GMS 5资料反演地表温度的一个修正算法

本文研究发展利用GMS 5/VISSR每小时卫星观测资料反演地表温度的方法,首先利用时空判断法进行云检测寻找晴空像元,然后从辐射传输方程出发,由实时探空资料求取大气上行、下行辐射率及大气透过率,根据由AVHRR NDVI导出的地表比辐射率,用单时相双光谱分裂窗法反演得到地表温度.比较反演结果与54511站及其他中国基准站2000年地面0cm地表温度实测值,相对于国际上其他经验公式而言,本文算法在精度上有所提高.敏感性分析试验着重于大气衰减的影响.基于本文算法,给出了内蒙中东部地区地表温度连续4天的变化实例以及东亚部分陆地“纯晴天”地表温度图.     

基于多源数据集成的多分辨率全球地表覆盖制图

全球地表覆盖数据产品(如地表覆盖,植被连续场)最高空间分辨率已达到30 m.不同领域的用户对于这些产品的精度和空间分辨率有着不同的需求.基于此,本文从制图精度和空间分辨率两方面对现有的30 m地表覆盖数据进行改进和分析.首先通过将两套30 m全球地表覆盖产品(FROM-GLC、FROM-GLC-seg(Segmentation))与两套粗分辨率全球产品(基于夜间灯光数据的不透水层NL-ISA、MODIS城市产品MODIS-urban)进行集成,生成了30 m分辨率的地表覆盖新产品FROM-GLC-agg(Aggregation).随后,采用了分辨率低于30 m的数据集(如MODIS地表覆盖产品MCD12Q1,全球地表覆盖产品GlobCover2009,MODIS水体掩模产品MOD44W等)对FROM-GLC-agg进行后处理以进一步消除类别混淆.经过多源数据合成的新地表覆盖数据产品中来自30 m分辨率全球地表覆盖产品的象元仍占98.9%.在此基础上,通过众数聚合和比例聚合这两种升尺度方法生成了8套粗分辨率(250 m,500 m,1 km,5km,10 km,25 km,50 km和100 km)全球地表覆盖数据集来满足不同应用的需求.通过基于混淆矩阵的精度比较表明FROM-GLC-agg的总体精度为65.51%,该精度显著优于先前的两套30 m地表覆盖产品.多源数据合成后的30 m分辨率数据以及升尺度处理后的250 m,500 m,1km分辨率数据的最高总体精度分别为69.50%,76.65%,74.60%和73.47%.对采用众数聚合法得到的不同分辨率下地表覆盖类型的面积偏差分析显示,当分辨率超过5 km时,大部分植被类型会有至少5%的面积偏差.因此,对于需要使用粗分辨率地表覆盖数据作为输入的用户,建议使用包含了准确地表覆盖类型占比的比例聚合数据.     

利用ENVISAT/AATSR资料反演黄土高原陇东地区地表温度

由于ENVISAT/AATSR资料不同角度热辐射亮度值之间存在较高的相关性从而导致较大误差的产生,本文尝试避开这种误差源,只选取天底观测数据对黄土高原陇东地区整层大气水汽含量及地表温度进行反演.与MODIS整层大气水汽含量产品对比验证表明,本文结果与MODIS产品有一定差异,但是可以直接用于大气透过率的估算.结合野外观测数据对地表温度反演结果的检验表明,最大绝对误差为4.0 ℃,平均相对误差为5.0％,因此,该算法在黄土高原陇东地区应用比较成功.     

基于AMSR2数据的青藏高原地表温度反演

将青藏高原大致分为北部、西部和东部三个部分,利用2017年7月的AMSR2(Advanced Microwave Scanning Radiometer 2,即先进的微波扫描辐射计2)的一级亮温数据,结合NCEP(the National Centers for Environmental Prediction,即美国国家环境预报中心)FNL(Final)全球地表温度产品以及FY-3B(风云三号B星)上的MWRI(Microwave Radiation Imager,即微波成像仪)数据中的地表覆盖类型数据,通过AMSR2单通道亮温数据和NCEP/FNL表面温度产品得到了研究区域地表温度反演的经验算法,进而得到多通道反演算法.并且,对比了两种反演结果,并比较了对地表覆盖进行分类前后的多通道反演结果.结果表明:多通道反演结果和NCEP/FNL产品的相关系数远大于单通道反演结果,多通道反演结果的均方根误差比单通道反演结果小1～2 K;对地表覆盖进行分类后的多通道反演精度比不分类时的反演精度略高;降轨的反演结果普遍比升轨的反演效果好.     

基于光学与被动微波遥感的青藏高原地区土壤水分反演

青藏高原地区高精度的土壤水分反演对高原能水循环、全球大气循环研究有着极大的影响.因此,获取青藏高原土壤水分时空布信息是一个迫切需要解决的问题.温度植被干旱指数(TVDI),是基于光学与热红外遥感通道数据反演土壤水分的重要方法,但在研究区域较大、地表覆盖格局差异显著时,TVDI模型反演精度会受到地表温度(Ts)等因素的影响.被动微波AMSR-E数据精确记录了像元内的土壤水分信息,但空间分辨率低.本文利用同时期的MODIS与被动微波数据,发展了针对青藏高原地区高精度土壤水分反演算法.首先,在TVDI模型中,利用修正型土壤调整植被指数(MSAVI)代替归一化植被指数(NDVI),以改进NDVI易饱和的缺点;其次,利用ASTER GDEM数据,对地形高程和纬度差异引起的地表温度变化进行了校正;然后,通过神经网络训练建立基于TVDI、被动微波以及辅助气象数据的土壤水分反演模型,并应用该模型反演了青藏高原地区三个观测网(CAMP/Tibet、玛曲和那曲)的土壤水分;最后,利用实测土壤水分数据对反演结果进行验证,结果表明该模型的精度均方根误差(RMSE)数值可达到0.031~0.041 m~3·m~(-3).本文还应用该算法反演了青藏高原连续的土壤水分的空间分布,并比较了土壤水分的变化趋势与实测降水变化趋势,结果表明二者变化量的正负关系一致.     

陆面微波比辐射率的卫星观测研究进展

复杂多变的陆地表微波比辐射率,造成陆面上星载微波观测反演大气参数较为困难,也使得许多卫星微波资料不易同化应用到数值模式,因此迫切需要提供准确可靠的陆面微波地表比辐射率信息.随着卫星观测技术的迅速发展,利用丰富的星载被动微波观测直接反演陆面微波比辐射率成为一种主要手段.国外针对星载微波成像仪和微波垂直探测器开展较为系统的陆面微波比辐射率研究,建立不同类型的地表比辐射率反演方法,开发地表比辐射率参数化方法并应用于辐射资料同化.对于卫星观测反演陆面微波比辐射率存在的问题,开展了评估分析和方法订正.国内利用卫星观测也开展了一些陆面微波比辐射率研究工作,尚需要系统、综合的提炼.对于地表特征复杂的中国地区,还需要评估认识不同陆面微波比辐射率反演方法在我国适用情况,需要增强陆面微波比辐射率数据质量的认识以及业务应用.     

遥感热惯量反演表层土壤水的方法研究

提出了一种新的遥感热惯量模型, 并用其来反演表层土壤水. 此遥感热惯量模型只涉及到地表最高温度, 不需要求算地表温差值; 同时模型考虑到植被因素对土壤热惯量的影响, 在植被覆盖区使用了双层模型中的土壤热平衡方程, 使热惯量模型的应用范围由裸土和植被覆盖较少的区域扩展到植被覆盖较多的地区; 此外, 将地表显热通量和地表潜热通量引入到热惯量模型中, 提高了对表层土壤水的反演精度. 通过此热惯量模型反演了内蒙中西部西蒙地区的表层土壤水, 并与表观热惯量反演的土壤水进行了对比, 结果表明了此方法的优越性.     

基于AMSR-E的微波波段地表发射率反演——以青藏高原为例

青藏高原以其独特的特征在气候变化中起着重要的作用,而地表发射率对地表参数和大气参数的准确反演也非常重要,因此本文发展了青藏高原微波波段地表发射率的反演算法.首先通过辐射传输方程对地表发射率的反演算法进行了推导,并利用被动微波一维大气辐射模拟器的模拟数据对算法进行了验证,结果显示了较高的精度.接着结合微波辐射计AMSR-E的亮温数据和MODIS提供的大气廓线数据,利用本文发展的算法反演了青藏高原微波波段的地表发射率.最后,分析了青藏高原地表发射率的时空分布特征:从空间特征上分析,反演结果的空间分布符合青藏高原地表覆盖类型的变化,植被湖泊等可以在反演结果中很明显的显现;从时间特征上分析,在一个月的时间尺度上,发射率随时间变化并不明显,每天的变化值在0.01之内.另外通过对青藏高原裸露地表发射率的时间序列研究发现,地表发射率对降雨有非常敏感的响应.反演结果的合理性表明本文的算法具有可行性,可以利用该算法反演青藏高原的地表发射率并建立长时间序列的地表发射率数据库,为青藏高原其他地球系统参数的遥感反演提供基础,为青藏高原的相关地学研究提供数据支持.     

改进的基于订正ALPHA差值谱的TES算法

与可见光遥感不同, 热红外传感器测得的辐射亮度值是温度和发射率的函数, 因此, 对于热红外遥感, 温度和发射率的分离是一个关键问题. 热红外地表温度反演需要考虑的另一个问题是地表反射的大气下行辐射订正, 由于该项与地表发射率紧密联系在一起, 在地表发射率未知的情况下, 该项很难消去. 研究从普朗克方程的维恩近似出发, 引入Li和Becker等提出的大气下行辐射修正项, 以此为基础, 推导出与温度无关的改进ALPHA差值谱, 并进一步提出消除维恩近似影响的修正项. 在上述工作基础上, 借鉴ALPHA导出发射率法和ASTER TES算法的优点, 提出改进的基于订正ALPHA差值谱的TES算法(ICADS TES). 由于算法采用多光谱反演技术, 并且算法中包含波段差值、比值操作, 因而可以部分消除大气、仪器噪声等的影响, 具有良好的抗干扰能力. 采用不同大气条件、下垫面类型、地表温度组合的数值模拟实验表明, 算法具有很宽的适用范围和稳定性, 反演的温度精度一般在0~1.5 K之间, 平均发射率精度在0~0.015之间. 算法反演温度产品与ASTER数据下载中心 (Earth Observing System Data Gateway, EDG)提供的地表温度产品相比, 相关性非常好, 相关系数接近1.0, 产品直方图分布基本一致. 与现有发射率温度分离算法相比, ICADS TES算法的优点是适用的温度和下垫面范围宽, 不需要诸如地表分类、发射率方向性等先验信息支持, 计算结果不受参数设置影响, 更为客观. 由于该算法不需要下垫面类型先验信息支持, 可以避免其他算法中出现的因地表误分类、混合像元等问题引起的反演误差. 与作者此前提出的基于订正ALPHA差值谱的TES算法(CADS TES)相比, 算法考虑了大气下行辐射的影响, 在大气辐射特性已知的条件下, 可以获得更好的反演结果.     

几种地表微波比辐射率变化特征的地面观测

基于地表微波比辐射率观测试验,我们探讨了不同下垫面的地表微波比辐射率的变化特征以及降雨前后地表比辐射率的昼夜变化特征.同时,通过比较红外扫描仪和温度计同步测量的地表温度,发现将温度计浅埋土里比半埋土里测量的更为合理,后者测量的地表温度在中午时不合理偏高15～20℃.对于四种地表,草地比辐射率最高(～0.94),其次是裸土地比辐射率(～0.86),然后是沙地比辐射率(～0.82),水面比辐射率最小(～0.4).在微波辐射计观测入射角 > 60°时,土地和沙地比辐射率都随入射角度增加而减小,尤其前者更为敏感;草地和水面比辐射率随入射角度变化较小.不同地表比辐射率都呈现出昼夜差异,尤其土地、沙地和水面比辐射率在降雨之后的昼夜差异较为显著,夜里普遍偏高白天0.02～0.04;草地比辐射率昼夜差异较小,基本是白天略微高于晚上.降水后,草地微波比辐射率变化较小,裸土地和沙地比辐射率则显著降低.沙地和草地比辐射率随频率变化较小,裸土地比辐射率在降雨之后随频率明显增加.     

北京城市热岛的时空变化分析

利用1987、1999、2000、2001、2002和2005年六幅陆地卫星影像研究北京市规划区地表城市热岛（SUHI）．首先用决策树分类法进行分类，得到六幅不同时相的土地利用／覆盖分类图像．根据Artis＆Carnahan算法利用热红外通道的灰度值计算地表辐射亮温，基于分类结果进行比辐射率纠正，计算地表温度．通过分析北京市规划区1987～2005年间地表城市热岛的特征，发现不同土地利用／土地覆盖类型与地表城市热岛有密切关系；2001年、2002年和2005年影像中市区的热岛分布的破碎度增加，由原来的集中分布慢慢向周围扩散，并在市区中心植被覆盖高的区域出现蓝色“凉爽”区；地表城市热岛增加的区域与城市扩展区域一致，城市化过程是城市热岛面积不断增加的主要的原因．     

陆面组分温度的综合反演研究

以行播冬小麦为例, 深入研究了陆面目标组分温度的反演方法. 结果表明:行播作物结构模式的选择能够显著地影响组分温度的反演精度, 适当选择行播作物的结构模式对提高反演稳定性有重要意义. 认为矩阵求逆反演与迭代反演相结合是一种较为稳健的、适于陆面目标的组分温度反演方法. 模拟试验和野外地面实验验证结果都显示, 利用综合反演方法可以显著提高土壤光照面和植被顶层温度的反演精度, 并明显增强组分温度反演的稳定性. 采用的多角度多波段热红外遥感大气效应纠正只需要两个基本参数:大气透过率和大气上行辐射亮度. 如果它们能与地表组分温度协同反演, 则可实现真正意义上的精确大气纠正. 通过对ATSRII数据的反演实验, 基本上证实这一方法的可行性.     

MODIS陆地气溶胶遥感反演--利用TERRA和AQUA双星MODIS数据协同反演算法

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点.利用新一代传感器MODIS(中分辨率成像光谱仪)数据,DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果.然而,该算法只适用于诸如水体、浓密植被等较低地表反射率区域,大大限制了该算法的实际应用范围,尤其是无法应用于城市等亮地表区域气溶胶的遥感反演.文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS),用以反演陆地气溶胶的光学厚度等信息.该算法实现了地表反射率与气溶胶光学厚度的同时反演,可应用于各种地表反射率类型,包括城市等亮地表区域.通过与国际AERONET的地面观测数据对比做初步的反演验证,结果表明,该算法具有较高的精度,进一步的验证工作还在继续.     

MODIS陆地气溶胶遥感反演

利用卫星数据遥感陆地气溶胶一直是国际上研究的难点与热点. 利用新一代传感器MODIS(中分辨率成像光谱仪)数据, DDV(Dark Dense Vegetation)算法反演陆地气溶胶的分布以及性质已经取得了较好的效果. 然而, 该算法只适用于诸如水体、浓密植被等较低地表反射率区域, 大大限制了该算法的实际应用范围, 尤其是无法应用于城市等亮地表区域气溶胶的遥感反演. 文中提出了基于利用TERRA和AQUA双星MODIS数据的协同反演模型算法(SYNTAM-Synergy of Terra and Aqua MODIS), 用以反演陆地气溶胶的光学厚度等信息. 该算法实现了地表反射率与气溶胶光学厚度的同时反演, 可应用于各种地表反射率类型, 包括城市等亮地表区域. 通过与国际AERONET的地面观测数据对比做初步的反演验证, 结果表明, 该算法具有较高的精度, 进一步的验证工作还在继续.     

干旱荒漠区不同土地利用/覆盖类型土壤呼吸速率的季节变化

结合生长季对准噶尔盆地新垦绿洲外围人工防护林(杨树林)和天然荒漠(柽柳+芦苇群落、梭梭群落)土壤呼吸速率及主要环境因子的测定,分析了不同土地利用/覆盖类型间土壤呼吸速率的差异性和土壤呼吸对温度、土壤含水量变化的响应.结果表明土壤CO2释放速率随温度逐渐升高,杨树林、柽柳+芦苇群落和梭梭群落的最高值分别出现在1800,1200和1400,最低值皆出现在早晨800.5～10月,土壤呼吸速率呈现增加而又降低的趋势,主要与近地面气温的变化一致,在6～7月达到最大值,8月下降.生长季,平均土壤CO2释放速率、季节变化幅度按大小顺序排序为杨树林＞柽柳+芦苇群落＞梭梭群落,不同土地利用/覆盖类型间土壤呼吸速率的差异均很显著.杨树林土壤呼吸速率与近地表气温、土壤10 cm温度间存在显著的指数函数关系(P＜0.01),柽柳+芦苇群落和梭梭群落与近地面气温、地表温度间的线性相关显著(P＜0.01).基于近地面气温,计算得出Q10值分别为1.48,1.59,1.63.3种土地利用/覆盖类型的土壤呼吸速率(综合)与0～5,5～15和0～15 cm的土壤含水量呈极显著和显著的正相关关系(P＜0.01).0～5 cm土壤含水量与土壤呼吸速率间呈显著的二项式函数关系(P＜0.01).     

干旱荒漠区不同土地利用/覆盖类型土壤呼吸速率的季节变化

结合生长季对准噶尔盆地新垦绿洲外围人工防护林(杨树林)和天然荒漠(柽柳+芦苇群落、梭梭群落)土壤呼吸速率及主要环境因子的测定,分析了不同土地利用/覆盖类型间土壤呼吸速率的差异性和土壤呼吸对温度、土壤含水量变化的响应.结果表明:土壤CO2释放速率随温度逐渐升高,杨树林、柽柳+芦苇群落和梭梭群落的最高值分别出现在18:00,12:00和14:00,最低值皆出现在早晨8:00.5～10月,土壤呼吸速率呈现增加而又降低的趋势,主要与近地面气温的变化一致,在6～7月达到最大值,8月下降.生长季,平均土壤CO2释放速率、季节变化幅度按大小顺序排序为:杨树林＞柽柳+芦苇群落＞梭梭群落,不同土地利用/覆盖类型间土壤呼吸速率的差异均很显著.杨树林土壤呼吸速率与近地表气温、土壤10 cm温度间存在显著的指数函数关系(P＜0.01),柽柳+芦苇群落和梭梭群落与近地面气温、地表温度间的线性相关显著(P＜0.01).基于近地面气温,计算得出Q10值分别为1.48,1.59,1.63.3种土地利用/覆盖类型的土壤呼吸速率(综合)与0～5,5～15和0～15 cm的土壤含水量呈极显著和显著的正相关关系(P＜0.01).0～5 cm土壤含水量与土壤呼吸速率间呈显著的二项式函数关系(P＜0.01).     

北京城市及周边热岛日变化及季节特征的卫星遥感研究与影响因子分析

以EOS-MODIS遥感信息反演的地表温度、土地覆盖类型、植被覆盖、地表蒸散,结合常规气象资料,并采用GIS空间分析技术和多元统计相关,对北京城市及周边2001年城市热岛(UHI)空间分布的季节规律和日变化及影响因子进行研究.分析北京地区的土地覆盖、地形高程、植被绿地状况、城市和郊区地表蒸散与热岛时空分布状况的关系.揭示出北京UHI主要特征为:(ⅰ)北京城市下垫面的高热容和密集建筑物的多次发射,加之北京特殊的三面环山地形特征,使得北京城区一年四季均存在明显的热岛分布,并以夏季最为明显,UHI与城市结构的轮廓相一致;北京城区与地势相对平坦的近郊区的地表温度差异在4~6℃左右,与地势较高的西北远郊区的地表温度差异在8~10℃左右;(ⅱ)北京地区日间和夜晚的UHI的季节分布和程度不同,以夜间UHI明显;夏季白天郊区地表比城区蒸散量大,潜热交换明显,反映出城市与郊区的温度差异显著;(ⅲ)地表覆盖类型对UHI的效应明显,北京地区植被绿地状况与UHI呈现明显反相关分布;夏季地表NDVI与下垫面的温度散点图的回归方程的负相关系数的平方R2达到0.6481,即植被覆盖好,则UHI不明显;揭示出植被绿地对降低UHI具有重要的作用.大范围的绿地建设能有效降低UHI.     

基于遥感和典范对应分析方法优化生态地理分区——以中国区域为例

选取适当生态地理边界对遥感影像进行分割,降低分区单元内土地覆盖复杂程度,可有效提高遥感土地覆盖分类精度.本研究将气象、高程、土壤等环境数据与季节性植被遥感信息相结合,利用典范对应分析(CCA)和k均值聚类等进行生态地理分区的划分,旨在提出适用于区域遥感地表分类的生态地理分区方案.以我国为例的研究结果表明,季节性植被遥感信息与CCA相结合,能够有效筛选出区域生物地理格局主导环境因子,可将这些主导因子作为生态地理分区的区划指标.本研究中,温度要素是我国生物地理格局的主导驱动力,水分要素次之.以MODIS MCDl2C1(2005年)和GlobCover(2004~2006年)全球土地覆盖分类产品来评价生态地理分区内土地覆盖复杂程度,结果表明,本研究的生态地理分区在土地覆盖类型均数、主要土地覆盖类型面积比例以及主、次要土地覆盖类型面积比例之和等方面,均优于已有研究结果,且主、次要土地覆盖类型的植物物种和性状特征差异比较明显,表明利用表征植被季节特征的环境主导因子进行生态地理区划,可以有效降低生态地理分区内地表覆盖复杂程度,更利于地表覆盖遥感分类.     

基于相关性的热红外温度与发射率分离算法

在分析地面测量大气下行辐射和地表发射率之间关系的基础上,给出了针对热红外高光谱数据温度与发射率分离过程中地表温度优化的相关性判据,提出了基于相关性的温度与发射率分离算法（the Correlation Based Temperature Emissivity Separation Algorithm,CBTES）。该算法利用大气下行辐射和地表发射率之间的相关性优化地表温度,进而获得地表发射率。基于模拟的热红外高光谱数据,对CBTES算法的精度进行分析,结果表明CBTES算法具有较高的温度与发射率反演精度;并与光谱迭代平滑温度发射率分离算法（ISSTES）进行比较,发现CBTES算法具有和ISSTES算法相当的精度。此外,CBTES算法具有一定的抗噪性,对测量过程中大气下行辐射的变化不敏感;对于非同温像元,当其发射率定义为r-emissivity时,其辐射温度是对波数缓慢变化的,假设在比较窄的光谱区间内辐射温度近似不变,可以用CBTES算法反演非同温像元在窄光谱区间内的等效温度,在714-1250cm^-1。光谱区间内多个窄光谱区间反演的等效温度可以较好的刻画非同温像元辐射温度的变化趋势。     

岩石红外比辐射率简易测定方法及意义

利用地表辐射 (亮温 )求取地面温度需要通过岩石比辐射率进行换算。地球上的岩石千差万别 ,即使岩石学上分类一致的岩石 ,比辐射率也可以显著不同 ,需要大量的比辐射率时 ,现有测量方法显得过于复杂或环境要求过高 ,发展简便的比辐射率测量方法十分必要。实际上 ,在室温情况下 ,比辐射率为常数 ,可以通过测量一系列的温度和相应的辐射值 ,仪器本身的辐射和环境辐射可直接当作未知量参加反演 ,最终利用最小二乘法拟合获得比辐射率 ,大大降低了测量的难度。文中测量了1 6种岩石标本的比辐射率 ,方差一般保持在 0 .0 1左右 ,大多数 <0 .0 1 ;线性拟合的相关系数均 >0 99