全球地表熱輻射特性數(shù)據(jù)集構(gòu)建技術(shù)研究

李婷 王國(guó)軍 李勁東 高人杰,3 吳明軒 曹京

全球地表熱輻射特性數(shù)據(jù)集構(gòu)建技術(shù)研究

李婷1王國(guó)軍2李勁東1高人杰2,3吳明軒1曹京1

（1 中國(guó)空間技術(shù)研究院遙感衛(wèi)星總體部，北京 100094）（2 中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100094）（3 中科衛(wèi)星應(yīng)用德清研究院，湖州 313000）

紅外遙感成像主要采集地表熱輻射特性，具有觀測(cè)對(duì)象動(dòng)態(tài)范圍廣、能量時(shí)空變化度高等特點(diǎn)。為實(shí)現(xiàn)高像質(zhì)、高效率的紅外遙感觀測(cè)，迫切需要研究全球地表熱輻射特性的時(shí)空分布規(guī)律，形成衛(wèi)星總體設(shè)計(jì)的重要先驗(yàn)知識(shí)庫(kù)，用于指導(dǎo)衛(wèi)星面向觀測(cè)數(shù)據(jù)質(zhì)量的智能化設(shè)計(jì)。針對(duì)現(xiàn)有的全球地表熱輻射數(shù)據(jù)集時(shí)空覆蓋率較低、缺值較嚴(yán)重的問(wèn)題，文章基于多源衛(wèi)星遙感數(shù)據(jù)，通過(guò)遙感數(shù)據(jù)融合技術(shù)，構(gòu)建較為完備的全球地表熱輻射數(shù)據(jù)集，為星上空間相機(jī)最佳成像參數(shù)自主選取提供有力支撐。

數(shù)據(jù)集修正 地表熱輻射 溫度反演 紅外遙感

0 引言

長(zhǎng)波紅外譜段具有透霧能力強(qiáng)、可全天時(shí)探知物體紅外特性等優(yōu)勢(shì)，常和可見(jiàn)光通道共用以提升衛(wèi)星地物信息獲取能力。目前，遙感衛(wèi)星設(shè)計(jì)正向著多譜段、高分辨率及自主化運(yùn)行方向發(fā)展[1]。衛(wèi)星自主、精確地設(shè)置可見(jiàn)光與紅外譜段的成像參數(shù)，可提高遙感數(shù)據(jù)的質(zhì)量，并大幅降低其運(yùn)行控制復(fù)雜度。由于空間相機(jī)紅外通道的入瞳信號(hào)與地表物體的溫度、發(fā)射率等特性密不可分，且具有動(dòng)態(tài)范圍廣、能量時(shí)空變化度高等特點(diǎn)，全球地表熱輻射特性信息庫(kù)的建立，可以為星上空間相機(jī)紅外通道的入瞳輻射量信號(hào)自主估計(jì)和最佳成像參數(shù)選取提供有力支撐。

地表溫度與發(fā)射率是地表-大氣系統(tǒng)長(zhǎng)波輻射和潛熱通量交換的直接影響因素，是描述區(qū)域和全球尺度上地表能量平衡與水平衡的重要參數(shù)，其時(shí)空變化信息在氣象預(yù)測(cè)、氣候變化、水循環(huán)、地質(zhì)勘探、農(nóng)林監(jiān)測(cè)、城市熱環(huán)境等諸多領(lǐng)域應(yīng)用廣泛[2]。傳統(tǒng)的地面點(diǎn)位測(cè)量方法受制條件多，無(wú)法及時(shí)地完成大面積地表溫度和發(fā)射率獲取，相較之下熱紅外遙感具有空間覆蓋范圍大、可重復(fù)觀測(cè)、受天氣影響小等優(yōu)勢(shì)，是目前獲取地表溫度和發(fā)射率的一個(gè)較為有效的手段[3-5]。但是，現(xiàn)有的全球地表熱輻射數(shù)據(jù)集存在時(shí)空覆蓋率較低、區(qū)域缺值較嚴(yán)重等問(wèn)題，無(wú)法為高分辨率光學(xué)遙感衛(wèi)星面向全球成像范圍的成像參數(shù)智能精控設(shè)計(jì)提供全面、可靠的先驗(yàn)知識(shí)庫(kù)。

因此，本文基于多源衛(wèi)星遙感數(shù)據(jù)，通過(guò)數(shù)據(jù)融合技術(shù)構(gòu)建了一套完整的全球地表熱輻射數(shù)據(jù)集，為星上空間相機(jī)自主選取最佳成像參數(shù)提供了有力支撐。

1 全球地表熱輻射特性數(shù)據(jù)的發(fā)展現(xiàn)狀及存在問(wèn)題

近幾十年來(lái)，國(guó)內(nèi)外已經(jīng)構(gòu)建了多種基于衛(wèi)星遙感數(shù)據(jù)的地表溫度和輻射特性數(shù)據(jù)集。表1中列舉了幾類(lèi)典型地表熱輻射特性數(shù)據(jù)集，內(nèi)容包括數(shù)據(jù)集名稱(chēng)、數(shù)據(jù)集覆蓋范圍、數(shù)據(jù)集空間分辨率和衛(wèi)星數(shù)據(jù)源等基本要素。在上述數(shù)據(jù)集中，目前使用最廣泛的產(chǎn)品是美國(guó)國(guó)家航空航天局發(fā)布的Terra和Aqua衛(wèi)星中分辨率成像光譜儀（Moderate-Resolution Imaging Spectroradiomete，MODIS）的陸表溫度和海表溫度（LST/SST）系列產(chǎn)品。太陽(yáng)同步極軌衛(wèi)星Terra和Aqua上均搭載了具有16個(gè)MIR和TIR通道的MODIS傳感器，全球重訪(fǎng)周期為1～2 d，其數(shù)據(jù)可支持采用多種算法進(jìn)行陸表溫度（Land Surface Temperature，LST）和海表溫度（Sea Surface Temperature，SST）反演[6-8]。MODIS系列產(chǎn)品不僅具有較高的時(shí)空分辨率，還提供了晝、夜數(shù)據(jù)。VIIRS-LST是MODIS系列的繼承產(chǎn)品，作為基于雙黑體算法（Split Window Algorithm，SWA）對(duì)全球17種土地覆蓋類(lèi)型單獨(dú)訓(xùn)練生成的產(chǎn)品，其在熱輻射精度上較普通的MODIS系列產(chǎn)品有明顯提升[9-10]。歐空局的AATSR（Advanced Along-Track Scanning Radiometer）的LST產(chǎn)品與VIIRS-LST相似，都是基于SWA算法對(duì)全球多種土地覆蓋類(lèi)型進(jìn)行訓(xùn)練的產(chǎn)品[11]。英國(guó)萊斯特大學(xué)基于AATSR產(chǎn)品升級(jí)得到了分辨率更高的SLSTR（Sea and Land Surface Temperature Radiometer）產(chǎn)品[12]。歐洲氣象衛(wèi)星組織的SEVIRI-LST是基于地球同步軌道衛(wèi)星數(shù)據(jù)的產(chǎn)品，其時(shí)間分辨率為15 min，空間分辨率為3 km[13]。除此之外，還有融合NOAA-AVHRR數(shù)據(jù)和MODIS數(shù)據(jù)生產(chǎn)的GLASS產(chǎn)品，具有更高的時(shí)空分辨率[14]。雖然VIIRS-LST、AATSR、SLSTR、SEVIRI-LST和GLASS（Global Land Surface Satellite）等產(chǎn)品均具有較高的數(shù)據(jù)精度和時(shí)空分辨率，但是數(shù)據(jù)覆蓋范圍在海洋區(qū)域存在大量缺失。目前，全球海洋表面熱輻射特性數(shù)據(jù)集正快速發(fā)展，日本的GCOM-W（Global Change Observation Mission-Water）產(chǎn)品使用先進(jìn)微波掃描輻射計(jì)數(shù)據(jù)進(jìn)行反演，分辨率達(dá)到250 m（星下點(diǎn)）/1.4 km（遠(yuǎn)距點(diǎn)）。同時(shí)，中國(guó)氣象局的風(fēng)云系列衛(wèi)星攜帶多光譜可見(jiàn)光紅外掃描輻射儀，可以獲取晝夜可見(jiàn)光、紅外云圖，以及冰雪覆蓋、植被、海洋水色、海面溫度[15]等資料。

表1 現(xiàn)有地表熱輻射特性數(shù)據(jù)集的基本情況

Tab.1 Basic information about the existing data sets of surface thermal radiation characteristics

注：1）數(shù)據(jù)特點(diǎn)A為未完全覆蓋全球陸地；B為未完全覆蓋全球海洋；C為無(wú)海洋和北極區(qū)域數(shù)據(jù)；D為多云層覆蓋；E為無(wú)晝夜產(chǎn)品數(shù)據(jù)。

經(jīng)分析，這些數(shù)據(jù)集存在3點(diǎn)不足：1）大部分地表熱輻射特性數(shù)據(jù)集時(shí)空覆蓋率低，雖然數(shù)據(jù)集時(shí)間分辨率為1 d，但僅覆蓋大部分陸地區(qū)域，極地和海洋區(qū)域數(shù)據(jù)存在大量空缺，是“偽全球”數(shù)據(jù)集；2）這些數(shù)據(jù)集產(chǎn)品不具備全球任意月份、任意區(qū)域完全覆蓋的晝夜數(shù)據(jù)；3）這些數(shù)據(jù)集數(shù)據(jù)全球平均約65%的表面積被云層覆蓋，導(dǎo)致熱紅外遙感影像中出現(xiàn)大面積非均勻分布缺值[4]，不能直接滿(mǎn)足衛(wèi)星總體設(shè)計(jì)要求。由于云層覆蓋頻繁且位置隨機(jī)，云覆蓋下地表溫度的重建技術(shù)難度極大，難以通過(guò)技術(shù)手段檢測(cè)的薄云會(huì)引入云頂亮溫或附加了云效應(yīng)后的亮溫值，導(dǎo)致無(wú)法完全獲取真實(shí)地表信息。

因此，基于海量遙感數(shù)據(jù)，利用遙感數(shù)據(jù)融合方法構(gòu)建一套面向全球尺度、逐月高精度晝夜地表熱輻射數(shù)據(jù)集，具有重要的意義。

2 全球地表熱輻射特性數(shù)據(jù)集構(gòu)建方法

面向光學(xué)遙感衛(wèi)星對(duì)全球任意區(qū)域成像的在軌任務(wù)需求，服務(wù)于星上自主成像參數(shù)智能精控設(shè)計(jì)，需要一套時(shí)空覆蓋性完備的全球地表輻射數(shù)據(jù)集作為先驗(yàn)知識(shí)庫(kù)，實(shí)現(xiàn)星上載荷面向觀測(cè)區(qū)域動(dòng)態(tài)范圍進(jìn)行成像參數(shù)的場(chǎng)景自適應(yīng)匹配，從而提升觀測(cè)圖像像質(zhì)。

2.1 數(shù)據(jù)集架構(gòu)設(shè)計(jì)

面向地表熱輻射特性研究的需求，本文構(gòu)建的全球地表特性數(shù)據(jù)集包括全球地表溫度數(shù)據(jù)集、全球地表發(fā)射率數(shù)據(jù)集和全球地表輻射量數(shù)據(jù)集，組成見(jiàn)圖1。其中全球地表輻射量數(shù)據(jù)集是基于全球地表溫度數(shù)據(jù)集和全球地表發(fā)射率數(shù)據(jù)集通過(guò)數(shù)據(jù)融合技術(shù)構(gòu)建。各個(gè)數(shù)據(jù)集的地表熱輻射特性數(shù)據(jù)均基于長(zhǎng)波紅外譜段。

圖1 全球地表特性數(shù)據(jù)集組成

本文構(gòu)建的全球地表溫度數(shù)據(jù)集有如下技術(shù)特點(diǎn)：1）全球覆蓋性——包括陸地和海洋，將全球表面進(jìn)行柵格剖分，柵格粒度為0.05°×0.05°；2）時(shí)間完整性——包括1～12月的數(shù)據(jù)，且包含晝夜兩套數(shù)據(jù)；3）無(wú)云層干擾——均為有效值，不包含云層覆蓋導(dǎo)致的無(wú)效值。全球地表輻射量數(shù)據(jù)集是基于全球地表溫度數(shù)據(jù)集和全球地表發(fā)射率數(shù)據(jù)集，由灰體輻射理論計(jì)算而來(lái)。

2.2 數(shù)據(jù)反演方法

（1）地表溫度數(shù)據(jù)反演方法

本文中地表溫度和海面溫度均采用劈窗反演方法算得。其中，地表溫度產(chǎn)品反演算法為Wan-Dozier廣義劈窗算法，海面溫度產(chǎn)品反演算法為“邁阿密”探路者海表面溫度算法。

MODIS地表溫度產(chǎn)品MOD11_L2所采用的算法為Wan-Dozier廣義劈窗算法，是Wan等提出的一種針對(duì)MODIS數(shù)據(jù)的全視角劈窗算法[16-17]。該算法是基于不同入射觀測(cè)角度、不同水汽含量、不同大氣下界溫度、不同地表溫度和大氣下界溫度差值范圍下的精確觀測(cè)數(shù)據(jù)，采用回歸分析擬合得到劈窗算法系數(shù)查找表，通過(guò)查找表獲得反演算法所需系數(shù)，進(jìn)而實(shí)現(xiàn)對(duì)LST的反演。該算法已成熟應(yīng)用多年，具備廣泛的代表性。地表溫度s具體計(jì)算公式為

式中31和32分別為MODIS通道31和32波段亮度溫度；為兩通道地表比輻射率（也稱(chēng)地表發(fā)射率）平均值，即=(31+32)/2；Δ為兩個(gè)波段的地表比輻射率的差值，即Δ=31–32；1～3、1～3、均為算法系數(shù)，可在算法所提供的系數(shù)查找表中查找獲得。波段亮度溫度由Planck函數(shù)的逆函數(shù)求取，計(jì)算公式為

式中T為波段的亮度溫度；I為波段表觀輻亮度，由MODIS波段DN值定標(biāo)得到；λ為波段有效中心波長(zhǎng)，31和32兩個(gè)波段對(duì)應(yīng)的中心波長(zhǎng)分別為11.03 μm和12.02 μm；1和2分別為常量，其中1=1.191 043 56×10–16W·m2，2=1.438 768 5×104μm·K。

MODIS的SST反演算法由NOAA/AVHRR的SST算法發(fā)展而來(lái)，屬于一種非線(xiàn)性多通道結(jié)構(gòu)。該算法通過(guò)運(yùn)用通道32與通道31的亮溫溫差進(jìn)行大氣校正，以剔除大氣衰減的影響。海洋表面溫度SST反演的具體公式為

式中為衛(wèi)星天頂角；32-31代表MODIS通道32與通道31的亮溫溫差。1～4為算法系數(shù)，具體取值情況為：1）當(dāng)32-31<0.7時(shí)，1=1.228 552，2=0.957 655 5，3=0.118 219 6，4=1.774 631；2）當(dāng)32-31≥0.7時(shí)，1=1.692 521，2=0.955 841 95，3=0.087 375 4，4=1.199 584。

（2）地表發(fā)射率數(shù)據(jù)反演方法

針對(duì)發(fā)射率數(shù)據(jù)的處理，本文利用ASTER地表發(fā)射率數(shù)據(jù)產(chǎn)品采用式（4）來(lái)生產(chǎn)長(zhǎng)波波段的發(fā)射率數(shù)據(jù)。

（3）地表輻亮度數(shù)據(jù)反演方法

針對(duì)長(zhǎng)波波段輻亮度，本文基于以上全球地表溫度數(shù)據(jù)和全球地表發(fā)射率數(shù)據(jù)，利用普朗克定理計(jì)算出全球尺度逐月的晝夜長(zhǎng)波輻亮度數(shù)據(jù)。

2.3 數(shù)據(jù)集構(gòu)建流程

在構(gòu)建數(shù)據(jù)集的過(guò)程中，需重點(diǎn)解決如何綜合多源衛(wèi)星遙感數(shù)據(jù)來(lái)改進(jìn)現(xiàn)有全球地表數(shù)據(jù)時(shí)空覆蓋性不足的問(wèn)題。針對(duì)這一難題，本文首先以2016—2020年MODIS衛(wèi)星的所有可用的LST數(shù)據(jù)和SST數(shù)據(jù)為基礎(chǔ)，采用一種多時(shí)相數(shù)據(jù)時(shí)空融合方法，形成一套完整的全球地表溫度數(shù)據(jù)集。實(shí)際工作中，可進(jìn)一步以此溫度數(shù)據(jù)集為基礎(chǔ)，結(jié)合全球地表發(fā)射率數(shù)據(jù)集，采用灰體輻射計(jì)算方法構(gòu)建完備的全球地表輻射量數(shù)據(jù)集。全球地表溫度數(shù)據(jù)集構(gòu)建的具體流程如圖2所示。

圖2 全球地表溫度數(shù)據(jù)構(gòu)建流程

本文采用的數(shù)據(jù)源為MOD11A2（MODIS地表溫度數(shù)據(jù)）和L3SMI（MODIS海洋溫度數(shù)據(jù)）。其中，MOD11A2數(shù)據(jù)空間分辨率為1 km，每個(gè)像素值是8 d收集的所有相應(yīng)像素的平均值，并提供了與白天和夜間地表溫度相關(guān)的質(zhì)量控制評(píng)估、觀測(cè)時(shí)間、視角天頂角、晴天覆蓋率以及31和32波段的發(fā)射率等數(shù)據(jù)。L3SMI包括白天和夜晚的海面溫度數(shù)據(jù)，分辨率為4.4 km，數(shù)據(jù)時(shí)間間隔為8 d，即一年有46個(gè)時(shí)間間隔的溫度數(shù)據(jù)，2016—2020年期間共計(jì)有230 d的溫度數(shù)據(jù)。全球地表溫度數(shù)據(jù)庫(kù)構(gòu)建主要包括如下5個(gè)步驟。

1）LST與SST數(shù)據(jù)多時(shí)相加權(quán)融合處理，剔除云影響的空值數(shù)據(jù)。地表溫度數(shù)據(jù)由于受到云層的影響，會(huì)出現(xiàn)較多的無(wú)效值。因此，將LST數(shù)據(jù)和SST數(shù)據(jù)的白天和夜晚數(shù)據(jù)分別按照式（5）進(jìn)行多時(shí)相加權(quán)融合處理，將5年數(shù)據(jù)融合平均為1年的數(shù)據(jù)，以減少云層無(wú)效值的影響。

2）SST數(shù)據(jù)重采樣，統(tǒng)一海陸空間分辨率，再進(jìn)行海陸數(shù)據(jù)拼接得到全球范圍溫度數(shù)據(jù)。LST數(shù)據(jù)與SST數(shù)據(jù)空間分辨率不同（LST數(shù)據(jù)分辨率為1 km，SST數(shù)據(jù)分辨率為4 km），故本文對(duì)SST數(shù)據(jù)進(jìn)行空間重采樣，使其空間分辨率與LST數(shù)據(jù)相同。為了完成準(zhǔn)確拼接，根據(jù)式（6），采用最近鄰插值法，得到1 km分辨率的全球海面溫度數(shù)據(jù)SST，拼接后即可得到包括海洋和陸地的全球地表溫度數(shù)據(jù)拼接圖。

式中與為目標(biāo)圖像的某個(gè)像素的橫縱坐標(biāo)；w與h為目標(biāo)圖像的寬度與高度；w與h為原圖像的寬度與高度；（,）為目標(biāo)圖像在該點(diǎn)(,）對(duì)應(yīng)的原圖像的坐標(biāo)。

3）中緯度缺值區(qū)域插值處理。中緯度（60°N～60°S）區(qū)間的缺值區(qū)域一般為海洋與陸地交接處，或是受云層因素影響的缺值處。這些缺值可采用最近鄰插值法進(jìn)行補(bǔ)充，使得兩種數(shù)據(jù)空間分辨率保持一致，再采用相鄰非缺失值線(xiàn)性插值處理，使得插值數(shù)據(jù)更接近真值。

4）北極及附近區(qū)域插值處理。北極及附近區(qū)域采用最鄰近插值方法時(shí)，由于海陸邊界隨季節(jié)而變化，會(huì)使邊界約束條件出現(xiàn)缺失，進(jìn)而導(dǎo)致插值結(jié)果較差。因此，本文采用與北極季節(jié)相差6個(gè)月的南極溫度數(shù)據(jù)來(lái)進(jìn)行北極數(shù)據(jù)插值處理。具體方法為：對(duì)于北極及附近區(qū)域，首先按照緯度遞增原則，逐像元搜索第一次出現(xiàn)有效值的點(diǎn)位，記錄其經(jīng)緯度；然后，搜索南極區(qū)域與該點(diǎn)位緯度關(guān)于赤道對(duì)稱(chēng)的點(diǎn)位的溫度值，兩者溫度差值|Δ|≤0.5 K時(shí)，即可認(rèn)為該緯度變化與待補(bǔ)缺值區(qū)域的溫度相近，可用于估計(jì)北極缺值區(qū)域的溫度數(shù)據(jù)，待補(bǔ)區(qū)域的溫度值計(jì)算過(guò)程如式（7）所示

北極區(qū)域經(jīng)過(guò)以上插值處理后，部分區(qū)域仍然會(huì)出現(xiàn)缺值且相同緯度溫度差異較大的問(wèn)題。鑒于北極區(qū)域均為海洋或海冰，且同緯度區(qū)域溫度相差不大，故用同緯度的均值填充缺少的溫度數(shù)據(jù)，將北極區(qū)域溫度值進(jìn)行重新賦值。不斷重復(fù)以上步驟，直至沒(méi)有缺值區(qū)域?yàn)橹埂?/p>

5）月度數(shù)據(jù)生成。在得到全球范圍1 km分辨率、全年46個(gè)時(shí)間間隔的晝夜溫度數(shù)據(jù)之后，可根據(jù)使用需求，將數(shù)據(jù)在空間和時(shí)間兩個(gè)維度進(jìn)行聚合，從而降低數(shù)據(jù)量。對(duì)于時(shí)間維度，需要按照同月份數(shù)據(jù)進(jìn)行均值融合；對(duì)于空間維度，由于原有數(shù)據(jù)分辨率為1 km，若要實(shí)現(xiàn)5 km的數(shù)據(jù)分辨率，則需在經(jīng)度和緯度兩個(gè)方向均進(jìn)行5倍聚合。最終，生成全球范圍內(nèi)5 km分辨率、12個(gè)月的晝夜溫度數(shù)據(jù)。

2.4 數(shù)據(jù)存儲(chǔ)及調(diào)用方法

本文采用文件系統(tǒng)來(lái)存儲(chǔ)與管理全球地表輻射反射特性數(shù)據(jù)集GST，該數(shù)據(jù)集格網(wǎng)大小為0.05°×0.05°（約5 km′5 km）。將全球表面按照網(wǎng)格剖分，可以表示為一個(gè)二維矩陣，矩陣的每一元素存儲(chǔ)該網(wǎng)格在某條件下的特性數(shù)據(jù)值，可較好地保持?jǐn)?shù)據(jù)之間的空間拓?fù)潢P(guān)系。

（1）數(shù)據(jù)索引方式

以（–180°, 90°）作為基點(diǎn)，對(duì)經(jīng)緯度坐標(biāo)系中任意一點(diǎn)(,），其中∈[–180°, 180°），∈(–90°, 90°]，則對(duì)應(yīng)網(wǎng)格的列號(hào)和行號(hào)可分別表示為

=floor[(+180°)/0.05°]（8）

=floor[(–90°)/0.05°]（9）

式中 floor[·]函數(shù)表示向下取整操作。當(dāng)=180°時(shí)，取=7 199；當(dāng)=–90°時(shí)，取=3 599。

根據(jù)網(wǎng)格的行列號(hào)、，其地表特性數(shù)據(jù)存儲(chǔ)位置索引（偏移量）可表示為

=(×7200+)×2（10）

（2）數(shù)據(jù)存儲(chǔ)方式

溫度數(shù)據(jù)一般在200～350 K范圍，保留小數(shù)點(diǎn)后兩位精度。發(fā)射率數(shù)值一般在0～1之間，保留小數(shù)點(diǎn)后4位精度。輻亮度數(shù)據(jù)一般在0～50 W·sr–1·m–2內(nèi)，保留小數(shù)點(diǎn)后3位精度。數(shù)據(jù)集存儲(chǔ)數(shù)據(jù)信息量如表2所示。

表2 全球地表熱輻射特性數(shù)據(jù)集存儲(chǔ)空間數(shù)據(jù)統(tǒng)計(jì)

Tab.2 Summary of storage space of global surface thermal radiation characteristic data set

（3）數(shù)據(jù)集文件存儲(chǔ)及訪(fǎng)問(wèn)方式

數(shù)據(jù)查詢(xún)時(shí)需要根據(jù)成像范圍、成像月份和成像時(shí)間（白天、夜晚），從全球地表熱輻射特性數(shù)據(jù)集中提取所需的溫度、發(fā)射率、輻亮度。

3 數(shù)據(jù)結(jié)果及分析

3.1 全球地表熱輻射特性數(shù)據(jù)集構(gòu)建結(jié)果

本文利用以上方法構(gòu)建了一套全球地表熱輻射特性數(shù)據(jù)集。全球地表溫度數(shù)據(jù)集包括12個(gè)月的晝、夜兩套地表溫度數(shù)據(jù)，其中1月份白天的全球地表溫度數(shù)據(jù)如圖3所示。全球地表發(fā)射率數(shù)據(jù)集包括了12個(gè)月的地表發(fā)射率數(shù)據(jù)，其中1月份全球地表長(zhǎng)波紅外發(fā)射率數(shù)據(jù)見(jiàn)圖4（為了顯示效果，剔除了海面數(shù)據(jù)）。全球長(zhǎng)波輻亮度數(shù)據(jù)集包括了12個(gè)月的晝、夜兩套地表長(zhǎng)波輻亮度數(shù)據(jù)，其中1月份白天的全球長(zhǎng)波紅外輻亮度數(shù)據(jù)如圖5所示。

圖3 1月份白天全球地表溫度數(shù)據(jù)

圖4 1月份全球地表長(zhǎng)波紅外發(fā)射率數(shù)據(jù)

圖5 1月份白天全球長(zhǎng)波紅外輻亮度數(shù)據(jù)

3.2 地表溫度數(shù)據(jù)融合效果對(duì)比分析

為了進(jìn)一步說(shuō)明本文采用的多時(shí)相數(shù)據(jù)融合方法的效果，選取了全球1月份白天和夜晚的地表溫度數(shù)據(jù)進(jìn)行對(duì)比分析，評(píng)價(jià)數(shù)據(jù)融合前后的效果。此外，針對(duì)澳大利亞所在的完整大陸地區(qū)域的地表溫度數(shù)據(jù)進(jìn)行了定量評(píng)價(jià)。

圖6展示了1月份白天和夜晚全球范圍陸地表面溫度融合前后結(jié)果，其中，紅色為無(wú)效值范圍，綠色為正常有效數(shù)據(jù)范圍，其他為海洋。可以很明顯看出，融合后的數(shù)據(jù)，無(wú)效值明顯減少，大片的無(wú)效區(qū)域都被融合補(bǔ)充。

圖6 全球范圍陸地表面溫度融合前后結(jié)果對(duì)比

圖7和圖8分別為1月份白天、夜晚全球范圍陸地區(qū)域融合前后統(tǒng)計(jì)結(jié)果隨緯度變化的趨勢(shì)。從緯度和經(jīng)度兩個(gè)維度對(duì)統(tǒng)計(jì)結(jié)果進(jìn)行分析，可以看出：1）融合前，北緯60°區(qū)域、赤道至南緯30°之間區(qū)域的無(wú)效值非常多，特別是赤道—南緯30°范圍的南美洲、非洲、大洋洲都出現(xiàn)了大片的缺值區(qū)域；經(jīng)過(guò)多時(shí)相融合后，缺值情況得到大幅改善，僅在北極、北緯30°、赤道附近出現(xiàn)少量的無(wú)效值，這些空缺值可以通過(guò)后續(xù)的空間插值得到進(jìn)一步補(bǔ)充，直至無(wú)效值完全被有效數(shù)據(jù)補(bǔ)充完為止。2）融合前，白天缺值數(shù)量較大的區(qū)域主要分布在西經(jīng)72°，東經(jīng)36°、108°、144°附近，夜晚缺值量較大的區(qū)域主要分布在西經(jīng)72°附近、東經(jīng)36°、東經(jīng)144°至180°之間，無(wú)效值數(shù)量較多；融合后，晝夜無(wú)效值區(qū)域均大幅減少，其中夜晚數(shù)據(jù)中在西經(jīng)72°、東經(jīng)144°附近（亞馬遜雨林）有大片缺值區(qū)域，由于該區(qū)域?yàn)闊釒в炅值貐^(qū)，地表均勻性較好，本文采用鄰近空間插值方法對(duì)該區(qū)域進(jìn)行補(bǔ)充，進(jìn)而構(gòu)建出完整的全球地表溫度數(shù)據(jù)。

為了定量評(píng)估本文數(shù)據(jù)融合方法的效果，本文選取澳大利亞1月份晝、夜地表溫度融合前后的結(jié)果（見(jiàn)圖9）進(jìn)行定量對(duì)比分析，其中白色區(qū)域?yàn)闊o(wú)效值范圍。由圖9可以看出，融合前在澳洲北部存在大面積連片缺值情況，晝、夜無(wú)效值面積占比分別約為26.46%和26.06%，在融合后僅存少部分稀疏的缺值區(qū)域，晝、夜無(wú)效值面積占比分別為0.11%和0.09%，無(wú)效值面積較融合前減少了26.35%和25.97%。具體統(tǒng)計(jì)結(jié)果見(jiàn)表3。

圖7 1月份白天全球范圍陸地融合前后結(jié)果統(tǒng)計(jì)

圖8 1月份夜晚全球范圍陸地融合前后結(jié)果統(tǒng)計(jì)

圖9 1月份澳大利亞溫度數(shù)據(jù)融合前后結(jié)果對(duì)比

表3 澳大利亞白天和夜晚溫度數(shù)據(jù)融合前后結(jié)果統(tǒng)計(jì)

Tab.3 Statistics of day and night temperature data in Australia before and after fusion

4 結(jié)束語(yǔ)

本文基于多源衛(wèi)星遙感數(shù)據(jù)，通過(guò)數(shù)據(jù)多時(shí)相融合技術(shù)構(gòu)建了全球地表溫度數(shù)據(jù)集、全球地表長(zhǎng)波紅外發(fā)射率數(shù)據(jù)集和全球地表輻射量數(shù)據(jù)集。數(shù)據(jù)集的地表尺度網(wǎng)格大小為0.05°×0.05°（約5km′5 km）。在數(shù)據(jù)集的時(shí)間尺度上，以全年12個(gè)月進(jìn)行晝夜劃分。本文所述的數(shù)據(jù)集構(gòu)建是衛(wèi)星數(shù)據(jù)質(zhì)量智能化發(fā)展中的一項(xiàng)重要工作，通過(guò)該項(xiàng)成果可對(duì)全球地表的熱輻射特性變化規(guī)律進(jìn)行較為全面的統(tǒng)計(jì)分析，其數(shù)據(jù)分析結(jié)果可與空間相機(jī)設(shè)計(jì)參數(shù)、實(shí)驗(yàn)室輻射定標(biāo)數(shù)據(jù)相結(jié)合，為開(kāi)展空間相機(jī)紅外通道成像參數(shù)自主設(shè)置策略研究及方案設(shè)計(jì)提供數(shù)據(jù)支撐。

[1] 李勁東. 衛(wèi)星遙感技術(shù)[M]. 北京: 北京理工大學(xué)出版社, 2018.LI Jindong. Satellite Remote Sensing Technologies[M]. Beijing: Beijing Institute of Technology Press, 2018. (in Chinese)

[2] 楊以坤,歷華,孫林,等.高分五號(hào)全譜段光譜成像儀地表溫度與發(fā)射率反演[J]. 遙感學(xué)報(bào), 2019, 32(6): 1132-1146.YANG Yikun, LI hua, SUN lin, et al. Land Surface Temperature and Emissivity Separation From GF-5 Visual and Infrared Multispectral Imager Data[J]. Journal of Remote Sensing, 2019, 32(6): 1132-1146. (in Chinese)

[3] 張?jiān)氏? 李新, 韋瑋, 等. 基于多通道溫度與發(fā)射率分離算法的敦煌場(chǎng)地紅外特性研究[J]. 光學(xué)學(xué)報(bào), 2019, 39(10): 1028003-1-9.ZHANG Yunxiang, LI Xin, WEI Wei, et al. Infrared Characteristics of Dunhuang Site Based on Multichannel Temperature and Emissivity Separation Algorithm[J]. Acta Optica Sinica, 2019, 39(10): 1028003-1-9. (in Chinese)

[4] 馬晉, 周紀(jì), 劉紹民, 等. 衛(wèi)星遙感地表溫度的真實(shí)性檢驗(yàn)研究進(jìn)展[J]. 地球科學(xué)進(jìn)展, 2017, 32(6): 615-629.MA Jin, ZHOU Ji, LIU Shaomin, et al. Review on Validation of Remotely Sensed Land Surface Temperature[J]. Advaces in Earth Science, 2017, 32(6): 615-629. (in Chinese)

[5] 李新, 晉銳, 劉紹民, 等. 黑河遙感試驗(yàn)中尺度上推研究的進(jìn)展與前瞻[J]. 遙感學(xué)報(bào), 2016, 20(5): 921-932.LI Xin, JIN Rui, LIU Shaomin, et al. Upscaling Research in HiWATER: Progress and Prospects[J]. Journal of Remote Sensing, 2016, 20(5): 921-932. (in Chinese)

[6] 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.

[7] WAN Z, 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.

[8] HULLEY G C, HOOK S J. Generating Consistent Land Surface Temperature and Emissivity Products between ASTER and MODIS Data for Earth Science Research[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(4): 1304-1315.

[9] SUN D L, PINKER R T. Estimation of Land Surface Temperature from a Geostationary Operational Environmental Satellite (GOES-8)[J]. Journal of Geophysical Research, 2003(6): 4-13.

[10] YU Y, PRIVETTE J L, PINHEIRO A C. Analysis of the NPOESS VIIRS Land Surface Temperature Algorithm Using MODIS Data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005(10): 2340-2350.

[11] PRATA F. Land Surface Temperature Measurement from Space: AATSR Algorithm Theoretical Basis Document[R]. Contract Report to ESA, 2002: 1-34.

[12] GHENT D J, CORLETT G K, GOTTSCHE F M, et al. Global Land Surface Temperature from the Along-track Scanning Radiometers[J]. Journal of Geophysical Research: Atmospheres, 2017(10): 12167-12193.

[13] TRIGO I F, MONTEIOR I T, LESEN F, et al. An Assessment of Remotely Sensed Land Surface Temperature[J]. Journal of Geophysical Research, 2008(9): D17108 1-12.

[14] ZHOU J, LIANG S, CHENG J, et al. The GLASS Land Surface Temperature Product[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019(2): 493-507.

[15] WANG S, CUI P, ZHANG P, et al. FY-3C/VIRR SST Algorithm and Cal/val Activities at NSMC/CMA[J]. Ocean Remote Sensing and Monitoring from Space, 2014(12): 214-222.

[16] BECKER F, LI Z. Towards a Local Split Window Method over Land Surfaces[J]. Internation Journal of Remote Sensing, 1990(3): 369-393.

[17] 張永紅, 陳瀚閱, 陳宜金, 等. 基于Landsat-8/TIRS的紅沿河核電基地海表溫度反演算法比對(duì)[J]. 航天返回與遙感, 2015, 36(5): 96-104.ZHANG Yonghong, CHEN Hanyue, CHEN Yijin, et al. Comparative Study on Sea Surface Temperature Retrieval Methods of Hongyanhe Nuclear Power Plant Based on Landsat-8/TIRS[J]. Spacecraft Recovery & Remote Sensing, 2015, 36(5): 96-104. (in Chinese)

Construction of Global Surface Thermal Radiation Dataset

LI Ting1WANG Guojun2LI Jindong1GAO Renjie2,3WU Mingxuan1CAO Jing1

(1 Institute of Remote Sensing Satellite, China Academy of Space Technology, Beijing 100094, China) (2 Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China) (3 Deqing Academy of Satellite Applications, Huzhou 313000, China)

Multispectral high-resolution remote imaging is an important topic in remote sensing satellite design. Infrared remote imaging, which mainly acquires surface thermal radiation, owning the characteristics of wide-dynamic-range sensing, high temporal-spatial variation of energy, etc, is different from traditional visible light remote sensing, which utilize surface energy reflection. The spatiotemporal distribution of global surface thermal radiation is a surging research topic for system design of satellite to use infrared remote sensing with high image quality and high proficient, directing intelligent design of the quality of satellite observation data. Aiming at the problems of low spatiotemporal coverage and serious values missing in existing global surface thermal radiation datasets, this paper constructs a new global surface thermal radiation dataset based on multi-source satellite remote sensing data and remote sensing data fusion technology. The dataset can provide strong support for the automatic selection of the best imaging parameters of the space camera onboard.

dataset refinement; surface thermal radiation; temperature inversion; infrared remote sensing

V1

A

1009-8518(2023)04-0058-11

10.3969/j.issn.1009-8518.2023.04.007

2022-09-18

李婷, 王國(guó)軍, 李勁東, 等. 全球地表熱輻射特性數(shù)據(jù)集構(gòu)建技術(shù)研究[J]. 航天返回與遙感, 2023, 44(4): 58-68.

LI Ting,WANG Guojun,LI Jindong, et al. Construction of Global Surface Thermal Radiation Dataset[J]. Spacecraft Recovery & Remote Sensing, 2023, 44(4): 58-68. (in Chinese)

李婷，女，1983年生，2010年獲北京理工大學(xué)光學(xué)工程專(zhuān)業(yè)博士學(xué)位，高級(jí)工程師。研究方向?yàn)檫b感衛(wèi)星總體設(shè)計(jì)。E-mail：liting20011@sina.com。

（編輯：夏淑密）