寒冷灾害监测中的全天候地表温度反演方法研究

2022-09-11

寒冷灾害会对国家农业发展造成严重的影响, 现如今, 预防、减轻寒冷灾害是农业发展中必须要解决的问题, 因此必须要加强对寒冷灾害的监测评估。想要有效的监测寒冷灾害, 就要能够全天候的获取高分辨率的陆面温度 (Land Surface Temperature, LST) 。但是在实际监测过程中, 经常会受到地形、气候、云层等因素的影响, 无法保证数据的准确性, 因此还需要进一步加强对寒冷灾害监测中的全天候地表温度反演方法的研究。

一、基于MODIS数据的LST反演

(一) 基本研究思路

现阶段, 在寒冷灾害监测过程中, 想要实现全天候的路面温度精细化空间分布反演, 就要克服传统反演时存在的局限性, 综合地面气象站资料、遥感资料, 为寒冷灾害监测评估奠定良好的技术基础。本文根据不同的气候条件选择不同的反演方式, 在晴空条件下选择基于MODIS数据的LST反演, 这种采用分裂窗算法得到反演地表温度的反演方式精度较高, 在多云条件则以地面气象站的观测资料为基础, 采用气候学方程和GIS技术进行全天候地表温度精细化反演。以此实现全天候的地表温度分布。

在此基础上, 还要结合土地利用、寒冷灾害指标等基础信息, 全面的评估判断寒冷灾害的实际情况。

(二) 实际操作步骤

一般情况下, 地表温度为300K, 根据维恩位移定律可知, 反演地表温度通常会选择热红外光谱通道, 在8-13μm波段范围内, 黑体辐射值对温度的导数最大, 光谱辐射对温度的敏感性也最高。现如今常见的基于MODIS数据的LST反演方法中都各有优缺, 其中劈窗算法最为完善, 从劈窗算法的推导过程中可以发现, 劈窗算法可以分为四大类, 分别为:简单模型、地表比辐射率模型、两因素模型和复杂模型。本文选择两因素模型进行反演, 主要分为四个计算步骤, 具体的计算步骤如下:

第一, 计算亮温T31和T32, 根据普朗克公式, 分别计算MODIS中的第31和32波段的亮温, 在公式中应用了中心波长、第一、第二光谱常量以及地表在特定波长下的热辐射下强度等参数。具体公式如下:

通过化简后, 可以得到全新的公式:

通过带入相应的数值后, 分别得到MODIS第31波段以及第32波段的K1和K2的值。

第二, 计算比辐射率ε31和ε32, 在得到亮温数值后, 还要计算得到比辐射率, 比辐射率是观测热辐射温度时, 需要利用比辐射率来修正, 比辐射率的数值在0-1之间, 会受到多种因素的影响, 其中植被和水体的比辐射率很高。本文拟采用混合像元比辐射率计算公式, 计算MODIS第31波段以及第32波段的比辐射率, 具体公式如下:

在上述公式中水体、植被和裸地的比辐射率分别用εw、εv、εs表示, 而水体、植被和裸地的温度比率分别用Rw、Rv、Rs表示, 此外, 公式中的Pw、Pv分别表示水面和植被的构成比例。在综合常用地物比辐射率光谱库中信息数据, 求出MODIS第31波段以及第32波段的比辐射率的基础上, 还要计算植被和裸土的NDVI阈值。

第三, 计算大气透过率τ31和τ32, 大气透过率是热辐射能和地表辐射能的比值, 其中红外热辐射会受到天气的影响, 因此在计算红外热辐射时, 可以通过计算水汽吸收波段和非吸收波段间热辐射的差别来获取[1]。根据MODIS第19波段以及第2波段的反射率比值, 计算MODIS第19通道的大气透过率, 进而根据经验公式计算得到大气含水量, 具体公式如下:

其中α和β均为经验常数, 最后基于大气模拟软件:LOWTRAN模拟得到相应的经验公式, 分别计算MODIS第31波段以及第32波段的大气透过率。

第四, 根据劈窗算法计算陆面温度, 基于MODIS第31波段以及第32波段的亮温、比辐射率、大气透过率等素质, 利用劈窗算法计算陆面温度, 展开LST反演。具体的计算公式如下:

将相应的数值代入其中后, 就会得到地表温度的反演精度。

二、基于地面观测资料的地表温度空间精细化反演模型

本文以广东地区为例, 根据当地提供的地面观测资料, 建立起基于地面观测资料的地表温度空间精细化反演模型, 具体的操作步骤如下:

第一, 首先要全面收集广东全省的历史平均气温以及最低气温的监测资料, 同时结合广东地区所在经度、纬度、海拔高度等和广东气温有线性关系的因素, 形成线性回归方程。本文建立的是基于经度、纬度、海拔这三个因子和气温之间的线性回归方程:T (γ、φ、H) 。根据这个线性回归方程, 综合参考广东全省中较高的分辨率格点高程数, 就可以反演格点气温, 得到广东全省的气温格点资料。

第二, 对上文中得到的线性回归方程:T (γ、φ、H) 进行计算, 得到回归方程残差, 一般情况下回归方程残差Xg=T (实测) -T (γ、φ、H) 。同时借助类似于Surfer的工具软件, 实现残差网格化, 在这个过程中, 还需要注意一点就是要保证回归方程残差的格点数相互匹配, 最后将完全网格化后的回归方程残差数据和回归方程反演的格点资料进行叠加, 从而得到具体的气温格点资料[2]。

第三, 根据第二步骤中气温格点资料对坡度和坡向进行订正, 从而得到最后的全省气温格点资料。

三、实际应用分析

本文以广东地区为例, 以某一天的MODIS Terra资料以及当天广东全省86个地面气象站得到的温度观测资料为基本数据, 进行全天候地表温度反演方法验证不同反演方法下陆面温度效果。

基于MODIS劈窗算法反演的陆面温度 (LST) 分布情况以基于GIS技术和气候学方程对气象站地面资料 (D0) 空间精细化结果, 根据实际的数据分析发现, 这两种方法都可以较优的反映出地表温度的空间分布情况, 但是也可以发现基于MODIS劈窗算法反演的陆面温度分布图更加精细, 可以直观、细微的反映出水体、植被等地物对陆面温度的影响, 而基于GIS技术和气候学方程对气象站地面资料 (D0) 空间精细化结果图却存在一定的问题, 主要表现为三个方面:第一, 分布图中的水体轮廓不够清楚, 整体水体温度偏高;第二, 植被指数中出现高估趋势, 从而导致植被降温效应被弱化;第三, 广州全省绝大部分气象站分布在200m海拔以下的地区, 因此在对一些海拔较高的山区进行地表温度反演时, 真实性和准确性无法保证。根据气象站所提供的数据以及本文采用反演方法得到数据可以看出, 两种反演方法得到的数据总体上是一致的, 但是和气温存较大的差异, 此外, 在实际检测中虽然基于MODIS劈窗算法反演陆面温度得到较为精细化的结果, 但是也存在一定的误差, 造成误差的主要原因有两点, 第一, 提数据之间存在时间上的误差, 没有在固定时间观测;第二, 测量范围不同也会导致二者之间存在较大的误差。在基于MODIS劈窗算法反演陆面温度的过程中必须要参考大气透过率 (τ31、τ32) 和地表比辐射率 (ε31、ε32) , 这是该反演方法中的关键参数, 只有对大气透过率和地表比辐射率进行具体的计算、统计、订正, 明确二和之间的规律后, 才能够更加准确的表现出广东当地的实际情况。综合考虑当地的气候条件以及反演方法的实际情况可知, 虽然基于MODIS劈窗算法反演陆面温度方法具有着较高的精度, 但是在进行寒冷灾害检测中也会产生一定的误差, 因此要综合使用两种反演方法, 以此实现性能互补, 根据当地不同的天气状况、水土、植被、裸土等方面有针对性的选择不同的反演方法, 同时建立起综合性的全天候地表温度反演方法[3]。

四、总结

综上所述, 进行寒冷灾害监测的过程中必须要快速准确的获取精细化全天候地表温度数据。现如今, 气象观测资料、遥感资料不断丰富, GIS技术也在不断发展, 为全天候地表温度数据的获取提供了良好的机遇, 而传统的路面温度反演方法已经无法满足寒冷灾害监测等实时业务的需求, 必须要建立形成全新的地表温度反演概念模型。本文提出的全天候地表温度反演概念模型就克服了传统反演方法的局限性, 有效提高气候灾害监测的评估水平和能力。

摘要：全天候地表温度在水文、气象、生态等方面研究中发挥着至关重要的作用, 是不可忽视的关键参数, 通过对全天候地表温度反演方法的研究, 可以更好的监测寒冷灾害。本文基于全天候地表温度反演方法基本研究思路, 分别探讨了基于MODIS数据的LST反演以及基于地面观测资料的地表温度空间精细化反演模型的具体操作步骤, 同时根据实际的应用数据详细分析, 本文提出的综合性反演方法的实践性以及可行性。

关键词：全天候地表温度反演方法,地面观测资料,MODIS数据,分裂窗算法