基于TM影像天山北坡地表反照率反演方法的研究
GF-1与TM影像对高潜水位矿区地表监测的比较分析
GF-1与TM影像对高潜水位矿区地表监测的比较分析∗肖武;李素萃;徐建飞;吕雪娇;王铮【期刊名称】《中国煤炭》【年(卷),期】2016(042)006【摘要】高潜水位矿区会因煤炭资源的开采使大量优质耕地沦为积水区，对矿区的粮食安全和生态经济安全造成严重影响，为了有效降低耕地的损失率和改善矿区的生态环境，以山东济宁东滩矿为例，采用具有高空间和时间分辨率特点的高分一号卫星(GF-1)与 TM影像的地表监测结果进行比较，验证 GF-1对矿区地表监测的适用性.GF-1数据具有更高的时间分辨率，可作为矿区地表监测的重要数据源，有助于矿区生态环境和景观格局的动态监测，从而更好的建设生态、绿色和安全的矿区环境.【总页数】7页(P119-125)【作者】肖武;李素萃;徐建飞;吕雪娇;王铮【作者单位】中国矿业大学北京煤炭资源与安全开采国家重点实验室，北京市海淀区，100083;中国矿业大学北京土地复垦与生态重建研究所，北京市海淀区，100083;中国矿业大学北京土地复垦与生态重建研究所，北京市海淀区，100083;中国矿业大学北京土地复垦与生态重建研究所，北京市海淀区，100083;中国矿业大学北京土地复垦与生态重建研究所，北京市海淀区，100083【正文语种】中文【相关文献】1.平原高潜水位矿区地表沉陷特征及回填搬迁效益分析 [J], 崔保锋2.采煤驱动下高潜水位矿区地表水时空特征变化研究:以大屯矿区为例 [J], 贾斐斐;丁忠义;毛梦祺;王慧3.高潜水位煤矿区地表沉陷信息提取方法研究 [J], 李新举; 周晶晶4.高潜水位矿区挖深垫浅填土沉降监测分析 [J], 张敏;刘辉;朱晓峻;刘朝发5.高潜水位矿区地表拉张裂隙区土壤特征研究 [J], 范廷玉;钟建;王顺;王兴明;张燕海因版权原因，仅展示原文概要，查看原文内容请购买。
地表反照率
收稿日期:2004207225;修订日期:2004208228基金项目:国家重点基础研究发展规划项目(“973”项目)(G 2000077908)资助。
作者简介:王介民(1937-),男,研究员,博士生导师,主要从事大气科学与遥感应用研究。
关于地表反照率遥感反演的几个问题王介民1,高 峰1,2(11中国科学院寒区旱区环境与工程研究所,甘肃兰州 730000;21中国科学院资源环境科学信息中心,甘肃兰州 730000))摘要:分析了地表反照率对陆面辐射能收支以及区域和全球气候的影响,强调了地表反照率是遥感反演陆面参数时的第一重要参数,地表反照率或多波段遥感中不同谱段的地表反射率的准确反演常常是准确估算其它陆面参数如植被和土地利用 土地覆盖等状况的先决条件。
在对当前关于反照率的概念及容易混淆的术语进行阐述和说明的基础上,简述了遥感反演地表反照率的步骤和主要难点的解决方法,进而对常用陆面过程模式计算地表反照率的过程作了分析,并将其结果与M OD IS 有关产品进行了比较,强调了遥感与陆面过程模式和气候模式的结合。
关 键 词:地表反照率;二向反射分布函数;地面能量收支;陆面过程模式;遥感中图分类号:T P 79 文献标识码:A 文章编号:100420323(2004)05202952061 引 言反照率似乎是一个教科书上早已讲述过的基本概念,然而在卫星遥感日新月异地发展和广泛应用的今天,却时时出现许多混淆和困惑。
地表反照率的遥感反演,经过多年的实验研究已经有了一些成熟的算法,但其精确估算依然存在诸多困难。
概念上,反照率(albedo )是对某表面而言的总的反射辐射通量与入射辐射通量之比。
一般应用中,指的是一个宽带,如太阳光谱段(～013-410Λm )。
对多波段遥感的某个谱段而言,称为谱反照率(sp ectral albedo )。
这都是指向整个半球的反射。
对某波段向一定方向的反射,则称为反射率(reflectance )。
基于高光谱数据的东天山—北山成矿带矿物填图及地质应用
卫星类型 高分五号 01A 资源一号 02D
表 1 高光谱遥感卫星主要参数
波段范围 /nm
VNIR
SWIR
波段数
VNIR
SWIR
空间分辨率 /m
光谱分辨率 /nm
VNIR
SWIR
390—1029 1005—2513 180
150
30
≈4
≈8
390—1040 1005—2501
76
90
30
≈8
≈ 16
三、填图应用
1．成矿带构造信息解译 断裂构造在形成时，沿断裂带两侧的岩块会发 生显著的错动、位移，并形成充填着大量岩石碎块 的破碎带。受构造应力作用的影响，断裂破碎带内 通常会形成各种类型的动力变质岩或出现充填不同 矿物成分的岩脉，使得断裂带内的矿物类型与两侧 岩体存在显著差异，成为地质调查工作中识别断裂 构造的基本标识之一。野外地质调查受人员、地理 条件等因素限制，在断层追索工作中常存在局限。 高光谱矿物填图方法凭借对断裂破碎带内矿物类型 的精细识别，能够在可观测尺度下显示出呈线性展 布的矿物类别差异，为构造解译提供可靠判据。图 3 中展示了一条由白云石、方解石等碳酸盐矿物形 成的断裂破碎带，填图结果清晰、连续地揭示出了 断裂构造的走向和分布，并与 1∶25 万地质图中构 造分布进行了对比验证。相比于地质图，矿物填图 结果还能够直观清楚地观测到断裂带的宽度、走向 形态以及其中充填的矿物类型，为野外地质工作提 供更加丰富翔实的资料。
（b）地质图褶皱形态
图 5 高光谱矿物填图揭示褶皱构造
2．成矿带岩性解译 地层岩性信息能够为理解整个成矿带区 域物质循环演化、金属矿产分布、岩浆热液 活动等提供信息，对地质勘查工作具有重要 意义。不同的岩性因其矿物成分、内部结构 及外部条件不同，在遥感影像上表现出明显 的多样性，因此与其他地物信息提取或遥感 解译相比，遥感岩性解译更加困难。本文利 用高光谱矿物填图成果，从矿物构成的尺度进 行 岩 性 划 分 识 别 ，分 类 结 果 更 加 精 细（ 图 6 ）。
基于地表裸露度和地表返照率影响的喀斯特地区热环境变化分析
基于地表裸露度和地表返照率影响的喀斯特地区热环境变化分析发布时间：2022-06-08T10:46:02.150Z 来源：《福光技术》2022年12期作者：陈庆霞1 王红2 [导读] 在自然和人为因素的影响下,喀斯特地区地表覆盖受到破坏,导致大面积地表裸露,同时影响着地表反照率的变化，进而引起周围地表温度发生改变。
1山东吉环环境科技有限公司山东济南 2501002山东吉达环境科技有限公司山东济南 250000 摘要：在自然和人为因素的影响下,喀斯特地区地表覆盖受到破坏,导致大面积地表裸露,同时影响着地表反照率的变化，进而引起周围地表温度发生改变。
以典型喀斯特区域安顺市为例,基于大气校正法反演地表温度,并结合同时期的地表裸露度和地表反照率变化情况分析喀斯特地区热环境变化特征。
关键词：喀斯特地区;地表裸露度;地表反照率;地表温度前言：喀斯特地貌在世界上分布广泛,其演变发展与全球变化和碳循环关系密切。
中国南方喀斯特在全球三大喀斯特集中连片区域中分布面积最大、发育类型最全。
西南喀斯特地区生境脆弱,对气候变化敏感。
土壤温度的动态变化特征对研究喀斯特山区生态交错带的土壤活性及生态小气候的监测具有重要意义,也有助于揭示土壤温度对喀斯特山区生态环境和生产力的影响。
作为影响土壤呼吸速率的重要因子,土壤温度对土壤无机碳释放具有重要影响。
有研究发现,西南地区年降雨量和降雨次数逐渐下降,而且极端降水事件增多,导致该区碳酸盐集聚层变浅、土壤无机碳库流失巨大。
因此,在全球气候变化和极端降水事件增加的背景下,研究喀斯特地区土壤温度变化特征及其影响因子能够为喀斯特土壤肥力评价提供科学参考,对于揭示喀斯特地区土壤碳循环和固存机理具有重要意义。
一、数据来源及研究方法（一）数据来源及预处理以Landsat影像为主要数据源﹐分别选用安顺市2020年4月[专题制图仪( thematic mapper，TM) ].2020年5月L增强专题制图仪(enhanced the-matic mapper，ETM+)]和2021年5月(OIL_TIRS,OIL为陆地成像仪﹐TIRS为热红外传感器)的三期影像﹐每期由行列号127/42和128/42的两景影像拼接而成,因受到喀斯特地貌及多云雨季风气候的影响,数据获取较为困难,三期影像时间间隔不一致。
实习7、地表反射率、温度的反演以及植被指数的计算
基本原理一)地表反射率是指地表物体向各个方向上反射的太阳总辐射通量与到达该物体表面上的总辐射通量之比。
反照率可以通过遥感成像提供的辐射亮度值L 或反照率p ，二向性反射率分布函数BRDF 来获得：地物反射率的光谱特征差异是从遥感影像中识别地表不同类型地物的基本依据，也是地表其他各种物理、生物物理参数反演的依据地表。
地表反射率的计算步骤：1、辐射定标：根据遥感影像DN 值计算到达传感器的各波段辐射亮度也就是将传感器记录的辐射量化值（Digital Number ，DN ）转换成绝对辐射亮度值、表观反射率，或者表观温度的过程。
绝对定标：通过各种标准辐射源，建立辐射亮度值与辐射量化值（DN ）之间的定量关系式中，辐射亮度值L 的常用单位为W/(m2.μm.sr)，或者μW/(cm2.nm.sr) 。
1W/(m2.μm.sr)=0.1 μW/(cm2.nm.sr)2、各波段表观反射率计算3、大气辐射校正（ENVI FLAASH/QUAC ）绝对大气辐射校正：消除大气辐射衰减效应，将遥感影像的DN 值转换为地表反射率、辐亮度、地表温度等的方法，此过程包含了辐射定标。
相对大气辐射校正：将遥感影像的DN 值转换为类似的整型数，同时消除大气辐射衰减效应。
FLAASH 是用数学建模辐射的物理行为，纠正波长在可见光至近红外和短波红外区域，最多3微米。
（对于热地区，使用基本工具>预处理>校准工具>热大气压校正菜单选项。
）不同于预先计算模拟结果的数据库内插辐射传输特性许多其他大气校正程序， FLAASH 采用了MODTRAN4辐射传输代码。
MODTRAN4并入ENVI FLAASH 的版本被修改，以校正在HITRAN -96水行参数的误差。
可以选择任何一种标准MODTRAN 大气模型和气溶胶类型，FLAASH 还包括以下功能：校正邻近效应（像素混合是由于表面反射辐射的散射） 计算场景的平均能见度（气溶胶/雾量）。
荒漠化信息提取
ENVI支持下的遥感荒漠化地信息提取(2012-04-17 08:25:23)转载▼标签：分类：遥感解决方案遥感荒漠化反照率(albedo)albedo-ndvi荒漠化差值指数杂谈背景土地荒漠化是指包括气候变异和人类活动在内的种种因素造成的干旱半干旱和亚湿润干地区的土地退化。
及时准确地掌握土地荒漠化发生发展情况是有效防止和治理土地荒漠化的基本前提。
目前遥感技术在土地荒漠化监测中起到了不可替代的作用。
使用遥感影像数据可以提取土地荒漠化信息，通过遥感影像所表现的不同信息，可以判断土地荒漠化的发生与否以及发展程度等。
在进行土地荒漠化信息提取时，常用的方法有人工目视解译方法、监督分类方法、非监督分类方法、决策树分层分类方法、神经网络自动提取方法等。
在实际应用中，通常选择其中的一种或结合几种方法进行分类提取。
目前，一种比较新的方法是通过构造“植被指数(NDVI)——反照率(Albedo)特征空间”来进行荒漠化信息遥感提取。
荒漠化过程及其地表特性的变化能在 Albedo-NDVI特征空间中得到明显直观的反映。
在Albedo-NDVI特征空间中，可以利用植被指数和地表反照率的组合信息，通过选择反映荒漠化程度的合理指数，就可以将不同荒漠化土地有效地加以区分，从而实现荒漠化时空分布与动态变化的定量监测与研究。
而这个问题的合理解决，实际上就是如何根据需要采用一定的综合指标来划分Albedo-NDVI特征空间。
根据Verstraete and Pinty的研究结论，如果在代表荒漠化变化趋势的垂直方向上划分Albedo-NDVI特征空间，可以将不同的荒漠化土地有效地区分开来。
而垂线方向在 Albedo-NDVI特征空间的位置可以用特征空间中简单的二元线性多项式加以表达，即DDI=k*NDVI - Albedo，其中: DDI可称为荒漠化分级指数，k由特征空间中拟合的曲线斜率确定。
本文主要介绍在ENVI下实现Albedo-NDVI特征空间遥感荒漠化信息提取的操作流程。
遥感解译技术在露天矿山生态修复中的应用
遥感解译技术在露天矿山生态修复中的应用新疆维吾尔自治区测绘成果中心新疆乌鲁木齐 830000摘要：露天矿山的生态修复工作是一项复杂的系统工程，需要在科学调查、技术分析和方法创新等方面进行持续深入研究。
遥感解译是露天矿山生态修复工作的基础，遥感解译成果可为地质环境评价、生态恢复规划等提供依据，也可为生态修复工程项目立项、实施与验收提供科学支撑。
本文以新疆天山北坡地区的露天矿山为研究对象，利用多源遥感数据进行解译分析，确定了研究区内露天矿山的分布及环境特征，并提出了露天矿山生态修复工程的实施建议。
研究结果表明：遥感解译技术可快速识别露天矿山范围及周边环境特征，对指导当地生态修复具有重要意义。
研究结果可为后续类似地区的露天矿山生态修复工作提供参考。
关键词：遥感解译技术新疆天山北坡露天矿山生态修复一、引言随着社会经济发展对矿产资源需求的不断增加，采矿活动在带动经济快速发展的同时，也造成了严重的环境问题。
目前，我国矿山地质环境问题主要包括：地质灾害、土地资源破坏、水资源短缺和水土流失等，其中，矿产资源开发对生态环境破坏较大。
近年来，在国家和地方各级政府的大力支持下，矿山地质环境治理取得了一定成效。
但矿山地质环境治理是一个长期且复杂的过程，需要建立健全矿山地质环境监测体系，开展矿山生态修复工作[1]。
遥感技术具有空间分辨率高、信息丰富、对野外环境要求低、可以连续获取大范围高分辨率遥感影像等优点，在地质调查、环境监测及国土空间规划等方面应用广泛。
本文以新疆天山北坡地区的露天矿山为研究对象，利用多源遥感数据获取研究区内的矿山信息，并开展了露天矿山生态修复工程的实践探索。
二、研究区概况研究区位于新疆天山北坡，面积约2.75km2,属准噶尔盆地南缘。
地形以山地丘陵为主，海拔高度500~1000m，相对高差200~500m。
气候属温带大陆性干旱气候，全年四季分明，夏季炎热多雨、冬季寒冷干燥；年均气温8.2℃，极端最高气温38.4℃，极端最低气温-36.7℃。
高光谱与多光谱遥感影像反演地表不透水面的对比--以Hyperion和 TM／ETM+为例
影像 中获取了 日本 Ｋａ ｓ ｕ ｍｉ ｇ ａ ｕ ｒ ａ 湖 流域 的不透水 面信息 ，总 均方根误差减少到 ５ ． ２ ／ ＂ ０ ，但在高 、 低 反照 不透水 面 区仍 存
在低估 、 高估现象ｌ ３ ］ ； Ｌ ｕ 等利用 Ｌ Ｓ ＭＡ模 型从 多时相 Ｌ ａ ｎ ｄ －
ｓ ａ ｔ 和 Ｑｕ ｉ ｃ ｋ Ｂ ｉ ｒ ｄ影像 中提取 了城 乡边缘区 的不透水面 ， 结 果
第３ ４ 卷 ， 第４ 期 ２ ０ １ ４年 ４ 月
光
谱学与光谱 Nhomakorabea分
析
Ｓ ｐ ｅ ｃ ｔ ｒ ｏ ｓ ｃ ｏ ｐ ｙ ａ ｎ ｄ Ｓ ｐ ｅ ｃ ｔ ｒ ａ ｌ Ａｎ ａ ｌ ｙ ｓ ｉ ｓ
Ｖｏ １ ． ３ ４ ， Ｎｏ ． ４， ｐ ｐ １ ０ ７ ５ — １ ０ ８ ０ Ａｐ ｒ ｉ ｌ ，２ ０ １ ４
率、 低反照率 、植被和土壤 ４端元的 Ｌ Ｓ ＭＡ模 型开展 了不 透 水面 的提取研究 ， 他们都发现低反 照不透水 面 中容易混入 水
环境问题 。因此 ，及 时掌握 不透水 面地 表 分布 的准确 信息 ，
对 环境 资源保 护 、 政府科学决策都有极为重要 的意义 。 目前 ，国内外众 多学者对不透水面 的提 取方法展 开了广
以上 国内外基 于 Ｌ Ｓ ＭＡ 的研 究都不 同程度 地存 在着 无
法将不透水面和土壤 、水体 、植被 阴影 区别 的问题 。现有研 究大部分都基于 Ｔ Ｍ／ Ｅ Ｔ Ｍ＋和 ＡＳ Ｔ Ｅ Ｒ等多光谱 遥感 数据 ， 这类影像光谱分辨率较低 ， 不透水 面与其他 地物 的光谱特 征
难以准确地体现出来 ，会造成 误分 的现象 。显然 ， 这 一 问题
微 细变化 ， 从而可 以更好地 区分不 同地物 。而 由特 征波段构 成的 Ｈｙ ｐ ｅ ｒ ｉ ｏ ｎ ’ 影像 由于大幅减少 了高光谱 影像 波段 的冗余 度 ， 所 以获得 了更高 的反演精度 。
北京地区地表反照率TM数据反演与分析_冯焱
影像的头文件。TM 影像的 6 个波段（ 第 6 波段热红外波段
除外） 定标后的得到各波段的辐亮度数据，分别代入 6S 模
型，6S 模型运行时主要输入参数如表 1 所示。
表 1 6S 模型的主要输入参数表
卫星成像时间 大气模式
气溶胶模式 大气象能见度（ km）
43： 52. 99 Midlatitude，summer Urban aerosols
－ －
LMINλ ） QCALMIN）
（
QCALMAX
－
QCALMIN）
（ 2）
式中，QCAL 为经过定标和量子化的比辐射率，单位为
数据 值 （ 无 单 位） 。LMINλ 为 QCAL = 0 时 的 波 谱 辐 射 率， LMAXλ 为 QCAL = QCALMAX 时的波谱辐射率，QCALMAX 为新的比辐射率（ rescaled radiance） 范围，各参数取值来自
地表温度（ LST） 和归一化植被指数（ NDVI） 是反映城市 小气候、环境的重要参数。利用 TM 的第六波段，采用覃 志豪提出的单窗算法反演地表温度，得到了北京市地表温 度分布图［19］。NDVI = （ 近红波段 － 红光波段） / （ 近红波段 + 红 光 波 段 ） ，对 于 TM 数 据， NDVI = （ Band4-Band3 ） / （ Band4 + Band3 ） ，利 用 经 过 6S 模 型 校 正 后 的 Band4 和 Band3，计算 2010 年的 NDVI，如图 4。
第 37 卷第 5 期 2012 年 09 月
测绘科学 Science of Surveying and Mapping
Vol. 37 No. 5 Sep.
我国高分一号卫星地表反射率产品精度验证_刘振华
我国高分一号卫星地表反射率产品精度验证刘振华，胡曼琴，胡月明，胡胜华（华南农业大学地理信息工程研究所，广州 510642）摘 要：本研究中主要对我国GF反射率产品进行验证，为了提高地表反射率产品验证精度，本文利用线性回归和MODTRAN4结合模型对我国GF卫星影像进行大气校正，获取我国高分地表反射率数据；为了保证地面样点野外实测光谱数据精度的可靠，在研究区布置不同样点，对地面样点进行均匀性检验，并对各样点的大量的地表野外同步观测的光谱数据进行统计分析，得到与卫星純像元的最为一致的地面样点光谱数据。
以广州增城研究区为例，大气校正后的GF反射率产品与地表实测光谱数据进行比较，验证结果表明，大气校正后的地表反射率数据与实测数据在水体的反射率上具有很好的一致性，水泥地次之，草地最差，但是三种地物的不确定度均不超过10%，证明此我国GF地面反射率产品是靠性的。
关键字：GF 大气校正；MODTRAN4；线性回归模型1 引言在不同地表类型、不同大气条件、不同季节下开展GF星的地表反射率产品的检验，全面分析GF星的地表反射率产品的优缺点，为提高我国GF星的图像质量提供技术支撑。
同时，地表反射率是相关地表参数定量反演的基础要素，反射率数据质量决定了其衍生信息的精度、质量与可用性，因此，对卫星反射率产品进行精度验证具有重要的意义。
由于遥感器在获取信息过程中受到大气分子、气溶胶和云粒子等大气成分吸收与散射的影响，使其获取的遥感信息产品带有一定的非目标地物成像信息，数据预处理的精度达不到定量的要求，消除这些因素的影响，反演获得真实的地物反射率是大气校正的主要任务。
随着遥感定量化研究的深入，大气校正的方法越来越多，模型也越来越完善，大致可以归纳为基于图像特征模型、地面线性回归经验模型和基于辐射传输模型的大气校正方法（赵英时，2003）。
基于图像特征模型的校正方法，包括直方图匹配法（Ricther，1996），黑体减法（Kaufman，1988），不变目标法（Hall，1991；Morman， 1992）等。
TM传感器辐射定标参数精度分析
TM传感器辐射定标参数精度分析侯东;宋国宝;董燕生;顾建宇【摘要】以2007年4月26日北京地区TM图像为例,对美国地质调查局(USGS)和中国遥感卫星地面站(RSGS)提供的传感器辐射定标参数进行精度评价.首先,根据不同来源的辐射定标参数,采用对应的定标系数计算公式得到相应的定标系数,采用不同的定标系数分别对DN值进行反演,得到不同辐射定标参数下的表观辐亮度数据; 然后,将两种表观辐亮度反演结果输入FLAASH大气校正模型,反演图像获取时的气象视距和地表反射率; 最后,通过同步气溶胶观测数据和高分辨率遥感影像对所反演的气象视距和地表反射率分类精度进行评价,得到传感器定标参数精度评价结果.研究表明: USGS提供的辐射定标参数能更为精确地反映TM传感器的辐射特征.【期刊名称】《国土资源遥感》【年(卷),期】2010(000)004【总页数】5页(P14-18)【关键词】辐射定标;大气校正;FLAASH;气象视距;最大似然分类【作者】侯东;宋国宝;董燕生;顾建宇【作者单位】北京师范大学资源学院,北京,100875;大连理工大学环境与生命学院,工业生态与环境工程教育部重点实验室,大连,116024;北京师范大学资源学院,北京,100875;北京师范大学资源学院,北京,100875【正文语种】中文【中图分类】TP75由传感器收集到的光辐射数据精确地反演或推算地球物理参量，并建立相应的测算与识别数值模型是定量遥感的目标［1］。
然而，传感器在获取地表信息的过程中由于受到大气分子、气溶胶和云粒子等大气成分吸收与散射的影响，使其获取的遥感信息中带有一定的非目标地物的大气信息［2］。
辐射定标是利用遥感图像进行大气信息和地表反射率反演的基础流程，传感器辐射定标参数对辐射定标结果精度有重要影响。
Landsat5所携带的传感器(TM)在不同时期的物理特性变化较大，各地面接收站采用的接收系统存在差异，导致多套反映TM传感器响应能力的辐射参数同时存在［3］。
地表反射率、表观反射率和反照率
地表反射率、表观反射率和反照率遥感反射率的定义：地物表⾯反射能量与到达地物表⾯的⼊射能量的⽐值。
遥感表观反射率的定义：地物表⾯反射能量与近地表太阳⼊射能量的⽐值。
⼤⽓校正就是将辐射亮度或者表观反射率转换为地表实际反射率，⽬的是消除⼤⽓散射、吸收、反射引起的误差。
1、反射率（Reflectance）：是指任何物体表⾯反射阳光的能⼒。
这种反射能⼒通常⽤百分数来表⽰。
⽐如说某物体的反射率是45%，这意思是说，此物体表⾯所接受到的太阳辐射中，有45%被反射了出去。
2、地表反射率（surface albedo）：地⾯反射辐射量与⼊射辐射量之⽐，表征地⾯对太阳辐射的吸收和反射能⼒。
反射率越⼤，地⾯吸收太阳辐射越少；反射率越⼩，地⾯吸收太阳辐射越多。
3、表观反射率（apparent reflectance ）：表观反射率就是指⼤⽓层顶的反射率,辐射定标的结果之⼀，⼤⽓层顶表观反射率，简称表观反射率，⼜称视反射率（=地表反射率+⼤⽓反射率。
所以需要⼤⽓校正为地表反射率）。
“5S”和“6S”模型输⼊的是表观反射率⽽MODTRAN模型要求输⼊的是辐射亮度。
4、⾏星反射率（planetary albedo）：从⽂献“⼀种实⽤⼤⽓校正⽅法及其在ＴＭ影像中的应⽤”中看到“卫星所观测的⾏星反射率（未经⼤⽓校正的反射率）”；在“基于地⾯耦合的TM影像的⼤⽓校正-以珠江⼝为例”⼀⽂有“该⽂应⽤1998年的LANDSAT5 TM影像,对原始数据进⾏定标、辐射校正,求得地物的⾏星反射率”。
因此⾏星反射率就是表观反射率。
5、反照率（albedo）：反照率是指地表在太阳辐射的影响下，反射辐射通量与⼊射辐射通量的⽐值。
它是反演很多地表参数的重要变量，反映了地表对太阳辐射的吸收能⼒。
它与反射率的概念是有区别的：反射率（reflectance)是指某⼀波段向⼀定⽅向的反射，因⽽反照率是反射率在所有⽅向上的积分；反射率是波长的函数，不同波长反射率不⼀样，反照率是对全波长⽽⾔的。
基于Landsat数据的地表温度反演差异及参数分析
基于Landsat数据的地表温度反演差异及参数分析
万继康;沈哲辉;李珊
【期刊名称】《红外与毫米波学报》
【年(卷),期】2024(43)2
【摘要】只有基于准确的地表温度反演算法计算出的产品数据,才能正确推广使用。
研究基于Landsat-8、Landsat-9和气象站数据,对比了5种常用地表温度反演算
法的结果,并对不同算法的反演结果和参数灵敏度进行了测试。
结果表明:基于地表
比辐射率参数计算的辐射传输方程和单通道算法反演结果与地面实测数据吻合较好。
基于大气水汽参数计算的单窗算法和劈窗算法的反演结果均高于实测温度。
基于平均温度参数计算的单窗算法反演精度误差较大。
此外,比较了两种遥感数据在不同
地物上反演温度的一致性。
研究结果可为地表温度反演和产品选择提供参考。
【总页数】9页(P226-234)
【作者】万继康;沈哲辉;李珊
【作者单位】江苏大学计算机科学与通信工程学院;南京林业大学土木学院;福州大
学经济与管理学院
【正文语种】中文
【中图分类】TP79
【相关文献】
1.基于Landsat 8数据的地表温度反演方法对比分析
2.基于Landsat8数据的地表温度反演分析研究--以南宁市城区为例
3.基于GEE与Landsat8数据的杭州市地表温度反演及时空变化分析研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于归一化植被指数和地表反照率的土地沙漠化遥感监测研究
基于归一化植被指数和地表反照率的土地沙漠化遥感监测研究刘茂华;邵悦;李雪欣【摘要】目的对土地沙漠化状况进行监测和评价,研究土地沙漠化变化及趋势预测,为恢复植被覆盖和改善生态环境提供依据.方法以新疆昌吉为研究区域,采用Land-sat遥感影像,经过预处理后通过提取归一化植被指数和地表反照率的空间特征,获取沙漠化差值指数,分析与评价新疆昌吉地区的沙漠化程度.结果新疆昌吉地区2011年沙漠面积为62.29％,裸地面积为26.97％;2013年沙漠面积为59.92％,裸地面积为28.59％;2015年的沙漠面积为77.73％,裸地面积为18.14％.2011-2013年,沙漠化差值指数增大,沙漠面积减少;2013-2015年,沙漠化差值指数显著减小,土地沙漠化面积大幅度增加;沙漠化等级由中度沙漠化演变为轻度沙漠化,又由轻度沙漠化变为重度沙漠化.结论沙漠化差值指数与沙漠化等级呈负相关性,DDI可正确地反映土地沙漠化的变化情况.【期刊名称】《沈阳建筑大学学报（自然科学版）》【年(卷),期】2019(035)003【总页数】7页(P512-518)【关键词】沙漠化;动态监测;NDVI;Albedo;沙漠化差值指数【作者】刘茂华;邵悦;李雪欣【作者单位】沈阳建筑大学交通工程学院,辽宁沈阳110168;沈阳建筑大学交通工程学院,辽宁沈阳110168;东北大学资源与土木学院,辽宁沈阳110819【正文语种】中文【中图分类】TU198+.3;P237土地沙漠化是人类活动和气候变化造成土地退化的一个过程[1].从时间上来讲,土地沙漠化发生在人类历史时期;从空间上来讲,土地沙漠化发生在干旱地区(半湿润和半干旱);从本质上讲,土地沙漠化是一种土地退化过程,主要以风、沙的活动,时间和空间的限制为特征;就起源而言,土地沙漠化是人类活动、气候变化等因素的结果;从景观上来讲,土地沙漠化是一个逐渐变化的过程,风沙活动所引起的地表形态作为景观标志,大部分最终形成一种沙漠景观[2].土地表面逐渐被风蚀和粗化,被沙丘占据,造成土地生产力、土地生产潜力和土地资源的严重损失.我国沙漠化地区面积较大且逐年增长[3].中国西北干旱地区是沙漠化较为严重的地区之一,土地沙漠化给当地的经济发展带来了严重的影响,对居民生活、生态健康等构成严重威胁.传统的土地沙漠化监测方法是对研究区沙漠化的类型和程度进行连续调查,记录和分析.目前我国对土地沙漠化的监测大部分还依靠国家层面的调研数据,国家大尺度的调研数据往往无法满足部分区域对沙漠化监测预报的需求[4-5].利用卫星遥感影像提取沙漠化信息可以对土地沙漠化区域进行监测,“3S”技术具有信息量大,覆盖范围广,周期短,监测结果更为准确详细的特点.“3S”为沙漠化监测提供了新的技术和手段[6].因此,应用“3S”技术可对沙漠化土地现状进行监测,能及时准确地了解和掌握沙漠化发生、发展的规律和程度,可了解沙漠化的现状，对沙漠化土地进行评估及防治,为恢复植被覆盖和改善生态环境提供依据.笔者通过利用GIS技术和RS技术相结合的方法,以西北地区沙漠化较为严重的新疆昌吉地区为例,探讨一种利用Landsat影像为数据源,通过提取归一化植被指数(NDVI)和地表反照率指数(Albedo)来获得沙漠化信息的方法,从而来进行对土地沙漠化的监测和评价.1 遥感数据源新疆昌吉地处中国西北部,地貌类型主要有平原地区、山地地区和沙漠地区.研究区面积为34 236.519 km2,土地沙漠化较为严重.笔者选用新疆昌吉地区2011年6月的Landsat4-5TM影像,2013年6月和2015年6月的Landsat8 OLI影像,3期来自USGS官方网站不同时相的遥感影像作为数据源.由于2011年、2013年和2015年的数据处理流程相同,所以笔者通过对新疆昌吉2015年土地沙漠化的研究评价其沙漠化程度.Landsat8 OLI共有9个波段,其中第8波段空间分辨率为15 m,Band1-Band 7以及Band9空间分辨率为30 ndsat4-5TM一共有7个波段,其中Band 6的空间分辨率为120 m,其余波段的空间分辨率均为30 ndsat系列数据具有更好的连续性和更丰富的谱带[7].此外Landsat系列卫星数据有着较好的时间分辨率和空间分辨率,对于中小区域的沙漠化监测有良好的适应性.利用Landsat遥感数据监测具有宏观性、综合性、重复性、经济快速等特点,是监测土地沙漠化的有力工具.Landsat遥感数据监测与耗时耗工、高成本、低效率和精度难以保证的传统人工调查相比,客观、快速、低成本、范围大、多时相和非破坏性特征,能客观地反映实际情况和土地覆盖动态变化.图1为2015年新疆昌吉地区截取的部分影像,可以看出北部地区沙漠化程度较为严重.图1 2015年新疆昌吉影像图Fig.1 Image map of Xinjiang Changji in 20152 数据预处理2.1 辐射校正辐射校正是以消除传感器引起的内部误差和环境因素引起的外部误差(大气折射和地面波动)为主要目的[8].根据校正结果的分类,辐射校正包括绝对和相对两种校正模式.绝对辐射校正是将遥感影像的像元亮度值(DN)转换为真正的地表反射值,需要获取图像过境时的地表测量数据.由于地形起伏等原因的影响,需对大气校正和传感器方面加以考虑[9],所以一般来说这种方法比较复杂.相对辐射校正又称之为遥感图像光谱归一化,使用其中的一个图像作为参照图像,并通过调整另一个图像的DN,使两幅图像中的相同地物具有相同的DN值.辐射定标是将像元的亮度值转换为上层大气的反射率或者光谱辐射亮度的过程[10].根据辐射定标值计算遥感器的光谱辐射亮度值,计算方法为L=Qcal×Gain+Bias.(1)式中:L为遥感器光谱辐射亮度;Qcal为像元的亮度值;Gain和Bias分别为遥感图像的增益值和偏置值.Gain=(Lmax-Lmin)÷(Qcalmax-Qcalmin),(2)Bias=Lmin-[(Lmax-Lmin)÷(Qcalmax-Qcalmin)]×Qcalmin.(3)式中:Lmax为光谱辐射度的最大值；Lmin为光谱辐射度的最小值；Qcalmax为像元可取得的最大亮度值；Qcalmin为像元可取得的最小亮度值.当像元亮度值最小时,光谱辐射度最小;像元亮度值最大时,光谱辐射度也相应最大.其中Qcalmin=0,Qcalmax=255,辐射定标可将图像的像元亮度值转换为大气顶层的辐射亮度值[11].笔者对2015年新疆昌吉影像图进行辐射定标,可选择Display→Profiles→Spectral查看辐射定标波谱曲线(见图2).定标后的光谱辐射度主要集中在0～10内.图2 辐射定标波谱图Fig.2 Radiometric calibration spectrum2.2 大气校正大气校正是将遥感影像中获得的大气辐射能以及其他辐射能的吸收和散射所引起的误差消除.目前主要的方法有:①不变目标法;②基于辐射传输模型的大气校正法;③直方图匹配法;④黑暗像元法[12].大气校正的操作流程:(1)输入文件的设置.将辐射定标之后的数据格式转换成ENVI的标准格式文件—BIL/BIP.需为每一个波段指定一个缩放因子,也可为整幅影像的所有波段指定相同的缩放因子.(2)遥感器参数的设置.遥感器的飞行高度、地面高程、数据采集时间、空间分辨率、地面中心坐标等参数由图像的区域位置确定.图像的平均高度由软件获得,不能通过查询直接确定.(3)大气模式的设置.FLAASH(大气校正模块)共有Tropical、Sub-Arctic Summer、Mid-Latitude Summer、Sub-Arctic Winter、Mid-Latitude Winter以及U.S.Standard 6种标准的大气模式.(4)气溶胶模式的设置.FLAASH模块有4种标准的气溶胶模式,分别为Rural、Tropospheric、Urban以及Maritime模式.(5)设置多光谱和去除水汽的具体参数.(6)最后设置输出文件以及存储路径,得到大气校正后的结果.笔者依据ENVI软件中的大气校正模块(FLAASH)的一般性和可运用性,选择辐射传输模型中的MORTRAN模型来进行大气校正.输入文件时对整幅影像设置单位缩放因子,单位缩放因子为0.1.大气模式选择Mid-Latitude Summer大气模式.气溶胶模式的设置选择Rural模式,并采用K—T变换的方法去除气溶胶.多光谱及去除水汽的具体参数设置如表1所示.表1 具体参数设置Table 1 Specific parameter settings气溶胶比例高度/kmCO2混合比率/10-6光谱分辨率/cm-1天顶角/(°)方位角/(°)输出反射比例因子1.539015180010 000完成设置后得到能见度、水汽柱的大气校正反演结果,选择Display→Profiles→Spectral查看大气校正波谱曲线(见图3).从图3可以看出,纵坐标的像元亮度在扩大10 000倍之后,数据值的范围在几百到几千.可以使用Bandmath波段计算工具除以10 000得到0～1内的反射率数据.大气校正波谱曲线与图2辐射定标的波谱曲线相比,大气校正后的影像基本消除了空气中水汽颗粒等因子的影响,植被的波谱曲线趋于正常.图3 大气校正波谱图Fig.3 Correction spectrum of atmospheric2.3 信息提取为了保证数据的一致性,计算出的NDVI和Albedo值,需对其计算值进行正规化处理.正规化处理前分别对NDVI和Albedo进行提取,提取流程:(1)提取归一化植被指数.植被覆盖度、生长状态等可用归一化植被指数来监测.利用经过辐射校正和几何校正的数据计算提取NDVI.NDVI提取流程:主菜单→Transform→弹出NDVI Calculation Parameters对话框→标定波段→保存文件并设置输出路径→点击OK.(2)提取地表反照率.地表反照率是表征地面以下垫面辐射特征的一个重要参数,且地表辐射平衡会随着它的变化而变化,并直接影响大气的产生[12].可根据辐射通量推算出不同波段的权重值,基于辐射传输模型进行光谱校正,从而计算出宽波段的地表反照率.利用S.Liang[13]建立的Landsat-TM数据的反演模型来估算地表反照率. Albedo=0.356ρTM1+0.130ρTM3+0.373ρTM4+0.085ρTM5+0.072ρTM7-0.001 8.(4)式中:ρTM1、ρTM3、ρTM4、ρTM5、ρTM7为不同波段的权重值.(3)正规化处理.使用数据正规化公式对NDVI和Albedo进行正规化数据处理.N=[(NDVI-NDVImin)÷(NDVImax-NDVImin)]×100%.(5)式中:N为正规化处理后的归一化植被覆盖指数;NDVImin为归一化植被指数的最小值;NDVImax为归一化植被指数的最大值.A=[(Albedo-Albedomin)÷(Albedomax-A lbedomin)]×100%.(6)式中:A为正规化处理后的地表反照率;Albedomin为地表反照率的最小值;Albedomax为地表反照率的最大值.笔者对昌吉市影像分别计算了NDVI和Albedo的最大值与最小值.NDVI的最大值为0.178 625,最小值为-0.009 221;Albedo的最大值为3 674.955 322,最小值为-0.001 800.然后分别对NDVI和Albedo数据进行正规化处理:主菜单→选择Basic Tools→点击ToolsBandmath选项→在Band Math对话框中输入NDVI 和Albedo正规化表达式→点击Add to List→点击OK,在Variablesto Band Pairings面板中指定相对应的波段信息,最终得到正规化后的NDVI和Albedo数据.2.4 计算NDVI和Albedo的定量关系正规化后的NDVI与Albedo两者之间存在着一种负相关的线性关系.不同沙漠化土地类型对应的NDVI和Albedo具有不同的线性负相关性[14-15].Albedo=a×NDVI+b.(7)式中:a为系数;b为参数.式(7)说明,随着土地沙漠化程度的加剧,NDVI逐渐减小,而Albedo逐渐增大[16].在Albedo-NDVI二维特征空间中,直观地反映了沙漠化过程及其地表特征.在研究区选取1 768个样点,对正规化后的NDVI与Albedo数据进行统计回归分析,其相关系数R2=0.87,趋近于1,表明在Albedo-NDVI二维空间中,NDVI与Albedo具有非常强的线性负相关性.根据式(7)确定NDVI和Albedo两者之间的定量关系,计算得到新疆昌吉地区2011年、2013年和2015年NDVI和Albedo 的拟合关系.Albedo2011=-10.52 NDVI +2 682.7,(8)Albedo2013=-7.747 4 NDVI +1 877.9,(9)Albedo2015=-366.9 NDVI +1 084.6.(10)3 沙漠化差值指数地表辐射平衡可随着地表反照率的变化而变化,从而对植被覆盖度和土壤水分造成影响,使地表的温度发生改变.对于土地沙漠化遥感监测,利用沙漠化差值指数(DDI)评价比采用多个评价指数要更简便[17],因此可以选择一个合理的指标来对不同程度的沙漠化土地加以区分,从而实现对土地沙漠化程度的监测和评价.因此通过DDI 可以有效区分不同的沙漠化土地程度,实现时空的定量监测.Albedo-NDVI线性二元多项式表示为DDI=k×NDVI-Albedo.(11)式中:DDI称为沙漠化差值指数;k为线性二元多项式的斜率.不同类型的沙漠化土地与DDI平均值之间的关系如表2所示[18],表2可作为判定土地沙漠化程度的依据.表2 不同沙漠化土地DDI值Table 2 DDI values of different desertified landDDI平均值土地沙漠化程度132.8非沙漠化土地105.9轻度沙漠化土地92.7中度沙漠化土地78.7重度沙漠化土地65.2极重度沙漠化土地从式(10)可知,新疆昌吉地区2015年系数a=-366.9.按a=-1/k求解,确定k值.把计算得出的k值代入DDI计算式(式(11))中,可得出2015年昌吉市DDI的最终表达式为DDI2015=1/366.9×NDVI-Albedo.(12)按同样的方式计算2011年和2013年的DDI表达式.DDI2011=1/10.52×NDVI-Albedo.(13)DDI2013=1/7.747×NDVI-Albedo.(14)使用ArcGIS软件打开在ENVI中处理之后的新疆昌吉地区矢量图,通过统计沙漠和裸地的像元个数,再乘以各自的像元值计算出沙漠面积和裸地面积.根据2011年、2013年和2015年新疆昌吉地区沙漠和裸地面积可以得出:2011—2015年沙漠面积依次为62.29%,59.92%,77.73%;裸地面积依次为26.97%,28.59%,18.14%.根据DDI表达式计算出DDI的平均值,对照表2可判断土地沙漠化的程度.新疆昌吉各年份DDI与沙漠化情况信息如表3所示.表3 新疆昌吉各年份DDI与沙漠化情况信息Table 3 Information of DDI and desertification in Changji,Xinjiang from 2011 to 2015年份沙漠面积/km2裸地面积/km2DDI平均值沙漠化程度201121 326.269 49 234.25795.6中度沙漠化201320 513.652 39 786.735 1100.1轻度沙漠化201526 611.185 46 210.556 781.2重度沙漠化通过DDI表达式可得到DDI的反演图.获取DDI反演图的操作步骤:主菜单→Basic Tool→Bandmath→在Enter an expression对话框上输入DDI表达式,点击添加到列表,单击确定,并设置文件名和输出路径,得到2015年昌吉市DDI反演图(见图4).DDI反演图为一个灰度图像,灰度值为0～255.其中黑色灰度值为0,白色灰度值为255,每个像元的灰度值代表此像元的沙漠化程度.灰度值越小代表DDI值越小,土地沙漠化程度则越大;灰度值越大则代表DDI值越大,土地沙漠化程度越小.由图4可以看出,中部偏北部地区沙漠化较为严重,东南部地区植被覆盖度较好.图4 2015年新疆昌吉沙漠化差值指数反演图Fig.4 Inversion map of desertification difference index of Changji in 20154 结论(1)新疆昌吉地区2011—2015年沙漠面积为依次为62.29%,59.92%,77.73%;裸地面积依次为26.97%,28.59%,18.14%.沙漠面积随着时间的推移发生了明显的起伏变化,2011—2013年,沙漠面积小幅减少;2013—2015年沙漠面积大幅度增加,沙漠面积总体呈显著上涨趋势.(2)2011年新疆昌吉DDI平均值为95.6,为中度沙漠化土地;2013年新疆昌吉DDI 平均值为100.1,为轻度沙漠化土地;2015年新疆昌吉DDI平均值为81.2,为重度沙漠化土地.2011—2013年,DDI值没有显著变化,而沙漠化面积也没有过多浮动.2013—2015年,DDI值显著减小,土地沙漠化面积大幅度上升.验证了DDI值与沙漠化程度呈负相关性,DDI反映了不同年份土地沙漠化程度,与实际沙漠化程度变化情况相吻合,正确地反映了土地的沙漠化变化情况.参考文献【相关文献】[1] 朱金峰.巴丹吉林沙漠边缘地区近20年土地沙漠化遥感监测研究[D].兰州:兰州大学,2011. (ZHU Jinfeng.Monitoring of desertification on the edge of badainjaran desert in recent 20 years based on remote sensing imagery[D].Lanzhou:Lanzhou University,2011.)[2] 陈佳楠,邓芳,乌恩图,等.浑善达克典型区域沙化土地十年遥感监测分析[J].中国农学通报,2015,31(29):227-234.(CHEN Jianan,DENG Fang,WU Entu,et al.10 years remote sensing monitoring analysis of desertification land of representative region in Hunshandake[J].Chinese agricultural science bulletin,2015,31(29):227-234.)[3] 韩刚.基于多尺度遥感数据的荒漠化草原土壤含水率监测研究[D].呼和浩特:内蒙古农业大学,2017.(HAN Gang.Study on monitoring soil moisture content ofdesertifiedgrassland based on multi-scale remote sensing data[D].Hohhot:Inner Mongolia Agricultural University,2017.)[4] 潘竟虎,秦晓娟.基于植被指数-反照率特征空间的沙漠化信息遥感提取：以张掖绿洲及其附近区域为例[J].测绘科学,2010,32(3):193-195.(PAN Jinghu,QIN Xiaojuan.Extracting desertification from landsat imagery using a feature space composed of vegetation index and albedo：a case study of Zhangye oasis and its adjacent areas[J].Science of surveying and mapping,2010,32(3):193-195.)[5] 曾永年,冯兆东.黄河源区土地沙漠化时空变化遥感分析[J].地理学报,2007,62(5):529-536. (ZENG Yongnian,FENG Zhaodong.Spatial and temporal changes of desertification in the headwater area of the Yellow River using remote sensing[J].Acta geographicasinica,2007,62(5):529-536.)[6] 官雨薇,何彬彬.基于遥感影像的全球沙漠化指数构建及趋势分析[D].成都:电子科技大学,2015. (GUAN Yuwei,HE Binbin.Construction and trend analysis of global desertification index based on remote sensing image[D].Chengdu:University of Electronic Science and Technology of China,2015.)[7] 陶安琪.被动微波遥感纳木错湖冰变化研究[D].南京:南京大学,2014.(TAO Anqi.Research on the variation of Namco Lakeice by passive microwave remote sensing[D].Nanjing:Nanjing University,2014.)[8] 顾余庆.基于遥感与GIS的基本农田调整方法研究:以东海县为例[D].南京:南京师范大学,2014. (GU Yuqing.Research on demarcate method of basic farmland based on RS and GIS:a case of donghai county[D].Nanjing:Nanjing Normal University,2014.)[9] 庄晨辉,陈铭潮,李峥.遥感技术在土地沙化监测中的应用[J].福建林学院学报,2006,26(4):324-327. (ZHUANG Chenhui,CHEN Mingchao,LI Zheng.Application of remote sensing technology in land desertification monitoring[J].Journal of Fujian college of forest,2006,26(4):324-327.)[10] 彭立.岷江上游生态水信息指标参数遥感反演与变化监测[D].成都:成都理工大学,2016. (PENG Li.Remote sensing inversion and change monitoring of ecological water information index parameters in the upper reaches of MinjiangRiver[D].Chengdu:Chengdu University of Technology,2016.)[11] 程洪.基于数字图像处理的玉米品种识别研究[D].保定:河北农业大学,2007.(CHENG Hong.Study on corn species identification based on digital imageprocessing[D].Baoding:Hebei Agricultural University,2007.)[12] 郁斢兰.海上交通枢纽建设的悬浮泥沙数值模拟与遥感监测研究:以大连海上机场为例[D].大连:大连海事大学,2015.(YU Yulan.Remote sensing and numerical simulation of suspended sediment pollution caused by offshore transportation hub construction:the background of Dalian offshore airport[D].Dalian:Dalian Maritime University,2015.)[13] LIANG S.Nanowband to broadband conversions of land surfacealbedo:algorithms[J].Remote sensing of environment,2001,76(2):213-238.[14] 袁宏波.黄河源区玛曲县草地沙化动态监测及区域景观结构分析研究[D].兰州:甘肃农业大学,2006.(YUAN Hongbo.Grassland sandification dynamic monitoring and landscape pattern analysis of MaquCounty in sourceregion of yellow river[D].Lanzhou:Gansu Agricultural University,2006.)[15] 李苗苗.植被覆盖度的遥感估算方法研究[D].北京:中科院研究生院,2003.(LI Miaomiao.Research on remote sensing estimation methods of vegetation coverage[D].Beijing:Graduate School of Chinese Academy of Sciences,2003.)[16] 贾树海,王潇雪,杨亮.辽北农牧交错带土地荒漠化及景观格局变化研究[J].中国水土保持,2014,18(5):51-55.(JIA Shuhai,WANG Xiaoxue,YANG Liang.Study on land desertification and landscape pattern change in the farming-Pastoral ecotone of northern Liaoning[J].Soil and water conservation in China,2014,18(5):51-55.)[17] 侯晓真,张书毕,宁晓刚,等.基于TM影像波段运算的沙漠变化检测分析[J].大地测量与地球动力学,2013(6):145-149.(HOU Xiaozhen,ZHANG Shubi,NING Xiaogang,et al.Desert change detection and analysis based on TM image band operation[J].Journal of geodesy and geodynamics,2013(6):145-149.)[18] 曾永年,向南平,冯兆东,等.Albedo-NDVI特征空间及沙漠化遥感监测指数研究[J].地理科学,2006,26(1):75-81.(ZENG Yongnian,XIANG Nanping,FENG Zhaodong,et al.Albedo-NDVI space and remote sensing synthesis index models for desertification monitoring[J].Scientia geographica sinica,2006,26(1):75-81.)。
- 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)。
Ｓ ｕ ｙ ｏ ｉ ｕ ａ ｉ ｎ ｏ ｕቤተ መጻሕፍቲ ባይዱｆ ｃ ｂ ｄ ｎ ｔ ｅ Ｎｏ ｔ ｅ ｎ Ｓ ｏ ｔ ｄ ｎ Ａｓｍ ｌ ｔｏ ｆＳ ｒ ａ ｅＡｌ ｅ ｏ ｉ ｈ ｒ ｈ ｒ ｌ ｐｅ
ｏ ａ ｈ ｎ Ｍ ｏ ｎｔ ｉ ｓ Ｂａ ｅ ｎ ＴＭ ｍ ａ ｅ ｆ Ｔｉ ｎｓ ａ ｕ ａｎ ｓｄ ｏ Ｉ ｇ
Ｓ ｏ ｅ ｏ ａ ｓ ａ ｏ ｎ ａｎ ｓｔ ｅｓ ｕ ｙ ａ ｅ ｎ ｈ ｌ ｐ ｆＴｉｎ ｈ ｎ Ｍ ｕ ｔ ｉ ｓ ａ ｈ ｔ ｄ ｒ ａ ａ ｄ ｔ ｅＴＭ ｍａ ｅ ａ ｈ ａ ａｓ ｕ ｃ ， ｎ ｏ ｄ ｃ ｅ ｏ ｏ ｒ ｐ ｉ ｎ ｔ ｓ ｈ ｒ ｉ ｇ ｓｔ ｅ ｄ ｔ ｏ ｒ ｅ ａ ｄ ｃ ｎ ｕ ｔ ｄ ｔ ｐ ｇ ａ ｈ ｃ ａ ｄ ａ ｍｏ ｐ ｅ —
２１． Ｏ１２
叠感 应用
遥感信息
基于 Ｔ 影像天 山北坡地 表反 照率反演方法 的研 究 Ｍ
王 继 燕① ， ～ 罗格 平①， 坤① ， 蕾①② 严 ～ 鲁 ＇
（ 中 国科 学 院新 疆 生 态 与 地 理 研 究 所 ， 鲁 木 齐 ８ ０ １ ； 中 国科 学 院研 究 生 院 ， 京 １Ｏ ４ ） ① 乌 ３０１② 北 Ｏ Ｏ ９
上 ， 据 亮 度 、 度 、 度 ３个 特 征 变 量 的 物 理 意 义 ， 根 绿 湿 以各 波 段 能 量 权 重 为 转 换 参 数 对 窄 波 段 地 表 反 照 率 进 行 组 合 ， 现 研 究 区宽 波 段 地 表 反 照 率 的反 演 ， 出基 于 不 同波 段 的 物理 意 义 的 地 表 反 照 率 。 实 得 关 键 词 ： 表 反 照率 ； 形 校 正 ； 气校 正 ； 谱 校 正 ； 工 河 流 域 地 地 大 光 三
ｉ ｏ ｒ ｃ ｉ ｎ ａ ｄ ｓ ｅ ｔ ａ ａｉ ｒ ｔ ｎ Ｌａ ｄ ｓ ｒａ ｅ ｎ ｒｏ ａ ｄ ａ ｂ ｄ ａ ｅａ ｈ ｅ ｅ ． ｃ ｒ ｉ ｇ ｔ ｈ ｉ ｅ ｅ ｔ ｈ ｓｃ ｌ ａ — ｃ ｃ ｒ ｅ ｔ ｎ ｐ ｃｒ ｌ ｌ ａ ｉ ． ｎ ｕ ｆ ｃ ａ ｒ ｗｂ ｎ ｌ ｅ ｏ ｃ ｎ ｂ ｃ ｉｖ ｄ Ａｃ ｏ ｄｎ ｏ ｔ ｅ ｄ ｆ ｒ ｎ ｙ ｉａ ｏ ｃ ｂ ｏ ｆ ｐ ｍｅ ｎ ｉ ｇ ｏ ｈ ａ ｄ ｏ ａ ｅ ｌ ｅ ｔ ｅ ｂ ｏ ｄ ａ ｄ ｓ ｒａ ｅ ａ ｂ ｄ ａ ｅ ｃ ｌｕ ａ ｅ ａ ｅ ｎ ｔ ｅｂ ｎ ｉ ｈ ｓ Ｉ ｓ ｆ ｕ ｄ ｔ ａ ｔ ｗａ ｎ ｆｔ ｅ ｂ ｎ ｆｓ ｔ ｌ ｔ ，ｈ ｒ ａ ｂ ｎ ｕ ｆ ｃ ｌ ｅ ｏ ｃ ｎ ｂ ａ ｃ ｌ ｔ ｄ ｂ ｓ ｄ ｏ ｈ ａ ｄ ｗｅｇ ｔ ． ｔｗａ ｏ ｎ ｈ ｔｉ ｉ ｓ ｒ ａ ｏ ａ ｌ Ｏ ｕ ｅｄ ｆｅ ｅ ｔｂ ｎ ｓｔ ｃ ｉｖ ｈ ｌ ｅ ｏ ｏ ｉｆｒ ｎ ｅ ｔ ｒ ｓ Ｍ ｅ ｎ ｉ ｌｏ ａ ａｙ ｅ ｐ ｔ ｌｄ ｓ ｒ ｕ ｉ ｎ ｐ ｔ ｅ ｓ ｎ ｂ ｅ ｔ ｓ ｉ ｒ ｎ ａ ｄ ｏ ａ ｈ ｅ ｅｔ ｅ ａｂ ｄ ｆｄｆ ｅ ｅ ｔ ａ ｕ ｅ ． ｆ ｆ ａ ｗｈ ｌ ｗｅ ａｓ ｎ ｌ ｚ ｄ ｓ ａ ｉ ｉｔ ｉ ｔ ａ — ｅ ａ ｂ ｏ ｔ ｒ ｆｓ ｒ ａ ｅａ ｂ ｄ ｆｔ ｅ ｄ ｆｅ ｅ ｔｌｎ － ｓ ａ ｇ ｎ ｖ ｒ ｗａ ｅ ｓ ｅ ． ｅ ｎ ｏ ｕ ｆ ｃ ｌ ｅ ｏ ｏ ｈ ｉｆ ｒ ｎ ａ ｄ ｕ ｅ ｉ Ｓ ｎ ｏ ｇ Ｒｉ ｅ ｔ ｒ ｈ ｄ ｎ Ｋｅ ｒ ｓ ａｂ ｄ ｔ ｐ ｇ ａ ｈ ｃ ｃ ｒ ｅ ｔ ｎ； ｔ ｓ ｈ ｒｃ ｃ ｒ ｅ ｔ ｎ； ｐ ｃｒ ｌｃ ｌ ｒ ｔ ｎ； ａ ｇ ｎ ｖ ｒ ｗａ ｅ ｓ ｅ ｙ ｗｏ ｄ ． ｌ ｅ ｏ；ｏ ｏ ｒ ｐ ｉ ｏ ｒ ｃ ｉ ａ ｍｏ ｐ ｅ ｉ ｏ ｒ ｃ ｉ ｓ ｅ ｔ ａ ａ ｉ ａ ｉ Ｓ ｎ ｏ ｇ Ｒｉｅ ｔ ｒ ｈ ｄ ｏ ｏ ｂ ｏ
摘 要 ： 表 反 照 率是 气候 模 型 和地 表 能 量 平 衡 方 程 中 的 重 要 参 数 。 基 于 ６ 地 Ｓ模 型估 算 地 表 反 照 率 ， 略 了地 忽
形起伏 的影响， 同波段 组合 的地表 反照率 也有待进 一 步研 究。本 文选 取干旱 区典 型流域—— 天 山北坡 三工河 不 流域为研 究区域 ， ＴＭ 影像 为数据 源逐步进行地形校 正 、 气校 正等 ， 而提取 窄波段地 表反 照率。在 此基础 以 大 从
Ａｂ ｔａ ｔ Ｔｈ ｕ ｆ ｃ ｌ ｅ ｏ ｉ ｎ ｉ ｏ ｔ ｎ ａ ａ ｔ ｒ ｏ ｈ ｌ ｔ ｄ ｌ ａ ｄ ｓ ｒａ ｅ ｅ ｅ ｇ ａａ ｃ ｑ ａ ｉｎ ｓ ｒ ｃ ： ｅ ｓ ｒ ａ ｅ ａ ｂ ｄ ｓ ａ ｍｐ ｒａ ｔ ｐ ｒ ｍｅ ｅ ｆ ｔ ｅ ｃ ｉ ｅ ｍｏ ｅｓ ｎ ｕ ｆ ｃ ｎ ｒ ｙ ｂ ｌｎ ｅ ｅ ｕ ｔ ．Ｔｈ ｍａ ｏ ｅ ｓ ｕ ｙ ｏ ｕ ｆ ｃ ｌ ｅ ｏ ｉ ｂ ｓ ｄ ｏ Ｓ ｍｏ ｅ ｅ ｌ ｃ ｉｇ ｔ ｅ ｉ ａ ｔｏ ｈ ｅ ｒ ｉ ． ｅ ｔ ｔ ｌｓ ｏ ｔｗａ ｅ ａ ｂ ｄ ａ ｅ ｃ ｌｕ ａ ｅ ｔ ｄ ｆｓ ｒ ａ ｅ ａｂ ｄ ｓ ａ ｅ ｎ ６ ｄ ｌｎ ｇ ｅ ｔ ｈ ｍｐ ｃ ｆｔ ｅｔ ｒ ａ ｎ Ｔｈ ｏ ａ ｈ ｒ ｖ ｌ ｅ ｏ ｃ ｎ ｂ ａ ｃ ｌｔ ｄ ｎ ｉ ｈ ｏ ｍａ ａ ｅ Ｈｏ ｖ ｒ ｄ ｆｅ ｅ ｔｂ ｎ ｏ ｉ ａ ｉ ｎ ｆｓ ｒ ａ ｅａ ｂ ｄ ｒ ｆｅ ｇ ｏ ｅ ． ｉ ａ ｅ ｈ ｏ ｅ ｈ ｒ ｈ ｒ ｎ ｔ ｅｎ ｒ ｌｃ ｓ ． ｗｅ ｅ ， ｉｆ ｒ ｎ ａ ｄ ｃ ｍｂ ｎ ｔ ｓ ｏ ｕ ｆ ｃ ｌ ｅ ｏ ａ ｅ ｏ ｔ ｎ ｉｎ ｒ ｄ Ｔｈ ｓ ｐ ｐ ｒ ｃ ｏ ｓ ｓ ｔ ｅ Ｎｏ ｔ ｅ ｎ ｏ
Ｗ ＡＮＧ ｉ ａ 。～ ， Ｊ－ ｎ ｙ ＬＵＯ － ｉｇ ， Ｇｅｐｎ 。 ＹＡＮ ｎ Ｋｕ ０～ ， ＬＵ ｉ ０ Ｌｅｍ’
（ Ｘｉｊａ ｇ Ｉ ｓ ｔｔ ｏ ｏｏ ｙ ａ ｄ Ｇ ｏ ｒ ｐ ｙ， ｈｎ ｓ ａ ｅ ｆ Ｓ ｉ ｃ ， ｌｍｕ ｉ８ ０ １ ； ① ｎ ｉ ｎ ｎ ｔ ｕｅ ｆ Ｅｃｌｇ ｎ ｅ ｇ ａ ｈ Ｃ ｉ ｅｅ ｉ Ａｃ ｄ ｍｙ ｏ ｃｅ ｅ Ｗｕ ｕ ｑ ３ ０ １ ｎ ② Ｇ ａ ｕ ｔ Ｓ ｈ ｏ ， ｈ ｎ ｓ Ａｃ ｄ ｍ ｆ Ｓ ｉｎ ｅ ， ｅ ｉｇ １ ０ ４ ） ｒ ｄ ａｅ ｃ ｏ ｌ Ｃ ｉｅｅ ａ ｅ ｙ ｏ ｃ ｃｓ Ｂ ｉ ｎ ０ ０ ９ ｅ ｊ
ｄ ｉ１ ． ９ ９ ｊｉｓ ． ０ ０ １ ７ ２ １ ． ２ ０ ２ ｏ ：０ ３ ６ ／．ｓｎ １ ０ —３ ７ ． ０ １ ０ ． １
中 图分 类 号 ： Ｐ ９ Ｔ ７
文 献标 识 码 ： Ａ
文 章 编 号 ：０ ０ ３ ７ （０ １ １４ ０ ３ ６ １ ０ — １ ７ ２ １ ） １ —０ ６ —０