CN103398780A - 基于fy-2c热红外波段的近地面气温反演方法 - Google Patents

Abstract

一种基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，包括：A、计算大气透过率τ_i(θ)；τ_i(θ)为i波段在观测天顶角为θ时的大气透过率，θ为观测天顶角；B、计算FY-2C的IR1、IR2波段的地表比辐射率ε_IR1、ε_IR2；C、计算大气各层气温变化率R_t(h)；R_t(h)为气温在高度h处的降低率；D、计算大气各层水汽含量比重R_w(h)；R_w(h)为高度是层叠水汽所占总含水量的百分比；E、利用式31计算得到近地面气温T_a；T_a＝(B₀+B₁T_IR1+B₂T_IR2-bT₀)/a(式31)。

Description

基于FY-2C热红外波段的近地面气温反演方法

技术领域

本发明涉及热红外反演温度遥感领域，尤其涉及一种基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法。 

背景技术

近地面气温获取的常规手段是通过气象观测站点记录。随着航天技术和遥感应用技术的发展，利用遥感技术反演近地面气温正处于起步阶段。虽然存在着较大的困难，仍然有研究根据遥感热红外波段信息反演近地面气温，并取得了一定研究成果。主要分为四大类：单因子统计方法(Chen，E.，L.Allen Jr，J.Bartholic，J.Gerber.Comparison of winter-nocturnal geostationary satellite infrared-surface temperature with shelter--height temperature in Florida[J].Remote sensing ofenvironment，1983.13(4)∶313-327.)、多因子统计方法(Kawashima，S.，T.Ishida.M.Minomura，T.Miwa.Relations between surface temperature and air temperature on a local scale during winter nights[J].Journal of Applied Meteorology，2000.39(9)∶1570-1579.)、人工神经网络方法(Jang，J.D.，A.Viau，F.Anctil.Neural network estimation of air temperatures from AVHRR data[J].International Journal of Remote Sensing，2004.25(21)∶4541-4554.)、温度-植被指数方法(Prince，S.D.，S.J.Goetz，R.Dubayah，K.Czajkowski，M.Thawley.Inference of surface and air temperature，atmospheric precipitable water and vapor pressure deficit using Advanced Very High-Resolution Radiometer satellite observations∶comparison with field observations[J].Journal of Hydrology，1998.212∶230-249.)、地表能量平衡方法(Sun，Y.J.，J.F.Wang，R.H.Zhang，R.Gillies，Y Xue，Y.C.Bo.Air temperature retrieval from remote sensing data based on thermodynamics[J].Theoretical and applied climatology，2005.80(1)∶37-48.)。目前已有的近地面气温反演方法存在一些局限性，主要表现在以下几个方面：1)地表温度的反演精度很大程度上影响了气温反演的精度；2)反演模型的普适性较差，地表能量平衡模型虽具有明确的物理意义，但是需要参数输入较多，有些参数遥感无法获取；3)气温反演时间分辨率较低。因此，还没有一种公认的业务化算法支持遥感获取近 地面气温。 

FY-2C是我国第一代静止气象卫星的第一颗业务卫星，FY-2C使我国气象观测从定性应用向定量应用取得了实质性长足进步。目前，FY-2C已提供多种产品，包括大气运动矢量，地面入射太阳辐射、对流层中上部水汽、海表温度、积雪覆盖、相当黑体亮温、云分类、云总量等一系列产品。然而到目前为止，利用FY-2C生产近地面气温的产品仍未发布，针对FY-2C反演近地面气温的方法仍处于起步阶段。 

发明内容

本发明旨在提出一种基于FY-2C和NCEP(National Centers for Environmental Prediction)的近地面气温反演方法。 

本发明的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，包括： 

A、计算大气透过率τ_i(θ)；τ_i(θ)为i波段在观测天顶角为θ时的大气透过率，θ为观测天顶角； 

B、计算FY-2C的IR1、IR2波段的地表比辐射率ε_IR1、ε_IR2； 

C、计算大气各层气温变化率R_t(h)；R_t(h)为气温在高度h处的降低率； 

D、计算大气各层水汽含量比重R_w(h)；R_w(h)为高度是h层的水汽所占总含水量的百分比； 

E、利用式31计算得到近地面气温T_a； 

T_a＝(B₀+B₁T_IR1+B₂T_IR2－bT₀)/a    (式31)； 

其中，T_a为近地面气温；T_IR1为波段IR1亮温，由FY-2C产品查找表获得，T_IR2为波段IR2亮温，由FY-2C产品查找表获得；B₀、B₁、B₂由式30计算获得；a由式7计算获得，b由式8计算获得；T₀为所有站点大气剖面的低层大气在均值最低且方差最小时的大气温度值； 

$\left\{\begin{array}{c}{B}_0=\frac{C_2(1-C_1-D_1)b_1-C_1(1-C_2-D_2)b_2}{C_2{D}_1-C_1{D}_2}\\ B_1=\frac{C_2\[(1-C_1-D_1)a_1+C_1+D_1\]}{D_2{D}_1-C_1{D}_2}\\ B_2=\frac{-C_1\[(1-C_2-D_2)a_2+C_2+D_2\]}{C_2{D}_1-C_1{D}_2}\end{array}\right.$ (式30)； 

$a={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)\[1-R_t\left(h\right)\]$     (式7)； 

$b={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)R_t\left(h\right)$     (式8)； 

a₁、b₁为L_IR1与T的回归系数；a₂、b₂为L_IR2与T的回归系数；其中： 

L_IR1＝a₁T+b₁    (式14a)； 

L_IR2＝a₂T+b₂    (式14b)； 

T为温度； 

$L_{\mathrm{IR}1}=B_{\mathrm{IR}1}\left(T\right)/\[\∂B_{\mathrm{IR}1}\left(T\right)/\∂T\]$     (式12a)； 

$L_{\mathrm{IR}2}=B_{\mathrm{IR}2}\left(T\right)/\[\∂B_{\mathrm{IR}2}\left(T\right)/\∂T\]$     (式12b)； 

B_IR1(T)为IR1波段温度为T时由Planck方程所确定的辐射值； 

B_IR2(T)为IR2波段温度为T时由Planck方程所确定的辐射值； 

C₁、C₂由式21确定；D₁、D₂由式16确定； 

C_i＝ε_iτ_i(θ)    (式21)； 

D_i＝(1－ε_i)τ_i(θ)(1－τ_i(50))+(1－τ_i(θ))    (式16)； 

i取1、2；ε₁取值ε_IR1，ε₂取值ε_IR2；h为高度，m为大气廓线层数。 

优选地，所述大气透过率τ_i(θ)通过用MODTRAN大气校正模型模拟已知大气廓线条件下的FY-2C的热红外波段的大气透过率来计算。 

优选地，用MODTRAN模拟时输入温度、湿度廓线，廓线选自与研究区域气象观测站点相同地理经纬度的大气剖面，其余参数采用缺省值； 

通过统计回归建立与观测天顶角的二次函数关系： 

τ_i(θ)＝e_i+f_i*θ+g_i*θ²    (式1)； 

e_i、f_i、g_i分别表示IR1、IR2波段的回归系数，i取1时为IR1波段的回归系数，i取2时为IR2波段的回归系数。 

优选地，通过MOD11B1的地表温度产品的31和32波段的地表比辐射率来计算地表比辐射率ε_IR1、ε_IR2。 

优选地，ε_IR1＝－0.0611+1.0614ε₃₁    (式2)； 

ε_IR2＝－0.0210+1.0199ε₃₂    (式3)； 

ε₃₁、ε₃₂分别表示MODIS第31、32波段的地表比辐射率。 

优选地，所述气温变化率R_t(h)利用NCEP大气廓线资料通过式4计算获得， 

R_t(h)＝(T′_a－T_h)/(T′_a－T₀)    (式4)； 

T₀为所有站点大气剖面的低层大气在均值最低且方差最小时的大气温度值；T′_a为近地面温度的气象站点观测值。 

优选地，所述水汽含量比重R_w(h)利用NCEP数据中大气水汽垂直廓线，通过式5计算获得； 

R_w(h)＝w(h)/w    (式5)； 

w(h)表示高度为h层的水汽含量，w表示大气总的含水量；w(h)和w均为各气象观测站点大气剖面水汽状况。 

优选地，式31通过大气有效平均作用温度与近地面气温关系和大气有效平均作用温度与亮温的关系之间的关系获得。 

优选地，大气有效平均作用温度与近地面气温关系为： 

T_ema＝a*T_a+b*T₀    (式9)； 

其中T_ema为大气有效平均作用温度。 

优选地，大气有效平均作用温度与亮温之间的关系通过热红外波段IR1、IR2的波段辐射传输方程的Planck线性展开而获得，大气有效平均作用温度与亮温的关系之间的关系为： 

(C₂D₁－C₁D₂)T_ema＝C₂(1－C₁－D₁)b₁－C₁(1－C₂－D₂)b₂+C₂[(1－C₁－D₁)a₁+C₁+D₁]T_IR1－C₁[(1－C₂－D₂)a₂+C₂+D2]T_IR2(式29)。 

本发明方法与传统的近地面气温反演方法在精度上较单因子统计方法、温度-植被指数方法、地表能量平衡方法有优势。与传统的近地面气温反演算法相比，本方法具有明确的物理意义，不受时间以及地表覆盖类型的影响等多项优点。 

附图说明

图1为大气透过率计算图； 

图2为地表比辐射率计算图； 

图3为各层大气温度变化率计算图； 

图4为各层大气水汽含量百分比图； 

图5为精度验证图； 

图6为近地面气温反演结果图； 

图7为本方法流程示意图。 

具体实施方式

下面结合附图对本发明的方法进行详细说明。 

图7为本发明的方法的流程示意图。 

本发明的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，包含以下步骤： 

A、大气透过率计算 

采用MODTRAN模拟与统计回归相结合的方法计算大气透过率。用MODTRAN大气校正模型模拟已知大气廓线条件下的FY-2C的热红外波段的大气透过率。用MODTRAN模拟时输入温度、湿度廓线，廓线选自与研究区域气象观测站点相同地理经纬度的大气剖面，其余参数采用缺省值。最后，通过统计回归建立与观测天顶角的二次函数关系： 

τ_i(θ)＝e_i+f_i*θ+g_i*θ²    (式1)； 

式中τ_i(θ)为i波段在观测天顶角为θ时的大气透过率，θ为观测天顶角，单位为度(°)，e_i、f_i、g_i分别表示IR1、IR2波段的回归系数，i取1时为IR1波段的回归系数，i取2时为IR2波段的回归系数。计算结果如图1所示。 

B、地表比辐射率计算 

FY-2C的地表比辐射率通过MOD11B1的地表温度产品的31和32波段的地表比辐射率来估算。通过建立MODIS与FY的线性统计关系，得到如下的计算式： 

ε_IR1＝－0.0611+1.0614ε₃₁    (式2)； 

ε_IR2＝－0.0210+1.0199ε₃₂    (式3)； 

公式中ε₃₁、ε₃₂分别表示MODIS第31、32波段的地表比辐射率，ε_IR1、ε_IR2分别表示FY-2C的IR1、IR2波段的地表比辐射率。 

计算结果如图2所示。 

C、大气各层气温变化率计算 

大气各不同层次的气温变化率主要通过分析NCEP大气廓线资料获得，计算公式如： 

R_t(h)＝(T′_a－T_h)/(T′_a－T₀)    (式4) 

R_t(h)为气温在高度h处的降低率。T₀为所有站点大气剖面的低层大气在均值最低且方差最小时的大气温度值。T′_a为近地面气温，为了控制气温的反演误差，在该处的T′_a值我们采用气象站点观测值。 

如图3所述，(a)为大气廓线中的温度变化图；(b)为根据式4计算的大气温度变化率。 

D、大气各层水汽含量比重计算 

通过NCEP数据中大气水汽垂直廓线，计算各层大气中水汽含量比重。计算式如下： 

R_w(h)＝w(h)/w    (式5)； 

R_w(h)为高度是h层的水汽所占总含水量的百分比，w(h)表示高度为h层的水汽含量，w表示大气总的含水量。w(h)和w均为各气象观测站点大气剖面水汽状况。 

如图4所示，(a)为大气廓线中含水量图，(b)为计算的大气各层水汽含量比重。 

E、大气有效平均作用温度与近地面气温关系 

通过大气廓线资料的分析整理，建立大气有效平均作用温度与近地面气温的关系。计算式如下： 

$T_{\mathrm{ema}}=T_a{\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)\[1-R_t\left(h\right)\]+T_0{\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)R_t\left(h\right)$     (式6)； 

式中T_ema为大气有效平均作用温度，T_a为近地面气温，m为大气廓线层数，R_w(h)为高度是h层的水汽所占总含水量的百分比，R_t(h)为气温在高度h处的 降低率， 

为了简化公式的表达形式，定义： 

$a={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)[1-R_t\left(h\right)]$     (式7)； 

$b={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)R_t\left(h\right)\]$     (式8)； 

最终式6变形为： 

T_ema＝a*T_a+b*T₀    (式9)； 

通过上述公式的变形与简化，建立T_ema与T_a的关系。 

F、Planck方程的线性展开 

通过Planck方程的线性展开，将大气有效平均作用温度和辐射亮度值之间的关系进行简化。 

$B_{\mathrm{\λ}}\left(T\right)=\frac{H{c}^2}{{\mathrm{\λ}}^5(e^{\mathrm{Hc}/\mathrm{\λkT}}-1)}$      

公式中B_λ(T)表示波长为λ，温度为T时所对应的辐射值，H为普朗克常量，k为波尔兹曼常数。Planck方程是非线性函数，形式非常复杂，在辐射传输方程中展开会增加公式的复杂程度，不易求解。反演气温需要对Planck函数进行线性展开，利用Taylor多项式来近似表达其值。计算式如下： 

$B_i\left(T_j\right)=B_i\left(T\right)+(T_j-T)\∂B_i\left(T\right)/\∂T$     (式11)； 

令： 

$L_i=B_i\left(T\right)/\[\∂B_i\left(T\right)/\∂T\]$     (式12)； 

$L_{\mathrm{IR}1}=B_{\mathrm{IR}1}\left(T\right)/\[\∂B_{\mathrm{IR}1}\left(T\right)/\∂T\]$     (式12a)； 

$L_{\mathrm{IR}2}=B_{\mathrm{IR}2}\left(T\right)/\[\∂B_{\mathrm{IR}2}\left(T\right)/\∂T\]$     (式12b)； 

B_IR1(T)表示为IR1波段温度为T时由Planck方程所确定的辐射值； 

B_IR2(T)表示为IR2波段温度为T时由Planck方程所确定的辐射值； 

则公式11变形为： 

$B_i\left(T_j\right)=(L_i+T_j-T)\∂B_i\left(T\right)/\∂T$     (式13)； 

其中L_i是与温度密切相关的函数，可表示为： 

L_i＝a_iT+b_i    (式14)； 

L_IR1＝a₁T+b₁    (式14a)； 

L_IR2＝a₂T+b₂    (式14b)； 

a₁、b₁为L_IR1与T的回归系数；a₂、b₂为L_IR2与T的回归系数。 

利用Taylor多项式将B_IR1(T_ema)、B_IR2(T_ema)、L_IR1、L_IR2、B_IR1(T_s)和B_IR2(T_s)展开，可得： 

$B_{\mathrm{IR}1}\left(T_{\mathrm{ema}}\right)=(L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)+T_{\mathrm{ema}}-T_{\mathrm{IR}1})\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T$     (式15)； 

$B_{\mathrm{IR}2}\left(T_{\mathrm{ema}}\right)=(L_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)+T_{\mathrm{ema}}-T_{\mathrm{IR}2})\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T$     (式16)； 

$B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)=L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T$     (式17)； 

$B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)=L_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T$     (式18)； 

$B_{\mathrm{IR}1}\left(T_s\right)=(L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)+T_s-T_{\mathrm{IR}1})\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T$     (式19)； 

$B_{\mathrm{IR}2}\left(T_s\right)=(L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)+T_s-T_{\mathrm{IR}2})\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T$     (式20)。 

G、近地面反演气温模型建立 

结合热红外波段辐射传输方程，推导近地面气温反演劈窗算法。将利用Taylor多项式展开的B_IR1(T_ema)、B_IR2(T_ema)、L_IR1、L_IR2、B_IR1(T_s)和B_IR2(T_s)代入IR1和IR2波段的热辐射传输方程，令： 

C_i＝ε_iτ_i(θ)    (式21)； 

D_i＝(1－ε_i)ε_i(θ)(1－τ_i(50))+(1－τ_i(θ))    (式22)； 

可得 

B₁(T₁)＝C₁B₁(T_s)+D₁B₁(T_ema)    (式23)； 

B₂(T₂)＝C₂B₂(T_s)+D₂B₂(T_ema)    (式24)； 

带入Planck方程 

$L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T=C_1(L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)+T_s-T_{\mathrm{IR}1})\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T+$

$D_1(L_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)+T_{\mathrm{ema}}-T_{\mathrm{IR}1})\∂B_{\mathrm{IR}1}\left(T_{\mathrm{IR}1}\right)/\∂T$      

$L_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T=C_2(L_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)+T_s-T_{\mathrm{IR}2})\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T+$

$D_2(L_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)+T_{\mathrm{ema}}-T_{\mathrm{IR}2})\∂B_{\mathrm{IR}2}\left(T_{\mathrm{IR}2}\right)/\∂T$      

式23和式24两边消去

和

我们可以得到： 

C₁T_s+D₁T_ema＝[(1－C₁－D₁)a₁]T_IR1+(1－C₁－D₁)b₁    (式27)； 

C₂T_s+D₂T_ema＝[(1－C₂－D₂)a₂]T_IR2+(1－C₂－D₂)b₂    (式28)； 

联立式25和式26，消掉T_s，我们可以得到： 

(C₂D₁－C₁D₂)T_ema＝C₂(1－C₁－D₁)b₁－C₁(1－C₂－D₂)b₂+C₂[(1－C₁－D₁)a₁+C₁+D₁]T_IR1－C₁[(1－C₂－D₂)a₂+C₂+D₂]T_IR2(式29)； 

为了简化式28，我们令： 

$\left\{\begin{array}{c}{B}_0=\frac{C_2(1-C_1-D_1)b_1-C_1(1-C_2-D_2)b_2}{C_2{D}_1-C_1{D}_2}\\ B_1=\frac{C_2\[(1-C_1-D_1)a_1+C_1+D_1\]}{D_2{D}_1-C_1{D}_2}\\ B_2=\frac{-C_1\[(1-C_2-D_2)a_2+C_2+D_2\]}{C_2{D}_1-C_1{D}_2}\end{array}\right.$ (式30)； 

联合式9可得 

T_a＝(B₀+B₁T_IR1+B₂T_IR2－bT₀)/a    (式31)； 

在上述反演算法中，最终需要确定的参数为亮温(通过FY-2C数据查找表获得)、大气透过率和地表比辐射率。根据近地面气温反演劈窗算法模型输出近地面气温结果，该结果以tif格式输出。如图6所示。 

结果分析及本方法的优越性 

利用2006年5月15日上午11时中国环渤海地区FY-2C影像和同时相NCEP数据以及气象站点观测数据。选择多种算法反演环渤海地区近地面气温，得到不同算法反演的同时相近地面气温反演结果，并用气象观测站点数据对其进行精度验证，对不同算法的精度进行比较分析。统计结果见表1。 

表1不同算法精度比较 

注：A代表单因子统计方法；B代表多因子统计方法；C代表温度-植被指数方法；D代表地表能量平衡方法；E代表本发明算法。1、2、3、4、5分别代表不同气象观测站点。 

表1是2006年5月15日上午11时环渤海地区不同算法的反演结果精度比较以及不同算法的误差统计情况。 

通过表1与图5可知，本发明的方法与传统的近地面气温反演方法在精度上较单因子统计方法、温度-植被指数方法、地表能量平衡方法有优势。与传统的近地面气温反演算法相比，本方法具有明确的物理意义，不受时间以及地表覆盖类型的影响等多项优点。 

Claims (10)

1.一种基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，所述方法包括：

A、计算大气透过率τ_i(θ)；τ_i(θ)为i波段在观测天顶角为θ时的大气透过率，θ为观测天顶角；

B、计算FY-2C的IR1、IR2波段的地表比辐射率ε_IR1、ε_IR2；

C、计算大气各层气温变化率R_t(h)；

D、计算大气各层水汽含量比重R_w(h)；

E、利用式31计算得到近地面气温T_a；

T_a＝(B₀+B₁T_IR1+B₂T_IR2－bT₀)/a    (式31)；

其中，T_a为近地面气温；T_IR1为波段IR1亮温，由FY-2C产品查找表获得，T_IR2为波段IR2亮温，由FY-2C产品查找表获得；B₀、B₁、B₂由式30计算获得；a由式7计算获得，b由式8计算获得；T₀为所有站点大气剖面的低层大气在均值最低且方差最小时的大气温度值；

$\left\{\begin{array}{c}{B}_0=\frac{C_2(1-C_1-D_1)b_1-C_1(1-C_2-D_2)b_2}{C_2{D}_1-C_1{D}_2}\\ B_1=\frac{C_2\[(1-C_1-D_1)a_1+C_1+D_1\]}{D_2{D}_1-C_1{D}_2}\\ B_2=\frac{-C_1\[(1-C_2-D_2)a_2+C_2+D_2\]}{C_2{D}_1-C_1{D}_2}\end{array}\right.$ (式30)；

$a={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)\[1-R_t\left(h\right)\]$     (式7)；

$b={\mathrm{\Σ}}_{h=0}^m{R}_w\left(h\right)R_t\left(h\right)$     (式8)；

a₁、b₁为L_IR1与T的回归系数；a₂、b₂为L_IR2与T的回归系数；其中：

L_IR1＝a₁T+b₁    (式14a)；

L_IR2＝a₂T+b₂    (式14b)；

T为温度；

$L_{\mathrm{IR}1}=B_{\mathrm{IR}1}\left(T\right)/\[\∂B_{\mathrm{IR}1}\left(T\right)/\∂T\]$     (式12a)；

$L_{\mathrm{IR}2}=B_{\mathrm{IR}2}\left(T\right)/\[\∂B_{\mathrm{IR}2}\left(T\right)/\∂T\]$     (式12b)；

B_IR1(T)为IR1波段温度为T时由Planck方程所确定的辐射值；

B_IR2(T)为IR2波段温度为T时由Planck方程所确定的辐射值；

C₁、C₂由式21确定；D₁、D₂由式16确定；

C_i＝ε_iτ_i(θ)    (式21)；

D_i＝(1－ε_i)τ_i(θ)(1－τ_i50))+(1－τ_i(θ))    (式16)；

i取1、2；ε₁取值ε_IR1，ε₂取值ε_IR2；h为高度，m为大气廓线层数。

2.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：所述大气透过率τ_i(θ)通过用MODTRAN大气校正模型模拟已知大气廓线条件下的FY-2C的热红外波段的大气透过率来计算。

3.如权利要求2所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

用MODTRAN模拟时输入温度、湿度廓线，廓线选自与研究区域气象观测站点相同地理经纬度的大气剖面，其余参数采用缺省值；

通过统计回归建立与观测天顶角的二次函数关系：

τ_i(θ)＝e_i+f_i*θ+g_i*θ²    (式1)；

e_i、f_i、g_i分别表示IR1、IR2波段的回归系数，i取1时为IR1波段的回归系数，i取2时为IR2波段的回归系数。

4.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

通过MOD11B1的地表温度产品的31和32波段的地表比辐射率来计算地表比辐射率ε_IR1、ε_IR2。

5.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

ε_IR1＝－0.0611+1.0614ε₃₁    (式2)；

ε_IR2＝－0.0210+1.0199ε₃₂    (式3)；

ε₃₁、ε₃₂分别表示MODIS第31、32波段的地表比辐射率。

6.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

所述气温变化率R_t(h)利用NCEP大气廓线资料通过式4计算获得，

R_t(h)＝(T′_a－T_h)/(T′_a－T₀)    (式4)；

T₀为所有站点大气剖面的低层大气在均值最低且方差最小时的大气温度值；T′_a为近地面温度的气象站点观测值。

7.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

所述水汽含量比重R_w(h)利用NCEP数据中大气水汽垂直廓线，通过式5计算获得；

R_w(h)＝w(h)/w    (式5)；

w(h)表示高度为h层的水汽含量，w表示大气总的含水量；w(h)和w均为各气象观测站点大气剖面水汽状况。

8.如权利要求1所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

式31通过大气有效平均作用温度与近地面气温关系和大气有效平均作用温度与亮温的关系之间的关系获得。

9.如权利要求8所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

大气有效平均作用温度与近地面气温关系为：

T_ema＝a*T_a+b*T₀    (式9)；

其中T_ema为大气有效平均作用温度。

10.如权利要求8所述的基于FY-2C热红外波段数据和NCEP大气廓线数据的近地面气温反演方法，其特征在于：

大气有效平均作用温度与亮温之间的关系通过热红外波段IR1、IR2的波段辐射传输方程的Planck线性展开而获得，大气有效平均作用温度与亮温的关系之间的关系为：

(C₂D₁－C₁D₂)T_ema＝C₂(1－C₁－D₁)b₁－C₁(1－C₂－D₂)b₂+C₂[(1－C₁－D₁)a₁+C₁+D₁]T_IR1－C₁[(1－C₂－D₂)a₂+C₂+D₂]T_IR2(式29)。

Images