论文摘要
高空间/高时间地表温度(Land surface temperature,LST)对农业耕种、农田蒸散发等精细尺度的研究具有重要的意义。目前,获取地表温度的热红外传感器主要有两种类别:一种是高空间/低时间分辨率,例如TM、ETM+、TIRS、ASTER,重访周期为16天;另一种是低空间/高时间分辨率,例如AVHRR、MODIS,具有好的时效性,但空间分辨率为1千米。如何结合两种类别传感器的热波段数据,生成高空间/高时间分辨率的LST数据,并对生成数据进行验证具有重要的意义。本论文在充分考虑上述问题的基础上,以黑河流域中游为研究区域,使用STARFM与FSDAF算法,利用2013-2016年34个时相Landsat-8数据与对应日期的MOD11A1数据生成高时序的Landsat-8 LST数据,并使用黑河流域开展的多尺度综合观测试验中获取的地面站点数据对融合结果验证。地面验证数据包括戈壁站(GB,下垫面为戈壁)、神沙窝站(SSW,下垫面为沙漠)、机场荒漠站(JCHM,下垫面为荒漠)、湿地站(SD,下垫面为芦苇湿地)、大满超级站(CJZ,下垫面为玉米)五个站点。具体研究内容和结果如下:(1)研究中首先对Landsat-8 TIRS 10波段进行地表温度反演得到Landsat-8 LST数据,并使用地面站点数据进行验证。结果表明,SD站反演结果与地面站点实测数据有较大偏差,平均偏差绝对值为8.72k,其它各站点具有较好的融合效果,平均偏差绝对值在2k左右。(2)采用STARFM与FSDAF时空融合算法,生成高时序的Landsat-8LST数据,并使用地面站点数据进行验证。对于STARFM算法,SD、GB、CJZ、SSW、JCHM 5个站点的平均偏差分别为-9.34k、-1.84k、-2.74k、-2.51k、-1.81k。对于FSDAF算法,为-8.97k、-1.52k、-1.84k、-2.16k、-1.65k。两种算法的预测结果差异较小。(3)为了进一步分析两种算法在高时空地表温度生成中的融合效果,在融合实验中,输入的低分辨率数据不仅使用了MOD11A1数据,也使用了Landsat-8 LST重采样数据(称之为MOD11A1模拟数据)。使用模拟数据时,融合结果只有算法本身带来的误差,不存在不同数据源带来的误差,更能突显算法的优缺点。结果表明:低分辨率数据使用MOD11A1时,STARFM算法具有更好的融合效果与鲁棒性;使用MOD11A1模拟数据时,FSDAF算法融合效果更好。
论文目录
文章来源
类型: 硕士论文
作者: 李胜林
导师: 李大成
关键词: 地表温度反演,时空融合,站点验证
来源: 太原理工大学
年度: 2019
分类: 基础科学
专业: 气象学
单位: 太原理工大学
分类号: P407
总页数: 70
文件大小: 2692K
下载量: 267
相关论文文献
- [1].福州城市地表温度时空变化与贡献度研究[J]. 地球科学进展 2020(01)
- [2].灌溉对地表温度影响的全球评估(英文)[J]. Science Bulletin 2020(17)
- [3].乌鲁木齐市地表温度与遥感指数关系[J]. 科技创新与应用 2020(26)
- [4].新疆石河子多年地温和降水特征分析[J]. 新疆农垦科技 2020(08)
- [5].炙烤,地表温度50℃下的训练场![J]. 政工学刊 2020(10)
- [6].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(04)
- [7].辽宁省地表温度时空变化及影响因素[J]. 生态学报 2019(18)
- [8].地表温度热红外遥感反演理论与方法[J]. 科学观察 2017(06)
- [9].重庆地表温度的遥感反演及其空间分异特征[J]. 遥感技术与应用 2018(05)
- [10].欧亚大陆夏季地表温度的气候特征及与大气环流的联系[J]. 大气科学学报 2015(02)
- [11].近10年北京极端高温天气条件下的地表温度变化及其对城市化的响应[J]. 生态学报 2013(20)
- [12].大连市主城区地表温度变化研究[J]. 中国农村教育 2019(02)
- [13].基于光纤测温技术的城市地表温度精细化分析[J]. 生态学报 2019(17)
- [14].山东省地表温度变化与地震活动关系探讨[J]. 地震地磁观测与研究 2017(05)
- [15].黑龙江省漠河地区土地覆被与地表温度时空变化特征研究[J]. 冰川冻土 2017(05)
- [16].城市地表温度影像时空融合方法研究[J]. 武汉大学学报(信息科学版) 2018(03)
- [17].城市扩张过程中不透水面空间格局演变及其对地表温度的影响——以乌鲁木齐市为例[J]. 生态学报 2018(20)
- [18].青藏高原地表温度时空变化分析[J]. 遥感技术与应用 2016(01)
- [19].高寒山区地表温度反演算法对比——以疏勒河上游流域为例[J]. 遥感信息 2016(04)
- [20].基于MODIS数据的石羊河流域地表温度空间分布[J]. 干旱区地理 2014(01)
- [21].北京市1989—2010年地表温度时空分异特征分析[J]. 国土资源遥感 2014(03)
- [22].不同土地覆被类型对城市地表温度的影响——以山东省龙口市为例[J]. 宁波农业科技 2012(03)
- [23].冰雪融化厚度增加对地表降水持续期和强度的影响研究[J]. 水利水电快报 2020(10)
- [24].风云三号C星微波全球地表温度产品精度评估[J]. 气象与环境科学 2018(04)
- [25].杭州市城市建筑区夏季地表温度特征分析[J]. 测绘与空间地理信息 2019(04)
- [26].三江平原水旱田分布对遥感反演局地地表温度的影响[J]. 农业工程学报 2019(05)
- [27].北京、天津和石家庄城市地表覆盖组分与结构特征对地表温度的影响[J]. 生态学杂志 2019(10)
- [28].伊犁河谷2001—2014年地表温度时空分异特征[J]. 中国沙漠 2018(03)
- [29].基于矿井尺度的神东矿区地表温度分布研究[J]. 煤炭工程 2018(07)
- [30].城市扩张下的哈尔滨地表温度空间变化态势分析[J]. 中国农业大学学报 2018(10)