地表温度降尺度时空融合方法对比及其应用

发布时间：2020-04-14 03:01

【摘要】：遥感技术的发展为区域地表温度数据的获取提供了手段。目前常用到的地表温度影像按照其空间分辨率(时间分辨率)主要分为两类:高空间-低时间分辨率地表温度数据和低空间-高时间分辨率地表温度数据。地表温度高时间与高空间分辨率不可兼得的问题采用降尺度解决,可得到高时空分辨率的亚像元地表温度数据,故降尺度方法的研究成为遥感数据应用范畴的一大热点。本文以甘肃省张掖市黑河流域盈科灌区和北京市城区为研究区域,其中盈科灌区研究区用于地表温度降尺度,主要用到从黑河流域生态水文过程综合遥感观测联合试验下载到的2012年7-9月共计5个时相的ASTER数据以及从NASA官网下载到同步的MODIS数据。北京市城区是将地表温度降尺度方法应用于城市热岛效应的研究,主要用到USGS下载的1985-2015年6-9月中的每年一期天气晴朗、少云或无云覆盖的影像,而对缺少的年份利用从NASA官网下载到缺少年份6-9月的MODIS数据生成。具体研究成果如下:(1)LST降尺度方法对比及其同化研究:利用2012年7-9月共计5个时相的ASTER数据和MODIS数据,使用统计经验法、增强型自适应时空融合方法(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM))、灵活的时空融合方法(Flexible Spatiotemporal Data Fusion Method,FSDAF)这三种方法,均生成 90m、180m、270m、360m、450m这五个尺度不同日期的亚像元地表温度,最后针对文中用到的三种方法归纳出生成亚像元地表温度的同化策略。从生成的亚像元LST分布图来看,三种方法均能将低空间分辨率的MODIS LST数据的时间优势和高空间分辨率的ASTER LST数据的空间优势充分结合起来。从视觉上看,三种方法均有效的改善原始MODIS LST产品的分辨率,有效提高MODIS温度产品的纹理细节,三种方法中统计经验法降尺度结果精度最低、块现象严重,而ESTARFM方法和FSDAF方法精度均较高,且与原始的ASTER LST产品很难从肉眼进行区分。(2)降尺度方法对比分析及验证:分别通过地面点温度观测数据和ASTER温度产品数据对文中所用到的三种降尺度方法预测生成的亚像元地表温度数据进行验证和分析,验证精度用决定系数(Correlation Coefficient,R2)、均方根误差(RootMean Square Error,RMSE)以及平均绝对误差(MeanAbsoluteError,MAE)这三个指标表示。地面点温度观测数据验证结果表明ESTARFM方法预测生成的亚像元LST与地面观测值之间R2均高于0.6128,而FSADF方法预测生成的亚像元LST与地面观测值之间的R2均高于0.5055。用地面点进行验证发现,大部分站点值高于地面观测的实际值。ASTER温度产品验证结果表明(以90m空间分辨率为例):统计经验法的精度最低,其预测生成的亚像元LST值与ASTERLST产品值之间的R2均高于0.25,MAE均低于5.55K,RMSE均低于7.14K;ESTARFM方法的精度最高,其预测生成的亚像元LST值与ASTER LST 产品值之间的 R2均高于 0.88(2012-08-18),MAE 均低于 1.73K(2012-08-02),RMSE均低于 2.37K(2012-08-02);FSDAF 方法的精度居中,R2 均高于 0.85(2012-08-18-90),MAE 均低于 1.77K(2012-08-02-90),RMSE 均低于 2.42K(2012-08-02-90)。统计经验法精度明显较低,而综合对比分析ESTARFM方法和FSDAF方法,ESTARFM方法的精度略高于FSDAF方法。(3)北京城市热岛效应时空变化分析:通过对缺少Landsat地表温度数据的年份采用ESTARFM方法进行时空融合,进而得到1985-2015年这31年每年一期的连续时相的夏季地表温度数据,对其中的5期Landsat数据进行监督分类再结合相对温度比例分级策略(Relative Percentage Temperature Grading Strategy,RPGS)从而得到地表温度等级划分标准。根据等级划分标准对31期数据进行等级划分,然后再从定性和定量两个方面研究城镇化进程的发展对北京市城市热岛效应时空变化的影响,研究结果表明:整个研究区已无大范围聚集的高温区,取而代之的是零星分布的小热岛区域;工厂区对热分布的影响远远大于住宅区对热分布的影响;大部分区域均存在低植被覆盖区域的温度远远高于高植被覆盖区域的温度。
【图文】：

示意图,站点,位置,示意图

)B1(B) (c)站点分布假彩色合成影像（局部放大）图 2.1 研究区位置及站点分布示意图2.1.2 研究区二概况本论文第二个研究内容的研究区域选择北京市部分区域，北京市位于 E115.7°～117.4°，N39.4°～41.6°之间，总面积 16807.8km2，截至 2014 年底常驻人口总数为 2151.6万人[65]。为了去除云污染以及图像拼接和相关问题对研究结果的影响，本文使用了覆盖北京绝大部分地区的单景 Landsat 卫星影像，因此本文研究区域为北京市东城区、石景山区、西城区、朝阳区、海淀区、丰台区及顺义区这 7 个市辖区的全部区域以及房山区、

位置,高时间分辨率,数据,观测位

图 2.2 研究区位置及地物分类时间变化很快且与传感器的观测位置有关，，间隔很好地说明数据融合的精度。因此，本文研究一降尺数据为搭载同一平台（EOS/TERRA 卫星）的中热发射反射辐射计 ASTER 传感器获取的数据，来和相同的观测位置。ASTER 数据是研究内容一所IS 数据是研究内容一所需的低空间-高时间分辨率分选取的多源遥感数据为 MODIS 数据和连续时dsat 数据是研究内容二所需的高空间-低时间分辨需的低空间-高时间分辨率数据。表 2.1 为研究内容内容二所用到的遥感数据。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：P407

【参考文献】