基于STARFM和FSDAF模型的Landsat-8地表温度重建及时空检验

发布时间：2020-04-01 01:02

【摘要】：高空间/高时间地表温度(Land surface temperature,LST)对农业耕种、农田蒸散发等精细尺度的研究具有重要的意义。目前,获取地表温度的热红外传感器主要有两种类别:一种是高空间/低时间分辨率,例如TM、ETM+、TIRS、ASTER,重访周期为16天;另一种是低空间/高时间分辨率,例如AVHRR、MODIS,具有好的时效性,但空间分辨率为1千米。如何结合两种类别传感器的热波段数据,生成高空间/高时间分辨率的LST数据,并对生成数据进行验证具有重要的意义。本论文在充分考虑上述问题的基础上,以黑河流域中游为研究区域,使用STARFM与FSDAF算法,利用2013-2016年34个时相Landsat-8数据与对应日期的MOD11A1数据生成高时序的Landsat-8 LST数据,并使用黑河流域开展的多尺度综合观测试验中获取的地面站点数据对融合结果验证。地面验证数据包括戈壁站(GB,下垫面为戈壁)、神沙窝站(SSW,下垫面为沙漠)、机场荒漠站(JCHM,下垫面为荒漠)、湿地站(SD,下垫面为芦苇湿地)、大满超级站(CJZ,下垫面为玉米)五个站点。具体研究内容和结果如下:(1)研究中首先对Landsat-8 TIRS 10波段进行地表温度反演得到Landsat-8 LST数据,并使用地面站点数据进行验证。结果表明,SD站反演结果与地面站点实测数据有较大偏差,平均偏差绝对值为8.72k,其它各站点具有较好的融合效果,平均偏差绝对值在2k左右。(2)采用STARFM与FSDAF时空融合算法,生成高时序的Landsat-8LST数据,并使用地面站点数据进行验证。对于STARFM算法,SD、GB、CJZ、SSW、JCHM 5个站点的平均偏差分别为-9.34k、-1.84k、-2.74k、-2.51k、-1.81k。对于FSDAF算法,为-8.97k、-1.52k、-1.84k、-2.16k、-1.65k。两种算法的预测结果差异较小。(3)为了进一步分析两种算法在高时空地表温度生成中的融合效果,在融合实验中,输入的低分辨率数据不仅使用了MOD11A1数据,也使用了Landsat-8 LST重采样数据(称之为MOD11A1模拟数据)。使用模拟数据时,融合结果只有算法本身带来的误差,不存在不同数据源带来的误差,更能突显算法的优缺点。结果表明:低分辨率数据使用MOD11A1时,STARFM算法具有更好的融合效果与鲁棒性;使用MOD11A1模拟数据时,FSDAF算法融合效果更好。
【图文】：

2014.02.24，2014.03.18，2014.05.05，2014.06.06，2014.07.24，2014.共 7 景 Landsat-8 LST 数据以及对应日期的 MOD11A1 数据，以 2014.05.05 的数据础时相，然后向两端预测。融合方案采取两种，第一种，算法输入的低分辨率数据重采样的 Landsat-8 LST 数据，称之为从 MOD11A1 模拟数据。第二种,采用传统的输入，低分辨率温度数据选择 MOD11A1 数据，并针对两种方案的优缺点及应用价行了分析。研究技术路线图如图 1-1 所示。

第二章 研究区概况及实验数据处理究区概况究区位于甘肃省黑河流域中游，黑河流域位于 97.1°-102.0°E，37.7°-42.7°N的第二大内陆河，该地区属于典型的中温带干旱区/亚寒带亚干旱地区，降水稀旱，平均年降水量不足 500mm。研究区主要包括戈壁、沙漠、荒漠、芦苇湿地。采用黑河流域生态-水温过程综合遥感观测联合实验[50]中游 5 个实测站点数证数据，站点数据下垫面分别为戈壁、沙漠、荒漠、芦苇湿地、玉米。研究区点分布如图 2-1 所示，影像来源为 Landsat-8 数据，日期为 2014.07.24，采用段叠加。
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P407

【相似文献】

相关期刊论文 前10条

1 金珊合;张育庆;杨俊;;城市局部气候分区对地表温度的影响——以大连市区为例[J];测绘通报;2019年04期

2 李召良;唐伯惠;唐荣林;吴骅;段四波;冷佩;张仁华;;地表温度热红外遥感反演理论与方法[J];科学观察;2017年06期

3 李军;龚围;辛晓洲;高阳华;;重庆地表温度的遥感反演及其空间分异特征[J];遥感技术与应用;2018年05期

4 吴晓娜;孙照渤;;欧亚大陆夏季地表温度的气候特征及与大气环流的联系[J];大气科学学报;2015年02期

5 屈创;马金辉;夏燕秋;田菲;;基于MODIS数据的石羊河流域地表温度空间分布[J];干旱区地理;2014年01期

6 李晓萌;孙永华;孟丹;余洁;李小娟;;近10年北京极端高温天气条件下的地表温度变化及其对城市化的响应[J];生态学报;2013年20期

7 王宇;全球地表温度100年内将上升1.4至5.8摄氏度[J];生态经济;2004年06期

8 黄永芳;曹冀鲁;;试论冬季北京城市地表温度环境[J];环境保护;1987年12期

9 钱永甫;地表热平衡温度的一种计算方法[J];气象科学;1988年04期

10 本条毅;高仓直;王茂新;;绿地对城市热量条件的影响——用遥感解译绿地并分析地表温度[J];气象科技;1988年02期

相关会议论文 前10条

1 李素英;王冉;周舆;吴佳佳;任丽娟;常英;刘建国;;锡林郭勒地区的地表温度研究[A];2018中国环境科学学会科学技术年会论文集（第四卷）[C];2018年

2 吉曹翔;戴钰;张治;;沈阳市地表温度反演研究[A];第34届中国气象学会年会 S15 气候环境变化与人体健康分会场论文集[C];2017年

3 侯光雷;张洪岩;张正祥;;基于热红外数据的地表温度反演算法综述[A];中国地理学会百年庆典学术论文摘要集[C];2009年

4 李一玲;王澄海;张飞民;;欧亚大陆冬季地表温度南北反相变化的年代际特征及机理[A];第34届中国气象学会年会 S6 东亚气候多时间尺度变异机理及气候预测论文集[C];2017年

5 丁海勇;史恒畅;;基于时间序列数据的南京市土地利用变化及地表温度变化分析[A];第34届中国气象学会年会 S5 应对气候变化、低碳发展与生态文明建设论文集[C];2017年

6 周纪;刘闻雨;占文凤;;集成多源遥感数据估算逐时地表温度[A];遥感定量反演算法研讨会摘要集[C];2010年

7 严学阳;杨笔锋;马尚昌;张素娟;;影响红外测量地表温度精度因素的研究[A];第34届中国气象学会年会 S16 智能气象观测论文集[C];2017年

8 陈明春;;山地城市道路对地表温度的影响研究——以重庆市渝中区为例[A];持续发展 理性规划——2017中国城市规划年会论文集（08城市生态规划）[C];2017年

9 黄美青;;基于LandsatTM5的两种地表温度反演算法比较分析[A];全国测绘科技信息网中南分网第二十八次学术信息交流会论文集[C];2014年

10 王桂玲;谈建国;崔林丽;;利用TM资料对上海地区地表热通量的估算[A];第28届中国气象学会年会——S7城市气象精细预报与服务[C];2011年

相关重要报纸文章 前10条

1 本报记者 吴婷;一场暑气灼人的高温“持久战”[N];中国气象报;2017年

2 李庚军 朱俊 特约记者 杨吉祥;3号哨，地表温度52℃[N];人民武警报;2017年

3 记者 柴野;德国地表温度高达摄氏50度[N];光明日报;2013年

4 卞吉;预报气温并非地表温度[N];中国气象报;2012年

5 邓玉山　新华社特稿;太阳系外，，终于找到地球的“堂兄”[N];新华每日电讯;2005年

6 采访人 本报通讯员 秦振　卓静;世园绿岛贡献率达2.4%[N];中国气象报;2011年

7 本报记者 郜晋亮;每个农技员心里都有张“明白纸”[N];农民日报;2013年

8 华凌;种植特定农作物可降地表温度[N];科技日报;2009年

9 实习生 幸倩;柏油路温度高达65℃[N];北京日报;2010年

10 方祥生;由极端天气增多说起[N];光明日报;2007年

相关博士学位论文 前10条

1 周玄德;新疆典型城市不透水面及其地表温度的分形研究[D];新疆大学;2018年

2 于真;四川省地表温度时空变化特征及评价模型研究[D];成都理工大学;2017年

3 曾玲琳;作物物候期遥感监测研究[D];武汉大学;2015年

4 韩晓静;云下地表温度被动微波遥感反演算法研究[D];中国农业科学院;2018年

5 庄元;半干旱区城市地表覆盖时空特征及其对地表温度的影响[D];陕西师范大学;2018年

6 刘佳;利用钻孔温度梯度重建过去地表温度变化研究[D];兰州大学;2015年

7 张金区;珠江三角洲地区地表热环境的遥感探测及时空演化研究[D];中国科学院研究生院（广州地球化学研究所）;2006年

8 蔡国印;基于MODIS数据的地表温度、热惯量反演研究及其在土壤水分、地气间热交换方面的应用[D];中国科学院研究生院（遥感应用研究所）;2006年

9 戴晓燕;基于遥感数据挖掘定量反演城市化区域地表温度研究[D];华东师范大学;2008年

10 彭征;重庆市中心城区土地利用/覆盖变化及其对地表温度影响研究[D];西南大学;2009年

相关硕士学位论文 前10条

1 谭建灿;基于遥感数据的水源涵养关键参数反演方法研究[D];中国农业科学院;2019年

2 王超;重庆市长时序遥感地表温度数据重建方法的对比研究[D];重庆师范大学;2019年

3 云翔;全球地表温度数据的改进以及增暖分析[D];中国气象科学研究院;2019年

4 张亚军;基于时空融合技术的Landsat地表温度数据重建策略研究[D];太原理工大学;2019年

5 李胜林;基于STARFM和FSDAF模型的Landsat-8地表温度重建及时空检验[D];太原理工大学;2019年

6 毛鹏磊;郑州市三维扩张与地表温度的时空变化研究[D];郑州大学;2019年

7 臧琳;基于红外异常的发震信号识别与危险性评估[D];中国石油大学(华东);2017年

8 赵瑞;基于微波与光学遥感的云下地表温度估算研究[D];吉林大学;2018年

9 凌牧;基于Landsat影像的成都市温江区地表热环境变化研究[D];四川农业大学;2017年

10 陆品廷;基于Landsat 8数据的青藏高原地区地表温度反演研究[D];南京信息工程大学;2018年

本文编号：2609811