申请代码 D0513
受理部门
收件日期
受理编号
国家自然科学基金
申 请 书
( 2 0 1 0 版 )
资助类别:青年科学基金项目
亚类说明:
附注说明:
项目名称:基于 MODIS 数据的地表温度和发射率算法开发与验证研究
申 请 人:毛克彪 电话: 010-82109615-108
依托单位:中国农业科学院农业资源与农业区划研究所
通讯地址:北京市海淀区中关村南大街 12 号
邮政编码:100081 单位电话:68918700
电子邮箱:maokebiao@126.com
申报日期: 2010年3月15日
国家自然科学基金委员会
Think
铅笔
Think
铅笔
Think
铅笔
Think
铅笔
国家自然科学基金申请书 2010 版
第 2 页 版本 1.002.670
基本信息 yEqGPBdl
姓 名 毛毛克彪 性别 男
出生
年月 1977 年 8 月 民 族 汉族
学 位 博士 职称 副研究员 每年工作时间(月) 8
电 话 010-82109615-108 电子邮箱 maokebiao@126.com
传 真 国别或地区 中国
个 人 通 讯 地 址 北京市海淀区中关村南大街 12 号
工 作 单 位 中国农业科学院农业资源与农业区划研究所 /遥感室
申
请
人
信
息
主 要 研 究 领 域 农业遥感,大气和地表参数反演
名 称 中国农业科学院农业资源与农业区划研究所
联 系 人 闫湘 电子邮箱 yanxiang@caas.ac.cn
依托单位信息
电 话 68918700 网站地址 http://www.iarrp.cn/
单 位 名 称
合作研究单位信息
项目名称 基基于 MODIS 数据的地表温度和发射率算法开发与验证研究
资助类别 青年科学基金项目 亚 类 说 明
附注说明
申请代码 D0513:气象观测原理、方法及数据分析 D0512:大气环境与全球气候变化
基地类别 农业部资源遥感与数字农业重点开放实验室\部门开放
研究年限 2011 年 1 月 — 2013 年 12 月 研究属性 应用基础研究
项
目
基
本
信
息
申请经费 25.4800 万元
摘
要
(限 400 字):地表温度是气候变化中的一个非常重要的参数,传统的方法是用气象站点测量
获得,而卫星遥感技术的发展为获取这一参数提供了新途径。目前针对中分辨率的 MODIS 遥
感数据反演地表温度和发射率的反演算法还很少,其主要原因是获得大气参数非常的困难。
另外从热红外数据中同时反演地表温度和发射率本身就是一个病态问题(未知数总比方程的
个数多)。我们已经探索地球物理参数之间的关系,研究并解决方程不足的问题。本研究进
一步验证和拓展算法的适用性,对算法中参数进行敏感性分析,消除反演结果中条纹的影响,
在全国范围内进行进一步验证分析。并根据 FY-3(风云三号)卫星热红外波段设置的特点,发
展适合 FY-3 的地表温度反演算法。进一步分析并为我国将来发射中分辨率的多波段热红外
传感器的波段设置和地表温度和发射率反演算法提供一些建议。
关 键 词(用分号分开,最多 5个) MODIS;FY-3;地表温度;发射率
Think
铅笔
Think
铅笔
国家自然科学基金申请书 2010 版
第 3 页 版本 1.002.670
项目组主要参与者(注: 项目组主要参与者不包括项目申请人,国家杰出青年科学基金项目不填写此栏。)
编号 姓 名 出生年月 性别 职 称 学 位 单位名称 电话 电子邮箱 项目分工
每年工
作时间
(月)
1 高春雨 1978-4-2 男 助理研究员 硕士
中国农业科学院农业资源与
农业区划研究所 82109615 chunyugao@126.com
分类与地面
调查分析 6
2 高懋芳 1980-9-20 女 助理研究员 硕士
中国农业科学院农业资源与
农业区划研究所 82109615 gaomf@caas.net.cn
算法验证分
析 6
3 李李丹丹 1979-12-21 女
助理研究
员 硕士
中国农业科学院农业资源与
农业区划研究所 82109615 lidd@caas.net.cn
地面验证分
析 6
4 卫卫炜 1986-7-13 男 硕士生 学士
中国农业科学院农业资源与
农业区划研究所 82109615 weiwei2008@126.com
数据采集与
分析处理 6
5 郭永礼 1980-1-1 男 技师 其他 中国农业科学院农业资源与农业区划研究所
010-8210961
5
guoyongli_caas@126.co
m
地面调查与
数据采集 5
6
7
8
9
总人数 高级 中级 初级 博士后 博士生 硕士生
6 1 3 1 1
说明: 高级、中级、初级、博士后、博士生、硕士生人员数由申请人负责填报(含申请人),总人数由各分项自动加和产生。
Think
铅笔
Think
铅笔
Think
铅笔
Think
铅笔
Think
铅笔
国家自然科学基金申请书 2010 版
第 4 页 版本 1.002.670
经费申请表 (金额单位:万元)
科目 申请经费 备注(计算依据与说明)
一.研究经费 20.0500
1.科研业务费 8.1000
(1)测试/计算/分析费 1.2000 包括野外测量和实验室分析费用。
(2)能源/动力费 1.1200 主要包括外业调查燃料、租车等费用。根据当时燃料消耗费用、当地租车价格测算。
(3)会议费/差旅费 2.5800 参加国内会议 1次,课题研究开展的实验、科学考察、业务调研、学术交流等。
(4)出版物/文献/信息传播费 3.2000 主要用于论文出版、文献检索费、专利申请等。
(5)其他
2.实验材料费 7.1500
(1)原材料/试剂/药品购置费 5.3000 主要用于购买遥感影像 ALOS 和 ASTER 数据。
(2)其他 1.8500 数据存储光盘,移动硬盘,数码相机和打印机等
3.仪器设备费 1.8000
(1)购置 1.8000 购买台式机 1 台,笔记本 1 个
(2)试制
4.实验室改装费
5.协作费 3.0000 野外台站协助观测和处理数据,算法编程实现与测试
二.国际合作与交流费 2.0000
1.项目组成员出国合作交流 2.0000 拟小组成员出国交流 1次,邀请国外专家来华 1人次
2.境外专家来华合作交流
三.劳务费 2.1600 研究生补贴和短期雇工补贴
四.管理费 1.27 按照单位规定 5%
合 计 25.4800
国家其他
资助经费
其他经费资助(含部门匹配) 与本项目相关的 其他经费来源
其他经费来源合计 0.0000
国家自然科学基金申请书 2010 版
第 5 页
正文
(一)立项依据与研究内容
1. 研究意义
气候变化是人类迄今面临的最大环境问题,也是 21 世纪人类面临的最复杂的挑战之一。地表温
度是气候变化分析中最关键的参数之一,目前对气候变化影响研究主要是利用气象观测站点数据进
行插值分析。对于有些地方,很多气象观测资料还难以获得,同时还存在非同一性问题,这是气候分
析的一个难点,也是很多传统气候变化分析方法面临的难题。因此,如何利用遥感数据反演的地表
参数和地面气象观测站点数据各自的优势来解决目前的生态监测、农情监测和气候变化研究中数据
源的问题是非常迫切的。这为保证各项粮食生产、草地保护和生态建设工程科学合理地实施,从而
增加草地产量、节约成本并减小草地生态退化,协调草业生产与生态环境的矛盾,对促进我国草业
持续稳定健康地发展具有非常重要的意义。
地表能量交换信息的获取是监测区域资源环境变化的一个重要环节。地表温度是地表能量平衡
的决定因素之一。获取区域地表温度时空差异,并进而分析其对区域资源环境变化的影响,是区域
资源环境动态监测的重要内容。传统的做法是通过地面有限观测点的观测数据来推论分析区域地表
温度的时空差异。这种地面观测方法不仅艰难而且非常昂贵。最近几十年,环境研究和管理活动对
温度信息的需求已经使得利用遥感手段反演地表温度和发射率的技术有了很大的进步。许多人致力
于寻找方法从遥感数据中反演地表温度。近 20 年来,热红外遥感技术的飞速发展为快速地获取区域
地表温度空间差异信息提供了新的途径。地表温度在区域资源环境研究中的重要性已经使热红外遥
感成为遥感研究的一个重要领域,目前已经开发了很多实用的地表温度遥感反演方法,如热辐射传
输方程法、劈窗算法、单窗算法和多通道算法。许多算法是针对具体的传感器开发的,例如劈窗算
法是用来从具有两个热红外波段的 NOAA/ AVHRR 数据中反演地表温度,而单窗算法则主要是用于
只有一个热红外波段的 Landsat TM 数据[1][2]。
1999、2002 年搭载 MODIS 遥感器的对地观测卫星发射成功,为全球和区域资源环境动态监测开
辟了又一新的途径。中国本土拥有多个 MODIS 接受站,其数据在农业灾害监测,气象预报等方面起
着非常重要的作用。MODIS 是一个拥有 36 个波段的中分辨率遥感系统,每 1~2 天可获得一次全球
观测数据,其飞行与太阳同步,每天同一区域至少可获得昼夜两景图像,并且是免费接收,因此非
常适合于中大尺度的区域资源环境动态监测。在 MODIS 的 36 个波段中有 8 个是热红外波段,因而
非常合适于区域尺度的地表热量空间差异分析。但是,目前针对 MODIS 遥感数据的地表温度反演
算法还很少。有些应用研究还在利用针对 NOAA/AVHRR 数据开发的反演算法反演地表温度。由于大气
的影响,星上亮度温度与真正的地表温度有很大差距。在晴空时其差距为 3-6°C;在大气水分含量
较高情况下,这种差异可以超过 10°C[1][2][3]。因此,为了更准确地分析区域热量空间差异,很有
必要对 MODIS 所观测到的亮度温度进行大气校正,反演出真正的地表温度。由于地球表面的复杂
性,使得陆地表面温度的反演精度受到限制,特别是在土壤水分含量变化比较大的地区。因此,为
了更准确地分析区域热量空间差异,很有必要在用热红外反演地表温度的过程中考虑发射率的变化。
国内外研究现状
国家自然科学基金申请书 2010 版
第 6 页
我国的热红外遥感研究比较多。刘玉洁, 杨忠东等在[3]中介绍了 MODIS 遥感影像在大气、陆地、
海洋反演的参数的各种算法和 MODIS 数据的应用。李小文,汪骏发等在[4]主要介绍了二向性反射的
几何光学模型和定量遥感的“病态”反演理论,并对非同温混合像元热辐射尺度效应模型进行了分
析和验证,而且对多阶段目标决策反演策略的参数的不确定性和敏感性进行了分析。李小文对热红
外的遥感机理做了比较深入的研究,他在[4][5]中讨论了地表非同温像元的发射率的定义问题及对
分离真实温度和发射率的影响,同时强调了先验知识在反演中的作用。苏理宏在[6]中对非同温的混
合像元和发射率的方向性进行了研究。徐希儒等[7]-[9]探讨了热红外多角度遥感问题,认为只有当
扫描方向与作物垄向相垂直时才最有利于作物叶冠和土壤温度的反演,并提出了混合像元组分温度
的反演方法。陈良富等[10]-[11]研究了热红外遥感中大气下行辐射的近似计算及通道间信息相差性
对陆面温度反演的影响。孙毅义等[12]分析了地面发射率随观测角度而变化,认为热红外辐射具有
方向性特征。陈良富等[13]提出了非同温混合像元热辐射组分有效发射率的概念,并验证该发射率
与组分温度无关。李召良等[14]利用白天和晚上中红外和热红外的数值差异提出了一种用于提取方
向发射率的物理方法。覃志豪也对热红外遥感原理,特别是地表温度的反演方法做了大量的研究
[15][16]]。毛克彪等[1][2]同时也针对对地观测卫星(TERRA)多传感器的特点对 MODIS 和 ASTER
数据的地表温度和发射率反演做了一些研究工作。
国外热红外遥感研究比国内要早。真正的地表温度算法是从 80 年代开始的。按照使用热红外通
道来划分,可以分为:单窗算法,劈窗算法和多波段算法。相对而言,劈窗算法比较成熟,到目前
这止,已经提出了至少有 18 个劈窗算法,这些算法的主要区别在于对各参数的计算方法不同
[17]-[25]。同时反演地表温度和发射率的算法相对而言不是非常的成熟[26]-[39]。其中具有代表
性的多波段算法是李召良等提出来的独立指数法(TISI)[28]和 Wan and Li 针对 MODIS 在 [31]中
提出来的同时利用白天/黑夜数据的多波段算法。其特点是对地表温度和地表发射率的同时反演,但
需要昼夜两景图像才能进行反演。针对 MODIS 数据的多波段算法需要 14 个方程,计算过程比较复杂,
并且是在利用大气模型来确定若干参数的情况下才能进行求解。由于白天和晚上同一地区的天气变
化较大,很多时候白天晴朗的地区晚上则有云,况且由于卫星轨道的变化,只有进行几何校正才能
使白天和晚上两景图幅形成配匹,但几何校正的像元数值重采样又使像元数值发生变化,从而带来
误差。
存在的问题
劈窗算法存在问题:
劈窗算法已经被开发来从 NOAA/AVHRR 和 MODIS 数据中反演海面温度和地表温度。这些方
法主要是利用相邻热红外波段对水汽的敏感性不一样来校正大气的影响。这些算法的形式基本上是
相同的,主要在于关键参数的获取及计算。虽然大多数的算法精度都很高,但它们仍然需要做一些
假定和利用发射率和大气状态(特别是大气水汽含量)作为已知的先验知识。本研究的申请负责人
毛克彪已经针对 MODIS 数据提出了一个实用劈窗算法[25]。在[25],毛克彪等对用自己提出的算法
反演 2003 年夏天北京地区的地表温度,并和 NASA 的产品做了对比分析,对比结果如图 1。虽然反
演的结果相差不大,但还是有些区别的,比如 NASA 产品中黑点比较多。这个原因很可能是由于我
们的算法没有考虑云的影响,有些地方可能是云的影响,但有些地方可能不是云的影响,而被 NASA
产品算法判为了云,这个需要进一步验证。另外一点就是我们只对夏天进行了比较,没有对冬天或
者其它季节进行对比分析。大气水汽含量对透过率的影响在不同的季节是不一样的,虽然算法理论
分析表明对大气水汽含量不敏感,但仍然需要在全国甚至全球进一步的实地验证(还没有做过实地
国家自然科学基金申请书 2010 版
第 7 页
调查验证)。另外,在算法运行过程中怎样考虑云的影响。
图 1A 用我们的算法反演结果 图 1B NASA 提供的 MODIS 温度产品
同时反演地表温度和发射率的多波段算法存在问题:
从多个热红外波段的测量中同时反演地表温度和发射率是非常困难的,因为 N 个波段至少拥有
N+1 个未知数(N 个波段的发射率和地表温度),这是一个非常典型的病态反演。如果不利用任何先
验知识,几乎不可能同时从多个热红外数据中反演地表温度和发射率。Liang(2001)[30]在地表温度
和发射率反演方面做了许多工作。Li and Becker(1993)[28]利用 TISI 技术和 白天/晚上的影象数据反
演地表温度和发射率 ,这个反演方法需要大气剖面信息。Wan and Li (1997)[31] 提出了一个多波段
算法来同时从 EOS/MODIS 传感器中同时反演地表温度和发射率,这个方法受地面的光学性质和大
气状态的影响。这两个方法都假定了白天和晚上同一地点的发射率不变。Gillespie et al(1998)[29] 针
对 ASTER 数据提出了一个多波段算法算法[29],该算法在星上亮温做完大气校正的基础上,同时运
用了 NEW(Normalized Emissivity)、Ration Algorithm、MMD(Maximun-Minimum Difference)三个
模块和迭代算法分离地表温度和发射率。计算过程非常复杂,而且三个模块都包含了经验关系,这
些经验关系并不是对所有的地物都适用,而且其精度受到大气校正的影响,从而带来误差。
陆地表面温度和发射率反演是基于辐射传输方程,它描述了地表热辐射从地表途经大气达到传感
器的过程。通常讲,地表不是一个黑体,在计算地表热辐射时需要考虑地表发射率,同时,大气对
传感器接受到的能量也有贡献。考虑到这些因素,通用的辐射传输方程可以成式(1):
↑↓ +−+= iiisiiiii IITBTB ])1()()[()( εεθτ (1)
式中是地表温度,是通道的星上亮度温度,是通道在角时的透过率,是地表发射率。 是地表辐
射强度, 和 分别是大气向上和向下的辐射强度。 ↑iI 和 ↓iI 可以分别表示成如下:
)())(1( aiii TBI θτ−=↑ (2a)
)())(1( ' ↓↓ −= aiii TBI θτ (2b)
aT 是向上的大气平均作用温度, ↓aT 是向下的大气平均作用温度。 用 ↑aI 和 ↓aI 代入式 (1)可得:
国家自然科学基金申请书 2010 版
第 8 页
)()](1[)(
)()](1)][(1[)()()( '
aiiai
iiisiiiii
TBTB
TBTB
θτ
θτθεθτθτε
−+
−−+=
↓ (3)
为了简化等式,Qin et al. [24]做了一些分析和合理的简化。他们得到 结论用 aT 代替 ↓aT 对反演方程不
会有太大的影响,所以反演方程可以描述成式 (4)。
)()](1[)(
)()](1)][(1[)()()( '
aiiai
iiisiiiii
TBTB
TBTB
θτ
θτθεθτθτε
−+
−−+=
(4)
对于 MODIS 29, 31, 32 波段,方程可以写成如下:
)()](1[)(
)()](1)][(1[)()()(
2929
'
292929
2929
'
292929292929
aa
s
TBTB
TBTB
θτ
θτθεθτθτε
−+
−−+=
(5a)
)()](1[)(
)()](1)][(1[)()()(
3131
'
313131
3131
'
313131313131
aa
s
TBTB
TBTB
θτ
θτθεθτθτε
−+
−−+=
(5b)
)()](1[)(
)()](1)][(1[)()()(
3232
'
323232
3232
'
323232323232
aa
s
TBTB
TBTB
θτ
θτθεθτθτε
−+
−−+=
(5c)
在方程组(5)的三个方程中,有 7 个未知数(3 个波段的发射率,地表温度和 3 个不同波段的大气平
均作用温度),这是一个典型的病态问题。如果不能获得大气水汽含量,大气透过率也是未知数。
另外,大气平均作用温度在不同的波段是变化的,这更加增加了从 MODIS 星上亮度温度数据中反演
地表温度和发射率的难度。为了反演地表温度和发射率,我们不得不构造其它的方程和限制条件。
毛克彪在[39]中分析了怎样利用邻近波段发射率之间的关系,以及地表空气温度与大气平均作用温度
和星上亮度温度之间的关系构造新的方程,从而消除反演过程中方程不足的病态问题。虽然我们的
理论算法研究工作已经发表在国际地学权威刊物地球物理(JGR)研究上,但仍然存在一些问题。
图 2A 是我们的反演结果,图 2B 是 NASA 的地表温度产品,图 2C 是相对误差分布图。从三个图中
比较可以发现,我们的反演结果有些条带。与用 MODIS1B 数据的三个波段比较可以发现,这些条
带是由于第 29 波段引起,但比第 29 波段的条纹更明显。怎样消除条纹的影响需要我们进一步研究。
另外,特别是需要进一步验证,我们主要是利用山东半岛地区的反演结果和 NASA 提供的 MODIS
产品进行了对比,从图 2C 可以看去,有的地方偏差还是挺大的(相对误差达到了 4K),这个需要
我们进一步的实地比较研究。到底哪个反演的结果更加符合实际情况,是否需要和怎样进一步改进。
图 3 是 NASA 提供的 5KM 产品,由于投影方式不一样,其变形非常大。从统计比较来看,5KM 产
品和 1KM 之间的产品还是存在一些不同的地方,具体原因需要我们进一步分析。
国家自然科学基金申请书 2010 版
第 9 页
图 2 A RM-NN 反演结果
图 2 B MODIS 1KM 产品
国家自然科学基金申请书 2010 版
第 10 页
图2C RM-NN反演结果(地表温度)与MODIS1KM产品相对误差分布图
图 3 MODIS5KM 产品
图 4 是两个比较的细节图(见黑框)。从图中可以看出,两个图的差别还是比较大的,这个需要我们
利用高分辨率的影像结合实地调查。
图 4 A RM-NN 反演结果 图 4 B MODIS 1KM 产品
国家自然科学基金申请书 2010 版
第 11 页
风云 3 号(FY-3) 地表温度和发射率反演算法开发
FY-3 卫星已于 2008 年 5 月上天,上面搭载了多个传感器(包括可见光、红外,微波等)。其中可
见光红外扫描辐射计的波段参数如表 1 所示。目前,还没发现针对 FY-3 号的地表温度反演算法公开
发表。从表 1 中可以看出,其中有两个热红外波段(第 4 和 5 波段)适合用来反演地表温度。其算法
的推导和建立与[25]中针对 MODIS 数据建立的劈窗算法类似。大气水汽含量是地表温度反演过程中
最关键的参数之一,FY-3 号热红外扫描辐射计没有设计获取水汽的近红外波段,这个参数可以从美
国对地观测卫星 MODIS 传感器获得或者通过微波传感器获取。这里不详细介绍,请参见[25]。
表 1 FY-3 可见光红外扫描辐射计光谱性能要求
通道 波段范围(µm)
噪声等效反射率 ρ(%)
噪声等效温差(300k)
动态范围
(ρ或 k)
1 0.58-0.68 0.1% 0-100%
2 0.84-0.89 0.1% 0-100%
3 3.55-3.93
0.3k
0.4K(第一颗星)
180-350k
4 10.3-11.3 0.2k 180-330k
5 11.5-12.5 0.2k 180-330k
6 1.55-1.64 0.15% 0-90%
7 0.43-0.48 0.05% 0-50%
8 0.48-0.53 0.05% 0-50%
9 0.53-0.58 0.05% 0-50%
10 1.325-1.395 0.19% 0-90%
参考文献:
[1]毛克彪,针对 MODIS 数据的地表温度反演方法研究,硕士学位论文,南京大学,2004.5.
[2]毛克彪,针对热红外和微波数据的地表温度和土壤水分反演算法研究,博士学位论文,中国科学
院遥感应用研究所,2007.4.
[3] 刘玉洁, 杨忠东等, 2001, MODIS 遥感信息处理原理与算法, 科学出版社.
[4] 李小文, 汪骏发, 王锦地, 2001, 多角度与热红外对地遥感, 科学出版社.
[5] 李小文, 王锦地,地表非同温像元发射率的定义问题,科学通报,1999, 44(15):1612-1617.
[6] 苏理宏, 热红外辐射方向性与尺度效用研究, 2000,博士学位论文:中国科学院遥感应用研究所.
[7] 徐希儒, 陈良富,关于热红外多角度遥感扫描方向的问题, 北京大学学报(自然科学版),2002, 38(1):
98-103.
[8] 徐希儒, 陈良富,庄家礼,基于多角度热红外遥感的混合像元组分温度演化反演方法,中国科学 D 辑,
2002, 31(1) : 81-88.
[9] 徐希儒, 庄家礼, 陈良富, 热红外多角度遥感和反演混合像元组分温度, 北京大学学报(自然科学版),
2000, 36(4): 555-560.
[10] 陈良富, 徐希儒, 热红外遥感中大气下行辐射效应的一种近似计算与误差估计,遥感学报, 1999,
3(3):165-170.
国家自然科学基金申请书 2010 版
第 12 页
[11] 陈良富, 庄家礼, 徐希儒, 热红外遥感中通道间信息相关性及其对陆面温度反演的影响, 科学通报,
1999, 44(19):2122-2127.
[12] 孙毅义,李治平,地面热红外发射率的天顶角变化效应, 气象学报, 2001, 59(3): 373-376.
[13] 陈良富,庄家礼,徐希儒, 非同温像元热辐射有效比辐射率概念及其验证,科学通报, 2000, 45
(1):22-29.
[14] 李召良, F.Petitcolin, 张仁华,一种从中红外和热红外数据中反演地表比辐射率的物理算法, 中国科
学 E 辑, 2000, 3018-26.
[15] 覃志豪, W. Li, M. Zhang, A. Karnieli, and P. Berliner, 单窗算法的基本大气参数估计方法, 国土资源
遥感, 2003,2(56):37-43.
[16] 覃志豪, Zhang Minghua, Arnon Karnieli, 用 NOAA-AVHRR 热通道数据演算地表温度的劈窗算法,
国土资源遥感, 2001, 2(48):33-41.
[17] Price J. C., Land surface temperature measurements from the split window channels of the NOAA 7
Advanced Very High Resolution Radiometer. J. Geophys. Res., 1984, 89: 7231-7237.
[18] Ottlé C., and Vidal-Madjar D., Estimation of land surface temperature with NOAA-9 Data, Remote Sens.
Environ., 1992, 40: 27-41.
[19] Becker F., and Li Z. L., Towards a local split window method over land surface, Int. J. Remote Sens.,
1990, 3: 369-393.
[20] Prata A. J., Land surface temperature derived from the Advanced Very High Resolution Radiometer and
the Along-Track Scanning Radiometer 1. Theory. J. Geophys. Res., 1993, 98: 16689-16702.
[21] Sobrino J. A., Li Z. L., Stoll M. P., and Becker F., Improvements in the split-window technique for land
surface temperature determination. IEEE Trans. Geosci. Remote Sens., 1994, 32(2): 243-253
[22] Schmugge T., French A., Ritchie J.C., Rango A., Pelgrum H., Temperature and emissivity separation
from multispectral thermal infrared observations, Remote Sens. Environ., 2002, 79(2-3): 189-198.
[23] Wan Z. and Dozier J., A generalized split-window algorithm for retrieving land surface temperature
measurement from space, IEEE Trans. Geosci. Remote Sens.,1996, 34: 892-905.
[24] Qin Zhihao, G. D.O., Arnon Karnieli, Derivation of split window algorithm AVHRR data, J. Geophys.
Res., 2001, 106: 22655-22670.
[25] Mao K., Qin Z., Shi J., Gong P., A Practical Split-Window Algorithm for Retrieving Land Surface
Temperature from MODIS Data, Int. J. Remote Sens., 2005,26:3181-3204.
[26] 毛克彪,施建成, 覃志豪, 宫鹏, 徐斌, 蒋玲梅, 一个针对 ASTER 数据同时反演地表温度和比
辐射率的四通道算法,遥感学报,2006, 4:593-599.
[27] 毛克彪,施建成, 覃志豪, 宫鹏, 徐斌,从 MODIS 数据中同时反演地表温度和比辐射率的多波
段算法研究,兰州大学学报(自然科学版)(专辑),2005(6):49-55.
[28] Li Z. L. and Becker F., Feasibility of land surface temperature and emissivity determination from
AVHRR data. Remote Sens. Environ., 1993, 43: 67-85.
[29] Gillespie A. R., Rokugawa S., Matsunaga, A Temperature and emissivity separation algorithm for
Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) images. IEEE Trans.
Geosci. Remote Sens., 1998, 36: 1113-1126.
[30] Liang Shunlin, An optimization algorithm for separating land surface temperature and emissivity from
multispectral thermal infrared imagery, IEEE Trans. Geosci. Remote Sens., 2001, 39: 264-274.
[31] Wan Z. M., and Li Z. L., A physics-based algorithm for retrieving land-surface emissivity and
temperature from EOS/MODIS data. IEEE Trans. Geosci. Remote Sens., 1997, 35(4): 980-996.
[32] Kahle A. B., Alley R.E., Separation of temperature and emittance in remotely sensed radiance
measurements, Remote Sens. Environ., 1992, 42: 1-20.
国家自然科学基金申请书 2010 版
第 13 页
[33] Hook S. J., Gabell A. R., Green A. A., and Kealy P. S. , A comparison of techniques for extracting
emissivity information from thermal infrared data for geologic studies, Remote Sens. Environ., 1992, 42:
123–135.
[34] Watson K., Spectral ratio method for measuring emissivity, Remote Sens. Environ., 1992, 42:113–116.
[35] Kealy P. S. and Hook S., Separating temperature and emissivity in thermal infrared multispectral scanner
data: Implication for recovering land surface temperatures, IEEE Trans. Geosci. Remote Sens.,
1993,31:1155–1164.
[36] Schmugge T., Hook S.J., Coll C., Recovering surface temperature and emissivity from thermal infrared
multispectral data, Remote Sens. Environ., 1998, 65, 2: 121-131.
[37] Schmugge T., French A., Ritchie J.C., Rango A., Pelgrum H., Temperature and emissivity separation
from multispectral thermal infrared observations, Remote Sens. Environ., 2002, 79(2-3): 189-198.
[38] Kebiao Mao, Jiancheng Shi, Huajun Tang, Zhao-Liang Li, Xiufeng Wang, Kunshan Chen, A Neural
Network Technique for Separating Land Surface Emissivity and Temperature from ASTER Imagery,
IEEE Trans. Geosci. Remote Sensing, 2008, 46(1):200-208.
[39] Kebiao Mao, Jiancheng Shi, Zhao-Liang Li, Huajun Tang, An RM-NN Algorithm for Retrieving Land
Surface Temperature and Emissivity from EOS/MODIS Data,J. Geophys. Res., 2007, 112, D21102,
1-17. doi:10.1029/ 2007JD008428.
2.项目的研究内容、研究目标、以及拟解决的关键问题
研究内容
1. 针对 MODIS 数据地表温度劈窗反演算法的开发与验证;
2. 针对 MODIS 数据同时反演地表温度和发射率算法的开发与验证;
3. 发展针对 FY-3 数据地表温度反演算法。
研究目标
发展和验证针对 MODIS 数据的地表温度和发射率反演算法,发展和验证针对 FY-3 的地表温度
反演算法。为我国将来中分辨率热红外遥感器中反演地表温度和发射率算法提供参考,以及仪器波
段设置提供一些建议。
拟解决的问题
1. 通过实地和高分辨率影像数据的对比分析,改进和提供针对 MODIS 数据的劈窗算法的适用性;
2. 通过研究地球物理参数彼此之间的关系,构造新的方程,从而解决地表温度反演过程中方程不足
的病态问题。为了提高精度,选择适当的优化算法进行优化计算,形成针对 MODIS 数据同时反演
地表温度和发射率的算法。利用实地和高分辨率影响对比分析,验证对比我们的算法与 NASA 产
品算法的产品差别的原因,提高算法的适用性;
3. 在针对 MODIS 地表温度和发射率反演算法的基础上,提出针对 FY-3 的地表温度反演算法。
3.采取的研究
及可行性分析
研究方案:
本研究的技术路线可以概括如图5所示。
(1) 针对 MODIS 数据的地表温度反演的劈窗算法开发与验证
项目申请负责人毛克彪等已经针对 MODIS 数据做了一些研究,在这里主要是对前面工作了一些
国家自然科学基金申请书 2010 版
第 14 页
改进或更进一步的分析评价。并建立了查找表,以提高精度。目前最关键的是对这个算法进行地面
验证以提高算法的实用性。具体技术路线如图 5 所示,第一,结合高分辨率的遥感影像,进行实地
调查;第二,并用劈窗算法反演的地表温度进行比较;第三,进一步改进地表温度反演算法。
(2) 同时反演地表温度和发射率的多波段算法开发与验证
图 5 是针对 MODIS 数据同时反演地表温度和发射率的 RM-NN 算法的技术路线。首先对地球物
理参数之间的关系进行分析;然后通过 MODTRAN 模拟训练和测试数据;最后利用训练好的神经网
络进行地表温度和发射率的反演。我们已经开始了这部分工作,而且取得了一些的结果,目前最关
键的是对这个算法进行地面验证以改进和提高算法的实用性。具体技术路线如图 5 所示:第一,结
合高分辨率的遥感影像,进行实地调查;第二,和用多波段算法反演的地表温度进行比较;第三,
进一步改进地表温度反演算法。
图 5 本研究技术路线图
(3) FY-3 地表温度和发射率反演算法开发与验证
如图 5 所示,利用同一颗星上其它传感器或者地面气象观测台站或者其它星上的近红外波段获取
大气参数,在研究 MODIS 地表温度反演算法的基础上,进一步发展针对 FY-3 号的地表温度反演算
法。
可行性分析:
(1) 数据来源
我们实验室(农业部资源遥感与数字农业重点实验室)有MODIS接受站,每天实时接受MODIS数
据。NASA的MODIS温度产品可以从NASA产品网站上免费下载得到,我们已经收集了一些验证需要高分
辨率的遥感影像,另外还需要根据实际情况购买一些,这个不成问题。中国气象局气象卫星中心可
以免费提供FY-3数据。
(2) 数据量
我们是做算法研究,需要反演分析和验证的数据具备代表性,主要购买一些高分辨率的数据
国家自然科学基金申请书 2010 版
第 15 页
ASTER,TM等数据,数据量不是非常的多。
(3) 数据处理
数据总量不大,只需要在不同季节在全国不同的区域选择代表性的样点和高分辨率的影像数据。
另外一个就是模拟数据的生成,这需要几个人针对不同的地区的大气模式条件进行模拟。
(4) 算法分析
目前,课题申请负责人毛克彪等已经针对MODIS数据的提出了劈窗算法和同时反演地表温度和发
射率的多波段算法,理论分析表明算法可行。
(5) 可行性实践
本研究工作已经得到了国际微波和热红外遥感专家的指导,已经取得了一定的研究基础。课题
申请负责人毛克彪等已经从理论上已经证明了方法的可行性,并对中国的山东半岛地区和NASA产品
做了一个初步的比较分析。
(6) 算法验证及性能评价
我们已经收集了一些数据,并对针对MODIS算法做了初步的验证。我们还需要对中国不同典型
区进行实地调查,结合高分辨率的遥感影像进行尺度转换,进行更详细的验证分析。针对FY-3号的
算法需要进一步开发和验证。
4.本项目的特色与创新之处
(1)和以往国际上地表温度和发射率反演算法不同的是,针对MODIS的劈窗算法构造相对简单,大气
参数获取方便,在实际验证对比分析的基础上,提高算法的适用性;
(2)多波段算法利用不同地球物理参数之间的相互关系,建立额外的方程,从而克服地表温度和发射
率反演中方程不足的病态问题。并利用优化方法对理论算法(神经网络)进行优化计算,从而克服
以往反演算法中某些不足的地方。通过实地验证,对算法进行进一步的扩展,以适用更多的天气条
件和区域;
(3) 针对已经发射的FY-3热红外波段的特点,发展适合FY-3的地表温度反演算法,为我国将来多波
段热红外传感器地表温度和发射率反演算法提供参考和建议。
5.年度研究计划及预期研究结果
年度计划:
2011.1-2011.12 ,利用模拟数据对算法进行分析,开发针对MODIS/FY-3数据的新算法。收集整
理MODIS、FY-3,TM和ASTER数据;
2012.1-2012.12,选择几个典型(城市和农田)的研究区域,对典型地物进行反演分析并进一
步改进算法,进行地面实际测量并验证算法;撰写论文和参加国际地球科学与遥感研讨会(IEEE
International Geoscience and Remote Sensing Symposium);
2013.1-2013.12,完成算法的代码编写,建立针对MODIS/FY-3数据高精度地表温度和发射率反
演算法。撰写中文算法流程,发表论文和提交汇报。
预期成果:
(1)建立针对MODIS/FY-3数据的地表温度和发射率反演算法,为我国将来多波段热红外传感器地表
温度和发射率反演算法提供参考和建议;
(2)对典型地表进行实际反演和分析;
国家自然科学基金申请书 2010 版
第 16 页
(3)培养与国际接轨的热红外遥感领域的研究人才;
(4)发表论文3-5,其中SCI论文1-2篇,申请专利1个。
(二)研究基础与工作条件
1 工作基础
本研究工作已经取得了一定的研究基础。我们已经在基于MODIS/ ASTER数据反演地表温度和
发射率反演方面已经做了很多工作。从理论上已经证明了方法的可行性,目前主要是在更大范围
内进行实地验证和对算法进行扩展,并针对FY-3数据的实际情况,发展针对FY-3的地表温度反演
算法。已经发表的相关研究的论文如下:
1. Mao, Kebiao, J. Shi, Z. Li, and H. Tang, An RM-NN algorithm for retrieving land surface temperature and
emissivity from EOS/MODIS data, J. Geophys. Res.,2007,112, D21102,1-17. (SCI)(影响因子2.953)
2. Mao Kebiao, Qin Z., Shi J., Gong P., A Practical Split-Window Algorithm f