地形效应校正的遥感地热异常提取

地形效应校正的遥感地热异常提取 Remote sensing extraction of geothermal anomaly based on terrain effect correction 1 first-author 周桃勇,1995年生, 男, 硕士研究生, 研究方向为资源环境遥感。E-mail: zhouty5@mail2.sysu.edu.cn 周桃勇,1995年生, 男, 硕士研究生, 研究方向为资源环境遥感。E-mail: zhouty5@mail2.sysu.edu.cn zhouty5@mail2.sysu.edu.cn 1 corresp 王正海，1971年生, 男, 副教授, 研究方向为遥感地质与矿产资源定量评价。E-mail: wzhengh@mail.sysu.edu.cn 王正海，1971年生, 男, 副教授, 研究方向为遥感地质与矿产资源定量评价。E-mail: wzhengh@mail.sysu.edu.cn wzhengh@mail.sysu.edu.cn 1 1 中山大学 地球科学与工程学院, 广州510275 中山大学 地球科学与工程学院, 广州510275 School of Earth Science and Engineering, Sun Yat-Sen University, Guangzhou 510275, China School of Earth Science and Engineering, Sun Yat-Sen University, Guangzhou 510275, China 在山地复杂地形条件下，利用热红外遥感获得的地表温度分布显著受到地形的影响，真实的地热异常信息往往难以识别，热红外遥感应用于山区地热勘探受到极大限制。以广东龙川地热勘查区为研究区，初步探讨了山地环境中如何抑制地形效应，以有效提取地热异常。首先，基于Landsat ETM+遥感数据反演地表温度，分析坡向和坡度两个地形因子与地表温度的关系；然后，在此基础上，将研究区的地表温度按坡向分成3个子区(阳坡、过渡坡和阴坡)，根据阳坡地表温度与坡向的线性拟合关系将其校正到水平坡度上；最后，结合地质构造分布和地表覆被情况，在3个子区识别了4处地热异常，并与已知地热点进行比较验证。结果表明：坡向分区和阳坡坡度校正能够有效抑制地形效应，提高遥感地热异常识别精度，为山区地热资源的预测评价提供新思路。 Geothermal exploration in mountain regions strongly relies on the successful identification of thermal anomaly in the regions, which can be performed through the extraction of geothermal anomaly information from thermal infrared remote sensing data. However, changes in Land Surface Temperature (LST) in mountain regions are significantly affected by topography in addition to other factors, such as latitude and surface property. This effect strongly weakens the efficient identification of geothermal anomaly over the LST image retrieved from thermal infrared remote sensing data, which consequently limit the application of remote sensing technique to geothermal resource exploration in mountain regions with rough terrain. This study examines the effects of terrain on LST changes in the mountain region of Longchuan in Southern China to establish an efficient approach, which can correct the effects of terrain on the LST changes for the geothermal exploration in the region. LST was retrieved using mono-window algorithm based on Landsat ETM+ remote sensing data. The effects of terrain on LST distribution were then analysed. The statistical analysis showed a parabolic relationship between LST and aspect. Moreover, the southeast-facing slope had the highest average LST and standard deviation, where LST was significantly and positively correlated with slope gradient. To reduce the impact of terrain on LST distribution, the area was divided into sunny slope, shady slope and transitional slope. The LST in the sunny slope was particularly corrected to its horizontal surface equivalent by the linear regression equation between LST and slope gradient. Geothermal anomalies were then extracted from the LST of these three subareas, with the consideration of geologic structure and land cover. Results showed that the spatial variation amplitude of LST evidently decreased because the significant temperature difference among different terrain conditions has become small in subareas. Four possible geothermal anomalies were recognised in which high temperature areas were closely related to faults and showed little variability in land cover. Comparative analysis with known hot springs indicated that they were likely caused by geothermal activities. In conclusion, topography mainly affects LST spatial distribution by controlling incoming solar radiation. The solution of aspect-based partition and gradient correction presented in this article can also effectively reduce topographic effects. It helps improve the recognition accuracy of geothermal anomalies with remote sensing technology. The solution may also provide an enlightening insight into the forecast evaluation of geothermal resources in mountain regions. Moreover, further analyses of the relationship between LST and other factors controlled by terrain are necessary in future research, especially the physical properties of underlying surfaces, such as land use, soil moisture and vegetation. 地热资源 地表温度 地形效应 Landsat ETM+ 热红外 坡向 异常提取 geothermal resource land surface temperature terrain effect Landsat ETM+ thermal infrared aspect anomaly extraction 1　引　言 1 地热资源是储存在地球内部的可再生资源，也是一种十分宝贵的综合性矿产资源，其开发利用能够带来显著的社会、经济和环境效益，而对地热异常区的准确圈定能够为地热资源勘察评估和开发利用提供依据，具有重要意义。由于地下水循环或岩浆侵入作用，地下深处的热量会被带到近表层，从而在地表表现出一定的高温异常( 陈国新 等，1991 陈国新 等，1991 )。热红外遥感能够宏观、真实反映地表温度LST(Land Surface Temperature)，具有覆盖范围广，不受地表观测条件限制，成本低，数据源丰富等优点，已经成为探测地表温度分布的重要技术手段，不仅在土壤水分和旱情监测、城市热岛效应研究等方面获得广泛应用( 齐述华 等，2003 齐述华 等，2003 ； 薛晓娟 等，2012 薛晓娟 等，2012 ； 程宇 等， 2006 程宇 等， 2006 )，而且已被逐步用于地震预测、断层活动性以及地热勘探等领域研究( 卢善龙 等，2008 卢善龙 等，2008 ； 许军强 等，2008 许军强 等，2008 ； 张璇 等，2016 张璇 等，2016 ； 熊永柱 等，2016 熊永柱 等，2016 ；唐超 等，2017)。 国内外学者利用热红外遥感识别和提取地热异常，已经取得了良好的应用效果，但是在复杂地表条件下热红外遥感在这方面的应用依然面临很大的挑战，这是因为通过卫星影像获取的是地球表面的温度，其中包含了各种因素的影响。下垫面性质就是影响LST空间分布的一个重要因素，主要包括地表地物类型、土壤湿度、植被类型和植被覆盖状况等，而在山地环境下，局部地形条件(坡度、坡向、海拔和山体阴影等)的差异使得各种干扰因素的影响更为复杂( 焦超卫 等，2005 焦超卫 等，2005 ； Bertoldi 等，2010 Bertoldi 等，2010 ； 孙常峰 等，2014 孙常峰 等，2014 ； 孟鹏燕 等，2015 孟鹏燕 等，2015 ； 赵伟 等，2016 赵伟 等，2016 ； 魏胜龙 等，2017 魏胜龙 等，2017 ； 文路军 等，2017 文路军 等，2017 )。一方面，坡度和坡向(以及海拔)通过改变太阳入射角控制直接辐射量在地表的分布，不同海拔的空气温度梯度也直接影响LST的垂向分布；另一方面，坡度、坡向和海拔通过控制植被和土壤湿度等的分布，进而间接影响LST的空间分布。相比之下，地下热活动对LST的影响十分微弱，从LST中有效识别地热异常信息极为困难。 目前，在地形起伏地区使用热红外遥感识别地热异常区的相关研究中，地形的影响未能得到足够重视，这必然会影响到对区域地热资源空间分布规律的准确把握。因此，一些学者（ 杨波 等，2003 杨波 等，2003 ； 张佩民和张金良， 2006 张佩民和张金良， 2006 ）在LST的基础上，综合考虑了地质构造、水热和岩浆活动等，对多方面的资料进行关联分析，从而识别与地下活动有关的地热异常。 吴文渊（2011） 吴文渊（2011） 和 翟锡丹等（2015） 翟锡丹等（2015） 采取常运用于多光谱数据中的地形校正方法直接抑制地形的影响 。地形校正将存在地形起伏影响的影像像元亮度DN(Digital Number)值校正到某一参考平面(通常是水平面)上(Riaño 等，2003)，将其运用于热红外波段虽然能够大大改善地形效应导致的温度差异较大的情况，但是在地热异常信息提取方面并没有取得较为理想的效果，其原因可能是：（1）地热异常反映在LST上是比较微弱的，这对校正效果提出了更高的要求，即校正后地形造成的LST差异要非常小，否则还是会掩盖地热异常信息。（2）热红外影像上地形的影响复杂得多，很难使用简单的模型来描述。此外， 熊永柱等(2016) 熊永柱等(2016) 按高程分区来识别地热异常区，减小高程对LST分布的影响，但是对于白天的LST，除了高程的影响外，其他地形因子(如坡向和坡度)的影响也是不可忽略的。 本文以地形起伏较大且地热资源丰富的广东龙川地热勘查区为研究区，分析评估了LST的地形效应，然后探讨山地条件下如何抑制LST的地形效应以提高遥感地热异常识别精度，最后通过已知地热点验证识别效果。 2　研究区与数据 1 2.1　研究区概况 2 龙川地热勘查区位于广东省河源市，处于粤东北山区与珠江三角洲平原地区的结合部，属山地丘陵地区。河源地区断裂构造发育，地下岩浆活动频繁，降水充沛，是粤东地热资源较丰富的地区之一，区内有32处天然温泉露头，其中已有8处已开发利用。河源深断裂带是主要控热构造( 图1 图1 )，同时也控制着区内的地形地貌形态及分布，以及中新生代的岩浆活动和断陷盆地的发育，分布于龙川、河源、博罗、中山一带，主要由麻布岗、龙川、灯塔—客家水、人字石、河源、黄泥塘等断裂组成，波状延长约 400 km，宽 20—30 km，总体走向北东，局部北北东或北东东，呈“S”形弯曲。 研究区位于河源断裂带龙川一带，地理范围为115.15°E—115.28°E，24.04°N—24.32°N，属于典型的山地丘陵地区( 图2 图2 )，最低海拔42 m，最高海拔为929 m，平均海拔210 m。地势在总体上呈中间低、周边高的特点。中间主要是集中在东江及其支流两侧的城镇居民地。四面环山，以北东部的山地最为突出，海拔高且范围大，大大小小的山地、丘陵在区内广泛分布。 2.2　数据源及数据预处理 2 使用的遥感数据为搭载于美国陆地资源卫星Landsat 7之上的ETM+遥感影像，选择覆盖研究区(行列号为121-43)，云覆盖量小的一景影像，获取时间为2003-01-19 T 10 :34，太阳方位角为145.7°。ETM+数据包括6个可见光/近红外波段(分辨率为30 m)、1个热红外(分辨率60 m)波段以及1个全色波段(分辨率15 m)，热红外波段用于反演地表温度，可见光/近红外波段用于识别地物类型、提取植被指数等。辅助数据包括ASTER-GDEM高程数据(30 m分辨率)，地面站点观测数据，以及断裂构造和地热点分布等基础地质资料。 预处理主要是针对ETM+数据，主要包括（1）几何校正，通过地面控制点建立图像空间与地理空间或地形图之间的准确对应关系消除图像中的几何误差，同时将遥感影像由图像坐标系转换到地图坐标系；（2）裁剪，根据工作区范围在原始影像中选择感兴趣区域；（3）辐射定标，将无量纲的亮度DN值转换为卫星传感器接收到的辐射亮度值；（4）大气校正，消除大气散射和吸收引起的辐射误差，使用ENVI系统中的FLAASH大气校正模型。 3　研究方法 1 3.1　地表温度反演 2 目前利用Landsat 7热红外单波段反演地表温度有3种方法：辐射传输方程法、单窗算法及普适性单通道算法（ 李召良 等，2016 李召良 等，2016 ）。 黄妙芬等（2006） 黄妙芬等（2006） 、 孟宪红等（2007） 孟宪红等（2007） 、 白洁等(2008) 白洁等(2008) 比较这3种方法的反演结果，发现单窗算法反演精度优于其他两种算法，与实测估算结果非常一致。本研究采用 覃志豪等(2001) 覃志豪等(2001) 提出的单窗算法获取地表温度。 单窗算法需要用地表辐射率、大气透射率和大气平均温度3个参数进行地表温度的演算。该算法公式可表示为 <math display="block" id="M1"><mi mathvariant="normal">L</mi><mi mathvariant="normal">S</mi><mi mathvariant="normal">T</mi><mo>=</mo><mfenced separators="|"><mrow><mi>a</mi><mfenced separators="|"><mrow><mn mathvariant="normal">1</mn><mo>-</mo><mi>C</mi><mo>-</mo><mi>D</mi></mrow></mfenced><mo>+</mo><mfenced separators="|"><mrow><mi>b</mi><mfenced separators="|"><mrow><mn mathvariant="normal">1</mn><mo>-</mo><mi>C</mi><mo>-</mo><mi>D</mi></mrow></mfenced><mo>+</mo><mi>C</mi><mo>+</mo><mi>D</mi></mrow></mfenced><msub><mrow><mi>T</mi></mrow><mrow><mn mathvariant="normal">6</mn></mrow></msub><mo>-</mo><mi>D</mi><msub><mrow><mi>T</mi></mrow><mrow><mi mathvariant="normal">a</mi></mrow></msub></mrow></mfenced><mo>/</mo><mi>C</mi><mi>T</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166837&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166833&type= 76.87733459 5.24933338 式中， C = ετ ， <math id="M2"><mi>D</mi><mo>=</mo><mo stretchy="false">(</mo><mn mathvariant="normal">1</mn><mo>-</mo><mi>τ</mi><mo stretchy="false">)</mo><mfenced separators="|"><mrow><mn mathvariant="normal">1</mn><mo>+</mo><mo stretchy="false">(</mo><mn mathvariant="normal">1</mn><mo>-</mo><mi>ε</mi><mo stretchy="false">)</mo><mi>τ</mi></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166845&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166842&type= 38.43866730 4.57200003 ， a 和 b 为使用亮度温度估计辐射亮度的回归系数，对于0—30 ℃的温度范围，分别取－60.3263和0.43436，估计误差较低。另外， ε 为地表辐射率， τ 为大气透射率， T 6 为波段6的亮度温度， T a 为大气平均作用温度，下面简要说明这些参数的获取过程。 亮度温度由热红外波段DN值辐射定标得到的辐射亮度通过普朗克公式计算得到 <math display="block" id="M3"><msub><mrow><mi>T</mi></mrow><mrow><mn mathvariant="normal">6</mn></mrow></msub><mo>=</mo><msub><mrow><mi>K</mi></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msub><mo>/</mo><mi mathvariant="normal">l</mi><mi mathvariant="normal">n</mi><mfenced separators="|"><mrow><msub><mrow><mi>K</mi></mrow><mrow><mn mathvariant="normal">1</mn></mrow></msub><mo>/</mo><msub><mrow><mi>L</mi></mrow><mrow><mn mathvariant="normal">6</mn></mrow></msub><mo>+</mo><mn mathvariant="normal">1</mn></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166854&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166849&type= 33.95133591 5.16466665 式中， T 6 为波段6的亮度温度， L 6 为卫星传感器接收到的辐射亮度， K 1 和 K 2 为发射前预设的常量，其值因不同的传感器而异，对于ETM+， K 1 =666.09 W/(m 2 ·µm·sr)， K 2 =1282.71 K。 大气透射率可根据大气水汽含量估算得到，大气水汽含量根据下面的经验模型由地面水汽压估算到( 杨景梅和邱金桓，2002 杨景梅和邱金桓，2002 ； Wang 等，2015 Wang 等，2015 ) <math display="block" id="M4"><mi>ω</mi><mo>=</mo><msub><mrow><mi>a</mi></mrow><mrow><mn mathvariant="normal">0</mn></mrow></msub><mo>+</mo><msub><mrow><mi>a</mi></mrow><mrow><mn mathvariant="normal">1</mn></mrow></msub><mi>e</mi></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166863&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166859&type= 19.30399895 3.72533321 式中， e 为地面水汽压，系数 a 0 和 a 1 由研究区的纬度和海拔决定。 大气平均作用温度，根据不同的大气模型，由近地面温度线性拟合来进行估计( 覃志豪 等，2003 覃志豪 等，2003 )，本研究区选用的大气模型为热带平均大气模型 <math display="block" id="M5"><msub><mrow><mi>T</mi></mrow><mrow><mi mathvariant="normal">a</mi></mrow></msub><mo>=</mo><mn mathvariant="normal">17.9767</mn><mo>+</mo><mn mathvariant="normal">0.91715</mn><msub><mrow><mi>T</mi></mrow><mrow><mn mathvariant="normal">0</mn></mrow></msub></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166873&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166868&type= 39.45466614 3.81000018 对于地表辐射率的估算，考虑研究区的地表情况(研究区纯裸土像元较少)，按归一化植被指数NDVI值将其分为水体、城镇、植被裸地混合和植被完全覆盖4种类型。根据这些地物对应的NDVI值统计分析结果，将NDVI临界值设置为0、0.22和0.76，并将水体、城镇和植被完全覆盖区像元在波段6的地表比辐射率分别设置为0.995、0.971和0.986，植被和裸地组成的混合像元的比辐射率用 式(5) 式(5) 计算( 覃志豪 等，2004 覃志豪 等，2004 ) <math display="block" id="M6"><msub><mrow><mi>ε</mi></mrow><mrow><mi mathvariant="normal">m</mi><mi mathvariant="normal">i</mi><mi mathvariant="normal">x</mi></mrow></msub><mo>=</mo><mn mathvariant="normal">0.9625</mn><mo>+</mo><mn mathvariant="normal">0.0614</mn><msub><mrow><mi>F</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo>-</mo><mn mathvariant="normal">0.0461</mn><msup><mrow><msub><mrow><mi>F</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub></mrow><mrow><mn mathvariant="normal">2</mn></mrow></msup></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166878&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166875&type= 57.40399933 4.06400013 式中， F v 为植被覆盖度，通过植被和裸土的NDVI值插值得到 <math display="block" id="M7"><msub><mrow><mi>F</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo>=</mo><mfenced separators="|"><mrow><mi mathvariant="normal">N</mi><mi mathvariant="normal">D</mi><mi mathvariant="normal">V</mi><mi mathvariant="normal">I</mi><mo>-</mo><mi mathvariant="normal">N</mi><mi mathvariant="normal">D</mi><mi mathvariant="normal">V</mi><msub><mrow><mi mathvariant="normal">I</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub></mrow></mfenced><mo>/</mo><mfenced separators="|"><mrow><mi mathvariant="normal">N</mi><mi mathvariant="normal">D</mi><mi mathvariant="normal">V</mi><msub><mrow><mi mathvariant="normal">I</mi></mrow><mrow><mi mathvariant="normal">v</mi></mrow></msub><mo>-</mo><mi mathvariant="normal">N</mi><mi mathvariant="normal">D</mi><mi mathvariant="normal">V</mi><msub><mrow><mi mathvariant="normal">I</mi></mrow><mrow><mi mathvariant="normal">s</mi></mrow></msub></mrow></mfenced></math> http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166886&type= http://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=21166882&type= 62.31466675 5.16466665 式中，NDVI v 和NDVI s 分别表示完全被植被覆盖和无植被覆盖像元的NDVI值，本文分别取0.22和0.76。 最后将 式(2) 式(2) — 式(6) 式(6) 估算得到地参数带入 式(1) 式(1) ，得到研究区LST分布如 图3 图3 所示。可以明显看出，LST极高值( > 293 K)大部分都分布在图上地形起伏较大的区域，主要是岩石与土壤裸露区域，以及一些山区的坡面上；中间地势平坦区域温度整体相对较低，且变化幅度不大，但可以观察到一些城镇建筑用地处的局部高温；温度低值区( < 287 K)主要为水体、山体阴影以及植被密集区域。 1,2; 3.2　地形效应抑制 2 为了更加直观地分析地形对LST空间分布地影响，将LST分布图与DEM数据叠加得到3维立体图( 图4 图4 )，可以明显看出，在地形起伏较大的区域，LST的分布与坡向有很大关系，东南朝向的坡面具有更高的地表温度，而西北朝向的坡面温度更低。这主要是因为ETM+影像获取的时间是上午10：30左右，太阳方位角为145.7°，东南朝向的坡面对应阳坡，西北向为阴坡，LST主要受控于太阳辐射，太阳辐射增温差异导致阴阳坡LST存在显著差异，即阳坡升温快，温度高，而阴坡升温慢，加上阴影的存在，温度相对较低。 利用统计分析进一步评估地形对LST空间分布的影响，由于研究区海拔在1 km以下，没有显著的空气温度垂向变化，因此海拔的影响较小，这里仅考虑坡向和坡度这两个地形因子。首先，通过掩膜处理将NDVI小于0(水体)和LST大于296 K(主要为人工造成的地表裸露区域)的区域去除，以便于更好地分析地形对LST的影响。然后，将研究区的所有像元分别按坡向和坡度分成不同的区间，坡向分布较为均匀，而坡度分布集中在一定的区间范围(2°—20°)，因此，坡向以30°为间隔分成12个坡向区间( 表1 表1 )，坡度10等份分成10个坡度区间(表2)。最后，统计每个区间内LST的平均值和标准差。 坡向区间/（°） 区间编号 平均温度/K 标准差 0—30 1 289.5681 1.2421 30—60 2 290.1630 1.2125 60—90 3 290.7056 1.2875 90—120 4 291.1875 1.3956 120—150 5 291.5448 1.4904 150—180 6 291.6446 1.4953 180—210 7 291.4176 1.4215 210—240 8 290.8905 1.3467 240—270 9 290.2425 1.2789 270—300 10 289.5870 1.2838 300—330 11 289.1269 1.3060 330—360 12 289.1023 1.2728 坡度区间/（°） 区间编号 平均温度/K 标准差 0—3.2 1 290.4612 1.1620 3.2—5.2 2 290.4472 1.2523 5.2—7.0 3 290.4310 1.3387 7.0—8.8 4 290.4319 1.4214 8.8—10.7 5 290.4537 1.4930 10.7—12.6 6 290.4754 1.5774 12.6—14.8 7 290.4846 1.6715 14.8—17.5 8 290.5124 1.7801 17.5—21.2 9 290.5000 1.9225 21.2—44.4 10 290.3584 2.2099 图5的折线图直观显示了研究区地表温度随坡向和坡度的变化规律，从图5(a)中可以看出LST的平均值和标准差均呈现抛物线形态，峰值出现在区间5、6处，即120°—180°坡向范围，与太阳方位角(146°)一致。这一方面反映了阳坡温度高、阴坡温度低的LST分布特征，另一方面，较高的LST伴随着较大的标准差，结合LST 3维图像上高温主要集中在地形起伏较大的区域，推测在高温区域(阳坡)的LST分布还显著受坡度影响，因为阳坡的高温主要是太阳辐射增温引起的，而坡度是控制太阳入射角，影响接收辐射量的另一个重要因素，且对LST较低的阴坡没有显著影响。另外，研究区的大多数坡面坡度都小于20°，如 图4 图4 的太阳直射入射辐射模型所示，在成像(冬季上午10：30)之前，太阳直射光线还未能垂直照射到坡面，因此对于坡向一定的向阳坡面，坡度越大，太阳入射角越小，坡面上接收太阳辐射的有效面积也就越大，理论上LST应该更高。 图6 图6 中显示了温度(标准差)最高的4个坡向区间，即90°—210°坡向范围内LST和坡度的关系，其中坡度以1°为间隔分成33个区间，32°以上合并为一个区间，然后统计每个坡度区间内LST的平均值。可以明显看出LST与坡度确实呈正相关关系，且线性拟合程度较高，决定系数达到0.968。 图5(b)表明对于整个研究区而言，随着坡度的增加，平均温度基本保持不变，而标准差呈现明显递增的变化趋势。其原因可能是，低坡度区域不同坡向的坡面上直射入射辐射差异较小，LST差异也不大。当坡度变大时，坡向对坡面上太阳辐射的影响更加显著，阳坡和阴坡的LST差异变大，但平均温度变化不大。 综上所述，研究区的LST分布与地形密切相关，总体上，坡向从东南到西北方向，LST逐渐降低，即阳坡温度高、阴坡温度低；阳坡的温度还受坡度的影响，两者呈显著正相关关系。因此，本文使用坡向分区和阳坡坡度校正，分别从坡向和坡度两方面来抑制地形效应，降低地形条件差异造成的LST差异。具体做法是，首先将研究区所有像元按坡向分为阳坡、过渡坡和阴坡3个子区（图5），阳坡包含坡向区间4—7(坡向范围90°—210°)，与太阳方位角最接近，平均温度和标准差最高；阴坡包含坡向区间10—12和1(坡向范围270°—30°)，平均温度最低；过渡坡包含剩下的4个坡向区间，坡向范围和平均温度介于阳坡和阴坡之间。然后根据拟合得到的LST和坡度的关系式，将阳坡像元的LST校正到水平面上。这样，LST分布图中地形的影响被抑制，与地下活动有关的热异常信息则在一定程度上被增强，最后分别在各个子区进行地热异常识别。 3.3　地热异常遥感识别 2 利用遥感技术进行地热异常遥感识别前提，是地热活动引起的地物温度变化一定程度上能够在LST图像上表现出来。但是，地球表面的温度主要来源于太阳，其次是地球深部热源，前者以电磁波辐射形式进行热传递，对地表的增热起主导作用，后者以传递和对流形式进行热传递，且受地质构造控制和地层岩石物理性质影响，除了深部热量向表层传导之外，地形条件、地物类型的差异导致的太阳辐射增温差异，也能够在引起地表的温度异常。因此，地热异常遥感识别的关键，是区别地热异常和其他非地热因素导致的LST异常。 从地形、地质构造和地表覆被这3个方面提取LST异常中的地热异常：抑制地形的影响是本文重点解决的问题，所提出的方法是坡向分区和坡度校正；同时，地热异常区与地质构造的分布具有很大的相关性，断裂存在有利于地下水的活动，其附近的地表高温异常更有可能与地热活动有关，可为地热异常的提取提供依据；另外，裸露岩石、城镇等特殊地表覆被类型往往也会造成高温异常，应尽量避免在这些区域提取地热异常。因此，在修正后的LST图像上进行地热异常遥感识别时，一方面结合研究区断裂构造分布图获取LST异常区域的分布，另一方面结合多光谱影像排除与地表覆被类型有关的热异常。 4　结果分析与讨论 1 4.1　地形效应校正结果 2 图7 图7 (b)、 图7 图7 (d)和 图7 图7 (e)分别为坡向分区后阳坡、过渡坡和阴坡的LST分布图，相比于 图3 图3 (a)中研究区总体的LST分布图，各个子区由于具有相似的坡向条件，坡向导致的温度差异减少，过渡坡和阴坡的温度变化幅度明显变小，其在图5(a)中较小的标准差也说明了这一点。阳坡较大的LST标准差与坡向密切相关， 图7 图7 (c)为阳坡坡度校正后的LST分布图，与校正前相比，由于与坡度有关的温度差异减少，LST空间变化幅度也明显减小，坡度变化导致的温度异常也基本消失。例如， 图7 图7 (a)中白色方框内的局部高温就是坡面较大起伏造成的，在坡度校正后该区域温度分布变得均匀。由此说明，直接在原始LST分布图上提取的热异常极有可能是地形条件差异造成的太阳辐射增温异常，与地热活动有关的LST异常易于淹没于其中，而经过坡向分区和坡度校正后，LST的地形效应得到有效抑制，从而有利于地热异常的准确提取。 1,2;3,4,5; 4.2　地热异常识别结果 2 图7 图7 中的矩形方框显示了各个子区内，断裂附近较为明显的几处局部高温区域，以数字1—9编号。其中灰色方框1、2为岩石和土壤裸露区域，以及方框5、7为城镇区域，均为与特殊地表覆被类型有关的LST异常，前者在阳坡和过渡坡不同程度地表现出高温异常，而在阴坡不明显；相反，城镇的高温异常在阴坡更加明显。其余4处高温异常区域(红色方框)与周围区域没有显著的地表覆被类型差异，且与断层的位置密切相关，尤其是区域3被断层F7、F8穿过，区域4位于断层F1和F3交汇处，这些区域的LST极有可能指示了地热活动的存在。 分析这些可能的地热异常在3个子区的显示情况，可以将其分成两类，区域3、4和6为一类，区域5单独为一类。第1类的LST异常同时包含了地形(主要是坡度)的影响，它们在原始LST分布图上具有更高的异常等级，而在地形校正后热异常等级降低，剩余的且能够被识别的热异常则被认为是与地热活动有关。此外，区域4和6主要在阳坡LST分布图上显示热异常，在另外两个坡向子区分布的像元较少，没有显示热异常；而区域3在各坡向区间像元分布较为均匀，在另外两个坡向上也有LST异常。这类地热异常要考虑存在地形效应是否欠校正，其识别结果需要谨慎对待，尤其是大部分为阳坡像元而在其他坡向缺少依据的区域，如前面提到的区域4和6。第2类LST异常没有包含地形的影响，虽然在辐射增温主导的阳坡LST分布图上没有明显的热异常，但在另外两个子区，尤其是阴坡LST分布图上表现出显著的热异常，阴坡LST分布受太阳辐射的影响相对较小，此类地热异常的识别结果更加可靠。 为了验证地热异常的识别效果，叠加已知地热点的位置进行对比分析（ 图7 图7 (a)）。可以看出这4处地热异常与一些地热点较为吻合，区域3、4和8均包含已知地热点，区域6虽然没有直接包含地热点，但在多个地热点附近。由此说明，结合地质构造分布和地表覆被情况，通过修正的LST分布图进行地热异常遥感识别，总体上效果较为理想。 4.3　讨论 2 山地条件下的LST分布具有显著的地形效应，地形条件的差异会导致LST的差异，研究区LST分布图上的高值区除了特殊地表覆被类型(裸露地表、城镇等)外，大部分都是东南朝向和坡度较大的坡面，这些地形控制的地表高温异常和地热异常均表现为局部的地表高温，在LST分布图上无法直接将两者区分开来，对地热异常的有效识别带来很大困难。一方面，在没有充分考虑地形影响的情况下，特殊地形条件造成的高温异常则易被误以为是地热活动造成的。另外，常规的地形校正方法是把LST一次性校正到同一平面上，校正后LST差异的量级相对于地热异常信息来说还是比较大的，也可能会导致错误的判断。另一方面，如果仅仅简单排除与地形有关的高温异常，又会导致存在于这些区域的地热异常信息被忽略。本文根据地形效应的分析结果，通过坡向分区和坡度校正，从坡向和坡度两方面抑制地形效应，各子区的LST分布能够较好地反映与地下活动有关的热异常信息，有利于准确把握地热资源的分布规律。 文中针对地形效应对LST的影响，主要基于太阳直射入射辐射模型，通过统计分析获取LST随坡向、坡度两个地形因子的变化规律，方法本身具有一定推广意义，尤其是对于云贵等其他地形起伏更大的山地区域。理论上，只要能够从相应区域的热红外数据获取LST，再结合DEM分析地形效应，得到两者的关系，就能够进行坡向分区和阳坡坡度校正，从而抑制地形效应。值得说明的是，在空间尺度方面，需要尽可能满足热红外数据和DEM数据的空间分辨率相匹配的条件，较低的DEM数据分辨率不能很好地刻画LST的地形效应，地形“突变点”造成地温度异常将难以识别，对地热异常提取造成干扰，而高分辨率DEM有利于准确把握LST分布与地形条件的关系，使本文方法能够更好地应用。另外，分区后由于子区LST分布图上像元空缺造成的不连续性，可能会降低热异常的可判度性，实际上，这种分区就是以牺牲可判度性为代价，降低坡向差异造成的地表高温异常对地热异常识别的干扰，分区数越多，可判度性越低。因此，在进行坡向分区时，除了考虑抑制坡向的影响外，还需要同时考虑到各个子区LST异常的可判度性。 除了文中的方法外，本文针对地形效应分析与抑制的研究思路也具有推广意义，其他的地形校正方法尝试将整幅LST影像修正到同样的地形条件下，由于地热异常往往较地形导致的异常微弱，这就对校正精度提出很高要求，目前来看问题并没有得到很好解决。而本文提出的坡向分区的思路，即将LST分成阳坡，过渡坡和阳坡3个子区，各个子区LST分布图上坡向的影响非常小，在此基础上再利用其他地形校正方法将会取得更好的效果。此外，对于热红外遥感在其他与地下活动有关的热异常分析研究方面也有很大帮助。例如，基于尺度分析的断层热信息提取方法，是以一定尺度的网格中心点像元替代网格范围内所有像元作为分析样本( 卢善龙 等，2008 卢善龙 等，2008 )，如果研究区地表起伏较大，在各个子区使用该方法能够大大降低中心点像元地形条件的不稳定性；在坡向分区和坡度校正基础上进行临震地表热红外异常的时序分析，能够有效降低地形起伏区域天气情况(太阳辐射)变化对结果的影响。 在山地复杂地表条件下更有效地提取地热异常信息还需要多因素、多方面的综合考虑。除了坡向和坡度外，高程也会影响区域LST分布，在海拔变化幅度较大的地区还需要进一步抑制高程的影响。另外，地表覆被也是影响LST空间分布的重要因素，本文只是简单排除与特殊地表覆被类型有关的高温异常，虽然能够避免把这些它们作为地热异常的情况发生，但未能很好将其与地热异常分离开来，LST包含的地热异常信息易被掩盖在地表覆被类型差异的影响中，例如， 图7 图7 中的区域2的局部高温虽然与裸露岩体有关，但在其范围内也有地热点分布，不能排除也存在地热活动的可能性。因此，深入探讨植被覆盖度、植被类型等地表覆被因素与LST关系，建立地表覆被类型的LST背景场，有助于充分抑制干扰因素，从而提高地热异常的识别精度。对于山地地区，这一点尤为重要，因为地形起伏区域地表的覆被情况要复杂的多，且与地形条件密切相关，不同坡向、坡度和海拔区域除了太阳辐射的显著差异，还存在植被密度、植被类型、土壤湿度等多方面的差异，它们之间不仅相互影响，而且共同影响着LST的空间分布。 5　结　论 1 由于地表温度地形效应的存在，热红外遥感技术在山地复杂条件下难以有效提取地热异常信息，针对这一问题，本文以龙川地热勘查区为例，基于Landsat ETM+数据反演地表温度，分析了地表温度的地形效应，并从坡向和坡度两方面抑制地形效应，得到以下结论： (1)研究区地表温度显著受坡向和坡度两个地形因子的影响，总体上，坡向从东南到西北方向，地表温度逐渐降低，阳坡的温度还受坡度的影响，两者呈显著正相关关系； (2)将研究区按坡向分成阳坡、过渡坡和阴坡，以及将阳坡的温度根据拟合结果校正到水平面上，能够大大降低地形条件差异造成的地表温度差异； (3)结合地质构造分布，排除与特殊地表覆被类型有关的高温异常后，在研究区识别的4处地热异常与已知地热点的位置较为吻合，说明坡向分区和阳坡坡度校正能够有效抑制地形效应，提高遥感地热异常识别精度，使热红外遥感更好地应用于山区地热勘探； (4)虽然识别的地热异常都不同程度地得到已知地热点的验证，但是相对而言，受太阳辐射影响较小的阴坡地热异常识别结果更加可靠，而当LST异常可能同时包含地热活动和太阳辐射的影响时，地热异常识别结果需要谨慎对待。 本研究是对山地条件下如何抑制LST的地形效应以提高遥感地热异常识别精度的初步探讨，一方面分析说明了LST存在地形效应且这种影响在山区地热异常信息提取工作中是不可忽视的，同时，针对现有研究在整幅LST分布图上进行地形校正的不足，提出了坡向分区的重要研究思路，并结合阳坡LST与坡度存在高度相关性的特点对其进行坡度校正。正如前面所说，相比于多光谱数据，地形与热红外数据的关系要复杂得多，且微弱的地热异常信息对热红外数据的地形校正提出了更高要求，未来的工作有必要结合其他地形校正方法，对各个坡向子区建立更为准确的LST—地形关系模型以提高地形校正效果。另外，山区地形对下垫面性质也存在显著影响，从而间接影响LST分布，因此多因素、多方面综合考虑，深入探讨它们之间的相互关系，充分抑制干扰因素以进一步提高山区地热异常识别精度，也是未来工作的一项重要内容。 参考文献(References) Bai J , Liu S M and Hu G . 2008 . Inversion and verification of land surface temperature with remote sensing TM/ETM ＋ data . Transactions of the Chinese Society of Agricultural Engineering , 24 ( 9 ): 148 - 154 Inversion and verification of land surface temperature with remote sensing TM/ETM＋ data 白洁 , 刘绍民 , 扈光 . 2008 . 针对TM/ETM + 遥感数据的地表温度反演与验证 . 农业工程学报 , 24 ( 9 ): 148-154 [ DOI: 10.3321/j.issn:1002-6819.2008.09.030 http://dx.doi.org/10.3321/j.issn:1002-6819.2008.09.030 ] 针对TM/ETM+遥感数据的地表温度反演与验证 Bertoldi G , Notarnicola C , Leitinger G , Endrizzi S , Zebisch M , Della Chiesa S and Tappeiner U . 2010 . Topographical and ecohydrological controls on land surface temperature in an alpine catchment . Ecohydrology , 3 ( 2 ): 189 - 204 [ DOI: 10.1002/eco.129 http://dx.doi.org/10.1002/eco.129 ] Topographical and ecohydrological controls on land surface temperature in an alpine catchment Chen G X , Qu Z C and Diao Y Y . 1991 . Energy Resources of China . Beijing : Popular Science Press : 155 - 157 Energy Resources of China 陈国新 , 瞿正昌 , 刁一云 . 1991 . 中国能源资源 . 北京 : 科学普及出版社 : 155 - 157 中国能源资源 Cheng Y , Chen L F , Liu Q H , Zhang H and Gu H F . 2006 . The Soil Moisture Detection for Different Vegetation Coverage Based on the MODIS Data . Journal of Remote Sensing , 10 ( 5 ): 783 - 788 The Soil Moisture Detection for Different Vegetation Coverage Based on the MODIS Data 程宇 , 陈良富 , 柳钦火 , 张颢 , 顾行发 . 2006 . 基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究 . 遥感学报 , 10 ( 5 ): 783-788 [ DOI: 10.11834/jrs.200605116 http://dx.doi.org/10.11834/jrs.200605116 ] 基于MODIS数据对不同植被覆盖下土壤水分监测的可行性研究 Huang M F , Xing X F , Wang P J and Wang C Z . 2006 . Comparison between three different methods of retrieving surface temperature from Landsat TM thermal infrared band . Arid Land Geography , 29 ( 1 ): 132 - 137 Comparison between three different methods of retrieving surface temperature from Landsat TM thermal infrared band 黄妙芬 , 邢旭峰 , 王培娟 , 王昌佐 . 2006 . 利用LANDSAT/TM热红外通道反演地表温度的三种方法比较 . 干旱区地理 , 29 ( 1 ): 132-137 [ DOI: 10.3321/j.issn:1000-6060.2006.01.022 http://dx.doi.org/10.3321/j.issn:1000-6060.2006.01.022 ] 利用LANDSAT/TM热红外通道反演地表温度的三种方法比较 Jiao C W , Zhao M D , Tang G A , Liu X J and Li X Y . 2005 . Relationship between vegetation spatial pattern and terrain using GIS techniques-A Case Study in Yaoxian County of Shaanxi Province . Bulletin of Soil and Water Conservation , 25 ( 6 ): 19 - 23 Relationship between vegetation spatial pattern and terrain using GIS techniques-A Case Study in Yaoxian County of Shaanxi Province 焦超卫 , 赵牡丹 , 汤国安 , 刘学军 , 李晓印 . 2005 . 基于GIS的植被空间格局特征与地形因子的相关关系——以陕西省耀县为例 . 水土保持通报 , 25 ( 6 ): 19-23 [ DOI: 10.3969/j.issn.1000-288X.2005.06.005 http://dx.doi.org/10.3969/j.issn.1000-288X.2005.06.005 ] 基于GIS的植被空间格局特征与地形因子的相关关系——以陕西省耀县为例 Li S L , Duan S B , Tang B H , Wu H , Ren H Z , Yan G J , Tang R L and Leng P . 2016 . Review of methods for land surface temperature derived from thermal infrared remotely sensed data . Journal of Remote Sensing , 20 ( 5 ): 899 - 920 Review of methods for land surface temperature derived from thermal infrared remotely sensed data 李召良 , 段四波 , 唐伯惠 , 吴骅 , 任华忠 , 阎广建 , 唐荣林 , 冷佩 . 2016 . 热红外地表温度遥感反演方法研究进展 . 遥感学报 , 20 ( 5 ): 899-920 [ DOI: 10.11834/jrs.20166192 http://dx.doi.org/10.11834/jrs.20166192 ] 热红外地表温度遥感反演方法研究进展 Lu S L , Shen X H , Zou L J , Zhang G F , Wu W Y , Li C J and Mao Y J . 2008 . Remote sensing image enhancement method of the fault thermal information based on scale analysis: a case study of Jiangshan-Shaoxing fault between Jinhua and Quzhou of Zhejiang Province, China . Chinese Journal of Geophysics , 51 ( 5 ): 1484 - 1493 Remote sensing image enhancement method of the fault thermal information based on scale analysis: a case study of Jiangshan-Shaoxing fault between Jinhua and Quzhou of Zhejiang Province, China 卢善龙 , 沈晓华 , 邹乐君 , 章桂芳 , 吴文渊 , 李长江 , 毛燕军 . 2008 . 基于尺度分析的断层热信息遥感图像增强方法——以江山—绍兴断裂金衢段为例 . 地球物理学报 , 51 ( 5 ): 1484-1493 [ DOI: 10.3321/j.issn:0001-5733.2008.05.022 http://dx.doi.org/10.3321/j.issn:0001-5733.2008.05.022 ] 基于尺度分析的断层热信息遥感图像增强方法——以江山—绍兴断裂金衢段为例 Meng P Y , Xu Y J and Chen X . 2015 . Influence of topography on the woodland surface temperature retrieved from thermal infrared remote sensing data . Geography and Geo-Information Science , 31 ( 1 ): 32 - 36 Influence of topography on the woodland surface temperature retrieved from thermal infrared remote sensing data 孟鹏燕 , 徐元进 , 陈曦 . 2015 . 地形对热红外数据反演林地表面温度的影响 . 地理与地理信息科学 , 31 ( 1 ): 32-36 [ DOI: 10.3969/j.issn.1672-0504.2015.01.007 http://dx.doi.org/10.3969/j.issn.1672-0504.2015.01.007 ] 地形对热红外数据反演林地表面温度的影响 Meng X H , Lu S H , Zhang Y and Zhang T T . 2007 . MODIS-based reversion of atmospheric water vapor content over Jinta Oasis . Advances in Water Science , 18 ( 2 ): 264 - 269 MODIS-based reversion of atmospheric water vapor content over Jinta Oasis 孟宪红 , 吕世华 , 张宇 , 张堂堂 . 2007 . 基于MODIS数据的金塔绿洲上空大气水汽含量反演研究 . 水科学进展 , 18 ( 2 ): 264-269 [ DOI: 10.3321/j.issn:1001-6791.2007.02.019 http://dx.doi.org/10.3321/j.issn:1001-6791.2007.02.019 ] 基于MODIS数据的金塔绿洲上空大气水汽含量反演研究 Qi S H , Wang C Y and Niu Z . 2003 . Evaluating soil moisture status in china using the Temperature/Vegetation Dryness Index( TVDI ) . Journal of Remote Sensing , 7 ( 5 ): 420 - 427 Evaluating soil moisture status in china using the Temperature/Vegetation Dryness Index(TVDI) 齐述华 , 王长耀 , 牛铮 . 2003 . 利用温度植被旱情指数( TVDI )进行全国旱情监测研究 . 遥感学报 , 7 ( 5 ): 420-427 [ DOI: 10.11834/jrs.20030513 http://dx.doi.org/10.11834/jrs.20030513 ] 利用温度植被旱情指数(TVDI)进行全国旱情监测研究 Qin Z H , Li W J , Xu B , Chen Z X and Liu J . 2004 . The estimation of land surface emissivity for Landsat TM6. Remote Sensing for Land and Resources, (3): 28- 32 , 36 , 41 The estimation of land surface emissivity for Landsat TM6. Remote Sensing for Land and Resources, (3): 28- 覃志豪 , 李文娟 , 徐斌 , 陈仲新 , 刘佳 . 2004 . 陆地卫星TM6波段范围内地表比辐射率的估计. 国土资源遥感, (3): 28- 32 , 36 , 41 [ DOI: 10.3969/j.issn.1001-070X.2004.03.007 http://dx.doi.org/10.3969/j.issn.1001-070X.2004.03.007 ] 陆地卫星TM6波段范围内地表比辐射率的估计. 国土资源遥感, (3): 28- Qin Z H , LI W J , ZHANG M H , Karnieli A and Berliner P . 2003 . Estimating of the Essential Atmospheric Parameters of Mono-window Algorithm for Land Surface Temperature Retrieval from Landsat TM6. Remote Sensing for Land and Resources, (2): 37 - 43 Estimating of the Essential Atmospheric Parameters of Mono-window Algorithm for Land Surface Temperature Retrieval from Landsat TM6. Remote Sensing for Land and Resources, (2): 覃志豪 , LI W J , ZHANG M H , Karnieli A , Berliner P . 2003 . 单窗算法的大气参数估计方法. 国土资源遥感, (2): 37 - 43 [DOI: 10.3969/j.issn.1001-070X.2003.02.010] 单窗算法的大气参数估计方法. 国土资源遥感, (2): Qin Z H , Zhang M H , Karnieli A and Berliner P . 2001 . Mono-window algorithm for retrieving land surface temperature from Landsat TM 6 data. Acta Geographica Sinica , 56 ( 4 ): 456 - 466 Mono-window algorithm for retrieving land surface temperature from Landsat TM 覃志豪 , Zhang M H , Karnieli A , Berliner P . 2001 . 用陆地卫星TM6数据演算地表温度的单窗算法 . 地理学报 , 56 ( 4 ): 456-466 [ DOI: 10.11821/xb200104009 http://dx.doi.org/10.11821/xb200104009 ] 用陆地卫星TM6数据演算地表温度的单窗算法 Riaño D , Chuvieco E , Salas J and Aguado I . 2003 . Assessment of different topographic corrections in Landsat-TM data for mapping vegetation types . IEEE Transactions on Geoscience and Remote Sensing , 41 ( 5 ): 1056 - 1061 Assessment of different topographic corrections in Landsat-TM data for mapping vegetation types Sun C F , Kong F H , Yin H W , Yan W J , Xu F and Ren Y J . 2014 . Analysis of factors affecting mountainous land surface temperature in the summer: a case study over Mount Tai . Acta Ecologica Sinica , 34 ( 12 ): 3396 - 3404 Analysis of factors affecting mountainous land surface temperature in the summer: a case study over Mount Tai 孙常峰 , 孔繁花 , 尹海伟 , 闫伟姣 , 许峰 , 任怡静 . 2014 . 山区夏季地表温度的影响因素——以泰山为例 . 生态学报 , 34 ( 12 ): 3396-3404 ） [ DOI: 10.5846/stxb201310312626 http://dx.doi.org/10.5846/stxb201310312626 ] 山区夏季地表温度的影响因素——以泰山为例 Tang C , Li K and Liu Y . 2017 . Temperature inversion of geothermal anomaly area in Tengchong area based on thermal infrared remote sensing technology . Geomatics and Spatial Information Technology , 40 ( 1 ): 36 - 39 Temperature inversion of geothermal anomaly area in Tengchong area based on thermal infrared remote sensing technology 唐超 , 李珂 , 刘宇 . 2017 基于热红外遥感技术的腾冲地区地热异常区温度反演研究 . 测绘与空间地理信息 , 40 ( 1 ): 36 - 39 ） [ DOI: 10.3969/j.issn.1672-5867.2017.01.010 http://dx.doi.org/10.3969/j.issn.1672-5867.2017.01.010 ] 2017 基于热红外遥感技术的腾冲地区地热异常区温度反演研究 Wang F , Qin Z H , Song C Y , Tu L L , Karnieli A and Zhao S H . 2015 . An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data . Remote Sensing , 7 ( 4 ): 4268 - 4289 [ DOI: 10.3390/rs70404268 http://dx.doi.org/10.3390/rs70404268 ] An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 thermal infrared sensor data Wei S L , Chen Z B , Chen Z Q , Wang Q Y , Ma X L and Yan X Y . 2017 . Simulation of the total solar radiation over micro-landform and correlation between the solar radiation and the land surface temperature . Remote Sensing For Land and Resources , 29 ( 1 ): 1 29 - 135 Simulation of the total solar radiation over micro-landform and correlation between the solar radiation and the land surface temperature 魏胜龙 , 陈志彪 , 陈志强 , 王秋云 , 马秀丽 , 鄢新余 . 2017 . 微地形上太阳辐射模拟及与地表温度关系研究 . 国土资源遥感 , 29 ( 1 ): 129-135 ） [ DOI: 10.6046/gtzyyg.2017.01.20 http://dx.doi.org/10.6046/gtzyyg.2017.01.20 ] 微地形上太阳辐射模拟及与地表温度关系研究 Wen L J , Peng W F , Yang H R , Wang H Y , Dong L J and Shang X . 2017 . An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: a case study of Xichang City . Remote Sensing For Land and Resources , 29 ( 2 ): 207 - 214 An analysis of land surface temperature (LST) and its influencing factors in summer in western Sichuan Plateau: a case study of Xichang City 文路军 , 彭文甫 , 杨华容 , 王怀英 , 董丽君 , 尚雪 . 2017 . 夏季川西高原地表温度的空间特征和影响因素——以西昌市大部分区域为例 . 国土资源遥感 , 29 ( 2 ): 207-214 ） [ DOI: 10.6046/gtzyyg.2017.02.30 http://dx.doi.org/10.6046/gtzyyg.2017.02.30 ] 夏季川西高原地表温度的空间特征和影响因素——以西昌市大部分区域为例 Wu W Y . 2011 . Analyzing Method of Thermal Information Associated with Faults Based on Thermal Infrared Remote Sensing . Hangzhou : Zhejiang University : 45 - 46 Analyzing Method of Thermal Information Associated with Faults Based on Thermal Infrared Remote Sensing 吴文渊 . 2011 . 从热红外遥感获取断裂相关信息的分析方法研究 . 杭州 : 浙江大学 : 45 - 46 从热红外遥感获取断裂相关信息的分析方法研究 Xiong Y Z , Chen F and Huang S P . 2016 . Application of remote sensing technique to the identification of geothermal anomaly in Tengchong area, southwest China . Journal of Chengdu University of Technology (Science and Technology Edition) , 43 ( 1 ): 109 - 118 Application of remote sensing technique to the identification of geothermal anomaly in Tengchong area, southwest China 熊永柱 , 陈峰 , 黄少鹏 . 2016 . 基于遥感技术的腾冲地热异常区识别 . 成都理工大学学报(自科科学版) , 43 ( 1 ): 109-118 ） [ DOI: 10.3969/j.issn.1671-9727.2016.01.12 http://dx.doi.org/10.3969/j.issn.1671-9727.2016.01.12 ] 基于遥感技术的腾冲地热异常区识别 Xu J Q , Bai C J and Liu J Y . 2008 . Geothermal resource prognosis based on remote sensing technology in Changbaishan volcanic area . Remote Sensing for Land and Resources , ( 1 ): 68 - 71 Geothermal resource prognosis based on remote sensing technology in Changbaishan volcanic area 许军强 , 白朝军 , 刘嘉宜 . 2008 . 基于遥感技术的长白山火山区地热预测研究. 国土资源遥感, (1): 68 - 71 基于遥感技术的长白山火山区地热预测研究. 国土资源遥感, (1): Xue X J , Meng Q Y , Wang C M , Zheng L J , Wang L and Zhang Y . 2012 . Monitoring spatio-temporal changes of heat island effect in Beijing based on HJ-1B . Journal of Geo-Information Science , 14 ( 4 ): 474 - 480 Monitoring spatio-temporal changes of heat island effect in Beijing based on HJ-1B 薛晓娟 , 孟庆岩 , 王春梅 , 郑利娟 , 王靓 , 张瀛 . 2012 . 北京市热岛效应时空变化的HJ-1B监测分析 . 地球信息科学学报 , 14 ( 4 ): 474-480 ） [ DOI: 10.3724/SP.J.1047.2012.00474 http://dx.doi.org/10.3724/SP.J.1047.2012.00474 ] 北京市热岛效应时空变化的HJ-1B监测分析 Yang B , Wu D W , Lai J Q and Tang P K . 2003 . The Application of remote sensing technology to the study and forecast of terrestrial heat resources in southwestern Tengchong area, Yunnan province . Remote Sensing For Land and Resources , 15 ( 2 ): 23 - 26 The Application of remote sensing technology to the study and forecast of terrestrial heat resources in southwestern Tengchong area, Yunnan province 杨波 , 吴德文 , 赖健清 , 唐攀科 . 2003 . 遥感技术在腾冲西南地区地热资源研究预测中的应用 . 国土资源遥感 , 15 ( 2 ): 23-26 ） [ DOI: 10.3969/j.issn.1001-070X.2003.02.006 http://dx.doi.org/10.3969/j.issn.1001-070X.2003.02.006 ] 遥感技术在腾冲西南地区地热资源研究预测中的应用 Yang J M and Qiu J H . 2002 . A method for estimating precipitable water and effective water vapor content from ground humidity parameters . Chinese Journal of Atmospheric Sciences , 26 ( 1 ): 9 - 22 A method for estimating precipitable water and effective water vapor content from ground humidity parameters 杨景梅 , 邱金桓 . 2002 . 用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究 . 大气科学 , 26 ( 1 ): 9-22 ） [ DOI: 10.3878/j.issn.1006-9895.2002.01.02 http://dx.doi.org/10.3878/j.issn.1006-9895.2002.01.02 ] 用地面湿度参量计算我国整层大气可降水量及有效水汽含量方法的研究 Zhai X D , Xing L X , Yuan N N , Wang X D , Gao Z Y and Chen X . 2015 . Application of thermal infrared remote sensing technology in extracting heat anomalies of geothermal . Journal of Anhui Agricultural Sciences , 43 ( 3 ): 358 - 360 Application of thermal infrared remote sensing technology in extracting heat anomalies of geothermal 翟锡丹 , 邢立新 , 元楠楠 , 王晓东 , 高志勇 , 陈潇 . 2015 . 热红外遥感在地热异常提取中的应用 . 安徽农业科学 , 43 ( 3 ): 358-360 ） [ DOI: 10.3969/j.issn.0517-6611.2015.03.121 http://dx.doi.org/10.3969/j.issn.0517-6611.2015.03.121 ] 热红外遥感在地热异常提取中的应用 Zhang P M and Zhang J L . 2006 . Identification of remote sensing information in geothermal abnormal area . Remote Sensing Information , ( 2 ): 42 - 45 Identification of remote sensing information in geothermal abnormal area 张佩民 , 张金良 . 2006 . 地热异常区的遥感信息识别. 遥感信息, (2): 42 - 45 ） [DOI: 10.3969/j.issn.1000-3177.2006.02.013] 地热异常区的遥感信息识别. 遥感信息, (2): Zhang X , Zhang Y S and Zhang L F . 2016 . Research progress of satellite thermal infrared remote sensing in earthquake prediction and fault activity . Geological Review , 62 ( 2 ): 381 - 388 Research progress of satellite thermal infrared remote sensing in earthquake prediction and fault activity 张璇 , 张元生 , 张丽峰 . 2016 . 卫星热红外遥感在地震预测和断层活动中的应用研究进展 . 地质论评 , 62 ( 2 ): 381-388 ） [ DOI: 10.16509/j.georeview.2016.02.012 http://dx.doi.org/10.16509/j.georeview.2016.02.012 ] 卫星热红外遥感在地震预测和断层活动中的应用研究进展 Zhao W , Li A N , Zhang Z J , Bian J H , Jin H A , Yin G F , Nan X and Lei G B . 2016 . A study on land surface temperature terrain effect over mountainous area based on Landsat 8 thermal infrared data. Remote Sensing Technology and Application , 31 ( 1 ): 63 - 73 A study on land surface temperature terrain effect over mountainous area based on Landsat 赵伟 , 李爱农 , 张正健 , 边金虎 , 靳华安 , 尹高飞 , 南希 , 雷光斌 . 2016 . 基于Landsat8热红外遥感数据的山地地表温度地形效应研究 . 遥感技术与应用 , 31 ( 1 ): 63-73 [ DOI: 10.11873/j.issn.1004-0323.2016.1.0063 http://dx.doi.org/10.11873/j.issn.1004-0323.2016.1.0063 ] 基于Landsat8热红外遥感数据的山地地表温度地形效应研究 10.11834/jrs.20208299 1007-4619（2020）03-0265-12 周桃勇,王正海,秦昊洋,曾雅琦.2020.地形效应校正的遥感地热异常提取.遥感学报,24(3): 265-276 周桃勇,王正海,秦昊洋,曾雅琦.2020.地形效应校正的遥感地热异常提取.遥感学报,24(3): 265-276 Zhou T Y, Wang Z H, Qin H Y and Zeng Y Q. 2020. Remote sensing extraction of geothermal anomaly based on terrain effect correction. Journal of Remot Sensing (Chinese), 24(3): 265-276 Zhou T Y, Wang Z H, Qin H Y and Zeng Y Q. 2020. Remote sensing extraction of geothermal anomaly based on terrain effect correction. Journal of Remot Sensing (Chinese), 24(3): 265-276 国家自然科学基金 (编号: 41572316) Supported by National Natural Science Foundation of China (No. 41572316) 2018-07-27 2020-03-07 2021-10-18 2018-10-29 遥感学报 3 24