1. 课程导入与矿区热异常问题界定

遥感地表温度反演与矿区热异常筛查，是一门把“热红外辐射信号”翻译成“地表温度场”，再进一步翻译成“哪里可能存在异常热活动”的工程方法课。在正式进入算法与代码之前，本章先把三件事说清楚：这门课要解决什么问题、矿区热异常到底指什么、以及地表温度反演在整个筛查链条中扮演什么角色。只有把问题边界界定清楚，后续的辐射定标、大气校正、比辐射率估算、温度反演和异常判识才不会变成一堆孤立的技术动作。

一、课程要解决的核心问题

矿区是一个典型的人为热扰动强烈的场景。露天采坑、排土场、煤矸石堆、储煤场、煤堆自燃区、工业广场、洗选厂、运输道路，都会在地表温度场上留下与自然背景明显不同的“热印记”。这些热印记有的来自太阳辐射与地形差异，有的来自植被与裸土的比热差异，有的则来自煤氧化的持续放热。筛查任务的目标，就是从这些混杂因素中把“值得现场核查的热异常”挑出来。

因此本课程的目标可以概括为三层：第一层是会算，能够从 Landsat 8/9 TIRS、Sentinel-3 SLSTR 等热红外数据出发，完成辐射定标、亮温计算、比辐射率估算和地表温度反演；第二层是会判，能够结合矿区地物类型、季节背景和空间上下文，判断温度异常是地形、水体、建筑还是潜在自燃引起的；第三层是会用，能够把反演结果组织成可交付的异常点位清单与专题图，支撑现场核查与后续监测。

二、矿区热异常的定义与来源

在本课程中，矿区热异常定义为：在特定时间窗口内，矿区地表温度相对于同类地物背景温度出现统计显著偏高、且空间上呈局部聚集的像元或斑块。这个定义包含三个要素：一是“相对”，即异常是相对于背景而言，而不是绝对温度高；二是“同类地物”，即比较要在相同地物类型内部进行，避免把水泥地与水体直接比较；三是“空间聚集”，即单像元噪声不算异常，需要成片出现才具备工程意义。

矿区热异常的来源大致可分为四类。第一类是煤自燃与煤矸石氧化放热，这是最受关注、也最具危害性的一类，表现为煤堆、矸石山内部持续放热，地表温度可比周边高 5～15 K，并常伴随裂隙、塌陷和气体逸出。第二类是工业与人为热源，如洗选厂、锅炉房、运输车辆、通风井口，这类热源位置明确、形态规则。第三类是地表覆盖差异，如裸煤堆与植被、水体与混凝土的比热和蒸散差异，会在白天和夜间呈现相反的温度格局。第四类是地形与太阳辐射差异，阳坡与阴坡、采坑边坡与坑底在接受太阳辐射上差异明显，属于需要排除的“伪异常”。

三、地表温度反演在筛查中的作用

热红外传感器记录的是入瞳辐射亮度，而不是温度。地表温度反演的作用，就是把这一辐射信号经过大气校正与比辐射率修正，还原为真实的地表温度。没有这一步，筛查只能停留在“亮温异常”层面，而亮温受大气水汽、地表比辐射率和观测角度影响，不同日期、不同区域之间不可直接比较。

以 Landsat 8 TIRS 第10波段为例，典型处理链条是：首先用辐射定标系数把 DN 值转为辐亮度，再用普朗克函数反解出星上亮温；随后用劈窗算法或单窗算法，结合大气水汽含量与地表比辐射率，得到地表温度。比辐射率可依据 NDVI 阈值法估算：当 NDVI 大于 0.5 时按全植被处理，小于 0.2 时按裸土处理，中间区间按植被覆盖度线性混合。这一步对矿区尤其重要，因为煤堆、矸石与裸土在热红外波段的比辐射率差异会直接影响反演结果。

上图把本课程的主线串了起来：左侧是输入，中间是反演链，右侧是判识与分类。可以看到，地表温度反演处在承上启下的位置——它既依赖大气与地表参数，又直接决定后续异常判识的可信度。如果反演环节把煤堆的比辐射率当成裸土处理，温度可能被系统性高估或低估，异常清单就会出现漏报或误报。

四、整体学习路径与实战项目

课程按“原理—数据—反演—判识—交付”的顺序推进。原理部分讲清热辐射定律、大气影响与比辐射率；数据部分覆盖 Landsat、Sentinel、MODIS 等常用热红外数据的选择与预处理；反演部分重点实现劈窗算法与单窗算法，并对比不同算法的误差；判识部分引入地物掩膜、局部背景统计、多时相差分与阈值标定；交付部分则把结果整理成异常点位表与专题图。

贯穿全课的实战项目设定为一个假想的露天煤矿区：以某景 Landsat 8 影像为输入，完成从 DN 到地表温度的反演，再结合矿区地物分类与 DEM，输出一份“疑似热异常点位清单”。示例中可假设影像获取于秋季晴空、大气水汽约 1.8 g/cm²、研究区包含采坑、排土场、储煤场与工业广场四类区域，判识阈值暂取 ΔT ≥ 5 K，并要求异常斑块连续像元数不少于 9 个。这些参数仅作为教学示例，实际应用需依据现场气象与历史温度统计重新标定。