一种基于辐射亮度的劈窗地表温度反演方法转让专利

申请号 : CN201710372227.2

文献号 : CN107389198B

文献日 :

基本信息:

PDF:

法律信息:

相似专利:

发明人 : 王猛猛何国金张兆明王桂周龙腾飞尹然宇

申请人 : 三亚中科遥感研究所

摘要 :

地表温度是地球与大气相互作用的物理过程的重要参量,广泛地应用于水文、气象、全球碳平衡和全球变化等研究中。本发明通过直接建立两个热红外通道辐射亮度之间的关系,代替简化普朗克函数用于辐射传输方程组的求解,同时引入一个大气参数(大气下行辐射和大气上行辐射的比值)来提高简化辐射传输方程的精度,提出了一个基于辐射亮度的劈窗算法(RBSWA),并将算法应用于MODIS数据地表温度反演。与先前基于亮度温度的劈窗算法相比,RBSWA的地表温度反演精度提高了约0.5K。本发明提出的方法原理也适用于其他热红外遥感数据。

权利要求 :

1.一种基于辐射亮度的劈窗地表温度反演算法,其特点是以星上辐射亮度直接作为算法的输入;步骤为:第一步、计算星上辐射亮度,星上辐射亮度L31和L32由影像DN值经辐射定标得到;

第二步、计算地表比辐射率,地表比辐射率ε31和ε32用NDVI阈值法计算得到;

第三步、计算大气水汽含量,大气水汽含量w用比值法从近红外数据反演得到,或用基于NDVI的劈窗协方差与方差比法从热红外数据反演得到;

第四步、计算地表温度,地表温度的计算公式为:其中B31(TS)=A0L31-A1L32+A2;

式中,TS表示地表温度,B31(TS)表示温度为TS的黑体对应的MODIS31波段的辐射亮度,K31,1和K31,2分别表示MODIS31波段的热红外辐射常数,L31和L32分别表示MODIS31和32波段的星上辐射亮度,A0、A1和A2表示劈窗系数,计算公式如下:式中,k(L31)和b(L31)表示两个热红外通道辐射亮度之间转化相关的参数,C31、C32、D31和D32表示中间变量,k(L31)和b(L31)的计算公式如下:式中,K32,1和K32,2分别表示MODIS32波段的热红外辐射常数;

C31、C32、D31和D32的计算公式如下:C31=ε31τ31;

C32=ε32τ32;

式中,ε31和ε32分别表示MODIS31和32波段的地表比辐射率,τ31和τ32分别表示MODIS31和

32波段的大气有效透过率, 和 分别表示MODIS31和32波段的大气上行辐射与大气下行辐射的比值;τ31、τ32、 和 的计算公式如下:τ31(θ)=1-(0.088373·w+0.04424)/cos(θ)τ32(θ)=1-(0.096298·w+0.118442)/cos(θ)式中,w表示大气水汽含量。

说明书 :

一种基于辐射亮度的劈窗地表温度反演方法

技术领域

[0001] 本发明涉及一种MODIS地表温度反演方法,能够应用在农业、林业、气象、生态环境以及国防军事等遥感部门。

背景技术

[0002] 劈窗算法,又称双通道算法,是目前最通用的热红外遥感地表温度反演方法。劈窗算法利用两个热红外通道大气吸收差异来校正大气影响,解算出地表真实温度。目前的劈窗算法都是建立地表温度与两个热红外通道亮度温度之间的模型,可以统称为基于亮度温度的劈窗算法。为了建立地表温度与两个热红外通道亮度温度之间的模型,需要简化普朗克方程,用简单的模型来表示普朗克辐射亮度与亮度温度之间的关系。最常用的简化普朗克方程的方法是泰勒扩展。当地表比热容较大、大气水汽含量较高的条件下,地表温度与星上亮度温度之间的差异显著,基于泰勒扩展方法的辐射亮度与亮度温度之间的转换精度较差,转换误差大于0.2K。本发明直接建立两个热红外通道辐射亮度之间的关系,代替建立普朗克辐射亮度与亮度温度之间的关系,提高了两个通道辐射亮度之间的转换精度,建立了地表温度与两个热红外通道辐射亮度之间的关系,提出一个基于辐射亮度的劈窗算法(简称RBSWA),并应用于MODIS数据地表温度反演。

发明内容

[0003] 本发明提出了一个基于辐射亮度的劈窗地表温度反演方法,可以实现MODIS数据地表温度反演,方法如下:
[0004] 其中B31(TS)=A0L31-A1L31+A2   (式1)
[0005] 式中,TS表示地表温度,B31(TS)表示温度为TS的黑体对应的MODIS 31波段的辐射亮度,K31,1和K31,2分别表示MODIS 31波段的热红外辐射常数(可从元数据中获取),L31和L32分别表示MODIS 31和32波段的星上辐射亮度,A0、A1和A2表示劈窗系数,计算公式如下:
[0006]
[0007]
[0008]
[0009] 式中,k(L31)和b(L31)表示两个热红外通道辐射亮度之间转化相关的参数,C31、C32、D31和D32表示中间变量。k(L31)和b(L31)计算公式如下:
[0010]
[0011]
[0012] 式中,K32,1和K32,2分别表示MODIS 32波段的热红外辐射常数(可从元数据中获取)。
[0013] C31、C32、D31和D32计算公式如下:
[0014] C31=ε31τ31
[0015] C32=ε32τ32
[0016]
[0017]
[0018] 式中,ε31和ε32分别表示MODIS 31和32波段的地表比辐射率,τ31和τ32分别表示MODIS 31和32波段的大气有效透过率, 和 分别表示MODIS 31和32波段的大气上行辐射与大气下行辐射的比值。τ31、τ32、 和 的计算公式如下:
[0019] τ31(θ)=1-(0.088373·w+0.04424)/cos(θ)
[0020] τ32(θ)=1-(0.096298·w+0.118442)/cos(θ)
[0021]
[0022]
[0023] 式中w表示大气水汽含量。本发明提出的基于辐射亮度的劈窗算法需要5个输入参量,包括L31、L32、ε31、ε32和w。

具体实施方式

[0024] 1、计算星上辐射亮度,星上辐射亮度L31和L32可以由影像DN值经辐射定标得到;
[0025] 2、计算地表比辐射率,地表比辐射率ε31和ε32可以用NDVI阈值法[Sobrino,J.A.,Jiménez- J.C.,Sòria,G.,Romaguera,M.,Guanter,L.,Moreno,J.,Plaza,A.,&Martínez,P.(2008).Land surface emissivity retrieval from different VNIR and TIR sensors.IEEE Transactions on Geoscience and Remote Sensing,46,316-327],或者其它方法[Li,Z.-L.,Wu,H.,Wang,N.,Qiu,S.,Sobrino,J.A.,Wan,Z.,Tang,B.-H.,&Yan,G.(2013b).Land surface emissivity retrieval from satellite data.International Journal of Remote Sensing,34,3084-3127]计算得到;
[0026] 3、计算大气水汽含量,大气水汽含量w可以用比值法[A new approach for retrieving precipitable water from ATSR2split-window channel data over land area.International Journal of Remote Sensing,24,5095-5117]从近红外数据反演得到,也可以用基于NDVI的劈窗协方差与方差比法(SWCVR)[Wang,M.,He,G.,Zhang,Z.,Wang,G.,&Long,T.(2015).NDVI-based split-window algorithm for precipitable water vapour retrieval from Landsat-8TIRS data over land area.Remote Sensing Letters,6,904-913]从热红外数据反演得到;
[0027] 4、计算地表温度,利用本发明提出的基于辐射亮度的劈窗算法计算地表温度(如式1)。
[0028] 5、算法精度评估。基于模拟数据集评价RBSWA的模型精度,并与两个经典的劈窗算法做对比(Qin等提出的劈窗算法,简称SWAQ[Qin,Z.,Dall'Olmo,G.,Karnieli,A.,&Berliner,P.(2001b).Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA‐advanced very high resolution radiometer data.Journal of Geophysical Research:Atmospheres(1984–2012),106,22655-22670];Sobrino等人提出的劈窗算法,简称SWAS[Sobrino,J.,&Raissouni,N.(2000).Toward remote sensing methods for land cover dynamic monitoring:application to Morocco.International Journal of Remote Sensing,21,
353-366])。模拟数据集中的ε31,ε32,L31,L32,θ和w作为劈窗算法的输入,然后比较劈窗算法反演得到的LST与模拟数据集中的LST。算法精度评估结果如表1,表明与两个经典的劈窗算法做对比,RBSWA地表温度反演精度提高了约0.5K。
[0029] 表1 不同劈窗算法地表温度反演精度比较
[0030]