坡產(chǎn)生陰影遮擋，使光照面(陽坡)比陰影面(陰坡)受到更多的太陽輻射，地表溫度也更高，產(chǎn)生陰陽坡現(xiàn)象[10]，對(duì)地?zé)嵝畔⒌奶崛砀蓴_。因此，去除高原山區(qū)地表溫度反演中的太陽輻射效應(yīng)是地?zé)岙惓ＷR(shí)別中亟需開展的工作。

去除太陽輻射的常用方法是通過將存在地形起伏影響的影像像元DN值校正到某一參考平面(通常是水平面)上，抑制太陽輻射效應(yīng)的影響[11]，考慮到高原復(fù)雜的大地形和局部地形多尺度效應(yīng)影響，太陽輻射效應(yīng)去除效果欠佳。周桃勇等[12]將地表溫度按坡向分成陰坡、陽坡、過渡坡3個(gè)子區(qū)，然后根據(jù)坡向與地表溫度的線性擬合關(guān)系將其校正到水平坡度上，達(dá)到抑制太陽輻射效應(yīng)的效果，但陽坡、過渡坡和陰坡的劃分具有不確定性，且該研究沒有對(duì)太陽輻射進(jìn)行定量計(jì)算。Hais等[13]將山區(qū)植被表層溫度表示為海拔和山體陰影的函數(shù)，利用線性回歸的方法對(duì)太陽輻射效應(yīng)進(jìn)行削弱，但簡單的線性回歸模型無法很好地表征出地表溫度與各因子之間的關(guān)系。已有的太陽輻射校正方法對(duì)于太陽輻射沒有進(jìn)行定量的計(jì)算，且將太陽輻射對(duì)地表溫度的影響簡化為線性關(guān)系，去除太陽輻射效應(yīng)的效果不理想。隨機(jī)森林(random forest, RF)作為一種機(jī)器學(xué)習(xí)方法，是目前效果最好的非線性模型之一，可以準(zhǔn)確表達(dá)地表溫度與各因子間復(fù)雜的非線性關(guān)系[14]；隨機(jī)森林對(duì)多元線性不敏感，無需對(duì)變量的正態(tài)性和獨(dú)立性等假設(shè)條件進(jìn)行檢驗(yàn)，能夠保留樣本的最原始信息[15]，并且運(yùn)算高效、結(jié)果準(zhǔn)確，可以很好地構(gòu)建地表溫度與各關(guān)鍵因素之間的非線性關(guān)系，進(jìn)而去除地表溫度的太陽輻射效應(yīng)。

除了太陽輻射效應(yīng)對(duì)地表溫度反演的影響外，基于熱紅外遙感識(shí)別地?zé)岙惓^(qū)還存在考慮因素不全面、人為主觀因素影響大、識(shí)別精度較低等缺點(diǎn)。因此，構(gòu)建一種可靠的地?zé)岙惓ＷR(shí)別模型十分必要。確定性系數(shù)(certainty factor，CF)方法是一種二元統(tǒng)計(jì)方法，可以用來研究不同因素對(duì)某一事件所產(chǎn)生影響的靈敏度[16]；該方法被廣泛用于滑坡、泥石流等地質(zhì)災(zāi)害評(píng)估[17-18]，具有計(jì)算嚴(yán)密、準(zhǔn)確性高等優(yōu)點(diǎn)，可以有效解決輸入數(shù)據(jù)的不確定性和異質(zhì)性問題[19]。因此，采用確定性系數(shù)方法來定量識(shí)別和評(píng)價(jià)地?zé)岙惓^(qū)是可行的。

目前，在使用熱紅外遙感識(shí)別地?zé)岙惓５难芯恐?，太陽輻射的影響沒有得到足夠的重視，且僅僅依靠地表溫度單一要素，必然會(huì)影響對(duì)地?zé)岙惓^(qū)的準(zhǔn)確識(shí)別。本文旨在去除太陽輻射效應(yīng)引起的地表溫度變化，以提高高原鐵路廊道地?zé)岙惓^(qū)識(shí)別的準(zhǔn)確度，然后利用確定性系數(shù)方法構(gòu)建多指標(biāo)因子模型對(duì)地?zé)岙惓^(qū)進(jìn)行識(shí)別和分級(jí)，并通過野外溫泉點(diǎn)對(duì)不同分級(jí)的異常區(qū)進(jìn)行定量評(píng)價(jià)。

1 研究區(qū)概況和研究數(shù)據(jù)

1.1 研究區(qū)概況

研究區(qū)為高原鐵路雅安至林芝段，該區(qū)域地處青藏高原東南部(見圖1(a))。區(qū)域內(nèi)地質(zhì)地貌條件復(fù)雜，坐落有二郎山、折多山、芒康山、伯舒拉嶺、念青唐古拉山等高大山脈，地勢陡峭；水系密布，包含大渡河、雅礱江、金沙江、瀾滄江、怒江、雅魯藏布江等水系。受強(qiáng)烈的板塊碰撞作用影響，研究區(qū)活動(dòng)斷裂(帶)發(fā)育密集，主要包括鮮水河斷裂、理塘斷裂、巴塘斷裂、金沙江斷裂、嘉黎斷裂等深大斷裂帶，具有構(gòu)造活動(dòng)強(qiáng)烈、地質(zhì)災(zāi)害多發(fā)、溫泉地?zé)釓V布等特點(diǎn)[3]。

(a) 研究區(qū)空間范圍

(b) Landsat8真彩色影像(2018-11—2019-02)

(c) 研究區(qū)DEM

(d) 地磁異常數(shù)據(jù)鐵路線引自文獻(xiàn)[3]。圖1 研究區(qū)與數(shù)據(jù)概況Fig. 1 Schematic of study area and dataset

1.2 研究數(shù)據(jù)

本文使用的數(shù)據(jù)主要包括遙感數(shù)據(jù)、DEM數(shù)據(jù)以及其他數(shù)據(jù)。

遙感數(shù)據(jù)為白天和夜間的熱紅外影像。白天熱紅外數(shù)據(jù)為2013—2021年冬季覆蓋研究區(qū)的Landsat8 L1TP級(jí)影像共168景(見圖1(b))；熱紅外傳感器(thermal infrared sensor，TIRS)數(shù)據(jù)的空間分辨率已被重采樣為30 m，本文進(jìn)一步對(duì)其進(jìn)行輻射定標(biāo)、大氣校正等預(yù)處理。夜間熱紅外數(shù)據(jù)來自NASA的空間站生態(tài)系統(tǒng)天基熱輻射實(shí)驗(yàn)(ECOsystem spaceborne thermal radiometer experiment on space station，ECOSTRESS)生成的地表溫度和發(fā)射率二級(jí)數(shù)據(jù)(ECO2LSTE)，時(shí)間范圍為2018—2021年冬季；該數(shù)據(jù)原始空間分辨率為70 m，本文將其重采樣至30 m，與Landsat8 TIRS保持一致。

DEM數(shù)據(jù)來源于ASTER GDEM V3產(chǎn)品(見圖1(c))，水平分辨率為30 m。

其他數(shù)據(jù)包括研究區(qū)內(nèi)溫泉點(diǎn)數(shù)據(jù)(見圖1(a))、斷裂(帶)數(shù)據(jù)(見圖1(a))、地磁異常數(shù)據(jù)(見圖1(d))以及水系數(shù)據(jù)(見圖1(a))。數(shù)據(jù)的詳細(xì)情況見表1。

2 研究方法

首先，基于Landsat8熱紅外數(shù)據(jù)以及ECO2LSTE數(shù)據(jù)得到白天和夜間的地表溫度；然后，利用隨機(jī)森林方法去除地表溫度反演結(jié)果中太陽輻射效應(yīng)的影響，消除太陽輻射對(duì)地?zé)嵝畔⑻崛〉母蓴_；最后，利用多指標(biāo)因子構(gòu)建地?zé)岙惓^(qū)識(shí)別與評(píng)價(jià)模型，得到研究區(qū)地?zé)岙惓^(qū)分布結(jié)果，并結(jié)合已知溫泉點(diǎn)對(duì)結(jié)果進(jìn)行評(píng)價(jià)。地?zé)岙惓^(qū)識(shí)別技術(shù)流程圖見圖2。

圖2 地?zé)岙惓^(qū)識(shí)別技術(shù)流程圖Fig. 2 Flowchart of geothermal anomaly identification

2.1 地表溫度反演

地表溫度的反演算法主要有輻射傳輸方程法、通用單通道算法、單窗算法、分裂窗算法、溫度發(fā)射率分離法等[20]。由于Landsat8衛(wèi)星第11波段的定標(biāo)參數(shù)不穩(wěn)定，本文使用單窗算法[21]反演地表溫度。

單窗算法基于輻射傳輸方程推導(dǎo)得到，只需要已知地表發(fā)射率、大氣透過率和平均溫度3個(gè)參數(shù)就可以反演得到地表溫度：

ts=[a(1-C-D)+b(1-C-D)+C+D)tb-Dta]/C。

(1)

式中：ts為衛(wèi)星反演得到的地表溫度，℃;ta為大氣平均溫度，℃；tb為亮度溫度，℃；a和b為回歸系數(shù),分別取值-62.72和0.433 9;C和D為中間變量，可通過大氣透過率和地表發(fā)射率計(jì)算得到[21]。

2.2 太陽輻射效應(yīng)去除

本文采用隨機(jī)森林方法和白天/夜間的多時(shí)相地溫求均值的方法，對(duì)地表溫度的太陽輻射效應(yīng)進(jìn)行抑制，突出地?zé)嵩斐傻牡乇頊囟犬惓！?/p>

2.2.1 隨機(jī)森林方法

地表溫度與地形、植被條件、水分條件和太陽輻射密切相關(guān)。本文采用隨機(jī)森林方法構(gòu)建模型，以準(zhǔn)確表達(dá)地表溫度與關(guān)鍵要素之間的非線性關(guān)系，模型的自變量為海拔、坡度、坡向、累積太陽輻射、NDVI(歸一化植被指數(shù))、NDSI(歸一化積雪指數(shù))、NDWI(歸一化水體指數(shù))以及反照率(見圖3)，因變量為地表溫度。累積太陽輻射采用Han等[22]的方法計(jì)算得到，反照率采用Traversa等[23]的方法計(jì)算得到。利用模型模擬地表溫度與原始反演地表溫度進(jìn)行對(duì)比可以驗(yàn)證模型模擬的準(zhǔn)確度，基于隨機(jī)森林模型對(duì)各因子與地表溫度非線性關(guān)系的準(zhǔn)確模擬，進(jìn)而將模型中與太陽輻射效應(yīng)相關(guān)的輸入因子(如坡度、坡向和累積太陽輻射等)設(shè)為參考值，而其余輸入因子保持不變，得到去除太陽輻射效應(yīng)的地表溫度。

(a) 海拔

(b) 坡度

(c) 坡向

(d) 累積太陽輻射

(e) NDVI

(f) NDSI

(g) NDWI

(h) 反照率圖3 隨機(jī)森林模型自變量Fig. 3 Independent variables of random forest model

1)通過隨機(jī)森林回歸算法建立地表溫度與各影響要素之間的非線性模型：

tRF=F(ELV,SLP,ASP,CSR,NDWI,NDVI,NDSI,ALB)。

(2)

式中：tRF為使用隨機(jī)森林回歸算法模擬的地表溫度，℃；F為非線性函數(shù)模型； ELV為海拔高程，m； SLP為地表坡度； ASP為地表坡向； CSR為累積太陽輻射，MJ/m2； ALB為地表反照率。

2)隨機(jī)森林方法模擬的地表溫度與原始地表溫度之間會(huì)存在一定的誤差，可以表示為：

Δ=tO-tRF。

(3)

式中Δ為原始地表溫度值tO與隨機(jī)森林模擬溫度值tRF的差值，可以認(rèn)為是隨機(jī)森林模型的模擬誤差。

3)結(jié)合式(2)和式(3)，可以得到：

tO=F(ELV,SLP,ASP,CSR,NDWI,NDVI,NDSI,

ALB)+Δ。

(4)

地表溫度值可以看作是多種關(guān)鍵要素的函數(shù)，其中，包含由太陽輻射差異引起的變化值和非太陽輻射相關(guān)值。本文通過隨機(jī)森林模型去除地表溫度的太陽輻射效應(yīng)，得到校正后的地表溫度。

2.2.2 日夜多時(shí)相地溫求均值

利用日夜多時(shí)相地表溫度聯(lián)合探測地?zé)岙惓＃梢愿玫厝コ栞椛湫?yīng)對(duì)地?zé)岙惓ＷR(shí)別的干擾。夜間地表溫度雖不受太陽輻射的直接影響，但河谷效應(yīng)顯著；河谷效應(yīng)也是由太陽輻射效應(yīng)引起的，因?yàn)樗谋葻崛荽?，且白天水體受到太陽輻射蒸發(fā)，河谷內(nèi)空氣濕熱，夜間由于河谷地帶地形相對(duì)封閉，加劇了地表升溫，也會(huì)對(duì)地?zé)嵝畔⒌奶崛砀蓴_。由于不同地物比熱容及賦存結(jié)構(gòu)的差異，自然地物在白天/夜間的相對(duì)熱/冷異常對(duì)地?zé)嵝畔⑻崛〉母蓴_也必須考慮在內(nèi)。因此，本文采用日夜多源多時(shí)相熱紅外遙感數(shù)據(jù)相加求平均值，通過白天和夜間溫度聯(lián)合分析，消除太陽輻射效應(yīng)和自然地物間的相對(duì)熱/冷異常，更好地突出地?zé)崴鶎?dǎo)致的地溫高異常，提升對(duì)地?zé)岙惓^(qū)的識(shí)別能力。

2.3 地?zé)岙惓^(qū)識(shí)別

地?zé)岣邷禺惓５漠a(chǎn)生是多種因素共同作用造成的，需要綜合考慮不同因子對(duì)地?zé)岱植嫉挠绊懀⒋_定指標(biāo)量化方法，選取適當(dāng)?shù)臄?shù)學(xué)模型計(jì)算得到地?zé)岙惓５囊装l(fā)程度。本文采用確定性系數(shù)(certainty factor，CF)模型來識(shí)別和評(píng)價(jià)地?zé)岙惓^(qū)。

2.3.1 確定性系數(shù)值計(jì)算

確定性系數(shù)是一個(gè)概率函數(shù)[24]，主要思想是地?zé)岬囊装l(fā)性可依據(jù)已經(jīng)存在的地?zé)嵝畔⑴c確定為影響因子的數(shù)據(jù)集之間的統(tǒng)計(jì)關(guān)系來確定[25]。地表出露的溫泉是地?zé)岙惓５挠行П碚?，因此，可將溫泉視為已知的地?zé)嵝畔?，參與地?zé)岙惓ＷR(shí)別模型的構(gòu)建。由于影響地?zé)岽嬖诘母髦笜?biāo)因子量綱不同，不能直接進(jìn)行數(shù)學(xué)計(jì)算，而確定性系數(shù)可將各因子同區(qū)間定量化，有效解決不同數(shù)據(jù)量綱的差異性問題[21]。確定性系數(shù)計(jì)算公式為：

(5)

式中：KCF為確定性系數(shù)；Pa為影響因子分級(jí)圖層內(nèi)存在地?zé)岬臈l件概率，此處為分級(jí)內(nèi)溫泉點(diǎn)數(shù)目與分級(jí)內(nèi)柵格數(shù)目之比；Ps為地?zé)岚l(fā)生的先驗(yàn)概率，此處為研究區(qū)有溫泉點(diǎn)的評(píng)價(jià)單元數(shù)與研究區(qū)評(píng)價(jià)單元總數(shù)之比。

利用確定性系數(shù)模型識(shí)別和評(píng)價(jià)地?zé)岙惓^(qū)，需要對(duì)選取的指標(biāo)因子進(jìn)行分級(jí)，并計(jì)算各分級(jí)區(qū)間內(nèi)的確定性系數(shù)大小。確定性系數(shù)的取值范圍是[-1,1]，值越大代表單元內(nèi)存在地?zé)岬拇_定性越高。當(dāng)結(jié)果為正時(shí)，表示有利于地?zé)岙惓５拇嬖?；?dāng)結(jié)果為負(fù)時(shí)，表示不利于地?zé)岙惓５拇嬖?；?dāng)結(jié)果接近于0時(shí)，無法確定評(píng)價(jià)單元是否存在地?zé)岙惓！?/p>

2.3.2 各指標(biāo)因子權(quán)重計(jì)算

從式(5)可以看出，各指標(biāo)因子的確定性系數(shù)值與該因子對(duì)地?zé)岽嬖谂c否的貢獻(xiàn)值密切相關(guān)，因此，可以根據(jù)CF值計(jì)算每個(gè)因子的相對(duì)貢獻(xiàn)大小。

(6)

式中：w為某指標(biāo)因子的相對(duì)貢獻(xiàn)值；Zi為某因子的CF分段貢獻(xiàn)值；i為CF的分段級(jí)別，i=1，2，…，n。

將式(6)計(jì)算的各指標(biāo)因子相對(duì)貢獻(xiàn)值歸一化后，即可得到該因子的權(quán)重。

3 研究結(jié)果與分析

3.1 地表溫度反演結(jié)果

研究區(qū)多年期冬季平均地表溫度分布如圖4所示。由于本次研究針對(duì)的是高地溫異常，故將白天和夜間地表溫度的下限值分別設(shè)定為-20 ℃和-30 ℃；同時(shí)，將白天和夜間地表溫度的上限值分別設(shè)定為40 ℃和20 ℃，溫度區(qū)間統(tǒng)一，便于對(duì)比太陽輻射效應(yīng)校正前后地表溫度的差異?？梢钥闯觯琇andsat8反演得到的白天地表溫度受到地形背景和太陽輻射效應(yīng)的顯著影響，地表溫度高值區(qū)大多分布于地形起伏較大區(qū)域的山坡陽面、河谷地帶以及裸露地表區(qū)域；低值區(qū)主要是積雪、山體陰影以及植被密集區(qū)域。ECO2LSTE夜間地表溫度的河谷效應(yīng)顯著；高值區(qū)主要是水體和河谷地區(qū)，大致包括大渡河、雅礱江、金沙江、瀾滄江、怒江、雅魯藏布江等大江大河的河谷地帶；低值區(qū)主要是裸地、積雪覆蓋地區(qū)以及高海拔的山區(qū)。

黑框區(qū)域?yàn)殛庩柶滦?yīng)典型區(qū)。(a) Landsat8白天地表溫度

黑框區(qū)域?yàn)楹庸刃?yīng)典型區(qū)。(b) ECO2LSTE夜間地表溫度圖4 研究區(qū)多年期平均地表溫度Fig. 4 Multi-year average LST of study area

3.2 地表溫度太陽輻射效應(yīng)去除

在隨機(jī)森林模型中，ntree是對(duì)模型效果影響程度最大的參數(shù)，需要擇優(yōu)選擇。ntree值和模型預(yù)測得分如圖5所示。從圖中可以看出，當(dāng)ntree值為0～25時(shí)，隨著ntree取值增大，模型的預(yù)測得分也會(huì)增加，且增長速率較快；當(dāng)ntree值為25～100時(shí)，模型的預(yù)測得分增長速率逐漸放緩；當(dāng)ntree值達(dá)到100后，模型預(yù)測得分趨于穩(wěn)定。因此，本文ntree取值為100。

圖5 ntree值和模型預(yù)測得分Fig. 5 Plot of ntree number and model prediction score

隨機(jī)森林方法去除太陽輻射效應(yīng)的前提是基于對(duì)地表溫度的精確模擬。圖6(a)和圖6(b)分別示出白天和夜間模型模擬LST的空間分布，并將局部的模型模擬LST與原始反演LST進(jìn)行對(duì)比驗(yàn)證。從圖中可以看出，模型模擬LST與原始反演LST的一致性程度較好，LST高值區(qū)和低值區(qū)高度吻合。對(duì)局部放大圖進(jìn)行對(duì)比分析，模型模擬的LST可以較好地反映LST的層次過渡且能夠很好地表征陰陽坡效應(yīng)、河谷效應(yīng)等現(xiàn)象，表明隨機(jī)森林模型模擬的精度較好。

(a) Landsat8白天模擬地表溫度

為進(jìn)一步定量分析原始反演LST與模型模擬LST之間的一致性，本文采用決定系數(shù)(R2)、均方根誤差(RMSD)、平均絕對(duì)誤差(MAD)作為評(píng)價(jià)指標(biāo)，來評(píng)價(jià)隨機(jī)森林模型的模擬效果。原始反演LST與模型模擬LST比較如圖7所示。訓(xùn)練數(shù)據(jù)的比較結(jié)果顯示，影像的R2為0.97，RMSD為0.93 ℃，MAD為0.66 ℃；測試數(shù)據(jù)的比較結(jié)果顯示，影像的R2為0.92，RMSD為1.95 ℃，MAD為1.76 ℃。上述統(tǒng)計(jì)參數(shù)表明，模型具有較高的模擬精度，隨機(jī)森林方法可以精確解譯地表溫度空間分布特征。

(a) 訓(xùn)練數(shù)據(jù)

(b) 測試數(shù)據(jù)散點(diǎn)的顏色代表了該位置點(diǎn)的密度。圖7 原始反演LST與模型模擬LST比較Fig. 7 Comparison result of original inversion LST and model simulation LST

太陽輻射效應(yīng)去除后的地表溫度分布如圖8所示。研究區(qū)由于地形背景和太陽輻射差異造成陰陽坡效應(yīng)、河谷效應(yīng)明顯，地表溫度分布變化劇烈，而去除太陽輻射效應(yīng)的地表溫度與原始地表溫度相比變化范圍明顯減小，LST空間異質(zhì)性明顯降低，太陽輻射得到了較明顯的消減。分別選取研究區(qū)內(nèi)陰陽坡效應(yīng)和河谷效應(yīng)典型區(qū)域進(jìn)行分析。1)樣區(qū)1位于雅江縣城東部，區(qū)域內(nèi)地形起伏明顯，且山地呈東西走向，具有顯著的陰陽坡地理分異。對(duì)比校正前后的LST分布圖可以看出，校正前的LST空間差異十分顯著，太陽輻射效應(yīng)尤其突出；而校正后的LST分布較為均勻，過渡更為平滑，空間異質(zhì)性明顯降低，陰坡陽坡的地表溫度差大幅減小。2)樣區(qū)2位于雅江縣城所在河谷地區(qū)，該區(qū)域河谷深切，地表溫度具有典型的河谷效應(yīng)。對(duì)于夜間LST，校正前河谷地區(qū)地表溫度顯著高于周邊地區(qū)，而校正后河谷地區(qū)地表溫度的高值區(qū)得到了有效抑制。由此可見，基于隨機(jī)森林的LST地形效應(yīng)去除方法效果顯著。

(a) Landsat8白天校正后地表溫度

(b) ECO2LSTE夜間校正后地表溫度圖8 太陽輻射效應(yīng)校正LSTFig. 8 LST after solar radiation effect correction

經(jīng)過太陽輻射效應(yīng)去除后的日夜多時(shí)相地表溫度平均值可以作為后續(xù)確定性系數(shù)模型的輸入因子，用于地?zé)岙惓^(qū)的識(shí)別。

3.3 地?zé)岙惓^(qū)識(shí)別與評(píng)價(jià)

3.3.1 確定性系數(shù)計(jì)算結(jié)果

地?zé)岬漠a(chǎn)生會(huì)受到多種因素的影響，基于地?zé)岙惓５男纬蓹C(jī)制和分布規(guī)律，結(jié)合研究區(qū)的地形、地質(zhì)和實(shí)地調(diào)查資料，本文選取去除太陽輻射效應(yīng)的地表溫度、斷裂密度、到水系距離和地磁異常4個(gè)評(píng)價(jià)指標(biāo)作為模型輸入因子。地?zé)崽N(yùn)含著豐富的能量，其引發(fā)的地球表面溫度異常，可利用熱紅外遙感反演來獲取，因此地表溫度是地?zé)岽嬖诘闹匾甘疽蜃覽26]；地下水可以從斷裂形成的滲流通道到達(dá)地殼深處，加熱后產(chǎn)生地?zé)峄顒?dòng)[27]，基于斷裂(帶)數(shù)據(jù)可以得到斷裂密度作為模型輸入因子；在一定深度范圍內(nèi)，地表水和淺層地下水沿著構(gòu)造裂縫滲流到深部，在下滲過程中被圍巖加熱而形成地?zé)醄28]，因此水系可為地?zé)岬男纬商峁┧?，采用到水系距離作為地?zé)岱植嫉挠绊懸蛩厥强尚械模坏卮女惓？梢杂脕肀碚鳂?gòu)造應(yīng)力變化明顯區(qū)域以及地下熱水活動(dòng)區(qū)域，因此可將地磁異常作為輸入因子[29]。將選取的因子重分類為7個(gè)等級(jí)(見圖9)，并計(jì)算各因子的確定性系數(shù)值(見表2)。

(a) 地表溫度

(b) 斷裂密度

(c) 到水系距離

(d) 地磁異常圖9 確定性系數(shù)模型輸入因子Fig. 9 Certainty factor model input factor

表2 確定性系數(shù)計(jì)算結(jié)果Table 2 Calculation results of certainty factor

由式(6)計(jì)算得到各因子的相對(duì)貢獻(xiàn)值并歸一化后得到地表溫度、斷裂密度、到水系距離和地磁異常的權(quán)重分別為0.35、0.28、0.24、0.13。將各因子的確定性系數(shù)值加權(quán)疊加獲得CF模型最終計(jì)算結(jié)果，如果模型值低于0，則說明與地?zé)岣邷噩F(xiàn)象無關(guān)，因此，將第1個(gè)閾值設(shè)置為0，模型大于0的值按照自然斷點(diǎn)法分為3類，值越高代表存在地?zé)岙惓？赡苄栽礁?。最終將結(jié)果劃分為高異常區(qū)、中異常區(qū)、低異常區(qū)和無異常區(qū)4個(gè)區(qū)域，如圖10(a)所示。高異常區(qū)和中異常區(qū)主要包括康定縣北部和西部、道孚縣中部和北部、理塘縣中部、貢覺縣和察雅縣西部、八宿縣西部以及林芝縣東北部地區(qū)，這些地區(qū)受到鮮水河斷裂帶、甘孜—理塘斷裂帶、金沙江斷裂帶、怒江斷裂帶、瀾滄江斷裂帶以及嘉黎斷裂帶的控制，且多位于河谷地區(qū)，具有地?zé)岙a(chǎn)生的條件。

文獻(xiàn)[30]對(duì)高原鐵路廊道地?zé)岙惓^(qū)進(jìn)行了劃定，對(duì)地?zé)岙惓^(qū)的空間分布特征和鐵路沿線隧道熱害進(jìn)行了定性識(shí)別。將其結(jié)果(見圖10(b))與本文得到的地?zé)岙惓^(qū)進(jìn)行比較和評(píng)價(jià)，可以看出本文與前者對(duì)地?zé)岙惓^(qū)的識(shí)別基本吻合，但本文的異常區(qū)分級(jí)更符合實(shí)際情況。從異常區(qū)分布來看，前者對(duì)異常區(qū)的識(shí)別范圍過大，包含了很多非異常區(qū)，如丹巴縣西部、八宿縣南部、波密縣東部以及昌都和察雅交界地區(qū)。造成這一現(xiàn)象的主要原因是文獻(xiàn)[30]按照不同控?zé)針?gòu)造及溫泉分布綜合解譯劃分異常區(qū)，以定性識(shí)別為主，識(shí)別結(jié)果空間分辨率較低，結(jié)果的可靠性依賴于野外實(shí)測資料，具有一定的主觀性和不確定性。而本文中地表溫度去除了太陽輻射的影響，采用多指標(biāo)因子進(jìn)行定量化識(shí)別，劃定的異常區(qū)范圍更加精細(xì)，識(shí)別結(jié)果可靠性更高。

(a) 本文所得地?zé)岙惓^(qū)分級(jí)

(b) 文獻(xiàn)[30]所得地?zé)岙惓^(qū)分級(jí)圖10 地?zé)岙惓７旨?jí)圖Fig. 10 Geothermal anomaly classification map

3.3.2 鐵路沿線熱害分布

相比于整個(gè)研究區(qū)，鐵路沿線兩側(cè)是需要重點(diǎn)識(shí)別高溫?zé)岷Φ膮^(qū)域，因此，本研究分別根據(jù)高原鐵路沿線左右20 km和30 km作為緩沖區(qū)(內(nèi)層20 km為核心區(qū)，外層30 km為次級(jí)區(qū))與地?zé)岙惓^(qū)進(jìn)行疊加分析(見圖11)，并對(duì)不同等級(jí)地?zé)岙惓^(qū)交通廊道長度進(jìn)行分析和統(tǒng)計(jì)(見表3)?？梢钥闯?，高原鐵路主要途徑瀘定—康定、理塘盆地及周邊、巴塘、貢覺、昌都—察雅、八宿、波密—魯朗7個(gè)地?zé)岙惓^(qū)。

紅色虛線圈定區(qū)域?yàn)榈責(zé)岙惓^(qū)。圖11 鐵路沿線緩沖區(qū)地?zé)岱植糉ig. 11 Geothermal distribution in buffer zone along railway

表3 高原鐵路廊道地?zé)岙惓^(qū)統(tǒng)計(jì)Table 3 Statistics of geothermal anomaly areas along plateau railway

3.3.3 地?zé)岙惓Ｌ崛〗Y(jié)果評(píng)價(jià)

頻率比可用于評(píng)估模型識(shí)別結(jié)果的有效性和可靠性[17]。該方法是將識(shí)別結(jié)果每一分級(jí)內(nèi)的溫泉占比除以該級(jí)別內(nèi)柵格占比得到頻率比，可說明模型的識(shí)別結(jié)果是否準(zhǔn)確。從頻率比計(jì)算結(jié)果(見表4)可以看出： 1)高異常區(qū)柵格數(shù)僅占研究區(qū)總柵格數(shù)的4.40%，卻包含有66個(gè)溫泉點(diǎn)，占溫泉點(diǎn)總數(shù)的33.50%，頻率比達(dá)到7.61；中異常區(qū)柵格數(shù)占研究區(qū)總柵格數(shù)的8.35%，涵蓋51個(gè)溫泉點(diǎn)，占溫泉點(diǎn)總數(shù)的25.89%，頻率比為3.10；高異常區(qū)和中異常區(qū)的頻率比均高于1。2)無異常區(qū)的柵格占比達(dá)74.00%，而溫泉點(diǎn)占比僅為16.75%，頻率比為0.23，低于1。3)從低異常區(qū)到高異常區(qū)，隨著異常程度的升高，頻率比逐漸增大(見圖12)，這說明模型結(jié)果是合理可靠的，能夠準(zhǔn)確識(shí)別地?zé)岙惓^(qū)。

表4 頻率比計(jì)算結(jié)果Table 4 Frequency ratio results

圖12 不同地?zé)岙惓７旨?jí)頻率比變化Fig. 12 Frequency ratio variation of different geothermal anomaly areas

4 結(jié)論與討論

山區(qū)太陽輻射效應(yīng)的影響給熱紅外識(shí)別地?zé)岙惓Ｔ斐衫щy，針對(duì)這一問題，本文以高原鐵路廊道為研究區(qū)，利用白天和夜間地表溫度數(shù)據(jù)，基于隨機(jī)森林方法去除地表溫度的太陽輻射效應(yīng)，結(jié)合斷裂數(shù)據(jù)、溫泉點(diǎn)與水系數(shù)據(jù)，利用確定性系數(shù)模型識(shí)別地?zé)岙惓^(qū)并對(duì)其結(jié)果進(jìn)行了定量評(píng)價(jià)，得到以下結(jié)論：

1)隨機(jī)森林方法可以較好地模擬Landsat8反演的地表溫度，并且能夠有效消除太陽輻射效應(yīng)。校正之后的地表溫度空間異質(zhì)性顯著降低，太陽輻射影響造成的LST異常得到了有效抑制，特別是在高程起伏較大、陰陽坡和坡度變化大的山區(qū)，太陽輻射效應(yīng)去除效果更佳。

2)太陽輻射效應(yīng)去除后的地表溫度可以更為有效地識(shí)別和提取地?zé)岙惓^(qū)。選取去除太陽輻射效應(yīng)的地表溫度、斷裂密度、到水系距離和地磁異常作為輸入因子，利用確定性系數(shù)模型計(jì)算得到地?zé)岙惓^(qū)，并將結(jié)果分為高異常區(qū)、中異常區(qū)、低異常區(qū)和無異常區(qū)4個(gè)等級(jí)。地?zé)岙惓^(qū)評(píng)價(jià)結(jié)果與已知溫泉點(diǎn)分布較為一致，表明模型結(jié)果合理可靠。

3)高原鐵路主要途徑7個(gè)地?zé)岙惓^(qū)，地?zé)岙惓^(qū)的統(tǒng)計(jì)結(jié)果表明高原鐵路經(jīng)過高異常區(qū)的廊道長度為72 km，占比7.1%；中異常區(qū)的廊道長度為125 km，占比12.3%。中異常區(qū)和高異常區(qū)主要分布于瀘定—康定、理塘盆地及周邊、巴塘、貢覺、昌都—察雅、八宿、波密—魯朗，這些區(qū)域水系密布、多深切河谷，斷裂活動(dòng)性強(qiáng)，斷裂與斷層破碎帶作為導(dǎo)水構(gòu)造，為深部熱源的循環(huán)運(yùn)移提供了有利條件，地表溫度較高，是高原鐵路施工過程中需要重點(diǎn)防范高溫?zé)岷Φ膮^(qū)段。

本文研究了如何抑制地表溫度反演中太陽輻射效應(yīng)影響，并對(duì)高原鐵路沿線的地?zé)岙惓^(qū)進(jìn)行了定量識(shí)別和分級(jí)評(píng)價(jià)，初步實(shí)現(xiàn)了高原鐵路廊道的地?zé)岙惓^(qū)定量化和精細(xì)化識(shí)別，可為山區(qū)高地溫?zé)岷Φ裙こ痰刭|(zhì)風(fēng)險(xiǎn)的早期識(shí)別提供科學(xué)依據(jù)。但是，仍然存在不足之處： 一方面，除了太陽輻射效應(yīng)外，地表覆被和地貌對(duì)地?zé)岙惓５淖R(shí)別也會(huì)有重要的影響；另一方面，考慮到夜間溫度數(shù)據(jù)較少、分辨率不高，且山區(qū)河谷地表溫度成因復(fù)雜，河谷效應(yīng)去除仍需改進(jìn)和提升。因此，在接下來的研究中將構(gòu)建太陽輻射影響的連續(xù)地表溫度模型，重建同期的夜間溫度數(shù)據(jù)，以更好地去除河谷效應(yīng)和地表覆被的影響，進(jìn)一步提升地?zé)岙惓^(qū)的早期識(shí)別可靠性和準(zhǔn)確性。

致謝

感謝中國-巴基斯坦地球科學(xué)研究中心提供研究支持。