英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

基于MODIS热红外数据的

改进地面温度和发射率分离的水汽标度模型

Nabin K. Malakar , Glynn C. Hulley

文章信息：

文章历史：

2015年12月3日收到；2016年4月21日收到在修订中；2016年4月29日接受；2016年5月31日在线提供。

关键词：MODIS；地面温度；大气校正；热红外；发射率；验证；红外图像传感器；遥感。

摘要：

我们提出了一种改进的水汽标度模型（WVS），用于修正温度发射率分离(TES)算法中的MODIS热红外波段(TIR)波段。利用TES反演了MODIS波段29、31和32波段地表温度和发射率(LSTamp;E)。该模型在逐波段和逐像素的基础上提高了TES中大气校正参数的精度。我们使用全球大气探空仪剖面生成视角和昼夜相关的WVS系数，这些系数对所有MODIS扫描角度都有效，最高可达65°。本文以美国西南部一个颗粒为例，在非常温暖和潮湿的季风大气条件下，验证了改进的WVS模型对MODIS - TES地表温度和地表温度反演精度的影响。此外，利用三年的MODIS Aqua数据，在加利福尼亚州富含石英的Algodones沙丘的两个地点和美国得克萨斯州的一个草原地点对MODTES LST amp; E反演进行了全面验证。实例研究结果表明，采用WVS方法，三个MODIS TIR波段发射率反演的绝对误差平均从1.4 %降至0.4 %。采用基于辐射度的方法对MODTES第一次反演结果进行了验证，结果表明，WVS方法与MODTES算法相结合，显著降低了两个站点第一次反演的偏差和均方根误差( RMSE )。应用WVS模型时，在Algodones沙丘区，LST RMSE平均从1.3 K降至1.0 K，在得克萨斯草原区，LST RMSE平均从1.2 K降至0.7 K。该研究表明，对于各种具有挑战性的大气条件和陆面类型，WVS大气校正模式对于反演精度lt; 1k、发射率lt; 1 %的MODTES LST至关重要。

1. 引言

地表温度( LST )是一个重要的气候变量，与地表能量平衡有关，是生态系统状态的关键驱动力 (Bond-Lamberty amp; Thomson, 2010; Lloyd amp; Taylor, 1994).。它也是涉及水文、蒸发蒸腾作用和气候学的各种研究的关键参数(Allen et al., 2007; Anderson, Hain, Wardlow, Mecikalski, amp; Kustas, 2011; Anderson, Norman, Mecikalski, Otkin, amp; Kustas, 2007; Taconet, Bernard, amp; Vidalmadjar, 1986; Wan, Wang, amp; Li, 2004).另一方面，陆地表面发射率决定了向外的长波辐射，是与地球辐射收支有关的各种研究的重要参数(Ogawa, Schmugge, amp; Rokugawa, 2008; Wang amp; Liang, 2009; Zhou et al., 2003), geological mineral mapping (Cudahy et al., 2016; Hewson, Cudahy, Mizuhiko, Ueda, amp; Mauger, 2005; Hook et al., 2005; Vaughan, Hook, Calvin, amp; Taranik, 2005),以及土地覆盖和土地利用变化检测(Hulley, Veraverbeke, amp; Hook, 2014)，除了是检索精确LST的必要变量之外(Kahle, 1987; Schmugge, French, Ritchie, Rango, amp; Pelgrum, 2002)。NASA地球观测系统Terra和Aqua平台上的中分辨率成像分光辐射计( MODIS )仪器分别于1999年和2002年发射，能够反演地表温度和发射率，并作为全球陆地、大气和海洋研究的基石(Justice amp; Townshend, 2002; Wan amp; Dozier, 1996).

星载传感器测量的热红外辐射包括大气吸收和发射的影响。这些大气效应需要从传感器观测中去除，以隔离离地表面辐射贡献。然后可以使用表面辐射率来检索感兴趣的表面变量，例如LST和辐射率( LST amp; E )。大气校正的成功取决于使用温度、水蒸汽和其它气体成分。利用辐射传输模型如MODTRAN (Berk, 1989; Berk et al., 2005; Kneizys et al., 1996),或RTTOV (Berk, 1989; Berk et al., 2005; Kneizys et al., 1996)。来自不完全大气校正的残余误差构成了从基于物理的算法如温度发射率分离( TES )算法(Gillespie et al., 1998; Hulley, Hughes, amp; Hook, 2012),，对于从先进的星载热发射和反射辐射计( ASTER )中获取的LST，在温暖潮湿的大气条件下，可达3 K，对于MODIS，可达4.5 K (Hulley, Hughes et al., 2012)。为了提高TES算法的精度，对已建立的水蒸气定标( WVS )方法进行了改进和改进，使用扩展的多波段/水汽相关( EMC / WVD )算法(Tonooka, 2005a).逐波段提高每次观测的大气参数精度。WVS方法是水汽相关( WVD )算法的扩展(Franccedil;ois amp; Ottle, 1996)，该算法已成功地结合到TES算法中，TES算法用于生成网格化的全球ASTER发射率图，例如北美ASTER陆地表面发射率数据库( NAALSED )(Hulley amp; Hook, 2009b)和ASTER全球发射率数据库v3和v4 ( ASTER GED ) (Hulley et al., 2015)。在MODIS算法中，也采用了加权平均法用于生产新的LST amp; E产品( MOD21 )的算法2016年随着6号收藏品的发行，此外还有相当的美国国家航空航天局可见红外成像辐射计套件标准算法将于2017年发布。

利用WVS提高MODIS温度发射率分离( TES )反演的精度(Gillespie et al., 1998; Hulley, Hook, amp; Hughes, 2012)最早是由Tonooka ( 2005b )在成功研究的基础上首次提出的，该研究应用于改进ASTER TIR数据的大气校正( Tonooka，2001，2005a )；然而，仅导出了一组系数，以涵盖最大30°的视角，限制了其在需要处理所有视角(例如，最大65°的MODIS )数据的生成算法中的使用。然而，先前已经表明，在TES大气方案中使用这一版本的WVS用于视角b45，对于ASTER而言，LST估计的总不确定度从3.1 K降低到1.2 K，对于MODIS TES反演而言，使用基于无线电探空仪剖面和光谱发射率库数据的大范围模拟数据，LST估计的总不确定度从4.5 K降低到1.5 K (Hulley, Hughes et al., 2012)。

本文提出了一种改进的WVS方法，通过计算与视角和昼夜相关的系数。这些调整提高了WVS模型在更具挑战性的大气条件和更高视角几何形状下的精度和稳定性，使其适合于从宽测绘波段成像传感器(如MODIS和VIIRS )中操作性地获取地表温度。此外，通过对美国两个验证站点的MODIS Aqua场景进行为期三年的收集，验证研究证明了WVS实施对LST amp; E检索的改进。

1. 与MODIS LSTamp;E的相关性

从MODIS TIR数据( MOD11 )产生的传统第一阶段产品使用了一种广义的分窗技术，该技术利用了MODIS波段31 ( 11 mu;m )和32 ( 12 mu;m )之间大气水汽的差分吸收特性来解释大气效应 (Wan amp; Dozier, 1996)，并使用了一个土地分类发射率数据库来解释发射率效应s(Snyder, Wan, Zhang, amp; Feng, 1998)。用这种方法生成的MOD11 LST系列产品在天底分辨率为1公里；然而，产品中的发射率数据不是物理检索的，而是通过根据土地覆盖分类数据库分配固定发射率来估计的。只要表面覆盖类型分类不正确，或者覆盖类型内有较大的发射率变化，例如在空间和光谱上发现发射率变化最大的沙漠区域(Hulley amp; Hook, 2009a),，并且在分类方法中仅分配一个发射率，这就有可能引入系统偏差。

为了解决这些问题，目前正在开发一种新的MODIS LST amp; E产品( MOD21 ) (Hulley, Hook, et al., 2012)，2016年将与MODIS收集的6个二级土地产品一起发布。MOD21方法使用全辐射传输计算，结合TES算法逐像素和逐波段地估计大气影响(Gillespie et al., 1998)和WVS模型(Tonooka, 2001)。TES算法最初是为ASTER开发的，用于同时检索其五个TIR波段的LST和光谱发射率。MODIS - TES ( MODTES )算法将利用WVS方法对MODIS波段29 ( 8.55 mu;m )、31 ( 11 mu;m )和32 ( 12 mu;m )的LST和动态变化的光谱发射率进行反演，以优化和提高大气校正(Hulley, Hook, et al., 2012; Hulley amp; Hook, 2011)。严格评估了ASTER和MODTES反演中使用WVS方法进行大气校正的不确定性 (Hulley, Hughes, et al., 2012)。结果表明，对于具有全局代表性的情况，该方法将LST估计的总不确定度降低到plusmn;1k以内。此外Coll,Garcia-Santos, Niclos, and Caselles (2016)利用全覆盖水稻作物的原位辐射计测量进行的一项验证研究表明，在高水汽含量条件下，将WVS与MODTES算法结合使用，可将LST偏差从1.3降低到0.5 K。

1. 热红外辐射传输

长波TIR区域( 7–14 mu;m )的at传感器辐射率测量是三个主要项的组合:地球发射辐射率、大气路径辐射率和反射下行天空辐照度。地球发射的辐射是温度和发射率的函数，在到达卫星的路径上被大气衰减。大气还发射辐射，其中一些辐射作为“路径辐射”直接散射到传感器的路径中，而一些辐射到表面(辐照度)并反射回传感器的路径中，通常称为反射的下行天空辐照度。TIR区域的反射太阳辐射可以忽略不计，其分量比表面发射的辐射小得多(Tonooka, 2001)。由于基尔霍夫定律，天空辐照度的一个影响是发射辐射的光谱对比度降低。假设发射率的角度变化很小(朗伯假设)，并使用基尔霍夫定律将半球向反射率表示为定向发射率(rho;lambda;= 1 -lambda;)，则晴空at传感器的辐射率可以写成三项:由普朗克函数描述并由发射率因子lambda;减小的地球发射率；反射下行辐照度；和路径辐射率(Becker amp; Li, 1990)

L_lambda;(theta;)= tau;_lambda;（theta;）ε_lambda;B_lambda;（T_s） tau;_lambda;（theta;）（1-ε_lambda;）L^darr;_lambda; L^uarr;_lambda;（theta;） (1)

其中L_lambda;(theta;)= 传感器辐射亮度；lambda; = 波长；theta;=观测角度; ε_lambda; =表面发射率; T_s=表面温度; L^darr;_lambda;=下行天空辐照度; tau;_lambda;（theta;）= 大气透过率; L^uarr;_lambda;（theta;）=大气路径辐射度; 而B_lambda;（T_s）是普朗克函数。

大气参数tau;，L^uarr;和L^darr;可以通过使用辐射传输模型结合大气质量和高程数据来计算。 式 (1) 给出单个波长的传感器辐射亮度lambda;，而传感器的测量值通常在传感器波段进行测量。 通过传感器的光谱响应函数对传感器光谱辐射亮度进行加权和归一化，获得离散频波段i的传感器辐射亮度。 从方程(1)，可以通过以下与观察到的传感器辐射率的关系推导出波段i的表面辐射率的贡献 L_s,i：

L_s,i=ε_iB_i(T_s) (1-ε_i) L^darr;_i=(L_i(theta;)- L^uarr;_i(theta;)) / (T_i(theta;)) (2)

然而，即使已知L_s,i，由于未知参数ε_i和T_s总是一个，因此需要额外的 约束来获得ε_i和T_s超过联立方程式的数量,为解决方案。 一个典型的解决方案是增加一个经验约束，它构成了TES 算法方法的基础(Gillespie, Rokugawa, Hook, Matsunaga, amp; Kahl

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[24656]，资料为PDF文档或Word文档，PDF文档可免费转换为Word