基于植被指数和地表温度特征空间的农业干旱监测模型研究综述

遥感技术是监测区域农业旱情时空变化的主要手段，其反演的植被指数(NDVI)和地表温度(Ts)两个参数可以通过表征绿色植被对干旱胁迫生境的反应揭示土壤水分信息，反映作物受旱状况，但两者单独使用时均存在局限性。而基于植被指数和地表温度的二维特征空间综合了两个参数特有的生理生态意义，不仅可以指示作物受旱时的水热胁迫环境，同时揭示了作物在这种胁迫环境下表现出的症状，可有效提高农业干旱监测的精度和效率。本文在较为详细地阐述植被指数-地表温度特征空间评估农业旱情的原理基础上，综述了这方面有代表性的4个干旱监测模型，初步分析了影响这类模型特征空间的部分非土壤水分因子，并对它们在应用中的优缺点做了评述和总结，为今后此领域研究中需要关注的问题做了展望。     

数据驱动的蒸散发遥感反演方法及产品研究进展

蒸散发是水圈、大气圈和生物圈中水分循环和能量交换的纽带。在全球尺度上,蒸散发约占陆地降水总量的60%;作为其能量表达形式,潜热通量约占地表净辐射的80%。随着通量观测技术的发展,全球长期持续的观测数据得以获取和共享,近年来基于数据驱动的蒸散发遥感反演方法取得了较好的研究进展。本文针对数据驱动的蒸散发遥感反演方法和产品,从经验回归、机器学习和数据融合3个方面展开,对现有的研究进展进行了梳理、归纳和总结,并从驱动数据、反演方法、已有产品等方面指出目前仍存在的问题和不足。未来仍需开展数据驱动的高时空分辨率的蒸散发遥感反演方法的研究,有效考虑地表温度和土壤水分等可以指示地表蒸散发短期变化的重要信息,同时加强基于过程驱动的物理模型与数据驱动的模型的结合,使两类模型能互为补充、各自发挥所长,共同推动蒸散发遥感反演研究水平的进步。     

基于HJ-1B数据和SEBAL模型的陆面蒸散发遥感估算

利用HJ-1B卫星数据和SEBAL模型,进行了淮河上游段的陆面蒸散发(ET)遥感估算。选取2010年4期少云的HJ-1B卫星影像,首先对ET估算中需要的中间变量——地表温度、地表反照率进行了反演,反演结果与MODIS产品结果基本一致;在此基础上,结合部分地面气象观测数据,基于SEBAL模型进行ET估算,并利用水文站点的实测蒸发皿数据对估算的日蒸散发结果进行验证,相对误差在10%之内。将ET估算值与土地利用覆盖类型、地形因子对比分析发现,不同土地覆盖类型的ET量不同,ET空间变异性与地形特征有一定关联。     

基于FY-3C/MWRI的湖南省地表温度遥感反演评价

遥感反演陆表温度在气候、水文、生态等领域发挥着重要作用,微波遥感具有范围大、全天候的优势,在大尺度上验证国产卫星地温产品的可靠性意义重大.基于风云3C(FY-3C)微波地温产品,结合湖南省97个地面观测站地温数据,探究微波反演地温精度及其影响因素.结果显示:湖南省遥感地温产品与实测间平均绝对误差、均方根误差、决定系数、...     

基于卫星遥感数据的地表信息特征--NDVI-Ts空间描述

介绍了基于卫星遥感数据的可操作NDVI、Ts和Ts／NDVI计算方法，讨论了NDVI、Ts和Ts／NDVI数据对植被覆盖信息表达的差异，分析了不同地表覆盖在NDVI—Ts空间的年内变化特征。利用信息熵和平均梯度定量分析了NDVI、Ts和Ts／NDVI数据在信息表达丰富度方面的差异，讨论了在不同地表植被覆盖下，Ts／NDVI数据信息提高程度的敏感性。     

基于植被指数-反照率特征空间的沙漠化信息遥感提取——以张掖绿洲及其附近区域为例

利用Landsat TM遥感卫星影像反演植被指数和地表反照率,并由此构建了植被指数和地表反照率组成的特征空间,最后利用该特征空间对张掖绿洲及其附近区域的沙漠化现状和程度进行了定量评价。利用野外调查的定位数据对结果进行检验,总体精度达到82%。该方法可以在遥感图像处理软件下实现沙漠化现状与程度的自动识别,而且指标简单、易于获取。与单纯使用遥感光谱信息进行分类相比,对于沙漠化现状与程度的分类和分级具有更好的效果。     

A review on remotely sensed land surface temperature anomaly as an earthquake precursor

The low predictability of earthquakes and the high uncertainty associated with their forecasts make earthquakes one of the worst natural calamities, capable of causing instant loss of life and property. Here, we discuss the studies reporting the observed anomalies in the satellite-derived Land Surface Temperature (LST) before an earthquake. We compile the conclusions of these studies and evaluate the use of remotely sensed LST anomalies as precursors of earthquakes. The arrival times and the amplitudes of the anomalies vary widely, thus making it difficult to consider them as universal markers to issue earthquake warnings. Based on the randomness in the observations of these precursors, we support employing a global-scale monitoring system to detect statistically robust anomalous geophysical signals prior to earthquakes before considering them as definite precursors.     

利用遥感瞬时温度场研究云南山地气温直减率

基于MODIS影像反演地表瞬时温度场和气象站点30年平均气温实测数据,结合数字高程模型,研究了云南山地气温随海拔变化的规律。结果表明,降低或消除了坡向与坡度、纬度与经度变化的影响后,在云南全区域尺度上,海拔对气温作用而产生的气温直减率为0.53℃;在典型山地地貌类型区,山地气温直减率由高山区向低山区逐渐增大,滇西北高山区直减率为0.47℃,滇中、滇东中山区为0.51℃,滇南宽谷低山区为0.54℃,滇西北高山峡谷和滇南低山深切沟谷地带为0.54℃;由阳坡、半阴半阳坡至阴坡,山地气温直减率依次增大:阳坡直减率平均为0.52℃,半阴半阳坡平均为0.54℃,阴坡平均为0.55℃。除海拔之外,坡向、坡度等微地形因子亦是微格局气温场的主要地理响应因子。利用遥感数据反演的瞬时温度场研究山地气温直减率,是一种研究山地气温变化规律的新方法。     

Landsat 8 地表温度产品降尺度深度学习方法研究

以光谱指数为趋势面因子的降尺度方法被广泛用于遥感地表温度尺度转换中,但面临构建的光谱指数难以凸显地表温度分布规律、浅层的统计模型难以精准刻画趋势面因子与地表温度之间的复杂关系的不足。为此,本文以Landsat 8 ARD 地表温度产品为降尺度对象,以Landsat 8 OLI原始数据为潜在趋势面因子,构建地表温度降尺度残差网络（LSTDRN）的深度学习模型;探索适用于Landsat 8地表温度产品空间降尺度的趋势面波段或组合,并在不同季节、不同地表类型下与经典传统方法TsHARP进行定量比较。结果表明：LSTDRN方法利用Landsat 8 OLI原始单波段作为趋势面因子就能有较好的降尺度效果,增加潜在趋势面因子的组合数量并不能提高降尺度效果。不同地表覆盖类型实验中,LSTDRN方法降尺度效果整体优于经典传统方法,且以近红外波段、红光波段和归一化植被指数为趋势面因子时,近红外波段降尺度效果定量评价表现最佳;不同地表覆盖类型的LSTDRN降尺度效果排序为：植被>建筑>水体,而经典传统方法则没有表现出明显的差异。不同季节实验中,LSTDRN方法在春夏冬3季的降尺度效果的定量评价表现明显好于经典传统方法,两类方法的秋季降尺度结果相当。因此,提出的LSTDRN对Landsat 8遥感地表温度产品具有较好的降尺度效果,整体优于经典传统方法且稳定性更强。     

HJ-1B热红外辐射定标对地表温度反演的影响

辐射定标是地表温度反演的关键环节。在实际应用中,定标参数的选取直接影响辐射定标结果。由于卫星在轨定标系统的灵敏度会随时间发生改变,这使得实际的辐射定标存在不确定性。本文基于单波段热红外辐射传输方程给出了辐射定标影响地表温度反演的敏感性分析模型,并重点对HJ-1B热红外波段的辐射定标问题及其对地表温度反演的影响进行讨论和分析。敏感性分析模型显示,在一般的情形下,辐射定标偏差与地表温度反演误差的比值在数值上约为1∶11,即0.1个单位(W·m–2·sr–1·μm–1)的辐射定标偏差可能引起1.1 K左右的温度反演误差。由于对HJ-1B热红外波段定标参数的更新存在滞后,即使仅考虑相邻年份间的定标偏差,相应的地表温度平均绝对误差也在1.0—2.0 K左右。在更严重的情形下,因辐射定标偏差引起的地表温度误差甚至高达5.0 K以上。同时,分析结果也表明对HJ-1B的存档影像,无论使用其头文件中的定标参数还是当年公布的定标参数,定标后辐射亮度值的偏差均存在一定的不稳定性。针对当前在HJ-1B定标参数更新方面的不足,本文假定传感器辐射性能变化是匀速稳定的,相应地提出了线性内插修正法和线性外推法两个定标参数估计/修正方案。通过线性内插的方法进行辐射定标修正后,在一定程度上减小了误差的不稳定性,与MODIS B31波段的亮温相比,偏差在1.0 K以内(约为0.5 K)。当定标参数尚未公布时,由线性外推法修正后的辐射定标结果所得亮温的偏差约为1.0 K。与在大亚湾核电站附近海域进行的一次卫星同步观测(2011年12月18日)相比,经两个方案修正后的海表温度偏差分别约为0.2 K和0.7 K。案例分析的结果表明,在现阶段,线性内插修正法和线性外推法是简单有效的,可供用户在实际应用中参考和使用。     

Effects of prediction accuracy of the proportion of vegetation cover on land surface emissivity and temperature using the NDVI threshold method

Predicting land surface energy budgets requires precise information of land surface emissivity (LSE) and land surface temperature (LST). LST is one of the essential climate variables as well as an important parameter in the physics of land surface processes at local and global scales, while LSE is an indicator of the material composition. Despite the fact that there are numerous publications on methods and algorithms for computing LST and LSE using remotely sensed data, accurate prediction of these variables is still a challenging task. Among the existing approaches for calculating LSE and LST, particular attention has been paid to the normalised difference vegetation index threshold method (NDVI^THM), especially for agriculture and forest ecosystems. To apply NDVI^THM, knowledge of the proportion of vegetation cover (P_V) is essential. The objective of this study is to investigate the effect of the prediction accuracy of the P_V on the estimation of LSE and LST when using NDVI^THM. In August 2015, a field campaign was carried out in mixed temperate forest of the Bavarian Forest National Park, in southeastern Germany, coinciding with a Landsat-8 overpass. The P_V was measured in the field for 37 plots. Four different vegetation indices, as well as artificial neural network approaches, were used to estimate P_V and to compute LSE and LST. The results showed that the prediction accuracy of P_V improved using an artificial neural network (R²_CV = 0.64, RMSE_CV = 0.05) over classic vegetation indices (R²_CV = 0.42, RMSE_CV = 0.06). The results of this study also revealed that variation in the accuracy of the estimated P_V affected calculation results of the LSE. In addition, our findings revealed that, though LST depends on LSE, other parameters should also be taken into account when predicting LST, as more accurate LSE results did not increase the prediction accuracy of LST.     

利用MODIS多通道反照率产品估算OCO-2氧气A吸收带陆表反照率方法

Land surface reflection depends on land surface albedo and interferes with the retrieval of cloud geometrical thickness from OCO-2 oxygen A-band observations due to its second-strongest reflection after the cloud. However, no product can provide the land surface albedo of the OCO-2 oxygen A-band required for the retrieval. Therefore, the accurate estimation of land surface albedo is necessary and beneficial to the retrieval quality. In this study, we proposed a method for estimating land surface albedo in the oxygen A-band from multichannel black/white albedos from MODIS/MCD43C3 products. Although the estimation (MODIS→OCO-2) is related to land cover type, the comparison based on Shannon entropy proved that the multichannel albedo data contains the type information and is sufficient to achieve the same accuracy as land cover-type estimation. In addition, we implement the estimation model by BP neural network, and the accuracy is consistent with that of the analysis based on the Shannon entropy. We verified the multichannel-based estimation model by tests in different times and spaces. Its correlation coefficients were all over 0.93, and the root-mean-squared errors were 0.026. In addition, the multichannel-based model was always superior to the single-channel linear model on all land cover types, whether applied to the best-performing type of barren or sparsely vegetated land or the worse-performing type of snow and ice. The quality of MODIS albedo data is the most important for the accuracy of estimation. The root-mean-squared error with the best inputs was slightly better than 0.02 and increased to more than 0.05 as the quality of the inputs decreased. The method of estimating the land surface albedo in the OCO-2 oxygen A-band from MODIS multichannel black/white albedo data is feasible and can resist the disturbance caused by unknown land cover type. The estimation accuracy depends on the quality of the input MODIS albedo data. © 2023 Science Press. All rights reserved.     

基于Sentinel-2A/B的新疆典型城市不透水面提取及空间差异分析

随着城市化进程加快,自然地表物理结构及属性的变化使得城市不透水面不断增加,进而造成城市土地覆盖类型剧烈变化,极大地影响着其环境质量和生态循环。因此,探讨不透水面的空间变化规律,对建设生态、和谐、宜居城市变得极为重要。本文选取新疆维吾尔自治区（简称新疆）典型城市（乌鲁木齐、喀什、哈密及克拉玛依）主城区为研究区,通过对Sentinel-2A/B影像L2范数归一化处理,结合增强型归一化差值不透水面指数ENDISI（Enhanced Normalized Difference Impervious Surface Index）,采用最大类间方差法（OTSU）自适应确定阈值,提取2017年和2019年新疆典型城市不透水面。结果表明：L2范数归一化处理与ENDISI结合能较好的突显不透水面与非不透水面的差异;OTSU自适应确定的阈值能够很好的区分不透水面,经示例验证（2019年乌鲁木齐主城区）,不透水面提取结果总体精度为86.60%,Kappa系数为0.73。通过对不透水面空间差异分析可知：从剖面线角度分析得出乌鲁木齐北部、喀什中部和北部及哈密中东部和北部ENDISI指数值均显著增加,而克拉玛依北部和中西部区域ENDISI指数值增加较少;从不透水面盒维数分析中得出,新疆典型城市的盒维数值均呈增加趋势,城市结构复杂度不断增强,其中哈密盒维数值最大,乌鲁木齐盒维数值最低,且哈密的盒维数值变化幅度最大,克拉玛依的盒维数值变化最小。本文可为新疆典型城市内涵式发展提供科学指导,为干旱区城市生态环境保护提供理论依据。