分裂窗算法

第5讲：分裂窗算法基于NOAA-AVHRR数据的分裂窗算法一、分裂窗算法：Introduction二、分裂窗算法的推导三、大气透过率的确定四、地表比辐射率估计(略)五、SensitivityanalysisRemoteSensingofLSTGroundsurfaceRemotesensorGroundemittanceAtmosphericemittance2431RemoteSensingofLSTGroundsurfaceRemotesensorGroundemittanceAtmosphericemittanceRemoteSensingofLSTGroundsurfaceRemotesensorGroundemittanceAtmosphericemittance2431Bi(Ti)=i()[iBi(Ts)+(1-i)Ii]+IiWhereBi(Ti)observedradianceBi(Ts)groundradianceIidownwellatmosphericradianceIiupwellatmosphericradiancei()atmospherictransmittanceigroundemissivityichannelThermalradiancetransferequationNOAA-14:ch1–visible0.58-0.68mChannel2–nearinfrared(NIR)0.725-1.10mChannel3–middleinfrared(MIR)3.55-3.93mChannel4–thermalinfrared10.5-11.3mChannel5–thermalinfrared11.5-12.5mNOAA-AVHRRNOAA--NationalOceanicandAtmosphericAdministrationAVHRR--advancedveryhighresolutionradiometerAVHRRisabroad-band,four(NOAA6,7,8)orfive(NOAA7,9,11,12,14-16)channelscanner,sensinginthevisible,near-infrared,andthermalinfraredportionsoftheelectromagneticspectrum.ThissensoriscarriedontheNationalOceanicandAtmosphericAdministration's(NOAA's)PolarOrbitingEnvironmentalSatellites(POES),beginningwithTIROS-Nin1978.Ithas2399kmwideswath.ThesatelliteorbitstheEarth14timeseachdayfrom833kmaboveitssurface.Theaverageinstantaneousfield-of-view(IFOV)is1.4milliradians,yieldingaLAC/HRPTGroundFieldofView(GFOV)ofapproximately1.1kmatthesatellitenadirfromthenominalorbitaltitudeof833km.NOAA-1412/30/94-PresentNOAA-1505/13/98-PresentNOAA-11一、分裂窗算法：Introduction分裂窗方法是到目前为止应用最广泛的地表面温度反演方法，尤其是用来分析NOAA-AVHRR数据。从1981年NOAA-7卫星发射以后，我们就能通过8-14m范围内的两个狭窄的热红外波段来对向行辐射进行常规观测。分裂窗方法的理念可追逆到AndingandKauth(1970)的研究，它是以11-12m附近的两个相邻的热红外波段的不同大气透过特征为基础进行地表面温度的反演。由于它的理论是以同一大气窗口分裂为两个相邻的热红外波段来观测，所以称为分裂窗方法。这种方法充分利用了AVHRR通道4和5的两个相邻波段的同步观测的优势来进行地表面温度的反演。由于NOAA系列卫星上都安装有这两个通道的遥感器，并且至少有两个NOAA卫星同时在轨道上运行，所以每天至少能获得4次覆盖全球的遥感观测数据，从而使NOAA-AVHRR数据获得非常广泛的应用。D.AndingandR.Kauth,1970.Estimationofseasurfacetemperaturefromspace.RemoteSens.Environ.,1,217-220.提出大气影响C.Prabhakara,G.Dalu,andV.G.Kunde,1974.Estimationofseasurfacetemperaturefromremotesensinginthe11-13mwindowregion.J.Geographys.Res.,79,5039-5044.,分析两个波段的大气影响差异对大气校正的作用L.M.McMillin,1975.Estimationofseasurfacetemperaturesfromtwoinfraredwindowmeasurementswithdifferentabsorption.J.Geographys.Res.,80,5113-5117.提出利用两波段大气影响差异建立温度反演算法P.Y.DeschampsandPhulpin,1980.Atmosphericcorrectionofinfraredmeasurementsofseasurfacetemperatureusingchannelsat3.7,11and12m.BoundaryLayerMeteorol.,18,131-143.进一步完善海面温度的分裂窗算法E.P.McClain,W.G.Pichel,C.C.Walton,Z.Ahmad,andJ.Sutton,1983.Multichannelimprovementstosatellite-derivedglobalseatemperatures.Adv.SpaceRes.,2,43-47.建立分裂窗算法在全球海面温度监测方法HistoryofSplitwindowmethods(a)Planck函数的线性化。这一假定要求用两个非常邻近的波段来进行观测。这就是说，一个波段的观测值可能表达为另一个波段的线性函数。(b)所有相关温度(亮度温度、气温和表面温度)的相同量级。在大多数大气条件下，这一假定是正确的，从而让我们能消除掉大气的上行辐射贡献。(c)地表比辐射率在两个波段之间的差异性不大，存在线性关系。(d)大气水分的吸收作用较弱，并且在两个波段之间不相同。这一假定需求大气的总水分含量不要太大。大气水分含量的吸收作用与这两个波段间的亮度温度差异之间存在线性关系，只有在这些条件下，才能通过这种线性关系来进行近似估计。在潮湿的热带大气条件并有大视角的情况下，这个假定可以打破。分裂窗算法的基本假设：(a)水在热红外波段范围内的比辐射率已为人们所熟知，并且该比辐射率接近于1(~0.99)。此外，在8-14m范围内，水的比辐射率随光谱和视角的变化很小，因而可以忽略不计。(b)海表面的温度与近水面的气温相差常常很小。(c)海表面温度在空间上和时间上的变化都非常缓慢，从而可以从低空间分辨率的观测值中获得非常高精度的温度反演结果。SplitwindowmethodforLSToverseasurface因素影响着陆地表面温度反演的精度(a)陆地的比辐射率在空间上和时间上都可能有很大的变化。在8-14m窗口范围内，其绝对值可从0.91变化到0.98。地表面类型、土壤水分含量、以及植被物候阶段和真实植被覆盖结构的不同都可能有显著的影响。(b)陆地的比辐射率可能有显然的光谱依赖性。尽管陆地的比辐射率在AVHRR通道4和5之间的差异通过小于0.01，但这些微小差异对LST反演也有显著影响(Becker1987,Colletal.1994a,Colletal.1994b)。(c)有效比辐射率(effectiveemissivity)，即遥感器从某个视角实际观测物体时所获得的比辐射率，取决于视角和地表面的各向异性(Gossmann1987,Choudhury1989,WanandDozier1989,CassellesandSobrino1989,LabedandStoll1991)。(d)陆面温度可能大大高于海面温度。因此，针对海表面建立进来的Planck方程的线性化，可能不适用于陆面温度的变化范围。此外，AVHRR遥感器在320K(47C)达到饱和，在观测一些很热环境的LST时，这可能会引起一些问题。e)在一个AVHRR像元范围内，LST可能会有很大的变化。这就会引起所观测到的温度值的确切含义有难以理解和实际意义问题，因为这种温度观测是在至少1.2km2的面积范围内进行取值。类似地，“表面”在植被地区可能很难确切地定义。(f)LST有强烈的昼夜起伏变化。这就会使观测时间成为一个重要问题。同时会引起这种温度的实际应用价值(g)在陆地上，（近地）气温可能与表面温度有很大的差异。(h)由于地形起伏和高程变化，大气的路径长度可能有很大差别。根据某个高度来建立的大气影响与亮度温度之间的线性回归可能不适合于其它高程的地面。Ts=T4+A(T4-T5)+BTs=A0+A1T4+A2T5SplitwindowalgorithmsWhereTsLandsurfacetemperatureT4andT5BrightnesstemperaturesAandBtheparametersA0,A1,andA2theparametersThegeneralforms17LSTalgorithmsinliterature1.Kerretal.[1992)2.OttléandVidal-Madjar[1992]3.Price[1984]4.BeckerandLi[1990]5.PrataandPlatt[1991]6.Vidal[1991]7.Uliveriretal.[1996]8.Colletal.[1994]9.Sobrinoetal.[1991]10.Prata[1993]11.FrançaandCracknell[1994]12.Qinetal.[2001]13.SobrinoandRaissouni[2000]14.FrançoisandOttlé[1996]/Q15.FrançoisandOttlé[1996]/W16.BeckerandLi[1995]17.Sobrinoetal.[1994]•T4brightnesstemperatureatchannel4known•T5brightnesstemperatureatchannel5known•i()atmospherictransmittanceestimated•igroundemissivityestimated•Ii,Ii=f(i(),Bi(Ta))•Taeffectivemeanatmospherictemperature二、Qinetal.(2001)分裂窗算法的推导B4(T4)=4()[4B4(Ts)+(1-4)I4]+I4B5(T5)=5()[5B5(Ts)+(1-5)I5]+I5Bi(Ti)=ii()Bi(Ts)+[1-i()](1-i)i()Bi(Ta)+[1-i()]Bi(Ta)dzzZzTBIZizii0),,()(dzzZzTBTBZiziiai0),,()()(11)(Ii=[1-i()]Bi(Ta)2/00''sin'cos)0,,'(')(2ddzzzTBIizii''sin'cos)(])(1[22/0