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。卫星遥感技术的飞速发展为快速获取区域地表温度提供了新的途径。地表温度在区域资源环境研究中的重要性已经使得热红外和被动微波遥感成为遥感研究中的一个重要领域。因此，本文以地表温度遥感反演为主要研究内容，重点研究、发展、改进了适宜于欧洲第二代静止气象卫星MSG-2(the Meteosat Second Generation)热红外传感器SEVIRI(the Spinning Enhanced Visibleand Infrared Imager)和Aqua卫星上被动微波传感器AMSR-E(Advanced Microwave Scanning Radiometer-EOS)地表温度反演算法。 MSG-2/SEVIRI具有高时间分辨率和多光谱的特点，为地表比辐射率和温度反演提供了新的契机。本文回顾并改进了Jiang于2007年提出的适用于SEVIRI遥感数据的基于温度无关光谱指数(Temperature Independent Spectral Indices，TISI)的地表比辐射率反演算法，在利用DTC模型纠正热红外大气效应、拟合二向反射率模型和SEVIRI通道10的地表比辐射率获取方式等3方面进行了改进，通过实验表明，改进后的大气纠正算法成功地解决了Jiang于2007年提出的算法无法纠正日出较晚地区的大气效应的问题，使得可以利用DTC模型进行大气纠正的像元数目大大增加；改进后的二向反射率模型对参与拟合的测量值的误差敏感性大大降低，比辐射率反演异常的像元数目大大减少，这充分说明，改进后的算法更加合理和有效。在此基础上，本文采用通用分裂窗算法反演了地表温度。最后本文使用从V5MOD11B1中提取的MODIS温度产品对反演得到的结果进行了综合评价与分析。结果表明，这两温度产品之间存在一定的差异，最大的平均差异值达到3.43K；温度差异和观测时间、地表覆盖类型、观测角度有关；温度差异可能主要来源于由大气纠正误差引起的SEVIRI地表比辐射率反演的误差，而由仪器噪声和配准误差引起的地表温度间的差异比较小，在0.4.K以内。 微波遥感受大气干扰小，可穿透云层获取地表辐射信息，并具有全天候、多极化等特点，在地表温度反演中具有独特的优越性。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。本研究利用AMSR-E和MODIS搭载在同一颗卫星上的特点，探索基于神经网络发展一种适宜于AMSR-E传感器的地表温度反演算法。为了使训练数据更加具有代表性，考虑有云覆盖的情况，本文使用AIEM理论模型描述随机粗糙地表的微波发射特征，借助MONORTM微波辐射传输模型模拟不同地表类型和大气条件下的亮度温度数据，作为训练数据的一部分；通过组合不同通道的数据，选择适宜于微波地表温度反演的最佳通道，建立稳定的地表温度神经网络反演算法，并利用真实地表温度对反演算法与反演结果进行精度评价与分析。结果表明，通道23.8V、36.5V、89.0V和89.0HGHz是反演地表温度的最佳通道组合，可以得到较满意的地表温度，均方根误差为4.66K，对于70％以上的样本，其反演精度可达3K左右。