基于Landsat8 TIRS数据的海表温度反演算法对比

摘要

海表温度(Sea Surface Temperature,SST)是研究气候变化的重要参数,具有重要研究意义。为了选出适用于近海海域的最优温度反演算法,本文基于Landsat8卫星遥感数据,以北部湾海域为研究区,对比分析了包括辐射方程传输法(Radiative Transfer Model,RTM)、单窗算法(Mono-window model,MW)、单通道算法(Single-channel model,SC)、线性劈窗算法(Linear Split-window Algorithm,SW_(1))和非线性劈窗算法(Non-linear Split-window Algorithm,SW_(2))在内的海表温度反演算法的反演精度并进行了敏感性分析。同时本文利用劈窗协方差-方差比值法(Split Window Covariance-variance Ratio,SWCVR)来反演大气水汽含量数据,减少了温度反演过程中对外部数据的依赖,研究结果表明:基于Landsat8 TIRS(Thermal Infrared Sensor)数据的SWCVR法进行大气水汽含量反演的效果较好,误差约在0.5 g/cm2;与实测海温数据相比SW_(2)与SC算法精度较高,误差约为0.6 K;RTM与SW_(1)算法次之,误差约为1.6 K与1.9 K;MW算法精度较低,误差约为2.5 K;与AVHRR(Advanced Very High Resolution Radiometer)SST产品进行相比两种劈窗算法的精度较高,误差约为1 K和1.3 K,SC算法精度较劈窗算法略低,误差约为1.4 K左右,RTM与MW算法精度较低,误差约为2 K与3 K;SW_(2)算法对参数的敏感性最低,其次是SC算法、SW_(1)算法与MW算法,RTM算法的敏感性最高。