光伏电场对地表温度的影响分析

以甘肃省金昌市金川区西坡光伏电场为例,利用多景Landsat系列影像,采用辐射传输方程法(radiative transfer equation,RTE),对光伏电场建设前后的地表温度进行了反演,提取电场不同缓冲区范围内的地表温度均值。研究结果表明,光伏电场会对占地范围和不同缓冲区范围内的地表温度产生降温的作用。其占地区域降温幅度为2.12 K,100 m缓冲区降温幅度为0.94 K,随着距离的增加这种影响逐渐减弱,400 m后影响会变得十分微弱,研究结果为客观地评价光伏电场对环境的影响提供借鉴。     

地表发射率不同的估算方法对地表温度的影响

随着遥感技术的日益成熟,用热红外波段反演地表温度的方法也日趋完善,其中一个关键参数--地表发射率的估算,直接影响着地表温度的反演结果。基于TM6的热红外波段,分别采用最常用的Van的地表发射率估算方法和综合了覃志豪与Sobrino的估算方法,对北京地区的地表温度进行了反演,并在此基础上对这2种估算方法所得结果进行了比较,从而为找出更为有效的地表发射率估算公式提供依据。结果表明,对于农林地2种估算方法都比较适合,但是对于水体和城市等人口密集地区,则需要和当地的实测数据进行比对,从而确定更为合适有效的估算方法,以得到更为精确的地表温度结果。     

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。     

基于辐射传导方程法的地表温度反演

随着城市的不断扩张导致城区存储较多的能量,研究地表温度反演变得越来越重要。本研究以典型的沿海城市烟台市牟平区作为温度反演的研究对象,运用辐射传导方程法,对Landsat 7ETM+数据,Landsat8TIRS遥感影像进行地表温度反演。结果表明2002年6月牟平区最高温度与最低温度差异为30℃,平均温度为33.5℃;2013年8月牟平区最高温度与最低温度差异为21℃,平均温度为30.2℃;高温区都集中在市区。研究结果对烟台市的城市规划和未来发展有一定的借鉴作用。     

基于Landsat TM的地表温度分解算法对比

如何综合可见光波段信息提高地表温度的空间分辨率一直是热红外遥感应用研究的重要方向。以北京市Landsat TM图像为数据源,对比分析了SUTM和E-Dis Trad模型地表温度分解的空间特征差异性和适用范围。结果表明:在植被覆盖较低、地表温度较高的中心城区,SUTM模型的地表温度分解效果更佳,最小均方根误差和平均绝对误差分别为1.522 K和1.191 K;在植被覆盖较高、地表温度较低的郊区,E-Dis Trad模型的地表温度分解效果更好,最小均方根误差和平均绝对误差分别为1.768 K和1.173 K。2种模型都能有效地提高地表温度的空间分辨率,但是在植被覆盖不同的地区分解结果呈现一定的差异性。     

Landsat卫星热红外数据地表温度遥感反演研究进展

作为驱动地表与大气之间能量交换的关键物理量,地表温度在众多领域中都发挥着重要作用,包括气候变化、环境监测、蒸散发估算以及地热异常勘探等.Landsat热红外数据因其时间连续性和高空间分辨率等特点被广泛应用于地表温度反演中.本文详细地介绍了Landsat热红外传感器及其可用的数据与产品的现状,梳理了2001年-2020年...     

大气水分含量的空间异质性及其对地表温度反演的影响

大气水分含量是影响单波段热红外地表温度反演的关键因素之一。研究大气水分含量空间异质性对地表温度反演的影响误差有助于单波段热红外数据的合理应用。以MODIS MOD 05_L2产品为数据源,探讨区域大气水分含量的空间异质性及其对Landsat地表温度反演的影响。在推导大气水分含量对地表温度反演误差模型的基础上,针对Landsat5热红外波段,结合不同区域的大气水分含量分布状况,对大气水分含量的空间异质性可能引起的地表温度反演误差进行了模拟计算与对比分析。结果显示,大气水分含量空间异质性对地表温度反演的影响与大气水分含量及其异质性程度有关:当大气水分含量的空间异质性相对较大时,误差值和误差范围都比较大,达到0.5~2℃,相对误差为2%~20%;当大气水分含量空间分布较均匀时,误差值和误差范围为0.1~0.2℃,相对误差为0.5%~2%。可见,对于空间异质性程度较大的区域,区域面上大气参数的获得对地表温度的准确反演具有重要意义。     

多源地表温度估算近地表气温的精度对比

气象站点稀疏会导致观测到的近地表气温空间不连续,基于地表温度数据结合辅助变量估算气温成为获取气温空间分布的有效方式。目前,已有多种地表温度产品,但鲜有研究评估多源地表温度数据在估算气温时的精度及其适用性。针对该问题,首先,利用Google Earth Engine平台和随机森林算法,基于Landsat、中分辨率成像光谱仪(moderateresolution imaging spectroradiometer,MODIS)、全球陆面数据同化系统（global land data assimilation system,GLDAS）3种地表温度数据源估算了黄河流域近地表气温的最大值、最小值和平均值;然后,结合站点观测分析了多源地表温度估算气温的精度及适用性。结果表明,3种地表温度数据源估算夏季气温平均值时精度差异较小;对于气温极值估算,GLDAS数据显著优于MODIS和Landsat数据;每种数据源估算气温极值的精度低于其估算气温均值;此外,地表温度的时间分辨率会显著影响近地表气温的估算精度。该成果可以为长时序气温产品估算提供科学参考。     

中国区域植树造林对地表温度的影响

近些年随着中国植树造林计划的持续进行,植被覆盖不断增长,进而影响中国地表环境.地表温度是表征地表物理过程的重要参数,是地表—大气能量交换中的驱动因子,广泛应用于气候、水文、生态及气象等研究中,是众多基础学科研究的关键参数之一.为了分析植树造林战略对局地和区域尺度的影响,以指导相应政策的制定,本文采用IBM(Intrin...     

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。     

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。     

Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。     

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。     

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。     

基于GEE的2000—2019年间升金湖湿地不同季节地表温度时空变化及地表类型响应

为更好地开展长江下游湿地生态保护与恢复建设,以谷歌地球引擎(Google Earth Engine,GEE)云平台上2000—2019年不同季节升金湖区域Landsat影像为数据源,基于辐射传输方程法批量反演地表温度,综合分析了2000—2019年近20 a间升金湖湿地的地表温度时空变化及其与地表类型的响应关系.结果表...     

咸海面积萎缩对区域地表温度的影响

水体对区域气候调节起着极其重要的作用,近几十年间咸海的水位剧烈下降和湖泊面积不断萎缩,势必会对咸海地区的气候产生重要影响,分析咸海地区地表温度的变化对于研究水体与其周边地区地表温度的关系具有重要意义。利用咸海地区中分辨率成像光谱仪（moderate resolution imaging spectroradiometer,MODIS）地表温度产品MOD11A2,基于空间分析法研究咸海面积变化对区域地表温度的影响和作用。结果表明:（1）相比于咸海表面温度,研究区内分别有93%和69%的研究区域日间和夜间地表温度均有上升的变化趋势;（2）咸海对区域地表温度直接影响范围大致在沿湖边界30 km的范围内;（3）随着咸海面积的快速萎缩,各土地覆盖类型区域与咸海的地表温差均呈现上升的变化趋势,咸海的区域温度调节功能逐渐减弱。     

利用Landsat卫星影像进行东莞市地表温度反演与变化分析

随着快速城市化进程,我国东南沿海一些城市新增了大量的城市建设用地,影响到了城市的人居环境,诱发了城市热的环境问题.探索城市热环境时空布局与变化特征,分析变化原因对城市可持续发展和人居环境质量改善具有重要的现实意义.本文以东莞市为例,以1986—2017年间8个时相Landsat系列卫星影像为数据源,利用单通道算法对东莞...     

Landsat 8 地表温度产品降尺度深度学习方法研究

以光谱指数为趋势面因子的降尺度方法被广泛用于遥感地表温度尺度转换中,但面临构建的光谱指数难以凸显地表温度分布规律、浅层的统计模型难以精准刻画趋势面因子与地表温度之间的复杂关系的不足。为此,本文以Landsat 8 ARD 地表温度产品为降尺度对象,以Landsat 8 OLI原始数据为潜在趋势面因子,构建地表温度降尺度残差网络（LSTDRN）的深度学习模型;探索适用于Landsat 8地表温度产品空间降尺度的趋势面波段或组合,并在不同季节、不同地表类型下与经典传统方法TsHARP进行定量比较。结果表明：LSTDRN方法利用Landsat 8 OLI原始单波段作为趋势面因子就能有较好的降尺度效果,增加潜在趋势面因子的组合数量并不能提高降尺度效果。不同地表覆盖类型实验中,LSTDRN方法降尺度效果整体优于经典传统方法,且以近红外波段、红光波段和归一化植被指数为趋势面因子时,近红外波段降尺度效果定量评价表现最佳;不同地表覆盖类型的LSTDRN降尺度效果排序为：植被>建筑>水体,而经典传统方法则没有表现出明显的差异。不同季节实验中,LSTDRN方法在春夏冬3季的降尺度效果的定量评价表现明显好于经典传统方法,两类方法的秋季降尺度结果相当。因此,提出的LSTDRN对Landsat 8遥感地表温度产品具有较好的降尺度效果,整体优于经典传统方法且稳定性更强。     

城市地表温度影像时空融合方法研究

地表温度（land surface temperature,LST）是反映地表能量和水平衡物理过程的一个重要参数,受限于载荷量的限制以及传感器的技术瓶颈,当前的卫星平台均难以获取同时具有较高空间和时间分辨率的遥感地表温度影像,客观上影响了遥感地表温度影像的应用。针对地表异质性较高的城市区域,选取覆盖武汉城区的中分辨率成像光谱仪（Moderate-Resolution Imaging Spectroradiometer,MODIS）和增强型专题绘图仪（Enhanced Thematic Mapper Plus,ETM+）数据,结合时空反射率融合模型（enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）和非线性辐射温度分解算法（non-linear disaggregation procedure for radiometric surface temperature,NL-DisTrad）对地表温度影像进行时空融合研究,最终生成60 m空间分辨率的逐日地表温度融合影像。将融合影像与2002-07-09和2002-10-13的ETM+实际地表温度影像进行融合精度验证分析,其决定系数R2分别为0.80和0.86,均方根误差（root mean square error,RMSE）分别为2.65 K和1.78 K。实验结果表明,所提出的地表温度时空融合模型在城市区域的地表温度时空融合应用中具有潜在的应用前景。     

地表温度与加权平均温度的非线性关系

在温度随高度线性递减的假定下,根据加权平均温度和函数内积的定义,推导出加权平均温度犜犿与地表温度犜狊存在非线性函数关系,这突破了传统的加权平均温度犜犿与地表温度犜狊近似为一次函数关系的认识。利用2010年中国78个无线电探空站数据对线性函数和非线性函数的系数项进行拟合,其结果证实了加权平均温度犜犿与地表温度犜狊的非线性关系。