CN105631218A - 基于idtcm的遥感地表温度时间归一化方法 - Google Patents

Abstract

本发明属于遥感应用技术领域，尤其涉及一种基于改进日内温度循环模型(Improved？diurnal？temperature？cycle？model，IDTCM)的遥感地表温度时间归一化方法。基于IDTCM的遥感地表温度时间归一化方法，包括如下步骤：数据预处理、基于DTCM进行改进得到IDTCM、进行遥感地表温度时间归一化和进行TASI航空遥感地表温度时间归一化。本发明建立了一个改进的日内温度循环模型，改进了现有模型无法克服风速波动的缺点，同时，基于改进的日内温度循环模型构建了遥感地表温度时间归一化方法。

Description

基于IDTCM的遥感地表温度时间归一化方法

技术领域

本发明属于遥感应用技术领域，尤其涉及一种基于改进日内温度循环模型(Improveddiurnaltemperaturecyclemodel，IDTCM)的遥感地表温度时间归一化方法。

背景技术

在PartonandLogan提出的一个地表温度日内循环模型的基础上，学术界相继改进和发展了其它若干种经验统计的日内温度循环模型。但是这些模型，大都基于在所考虑时间范围内天气晴朗，风速较小且恒定的假设。实际上，地表温度对于大气状况非常敏感。在真实的自然状况下，云量、风速的大小和波动的剧烈程度都会对日内温度循环模型应用的结果产生重要影响。如果不考虑天气条件的影响，直接将现有的日内温度循环模型应用到遥感地表温度的时间归一化中，将会对遥感地表温度的时间归一化结果带来一定的误差。

卫星和航空遥感获得的地表温度(下文简称遥感地表温度)是研究全球与区域气候变化以及许多实际应用的重要参数。地表温度(Landsurfacetemperature,LST)随时间变化迅速，目前遥感只能获取瞬时的地表温度信息。不同时间获取的地表温度存在较大差异，需要进行时间归一化，即根据使用者的要求将其它时刻的遥感地表温度归一化至特定时刻。但目前进行遥感地表温度的时间归一化，尚无较为成熟的技术方法公开。日内温度循环模型(Diurnaltemperaturecyclemodel,DTCM)可以用于重建地表温度在整个昼夜周期内的连续变化。但是，该模型目前存在一定的缺点，并且尚未用于遥感地表温度的时间归一化中。

本发明通过对实测的地表温度数据和气象数据进行分析研究，发现在天气相对比较晴朗的条件下，如果风速较大且波动比较剧烈时，同样会对日内温度循环模型的应用产生重要影响。因此，天气相对比较晴朗条件下，风速的大小和波动的剧烈程度也是影响日内温度循环模型的重要因素。但是，现阶段内在天气相对比较晴朗的条件下，考虑风速大小和波动剧烈程度对日内温度循环模型应用结果影响的研究还比较少。

发明内容

本发明为克服现有技术中的不足，提出基于IDTCM的遥感地表温度时间归一化方法，本发明建立了一个改进的日内温度循环模型，改进了现有模型无法克服风速波动的缺点，同时，基于改进的日内温度循环模型构建了遥感地表温度时间归一化方法。

基于IDTCM的遥感地表温度时间归一化方法，包括：

S1、数据预处理，包括实测站点真实地表温度T_s(t)数据的获取，机载热红外成像光谱仪(ThermalAirborneSpectrographicImager,TASI)航空遥感地表温度数据的获取和地表覆盖类型数据的获取，所述地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、浓密植被和水体四类，所述TASI航空遥感地表温度数据和地表覆盖类型数据的空间分辨率相同；

S2、基于DTCM进行改进得到IDTCM，具体如下：

S21、根据S1所述T_s(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：

S211、选取多个S1所述T_s(t)，根据公式 $\stackrel{\&OverBar;}{T_s}\left(t\right)=\left\{\begin{array}{cc}{T}_0+T_{a}cos\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t-t_m\left)\right),& t<t_s\\ (T_0+\mathrm{\&delta;}T)+\&lsqb;T_a\cos \left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)-\mathrm{\&delta;}T\&rsqb;\exp \&lsqb;\frac{-(t-t_s)}{k}\&rsqb;,& t\&GreaterEqual;t_s\end{array}\right.$ 结合Levenberg-Marquargt算法(Duan,S.-B.,Li,Z.-L.,Wang,N.,Wu,H.,&Tang,B.-H.Evaluationofsixland-surfacediurnaltemperaturecyclemodelsusingclear-skyinsituandsatellitedata[J].RemoteSensingofEnvironment,2012,Vol.124,15-25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响平均状态下的地表温度,t为时间，T₀为日出时刻的地表温度，T_a为地表温度在一个昼夜周期中的变化幅度，ω为日照时长，t_m为昼夜周期中最高地表温度的时刻，t_s为地表温度呈指数函数衰减的起始时刻，δT为T₀与T(t→∞)的差值，k为衰减系数， $k=\frac{\mathrm{\&omega;}}{\mathrm{\&pi;}}\&lsqb;{\tan }^{-1}\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)-\frac{\mathrm{\&delta;}T}{T_a}{\sin }^{-1}\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)\&rsqb;;$

S212、将S1所述T_s(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动；

S22、根据天气条件对S21所述DTCM的影响，对S21所述DTCM进行拓展，即其中，T_s(t)为考虑天气条件影响的地表温度，T′_s(t)为实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动，T′_s(t)＝g(ρ)，函数g(·)表示影响因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间t为自变量的函数；

S23、使用线性回归模型对S212所述地表温度的瞬时波动进行量化，即T′_s(t)＝kW_s(t)+b，其中，k为温度的波动和对应时刻风速线性回归的系数，W_s(t)为t时刻的风速，b为温度的波动和对应时刻风速线性回归的常数项；

S24、根据S22述和S23所述T′_s(t)＝kW_s(t)+b，得到IDTCM；

S3、对S2所述IDTCM进行遥感地表温度时间归一化，具体为：

S31、t_n+1时刻地表温度相对于t_n时刻的变化为：

${\mathrm{\&Delta;T}}_s(t_n\&RightArrow;t_{n+1})=f\left(t_{n+1}\right)-f\left(t_n\right)=\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;{T_s}^{\&prime;}\left(t_{n+1}\right)-{T_s}^{\&prime;}\left(t_n\right)\&rsqb;,$ 其中，ΔT_s(t_n→t_n+1)为t_n+1时刻相对于t_n时刻平均天气状况下地表温度的变化，n为大于零的自然数,f(t_n+1)表示t_n+1时刻的地表温度，f(t_n)表示t_n时刻的地表温度，表示t_n+1时刻没有考虑天气影响的平均状态下的地表温度,表示t_n时刻没有考虑天气影响的平均状态下的地表温度，T′_s(t_n+1)表示t_n+1时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动,T′_s(t_n)表示t_n时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动；

S32、将t_n时刻的地表温度归一化至t_n+1时刻，即 $T_s\left(t_{n+1}\right)=T_s\left(t_n\right)+\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;{T_s}^{\&prime;}\left(t_{n+1}\right)-{T_s}^{\&prime;}\left(t_n\right)\&rsqb;;$

S4、对S2所述IDTCM进行TASI航空遥感地表温度时间归一化，具体为：

S41、根据S1所述TASI航空遥感地表温度数据和地表覆盖类型数据，判断TASI航空遥感数据的每个像元的地物覆盖类型，在S2所述DTCM中找到每个像元的地物覆盖类型对应的输入参数，将所述输入参数输入可视化交互式数据语言(Interactivedatalanguage，IDL)程序实现初步时间归一化,得到TASI航空遥感地表温度的初步时间归一化结果

S42、对实测站点的实测风速和S212所述地表温度的瞬时波动进行回归分析，得到回归方程，其中，地表温度瞬时波动为因变量，风速为自变量；

S43、利用克里金插值法将S42所述回归方程中的斜率和截距进行空间插值，得到两幅和TASI航空遥感地表温度数据具有相同空间分辨率的栅格影像，即斜率空间分布栅格影像和截距空间分布栅格影像，对S41所述实测站点的各个时刻实测风速进行空间插值，得到各个时刻风速的空间分布栅格影像，所述风速的空间分布栅格影像斜率空间分布栅格影像和截距空间分布栅格影像的空间分辨率相同；

S44、将S43所述风速的空间分布栅格影像W'_s(t)、斜率空间分布栅格影像k'和截距空间分布栅格影像b'，根据公式进行栅格运算，得到空间分布的地表温度波动

S45、对S41所述TASI航空遥感地表温度的初步时间归一化结果和S44所述进行栅格计算，得到基于IDTCM的TASI航空遥感地表温度时间归一化结果。

进一步地，S1所述实测站点真实地表温度数据的获取具体方式为：基于四分量净辐射传感器测得的地表上行长波辐射，大气下行长波辐射和地面实测的宽波段发射率，根据辐射传输方程计算得到地表真实温度，其中，L^↑表示大气上行长波辐射，L^↓表示大气下行长波辐射，ε为四分量辐射视场内的混合地表发射率，σ为斯蒂芬-玻尔兹曼常数；

S1所述TASI航空遥感地表温度数据的获取具体方式为：

使用TASI数据得到TASI航空遥感温度数据，采用发射率分离算法对所述TASI航空遥感数据进行反演得到TASI航空遥感地表温度数据，所述航空遥感温度数据的空间分辨率为3米，所述反演误差小于等于1.5开尔文；

S1所述地表覆盖类型数据基于TASI航空遥感地表温度数据分类得到，所述地表覆盖类型数据空间分辨率为3米。

进一步地，S22所述天气条件包括：风速的大小、风速的波动剧烈程度和云量。

进一步地，S22所述影响因子集合在日内尺度上为天气状况因子。

本发明的有益效果是：

本发明针对现有应用最为广泛、经验统计型的日内温度循环模型进行了改进，一定程度上克服了其无法反映瞬时天气状况波动(尤其是风速)造成的地表温度波动，提高了日内温度循环模型的精度。

本发明可解决卫星遥感和航空遥感仅获取瞬时地表温度信息、无法获取时间维度连续变化地表温度信息的缺陷，可用于重建天气相对比较晴朗的昼夜周期内地表温度的连续变化。

本发明可用于对卫星遥感或航空遥感获取的地表温度进行时间归一化(或时间转换)，获得用户需要的特定时刻的地表温度；对于航空遥感获得不同时刻多个条带的地表温度，该发明可将不同条带的实际观测时间统一起来，获得时间一致的地表温度空间分布。

附图说明

图1为根据黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)分析的风速与地表温度波动的散点图(时间：2012年07月10日11:00-15:00；地点：甘肃省张掖市)。

图2为根据黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)分析的风速与地表温度波动的散点图(时间：2012年7月5日11:00-16:00；地点：甘肃省张掖市)。

图3为根据黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)分析的风速与地表温度波动的散点图(时间：2012年7月31日10:00-15:00；地点：甘肃省张掖市)。

图4为根据黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)分析的风速与地表温度波动的散点图(时间：2012年8月19日10:00-14:00；地点：甘肃省张掖市)。

图5为改进日内温度循环模型对遥感地表温度时间归一化的流程图。

图6为黑河流域生态-水文过程综合遥感观测联合试验TASI航空遥感温度数据时间归一化结果使用实测站点地表温度数据(LST_true)验证改进日内温度循环模型时间归一化结果(LST_IDTCM)和未改进日内温度循环模型时间归一化结果(LST_DTCM)的柱状图(时间：2012年7月10日；地点：甘肃省张掖市)。

图7为黑河流域生态-水文过程综合遥感观测联合试验实测站点地表温度(LST_true)、改进日内温度循环模型时间归一化地表温度(LST_IDTCM)和未改进日内温度循环模型时间归一化地表温度(LST_DTCM)的柱状图(时间：2012年7月10日；地点：甘肃省张掖市)。

图8为黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)实测地表温度(LST_true)、未改进日内温度循环模型归一化的地表温度(LST_DTCM)和改进的日内温度循环模型归一化的地表温度(LST_IDTCM)的折线图(时间：2012年7月10日10:00-15:00；地点：甘肃省张掖市)。

图9为黑河流域生态-水文过程综合遥感观测联合试验实测站点地表温度(LST_true)、改进日内温度循环模型时间归一化地表温度(LST_IDTCM)和未改进日内温度循环模型时间归一化地表温度(LST_DTCM)的柱状图(时间：2012年7月5日；地点：甘肃省张掖市)。

图10为黑河流域生态-水文过程综合遥感观测联合试验两个自动气象站(EC09与EC11)实测地表温度(LST_true)、未改进日内温度循环模型归一化的地表温度(LST_DTCM)和改进的日内温度循环模型归一化的地表温度(LST_IDTCM)的折线图(时间：2012年7月5日11:00-16:00；地点：甘肃省张掖市)。

具体实施方式

下面结合实施例和附图，详细说明本发明的技术方案。

实施例选取了甘肃省张掖市临近地区进行研究，具体研究区为黑河流域生态-水文过程综合遥感观测联合试验(HiWATER)加密观测试验区中的核心试验区。所述研究区内土地利用/覆盖类型丰富。所述研究区地处中国西北，白天天气多为晴朗少云天气，并且白天的大部分时间段有3到4级的西北风。因此该研究区域适合研究在晴朗天气条件下，风速的大小和波动的剧烈程度对日内温度循环模型应用结果的影响。实例通过两个例子说明基于改进日内温度循环模型的地表温度时间归一化的效果。

如图5所示，首先，选择航空热红外光谱仪(ThermalAirborneSpectrographicImager,TASI)获得的航空遥感地表温度数据，对其进行时间归一化，并利用地面实测地表温度数据进行验证。其次，选择若干天的地面实测站点数据进行模拟实验，即对地面实测的地表温度数据进行时间归一化。

采用的数据集包括：TASI航空遥感数据、地面自动气象站观测的气象数据以及转换得到的实测地表温度数据。其中，TASI航空遥感数据的获取时间是2012年7月10日，地面实测站点数据的获取时间分别为2012年7月5日、10日、31日和8月19日。上述四个日期的天气都是相对比较晴朗，风速呈现一定波动，部分日期风速较大且风速波动较为剧烈。

数据预处理

实测站点真实地表温度T_s(t)的获取：

基于四分量净辐射传感器测得的地表上行长波辐射、大气下行长波辐射和地面实测的宽波段发射率，根据辐射传输方程，计算得到地表真实温度。

TASI航空遥感温度数据的获取：

TASI遥感数据的空间分辨率是3m。地表温度通过地表温度与发射率分离算法计算得到，精度验证表明地表温度的反演误差在1.5K以内(Wangetal.,2011)。

此外，还有和TASI温度数据空间分辨率相同的地表覆盖类型数据。该数据的空间分辨率也是3m，基于TASI地表温度数据提取得到。地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、浓密植被和水体四类。

拟合得到日内温度循环模型的参数

分别选取不同地表覆盖类型的实测站点地表温度数据，运用Levenberg-Marquargt算法拟合得到不同地物覆盖类型的日内温度循环模型的参数。将各个站点的实测地表温度与日内温度循环模型模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动。

即，根据T_s(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：

选取多T_s(t)，根据公式 $\stackrel{\&OverBar;}{T_s}\left(t\right)=\left\{\begin{array}{cc}{T}_0+T_{a}cos\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t-t_m\left)\right),& t<t_s\\ (T_0+\mathrm{\&delta;}T)+\&lsqb;T_a\cos \left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)-\mathrm{\&delta;}T\&rsqb;\exp \&lsqb;\frac{-(t-t_s)}{k}\&rsqb;,& t\&GreaterEqual;t_s\end{array}\right.$ 结合Levenberg-Marquargt算法(Duan,S.-B.,Li,Z.-L.,Wang,N.,Wu,H.,&Tang,B.-H.Evaluationofsixland-surfacediurnaltemperaturecyclemodelsusingclear-skyinsituandsatellitedata[J].RemoteSensingofEnvironment,2012,Vol.124,15-25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响平均状态下的地表温度,t为时间，T₀为日出时刻的地表温度，T_a为地表温度在一个昼夜周期中的变化幅度，ω为日照时长，t_m为昼夜周期中最高地表温度的时刻，t_s为地表温度呈指数函数衰减的起始时刻，δT为T₀与T(t→∞)的差值，k为衰减系数，将所述T_s(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动；根据天气条件对所述DTCM的影响，进行拓展，即其中，T_s(t)为考虑天气条件影响的地表温度，T′_s(t)为实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动，T′_s(t)＝g(ρ)，函数g(·)表示影响因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间t为自变量的函数；使用线性回归模型对地表温度的瞬时波动进行量化，即T′_s(t)＝kW_s(t)+b，其中，k为温度的波动和对应时刻风速线性回归的系数，W_s(t)为t时刻的风速，b为温度的波动和对应时刻风速线性回归的常数项；根据和T′_s(t)＝kW_s(t)+b，得到IDTCM。

TASI航空遥感地表温度的初步时间归一化

利用IDL程序，实现输入TASI的航空遥感温度数据和相同空间分辨率的地物覆盖类型数据，判断TASI航空遥感数据的每个像元的地物覆盖类型，然后根据地物覆盖类型的不同输入不同的日内温度循环模型的输入参数，利用程序实现TASI航空遥感地表温度的初步时间归一化。

即，根据TASI航空遥感地表温度数据和地表覆盖类型数据，判断TASI航空遥感数据的每个像元的地物覆盖类型，在DTCM中找到每个像元的地物覆盖类型对应的输入参数，将所述输入参数输入可视化交互式数据语言(Interactivedatalanguage，IDL)程序实现初步时间归一化,得到TASI航空遥感地表温度的初步时间归一化结果

基于改进日内温度循环模型对TASI地表温度进行时间归一化

对各实测站点的风速和地表温度瞬时波动进行回归分析，地表温度波动为因变量，风速为自变量，得到回归方程。利用克里金插值法将回归方程中的斜率、截距进行空间插值，得到一幅和TASI具有相同空间分辨率的栅格影像。同理，对各站点的实测风速进行空间插值，得到各个时刻风速的空间分布，进而得到地表温度的空间分布。最后，对TASI的初步时间归一化结果、空间分布的地表温度的波动，进行栅格计算，得到最终的时间归一化的结果。

即，t_n+1时刻地表温度相对于t_n时刻的变化为：

${\mathrm{\&Delta;T}}_s(t_n\&RightArrow;t_{n+1})=f\left(t_{n+1}\right)-f\left(t_n\right)=\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;{T_s}^{\&prime;}\left(t_{n+1}\right)-{T_s}^{\&prime;}\left(t_n\right)\&rsqb;,$ 其中，ΔT_s(t_n→t_n+1)为t_n+1时刻相对于t_n时刻平均天气状况下地表温度的变化，n为大于零的自然数,f(t_n+1)表示t_n+1时刻的地表温度，f(t_n)表示t_n时刻的地表温度，表示t_n+1时刻没有考虑天气影响的平均状态下的地表温度,表示t_n时刻没有考虑天气影响的平均状态下的地表温度，T′_s(t_n+1)表示t_n+1时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动,T′_s(t_n)表示t_n时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动；将t_n时刻的地表温度归一化至t_n+1时刻，即 $T_s\left(t_{n+1}\right)=T_s\left(t_n\right)+\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;{T_s}^{\&prime;}\left(t_{n+1}\right)-{T_s}^{\&prime;}\left(t_n\right)\&rsqb;.$

对地面站点实测温度进行时间归一化的实现

本部分为模拟实验，用以在TASI地表温度时间归一化之外，补充说明本发明的实际应用效果。

首先使用日内温度循环模型对站点实测的温度数据进行拟合，得到一天中平均天气状况下的地表温度。为更好的测试效果，然后将所要归一化时刻和前后十分钟的实测温度数据去掉，进行地表温度的波动和风速的线性回归，得到地表温度的波动和风速的关系模型。最后，将所要归一化的时刻的风速代入关系模型中计算得到该时刻地表温度的波动，然后对日内温度循环模型时间归一化的结果进行改进，进而实现改进日内温度循环模型对站点实测温度数据的时间归一化。

即，对实测站点的实测风速和地表温度的瞬时波动进行回归分析，得到回归方程，其中，地表温度瞬时波动为因变量，风速为自变量；利用克里金插值法将回归方程中的斜率和截距进行空间插值，得到两幅和TASI航空遥感地表温度数据具有相同空间分辨率的栅格影像，即斜率空间分布栅格影像和截距空间分布栅格影像，对S41所述实测站点的各个时刻实测风速进行空间插值，得到各个时刻风速的空间分布栅格影像，所述风速的空间分布栅格影像斜率空间分布栅格影像和截距空间分布栅格影像的空间分辨率相同；将风速的空间分布栅格影像W'_s(t)、斜率空间分布栅格影像k'和截距空间分布栅格影像b'，根据公式进行栅格运算，得到空间分布的地表温度波动对TASI航空遥感地表温度的初步时间归一化结果和进行栅格计算，得到基于IDTCM的TASI航空遥感地表温度时间归一化结果。

为了验证改进的日内温度循环模型的应用效果，分别对TASI航空遥感地表温度和地面站点的实测地表温度进行时间归一化，得到时间归一化后的结果，并且与未改进的日内温度循环模型时间归一化的结果进行对比。结果发现考虑风速影响的改进日内温度循环模型，在风速较大且变化剧烈的时间段对地表温度时间归一化结果的精度提高较多，其时间归一化结果的均方根误差(RMSE)和偏差(Bias)较小。

如表1所示，针对TASI航空遥感地表温度进行时间归一化时，改进的日内温度循环模型时间归一化的结果比未改进的日内温度循环模型的RMSE要减小0.3K～0.6K，其Bias也相应减小了0.2K～0.6K。

表1

从图6可以看出，改进日内温度循环模型在不同的归一化时刻，各个站点的归一化结果均与地面实测的地表温度数据比较接近。

如表2和表3所示，针对实测的站点温度数据进行时间归一化时，改进日内温度循环模型同样提高了时间归一化结果的精度，其归一化结果的RMSE和Bias均减小了0.2K～0.6K。并且从图7、8、9和10可以看出，改进的日内温度循环模型在不同的归一化时刻，针对各个不同站点时间归一化结果也同样更加接近于实测地表温度。

表2

表3

可以看出：由于在天气相对比较晴朗条件下测量地表温度时风速的影响客观存在，在应用日内温度循环模型时，必须考虑风速对于模型应用结果的影响。本发明建立了基于风速的大小和风的波动情况等风的主要特征的改进日内温度循环模型，可以用于定量化的研究风速对于昼夜温度循环模型应用结果的影响，有利于提高日内温度循环模型应用结果的精度。本发明将改进的日内温度循环模型应用到遥感地表温度的时间归一化中，发现TASI航空遥感地表温度时间归一化结果的误差减小。此外，针对地面站点实测地表温度的模拟实验也表明，改进的日内温度循环模型能够有效进行地表温度的时间归一化。

考虑风速影响的改进日内温度循环模型时间归一化结果，与实际测量的真实自然状况下地表温度更加接近，两者的吻合情况也更好。基于改进的日内温度循环模型，进行遥感地表温度的时间归一化，可以消除由于观测时间的不同，导致的遥感地表温度的差异，进而提高遥感地表温度之间的可比性；同时还可以提高遥感地表温度的时间分辨率。

Claims (4)

1.基于IDTCM的遥感地表温度时间归一化方法，其特征在于，包括如下步骤：

S1、数据预处理，包括实测站点真实地表温度T_s(t)数据的获取，机载热红外成像光谱仪(ThermalAirborneSpectrographicImager,TASI)航空遥感地表温度数据的获取和地表覆盖类型数据的获取，所述地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、浓密植被和水体四类，所述TASI航空遥感地表温度数据和地表覆盖类型数据的空间分辨率相同；

S2、基于DTCM进行改进得到IDTCM，具体如下：

S21、根据S1所述T_s(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：

S211、选取多个S1所述T_s(t)，根据公式 $\stackrel{\&OverBar;}{T_s}\left(t\right)=\left\{\begin{array}{cc}{T}_0+T_{a}cos\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t-t_m\left)\right),& t<t_s\\ (T_0+\mathrm{\&delta;}T)+\&lsqb;T_a\cos \left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)-\mathrm{\&delta;}T\&rsqb;\exp \&lsqb;\frac{-(t-t_s)}{k}\&rsqb;,& t\&GreaterEqual;t_s\end{array}\right.$ 结合Levenberg-Marquargt算法(Duan,S.-B.,Li,Z.-L.,Wang,N.,Wu,H.,&Tang,B.-H.Evaluationofsixland-surfacediurnaltemperaturecyclemodelsusingclear-skyinsituandsatellitedata[J].RemoteSensingofEnvironment,2012,Vol.124,15-25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响平均状态下的地表温度,t为时间，T₀为日出时刻的地表温度，T_a为地表温度在一个昼夜周期中的变化幅度，ω为日照时长，t_m为昼夜周期中最高地表温度的时刻，t_s为地表温度呈指数函数衰减的起始时刻，δT为T₀与T(t→∞)的差值，k为衰减系数， $k=\frac{\mathrm{\&omega;}}{\mathrm{\&pi;}}\&lsqb;{\tan }^{-1}\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)-\frac{\mathrm{\&delta;}T}{T_a}{\sin }^{-1}\left(\frac{\mathrm{\&pi;}}{\mathrm{\&omega;}}\right(t_s-t_m\left)\right)\&rsqb;;$

S212、将S1所述T_s(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动；

S22、根据天气条件对S21所述DTCM的影响，对S21所述DTCM进行拓展，即其中，T_s(t)为考虑天气条件影响的地表温度，T_s′(t)为实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动，T_s′(t)＝g(ρ)，函数g(·)表示影像因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间t为自变量的函数；

S23、使用线性回归模型对S212所述地表温度的瞬时波动进行量化，即T_s′(t)＝kW_s(t)+b，其中，k为温度的波动和对应时刻风速线性回归的系数，W_s(t)为t时刻的风速，b为温度的波动和对应时刻风速线性回归的常数项；

S24、根据S22述和S23所述T_s′(t)＝kW_s(t)+b，得到IDTCM；

S3、对S2所述IDTCM进行遥感地表温度时间归一化，具体为：

S31、t_n+1时刻地表温度相对于t_n时刻的变化为：

${\mathrm{\&Delta;T}}_s(t_n\&RightArrow;t_{n+1})=f\left(t_{n+1}\right)-f\left(t_n\right)=\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;T_s^{\&prime;}\left(t_{n+1}\right)-T_s^{\&prime;}\left(t_n\right)\&rsqb;,$ 其中，ΔT_s(t_n→t_n+1)为t_n+1时刻相对于t_n时刻平均天气状况下地表温度的变化，n为大于零的自然数,f(t_n+1)表示t_n+1时刻的地表温度，f(t_n)表示t_n时刻的地表温度，表示t_n+1时刻没有考虑天气影响的平均状态下的地表温度,表示t_n时刻没有考虑天气影响的平均状态下的地表温度，T_s′(t_n+1)表示t_n+1时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动,T_s′(t_n)表示t_n时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动；

S32、将t_n时刻的地表温度归一化至t_n+1时刻，即 $T_s\left(t_{n+1}\right)=T_s\left(t_n\right)+\&lsqb;\stackrel{\&OverBar;}{T_s}\left(t_{n+1}\right)-\stackrel{\&OverBar;}{T_s}\left(t_n\right)\&rsqb;+\&lsqb;T_s^{\&prime;}\left(t_{n+1}\right)-T_s^{\&prime;}\left(t_n\right)\&rsqb;;$

S4、对S2所述IDTCM进行TASI航空遥感地表温度时间归一化，具体为：

S41、根据S1所述TASI航空遥感地表温度数据和地表覆盖类型数据，判断TASI航空遥感数据的每个像元的地物覆盖类型，在S2所述DTCM中找到每个像元的地物覆盖类型对应的输入参数，将所述输入参数输入可视化交互式数据语言(Interactivedatalanguage，IDL)程序实现初步时间归一化,得到TASI航空遥感地表温度的初步时间归一化结果

S42、对实测站点的实测风速和S212所述地表温度的瞬时波动进行回归分析，得到回归方程，其中，地表温度瞬时波动为因变量，风速为自变量；

S43、利用克里金插值法将S42所述回归方程中的斜率和截距进行空间插值，得到两幅和TASI航空遥感地表温度数据具有相同空间分辨率的栅格影像，即斜率空间分布栅格影像和截距空间分布栅格影像，对S41所述实测站点的各个时刻实测风速进行空间插值，得到各个时刻风速的空间分布栅格影像，所述风速的空间分布栅格影像斜率空间分布栅格影像和截距空间分布栅格影像的空间分辨率相同；

S44、将S43所述风速的空间分布栅格影像W'_s(t)、斜率空间分布栅格影像k'和截距空间分布栅格影像b'，根据公式进行栅格运算，得到空间分布的地表温度波动

S45、对S41所述TASI航空遥感地表温度的初步时间归一化结果和S44所述进行栅格计算，得到基于IDTCM的TASI航空遥感地表温度时间归一化结果。

2.根据权利要求1所述的基于IDTCM的遥感地表温度时间归一化方法，其特征在于：S1所述实测站点真实地表温度数据的获取具体方式为：基于四分量净辐射传感器测得的地表上行长波辐射，大气下行长波辐射和地面实测的宽波段发射率，根据辐射传输方程计算得到地表真实温度，其中，L^↑表示大气上行长波辐射，L^↓表示大气下行长波辐射，ε为四分量辐射视场内的混合地表发射率，σ为斯蒂芬-玻尔兹曼常数；

S1所述TASI航空遥感地表温度数据的获取具体方式为：

使用TASI数据得到TASI航空遥感温度数据，采用发射率分离算法对所述TASI航空遥感数据进行反演得到TASI航空遥感地表温度数据，所述航空遥感温度数据的空间分辨率为3米，所述反演误差小于等于1.5开尔文；

S1所述地表覆盖类型数据基于TASI航空遥感地表温度数据分类得到，所述地表覆盖类型数据空间分辨率为3米。

3.根据权利要求1所述的基于IDTCM的遥感地表温度时间归一化方法，其特征在于：S22所述天气条件包括：风速的大小、风速的波动剧烈程度和云量。

4.根据权利要求1所述的基于IDTCM的遥感地表温度时间归一化方法，其特征在于：S22所述影响因子集合在日内尺度上为天气状况因子。