近地表气温遥感反演方法(定)
地表温度与近地表气温热红外遥感反演方法研究
地表温度与近地表气温热红外遥感反演方法研究一、本文概述本文旨在探讨和研究地表温度与近地表气温的热红外遥感反演方法。
随着遥感技术的快速发展,热红外遥感已成为获取地表温度信息的重要手段。
地表温度是地球表面与大气之间热交换过程的关键参数,对于理解地表能量平衡、气候变化、城市热岛效应等具有重要意义。
近地表气温作为地表与大气层之间的重要参数,对气象学、气候学、环境科学等领域的研究也具有重要作用。
本文将首先介绍热红外遥感的基本原理和方法,包括热红外辐射的基础理论、遥感传感器的选择和使用、遥感数据的获取和处理等。
在此基础上,我们将详细阐述地表温度和近地表气温的热红外遥感反演方法,包括遥感图像的预处理、辐射定标、大气校正、温度反演等步骤。
我们还将探讨不同反演方法的优缺点和适用范围,以及在实际应用中可能遇到的问题和解决方案。
本文还将对地表温度和近地表气温热红外遥感反演方法的应用进行综述,包括在气象学、气候学、环境科学、城市规划等领域的应用案例和研究成果。
通过本文的研究,旨在为相关领域的研究人员提供有益的参考和借鉴,推动热红外遥感反演技术的发展和应用。
二、理论框架与基本原理地表温度与近地表气温热红外遥感反演方法研究的理论框架主要基于热红外辐射传输理论、地表能量平衡原理和遥感反演算法。
这些理论共同构成了从卫星或航空遥感平台获取的热红外数据到地表温度或近地表气温的转换过程。
热红外辐射传输理论描述了热红外辐射在大气中的传播和与地表相互作用的过程,是遥感反演地表温度的基础。
地表能量平衡原理则提供了地表与大气之间能量交换的理论依据,是理解地表温度动态变化的关键。
遥感反演算法则是根据热红外数据和大气参数,结合辐射传输模型和地表能量平衡模型,反演出地表温度或近地表气温的方法。
在热红外遥感中,地表和大气发射的热红外辐射包含了丰富的温度信息。
地表温度可以通过测量地表发射的热红外辐射强度,结合大气参数和地表发射率,利用辐射传输方程求解得到。
遥感概论实验3_地表温度反演
Luminance spectrale
Longueur d'onde (祄 )
波长(μm)
透过大气窗口的光谱辐射能量
surface B ( , )
=
0 ( ) B (Ts )
+
b, ( s , s ; , ) Es , ( s )
1,2e-3
cm -2 sr -1μm W(W cm-2sr-1 祄 -1) -1
ENVI下利用ETM+数据反演地表温度
(3)地表比辐射率计算
根据前人的研究,将遥感影像分为水体、城镇和自然表面3种类型。本试验采取以 下方法计算研究区地表比辐射率:水体像元的比辐射率赋值为0.995,自然表面和 城镇像元的比辐射率估算则分别根据下式(1)(2)进行计算: εWater=0.995 εsurface = 0.9625 + 0.0614FV - 0.0461FV^2 (1) εbuilding = 0.9589 + 0.086FV - 0.0671FV^2 (2) 式中,εsurface和εbuilding分别代表自然表面像元和城镇像元的比辐射率。 ENVIBand Math (b1 le 0)*0.995+(b1 gt 0 and b1 lt 0.7)*(0.9589 + 0.086*b2 - 0.0671*b2^2)+(b1 ge 0.7)*(0.9625 + 0.0614*b2 - 0.0461*b2^2) b1=NDVI,b2=FV
L B T 1 L L s
BT
s L
L
1 L
利用遥感技术的地表温度反演及时空演变分析
DOI :10.15913/ki.kjycx.2024.02.047利用遥感技术的地表温度反演及时空演变分析*胡干新,谢民民(江西理工大学土木与测绘工程学院,江西 赣州 341000)摘 要:随着城市的快速发展,城市热岛效应也越发受到人们的关注。
基于Landsat 系列卫星影像,采用辐射传输方程算法对南昌市地表温度进行反演,并利用均值-标准差法对地表温度进行热岛效应分级研究。
结果表明,南昌市热岛效应的区域面积不断增加,并存在低温区向高温区进行转换的现象;城市内植被和水体的合理布局对热岛效应具有一定的缓解作用,而不透水面的增加会加剧城市热岛效应。
关键词:城市热岛效应;温度反演;热岛分级;不透水面中图分类号:P413 文献标志码:A 文章编号:2095-6835(2024)02-0157-04——————————————————————————*[基金项目]江西省研究生创新专项资金项目(编号:YC2021-S561)城市热岛效应这一概念的出现,在一定程度上引起了人们对热岛现象的关注。
而热岛效应随着城市的发展越来越明显,对人类的生活影响也越来越显著,更加让人们意识到研究城市热岛效应的重要性。
周淑贞(1990)[1]曾利用上海10年内的气候资料,研究发现人口、建筑物和能源都是城市热岛效应越来越明显的主要影响因素。
但是对于形成热岛效应的影响因素较多、范围较广、方式较为复杂,以至于现今人们对于城市热岛效应的研究只能从单个方面或者几个方面去研究分析。
利用遥感技术研究城市热岛效应,具有获取数据方便、能同时获取研究区域的影像数据等优点,是目前主要的研究手段。
BORNSTEIN &LIN (2000)[2]及姚远等(2018)[3]通过研究发现,城市高温热场的存在会在一定程度上增加城市的温度,从而促成全球变暖。
又有中国学者姜允芳和黄静(2022)[4]、王煜等(2021)[5]、何泽能等(2022)[6]通过研究发现,热岛效应会改变城市的一些气候现象,如结霜日数及结霜量[7]。
地表温度热红外遥感反演方法
地表温度热红外遥感反演方法
嘿,你知道地表温度热红外遥感反演方法不?这玩意儿可厉害啦!先说说步骤吧,那得先收集热红外数据呀,就像猎人收集猎物的踪迹一样。
然后对数据进行处理,这可不能马虎,得像厨师精心烹饪美食一样认真。
接着通过特定的算法进行反演,哇,这就像魔术师变出惊喜一样神奇。
注意事项呢?数据可得准确呀,不然就像盖歪了的房子,随时可能倒塌。
算法得选对,不然就像迷路的小羊,找不到方向。
这方法安全不?放心吧,只要操作得当,就像走在平坦的大路上,稳稳当当。
稳定性也不错哟,就像可靠的老伙计,一直陪伴着你。
那应用场景可多啦!可以监测城市热岛效应,这多重要啊!就像医生给城市做体检,及时发现问题。
还能用于农业,了解土壤温度啥的,这不是超棒吗?优势也不少呢,能大面积快速监测,哇,这速度,就像火箭一样快。
而且精度也还不错,不像马大哈做事,糊里糊涂。
举个实际案例呗,在某个大城市,就用这方法监测热岛效应。
嘿,一下子就发现了哪些地方温度高,哪些地方需要改善。
效果那叫一个好,就像给城市开了一副良药。
地表温度热红外遥感反演方法超厉害,是我们了解地球温度的好帮手。
遥感反演地表温度
遥感地学分析实验报告成绩:姓名:学号:班级:题目:课程实验报告要求一、实验目的掌握并熟悉band math的操作,对建筑用地分离用的几个建筑指数;学会面对对象分类;学会反演地表温度。
二、实验准备软件准备:ENVI5.1数据准备:中等分辨率数据AA、高分辨率数据qb_colorado.img、热岛监测band6三、实验步骤1.中等分辨率数据中城市范围的提取:(1)加载数据AA,首先在BAND MATH里面计算图像的NDVI值其公式:(float(b1)-float(b2))/(float(b1)+float(b2)),正确输入公式后点击OK;在接下来的界面中为公式中b1和b2赋予相应的波段,及近红外波段和红色波段,选择合适的路径即可点击OK;结果如图:(2)同样用上述发放计算图像的归一化建筑指数(NDBI值),公式同样使用前面所用,但是后面给b1和b2赋予第五和第四波段就行,同样选择合适的路径即可;结果如图:(3)利用前面所计算的NDVI和NDBI值计算改进的归一化裸露指数(MNDBI),MNDBI= NDBI+(1-NDVI),首先在BAND MATH中输入一下公式并b1和b2赋予NDBI的波段和NDVI的波段;结果如图:(3)同样使用上述方法计算城镇用地指数(ULI)计算公式为ULI=NDBI and NDVI,同样在BAND MATH中输入公式并赋予相应的波段,在设置好输出路径即可;结果如图:(4)三种指数的阈值的设置,通过查看三种指数的直方图可以为每种指数的分离建筑用地提取合适的阈值;通过查看NDBI的阈值设置为0.035,并将其在band math中进行二值化;通过查看MNDBI的阈值设置为0.681,并将其在band math中进行二值化;化;较三种指数的优劣;2.高分辨率图像中城市范围的提取(1)加载图像qb_colorado.img ,打开FEATURE EXTRACTION 工具选择待分类数据,点击NEXT 进入下一步;(2)设置分割和合并阈及模板大小等参数如下,点击NEXT进入下一步;(3)添加分类类型并选择合适的样本,并为每种类型选择相应的属性,最后选择合适的分类方法;(4)预览图如下;(5)设置导出图像的类型,此处导出矢量图,设置好参数和路径点击FINISH即可;(6)结果如图;3.城市热岛遥感监测(1)辐射定标:将DN值(即图像灰度值)转换为光谱辐射亮度L,利用公式b1*0.055158+1.2378在band math中计算辐亮度;B1赋予第六波段;结果:(2)地表比辐射率E,此处先计算NDVI,方法同上即可,此处不再赘述;计算植被覆盖度Fv 采用的是混合像元分解法,将整景影像的地类大致分为水体、植被和建筑,具体的计算公式如下:FV = (NDVI-NDVIS)/(NDVIV- NDVIS)其中,NDVI 为归一化差异植被指数,取NDVIV = 0.25 和NDVIS =0.022,且有,当某个像元的NDVI 大于0.25 时,FV 取值为1;当NDVI小于0.022,FV 取值为0。
地表温度反演步骤
地表温度反演是通过遥感技术获取地表温度的过程。
以下是一般的地表温度反演步骤:
1. 数据收集:选择适合的遥感数据源,如热红外遥感数据或者微波遥感数据。
这些数据可以来自于卫星、飞机或无人机等。
2. 大气校正:由于大气在传输过程中对热辐射的吸收和散射作用,会影响到地表温度的观测。
因此,需要进行大气校正,以消除大气效应并准确估算地表温度。
3. 辐射学模型:建立辐射学模型,将已经校正的遥感数据与地表温度之间的物理关系联系起来。
这个模型通常基于不同波段的辐射亮温和地表温度之间的经验关系。
4. 晴空辐射和云覆盖修正:如果存在云覆盖,需要对遥感数据进行修正,以排除云的干扰。
这可以通过晴空辐射率和云覆盖率的估计来实现。
5. 地表温度反演:利用辐射学模型和修正后的遥感数据,通过数学计算反演地表温度。
这个过程可以是基于物理模型的解析方法,也可以是基于统计回归或机器学习的统计方法。
6. 优化和验证:对反演得到的地表温度进行优化和验证。
可以与已知的地面观测数据进行比较,评估反演结果的精确性和可靠性。
需要注意的是,地表温度反演是一个复杂的过程,涉及到多种因素和技术手段。
具体步骤可能会根据数据源、研究目的和数据处理软件的不同而有所变化。
地表温度反演的三种方法
地表温度反演的三种方法
地表温度反演是通过遥感技术获取地表温度信息的过程。
一般来说,地表温度反演方法可以分为三种:基于亮温的方法、基于辐射能量平衡的方法和基于模型的方法。
1. 基于亮温的方法:这种方法是根据地表反射下来的辐射能直接计算地表温度。
通常需要使用多光谱遥感数据,并使用反演算法将遥感数据转换为地表亮温,然后通过专门的公式或模型将亮温转换为地表温度。
这种方法比较简单,但受到大气中的影响较大,精度较低。
代表性算法有单窗算法(Single-Window Algorithm, SWA)、双窗算法(Two-Window Algorithm, TWA)等。
2. 基于辐射能量平衡的方法:这种方法是通过计算地表吸收的太阳辐射能和辐射冷却能量之间的平衡来反演地表温度。
这种方法需要考虑地表的地形、植被和大气特性等因素,一般需要使用高分辨率遥感数据和气象数据来进行模型计算。
代表性算法有热红外转换(Thermal Infrared Conversion, TIC)法、分层蒸散算法(Surface Energy Balance System, SEBS)等。
3. 基于模型的方法:这种方法基于已知的地表温度统计模型或地理信息系统等数据库,利用数据挖掘等方法来反演地表温度。
这种方法需要大量的先验知识和算法支持,并且需要大量的人工调整和验证。
代表性算法有人工神经网络(Artificial Neural Network, ANN)法、支持向量机(Support Vector
Machines, SVM)法等。
利用envi反演地表温度
1.遥感数据预处理影像数据均经过精确地理校正,并具有相同的投影坐标系统(WGS84),Landsat TM5数据中TM l~5波段为多光谱波段,空间分辨率为30m,第6波段为热红外波段,空间分辨率为120米,经过重采样统一为30米。
利用ENVI5.0SP3软件自带Radiometric Calibration 工具对多光谱波段进行辐射定标(同时以区域矢量边界为辅助数据,对经过辐射定标的影像进行裁剪)。
2.地表温度反演Landsat TM5影像第6波段为热红外辐射波段,接收的热红外强度与地表温度高低正相关,可转化为地表的实际温度。
按照以下步骤对地表温度进行反演:○1黑体辐射亮度值(Tb:Brightness Temperature):利用ENVI5.0SP3软件平台Band Math工具,通过公式(3-1)将TM热红外波段(第六波段)像元值D N值转变为黑体的辐射亮温值:Lλ=L MIN+L MAX−L MIN255∗D N(3-1)式中,D N为像元灰度值;Lλ为地物在光谱λ处(单位μm,文中λ取波段中间值11.45μm)处的热辐射值(单位:W·m-2·sr-1·μm-1),L MIN表示TM热红外波段D N为0时的热辐射亮度值,L MAX表示TM 热红外波段D N为最大值时的热辐射值。
L MIN =1.2378 W·m-2·sr-1·μm-1,L MAX=15.303W·m-2·sr-1·μm-1。
假设热红外波段在不同下垫面的地表发射率相同,利用普朗克公式反函数公式(3-2)将计算得出的热辐射值Lλ转换成传感器端的有效亮温(Tb):T b=K2ln(1+K1Lλ)(3-2)式中,Tb为有效亮温值,K1、K2为定标系数,其中K1=607.76 W·m-2·sr-1·μm-1,K2=1260.56K ○2地表比辐射率(ε):利用ENVI5.0SP3软件平台快速大气校正工具(QUAC)对经过裁剪的辐射定标后的多光谱波段数据进行大气校正,通过公式(3-3)获得归一化植被指数(NDVI:Normalized Difference Vegetation Index)NDVI=NIR−RNIR+R(3-3)式中,NIR和R分别是TM影像的近红外波段(波段4)和红光波段(波段3)的灰度值(D N)在获取的归一化植被指数(NDVI)基础上,采用混合像元分解法计算植被覆盖度(Pv),依据经验值,当NDVI>0.5时,下垫面为植被,植被覆盖度(Pv)取1;当NDVI<0.2时,下垫面为裸露土地,植被覆盖度(Pv)取0;当0.2≤NDVI≤0.5时,依照公式(3-4)计算植被覆盖度(Pv)。
利用envi反演地表温度
1.遥感数据预处理影像数据均经过精确地理校正,并具有相同的投影坐标系统(WGS84),Landsat TM5数据中TM l~5波段为多光谱波段,空间分辨率为30m,第6波段为热红外波段,空间分辨率为120米,经过重采样统一为30米。
利用ENVI5.0SP3软件自带Radiometric Calibration 工具对多光谱波段进行辐射定标(同时以区域矢量边界为辅助数据,对经过辐射定标的影像进行裁剪)。
2.地表温度反演Landsat TM5影像第6波段为热红外辐射波段,接收的热红外强度与地表温度高低正相关,可转化为地表的实际温度。
按照以下步骤对地表温度进行反演:○1黑体辐射亮度值(Tb:Brightness Temperature):利用ENVI5.0SP3软件平台Band Math工具,通过公式(3-1)将TM热红外波段(第六波段)像元值D N值转变为黑体的辐射亮温值:Lλ=L MIN+L MAX−L MIN255∗D N(3-1)式中,D N为像元灰度值;Lλ为地物在光谱λ处(单位μm,文中λ取波段中间值11.45μm)处的热辐射值(单位:W·m-2·sr-1·μm-1),L MIN表示TM热红外波段D N为0时的热辐射亮度值,L MAX表示TM 热红外波段D N为最大值时的热辐射值。
L MIN =1.2378 W·m-2·sr-1·μm-1,L MAX=15.303W·m-2·sr-1·μm-1。
假设热红外波段在不同下垫面的地表发射率相同,利用普朗克公式反函数公式(3-2)将计算得出的热辐射值Lλ转换成传感器端的有效亮温(Tb):T b=K2ln(1+K1Lλ)(3-2)式中,Tb为有效亮温值,K1、K2为定标系数,其中K1=607.76 W·m-2·sr-1·μm-1,K2=1260.56K ○2地表比辐射率(ε):利用ENVI5.0SP3软件平台快速大气校正工具(QUAC)对经过裁剪的辐射定标后的多光谱波段数据进行大气校正,通过公式(3-3)获得归一化植被指数(NDVI:Normalized Difference Vegetation Index)NDVI=NIR−RNIR+R(3-3)式中,NIR和R分别是TM影像的近红外波段(波段4)和红光波段(波段3)的灰度值(D N)在获取的归一化植被指数(NDVI)基础上,采用混合像元分解法计算植被覆盖度(Pv),依据经验值,当NDVI>0.5时,下垫面为植被,植被覆盖度(Pv)取1;当NDVI<0.2时,下垫面为裸露土地,植被覆盖度(Pv)取0;当0.2≤NDVI≤0.5时,依照公式(3-4)计算植被覆盖度(Pv)。
使用遥感技术进行地表物理参数反演的方法
使用遥感技术进行地表物理参数反演的方法遥感技术是一种通过获取地面反射和发射的电磁波信号,来获得地球表面信息的技术手段。
在地球科学领域,遥感技术的重要性不言而喻。
通过遥感技术,我们可以获得地球表面的物理参数,如地表温度、地表植被覆盖度、土地利用类型等信息,这对于环境监测、资源管理以及气候变化研究具有重要意义。
地表物理参数反演是指利用遥感技术从遥感影像中计算和估算地表的物理参数。
在进行地表物理参数反演时,需要考虑多个因素,包括遥感的波段、分辨率、噪声等,同时也要结合地球表面的物理过程和模型进行分析。
下面将介绍一些常用的地表物理参数反演方法。
首先,就地表温度的反演而言,一种常用的方法是基于热辐射传输模型的反演。
这种方法利用热辐射传输模型来模拟地表与大气之间的热辐射过程,通过遥感影像中的辐射值以及相关的大气参数,可以计算出地表温度。
热辐射传输模型的参数化比较复杂,需要准确的大气参数和遥感数据,但在一定的条件下,可以得到较准确的地表温度结果。
其次,对于地表植被覆盖度的反演,常用的方法是基于植被指数的反演。
植被指数是通过计算遥感影像中的红外波段和可见光波段反射率之比得到的指标,可以反映地表植被覆盖的状况。
根据不同的植被指数,可以推导出不同的植被指数-植被覆盖度模型,从而计算地表的植被覆盖度。
这种方法简单易行,但对于一些高植被覆盖和低植被覆盖的地区,可能存在一定的误差。
此外,土地利用类型的反演也是遥感研究的一个重要内容。
对于土地利用类型的反演,常用的方法是基于分类算法的反演。
分类算法可以通过将遥感影像中的像元进行分类,将其归类为不同的土地利用类型。
在进行分类时,可以利用多光谱影像的光谱信息、纹理信息以及遥感影像的空间分布信息,通过训练样本和分类算法的选择,得到较为准确的土地利用类型。
总结来说,使用遥感技术进行地表物理参数反演,可以通过建立适当的物理模型和分类算法,利用遥感影像的辐射信息、光谱信息和空间分布信息等,来计算和估算地表的物理参数。
定量遥感地表温度反演
遥感数字影像处理作品名称:黄河三角洲地表温度反演姓名+学号:小组成绩:一、概述1、作业背景:地表温度是很多环境模型的一个重要参数,在大气与地表的能量与物质交换,天气预报,全球洋流循环,气候变化等研究领域有重要的应用。
利用热红外遥感可以得到大范围的地表温度面状信息,与传统的地表温度测量方式相比,具有快速、便捷、测量范围大、信息连续等特点,因此利用热红外遥感数据反演地面温度得到了广泛的应用2、作业意义:黄河三角洲是黄河携带大量泥沙在渤海凹陷处沉积形成的冲积平原,位处黄河入海口处的黄河三角洲自然保护区正是以保护河口湿地生态系统和珍稀、濒危鸟类为主的湿地类型保护区。
以利津为顶点,北到徒骇河口,南到小清河口,呈扇状三角形,面积5,450平方公里。
地面平坦,在海拔10公尺以下。
向东撒开的扇状地形,海拔高程低于15米,面积达5450平方公里。
三角洲属,温带季风性气候。
四季分明,光照充足,区内自然资源丰富。
黄河口湿地生态旅游区占地23万亩,都处在黄河三角洲之内,地貌以芦苇沼泽,湿地为主,其次为河口滩地,带翅碱蓬盐滩湿地,灌丛疏林湿地以及人工槐林湿地等。
集自然景观与人文景观为一体,既有沧海桑田的神奇与壮阔,又有黄龙入海的壮观和长河落日的静美,是人们休闲、度假、观光科普的最佳场所。
二、数据介绍数据来自地理空间数据云,Landsat 4-5 TM(陆地卫星4、5号,1982年发射后运行至今,携带有TM传感器)的相关遥感影像作为研究数据,研究黄河三角洲温度分布状况。
实验数据:2010年9月11号黄河三角洲图像(中心经度:118.8878w,中心纬度:37.4815n)三、基本概念及技术流程图3.1、基本概念:①、辐射定标:指建立遥感传感器的数字量化输出值DN与其所对应视场中辐射亮度值之间的定量关系。
②、大气校正:消除遥感图像中由大气散射引起的辐射误差的处理过程。
③、NDVI:植被覆盖指数。
应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等。
遥感反演方法
遥感反演方法嘿,咱今儿个就来唠唠遥感反演方法。
遥感反演啊,就像是给地球做了一次全面的“体检”!你想啊,咱们没办法直接钻进地球里面去看看各种情况吧,那咋办呢?这时候遥感反演就派上大用场啦!它就好像是一双超级厉害的“眼睛”,能够透过层层云雾和距离,看到地球表面和大气层的各种信息。
比如说,通过遥感反演,我们能知道哪里的植被长得好,哪里的土地可能有点问题。
这就好比你远远地看一片树林,就能大概猜到这片树林是生机勃勃呢,还是有点蔫了吧唧的。
遥感反演方法有很多种呢,每种都有它独特的用处。
就好像我们有不同的工具来应对不同的任务一样。
有的方法擅长测量温度,有的擅长分析化学成分,还有的能把地形地貌给描绘得清清楚楚。
那这些方法是怎么做到的呢?其实啊,它们就像是一群聪明的小侦探,通过接收从地球反射回来的各种信号,然后经过一系列复杂的计算和分析,最终得出我们想要的结果。
这过程可不简单呐,就跟你解一道超级难的数学题似的。
比如说,我们想知道某个地方的土壤湿度。
遥感仪器就会发射出一些信号,这些信号碰到土壤后会反射回来,然后遥感反演方法就开始工作啦,根据反射回来的信号特征,就能推算出土壤的湿度啦!是不是很神奇?而且啊,遥感反演方法还在不断发展和进步呢!就跟我们人一样,要不断学习和成长。
随着科技的进步,它们能获取的信息越来越多,分析得也越来越准确。
想想看,以后我们对地球的了解能更加深入和全面,那该多好啊!我们可以更好地保护地球,更好地利用地球的资源。
这遥感反演方法,不就是我们探索地球的得力小助手嘛!总之呢,遥感反演方法是个非常重要且有趣的东西。
它就像一把神奇的钥匙,能打开我们了解地球的大门。
我们可不能小瞧了它呀,说不定未来它还会给我们带来更多的惊喜呢!你说是不是?。
“遥感反演方法”资料汇编
“遥感反演方法”资料汇编目录一、地表温度与近地表气温热红外遥感反演方法研究二、陆表定量遥感反演方法的发展新动态三、太阳诱导叶绿素荧光的卫星遥感反演方法研究进展四、植被叶面积指数与叶片聚集度系数遥感反演方法研究五、冬小麦叶面积指数高光谱遥感反演方法对比六、水体叶绿素a浓度遥感反演方法研究进展地表温度与近地表气温热红外遥感反演方法研究随着全球气候变化问题的日益突出,对地表温度和近地表气温的监测和反演已经成为地球科学领域的重要研究课题。
热红外遥感作为一种非接触、高分辨率的遥感技术,能够获取地表的热辐射信息,为地表温度和近地表气温的反演提供强有力的数据支持。
本文将探讨地表温度与近地表气温热红外遥感反演方法的研究现状和发展趋势。
热红外遥感是通过接收地物辐射的电磁波信息,对地物进行识别、分类和监测的一种遥感技术。
在热红外遥感中,地物的辐射主要受到其自身的温度、发射率、以及大气透过率的影响。
这些因素的综合作用,使得不同地物在热红外图像上呈现出不同的亮度。
因此,通过分析热红外图像,我们可以获取地表的温度信息。
地表温度是热红外遥感的主要目标之一。
通过对热红外图像的分析,我们可以得到地表的温度信息。
常用的地表温度反演方法包括单窗算法和多窗算法。
单窗算法:单窗算法是一种基于热红外图像直接反演地表温度的方法。
该方法利用地表的热辐射强度和温度之间的关系,通过建立数学模型,将热辐射强度转化为地表温度。
单窗算法简单易用,但受限于大气透过率和地表发射率的影响,其精度有待提高。
多窗算法:多窗算法是一种考虑了大气透过率和地表发射率对地表温度影响的反演方法。
该方法通过对热红外图像进行多个波段的分离和归一化处理,考虑了不同波段下的大气透过率和地表发射率的差异,提高了地表温度反演的精度。
近地表气温是反映大气和地表之间能量交换的重要参数。
通过对近地表气温的监测和反演,可以深入了解气候变化的过程和机制。
常用的近地表气温反演方法包括基于气象站观测的数据同化和遥感反演两种方法。
遥感反演方法
遥感反演方法遥感反演啊,就像是一个超级神秘的魔法。
你看那卫星在天上转啊转,就像一个超级间谍,眼睛一眨不眨地盯着地球这个大舞台。
而遥感反演呢,就是要从这个间谍传回来的那些看似杂乱无章的信息里,找出我们想要的宝藏。
这就好比你去一个堆满了各种杂物的大仓库,遥感数据就是那些杂物,什么都有,乱得一塌糊涂。
而我们搞遥感反演的就像是超级寻宝人,要从这堆乱七八糟的东西里找出那颗最闪亮的钻石。
比如说,我们想知道地面上的植被情况,可数据里还夹杂着云彩的信息、建筑物的信息,就像在一碗杂烩汤里找特定的一块肉一样难。
有时候啊,遥感反演的方法就像猜谜语。
那些数据就像谜面,模模糊糊的,让人捉摸不透。
我们就得像最聪明的解谜者,根据各种线索,像气候条件、地形地貌这些,来推测出谜底。
这感觉就像是在黑暗中摸索,突然摸到了一根救命稻草,然后顺着这根稻草找到了出口。
你再想象一下,遥感反演是一场和数据的拔河比赛。
数据就像一个大力士,拼命地想要把我们拉到错误的方向。
我们呢,只能用各种巧妙的方法,像经验公式啦、物理模型啦,就像给我们自己增加力量的魔法咒语,努力把这个大力士拉到我们想要的正确方向。
这个过程中,算法就像是我们的魔法棒。
不同的算法有不同的魔法效果。
有的算法像一把锐利的剑,能一下子切开数据的迷雾;有的算法则像一个温柔的梳子,慢慢地梳理那些乱麻一样的数据。
要是选错了算法,那就像用错了魔法棒,可能会把整个场面搞得一团糟,就像一个蹩脚的魔术师把变鸽子变成了变青蛙,还都是乱蹦的青蛙。
而且啊,遥感反演还像是一场盛大的音乐会,各种数据是不同的乐器。
我们要让它们和谐地演奏出美妙的音乐,也就是准确的结果。
要是有一个乐器出了问题,就像小提琴突然拉错了音,那整个曲子就毁了,我们的反演结果也就不准了。
做遥感反演还得有像侦探一样的敏锐。
任何一点小细节都可能是关键线索。
就像福尔摩斯在一堆灰尘里发现了犯罪的蛛丝马迹一样,我们要在海量的数据里找到那一点点不一样的东西,然后顺藤摸瓜,找到我们想要的答案。
近地表气温遥感反演方法综述
China Agricultural Informatics
2019,31(1):1-10
Vol.31,No.1 Feb.,2019
定量遥感专栏
近地表气温遥感反演方法综述
冷 佩 1,廖前瑜 1,2※,任 超 2,李召良 1
(1. 中国农业科学院农业资源与农业区划研究所,北京 100081;2. 桂林理工大学测绘地理信息学院,广西桂林 541004)
·2·
冷佩等:近地表气温遥感反演方法综述
第 31 卷第 1 期
气温是表征空气冷热的物理量。近地表气温的变化主要受到辐射、湍流和平流等 多种因素影响[11]。目前,分布在世界各地的气象站能够提供较为精确而连续时间序列 的近地表气温数据,然而在稀疏空间分布的站点气温信息无法描述近地表气温在连续空 间上的异质性。对于没有气象站点的地区,传统方法大多通过距离最近的有限的气象站 气温观测数据插值得到[12-18]。相比传统观测,遥感方法可以获取区域尺度的近地表气 温影响因子,具有实时性、区域性、经济适用性等无可替代的优势。遥感技术的广泛应 用为获取区域尺度近地表气温提供了强大的数据支撑。因此,众多学者围绕近地表气温 遥感反演进行了大量研究,并已形成了众多基于遥感数据或与遥感数据结合的区域气温 反演方法,这些主要可以归纳为 4 类:大气廓线外推方法、地表温度—植被指数方法 (Temperature Vegetation Index,TVX)、基于数据统计的方法以及基于地表能量平衡的方 法。该文系统回顾近地表气温遥感反演算法模型及最新研究进展,为相关领域获取区域 近地表气温提供借鉴,对近地表气温遥感反演模型未来发展方向进行展望。
收稿日期:2019-01-10 ※ 第一作者简介: 冷佩(1986—),博士、副研究员。研究方向:农业定量遥感。Email:lengpei@ 通信作者简介: 廖前瑜(1994—),硕士研究生。研究方向:农业定量遥感。Email:qianyuliao@ * 基金项目: 中央级公益性科研院所基本科研业务费专项(1610132019012)
近地表气温遥感反演方法(定)
近地表气温遥感反演方法研究进展摘要:气温是描述陆地环境条件的重要参数,也是气象观测资料中最基本观测项目之一。
结合遥感的空间分辨率高,覆盖面广,资料同步性强的特点,运用遥感方法反演气温弥补了传统方法的缺点,气象卫星的发展,为其提供了技术平台支持。
本文从近地表气温反演的各种不同的方法进行阐述,分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。
关键词:气温;遥感;反演方法这1.引言气温是描述陆地环境条件的重要参数,也是气象观测资料中最基本观测项目之一。
由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等),因此,气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。
高山、水体、植被以及土壤含水量等,以至于表现出很大的空间异质性。
我们常常听说的气温,是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。
由于温度表保持了良好的通风性并避免了阳光直接照射,因而具有较好的代表性,这个温度基本上反映了观测地点(当地)的气温。
但是随着数值预报的发展,常规的探测手段越来越不能满足现代业务预报的需要。
特别是在海洋,沙漠,沙漠等的荒僻的地区,基本不可能设立气象站点,即使设立站点也十分稀疏,这就使得我们所获取的气温资料十分有限,要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。
同时在不同地形和不同景观条件下,一个气象站观测的数据能够代表的范围有很大差别,即使通过空间内插过程也不能够获得满意的气温空间分布,从影响模型模拟结果[3]。
而遥感具有覆盖面广,空间分辨率高,资料同步性强的特点,所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷,不论在现实意义还是经济意义上,都是非常重要的。
随着大气科学理论和遥感探测技术的迅速发展,在全球大气观测系统中,卫星探测技术将会成为中流砥柱。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
近地表气温遥感反演方法研究进展摘要:气温是描述陆地环境条件的重要参数,也是气象观测资料中最基本观测项目之一。
结合遥感的空间分辨率高,覆盖面广,资料同步性强的特点,运用遥感方法反演气温弥补了传统方法的缺点,气象卫星的发展,为其提供了技术平台支持。
本文从近地表气温反演的各种不同的方法进行阐述,分别从半统计方法、统计方法、多因子分析方法和遗传算法方面进行叙述。
关键词:气温;遥感;反演方法这1.引言气温是描述陆地环境条件的重要参数,也是气象观测资料中最基本观测项目之一。
由于近地球表面气温控制着大部分陆地表面过程(如光合作用、呼吸作用及陆地表面蒸散过程等),因此,气温是各种植物生理、水文、气象、环境等模式或模型中的一个非常重要的近地表气象参数输入因子[1,2]。
高山、水体、植被以及土壤含水量等,以至于表现出很大的空间异质性。
我们常常听说的气温,是有气象观测站在植有草皮的观测场所中离地面1.5米高的百叶箱中的温度表测得的。
由于温度表保持了良好的通风性并避免了阳光直接照射,因而具有较好的代表性,这个温度基本上反映了观测地点(当地)的气温。
但是随着数值预报的发展,常规的探测手段越来越不能满足现代业务预报的需要。
特别是在海洋,沙漠,沙漠等的荒僻的地区,基本不可能设立气象站点,即使设立站点也十分稀疏,这就使得我们所获取的气温资料十分有限,要想研究特定位置的气温水平空间分布状况及其内部结构特征等都有一定的困难。
同时在不同地形和不同景观条件下,一个气象站观测的数据能够代表的范围有很大差别,即使通过空间内插过程也不能够获得满意的气温空间分布,从影响模型模拟结果[3]。
而遥感具有覆盖面广,空间分辨率高,资料同步性强的特点,所以利用卫星遥感手段资料反演近地表的大气温度就弥补了传统手段的缺陷,不论在现实意义还是经济意义上,都是非常重要的。
随着大气科学理论和遥感探测技术的迅速发展,在全球大气观测系统中,卫星探测技术将会成为中流砥柱。
同时,从60年代有了气象卫星之后,给遥感反演温度提供了可靠的现实依据。
目前反演大气参数的方法基本可以分为三类:物理方法、半统计方法和统计方法。
物理方法是从辐射传输方程出发,根据已知的一些大气知识对方程进行简化,从而达到求解的目的,至今对它们的物理机制认识得还很不清楚,所以极大地限制了该方法的应用与发展。
半统计方法是采用物理方法与实测资料的结合,建立个大气参数间的关系,然后利用实测资料进行各参数的反演。
目前在该领域采用比较多的是统计方法,它主要包括单因子线性回归分析方法、多元统计方法、Bowen 比分析方法、遗传算法和神经网络方法等,利用这些方法时需考虑多种影响因素,从而建立各因素之间的相互关系[4]。
本文具体从半统计方法和统计方法对气温反演进行研究,着重论述了统计方法反演近地表气温,考虑了热红外和微波两个波段对气温的反演。
2. 半统计方法在广阔的海面上,大气参数的实际观测资料比较稀少。
目前随着气象卫星的发射,可以直接或间接地借助卫星遥感信息资料反演或提取海面气温、水汽含量、降雨率、风速等气象参数[5]。
温度廓线的反演问题,即为由辐射计测量值推求出大气温度廓线。
传统的物理反演方计算量大,很费时。
而且,这类方法需要输入下垫面比辐射率和水汽廓线,而不同波段的比辐射率变化大,所以应用物理方法反演气温难度较大。
Konda 等[6]应用半统计方法,采用空气动力学方程和块体公式建立了海表面气温与海面温度、风速和湿度之间的关系,然后利用现场测量资料进行海面月平均气温的反演。
同时这种方法在于陆表气温反演也可以应用,通过建立地表温度与气温之间的关系,从而反演出近地表气温。
3. 统计方法气温是控制着陆地表面和大气之间水汽和能量交换的重要的气候参数。
遥感获取的陆地表面温度( Land SurfaceT emperature ,LST )和气温之间必然存在着能量方面的联系,近地表气温手下垫面类型及其特征的影响十分明显。
近地表气温的反演多用统计方法,统计方法有单因子统计方法,多元统计方法,Bowen 比分析方法和神经网络方法等。
3.1单因子统计方法遥感反演的地表温度T ls 和气温具有相关关系,chen 等[7]研究利用GOES 静止气象卫星的热红外数据推算的空气温度与实际观测的1.5米的气温的线性回归系数R 2=0.76,回归方程的标准差为1.3-2.0℃。
Horiguchi 等[8]也利用实测气温值与静止气象卫星反演的地表温度进行回归分析,发现估算的气温误差在1-1.7K 。
最近,Green 等[9]发现在非洲和欧洲大陆,从AVHRR 反演的地表温度与气象台观测的月平均温度有显著的相关性。
3.2 多因子相关分析法3.2.1 气温与地温,卫星反演地表温度相关关系由于卫星反演地表温度,气温与地温之间存在了较强的相关性 。
闵文斌,李跃清[10]利用Terra/MODIS 数据采用分裂窗算法反演地表温度T ls 和自动气象站的实测数据T a 与0cm 地温数据T s 两两进行相关分析。
地面观测数据是以气象站所在的象元为晴空作为选择条件的,挑选出同时具有气温观测和地温观测数据的气象站点数据。
但由于自动气象站的观测数据是整点观测,要想获得与卫星过境准同步的数据需进行时间插值,温度随时间的日变化的关系可以用正弦关系来表示[11,12]。
利用每个气象站的经纬度、观测日期,以及实测的最大、最小温度值,建立各自的谐波函数。
然而,此方法的拟合值与实际每小时观测值比较结果表明拟合值并不理想,这是由于气温变化并非完全遵循正弦函数,还会受到当时云状、风等情况影响。
考虑到分析数据是卫星过境的较短时间内内插,考虑卫星过境时间温度的变化情况。
如实验数据是在11:00-12:00或12:00-13:00 ( Terra 经过四川盆地时间)的1个小时内插值,而且是在日出以后、温度极大值出现以前的单调升温时段内,假设插值的1小时内温度变化是单调线性的,与卫星过境时间HH:MM 准同步的地面气温与地温的获取便可采用下式进行插值,即60/)(111MM T T T T H H H H H H H H MM ⨯-+=-+- (1)式中HH,MM分别代表卫星过境时的时、分,T HH-1和T HH+1分别是卫星过境时间前、后整点的观测温度。
将地面准同步观测的空气温度T a,土壤表面温度T s和卫星反演地表温度T ls两两进行相关分析[13],发现总样本相关性很好,T ls与T s,T ls与T a,T s与T a的相关系数分别为0. 834,0.854,0. 864,都通过了0.001显著性检验。
然而它们都没有通过相关系数的稳定性检验[14],针对不同的卫星过境时间,相关系数相差甚大,特别是T ls与T a的相关系数表现出极大的不稳定性。
而相关系数是否稳定是统计模型效果好坏的关键问题,所以T a,T ls与T s两两不稳定的相关系数表明:简单利用卫星反演地表温度来估算气温、地温的精度不能得到保证,仅根据空气温度来进行地温的空间插值,会造成较大误差。
这是由于卫星像元地表温度的反演误差、以及卫星和地面观测非完全同步,地表状况的差异和尺度的不匹配。
卫星反演地表温度是卫星像元尺度温度,对于非均匀下垫面,不同像元内组分组成是不同的。
地面气象观测只是针对其所在卫星像元内的观测点而言的,地温更是只代表像元内土壤组分的温度。
但是依据Prihodko等[1]提出的P2G模型的气温与浓密植被冠层温度近似的假设,那(T s-T a)与(T s-T ls)在一定程度上可反映像元内组分的差异,二者应该有较好的相关性。
通过分析,果然发现(T s-T a)与(T s-T ls)存在显著线性相关,且相关系数稳定,不论是总体样本还是不同卫星观测时间的子样本相关系数都达0.82以上,也都通过了0.001的显著性检验,判定系数R2=0.7913。
(T s-T a)与(T s-T ls)的相关关系可表示为:(T s-T ls)=0.9891(T s-T a)-1.1707 (2)由此可根据三者关系建立近地表气温的反演模型。
3.2.2 海温、湿度和气温间相关关系Kubota等[15]提出了从海平面的湿度反演月平均近海面气温的方法,先从比湿估算出水汽压力,然后利用气温和水汽压力及相对湿度的关系就可以得到近海面气温。
Liu等[16]基于Konda[17]提出的算法,提出了计算实时海面气温和湿度的统计方法,分别使用SSM/I卫星数据及GMS-5数据建立与实测资料的统计关系,从而计算了台湾及南海中国海区的海表温度、海面湿度和气温值,与船测资料相比,使用SSM/I计算得到的均方根差分别为1.43 g/kg和1.6 K。
Jackson等[18]利用多种卫星量温资料用线性回归的方法来反演实时近海面气温,同实测数据相比最小的均方根误差为1.5℃。
3.3 Bowen比方法Liu等[19]采用改进的Bowen比方法估算台湾及南海中国海区的实时近海面气温,先根据36个月的试验确定在中国台湾及中国南海海区的最优Bowen比值,然后利用Bowen比的定义,依据海表温度和海面风速计算出近海面气温值,与实测数据相比,其均方根差为1.46K。
He等[20]利用了NOAA卫星上的TOVS 资料分别建立了海表温度、105Pa的露温、气温与海面气温和露温的经验关系。
3.4 神经网络近些年神经网络方法的优越性逐渐被人们发现并得到应用和发展,它具有良好的自适应样本数据能力和很强的容错能力,即使在数据中出现噪音、形变时也能正常地工作;它还具有固有的非线性特性,在建立数据之间的非线性关系时表现出良好的优越性[21]。
伍玉梅[22]等利用专用成像传感器SSM/I和红外辐射计AVHRR资料进行近海面气温和湿度的反演,首先分析与近海面气温和湿度关系比较密切的几个气象因子及其相关性,加入风速影响,并采用神经网络建立近海面气温和湿度与它们之间的关系,利用训练好的网络模型反演月平均近海面气温和湿度,并与TAO和NDBC提供的浮标及观测站的实测数据进行比较,得到近海面气温和相对湿度的均方根差分别为0.87℃和3.73%。
低纬度反演的结果精度较高,达到0.53℃(气温)和2.03%(相对湿度);较大的误差(气温1.06℃、相对湿度3.85%)主要发生在近岸和高纬度区,因为近岸的地形比较复杂,并且很容易受陆地气候的影响;高纬度地区的气候变化比较剧烈,同时前能得到的高纬度地区的实测资料比较少,这些因素都会影响反演结果的准确度。
Singh等[23]采用人工神经网络方法由MSMR的亮温数据来计算月平均的近海面气温和湿度,同实测资料相比的均方根差分别为1.0℃和1.1 g/kg。
同时,微波测温技术也是获取全球大气温度场信息的重要手段。