CN101936777A - 一种基于热红外遥感反演近地层气温的方法 - Google Patents

Abstract

本发明公布了一种基于热红外遥感反演近地层气温的方法，包括如下步骤：(1)确立近地层气温遥感反演模型的基本形式，(2)建立了近地层气温的遥感反演模型，(3)基于不同地表类型的气温遥感反演模型，(4)采用遥感反演模型的尺度效应分析得到最优气温遥感反演模型。本发明能够快速准确的计算出近地层气温的空间分布图。由于本模型是在考虑地表能量平衡过程的基础上通过回归分析方法建立的，因此兼具有理论模型和统计模型的优点，精度较高，并且实用性强。

Description

一种基于热红外遥感反演近地层气温的方法

技术领域

本发明涉及一种反演近地层气温的方法，具体涉及一种基于热红外遥感反演近地层气温的方法。

背景技术

近地层气温，通常指在距地面2m或1.5m处观测的大气温度，是气象站点最重要的观测指标之一。近地层气温与人们生活密切相关，其时空变化对于全球变暖、城市热岛等重大环境的研究具有重要参考价值。此外，近地层气温是地表与大气之间的水分和能量交换的重要影响因素，控制着地表与大气的水分和能量交换，是水文、气候和环境模型的重要输入参数，掌握其详细时空分布对于有效的理解生态、水文、气候、农业以及陆地生物活动具有重要意义。

由于受到纬度、海拔、植被覆盖、土壤含水量等时空多变要素的影响，近地层气温的时空分布模式很复杂，使得获取宏观范围的气温资料很困难。目前气温资料主要来自于气象站点的观测。站点观测只能提供空间上离散的有限点观测数据，而地球***模型往往需要空间上连续的面数据而非点数据。因此气象资料还需要通过反距离权重插值、克里金插值等空间插值方法由点数据外推生成面数据。但是在站点密度较低的情况下，空间插值往往得不到满意的气温空间分布数据。随着全球变化研究的不断深入，常规气象站点观测已经无法满足地球***科学研究的需要。气温时空分布资料的缺乏在一定程度上制约了地学模型的发展，从而影响我们对全球气候和环境的认识。

近些年来，遥感技术的飞速发展为快速地获取大尺度的气温时空差异信息提供了新的途径。卫星遥感最突出的优势在于能够提供大范围的空间上连续的地表及大气信息，基于遥感影像反演得到的气温数据提供了比站点观测数据更理想的空间异质度信息。此外，遥感还可以根据历史存档数据提取过去时相的气温，这对于过去气候、生态和植物生理等研究具有重要意义。

利用热红外遥感反演地表温度的方法已经比较成熟，而近地层气温的反演研究开展得很少，因为大气热辐射过程非常复杂，其研究难度远大于地表热辐射。目前应用最普遍的近地层气温遥感反演方法是温度-植被指数法(TVX方法)，该方法简单易行，但是只适用于植被覆盖度较高的地区，对于水体、城镇、荒漠等地区不适用，因此在很大程度上限制了其应用。而利用地表温度与近地层气温的关系来推算近地层气温的研究中，大多数学者仅仅考虑地表温度与植被指数这两个地表特征对近地层气温的影响，而没有更深入的研究地表能量平衡过程。

发明内容

本发明目的是针对现有技术存在的缺陷，在考虑地表能量平衡过程的基础上，综合选用了地表温度、植被指数NDVI、地表反照率、太阳辐射、太阳入射角度、海拔等多个地表与气候因子来建立其与近地层气温之间的关系，并通过尺度效应分析确定近地层气温遥感反演模型的最佳空间窗口尺寸，最终建立了一种具有较高精度的近地层气温遥感反演模型。

本发明为实现上述目的，采用如下技术方案：

本发明一种基于热红外遥感反演近地层气温的方法包括如下步骤：

(1)确立近地层气温遥感反演模型的基本形式：

式中，T_a为近地层气温，T_s为地表温度，NDVI为归一化植被指数，AL为地表反照率，θ、φ分别为太阳天顶角和方位角，其中方位角φ从正南方向起算向西为正、向东为负，DSSF为日天文辐射，H为地表海拔，a、b、c、d、e、f为经验系数；

(2)建立了近地层气温的遥感反演模型：

$T_a=T_s-5.9423\·\cos \mathrm{\θ}\·(1-\mathrm{NDVI})+0.0042\·(1-\mathrm{AL})\·\mathrm{DSSF}---\left(2\right)$

(3)基于不同地表类型的气温遥感反演模型：

(4)采用遥感反演模型的尺度效应分析得到最优气温遥感反演模型：

本发明本发明提供了一种近地层气温的热红外遥感估算方法，能够快速准确的计算出近地层气温的空间分布图。由于本模型是在考虑地表能量平衡过程的基础上通过回归分析方法建立的，因此兼具有理论模型和统计模型的优点，精度较高，并且实用性强。

本发明对不同地表类型和不同空间尺度下气温遥感反演模型的精度分别进行了分析，具有显著的针对性，提高了模型的反演精度。

附图说明

图1：Ta观测值与公式2遥感估算值的散点图；

图2：Ta观测值与公式3遥感估算值的散点图；

图3：气温估算误差随空间窗口尺寸的变化；

图4：Ta观测值与公式4遥感估算值的散点图；

图5：近地层气温遥感反演模型的建立流程图。

具体实施方式

下面结合图5对本发明进一步详述：

1)确立近地层气温遥感反演模型的基本形式

在考虑地表能量平衡过程的基础上，综合选用了地表温度、植被指数NDVI、地表反照率、太阳辐射、太阳天顶角、太阳方位角、海拔等多个地表与气候因子作为自变量，确立了近地层气温遥感反演模型的基本形式

式中，T_a为近地层气温，T_s为地表温度，NDVI为归一化植被指数，AL为地表反照率，θ、φ分别为太阳天顶角和方位角(单位为弧度)，其中方位角从正南方向起算(向西为正、向东为负)，DSSF为日天文辐射(单位MJ/m²)，H为地表海拔(单位m)。a、b、c、d、e、f为经验系数。

2)建立近地层气温的遥感反演模型

通过MODIS遥感数据可以获取地表温度、植被指数、地表反照率、太阳天顶角、太阳方位角等变量值，通过数字高程DEM数据可获取地表海拔值，根据地表海拔值和纬度值计算出日天文辐射。根据气象站点的地理坐标取出站点对应位置的这些变量值，与气象站点观测气温值对应起来构成一个综合数据集。

将上面得到的综合数据集按照7∶3的比例随机分为两组，70％的样本用于建立气温的遥感反演模型，剩下的30％用于对建立的遥感反演模型进行验证。

根据公式1的形式以建模样本为依据通过回归统计方法计算出a、b、c、d、e、f的经验系数值，建立了近地层气温的遥感反演模型：

$T_a=T_s-5.9423\·\cos \mathrm{\θ}\·(1-\mathrm{NDVI})+0.0042\·(1-\mathrm{AL})\·\mathrm{DSSF}---\left(2\right)$

利用验证样本对遥感反演模型公式2进行精度验证，平均绝对误差为2.3706，判定系数R²高达0.8871，表明本发明建立的遥感反演模型具有比较理想的精度。图1给出了遥感反演气温值与气象观测气温值的散点图，

3)基于不同地表类型的气温遥感反演模型

由于不同地表类型的植被覆盖度、叶片类型、土壤湿度等特性的差异影响了地表与大气之间的能量交换，因此地表温度与气温之间的关系是不相同的。在前面的经验模型研究中直接把所有的建模样本一起进行回归建模，而没有考虑不同类型的下垫面与大气之间相互作用的差异。考虑到这一点，本研究针对水体、城镇、农田和林地这4种地表类型分别建立回归方程来反演近地层气温。

根据建模样本中属于这4种地表类型的样本分别进行回归分析，得到针对不同地表类型的气温反演模型：

利用验证样本对气温遥感反演模型公式3进行精度验证，平均绝对误差为2.1900，判定系数R²高达0.9051，与公式2的验证结果相比，精度有显著改善。遥感反演气温值与气象观测气温值的散点图也反映了这一点(图2)。

4)遥感反演模型的尺度效应分析

地表与大气的相互作用不仅仅局限于单个像元的范围，因此气温不仅仅受到该点地表温度的影响，还受到周围像元地表温度的影响。因此本发明考虑了以气象站点为中心的1*1像元、3*3像元、5*5像元、7*7像元、9*9像元、11*11像元、13*13像元空间窗口平均地物特性与气温之间的关系。分别统计了这7个不同尺寸空间窗口内地表温度、NDVI、太阳天顶角、太阳方位角、日天文辐射和海拔的平均值，并将窗口内最大比重的地表类型作为该窗口的地表类型，然后以窗口的整体值代替原来的单个像元值与气象站点观测气温进行数理统计分析，建立气温的遥感反演模型。

经验方程的形式仍然采用了公式3的形式。首先利用建模样本分别确定不同窗口尺寸下4种地表类型的经验方程系数，然后利用验证样本对经验方程估算精度进行检验。图3给出了气温经验方程反演误差随空间窗口尺寸的变化规律。从图中可以看出，反演误差随着空间窗口尺寸的增加在整体上呈下降趋势，在窗口尺寸从1km增加到5km时下降较快，在其后变化平缓。根据气温估算的尺度效应分析，5*5像元是气温遥感反演模型最合适的空间尺寸，因为窗口尺寸继续增大的话精度并没有显著变化，而计算量会大大增加。

综合考虑各种情况，采用5*5空间窗口的气温遥感反演模型为最佳的气温反演模型，其具体计算公式如下：

利用验证样本对气温遥感反演模型公式4进行精度验证，平均绝对误差为2.0145，判定系数R²高达0.9208，与前面两个公式的验证结果相比，反演精度最高。遥感反演气温值与气象观测气温值的散点图也反映了这一点(图4)。

通过上面的一系列试验和分析表明，采用5*5窗口平均值针对不同地表类型建立的遥感反演模型(公式4)是最佳的近地层气温遥感反演模型。

Claims (1)

1.一种基于热红外遥感反演近地层气温的方法，其特征在于包括如下步骤：

(1)确立近地层气温遥感反演模型的基本形式：

式中，T_a为近地层气温，T_s为地表温度，NDVI为归一化植被指数，AL为地表反照率，θ、φ分别为太阳天顶角和方位角，其中方位角φ从正南方向起算向西为正、向东为负，DSSF为日天文辐射，H为地表海拔，a、b、c、d、e、f为经验系数；

(2)建立了近地层气温的遥感反演模型：

$T_a=T_s-5.9423\·\cos \mathrm{\θ}\·(1-\mathrm{NDVI})+0.0042\·(1-\mathrm{AL})\·\mathrm{DSSF}---\left(2\right)$

(3)基于不同地表类型的气温遥感反演模型：

(4)采用遥感反演模型的尺度效应分析得到最优气温遥感反演模型：

Images