国家自然科学基金青年基金申请书.docx

国家自然科学基金青年基金申请书.docx

《国家自然科学基金青年基金申请书.docx》由会员分享，可在线阅读，更多相关《国家自然科学基金青年基金申请书.docx（34页珍藏版）》请在冰点文库上搜索。

国家自然科学基金青年基金申请书

申请代码D0513受理部门收件日期受理编号

国家自然科学基金

申请书

（2010版

资助类别：

青年科学基金项目亚类说明：

附注说明：

项目名称：

基于MODIS数据的地表温度和发射率算法开发与验证研究依托单位：

中国农业科学院农业资源与农业区划研究所通讯地址：

北京市海淀区中关村南大街12号邮政编码：

100081单位电话：

68918700电子邮箱：

maokebiao@

申报日期：

2010年3月15日

国家自然科学基金委员会

国家自然科学基金申请书2010版

第2页版本1.002.670

国家自然科学基金申请书2010版

第3页版本1.002.670

项目组主要参与者（注:

项目组主要参与者不包括项目申请人，国家杰出青年科学基金项目不填写此栏。

）

总人数高级中级初级博士后博士生硕士生61

3

1

1

说明:

高级、中级、初级、博士后、博士生、硕士生人员数由申请人负责填报（含申请人），总人数由各分项自动加和产生。

第4页版本1.002.670

经费申请表（金额单位：

万元）

科目

申请经费

备注（计算依据与说明）

一.研究经费20.05001.科研业务费

8.1000

（1）测试/计算/分析费1.2000包括野外测量和实验室分析费用。

（2）能源/动力费1.1200主要包括外业调查燃料、租车等费用。

根据当时燃料消耗费用、当地租车价格测算。

（3）会议费/差旅费

2.5800参加国内会议1次，课题研究开展的实验、科学考察、业务调研、学术交流等。

（4）出版物/文献/信息传播费3.2000主要用于论文出版、文献检索费、专利申请等。

（5）其他2.实验材料费

7.1500

（1）原材料/试剂/药品购置费5.3000主要用于购买遥感影像ALOS和ASTER数据。

（2）其他1.8500数据存储光盘，移动硬盘，数码相机和打印机等3.仪器设备费1.8000

（1）购置1.8000购买台式机1台，笔记本1个

（2）试制4.实验室改装费

5.协作费

3.0000野外台站协助观测和处理数据,算法编程实现与测试二.国际合作与交流费2.0000

1.项目组成员出国合作交流2.0000拟小组成员出国交流1次，邀请国外专家来华1人次2.境外专家来华合作交流

三.劳务费2.1600研究生补贴和短期雇工补贴四.管理费

1.27按照单位规定5%合计

25.4800

国家其他计划资助经费

其他经费资助（含部门匹配）

与本项目相关的其他经费来源

其他经费来源合计

0.0000

第5页

报告正文

（一）立项依据与研究内容1.研究意义

气候变化是人类迄今面临的最大环境问题，也是21世纪人类面临的最复杂的挑战之一。

地表温度是气候变化分析中最关键的参数之一，目前对气候变化影响研究主要是利用气象观测站点数据进行插值分析。

对于有些地方,很多气象观测资料还难以获得，同时还存在非同一性问题，这是气候分析的一个难点，也是很多传统气候变化分析方法面临的难题。

因此，如何利用遥感数据反演的地表参数和地面气象观测站点数据各自的优势来解决目前的生态监测、农情监测和气候变化研究中数据源的问题是非常迫切的。

这为保证各项粮食生产、草地保护和生态建设工程科学合理地实施，从而增加草地产量、节约成本并减小草地生态退化，协调草业生产与生态环境的矛盾，对促进我国草业持续稳定健康地发展具有非常重要的意义。

地表能量交换信息的获取是监测区域资源环境变化的一个重要环节。

地表温度是地表能量平衡的决定因素之一。

获取区域地表温度时空差异，并进而分析其对区域资源环境变化的影响，是区域资源环境动态监测的重要内容。

传统的做法是通过地面有限观测点的观测数据来推论分析区域地表温度的时空差异。

这种地面观测方法不仅艰难而且非常昂贵。

最近几十年，环境研究和管理活动对温度信息的需求已经使得利用遥感手段反演地表温度和发射率的技术有了很大的进步。

许多人致力于寻找方法从遥感数据中反演地表温度。

近20年来，热红外遥感技术的飞速发展为快速地获取区域地表温度空间差异信息提供了新的途径。

地表温度在区域资源环境研究中的重要性已经使热红外遥感成为遥感研究的一个重要领域，目前已经开发了很多实用的地表温度遥感反演方法，如热辐射传输方程法、劈窗算法、单窗算法和多通道算法。

许多算法是针对具体的传感器开发的，例如劈窗算法是用来从具有两个热红外波段的NOAA/AVHRR数据中反演地表温度，而单窗算法则主要是用于只有一个热红外波段的LandsatTM数据[1][2]。

1999、2002年搭载MODIS遥感器的对地观测卫星发射成功，为全球和区域资源环境动态监测开辟了又一新的途径。

中国本土拥有多个MODIS接受站，其数据在农业灾害监测，气象预报等方面起着非常重要的作用。

MODIS是一个拥有36个波段的中分辨率遥感系统，每1～2天可获得一次全球观测数据，其飞行与太阳同步，每天同一区域至少可获得昼夜两景图像，并且是免费接收，因此非常适合于中大尺度的区域资源环境动态监测。

在MODIS的36个波段中有8个是热红外波段，因而非常合适于区域尺度的地表热量空间差异分析。

但是，目前针对MODIS遥感数据的地表温度反演算法还很少。

有些应用研究还在利用针对NOAA/AVHRR数据开发的反演算法反演地表温度。

由于大气的影响，星上亮度温度与真正的地表温度有很大差距。

在晴空时其差距为3-6°C；在大气水分含量较高情况下，这种差异可以超过10°C[1][2][3]。

因此，为了更准确地分析区域热量空间差异，很有必要对MODIS所观测到的亮度温度进行大气校正，反演出真正的地表温度。

由于地球表面的复杂性，使得陆地表面温度的反演精度受到限制，特别是在土壤水分含量变化比较大的地区。

因此，为了更准确地分析区域热量空间差异，很有必要在用热红外反演地表温度的过程中考虑发射率的变化。

国内外研究现状

我国的热红外遥感研究比较多。

刘玉洁,杨忠东等在[3]中介绍了MODIS遥感影像在大气、陆地、海洋反演的参数的各种算法和MODIS数据的应用。

李小文，汪骏发等在[4]主要介绍了二向性反射的几何光学模型和定量遥感的“病态”反演理论，并对非同温混合像元热辐射尺度效应模型进行了分析和验证，而且对多阶段目标决策反演策略的参数的不确定性和敏感性进行了分析。

李小文对热红外的遥感机理做了比较深入的研究，他在[4][5]中讨论了地表非同温像元的发射率的定义问题及对分离真实温度和发射率的影响，同时强调了先验知识在反演中的作用。

苏理宏在[6]中对非同温的混合像元和发射率的方向性进行了研究。

徐希儒等[7]-[9]探讨了热红外多角度遥感问题，认为只有当扫描方向与作物垄向相垂直时才最有利于作物叶冠和土壤温度的反演，并提出了混合像元组分温度的反演方法。

陈良富等[10]-[11]研究了热红外遥感中大气下行辐射的近似计算及通道间信息相差性对陆面温度反演的影响。

孙毅义等[12]分析了地面发射率随观测角度而变化，认为热红外辐射具有方向性特征。

陈良富等[13]提出了非同温混合像元热辐射组分有效发射率的概念，并验证该发射率与组分温度无关。

李召良等[14]利用白天和晚上中红外和热红外的数值差异提出了一种用于提取方向发射率的物理方法。

覃志豪也对热红外遥感原理，特别是地表温度的反演方法做了大量的研究

[15][16]]。

毛克彪等[1][2]同时也针对对地观测卫星（TERRA）多传感器的特点对MODIS和ASTER数据的地表温度和发射率反演做了一些研究工作。

国外热红外遥感研究比国内要早。

真正的地表温度算法是从80年代开始的。

按照使用热红外通道来划分，可以分为：

单窗算法，劈窗算法和多波段算法。

相对而言，劈窗算法比较成熟，到目前这止，已经提出了至少有18个劈窗算法，这些算法的主要区别在于对各参数的计算方法不同

[17]-[25]。

同时反演地表温度和发射率的算法相对而言不是非常的成熟[26]-[39]。

其中具有代表性的多波段算法是李召良等提出来的独立指数法（TISI）[28]和WanandLi针对MODIS在[31]中提出来的同时利用白天/黑夜数据的多波段算法。

其特点是对地表温度和地表发射率的同时反演，但需要昼夜两景图像才能进行反演。

针对MODIS数据的多波段算法需要14个方程，计算过程比较复杂，并且是在利用大气模型来确定若干参数的情况下才能进行求解。

由于白天和晚上同一地区的天气变化较大，很多时候白天晴朗的地区晚上则有云，况且由于卫星轨道的变化，只有进行几何校正才能使白天和晚上两景图幅形成配匹，但几何校正的像元数值重采样又使像元数值发生变化，从而带来误差。

存在的问题

劈窗算法存在问题：

劈窗算法已经被开发来从NOAA/AVHRR和MODIS数据中反演海面温度和地表温度。

这些方法主要是利用相邻热红外波段对水汽的敏感性不一样来校正大气的影响。

这些算法的形式基本上是相同的，主要在于关键参数的获取及计算。

虽然大多数的算法精度都很高，但它们仍然需要做一些假定和利用发射率和大气状态（特别是大气水汽含量）作为已知的先验知识。

本研究的申请负责人毛克彪已经针对MODIS数据提出了一个实用劈窗算法[25]。

在[25]，毛克彪等对用自己提出的算法反演2003年夏天北京地区的地表温度，并和NASA的产品做了对比分析，对比结果如图1。

虽然反演的结果相差不大，但还是有些区别的，比如NASA产品中黑点比较多。

这个原因很可能是由于我们的算法没有考虑云的影响，有些地方可能是云的影响，但有些地方可能不是云的影响，而被NASA产品算法判为了云，这个需要进一步验证。

另外一点就是我们只对夏天进行了比较，没有对冬天或者其它季节进行对比分析。

大气水汽含量对透过率的影响在不同的季节是不一样的，虽然算法理论分析表明对大气水汽含量不敏感，但仍然需要在全国甚至全球进一步的实地验证（还没有做过实地

调查验证）。

另外，在算法运行过程中怎样考虑云的影响。

图1A用我们的算法反演结果图1BNASA提供的MODIS温度产品

同时反演地表温度和发射率的多波段算法存在问题：

从多个热红外波段的测量中同时反演地表温度和发射率是非常困难的，因为N个波段至少拥有N+1个未知数（N个波段的发射率和地表温度），这是一个非常典型的病态反演。

如果不利用任何先验知识，几乎不可能同时从多个热红外数据中反演地表温度和发射率。

Liang（2001[30]在地表温度和发射率反演方面做了许多工作。

LiandBecker（1993[28]利用TISI技术和白天/晚上的影象数据反演地表温度和发射率，这个反演方法需要大气剖面信息。

WanandLi（1997[31]提出了一个多波段算法来同时从EOS/MODIS传感器中同时反演地表温度和发射率，这个方法受地面的光学性质和大气状态的影响。

这两个方法都假定了白天和晚上同一地点的发射率不变。

Gillespieetal（1998[29]针对ASTER数据提出了一个多波段算法算法[29]，该算法在星上亮温做完大气校正的基础上，同时运用了NEW（NormalizedEmissivity）、RationAlgorithm、MMD（Maximun-MinimumDifference三个模块和迭代算法分离地表温度和发射率。

计算过程非常复杂，而且三个模块都包含了经验关系，这些经验关系并不是对所有的地物都适用，而且其精度受到大气校正的影响，从而带来误差。

陆地表面温度和发射率反演是基于辐射传输方程，它描述了地表热辐射从地表途经大气达到传感器的过程。

通常讲，地表不是一个黑体，在计算地表热辐射时需要考虑地表发射率，同时，大气对传感器接受到的能量也有贡献。

考虑到这些因素，通用的辐射传输方程可以成式

（1）：

↑↓+−+=iiisiiiiiIITBTB]1（（[（（εεθτ

（1）

式中是地表温度，是通道的星上亮度温度，是通道在角时的透过率，是地表发射率。

是地表辐射强度，和分别是大气向上和向下的辐射强度。

↑iI和↓

iI可以分别表示成如下:

（（1（aiiiTBIθτ−=↑（2a

（（1（'↓↓−=aiiiTBIθτ（2b

aT是向上的大气平均作用温度，↓aT是向下的大气平均作用温度。

用↑aI和↓aI代入式（1可得：

（]（1[（

（]（1][（1[（（（'aiiaiiiisiiiiiTBTBTBTBθτθτθεθτθτε−+−−+=↓

（3

为了简化等式，Qinetal.[24]做了一些分析和合理的简化。

他们得到结论用aT代替↓

aT对反演方程不会有太大的影响，所以反演方程可以描述成式（4。

（]（1[（

（]（1][（1[（（（'aiiaiiiisiiiiiTBTBTBTBθτθτθεθτθτε−+−−+=（4

对于MODIS29,31,32波段，方程可以写成如下：

（]（1[（

（]（1][（1[（（（2929'2929292929'292929292929aasTBTBTBTBθτθτθεθτθτε−+−−+=（5a

（]（1[（

（]（1][（1[（（（3131'3131313131'313131313131aasTBTBTBTBθτθτθεθτθτε−+−−+=（5b（]（1[（

（]（1][（1[（（（3232'3232323232'323232323232aasTBTBTBTBθτθτθεθτθτε−+−−+=（5c

在方程组（5的三个方程中，有7个未知数（3个波段的发射率，地表温度和3个不同波段的大气平均作用温度），这是一个典型的病态问题。

如果不能获得大气水汽含量，大气透过率也是未知数。

另外，大气平均作用温度在不同的波段是变化的，这更加增加了从MODIS星上亮度温度数据中反演地表温度和发射率的难度。

为了反演地表温度和发射率，我们不得不构造其它的方程和限制条件。

毛克彪在[39]中分析了怎样利用邻近波段发射率之间的关系，以及地表空气温度与大气平均作用温度和星上亮度温度之间的关系构造新的方程，从而消除反演过程中方程不足的病态问题。

虽然我们的理论算法研究工作已经发表在国际地学权威刊物地球物理（JGR）研究上，但仍然存在一些问题。

图2A是我们的反演结果，图2B是NASA的地表温度产品，图2C是相对误差分布图。

从三个图中比较可以发现，我们的反演结果有些条带。

与用MODIS1B数据的三个波段比较可以发现，这些条带是由于第29波段引起，但比第29波段的条纹更明显。

怎样消除条纹的影响需要我们进一步研究。

另外，特别是需要进一步验证，我们主要是利用山东半岛地区的反演结果和NASA提供的MODIS产品进行了对比，从图2C可以看去，有的地方偏差还是挺大的（相对误差达到了4K），这个需要我们进一步的实地比较研究。

到底哪个反演的结果更加符合实际情况，是否需要和怎样进一步改进。

图3是NASA提供的5KM产品，由于投影方式不一样，其变形非常大。

从统计比较来看，5KM产品和1KM之间的产品还是存在一些不同的地方，具体原因需要我们进一步分析。

图2ARM-NN反演结果

图2BMODIS1KM产品

图2CRM-NN反演结果（地表温度与MODIS1KM产品相对误差分布图

图3MODIS5KM产品

图4是两个比较的细节图（见黑框）。

从图中可以看出，两个图的差别还是比较大的，这个需要我们利用高分辨率的影像结合实地调查。

图4ARM-NN反演结果图4BMODIS1KM产品

风云3号（FY-3地表温度和发射率反演算法开发

FY-3卫星已于2008年5月上天,上面搭载了多个传感器（包括可见光、红外，微波等。

其中可见光红外扫描辐射计的波段参数如表1所示。

目前,还没发现针对FY-3号的地表温度反演算法公开发表。

从表1中可以看出，其中有两个热红外波段（第4和5波段适合用来反演地表温度。

其算法的推导和建立与[25]中针对MODIS数据建立的劈窗算法类似。

大气水汽含量是地表温度反演过程中最关键的参数之一，FY-3号热红外扫描辐射计没有设计获取水汽的近红外波段，这个参数可以从美国对地观测卫星MODIS传感器获得或者通过微波传感器获取。

这里不详细介绍，请参见[25]。

表1FY-3可见光红外扫描辐射计光谱性能要求通道波段范围（µm噪声等效反射率ρ（%

噪声等效温差（300k

动态范围（ρ或k0.3k

0.4K（第一颗星

180-350k511.5-12.50.2k

180-330k0.19%参考文献：

[1]毛克彪，针对MODIS数据的地表温度反演方法研究，硕士学位论文，南京大学，2004.5.

[2]毛克彪，针对热红外和微波数据的地表温度和土壤水分反演算法研究，博士学位论文，中国科学

院遥感应用研究所，2007.4.

[3]刘玉洁,杨忠东等,2001,MODIS遥感信息处理原理与算法,科学出版社.

[4]李小文,汪骏发,王锦地,2001,多角度与热红外对地遥感,科学出版社.

[5]李小文,王锦地,地表非同温像元发射率的定义问题,科学通报，1999,44（15:

1612-1617.

[6]苏理宏,热红外辐射方向性与尺度效用研究,2000,博士学位论文:

中国科学院遥感应用研究所.

[7]徐希儒,陈良富,关于热红外多角度遥感扫描方向的问题,北京大学学报（自然科学版，2002,38（1:

98-103.

[8]徐希儒,陈良富,庄家礼,基于多角度热红外遥感的混合像元组分温度演化反演方法,中国科学D辑,

2002,31（1:

81-88.

[9]徐希儒,庄家礼,陈良富,热红外多角度遥感和反演混合像元组分温度,北京大学学报（自然科学版,

2000,36（4:

555-560.

[10]陈良富,徐希儒,热红外遥感中大气下行辐射效应的一种近似计算与误差估计,遥感学报,1999,

3（3:

165-170.

[11]陈良富,庄家礼,徐希儒,热红外遥感中通道间信息相关性及其对陆面温度反演的影响,科学通报,

1999,44（19:

2122-2127.

[12]孙毅义,李治平,地面热红外发射率的天顶角变化效应,气象学报,2001,59（3:

373-376.

[13]陈良富,庄家礼,徐希儒,非同温像元热辐射有效比辐射率概念及其验证,科学通报,2000,45

（1）:

22-29.

[14]李召良,F.Petitcolin,张仁华,一种从中红外和热红外数据中反演地表比辐射率的物理算法,中国科

学E辑,2000,3018-26.

[15]覃志豪,W.Li,M.Zhang,A.Karnieli,andP.Berliner,单窗算法的基本大气参数估计方法,国土资源

遥感,2003，2（56:

37-43.

[16]覃志豪,ZhangMinghua,ArnonKarnieli,用NOAA-AVHRR热通道数据演算地表温度的劈窗算法,

国土资源遥感,2001,2（48）:

33-41.

[17]PriceJ.C.,LandsurfacetemperaturemeasurementsfromthesplitwindowchannelsoftheNOAA7

AdvancedVeryHighResolutionRadiometer.J.Geophys.Res.,1984,89:

7231-7237.

[18]OttléC.,andVidal-MadjarD.,EstimationoflandsurfacetemperaturewithNOAA-9Data,RemoteSens.

Environ.,1992,40:

27-41.

[19]BeckerF.,andLiZ.L.,Towardsalocalsplitwindowmethodoverlandsurface,Int.J.RemoteSens.,

1990,3:

369-393.

[20]PrataA.J.,LandsurfacetemperaturederivedfromtheAdvancedVeryHighResolutionRadiometerand

theAlong-TrackScanningRadiometer1.Theory.J.Geophys.Res.,1993,98:

16689-16702.

[21]SobrinoJ.A.,LiZ.L.,StollM.P.,andBeckerF.,Improvementsinthesplit-windowtechniqueforland

surfacetemperaturedetermination.IEEETrans.Geosci.RemoteSens.,1994,32（2:

243-253

[22]SchmuggeT.,FrenchA.,RitchieJ.C.,RangoA.,PelgrumH.,Temperatureandemissivityseparation

frommultispectralthermalinfraredobservations,RemoteSens.Environ.,2002,79（2-3:

189-198.

[23]WanZ.andDozierJ.,Ageneralizedsplit-windowalgorithmforretrievinglandsurfacetemperature

measurementfromspace,IEEETrans.Geosci.RemoteSens.，1996,34:

892-905.

[24]QinZhihao,G.D.O.,ArnonKarnieli,DerivationofsplitwindowalgorithmAVHRRdata,J.Geophys.

Res.,2001,106:

22655-22670.

[25]MaoK.,QinZ.,ShiJ.,GongP.,APracticalSplit-WindowAlgorithmforRetrievingLandSurface

TemperaturefromMODISData,Int.J.RemoteSens.,2005,26:

3181-3204.

[26]毛克彪，施建成,覃志豪,宫鹏,徐斌,蒋玲梅,一个针对ASTER数据同时反演地表温度和比

辐射率的四通道算法，遥感学报，2006,4:

593-599.

[27]毛克彪，施建成,覃志豪,宫鹏,徐斌，从MODIS数据中同时反演地表温度和比辐射率的多波

段算法研究，兰州大学学报（自然科学版）（专辑,200