一个从VIIRS数据反演地表温度的方法

本发明涉及一种利用对地观测卫星NPP携带的VIIRS传感器获得的地面热红外信息反演地表温度的方法，该方法克服VIIRS传感器没有水汽通道限制反演精度的缺点。能够应用在气象、农业旱灾和环境监测监测等遥感部门。 

地表发射的长波辐射是大气热量的主要来源，因此地表温度参数被广泛的运用到全球环境监测变化当中。另外，由于在大尺度区域上连续、稳定的获取地表温度的需要存在，从卫星数据反演获取地表温度成为唯一的可能。从卫星数据反演地表温度的算法大多是针对不同传感器特性设计不同的反演方法，现今使用较多的有单通道算法、双通道的分裂窗算法和多通道算法。单通道算法的经典代表是Qin[2001]年针对TM数据提出的反演算法[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.]。分裂窗算法是针对AVHRR传感器4、5通道设计的两相邻热红外通道算法[McMillin, L. M. Estimation of sea surface temperature from two infrared window measurements with different absorptions[J]. Journal of Geophysical Research, 1975, 80, 5113–5117.]。现在比较成熟的多通道算法是Wan等人于1997年针对MODIS传感器提出的[Wan Z. M., Li Z.. L., A Physics-Based Algorithm for Retrieving land-surface emissivity and temperature from EOS/MODIS data, IEEE Trans. Geosci. Remote Sens.，1997, 35: 980-996.]物理基准（白天/夜间）的算法。 

MODIS传感器由于数据质量较好、免费接收等原因，被广泛的运用到大尺度区域的环境变化监测中。国内覃志豪和毛克彪等人[覃志豪, 高懋芳, 秦晓敏, 等. 农业旱灾监测中的地表温度遥感反演方法[J]. 自然灾害学报, 2005, 14(4): 64-71.；毛克彪, 覃志豪, 施建成, 宫鹏, 针对MODIS数据的劈窗算法研究, 武汉大学学报(信息科学版),2005（8）：703-708.]也针对MODIS数据地表温度反演做了许多工作。相应MODIS数据接收环境也建设的较好，比如农业部资源遥感与数字农业重点室，中国气象局卫星气象中心等。但是由于MODIS传感器分别早已于1999年和2002年搭载在Terra和Aqua卫星上发射升空，其早已超出设计的5年正常运行期限，因此MODIS数据的可靠性随时间的推移越来越低。 

2011年发射的NPP卫星携带的VIIRS传感器被用来取代MODIS传感器进行对地观测任务，其部分参数如表1所示。现阶段除了NOAA VIIRS地表温度全球业务产品[Neal Baker. Joint Polar Satellite System (JPSS) VIIRS Land Surface Temperature Algorithm Theoretical Basis Document[EO/BO]. http://npp.gsfc.nasa.gov.]外，并没有其它针对VIIRS传感器地表温度的反演研究。由于VIIRS传感器没用可用于获取大气水汽的通道，NOAA VIIRS全球业务产品算法采用回归分析方法，不需要输入大气水汽和地表发射率数据，因此其反演精度的不确定性也较大，为1-3 K。因此我们针对我国实际情况提出了适用的VIIRS传感器地表温度反演算法。 

表 1 VIIRS传感器部分技术参数 

本发明的目的在于提供一种从遥感数据VIIRS反演地表温度的方法，以克服现VIIRS传感器没有水汽通道影响反演精度的缺陷。本发明对算法中部分参数在保证精度的前提下进行相应简化，使得在旱灾监测、气象和水文等环境变化监测中更容易使用本发明。 

为实现上述目的，本发明提供的从VIIRS遥感数据反演地表温度方法分为以下几个步骤： 

第一步，通过Aqua卫星上携带的MODIS水汽通道产品计算VIIRS对应观测刈幅区域的水汽含量数据

1-1）Aqua卫星和NPP卫星同时运行在降交点为13：30的太阳同步轨道上，其绕地一圈所需时间分别为99 min和101 min，因此两者观测地球上同一区域的时差不大，这使得从Aqua MODIS数据获取VIIRS近似时段的水汽数据成为可能。一幅VIIRS影像观测刈幅大于MODIS影像，因此需要先对MODIS数据进行投影、拼接，按照VIIRS象元对应的经纬度查MODIS数据中的水汽值，生成VIIRS数据对应的水汽数据。

 1-2）利用大气辐射传输模型MODTRAN4 模拟计算不同大气水汽（0.4—6.0 g/cm2，按0.1 g/cm2步长增加）含量下VIIRS M15和M16通道的透过率，制作成查表。 

第二步，通过全球地表类型（International Geosphere Biosphere Program，IGBP）数据估算VIIRS传感器M15和M16通道对应地物的发射率。 

2-1）根据IGBP地表类型，将主要的地表重新分为冰雪、沙漠、农作物区、水域、林地、草地共六大类地表。以上地类中沙漠、和水域的发射率为固定值。如果在以上地类中林地、草地、农作物区域植被指数（Normalized Difference Vegetation Index ，NDVI）小于（大于）阈值Tmax、Tmin时（Tmax=0.6、Tmin=0.1），该区域的发射率采用混合象元分解方法计算[Sobrino J A, Raissouni N, Li Z L. A comparative study of land surface emissivity retrieval from NOAA data[J]. Remote Sensing of Environment, 2001, 75(2): 256-266.]，修正后的计算公式如下： 

ε M15 = 0.986*(1-PV) +0.982*PV        （1）

ε M16 = 0.996*(1-PV)+0.989*PV        （2）

其中PV用式计算

PV=(NDVI-0.05)/0.6                （3）

NDVI由VIIRS M5和M7计算，如下式

NDVI = (M7―M5)/( M7―M5)        （4）

       第三步 地表温度计算

利用VIIRS M5 M7通道反射率计算NDVI，结合相应的地表分类数据，将VIIRS M15 M16通道亮温带入式（5）即可反演地表温度。地表温度计算公式为：

 QUOTE      （5）

其中： QUOTE   

 QUOTE   

 QUOTE   

 QUOTE   

 QUOTE   

 QUOTE   

 QUOTE   

 QUOTE   

 [0011] 本发明考虑到VIIRS传感器缺乏水汽通道不能实时获取卫星成像时的大气水汽数据，在地表温度反演时使用标准大气模型可能会出现水汽估算误差，最终导致对温度反演精度的影响。另一方面，引入了地表分类数据来精确的估算地表发射率，避免了不区分地类仅仅使用NDVI值进行地表发射率的估算。对相应参数进行了简化计算，使得业务化运算更加高效。由于MODIS传感器超期服役带来的不确定性，本发明对VIIRS传感器地表温度反演进行研究，有利于在农业环境数据监测中使用MODIS数据向VIIRS数据的平稳过渡。

附图说明 

图1 本发明反演的地表温度。         

具体实施方式 

选用成像于2013年9月26日，05:16(UTC)的中国区域VIIRS数据，2013年9月26日，05:35(UTC)中国区域的Aqua MODIS数据做具体实测。

第一步，通过MODIS水汽数据计算VIIRS对应区域水汽。 

1-1）对MODIS、VIIRS数据进行投影转换，利用等经纬度查方式获取VIIRS水汽数据，本发明在ENVI下通过编程实现，主要使用envi_convert_file_coordinates函数实现。 

1-2）通过MODTRAN水汽透过率查表查VIIRS M15和M16通道透过率，表2列出了部分大气水汽含量下的透过率。 

表2 部分M15和M16通道大气透过率 

水汽/g.cm -2 0.40 0.80 1.20 1.60 2.00 2.40 2.80 3.20 3.60 4.00 4.40 4.80

M15透过率 0.94 0.91 0.88 0.84 0.80 0.75 0.70 0.65 0.59 0.53 0.48 0.43

M16透过率 0.90 0.86 0.80 0.75 0.69 0.62 0.56 0.49 0.43 0.37 0.31 0.26

第二步，使用NDVI和地表类型数据进行地表发射率的计算。

2-1）使用M5、M7波段计算NDVI，结合地表类型数据对VIIRS对应的地表类型重新分类，主要分类为冰雪、水域、沙漠、草地、林地和农作物六大地类。 

        2-2）对于草地、农作物区域和林地，利用公式（1）来计算相应的发射率，因此整体的发射率数据如下： 

冰雪，εM15 =0.991，εM16 =0.986

沙漠，εM15 =0.963，εM16 =0.985

水体，εM15 =0.990，εM16 =0.990

农作物和林地当0.1<=NDVI<=0.6时，计算公式如下

ε M15 = 0.986*(1-PV) +0.982*PV        

ε M16 = 0.996*(1-PV)+0.989*PV        

当NDVI>0.6时，εM15 =0.990，εM16=0.990

计算后的M15和M16发射率。

第三步 利用公式（5）和M15 M16波段亮温计算地表温度。 

3-1)M15 M16波段亮温转换，有以下公式进行 

BT = BrightnessTemperature * BrightnessTemperatureFactors[0] + BrightnessTemperatureFactors[1]  （

其中，BT为输入式（5）的亮温，BrightnessTemperature为从NOAA获取的卫星数据，BrightnessTemperatureFactors[0]和BrightnessTemperatureFactors[1]分别为获取数据的偏移系数和偏移量。

3-1)使用公式（5）计算地表温度，最终得到的地表温度结果如图1。