出版日期: 2017-05-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20176097
2017 | Volumn21 | Number 3
上一篇 | 下一篇

基础理论

天然林林下地表热辐射方向性观测

连君 , 孙浩 , 林起楠 , 曹雪佳 , 李翀 , 黄华国

北京林业大学省部共建森林培育与保护教育部重点实验室，北京 100083

收稿日期: 2016-04-15; 修改日期: 2016-12-20; 优先数字出版日期: 2016-12-27

基金项目: 国家自然科学基金(编号：41171278)；北京高等学校青年英才计划(编号：YETP0741)

第一作者简介: 连君(1992—　)，女，硕士研究生，主要研究方向为林业定量遥感。E-mail： 785010487@qq.com

通讯作者简介: 黄华国(1978—　)，男，教授，主要研究方向为林业定量遥感。E-mail： huaguo_huang@bjfu.edu.cn

中图分类号: TP79

文献标识码: A

摘要

热辐射方向性是影响地表温度反演精度的关键因素之一。为深入了解森林地表的热辐射方向性特征，探索林下地表的热辐射方向性规律，在夏秋两季分别用FLIR i7和T420热像仪对东北天然林下草本植被与部分裸露土壤的亮度温度进行了多角度观测和分析，采用线性近似方法对获取的方向亮温进行纠正。结果表明：(1)林下地表具有较为明显的热辐射方向性，并与地表结构有关；(2)夏季地表由植被和小部分裸露土壤组成，冠层密度大，不同天顶角观测的亮温差异较小，平均为1—1.5 ℃，10:30 am观测亮温最高值在东方向天顶角40°位置(太阳天顶角30.5°±0.5°，方位角149°±1°)，而14:30 pm在西方向天顶角40°左右(太阳天顶角为43.5°±1.5°，方位角247.5°±1.5°)；(3)秋季地表大部分为10 cm厚的枯落物，不同天顶角观测差异较夏季大1 ℃左右，最高亮温则均位于天顶角50°，10:30 am位于东方向(太阳天顶角为57.5°±0.5°，方位角169°±2°)，14:30 pm位于西方向(太阳天顶角为73°±1°，方位角231°±1°)。(4)林龄对于林下地表的热辐射方向性有一定影响，但季节性影响更显著。因此，林下地表的热辐射方向性对遥感像元尺度亮度温度的方向性有贡献，在以后的研究中应该予以考虑。

关键词

热辐射方向性, 天然林, 林下植被, 时间效应

Field observations of background thermal radiation directionality in natural forests

LIAN Jun , SUN Hao , LIN Qinan , CAO Xuejia , LI Chong , HUANG Huaguo

Key Laboratory for Silviculture and Conservation of the Ministry of Education, Beijing Forestry University, Beijing 100083, China

Abstract

Thermal radiation directionality is a key factor that affects the accurate retrieval of land surface temperature from remote sensing images. To understand the characteristics and law of thermal radiation directionality of a natural forest background, multi angular observations of directional brightness temperatures (DBT) were conducted in both summer and autumn on herbaceous vegetation and partially bare soil in a natural forest in northeast China. A FLIR T420 thermal imager was used to capture DBTon the east–west and north–south planes at 10:30 AM and 14:30 PM of each day. The View Zenith Angle (VZA) changed from –50° to 50°. Then, time effects on DBT were removed with a linear correction method during observations using continuous thermal images that were taken by FLIR i7 in the nadir direction. (1) The brightness temperature of then atural forest background had a visible directional affect, which is related to the ground vegetation structure and cannot be omitted. (2) In the summer, the forest background was mostly covered by herbaceous vegetation and shaded by dense tree crowns, which account for the small variations in small DBT (1—1.5 ℃). The highest DBT was observed at VZA of 40° in the east for 10:30 AM (solar zenith angle (SZA), 30.5±0.5°;solar azimuthal angle (SAA), 149±1°) and in the west for 14:30 PM (SZA, 43.5±1.5°; SAA, 247.5±1.5°). (3) In autumn, the forest background was covered by a 10-cm thick litter layer. DBT is 1 ℃ higher than those in the summer. The maximum DBT appeared at VZA of 50° in the east for 10:30 AM (SZA, 57.5±0.5°; SAA, 169±2°) and in the west for 14:30 PM (SZA, 73±1°; SAA, 231±1°). (4) Although forest age influenced DBT, the seasonal effects were more significant. The directional effects of the brightness temperature of the forest background may contribute to pixel-scale DBT, which should not be neglected in future studies.

Key words

thermal radiation directionality, natural forest, under storey, time effect

1 引　言

陆地表面温度LST (Land Surface Temperature)一直是国内外遥感研究热点。但是陆地表面结构复杂，造成地面温度遥感反演的精度不高，阻碍地面温度反演的发展。其中，一个主要阻碍就是非同温组分和发射率导致的角度效应，称之为热辐射方向性。自20世纪70年代以来，不同地物的热辐射方向性研究开始受到重视，目前国内外研究学者已经对水(Masuda 等，1988)、植被(Paw 等，1989)、土壤(Lagouarde 等，1995；Verbrugghe和Cierniewski，1998)、城市地表(Voogt和Oke，2003)等建立相应模型模拟其热辐射方向性，并进行了验证。由于地物的热辐射亮度值在2π的空间中通常随着观测角度的变化而发生变化，因此地表热辐射方向性不能用简单的平均温度代表。反过来看，由于土壤和植被温度有很大差异，多角度热红外遥感信息包涵地物的几何结构信息和组分温度信息，这些可以提高地表温度反演精度(陈良富等，2001)。

在连续植被方面，陈良富和柳钦火(2001)以及陈良富等人(2000b)对于其热辐射方向性已有深入研究，并引入组分有效发射率概念获得模型，验证了同温状况下体系的热辐射方向性完全取决于有效发射率的方向性，与植被发射率，土壤发射率，叶面积指数和叶倾角有关，而当目标为非同温状况时，组分温度通过组分有效发射率影响热辐射亮度的方向性变化。

除了连续植被外，研究相对较多的是行播作物的热辐射方向性，主要对象是冬小麦和玉米。范闻捷和徐希孺(2003)建立矩阵模型，得出混合像元热辐射方向性主要受到混合像元内部各组分在3维上分布不均匀，像元比辐射率的方向性以及外界影响造成的各组分温度差异影响。陈良富等人(2000a；2001)利用Monte Carlo方法模拟行结构参数(宽度，垄高，垄间距和叶面积指数等)对作物热辐射方向性影响，得出影响最大因素是观测方位角。后续又建立孔隙率模型对行播作物中无遮挡、单向投影和双向投影3种状况模拟行结构热辐射方向性，解释了热辐射中热点现象。赵利民等人(2012)建立了非同温异质表面间的多次散射的热辐射方向性模型，并结合孔隙率模型对行结构进行模拟方向亮温，认为“热点”的产生主要与组分空间温度分布有关。植被冠层研究方面，黄华国等人(2007a)提出利用热像仪观测获得植被冠层方向亮温，利用“开放度”概念去除多次散射和天空下行辐射的影响，获得更精确的组分温度信息，较好的反映了地表的热辐射方向性规律，并利用线性近似纠正消除热辐射方向性测量过程中的时间效应。杨贵军等人(2010)建立3维植被冠层场景，考虑冠层内部多次散射，获得半球空间上的冠层的热辐射方向性，改进了热红外温度反演精度和组分温度的反演。

尽管上述研究对植被的热辐射方向性的机理有了较好的认识，但都是针对作物的研究。森林冠层的热辐射角度变化更加明显，比如海岸松的亮度温度在观测方向上的差异达到4°(Lagouarde 等，2000)。而森林内部的热辐射分布机理更加复杂，发展森林热辐射方向性模型更有挑战意义。主要体现在：(1) 森林的3维结构更加复杂，组分更多，林下土壤和植被混合复杂；(2) 森林内部的小气候特征更加多变，组分温度分布复杂；(3) 森林通常位于坡地，受地形影响很大。

目前，国外虽然已有森林为研究对象的热辐射方向性观测或者建模研究(Rasmussen 等，2010)，但并未发现林下土壤和草本等背景的热辐射方向性研究。Rautiainen和Stenberg(2005)以及Chopping等人(2004)指出在森林背景下，当LAI小于0.5时，林下反射率贡献可以达到95%以上，下层植被在反射率建模中不能被忽视。类似，目前土壤—植被系统的发射率建模中多数认为土壤背景是朗伯体，没有考虑土壤内部结构和温度分布带来的潜在误差。虽然目前也有对光滑、粗糙和经过耕犁的土壤进行方向亮温的研究，但研究对象都是裸土(Lagouarde 等，1995)。而自然条件下的林下植被更为复杂，不仅有土壤，还包括了低矮灌草层和枯枝落叶层，其热辐射方向性对森林冠层亮温贡献需要进一步评估。

为此，本研究基于吉林蛟河地区的天然红松林样地，在夏秋两个季节使用热像仪拍摄林下随机分布的草本植物地表东西南北4个平面不同天顶角(0°到50°)的热红外图像，并进行时间效应纠正，获取地表方向亮温，以探索林下植被的热辐射方向性规律。

2 研究区与野外观测

2.1 研究区

研究区在吉林省蛟河市蛟河林业试验区管理局(127.5°E—128.1°E，43.8°N—44.1°N)，总覆盖面积31832 hm²，林地面积28646.2 hm²，海拔340—1150 m，夏季湿润多雨，秋季短暂而晴朗。实验区多为棕色森林土，厚度在20—50 cm。2010年建立了服务于森林生态系统监测的4个固定大样地，林龄分别是中龄林、近熟林、成熟林和过熟林(表1)。主要植被类型为天然次生针阔混交林，林下草本植物主要有美汉草(Meehaniafargesii(Levl) C.Y.Wu)、金银忍冬(Lonicer amaackii (Rupr.) Maxim.)、宽叶荨麻(Urticalaetevirens Maxim.)、东北山梅花(PhiladelphusschrenkiiRupr.)、蕨类、蒿类等等。藤本植物主要有山葡萄(Vitis amurensis)、五味子(Schisandrachinensis)、猕猴桃(Actinidiaceae)等。

图 1 蛟河林业实验管理局野外观测样地示意图

Fig. 1 The sample plots in Jiaohe forestry experimental zone authority

表 1 蛟河林业试验区管理局固定样地分布
Table 1 Permanent sample plots in Jiaohe forestry experimental zone authority

下载CSV

	中龄林	近熟林	成熟林	过熟林
经度	127°44′6″E—127°44′32″E	127°43′18″E—127°42′47″E	127°44′7″E—127°44′40″E	127°45′17″E—127°45′47″E
纬度	43°58′12″N—43°58′33″N	43°57′54″N—32°58′16″N	43°57′31″N—43°58′3″N	43°57′56″N—43°58′13″N
海拔/m	464—504	425—526	459—517	593—803
样地面积/hm²	22	21	42	30
样地株密度/(株/hm²)	1011	879	873	961
样地平均树高/m	12.72	11.76	12.24	10.48
观测区域坡度/(°)	0—5	0—5	5—10	20—30
拍摄样点数/(个)	3	3	4	3
注：平均树高和株密度起测标准为树高大于5 m。

2.2 野外观测

野外观测选择夏秋两个季节进行。夏季研究区多雨，土壤湿度较大，天然林内的郁闭度较高约为0.8。草本层叶面积指数平均为2，平均高度在0.3 m左右。秋季研究区干燥，阔叶树基本全部落叶后，郁闭度很低，均在0.2之下。地表枯落物高度10 cm，小部分地表还有分散的绿色草本存在。固定样地中热像仪共取得2015年夏季8组数据(日期依次为8/7、8/8、8/9、8/10、8/12、8/13、8/14、8/15)，秋季5组数据(日期依次为10/25、10/26、10/27、10/28、10/29)。具体拍摄时间是10:30 am和14:30 pm，由于这两个时间有多颗卫星过境，如LANDSAT、TERRA和AQUA等。详细的热红外图像观测时间和天气状况见表2，编号S表示夏季，F表示秋季。

完成一组地表热辐射方向性的方向亮度温度观测需要一定的时间(约15 min)。此时间段内，试验地区太阳位置变化较小(天顶角变化小于1°，方位角变化小于4°)。其中，太阳天顶角和方位角(正北方向为0°，顺时针增大)平均变化范围在夏季10:30 am约31°—30°，148°—150°，14:30 pm约42°—45°，246°—249°；在秋季10:30 am约58°—57°，167°—171°，14:30 pm约72°—74°，230°—232°。根据自动气象站和热像仪的连续观测记录发现，林下的气温和地温都存在明显的时间变化，15分钟内气温平均变化量为1 ℃(夏季)和3 ℃(秋季)；地温的平均变化量为1.8 ℃(夏季)和5.6 ℃(秋季)。因此，需要有一个垂直进行拍摄区域亮温实时变化的观测记录，用于辅助消除由于时间引起的亮温变化。在野外测量过程中，采用手持热像仪FLIR i7(面阵140×140，镜头视场角29°×29°，测温精度±2%，重复度±1%)和FLIR T420(面阵320×240，镜头视场角25°×19°，测温精度±2%，重复度±1%)分别进行连续和多角度地表亮度温度观测，两者的光谱响应范围均为7.5—13 μm。

观测目标是人为选择的具备典型林下植被和土壤特征的30×30 cm的正方形观测区域。观测目标的典型性包括：(1) 4种林龄的固定样地全覆盖；(2) 每个样地分阴影区域和光照区域分别采样；(3) 观测目标10 m半径范围内所有树高大于5 m的立木平均株数和树高与所属固定样地平均值接近(表1)，分别为：中龄林阴影区13株、12.2 m；光照区8株、10.6 m；近熟林阴影区11株、11.5 m；光照区8株、10.1 m；成熟林阴影区11株、11.2 m；光照区6株、11.5 m；过熟林阴影区12株、10.4 m；光照区7株、9.4 m。因此，可以认为观测目标周围环境辐射条件近似固定样地平均状态，分别代表了该林区典型的4种生长阶段。其次，林下观测目标为林下植被的平均状态。进一步，研究分别选择了光照和阴影两种林下地表类型进行了观测，可用于像元尺度热辐射方向性合成。目标区域由一个铝框包围，由于铝框受热增温快，在热像仪中成像会与目标呈现较大温差，易于识别(图2)。根据观测高度1.5 m和各自视场角大小，FLIR i7和T420的地面分辨率分别为0.5 cm和0.2 cm，都可以有效识别铝框(直径为1 cm)，因此都可以准确提取铝框内的观测目标，实现两者位置精确匹配。

表 2 野外观测频次
Table 2 The frequency of field observations

下载CSV

编号	日期	拍摄时间	前一天是否下雨	拍摄过程时刻天气状况/(m/s)	林龄
S1	8/7	10:30 am	无	阴天，风速<1	过熟林
S2	8/14	10:30 am	无	晴天，风速<1
S2	8/14	14:30 pm	无	晴天，风速<1
S3	8/8	10:30 am	有雨	晴天，风速<1	成熟林
S3	8/8	14:30 pm	有雨	晴天，风速<1
S4	8/9	10:30 am	有雨	晴天，风速<1
S4	8/9	14:30 pm	有雨	晴天，风速<1
S5	8/12	10:30 am	有雨	晴天，风速<1	近熟林
S5	8/12	14:30 pm	有雨	晴天，风速<1
S6	8/15	10:30 am	无	阴天，风速<1
S6	8/15	14:30 pm	无	阴天，风速<1
S7	8/10	10:30 am	无	晴天，风速<1	中林龄
S7	8/10	14:30 pm	无	晴天，风速<1
S8	8/13	10:30 am	无	晴天，风速<1
S8	8/13	14:30 pm	无	晴天，风速<1
F1	10/28	10:30 am	无	晴天，风速<1	过熟林
F1	10/28	14:30 pm	无	晴天，风速<1	过熟林
F2	10/26	10:30 am	无	晴天，风速>1	成熟林
F2	10/26	14:30 pm	无	晴天，风速>1
F3	10/29	10:30 am	无	晴天，风速<1
F3	10/29	14:30 pm	无	晴天，风速<1
F4	10/25	10:30 am	无	晴天，风速<1	近熟林
F4	10/25	14:30 pm	无	晴天，风速<1	近熟林
F5	10/27	10:30 am	无	晴天，风速<1	中龄林
F5	10/27	14:30 pm	无	晴天，风速<1	中龄林

图 2 场景热像仪FLIR T420图像及光学影像(2015年8月13日10:30 am拍摄图像，左热红外影像为北方向50°倾斜拍摄，中间热红外影像为0°垂直拍摄，右为0°垂直拍摄的光学影像)

Fig. 2 Thermal images taken by FLIR T420 and optical image (left thermal images was taken at an view zenith angle of 50, middle thermal images was taken at nadir in north and right was taken at nadir at 10:30 am in 2015/8/13)

在距离观测对象正上方1 m高处，采用FLIR i7垂直向下每隔10 s连续拍摄，用于后面的时间效应纠正。在观测对象东西南北4个方向，分别进行多角度观测(图3)。由于观测目标位于天然林下，交通不便，不适宜使用笨重的多角度观测架(陈良富等，2002)。考虑到林下植被高度仅有10 cm左右，具备局部方便移动观测设备的条件，因此研究使用三脚架搭载FLIR T420的观测方案，通过移动三脚架水平位置和调整三脚架云台的观测角度实现多角度观测。以东方向为例，三脚架高度固定为1.5 m，距离铝框中心O直线距离分别设定为1.5×tan(50°)、1.5×tan(40°)、1.5×tan(30°)、1.5×tan(20°)和1.5×tan(10°) m。在每个位置处对应调整云台角度为50°、40°、30°、20°和10°，确保相机中心对准铝框中心，即可实现5个天顶角α的观测。α从0°到50°分别定义为P₀—P₅，最后垂直星下观测一次(α=0°)，记为P₆。然后改变拍摄平面为西，南，东，分别获取P₇—P₁₃，P₁₄—P₂₀和P₂₁—P₂₇。

图 3 方向亮度温度观测多角度设置(O代表观测对象的中心点，N-S和E-W为两个观测主平面；α为观测时刻的天顶角)

Fig. 3 Angular setting for directional brightness temperature measurements，where O is the central point of target area，N-S and E-W are the two observation planes, α is the view zenith angle

3 方向亮温获取与处理

3.1 方向亮温获取

依据正方形铝框的范围，利用ThermaC AM Researcher Pro 2.7软件人工勾绘出每张热像仪中的目标区域，提取出该区域的平均亮温，作为该方向的初始亮温。由于林相较为整齐，研究假设下行辐射均匀，对热辐射方向性观测没有显著干扰。

同时，参考可见光图像目视提取热红外图像的植被亮度温度和土壤亮度温度。

3.2 时间效应纠正

由于4个方向(2个平面)的拍摄过程需要15—20 min，期间地表亮度温度时刻发生变化。为了获得一个瞬时的全方位方向亮度温度分布图，使方向亮温的差异更明显，需要进行亮温的时间归一化。实践表明，线性近似纠正可以减小测量误差，其时间效应的纠正误差小于0.3 K。线性纠正的主要思想是利用不同方向垂直观测的方向亮温的差异作为该平面所有亮温的时间变化量。因此，时间效应纠正就是对4个方向(2个平面)的亮温加上一个纠正偏移量d，消除拍摄过程中亮温时间变化。野外观测的方向亮温拍摄过程所需时间越少，其时间效应纠正也就更准确。

手持热像仪的连续亮温和T420的离散亮温分别为T_i7(t₀)和T₄₂₀(t₁)。由于时间t₀为10 s间隔，而t₁约为1 min，为了匹配两个亮度温度，需要找到对应t₁时刻的T_i7(t₁)。

求取T_i7(t₀)的平均值$\overline {{T_{i7}}} $，然后计算：

$d\left( {{t_1}} \right) = {T_{i7}}\left( {{t_1}} \right) - \overline {{T_{i7}}} $

(1)

则T420的纠正后亮温为

${T_{\rm{new}}}\left( {{t_1}} \right) = {T_{420}}\left( {{t_1}} \right) - d\left( {{t_1}} \right)$

(2)

4 结果与讨论

4.1 纠正前后的热辐射方向性对比

夏季平均时间效应纠正值平均为0.49 ℃，最大值达到2.81 ℃，而秋季平均纠正值为1.47 ℃，最大纠正值达7.05 ℃。以2015年8月15日10:30 am拍摄的一组数据为例，经时间效应纠正后每一个平面内的不同天顶角观测的方向亮温差异更显著(图4)。

图 4 线性纠正效果(2015年8月15日10:30 am)

Fig. 4 The effect of linear correction method (10:30 am Aug 15, 2015)

图5给出了夏秋两季的时间效应纠正极坐标图。其中，极坐标的方位角为观测方位角，0°表示正北方向，90°为正东方向；极坐标半径大小表示观测天顶角α，中心点α为0°，最大半径处α为50°。每个网格及其颜色代表一个观测角度(天顶角和方位角)及其对应的方向亮度温度，红色代表高温，蓝色代表低温。整体看来，纠正后的目标地表热辐射方向性更明显，纠正了一些明显的错误，尤其是秋季地表亮度温度纠正前后变化更大(10月27日)。夏季纠正值平均为0.49 ℃，而秋季平均纠正值达到1.47 ℃，这与夏秋两季的植被状态有关。夏季森林郁闭度高，阳光虽有直射，但呈现光斑状分布，不能全部照射拍摄区域；地表植被也比较密集，叶片亮温较为稳定，时间效应相对较小，所以纠正值偏小。但在秋季，森林冠层的叶片脱落，地表阳光直射比例大，且地表有很厚的枯落物，热惯量小，受阳光照射后，亮温变化较大，所以秋季纠正前后变化较大。

图 5 线性纠正前后地表方向亮度温度极坐标图

Fig. 5 The polar maps of background directional brightness temperatures with or without linear corrections

4.2 林下地表热辐射方向性特征

图6显示了林下地表热辐射方向性在13个观测日内的变化曲线。选择的指标为每日方向亮温的最大温差值，即上午和下午观测的两组纠正后的所有垂直和倾斜获得的方向亮度温度的最大温差的平均值。可以看出，夏季8月份采集数据平均的最大温差值为1.8 ℃，秋季10月底采集的数据平均最大温差值则达到了5.6 ℃。这与夏秋两季的地表结构是有密切联系(图1)，夏季，森林郁闭度大，林下地表由大片植被和小部分裸露的土壤组成，植被受到少量光照后温度升高缓慢，所以方向亮温之间的差异要小。而秋季上层乔木已落叶，地表几乎全部是10 cm厚的枯落物，其受到太阳光照射后温度变化迅速，导致了秋季的地表方向亮温整体差异较大。

图 6 林下地表热辐射方向性每日最大温差平均值

Fig. 6 The maximum differences of background directional brightness temperatures everyday

图7显示了时间效应纠正后地表热辐射方向性极坐标图。其中，8月9日上午(10:30 am)和下午(14:30 pm)分别呈现对称性较好的碗形和钟形结构。亮温的角度变化主要来自于观测区域内不同角度的土壤与植被的所占比例不同，并且植被和土壤自身的亮温也有差异。在垂直观测时，土壤观测比例较高，但倾斜30°—40°之后植被可视比例逐渐增大，土壤的贡献逐渐缩小。当土壤亮温高于植被亮温时，呈现钟形；反之则为碗边形状。上午土壤的平均亮温为23.089 ℃，植被平均亮温为24.708 ℃，呈现“碗形”。而下午的土壤平均亮温为23.575 ℃，高于植被平均亮温为22.589 ℃，呈现与上午相反的“钟形”。

图 7 夏秋两季地表方向亮度温度极坐标图(红色星型标识代表太阳位置)

Fig. 7 Polar maps of measured background directional brightness temperatures in summer and fall(The red star represents the position of the sun)

8月13日和10月27日出现了某一天顶角亮温显著偏高的现象，并发现该拍摄天顶角和太阳天顶角具有一致性。比如，8月13日最高亮温出现在天顶角40°左右的位置，而不论10:30 am和14:30 pm，太阳天顶角都在30°—40°左右。10月27日，太阳天顶角处于60°—70°左右，而观测天顶角的最大值位于50°，最大亮温也在50°。

除了拍摄天顶角和太阳天顶角有一致性以外，方位角上也有一定的规律。10:30 am高温大多出现在偏东观测方向；而14:30 pm高温更多地出现在偏西观测方向。因此，可以认为观测到的亮度温度中存在热点效应，组分的光照和阴影之间应该存在一定的温差。“热点”亮温与最低亮温差异在夏季约为1.5 ℃，在秋季约为4.4 ℃。秋季地表大部分为10 cm高的枯落物，热惯量低，亮温变化快，光照和阴影亮温有差异；入射光强较低，平均亮度温度低。亮度温度随着天顶角增大而增大的现象与Lagouarde等人(1995)提到裸土的热辐射方向性是一致的。因此，秋季地表可以用裸土模型代替，不过还需要进一步比较验证。

4.3 地表辐射亮温与近地表气温的相关性

利用手持气象站测量地表热红外图像拍摄时间段内的地表2 m高处的气温，对同时段的地表亮度温度与近地表大气温度值进行对比(图8)。近地表大气温度与地表垂直观测获取的亮度温度趋势基本一致。随着气温变化，地表垂直观测亮温也发生变化；其中夏季气温普遍高于辐射亮温，而秋季地表亮温和大气温度变化更为剧烈，两者无明显大小之分。总体看来，近地表大气温度更为稳定，变化幅度小于观测的地表亮度温度变化幅度。

图 8 地表垂直观测亮度温度与近地表气温对比(夏季：编号1—13；秋季：编号14—22)

Fig. 8 Comparison betweenbackground vertical brightness temperatures and near-surface airtemperature (summer: 1—13, fall: 14—22)

4.4 不同年龄的森林地表热辐射方向性比较

以10:30 am的东西向观测面方向亮温数据为例，图9给出了4个固定样地(中龄林，近熟林，成熟林和过熟林)由西向东倾斜观测地表亮温与垂直观测亮温差值折线图。

图 9 中龄林，近熟林，成熟林与过熟林林下地表E-W观测面方向亮温与垂直观测亮温差值对比(10:30 am)

Fig. 9 Comparisons of background directional brightness temperatures in half-mature forest, near mature forest, mature forest and over mature forest in E-W observation plane (10:30 am)

可以看出，夏秋两季，中龄林和近熟林的变化趋势均一致。而成熟林虽然也呈现与前两者一致的趋势，但夏季相较于前两者的方向亮温差异更大，而秋季差异反而变小。过熟林在夏季整个E-W观测面方向亮温呈现“W”型，在秋季东30°方向亮温最高，与其他3个固定样地在秋季缓慢上升趋势有很大区别。这可能是因为老龄林处于山坡上(表1)，坡度对观测时刻的天顶角变化造成一定影响，但详细的坡度对于方向亮温的影响还需要更深入严谨的研究。整体看来，季节性导致的地表热辐射方向性的差异更明显，林龄对于林下地表的热辐射方向性规律并没有显著影响。

5 结　论

天然林林下地表组成复杂，其热辐射方向性对森林冠层亮温贡献需要验证评估，以便森林冠层反射率模型精确建立。本研究对夏秋两季的天然林下地表热辐射方向性进行观测，总结林下地表在不同林龄，不同季节的热辐射方向性规律，主要结论如下：

(1) 验证了天然林下，靠近太阳的天顶角和方位角的方向，亮温偏高，并发现秋季角度效应相比于夏季更明显。

(2) 分析夏秋两季天然林林下地表热辐射角度效应的规律。夏季，林冠层较为浓密，直射光不明显，林下植被也较为丰富，因此会出现较为对称的钟形或者碗边形状。秋季，林冠几乎落叶，直射光明显，林下多为枯枝落叶，类似粗糙土壤，出现类似裸土的热辐射方向性。提出森林冠层反射率建模时在夏季考虑采用一维植被冠层的热辐射方向性模型，如ESAIL(刘强等，2003)，而秋季考虑采用裸土模型建模。

(3) 发现林龄对于林下地表热辐射方向性有一定影响：成熟林和过熟林在夏季更明显，但在秋季则不如中龄林和近熟林；地表亮度温度对近地表大气温度也有一定影响。

天然林林下地表热辐射虽然具有明显的角度效应规律，但在实验过程中，风速、风向等瞬时天气变化不可控，而且坡度对于热辐射的影响，本文并没有全面分析。在今后的研究中将细致考虑这些因素，对林下地表热辐射进行订正，并进一步验证林下地表对森林冠层的反射率贡献，并建立更精确的森林冠层反射率模型。

志谢感谢此次野外实验的数据获取工作中吉林省蛟河林业实验区管理局和赵秀海老师的帮助。

参考文献(References)

Chen L F, Zhuang J L, Xu X R, Liu Q H and Xiang Y Q. 2000a. The simulation of thermal radiant directionality of continuous vegetation using Monte Carlo method. Journal of Remote Sensing, 4 (4): 261–265. [DOI: 10.11834/jrs.20000404] ( 陈良富, 庄家礼, 徐希孺, 柳钦火, 项月琴. 2000a. 用MonteCarlo方法模拟连续植被热辐射方向性. 遥感学报, 4 (4): 261–265. [DOI: 10.11834/jrs.20000404] )

Chen L F, Zhuang J L, Liu Q H, Xu X R and Tian G L. 2000b. Study on the law of radiant directionality of row crops. Science in ChinaSeries E: Technological Sciences, 30 (S1): 77–88. [DOI: 10.3321/j.issn:1006-9275.2000.z1.012] ( 陈良富, 庄家礼, 柳钦火, 徐希孺, 田国良. 2000b. 行播作物热辐射方向性规律探讨. 中国科学(E辑), 30 (S1): 77–88. [DOI: 10.3321/j.issn:1006-9275.2000.z1.012] )

Chen L F and Liu Q H. 2001. The thermal radiant directionality of continuous vegetation. Journal of Remote Sensing, 5 (6): 407–415. [DOI: 10.11834/jrs.20010602] ( 陈良富, 柳钦火. 2001. 连续植被的热辐射方向性. 遥感学报, 5 (6): 407–415. [DOI: 10.11834/jrs.20010602] )

Chen L F, Fan W J and Liu Q H. 2001. The study on thermal infrared radiant directionality of non isothermal land surface. Progress in Geography, 20 (3): 262–267. [DOI: 10.11820/dlkxjz.2001.03.009] ( 陈良富, 范闻捷, 柳钦火. 2001. 地表热辐射方向性研究进展. 地理科学进展, 20 (3): 262–267. [DOI: 10.11820/dlkxjz.2001.03.009] )

Chen L F, Liu Q H, Fan W J, Li X W, Xiao Q, Yan G J and Tian G L. 2002. The porosity model of the thermal radiant directionality of row cops. Science in China(Series D), 32 (4): 290–298. [DOI: 10.3321/j.issn:1006-9267.2002.04.004] ( 陈良富, 柳钦火, 范闻捷, 李小文, 肖青, 闫广建, 田国良. 2002. 行播作物热辐射方向性孔隙率模型. 中国科学(D辑), 32 (4): 290–298. [DOI: 10.3321/j.issn:1006-9267.2002.04.004] )

Chopping M J, Su L H, Rango A and Maxwell C. 2004. Modelling the reflectance anisotropy of Chihuahuan desert grass–shrub transition canopy–soil complexes. International Journal of Remote Sensing, 25 (14): 2725–2745. [DOI: 10.1080/0143116031000-1618437]

Fan W J and Xu X R. 2003. The affecting factors of thermal radiant directionality of the row winter wheat. Geography and Geo-Information Science, 19 (4): 84–88. [DOI: 10.3969/j.issn.1672-0504.2003.04.022] ( 范闻捷, 徐希孺. 2003. 行播冬小麦热辐射方向性的影响因子. 地理与地理信息科学, 19 (4): 84–88. [DOI: 10.3969/j.issn.1672-0504.2003.04.022] )

Huang H G, Liu Q H, Liu Q, Xiao Q and Chen L F. 2007a. Using multidirectional thermal images to obtain canopy component temperature and directional brightness temperature. Journal of Beijing Normal University(Natural Science), 43 (3): 292–297. [DOI: 10.3321/j.issn:0476–0301.2007.03.013] ( 黄华国, 柳钦火, 刘强, 肖青, 陈良富. 2007a. 利用多角度热图像提取冠层组分温度和方向亮温. 北京师范大学学报(自然科版), 43 (3): 292–297. [DOI: 10.3321/j.issn:0476–0301.2007.03.013] )

Huang H G, Liu Q H, Liu Q, Du Y M and Li X W. 2007b. Simulation of time effect on thermal emission directionality measurement. Journal of System Simulation, 19 (15): 3586–3590. [DOI: 10.3969/j.issn.1004-731X.2007.15.053] ( 黄华国, 柳钦火, 刘强, 杜永明, 李小文. 2007b. 热辐射方向性测量中的时间效应模拟. 系统仿真学报, 19 (15): 3586–3590. [DOI: 10.3969/j.issn.1004-731X.2007.15.053] )

Lagouarde J P, Kerr Y H and Brunet Y. 1995. An experimental study of angular effects on surface temperature for various plant canopies and bare soils. Agricultural and Forest Meteorology, 77 (3/4): 167–190. [DOI: 10.1016/0168-1923(95)02260-5]

Lagouarde J P, Ballans H, Moreau P, Guyon D and Coraboeuf D. 2000. Experimental study of brightness surface temperature angular variations of maritime pine (Pinuspinaster) stands . Remote Sensing of Environment, 72 (1): 17–34. [DOI: 10.1016/S0034-4257(99)00085-1]

Liu Q, Chen L F, Liu Q H and Xiao Q. 2003. A radiation transfer model to predict canopy radiation in thermal infrared band. Journal of Remote Sensing, 7 (3): 161–167. [DOI: 10.11834/jrs.20030301] ( 刘强, 陈良富, 柳钦火, 肖青. 2003. 作物冠层的热红外辐射传输模型. 遥感学报, 7 (3): 161–167. [DOI: 10.11834/jrs.20030301] )

Masuda K, Takashima T and Takay ama Y. 1988. Emissivity of pure and sea waters for the model sea surface in the infrared window regions. Remote Sensing of Environment, 24 (2): 313–329. [DOI: 10.1016/0034-4257(88)90032-6]

Paw U K T, Ustin S L and Zhang C A. 1989. Anisotropy of thermal infrared exitance in sunflower canopies. Agricultural and Forest Meteorology, 48 (1/2): 45–58. [DOI: 10.1016/0168-1923(89)90006-3]

Rasmussen M O, Pinheiro A C, Proud S R and Sandholt I. 2010. Modeling angular dependences in land surface temperatures from the SEVIRI instrument onboard the geostationary meteosat second generation satellites. IEEE Transactions on Geoscience and Remote Sensing, 48 (8): 3123–3133. [DOI: 10.1109/TGRS.2010.2044509]

Rautiainen M and Stenberg P. 2005. Application of photon recollision probability in coniferous canopy reflectance simulations. Remote Sensing of Environment, 96 (1): 98–107. [DOI: 10.1016/j.rse.2005.02.009]

Verbrugghe M and Cierniewski J. 1998. Influence and modelling of view angles and microrelief on surface temperature measurements of bare agricultural soils. ISPRS Journal of Photogr ammetry and Remote Sensing, 53 (3): 166–173. [DOI: 10.1016/S0924-2716(98)00005-7]

Voogt J A and Oke T R. 2003. Thermal remote sensing of urban climates. Remote Sensing of Environment, 86 (3): 370–384. [DOI: 10.1016/S0034-4257(03)00079-8]

Yang G J, Liu Q H, Liu Q, Xiao Q and Huang W J. 2010. Directional simulation of thermal infrared radiation and 3D radiative transfer model of canopy. Journal of Infrared and Millimeter Waves, 29 (1): 38–44. [DOI: 10.3724/SP.J.1010.2010.00038] ( 杨贵军, 柳钦火, 刘强, 肖青, 黄文江. 2010. 植被冠层3D辐射传输模型及热辐射方向性模拟. 红外与毫米波学报, 29 (1): 38–44. [DOI: 10.3724/SP.J.1010.2010.00038] )

Zhao L M, Gu X F, Yu T, Wan W, Zhang L and Xie Y H. 2012. A directional thermal radiance model for multiple scattering over surfaces. Journal of Infrared and Millimeter Waves, 31 (6): 528–535. [DOI: 10.3724/SP.J.1010.2012.00528] ( 赵利民, 顾行发, 余涛, 万玮, 张伦, 谢燕华. 2012. 一种顾及表面间多次散射的热辐射方向性模型. 红外与毫米波学报, 31 (6): 528–535. [DOI: 10.3724/SP.J.1010.2012.00528] )

摘要

关键词