论文部分内容阅读
地表温度在地表能量平衡和热量交换等研究应用中都有着重要的指示意义,被广泛应用于农业、地质、水文和气象等多个领域。热红外遥感数据反应了地表的热辐射程度,被广泛用于地表温度的反演和监测。但是,到目前为止,尚未有遥感卫星能够提供同时具有高时间和高空间分辨率的热红外数据。采用图像融合的方法对热红外数据进行降尺度是解决这一问题的经典做法。已有许多模型融合了高时间分辨率(如MODIS)和高空间分辨率(如ASTER)的遥感影像,得到高时空分辨率的地表温度图像。Visible Infrared Imaging Radiometer Suite(VIIRS)数据作为美国国家海洋和大气管理局发射于2011年的新型可见红外热辐射成像仪提供的遥感影像,其更短的传输时间,增强的观测几何,以及更高质量的图像质量等优势使得该数据可以作为新一代环境研究的主要数据。但是,目前尚未有学者将VIIRS与Landsat-8热红外数据用于数据融合并反演地表温度方面的研究。为了验证VIIRS数据用于空间热红外数据融合的可行性及探究其应用前景,本文使用VIIRS和Landsat-8热红外数据进行融合,并将融合后的辐射量转化为地表温度,以得到高时空分辨率的地表温度影像数据。Landsat-8热红外数据的空间分辨率为30米,但是重返周期为16天;VIIRS热红外数据的空间分辨率约为375米,时间分辨率为1天。本文旨在通过融合这两种数据,得到空间分辨率为30米,时间分辨率为1天的地表温度数据。在已有的热红外数据融合算法中,用于温度制图的时空自适应数据融合算法(Spatio-temporal Adaptive Data Fusion Algorithm for Temperature mapping,SADFAT)结果精度最高。因此,本研究采用了 SADFAT数据融合算法,预测了的北京市、乌鲁木齐市和银川市部分区域为研究区域地表温度影像,并与Landsat-8实测数据进行对比。为了验证VIIRS数据的可用性,本文还使用相同日期的MODIS数据和Landsat-8数据进行融合,并将预测结果进行比较。在北京市的研究区域(研究区域a)中,使用VIIRS数据的预测结果误差在1.1K到1.4K,相关系数在0.71至0.89之间,使用MODIS数据的预测结果,误差在0.9K到1.4K,相关系数范围为0.72至0.93。针对SADFAT模型在VIIRS和Landsat-8热红外数据融合的应用,本文对模型参数进行了敏感性分析,将模型中的转换系数计算方法由原模型中的逐像元计算影像辐射量差值比更改为每个移动窗格中每一类地表覆盖类型像元的转换系数平均值,以得到更加平滑和准确的结果。同时,通过实验验证,发现当移动窗格的大小为5x5时,可以得到精度更好、运算效率更高的融合结果。