CN107560734A - 一种Landsat8遥感反演地表温度方法 - Google Patents
一种Landsat8遥感反演地表温度方法 Download PDFInfo
- Publication number
- CN107560734A CN107560734A CN201710738447.2A CN201710738447A CN107560734A CN 107560734 A CN107560734 A CN 107560734A CN 201710738447 A CN201710738447 A CN 201710738447A CN 107560734 A CN107560734 A CN 107560734A
- Authority
- CN
- China
- Prior art keywords
- landsat8
- surface temperature
- sensing
- remote
- inversions
- 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.)
- Pending
Links
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种Landsat8遥感反演地表温度方法,计算大气水汽含量w、计算Landsat8两个热红外波段对应的大气透过率τ10和τ11、计算Landsat8两个热红外波段对应的地表比辐射率ε10和ε11、反演计算地表温度TS:完成步骤一至步骤三的基础上,将以上参数计算结果代入反演公式计算地表温度值。本发明通过不同的算法思路,使Landsat8遥感反演地表温度算法技术得到改进和提升,使得利用Landsat8热红外波段反演地表温度精度得到提高;通过简单而直接的逻辑关系,使得外专业使用者能够较好地理解和掌握该算法技术,使得该算法技术能够得到广泛应用,使其产生一定的综合效益和综合价值。
Description
技术领域
本发明属于遥感对地观测领域,尤其涉及一种Landsat8遥感反演地表温度 方法。
背景技术
随着遥感对地观测技术的发展,通过卫星搭载热红外波段可以实现对地表 温度的提取和监测。90年代以来,经过多方研究,遥感反演地表温度的算法得 到广泛研究,截至目前,其大致形成了三种类型:单通道、双通道和多角度反 演算法。Qin等(2001)提出了适用于Landsat TM热红外遥感数据的地表温度单 窗反演算法,随后,Jiménez-&Sobrino(2003)和Jiménez-等(2009) 提出了一种通用的单通道温度反演算法。Li等(2004)、Ottlé等(1992)、Price 等(1983)等学者也深入研究了遥感单通道反演地表温度算法。同时,双通道(劈 窗)反演算法也在遥感地表温度反演中具有广泛应用和研究。单通道地表温度 遥感反演算法是通过一个热红外遥感波段提取地表温度,比起双通道反演算法需要多估计一个变量——大气有效温度,因此会比双通道反演算法具有更大的 误差,由于双通道反演算法利用了两个热红外波段的辐射信息,通过解算热红 外波段大气传输方程组,消去大气有效温度变量,使得地表温度反演结果比单 通道算法更加准确,另外多角度反演算法和多通道反演算法思想类似,但是由 于多角度热红外遥感数据并不普遍,使其没有双通道反演算法应用广泛。 Landsat8卫星2013年发射升空,其搭载两个新的热红外波段band10和band11, 对于Landsat8两个热红外波段,需要开发相应的地表温度反演算法。Jimenez-Munoz等(2014)、Rozenstein等(2014)、Du等(2014)在2014年研发 了适用于Landsat8遥感数据的地表温度双通道——劈窗反演算法,这些算法在 本质上都是对大气传输方程中的普朗克热辐射函数进行了统一的简化处理,并 且都采用了泰勒线性展开低阶部分作为算法模型主要部分。
Rozenstein等(2014)提出的Landat8遥感反演地表温度劈窗算法技术与本 发明最为接近,其主要技术是基于大气传输方程,具体如下式所示:
Bi(Ti)=εiτiBi(Ts)+(1-τi)(1+(1-εi)τi)Bi(Ta)
该算法技术通过对上式进行泰勒线性展开,并取第一阶展开部分化解上述计算公式,得出如下计算公式:
Ts=A0+A1T10-A2T11
其中:
A0=E1a10+E2a11
A1=1+A+E1b10
A2=A+E2b11
Ci=εiτi(θ)
Di=[1-τi(θ)][1+(1-εi)τi(θ)]
A=D10/E0
E1=D11(1-C10-D10)/E0
E2=D10(1-C11-D11)/E0
E0=D11C10-D10C11
该算法技术中需要估计大气透过率、地表比辐射率等参数,其中,大气透 过率的估计也是通过大气水汽含量w与大气透过率的关系间接求得,该算法技 术认为两者呈线性关系。
通过大气传输软件Modtran4.0模拟数据评估的该算法技术的地表温度反演 精度的均方根误差(RMSE)为0.93℃,最大绝对误差为1.9742℃。
与本发明最为相近的算法技术的缺点主要有:
第一,该算法技术的反演精度稍低,原因在于其只取了大气传输方程泰勒 线性展开的低阶部分,其高阶部分影响没有得到充分考虑,另外,大气透过率 与大气水汽含量w的相关关系使用了简单的线性关系。
第二,该算法技术的逻辑结构比较复杂,对于外专业使用者而言较难理解, 在一定程度上影响到了其现实实用性。该缺点原因在于该算法技术涉及的间接 变量比较多,由此产生了较多的嵌套关系,使得外专业使用者理解具有一定困 难。
发明内容
本发明的目的在于提供一种实用的Landsat8遥感反演地表温度方法,旨在 解决现有类似算法技术的反演精度稍低和逻辑结构复杂的问题。通过对大气传 输方程中普朗克辐射函数采取不同简化方式,充分考虑了高阶部分,同时利用 三次多项式拟合大气透过率与大气水汽含量w的函数关系,在一定程度上提高 了Landsat8遥感地表温度反演精度。同时本发明的逻辑结构简约,非常有利于 外专业使用者理解和掌握。
本发明是这样实现的,其所述的Landsat8遥感反演地表温度方法包括以下 步骤:
步骤一:计算大气水汽含量w:利用同期MODIS遥感数据计算大气水汽含量 w,计算公式如下所示:
W=((0.02-ln(b19/b2))/0.651)2
其中,b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度 值;
步骤二:计算Landsat8两个热红外波段对应的大气透过率τ10和τ11:在步 骤一计算的基础上,将像元的大气水汽含量w代入如下公式计算大气透过率:
τ10=0.9570356-0.0277340w-0.0333734w2+0.0028800w3,
τ11=0.9456728-0.0857755w-0.0290912w2+0.0032169w3;
步骤三:计算Landsat8两个热红外波段对应的地表比辐射率ε10和ε11:首 先计算目标区域的值被归一化指数NDVI,然后按照以下公式计算Landsat8两个 热红外波段对应的地表比辐射率,
ε10=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492,
ε11=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490,
其中,pv代表植被覆盖度,NDVI代表像元的植被归一化指数值,NDVImin和 NDVImax分别代表计算空间范围内植被归一化指数的最小值和最大值;
步骤四:反演计算地表温度TS:完成步骤一至步骤三的基础上,将以上参数 计算结果代入以下公式计算地表温度值:
各参数具体计算如下:
A10=0.0006678ε10τ10,
A11==0.0006188ε11τ11,
B10=-0.2333226ε10τ10,
B11=-0.1990475ε10τ10,
C10=0.1312942(1-τ10)(1+(1-ε10)τ10),
C11=0.1387986(1-τ11)(1+(1-ε11)τ11),
D10=21.1666266ε10τ10-26.7808503(1+(1-ε10)τ10)-B10(T10),
D11=16.7224278ε10τ10-27.7043284(1+(1-ε10)τ10)-B11(T11),
其中,B10(T10)和B11(T11)分别是Landsat8两个热红外波段对应亮温T10和 T11的普朗克热辐射值。
进一步,计算大气水汽含量w前,对遥感数据进行预处理、对MODIS影像 几何纠正、对Landsat8 OLI多光谱遥感数据进行大气校正。
本发明另一目的在于提供利用上述的Landsat8遥感反演地表温度方法的Landsat8遥感反演地表温度系统。
本发明通过不同的算法思路,使Landsat遥感反演地表温度技术得到改进 和提升,使得利用Landsat8热红外波段反演地表温度精度得到提高;通过简单 而直接的逻辑关系,使得外专业使用者能够较好地理解和掌握该技术,使得该 技术能够得到广泛应用,使其产生一定的综合效益和综合价值;本发明能够突 破传统遥感反演地表温度的劈窗算法技术的思路,为使用者提供一种实用而具 有较强的可操作性的Landsat8遥感反演地表温度技术。
本发明Landsat8卫星遥感数据具有信噪比高、现势性好和获取成本低等优 势,通过简单易用的地表温度反演技术,可以大大促进热环境改善、生态环境 演变等方面的研究水平,同时也可以实现Landsat8遥感监测地表温度业务化、 流程化和工具化,带来广泛的社会、经济和生态效益。
附图说明
图1是本发明实施例提供的Landsat8遥感反演地表温度方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例, 对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以 解释本发明,并不用于限定本发明。
以太原市城区为实例区域,选取覆盖实例区域的无云晴朗天气条件下夏季 2013年6月27日的Landsat8OLI多光谱和TIR热红外遥感数据以及对应同日 相近时相的MODIS数据做为地表温度反演数据源。遥感数据投影为通用横轴墨 卡托投影(UTM)北49区,投影基准为WGS-84椭球。
如图1所示,本发明实施例提供的Landsat8遥感反演地表温度方法,步骤 如下:
S101:遥感数据进行预处理。对MODIS影像几何纠正,对Landsat8OLI多 光谱遥感数据进行大气校正。
S102:大气透过率参数计算。预处理完成后,利用MODIS数据产品MOD021KM 反演大气水汽含量W10、w11,再根据大气透过率与水汽含量的三次拟合公式计 算大气透过率τ10和τ11。
S103:地表比辐射率计算。根据Landsat8OLI多光谱数据计算归一化值被 指数NDVI和植被覆盖度pv,然后代入根据相关公式计算地表比辐射率ε10和ε11。
S104:计算Landsat8热红外波段星上亮温T10和T11,具体计算公式可查阅Landsat8官方技术文档,也可由遥感处理软件ENVI5.1直接计算而得。
S105:反演计算地表温度。在大气透过率、地表比辐射率以及星上亮温都 计算出以后,根据地表温度反演公式计算实例区域地表温度。
本发明是根据其对地表温度反演的误差影响不同,采取了不同的数学处理, 热红外波段亮温热辐射函数Bi(Ti)通过原始函数公式直接计算,地表温度热辐射 函数Bi(TS)二次函数拟合处理,大气有效温度热辐射函数Bi(Ta)线性拟合处理, 然后通过解算方程组,即可得出地表温度TS的计算公式,该过程逻辑简单,并没 有嵌套的数学结构,所用到的数学知识简单易懂,因此大大降低了使用门槛。
本发明Landsat8卫星遥感数据具有信噪比高、现势性好和获取成本低等优 势,通过简单易用的地表温度反演技术,可以大大促进热环境改善、生态环境 演变等方面的研究水平,同时也可以实现Landsat8遥感监测地表温度业务化、 流程化和工具化,带来广泛的社会、经济和生态效益。
本发明技术同时兼具有精度高、可操作性强和数学逻辑简单等特点,在逻 辑上满足奥卡姆剃刀原则,即“如无必要,勿增实体”的“简单有效原理”。为 了与现有相近技术比较,同样通过大气传输软件Modtran4.0模拟数据评估本发 明的地表温度反演精度,结果表明本发明反演的地表温度结果的均方根误差 (RMSE)为0.51℃,最大绝对误差为0.9933℃,均低于现有最接近的算法技术 精度,表1列出了具体的精度验证结果。除此之外,还利用实测数据对本发明 技术反演的地表温度进行了验证,验证结果表明均方根误差(RMSE)为0.70℃, 最大绝对误差为1.1℃,也均小于现有接近技术反演精度。
另外,本发明技术以遥感大气传输方程为基础,如下式所示:
Bi(Ti)=εiτiBi(TS)+(1-τi)(1+(1-εi)τi)Bi(Ta)
所有劈窗算法的其主要技术核心都是对上式中的普朗克热辐射函数的简化 处理,
表1 Landsat8遥感反演地表温度实用技术的精度验证结果表
现有技术采取的思路都是对大气传输方程中的普朗克热辐射函数进行统一 处理,而本发明是根据其对地表温度反演的误差影响不同,采取了不同的数学 处理,热红外波段亮温热辐射函数Bi(Ti)通过原始函数公式直接计算,地表温度 热辐射函数Bi(TS)二次函数拟合处理,大气有效温度热辐射函数Bi(Ta)线性拟合 处理,然后通过解算方程组,即可得出地表温度TS的计算公式,该过程逻辑简单, 并没有嵌套的数学结构,所用到的数学知识简单易懂,因此大大降低了使用门 槛。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明 的保护范围之内。
Claims (6)
1.一种Landsat8遥感反演地表温度方法,其特征在于,所述Landsat8遥感反演地表温度方法包括以下步骤:
步骤一:计算大气水汽含量w:利用同期MODIS遥感数据计算大气水汽含量w,计算公式如下所示:
w=((0.02-ln(b19/b2))/0.651)2
其中,b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度值;
步骤二:计算Landsat8两个热红外波段对应的大气透过率τ10和τ11:在步骤一计算的基础上,将像元的大气水汽含量w计算大气透过率;
步骤三:计算Landsat8两个热红外波段对应的地表比辐射率ε10和ε11:首先计算目标区域的值被归一化指数NDVI;然后计算Landsat8两个热红外波段对应的地表比辐射率,
步骤四:反演计算地表温度TS:完成步骤一至步骤三的基础上,将以上参数计算结果代入以下公式计算地表温度值:
上式中各参数是由具体由计算出的大气透过率τ10和τ11、地表比辐射率ε10和ε11计算而得。
2.如权利要求1所述的Landsat8遥感反演地表温度方法,其特征在于,计算大气水汽含量w前,对遥感数据进行预处理、对MODIS影像几何纠正、对Landsat8OLI多光谱遥感数据进行大气校正。
3.如权利要求1所述的Landsat8遥感反演地表温度方法,其特征在于,步骤二中,将像元的大气水汽含量w代入如下公式计算大气透过率:
τ10=0.9570356-0.0277340w-0.0333734w2+0.0028800w3,
τ11=0.9456728-0.0857755w-0.0290912w2+0.0032169w3。
4.如权利要求1所述的Landsat8遥感反演地表温度方法,其特征在于,步骤三中,计算Landsat8两个热红外波段对应的地表比辐射率ε10和ε11:
ε10=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492,
ε11=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490;
首先计算目标区域的值被归一化指数NDVI,计算公式如下:
然后按照以下公式计算Landsat8两个热红外波段对应的地表比辐射率,
其中,pv代表植被覆盖度,NDVI代表像元的植被归一化指数值,NDVImin和NDVImax分别代表计算空间范围内植被归一化指数的最小值和最大值。
5.如权利要求1所述的Landsat8遥感反演地表温度方法,其特征在于,步骤四中,所述
式中各参数是由具体由计算出的大气透过率τ10和τ11、地表比辐射率ε10和ε11计算而得,具体计算公式如下所示:
A10=0.0006678ε10τ10,
A11=0.0006188ε11τ11,
B10=-0.2333226ε10τ10,
B11=-0.1990475ε10τ10,
C10=0.1312942(1-τ10)(1+(1-ε10)τ10),
C11=0.1387986(1-τ11)(1+(1-ε11)τ11),
D10=211666266ε10τ10-26.7808503(1+(1-ε10)τ10)-B10(T10),
D11=16.7224278ε10τ10-27.7043284(1+(1-ε10)τ10)-B11(T11),
其中,B10(T10)和B11(T11)分别是Landsat8两个热红外波段对应亮温T10和T11的普朗克热辐射值。
6.一种利用权利要求1所述的Landsat8遥感反演地表温度方法的Landsat8遥感反演地表温度系统。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710129763 | 2017-03-06 | ||
CN201710129763X | 2017-03-06 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107560734A true CN107560734A (zh) | 2018-01-09 |
Family
ID=60976945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710738447.2A Pending CN107560734A (zh) | 2017-03-06 | 2017-08-24 | 一种Landsat8遥感反演地表温度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107560734A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108731817A (zh) * | 2018-05-31 | 2018-11-02 | 中南林业科技大学 | 应用于林火热点判别的不同传感器红外辐射归一建模方法 |
CN108896188A (zh) * | 2018-06-06 | 2018-11-27 | 北京空间飞行器总体设计部 | 一种共口径高轨遥感卫星红外通道大气校正方法 |
CN109029735A (zh) * | 2018-07-06 | 2018-12-18 | 湖南文理学院 | 一种地表比辐射率计算方法及装置 |
CN109447478A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学院遥感与数字地球研究所 | 一种基于八分位法的工业热污染区提取方法 |
CN112945390A (zh) * | 2021-01-30 | 2021-06-11 | 同济大学 | 一种基于区域一致性分析的Landsat影像地表温度反演优选方法 |
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN103353353A (zh) * | 2013-06-26 | 2013-10-16 | 北京师范大学 | 一种基于modis数据探测近地表平均气温的方法 |
US8594375B1 (en) * | 2010-05-20 | 2013-11-26 | Digitalglobe, Inc. | Advanced cloud cover assessment |
CN104897289A (zh) * | 2015-06-23 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 一种Landsat 8卫星数据地表温度反演方法 |
-
2017
- 2017-08-24 CN CN201710738447.2A patent/CN107560734A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8594375B1 (en) * | 2010-05-20 | 2013-11-26 | Digitalglobe, Inc. | Advanced cloud cover assessment |
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN103353353A (zh) * | 2013-06-26 | 2013-10-16 | 北京师范大学 | 一种基于modis数据探测近地表平均气温的方法 |
CN104897289A (zh) * | 2015-06-23 | 2015-09-09 | 中国科学院遥感与数字地球研究所 | 一种Landsat 8卫星数据地表温度反演方法 |
Non-Patent Citations (1)
Title |
---|
宋挺 等: "Landsat 8 数据地表温度反演算法对比", 《遥感学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108731817A (zh) * | 2018-05-31 | 2018-11-02 | 中南林业科技大学 | 应用于林火热点判别的不同传感器红外辐射归一建模方法 |
CN108896188A (zh) * | 2018-06-06 | 2018-11-27 | 北京空间飞行器总体设计部 | 一种共口径高轨遥感卫星红外通道大气校正方法 |
CN109029735A (zh) * | 2018-07-06 | 2018-12-18 | 湖南文理学院 | 一种地表比辐射率计算方法及装置 |
CN109447478A (zh) * | 2018-10-31 | 2019-03-08 | 中国科学院遥感与数字地球研究所 | 一种基于八分位法的工业热污染区提取方法 |
CN109447478B (zh) * | 2018-10-31 | 2022-05-24 | 中国科学院遥感与数字地球研究所 | 一种基于八分位法的工业热污染区提取方法 |
CN112945390A (zh) * | 2021-01-30 | 2021-06-11 | 同济大学 | 一种基于区域一致性分析的Landsat影像地表温度反演优选方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107560734A (zh) | 一种Landsat8遥感反演地表温度方法 | |
Mao et al. | A practical split‐window algorithm for retrieving land‐surface temperature from MODIS data | |
Bendib et al. | Contribution of Landsat 8 data for the estimation of land surface temperature in Batna city, Eastern Algeria | |
Şenkal | Modeling of solar radiation using remote sensing and artificial neural network in Turkey | |
Chen et al. | A simple retrieval method of land surface temperature from AMSR-E passive microwave data—A case study over Southern China during the strong snow disaster of 2008 | |
CN104820250B (zh) | 一种极轨气象卫星virr海洋上云检测的处理方法 | |
Li et al. | Automatic cloud-shadow removal from flood/standing water maps using MSG/SEVIRI imagery | |
Mao et al. | Near‐surface air temperature estimation from ASTER data based on neural network algorithm | |
Yao et al. | Surface emissivity impact on temperature and moisture soundings from hyperspectral infrared radiance measurements | |
Yao et al. | Simple method to determine the Priestley–Taylor parameter for evapotranspiration estimation using Albedo-VI triangular space from MODIS data | |
Walton | A review of differential absorption algorithms utilized at NOAA for measuring sea surface temperature with satellite radiometers | |
CN105913149A (zh) | 一种联合多时相遥感数据和气象数据估算白天平均蒸散发的方法 | |
Wang et al. | Inversion of the hybrid machine learning model to estimate leaf area index of winter wheat from GaoFen-6 WFV imagery | |
CN112199837B (zh) | 遥感混合像元地表温度分解方法、装置、电子设备及介质 | |
CN105259145A (zh) | 一种同时遥感岛礁水下地形和地物的方法 | |
Liu et al. | A method for angular normalization of land surface temperature products based on component temperatures and fractional vegetation cover | |
Li et al. | An improved single-channel polar region ice surface temperature retrieval algorithm using landsat-8 data | |
Peres et al. | Synergistic use of the two-temperature and split-window methods for land-surface temperature retrieval | |
Ouyang et al. | Preliminary applications of a land surface temperature retrieval method to IASI and AIRS data | |
Noguchi et al. | Estimation of changes in the composition of the Martian atmosphere caused by CO2 condensation from GRS Ar measurements and its application to the rederivation of MGS radio occultation measurements | |
Shulman et al. | Impact of errors in short wave radiation and its attenuation on modeled upper ocean heat content | |
Uspensky et al. | Development of methods and instruments for remote temperature and humidity sensing of the Earth’s atmosphere | |
Mao et al. | Retrieval of land surface temperature and emissivity from ASTER1B data using a dynamic learning neural network | |
Xu et al. | A Semi-Empirical Split-Window Algorithm for Retrieving near Surface Air Temperature from MODIS Data | |
Chen et al. | Using a modified HUTS algorithm to downscale Land Surface Temperature retrieved from Landsat-8 imagery: A case study of Xiamen City, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |