基于MODIS数据的浙江省地表温度空间分布研究
(完整word版)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 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。
基于卫星遥感数据的地表温度遥感反演与应用
基于卫星遥感数据的地表温度遥感反演与应用地表温度是地球表面的温度，它是地球气候系统中重要的参数之一。
随着卫星遥感技术的发展，利用遥感数据来反演地表温度的方法越来越受到关注，并在气候研究、环境监测、农业等领域得到广泛应用。
基于卫星遥感数据的地表温度反演主要利用热红外波段的遥感数据，如MODIS、Landsat等卫星传感器获取的热红外数据。
地表温度反演的基本原理是利用地表辐射热红外能量的辐射率与温度之间的关系，通过对热红外波段的辐射定量测量，推算出地表温度。
地表温度的反演方法主要包括基于辐射平衡原理的方法和基于物理模型的方法。
基于辐射平衡原理的方法是利用卫星遥感数据中的辐射率，通过辐射平衡方程计算地表温度。
基于物理模型的方法则是基于热辐射传输和能量平衡的物理原理，建立地表辐射和能量平衡方程，通过求解方程组来反演地表温度。
除了以上两种基础的反演方法，还有一些改进的算法被提出，如基于统计模型、基于遥感与气象资料联用等方法。
这些方法在提高地表温度反演精度和空间分辨率方面都具有一定的优势。
地表温度的遥感反演有着广泛的应用价值。
首先，在气候研究领域，地表温度是评估气候变化和研究城市热岛效应的重要指标之一。
通过对地表温度的长期观测和分析，可以揭示气候变化的趋势和规律，提供科学依据为气候预测和气候变化的评估。
其次，地表温度的反演可以应用于环境监测。
地表温度是环境质量和生态环境状况的重要反映指标之一。
通过对地表温度的监测和分析，可以评估土地利用变化对环境的影响，监测水资源的分布和变化，提供科学依据为环境保护和生态建设提供支持。
再次，在农业领域，地表温度的反演可以应用于农作物生长监测和病虫害预测。
由于农作物在不同生长阶段有不同的温度需求，通过观测地表温度可以评估农作物的生长状态和需水量，为农田水利管理提供科学依据；同时，通过地表温度的监测还可以预测农作物病虫害的发生程度，提前采取相应的防治措施，为农业生产提供技术支持和指导。
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。
基于MODIS数据的近地表气温估算_徐伟燕
。
海拔、 植被及土壤湿度等时空多 由于受到纬度、 变要素的影响， 气温的时空分布模式很复杂。 多年 来气温数据多以离散的常规气象站观测为主 ， 连续 分布的格点气温数据则由站点资料插值得到 。由于 气象站点分布不均匀， 部分人烟稀少地区甚至根本 没有气象 观 测 站， 因此气温插值难免存在较大误 差
第 38 卷
第1 期
气象与环境科学 Meteorological and Environmental Sciences
Vol． 38 No． 1 Feb． 2015
2015 年 2 月
基于 MODIS 数据的近地表气温估算
徐伟燕
1， 2， 3
，孙睿Leabharlann 1， 2， 3，金志凤4 ，胡
波
1， 2， 3， 5
2 0． 94 、 0． 90 ， 合， 得到近地表气温。结果表明： 三种方法的决定系数 Ｒ 分别为 0． 87 、 均方根误差 ＲMSE 分别为 3． 35
℃、 2． 31 ℃ 、 2． 78 ℃ ， 多因子估算模型得到的结果最好 。 同时对其分白天和夜间进行检验 ， 二者的 ＲMSE 分别为 2． 27 ℃ 、 1． 93 ℃ ， 夜间精度比白天高。对于季节的变化， 秋季估算结果最好， 春季次之， 冬季稍差， 夏季最差。 关键词： 近地表气温； MODIS； 地表温度； 遥感 中图分类号： TP79 ； P423． 7 文献标识码： A 文章编号： 1673 － 7148 （ 2015 ） 01 － 0001 － 06
T a = A + B1 × X1 + B2 × X2 + B3 × X3 + … + B n × X n （ 2） A 为常数项， Bn （ n = 1， 2， 3， … ） 为回归系数， 其中， 2， 3， …） 为影响因子。 Xn （ n = 1， 2． 3 地表能量平衡方法 Zakek 等［19］利用地表温度、 短波辐射、 反射率
基于MODIS数据的青藏高原地表温度的时空变化特征分析
基于MODIS数据的青藏高原地表温度的时空变化特征分析倪杰;贾文竹;赵娜;杜宜臻【期刊名称】《鲁东大学学报（自然科学版）》【年(卷),期】2024(40)2【摘要】随着全球气候变化,青藏高原地表呈现出增温的趋势,这会引发一系列灾害事件的发生。
本研究利用2003—2017年中国地表温度数据集(MOD11C1和MYD11C1),通过趋势分析法、M-K趋势检验法等,系统分析了青藏高原地表温度的时空分布特征。
分析结果表明:青藏高原2003—2017年平均地表温度为0.88℃,整体表现为由东南向西北递减的趋势。
从四季分布来看,整个研究区内四个季节的地表温度平均值由高到低排列为:夏季、春季、秋季、冬季,分别为9.57、1.53、1.51和-9.13℃;研究时段内青藏高原年平均地表温度呈波动上升趋势,平均每10年上升0.41℃;四季的地表温度变化趋势表现为春季降温、夏秋冬三季升温的特点,且秋季的地表升温幅度最大,达到0.70℃/10 a;此外,地表温度随海拔高度的变化特征表现为:青藏高原地区海拔每升100 m,年平均地表温度下降0.36℃。
研究结果以期为青藏高原灾害风险评估研究提供参考。
【总页数】10页(P123-132)【作者】倪杰;贾文竹;赵娜;杜宜臻【作者单位】枣庄学院旅游与资源环境学院;中国科学院西北生态环境资源研究院青藏高原冰冻圈观测研究站;山东省国土空间生态修复中心【正文语种】中文【中图分类】TP75【相关文献】1.基于MODIS数据的青藏高原积雪时空分布特征分析2.基于MODIS数据的胶东半岛地表温度时间变化特征分析3.近10a来青藏高原地表温度时空变化特征分析4.基于MODIS数据的贵阳市地表热场时空特征分析5.基于MODIS数据的云贵高原地表温度时空特征分析因版权原因，仅展示原文概要，查看原文内容请购买。
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。
利用MODIS BRDF和反照率产品进行地表特性的研究共3篇
利用MODIS BRDF和反照率产品进行地表特性的研究共3篇利用MODIS BRDF和反照率产品进行地表特性的研究1利用MODIS BRDF和反照率产品进行地表特性的研究随着卫星遥感技术的发展，可以借助卫星数据对全球范围内的地表进行观测和研究。
其中，MODIS卫星是一种广泛使用的卫星，其可以获取到不同光谱波段的数据，并提供BRDF（Bi-directional Reflectance Distribution Function）和反照率产品。
这些产品可以用于地表特性的研究，例如植被覆盖、土地利用和陆地变化等。
BRDF是指单位入射辐射的方向性，与单位出射辐射的方向和波段相关的比率。
BRDF的研究可以帮助我们了解地表不同方向、不同波段特性的差异，以及光线在地表上的传输和反射。
在利用MODIS BRDF数据进行地表特性研究时，需要注意不同波段的数据差异，尤其是在红外波段，BRDF的反射率会出现较大的影响。
反照率是指入射辐射到达地表后，地表向各个方向散射反射的比率。
反照率产品是反射率的平均值，可以帮助我们了解地表在可见光波段下的反射特性。
同时，反照率也可以用于计算地表能量平衡和辐射强迫。
在利用MODIS反照率数据进行地表特性研究时，需要注意不同反照率产品间的精度和一致性，以及遥感数据的缺失和噪声问题。
在利用MODIS BRDF和反照率产品进行地表特性研究时，需要结合统计方法和机器学习等技术对数据进行处理和分析。
例如，可以利用聚类分析对反照率数据进行分类，从而得到不同地表覆盖类型的空间分布；也可以利用SVM等算法对BRDF数据进行分类，以了解不同地表特性的变化趋势和影响因素。
总之，利用MODIS BRDF和反照率产品可以有效地了解全球各个地区的地表特性，为自然资源管理、环境保护和灾害预警等提供重要参考和支持。
在未来，随着遥感技术和数据处理技术的发展，我们可以期待更加高精度和全面的地表特性研究通过利用MODIS BRDF和反照率产品，我们可以全面了解全球各个地区地表特性，从而更好地实现自然资源管理、环境保护和灾害预警等目标。
利用MODIS遥感数据监测植被覆盖变化研究
利用MODIS遥感数据监测植被覆盖变化研究近年来，随着全球气候变化的加剧和人类活动的不断扩展，植被覆盖变化已经成为影响人类生存环境和经济发展的一个重要问题。
利用遥感技术监测植被覆盖的变化越来越受到关注，其中MODIS遥感数据因为覆盖面积广、时间分辨率高、数据更新快等优势成为监测植被覆盖变化的重要手段，为多个领域提供了灵活和高效的信息。
MODIS遥感数据的监测原理MODIS是一种利用陆地、海洋和大气对地球环境进行高速扫描观测的遥感系统。
其主要采用红外、可见光、近红外等不同颜色波长信号来监测植被生长、水文剖面、物种分布、能流平衡等因素，从而对地球的环境变化做出各种预测和定量评估。
MODIS遥感数据覆盖全球陆地面积，每天每天更新频率高，提供了一系列具有决策意义的遥感数据，优化了农业、生态、气象、地质和环境管理等领域的分析和研究。
利用MODIS遥感数据监测植被覆盖变化利用MODIS遥感数据监测植被覆盖变化的主要目的是通过观察地表现象的变化，对其所处的位置和状态进行判断，以便评估大气、水文和生态系统中的生长和萎缩现象。
植被覆盖与土地利用是生态系统的一个重要组成部分，因此，植被覆盖的变化通常与气候、土地利用、土地覆盖和物种多样性等相关。
MODIS遥感数据通过多时相遥感影像的对比，可以利用植被指数（如NDVI）进行监测。
NDVI反映了植被覆盖的高低程度，数值越高代表植被覆盖越好。
通过对比不同时间的NDVI数据，可以观察到植被覆盖面积的变化，包括植被覆盖指数的变化和位置的变化。
此外，MODIS遥感数据还可用于评估气候和温度变化情况对植被覆盖的影响，以及人类活动等因素对植被覆盖的影响程度。
应用案例利用MODIS遥感数据监测植被覆盖变化的应用案例非常多，例如：气候变化、自然灾害、生态系统管理、农业生产和森林保护等领域都有着广泛的应用。
在气候变化中，利用MODIS遥感数据监测植被覆盖的变化，可以判断气候变化对地表生态环境的影响，以提高对气候变化的适应性和应对能力。
- 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)。
３２波段是０．９８９）；对∥＋（１一昂）足％＋ｄｅ
（１５）
式中，岛矿和％分别是植物和裸土在ｆ波段的比辐射率，对于３１波段，毛Ｉ矿和岛Ｉｓ分别取０．９８６７２和０．９６７６７， 对于３２波段，毛２矿和巳２ｓ分别取０．９８９９０和０．９７７９０：０是植被在该像元内的构成比例：母和Ｒｓ分别是植被和裸 土的温度比率・ｄ６是热辐射校正．昂可利用归一化植被指数（ＮＤＶＩ）来进行计算，彤、咫和ｄ６可通过昂计算： Ｂ＝（ＮＤＶｌ—ＮＤＶＩ。）／（ＪＶＤ矿，，一ＮＤＶＩ。）
９
０８’，北纬２７。０１’－３１。１０’，地处我国东南沿海，长江三角洲南翼，陆域面积ｌＯ．５４
万平方公里，属于皿热带湿润季风气候，年，Ｆ均温度约为１６．６７＂Ｃ，年降水量约为１６８３．６８ｍｍ，是全国水热资源丰富的地区。 浙江地形复杂，山地和ｒ芒陵占７０．４％，平原和盆地占２３．３％，河流和湖泊占６。４％，故有“七山一水两分田”之说。地势两南 部高，东北部低，自西南向东北倾斜，呈梯级下降。西南部为平均海拔８００ｍ的山区；中部以低山丘陵为主，金衢盆地等 大小盆地错落分布于丘陵山地之间；东北部杭嘉湖一带与绍兴、宁波地区为浙北冲积平原，地势平坦。河网密布。改革开 放以来，浙江省经济快速发展，并且以杭州为中心的杭嘉湖地区经济发展速度明显高于浙南山区，东南沿海的发展速度高 于内陆地区。２００６年８月的统计数据显示杭州城市化率达６２．１％，表明杭州已经进入城市化水平中期加速阶段的后期。
Ｔ８ ４＾・＋ＡｉＴｓｔ—ＡｌＴ，ｊ
ｘ
■ｏ＝一６４．６０３６３
Ｅ－＋６ Ｓ．７２５７５×￡，
ｘ
Ａ。＝Ｉ＋Ａ＋０．４４０８ ｌ ７
ｘ
ＥＩ
Ａ：＝Ａ＋Ｏ．４７３４５３
Ｅ２
Ａ＝Ｄ，。／Ｅ。 Ｅ。＝Ｄ，：（１一Ｃ，。一Ｄ，。）／Ｅ。
Ｅ：＝Ｄ，，（１一Ｃ，，一Ｄ，：）／ｅ。
Ｅｏ＝Ｄ＂Ｃ，Ｉ—ＤＪＩＣ”
Ｃ。＝ｃ，ｒ。（疗） Ｄ，＝ｆＩ—ｒ。（口）】【ｌ＋（Ｉ—ｃ，）ｒ，（口）】
３
３不Ｈ十地疆盖类型地表日度的季节变化 地衰热辐射主璺和地物的性廪有关．币恫的地物类型ｊ（地裘锰度差异叫显。咀２００７年８０ＰｌＳ土地利用分类结果为参
考．经过接别合并重ｍ，将辛省重斩划分成４种典型地表覆盖娄型耕地、林地、城镇和水伴，其中针叶林、阏Ｈ林、混 交＃和灌木归为林地，城市建筑用地、样地或稀琉植被台井为城市类型。湿地归＾水件类型，耕地保持小变．ｊｔ糸为丰定 义娄，分析币同地表类型下她表溢度的分布特征． 全年地表溢度呈现明Ⅱ的月季变化．２月份受到低温雨雪冰球天气影响．地丧温度降至全年强低，从３月开始，随着 气温升高、光ｍ增强，地表温度蹦之升高：至６月浙Ⅱ迸＾梅汛期，一方面气温降低，另一方面，梅讯期多阴雨禾气，致 使遥感地面温度反演中轼难获得晴辛地表温虚。７ 渐降低，至１２月全省平均地表锰度为２９１ ６５Ｋ。 牟卷按月耕地、林地、城镇目术体ｔ种典型地表类型分析 日Ⅲ，各粪型目地表Ⅺ度的月季变化裆舟基本一致，但地表髓 度高低存在一定差异，总体表现为城镇）耕地＞＃地＞水件．年 平均地采温度分别为３０３ ３８Ｋ、３０１
ｗ＝｛【口一Ｉｎ（Ｒ，，／ｓ，）】∥＞２
（１４）
式中，口，∥是常数－分别取０．０２和０．６５ｌ；墨９、心是ＭＯＤＩＳ第１９和第２波段的地面反射牢．
２）她表比辐射率计算 地表比辐射率表示她表物质的热特征，一般来说，对于ＭＯＤＩＳ影像ｌｋⅢ的尺度，可以把像元大体分为甄类ｔ水体和陆 地（由裸土和植被组成的混合像元）．对于水体，直接用２个波段范围内的水体比辐射举的平均值来代替（３１波段是０．９９２，
基于ＭＯＤＩＳ数据的浙江省地表温度空问分布研究。
何月
蔡菊珍张小伟李正泉
（浙江省气候中心，杭州３１００１７）
摘要利用分裂窗算法，获取浙江省２００８年一整年的地表温度空间分布，验证发现：论文采用的地表温度反演方法 精度与ＮＡＳＡ的ＭＯＤＩＳ温度产品反演精度相当。多样的地形地貌和不同的下垫面地表覆盖类型，决定了地表温度的空间分布 格局。本文综合利用遥感和地理信息系统技术，对地表温度反演结果进行深入分析，研究地表温度的空间变化特征，不同 地表覆盖类型地表温度的月变化以及地表温度与植被覆盖的定量关系，精确定量地反演浙江省陆面温度以及对其空问分布 特征的研究将对全省旱灾预报、作物缺水研究、农作物产量估算、数值天气预报、气候变化等领域起到重要的推动进展。 关键词ＭＯＤＩＳ遥感地表温度空间特征。
㈨㈣㈨㈤㈣㈨ｍ渤㈣ ㈣
式中，Ｔｓ是地表温度（Ｋ）：巧，和互２分别是Ｍ００ＩＳ第３ｌ和３２波段的亮度温度．ｉ是指ＭＯＤＩＳ的第３１和３２波段，
分别为，＝３１和３２，‘【ｐ）是视角为９的大气透过牢．ｑ是波段ｉ的地表比辐射率－因此该算法要求卫星遥感器的波段
数据米计算的星上亮度温度，同时还要求己知大气透过率和地表比辐射宰．才能进行地表温度的反演． １）大气透过率计算 利用公式（１）计算地表温度时需要３ｌ和３２波段的大气透射率ｆ和地表比辐射率Ｆ．对于大气透射率，可根据火气水 分含量ｗ计算，Ｍａｏ等给：ｌｌ了辑者的关系：
‘基金项且：浙江省气象局青年科技项目（２００８ＱＮ０５）
６ｌｌ
２研究数据和方法 ２．１研究数据与来源 ＥＯＳ／ＭＯＤＩＳ作为新一代对地观测仪器。具有３６个光谱通道和３种地面分辨率（２５０。５００和ｔ０００ｍ），每天２次覆盖全 球，ＭＯＤＩＳ所提供的商时问、高空问和高光谱分辨率图像为研究地表特征挺供了较好的资料．本文采用的数据是ＤｖＢＳ广 播接收的２００８年一整年ＮＯＯＩＳ／ＴＥＲＲＡ白天资科，过境时问为地方时上午１０：３０左右，Ｉ；２５００００行政区划．经辐射定标、 投影变换、几何校正、数据裁剪等一系列预处理工作．采甩经纬度投影方式建立统一的坐标系统。温度验证数据采用ＮＡＳＡ 的ＭＯＤＩＳ温度产品（ＭＯＤｌｌ—Ｌ２ ＬＳＴＩｌｌＯＩ），该产品从网站（ｈｔｔｐｓ：／／ｗｉｓｔ．ｅｃｈｏ．ｎａＳ良ｇｏｖ／ａｐｉ／）上免赞下载． ２．２研究方法
２．２．１
ＬＳＴ的计算
分裂窗算法是目前发晨最为成熟的地表温度遥感反演方法之一，这一算法需要陌个彼此棚邻的热红外波段遥感数据咪 进行地表温度的反演。分裂窗算法主要是针对ＮＯＡＡ／ＡＶＨＲＲ的热红外通道４和５的数据推导而来，ＭＯＤＩＳ的第３ｌ和３２波 段很接近于ＡＶＨＲＲ４和５通道的波段范围，也可以采用此算法反演地表温度．覃志豪等针对此特点提出了适合于ＭＯＤＩＳ数 据的分裂窗算法，并对其参数迸行了确定。本文采用此算法来反演地袭温度，公式如下；
３．２地表温度的空问特征分析 根据２００８年全年平均地表温度反演结果分析，浙江省地表温度总体呈现西南向东北递增趋势，与地形特征较相似，
６１３
即低温Ｅ土置＊布十＊口ｍｇ、晰南ｍⅨ．蛐临盘、庆“；高ｍＭ集中分布于东南沿＊、盎衢馥ｍ以世省自主笠城市
圈１
２０８年全年平均鹰Ｅ渍结暴
影响地表温度的因素主要育：纬度，海拔高度＃Ｔ垫面特征．渐Ⅱ省地形地貌复杂．地表类型多样．这就决定Ｔ其地 表温度的空间分布格局．整十浙Ⅱ陆域地袁平均温度为２９９ ７４℃，各地分布在２９１－－３０７｛（之问ｔ城高地衰温度选３０７℃， 零星分布千槭区。其中．嵊泗、估ｍ、洞头、庆元菩地的地表媪度较低，２００８年平均温度在２９３Ｋ以下；而温州、永康、 苍南、甚溪、义ｑ和温岭等县市地衰温度较高，靠３０］Ｋ班上。其余县市均分布于２９３ ３０１Ｋ之间。地表温度在空间ｊ｝布的 高度异质性一方面是由十匡域内裤拔高度差异较大造成的．另一方面々下坐面类型有关．
２．２．２
ＮＤＶＩ的计算
ＮＤＶＩ是表征植被覆盖状况和陆地辐射温度很好的指标．ＥＯＳ／ＷＯＤＩＳ的ＮＤＶＩ通常使用可见光通道（０．６２～０．６７ｕｒｎ）。近 红外通道（Ｏ．８４１～０．８７６埘霸》反射率组合计算．方法如下：
ＮＤ
ＶＩ：星２二刍
口２＋口ｌ
式中，历、Ｅ分别为近红外、可见光通道反射率，对应ＷＯＤＩＳ数据的ｌ波段和２波段。
ｆ¨＝２．８９７９８一１．８８３６６
ｘ
Ｐ—ｔ。７—２１・，ｌ’ｏ‘’
Ｒ’ｃ
０．９９７４ｌ
（１２） （１３）
ｆ”＝一３．５９２８９＋４．６０４ ｔ ４×ｅｆ・，‘１２—７・‘，，’
露２；０．９９６８５
式中，ｆ３ｌ、巧２分别为ＭＯＤＩＳ３１、３２波段的大气透过率；ｗ为大气水分含量－ 对于ＭＯＤＩＳ数据．大气水分含量可通过ＭＯＤＩＳ第２和第１９波段来反演。Ｋａｕｆｍａｎ等人利用大气吸收波段（１９波段）和 大气窗口波段（２波段）推导ｄｊ大气水气含量的计算公式如下：
由于ＭＯＤＩＳ数据的覆盖范围比较大，一个时相的数据很难排除云雾等的影响，因此考虑用某一时间段内的产品合成来 反映这一时间段内总体状况。本文选择最大值合成方法，即逐像元地比较几张ＮＤＶＩ图像并选取其中最大的ＮＤＶＩ值作为合 成后的ＮＤＶＩ值。该方法倾向于选择晟“晴空”的、最接近于星下点和最小太阳天顶角的像元。 为便于地表温度与植被指数的关系研究，ＬＳＴ数据亦采用与ＮＤＶＩ相同的合成方式，空间分辨率均为ＩＫＭ，先根据逐日 反演结果，采用最大值合成法生成月产品，进而计算得到年平均值。 ３结果分析 ３．１反演精度验证
ＲＰ＝０．９２７６２＋０．０７０３３０
Ｒｓ＝０．９９７８２＋Ｏ．０８３６２Ｂ
（１６） （１７） （１８） （１９）
ｄｅ＝－ｏ．００３７９６ｍｉｎ【哆，（卜ｏ）】
上式中，ｍｉｎ［Ｐ，，（１—０）】表示取０和ｌ一弓的虽小值；ＮＤＶ！为归一化植被指数，ＮＤＶＩｖ和ⅣＤ‰分别是茂密植被
覆盖和完全裸土象元的ＮＤＶＩ值．通常取ＮＤ％，＝０．９，ＮＤＶＩ，＝０．１５．对于ＭＯＤＩＳ图像，ＮＤＶＩ可用第１和２波段反射 率计算得到。
ＮＡＳＡ的ＬＳＴ小组针对ＭＯＤＩＳ数据提出了推广的分裂窗算法，通过对多种大气温度湿度廓线、地表比辐射率、地表温
度、观测角度进行大气辐射模拟，建立一个查找表，根据该表来反演ＬＳＴ，反演精度可达ｌ℃以内［７，８］，因此我们将反演 结果与ＮＡＳＡ提供的ＭＯＤＩＳ温度产品进行相对比较。以验证模型的反演精度。本文选用对比分析的时间为２００８年４月２６ 日，正值夏季植物生长旺盛期，且从当天的气象资料来看，大多数地方天气晴朗，适合地面温度的反演及验证分析。统计 结果显示，两种反演结果平均温度相差０．２５Ｋ，标准差相差０．０２，且相关系数达０．８２３３，表明本论文所用的算法反演结 果与ＭｏＤＩＳ产品基本一致，精度相当，说明论文的反演方法可行，反演结果可信。 表１两种反演方法基本统计量