CN110111379B - 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法 - Google Patents

一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法 Download PDF

Info

Publication number
CN110111379B
CN110111379B CN201910370284.6A CN201910370284A CN110111379B CN 110111379 B CN110111379 B CN 110111379B CN 201910370284 A CN201910370284 A CN 201910370284A CN 110111379 B CN110111379 B CN 110111379B
Authority
CN
China
Prior art keywords
surface temperature
data
modis
time
day
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.)
Active
Application number
CN201910370284.6A
Other languages
English (en)
Other versions
CN110111379A (zh
Inventor
王新军
陈蓓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xinjiang Agricultural University
Original Assignee
Xinjiang Agricultural University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xinjiang Agricultural University filed Critical Xinjiang Agricultural University
Priority to CN201910370284.6A priority Critical patent/CN110111379B/zh
Publication of CN110111379A publication Critical patent/CN110111379A/zh
Application granted granted Critical
Publication of CN110111379B publication Critical patent/CN110111379B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明公开了一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法，基于土壤热传导理论建立土壤日较差模型，以Landsat卫星数据和MODIS MOD11A2地表温度产品为数据源，获取空间分辨率为30m的地表温度日较差数据。本发明将地表温度日较差数据空间分辨率由1000 m提高至30 m，可以获取更精细的地表温度日较差纹理信息。

Description

一种基于MODIS与Landsat数据的改进型地表温度日较差降尺 度估算方法
技术领域
本发明涉及干旱、土壤水分遥感监测领域，具体涉及一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法。
背景技术
目前遥感监测干旱和土壤水分是热点问题。不管是监测干旱还是土壤水分，对于大众服务来讲，均需要被告知地表最高温度和地表最低温度分别是多少。现有获取地表温度日较差的方法主要是依据MODIS数据，获取空间分辨率为1000 m地表温度日较差，空间分辨率低，掩盖了地表温度日较差空间差异信息，仅适用于大尺度，地形简单，空间异质性小的区域。
发明内容
为解决上述问题，本发明提供了一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法。
为实现上述目的，本发明采取的技术方案为：
一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法，基于土壤热传导理论建立土壤温度日较差模型，以Landsat卫星数据和MODIS MOD11A2地表温度产品为数据源，获取空间分辨率为30m的地表温度日较差数据；具体包括如下计算步骤：
具体包括如下步骤
令Z=0，
Figure DEST_PATH_IMAGE002
=
Figure DEST_PATH_IMAGE004
，可以如下式推导：
由：
Figure DEST_PATH_IMAGE006
；
Figure DEST_PATH_IMAGE008
；
可得：
Figure DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE012
由：
Figure DEST_PATH_IMAGE014
；
Figure DEST_PATH_IMAGE016
；
Figure DEST_PATH_IMAGE018
；
Figure DEST_PATH_IMAGE020
可得：
Figure DEST_PATH_IMAGE022
；
其中，
Figure DEST_PATH_IMAGE024
为土壤深度为Zcm，时间为t时的地表温度，
Figure DEST_PATH_IMAGE026
为地表温度变化周期函数，
Figure DEST_PATH_IMAGE028
为通过日最低温（T min ）估算的地温日较差，
Figure DEST_PATH_IMAGE030
通过日最高温（T max ）估算的地温日较差，
Figure DEST_PATH_IMAGE032
为最终估算的地表温度日较差，T TM 为由TM或TIRS传感器数据计算得到的地表温度数据单位℃；T max 为MODIS数据获得的白天地表温度单位℃ ；T min 为MODIS数据获得的夜晚地表温度单位℃，t为地表温度日较差的待估算时刻，即Landsat卫星过境时间；t min为MODIS卫星夜晚过境时刻；t max为MODIS卫星白天过境时刻；p是一个周期,通常为24 h，P 1为2倍的MODIS夜晚过境时刻与白天过境时刻的差值，单位：h，即 2✖（t max - t min ），w 1 、w 2 为时间权重；α是土壤热扩散率，单位cm2/h。
本发明具有以下有益效果：
将地表温度日较差数据空间分辨率由1000 m提高至30 m，可以获取更精细的地表温度日较差纹理信息。
附图说明
图1是由MODIS数据获得的空间分辨率为1000 m地表温度日较差数据图2为基于MODIS与Landsat数据的改进型地表温度日较差降尺度获得的空间分辨率为30 m地表温度日较差数据。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
土壤温度日变化曲线与太阳辐射日变化曲线相似，土壤的热量是由于地面接受了太阳辐射增温后，向下传导给土壤，土壤才得以增温，因此温度和辐射二者有直接相关关系。随离地表的距离向下的增加，温度变化振幅越小，向下传输过程中，每层土壤都要留下一部分热量，所以越往下获得的热量越小，增温幅度越小，同时热量的传导需要一定的时间，每层达到最高或最低温的时间也越滞后。基于上述的土壤热传导理论建立土壤日温差模型，以Landsat卫星数据和MODIS MOD11A2地表温度产品为数据源，获取空间分辨率为30m的地表温度日较差数据。
具体的，通过以下公式获取日较差数据：
Figure 8460DEST_PATH_IMAGE022
；
其中，
Figure 408348DEST_PATH_IMAGE032
为最终估算的地表温度日较差，T TM 为由TM或TIRS传感器数据计算得到的地表温度数据单位℃；T max 为MODIS数据获得的白天地表温度单位℃ ；T min 为MODIS数据获得的夜晚地表温度单位℃，t为地表温度日较差的待估算时刻，即Landsat卫星过境时间；t min为MODIS卫星夜晚过境时刻；t max为MODIS卫星白天过境时刻；p是一个周期,通常为24 h，P 1为2倍的MODIS夜晚过境时刻与白天过境时刻的差值，单位：h，即 2✖（t max - t min ），w 1 、w 2 为时间权重；α是土壤热扩散率，单位cm2/h。
由图1、图2可以看出基于MODIS与Landsat数据的改进型地表温度日较差降尺度获得的地表温度日较差数据空间分辨率较高，并且能够更精细的反映出地表温度日较差的纹理信息。
本发明使用MODIS与Landsat数据可以将地表温度日较差空间分辨率由1000 m提升至30 m，30 m地表温度日较差可以反映出更精细的地表温度日较差纹理信息，使其在不受区域尺度和地形限制的同时，扩大了其适用性。在使用Landsat数据获取的地表温度大于MODIS数据白天地表温度时，使用该方法降尺度得到的地表温度日较差不准确，此情况不建议使用该方法。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (1)

1.一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法，其特征在于：基于土壤热传导理论建立土壤日较差模型，以某一时刻Landsat卫星数据和MODISMOD11A2地表温度产品为数据源，获取空间分辨率为30m的地表温度日较差数据；具体包括如下步骤：
令Z=0，
Figure 18963DEST_PATH_IMAGE001
，可以如下式推导：
由：
Figure 467262DEST_PATH_IMAGE002
；
Figure 512578DEST_PATH_IMAGE003
；
可得：
Figure 189678DEST_PATH_IMAGE004
由：
Figure 269630DEST_PATH_IMAGE005
；
Figure 623251DEST_PATH_IMAGE006
；
Figure 421443DEST_PATH_IMAGE007
；
Figure 885922DEST_PATH_IMAGE008
Figure 836692DEST_PATH_IMAGE009
其中
Figure 361214DEST_PATH_IMAGE010
为土壤深度为Z cm，时间为t时的地表温度，
Figure 381122DEST_PATH_IMAGE011
为地表温度变化周期函数，
Figure 649293DEST_PATH_IMAGE012
为通过日最低温T min 估算的地温日较差，
Figure 438257DEST_PATH_IMAGE013
为通过日最高温T max 估算的地温日较差，
Figure 149992DEST_PATH_IMAGE014
为最终估算的地表温度日较差，T TM 为由TM或TIRS传感器数据计算得到的地表温度数据单位℃；T max 为MODIS数据获得的白天地表温度单位℃ ；T min 为MODIS数据获得的夜晚地表温度单位℃，t为地表温度日较差的待估算时刻，即Landsat卫星过境时间；t min为MODIS卫星夜晚过境时刻；t max为MODIS卫星白天过境时刻；p是一个周期，为24 h，P 1为2倍的MODIS夜晚过境时刻与白天过境时刻的差值，单位：h，即 2✖（t max - t min ），w 1 、w 2 为时间权重；α是土壤热扩散率，单位cm2/h。
CN201910370284.6A 2019-05-06 2019-05-06 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法 Active CN110111379B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910370284.6A CN110111379B (zh) 2019-05-06 2019-05-06 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910370284.6A CN110111379B (zh) 2019-05-06 2019-05-06 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法

Publications (2)

Publication Number Publication Date
CN110111379A CN110111379A (zh) 2019-08-09
CN110111379B true CN110111379B (zh) 2023-01-31

Family

ID=67488142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910370284.6A Active CN110111379B (zh) 2019-05-06 2019-05-06 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法

Country Status (1)

Country Link
CN (1) CN110111379B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551459A (zh) * 2008-10-15 2009-10-07 北京天宏金睛信息技术有限公司 基于遥感的区域蒸散量监测方法
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
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法
KR101807579B1 (ko) * 2016-08-08 2017-12-12 서울대학교산학협력단 지표면 도시열섬강도의 시공간적 분포에 영향을 주는 변수 분석 시스템 및 방법
CN108446999A (zh) * 2018-04-17 2018-08-24 中国水利水电科学研究院 基于冠气温差和遥感信息进行灌区不同作物et估算方法
CN108613933A (zh) * 2018-06-13 2018-10-02 中南林业科技大学 基于多源遥感数据融合的林地干旱时空动态监测方法
KR101914061B1 (ko) * 2018-03-29 2018-11-02 대한민국 인공위성에 의한 열섬특성 분석방법
CN109115995A (zh) * 2018-08-30 2019-01-01 清华大学 土壤水分信息获取方法、装置、计算机设备和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101551459A (zh) * 2008-10-15 2009-10-07 北京天宏金睛信息技术有限公司 基于遥感的区域蒸散量监测方法
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
CN103994976A (zh) * 2013-11-28 2014-08-20 江苏省水利科学研究院 基于modis数据的农业旱情遥感监测方法
KR101807579B1 (ko) * 2016-08-08 2017-12-12 서울대학교산학협력단 지표면 도시열섬강도의 시공간적 분포에 영향을 주는 변수 분석 시스템 및 방법
KR101914061B1 (ko) * 2018-03-29 2018-11-02 대한민국 인공위성에 의한 열섬특성 분석방법
CN108446999A (zh) * 2018-04-17 2018-08-24 中国水利水电科学研究院 基于冠气温差和遥感信息进行灌区不同作物et估算方法
CN108613933A (zh) * 2018-06-13 2018-10-02 中南林业科技大学 基于多源遥感数据融合的林地干旱时空动态监测方法
CN109115995A (zh) * 2018-08-30 2019-01-01 清华大学 土壤水分信息获取方法、装置、计算机设备和存储介质

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Generating daily land surface temperature at Landsat resolution by fusing Landsat and MODIS data;QihaoWeng等;《Remote Sensing of Environment》;20140430;第145卷(第5期);55-67 *
城市化和土地利用/覆盖变化对DTR的影响研究;刘家;《中国优秀硕士学位论文全文数据库基础科学辑》;20190215(第2期);第1.1.1,2.3.1节 *
基于低空机载传感器技术的农田作物长势关键参数提取方法研究;郭鹏;《中国博士学位论文全文数据库农业科技辑》;20180215(第2期);D043-1 *
基于多源遥感数据的济南市主要建成区热环境研究;肖庆锋等;《测绘与空间地理信息》;20180831;第41卷(第8期);23-27 *
基于字典学习和多源遥感数据的高时空分辨率地表温度融合研究;吴君涵;《中国优秀硕士学位论文全文数据库基础科学辑》;20180115(第1期);A009-51 *
基于改进热惯量模型土壤含水量时空变化研究;周雨石;《中国优秀硕士学位论文全文数据库农业科技辑》;20190115(第1期);D043-104 *

Also Published As

Publication number Publication date
CN110111379A (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
Okumura et al. Tropical Atlantic air‐sea interaction and its influence on the NAO
Giorgi et al. Elevation dependency of the surface climate change signal: a model study
Chen et al. Urbanization effect on precipitation over the Pearl River Delta based on CMORPH data
Tamura et al. Estimation of surface heat/salt fluxes associated with sea ice growth/melt in the Southern Ocean
Sohrabinia et al. Spatio-temporal analysis of the relationship between LST from MODIS and air temperature in New Zealand
Cordeira et al. The influence of ice cover on two lake-effect snow events over Lake Erie
Hatchett et al. Assimilating urban heat island effects into climate projections
Cambon et al. Assessing the impact of downscaled winds on a regional ocean model simulation of the Humboldt system
Helsen et al. On the importance of the albedo parameterization for the mass balance of the Greenland ice sheet in EC-Earth
CN110111379B (zh) 一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法
He et al. Revisit the vertical structure of the eddies and eddy‐induced transport in the Leeuwin Current system
CN103400022A (zh) 一种海表面温度遥感数据集等纬度重构方法
Geng et al. Diurnal variations of the Meiyu/Baiu rain belt
Lei et al. Characterization of the unprecedented polynya events north of Greenland in 2017/2018 using remote sensing and reanalysis data
Zhong et al. Assessment of soil water deficit for the middle reaches of Yarlung-Zangbo River from optical and passive microwave images
CN107688712B (zh) 一种基于dem和ndvi的气温降尺度方法
Kumar et al. Time series analysis of hydrometeorological data for the characterization of meltwater storage in glaciers of Garhwal Himalaya
Zawar-Reza et al. Pseudovertical temperature profiles give insight into winter evolution of the atmospheric boundary layer over the McMurdo Dry Valleys of Antarctica
Vondou et al. Diurnal cycle of convective activity over the West of Central Africa based on meteosat images
Shea et al. Modelling glacier change in the Everest region, Nepal Himalaya
Yamamoto et al. Influence of assimilated SST on regional atmospheric simulation: A case of a cold‐air outbreak over the Japan Sea
Zhu et al. Diurnal variation of seasonal precipitation over the CONUS: a comparison of gauge observations with TRMM data
Wu et al. Variation characteristics of soil temperature, moisture, and heat flux in the understorey of evergreen broadleaf forest in South China
Asoka et al. Groundwater pumping to increase food production causes persistent groundwater drought in India
Dan et al. Comparison and analysis of research methods for urban heat island effect based on Landsat TM6

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
GR01 Patent grant
GR01 Patent grant