基于Landsat8數(shù)據(jù)的2種海表溫度反演單窗算法對(duì)比
——以紅沿河核電基地海域?yàn)槔?/h1>
2018-03-06 06:04陳瀚閱李家國(guó)范協(xié)裕
自然資源遙感 2018年1期
陳瀚閱， 朱 利， 李家國(guó)， 范協(xié)裕
(1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福州 350002； 2.福建農(nóng)林大學(xué)土壤生態(tài)系統(tǒng)健康與調(diào)控福建省高校重點(diǎn)實(shí)驗(yàn)室，福州 350002； 3.福建農(nóng)林大學(xué)福建省土壤環(huán)境健康與調(diào)控重點(diǎn)實(shí)驗(yàn)室，福州 350002； 4.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094； 5.中國(guó)科學(xué)院遙感與數(shù)字地球研究所，北京 100101)
0 引言
海水表面溫度(sea surface temperature，SST)是海洋-大氣系統(tǒng)中一個(gè)重要的物理參量，其微小變化就會(huì)對(duì)大氣溫度、大氣環(huán)流和天氣形勢(shì)造成很大影響[1]，從而影響海洋生態(tài)系統(tǒng)，因此相關(guān)研究領(lǐng)域?qū)峒t外遙感反演SST產(chǎn)品的精度有較高要求。近年來(lái)，核能發(fā)電技術(shù)作為能源短缺的極好補(bǔ)充，在中國(guó)得到大力發(fā)展，但核電站在發(fā)電過(guò)程中存在持續(xù)溫排水現(xiàn)象，從而造成水體熱污染[2-4]。核電站溫排水動(dòng)態(tài)監(jiān)測(cè)研究對(duì)于核電站合理規(guī)劃使用以及附近海域生態(tài)環(huán)境的保護(hù)具有重要意義。遙感技術(shù)因其動(dòng)態(tài)連續(xù)、監(jiān)測(cè)范圍廣等優(yōu)勢(shì)成為開(kāi)展核電溫排水監(jiān)測(cè)與評(píng)價(jià)的首選途徑，而核電站附近海域SST反演精度是核電溫排水遙感動(dòng)態(tài)監(jiān)測(cè)的必要前提和基礎(chǔ)。
沿海核電站溫排水是一個(gè)連續(xù)動(dòng)態(tài)變化的小空間尺度人類(lèi)活動(dòng)，對(duì)其動(dòng)態(tài)監(jiān)測(cè)需要中—高空間和時(shí)間分辨率的SST產(chǎn)品。一些學(xué)者[5-7]利用重返周期為1 d的NOAA/AVHRRH和MODIS熱紅外數(shù)據(jù)獲取長(zhǎng)時(shí)間序列SST產(chǎn)品，并用于核電溫排水監(jiān)測(cè)研究，雖滿(mǎn)足了溫排水的觀測(cè)頻率，但較低的空間分辨率(1 km)無(wú)法獲取SST的空間分布細(xì)節(jié)，限制了其在小區(qū)域內(nèi)獲取不同等級(jí)的熱污染空間分布。另外一些學(xué)者[8-12]利用空間分辨率較高的HJ-1B衛(wèi)星數(shù)據(jù)和Landsat TM/ETM+熱紅外遙感數(shù)據(jù)對(duì)沿海SST進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，效果較好。2013年2月發(fā)射的Landsat8衛(wèi)星攜帶熱紅外傳感器(thermal infrared sensor，TIRS)具有2個(gè)熱紅外通道，空間分辨率為100 m，是沿海海域SST遙感反演較好的數(shù)據(jù)源。相對(duì)于國(guó)產(chǎn)衛(wèi)星HJ-1B，Landsat8具有更高的波段輻射分辨率和空間分辨率，可作為HJ-1B用于SST動(dòng)態(tài)監(jiān)測(cè)的有效補(bǔ)充和驗(yàn)證。國(guó)內(nèi)針對(duì)Landsat8的SST反演算法也相繼問(wèn)世[13-15]，但對(duì)其在沿海地區(qū)的SST反演精度還缺乏全面評(píng)價(jià)，有必要對(duì)不同算法用于Landsat8 TIRS數(shù)據(jù)反演沿海 SST的適用性進(jìn)行比較分析。
適用于Landsat8 TIRS的SST反演算法包括單窗算法[8-9,16]和劈窗算法[17-19]， 但熱紅外通道第11波段受正常電磁波及其他散射光的干擾程度是第10波段的2倍之多[20]，經(jīng)過(guò)NASA地面校正后，第10波段輻射誤差(小于1 K)在要求范圍內(nèi)，而第11波段仍處于較高的誤差范圍(1.75 ～4.4 K)[21]，鑒于第11波段的定標(biāo)系數(shù)仍不理想，現(xiàn)階段基于第10波段的單窗算法是反演SST較為可靠的途徑[15]。典型的單窗算法包括輻射傳輸法(radiation transfer model, RTM)和Qin等[16]提出的針對(duì)TM的單窗算法(QK&B算法)。其中，RTM算法物理意義明確，但因需要較多實(shí)時(shí)大氣參數(shù)限制了其在SST動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用?？臻g分辨率為1°、時(shí)間分辨率為6 h的美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NCEP)大氣溫濕度廓線(xiàn)數(shù)據(jù)為RTM算法業(yè)務(wù)化應(yīng)用提供了契機(jī)，但結(jié)合NCEP大氣參數(shù)的RTM算法進(jìn)行SST反演的精度仍有待進(jìn)一步驗(yàn)證。QK&B算法反演僅需地表發(fā)射率、大氣透過(guò)率和大氣平均作用溫度3個(gè)參數(shù)，大氣參數(shù)均可通過(guò)經(jīng)驗(yàn)?zāi)Ｐ瞳@取，簡(jiǎn)單有效，被廣泛應(yīng)用于SST產(chǎn)品生成，但若要用于Landsat8 TIRS數(shù)據(jù)，需針對(duì)Landsat8 TIRS光譜效應(yīng)函數(shù)重新進(jìn)行模型系數(shù)修訂，且基于標(biāo)準(zhǔn)大氣模式擬合的經(jīng)驗(yàn)?zāi)Ｐ涂赡軙?huì)影響最終SST的反演精度，其在典型區(qū)域應(yīng)用的有效性也需要進(jìn)一步驗(yàn)證。
針對(duì)上述問(wèn)題，本文以遼寧省紅沿河核電站附近海域?yàn)檠芯繀^(qū)，基于RTM算法和經(jīng)過(guò)模型系數(shù)修訂的QK&B算法，利用Landsat8 TIRS 熱紅外數(shù)據(jù)中的第10波段，分別反演得到SST，并從星地同步驗(yàn)證及模型參數(shù)敏感性分析2個(gè)方面對(duì)這2種算法反演精度進(jìn)行對(duì)比分析，為后續(xù)Landsat8 TIRS數(shù)據(jù)應(yīng)用于紅沿河及其他核電基地業(yè)務(wù)化SST動(dòng)態(tài)遙感監(jiān)測(cè)提供技術(shù)依據(jù)。
1 研究區(qū)概況與數(shù)據(jù)源
1.1 研究區(qū)概況
選取遼寧省大連市瓦房店市紅沿河鎮(zhèn)的紅沿河核電基地附近海域E121°20′～121°35′、N30°40′～30°55′為研究區(qū)。紅沿河核電站位于渤海遼東灣東海岸，該區(qū)屬溫帶季風(fēng)氣候，年均降水量和年均氣溫分別為540.3 mm和11 ℃，大氣穩(wěn)定度以中性和穩(wěn)定天氣為主。廠(chǎng)址的北、西和南三面環(huán)海，明渠排水口集中布設(shè)于廠(chǎng)區(qū)西側(cè)護(hù)岸外，以喇叭式集中排放。廠(chǎng)區(qū)附近海域的海底地形較為平坦，水深變化較大，海域生物種類(lèi)繁多。
1.2 衛(wèi)星數(shù)據(jù)及其預(yù)處理
遙感數(shù)據(jù)選取研究區(qū)2014年6月11日的Landsat8 TIRS影像，過(guò)境時(shí)間為北京時(shí)間10：34 am，地面空間分辨率為100 m。選取Landsat8第10波段(TIRS_B10，波長(zhǎng)為10.6～11.2 μm)作為單窗算法的輸入波段，并對(duì)原始影像進(jìn)行了裁剪、輻射定標(biāo)等數(shù)據(jù)預(yù)處理后用于SST反演。
1.3 地面數(shù)據(jù)
2014年6 月11日在研究區(qū)Landsat8衛(wèi)星過(guò)境前后30 min內(nèi)展開(kāi)地面實(shí)驗(yàn)。采用扇形布點(diǎn)方案： 以核電站排水口附近為出發(fā)點(diǎn)，設(shè)計(jì)了5條采樣航線(xiàn)(航線(xiàn)編號(hào)： A—E，如圖1)，沿河岸呈輻射狀分布，共計(jì)45個(gè)采樣點(diǎn)，其中，在靠近排水口位置進(jìn)行加密采點(diǎn)，且采樣點(diǎn)盡量避開(kāi)島嶼、遠(yuǎn)離岸邊。采樣點(diǎn)海水溫度由溫鹽深測(cè)儀(conductivity temperature depth，CTD)采集，表面測(cè)量深度在0.5 m左右，采樣點(diǎn)經(jīng)緯度由手持GPS獲取。
圖1 走航式測(cè)量航線(xiàn)驗(yàn)證點(diǎn)分布Fig.1 Distribution of validation points
2 SST反演
2.1 RTM算法
基于熱紅外輻射傳輸方程推導(dǎo)，溫度為T(mén)s的地表輻亮度L(Ts)， w·m-2·sr-1·μm-1，可表示為
(1)
L(Tsensor)=GDN+H，
(2)
式中:L(Tsensor)為星上輻亮度，w·m-2·sr-1·μm-1，由原始影像灰度值DN輻射定標(biāo)得到，定標(biāo)系數(shù)增益G和截距H由頭文件讀取；ε為海表比輻射率，在熱紅外波段隨波長(zhǎng)變化較平緩，可用中心波長(zhǎng)處的ε代替[22]，本研究中取值為0.98；τ為傳感器到目標(biāo)的大氣路徑透過(guò)率；Lup和Ldown分別為大氣上行和下行輻亮度，w·m-2·sr-1·μm-1； 這3個(gè)參數(shù)可利用衛(wèi)星過(guò)境時(shí)研究區(qū)NCEP探空數(shù)據(jù)基于輻射傳輸模型MODTRAN4.0模擬得到，針對(duì)TIRS_B10可在NASA官網(wǎng)通過(guò)輸入影像過(guò)境時(shí)間、中心經(jīng)緯度和波段通道響應(yīng)函數(shù)直接獲取。
基于式(1)獲取TIR_B10波段的L(Ts)，再通過(guò)輻亮度-溫度轉(zhuǎn)換模型，即普朗克函數(shù)反函數(shù)近似式，求取SST。Tj表達(dá)式為
(3)
式中： 當(dāng)j=s時(shí)，L(Ts)即地表輻亮度，可求得地表溫度Ts； 當(dāng)j=sensor時(shí)，L(Tsensor)即星上輻亮度，可計(jì)算獲得亮度溫度Tsensor； 模型系數(shù)K1和K2為衛(wèi)星發(fā)射前預(yù)設(shè)常量，可由Landsat8 TIRS數(shù)據(jù)頭文件讀取，針對(duì)第10波段k1和k2的取值分別為774.89和1 321.08。
2.2 QK&B算法
2.2.1 算法概述
Qin等[16]通過(guò)大氣平均作用溫度，基于地表熱輻射傳導(dǎo)方程推導(dǎo)簡(jiǎn)化，提出適用于Landsat5 TM6的SST單窗算法，Ts計(jì)算公式為
Ts={a(1-C-D)+[b(1-C-D)+C+D]Tsensor-DTa}/C，
(4)
C=τε，
(5)
D=(1-τ)[1+(1-ε)τ]，
(6)
式中: 針對(duì)Landsat5 TM6波段，a=-67.355 3，b=0.458 6；Ta為大氣平均作用溫度。覃志豪等[23]基于大氣輻射傳輸軟件LOWTRAN模擬得到τ估算方程以及4種標(biāo)準(zhǔn)Ta估算方程。
2.2.2 算法修訂
由于Landsat8 TIRS_B10的波段特性與Landsat5 TM6有一定的差異，需對(duì)QK&B算法模型和大氣參數(shù)估算方程進(jìn)行參數(shù)修訂。
1)系數(shù)a和b。Qin等[16]在QK&B算法推導(dǎo)中引入溫度參數(shù)L，其定義為
L=Bi(T)/[?Bi(T)/?T]，
(7)
式中Bi(T)為第i波段溫度為T(mén)時(shí)的黑體輻亮度，w·m-2·sr-1·μm-1。L的數(shù)值與溫度有很好的線(xiàn)性關(guān)系，系數(shù)a和b即是二者線(xiàn)性關(guān)系系數(shù)，即
L=a+bT。
(8)
TIRS_B10波段黑體輻亮度(B10(T))可用Planck函數(shù)近似式表達(dá)為
B10(T)=K1/(eK2/T-1)。
(9)
將式(9)代入式(7)得到不同溫度范圍對(duì)應(yīng)的參數(shù)L，從而建立L與T的線(xiàn)性關(guān)系。擬合結(jié)果表明，針對(duì)TIRS_B10，在0～70℃變化范圍，a=-66.304 0，b=0.446 0，R2=0.999 4，RMSE=0.019 4； 在0～30 ℃范圍，a=-59.200 6，b=0.421 5，R2=0.999 9，RMSE=0.006 2； 在20～50 ℃范圍，a=-66.588 8，b=0.446 2，R2=0.999 9，RMSE=0.005 3。在這3種溫度范圍內(nèi)擬合結(jié)果R2都達(dá)到了0.999 0以上，但較小變化范圍對(duì)應(yīng)的RMSE精度更高。
2)τ估算方程。大氣廓線(xiàn)數(shù)據(jù)(thermodynamic initial guess retrieval，TIGR)數(shù)據(jù)包含全球不同地區(qū)不同季節(jié)的探空資料[24]?；诖髿廨椛鋫鬏斈Ｐ蚆ODTRAN4.0，采用 TIGR數(shù)據(jù)，針對(duì)TIRS_B10波段，分別模擬了全球中緯度夏季(廓線(xiàn)編號(hào)： 323～710，共388條)、中緯度冬季(廓線(xiàn)編號(hào)： 711～1 064，共354條)以及中緯度綜合廓線(xiàn)(廓線(xiàn)編號(hào)： 323～1 064，共742條)條件下τ與水汽含量ω關(guān)系模型。在模擬過(guò)程中，考慮到Landsat8影像幅寬為185 km，邊緣與中心掃描線(xiàn)像元有3°～5°左右的視角差異，故觀測(cè)天頂角設(shè)置為3°。最終模擬結(jié)果如圖2和表1所示。
(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合
圖2Landsat8TIRS_B10τ與ω關(guān)系擬合
Fig.2FittedcurvesofτandωofLandsat8TIRS_B10
表1 Landsat8 TIRS_B10 τ估算方程Tab.1 τ estimating equation for Landsat8 TIRS_B10
從圖2和表1中可以看出，估算方程R2均大于0.960 0，RMSE均小于0.014 0(表1)，在季節(jié)特征不明時(shí)，中緯度綜合廓線(xiàn)下的算法系數(shù)可以替代中緯度冬季和夏季的算法系數(shù)。
反演τ的關(guān)鍵參數(shù)為ω，可根據(jù)衛(wèi)星過(guò)境時(shí)研究區(qū)NCEP探空數(shù)據(jù)提供的相對(duì)濕度、氣壓和氣溫廓線(xiàn)數(shù)據(jù)計(jì)算ω，其表達(dá)式為[25]
(10)
式中：ρ=1 g·cm-3，為液態(tài)水密度；g=981 cm·s-2，為重力加速度；T0=273.160 0 K，為標(biāo)準(zhǔn)溫度；p0=1 013 hPa，為海平面標(biāo)準(zhǔn)大氣壓；N為NCEP大氣廓線(xiàn)總層數(shù)；Tn，pn和qn分別為n層大氣的溫度(K)、氣壓(hPa)和比濕(g·kg-1)，其中qn由NCEP提供的pn以及n層大氣的水汽壓en通過(guò)式(11)計(jì)算得到[25]，而en由NCEP提供的Tn、相對(duì)濕度Un和飽和水汽壓E通過(guò)式(12)—(13)[26-27]計(jì)算得到，即
qn=622en/(pn-0.378en)，
(11)
en=UnE，
(12)
(13)
(3)Ta估算方程。Ta主要取決于大氣剖面氣溫分布Tn和大氣水分分布ωn，可近似表達(dá)為[23]
(14)
覃志豪等[23]基于公式(14)，利用標(biāo)準(zhǔn)大氣廓線(xiàn)模式計(jì)算得到Ta，并建立了Ta與近地表空氣溫度T1之間的線(xiàn)性關(guān)系模型，這樣僅使用近地表溫度即可估算Ta。基于TIGR數(shù)據(jù)，重新模擬了全球中緯度夏季、冬季以及綜合廓線(xiàn)條件下Ta與T1的關(guān)系模型，獲得了Ta估算方程，分別如圖 3和表2 所示。
(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合
圖3Ta與T1近地表空氣溫度關(guān)系擬合
Fig.3FittedcurvesofTaandT1
表2 Ta估算方程Tab.2 Ta estimating equation
由此可見(jiàn)，中緯度夏季的T1-Ta關(guān)系模型擬合精度R2(0.864 1)要大于中緯度冬季(0.780 9)，季節(jié)特征不明時(shí)，中緯度綜合廓線(xiàn)條件下的算法系數(shù)可以替代中緯度冬季和中緯度夏季算法系數(shù)。
3 算法對(duì)比與分析
利用Landsat8 TIRS第10波段數(shù)據(jù)，基于RTM算法和QK&B算法分別反演得到核電基地附近海域SST，以地面采集SST作為真值，對(duì)2種算法進(jìn)行對(duì)比驗(yàn)證。
為了增強(qiáng)可比性，針對(duì)QK&B算法的實(shí)現(xiàn)，一方面采用與RTM算法中一致的τ參與計(jì)算，定義為QK&B1，以便對(duì)2種算法的絕對(duì)精度進(jìn)行對(duì)比； 另一方面利用本文修訂的中緯度夏季大氣透過(guò)率估算方程(表1)反演結(jié)果參與計(jì)算，定義為QK&B2，并與QK&B1結(jié)果進(jìn)行對(duì)比分析，以此研究基于NCEP廓線(xiàn)獲取的τ和利用ω估算得到的τ的有效性。
3.1 反演結(jié)果與驗(yàn)證
采用RTM，QK&B1和 QK&B2算法基于2014年6月11日Landsat8 TIRS_B10數(shù)據(jù)反演得到研究區(qū)的SST分布結(jié)果如圖4所示。
(a) RTM (b) QK&B1 (c) QK&B2
圖4TIRS_B10數(shù)據(jù)SST分布結(jié)果
Fig.4DistributionsofSSTderivedfromTIRS_B10
從圖4可以看出，三者空間分布格局基本一致，均呈現(xiàn)由東南向西北、從陸地到海洋溫度遞減的趨勢(shì)，尤其遙感影像在沿海岸線(xiàn)像元溫度明顯高于其他區(qū)域，主要是存在水陸混合像元，受岸邊像元影響所致。值得注意的是，采用統(tǒng)一τ輸入的RTM和QK&B1算法反演結(jié)果十分一致(圖4(a)、(b))，而QK&B2反演結(jié)果明顯高于前兩者(圖4(c))。
算法絕對(duì)誤差如圖5所示，圖中SSTrad為海面實(shí)測(cè)溫度，SSTalg為算法反演結(jié)果。
圖5 算法絕對(duì)誤差對(duì)比Fig.5 Comparison of absolute error for different algorithms
對(duì)比發(fā)現(xiàn)，RTM和QK&B1算法普遍低估實(shí)測(cè)點(diǎn)溫度(絕對(duì)誤差為正值)，且分布十分一致，而QK&B2反演結(jié)果正好相反，普遍高估實(shí)測(cè)點(diǎn)溫度(絕對(duì)誤差為負(fù)值)。各算法SST反演結(jié)果精度評(píng)價(jià)如表3所示。
表3 SST反演結(jié)果精度評(píng)價(jià)Tab.3 Accuracy of SST (℃)
由表3可知，RTM和QK&B1算法反演結(jié)果的平均誤差均在0.5 ℃左右，其中RTM算法精度最高，QK&B1次之，QK&B2算法平均誤差和RMSE略大于1 ℃。
反演值與實(shí)測(cè)值的線(xiàn)性關(guān)系如圖6所示。
圖6 算法反演結(jié)果與實(shí)測(cè)結(jié)果對(duì)比Fig.6 Comparison between SST retrieved by algorithm and shipboard measurement of SST
由圖6可見(jiàn)，RTM和QK&B1算法反演結(jié)果更接近于1∶1等值線(xiàn)。由此推斷，通過(guò)衛(wèi)星過(guò)境時(shí)研究區(qū)實(shí)時(shí)NCEP大氣探空數(shù)據(jù)模擬得到τ的精度較高，而QK&B2中利用ω，基于經(jīng)驗(yàn)方程估算得到τ，增加了算法的不確定性。由此可見(jiàn)，τ估算精度對(duì)最終SST反演誤差影響較大。
3.2 敏感性分析
為了評(píng)價(jià)SST反演參數(shù)的不確定性對(duì)算法精度的影響，需要對(duì)各參數(shù)進(jìn)行敏感性分析。評(píng)價(jià)各參數(shù)誤差引起SST反演誤差的表達(dá)式為
δTs=|Ts(x+δx)-Ts(x)|，
(15)
式中:δTs為SST反演誤差；x為影響SST反演精度的參數(shù)；δx為參數(shù)可能的不確定度；Ts(x+δx)和Ts(x)分別為參數(shù)取x+δx和x值時(shí)反演的SST。利用MODTRAN模型，結(jié)合研究區(qū)實(shí)時(shí)NCEP大氣廓線(xiàn)數(shù)據(jù)，模擬Landsat8 TIRS_B10輻亮度數(shù)據(jù)，海表輸入溫度為290.725 K，ε取值分別為0.92,0.94,0.96和0.98時(shí)分析其對(duì)反演結(jié)果的敏感性。除ε外，其余參數(shù)的不同取值均是在ε為0.98，ω分別為1，2和3 g·cm-2時(shí)對(duì)應(yīng)的模擬結(jié)果。假設(shè)算法輸入?yún)?shù)準(zhǔn)確無(wú)誤，基于模擬數(shù)據(jù)分析RTM和QK&B算法的參數(shù)敏感性。
3.2.1 RTM算法
RTM算法的輸入?yún)?shù)包括ε，Lup，Ldown和τ。圖7顯示了TIRS_B10數(shù)據(jù)SST反演對(duì)4種參數(shù)的敏感性。
(a)ε(b)τ(c)Lup(d)Ldown
圖7RTM算法對(duì)4種參數(shù)誤差敏感性分析
Fig.7SensitivityanalysisresultsoffourparametersemployedinRTMalgorithm
如圖7(a)所示，當(dāng)ε為0.98，δε由0.004增加到0.020時(shí)，δTs由0.163 K增加到0.805 K，表明SST反演誤差隨ε誤差的增加而增加； 當(dāng)ε為0.92～0.98時(shí)，其不確定性對(duì)SST反演誤差的影響并不大。τ對(duì)SST反演精度影響較大(圖7(b))，當(dāng)τ為0.894 3，δτ由0.01增加到0.04時(shí)，δTs由0.705 K增加到2.753 K； 而當(dāng)τ為0.660 3時(shí)，對(duì)應(yīng)的δTs則由0.957 K增加到3.709 K。τ越低，RTM算法對(duì)其敏感性越高，這與前人研究一致。Jiménez-Muoz等[28]也曾表明，ω較大(τ較小)，反演誤差也會(huì)隨之增大。由圖7(c)—(d)對(duì)比發(fā)現(xiàn)，δTs對(duì)Lup的敏感性更強(qiáng)，當(dāng)Lup=2.469 w·m-2·sr-1·μm-1，δLup由0.02增加到0.12時(shí)，δTs由0.234 K增加到1.415 K，且與τ一致，敏感性隨著ω的增大而增強(qiáng)； 而δLdown的誤差對(duì)SST反演精度的影響較小，在不同取值下算法敏感性幾乎無(wú)變化。
3.2.2 QK&B算法
QK&B算法主要輸入?yún)?shù)為τ，ε和Ta。圖 8顯示了τ，ε和Ta這3種參數(shù)對(duì)TIRS_B10數(shù)據(jù)SST反演精度的影響。
(a)ε(b)τ(c)Ta
圖8QK&B算法對(duì)3種參數(shù)誤差敏感性分析
Fig.8SensitivityanalysisresultsofthreeparametersemployedinQK&Balgorithm
由圖 8(a)可以看出，當(dāng)ε為0.98，δε由0.004增加到0.020時(shí)，δTs由0.195 K增加到0.961 K，δTs隨δε誤差的增加而增加； 而ε為0.92～0.98時(shí)，其不確定性對(duì)δTs的影響不大。由圖 8(b)可知，當(dāng)τ為0～0.04時(shí)，不確定性引起SST反演精度的變化均在1 K以?xún)?nèi)，τ越低，QK&B算法對(duì)其敏感性越高，這與RTM算法一致，但QK&B算法對(duì)τ的敏感性明顯低于RTM算法，在無(wú)法獲取高精度的τ時(shí)，QK&B算法可能更具優(yōu)勢(shì)。針對(duì)Ta的敏感性分析，其變換公式為
δTs=|Ts(Ta+δTa)-Ts(Ta)|= |(D/C)δTa|。
(16)
由式(16)可知，在ε和τ一定時(shí)，δTs跟Ta的大小無(wú)關(guān)，只跟δTa相關(guān)，因此比較3種D/C情況下δTa誤差對(duì)SST反演精度的影響。如圖 8(c)所示，在D/C=0.122 7，ω=1 g·cm-2時(shí)，δTa由1 K增加到5 K時(shí)，對(duì)應(yīng)δTs由0.061 0 K增加到0.614 0 K； 在D/C=0.271 6，ω=2 g·cm-2時(shí)對(duì)應(yīng)δTs的變化幅度為0.136 8～1.358 0 K； 在D/C=0.531 8時(shí)，對(duì)應(yīng)δTs的變化幅度則為0.266 0～2.659 0 K。綜上可知，Ta不確定性由1 K增加到5 K時(shí)對(duì)SST反演精度影響較大，且其對(duì)SST反演算法的敏感性隨D/C的增加而增大。
4 結(jié)論
本文利用Landsat8 TIRS熱紅外波段，基于輻射傳輸方程法和經(jīng)過(guò)系數(shù)修訂的QK&B單窗算法反演得到海表溫度，并以在遼寧省紅沿河核電站附近海域開(kāi)展的星地同步實(shí)驗(yàn)結(jié)果為標(biāo)準(zhǔn)，對(duì)2種單窗算法反演精度進(jìn)行驗(yàn)證和分析，主要結(jié)論如下：
1)結(jié)合NCEP大氣探空數(shù)據(jù)實(shí)現(xiàn)的輻射傳輸方程法較QK&B算法反演精度略高，二者RMSE均接近0.5 ℃，具備業(yè)務(wù)化開(kāi)展研究區(qū)海表溫度動(dòng)態(tài)監(jiān)測(cè)的潛力。
2)輻射傳輸法反演精度受大氣透過(guò)率不確定性的影響相對(duì)較高，且明顯高于QK&B算法，大氣透過(guò)率越低，水汽含量越大，2種算法對(duì)其敏感性越高。因此，當(dāng)大氣透過(guò)率估算誤差較大時(shí)，QK&B可能更具優(yōu)勢(shì)； 輻射傳輸方程法對(duì)大氣上行輻射的敏感性要明顯高于下行輻射，且與大氣透過(guò)率一致，隨著水汽含量的增大敏感性增強(qiáng)； 針對(duì)QK&B算法，大氣平均作用溫度對(duì)SST反演精度影響較大，且敏感性隨D/C比值的增加而增大。
3)研究結(jié)果對(duì)Landsat8 TIRS數(shù)據(jù)應(yīng)用于紅沿河及其他核電基地業(yè)務(wù)化海表溫度動(dòng)態(tài)遙感監(jiān)測(cè)具有實(shí)際參考價(jià)值，但SST反演精度僅根據(jù)單一研究區(qū)有限的溫度采集數(shù)據(jù)進(jìn)行評(píng)價(jià)存在一定的局限性。今后有必要增加不同季節(jié)、多個(gè)核電附近海域進(jìn)行反復(fù)驗(yàn)證，為核電溫排水監(jiān)測(cè)提供更為可靠有效的技術(shù)保障。
[1] 周 旋,楊曉峰,程 亮,等.單通道物理法反演海表溫度的參數(shù)敏感性分析及驗(yàn)證[J].紅外與毫米波學(xué)報(bào),2012,31(1):91-96.
Zhou X,Yang X F,Cheng L,et al.Sensitivity analysis and validation of the single channel physical method for retrieving sea surface temperature[J].Journal of Infrared and Millimeter Waves,2012,31(1):91-96.
[2] 林昭進(jìn),詹海剛.大亞灣核電站溫排水對(duì)鄰近水域魚(yú)卵、仔魚(yú)的影響[J].熱帶海洋,2000,19(1):44-51.
Lin Z J,Zhan H G.Effects of thermal effluent on fish eggs and larvae in waters near Daya Bay nuclear plant[J].Tropic Oceanology,2000,19(1):44-51.
[3] Wang Y S,Lou Z P,Sun C C,et al.Ecological environment changes in Daya Bay,China,from 1982 to 2004[J].Marine Pollution Bulletin,2008,56(11):1871-1879.
[4] Wang Z H,Zhao J G,Zhang Y J,et al.Phytoplankton community structure and environmental parameters in aquaculture areas of Daya Bay,South China Sea[J].Journal of Environmental Sciences,2009,21(9):1268-1275.
[5] Chuang H H,Tseng R S.Remote sensing of SST around the outfall of a power plant from Landsat and NOAA satellite[J].Journal of Photogrammetry and Remote Sensing,1998,3(2):17-45.
[6] Tang D L,Kester D R,Wang Z D,et al.AVHRR satellite remote sensing and shipboard measurements of the thermal plume from the Daya Bay,nuclear power station,China[J].Remote Sensing of Environment,2003,84(4):506-515.
[7] 張 彩,朱 利,賈 祥,等.不同空間分辨率熱紅外數(shù)據(jù)在近海核電廠(chǎng)溫排水監(jiān)測(cè)一致性研究[J].遙感信息,2015,30(2):71-76.
Zhang C,Zhu L,Jia X,et al.Consistency of different spatial resolution thermal infrared data in monitoring thermal discharge of nuclear power plant in coastal area[J].Remote Sensing Information,2015,30(2):71-76.
[8] 覃志豪,Zhang M H,Karnieli A,等.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].地理學(xué)報(bào),2001,56(4):456-466.
Qin Z H,Zhang M H,Karnieli A,et al.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J].Acta Geographica Sinica,2003,56(4):456-466.
[10] Qin Z H,Karnieli A.Progress in the remote sensing of land surface temperature and ground emissivity using NOAA-AVHRR data[J].International Journal of Remote Sensing,1999,20(12):2367-2393.
[11] Jiménez-Muoz J C,Sobrino J A,SkokoviD,et al.Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J].IEEE Geoscience and Remote Sensing Letters,2014,11(10):1840-1843.
[12] 周 穎,鞏彩蘭,匡定波,等.基于環(huán)境減災(zāi)衛(wèi)星熱紅外波段數(shù)據(jù)研究核電廠(chǎng)溫排水分布[J].紅外與毫米波學(xué)報(bào),2013,31(6):544-549.
Zhou Y,Gong C L,Kuang D B,et al.Distribution of thermal discharge from a power plant: Analysis of thermal infrared data from the environmental mitigation satellite[J].Journal of Infrared and Millimeter Waves,2013,31(6):544-549.
[13] 宋 挺,段 崢,劉軍志,等.Landsat8數(shù)據(jù)地表溫度反演算法對(duì)比[J].遙感學(xué)報(bào),2015,19(3):451-464.
Song T,Duan Z,Liu J Z,et al.Comparison of four algorithms to retrieve land surface temperature using Landsat8 satellite[J].Journal of Remote Sensing,2015,19(3):451-464.
[14] 胡德勇,喬 琨,王興玲,等.單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學(xué)報(bào),2015,19(6):964-976.
Hu D Y,Qiao K,Wang X L,et al.Land surface temperature retrieval from Landsat8 thermal infrared data using mono-window algorithm[J].Journal of Remote Sensing,2015,19(6):964-976.
[15] 徐涵秋.新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報(bào),2015,58(3):741-747.
Xu H Q.Retrieval of the reflectance and land surface temperature of the newly-launched Landsat8 satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.
[16] Qin Z,Karnieli A,Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.
[17] Qin Z H,Dall’Olmo G,Karnieli A,et al.Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J].Journal of Geophysical Research,2001,106(D19):22655-22670.
[18] Becker F,Li Z L.Towards a local split window method over land surfaces[J].International Journal of Remote Sensing,1990,11(3):369-393.
[19] Wan Z M,Dozier J.A generalized split-window algorithm for retrieving land-surface temperature from space[J].IEEE Transactions on Geoscience and Remote Sensing,1996,34(4):892-905.
[20] Montanaro M,Gerace A,Lunsford A,et al.Stray light artifacts in imagery from the Landsat8 thermal infrared sensor[J].Remote Sensing,2014,6(11):10435-10456.
[21] McDonald J E.Saturation vapor pressures over supercooled water[J].Journal of Geophysical Research,1965,70(6):1553-1554.
[22] 朱 利,趙利民,王 橋,等.核電站溫排水分布衛(wèi)星遙感監(jiān)測(cè)及驗(yàn)證[J].光譜學(xué)與光譜分析,2014,34(11):3079-3084.
Zhu L,Zhao L M,Wang Q,et al.Monitoring the thermal plume from coastal nuclear power plant using satellite remote sensing data:Modeling and validation[J].Spectroscopy and Spectral Analysis,2014,34(11):3079-3084.
[23] 覃志豪,Li W J,Zhang M H,等.單窗算法的大氣參數(shù)估計(jì)方法[J].國(guó)土資源遙感,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.
Qin Z H,Li W J,Zhang M H,et al.Estimating of the essential atmospheric parameters of mono-window algorithm for land surface temperature retrieval from Landsat TM6[J].Remote Sensing for Land and Resources,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.
[24] Niclòs R,Caselles V,Coll C,et al.Determination of sea surface temperature at large observation angles using an angular and emissivity-dependent split-window equation[J].Remote Sensing of Environment,2007,111(1):107-121.
[25] 楊景梅,邱金桓.用地面濕度參量計(jì)算我國(guó)整層大氣可降水量及有效水汽含量方法的研究[J].大氣科學(xué),2002,26(1):9-22.
Yang J M,Qiu J H.A method for estimating precipitable water and effective water vapor content from ground humidity parameters[J].Chinese Journal of Atmospheric Sciences,2002,26(1):9-22.
[26] 張志富,希 爽.關(guān)于露點(diǎn)溫度計(jì)算的探討[J].干旱區(qū)研究,2011,28(2):275-281.
Zhang Z F,Xi S.Study on calculation of dew-point temperature[J].Arid Zone Research,2011,28(2):275-281.
[27] Goff J A.Saturation pressure of water on the new Kelvin temperature scale[M]//American Society of Heating and Ventilation Ergineers.Transactions of the American Society of Heating and Ventilating Engineers.Canada:General Books LLC,1957:347-353.
[28] Jiménez-Muoz J C,Cristóbal J,Sobrino J A,et al.Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(1):339-349.
猜你喜歡
反演對(duì)稱(chēng)變換在解決平面幾何問(wèn)題中的應(yīng)用中等數(shù)學(xué)(2022年5期)2022-08-29 最佳波段組合的典型地物信息提取航天返回與遙感(2022年2期)2022-05-12 基于ADS-B的風(fēng)場(chǎng)反演與異常值影響研究成都信息工程大學(xué)學(xué)報(bào)(2021年5期)2021-12-30 利用錐模型反演CME三維參數(shù)空間科學(xué)學(xué)報(bào)(2021年4期)2021-08-30 一類(lèi)麥比烏斯反演問(wèn)題及其應(yīng)用中等數(shù)學(xué)(2020年2期)2020-08-24 丹參葉片在快速生長(zhǎng)期對(duì)短期UV-B輻射的敏感性中成藥(2018年11期)2018-11-24 基于PLL的Ku波段頻率源設(shè)計(jì)與測(cè)試電子制作(2018年2期)2018-04-18 釔對(duì)Mg-Zn-Y-Zr合金熱裂敏感性影響中國(guó)有色金屬學(xué)報(bào)(2018年2期)2018-03-26 小型化Ka波段65W脈沖功放模塊制導(dǎo)與引信(2017年3期)2017-11-02 L波段kw級(jí)固態(tài)功放測(cè)試技術(shù)電子制作(2017年8期)2017-06-05
陳瀚閱， 朱 利， 李家國(guó)， 范協(xié)裕
(1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福州 350002； 2.福建農(nóng)林大學(xué)土壤生態(tài)系統(tǒng)健康與調(diào)控福建省高校重點(diǎn)實(shí)驗(yàn)室，福州 350002； 3.福建農(nóng)林大學(xué)福建省土壤環(huán)境健康與調(diào)控重點(diǎn)實(shí)驗(yàn)室，福州 350002； 4.環(huán)境保護(hù)部衛(wèi)星環(huán)境應(yīng)用中心，北京 100094； 5.中國(guó)科學(xué)院遙感與數(shù)字地球研究所，北京 100101)
0 引言
海水表面溫度(sea surface temperature，SST)是海洋-大氣系統(tǒng)中一個(gè)重要的物理參量，其微小變化就會(huì)對(duì)大氣溫度、大氣環(huán)流和天氣形勢(shì)造成很大影響[1]，從而影響海洋生態(tài)系統(tǒng)，因此相關(guān)研究領(lǐng)域?qū)峒t外遙感反演SST產(chǎn)品的精度有較高要求。近年來(lái)，核能發(fā)電技術(shù)作為能源短缺的極好補(bǔ)充，在中國(guó)得到大力發(fā)展，但核電站在發(fā)電過(guò)程中存在持續(xù)溫排水現(xiàn)象，從而造成水體熱污染[2-4]。核電站溫排水動(dòng)態(tài)監(jiān)測(cè)研究對(duì)于核電站合理規(guī)劃使用以及附近海域生態(tài)環(huán)境的保護(hù)具有重要意義。遙感技術(shù)因其動(dòng)態(tài)連續(xù)、監(jiān)測(cè)范圍廣等優(yōu)勢(shì)成為開(kāi)展核電溫排水監(jiān)測(cè)與評(píng)價(jià)的首選途徑，而核電站附近海域SST反演精度是核電溫排水遙感動(dòng)態(tài)監(jiān)測(cè)的必要前提和基礎(chǔ)。
沿海核電站溫排水是一個(gè)連續(xù)動(dòng)態(tài)變化的小空間尺度人類(lèi)活動(dòng)，對(duì)其動(dòng)態(tài)監(jiān)測(cè)需要中—高空間和時(shí)間分辨率的SST產(chǎn)品。一些學(xué)者[5-7]利用重返周期為1 d的NOAA/AVHRRH和MODIS熱紅外數(shù)據(jù)獲取長(zhǎng)時(shí)間序列SST產(chǎn)品，并用于核電溫排水監(jiān)測(cè)研究，雖滿(mǎn)足了溫排水的觀測(cè)頻率，但較低的空間分辨率(1 km)無(wú)法獲取SST的空間分布細(xì)節(jié)，限制了其在小區(qū)域內(nèi)獲取不同等級(jí)的熱污染空間分布。另外一些學(xué)者[8-12]利用空間分辨率較高的HJ-1B衛(wèi)星數(shù)據(jù)和Landsat TM/ETM+熱紅外遙感數(shù)據(jù)對(duì)沿海SST進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，效果較好。2013年2月發(fā)射的Landsat8衛(wèi)星攜帶熱紅外傳感器(thermal infrared sensor，TIRS)具有2個(gè)熱紅外通道，空間分辨率為100 m，是沿海海域SST遙感反演較好的數(shù)據(jù)源。相對(duì)于國(guó)產(chǎn)衛(wèi)星HJ-1B，Landsat8具有更高的波段輻射分辨率和空間分辨率，可作為HJ-1B用于SST動(dòng)態(tài)監(jiān)測(cè)的有效補(bǔ)充和驗(yàn)證。國(guó)內(nèi)針對(duì)Landsat8的SST反演算法也相繼問(wèn)世[13-15]，但對(duì)其在沿海地區(qū)的SST反演精度還缺乏全面評(píng)價(jià)，有必要對(duì)不同算法用于Landsat8 TIRS數(shù)據(jù)反演沿海 SST的適用性進(jìn)行比較分析。
適用于Landsat8 TIRS的SST反演算法包括單窗算法[8-9,16]和劈窗算法[17-19]， 但熱紅外通道第11波段受正常電磁波及其他散射光的干擾程度是第10波段的2倍之多[20]，經(jīng)過(guò)NASA地面校正后，第10波段輻射誤差(小于1 K)在要求范圍內(nèi)，而第11波段仍處于較高的誤差范圍(1.75 ～4.4 K)[21]，鑒于第11波段的定標(biāo)系數(shù)仍不理想，現(xiàn)階段基于第10波段的單窗算法是反演SST較為可靠的途徑[15]。典型的單窗算法包括輻射傳輸法(radiation transfer model, RTM)和Qin等[16]提出的針對(duì)TM的單窗算法(QK&B算法)。其中，RTM算法物理意義明確，但因需要較多實(shí)時(shí)大氣參數(shù)限制了其在SST動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用?？臻g分辨率為1°、時(shí)間分辨率為6 h的美國(guó)國(guó)家環(huán)境預(yù)報(bào)中心(National Centers for Environmental Prediction，NCEP)大氣溫濕度廓線(xiàn)數(shù)據(jù)為RTM算法業(yè)務(wù)化應(yīng)用提供了契機(jī)，但結(jié)合NCEP大氣參數(shù)的RTM算法進(jìn)行SST反演的精度仍有待進(jìn)一步驗(yàn)證。QK&B算法反演僅需地表發(fā)射率、大氣透過(guò)率和大氣平均作用溫度3個(gè)參數(shù)，大氣參數(shù)均可通過(guò)經(jīng)驗(yàn)?zāi)Ｐ瞳@取，簡(jiǎn)單有效，被廣泛應(yīng)用于SST產(chǎn)品生成，但若要用于Landsat8 TIRS數(shù)據(jù)，需針對(duì)Landsat8 TIRS光譜效應(yīng)函數(shù)重新進(jìn)行模型系數(shù)修訂，且基于標(biāo)準(zhǔn)大氣模式擬合的經(jīng)驗(yàn)?zāi)Ｐ涂赡軙?huì)影響最終SST的反演精度，其在典型區(qū)域應(yīng)用的有效性也需要進(jìn)一步驗(yàn)證。
針對(duì)上述問(wèn)題，本文以遼寧省紅沿河核電站附近海域?yàn)檠芯繀^(qū)，基于RTM算法和經(jīng)過(guò)模型系數(shù)修訂的QK&B算法，利用Landsat8 TIRS 熱紅外數(shù)據(jù)中的第10波段，分別反演得到SST，并從星地同步驗(yàn)證及模型參數(shù)敏感性分析2個(gè)方面對(duì)這2種算法反演精度進(jìn)行對(duì)比分析，為后續(xù)Landsat8 TIRS數(shù)據(jù)應(yīng)用于紅沿河及其他核電基地業(yè)務(wù)化SST動(dòng)態(tài)遙感監(jiān)測(cè)提供技術(shù)依據(jù)。
1 研究區(qū)概況與數(shù)據(jù)源
1.1 研究區(qū)概況
選取遼寧省大連市瓦房店市紅沿河鎮(zhèn)的紅沿河核電基地附近海域E121°20′～121°35′、N30°40′～30°55′為研究區(qū)。紅沿河核電站位于渤海遼東灣東海岸，該區(qū)屬溫帶季風(fēng)氣候，年均降水量和年均氣溫分別為540.3 mm和11 ℃，大氣穩(wěn)定度以中性和穩(wěn)定天氣為主。廠(chǎng)址的北、西和南三面環(huán)海，明渠排水口集中布設(shè)于廠(chǎng)區(qū)西側(cè)護(hù)岸外，以喇叭式集中排放。廠(chǎng)區(qū)附近海域的海底地形較為平坦，水深變化較大，海域生物種類(lèi)繁多。
1.2 衛(wèi)星數(shù)據(jù)及其預(yù)處理
遙感數(shù)據(jù)選取研究區(qū)2014年6月11日的Landsat8 TIRS影像，過(guò)境時(shí)間為北京時(shí)間10：34 am，地面空間分辨率為100 m。選取Landsat8第10波段(TIRS_B10，波長(zhǎng)為10.6～11.2 μm)作為單窗算法的輸入波段，并對(duì)原始影像進(jìn)行了裁剪、輻射定標(biāo)等數(shù)據(jù)預(yù)處理后用于SST反演。
1.3 地面數(shù)據(jù)
2014年6 月11日在研究區(qū)Landsat8衛(wèi)星過(guò)境前后30 min內(nèi)展開(kāi)地面實(shí)驗(yàn)。采用扇形布點(diǎn)方案： 以核電站排水口附近為出發(fā)點(diǎn)，設(shè)計(jì)了5條采樣航線(xiàn)(航線(xiàn)編號(hào)： A—E，如圖1)，沿河岸呈輻射狀分布，共計(jì)45個(gè)采樣點(diǎn)，其中，在靠近排水口位置進(jìn)行加密采點(diǎn)，且采樣點(diǎn)盡量避開(kāi)島嶼、遠(yuǎn)離岸邊。采樣點(diǎn)海水溫度由溫鹽深測(cè)儀(conductivity temperature depth，CTD)采集，表面測(cè)量深度在0.5 m左右，采樣點(diǎn)經(jīng)緯度由手持GPS獲取。
圖1 走航式測(cè)量航線(xiàn)驗(yàn)證點(diǎn)分布Fig.1 Distribution of validation points
2 SST反演
2.1 RTM算法
基于熱紅外輻射傳輸方程推導(dǎo)，溫度為T(mén)s的地表輻亮度L(Ts)， w·m-2·sr-1·μm-1，可表示為
(1)
L(Tsensor)=GDN+H，
(2)
式中:L(Tsensor)為星上輻亮度，w·m-2·sr-1·μm-1，由原始影像灰度值DN輻射定標(biāo)得到，定標(biāo)系數(shù)增益G和截距H由頭文件讀取；ε為海表比輻射率，在熱紅外波段隨波長(zhǎng)變化較平緩，可用中心波長(zhǎng)處的ε代替[22]，本研究中取值為0.98；τ為傳感器到目標(biāo)的大氣路徑透過(guò)率；Lup和Ldown分別為大氣上行和下行輻亮度，w·m-2·sr-1·μm-1； 這3個(gè)參數(shù)可利用衛(wèi)星過(guò)境時(shí)研究區(qū)NCEP探空數(shù)據(jù)基于輻射傳輸模型MODTRAN4.0模擬得到，針對(duì)TIRS_B10可在NASA官網(wǎng)通過(guò)輸入影像過(guò)境時(shí)間、中心經(jīng)緯度和波段通道響應(yīng)函數(shù)直接獲取。
基于式(1)獲取TIR_B10波段的L(Ts)，再通過(guò)輻亮度-溫度轉(zhuǎn)換模型，即普朗克函數(shù)反函數(shù)近似式，求取SST。Tj表達(dá)式為
(3)
式中： 當(dāng)j=s時(shí)，L(Ts)即地表輻亮度，可求得地表溫度Ts； 當(dāng)j=sensor時(shí)，L(Tsensor)即星上輻亮度，可計(jì)算獲得亮度溫度Tsensor； 模型系數(shù)K1和K2為衛(wèi)星發(fā)射前預(yù)設(shè)常量，可由Landsat8 TIRS數(shù)據(jù)頭文件讀取，針對(duì)第10波段k1和k2的取值分別為774.89和1 321.08。
2.2 QK&B算法
2.2.1 算法概述
Qin等[16]通過(guò)大氣平均作用溫度，基于地表熱輻射傳導(dǎo)方程推導(dǎo)簡(jiǎn)化，提出適用于Landsat5 TM6的SST單窗算法，Ts計(jì)算公式為
Ts={a(1-C-D)+[b(1-C-D)+C+D]Tsensor-DTa}/C，
(4)
C=τε，
(5)
D=(1-τ)[1+(1-ε)τ]，
(6)
式中: 針對(duì)Landsat5 TM6波段，a=-67.355 3，b=0.458 6；Ta為大氣平均作用溫度。覃志豪等[23]基于大氣輻射傳輸軟件LOWTRAN模擬得到τ估算方程以及4種標(biāo)準(zhǔn)Ta估算方程。
2.2.2 算法修訂
由于Landsat8 TIRS_B10的波段特性與Landsat5 TM6有一定的差異，需對(duì)QK&B算法模型和大氣參數(shù)估算方程進(jìn)行參數(shù)修訂。
1)系數(shù)a和b。Qin等[16]在QK&B算法推導(dǎo)中引入溫度參數(shù)L，其定義為
L=Bi(T)/[?Bi(T)/?T]，
(7)
式中Bi(T)為第i波段溫度為T(mén)時(shí)的黑體輻亮度，w·m-2·sr-1·μm-1。L的數(shù)值與溫度有很好的線(xiàn)性關(guān)系，系數(shù)a和b即是二者線(xiàn)性關(guān)系系數(shù)，即
L=a+bT。
(8)
TIRS_B10波段黑體輻亮度(B10(T))可用Planck函數(shù)近似式表達(dá)為
B10(T)=K1/(eK2/T-1)。
(9)
將式(9)代入式(7)得到不同溫度范圍對(duì)應(yīng)的參數(shù)L，從而建立L與T的線(xiàn)性關(guān)系。擬合結(jié)果表明，針對(duì)TIRS_B10，在0～70℃變化范圍，a=-66.304 0，b=0.446 0，R2=0.999 4，RMSE=0.019 4； 在0～30 ℃范圍，a=-59.200 6，b=0.421 5，R2=0.999 9，RMSE=0.006 2； 在20～50 ℃范圍，a=-66.588 8，b=0.446 2，R2=0.999 9，RMSE=0.005 3。在這3種溫度范圍內(nèi)擬合結(jié)果R2都達(dá)到了0.999 0以上，但較小變化范圍對(duì)應(yīng)的RMSE精度更高。
2)τ估算方程。大氣廓線(xiàn)數(shù)據(jù)(thermodynamic initial guess retrieval，TIGR)數(shù)據(jù)包含全球不同地區(qū)不同季節(jié)的探空資料[24]?；诖髿廨椛鋫鬏斈Ｐ蚆ODTRAN4.0，采用 TIGR數(shù)據(jù)，針對(duì)TIRS_B10波段，分別模擬了全球中緯度夏季(廓線(xiàn)編號(hào)： 323～710，共388條)、中緯度冬季(廓線(xiàn)編號(hào)： 711～1 064，共354條)以及中緯度綜合廓線(xiàn)(廓線(xiàn)編號(hào)： 323～1 064，共742條)條件下τ與水汽含量ω關(guān)系模型。在模擬過(guò)程中，考慮到Landsat8影像幅寬為185 km，邊緣與中心掃描線(xiàn)像元有3°～5°左右的視角差異，故觀測(cè)天頂角設(shè)置為3°。最終模擬結(jié)果如圖2和表1所示。
(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合
圖2Landsat8TIRS_B10τ與ω關(guān)系擬合
Fig.2FittedcurvesofτandωofLandsat8TIRS_B10
表1 Landsat8 TIRS_B10 τ估算方程Tab.1 τ estimating equation for Landsat8 TIRS_B10
從圖2和表1中可以看出，估算方程R2均大于0.960 0，RMSE均小于0.014 0(表1)，在季節(jié)特征不明時(shí)，中緯度綜合廓線(xiàn)下的算法系數(shù)可以替代中緯度冬季和夏季的算法系數(shù)。
反演τ的關(guān)鍵參數(shù)為ω，可根據(jù)衛(wèi)星過(guò)境時(shí)研究區(qū)NCEP探空數(shù)據(jù)提供的相對(duì)濕度、氣壓和氣溫廓線(xiàn)數(shù)據(jù)計(jì)算ω，其表達(dá)式為[25]
(10)
式中：ρ=1 g·cm-3，為液態(tài)水密度；g=981 cm·s-2，為重力加速度；T0=273.160 0 K，為標(biāo)準(zhǔn)溫度；p0=1 013 hPa，為海平面標(biāo)準(zhǔn)大氣壓；N為NCEP大氣廓線(xiàn)總層數(shù)；Tn，pn和qn分別為n層大氣的溫度(K)、氣壓(hPa)和比濕(g·kg-1)，其中qn由NCEP提供的pn以及n層大氣的水汽壓en通過(guò)式(11)計(jì)算得到[25]，而en由NCEP提供的Tn、相對(duì)濕度Un和飽和水汽壓E通過(guò)式(12)—(13)[26-27]計(jì)算得到，即
qn=622en/(pn-0.378en)，
(11)
en=UnE，
(12)
(13)
(3)Ta估算方程。Ta主要取決于大氣剖面氣溫分布Tn和大氣水分分布ωn，可近似表達(dá)為[23]
(14)
覃志豪等[23]基于公式(14)，利用標(biāo)準(zhǔn)大氣廓線(xiàn)模式計(jì)算得到Ta，并建立了Ta與近地表空氣溫度T1之間的線(xiàn)性關(guān)系模型，這樣僅使用近地表溫度即可估算Ta。基于TIGR數(shù)據(jù)，重新模擬了全球中緯度夏季、冬季以及綜合廓線(xiàn)條件下Ta與T1的關(guān)系模型，獲得了Ta估算方程，分別如圖 3和表2 所示。
(a) 中緯度夏季 (b) 中緯度冬季 (c) 中緯度綜合
圖3Ta與T1近地表空氣溫度關(guān)系擬合
Fig.3FittedcurvesofTaandT1
表2 Ta估算方程Tab.2 Ta estimating equation
由此可見(jiàn)，中緯度夏季的T1-Ta關(guān)系模型擬合精度R2(0.864 1)要大于中緯度冬季(0.780 9)，季節(jié)特征不明時(shí)，中緯度綜合廓線(xiàn)條件下的算法系數(shù)可以替代中緯度冬季和中緯度夏季算法系數(shù)。
3 算法對(duì)比與分析
利用Landsat8 TIRS第10波段數(shù)據(jù)，基于RTM算法和QK&B算法分別反演得到核電基地附近海域SST，以地面采集SST作為真值，對(duì)2種算法進(jìn)行對(duì)比驗(yàn)證。
為了增強(qiáng)可比性，針對(duì)QK&B算法的實(shí)現(xiàn)，一方面采用與RTM算法中一致的τ參與計(jì)算，定義為QK&B1，以便對(duì)2種算法的絕對(duì)精度進(jìn)行對(duì)比； 另一方面利用本文修訂的中緯度夏季大氣透過(guò)率估算方程(表1)反演結(jié)果參與計(jì)算，定義為QK&B2，并與QK&B1結(jié)果進(jìn)行對(duì)比分析，以此研究基于NCEP廓線(xiàn)獲取的τ和利用ω估算得到的τ的有效性。
3.1 反演結(jié)果與驗(yàn)證
采用RTM，QK&B1和 QK&B2算法基于2014年6月11日Landsat8 TIRS_B10數(shù)據(jù)反演得到研究區(qū)的SST分布結(jié)果如圖4所示。
(a) RTM (b) QK&B1 (c) QK&B2
圖4TIRS_B10數(shù)據(jù)SST分布結(jié)果
Fig.4DistributionsofSSTderivedfromTIRS_B10
從圖4可以看出，三者空間分布格局基本一致，均呈現(xiàn)由東南向西北、從陸地到海洋溫度遞減的趨勢(shì)，尤其遙感影像在沿海岸線(xiàn)像元溫度明顯高于其他區(qū)域，主要是存在水陸混合像元，受岸邊像元影響所致。值得注意的是，采用統(tǒng)一τ輸入的RTM和QK&B1算法反演結(jié)果十分一致(圖4(a)、(b))，而QK&B2反演結(jié)果明顯高于前兩者(圖4(c))。
算法絕對(duì)誤差如圖5所示，圖中SSTrad為海面實(shí)測(cè)溫度，SSTalg為算法反演結(jié)果。
圖5 算法絕對(duì)誤差對(duì)比Fig.5 Comparison of absolute error for different algorithms
對(duì)比發(fā)現(xiàn)，RTM和QK&B1算法普遍低估實(shí)測(cè)點(diǎn)溫度(絕對(duì)誤差為正值)，且分布十分一致，而QK&B2反演結(jié)果正好相反，普遍高估實(shí)測(cè)點(diǎn)溫度(絕對(duì)誤差為負(fù)值)。各算法SST反演結(jié)果精度評(píng)價(jià)如表3所示。
表3 SST反演結(jié)果精度評(píng)價(jià)Tab.3 Accuracy of SST (℃)
由表3可知，RTM和QK&B1算法反演結(jié)果的平均誤差均在0.5 ℃左右，其中RTM算法精度最高，QK&B1次之，QK&B2算法平均誤差和RMSE略大于1 ℃。
反演值與實(shí)測(cè)值的線(xiàn)性關(guān)系如圖6所示。
圖6 算法反演結(jié)果與實(shí)測(cè)結(jié)果對(duì)比Fig.6 Comparison between SST retrieved by algorithm and shipboard measurement of SST
由圖6可見(jiàn)，RTM和QK&B1算法反演結(jié)果更接近于1∶1等值線(xiàn)。由此推斷，通過(guò)衛(wèi)星過(guò)境時(shí)研究區(qū)實(shí)時(shí)NCEP大氣探空數(shù)據(jù)模擬得到τ的精度較高，而QK&B2中利用ω，基于經(jīng)驗(yàn)方程估算得到τ，增加了算法的不確定性。由此可見(jiàn)，τ估算精度對(duì)最終SST反演誤差影響較大。
3.2 敏感性分析
為了評(píng)價(jià)SST反演參數(shù)的不確定性對(duì)算法精度的影響，需要對(duì)各參數(shù)進(jìn)行敏感性分析。評(píng)價(jià)各參數(shù)誤差引起SST反演誤差的表達(dá)式為
δTs=|Ts(x+δx)-Ts(x)|，
(15)
式中:δTs為SST反演誤差；x為影響SST反演精度的參數(shù)；δx為參數(shù)可能的不確定度；Ts(x+δx)和Ts(x)分別為參數(shù)取x+δx和x值時(shí)反演的SST。利用MODTRAN模型，結(jié)合研究區(qū)實(shí)時(shí)NCEP大氣廓線(xiàn)數(shù)據(jù)，模擬Landsat8 TIRS_B10輻亮度數(shù)據(jù)，海表輸入溫度為290.725 K，ε取值分別為0.92,0.94,0.96和0.98時(shí)分析其對(duì)反演結(jié)果的敏感性。除ε外，其余參數(shù)的不同取值均是在ε為0.98，ω分別為1，2和3 g·cm-2時(shí)對(duì)應(yīng)的模擬結(jié)果。假設(shè)算法輸入?yún)?shù)準(zhǔn)確無(wú)誤，基于模擬數(shù)據(jù)分析RTM和QK&B算法的參數(shù)敏感性。
3.2.1 RTM算法
RTM算法的輸入?yún)?shù)包括ε，Lup，Ldown和τ。圖7顯示了TIRS_B10數(shù)據(jù)SST反演對(duì)4種參數(shù)的敏感性。
(a)ε(b)τ(c)Lup(d)Ldown
圖7RTM算法對(duì)4種參數(shù)誤差敏感性分析
Fig.7SensitivityanalysisresultsoffourparametersemployedinRTMalgorithm
如圖7(a)所示，當(dāng)ε為0.98，δε由0.004增加到0.020時(shí)，δTs由0.163 K增加到0.805 K，表明SST反演誤差隨ε誤差的增加而增加； 當(dāng)ε為0.92～0.98時(shí)，其不確定性對(duì)SST反演誤差的影響并不大。τ對(duì)SST反演精度影響較大(圖7(b))，當(dāng)τ為0.894 3，δτ由0.01增加到0.04時(shí)，δTs由0.705 K增加到2.753 K； 而當(dāng)τ為0.660 3時(shí)，對(duì)應(yīng)的δTs則由0.957 K增加到3.709 K。τ越低，RTM算法對(duì)其敏感性越高，這與前人研究一致。Jiménez-Muoz等[28]也曾表明，ω較大(τ較小)，反演誤差也會(huì)隨之增大。由圖7(c)—(d)對(duì)比發(fā)現(xiàn)，δTs對(duì)Lup的敏感性更強(qiáng)，當(dāng)Lup=2.469 w·m-2·sr-1·μm-1，δLup由0.02增加到0.12時(shí)，δTs由0.234 K增加到1.415 K，且與τ一致，敏感性隨著ω的增大而增強(qiáng)； 而δLdown的誤差對(duì)SST反演精度的影響較小，在不同取值下算法敏感性幾乎無(wú)變化。
3.2.2 QK&B算法
QK&B算法主要輸入?yún)?shù)為τ，ε和Ta。圖 8顯示了τ，ε和Ta這3種參數(shù)對(duì)TIRS_B10數(shù)據(jù)SST反演精度的影響。
(a)ε(b)τ(c)Ta
圖8QK&B算法對(duì)3種參數(shù)誤差敏感性分析
Fig.8SensitivityanalysisresultsofthreeparametersemployedinQK&Balgorithm
由圖 8(a)可以看出，當(dāng)ε為0.98，δε由0.004增加到0.020時(shí)，δTs由0.195 K增加到0.961 K，δTs隨δε誤差的增加而增加； 而ε為0.92～0.98時(shí)，其不確定性對(duì)δTs的影響不大。由圖 8(b)可知，當(dāng)τ為0～0.04時(shí)，不確定性引起SST反演精度的變化均在1 K以?xún)?nèi)，τ越低，QK&B算法對(duì)其敏感性越高，這與RTM算法一致，但QK&B算法對(duì)τ的敏感性明顯低于RTM算法，在無(wú)法獲取高精度的τ時(shí)，QK&B算法可能更具優(yōu)勢(shì)。針對(duì)Ta的敏感性分析，其變換公式為
δTs=|Ts(Ta+δTa)-Ts(Ta)|= |(D/C)δTa|。
(16)
由式(16)可知，在ε和τ一定時(shí)，δTs跟Ta的大小無(wú)關(guān)，只跟δTa相關(guān)，因此比較3種D/C情況下δTa誤差對(duì)SST反演精度的影響。如圖 8(c)所示，在D/C=0.122 7，ω=1 g·cm-2時(shí)，δTa由1 K增加到5 K時(shí)，對(duì)應(yīng)δTs由0.061 0 K增加到0.614 0 K； 在D/C=0.271 6，ω=2 g·cm-2時(shí)對(duì)應(yīng)δTs的變化幅度為0.136 8～1.358 0 K； 在D/C=0.531 8時(shí)，對(duì)應(yīng)δTs的變化幅度則為0.266 0～2.659 0 K。綜上可知，Ta不確定性由1 K增加到5 K時(shí)對(duì)SST反演精度影響較大，且其對(duì)SST反演算法的敏感性隨D/C的增加而增大。
4 結(jié)論
本文利用Landsat8 TIRS熱紅外波段，基于輻射傳輸方程法和經(jīng)過(guò)系數(shù)修訂的QK&B單窗算法反演得到海表溫度，并以在遼寧省紅沿河核電站附近海域開(kāi)展的星地同步實(shí)驗(yàn)結(jié)果為標(biāo)準(zhǔn)，對(duì)2種單窗算法反演精度進(jìn)行驗(yàn)證和分析，主要結(jié)論如下：
1)結(jié)合NCEP大氣探空數(shù)據(jù)實(shí)現(xiàn)的輻射傳輸方程法較QK&B算法反演精度略高，二者RMSE均接近0.5 ℃，具備業(yè)務(wù)化開(kāi)展研究區(qū)海表溫度動(dòng)態(tài)監(jiān)測(cè)的潛力。
2)輻射傳輸法反演精度受大氣透過(guò)率不確定性的影響相對(duì)較高，且明顯高于QK&B算法，大氣透過(guò)率越低，水汽含量越大，2種算法對(duì)其敏感性越高。因此，當(dāng)大氣透過(guò)率估算誤差較大時(shí)，QK&B可能更具優(yōu)勢(shì)； 輻射傳輸方程法對(duì)大氣上行輻射的敏感性要明顯高于下行輻射，且與大氣透過(guò)率一致，隨著水汽含量的增大敏感性增強(qiáng)； 針對(duì)QK&B算法，大氣平均作用溫度對(duì)SST反演精度影響較大，且敏感性隨D/C比值的增加而增大。
3)研究結(jié)果對(duì)Landsat8 TIRS數(shù)據(jù)應(yīng)用于紅沿河及其他核電基地業(yè)務(wù)化海表溫度動(dòng)態(tài)遙感監(jiān)測(cè)具有實(shí)際參考價(jià)值，但SST反演精度僅根據(jù)單一研究區(qū)有限的溫度采集數(shù)據(jù)進(jìn)行評(píng)價(jià)存在一定的局限性。今后有必要增加不同季節(jié)、多個(gè)核電附近海域進(jìn)行反復(fù)驗(yàn)證，為核電溫排水監(jiān)測(cè)提供更為可靠有效的技術(shù)保障。
[1] 周 旋,楊曉峰,程 亮,等.單通道物理法反演海表溫度的參數(shù)敏感性分析及驗(yàn)證[J].紅外與毫米波學(xué)報(bào),2012,31(1):91-96.
Zhou X,Yang X F,Cheng L,et al.Sensitivity analysis and validation of the single channel physical method for retrieving sea surface temperature[J].Journal of Infrared and Millimeter Waves,2012,31(1):91-96.
[2] 林昭進(jìn),詹海剛.大亞灣核電站溫排水對(duì)鄰近水域魚(yú)卵、仔魚(yú)的影響[J].熱帶海洋,2000,19(1):44-51.
Lin Z J,Zhan H G.Effects of thermal effluent on fish eggs and larvae in waters near Daya Bay nuclear plant[J].Tropic Oceanology,2000,19(1):44-51.
[3] Wang Y S,Lou Z P,Sun C C,et al.Ecological environment changes in Daya Bay,China,from 1982 to 2004[J].Marine Pollution Bulletin,2008,56(11):1871-1879.
[4] Wang Z H,Zhao J G,Zhang Y J,et al.Phytoplankton community structure and environmental parameters in aquaculture areas of Daya Bay,South China Sea[J].Journal of Environmental Sciences,2009,21(9):1268-1275.
[5] Chuang H H,Tseng R S.Remote sensing of SST around the outfall of a power plant from Landsat and NOAA satellite[J].Journal of Photogrammetry and Remote Sensing,1998,3(2):17-45.
[6] Tang D L,Kester D R,Wang Z D,et al.AVHRR satellite remote sensing and shipboard measurements of the thermal plume from the Daya Bay,nuclear power station,China[J].Remote Sensing of Environment,2003,84(4):506-515.
[7] 張 彩,朱 利,賈 祥,等.不同空間分辨率熱紅外數(shù)據(jù)在近海核電廠(chǎng)溫排水監(jiān)測(cè)一致性研究[J].遙感信息,2015,30(2):71-76.
Zhang C,Zhu L,Jia X,et al.Consistency of different spatial resolution thermal infrared data in monitoring thermal discharge of nuclear power plant in coastal area[J].Remote Sensing Information,2015,30(2):71-76.
[8] 覃志豪,Zhang M H,Karnieli A,等.用陸地衛(wèi)星TM6數(shù)據(jù)演算地表溫度的單窗算法[J].地理學(xué)報(bào),2001,56(4):456-466.
Qin Z H,Zhang M H,Karnieli A,et al.Mono-window algorithm for retrieving land surface temperature from Landsat TM6 data[J].Acta Geographica Sinica,2003,56(4):456-466.
[10] Qin Z H,Karnieli A.Progress in the remote sensing of land surface temperature and ground emissivity using NOAA-AVHRR data[J].International Journal of Remote Sensing,1999,20(12):2367-2393.
[11] Jiménez-Muoz J C,Sobrino J A,SkokoviD,et al.Land surface temperature retrieval methods from Landsat-8 thermal infrared sensor data[J].IEEE Geoscience and Remote Sensing Letters,2014,11(10):1840-1843.
[12] 周 穎,鞏彩蘭,匡定波,等.基于環(huán)境減災(zāi)衛(wèi)星熱紅外波段數(shù)據(jù)研究核電廠(chǎng)溫排水分布[J].紅外與毫米波學(xué)報(bào),2013,31(6):544-549.
Zhou Y,Gong C L,Kuang D B,et al.Distribution of thermal discharge from a power plant: Analysis of thermal infrared data from the environmental mitigation satellite[J].Journal of Infrared and Millimeter Waves,2013,31(6):544-549.
[13] 宋 挺,段 崢,劉軍志,等.Landsat8數(shù)據(jù)地表溫度反演算法對(duì)比[J].遙感學(xué)報(bào),2015,19(3):451-464.
Song T,Duan Z,Liu J Z,et al.Comparison of four algorithms to retrieve land surface temperature using Landsat8 satellite[J].Journal of Remote Sensing,2015,19(3):451-464.
[14] 胡德勇,喬 琨,王興玲,等.單窗算法結(jié)合Landsat8熱紅外數(shù)據(jù)反演地表溫度[J].遙感學(xué)報(bào),2015,19(6):964-976.
Hu D Y,Qiao K,Wang X L,et al.Land surface temperature retrieval from Landsat8 thermal infrared data using mono-window algorithm[J].Journal of Remote Sensing,2015,19(6):964-976.
[15] 徐涵秋.新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報(bào),2015,58(3):741-747.
Xu H Q.Retrieval of the reflectance and land surface temperature of the newly-launched Landsat8 satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.
[16] Qin Z,Karnieli A,Berliner P.A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.
[17] Qin Z H,Dall’Olmo G,Karnieli A,et al.Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J].Journal of Geophysical Research,2001,106(D19):22655-22670.
[18] Becker F,Li Z L.Towards a local split window method over land surfaces[J].International Journal of Remote Sensing,1990,11(3):369-393.
[19] Wan Z M,Dozier J.A generalized split-window algorithm for retrieving land-surface temperature from space[J].IEEE Transactions on Geoscience and Remote Sensing,1996,34(4):892-905.
[20] Montanaro M,Gerace A,Lunsford A,et al.Stray light artifacts in imagery from the Landsat8 thermal infrared sensor[J].Remote Sensing,2014,6(11):10435-10456.
[21] McDonald J E.Saturation vapor pressures over supercooled water[J].Journal of Geophysical Research,1965,70(6):1553-1554.
[22] 朱 利,趙利民,王 橋,等.核電站溫排水分布衛(wèi)星遙感監(jiān)測(cè)及驗(yàn)證[J].光譜學(xué)與光譜分析,2014,34(11):3079-3084.
Zhu L,Zhao L M,Wang Q,et al.Monitoring the thermal plume from coastal nuclear power plant using satellite remote sensing data:Modeling and validation[J].Spectroscopy and Spectral Analysis,2014,34(11):3079-3084.
[23] 覃志豪,Li W J,Zhang M H,等.單窗算法的大氣參數(shù)估計(jì)方法[J].國(guó)土資源遙感,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.
Qin Z H,Li W J,Zhang M H,et al.Estimating of the essential atmospheric parameters of mono-window algorithm for land surface temperature retrieval from Landsat TM6[J].Remote Sensing for Land and Resources,2003,15(2):37-43.doi:10.6046/gtzyyg.2003.02.10.
[24] Niclòs R,Caselles V,Coll C,et al.Determination of sea surface temperature at large observation angles using an angular and emissivity-dependent split-window equation[J].Remote Sensing of Environment,2007,111(1):107-121.
[25] 楊景梅,邱金桓.用地面濕度參量計(jì)算我國(guó)整層大氣可降水量及有效水汽含量方法的研究[J].大氣科學(xué),2002,26(1):9-22.
Yang J M,Qiu J H.A method for estimating precipitable water and effective water vapor content from ground humidity parameters[J].Chinese Journal of Atmospheric Sciences,2002,26(1):9-22.
[26] 張志富,希 爽.關(guān)于露點(diǎn)溫度計(jì)算的探討[J].干旱區(qū)研究,2011,28(2):275-281.
Zhang Z F,Xi S.Study on calculation of dew-point temperature[J].Arid Zone Research,2011,28(2):275-281.
[27] Goff J A.Saturation pressure of water on the new Kelvin temperature scale[M]//American Society of Heating and Ventilation Ergineers.Transactions of the American Society of Heating and Ventilating Engineers.Canada:General Books LLC,1957:347-353.
[28] Jiménez-Muoz J C,Cristóbal J,Sobrino J A,et al.Revision of the single-channel algorithm for land surface temperature retrieval from Landsat thermal-infrared data[J].IEEE Transactions on Geoscience and Remote Sensing,2009,47(1):339-349.
猜你喜歡
中等數(shù)學(xué)(2022年5期)2022-08-29
航天返回與遙感(2022年2期)2022-05-12
成都信息工程大學(xué)學(xué)報(bào)(2021年5期)2021-12-30
空間科學(xué)學(xué)報(bào)(2021年4期)2021-08-30
中等數(shù)學(xué)(2020年2期)2020-08-24
中成藥(2018年11期)2018-11-24
電子制作(2018年2期)2018-04-18
中國(guó)有色金屬學(xué)報(bào)(2018年2期)2018-03-26
制導(dǎo)與引信(2017年3期)2017-11-02
電子制作(2017年8期)2017-06-05
