基于MODIS数据的MSG-SEVIRI TIR通道 的地表发射率反演外文翻译资料

英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料

基于MODIS数据的MSG-SEVIRI TIR通道

的地表发射率反演

摘要：提出了一个程序，允许使用来自中等分辨率成像光谱辐射计（MODIS）传感器的信息来提高当前用作广义分割窗口的Meteosat第二代/旋转增强型可见和红外成像仪（SEVIRI）的发射率图的质量 （LSA SAF）卫星应用设施运营链中陆地温度（LST）检索的（SW）算法。过程提出了允许使用信息的中分辨率成像光谱仪(MODIS)传感器提高辐射率对气象卫星地图的质量第二代/旋转增强目前使用可见光和红外成像仪(SEVIRI)作为输入一个广义分裂窗(SW)陆地表面温度(LST)检索算法在卫星应用设施的运营链地表分析(LSA SAF)。MODIS的信息通过在SEVIRI热红外通道中表示发射率的线性回归模型并入，作为MODIS带中发射率的线性组合。线性模型应用于MODIS发射率产品MOD11C3，并与LSA-SAF产品进行比较。 特别注意北非的半干旱和干旱地区，发射率高度可变。与新的发射率图相比，LSA-SAF产品在这些区域上显示出更均匀的发射率值，导致所有通道的检测更高（偏差约0.03），除了IR3.9（偏差为-0.05至0.08）。 对于IR3.9（IR10.8和IR12.0），平方误差（RMSE）为0.06至0.09（0.02至0.03），IR8.7为0.06。通过使用以下方法比较SW算法的检索来评估对LST的影响：1）来自MOD11C3的SEVIRI发现率SAA-SAF产品和2）SEVIRI发射率图。 LSA-SAF发射率产品的不确定性导致LST值偏离范围为-0.4至1.0K，RMSE约为1.6K。于MODIS数据的新发射率图可能是半干旱和干旱地区标准LSA-SAF发射率产品的替代品，覆盖了SEVIRI全盘中26％的地表。

关键词： 发射率，地表温度（LST），线性回归，MSG / SEVIRI，TERRA /中等分辨率成像光谱仪（MODIS）。

引言

利用空间数据反演地表温度（LST）仍然是一项具有挑战性的任务，遇到的大多数困难主要与单次辐射测量不仅受地表温度（LST）影响，还受地表发射率的影响和大气的热结构和组成。因此，基于遥感测量的LST的任何精确反演需要对大气影响的适当表征以及LST和发射率的影响之间的净差异。即使考虑到在完全均匀，等温，平滑表面的特殊情况，对于所有大气的影响的信号都进行了校正，单个热红外（TIR）测量将导致一些总是小于未知数的方程。如果仅仅基于观察结果，分离LST和发射率的影响是不可能的，因此单独的辐射数据不能引出LST反演问题的独特解决方案[1]–[3]。解决方程组的一种方法是借助于发射率值的先验分配，以及在操作环境中常用的方法，例如基于分割窗（SW）算法的方法（例如[4] - [7]），依靠从发射率图中提取的信息。在这种情况下，提供的发射率值的准确性对所检索的LST的质量起决定性的作用。

由于其简单性，使用归一化差异植被指数（NDVI）估计发射率的方法已经应用于提供可见/近红外信息的各种传感器[8]。 发射率的估计通常也是通过地面分类图[9] - [11]提供的土地覆盖类型信息与从谱库提取的发射率实验室测量结果[12] - [14]得到的。这种基于分类的发射率方法的主要优点是它们提供了在全球范围内获取地图的可能性。 此外，不需要对TIR辐射进行校正，因此不需要关于大气状态的信息。然而，当使用这种类型的方法时，很难找到一种合适的方法去结合实验室发射率测量，以充分表征不同土地覆盖类别[15]。特别是当给定的表面类型（例如，布雷西亚）包含大量不同的材料时，这是特别真实的。 例如，在半干旱和干旱地区，先进的空间散热和反射辐射计（ASTER）和中等分辨率成像光谱仪（MODIS）的卫星观测显示出与土壤，砂岩和岩石多样性有关的发射率的显着空间变异性; 然而，土地覆盖图通常将不均匀区域分类为单一表面类型，即贫瘠，沙漠或裸露的土壤。[16]。

Peres和DaCamara [17]已经推出了发射率图，它们提供了在Meteosat第二代（MSG）卫星上的旋转增强型可见和红外成像仪（SEVIRI）的通道IR3.9，IR8.7，IR10.8和IR12.0中的辐射率信息。该过程依赖于地表被认为是异质系统的植被覆盖方法[15]。发射率的目标值用于计算SEVIRI通道内的发射率值，国际地圈生物圈计划（IGBP）土地覆盖图的信息用于区分在SEVIRI全盘内发生不同类型的地面。然后根据有关植被覆盖度分数的信息获得植被和地面的比例，最终计算有效辐射率。获得的地图用于当前在陆地表面分析卫星应用设施（LSA SAF）的操作链中使用的广义SW算法[18]的LST检索[19]。尽管它的计算效率，SW算法满足LST准确度2.0K的预定目标的能力[20]十分重视提供的发射率的质量。 如预期的那样，LSA-SAFLST产品的质量问题已经在半干旱地区覆盖，覆盖了SEVIRI全盘的26％的土地面积，几乎全部对应于撒哈拉以南和阿拉伯半岛地区[17]。Wan等 [21]指出，在1公里的MODIS LST产品中使用的基于分类的方法[14]倾向于高估半干旱地区的发射率，导致了通用SW算法对LST的低估[7]。1 km的MODIS LST估计的质量在这些领域很差，特别推荐使用基于SW算法的LST产品在湖泊，水体，积雪/冰和密集的植被地区，其中发射率是先验的 。反过来，发射率不太了解的地区的LST的检索又依赖于不需要先验的发射率知识的方法。 在这方面，利用MODIS [21]和ASTER数据[22]的LST和发射率反演的有效性已经表明，MODIS和ASTER LST /发射率产品分别由日/夜法[2]和 温度分辨率分析（TES）算法[3]在半干旱和干旱地区提供了准确的结果，因为科学方法允许同时检索LST和发射率。

因此，本文的目的是讨论如何利用其他传感器的信息在发射率不太了解的半干旱和干旱地区来提高SEVIRI当前使用的发射率图的质量。 我们将特别注意TERRA和AQUA卫星上的MODIS仪器，并处理如何通过MODIS频段的发射率的线性组合来最佳地表达SEVIRI TIR通道中的发射率的问题。为此，不同的线性回归模型首先用来自ASTER谱库的发射率数据进行校准，该数据库包括来自三个不同来源的数据，即约翰霍普金斯大学（JHU）光谱库，喷气推进实验室（JPL）光谱库，以及 美国地质调查局（USGS-Reston）光谱库[23]。 然后，校准的模型针对加州大学圣巴巴拉分校MODIS-UCSB发射率图书馆的发射率数据进行验证。获得的最优线性模型然后应用于使用MODIS / TERRA LST /发射率月度全球0.05度地理气候模拟网格（CMG）产品（MOD11C3）的发射率作为输入，获得SEVIRI信道的发射率图。

由于基于MODIS数据的新的SEVIRI发射率映射将对应于MODIS观察几何，因此提出了一种允许将MODIS的发射率转换为SEVIRI视角的半经验非朗伯模型。2006年1月，4月，7月和10月，运行SEVIRI LSA-SAF发射率产品和基于MOD11C3产品的新型SEVIRI发射率图进行比较，特别强调北非地区，其真实条件如下：1）发射率高度可变; 2）LSA-SAF最高的错误预计会发生; 3）昼/夜算法预期能够适当地表征发射率。 最后，通过比较来自SW算法的检索，使用以下输入来评估对LST的影响：1）SEVIRI发射率LSA-SAF乘积；2）来自MOD11C3的SEVIRI发射率图。

方法和数据

总体程序包括以下四个步骤：1）准备数据进行线性回归模型的校准和验证; 2）校准和验证模型; 3）将开发的模型与MODIS传感器的检测到的发射率值一起应用，以生成MSG盘上SEVIRI通道的地表发射率（LSE）图; 和4）使用新的SEVIRI发射率映射作为SW算法的输入，以便通过MSG磁盘检索LST。

表1

SEVIRI和MODIS传感器的TIR中的光谱

表I介绍了SEVIRI和MODIS仪器的TIR通道的系统比对。 可以注意到，MODIS日/夜LST算法提供七个TIR频带（即，信道20,22,23,29,31,32和33）中的发射率估计，所有频带，除了一个（即信道33） 都位于SEVIRI通道IR3.9，IR8.7，IR10.8和IR12.0所涵盖的范围内。 考虑到辐射度分辨率和多个TIR频带以及由TERRA和AQUA平台提供的全球覆盖范围，MODIS仪器作为建立发射率图的特别有用的信息来源。

我们开始设置涵盖各种材料的SEVIRI和MODIS通道的通道发射率数据集。 为此，我们依靠JHU和JPL光谱库，这两个库都包含在ASTER库中。 我们还使用了MODIS-UCSB发射率图书馆的数据，这些资料被保留用于验证。ASTER图书馆全面收集了2300多种各种材料的光谱，包括岩石，矿物质，月球土壤，陆地土壤，人造材料，陨石，植被，雪和冰，通过TIR波长区域覆盖可见光 （0.4-15.4mu;m）。材料仅限于属于植被，水土，岩石和人造等级的物质，因为这些类别的光谱是通过方向半球反射（DHR）测量的，允许通过基尔霍夫定律推导光谱发射率[24] ，即

ε（lambda;，theta;）= 1-rho;（lambda;，theta;）（1）

其中ε（lambda;，theta;）是波长lambda;和角度theta;的方向发射率，rho;（lambda;，theta;） 相同的波长，用于辐射以相同的角度入射。

图1. 四种不同样品的光谱辐射率，（a）来自JPL的牛奶石英（125-500-尺寸范围），（b）来自MODIS-UCSB的干草（样品1），（c）覆盖有沙漠清漆的玄武岩卵石，由 约翰·索尔兹伯里（John Salisbury），（d）JHU的深黄棕色粉质粘土（干燥剂类）。

根据JPL图书馆的资料，沙丘沙以奶石英（125-500-mu;m大小）为代表。 使用沙漠清漆覆盖的玄武岩卵石的信息（由J.W.Sbisbury提供）进一步表征沙漠表面，足以掩盖下面岩石的光谱特征[13]。 从（1）中计算出并且从本工作中使用的四个上述光谱集合获得的光谱发射率值（即JHU，JPL，John W.Salisbury和MODIS-UCBS）示于图1中。 1代表四个代表性样本。

根据通道发射率的定义，然后将光谱发射率值用于评估发射率：1）SEVIRI通道IR3.9，IR8.7，IR10.9和IR12.0；2）MODIS通道20,22,23,29和31.因此，我们已经计算出给定传感器（即SEVIRI和MODIS）的给定通道c的所谓发射率，εSENSOR_c，如下所示：

其中SENSOR_c可以取值SEVIRI_c或MODIS_c，fc（lambda;）是通道c中考虑的传感器的光谱响应函数，B（lambda;，Ts）是指由普朗克表面温度Ts的函数给出的发射辐射度， lambda;1和lambda;2分别是信道光谱范围的下限和上限。 可以注意到，对于Ts（例如，Ts = 300.0K），假定恒定值不会引起明显的误差，因为大多数表面材料的辐射率对温度的依赖性通常非常小。 例如，不同的作品（例如[7]和[25]）已经表明，（2）中的普朗克函数项可以从加权过程中取出，而不会引起明显的错误。

图2. 关于植被，土壤和岩石类别的SEVIRI通道IR3.9，IR8.7，IR10.8和IR12.0的发射率值。 盒子具有较低四分位数，中值和上四分位数的线。 盒形晶须定界数据集的整个范围。

适当地估计了εSEVIRI_c和εMODIS_c的值，这些通道来自JHU和JPL库的182个样品以及John W. Salisbury提供的数据的合适的通道（见表I）。还对来自MODIS-UCSB库的134个样本的验证集合估计了εSEVIRI_c和εMODIS_c的值。图2示出了作为三类材料即植被，土壤和岩石的盒形和晶须图的εSEVIRI_c的获得值。盒子具有较低四分位数，中间值和上四分位数值的行，并且从盒的每一端延伸的晶须界定数据集的整个范围。可以注意到，对于大多数样品，发现的最低发射率值约为3.9mu;m，而最大值发生在12.0mu;m附近。关于发射率变异性，3.9mu;m附近的值呈现最大的波动（0.402〜0.991），其次是8.7（0.474〜0.995），11.0（0.715〜0.996），12.0mu;m（0.870〜0.991）的光谱带。一般来说，获得的结果表明，植被的发射率值比土壤和岩石的辐射率值较大，变异性较小。

我们假设给定SEVIRI TIR通道c，εSEVIRI_c中的发射率可以通过MODIS通道发射率的线性组合来表示，即，

其中预测器εMODIS_c是MODIS通道发射率，并且aMODIS_c和bMODIS是模型的未知系数，通过最小二乘回归估计。 （3）给出的模型使用从上述182个样本的校准集中提取的对（εSEVIRI_c，εMODIS_c）进行校准。 然后，该模型针对134对的验证集进行验证。

基于（3）的线性模型允许将发射率从MODIS频带转换为SEVIRI频带。 因此，在本研究中通过对MOD11C3每月CMG LST /发射率产品（Collection-4）进行校准和验证回归，获得SEVIRI通道IR3.9，IR8.7，IR10.8和IR12.0的发射率图。 该产品由CMG的0.05°空间分辨率定义的月平均温度和发射率的全球网格复合材料组成。 如果每天（MOD11C1）和八天（MOD11C2）产品能够捕获植被变化和表面湿度变化，每月（MOD11C3）产品就具有提供LSE数据的优势，因为卫星覆盖和云层无间隙。MODIS LST /发射率的检索是基于物理学的日夜算法[2]，提供七个MODIS波段（20,22,23,29和31-33）的发射率值。 使用MODIS机载模拟器数据验证白天/黑夜方法表明，LST的检索值与263-3322 K范围内的plusmn;1

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27495]，资料为PDF文档或Word文档，PDF文档可免费转换为Word