基于歸一化植被指數反演地表比輻射率方法的對比研究

柳菲，李平

（宜昌市測繪大隊，湖北宜昌 443000）

基于歸一化植被指數反演地表比輻射率方法的對比研究

柳菲?，李平

（宜昌市測繪大隊，湖北宜昌 443000）

針對只有一個熱紅外通道的遙感數據，利用歸一化植被指數與地表比輻射率具有較高的線性相關性進行地表比輻射率的遙感反演，介紹了基于歸一化植被指數定量反演地表比輻射率的4種方法，以湖北省荊門市地區的Landsat5 TM數據為研究對象，精度0.01的MODIS LSE產品為標準數據，對比分析了4種基于NDVI的地表比輻射率反演方法，分別從像元尺度和分類尺度總結了4種地表比輻射率反演方法的普適性和精度。

歸一化植被指數；地表比輻射率；Landsat5 TM影像；定量反演；荊門

1 引 言

比輻射率是物體在溫度T，波長λ處的輻射出射度M1（T，λ）與同溫度，同波長下的黑體輻射出射度M2（T，λ）的比值。根據Prata A.J研究表明［1］，在地表溫度反演過程中，比輻射率有0.01的誤差，就會導致反演出的地表溫度產生1℃～2℃的誤差，并且發射率糾正誤差引起的誤差將是所有大氣糾正誤差所引起誤差之和的2倍。在全球氣候變化監測研究中，地表溫度的有效獲取和精確分析顯得尤為重要，比輻射率作為物體熱輻射能力的量度，是地表溫度遙感反演算法中不可或缺的參數因子。它不僅依賴于地表物體的組成成分，而且與物體的表面狀態（表面粗糙度等）及物理性質（介電常數、含水量、溫度等）有關，并且隨著所測定的輻射能的波長、觀測角度等條件的變化而變化。

Landsat TM遙感數據，因其TM6熱紅外波段具有比NOAA、MODIS的熱紅外波段更高的空間分辨率而得到廣泛使用。目前針對僅有一個熱紅外波段的遙感數據，很難實現單個像元的比輻射率定量估計，通常利用歸一化植被指數（NDVI）與地表比輻射率之間較高的線性相關性來解決地表比輻射率的定量反演問題。至今，有4種基于歸一化植被指數的地表比輻射率反演方法被發表，即1993年Van和Owe提出的植被指數法［2］，1996年Valor和Caselles提出的植被指數混合模型［3］，2003年Sobrino等提出的NDVI閾值法［4］，2004年覃志豪等提出的NDVI閾值改進算法［5］。本文以2006年8 月20日湖北省荊門市區域TM影像為研究數據，同時期的MODIS LSE產品為標準數據，對比分析了4種地表比輻射率反演方法的適用性和精度結果，進一步探索更有效更精確的地表比輻射率反演方法。

2 地表比輻射率反演方法

基于歸一化植被指數反演地表比輻射率方法的主要思想是以NDVI與地表比輻射率之間較高的線性相關性為基礎，根據Landsat TM的空間分辨率將地表分為水體、自然表面、城市像元，計算各地表類型的歸一化植被指數和植被覆蓋度，利用線性公式計算獲取每個像元的地表比輻射率。

（1）Van和Owe提出的植被指數法

根據植被的面積權與植被指數NDVI線性相關性，基于博茨瓦納采集的發射率信息和NDVI數據建立地表比輻射率和NDVI之間的統計關系模型:

ε=1.0094+0.047×ln（NDVI）

Van的經驗公式是在自然地表上總結得到，所采用的NDVI值范圍為0.157～0.727，一旦NDVI值超出范圍則很難準確反演出地表比輻射率。

（2）Valor和Caselles提出的植被指數混合模型

在植被指數法的基礎上，將表達式擴展到復雜的像元，通過有關土壤與植被的發射率以及植被的結構與比例，使用NDVI植被指數計算植被覆蓋率，進一步估算地表比輻射率。該方法主要思想是:NDVI＜0.1時認為是純裸土像元，植被覆蓋度為0，地表輻射率值為0.96；NDVI＞0.72時認為是純植被像元，植被覆蓋度為1，地表比輻射率值為0.985；NDVI介于0.1～0.72之間時認為是混合像元，采用下式計算地表比輻射率:

ε=εvPv+εs（1-Pv）+dε

式中:ε為地表比輻射率，εv為純植被像元比輻射率，εs為純裸土像元比輻射率，Pv為植被覆蓋度，dε為地形幾何形狀，是自然表面的幾何分布與內部反射效應引起的比輻射率比例，在地表相對平整的情況下，可以忽略不計，對于混合像元和粗糙表面，需要考慮其影響。植被覆蓋度計算公式:

? 收稿日期:2015—07—01

作者簡介:柳菲（1986—），男，碩士，工程師，主要從事城市測繪與遙感應用。

基金項目：全球變化研究國家重大科學研究計劃項目（2010CB950902）；國家自然科學基金項目（41071240）。

地表幾何形狀計算公式:

式中:F為地形因子，根據不通幾何分布可取均值0.55。

（3）Sobrino等提出的NDVI閾值法

綜合前人研究結果，考慮不同NDVI情況下地表比輻射率的估計。其主要思想是假定NDVI＜0.2時認為是純裸土像元，地表比輻射率為ε=0.98-0.042ρ，式中ρ是紅光波段的地物反射率；NDVI＞0.5時認為是純植被像元，地表比輻射率為常數0.99；NDVI介于0.2～0.5之間時認為是混合像元，通過下式計算比輻射率:

ε=εvPv+εs（1-Pv）+dε

式中:ε為地表比輻射率，εv為純植被像元比輻射率，εs為純裸土像元比輻射率，Pv為植被覆蓋度，dε為地形幾何形狀。

植被覆蓋度計算公式:

地表幾何形狀計算公式:

表觀反射率:

式中:D為天文日地距離，L為傳感器獲得的光譜輻射亮度，θs為太陽天頂角，ESUNλ為大氣層頂平均入射太陽輻射。D、L、θs數值可在遙感數據頭文件中獲取，ESUNλ可從遙感權威單位定期測定并公布的信息中獲取，然后利用大氣輻射校正模型校正并計算表觀反射率與地表反射率的線性關系:Y=aX+b。

（4）覃志豪等提出的NDVI閾值改進算法

通過NDVI求取地表比輻射率時除了考慮自然表面之外，還考慮了水面和城鎮這兩種地表覆蓋類型。通過監督分類提取水體，賦值為0.995，其他兩類為城鎮像元和自然表面像元，其中組成自然表面的像元可以看做是不同比例的植被葉冠和裸土組成的混合像元，而城鎮像元則是建筑物和綠化植被組成的混合像元。如果沒有詳細的區域植被和土壤光譜或圖幅上沒有明顯的完全植被或裸土像元，當NDVI＜0.05時認為是純裸土像元，植被覆蓋度為0；當NDVI＞0.7時認為是純植被像元，植被覆蓋度為1；當NDVI介于0.05～0.7之間時認為是混合像元，采用植被覆蓋度公式計算獲得，其估算公式如下:

自然表面像元:

城鎮像元:

植被覆蓋度計算公式:

式中，Pv是植被覆蓋度，Rv、Rs和Rm分別是純植被、純裸土和純建筑表面像元的溫度比率，εv、εs和εm分別是純植被、純裸土和純建筑表面像元的比輻射率，dε為地形幾何形狀，分別取εv=0.986，εs=0.972，εm= 0.970，Rv=0.9332+0.0585Pv，Rs=0.9902+0.1068Pv，Rm=0.9886+0.1287Pv。在地表相對平整情況下，dε一般可取0，覃志豪根據植被的構成比例提出了計算地表形狀的經驗公式，當Pv≤0.5時，dε=0.0038Pv；當Pv≥0.5時，dε=0.0038（1-Pv）。

3 方法實踐與對比分析

荊門市位于湖北省中部，東經111°51′～113°29′，北緯30°32′～31°36′，地處荊山向江漢平原過渡地帶，西北和中部為低山丘陵，東部和南部為平原湖區，地形豐富多樣。研究區數據采用LT51240382006232IKR00中湖北省荊門市區域，遙感數據清晰無云，質量良好，有利于分類識別，以假彩色方式顯示，如圖1所示。對比數據采用mod11a2a2006233h27v050052008146131406emis_ 31和32中荊門市區域，由NASA的MODIS團隊采用普適性分裂窗算法計算獲得［6］，空間分辨率為 1 km，云量為0%，有利于進行對比分析。本文根據Landsat TM數據特點采用監督分類方法將遙感影像大體分為水體、植被、城鎮三個類別，總體分類精度為98.44%，Kappa系數為0.9277，如圖2所示。

3.1 方法實踐

利用ERDAS 9.2遙感圖像處理軟件，采用第一部分的算法公式進行建模計算，對于Van提出的方法，由于只適用0.157～0.727的NDVI范圍，為了便于對比分析，其他范圍數據直接賦值0，4種方法比輻射率計算結果如圖3所示。

圖1　荊門市TM影像假彩色合成圖

圖2　荊門市監督分類結果圖

圖3　4種比輻射率反演方法結果圖

3.2 對比分析

將4種方法反演的地表比輻射率結果按照MODIS LSE產品的空間分辨率進行重采樣，并與MODIS LSE產品進行差值運算，按照比輻射率差值位于0～0.005之間精度較好，0.005～0.01之間精度一般，0.01至最大誤差之間精度較差的方式分析，運算結果如圖4和表1所示。同時，對4種方法反演地表比輻射率的結果采取分類統計，利用ArcMap的Zonal Statistics工具，按照水體，植被，城鎮三種類型對比分析，分析結果如表2和圖5所示:限性精度最低，平均偏差為0.008，標準差為0.011。

圖4　4種地表比輻射率反演結果與MODIS LSE產品對比

4種地表比輻射率反演結果與MODIS LSE產品對比表 表1

由圖5和表2中可以得出，在分類尺度上，對于水體區域，4種比輻射率反演算法結果精度普遍偏低，均超過MODIS LSE產品確定的平均值和范圍，對于植被區域，覃志豪等的方法與Valor和Caselles的方法反演精度最高，與MODIS LSE產品確定的植被區域比輻射率平均值相差僅為0.002左右，對于城鎮區域，Valor 和Caselles的方法反演精度最高，與MODIS LSE產品確定的城鎮區域比輻射率平均值相差僅為0.002。

4種地表比輻射率反演結果分類統計與MODIS LSE產品對比表 表2

根據圖4和表1結果對比發現，在像元尺度上，Valor和Caselles地表比輻射率反演方法精度最高，平均偏差為0.001，標準差為0.004；Van和Owe地表輻射率反演方法因為其經驗公式中所采用NDVI值的局

圖5　4種地表比輻射率反演分類結果與MODIS LSE產品對比

根據4種地表比輻射率反演結果與MODIS LSE產品對比可以看出，①只有覃志豪等比輻射率反演算法單獨涉及了水體區域的問題，其他三種方法均未考慮。但是根據趙英時等測量公布的數據［7］，水體的比輻射率值范圍一般位于0.98～0.99，覃志豪等方法采用單一水體比輻射率值經驗值為0.995，未充分考慮水深、水溫以及水底地貌和植被的因素，導致了水體區域反演精度不高。②對比4種算法發現，對于純植被像元和純裸土像元的歸一化植被指數閾值沒有統一的認知，Valor和Caselles提出的植被指數混合模型通過擴展植被指數法，認定NDVI＜0.1時是純裸土像元，NDVI＞0.72時是純植被像元；Sobrino等提出的NDVI閾值法綜合前人研究成果，認定NDVI＜0.2時是純裸土像元，NDVI＞0.5時是純植被像元；而覃志豪等提出的NDVI閾值改進算法通過實驗測定NDVI＜0.05時是純裸土像元，NDVI＞0.7時是純植被像元。針對本研究區而言，Valor和Caselles比輻射率反演方法采用的NDVI閾值具有較高的適用性。③在純植被像元和純裸土像元的比輻射率值方面，三種方法（除Van和Owe方法外）在純裸土像元比輻射率值的選定上差異較大，差值達到0.02，并且均考慮了植被覆蓋度和地表幾何形狀的影響。由于本研究區域以植被覆蓋為主，從反演精度上可以看出Valor和Caselles采用的純裸土像元比輻射率值為0.96和純植被像元比輻射率值為0.985最為適合本研究區。

4 結 論

本文探討了4種基于歸一化植被指數的地表比輻射率反演方法，并應用4種方法實現了Landsat TM遙感數據地表比輻射率的定量反演，通過與MODIS LSE產品進行精度比較發現；①在像元尺度上，Valor和Caselles提出的植被指數混合模型反演結果總體精度相對較高，Van和Owe提出的植被指數法總體精度最低。②在分類尺度上，對于植被區域，Valor和Caselles提出的植被指數混合模型與覃志豪等提出的NDVI閾值改進算法反演結果精度最高，對于城鎮區域，Valor和Caselles比輻射率反演方法精度最高，對于水體區域，4種方法反演精度普遍較低。③從反演方法的適用性而言，Van和Owe提出的植被指數法適用性最弱，覃志豪等提出的NDVI閾值改進算法普適性最高。

［1］Prata A.J，Platt M.Land surface temperature measurements from the AVHRR［C］.5th AVHRR Data Users Conference，Tromso，Norway，1991，25-28 June，EUM P09，433～438.

［2］Van，Owe.On the relationship between thermal emissivity and the normalized difference vegetation index for natural surface.International Journal of Remote Sensing，1993，14 （6）：1119～1131.

［3］Valor，E.，Caselles，V.Mapping land surface emissivity from NDVI：application to European，African，and South American areas.Remote Sens.Environ.，1996，57：167～184.

［4］Sobrino J A，Jiménez-Muoza J C，Paolini L.Land surface temperature retrieval from Landsat TM5.Remote Sensing Environment，2003，75：256～266.

［5］覃志豪，李文娟，徐斌等.陸地衛星TM6波段范圍內地表比輻射率的估計［J］.國土資源遙感，2004，61（3）：28～30.

［6］Zhengming Wan.MODIS Land Surface Temperature Products User’Guide.ICESS，University of California，Santa Barara，April 2009.

［7］趙英時等.遙感應用分析原理與方法［M］.科學出版社，2003.

［8］達日瑪，包玉海.基于TM數據的地表比輻射率反演方法對比分析［J］.內蒙古師范大學學報，2010，39（2）：186～189.

［9］張仁華等.定量熱紅外遙感模型及地面實驗基礎［M］.科學出版社，2009.

［10］梁順林，范文捷等.定量遙感［M］.科學出版社，2009.

［11］毛克彪.基于熱紅外和微波數據的地表溫度和土壤水分反演算法研究［M］.中國農業科學技術出版社，2007.

［12］張建平，王崇倡.利用TM圖像反演翁牛特旗地表溫度［J］.水資源與水工程學報，2009，20（4）：62～66.

［13］徐希孺.遙感物理［M］.北京大學出版社，2005.

［14］Zhao-Liang Li，F.Becker，M.P.Stoll，Zhengming Wan. Evaluation of Six Methods for Extracting Relative Emissivity Spectra from Thermal Infrared Images［J］.Remote Sensing Environment，1999，69：197～214.

［15］Snyder，W.C.，Wan，Z.，Zhang，Y.，Y.Z.Classification -based emissivity for land surface temperature measurement from space［J］.International Journal of Remote Sensing，2010，19：14，2753～2774.

Comparative Analysis of Land Surface Emissivity Retrieval Methods Based on Normalized Differential Vegetation Index

Liu Fei，Li Ping
（Yichang City，Surveying and Mapping Detachment，Yichang 443000，China）

In this paper，foue methods to retrieve the land surface emissivity（LSE）based on the high linear relationship between the Normalized Differential Vegetation Index（NDVI）and LSE are introduced.Taking the Jingmen city of Hubei province as an example，the quantitative retrieval of LSE was realized by the four methods in the scope of Landsat5 TM data，respectively analyzing the applicability and the accuracy from the pixel scale and classificaion scale by comparing the results of LSE and 0.01 MODIS LSE product.

NDVI；LSE；landsat5 TM；quantitative retrieval；Jingmen city

1672-8262（2016）02-64-06中圖分類號：P236

A