基于Landsat TM图像的北京城市地表温度遥感反演研究

利用北京地区Landsat TM热红外波段数据，采用单通道算法反演得到北京地区地面温度分布图。从反演结果可以看出，北京城区地面温度比郊区地表温度高，郊区地表温度较低，密云水库、官厅水库等水体的温度最低，总体上北京城市热岛效应显著。地表比辐射率是通过Van经验公式反演得到，通过对比分析，表明该方法对自然地表的比辐射率反演效果较好。     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

基于Landsat8的地表温度反演算法研究——以滇池流域为例

2013年2月11日Landsat 8在加州范德堡空军基地发射升空,其携带的热红外传感器为反演地表温度提供了一种新的数据,但目前尚没有针对Landsat 8热红外波段反演地表温度的算法。针对Landsat 8第10波段特征,对现有反演地表温度的单窗算法进行了参数修正,得到了用Landsat 8第10波段反演地表温度的单窗算法系数。为了评价修正后算法的精度,用MODTRAN模拟地表温度为20、30和40℃时大气水汽含量分别为1.0、1.5、2.0和2.5g·cm-2传感器高度处的热辐射值,再将模拟数据用修正后的单窗算法反演地表温度,结果表明:地表温度越低、大气水汽含量越低,误差越小;模拟结果的平均误差为0.74℃。说明基于Landsat 8第10波段用修正后的单窗算法反演地表温度是可行的,该方法可为地表温度反演提供一种途径。最后以滇池流域为例,基于2013年4月20日的Landsat 8热红外数据反演了滇池流域的地表温度,并分析了滇池流域地表温度的分布特征。     

基于HJ-1B卫星数据的南京市地表温度反演研究

地表温度(LST)是全球变化的过程参数,应用HJ-1B-RS热红外数据,采用辐射传输法(RTE)、覃志豪单窗算法(Qins’)和普适性单通道算法(JM&S)对南京市地表温度进行反演。结果表明:3种算法均能较好地反映南京地区的地表温度趋势。RTE反演精度最高,与MODIS地温产品的差值多集中在2.1 K左右;Qins’的反演结果略低,温差多集中在3.87 K左右;而JM&S的结果明显偏低,温差多集中在5.96 K左右。结合土地利用类型图对地表温度进行分析,RTE温度结果中,温度最高的建设用地与温度最低的水体的温度相差4.1 K;Qins’温度结果中建设用地与水体的温度相差4.38 K;JM&S温度结果中建设用地与水体的温度相差2.15 K。RTE和Qins’更能体现不同土地利用类型之间的温度差异及对城市热岛的贡献。     

超大城市土地覆盖与热环境的随机森林回归模型研究

目前对于超大城市土地覆盖和热环境定量模型研究报道不足,这主要是因为大城市地表温度和地表生物物理组分之间存在复杂的潜在非线性关系,这使得准确评估城市热环境情况遇到了严峻的技术挑战。研究选取中外6个典型超大城市（北京、上海、广州、伦敦、纽约和东京）为研究对象,以Landsat遥感影像为主要数据源,利用单通道算法反演各城市地表温度,采用随机森林回归模型（RFR）建立土地覆盖类型与城市热环境定量关系模型（LCT）,综合分析城市土地覆盖因子与热环境间的多维定量关系。土地覆盖与地表温度的定量关系显示,城市地表热场的空间结构在很大程度上被下垫面用地类型所左右,不透水面会导致高温热场的聚集,而植被和水体则有降温作用。6个超大城市地表覆盖结构变化产生的升温/降温效应有所差异,北京、上海、纽约和东京等城市区域的植被和水体降温效应较广州和伦敦显著。基于随机森林回归方法建立了NDVI、MNDWI和NDISI等3种土地覆盖类型与城市热环境的综合定量关系模型（LCT）,模型得到的精度高于基于多元线性回归方法建立的模型。LCT＿RF模型的R2值在0.623～0.826之间,比LCT＿MLR模型高0.021～0.07...     

土地利用变化下北京市热通量的时空演变

探究土地利用变化对城市热通量的影响,对城市用地规划和城市热岛缓解具有重要指导意义。利用混合像元组分排序对比和分层能量切割方法,通过Landsat系列数据反演的地表参数,结合气象再分析资料,估算了2004、2009、2014和2017年4期9月份的北京市地表瞬时热通量,依据同期的北京市土地利用图,分析了北京市热通量随土地利用变化的时空演变。结果表明：①北京市地表温度和热通量分布具有明显的空间异质性,山区和平原、平原不同土地利用类型之间差异明显;②在不同时期,土地利用类型间的地表温度和热通量的高低次序具有一致性,瞬时潜热通量,林地最高,为347.85~546.95 W/m²,其次为耕地、草地,建设用地最小,为225.23~349.03 W/m²,感热通量和地表温度则相反,建筑用地最高,分别为94.06~189.28 W/m²和25.18~32.25 ℃,耕地和草地次之,水体的最低,分别为28.15~102.55 W/m²和19.25~28.38 ℃;③土地利用类型转变引起的城市热通量变化方面,自然表面转为建设用地时,潜热通量急剧减少,感热通量增加,城区周边耕地的潜热通量受城市热辐射影响而增加,城市绿地能有效缓解城市热岛效应。     

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.     

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.     

加尔各答市地表温度与不透水面比例季相相关性研究

城市化的显著特征是自然地表不断被热容量大的不透水面取代,进而造成城市热岛效应和严重的城市生态问题.孟中印缅经济走廊是古代南方丝绸之路的重要路段和"一带一路"建设的重要战略通道,加尔各答市是孟中印缅经济走廊印度境内的重要节点城市,战略地位重要,对其城市化进程及与地表温度相关性研究对孟中印缅经济走廊印度段建设具有重要的借鉴...     

北京市土地利用变化对地表温度的影响分析

运用遥感(RS)和地理信息系统(GIS)技术,对北京1995年至2005年的土地利用时空变化特征进行了分析,并分析了土地利用变化对区域内地表温度的影响。北京在1995年至2000年的土地利用变化较小,随后五年城镇面积大量扩张,占用了大量的耕地和林地。北京地表温度等级较高的区域在数量上呈逐年增加的趋势,同时在空间分布上呈现从分散向城市中心集中的趋势。构建了TVX空间研究土地利用变化对地表温度的影响,计算了不同土地利用类型转变为建设用地的变化向量长度,并选取未变化的土地利用类型的平均温度作为控制点,消除不确定性因素,分析得出变化向量的幅度依次是:有林地>水域>其他林地>灌木林地>草地>耕地,由此可以看出,林地和水域对缓解地表热环境作用较强,在城市规划中,要尽量保护林地和水域。     

基于MODIS温度和植被指数产品的山东省土地覆盖变化研究

地表温度(LST)与归一化植被指数(NDVI)构成的NDVI-Ts特征空间具有丰富的地学和生态学内涵。MODIS数据因其优越的时间分辨率、波谱分辨率,已被广泛地运用于各个领域。在本研究中,运用遥感技术和GIS技术相结合的手段,利用NASA提供的MODIS温度产品和NDVI产品,以山东省土地利用图、山东省TM遥感影像图和基于3S技术的山东省森林资源调查项目的外业调查数据为参考和评价标准,以NDVI-Ts时间序列为指标,在进行土地覆盖分类的基础上,分析比较了山东省土地覆盖从2000年到2006年的变化情况。研究结果表明,利用MODIS产品将NDVI-Ts时间序列作为分类特征,在较大尺度范围的土地覆盖分类中具有较高的分类精度,有利于对土地覆盖变化进行动态监测。     

基于机器学习算法的AMSR-2地表温度降尺度研究

MODIS日尺度的地表温度受到天气影响,有效像元信息严重缺失,这对数据稀缺区域尤为重要。以古尔班通古特沙漠为研究区,探索了采用AMSR-2的垂直极化亮度温度与植被指数对地表温度空间降尺度的方法,并用此方法填补了2018年MODIS的缺失像元。(1)通过十折交叉验证,对4种机器学习算法（Cubist、DBN、SVM、RF）、10个波段组合、2个空间尺度（5 km、10 km）下的训练模型进行了分析,表明RF算法精度明显高于其他3种算法,C09波段组合的验证精度高于其他波段组合。(2)构建了2个鲁棒性的随机森林算法地表温度降尺度模型（5 km|RF|09、10 km|RF|09）,将AMSR-2亮度温度降尺度到1km分辨率,表明5 km|RF|09模型反演结果更为合理,MODIS与站点验证的R2分别为0.971、0.930,RMSE分别为3.38 K、4.71 K,MAE分别为2.51 K、3.84 K。(3)降尺度结果填补MODIS地表温度缺失像元,将其应用到古尔班通古特沙漠长时间序列的陆表温度分析,可为数据稀缺区域数据获取提供科学参考。