一种基于中红外与热红外数据的地表温度反演方法

摘要

本发明公开了一种基于中红外与热红外数据的地表温度反演方法，其步骤包括：1)模拟不同大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；2)根据大气柱水汽含量、云顶亮温和观测角度将所述模拟数据集中的模拟数据划分至若干子区间；3)结合劈窗算法原理分别构建日间数据、夜间数据的地表温度反演算法；4)利用日间数据的地表温度反演算法与夜间数据的地表温度反演算法计算待处理的实际遥感影像，根据实际遥感影像各像元的水汽含量、云顶亮温与观测角度所对应子区间选择对应的地表温度反演算法系数，然后结合地表分类产品得到实际遥感影像的地表发射率，获取地表温度反演结果。本发明能获取高精度的地表温度。

说明书

技术领域

本发明属于定量遥感反演的技术领域，特别涉及一种基于Sentinel-3A日夜中红外与热红外数据反演地表温度的方法。

背景技术

地表温度(Land surface temperature，LST)是地面与大气相互作用过程中的一个关键参数，在农业、气象、环境、生态等众多领域有广泛的应用，对地气的能量和物质交换、气象预测、全球水循环、气候变化等模型研究有重要意义。由于地表温度的时空分布情况相当复杂，常规的地面观测在实际中难以大范围获取地表温度，从而卫星遥感数据成为获取较高时空分辨率的全球尺度地表温度的唯一途径。

现有地表温度反演方法主要使用热红外(Thermal infrared，TIR)波段数据，而利用中红外(Middle infrared，MIR)波段数据的反演方法寥寥无几。与热红外数据相比，中红外数据同样能够记录地表热辐射信息，具备地表温度反演的条件，但对于白天的观测数据，中红外通道的辐射能量受到太阳辐射和地表辐射的共同影响，且二者强耦合于一体，难以分离，反演地表温度必须消除太阳辐射的影响，从而增加了反演的难度与挑战性。然而中红外数据具有大气透过率较高、对发射率敏感性较低的优势。相关研究发现，热红外数据反演地表温度的结果对发射率的敏感性约为中红外数据的两倍，0.02的发射率误差对反演结果的影响在8μm处约为1K，而在4μm处约为0.5K。利用中红外数据的优势，可以提高地表温度的反演精度。

欧空局于2016年初发射的Sentinel-3A卫星搭载了新一代沿轨扫描辐射计，设置了一个中红外通道(第7通道)与两个热红外通道(第8和第9通道)，其波段设置为地表温度反演方法提供了新的思路。如何充分利用中红外与热红外通道的优势与特点，构建一种针对Sentinel-3A日夜中红外与热红外数据的高精度地表温度反演方法，具有十分重要的意义。

发明内容

本发明要解决的技术问题是如何充分利用中红外与热红外数据的优势与特点，结合二者获取精度较高的地表温度。

为解决上述技术问题，本发明基于Sentinel-3A中红外与热红外数据发展了一种新型地表温度反演方法，用于获取高精度的地表温度，实现步骤如下：

步骤(1)：从TIGR大气数据库中选取全球范围内晴空条件下的946条大气廓线，提取每条廓线逐层的温湿压以及整体的大气柱水汽含量(Column water vapor，CWV)等大气信息。从ASTER与UCSB地物光谱数据库中选取60种典型地物光谱，结合Sentinel-3A的光谱响应函数，获取其60种典型地物在中红外与热红外通道的地表发射率。基于辐射传输方程，以大气廓线信息为驱动，利用大气传输模型MODTRAN模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成具有代表性的模拟数据集。

输入：TIGR大气数据库、ASTER与UCSB地物光谱数据库、Sentinel-3A中红外与热红外通道的光谱响应函数。

输出：不同的大气、地表与观测角度组合条件下各通道的云顶亮温，生成模拟数据集。

步骤(2)：基于步骤(1)生成的模拟数据集，根据大气柱水汽含量、云顶亮温和观测角度将模拟数据划分至若干子区间，即大气柱水汽含量、云顶亮温和观测角度构成一组参数，每一组参数对应一子区间(即一数据子集)。结合劈窗算法的基本原理，分别构建日间与夜间数据的地表温度反演算法。其中，日间数据的地表温度反演算法仅使用热红外数据(包括热红外通道的云顶亮温与发射率数据)，夜间数据的地表温度反演算法使用中红外与热红外数据。

输入：步骤(1)中获取的模拟数据集。

输出：不同的大气水汽含量、亮温和观测角度子区间对应的日间与夜间劈窗算法系数及其算法误差。

步骤(3)：将日间与夜间劈窗算法应用于实际的遥感影像，获取各像元的实际水汽含量、亮温与观测角度，结合前文划分的子区间，判断实际情况所在区间并选择对应的劈窗算法系数，结合由地表分类产品得到的地表发射率，获取地表温度反演结果。

输入：Sentinel-3A遥感影像、地表分类产品。

输出：地表温度反演结果。

本发明还提供实现上述方法的系统，包括模拟数据集生成模块、反演算法构建模块、实际数据输入模块和计算输出模块，各模块功能如下。

模拟数据集生成模块：用于模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；

反演算法构建模块：用于结合劈窗算法原理分别构建日间数据的地表温度反演算法、夜间数据的地表温度反演算法，计算不同子区间对应的日间数据的地表温度反演算法系数及其误差、夜间数据的地表温度反演算法系数及其误差；

实际数据输入模块：用于输入地表温度反演所需的实际数据，包括实际遥感影像以及各像元的大气柱水汽含量和地表发射率；

计算输出模块：通过影像成像时间、大气水汽含量、云顶亮温与观测角度确定劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。

与现有技术相比，本发明的优点在于：

(1)区别于传统劈窗通道的使用，将中红外数据引入夜间地表温度反演劈窗算法中，为中红外数据在温度反演方面的应用提供了新的思路及支持。

(2)充分利用中红外与热红外数据各自的优势与特点，在一定程度上提高了地表温度的反演精度，尤其在高水汽条件下，中红外数据的引入对反演结果的精度有明显改善。

附图说明

图1为本发明的总体系统结构示意图。

图2为本发明地表温度反演算法的具体技术流程图。

图3为本发明在各水汽区间对应的反演算法残差直方图(以垂直观测为例)：

(a)日间算法，CWV∈[0,2.5]；(b)夜间算法，CWV∈[0,2.5]；

(c)日间算法，CWV∈[2,3.5]；(d)夜间算法，CWV∈[2,3.5]；

(e)日间算法，CWV∈[3,4.5]；(f)夜间算法，CWV∈[3,4.5]；

(g)日间算法，CWV∈[4,5.5]；(h)夜间算法，CWV∈[4,5.5]；

(i)日间算法，CWV∈[5,6.5]；(j)夜间算法，CWV∈[5,6.5]。

具体实施方式

以下结合附图1、2和具体实施例对本发明作进一步描述。

图1展示了本发明的总体系统结构示意图，该反演系统包括模拟数据集生成模块、反演算法构建模块、实际数据输入模块和计算输出模块。模拟数据集生成模块的主要功能为模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；所述模拟数据集包括若干子区间，同一区间内的模拟数据具有相同区间范围的大气柱水汽含量、云顶亮温和相同的观测角度。反演算法构建模块的主要功能为结合劈窗算法原理分别构建日间数据和夜间数据的地表温度反演算法；其中日间数据的反演算法使用热红外数据，夜间数据的地表温度反演算法使用中红外与热红外数据。实际数据输入模块的主要功能为输入地表温度反演所需的实际数据，包括实际遥感影像以及各像元的大气柱水汽含量和地表发射率；其中，大气柱水汽含量通过Sentinel-3A湿度数据得到，地表发射率通过像元内的组分信息加权得到，组分比例通过结合地表分类产品与植被覆盖度获取，组分发射率由ASTER和UCSB地物光谱库中得到。计算输出模块的主要功能为通过影像成像时间、大气水汽含量、云顶亮温与观测角度确定相应的劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。

图2展示了本发明地表温度反演算法的具体技术流程，主要包括如下步骤：

(1)模拟数据集的生成

对于大气信息，本发明使用的是TIGR大气数据库的数据，其包含了从赤道到极地的全球范围内各种大气状况，共计2311条大气廓线。以相对湿度为参考，从其中筛选出晴空条件下的946条大气廓线(对于给定的大气廓线，如果廓线中某一层的相对湿度大于90％，则认为其受到云层干扰)，并提取其中的气温、气压、湿度等大气信息。对于地表信息，本发明从ASTER与UCSB地物光谱数据库中选取60种典型地物光谱，包括10种植被、20种土壤、20种岩石、5种水体和5种矿物，并结合Sentinel-3A的光谱响应函数，获取其在中红外与热红外通道的地表发射率。

以上述大气廓线信息为驱动，结合Sentinel-3A的光谱响应函数，利用大气传输模型MODTRAN模拟得到不同观测角度条件下中红外与热红外通道的大气上行辐射R_a↑、大气下行辐射R_a↓与大气上行透过率τ，结合通道发射率，通过式(1)的辐射传输方程得到大气层顶的亮温T：

B(T)＝[εB(T_s)+(1-ε)R_a↓]·τ+R_a↑>

式中，B()表示普朗克函数，ε表示通道地表发射率，T_s表示地表温度。对于T_s，以大气廓线的底层温度T₀为基础，考虑到日夜温度差异，日间以5K为间隔取T₀-10K至T₀+30K共9个等级，夜间取T₀-20K至T₀+10K共7个等级。同时，由于Sentinel-3A的幅宽较大(约1400km)，需要考虑不同观测角度对结果的影响，因此选取0°、15°、25°、35°和45°五个观测角度进行数据模拟。最终，日间算法得到共计2,554,200组模拟数据(946条大气廓线×60种地表发射率×9个地表温度×5个观测角度)，夜间算法得到共计1,986,600组模拟数据(946条大气廓线×60种地表发射率×7个地表温度×5个观测角度)。

(2)日夜劈窗算法的构建

基于上述模拟数据，根据劈窗算法的原理，充分考虑中红外与热红外数据的优势与特点，对日间与夜间观测数据分别构建不同形式的劈窗算法模型。对于日间数据，所用劈窗算法形式如下：

对于夜间数据，模型引入中红外通道：

式中，a_m和b_n为模型系数(m＝0-7，n＝0-13)，可通过模拟数据回归分析得到；ε_ij表示第i通道与第j通道发射率的平均值，Δε_ij表示第i通道与第j通道发射率的差值，T_i表示第i通道的云顶亮温(i,j＝7-9)。

为了确保地表温度的反演精度，利用模拟数据构建反演算法时，根据大气水汽含量、亮温与观测角度将模拟数据划分至若干子区间，通过回归分析分别获取各子区间的模型系数，最终得到模型系数查找表。为了最大可能的避免不同水汽区间造成反演结果的不连续性，各水汽区间设置了0.5g/cm²的重叠。以垂直观测为例，图3展示了不同水汽区间所对应反演算法的残差直方图。

(3)地表温度的反演与输出

将构建的反演算法应用于实际遥感影像。根据影像的成像时间与经纬度判断影像所在地为日间或夜间时刻，选择不同的反演模型；通过Sentinel-3A湿度数据得到各像元的大气柱水汽含量；通过像元内的组分信息加权得到像元地表发射率，其中组分比例通过结合地表分类产品与像元植被覆盖度获取，组分发射率由ASTER和UCSB地物光谱库中得到。最后综合影像各像元的大气柱水汽含量、云顶亮温与观测角度确定相应的劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。

以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行各种组合、修改或者等同替换，都不脱离本发明技术方案的精神和范围，均应涵盖在本发明的权利要求范围当中。