基于MODIS 影像数据的劈窗算法研究及其参数确定

劈窗算法是目前由热红外遥感数据获取陆面温度的主要方法。在介绍劈窗算法的一般表现形式的基础上, 我们推导出适合于MOD IS 影像数据的劈窗算法。大气透过率和地表比辐射率是求解地表温度的两个关键参数。由于MOD IS 图像分辨率较低,MOD IS 像元主要由水面、植被和裸土3种地物类型构成, 故可依据这3 种地物的构成比例确定地表比辐射率。从遥感影像上反演大气的水汽含量, 再根据大气水汽含量与大气透过率的关系计算出大气透过率。最后将文中推导的劈窗算法用于江苏省地表温度的反演。反演出来的地表温度图显示出明显的地表温度空间差异、城市热岛效应和不同的地物类型。     

基于MODIS 数据的南京市夏季城市热岛分析

城市热岛效应是当前城市环境与气候主要研究内容之一。地表温度与气温之间有紧密的联系, 通过遥感反演地表温度已成为研究城市热岛的有效手段。利用MODIS 数据, 获取地表比辐射率与大气透过率2 个基本参数, 运用劈窗算法反演南京市夏季地表温度。基于不同时相的MODIS数据, 对4 幅南京市地表温度反演图像作对比分析, 较好地显示了南京市城市热岛的空间分布、热岛范围和城市热岛强度, 结果表明南京市夏季热岛问题较为严重。     

高寒山区地表温度反演算法对比——以疏勒河上游流域为例

针对高寒山区地表温度遥感反演误差较大的问题,对比了三种地表温度算法在疏勒河上游流域的适用性。利用2009~2011年9景Landsat-5TM影像和气象数据,对疏勒河上游高寒山区的地表温度进行了反演。地表实测数据与三种地表温度算法及三种比辐射率计算方案下的反演结果进行对比检验的结果表明:辐射传输方程和普适性单通道算法的反演结果均高于实测值,单窗算法的误差最小,采用单窗地表温度算法结合覃志豪等的比辐射率计算方案反演的地表温度与实测结果的一致性最好。对2010年6月9日的不同下垫面类型的地表温度的空间分布分析结果表明,优化组合的地表温度算法反演的地表温度能够反映疏勒河上游山区不同地物的地表温度差别。     

陆地资源卫星数据地表温度反演

针对目前陆地资源卫星(Landsat-8)地表温度反演过程中,地表比辐射率估计和敏感度分析中存在的不足,对这两方面进行改进,提出了一种基于Landsat-8数据的地表温度反演算法。该文主要从劈窗算法的推导、参数的估计、敏感度分析等方面进行研究。对于大气透过率的计算,首先用与其有相邻过境时间的MODIS数据反演大气水汽含量,然后通过中分辨率的大气传输模型(Moderate Resolution Atmospheric Transmission,MODTRAN)模拟大气水汽含量与透过率的关系,最后得到大气透过率。对于发射率的计算,通过分类和ASTER提供的光谱库获得。将大气辐射传输方程模拟的地表温度与此劈窗算法反演的地表温度做比较,结果表明平均精度达到0.82K。最后研究了大气水汽含量对地表温度的影响。结果显示,当大气水汽含量误差为0.1g/cm2,其对温度反演精度的影响最大不超过0.3K;当大气水汽含量的反演误差较大的时候,其对温度反演精度的影响较大。     

基于空间建模的南京地区ETM＋遥感影像地表温度反演研究

根据2000年6月南京地区的Landsat 7 ETM 影像利用单窗算法和单通道算法两种反演方法,在ERDAS的空间建模模块中进行地表温度的反演,并对两种算法的反演结果进行了对比分析.结果表明:两种算法反演的地表温度总体比较接近,但单通道算法反演的结果要高一些,平均比单窗算法高1.29℃;两种算法反演的结果都比亮度温度高,其中,单窗算法比亮温高1.68℃,而单通道算法的这一差值为5.74℃.     

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。     

基于Landsat-5 TM数据的河南省白沙灌区地表温度反演研究

地表温度是土壤水分和植被水分状态的指示计,在干旱遥感监测中有重要作用。应用Landsat-5 TM遥感数据和气象资料,利用归一化植被指数(NDVI)区分地表覆盖类型,采用Van de Griend的经验公式法结合典型地表赋值法计算出地表比辐射率。用单窗算法和单通道算法分别对河南省白沙灌区地表温度进行反演,结果表明:两种方法均能较好地将白沙灌区地表温度分布趋势反映出来,单窗算法的反演精度较高,绝对误差为1.1 ℃,更适宜白沙灌区的地表温度反演,进而可以提高灌区旱情遥感监测精度。     

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。     

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。     

一个从ASTER数据中反演地表温度的劈窗算法

根据EOS/Terra多传感器的特点,提出了一个适合于ASTER数据的劈窗算法,该算法包括两个必要的参数大气透过率和比辐射率。大气透过率是通过利用MODIS的3个近红外波段反演大气水汽含量并根据大气水汽含量与热红外波段的统计关系计算得到。由于MODIS和ASTER是在同一颗星上,这种大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。对于比辐射率则是通过分类和JPL提高的光谱库获得。最后用大气模拟校正法对算法进行了验证,在比辐射率已知的情况下,当使用大气模型模拟得到的大气透过率时,对Planck函数优化简化后的平均精度为0.56℃;当大气透过率是从大气水汽含量计算得到时,优化平均精度为0.58℃,表明该算法可行。     

基于静止气象卫星数据的地表温度遥感估算

基于分裂窗算法和地表温度日周期变化模型,探讨了利用多时相热红外遥感数据反演地表温度的方法。首先,利用分裂窗算法及地表温度日周期变化形式,推导了多时相遥感数据反演地表温度的方法。其次,利用辐射传输模型(MODTRAN),以2006年夏季在禹城观测的3 d地表温度、气温及大气水汽数据做为输入参数、变化观测角及比辐射率,模拟了一日多个时刻与风云二号(F-2D)波谱响应函数一致的亮温数据,基于此,模拟数据库对所提算法进行了检验。最后,利用2010年9月30日FY-2D多时相热红外数据对新疆区域地表温度进行了反演,并与相应时刻的MODIS地表温度产品进行了比较。结果表明：利用模拟遥感数据反演地表温度,模拟值与估算值的相关系数达0.9,均方根误差在1.5 K以内;利用在轨FY-2D热红外数据反演得到的地表温度与MODIS温度产品趋势基本一致,两者的相关性达到了0.5,均方根误差为4.4 K。需要说明的是,此方法仅满足于晴朗无云的条件。     

基于Landsat8的地表温度反演算法研究——以滇池流域为例

2013年2月11日Landsat 8在加州范德堡空军基地发射升空,其携带的热红外传感器为反演地表温度提供了一种新的数据,但目前尚没有针对Landsat 8热红外波段反演地表温度的算法。针对Landsat 8第10波段特征,对现有反演地表温度的单窗算法进行了参数修正,得到了用Landsat 8第10波段反演地表温度的单窗算法系数。为了评价修正后算法的精度,用MODTRAN模拟地表温度为20、30和40℃时大气水汽含量分别为1.0、1.5、2.0和2.5g·cm-2传感器高度处的热辐射值,再将模拟数据用修正后的单窗算法反演地表温度,结果表明:地表温度越低、大气水汽含量越低,误差越小;模拟结果的平均误差为0.74℃。说明基于Landsat 8第10波段用修正后的单窗算法反演地表温度是可行的,该方法可为地表温度反演提供一种途径。最后以滇池流域为例,基于2013年4月20日的Landsat 8热红外数据反演了滇池流域的地表温度,并分析了滇池流域地表温度的分布特征。     

热红外遥感地表温度反演研究现状与发展趋势

从Planck函数和热红外辐射传输方程出发,概述了热红外遥感反演地表温度的基本原理,总结了当前反演地表温度常用到的热红外遥感器及相应波段。将热红外遥感地表温度反演算法分为单通道、劈窗和多通道3大类,分析了每一类中较具代表性算法的原理、适用条件及精确度。从热红外遥感机理、发射率、环境辐射、混合像元、大气影响等方面概述了热红外遥感反演地表温度面临的主要问题,并对热红外遥感地表温度反演的发展趋势进行了展望。     

基于分组分裂窗算法的MTSAT-1R地表温度反演

以黑河流域上游和中游为研究区,针对MTSAT-1R卫星数据,运用MODTRAN 4.0及晴空状态下的TIGR大气廓线数据,发展了根据地表比辐射率、大气水汽含量、传感器观测角度分组模拟的分裂窗算法,进行地表温度反演。分析了传感器噪声、地表比辐射率和大气水汽含量3个参数对该算法的影响,并结合模拟数据、地面观测数据及MODIS地表温度产品,对反演结果进行分析评价。结果表明:当传感器垂直观测或大气水汽含量小于2.5g/cm2时,反演精度在1K以内;反演结果与地面观测数据对比差异较小,在阿柔站RMSE为3.7 K(日)/1.4 K(夜),在盈科站RMSE为2.4K(日)/2.0K(夜);与MODIS地表温度产品比较,空间分布呈现出一致性。总之,分组分裂窗算法能较好地用于MTSAT-1R卫星数据进行地表温度反演。     

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。     

地表温度热红外遥感反演的研究现状及其发展趋势

区域性或全球性的地表温度, 只有通过遥感手段才能获得, 在诸多应用中是一个非常重要的参数。地表温度反演是热红外遥感研究的热点和难点之一, 大气校正、温度与比辐射率的分离是必须考虑的两个重要方面。近年来有关的研究非常多, 主要反演方法可分为5 类: 单通道方法、分裂窗(双波段) 方法、多波段温度- 比辐射率分离方法、多角度温度反演方法和多角度与多通道相结合的方法。这些方法都各有利弊, 如何提高反演的精度和模型的适用性是地表温度热红外遥感的未来发展趋势, 理论和实验相结合的多种信息源的综合应用成为必然的要求。     

MODIS数据陆面温度反演研究

陆面温度(LST,landsurfacetemperature)是研究地表和大气之间物质交换和能量交换的重要参数。基于推广的分裂窗算法,运用MODIS数据,在青海湖地区(200km*200km)进行了陆面温度反演研究。在实验区,推广的分裂窗算法传感器高度角大于40°,将原分裂窗的区间进行了细化,与分裂窗方法相比,传感器高度角在40°～50°,大气柱水汽含量小于1.5cm时,反演精度较高,小于1K;与分裂窗方法类似,该方法对比辐射率和传感器仪器质量的误差不甚敏感。     

Landsat-8数据地表温度反演单通道修正算法

Jiménez-Mu1oz提出的陆地表面温度(land surface temperature,LST)反演单通道(single-channel,SC)算法因其需要的大气参数少而被广泛应用,但大气水汽含量较高时,SC算法精度会受到影响。该文针对不同的大气模式建立适应于Landsat-8数据且在大气水汽含量为0~4.5g/cm~3时也有较高精度的单通道修正(singlechannel correction,SCC)算法。在1976美国标准大气、热带大气、中纬度冬季和中纬度夏季4种大气模式条件下,SCC算法平均误差/平均绝对误差分别为0.04/0.55K、0.07/0.25K、0.02/0.51K、-0.08/0.24K。通过参数敏感性分析发现,LST反演误差与地表比辐射率、大气水汽含量呈线性相关。地表比辐射率每改变0.01,SCC算法反演得到的LST在不同大气模式下大约改变0.46K、0.49K、0.46K、0.47K。大气水汽含量每改变0.1g/cm~3,SCC算法反演得到的LST在不同大气模式下大约改变0.41K、0.10K、0.06K、0.06K、0.13K。     

基于地理加权回归模型遥感近地表气温估算

利用地理加权回归模型（Geographically Weighted Regression, GWR），考虑近地表气温与自变量之间的空间非平稳性，实现重庆市近地表气温的估算。并将估算结果与地表温度-植被指数模型（Temperature-Vegetation Index, TVX）和普通线性回归模型（Ordinary Least Square, OLS）估算结果进行对比分析。研究结果表明，3种算法估算的近地表气温与站点实测数据空间分布趋势保持一致，但不同日期GWR算法估算的近地表气温与站点实测值间的RMSE均低于OLS和TVX算法，其中TVX算法估算值与实测值间的RMSE均值为2.83℃；OLS算法RMSE均值为1.65℃；GWR算法RMSE均值为1.58℃。此外，各验证站点处GWR算法估算的近地表气温与实测值间的差值（Temperature Deference, TD）的标准差以及绝对值的均值均小于OLS和TVX算法，体现出GWR算法在复杂地表环境下近地表气温的估算优势。     

多波段微波辐射计反演大气温湿廓线性能分析

为了为星载、机载以及地基微波大气温湿廓线探测仪通道的设置、大气参数反演指标的论证、反演算法的开发以及反演产品的质量评定提供参考依据,基于快速辐射传输模式(RTTOV10)和大气参数廓线库,建立了基于神经网络的微波大气温湿廓线反演性能分析方法,分析了反演方法、通道选择、亮温观测误差和地表比辐射率等因素对大气温湿廓线反演性能的影响。模拟试验分析表明:1神经网络反演算法显著优于线性统计回归反演算法,特别是对亮温观测噪声的敏感性相对较弱;2183.31GHz附近的水汽探测通道能够为大气温度廓线反演提供一定的信息;118.75GHz附近的温度探测通道对整个大气的温度反演均有明显影响,在200hPa附近误差的影响量达0.4K;350~60GHz和118.75GHz附近的温度探测通道对基于183.31GHz附近通道的湿度廓线反演具有重要影响,而且存在一定的互补性;4微波亮温观测误差以及地表比辐射率假定对大气温湿廓线反演有着显著影响。