Spatial Downscaling Land Surface Temperature based on Copula

A Copula is used to construct a bivariate distribution describing the relation between coarse\|scale and fine\|scale rainfall or soil moisture.This distribution is then used to downscale rainfall or soil moisture.In order to explore the feasibility of spatial downscaling Land Surface Temperature (LST)based on Copula,we implemented LST downscaling based on Copula and ASTER LST and MODIS LST products at Yingke oasis\|desert area in the middle streams of the Heihe River Basin.The downscaled LST was calibrated by the ground observations from HiWATER\|MUSOEXE experiment.The results show that the downscaling method based on Copula is able to achieve the LST downscaling in general,but the method can’t obtain the fine\|scale LST correctly at the interface between oasis and desert.The accuracy of LST obtained from thermal infrared satellite image was improved significantly by the method.The MAE and RMSE in LST are reduced from 2.99 K,and 3.89 K to 1.5 1K,and 2.36 K,respectively.     

Downscaling of Remotely Sensed Land Surface Temperature with the BP Neural Network

Downscaling algorithms based on statistical models have been widely utilized to address the issue of coarse-resolution Land Surface Temperature (LST).However,most methods (e.g.,TsHARP algorithm) could be affected by land environment,including land cover,seasons.In this study,a Back Propagation (BP) neural network was introduced for LST downscaling in a specific area with complex land covers.The method comprises two steps.First,five reprehensive spectral indices were selected to training according to three typical land cover,including vegetation,building,and water.And the structure of network was trained using coarse-resolution spectral indices and LST.Second,high-resolution spectral indices were input to the network to get a high-resolution LST.A stratified linear regression downscaling with land-cover classification was conducted for comparative evaluation.The comparative results showed that in urban,vegetation,and water areas,the Root Mean Square Error (RMSE),determination coefficient (R²),and relative accuracy for the proposed approach (BP neural network) were better than those for stratified linear regression.Finally,the verification results show that RMSE and bias of the algorithm are 0.98 ℃ and 0.51 ℃,which is obviously better than the result of stratified linear regression (RMSE is 2.9 ℃ and Bias is 1.7 ℃).It shows that this method has a higher downscaling accuracy.And the approach is potential for producing high-resolution LST for the study on urban thermal environment.     

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。     

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。     

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。     

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.     

Inversion of Land Surface Temperature and Its Application in Urban Agglomeration Thermal Environment Monitoring based on Tiangong-2 Data

According to the characteristics of thermal infrared spectrum of wide band imager of Tiangong-2 data,a spilt-window algorithm applied to Tiangong-2 data was proposed.Taking the South of Jiangsu urban agglomeration as the research area,the inversion of the land surface temperature was carried out.On this basis,the spatial distribution characteristics of thermal environment of South of Jiangsu urban agglomeration were analyzed through SUHI index.The results show that the split-window algorithm can be effectively applied to the thermal infrared of Tiangong-2 data.The root mean square error of land surface temperature inversion is within 1 K.The result of land surface temperature are in good agreement with the types of land use in the research area,and the temperature of the building land is the highest and the water is the lowest.A global heat island is formed in Suzhou-Wuxi-Chanzhou,and the intensity and spatial distribution of the heat island in the urban agglomeration are monitored by SUHI index.     

MODIS地表温度产品的验证研究——以黑河流域为例

分析了影响MODIS地表温度产品精度的主要因素,并对这些因素综合作用下的MODIS地表温度产品的精度验证方法进行了回顾和比较。针对MODIS地表温度产品在干旱半干旱地区误差偏大的状况,以黑河流域为例,对MODIS地表温度产品进行了验证。用于验证的地面观测数据包括自动气象站红外辐射温度计数据和长波辐射数据。这里结合具体的...     

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。     

复杂地表地表温度反演研究进展

地表温度是陆表过程研究的关键参数,卫星反演地表温度是获取区域及全球尺度辐射平衡、能量收支研究中地表温度参数的有效手段.目前,在平坦地表覆盖均一区域,基于热红外和微波遥感反演的地表温度已经被验证具有较好精度,尤其热红外遥感地表温度产品精度可达1 K以内.但是针对复杂地表的温度反演研究仍面临较大挑战.系统总结了复杂地形区地...     

基于静止气象卫星数据的地表温度遥感估算

基于分裂窗算法和地表温度日周期变化模型,探讨了利用多时相热红外遥感数据反演地表温度的方法。首先,利用分裂窗算法及地表温度日周期变化形式,推导了多时相遥感数据反演地表温度的方法。其次,利用辐射传输模型(MODTRAN),以2006年夏季在禹城观测的3 d地表温度、气温及大气水汽数据做为输入参数、变化观测角及比辐射率,模拟了一日多个时刻与风云二号(F-2D)波谱响应函数一致的亮温数据,基于此,模拟数据库对所提算法进行了检验。最后,利用2010年9月30日FY-2D多时相热红外数据对新疆区域地表温度进行了反演,并与相应时刻的MODIS地表温度产品进行了比较。结果表明：利用模拟遥感数据反演地表温度,模拟值与估算值的相关系数达0.9,均方根误差在1.5 K以内;利用在轨FY-2D热红外数据反演得到的地表温度与MODIS温度产品趋势基本一致,两者的相关性达到了0.5,均方根误差为4.4 K。需要说明的是,此方法仅满足于晴朗无云的条件。     

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。
     

典型地表对长沙主城区地表温度的影响分析

城市热岛是一种城市地区温度比郊区温度高的现象,它可改变城市的自然和社会过程,引发一系列环境问题.利用Landsat 8 TIRS10波段的单通道算法(TIRS10_SC算法)反演了长沙主城区2013年7月、2016年3月、7月和11月4景Landsat 8影像的地表温度,并进一步分析了地表温度的时空分布特征,建设用地、...     

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。     

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。     

Land Surface Temperature Retrieval from Landsat-8 Data with the Generalized Split Window Algorithm

This work addresses the LST retrieval from Landsat\|8 data with the generalized split\|window algorithm.Firstly,radiative transfer modeling experiment is conducted using MODTRAN 4.0,fed with SeeBor V5 atmospheric profile database to build a data set of LST related to brightness temperatures in the bands 10 and 11 of Thermal Infrared Sensor(TIRS) on Landsat-8,Land Surface Emissivities(LSEs),viewing zenith angle and Total Precipitable Water(TPW).Secondly,based on the modeling data set,the unknown coefficients of the generalized split-window algorithm are obtained,and the algorithm sensitivity is analyzed.Then,LSTs are derived from the inter-calibrated and clear sky Landsat\|8 data with the generalized split\|window algorithm,in which LSEs are estimated from Landsat\|8 Operational Land Imager(OLI) data,and TPWs are extracted from the European Centre for Medium-range Weather Forecasts(ECMWF) reanalysis data.Finally,the results are validated with the Moderate resolution Imaging Spectroradiometer(MODIS) LST/LSE product(MOD11_L2 V5).The results show that the generalized split window algorithm developed in this work can accurately retrieve LST from the Landsat\|8 data,and the error is mainly come from the uncertainty of LSEs and TPW.Before and after correction of LSEs and TPW,the LST errors in this work are,respectively,-0.64 ±0.81 K and 0.10±0.68 K against the MOD11_L2 V5 product.     

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。