一种基于ASTER数据的陆面温度反演方法

陆面温度是地表物体热红外辐射的综合定量形式,是地表热量平衡的结果。陆面温度作为一个重要的基本参数已广泛用于相关模型的计算及生态环境等领域的研究。ASTER数据具有较高的空间分辨率与光谱分辨率,可提供比陆地卫星、NOAA/AVHRR等常见卫星数据更丰富的地表信息,有助于提高陆面温度的反演精度。根据温度/比辐射率分离(TES)的思想,基于ASTER热红外数据的特性,获取了一种反演陆面温度的方法,并以长白山为例进行了试验。结果表明,所用的方法仅依赖ASTER遥感数据便可快速获取地面温度的空间分布特征,对自然地表可取得比较理想的结果,具有较好的应用前景。     

反演陆面温度的分裂窗口算法与应用分析

分裂窗口算法是目前由热红外遥感图象数据获取陆面温度最主要的方法。文中对１９９７年８月２２日内蒙古巴丹吉林沙漠地区的ＮＯＡＡ／ＡＶＨＲＲ热红外图像,利用辐射传输模型ＬＯＷＴＲＡＮ７计算大气参数进行大气校正,在采用Ｌｉ＆Ｂｅｃｋｅｒ算法（１９９３）反演出具有一定可信度的地表发射率基础上,选取常见的５种分裂窗口算法分别获取了该地区的地表辐射温度,并以Ｓｏｂｒｉｎｏ１９９１算法结果为标准,进行了算法间比较     

MODIS数据地表温度反演劈窗算法比较

针对MODIS数据,分析比较了QIN和Wan-Dozier两种劈窗算法地表温度(LST)反演精度和误差分布。首先利用辐射传输模型MODTRAN4.0,结合TIGR大气廓线数据,评价两种算法绝对精度,然后基于误差传递理论分析评价二者的总精度,最后对两种算法的LST反演结果进行比较。研究表明针对所有廓线数据,两种算法绝对精度相差不大,但Wan-Dozier算法绝对精度受地表温度和水汽含量变化的影响程度要大于QIN算法;两种算法总精度相差不大,且主要误差源均为算法绝对精度和地表比辐射率精度,QIN算法反演结果对地表比辐射率的敏感性要略高于Wan-Dozier算法;两种算法得到研究区LST分布情况基本一致,均可表现空间LST分布差异,其中水体和裸土的LST反演结果差异较大,城镇和植被平均温度差异在0.5 K以内。     

通过AVHRR数据研究中国陆面温度分异规律

近年来国内外利用遥感方法在陆面温度精确反演中开展了大量的研究工作,采用了一个在大区域上适用的由NOAA？AVHRR数据反演陆面温度的方法,反演中国晴空条件下各月和全年平均陆面温度,分析了中国陆面温度的分异规律,并与气温的分异规律作了对比,同时对中国土地利用／土地覆盖变化研究（LUCC）样带上的陆面温度变化进行了分析,这项工作从晴空条件重新认识了地面温度场的空间分异,对于研究中国陆地土壤蒸发,植物光合作用,土地覆盖的分布具有重要的指示意义。     

利用MODIS数据反演南海南部海表温度及时空变化分析

南海海水表面温度对中国陆地的气候变化具有显著的影响。以南海南部海域为例,首先对MODIS基础数据进行几何校正及影像去云等预处理,利用辐射传输模型MODTRAN计算大气透过率,利用MODIS数据第31和32波段辐射亮度值计算亮度温度,采用劈窗算法反演南海南部海域海表温度,反演结果与产品及实测数据进行回归分析,采取决定系数（R ²）、误差平方和（SSE）及均方根误差（RMSE）进行拟合情况评价。决定系数（R ²）大于0.8,SSE、RMSE较小,其中反演结果与实测数据的SSE为1.025,RMSE为0.158,说明反演精度良好。研究表明:温度具有明显的区域和季节变化特征,秋冬较低,春夏较高,在空间上从离近岸向中心海域方向递减,海盆中心温度低。温度受气候的影响,与厄尔尼诺现象呈正相关,与拉尼娜现象呈负相关。     

利用MODIS数据反演地表温度的研究

地表温度(LST)是气象、水文、生态等研究中一个重要的参数,目前国内的研究大多使用NOAA/AVHRR数据来获取地表温度,应用MODIS数据获取LST基本上还是空白。MODISLST反演算法精度较高但是计算复杂,在很大程度上限制了其应用。采用简单的统计方法和神经网络方法,得出了内蒙古东北地区的LST计算公式。该公式计算简单而且精度很高,完全能够满足一般的研究需要。     

干旱/半干旱区MODIS地表温度反演与验证研究

劈窗算法是目前热红外遥感反演地表温度最常用的方法,根据Coll提出的劈窗算法建立基于MODIS适用干旱/半干旱区地表温度反演算法,并用同期的LP DAAC发布的MODIS地表温度产品和相应的53个气象站点的实际观测数据进行验证。通过分析,模型的反演精度与MODIS地表温度产品的反演精度相当,与气象观测数据相一致,反演精度较好,能够较精确地反演干旱/半干旱地区地表温度的时空变化特征。     

基于MODIS和TM数据的陆面温度反演

陆地表面温度(LST)反演一直是热红外遥感研究中的一大难题。目前,分辨率较高的Landsat5/TM数据是陆地表面温度(LST)反演的常用遥感信息源。然而,由于TM只有一个热通道,大多数情况下由TM6数据得到的都是星上亮度温度,与实际地表温度有较大差距。普适性单通道算法的提出为从TM6数据高精度地反演地表真实温度提供了可能。为寻找一条从TM6数据高精度反演陆地表面温度的有效途径,利用该算法对北京地区的地表温度进行了反演试验,对该算法必需的总大气水蒸汽含量通过MOD IS数据计算获得。同时利用卫星过境时的同步实测数据对反演精度进行了检验,并与用标准大气数据得到的结果进行了比较。其结果表明,该方法具有较高的反演精度,其rmsd值为1.67℃,显示了多源数据结合的优势。     

用AVHRR资料反演青藏高原东北部陆面温度和气温

利用1986年10月-1988年5月NOAA-9和NOAA-10两颗卫星的AVHRR通道1、2和4的资料和同期107个地面台站资料，建立由卫星资料反演地面温度和气温的二元、三元回归方程，并讨论了标准化植被指数NDVI在下垫面分区以及在反演陆面温度中的作用。     

针对MODIS 数据的地表温度非线性迭代反演方法

地表温度是气象、水文、生态等研究领域中的一个重要参数。构建了MODIS31/ 32 波段的热辐射传输方程, 讨论了方程的数值迭代解法, 提出了针对MODIS 数据地表温度的非线性迭代反演方法, 并介绍了大气透过率和地表比辐射率这两个中间参数的估计方法。误差及敏感性分析表明,提出的方法对大气透过率和地表比辐射率都不敏感, 反演精度优于传统的线性分裂窗算法。     

一个从MODIS数据同时反演地表温度和发射率的神经网络算法

MODIS的三个热红外波段29、31、32建立了三个辐射传输方程,这三个方程包含了5个未知数(大气平均作用温度、地表温度和三个波段的发射率)。用JPL提供的大约160种地物的波谱数据对MODIS三个波段(29/31/32)发射率之间的关系和用MODTRAN4对大气透过率和大气水汽含量之间关系进行模拟分析。分析结果表明地球物理参数之间存在着大量的潜在信息。由于潜在的信息难以严格地用数学表达式来描述,因此神经网络是非常适合被用来解这种病态反演问题。利用辐射传输模型(RM)和神经网络(NN)反演分析表明神经网络能够被用来精确地同时从MODIS数据中反演地表温度和发射率。地表温度的平均反演误差在0.4°C以下;波段29/31/32发射率平均反演误差都在0.008以下。     

基于TM6数据的成都市地表温度反演

本利用Landsat5的TM6热红外数据，利用实时的地表温度对不同温度演算算法进行了回归检验，根据统计的原理对各种方法做出评价，并优先了一种方法进行成都市地面温度场的分布分析。本也就同一大气条件下的地温和气温之间的关系作了分析，认为用卫星影像的DN值代替气温研究热岛效应是不合适的。     

MODIS数据反演地表温度的参数敏感性分析

在利用MODIS卫星遥感数据进行地表温度反演过程中，有两个基本参数需要确定，即地表比辐射率和大气透过率，尽管采用了比较合理的参数估计方法，但仍会有一些不可避免的因素导致误差的产生。为了进一步研究可能的参数误差对地表温度反演精度的影响，我们对该算法的两个参数进行敏感性分析。结果表明，当31、32两个波段的参数估计都有中等误差时，可能的地表温度误差对大气透过率和地表比辐射率都不敏感，所引起的地表温度误差大约为0．6～0．8℃，算法能够得到较高精度的地表温度反演结果。     

利用TM6数据反演陆地表面温度新算法研究

陆地表面温度(LST)反演一直是热红外遥感研究中的一大难题。虽然TM 6数据具有较高的空间分辨率(120 m),但由于只有一个热通道,要得到地表真实温度,原来需要利用辐射传输方程的方法,实时资料的缺乏限制了该方法的应用。因而由TM 6数据得到的通常都是星上亮度温度,而星上亮度温度与实际地表温度差距较大,因此,其反演的温度精度不高。而单窗算法和普适性单通道算法的提出为从TM 6数据较高精度地反演陆地表面温度提供了可能。分析和研究了这两个新的单通道温度反演算法,并针对北京市的实际情况,利用2005年5月6日的TM数据对北京市的陆地表面温度进行了反演,并用实地测量数据进行了比较验证。结果表明这两种温度反演算法都取得了较高的精度,它们的rm sd值分别为1.38°和2.18°。     

Land Surface Temperature Retrieval from Landsat-8 Data with the Generalized Split Window Algorithm

This work addresses the LST retrieval from Landsat\|8 data with the generalized split\|window algorithm.Firstly,radiative transfer modeling experiment is conducted using MODTRAN 4.0,fed with SeeBor V5 atmospheric profile database to build a data set of LST related to brightness temperatures in the bands 10 and 11 of Thermal Infrared Sensor(TIRS) on Landsat-8,Land Surface Emissivities(LSEs),viewing zenith angle and Total Precipitable Water(TPW).Secondly,based on the modeling data set,the unknown coefficients of the generalized split-window algorithm are obtained,and the algorithm sensitivity is analyzed.Then,LSTs are derived from the inter-calibrated and clear sky Landsat\|8 data with the generalized split\|window algorithm,in which LSEs are estimated from Landsat\|8 Operational Land Imager(OLI) data,and TPWs are extracted from the European Centre for Medium-range Weather Forecasts(ECMWF) reanalysis data.Finally,the results are validated with the Moderate resolution Imaging Spectroradiometer(MODIS) LST/LSE product(MOD11_L2 V5).The results show that the generalized split window algorithm developed in this work can accurately retrieve LST from the Landsat\|8 data,and the error is mainly come from the uncertainty of LSEs and TPW.Before and after correction of LSEs and TPW,the LST errors in this work are,respectively,-0.64 ±0.81 K and 0.10±0.68 K against the MOD11_L2 V5 product.