利用MODIS数据反演沙漠化地区地表温度的简化模式——以陕西北部地区为例

利用MODIS数据可见光波段、近红外波段和中红外波段,获得提取地表温度所需要的2个基本参数:地表比辐射率和大气透过率;然后对热红外波段b31、b32运用劈窗算法提取出陕北地区地表温度;并利用两种不同经验公式参数得出的结果与相应位置气象观测站观测的卫星过境时刻的地表气温进行比较.结果表明,劈窗算法简化模式能获得较准确的地表温度,符合陕北地区的实际地表状况,印证了应用该简化模式可以在大范围内快速实时监测地表温度.     

基于RTTOV模式的大气二氧化碳反演参数敏感性分析

大气二氧化碳是开展全球气候变化和碳循环研究的关键数据。卫星遥感技术与模式模拟相结合的反演方法已成为获取该数据的重要手段,但模式输入参数本身的误差会对大气二氧化碳反演精度产生影响,须在反演算法设计中加以关注。本文利用RTTOV10快速辐射传输模式模拟Aqua/AIRS红外探测仪17个大气二氧化碳反演通道,计算了这些通道上大气顶出射辐射对温度廓线、臭氧廓线、水汽廓线、地表温度和地表发射率的参数误差的不确定性,并与二氧化碳增加0.5%时造成的不确定性进行对比,分析二氧化碳对上述参数误差的敏感性。结果表明,温度廓线误差是干扰AIRS大气二氧化碳反演的主要因素,其次是臭氧廓线误差,而水汽廓线、地表温度和地表发射率的误差对二氧化碳反演的影响在除去个别通道后可忽略不计。最后,本文以通道为单位,确定了各通道上的高敏感参数、敏感参数和不敏感参数,为二氧化碳反演通道的选择和反演算法的设计提供了参考。     

TM热波段图像的地表温度反演算法与实验分析

目前利用LandsatTM热波段数据反演地表温度有3种算法:辐射传导方程法、单窗算法和单通道算法。辐射传导方程法由于计算过程复杂且需要实时大气剖面数据,因而实际应用较为困难。单窗算法和单通道算法对Landsat热波段反演地表温度能获得较高精度。单窗算法所需的大气参数包括近地表气温和大气水分含量,单通道算法所需的大气参数仅为大气水分含量。地表辐射率为这两种算法共有的关键参数。本文以福建省福州市为研究区,使用1989年6月15日LandsatTM数据,利用单窗算法和单通道算法对研究区进行地表温度反演,并将这两种算法的反演结果与研究区反演的亮度温度进行了比较,结果表明:(1)两种算法反演的结果总体趋势比较接近,但单窗算法的结果相对于单通道算法较低,二者相差约2.45℃;(2)两种算法的结果与亮度温度相比,单窗算法要高出约2.84℃,而单通道算法则要高出约5.28℃。     

基于HJ-1B/IRS的重庆市热岛效应监测应用

本文利用MODIS数据反演大气透射率,利用HJ-1B/CCD进行分类,并反演地表比辐射率.在此基础上,借鉴单窗算法,利用HJ-1B/IRS数据反演得到地表温度,并利用MODIS温度产品对反演结果进行了初步验证.最后利用热场变异指数进一步分析重庆的热岛空间分布特征,并对NDVI与NDBI对热岛效应的影响进行了分析.其结论...     

GPT2模型用于SDCORS反演可降水汽精度评估

利用山东区域及邻近探空站,分析GPT2模型估算气象参数（气温和气压）的精度,并将GPT2模型应用于SDCORS反演可降水汽中,分析评估其精度。研究表明,GPT2模型估算气温和气压的偏差均值分别为-1.61 ℃和0.53 Pa,标准差均值分别为2.84 ℃和4.42 Pa,均方根误差均值分别为3.27 ℃和4.49 Pa;GPT2模型估算的气象参数解算的SDCORS/PWV的偏差均值为1.22 mm,标准差均值为3.05 mm,均方根误差均值为3.46 mm,较GPT模型精度高,可靠性强。对于未配备气象传感器的CORS站,基于GPT2模型估算气温和气压,有助于利用区域CORS反演可降水汽,有效实现对大气可降水量的监测与预报。     

GPT3模型反演GNSS大气可降水量精度评定

采用中国区域2017~2018年与GNSS站并址的49个探空站资料对GPT3模型估算的气象参数的精度进行评估,再利用49个GNSS站结合GPT3模型估算的气象参数反演日均大气可降水量PWV,并采用与GNSS站并址的探空站数据对其精度进行评定。实验得出：1）在中国地区,1°分辨率的GPT3模型的精度和稳定性优于5°分辨率,其气压、气温和大气加权平均温度T_m的偏差均值分别为0.73 hPa、1.34 K和－1.67 K,均方根误差均值分别为4.21 hPa、3.75 K和4.15 K;2）利用GPT3模型提供的气温结合Bevis经验公式反演的PWV与GPT3模型提供的Tm反演的PWV精度相当,且2种方法反演的PWV和探空资料实测地表温度反演的PWV呈现很好的一致性,在我国青藏高原和西北地区反演PWV的精度优于我国南方和北方地区。     

城市尺度组分温度的ASTER数据遥感反演

为了获取城市尺度组分温度,实现城市水热平衡的高精度反演,探索了一种多波段热红外遥感影像的城市尺度组分温度反演算法.算法选取了植被、土壤和不透水表面等3种组分,并且针对ASTER数据,利用线性混合像元分解方法获取像元平均比辐射率,以MODIS近红外数据估算大气水汽含量和大气透过率,采用牛顿迭代法获取大气平均温度,并用最小...     

不同BDS星历反演大气可降水量精度分析

基于陕西地区3个GNSS观测站2018年1～6月数据,利用北斗卫星导航系统进行水汽反演。首先利用不同星历产品计算水汽结果,分别与利用IGF解算的水汽结果、探空数据探测结果进行比较;再将不同星历得到的水汽结果进行相互对比。结果表明,利用3种星历都能获得精度和可靠性较高的水汽结果,其中精密星历和快速星历反演水汽的精度相当,各测站偏差均优于1 mm,标准差和均方根误差均优于3.5 mm;利用超快速星历（预报部分）反演水汽在各测站的偏差约为1 mm,标准差和均方根误差均优于5 mm。综合3种产品反演水汽的对应精度可知,利用3种星历产品均可反演大气可降水量,且超快速星历（预报部分）计算的水汽值可为气象预报提供参考依据。     

基于随机森林算法的地表温度鲁棒降尺度方法

陆地表面温度是描述区域或者全球范围内陆地表面与大气的相互作用和能量平衡最重要的环境参数之一。针对目前尚未有遥感卫星能够同时提供具有高时间和高空间分辨率的地表温度产品的问题,国内外学者发展了多种对低空间分辨率的地表温度进行降尺度的算法。然而,由于对地表温度解释变量和降尺度模型的选择往往具有区域局限性,导致了降尺度模型的泛化能力受到了一定的限制。本文首先评估了地表反射率、遥感光谱指数、地形因子、地表覆盖、经纬度以及基本状态变量6类环境参量与地表温度之间的相关关系,并在此基础上筛选出最佳解释变量;同时,结合在非线性回归问题上表现比较优秀的随机森林算法,建立了一种鲁棒性的基于随机森林算法地表温度降尺度模型（RRF）。本文选取了中国范围内具有代表性的11个地区作为主要研究区,将空间分辨率为1 km的MODIS地表温度产品降尺度至90 m。以北京市2个典型地表类型的子区域为代表研究区,通过与传统的基于归一化植被指数与地表温度相关关系的TsHARP模型,以及基于红波段和近红外波段以及地表高程作为尺度因子建立的简单Basic-RF模型的对比分析可得,RRF模型在2个子研究区降尺度结果均优于TsHARP模型和Basic-RF模型,其均方根误差分别为2.39 K和2.27 K。通过进一步对2个子研究区训练的RRF进行交叉验证,证明在一个研究区训练的RRF应用至另一研究区的降尺度时,RRF模型表现出了较好的鲁棒性,降尺度结果的均方根误差分别为2.56 K和2.44 K,精度误差相差仅为0.17 K。通过将RRF应用于中国范围内的多个研究区,结果表明利用少量训练数据构建的RRF模型适用于大范围的区域,地表温度降尺度结果都能取得较好的精度。     

热红外地表方向性辐射温度与半球辐射温度关系研究

地表温度是陆面过程的一个重要影响因素,利用地表温度的遥感反演算法只能获取卫星传感器观测角度条件下的地表温度（即某个方向上的辐射温度）,但地球表面普遍存在非同温像元,反演得到的像元地表辐射温度具有方向性特征。本文利用热红外辐射传输模型4 SAIL（Scattering by Arbitrarily Inclined Leaves）,以及方向性热辐射参数化模型,针对非同温均匀冠层,考虑冠层结构、太阳位置和观测角等因素的影响,模拟得到方向性辐射温度数据,与半球辐射温度数据比较,得到估算半球辐射温度的最佳观测角度。此外,开展热红外地面观测试验,对热红外地表辐射温度的角度效应,以及利用模拟数据得到的半球辐射温度最佳观测角度进行了验证。结果表明,当太阳高度角较低时,均匀草地的地表辐射温度,会随着观测天顶角的增大而增加,受观测方位角的影响较小,当观测天顶角为75°时,倾斜观测与垂直观测得到的辐射温度差值达到2.7 K,说明热辐射存在明显的方向性特征。同时,将热红外地表方向性辐射温度与同步观测的半球辐射温度进行对比分析,当叶面积指数小于1.0时,半球辐射温度的最佳替代角度为51°,与模拟结果相符。     

Improvement of mono-window algorithm for retrieving land surface temperature from HJ-1B satellite data

The thermal infrared channel (IRS4) of HJ-1B satellite obtains view zenith angles (VZA) up to ±33°. The view angle should be taken into account when retrieving land surface temperature (LST) from IRS4 data. This study aims at improving the mono-window algorithm for retrieving LST from IRS4 data. Based on atmospheric radiative transfer simulations,a model for correcting the VZA effects on atmospheric transmittance is proposed. In addition,a generalized model for calculating the effective mean atmospheric temperature is developed. Validation with the simulated dataset based on standard atmospheric profiles reveals that the improved mono-window algorithm for IRS4 obtains high accuracy for LST retrieval,with the mean absolute error (MAE) and root mean square error (RMSE) being 1.0 K and 1.1 K,respectively. Numerical experiment with the radiosonde profile acquired in Beijing in winter demonstrates that the improved mono-window algorithm exhibits excellent ability for LST retrieval,with MAE and RMSE being 0.6 K and 0.6 K,respectively. Further application in Qinghai Lake and comparison with the Moderate-Resolution Imaging Spectroradiometer (MODIS) LST product suggest that the improved mono-window algorithm is applicable and feasible in actual conditions.     

基于Landsat-8 TIRS的大气参数快速估算方法

Landsat-8卫星设计有2个热红外波段,但由于第11波段存在定标问题,无法用于定量研究,所以基于Landsat-8的地表温度反演算法目前仍以单通道为主。单通道算法反演地表温度需先已知地表比辐射率并完成大气校正的工作。在大气校正方面,现有的算法主要以传统方法为主,即通过大气辐射传输模型或经验-半经验公式的方式获取大气参数。但是,传统的经验-半经验的方法并不建立在物理机制上,其自身存在一定局限性;而大气辐射传输模型的方法虽然精度更高,但执行效率较低,不适用于业务化的产品生产。本文针对现有大气估算方法的不足,提出了一种基于Landsat-8单通道地表温度反演的大气参数快速估算方法。在水汽范围0~6 g/cm²内,大气参数快速估算方法的精度与MODTRAN精度相当,大气透过率RMSE为0.003;大气上行辐亮度RMSE为0.0004;大气下行辐亮度RMSE为0.0004。相较于传统的大气参数估算方法,本文提出的大气参数快速估算方法,不仅可以脱离大气辐射传输模型使用,而且具有与其相当的估算精度,执行效率更高,适用性更广。     

Application of nonlinear multi-channel algorithms for estimating sea surface temperature with NOAA-14 AVHRR data

ＩＮＴＲＯＤＵＣＴＩＯＮＳｉｎｃｅｔｈｅｅａｒｌｙ 1 970ｓ,ｔｈｅＡｄｖａｎｃｅｄＶｅｒｙＨｉｇｈＲｅｓｏｌｕｔｉｏｎＲａｄｉｏｍｅｔｅｒ(ＡＶＨＲＲ)ｏｎｂｏａｒｄｔｈｅＮａｔｉｏｎａｌＯｃｅａｎｉｃａｎｄＡｔｍｏｓｐｈｅｒｉｃＡｄｍｉｎｉｓｔｒａｔｉｏｎ (ＮＯＡＡ)ｓｅｒｉｅｓｏｆＰｏｌａｒ ｏｒｂｉｔｉｎｇＯｐｅｒａｔｉｏｎａｌＥｎ ｖｉｒｏｎｍｅｎｔａｌＳａｔｅｌｌｉｔｅｓ (ＰＯＥＳ)ｈａｓｂｅｅｎｕｓｅｄｆｏｒｓｅａｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅ (ＳＳＴ)ｒｅｔｒｉｅｖａｌａｎｄｃｌｏｕ…     

地表温度的多源遥感数据反演算法对比分析

 多源遥感数据的综合应用是提高地表温度反演精度的有效途径.MODIS数据和Landsat TM数据在我国同一地区获取的时间相差不大,可以获取近似同步的MODIS数据和TM数据.本文将基于MODIS数据反演的大气参数应用于TM影像的地表温度反演,分别对单窗口算法和普适性单通道算法进行了实验研究,应用气象站实测的地表温度数据对反演结果进行了检验,并对比分析了不同土地覆盖条件下两种算法的精度差异.结果表明:两种算法反演精度均较高,单窗口算法反演精度为0.76K,普适性单通道算法反演精度为1.23K;在不同的土地覆盖条件下,两种算法表现出明显的差异性,水体区反演结果差异最小,均值差异仅为0.02K,植被区差异最大,均值差异为0.62K.     

Retrieval of Atmospheric Horizontal Visibility by Statistical Regression from NOAA/AVHRR Satellite Data

Based on the atmospheric horizontal visibility data from forty-seven observational stations along the eastern coast of China near the Taiwan Strait and simultaneous NOAA/AVHRR multichannel satellite data during January 2001 to December 2002, the spectral characters associated with visibility were investigated. Successful retrieval of visibility from multichannel NOAA/AVHRR data was performed using the principal component regression （PCR） method. A sample of retrieved visibility distribution was discussed with a sea fog process. The correlation coefficient between the observed and retrieved visibility was about 0.82, which is far higher than the 99.9% confidence level by statistical test. The rate of successful retrieval is 94.98% of the 458 cases during 2001 2002. The error distribution showed that high visibilities were usually under-estimated and low visibilities were over-estimated and the relative error between the observed and retrieved visibilities was about 21.4%.     

中国北部地区卫星积雪产品数据集检验

同其他卫星相比,NOAA卫星搭载的AVHRR积雪产品,具有长达10 a的长时间序列数据集,能够应用于长时间、较大区域范围的积雪覆盖变化分析。由于不同卫星使用的反演算法,波谱宽度和大气订正等不完全相同,故需对不同卫星积雪产品数据集进行一致性检验,将卫星积雪产品更好地应用于气候分析研究。本文采用一种新的评估方法,对空间分辨率为0.05^o×0.05^o的AVHRR积雪产品与IMS和MOD10A1积雪产品,分别在空间和时间变化上进行对比分析,对AVHRR积雪产品数据集进行检验,发现AVHRR与MODIS积雪产品具有较好的一致性。     

基于DEM修正的MODIS地表温度产品空间插值

地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km²时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km²,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km²时,插值误差<0.55 ℃,云覆盖区域<10.4 km²,插值误差<1℃;当云覆盖为1.1~2.7 km²时,DEM+SPLINE方法的插值精度高于DEM+OK方法。