卫星遥感地表温度降尺度的光谱归一化指数法

针对卫星遥感技术监测地表温度(land surface temperature,LST)存在时空分辨率矛盾这一难题,以TsHARP温度降尺度算法为基础,根据地表覆盖类型的不同,分别选择与LST相关性更好的光谱指数(归一化植被指数,NDVI;归一化建造指数,NDBI;改进的归一化水体指数,MNDWI;增强型裸土指数,EBSI)提出了新的转换模型,并从定性和定量两个角度评价了TsHARP法和新模型的降尺度精度。结果表明:两种模型在提高LST空间分辨率的同时又能较好地保持MODIS LST影像热特征的空间分布格局,消除了原始1km影像中的马赛克效应,两种模型均能够达到较好的降尺度效果;全局尺度分析表明,不管是在降尺度结果的空间变异性还是精度方面,本文提出的模型(RMSE:1.635℃)均要优于TsHARP法(RMSE:2.736℃);TsHARP法在水体、裸地和建筑用地这些低植被覆盖区表现出较差的降尺度结果,尤其对于裸地和建筑用地更为明显(|MBE|>3℃),新模型提高了低植被覆盖区地物的降尺度精度;不同季节的降尺度结果表明,两种模型都是夏、秋季的降尺度结果优于春、冬季,新模型的降尺度结果四季均好于TsHARP法,其中春、冬季的降尺度精度提升效果要优于夏、秋季。

基于MODIS的地表温度空间降尺度方法

针对卫星遥感技术监测地表温度(land surface temperature,LST)存在时空分辨率矛盾这一难题,以Ts HARP温度降尺度方法中的3种不同转换关系为基础,提出引入地表比辐射率ε和修正的土壤调节植被指数MSAVI的新转换关系,并用4种转换关系直接将原始1 km MODIS LST产品降尺度到250 m。为了验证4种降尺度转换关系的效果,以Landsat 8 TIRS反演的LST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;4种转换关系降尺度的250 m MODIS LST均值均接近于TIRS升尺度的LST均值,平均偏差的绝对值都小于1℃,降尺度结果非常接近真实地表温度,表明4种转换关系均能够达到较好的降尺度效果;原始转换关系1的降尺度结果虽然具有较高的空间变异性(SD较大),但与TIRS LST之间的RMSE是4种转换关系中最大的(2.375℃),而改进的转换关系4仅为1.252℃,并且转换关系4在描绘城市高温区和水体低温区方面具有明显的优势。