云雾覆盖下地表温度重建机器学习模型的训练集敏感性分析

热红外遥感是监测地表温度的重要技术手段。然而,由于其易受云雾影响,热红外遥感反演地表温度存在大量的观测空白区域,严重影响地表温度产品的应用。近年来,机器学习算法的发展为实现地表温度无缝观测提供了新的技术手段。然而,基于机器学习的云雾覆盖像元重建方法与训练样本的数量和分布有着直接的联系,其应用条件在现有研究中还鲜有讨论。为深入探究重建过程中训练数据量和数值分布对重建精度的影响,本文选择基于随机森林的地表温度重建模型开展样本敏感性分析,采用美国MODIS陆地产品和欧洲第二代静止气象卫星（MSG）入射短波辐射产品重建不同训练样本集下的地表温度,并与真实地表温度数据比较,定量评估重建结果精度与样本数量和分布之间关系。研究结果表明：（1）地表温度重建精度随着训练样本数据量增加显著转好。（2）在数据量一定的情况下,随机采样方式因为具有空间代表性比区域取样方式具有更精确更稳定的精度,能将重建后的均方根误差降到2.1 K以下,相关系数达到0.93以上。即使数据量较小,随机取样方式的重建精度较稳定的特点使得模型对因数据量不足造成的重建精度降低的负面效应具有减弱作用。（3）进一步划分不同高程带和植被覆盖条件下的训练集,当训练集所处范围与重建集所处范围一致或者训练集覆盖范围越广时,重建精度越好。总体而言,上述研究成果为今后采用机器学习方法重建地表温度应用中训练样本选择以及获取高精度地表温度重建结果提供了重要的科学参考。     

基于遥感对不同下垫面地表温度时空变化分析

地表温度是监测地球资源环境动态变化的重要指标,地表温度与下垫面关系时空分析对旱灾预报、农作物产量估算、生态环境变化及区域规划等方面具有重要研究意义。本文选取长三角2005年全年46幅8天合成的地表温度产品数据MYD11A2,进行该区域全年地表温度与下垫面关系分析。利用MRT软件进行投影转换和HANTS软件去云处理,然后得到不同地物的时间序列变化曲线图,从时间序列和空间序列上分别分析不同地物的温度变化特点及其内在联系。     

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。     

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。     

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 .     

利用单窗算法反演Landsat 8 TIRS数据地表温度

以Landsat 8为数据源,并结合地表发射率、大气透过率等参数遥感估算方法,提出了针对TIRS 10数据的单窗算法TIRS10_SC,并开展了研究区的地表温度反演3种单窗算法的对比研究。结果表明,TIRS10_SC算法紧密结合Landsat8 TIRS传感器的特性,通过遥感估算城区下垫面的地表发射率、大气透过率等特征,可以较为准确地估算出地表不同覆被类型的温度;裸土与水泥下垫面等相对均质的下垫面的温度反演效果稍好,TIRS10_SC算法和Q_SC算法其平均误差为0.60℃,JM_SC算法其平均误差为1.01℃;对于植被下垫面,TIRS10_SC算法和Q_SC算法其平均误差为1.48℃,JM_SC算法其平均误差为1.26℃,为了提升城区植被下垫面温度反演精度,应该进一步准确地量化其发射率特性。     

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。     

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。     

西安市城市热岛效应强度定量研究与应用

针对城市热岛效应强度定量化评价困难以及热岛效应与地表地表的定量关系问题,利用多期LANDSAT遥感影像,基于单通道算法反演了地表温度,基于指数法快速提取地表分类要素,引入分布指数的概念构建了热岛分布指数P的算法,并以西安市为例验证方法精度与可行性,分析了西安市热岛效应的分布与变化规律.该方法实现了地表地表与热岛效应空间关系的定量化,温度反演与地表分类精度符合要求,能够用于宏观热岛效应强度定量分析评价.研究结果表明:西安市的城市热岛效应强度1995-2000年呈下降趋势,20002010年持续上升,2010年之后下降并趋于平稳,与城市发展实际基本相符.     

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。     

The influence of wind speed on infrared temperature in impervious surface areas based on in situ measurement data

Wind perturbations can cause a relatively rapid decay in infrared temperature, thus resulting in abnormal spatial patterns of infrared temperature in urban areas and the subsequent reduction in the reliability of infrared temperature measurements. To increase the reliability of such measurements, the effects of wind speed must be evaluated and removed. However, studies on the quantitative estimation of wind speed effects on infrared temperature are limited. In this study, in situ infrared temperature measurements and synchronous meteorological data were used to evaluate the influence of wind speed on in situ infrared temperature measurements of impervious surfaces. Five different impervious surfaces were selected in this study. The technical schemes are proposed for quantitative estimation of wind speed effects: (1) the residual-based method from the diurnal temperature cycle model was proposed to estimate the infrared temperature decay (ITD) due to wind fluctuations; (2) quantile regression method was introduced to define the relationship between wind speed fluctuations and the ITD; and (3) An improved probabilistic prediction interval as well as a ratio method were developed to estimate the magnitude and duration of the ITD. The results indicated that relative extreme wind speed (EWS) was significantly correlated with the range of ITD over 5-min intervals; the hourly decay rate and impact duration of ITD varied with changes in relative wind speed and impervious surface type; and the impact duration of ITD increased with an increase in the relative EWS and lasted more than 1.3 h for the studied impervious surfaces. The above findlings provide us a guidance for in situ measurement of infrared temperature and could be utilized for correcting thermal infrared images.     

基于亮温和SVM模型的干球温度推算方法

干球温度(气温)是地面气象观测中所要测定的常规要素之一。目前基于遥感数据获取该量的方法多采用线性拟合或直接应用遥感反演的温度近似代替干球温度,但是由于下垫面复杂,导致误差较大。本文提出用支持向量机(SVM)模型进行干球温度推算。选择广西省南宁市为研究区域,首先通过遥感反演温度与气象实测温度的对比,证明了利用遥感数据推算干球温度的可能性。然后,构建了针对干球温度的SVM推算模型。最后,尝试了分别使用表观亮温和遥感反演地温作为SVM模型的输入进行干球温度的推算。结果表明,SVM模型推算的干球温度与实测值更为接近,和传统方法相比,精度得到明显提高;且用表观亮温进行推算更为简单,更适合业务化的应用。     

利用MODIS遥感影像获取近地层气温的方法研究

由于冠层叶片群体效应,在1km的空间尺度上遥感获取浓密植被陆面温度与气温近似相等。根据这个原理对利用遥感手段获取气温进行了尝试,提出利用NDVI-Ts空间获取气温的方法,计算气温空间分布模式,同时对Prihodko和Goward提出的气温遥感获取模型(简称P-G模型)进行试验并与NDVI-Ts空间法进行了对比。根据Parton和Logan提出的气温尺度转换模型,利用气象站观测最高气温和最低气温获取Terra卫星过境时刻气温作为“测定值”,对遥感获取的气温进行检验,得到以下结论:P-G模型计算气温与观测结果相比偏高,而NDVI-Ts法计算结果偏低,但是其总体误差范围相当,大约为 4℃;与P-G模型相比,尽管NDVI-Ts空间法获得的气温在精度上对P-G模型没有多大的改善,但这种方法能够更加充分利用遥感获取的信息,而且在计算机运算效率上也有很大的改进,NDVI-Ts空间法相对于P-G模型具有一定优势。     

太阳对SMOS卫星海表亮温偏差年际变化的影响

利用欧洲空间局发布的土壤湿度和盐度卫星最新版本V5.04及V5.05的2010年5月至2012年4月的L1C级亮温数据,分析了其2维视场中存在的亮温偏差和年际变化。亮温偏差在视场中的分布不均匀并随季节变化。其年际变化超过1 K。太阳及其尾迹在视场中的位置随季节变化并对该卫星测量的亮温产生影响,是亮温偏差年际变化的主要来源。另外,太阳高度角的季节性变化会使该卫星天线的物理温度产生季节性变化,并通过天线模型使其测量亮温产生季节性偏差。     

资料误差对大尺度NDVI-气温关系的影响

大量研究利用PathfinderAVHRR NDVI资料分析植被状况与气温、降水等气候要素之间的关系。许多分析指出Pathfinder资料包含误差 ,并分析这些资料误差对大尺度NDVI 气温耦合关系检测结果的影响。利用奇异值分解方法 (SVD) ,通过比较不同NDVI资料误差情况下北半球春季NDVI对气温变化响应的时空特征的差异 ,对资料误差造成的分析结果的可靠性进行判断。考虑了 4种误差形式 ,分别是不同强度的连续误差、不连续误差、强火山喷发造成的误差及趋势误差。分析结果表明 ,利用SVD分析大尺度的NDVI 气温耦合特征时 ,允许的NDVI资料误差的最大上限阈值大致在 0 5σ左右。PathfinderAVHRR NDVI原始资料包含的误差很可能低于此阈值 ,得到的分析结果有较高的可信度。此外 ,在不知道NDVI原始资料误差的情况下进行植被对气候变化响应的检测时 ,可以借鉴此方法对结果的可靠性进行检查和验证。     

TASI数据的温度与发射率分离算法

建立了适合于TASI的热红外高光谱发射率的经验关系,以此修正了分离方法(TES)中的MMD模型,在对温度和发射率进行精度评价的基础上,将反演结果应用于城市地表温度的日较差分析。结果表明：(1)反演的温度与实测温度的平均绝对误差为1.8 K,平均相对误差为0.59%;(2)地面实测宽波段发射率与反演发射率的平均差值为0.036,差值的标准差为0.032;(3)同种地物的发射率曲线的反演结果与实验室测量发射率曲线的波形是一致的;(4)温度日较差分析结果是合理的。因此,本文的反演精度能满足研究需求,将该方法应用于TASI数据的温度与发射率的分离是可行的。     

Gyromat3000陀螺经纬仪温度影响测试与分析

本文针对温度变化对陀螺仪测量精度影响较大的现状,根据实验数据对高精度陀螺经纬仪Gyromat3000测量精度进行了分析,提出对温度变化改正的方法,并对此方法的有效性进行了检验。实验结果表明,文中提出的温度改正方法能够补偿温度对测量结果的影响。     

基于GIS的复种指数潜力研究

复种指数对农业生产具有重要意义 ,通过计算复种指数潜力可以对未来粮食生产潜力进行预测。本文提出基于GIS技术的复种指数潜力计算方法。在GIS软件的支持下 ,分析全国农业统计数据 ,使用遥感数据修正全国县级耕地面积统计数据 ,进而计算各县最大复种指数 ,同时收集并处理气象数据。通过分析最大复种指数与积温、降水和日照时数的关系 ,提出以外包络法构建复种指数潜力模型。利用建立的复种指数潜力模型计算全国 1km尺度的复种指数潜力 ,并使用空间统计方法得到全国及分省的复种指数潜力。全国复种指数潜力为 198 5 %。     

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。     

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。