(完整word版)MODIS数据反演地表温度
用MODIS数据和分裂窗算法反演内蒙古地区的地表温度_包刚 (1)
第34卷第1期2009年1月测绘科学Sc i ence o f Survey ing and M app i ngV o l 134N o 11Jan 1作者简介:包刚(1978-),男(蒙古族),内蒙古通辽市人,硕士研究生,主要从事热红外遥感,R S 与G IS 应用等方面研究。
E -m a i:l baogang @i m nu1edu 1cn 收稿日期:2007-08-15基金项目:国家自然科学基金项目40561010和60762004;内蒙古自然科学基金项目200508010601;内蒙古师范大学基金项目用MODIS 数据和分裂窗算法反演内蒙古地区的地表温度包 刚¹,包玉海¹º,李慧静º,王萨仁娜¹(¹内蒙古自治区遥感与地理信息系统重点实验室,呼和浩特 010022;º内蒙古师范大学地理科学学院,呼和浩特 010022)=摘 要>地表温度是气象、水文、生态等研究中一个重要参数。
大气透过率和比辐射率是分裂窗算法的两个重要输入参数,本文利用M OD IS 数据的可见光波段(band1)和近红外波段(band2、19)计算该两个参数;再利用M OD IS 数据的两个热红外波段(band31、32)和分裂窗算法对内蒙古地区地表温度进行了反演;结果表明,遥感反演出来的地表温度的空间分布与内蒙古气候区地空间分布具有高度的一致性,能直观地反应内蒙古地区地表温度的空间分布特征。
=关键词>MOD IS ;分裂窗算法;大气透过率;比辐射率;地表温度=中图分类号>TP79 =文献标识码>A =文章编号>1009-2307(2009)01-0032-03DO I :1013771/j 1issn 11009-23071200910110081 引言陆地表面温度(LST )在地表和大气相互作用过程中起着重要的作用,它在气象、地质、水文、生态等众多领域有着广泛的需求。
基于MODIS数据的全国地表温度反演的开题报告
基于MODIS数据的全国地表温度反演的开题报告一、研究背景和目的全球气候变化和城市化进程加快了城市和农村环境的变化。
地表温度是研究城市和农村环境变化的重要指标，也是影响气候变化、生态环境和人类生活的重要因素之一。
太空遥感技术可以获取大范围、高频率、高精度的地表温度数据，应用也越来越广泛。
本研究的主要目的是基于MODIS遥感卫星数据反演全国地表温度，分析不同地区的地表温度分布情况和变化趋势，揭示城市化和气候变化对地表温度的影响，为城市规划、生态保护和气候变化研究提供数据支持。
二、研究方法和流程1. 获取MODIS数据。
使用NASA网站上的MODIS数据获取工具下载指定区域和时间段的LST（Land Surface Temperature）和EVI （Enhanced Vegetation Index）数据。
2. 数据预处理。
使用ENVI软件进行预处理，包括数据空值填补、大气校正、温度调整、地理参考系统校正等。
3. 定义研究区域。
根据研究目的，选择全国范围内的重要城市和农村地区作为研究区域。
4. 分析地表温度分布。
使用ArcGIS软件进行空间统计分析，绘制研究区域的地表温度分布图和温度变化趋势图。
5. 研究城市化和气候变化对地表温度的影响。
分析不同地区的地表温度变化趋势和空间分布，结合相关统计数据和文献资料，分析城市化和气候变化对地表温度的影响和机制。
三、预期结果和意义预计本研究将获得全国范围内不同地区的地表温度分布情况和变化趋势，分析城市化和气候变化对地表温度的影响和机制，为城市规划、生态保护和气候变化研究提供数据支持。
结果可为相关政府部门提供科学决策依据，促进城市化和生态建设的协调发展，促进地区可持续发展。
简述使用modis数据估算地表温度的计算方法
简述使用modis数据估算地表温度的计算方法
MODIS（Moderate Resolution Imaging Spectroradiometer）数据
可以通过反演技术估算地表温度。
其计算方法大致如下：
1. 选择合适的MODIS产品，一般选择“地表温度产品”
（MOD11）。
2. 预处理影像数据，包括大气校正、粗略的表观辐射温度（LST）估算。
3. 估算精确的LST，用MODIS获取的表观辐射温度、大气温
度和水汽压力数据，通过热辐射传输方程，通过计算来估算表面温度。
4. 考虑不同地表材质的辐射特性，对LST进行空间插值或分
段处理。
5. 对LST进行质量控制，排除无数据和异常值。
6. 根据需要使用地表温度进行相关应用，如土地利用覆盖分类、水循环模拟、城市热岛研究等。
需要注意的是，使用MODIS数据估算地表温度需要考虑影响
因素较多，如大气干湿度、大气温度、地表材质、地形高程等，因此在处理数据时应该注意对这些因素进行准确的获取和处理，确保精度和可靠性。
地表温度反演实验报告
地表温度反演实验报告地表温度是指地球表面的温度，是一个重要的气象参数，对于气候变化、城市热岛效应等问题具有重要的影响。
地表温度反演是通过遥感技术获取地表温度信息的一种方法，可以有效地监测地表温度的变化情况。
本实验旨在利用卫星遥感数据，反演地表温度，并对结果进行分析和讨论。
实验方法：我们收集了MODIS卫星传感器获取的遥感数据，包括云量、地表温度等信息。
然后，利用反演算法对这些数据进行处理，得到地表温度的反演结果。
接着，我们将反演结果与实地观测数据进行对比分析，验证反演结果的准确性。
最后，我们对地表温度的空间分布特征进行研究，分析其与地形、植被覆盖等因素的关系。
实验结果：经过反演算法处理，我们得到了一幅地表温度的空间分布图。
从图中可以看出，地表温度在不同区域有明显的差异，一般来说，城市区域的地表温度要高于郊区和农田地区。
另外，我们还发现地形和植被覆盖对地表温度有一定的影响，高海拔地区的地表温度要低于低海拔地区，而植被茂密的地区地表温度相对较低。
实验分析：通过对地表温度的反演结果进行分析，我们可以发现地表温度的空间分布受到多种因素的影响，包括城市化程度、地形、植被覆盖等。
城市热岛效应导致城市区域地表温度升高，而高海拔地区地表温度较低，这些都是地表温度空间分布差异的原因之一。
植被覆盖可以降低地表温度，起到调节气候的作用。
结论：地表温度反演是一种有效的监测地表温度变化的方法，可以为气候研究、城市规划等领域提供重要的参考依据。
通过对地表温度的反演结果进行分析，可以更好地理解地表温度的空间分布特征，为环境保护和气候调控提供科学依据。
希望通过本实验的研究，能够更深入地探讨地表温度变化的规律，为未来的研究提供参考。
MODIS数据地表温度反演分裂窗算法的IDL 1
分裂窗算法的参数，分别定义如下：
A0 = a 31 D32 (1 - C31 - D31)/ (D32C31 - D C 31 32 ) - a32 D31(1 - C32 - D32 )/ (D C 32 31 - D31C32 )
(2)
A1 = 1 + D31/(D C 32 31 - D31C32 ) + b31 D32 (1 - C31 - D31)/ (D32C31 - D31C32 )
(19)
式中ε31和ε32是MODIS第 31,32 波段的地表比辐射率；ε31v和ε31s分别是植被和裸土在第 31 波 段的地表比辐射率，分别取ε31v=0.98672，ε31s= 0.96767；ε32v和ε32s分别是植被和裸土在第 32 波段的地表比辐射率，分别取ε32v=0.98990， ε32s=0.97790；Pv是像元的植被覆盖率；Rv和Rs 分别是植被和裸土的辐射比率，可取Rv=0.92762+0.07033Pv，Rs=0.99782+0.08362Pv；dε是热 辐射相互作用校正，由植被和裸土之间的热辐射相互作用产生，可通过如下经验公式来估计
(6)
其中τi(θ)是i(i=31,32)波段视角为θ的大气透过率；εi是i波段的地表比辐射率。 2.2 分裂窗算法各中间参数的计算 2.2.1 亮度温度的计算
MODIS 图像是用 DN 值表示的，因此，要计算星上亮温，必须先 DN 值转换成相应的 辐射强度值，然后再用 Planck 函数求解星上亮温。
Qin et al.（2001）在[1]中提出了两因素地表温度反演分裂窗算法，该算法只需要两个参 数并且精度较高。覃志豪等人在以前他本人针对AVHRR提出的劈窗算法基础上,改进并提出 了适用于MODIS数据的地表温度反演算法[2],并且算法需要的基本参数都可以从MODIS数据 中反演得到。该算法已经被推荐并应用于中国MODIS地表温度产品生产。为了进行义务化 流程生产，减少工作人员的工作量，本文先对这一义务化算法进行介绍，然后对这一算法的 程序（IDL）实现进行简要介绍。
MODIS数据反演地表温度
表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。
Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。
Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。
Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。
Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。
Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。
在这些表达式里，大气和比辐射率的作用是耦合在一起的。
而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。
覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。
在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。
本文主要针对这一算法进行介绍。
覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A A T A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。
MODIS数据反演地表温度的应用研究
第24卷 第3期干 旱 区 资 源 与 环 境Vol.24 No.3 2010年3月Journal of A rid Land Res ources and Envir onment Mar.2010文章编号:1003-7578(2010)03-051-04MOD IS数据反演地表温度的应用研究3赵少华1,邱国玉2,秦其明1,杨永辉3,熊育久2(1.北京大学遥感与地理信息系统研究所,北京,100871; 2.地表过程与资源生态国家重点实验室(北京师范大学);北京师范大学资源学院,北京100875;3.中国科学院遗传与发育生物学研究所农业资源研究中心;河北省节水农业重点实验室,石家庄050021) 提 要:在近年来提出的两种温度劈窗算法中,研究采用Sobrino等(2003)的辟窗算法和NDV I阈值法获取地表比辐射率,并结合M ao等(2005)劈窗算法中对大气水汽含量的估算,反演了山西省三个时相的地表温度。
从反演的LST分布图上发现,该反演算法与LST产品比较符合。
同时以其中的一个时相为例,利用LST产品对反演的精度进行了验证,结果发现反演值和产品二者的最大值、最小值和平均值的误差值分别为1.08℃、0.16℃和0.75℃,其均方根误差R MSE达1.30℃,具有较高的精度,从而表明该法反演地表温度的可行性,并化简了地表温度遥感估算的难度,在不依赖于地面实测资料的情况下,可准确快速地大面积遥测农业环境温度,有助于监测农业旱情。
关键词:地表温度;比辐射率;水汽含量;MOD I S中图分类号:TP79 文献标志码:A 地表温度(Land Surface Te mperature)是全球和区域尺度上陆气界面过程之间相互作用和能量通量传输的一个重要参数,被广泛应用于国防军事、农业环境、资源生态等各种科学研究之中,特别是在农业环境方面的研究,乃是一个重要领域,因此准确获取其分布的时空状况具有非常重要的意义[1]。
用辐射传输方程从modis数据中反演地表温度的方法
用辐射传输方程从modis数据中反演地表温度的方法地表温度是指地球表面的温度，这一参数对于土地利用、资源与环境等多个领域具有重要意义。
MODIS是一个运行在太阳同步轨道上的传感器，能够提供高质量的地球观测数据，因此可以应用于地表温度反演研究。
本文将介绍从MODIS数据中反演地表温度的方法——用辐射传输方程。
一、地表温度地表温度（Land Surface Temperature，LST）是指地球表面的物体温度。
地表温度反映地表热量平衡状态，同时能够提供地表水文周期（如蒸散发过程）、大气学方面（如湍流输送过程）和地表物理学（如热容和热导率等）重要的信息。
二、辐射传输方程辐射传输方程（Radiative Transfer Equation，RTE）用于描述一束光束通过大气、地表等介质时，光通过某些介质后所产生的轨迹、散射、吸收的变化。
由于地球大气的吸收、散射、反射作用，导致MODIS接收到的辐射并不是来自地表，因此需要通过辐射传输方程反演地表温度。
当地表温度为T，定高角度上的亮温值为L，大气温度为Ta时，辐射传输方程可表示为： $$ L = \frac{ER}{1-\alpha}+\alpha B(Ta)+(1-\alpha)B(T) $$ 其中，$E$为模型能量转移通量，$R$为模型接收光通量。
$\alpha$表示地表反射率，$B(T)$为以$T$为温度的Planck函数，为天体辐射强度。
而$B(Ta)$则为大气温度为Ta时的Planck函数。
公式右边第二项是由于大气温度的辐射贡献而产生的光辐射，而最后一项是地表温度自己的辐射贡献。
三、从MODIS数据中反演地表温度从地球观测卫星MODIS数据中反演地表温度，可以分为以下三个步骤：3.1 获取modis数据MODIS数据可以从NASA网站免费获取。
对于地表温度反演研究，需要获取L1B产品中的通量文件和反射和红外辐射文件。
3.2 估算大气影响估算大气影响包括大气延迟、光学深度和水汽量的估算等，因此需要获取MODIS数据所覆盖区域的大气参数场。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
表1 MODIS 部分波段及其参数[14]波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度1000m 3211.770～12.270μm0.051000m劈窗算法介绍McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。
Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。
Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。
Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。
Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。
Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。
在这些表达式里，大气和比辐射率的作用是耦合在一起的。
而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。
覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率[15][ 16]。
在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精度较高，被认为是较好的算法之一。
本文主要针对这一算法进行介绍。
覃志豪[15]等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下:0131232Ts A AT A T =+- （1）其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。
0A 、1A 、2A 是系数，分别定义如下：01264.6036368.72575A E E =-+1110.440817A A E =++ 220.473453A A E =+3132313132/()A D D C D C =- 132313132313132(1)/()E D C D D C D C =--- 231323232313132(1)/()E D C D D C D C =--- 31313131(1)[1(1)]D τετ=-+- 32323232(1)[1(1)]D τετ=-+-313131C ετ= 323232C ετ=其中：A 、1E 、2E 、31D 、32D 、31C 、32C 为中间变量，可迭代消除；31ε、32ε分别为31、32波段的地表比辐射率；31τ、32τ为31、32波段的大气透过率。
参数计算亮度温度计算亮温是指辐射出与观测物体相等辐射能量的黑体温度，可以根据普朗克（Planck ）公式计算得到，MODIS 第31和32波段的亮度温度31T 、32T 由下式计算：215ln(1)i i i iC T C R λλ=+（2）其中: i T 是MODIS 第i(i=31,32)波段的亮度温度, i λ是波段i 的中心波长,针对MODIS 的第31和32波段,其值可分别取31λ=11.28μm 和32λ=12.02μm ；C 1和C 2是常量,分别取C 1=1.19104356×10-16W ·2m 和C 2=1.4387685×104μm ·K 。
由于需要注意C 1、i R 、i λ的单位转化问题，为了便于计算，可将该式进行简化，设,22/i i K C λ=，5,11/i i K C λ=。
则上式可转化为：,2,1ln(1)i i i iK T KR =+ （2b ） 其中,1i K ，,2i K 为常量，对于31波段：31,1729.541636K =，31,21304.413871K =；对于32波段：32,1474.684780K =，32,21196.978785K =。
i R 是MODIS 第i(i=31,32)波段的热辐射强度,可根据下式得到：_*(_)i i R radiance scales DN radiance offset =- （3）式中radiance_offset 为截距，radiance_scale 为斜率，均可以从HDF 格式的MODIS 图像的头文件中直接查出，DN 为遥感图像第31和32波段的实际保存数值。
大气透过率的计算大气透过率是地表辐射、反射透过大气到达传感器的能量与地表辐射能、反射能的比值,它与大气状况、高度等因素有关。
对于热红外波段,最重要的大气变化是大气温度和水汽的变化。
在天气稳定情况下, 虽然影响大气透过率的因素比较多，但水汽含量是影响大气透射率的主要因素。
根据Kaufman 等的研究,对于MODIS 图像中的任何一个像元,其可能的大气水分含量可用下式估计:1922ln()[]w ραρβ-= （4）其中，w 是大气水分含量；α、β是常量，取α=0.02，β=0.651；19ρ、2ρ分别是MODIS 第19和第2波段的地面反射率。
表2 MODIS 第31和32波段的大气透过率估计方程[13]水分含量/(g.cm -2)大气透过率估计方程 夏季0.4～2.0τ31=1.101636-0.10346*w τ32=1.02144-0.13927*w夏季2.0～4.0τ31=1.11795-0.15536*w τ32=1.09361-0.17980*w 夏季4.0～5.4τ31=0.77313-0.07404*w τ32=0.65166-0.09656*w 冬季0.4～1.4τ31=1.101089-0.09656*w τ32=0.97022-0.08057*w由于MOD IS 的扫描带比较宽,遥感视角和大气温度会对大气透过率有比较大的影响,因此还进行了大气透过率的遥感器视角校正函数和温度校正函数。
根据高懋芳等[13人的进行回归拟合的方程估算31、32波段的大气透过率即31τ 、32τ估计方程如表2所示。
由于该估计方程是根据近地气温为25℃进行拟 合的结果，所以还要根据表3进行温度订正：表3 大气透过率的温度校正函数[13]波段温度校正函数 温度区间 MODIS 31δτ(T )31=0.08T 31>318 K δτ(T )31=-0.05+0.00325*(T 31-278)278<T 31<318 K δτ(T )31= -0.05T 31<278 K MODIS 32δτ(T )32=0.095T 32>318 K δτ(T )32=-0.065+0.004*(T 32-278)278<T 32<318 K δτ(T )32= -0.065T 32<278 K注：31T 、32T 是第31、32波段的亮度温度。
地表比辐射率的计算地表比辐射率是物体与黑体在同温度、同波长下的辐射出射度的比值。
在传感器的波段区间及像元大小确定情况下,地表比辐射率主要取决于地表物质的组成和结构。
在MODIS 1km 的像元尺度下,像元可以粗略视作由水体、植被和裸土3种类型构成。
MODIS 混合像元的地表比辐射率可表示为: (1)i w w iw v v iv w v s is P R P R P P R d εεεεε=++--+ （5）式中：i ε是MODIS 图像第i(i=31、32)波段的地表比辐射率；iw ε、iv ε、is ε分别是水体、植被、裸土的地表比辐射率，对MODIS 第31波段（i=31）分别为0.992、0.9844、0.9731，对MODIS 第32波段（i=32）分别取 0.989、0.9851、0.9832；w R 、v R 、s R 为温度比率，定义为4(/)i i R T T =，这里i 分别表示下标w 、v 、s ，T 为混合象元平均温度，覃志豪等的模拟分析认为在5一45℃范围内，这三种地表类型的平均温度比率分别为w R =0.99565，v R =0.99240，s R =1.00744。
w P 、v P 分别为水面和植被的构成比例，对于水面较大的地区来说,可以利用可见光和红外波段水体反射率一般明显低于其它地物以及水体归一化植被指数NDVI<0的特性,提取纯水体像元,并取w P =1.此时,31310.9876848w w R εε==，32320.98469785w w R εε==。
对于水面可以忽略的陆地来说，主要由裸地和植被组成，取w P =0，植被覆盖度v P 主要通过归一化植被指数NDVI 来确定： sv v sNDVI NDVI P NDVI NDVI -=- （6）式中：NDVI 是植被指数，v NDVI 、s NDVI 分别是茂密植被覆盖和完全裸土像元的NDVI 值，通常取0.9v NDVI =， 0.15s NDVI =。
因此，当NDVI>NDVI v =0.9时，P v =1，表示该像元是一个茂密植被覆盖的地区，看不见裸露的土壤表面，31310.976919v v R εε==，32320.977613v v R εε==；否则，当NDVI<NDVIs=0.15时,Pv=0，表示该像元是一个完全裸露的地区，没有任何植被覆盖31310.9803398s s R εε==，32320.990515s s R εε==；当0.15<NDVI<0.9时，(1)i v v iv v s is P R P R εεε=+-。
对于MODIS 图像而言，NDVI 用第1和2波段来计算： 2121B B NDVI B B -=+ （7）式中：B 2、B 1分别表示第1、2波段的反射率。
最后估计校正项d ε：当Pv ＝0或Pv ＝1时,d ε最小,d ε＝0； 当0＜Pv ＜0.5时,d ε＝0.003796 Pv ； 当1＞Pv ＞0.5时, d ε＝0.003796(1-Pv)；当Pv ＝0.5时,d ε最大,d ε＝0.001898。