應用MODIS地表溫度產(chǎn)品估計新疆典型區(qū)氣溫

應用MODIS地表溫度產(chǎn)品估計新疆典型區(qū)氣溫

袁敏1，2，3，肖鵬峰1，2，3，馮學智1，2，3，朱榴駿1，2，3

(1.江蘇省地理信息技術重點實驗室，南京 210023；2.衛(wèi)星測繪技術與應用國家測繪地理信息局重點實驗室，南京 210023；3.南京大學 地理信息科學系，南京 210023)

摘要：根據(jù)遙感獲取的地表溫度估計氣溫在時空上的連續(xù)分布有重要意義。利用MODIS傳感器反演的地表溫度產(chǎn)品分別建立新疆克拉瑪依氣象站生長季節(jié)、非生長季節(jié)的地表溫度和氣溫的線性回歸模型以估計氣溫，并利用相同氣象站不同時段、相同時段不同氣象站的數(shù)據(jù)對該模型進行驗證，最后得到新疆典型區(qū)內(nèi)非生長季節(jié)的日最低、最高氣溫分布。結果表明：相對于MYD11A1產(chǎn)品，MOD11A1產(chǎn)品的地表溫度數(shù)據(jù)能更好地估計氣溫；氣溫估計模型在生長季節(jié)效果欠佳，但在非生長季節(jié)結果較好，MOD11A1產(chǎn)品估計日最低氣溫的均方根誤差和平均絕對誤差分別為2.4℃～3.2℃、1.9℃～2.8℃，估計日最高氣溫的均方根誤差和平均絕對誤差分別為2.9℃～3.1℃、2.2℃～2.6℃，R2為0.91～0.96。

關鍵詞：地表溫度；氣溫；新疆；線性回歸；生長季節(jié)；非生長季節(jié)

doi:10.3969/j.issn.1000-3177.2015.01.014

中圖分類號：TP79文獻標識碼：A

收稿日期：2013-12-18修訂日期：2014-03-03

基金項目：國家自然科學基金資助項目(41376178)；上海高校特聘教授(東方學者)崗位計劃、上海市科學技術委員會的資助(11510501300)。

作者簡介：劉風玲(1988～)，女，碩士，研究方向為GNSS-R在海面高度的研究與應用。

Air Temperature Estimation of Typical Area in Xinjiang Based on

MODIS Land Surface Temperature Products

YUAN Min1，2，3，XIAO Peng-feng1，2，3，F(xiàn)ENG Xue-zhi1，2，3，ZHU Liu-jun1，2，3

(1.JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology，NanjingUniversity，Nanjing210023；

2.KeyLaboratoryforSatelliteMappingTechnologyandApplicationsofStateAdministrationofSurveying，

MappingandGeoinformationofChina，NanjingUniversity，Nanjing210023；

3.DepartmentofGeographicInformationScience，NanjingUniversity，Nanjing210023)

Abstract：Accurate estimation of spatially distributed air temperature based on continuous land surface temperature (LST) products retrieved from remotely sensed images is of great significance.To estimate daily minimum and maximum air temperature，linear regression models of the growing and non-growing season on Karamay meteorological station were conducted respectively.Then two validation experiments were carried out，one of which took data collected from the same station in different periods to validate the models，while the other experiment applied the models to other stations.Finally，the validated models were used to produce full image coverage for the typical area of Xinjiang.The results showed that deprived LST from Terra platform (MOD11A1) had higher accuracy than deprived LST from Aqua platform (MYD11A1).Models of the non-growing season with R2=0.91～0.96 were better than those of the growing season.Moreover，this method provided an acceptable estimation of daily minimum air temperature with RMSE(root mean square error)=2.4℃～3.2℃ and MAE(mean absolute error)=1.9℃～2.8℃，and also improved the accuracy of daily maximum air temperature significantly with RMSE=2.9℃～3.1℃ and MAE=2.2℃～2.6℃ during the non-growing season.

Key words：land surface temperature；air temperature；Xinjiang；linear regression；growing season；non-growing season

1引言

氣溫(air temperature，Ta)是地面氣象觀測規(guī)定高度(國內(nèi)為1.5m)上的空氣溫度[1]。氣溫調(diào)節(jié)了很多近地表過程，如植物的光合作用、呼吸作用、蒸騰作用等[2]，同時氣溫變化也影響著高山積雪與凍土、森林火災監(jiān)測和全球變暖等諸多方面，是各種植物、水文、氣象、環(huán)境等模型中的一個重要近地表氣象參數(shù)[3]。目前氣溫數(shù)據(jù)主要來自氣象站點的觀測，然而，氣象站點只能提供空間上離散的有限點觀測數(shù)據(jù)，作為區(qū)域氣溫的粗略代表。很多研究需要連續(xù)的氣溫面數(shù)據(jù)而非點數(shù)據(jù)，因此對氣溫在時空上連續(xù)分布的研究有重要意義。

傳統(tǒng)方法采用氣象站實測的離散氣溫數(shù)據(jù)，通過地理插值獲取空間上連續(xù)分布的氣溫數(shù)據(jù)，此方法簡單易實現(xiàn)，但受地形、氣象站數(shù)量和分布及插值方法本身精度的影響，誤差較大，且時間分辨率較低。遙感數(shù)據(jù)具有連續(xù)性強、獲取速度快和信息量大等優(yōu)點，但直接利用傳感器獲取的熱紅外數(shù)據(jù)反演氣溫難度很大[4]，所以一般是利用地表溫度(land surface temperature，Ts或LST)、氣溫和植被指數(shù)等參數(shù)的統(tǒng)計關系來估計氣溫[5]。目前，主要有兩種方法，一種是溫度植被指數(shù)法，即TVX(temperature-vegetation index)方法，假設氣溫與濃密植被冠層溫度近似相等，由影像像元窗口中的地表溫度和NDVI的負線性關系外推求得飽和NDVI下的地表溫度，并作為氣溫的估計值[2，6-8]。TVX方法的基礎是地表溫度和NDVI存在著負相關關系，最適用于植被覆蓋率較高的地區(qū)或季節(jié)，而對于植被覆蓋率較低或地表溫度和NDVI具有正相關性的地區(qū)或季節(jié)，該方法誤差較大；另一種方法則是直接建立地表溫度產(chǎn)品和氣溫的線性回歸模型來估計氣溫，研究表明，地表溫度和氣溫具有較高的相關性，氣溫可由地表溫度線性估計，誤差為3℃左右[9-13]。在已有的研究中，很少在建立氣溫估計模型前分析地表溫度和氣溫的物理關系，利用地表溫度估計氣溫有必要明確其在理論上的可行性。

地表溫度指陸地表層的溫度，是環(huán)境和氣候研究的主要變量，是地表物理過程的重要影響因素[14]?，F(xiàn)廣泛應用的MODIS地表溫度產(chǎn)品是根據(jù)MODIS傳感器31和32熱紅外波段的數(shù)據(jù)，通過劈窗算法反演得到[15-16]。本文首先分析地表溫度和氣溫的物理關系，再對兩者進行比較和相關分析，分別建立生長季節(jié)、非生長季節(jié)夜晚地表溫度和日最低氣溫，以及白天地表溫度和日最高氣溫的線性回歸模型；然后對模型在相同氣象站不同時段、相同時段不同氣象站的精度進行驗證；最后將驗證后的氣溫估計模型運用于整個研究區(qū)，得到新疆典型區(qū)內(nèi)非生長季節(jié)的日最低、最高氣溫分布。本文與大多數(shù)研究的不同之處在于將生長季節(jié)和非生長季節(jié)分開建模，提高了非生長季節(jié)的氣溫估計精度。

2研究區(qū)和數(shù)據(jù)

2.1研究區(qū)概況

研究區(qū)位于42°N～46°N、83°E～89°E之間的新疆典型區(qū)，圖1為研究區(qū)內(nèi)2007年3月6日MODIS夜晚地表溫度產(chǎn)品，區(qū)域內(nèi)主要包括天山中部和準噶爾盆地兩大地形單元。天山中部位于塔里木盆地和準噶爾盆地之間，遼闊復雜的山系，夾著許多山間盆地和縱向構造谷地，地形起伏較大，許多山峰終年積雪，雪線位于4500m～5000m，氣候的大陸度和干旱度極強，基本屬于干旱荒漠地帶[17]。準噶爾盆地位于新疆北部，屬于典型溫帶內(nèi)陸荒漠性氣候，年平均氣溫為5.4℃，年平均降雨量為100mm，年平均蒸發(fā)量為1880mm[18]。

圖1　研究區(qū)2007年3月6日MODIS夜晚地表溫度產(chǎn)品

2.2數(shù)據(jù)及預處理

2.2.1氣象數(shù)據(jù)

本文以克拉瑪依氣象站為主要測站，選取烏魯木齊和石河子兩個氣象站驗證克拉瑪依氣象站建立的氣溫估計模型。本文使用的日最低、最高氣溫數(shù)據(jù)來自中國氣象科學數(shù)據(jù)共享服務網(wǎng)(http：//cdc.cma.gov.cn/home.do)，是百葉箱內(nèi)觀測到的瞬時最低、最高值，它們的出現(xiàn)時間與水汽蒸發(fā)、凝結等大氣物理過程的關系十分密切，日最高氣溫一般在午后2點左右，日最低氣溫通常出現(xiàn)在清晨日出前后。氣溫的記錄單位為0.1℃，時間分辨率為每日，表1為氣象數(shù)據(jù)信息。

表1　氣象數(shù)據(jù)信息

2.2.2MODIS地表溫度產(chǎn)品

本文使用的MODIS地表溫度產(chǎn)品是NASA(National Aeronautics and Space Administration)數(shù)據(jù)服務網(wǎng)站(http：//ladsweb.nascom.nasa.Gov/data/search.html)提供的Terra衛(wèi)星(過境時刻為10：30am)平臺的MOD11A1產(chǎn)品和Aqua衛(wèi)星(過境時刻為1：30pm)平臺的MYD11A1產(chǎn)品。時間序列與氣象數(shù)據(jù)相對應，級別為L3，大小為1200行×1200列，時間分辨率為每日，空間分辨率為1km，投影方式為SIN投影(即等面積的偽圓柱投影)，覆蓋面積約為1100km×1100km[19-20]。

2.2.3數(shù)據(jù)預處理

①坐標轉換。采用MRT(MODIS Reprojection Tool)工具將影像由SIN投影坐標系轉換為WGS-84經(jīng)緯度的坐標系。

②提取地表溫度。根據(jù)經(jīng)緯度提取各氣象站的MOD11A1、MYD11A1夜晚和白天地表溫度。

③去除異常值和空缺值。剔除地表溫度中明顯的異常值和云遮擋引起的空缺值，異常值一般為0℃以下的極其低溫值[21]，根據(jù)閾值法確定，同時刪去對應時間序列的氣溫數(shù)據(jù)。

④單位轉換。將地表溫度由K單位轉換成℃單位(t=T-273.15)，同時氣溫轉換到統(tǒng)一量綱(℃)。

數(shù)據(jù)預處理之后，得到的MOD11A1夜晚Ts、MOD11A1白天Ts、MYD11A1夜晚Ts、MYD11A1白天Ts的有效數(shù)據(jù)個數(shù)分別為216、214、216、200。

3基于地表溫度的氣溫估計方法

3.1地表溫度和氣溫的物理關系

太陽輻射到達地表被吸收后，使地表增溫，地表再通過輻射、傳導和對流將熱量傳給空氣，這就是空氣中熱量的主要來源。根據(jù)能量守恒定律，地表接收的能量以不同方式轉換為其他運動形式，以使能量保持平衡[22]。這一能量交換過程可表示為：

Rn=G+H+LE

(1)

式中，Rn為地表全波段凈輻射通量；G為土壤熱通量，即下墊面土壤中的熱交換；H為感熱通量，即下墊面與大氣間湍流形式的熱交換；LE為潛熱通量，即下墊面與大氣間水汽的熱交換。

地表凈輻射通量Rn又稱輻射平衡，指地表凈得的短波輻射與長波輻射的和，可表示為：

Rn=Rs-Rs↑+RL-RL↑=

(1-α)Rs↓+εaσTa4-εsσTs4

(2)

式中，Rs↓為入射到地表的太陽短波輻射，即太陽總輻射；Rs↑為地表反射的太陽短波輻射，即地表反射輻射；RL↓為來自大氣的長波輻射，即大氣逆輻射；RL↑為地表發(fā)射至大氣的長波輻射；α為地表反照率；σ為斯特藩-波爾茲曼常數(shù)，等于5.67×10-8W/m2·K4；εa為無云時的大氣有效發(fā)射率；εs為地表發(fā)射率；Ta為參考高度的氣溫；Ts為地表溫度。

土壤熱通量G可表示為：

G=(0.1-0.042h)Rn

(3)

式中，h為作物高度，可根據(jù)不同的植物類型取值，與葉面積指數(shù)LAI和作物覆蓋度f有關。

感熱通量H又稱顯熱通量，可表示為：

H=ρCp(Ts-Ta)/rac

(4)

式中，ρ為空氣密度；Cp為空氣定壓比熱；ρCp表征空氣的體積熱容量；rac為空氣動力學阻力。

潛熱通量LE指地表吸收輻射能與蒸發(fā)耗熱的熱交換，又稱蒸散，可表示為：

(5)

(6)

聯(lián)立式(1)至式(6)，整理得到式(7)：

(7)

根據(jù)式(7)，地表溫度和氣溫之間具有明確的物理關系，因此，基于地表溫度的氣溫估計方法在理論上是可行的。但是直接應用物理模型式(7)反演氣溫難度很大，有些參數(shù)如空氣動力學阻力難以準確確定，考慮到氣溫的時空分布特征和應用模型對氣溫數(shù)據(jù)的需求，氣溫估計模型由地表溫度產(chǎn)品和氣溫的線性相關關系建立。

3.2地表溫度數(shù)據(jù)和氣溫數(shù)據(jù)的關系分析

定義生長季節(jié)為5月～10月，非生長季節(jié)為11月～次年4月[7]。將2006年5月～2007年4月克拉瑪依氣象站地表溫度和氣溫進行比較，作出MODIS Ts產(chǎn)品與日最低、最高Ta的時間序列變化趨勢圖(圖2)。可以看出，地表溫度和氣溫的關系在夜晚和白天相差很大；夜晚，地表溫度與日最低Ta的一致性較高；白天，盡管地表溫度能大致地反映日最高Ta隨時間的變化趨勢，但兩者一致性較低。夜晚和白天產(chǎn)生如此差異的原因是夜晚熱紅外波段不受太陽輻射的影響，而白天由于太陽輻射的存在使得地表能量平衡系統(tǒng)的交換變得更為復雜。

圖2　MODIS Ts產(chǎn)品與Ta的時間序列變化趨勢

由圖2還可看出，MODIS白天Ts與日最高Ta的關系在生長季節(jié)和非生長季節(jié)有明顯差別，在生長季節(jié)白天Ts遠高于日最高Ta。因此，為提高日最高Ta的估計精度，將數(shù)據(jù)分為生長季節(jié)和非生長季節(jié)兩部分，進一步分析地表溫度和氣溫的關系，分別計算MODIS夜晚、白天Ts與日最低、最高Ta的統(tǒng)計量(表2)：相關系數(shù)R、均方根誤差RMSE和絕對平均誤差MAE，公式如式(8)、(9)和(10)所示：

(8)

(9)

(10)

由表2可知，MODIS Ts和Ta的相關系數(shù)R都高于0.90，且在0.05的顯著性水平下通過了t檢驗，表明MODIS Ts與Ta具有很強的線性正相關性，并且非生長季節(jié)的相關關系(≥0.94)更為顯著。因此，可以建立MODIS Ts和Ta的回歸模型以線性估計Ta，并將生長季節(jié)和非生長季節(jié)分開建模。

表2　2006年5月～2007年4月克拉瑪依氣象站

表注：*p<0.05

由于日最低Ta的時刻更接近Aqua衛(wèi)星的過境時刻(1∶30am)，有學者利用MYD11A2產(chǎn)品(MYD11A1產(chǎn)品8天合成的數(shù)據(jù))估計日最低Ta，其RMSE為2.1℃～2.8℃，而用MOD11A2(MOD11A1產(chǎn)品8天合成的數(shù)據(jù))產(chǎn)品估計日最低Ta的RMSE為2.3℃～3.3℃，精度比MYD11A2產(chǎn)品的估計精度略低[10]。但也有研究表明，從MOD11A2產(chǎn)品到MYD11A2產(chǎn)品，氣溫估計精度并沒有取得實質(zhì)性的提高[23]。由表2亦可知，相對于MYD11A1產(chǎn)品，MOD11A1 Ts和Ta的相關系數(shù)略高；同時，MOD11A1 Ts和Ta的RMSE和MAE也較小。因此，相對于MYD11A1產(chǎn)品，MOD11A1產(chǎn)品的地表溫度數(shù)據(jù)能更好地估計氣溫，本文選用MOD11A1產(chǎn)品建立氣溫估計模型。

3.3氣溫估計模型的建立

圖3為生長季節(jié)、非生長季節(jié)MOD11A1 Ts產(chǎn)品與日最低、最高Ta的線性擬合，其中圖3(a)、(b)分別為生長季節(jié)、非生長季節(jié)MOD11A1夜晚Ts與日最低Ta的散點分布，圖3(c)、(d)分別為生長季節(jié)、非生長季節(jié)MOD11A1白天Ts與日最高Ta的散點分布，地表溫度和氣溫的線性回歸參數(shù)如表3?？梢钥闯?，非生長季節(jié)的點集中分布于擬合直線的兩側，而生長季節(jié)點的分布相對較分散，

圖3　MOD11A1 Ts產(chǎn)品與Ta的線性擬合

氣溫擬合參數(shù)MOD11A1Ts生長季節(jié)非生長季節(jié)日最低TaSlope0.800.98Intercept3.280.90R20.840.95RMSE/℃2.42.5MAE/℃1.92.0日最高TaSlope0.690.80Intercept3.15-1.68R20.830.92RMSE/℃2.83.1MAE/℃2.12.6

非生長季節(jié)MOD11A1產(chǎn)品與日最低、最高Ta擬合的R2分別為0.95、0.92，而生長季節(jié)的R2分別為0.84、0.83，因此，非生長季節(jié)MOD11A1產(chǎn)品與氣溫的擬合優(yōu)度比生長季節(jié)好。由表3可知，氣溫估計的RMSE為3.0℃左右，MAE小于3.0℃。有學者利用遙感觀測數(shù)據(jù)估計氣溫，RMSE為3.2℃，MAE為2.5℃，其誤差在可允許范圍之內(nèi)[7]。因此這樣的精度能夠滿足研究需要。

生長季節(jié)的氣溫估計模型為：

Ta_min=0.80·Ts_night + 3.28

(11)

Ta_max=0.69·Ts_day + 3.15

(12)

非生長季節(jié)的氣溫估計模型為：

Ta_min=0.98·Ts_night + 0.90

(13)

Ta_max=0.80·Ts_day-1.68

(14)

式中，Ta_min為日最低氣溫估計值；Ta_max為日最高氣溫估計值；Ts_night為MOD11A1夜晚地表溫度；Ts_day為MOD11A1白天地表溫度。

4模型驗證

氣溫估計模型驗證包括兩步：

(1)相同氣象站不同時段的驗證

圖4為2007年5月～2008年4月克拉瑪依氣象站的模型驗證，其中圖4(a)、(b)分別為生長季節(jié)、非生長季節(jié)日最低Ta的估計值與氣象站實際測量值的散點分布，圖4(c)、(d)分別為生長季節(jié)、非生長季節(jié)日最高Ta的估計值與實際測量值的散點分布。圖中的對角線為理想擬合直線，另一條則為氣溫估計值與實際測量值的實際擬合直線，理想擬合曲線和實際擬合曲線的偏離程度反映了擬合的效果。由圖可知，所有理想擬合直線和實際擬合直線的偏離程度較小，非生長季節(jié)點的分布比生長季節(jié)點的分布更集中，非生長季節(jié)日最低、最高Ta的估計值和實際測量值擬合的R2為0.95、0.94，而生長季節(jié)擬合的R2為0.88、0.81，所以，非生長季節(jié)的擬合優(yōu)度比生長季節(jié)好。同時，氣溫估計的RMSE為3.0℃左右，MAE小于3.0℃，表明構建的模型在同一氣象站具有較好的泛化能力。因此，該模型適用于相同氣象站不同時段日最低、最高Ta的估計。

圖4　2007年5月～2008年4月克拉瑪依氣象站驗證

(2)相同時段不同氣象站的驗證

圖5是烏魯木齊氣象站的模型驗證，由圖可知，非生長季節(jié)的R2比生長季節(jié)高，即非生長季節(jié)的擬合優(yōu)度更好。同時，氣溫估計的RMSE和MAE都小于3.0℃，取得了較高的精度。因此，該模型適用于烏魯木齊氣象站日最低、最高Ta的估計。

圖6為石河子氣象站的模型驗證，可看出，在生長季節(jié)，日最低、最高Ta的估計值和測量值的實際擬合直線與理想擬合直線的偏離程度較大，出現(xiàn)了系統(tǒng)性的偏差，并且日最低Ta估計值高于測量值，日最高Ta低于測量值。根據(jù)地表溫度的反演原理，地表溫度與土地覆蓋類型和植被指數(shù)密切相關，它們通過影響地表比輻射率直接影響地表溫度的變化，因此，在不同的植被指數(shù)和土地覆蓋條件下，氣溫和地表溫度的關系亦不同[3，24]。植被覆蓋度越高，地氣溫差越小[1]，而石河子地區(qū)為農(nóng)業(yè)灌溉區(qū)，在生長季節(jié)植被覆蓋度較高，地氣溫差較小。然而，夜晚Ts一般低于日最低Ta，白天Ts一般高于日最高Ta[7]。所以，該地區(qū)夜晚Ts偏高，白天Ts偏低，從而導致日最低Ta估計值偏高，日最高Ta估計值偏低，與實際測量值出現(xiàn)了系統(tǒng)性的偏差。但是，氣溫估計在非生長季節(jié)取得了較好的結果，RMSE為3.0℃左右，MAE小于3.0℃。因此，建立的氣溫估計模型在石河子氣象站生長季節(jié)效果欠佳，但適用于非生長季節(jié)的氣溫估計。

圖5　2006年5月～2007年4月烏魯木齊氣象站驗證

圖6　2006年5月～2007年4月石河子氣象站的驗證

5研究區(qū)氣溫分布制圖

由模型驗證結果可知，該氣溫估計模型在非生長季節(jié)取得了較好的結果，擬合優(yōu)度R2為0.90以上，RMSE在3.2℃之內(nèi)，MAE在2.8℃之內(nèi)，因此可將此氣溫估計模型運用于整個研究區(qū)，通過影像鑲嵌、投影轉換、影響裁剪、氣溫估計和專題制圖等，得到研究區(qū)非生長季節(jié)的日最低(圖7)、最高(圖8)氣溫的連續(xù)分布。

圖7　研究區(qū)非生長季節(jié)的日最低氣溫分布

圖8　研究區(qū)非生長季節(jié)的日最高氣溫分布

6結束語

本文利用MODIS地表溫度產(chǎn)品數(shù)據(jù)和氣象數(shù)據(jù)，分別建立新疆克拉瑪依氣象站生長季節(jié)、非生長季節(jié)的地表溫度和氣溫的線性回歸模型，對日最低、最高氣溫進行了估計，并利用相同氣象站不同時段、相同時段不同氣象站的數(shù)據(jù)驗證了模型，最后將模型運用于整個研究區(qū)，得到研究區(qū)內(nèi)非生長季節(jié)的日最低、最高氣溫分布，得到以下結論：

(1)相對于MYD11A1產(chǎn)品，MOD11A1產(chǎn)品的地表溫度數(shù)據(jù)能更好地估計氣溫。

(2)該氣溫估計模型在生長季節(jié)效果欠佳。MOD11A1產(chǎn)品估計日最低、最高氣溫的RMSE在4.6℃之內(nèi)，MAE在3.8℃之內(nèi)。

(3)該氣溫估計模型在非生長季節(jié)取得了較好的結果。MOD11A1產(chǎn)品估計日最低氣溫的RMSE和MAE分別為2.4℃～3.2℃、1.9℃～2.8℃，估計日最高氣溫的RMSE和MAE則為2.9℃～3.1℃、2.2℃～2.6℃，同時模型在非生長季節(jié)的R2為0.91～0.96。

本文雖然取得了較理想的結果，但存在著兩個弊端：①MODIS地表溫度產(chǎn)品的空間分辨率為1km，提取的氣象站的地表溫度實際上是1km×1km像元內(nèi)的面狀數(shù)據(jù)，而氣象站提供的是點狀氣溫數(shù)據(jù)，兩者在空間上無法一一對應。當氣象站點所在像元滿足均質(zhì)性時，其地表溫度可以用面狀像元內(nèi)的平均地表溫度表示，但當像元內(nèi)地表差異較大時，提取的地表溫度與氣象站點的真實地表溫度會存在誤差，而這種誤差具有不確定性，因此數(shù)據(jù)源對氣溫估計精度的影響仍是一個不可避免的問題。②本文建立了一個氣象站點的地表溫度和氣溫的線性回歸模型，并將此模型運用于整個研究區(qū)，默認的前提是研究區(qū)內(nèi)的下墊面是相同的，而該條件一般很難滿足，所以導致在地表覆蓋差異較大的生長季節(jié)誤差較大。將來希望在氣象站數(shù)量較多的研究區(qū)，能結合土地覆蓋類型、植被指數(shù)、大氣濕度、地表濕度、氣壓和風速等因子進行建模。

參考文獻：

[1]柯靈紅，王正興，宋春橋，等.青藏高原東北部MODIS地表溫度重建及其與氣溫對比分析[J].高原氣象，2011，30(2)：277-287.

[2]PRIHODKO L，GOWARD S N.Estimation of air temperature from remotely sensed surface observations[J].Remote Sensing of Environment，1997，(60)：335-346.

[3]韓秀珍，李三妹，竇芳麗.氣象衛(wèi)星遙感地表溫度推演近地表氣溫方法研究[J].氣象學報，2012，70(5)：1107-1118.

[4]CZAJKOWSKI K P，GOWARD S N，STADLER S J，et al.Thermal remote sensing of near surface environmental variables：Application over the oklahoma mesonet[J].The Professional Geographer，2000，52(2)：345-357.

[5]董良鵬.基于MODIS地表溫度的氣溫估計方法及其在中國東部城市群熱島效應研究中的應用[D].南京：南京信息工程大學，2012.

[6]STISEN S，SANDHOLT I，NORGAARD A，et al.Estimation of diurnal air temperature using MSG SEVIRI data in west africa[J].Remote Sensing of Environment，2007，(110)：262-274.

[7]ZHU W B，LU A F，JIA S F.Estimation of daily maximum and minimum air temperature using MODIS land surface temperature products[J].Remote Sensing of Environment，2013，(130)：62-73.

[8]徐永明，覃志豪，沈艷.基于MODIS數(shù)據(jù)的長江三角洲地區(qū)近地表氣溫遙感反演[J].農(nóng)業(yè)工程學報，2011，27(9)：63-68.

[9]MOSTOVOY G V，KING R.Using MODIS LST data for high-resolution estimates of daily air temperature over mississippi[J].In Proceedings of the 3th International Workshop on the Analysis of Multi-Temporal Remote Sensing Images，2005，76-80.

[10]VANCUTSEM C，CECCARO P，DINKU T，et al.Evaluation of MODIS land surface temperature data to estimate air temperature in different ecosystems over africa[J].Remote Sensing of Environment，2010，(114)：449-465.

[11]FU G，SHEN Z X，ZHANG X Z，et al.Estimating air temperature of an alpine meadow on the northern tibetan plateau using MODIS land surface temperature[J].Acta Ecologica Sinica，2011，(31)：8-13.

[12]LIN S P，MOORE N J，MESSINA J P，et al.Evaluation of estimating daily maximum and minimum air temperature with MODIS data in east africa[J].International Journal of Applied Earth Observation and Geoinformation，2012，(18)：128-140.

[13]YAO Y H，ZHANG B P.MODIS-based air temperature estimation in the southeastern tibetan plateau and neighboring areas[J].Journal of Geographical Sciences，2012，22(1)：152-166.

[14]于文憑，馬明國.MODIS地表溫度產(chǎn)品的驗證——以黑河流域為例[J].遙感技術與應用，2011，26(6)：705-712.

[15]WAN Z M，DOZIER J.A Generalized split-window algorithm for retrieving land-surface temperature from space[J].IEEE Transactions on Geoscience and Remote Sensing，1996，34(4)：892-905.

[16]WAN Z M，LI Z L.A Physics-based algorithm for retrieving land-surface emissivity and temperature from EOS/MODIS data[J].IEEE Transactions on Geoscience and Remote Sensing，1997，35(4)：980-996.

[17]蘇宏新.全球氣候變化條件下新疆天山云杉林生長的分析與模擬[D].北京：中國科學院植物研究所，2005.

[18]王晶，呂昭智，錢翌，等.新疆準噶爾盆地典型荒漠區(qū)不同景觀植被對土壤養(yǎng)分的影響[J].中國沙漠，2010，30(6)：1367-1373.

[19]呂京國，張小詠，蔣玲梅，等.MODIS地標產(chǎn)品數(shù)據(jù)的相關算法及處理過程[J].遙感信息，2009，24(8)：25-29.

[20]WAN Z M.Collection-5 MODIS land surface temperature products users’ guide[EB/OL].http：//www.icess.ucsb.edu/modis/LstUsr Guide/MODIS_LST_products_Users_guide_C5.pdf，2007-3.

[21]NETELER M.Estimating daily land surface temperatures in mountainous environments by reconstructed MODIS LST data[J].Remote Sensing，2010，(2)：333-351.

[22]趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

[23]MOSTOVOY G V，KING RL，REDDY K R，et al.Statistical estimation of daily maximum and minimum air temperatures from MODIS LST data over the state of mississippi[J].GIScience and Remote Sensing，2006，43(1)：78-110.

[24]齊述華，王軍邦，張慶員，等.利用MODIS遙感影像獲取近地層氣溫的方法研究[J].遙感學報，2005，9(5)：570-575.

E-mail：lfl2009zzu@sina.com