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。     

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。
     

一种ASTER数据地表温度反演的劈窗算法

利用Planck函数分别计算ASTER13、14 两个波段温度在253~333 K范围内的辐射强度,建立两者之间的散点图,回归分析得到它们的指数关系式,应用于ASTER数据地表温度反演的劈窗算法推导。在大气参数的估计上采用三次多项式拟合大气透过率与大气水汽含量的关系以提高拟合精度。最后采用模拟数据法进行算法验证并对参数的敏感性进行分析,结果表明：该算法精度较高,对各种不同的地面温度和大气水汽含量情况进行反演的误差均在1 K以内,且对大气水汽含量和大气透过率的微小变化都不敏感。     

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。     

基于被动微波的地表温度反演研究综述

热红外遥感反演地表温度已取得丰硕的成果,某些反演算法精度可达到1 K以内。然而在非晴空条件下,热红外遥感的应用受到很大限制,甚至无能为力。而被动微波遥感受大气干扰小,可穿透云层获取地表辐射信息,具有全天候、多极化及高时间分辨率等特点,在地表温度反演中具有独特的优越性。被动微波反演地表温度已经成为被动微波遥感技术应用研究的主要问题之一。系统阐述了微波热辐射机理、地表温度反演模型、反演算法及应用现状,分析了目前被动微波地表温度反演研究中存在的主要问题与技术难点,为后续相关研究提供参考。     

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。     

极轨卫星地表温度时间归一化方法——以MODIS为例

地表温度（Land Surface Temperature,LST）在陆地—大气能量交换等研究中扮演着重要角色。LST随时间变化迅速,且极轨遥感卫星获取的LST的地方太阳时在像元间存在差异,需进行时间归一化以提高LST遥感产品的应用价值。面向MODIS LST产品,基于FY-4A高时间分辨率的LST产品,引入地表温度日变化模型（DTC）,构建了粗细分辨率转换配准方法,提出了基于日变化信息的LST时间归一化模型（Temporal-effectNormalizationModeloflandsurface temperature Based on Diurnal variation information, BDTNM）,探讨了时间窗口、归一化时刻与空值情况对模型的影响。利用张掖地区站点实测数据、模拟数据对INA08＿2模型和BDTNM模型归一化结果进行验证和评价,结果表明BDTNM方法比INA08＿2模型具有更好的稳定性及鲁棒性,精度提高了0.4～1.0 K,并具有一定的空值插补能力,该方法对其他遥感卫星LST的时间归一化也具有一定的借鉴意义。     

基于Landsat-5 TM 估算地表温度

基于Landsat25 TM 的热红外波段(6 波段) 数据, 运用覃志豪的单窗算法估算了张掖绿洲地区的地表温度, 结果表明沙漠和戈壁的地表温度最高, 水体和绿洲的温度最低, 估算的地表温度的结果符合地表水热关系。因此, 这种方法能较好地反演出张掖绿洲地表温度的分布状况。     

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。     

一个从ASTER数据中反演地表温度的劈窗算法

根据EOS/Terra多传感器的特点,提出了一个适合于ASTER数据的劈窗算法,该算法包括两个必要的参数大气透过率和比辐射率。大气透过率是通过利用MODIS的3个近红外波段反演大气水汽含量并根据大气水汽含量与热红外波段的统计关系计算得到。由于MODIS和ASTER是在同一颗星上,这种大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。对于比辐射率则是通过分类和JPL提高的光谱库获得。最后用大气模拟校正法对算法进行了验证,在比辐射率已知的情况下,当使用大气模型模拟得到的大气透过率时,对Planck函数优化简化后的平均精度为0.56℃;当大气透过率是从大气水汽含量计算得到时,优化平均精度为0.58℃,表明该算法可行。     

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。     

基于Landsat8热红外遥感数据的山地地表温度地形效应研究

地表温度是影响地表能量收支平衡的重要参量,能够综合反演地表的水热交换过程。虽然当前在基于地表温度开展全球或者区域尺度的地表能量平衡研究方面取得一系列的进展,但是面向山地区域尺度的类似研究仍然面临较大的挑战。为分析山地复杂地形对山地地表温度时空分布的影响规律,基于具有较高空间分辨率的Landsat 8热红外数据,以我国西南典型山地为研究对象,定量反演该区域的地表温度空间分布状况,结合SRTM90DEM数据,选择从海拔、坡度和坡向3个关键地形因子角度分析山地地表温度的地形效应特征。结果发现:山地地表温度随地形因子均呈现出十分显著的变化特征。总体而言,地表温度均随着海拔和坡度的升高而降低,而在坡向方面,南坡的温度相比北坡的温度要高。在地形效应分析的基础上,通过开展1km空间尺度地形和地表温度的空间统计分析发现,山地1km尺度下地表温度存在较大的空间异质性,且其影响不可忽略。研究结果表明:开展山地地表水热过程遥感动态监测需高空间分辨率地表温度作为数据支持,以准确描述山地地形因素对地表能量交换过程的影响。     

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。     

利用MODIS数据反演地表温度的研究

地表温度(LST)是气象、水文、生态等研究中一个重要的参数,目前国内的研究大多使用NOAA/AVHRR数据来获取地表温度,应用MODIS数据获取LST基本上还是空白。MODISLST反演算法精度较高但是计算复杂,在很大程度上限制了其应用。采用简单的统计方法和神经网络方法,得出了内蒙古东北地区的LST计算公式。该公式计算简单而且精度很高,完全能够满足一般的研究需要。     

MODIS数据陆面温度反演研究

陆面温度(LST,landsurfacetemperature)是研究地表和大气之间物质交换和能量交换的重要参数。基于推广的分裂窗算法,运用MODIS数据,在青海湖地区(200km*200km)进行了陆面温度反演研究。在实验区,推广的分裂窗算法传感器高度角大于40°,将原分裂窗的区间进行了细化,与分裂窗方法相比,传感器高度角在40°～50°,大气柱水汽含量小于1.5cm时,反演精度较高,小于1K;与分裂窗方法类似,该方法对比辐射率和传感器仪器质量的误差不甚敏感。     

青藏高原地表温度时空变化分析

使用MODIS地表温度(LST)产品对青藏高原地表温度的空间分布和年际变化进行分析。通过一种融合时空信息的方法对LST缺失像元进行重建恢复,重建后有效像元比例达到97%以上。用正弦和线性分段函数法将4个瞬时时刻的LST观测值拟合为日平均LST,经地面0cm土壤温度观测数据验证,拟合后的均方根误差(RMSE)在1K以内。建立以年为周期的余弦函数模型,刻画了LST在一年内的季节波动,并得到LST的年平均值、振幅和峰值日期3个参数。分析了各参数在空间上的分布和多年的变化趋势。结果显示:LST年平均值与海拔高度、纬度和下垫面类型相关性较大;年内振幅从青藏高原东南部到西北部呈升高趋势;水体的峰值日期相比其他地物类型有明显的延迟。多年变化斜率分析显示,整个青藏高原的年平均LST以每年0.015K的速度升高,振幅以每年0.076K的速度增长,反映出受气候变化的影响,极端气候出现的概率明显增大,而峰值日期有所提前。