论文部分内容阅读
地表温度是表征地球表面能量平衡和气候变化的重要指标，也是研究区域和全球尺度陆地表面物理过程的关键参数之一。被动微波遥感具有全天候、多极化等特点，反演得到的地面温度时空分布均匀，可更好地服务于相关研究领域。由于微波信号受多种因素的影响，目前被动微波反演地表温度的算法还不成熟。
本研究抓住AMSR-E和MODIS搭载在同一颗卫星上的特点，试图发展一种适宜于AMSR-E传感器的地表温度反演算法。通过对AMSR-E亮温数据和MODIS温度产品的处理，我们分析了不同地表类型下使用传统统计同归算法获取地表温度的可行性，同时也反映出经验统计算法应用的局限性。
为了发展地表温度物理反演算法，我们分析比较了粗糙表面土壤发射模型，并对植被和大气的辐射特性做了分析，使用AIEM理论模型描述随机粗糙地表的微波发射特征，采用τ-ω半经验模型计算植被的发射和散射，Liebe大气衰减模型用于计算大气气体分子的吸收特性，云和降水的散射作用使用Mie理论或Rayleigh近似理论计算，最后使用逐次散射法(SOS)实现辐射传输数值求解，从而构建土壤-植被-大气辐射传输模型并编程实现。利用构建的微波辐射传输理论模型，在AMSR-E传感器基本参数配置下，针对涵盖面较广的地表下垫面参数和大气参数模拟生成微波亮温数据库，用于地表温度反演算法的理论分析和推导。
通过数据信息的挖掘，建立比辐射率经验关系模型，并用取值更加广泛的模拟数据进行了关系模型的稳定性评价，使用卫星实测数据计算得到的地表微波比辐射率验证关系模型。结合地表比辐射率关系模型，使用Levenberg-Marquardt非线性迭代方法，提出地表温度反演算法，并从理论模拟数据和卫星实测数据两方面对算法有效性进行评价。由于地表状况复杂以及实测数据存在噪音，该算法在应用时需要根据实际情况对比辐射率关系进行校正。同时，该算法建立在裸露地表情况下，对于植被覆盖地表的应用还需要做进一步研究。