Please wait a minute...
img

官方微信

遥感技术与应用  2018, Vol. 33 Issue (5): 820-829    DOI: 10.11873/j.issn.1004-0323.2018.5.0820
数据同化专栏     
重庆地表温度的遥感反演及其空间分异特征
李军1,2,3,龚围4,辛晓洲4,高阳华5
(1.重庆师范大学地理与旅游学院,重庆401331;
2.重庆市高校 GIS 应用研究重点实验室,重庆401331;
3.三峡库区地表过程与环境遥感重庆市重点实验室,重庆401331;
4.中国科学院遥感与数字地球研究所遥感科学国家重点实验室,北京100101;
5.重庆市气象科学研究所,重庆401147)
Land Surface Temperature Retrieval and Its Spatial Heterogeneity in Summer in Chongqing
Li Jun1,2,3,Gong Wei4,Xin Xiaozhou4,Gao Yanghua5#br#
(1.College of Geography and Tourism,Chongqing Normal University,Chongqing 401331,China;2.Key Laboratory of GIS Application of Chongqing,Chongqing 401331,China;3.Chongqing Key Laboratory of Earth Surface Processes and Environmental Remote Sensing inThree Gorges Reservoir Area,Chongqing 401331,China;4.State Key Laboratory of Remote Sensing Science,Jointly Sponsored by Institute ofRemote Sensing and Digital Earth of Chinese Academy of Sciences and Beijing Normal University,Chinese Academy of Sciences,Beijing 100101,China;
5.Chongqing Institute of Meteorological Science,Chongqing 401147,China )
 全文: PDF 
摘要:
地表温度是地表能量平衡研究的重要参数之一,为了提高重庆主城区夏季高湿热条件下地表温度的反演精度,结合MODTRAN模型与MERRA大气廓线数据,修正了大气透过率估算方程,基于2013年夏季Landsat 8 TIRS第10波段数据和单窗算法,分别利用修正前后的大气透过率反演了地表温度,并将结果与0 cm土壤表层温度观测数据进行了对比,最后,分析了地表温度随地形和土地覆被的空间分异特征。结果表明:①修正后的大气透过率较显著提高了地表温度的反演精度,平均绝对误差从4.89 K减少至1.73 K;②地表温度具有显著的地形分异特征,和海拔之间的相关系数为-0.542 6(极显著相关),垂直递减率约为1.17 K/100 m,随坡度增加而降低,且随不同坡向也存在较明显差异,平缓坡>阳坡>半阳坡>半阴坡>阴坡,平缓坡和阴坡之间相差约2.40 K;此外,和地形遮蔽之间的相关系数为0.217 2(极显著相关),随着地形遮蔽的减弱而升高;③不同土地覆盖类型的地表温度之间差异显著,城镇的平均地表温度最高,湿地的最低,其他类型之间则相差较小。
关键词: 单窗算法地表温度大气参数Landsat 8MERRA    
Abstract: Land Surface Temperature(LST)is an important parameter in land surface energy budget.In order to improve the accuracy of LST retrieval by remote sensing methods in summer in urban districts of Chongqing with hot and humid atmosphere condition.an improved methodology was presented with the improved atmospheric transmittance estimated on MODTRAN software using the atmospheric profile data of MERRA in urban districts of Chongqing.LST was retrieved from Landsat 8 TIRS band 10 data using single\|window algorithm which apply the improved and unimproved atmospheric transmittance respectively.Then the retrieved LST was compared with the 0 cm soil temperatures observedby 4 meteorological stations.Finally,the spatial heterogeneity of LST was analyzed.The result indicated that:(1)The scheme proposed in this paper can improve LST retrieval in summer in urban districts of Chongqing.The Mean Absolute Error(MAE)decrease from 4.89 K to 1.73 K.(2)The retrieved LST has spatial heterogeneity with different terrain factors.Its lapse rate is about 1.17 K/100 m.It decreases with the increase of slope.Moreover,it has obvious differences with aspect.The flat slope>sunny slope>semi\|sunny slope>semi\|shady slope>shady slope.There also existed highly significant correlation between the LST and hill shade.The LST increases with the decrease of hill shade.(3)Influenced by land cover,the spatial distribution of LST showed significant differences.The average LST inthe built\|up area is highest,while the wet land is lowest.The difference of average LST in other land cover types is little.
Key words: Single-window algorithm    Land Surface Temperature(LST)    Atmospheric parameter    Landsat 8    MERRA
收稿日期: 2018-06-25
:  P237  
基金资助: 重庆市前沿与应用基础研究计划一般项目(cstc2015jcyjA0332),重庆市社会民生科技创新专项项目(cstc2015shmszx00010),中国科学院重点部署项目(KZZD-EW-TZ-18)。
作者简介: 李军(1974-),男,天津杨柳青人,博士,副研究员,主要从事山地陆表过程参量遥感定量反演研究。Email:junli@cqnu.edu.cn。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
李军
龚围
辛晓洲
高阳华

引用本文:

李军,龚围,辛晓洲,高阳华. 重庆地表温度的遥感反演及其空间分异特征[J]. 遥感技术与应用, 2018, 33(5): 820-829.

Li Jun,Gong Wei,Xin Xiaozhou,Gao Yanghua. Land Surface Temperature Retrieval and Its Spatial Heterogeneity in Summer in Chongqing. Remote Sensing Technology and Application, 2018, 33(5): 820-829.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.5.0820        http://www.rsta.ac.cn/CN/Y2018/V33/I5/820

[1] 汪子豪, 秦其明, 孙元亨.

基于BP神经网络的地表温度空间降尺度方法 [J]. 遥感技术与应用, 2018, 33(5): 793-802.

[2] 王恺宁,王修信,黄凤荣,罗涟玲. 喀斯特城市地表温度遥感反演算法比较[J]. 遥感技术与应用, 2018, 33(5): 803-810.
[3] 石满,陈健,覃帮勇,李盛阳. 天宫二号数据地表温度反演及其在城市群热环境监测中的应用[J]. 遥感技术与应用, 2018, 33(5): 811-819.
[4] 金点点,宫兆宁. 基于Landsat 系列数据地表温度反演算法对比分析—以齐齐哈尔市辖区为例[J]. 遥感技术与应用, 2018, 33(5): 830-841.
[5] 施佩荣,陈永富,刘华,吴云华. 基于分割评价函数的多尺度分割参数的选择[J]. 遥感技术与应用, 2018, 33(4): 628-637.
[6] 史新,周买春. 基于Landsat 8数据的3种地表温度反演算法在三河坝流域的对比分析[J]. 遥感技术与应用, 2018, 33(3): 465-475.
[7] 郑明亮,黄方,张鸽. 基于TsHARP模型和STITFM算法的地表温度影像融合研究[J]. 遥感技术与应用, 2018, 33(2): 275-283.
[8] 李珊珊,蒋耿明. 基于通用分裂窗算法和Landsat-8数据的地表温度反演研究[J]. 遥感技术与应用, 2018, 33(2): 284-295.
[9] 赵航,陈方, 张美美. 基于改进C-V模型的冰湖轮廓提取方法研究[J]. 遥感技术与应用, 2018, 33(1): 177-184.
[10] 张雅,尹小君,王伟强. 基于Landsat 8 OLI遥感影像的天山北坡草地地上生物量估算[J]. 遥感技术与应用, 2017, 32(6): 1012-1021.
[11] 何炳伟,赵伟,李爱农,冯文兰,谭剑波,雷光斌,南希. 基于Landsat 8遥感影像的新旧城区热环境特征对比研究-以成都市为例[J]. 遥感技术与应用, 2017, 32(6): 1141-1150.
[12] 李艳,侯金亮,黄春林. 基于Copula函数的地表温度空间降尺度研究[J]. 遥感技术与应用, 2017, 32(5): 818-824.
[13] 郑飞,张殿发,孙伟伟,杨刚. 基于ASTER遥感的杭州城市热/冷岛的景观特征分析[J]. 遥感技术与应用, 2017, 32(5): 938-947.
[14] 陈雪娇,陈芸芝. 单窗算法在福建毗邻海域海表温度反演的适用性分析[J]. 遥感技术与应用, 2017, 32(4): 773-779.
[15] 王猛猛,何国金,张兆明,王桂周,尹然宇,龙腾飞. 基于Landsat 8 TIRS数据的大气水汽含量反演劈窗算法[J]. 遥感技术与应用, 2017, 32(1): 166-172.