基于熱紅外遙感數(shù)據(jù)遼東地?zé)釁^(qū)地表溫度反演

賀金鑫,孫煥朝,李文慶,鄭博夫,姜 天

0 引 言

熱紅外遙感是指?jìng)鞲衅鞯墓ぷ鞑ǘ芜\(yùn)行在紅外波段范圍內(nèi)的遙感,利用所攜帶的傳感器收集、記錄地物的熱紅外信息并根據(jù)該熱紅外信息識(shí)別地物和反演地表溫度、濕度和熱慣量等參數(shù)[1,2],是地表溫度反演的常用技術(shù)手段。熱紅外遙感具有攜帶信息量大、監(jiān)測(cè)精度高和受地面條件限制小等優(yōu)點(diǎn),在地?zé)豳Y源調(diào)查中充當(dāng)著重要的角色。尤其在近年來(lái),隨Landsat-8衛(wèi)星的升空,如何利用這種新型的熱紅外遙感數(shù)據(jù)探測(cè)地?zé)豳Y源并對(duì)其精確定位,已經(jīng)引起國(guó)內(nèi)外學(xué)者廣泛關(guān)注。目前利用熱紅外遙感數(shù)據(jù)反演地表溫度的方法主要有:1)大氣校正法[3-5];2)單窗算法[6-8];3)劈窗算法[9,10];4)多通道算法[11-13]。部分算法的反演精度己經(jīng)達(dá)到1 K左右。

筆者針對(duì)遼寧省東部地?zé)釁^(qū),利用2014年的Landsat-8熱紅外遙感數(shù)據(jù),使用大氣校正法進(jìn)行地表溫度反演,挖掘出反演結(jié)果中準(zhǔn)確率較高的月份,完成目標(biāo)影像中的溫度異常區(qū)與研究區(qū)內(nèi)已知溫泉點(diǎn)空間分布特征的相關(guān)性分析,從而為該地區(qū)提供一種快速、經(jīng)濟(jì)、合理的地?zé)豳Y源調(diào)查方法。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)地理位置

研究區(qū)位于遼寧省東部,行政區(qū)域主要在鞍山、丹東、遼陽(yáng)和本溪4市的管轄范圍內(nèi),地理坐標(biāo):東經(jīng)123°00′～125°00′, 北緯 39°40′～ 41°30′, 面積約30 000 km2(見(jiàn)圖1)。區(qū)內(nèi)交通便利,鐵路和公路編織成網(wǎng)。研究區(qū)地處東亞季風(fēng)區(qū),屬于溫帶季風(fēng)氣候。受黃海和鴨綠江的影響,氣候濕潤(rùn)、雨量充沛、冬暖夏涼、四季分明。西部、北部和東部山區(qū)氣溫溫差大,年平均氣溫6.5℃ ～8.4℃,最高氣溫37.3℃,最低氣溫-37.9℃,無(wú)霜期140～167 d;南部低山丘陵區(qū)和濱海平原區(qū)年平均氣溫7.8℃ ～8.4℃,最高氣溫22℃ ～35℃,最低氣溫-26.6℃,無(wú)霜期170 d[14]。

圖1 研究區(qū)地理位置Fig.1 The location of the study area

1.2 研究區(qū)地?zé)崽卣?/h3>

由于分支斷裂的發(fā)育和地殼結(jié)構(gòu)的破碎,地表水很容易滲入深部地下,在深部地下加熱并上升到地表形成溫泉。地?zé)峄顒?dòng)受研究區(qū)主要斷裂的控制,大部分地?zé)崽镂挥跀嗔褬?gòu)造的交匯處[14]。研究區(qū)溫泉發(fā)育以基巖裂隙水為主,主要分布在山區(qū)隆起地帶[15]。溫泉水溫一般在30℃ ～71℃之間。

1.3 Landsat-8熱紅外遙感數(shù)據(jù)

Landsat-8延續(xù)了Landsat系列衛(wèi)星在衛(wèi)星飛行軌道、數(shù)據(jù)覆蓋寬度、時(shí)空分辨率等方面的技術(shù)特征,并借鑒其他衛(wèi)星傳感器的設(shè)計(jì)經(jīng)驗(yàn),在掃描方式、波段設(shè)置等方面實(shí)現(xiàn)優(yōu)化改進(jìn)。相比前期的Landsat衛(wèi)星,Landsat-8在保證數(shù)據(jù)連續(xù)性的同時(shí),還具備以下優(yōu)勢(shì)與特性[16,17]。

1)傳感器波段優(yōu)化與增加:OLI(Operational Land Imager)傳感器優(yōu)化了近紅外波段和全色波段并新增海岸帶監(jiān)測(cè)和卷云識(shí)別兩個(gè)波段,且TIRS(Thermal Infrared Sensor)傳感器首次設(shè)置了兩個(gè)熱紅外波段。

2)首次在數(shù)據(jù)開(kāi)始接收階段就實(shí)施全面的免費(fèi)開(kāi)放政策,無(wú)差別提供下載服務(wù)。

3)地面系統(tǒng)更加健全完善,而且建立專門的任務(wù)操作中心和數(shù)據(jù)處理存檔系統(tǒng),制定了完整的標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品生產(chǎn)流程。

4)影像數(shù)據(jù)產(chǎn)品更加準(zhǔn)確有效,其空間分辨率達(dá)30 m。另外,Landsat-8在數(shù)據(jù)產(chǎn)品的輻射定標(biāo)和幾何校正等方面的精度也相對(duì)以往系列衛(wèi)星更高。

2 地表溫度反演

2.1 基本方法

地溫反演的基本原理是首先估計(jì)大氣對(duì)地表熱輻射的影響,然后將這部分大氣影響從衛(wèi)星傳感器所觀測(cè)到的熱輻射總量中減去,從而得到地表熱輻射強(qiáng)度,再把得到的熱輻射強(qiáng)度轉(zhuǎn)化為相應(yīng)的地表溫度[18,19]。

在地-氣輻射傳輸過(guò)程中衛(wèi)星收到的熱紅外輻射能量值Lλ由3部分組成:大氣上行輻射亮度L↑;地面的真實(shí)輻射亮度經(jīng)過(guò)大氣層衰減后衛(wèi)星傳感器接收的能量;大氣下行輻射亮度L↓。其表達(dá)式為

其中ε為地表比輻射率;TS為地表真實(shí)溫度,單位為K;τ為大氣在熱紅外波段的透過(guò)率;B(TS)為與地表溫度對(duì)應(yīng)的黑體熱輻射亮度,則

其中τ,L↑,L↓3個(gè)參數(shù)可在NASA提供的網(wǎng)站(http://atmcorr.gsfc.nasa.gov/)中,輸入數(shù)據(jù)成影時(shí)間以及中心經(jīng)緯度(也可輸入所需區(qū)域大致經(jīng)緯度)等參數(shù)計(jì)算獲取。

而地表比輻射率ε則需利用ENVI(The Environment for Visualizing Images)軟件中的波段運(yùn)算得出。估算出與地表溫度相應(yīng)的黑體熱輻射亮度B(TS)后,根據(jù)普朗克定律可得出地表真實(shí)溫度

其中K1,K2為常數(shù),其值可在Landsat-8頭文件中獲取。對(duì)于TIRS Band10,K1=774.89 W·(m2μmSr)-1,K2=1 321.08 K。

利用ENVI軟件中波段運(yùn)算工具BandMath計(jì)算地表溫度,具體流程如圖2所示。

圖2 基于大氣校正法的Landsat-8地溫反演流程圖Fig.2 The flow chart of Landsat-8 data surface temperature retrieval based on atmospheric correction model

2.2 輻射定標(biāo)

輻射定標(biāo)具體步驟如下。

1)在ENVI主界面中,點(diǎn)擊File→Open,在彈出的文件選擇窗口中點(diǎn)擊所下載Landsat-8數(shù)據(jù)中的TXT格式文件并打開(kāi)數(shù)據(jù)。

2)依次選擇Toolbox-Radiometric,Correction-Radiometric,Calibration。以2014年9月1日數(shù)據(jù)為例,在 File Selection對(duì)話框中,選擇數(shù)據(jù)LC81180322014260LGN00_MTL_Thermal,單擊下方Spectral Subset并選定Thermal Infrared1(10.9)波段。

3)打開(kāi)Radiometric Calibration并設(shè)置以下參數(shù)類型:Calibration Type(定標(biāo)類型)設(shè)置成 radiance(輻射亮度值);其他參數(shù)默認(rèn)即可。

4)選擇輸出路徑和文件名,單擊OK得到定標(biāo)后的Band10輻射亮度圖像。

2.3 地表比輻射率計(jì)算

采用與TM/ETM+6相同的地表比輻射率計(jì)算方法(Landsat-8 Band10波段與TM/ETM+6熱紅外波段具有近似的波譜范圍)[20],使用Sobrino提出的基于地表覆蓋類型的加權(quán)混合模型估算地表比輻射率

其中植被覆蓋度

其中N為歸一化植被指數(shù)(NDVI:Normalized Difference Vegetation Index),NV為全植被覆蓋指數(shù),NS為全裸地植被覆蓋指數(shù)。這里采用簡(jiǎn)單植被計(jì)算模型,即取經(jīng)驗(yàn)值NV=0.70,NS=0.05,表示當(dāng)某個(gè)像元的N＞0.70時(shí),Pv=1;當(dāng)N＜0.05,Pv=0。

在ENVI軟件中的具體操作如下。

1)依次選擇Toolbox,Spectral,Vegetation,NDVI,在文件輸入窗口中,選擇Landsat8 OLI多光譜圖像。

2)在NDVI Calculaton Parameters窗口中,會(huì)自動(dòng)識(shí)別NDVI Bands:Red:4,Near IR:5。

3)選擇輸出路徑與文件名并點(diǎn)擊OK,可得NDVI圖像。

4)在ENVI主界面中依次選擇Toolbox,Band Ratio,Band Math,并輸入表達(dá)式:

(b1 gt 0.7)*1+(b1 lt 0.05)*0+(b1 ge 0.05 and b1 le 0.7)*((b1-0.05)/(0.7-0.05))其中b1選擇為NDVI圖像。

5)選擇輸出路徑與文件名后單擊OK,得到植被覆蓋度圖像。

6)在Band Math中輸入表達(dá)式:0.004*b1+0.986,其中b1選擇為植被覆蓋度圖像。

7)選擇輸出路徑與文件名后單擊OK,得出地表比輻射率圖像。

2.4 黑體輻射亮度與地表溫度計(jì)算

1)依據(jù)式(2),在Band Math里輸入表達(dá)式(以開(kāi)頭2014年9月1日所得大氣參數(shù)結(jié)果為例):

其中b1選擇為地表比輻射率圖像,b2為定標(biāo)后的Band10輻射亮度圖像。

2)選擇輸出路徑與文件名后單擊OK,得出同溫度下的黑體輻射亮度圖像。

3)依據(jù)式(3),在Band Math中輸入表達(dá)式:

其中b1選擇為同溫度下的黑體輻射亮度圖像。

4)選擇輸出路徑與文件名后單擊OK,得到單位為攝氏度的地表溫度圖像。

2.5 結(jié)果輸出

基于研究區(qū)2014年(7月份的數(shù)據(jù)由于云量過(guò)大故不列出)的Landsat-8熱紅外遙感數(shù)據(jù),利用ENVI軟件經(jīng)過(guò)波段運(yùn)算后得出地表溫度反演結(jié)果,進(jìn)行密度分割并將溫度劃分區(qū)間,得出最終的地溫反演圖如圖3～圖10所示,其中的圓圈為溫泉點(diǎn)坐標(biāo)對(duì)應(yīng)位置。

圖3 2014年1月4日地表溫度反演結(jié)果Fig.3 The temperature retrieval image on January 4,2014

圖4 2014年4月10日地表溫度反演結(jié)果Fig.4 The temperature retrieval image on April 10,2014

圖5 2014年5月28日地表溫度反演結(jié)果Fig.5 The temperature retrieval image on May 28,2014

圖6 2014年6月13日地表溫度反演結(jié)果Fig.6 The temperature retrieval image on June 13,2014

圖7 2014年8月16日地表溫度反演結(jié)果Fig.7 The temperature retrieval image on August 16,2014

圖8 2014年9月1日地表溫度反演結(jié)果Fig.8 The temperature retrieval image on September 1,2014

圖9 2014年10月13日地表溫度反演結(jié)果Fig.9 The temperature retrieval image on October 13,2014

圖10 2014年12月6日地表溫度反演結(jié)果 Fig.10 The temperature retrieval image on December 6,20

3 結(jié)果分析

3.1 反演結(jié)果精度分析

驗(yàn)證一個(gè)反演算法需要獲取地面實(shí)測(cè)值或其他標(biāo)準(zhǔn)值,故使用遼寧省氣象局提供的本溪、岫巖、鳳城、遼陽(yáng)、寬甸和丹東地區(qū)歷史氣溫記錄進(jìn)行精度驗(yàn)證。由于篇幅有限,實(shí)驗(yàn)結(jié)果以2014年9月1日為例。此外,筆者還采用MOD11-L2級(jí)地表溫度產(chǎn)品進(jìn)行相對(duì)驗(yàn)證。

MODIS(Moderate Resolution Imaging Spectroradiometer)數(shù)據(jù)的MOD11-L2級(jí)地表溫度產(chǎn)品可用于驗(yàn)證基于Landsat-8反演的地表溫度結(jié)果的精度。該MODIS產(chǎn)品根據(jù)Wan等[21]提出的多通道反演計(jì)算,能同時(shí)反演地表溫度和比輻射率。在晴朗天氣條件下,MODIS溫度產(chǎn)品誤差在1 K以下[22,23]。

由于Landsat-8的空間分辨率是30 m,而MODIS地表溫度產(chǎn)品空間分辨率是1 km,所以Landsat-8溫度反演結(jié)果需重采樣到1 km,以便與MODIS數(shù)據(jù)保持一致。因?yàn)樗螺d的MOD11-L2數(shù)據(jù)存在部分圖像缺失,故選取兩種數(shù)據(jù)共有的研究區(qū)域進(jìn)行分析(東經(jīng)124°～125°,北緯40°～41°)。

表1列出了2014年9月1日的Landsat-8反演結(jié)果、MODIS地表溫度產(chǎn)品反演結(jié)果與遼寧省氣象局查詢的本溪等6個(gè)地區(qū)的最高、最低氣溫的數(shù)據(jù)比較。同時(shí),筆者也采用了最小值、最大值和平均值等統(tǒng)計(jì)指標(biāo)對(duì)反演結(jié)果進(jìn)行評(píng)價(jià),結(jié)果如表2所示。

表1 2014年9月1日兩種數(shù)據(jù)反演結(jié)果與氣象溫度對(duì)比Tab.1 Comparing between two LST retrieval results and the temperature history on September 1,2014 ℃

表2 2014年9月1日Landsat-8反演結(jié)果與MODIS地溫產(chǎn)品對(duì)比統(tǒng)計(jì)表Tab.2 Comparing between the Landsat-8 retrieval results and the MODISLST product on September 1,2014 ℃

從表1中可看出,在相同坐標(biāo)下的Landsat-8反演結(jié)果與MODIS反演結(jié)果的溫度基本相差在4℃左右,都處于遼寧省氣象局提供的當(dāng)日最高溫與最低溫范圍之間。從表2中可看出,雖然兩種結(jié)果的溫度最大值與溫度最小值存在很大差異,但平均溫度基本相差不大,故可認(rèn)為L(zhǎng)andsat-8地溫反演結(jié)果準(zhǔn)確,具有一定的使用價(jià)值。

3.2 反演結(jié)果中高溫區(qū)與溫泉點(diǎn)空間分布對(duì)比

天然溫泉是地殼深部熱水沿活動(dòng)斷層運(yùn)動(dòng)、富集并向上涌出地表形成的,是地?zé)後尫诺闹匾绞街?故溫泉所在地點(diǎn)一定是地?zé)岚l(fā)育地區(qū)。筆者選取了反演結(jié)果中效果最好的8月和9月進(jìn)行驗(yàn)證,發(fā)現(xiàn)大多數(shù)溫泉點(diǎn)坐標(biāo)幾乎都落在反演結(jié)果中的高溫區(qū)范圍內(nèi)。

3.3 誤差分析

1)由于反演時(shí)并沒(méi)有將地表細(xì)致地分為水體、自然表面和城鎮(zhèn)區(qū),所用的參數(shù)都參考為自然表面,故反演結(jié)果中的水體與城鎮(zhèn)應(yīng)該忽略[24,25];

2)由于地表溫度反演結(jié)果會(huì)受云層和植被影響[26],故選擇了受二者影響較少的Landsat-8數(shù)據(jù),但仍然存在一定誤差;

3)由于冬季(如1、2、3月)圖像上存在一定的積雪,故反演結(jié)果存在較大誤差;

4)表2中的兩種數(shù)據(jù)最大值與最小值相差過(guò)大,可能是由于植被覆蓋、波段數(shù)據(jù)缺失等因素導(dǎo)致。

4 結(jié) 論

筆者基于Landsat-8熱紅外遙感數(shù)據(jù)與大氣校正法反演出遼東地?zé)釁^(qū)在2014年的地表溫度,并重點(diǎn)研究反演結(jié)果與已知溫泉點(diǎn)空間分布特征之間的關(guān)聯(lián)性,得出以下結(jié)論。

1)Landsat-8熱紅外遙感數(shù)據(jù)獲取方式簡(jiǎn)單,圖像直觀、形象,覆蓋范圍廣,空間分辨率為30 m,不受通行條件的限制,能滿足快速反演地表溫度的要求。

2)通過(guò)與歷史天氣的對(duì)比,并與地?zé)釁^(qū)內(nèi)已知溫泉點(diǎn)坐標(biāo)的比較,表明反演結(jié)果精度高、可靠性強(qiáng);通過(guò)對(duì)2014年各月份反演結(jié)果對(duì)比發(fā)現(xiàn),8、9月份精度較其他月份更高。因此,可在一定程度上通過(guò)反演結(jié)果中的高溫區(qū)域并結(jié)合地質(zhì)構(gòu)造推斷地?zé)豳Y源的存在。

3)地表溫度反演結(jié)果本身還存在一定誤差,因?yàn)槭艿皆S多因素的影響,如天氣、季節(jié)、當(dāng)?shù)氐匦蔚膹?fù)雜與否、遙感信息本身的波段完整性等,都會(huì)影響反演結(jié)果的精度。

[1]李小文,汪駿發(fā),王錦地,等.多角度與熱紅外對(duì)地遙感[M].北京:科學(xué)出版社,2001.LI Xiaowen,WANG Junfa,WANG Jindi,et al.Multi-Angle and Thermal Infrared Remote Sensing[M].Beijing:Science Press,2001.

[2]連胤卓.地?zé)豳Y源的熱紅外遙感技術(shù)探測(cè)方法研究[D].太原:太原理工大學(xué)礦業(yè)工程學(xué)院,2007.LIAN Yinzhuo.Research on the Exploring Methodology of Thermal Remote Sensing of Terrestrial Heat Resource[D].Taiyuan:College of Mining Engineering,Taiyuan University of Technology,2007.

[3]SOBRINO J A,JIMNEZ-MUOZ J C,PAOLINI L.Land Surface Temperature Retrieval from LANDSAT TM 5[J].Remote Sensing of Environment,2004,90(4):434-440.

[4]LI F,JACKSON T J,KUSTAS W P,et al.Deriving Land Surface Temperature from Landsat 5 and 7 during SMEX02/SMACEX[J].Remote Sensing of Environment,2004,92(4):521-534.

[5]毛克彪,唐華俊,周清波,等.用輻射傳輸方程從MODIS數(shù)據(jù)中反演地表溫度的方法[J].蘭州大學(xué)學(xué)報(bào):自然科學(xué)版,2007(4):12-17.MAO Kebiao,TANG Huajun,ZHOU Qingbo,et al.Retrieving Land Surface Temperature from MODIS Data by Using Radiance Transfer Equation[J].Journal of Lanzhou University:Natural Science Edition,2007(4):12-17.

[6]QIN Z H,ZHANG M,KARNIELI A.Mono-Window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 Data[J].Acta Geographica Sinica,2001,56(4):456-466.

[7]JIMNEZ-MUOZ J C,SOBRINO J A.A Generalized Single-Channel Method for Retrieving Land Surface Temperature from Remote Sensing Data[J].Journal of Geophysical Research Atmospheres,2003,108(22):2015-2023.

[8]周紀(jì),李京,趙祥,等.用HJ-1B衛(wèi)星數(shù)據(jù)反演地表溫度的修正單通道算法 [J].紅外與毫米波學(xué)報(bào),2011,30(1):61-67.ZHOU Ji,LI Jing,ZHAO Xiang,et al.A Modified Single-Channel Algorithm for Land Surface Temperature Retrieval form HJ-1B Satellite Data[J].Journal of Infrared and Millimeter Waves,2011,30(1):61-67.

[9]WAN Z,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.

[10]RI CHANGIN,柳欽火,歷華,等.針對(duì)Terra/MODIS數(shù)據(jù)的改進(jìn)分裂窗地表溫度反演算法 [J].遙感學(xué)報(bào),2013,17(4):830-840.RI CHANGIN,LIU Qiuhuo,LI Hua,et al.Improved Split Window Algorithm to Retrieve LST from Terra/MODISData[J].Journal of Remote Sensing,2013,17(4):830-840.

[11]SOBRINO J A,LI Z L,STOLL M P,et al.Multi-Channel and Multi-Angle Algorithms for Estimating Sea and Land Surface Temperature with ATSR Data[J].International Journal of Remote Sensing,1996,17(11):2089-2114.

[12]GILLESPIE A,ROKUGAWA S,MATSUNAGA T,et al.A Temperature and Emissivity Separation Algorithm for Advanced Spaceborne Thermal Emission and Reflection Radiometer(ASTER)Images[J].IEEE Transactions on Geoscience&Remote Sensing,2002,36(4):1113-1126.

[13]毛克彪,施建成,覃志豪,等.一個(gè)針對(duì)ASTER數(shù)據(jù)同時(shí)反演地表溫度和比輻射率的四通道算法 [J].遙感學(xué)報(bào),2006,10(4):593-599.MAO Kebiao,SHI Jiancheng,QIN Zhihao,et al.A Four-Channel Algorithm for Retrieving Land Surface Temperature and Emissivity from ASTER Data[J].Journal of Remote Sensing,2006,10(4):593-599.

[14]李文慶.遼寧東部地區(qū)地?zé)崽卣骷皫r石放射性生熱對(duì)地?zé)豳Y源潛力的影響 [D].長(zhǎng)春:吉林大學(xué)地球科學(xué)學(xué)院,2015.LI Wenqing.The Influence of Geothermal Features and Radioactive Heat Production of Rocks to Potential of Geothermal Resources in Eastern Area of Liaoning Province[D].Changchun:College of Earth Science,Jilin University,2015.

[15]馮向東,綦巍.遼寧省地?zé)豳Y源潛力及開(kāi)發(fā)利用對(duì)策[J].國(guó)土資源,2008(S1):98-99.FENG Xiangdong,QIWei.Geothermal Resource Potential and Exploitation Countermeasure of Liaoning Province[J].Land&Resources,2008(S1):98-99.

[16]張玉君.Landsat8簡(jiǎn)介 [J].國(guó)土資源遙感,2013,25(1):176-177.ZHANG Yujun.An Introduction about Landat8[J].Remote Sensing for Land&Resources,2013,25(1):176-177.

[17]徐涵秋.新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J].地球物理學(xué)報(bào),2015,58(3):741-747.XU Hanqiu.Retrieval of the Reflectance and Land Surface Temperature of the Newly-Launched Landsat 8 Satellite[J].Chinese Journal of Geophysics,2015,58(3):741-747.

[18]劉廣杰,王金亮.基于TM影像的唐山市城市熱島效應(yīng)研究[J].環(huán)境科學(xué)導(dǎo)刊,2015,34(4):118-122.LIU Guangjie,WANG Jinliang.Research on Urban Heat Island Effect Based on Landsat TM Image of Tangshan City[J].Environmental Science Survey,2015,34(4):118-122.

[19]HELEN M DE KLERK,JASON GILBERTSON,MELANIE LCK-VOGEL,et al.Using Remote Sensing in Support of Environmental Management:A Framework for Selecting Products,Algorithms and Methods[J].Journal of Environmental Management,2016,182:564-573.

[20]徐涵秋.Landsat 8熱紅外數(shù)據(jù)定標(biāo)參數(shù)的變化及其對(duì)地表溫度反演的影響[J].遙感學(xué)報(bào),2016,20(2):229-235.XU Hanqiu.Change of Landsat 8 TIRS Calibration Parameters and Its Effect on Land Surface Temperature Retrieval[J].Journal of Remote Sensing,2016,20(2):229-235.

[21]WAN Zhengming,LI Zhaoliang.A Physics-Based Algorithm for Retrieving-Gland-Surface Emissivity and Temperature from EOS/MODISData[J].IEEE Transaction on Geoscience and Remote Sensing,1997,35(4):980-996.

[22]WAN Zhengming,ZHANG Yuelan.Quality Assessment and Validation of the MODISGlobal Land Surface Temperature[J].International Journal of Remote Sensing,2004,25(1):261-274.

[23]宋挺,段崢,劉軍志,等.Landsat 8數(shù)據(jù)地表溫度反演算法對(duì)比[J].遙感學(xué)報(bào),2015,19(3):451-464.SONG Ting,DUAN Zheng,LIU Junzhi,et al.Comparison of Four Algorithms to Retrieve Land Surface Temperature Using Landsat 8 Satellite[J].Journal of Remote Sensing,2015,19(3):451-464.

[24]賀金鑫,梁曉軍,路來(lái)君,等.內(nèi)蒙古大營(yíng)鈾礦區(qū)高光譜遙感蝕變信息提取[J].吉林大學(xué)學(xué)報(bào):信息科學(xué)版,2017,35(2):153-157.HE Jinxin,LIANG Xiaojun,LU Laijun,et al.Extraction of Hyperspectral Remote Sensing Alteration Information in Daying Uranium Deposit Inner Mongolia[J].Journal of Jilin University:Information Science Edition,2017,35(2):153-157.

[25]馬馨宏,郭樹(shù)旭.高光譜遙感圖像的稀疏分解與壓縮感知[J].吉林大學(xué)學(xué)報(bào):理學(xué)版,2015,53(4):767-772.MA Xinhong,GUO Shuxu.Compressed Sensing and Sparse Decomposition of Hyperspectral Remote Sensing Images[J].Journal of Jilin University:Science Edition,2015,53(4):767-772.

[26]LIU J,LIU Y.Hyperspectral Remote Sensing Images Terrain Classification in DCT SRDA Subspace[J].Journal of China Universities of Posts&Telecommunications,2015,22(1):65-71.