程洁-热红外发射率

感热和潜热通量对于区域以至全球的气候变化有着 巨大的影响。
提
纲
1 2 3 4 5
背 景 窄波段发射率测量与反演 宽波段发射率反演 结 论
2. 窄波段发射率测量与反演

热红外辐射传输方程 发射率野外测量方法 发射率反演方法
• • •
多光谱方法 高光谱方法 NDVI阈值法
2.1 热红外辐射传输方程
L2 = B (Ts )
L1 = ε s B (Ts ) + (1 − ε s ) B (Th )
L3 = B (Th )
εs =
L3 − L1 L3 − L2
2.3 窄波段发射率反演方法——多光谱方法
参考波段法(Kahle et al. 1980)
假定图像的某个波段的发射率为一常数，且先验已知，减少了观测方 程组中的未知数个数，使方程组能得到确定解。假定的合理性来源于 多种物质发射率的统计规律：它们会在某个较窄的波长范围内聚集， 并体现出较高的发射率值。例如对大多数硅酸盐类(Lyon，1965), 发 射率的最大值约为0.95，并且出现在热红外大气窗口的一侧（约11-13 µm）。 参考波段法的原理简单，计算方便。存在的最大问题在于，实际中不 可能找到一个发射率，使它能够代表各种类型地物，高估或低估发射 率现象非常常见。因此通常使用此方法获取温度和发射率的初值。
2.2 窄波段发射率野外测量
假设：（1）热箱盖为同温黑体，在几次测量时 温度不变；（2）箱壁和冷箱盖表面为理想的完 全反射；（3）圆孔足够小以至于在计算箱内的 辐射传输时可以忽略，但又足够大不至于妨碍 到辐射计对位于箱底部目标的观测；（4）在进 行L1的测量时，目标物接受的环境辐射的亮度 等于热箱盖的黑体辐射亮度；（5）目标物 均 匀同温，且在进行L1的测量时，目标物的温度 还 等于L2测量时的温度。
Self-emission Atmospheric upward radiance
L j (θ r , φr ) = τ j (θ r , φr )ε j (θ r , φr ) B j (Ts ) + Latm↑, j (θ r , φr ) +τ j (θ r , φr ) ∫ ρb ,i (θi , φi , θ r , φr ) Latm↓, j (θi , φi ) cos θi d Ωi
第三届陆表卫星遥感数据反演理论与方法暑期讲习班
热红外发射率
程 洁
brucechan2003@
2013年7月15日
提
1 2 3 4
纲
背 景 窄波段发射率测量与反演 宽波段发射率反演 结 论
提
纲
1 2 3 3 4 4
背 景 窄波段发射率测量与反演 宽波段发射率反演 结 论
1. 背 景
2π
Atmospheric downward radiance
假设地表朗伯，大气效应有效去除
L js = ε j B j (Ts ) + (1 − ε j ) Latm↓, j
Ground-leaving radiance N个观测值求解N+1个未知数 ，必须采用一些策略构造多余观测，使方程组完 备。
发射率归一化法（NEM）
它是参考波段法的改进，也叫黑体曲线拟合方法。它不固定哪个波 段的发射率为最高，可以选择最为合适的波段作为发射率值最高的 波段，算法的弹性较大，能适合更加复杂的地物光谱(Gillespie 1985) 。 该方法基于地物发射率信息的先验知识，对于一个像元的所有波 段，给定一个最大发射率值，由这个最大发射率、地表出射辐射和 大气下行辐射，求得每个波段对应的温度，取其最大值作为地表的 估计，用于地表发射率计算。算法的精度在很大程度上取决于先验 知识的准确性。单一值的最大发射率很难照顾到所有的地物种类， 所以在保证地质目标有较高反演精度的情况下，对于灰体的结果就 会有较大的误差，难以兼顾。NEM方法的效果主要取决于假定的最 大发射率值的合理性。
发射率是波长的函数
发射率是观测角度的函数
fine
medium
coarse Snow directional emissivity
crust
含水量对发射率的影响
Mira et al., 2011.
Hulley et al., 2010.
地表发射率是地表的固有特性，可用于地表以及行星的地质 研究、基岩绘图和资源开发利用。
逐步求精算法
前面两种算法的共同特点给定地表温度初值，由辐射测量值计 算发射率光谱，根据提炼的准测确定合适的地表温度估值。对 于平滑算法奇异发射率的存在会使算法失效(Cheng et al. 2008a; Cheng et al. 2008b)。Cheng等提出逐步求精算法 (2008c;2010)，能够克服由奇异发射率引起的算法失效，同时 具有较高的温度与发射率反演精度。
Wang and Liang, 2009
2.3 窄波段发射率反演方法——高光谱方法
平滑算法 下行辐射残余指标法 逐步求精算法
平滑算法
基于自然地表热红外发射率光谱比大气下行辐射平滑的假 设，Borel (1998, 2008)提出针对热红外高光谱数据的光谱 迭代平滑温度与发射率（the Iterative Spectrally Smooth (ISS) temperature and emissivity separation algorithm）
1 0.98 0.96 0.94 0.92 0.9 0.88 0.86 0.84 0 0.05 0.1 0.15 0.2 发射率反差(MMD) 0 a + b ∗ MMD
由光谱库样本拟合的发射率均值与反差之间的经验关系散点图
ASTER的TES法
针对ASTER热红外波段数据的TES算法，它综合利用NEM方法、 光谱比值方法、MMD方法的优势，增加一些外部约束，通过不断迭 代优化，从而达到逐步求精的效果（Gillespie et al., 1998）。 由四个模块组成
其中，V1,V2和V3表示相邻的三个波段，其中V2位于大气发射率的位置， ε1,ε2和ε3为对应的发射率估计值。当地表温度估值不准确时，计算的发射 率含有大气发射线残留，呈现出下图中所示的形状。通过计算DRRI，可以 判断地表温度估值的精度。在估算的整条发射率曲线上会有多处大气下行 辐射残余特征，选择其中最合适的处，累加得到最终的DRRI。具有最小 DRRI的温度对应的发射率即为所求的地表发射率，对于温度也是如此。
0.06 0.05
均方根误差
3.0 2.5 2.0 1.5 1.0 0.5 0.0
温度偏差(K)
RMSE T bias
0.04 0.03 0.02 0.01 0.00
土壤发射率反演中不同的最大发射率对应的均方根误差和温度偏差 不同的最大发射率对应的均方根误差和温度偏差
0.950 0.955 0.960 0.965 0.970 0.975 0.980 0.985 0.990 0.995 1.000
The combined mean emissivity difference between NAALSED and the laboratory results for all nine validation sites and all five ASTER TIR bands was 1.6%.
L j − Latm↓, j B j (T j ) − Latm↓, j
εj =
L j − Latm↓, j B j (T j ) − Latm↓, j
εj =
光谱迭代平滑算法描述。左图为模拟的土壤和大气下行辐射亮度曲线， 右图为不同土壤温度对应的发射率曲线。地表真实温度为300 K
εj =
L j − Latm↓, j B j (T j ) − Latm↓, j
发射率最大值
平均-最小最大发射率差方法（MMD）
Matsunaga于1994年给出了波段平均发射率和发射率光谱的反差 （最小发射率-最大发射率之差，MMD）之间的经验关系，并用它 来提取地物的发射率信息(Matsunaga 1994)。 算法的第一步采用一定的方法由辐射测量得到发射率的初始猜测值， 再根据拟合的经验关系对初始猜测值进行调整，用调整后的发射率 结合辐射测量计算出目标各个波段的温度，取其均值作为目标的温 度。不断迭代，直到相邻两次计算得到的目标温度差小于仪器的噪 声等效温差为止。由最终的目标温度和辐射测量得到地物的发射率。 算法的精度主要取决于经验关系的准确性和仪器的噪声水平。
ε (λ , T ) =
M (λ , T ) M b (λ , T )
（1）
遥感获取的两种发射率:窄波段发射率（包括发射率光谱）和宽 波段发射率。
ε BB ε λ Bλ (T )d λ ∫ λ = λ ∫λ Bλ (T )d λ
1 s 2 1 s
λ2
（2）
地表发射率是波长和观测角度的函数，受地表的组成成分、含 水量和粗糙度等影响。 可用于地质填图、地表温度反演、地表能量平衡估算等。
Longwave downward radiation
净辐射是驱动大气运动的主要能量，它是气候变化 乃至全球变化的重要驱动力，陆地表面进行分配
R n = H + LE + Qs + St
其中，R n 地表净辐射
Qs 向下地表热通量，
St
地表生物物理化学过程储存的能量通量， H 向上的感热通量， E 地面蒸发蒸腾速率， L 蒸发潜热。
下行辐射残余指标法
Wang等(Wang et al. 2008;)提出了下行辐 射残余指标法。与ISS算法一样，从一般 性的假设出发，即地表发射率光谱比大气 下行辐射光谱，构建了一个用于描述发射 率估值谱线中带有大气下行辐射光谱特征 强弱的量DRRI，
v −v v −v DRRI = ε 2 − ( 3 2 ε1 + 2 1 ε 3 ) v3 − v1 v3 − v1