引用本文
马晋, 周纪, 刘绍民, 王钰佳. 卫星遥感地表温度的真实性检验研究进展.地球科学进展, 2017, 32(6): 615-629
Ma Jin, Zhou Ji, Liu Shaomin, Wang Yujia. Review on Validation of Remotely Sensed Land Surface Temperature. Advances in Earth Science, 2017, 32(6): 615-629  
Doi:10.11867/j.issn.1001-8166.2017.06.0615
Permissions
Copyright©2017, 地球科学进展 编辑部
卫星遥感地表温度的真实性检验研究进展
马晋1,2, 周纪1,2,*, 刘绍民3, 王钰佳1,2
1.电子科技大学 资源与环境学院, 四川 成都 611731
2.电子科技大学 信息地学研究中心,四川 成都 611731
3.北京师范大学 地理科学学部, 北京 100875
*通信作者:周纪(1983-),男,四川南充人,副教授,主要从事定量遥感研究.E-mail:jzhou233@uestc.edu.cn

作者简介:马晋(1992-),男,四川巴中人,硕士研究生,主要从事遥感地表温度真实性检验研究.E-mail:jinm92@126.com

基金:国家自然科学基金面上项目“基于三维建模与组分发射辐射分离的异质性场景像元尺度表面温度模拟研究”(编号:41371341); 国家自然科学基金重点项目“陆表遥感产品真实性检验中的关键理论与方法研究”(编号:41531174)资助
摘要

地表温度是多种地表过程模型的输入参数,遥感反演地表温度是估算区域及全球尺度上地表辐射平衡和能量收支的关键手段。对遥感地表温度开展真实性检验有利于客观评价其精度和稳定性,对遥感地表温度的反演及应用都具有重要意义。简单回顾了通过遥感手段反演地表温度的基本原理和常用方法。回顾并分析了基于实测地表温度的检验方法、基于辐亮度的检验方法、交叉比较以及时间序列分析4种典型地表温度真实性检验方法的优缺点。在此基础上,重点总结了地表温度直接检验方法中地面观测数据获取方法、检验对象,分析了直接检验中的不确定来源。最后,对地表温度真实性检验中存在的问题进行了讨论。

关键词: 地表温度; 真实性检验; 不确定性; 遥感
中图分类号:P423.7 文献标志码:A 文章编号:1001-8166(2017)06-0615-15
Review on Validation of Remotely Sensed Land Surface Temperature
Ma Jin1,2, Zhou Ji1,2,*, Liu Shaomin3, Wang Yujia1,2
1.School of Resources and Environment, University of Electronic Science and Technology of China, Chengdu 611731, China
2.Center for Information Geoscience, University of Electronic Science and Technology of China, Chengdu 611731, China
3.Faculty of Geographical Science, Beijing Normal University, Beijing 100875,China

*Corresponding author:Zhou Ji(1983-), male, Nanchong City, Sichuan Province, Associate professor. Research areas include quantitative remote sensing.E-mail:jzhou233@uestc.edu.cn

First author:Ma Jin(1992-), male, Bazhong City, Sichuan Province, Master student. Research areas include validation of remotely sensed land surface temperature product.E-mail:jinm92@126.com

Fund:Project supported by the National Natural Science Foundation of China “Surface temperature simulation at the pixel scale for heterogeneous surfaces based on 3D modeling and component emissions separation”(No.41371341) and “Key theory and methods for validation of land surface remote sensing products”(No.41531174)
Abstract

Land Surface Temperature (LST) is an important input parameter for many land surface models. Retrieving LST from remote sensing is the main approach for modelling the radiance balance and energy budget at both regional and global scales. Validation of remotely sensed LST is helpful to evaluate its accuracy and stability. Furthermore, it is meaningful for the retrieval and application of remotely sensed LST. Here, first, theories and methods of LST retrieval were reviewed. Second, four validation methods, including the Temperature-based (T-based), Radiance-based (R-based), cross comparison and Time-series analysis, were reviewed and compared. An in-depth examination was conducted for the T-based method from the aspects including the approaches for acquiring the ground truth value, the target LST products, the uncertainty sources. Finally, some important issues in LST validation were discussed.

Keyword: LST; Validation; Uncertainty; Remote sensing.
1 引言

地表温度(Land Surface Temperature, LST)是多种地表过程模型的输入参数, 通过遥感反演地表温度是估算区域及全球尺度上的地表能量平衡的关键手段。目前, 遥感提供的地表温度产品已经广泛应用于环境监测、干旱监测、冻害监测、农业水资源管理、森林防火等领域[1~4]。地表温度的质量对各种地表过程的模拟与预测结果至关重要, 如地表温度1~3 K的误差可能导致地表通量估算的不确定性高达150 W/m2[5, 6]。由于尺度、环境等因素在地表温度反演过程中的影响, 反演结果存在一定的误差。而相关领域的研究对地表温度的精度需求都提出了明确的要求, 如农林、气象水文研究中, 对1~10 km分辨率遥感地表温度数据的精度要求为0.5~2 K[7]。因此, 遥感地表温度的真实性检验是一个至关重要的问题。

IEEE会士Njkou[8]在《遥感百科全书》(Encyclopedia of Remote Sensing)中将真实性检验定义为:“ 通过独立的方法对系统反演的数据产品的质量进行评估的过程” 。没有经过真实性检验的遥感产品, 将其进行实际应用是存在不确定性的, 而这种不确定性会直接影响其应用效果。目前, 各类地表参数的真实性检验工作已经引起了国际组织、重大研究计划和大型野外观测试验等的重视, 如地球观测卫星委员会(Committee on Earth Observation Satellites, CEOS)真实性检验工作组(Working Group on Calibration & Validation, WGCV)、MODIS陆地产品(MODIS Land Product, MODLAND)真实性检验小组、欧空局陆地遥感器验证计划(Validation of Land European Remote Sensing Instruments, VALERI)、黑河流域生态— 水文过程综合遥感观测联合试验(Heihe Watershed Allied Telemetry Experimental Research, HiWATER)[9]等, 地表温度的真实性检验工作均为其中的一个重要内容。地表温度产品的真实性检验, 对客观评价地表温度产品的精度与稳定性, 有效提高遥感定量化水平, 对地表温度的反演及应用都具有重要的意义[10, 11]。

在上述背景下, 围绕遥感地表温度真实性检验的相关工作, 逐渐成为定量遥感产品真实性检验的一个重要分支。从研究者对地表温度真实性检验的关注程度来考虑, 笔者分别以“ Land surface temperature validation” 和“ Land skin temperature validation” 为关键词, 利用Google Scholar对1980— 2016年的相关报道进行了逐年检索。检索结果(图 1)表明, 自20世纪80年代后期尤其是1997年以来, 与地表温度真实性检验相关的研究工作不断增多, 这也从一个侧面反映了学术界对于地表温度的精度与检验愈加关注。

本文将简单阐述遥感地表温度反演算法, 在此基础上对现有地表温度真实性检验方法进行分析比较, 最后重点分析直接检验过程中的数据获取、检验对象以及真实性检验过程中的不确定性来源等。

图1 在Google Scholar上对(a)“ Land surface temperature validation” 和(b)“ Land skin temperature validation” 检索的结果条目数(检索时间:2017年1月4日)Fig.1 The item numbers of (a)“ land surface temperature validation” and (b)“ land skin temperature validation” searched via Google Scholar (search time: January 4, 2017)

2 地表温度反演的基本理论与方法

假定地表为朗伯体, 热红外遥感传感器接收到的热辐射可以表示为[12]:

Li=Bi(Ts)εiτi+Latm, i↑+(1-εi)Latm, i↓τi(1)

式中:Li为传感器接收到的光谱辐亮度, 单位为W/(m2· sr· μ m); i表示热红外波段, 不同传感器的热红外波段设置存在差异; Bi(Ts)为地表温度为Ts时的地表黑体辐亮度; ε i为地表发射率; τ i为地表辐射从地表到传感器过程中的大气透过率; Latm, i↑和 Latm, i↓分别为大气上行、下行辐射, 单位为W/(m2· sr· μ m)。

处于热平衡条件下的黑体辐射满足普朗克定律:

Bi(Ts)=2hc2λ5ehckλTs-1-1（2）

式中:λ 为热红外波段的有效波长; h为普朗克常量, 取值为6.626× 10-34J· s; k为玻尔兹曼常数, 取值为1.380 6× 10-23J/K; c为光速, 取值为2.997 93× 108 m/s。

由公式(1)和(2)可推导出地表温度为:

Ts=hcλkln2hc2εiτiλ5(Li-Latm, i↑-(1-εi)Latm, i↓τi)+1（3）

公式(3)表明, 利用遥感手段反演地表温度过程中, 需要知道对应波段的大气透过率、大气上行和下行辐亮度以及地表发射率等参数。

由于同时受到地表发射率和大气的影响, 直接反演地表温度存在困难。根据对输入参数的需求情况, Li等[13]对遥感地表温度反演方法进行了总结, 共包含以下两大类, 分别为:①发射率已知的反演方法:单通道算法、多通道算法、多角度算法; ②发射率未知的反演方法:逐步反演法(包含基于分类数据确定发射率方法、基于NDVI数据确定发射率方法、日/夜温度不变光谱指数法等), 同步地表温度与发射率反演方法(包含双温算法、基于物理日/夜算法、灰体发射率方法、温度— 发射率分离法、迭代光谱平滑的温度— 发射率分离方法、线性发射率约束的温度— 发射率分离方法等), 同步反演地表温度、发射率和大气参数方法(包含人工神经网络方法、逐步物理反演方法等)。

3 检验方法

真实性检验的核心问题是如何获取像元尺度地面“ 真值” [14]。对于地表温度而言, 通常使用地面观测值作为地面观测相对“ 真值” Ttrue。因此地面相对真值与遥感反演结果Tretrieval之间的关系可以描述为[15]:

Tretrieval=μTtrue+b+ε（4）

式中:μ 为Tretrieval与Ttrue进行线性拟合得到的斜率, b为拟合的误差, ε 为随机误差。

针对不同的相对“ 真值” 的获取方法, 可以将地表温度真实性检验方法大致分为:基于实测地表温度的检验方法(T-based)、基于辐亮度的检验方法(R-based)与交叉比较, 此外还有时间序列分析等。

3.1 基于实测地表温度的检验方法

基于实测温度的检验方法是最直接的检验方法。该方法又称为直接检验方法, 其主要思路是将地面观测的地表温度与遥感获取的地表温度进行时— 空— 角度匹配后直接比较[10, 13, 16]。

受不同地表覆盖类型的影响, 地表温度在空间上存在较强的异质性。为了能通过地面站点观测数据直接代表像元尺度地表温度“ 真值” , 研究人员在选取地面观测站点的时候通常选取下垫面相对均一、地势相对平坦的区域。如Qin等[17]结合澳大利亚半干旱地区小麦地和牧草地的植被与土壤表面温度观测数据集, 对像元内部植被与土壤的覆盖比例进行计算, 通过线性加权估算得到混合像元的“ 实测” 地表温度, 并将其用于检验AVHRR的分裂窗算法。Wan等[10]基于对湖泊、草地和水稻田的观测结果, 对基于普适性分裂窗算法和日夜算法反演生成的MODIS第4版地表温度产品分别进行了检验。Sun等[18]利用长波辐射传感器、热红外测温仪和土壤温度探针等测量结果检验了GOES-8的地表温度反演结果。Coll等[16, 19, 20]利用在全植被覆盖水稻田的多套热红外传感器观测数据, 对MODIS, AATSR, ETM+和ASTER等传感器反演的地表温度进行了真实性检验。Sò ria等[21]选取裸土、植被、植被与裸土的混合地物开展观测, 并结合AATSR反射波段的分类结果计算了热红外像元内各类地物的比例, 进而估算得到混合像元表面温度的相对“ 真值” 。Wan[11, 22]利用内陆湖、草地、盐湖以及农田等下垫面实测地表温度对MODIS不同地表温度产品进行了真实性检验。Windahl等[23]使用辐射传输方程、单窗口算法、广义单通道算法等3种算法分别反演了同一地区的Landsat 5地表温度, 并用地面实测地表温度进行了检验。

针对中国部分区域的遥感地表温度相关学者也开展了真实性检验工作, 如白洁等[24]利用北京周边的水体、裸地、农田和草地的红外辐射观测, 对TM/ETM+遥感数据的地表温度反演结果进行了检验。周纪等[25]利用黑河流域的地表温度观测数据, 检验了MODIS和TM地表温度反演算法的精度。王宾宾等[26]利用青藏高原的地表温度观测数据, 对MODIS地表温度反演结果进行了检验。于文凭等[27]利用黑河中游8个典型下垫面实测数据对天宫一号反演地表温度进行了真实性检验。

利用地面观测地表温度对遥感地表温度数据进行真实性检验的研究工作还有很多, 如Sobrino等[28]基于实测数据开展了针对ASTER地表温度产品的检验, Wang等[29, 30]和Zhou等[31]检验了MODIS地表温度产品的质量, Trigo等[32]、Yu等[33]、Gö ttsche等[34]和Sun等[35]针对静止气象卫星GOES和MSG/SEVIRI开展了地表温度真实性检验研究工作, 此处不再一一赘述。

基于观测地表温度的真实性检验方法简单, 能直接评价遥感地表温度的质量。检验过程中主要选取均匀下垫面进行单点或多点观测数据, 如水域、农田、草地、戈壁等。使用这些站点对遥感尺度地表温度进行真实性检验能在一定程度上评估其质量。然而, 自然环境中地势平坦、地表类型均一的陆面环境相对较少。因此, 如何在复杂地表环境中进行地表温度观测, 复杂环境中的站点观测温度如何代表遥感像元尺度地表温度, 以及如何完成在复杂地表环境中的遥感地表温度真实性检验都需要进一步思考与探讨。

3.2 基于辐亮度的检验方法

基于辐亮度的检验方法是一种典型的前向物理模型方法[36~38]。该方法是以辐射传输方程为基础, 通过输入遥感反演地表温度、实测大气廓线以及发射率等初始参数, 模拟大气顶层辐亮度。模拟过程中, 不断调整地表温度的输入直到模拟大气顶层辐亮度与卫星传感器观测的顶层辐亮度一致时, 该输入地表温度认为是地面真实温度。最后对该地表温度值与卫星遥感反演地表温度值进行比较得到遥感地表温度产品的精度信息。

相关学者利用此方法对几种典型的地表温度数据集或产品进行了真实性检验。Wan等[36]提出了通过地面数据模拟地表辐射能量经过大气传输到达传感器这一过程, 并通过此过程获得了3个站点地表温度相对“ 真值” , 并以此对MODIS地表温度产品进行了检验。检验结果表明:MODIS地表温度产品在大多数地区晴空条件下的精度优于1 K。然而由于生成算法中未考虑到地表温度与空气温度的较大差异以及气溶胶光学厚度较高等情况, 因而产品存在一些不足。Coll等[37]在Valencia农田站和Hainich森林站分别对MOD11_L2(V5)地表温度产品进行了检验, 检验中分别使用了无线电探空数据和NCEP再分析资料作为大气廓线数据。Niclò s等[38]针对MSG-SEVIRI地表温度产品在平坦的水稻田和低矮灌丛进行的检验表明, 低矮灌丛区域的白天(夜间)RMSE 为1.18 K(1.19 K), 同时, 检验还发现原始产品中高估的现象主要来源于地表发射率数据。修正输入的发射率数据后, 白天(夜间)RMSE从1.18 K(1.19 K)降低到0.62 K(0.59 K), 地表温度产品的不确定性得到了明显降低。Hulley等[39]分别使用荒漠和林地站点的数据对AIRS(Atmospheric Infrared Sounder)地表温度产品(V5)进行了检验, 发现该产品生成算法中的发射率在白天存在低估从而造成地表温度偏高, 而夜间则相反。Wan[11]在对MODIS产品辐亮度检验的基础上, 对裸土地区的发射率进行优化, 改进了MODIS地表温度反演算法并生成了第6版本地表温度产品, 该版本产品精度较第5版本有了较大的提升。

基于辐亮度的检验方法不需要地面实测的地表温度, 可以应用到地面观测较为困难的地区, 同时使得针对异质性下垫面的地表温度真实性检验成为可能。然而模拟大气辐射传输获取大气顶层辐亮度过程中对大气廓线及地表发射率等参数的依赖比较明显。因此其成功与否取决于大气辐射传输方程、大气廓线以及像元尺度内地表发射率的精度[40]。另外一方面, 大范围高精度的大气廓线数据获取比较困难。在保证模拟数据输入质量的前提下, 该方法能够直接发现遥感地表温度产品反演算法存在的问题, 这对于改进与优化遥感地表温度产品生产算法有极大的帮助。

3.3 交叉比较

在没有地面实测地表温度以及大气廓线的情况下, 为了对反演结果及产品进行精度评价, 还可以使用已知精度的地表温度产品进行产品间的交叉比较检验。由于地面观测数据的缺乏, 较多的研究人员使用了该方法。表1展示了部分用于交叉比较的参考数据以及比较对象。

正如表1所示, 由于MODIS地表温度具有较好的稳定性, 在使用交叉比较方法进行真实性检验的文献中, 采用MODIS地表温度产品作为参考对象进行中低分辨率地表温度数据真实性检验最多。

Sun等[58]利用双窗口算法从GOES-EAST和GOES-WEST这2颗静止轨道卫星的观测数据反演了地表温度, 以及使用分裂窗算法反演了GOES-WEST地表温度, 在此基础上将其与MODIS地表温度产品进行了交叉比较(MOD11C1)。结果表明, 使用双窗口算法反演的GOES地表温度无论是白天还是夜间均高于MODIS地表温度, 且白天更为明显。使用分裂窗算法反演的地表温度与MODIS地表温度之间一致性较好。分析认为, 双通道算法反演地表温度偏高的原因在于使用3.9 μ m的中远红外波段, 该波段受地面反射的太阳辐射的影响, 导致传感器接收到的亮温偏高。Cho等[50]使用广义分裂窗算法反演了COMS地表温度, 并将其与MOD11_L2/MYD11A1(V5)进行交叉比较。由于温度的时间变异比较明显, 因此在时间匹配中, 选择了MODIS与COMS观测时间间隔不超过 5 min的像元进行比较。另外, 在空间匹配过程中, 对5× 5的MODIS像元进行平均以匹配COMS空间分辨率。比较结果表明, 该算法反演的COMS LST与MODIS LST一致性较好, 一年的平均偏差为-1.01 K, RMSE为2.61 K, 相关系数为0.99。Duan等[54]利用M* D11A1 V5比较MSG-SEVIRI, 在考虑相同观测区域的前提下, 从两者的时间间隔、观测角度差异、SEVIRI像元内空间异质性等方面进行了严格阈值控制。在此基础上, 以季度、年为时间尺度, 从地表类型等方面进行了分析。结果表明, 偏差可能是受到发射率的影响, 标准差较大则可能由于区域地表温度变异较大, 同时受到季风影响。整体上, SEVIRI较MODIS地表温度在白天(夜间)高2~4 K(1~2 K)。白天的地表温度随着时间、地表类型显著变化, 而晚上的地表温度对这些因素的依赖程度相对较小。

表1 交叉比较对象及参考数据 Table 1 The target and reference in cross comparison

除了在遥感地表温度产品之间进行交叉比较之外, 相关学者使用地表过程模型进行地表温度模拟, 并将其与遥感反演地表温度进行交叉比较。如高志强等[60]利用通用陆面模式和遥感辅助数据对地表温度进行模拟并与分裂窗算法反演的NOAA-AVHRR地表温度进行比较。此外, 再分析资料(如NCEP/NCAR和ECMWF等)中的地表温度数据也常作为交叉比较中的参考数据[61, 62]。

对于产品间的相互比较以确定数据或产品精度的真实性检验方法, 其主要优点是当没有地面实测数据时, 能够对地表温度数据或产品的精度或准确性做出评价, 大大降低了真实性检验成本。然而, 参考产品自身可能存在的不确定性是否会与待检数据的不确定性相抵消或者放大以及在进行时空归一化过程中所造成的不确定性如何评价等问题, 都间接增加了该方法的不准确性。

交叉比较中参考数据与比较数据的观测角度差异是限制该方法应用的重要因素, 一方面, 观测角度的不同会影响星— 地距离, 从而导致大气的影响程度不同; 另一方面, 由于观测角度的不同, 传感器所观测到的地面对象也有所不同, 如森林地区, 垂直观测时传感器市场中心以植被冠层为主, 而一定角度倾斜观测则可能观测光照面、阴影面、裸土以及冠层以下部分的混合辐射信息[63, 64]。此外, 观测时间差异、空间分辨率差异等因素也在一定程度上限制了该方法的应用。

3.4 时间序列分析

Schneider等[65]在其提交给欧空局的研究报告中对该方法进行了详细阐述。该方法选取较长时段的遥感地表温度, 分析其自身表现的时序特征。可以用于检验传感器在运行周期中存在的诸如定标漂移、不符合实际情况的异常值等; 同时需要长时间对同一目标进行稳定的观测[51]。因此该方法能对地表温度数据进行异常值处理, 并发现传感器在运行中可能存在的问题, 但是对于地表温度的真实性检验仅仅能够得到相对精度, 对于真实性的评价存在明显不足。目前, 关于使用该方法对地表温度进行真实性检验的相关研究文献较少。

综上所述, 4种地表温度真实性检验方法在地面“ 地面真值” 获取来源、真实性检验精度、方法复杂程度等方面各有不同, 表2总结了4种方法的优缺点。

4 基于实测地表温度的检验方法
4.1 地面观测

正如前文所述, 基于实测温度的检验方法是对地表温度真实性检验最直接的检验方法。其中, 地面实测地表温度的质量是决定检验结果的一个重要因素。理想条件的地面实测数据应满足以下几点[65]:①地面观测与卫星过境时间要尽可能地接近, 同时需要采集一些相关的辅助数据如大气廓线、发射率等; ②地面站点在数百米到数公里的空间尺度上都比较均一; ③观测期间天空必须晴朗且大气气溶胶含量较低等; ④机载或者地面观测仪器定标精度优于± 0.1 K。

目前, 针对地面实测地表温度的观测方式根据是否与地表接触可以分为两大类:接触式测温和非接触式测温(表3), 图2展示了部分常见的地表温度测量仪器。

接触式测温方式是将温度计埋设在地表表层进行测量。该方法测量精度较高, 但是其观测空间范围有限, 仅为电阻与地面接触一部分, 同时, 该方法测量的温度为地物、空气以及探头三者之间的平衡温度。因此该方法适用于地表温度变化不明显且地表温度与空气温度差异不明显区域的地表温度观测。为了弥补单一站点测量值的空间代表性不足问题, 研究人员通过在小区域尺度内增加观测仪器数量组建观测矩阵进行观测[70, 71]。

表2 4种真实性检验方法比较 Table 2 Comparison of the four methods for LST validation
表3 站点地表温度观测仪器对比 Table 3 Comparison of instruments for LST observation

图2 常见的地表温度观测仪器(图片来源于HiWATER试验)Fig.2 Frequently used instruments for LST observation (Figures are from HiWATER)

非接触式测温主要指传感器通过接收地面物体的热辐射, 根据辐射能量与地表温度之间的关系进行转换得到地表温度。由于实际地物为非黑体, 而观测过程中均假设其为黑体, 因此在转换过程中需要根据不同地表类型设置不同的地表发射率。从辐射计接收到的辐射光谱范围, 可以把辐射计分为长波辐射传感器(波长范围为4~50 μ m)和红外辐射传感器(波长范围为8~14 μ m)。其中后者的使用方式也可以分为手持式测温、固定式测温和热红外成像等。

在一些大型的观测计划或观测网络中, 通常使用一些精度较高的观测仪器(表3), 如全球及区域通量观测网(FLUXNET, AmeriFlux, CarboEurope和ChinaFLUX等)、SURFRAD、HiWATER、CEOP-AEGIS、 FORSGC等。在全球范围内, 拥有数量众多的LST地面观测站点, 其中一些典型站点如表4所示。

表4 典型的地表温度真实性检验站点 Table 4 Typical ground sites for LST validation
4.2 检验对象

检验对象主要包含有从Landsat TM/ETM+/TIRS, Terra ASTER, NOAA AVHRR, ENVISAT AATSR, Terra/Aqua MODIS和S-NPP VIIRS等反演的地表温度数据或生成的产品。

Landsat系列红外波段反演地表温度由于其时间分辨率较低, 官方或研究人员并没有给出相关数据产品, 但是其相对较高的空间分辨率吸引了许多研究人员的注意。孟宪红等[81]对Landsat-5数据采用3种不同方法反演了半干旱地区地表温度, 通过地面实测数据检验发现, 3种方法反演结果精度各有不同但整体精度较好, 优于± 3 K。Srivastava等[82]针对Landsat 7 ETM+ 热红外波段进行了地表温度反演并对其结果进行了真实性检验, 结果显示反演所得的Landsat-7地表温度精度为± 2 K。Wang等[83]使用多种地表温度反演算法结合Landsat-8 TIRS对干旱区绿洲地表温度进行了反演, 并利用HiWATER观测计划数据进行了检验。此外, Zhou等[31]和Simó 等[52]也分别对在不同研究区基于TM反演的地表温度进行了真实性检验工作。

针对ASTER地表温度产品(AST08)的真实性检验, Coll等[19]、Hook等[84]和Sabol等[85]利用湖泊、农田以及荒漠地区站点进行了相关研究。检验结果发现, 大多数情况下的精度优于± 1 K, 但是在大气水汽含量较高地区的温度值被高估2~3 K, 主要是由于水汽的影响对发射率的低估造成的影响。为了进一步评估大气水汽对TES方法反演地表温度和发射率影响的程度, 通过对输入的水汽参数进行调整反演ASTER地表温度, 通过均匀地表实测数据检验发现, 相对于原始产品, RMSE从3.1 K降低到了1.2 K, 调整之后的地表温度精度有了明显的提升[86]。在对标准ASTER地表温度产品进行检验之外, Zhou等[43]使用了多种方法反演ASTER地表温度并基于地面实测数据进行真实性检验, 检验结果显示这几种算法反演地表温度精度均优于1.6 K。

AATSR(Advanced Along-Track Scanning Radiometer)地表温度产品是由英国莱斯特大学与欧空局联合发布的一套地表温度产品, 针对该产品的检验相对较少。Coll等[87]对该产品进行利用Valencia大面积平坦水稻田的多套热红外辐射计观测数据检验时发现该产品被高估2~5 K, 平均偏差约为3.6 K, 标准差约为0.7 K; 通过对反演算法进行改进, 使用同样的地面参考数据检验发现, 其精度有了较好的提升, 平均偏差降低到0.2 K, 标准差降到0.5 K。Ouyang等[88]利用黑河流域2个站点长时间序列地表温度数据对AATSR 地表温度产品进行了真实性检验, 结果显示2个站点整体平均偏差在白天和晚上分别为1.67 K和0.67 K, 标准差分别为4.36 K和3.03 K, 与其他研究结果基本一致。Sò ria等[21]分别对分裂窗算法和双窗口算法反演的AATSR地表温度, 通过 WATERMED站点地表温度进行了检验, 结果表明, 分裂窗反演地表温度在异质性站点的RMSE优于1.7 K, 而双窗口算法反演地表温度检验结果的RMSE更大。此外, Coll等[89]和Noyes等[90]也分别利用不同方法反演并检验了AATSR地表温度。

MODIS地表温度产品是目前使用最为广泛的地表温度产品之一, 目前已发展到第6版本, 其官方标称精度为1 K。针对MODIS地表温度产品真实性检验的相关研究工作较为丰富, 在一些研究中还考虑了遥感地表温度产品由于季节性影响对真实性检验造成的影响。Wan等[10, 11, 22]利用内陆湖、草地、盐湖、农田等下垫面实测地表温度数据对MODIS地表温度V4, V5和V6 3个版本进行了逐步检验, 并对前期版本中存在的问题进行了修正, 大多数均匀下垫面像元地表温度的精度优于1 K。Wang等[47]利用CarboEurope-IP和FluxNET观测网络的8个植被站点数据在全年尺度上对MOD11_L2和MOD07_L2这2种地表温度产品进行了检验, 检验过程中将遥感地表温度产品由于季节性影响对其真实性检验造成的影响考虑了进来, 检验结果表明地表均匀站点精度优于1 K, 与标称精度一致, 而混合植被站点区域的精度被低估2~3 K。于文凭等[91]分析了影响MODIS地表温度产品精度的主要因素, 并对这些因素综合作用下的MODIS地表温度产品的精度检验方法进行了回顾和比较。针对MODIS地表温度产品在干旱半干旱地区误差偏大的状况, 以黑河流域为例, 对MODIS地表温度产品进行了检验。用于检验的地面观测数据包括自动气象站红外辐射计数据和长波辐射数据。这里结合具体的地表情况比较了2种检验数据的优劣, 结果表明:使用长时间的夜间长波辐射数据检验MODIS地表温度产品更合理; 黑河流域的MODIS地表温度产品的平均绝对偏差小于2.2 K。Coll等[37]使用Valencia站点大面积水稻下垫面观测数据对M* D11A1 V5地表温度产品进行了检验。在对地面数据处理过程中, 将多台仪器在试验区域内间隔架设, 最后取其平均值。检验结果表明, MODIS与实测地表温度相比偏低约0.3 K, 标准差为0.6 K, 均方根误差为± 0.7 K。

VIIRS地表温度产品采用简单分裂窗算法生成。由于搭载VIRRS传感器的卫星运行时间较短, 目前对该地表温度产品的真实性检验较少。在卫星发射前期, 相关研究者通过MODIS数据和模拟数据作为中介反演VIIRS地表温度。Li 等[92]利用HiWATER期间的观测数据对干旱区的VIIRS地表温度产品进行了检验, 检验结果发现, 4个站点在白天(夜间)的RMSE分别为2.74 K(1.48 K)。Guillevic等[51]在对该产品进行检验的过程中, 选择了湖泊、荒漠等站点观测地表温度。检验结果发现, VIIRS 地表温度与MODIS地表温度一致性较好。

除上述检验对象之外, 国内外学者还对中国FY系列、天宫一号、美国GOES、NOAA AVHRR、韩国CMOS、欧洲MSG SEVIRI等卫星传感器的地表温度进行了真实性检验工作[34, 48, 93~95]。

4.3 检验过程的不确定性

地表温度的真实性检验不仅限于地表温度的精度信息, 还包含在真实性检验过程中引入的不确定性信息。直接检验中的不确定性来源主要分为2个方面:地面观测、时— 空— 角度匹配等。

4.3.1 地面观测问题

地面观测数据的质量是真实性检验的决定因素, 在观测过程中受到仪器自身、观测环境以及观测方式等多重影响。

(1) 仪器观测的不确定性

地表温度根据观测方式的不同, 使用的观测仪器也不尽相同。观测仪器在出厂时大多都进行过标定, 而标定环境不一定能完全代表实验观测环境, 同时, 仪器观测精度可能随使用时间变化。因此, 相关学者对观测仪器不确定性做了一定的研究。Xu等[69]对HiWATER试验中游通量观测矩阵18套四分量净辐射传感器中的长波辐射传感器进行了比对, 发现上行长波辐射和下行长波辐射分别有约6 W/m2和3 W/m2的误差。在此基础上, Zhou等[96]发现由于该长波辐射计存在的误差, 在该区域估算地表温度可能导致约0.6 K的不确定性。Li等[92]对位于黑河中游4个荒漠站点的长波数据分析发现, 由于仪器的误差, 可能导致白天± 1.2 K以及夜间± 0.6 K的观测不确定性。另外一方面, 不同类型仪器对同一目标进行观测时也存在一定的不确定性, 闵文彬等[97]在获取站点地表温度时, 对四分量辐射计CNR1和热红外辐射计观测的地表温度进行了对比, 发现当地表温度小于285 K时, 2种观测方式测量的误差较小, 平均偏差约为1.08 K, 而当地表温度大于285 K时, 2种观测方式测量的地表温度呈现出较大的差异, 平均偏差约为2.74 K, 最大偏差可达10 K。通过相同型号及不同类别传感器观测地表温度对比发现, 由于观测仪器不同均会导致一定程度的不确定性, 而这种观测不确定性的产生将直接影响遥感地表温度的真实性检验结果。

(2) 发射率的不确定性

地表发射率是利用长波或热红外辐射计观测数据估算站点地表温度的核心参数[98]。在估算地表温度时, 根据不同观测下垫面以及不同环境, 常用站点发射率获取方法有:实测法[99]、常数法[34]、线性拟合法[29]、面积加权法[51]和采用宽波段发射率产品[100]等。其中实测法能在极大程度上保证地物发射率的真实性, 但是受人力、物力的限制以及自然环境的变化, 该方法并不适用于大面积地表发射率获取; 常数法通常适用于地表变化不明显区域, 如荒漠等, 但对于复杂地表并不适用; 线性拟合法以及面积加权法2种方法是在现有地面观测数据及其他辅助数据的前提下进行拟合得到, 适用于输入数据已知的情况; 宽波段发射率产品是通常在综合前面几种发射率获取方法的情况下, 考虑多种因素生产的发射率产品, 适用范围更广。

上述几种方法均能有效地获取地表发射率, 且发射率不确定度各不相同。Li等[92]指出± 0.01的发射率不确定性在不同的环境下可能导致地表温度变化± 0.3~± 0.5 K。此外, 地表发射率还随观测时间不同而变化, 因此, 对于发射率不确定导致的地表温度估算不确定性需要重点考虑。

(3) 站点的空间代表性

基于温度的直接检验方法直接量化地表温度产品的精度。在现有的地表温度真实性检验中, 基本上地面站点选取均为地势平坦、地表类型单一的区域(表2)。然而, 通常使用的红外辐射计其观测范围不超过10 m, 而视场范围较大的四分量辐射计受视场角及地表的影响, 其观测范围也不超过100 m, 因此, 地面站点观测地表温度是否能代表像元尺度上的地表温度“ 真值” 问题被提出, 如Liang等[101]在对MODIS 地表反射率和Albedo产品真实性检验过程中指出, 地面观测数据不能直接用于卫星遥感产品的真实性检验, 吴小丹等[102]指出遥感产品真实性检验的不确定性主要原因之一是地面测量数据与遥感数据存在空间尺度上的差异。空间代表性问题的核心在于地面观测尺度与遥感像元尺度之间的匹配。

在一些研究工作中, 使用低分辨率地表温度像元范围内的高分辨率地表温度的均值、标准差以及变异系数等进行站点代表性评价, 如计算MODIS像元内的ASTER热红外像元或地表温度的标准差评价热异质性[37, 92]、计算MODIS像元内的Landsat ETM地表温度数据的平均值评价温度的变异性[52]等。但是经典统计意义上的平均值、标准差等指标评价地表温度在空间上的异质性是否能有效说明对应站点的空间代表性还需要进一步探讨。

(4) 观测时段的代表性

在一些观测计划中, 地面观测时间较短, 时间周期从数天到数月到数年不等。而地表覆盖类型随着时间变化在不同地区变化不同, 短时间序列的地面观测数据用以遥感地表温度的真实性检验是否具有代表性需要进一步研究。

(5) 气象要素导致的不确定性

正如前文所述, 基于温度的检验对象通常为MODIS等中低分辨率遥感数据。虽然在产品生产过程中已经对有云像元进行了标记, 但是对于薄卷云和气溶胶光学厚度较高以及地表温度与近地表空气温度差异较大等情况下的像元并没有完全考虑[36]。同时, 对于卫星难以监测到的观测站点周围微气象环境变化, 如局地灌溉导致的土壤水分变化等情况, 会对地面观测造成不确定性。如何提高诸如此类情况下的地面站点观测数据质量还需要进一步探讨。

4.3.2 时— 空— 角度匹配不确定性

(1) 时间匹配的不确定性

遥感观测是一个瞬时过程, 因此地面观测对于遥感观测的绝对同步难以实现。Yu等[99]和Prata[103]指出, 地面观测数据时间上应与卫星过境时刻尽可能地接近。在目前公开的地表温度真实性检验资料中, 大多数地表温度站点观测数据为30分钟平均及以上, 如ChinaFlux等, 而地表温度在白天的变化显著, 若通过简单插值方法获取卫星过境时刻地面站点温度必然存在不确定性。

(2) 空间匹配的不确定性

空间匹配存在2个方面的不确定性, 一方面由于卫星的导航误差, 常见卫星传感器如MODIS, AVHRR, Landsat和FY等导航精度能控制在一个像元之内[104~106], 但是与地面站点视场范围相比, 与地面站点匹配的像元可能并非真实对应的像元; 另外一方面, 受地面站点定位方式的影响, 也会存在不同程度的站点漂移。受前面2种因素的影响, 地面观测视场范围与遥感像元可能存在跨像元问题等。刘雅妮等[107]通过LAS检验MODIS地表通量时, 分析了几何定位误差对检验结果的影响。现有研究中, 针对地表参数尤其是地表温度真实性检验中关于导航定位误差导致的不确定性研究较少。如何将由于导航定位造成的空间不匹配的不确定性进行量化值得进一步讨论。

(3) 角度匹配的不确定性

下垫面结构化比较明显的区域, 其遥感反演地表温度不仅受到地表类型的影响, 还与观测角度和光照角度有关。站点地表温度的观测通常采用垂直观测或半球观测获得方向辐射温度或半球辐射温度, 而卫星遥感在获取地表辐射信息时, 通常具有一定的倾斜角度。在异质性下垫面由于角度的不匹配而引起的不确定性, 直接使用站点观测地表温度数据与卫星遥感地表温度进行比较必然会造成一定的差异。选择天顶角小于一定角度的像元, 如天顶角小于40° , 与地面数据匹配进行真实性检验[72, 92]。此外, 相关学者也从遥感反演地表温度过程中对比考虑角度影响对地表温度反演结果的影响, 如Ermida等[108]通过2年的实测数据, 分别对角度纠正前后的MODIS (SEVIRI)地表温度数据进行了检验分析, 与地面实测地表温度之间的均方根误差从4.6 K(2.0 K)减少到了3.8 K(1.9 K), 检验结果得到了较好的改善。

5 结论与展望

目前, 学术界针对现有传感器反演地表温度的真实性检验工作已经取得了诸多重要进展, 为遥感地表温度反演及应用提供了有力的支撑。从当前的几种真实性检验方法来看, 基于观测地表温度的真实性检验方法最为直接:通过地面观测数据与遥感反演结果直接比较即可对其进行评价, 同时, 其对输入数据的要求也相对较少; 基于辐亮度的方法对地表温度的检验效果是最好的, 但是其输入数据角度且模拟过程复杂, 增加了检验工作的复杂程度; 交叉检验方法和时间序列分析虽然对输入数据的要求较少, 但是其对参考数据的质量依赖程度较高, 同时无法给出其具体的质量评价。

综合对比, 基于实测地表温度的检验方法是最直接、使用最广泛的方法。要深化该真实性检验方法, 还需从以下3个方面进行深入研究。

(1) 遥感像元尺度地表温度“ 地面真值” 获取

遥感尺度地面“ 真值” 获取是遥感产品真实性检验的关键。现有研究中大多数采用均匀地表的地面站点观测值作为“ 相对真值” 。受地面异质性的影响, 该方法存在一定的局限性。为了解决该问题, 结合前人的研究, 可以从以下角度进行深入考虑:①同步地毯式观测[14]:利用无人机等飞行平台, 在卫星过境时刻同步进行地毯式飞行观测, 获取被检验中低空间分辨率像元尺度的地表温度, 该方法在一些精细的地面试验中有一定的可操作性; ②优化采样, 组网观测:针对现有地面观测优化地面采样方案, 通过地面组网观测地表温度, 以增强地面站点在像元尺度内的代表性[66]; ③尺度转换:借助现有中高空间分辨率地表温度数据, 利用地面观测数据进行通过逐渐递推、标定的思路[109]或空间降尺度的反过程, 构建地表温度地面观测数据的尺度上推方法, 获得像元尺度地表温度的“ 地面真值” ; ④异质性像元模型模拟:通过对异质性下垫面各组分温度进行计算机模拟, 获取异质性下垫面像元尺度地表温度[64]。

(2) 地面站点代表性与遥感像元的异质性评价研究

地面“ 真值” 一方面可以通过改善地面获取方式进行获取, 另外一方面如何高效利用现有观测站点及其观测数据同样是地表温度真实性检验中的获取地面“ 真值” 的一个重要手段。正如前文所述, 地表异质性是限制“ 地面真值” 获取的重要制约因素, 因此可以借助高空间分辨率数据等, 结合经典统计方法和空间分析方法, 对站点像元的空间热异质性和时间尺度变化规律进行评价。根据下垫面的热异质性, 量化地面站点的空间代表性。在不同空间代表性的情况下, 分析地表温度真实性检验中的影响程度。

(3) 不确定性的量化分析

从地面观测、尺度扩展、空间配准等方面, 系统研究地表温度真实性检验的不确定性及其传递规律, 建立地表温度遥感产品真实性检验的不确定性评价方法及指标, 进而对真实性检验过程中的不确定性进行量化分析。

The authors have declared that no competing interests exist.

参考文献
[1] Voogt J A, Oke T R. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003, 86(3): 370-384. [本文引用:1]
[2] Kalma J D, Mcvicar T R, Mccabe M F. Estimating land surface Evaporation: A review of methods using remotely sensed surface temperature data[J]. Surveys in Geophysics, 2008, 29(4): 421-469. [本文引用:1]
[3] Liang S, Wang K, Zhang X, et al. Review on estimation of land surface radiation and energy budgets from ground measurement, remote sensing and model simulations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(3): 225-240. [本文引用:1]
[4] Tomlinson C J, Chapman L, Thornes J E, et al. Remote sensing land surface temperature for meteorology and climatology: A review[J]. Meteorological Applications, 2011, 18(3): 296-306. [本文引用:1]
[5] Sellers P J, Meeson B W, Hall F G, et al. Remote sensing of the land surface for studies of global change: Models-algorithms-experiments[J]. Remote Sensing of Environment, 1995, 51(1): 3-26. [本文引用:1]
[6] Kustas W P, Norman J M. Use of remote sensing for evapotranspiration monitoring over land surfaces[J]. Hydrological Sciences Journal, 1996, 41(4): 495-516. [本文引用:1]
[7] GCOS. Systematic Observation Requirements for Satellite—Based Products for Climate[R]. Geneva: World Meteorological Organization, 2006. [本文引用:1]
[8] Njoku E G. Encyclopedia of Remote Sensing[M]. New York: Springer, 2014. [本文引用:1]
[9] Li X, Cheng G, Liu S, et al. Heihe Watershed Allied Telemetry Experimental Research (HiWATER): Scientific objectives and experimental design[J]. Bulletin of the American Meteorological Society, 2013, 94(8): 1 145-1 160. [本文引用:1]
[10] Wan Z, Zhang Y, Zhang Q, et al. Validation of the land -surface temperature products retrieved from Terra moderate resolution imaging spectroradiometer data[J]. Remote Sensing of Environment, 2002, 83(1/2): 163-180. [本文引用:4]
[11] Wan Z. New refinements and validation of the collection-6 MODIS land -surface temperature/emissivity product[J]. Remote Sensing of Environment, 2014, 140: 36-45. [本文引用:4]
[12] Ottle C, Stoll M. Effect of atmospheric absorption and surface emissivity on the determination of land surface temperature from infrared satellite data[J]. International Journal of Remote Sensing, 1993, 14(10): 2 025-2 037. [本文引用:1]
[13] Li Z L, Tang B H, Wu H, et al. Satellite-derived land surface temperature: Current status and perspectives[J]. Remote Sensing of Environment, 2013, 131: 14-37. [本文引用:2]
[14] Zhang Renhua, Tian Jing, Li Zhaoliang, et al. Principles and methods for the validation of quantitative remote sensing products[J]. Science in China (Series D), 2010, 40(2): 211-222.
[张仁华, 田静, 李召良, 等. 定量遥感产品真实性检验的基础与方法[J]. 中国科学: D辑, 2010, 40(2): 211-222. ] [本文引用:2]
[15] Yu Y, Tarpley D, Privette J L, et al. Validation of GOES-R satellite land surface temperature Algorithm using SURFRAD ground measurements and statistical estimates of error properties[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(3): 704-713. [本文引用:1]
[16] Coll C, Caselles V, Galve J M, et al. Ground measurements for the validation of land surface temperatures derived from AATSR and MODIS data[J]. Remote Sensing of Environment, 2005, 97(3): 288-300. [本文引用:2]
[17] Qin Z, Dall’Olmo G, Karnieli A, et al. Derivation of split window algorithm and its sensitivity analysis for retrieving land surface temperature from NOAA-advanced very high resolution radiometer data[J]. Journal of Geophysical Research, 2001, 106: 22. [本文引用:1]
[18] Sun D, Pinker R T. Estimation of land surface temperature from a Geostationary Operational Environmental Satellite (GOES-8)[J]. Journal of Geophysical Research: Atmospheres, 2003, 108(D11): 4 326. [本文引用:1]
[19] Coll C, Caselles V, Valor E, et al. Temperature and emissivity separation from ASTER data for low spectral contrast surfaces[J]. Remote Sensing of Environment, 2007, 110(2): 162-175. [本文引用:2]
[20] Coll C, Galve J M, Sanchez J M, et al. Validation of Land sat-7/ETM+ Thermal-Band calibration and atmospheric correction with ground-Based measurements[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(1): 547-555. [本文引用:1]
[21] Sòria G, Sobrino J A. ENVISAT/AATSR derived land surface temperature over a heterogeneous region[J]. Remote Sensing of Environment, 2007, 111(4): 409-422. [本文引用:2]
[22] Wan Z. New refinements and validation of the MODIS land -surface temperature/emissivity products[J]. Remote Sensing of Environment, 2008, 112(1): 59-74. [本文引用:2]
[23] Windahl E, de Beurs K. An intercomparison of Land sat land surface temperature retrieval methods under variable atmospheric conditions using in situ skin temperature[J]. International Journal of Applied Earth Observation and Geoinformation, 2016, 51: 11-27. [本文引用:1]
[24] Bai Jie, Liu Shaomin, Hu Guang. Inversion and verification of land surface temperature with remote sensing TM/ETM+ data[J]. Transactions of the CSAE, 2008, 24(9): 148-154.
[白洁, 刘绍民, 扈光. 针对 TM/ETM+遥感数据的地表温度反演与验证[J]. 农业工程学报, 2008, 24(9): 148-154. ] [本文引用:1]
[25] Zhou Ji, Li Jing, Zhang Lixin. Validation of algorithms for retrieving land surface temperature based on MODIS data—A case study in the upper reaches of Heihe River[J]. Journal of Glaciology and Geocryilogy, 2009, 31(2): 55-62.
[周纪, 李京, 张立新. 针对MODIS数据的地表温度反演算法检验——以黑河流域上游为例[J]. 冰川冻土, 2009, 31(2): 55-62. ] [本文引用:1]
[26] Wang Binbin, Ma Yaoming, Ma Weiqiang. Estimation of land surface temperature retrieved from EOS/MODIS in Naqu area over Tibetan Plateau[J]. Journal of Remote Sensing, 2012, 16(6): 1 289-1 309.
[王宾宾, 马耀明, 马伟强. 青藏高原那曲地区MODIS地表温度估算[J]. 遥感学报, 2012, 16(6): 1 289-1 309. ] [本文引用:1]
[27] Yu Wenping, Ma Mingguo. Retrieving the high-spatial-resolution land surface temperature products from thermal infrared domain of Tiangong-1[J]. Journal of Remote Sensing, 2014, 18(Suppl. 1): 144-151.
[于文凭, 马明国. 应用天宫一号高光谱红外谱段数据反演地表温度产品及验证[J]. 遥感学报, 2014, 18(增刊1): 144-151. ] [本文引用:1]
[28] Sobrino J A, Jiménez-Muñoz J C, Balick L, et al. Accuracy of ASTER Level-2 thermal-infrared Stand ard Products of an agricultural area in Spain[J]. Remote Sensing of Environment, 2007, 106(2): 146-153. [本文引用:1]
[29] Wang K, Wan Z, Wang P, et al. Evaluation and improvement of the MODIS land surface temperature/emissivity products using ground-based measurements at a semidesert site on the western Tibetan Plateau[J]. International Journal of Remote Sensing, 2007, 28(11): 2 549-2 565. [本文引用:2]
[30] Wang K, Liang S. Evaluation of ASTER and MODIS land surface temperature and emissivity products using long-term surface longwave radiation observations at SURFRAD sites[J]. Remote Sensing of Environment, 2009, 113(7): 1 556-1 565. [本文引用:1]
[31] Zhou J, Li J, Zhang L, et al. Intercomparison of methods for estimating land surface temperature from a Land sat-5 TM image in an arid region with low water vapour in the atmosphere[J]. International Journal of Remote Sensing, 2012, 33(8): 2 582-2 602. [本文引用:2]
[32] Trigo I F, Monteiro I T, Olesen F, et al. An assessment of remotely sensed land surface temperature[J]. Journal of Geophysical Research: Atmospheres, 2008, 113(D17): D17108. [本文引用:1]
[33] Yu Y, Tarpley D, Privette J L, et al. Developing Algorithm for Operational GOES-R land surface temperature product[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47: 936-951. [本文引用:1]
[34] Göttsche F M, Olesen F S, Bork-Unkelbach A. Validation of land surface temperature derived from MSG/SEVIRI with in situ measurements at Gobabeb, Namibia[J]. International Journal of Remote Sensing, 2013, 34(9/10): 3 069-3 083. [本文引用:3]
[35] Sun D, Yu Y, Yang H, et al. Comparison between GOES-east and -west for land surface temperature retrieval from a Dual-Window Algorithm[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10: 578-582. [本文引用:1]
[36] Wan Z, Li Z. Radiance-based validation of the V5 MODIS land -surface temperature product[J]. International Journal of Remote Sensing, 2008, 29(17/18): 5 373-5 395. [本文引用:3]
[37] Coll C, Wan Z, Galve J M. Temperature-based and radiance-based validations of the V5 MODIS land surface temperature product[J]. Journal of Geophysical Research, 2009, 114(D20), doi: 10.1029/2009JD012038. [本文引用:3]
[38] Niclòs R, Galve J M, Valiente J A, et al. Accuracy assessment of land surface temperature retrievals from MSG2-SEVIRI data[J]. Remote Sensing of Environment, 2011, 115(8): 2 126-2 140. [本文引用:2]
[39] Hulley G C, Hook S J. A radiance-based method for estimating uncertainties in the Atmospheric Infrared Sounder (AIRS) land surface temperature product: AIRS LST VALIDATION[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D20): 20 117. [本文引用:1]
[40] Li Z L, Duan S B, Tang B H, et al. Review of methids for land surface temperature deriverd from thermal infrared remotely sensed data[J]. Journal of Remote Sensing, 2016, 20(5): 899-920. [本文引用:1]
[41] Gao Maofang, Qin Zhihao. The validation of Chinese land surface temperature products retrieved from moderate resolution imaging Spectrometer data[J]. Remote Sensing for Land & Resources, 2006, (3): 15-18.
[高懋芳, 覃志豪. 中国MODIS地表温度产品验证[J]. 国土资源遥感, 2006, (3): 15-18. ] [本文引用:1]
[42] Zhu Linqing, Zhou Ji, Liu Shaomin, et al. Temporal normalization research of airborne land Surface temperature[J]. Journal of Remote Sensing, 2017, 21(2): 1 993-2 002.
[朱琳清, 周纪, 刘绍民, 等. 航空遥感地表温度时间归一化研究[J]. 遥感学报, 2017, 21(2): 1 993-2 002. ] [本文引用:1]
[43] Zhou J, Li M, Liu S, et al. Validation and performance evaluations of methods for estimating land surface temperatures from ASTER data in the Middle Reach of the Heihe River Basin, Northwest China[J]. Remote Sensing, 2015, 7(6): 7 126-7 156. [本文引用:1]
[44] Prata A J, Cechet R P. An assessment of the accuracy of land surface temperature determination from the GMS-5 VISSR[J]. Remote Sensing of Environment, 1999, 67(1): 1-14. [本文引用:1]
[45] Yang H, Yang Z. A modified land surface temperature split window retrieval algorithm and its applications over China[J]. Global and Planetary Change, 2006, 52(1/4): 207-215. [本文引用:1]
[46] Liu Y, Yamaguchi Y, Ke C. Reducing the discrepancy between ASTER and MODIS land surface temperature products[J]. Sensors, 2007, 7(12): 3 043-3 057. [本文引用:1]
[47] Wang W, Liang S, Meyers T. Validating MODIS land surface temperature products using long-term nighttime ground measurements[J]. Remote Sensing of Environment, 2008, 112(3): 623-635. [本文引用:1]
[48] Tang B H, Shao K, Li Z L, et al. Estimation and validation of land surface temperatures from Chinese second-generation polar-Orbit FY-3A VIRR data[J]. Remote Sensing, 2015, 7(3): 3 250-3 273. [本文引用:1]
[49] Soliman A, Duguay C, Saunders W, et al. Pan-Arctic land surface temperature from MODIS and AATSR: Product development and intercomparison[J]. Remote Sensing, 2012, 4(12): 3 833-3 856. [本文引用:1]
[50] Cho A R, Suh M S. Evaluation of land surface temperature operationally retrieved from Korean geostationary satellite (COMS) data[J]. Remote Sensing, 2013, 5(8): 3 951-3 970. [本文引用:1]
[51] Guillevic P C, Biard J C, Hulley G C, et al. Validation of land surface temperature products derived from the Visible Infrared Imaging Radiometer Suite (VIIRS) using ground-based and heritage satellite measurements[J]. Remote Sensing of Environment, 2014, 154: 19-37. [本文引用:3]
[52] Simó G, Garci A-Santos V, Jiménez M A, et al. Land sat and local land surface temperatures in a Heterogeneous Terrain compared to MODIS values[J]. Remote Sensing, 2016, 8(10): 849. [本文引用:2]
[53] Frey C M, Kuenzer C, Dech S. Quantitative comparison of the operational NOAA-AVHRR LST product of DLR and the MODIS LST product V005[J]. International Journal of Remote Sensing, 2012, 33(22): 7 165-7 183. [本文引用:1]
[54] Duan S B, Li Z L. Intercomparison of operational land surface temperature products derived from MSG-SEVIRI and Terra/Aqua-MODIS data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(8): 4 163-4 170. [本文引用:1]
[55] Hulley G C, Hook S J. Intercomparison of versions 4, 4. 1 and 5 of the MODIS land surface temperature and emissivity products and validation with laboratory measurements of sand samples from the Namib Desert, Namibia[J]. Remote Sensing of Environment, 2009, 113(6): 1 313-1 318. [本文引用:1]
[56] Gao C, Jiang X, Wu H, et al. Comparison of land surface temperatures from MSG-2/SEVIRI and Terra/MODIS[J]. Journal of Applied Remote Sensing, 2012, 6(1), doi: 10.1117/1.JRS.6.063606. [本文引用:1]
[57] Wang Yawei, Song Xiaoning, Tang Bohui, et al. Validation of FY-2C derived land surface temperature over the source region of Yellow River: A case study of Maqu County[J]. Remote Sensing for Land & Resources, 2015, 27(4): 68-72.
[王亚维, 宋小宁, 唐伯惠, 等. 基于FY-2C数据的地表温度反演验证——以黄河源区玛曲为例[J]. 国土资源遥感, 2015, 27(4): 68-72. ] [本文引用:1]
[58] Sun D, Yu Y, Yang H, et al. A case study for intercomparison of land surface temperature retrieved from GOES and MODIS[J]. International Journal of Digital Earth, 2015, 8(6): 476-494. [本文引用:1]
[59] Zhou J, Dai F, Zhang X, et al. Developing a Temporally Land cover-based Look-Up Table (TL-LUT) method for estimating land surface temperature based on AMSR-E data over the Chinese land mass[J]. International Journal of Applied Earth Observation and Geoinformation, 2015, 34: 35-50. [本文引用:1]
[60] Gao Zhiqiang, Liu Jiyuan. The comparison of land surface temperature with CLM and Split window retrieving method[J]. Acta Geographica Sinica, 2003, 58(4): 494-502.
[高志强, 刘纪远. 基于陆面模式和遥感技术的地表温度比较[J]. 地理学报, 2003, 58(4): 494-502. ] [本文引用:1]
[61] Zheng Xucheng, Chen Haishan. Characteristics of global land surface thermal conditions in spring and summer: Comparison between NCEP/NCAR and ERA40 reanalysis data[J]. Transactions of Atmospheric Sciences, 2012, 35(1): 41-50.
[郑旭程, 陈海山. 全球春、夏陆面热力状况变化特征: NCEP/NCAR与ERA40再分析资料的比较[J]. 大气科学学报, 2012, 35(1): 41-50. ] [本文引用:1]
[62] Pan X, Li X, Shi X, et al. Dynamic downscaling of near-surface air temperature at the basin scale using WRF—A case study in the Heihe River Basin, China[J]. Frontiers of Earth Science, 2012, 6(3): 314-323. [本文引用:1]
[63] Ermida S L, Trigo I F, Dacamara C C, et al. Validation of remotely sensed surface temperature over an oak woodland land scape—The problem of viewing and illumination geometries[J]. Remote Sensing of Environment, 2014, 148: 16-27. [本文引用:1]
[64] Peng Zhixing, Zhou Ji, Li Mingsong. Review of methods for simulating land surface temperature at the pixel scale based on ground measurements over heterogeneous surface[J]. Advances in Earth Science, 2016, 31(5): 471-480.
[彭志兴, 周纪, 李明松. 基于地面观测的异质性下垫面像元尺度地表温度模拟研究进展[J]. 地球科学进展, 2016, 31(5): 471-480. ] [本文引用:2]
[65] Schneider P, Ghent D, Corlett G K, et al. AATSR Validation: LST Validation Protocol[R]. Leicester: University of Leicester, 2012. [本文引用:2]
[66] Liu S, Xu Z, Song L, et al. Upscaling evapotranspiration measurements from multi-site to the satellite pixel scale over heterogeneous land surfaces[J]. Agricultural and Forest Meteorology, 2016, 230/231: 97-113. [本文引用:1]
[67] Ma Y, Wang Y, Wu R, et al. Recent advances on the study of atmosphere-land interaction observations on the Tibetan Plateau[J]. Hydrology & Earth System Sciences, 2009, 13(6): 1 103-1 111. [本文引用:1]
[68] Huang G, Li X, Huang C, et al. Representativeness errors of point-scale ground-based solar radiation measurements in the validation of remote sensing products[J]. Remote Sensing of Environment, 2016, 181: 198-206. [本文引用:1]
[69] Xu Z, Liu S, Li X, et al. Intercomparison of surface energy flux measurement systems used during the HiWATER-MUSOEXE[J]. Journal of Geophysical Research: Atmospheres, 2013, 118(23): 2013 JD020260. [本文引用:1]
[70] Raissouni N, Sobrino J A, Chahboun A, et al. First results towards building up a reliable in situ measurements database for LST algorithm validations using modular WSN: Northern Morocco campaigns case study[J]. International Journal of Remote Sensing, 2013, 34(9/10): 3 153-3 163. [本文引用:1]
[71] Jin R, Li X, Yan B, et al. A nested ecohydrological wireless sensor network for capturing the surface heterogeneity in the Midstream areas of the Heihe River Basin, China[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(11): 2 015-2 019. [本文引用:1]
[72] Yu W, Ma M, Wang X, et al. Evaluation of MODIS LST products using longwave radiation ground measurements in the northern arid region of China[J]. Remote Sensing, 2014, 6(11): 11 494-11 517. [本文引用:1]
[73] Göttsche F M, Hulley G C. Validation of six satellite-retrieved land surface emissivity products over two land cover types in a hyper-arid region[J]. Remote Sensing of Environment, 2012, 124: 149-158. [本文引用:1]
[74] Hook S J, Clodius W B, Balick L, et al. In-flight validation of mid- and thermal infrared data from the Multispectral Thermal Imager (MTI) using an automated high-altitude validation site at Lake Tahoe CA/NV, USA[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(9): 1 991-1 999. [本文引用:1]
[75] Li S, Yu Y, Sun D, et al. Evaluation of 10 year AQUA/MODIS land surface temperature with SURFRAD observations[J]. International Journal of Remote Sensing, 2014, 35(3): 830-856. [本文引用:1]
[76] Pinker R T, Sun D, Hung M P, et al. Evaluation of satellite estimates of land surface temperature from GOES over the United States[J]. Journal of Applied Meteorology and Climatology, 2009, 48(1): 167-180. [本文引用:1]
[77] Barreto Á, Arbelo M, HernÁNDEZ-LEAL P A, et al. Evaluation of surface temperature and emissivity derived from ASTER data: A case study using ground—Based measurements at a Volcanic site[J]. Journal of Atmospheric and Oceanic Technology, 2010, 27(10): 1 677-1 688. [本文引用:1]
[78] Li X, Li X, Li Z, et al. Watershed allied telemetry experimental research[J]. Journal of Geophysical Research, 2009, 114(D22), doi: 10.1029/2008JD011590. [本文引用:1]
[79] Jia Z, Liu S, Xu Z, et al. Validation of remotely sensed evapotranspiration over the Hai River Basin, China[J]. Journal of Geophysical Research: Atmospheres, 2012, 113(D13), doi: 10.1029/2011JD017037. [本文引用:1]
[80] Liu S M, Xu Z W, Zhu Z L, et al. Measurements of evapotranspiration from eddy-covariance systems and large aperture scintillometers in the Hai River Basin, China[J]. Journal of Hydrology, 2013, 487: 24-38. [本文引用:1]
[81] Meng Xianhong, Lü Shihua, Zhang Yu, et al. Retrieving of land surface temperature over Jinta area using LANDSAT- 5 TM data[J]. Platea Meteorology, 2005, 24(5): 721-726.
[孟宪红, 吕世华, 张宇, 等. 使用LANDSAT-5TM数据反演金塔地表温度[J]. 高原气象, 2005, 24(5): 721-726. ] [本文引用:1]
[82] Srivastava P K, Majumdar T J, Bhattacharya A K. Surface temperature estimation in Singhbhum Shear Zone of India using Land sat-7 ETM+ thermal infrared data[J]. Advances in Space Research, 2009, 43(10): 1 563-1 574. [本文引用:1]
[83] Wang Y, Zhou J, Li M, et al. Validation of Land sat-8 TIRS LAND surface temperature retrieved from multiple algorithms in an extremely arid region[C]//2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Beijing, 2016: 6 934-6 937. [本文引用:1]
[84] Hook S J, Vaughan R G, Tonooka H, et al. Absolute radiometric in-flight validation of mid infrared and thermal infrared data from ASTER and MODIS on the terra spacecraft using the Lake Tahoe, CA/NV, USA, automated validation site[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(6): 1 798-1 807. [本文引用:1]
[85] Sabol Jr D E, Gillespie A R, Abbott E, et al. Field validation of the ASTER temperature-emissivity separation algorithm[J]. Remote Sensing of Environment, 2009, 113(11): 2 328-2 344. [本文引用:1]
[86] Hulley G C, Hughes C G, Hook S J. Quantifying uncertainties in land surface temperature and emissivity retrievals from ASTER and MODIS thermal infrared data[J]. Journal of Geophysical Research: Atmospheres, 2012, 117(D23): 23 113, doi: 10.1029/2012JD018506. [本文引用:1]
[87] Coll C, Valor E, Galve J M, et al. Long-term accuracy assessment of land surface temperatures derived from the advanced along-track scanning radiometer[J]. Remote Sensing of Environment, 2012, 116(2): 211-225. [本文引用:1]
[88] Ouyang X, Chen D, Duan S B, et al. Validation and analysis of long-term AATSR land surface temperature product in the Heihe River Basin, China[J]. Remote Sensing, 2017, 9(2): 152. [本文引用:1]
[89] Coll C, Caselles V, Valor E, et al. Validation of land surface temperatures derived from AATSR data at the valencia test site[J]. Minerva Ginecologica, 2005, 597: 405-410. [本文引用:1]
[90] Noyes E J, Sòria G, Sobrino J A, et al. AATSR land surface temperature product algorithm verification over a WATERMED site[J]. Advances in Space Research, 2007, 39(1): 171-178. [本文引用:1]
[91] Yu Wenping, Ma Mingguo. Validation of the MODIS land surface temperature products—A case study of the Heihe River Basin[J]. Remote Sensing Technology and Application, 2011, 26(6): 705-712.
[于文凭, 马明国. MODIS 地表温度产品的验证研究——以黑河流域为例[J]. 遥感技术与应用, 2011, 26(6): 705-712. ] [本文引用:1]
[92] Li H, Sun D, Yu Y, et al. Evaluation of the VIIRS and MODIS LST products in an arid area of Northwest China[J]. Remote Sensing of Environment, 2014, 142(1): 111-121. [本文引用:5]
[93] Jiang J, Li H, Liu Q, et al. Evaluation of land surface temperature retrieval from FY-3B/VIRR data in an arid area of Northwestern China[J]. Remote Sensing, 2015, 7(6): 7 080-7 104. [本文引用:1]
[94] Freitas S C, Trigo I F, Bioucas-Dias J M, et al. Quantifying the uncertainty of land surface temperature retrievals from SEVIRI/Meteosat[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(1): 523-534. [本文引用:1]
[95] Anderson M. A two-source time-integrated model for estimating surface fluxes using thermal infrared remote sensing[J]. Remote Sensing of Environment, 1997, 60(2): 195-216. [本文引用:1]
[96] Zhou J, Liu S, Li M, et al. Quantification of the scale effect in downscaling remotely sensed land surface temperature[J]. Remote Sensing, 2016, 8(12): 975. [本文引用:1]
[97] Min Wenbin, Li Yaoqing, Zhou Ji. Validation of MODIS land surface temperature products in east of the Qinghai Xizang Plateau[J]. Plateau Meteorology, 2015, 34(6): 1 511-1 516.
[闵文彬, 李跃清, 周纪. 青藏高原东侧MODIS地表温度产品验证[J]. 高原气象, 2015, 34(6): 1 511-1 516. ] [本文引用:1]
[98] Li Z L, Wu H, Wang N, et al. Land surface emissivity retrieval from satellite data[J]. International Journal of Remote Sensing, 2013, 34(9/10): 3 084-3 127. [本文引用:1]
[99] Yu W, Ma M. Scale mismatch between in situ and remote sensing observations of land surface temperature: Implications for the validation of remote sensing LST products[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(3): 497-501. [本文引用:2]
[100] Ren H, Liang S, Yan G, et al. Empirical Algorithms to map global broadband emissivities over vegetated surfaces[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(5): 2 619-2 631. [本文引用:1]
[101] Liang S, Fang H, Chen M, et al. Validating MODIS land surface reflectance and albedo products: Methods and preliminary results[J]. Remote Sensing of Environment, 2002, 83(1): 149-162. [本文引用:1]
[102] Wu Xiaodan, Xiao Qing, Wen Jianguang, et al. Advances in uncertainty analysis for the validation of remote sensing products: Take leaf area index for example[J]. Journal of Remote Sensing, 2014, 18(5): 1 011-1 023.
[吴小丹, 肖青, 闻建光, 等. 遥感数据产品真实性检验不确定性分析研究进展[J]. 遥感学报, 2014, 18(5): 1 011-1 023. ] [本文引用:1]
[103] Prata A J. Land Surface Temperature Measurement from Space: AATSR Algorithm Theoretical Basis Document[R]. Aspendale: CSIRO Atmospheric Research, 2002. [本文引用:1]
[104] Rosborough G W, Baldwin D G, Enery W J. Precise AVHRR image navigation[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32: 644-657. [本文引用:1]
[105] Wolfe R E, Nishihama M, Fleig A J, et al. Achieving sub-pixel geolocation accuracy in support of MODIS land science[J]. Remote Sensing of Environment, 2002, 83(1/2): 31-49. [本文引用:1]
[106] Guan Min, Wu Ronghua. Geolocation approach for FY-3A MERSI remote sensing image[J]. Journal of Applied Meteorological Science, 2012, (5): 534-542.
[关敏, 吴荣华. FY-3A中分辨率光谱成像仪图像地理定位方法[J]. 应用气象学报, 2012, (5): 534-542. ] [本文引用:1]
[107] Liu Yani, Xin Xiaozhou, Liu Qinhuo, et al. Method and validation for surface fluxes estimation based on multi-scale remotely sensed data[J]. Advances in Earth Science, 2010, 25(11): 1 261-1 272.
[刘雅妮, 辛晓洲, 柳钦火, 等. 基于多尺度遥感数据估算地表通量的方法及其验证分析[J]. 地球科学进展, 2010, 25(11): 1 261-1 272. ] [本文引用:1]
[108] Ermida S L, Dacamara C C, Trigo I F, et al. Modelling directional effects on remotely sensed land surface temperature[J]. Remote Sensing of Environment, 2017, 190: 56-69. [本文引用:1]
[109] Zhang Renhua, Sun Xiaomin, Su Hongbo, et al. Remote sensing and scale transfering of levity parameters on earth surface[J]. Remote Sensing for Land & Resources, 1999, 10(3): 51-58.
[张仁华, 孙晓敏, 苏红波, 等. 遥感及其地球表面时空多变要素的区域尺度转换[J]. 国土资源遥感, 1999, 10(3): 51-58. ] [本文引用:1]