CN103902839A - 卫星遥感产品支持的单通道法地表温度反演方法 - Google Patents
卫星遥感产品支持的单通道法地表温度反演方法 Download PDFInfo
- Publication number
- CN103902839A CN103902839A CN201410155764.8A CN201410155764A CN103902839A CN 103902839 A CN103902839 A CN 103902839A CN 201410155764 A CN201410155764 A CN 201410155764A CN 103902839 A CN103902839 A CN 103902839A
- Authority
- CN
- China
- Prior art keywords
- ndvi
- irs
- modis
- surface temperature
- emissivity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种卫星遥感产品支持的单通道法地表温度反演方法,包括如下步骤:a、收集与待反演影像同时相的16天合成的MODIS地表植被指数产品NDVI;b、通过MODIS地表植被指数产品NDVI与HJ-1B IRS近红外波段反射率在降序排列下各个数值区间的像元个数百分比匹配,实现对HJ-1B IRS热红外波段对应像元的NDVI植被指数赋值;c、基于NDVI与地表比辐射率的统计关系模型,计算地表比辐射率;d、获取与IRS数据同时相的MODIS水汽通道数据,用三通道比值法来实现大气水汽含量的反演,确定HJ-1B IRS的水汽含量;e、将地表比辐射率和水汽含量代入QK&B算法或JM&S算法得到地表温度反演结果。本发明中地表比辐射率确定精度较高,利于实现该类型传感器单通道法地表温度的反演。
Description
技术领域
本发明涉及一种卫星遥感产品支持的单通道法地表温度反演方法,适用于具有单一热红外通道的卫星影像的地表温度遥感反演。
背景技术
地表温度是进行区域和全球尺度地球表面物理过程研究的一个重要参数,是研究地气系统能量平衡、地气相互作用的基本物理量。在环境以及灾害监测中,地表温度也发挥着重要的作用,如对影响城市生活舒适度的热岛效应的监测,对影响农作物产量的旱灾的监测,对危害森林、草地的火灾监测等。因此,精确获取地表面温度具有重要的实际意义。随着定量遥感技术的发展,近年来使用具有热红外通道的卫星传感器反演地表温度的研究也得到越来越多的开展。
在地表温度反演中,地表比辐射率的确定是一个关键的问题,其确定精度直接影响地表温度的反演精度。常用的地表比辐射率确定方法主要有以下两种,第一种是基于地表分类的方法。第二种是基于地表比辐射率和植被指数或植被覆盖度之间的统计关系模型,如Sobrino(2001年)提出的混合像元比辐射率估算方法。由于第二种方法获取数据容易,而且精度较高,被广泛用于地表温度反演时地表比辐射率的确定。但由于部分卫星传感器不能实时获取与热红外通道相对应的植被指数或植被覆盖信息,限制了地表温度反演工作的开展。如我国发射的HJ-1B IRS传感器与可以获取植被指数的HJ-1B CCD数据覆盖区域有较大的差异,若用HJ-1B CCD数据来确定HJ-1B IRS覆盖区域的植被指数,一方面不能实现HJ-1B IRS地表温度的实时反演,另一方面由于受两个数据上云量之和的影响,会严重降低反演的空间范围。
发明内容
针对现有技术中部分热红外数据在运用单通道方法开展地表温度反演时,不能精确地确定地表比辐射率的技术问题,本发明提出了一种卫星遥感产品支持的单通道法地表温度反演方法,地表比辐射率确定精度较高,利于实现该类型传感器单通道法地表温度的反演。
为了实现上述目的,本发明采用如下技术方案:
卫星遥感产品支持的单通道法地表温度反演方法,包括如下步骤:
a、收集与待反演影像同时相的16天合成的MODIS地表植被指数产品NDVI;
b、将步骤a中获得的MODIS地表植被指数产品NDVI进行投影转换,转换到与IRS数据相统一的UTM投影下,并对MODIS地表植被指数产品NDVI进行重采样运算;
将MODIS NDVI数值从大到小等间隔进行密度分割,并统计各个区间内的像元个数及其所占百分比;然后将IRS第1波段反射率值同样按照降序排列统计,以与MODIS NDVI区间范围占相同百分比为匹配条件对图像进行分割;
根据MODIS影像的NDVI区间范围,对分割后的IRS影像赋予新的NDVI值;
c、基于NDVI与地表比辐射率的统计模型,计算地表比辐射率;
d、获取与IRS数据同时相的MODIS水汽通道数据,用三通道比值法来实现大气水汽含量的反演,确定HJ-1B IRS的水汽含量;
e、将步骤c和步骤d中得到的地表比辐射率ελ和水汽含量代入QK&B算法或JM&S算法得到地表温度反演结果。
上述步骤b中,具体赋值方法如下:
b1、根据土壤的光谱特征,当NDVI<0.2,认为地表全部由裸土构成,对应IRS近红外波段NDVI取0.2;
b2、考虑当植被覆盖较高时,NDVI趋于饱和,因此当NDVI>0.7,将对应IRS近红外波段NDVI统一取最大值0.8;
b3、当NDVI在0.2-0.7之间,认为地表由植被和裸土两种地表构成,以0.1的间隔等分,对应IRS近红外波段赋予各区间的上限值,NDVI依次取0.3-0.7。
上步骤c中,在NDVI确定之后,植被和土壤的发射率εv、εs分别由ASTER光谱库提供的发射率曲线与IRS热红外波段光谱响应函数进行卷积运算获得:εv=0.9833,εs=0.9732;
地表比辐射率ελ的计算公式为:ελ=0.9732+0.0101*NDVI。
本发明具有如下优点:
本发明充分考虑到HJ-1B IRS与HJ-1B CCD数据的空间覆盖差异,提出用MODIS的植被指数产品协同确定地表比辐射率的方法,利用NDVI和近红外波段反射率的关联关系,通过直方图匹配的方法,完成了IRS数据比辐射率的提取。由于HJ-1B传感器自身不具有水汽反演能力,本发明采用MODIS水汽通道协助提取水汽数据,保证了水汽参数的高精度获取。本发明使用卫星遥感产品协同确定地表比辐射率以及水汽含量,从而提高了单通道法地表温度的反演精度,解决了部分卫星传感器不能实时获取与热红外通道相对应的植被指数或植被覆盖信息,限制了地表温度反演工作的开展的问题,能够更准确地实现地表温度反演,利于提升遥感产品在环境以及灾害监测中的应用水平。
附图说明
图1为本发明中卫星遥感产品支持的单通道法地表温度反演方法的流程示意图;
图2为2008年12月31日统计的各个温度下像元个数的灰度直方图;
图3为2009年1月4日统计的各个温度下像元个数的灰度直方图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明:
结合图1所示,一种卫星遥感产品支持的单通道法地表温度反演方法,具体步骤如下:
第一步、收集与待反演影像同时相的16天合成的MODIS地表植被指数产品NDVI。
第二步、基于合成的MODIS地表植被指数产品对IRS热红外波段的NDVI指数赋值。
首先,由于HJ-1B IRS与MODIS数据投影系统和空间分辨率不完全一致,IRS采用UTM投影,近红外和热红外波段分辨率分别为150m和300m,MODIS的NDVI产品和地表反射率数据采用Sinusoidal投影,分辨率分别为250m和1km,针对这一问题,本发明将各类数据在统一的UTM投影下,并对各类影像进行重采样运算;
将MODIS NDVI数值从大到小等间隔进行密度分割,并统计各个区间内的像元个数及其所占百分比,然后将IRS第1波段反射率值同样按照降序排列统计,以与MODIS NDVI区间范围占相同百分比为匹配条件对图像进行分割;
根据MODIS影像的NDVI区间范围,对分割后的IRS影像赋予新的NDVI值。具体赋值方法如下:
1、根据土壤的光谱特征,当NDVI<0.2,认为地表全部由裸土构成,对应IRS近红外波段NDVI取0.2;
2、考虑当植被覆盖较高时,NDVI趋于饱和,因此当NDVI>0.7,将对应IRS近红外波段NDVI统一取最大值0.8;
3、当NDVI在0.2-0.7之间,认为地表由植被和裸土两种地表构成,以0.1的间隔等分,对应IRS近红外波段赋予各区间的上限值,NDVI依次取0.3-0.7;
第三步、地表比辐射率确定
在NDVI确定之后,植被和土壤的发射率εv、εs分别由ASTER光谱库提供的发射率曲线与IRS热红外波段光谱响应函数进行卷积运算获得:εv=0.9833,εs=0.9732;
地表比辐射率通过式(1)进行估计:
ελ=0.9732+0.0101*NDVI (1)
通过使用土壤与植被的地物光谱数据模拟得出,上述方法确定的植被指数最大可导致地表比辐射率的误差为0.001。
第四步、获取与IRS数据同时相的MODIS水汽通道数据,用三通道比值法来实现大气水汽含量的反演。
因为MODIS与环境星的过境时间一致,所以可以利用MODIS的水汽反演结果支持环境星。强吸收波段16、17、18波段根据三通道比值法分别计算出各个水汽吸收波段的透过率,因为水汽强吸收波段,透过率与水汽含量是密切相关的,利用6S辐射传输模型模拟水汽含量与透过率之间的关系,得到透过率,进而得到水汽含量。然后三个强吸收波段反演得到的水汽含量加权获得较准确的水汽反演结果。
第五步、地表温度反演实验
将第三步得到的地表比辐射率ελ和第四步得到的水汽含量代入QK&B算法或JM&S算法得到地表温度反演结果。
图2和图3分别示出了2008年12月31日、以及2009年1月4日统计的各个温度下像元个数的灰度直方图,由灰度直方图可知,地表温度反演结果总体趋势上与MODIS温度标准产品具有较高的一致性,两种算法反演结果与MODIS温度产品相比,大部分像元值误差都在2k之内,可知本发明得到的地表温度产品结果稳定。
通过对地表温度反演实验结果的精度评价,表明本发明方法反演的地表温度能够达到较高的精度,具有很强的实用性。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、或明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
Claims (3)
1.卫星遥感产品支持的单通道法地表温度反演方法,其特征在于包括如下步骤:
a、收集与待反演影像同时相的16天合成的MODIS地表植被指数产品NDVI;
b、将步骤a中获得的MODIS地表植被指数产品NDVI进行投影转换,转换到与IRS数据相统一的UTM投影下,并对MODIS地表植被指数产品NDVI进行重采样运算;
将MODIS NDVI数值从大到小等间隔进行密度分割,并统计各个区间内的像元个数及其所占百分比;然后将IRS第1波段反射率值同样按照降序排列统计,以与MODIS NDVI区间范围占相同百分比为匹配条件对图像进行分割;
根据MODIS影像的NDVI区间范围,对分割后的IRS影像赋予新的NDVI值;
c、基于NDVI与地表比辐射率的统计模型,计算地表比辐射率;
d、获取与IRS数据同时相的MODIS水汽通道数据,用三通道比值法来实现大气水汽含量的反演,确定HJ-1B IRS的水汽含量;
e、将步骤c和步骤d中得到的地表比辐射率ελ和水汽含量代入QK&B算法或JM&S算法得到地表温度反演结果。
2.根据权利要求1所述的卫星遥感产品支持的单通道法地表温度反演方法,其特征在于,所述步骤b中,具体赋值方法如下:
b1、根据土壤的光谱特征,当NDVI<0.2,认为地表全部由裸土构成,对应IRS近红外波段NDVI取0.2;
b2、考虑当植被覆盖较高时,NDVI趋于饱和,因此当NDVI>0.7,将对应IRS近红外波段NDVI统一取最大值0.8;
b3、当NDVI在0.2-0.7之间,认为地表由植被和裸土两种地表构成,以0.1的间隔等分,对应IRS近红外波段赋予各区间的上限值,NDVI依次取0.3-0.7。
3.根据权利要求1所述的卫星遥感产品支持的单通道法地表温度反演方法,其特征在于,所述步骤c中,在NDVI确定之后,植被和土壤的发射率εv、εs分别由ASTER光谱库提供的发射率曲线与IRS热红外波段光谱响应函数进行卷积运算获得:εv=0.9833,εs=0.9732;
地表比辐射率ελ的计算公式为:ελ=0.9732+0.0101*NDVI。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410155764.8A CN103902839B (zh) | 2014-04-18 | 2014-04-18 | 卫星遥感产品支持的单通道法地表温度反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410155764.8A CN103902839B (zh) | 2014-04-18 | 2014-04-18 | 卫星遥感产品支持的单通道法地表温度反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103902839A true CN103902839A (zh) | 2014-07-02 |
CN103902839B CN103902839B (zh) | 2016-11-23 |
Family
ID=50994156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410155764.8A Active CN103902839B (zh) | 2014-04-18 | 2014-04-18 | 卫星遥感产品支持的单通道法地表温度反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103902839B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
CN111323129A (zh) * | 2020-03-25 | 2020-06-23 | 长光卫星技术有限公司 | 一种基于宽波段热红外影像的地表温度反演方法 |
CN111999251A (zh) * | 2020-08-14 | 2020-11-27 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
CN114494377A (zh) * | 2022-02-16 | 2022-05-13 | 中国科学院空天信息创新研究院 | 像元尺度的方向性比辐射率模型的构建方法 |
CN114781148A (zh) * | 2022-04-14 | 2022-07-22 | 河北地质大学 | 一种热红外遥感云覆盖像元的地表温度反演方法及系统 |
CN115099159A (zh) * | 2022-07-20 | 2022-09-23 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
CN117113855A (zh) * | 2023-10-20 | 2023-11-24 | 中国科学院地理科学与资源研究所 | 一种单通道地表温度遥感方法及其系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
CN102103077A (zh) * | 2009-12-16 | 2011-06-22 | 中国科学院沈阳应用生态研究所 | 一种基于modis数据的农业干旱监测方法 |
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN102736128A (zh) * | 2011-09-21 | 2012-10-17 | 中国科学院地理科学与资源研究所 | 无人机光学遥感影像数据处理方法及装置 |
-
2014
- 2014-04-18 CN CN201410155764.8A patent/CN103902839B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
CN102103077A (zh) * | 2009-12-16 | 2011-06-22 | 中国科学院沈阳应用生态研究所 | 一种基于modis数据的农业干旱监测方法 |
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN102736128A (zh) * | 2011-09-21 | 2012-10-17 | 中国科学院地理科学与资源研究所 | 无人机光学遥感影像数据处理方法及装置 |
Non-Patent Citations (3)
Title |
---|
王丽美 等: "MODIS分裂窗算法反演地表温度", 《地理空间信息》 * |
王丽美 等: "基于MODIS遥感影像的大气水汽反演研究", 《石河子大学学报》 * |
王倩倩 等: "基于多源遥感数据反演地表温度的单窗算法", 《地理与地理信息科学》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
CN108760643A (zh) * | 2018-04-04 | 2018-11-06 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
CN108760643B (zh) * | 2018-04-04 | 2021-03-16 | 西南石油大学 | 一种适宜于高海拔地区的干旱遥感监测方法 |
CN111323129A (zh) * | 2020-03-25 | 2020-06-23 | 长光卫星技术有限公司 | 一种基于宽波段热红外影像的地表温度反演方法 |
CN111999251A (zh) * | 2020-08-14 | 2020-11-27 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
CN111999251B (zh) * | 2020-08-14 | 2021-03-23 | 中国水利水电科学研究院 | 基于热红外遥感的区域植被蒸腾和土壤蒸发反演的遥感模型方法 |
CN114494377A (zh) * | 2022-02-16 | 2022-05-13 | 中国科学院空天信息创新研究院 | 像元尺度的方向性比辐射率模型的构建方法 |
CN114781148A (zh) * | 2022-04-14 | 2022-07-22 | 河北地质大学 | 一种热红外遥感云覆盖像元的地表温度反演方法及系统 |
CN115099159A (zh) * | 2022-07-20 | 2022-09-23 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
CN115099159B (zh) * | 2022-07-20 | 2023-03-07 | 武汉大学 | 基于神经网络且顾及地表差异的modis水汽反演方法 |
CN117113855A (zh) * | 2023-10-20 | 2023-11-24 | 中国科学院地理科学与资源研究所 | 一种单通道地表温度遥感方法及其系统 |
CN117113855B (zh) * | 2023-10-20 | 2023-12-26 | 中国科学院地理科学与资源研究所 | 一种单通道地表温度遥感方法及其系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103902839B (zh) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103902839A (zh) | 卫星遥感产品支持的单通道法地表温度反演方法 | |
Govil et al. | Seasonal evaluation of downscaled land surface temperature: A case study in a humid tropical city | |
Zhang et al. | VSDI: a visible and shortwave infrared drought index for monitoring soil and vegetation moisture based on optical remote sensing | |
Chu et al. | Fractional vegetation cover | |
Heiskanen | Estimating aboveground tree biomass and leaf area index in a mountain birch forest using ASTER satellite data | |
CN108717044B (zh) | 一种去除植被覆盖影响的表层土壤含水量卫星遥感估算方法 | |
WO2023087630A1 (zh) | 一种利用遥感构建指数估算秸秆残留农田土壤盐分的方法 | |
Davidson et al. | Remote sensing of grassland–shrubland vegetation water content in the shortwave domain | |
Palacios-Orueta et al. | Derivation of phenological metrics by function fitting to time-series of Spectral Shape Indexes AS1 and AS2: Mapping cotton phenological stages using MODIS time series | |
Gao et al. | The responses of vegetation water content (EWT) and assessment of drought monitoring along a coastal region using remote sensing | |
Zhang et al. | Estimating aboveground biomass of Pinus densata-dominated forests using Landsat time series and permanent sample plot data | |
Shoko et al. | Applying the Surface Energy Balance System (SEBS) remote sensing model to estimate spatial variations in evapotranspiration in Southern Zimbabwe | |
Zhang et al. | Mapping and evaluation of landscape ecological status using geographic indices extracted from remote sensing imagery of the Pearl River Delta, China, between 1998 and 2008 | |
Yang et al. | Fractional evergreen forest cover mapping by MODIS time-series FEVC-CV methods at sub-pixel scales | |
Yang et al. | Estimating evapotranspiration from terrestrial groundwater-dependent ecosystems using Landsat images | |
Hassan et al. | Modeling and monitoring wheat crop yield using geospatial techniques: a case study of Potohar region, Pakistan | |
Mitran et al. | Retrieval of soil physicochemical properties towards assessing salt-affected soils using Hyperspectral Data | |
Ma et al. | Identification of forest disturbance and estimation of forest age in subtropical mountainous areas based on Landsat time series data | |
Zhang et al. | Improved model for estimating the biomass of Populus euphratica forest using the integration of spectral and textural features from the Chinese high-resolution remote sensing satellite GaoFen-1 | |
Qin et al. | An two-dimensional spectral space based model for drought monitoring and its re-examination | |
Huang et al. | A modified trapezoid framework model for partitioning regional evapotranspiration | |
Lima et al. | Seasonality of net radiation in two sub-basins of Paracatu by the use of MODIS sensor products | |
Xing et al. | An extended approach for biomass estimation in a mixed vegetation area using ASAR and TM data | |
Potapov et al. | Gross forest cover loss in temperate forests: Biome-wide monitoring results using MODIS and Landsat data | |
Khodjaev et al. | Combining multiple UAV-Based indicators for wheat yield estimation, a case study from Germany |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220114 Address after: 266000 Room 204, complex building, Science Park, Shandong University of science and technology, No. 579, qianwangang Road, Huangdao District, Qingdao, Shandong Province Patentee after: Qingdao Xingke Ruisheng Information Technology Co.,Ltd. Address before: 266590 No. 579, Qian Wan Gang Road, Qingdao economic and Technological Development Zone, Shandong Patentee before: SHANDONG University OF SCIENCE AND TECHNOLOGY |