热红外与被动微波遥感地表温度融合方法研究

Thermal infrared (TIR) sensors cannot receive radiation from land surface under cloudy-sky conditions. Therefore, TIR remote sensing cannot retrieve land surface temperature (LST) under all-weather conditions, which limits the practical application of LST products. For this problem, this project aims to develop a method for merging TIR-derived LST under clear-sky conditions and passive microwave (PMW) -derived LST under cloudy-sky conditions by combining the advantages of TIR and PMW remote sensing. First, in order to improve the accuracy of PMW LST retrieval, we will develop a method for retrieving LST from PMW data by using an atmospheric correction model and an emissivity relationship model. Next, in order to measure LST at high spatial resolution under all-weather conditions, we will develop a method for merging LST derived from TIR and PMW data by using a conversion model between skin temperature and subsurface temperature and a method for the spatial downscaling of PMW LST under cloudy conditions. Last, according to field measurements, we will validate and evaluate the retrieval accuracy of the all-weather LST at high spatial resolution based on the FY-3 TIR and PMW data using the temperature- and radiance-based validation method. This project helps to improve the level of LST retrieval and meets the government’s requirements of responding to the global climate change and major natural disasters and so on.

当地表被云层覆盖时，热红外传感器无法获取地表辐射信息，导致热红外遥感无法实现对地表温度的全天候监测，严重限制了地表温度产品的实际应用。针对这一问题，本项目拟结合热红外与被动微波遥感各自的优势，开展晴空条件下的热红外地表温度与有云条件下的被动微波地表温度融合方法研究。首先，通过构建被动微波大气校正模型和比辐射率关系模型，建立被动微波数据地表温度反演物理模型，实现被动微波地表温度高精度反演。其次，通过建立有云条件下的表层温度到表皮温度转换模型和被动微波地表温度空间降尺度方法，发展热红外与被动微波遥感地表温度融合方法，实现高空间分辨率地表温度的全天候遥感监测。最后，基于野外观测数据，利用温度直接比对法和基于辐射能的验证法，验证和评估基于FY-3热红外和被动微波数据的高空间分辨率全天候地表温度反演精度。本项目有助于提高地表温度遥感反演研究水平，满足国家在全球气候变化和重大自然灾害预警等方面的需求。

针对热红外遥感无法穿透云层获取地表辐射信息而导致热红外地表温度产品时空不连续的问题，项目结合热红外与被动微波遥感各自的优势，开展了热红外地表温度与被动微波地表温度融合方法研究。在热红外地表温度反演方面，发展了基于ASTER GED数据集的地表发射率估算方法，改进了地表温度分裂窗反演方法，将地表温度反演误差降低到1.3K以内；在被动微波地表温度反演方面，对比分析了不同机器学习方法的被动微波地表温度反演性能，评估了不同机器学习方法的泛化能力；此外，从辐射传输机理分析出发，通过18.7GHz和23.8GHz两个频率大气顶部观测数据的非线性组合实现大气辐射效应的校正，建立了双通道被动微波数据地表温度物理反演方法。在热红外地表温度与被动微波地表温度融合方法方面，建立了基于深度神经网络的被动微波地表温度轨道空隙填充方法，生成了空间无缝的被动微波地表温度产品；此外，发展了基于机器学习的被动微波空间降尺度方法，融合热红外地表温度和空间降尺度的被动微波地表温度生成了高空间分辨率全天候地表温度产品。在地表温度反演精度评估方面，分别开展了MODIS和AMSR2地表温度反演精度评估。结果表明，MODIS地表温度在白天的精度大于2K而在晚上的精度小于2K；AMSR2地表温度在白天和晚上的精度分别约为5K和4K。项目共发表科技论文12篇，其中SCI论文10篇，CSCD论文2篇。项目取得研究成果将对地表能量平衡和全球变化等研究具有重要意义。