中国江淮、黄淮地区陆面微波比辐射率的变化特征

陆面微波比辐射率较高且易变,造成陆面上反演降水以及其它大气参数较为困难。对于地表特征复杂的中国,陆面微波比辐射率的研究还很有限。通过利用Tropical Rainfall Measuring Mission（TRMM）卫星上同步扫描的VIRS（红外和可见光）与TMI（微波）资料以及微波辐射传输模式反演了中国江淮、黄淮地区陆面微波比辐射率。然后,结合MODIS提供的地表类型数据,分析了江淮、黄淮地区不同地表微波比辐射率的时空变化特征。 结果表明该地区的农作物地表比辐射率最小,垂直与水平比辐射率极化差最大;而森林地表比辐射率最大,极化差最小。此外,不同地表的微波比辐射率昼夜变化明显,季节变化不明显。比辐射率估算误差中,地表温度、微波亮温和大气相对湿度3因子的准确计算对22GHz和85GHz的影响较为明显,对其它通道影响较小。对于小于85GHZ的通道,比辐射率估算精度受微波亮温的影响最为明显,地表温度其次,相对湿度最小;对于高频85OHz,相对湿度的影响最明显,其次是微波亮温,最后是地表温度。     

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。     

青藏高原地表微波比辐射率的反演与分析

利用Aqua卫星上同时搭载的AMSR-E和MODIS提供同步观测的微波和红外资料,反演青藏高原地区陆面微波比辐射率。结合MODIS反演的地表类型资料,分析该地区陆地微波比辐射率随地表类型、微波频率、不同时间尺度的变化特征。结果表明：该地区主要的3种地表类型中,草地比辐射率普遍高于裸地和灌木丛,并且后两者比辐射率的量值和...     

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。     

TM热红外波段等效比辐射率估算

地表比辐射率是热红外遥感获取地表温度必不可少的参数。目前,实验室或野外实际测量的都是8~14um热红外波段范围内的地表比辐射率,这与Landsat 5 TM热红外波段10.4~12.5um范围内的地表比辐射率还存在着一定的差异。本文将着重探讨TM热红外范围内地表比辐射率的估算方法,然后根据估算出的地表比辐射率,利用覃志豪等提出的单窗算法[1~2],对北京城八区进行地表温度反演。结果表明,该方法能获得较为合理的地表温度反演结果。     

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。     

作物蒸散发模型研究中的地表温度反演

针对美国加州Merced县2002年8月9日的ETM+影像,利用单窗温度反演算法反演了遥感蒸散发模型S SEBI中的地表温度参数。选用了ETM+热红外的高增益61波段,对热红外波段反射率较低的植被覆盖研究区进行了地表温度反演,并反演地表温度所需要的几个参数：亮度温度、地表比辐射率、大气透射率。最后得出了研究区域地表温度分布结果：水体地表温度低于植被作物,建筑或道路的地表温度最高。不同地物间地温是不同的,作为蒸散发反演的重要参数,这将影响不同地物蒸散发估算。因此精确反演地表温度,将为今后蒸散发的研究打好基础。     

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。     

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。     

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。     

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。     

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。     

Evaluating NDVI-based emissivities of MODIS bands 31 and 32 using emissivities derived by Day/Night LST algorithm

Surface emissivity estimation is a significant factor for the land surface temperature estimation from remotely sensed data. For fully vegetated surfaces, the emissivity estimation is performed in a simple manner since the emissivity is relatively uniform. However, for arid land with sparse vegetation, the estimation is more complicated since the emissivity of the exposed soil and rock is highly variable. In this study, mean and difference emissivity for bands 31 and 32 of MODIS sensor have been derived based on NDVI values. First, the NDVI thresholds have been determined to separate bare soil, partially vegetated soil and fully vegetated land. Then regression relations have been derived to estimate mean and difference emissivity of the bare soil samples and partially vegetated surfaces. A constant emissivity is also used for fully vegetated area. Along with the correlations, standard deviations of the regression relations have been examined for a set of representative soil types. Standard deviations smaller than 0.003 in mean emissivity and smaller than 0.004 in difference emissivity are resulted in regression linear relations. Evaluation of the NDVI derived regression relations has been performed using the results of MODIS Day/Night Land Surface Temperature (LST) algorithm on a pair of MODIS images. Using around 45,500 pixels with different soil and land cover types, emissivity of each pixel in bands 31 and 32 have been estimated. The calculated emissivities have been compared with emissivities calculated by MODIS Day/Night LST algorithm. Biases and standard deviations of NDVI-based relations show relatively high agreement for mean and difference emissivity relations with Day/Night method results. It may be concluded that the proposed algorithm can be used as a rather simple alternative to complex emissivity estimation algorithms.     

Land surface temperature retrieval from LANDSAT TM 5

In this paper, three methods to retrieve the land surface temperature (LST) from thermal infrared data supplied by band 6 of the Thematic Mapper (TM) sensor onboard the Landsat 5 satellite are compared. The first of them lies on the estimation of the land surface temperature from the radiative transfer equation using in situ radiosounding data. The others two are the mono-window algorithm developed by Qin et al. [International Journal of Remote Sensing 22 (2001) 3719] and the single-channel algorithm developed by Jiménez-Muñoz and Sobrino [Journal of Geophysical Research 108 (2003)]. The land surface emissivity (LSE) values needed in order to apply these methods have been estimated from a methodology that uses the visible and near infrared bands. Finally, we present a comparison between the LST measured in situ and the retrieved by the algorithms over an agricultural region of Spain (La Plana de Requena-Utiel). The results show a root mean square deviation (rmsd) of 0.009 for emissivity and lower than 1 K for land surface temperature when the Jiménez-Muñoz algorithm is used.     

HJ-1B卫星遥感数据在重庆市城市热环境监测的应用分析

本文以MODIS反演大气透射率,以HJ-1B/CCD分类结果反演地表比辐射率,并基于单窗算法,利用HJ-1B/IRS4数据反演地表温度.在此基础上,提取研究区的热场变异指数来分析重庆热岛空间分布特征,并就NDVI与NDBI对热岛效应的影响进行了分析.其结果如下:1)重庆城市热岛大致位于中梁山、铜锣山之间,呈东北、西南走向分布;2)热岛中心不在市中心,而是集中在大渡口工业园区、江北机场这些能耗大、人口密集区域,热岛强度范围在5?C-10?C之间;3)接近长江、嘉陵江水域的建筑用地密集区域,其热岛效应并不明显;4)NDVI与热岛强度呈负相关关系,NDBI与热岛强度呈现较为明显的正相关关系,二者对热岛都有重要影响,而NDBI的影响更大.因此,利用HJ-1B数据监测城市热环境,能较好地揭示重庆城市热岛空间分布特征,为城市环境监测与改善提供参考.