基于Landsat系列数据地表温度反演算法对比分析——以齐齐哈尔市辖区为例

Landsat热红外系列数据是地表温度反演的一项重要数据源。以齐齐哈尔市辖区为研究区域,基于2002、2008和2016年Landsat TM/ETM+/TIRS系列数据,分别采用单窗算法(MW算法)、单通道算法(SC算法)和辐射传输方程法(RTE算法)进行地表温度反演及对比分析,并利用MODIS地表温度产品对反演结果进行精度验证。结果表明:(1)基于Landsat系列数据,3种算法反演得到的地表温度的空间分布状况一致,总体上市区地表温度较高,水体区域温度最低;(2)基于ETM+数据,SC和RTE算法结果一致性较好,其中SC算法精度最高,MW算法在不同地物覆被区误差均较大;(3)MW算法基于TM数据反演精度最高,RTE算法次之,SC算法较差;(4)基于Landsat 8TIRS数据,SC算法精度最高,RTE算法误差较大。     

基于HJ-1B卫星数据的南京市地表温度反演研究

地表温度(LST)是全球变化的过程参数,应用HJ-1B-RS热红外数据,采用辐射传输法(RTE)、覃志豪单窗算法(Qins’)和普适性单通道算法(JM&S)对南京市地表温度进行反演。结果表明:3种算法均能较好地反映南京地区的地表温度趋势。RTE反演精度最高,与MODIS地温产品的差值多集中在2.1 K左右;Qins’的反演结果略低,温差多集中在3.87 K左右;而JM&S的结果明显偏低,温差多集中在5.96 K左右。结合土地利用类型图对地表温度进行分析,RTE温度结果中,温度最高的建设用地与温度最低的水体的温度相差4.1 K;Qins’温度结果中建设用地与水体的温度相差4.38 K;JM&S温度结果中建设用地与水体的温度相差2.15 K。RTE和Qins’更能体现不同土地利用类型之间的温度差异及对城市热岛的贡献。     

基于劈窗算法的Landsat 8影像地表温度反演

陆地表面温度（LST）是表征地表能量交换和地面特征的重要指标,目前遥感技术逐渐成为区域和全球尺度上LST反演的一种便捷工具,而采样不同算法及不同影像的热红外遥感LST反演研究层出不穷,其中基于Landsat数据的反演成果尤为突出。文章利用劈窗算法对Landsat 8遥感影像进行地表温度反演,对比探讨了根据经验值与借助MODIS热红外数据两种不同方式的LST反演结果,并进行北京市热红外波段辐射亮度温度比较,针对地表温度分级进行统计,分析了当地地表温度分布趋势。结果表明：劈窗算法下Landsat 8数据的反演温度更接近实际温度,精度较高且优于MODIS产品;北京市地表温度空间分布格局受地物结构与反射率所制约,高温区主要集中分布于中东部,中低温区分布与林地及水体分布结构较为吻合。     

重庆地表温度的遥感反演及其空间分异特征

地表温度是地表能量平衡研究的重要参数之一,为了提高重庆主城区夏季高湿热条件下地表温度的反演精度,结合MODTRAN模型与MERRA大气廓线数据,修正了大气透过率估算方程,基于2013年夏季Landsat 8TIRS第10波段数据和单窗算法,分别利用修正前后的大气透过率反演了地表温度,并将结果与0cm土壤表层温度观测数据进行了对比,最后,分析了地表温度随地形和土地覆被的空间分异特征。结果表明:(1)修正后的大气透过率较显著提高了地表温度的反演精度,平均绝对误差从4.89K减少至1.73K;(2)地表温度具有显著的地形分异特征,和海拔之间的相关系数为-0.542 6(极显著相关),垂直递减率约为1.17K/100m,随坡度增加而降低,且随不同坡向也存在较明显差异,平缓坡阳坡半阳坡半阴坡阴坡,平缓坡和阴坡之间相差约2.40K;此外,和地形遮蔽之间的相关系数为0.217 2(极显著相关),随着地形遮蔽的减弱而升高;(3)不同土地覆盖类型的地表温度之间差异显著,城镇的平均地表温度最高,湿地的最低,其他类型之间则相差较小。     

基于遥感数据的城市地表温度与土地覆盖定量研究

利用Landsat TM数据,以徐州市为研究区,采用单窗算法反演地表温度,通过混合像元分解和V-I-S(植被—不透水面层—土壤)模型将土地覆盖类型分解为对城市热环境具有重要影响的植被、土壤、不透水面层3个分量,最后利用得到的3种地物比例、直接分类后的土地覆盖类型和地表温度对研究区城市热岛的空间分布特征、地表温度与土地覆盖类型以及各种影响因子之间的关系进行定量研究。研究成果能够有效地应用于城市人居环境研究和生态环境过程分析中。     

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。     

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。     

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。     

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。     

广州市地表温度反演与土地利用覆盖变化关系研究

利用环境星1A/1B遥感影像,运用Jiménez-Munoz & Sobrino's普适性单通道算法定量反演广州市的地表温度(Land Surface Temperature,LST) ,结合MNF主成分分析和支持向量机获取的不透水面分布格局,利用面向对象分类方法获得了土地利用覆盖情况,重点研究广州市不透水面、土地覆盖和植被指数与城市热环境的定量关系。研究结果显示:基于大气水汽含量实测数据的JM&S普适性单通道算法反演结果更精确;广州市2009~2011年的不透水面面积和土地覆盖与平均地表温度相关性分析表明:广州市连续3 a呈现城市扩张的现象,城市热效应显著加剧;城市平均地表温度与不透水面面积呈现正相关,与城市的植被指数和裸土指数呈现负相关。     

河谷型城市土地利用类型及格局的热环境效应遥感分析——以兰州市为例

以河谷型城市兰州为例,采用Landsat ETM+遥感影像为基本数据源,定量反演了地表温度（LST）和植被指数（NDVI）,利用GIS空间分析方法,分析了LST和NDVI 在不同土地利用类型之间的差异以及二者之间的定量关系,并引入多样性和聚集度指数,讨论了在不同土地利用的空间组合下,LST和NDVI 的空间差异及相互关系。结果显示:LST和NDVI具有明显的相关性,中心城区LST表现出热岛效应,而NDVI则为低谷效应;土地利用斑块和类型两种尺度水平上LST和NDVI均具有明显负相关的线性关系,城市内部不同土地类型所产生的热环境效应不同;土地利用多样性越丰富、聚集度越小的区域,其温度对地表植被覆盖的敏感性越弱。     

喀斯特城市地表温度遥感反演算法比较

针对喀斯特城市快速扩展所引发的热环境问题,提出喀斯特山峰混合像元比辐射率估算方法,使Landsat 8遥感数据的地表温度反演算法适用于喀斯特城市,利用5种单通道算法和劈窗算法反演地表温度,分析反演精度和敏感性因子。结果表明:在我国南方喀斯特地区大气水分含量较高的情况下,单通道算法比劈窗算法精度更高,Jimenez单通道算法(JSC)和覃志豪单窗算法(QMW)更适用于喀斯特城市地表温度反演,反演值和实测值的误差在1.0℃内。反演地表温度的统计值以JSC算法与QMW算法相近,平均值的差值为0.26℃,标准差的差值为0.01℃,建筑和裸岩温度平均值的差值分别为0.43℃和0.54℃,高于水体和茂密植被;Jimenez劈窗算法与Rozenstein劈窗算法相近,平均值的差值为1.14℃,标准差的差值为0.19℃;Weng单通道算法在劈窗算法与JSC和QMW算法之间。各算法对比辐射率ε较敏感,ε每增加0.01,地表温度反演值误差增加0.4～0.7℃;除QMW算法反演值随近地面气温每增加1.0℃而引入近0.5℃误差外,各算法对近地面气温、大气总水分含量、大气透射率的敏感性相对较低。研究结果可为喀斯特城市热环境监测提供科学依据。     

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。     

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。     

基于通用分裂窗算法和Landsat-8数据的地表温度反演研究

基于通用分裂窗算法和Landsat-8数据开展地表温度(Land Surface Temperature,LST)反演研究。首先,使用MODTRAN和SeeBor V5数据库开展辐射传输模拟,建立LST与Landsat-8热红外传感器(Thermal InfraRed Sensor,TIRS)第10(10.9μm)和11波段(12.0μm)观测亮温、地表比辐射率(Land Surface Emissivities,LSEs)、观测角度和总可降水量(Total Precipitable Water,TPW)之间的关系。其次,对模拟数据进行分组,用多元线性回归求解算法系数,并进行敏感性分析。然后,从经过交叉辐射定标的晴空Landsat-8数据反演得到LST,其中LSEs从Landsat-8陆地成像仪(Operational Land Imager,OLI)数据估算,TPW从欧洲中尺度天气预报中心再分析数据提取。最后,用Terra卫星中分辨率成像光谱仪的LST/比辐射率产品(MOD11_L2 V5)对反演结果进行验证。该算法能够较精确地从Landsat-8数据反演LST,主要误差源自LSEs和TPW的不确定性,对LSEs和TPW纠正前后的误差分别为-0.64±0.81K和0.10±0.68K。     

基于ETM+热红外遥感的武汉市城市地温反演研究

利用ERDAS及ArcGIS软件,通过影像预处理、影像解译,最终提取城区土地分类信息;由单窗算法,以大气辐射传输方程简化的单波段地表温度反演算法为基础,对武汉市2002年ETM+热红外遥感影像及相关气象资料进行地面亮温反演和不同土地利用类型的热效应定量评价研究.研究中采用了基于归一化差值植被指数和基于地表分类相结合的方法确定地表发射率;地温反演引入了热效应贡献度和区域热单元权重指数,对不同地表类型的热贡献度以及植被覆盖与地表温度的关系进行分析.     

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。     

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。     

基于FY3B-MWRI数据新疆区域积雪深度反演

积雪深度不仅用于研究地表辐射平衡,还可以研究积雪的水文效应,是天气和水文模型运行的必要参数,同时,积雪深度监测在融雪径流预报、水资源管理以及洪水控制方面都具有重要作用。我国现有积雪深度反演算法所依据的站点数据主要分布在我国中部、东部、南部,而在西北的新疆地区站点数据相对较少,因此造成了现有算法在新疆地区的雪深反演精度较差。选择新疆地区作为研究区,以FY3B-MWRI为数据源,根据该地区的地形特征和地面土地覆盖类型特征,利用回归分析方法,研究了该区域内林地、农田和草地3种土地覆盖类型的积雪深度反演算法,并结合地面实测积雪深度数据,对算法精度进行验证。结果显示,林地、农田和草地3种土地覆盖类型的雪深反演结果的R2与RMSE分别为0.758,2.58、0.729,3.21、0.854,5.70,表明该算法对新疆地区积雪深度反演得到了较高的反演精度。