基于Modis的遥感数据的地表温度的获取解决方案--以京津唐为例

简介: 基于Modis的遥感数据的地表温度的获取解决方案--以京津唐为例

1、背景与技术路线

地表温度(LST)是区域和全球尺度地表物理过程中的一个关键因子,也是研究地表和大气之间物质交换和能量交换的重要参数。许多应用如干旱、高温、林火、地质、水文、植被监测,全球环流和区域气候模型等都需要获得LST。本方案以北京为例采用星载传感器的红外通道反演LST的劈窗反演方法算法。


京津唐地表温度获取与分析的技术路线如图1所示,主要包括三部分内容:(1)数据准备,包括数据的下载,遥感影像的预处理,遥感解译的 LUCC 数据等;(2)模型运行,包括模型初始化,模型验证和校正及模型的最终运行获得结果;(3)模拟结果分析,并给出结果报告。

微信截图_20230111143011.png


图1 京津唐地表温度获取技术路线


2、模型运行

2.1 数据准备

模型输入数据为MODIS 1B 数据的 B1、B2、B19、B31、B32 波段,同时利用遥感解译的 LUCC 数据,以及实际验证数据。


2.2 数据预处理

MODIS 1B 数据位为 MODIS 影像数据的一级影像数据产品,有必要对其进行标准化再处理和产品生成,所以首要工作是做辐射定标、地理定位、数据的拼接、数据的裁切,然后进行投影变换等以及产品标准化、通用化方面的处理过程,为最后专题产品数据集应用分析奠定基础。


遥感解译的 LUCC 数据为以遥感图像计算机屏幕人机交互直接判读为核心的全国土地利用遥感制图技术方案,同时采用基于遥感监测的土地利用/土地覆被分类系统,从而保证了遥感人工解译的精度。


2.3 模型运行

MODIS 数据分辨率较大,为了解决地温反演中精度难以保证、适应性不强等问题,本次地温的反演利用改进后的劈窗算法。在对其进一步验证的基础上,模拟评估期间地表温度。公式如下:

微信截图_20230111143026.png


其中 TS:地表温度;A31、A32、B31、B32、C31、C32、D31、D32 是参数,是由大气透过率、地表 返照率、比辐射率、亮度温度因子确定的。


a)大气透过率

依据京津唐本土的气候状况条件,地理遥感生态网平台采用两通道比值法从遥感影像上反演大气的水汽含量。再利用 大气水汽含量与大气透过率的关系推算出大气透过率


b)水体提取

本方案中采用的植被覆盖类型图是基于30m分辨率 Landsat 遥感数据的京津唐水体图。水体的提取是为了掩掉水体部分。


c)比辐射率反演

物体与黑体在同温度、同波长下的辐射出射度的比值,它受物体的表面状态、介电常数、含水量、温度、物体辐射能的波长、观测角度等多种因素的影响。目前求地表比辐射率的方法主要有差值法、独立温度光谱指数法(T IS I)和 NDVI 门槛值法(NDV ITHM )等方法。由于 MOD IS 影像图像分辨率较 低,MODIS 像元主要由水面、植被和裸土3种地物类型构成,故利用 NDVI 门槛值法来地表比辐射率。


d)亮度温度反演

亮度温度的反演采用通用的 Planck方程。


e)地表反照率反演

地表反射率的反演采用宽波段反射率转窄波段反照率通用反演方法,此种传统方法,经过多年的 专家验证。


3、模型验证与校正

模型运行结果通过文献资料以及结合中科院地理所的实验数据,进行参数验证与校正,使模型进 一步适合北京地区。下图为经过模型验证与校正后的北京地区地表温度成果图,如图所示:

微信截图_20230111143034.png

图2 地表温度反演成果图


4、模拟和结果分析

用 2000~2011 年每 8 天 MODIS1B 数据,及遥感反演的参数,获得地表温度(LST)进行结果 分析。主要用于分析:

a) 2000-2011 年北京地区地表温度(LST)时空格局

b) 2000-2011 年北京地区地表温度(LST)变化趋势

c) 2000-2011 年京津唐城市热岛

d) 2000-2011 年京津唐扩张后城市地表温度(LST)变化趋势

相关文章
|
7月前
|
编解码 人工智能
中科星图——MOD11A1 V6是由Aqua中分辨率成像光谱仪获取的地表温度/发射率(LST/E)数据集
中科星图——MOD11A1 V6是由Aqua中分辨率成像光谱仪获取的地表温度/发射率(LST/E)数据集
73 1
|
7月前
|
编解码 人工智能 定位技术
中科星图——Landsat9_C2_SR大气校正后的地表反射率数据
中科星图——Landsat9_C2_SR大气校正后的地表反射率数据
128 1
|
7月前
|
存储 Python
GEE谷歌地球引擎计算每隔8天的遥感影像数据的平均值
【2月更文挑战第5天】本文介绍在谷歌地球引擎(Google Earth Engine,GEE)中,计算长时间序列遥感影像数据在多年中,在每一个指定天数的时间范围内的平均值的方法~
329 7
GEE谷歌地球引擎计算每隔8天的遥感影像数据的平均值
|
7月前
|
数据采集 编解码 人工智能
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
中科星图——Landsat9_C2_ST数据集是经大气校正的地表温度数据
133 2
|
7月前
|
传感器 编解码 数据挖掘
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
GEE 影像下载——批量下载多源遥感影像(Landsat 8 C02 SR)光谱波段。光谱指数,缨帽变换和纹理特征以及SAR和地形数据(DEM)
442 3
|
7月前
|
人工智能 开发者
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
AI Earth ——开发者模式案例8:利用Landsat-8数据进行地表温度反演
92 0
|
7月前
|
编解码 人工智能 数据中心
全球高分辨率地表太阳辐射数据集包含36年(1983.7-2018.12)
全球高分辨率地表太阳辐射数据集包含36年(1983.7-2018.12)
124 0
|
7月前
|
传感器 算法 定位技术
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
Python中gdal实现MODIS卫星遥感影像产品栅格数据读取处理与质量控制QC波段筛选掩膜
134 1
|
7月前
|
传感器
遥感应用中常用的23个植被指数公式大全和GEE目前最常用Landsat影像时间和名称
遥感应用中常用的23个植被指数公式大全和GEE目前最常用Landsat影像时间和名称
263 0
|
7月前
Google Earth Engine(GEE)—— 基于MODIS影像单点缓冲区长时序温度时序变化和线性趋势分析
Google Earth Engine(GEE)—— 基于MODIS影像单点缓冲区长时序温度时序变化和线性趋势分析
75 0