2. 遥感热红外数据基础与矿区适用性分析

地表温度反演的第一步不是算法，而是理解热红外遥感的物理链条：地表发射的热辐射经过大气衰减后被传感器接收，最终以数字量化值（DN）或辐亮度形式记录下来。热红外波段通常指8～14 μm的大气窗口，这一区间大气吸收相对较弱，是地表温度反演的主战场。根据普朗克定律，温度越高的地物在相同波长处辐射能量越强，且峰值波长随温度升高向短波方向移动；斯特藩—玻尔兹曼定律则说明总辐射与温度四次方成正比，这意味着高温异常（如煤火、矸石堆自燃）在热红外影像上会形成显著亮斑。但传感器记录的是辐亮度而非温度，反演必须经过辐射定标、大气校正、比辐射率估计三个环节，其中比辐射率对矿区多种地物（岩石、煤、水体、植被）差异明显，是误差的重要来源。

理解物理基础后，选型的关键在于分辨率的权衡。空间分辨率决定最小可识别热异常的面积，时间分辨率决定复访频率，光谱分辨率决定波段设置与反演方法。常用传感器中，Landsat 8/9 TIRS 提供两个热红外波段（10.6～11.2 μm 与 11.3～12.5 μm），空间分辨率100 m（重采样至30 m），重访16天，适合中等尺度矿区精细分析，其双波段可支持劈窗算法；ASTER 在TIR有5个波段（90 m），光谱信息丰富，利于比辐射率分离，但2008年后短波红外失效影响部分产品，且重访依赖编程；MODIS 热红外空间分辨率1 km，但每日多次过境，适合大范围、高频次温度动态监测；Sentinel-3 SLSTR 提供约1 km热红外波段，重访频率高，适合区域尺度快速筛查。下表给出对比参考（示例参数，以官方文档为准）。

矿区场景的数据选型应遵循“先目标、后分辨率”的原则。若目标是识别小面积矸石堆自燃点，100 m 的 Landsat 可能因混合像元稀释高温信号，此时可结合更高分辨率数据或亚像元方法；若目标是掌握整个矿区温度场季节变化，MODIS 的高频次更有优势。选型时还需关注过境时间：午后过境（如 Landsat 约10:30）地表温差最明显，利于异常识别；夜间数据则减少太阳辐射干扰，适合稳定热源分析。此外，云覆盖是热红外数据的致命限制，需结合云掩膜产品筛选。下面的信号链图概括了从地表辐射到可用温度产品的关键环节与选型关注点。

在实操层面，拿到一景 Landsat TIRS 数据后，应先检查元数据中的定标系数，将 DN 转换为大气顶辐亮度，再结合大气水汽含量与比辐射率进行反演。以劈窗算法为例，其基本形式为 LST = a₀ + a₁·T₁₁ + a₂·(T₁₁ − T₁₂)，系数与大气水汽、比辐射率相关，示例中若 T₁₁=305 K、T₁₂=303 K，则亮温差2 K 会显著影响反演结果，说明双波段一致性检查的重要性。对矿区而言，煤与岩石的比辐射率在11 μm附近差异可达0.02～0.05，若统一取0.97会引入约1～2 K误差，因此建议结合土地覆盖分类分区赋值。选型决策可归纳为：小范围精细排查优先 Landsat/ASTER，大范围高频筛查优先 MODIS/Sentinel-3，两者结合形成“粗筛—精查”的分层策略，既控制成本又保证异常不漏检。