多尺度地理加权回归的地表温度降尺度研究

由于星载热红外传感器研发技术的局限性,单一传感器尚不能提供兼具高频次、高空间分辨率地表温度数据。协同其他遥感辅助数据,对低空间分辨率、高时间频次地表温度产品开展降尺度研究成为了解决这一难题的有效途径。然而由于现有地表温度降尺度方法未充分考虑不同地表状态参数对地表温度空间分异格局的尺度影响差异,降尺度后的地表温度数据在异质性景观区域存在精度较差和空间纹理不清晰的问题。鉴于此,本文以北京和张掖地区的8期MODIS地表温度产品为例,通过引入多尺度地理加权回归MGWR（Multiscale Geographically Weighted Regression）来分析归一化植被指数NDVI、数字高程模型DEM、坡度和经纬度对地表温度空间格局影响的尺度差异,提出一种针对MODIS地表温度产品的空间降尺度算法,并与TsHARP算法、多元线性回归算法、地理加权回归算法和随机森林回归算法进行定量对比。结果表明,基于MGWR模型的地表温度降尺度转换函数能够良好地揭示多种地表状态参数与地表温度间的不同作用关系,其中NDVI和坡度对地表温度分布具有全局影响,DEM和经纬度对地表温度呈现出了局域性作用。与4种代表性方法相比,基于MGWR算法降尺度后的100 m分辨率地表温度数据具有更好的空间纹理,在城镇和沙漠等温度异质性明显地区保障了清晰的景观纹理;另外,对于所选研究区的8期MODIS地表温度产品而言,利用MGWR算法降尺度后的地表温度均拥有更好的精度,在0—1 K误差级别下的面积占比均大于57%,均方根误差RMSE（Root-Mean-Square Error）均小于2.85 K,决定系数R²（coefficient of determination）均大于0.88。     

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。     

藏东南冰川地区250 m空间分辨率全天候地表温度生成

遥感全天候地表温度产品在多云雾地区意义重大,对冰川泥石流多发的藏东南地区极具应用价值,但遥感全天候地表温度空间分辨率不足限制了其在精细化灾害监测中的应用。以藏东南冰川地区为研究区,采用高程、坡度、坡向、地表覆盖类型、植被指数、地表反射率、积雪指数作为全天候地表温度的影响因子,结合移动窗口,进行多种地表温度降尺度方法的对比,进而使用最优的降尺度方法将现有的遥感全天候地表温度产品（TRIMS LST）的空间分辨率从1 km提升至250 m。利用地面站点实测数据的评价结果表明,基于梯度提升决策树（LightGBM）的降尺度方法得到的250 m空间分辨率全天候地表温度的均方根误差在白天/夜间为2.25 K/2.15 K,优于基于多元线性回归和随机森林的降尺度方法,且比原始1 km分辨率全天候地表温度的精度高0.25 K左右。基于Q指数与SIFI指数的图像质量评价结果表明,降尺度得到的250 m地表温度不仅在空间格局和幅值上与原始1 km遥感全天候地表温度一致,而且补充了大量的地表温度空间细节信息。生成得到的250 m分辨率的地表温度对于藏东南冰川地区的灾害分析具有积极的意义。     

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。     

利用Landsat TM影像进行地表温度像元分解

提出了一种基于Landsat TM的地表温度二次像元分解方法,将地表温度的空间分辨率从120 m提高到30 m。首先,利用地表类型的线性统计模型（E-DisTrad）获取初次分解子像元的地表温度,计算得到初次分解子像元的辐亮度;然后,利用面向对象的图像分割方法获取二次分解子像元的权重,实现对地表温度的二次分解;最后,采用升尺度再分解的验证方法进行精度分析,并选取了北京市TM影像进行实例分析。实验结果表明,二次像元分解模型不仅能有效地提高地表温度的空间分辨率,反映出不同地表类型地表温度的空间差异性,而且保证了像元分解前后能量值的一致性,非常适合于复杂地表覆盖地区的热红外波段遥感影像数据的降尺度处理。     

基于随机森林算法的地表温度降尺度研究

地表温度(land surface temperature,LST)是地面能量平衡等模型中的重要参数之一。高时间分辨率的遥感LST可通过降尺度处理实现空间分辨率的提高,这对详细的LST时空分布监测具有重要意义。以北京市为研究区,选择Landsat8 OLI/TIRS数据,通过改进的单窗(improved mono-window,IMW)算法反演LST作为验证数据,在计算归一化差值植被指数(normalized difference vegetation index,NDVI)和归一化差值建筑指数(normalized difference built-up index,NDBI)等多种遥感指数并模拟至1 000 m空间分辨率的基础上,联合空间分辨率为1 000 m的MODIS/LST产品,利用随机森林(random forest,RF)模型实现LST(100 m空间分辨率)降尺度,并与多因子回归方法和基于植被指数的LST锐化算法(TsHARP)2种常用降尺度方法进行对比。实验结果表明:以模拟Landsat/LST作为降尺度数据源,RF方法降尺度LST的均方根误差(root-mean-square,RMSE)为2.01 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.16 K和0.44 K;针对MODIS/LST降尺度时,RF方法的RMSE为2.29 K,与多因子回归方法和TsHARP算法相比,精度分别提高了0.42 K和0.50 K;针对不同地表类型,RF算法降尺度效果不同,其中高植被覆盖区表现最优,RMSE为1.81 K;城镇表面因其空间异质性,RMSE则达到了2.75 K。     

多分辨率地表温度降尺度研究

基于随机森林多遥感因子的降尺度方法 MIRF作为一种新近提出的地表温度空间降尺度方法,避免了因为降尺度因子单一化和回归模型线性化给降尺度带来的不确定性。该方法只是在特定条件下有所应用,但其在多分辨率层级下的降尺度能力和受尺度效应的影响如何还缺乏相关研究。以张掖地区为研究区,以Landsat 8为数据源,设置了810m、270m、90m和30m四种分辨率层级,将反演的810m地表温度降尺度至以上几个较高分辨率层级上。通过交叉验证和直接验证,结果表明:在以上多种分辨率层级上,MIRF方法都取得了较好的精度。随着降尺度分辨率层级的提高,MIRF方法的RMSE从1.2K增加到了2.5K,R2从0.97变化到0.91。说明在270m层级上,MIRF精度最高,受尺度效应的影响最弱。与DisTrad方法和TsHARP方法比较,MIRF方法在以上分辨率层级上受尺度效应的影响也是最弱的。     

多尺度城市地表温度降尺度方法

针对目前星载热红外传感器的空间分辨率低,无法满足城市尺度的生态环境研究需求的现状,该文选择地表覆盖类型复杂的区域,根据研究区土地覆盖类型,选取归一化植被指数(NDVI)、城市不透水面指数(ISA)、改进的归一化差异水体指数(MNDWI)等因子加入DisTrad模型,采用移动窗口逐步回归统计地表温度和因子的线性关系,利用半方差曲线函数和均方根误差综合确定最优移动窗口的大小,以提高地表温度降尺度精度。研究结果表明:改进的DisTrad模型在地表覆盖类型复杂区域,具有良好的降尺度目视效果,且具有较高的降尺度精度,尤其在低植被覆盖的建筑区、水体区域具有更高的精度。     

面向非均质区域的空间增强型时空融合模型研究

随着遥感技术的发展,遥感数据日益增加。然而,受传感器限制及云雨天气影响,单一传感器难以获取高时空分辨率的遥感影像,从而在一定程度上影响全球及区域环境变化研究。遥感影像时空融合理论与技术的发展为解决这一问题提供了有效途径。近年来,国内外学者提出了大量的时空融合算法,但对于复杂地表景观区域空间细节的融合仍存在挑战,地表非均质区域时空融合的精度有待提高。为此,本文提出了一种面向非均质区域的空间增强型时空融合模型。首先,基于混合像元分解原理与遥感数据空间特征尺度不变性假设,将低分辨率光谱变化降尺度为高分辨率光谱变化值;然后,基于不同分辨率遥感数据光谱关系的时间不变性假设,获得最终融合影像。试验结果表明,相对于常用融合模型STARFM、FSDAF,本文模型既能有效反映不同地物物候变化信息,同时能更好地保留地表的空间细节,增强了非均质地表覆盖区域融合影像的空间特征与效果;本文模型的均方根误差RMSE、相关系数r及结构相似性指标SSIM平均值分别达到0.024、0.898、0.897,相对于常用融合模型STARFM、FSDAF,RMSE平均值分别降低了6.71%和4.33%,r平均值分别提高了1.9...     

综合典型地表组成的城市地表温度估算

针对单一的地表物质组成并不能充分反映城市地表热环境特点这一问题,该文基于热混合影像,利用线性光谱分解方法获取地表组成信息,然后利用光谱分解热混合、线性回归、决策树方法估算地表温度。结果表明:只研究单一地表组成对地表温度的影响,有可能扩大其环境效应;决策树模型在不同规则下能更好地模拟地表温度的空间异质性;光谱分解热混合模型只需要两组数据即可估算出不同地表覆盖下的地表温度,且估算精度较其他模型高;光谱分解热混合模型和多元回归模型结合4种地表组成监测其对地表温度的影响,决策树方法通过不透水面、水体、植被预测地表温度,前两者估算精度比后者高,因此综合考虑城市典型地表组成能更好反映其对地表温度的作用。     

卫星遥感地表温度降尺度的光谱归一化指数法

针对卫星遥感技术监测地表温度(land surface temperature,LST)存在时空分辨率矛盾这一难题,以TsHARP温度降尺度算法为基础,根据地表覆盖类型的不同,分别选择与LST相关性更好的光谱指数(归一化植被指数,NDVI;归一化建造指数,NDBI;改进的归一化水体指数,MNDWI;增强型裸土指数,EBSI)提出了新的转换模型,并从定性和定量两个角度评价了TsHARP法和新模型的降尺度精度。结果表明:两种模型在提高LST空间分辨率的同时又能较好地保持MODIS LST影像热特征的空间分布格局,消除了原始1km影像中的马赛克效应,两种模型均能够达到较好的降尺度效果;全局尺度分析表明,不管是在降尺度结果的空间变异性还是精度方面,本文提出的模型(RMSE:1.635℃)均要优于TsHARP法(RMSE:2.736℃);TsHARP法在水体、裸地和建筑用地这些低植被覆盖区表现出较差的降尺度结果,尤其对于裸地和建筑用地更为明显(|MBE|3℃),新模型提高了低植被覆盖区地物的降尺度精度;不同季节的降尺度结果表明,两种模型都是夏、秋季的降尺度结果优于春、冬季,新模型的降尺度结果四季均好于TsHARP法,其中春、冬季的降尺度精度提升效果要优于夏、秋季。     

资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例

大规模的煤炭开采活动将对生态环境产生扰动,而土壤含水量是受扰动的生态参数之一,且具有重要意义。现有的土壤含水量产品分辨率较低,不适用于区域尺度的研究,而高精度的微波反演由于数据的局限性无法进行长时间序列的研究。本文以我国的重要产煤基地锡林浩特市为研究区,以2004—2020年的AMSR-E与AMSR-2土壤含水量产品及同期的Landsat遥感影像为主要数据源,采用随机森林方法对AMSR-E/2土壤含水量产品进行降尺度处理,通过标准差椭圆等方法对研究区土壤含水量的变化特征进行分析。结果表明：①被动微波土壤含水量降尺度方法可实现对资源型城市的土壤含水量进行长时间序列、高空间分辨率的监测;②无论在矿区还是非矿区,降水均是影响土壤含水量变化的主导因素;③研究区土壤含水量的整体分布在空间上由西北向东南呈现逐渐升高的变化特征,且此分布格局在长时间尺度上保持稳定;④煤炭开采活动对土壤含水量产生扰动,且不同开采阶段的影响具有不同特征。研究结果可为资源型城市生态环境的评价与保护提供科学依据。     

利用Landsat 7与GF-1 WFV影像反演地表温度

地表温度在地气循环系统中具有重要作用,是目前地理学研究的重点。然而目前的国产高分辨率影像缺少热红外波段,且具有热红外波段的影像分辨率较低。基于此,本文利用低分辨率影像降尺度方法反演高分辨率影像的地表温度。首先通过Landsat 7影像的热红外波段,提取典型地物的地表温度;对GF-1 WFV影像进行预处理后,利用全约束最小二乘法对高分辨率影像进行混合像元分解;根据平均温度模型,得到高分辨率影像的地表温度,并进行降尺度,通过Landsat 7影像进行精度验证。验证结果显示,均方根误（RMSE）为1.40℃,平均绝对误差（MAE）为0.44℃,精度较高。     

光谱指数趋势面的城市地表温度降尺度转换

针对城市及周边区域建造区和自然地表交织分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建造指数(NDBI)构造趋势面的地表温度(LST)降尺度方法,以北京市市区及周边较平坦区域为例实现了LST自960 m向120 m的降尺度转换。分析了LST空间分布特征及NDVI、NDBI对地物的指示性特征;以北京市四至六环为界分析NDVI、NDBI趋势面对地表温度的拟合程度及各自的适用区域;在120 m、240 m、480 m和960 m 4个尺度上评价了NDVI、NDBI和NDVI+NDBI趋势面对LST的拟合程度和趋势面转换函数的尺度效应;对NDVI、NDBI和NDVI NDBI等3种方法的降尺度结果分覆盖类型、分区域对比评价。实验结果表明结合两种光谱指数的NDVI NDBI方法降尺度转换精度有所改善,改善程度取决于地表覆盖类型组合。     

A method of downscaling temperature maps based on analytical hillshading for use in species distribution modelling

Climate maps have been widely used for the construction of species distribution models. These maps derive from interpolation of data collected by meteorological stations. The sparse distribution of stations generates maps with coarse spatial resolution that are unable to detect microclimates or areas that can serve as plant or animal refuges. This work proposes a method for downscaling temperature maps using the solar radiation falling upon hillsides as predictor for the influence of relief on local variability. Solar irradiance is estimated from a digital elevation model of the study area using a routine based on analytical hillshading. Some examples of downscaling from 1 km to 25 m spatial resolution are shown. The results are compared with the surface temperature maps from Landsat 8 satellite imagery.     

矿区3维可视化及其应用

3维可视化是当前数字矿山理论及其技术研究领域的关键问题之一。以云南澜沧老厂为研究区,将高精度数字高程模型(DEM)数据与矿区高分辨率2维遥感图像(QuickBird影像)叠合生成3维遥感影像,能够真实再现老厂矿区的景观特征,有效反映该地区的复杂地形、地貌、地质特征,提供综合、全面、实时、动态的矿山地面变化信息,为矿床定位及开展地质工作服务。