基于热红外和微波数据的地表温度和土壤水分反演算法研究

nbsp;  言
   
    地面温度和土壤水分是反映土壤一植被一大气系统能量流动
与物质交换以及土地资源和环境管理的重要参数，也是地球表面
能量平衡和温室效应的两个重要指标，是区域和全球尺度地表物
理过程的一个关键因子。因此，地面温度和土壤水分在气候、水
文、生态学和生地化学等许多领域中是非常重要的。但是依靠地
面观测站的观测来大面积地获取地表温度和土壤水分参数是不现
实的。然而借助于热红外遥感、微波遥感影像，可以方便快捷
地获得大面积，甚至全球的地温和土壤水分资料，且数据更新
快，成本低廉。
    地表温度和土壤水分是陆地植物、土壤生物赖以生存的重要
物质源泉。陆地植物赖以生存的水分、各种矿物质等主要来源于
土壤水和溶解在土壤水中的各种营养物质。土壤中的水分可以直
接被植物的根系吸收。土壤水是植物所需的各种营养物的主要载
体，土壤水分的适量增加有利于各种营养物质的溶解和移动，有
利于磷酸盐的水解和有机磷的矿化，这些都能改善植物的营养状
况，促进营养物的循环。地表温度和土壤水分可以作为干旱预
报、农作物估产等的一个重要指标。在干旱半干旱地区，监测地
表土壤水分和地表温度的时空变化特性对理解土壤一植被相互作
用过程，提高土壤和植被的有效利用率尤为必要。在干旱半干旱
地区土壤水分蒸发一般是一种极其不利的过程，可使土壤干旱缺
水，导致土壤盐渍化等，从而引起土壤沙化、水土流失、植被退
化等生态环境恶化现象。在绿洲和沙漠的交错地带由于干旱少
雨，土壤水分低，荒漠化的现象比较严重。同时，土壤水分和地
 表温度是农作物长势监测和估产的主要参数，准确、快速、大范
围的土壤水分测量是作物生长状态监测和估产模型所必需的。
    本书汇集了作者近六年多的研究工作，其中大部分内容已经
在国际权威遥感刊物(International Journal of Remote Sensing)、
地球物理研究(Joumal of Geophysical Research-atmosphere)、
IEEE(IEEE Trans．Geosci．Remote Sensing)等国际刊物和国际
会议，以及《中国科学》和其他国内核心刊物上发表。特别是
在地表温度上，作者从高分辨率的ASTER数据、中分辨率的
MODIS数据，到低分辨率的被动微波AMSR-E都提出了自己算
法(至少有7个算法)。这也是我的博士论文主要内容，算法的
反演精度和实用性得到了国内外热红外及相关领域的专家认可。
博士论文答辩委员会委员：李增元研究员(中国林业科学研究
院)、田国良研究员(中国科学院遥感应用研究所)、李召良研
究员(中国科学院地理所)、张仁华研究员(中国科学院地理
所)、阎广建教授(北京师范大学)、柳钦火研究员(中国科学
院遥感应用研究所)、李震研究员(中国科学院遥感应用研究
所)、陈良富研究员(中国科学院遥感应用研究所)对我做的工
作给予了非常好的评价和充分的肯定。
    到2020前，中国计划发射100颗卫星，作者希望得到国内
有关部门的支持，将我们的算法应用到我们国家的卫星上去。衷
心希望进一步得到科技部、农业部、教育部、国家自然科学基金
委、国防科工委、中国农业科学院、中国气象局等相关单位的支
持，使得我们的研究能够更好I地进行和推广到实际应用中去，为
农业生产和灾害监测提供准确的数据。
    本研究工作得到了国家自然科学基金重点项目(编号：
90302008&40571 101)，  “863”专题(编号：2006AAl02241)
以及中央级公益性科研院所基本科研业务费专项资金的支持。作
者在这里感谢博士导师施建成、硕士导师覃志豪提供了一个非常
 好的学术环境，感谢万正明先生、李召良老师、孙国清老师，以
及陈锟山老师给予了很多无私的帮助和指导。我做的工作与他们
的指导是分不开的。特别感谢中国农业科学院农业资源与农业区
划研究所所长唐华俊老师给了我工作后*大的支持，*后感谢实
验室主任周清波老师以及其他老师的支持。本书在中央级公益性
科研院所基本科研业务费专项舞拿(所长基金)资助下得以出
版。由于写作匆忙，请各位同行批评指正。
    作  者
    2nn7—1 1

第五章  fi-对MODIS数据的
    地表温度和发射率反
  
    演算法01：究    、
    MODIS是一个拥有36个波段的传感器。由于其覆盖全球，
高的辐射分辨率、观测频率以及波段分辨率，并且能同时对大
气、海洋、陆地进行监测，这些特性使得MODIS在全球变化研
究中具有非常重要的地位。目前，NASA已经提供了针对MODIS
数据陆地表面温度产品。采用的算法是万正明先生提出的劈窗算
法和多波段算法(Wan et a1．，1996，1997)[1][2]。劈窗算法的发
射率是通过地表类型和发射率库匹配得到；多波段算法使用了白
天／晚上的MODIS数据，同时假定了白天和晚上同一个地方的发
射率不变。两个算法经过实地数据验证表明(Wan et a1．，2002，
2004)[3][4]，精度在1K以下。但需要说明的是，这个精度是参
数(发射率和大气水汽含量等)在误差很小的情况得到的。事
实上，在实际中，遥感的地表分类很难保证劈窗算法所要求的精
度，特别是对于MODIS这种大尺度的像元，我们需要将发射率
的估计精确到亚像元；另外对于多波段算法，在天气变化(下
雨、降雪以及土壤水分含量的变化等)比较大的情况下，白天
和晚上的发射率并不相等。这会导致有些时候算法的精度并不稳
定。在本章中，我们将针对MODIS数据的特点探讨和提出适合
于MODIS数据的地表温度反演算法。由于有两个不同的算法，
为了保持每个算法的独立性，在介绍和推导的过程中可能存在一
 些重复。
    近20年来，热红外遥感技术的飞速发展为快速地获取区域
地表温度空间差异信息提供了新的途径。地表温度在区域资源环
境研究中的重要性已经使热红外遥感成为遥感研究的一个重要领
域，目前已经开发了很多实用的地表温度遥感反演方法，如热辐
射传输方程法、劈窗算法、单窗算法和多通道算法。许多算法是
针对具体的传感器开发的，例如劈窗算法是用来从具有两个热红
外波段的NOAA／AVHRR数据中反演地表温度，而单窗算法则
主要是用于只有一个热红外波段的Landsat TM数据[5]。1999、
2002年搭载MODIS遥感器的对地观测卫星发射成功，为全球和
区域资源环境动态监测开辟了又一新的途径。MODIS是一个拥
有36个波段的中分辨率遥感系统，每1～2天可获得一次全球观
测数据，其飞行与太阳同步，每天同一区域至少可获得昼夜两景
图像，并且是免费接收，因此非常适合于中大尺度的区域资源环
境动态监测。在MODIS的36个波段中有8个是热红外波段，因
而非常合适于区域尺度的地表热量空间差异分析。但是，目前针
对MODIS遥感数据的地表温度反演算法还很少。有些应用研究
还在利用针对NOAA／AVHRR数据开发的反演算法反演地表温
度。由于大气的影响，星上亮度温度与真正的地表温度有很大差
距。在日腔时其差距为3～6。C；在大气水分含量较高情况下，
这种差异可以超过10。C[5]-[10]。因此，为了更准确地分析区域
热量空间差异，很有必要对MODIS所观测到的亮度温度进行大
气校正，反演出真正的地表温度。
    目前已经开发了很多针对NOAA／AVHRR数据中两个热红外
波段(第4和5波段)的劈窗算法。劈窗算法的主要原理是利
用两个相邻热红外波段对大气的不同吸收性质来校正大气的影响
(Price，1984；Wan et a1．，1989；Becker and Li，1990；Sobrino
 and Coil，1991；Vidal，1991；Kerr，1992；Otlle and Stoll，
 1993；Prata，1994；Wan and Dozier，1996；Uln et aL，
2001）[1][11]-[23]。虽然劈窗算法的形式基本一致，但由于其参数
的计算不同而形成了不同的劈窗算法。Price(1984)[11]假定地
表为黑体，即发射率为l，后面对’此又有一些改进。在Price的
算法的基础上，Coil et a1．(1994)[24j考虑了太阳天顶角臼翮不同
波段之间的发射率()。Sobrino et a1．(1991)[14]对大气透过率
和发射率进行了订正。Fransa and Cracknell(1994)[17]建立了两
个大气校正模型来反演地表温度，在这个算法中，需要大气水汽
含量参数。Qin et a1．(2001)[mi提出了一个劈窗算法，该算法也
需要卫星过境时的大气水汽含量资料。Wan et a1．(1996)…提出
了一个针对MODIS的劈窗算法，该算法考虑了视角提高了算法
精度，但仍然需要大气水汽含量作为先验知识。Sobrio et a1．
(2004)[21]，Mao et a1．(2005)[22 J针对MODIS也各提出了一个劈
窗算法。Mao et a1．(2005)[23]利用TERRA多传感器的特点，针
对ASTER数据提出了一个优化的劈窗算法。在假定已知大气水
汽含量和发射率的前提下，上述算法的精度都非常地高。Harris
et a1．(1992)-、Sobfino et a1．(1993)[25]、Coil et a1．
(1994)[26]研究指出在劈窗算法中引进大气水汽含量能够提高海
面温度的反演精度。同时反演地表温度和发射率的研究也比较
多，在后面针对同时反演地表温度和发射率的算法时还会具体
介绍。