下载文档原格式
陆地表面温度反演的研究现状及发展趋势地球表面温度是一个重要参数，精确定量反演陆面温度，对旱灾预报和作物缺水研究、农作物产量估算、全球气候变化等领域的研究具有巨大的推动作用。
利用遥感资料进行地表温度的反演已成为目前遥感定量研究中的热点和难点之一。
近年来有关方法的研究非常多，主要反演方法可分为5类。
本文对各种方法所要解决的关键问题及优缺点做了评述。
如何提高反演的精度和模型的适用性是地表温度热红外遥感的未来发展趋势。
标签：陆地表面温度比辐射率热红外遥感组分温度反演在许多模型中，如大气与地表的能量与水汽交换、数字天气预报、气候变化等方面，地表温度都是一个不可或缺的重要参量[1]。
大多数地-气界面的通量都可参数化为温度的一个函数[2]。
遥感可以提供二维陆面温度分布信息[3]。
通过遥感技术，可获得区域性或全球性地表温度分布状况。
因此利用卫星数据演算地表温度，探讨卫星热通道的理论及其实际应用方法，已成为遥感科学的一个重要领域。
近年来许多方法被用于从热红外波段探测到的经大气影响的地表辐射，并结合其它辅助数据来估算地表温度。
1遥感反演地表温度的原理目前遥感反演地表温度的方法主要有传统的大气校正法、单窗算法等。
这些算法最基本的理论依据是维恩位移定律和普朗克定律。
根据Planck定理，黑体的光谱发射特性可以表示为：式中B（λ）T是黑体辐射强度，单位为W·m-2·sr-1·μm-1 ，λ是波长，C1和C2是辐射常数，C1=3.7418×W·m-2；C2=1.4387685×λm·K，T是温度，单位是K 。
Planck函数给出了黑体辐射的辐射强度与温度波长的定量关系。
从（1）式可以看出，温度确定后，由Planck函数可以确定辐射源的能量谱分布，进而可以推算出物体的能量谱峰值的波长[4]。
反之，从物体的能量谱分布及辐射强度也可计算出物体的实际温度。
这也是地表温度能被反演的理论基础。
东北师范大学地理信息系统专业毕业论文指导教师：黄方邓立辉1、引言 (3)2、ASTER数据特征 (3)3、ASTER地表温度反演 (5)3.1研究区与数据 (5)3.2地表温度反演方法 (5)3.3地表温度反演实验 (7)3.4地表温度反演结果 (9)4、结论 (12)参考文献 (13)基于ASTER数据的地表温度反演研究摘要：热红外遥感是研究地表热辐射特性的重要手段之一，遥感反演陆地温度可获得地表温度空间差异，而地表温度是地球表面能量平衡和温室效应的一个重要指标，是区域和全球尺度地表物理过程的一个关键因子，在城市热岛研究、农业干旱监测及区域温度变化等领域有重要应用。
与TM、MODIS数据相比，ASTER数据具有较高的空间分辨率和波谱分辨率，特别是ASTER数据中的第13和14波段，在反演区域地表温度方面具有良好的应用前景。
本文应用ASTER数据的优势，采用劈窗算法，对研究区地表温度进行反演，求算研究区的NDVI值并对地物进行分类，简单分析地物类型、NDVI与温度的相关性。
关键词：遥感；地表温度；ASTER；温度反演Land Surface Temperature Retrieval Based on ASTER ImageAbstract: Thermal infrared remote sensing is one of the important approaches to study the surface thermal radiation characteristics. Inversion of land surface temperature with remote sensing reveals the spatial difference in LST. Land surface temperature is not only a essential index of the Earth surface energy balance and greenhouse effect, but also a key factor of local and global land physical processes. LST is widely applied to detect urban heat island, agricultural drought and regional temperature changes. Compared to TM and MODIS data, ASTER image has higher spatial resolution and spectral resolution in particular band 13 and 14 which has shown promising application in land surface temperature retrieval. making use of the advantages of ASTER data, land surface temperature was estimated by split window algorithms. NDVI was calculated and thereby land cover classification was performed. After that, the correlation between NDVI and LST was discussed.Keywords: Remote sensing;Land temperature; ASTER; Temperature retrieval1、引言地表温度LST（Land Surface Temperature）是研究地表与大气之间物质和能量交换的重要参数，是地球表面能量平衡和温室效应的一个指标，具有区域和全球性。
基于Landsat8影像和劈窗算法的济南地区地表温度反演作者：王菲来源：《绿色科技》2015年第08期摘要：地表温度是表征地表能量和资源环境变化的重要参数，通过地面观测站获得大面积地表参数并不现实。
遥感影像以其面积广、更新快、数据廉价的特点广泛应用于地表参数的求取。
利用Landsat8卫星影像，采用劈窗算法，对地表比辐射率和大气透过率进行了估算，实现了对济南地区地表温度的反演。
利用同日的MODIS温度产品对反演结果进行了验证，结果表明：反演结果能较真实地反映济南地区地表温度的分布规律。
关键词：济南地区；地表温度；Landsat8；劈窗算法中图分类号：TP79文献标识码：A文章编号：16749944（2015）080015041引言地表温度能清晰地表征地表能量平衡和资源环境变化，是一个重要的地表参数。
地面监测站虽然可以实时观测某些点的温度，但无法实现大面积获取该地区的地表温度参数。
遥感影像面积广、更新快，可以方便快捷地获得大面积地表温度参数。
不少学者曾针对地表温度反演做过大量工作[1～5]：覃志豪等使用陆地卫星TM6数据进行地表温度单窗算法反演，并针对TM6热红外波段特征给出地表比辐射率和大气参数的估算[1～3]；毛克彪等人利用MODIS数据和劈窗算法对山东地区的地表温度进行了反演，结果较合理[4]；陈云以Landsat8其中一个热红外通道—第11波段为数据源，利用单窗算法对厦门市的地表温度和热岛效应进行了求算和研究，得到较好结果[5]。
劈窗算法的数据源多选用MODIS、NOAA-AVHRR等拥有两个热红外通道的遥感影像。
MODIS数据反演地温效果较理想，但由于MODIS等数据的空间分辨率太低，因此MODIS等中低分辨率的数据比较适合反映大区域的温度变化规律。
针对于小区域的地表温度反演，目前多以TM、ETM、中巴资源卫星、HJ-1B等中高分辨率影像为数据源，利用单窗算法反演地表温度。
Landsat8影像数据源较新，两个热红外通道波谱范围与MODIS数据相近。
地表温度反演实验报告一、引言地表温度是指地球表面的温度，它是地球气候系统的重要组成部分，对气候变化和生态系统具有重要影响。
因此，准确地测量和监测地表温度对于气候研究和环境保护至关重要。
然而，直接测量地表温度是困难且昂贵的，因此反演地表温度的方法应运而生。
二、反演地表温度的方法1. 热辐射测量法热辐射测量法是一种常用的反演地表温度的方法。
它利用地表辐射的热能来推算地表温度。
该方法需要使用红外辐射仪器来测量地表辐射的强度，并通过相关的算法将辐射强度转换为地表温度。
这种方法的优点是准确性高，可靠性好，但需要专业仪器和较高的技术水平。
2. 遥感卫星监测法遥感卫星监测法是一种广泛应用于地表温度反演的方法。
通过使用遥感卫星搭载的热红外传感器，可以获取全球范围内的地表温度数据。
这种方法具有测量范围广、周期性强、时效性好等优点，可以实时监测地表温度的变化。
但是，由于遥感数据的分辨率和精度限制，对于小尺度的地表温度反演可能存在一定的误差。
三、地表温度反演实验过程本实验使用了热辐射测量法来反演地表温度。
首先，选择了一个开阔的地面区域作为实验区域，并安装了红外辐射仪器。
然后，在不同时间段内进行了一系列的地表温度测量。
通过测量地表辐射的热能，利用相关的算法将辐射强度转换为地表温度。
最后，将测量得到的地表温度数据进行整理和分析。
四、实验结果与讨论通过实验测量和分析，得到了一系列地表温度数据。
根据这些数据，可以得出地表温度在不同时间段内的变化趋势和空间分布。
结果显示，在白天，地表温度较高，特别是在中午时段；而夜晚，地表温度较低，特别是在凌晨时段。
此外，地表温度在不同地理位置上也存在差异，如山区和平原地区的地表温度差异较大。
五、结论与展望通过热辐射测量法反演地表温度的实验，我们可以准确地获取地表温度数据，并分析其变化趋势和空间分布。
地表温度的变化对气候变化和生态系统具有重要影响，因此对地表温度的监测和研究具有重要意义。
未来，我们可以进一步完善地表温度反演的方法，提高测量精度和时效性，以更好地应对气候变化和环境保护的挑战。
利用单通道算法对MERSI数据进行地表温度的反演研究摘要选取2008年8月16日MERSI 1km遥感数据,以新民为中心截取170×170像元区域作为研究区,选用具有普适性的单通道算法对其进行地表温度的反演。
结果表明:MERSI LST数值低于观测值12k左右,低于MODIS LST18k左右。
虽然MERSI LST反演结果未能达到理想偏差范围,但是反演温度的趋势与实际观测值和MODIS LST趋势基本一致,最高值均出现在康平,最低值则都出现在本溪。
关键词单通道算法;MERSI数据;地表比辐射率;大气水汽含量;地表温度1云检测利用VC++对基于HDF5格式的MERSI数据进行提取、数据预处理、云检测,判断所选用数据是否可用。
在有云的情况下,热红外波段得到的不是真实的地表温度。
为了有效地消除云的干扰,从遥感图象上获得真实的地表温度信息,首先要进行云像元识别,即进行云像元的检测,以达到去除云像元的目的。
云在3波段(0.65μm)具有高反射率,而且0.65μm遥感图象对区分陆地和云的边界较好;云在近红外波段18波段(0.94μm)的波谱特征主要与大气中的含水量有关,它主要反映大气中的水汽特征,即水汽吸收谷。
由于在0.65μm与0.94μm处,云与各种地物波谱特征形成明显反差,因此将其归一化处理,不仅可以突出云的信息,而且可以部分消除太阳高度角、卫星扫描角及大气程辐射的影响,归一化云检测指数CDI(Cloud Detection Index)表示为:选用FY3A_MERSI_GBAL_L1_20080903_0145_1000M_ MS.HDF和FY3A_MERSI_GBAL _L1_20080816_0225_1000M_ MS.HDF数据,以沈阳(东经123.4°,北纬41.8°)为中心截取100×100像元。
云的云检测指数为正(CDI>O),土壤的云检测指数接近0(CDI≈0),植被的云检测指数为负(CDI0的像元是9513个。
地表温度遥感反演模型改进及其在城市规划中的应用思考地表温度是指地表各点的温度值，它是地球能量平衡过程中重要的参数之一。
传统的地表温度观测方法包括气象站点观测和陆地表面观测，然而这些方法在时间和空间上存在一定的局限性。
近年来，利用遥感技术对地表温度进行反演成为一种重要的手段。
本文将通过改进地表温度遥感反演模型，并探讨其在城市规划中的应用思考。
首先，地表温度遥感反演模型的改进对于提高反演精度具有重要意义。
目前，一般采用黑体辐射模型和亮温-温度关系模型进行地表温度的反演。
然而，这些模型在复杂地表条件下存在一定的局限性，如城市地表由于城市热岛效应等因素造成的温度变化较大。
因此，我们可以通过引入辅助因子来改进地表温度遥感反演模型。
例如，可以利用土地利用/覆盖类型（Land Use/Cover Types，LULC）数据、高程数据和气象数据等，结合多源数据构建地表温度反演模型。
这样可以综合考虑不同因素对地表温度的影响，提高反演模型的准确性和稳定性。
其次，地表温度遥感反演模型在城市规划中有着广泛的应用前景。
城市规划是指通过合理的布局和设计，以实现城市的可持续发展和人民生活质量的提升。
地表温度作为城市热环境的重要参数，对城市规划具有重要的指导意义。
首先，地表温度反演模型可以为城市规划提供科学依据。
通过对地表温度的反演和分析，可以揭示城市热岛效应的空间分布特征，为城市规划提供热环境指导。
其次，地表温度反演模型可以辅助城市热环境评价。
通过对地表温度的反演和分析，可以评估城市热环境的状况，为城市规划和城市管理部门提供决策支持。
再次，地表温度反演模型可以为城市热环境治理提供科学依据。
通过对地表温度的反演和分析，可以研究城市热岛效应的形成机制，制定相应的治理措施，以改善城市热环境。
然而，地表温度遥感反演模型在应用过程中还面临一些挑战和问题。
首先，地表温度遥感反演模型对数据质量要求较高。
由于遥感数据本身具有一定的噪声和误差，因此对遥感数据进行预处理和校正是必不可少的。
地表温度反演实验报告地表温度是指地球表面的温度，是一个重要的气象参数，对于气候变化、城市热岛效应等问题具有重要的影响。
地表温度反演是通过遥感技术获取地表温度信息的一种方法，可以有效地监测地表温度的变化情况。
本实验旨在利用卫星遥感数据，反演地表温度，并对结果进行分析和讨论。
实验方法：我们收集了MODIS卫星传感器获取的遥感数据，包括云量、地表温度等信息。
然后，利用反演算法对这些数据进行处理，得到地表温度的反演结果。
接着，我们将反演结果与实地观测数据进行对比分析，验证反演结果的准确性。
最后，我们对地表温度的空间分布特征进行研究，分析其与地形、植被覆盖等因素的关系。
实验结果：经过反演算法处理，我们得到了一幅地表温度的空间分布图。
从图中可以看出，地表温度在不同区域有明显的差异，一般来说，城市区域的地表温度要高于郊区和农田地区。
另外，我们还发现地形和植被覆盖对地表温度有一定的影响，高海拔地区的地表温度要低于低海拔地区，而植被茂密的地区地表温度相对较低。
实验分析：通过对地表温度的反演结果进行分析，我们可以发现地表温度的空间分布受到多种因素的影响，包括城市化程度、地形、植被覆盖等。
城市热岛效应导致城市区域地表温度升高，而高海拔地区地表温度较低，这些都是地表温度空间分布差异的原因之一。
植被覆盖可以降低地表温度，起到调节气候的作用。
结论：地表温度反演是一种有效的监测地表温度变化的方法，可以为气候研究、城市规划等领域提供重要的参考依据。
通过对地表温度的反演结果进行分析，可以更好地理解地表温度的空间分布特征，为环境保护和气候调控提供科学依据。
希望通过本实验的研究，能够更深入地探讨地表温度变化的规律，为未来的研究提供参考。
基于ASTER和MODIS数据的劈窗算法分析
前言：赵老师您好，因为时间比较紧，在看完资料后没有很好的消化吸收，很难有自己的独特的见解，文章里面有一些自己的想法，但是可能不成熟，如果有不对的地方请指正，本文是一篇学习型的论文，是在查阅各种资料后对劈窗算法的总结。
另外老师我对遥感方面很有兴趣，希望以后有问题能向老师请教。
摘要：随着现代遥感技术的发展，获取的遥感数据越来越多。
例如Landsat TM，ASTER,MODIS,NOVAA/AVHRR等。
目前对地表温度的反演主要有利用热红外遥感和微波遥感。
其中，微波的地表辐射机理研究还不成熟，而且受空间分辨率的影响，使得地面实测资料的获得十分困难。
因此，本文主要学习分析了针对热红外的地表温度反演方法，并详细学习了ASTER和MODIS数据的地表温度的劈窗算法（分裂窗算法）。
关键词：热红外遥感，ASTER,MODIS,劈窗算法
地表温度被定义为地面的皮肤温度。
地表温度是全球气候变化研究的关键参数之一，传统的方法是根据地面有限观测点的数据来分析区域地表温度的差别。
近20年来，遥感技术的飞速发展为快速获取地表温度的时空差异信息提供了新的途径。
目前已经开发了很多针对热红外数据的使用地表温度遥感反演方法。
总结当前的地表温度遥感反演方法，大致可分为单通道方法、分裂窗方法、单通道多角度地表温度反演方法、多角度与多通道相结合的方法和地表大气参数一体化反演方法。
这些算法各有优劣。
然而现阶段用得最多的是劈窗算法。
劈窗算法以地表热辐射传导方程为基础，利用大气窗口内两个热红外通道对大气吸收作用的不同，对其进行一定的线性组合从而消除大气对辐射的影响，进而进行大气和地表比辐射率的修正劈窗算法降低了对大气参数的敏感性，所需的参数少，其模型简单易操作，且反演的精度在可接受范围内，因此是目前人们应用最普遍的方法。
接下来针对ASTER数据和MODIS 数据的劈窗算法进行分析。
首先对数据种类做出说明。
热红外遥感在地表温度反演中具有重要地位，但是每个传感器的设计都具有很强的针对性，几乎每个通道的研究对象都是非常明确的。
针对不同的数据会有与之相适应的不同的反演研究方法。
因此为了分析针对ASTER数据和MODIS数据的劈窗算法，我们有必要在这里了解ASTER数据和MODIS数据的特点。
1999年搭载ASTER遥感器的对地观测卫星TERRA发射成功，为全球和区域资源环境动态监测开辟了又一新的途径。
ASTER是一个拥有15个波段的高分辨率传感器,在ASTER的15个波段中有5个是高分辨率的热红外波段,因而非常适合于城市和小区域的地表热量空间差异分析。
其主要特点为高空间分辨率，多波段，立体像。
MODIS是美国国家航空航天局、日本国际贸易与工业厅和加拿大空间局、多伦多大学共同合作发射的卫星TERRA上的一个中分辨率传感器。
有36个可见光-红外的光谱波段，空间分辨率为250-1000米。
而且其36个波段分别针对海洋、陆地、水汽等来设计的。
MODIS 数据可以覆盖全球，具有较合适的探测精度以及较宽的动态范围，因而可以用来探测多种地表类型。
针对ASTER数据的数据特点，现阶段地温反演研究中用到劈窗算法如下。
因为ASTER的第10波段受大气的影响比较大，第13和14波段受大气的影响最小,因此最适合于建立辐射传输方程来反演地表温度。
具体方法为，先对Planck函数做线性简化，然后从MODIS的近红外波段反演大气水汽含量，通过建立大气水汽含量与ASTER热红外波段透过率的关系，从而可以从同一颗星上计算得到透过率，使透过率的求算精确到每一个象元，保证了透过率求算的实时性。
同时利用ASTER可见光和近红外对地表进行分类,然后通过JPL提供的光谱数据库来获得每种地物的发射率。
最后用大气模拟校正法对算法的验证表明该算法可行。
在劈窗算法中，通过地面分类信息来确定地表发射率。
但在地表分类精度不能保证或者地表类型不能确定时，劈窗算法就有一定的局限性。
针对这种情况，提出了针对ASTER数据
的同时反演地表温度和发射率的多波段算法。
即选择ASTER的第11、12、13和14建立辐射传输方程组，然后通过分析ASTER热红外波段数据发射率的特点，建立了ASTER4个热红外波段发射率的线性关系，从而得到了6个未知数和6个方程。
因为大气辐射传输模型模拟保证了地球物理参数之间的物理关系，而神经网络则内含了分类信息和优化计算的能力。
因此，大气辐射传输模型和神经网络复合来反演地表参数是当前反演技术的一个进步。
利用MODTRAN4模拟数据精度分析评价表明精度很高，平均精度在0．250C以下。
针对ASTER 的劈窗算法思路如下图
针对MODIS数据的地表温度和发射率劈窗反演算法，即在分析MODIS的多个热红外波段的基础上，选择最适合反演地表温度的第31和32波段建立热辐射传输方程组。
通过对MODIS第31波段和32波段的热辐射强度和温度之间的关系进行计算，其中大气水汽含量与ASTER数据中的计算方法一致。
因此，先反演大气水汽含量，然后通过MODTRAN模拟大气水汽含量和热红外波段大气透过率的关系计算得到MODIS31／32的透过率。
由于是从同一景MODIS数据中获得大气水汽含量，因此，提出的大气透过率估计方法保证了地表温度反演过程中所需大气参数的同步获取。
对于地表发射率的估计，也是从同一景MODIS数据的红波段和近红外波段来进行估计。
通过MODIS的可见光波段、近红外和中红外波段数据，完全可以获得地表温度反演所需要的基本参数。
最后用国际上通用的大气模拟验证对文中的方法进行了参数敏感性分析，分析表明该算法对大气水汽含量和发射率都不敏感，特别是大气水汽含量的误差在一80％～130％时，地表温度的反演误差在0．19～1．1℃之间，并且从实际影像反演中确认了这一结论。
最后对算法精度进行了评价，当用大气模拟得到的透过率时，精度为0．32cc；当透过率是从大气水汽含量的指数关系计算得到时，精度为0．32℃；当透过率是从大气水汽含量的线性关系计算得到时，精度为0．49℃。
由于地球物理参数之间存在着相互制约关系，这些关系不能严格地用数学方法来描述，这就决定了大气辐射传输模型和神经网络的集成是解决地球物理参数(地表温度和发射率)病态反演问题的最好方法之一。
其设计思路主要如下图
地表温度的热红外遥感反演是一项复杂的系统工程，就目前的研究进展来看，大体上偏重于对一些现有模型的应用或改进。
对于劈窗算法，地温反演的关键在于地表发射率和大气透过率这两个参数的获取。
目前阶段发射率的订正非常困难，其不仅与地表的物体组成成分及物理性质相关，还依赖于辐射能的波长和观测角度等，从而使得发射率的精确测量难度相当大。
由于地温反演是一个典型的病态反演问题，即所能建立的方程数目小于未知数，因此必须对某些未知数进行假设使之成为已知的参数，而这种假设需要获取很多先验的知识。
这也是地温反演日后的热点研究方向，如已有的参数弱固定方法等。
劈窗算法中我们假设了发射率和大气透过率为已知，减少了反演参数，但这两个参数本身的误差也将带来反演的误差，因此我认为日后就劈窗算法而言，如果数据结构没有改变，要改进其精度，就必须对这两项参数的估计上减小误差，或者简化物理模型。
卓越工程师培养结课总结：这个学期上这门课也是我第一次较为深入的接触到遥感方面的知识，以前更是从来没有听说过的地表温度反演。
我觉得在遥感这项新技术中，利用新技术的手段，却立足于传统的数学方法（我的观点），二者结合产生的地表温度反演机制十分吸引人。
也正是由于技术的发展，数据种类众多，从而也产生了众多的反演方法以及反演模型，从而也提供了一个没有不可能的创新的场所，地温反演对整个人类来说都十分重要，而这种充斥着创新的新兴领域远比普通行业更有其魅力及价值。
通过这一个学期的学习，我大致了解了各种数据的特点，也深入学习了多种反演方法及其机理，以及反演参数的计算方法等，但是由于时间关系，对最终的简化方程的推导并没有很理解，因此对最终的简化方程也没有很深刻的印象，这也是为什么我在这篇论文里面只提机理，而没有给出方程的原因。
这么课这个学期就结束了，却也把我领进了遥感技术的大门，即便现在可能这方面知识仍然浅薄，不过有热情，梦想不再遥远。
