被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Revision of The Single-channel Algorithm for Land Surface Temperature Retrieval from Landsat Thermal-infrared Data
3
2009
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... 全球陆地面积约24%为山地,我国有2/3的陆面面积为山地区域[3].山地在调节区域气候变化、维持生态系统功能和涵养水源等方面发挥着重要作用[4].在复杂地表开展地表温度的监测,是评估复杂地区水文、气候和生态系统动态变化的重要手段.由于山区地表复杂,地表温度反演算法在地表起伏大、地表类型复杂、云雾天气多的山地地区研究较少. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Feasibility of Retrieving Land-surface Temperature from ASTER TIR Bands Using Two-channel Algorithms: A Case Study of Agricultural Areas
1
2007
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
山地典型生态参量遥感反演建模及其时空表征能力研究
1
2018
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
山地典型生态参量遥感反演建模及其时空表征能力研究
1
2018
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
山地地表生态参量遥感反演的理论、方法与问题
2
2016
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... [7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
山地地表生态参量遥感反演的理论、方法与问题
2
2016
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... [7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
基于红外热像仪的温度测量技术及其应用研究
2
2010
... 传统获取地表温度的方式为点温法,一种是通过水银温度计、电阻式温度计接触目标物测量温度,另一种是红外辐射测量法,即使用热像仪、傅里叶红外光谱仪等不接触物体测量目标物表面温度[8].直接测量地面温度得到的是点上局部温度,受周围环境热辐射影响大,尤其是接触式测量还会改变物体表面的热状况.对于区域或全球尺度长时间序列的地表温度获取,通过卫星影像反演的方式更为现实.为了便于管理和维护,大部分观测站都架设在平坦的地区[9],而复杂地形区域的地表温度在地面测量和验证方面也更为复杂.遥感反演过程是通过传感器探测物体的辐射能量,通过普朗克方程来推算出物体温度.普朗克定律表示热平衡状态下的黑体在温度Τ和波长处的辐射能量,公式为: ...
... 被动微波地表温度反演物理机制的研究不成熟,大多研究为基于数理统计为基础的经验模型和神经网络模型,对于物理模型往往通过一定的假设条件简化方程,或是引入经验关系或参数化物理模型来减少未知量[8]. ...
The Current Status of Research on GNSS-R Remote Sensing Technology in China and Future Development
2
2013
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... 传统获取地表温度的方式为点温法,一种是通过水银温度计、电阻式温度计接触目标物测量温度,另一种是红外辐射测量法,即使用热像仪、傅里叶红外光谱仪等不接触物体测量目标物表面温度[8].直接测量地面温度得到的是点上局部温度,受周围环境热辐射影响大,尤其是接触式测量还会改变物体表面的热状况.对于区域或全球尺度长时间序列的地表温度获取,通过卫星影像反演的方式更为现实.为了便于管理和维护,大部分观测站都架设在平坦的地区[9],而复杂地形区域的地表温度在地面测量和验证方面也更为复杂.遥感反演过程是通过传感器探测物体的辐射能量,通过普朗克方程来推算出物体温度.普朗克定律表示热平衡状态下的黑体在温度Τ和波长处的辐射能量,公式为: ...
云下地表温度被动微波遥感反演算法研究
3
2018
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
云下地表温度被动微波遥感反演算法研究
3
2018
... 地表温度(Land Surface Temperature,LST)是研究地表能量平衡和陆面过程的重要参数[1],是区域以及全球尺度土壤水分、蒸散发、城市气候变化、植被、生态监测的关键因子[2].从20世纪70年代以来[3],研究者利用卫星遥感数据开展地表温度反演的研究,并取得了众多瞩目的成果.专家学者相继提出了多种地表温度反演算法,主要分为热红外反演算法和被动微波反演算法.热红外反演的温度为地物表面的表皮温度,现有的算法有单通道算法[4]、多通道算法[5-6]、多角度算法[7]等.热红外反演的温度精度高,可达1 K以内;空间分辨率高,能获取100 m级地面温度;但多云雾条件下缺少数据[7-9].被动微波反演的温度为一定深度的表层温度,现有的算法模型有统计模型、物理模型和神经网络模型[10].被动微波反演的温度相对热红外反演温度精度低、空间分辨率低,但微波具有穿透性,可以反演出云下温度.这些算法主要基于地势平缓、类型均一的地区开展,得到了广泛的应用,并取得了较好的效果. ...
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
Estimating Surface Temperatures from Satellite Thermal Infrared Data-A Simple Formulation for the Atmospheric Effect
2
1983
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Remote Sensing of Weather and Climate Parameters from HIRS2/MSU on TIROS-N
1
1984
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Satellite-derived Land Surface Temperature: Current Status and Perspectives
0
2013
A Mono-window Algorithm for Retrieving Land Surface Temperature from Landsat TM Data and Its Application to the Israel-Egypt Border Region
1
2001
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
A Generalized Single-Channel Method for Retrieving Land Surface Temperature from Remote Sensing Data
1
2003
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
An Improved Single-channel Method to Retrieve Land Surface Temperature from the Landsat 8 Thermal Band
2
2018
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Surface Temperature Retrieval from Along Track Scanning Radiometer 2 Data: Algorithms and Validation
2
2004
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
Atmospheric Correction of Infrared Measurements of Sea Surface Temperature Using Channels at 3.7、 11 and 12 mm
1
1980
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Towards a Local Split Window Method over Land Surfaces
1
1990
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Multi-channel and Multi-angle Algorithms for Estimating Sea and Land Surface Temperature with ATSR Data
2
1996
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
... [20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Sea Surface Temperature GOES-8 Estimation Approach for the Brazilian Coast
1
2004
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Land Surface Temperature Retrieved from Airborne Multispectral Scanner Mid-infrared and Thermal-infrared Data
1
2016
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Nonlinear Split-window Algorithms for Estimating Land and Sea Surface Temperatures from Simulated Chinese Gaofen-5 Satellite Data
2
2018
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
A Single-channel, Double-viewing Angle Method for Sea Surface Temperature Determination from Coincident Meteosat and TIROS-N Radiometric Measurements
2
1982
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Land Surface Temperatures Derived from the Advanced Very High Resolution Radiometer and the Along-track Scanning Radiometer: 1. Theory
1
1993
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
On the Separate Retrieval of Soil and Vegetation Temperatures from ATSR Data
1
2001
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Determination of Optimum Viewing Angles for the Angular Normalization of Land Surface Temperature over Vegetated Surface
2
2015
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Spectral Ratio Method for Measuring Emissivity
2
1992
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
A Physics-based Algorithm for Retrieving Land-surface Emissivity and Temperature from EOS/MODIS Data
1
1997
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
New Refinements and Validation of the MODIS Land Surface Temperature/Emissivity Products
1
2008
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Directional Effects Consideration to Improve Out-doors Emissivity Retrieval in the 3~13 μm Domain
1
2007
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Error Analysis for A Temperature and Emissivity Retrieval Algorithm for Hyperspectral Imaging Data
1
2008
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Errors Analysis on Temperature and Emissivity Determination from Hyperspectral Thermal Infrared Data
1
2010
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Temperature and Emissivity Retrievals from Hyperspectral Thermal Infrared Data Using Linear Spectral Emissivity Constraint
1
2011
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Retrieving Land Surface Temperature from Hyperspectral Thermal Infrared Data Using a Multi-channel Method
1
2016
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Retrieving Atmospheric and Land Surface Parameters from At-Sensor Thermal Infrared Hyperspectral Data with Artificial Neural Network
2
2019
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Algorithms for surface temperature and their characteristics Table 1 | 反演算法 | 作者及发表时间 | 特点 |
---|
热红外反演 | 单通道算法 | Price, 1983[11]; Susskind, 1984[12]; Qin, et al, 2001[14]; Muñoz & Sobrino, 2003[15]; Jiménez-Muñoz, et al, 2009[4]; Cristobal, et al, 2018[16] | 对单个红外通道进行建模,需要输入地表发射率、大气传输模型、精确大气廓线. | 多通道算法 | McMillin, 1975[3]; Deschamps & Phulpin, 1980[18]; Becker & Li, 1990[19]; Sobrino, et al, 1996[20]; Franca & Carvalho, 2004[21]; Qian, et al, 2016[22]; Tang, 2018[23] | 对多个红外通道进行建模,无需大气廓线数据,反演精度较高,地表发射率具有不确定性,对算法结果影响较大. | 多角度算法 | Chedin, et al, 1982[24]; Prata, 1993[25]; Sobrino, et al, 1996[20]; Li, et al, 2001[26]; Ren, 2015[27] | 根据特定通道在不同角度的亮温差异来消除大气的影响,无需大气廓线数据,数据源稀缺. | 多时相算法 | Watson, 1992[28]; Wan & Li, 1997[29]; Wan, 2008[30] | 基于地表发射率不随时间变化的假设,无需输入地表发射率,结果对传感器噪声、大气校正误差和影像配准精度敏感,现在主要应用于MODIS地表温度反演. | 高光谱反演算法 | Kanani, et al, 2007[31]; Borel, 2008[32]; Ouyang, et al, 2010[33]; Wang, et al, 2011[34]; Zhong, et al, 2016[35]; Chen, et al, 2019[36] | 利用地表发射率固有的光谱特征,无需输入地表发射率,需要精确大气校正. | 被动微波反演 | 统计模型 | 单通道回归 | Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Land Surface Temperature Derived from the SSM/I Passive Microwave Brightness Temperatures
2
1990
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Retrieval of Land Surface Parameters Using Passive Microwave Measurements at 6~18 GHz
1
1999
... Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
一个针对被动微波AMSR-E数据反演地表温度的物理统计算法
1
226
... Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
一个针对被动微波AMSR-E数据反演地表温度的物理统计算法
1
226
... Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
Cloudy Land Surface Temperature Retrieval from Three-channel Microwave Data
1
2018
... Mcfarland, 1990[37]; Njoku, 1999[38]; 毛克彪, et al, 2006[39]; Han, et al, 2018[40]; ...
A Remote Sensing Method for Retrieving Land Surface Emissivity and Temperature in Cloudy Areas: A Case Study over South China
2
2019
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Zhou, et al, 2019[41] ...
Feasibility of Simultaneous Surface Temperature-emissivity Retrieval Using SSM/I Measurements from HAPEX-Sahel
2
1997
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Using the Special Sensor Microwave/Imager to Monitor Land Surface Temperature, Wetness, and Snow Cover
1
1998
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
A Simple Retrieval Method for Land Surface Temperature and Fraction of Water Surface Determination from Satellite Microwave Brightness Temperatures in Sub-arctic Areas
1
2003
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Generation and Heating of Toroidally Confined Over-dense Plasmas with 2.45 GHz microwaves
1
2010
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
A Method based on Temporal Component Decomposition for Estimating 1 km All-weather Land Surface Temperature by Merging Satellite Thermal Infrared and Passive Microwave Observations
1
2019
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Intercomparison of AMSR2 and MODIS Derived Land Surface Temperature Under Clear-sky Conditions
2
2019
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Inversion of Parameters for Semiarid Regions by A Neural Network
2
1992
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
A New Neural Network Approach Including First Guess for Retrieval of Atmospheric Water Vapor, Cloud Liquid Water Path, Surface Temperature, and Emissivities over Land from Satellite Microwave Observations
1
2001
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Toward "All Weather," Long Record, and Real-time Land Surface Temperature Retrievals from Microwave Satellite Observations
1
2016
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Land Remote Sensing and Global Environmental Change
0
2011
Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network
1
2018
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Inversion of AMSR-E Observations for Land Surface Temperature Estimation: 2. Global Comparison with Infrared Satellite Temperature
1
2017
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
Inversion of AMSR-E Observations for Land Surface Temperature Estimation:1. Methodology and Evaluation with Station Temperature
2
2017
... 式(1)和式(2)表示黑体辐射在不同波长对温度的响应,根据传输原理可构建辐射传输方程来对地表温度进行求解.根据波谱类型的不同,遥感反演温度的方式可以分为热红外反演和被动微波反演.热红外遥感反演的地表温度是物体表面辐射温度,也称表皮温度.由于微波波长较长,对物体表面有一定穿透能力,微波反演的地表温度是物体一定深度范围内的等效温度[10].关于热红外和微波的温度反演算法逐渐成熟,常用的热红外反演方法有单通道算法[11-16]、多通道算法[17-23]、多角度算法[24-27]以及多时相算法[28-36]等.被动微波地表温度反演模型主要分为统计模型[37-41]、物理模型[42-47]和神经网络模型[48-55]3种,具体方法如表1所示. ...
... Zhou, et al, 2019[41] | 算法简单,模型回归需要大量实验数据,模型系数具有较强局地性. | 多通道回归 | 物理模型 | 微波辐射传输方程 | Xiang, et al, 1997[42]; Basist, et al, 1998[43]; Fily, et al, 2003[44]; Kohn, et al, 2010[45]; Zhang, et al,2019[46]; Huang, et al, 2019[47] | 具有物理意义,且反演精度较经验模型高,过于依赖输入参数和假设条件的准确性. | 基于发射率求解 | 基于发射率不变 | 神经网络模型 | Zurk, et al, 1992[48]; Aires, et al, 2001[49]; Prigent, et al, 2016[50]; Ermida, et al, 2017[53]; Jiménez, et al, 2017[54]; Mao, et al,2018[55] | 方法简单易行,但不具有实际物理意义,通过输入有代表性的训练样本建立数学公式推导结果,对训练样本的依赖性较大. |
传感器和反演算法的不断提高,地表温度产品也逐渐丰富,并应用于气候变化监测、灾害监测和土地覆盖变化等各领域.空间尺度上,广泛使用的是MODIS的1 km尺度产品,空间分辨率较高有100 m的Landsat系列产品.时间尺度上,由于静止卫星的应用,15 min到小时变化的地表温度产品也能被获得.常用的几种地表温度产品如表2所示. ...
热红外地表温度遥感反演方法研究进展
2
2016
... 无论是热红外辐射传输模型还是被动微波传输模型,反演过程始终是个病态问题,即方程未知数个数总是比方程个数多.因此在反演过程中,各种模型的建立都基于一定的约束条件和假设,使方程可解.但是约束方程和条件不确定性往往是反演算法的重要误差来源[56]. ...
... 目前用于复杂地表的地表温度检验方法还是常规地表温度真实性检验方法,主要有基于温度方法、基于辐射的方法、交叉验证以及时间序列分析4种典型的检验方法[56],如表3所示.这些方法对于复杂地表的地表温度精度验证有一定的借鉴作用,但是仍存在一些限制. ...
热红外地表温度遥感反演方法研究进展
2
2016
... 无论是热红外辐射传输模型还是被动微波传输模型,反演过程始终是个病态问题,即方程未知数个数总是比方程个数多.因此在反演过程中,各种模型的建立都基于一定的约束条件和假设,使方程可解.但是约束方程和条件不确定性往往是反演算法的重要误差来源[56]. ...
... 目前用于复杂地表的地表温度检验方法还是常规地表温度真实性检验方法,主要有基于温度方法、基于辐射的方法、交叉验证以及时间序列分析4种典型的检验方法[56],如表3所示.这些方法对于复杂地表的地表温度精度验证有一定的借鉴作用,但是仍存在一些限制. ...
基于热红外光谱和微波反演地表温度的研究进展
1
2009
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
基于热红外光谱和微波反演地表温度的研究进展
1
2009
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
Land Surface Emissivity Retrieval from Satellite Data
1
2013
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
Soil Moisture Effect on Thermal Infrared (8~13 μm) Emissivity
0
2010
基于NDVI阈值法反演地表比辐射率的参数敏感性分析
2
2012
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
基于NDVI阈值法反演地表比辐射率的参数敏感性分析
2
2012
... 根据辐射传输原理,热红外温度反演过程,需要输入的参数有地表发射率、大气透过率以及上下行大气辐射.而地表温度、发射率和大气下行辐射三者耦合,相互制约,增加了反演难度.其中大气对温度反演结果误差增量和地表亮温呈线性关系,大气越潮湿影响越大,由此大部分反演算法是基于大气校正值较小的干燥大气提出的[17].热红外温度反演的大气透过率通常根据与水汽含量的关系来进行估算,常用到的大气模拟模型有MODTRAN、6S和LOWTRAN等[57].热红外反演算法中将温度和发射率分离是一大难点,基于发射率已知或未知,分为逐步反演地表发射率与地表温度,以及在大气廓线已知情况下同时获取地表发射率和地表温度.常用到地表发射率估算方法有:参考通道法、发射率归一化法、两温法、地表类型赋值法和NDVI阈值法等[58-60]. ...
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
Improving Land Surface Temperature Retrievals over Mountainous Regions
1
2017
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
高寒山区地表温度测算方法研究综述
1
2014
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
高寒山区地表温度测算方法研究综述
1
2014
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
地形对热红外数据反演林地表面温度的影响
1
2015
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
地形对热红外数据反演林地表面温度的影响
1
2015
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
被动微波遥感反演地表温度研究进展
1
2010
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
被动微波遥感反演地表温度研究进展
1
2010
... 为了提高反演精度,大部分研究着力于提高参数的可靠性,如针对地表发射率的大气效应校正和水汽的校正等[60].Bento等[61]在山区使用总可降水量参数化和降阶两种水汽修正方法来提高单通道算法和劈窗算法精度.消除发射率和大气的影响是热红外遥感反演着力解决的方向,近几十年来各种改进模型也不断被提出,反演精度能达到1 K以内,但对于复杂地表,环境对热红外波段影响非常复杂,应用模型定量分析热过程,分离温度与发射率仍是热红外遥感的难点[62],而且在非均质的复杂地形区域,地表温度的邻近效应,非同温混合像元以及辐射方向性等物理机制问题增加了复杂地表温度反演的难度[63].热红外遥感受大气、云雾的影响较严重,而被动微波具有全时相、全天候观测能力,并且对云层有一定的穿透能力,因此,使用被动微波反演地表温度可以弥补热红外遥感反演多云雾的山区地区地表温度产品缺失的不足.但微波反演的温度为一定深度的等效温度,并且对于破碎的下垫面微波地表发射率易变,反演温度空间分辨率低,将微波等效温度和热红外表皮温度相结合使用存在的温度转化和尺度转换问题.对于不同厚度的云层,大气对微波反演星上亮温的影响强度是否能够忽略,量化这种影响是被动微波遥感需要进一步提高的一个方向[64]. ...
Variability in Surface Moisture Content along a Hillslope Transect: Rattlesnake Hill, Texas
1
1998
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
热红外联合被动微波重构裸土区地表温度时间序列数据算法
1
2011
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
热红外联合被动微波重构裸土区地表温度时间序列数据算法
1
2011
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
山区夏季地表温度的影响因素——以泰山为例
2
2014
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
山区夏季地表温度的影响因素——以泰山为例
2
2014
... 相比平坦均一的地表,山区地形更为复杂,景观破碎度和空间异质性更强,对地表发射率的估算带来更大困难.复杂的地形对土壤物理性质、水分分布和地表植被类型存在影响[65].土壤介电常数对地表发射率影响显著,土壤介电常数主要由土壤含水量决定,还与土壤质地、土壤组分、土壤有机质和土壤温度相关[10].不同土壤类型对辐射的吸收、反射、透射不同,影响地表能量通量变化和地表发射率、反射率和吸收率[66].山地水分分布受地形和海拔高度的影响.地表起伏使气流抬升或下沉,山体遮挡阻止水汽移动,使山地地表水分的水平和垂直方向分布表现出异质性[67].地表水分分布不均,影响土壤湿度和植被生长,同种土壤或同种植被可能有不同的发射率.植被对地表温度有冷却和保温的作用,可以抑制地表温度剧烈改变.现有地表发射率的估算多基于地表植被与土壤比例或植被覆盖度分级阈值,对于植被类型丰富、地形起伏的复杂地表,以单一的发射率估算方法不能有效解决发射率精度问题.复杂地表区域,下垫面破碎,水分、土壤和植被复杂多变,因子间相互影响,由此地表发射率的估算必须考虑环境因素.输入参数多源且不确定性大,是复杂地表地表温度反演难度大的主要影响因素. ...
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
A Review of Earth Surface Thermal Radiation Directionality Observing and Modeling: Historical Development, Current Status and Perspectives
1
2019
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
Modeling of Land Surface Thermal Anisotropy based on Directional and Equivalent Brightness Temperatures over Complex Terrain
1
2019
... 基于辐射的地表温度检验方法是以辐射传输方程为基础,通过输入实测大气廓线和地表发射率模拟大气层顶的辐射值,通过调整地表温度的值改变模拟辐射值,使之与卫星过境时测量的辐射值相等.调整的结果温度与卫星数据反演的地表温度差值即为地表温度产品的精度[86].该方法不需要地面实测地表温度数据,因此可以应用于地面测量比较困难的地区,使复杂地形地表温度真实性检验成为可能.但该方法对大气廓线和地表发射率等参数依赖性大[87-88],对参数的精度要求高,在复杂地表区域这两个参量的获取本身就是一个难题.Jiao等[69]考虑到观测几何、地形效应和亚像素变化,模拟方向亮温和等效亮温来验证山地区域反演温度精度,证实观测天顶角和地形给基于辐射的验证带来了较大的不确定性.交叉验证是针对于上述两种方法都不适用的情况,即既没有地面站点数据也没有大气廓线数据.该方法通过与已知质量和精度较好的地表温度产品进行比较检验,来评定未知反演产品的精度.目前被大多数研究者公认的具有较好稳定性,且广泛用于地表温度交叉检验的产品是MODIS地表温度产品[89].由于不同传感器间存在差异,观测角度和观测时间也不尽相同,需要对参考产品和比较产品进行位置匹配、空间尺度匹配、时间匹配、光谱匹配,匹配过程存在误差,因此交叉验证的结果不能完全被认可. ...
The Preliminary Investigation on the Uncertainties Associated With Surface Solar Radiation Estimation in Mountainous Areas
1
2017
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
基于Landsat 8热红外遥感数据的山地地表温度地形效应研究
2
2016
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
基于Landsat 8热红外遥感数据的山地地表温度地形效应研究
2
2016
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
Local Climate, Topography and Plant Growth in Lathkill Dale NNR. I. A Twelve-year Summary of Solar Radiation and Temperature
1
1986
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
基于不同地形校正模型的影像反射率对比分析
0
2017
基于不同地形校正模型的影像反射率对比分析
0
2017
Study of the Seasonal Effect of Building Shadows on Urban Land Surface Temperatures based on Remote Sensing Data
2
2019
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
... [74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
Remote Sensing of Atmospheric Water Vapor and Liquid Water with the Nimbus 5 Microwave Spectrometer
2
1976
... 山区地表具有复杂三维结构,热辐射与地表存在复杂的相互作用.研究山区热辐射传输过程,必须考虑地表方向性,近年来国内外专家学者构建了许多热红外模型,包括辐射传输模型、几何光学模型、3D模型、混合模型和参数模型等[68-70].模型的发展需要考虑方向性、地形因素和热力因素,目前的模型多建立于条件可控的实验场或小区域试验区,应用于复杂多变的山区地表温度建模仍存在着挑战性.在坡度、坡向和地形不断变化和相互遮蔽的山区,地表接收到的太阳入射辐射能量,包括直接辐射、散射辐射和邻近地形的反射辐射,辐射间差异显著[71].坡度、坡向和地形直接影响地表辐射的分布[72- 74],地形的遮蔽作用同样使温度在空间分布上存在差异[75].对山地热辐射建模,不仅需要考虑复杂的地形因素,还需要考虑能量平衡和流体力学等影响.Yu等[74]结合太阳高度、建筑高度研究建筑物阴影对地表温度的季节效应,证明地形遮挡对热辐射作用显著.山地地形条件直接影响地表辐射收支和能量平衡,提高复杂地区地表温度反演精度,还需要进一步建立统一且普适性强的模型.提高山区地表温度反演精度,需要考虑地形因素对发射率的影响、邻近效应、能量平衡等,优化复杂地表辐射传输模型、动力模型、核驱动模型,并结合地面多角度观测数据对模型进行修订. ...
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
Microwave Remote Sensing: Active and Passive. Volume 1:Microwave Remote Sensing Fundamentals and Radiometry
1
1981
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
GIDS空间插值法估算云下地表温度
1
2012
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
GIDS空间插值法估算云下地表温度
1
2012
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
基于空间内插的云下地表温度估计及精度分析
1
2011
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
An Effective Similar-pixel Reconstruction of the High-frequency Cloud-covered Areas of Southwest China
1
2019
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
An Efficient Approach to Remove Thick Cloud in VNIR Bands of Multi-temporal Remote Sensing Images
1
2019
... 水汽是大气中重要的吸收气体,其吸收系数与频率、大气温度、大气压强和水汽密度相关,并在时间空间上都有很大变化[75].孙常峰等[67]基于泰山的实验也表明地表水汽特征是影响地表温度主要的因素.云中包含液态水和各种微粒能吸收和散射辐射.当天空晴朗无云时,消光系数主要是水汽和氧气的吸收,在云雨天气,云的存在致使热红外信号失真,使用热红外反演方法无法获取地面温度信息.微波虽然能穿透云层,但是在云中传播还应考虑到液态水的瑞利散射[76].云覆盖区下不同地表类型,云对其有不同程度的影响;对于像元的位置而言,位于云边缘像元影响程度小于位于云覆盖中心的像元;云覆盖时间越长,对地表温度影响越大;云阴影与云遮挡的地区,云覆盖对其影响也不一样.现有的地表温度反演算法主要是针对晴空像元,云下地表温度反演仍是一个难题.许多学者通过插值或热红外与微波相结合的方法对云下地表温度进行估算,比如:周义等[77]的梯度距离平方反比法,涂丽丽等[78]的克里格插值和规则样条函数插值方法,Yu等[79]提出基于土地能量平衡理论和相似像元的方法.这些研究都表明了水汽和云在地表温度反演中的作用不能忽略,尤其是地形起伏大的山区,有效的水汽修正和云下温度估算方法能弥补云下数据缺失状况.云区像元在可见光近红外波段的填补方法较为成熟,但大部分方法建立在短时间地表发射率未改变的假设条件下,而云下地表温度反演所使用的热红外波段的适用性未得到有效的说明[80].对于微波遥感,与热红外相结合解决数据缺失问题,存在温度转换和尺度转换的难题.而且现有的被动微波反演地表温度算法大多忽略了大气的影响或只是将大气上行辐射量和大气透过率给定为常数,被动微波温度反演需要对大气的影响做进一步量化.水汽和云是复杂地表温度反演重要障碍,热红外波段的重建、对不同厚度云像元的识别、云遮挡区域数据填补等问题还有待进一步深入研究. ...
关键陆表参数遥感产品真实性检验方法研究进展
2
2015
... 遥感反演的真实性检验,包含对算法可行性和精度进行检验,对温度产品的精度、稳定性、适用性、生产效能进行检验,以及算法应用是否满足地球科学应用需求的检验[81-82].对于地形复杂、地表破碎的复杂地表区域,反演的温度像元与地面观测值存在尺度差异,单个像元值难以反映地面实际状况,有效的检验方法和尺度转换是提高检验可信性的基本要求[82]. ...
... 最后一种方法主要是用于传感器本身的检验[81],该方法通过对同一目标进行长时间的观测,分析目标物时序特征,监测传感器在运行周期中是否存在不符合实际情况的异常值,发现传感器运行是否正常.该方法能检验出传感器定标等问题,但不能对产品做出直接评价,对于地表温度真实性检验并不适用. ...
关键陆表参数遥感产品真实性检验方法研究进展
2
2015
... 遥感反演的真实性检验,包含对算法可行性和精度进行检验,对温度产品的精度、稳定性、适用性、生产效能进行检验,以及算法应用是否满足地球科学应用需求的检验[81-82].对于地形复杂、地表破碎的复杂地表区域,反演的温度像元与地面观测值存在尺度差异,单个像元值难以反映地面实际状况,有效的检验方法和尺度转换是提高检验可信性的基本要求[82]. ...
... 最后一种方法主要是用于传感器本身的检验[81],该方法通过对同一目标进行长时间的观测,分析目标物时序特征,监测传感器在运行周期中是否存在不符合实际情况的异常值,发现传感器运行是否正常.该方法能检验出传感器定标等问题,但不能对产品做出直接评价,对于地表温度真实性检验并不适用. ...
卫星遥感地表温度的真实性检验研究进展
2
2017
... 遥感反演的真实性检验,包含对算法可行性和精度进行检验,对温度产品的精度、稳定性、适用性、生产效能进行检验,以及算法应用是否满足地球科学应用需求的检验[81-82].对于地形复杂、地表破碎的复杂地表区域,反演的温度像元与地面观测值存在尺度差异,单个像元值难以反映地面实际状况,有效的检验方法和尺度转换是提高检验可信性的基本要求[82]. ...
... [82]. ...
卫星遥感地表温度的真实性检验研究进展
2
2017
... 遥感反演的真实性检验,包含对算法可行性和精度进行检验,对温度产品的精度、稳定性、适用性、生产效能进行检验,以及算法应用是否满足地球科学应用需求的检验[81-82].对于地形复杂、地表破碎的复杂地表区域,反演的温度像元与地面观测值存在尺度差异,单个像元值难以反映地面实际状况,有效的检验方法和尺度转换是提高检验可信性的基本要求[82]. ...
... [82]. ...
重庆地表温度的遥感反演及其空间分异特征
1
2018
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
Satellite-derived Land Surface Temperature: Current Status and Perspectives
1
2013
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
MODIS地表温度产品的验证研究——以黑河流域为例
1
2011
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
MODIS地表温度产品的验证研究——以黑河流域为例
1
2011
... 首先,基于地表实测温度的检验是最直接的一种检验方法,即通过地表监测的地表温度同遥感获取的地表温度进行时空配准后直接进行比较[83-84],该方法要求下垫面相对均一、地势平坦,如于文凭等[85]利用黑河流域地表温度观测数据来检验MODIS地表温度产品的精度,选择的地面站点就是地形较为平缓、地物类型相对一致的区域.该方法简单直接,地面数据可以选择单点或多点数据,在一定程度上可以评估温度反演产品质量,但是对于站点数少、地形崎岖、地表类型不均一的复杂地表环境,则需要进一步探讨尺度转换和空间异质性问题[71]. ...
Accuracy Assessment of Land Surface Temperature Retrievals from MSG2-SEVIRI Data
1
2011
... 基于辐射的地表温度检验方法是以辐射传输方程为基础,通过输入实测大气廓线和地表发射率模拟大气层顶的辐射值,通过调整地表温度的值改变模拟辐射值,使之与卫星过境时测量的辐射值相等.调整的结果温度与卫星数据反演的地表温度差值即为地表温度产品的精度[86].该方法不需要地面实测地表温度数据,因此可以应用于地面测量比较困难的地区,使复杂地形地表温度真实性检验成为可能.但该方法对大气廓线和地表发射率等参数依赖性大[87-88],对参数的精度要求高,在复杂地表区域这两个参量的获取本身就是一个难题.Jiao等[69]考虑到观测几何、地形效应和亚像素变化,模拟方向亮温和等效亮温来验证山地区域反演温度精度,证实观测天顶角和地形给基于辐射的验证带来了较大的不确定性.交叉验证是针对于上述两种方法都不适用的情况,即既没有地面站点数据也没有大气廓线数据.该方法通过与已知质量和精度较好的地表温度产品进行比较检验,来评定未知反演产品的精度.目前被大多数研究者公认的具有较好稳定性,且广泛用于地表温度交叉检验的产品是MODIS地表温度产品[89].由于不同传感器间存在差异,观测角度和观测时间也不尽相同,需要对参考产品和比较产品进行位置匹配、空间尺度匹配、时间匹配、光谱匹配,匹配过程存在误差,因此交叉验证的结果不能完全被认可. ...
Long-term Accuracy Assessment of Land Surface Temperatures derived from the Advanced Along Track Scanning Radiometer
1
2012
... 基于辐射的地表温度检验方法是以辐射传输方程为基础,通过输入实测大气廓线和地表发射率模拟大气层顶的辐射值,通过调整地表温度的值改变模拟辐射值,使之与卫星过境时测量的辐射值相等.调整的结果温度与卫星数据反演的地表温度差值即为地表温度产品的精度[86].该方法不需要地面实测地表温度数据,因此可以应用于地面测量比较困难的地区,使复杂地形地表温度真实性检验成为可能.但该方法对大气廓线和地表发射率等参数依赖性大[87-88],对参数的精度要求高,在复杂地表区域这两个参量的获取本身就是一个难题.Jiao等[69]考虑到观测几何、地形效应和亚像素变化,模拟方向亮温和等效亮温来验证山地区域反演温度精度,证实观测天顶角和地形给基于辐射的验证带来了较大的不确定性.交叉验证是针对于上述两种方法都不适用的情况,即既没有地面站点数据也没有大气廓线数据.该方法通过与已知质量和精度较好的地表温度产品进行比较检验,来评定未知反演产品的精度.目前被大多数研究者公认的具有较好稳定性,且广泛用于地表温度交叉检验的产品是MODIS地表温度产品[89].由于不同传感器间存在差异,观测角度和观测时间也不尽相同,需要对参考产品和比较产品进行位置匹配、空间尺度匹配、时间匹配、光谱匹配,匹配过程存在误差,因此交叉验证的结果不能完全被认可. ...
Review of Methods for Land Surface Temperature Derived from Thermal Infrared Remotely Sensed Data
1
2016
... 基于辐射的地表温度检验方法是以辐射传输方程为基础,通过输入实测大气廓线和地表发射率模拟大气层顶的辐射值,通过调整地表温度的值改变模拟辐射值,使之与卫星过境时测量的辐射值相等.调整的结果温度与卫星数据反演的地表温度差值即为地表温度产品的精度[86].该方法不需要地面实测地表温度数据,因此可以应用于地面测量比较困难的地区,使复杂地形地表温度真实性检验成为可能.但该方法对大气廓线和地表发射率等参数依赖性大[87-88],对参数的精度要求高,在复杂地表区域这两个参量的获取本身就是一个难题.Jiao等[69]考虑到观测几何、地形效应和亚像素变化,模拟方向亮温和等效亮温来验证山地区域反演温度精度,证实观测天顶角和地形给基于辐射的验证带来了较大的不确定性.交叉验证是针对于上述两种方法都不适用的情况,即既没有地面站点数据也没有大气廓线数据.该方法通过与已知质量和精度较好的地表温度产品进行比较检验,来评定未知反演产品的精度.目前被大多数研究者公认的具有较好稳定性,且广泛用于地表温度交叉检验的产品是MODIS地表温度产品[89].由于不同传感器间存在差异,观测角度和观测时间也不尽相同,需要对参考产品和比较产品进行位置匹配、空间尺度匹配、时间匹配、光谱匹配,匹配过程存在误差,因此交叉验证的结果不能完全被认可. ...
Evaluation of Land Surface Temperature Operationally Retrieved from Korean Geostationary Satellite (COMS) Data
1
2013
... 基于辐射的地表温度检验方法是以辐射传输方程为基础,通过输入实测大气廓线和地表发射率模拟大气层顶的辐射值,通过调整地表温度的值改变模拟辐射值,使之与卫星过境时测量的辐射值相等.调整的结果温度与卫星数据反演的地表温度差值即为地表温度产品的精度[86].该方法不需要地面实测地表温度数据,因此可以应用于地面测量比较困难的地区,使复杂地形地表温度真实性检验成为可能.但该方法对大气廓线和地表发射率等参数依赖性大[87-88],对参数的精度要求高,在复杂地表区域这两个参量的获取本身就是一个难题.Jiao等[69]考虑到观测几何、地形效应和亚像素变化,模拟方向亮温和等效亮温来验证山地区域反演温度精度,证实观测天顶角和地形给基于辐射的验证带来了较大的不确定性.交叉验证是针对于上述两种方法都不适用的情况,即既没有地面站点数据也没有大气廓线数据.该方法通过与已知质量和精度较好的地表温度产品进行比较检验,来评定未知反演产品的精度.目前被大多数研究者公认的具有较好稳定性,且广泛用于地表温度交叉检验的产品是MODIS地表温度产品[89].由于不同传感器间存在差异,观测角度和观测时间也不尽相同,需要对参考产品和比较产品进行位置匹配、空间尺度匹配、时间匹配、光谱匹配,匹配过程存在误差,因此交叉验证的结果不能完全被认可. ...
Landsat and Local Land Surface Temperatures in a Heterogeneous Terrain Compared to MODIS Values
1
2016
... 地表温度真实性检验方法不断被改进,并在复杂地形区开展应用[90-93],但是仍存在以下问题[92]:①空间异质性问题,地表破碎区同温像元内部存在较大差异,缺少绝对均一的地表,真实性检验标准存在不确定性.②辐射方向性问题,复杂地表地物多样,地势起伏,地表方向亮温角度差异大,制约地表温度反演精度和长波估算精度.③时空、角度不匹配问题,卫星数据反演的地表温度是卫星过境的瞬时温度,而地面是不断变化的,参考值和比较值间存在着差异性,尤其是对站点分布少的山地区域,得到与卫星过境同时段的高质量观测值更加困难.④仪器观测不确定性,仪器获取数据存在不确定性,站点的布设不均一.复杂地表区域站点数过少,山地区域仪器维护困难,数据质量和参数完整性不能得到有效保障. ...
A Case Study for Intercomparison of Land Surface Temperature Retrieved from GOES and MODIS
0
2015
AATSR Validation: LST Validation Protocol
1
2012
... 地表温度真实性检验方法不断被改进,并在复杂地形区开展应用[90-93],但是仍存在以下问题[92]:①空间异质性问题,地表破碎区同温像元内部存在较大差异,缺少绝对均一的地表,真实性检验标准存在不确定性.②辐射方向性问题,复杂地表地物多样,地势起伏,地表方向亮温角度差异大,制约地表温度反演精度和长波估算精度.③时空、角度不匹配问题,卫星数据反演的地表温度是卫星过境的瞬时温度,而地面是不断变化的,参考值和比较值间存在着差异性,尤其是对站点分布少的山地区域,得到与卫星过境同时段的高质量观测值更加困难.④仪器观测不确定性,仪器获取数据存在不确定性,站点的布设不均一.复杂地表区域站点数过少,山地区域仪器维护困难,数据质量和参数完整性不能得到有效保障. ...
Characterizing the Spatial and Temporal Variation of the Land Surface Temperature Hotspots in Wuhan from a Local Scale
1
2020
... 地表温度真实性检验方法不断被改进,并在复杂地形区开展应用[90-93],但是仍存在以下问题[92]:①空间异质性问题,地表破碎区同温像元内部存在较大差异,缺少绝对均一的地表,真实性检验标准存在不确定性.②辐射方向性问题,复杂地表地物多样,地势起伏,地表方向亮温角度差异大,制约地表温度反演精度和长波估算精度.③时空、角度不匹配问题,卫星数据反演的地表温度是卫星过境的瞬时温度,而地面是不断变化的,参考值和比较值间存在着差异性,尤其是对站点分布少的山地区域,得到与卫星过境同时段的高质量观测值更加困难.④仪器观测不确定性,仪器获取数据存在不确定性,站点的布设不均一.复杂地表区域站点数过少,山地区域仪器维护困难,数据质量和参数完整性不能得到有效保障. ...
/
〈
|
|
〉
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|