大气水分含量的空间异质性及其对地表温度反演的影响

引用本文

陈峰, 熊永柱, 黄少鹏, 叶红. 大气水分含量的空间异质性及其对地表温度反演的影响[J]. 国土资源遥感, 2010,22(2): 35-40
CHEN Feng, XIONG Yong-zhu, HUANG Shao-peng, YE Hong. Spatial Heterogeneity of Atmospheric Water Vapor and Its Influence on the Retrieval of Land Surface Temperature Based on Remote Sensing Data[J]. REMOTE SENSING FOR LAND & RESOURCES,2010,22(2): 35-40 复制到剪切板

Permissions

《国土资源遥感》编辑部

大气水分含量的空间异质性及其对地表温度反演的影响

陈峰¹, 熊永柱^1,², 黄少鹏³, 叶红¹

1.中国科学院城市环境研究所城市环境与健康重点实验室,厦门 361021

2.嘉应学院地理系,梅州 514015

3.密歇根州大学地质科学学院,安娜堡,密歇根州 48109-1005,美国

第一作者简介: 陈峰(1981-),男,硕士,研究实习员,主要从事城市环境遥感与气候变化方面的研究。

收稿日期: 2009-10-10

基金: 中国科学院知识创新工程重要方向项目(编号: KZCX2-YW-BR-03)、中国科学院知识创新工程领域前沿项目(编号: 09L4401D10、07L4151D40)

摘要

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Landsat 5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。

关键词: 大气水分; 空间异质性; 地表温度; 误差

中图分类号:P407 文献标志码:A 文章编号:1001-070X(2010)02-0035-06

Spatial Heterogeneity of Atmospheric Water Vapor and Its Influence on the Retrieval of Land Surface Temperature Based on Remote Sensing Data

CHEN Feng¹, XIONG Yong-zhu^1,², HUANG Shao-peng³, YE Hong¹

1.Key Laboratory of Urban Environment and Health, Institute of Urban Environment, Chinese Academy of Sciences, Xiamen 361021, China

2.Department of Geography, Jiaying University, Meizhou 514015, China

3.Department of Geological Sciences, University of Michigan, Ann Arbor, MI 48109-1005, USA

Abstract

Atmospheric water vapor is one of the key factors affecting the retrieval of land surface temperature (LST) from the single-band infrared image. It is conductive to the rational usage of single-band infrared data to find out the influence of spatial heterogeneity of AWV on the retrieval of LST. With the MODIS MOD05_L2 products as data sources, this paper discussed the spatial heterogeneity of AWV at the regional scale and its impact on the retrieval of LST from Landsat image. Firstly, an error model was deduced with regard to the influence of AWV on the retrieval of LST from remote sensing data. Then, in order to explore the retrieval error of LST possibly caused by the spatial heterogeneity of AWV at the regional scale, the authors conducted simulation tests followed by comparative analyses under spatially different distribution conditions of AWV in several regions, particularly for the thermal infrared band of Landsat 5. Results obtained in this paper indicate that the retrieval error of LST caused by the spatial heterogeneity of AWV has to do with the value and the heterogeneity degree of AWV. For example, when AWV had relatively high heterogeneity, an error was relatively great, ranging from 0.5℃ to 2℃ with relative error from 2% to 20% accordingly; by contrast, when AWV was relatively uniform, error was comparatively insignificant and ranged from 0.1℃ to 0.2℃ with relative error from 0.5% to 2% accordingly. In conclusion, with regard to regions with a relatively high degree of atmospheric heterogeneity, it is vital to get atmospheric parameters properly at the regional scale so as to retrieve LST precisely from remote sensing data.

Keyword: Atmospheric water vapor; Spatial heterogeneity; Land surface temperature; Error

Show Figures

0 引言

城市地表温度信息对其热环境的研究具有重要意义。Landsat 5/7热红外波段所具有的空间分辨率(Landsat 5为 120 m, Landsat 7为60 m)适合城市尺度的热环境研究^{[1, 2, 3, 4]}, 但仅有一个热红外波段的设置限制了Landsat星数据的定量应用^[5]。近年来, 针对Landsat 5/7的热红外单波段特点, 有学者提出了单窗算法^[6]、单通道算法^[7]和基于辐射传输方程的算法^[5], 3种算法均将准确的大气参数作为地表温度反演的关键因素。在实际应用中, 由于受数据获取条件的限制, 通常假定一定区域范围内的大气状态是均质的, 而不考虑大气的影响^{[2, 8, 9]}, 或以区域内某一点上的大气参数代表整个研究区域的大气状况^[4]。但是, 土地覆盖类型的差异会导致大气水分含量在空间分布上存在较大差别^[10], 而假定大气状况均质, 不进行大气校正, 或以点代面的研究方式, 必将给遥感地表温度反演带来误差^{[11, 12]}。

本研究的主要目的在于探讨大气水分含量空间分布的异质性, 分析不同条件下大气水分含量空间异质性对地表温度反演的影响误差, 并提出可能的解决方法。

1 研究数据与方法

1.1 研究数据

MODIS大气水分含量产品又称大气可降水量产品, 有红外和近红外两类, 其中近红外产品为白天产品, 包含Terra MOD 05_L2 和Aqua MYD 05_L2两个数据集, 空间分辨率均为1 km× 1 km。该产品主要用来进行水循环、气溶胶和云效应、大气校正及大气特征等研究^[13]。从2006年的MODIS MOD 05_L2大气水分含量产品中选择研究中所需的数据, 具体如表1所示。

表1 研究中使用的数据 Tab.1 Data used in the research

Terra星与Landsat星的过境时差基本在1 h之内。设置各研究区域范围为60像元× 60像元大小(约为3 600 km²)。数据选择中尽量避免过多的空缺值和有明显条带的数据, 并用区域内有效数据均值来替代空缺值, 采用3像元× 3像元空间中值滤波方法对可能存在的条带进行处理。

1.2 空间异质性研究

采用变差函数和分形维数对区域大气水分含量的空间异质性进行定量分析。首先使用全局Moran I指数统计计算大气水分含量的空间聚集性, 在此基础上, 采用变差函数来对其空间分布的结构性与随机性进行分析。实际应用中, 一般采用实验变差函数

$\begin{matrix} \begin{matrix} γ (h) = \frac{1}{2 n (h)} \overset{n (h)}{\sum_{i = 1}} [z (x_{i} + h) - z (x_{i} {)]}^{2} \end{matrix} \end{matrix}$ (1)

来计算变差函数值。

式中, z(x_i)和z(x_i+h)分别为在空间位置x_i、x_i+h处的大气水分含量; h称为滞后距; n(h)为计算实验变差函数值时的点对总数。

从多条剖面线上大气水分含量数据的直方图分布来看(图略), 数据不满足正态分布假设。因此, 式(1)的计算结果将是有偏的, 需要对数据和计算过程进行稳健处理^[14]。本实验选择中位数中位偏差法^[15]对变差函数值进行无偏估计, 即

γ _H(h)=2.198 8{med|γ _i(h)- $\begin{matrix} \bar{γ} \end{matrix}$ (h)|}²/2 (2)

式中, med为中位数; γ _i(h)=z(x_i+h)-z(x_i); $\begin{matrix} \bar{γ} \end{matrix}$ (h)为γ _i(h)的中位数。

为了对比不同区域、不同时相的空间异质性, 本文采用除以最大变差函数值的方法^[16]对实验变差函数进行标准化处理。变差函数图对分析大气水分含量的空间分布结构很有作用, 而将变差函数与分形维数相结合则能表征其整体结构复杂性 ^[17]。将变差函数值和空间滞后距取双对数, 在双对数坐标系下拟合二者之间的线性关系, 得到回归直线的斜率(m), 用以估算分形维数(D), 即

D= $\begin{matrix} \frac{1}{2} \end{matrix}$ (4-m)(3)

D值越小, 表示大气水分含量的空间分布差异越大, 均质性越差; D值越大, 则表示空间差异越小, 均质性越好。

通过重点研究水平和垂直方向上的平均空间异质性, 来描述大气水分含量的总体空间分布异质性情况。

1.3 大气水分含量对地表温度反演影响的误差模型

热红外辐射传感器所接收的能量(L^sensor)主要包括大气消减后被传感器接收的地表热辐射[ε B(T_s)τ ]、大气下行辐射(L^↓)经地表反射后再被大气削减后的辐射及大气上行辐射(L^↑, 又称程辐射)3部分。热红外辐射传输模型可用式(4)表示, 即

(4)

式中, ε 为地表比辐射率; B(T_s)为温度T_s的黑体辐射量; τ 为大气透过率。以上各参量均是以相应传感器波段(本文指Landsat 5 TM6)的波谱响应函数对各参量以波长分布形式的积分并归一化的结果。

由式(4)可知, 经大气影响校正和地表比辐射率修正后, 结合Planck方程便可以得到地表温度T_s。因此, 要准确反演地表温度, 对大气影响和地表辐射率进行校正是不可缺少的。在热红外波段, 与大气影响有关的参数(大气上行、下行辐射和透过率)可用大气水分含量来表征^{[6, 7, 18]}。因此, 采用大气水分含量来表征大气条件, 分析地表温度反演中大气的影响是有意义的。

在假定地表比辐射率已知、传感器辐射定标准确的前提下, 以热红外辐射传输方程(式(4))和Planck辐射反函数方程

T_s= $\begin{matrix} \frac{c_{2}}{λln [\frac{c_{1}}{B (T_{s}) π λ^{5}} + 1]} \end{matrix}$ (5)

为基础, 进行偏导数求解, 可得式(6)~(8)的推导结果。

Δ _w(T_s)= $\begin{matrix} \frac{\partial T_{s}}{\partial B (T_{s})} \end{matrix}$ $\begin{matrix} \frac{\partial B (T_{s})}{\partial w} \end{matrix}$ Δ (w)(6)

其中, $\begin{matrix} \frac{\partial T_{s}}{\partial B (T_{s})} \end{matrix}$ = $\begin{matrix} \frac{c_{1} c_{2}}{c_{1} λB (T_{s}) + π λ^{6} B (T_{s})^{2}} \end{matrix}$ · ln^-2( $\begin{matrix} \frac{c_{1}}{π λ^{5} B (T_{s})} \end{matrix}$ +1) (7)

(8)

式中, Δ (w)为大气水分含量偏差; Δ _w(T_s)为大气水分含量偏差引起的温度反演误差; c₁=2π hc², c₂=hc/k(h 为普朗克常数, h=6.626× 10^-34J· s, k为波耳兹曼常数, k=1.3806× 10^-23J· K^-1, c为光速, c=2.998× 10⁸ m· s^-1); λ 为热红外波段的有效波长, 针对Landsat 5的TM6波段, 这里取λ =11.457 μ m^[18]。

在Landsat 5热红外波段范围内, 考虑传感器的实际波谱响应函数(参见Handbook^[19]), 可采用Jimenez-Munoz等的研究成果^[7], 求得大气下行辐射、大气上行辐射及大气透过率的表达式, 即

(9)

$\begin{matrix} \{\begin{matrix} ψ_{1} = 0.147 14 w^{2} - 0.155 83 w + 1.123 4 \\ ψ_{2} = - 1.183 6 w^{2} - 0.376 07 w - 0.528 94 \\ ψ_{3} = - 0.045 54 w^{2} + 1.871 9 w - 0.390 71 \end{matrix} \end{matrix}$ (10)

进一步推得

(11)

将以上各式代入式(8), 得

(12)

为了直观地表述大气水分含量空间异质性对遥感地表温度反演的影响, 以研究区域的大气水分含量均值作为背景值, 以各像元大气水分含量与背景值之差作为大气水分含量的偏差。大气参数值τ 、L^􀲔和L_􀲕通过式(9)、式(10)得到, L^sensor通过辐射传输方程式(4)得到。

1.4 研究方案

由误差表达式(6)~(8)及式(12)可以看出, 为了计算大气水分含量空间异质性引起的误差Δ _w(T_s), 需要知道地表真实温度T_s和地物比辐射率ε , 而这在我们的实验中无法获得。因此, 本研究方案假定区域内分布的是均质等温物体(具有相同的温度和比辐射率), 在不同的大气水分含量分布情形下, 进行一系列的组合实验。实验中对地表温度和比辐射率做如下组合: 地表温度取10℃、15℃、20℃及25℃, 地表比辐射率取0.95、0.96、0.97、0.98及0.99, 共得到20个组合, 在每一区域大气水分含量分布情形下进行20次模拟。

2 结果分析与讨论

2.1 大气水分含量的区域异质性

2.1.1 统计分析结果

区域大气水分含量的分布直方图(图1)显示: 在冬季组, 北京、西安及武汉的大气水分含量低, 且分布集中; 厦门、上海的大气水分含量分布跨度大且很分散; 广州的大气水分含量较高, 中度分散。在秋季组, 北京、西安的大气水分含量相对较低, 分布集中; 上海、厦门及广州的大气水分含量分布跨度大且很分散, 表现出明显的空间异质性; 武汉的大气水分含量处于中等水平, 分布较集中。可见, 在区域尺度, 大气水分含量的空间分布在不同区域、不同时相的变异程度差异明显。

	Figure Option View Download New Window
	图1 大气水分含量累计频率直方图Fig.1 Cumulative frequency histogram of atmospheric water vapor

2.1.2 空间分析结果

全局Moran I 指数(略)显示大气水分含量的分布在不同区域、不同时相均存在显著的空间自相关性, 呈现聚集分布。

图2显示, 各区域的标准化变差函数曲线存在不同程度的时相间和方向间差异。其中最明显的是上海区域, 秋季时相垂直向的曲线变化与其他曲线截然不同。虽然武汉、西安区域的标准化变差函数曲线形状和走势在时相和方向间差异相对小些, 但曲线的变化速率却存在较明显的差异。有些区域的标准化变差函数曲线呈现周期性特征, 如厦门。由于研究区域范围不够大, 对有些区域来说, 还不足以探测到大气水分含量的空间分布格局。

	Figure Option View Download New Window
	图2 大气水分标准化变差函数曲线 (WH: 冬季水平方向; FH: 秋季水平向; WV: 冬季垂直向; FV: 秋季垂直向)Fig.2 Standardized variogram of atmospheric water vapor (WH: horizontal direction in winter; FH: horizontal direction in fall; WV: vertical direction in winter; FV: vertical direction in fall)

分形维数的统计结果(表2)表明, 大气水分含量的空间异质性程度表现出区域、时相及方向间存有差异。

表2 区域大气水分含量分形维数统计 Tab.2 Fractal statistics of atmospheric water vapor in different regions

最大标准化函数值出现的空间滞后距, 说明大气水分含量的空间结构性差异; 分维数大小差异, 说明大气水分含量的空间异质性程度的差异。分形维数值越小表明空间异质性程度越大, 由此判断冬季时相厦门区域(平均分形维数为1.18)的大气水分含量的空间异质性要大于北京区域(平均分形维数为1.395)。

大气水分含量空间分布存在的区域、时相和方向差异, 可能给地表温度遥感反演带来以下影响: ①以某点大气水分含量代表整个区域面上的情况会给反演带来误差; ②在不同区域和时相反演结果中, 由大气水分含量的异质性所导致的误差值有差异; ③同一区域某时相反演结果的误差在空间上的聚集分布。

2.2 空间异质性对Landsat地表温度反演的影响

过高的大气水分含量会使大气透过率很低, 大气上、下行辐射偏大, 严重影响传感器接收的地物辐射信息。本文是在未考虑大气水分含量偏高的情形下进行的模拟试验(如秋季组中的武汉、上海)。

受篇幅限制, 文章仅对厦门、北京及广州3个区域冬季大气水分含量分布条件下的模拟实验结果进行分析。厦门的结果显示, 大气水分含量空间分布异质性使得不同温度与比辐射率组合条件下的模拟结果均存在一定的误差, 最大误差范围在1~1.5℃之间, 对应的相对误差范围在5%~15%之间; 北京的结果显示, 由于大气水分含量空间分布相对均匀, 模拟结果的误差要小很多, 最大误差范围在0.1~0.2 ℃之间, 相应地, 最大相对误差范围约在0.5%~2%之间。对比广州与厦门的情况发现, 由于大气水分含量空间变异性程度较大, 使得误差范围在0.5~2℃之间, 相对误差范围约在2%~20%之间, 不同之处在于广州的大气水分含量背景值要高于厦门区域的值(厦门为0.525 g/cm² , 广州为1.715 g/cm²), 误差值也高于厦门的(表3)。

通过对比以上的组合模拟实验, 可以得到如下结论: 区域大气水分含量的空间异质性会给地表温度遥感反演带来不同程度的误差, 误差的大小与大气水分含量的异质性和取值大小有关。值得注意的是, 虽然区域大气水分含量的空间异质性对地表温度遥感反演的误差与地表自身温度和比辐射率有关, 模拟试验显示, 相对于大气水分含量的影响, 二者的影响要小得多。所以, 区域大气水分含量的空间异质性, 使得用某一点上的大气参数代表整个区域的大气状况是不可取的, 会给单波段地表温度反演结果带来误差。

表3 不同温度与比辐射率组合下的大气水分含量空间异质性导致的误差 Tab.3 Error resulted from heterogeneity of atmospheric water vapor at different conditions

2.3 MODIS大气产品辅助Landsat热红外数据进行地表温度反演的可行性

尽管大气水分含量的空间异质性存在区域、时相及方向差异, 标准化变差函数值的曲线也不同(图2), 但通过观察发现, 所有曲线的前端点对应的变差值很小, 相对于最大变差值来说可以忽略。这说明区域大气水分含量的空间异质性主要出现在较大的空间范围内, 而在MODIS像元尺度内的异质性可以忽略, 可以认为在1 km× 1 km内的大气水分含量是均质的。这样, 可以通过对中等分辨率的MODIS大气产品做适当的空间插值和重采样, 辅助Landsat热红外数据实现地表温度的准确反演。另外, 如前所述, Terra星与Landsat星的过境时间比较接近, 时差在1 h内, 所以, 在大气状态相对稳定的条件下, 利用Terra星过境时刻的大气条件表征Landsat星过境时刻的大气条件是可行的。

理论上, 卫星遥感得到的大气参数有在它们的真值附近随机分布的性质, 利用此类产品进行大气校正, 不会严重影响地表温度反演精度^[12]。厉华等在这方面的尝试也表明以MODIS的大气水分含量信息为辅助可以获取更为合理的地表温度^[10]。

已有研究表明, MODIS大气产品对小尺度地区的研究并不一定适用, 存在误差^[20]。由于本文主要目的是探讨区域大气水分含量的空间异质性对地表温度反演的影响程度, 而不涉及区域地表温度的真实反演, 所以直接采用MODIS的大气产品, 而对MODIS大气产品在实际研究区域的准确性与校正, 还需进一步的工作。

3 结论

(1)采用1 km× 1 km MODIS MOD 5_L2产品分析了6个不同类型区域的瞬时大气水分含量的空间异质性, 表明区域大气水分含量的空间异质性是普遍存在的, 空间异质性程度存在区域、时相以及方向间差异。

(2)大气水分含量对热红外波段影响很大, 以往假定区域大气水分含量均质或以某点的大气状况代表整个区域的做法不可避免地会给地表温度反演带来误差。针对Landsat 5热红外波段, 以辐射传输方程和Planck方程为基础, 结合与大气水分含量有关的经验关系式, 推导了大气水分含量对地表温度反演的误差分析模型。

(3)以不同空间异质性状况的大气水分含量产品为条件, 模拟计算了其空间异质性对地表温度反演的可能影响误差。结果显示, 大气水分含量的空间异质性对地表温度反演影响误差的大小明显地与大气水分含量值和异质性程度有关: 大气水分含量的空间异质性相对较大时, 误差值和误差范围比较大, 而当大气水分含量分布较均匀时, 误差值和误差范围比较小。

(4)大气水分含量空间异质性及其差异的存在, 充分说明了区域面上大气参数的获得对准确反演地表温度的重要性。

(5)定量空间分析表明, MODIS大气水分含量产品辅助Landsat热红外数据进行地表温度反演具有可行性。

由于条件所限, 本研究仅通过模拟试验统计分析了大气水分含量空间异质性可能导致的地表温度反演误差, 下一步将加强对反演误差空间分布格局的研究。

致谢: 感谢邱全毅博士在数据处理方面给予的建议; 感谢西班牙瓦伦西亚大学的J. C. Jimenez- Munoz博士提供的文献支持; 感谢NASA提供的免费MODIS大气水分含量产品。同时, 对审稿人表示感谢!

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	张穗, 何报寅, 杜耘. 武汉市城区热岛效应的遥感研究[J]. 长江流域资源与环境, 2003, 12(5): 445-449. [本文引用:1]
[2]	陈云浩, 王洁, 李晓兵. 夏季城市热场的卫星遥感分析[J]. 国土资源遥感, 2002(4): 55-59. [本文引用:2]
[3]	W Q H. A Remote Sensing-GIS Evaluation of Urban Expansion and Its Impact on Surface Temperature in the Zhujiang Delta, China[J]. International Journal of Remote Sensing, 2001, 22(10): 1999-2014. [本文引用:1]
[4]	刘三超, 张万昌. 张掖绿洲城市热效应的遥感研究[J]. 国土资源遥感, 2003(4): 17-20. [本文引用:2]
[5]	Sobrino J A, Jimenez-Munoz J C, Paolini L. Land Surface Temperature Retrieval from Land sat TM5[J]. Remote Sensing of Environment, 2004, 90(4): 434-440. [本文引用:2]
[6]	Qin Z H, Karnieli A. A Mono-window Algorithm for Retrieving Land Surface Temperature from Land sat TM Data and Its Application to the Israel-Egypt Border Region[J]. International Journal of Remote Sensing, 2001, 22(18): 3719-3746. [本文引用:2]
[7]	Jimenez-Munoz J C, Sobrino J A. A Generalized Single-channel Method for Retrieving Land Surface Temperature from Remote Sensing Data[J]. Journal of Geophysical Research, 2003, 108(D22): 4688. [本文引用:3]
[8]	陈峰, 何报寅, 龙占勇, 等. 利用Land sat ETM+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, 2008(2): 56-61. [本文引用:1]
[9]	Xu H Q, Chen B Q. Remote Sensing of the Urban Heat Island and Its Changes in Xiamen City of SE China[J]. Journal of Environmental Sciences, 2004, 16(2): 276-281. [本文引用:1]
[10]	历华, 曾永年, 贠培东, 等. 利用多源遥感数据反演城市地表温度[J]. 遥感学报, 2007, 11(6): 891-898. [本文引用:2]
[11]	黄妙芬, 刘绍民, 刘素红, 等. 地表温度和地表辐射温度差值分析[J]. 地球科学进展, 2005, 20(10): 1075-1082. [本文引用:1]
[12]	汪宏七, 赵高祥, 王立志. 陆面温度的反演算法和大气订正的影响[J]. 红外与毫米波学报, 2000, 19(1): 48-52. [本文引用:2]
[13]	NASA. MODIS Atmosphere Product Description[EB/OL]. http://modis-atmos.gsfc.nasa.gov/MOD05_L2/index.html[2009-03-02]. [本文引用:1]
[14]	陈慧新. 变异函数的稳健性及特异值处理方法的研究[J]. 内蒙古农业大学学报, 2000, 21(2): 84-90. [本文引用:1]
[15]	陈亚新, 徐英, 魏占民, 等. 基于稳健统计学的水盐空间变差函数逼近方法[J]. 水利学报, 2004(9): 1-7. [本文引用:1]
[16]	李哈滨, 王政权, 王庆成. 空间异质性定量研究理论与方法[J]. 应用生态学报, 1999, 9(6): 651-657. [本文引用:1]
[17]	龚元石, 廖超子, 李保国. 土壤含水量和容重的空间变异及其分形特征[J]. 土壤学报, 1998, 35(1): 10-15. [本文引用:1]
[18]	Jimenez-Munoz J C, Cristobal J, Sobrino J A, et al. Revision of the Single-channel Algorithm for Land Surface Temperature Retrieval from Land sat Thermal-infrared Data[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2009, 47(1): 339-349. [本文引用:2]
[19]	NASA. Land sat Science Data Users Hand book[EB/OL]. http://landsathandbook.gsfc.nasa.gov/handbook.html[2009-03-02]. [本文引用:1]
[20]	孟宪红, 吕世华, 张堂堂. MODIS近红外水汽产品的检验、改进及初步应用——以黑河流域金塔绿洲为例[J]. 红外与毫米波学报, 2007, 26(2): 107-111. [本文引用:1]

2003

0.0

张穗, 何报寅, 杜耘. 武汉市城区热岛效应的遥感研究[J]. 长江流域资源与环境, 2003, 12(5): 445-449.

随着城市化的迅速发展,城市热岛效应及其所带来的问题对我们日常的生产生活的影响变得日益严重和不可忽视。如何快速、有效地监测城市热场的分布和强度,是解决城市环境问题的迫切需要。采用先进的遥感手段,能够大面积、同步和动态地监测地面热场的分布和变化情况。利用武汉市地区的LANDSAT7TM图像,对于热红外波段遥感图像灰度值和地面温度之间的关系进行了定量的解译,并且采用IHS图像复合增强的方法得到了武汉市地面热场分布图,取得了很好的模拟效果。结果显示武汉地区热场的分布具有明显的规律性,区域平均温度的分布由高到低为:旧型工业区-新型工业区-老城区-新城区-郊区;城市地面结构对于区域温度有直接的影响;保护现

... Landsat 5/7热红外波段所具有的空间分辨率(Landsat 5为 120 m,Landsat 7为60 m)适合城市尺度的热环境研究^[1,2,3,4],但仅有一个热红外波段的设置限制了Landsat星数据的定量应用^[5] ...

2002

0.0

陈云浩, 王洁, 李晓兵. 夏季城市热场的卫星遥感分析[J]. 国土资源遥感, 2002(4): 55-59.

The luminance temperature distribution of Shanghai urban area was surveyed by means of locating, rectifying , image processing, noise erasing, temperature calculating and characteristic extracting from TM infrared data of 8/4,1998. The intensity, spatial structure and cause of UHIE (Urban Heat Island Effect) were investigated and discussed. It is shown that Thematic Mapper data are quite useful for thermal environmental quality appraisal and ecological urban planning.

利用1998年8月4日上海幅TM6图像,经定位、配准、纠正、图像处理、噪声剔除、亮温标定及特征提取等步骤,得出上海市亮温分布场,同时对其热力景观、细部结构及其成因做了分析。实践证明,TM6图像可作为城市热环境质量评价、生态城市规划的背景资料和依据。

... 在实际应用中,由于受数据获取条件的限制,通常假定一定区域范围内的大气状态是均质的,而不考虑大气的影响^{[2, 8, 9]},或以区域内某一点上的大气参数代表整个研究区域的大气状况^[4] ...

2001

0.0

2003

0.0

刘三超, 张万昌. 张掖绿洲城市热效应的遥感研究[J]. 国土资源遥感, 2003(4): 17-20.

Landsat TMdata have been widely utilized in resource and environment studies. Nevertheless, reports on researches combining thermal infrared band (TM6) with the other TMbands data for investigating various land surface processes remain limited in literature. In this paper, an algorithm was proposed and tested for a target area in Zhangye and its surrounding oasis areas. This study combines the TM6 for deriving planetary brightness temperature (PBT) and land surface temperature (LST) by using mono-window algorithm with the other TMbands data so as to provide several essential parameters required by the mono-window algorithm. In this algorithm, TM1-5 and 7 were atmospherically corrected by means of Gilabert's method to obtain several important parameters, and then PBTand LSTwere calculated by means of mono-window algorithm using TM6 band. The derived LSTcompared with the field observations of several principal land use/cover categories suggests good applicability of the algorithm. Spatial distribution of LSTand PBTwas analyzed with NDVIdistributions in the target area, and the strong negative correlations between LST, PBTand NDVIsuggest that vegetation is a key factor controlling the spatial pattern of land surface heat flux. All this implies a great potential of thermal and optical remote sensing for urban thermal effect and urbanization studies.

以张掖及周边绿洲为研究区,采用Gilabert大气校正模型对TM图像1～5,7等6个波段进行大气校正。在此基础上,采用基于TM6波段的单窗算法,反演出行星亮度温度和地表真实温度,进一步分析了区域热量分布差异并探讨这一差异形成原因。结果表明:张掖及周边绿洲区存在明显的热量分布差异,热岛现象非常显著,卫星图像反演的地表温度接近实测值,亮度温度和实际温度都与归一化植被指数(NDVI)存在着密切的反相关关系,表明植被在区域热量分布差异中起重要作用,显示出热红外图像与其它波段数据结合,在城市热岛效应及区域生态环境遥感研究方面有很大潜力。

2004

0.0

... 近年来,针对Landsat 5/7的热红外单波段特点,有学者提出了单窗算法^[6]、单通道算法^[7]和基于辐射传输方程的算法^[5],3种算法均将准确的大气参数作为地表温度反演的关键因素 ...

2001

0.0

... 在热红外波段,与大气影响有关的参数(大气上行、下行辐射和透过率)可用大气水分含量来表征^{[6, 7, 18]} ...

2003

0.0

... 在热红外波段,与大气影响有关的参数(大气上行、下行辐射和透过率)可用大气水分含量来表征^{[6, 7, 18]} ...

... 在Landsat 5热红外波段范围内,考虑传感器的实际波谱响应函数(参见Handbook^[19]),可采用Jimenez-Munoz等的研究成果^[7],求得大气下行辐射、大气上行辐射及大气透过率的表达式,即 ...

2008

0.0

陈峰, 何报寅, 龙占勇, 等. 利用Land sat ETM+分析城市热岛与下垫面的空间分布关系[J]. 国土资源遥感, 2008(2): 56-61.

The relationship between urban heat island and underlying surface was analyzed for the first time in Beijing，Shanghai，Shenyang and Wuhan in summer based on Landsat ETM+ data by combining mathematical statistics with spatial statistics. The urban underlying surface was represented by green vegetation and impervious surface generated by a linear spectral mixture analysis，while the relative urban heat island strength was represented by difference of radiant brightness temperature between surface and water. Radiant brightness temperature was retrieved from the thermal band. Results obtained in these cities suggest that a positive spatial autocorrelation exists in the distribution of green vegetation，impervious surface and heat island strength，with the existence of a similar autocorrelation range equivalent to the spatial pattern character of the combination of buildings and roads. As a result of spatial autocorrelation，the structural factor is more important than the random factor in contributing to spatial heterogeneity of urban green vegetation，impervious surface and heat island strength. Statistics show that the positive relationship between impervious surface and heat island strength exhibits different nonlinear characteristics in these four cities，which can be expressed by piecewise functions according to the quantity of impervious surface，and things are quite similar for the negative relationship between green vegetation and heat island strength. In these four cities，both the positive and the negative relationships demonstrate spatial heterogeneity and multi-scale character，along with an obvious spatial scale proximate to 550 meters detected by using cross-correlation. These conclusions may provide some ideas for civil planning，i.e.，through designing of reasonable intervals and proportions between green vegetation zones and buildings，the effect of urban heat island can be weakened.

1.Institute of Geodesy and Geophysics，Chinese Academy of Sciences，Wuhan 430077，China；2.Graduate School of Chinese Academy of Sciences，Beijing 100049，China；3. No.48 Research Institute of China Electrics Technology Group Corporation，Changsha 410111，China

采用数理统计与空间统计相结合的方法，利用Landsat ETM+数据对北京、上海、沈阳和武汉等4个大城市的夏季城市热岛相对强度与城市下垫面的空间分布关系进行对比研究。用混合像元线性光谱分解方法提取的城市植被覆盖度与不透水面表征城市下垫面；用城市地表亮温与水体亮温差值表征城市热岛相对强度。结果显示，4个城市的植被覆盖、不透水面与热岛强度的分布呈较强的空间正自相关，并且存在较为一致的自相关范围，该范围相当于城市街道与建筑组合特征尺度；自相关引起的结构性是导致3者空间分布异质性的主要因素。植被覆盖对城市热岛的缓解效果与不透水面对城市热岛的增强作用均呈分段线性特征，但区域差异较为明显；交叉相关系数曲线则显示出相关性的空间异质性与多尺度现象，同时存在一个约550 m的空间作用特征尺度。该研究结果有助于在城市规划实践中合理配置建筑与植被的间隔和比例，以缓解城市热岛效应。

2004

0.0

2007

0.0

历华, 曾永年, 贠培东, 等. 利用多源遥感数据反演城市地表温度[J]. 遥感学报, 2007, 11(6): 891-898.

Now there are three methods for land surface temperature retrieval from single channel thermal infrared remote sensing data, that is, atmospheric correction, mono-window algorithm and single-channel algorithm. The atmospheric parameters are required while using these methods for retrieving land surface temperature. Generally, the atmospheric parameters are estmi ated by using the atmospheric water vapor or humidity and average air temperature above near surface(2meters’height). Thismethod can only obtain data from several points. In this paper, the distribution of atmospheric water vapor contentwas calculated by two channel ratiomethod based onMODIS near infrared data. Then, land surface temperature was retrieved by using the thermal infrared band of Landsat ETM+ and a generalized single-channelmethod developed by Jmiénez-Mu oz and Sobrino. The exploited approach was applied to Changsha andWuhan city. The results show that the combination ofmulti-source remote sensing data is effective for retrieving urban land surface temperature and can yield a reasonable estmi ation of land surface temperature.

目前利用单通道热红外遥感数据反演地表温度的方法有大气校正法、单窗算法和普适性单通道算法,使用这3种算法反演地表温度时的一个关键问题就是需要获取大气参数。目前大气参数的获取主要根据近地表(地表2m左右的高度)的大气水分含量或湿度和平均气温的观测值来估计,这种方法只能获得个别点上的数据,而无法获取面上像元尺度的大气参数。本文利用多源遥感数据的优势,首先利用MODIS近红外数据,在像元尺度上获取温度反演中所需大气参数――大气水分含量,再利用同时相的Landsat ETM 影像,采用Jim??nez-Mu oz和Sobrino的普适性单通道算法反演地表温度。研究结果表明,多源遥感数据的综合应用是城市地表温度反演的有效途径与方法,可获得较合理的地表温度反演结果。

... 但是,土地覆盖类型的差异会导致大气水分含量在空间分布上存在较大差别^[10],而假定大气状况均质,不进行大气校正,或以点代面的研究方式,必将给遥感地表温度反演带来误差^[11,12] ...

... 厉华等在这方面的尝试也表明以MODIS的大气水分含量信息为辅助可以获取更为合理的地表温度^[10] ...

2005

0.0

黄妙芬, 刘绍民, 刘素红, 等. 地表温度和地表辐射温度差值分析[J]. 地球科学进展, 2005, 20(10): 1075-1082.

The measurements of air temperature and air humidity were utilized to analyze the diurnal variation of atmospheric emissivity over heterogeneous surfaces and to calculate downward atmospheric longwave irradiance, from June 5th to July 6th, 2004, in Xiaotangshan area, Beijing. Moreover, sky radiometric temperature at 37 and land surface radiometric temperature with thermal infrared thermometers were employed to study the differences between surface radiometric temperature over heterogeneous surfaces without being calibrated and calibrated with standard blackbody source and the differences between surface “true” temperature, which were calculated with the downward longwave irradiance and surface emissivity, and surface radiometric temperature, which were calibrated by standard blackbody source. The results may be served as scientific reference to invert land surface temperature with remote sensing and to study land surface energy balance. The results indicated: (1) the differences of surface radiometric temperature between without being calibrated and being calibrated by standard blackbody sources ranged from 0.1 to 1℃;（2）the diurnal variation range of atmospheric emissivity ranged from 0.75 to 0.85; (3) the differences of downward atmospheric longwave irradiance between being calculated by air temperature and air humidity and being measured by pyranometer were small with the average mean error being 3.1%, while those of downward atmospheric longwave irradiance between being calculated by sky radiometric temperature at 37° with thermal infrared thermometer and being measured by pyranometer were larger, with the average mean error being 38.1%; (4) the differences between surface true temperature and surface radiometric temperature calibrated with standard blackbody ranged from 0.2℃ to 1.5℃ over various surfaces under variable sky conditions, and the higher surface radiometric temperature was, the larger the differences were. Therefore, the differences had the diurnal variation rule.

依据实验数据，研究利用标准黑体源对红外辐射计测定值进行标定的方法；分析天空比辐射率的变化特性；计算天空环境辐射，与长波辐射计测定值进行比较；推算考虑天空环境辐射和地表比辐射率后的地表温度，研究地表温度与地表辐射温度的差值。结果表明：①地表辐射温度未经标准黑体源标定与标定后的差值绝对值在0.1～1℃之间；②天空比辐射率的变化范围为0.75～0.85，不同下垫面天空比辐射率日变化趋势非常一致；③用空气温湿度计算的天空环境辐射与长波辐射计测定值的差值较小，相对误差平均为3.1%，但是天空37°热红外辐射计观测值与长波辐射计测定值差值较大，相对误差平均值达到38.1%；④地表温度高于地表辐射温度，差值在0.2～1.5℃之间。

2000

0.0

汪宏七, 赵高祥, 王立志. 陆面温度的反演算法和大气订正的影响[J]. 红外与毫米波学报, 2000, 19(1): 48-52.

An algorithm have been presentedto retrieve land surface temperature from satellite radiative measurements, withoutrequiring the channel land surface emissivities to be given previously. And by takingdifferent errors in atmospheric temperature and moisture profiles into consideration inretrieval tests of land surface temperature, the atmospheric effect has been investigated,in order to see the possibility for the practical application of the retrieval algorithm.The results show that when the errors in atmospheric temperature and moisture arereasonable as usually could be obtained from radiosonde or satellite retrieval, the landsurface temperatures might be determined with acceptable accuracies and the root meansquare errors are less than 1K in most cases considered.

提出了由卫星辐射测量反演陆面温度的算法，可在不需要预先给定通道的地面比辐射率的情况下，同时确定地面温度和比辐射率。同时，为了了解实际应用这种算法的可能性，在一系列陆面温度反演的模拟试验中，考察分析了在大气温度和湿度廓线有各种不同的误差时大气订正对陆面温度反演精度的影响。结果表明，在大气证正中应用的大气温度和湿度的误差不超过通常由探空和卫星遥感得到的大气温度和湿度的误差时，反演得到的地面温度仍可具有

... 理论上,卫星遥感得到的大气参数有在它们的真值附近随机分布的性质,利用此类产品进行大气校正,不会严重影响地表温度反演精度^[12] ...

0.0

... 该产品主要用来进行水循环、气溶胶和云效应、大气校正及大气特征等研究^[13] ...

2000

0.0

陈慧新. 变异函数的稳健性及特异值处理方法的研究[J]. 内蒙古农业大学学报, 2000, 21(2): 84-90.

本研究在分析变异函数不稳健性产生的机理基础上,对正态变换的几种方法及识别和剔除特异值的方法都做了初步尝试,并用"估计邻域法"识别并处理特异值取得了较好的稳健效果.在此基础上,用"中位数中位偏差法"、"中位调节法"、"位置的尤伯估计"、"α切尾均值法"等4种稳健统计学方法较系统地对水盐采样数据作了处理和比较研究.处理后得到的理论变异函数图中拱高值(C0+C)与样本方差σ2的比较结果经交叉检验法和估计方差检验法检验得出:"中位数中位偏差法"处理后的模型最优.

... 因此,式(1)的计算结果将是有偏的,需要对数据和计算过程进行稳健处理^[14] ...

2004

0.0

陈亚新, 徐英, 魏占民, 等. 基于稳健统计学的水盐空间变差函数逼近方法[J]. 水利学报, 2004(9): 1-7.

The Robust statistics is combined with Geostatistics to study the spatial variability of water and salinity in soil. The principle for approximation of Robust variogram and its method are studied. The application of this method to forecasting and monitoring of spatial variability of soil water-salinity in large-scale irrigation area shows that the Robust distribution and stable vriogram can be obtained if the skewness of the statistics distribution of the samples with moderate-size or small-size does not seriously deviate from ideal distribution. This is effective for improving the structure of variogram and the parameters of its theoretical model.

将稳健统计学（RS）引入地质统计学（GS），研究土壤水盐特性空间变异。重点研究了稳健型变差函数γR(h)的逼近原理和推求方法，本方法应用在大型灌区土壤水盐时空变异性预测和监测的结果表明，对于实际数据分布不严重偏离理想分布的条件下的中小样本，可以获得分布稳健和数据稳定的γR(h)及其估计量，这对于改善变差函数的结构性和理论模型的主要参数有明显效果。

... 本实验选择中位数中位偏差法^[15]对变差函数值进行无偏估计,即 ...

1999

0.0

李哈滨, 王政权, 王庆成. 空间异质性定量研究理论与方法[J]. 应用生态学报, 1999, 9(6): 651-657.

In this paper, semivariogram was used to quantify the spatial heterogeneity in landscape.It was suggested that spatial characteristics and spatial comparison were the main aspects of spatial heterogeneity quantification.For spatial characteristics, the authors emphatically discussed how to use semivariogram to decompose spatial heterogeneity into quantifiable components, to determine the degrees of spatial heterogeneity, and to detect the scale at which spatial heterogeneity changes.For spatial comparison, the authors expounded how to statistically test the parameters of semivariograms to compare the spatial heterogeneity between same variable at two sites or different variables at same site, and put forward the standardized semivariograms to compare the spatial heterogeneity with different variables at the same site.The introduced theory and methodology were examined by the example of spatial heterogeneity of forest types and soil types in landscape of broadleaf Korean pine forests.

通过变异函数对空间异质性定量研究进行了讨论。结果表明,空间异质性定量研究应从空间特征和空间比较两方面去考虑。对空间特征,着重讨论怎样应用变异函数将空间异质性分解成各定量组分;确定空间异质性程度;探测空间异质性变化的尺度。对空间比较,怎样对同一变量和不同变量用变异函数比较空间异质性时的统计检验;采用标准化变异函数比较同一地点上的不同变量的空间异质性。最后通过阔叶红松景观中林型和土壤类型的空间异质定量研究实例验证了上述理论与方法。

... 为了对比不同区域、不同时相的空间异质性,本文采用除以最大变差函数值的方法^[16]对实验变差函数进行标准化处理 ...

1998

0.0

龚元石, 廖超子, 李保国. 土壤含水量和容重的空间变异及其分形特征[J]. 土壤学报, 1998, 35(1): 10-15.

Spatial variability and fractal dimension of soil water and bulk density were studied in a soil grown with winter wheat. The area of each plot was 7.5m×7.5m. The measured grid unit was 0.5m×0.5m. Two methods, soil sampling and time domain reflectometry, were employed to determine the gravimetric ( θ g ) and volumetric ( θ v ) water contents. Soil bulk density ( ρ ) was calculated from θ v / θ g .The data were analyzed with both traditional and geographical statistical methods. Some difficulties were met with the traditional statistical technique. Combined with fractal theory, the fractal dimensions of θ v , θ g and ρ were determined, being 1.58-1.75, 1.67-1.75, 1.77-1.83 respectively. Our results suggested that the soil was not a medium with theoretical fractal phenomenon, and the fractal features only existed in the range of specific space.

在小区面积为7.5m×7.5m的冬小麦农田,用烘干法和时域反射仪分别测定了表层0-15cm土壤重量含水量( θ g )和体积含水量( θ v ),并用 θ v / θ g 求得土壤的容重( ρ )。小区内测定网格单元为0.5m×0.5m。根据测定结果,用常规统计方法计算了均值、平均差、标准差、变异系数等传统统计特征值,并指出了用该方法表示土壤特性引起的困惑。在此基础上,将分形理论与地统计学原理相结合,计算了 θ g 、 θ v 、 ρ 的分形维数,分别为1.58-1.75、1.67-1.75、1.77-1.83。研究结果表明,土壤并非具有理想分形特征的介质,它只是在一定的空间尺度内才具有分形特征。

... 变差函数图对分析大气水分含量的空间分布结构很有作用,而将变差函数与分形维数相结合则能表征其整体结构复杂性 ^[17] ...

2009

0.0

... 在热红外波段,与大气影响有关的参数(大气上行、下行辐射和透过率)可用大气水分含量来表征^{[6, 7, 18]} ...

... m^[18] ...

0.0

2007

0.0

... 已有研究表明,MODIS大气产品对小尺度地区的研究并不一定适用,存在误差^[20] ...