TM热波段图像的地表温度反演算法与实验分析

目前利用LandsatTM热波段数据反演地表温度有3种算法:辐射传导方程法、单窗算法和单通道算法。辐射传导方程法由于计算过程复杂且需要实时大气剖面数据,因而实际应用较为困难。单窗算法和单通道算法对Landsat热波段反演地表温度能获得较高精度。单窗算法所需的大气参数包括近地表气温和大气水分含量,单通道算法所需的大气参数仅为大气水分含量。地表辐射率为这两种算法共有的关键参数。本文以福建省福州市为研究区,使用1989年6月15日LandsatTM数据,利用单窗算法和单通道算法对研究区进行地表温度反演,并将这两种算法的反演结果与研究区反演的亮度温度进行了比较,结果表明:(1)两种算法反演的结果总体趋势比较接近,但单窗算法的结果相对于单通道算法较低,二者相差约2.45℃;(2)两种算法的结果与亮度温度相比,单窗算法要高出约2.84℃,而单通道算法则要高出约5.28℃。     

基于Landsat TM影像不同地表温度反演算法的比较

地表温度是反映地表环境的一个重要参数,精确获取地表温度的方法对研究城市热岛效应、进行生态环境监测评价是必不可少的。利用遥感手段进行地表温度的反演是一种较新颖的方法,相对成熟的反演算法主要有单通道算法、辐射传输方程法及单窗算法。本文以山东省威海市Landsat TM数据为例,分别利用辐射传输方程法和单窗算法进行地表温度反演,通过遥感目视解译的方法提取研究区各类典型地物对应的地表温度,进行统计分析,结果表明,两者反演得到的地表温度具有一致的变化趋势,其中单窗算法中不同典型地物的地表温度整体标准差较小,如建设用地为0.530,起伏波动小,算法精度略优于辐射传输方程法。     

大气下行辐射简化计算及朗伯假设下大气下行辐射效应计算分析

地表温度反演及真实性检验必须考虑大气下行辐射效应,其简化计算通常假设地表为朗伯体以及大气下行辐射各向同性。本文从理论和方法上分析了大气下行辐射简化计算公式,提出了以某个最佳角度下行辐射值作为半球方向下行辐亮度的平均值来估算大气下行辐射的方法,研究了地表朗伯假设对大气下行辐射效应及传感器入瞳处总辐射的影响,给出了朗伯假设导致的最大可能相对误差的表达式。研究以TERRA-MODIS热红外通道31和32为例,以内蒙古二连浩特地区草场为研究区,输入2004年的探空资料和地温数据到大气辐射传输模型进行实验论证和数值模拟,得到以下初步结论:①对于二连浩特这样的典型内陆地区,忽略大气下行辐射效应最多能引起4K的误差,且随着卫星扫描角增加大气下行辐射效应在增加;②半球空间大气下行辐亮度为各向同性假设不是很合适,但可以获取某个最佳角度的下行辐射作为半球方向下行辐射平均值,以简化计算大气下行辐照度,对于二连浩特地区最佳角度取57°;③地表朗伯假设对大气下行辐射效应计算有影响,最大可能相对误差可达33.3%,随着卫星扫描角增加误差随之减少,综合考虑大气下行辐射效应占总辐射的比重,地表朗伯假设对总辐射影响不大,其带来的误差在可接受范围内。     

基于RTTOV模式的大气二氧化碳反演参数敏感性分析

大气二氧化碳是开展全球气候变化和碳循环研究的关键数据。卫星遥感技术与模式模拟相结合的反演方法已成为获取该数据的重要手段,但模式输入参数本身的误差会对大气二氧化碳反演精度产生影响,须在反演算法设计中加以关注。本文利用RTTOV10快速辐射传输模式模拟Aqua/AIRS红外探测仪17个大气二氧化碳反演通道,计算了这些通道上大气顶出射辐射对温度廓线、臭氧廓线、水汽廓线、地表温度和地表发射率的参数误差的不确定性,并与二氧化碳增加0.5%时造成的不确定性进行对比,分析二氧化碳对上述参数误差的敏感性。结果表明,温度廓线误差是干扰AIRS大气二氧化碳反演的主要因素,其次是臭氧廓线误差,而水汽廓线、地表温度和地表发射率的误差对二氧化碳反演的影响在除去个别通道后可忽略不计。最后,本文以通道为单位,确定了各通道上的高敏感参数、敏感参数和不敏感参数,为二氧化碳反演通道的选择和反演算法的设计提供了参考。     

GPT3模型反演GNSS大气可降水量精度评定

采用中国区域2017~2018年与GNSS站并址的49个探空站资料对GPT3模型估算的气象参数的精度进行评估,再利用49个GNSS站结合GPT3模型估算的气象参数反演日均大气可降水量PWV,并采用与GNSS站并址的探空站数据对其精度进行评定。实验得出：1）在中国地区,1°分辨率的GPT3模型的精度和稳定性优于5°分辨率,其气压、气温和大气加权平均温度T_m的偏差均值分别为0.73 hPa、1.34 K和－1.67 K,均方根误差均值分别为4.21 hPa、3.75 K和4.15 K;2）利用GPT3模型提供的气温结合Bevis经验公式反演的PWV与GPT3模型提供的Tm反演的PWV精度相当,且2种方法反演的PWV和探空资料实测地表温度反演的PWV呈现很好的一致性,在我国青藏高原和西北地区反演PWV的精度优于我国南方和北方地区。     

CBERS-02星CCD波段平均太阳辐照度反演及应用

卫星图像波段平均太阳辐照度是计算表观反射率的重要参数。本文采用两种方法对CBERS-02星CCD波段平均太阳辐照度进行了计算,一种方法是利用大气辐射传输软件SBDART模拟大气顶部的太阳光谱曲线,结合CBERS-02星CCD波段响应曲线,计算1～4波段的平均太阳辐照度;另一种方法是用6S模型对波段平均太阳辐照度进行计算。为验证计算结果,用同样的方法,计算了LandsatTM5和ETM的波段平均太阳辐照度,与Landsat公布的数据进行对比,结果表明,用模拟的太阳光谱曲线的计算结果更准确。以2005年8月24日的一景图像为例,计算了图像的表观反射率,经6S模型大气校正后,反演了地表反射率,与地面实测的地表反射率进行了对比,除第四波段误差为4%外,其余1～3波段误差仅为0.01%。     

地表温度的多源遥感数据反演算法对比分析

 多源遥感数据的综合应用是提高地表温度反演精度的有效途径.MODIS数据和Landsat TM数据在我国同一地区获取的时间相差不大,可以获取近似同步的MODIS数据和TM数据.本文将基于MODIS数据反演的大气参数应用于TM影像的地表温度反演,分别对单窗口算法和普适性单通道算法进行了实验研究,应用气象站实测的地表温度数据对反演结果进行了检验,并对比分析了不同土地覆盖条件下两种算法的精度差异.结果表明:两种算法反演精度均较高,单窗口算法反演精度为0.76K,普适性单通道算法反演精度为1.23K;在不同的土地覆盖条件下,两种算法表现出明显的差异性,水体区反演结果差异最小,均值差异仅为0.02K,植被区差异最大,均值差异为0.62K.     

结合HASM和GWR方法的省级尺度近地表气温估算

卫星遥感反演得到的地表温度可用于近地表气温的估算,但现有方法的估算精度仍有进一步提升的空间。为了获取空间上连续且精度较高的近地表气温,本研究以四川省为例,首次将高精度曲面建模（HASM）用于遥感和气温实测数据的融合,并将综合了气温、地表温度、海拔、坡度、坡向的地理加权回归（GWR）拟合结果作为HASM模型的初始温度场,进而采用此种结合HASM和GWR的求解算法（HASM-GWR）,融合MOD11C3地表温度产品与190个气象台站的气温实测数据,开展省级尺度近地表气温估算,并通过比较HASM-GWR、GWR以及普通线性回归（OLS）3种方法的估算精度,评估各模型对近地表气温的估算效果。结果表明,相比于传统估算模型,采用HASM-GWR数据融合方法能有效提高近地表气温的估算精度。采用该方法的近地表气温估算残差,72%介于-1~1 ℃,90%介于-2~2 ℃;且与GWR和OLS模型相比,估算结果的均方根误差（RMSE）分别降低了25.42%和39.83%。     

基于HJ-1A CCD1数据的台湾相思树叶面积指数反演

基于HJ-1A CCD1环境卫星数据,以福建沿海地区普遍分布的台湾相思树为研究对象,利用回归分析法(NDVI、OSAVI、EVI、HJVI)和PROSAIL辐射传输模型,构建台湾相思树LAI反演模型。同时,利用同步野外地面实测数据,将模型估算LAI值与实测LAI值进行对比。结果表明：(1)相比归一化植被指数NDVI、优化土壤调节指数OSAVI和增强型植被指数EVI 3种常用植被指数,引入修正大气、土壤背景影响的蓝、绿波段的环境植被指数HJVI来反演相思树LAI具有更高的精度(R²=0.7344,RMSE=0.1421);(2)本研究所选4种植被指数构建的最优反演模型均为非线性模型,其中,环境植被指数HJVI反演LAI最优模型为幂函数模型,表明相思树LAI与植被指数之间呈非线性变化;(3)PROSAIL辐射传输模型法比回归分析法反演相思树LAI的精度有较大提高(R²=0.7903,RMSE=0.1303),可见PROSAIL模型法构建反演模型能更好地反演相思树LAI。     

基于实测气象参数的InSAR大气校正及其应用研究

针对传统InSAR技术在监测地表形变时受对流层延迟影响的问题,利用地面实测气象参数和NCEP气象再分析资料建立大气校正模型,对生成的鄞州区干涉图进行对流层延迟校正,获取鄞州区2018～2020年高精度地表形变分布。为分析不同大气校正模型对对流层延迟效应的削弱效果,将监测结果与同期实测水准数据作对比。结果发现,地面气象信息模型、NCEP气象再分析资料模型和未加大气校正的InSAR监测结果的均方根误差RMSE分别为2.78 mm、3.86 mm、5.62 mm,表明利用地面气象信息模型校正大气相位误差具有更高的监测精度,能有效削弱对流层延迟对干涉测量结果的影响。     

通用劈窗算法的NOAA-18(N)AVHRR/3数据地表温度遥感反演与验证

本文以NOAA-18(N)AVHRR/3数据,运用通用劈窗技术获得地表温度。首先,利用MODTRAN 4模拟不同地表和大气状况下热红外通道(Ch4,10.3~11.3μm和Ch5,11.5~12.5μm)的星上亮温,并建立模拟数据库。其次,按照地表温度、大气可降水汽含量、地表比辐射率和观测天顶角,对模拟数据库分组,确定出各分组的通用劈窗算法系数。然后,将构建的地表温度反演模型应用到NOAA-18(N)AVHRR/3数据,模型所需的地表比辐射率由NDVI阈值法确定,大气可降水汽含量是利用Li等(2003)提出的一种劈窗的协方差与方差比的方法来估算。反演结果表明:在观测天顶角小于30°或者大气可降水汽含量小于3.5 g/cm2时,地表温度反演的均方根误差小于1.0K;在观测天顶角小于45°并且大气可降水汽含量小于5.5g/cm2情况下,均方根误差小于1.5K。最后,利用美国通量站的实测数据对地表温度反演结果进行了验证,结果表明均方根误差小于1.8K。     

Improvement of mono-window algorithm for retrieving land surface temperature from HJ-1B satellite data

The thermal infrared channel (IRS4) of HJ-1B satellite obtains view zenith angles (VZA) up to ±33°. The view angle should be taken into account when retrieving land surface temperature (LST) from IRS4 data. This study aims at improving the mono-window algorithm for retrieving LST from IRS4 data. Based on atmospheric radiative transfer simulations,a model for correcting the VZA effects on atmospheric transmittance is proposed. In addition,a generalized model for calculating the effective mean atmospheric temperature is developed. Validation with the simulated dataset based on standard atmospheric profiles reveals that the improved mono-window algorithm for IRS4 obtains high accuracy for LST retrieval,with the mean absolute error (MAE) and root mean square error (RMSE) being 1.0 K and 1.1 K,respectively. Numerical experiment with the radiosonde profile acquired in Beijing in winter demonstrates that the improved mono-window algorithm exhibits excellent ability for LST retrieval,with MAE and RMSE being 0.6 K and 0.6 K,respectively. Further application in Qinghai Lake and comparison with the Moderate-Resolution Imaging Spectroradiometer (MODIS) LST product suggest that the improved mono-window algorithm is applicable and feasible in actual conditions.     

A Method for Retrieving Water-leaving Radiance from Landsat TM Image in Taihu Lake, East China

The visible and infrared bands of Landsat Thematic Mapper (TM) can be used for inland water studies. A method of retrieving water-leaving radiance from TM image over Taihu Lake in Jiangsu Province of China was investigated in this article. To estimate water-leaving radiance, atmospheric correction was performed in three visible bands of 485nm, 560nm and 660nm. Rayleigh scattering was computed precisely, and the aerosol contribution was estimated by adopting the clear-water-pixels approach. The clear waters were identified by using the Landsat TM middle-infrared band (2.1μm), and the water-leaving radiance of clear water pixels in the green band was estimated by using field data. Aerosol scattering at green band was derived for six points, and interpolated to match the TM image. Assuming the atmospheric correction coefficient was 1.0, the aerosol scattering image at blue and red bands were derived. Based on a simplified atmospheric radiation transfer model, the water-leaving radiance for three visible bands was retrieved. The water-leaving radiance was normalized to make it comparable with that estimated from other remotely sensed data acquired at different times, and under different atmospheric conditions. Additionally, remotely sensed reflectance of water was computed. To evaluate the atmospheric correction method presented in this article, the correlation was analyzed between the corrected remotely sensed data and the measured water parameters based on the retrieval model. The results show that the atmospheric correction method based on the image itself is more effective for the retrieval of water parameters from Landsat TM data than 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) code based on standard atmospheric and aerosol models.     

Atmospheric radiative transfer simulation for atmospheric correction of remote sensing data

IntroductionThe radiance leaving the earth-atmosphere sys-tem which can be sensed by a satellite borne ra-diometer is the sum of radiation emission fromtheearth surface and each atmospheric level that aretransmittedtothe top of the atmosphere.The radia-tion emissionfromthe earthsurface andthe radianceof each atmospheric level can be separated fromtheradiance at the top the atmospheric level a satellitemeasured.Thus,the earth surface parameters willbe retrieved from the surface radiance after a…     

Atmospheric radiative transfer simulation for atmospheric correction of remote sensing data

The radiance leaving the earth-atmosphere system which can be sensed by a satellite borne radiometer is the sum of radiation emission from the earth surface and each atmospheric level that are transmitted to the top of the atmosphere. The radiation emission from the earth surface and the radiance of each atmospheric level can be separated from the radiance at the top the atmospheric level measured by a satellite borne radiometer. However, it is very difficult to measure the atmospheric radiance, especially the synchronous measurement with the satellite. Thus some atmospheric radiative transfer models have been developed to provide many options for modeling atmospheric radiation transport, such as LOWTRAN, MODTRAN, 6S, FASCODE, LBLRTM, SHARC, and SAMM. Meanwhile, these models can support the detailed detector system design, the optimization and evaluation of satellite mission parameters, and the data processing procedures. As an example, the newly atmospheric radiative transfer models, MODTRAN will be compared with other models after the atmospheric radiative transfer is described. And the atmospheric radiative transfer simulation procedures and their applications to atmospheric transmittance, retrieval of atmospheric elements, and surface parameters, will also be presented.     

基于随机森林算法的地表温度鲁棒降尺度方法

陆地表面温度是描述区域或者全球范围内陆地表面与大气的相互作用和能量平衡最重要的环境参数之一。针对目前尚未有遥感卫星能够同时提供具有高时间和高空间分辨率的地表温度产品的问题,国内外学者发展了多种对低空间分辨率的地表温度进行降尺度的算法。然而,由于对地表温度解释变量和降尺度模型的选择往往具有区域局限性,导致了降尺度模型的泛化能力受到了一定的限制。本文首先评估了地表反射率、遥感光谱指数、地形因子、地表覆盖、经纬度以及基本状态变量6类环境参量与地表温度之间的相关关系,并在此基础上筛选出最佳解释变量;同时,结合在非线性回归问题上表现比较优秀的随机森林算法,建立了一种鲁棒性的基于随机森林算法地表温度降尺度模型（RRF）。本文选取了中国范围内具有代表性的11个地区作为主要研究区,将空间分辨率为1 km的MODIS地表温度产品降尺度至90 m。以北京市2个典型地表类型的子区域为代表研究区,通过与传统的基于归一化植被指数与地表温度相关关系的TsHARP模型,以及基于红波段和近红外波段以及地表高程作为尺度因子建立的简单Basic-RF模型的对比分析可得,RRF模型在2个子研究区降尺度结果均优于TsHARP模型和Basic-RF模型,其均方根误差分别为2.39 K和2.27 K。通过进一步对2个子研究区训练的RRF进行交叉验证,证明在一个研究区训练的RRF应用至另一研究区的降尺度时,RRF模型表现出了较好的鲁棒性,降尺度结果的均方根误差分别为2.56 K和2.44 K,精度误差相差仅为0.17 K。通过将RRF应用于中国范围内的多个研究区,结果表明利用少量训练数据构建的RRF模型适用于大范围的区域,地表温度降尺度结果都能取得较好的精度。     

光学遥感大气订正模型及其相关问题分析

首先说明了大气的影响作用和大气订正的必要性。接着总结了大气订正的基本问题:侧重分析了大气订正的模型和反演方法;还包括大气、气溶胶参数的反演;辐射传输软件用于大气订正函数的计算;邻近效应的处理;查找表的创建;大气订正的精度分析等。