Landsat 8地表温度反演及验证—以黑河流域为例

地表温度是区域和全球尺度地表物理过程的一个重要参数,目前已有的地表温度产品空间分辨率较低,缺乏高空间分辨率的地表温度产品。Landsat系列卫星提供了大量免费的高空间分辨率遥感数据,然而对应的高空间分辨率地表温度产品还未见到,为了获取长时间序列的高空间分辨率地表温度数据,针对Landsat 8 TIRS数据提出了一个物理单通道地表温度反演算法。该算法首先利用ASTER全球地表发射率产品(ASTER GED)结合Landsat 8地表反射率产品计算Landsat 8影像的地表发射率,然后利用快速辐射传输模型RTTOV结合MERRA大气廓线数据对热红外影像进行大气校正,最后利用物理单通道地表温度反演算法得到地表温度。利用黑河流域HiWATER试验2013年—2015年15个站点的实测地表温度数据对本文方法和普适性单通道算法进行了验证,同时对验证站点的空间异质性进行了分析。结果表明,本文方法和普适性单通道算法估算的地表温度整体精度均较高,能够获取高精度、高空间分辨率的地表温度数据,可以服务于城市热岛效应、地表蒸散发估算等相关研究。     

FY-3D MERSI-II地表温度遥感反演与验证

地表温度是是决定地表辐射能量收支的重要变量,在岩石圈、水圈、生物圈和大气圈的能量平衡和水量平衡研究中起着重要作用。利用热红外遥感技术可实现区域和全球尺度地表温度的快速获取,其受到了研究者的广泛关注。目前,FY-3D是国内光谱分辨率最高的对地观测卫星,极大的提高了对地观测能力,其搭载的中分辨率光谱成像仪（MERSI-II）经过大幅升级改进,性能有了显著提升,热红外数据的空间分辨率达到了250 m。本文使用大气辐射传输模型MODTRAN 5模拟了MERSI-II传感器热红外通道星上观测数据。在此基础上,构建了通用劈窗地表温度反演模型,结合ASTER GED全球地表发射率产品以及MERSI-II自身大气水汽反演算法,发展了地表温度遥感反演方法。最后,利用2019-08内蒙古乌海沙漠地区及美国SURFRAD多个站点的实测地表温度数据对本文提出的方法进行了验证。研究结果表明,相较地表实测数据,构建的劈窗算法反演的地表温度RMSE在1.6—2.6 K,反演精度达到了预期目标,还具有较高的空间分辨率,可以用于业务化的地表温度的反演,同时也说明其辐射定标精度有了一定保证,有效满足了区域和全球尺度地表温度遥感监测应用需求。     

面向城区和山区的ERA5再分析地表温度降尺度

地表温度是陆面过程动态模拟、区域和全球变化分析等研究领域的重要参数,如何获得高时空分辨率地表温度数据一直是研究热点问题。选择河北省张家口市城郊区、山区两个区域作为试验研究区,在ERA5 0.1°分辨率地表温度订正基础上,构建随机森林降尺度模型以实现多层级分辨率的地表温度降尺度,并与Landsat 8 TIRS反演地表温度进行对比分析,以探讨再分析地表温度在不同分辨率、不同下垫面类型上的降尺度效果。结果表明：不同分辨率的降尺度结果都能够准确表达地表温度相对高低的空间分布特征,纹理精度显著提高,但降尺度误差随着空间分辨率提高而逐渐增大,城郊区和山区的降尺度均方根误差变化范围分别为1.16—1.79 ℃、1.61—2.49 ℃,地表温度高值与低值区域分别存在着低估和高估现象;随机森林降尺度模型中的参数重要性随尺度变化不大,总体表现为两个区域中植被指数NDVI的重要性都比较大,而海拔高度在山区区域对降尺度模型的影响更大。     

GPT2w模型在南极地区精度分析

GPT2w（global pressure and temperature 2 wet）是目前应用较为广泛的对流层延迟经验模型之一,可提供气压、温度、水汽压等气象参数。为验证和分析GPT2w模型在南极地区的精度,本文利用分布在南极区域的探空站数据和中国第33次南极科考期间的实测探空气球数据对模型气压、温度、水汽压参数进行分层精度检验。与探空站数据比较发现,在南极地区地面高度上,GPT2w模型精度较高,与全球其他区域精度较为一致;进一步通过对比1月和7月统计结果,发现Bias和RMS呈现出季节特性;同时发现模型在垂直方向存在较大误差,表现为随着高度的增加,精度随之下降并逐步趋于稳定。实测数据对比方面,首先利用ECMWF（European Centre for Medium-range Weather Forecasts）气压分层数据对实测数据的可靠性进行验证,结果显示,实测数据与ECMWF分层数据符合得较好;同时通过比对发现,GPT2w天内精度在地面高度上仍与月平均精度相当,但垂直方向随着高度的增加精度相比于暖季精度会有所下滑,说明未考虑日周期项变化对模型精度存在一定影响。用探空数据计算的对流层延迟（zenith tropospheric delay,ZTD）来分析GPT2w的计算精度,结果表明GPT2w在南极区域ZTD计算精度在厘米级,与全球其他位置计算精度相当。     

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。     

GPT2w模型在中国区域的精度检验与分析

全球温度气压湿度（global pressure and temperature 2 wet，GPT2w）模型常被用于计算某一位置的气温、加权平均温度、气压以及水汽压等各种气象参数，是目前公开的标称精度最高的对流层延迟经验模型。利用中国区域参与全球气象交换的86个测站2013-2015年的气象探空数据，对GPT2w得到的各种气象参数进行精度检验及分析。实验结果表明，气温平均偏差为1.31℃，均方根误差为3.62℃；加权平均温度的平均偏差为-1.58 K，均方根误差为4.07 K；气压和水汽压平均偏差的绝对值在1 hPa以内，其均方根误差分别为6.98 hPa与3.04 hPa。利用2006-2015年的数据分析了不同纬度模型精度的周期性特征，结果表明，气温、加权平均温度、气压和水汽压的均方根误差均具有一定的年周期特性，且在不同的纬度区域其周期特性不同。总体而言，GPT2w模型在中国地区范围内具有较高的精度和稳定性。     

地表辐射温度取代地表温度的可行性分析——以“风云2号”C星与MODIS数据为例

为了反演出全天各个时刻的地表温度数据,在不考虑大气水汽含量和地表比辐射率的情况下,首先建立“风云2号”C星2个热红外通道数据相对于MODIS地表温度数据之间的回归方程,反演出各个时刻的5 km空间分辨率的地表辐射温度;然后根据地表温度最大值和最小值出现的时间,将反演的地表辐射温度降尺度到1 km空间分辨率,在同时刻、同...     

利用ECMWF改善射线利用率的三维水汽层析算法

针对传统水汽层析技术只能利用完整穿过研究区域射线重构三维水汽的缺陷,提出了一种利用欧洲中尺度天气预报中心格网产品改善三维水汽反演射线利用率的方法。该方法通过引入比例因子,计算出侧面穿出射线在层析区域内的水汽含量,并参与观测方程的建立。利用香港卫星定位参考站网的实测全球定位系统和气象数据,结合该区域的无线电探空站45004和ECMWF格网点数据,对该方法的可行性及精度进行验证。试验结果表明：相对于传统方法,该方法的射线利用率和网格覆盖率分别提高了55.16%和16.46%;分别以探空数据和ECMWF格网数据为参考基准,发现提出的方法其均方根误差、平均绝对偏差和相对误差等均优于传统方法。     

面向开采扰动的离子型稀土矿区地表温度降尺度方法

离子型稀土的开采活动会导致矿区地表极其剧烈的生态扰动,并且会造成当地的生态环境问题,而矿区地表热环境分异变化能较好地反映矿区的生态扰动特点,是一种辨识地表生态扰动的重要参数。离子型稀土矿区存在矿点分散且单个矿点面积较小的特征,因此获取实用性强且空间分辨率更高的地表温度数据对稀土矿区生态环境的监测具有重要价值。构建了一种综合图像融合算法、线性光谱混合模型的地表温度降尺度模型。以赣州市辖区内的定南县岭北离子型稀土矿区作为研究区域,以Landsat 8卫星影像作为主要数据源,首先选取同一年份两个季相的数据,综合图像融合算法和线性光谱混合模型,将地表温度空间分辨率降至15 m;然后对降尺度后的地表温度结果进行定性定量的分析并检验其精度。结果表明,分解前、后矿区地表温度的空间分布和走向整体一致,降尺度后的地表温度能够更细致地反映矿区地表特征和空间差异性,研究区内两个季相的降尺度结果整体均方根误差分别为1.459 K、1.196 K,绝对误差分别为1.128 K、0.952 K,精度较高,表明该方法对于提升离子型稀土矿的地表温度空间分辨率有较好的适用性。     

利用多源数据构建PWV混合模型

高精度和高时空分辨率的大气可降水量(precipitable water vapor, PWV)信息对于极端天气研究具有重要作用。传统的单一水汽探测技术获取的PWV因其系统设计的局限性存在精度差、时空分辨率低等缺陷。针对该问题,提出了一种基于多源数据的混合模型——全球温度气压湿度(global pressure and temperature 2 wet, GPT2w) +球谐函数（spherical harmonic function,SHF）+多项式拟合（polynomial fitting,PF),简称GSP模型。该模型通过GPT2w计算PWV的初始值,利用SHF拟合PWV的偏差序列,利用PF对模型偏差进行校正,并引入Bartlett检验确定GSP模型中多源数据的最优权值。选取2014年中国云南省26个全球导航卫星系统(global navigation satellite system, GNSS)测站和37个欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasting, ECMWF)气候再分析数据集(ECMWF reanalysis-interim, ERA-Interim)格网点(1°×1°)的数据为例,建立GSP模型并进行验证,发现GSP模型较传统PF模型的精度提升率为15%~18%。以ECMWF第5代气候再分析数据集(ECMWF reanalysis v5, ERA5)提供的PWV格网数据(0.25°×0.25°)为参考,GSP模型的平均均方根误差和偏差分别为1.64 mm、－0.25 mm。上述结果表明GSP模型具有较高的精度,对于极端天气预警具有重要作用。     

Improved one/multi-parameter models that consider seasonal and geographic variations for estimating weighted mean temperature in ground-based GPS meteorology

In ground-based GPS meteorology, weighted mean temperature is the key parameter to calculate the conversion factor which will be used to map zenith wet delay to precipitable water vapor. In practical applications, we can hardly obtain the vertical profiles of meteorological parameters over the site, thus cannot use the integration method to calculate weighted mean temperature. In order to exactly calculate weighted mean temperature from a few meteorological parameters, this paper studied the relation between weighted mean temperature and surface temperature, surface water vapor pressure and surface pressure, and determined the relationship between, on the one hand, the weighted mean temperature, and, on the other hand, the surface temperature and surface water vapor pressure. Considering the seasonal and geographic variations in the relationship, we employed the trigonometry functions with an annual cycle and a semi-annual cycle to fit the residuals (seasonal and geographic variations are reflected in the residuals). Through the above work, we finally established the GTm-I model and the PTm-I model with a $2^{\circ }\times 2.5^{\circ }(\mathrm{lat}\times \mathrm{lon})$ resolution. Test results show that the two models both show a consistent high accuracy around the globe, which is about 1.0 K superior to the widely used Bevis weighted mean temperature–surface temperature relationship in terms of root mean square error.     

区域大气加权平均温度模型构建与适用性分析

加权平均温度作为GNSS水汽反演的重要参数,直接影响大气可降水量的反演精度,而建立区域化加权平均温度模型有助于提高水汽反演精度。利用香港探空站2012-2015年数据资料,在分析加权平均温度与地面气象要素关系的基础上,运用最小二乘原理探究最优回归方程系数,回归建立了区域加权平均温度的单因素模型和多因素模型。结果表明:多因素模型精度高于单因素模型,但并不显著,Bevis经验公式应用于香港区域时不满足精度要求;对模型精度和适用性进行了分析比较,表明文中建立的模型精度较高,能更好满足水汽遥感高精度的要求。      

GPT／2模型用于 GPS 大气可降水汽反演的精度分析

气象参数(温度T、气压P)是GPS大气可降水汽(PWV)反演中必不可少的数据,也是PWV反演的重要误差源之一。文中主要对GPT/2(GPT、GPT2)模型用于PWV反演的精度进行验证和分析。基于非差精密单点定位(PPP)技术,选取SuomiNet网9个测站的观测数据,借助研制的PPP软件,分别采用GPT模型、改进的GPT2模型以及测站实测气象数据进行大气可降水汽(PWV)反演。以实测气象数据处理结果为参考,对两种模型解算的PWV进行了对比和精度分析。结果表明:改进的GPT2模型优于GPT模型,尤其是当测站的高程较大时,GPT2模型的稳定性更优、适用性更广;采用GPT2模型解算的PWV偏差均值小于±1.0mm,精度(RMS)优于±1.5mm。在缺少实测气象数据的情况下,利用GPT2模型数据仍然能够取得较为理想的PWV反演结果。     

GPS-LEO掩星探测地球大气的方法

近年来伴随导航定位技术与无线电掩星技术的结合，一种崭新的遥感地球大气的方法-Global Positioning System/Meteoroloby(GPS/NET)应运而生，该方法可以有效地探测大气温、压、湿等气象参数。本文在介绍利用GPS-LEO掩星技术探测地球大气的原理，以及反演大气参数的方法、步骤的基础上，给出了模拟掩星数据反演出的温度廓线、密度廓线及部分GPS/NET实验数据的初步反演结果。通过分析可以看出，利用掩星技术反演出的温度廓线与大气实际情况相符，并且与ECMWF、NCEP的结果吻合较好。在干空气假设条件下，近地面大气的反演结果与实际情况还存在一定误差，有待深入研究解决。     

基于大气温度和水汽含量改进HJ-1B地表温度反演

为了提高地面气象站稀少地区地表温度遥感反演的精度,本文基于多源遥感数据的优势,首先利用MODIS影像获取研究区像元尺度上平均大气水汽含量;然后利用同时相的HJ-1B影像估算区域地表比辐射率,再采用温度-植被指数法获取近地表大气温度;最后将以上3个参数输入单窗体算法,改进其地表温度反演的精度。研究结果表明,改进单窗体算法反演地表温度与地面实测温度的偏差小于1 K,为地面气象站点稀少的植被覆盖区域提供了一种可行的精确遥感反演地表温度方法。     

综合GPS和NCEP CFSv2的区域PWV估计方法

利用地基GPS估计PWV（precipitable water vapor）时,除GPS观测数据外,GPS测站地表的气温和气压也是必要参数。针对我国多数GPS网并未配备相应的气象传感器的情况,利用美国环境预报中心气候预报系统第2版提供的逐6 h产品,并顾及测站高程转换时的平均海平面高改正,提出一种GPS测站气象参数的插值新方法。以香港卫星定位参考站网实测GPS数据进行试验研究,结果表明,平均海平面高对地表气压的插值结果影响较大,而对地表气温的插值结果影响较小;经平均海平面高改正后,地表气压插值结果的平均均方根误差（RMSE）为1.61 hPa,地表气温插值结果的平均RMSE为1.93 K;由插值气象参数估计的PWV的平均RMSE为2.76 mm,验证了所提方法的有效性。     

天津地区大气水汽含量时空分布变化

大气中的水汽是大气中重要的组成部分,水汽含量在人类日常生活中扮演重要的角色,大气水汽含量探测工作对于水汽循环、水汽输送、人工降水以及水资源评估等气象研究具有重要意义。本文对高质量的欧洲中期数值预报中心(ECMWF)再分析资料的进展进行了介绍,并且利用该资料对天津地区水汽含量的时空变化进行了分析,研究发现水汽含量的变化具有明显的季节性,受季风的影响显著。在空间分布上,天津上空水汽含量呈现从东部沿海往西部内陆地区逐步均匀减少的趋势,并且其上空的水汽含量呈现逐年增加的趋势,水汽含量的增加可能和温室效应有关。     

一种可用于估计全球水汽标高的经验模型

水汽标高是一个反映水汽垂直分布特征的参数,也是全球导航卫星系统(global navigation satellite system,GNSS)对流层天顶湿延迟改正和GNSS水汽层析中的一个辅助参数。本文对2006—2012年水汽标高的时间序列进行频谱分析,发现水汽标高在时间上呈现出年周期和半年周期变化,因此利用包含年周期和半年周期的三角函数来表达水汽的时变规律,然后利用欧洲中尺度天气预报中心(European Centre for Medium-range Weather Forecasting,ECMWF)的数据在全球1°×1°的格网点上分别拟合了三角函数的系数。通过上述方法首次构建了一个全球适用的水汽标高模型GSH,该模型既体现了水汽标高的时变特性又考虑了其地理差异。以无线电探空数据为参考,GSH具有-0.19km的偏差(bias)和1.81km的均方根误差(root mean square error,RMSE);以ECMWF数据为参考,GSH具有0.04km的bias和1.52km的RMSE。GSH整体上表现出了比较稳定的精度,可服务于GNSS气象学研究,也可为其他相关气象研究提供水汽标高参考。     

利用地面气象观测资料确定对流层加权平均温度

地基GPS气象学的核心思想是通过垂直方向上GPS信号的湿分量延时确定出可降水分 ,而这两个物理量之间的转换必须使用对流层加权平均温度。本文首先讨论了上述转换估计中加权平均温度的几种逼近方式及其容许误差 ,然后利用香港地区的地面和高空气象资料 ,采用逐步回归分析方法 ,建立了适合香港地区的对流层加权平均温度计算公式 ,通过数据分析表明 ,这个公式有效地消除了在香港地区使用Bevis经验公式引起的系统误差 ,较好地满足了地基GPS气象应用中实时性和高精度的要求。本研究也充分表明 ,在地基GPS气象研究中 ,应该利用本地区的气象资料来确定适合本地区的估计对流层加权平均温度的经验公式。