MODIS数据地表温度反演分裂窗算法的IDL实现_姜立鹏

表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。

Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。

Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。

Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。

Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。

Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。

在这些表达式里，大气和比辐射率的作用是耦合在一起的。

而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。

覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。

在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。

本文主要针对这一算法进行介绍。

覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A AT A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。

基于MODIS数据的全国地表温度反演的开题报告一、研究背景和目的全球气候变化和城市化进程加快了城市和农村环境的变化。

地表温度是研究城市和农村环境变化的重要指标，也是影响气候变化、生态环境和人类生活的重要因素之一。

太空遥感技术可以获取大范围、高频率、高精度的地表温度数据，应用也越来越广泛。

本研究的主要目的是基于MODIS遥感卫星数据反演全国地表温度，分析不同地区的地表温度分布情况和变化趋势，揭示城市化和气候变化对地表温度的影响，为城市规划、生态保护和气候变化研究提供数据支持。

二、研究方法和流程1. 获取MODIS数据。

使用NASA网站上的MODIS数据获取工具下载指定区域和时间段的LST（Land Surface Temperature）和EVI （Enhanced Vegetation Index）数据。

2. 数据预处理。

使用ENVI软件进行预处理，包括数据空值填补、大气校正、温度调整、地理参考系统校正等。

3. 定义研究区域。

根据研究目的，选择全国范围内的重要城市和农村地区作为研究区域。

4. 分析地表温度分布。

使用ArcGIS软件进行空间统计分析，绘制研究区域的地表温度分布图和温度变化趋势图。

5. 研究城市化和气候变化对地表温度的影响。

分析不同地区的地表温度变化趋势和空间分布，结合相关统计数据和文献资料，分析城市化和气候变化对地表温度的影响和机制。

三、预期结果和意义预计本研究将获得全国范围内不同地区的地表温度分布情况和变化趋势，分析城市化和气候变化对地表温度的影响和机制，为城市规划、生态保护和气候变化研究提供数据支持。

结果可为相关政府部门提供科学决策依据，促进城市化和生态建设的协调发展，促进地区可持续发展。

基于MODIS数据的地表温度反演
杨鹏;杨世植;夏鹏
【期刊名称】《大气与环境光学学报》
【年(卷),期】2011(6)4
【摘要】利用MODIS影像数据,采用劈窗算法来反演安徽地区的地表温度。

结合Sobrine、覃志豪等提出的NDVI^(TEM)方法和地物监督分类方法,对地表比辐射率进行了估算,将反演结果与NASA的地表温度产品进行比较,平均误差在1 K左右.同时利用卫星过境当天从安徽省高密度自动监测站获取的实时数据对反演结果进行验证,发现反演温度与地面实测数据的曲线走势具有高度的一致性且有较高的相关性,能直观地反映安徽地区地表温度的空间分布。

【总页数】7页(P287-293)
【关键词】地表温度;MODIS;劈窗算法;地表比辐射率
【作者】杨鹏;杨世植;夏鹏
【作者单位】中国科学院安徽光学精密机械研究所中国科学院通用光学定标与表征技术重点实验室
【正文语种】中文
【中图分类】P314
【相关文献】
1.基于MODIS数据的云南省地表温度反演研究 [J], 徐虹;戴丛蕊
2.基于劈窗算法MODIS数据建立地表温度反演模型 [J], 何晓琳;吴笑天
3.基于遗传算法综合Terra/Aqua MODIS热红外数据反演地表组分温度 [J], 孙珂;陈圣波
4.基于MODIS数据的乌昌地区地表温度反演 [J], 石玉;肖继东;张旭
5.基于MODIS数据的黑河流域地表温度反演研究 [J], 张福存;李净;吴立宗;张晓因版权原因，仅展示原文概要，查看原文内容请购买。

第41卷第1期华中师范大学学报(自然科学版)Vol.41No.12007年3月 J OU RNAL OF HUAZHON G NORMAL UNIV ERSIT Y (Nat.Sci.) Mar.2007收稿日期:2006206203.基金项目:国家“863”项目(2006AA12Z128).3通讯联系人.Email :lrd @.文章编号:100021190(2007)0120143205基于MOD IS 数据的湖北省地表温度反演研究许国鹏1,2,李仁东13,刘可群3,张　斌1,2(1.中国科学院测量与地球物理研究所,武汉430077;2.中国科学院研究生院,北京100039;3.武汉区域气候中心,武汉430074)摘　要:利用遥感影像获取地表温度信息,对于监测地表状况和生态环境变化有重要意义.利用MODIS 影像和劈窗算法计算了反演地表温度的关键参数:大气透过率和地表比辐射率,并针对湖北省水域单独提取出水体像元来计算地表比辐射率,估算出湖北省地表温度,与地面同步实测数据比较表明,平均误差为0.51℃,精度比较高.关键词:地表温度;MODIS ;精度;大气透过率;地表比辐射率中图分类号:P23文献标识码:A 地表温度是研究区域地表能量平衡和资源环境变化的重要参数之一[1],不仅可以为森林火灾和工厂热污染排放监测提供直接依据,而且还在以地表温度为基础的相关模型进行区域土壤水分估算、农业旱情监测、城市热岛效应、军事伪装辨别等方面都要重要的实际应用价值.相对星上亮温,地表温度才能作为一个重要的基本参数直接参与相关模型的计算,如“全球环流模型”、地表潜热、显热通量方程、土壤热流方程等[2].由于地表温度在时空上的动态分布变化特性,依靠地面观测站大面积获取地表温度参数、宏观地把握其时空分布规律是很难的.而借助遥感技术大范围、快速地反演地表参数的优势,可利用热红外波段获取地表温度信息,进行资源环境的动态监测和研究.由于陆地表面的复杂性和大气影响的许多因素,地表真实温度反演是一个非常复杂的过程.在对大气热辐射传输和相关参数各种近似、假设的基础上,先后提出了多种地表温度的反演算法,其中劈窗算法是目前为止发展最为成熟的地表温度反演算法[325].本文利用MODIS 数据的劈窗算法反演湖北省地表温度,并将反演结果与地面同步实测数据进行了精度分析.1MODIS 数据的地表温度反演方法1.1劈窗算法劈窗算法最初是根据地表热辐射传导方程,利用AV HRR 大气窗口内热红外第4、5两个相邻通道对大气吸收作用的差异,通过两个通道亮度温度的各种组合来剔除大气的影响,进行大气和地表比辐射率的订正来获取地表温度的[2].AV HRR 的两个热通道10.5～11.3μm 、11.5～12.5μm 与MODIS 第31波段(10.7805～11.280μm )和32波段(11.770～12.270μm )的中心波长基本对应,毛克彪[4]等人据此提出了一种利用MODIS 数据31、32波段估算地表温度的劈窗算法.该劈窗算法的表达式如下:T S =A 0+A 1T 31+A 2T 32,(1)其中:T S 为地表温度,T 31、T 32是MODIS 31/32波段的亮度温度,单位是℃,可用Planck 辐射方程获取;A 0、A 1和A 2是系数,可用式(2)计算:A 0=-64.6036E 1-68.7258E 2-273.16,(2a )A 1=1+A +0.440817E 1,(2b )A 2=-(A +0.473453E 2),(2c )E 1=D 31(1-C 31-D 31)/E 0,(2d )E 2=D 31(1-C 32-D 32)/E 0,(2e )A =D 31/E 0,(2f )E 0=D 32C 31-D 31C 32,(2g )C i =εi τi ,(2h )D i =(1-τi )(1+(1-εi )τi ),(2i )其中,E 1、E 2、E 0、C 31、D 31、C 32、D 32均为中间变量,可迭代消除;τi 为大气透射率;εi 为地表辐射率.算144　华中师范大学学报(自然科学版) 第41卷法的关键是计算大气透射率τi 和地表比辐射率εi .1.2大气透射率的求算大气透射率是地表辐射、反射透过大气到达传感器的能量与地表辐射能、反射能的比值,它与大气状况、高度等因素有关.对于热红外波段,最重要的大气变化是大气温度和水汽的变化.在天气稳定情况下,水汽含量是影响大气透射率的主要因素.Kauf man 、Bo 2Cai Gao [6]利用MODIS 第19和第2波段模拟出了大气水汽含量的表达式:w =[(α-ln τw )/β]2,(3)其中:w 是指大气水汽含量;τw 是大气水汽吸收波段第19波段地面反射率与大气窗口波段第2波段地面反射率的比值;α、β是参数,对于复合性地表,α=0.02,β=0.651.MODIS 31/32夏季中纬度标准大气状况下大气水汽含量和透过率的变化之间呈近似线性关系[7]:τ31=-0.10671w +1.04015,(4a )τ32=-0.12577w +0.99229.(4b )1.3地表比辐射率的求算地标比辐射率是物体与黑体在同温度、同波长下的辐射出射度的比值.在传感器的波段区间及像元大小确定情况下,地表比辐射率主要取决于地表物质的组成和结构.在MODIS 1km 的像元尺度下,像元可以粗略视作由水体、植被和裸土3种类型构成.MODIS 混合像元的地表比辐射率可表示为[7]:εi =P w R w εiw +P v R v εiv +(1-P w -P v )R s εis ,(5)其中,P w 和P v 分别是水面和植被在该像元内的构成比例;εiw 、εiv 和εis 分别是水面、植被和裸土在该波段的辐射率,可在ASTER 提供的常用地物比辐射率光谱库内查得;R w 、R v 和R s 分别是水体、植被和裸土的温度比率,在5～45℃范围内,分别为1.00744、0.99240和0.99565[5].该方程的求算关键在于估算混合像元中的P w 和P v 值.对于水面较大的地区来说,可以利用可见光和红外波段水体反射率一般明显低于其它地物以及水体归一化植被指数NDV I <0的特性,提取纯水体像元,并取P w =1.此时,εi =R w εiw .对于水面可以忽略的陆地来说则构成比较复杂,像元中植被构成比例可以表示为:P v =(N DV I -N DV I s )/(N DV I v -N DV I s ),(6)其中,N DV I v 和N DV I s 表示完全植被和裸土的植被指数;N DV I 表示任意像元的植被指数.地表比辐射率可根据像元NDV I 来求算:①当N DV I >N DV I v 时,像元被看作是完全的植被覆盖,取P v =1,则εi =R v εiv ;②当N DV I s <N DV I <N DV I v 时,εi =P v R v εiv +(1-P v )R s εis ;③当N DV I <N DV I s 时,像元被看作完全裸土,取P v =0,则εi =R s εis .2数据处理本文采用2005年10月10日HDF 格式1B 级别的MODIS 数据.首先进行预处理:①对相邻扫描行之间数据重复的“蝴蝶结”现象,利用ENV I 软件IDL 模块中开发的纠正函数去除;②进行物理定标,将DN 值转化为反射亮度或辐射亮度;③对于有云的区域,鉴于云在多波段的光谱特征互补性,可利用热温度信息和云检测指数进行云的综合检测[8].数据处理过程中的编程、计算均在Matlab 环境中完成,主要步骤如下:①用第1、2波段计算N DV I ,对比反射率提取水体;②根据湖北省秋季植被覆盖情况,取N DV I v =0.70,N DV I s =0.05,估算水面和植被的构成P w 、P v ;③根据式(5)及P w和P v ,估计像元的地表比辐射率ε31、ε32;④用第2、19波段计算大气水分含量w ,并进而根据式(4)估计大气透过率τ31、τ32;⑤用第31、32波段的辐射亮度,根据Planck 方程计算星上亮度温度T 31、T 32;⑥运用劈窗算法式(1)、(2),利用ε31和ε32、τ31和τ32以及T 31和T 32,计算地表温度Ts;⑦利用数据自带的坐标信息做精几何校正,叠加省界掩膜,得到湖北省地表温度反演结果图.具体反演流程如图1.图1　地表温度反演流程图Fig.1　Flow chart of retrieved L ST　第1期许国鹏等:基于MODIS数据的湖北省地表温度反演研究145　3结果分析图2　湖北省地表温度分布图Fig.2　Distribution map of L ST in Hubei Province 图2为MODIS反演结果得到的湖北省地表温度空间分布图.经过云检测,鄂西北竹溪、竹山、鄂西南约30°N沿线部分地区和鄂东南黄梅等地区反演温度明显偏低是由于云的覆盖造成的.统计可知,遥感反演的湖北省地表温度平均值为14.24℃;空间分布差别不大,97.66%的地区温度在13℃到27℃之间,其中17℃、18℃、22℃、23℃、24℃的比例均达到了9%,基本符合湖北省10月上中旬白天的季节特点.3.1反演结果精度评价Terra卫星在中国的过境时间为上午10∶30～12∶00,本文利用湖北省气象局野外观测站上午11时观测的地表温度数据对模拟结果进行精度分析.在75个野外站点记录的数据中,由于竹溪、竹山、松滋、黄梅4个观测站刚好处于云覆盖区域,数据缺乏可比性,因此采用其它71个观测站的数据进行评价,如表1.地表实测温度(T m)和反演结果(T r)的平均误差(5)为[9]5=1n ∑ni=1T ri-T mi.(8)分析表明,71个站点的平均误差为0.51℃,反演精度在0.5℃以内为57.7%,反演精度在1.0℃以内为31.0%,反演精度在1.2℃以内为9.9%,反演精度在1.7℃以内为1.4%.部分站点误差相对较大的原因可能是由于影像像元与地面实测点匹配的不确定性造成的.3.2对真实地表温度的模拟将71个站点分别作为拟合和验证数据,用实测值和反演温度进行拟合获取回归方程,再由反演温度模拟真实地表温度.根据数理统计原理,由计算机随机抽取56个观测站点处的反演温度和实测表1　2005年10月10日MOD IS反演温度与地面同步实测值的比较/℃Tab.1　Comparison of retrieved L ST f rom MODIS and measured value(Oct.10,2005)/℃观测站点实测值(T m)反演温度(T r)误差(5)观测站点实测值(T m)反演温度(T r)误差(5)郧西17.0017.430.43枝江23.4023.670.27郧县20.1019.980.12潜江22.5023.040.54十堰18.6017.43 1.17荆州24.2023.800.40房县17.0017.690.69公安24.0024.310.31丹江口19.8019.340.46应城24.1024.310.21老河口20.0019.60.40孝感24.0023.420.58谷城20.0020.490.49天门22.6021.630.97襄樊22.4022.650.25仙桃23.5022.910.59枣阳22.4022.780.38汉川22.7022.140.56巴东19.0018.200.80汉阳25.0025.070.07秭归21.0020.490.51黄陂23.6023.290.31兴山18.4017.560.84新州23.6023.930.33保康17.7018.580.88武汉22.6022.140.46神农架16.3016.920.62鄂州23.5023.670.17南漳20.5019.34 1.16大冶24.4024.180.22远安20.4019.34 1.06咸丰20.1019.980.12宜城23.2023.160.04宣恩20.1020.230.13荆门21.1020.230.87鹤峰17.9016.920.98钟祥21.8021.760.04来凤22.3020.62 1.68随州20.0020.620.62石首23.9023.930.03广水23.8023.930.13监利25.0025.330.33京山23.8023.420.38洪湖19.0019.600.60安陆24.2024.440.24蒲圻23.5023.930.43云梦24.4024.820.42嘉鱼23.4023.040.36大悟24.1023.670.43崇阳21.4020.23 1.17红安22.5023.040.54通城25.0025.200.20麻城24.1024.560.46咸宁25.4024.820.58利川19.2019.730.53通山23.6023.420.18建始20.1018.96 1.14罗田24.4024.180.22恩施19.6019.220.38英山23.2022.14 1.06宜昌县23.3022.650.65浠水23.4023.040.36五峰18.1016.92 1.18黄石23.5023.930.43当阳20.9021.890.99蕲春23.3022.780.52宜昌23.3022.650.65阳新23.0023.290.29长阳22.6022.650.05武穴22.5022.140.36枝城22.2022.270.07值进行一元线性回归(如图3),拟合结果表明,在95%的置信水平下,两者之间一元线性相关性R2146　华中师范大学学报(自然科学版) 第41卷图3　反演温度与实测值的一元线性回归Fig.3　Unary linear regression between retrievedL ST and measured value为93.7%,结果比较理想.利用该线性拟合方程和另外15个站点处的反演温度模拟真实地表温度,并用实测值来验证模拟精度,如表2.分析发现,从整体上看,模拟值(Ts)比反演值更接近实测值,平均误差由原来的0.53℃减小到0.43℃.这说明,用该一元线性回归方程直接模拟区域内各像元的地表温度,相比反演值,更接近真实地表温度,具有更好的效果.4结论本文利用基于劈窗算法的地表温度反演算法,通过采用MODIS可见光第1波段、近红外第2波段、中红外第19波段提取大气透射率和地表比辐射率,结合热红外波段的亮温信息,反演了湖北省的地表温度.结果表明:反演精度比较高, 71个站点的实测值与反演结果平均误差为0.51℃;可以用实测值和反演温度拟合的一元线性回归方程直接模拟各像元的地表温度,能更接近真实地表温度.表2　一元线性模拟值与反演值的比较/℃Tab.2　Comparison of simulated and retrieved temperature/℃|T r-T m||T s-T m||T r-T m||T s-T m||T r-T m||T s-T m||T r-T m||T s-T m| 1 1.060.7650.460.4590.120.14130.580.59 20.040.126 1.140.82100.580.61140.710.56 30.420.3970.650.55110.860.25150.220.21 40.540.6280.070.2120.530.13平均0.530.43 这种劈窗算法能简单、快速、准确地反演地表温度,避免了对地面气象数据的依赖,达到了遥感技术大面积对地表进行资源环境宏观观测的目的.参考文献:[1]　Li Z,Becker F.Feasibility of land surface temperature andemissivity determination from AV HRR data[J].Remote Sensing of Environment,1993(43):67285.[2]　赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2004.[3]　Qin Zhihao,Karnieli A,Berliner P.A mono2window algo2rit hm for retrieving land surface temperature from Landsat TM data and it s application to t he Israel2Egypt border region [J].Int J Remote Sens,2001,22(18):371923746.[4]　毛克彪,覃志豪,施建成.针对MODIS数据的劈窗算法研究[J].武汉大学学报:信息科学版,2005,30(8):7032708. [5]　Becker F,Li Z.Towards a local split window met hod overland surface.Int J Remote Sens,1990,11(3):3692393. [6]　Y oram J Kauf man,Gao Bo2Cai.Remote Sensing of WaterVapor in t he Near IR from EOS/MODIS[J].IEEE Transac2 tions on Geoscience and Remote Sensing,1992,5(30): 8712884.[7]　毛克彪,覃志豪,王建明,等.针对MODIS数据的大气水汽含量及31和32波段透过率计算[J].国土资源遥感,2005,63(1):26229.[8]　宋小宁.基于植被蒸散法的区域缺水遥感监测方法研究[D].中国科学院博士学位研究生论文,2004.[9]　毛克彪,覃志豪,宫　鹏.劈窗算法L ST精度评价和参数敏感性分析[J].中国矿业大学学报,2005,34(3):3182322. 第1期许国鹏等:基于MODIS数据的湖北省地表温度反演研究147 Land surface temperature retrieved fromMODIS d ata in H ubei ProvinceXU Guopeng1,2,L I Rendong1,L IU Kequn3,ZHAN G Bing1,2(1.Institute of Geodesy and G eophysics,Chinese Academy of Sciences,Wuhan430077;2.Graduate University,Chinese Academy of Sciences,Beijing100049;3.Wuhan Regional Climate Center,Wuhan430074)Abstract:Land surface temperat ure information can be retrieved f rom Remote Sensingimage,which is important and significant to observe macroscopically t he erat h’s surfacestat u and ecological and environmental change.The essay ret rieves t he at mo sp herictransmittance and t he surface emissivity which are required when L ST is calculated u2sing MODIS image by split2window algorit hm.The surface emissivity is calculated bymeans of o btaining t he water p ure pix individually in t hat t he water area in Hubei Prov2ince can not be ignored.Then,t he values of L ST in Hubei Province are derived in t hismet hod.The comparison with the ground synchronization observation data shows that the to2tal average error is0.51℃,therefore,the estimated precision is reasonable quitely.K ey w ords:land surface temperat ure;MODIS;p recision;at mosp heric t ransmittance;surface emissivity (上接第137页)The pattern innovation of B eijing City competitiveness evolvement and upgrade in the contexts of globalizationMA Qingbin,WEN Hui(China Center for Town Reform and Development,Beijing100045;Research Center of Economy Environment,Chinese Academy of Sciences,Beijing100085) Abstract:Based on the description of concept and evaluation method of urban competitiveness,the paper quantitatively analyses Beijing city competitiveness and the evolvement of industrystructure under new industry type through defining the concept of city competitiveness andconstructing new evaluation method,brings forward choosing the best pattern to improving thecity competitiveness of Beijing and gives proposals on correlative policy in the end.It wasshowed with the data that the urban competitiveness of Beijing from1995to2003has beenpromoted during the city evolution process on a global scale.Y et Beijing’s urban competitive2ness still has a pretty big ga Pcompared with other equal level city.The rationality of the envi2ronment policy in the era of globalization can not be judged by its strictness degree,but be ap2praised on whether the environment policy coincide with the level of urban competitiveness.The urban policy2makers ought to either find the reasonable binding site among the urban de2velopment strategy,the industry policy and the environment policy or choose the appropriate de2velopment pattern in order to impulse the city to enhance its competitiveness fleetly,steadily,proportionally and sustainable with the least resources input and the minimal environmental cost.K ey w ords:global city;city competitiveness;pattern。

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。

式的系数也不相同，如下表１：表１不同观测角度与分裂窗算法系数的对应表观测角度ＡｌＡ２Ａ３ＢｌＢ２Ｂ３Ｃ０１．０３５９０．１９７２－０．０９７９０．５７９１．０．２７３９１．９００１．１０．１１１６１０１．０３６７９５Ｏ．１３７４７９６．０．７７９７１０５３．６８９２１７３．１０６１８０３．１０３７５９－６．１２７７６２．２０１．０４４８０４０．１４６２１８６．ｏ．７０３３９６６３．３２９９９０２．６６５４６９２．５１９３０９．８．３６３３７３０１．０４２６５６Ｏ．１６４９７９２＿０．４８６６９８２２．３４５１６５１．７２１３９１２．０４７９３０－８．１４１５５５３５１．０３７６７９Ｏ．１９８５２１７．０．０８３３９０７０．４９５１５０２．０．２２９５７３４０．５０６８８５６．８．０７６９６５４０１．０４０７０．１９８９－０．０７４５０．４９００．０．４３０３１．９６５６．１０．７２５４４２１．０４８１０４０．１４８８１６２－０．６８４５１０６３．３０９７６１２．４９３４１８３．２３６０９１９．７．８２８６６２４４１．０５４２４７０．１３６６４０４．０．８４６６７０１４．０４１５９２３．２４３１３３３．５７４４２５．８．５３０２５４４６１．０６２５０９Ｏ．１１７３４９５．１．０８６４４１５．１９９５９８４．０６６４２８４．６８７８７５－９．１６６２４３４８Ｉ．０６１３４２０．１３１２９８５．０．９４２４９３１４．５１４９１０３．７２９６６９３．７６５７３８．９．１５６９９７５０１．０３９７９４Ｏ．１８４２９２４．０．２５２６２２７１．２６５３５４Ｏ．７１８１８２５１．９１５２４９－６．５３４４４７５２１．０２２４１３０．２１１７１７３Ｏ．１８０８９４６．ｏ．５９６３７３８－２．０８５９９８２．２０１６１２－３．８４０６７５５４１．０２０９１２０Ｏ．２１７６８４４０．２６２９８５ｌ．１．０２４１１ｆ－２．３３８８６８１．６４９２０５．３．７０５１９３５６１．００３５０５０．２３８“ｌＯ．６５１６７３－２．６７１４４－４．８０６８０６２．０１９６１９－１．３７５３７６５８１．００８５８００．２２５８９３６０．４９７３８３６．Ｉ．９８１０７－３．７８４２２８２．７２７３“．１．４４４４０５平均１．０３７３３０．１７７０２９－０．２９６３６１．５３２４５６０．５１９６１３２．５２１３８５－６．８７５２６Ｍ０ＤＩＳ扫描观测宽度达２３３０公里，观测角度达到±５８。

表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。

Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。

Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。

Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。

Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。

Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。

在这些表达式里，大气和比辐射率的作用是耦合在一起的。

而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。

覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。

在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。

本文主要针对这一算法进行介绍。

覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A A T A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。

Advances in Geosciences地球科学前沿, 2019, 9(8), 693-702Published Online August 2019 in Hans. /journal/aghttps:///10.12677/ag.2019.98074Land Surface Temperature Retrieval fromFY-3D MERSI-2 Data in the Arid/Semi-AridAreaJinxiong Jiang, Mingshi Wang, Shiyao Ju, Jiaju XiSpace Star Technology Co. LTD., BeijingReceived: Jul. 22nd, 2019; accepted: Aug. 1st, 2019; published: Aug. 9th, 2019AbstractThis paper uses an improved Generalized Split-Window (GSW) algorithm to retrieve the land sur-face temperature (LST) in the arid/semi-arid areas from the data acquired by Medium Resolution Spectral Imager II (MERSI-2) on FengYun 3D (FY-3D). The coefficients in the GSW algorithm cor-responding to a series of ranges for the mean emissivity(ε), the atmospheric Water Vapor Content(WVC), and the land surface temperature LST are derived using a robust regression method from the space-time representative numerical values simulated with an accurate MODTRAN 5.2 and Thermodynamic Initial Guess Retrieval database (TIGR2311). At last, 2448 simulative validation data are obtained by MODTRAN5.2, using tropical profilers, mid-latitude summer profilers and band emissivity of measured soil samples as input parameters, to verify the accuracy of the algo-rithm. The results show that the improved GSW algorithm has high accuracy when the observation angle is not more than 30˚ in the arid and semi-arid areas.KeywordsFY-3D/MERSI-2, Land Surface Temperature, Generalized Split-Window Algorithm, Arid/Semi-Arid基于FY-3D MERSI-2数据的干旱/半干旱地区地表温度反演蒋金雄，王铭实，鞠诗尧，席家驹航天恒星科技有限公司，北京收稿日期：2019年7月22日；录用日期：2019年8月1日；发布日期：2019年8月9日蒋金雄 等摘 要本文将一种改进的广义分裂窗算法(GSW)用于风云三号D 星(FY-3D)中分辨率光谱成像仪II (MERSI-2)数据反演干旱/半干旱地区地表温度。

表1 MODIS部分波段及其参数［14］波段光谱范围信噪比主要用途分辨率1620~ 670nm128陆地、云边界250m2841〜876nm201陆地、云边界250m19915~ 965nm250大气水汽1000m3110.780〜11.280 g m0.05地球表面和1000m3211.770〜12.270 卩m0.05云顶温度1000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。

Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。

Becker从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。

Becker和Li根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。

Wan和Dozier在Becker和Li的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。

Sobrino和Becker用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。

在这些表达式里，大气和比辐射率的作用是耦合在一起的。

而Sobrino等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planek 辐射函数的线性化。

覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率［15］［ 16］。

在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。

本文主要针对这一算法进行介绍。

覃志豪［15］等提出的针对MODIS数据反演地表温度的劈窗算法使用的公式如下：Ts A o AT 31 A2T32 （1）其中：Ts是地表温度，T31、T32分别是MODIS第31、32通道的亮温。

·７０·自然灾害学报１４卷选取感兴趣区（如图２所示的方框）进行统计，结果表明，感兴趣区内８月份的平均温度为４６．９８℃，比４月份的平均温度（３５．９５℃）高出１１０Ｃ。

显然，这是西北沙漠地区夏季高温少雨，地表异常干燥，在白天太阳曝晒下容易增温的结果。

从感兴趣区内的地表温度标准差来看，这两个月份比较接近，８月份为３．９８℃，而４月份为３．８６℃，说明该区域内地表温度空间差异呈现出随季节同步变化的趋势，同时也指出了地表温度反演结果的可靠性。

用ＭＯＤＩＳ数据反演地表温度有利于对区域地表水热状况和近地表温度场的认识，正是全国农业旱情和土壤墒情监测的需要。

图２我国东中西三景ＭＯＤＩＳ数据的地表温度反演结果ｌａｎｄｓｕｒｆａｃｅｔｅｍｐｅｒｔｕｒｅｒｅｔｒｉｅｖｅｄｆｒｏｍＭＯＤＩＳｄａｔａｆｏｒｅａｓｔ（ａ），ｍｉｄｄｌｅ（ｂ）ａｎｄｗｅｓｔ（ｅ）ｏｆＣｈｉｎａＦｉｇ．２Ｓｐａｔｉａｌｖａｒｉａｔｉｏｎｏｆ６结语地表温度是决定农业旱情和土壤墒情时空动态变化的重要因素。

热红外遥感通过探测地表热辐射强度来监测地表热量时空动态，在农业旱灾监测中已经得到广泛的应用。

多波段ＭＯＤＩＳ卫星图像有８个热红外波段数据。

分裂窗算法是目前世界上最成熟的地表温度遥感反演方法，但主要用于ＮＯＡＡ—ＡＶＨＲＲ的第４和第５通道热红外数据。

ＭＯＤＩＳ的第３１和第３２波段最接近于ＡＶＨＲＲ的第４和第５通道，因而最适合于用来进行农业旱灾监测所需要的农田地表温度反演。

本文探讨了ＭＯＤＩＳ数据的地表温度反演方法，包括反演算法的选择、基本参数确定和快速反演工作流程。

在现有的１７种分裂窗算法中，Ｑｉｎｅｔａ１．１２３］提出的两因素反演模型仅需要两个基本参数，并保持很高的反演精度，因而是地表温度遥感反演的最佳选择。

为了满足农业旱灾监测所需要的快速反演要求，我们着重论述了该反演模型在ＭＯＤＩＳ数据的具体应用问题，并根据ＭＯＤＩＳ图像数据的波段特征重新确定了模型的常量。

MODIS分裂窗地温计算（copy）上个⽉根据覃志豪他们的⽅法写了个地温计算程序，⽂献名是《MODIS数据地表温度反演分裂窗算法的IDL实现》，我记得⾼懋芳似乎也做过这个东东的，记得她的⼀篇⽂章也和覃⼀起写的，有提到modis简化的分裂窗算法，不知道她现在在哪⾥去了，过的好不好。

下⾯是根据地温计算出来的4⽉22⽇的热岛效应图，插值到250⽶，因为地-⽓模型反演还没成功，呵呵，先拿上地温的顶着。

输⼊的数据是LD2格式，数据裁剪后已经给它写了ENVI的头⽂件，这样就可以⽤envi_open_file调⽤了。

因为原数据中亮温数值是实际亮温的10倍，所以计算中有些地⽅除了10，最后的结果减去了273转成摄⽒温度输出。

其中因为⼿⾥的数据得不到传感器视⾓，就⾃⼰捏了个20度，看到覃志豪他们另⼀篇⽂章说，0-55度之间产⽣的误差可以有3.64°C之⾼。

但我拿到⼿的不是1B数据，所以只能凑合着算了，经过计算4⽉22⽇的数据发现，传感器视⾓在0-55°C之间变化时，对于当天数据的影响⼤约在0.9°以内，于是忍了。

算法并不复杂，只是⼀堆公式写的我晕头转向。

PRO LST; 从⽂件夹中读取输⼊数据的⽂件名，数据顺序为2、4、6.....imagenames=findfile('E:\rs\ld2\热岛\*', count=count)outpath = 'E:\rs\ld2\200802\sz_lst\'for k =3,count-1,2 do beginprint,imagenames[k]; 得到图像的⾏列数⽬及投影信息envi_open_file,imagenames[k],R_FID=image_fid, /no_realizeif (image_fid eq -1) then returnenvi_file_query, image_fid, ns=ns, nl=nlmap_info = envi_get_map_info(fid=image_fid)dims = [-1, 0, ns-1, 0, nl-1];1,2,19波段的反射率data_1 = envi_get_data(fid=image_fid,dims=dims,pos=0)data_2 = envi_get_data(fid=image_fid,dims=dims,pos=1)data_19 = envi_get_data(fid=image_fid,dims=dims,pos=20);31,32波段的亮温data_31 = envi_get_data(fid=image_fid,dims=dims,pos=32)data_32 = envi_get_data(fid=image_fid,dims=dims,pos=33)index_bad1= where((data_1 eq 65534) or (data_2 eq 65534) or (data_19 eq 65534) or $(data_31 eq 65534) or (data_32 eq 65534))envi_file_mng, id=image_fid, /remove;计算⼤⽓⽔含量;w=((alfa-ln(ref19/ref2))/beta)2 2次幂;alfa=0.02 beta=0.651a=data_19*1.0/data_2b=ALOG(a)w=((0.02-b)/0.651)^2;计算⼤⽓透过率;传感器视⾓为10度的星下⼤⽓透过率，在⽔汽含量为0.4-2.0，2.0-4.0，4.0-6.0的计算⽅程index_w1 = where((w ge 0.4) and (w lt 2.0))index_w2 = where((w ge 2.0) and (w lt 4.0))index_w3 = where((w ge 4.0) and (w le 6.0))index_bad2 = where((w lt 0.4) or (w gt 6.0))t10_31 = fltarr(ns,nl)t10_32 = fltarr(ns,nl)if index_w1[0] ne -1 then begint10_31[index_w1] = 0.99513-0.08082*w[index_w1]t10_32[index_w1] = 0.99376-0.11369*w[index_w1]endifif index_w2[0] ne -1 then begint10_31[index_w2] = 1.08692-0.12759*w[index_w2]t10_32[index_w2] = 1.07900-0.15925*w[index_w2]endifif index_w3[0] ne -1 then begint10_31[index_w3] = 1.07268-0.12571*w[index_w3]t10_32[index_w3] = 0.93821-0.12613*w[index_w3]endif;⼤⽓透过率温度校正函数;因数据中亮温为实际亮温的10倍，阈值都乘以10倍，如318k在计算中⽤3180index_31_t1 = where(data_31 gt 3180)index_31_t2 = where((data_31 le 3180) and (data_31 ge 2780))index_31_t3 = where(data_31 lt 2780)dt_31 = fltarr(ns,nl)if index_31_t1[0] ne -1 then begindt_31[index_31_t1] = 0.08endifif index_31_t2[0] ne -1 then begin;下⾯的公式中的0.000325原公式中为0.00325，因本计算数据中亮温为实际值的10倍，所以多乘⼀个0.1 dt_31[index_31_t2] = -0.05+0.000325*(data_31[index_31_t2]-2780)endifif index_31_t3[0] ne -1 then begindt_31[index_31_t3] = -0.05endifindex_32_t1 = where(data_32 gt 3180)index_32_t2 = where((data_32 le 3180) and (data_31 ge 2780))index_32_t3 = where(data_32 lt 2780)dt_32 = fltarr(ns,nl)if index_32_t1[0] ne -1 then begindt_32[index_32_t1] = 0.095endifif index_32_t2[0] ne -1 then begin;下⾯的公式中的0.0004原公式中为0.004，因本计算数据中亮温为实际值的10倍，所以多乘⼀个0.1dt_32[index_32_t2] = -0.065+0.0004*(data_32[index_32_t2]-2780)endifif index_32_t3[0] ne -1 then begindt_32[index_32_t3] = -0.065endif;⼤⽓透过率的传感器视⾓校正函数angle = 20dt = -0.00322+(3.0967*(10.0^(-5))*(angle^2));⼤⽓透过率t_31 = t10_31+dt_31-dtt_32 = t10_32+dt_32-dt;计算ndvindvi = fltarr(ns,nl)ndvi = (data_2-data_1)*1.0/(data_2+data_1);地表⽐辐射率计算要区分⽔陆像元index_water = where(ndvi lt -0.01);计算陆地像元的⽐辐射率;计算植被覆盖率p = (ndvi-0.15)/(0.9-0.15);⽐辐射率;(p*(p le (1-p))+(1-p)*(p gt (1-p))) 即 min(p,1-p)e_31 = p*(0.92762+0.07033*p)*0.98672+$(1-p)*(0.99782+0.08362*p)*0.96767+$0.003796*(p*(p le (1-p))+(1-p)*(p gt (1-p)))e_32 = p*(0.92762+0.07033*p)*0.98990+$(1-p)*(0.99782+0.08362*p)*0.97790+$0.003796*(p*(p le (1-p))+(1-p)*(p gt (1-p)));加⼊⽔体的⽐辐射率if index_water ne -1 then begine_31[index_water] = 0.99683e_32[index_water] = 0.99254endif;计算地表温度C_31 = e_31*t_31C_32 = e_32*t_32D_31 = (1-t_31)*(1+(1-e_31)*t_31)D_32 = (1-t_32)*(1+(1-e_32)*t_32)a_31 = -64.60363b_31 = 0.440817a_32 = -68.72575b_32 = 0.473453A0 = a_31*D_32*(1-C_31-D_31)/(D_32*C_31-D_31*C_32)-$a_32*D_31*(1-C_32-D_32)/(D_32*C_31-D_31*C_32)A1 = 1+D_31/(D_32*C_31-D_31*C_32)+$b_31*D_32*(1-C_31-D_31)/(D_32*C_31-D_31*C_32)A2 = D_31/(D_32*C_31-D_31*C_32)+$b_32*D_31*(1-C_32-D_32)/(D_32*C_31-D_31*C_32);原公式为T = A0+A1*data_31-A2*data_32，但因数据中亮温为实际亮温的10倍;所以要除以10。

MODIS数据几何校正算法设计及其IDL实现
付必涛;王乘;曾致远
【期刊名称】《遥感信息》
【年(卷),期】2007(000)002
【摘要】MODIS数据具有数据量大,波段多等特点,用现有遥感软件进行几何校正,人机交互多且耗时较长,导致图像处理效率低下.本文采用基于三角网的几何校正算法,在几何校正的过程中把影像分块,各块的校正算法相互独立,计算完毕后再进行拼接.本文作者用IDL(Interactive Data Language)编写了相关程序,运行结果表明,这种方法占用内存小,计算速度快,可以提高MODIS数据处理效率.
【总页数】4页(P20-23)
【作者】付必涛;王乘;曾致远
【作者单位】华中科技大学水电学院,湖北武汉,430074;华中科技大学水电学院,湖北武汉,430074;华中科技大学水电学院,湖北武汉,430074
【正文语种】中文
【中图分类】P237.3
【相关文献】
1.MODIS数据地表温度反演分裂窗算法的IDL实现 [J], 姜立鹏;覃志豪;谢雯
2.基于数据矢量特性的MODIS数据几何校正 [J], 隋明;李刚;李国春;蔡冰;全美兰;王阳
3.通用遥感图像系统几何校正算法设计与实现 [J], 赵仕美;李景山;李雨航
4.关于MODIS卫星数据的几何校正方法 [J], 郭广猛
5.基于GPU的遥感图像几何校正算法设计与实现 [J], 吴敌; 汪红强; 邹同元
因版权原因，仅展示原文概要，查看原文内容请购买。

基于IDL的MODIS 1B数据雪面温度反演
卢新玉;谢国辉;李杨;陈蜀江;冯志敏
【期刊名称】《国土资源遥感》
【年(卷),期】2010(000)004
【摘要】对MODIS数据的分裂窗算法进行了简要介绍,通过交互式数据语言(IDL)编程,实现了直接利用MODIS lB数据的雪面温度反演,并将反演结果存贮为标准的HDF文件格式,以供其他软件使用.以我国新疆北部(北疆)为例,将该算法的反演结果与气象站雪面温度观测资料进行对比,结果表明: 系统反演得到的雪面温度分布规律与气象观测资料是一致的,反演的平均误差为1.73℃,基本反映了北疆地区的雪面温度分布情况.
【总页数】5页(P29-33)
【作者】卢新玉;谢国辉;李杨;陈蜀江;冯志敏
【作者单位】新疆气象局,乌鲁木齐,830002;中国气象局乌鲁木齐沙漠气象研究所,乌鲁木齐,830002;新疆师范大学,乌鲁木齐,830054;新疆气象局,乌鲁木齐,830002;中国气象局乌鲁木齐沙漠气象研究所,乌鲁木齐,830002;新疆师范大学,乌鲁木齐,830054;新疆气象局,乌鲁木齐,830002
【正文语种】中文
【中图分类】TP79
【相关文献】
1.基于MODIS和TM数据的陆面温度反演 [J], 张兆明;何国金;肖荣波;王威;欧阳志云
2.MODIS数据地表温度反演分裂窗算法的IDL实现 [J], 姜立鹏;覃志豪;谢雯
3.基于MODIS数据的雪面温度遥感反演 [J], 周纪;陈云浩;李京;唐艳
4.基于MODIS的祁连山区陆面温度反演算法比较 [J], 李粉玲;刘勇
5.MODIS数据陆面温度反演研究 [J], 杨青生;刘闯
因版权原因，仅展示原文概要，查看原文内容请购买。