CN112857583B - 一种基于卫星遥感数据的植被温度和裸地温度估算方法 - Google Patents
一种基于卫星遥感数据的植被温度和裸地温度估算方法 Download PDFInfo
- Publication number
- CN112857583B CN112857583B CN202110047878.0A CN202110047878A CN112857583B CN 112857583 B CN112857583 B CN 112857583B CN 202110047878 A CN202110047878 A CN 202110047878A CN 112857583 B CN112857583 B CN 112857583B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- temperature
- remote sensing
- emissivity
- bare
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005855 radiation Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 230000008033 biological extinction Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
- G01N2021/1797—Remote sensing in landscape, e.g. crops
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于卫星遥感数据的植被温度和裸地温度估算方法,包括以下步骤:步骤一、准备卫星遥感数据和地面气象观测数据;步骤二、根据步骤一的数据计算植被覆盖度;步骤三、根据步骤一的数据分别计算裸地反照率、裸地发射率和植被发射率;步骤四、计算裸地温度和植被温度。本发明以地表能量平衡原理为基础,不依赖于其他像元信息,应用目标像元的卫星遥感数据,包括但不限于地表温度、地表发射率、植被指数、植被类型和地面气象观测数据为输入,计算出目标像元的植被温度和裸地温度,具有空间独立性,提高了估算精度。
Description
技术领域
本发明涉及一种植被温度和裸地温度估算方法,属于卫星遥感技术领域,尤其涉及一种基于卫星遥感数据的植被温度和裸地温度估算方法。
背景技术
卫星遥感反演的地表温度(Land Surface Temperature(LST)或TL)是以像元尺度表征的,仅代表像元所覆盖区域的平均陆地表面温度,无法区分不同植被覆盖度的像元内的植被温度和裸地温度。
地表温度(Land Surface Temperature(LST)或TL)表征了地球陆地表面的温度状态,是地表能量平衡和水循环中的关键变量,在地-气相互作用和气候变化研究中扮演着十分重要的角色,对气象、水文、农业、生态和环境等领域均有着重要的应用价值。卫星遥感反演的地表温度由于具有固定的分辨率,如NASA AVHRR-LST约为1km×1km,MODIS LST约为500m×500m,Landsat-LST约为30m×30m等,其地表温度表征的是像元所覆盖区域的平均陆地表面温度。对于像元所覆盖区域的均为植被时,该地表温度则代表了植被温度;对于像元所覆盖区域的均为裸地时,该地表温度则代表了裸地温度;但是,对于像元所覆盖区域有一部分区域为植被,而其他区域为裸地时,则无法直接区分该像元内的植被温度和裸地温度。由于长时间序列的卫星遥感观测数据(如NASA AVHRR-LST自1982年开始)的空间分辨率较为粗糙,像元内的植被覆盖度发生了显著的变化。因此,为得到更为精确的植被动态变化对环境和气候的影响信息,需要将遥感反演的地表温度进一步区分出植被温度和裸地温度。现有技术在估算植被温度或裸地温度时,主要采用邻近像元替代或空间插值法,如最近邻点插值法(Nearest Neighbor),自然邻点插值法(Natural Neighbor),克里金插值法(Kriging)等。例如,估算某一像元的植被温度时,用该像元附近的完全植被覆盖区的地表温度替代,或者进行空间插值得到该目标像元的植被温度。这类方法主要特点是计算简单,且目标像元的计算值高度依赖于邻近像元的有效个数及其和目标像元的相关性。因而,对于空间一致性越好的区域或者植被覆盖度高的区域,现有的空间插值方法得到的植被温度估算精度越高。但对于空间异质性越高的区域(如山地、丘陵以及植被类型过渡地带等)、或者植被覆盖度中等或越低的区域(如城市下垫面、荒漠、草地、稀疏森林等),现有的空间插值方法得到的计算值误差就越大,导致无法得到可接受的植被温度和裸地温度估算值。
现有的空间插值方法是一种统计算法,没有物理机制支撑,对于空间异质性高的区域(如山地、丘陵以及植被类型过渡地带等)、或者植被覆盖度中等或低的区域(如城市下垫面、荒漠、草地、稀疏森林等),现有的空间插值方法得到的计算值误差较大,无法得到可接受的植被温度和裸地温度。本发明针对现有的计算方法没有物理机制支撑,无法适用于空间异质性高的区域等缺点,提出了一种以地表能量平衡原理为基础的,不依赖于其他像元信息,应用目标像元的卫星遥感数据(包括地表温度、地表发射率、植被指数、植被类型等)和地面气象观测数据为输入,计算出目标像元的植被温度和裸地温度的估算方法。
发明内容
为了解决上述技术所存在的不足之处,本发明提供了一种基于卫星遥感数据的植被温度和裸地温度估算方法。
为了解决以上技术问题,本发明采用的技术方案是:一种基于卫星遥感数据的植被温度和裸地温度估算方法,包括以下步骤:
步骤一、准备卫星遥感数据和地面气象观测数据;
步骤二、根据步骤一的数据计算植被覆盖度;
步骤三、根据步骤一的数据分别计算裸地反照率、裸地发射率和植被发射率;
步骤四、计算裸地温度和植被温度;
植被温度TV的具体计算公式如下:
其中,TS为裸地温度,TL为卫星遥感的陆地地表温度,εL为地表发射率、fV为植被覆盖度,εV为植被发射率,εS为裸土发射率。
进一步地,卫星遥感数据包括但不限于卫星遥感的陆地地表温度TL、地表反照率αL、地表发射率εL、归一化植被指数NDVI和叶面积指数LAI、土地利用、植被类型数据;地面气象观测数据包括但不限于下行短波辐射SW↓和下行长波辐射LW↓数据。
进一步地,植被覆盖度fV由遥感的归一化植被指数NDVI或叶面积指数LAI计算得到。
进一步地,植被覆盖度fV的具体计算过程如下:
其中,n通常取值为2,NDVImax和NDVImin为NDVI的最大和最小值;
或者也可以利用LAI估算fV,
其中,LAIref为参考叶面积指数,对于森林和灌木其取值为2.5,而对于草地、湿地和农田其取值为1.4;e为自然常数。
进一步地,裸地反照率αS是从遥感地表反照率αL数据中找出同纬度或附件区域中无植被覆盖区的地表反照率αL的值;裸地发射率εS是从遥感地表发射率εL数据中找出同纬度或附件区域中无植被覆盖区的地表发射率εL的值;植被发射率εV是根据植被类型分布图,由遥感地表发射率εL数据中找出相同植被类型的完全植被覆盖区的地表发射率εL的值。
进一步地,裸地温度TS是由气象观测的下行短波辐射SW↓、下行长波辐射LW↓、卫星遥感的陆地地表温度TL、地表反照率αL、地表发射率εL、叶面积指数LAI、裸地反照率αS、裸地发射率εS、植被发射率εV和参数k计算得到的,其具体计算公式如下:
其中,σ=5.67×10-8W m-2K-4为斯蒂芬-波尔茨曼常数,k为消减系数,0<k<1,可根据不同植被类型估算最优参数值。
本发明以地表能量平衡原理为基础,不依赖于其他像元信息,应用目标像元的卫星遥感数据,包括但不限于地表温度、地表发射率、植被指数、植被类型和地面气象观测数据为输入,计算出目标像元的植被温度和裸地温度,具有空间独立性,提高了估算精度。
附图说明
图1为本发明的整体流程示意图。
图2为地表温度、植被温度和裸地温度随叶面积指数增加的变化关系图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1所示的一种基于卫星遥感数据的植被温度和裸地温度估算方法,包括以下步骤:
步骤一、准备卫星遥感数据和地面气象观测数据;
步骤二、根据步骤一的数据计算植被覆盖度;
步骤三、根据步骤一的数据分别计算裸地反照率、裸地发射率和植被发射率;
步骤四、计算裸地温度和植被温度。
步骤一中,卫星遥感数据包括但不限于卫星遥感的陆地地表温度TL、地表反照率αL、地表发射率εL、归一化植被指数NDVI和叶面积指数LAI、土地利用、植被类型数据;地面气象观测数据包括但不限于下行短波辐射SW↓和下行长波辐射LW↓数据。
步骤二中的植被覆盖度fV由遥感的归一化植被指数NDVI或叶面积指数LAI计算得到;
步骤三中的裸地反照率αS是从遥感地表反照率αL数据中找出同纬度或附件区域中无植被覆盖区的地表反照率αL的值;裸地发射率εS是从遥感地表发射率εL数据中找出同纬度或附件区域中无植被覆盖区的地表发射率εL的值;植被发射率εV是根据植被类型分布图,由遥感地表发射率εL数据中找出相同植被类型的完全植被覆盖区的地表发射率εL的值;
步骤四中的裸地温度TS是由气象观测的下行短波辐射SW↓、下行长波辐射LW↓、卫星遥感的陆地地表温度TL、地表反照率αL、地表发射率εL、叶面积指数LAI、裸地反照率αS、裸地发射率εS、植被发射率εV和参数k计算得到的;植被温度TV是由裸地温度TS、卫星遥感的陆地地表温度TL、地表发射率εL、植被覆盖度fV、植被发射率εV和裸土发射率εS计算得到的。
步骤二~步骤四的具体计算过程如下:
假定卫星遥感仪器接收到陆地地表面某一像元的上行长波辐射通量RL↑是该像元内植被覆盖的上行长波辐射通量RV↑和无植被覆盖区裸地的上行长波辐射通量RS↑的线性组合,即:
RL↑=fVRV↑+(1-fV)RS↑ (1)
其中,fV为像元内的植被覆盖度,可以由遥感的归一化植被指数NDVI或叶面积指数LAI计算得到,其计算公式如下:
其中,n通常取值为2,NDVImax和NDVImin为NDVI的最大和最小值;
或者也可以利用LAI估算fV,其计算公式如下:
其中,LAIref为参考叶面积指数,对于森林和灌木其取值为2.5,而对于草地、湿地和农田其取值为1.4;e为自然常数。
由斯蒂芬-波尔茨曼定律(Stefan-Boltzmann Law)可知上行长波辐射与温度的关系如下:
RL↑=εLσTL 4 (4)
RV↑=εVσTV 4 (5)
RS↑=εSσTS 4 (6)
其中,RL↑、RV↑、RS↑分别为遥感像元的地表上行长波辐射、植被上行长波辐射和裸地上行长波辐射,εL、εV、εS分别是遥感像元的地表发射率、植被发射率和裸地发射率,εV和εS可分别从全植被覆盖和无植被覆盖区的εL中提取数值。TL、TV、TS分别为遥感像元的地表温度、植被温度和裸地温度,它们的单位均为K,σ=5.67×10-8W m-2 K-4为斯蒂芬-波尔茨曼常数,将公式(4)、(5)和(6)代入公式(1),得到:
εLTL 4=fVεVTV 4+(1-fV)εSTS 4 (7)
公式(7)用于描述TL与TV和TS之间的关系;
由地表能量平衡关系,可计算出地表净辐射(Rn),
Rn,L=(1-αL)SW↓+LW↓-RL↑ (8)
其中,SW↓和LW↓分别为气象观测的下行短波辐射和下行长波辐射,它们的单位均为Wm2),αL为卫星遥感的地表反照率,因裸地地表满足地表能量平衡关系:
Rn,S=(1-αS)SW↓+LW↓-RS↑ (9)
其中,αS为遥感像元内的裸地反照率,由于像元地表净辐射(Rn)与像元内裸地覆盖区地表净辐射Rn,S和像元内植被覆盖区地表净辐射Rn,V的关系是Rn,S≤Rn,L≤Rn,V,因此,可定义裸地的Rn,S符合Rn,L的一定比例关系:
Rn,S=Rn,Le-kLAI (10)
其中,k为消减系数,0<k<1,可根据不同植被类型估算最优参数值;
联立公式(4)到(10),可得到裸地温度的计算公式为:
和植被温度的计算公式为:
下面将结合具体的实施例对本发明进行进一步的阐述。
实施例一、
在本实施例中,以华北某个混合林地为研究对象,取2019年6月份MOIDS卫星遥感数据9个像元的叶面积指数、地表反照率、地表发射率、地表温度等和气象观测的下行短波辐射和下行长波辐射做为本发明中算法公式的输入数据,计算得到植被温度和裸地温度。地表温度、植被温度和裸地温度随叶面积指数的变化关系见图2,其详细信息见表1。
表1
上述数据说明,裸地温度高于地表温度,而植被温度低于地表温度。地表温度随叶面积指数增加而下降,植被温度随叶面积指数增加而增加,但裸地温度与叶面积指数变化关系不大。
本发明与现有技术相比,具有以下优点:
a、本发明作为一种新的算法,其物理意义明确;
b、本发明的算法融合了卫星遥感数据和地面常规气象观测数据,提高了估算精度;
c、本发明可针对不同植被覆盖类型的下垫面对有关参数进行优化,改进估算精度;
d、本发明的算法具有空间独立性,只需目标像元对应的遥感和气象资料作为输入,无需该像元邻近像元的地表温度数据参与计算,不引入其他像元的误差信息。
上述实施方式并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换,也均属于本发明的保护范围。
Claims (6)
2.根据权利要求1所述的基于卫星遥感数据的植被温度和裸地温度估算方法,其特征在于:所述卫星遥感数据包括但不限于卫星遥感的陆地地表温度TL、地表反照率αL、地表发射率εL、归一化植被指数NDVI和叶面积指数LAI、土地利用、植被类型数据;地面气象观测数据包括但不限于下行短波辐射SW↓和下行长波辐射LW↓数据。
3.根据权利要求1所述的基于卫星遥感数据的植被温度和裸地温度估算方法,其特征在于:所述植被覆盖度fV由遥感的归一化植被指数NDVI或叶面积指数LAI计算得到。
5.根据权利要求1所述的基于卫星遥感数据的植被温度和裸地温度估算方法,其特征在于:所述裸地反照率αS是从遥感地表反照率αL数据中找出同纬度或附件区域中无植被覆盖区的地表反照率αL的值;裸地发射率εS是从遥感地表发射率εL数据中找出同纬度或附件区域中无植被覆盖区的地表发射率εL的值;植被发射率εV是根据植被类型分布图,由遥感地表发射率εL数据中找出相同植被类型的完全植被覆盖区的地表发射率εL的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110047878.0A CN112857583B (zh) | 2021-01-14 | 2021-01-14 | 一种基于卫星遥感数据的植被温度和裸地温度估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110047878.0A CN112857583B (zh) | 2021-01-14 | 2021-01-14 | 一种基于卫星遥感数据的植被温度和裸地温度估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112857583A CN112857583A (zh) | 2021-05-28 |
CN112857583B true CN112857583B (zh) | 2021-10-29 |
Family
ID=76005898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110047878.0A Active CN112857583B (zh) | 2021-01-14 | 2021-01-14 | 一种基于卫星遥感数据的植被温度和裸地温度估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112857583B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588093B (zh) * | 2021-08-10 | 2022-09-06 | 中国科学院地理科学与资源研究所 | 一种天顶观测方向地表温度估算方法 |
CN113887780B (zh) * | 2021-08-26 | 2023-11-24 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种卫星遥感地表温度的估计方法、装置及设备 |
CN116701859B (zh) * | 2023-05-29 | 2024-01-30 | 河北省科学院地理科学研究所 | 一种基于全遥感数据的植物活动积温估算方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9354216B2 (en) * | 2011-11-07 | 2016-05-31 | Brian Harold Sutton | Infrared aerial thermography for use in determining plant health |
KR101404430B1 (ko) * | 2013-06-11 | 2014-06-10 | 서울시립대학교 산학협력단 | 적외선 영상을 이용한 지표온도감률 추정 방법 |
CN105628618B (zh) * | 2015-12-21 | 2018-03-09 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
CN111398182A (zh) * | 2020-02-17 | 2020-07-10 | 华北理工大学 | 一种基于像元三分模型的地表热环境时空分异效应定量评价方法 |
CN111983333B (zh) * | 2020-08-20 | 2021-05-25 | 自然资源部国土卫星遥感应用中心 | 一种分离被动微波遥感混合像元组分土壤辐射信号的方法 |
-
2021
- 2021-01-14 CN CN202110047878.0A patent/CN112857583B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112857583A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112857583B (zh) | 一种基于卫星遥感数据的植被温度和裸地温度估算方法 | |
Koch et al. | Estimating net irrigation across the North China Plain through dual modeling of evapotranspiration | |
Folberth et al. | Regionalization of a large-scale crop growth model for sub-Saharan Africa: Model setup, evaluation, and estimation of maize yields | |
Liu et al. | Assessing the impact of urban expansion on potential crop yield in China during 1990–2010 | |
Yuping et al. | Monitoring winter wheat growth in North China by combining a crop model and remote sensing data | |
YANG et al. | Water consumption in summer maize and winter wheat cropping system based on SEBAL model in Huang-Huai-Hai Plain, China | |
Zhao et al. | Application of geographically weighted regression in estimating the effect of climate and site conditions on vegetation distribution in Haihe Catchment, China | |
Biemans et al. | Crop-specific seasonal estimates of irrigation-water demand in South Asia | |
Vazifedoust et al. | Assimilation of satellite data into agrohydrological models to improve crop yield forecasts | |
CN113139901A (zh) | 一种流域尺度植被净初级生产力遥感精细反演方法 | |
CN106908415A (zh) | 一种基于修正ndvi时间序列的大区域农作物全生育期墒情监测方法 | |
Ju et al. | Prediction of summer grain crop yield with a process-based ecosystem model and remote sensing data for the northern area of the Jiangsu Province, China | |
Wang et al. | Yield estimation of winter wheat in the North China Plain using the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model | |
Chung et al. | Solar irradiance-corrected spatial interpolation of hourly temperature in complex terrain | |
CN110599360A (zh) | 一种干旱区农作物生长季蒸散发高分辨率遥感估算方法 | |
CN116341724B (zh) | 基于全球气候模式驱动碳循环机理模型的碳吸收预估方法 | |
CN115358095B (zh) | 山地高空间分辨率植被总初级生产力估算方法 | |
Singh | Water productivity analysis from field to regional scale | |
CN109409014A (zh) | 基于bp神经网络模型的年可照时数的计算方法 | |
Chen et al. | Spatiotemporal variation of vegetation net primary productivity and its responses to climate change in the Huainan Coal Mining Area | |
Gemechu et al. | Analysis of spatiotemporal variability of water productivity in Ethiopian sugar estates: using open access remote sensing source | |
CN117010546A (zh) | 一种云南省次季节尺度温度异常的预测方法和装置 | |
CN114818386B (zh) | 一种顾及温度滞后性效应的地表温度角度归一化方法 | |
CN114677020B (zh) | 区域尺度土壤风蚀变化驱动机制定量评估方法 | |
Rhoads et al. | Validation of land surface models using satellite‐derived surface temperature |
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 |