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。     

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。     

基于TRMM降雨数据的中国黄淮海地区干旱监测分析

热带降雨测量卫星(tropical rainfall measuring mission,TRMM)的降雨数据覆盖范围广,时间分辨率高,是区域干旱监测的一种有效数据源。将0.25°空间分辨率的TRMM 3B43数据降尺度处理成0.05°空间分辨率数据,用以构建降水量距平百分率(Pa指数)和Z指数,对黄淮海地区2010年冬季到2011年春季的干旱时空演化特征进行监测与分析,并计算同期的标准化降水指数(standardized precipitation index,SPI)对监测结果进行验证。研究结果表明,降尺度数据具有较高的可靠性,与实测数据的拟合结果 R20.76;Pa指数突出降水盈亏程度,能够有效监测区域尺度干旱,但缺乏空间分布规律;Z指数以Person-Ⅲ型分布拟合降水量,能够很好地监测干旱的时空演化特征,但干旱等级划分相对困难;利用Pa指数对Z指数干旱等级划分进行修正,其结果与SPI相关程度R20.75,表明Pa和Z指数用于干旱监测的有效性,为区域尺度干旱监测提供了一种切实可行的方法。     

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。     

TRMM-3B43降水产品在新疆地区的适用性研究

为研究热带降雨测量计划卫星(tropical rainfall measuring mission,TRMM)-3 B43(简称"TRMM")降水产品在新疆地区的适用性,利用1998—2013年TRMM月降水量产品与新疆地区105个国家气象站点的降水观测结果,通过统计分析分别在年、季和月尺度上进行验证。结果表明:TRMM估算的年降水量与新疆地区实测降水具有很高的一致性(平均偏高5.29%);与气象站点实测的季尺度降水数据决策系数较高,相关系数均在0.7以上;与气象站点实测的月降水数据的相关系数为0.75,表明两者之间相关性较显著,数据精度较高。就单个气象站点而言,大部分TRMM降水数据与气象站点实测降水数据相关系数较高,误差在30%以内,整体相关系数达到0.81,说明TRMM降水数据与气象台站点实测降水数据的一致性较好;但TRMM降水产品在时间和空间上具有一定的偏差,使用中需要进一步订正。     

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。     

耦合MOD16和SMAP的微波土壤湿度降尺度研究

局域尺度上的水文或农业应用亟需较高空间分辨率的土壤湿度(SM)数据,微波土壤湿度空间降尺度是实现这一需求的重要途径.其中“光学/热红外与微波数据融合”的降尺度方法展现出了较大的应用潜力,然而这类方法依赖于遥感地表温度LST (Land Surface Temperature)或由LST分解得到的SM指数,受限于LST“...     

基于随机森林算法对青藏高原TRMM降水数据进行空间统计降尺度研究

提高气象数据空间分辨率对水文、气象和生态等领域的流域尺度研究至关重要。青藏高原气候变化在全球气候研究中占有重要的位置,并且对局域降水分布的研究在大气科学中处于基础地位。为获取青藏高原地区准确、有效、更高空间分辨率的降水数据,基于随机森林算法,引入植被和地形因子,采用热带降水测量计划卫星(Tropical Rainfall Measuring Mission,TRMM) 3B43降水数据(0. 25°×0. 25°)、NOAA-AVHRR归一化植被数(normalized difference vegetation index,NDVI)数据(8 km×8 km)、航天飞机雷达地形测绘任务(Shuttle Radar Topography Mission,SRTM)数字高程模型(digital elevation model,DEM)数据(90 m×90 m)以及经纬度信息,建立了非线性空间统计降尺度模型,最终获得8 km分辨率降水降尺度结果。另外,采用将时间序列分析和非线性回归分析融合的方法,基于2000—2012年TRMM年均降水数据和NDVI数据,建立降水量时间尺度预测模型。分析结果表明,综合考虑植被和地形因子对青藏高原地区降水空间分布的影响,基于随机森林算法建立的降尺度模型,其降尺度结果与地面站点测量值拟合系数为0. 89,高于TRMM数据与地面站点测量值的拟合系数0. 81,说明降尺度结果提高了卫星遥感降水数据的空间分辨率。另外,降水预测模型能够较好地描述青藏高原地区的年际降水变化趋势和数量级,2006—2012年的预测降水量与TRMM降水数据拟合系数均高于0. 80。     

兰西城市群热环境格局多尺度研究

从不同空间尺度研究城市热环境的变化格局,可为城市人居环境建设提供科学参考。采用MODIS和Landsat TM/OLI/TIRS遥感影像反演地表温度(land surface temperature,LST),分别从宏观和微观尺度探索了兰西城市群热场的空间格局特征,分析了城市热岛效应在昼夜、季节和年份等不同时间尺度上的分布格局及变化特征。研究结果表明,大尺度下兰西城市群未存在明显的城市热岛效应,但中心城区内热岛效应的空间格局发生了较大变化,热场的空间格局及演变与城市空间扩展布局相一致;兰州中心城区热岛比例指数呈现先增加后减小的变化趋势,西宁—海东中心城区热岛比例指数则呈现持续增长的态势;河谷地段的LST低于周围黄土丘陵,主要受植被覆盖、太阳辐射时间和接收量的影响;LST与归一化差值植被指数(normalized difference vegetation index,NDVI)呈负相关关系,与归一化差值建筑用地指数(normalized difference building index,NDBI)呈正相关关系。     

结合像元分解和STARFM模型的遥感数据融合

高空间、时间分辨率遥感数据在监测地表快速变化方面具有重要的作用。然而,对于特定传感器获取的遥感影像在空间分辨率和时间分辨率上存在不可调和的矛盾,遥感数据时空融合技术是解决这一矛盾的有效方法。本文利用像元分解降尺方法(Downscaling mixed pixel)和STARFM模型(Spatial and Temporal Adaptive Reflectance Fusion Model)相结合的CDSTARFM算法(Combination of Downscaling Mixed Pixel Algorithm and Spatial and Temporal Adaptive Reflectance Fusion Model)进行遥感数据融合。首先,利用像元分解降尺度方法对参与融合的MODIS数据进行分解降尺度处理;其次,利用分解降尺度的MODIS数据替代STARFM模型中直接重采样的MODIS数据进行数据融合;最后以Landsat 8和MODIS遥感影像数据对该方法进行了实验。结果表明:(1)CDSTARFM算法比STARFM和像元分解降尺度算法具有更高的融合精度;(2)CDSTARFM能够在较小的窗口下获得更高的融合精度,在相同的窗口下其融合精度也高于STARFM;(3)CDSTARFM融合的影像更接近真实影像,消除了像元分解降尺度影像中的"图斑"和STARFM模型融合影像中的"MODIS像元边界"。     

地理要素对地表温度降尺度算法的多维响应

针对如何克服不同传感器地表温度的时空分辨率矛盾的问题,该文利用随机森林(RF)算法、BP神经网络(BP)算法和多元回归(MLR)算法,直接将原始1km分辨率的MODIS LST降尺度至250m分辨率,并评估地理要素对不同降尺度算法的多维响应。结果表明:①在不同海拔、坡度、坡向和土地利用类型中,RF算法的降尺度效果均为最佳;②在降尺度模型中考虑经纬度、地形因子等地理要素能显著提升降尺度效果;③降尺度效果随海拔升高先增后减,随坡度增加先增后降,从不同坡向看,降尺度效果分异明显,从不同土地利用类型看,林地、草地的降尺度精度最高,耕地次之,水域和建筑用地降尺度精度最低。     

基于定量遥感的武汉城市热岛强度时空格局演变分析

应用定量遥感揭示武汉市热岛强度在不同季节和不同年份的时空格局演变.首先,选取2002年(1月,3月,7月,10月)及2000年,2004年,2010年7景ETM数据反演地表温度;其次,经热岛强度指数归一化地温数据,使数据间更具可对比性.对比2002年不同季节地温反演数据,分析武汉市热岛强度在不同季节的变化情况及形成原因.比较2000年,2004年,2010年三个不同年份地温数据,探讨热岛强度年际时空格局演变,建立LST与ndvi、城市热岛强度与水域面积间的相关关系,分析武汉市城区多年ndvi均值以及水域面积的时间变化趋势.结果显示:武汉市城市热岛强度存在明显的季节差异;年际热岛强度空间演变格局表现为以沿江地带为中心,以西北和东南两个方向为主向外延展;LST同ndvi呈负相关关系,其中ndvi值下降0.1,则地表温度上升约1.4℃;热岛强度同城市内水域面积大小亦呈负相关;对比分析了城区多年植被覆盖及水体面积变化趋势,总结出绿地等植被覆盖面积逐渐减小及湖泊面积逐步萎缩是造成武汉城市热岛强度增强的主要因素.     

利用主被动微波遥感结合反演土壤水分的理论模型分析

为了更好地进行土壤水分反演,发展了一种基于热带降雨观测计划(TRMM)的主被动微波结合反演裸露地表土壤水分的算法.为了提高反演精度,同时利用TRMM搭载的测雨雷达(PR)和微波成像仪(TMI)进行观测.另外,针对PR/TMI数据,还建立了包含大范围的土壤水分和粗糙度参数的AIEM模型数据库.通过分析AIEM模型对地表后...     

城市地表温度空间降尺度研究—以北京市为例

地表温度LST（Land Surface Temperature）是城市热环境研究的重要参数之一,城市下垫面极为复杂,LST空间差异性较高。高空间分辨率LST对精细化城市热环境监测和缓解具有重要意义。目前大部分城市遥感LST降尺度研究仍以二维角度为主,缺乏建筑三维结构的考虑。本研究同时考虑地表二维和三维指标,构建基于随机森林方法的降尺度模型,开展MODIS 1 km LST降尺度研究（100 m）,并探讨二维和三维建筑形态对LST影响的空间尺度效应。另外,为了弥补随机森林模型缺乏物理基础的不足,参考热辐射传输方程,将方程中传感器接收的辐亮度和与大气透过率相关的大气可降水量,加入降尺度模型构建中。为了更好利用真实观测的MODIS 1 km LST验证降尺度结果,故将MODIS LST和所有指标因子升尺度至5 km,开展5 km LST降尺度至1 km研究,进一步研究探讨大气顶层辐亮度和大气可降水量对LST降尺度的影响。研究结果表明：（1）随机森林模型中增加辐亮度和大气可降水量前后,通过将5 km LST降尺度后1 km LST与原始MODIS 1 km LST相比,RMSE和R²分别由3.1 K和0.5提高至0.38 K和0.94。（2）当随机森林模型中增加建筑形态指标后,模型的袋外分数OOB_score由0.46提高至0.49,模拟的100 m LST与ASTER LST产品比较,R²有所降低,可能的原因是ASTER 和MODIS LST的反演方法和传感器不同,造成两者在100 m尺度下的对比性差一些。但是当驱动因子中增加MOD02和MOD05后,RMSE和R²由2.4 K和0.29提高至1.2 K和0.68,进一步说明MOD02和MOD05在1 km LST降至100 m过程中,起到至关重要作用。（3）在1 km和100 m尺度下,增加建筑形态后,模型OOB_score均有提高,并且建筑形态指标的重要性有所不同,在100 m尺度下独立建筑形态的影响程度有所增加。综上,MODIS LST在城市地区降尺度研究中需要考虑大气顶层辐亮度、大气可降水量和建筑形态的影响,并且不同的建筑形态对LST的重要性存在空间尺度效应。     

空间自相关局部指标在城市热岛界定中的应用

为探讨空间自相关局部指标在城市热岛界定中的有效性和局限性,运用目前常用的6种算法对福州市Landsat8热红外数据进行地表温度(land surface temperature,LST)反演,利用Moran’s I指数(local Moran’s I index)和G系数(Getis-Ord local G)法界定福州的热岛范围;比较基于不同LST反演算法的界定结果,并将结果与等间距法、均值标准差法和区域均值分级法进行对比分析。结果表明:Moran’s I指数法和G系数法均能较准确地确定热岛范围,但G系数法界定的热岛范围较Moran’s I指数法更符合实际,对不同LST反演算法的依赖性较小,并与目前常用的热岛界定方法更具可比性,更适合应用于城市热岛界定; G系数法兼顾了LST的高低及其空间相关关系,其界定的城市热岛范围具有明确的统计学意义,而且阈值无需人为干涉,结果更为客观和准确,可在城市热岛定量研究中进一步推广。     

FY-3D/MWRI L1B亮温LST反演与降尺度研究

基于2020年2月1日FY-3C VIRR LST和FY-3D MWRI L1B亮温数据,以18°～54°N,73°～135°E的区域为样例区,利用统计回归模型和层次贝叶斯融合模型,分别进行FY-3D MWRI L1B LST反演和降尺度研究,构建了基于FY-3D单频率水平和垂直极化亮温的LST二元线性回归反演模型及基于FY-3D反演LST和FY-3C VIRR LST的层次贝叶斯融合降尺度模型,并以MYD11A1 day LST为参考数据进行了验证。结果表明:反演统计模型,对于FY-3D降轨数据,平均偏差-1.28 K,误差标准差8.85 K,均方根误差8.85 K,对于FY-3D升轨数据,平均偏差-0.81 K,误差标准差6.74 K,均方根误差6.78 K;层次贝叶斯融合降尺度模型,对于FY-3D降轨数据,平均偏差0.50 K,误差标准差5.45 K,均方根误差5.41 K,对于FY-3D升轨数据,平均偏差0.25 K,误差标准差5.54 K,均方根误差5.54 K,精度满足需求,可以为被动微波LST反演与降尺度提供思路。     

耦合MODIS数据的SMAP被动微波土壤水分空间降尺度研究——以闪电河流域为例

土壤水分不仅是陆面过程中重要的变量,同时也是全球水循环中的关键参数。为了获得高分辨率的土壤水分数据,本文将基于自适应窗口的土壤水分降尺度方法应用在闪电河流域,以1 km MODIS产品(地表温度和归一化植被指数)作为辅助数据,对9 km的SMAP被动微波土壤水分(SMAP土壤水分)数据进行降尺度,得到研究区1 km的降尺度土壤水分数据。利用地面站点实测土壤水分和机载被动微波土壤水分(机载土壤水分)对降尺度土壤水分和SMAP土壤水分进行了验证,并对辅助数据和降尺度方法本身展开分析以探讨降尺度过程中的不确定性来源。结果表明:(1)本文使用的基于自适应窗口的土壤水分降尺度方法能够有效地提高SMAP土壤水分的空间分辨率,在进一步丰富土壤水分分布细节变化信息的同时,还能够保留SMAP土壤水分的空间变化特征并与其保持值域一致。(2) 3种基于像元尺度的土壤水分数据(机载土壤水分、SMAP土壤水分和降尺度土壤水分)与站点实测土壤水分之间的相关性并不高,这主要与点、面数据之间的空间匹配不一致、空间代表性不同以及有效验证的数据量有限有关。而与站点数据验证相比,降尺度土壤水分和SMAP土壤水分均和机载土壤水分数据相关性较好。(3) SMAP土壤水分与辅助数据之间的相关性比机载土壤水分与辅助数据之间的较高,而这两种土壤水分数据之间存在的这种偏差主要受到空间尺度、观测配置、参数反演算法和选用的辅助数据等因素的影响。(4)针对验证结果的不确定性,通过增加辅助数据或改变土壤水分估算模型结构进而修改降尺度模型的方式在本研究中并不能显著提高降尺度结果的精度,如何进一步提高降尺度精度仍是未来需要研究的重点。     

基于MODIS的2001年—2012年北京热岛足迹及容量动态监测

利用2001年—2012年MODIS分裂窗算法反演得到的1 km分辨率地表温度产品分析了北京城市热岛效应。首先计算北京2001年—2012年地表温度年平均值,其次利用半径法确定热岛足迹并计算热岛容量。结论如下:(1)热岛足迹及热岛容量昼夜差异明显,2012年白天热岛足迹是夜间的1.5倍,这是由于城市下垫面热特性差异及人为活动的综合影响。(2)2001年—2012年北京城市高温区在空间上向南北扩展,热岛足迹和热岛容量呈阶段性增长。2010年白天热岛足迹最大,半径为28 km,面积是2001年的2.4倍。当热岛足迹相同时,城市绿地和水体功能区的分布和布局方式等因素能够影响热岛容量。城市建设用地和农村居民点对城市热环境贡献率明显高于其他土地利用类型。当建设用地面积比例超过50%时,区域会产生显著的热岛现象。(3)根据北京热岛足迹及容量时空动态变化特征,提出改善城市热岛的措施。     

利用GRACE反演陕甘晋高原地下水储量变化

采用GRACE时变重力场模型和GLDAS水文模型反演了陕甘晋高原地下水储量的时空变化,并与TRMM降雨资料及实测水井数据进行了对比分析。研究结果表明：在时间域上,整个区域的地下水在2005-2014年大约以3.6±0.7 mm/a的速率递减;在空间域上,整个区域自西向东10年内的递减速率依次增大,其中山西中部地区最大。与TRMM降雨资料的对比发现,降雨与地下水储量变化强相关,但不是引起地下水储量减少的原因。与水井实测数据对比发现,除特殊情况外,本文反演得到的结果与水井水位变化趋势基本一致。     

北京城区及奥林匹克公园热环境遥感动态监测与分析

本文利用MODIS、ASTER和TM等多源、多尺度遥感数据,基于遥感和GIS空间分析技术,从宏观和微观两个层面研究了从2003年到2008年北京城区及奥林匹克公园热岛效应的时空演变,并分析了下垫面(绿地系统、水系统)与热岛效应的关系.研究表明,宏观上,从2003年到2008年,北京城区及奥林匹克公园热岛强度虽然存在一定...