3.1.3.2地表组分温度的提取
1) 方法研究
目前对于组分温度的研究主要有以下三种方法：一是从热辐射方向性、方向比辐射率入手，利用多角度观测数据建立理论模型(Norman1995)；二是将反射波段混合像元分解的线性光谱模型挪用到热红外波段，以多波段卫星遥感数据为数据源，采用遗传算法分解组分温度(宋小宁 《基于植被蒸散法的区域缺水遥感监测方法研究》)； 三是基于像元组分对比排序法(PCACA，Pixel component arranging and comparing algorithm)，通过获取干裸地、干全覆盖植被地、湿裸地、湿全覆盖植被地四个特征点的表面温度，构建“覆盖率-地表温度”的绝对梯形空间，研究区内所有像元点都应落在该梯形内，梯形区里同一条斜率线上的所有混合像元????????和??????????值相等，可通过斜率线在覆盖度为0或1时的交点求得。（张仁华 《一种可操作的区域尺度地表通量定量遥感二层模型的物理基础》） 对于前两种方法，考虑到星载热红外角度信息的缺乏以及遗传算法本身物理意义的不明确性很难投入实际应用中。张仁华提出的PCACA法，其原理与多角度测定法是相同的，而且从某种角度讲，PCACA法克服了多角度方法中由于垂直倾斜两个角度所观测到的不同面积的不确定性，此外，更是避免了对多角度数据的依赖，因而具有较强的实用性。
本研究参考了PCACA法的理论基础，并对其加以改进。首先，假设土壤和植被冠层的耦合机制符合二层模型的平行模式，单株植被与贴近的土壤构成了二层模型的最小单元，两者的辐射源和驱动力可以有所区别，土壤表面温度和植被冠层温度也不一样，但是由于植被根系的扩展和土壤水分的测渗作用，在最小单元内，植被和土壤两者的水分供应状况视为相同的。Moran和Carlson均证实了该假设的合理性。因此，干边和湿边间存在的过渡等土壤湿度线与等斜率线一致。
如图3-4所示，在大部分情况下，研究区内并不存在所有条件的点。通过散点拟合方法得到的干湿边（③、④分别表示相对干边和相对湿边）并不能完全等同于绝对意义上的地表受到较强图3-4 “覆盖率-地表温度”梯形空间 的水分胁迫作用，蒸散量几乎为零或是地表供水充足，蒸散量达到最大值的特征区域，进而在计算组分温度或是土壤相
对含水量时出现不确定性。为了提高估算结果的精度，通过搜索干裸地(P1)、干全覆盖植被地(P2)、湿裸地(P3)以及湿全覆盖植被地(P4)来构建由绝对干湿边(①、②)组成的梯形空间。
当土壤相当干燥时，地表含水量接近凋萎含水量，已经不存在土壤蒸发以及植被蒸腾作用，地表所接收的净辐射通量完全用于加热近地表大气(H)以及土壤内部的热量交换(G)，能量平衡方程可简化为：
???????=?? ??≈0.3(1?0.9??)????
对于干裸地，植被覆盖度f为0，其能量平衡方程满足：
??????(???????????)44]0.7[????↓(1???????)+?????????????????????????????????=
??????
‘33
若以实际干边在覆盖度为0处的取值??????代替??????，则干裸地的地表温度可以表示为：
??????4]0.7[????↓(1???????)+??????????????????+??????????
??????=
??????’3
0.7+????????????????????
式中，??????为干裸地的地表温度；????↓为入射短波辐射；??????为干裸地的地表反照率；??为玻尔兹曼常数，通常取5.67×10-8；????????、??????分别表示空气比辐射
率以及干裸地的地表比辐射率；??和????为空气密度和定压比热；??????是干裸地所受的阻抗，包括空气动力学阻抗以及剩余阻抗；????????为像元上空天穹的平均温度，可利用水汽压????和空气温度????计算得到：
0.143.86)0.25
????????=(1.24????????
4
考虑到天空等效温度????????以及风速的单点地面观测值具有一定的局地代表性(张仁华)，因此，对于等式右边涉及的气象参数可通过研究区内最干裸地所在
‘
的像元点值获取。??????、??????是影响绝对干裸地地表温度的关键因子，直接采用研究区内最干裸地像元值代替的方法对研究区范围具有较强的依赖性，最终的估算结果会因研究区域大小的不同而有较大差异。本研究基于地表温度、地表反照率
与覆盖率散点图的包络线均满足梯形结构，通过散点拟合法分别求解地表温度、
‘
地表反照率关于覆盖率的直线函数，??????、??????可由函数在覆盖度为0时的取值求得，从而得到梯形四个特征点中干裸地的解。
延着上述思想，当地表处于完全植被覆盖时，反照率、空气动力学阻力以及植被冠层表面温度发生了较明显的变化，关于完全植被覆盖点的冠层表面温度满足如下公式：
??????
??????4]0.97[????↓(1???VD)+??????????????????+??????????
=
??????’3
+0.97????????????????????
此时下层土壤达到凋萎含水量，植被受到较严重的水分胁迫作用。等式右边
’
的气象参数仍可通过研究区内最干植被覆盖度地所在像元值获取。??????、??VD通过散点拟合的直线在覆盖率为1时的取值代替。从而确定干全植被覆盖点在梯形空间中的平面位置。
当地表达到充分湿润时，进入另一种极端状态，此时土壤含水量达到饱和，地表蒸散作用较强，可近似于潜在蒸散发。在PCACA法中，依旧利用能量平衡公式，求解湿裸地、湿全植被覆盖地的地表温度，从而确定绝对湿边的直线函数。也有学者指出利用大范围水体的表面温度代替湿边温度近似误差很小。淮河片内水系发达，河网密布，境内主要有南湾湖、洪泽湖、高邮湖、宝应湖、城东湖等几大主要湖泊，故本文采用水体的平均温度来拟合梯形空间的湿边位置。
2) 组分温度的提取结果验证与分析
由于实验条件的限制，本文并不具备地面组分温度的实测观测数据，因此，为了验证利用上述方法所提取的地表组分温度的可靠性，本文拟采用模拟的植被冠层温度和土壤表面温度作为输入，根据下式反推混合像元温度，并以NASA网站上提供的同时刻MODIS地表温度产品数据作为评价依据。
44
??????????=????????????+??????(1???)????4
式中，????、????、????分别表示混合像元、植被组分、土壤组分温度；????为混合
像元的地表比辐射率，可通过MODIS产品数据获得；对于一些极端情况，例如裸土或是完全植被覆盖区域可直接采用前人的研究成果，Synder et al(1998)（王文）指出裸土的地表比辐射率满足????=0.93，而完全植被覆盖区域则满足????=0.993；??为混合像元的植被覆盖率。
将估算的混合像元地表温度与产品数据进行比较，得到两者的差值绝对值，并按季节统计日均误差的空间分布情况，图3-5显示了各季节日均误差影像的像元直方图分布规律，表3-1统计了各季日均误差的最大值、最小值、平均值以及标准差等基本参数：
60504012010080
706050401201008060累频率累积量频率累积量频率30201000.511.522.533.5累积40量60200频率3020100积40量20044.550.511.522.533.544.555.5误差504030 120100806040.035.030.0误差(b) 夏季 120100 (a) 春季 频率累积量25.0频率累积量8060累频率201000.511.522.533.5累频20.0积率15.040量10.02005.00.00.511.522.533.5积40量20044.5544.55误差误差(d) 冬季
季节 春季 夏季 秋季 冬季
(c) 秋季
图3-5 各季日均误差影像的像元直方图 表3-1 各季日均误差影像统计值
最小值 最大值 平均值 标准差
0.09 0.06 0.10 0.10
4.92 5.10 4.90 4.73
0.81 0.69 1.03 1.11
0.55 0.37 0.44 0.57
从上述统计结果可以看出，各季日均误差影像的像元平均值均落在1左右，其中夏季的结果精度最高，误差平均值只有0.69，0和0.5之间的像元数占24.4%，0到1间的像元数占91%；其次是春季，误差平均值达到0.81，取值在0到1间的像元数占76.9%，其中0到0.5的像元百分比为28.7%，0.5到1则占了48.2%，接近90%的像元值都集中在0到1.5的范围内；秋季的误差平均值为1.03，略大
于1，但其标准差0.44较春季小，表明误差分布较为集中，误差值在0到1.5间的像元比例达到94.2%；冬季的结果精度较其他季节略差，误差平均值1.11，取值在0到1.5间的像元仅有80.1%。
本文利用改进梯形空间计算组分温度时，采用研究区内实际存在的相对干裸地或是干全覆盖植被地的气象参数以及地表参数作为输入，估算绝对特征点的地表温度，从而确定绝对干边的空间位置。考虑到淮河片属于典型的湿润半季风气候，上述直接获取参数的方法与实际绝对情况存在一定的偏差，导致干边位置的不确定性，也是误差的主要来源。此外，有研究（《干旱区降雨过程对土壤水分与温度变化的影响》）表明降雨前后裸土的温度变化幅度明显大于植被覆盖区域，这一理论同样可引申至干旱等级的变化对地物温度的影响，换言之，裸土在不同干旱程度下温度的差异较大，对干边位置较敏感。分析淮河片下垫面类型，农用地所占的比例最大（见分类图），冬季小麦、水稻等都处于非生长季或是生长初期，地表大多呈裸露状态，土壤组分温度占主导作用，这也是冬季温度估算误差较大的主要原因。总的来说，春、夏、秋季的小于1.5K的像元比例均达到90%，冬季80.1%，分布在0和2之间的像元数均超过95%，具有较高的可信度，可用于双层模型的参数输入。
图3-6显示了各季日平均的植被/土壤组分温度反演结果，其中水体区域直接采用地表温度。
(a) (b) (c)
春季
(a) (b) (c)
组分温度 - 图文
