共查询到17条相似文献，搜索用时 203 毫秒
1.
DisTrad（Disaggregation procedure for radiometric surface temperature）模型是常用于遥感地表温度空间分辨率提升的主要模型之一。DisTrad模型常面向空间范围有限、地形相对平坦的研究区域,且常选用植被参数（如植被指数或植被覆盖度等）作为关键参数。然而在空间范围较大、地形起伏地区,地表温度的空间变异可能无法完全通过植被参数解释。本研究选取四川盆地及毗邻地区为研究区,通过模拟数据研究DisTrad模型在地形起伏区地表温度空间分辨率提升中的适用性。数字高程模型（Digital Elevation Model,DEM）、归一化差值植被指数（Normalized Difference Vegetation Index,NDVI）等参数,采用滑动窗口逐步回归,将空间分辨率为6km的地表温度提升至空间分辨率为1km。研究结果表明,改进的模型在平原及海拔较低的高原地区提升获得的地表温度空间分辨率具有较高精度,均方根误差（Root Mean Square Error,RMSE）为0.5K左右;在地形起伏较大的地区,RMSE为4K,验证了改进的模型提升的可行性。 相似文献
2.
多源遥感数据的降水空间降尺度研究——以川渝地区为例 总被引：2，自引：0，他引：2
大量研究表明,通过传统地面气象站点实测的单点数据,不能有效地反映降水的空间变化特征。目前,以遥感数据获取的降水产品已得到了广泛的应用,但在地形地势复杂区域,遥感降水产品的空间分辨率与数据精度等方面仍然存在着极大的不足。因此,本文以四川重庆(川渝)地区为例,通过建立降水产品降尺度算法,以实现降水产品的降尺度估算,提高降水数据的空间分辨率。依据在不同尺度下(0.25°、0.50°、0.75°和1.00°),TRMM 3B43、地理因子,以及MOD13A3(NDVI)之间存在的相关关系,构建了多元回归模型。通过对比这4种尺度下的回归模型,选择其中精度最高的作为最终的降尺度算法,然后再把这种降尺度算法应用到1 km分辨率下进行降水估算。进一步,以区域差异分析(GDA)和区域比率分析法(GRA)对降尺度估算的降水数据进行校正,并结合部分地面气象站点实测的降水数据进行验证。验证结果表明:降尺度算法是可靠的,能有效提升降水产品的空间分辨率,同时GDA和GRA校正方法能减小误差,进一步提升降水估算的精度,满足区域地表过程应用的需求。 相似文献
3.
高时空分辨率的气温栅格数据是多种地学模型和气候模型的重要输入。山区地形复杂,气温空间异质性强,如何获取高时空分辨率的山区地表气温数据一直是研究热点与难点。本文选择地形复杂的河北省张家口市作为试验区,基于局部薄盘样条函数对ERA5再分析日均近地表气温（2 m高度）进行空间插值,并利用随机森林算法,结合少量气象站观测气温数据、地形地表参数数据构建日均气温订正模型和气温逐时化模型,实现空间分辨率由0.1 °（约11 km）到30 m的逐时气温降尺度,最后将该模型拓展应用于其他时间与区域,检验本文发展的降尺度方法在没有站点观测数据条件下的时空移植性。结果显示,本文降尺度方法得到的高时空分辨率山区气温数据精度较高,1月均方根误差（RMSE）平均值为2.4 ℃,明显优于气象站点插值结果,且气温相对高低的空间分布更为合理、纹理更加丰富;将该方法应用到其他时间与区域的RMSE平均值分别为2.9 ℃与2.5 ℃,均小于再分析资料直接插值所产生的误差。研究结果总体表明,在气象站点较少甚至没有时,可利用本文方法通过ERA5再分析气温准确获取复杂地形条件下的山区高时空分辨率气温数据。 相似文献
4.
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 总被引：1，自引：0，他引：1
本文以NOAA-18(N)AVHRR/3数据,运用通用劈窗技术获得地表温度。首先,利用MODTRAN 4模拟不同地表和大气状况下热红外通道(Ch4,10.3~11.3μm和Ch5,11.5~12.5μm)的星上亮温,并建立模拟数据库。其次,按照地表温度、大气可降水汽含量、地表比辐射率和观测天顶角,对模拟数据库分组,确定出各分组的通用劈窗算法系数。然后,将构建的地表温度反演模型应用到NOAA-18(N)AVHRR/3数据,模型所需的地表比辐射率由NDVI阈值法确定,大气可降水汽含量是利用Li等(2003)提出的一种劈窗的协方差与方差比的方法来估算。反演结果表明:在观测天顶角小于30°或者大气可降水汽含量小于3.5 g/cm2时,地表温度反演的均方根误差小于1.0K;在观测天顶角小于45°并且大气可降水汽含量小于5.5g/cm2情况下,均方根误差小于1.5K。最后,利用美国通量站的实测数据对地表温度反演结果进行了验证,结果表明均方根误差小于1.8K。 相似文献
5.
基于几何光学模型的人工林叶面积指数遥感反演 总被引：1，自引：0，他引：1
MODIS等全球叶面积指数(LAI)产品空间分辨率偏低(250m~7km),不能满足高空间分辨率遥感应用的需求。为获取大区域高空间分辨率LAI,有必要对物理模型用于高空间分辨率遥感影像LAI反演的可行性进行探讨。本文基于4-scale模型LAI反演算法,以甘肃省张掖为研究区,利用TM 影像实现研究区人工林LAI反演。反演算法考虑了反射率入射-观测角度对LAI与植被指数关系的影响和植被冠层尺度的集聚程度。利用地面实测LAI数据对反演结果进行验证与分析,并与NDVI经验模型进行对比,同时分析LAI反演结果对波段反射率敏感性。结果表明: 4-scale模型LAI反演结果与实测LAI一致性良好(R2=0.67,RMSE=0.50),且优于NDVI经验模型(R2=0.59,RMSE=0.67);当LAI大于2时,4-scale模型LAI反演算法误差小于NDVI经验模型,能有效避免植被指数的饱和现象;红光波段反射率减小时,引起4-scale模型LAI反演结果的变化幅度比其增大时更高,且影响程度大于近红外波段反射率。研究表明,4-scale 模型LAI反演算法可用于TM数据反演人工林LAI,模型应用普适性较强。 相似文献
6.
土壤湿度是气候系统中的关键因子，对农业管理、水资源管理和生态系统监测与评估等具有重要应用价值。遥感土壤湿度产品虽能提供大尺度范围的土壤湿度分布，但受限于较低的空间分辨率，难以满足实际应用的要求，对遥感土壤湿度产品的降尺度研究成为当前的热点之一。本文以0.25°分辨率的欧空局ESA CCI日土壤湿度为主要数据源，结合1 km分辨率的MODIS下垫面数据、地形数据、气象数据等环境因子，构建随机森林降尺度模型，对我国西辽河流域2013—2020年CCI日土壤湿度产品进行降尺度，得到1 km分辨率的土壤湿度时空分布数据。研究发现：(1)环境因子重要性分析表明，相对湿度和白天地表温度是影响土壤湿度变化最重要的2个因素，地形与位置因子的影响次之；(2)利用研究区内22个站点的实测数据序列对随机森林降尺度模型性能进行验证，结果表明考虑多种环境因子（地表、地形和气象）的降尺度结果比仅考虑地表参数的降尺度结果的精度要高，每个站点的RMSE都在0.048 8 m3/m3以下，平均相关系数为0.497 3,BIAS绝对值在0.003 0～0.033 3 m3/m3，降尺度后的土壤湿度与原始CCI遥感土壤湿度... 相似文献
7.
卫星遥感反演得到的地表温度可用于近地表气温的估算,但现有方法的估算精度仍有进一步提升的空间。为了获取空间上连续且精度较高的近地表气温,本研究以四川省为例,首次将高精度曲面建模（HASM）用于遥感和气温实测数据的融合,并将综合了气温、地表温度、海拔、坡度、坡向的地理加权回归（GWR）拟合结果作为HASM模型的初始温度场,进而采用此种结合HASM和GWR的求解算法（HASM-GWR）,融合MOD11C3地表温度产品与190个气象台站的气温实测数据,开展省级尺度近地表气温估算,并通过比较HASM-GWR、GWR以及普通线性回归（OLS）3种方法的估算精度,评估各模型对近地表气温的估算效果。结果表明,相比于传统估算模型,采用HASM-GWR数据融合方法能有效提高近地表气温的估算精度。采用该方法的近地表气温估算残差,72%介于-1~1 ℃,90%介于-2~2 ℃;且与GWR和OLS模型相比,估算结果的均方根误差（RMSE）分别降低了25.42%和39.83%。 相似文献
8.
克里格法的土壤水分遥感尺度转换 总被引：2，自引：0，他引：2
尺度效应往往会制约着定量遥感反演的精度,对地学信息进行空间尺度转换是生产实践的必然要求,而常用的尺度转换模型多利用光谱数据进行差值计算,不适合升尺度和降尺度转换。由于土壤含水量数据具有区域变化量的随机性和结构性特点,本文以15m分辨率的ASTER图像像元为基本单元,采用点克里格法完成ASTER 15m至7.5m分辨率的土壤含水量数据降尺度转换,从分维数的相似程度上来看,转换结果是合理的;并利用块状克里格法对地面实测样点数据进行点到7.5m分辨率的面数据升尺度转换,将升尺度和降尺度转换结果与实测样点均值相比较,结果表明:7.5m分辨率的实测样点土壤水均值误差在1.5782-5.019之间,块状克里格法获取的升尺度土壤含水量数据与点克里格法获取的降尺度土壤含水量数据之间误差则为1.2825-5.0481,可见克里格法考虑了点与周边的关系,所获得的土壤含水量值要优于未考虑空间异质性的土壤含水量平均值。 相似文献
9.
针对目前的技术手段下难以直接获得大范围高精度精细化降水空间分布的问题,本文以闽浙赣地区为研究范围,选用GPM IMERG降水产品,综合应用地面实测降水数据以及水汽与植被指数数据,基于地理加权回归（GWR）法构建了基于水汽因子的降尺度模型,同时基于最小二乘（OLS）法构建了基于水汽因子与植被指数的对比模型,将降水产品的分辨率从0.1°提升至1 km,最终获得2015年闽浙赣地区各月精细化降水空间分布,使用验证站点实测数据进行验证。结果表明：① 构建的 3个降尺度模型中,GWR模型与2种OLS模型相比,拟合优度分别提升了102.9%和93.9%,模型降尺度结果整体优于2种OLS模型,且月际差异小,稳定性更高;2种OLS模型中,采用了水汽因子的模型拟合效果有8个月份更优;② 融合多源数据的GWR降尺度模型获得的结果在研究区内是可靠的,与GPM降水产品相比,在提升空间分辨率的同时,平均相对误差与均方根误差月均分别下降了42%和32%,精度明显改善。 相似文献
10.
基于DEM修正的MODIS地表温度产品空间插值 总被引：1，自引：0，他引：1
地表温度是资源环境、气候变化、陆地生态系统等科学研究的重要参数之一。MODIS LST（Land Surface Temperature, LST）产品是地表温度相关研究的重要数据源。而现有MODIS LST产品均存在云覆盖区域,因此云覆盖区域地表温度估计已成为热红外遥感的前沿性研究难题。为解决MODIS LST产品云遮挡区域地表温度信息缺失,以秦岭地区为研究区,选用2001-2017年的MOD11A2数据,在传统的反距离权重（IDW）、规则样条函数（SPLINE）、普通克里金（OK）、趋势面（TREND）空间插值方法中引入高程因子,通过反复试验形成基于DEM修正的MODIS LST空间插值方法。分析空间插值结果表明： ① 空间插值精度由高到低为：OK>SPLINE>IDW>TREND,基于DEM修正后精度分别提高了约0.38、0.31、0.32和0.78℃; ② 空间插值结果的精度呈现季节差异,夏季6、7、8月的精度较高,1月的精度最低;③ 插值精度与云区的范围存在一定的关系,当云覆盖区域<1.1 km2时,DEM+OK方法的插值误差<0.55 ℃,当云覆盖区域<3.1 km2,插值误差<1 ℃;DEM+SPLINE方法在云覆盖区域<2.7 km2时,插值误差<0.55 ℃,云覆盖区域<10.4 km2,插值误差<1℃;当云覆盖为1.1~2.7 km2时,DEM+SPLINE方法的插值精度高于DEM+OK方法。 相似文献
11.
Improvement of mono-window algorithm for retrieving land surface temperature from HJ-1B satellite data 总被引：2，自引：0，他引：2
The thermal infrared channel (IRS4) of HJ-1B satellite obtains view zenith angles (VZA) up to ±33°. The view angle should be taken into account when retrieving land surface temperature (LST) from IRS4 data. This study aims at improving the mono-window algorithm for retrieving LST from IRS4 data. Based on atmospheric radiative transfer simulations,a model for correcting the VZA effects on atmospheric transmittance is proposed. In addition,a generalized model for calculating the effective mean atmospheric temperature is developed. Validation with the simulated dataset based on standard atmospheric profiles reveals that the improved mono-window algorithm for IRS4 obtains high accuracy for LST retrieval,with the mean absolute error (MAE) and root mean square error (RMSE) being 1.0 K and 1.1 K,respectively. Numerical experiment with the radiosonde profile acquired in Beijing in winter demonstrates that the improved mono-window algorithm exhibits excellent ability for LST retrieval,with MAE and RMSE being 0.6 K and 0.6 K,respectively. Further application in Qinghai Lake and comparison with the Moderate-Resolution Imaging Spectroradiometer (MODIS) LST product suggest that the improved mono-window algorithm is applicable and feasible in actual conditions. 相似文献
12.
Landsat-8卫星设计有2个热红外波段,但由于第11波段存在定标问题,无法用于定量研究,所以基于Landsat-8的地表温度反演算法目前仍以单通道为主。单通道算法反演地表温度需先已知地表比辐射率并完成大气校正的工作。在大气校正方面,现有的算法主要以传统方法为主,即通过大气辐射传输模型或经验-半经验公式的方式获取大气参数。但是,传统的经验-半经验的方法并不建立在物理机制上,其自身存在一定局限性;而大气辐射传输模型的方法虽然精度更高,但执行效率较低,不适用于业务化的产品生产。本文针对现有大气估算方法的不足,提出了一种基于Landsat-8单通道地表温度反演的大气参数快速估算方法。在水汽范围0~6 g/cm2内,大气参数快速估算方法的精度与MODTRAN精度相当,大气透过率RMSE为0.003;大气上行辐亮度RMSE为0.0004;大气下行辐亮度RMSE为0.0004。相较于传统的大气参数估算方法,本文提出的大气参数快速估算方法,不仅可以脱离大气辐射传输模型使用,而且具有与其相当的估算精度,执行效率更高,适用性更广。 相似文献
13.
Land surface temperature(LST) is the skin temperature of the earth surface. LST depends on the amount of sunlight received by any geographical area. Apart from sun light, LST is also affected by the land cover, which leads to change in land surface temperature. Impact of land cover change(LCC) on LST has been assessed using Landsat TM5, Landsat 8 TIRS/OLI and Digital Elevation Model(ASTER) for Spiti Valley, Himachal Pradesh, India. In the present study, Spiti valley was divided into three altitudinal zones to check the pattern of changing land cover along different altitudes and LST was calculated for all the four land cover categories extracted from remote sensing data for the years of 1990 and 2015. Matrix table was used as a technique to evaluate the land cover change between two different years. Matrix table shows that as a whole, about 2,151,647 ha(30%) area of Spiti valley experienced change in land cover in the last 25 years. The result also shows vegetation and water bodies increased by 107,560.2 ha(605.87%) and 45 ha(0.98%), respectively. Snow cover and barren land decreased by 19,016.5 ha(23.92%) and 88,589(14.14%), during the study period. A significant increase has been noticed in vegetation amongst all land cover types. Minimum, maximum and mean LST for three altitudinal zones have been calculated. The mean LST recorded was 11℃ in 1990 but it rose by 2℃ and reached to 13℃ in 2015. Changes in LST were obtained for each land cover categories. The mean temperature of different land cover types was calculated by averaging value of all pixels of a given land cover types. The mean LST of vegetation, barren land, snow cover and water body increased by 6℃, 9℃, 1℃, and 7℃, respectively. Further, relationships between LST, Normalized Difference Snow Index(NDSI), and Normalised Difference Vegetation Index(NDVI) were established using Linear Regression. 相似文献
14.
本文以2007年和2008年MODIS每日地表温度（LST）数据及AMSR-E地表亮温（BT）数据为研究对象,结合土地覆盖类型数据,统计分析MODIS_LST与AMSR-E_BT在不同土地覆盖类型、频率和极化方式条件下的相关性。结果表明,频率在18.7、23.8和36.5 GHz的AMSR-E-BT与MODIS_LST的相关性较大,且在垂直极化通道上的相关性较在水平极化上大;不同土地覆盖类型,与MODIS_LST相关性较大所对应的AMSR-E微波通道不同。同时,考虑混合像元问题对相关性的影响,对25种不同地物类型组合下MODIS_LST与AMSR-E-BT的相关性进行统计分析,发现混合像元中地物类型越多,则二者相关性越小。最后,采用多元线性回归分析法,根据不同土地覆盖类型建立反演回归模型,对部分研究区域MODIS-LST进行反演,误差平均在±3.15 K以内,与不考虑下垫面覆盖的模型比较,反演MODIS_LST精度平均提高了1.5 K。 相似文献
15.
Spatial downscaling methods are widely used for the production of bioclimatic variables(e.g. temperature and precipitation) in studies related to species ecological niche and drainage basin management and planning. This study applied three different statistical methods, i.e. the moving window regression(MWR), nonparametric multiplicative regression(NPMR), and generalized linear model(GLM), to downscale the annual mean temperature(Bio1) and annual precipitation(Bio12) in central Iran from coarse scale(1 km × 1 km) to fine scale(250 m ×250 m). Elevation, aspect, distance from sea and normalized difference vegetation index(NDVI) were used as covariates to create downscaled bioclimatic variables. Model assessment was performed by comparing model outcomes with observational data from weather stations. Coefficients of determination(R2), bias, and root-mean-square error(RMSE) were used to evaluate models and covariates. The elevation could effectively justify the changes in bioclimatic factors related to temperature and precipitation. Allthree models could downscale the mean annual temperature data with similar R2, RMSE, and bias values. The MWR had the best performance and highest accuracy in downscaling annual precipitation(R2=0.70; RMSE=123.44). In general, the two nonparametric models, i.e. MWR and NPMR, can be reliably used for the downscaling of bioclimatic variables which have wide applications in species distribution modeling. 相似文献
16.
热红外地表方向性辐射温度与半球辐射温度关系研究 总被引：1，自引：0，他引：1
地表温度是陆面过程的一个重要影响因素,利用地表温度的遥感反演算法只能获取卫星传感器观测角度条件下的地表温度（即某个方向上的辐射温度）,但地球表面普遍存在非同温像元,反演得到的像元地表辐射温度具有方向性特征。本文利用热红外辐射传输模型4 SAIL（Scattering by Arbitrarily Inclined Leaves）,以及方向性热辐射参数化模型,针对非同温均匀冠层,考虑冠层结构、太阳位置和观测角等因素的影响,模拟得到方向性辐射温度数据,与半球辐射温度数据比较,得到估算半球辐射温度的最佳观测角度。此外,开展热红外地面观测试验,对热红外地表辐射温度的角度效应,以及利用模拟数据得到的半球辐射温度最佳观测角度进行了验证。结果表明,当太阳高度角较低时,均匀草地的地表辐射温度,会随着观测天顶角的增大而增加,受观测方位角的影响较小,当观测天顶角为75°时,倾斜观测与垂直观测得到的辐射温度差值达到2.7 K,说明热辐射存在明显的方向性特征。同时,将热红外地表方向性辐射温度与同步观测的半球辐射温度进行对比分析,当叶面积指数小于1.0时,半球辐射温度的最佳替代角度为51°,与模拟结果相符。 相似文献
17.
基于随机森林算法的近地表气温遥感反演研究 总被引：1，自引：0，他引：1
近地表气温是城市热环境的重要表征,是改变和影响城区气候的重要因素。为获得空间上连续的近地表气温,本文以北京市为研究区,利用Landsat5/TM数据计算分别得到地表温度、归一化植被指数、改进的归一化差异水体指数、地表反照率、不透水面盖度,并结合气象站点气温和高程作为输入参数建立随机森林模型反演近地表气温。结果表明,随机森林反演的近地表气温平均绝对误差（MAE）为0.80 ℃,均方根误差（RMSE）为1.06 ℃,与传统多元线性气温回归方法相比,平均绝对误差（MAE）和均方根误差（RMSE）分别提高0.06 ℃和0.09 ℃。研究表明,利用随机森林模型反演近地表气温是可行的,并且具有一定的优越性。此外,对随机森林模型的输入参数进行重要性分析,地表温度对气温反演模型的影响最大,其次为高程。 相似文献