MODIS资料用于塔克拉玛干沙漠地表温度计算方法初探

用热红外通道的遥感数据计算陆地表面温度是MODIS资料的重要应用之一。陆地表面温度(LST)是表征地球表面能量平衡和气候变化的很好指标,也是研究区域或全球陆地物理过程的关键参数。特别是对于面积广大、人烟罕至的沙漠地区,用遥感资料反演其地表温度更显得非常必要。作者主要介绍MODIS资料用于塔克拉玛干沙漠地表温度的计算方法。     

Implications of diurnal variations in land surface temperature to data assimilation using MODIS LST data

Based on the Beijing Climate Center's land surface model BCC_AVIM(Beijing Climate Center Atmosphere-Vegetation Interaction Model), the ensemble Kalman filter(En KF) algorithm has been used to perform an assimilation experiment on the Moderate Resolution Imaging Spectroradiometer(MODIS) land surface temperature(LST) product to study the influence of satellite LST data frequencies on surface temperature data assimilations. The assimilation results have been independently tested and evaluated by Global Land Data Assimilation System(GLDAS) LST products. The results show that the assimilation scheme can effectively reduce the BCC_AVIM model simulation bias and the assimilation results reflect more reasonable spatial and temporal distributions. Diurnal variation information in the observation data has a significant effect on the assimilation results. Assimilating LST data that contain diurnal variation information can further improve the accuracy of the assimilation analysis. Overall, when assimilation is performed using observation data at 6-hour intervals, a relatively good assimilation result can be obtained, indicated by smaller bias(2.2 K) and root-mean-square-error(RMSE)(3.7 K) and correlation coefficients larger than 0.60. Conversely, the assimilation using 24-hour data generally showed larger bias(2.2 K) and RMSE(4 K). Further analysis showed that the sensitivity of assimilation effect to diurnal variations in LST varies with time and space. The assimilation using observations with a time interval of 3 hours has the smallest bias in Oceania and Africa(both1 K); the use of 24-hour interval observation data for assimilation produces the smallest bias(2.2 K) in March, April and July.     

基于MODIS数据的青海湖流域地表温度反演研究

地表温度是检测地球环境变化的重要指标,将地表温度与气象观测资料相结合可以更准确地检测地表履被、土壤湿度及水分含量变化。利用MODIS数据对青海湖流域地表温度进行反演,将反演结果与实测0 cm地面温度对比分析,显示反演的地表温度值与实测0 cm地面温度值平均差-1.05℃,在当前遥感反演地表温度的误差之内。结果表明地表温度和气象观测资料相结合,可以用于监测地表温度的变化,进而建立偏远地区气候资源数据库。     

基于Modis地表温度的横断山区气温估算及其时空规律分析

横断山区气象观测站稀少且多分布在河谷之中,气温资料极度匮乏,严重影响山区地理与生态研究。随着遥感技术的发展,热红外遥感数据,结合地面观测数据,可以用来推测山区气温。本文通过对横断山区2001 年-2007 年间64 个气象台站的多年月平均气温数据(Ta) 与Modis地表温度多年月平均值(Ts) 进行了时序分析和回归分析,并取得如下研究结果：(1) Ts 与Ta 具有非常好的线性相关关系,89%的台站的决定系数高于0.5;95%的台站的标准误差都低于3 oC,84.4%的台站标准误差低于2.5 oC;12 个月份的Ts 与Ta 的决定系数R²在0.63~0.90 之间,标准误差在2.22~3.05 oC之间。(2) 研究区内月均气温的变化范围在-2.25~15.64 oC之间;生长季(5-9 月份) 的月均气温变化范围为：10.44~15.64 oC。(3) 等温线的海拔高度自山体外围向内部逐渐升高,与山体效应的增温效应相吻合;0 oC等温线自10 月份从海拔4700±500 m左右逐渐降低,至1月份降至最低点,约在3500±500 m左右,此后,逐渐回升,至次年5 月份再次达到4700±500 m左右,也就是说横断山区5200 m以下的广大山区全年至少有6~12 个月的气温在0 oC以上。研究表明：可以利用Modis月均地表温度结合地面观测台站的数据较精确的估算山区月均气温。     

利用MODIS数据进行旱情动态监测研究

MODIS-EVI植被指数与不同覆盖程度植被的线性关系已得到明显改善,可以更有效地反映地表植被的生长状态。利用MODIS合成数据MYD11A2和MYD13A2获取的增强型植被指数(EVI)和陆地表面温度(Ts)构建EVI-Ts特征空间,并以该特征空间计算的温度植被干旱指数(TVDI)作为干旱监测指标,分析广西2006年秋旱分布。结果表明:以地表温度和MODIS-EVI为基础的温度植被干旱指数能较好地反映区域旱情分布和旱情发展过程,2006年9月中旬—11月中旬广西受旱区域不断扩大,旱情持续加重。     

基于MODIS 数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一, 人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用, 利用250 m 分辨率MODIS 数据进行土地 覆盖制图研究, 采用的主要数据为增强型植被指数EVI 数据、反射率数据和DEM 数据。通过基于时间序列的滤波方法消除EVI 的噪声, 通过PCA 变换压缩数据量, 并计算均质度来表征空间维的纹理信息, 构造了一个综合性的分类数据矩阵, 依据高分辨率影像选取了训练区, 采用最大似然法进行分类, 并采用缓冲区分析技术进行分类修正, 得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价, 并将分类结果与 MODIS 土地覆盖产品进行了对比, 精度分析表明分类结果很好的反映了研究区的土地覆盖信息, 显示了本研究分类方法与技术处理在实践中的可行性及250 m 分辨率EVI 时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。     

伊犁河谷2001-2014年地表温度时空分异特征

地表温度是地表能量平衡、区域和全球尺度地表物理过程的一个重要因子。为了辨析中国西北干旱区“天山湿岛”——伊犁河谷的地表温度时空分异,采用趋势分析法和空间数据统计法,探讨了2001-2014年不同土地利用/覆盖类型下地表温度时空变化规律,分析地表温度的时空分异特征及原因。结果表明：（1） MODIS LST产品的精度（平均R²=0.90）能够满足伊犁河谷地表温度时空变化分析的要求;（2）空间上,地表温度呈现出中部高四周低的变化趋势,高温区面积约占总面积的41%,低温区面积约占总面积的23%;时间上,伊犁河谷平均地表温度的年际波动较大,以2013年、2006年、2007年和2008年尤为突出;地表温度的年内变化呈现出单峰型分布,地表温度高值集中在3-8月,最高值出现在7月;（3）不同土地利用/覆盖类型下年均地表温度分布的总体特征为建设用地最高,稀疏草地、旱地等次之,冰川/积雪最低;（4）伊犁河谷地表温度变化趋势呈严重减少、基本不变和轻微增加区域面积分别占5%、37%和26%,以基本不变和轻微增加为主。伊犁河谷地表温度时空变化不仅受大尺度气候变化影响,还受土地类型差异影响,两者共同构成了不同地理区域及景观的温场格局,绿色植被对地表温度时空分布具有重要的调节作用。     

基于MODIS数据和气象观测数据的气温空间插值方法比较

本文以福建省福州市为研究区域,利用MODIS影像数据反演福州市地表温度;同时利用相同时间的福州市及其周边的32个气象站日平均气温数据,结合数字高程模型（DEM）中提取出的地形因子,研究温度与经度、纬度、海拔高度等的相关关系,提出了福州市地形因子与气温相关模型,利用该模型插值得到福州市的地表温度;再利用气温垂直递减规律进行插值得到地表温度。对比3种结果可知,对于气象数据容易获得,气象站点较多且均匀分布在研究区时,利用气象数据插值地表温度较快,但计算结果比实际值略高;对于气象数据不易获得或站点较少时,可以用影像数据来反演地表温度,其精度受提取参数的精度的制约,在参数使用正确情况下比插值方法反演精度高。     

基于MODIS数据的松辽平原土地退化宏观评估

该文利用植被指数、最小噪声化变换、纯净像元指数和匹配滤波等遥感信息定量分析方法,从MDDIS陆地观测数据中提取反映松辽平原土地退化状况的植被覆盖、盐碱化和沙漠化信息,实现土地退化制图及土地退化格局分析。MODIS数据及其定量分析技术,对干旱区与半干旱区土地退化的宏观监测具有重要作用。     

基于MODIS数据的陕西省地表温度的空间分布研究

由热红外波段获得的影像是地物发射的热辐射量的直接记录,可用于地面温度和热量空间分布的动态监测。本文利用MODIS数据可见光波段b1、近红外波段b2和中红外波段b19,获得所需要的两个基本参数：地表比辐射率与大气透过率;然后对于热红外波段b31、b32,运用劈窗算法反演出陕西省地表温度：并与陆面实际状况进行了对照分析。结果表明,这一方法能获得较合理的地表温度,符合陕西省实际地表状况;另外也为应用MODIS热红外波段数据进行大范围实时监测地表温度提供了新的途径。     

基于Modis地表温度的青藏高原东部及其邻近地区气温估算(英文)

Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions.     

MODIS-based air temperature estimation in the southeastern Tibetan Plateau and neighboring areas

Climatic conditions are difficult to obtain in high mountain regions due to few meteorological stations and, if any, their poorly representative location designed for convenient operation. Fortunately, it has been shown that remote sensing data could be used to estimate near-surface air temperature (Ta) and other climatic conditions. This paper makes use of recorded meteorological data and MODIS data on land surface temperature (Ts) to estimate monthly mean air temperatures in the southeastern Tibetan Plateau and its neighboring areas. A total of 72 weather stations and 84 MODIS images for seven years (2001 to 2007) are used for analysis. Regression analysis and spatio-temporal analysis of monthly mean Ts vs. monthly mean Ta are carried out, showing that recorded Ta is closely related to MODIS Ts in the study region. The regression analysis of monthly mean Ts vs. Ta for every month of all stations shows that monthly mean Ts can be rather accurately used to estimate monthly mean Ta (R2 ranging from 0.62 to 0.90 and standard error between 2.25℃ and 3.23℃). Thirdly, the retrieved monthly mean Ta for the whole study area varies between 1.62℃ (in January, the coldest month) and 17.29 ℃ (in July, the warmest month), and for the warm season (May-September), it is from 13.1℃ to 17.29℃. Finally, the elevation of isotherms is higher in the central mountain ranges than in the outer margins; the 0℃ isotherm occurs at elevation of about 4500±500 m in October, dropping to 3500±500 m in January, and ascending back to 4500±500 m in May next year. This clearly shows that MODIS Ts data combining with observed data could be used to rather accurately estimate air temperature in mountain regions.     

MODIS-based estimation of air temperature of the Tibetan Plateau

The immense and towering Tibetan Plateau acts as a heating source and, thus, deeply shapes the climate of the Eurasian continent and even the whole world. However, due to the scarcity of meteorological observation stations and very limited climatic data, little is quantitatively known about the heating effect and temperature pattern of the Tibetan Plateau. This paper collected time series of MODIS land surface temperature （LST） data, together with meteorological data of 137 stations and ASTER GDEM data for 2001-2007, to estimate and map the spatial distribution of monthly mean air temperatures in the Tibetan Plateau and its neighboring areas. Time series analysis and both ordinary linear regression （OLS） and geographical weighted regression （GWR） of monthly mean air temperature （Ta） with monthly mean land surface temperature （Ts） were conducted. Regression analysis shows that recorded Ta is rather closely related to Ts, and that the GWR estimation with MODIS Ts and altitude as independent variables, has a much better result with adjusted R 2 〉 0.91 and RMSE = 1.13-1.53℃ than OLS estimation. For more than 80% of the stations, the Ta thus retrieved from Ts has residuals lower than 2℃. Analysis of the spatio-temporal pattern of retrieved Ta data showed that the mean temperature in July （the warmest month） at altitudes of 4500 m can reach 10℃. This may help explain why the highest timberline in the Northern Hemisphere is on the Tibetan Plateau.     

Terrain analysis for active tectonic zone characterization: a new application for MODIS night LST (MYD11C3) data set

A new context for active tectonic zone recognition is proposed on the basis of the exporting energy of the terrain features at continental scale. Toward this end, elevation, latitude, and longitude decorrelation stretch of multi-temporal moderate resolution imaging spectroradiometer (MODIS) monthly average land surface temperature (LST) imagery (MYD11C3) is applied in a study area extending from Red Sea to Indian Ocean and from Persian Gulf to Black Sea and Caspian Sea. Multiple linear regression analysis of principal components images (principal components analysis (PCAs)) quantified the variance explained by elevation, latitude, and longitude. Selective variance reduction reconstructed the multi-temporal LST imagery from the residual images and selected PCAs by taking into account the portion of variance that is not related to elevation, latitude, and longitude. The reconstructed imagery presents the magnitude the standardized LST value per pixel deviates from the elevation, latitude, and longitude predicted one, whereas a positive LST anomaly is defined as a region that presents positive reconstructed LST value throughout the year. Clustering of the reconstructed standardized imagery mapped a great positive LST anomaly of tectonic origin that occupies the greatest in elevation and most massive areas, forming three regions: (a) the Himalayan Belt along the Pakistan, Afghanistan borders, and the Eastern Alpine zone (Makhran Ranges and Zagros Ranges), (b) the coastal zone (along the Red Sea) of the Arabian Shield, and (c) the Oman Mountains Province along the Persian Gulf. The method will allow the classification of terrain objects (e.g. mountains, basins) on the basis of both the exporting energy (reconstructed LST) and geomorphometry.     

基于MODIS的秦巴山地气温估算与山体效应分析

秦巴山地作为横亘在中国南北过渡带的巨大山脉,其山体效应对中国中部植被和气候的非地带性分布产生了重要的影响,山体内外同海拔的温差是表征山体效应大小较为理想的指标。本研究结合MODIS地表温度（LST）数据、STRM-1 DEM数据和秦巴山地的118个气象站点的观测数据,分别采用普通线性回归（OLS）和地理加权回归（GWR）两种分析方法对秦巴山地的气温进行估算,在此基础上将秦巴山地各月气温转换为同海拔（1500 m,秦巴山地平均海拔）气温,对比分析秦巴山地的山体效应。结果表明：① 相比OLS分析,GWR分析方法的精度更高,各月回归模型的R ²均在0.89以上,均方根误差（RMSE）在0.68~0.98 ℃之间。② 利用GWR估算得到的同海拔气温,从东向西随海拔升高呈现了明显的升高的趋势,秦岭西部山地比东段升高约6 ℃和4.5 ℃;大巴山西部山地年均和7月份同海拔的气温较东段升高约8 ℃和5 ℃。③ 从南向北,以汉江为分界,秦岭与大巴山的同海拔的气温均呈现出由山体边缘向内部升高的趋势。④ 秦巴山地西部大起伏高山,秦岭大起伏高中山和大巴山大起伏中山,相比豫西汉中中山谷地,各月均同海拔气温分别升高了约3.85~9.28 ℃、1.49~3.34 ℃和0.43~3.05 ℃,平均温差约为3.50 ℃,说明秦巴山地大起伏中高山的山体效应十分明显。     

基于MODIS日地表温度产品的兰州市热岛效应特征

由于MODIS 8 d地表温度产品和Landsat热红外波段很难准确反映地表温度的日变化,这导致由此得到的热岛效应结果不够准确,因此利用MODIS日地表温度产品1天4次的数据来分析长时间段上的热岛效应变化和已有将日地表温度转换成月和年地表温度的算法得到月和年地表温度值,以兰州市为实验区分析了2002-2015年兰州市的热岛变化特征,结果表明：兰州市热岛效应总体上处于增长趋势,2002-2009年波动变化,2010-2015年平稳增加。空间上由中部逐年向北部永登县和皋兰县方向扩展;兰州市热岛的月变化特征分为两个部分,1～5月呈“人”字形变化;6～12月整体下降,空间上表现为东北和西南向条带中心紧缩;兰州市热岛季节变化表现为：夏季>春季>秋季>冬季,空间上在兰州的中心位置以及延伸至榆中县的东南角高温区面积增减。研究表明MODIS日地表温度产品能更加准确地评价区域尺度热岛效应的演变特征。     

基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算

MODIS数据时间分辨率较高,在对地能量和水分变化监测应用中具有不可比拟的优势。但其空间分辨率较低,混合象元效应显著,尤其在地表土地利用类型复杂和空间异质性较大时,会带来较大的误差。而ETM+数据具备较高的空间分辨率,但其单一的热红外波段导致反演的地表温度精度不高,且时间分辨率低,因而限制了在地表蒸散监测中的应用。本文探讨了将TM/ETM+与MODIS数据相融合估算区域地表蒸散的一种多尺度遥感方法,利用TM/ETM+计算得到的植被指数,基于空间增强方法将MODIS反演的地表温度尺度提高到30 m,并结合SEBS模型对伊洛河流域的地表蒸散进行了估算。验证与分析的结果表明,估算精度得到提高,研究区当日蒸散量在0～5.32 mm/d之间,空间分布具有明显的地域性差异,区域分布不均衡。     

基于MODIS的新疆地表温度时空变化特征分析

地表温度（LST）作为陆地环境相互作用过程研究中的重要地学参量,其时空分异与下垫面属性、地形地貌格局等息息相关。本文基于2000—2020年MOD11C3数据,采用GIS空间分析、空间重心模型及改进的半径法等手段,对新疆地区月、季、年及昼夜等序列时空尺度LST的分布特征及变化趋势进行研究,并借助LUCC、DEM等多源遥感数据进一步探讨各类下垫面、不同地貌单元及部分典型区域的LST垂直递减率、增减温及热（冷）岛效应等地理特征。结果表明：① 研究期间新疆年均LST为9.45 ℃,呈减温和增温趋势的区域分别占研究区面积的13.3%和86.7%,增温区域占绝大部分,故近20年研究区整体呈升温趋势（0.024 ℃·a^-1）,较全国高出约0.01 ℃·a^-1,其中春季增幅最大,冬季次之;夜间LST变化明显强于白天,春、夏两季昼夜温差均大于23.7 ℃,而冬季最小（约15 ℃）;研究区年际高、低温重心迁移轨迹大多分布于LST变幅较大区域,各月LST空间分布及高低温重心转移轨迹均表现出以7月为中点的年内强对称性规律。② 不同下垫面地表冷热环境空间分布差异较显著。其中以荒漠和裸土为主的未利用地年均LST最高（13.42 ℃）且昼夜温差最大（23.6 ℃）,高寒区冰川年均LST最低（-7 ℃）且昼夜温差（14.3 ℃）最小,其他下垫面年均LST在2.6~11 ℃之间,昼夜温差较小且较一致（平均16.75 ℃）。③ 东西走向的“三山夹两盆”地貌结构,使新疆LST的纬度地带规律被大幅削弱。研究区各山区（群）LST垂直递减率不尽相同,地处较高纬的阿尔泰山递变（0.63 ℃/100 m）最明显,山体高大的帕喀昆阿山群递变（0.57 ℃/100 m）次之,天山山脉递变（0.54 ℃/100 m）最小。另外各山区（群）山麓处均出现了不同程度的逆温现象,而山腰处LST垂直递减率线性拟合效果最佳。④ 本研究所选取的部分典型城市大都表现出不同程度的热岛效应。其中乌鲁木齐市热岛效应最为强烈,伊宁市其次,哈密市最微弱,而阿克苏市则表现出绿洲城市冷岛效应,但各城市热（冷）岛效应均存在一定环数（8环）范围的冷、热岛足迹。     

基于MODIS数据的柴达木盆地南缘绿洲土地覆盖动态变化研究

基于遥感和GIS技术手段,利用2000—2009年生长季的MODIS数据对柴达木盆地南缘绿洲进行了土地覆盖分类,得到前期（2000—2004年）和后期（2005—2009年）两期土地分类图以及2000—2009年土地覆盖类型变化趋势图,分析了2000—2009年10 a尺度上该地区土地覆盖类型的面积变化以及空间分布格局。分析得知,柴达木盆地南缘绿洲同时存在两种演化趋势:绿洲化和荒漠化。近10 a来绿洲化的总面积为1 040 km2,占研究区面积的4.58%,主要集中在荒漠化区域与稳定区域之间;荒漠化的总面积为399 km2,占研究区面积的1.76%,其中80%集中在绿洲边缘（4 km以内）,也就是说,绿洲的边缘地区相对于绿洲的其他区域更易于发生荒漠化现象。从整个研究区来看,绿洲化趋势高于荒漠化趋势,其原因可能主要是由于近年来气候变暖,昆仑山上大量冰雪融化,为下游绿洲提供了一定的水资源,但绿洲上游一些地区人类活动的加剧使用了大量的水资源间接地影响了绿洲的演化,使得绿洲边缘水资源缺乏的地区荒漠化加剧。     

三江源区湖泊和沼泽遥感影像分类研究

为了进一步了解三江源区的湿地分布现状,尝试利用MODIS 16天合成的归一化植被指数(NDVI)数据,采用决策树分类方法对三江源区湿地的遥感影像进行了分类研究.在数据预处理时,采用中值滤波和主成分变换结合的方法有效地去除了MODIS数据的噪声;在决策树构建过程中,结合DEM数据有效地提取出湖泊;利用象元NDVI时序变化曲线规律,采用先控制曲线形状、再控制拐点阚值的方法对沼泽进行分类.通过精度验证,湖泊的分类精度达到了96.5%,总的分类精度达到了84.2%,Kappa系数为0.78.利用MODIS NDVI时间序列数据和决策树方法能够满足大范围区域湖泊和沼泽遥感影像分类要求.