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Landsat TM影像不同地表温度反演算法的比较

地表温度是反映地表环境的一个重要参数,精确获取地表温度的方法对研究城市热岛效应、进行生态环境监测评价是必不可少的。利用遥感手段进行地表温度的反演是一种较新颖的方法,相对成熟的反演算法主要有单通道算法、辐射传输方程法及单窗算法。本文以山东省威海市Landsat TM数据为例,分别利用辐射传输方程法和单窗算法进行地表温度反演,通过遥感目视解译的方法提取研究区各类典型地物对应的地表温度,进行统计分析,结果表明,两者反演得到的地表温度具有一致的变化趋势,其中单窗算法中不同典型地物的地表温度整体标准差较小,如建设用地为0.530,起伏波动小,算法精度略优于辐射传输方程法。     

基于RS与GIS的北京市热岛研究

基于普适性单通道算法,利用2005年5月6日的TM数据反演北京市区的实际地表温度。在此基础上,分析了北京市区的热环境特征、热岛分布的位置。运用GIS空间分析工具,分析了地表温度与地形特征和地表覆盖类型之间的关系。结果表明,北京市热岛分布具有环状和带状分布特征,高程较低处和坡度较小处更容易形成热岛中心,不同地表覆盖类型的热特征具有显著的差异。     

基于马尔可夫链和最大后验准则的模拟静止气象卫星数据地表组分温度反演

地表组分温度比像元混合温度具有更强的物理意义和实用价值,是定量遥感反演的一个重要研究方向。本文以马尔可夫链和最大后验准则地表温度尺度转换方法,结合静止气象卫星数据高时间分辨率的特点,通过模拟静止气象卫星数据地表组分温度反演进行分析和验证。在研究过程中,地面被简化为由植被和土壤两组分组成,同时假设邻近像元的植被和土壤组分温度相同。鉴此,本文通过模拟构建20×20像元大小的静止气象卫星混合像元图像,并对各像元各时刻温度添加均值为0标准差为2K的随机误差,最终应用所提算法估算各像元各时刻的植被和土壤组分温度大小。精度分析结果表明,该算法能够较为精确地反演植被和土壤组分温度,且误差基本控制在2K以内。此外,本文还进一步讨论了算法的适用性及其对混合像元温度误差、植被覆盖度误差,以及邻近像元植被覆盖度变化范围的敏感度。分析结果再次证明,该方法对混合像元温度误差和植被覆盖度误差都具有较低的敏感性,在最大温度误差条件(均值为1.8K,标准差为5K)和最大植被覆盖度误差(均值为0.18,标准差为0.2)的条件下,各组分温度的估算精度分别能控制在3K和2K以内,满足精度要求。但是,由于组分温度初值的确定方法,对所计算窗口内植被覆盖度变化范围有较强的敏感性,反演结果与植被覆盖度变化范围相关,要求窗口内植被覆盖度变化范围足够大才能满足初值估算的精度要求。     

MODIS_LST与AMSR-E_BT的相关性及地表温度反演

本文以2007年和2008年MODIS每日地表温度（LST）数据及AMSR-E地表亮温（BT）数据为研究对象,结合土地覆盖类型数据,统计分析MODIS_LST与AMSR-E_BT在不同土地覆盖类型、频率和极化方式条件下的相关性。结果表明,频率在18.7、23.8和36.5 GHz的AMSR-E-BT与MODIS_LST的相关性较大,且在垂直极化通道上的相关性较在水平极化上大;不同土地覆盖类型,与MODIS_LST相关性较大所对应的AMSR-E微波通道不同。同时,考虑混合像元问题对相关性的影响,对25种不同地物类型组合下MODIS_LST与AMSR-E-BT的相关性进行统计分析,发现混合像元中地物类型越多,则二者相关性越小。最后,采用多元线性回归分析法,根据不同土地覆盖类型建立反演回归模型,对部分研究区域MODIS-LST进行反演,误差平均在±3.15 K以内,与不考虑下垫面覆盖的模型比较,反演MODIS_LST精度平均提高了1.5 K。     

MODIS和GLOBCOVER全球土地覆盖数据集对比分析——以黑龙江流域为例

 随着全球气候变化的日益加剧,全球变化研究对全球土地覆盖数据的需要也越来越迫切。目前全球土地覆盖数据产品主要包括由欧洲和美国生产的5类数据产品,其中,美国波士顿大学生产的全球土地覆盖数据产品(即MODIS数据集)和欧洲空间局通过全球合作生产的全球土地覆盖数据产品(即Globcover数据集)具有较好的实效性,应用越来越广泛。由于数据来源、分类系统和分类方法不同,两个数据集在土地覆盖类型的数量和空间分布上有明显的差异。本研究从数据使用者的角度,对比了MODIS和Globcover数据集在黑龙江流域上数量和空间分布的差异,并采用LANDSAT TM/ETM+影像随机采样和野外照片验证两种方式对两个数据集的分类精度进行了验证。结果表明,在黑龙江流域,两个数据集数量和空间分布差异较大。在数量上,两个数据集一级土地覆盖类型均以森林和农田为主,草地次之,但二级土地覆盖类型差异较大。在空间上,二级类空间一致性区域和一级类空间一致性的区域分别仅占流域的22.5%和53.6%。两个数据集精度均不高,一级土地覆盖类型精度约为60%,Globcover数据较MODIS数据破碎化明显,整体精度略低于MODIS数据集,不同的二级土地覆盖类型精度不同。考虑到黑龙江流域的代表性,我们认为Globcover数据集和MODIS数据集可满足较低要求的土地覆盖分析需求。本研究为全球气候变化研究选择合适的数据集提供了基础。     

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...     

基于Landsat TM6的林区温度反演研究

主要研究利用Landsat TM6热红外波段遥感数据定量反演林地温度的方法与可行性.首先计算了研究区的比值植被指数(RVI),然后利用单窗算法开展林地温度反演,建立起了林地温度与比值植被指数之间的相关关系.研究结果表明:利用单窗算法反演的林地温度精度较高;林地温度与比值植被指数(RVI)之间存在着密切的负相关关系,林地温度与林冠变化之间关系十分密切.     

北京市TM图像城市扩张与热环境演变分析

北京城市规模的扩大,对城市环境的影响越来越显著。本文利用3期TM数据对北京市城市扩展、植被变化及其环境影响进行了分析。首先对图像进行辐射归一化,然后分别提取城市用地扩展信息和植被变化信息。并利用普适性单通道算法反演了地表温度,分析了热环境的变化。结果表明,城市扩展区和热状况加重区具有很好的对应性,而植被增加区则对应着热状况减轻区和热状况基本未变化区。城市扩展和热状况加重具有相似的规律,都是从市中心向外围呈辐射状蔓延,与北京市的环状城市结构相符合。     

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。     

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.     

河谷型城市热岛空间分布格局演变及对策——以西宁市区为例

城市热岛效应直接反映着城市的气候特征,这对于研究由城市化发展与环境改变引起的城市气温的变化及保护城市的生态环境具有重要的现实意义。本文利用LandsatTM影像、气象台站资料,基于GIS的空间分析技术及单窗算法,对河谷型城市西宁市的地表温度进行反演,分析了地表温度与NDVI、NDBI的空间对应关系。结果表明:西宁市存在明显的城市热岛效应,热场分布及延伸与西宁市空间扩展布局相一致,热岛范围呈逐年增长的趋势;低、中温区的热岛面积大幅度减少,高温区的热岛范围显著增加;热岛效应冬季最强,夏季次之,秋季有明显减弱的趋势。在河谷型城市的空间格局上,地表温度与NDVI呈负相关关系、与NDBI呈正相关关系。最后,依据热岛时空演化、成因分析和策略研究的思路,从不同角度提出了缓解城市热岛效应的措施和对策,为未来西宁市热环境的改善提供科学参考和决策支持。     

改进的DisTrad模型在地形起伏区地表温度空间分辨率提升的应用

DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。     

成都市热岛效应与城市空间发展关系分析

利用Landsat卫星影像反演成都市中心城区1992、2001和2009年的地表温度,建筑用地和植被等信息,计算其城市热岛比例指数(URI),对成都市中心城区热岛效应与城市空间发展关系进行了分析。结果表明,在1992-2009年期间成都市主城区范围从91.24km2扩展到403.8km2。成都市建成区的大面积扩展导致了城市热岛空间分布发生迁移,从单中心聚集分布转变为多中心环状分布。回归分析说明,建筑用地和植被都是影响地表温度的重要因素,其中建筑用地与地表温度呈指数型正相关关系,而植被与地表温度呈负相关关系。总的看来,成都市中心城区在这17年间的热岛效应有了明显的缓解,城市热岛比例指数从0.72下降到0.33。城市植被覆盖率的增加和合理的规划对缓解城市热岛效应起到了积极的作用。     

MODIS影像的局地云量信息元数据提取算法与应用

云对于光学遥感影像质量及其反演地表参数精度有着重要影响,且其作为时空多变要素之一,在一定程度上制约了光学遥感影像的应用。对于具有2 330km的大扫描幅宽MODIS影像而言,现有的元数据标准仅能反映影像的总体云量,而无法反映云的空间分布状况,限制了MODIS数据的局地研究和应用。本文在现有遥感影像元数据标准的基础上,提出了新的元数据项--局地云量,用于反映云在条带影像中的空间分布状况,并实现在MODIS二级云掩膜条带产品(MOD35)中针对特定区域的局地云量信息提取算法。经验证,本算法能较快速和准确地提取省级行政区的局地云量信息,并可根据用户的需求进一步推广到任意指定的多边形区域,为MODIS数据在局地研究和应用提供了便利。     

多源遥感数据时空融合模型应用分析

多源遥感数据时空融合模型是解决目前遥感数据获取能力不足问题的重要方法之一,当前主要融合方法的研究,集中于平原区域,缺乏复杂条件下的多源遥感数据融合技术的应用研究。针对我国南方复杂条件,本文对比研究了多源遥感数据时空融合模型在我国南方复杂条件下的应用能力。针对LORENZO模型、LIU模型、统计回归模型、STARFM和ESTARFM 5种主流多源遥感数据时空融合模型,采用Landsat-ETM+和MODIS数据,以江苏省南京市的小块区域为实验区,利用5种模型生产融合影像,以真实Landsat-ETM+数据为模板,定性和定量评价融合效果的好坏。结果表明：除LORENZO模型外,其余4种模型获得的融合影像与真实影像之间都具有较高的相关性,相关系数均高于0.6,其中,ESTARFM模型的融合影像与真实影像间的相关性最高,融合效果最好,其次为STARFM模型,再次为LIU模型和统计模型法。在融合过程中采用距离、时间和光谱等信息越多,融合效果越好,在复杂地区的适用能力越强,融合影像更能反映地物的细节特征。     

福州市城市不透水面景观指数与城市热环境关系分析

城市化致使城市环境问题的产生,城市热环境问题就是其中之一。本文从不透水面方面研究对城市热环境的影响。根据福州市1989年和2001年LandsatTM/ETM+遥感影像数据,利用线性光谱分解法提取两时相不透水面信息,并离散化分级为中低、中、中高、高密度区4个区域,分别计算这4个区域的地表温度(LST)、归一化植被指数(NDVI),并进行相关性分析;根据阈值法和范围法分别计算不透水面的PD、AI、LPI等景观指数,结果表明:两时段内不透水面的面积有所增加,在高密度区增加明显;不透水面与地表温度的呈正相关,相关系数分别为0.66和0.71;不透水面景观指数对FISA敏感,景观指数整体的变化趋势与地表温度的变化趋势相一致,FISA值越大,温度越高,且各斑块的形状越来越复杂,空间的连续性越强;聚集度越高,人类活动也越强。     

Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network

It is more difficult to retrieve land surface temperature(LST) from passive microwave remote sensing data than from thermal remote sensing data, because the emissivities in the passive microwave band can change more easily than those in the thermal infrared band. Thus, it is very difficult to build a stable relationship. Passive microwave band emissivities are greatly influenced by the soil moisture, which varies with time. This makes it difficult to develop a general physical algorithm. This paper proposes a method to utilize multiple-satellite, sensors and resolution coupled with a deep dynamic learning neural network to retrieve the land surface temperature from images acquired by the Advanced Microwave Scanning Radiometer 2(AMSR2), a sensor that is similar to the Advanced Microwave Scanning Radiometer Earth Observing System(AMSR-E). The AMSR-E and MODIS sensors are located aboard the Aqua satellite. The MODIS LST product is used as the ground truth data to overcome the difficulties in obtaining large scale land surface temperature data. The mean and standard deviation of the retrieval error are approximately 1.4° and 1.9° when five frequencies(ten channels, 10.7, 18.7, 23.8, 36.5, 89 V/H GHz) are used. This method can effectively eliminate the influences of the soil moisture, roughness, atmosphere and various other factors. An analysis of the application of this method to the retrieval of land surface temperature from AMSR2 data indicates that the method is feasible. The accuracy is approximately 1.8° through a comparison between the retrieval results with ground measurement data from meteorological stations.