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。     

环境一号B星热红外波段单通道算法温度反演

文中在考虑环境一号B星(HJ-1B)热红外波段(infrared scanner,IRS4)光谱响应函数和有效波长的基础上,通过MODTRAN4模型模拟,对Jimenez-Munoz和Sobrino(JM&S)单通道算法中的大气函数进行改进,重新计算得到了适合HJ-1B星IRS4地表温度(land surface temperature,LST)反演的3个大气函数公式,并反演了福州地区的地表温度.采用基于星上辐亮度法对反演的地表温度进行精度评价,并将反演的地表温度与JM&S算法、段四波等修正的JM&S算法反演的地表温度进行对比分析.结果表明:使用文中改进后的大气参数对HJ-1B星IRS4进行地表温度反演,可取得较好结果.     

天宫二号数据地表温度反演及其在城市群热环境监测中的应用

根据天宫二号宽波段成像仪热红外谱段的特点,提出了一种适用于天宫二号数据的劈窗算法,并以苏南城市群为研究区,进行了地表温度的反演。在此基础上,通过SUHI(Surface Urban Heat Lsland)指标分析了苏南城市群热环境空间分布特征。结果表明:劈窗算法可以有效地应用于天宫二号热红外数据,地表温度反演结果的均方根误差在1K以内;研究区地表温度结果与土地利用类型有较好的一致性,建筑用地温度最高,水体最低,苏锡常城市群形成一个整体热岛效应,SUHI指标能有效监测城市群的热岛强度及其空间分布。     

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。     

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。     

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Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析

采用辐射传输方程法(RTE)、单窗算法(MW)和单通道算法(SC)3种算法及相关参数,结合三河坝流域数据对TIRS10/Landsat 8遥感数据反演的地表温度(LST)进行研究和分析,并对MW算法中的参数进行了修正。输出了流域LST灰度图和密度分割图,LST的直方图和交叉验证散点图用于LST反演算法结果的比较。3种算法计算LST的像元值线性拟合程度类似,空间分布一致,其中RTE与SC算法精度接近一致差值在0~0.05K区间范围内,MW算法的LST偏高于其他2种算法差值在0~1.27K区间范围内。对该流域不同土地覆盖类型的地表温度进行比较,反演结果可有效根据不同土地覆盖类型反演出地表热场细部结构,显示地表温度的细节信息。将这3种算法获取的LST值与MODIS LST产品值进行比较,结果表明两者之间显著相关,有较高的一致性。通过3种反演LST算法对TIRS10/Landsat 8遥感数据进行细致和精确的分析,为其他热红外波段卫星数据反演LST的算法提供一定的参考,通过对不同土地覆盖类型LST的评价与比较,也为后续提高LST反演精度提供依据。     

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。     

利用Landsat-8影像的南昌地区热岛效应研究

针对南昌地区热岛效应问题,提出采用改进的单窗算法反演地表温度,在利用实测数据验证了本算法可靠性的同时,分析了南昌地区热岛效应的空间分布与季节变化特征及其与植被覆盖度、土地利用分类、水体等影响因子之间的关系。结果表明,该文所用单窗算法是有效的,南昌地区热岛时空现象明显,秋季的热岛效应强度最强,冬春季次之,夏季最弱。不同土地利用类型对热岛效应影响不同;地表温度与植被覆盖度之间存在明显的负线性相关;水体对降低地表温度效果显著。     

Comparative Analysis on Three Land Surface Temperature Inversion Algorithm based on Landsat 8 Data over Sanheba Basin

The Land Surface Temperature (LST) of TIRS10 / Landsat 8 remote sensing data is studied and analyzed by combining the data and related parameters of Sanheba basin,and the LST inversion algorithm are used the Radiative Transfer Equation Method (RTE),Mono\|Window algorithm (MW) and Single\|Channel Method (SC).The parameters of the MW algorithm are corrected.The LST gray scale and density segmentation graphs,the histogram of LST and the cross validation flank are used to compare the results of the LST inversion algorithm.The results show that the three kinds of algorithms are similar to the linear fitting degree of LST,and the spatial distribution is consistent.The RTE and SC algorithm are close to each other,the average error of algorithm is 0~0.05 K.the LST of MW algorithm is higher than that of the other two algorithms,the average error of algorithm is 0~1.27 K.The LST of different land cover types in this basin is compared,and the inversion results can effectively reflect the details of the surface thermal field structure according to the different land cover types.The LST values obtained by these three algorithms are compared with the MODIS LST product values.The results show that there is a significant correlation between the LST values and the MODIS LST products.In this paper,3 kinds of the LST inversion algorithms are analyzed detailed accurate on TIRS10/Landsat 8 remote sensing data,provide a reference for other thermal infrared satellite data inversion LST algorithm,but also for the subsequent LST improve the accuracy of inversion basis.     

Algorithms Comparison of Land Surface Temperature Retrieval from Landsat Series Data：A Case Study in Qiqihar，China

Land Surface Temperature（LST)is considered to be one of the significant indicators of urban environment analysis.Landsat thermal infrared series data is an important data source for retrieving surface temperature.In this paper，the thermal infrared band of the Landsat data in 2002，2008 and 2016 were used to retrieve LST by three different algorithms in municipal area of Qiqihar，China.These algorithms were the Mono-Window algorithm（MW algorithm)，the Single Channel algorithm（SC algorithm) and the Radiation Transport Equation method（RTE algorithm).And the results of the retrieval were compared to each other and verified by MODIS surface temperature products.The LST distribution maps were accomplished according to the retrieval results.The results showed that：(1)The spatial distribution of the LST obtained by the retrieval of the Landsat series by the three algorithms is consistent，and the LSTof the urban center is higher and thetemperature of water is the lowest；(2)Based on ETM+ data，the consistency between SC and RTE algorithm results is good，among which the SC algorithm has the highest precision，and the MW algorithm has large errors in different land cover areas；(3)The retrieval results by MW algorithm based on the TM data has the highest accuracy，RTE algorithm results is second，and the LST form SC algorithm is less consistent with the corresponding MODIS temperature products；(4)Based on the Landsat 8 TIRS data，the SC algorithm has the highest accuracy and the RTE algorithm has a large error.     

地表温度遥感中大气平均作用温度估算模型研究

大气平均作用温度Ta是地表温度遥感单窗算法中一个关键的参数,利用2008~2011年全国123个探空站点资料,针对大气水汽量的垂直分布特征,分析了利用近地层气温T0估算大气有效平均温度的可行性;进一步分析了T0和Ta之间的相关性,建立了适合我国地区大气平均温度估算的最佳模型Ta=44.97098+0.80512 T0,模型的决定系数R²为0.859,均方根误差为4.198 K。通过对44幅HJ\|1B/IRS热红外图像地温反演的敏感性分析,结果表明:模型估算的Ta用于地表温度反演时的误差为1.734 K;当大气透射率τ很小时,模型估算的Ta误差对地温反演很敏感,较小的估算误差会给地温反演带来很大的误差;随着大气透射率τ的增加,Ta的估算误差对地温反演的敏感性逐渐降低。
     

Land Surface Temperature Data Fusion of Landsat ETM and MODISby Combining TsHARP and STITFM Model

Land Surface Temperature (LST) is an important parameter that describes energy balance of substance and energy exchange between the surface and the atmosphere,and LST has widely used in the fields of urban heat island effect,soil moisture and surface radiative flux.Currently,no satellite sensor can deliver thermal infrared data at both high temporal resolution and spatial resolution,which strongly limits the wide application of thermal infrared data.Based on the MODIS land surface temperature product and Landsat ETM+image,a temporal and spatial fusion method is proposed by combining the TsHARP (Thermal sHARPening) model with the STITFM (Spatio\|Temporal Integrated Temperature Fusion Model) algorithm,defined as CTsSTITFM model in this study.The TsHARP method is used to downscale the 1 km MODIS land surface temperature image to LST data at spatial resolution of 250 m.Then the accuracy is verified by the retrieval LST from Landsat ETM+ image at the same time.Land surface temperature image at 30 m spatial scale is predicted by fusing Landsat ETM+ and downscaling MODIS data using STITFM model.The fusion LST image is validated by the estimated LST from Landsat ETM+ data for the same predicted.The results show that the proposed method has a better precision comparing to the STITFM algorithm.Under the default parameter setting,the predicted LST values using CTsSTITFM fusion method have a root mean square error (RMSE) less than 1.33 K.By adjusting the window size of CTsSTITFM fusion method,the fusion results in the selected areas show some regularity with the increasing of the window.In general,a reasonable window size set may slightly improve the effects of LST fusion.The CTsSTITFM fusion method can solve the problem of mixed pixels caused by coarse\|scale MODIS surface temperature images to some degree.     

FY3A/MERSI地表温度反演

MERSI是我国第二代极轨气象卫星上的重要传感器,可获取高空间分辨率和高时间分辨率的对地观测影像。为使Jimènez-Mu珘nozSobrino算法更适用于FY3A/MERSI传感器通道特性,更新了大气函数的估算系数,并引入观测角度因子,以获取更为精确像元间更为平滑的地表温度。用MODTRAN4模拟验证该算法精度,得引入角度因子后反演精度显著提升,所有角度下平均误差为-0.6±2.2K。用实测的敦煌戈壁地表温度和MODIS地表温度产品评价MERSI反演结果,显示MERSI地表温度的空间分布准确,结果精度也较高。与实测温度对比,平均误差为1.74K,均方根误差小于1.9K。研究区域与MODIS地表温度间差异平均为2.6307K。虽然会受云检测精度和观测亮温偏高的影响,由MERSI反演的高精度地表温度在相关科研和业务方面仍然具有极好的应用前景。     

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。     

基于被动微波与时空联合算法的云下像元LST重建

地表温度作为衡量地球表面水热平衡的关键参数,具有两大时空分布特征:第一,空间分布一致性,即属性相近的像元地表温度与其地表亮温间的相关关系相对稳定;第二,时间序列周期性,且同一地区时间越接近地表温度值越相似。基于这两大特征将空间统计模型与时间序列滤波相结合,提出了用于云下像元地表温度重建的时空联合算法。以2008年MODIS地表温度产品为研究对象,采用Landsat TM数据和AMSR_E地表亮温数据重建中国9个省份的地表温度值,并与基于MODIS地表分类产品的多通道统计模型重建结果进行对比。实验结果表明,所提算法实用性强,能有效实现大面积复杂下垫面区域的地表温度重建;平均重建误差约为1.2 K,相较于基于下垫面分类的多通道统计模型下降了76%,算法精度明显提高。
