基于TM8卫星热红外数据地表温度反演及模型实例应用分析
基于地表温度-植被指数特征空间的土壤干旱监测
基于地表温度-植被指数特征空间的土壤干旱监测李润林;董鹏程;王瑜;汪晓斌【摘要】以张掖市甘州区绿洲为研究区,采用5期遥感影像(2011~2015年),运用ENVI 5.2提取归一化植被指数(NDVI)、改进型土壤调节植被指数(MSAVI)和地表温度(Ts),构建Ts-NDV I和Ts-MSAVI特征空间,对比分析两种特征空间.结果表明,Ts-MSAVI特征空间的干边和湿边斜率均小于0,这与前人的研究干边斜率是负值,湿边斜率是正值的结论有所不同.Ts-NDVI和Ts-MSAVI这两种特征空间具有相同的趋势,其中2012、2013、2014年这3年两种特征空间系数r2较高,其余2年系数r2较低.整体而言,Ts-NDV I特征空间的干湿边系数相比Ts-MSAVI特征空间的干湿边系数要高,稳定性好.从TV DI旱情等级分布图上可以得出2012年的受旱面积最大,干旱和重旱面积占总面积的70.39%,2013年干旱情况最严重,重干旱面积为1611.972 km2,重旱面积占到总面积的43.5%,2014年干旱程度开始缓解,轻旱、干旱和重旱面积开始降低,湿润和正常面积开始增加,2015年干旱程度得到全面缓解,湿润和正常面积占到总面积的21.9%,但是干旱和重旱面积比重依然很大,说明张掖市甘州区绿洲旱情依然很严峻.%Selecting oasis of Ganzhou district as the study area in Zhangye city,using ENVI 5.2 software to extact normalized difference vegetation(NDVI),modified soil adjusted vegetation index(MSAVI)and temperature of surface(Ts),Ts-NDVI feature space and Ts-MSAVI feature space were built. The two feature spaces were compared and analyzed. The results showed that the slope of dry-edge and wet-edge of Ts-MSAVI feature space was less than 0,which was not consistent with the previous research. The previous research thinked the dry-edge slope was negative and the wet edge slope was positive. The feature space of Ts-NDVI and Ts-MSAVI had the same trend. The r2 coefficient of two feature spaces was higher in the three years of 2012,2013 and 2013,and the r2 coefficient of the other two years was lower. On the whole,the wet-edge coefficient of the Ts-NDVI feature space was higher than that of the Ts-MSAVI feature space,and the stability was good. From the TV DI drought severity map,it could be concluded that the drought area was the largest in 2012,the drought and heavy drought area accounted for 70.39% of the total area. In 2013,the drought was the most serious,the area of heavy drought was 1611.972 km2,the area of heavy drought occupied 43.5% of the total area and the degree of drought in 2014 was lightened. And heavy drought area began to decrease,wet and normal area began to increase. In 2015,the degree of drought had been fully relieved, wet and normal area accounted for 21.9% of the total area. But the proportion of drought and heavy drought area was still great, indicating that the drought of Ganzhou district oasis in Zhangye city was still very serious.【期刊名称】《湖北农业科学》【年(卷),期】2017(056)016【总页数】7页(P3060-3066)【关键词】干旱;归一化植被指数(TVDI);改进型土壤调节植被指数(MSAVI);地表温度;张掖市甘州区【作者】李润林;董鹏程;王瑜;汪晓斌【作者单位】农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050;农业部兰州黄土高原生态环境重点野外科学观测实验站,兰州 730050;中国农业科学院兰州畜牧与兽药研究所,兰州 730050【正文语种】中文【中图分类】TP79;X43干旱是世界上许多重大自然灾害之一，在各种自然灾害中，旱灾对农业生产的影响最大。
遥感应用模型10-地表温度反演模型
大 气 对 热 辐 射 的 衰 减 很 严 重 ， 在 热 红 外 波 段 1012.5um的窗口，卫星与地面的差异可达到10K。 大气窗口有8-14um ， 10-11.5um ， 10-12.5um 等，劈 窗算法利用两个相邻热红外通道对大气吸收作用的 不同，通过两个通道测量值的各种组合来剔除大气 的பைடு நூலகம்响，进行大气和地表比辐射率的修正。
劈窗算法的一般表达式通常如下：
式中Ts是地表温度，A 和B是参数，T4和T5分别是 AVHRR 通道 4 和通道 5 的亮度温度，它们单位是绝 对温度（K）。 劈窗算法的另一常用表达式为：
其他表现形式
用NOAA9／AVHRR数据的局部劈窗算法
将视场角变化和大气水汽含量变化考虑在内，一 种适合于NOAA11/AVHRR和MODIS的劈窗算法
劈窗算法是当前热红外遥感反演地表温度中精度 较好、应用较广的算法，可以连续提供较高精度 、较高分辨率的海面温度场。
进一步提高劈窗算法的精度主要是通过修正大气 影响和地表发射率来进行的。
单窗算法所应用的数据 TM/ETM 与多通道 NOAA 、 MODIS 等数据相比，空间分辨率较高，并且对地 表发射率的敏感性较低，单从反演的技术及精度 来讲，具有较大优势，但如果反演大区域地表温 度则需要很大的资金投人。 劈窗算法是目前应用最广、最成熟的方法，精度 较高。相对而言，它不需要输入大气廓线值。但 是，劈窗算法还不完善，例如只限于晴空大气条 件下的反演，对于混合像元只能给出有效平均温 度，而没有考虑亚像元问题。
若物体的光谱发射率已知，那么就可以求解对应 黑体的光谱辐射亮度，从而求解温度T。
受环境辐射和大气辐射传输的影响，在星载传感 器上观测到的目标的辐射亮度为
基于大气校正法的Landsat8TIRS反演地表温度
基于大气校正法的Landsat8TIRS反演地表温度(2015-07-02 08:22:53)转载▼标签：分类：遥感解决方案landsat8地表温度热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。
即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。
目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。
目前，地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。
本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。
基本原理：首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。
具体实现为：卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。
卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为（辐射传输方程）：Lλ = [εB(T S) + (1-ε)L↓]τ+ L↑（1.1）式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)为黑体热辐射亮度，τ为大气在热红外波段的透过率。
则温度为T的黑体在热红外波段的辐射亮度B(T S)为：B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2）T s可以用普朗克公式的函数获取。
T S = K2/ln(K1/ B(T S)+ 1) （1.3）对于TM，K1 =607.76 W/(m2*µm*sr)，K2 =1260.56K。
温度反演模型
1.地表温度反演模型概述
地表温度反演模型概述 大气校正法地表温度反演原理
2.反演流程介绍
3.详细处理过程
图像辐射定标和大气校正
地表比辐射率计算
黑体辐射亮度与地表温度计算
1.地表温度反演模型概述
随着城市化进程的不断加速，城市热岛效应 表现的尤为突出。地表温度作为城市热岛效 应、地球环境分析的重要指标，而遥感技术 作为现代重要的对地观测手段，使得基于遥 感图像的地表温度反演的研究越来越多。地 表温度反演方法有很多，如：大气校正法， 单窗算法，单通道法等等。本专题主要采用 Landsat8 TIRS数据，运用辐射传输方程法 （大气校正法）对地表温度进行反演。
地面的真实辐射亮度为同温度黑体的辐射亮度值 LT与地物发射率ε的乘积ε·LT。
即，大气校正法的表达式可写为：
Lλ = [εB(TS) + (1-ε)L↓]τ + L↑ （1） 这里，T为地表真实温度，τ为大气在热红外波段
的透过率.
则温度为T的黑体在热红外波段的辐射亮度LT为：
B(TS) = [Lλ - L↑- τ(1-ε)L↓]/τε（2）
其中，b1： 同温度下的 黑体辐射亮 度图像
地表温度图像
在图层管理器（Layer Manager）中的地表温度 图像图层，右键选择 Raster Color Slices。将温 度划分为四个区间：
地表温度图
反演结果分析和验证
在北京天气后报网站上查询2013年 10月3日的天气预报
提示：缺少同步温度测量数据用于验证反演结果，查询2013年10 月3号北京市最低气温为10°，最高气温为22°。本示例反演结 果大部分在这个区间内，反演结果有一定的参考价值。
Landsat8 TIRS 地表温度反演
热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。
即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。
目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。
目前，地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。
本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。
基本原理：首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。
具体实现为：卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。
卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为（辐射传输方程）：Lλ = [εB(T S) + (1-ε)L↓]τ+ L↑（1.1）式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)为黑体热辐射亮度，τ为大气在热红外波段的透过率。
则温度为T的黑体在热红外波段的辐射亮度B(T S)为：B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2）T s可以用普朗克公式的函数获取。
T S = K2/ln(K1/ B(T S)+ 1) （1.3）对于TM，K1 =607.76 W/(m2*µm*sr)，K2 =1260.56K。
对于ETM+，K1=666.09 W/(m2*µm*sr)，K2 =1282.71K。
对于TIRS Band10，K1= 774.89 W/(m2*µm*sr)，K2 = 1321.08K。
地表温度反演的算法综述
地表温度反演的算法综述作者：张微程武学倪静来源：《绿色科技》2014年第12期摘要：指出了在一些关于地理环境的研究中，地表温度是一个不可或缺的因子，而传统的测量方法无法获知地表温度，随着遥感的应用，对地表温度进行反演可以迅速得知地表温度。
国内外学者提出了多种地表温度反演的算法，主要有单通道法、单通道多角度法、多通道多角度法、昼夜法、分裂窗法等。
其中应用最广泛的是分裂窗法。
关键词：地表温度;反演;算法中图分类号：P237文献标识码：A文章编号：1674-9944（2014）12-0220-031引言地表温度是一个复杂的概念，难以准确测量得出具体数值。
而它在地理学中有很重要的应用，关于地球表面的很多研究中都少不了地表温度这一参数。
如何尽可能准确地获得地表温度这一参数，成为一个很重要的课题。
随着遥感技术的广泛应用，可以大范围监测地球表面，使地表温度的获取有了可能。
许多学者在遥感技术的基础上，提出了一些算法，来反演地表温度。
各种算法各有特点，各有所长。
本文主要对目前各学者研发的地表温度反演算法进行了总结与归纳，方便后续的研究者根据不同研究对象选择合适的算法来解决问题。
2地表温度2.1地表温度概况地表温度（Land Surface Temperature， LST），即地面的温度。
太阳的短波辐射到达地面，一部分被反射到宇宙空间，一部分被地面吸收，被吸收的这部分太阳辐射使得地面增温，经过对地面温度的测量，得到的数值即地表温度。
地表温度在地理学各个圈层中起着十分重要的作用，促进大气圈、生物圈、土壤圈、水圈、岩石圈等的能量交换和物质循环，因而地表温度在地理学的研究中有着广泛的应用。
如在对土壤的研究中可以通过地表温度推算出干旱程度;在对石油、铀矿的探测中可以利用地表温度来寻找;在对城市地表温度的研究可以得出城市的热岛效应概况等。
2.2地表温度反演地表温度的测量可以用热动力学的方法测量（用温度计测量）或辐射学测量（用遥感方法测量）。
定量遥感_地表温度反演
可见光J 於L 外朋速大气^正地表真实温度反演魁1地表温度真实分布團Landsat TM 数据数据预处理可见光数据定标 热红外数抿定标工程区矢量数据地表正式温度反演熟红外液段辐射定标大气上行辐射热红外波段辐射亮度值四、具体步骤4.1、打开数据选择后缀为MTL的文件Eriiter Laridsdi MeLdDdt<± -ilendn es«Lang5flt4-1 7M • JOiOuglO导入后截图:3 Avaihbk Bard? list *=^ 回.File OptionsTM OddE T£t?lfFh|.rH4!?maO0t 1 JW1X 讣t9 Qiray Scal«RGB C□>!or■EM栄Mup Inf*同L51210J4_0 2 4201MSL i _HTL tztU TN IUI 削(B wid 1) (0. -labJ)口TN' Heta Osdl 凸(0 &&□□)口TN Ne-tn 3> OQ G5Q3]■- □ TW IU5 CBwid 4) OD 63035--□ TN Neia CBgdl 5J 〔1. G5EDJ-口TN Nftis. Ottj L d 7.) C2 2203)；；l 斷Nltp Txfvad BedridW 也让®^id 63 fLl 4509):1^1211134,Mg 01T1 K 7061 (JJytsJ LBSQJ4.2、数据辐射定标:Q Landsaft Calibration Input FileFile InformationFile ： FALan^at4-5 rM\£010Q910\L51?1034 Diifes ： 61T1 K 7061 x. B Si^: [Md 65,535 bytts Fil« Typ« : Luiditt Mtttctt*Sumnqr Typp ： Linds Tf Byte Order : Hast (Intel)Proj ection : ITU 」50 Hat thFinal: X Me i.ci >Datum ；帕S-&4Wavelength : 0- 4ES to E-茲 MicrcfnetersUpper Left Coa.ii.ei-:1, 1Bescriptioii ： GEOTIFF File Imf ortsd into ENVI LSur. Hw 30 21; 18: 49EOK]. <3E0W - LI METAIATA.FILE, ACQWISITTO1I_IWTE = SMCbDAll,SPACESRAfT_n )= Lands atS, SEESM_ID -TN, SUW_ELSVATION - El.366773^Spitid Sublet Full SctnsSpectral Subset6/6 Bands3K ] C&hcd. | hr ・vimai~| [“如―]Select Iiqyut File ：15121034 03^20100511 MTL. tit ISJ21034 03^01000.11 MTL. txt4.3、裁剪数据:定标后的数据需要进行影像裁剪处理， 选择需要分析的区域。
基于Landsat8影像和劈窗算法的济南地区地表温度反演
基于Landsat8影像和劈窗算法的济南地区地表温度反演作者：王菲来源：《绿色科技》2015年第08期摘要：地表温度是表征地表能量和资源环境变化的重要参数，通过地面观测站获得大面积地表参数并不现实。
遥感影像以其面积广、更新快、数据廉价的特点广泛应用于地表参数的求取。
利用Landsat8卫星影像，采用劈窗算法，对地表比辐射率和大气透过率进行了估算，实现了对济南地区地表温度的反演。
利用同日的MODIS温度产品对反演结果进行了验证，结果表明：反演结果能较真实地反映济南地区地表温度的分布规律。
关键词：济南地区；地表温度；Landsat8；劈窗算法中图分类号：TP79文献标识码：A文章编号：16749944（2015）080015041引言地表温度能清晰地表征地表能量平衡和资源环境变化，是一个重要的地表参数。
地面监测站虽然可以实时观测某些点的温度，但无法实现大面积获取该地区的地表温度参数。
遥感影像面积广、更新快，可以方便快捷地获得大面积地表温度参数。
不少学者曾针对地表温度反演做过大量工作[1～5]：覃志豪等使用陆地卫星TM6数据进行地表温度单窗算法反演，并针对TM6热红外波段特征给出地表比辐射率和大气参数的估算[1～3]；毛克彪等人利用MODIS数据和劈窗算法对山东地区的地表温度进行了反演，结果较合理[4]；陈云以Landsat8其中一个热红外通道—第11波段为数据源，利用单窗算法对厦门市的地表温度和热岛效应进行了求算和研究，得到较好结果[5]。
劈窗算法的数据源多选用MODIS、NOAA-AVHRR等拥有两个热红外通道的遥感影像。
MODIS数据反演地温效果较理想，但由于MODIS等数据的空间分辨率太低，因此MODIS等中低分辨率的数据比较适合反映大区域的温度变化规律。
针对于小区域的地表温度反演，目前多以TM、ETM、中巴资源卫星、HJ-1B等中高分辨率影像为数据源，利用单窗算法反演地表温度。
Landsat8影像数据源较新，两个热红外通道波谱范围与MODIS数据相近。
- 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)。
基于TM8卫星热红外数据地表温度反演及模型实例应用分析摘要：本文采用ENVI/IDL编程技术，针对Landsat 8卫星运行陆地成像仪（OLI）
和热红外传感器（TIRS）数据波段特点，对劈窗算法进行了推导，提出适合Landsat 8新的劈窗算法模型流程图，推导新的劈窗算法系数，对地表比辐射率和
大气透过率这两个关键参数进行了重新拟合、分析和反演，最后反演出Landsat 8
卫星珠三角区域的LST。
关键词：地表温度；TM8卫星；模型实例；反演
1地表温度以及TM8卫星
地表温度（LST，Land surface temperature）是区域和全球地表生物、物理和
化学过程中的关键因子，在地表和大气交互及能量交换中发挥着重要的作用，对
地表能量平衡的研究以及气候、水文、生态和生物等学科研究均有重要意义。
在
农业气象和气候、作物长势和农业干旱监测、农业大面积病虫害监测、农作物估产、农田耗水量估算、林业灾害预测和地震红外辐射异常等环境生态检测评价研
究中发挥着举足轻重的作用。
由于遥感卫星获取地物信息具有速度快、周期短、
范围广、信息量大和连续监测等优点，借助遥感卫星能为反演地表温度提供一个
重要途径。
由于TM8卫星是在原Landsat卫星基础上继承和发展并在原来Landsat卫星
上进行重要的改进，因此具有很强的一致性，所以对TM8卫星研究分析农业中的利用有助于使TM8数据向TM和ETM+数据的平稳过度。
2 地表比辐射率和大气透过率反演
2.1 地表比辐射率反演
研究表明，地表比辐射率对地表温度变化很大，比辐射了每变化0.01可以引
起地表温度的差别接近2K，因此地表比辐射率是LST反演的关键参数。
由于TM8
卫星OLI传感器提供了丰富的地表信息，可以利用Sobrino等人提供的NDVI阈值
法估算地表比辐射率，该方法具有较高的精度和可操性。
首先在影像上确定纯植
被的NDVI最大值为0.89，裸土NDVI最小值为0.05。
2.2 大气透过率反演
大气透过率跟大气中的成分有很大关系，而大气中的水分含量变化是大气透
过率波动的主要因素。
由于以往的劈窗算法均没有针对TM8卫星进行研究过大气透过率与水汽含量之间的关系，为此本文在Modtran基础上对TIRS10和TIRS11
通道对大气透过率和水汽含量进行了模拟。
3 模型实例应用分析
本文选取的珠三角2013年11月29日上午10：53TM8卫星地表温度反演影
像和温度产品图1所示
图1 劈窗算法影像反演图和MOD11_L2影像产品图
注：a为影像反演图，b为温度产品图
4.1 LST空间分布分析与精度验证
从图1可以明显看出，即使获取的影像已经是11月29日上午10：53，但是珠三角大部分地方仍然普遍温度较高，大部分区域大于18℃，以珠三角中心城区
为主的广州城区、东莞、佛山、江门北部和中山围成的区域普遍温度在25℃以上，
处于较高温状态，而广州北部的增城、从化、南部的番禺和接近沿海附近城市温度在18℃左右，而珠三角北部城市（清远、惠州）LST均在18℃以下，甚至有些城市区域在14℃以下，越靠近内陆温度逐渐上升。
总的来说中心城区和南部城区LST高，北部LST低。
从图可以看出，第一地表温度高低在很大程度上跟该城市的绿化度和植被覆盖度有关，第二中心城区主要以城镇用地为主，越往北部和南部主要是非城镇用地，不同土地下垫面的类型导致了LST分布不均匀，第三重工业区主要分布在中心部位，扩散速度逐步向周边减弱，这跟LST趋势走向是一致的。
对比图1a和图1b可看出，两幅影像LST轮廓在空间分布格局基本一致，均表现为珠三角中心城区LST高于周边其他城市，因此本文针对Landsat 8卫星推导劈窗算法反演的LST在肉眼直观上看起来是可靠的。
为了进一步验证该算法的精确性，本文分别从LST散点图、LST差值直方图和气象站点实测LST进行分析该推导算法的验证。
图2 产品LST与反演LST散点图
图3 产品LST与反演LST差值直方图
图4 气象站点LST验证
图2中虚线为（1：1）线，反演值与产品值的LST散点图线性回归方程线（实线），实线越接近虚线，则反演值与产品值误差越小。
图2中N为影像样本数（787395）、R2为决定系数（0.8182）、RMSE为均方根误差（0.3845），R2越接近1且RMSE越接近0则LST反演值越接近于产品值，从图2可看出，针对TM8卫星推导的劈窗算法拟合的LST与产品温度精度一致性较好。
为了更好地分析算法和产品之间的定量关系，做两幅影像LST差值直方图，从图2LST差值直方图可看出，温差范围呈现正态分布趋势，影像反演LST和产品LST误差范围主要集中在-0.6℃-0.6℃之间，算法精度模拟较高，由于反演的LST影像与NASA提供的MOD11_l2产品时间误差仅10min，不存在时间误差导致温度误差可能。
图4为中国气象科学数据共享网获取的研究区域15个气象站点上午11：00的气象站数据，经统计产品站点温度均值为21.61℃，算法反演温度均值为21.19℃，站点观测温度均值为21.38℃，图4可看出，推导的劈窗算法【1】站点温度与产品站点温度和观测站点温度具有较好的一致性。
从温度空间格局分布图、LST误差散点图、差值直方图和气象站点温度都可以清晰地看出推导TM8热红外的劈窗算法精度高，可以利用TM8劈窗算法反演流程把该算法推广到LST实际应用中，能获取较高的精度，满足我国地区农业旱情监测和土壤墒情时空动态变化的需要。
4.2 气象站点高温监测精确验证
在农业旱灾监测中，主要是利用热红外遥感数据来反演地表热量分布状态，从而建立干旱模型来进行农田水热时空动态变化评估，判断农业旱情和灾情的时空变化，此模型核心方法主要是植被供水指数法和地表热惯量法或者是这两个方法的改进方法条件植被指数法[2，3]，而上述方法都是以地表温度作为反演的基本参数，因此获取地表温度精度的高低直接影响到农业旱灾的准确监测，为验证本文推导的劈窗算法TM8卫星LST反演的准确性，分别从直观遥感反演影像图和章节4.1进行了精度分析和验证，该章节进一步用气象站点数据评估该算法。
主要选择了高温区域（三水、番禺、鹤山、顺德、新会、花都、宝安和高明）这几
个城市气象站点温度数据进行对比分析。
采用均方差（RMSD）统计，其中均方差
（13）
经过计算统计RMSD为0.742℃，小于1℃，精度满足地表高温监测的需要，说明该文推导出的TM8劈窗算法精度较高。
5 结论
地表温度（LST）是决定农业旱情和土壤墒情时空动态变化的重要因素，准确获取LST参数对农业旱灾和旱情监测具有重大意义。
本文以TM8卫星运行陆地成像仪（Operational Land Imager，OLI）和热红外传感器（Thermal Infrared Sensor，TIRS）数据为基础，针对TM8波段特点，推导适合该卫星的劈窗算法反演LST。
参考文献
[1]孙志伟，唐伯惠，吴骅，等.通用劈窗算法的 NOAA-18（N）AVHRR/3 数据地表温度遥感反演与验证[J].地球信息科学学报.2013，15（3）：431-439.
[2]冯强，田国良，王昂生，等.基于植被状态指数的土壤湿度遥感方法研究[J].自然灾害学报.2004（03）：81-88.
[3]詹志明，冯兆东.区域遥感土壤水分模型的方法初探[J].水土保持研究.2002（03）：227-230.。