利用Landsat 7与GF-1 WFV影像反演地表温度

doi:10.13474/j.cnki.11-2246.2021.352

测绘通报 ›› 2021, Vol. 0 ›› Issue (11): 124-127,135.doi: 10.13474/j.cnki.11-2246.2021.352

利用Landsat 7与GF-1 WFV影像反演地表温度

符宝玲¹, 琚锋^1,2, 赵伟忠¹, 许星¹

1. 湖州市测绘院, 浙江湖州 313000;
2. 河海大学, 江苏南京 210000

收稿日期:2020-10-12 出版日期:2021-11-25 发布日期:2021-12-02
作者简介:符宝玲(1992-),女,硕士,助理工程师,主要从事3S技术与地学应用方面的工作。E-mail:523112904@qq.com

Land surface temperature inversion based on Landsat 7 and GF-1 WFV images

FU Baoling¹, JU Feng^1,2, ZHAO Weizhong¹, XU Xing¹

1. Huzhou Institute of Surveying and Mapping, Huzhou 313000, China;
2. Hohai University, Nanjing 210000, China

Received:2020-10-12 Online:2021-11-25 Published:2021-12-02

摘要/Abstract

摘要： 地表温度在地气循环系统中具有重要作用，是目前地理学研究的重点。然而目前的国产高分辨率影像缺少热红外波段，且具有热红外波段的影像分辨率较低。基于此，本文利用低分辨率影像降尺度方法反演高分辨率影像的地表温度。首先通过Landsat 7影像的热红外波段，提取典型地物的地表温度；对GF-1 WFV影像进行预处理后，利用全约束最小二乘法对高分辨率影像进行混合像元分解；根据平均温度模型，得到高分辨率影像的地表温度，并进行降尺度，通过Landsat 7影像进行精度验证。验证结果显示，均方根误（RMSE）为1.40℃，平均绝对误差（MAE）为0.44℃，精度较高。

关键词: 地表温度, 像元分解, 降尺度, GF-1 WFV

Abstract: Land surface temperature (LST) is the focus of geographical research and plays an important role in the earth-atmosphere system. However, the domestic high-resolution image lacks thermal infrared band, and the image resolution of thermal infrared band is relatively low. Based on this, a low resolution image downscaling method is proposed to retrieve high-resolution land surface temperature. Firstly, the surface temperature of typical objects is extracted from the thermal infrared band of Landsat 7 image. After preprocessing the GF-1 WFV image, least squares under the full constrained method is used to decompose the high-resolution image into mixed pixels. According to the average temperature model, the surface temperature of the high-resolution image is obtained. The root mean square error (RMSE) is 1.40℃, the mean absolute error (MAE) is 0.44℃, and the precision is verified with Landsat 7 image.

Key words: surface temperature, pixel decomposition, downscaling, GF-1 WFV

中图分类号:

P237

符宝玲, 琚锋, 赵伟忠, 许星. 利用Landsat 7与GF-1 WFV影像反演地表温度[J]. 测绘通报, 2021, 0(11): 124-127,135.

FU Baoling, JU Feng, ZHAO Weizhong, XU Xing. Land surface temperature inversion based on Landsat 7 and GF-1 WFV images[J]. Bulletin of Surveying and Mapping, 2021, 0(11): 124-127,135.

参考文献

[1] QIN Z, KARNIELI A. Progress in the remote sensing of land surface temperature and ground emissivity using NOAA-AVHRR data[J]. International Journal of Remote Sensing, 1999, 20(12):2367-2393.
[2] 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.
[3] DU T J. The fourth assessment report of the intergovern-mental panel on climate change (IPCC)[J]. Political Science & Politics, 2007, 36(3):423-426.
[4] 郭会敏, 宫阿都, 何汝艳,等. 遥感地表温度空间分辨率降尺度研究[J]. 遥感信息, 2015, 30(4):29-36.
[5] 肖荣波. 城市热岛的生态环境效应[J]. 生态学报, 2005, 25(8):2055-2060.
[6] KOTTHAUS S, SMITH T E L, WOOSTER M J, et al. Derivation of an urban materials spectral library through emittance and reflectance spectroscopy[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 94(8):194-212.
[7] DENG C B, WU C S. Estimating very high resolution urban surface temperature using a spectral unmixing and thermal mixing approach[J]. International Journal of Applied Earth Observation & Geoinformation, 2013, 23(8):155-164.
[8] 刘彬, 张友水. Landsat-8与ZY-3卫星影像降尺度地表温度反演及分析[J]. 遥感信息, 2018,33(4):28-34.
[9] 全金玲, 占文凤, 陈云浩,等. 遥感地表温度降尺度方法比较——性能对比及适应性评价[J]. 遥感学报, 2013,17(2):131-157.
[10] DENG C, WU C. Examining the impacts of urban biophysical compositions on surface urban heat island:a spectral unmixing and thermal mixing approach[J]. Remote Sensing of Environment, 2013, 131:262-274.
[11] LIU K, SU H, LI X. Estimating high-resolution urban surface temperature using a hyperspectral thermal mixing (HTM) approach[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2017, 9(2):804-815.
[12] 聂建亮, 武建军, 杨曦, 等. 基于地表温度-植被指数关系的地表温度降尺度方法研究[J]. 生态学报, 2011,31(17):4961-4969.
[13] 李小军, 辛晓洲, 江涛,等. 卫星遥感地表温度降尺度的光谱归一化指数法[J]. 测绘学报, 2017,46(3):353-361.
[14] 覃志豪. 用陆地卫星TM6数据演算地表温度的单窗算法[J]. 地理学报, 2001, 56(4):456-466.

[1]	李军, 桑潇, 张成业, 赵伟, 刘新华, 王宏鹏, 王金阳, 李佳瑶, 杨颖. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报, 2021, 0(7): 17-22,38.
[2]	陈明辉. 利用Landsat卫星影像进行东莞市地表温度反演与变化分析[J]. 测绘通报, 2021, 0(3): 60-68.
[3]	郭云开, 刘海洋, 蒋明, 朱佳明. 南方典型植被遥感丰度信息提取[J]. 测绘通报, 2019, 0(6): 16-18,28.
[4]	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, 0(4): 87-90.
[5]	周炜, 关洪军, 童俊. 一种利用高光谱像元分解技术提取水体边界的方法[J]. 测绘通报, 2019, 0(3): 120-123,140.
[6]	肖祥红, 刘海洋, 郭云开. 基于混合像元分解理论的路域植被等量水厚度遥感反演[J]. 测绘通报, 2019, 0(12): 83-86,95.
[7]	朱爽, 张锦水, 李长青, 郑阔. 土地覆盖遥感制图方法研究现状与展望[J]. 测绘通报, 2019, 0(11): 8-11,43.
[8]	徐玉雯, 张浩, 陈正超, 景海涛. Sentinel-2A与Landsat 8 OLI逐像元辐射归一化方法研究[J]. 测绘通报, 2019, 0(10): 61-66.
[9]	苏俊如, 吕芳, 杨俊. 城市建筑水平特征对城市热环境效应的影响——以大连市中山区为例[J]. 测绘通报, 2018, 0(8): 111-114.
[10]	张志敏, 江利明, 柳林, 汪汉胜. 利用Landsat热红外影像探测地下煤火区范围——以乌达煤田为例[J]. 测绘通报, 2018, 0(3): 93-97.
[11]	杨鹏飞, 廖秀英, 徐启恒, 程辉. 纯净像元指数改进的N-FINDR高光谱端元提取算法[J]. 测绘通报, 2018, 0(2): 89-93.
[12]	裔传祥, 胡继超, 李小军. 土地覆盖类型对城市热岛效应的响应分析[J]. 测绘通报, 2018, 0(1): 72-76,116.
[13]	刘细梅, 牛振国. 像元交换在村镇地表超分辨率制图中的应用[J]. 测绘通报, 2016, 0(8): 25-29.
[14]	杨苏新林卉侯飞张连蓬胡召玲. 利用混合像元分解估测喀斯特地区植被覆盖度[J]. 测绘通报, 2014, 0(5): 23-27.
[15]	郭云开王杨. 路域植被覆盖度时空变化遥感定量反演[J]. 测绘通报, 2013, 0(5): 23-27.

利用Landsat 7与GF-1 WFV影像反演地表温度

Land surface temperature inversion based on Landsat 7 and GF-1 WFV images

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价