顾及时空特征的FY-4A云覆盖像元地表温度重建模型

热红外遥感为地表温度(land surface temperature,LST)时空全局快速获取提供了有效手段,但目前已有的地表温度产品未估算云覆盖像元地表温度,如何估算地表温度产品中空值像元的地表温度,得到无缝的地表温度数据,是热红外遥感的研究难点。针对该问题,提出了一种顾及时空特征的LST重建模型,该模型首先在时间域对LST空值进行重建,然后在空间域对LST空值进行重建,最后采用Savitzky-Golay滤波器对重建的LST数据进行平滑去噪,实现LST的空值重建。以黑河流域为研究区域,以风云四号A星(Fengyun 4A,FY-4A)数据为例,计算了该模型在不同天气条件下的重建精度,并分析了不同空值区域大小对重建结果的影响。结果表明,所提方法能解决晴空和多云天气下有空值像元的LST重建问题,一天内LST连续空值数目为1～31时,重建的均方根误差为0.405～1.915 K,决定系数R2为0.952～0.989;与传统的昼夜温度变化模型相比较,该模型不受有效LST像元数量和LST分布时刻的影响。     

基于FY-2F数据的中国区域地表温度日变化模型评价及特征研究

地表温度日变化模型作为非常重要的输入参数在气象、水文、生态等领域研究中具有重要意义。风云二号(FY-2F)静止气象卫星的地表温度产品的时间分辨率为1小时,这为拟合精确的地表温度日变化(DSTC)模型提供了可能。本文首先利用194个气象站点对应的2014年的FY-2F地表温度产品评价了GOT01、VAN06、JNG06、INA08、GOT09和GEM_V这6种地表温度日变化模型在中国区的模拟精度,对不同时间窗口和不同地表覆盖类型拟合精度的差异进行了分析;其次,选用JNG06模型探究了中国区域地表温度随经纬度、季节和地表覆盖类型的日变化规律。研究结果表明:在不同时间窗口内,GOT09模型获得了全局最优的拟合精度,均方根误差为0.89 K;JNG06和GEM_V模型精度次之,均方根误差分别为0.92 K和0.94 K;GOT01、INA08和VAN06模型精度最差;各模型在城市和建筑区、农用地和自然植被以及常绿阔叶林这3类地表覆盖类型的拟合精度最好,其均方根误差在0.89—0.92 K,在其余地表覆盖类型的拟合精度在1.0 K以上。JNG06模型模拟的地表温度在4种典型的地表类型随纬度的变化规律较为明显,地表温度在1月份随纬度变化较为剧烈,在7月份整体波动较为平缓。综上所述,使用FY-2F地表温度产品建立的DSTC模型在中国区域具有较高的精度,模拟的地表温度随着纬度变化的规律较为明显。使用本文模型既可以纠正现有模型又可获取归一化地表温度产品,同时可以检验和标定陆面模式地表温度模拟结果。     

基于地球静止气象卫星的地表参数遥感研究进展

地表参数定量遥感反演是遥感科学研究的重要环节。21世纪以来,地球静止气象卫星数据在地表参数遥感反演中受到越来越多的重视。本文对利用地球静止气象卫星进行地表参数遥感反演研究的进展进行了综述。文章首先简单介绍了当前正在运行的欧盟Meteosat、美国GOES-R、日本葵花和中国风云静止卫星系统,随后详细总结了不同卫星系统估算各种地表参数的方法。在此基础上,文章对进一步利用静止卫星估算地表参数的研究展开讨论,指出未来的研究应重点关注几个方面:(1)探索和运用新技术提高静止卫星数据获取和处理的效率和精度;(2)融合全球多颗静止气象卫星,同时与极轨卫星融合,生产覆盖全球的长时序地表参数产品;(3)探索地表参数的高效获取方法,对静止气象卫星地表参数产品开展真实性检验,满足地表过程研究和资源环境动态监测对高质量地表参数产品的需求。     

地表温度日变化模型偏差系数解算的地表温度降尺度

地表温度LST（Land Surface Temperature）是全球气候变化研究的关键参数,遥感是获取全球和区域尺度地表温度的一种切实可行手段,但现有的单一传感器无法提供高时空分辨率的LST数据,限制了遥感地表温度数据的深入广泛应用。现有的降尺度方法难以生成无缝高时空分辨率的地表温度数据,且降尺度效果易受高空间分辨率LST数据缺失及有效时刻分布影响。本文提出了一种基于地表温度日变化模型DTC（Diurnal Temperature Cycle）偏差系数解算的地表温度降尺度方法,采用FY-4A、MODIS和Landsat 8的LST数据生成晴空及多云条件下逐小时100 m的无缝LST数据。方法主要包含4部分：（1）利用空值重建方法获取无缝的FY-4A的LST数据;（2）建立FY-4A LST数据的DTC模型;（3）采用时空融合模型对MODIS的LST数据进行空间降尺度;（4）解算DTC模型偏差系数,获取逐小时100 m分辨率的无缝LST数据。实验结果表明,本文提出的方法具有较高的降尺度精度,可获得晴空及多云条件下无缝高时空地表温度数据,且高空间分辨率的地表温度数据缺失和有效时刻分布对本文方法降尺度结果影响较小。     

用被动微波AMSR数据反演地表温度及发射率的方法研究

 针对对地观测卫星多传感器的特点，提出了借助MODIS地表温度产品从被动微波数据中反演地表温度的方法。即利用MODIS地表温度产品和AMSR不同通道之间的亮度温度，建立地表温度的反演方程。该方法克服了以往需要测量同步数据的困难，为不同传感器之间的参数反演相互校正和综合利用多传感器的数据提供实际应用和理论依据。文中以MODIS地表温度产品作为评价标准，对方法进行检验，其平均误差为2~3℃。另外，微波的发射率是土壤水分反演的关键参数，在对微波地表温度反演的基础上，进一步对发射率进行了研究。     

耦合双时相与邻近像元信息的极轨卫星地表组分温度反演

与混合像元的地表温度相比,植被和土壤的组分温度具有更明确的物理意义。因此,本文提出了一种从具有广泛应用的极轨卫星地表温度产品中分离出植被和土壤组分温度的算法。该算法使用温度日变化模型作为桥梁连接极轨卫星一日内的两次观测,利用多像元数据进行模型求解,从而得到过境时刻的地表植被和土壤组分温度。论文针对MODIS数据开展了地表组分温度的反演,并利用实测站点数据和高分辨率卫星数据对反演结果进行了验证。结果表明,该算法可以提供合理的植被和土壤组分温度信息,反演温度的误差变化范围为1.4 K到2.5 K。此外,对观测时刻组合方式的分析表明该算法只需要一次白天观测和一次夜晚观测就可以得到精度较好的分离结果,并且两次观测可以来自于不同传感器,进一步表明了算法具有良好的可操作性。     

航空遥感地表温度时间归一化

航空热红外遥感影像的航带宽度一般较为有限,通常需要进行连续飞行获得多个航带才能覆盖一个较大的研究区;由于地表温度随时间变化迅速,不同航带间地表温度存在差异。因此,进行不同航带影像拼接之前,需要对不同航带的地表温度进行时间归一化。本文基于温度日变化模型,构建了航空遥感地表温度时间归一化方法;结合Hi WATER试验区高密度的气象观测数据,分析了天气晴朗条件下,风速的大小和波动剧烈程度对地表温度日变化模型的影响,在此基础上发展了一种考虑风速影响的改进温度日变化模型。验证结果表明:两种模型均能够减小观测时间不同导致的地表温度瞬时波动差异;考虑风速影响的改进模型比未改进模型的精度提高0.3—0.6 K,且其提供的地表温度在时间尺度变化上更加符合实际情况。本研究建立的相关模型对于卫星遥感地表温度的时间归一化也具有借鉴意义。     

云下遥感地表温度重构方法研究

地表温度是研究地-气之间水热平衡的重要参数,对地表温度的全天候获取具有重要意义。热红外遥感可以获得较高分辨率空间全覆盖的地表温度产品,但是有云地区数据缺失问题制约了地表温度遥感产品的全天候应用。文章发展了2种对云下缺失的地表温度进行重构的方法,方法 1是借助地表温度同化数据集发展了一种时空匹配的数据融合方法,方法 2是将当前在海表参数重构研究中较为流行的经验正交函数插值法(data interpolating empirical orthogonal function,DINEOF)方法应用于地表温度的重构研究中。通过对2017年中国地区地表温度遥感数据的重构对比了2种方法的效果与精度,结果显示:2种方法在整个中国地区不同季节有云条件下精度在2.5～3.5 K之间。方法可为今后地表温度遥感数据的全天候获取提供有益帮助。     

融合高分一号、风云四号及葵花-8的光合有效辐射遥感方法及产品研究

光合有效辐射是植被生产力模型的重要输入参数，也是陆地生态系统模型及生物地化模型等的重要特征参量。目前的全球或区域尺度光合有效辐射产品在起伏地表情形的精度及可用性尚存在不足，高分系列卫星的发射，为高空间分辨率光合有效辐射遥感产品反演提供了可能。本文结合高分一号卫星(GF-1)反演的地表反照率产品，气溶胶光学厚度产品，日本新一代静止卫星Himawari-8及国产风云四号卫星(FY-4)的云光学厚度产品及美国的SNPP卫星反演的气溶胶光学厚度产品(用于填补GF气溶胶产品的空值区)，发展了一种基于参数化模型的光合有效辐射遥感反演方法。晴空条件下，主要考虑气溶胶和瑞利散射对光合有效辐射的衰减；云天情形，则主要考虑云光学厚度参数对入射辐射的影响，以球形粒子的Mie散射理论和平面平行大气辐射传输原理计算总透过率；针对起伏地表，分别计算地形对坡面入射角度的影响、对直接辐射的遮蔽以及对散射辐射的增强/衰减效应，从而得到高分卫星光合有效辐射遥感反演模型及产品。利用河北怀来试验站、西南大学柑研所及黑河流域地表过程综合观测网的连续观测数据对光合有效辐射产品进行了对比验证，其相关系数为0.87，平均偏差为1.5...     

单通道算法地表温度反演的若干问题讨论——以Landsat系列数据为例

目的 在地表温度反演中,Jiménez Muoz和Sobrino开发的单通道(SC)算法因其需要的实时大气参数少而被广泛应用。由于SC算法在2003年提出时只提供了针对LandsatTM的大气参数,导致许多后续基于ETM+数据的地表温度计算也都采用TM的大气参数。即使SC算法于2009年提出了改进版,但这一混用现象仍未改观。因此,基于实测地表温度,以Landsat5/7/8号卫星的热红外数据为例比较了2003和2009版的算法,探讨了Planck函数、λ取值和大气参数等常见问题。结果表明,2009版的算法明显提高了ETM+地表温度反演的精度,且以采用Planck函数和USGS提供的λ值时所获得的平均精度最高。在当前,如果要用SC算法来反演Landsat8的地表温度,可在大气水汽含量较低时选用TIRS10波段来单独进行。     

A case study for intercomparison of land surface temperature retrieved from GOES and MODIS

In recent years, algorithms have been developed to derive land surface temperature (LST) from geostationary and polar satellite systems. However, few works have addressed the intercomparison between Geostationary Operational Environmental Satellites (GOES) and the available suite of polar sensors. In this study, differences in LSTs between GOES and MODerate resolution Imaging Spectroradiometer (MODIS) have been compared and also evaluated against ground observations. Due to the lack of split-window (SW) channels in the GOES M (12)-Q era, a dual-window algorithm using a mid-infrared 3.9 µm channel is compared with traditional SW algorithm. It is found that the differences in LST between different platforms are bigger during daytime than those during nighttime. During daytime, LSTs from GOES with the dual-window algorithm are warmer than MODIS LSTs, while LSTs from the SW algorithm are close to MODIS LSTs. The difference during daytime is found to be related to anisotropy in satellite viewing geometry, and land surface properties, such as vegetation cover and especially surface emissivity at middle infrared (MIR) channel. When evaluated against ground observations, the standard deviation (precision) error (2.35 K) from the dual window algorithm is worse than that (1.83 K) from the SW algorithm, indicating the lack of split-window channel in the GOES M(12)-Q era may degrade the performance of LST retrievals.     

Developing a temporally land cover-based look-up table (TL-LUT) method for estimating land surface temperature based on AMSR-E data over the Chinese landmass

The land surface temperature (LST) is an important parameter when studying the interface between the atmosphere and the Earth's surface. Compared to satellite thermal infrared (TIR) remote sensing, passive microwave (PMW) remote sensing is better able to overcome atmospheric influences and to estimate the LST, especially in cloudy regions. However, methods for estimating PMW LSTs at the country and continental scales are still rare. The necessity of training such methods from a temporally dynamic perspective also needs further investigations. Here, a temporally land cover based look-up table (TL-LUT) method is proposed to estimate the LSTs from AMSR-E data over the Chinese landmass. In this method, the synergies between observations from MODIS (Moderate Resolution Imaging Spectroradiometer) and AMSR-E (Advanced Microwave Scanning Radiometer for EOS), which are onboard the same Aqua satellite, are explored. Validation with the synchronous MODIS LSTs demonstrates that the TL-LUT method has better performances in retrieving LSTs with AMSR-E data than the method that uses a single brightness temperature in 36.5 GHz vertical polarization channel. The accuracy of the TL-LUT method is better than 2.7 K for forest and 3.2 K for cropland. Its accuracy varies according to land cover type, time of day, and season. When compared with the in-situ measured LSTs at four sites without urban warming in the Tibet Plateau, the standard errors of estimation between the estimated AMSR-E LST and in-situ measured LST are from 5.1 K to 6.0 K in the daytime and 3.1 K to 4.5 K in the nighttime. Further comparison with the in-situ measured air temperatures at 24 meteorological stations confirms the good performance of the TL-LUT method. The feasibility of PMW remote sensing in estimating the LST for China can complement the TIR data and can, therefore, aid in the generation of daily LST maps for the entire country. Further study of the penetration of PMW radiation would benefit the LST estimations in barren and other sparsely vegetated environments.     

AMSR-E地表温度数据重建深度学习方法

地表温度对于全球气候变化等研究具有重要意义。被动微波遥感传感器AMSR-E（Advanced Microwave Scanning Radiometer for EOS）可以获得全天候地表温度,可作为多云条件下热红外地表温度数据的补充;但轨道扫描间隙限制了该数据在全球或区域尺度上的实际应用。鉴于地表温度的高时空异质性和AMSR-E LST轨道间隙数据的特点,本文提出了一种多时相特征连接卷积神经网络地表温度双向重建模型（MTFC-CNN）,利用深度学习在处理复杂非线性问题上的优势,重建轨道间隙区域的地表温度值。将2010年中国大陆四季的AMSR-E LST数据（数据未含港澳台区域）,分为白天和夜晚,形成共8个数据子集进行实验。在模拟实验中,重建结果与原始反演地表温度值平均均方根误差在1.0 K左右,决定系数R²在0.88以上,优于传统的样条空间插值和时间线性回归方法;真实实验结果具有较好的目视效果,且与对应MODIS LST产品对比发现,重建区LST值和未重建区LST值与MODIS LST产品间具有相近的平均均方根误差和决定系数。因此,本文提出的MTFC-CNN方法能有效重建AMSR-E LST轨道间隙数据,且优于传统方法。     

遥感地表温度降尺度方法比较————性能对比及适应性评价

在归纳现有遥感地表温度降尺度方法的基础上, 选取3种代表性方法:Normalized Difference Vegetation Index (NDVI)、Pixel Block Intensity Modulation (PBIM)和Linear Spectral Mixture Model (LSMM)方法进行实验比较, 并建立了一种纹理相似性度量指标CO-RMSE (Co-Occurrence Root Mean Square Error)。结果表明:(1)NDVI方法受季节影响最严重, 不适于春、冬季, 其次为PBIM方法;(2)LSMM方法受分辨率限制最大, 低分辨率时丢失大量纹理信息, NDVI方法在较高分辨率时优于PBIM方法, 较低分辨率时则相反;(3)3种方法的适用区域分别为植被与裸土像元并存区域, 山区和反照率变化较大区域, 以及类别间温差较大区域;(4)NDVI方法操作最简单, LSMM方法最复杂。分析认为, 尺度因子是决定方法性能的关键, 应根据季节、分辨率、地表覆盖、应用目的和操作性等综合选择。     

针对Terra/MODIS数据的改进分裂窗地表温度反演算法

针对Terra/MODIS数据提出改进的分裂窗地表温度反演算法。充分考虑了传感器观测角度(VZA)的影响,并对地表和有效大气辐射按照不同的亮度温度区间分别进行Planck函数简化。利用TIGR3大气廓线库中的875条晴空大气廓线,ASTER波谱库中的106条地物发射率波谱,结合MODTRAN4大气辐射传输模型模拟得到分裂窗算法系数。利用MODTRAN4模拟数据对算法精度进行验证,结果表明本文的改进算法和原算法的均方根误差RMSE分别为0.34K和0.65K。敏感性分析表明,在中等湿润的大气条件下,算法对大气水汽含量并不敏感。该算法降低了传感器观测角度带来的地表温度反演误差。利用2009年6月美国SURFRAD辐射观测网6个站点的实测数据对改进算法、原算法以及MOD11_L2地表温度产品进行了对比验证,RMSE分别是0.93K、1.49K和1.0K,表明本文算法可以提高反演精度。     

Estimation of regional evapotranspiration over the North China Plain using geostationary satellite data

Data from the first operational Chinese geostationary satellite Fengyun-2C (FY-2C) satellite are applied in combination with Moderate Resolution Imaging Spectroradiometer (MODIS) satellite products for the assessment of regional evapotranspiration over the North China Plain. The approach is based on the improved triangle method, where the temperature–vegetation index space includes thermal inertia. Two thermal infrared channels from FY-2C are used to estimate surface temperature (Ts) based on a split window algorithm originally proposed for the MSG-SEVIRI sensor. Subsequently the high temporal resolution of FY-2C data is exploited to give the morning rise in Ts. Combined with the 16 days composite MODIS vegetation indices product (MOD13) at a spatial resolution of 5 km, evaporative fraction (EF) is estimated by interpolation in the ΔTs–NDVI triangular-shaped scatter space. Finally, regional actual evapotranspiration (ET) is derived from the evaporative fraction and available energy estimated from MODIS surface albedo products MCD43. Spatial variations of estimated surface variables (Ts, EF and ET) corresponded well to land cover patterns and farmland management practices. Estimated ET and EF also compared well to lysimeter data collected for the period June 2005–September 2007. The improved triangle method was also applied to MODIS products for comparison. Estimates based on FY-2C products proved to provide slightly better results than those based on MODIS products. The consistency of the estimated spatial variation with other spatial data supports the use of FY-2C data for ET estimation using the improved triangle method. Of particular value is the high temporal frequency of image acquisitions from FY-2C which improves the likelihood of obtaining cloud free image acquisitions as compared to polar orbiting sensors like MODIS.     

A radiance-based split-window algorithm for land surface temperature retrieval: Theory and application to MODIS data

The split-window algorithm is the most commonly used method for land surface temperature (LST) retrieval from satellite data. Simplification of the Planck’s function, as an important step in developing the SWA, allows us to directly relate the radiance to the temperature toward solving the radiative transfer equation (RTE) set. In this study, Planck’s radiance relationship between two adjacent thermal infrared channels was modeled to solve the RTE set instead of simplification of the Planck’s function. A radiance-based split-window algorithm (RBSWA) was developed and applied to Moderate Resolution Imaging Spectroradiometer (MODIS) data. The performance of the RBSWA was assessed and compared with three most common brightness temperature-based split-window algorithms (BTBSWAs) by using the simulated data and satellite measurements. Simulation analysis showed that the LST retrieval using RBSWA had a Root Mean Square Error (RMSE) of 0.5 K and achieved an improvement of 0.3 K compared with three BTBSWAs, and the LST retrieval accuracy using RBSWA was better than 1.5 K considering uncertainties in input parameters based on the sensitivity analysis. For application of RBSWA to MODIS data, the results showed that: 1) comparison between LST from MODIS LST product and LST retrieved using RBSWA showed a mean RMSE of 1.33 K for 108 groups of MODIS image covering continental US, which indicates RBSWA is reliable and robust; 2) when using the measurements from US surface radiation budget network as real values the RMSE of the RBSWA algorithm was 2.55 K and was slightly better than MODIS LST product; and 3) through the cross validation using Advanced Spaceborne Thermal Emission and Reflection Radiometer LST product, the RMSE of the RBSWA algorithm was 2.23 K and was 0.28 K less than that of MODIS LST product. We conclude that the RBSWA for LST retrieval from MODIS data can attain a better accuracy than the BTBSWA.