当前位置:首页>> >>


基于MODIS的地表温度降尺度方法研究.rar

收藏

资源目录
    文档预览:
    编号:20180915222316375    类型:共享资源    大小:3.58MB    格式:RAR    上传时间:2018-09-15
    尺寸:148x200像素    分辨率:72dpi   颜色:RGB    工具:   
    20
    金币
    关 键 词:
    基于 MODIS 地表 温度 尺度 方法 研究
    资源描述:
    山东科技大学本科毕业设计(论文)- 0 -摘 要地表温度( Land Surface Temperature,LST)在空间上和时间上均存在很大的差异性。而通过卫星遥感技术来监测地表温度存在着空间分辨率和时间分辨率上的矛盾:空间分辨率高的卫星时间分辨率低,反之亦然。针对这一矛盾,利用 TsHARP(Thermal Sharpening)温度降尺度方法中的 4 种转化关系直接将原始 1km MODIS LST 产品降尺度到 250m。为了验证 4 种降尺度转换关系的效果,对研究区内同一天(2016 年 5 月 13 日)的 Landsat 8 升尺度到 250m 后,再利用单窗算法反演得到 LSTTIRS,250m(250m TIRS 地表温度)图像,作为当日地表温度的参考值,从定性和定量两个角度评价了 4 种降尺度转换关系的精度。结果表明:4 种转换关系在提高 LST 空间分辨率的同时又能较好地保持原始 LST 影像热特征的空间分布格局,消除了原始 1 km 影像中的“马赛克”效应。关键词:MODIS、降尺度、地表温度、TsHARP 算法山东科技大学本科毕业设计(论文)- 1 -AbstractLand surface temperature ( LST) plays a very important role in obtaining the thermal information of land surface.However,due to technical constraints of remotely sensed LST data, there is a trade-off between spatial and temporal resolution: a high temporal resolution is associated with a low spatial resolution and vice versa:a high temporal resolution is associated with a low spatial resolution and vice versa.To solve this disadvantage,based on four different conversion models in TsHARP( an algorithm for sharpening thermal imagery) method, to improve the original low spatial resolution of MODIS LST image data ( 1 km) to 250 m resolution.To assess the accuracy of each down-scaling model based on qualitative and quantitative analysis with synchronous Landsat 8 TIRS LST data.The results showed that both models could effectively enhance the spatial resolution while simultaneously preserve the characteristics and spatial distribution of the original 1 km MODIS LST image and also eliminate the “mosaic” effect in the original 1 km image. 山东科技大学本科毕业设计(论文)- 0 -目 录1 引言 ................................................................................- 1 -1.1 研究背景 ........................................................................................- 1 -1.2 研究目的和意义 ..........................................................................- 3 -1.2.1 研究目的 ................................................................. - 3 -1.2.2 技术意义 ...........................................................................- 4 -1.3 国内外研究现状 ..........................................................................- 4 -1.4 研究内容及技术路线 .................................................................- 6 -1.4.1 研究内容 ................................................................. - 6 -1.4.2 技术路线 ...........................................................................- 8 -2 数据获取及预处理 ...........................................................................- 9 -2.1 研究区概况 ...................................................................................- 9 -2.2 数据来源 ......................................................................................- 10 -2.3 MODIS 数据预处理 ....................................................................- 11 -2.3.1 MODIS 数据及产品 .................................................- 11 -2.3.2 MRT 介绍及数据预处理 ..........................................-13 -2.4 Landsat8 数据预处理 ..............................................................- 14 -2.4.1 Landsat 8 数据及产品 .........................................- 14 -2.4.2 辐射定标 .................................................................-15 -2.4.3 大气校正 .................................................................- 17 -3 Landsat 8 地表温度反演 .........................................................- 19 -3.1 地表温度反演理论基础 ..........................................................- 19 -3.2 单窗算法反演地表温度 ..........................................................- 22 -3.3 单窗算法参量的量化 ...............................................................- 25 -3.3.1 大气透过率的遥感反演 ........................................- 25 -3.3.2 大气平均作用温度的估算 .....................................-26 -3.3.1 亮度温度的推算 ....................................................- 26 -3.3.2 地表比辐射率的遥感反演 ....................................- 27 -3.4 Landsat 8 地表温度反演结果 ........................................... - 31 -4 结合 TsHARP算法的 MODIS地表温度降尺度 .................- 32 -4.1 TsHARP 算法原理 .......................................................................- 32 -4.2 TsHARP 模型构建及 LST 降尺度处理 ..................................- 33 -山东科技大学本科毕业设计(论文)- 1 -4.3 结果分析 ......................................................................................- 35 -4.3.1 降尺度精度评价指标 ............................................- 35 -4.3.2 降尺度结果定性分析 ..........................................- 36 -4.3.3 降尺度结果定量分析 ................................................- 37 -5 总结与展望 .........................................................................................- 40 -5.1 本文总结 ......................................................................................- 40 -5.2 不足与展望 .................................................................................- 41 -6 参考文献 ..............................................................................................- 42 -7 致谢 .........................................................................................................- 46 -8 附录 .........................................................................................................- 47 -山东科技大学本科毕业设计(论文)- 0 -1 引言1.1 研究背景地表温度(Land Surface Temperature,LST)是描述地表与大气间物质交换及能量平衡的重要参数,它控制着地气水热平衡 [1],被广泛地应用在土壤水分估算 [2]、城市热岛效应研究 [3]、森林火灾监测 [4]及地表福射通量计算 [5]等众多领域。传统的获取地表温度的方法大多采用定点测量,虽然精度较高,但是耗时耗力且观测的范围较小,受到的限制大,要获取大范围的地表温度数据非常困难 [6]。随着遥感技术的大力发展,大范围的遥感监测为快速获取区域乃至全球尺度的地表温度提供了可能,弥补了地表温度气象站点测量密度不足的缺陷 [7]。基于热红外遥感数据反演地表温度是获取地面实际温度的主要途径之一,最早可追溯到 1962年 TIROS-Ⅱ的成功发射。热红外遥感技术具有不破坏地表热力学状态的特点,所以其应用受到了国内外专家学者的广泛重视 [8]。迄今,不同遥感平台获取的地表热福射数据通过反演得到的地表温度己经广泛地应用于各种地学模拟模型中。为满足城市热岛效应、土壤水分估算等应用对不同空间分辨率和时间分辨率的要求,目前全球已有一系列不同尺度的热红外传感器,其中,高分辨率的传感器包括美国陆地卫星 Landsat8 搭载的热红外传感器TIRS(TIRS 空间分辨率 100m) 、Landsat7 上的增强型专题成像仪—ETM+的第 6 波段(热红外波段空间分辨率为 60m) 、Landsat5 的专题制图仪— TM 的第 6 波段(热红外波段空间分辨率 120m) 、TERRA 卫星搭载的高级星载热发射反射成像辐射计ASTER(热红外波段空间分辨率 90m)等;中等分辨率的传感器山东科技大学本科毕业设计(论文)- 1 -如 TERRA 和 AQUA 卫星上携带的中分辨率成像光谱仪MODIS(热红外波段空间分辨率为 1km) 、NOAA 气象卫星上的甚高分辨率福射计 AVHRR(热红外波段分辨率为 1.1km)等;低分辨率的传感器如欧洲第二代气象卫星 MSG 上搭载的自旋增强可见光与红外成像仪 SEVIRI(热红外波段空间分辨率为 3km) 、美国地球静止轨道环境业务卫皇 GOES(热红外波段空间分辨率为 4km)等。由于在热红外谱段地表发射的热福射能量相比可见光和近红外通道低得多,因此热红外波段影像的空间分辨率远低于其同一传感器可见光和近红外波段,较低的空间分辨率也制约着热红外遥感卫星影像的应用。城市地表温度具有高度的时空异质性( Voogt 和 Oke,2003),城市热环境研究通常需要较高时空分辨率的 LST 数据才能满足要求。因此,高时间分辨率、低空间分辨率的 LST 数据进行降尺度转换,获得满足应用需求的时空分辨率的 LST 产品,成为热红外遥感应用中的关键问题之一。大范围、高精度、快速变化的地表信息遥感监测对高时空分辨率的遥感数据需求日益迫切。然而,由于卫星遥感技术原因及环境条件的影响,同时获取具有高空间分辨率和高时间分辨率的热红外数据并不容易,这也极大地限制了地表温度的潜在应用 [9]。例如,Landsat7 卫星的热红外波段空间分辨率达到了 60m,有较高的空间分辨率,但它的重访周期长,每隔半个月才能获取同一地点的热红外数据,遇到云雨等恶劣天气的影响更是难以获取能够利用的影像,其数据的低时间分辨率无法满足连续的地表温度获取要求。中分辨率成像光谱仪的热红外影像重访周期仅为一天,时间分辨率高,有较高的区域性和时序性,对于地表温度的连续山东科技大学本科毕业设计(论文)- 2 -观测具有明显的优势。但其空间分辨率只有 1km,在人口密集与地形破碎的平原和丘陵地区很难找到地表均一的纯像元,而在实际应用的过程中面临着较为严重的尺度问题 [10]。1.2 研究目的和意义1.2.1研究目的本研究以 TsHARP 算法为基础,利用 MODIS 和 Landsat8 热红外影像数据,研究获取较高时空分辨率的地表温度数据。1.2.1研究意义(1)理论意义地表温度是描述地表与大气之间物质交换和能量平衡的重要参数,控制着地气水热平衡。目前全球已有一系列不同尺度的热红外传感器数据可用于地表温度的反演。但是,由于卫星遥感技术水平等条件的限制,同时获取具有高空间分辨率和高时间分辨率的热红外数据十分困难,这也极大地限制了地表温度数据的潜在应用。通过地表温度降尺度实现得到高时空分辨率的地表温度,具有很重要意义。(2)现实意义地表温度数据已经广泛地应用在城市热岛效应研究、土壤水分估算、地表辐射通量计算和森林火灾监测等众多领域,随着遥感技术应用的深化发展,众多的应用方向对地表温度数据提出了更高的要求。目前,地表温度降尺度技术研究和应用使空间分辨率得到一定提高,但在大范围监测等领域还存在诸多不足。因此,通过对地表温度的空间降尺度方法研究,得到既具备高时间分辨率又具备高空间分辨率的地表温度数据,对于促进地表温度的应用具有重要现实意义。山东科技大学本科毕业设计(论文)- 3 -1.3 国 内 外 研 究 现 状尺度转换是指将某一尺度上所获得的信息和知识扩展到其他尺度上的过程 [11] 。目前基于像元的尺度转换方法主要可以分为 3 大类 : 数理统计方法、数据融合方法和分类转换方法 [12] 。数理统计回归分析主要用于尺度上推的转换,过在不同尺度影像之间建立基于某一特征量( 如地物面积和 NDVI 指数等 ) 的函数关系,而进行尺度转换 [13-14] 。数据融合主要用于尺度下推的转换,过将一个尺度影像信息融入另一尺度影像来达到尺度转换目的,多研究学者通过分层 PCA 方法实现了尺度转换 [15-16] ;Stathopoulou 等 [17] 利用高分辨率的 TM 地表温度图像信息融入到低分辨率的 AVHRR 地表温度图像中, AVHRR 地表温度图像的空间分辨率提高到 120m。分类转换方法需要先将各个尺度上的影像分出大类,对各大类选择各自所需的特征影像进行转换,度分类转换方法主要有贝叶斯估计法和 Dempster-Shafer 推理法等 [12] 。地表温度的降尺度,确定低空间分辨率像元中的亚像元地表温度值,合高空间分辨率图像信息到低空间分辨率图像,得低空间分辨率图像获得高空间分辨率图像的细节信息 [18] 。Munechika 等 [19] 将降尺度分为 3 类: ( 1) 为了显示的清晰度降尺度,( 2) 通过单独的运算空间和光谱信息降尺度,( 3) 降尺度时保留图像辐射信息的完整性。如果降尺度的结果要应用于其它模型的运算,那么保留图像的辐射信息是至关重要的。植被通过蒸腾作用对地表温度具有显著的调节作用,因此,地表植被覆盖参数(如植被指数、植被覆盖度等)常被用于地表温度的反演。基于不同空间分辨率下地表温度(LST )与归一化山东科技大学本科毕业设计(论文)- 4 -植被指数(NDVI)之间的关系是恒定的这一假设, Kusdtas 等于2003 年提出了 DISTRAD(Disaggregation Procedure for Radiometric Surface Temperature)模型,将植被指数与地表温度之间的负相关关系应用到地表温度空间分辨率的提升中。根据NDVI 与地表温度之间的统计关系,确定回归模型,将其应用到高分辨率的 NDVI 影像中,从而得到髙分辨率的地表温度数据。然而,由于 NDVI 在高植被密度区域存在饱和现象,单纯的NDVI 无法完全表现地表湿度的细节部分,一些学者对此做出了改进。Weng 等研究发现,利用最大似然法和决策树分类得到的纯植被部分与地表温度的负相关强度要髙于 NDVI 与 LST 的相关性,认为可通过植被覆盖与地表温度之间的关系来提高地表湿度的空间分辨率。Agam 等利用三种尺度( 120m、240m 和 960m)的 Landsat ETM+数据分析了 NDVI 与地表温度的统计关系,发现高密度植被覆盖区和裸土覆盖区的 NDVI 与地表温度表现更高的稳定性。鉴于 DISTRAD 方法存在的缺陷,Agam 等在 DISTRAD模型的基础上提出了 TsHARP(Thermal Sharpening)方法,选用多种方法来确定 NDVI 与地表温度的最优拟合关系,对 MODIS 和GOES 地表温度数据进行了分辨率提升。杨静学等考虑到高植被覆盖区 NDVI 已经趋近于饱和,热像元分解时敏感性差等问题,提出了利用増强型植被指数 EVI 代替 DisTrad 模型中的 NDVI 进行热像元分解,减少了计算量并获得更髙的热像元分解精度。相比之前一些学者基于辅助数据与地表温度的线性关系,Bindhu 等提出了一种非线性关系(NL-Distrad)将 MODIS LST数据由 960m 的空间分辨率提升到了 60m,与 TsHARP 算法比较,得到了更高的精度。Chen 等首次将薄板样条函数引入到热红外空山东科技大学本科毕业设计(论文)- 5 -间尺度转换的研究,通过将薄板样条函数(Thin Plate Spline,TPS)应用到 TsHARP 模型中,结合各自优势,实现了热像元的空间尺度转换。王袆婷等针对城市及周边区域建造区和自然地表交错分布的特点,探讨了利用归一化植被指数(NDVI)和归一化建筑指数(NDBI)构造趋势面的地表温度(LST )降尺度方法,以北京市市区及周边较平坦区域为例,实现了地表温度由960m 向 120m 的降尺度转换。Mirtraka 等提出了一种基于空间光谱分离技术的热像元空间降尺度的方法,并且成功应用在希腊的克里特岛,得到了较高的尺度转换精度。1.4 研 究 内 容 及 技 术 路 线1.4.1研究内容本文以 TsHARP 降尺度方法为基础,直接对 NASA 官网提供的原始 1km MODIS LST 产品进行降尺度,从而避免对降尺度LST 的改变。由于 Landsat 8 热红外波段的分辨率明显高于 MODIS 数据,覃志豪提出的单窗算法进行 Landsat 8 热红外传感器 TIRS( Thermal Infrared Sensor) 影像地表温度反演具有很好的精度和敏感性,TIRS 和 Terra MODIS 成像时间也非常接近,因此把 TIRS反演的地表温度作为当日地表温度的参考值,对不同转换关系的降尺度结果进行验证,分析比较 TsHARP 降尺度中 4 种不同转换关系的效果和精度。本文共分 5 部分:1. 引言:主要介绍本次研究的背景、目的、意义、国内外研究
    展开阅读全文
    1
      金牌文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    0条评论

    还可以输入200字符

    暂无评论,赶快抢占沙发吧。

    关于本文
    本文标题:基于MODIS的地表温度降尺度方法研究.rar
    链接地址:http://www.gold-doc.com/p-185878.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们
    copyright@ 2014-2018 金牌文库网站版权所有
    经营许可证编号:浙ICP备15046084号-3
    收起
    展开