用于MODIS数据的地表温度反演方法的研究

《用于MODIS数据的地表温度反演方法的研究》由会员分享，可在线阅读，更多相关《用于MODIS数据的地表温度反演方法的研究（90页珍藏版）》请在装配图网上搜索。

1、.研 究 生 毕 业 论 文申请硕士学位论 文 题 目 用于MODIS数据的地表温度反演方法研究89 / 90.作 者 姓 名学科、专业名称 研 究 方 向指 导 教 师本文在分析热红外遥感和现有的地表温度反演方法的基础上,分析了MODIS 的波段设置特点,即虽然 MODIS 拥有 8 个热红外波段数据,但对于地表温度的反演,在大气透过率和地表比辐射率已知的情况下,使用其中的两个波段就足够了。根据热红外辐射在大气中传输的特点,MODIS 热红外数据的第 31和 32 波段最适合于用来进行地表温度的反演。MODIS 的近红外波段适宜于反演大气水汽含量,而大气透过率主要是从 MODIS 的近红外波

2、段数据反演得到大气水汽含量,并进而根据水汽含量与大气率的关系来进行估算。由于是从同一景MODIS 数据中获得大气水汽含量,因此本文提出的大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。对于地表比辐射率的估计,也是从同一景 MODIS 数据的可见光波段和近红外波段来进行估计。因此,通过MODIS 的可见光波段、近红外和中红外波段数据,完全可以获得地表温度反演所需要的基本参数,从而形成了针对 MODIS 数据的地表温度反演方法。从热红外遥感和地表温度的基本概念、Planck 方程简化、参数估计到算法实际应用和精度评价,得到的主要结论如下：1Planck 函数是描述热红外辐射强度与

3、温度和波段的关系,在地表温度反演中是关键的函数。本项研究探讨了 Planck 函数的线性简化方法,根据热红外辐射与温度之间的线性关系,对 MODIS 的第 31 和 32 热红外波段分别简化为：B31=0.13834T31-31.80148；B32= 0.11952T32-26.8045。.I.2 热红外波段的大气透过率是地表温度反演的基本参数。本项研究分析 了大气水汽含量与近红外波段的大气透过率关系,介绍了从近红外波段大气透过率估计大气水汽含量的方法。针对 MODIS 的多波段特征,我们认为从同一景 MODIS 影像的近红外数据中反演大气水汽含量是可行的。通过反演大气水汽含量,我们进一步提出

4、了 MODIS 热红外波段31 和 32 波段的大气透过率估计方法。我们用这一估计方法 对环渤海地区的大气水汽含量进行了反演,反演结果表明大气水汽含 量的估计方法是可行的。3 在总结现有热红外波段大气透过率与大气水汽含量之间的关系基础上,建立了 MODIS 的第 31 和 32 热红外波段大气透过率与大气水汽含量之间的关系。在夏季,MODIS 的第 31 和 32 热红外波段大气透过率可以分别估计为：31=-0.10671w+1.04015；32=-0.12577w+0.99229,其 中 w 是大气水汽含量g/cm2；在冬季：第 31 和 32 波段的大气透过率可以分别估计为：31=-0.1

5、041w+0.92314；31=-0.13722w+0.97686。我们用这些关系式对环渤海地区的 MODIS 数据的 31 和 32 波段的大气透过率进行了估计。4 在 MODIS 热波段 1KM 的尺度下,植被、土壤和水体是 MODIS 像元 的基本地表构成要素。本文用 ASTER 提供的常用地物比辐射率曲线,对这些构成要素在 MODIS 数据的第 31 和 32 波段区间的比辐射率进行了估计。通过 NDVI 我们间接地估算每个像元中的植被、土壤和水体的覆盖度。因此,从同一景 MODIS 数据中,我们完全可以获得地表温度反演所需要的地表比辐射率。我们运用这一估计方法对环渤海地区的 MODI

6、S 数据的第 31 和 32 热红外波段的地表比辐射率进行了 估算,结果表明通过这种方法来获得混合像元的地表比辐射率是合理 可行的,从而为地表温度反演中的参数估计提供了新的途径。5 现有的地表温度反演方法主要有劈窗算法和单窗算法。这些算法都不是直接对 MODIS 数据推导的。本项研究在分析这些算法的推导过程.的基础上,结合我们对 Planck 函数的线性简化和上述提出的大气透过率和地表比辐射率估计方法,我们获得了针对 MODIS 的地表温度反演方法,即适合于 MODIS 数据的单窗算法和劈窗算法。我们用这 两种算法对环渤海地区的 MODIS 数据进行了实际应用。6用大气模拟数据法对我们提出的适

7、合于 MODIS 数据的地表温度反演 方法进行了精度评价。分析表明,单窗算法对 31 波段和劈窗算法对 地表反演的精度比较高。在假定地表比辐射率已知的情况下,劈窗算法使用真实透过率和估算透过率反演的精度都在 1K 以下；对于单窗算法,使用 31 通道的精度比较高,而 32 通道相对较差。为了评价透过率变化时对地表温度反演结果的影响,我们还分别对这两种算法进行大气透过率的敏感性分析。结果表明,劈窗算法和单窗算法对大气透过率的微小变化不是非常敏感,因此,大气透过率估计的微小误差不会引起地表温度反演结果的很大变化。但是,相对而言,劈窗算法的地表温度反演精度比单窗算法的精度要高将近 1K。关键词：亮度

8、温度,地表温度,MODIS,辐射传输方程,单通道算法,劈窗算 法,多通道算法.III.XX大学研究生毕业论文英文摘要首页用纸THESIS：A Study of Methods for Land Surface Temperature Retrievalfrom MODIS DataSPECIALIZATION: Cartography & GISPOSTGRADUATE: MAO KaobiaoMENTOR: Professor QIN ZhihaoABSTRACTWith rapid development of modern remote sensing technology, we ca

9、n gain plentyof remote sensing data received from many satellite sensors faster than ever. In the future, the main obstacle of remote sensing applications is not in lack of data sources, but its ability to extract more useful information from the available remote sensing data. Retrieval of land surf

10、ace temperature is an important aspect of these applications, and LST is an important research orientation of the remote sensing.Land surface temperature is an important factor controlling most physical, chemical and biological processes of the Earth. Knowledge of LST is necessary for many environme

11、ntal studies and management activities of the Earths resources. So far a number of remote sensing systems with one or several thermal bands such as NOVAA-AVHRR and Terra MODIS have been launched into space to monitor macro-scale change of land surface temperature. These enable us to obtain timely th

12、e spatial variation of regional even global LST dynamics through remote sensing. Moreover, the cost for the obtaining is low and the information update is quick.With advance of remote sensing science, various algorithms for LST retrieval have been proposed. Different algorithms and methods are based

13、 on different considerations and are suitable for different conditions. However, only one algorithm on LST retrieval from MODIS data has been published. This algorithm needs to solve simultaneously the required 14 equations built from consecutive day and night MODIS images, which makes the algorithm

14、 complicated and difficult to operate inIV.the real world. With this consideration, one of this researchs objectives is to develop a much simpler method suitable for MODIS to retrieve LST. The main conclusions of the study can be summarized as follows:(1) Plancks function is an important function in

15、 the course of land surface temperature retrieval. Because the Planck function is complex, linearization is necessary for algorithm development of LST retrieval. In this research, many discussions have been done to linearization of Plancks function. We propose the following methods for MODIS band 31

16、 and 32: B31=0.13834T31-31.80148 and B32=0.11952T32-26.8045.(2) Atmospheric transmittance of thermal band is one of the main parameters in of land surface temperature retrieval. In this research, we analyze the relationship between atmospheric water vapor content and transmittance in NIR bands, and

17、develop a method to retrieve water vapor content through NIR band data of the same MODIS image. Then according to multi-band character of MODIS, we believe that it is feasible to retrieve the water content from the NIR band of the same MODIS image. We retrieve the atmospheric water content of Huanbo

18、hai region through MODIS image. (3) On the summarization of the relationship between the transmittance of TIR and the atmospheric water content, we build two function expressions between water content and TIR band 31 and 32 of MODIS. In summer, the relation between atmosphere water content and trans

19、mittance of MODIS band 31 may express: 31=-0.10671w+1.04015, ; for band 32, theexpression is: 32=-0.12577w+0.99229. In winter, for band 31, the expression is:31=-0.1041w+0.92314; for band 32: 31=-0.13722w+0.97686. We use relationexpression of transmittance and TIR in summer to compute the atmosphere

20、 transmittance of MODIS band 31 and 32 in the Huanbohai region through the atmosphere water content, which is retrieved by using NIR band of the same MODIS image. The results indicate that this method is available. After analyzing the method of emissivity estimation of land surface, we think the emi

21、ssivity can be estimated through the components of one pixel at the scale ofV.MODIS. Vegetation, soil and water are the basic ingredients for MODIS TIR band image. We get their emissivity of MODIS band 31 and 32 through using curve of emissivity provided by ASTER. If we can get the ratio of three in

22、gredients, we can estimate the land surface emissivity. Fortunately, the ratio can be obtained by NDVI. We use this method to estimate the land surface emissivity of Huanbohai region by MODIS image. The results indicate that this method is available.(5) Nowadays, there are many algorithms about LST,

23、 such as split-window and mono-window, but they are not derived from MODIS. After analyzing these algorithms and utilizing the simplification function of Planck function, we propose a method that can be used to retrieve LST by using MODIS band 31 and 32. In this method, the most important is that we

24、 estimate some parameters from the same image, which is suitable for the MODIS image. We use these two methods to retrieve the LST of Huanbohai region by using MODIS image and get the spatial distribution of LST in this region. (6) Finally, we evaluate the accuracy of the method proposed in the stud

25、y using simulation data generated by atmosphere model LOWTRAN. For split-window algorithm, when real transmittance is used, average accuracy of LST retrieval can be high up to 0.46K; when the estimated transmittance through the equations established in the study, the accuracy is 0. 575K. This indica

26、tes that the accuracy of transmittance estimation has great impacts on the accuracy of LST retrieval. For mono-window algorithm, when real transmittance is used, the average accuracy of LST retrieval is 0.895K for band 31 and 1.868K for band 32. The accuracy difference between the two bands is about

27、 1K. Thus band 31 is better than band 32 for LST retrieval. When the estimated transmittance is used, the average accuracy is 1.128K for band 31 and 2.065K for band 32. In order to estimate the influence, we conduct sensitivity analysis of transmittance to LST retrieval. The results indicate that, s

28、mall changes of transmittance do not have significant influence on accuracy of LST retrieval. Nevertheless, if the transmittance and transmittance can be accurately .VI.estimated, the average accuracy of LST by split-window will be higher than that by mono-window algorithm. At the same time, it also

29、 proves that LST retrieval by two TIR bands is better than that by only TIR band.Key words: Bright temperature; LST; Mono-window algorithm; MODIS;Transfer equation; Split-window algorithm; Multi-bandalgorithm.VII.目 录摘 要I目 录VIII中文图表索引XI英文图表索引XIII第 1 章 绪 论11.1 研究背景11.2 研究目标和研究内容11.3 国内外研究现状与进展31.4 技术路

30、线和创新点41.5 论文结构6第 2 章 热红外遥感与地表温度的基本概念72.1 Planck 方程与黑体辐射72.2 比辐射率82.3 地表温度82.4 辐射温度92.5 亮度温度92.6 大气窗口与热红外遥感102.7 热辐射传输方程102.8 地表温度反演的常用方法与分析102.9 本章小结12第 3 章 数据选择及研究区介绍133.1 遥感数据选择133.2 MODIS 影像选择153.3 辐射率校正153.4 几何校正163.5 本章小结17第 4 章 方程简化、透过率及地表比辐射率的估计194.1 Planck 方程简化19.VIII.4.2 大气水汽含量与透过率关系214.2.1

31、 反演大气水汽含量算法介绍224.2.2 MODIS 影像水汽反演应用244.2.3 透过率模拟计算244.3 比辐射率估计294.3.1 地表比辐射率的估计方法294.3.2 比辐射率估计方法应用314.4 本章小结34第 5 章 辐射传输方程、劈窗、单窗算法的推导及应用355.1 辐射传输算法355.1.1 大气热辐射模拟过程355.1.1.1 大气资料输入365.1.1.2 气溶胶资料输入365.1.1.3 几何信息和光谱信息输入375.1.1.4 数据分析385.1.2 算法应用405.2 劈窗算法425.2.1 劈窗算法的推导435.2.2 劈窗算法的应用445.3 单窗算法455.

32、3.1 单窗算法的推导465.3.2 单窗算法的应用465.4 三种温度反演结果对比475.5 本章小结50第 6 章 算法评价526.1 劈窗算法评价526.2 单窗算法评价556.3 本章小结57第 7 章 结论与展望58.IX.参考文献63致谢66硕士期间主要科研成果67.X.中文图表索引图 1.1 本项研究的技术路线示意图5表 2.1 典型地物的热力学温度和辐射温度之间的比较9表 3.1MODIS 技术参数14图 3.1 本研究所选择的 MODIS 图像15图 3.2 MODIS 影像几何校正流程图16图 3.3 几何校正图像18图 3.4 校正后的研究区影像18表 4.1 MODIS

33、 第 31 和 32 波段的热辐射强度随温度的变化关系20图 4.1 第 31 波段辐射强度 R 随温度的变化关系20图 4.2 第 32 波段温度与辐射率 R 的关系21图 4.3 MODTRAN 模拟水汽透过率图23图 4.4 比辐射率与大气水汽含量关系图23图 4.5 环渤海地区的大气水汽含量遥感反演结果24表 4.2 大气水汽与透过率模拟结果25图 4.6 MODIS 的第 31 和 32 波段大气透过率随大气水汽含量在夏季中纬度大气情况下的变化关系26图 4.7 MODIS 的第 31 和 32 波段大气透过率随大气水汽含量在冬季中纬度大气情况下的变化关系27图 4.8 MODIS

34、的第 31 波段大气透过率图28图 4.9 MODIS 的第 32 波段大气透过率图28图 4.10 MODIS 第 31 和 32 波段的大气透过率剖面图29图 4.11 植被的比辐射率随波长而变化的曲线图30图 4.12 裸士的比辐射率随波长而变化的曲线图31图 4.13 水体的比辐射率随波长而变化的曲线图31图 4.14 NDVI 分级图32图 4.15 PV32图 4.16 MODIS 第 31 波段的地表比辐射率分布图33图 4.17 MODIS 第 32 波段的地表比辐射率分布图33.XI.图 4.18 比辐射率分布剖面图34图 5.1MODTRAN 求算大气参数流程图36图 5.

35、2 MODTRAN 大气模拟的大气模型输入选择36图 5.3 气溶胶参数输入图37图 5.4 几何与光谱信息输入图38图 5.5 大气水汽的透过率38图 5.6 二氧化碳的透过率39图 5.7 臭氧透过率39图 5.8 总透过率图39表 5.1 中纬度标准大气模拟结果41图 5.9 根据 MODIS 第 31 波段数据用辐射传输法反演而得的环渤海地区地表温度空间差异41图 5.10 根据 MODIS 第 32 波段数据用辐射传输法反演而得的环渤海地区地表温度空间差异42图 5.11 根据 MODIS 第 31 和 32 波段数据用劈窗算法反演而得的环渤海地区地表温度空间差异45图 5.12 第

36、 31 波段地表温度反演结果47图 5.13 第 32 波段地表温度反演结果47图 5.14 以北京为中心的地表温度剖面图48图 5.15 以天津为中心温度剖面图49图 5.16 以北京为中心的地面温度变化剖面图49图 5.17 以北京为中心的地表温度剖面图50表 6.1 中纬度地区大气辐射模拟数据表53表 6.2 中纬度地区劈窗算法地表温度反演数据表54表 6.3 中纬度地区劈窗算法地表温度反演数据表55表 6.4 参数敏感性分析表56表 6.5 中纬度地区单窗算法地表温度反演数据表56表 6.6 中纬度地区单窗算法地表温度反演数据表56XII.Legend of Tables and Fi

37、guresFig 1.1 Frame Map of Retrieving of LST by MODIS5Fig 3.1 Original Image of MODIS for the Study15Fig 3.2 Flowing Chart of Geometric Rectification for MODIS Image16Fig 3.3 Resulted Image of Geometric Rectification18Fig 3.4 Rectified Image of the Study Area18Fig 4.1 Relationship of Temperature and

38、Radiance for MODIS Band 3120Fig 4.2 Relationship of Temperature and Radiance for MODIS Band 3221Fig 4.3 Simulation of Water Transmittance by MODTRAN23Fig 4.4 Relationship of Transmittance and Water Content of Atmosphere23Fig 4.5 Atmospheric Water Vapor Content Retrieved from MODIS Band 2 and 1924Fig

39、 4.6 Relationship of Atmospheric Transmittance and Water Vapor Content for MODISBand 31 Under Mid-latitude Summer Atmosphere26Fig 4.7 Relationship of Atmospheric Transmittance and Water Vapor Content for MODISBand 31 Under Mid-latitude Winter Atmosphere27Fig 4.8 Result of Transmittance Estimation fo

40、r MODIS Band 3128Fig 4.9 Result of Transmittance Estimation for MODIS Band 3228Fig 4.10 A Cross-section Change of Atmospheric Transmittance for MODIS Band 31and 3229Fig 4.11 Change of Emissivity with Wavelength for Vegetation30Fig 4.12 Change of Emissivity with Wavelength for Bare Soil31Fig 4.13 Cha

41、nge of Emissivity with Wavelength for Water31Fig 4.14 Map of NDVI Classification32Fig 4.15 Map of PV32Fig 4.16 Land Surface Emissivity of Huanbohai Region for MODIS band 3133Fig 4.17 Land Surface Emissivity of Huanbohai Region for MODIS Band 3233Fig 4.18 Cross-section Change of Land Surface Emissivi

42、ty in Huanbohai Region34Fig 5.1 The Frame Map of MODTRAN Parameter Computation36Fig 5.2 Interface of MODTRAN Atmosphere Model Parameter Input36.XIII.Fig 5.3 The Aerosol Parameter Input37Fig 5.4 Geometry and Spectral Parameter Input38Fig 5.5 The Curve of Simulation Water Transmittance38Fig 5.6 The Cu

43、rve of Simulation of Dioxide Transmittance39Fig 5.7 The Curve of Simulation of Ozone Transmittance39Fig 5.8 The Curve of Total Transmittance39Fig5.9 Regional Distribution of LST Retrieved from MODIS Band 31 Data41Fig5.10 Regional Distribution of LST Retrieved from MODIS Band 32 Data42Fig 5.11 Region

44、al Distribution of LST Retrieved from MODIS Band 31 and 32 Data45Fig 5.12 Land Surface Temperature Retrieved from MODIS Band 31 byMono-window Algorithm47Fig 5.13 Land Surface Temperature Retrieved from MODIS Band 32 byMono-window Algorithm47Fig 5.14 Cross-section Change of LST Centering at Beijing a

45、nd Retrieved by RadianceTransfer Model Method48Fig 5.15 Cross-section Change of LST Centering at Tianjin and Retrieved byMono-window Method49Fig 5.16 Cross-section Change of LST Centering at Beijing and Retrieved byMono-window and Split Window Methods49Fig 5.17 Cross-section Change of LST Centering

46、at Beijing and Retrieved byMono-window, Split Window and Radiance Transfer Model Methods50Table2.1 Comparison of Kinetic Temperature and Radiant Temperature for Typical Objects .9Table 3.1 MODIS Technical Specifications14Table 4.1 Relationship of Emission and Temperature for MODIS Bands 31 and 3220T

47、able 4.2 The Result of Simulation Between Transmittance and Water Content25Table 5.1 The Simulation Result of Mid-latitude40Table 6.1 The Simulation of Atmosphere Transformation in Mid-Altitude53Table 6.2 The Parameters of Split Window53Table 6.3 The Retrieving Results by Split Window54Table 6.4 The

48、 Sensitivity Analysis of Parameters55XIV.Table 6.5 The Retrieving Results by Mono-Window in Mid-Altitude56Table 6.6 The Retrieving Results by Mono-Window in Mid-Altitude .56XV.XX大学硕士论文第 1 章 绪论第 1 章 绪论1.1 研究背景地表能量交换信息的获取是监测区域资源环境变化的一个重要环节。地表 温度是地表能量平衡的决定因素之一。因此,获取区域地表温度空间差异,并进而分析其对区域资源环境变化的影响,是区域资源环境

49、动态监测的重要内 容。传统的做法是通过地面有限观测点的观测数据来推论分析区域地表温度的 空间差异。这种地面观测方法不仅艰难而且非常昂贵。近 20 年来,热红外遥感 技术的飞速发展为快速地获取区域地表温度空间差异信息提供了新的途径。地 表温度在区域资源环境研究中的重要性已经使热红外遥感成为遥感研究的一个 重要领域,目前已经开发了很多实用的地表温度遥感反演方法,如热辐射传输 方程法、劈窗算法、单窗算法和多通道算法。许多算法是针对具体的传感器开 发的,例如劈窗算法是用来从具有两个热红外波段的 NOAA/AVHRR 数据中反演地 表温度,而单窗算法则主要是用于只有一个热红外波段的 Landsat TM

50、 数据。1999 年搭载 MODIS 遥感器的对地观测卫星发射成功,为全球和区域资源环境动态监测开辟了又一新的途径。MODIS 是一个拥有 36 个波段的中分辨率遥感系 统,每 12 天可获得一次全球观测数据,其飞行与太阳同步,每天同一区域至 少可获得昼夜两景图像,并且是免费接收,因此非常适合于中大尺度的区域资 源环境动态监测。在 MODIS 的 36 个波段中有 8 个是热红外波段,因而非常合适 于区域尺度的地表热量空间差异分析。但是,目前针对 MODIS 遥感数据的地表 温度反演算法还很少。现有的研究基本上是直接应用 MODIS 的星上亮度温度来 进行分析。由于大气的影响,星上亮度温度与真

51、正的地表温度有很大差距。在 晴空时其差距为 3-6C；在大气水分含量较高情况下,这种差异可以超过10C。因此,为了更准确地分析区域热量空间差异,很有必要对 MODIS 所观测到的亮度温度进行大气校正,反演出真正的地表温度。本项研究将分析 MODIS的热红外波段特征,探讨 MODIS 热红外数据的地表温度反演方法及其参数确 定,并对环渤海地区的地表温度空间差异进行反演和分析。1.2 研究目标和研究内容本项研究将阐明热红外遥感的基本概念,分析现有的地表温度反演方法辐射传输方程法、单窗算法、劈窗算法和多通道算法,提出适合于 MODIS.1.XX大学硕士论文第 1 章 绪论数据的地表温度反演方法,并分

52、析影响其反演精度的基本因素：大气透过率和 地表比辐射率。其次,根据 MODIS 的波段特征,利用 MODIS 的近红外波段来反 演大气水汽含量,并通过大气水汽含量与热红外波段透过率的关系来求算大气 透过率。MODIS 热波段数据的星下地面分辨率为 1km。在这种空间分辨率下,MODIS 图像的像元通常是混合像元,由不同比例的植被、裸地等地表类型组成。本项研究将考虑这些地表类型对地表比辐射率的影响,进而提出地表比辐 射率的估计方法。最后分别利用热辐射传输方程法、劈窗算法、单窗算法来反 演环渤海地区的地表温度,并分析该地区地表温度空间差异。最后,对现有的 地表温度反演方法进行分析评价,并展望基于

53、MODIS 数据的地表温度反演及其 应用发展前景。因此,本项研究的主要内容是：1 热红外遥感基本概念 热红外遥感是获取地表热量空间分布状况的一种非常有效的手段。由于大气和地表的双重影响,热红外遥感观测到的不是地表的真实温度,而是混合有 大气影响和地表热特征影响的亮度温度。从热红外遥感数据中反演地表真实温 度,必须考虑大气的影响和地表的热特征影响。对于前者,主要有大气热辐射 和大气吸收问题。对于后者,地表比辐射率是一个非常重要的因素。因此,在探讨地表温度反演之前,需要对这些概念有一个清楚的认识。2 大气透过率和地表比辐射率的估计 大气透过率和地表比辐射率是从热红外遥感数据中反演地表温度的基本参数

54、。MODIS 遥感器安装在高空卫星平台上,在探测地面光谱信息的过程中必然 受到大气的影响。在热红外波段,这种影响包括大气热辐射和大气对地表热辐 射的吸收作用。大气的这种吸收作用直接决定着地表热辐射在大气中的透射程 度即大气透过率。因此,如何正确地估计大气的透过率,是地表温度反演的关 键。同样,地表不是一个具有完全辐射能力的黑体。它发射的热辐射比黑体在 相同温度下发射的热辐射低。也就是说,遥感器所探测到的地表热辐射不能真 正地反映其真实的地表温度,中间还有一个比辐射率问题。如何正确地估计地 表的比辐射率,也是地表温度遥感反演的关键。本项研究将根据 MODIS 数据的 特征,探讨大气透过率和地表比

55、辐射率的估计方法。.2.XX大学硕士论文第 1 章 绪论3 用于 MODIS 热波段的地表温度反演方法探讨 虽然地表温度遥感反演研究已经提出了许多方法,如热辐射传输方程法、单窗算法和劈窗算法。但这些方法都不是专门对 MODIS 数据提出的。因此,目前还没有一个现成的方法可以用来直接从 MODIS 热波段数据中反演出地表温 度。但是,要想推导出一个全新的专门用于 MODIS 数据的地表温度反演方法, 难度也相当大。值得庆幸的是,MODIS 有 8 个热红外波段,因此,完全可以通 过对现有的热辐射传输方程法、单窗算法和劈窗算法进行适当的改进,使之适 合于 MODIS 热红外数据,从而可以用来进行

56、MODIS 数据的地表温度反演。4 地表温度反演精度的分析验证 虽然现有的地表温度反演方法通过适当改进之后可以用来从 MODIS 数据中反演地表温度,但这些方法毕竟不是直接针对 MODIS 热红外波段数据提出来 的,因此,对这些反演方法的精度进行验证,并分析其可能的反演误差,是十 分重要的。地面同步观测数据是进行这种验证的最佳数据,但这种同步观测根 本不可能实现。本项研究将通过大气模拟模型的模拟数据来进行验证,并分析 大气透过率和地表比辐射率估计误差可能造成的地表温度反演误差。1.3 国内外研究现状与进展国外热红外遥感研究比国内要早。从第一台热红外仪器算起,已经有 40 多年的历史1。真正的地

57、表温度算法是从 80 年代开始的1-2。到目前这止,已经提出了至少有 17 个劈窗算法 3。这些算法的主要区别在于对各参数的计算方法不同,因此可以把这些算法归纳为四大类4：比辐射率模型,两基本参数模型、复杂模型、热辐射量模型和简单模型。单窗算法是覃志豪等针对只有一个热红外波段的 Landsat TM/ETM 数据提出来的地表温度反演方法5-6。Jimnez-Muoz and Sobrino 在7提出了一个普适性单通道算法。具有代表性的多波段算法是 Wan and Li 针对 MODIS 在 8中提出来的,其特点是对地表温 度和地表比辐射率的同时反演,但需要昼夜两景图像才能进行反演。我国的热红外

58、遥感研究也比较多。刘玉洁, 杨忠东等在9中介绍了 MODIS遥感影像在大气、陆地、海洋反演的参数的各种算法和 MODIS 数据的应用。李 小文,汪骏发等在10主要介绍了二向性反射的几何光学模型和定量遥感的病态反演理论,并对非同温混合像元热辐射尺度效应模型进行了分析和验.3.XX大学硕士论文第 1 章 绪论证,而且对多阶段目标决策反演策略的参数的不确定性和敏感性进行了分析。 李小文对热红外的遥感机理做了比较深入的研究,他在10-11中讨论了地表非 同温像元的发射率的定义问题及对分离真实温度和发射率的影响,同时强调了 先验知识在反演中的作用。苏理宏在12中对非同温的混合像元和比辐射率的 方向性进行

59、了研究。徐希孺等13-15探讨了热红外多角度遥感问题,认为只有 当扫描方向与作物垄向相垂直时才最有利于作物叶冠和土壤温度的反演,并提 出了混合像元组分温度的反演方法。陈良富等16-17研究了热红外遥感中大气 下行辐射的近似计算及通道间信息相差性对陆面温度反演的影响。孙毅义等18分析了地面发射率随观测角度而变化,认为热红外辐射具有方向性特征。陈良 富等19提出了非同温混合像元热辐射组分有效比辐射率的概念,并验证该比 辐射率与组分温度无关。李召良等20利用白天和晚上中红外和热红外的数值 差异提出了一种用于提取方向比辐射率的物理方法。覃志豪也对热红外遥感原 理,特别是地表温度的反演方法做了大量的研究

60、2-621。针对 MODIS 热红外 数据的地表温度反演算法在国内还未见到发表。1.4 技术路线和创新点MODIS 有 8 个热红外波段,显然我们可以既可用劈窗算法、也可用单窗算法、辐射传输方程法和多通道算法来反演地表温度。本项研究将对这些算法进 行改进,使之适合于 MODIS 热红外波段数据,以便用来进行地表温度反演。为 了用这些算法来从 MODIS 数据中反演地表温度,我们还必须进行大气透过率和 地表比辐射率的估计。因此,本项研究的研究方法和技术路线可以概括如图 1 所示。一方面是对 现有的算法进行分析,提出一个适合于 MODIS 数据的地表温度反演方法,其中 关键的一点是对现有算法中的

61、Planck 函数线性简化方法提出一种新的途径。另 一方面是探讨适合于 MODIS 数据的地表温度反演基本参数估计方法,即大气透 过率和地表比辐射率的估计,其中关键的一点是利用 MODIS 的中红外波段数据 反演大气水汽含量,并进而估计大气透过率。最后,我们把这些反演方法及其 参数确定应用到环渤海地区的地表温度反演,并分析该地区的地表温度和热量 空间差异。.4.XX大学硕士论文第 1 章 绪论MODIS影像可见光和 NIR热红外波段近红外波段比辐射率估算建立方程 水汽含量反演比辐射率方程简化透过率地表温度反演方法地表温度图 1.1 本项研究的技术路线示意图Fig 1.1 Frame Map o

62、f Retrieving of LST by MODIS本项研究的创新主要有两点：一是把现有的地表算法改进成适合于 MODIS数据的地表温度反演方法。目前还未见到比较适合于 MODIS 数据的地表温度反 演方法发表。现有的各种地表温度遥感反演方法又不是专门对 MODIS 数据提出 来的。因此,有必要对现有的算法加以改进,以适合于 MODIS 数据特征。本项 研究在这一方面做了较深入的分析研究,提出了适合于 MODIS 数据的地表温度 反演方法,其中最重要的改进是对 Planck 函数的线性简化方法提出了一个新的 途径。另一创新是对大气透过率的估计。大气透过率是地表遥感反演的基本参 数,对地表温

63、度反演精度有重要的影响。现有的做法大多是利用研究地区内地 面气象观测点的数据来进行大气水汽含量估计,并进而估计大气透过率。由于 地面气象观测是点状数据,并且观测时间与 MODIS 的成像时间难以匹配,所以.5.XX大学硕士论文第 1 章 绪论用地面气象观测数据来估计大气透过率通常有较大误差,从而影响地表温度反 演精度。本项研究利用 MODIS 的近红外波段数据对大气水汽含量非常敏感的特 征,提出从同一景 MODIS 影像数据中反演大气水汽含量的方法,并进而估计各 像元的大气透过率,从而突破了过去地表温度反演中同一景图像只用一个大气 透过率的问题,把大气透过率的估计由一个点扩大到整个图像的各个像元上, 即空间差异上,使地表温度反演的参数估计更加符合实际情况。1.5 论文结构本文共分六章。第一章阐述论文的研究意义和研究目标、国内外研究进 展、研究方法及技术路线,以及本项研究的创新点