Landsat 9数据的地表温度反演算法优化

地表温度作为地表与大气之间能量交换的关键参数被广泛地用于众多领域。本文针对Landsat 9数据,优化了单窗算法模型和劈窗算法模型,实现了地表温度反演,并结合SURFRAD站点实测数据和地表温度产品进行了精度验证分析。结果表明：两种算法模型的确定系数均大于0.96,其中劈窗算法模型精度较高,误差(RMSE)值为1.45 K左右,单窗算法模型精度较低,误差(RMSE)值为1.61 K左右;劈窗算法模型相较于单窗算法模型对参数的敏感性较低,在高水汽含量范围内,劈窗算法模型的结果要优于单窗算法模型的结果;本文提出的地表温度反演方法结果与官方地表温度产品的误差(RMSE)值均在2.5 K以内,可满足热红外遥感数据生产地表温度产品的应用需求。     

中国陆地区域陆表温度业务化遥感反演算法及产品运行系统

地表温度反演的裂窗算法已成功应用于NOAA系列卫星热红外遥感数据。目前，裂窗算法中应用较为广泛的一种是Becker等人于1990年提出的局地裂窗算法，主要是通过辐射传输模型模拟不同地表条件和大气状况下，地表温度和发射率对红外辐射亮温的影响，从而发展出一个利用AVHRR4，5通道亮温数据反演地表温度的线性模型。在晴空无云和地表比辐射率能精确估算的情况下，Becker算法反演地表温度的精度在1K以内。Becker算法用Lowtran程序模拟计算地表辐射量，且模型中参数主要针对NOAA-9传感器特性得到。本文在Becker算法的基础上，针对NOAA-16／17传感器热红外通道光谱响应函数特性，利用最新的、计算光谱分辨率更高的MODTRAN程序模拟不同大气状况下，不同地表温度和发射率对NOAAAVHRR4，5通道辐射亮温响应特性的影响，改进Becker算法中模型参数，使之能适用于NOAA-16／17热红外数据。同时，本文利用植被指数NDVI，在中国陆地区域lkm分辨率最新地表分类数据的基础上，得到模型中需要的地表比辐射率参数，将改进的模型应用于1km分辨率NOAA17数据，得到了旬合成中国陆地区域范围地表温度，通过地面气象台站实测数据对比验证．取得了较好的结果。     

HJ-1B热红外LST反演及利用偏微分对其误差精度分析

针对HJ-1B热红外波段特点,采用修正型QKB算法,反演广州市2013-01-14的地表温度(land surface temperature,LST)。建立偏微分方程得出,当辐射率误差为0.01时,引起的LST误差约为0.6K,LST误差与大气透过率成反比,与大气透过率误差成正比,0.1的透过率误差引起LST误差约1K。大气水汽含量w误差与LST误差成线性关系,当大气水汽含量误差为0.1g/cm2时,引起LST误差约为0.2K。LST反演误差与近地表气温误差和大气平均作用温度误差均成正比,1K的近地表气温误差引起LST反演误差约1K。总的来说,LST反演误差与区间比值和大气平均作用温度误差和近地表气温误差相关。用算法反演出来的广州市地表温度与MOD11_L2温度产品具有较强的空间一致性,温度差值曲线呈正态分布,主要集中在-0.9~0.9℃区域,选取广州市6个观测点,得出修正型QKB算法和实测地温平均值相差约为0.31K,MOD11_L2与实测地温的温度平均值相差0.65K,误差均小于1K。通过对修正型QKB算法偏微分方程的推导,可对HJ-1B/IRS中的LST反演进行更细致和精确的分析,为其他针对环境卫星热红外波段类似反演LST的算法提供一定的借鉴,也为后续提高LST反演精度提供科学依据。     

近地表大气逆温条件下的地表温度遥感反演与验证

为了减少近地表大气逆温对地表温度遥感反演精度的影响,提出在晴空的地表温度"通用劈窗算法"模型中增加一个温度改正项来实现。在建立该误差改正项时,利用正常条件下的通用劈窗算法系数和具有不同逆温强度的逆温廓线,并结合大气辐射传输模型MODTRAN计算,得到近地表大气逆温条件下的地表温度反演误差,并在分析了该误差值与相应的逆温强度的关系后,发现该温度改正项可以表示为近地表大气逆温强度的二次项函数。为了进一步提高地表温度的反演精度,将地表温度和大气水汽含量进行分组,分别针对每个分组来确定温度改正项方程的系数。模拟结果表明,在逆温强度为1.7 K/100m时,该温度改正项可以使地表温度的反演精度提高0.44 K。利用内蒙古海拉尔试验站的实测数据对地表温度反演结果进行了验证,在近地表大气存在逆温的条件下,该方法能提高地表温度的遥感反演精度0.47K。但是,由于本文提出的方法需要已知大气温度廓线来计算大气逆温强度,因此在实际应用中该方法受到了一定的限制。     

Himawari 8 AHI数据地表温度反演的实用劈窗算法

地表温度是水文、气象、气候和环境等研究领域中的关键参数,利用热红外遥感可快速获取区域和全球高精度的地表温度数据。Himawari 8号是日本发射的新一代地球静止轨道气象卫星,星上搭载AHI(Advanced Himawari Imager)成像仪,具有更高的时空分辨率。利用AHI第14(11.2μm)和15(12.35μm)通道星上亮温数据,提出反演地表温度的实用劈窗算法,其中输入的发射率数据利用ASTER GED(Global Emissivity Dataset)v4计算得到。劈窗算法的系数由观测角度和大气水汽含量分区决定,其中大气水汽含量由两个劈窗通道直接估算得到。利用黑河流域生态—水文过程综合遥感观测联合试验(Hi WATER)4个站点的实测数据和中国7个湖泊中心点的MODIS地表温度产品对反演结果进行验证,结果表明,算法的均方根误差(RMSE)在3 K以内,达到目前常用遥感地表温度产品的精度。同时与利用MOD11C3 C6产品估算的发射率和温度反演结果进行对比分析,发现ASTER GED反演的结果具有更高的精度,适合用来生产高精度的地表温度产品。     

地表温度反演方法

选用分裂窗算法,采用两因素模型对吉林省西部MODIS数据进行了连续3年的地表温度反演。通过对MODIS数据波段选取,分别计算星上亮度温度,采用基于植被指数与地表分类相结合的方法得到地表比辐射率,根据MODIS数据计算得到大气水汽含量,利用大气辐射传输模型得到大气透过率,最后,通过分裂窗算法模型反演出地表温度。实验结果表明,该方法能够获得较合理的地表温度反演结果,对农业旱灾动态监测具有一定应用价值。     

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。     

MODIS分裂窗算法反演地表温度

在分析分裂窗算法原理的基础上,介绍几种常用的分裂窗算法,选取Qinetal（2001）提出的分裂窗算法作为温度反演的最优方法,对MODIS数据进行辐射定标、大气纠正和几何校正,采用对植被反映比较敏感的Sobrino方法计算地表比辐射率,反演出京津唐地区的陆面温度。结果表明：城区温度最高,水体温度最低,反演结果较为理想。...     

TRMM/VIRS热红外通道陆地大气可降水汽总量分裂窗反演

大气水汽对全球以及区域气候变化有重要的影响,精确获取水汽数据是非常重要的研究方向。TRMM(热带降雨观测计划)卫星上搭载的VIRS传感器(可见光/红外扫描仪)在降雨观测中应用广泛,但是目前很少有研究将其用于水汽反演。本文尝试使用VIRS的两个红外分裂窗通道(10.8μm和12μm),通过建立改进的方差协方差比值分裂窗方法进行水汽反演。首先对TRMM/VIRS数据和方差协方差比值法进行了介绍,接着针对VIRS数据特点,利用MODTRAN辐射传输模式和探空大气廓线数据模拟回归了大气透过率和水汽的定量关系,最后利用VIRS遥感数据开展了水汽反演试验。由于红外波段分裂窗水汽反演算法只适合于晴空条件下,因此在云雨识别的时候,为了保证时空一致性,采用TRMM提供的基于微波成像仪TMI的云中液态水信息来对晴空与否进行判断。水汽反演结果首先与地基GPS大气水汽观测值进行了比较,均方根误差为5.76 mm;其次和MODIS卫星水汽反演结果进行了面状对比,二者显示出了高度的区域一致性。验证结果表明,TRMM/VIRS的水汽反演结果精度较高,具有进行业务化推广的潜力,丰富了水汽数据的来源,同时也对利用风云系列卫星传感器数据进行热红外通道的水汽反演具有借鉴意义。     

比辐射率封闭法测定技术及误差分析

劈窗算法是目前由热红外遥感图像数据获取陆面温度最主要的方法。由于进行地面像元尺度实时陆面温度同步测量的困难,尚无法直接对现有各劈窗算法进行评判。该文借助于辐射传输模型ＬＯＷＴＲＡＮ７及其提供的６ 种标准大气模式,进行模拟计算,分析了６ 种主要劈窗算法对大气廓线误差和比辐射率的敏感度,作为对劈窗算法适用性的一间接判据。     

陆面温度反演算法——劈窗算法的敏感度分析

劈窗算法是目前由热红外遥感图像数据获取陆面温度最主要的方法。由于进行地面像元尺度实时陆面温度同步测量的困难,尚无法直接对现有各劈窗算法进行评判。该文借助于辐射传输模型ＬＯＷＴＲＡＮ－７及其提供的６种标准大气模式,进行模拟计算,分析了６种主要劈窗算法对大气廓线误差和比辐射率的敏感度,作为劈窗算法适用性的一间接判据。     

实用劈窗算法的改进及大气水汽含量对精度影响评价

对劈窗算法进行了改进,提高了算法的精度和实用性.对影响大气透过率的大气水汽含量进行了敏感性分析.模拟数据结果表明,劈窗算法对大气水汽含量不敏感,当大气水汽含量误差在-80%～80%变化时,反演的平均精度仍能在1 ℃以下.对实际MODIS影像进行反演的结果与大气模拟数据分析的结论基本一致,这说明适当地利用大气水汽含量的先验知识可以提高劈窗算法反演地表温度的精度.     

黄河三角洲Sentinel-3高精度时空连续海陆表面温度反演

海陆表面温度是理解全球变化与人类活动的关键参数。针对已有温度反演产品海陆边界时空不连续的问题,本文采用Sentinel-3海陆表面温度辐射计(SLSTR)光学与热红外影像,通过植被指数阈值法逐像元计算陆表与海表发射率,基于分裂窗算法反演得到黄河三角洲陆海表面时空连续温度产品。结合地面温度观测和欧洲中期天气预报中心提供的全球中等分辨率数值大气再分析产品,验证了本文陆海温度产品(均方根误差优于1.1K)反演精度高于现有公开的全球产品,可为全球时空连续温度产品反演提供参考。     

FY-4A GIIRS数据与ERA5再分析资料融合的中国区域大气加权平均温度模型EI北大核心CSCD

大气加权平均温度(T m)的精度直接影响全球导航卫星系统(GNSS)水汽反演的结果。针对现有T m模型的参数、建模数据源有待优化及模型构建时仅依赖于单个探空站点或单一格网点数据等问题,本文提出融合FY-4A GIIRS数据与ERA5再分析资料,在此基础上引入滑动窗口算法对融合数据进行处理同时顾及经度、纬度和高程因子构建空间分辨率为0.5°×0.5°的T m经验模型(FY-ET m模型)。采用偏差(Bias)和均方根误差(RMS)作为精度评定指标,联合未参与建模的2020年探空数据、ERA5再分析资料及天顶对流层延迟产品,对FY-ET m模型及其反演的大气可降水量进行精度评定。结果表明:以探空数据为参考值,FY-ET m模型的年均Bias、RMS分别为-0.02、5.79 K,相比较于Bevis和GPT3模型分别提高了3.62(Bias)、0.8(RMS)和2.54(Bias)、0.63 K(RMS);以ERA5再分析资料为参考值,FY-ET m模型的年均Bias、RMS分别为0.01、3.32 K,相比较于Bevis和GPT3模型分别提高了0.97(Bias)、0.13(RMS)和2.94(Bias)、1.71 K(RMS),同精度优异的GPT3模型相比,FY-ET m模型在中国西部和北部地区也表现出了明显的精度改善;以GNSS站点得到的PWV为参考值,FY-ET m模型反演的PWV与GNSS站得到的PWV值精度相当,Bias变化范围为-0.5~0.5 mm。FY-ET m模型准确度高稳定性良好,只需输入位置和时间信息就能获取目标点的T m,能够在GNSS水汽反演中发挥重要的作用。     

基于MODIS数据的雪面温度遥感反演

通过对Planck函数在低温范围内进行线性化,改进了针对MODIS数据的实用性分裂窗算法,建立了基于MODIS数据的中纬度地区雪面温度遥感反演方法。以环青海湖地区为研究区进行了算法应用,取得了较理想的效果。验证并分析了雪面温度与海拔高度的负相关关系。通过对下垫面相对均一的3个样区进行分析,讨论了雪面温度与归一化积雪指数的关系,并提出了"NDSI-Ts空间"的概念。     

Landsat 8数据地表温度反演算法对比

随着卫星遥感技术的发展,利用遥感反演地表温度的方法不断出现,如劈窗法、双角度法和单通道算法等。Landsat系列卫星的遥感数据是地表温度反演的重要数据之一。本文选择无锡周边区域为研究区,利用Landsat 8卫星遥感数据,对两种劈窗算法(Juan C.Jiménez-Muoz劈窗算法和Offer Rozenstein劈窗算法)和两种单窗算法(Juan C.Jiménez-Muoz单通道算法和覃志豪单窗算法)的地表温度反演精度进行了对比和敏感性分析。采用太湖16个浮标站的实测数据来验证了4种算法的反演精度。结果表明:两种劈窗算法的精度较高且较为接近,误差为0.7 K左右;覃志豪单窗算法和Juan C.Jiménez-Muoz单通道算法精度较低,误差分别为1.3 K和1.4 K左右。Juan C.Jiménez-Muoz劈窗算法对参数的敏感性最低,Juan C.Jiménez-Muoz单通道算法次之,覃志豪单窗算法和Offer Rozenstein劈窗算法敏感性相对最高。其中Juan C.Jiménez-Muoz单通道算法只适用于一定的水汽含量范围,有一定的局限性。     

利用分裂窗算法提取晴空导风示踪物的数值模拟与应用

气象卫星热红外通道能够探测到晴空区域内由大气水汽、沙尘气溶胶等物质含量分布不均所导致的微弱的纹理信息,通过追踪水汽和沙尘气溶胶纹理的移动可以反演出风场。然而这些信号很容易受地表温度变化的影响,需使用合适的算法来减弱地表温度干扰、提取微弱的示踪物信号。本文结合分裂窗差值理论,对使用分裂窗差值算法提取晴空区微弱示踪物信号进行数值模拟分析,并应用于晴空区风场的实例反演。数值模拟图像的结果显示,分裂窗差值算法可以削弱地表对示踪物信号的影响,突出水汽和沙尘气溶胶的分布特征,验证了分裂窗差值法的可行性与优越性。实例分析也表明,使用分裂窗差值图能够反演出单通道云图难以得到的晴空区低层风场,且反演结果与NCEP风场资料比较一致。     

NOAA/AVHRR的分裂窗算法在地表温度反演中的应用

以吉林西部为研究区域,建立以NOAA／AVHRR卫星资料进行地表温度反演的参数化模型。利用2000年7月5日的AVHRR资料,在4种常见地表温度反演分裂窗算法的对比分析基础上,选用Coil和Caselles提出的分裂窗算法,获得研究区地表温度,为地表蒸发量遥感计算提供必要的地球物理参数。     

Sentinel-3 SLSTR数据的组分温度反演

陆表温度是全球气候观测系统的基本变量。由于地表目标多数为具有三维结构、组成成分复杂、温度分布不均一的混合像元,因此相较于平均温度,组分温度具有更明确的物理意义和应用价值,对地—气相互作用过程和水分循环的定量分析研究具有重要意义。本研究针对Sentinel-3 SLSTR数据,基于CBT-P模型和CE-P模型构建了植被—土壤组分温度反演框架,并分析了劈窗算法和LAI对反演误差的影响。使用小汤山、漯河、塞罕坝3地实测数据进行结果验证,结果表明,5个验证点的植被组分温度反演结果的绝对偏差在0.1—1.6 K之间,平均绝对偏差为1.1 K,土壤组分温度反演结果的绝对偏差在0.5—1.4 K之间,平均绝对偏差为0.8 K,在中纬度的稀疏连续植被和垄行植被冠层中取得了较高的精度,初步证明了本研究提出的Sentinel-3 SLSTR双通道双角度地表组分温度反演算法的可行性。     

单窗算法结合Landsat8热红外数据反演地表温度

Landsat热红外系列数据一直是地表温度反演重要的遥感数据源,目前用于地表温度反演的单窗算法主要针对Landsat TM/ETM+第6波段数据(TM 6)建立的,Landsat 8热红外传感器(TIRS)与TM 6相比有很多变化,因而其单窗算法也需要改进。本文以Landsat 8 TIRS第10波段(TIRS 10)为数据源,提出了针对TIRS 10的单窗算法(TIRS10_SC),并对研究区地表温度进行反演研究,确定了研究区不同类型地表的温度值。研究结果表明:(1)TIRS10_SC算法可以较好地应用于Landsat 8数据的地表温度反演,平均反演误差为0.83℃,相关系数为0.805,反演温度与模拟数据和实测数据都具有较好的一致性;(2)通过对单窗算法中的地表发射率、大气水汽含量和大气平均作用温度等参数敏感性分析发现,TIRS10 SC算法能够获得较为可靠的反演结果;同时,TIRS10 SC算法对大气水汽含量和地表发射率敏感性较高,对大气平均作用温度敏感性稍弱。该算法对于利用Landsat 8 TIRS数据快速反演地表温度具有应用价值。