Научный журнал

Успехи современного естествознания

ISSN 1681-7494

"Перечень" ВАК

ИФ РИНЦ = 0,775

• Авторы
• Резюме
• Рецензия
• Файлы
• Ключевые слова
• Литература

Зареи С.А. 2 Насири А.М. 1 Щербаков В.М. 2 Широкова В.А. 3

---

1 ГУЗ «Государственный университет по землеустройству»

2 СПБГУ «Санкт-Петербургский государственный университет»

3 Институт истории естествознания и техники им. С.И. Вавилова РАН

С помощью теплового дистанционного зондирования может быть выполнено картографирование распределения температуры земной поверхности (ТЗП). Вычисление значений ТЗП с использованием методов дистанционного зондирования является важным вопросом в метеорологических и климатологических исследованиях. В данной статье рассмотрен вопрос применения данных тепловой съёмки Landsat-8 для расчета ТЗП на аридных территориях с использованием алгоритма расщеплённого окна прозрачности. В качестве тестовой территории использован полигон, расположенный в провинции Хузестан (Иран, в пределах сцены p165 r38). В качестве вспомогательных данных использованы нормализованный разностный вегетационный индекс, фракционный коэффициент растительного покрова. Результаты расчётов ТЗП были оценены с использованием температурных данных, измеренных на метеорологических станциях, расположенных на исследуемой территории. В результате проведённых оценок средняя квадратическая ошибка в контрольных точках не превысила 2 °C. Результаты исследования показали, что алгоритм расщеплённого окна прозрачности может быть использован при решении ряда научных и производственных задач на аридных территориях.

Рецензия № 1

2010 KB

Рецензия № 2

131 KB

Статья в формате PDF

0 KB

Landsat-8

тепловая съёмка

алгоритм расщепленного окна прозрачности

1. Avdan U., Jovanovska G. Algorithm for Automated Mapping of Land Surface Temperature Using LANDSAT 8 Satellite Data // Journal of Sensors. – 2016. – Vol. 2016. Article ID 1480307. 8 p. doi:10.1155/2016/1480307.

2. Dash P., Gottsche F.M., Olesen F.S., Fischer H. Land surface temperature and emissivity estimation from passive sensor data: theory and practice-current trends // International Journal of Remote Sensing. – 2002. – Vol. 23. – № 13. – P. 2563–2594.

3. Dehghan A.A. Status and potentials of renewable energies in Yazd Province-Iran // Renewable and Sustainable Energy Reviews. – 2011. – Vol. 15. – Issue 3. – P. 1491–1496.

4. Gillespie A., Rokugawa S., Matsunaga T., Cothern J.S., Hook S., Kahle A.B. A temperature and emissivity separation algorithm for advanced spaceborne thermal emission and reflection radiometer (ASTER) images // IEEE Transactions on Geoscience and Remote Sensing. – 1998. – Vol. 36. Issue 4. – P. 1113–1126.

5. Jmenez-Munoz J.C., Sobrino J.A., Skokovic D., Mattar C., Cristobal J. Land Surface Temperature Retrieval Methods From Landsat-8 Thermal Infrared Sensor Data // IEEE geosciences and remote sensing letters. – 2014. – Vol. 11. – Issue 10. – P. 1840–1843.

6. Momeni M., Saradjian M. Evaluating NDVI-based emissivities of MODIS bands 31 and 32 using emissivities derived by day/night LST algorithm // Remote Sensing of Environment. – 2007. – Vol. 106. – Issue 2. – P. 190–198.

7. Rajeshwari A., Mani N.D. Estimation of Land Surface Temperature of Dindigul District Using Landsat 8 Data // International Journal of Research in Engineering and Technology. – 2014. – Vol. 3. – Issue 5. – P. 122–126.

8. Yu X., Guo X., Wu Z. Land Surface Temperature Retrieval from Landsat 8 TIRS – Comparison between Radiative Transfer Equation-Based Method, Split Window Algorithm and Single Channel Method // Remote Sensing. – 2014. – Vol. 6. – P. 9829–9852.

С использованием теплового инфракрасного излучения, отражаемого и излучаемого земной поверхностью, можно оценить температуру земной поверхности (ТЗП), которая является важным параметром при оценке биологических, химических и физических процессов. Данные о температуре поверхности используются в моделировании глобальных изменений климата, городском землепользовании, гидрологических, метеорологических, биогеохимических, экологических, сельскохозяйственных исследованиях и др. [1]. Важность изучения ТЗП состоит в том, что многие изменения в географической оболочке обусловлены изменениями температуры.

Тепловое дистанционное зондирование Земли (ДЗЗ) позволяет производить расчётную оценку температуры поверхности, для чего может быть использован ряд методов, различающихся в том числе по точности оценки. Вместе с тем тепловое ДЗЗ обеспечивает уникальную возможность получения данных о ТЗП в региональном и глобальном масштабах с достаточно высоким временным и пространственным разрешением, в том числе данных о временной и пространственной динамике поверхности [2].

Аппарат Landsat-8 оснащён двумя сканирующими радиометрами (OLI и TIRS), первый из которых собирает данные с пространственным разрешением 15 (панхроматический канал) и 30 метров в девяти спектральных каналах в видимой, ближней инфракрасной и коротковолновой инфракрасной областях электромагнитного спектра, а второй – данные в двух каналах теплового инфракрасного диапазона (канал 10, 10,6–11,2 мкм и канал 11, 11,5–12,5 мкм). Наличие двух тепловых каналов, регистрируемых с пространственным разрешением 100 м, позволяет реализовать один из алгоритмов оценки ТЗП, называемый алгоритм расщепленного окна прозрачности, который характеризуется в публикациях как сравнительно высокоточный [5].

Материалы и методы исследования

Восточная часть провинции Хузестан на юго-западе Ирана (30 °40′54′′– 32 °47′25′′ с.ш., 48 °08′03′′– 50 °32′47′′ в.д.), выбранная в качестве тестового полигона для проведения исследования, относится к аридным регионам. Территория характеризуется высокими суточными и сезонными изменениями температуры и высокими значениями температуры весной и летом, которые являются ключевым фактором формирования растительного покрова в регионе [3]. Район исследования перекрывается сценой p165 r38 съёмки Landsat-8 (рис. 1).

Реализация алгоритма расщепленного окна прозрачности подразумевает выполнение радиометрической и атмосферной коррекции, которые были выполнены в пакете ENVI 5.1, и выполнение подготовительных процедур, таких как расчет радиационной температуры на основе тепловых каналов и расчёт излучательной способности земной поверхности для тепловых каналов на основе красного и ближнего инфракрасного спектрозональных каналов (рис. 2).

Поскольку, как и в других подобных алгоритмах, радиационная температура вычисляется с использованием идеальной модели (абсолютно черного тела), необходима коррекция полученных значений с учётом характера изучаемой поверхности. В соответствии с алгоритмом расщепленного окна прозрачности, ТЗП вычисляется с использованием уравнения, связывающего значения радиационных температур ВТ, вычисленных по данным двух соседних тепловых каналов и значений излучательной способности земной поверхности, вычисленной для этих каналов [5]:

(1)

где W – содержание водяного пара в атмосфере 0,053 г×см^-2 (содержание водяного пара в атмосфере рассчитано с использованием модели атмосферы MODTRAN), ε = (ε₁₀ + ε₁₁)/2, ε10 и ε11 – растры излучательной способности земной поверхности, полученные по каналам 10 и 11, BT10 и BT11 – радиационные температуры каналов 10 и 11, измеряемые в кельвинах, Δε = ε₁₀ – ε₁₁. Коэффициенты уравнения: C0 = –0,268, C1 = 1,378, C2 = 0,183, C3 = 54,300, C4 = –2,238, C5 = –129,200, C6 = 16,400.

Рис. 1. Географическое положение исследуемой территории

Рис. 2. Алгоритм расчета ТЗП

Данное уравнение (1) основано на математических построениях [5] и применяется при обработке данных, получаемых с различных сенсоров. Его можно использовать для исследований, в том числе аридных территорий. Коэффициенты уравнения вычисляются статистическими методами, используемыми при моделировании базы данных. При моделировании учитываются характеристики атмосферы в момент зондирования (применяются модельные расчёты MODTRAN).

Значения радиационной температуры (температуры абсолютно черного тела) вычисляются на основе значений спектральной яркости [7]:

(2)

где K1 (774,89 для канала 10 и 480,89 для канала 11) и K2 (1321,08 для канала 10 и 1201,14 для канала 11) – калибровочные коэффициенты, обычно указываемые в метаданных снимков, L_λ – спектральная яркость измеряемая в Вт/(м2×ср×мкм).

Спектральная яркость – это значение суммарной энергии, регистрируемой спутниковым датчиком. Преобразование целочисленных значений каналов снимка в значения спектральной яркости для Landsat-8 выполняется следующим образом [7]:

(3)

где ML (0,000342 для 10 и 11 каналов) и AL (0,1 для 10 и 11 каналов) – калибровочные коэффициенты, обычно указываемые в метаданных снимков, Qcal – целочисленные значения каналов снимка.

Излучательная способность земной поверхности (Land Surface Emissivity) – это коэффициент, показывающий отношение (спектральной) яркости земной поверхности к (спектральной) яркости абсолютно чёрного тела. Основными методами расчета излучательной способности являются: метод на основе классификации [4], метод на основе нормализованного разностного вегетационного индекса NDVI [6] и метод на основе независимых спектральных индексов дневной и ночной температуры [8].

Почвенный и растительный покров различаются по излучательной способности, в том числе в зависимости от пропорционального отношения площадей открытой почвы и сомкнутой растительности. Излучательная способность земной поверхности может быть оценена на основе номинальных значений излучательной способности растительности и почвы, и фракционного коэффициента растительного покрова FVC (Fractional Vegetation Cover), по следующей формуле [7]:

(4)

где ε_v (0,971 для канала 10 и 0,977 для канала 11) и ε_s (0,987 для канала 10 и 0,989 для канала 11) – излучательные способности растительности и почвы соответственно, FVC – фракционный коэффициент растительного покрова.

FVC показывает пропорциональное соотношение площадей различных типов растительного покрова в каждой ячейке снимка, в данном случае, соотношение площадей оголённого почвенного покрова и растительного покрова. Оценка выполняется с учётом значений NDVI для оголённой почвы и плотного растительного покрова по следующей формуле [7]:

(5)

где NDVIs – NDVI оголённой почвы (0,2) и NDVIv – NDVI плотной растительности (0,8).

Методы на основе классификации и независимых спектральных индексов дневной и ночной температуры ограничены рядом дополнительных требований, в связи с чем в данном исследовании использован метод на основе NDVI. Индекс вычислялся на основе значений спектральной яркости красного (RED) и ближнего инфракрасного (NIR) каналов снимка, к которым была применена атмосферная коррекция, по стандартной формуле [7]:

(6)

Результаты исследования и их обсуждение

Вычисление ТЗП и построение карт ТЗП (рис. 3) с использованием снимков Landsat-8 были автоматизированы в ArcGIS. В табл. 2 показаны температуры поверхности, рассчитанные в контрольных точках.

Оценка точности полученных результатов выполнена с использованием данных о приземной температуре воздуха, собранных на метеорологических станциях, расположенных на исследуемой территории. Данные получены из метеорологического бюро провинции Хузестан. В табл. 1 представлены координаты использованных станций (рис. 1).

Таблица 1

Координаты метеорологических станций на исследуемой территории

Рис. 3. Карты температуры земной поверхности за (а) 18.05.2013, (б) 21.05.2014 и (в) 24.05.2015

Библиографическая ссылка