基于HJ-1BCCD地表反照率的估算.docVIP

基于HJ-1B/CCD地表反照率的估算 王寸婷1，张友静1,2，钱志奇3，陈静欣4，曹明1 （1.河海大学地球科学与工程学院, 南京 210098；2.河海大学水文水资源与水利工程科学国家重点实验室, 南京 210098；3.江苏省地质勘察技术院信息中心，南京 210008；4. 江苏省测绘产品质量监督检验站，江苏 南京 210013） 摘要：地表反照率是入射太阳能被地表反射的比分，决定地表吸收太阳辐射能的多少，是影响地表能量收支的关键参数。本文，分别基于统计模型和BRDF模型估算研究区不同的波段地表反照率，将与MODIS反照率产品数据进行分析对于水体，基于朗伯面假设采用统计模型效果较好，相对误差为9.2%；对于植被以及非植被覆盖区，二向反射模型较合适，相对误差分别为4.02%和5.6%，能够满足。 关键词：地表反照率；中等分辨率；统计模型；模型 地表反照率影响着区域气候，制约着地表和大气之间的辐射交换，是遥感反演陆面参数中的重要参数。准确、快速地获取宽波段地表反照率是进行区域气候模拟预测、地表能量平衡分析关键环节之一。早在20世纪50年代初，Houghton利用气象观测数据对北半球全年能量平衡作了全面计算，求出全球年平均反照率为0.34。反照率的传统计算方法是用实测资料结合植被特征和土壤类型来进行估算的。如陈建绥(1964年)、陆渝蓉(1976年)等根据日射站的观测资料并结合自然地理条件，研究了地表反照率的分布特征，但这种方法往往因观测资料代表性和地表参数的不确定性而影响其计算精度[1]。近年来，随着遥感对地观测和信息处理技术的迅速发展，利用遥感技术反演地表反照率已被证明是一种行之有效的科学方法。利用遥感进行反照率估算的方法目前主要有两种方法，一种是假设地表为朗伯体的前提下，从能量角度出发基于统计模型来获取光谱反照率，如阿布都瓦斯提?吾拉木等基于6S模型利用TM/ETM+数据进行光谱校正，通过各观测波段和未观测波段地表入射和反射光通量密度推出各波段的反照率和权重，从而得到宽波段地表反照率[2]。王继燕等以TM影像为数据源逐步进行地形校正、大气校正等，从而提取窄波段地表反照率。在此基础上，根据亮度、绿度、湿度3个特征变量的物理意义，以各波段能量权重为转换参数对窄波段地表反照率进行组合，实现研究区宽波段地表反照率的反演，得出基于不同波段的物理意义的地表反照率[3]。自然的下垫面大多是非朗伯体，遥感观测的波段反射率是在特定的太阳高度角、卫星视角下的值，与方向性有关，单一角度的遥感数据反演地表反照率时，常常假定地表为各向同性的朗伯面，这种假设会引起高达45%的误差[4]。事实上，地表的反射各向异性，表示为二向性反射分布函数(BRDF)，利用二向反射的核驱动模型通过角度建模计算反照率，如美国MODIS陆地产品组基于二向反射函数(BRDF)开发了全球地表反照率数据产品(MCD43B1)，王开存等利用MCD43B1，结合地表海拔高度和地表覆盖类型资料，计算并分析了中国地区晴空反照率的时空分布，以及地表反照率与地形和地表覆盖的关系[5]。徐兴奎等通过统计和双向反射模型，应用NOAA142-AVHRR数据反演并计算了1997年中国月平均反照率的分布，并结合地理信息系统对结果做了分析，遥感反演结果与地表覆盖特征及气候特征基本相符[6]。但目前基于BRDF模型的反照率研究数据大多是，如MODIS，NOAA卫星，反照率数据还没有系统报导[7]，需要更高分辨率的数据来估算地表反照率，为其他陆面参数的估算提供更准确的输入参数。同时反照率作为地表能量辐射的重要表征[8]，受地表覆盖类型等地表特征的影响很大，需要基于不同的地表覆盖类型选择不同的地表反照率估算模型。 本文研究区中等空间分辨率的HJ-1B/CCD数据，针对不同地表覆盖类型(共分植被覆盖区，非植被覆盖区，水体三大类)分别BRDF模型估算地表反照率，将估算结果和MODIS地表反照率产品数据进行相关分析，对不同的地表覆盖类型采用模型的适宜性做出评价。 .研究区与数据 研究数据包括淮河流域同时相的HJ-1BCCD影像、terra/MODIS核模型参数产品数据（MCD43B1）和反照率产品数据（MCD43B3），成像时间均为2010年的5月24日。HJ-1BCCD数据经定标、几何纠正等数据预处理后，裁取194km2的区域作为区。研究区位于淮河流域下游图1，地表覆盖类型丰富为了方便研究，本文植被覆盖区非植被覆盖区 图1 研究区Fig.1 The location of research area 2. 地表反照率估算方法 遥感是获取区域地表反照率的有效手段。其反演的过程大体有以下三步：影像数据大气校正得到地表反射率；估算窄波段的地表反照率；由窄波段地表反照率扩展到宽波段地表反照率[9]