Uploaded by liu chaoshun

陆地卫星TM6波段范围内地表比辐射率的估计 覃志豪

advertisement
国
第 3 期, 总第 61 期
土
资
源
遥
感
No .
3, 2004
REMOTE SENSING FOR LAND &RESOURCES
2004 年 9 月 15 日
Sept.
, 2004
陆地卫星 TM6 波段范围内地表比辐射率的估计
1, 3
2
1, 4
1, 4
1, 4
覃志豪 , 李文娟 , 徐 斌 , 陈仲新 , 刘 佳
(1.
农业部资源遥感与数字农业重点开放实验室, 北京
100081 ;2 .
瑞典雨美大学空间模型中心,
SE 981 28 Kiruna ;3 .
南京大学国际地球系统科学研究所, 南京
210093 ;4 .
中国农业科学院农业资
源与农业区划研究所, 北京 100081)
摘要 :地表比辐射率是用热红外波段遥感数据反演地表温 度的关键参数 。 目前, 应 用陆地卫 星 TM6 波段数据反 演
地表温度共有 3 种算法, 即大气校正法 、单窗算法和 单通道算 法 。 这 3 种算 法都需 要 TM6 波段范 围内的 地表比 辐
射率 作为地表温度反演参数 。 本文首先简介这 3 种反演算法 ;然后着重探讨 TM6 波段地表比辐射率估计方法 ;最
后, 利用这一方法对山东省陵县附近农田地区进行 地表比 辐射率 估计和 地表温 度反演 。 结 果表明, 该方 法能获 得
较合理的地表温度反演结果 。
关键词 :陆地卫星 TM ;地表温度 ;地表比辐射率 ;单窗算法 ;单通道算法
中图分类号 :TP 753
0
文献标识码 :A
文章编号 :1001 -070X( 2004) 03-0028-05
引言
1 TM6 地表温度反演方法
陆地卫星 TM6 波段主要用于地表温度和地表水
热空间差异的分析 。 传统利用 TM6 数据反演地表温
度的方法是通过大气校正法, 这一方法首先需要进
目前, 应用 TM6 波段反演地表温度共有 3 种算
法, 即大气校正法 、单窗算法和单通道算法 。
1.
1 大气校正法
行大气模拟, 以便从卫星高度所观测到的热辐射中
大气校正法也称辐射传导方程 法, 该方法主要
减去大气的辐射分量, 从而得到地面实际的热红外
根据卫星上遥感器所观测到的热辐射强度的构成来
辐射量, 然后考虑到地表比辐射率的响, 反演出真正
的地表温度( Kinetic temperature) 。 该方法操作复杂,
求解地表温度 。 这一热辐射强度可以表达为
I =[ ε
B ( T s) +( 1 -ε
) I ↑] τ+I ←
[ 1, 2]
可行性较差 。 覃志豪等人
-2
-1
( 1)
-1
根据地表热辐射传导
式中, I 是热辐射强度( W·m ·sr ·μ
m ) , 根据
在 TM6 波段区间内的特征, 提出了一个简易可行的
单窗算法, 用来从 TM6 数据中反演地表温度, 这一单
TM6 波段的 DN 值计算, 为已知值[ 1, 2] ;ε是地表比
[ 3]
辐射率 ;B ( Ts ) 是用 Planck 函数表示的黑体热辐射
, 即地表比辐射率 、大气
强度, 其中, Ts 是 地表温度( K) ;τ是大气透射率,
透射率 和大 气平 均作 用 温度 ;Jiménez -Munoz and
可以用大气水分含量来估计[ 3] ;I ↑和 I ←分别是大
窗算法需要 3 个基本参数
[ 4]
Sobrino 提出的普适性单通道算法也可用来从 TM6
数据中反演地表温度, 而地表比辐射率仍是这一单
气的下行和上行热辐射强度, 可以根据实时大气剖
通道算法的关键参数 。虽然国内外对地表比辐射率
大气模拟程序进行模拟计算 。 因此, 如果能知道地
表比辐射率 ε
, 就可以从( 1) 式中求解 B( Ts ) , 再用公
[ 5~ 10]
已经有较多研究
, 但所提出的地表比辐射率测
定方法大多过于繁琐, 不易于实际应用 。 单独针对
TM6 波段而提出的地表比辐射率估计方法尚未见有
发表 。为了便于从 TM6 数据中提取地表温度信息,
有必要对 TM6 波段的地表比辐射率估计方法进行深
入探讨 。
面探测数据, 用诸如 MODTRAN 、LOWTRAN 或 6S 等
式( 2) 求解地表温度
T s =K 2/ ln[ 1 +K 1 / B ( Ts) ]
-2
式中, K 1 =60 .
776 ( mW·cm ·sr
-1
( 2)
·μ
m
-1
) , K2
=1 260 .
56 K 。由于获取实时大气剖面数据很难,
收稿日期 :2003 -11-11;修订日期 :2003 -12 -15
基金项目 :国家 973 项目( 2000018601) 和中国农业科学院杰出人才项目资助。
覃志豪, 等 : 陆地卫星 TM6 波段范围内地表比辐射率的估计
第 3期
· 29 ·
因此, 通常 I ↑和 I ← 是用标准大气剖面数据代替实
地球表面不同区域的地表结构虽然很复杂, 但从卫
时大气剖面数据进行模拟估计的 。 这样, 地表温度
星像元的尺度来看, 可以大体视作由 3 种类型构成 :
的反演误差就会较大, 往往达 2 K 以上 。
水面 、城镇和自然表面 。 水面结构简 单 ;城镇包括
城市和村庄, 主要由道路 、各种建筑和房屋组成 ;自
1.
2 单窗算法
覃志豪等人[ 1, 2] 提出的单窗算法用如下公式反
演地表温度
Ts ={
67 .
355 4( C +D -1) +[ 0 .
441 4( C +D ) +
0.
458 6] T6 -DT a}
/C
( 3)
然表面主要是指各种天然陆地表面 、林地和农田等 。
对于地表温度反演来说, 自然表面通常占图像比例
最大, 因而也是我们考虑的重点 。
2.
1 自然表面比辐射率的估计方法
温度( K) ;T a 是大气平均作用温度( K) ;C 和 D 是
实际上, 组成自然表面的像元可以简单地看作
是由不同比例的植被叶冠和裸土组成, 即混合像元 。
中间变量, 分别用下式计算
由于不同的生长季节, 植被的叶冠构成比例相差较
式中, T6 是卫星高度上遥感器所观测到的亮度
C =ε
τ
( 4)
D =( 1 -ε
) [ 1 +( 1 -ε
)τ
]
( 5)
关于大气参数 Ta 和 τ的估计, 可参看文献[ 3] 。
1.
3 普适性单通道算法
大, 因此, 在确定地表比辐射率时, 可以用下式来初
略估计 TM6 混合像元尺度上的地表热辐射强度
σT 4 ε= P v σTv 4 ε
T 4bs ε
v +( 1 -P v ) σ
s +Δ
( 9)
式中, P v 是植被占混合像元的比例 ;σ是 Stefan
Jiménez -Munoz and Sobrino 提出的普适性单通
-Boltzmann 常量( 5 .
67 ×10 -8W·m -2·K -4 ) ;ε
v 和 ε
s
道算法, 也可用来从 TM6 数据中反演地表温度, 其计
分别是植物和裸土在 TM6 波段区间内的辐射率 ;T
是像元的平均温度 ;T v 和 Tbs 分别是植被和裸土的
[ 4]
算公式为
Ts =[ ( ψ1 I + ψ
2 )/ ε+ ψ
3 +I] / β -T 6
( 6)
式中, β 、ψ
1 、ψ
2 和 ψ
3 可分别由下式计算
5
β =C2 I( λ
I +C1 ) /( T62 C1 λ
)
( 7)
ψ1 =0 .
147 1 w2 -0 .
155 8w +1 .
123 4
( 8a)
2
混合像元的地表辐射率估计 。
对于面积较大的 100 %植被或裸土表面, 可直接
( 8c)
用这 2 种类型的地表比辐射率来表示其像元的比辐
式中, C 1 和 C2 是 Planck 函数常量, C1 =1 .
191
-2
其对地表比辐射率的贡献 dε可以忽略不计。
用( 9) 式求解 ε
, 得到由植被和裸土组成的 TM6
( 8b)
ψ3 =-0 .
045 5 w +1 .
871 9w -0 .
390 7
4
量, 但如果地表相对平坦, 这一相互作用就很小, 因而
2
ψ2 =-1 .
183 6 w -0 .
376 1w -0 .
528 9
8
温度( K) ;Δ 为植被和 裸土之间的热辐射相互作用
04 ×10 ( W·μ
m ·m ·sr
-1
4
) , C2 =1 .
438 77 ×10 ( μ
m·
射率, 因此, 当 P v =1 时, ε=ε
v ;
当 P v =0 时, ε=ε
s。
但是, 通常很难有 100 %的植被覆盖或裸土表面, 因
K) ;λ=11 .
457 μ
m, 是 TM6 的有效作用波长 ;w 是
大气剖面总水汽含量( g·cm -2 ) 。
此, 一般是通过下式来估计混合像元的地表比辐射率
由于单窗算法和普适性单通道算法把大气影响
式中, R v 和 R s 分别是植被和裸土的温度比率,
放进方程里进行推导, 因此不需要进行大气模拟, 不
定义为 R i =( Ti / T) 4 , 其中 i 代表植被或裸土 。 在地
仅在算法上较大气校正法简单, 而且也省去了大气
表相对较平整情况下, 一般可取 d ε=0 ;在地表高低
模拟误差的影响 。这两个方法的误差主要是由于参
数估计的不准确所引起 。 实验表明, 单窗算法的地
相差较大情况下, dε可以根据植被的构成比例简单
估计[ 11] 。 由于热辐射相 互作用在植被 与裸土各占
表温 度 反 演 精度 略 高 于 普 适性 单 通 道 算 法的 精
一半时达到最大, 所以, 我们提出如下经验公式来估
计 dε
度[ 11] , 在大气透射率 、大气平均作用温 度和地表比
ε= P v R v ε
v +( 1 -P v) R s ε
s +dε
( 10)
辐射率估计有中等程度误差的情况下, 单窗算法的
当 P v ≤0 .
5 时, dε=0 .
003 8 P v
( 11a)
地表温度反演误差约为 1 .
2 K, 普适性单通道算法为
1.
5 K 以上 。
当 P v >0 .
5 时, dε=0 .
003 8 ( 1 -P v )
当 P v =0 .
5 时, dε最大, d ε=0 .
001 9
( 11b)
( 11c)
2
地表比辐射率的估计方法
值得指出的是, 用公式( 10) 计算出的 ε如果大
于ε
v , 则取 ε=ε
v。
2.
2 城镇地表比辐射率的估计方法
地表比辐射率主要取决于地表的物质结构和遥
感器的波段区间 。TM6 波段区间为 10 .
45 ~ 12.
6μ
m。
虽然城镇在图像上所占比例不 大, 但在地表温
度反演中也不能忽视, 尤其是在村庄较密集的地区
国
· 30 ·
土
资
源
遥
感
2004 年
或城市郊区 。 一般来说, 城镇像元的地表比辐射率
0.
979 53 、砂质土 0 .
970 47 和砂壤土 0 .
969 93 。 虽然
也可类似地用 2 .
1 节中方法确定 。 由于城镇主要是
这些土壤的比辐射率有一定差异, 但在没有研究区
由各种建筑物表面和分布其中的绿化植被所组成,
因此有
详细土壤比辐射率数据情况下, 可用这些土壤的平
均比辐射率来简单替代, 即 ε
972 15 。 对于城
s =0 .
ε= P v R v ε
v +( 1 -P v) R m ε
m +dε
( 12)
镇的各种建筑表面而言, 在 TM6 波段范围内, 其比辐
式中, R m 是建筑表面的温度比率 ;ε
m 是建筑表
射率一般在 0 .
960 ~ 0 .
980 之间变动 。 为了简便起
面的比辐射率 。
2.
3 典型地物温度比率估计
比较准确的地表比辐射率估计需要对典型地物
见, 可取其中 值确定 ε
m, 即 ε
m =0 .
970, 这一数值略
小于自然土壤的地表比辐射率 。
的温度比率进行估计 。为了确定典型地物的温度比
率, 根据主要地表类型的温度差异进行模拟, 得到如
图 1 所示的 R i 随植被覆盖度变化而变化的状况 。
图 2 几种土壤辐射率随波长变化状况
1 -为棕壤砂土 ;2 -为粘质土 ;3 -为砂质土 ;4 -为砂壤土
3
图1
地表构成比例的确定
各地表类型温度比率随植被覆盖度变化状况
根据这一变化, 我们提出用如下公式估计植被 、
裸土和建筑表面的温度比率
R v =0 .
933 2 +0 .
058 5P v
( 13a )
R s =0 .
990 2 +0 .
106 8P v
( 13b)
R m =0 .
988 6 +0 .
128 7P v
( 13c )
这一估计虽然没有考虑温度变化的影响, 但基
本上已经能满足地表温度反演对地表比辐射率估计
的要求 。
2.
4 典型地物的比辐射率
水体在热波段范围内的比 辐射率很高, 接近于
黑体, 可以用 ε
995 来进行估计 ;植被的比辐射
w =0 .
率也很高, 一 般认为在 0 .
98 ~ 0 .
99 之间[ 12] 。 根据
Labed and Stoll 的研究[ 13] , 草地在 8 ~ 14 μ
m 波长内的
[ 14]
辐射率为 0.
981 ~ 0 .
983。Humes 等人测量结果 表明,
全覆盖灌木叶冠的热波段辐射率为 0 .
986 。 由于地
在这里, 提出一种比较简便的混合像元构成比
例估计方法, 就是利用 TM 图像的可见光和近红外波
段来估计植被覆盖度及确定水面比例 。 水体在可见
光波段的吸收率很强, 尤其是在红光和近红外波段,
水体的反射率一般低于 5 %。因此, 在 TM 图幅范围
内, 水体像元的 DN 值一般都比陆地低得多 。 据此,
可以识别水体像元, 并取 P w =1 。 另一判定水体像
元的常用方法是监督分类 。用监督分类还可以较容
易地区分出其它具有较明显光谱特征的地表类型,
如城镇和道路 。
对于由植被和裸土组成的混合 像元, 如农田和
森林, 可根据下式计算其归一化植被指数
NDVI =( B4 -B3) / ( B 4 +B 3)
( 14)
式中, B 4 、B 3 分别是 TM4 、TM3 波段的 DN 值 。
NDVI 值越大, 地表越接近于完 全的植被叶冠覆盖 ;
NDVI 值越小, 越接近于完全裸土 ;而 NDVI 介于植
表物质的热辐射强度在 10 .
5 ~ 12 .
5μ
m 范围内比在
被与裸土之间时, 则表明有一定比例的植被叶冠覆
8 ~ 10 μ
m 范围内高, 因此, 可以用灌木叶冠的比辐射
率值进行初步估计, 即 ε
986 。
v =0 .
盖和一定比例的裸土 。 因此, 可以用如下公式确定
图 2 为一些典型土壤的比辐射率变化曲线 。根
据这些曲线, 计算一些土壤在 TM6 波段区间范围内
的平均比辐射率分别为棕壤砂土 0 .
968 66 、粘质土
[ 15]
各像元的植被覆盖度, 即植被构成比例 P v
P v =( NDVI -NDVI s) / ( NDVI v -NDVI s) ( 15)
式中, NDVI v 和 NDVI s 分别是植被和裸土的 ND-
第 3期
覃志豪, 等 : 陆地卫星 TM6 波段范围内地表比辐射率的估计
VI 值 。 另一 常用 的植 被构 成比例 P v 的 估计 方法
· 31 ·
盖。
[ 16]
为
P v =[ ( NDVI -NDVI s) / ( NDVI v -NDVI s) ] 2
( 16)
如果图像范围内有明显的茂密植被区, 则取该
植被区的平均 NDVI 值作为 NDVI v 值 ;同样, 如果有
明显的裸土区, 则取该裸土区的平均 NDVI 值作为
NDVI s 进行估计 。当 NDVI >NDVI v 时, 取 P v =1 ;当
NDVI <NDVI s 时, 取 P v =0 。在大多数情况下, 叶冠
茂密健康植被的 NDVI 值都在 0 .
7 以上, 有时达 0 .
8。
裸土的 NDVI 值一般只有 0 .
03 ~ 0 .
08 。因此, 虽然不
同地区的不同植被和不同土壤都有各自不同的光谱
特征, 从而使其 NDVI v 和 NDVI s 值表现出一定的区
域差异 。 但是, 如果没有详细的区域植被和土壤光
谱或图幅上没有明显的完全植被或裸土像元, 则用
NDVI v =0 .
70 和 NDVI s =0 .
05 来进行植被覆盖度的
近似估计 。 这一取值表明, 如果像元的 NDVI 值超过
0.
7, 则这一像元将被看作是完全的植被覆盖, 即 P v
=100%。相反, 如果 NDVI <0.
05, 则为完全裸土 。
由于大 气 反射 和散 射作 用, 在用 TM3 和 TM4
DN 值计算 NDVI 之前, 一般先进行大气校正 。但是,
图3
山东省德州 -陵县地区的 TM 图像
( 图中白色亮斑是村庄)
插页彩片 1 是采用上述方法估计得到的地表比
辐射率空间分布差异 。两个水库水面比辐射率都是
0.
995, 比辐射率最高的还有灌渠水面和县城边上的
小池塘 。农田由于作物叶冠密度不同而表现出不同
的地表比辐射率, 但基本上都大于 0 .
979 。 作物叶冠
由于 NDVI 是经过归一化处理的植被指数, 因此, 大
覆盖度较高农田的地表比辐射率高达 0.
982 ~ 0.
986, 但
气影 响对 NDVI 的 计算误 差不 是很大[ 11] 。 分 析表
大部分在 0 .
979 ~ 0 .
982 之间 。 由于陵县县城植被较
少, 建筑较多, 地表比辐射 率相对较 低( 只有 0 .
970
明, NDVI 误差引起的地表温度误差极小( <0 .
1K) ,
因此, 可以直接用 TM3 和 TM4 的 DN 值来计算 NDVI , 而不必进行大气校正 。
4
应用分析
左右) , 大多数村庄的地表比辐射率也是 0 .
970, 表明
村内植被相对较少 。 同时, 我们还注意到, 主要公路
的地表比辐射率也较低, 有些地方有较高的地表比
辐射率, 主要是由于这些路段有较好的路旁绿化 。
插页彩片 2 是用单窗算法反演这一地区地表温
实验区为山东省陵县, 该区处于山东省西北部
平原, 人口稠密, 村庄星罗棋布, 农田错落有致 。 马
颊河从西南到东北穿过这一地区 。 图 3 为该地区的
TM 图像, 成像时间为 1998 年 8 月 21 日, 正值夏季作
物生长期间, 这一地区的地表类型基本上可以确定
为植被( 以作物为主) 、裸土 、村镇( 主要是房屋和路
度所得到的结果 。 在反演过程中, 根据当地当日接
近卫星飞过时刻的地面气温( 为 24 ℃左右) , 估计大
气平均作用温度为 18 .
09 ℃;根据当地空气温度, 估
2
计大气水份总含量约为 2 .
5 g/cm 。 这样, TM6 波段
范围内的大气透视率估计为 0 .
743 。 由于这一地区
的区域范围较小, 东西和南北的跨度均在 50 km 范
面) 和水 面 。 由于 水面和村 镇的光学 特征明 显, 所
围内, 并且地表起伏不大, 地貌相对一致, 因此, 我们
以, 首先, 用监督分类把图像分成水面 、村镇和农田 3
不考虑大气透视率和大气平均作用温度的空间差异
性, 而假定它们在这一区域范围内相对一致 。 因此,
类 。 农田是由不同覆盖密度的作物和裸土组成, 村
镇也可能夹杂有一定比例的植被 ;然后, 计算植被
覆盖度 。 结果表明, 农田的植被覆盖度大都在 50 %
地表温度的反演主要取决于地表比辐射率的空间差
异。
以上, 乡间道路树的覆盖度约为 40 %~ 50 %;水面
插页彩片 2 表明, 城市热岛效应非常明显 。 陵
的植被覆盖度为 0 ;村镇的植被覆盖度很低, 大村庄
几乎都为 0, 只有一些小村庄有 10 %~ 20 %的植被覆
县县城的地表温度最高, 在上午 10 :
25 左右( 卫星飞
过天空的时间) 地表温度已经高于 33 ℃, 多数城区达
国
· 32 ·
土
资
源
遥
感
2004 年
到 36 ~ 38 ℃。值得指出的是, 县城内出现一些温度
表温度只能通过反演卫星高度所观测到的亮度温度
异常点, 地表温度高达 39 ~ 40 ℃, 估计是一些工厂,
而得 。 在卫星高度上, 遥感器所观测到的温度通常
其次是农田之间的村庄, 地表温度在 31 ~ 35 ℃。 由
于建筑密度远低于县城, 这些村庄的地表温度也较
与真正意义上的地表温度相差较大 。 图 4 表示地表
温度和亮度温度之间的差异 。 就这一地区而言, 水
县城低 2 ~ 5 ℃。 农田的地表温度基本在 27 ~ 30 ℃之
面的表面 温度与亮度温度相差 一般较小, 只有 2 ~
间, 在村镇与农 田相交的地方, 地表温度 也略高一
3 ℃, 平均为 2 .
51 ℃。 农田地区的差异略大一些, 在 3
些, 为 30 ~ 31 ℃之间 。两个水库的水面温度最低, 只
有 24 ~ 25 ℃, 主要是由于水的热传导较强, 水面不易
~ 4 ℃之间, 平均为 3 .
52 ℃。村镇的这一差异较为明
显, 普遍大于 4 .
5 ℃, 有时达 7 .
5 ℃以上, 平均也有 5 .
积聚热量而使表面温度相对较低 。 另外, 有许多农
10 ℃。因此, 要想较为 精确地分析一个地区的地表
田也表现出较低的地表温度, 可能是由于灌溉之后
热量空间差异, 必须通过卫星热红外数据来反演真
农田表面积水较多或者正处于灌溉期间 。
由于大气和地表热辐射能 力的作用, 真正的地
正的地表温度 。
图 4 地表温度与亮 度温度之间的差异 。
5
结语
参考文献
[ 1]
retrieving land surface temperature f rom Landsat TM data and its appli-
Landsat TM 热红外波段数据适用于精确分析区
域地表热量空间差异 。 到目前为止, 共有 3 种算法
可以用来从 TM6 数据中反演真正的地表温度 。这 3
种算法都需要地表比辐射率参数来进行地表温度的
反演 。 本文在简介这 3 种算法 的基础上, 着重探讨
了地表比辐射率参数的估计方法, 提出了用地表主
cation to the Israel -Egypt border region[ J] .Int .J .Remote Sens .
,
2001, 22( 18) :
3719 -3746.
[ 2]
覃志豪, Zhang M , Karnieli A, et al ..用陆地卫星 TM6 数据演算
地表温度的单窗算法[ J] .地理学报, 2001, 56( 4) :456 -466 .
[ 3]
覃志豪, Li W, Zhang M, et al ..单窗算法的基本大气参数估 计
方法[ J] .国土资源遥感, 2003, ( 2) :
37 -43 .
[ 4]
计像元尺度范围内的植被叶冠覆盖度 。结合其它可
见光波段, 通过分类, 可以较准确地确定地表的主要
类型构成比例 ;然后通过地表热辐射构成 方程, 估
计出地表在 TM6 波段范围内的比辐射率, 以便用来
进行地表温度的反演 ;最后, 我们 把这一方法应用
到山东省陵县地区进行验证, 得到较为合理的地表
Jiménez -Munoz J C, Sobrino J A .A generalized single -channel
method for retrieving land surf ace temperature from remote sensing data
要类型构成比例来估计地表比辐射率的方法 。TM3
和 TM4 分别处于红光波段和近红外波段, 可用来估
Qin Zhihao, Karnieli A , Berliner P .A mono -window algorithm for
[ J] .J .Geophys .Res.
, 2003, ( accepted) .
[ 5]
Becker F, Li Z L.Surface temperature and emissivity at various scales :
definition, measurement and related problems [ J ] .Remote Sens .
Rev .
, 1995, 12 :225 -253 .
[ 6]
Sobrino J A , Raissouni N, Li Z L.A comparative study of land surface
emissivity ret rieval f rom NOAA data [ J] .Remote Sens .Environ .
,
2001, 75( 2) :256-266 .
[ 7]
张仁华 .
对于定量热 红外遥感 的一些思 考[ J] .国 土资源遥 感,
1999, ( 1) :
1-6 .
[ 8]
比辐射率估计和地表温度反演结果 。
郑兰芬, 赵德刚, 童庆禧, 等 .
航空热红外 多光谱扫描仪 ( ATIMS )
数据比辐射率信息分析和提取[ J] .红外与毫 米波学报, 1998,
17( 3) :
166 -170 .
致谢 :本文得到国家 973 项目 2000018601 和中国农
科院杰出人才基金的支持 。
[ 9]
张 霞, 张 兵, 郑兰芬, 等 .航空热红外多光谱数据的地物比辐射
率谱信息 提 取 模型 及 其 应用 研 究[ J] .红 外 与毫 米 波 学 报,
2000, 19( 5) :
361 -365 .
( 下转第 36 页)
国
· 36 ·
土
资
源
遥
感
2004 年
涉的同时, 应作多视处理, 处理时注意选择合适的方
位向与距离向的视数 。 干涉图生成后, 若干涉图中
含有较少噪声, 则可以直接用基于梯度的自适应法 、
Addtive 法去除剩余的噪声, 否则, 最好先试用中值滤
波法 。
参考文献
图 8 两次 Addtive 法滤波后的干涉图
[ 1]
舒 宁.
微 波遥 感 原理[ M] .武 汉 :
武 汉 测绘 科技 大 学出 版 社,
2000 .
[ 2]
3
结论
方圣辉, 等 .
SAR 影像去噪声方法的研究[ J] .
武汉测绘科技大 学
学报, 1998, 23( 3) .
[ 3]
将干涉图 用于相 位解缠时 所用的 是[ 0, 2π) 数
据, 而不是灰度数据, 所以, 应对干涉图本身数据或
对复影像的实部 、虚部数据作滤波处 理 。 当然, 在
实际图应用中, 应把这几种方法结合起来反复试用
徐华平, 等 .
干 涉 SA R 中相位图 的噪声抑 制[ J] .
北京 航空航 天
大学学报, 2001, 27( 1) .
[ 4]
廖明生 .
由 INSAR 影像高精度自动生成干涉 图的关键技术研 究
[ D] .
武汉 :
武汉测绘科技大学, 2002.
[ 5]
Jong -Sen Lee.
A New Technique for Noise Filtering of SAR Interferomet ric Phase Images[ J] .
IEEE, 1998, 30( 5) .
以达到滤除噪声的目的 。实践反复证明, 在生成干
PHASE NOISE FILTERINGS IN INSAR INTERFEROGRAM
LIN Hui1, DU Pei -jun2 , SHU Ning 3 , ZHAO Chang -sheng 1
( 1.
Department of Territory Resource Information and Surveying Engineering of XuZ hou Normal University , Xuzhou 221116, China ;
2.Department of Geographical Information Science, China University of Mining and Technology , Xuzhou 221008, China ;3.
School of Remote Sensing Information Engineering, Wuhan University , Wuhan 430079, China)
Abstract :There exist a lot of phase noises in interferogram, which will adversely affect the product precision of interferometric synthetic aperture radar ( INSAR) .It is therefore very important to reduce the phase noise before phase unwrapping .In this paper, the authors deal with four noise filtering methods, namely multi -look processing, medium filtering,
gradient -based adaptive filtering and additive filtering .In practice, the combination of these filtering methods would
yield even better result .
Key words:Synthetic aperture radar( SAR) ;Interferogram ;Filtering ;Noise
第一作者简介 :林 卉( 1973-) , 男, 硕士 , 讲师, 从 事摄影测量与遥感图像处理方面的教学和科研工作 。
( 责任编辑 :刁淑娟)
( 上接第 32 页)
[ 10] 李 召良, Petitcolin F, 张仁华 .一种从中红外 和热红外数据中 反
演地表比辐射率的物理算法[ J] .中国科 学 E 辑, 2000, ( 30) :
18
-26 .
[ 11] Sobrino J A, Jiménez -Munoza J C, Paolini L.Land surface temperature ret rieval from Landsat TM 5[ J] .Remote Sens.Environ .
, 2003,
( accepted) .
[ 12] Sobrino J A, Raissouni N , Li Z L.A comparative study of land surface
ture[ J] .Remote Sens .Envi ron .
, 1991, 38 :
1-17.
[ 14] Humes K S, Kustas W P, Moran M S, et al ..Variability of emissivity
and surf ace temperature over a sparsely vegetated surface [ J] .Water
Resources Res .
, 1994, 30 :
1299-1310 .
[ 15] Kerr YH, Lagouarde J P, Imbernon J .A ccurate land surface t emperature retrieval f rom AVHRR data with use of an improved split window algorithm [ J] .Remote Sens .Envi ron .
, 1992, 41 :
197-209 .
emissivity retri eval f rom NOAA data [ J] .Remote Sens .Environ .
,
[ 16] Carlson T N, Ripley D A .On the relation between NDVI, fractional
2001, 75 :
256-266 .
[ 13] Labed J, Stoll M P.Spatial variability of land surface emissivity in the
vegetation cover, and leaf area index [ J] .Remote Sens .Environ .
,
1997, 62:
241 -252 .
thermal infrared band :spect ral signature and effective surface tempera-
( 下转第 41 页)
李 琪, 等 : 土地利用动态遥感监测外业调查记录表自动填写技术研究
第 3期
· 41 ·
综上所述, 运用该系统大大提高了外业调查记
业调查成败的关键 。 本文提出的外业调查记录表自
录表的填写效率, 完全避免了由于主观因素引起的
动填写技术的应用, 提高了作业效率, 避免了人为因
各种错误 。
素引起的错误, 确保了图 、表一致性, 将极大地缩减
监测工期, 提高监测成果质量 。
4
结论
参考文献
为适应遥感技术发展和满足土地资源行政管理
需求, 土地利用动态监测过程的关键环节能否实现
自动化, 是制约土地利用动态遥感监测产业化发展
的重要因素 。外业调查在整个监测工作中起着承上
启下作用, 直接影响监测成果的应用, 而制作高质量
的遥感监测图件和表格, 并严格保持一致是决定外
[ 1]
章孝灿, 黄智才, 赵元洪 .遥感数字 图像处理[ M] .杭州 :
浙江 大
学出版社, 1997 .
[ 2]
周成虎, 骆剑承, 杨晓梅, 等 .
遥感 影像地学 理解与分 析[ M] .北
京:
科学出版社, 2001 .
[ 3]
O swald R B .
M ission to planet earth task force report[ J] .Technial
Notes, Aug.
1992 .
[ 4]
Goetz A F H, Rowan L C .Geological remote sensing[ J] .Science,
1981, 211 :
781 -791 .
THE TABULAR AUTO -GENERATION TECHNOLOGY FOR FIELD
SURVEY IN LAND -USE DYNAMIC MONITORING
LI Qi, YOU Shu -cheng, LIU Shun -xi
( China Land Surveying and Planning Institute, Beijing 100029, China)
Abstract :The purpose of this study is to find a convenient way to fill in the tables for field survey in land -use dynamic
monitoring .
Methods for documentation and systematic analysis were employed in this paper .A practical method of tabular auto -generation was suggested and put into practical use in the land -use dynamic monitoring project of 2003 .The
technology shows remarkable advantages and high efficiency .
Key words:Land -use dynamic monitor ;Table for field surveying ;Auto -generation technology
第一作者简介 :李 琪( 1980-) , 男, 主要 研究方向为土地利用动态遥感监测信息自动化 。
( 责任编辑 :肖继春)
( 上接第 36 页)
THE ESTIMATION OF LAND SURFACE
EMISSIVITY FOR LANDSAT TM6
QIN Zhi -hao 1, 3, LI Wen -juan2 , XU Bin1, 4, CHEN Zhong -xin1, 4 , LIU Jia1, 4
( 1.MOA Key Laboratory of Resource Remote Sensing and Digital Agriculture, Beijing 100081, China ;2.The Spatial Modelling
Centre , Ume University , SE 981 28 Kiruna, Sweden ;3 .International Institute for Earth System Science, Nanking University ,
Nanjing 210093, China ;4 .Institute of Natural Resources and Regional Planning, Chinese Academy of Agricultural Sciences,
Beijing 100081, China)
Abstract :Land surface emissivity ( LSE) is an essential parameter for land surface temperature ( LST) retrieval from
thermal remote sensing data .Up till now, three methods have been proposed for LST retrieval from TM6 data, namely,
atmospheric correction, mono -window algorithm and single channel algorithm, which all require LSE as a parameter .In
this paper the authors have first reviewed the three methods and then dealt emphatically with the estimation of this parameter .The method was applied to Lingxian area of Shangdong Province in North China Plain, the most important agricultural area in China, for LSE estimation and LST retrieval .The result shows that the method can yield a reasonable estimation of thermal variation of that area .
Key words:Landsat TM ;Land surface temperature ;Land surface emissivity ;
Mono -window algorithm ;Single channel
algorithm
第一作者简介 :覃志豪( 1962- ) , 男, 博 士, 南京大学教授和博士生导师, 中国农业科学院学科带头人, 主要从事热红外遥感和
农业遥感研究 。
( 责任编辑 :刁淑娟)
Download