资源与生态学报(英文版)
資源與生態學報(英文版)
자원여생태학보(영문판)
JOURNAL OF RESOURCES AND ECOLOGY
2014年
3期
253-262
,共10页
范娜%谢高地%李文华%张雅京%张昌顺%李娜
範娜%謝高地%李文華%張雅京%張昌順%李娜
범나%사고지%리문화%장아경%장창순%리나
空气温度%地表温度%MODIS%时序分析%回归分析
空氣溫度%地錶溫度%MODIS%時序分析%迴歸分析
공기온도%지표온도%MODIS%시서분석%회귀분석
air temperature%land surface temperature%MODIS%spatio-temporal analysis%regression
空气温度是一个非常重要的气候变量,通常由气象台站观测获得。对其时空特征的精确估算是很多模型的基础,但是由于台站分布密度的不均和研究区复杂的地形,往往使其空间化的结果较差。目前,随着遥感技术的发展,使用热红外遥感数据估算的地表温度,结合地面观测数据,建立回归模型可以提高区域空气温度估算的精度。由于云和其它大气因素会影响遥感反演的地表温度数据结果,因此本研究本文将2001-2010年的LST历史数据作为先验知识,用以建立LST背景库,并提出了基于LST背景库的Savitzky-Golay(SG)滤波算法来实现LST时间序列数据的重建工作。将重建后的 LST 与研究区12个气象站空气温度数据进行了时序分析和回归分析,结果表明在月尺度合成序列上LST-TA的一致性较好,且具有非常好的线性相关关系,80%的台站的决定系数高于0.5。通过对比分析发现,加入植被指数(NDVI)的各月空气温度回归模型比直接用LST建立的回归模型精度更高。因此,本研究使用LST-NDVI模型对澜沧江流域2010年12个月份的空气温度进行空间化制图,并分析了其年内时空格局特征。
空氣溫度是一箇非常重要的氣候變量,通常由氣象檯站觀測穫得。對其時空特徵的精確估算是很多模型的基礎,但是由于檯站分佈密度的不均和研究區複雜的地形,往往使其空間化的結果較差。目前,隨著遙感技術的髮展,使用熱紅外遙感數據估算的地錶溫度,結閤地麵觀測數據,建立迴歸模型可以提高區域空氣溫度估算的精度。由于雲和其它大氣因素會影響遙感反縯的地錶溫度數據結果,因此本研究本文將2001-2010年的LST歷史數據作為先驗知識,用以建立LST揹景庫,併提齣瞭基于LST揹景庫的Savitzky-Golay(SG)濾波算法來實現LST時間序列數據的重建工作。將重建後的 LST 與研究區12箇氣象站空氣溫度數據進行瞭時序分析和迴歸分析,結果錶明在月呎度閤成序列上LST-TA的一緻性較好,且具有非常好的線性相關關繫,80%的檯站的決定繫數高于0.5。通過對比分析髮現,加入植被指數(NDVI)的各月空氣溫度迴歸模型比直接用LST建立的迴歸模型精度更高。因此,本研究使用LST-NDVI模型對瀾滄江流域2010年12箇月份的空氣溫度進行空間化製圖,併分析瞭其年內時空格跼特徵。
공기온도시일개비상중요적기후변량,통상유기상태참관측획득。대기시공특정적정학고산시흔다모형적기출,단시유우태참분포밀도적불균화연구구복잡적지형,왕왕사기공간화적결과교차。목전,수착요감기술적발전,사용열홍외요감수거고산적지표온도,결합지면관측수거,건립회귀모형가이제고구역공기온도고산적정도。유우운화기타대기인소회영향요감반연적지표온도수거결과,인차본연구본문장2001-2010년적LST역사수거작위선험지식,용이건립LST배경고,병제출료기우LST배경고적Savitzky-Golay(SG)려파산법래실현LST시간서렬수거적중건공작。장중건후적 LST 여연구구12개기상참공기온도수거진행료시서분석화회귀분석,결과표명재월척도합성서렬상LST-TA적일치성교호,차구유비상호적선성상관관계,80%적태참적결정계수고우0.5。통과대비분석발현,가입식피지수(NDVI)적각월공기온도회귀모형비직접용LST건립적회귀모형정도경고。인차,본연구사용LST-NDVI모형대란창강류역2010년12개월빈적공기온도진행공간화제도,병분석료기년내시공격국특정。
Air temperature is an important climatological variable and is usually measured in meteorological stations. Accurate mapping of its spatial and temporal distribution is of great interest for various scientific disciplines, butlow station density and complexity of the terrain usually lead to significant errors and unrepresentative spatial patterns over large areas. Fortunately the current studies have shown that the regression models can help overcome the problem with the help of time series remote sensing data. However, noise induced by cloud contamination and other atmospheric disturbances variability impedes the application of LST data. An improved Savizky-Golay (SG) algorithm based on the LST background library is used in this paper to reconstruct MODIS LST product. Data statistical analysis included 12 meteorological stations and 120 reconstructed MODIS LST images of the period from 2001 to 2010. The coefficient of correlations (R2) for 80% of the stations was higher than 0.5 (below 0.5 for only 2 stations) which ilustrated that there is a considerably close agreement between monthly mean TA (air temperature) and the reconstructed LST in the Lancang River basin. Comparing to the regression model for every month with only LST data, the regression model with LST and NDVI had higherR2 and RMSE. Finally, the LST-NDVI regression method was applied as an estimate model to produce distributed maps of air temperature with month intervals and 1 km spatial in the Lancang River basin of 2010.