重庆市长时序遥感地表温度数据重建方法的对比研究

摘要

地表温度（Land Surface Temperature，简称LST）是指示地表和大气之间能量交换的重要参数因子之一，地表温度的时空变化特征研究对于气候变化、城市热岛、干旱监测、生态环境等方面研究均有重要意义。随着遥感和GIS技术的发展，基于热红外影像的遥感数据在地表温度的时空变化研究中起到了重要作用，但是，基于遥感的时序地表温度数据由于受到云等大气状况的影响，常常会出现异常像元或空值，极大地影响其时空变化特征的分析及其后续应用。因此，为提高地表温度遥感数据的质量，消除云覆盖等产生的负面影响，需要对时序地表温度遥感数据进行重建和订正。目前，长时序地表温度遥感数据的重建方法在起伏地形下的山地区域应用较少。因此，本研究以重庆市为研究区域，基于长时序的中分辨率成像光谱仪（Moderate resolution Imaging Spectroradiometer，简称MODIS）地表温度遥感数据，分别采用谐波分析法（Harmonic Analysis of Time Series，简称HANTS法）、Savitzky-Golay滤波法（简称S-G滤波法）、非对称性高斯函数拟合法（Asymmetric Gaussians，简称A-G法）和双Logistic函数拟合法（Double Logistic，简称D-L法）四种方法对2010~2017年地表温度遥感数据进行重建，并在分析其数据质量时空分布特征的基础上，对四种重建结果进行定性和定量的对比，研究了不同重建方法在重庆市的适用性及其优缺点，可为相关应用提供一定的科学参考和借鉴。 经过研究得到了以下几点结论： （1）重庆市长时序地表温度遥感数据质量的评价。经过分析研究，由于重庆市2013年云量最低，2012年最高。2010~2017年期间，低质量的地表温度遥感数据频率总体呈低—高—低的变化趋势，其中，2013年的低质频率最低，地表温度遥感数据的质量最好，而2012年的低质频率最高，数据质量最差；利用GIS空间分析功能发现，重庆市云量的分布：东南部>中西部>东北部，2010~2017年地表温度遥感数据质量的空间分布差异较大，高质量数据的分布特点为：东北部>东南部>中西部。其中，渝东北的数据质量最优，主要分布在城口、巫溪和巫山县等地区，其次是在渝东南和渝中地区，数据质量最差的是在渝西地区，主要分布在江津、綦江、荣昌、大足区以及主城九区等区域，低质频率均大于50%，是遥感数据重建的重点区域。 （2）四种重建方法的特点及适用情况。①HANTS法是四种重建方法中效果最佳且计算最便捷的，可以有效消除大面积的数据噪声区域，对空值进行赋值，同时其重建曲线平滑，重建前后地表温度遥感数据之间的相关性最强且最稳定；②S-G法的重建效果仅次于HANTS法，其重建前后数据之间的相关性略低于HANTS法，空间相关性处于中等水平，且S-G法对于高值和突变值的识别较敏感，重建前后影像的细节相对一致；③A-G法和D-L法的重建效果较相似，相对而言，在四种重建过程中效果略差，而且，D-L法重建后仍存在小部分空值区域，A-G法重建前后数据之间的相关性略高于D-L法。 （3）在同一年内，不同时相的MODIS地表温度遥感数据（即MOD11A2和MYD11A2的白天/夜晚四组数据）的空间分布差异较小。经过质量对比发现，MOD11A2的数据质量更优于MYD11A2，夜间的数据质量明显更优于白天，尤其是MOD11A2的夜间数据的低质频率远小于另外三组，且重建后的保真性更高。因此，在利用MODIS地表温度遥感数据时，可尽量多采用MOD11A2的夜晚数据进行分析。 在上述研究的过程中，也发现本研究存在的一些不足之处，例如，未能对不同的重建方法提出改进或提出更优的重建方法，另外，设置四种重建方法的参数时仍存在人为的经验判断和定义，而且进行定性与定量的重建结果评价时，未能有效结合其他气象因子提供更科学的评价方法。因此，在后期的地表温度重建研究中，将采用多元重建方法，针对不同的地表类型和区域，反复试验设定参数，并且将多利用定量指标于重建结果的评价中，以此提高研究的科学性。

目录

第1章 绪论

1.1 研究目的和意义

1.2 国内外的研究进展

1.2.1 长时序遥感地表温度数据的重建研究

1.2.2 现有研究中存在的一些不足

1.3 研究内容

1.4 技术路线

第2章 研究区概况与数据

2.1 研究区概况

2.1.1 地形地貌特征

2.1.2 气候和气候变化特征

2.2.1 遥感地表温度数据

2.2.2 气象数据

2.2.3 基础地理信息数据

2.3 本章小结

第3章 长时序遥感地表温度数据质量的分析

3.1 MODIS地表温度数据质量的说明

3.2 分析方法

3.2.1 时间变化分析

3.2.2 空间变化分析

3.3.1 数据质量的时间变化

3.3.2 数据质量的空间变化

3.4 云量的时空变化分析

3.5 本章小结

第4章 长时序遥感地表温度数据的重建及其结果评价

4.1 长时序遥感地表温度数据重建方法的应用

4.1.1 基于Savitzky-Golay滤波法的重建

4.1.2 基于谐波分析法的重建

4.1.3 基于非对称性高斯函数拟合法的重建

4.1.4 基于双Logistic函数拟合法的重建

4.2 长时序遥感地表温度重建结果的评价

4.2.1 视觉的对比

4.2.2 与实测数据的对比

4.2.3 重建前后的相关性分析

4.2.4 重建后MOD11A2与MYD11A2的对比分析

4.3 本章小结

第5章 结论与展望

5.1 主要结论

5.2 创新点

5.3.1 不足

5.3.2 展望

参考文献

附录：作者攻读硕士学位期间发表论文及科研情况

致谢

声明