物理统计算法.PDFVIP

1170 中国科学 D 辑 地球科学 2006, 36 (12): 1170~1176 一个针对被动微波AMSR-E数据反演地表温度的 物理统计算法* ①②④** ① ③ ②⑤ ⑤ ② 毛克彪 施建成 李召良 覃志豪 李满春 徐 斌 (① 遥感科学国家重点实验室 中国科学院遥感应用研究所, 北京 100101; ② 农业部资源遥感与数字农业重点开放实验 室中国农业科学院农业资源与农业区划研究所农业生态研究室, 北京 100081; ③ 中国科学院地理科学与资源研究所, 北 京 100101; ④ 中国科学院研究生院, 北京 100049; ⑤ 南京大学国际地球系统科学研究所, 南京 210093) 摘要 用 MODIS 的地表温度产品和 AMSR-E 不同通道之间的亮度温度回归分析表明用 89GHzV 做地表温度反演主通道的精度最高. 用AIEM 模型模拟表明, 土壤粗糙度和土壤水分变 化引起土壤辐射率变化可以通过不同极化波段的差值得到有效的消除, 从而克服了被动微波反 演地表温度中辐射率不稳定的困难. 通过回归系数分析表明, 不同的地表覆盖类型的辐射机制是 不同的. 要精确地反演地表温度, 至少对地表分成三种覆盖类型, 即水覆盖的地表、雪覆盖的地 表以及非雪和水覆盖的地表. 以MODIS 地表温度产品作为评价标准, 物理统计方法的平均精度 在2~3 ℃. 关键词 亮度温度 地表温度 AMSR-E MODIS AIEM 地表能量交换信息是监测区域资源环境变化的 可知大部分的温度产品 60% 以上的地区受到云的影 一个重要参数. 地表温度是地表能量平衡的决定因 响, 这对实际应用带来了很大的局限. 由于被动微波 素之一. 因此, 获取区域地表温度空间差异, 并进而 能穿透云层, 并且受大气的影响非常的小, 可以克服 分析其对区域资源环境变化的影响, 是区域资源环 热红外遥感的缺点. 因此, 研究如何利用被动微波数 境动态监测的重要内容. 近 20 年来, 热红外遥感技 据来反演地表温度就显得非常的迫切. 术的飞速发展为快速获取区域地表温度空间差异信 目前针对 AMSR-E 被动微波遥感数据的地表温 息提供了新的途径[1~15]. 但热红外地表温度反演算法 度反演算法的研究还很少, 还没有针对 AMSR-E 数 受天气的影响非常大, 在实际应用中有时难以保证 据的地表温度反演物理算法(不计辐射传输方程的迭 精度. 从美国宇航局(NASA)提供的温度产品分析, 代反演算法)公开发表. 其主要原因是对于微波的地 收稿日期: 2005-10-03; 接受日期: 2006-06-07 * 国家