论文部分内容阅读
地表温度（Land Surface Temperature,LST）是表明地球健康状况和预测地球未来变化趋势的重要的地表环境参数之一,可形象地将其称作为地球的“体温”。LST与地球表层的各种资源环境过程密切相关,对人与环境的交互作用以及全球气候的变化与预测等研究有着重要的参考价值。基于地表温度在地-气能量交换与平衡之间的重要性,地表温度的研讨已成为定量遥感领域的重要研究范畴。Landsat-8固有的域外杂散光问题引起的热红外数据（Thermal Infrared Sensor,TIRS）的辐射定标的绝对误差使得定标的精度仍无法满足设定指标,TIRS 11波段的不确定性较为突出,为TIRS 10波段的不确定性的数倍,由此基于Landsat-8数据运用劈窗算法（Split-Window Algorithm,SW算法）反演地表温度一直是一个颇有争议的话题。直到2017年2月,Landsat定标团队为削减TIRS波段对温度反演的影响,研发出针对域外杂散光的一种算法（Stray Light Correction Algorithm,SLCA算法）,从而为SW算法在温度反演中的运用推广提供了广阔的前景。Landsat-8数据是地表温度遥感反演的重要数据源,为此,基于Landsat-8数据反演地表温度的单通道算法（Single-Channel Algorithm,SC算法）和多种SW算法已被前人提出,但已有研究表明,Landsat-8数据LST反演的SC算法和各种SW算法在不同区域的反演精度存在着很大的不一致性。针对这一问题,本文以NOAA地表辐射通量网（Surface Radiation Budget Network,SURFRAD）中不同地表覆盖类型和不同海拔高度的七个站点（PSU站点、FPK站点、BND站点、TBL站点、DRA站点、SXF站点、GWN站点）为验证站点,选取2018年1月1日至2019年6月30日质量较好的72景不同季节的Landsat-8影像,基于站点实测温度,对比分析Jiménez-Mu（?）oz等提出的普适性SC算法（Generalized SC Algorithm,GSC算法）与五种常用的SW算法的地表温度反演精度,以期对GSC算法与五种常用的SW算法的反演精度有一个全面评估,并对SLCA算法对TIRS波段的改善效果有一个定性认识。论文主要结论如下:1、从站点来看,六种算法在GWN站点（牧场）与PSU站点（农田）的精度最高、表现最好,算法的MAE整体在2.0 K以下,RMSE整体在2.5 K以下;FPK站点（草地）的精度次之,所有算法的MAE和RMSE整体分别在2.5 K和3.0 K以下;BND站点（农田）的精度稍低于FPK站点,所有算法的两个值分别在3.0 K和2.5 K以下;SXF站点（农田）与DRA站点（灌木）的精度居中,MAE和RMSE整体分别在3.5K、3.5K和4.0 K、5.0 K以下;TBL站点（草地）的精度低于其它六个站点,MAE和RMSE整体均在10.0 K以下。2、从季节来看,六种算法的反演精度均呈现出季节依赖性。GSC算法与SW算法的对比表明,春季的GSC算法的反演精度明显高于五种SW算法,可能的原因是GSC算法仅运用一个热红外波段进行地表温度反演,需要输入的参数较少,不确定性因素较小。而运用两个热红外波段进行地表温度反演的SW算法输入参数较多,不确定性因素增加;秋季的GSC算法的精度要低于SW算法的精度,可能的原因为大气水汽含量较高时,SLCA算法的效果得到了较好的体现,其对两个热红外波段重新标定的贡献,使得结合两个热红外波段反演地表温度的效果要好于仅采用单一的热红外波段;夏季的GSC算法精度要高于SW-D算法、SW-J算法、SW-R算法,而低于SW-Y算法、SW-JIM算法的精度,可能的原因是SW-D算法、SW-J算法、SW-R算法的输入参数占主导地位,输入参数较多,则反演结果误差较大,而大气水汽含量较高时,SLCA算法的效果在SW-Y算法和SW-JIM算法中得到极好的体现;冬季的GSC算法的精度要低于SW-D算法、SW-Y算法、SW-R算法的精度,而高于SW-J算法与SW-JIM算法的精度,总体来说,SW算法的精度较高。3、从季节来看,五种SW算法的反演精度也具有较强的季节依赖性。春季与冬季,SW-R算法的精度最高（1.0 K左右）,SW-Y算法与SW-JIM算法的精度（<1.5 K）稍低于SW-R算法的精度,SW-D算法的精度居中（<2.0 K）,SW-J算法的精度（5.0-6.0 K之间）低于前四种SW算法的精度。夏季与秋季,SW-JIM算法的精度（<2.0 K）最高,SW-D算法、SW-Y算法、SW-R算法的精度（<3.0 K）居中,SW-J算法的精度（5.5-6.5K之间）低于前四种SW算法的精度。总体来说,春季与冬季的算法精度高于夏季与秋季,SW-JIM算法精度较好,SW-R、SW-Y、SW-D算法居中,SW-J算法精度稍低。4、从与实测温度的相关性来看,六种算法与实测温度具有强烈的相关性,相关系数依次为0.9837、0.9843、0.9701、0.9833、0.9835、0.9835,可知反演结果与实测温度表现出较高的一致性,其中,SW-J算法的相关系数最低（为0.9701）,SW-D算法的相关系数最高（为0.9843）,GSC算法、SW-Y算法、SW-R算法与SW-JIM算法的相关系数靠近（分别为0.9837、0.9833、0.9835、0.9835）。由此表明,SLCA算法的引入较好地改善了Landsat-8热红外波段的数据质量,使得SW算法在Landsat-8数据LST反演中同样具有较强的适用性。5、从LST反演的关键影响因子来看,首先,就大气水汽含量而言,大气水汽含量升高导致大气透过率的降低会使地表温度的反演精度降低。夏季气候较为湿润,大气水汽含量较高而大气透过率将会减小,因此夏季的反演结果误差较大,冬季则相反。其次,对于地表比辐射率,夏季植被较为茂密,投影到地面上的阴影较重。然而,卫星观测到的是植物的冠层,而不是真实的地表,因此将会导致较大的地表比辐射率误差,冬季则相反。第三,输入参数以及参数之间相互结合的复杂程度对算法精度也有一定的影响。SW-J算法的输入参数与SW-R算法的输入参数都包含亮度温度、地表比辐射率与大气透过率三个基本参数。然而由于SW-J算法中这三个主要输入参数之间的组合方式较多,同时较多的中间变量需计算,其精度低于其它算法反演精度。最后,站点高程与数据量的大小也对反演精度具有一定影响。七个站点的高程最低为GWN站点（98 m）,最高为TBL站点（1689 m）,而结果显示,TBL站点地表温度反演精度较差,GWN站点地表温度反演精度较好。DRA站点的高程与TBL站点的高程相近,但DRA站点的数据量（16景）要多于TBL站点（9景）,DRA站点反演精度较TBL站点高,数据较多时得出的结果更具有说服力。