多源地表温度估算近地表气温的精度对比

气象站点稀疏会导致观测到的近地表气温空间不连续,基于地表温度数据结合辅助变量估算气温成为获取气温空间分布的有效方式。目前,已有多种地表温度产品,但鲜有研究评估多源地表温度数据在估算气温时的精度及其适用性。针对该问题,首先,利用Google Earth Engine平台和随机森林算法,基于Landsat、中分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)、全球陆面数据同化系统（global land data assimilation system,GLDAS）3种地表温度数据源估算了黄河流域近地表气温的最大值、最小值和平均值;然后,结合站点观测分析了多源地表温度估算气温的精度及适用性。结果表明,3种地表温度数据源估算夏季气温平均值时精度差异较小;对于气温极值估算,GLDAS数据显著优于MODIS和Landsat数据;每种数据源估算气温极值的精度低于其估算气温均值;此外,地表温度的时间分辨率会显著影响近地表气温的估算精度。该成果可以为长时序气温产品估算提供科学参考。     

基于DEnKF方法的考虑次网格变异性的MODIS雪盖同化

基于通用陆面模型(CoLM)和确定性集合卡尔曼滤波算法发展了一个考虑模型次网格变异性的MODIS雪盖同化方案,提高雪深模拟的估计精度。利用北疆阿勒泰地区5个气象站点2007年11月至2008年4月逐日雪深观测数据对同化结果进行了验证。结果表明,该同化方案不需要对MODIS雪盖观测数据进行扰动,能明显提高雪深模拟的精度。另外,雪深同化结果与地面观测雪深具有一致的时间变化趋势,能准确地反映积雪深度在各个不同时段的变化特性。     

基于改进的METRIC模型的农田潜热通量估算

基于热红外遥感的潜热通量估算在农业干旱和水资源管理方面具有重要意义。利用Landsat卫星遥感热红外数据和单窗算法来获取地表温度,再通过改进地表粗糙度参数,提出基于地表粗糙度改进的基于高分辨率和内在校准的蒸散估算法(mapping evapotranspiration at high resolution and with internalized calibration,METRIC)估算农田潜热通量,并利用海河流域怀来和密云2个农田通量观测站的通量观测数据验证估算结果,实验结果表明:改进的METRIC模型模拟值与观测值相关系数平方(R~2)为0. 97,优于传统的METRIC模型(R~2=0. 89),改进后模型具有更高的农田潜热通量估算精度;此外,空间分布也表明改进后的模型估算值空间格局更加合理。由于数据获取的局限性,仅采用了北京2个站点数据对模型进行验证,在其他区域仍需要进一步验证。     

GIDS空间插值法估算云下地表温度

选用陆面区域温度最佳空间插值法—梯度距离平方反比法(GIDS),为近似估算云下地表温度提供了可能。实验选取暖季南京江宁地区ETM+影像和ASTERGDEMV1高程数据,探索分析GIDS估算云下地表温度的可行性和可信性。对14种空间大小云覆盖区实验研究表明:利用GIDS插值估算云下地表温度具有可行性,且估算误差随着云覆盖区范围增大而增加,其最大MAE<0.9℃,最大RMSE<1.2℃,并在云覆盖区小于100×100像元时,最大MAE<0.8℃、RMSE<1℃;插值精度与最近邻无云像元典型代表性、区域内空间复杂度和地表覆盖类型均有关,存在不稳定性和动态性;云下NDVI均方差与MAE、RMSE有着一致变化趋势,借助NDVI均方差指示云下地表空间异质性及NDVI–LST负相关性,可对插值结果进行可信性评判,以避免插值结果盲目应用,推进和提升地表温度产品应用价值。     

非均匀地表蒸散遥感研究综述

本文评述了目前常用的遥感估算地表蒸散方法,包括地表能量平衡模型、Penman-Monteith类模型、温度—植被指数特征空间方法、Priestley-Taylor类模型和其他方法。然而使用这些方法估算地表蒸散时会面临严重的尺度效应,而产生尺度效应的根本原因之一是地表异质性,在分析了非均匀下垫面对水热通量遥感反演造成的影响后,介绍了面积加权、校正因子补偿与温度降尺度3种尺度误差纠正方法;并从地面观测实验的角度简述了非均匀下垫面水热通量真实性检验的研究;最后探讨了将来建立更具时空代表性的非均匀下垫面地表蒸散遥感估算模型可能会面临的一些挑战。     

Sentinel-3卫星双角度热红外数据的流域尺度地表蒸散发估算与验证

双层能量平衡模型TSEB（Two Source Energy Balance）常用于地表蒸散发的估算研究,对于干旱半干旱流域的水资源调控以及利用有着十分重要的意义。本文在流域尺度上分别利用Sentinel-3双角度观测热红外和近红外数据反演的地表温度LST（Land Surfacer Temperature）和地表组分温度LSCT（Land Surface Component Temperatures）分别驱动TSEB模型,估算了黑河流域不同土地覆盖类型下的瞬时地表通量,并利用流域内上、中、下游通量塔地面观测数据验证了两种模型估算的地表通量。结果表明：两种模型都在一定程度上高估了净辐射和潜热通量,在植被稀疏的高寒草甸以及河岸林土地覆被类型下,TSEB-PT模型表现更好,随着植被覆盖度的上升,TSEB-2T模型的优势更加明显。研究结果为黑河流域水资源合理利用提供一定的保障以及为水资源管理者提供流域尺度上更加准确的植被水分利用的估计值,并且为后期模型的优化提供了理论基础。     

融合Landsat ETM+和MODIS数据估算高时空分辨率地表短波反照率

提出一种通过融合高空间低时间分辨率、低空间高时间分辨率地表短波反照率,来估算高时空分辨率地表短波反照率的方法。首先,利用Landsat ETM+数据,通过窄波段到宽波段的转换得到一景或多景空间分辨率较高的ETM+蓝天空短波反照率;然后,在MODIS短波反照率产品基础上,以天空光比例因子为权重,得到空间分辨率较低的MODIS蓝天空短波反照率;最后,利用STARFM(Spatial and Temporal Adaptive Reflectance Fusion Model)模型融合ETM+短波反照率的空间变化信息和MODIS短波反照率的时间变化信息,得到高时空分辨率的地表短波反照率。针对STARFM模型在异质性区域估算精度降低的问题,通过以MODIS反照率影像各像元的端元(各地类)反照率取代MODIS像元反照率来提取时空变化等信息参与STARFM模型的融合过程,达到提高异质性区域估算精度的目的。结果显示,直接利用STARFM模型估算得到的高空间分辨率地表短波反照率处在合理的精度范围内(RMSE0.02),用改进后的STARFM模型估算得到的异质性区域短波反照率和真实ETM+短波反照率间的相关系数增大。     

HJ-1卫星数据估算地表能量平衡

利用遥感数据估算和监测地表能量平衡的研究和应用一直以来都是学术探索的前沿和焦点,目前针对国际主流卫星数据(如MODIS,Landsat TM等)的算法研究有很多,且在不同的尺度上发展了一系列遥感技术和应用方法。本文以环境一号卫星(HJ-1)数据为主要数据源,研究和分析了地表能量平衡遥感估算方法。在下行短波和长波辐射,以及地表净辐射估算的基础上,重点研究了地表显热和潜热通量(蒸散)的估算方法,针对辐射温度代替空气动力学温度所引起的误差校正,对比分析了基于KB-1系数的热力学粗糙度长度,以及附加阻抗两种方法。使用2010年HJ-1B数据反演得到海河流域地表能量平衡各分量瞬时值,利用3个地面站点的测量数据对反演结果进行验证和误差分析。结果表明下行短波辐射的反演误差是地表净辐射反演误差的主要来源,地表温度的反演精度以及地表粗糙度的模拟精度是影响显热通量反演精度的主要因素。利用两种方法估算的显热通量趋势基本一致,但KB-1系数法的反演结果一般低于附加阻抗法。在下垫面较为复杂的区域,模型结果误差较大,需要更加精细的模型以刻画地表非均匀性的影响。     

一种极干旱区水热通量遥感模型反演

针对极干旱的土壤水热通量遥感估算研究少和缺乏模型验证分析的不足,该文选取新疆塔克拉码干沙漠东南缘米兰绿洲,借助2010年8月7日TM影像数据,结合地面观测数据和土地覆盖类型解译,利用SEBAL模型反演了研究区地表通量。结果表明:该方法在极干旱区的模拟精度较高,研究区地表能量平衡各分量具有明显的时空分布特征。地表通量参数的遥感反演估算对极干旱区的生态保护、灾害监测和地区水资源管理具有重要现实意义。     

基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例

地表温度是气候、水文和生态等研究领域的基本参数,在地表水量和能量平衡的研究和应用中发挥着十分重要的作用。强烈的异质性是地表温度反演精度不高的主要原因之一。该文以黄河源区玛曲为研究区,评估FY-2C数据的地表温度反演精度,为将来温度反演算法和产品的进一步发展提供依据。首先,以与FY-2C相同空间分辨率的MODIS地表温度产品(MOD11B1)为地表温度真值,对反演的地表温度进行了验证;然后,利用研究区内20个采样点的土壤温度(5 cm)实测数据对反演结果进行验证。结果表明,FY-2C地表温度与MODIS温度产品具有较好的相关性,相关系数在0.72~0.95之间,均方根误差在0.44~3.87 K之间,平均均方根误差为1.90 K;反演结果和实测数据的相关系数为0.69。     

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.     

利用MODIS数据分析山东半岛陆面温度的季节变化

探讨了MODIS数据的地表温度反演方法——分裂窗算法,该算法仅需要两个基本参数,大气透过率和地表比辐射率。这两个参数都可从同一景MODIS图像数据中直接反演出来,并保持较高的反演精度。利用该算法,反演了山东半岛的地表温度,并分析了该地区地表温度的季节变化和城市热岛强度。     

城市地表温度空间降尺度研究—以北京市为例

地表温度LST（Land Surface Temperature）是城市热环境研究的重要参数之一,城市下垫面极为复杂,LST空间差异性较高。高空间分辨率LST对精细化城市热环境监测和缓解具有重要意义。目前大部分城市遥感LST降尺度研究仍以二维角度为主,缺乏建筑三维结构的考虑。本研究同时考虑地表二维和三维指标,构建基于随机森林方法的降尺度模型,开展MODIS 1 km LST降尺度研究（100 m）,并探讨二维和三维建筑形态对LST影响的空间尺度效应。另外,为了弥补随机森林模型缺乏物理基础的不足,参考热辐射传输方程,将方程中传感器接收的辐亮度和与大气透过率相关的大气可降水量,加入降尺度模型构建中。为了更好利用真实观测的MODIS 1 km LST验证降尺度结果,故将MODIS LST和所有指标因子升尺度至5 km,开展5 km LST降尺度至1 km研究,进一步研究探讨大气顶层辐亮度和大气可降水量对LST降尺度的影响。研究结果表明：（1）随机森林模型中增加辐亮度和大气可降水量前后,通过将5 km LST降尺度后1 km LST与原始MODIS 1 km LST相比,RMSE和R²分别由3.1 K和0.5提高至0.38 K和0.94。（2）当随机森林模型中增加建筑形态指标后,模型的袋外分数OOB_score由0.46提高至0.49,模拟的100 m LST与ASTER LST产品比较,R²有所降低,可能的原因是ASTER 和MODIS LST的反演方法和传感器不同,造成两者在100 m尺度下的对比性差一些。但是当驱动因子中增加MOD02和MOD05后,RMSE和R²由2.4 K和0.29提高至1.2 K和0.68,进一步说明MOD02和MOD05在1 km LST降至100 m过程中,起到至关重要作用。（3）在1 km和100 m尺度下,增加建筑形态后,模型OOB_score均有提高,并且建筑形态指标的重要性有所不同,在100 m尺度下独立建筑形态的影响程度有所增加。综上,MODIS LST在城市地区降尺度研究中需要考虑大气顶层辐亮度、大气可降水量和建筑形态的影响,并且不同的建筑形态对LST的重要性存在空间尺度效应。     

两种高光谱热红外数据大气校正方法的分析与比较

利用模拟数据对Autonomous Atmospheric Compensation(AAC)和In-scene Atmospheric Compensation(ISAC)这两种高光谱热红外数据大气校正方法进行了对比和分析。结果显示,在满足方法适用条件情况下,AAC方法大气校正精度较高,除湿热的热带大气外,大气透过率的反演误差小于0.02,大气上行辐射的误差小于0.004W.m-2.sr-1.cm;而ISAC方法精度较低,透过率误差在0.05至0.3之间,上行辐射误差在0.003W.m-2.sr-1.cm至0.035W.m-2.sr-1.cm之间变化,误差随大气水汽含量增加而增加。大气非均一性对大气校正精度影响分析表明,AAC方法大气校正精度受大气非均一性影响显著。因此,需从高光谱数据光谱信息出发,发展针对低空间分辨率高光谱热红外数据的大气校正方法,以克服现有方法大气水平均一假设的不足。     

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。     

青藏高原那曲地区MODIS 地表温度估算

地表温度是区域和全球尺度陆面过程研究中的一个关键参数,利用遥感卫星资料反演得到的地表温度数据在气象、水文和生态领域研究中有重要作用.本文基于改进后的针对MODIS 数据的分裂窗口算法,对MODIS L1B 卫星数据进行实用而简便的云检测处理,并根据青藏高原陆地、水体和冰雪等常见下垫面状况的遥感影像分类结果,反演得到了2007-01-03 、04-18 、06-12 和10-02 四日的无云下垫面地表温度.最后,将Sobrino 结果在青藏高原那曲地区与MODIS 日地表温度产品及CAMP/Tibet 观测站地表温度数据进行了对比验证分析.结果表明,该方法得到的地表温度结果与MODIS 数据产品具有较好的一致性,并且地表温度结果与地面观测数据(去除可疑点后)的平均误差仅为1.435 K .     

The potential of the greenness and radiation (GR) model to interpret 8-day gross primary production of vegetation

Remote sensing of vegetation gross primary production (GPP) is an important step to analyze terrestrial carbon (C) cycles in response to changing climate. The availability of global networks of C flux measurements provides a valuable opportunity to develop remote sensing based GPP algorithms and test their performances across diverse regions and plant functional types (PFTs). Using 70 global C flux measurements including 24 non-forest (NF), 17 deciduous forest (DF) and 29 evergreen forest (EF), we present the evaluation of an upscaled remote sensing based greenness and radiation (GR) model for GPP estimation. This model is developed using enhanced vegetation index (EVI) and land surface temperature (LST) from the Moderate Resolution Imaging Spectroradiometer (MODIS) and global course resolution radiation data from the National Center for Environmental Prediction (NCEP). Model calibration was achieved using statistical parameters of both EVI and LST fitted for different PFTs. Our results indicate that compared to the standard MODIS GPP product, the calibrated GR model improved the GPP accuracy by reducing the root mean square errors (RMSE) by 16%, 30% and 11% for the NF, DF and EF sites, respectively. The standard MODIS and GR model intercomparisons at individual sites for GPP estimation also showed that GR model performs better in terms of model accuracy and stability. This evaluation demonstrates the potential use of the GR model in capturing short-term GPP variations in areas lacking ground measurements for most of vegetated ecosystems globally.     

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。