英语原文共 4 页，剩余内容已隐藏，支付完成后下载完整资料

基于MODIS数据22和23波段的地表温度快速反演方法

摘要

地表温度(LST)是一系列地表研究所必需的，通常使用热红外遥感数据进行反演。本文中，我们提出了一种方法：使用中红外22和23波段反演MODIS数据的地温。由于22和23波段的中心波长非常接近，我们假设：①这两个波段的带平均表面e误差相等，②在两个波段之间的整合普朗克积分符合统计关系。基于这两个假设，经过大气校正后，地表温度恢复原始值。选择我们提出的地温反演方法进行测试，反演地温图像的显示与相应标准的MODIS数据具有良好的一致性。地表温度积的相对误差plusmn;1％。 研究结果表明，该方法可以快速反演MODIS地表温度。

1. 引言

地表温度是研究地表能量物理过程的一个重要参数^[1]。一般来说，热红外遥感是通过辐射传输方程得到的地表温度^[2-4]。然而，由于中红外数据在该光谱域中发射和反射之间的作用相互混合，使得难以获取地表温度。研究中，我们提出了一种使用MODIS数据22和23波段地表温度快速反演方法。这两个波段分别为3.929-3.989mu;m和4.02-4.08mu;m。

2. 数据和方法

2.1 数据

研究选择MODIS数据的22和23波段，以及其它几个二级产品，包括：MOD03、MOD04、 MOD05和MOD07。大气和几何参数如表1所示。

测试例子来源于10月4日反演的图像，其观测面积为360KM²* 360KM²(即360像素* 360像素)。

表1 本研究使用的MODIS二级产品

2.2 方法

在晴空条件下，若不考虑像元邻近效应^[5]， MIR波段中的大气辐射表达为：

右边的三个分量与地表反射有关：地表辐射和路径辐射。rho;和isin;分别为反射率和发射率L_BBi是普朗克函数的整合，其它四项为公式中的术语。如表2所示：

提取出22和23波段的这四项，可以通过对两种不同反射率^[6]在MODTRAN4进行运算。此外，根据基尔霍夫定律：isin;可以用1-rho;_i表示。我们做了两个假设来简化方程进行地温计算。首先，认为地表反射率在22和23波段相等^[7]。从MODIS发射率库中^[8]，选择137种常见地表材料。

图1 测试区域(a)波段22和(b)波段23的TOA辐射图像。辐射单位为w/m²/m/sr

表2 四种路径术语及其解释。

常见的表面材料，包括土壤、植被、水和人造。计算得到22和23波段的平均发射率，如图2所示。从图2中可以看出，对于这些常见的材料，22波段的平均发射率和23波段非常相似。考虑到发射率和反射率之间是统一的，结果表明第一个假设是合理的。普朗克积分在22波段和23波段之间符合由式(2)描述的经验关系:

建立相关分析：L_{BB 23}和L_{BB 22}在的地表温度范围在200K至400K（图3）。 在图3中，终止系数（R2）是0.9999，表明L_{BB 23}和L_{BB 22}之间有显着的线性相关性：

图2 137种表面的带平均发射率材料在22和23波段

rho;的计算:

式(4)中，G22、G23、R22、R23表示:

然后可以使用查找表检索地表温度，在LST和L_{BB 22}之间建立联系。

图3 L_BB23与L_BB22的散点图。显示了变换方程和测定系数这里。 还绘制了最佳拟合线

图4（a）测试区域来自MOD11 LST产品的地表温度，（b）运用所提出的方法进行反演

3.结果和讨论

3.1 结果

研究按照以下步骤进行：首先,大气和几何参数从MOD03、MOD04、MOD05和MOD07产品中每个像素提取；然后,将其作为参数输入MODTRAN4计算；最后，根据预先计算的LUT，获得LST图像。

用这些术语和TOA辐射图像在22波段和23波段，使用lbb22图像生成(3)和图(4)。最后，根据预先计算的LUT获得了LST图像。MOD04和MOD07的空间分辨率分别为10km和5km;自气溶胶和臭氧对其影响不明显，利用22和23波段的大气特性MOD04和MOD07上的最近邻域插值产品以获取相应的1km数据。

为了验证我们的地温反演方法，将结果与MODIS地温产品进行了比较。由图3可知：从我们的方法反演到的LST图像与MOD11 LST产品非常相似。相对误差如图4所示。测试图像中绝大多数像素与MOD11 LST产品的误差在1%以内。此外，测试图像的总体相对误差为0.44%，表明该方法具有良好的应用前景，与MODIS的LST产品一致。

3.2 讨论

陆地表面温度通常是通过热红外图像来获取的。本文提出了一种快速的地温反演方法，利用中红外数据对MODIS图像进行处理。这方法使用两个假设并反演LST图像。实验结果与MODIS LST值吻合较好结果表明，该方法适用于MODIS数据。

图5所示。利用该方法获取的LST图像的相对误差。

4. 参考文献

[1] Z.-L. Li, B.-H. Tang, H. Wu, H. Ren, G. Yan, Z. Wan, I. F.Trigo, and J. A. Sobrino, “Satellite-derived land surface temperature: Current status and perspectives,” Remote Sens. Environ., vol. 131, pp. 14 – 37, Apr. 2013.

[2] Z. Wan and J. Dozier, “A generalized split-window algorithm for retrieving land-surface temperature from space,” IEEE Trans.Geosci. Remote Sens., vol. 34, no. 4,pp. 892–905, 1996.

[3] Z. Wan and Z.-L. Li, “A physics-based algorithm for retrieving land-surface emissivity and temperature from eos/modis data,” IEEE Trans.Geosci. Remote Sens., vol.35, no. 4, pp. 980–996, Jul. 1997.

[4] J. A. Sobrino, J. C. Jimenez-Mu acute; noz, and L. Paolini, “Land surface temperature retrieval from landsat tm 5,”Remote Sens. Environ., vol. 90, no. 4, pp. 434–440, 2004.

[5] W. Verhoef and H. Bach, “Simulation of sentinel-3 images by four-stream surface atmosphere radiative transfer modeling in the optical and thermal domains,” Remote Sens. Environ., vol. 120, pp. 197–207, May 2012.

[6] S. A. Cota and L. S. Kalman, “Predicting top-ofatmosphere radiance for arbitrary viewing geometries

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[18359]，资料为PDF文档或Word文档，PDF文档可免费转换为Word