EN中文

Journal of Geo-information Science >

2014 , Vol. 16 >Issue 4: 638 - 644

DOI: https://doi.org/10.3724/SP.J.1047.2014.00638

Orginal Article

Estimation of Latent Heat Flux from Landsat TM Data in the Three Gorges Reservoir Region

  • LUO Hongxia , 1 ,
  • SHAO Jing’an , 2* ,
  • ZOU Yangqing 1 ,
  • ZHANG Xueqing 1
Expand
  • 1. College of Geographical Science, Southwest University, Chongqing 400715, China
  • 2. College of Geographical Science, Chongqing Normal University, Chongqing 400047, China
*Corresponding author: SHAO Jing’an, E-mail：

Received date: 2013-07-27

  Request revised date: 2013-11-14

  Online published: 2014-07-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Due to its close relation with the physical state of ground surface, vegetation status and the change of precipitation, latent heat flux in the Three Gorges Reservoir Region is an important expression of water circulation and energy exchange of ground-air and an important parameter for assessment of climatic effect on regional scale. Taking a part of the Three Gorges Reservoir Region as a typical transect, making use of the timeliness and regional advantages of remote sensing data, and combining with the conventional meteorological data, the quantitative inversion of surface latent heat flux was completed. The contrast verification between the result of remote sensing inversion and FAO Penman-Monteith formula calculated proved the feasibility and reliability of inversion methods based on the relative error. There is a realistic significance for the reservoir area climate scene simulation on the regional scale. Considering the influence of terrain factor fully is conducive to the inversion results closing to the actual values. Further analysis on the spatial distribution of surface latent heat flux in the sample region provided scientific evidence for the climate effect under a changing surface cover. The results show that different surface cover condition appears different latent heat flux, and the spatial distribution of latent heat flux is changing obviously with the change in surface cover, namely, the spatial heterogeneity. For example, the latent heat flux values range from 20 to 80W/m2 in urban residential area and non-vegetation coverage area, 180 to 280 W/m2 in artificial forest, mountain forest, grass, shrub and piedmont farming area, and 420 to 470 W/m2 in water body. In addition, because the surface cover is more complex as well as influenced by undulating landform, the spatial distribution of latent heat flux presents obviously terrain differentiation characteristics.

Key words： latent heat flux; typical transect; TM image; surface cover; Three-Gorges Reservoir Region

Cite this article

LUO Hongxia , SHAO Jing’an , ZOU Yangqing , ZHANG Xueqing . Estimation of Latent Heat Flux from Landsat TM Data in the Three Gorges Reservoir Region[J]. Journal of Geo-information Science, 2014 , 16(4) : 638 -644 . DOI: 10.3724/SP.J.1047.2014.00638

1 引言

潜热通量是地-气水分循环与能量交换的重要表现形式和评估气候效应的重要参数,与下垫面的物理状态、植被状况和降水密切相关。潜热通量增大,可减少辐射向显热通量的转化,一定程度上改变大气层结构状况而影响地表降水的范围、强度与日变化[1],潜热通量减少则易在近地层形成偏差热低压,妨碍比较深厚的大气降水系统发展[2]。总体来讲,潜热通量对气候起到调节作用,如增加空气湿度、缓解温差等。因此,对地表潜热通量的研究是人们认清陆面热通量过程,以及了解下垫面变化对气候反馈效应的重要方法之一。
三峡大坝自建成以来,局部气候变化问题一直是人们关注和争论的焦点[3-6]。伴随水库蓄水,水位上升、水域面积扩大,部分地表覆被演变为永久性水域或间歇性水体。在这个变化过程中,陆地表面的局地环流、温度、湿度、风等气象要素也随之发生变化,进而影响着陆地表面的水热交换。研究库区水热环境效应、能量平衡,以及气候变化效应成为迫切需要弄清的重大问题。潜热通量作为一种反映地表蒸散发能量大小的大气参数,以及地-气水分循环与能量交换的重要表现形式,对研究三峡库区地表覆被与气候变化的相互作用机理具有重要参考意义。
研究潜热通量的传统方法是基于台站观测[7-9],但是台站观测很难得到准确的区域平均通量。遥感技术的应用让区域尺度的潜热通量反演成为可能。本文以三峡库区腹地的部分地区为典型样带,利用遥感数据和常规气象资料,采用定量遥感反演的方法获取样带的日潜热通量,旨在通过对地表相应能量通量的空间分布分析、潜热通量的分布规律和特征分析,为深入认识库区地表覆被变化下的气候效应提供科学论据。

2 研究区特征、数据源及预处理

2.1 区域特征

本文选取三峡库区腹地地形起伏相对强烈、地表覆被多样的地区为研究潜热通量的典型样带,主要包括巫溪全县,巴东、巫山、奉节、云阳和开县等的部分地区,中心经纬度为109°34′8″E,31°44′38″N（图1）。该样带综合自然地理格局具有类似于整个库区的基本特征,土地类型多样,以丘陵、山地为主,土地结构复杂,地形起伏较大,地形高差在1000~1500 m之间;属亚热带季风湿润性气候,年平均降雨量1100~1200 mm,年平均日照在1500 h左右,海拔500 m以下的河谷地带,年平均气温在17~19 ℃,气候垂直变化明显;地带性植被以常绿阔叶林为主,但马尾松林、柏木林占有较大面积,多为人工、自然-人工次生林;土壤以紫色土、黄壤、黄棕壤为主。
Fig.1 DEM of the study region

图1 研究区DEM

伴随三峡大坝主体工程的完成和水库蓄水,库区腹地地表覆被发生了重大改变。重庆万州至湖北秭归段,由于生态退耕工程和水库蓄水,使林地、草地面积大幅增加,水面面积大幅扩大;重庆万州至重庆主城段的耕地及其他农业用地呈减少趋势,城镇建设用地则呈现出非均衡状态的急剧增加。

2.2 数据源及预处理

本文用于潜热通量反演的遥感数据为2007年9月22日的Landsat-5 TM影像,用于地形校正和坡度、坡向曲面分析的数据为ASTER GDEM（V1）数据（图1）。遥感数据为地理空间数据云网站（http://www.gscloud.cn/）提供的2级产品数据,影像投影为UTM-WGS 84,已经过辐射校正和系统几何校正,因此,只需在ENVI 5.0软件中完成DEM地形校正,以及大气校正。影像太阳方位角142°17′40″,太阳高度角52°33′11″,中心经纬度为109°34′8″E,31°44′38″N。将90 m空间分辨率的DEM数据重采样为30 m,用于坡度坡向计算,以及对后期ANUSPLIN插值结果的地形校正。
在遥感反演及结果验证中所需的气象数据,主要源于三峡库区腹地国家及地方9个气象站点,包含最高气温、最低气温、平均气温、平均气压、降水量、相对湿度、风速和日照时数等气象要素。气象数据插值则采用在薄盘样条函数理论基础上开发的ANUSPLIN软件。为了提高气温的空间插值精度,考虑到气象因子对地形的依存性,本研究用DEM对气温的空间分布进行了地形修正。其中,有5个气象站点（图2黄点）数据用于结果验证。
Fig.2 Land cover of the study region and thedistribution of validation climate stations

图2 样带地表覆被及验证气象站点分布

3 潜热通量遥感反演分析

3.1 反演方法

在能量平衡研究中,一般会涉及到净辐射通量、土壤热通量、显热通量和潜热通量等热平衡参数。但因本研究地处三峡库区腹地,水域面积和植被覆盖面积占比较大,而裸地及城镇建筑区相对较小,且遥感影像采集时间均为夏季,因此,整个研究区以潜热通量为主。本文采用三峡库区成库后2007年9月22日的 TM遥感图像,利用相关模型对地表参数及能量通量进行反演。
3.1.1 地表反照率反演
应用Liang等的方法[10],即假定地表为Lambertian,采用窄带行星反照率向宽带进行转换的方式计算研究区地表反照率。
α = 0.356 × α 1 + 0.130 × α 3 + 0.373 × α 4 + 0.085 × α 5 + 0.072 × α 7 - 0.0018 （1）
式（1）中, α 为地表反照率; α 1 、 α 3 、 α 4 、 α 5 、 α 7 分别是TM影像第1、3、4、5、7波段的地表反射率。
3.1.2 植被覆盖度反演
利用TM的第3（红）和第4（近红外）波段计算归一化植被指数（NDVI）,并进一步获得植被覆盖度（Pv）[11],计算公式如下：
NDVI = TM 4 - TM 3 TM 4 + TM 3 （2）
式（2）中,NDVI为归一化植被指数;TM4和TM3分别为Landsat-5 TM影像中第4和第3波段的像元灰度值。
P v = NDVI - NDV I s NDV I v - NDV I s （3）
式（3）中,NDVIv和NDVIs分别是植被茂密覆盖和完全裸土像元的NDVI值,分别取NDVIv=0.70和NDVIs=0.05。当NDVI>NDVIv时,Pv=1;当NDVI<NDVIs时,Pv=0。
3.1.3 地表比辐射率反演
地表比辐射率作为地表温度反演的关键参数,主要受地表的物质结构和遥感器的波段区间影响,本文采用覃志豪等的方法,将研究样带的地表覆被大体分为自然地表、建筑地表和水面3大类（图2）,用TM6热红外波段分别对建筑地表、自然地表和水体进行地表比辐射率反演[12]。其中,水体的比辐射率很高,几乎接近于黑体,所以,采用 εwater=0.995对水体进行估算。而对于建筑地表和自然地表,考虑到研究区的地形起伏较大,加入了地形因子的影响,经改进和简化后的反演公式为：
ε building = 0.975211 + 0.069763 × P v - 0.06716 × P v 2 （4）
ε surface = 0.977726 + 0.046235 × P v - 0.04615 × P v 2 （5）
式（4）、（5）中,εbuilding表示建筑地表比辐射率; εsurface是自然地表比辐射率;Pv表示植被盖度。
3.1.4 地表温度反演
地表温度采用游绚等的辐射传导方程算法[13]进行反演,该方法是通过卫星遥感器所观测到的热辐射强度来求解地表温度,结合了普朗克公式推算出的地表真实温度T与地表真实温度相同的黑体在热红外波段的辐射亮度值LT之间的换算公式：
T = K 2 ln K 1 LT + 1 （6）
式（6）中,T是反演得到的地表温度（K）;K1、K2都是定标常量,对于Landsat-5 TM影像,K1= 607.76 W·m-2·sr-1·μm-1,K2= 1260.56 K [14]。LT是与地表真实温度相同的黑体在热红外波段的辐射亮度值（W·m-2·sr-1·μm-1),可根据辐射传导方程推导[13]：
LT = Lλ - L ↑ - τ × ( 1 - ε ) × L ↓ τ × ε （7）
其中,Lλ表示卫星接收到的热红外辐射亮度值（W·m-2·sr-1·μm-1);L↑是大气上行辐射亮度（W·m-2·sr-1·μm-1),即大气直接热辐射;L↓是大气下行辐射亮度（W·m-2·sr-1·μm-1),即大气向地面的热辐射;τ是大气在热红外波段的透过率;ε是地表比辐射率。
3.1.5 地表净辐射反演
地表净辐射通量是地表通过短波和长波辐射过程获得的净能量,由地表辐射平衡过程方程计算得到 [15]：
R n = ( 1 - α ) × R o + ε × ε a × σ × T a 4 - ε × σ × T 4 （8）
式（8）中,Rn为地表净辐射W·m-2;Ro为太阳总辐射(W·m-2),即到达地面总的短波辐射;ε和εa分别是地表和大气的比辐射率;Ta和T分别是大气和地表的绝对温度,单位为K;σ为斯-玻常数,其值为 5.67 × 10 - 8 W·m-2·K-4。
3.1.6 土壤热通量反演
土壤热通量采用Bastiaanssen的经验公式反演[16]：
G = R n × T - 273.15 α ×
（9）
式（9）中,G为土壤热通量;Rn为地表净辐射;T为地表温度; α 为地表反照率;NDVI为归一化植被指数。
3.1.7 潜热通量反演
潜热通量(λET)的反演以洪刚等拟合的潜热通量与土壤热通量和地表净辐射通量三者间的经验公式完成 [17],如式（10）所示。反演获得卫星过境时研究区的瞬时潜热通量值,并采用典型正弦模型推算样带日潜热通量。
λET = 0.91498 × ( R n - G ) + 9.92863 (10)
但是,由于Rn和G的反演是基于卫星过境时的遥感数据,此处需要将瞬时Rn与G之差转化为日Rn与G之差,从而获得一天中的潜热通量。
在晴空条件下,日Rn与G之差（Rn-G）d在太阳升起的时刻与降落的时刻之间存在一个典型正弦曲线的变化,根据该变化构建的正弦模型[18]为：
( R n - G ) d = ( 2 × ( R n - G ) π × sin t sat - t rise t set - t rise × π ) (11)
式（11）中,Rn为地表净辐射;G为土壤热通量,trise为太阳升起的时刻;tset为太阳降落的时刻;tsat为卫星过境的时刻。因此,日潜热通量 λE T d 可表示为：
λE T d = 0.91498 × ( R n - G ) d + 9.92863 （12）
3.1.8 潜热通量反演结果验证
在潜热通量反演结果的验证中,因没有同期实测潜热通量数据进行对比,在此采用Penman-Monteith公式[19],以气象站点常规数据(最高温、最低温、平均气温、相对湿度）计算获得的潜热通量结果作为遥感反演的间接验证。Penman-Monteith公式是Mointh将Penman于1948年提出的Penman方程和地表热量平衡方程相结合,通过改进而提出的冠层蒸散模式,该方法是潜热通量点上研究的常用方法。
本文的技术路线如图3所示。
Fig.3 Technological roadmap of the study

图3 研究技术路线

3.2 反演结果与分析

3.2.1 地表能量通量
从图4可看出,地表净辐射通量（Rn）分布具有明显的地形分异特征。阴坡的Rn偏低,而阳坡较高,Rn的极小值和极大值也分别位于阴坡和阳坡地区。Rn在400~800 W·m-2之间的地区集中在地势相对比较平坦的流域中部。城镇建筑用地类型的Rn相对较低,而植被覆盖较好的区域和水域的Rn相对较高。夏季地表覆被反差较大,Rn分布范围也较宽,变动于330~880 W·m-2之间。
Fig.4 Spatial distribution of Rn in the study region

图4 样带地表净辐射通量空间分布

从图（5）可看出,土壤热通量(G)的空间分布与Rn的分布大致相同。这与前人研究发现G与Rn具有很好的线性相关,相关系数达0.9以上的结果相一致[20]。虽然,G受太阳辐射、土壤物理性质、土壤含水量和植被覆盖度等多种因素影响,但相对于Rn,其总体上的变化仍然较小。对于裸土,随土壤水含量的不同,G可达净辐射的20%~50%,对于农作物,G/Rn可达5%~10%。尽管土壤热通量占比很小,但由于能量平衡一般在较小时间尺度上比较,所以,对G的确定十分必要。在本研究中,G主要集中在30~60 W·m-2之间,而且,河流附近湿度较大、植被覆盖较好区,G值明显要高于裸露山脊等较干燥的地区。
Fig.5 Spatial Distribution of G in the study region

图5 样带土壤热通量空间分布

3.2.2 潜热通量
从计算结果看,研究区λETd大部分分布在200~500W·m-2,这可能是由于重庆地区的夏季高温持续时间较长及山地-河谷地形造成的空气相对湿度较大的原因引起的。但研究区不同地表覆被下的λETd值存在较大差异,其中,水面和建筑表面（包括裸地）之间相差最大。
由图6可看出,λETd有3个明显的分布区间：20~80 W·m-2,主要是城镇居民区、未耕种的农地和无植被覆盖的荒山区;180~280 W·m-2,主要为自然地表,包括人工林场、山区森林及草灌和山前有作物生长的农作区;420~470 W·m-2,主要为河流和水库。这一结果与乔平林等[21]用MODIS卫星推算石羊河流域的λET结果和张万昌等[22]用TM影像反演的黑河流域λET所得结果基本一致。
Fig.6 Histogram of λETd in the study area

图6 样带日潜热通量直方图

λETd的空间分布随地表覆被变化明显（图7）。水体地表的λETd普遍较高,在450W·m-2左右。地表温度较高、地表湿度较低的区域,λETd较低,如城市建筑区,因不透水面积多,日照下温度高、湿度低,λETd值明显偏小。地表温度较低、地表湿度较大的区域,λETd值则较高,而这些地区的植被覆盖状况都比较好。
Fig.7 Spatial distribution of λETd in the study area

图7 样带日潜热通量空间分布

此外,研究区地表覆被较复杂,同时受到地形起伏以及坡度坡向的影响,λETd的空间分布也呈现出地形分异特征。在高山地区,虽然地表覆被都是以自然地表为主,但是海拔高低的差异使得地表温度发生垂直变化,进而导致高海拔区的λETd 明显高于低海拔区。阴坡和阳坡地区则由于地表覆被接收到的太阳辐射量不同、空气的相对湿度不同等原因,阴坡的λETd值较阳坡更低,一般分布在12~100W·m-2之间。河流谷地也因受地形遮蔽,接收到的太阳辐射能小,地表温度较低,尽管其水分条件充足,但λETd仍小于两侧植被区。河流两侧地势平坦,土壤肥沃,植被覆盖度高,λETd较高,均在200W·m-2以上。
3.2.3 结果分析
考虑到缺乏卫星过境时的地面实测λET,于是选择样带内5个气象站点的常规数据,用FAO Penman-Monteith公式计算的λET值与遥感反演的结果进行对比,以此验证遥感估算的精度。由于FAO Penman-Monteith公式计算的单位是MJ·m-2·day-1,而遥感反演的λETd单位是W·m-2,因此,需将遥感反演的λETd单位转换为MJ·m-2·day-1,以便2种数据结果的对比。
将经单位转换后的λETd空间分布图与用气象数据计算的λET（图8、9）进行对比,可看出2幅图的空间走势基本一致,即通过卫星遥感反演获得的地表日潜热通量结果基本是可信的。此外,从表1结果看,通过气象数据计算的验证站点日潜热通量值与对应位置像元反演的日潜热通量值基本吻合,差值在2~7MJ·m-2·day-1,以FAO Penman-Monteith公式计算的潜热通量为参考量,则相对误差在7%~24%。由于遥感反演本身的误差不可避免,以及依靠常规气象数据计算而得的站点潜热通量也存在一定的误差,因此该相对误差在可接受范围内。并且,根据验证气象站点对应像元周围区域的地表覆被类型情况来看,当二者地表覆被类型相同时,反演值更接近气象数据计算值,例如,57 348和57 355站点与所对应像元地表覆被相同,分别为水体和建筑地表,因而相对误差也较小;而站点所对应像元地表覆被具有不统一性时,如57 338、57 349站点对应像元区域含有水体和建筑地表2种覆被类型,则2种方法获得的日潜热通量值则会有所差异,误差相对较大。
Tab.1 The λET contrast

表1 验证站点潜热通量对比

站点 像元日潜热通量
（MJ·m-2·day-1）		 FAO潜热通量
（MJ·m-2·day-1）		 相对误差（%）
57355 18.63 22.63 17.67
57349 19.70 25.94 24.05
57348 35.02 37.69 7.08
57345 19.25 25.38 24.09
57338 28.94 38.35 24.53
Fig.8 Spatial distribution of λETd （after unit conversion）in the study area

图8 研究区λETd（经单位转换后的）空间分布

Fig.9 Spatial distribution of λET in the study area

图9 研究区λET空间分布

4 结论与讨论

（1）三峡库区腹地的地表覆被变化对地表潜热通量变化具有良好的指示性。在不同的地表覆被状况下,潜热通量呈现不一致现象,并随地形变化出现分异。在植被覆被较好、地表温度较低、地表湿度较大的区域,λET一般较高;在地表湿度较低、温度较高的区域,λET则较低;水体地表λET均较高;在高山区、阴坡区λET较低;河流两侧潜热通量较高,但仍小于两侧植被区。潜热通量大体可分为三大区间：城镇居民区和无植被覆盖区一般在20~80 W·m-2;人工林场、山区森林及草灌和山前农作区在180~280 W·m-2;水体在420~470 W·m-2。
（2）验证结果表明,采用遥感方法反演区域λET具有一定的可行性和可靠性,这对区域尺度的库区气候情景模拟具有现实意义。通过对遥感反演的日λET值与传统λET研究方法FAO Penman- Monteith公式计算的结果进行对比发现,尽管在有限的数据资源条件下,二者λET值也基本吻合,误差在2-7MJ·m-2·day-1,为可接受误差范围。但需要注意的是由于地表的空间异质性与遥感影像的尺度相互依存,所以,在TM像元30 m尺度下,大气平流引起的空间不均匀性会对地表热通量产生较大影响,而本文没有考虑平流的作用,因此,也会产生一定的误差,这些问题均有待进一步深入研究。
（3）确定不同地表覆被类型下的区域能量通量是一个非常有意义但又较为困难的问题。利用卫星遥感反演区域地表特征参数(地表温度、地表反射率) 、植被参数(NDVI、Pv)和地表热通量(Rn、G和λET) 是一种较为有效的途径。但用遥感数据反演这些参数的整个过程中,误差传递和误差叠加不可避免,为了保障反演精度,必须对数据质量和数据预处理过程遵循严格要求,这是遥感反演的前提和基础。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
卢萍,宇如聪.地表潜热通量对四川地区降水影响的数值分析[J].高原山地气候研究,2008,28(3):1-7.

[2]
王安宇,冯瑞权,唐天毅,等.土壤干旱化对短期气候影响的数值模拟[J].高原气象,2004,23(5):580-586.

[3]
陈鲜艳,张强,叶殿秀,等.三峡库区局地气候变化[J].长江流域资源与环境,2009,18(1):47-51.

[4]
张宝雷,周万村,周启刚,等.基于RS和GIS的三峡库区林地变化及气候响应研究[J].北京林业大学学报,2006,28(4):62-66.

[5]
叶殿秀,邹旭恺,张强,等.长江三峡库区高温天气的气候特征分析[J].热带气象学报,2008,24(2):200-204.

[6]
刘海隆,杨晓光,王玲.重庆三峡库区农业气候变化的研究[J].中国生态农业学报,2003,11(4):139-142.

[7]
王安志,刘建梅,关德新,等.长白山阔叶红松林显热和潜热通量测算的对比研究[J].林业科学,2003,39(6):21-25.

[8]
吴洪颜,申双和,徐为根.关于棉田感热通量和潜热通量的几种计算方法[J].气象科学,2000,24(4):537-542.

[9]
杨莲梅,张庆云.南疆夏季降水异常的环流和青藏高原地表潜热通量特征分析[J].高原气象,2007,26(3):435-440.

[10]
Liang S.Narrowband to broadband conversions of land surface albedo: 1 Algorithms[J]. Remote Sensing of Environment, 2000(76):213-238.

[11]
赵英时,等.遥感应用分析原理与方法[M].北京:科学出版社,2003.

[12]
覃志豪,李文娟,徐斌,等.陆地卫星TM6波段范围内地表比辐射率的估计[J].国土资源遥感. 2004,3(61):29-41.

[13]
游绚,晏路明.基于ETM+影像辐射传导方程算法的地表温度反演[J].科技情报开发与经济,2009,19(27):134-138.

[14]
李净. 基于Landsat-5 TM估算地表温度[J].遥感技术与应用,2006,21(4):322-326.

[15]
梁顺林著,范闻捷,等译.定量遥感[M].北京:科学出版社,2009:284-286.

[16]
Bastiaanssen W G M, Menenti M, Feddes R A, et al. A remote sensing surface energy balance algorithm for land (SEBAL): 1.Formulation[J]. Journal of Hydrology,1998(212):198-212.

[17]
洪刚,李万彪,朱元竞,等.卫星遥感估算淮河流域区域能量通量的方法研究[J].北京大学学报(自然科学版),2001,37(5):693-700.

[18]
Bisht G, Venturini V, Islam S, et al. Estimation of net radiation using MODIS data for clear sky days[J]. Remote Sense Environment, 2005(97):52-67.

[19]
Monteith J L.Principles of environmental Physics[M]. London: Edward Arnold, 1973.

[20]
申双和,崔兆韵.棉田土壤热通量的计算[J].气象科学,1999,19(3):276-281.

[21]
乔平林,张继贤,王翠华.石羊河流域蒸散发遥感反演方法[J].干旱区资源与环境,2007,21(4):107-110.

[22]
张万昌,刘三超,蒋建军,等.基于GIS技术的黑河流域地表通量及蒸散发遥感反演[J].海洋科学进展,2004,10(增刊):138-143.

Options
Outlines

/

〈 〉