论文部分内容阅读
地表温度(Land surface temperature,LST)在全球地表能量平衡、水文过程和气候变化中发挥着重要作用。当前基于热红外遥感的地表温度产品主要分为两类:一是以极轨卫星为代表的高空间分辨率-低时间分辨率LST,细节信息丰富,适用于小尺度热环境研究,二是以静止卫星为代表的高时间分辨率-低空间分辨率LST,重返周期短,适合热环境的动态监测。单一星载热红外传感器难以兼备高时间与高空间分辨率,极大地限制了地表温度的应用。鉴于此,基于多源遥感数据融合的地表温度降尺度与时空融合方法已成为获取高时空分辨率地表温度产品的重要手段。本文以黑河中游为研究区,选用Himawari-8 AHI、MODIS、Landsat-8 TIRS等遥感数据,分别进行了Landsat-8 TIRS与Himawari-8 AHI地表温度反演、多模型地表温度降尺度验证及对比、基于时空融合算法的高时空分辨率地表温度产品生成及验证等研究。实现了从多源遥感数据地表温度反演到地表温度降尺度与时空融合相结合,获取30m/10分钟的高时空分辨率地表温度产品的整体流程,并结合地面实测数据对融合结果进行了验证。具体研究内容和结果如下:(1)在Landsat-8 TIRS地表温度反演中,以ASTER GED数据为发射率底图,利用基于植被覆盖度的方法计算地表发射率,有效提高了地表温度反演精度和效率。同时,选用劈窗算法反演Himawari-8 AHI地表温度,并结合地面站点实测数据进行验证。结果表明,Himawari-8 AHI LST白天的反演结果优于夜晚,在验证站点的平均Bias和RMSE分别为-1.77K和3.74K,可以应用于后续地表温度降尺度与时空融合研究。(2)在地表温度降尺度研究中,选用TsHARP、地理加权回归与随机森林模型三种模型对Himawari-8 AHI LST进行降尺度研究,并利用真实Landsat-8 TIRS反演结果验证不同降尺度模型的精度。三种降尺度模型的平均RMSE分别为3.76K、3.56K、3.22K,其中随机森林模型精度最高且表现稳定。在时间序列上,降尺度结果的精度呈周期性变化,夏秋季误差大,春季误差小;误差分析表明,地形因素对地表温度降尺度影响较大;在不同地表类型下,裸地精度最高,农田与草地精度相近,不透水层精度较低。最后,选用随机森林模型将Landsat-8 TIRS LST由100m降尺度至30m,用于后续地表温度时空融合建模。(3)选用BLEST时空融合模型生成了高时空分辨率地表温度产品,输入数据为降尺度Landsat-8 TIRS LST、MODIS LST、Himawari-8 AHI LST,分别进行年尺度与日尺度时空融合,最终生成30m/10分钟一景的高时空分辨率地表温度产品。验证结果表明,融合结果与地面站点实测数据的温度日变化趋势温度基本一致,验证站点平均Bias和RMSE分别为1.48K、3.19K,其中CJZ站精度较高(Bias~-0.67K,RMSE~2.45K),HZZ站与JCHM站的融合结果高估较为明显。