黑河流域ASTER与MODIS融合生成高分辨率地表温度的验证

融合多源遥感数据生成高时空分辨率数据具有重要的应用价值。为了解决高空间分辨率数据重访周期长及云雨天气带来的数据短缺问题,该文基于增强自适应的遥感图像时空融合方法（enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）,使用多时相MODIS数据提供地物时间变化信息,结合ASTER影像提供的空间细节信息,选择多波段数据（可见光近红外数据和地表温度数据）共同作为输入变量融合生成高时空地表温度。融合结果分别与地表红外辐射计观测温度和ASTER温度产品进行了验证。验证结果表明：基于ESTARFM方法降尺度地表温度影...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 31; no. 6; pp. 193 - 200
Main Author 杨贵军 孙晨红 历华
Format Journal Article
LanguageChinese
Published 农业部农业信息技术重点实验室，北京 100097%北京农业信息技术研究中心，北京市农林科学院，北京 100097 2015
西安科技大学测绘科学与技术学院，西安 710054%中国科学院遥感与数字研究所,北京,100101
农业部农业信息技术重点实验室，北京 100097
北京农业信息技术研究中心，北京市农林科学院，北京 100097
Subjects
卫星影像
多源遥感数据
数据融合
温度
遥感
高空间分辨率
温度
high spatial resolution
高空间分辨率
multi-source remote sensing
卫星影像
satellite imagery
fusion data
temperature
remote sensing
遥感
数据融合
多源遥感数据
Online AccessGet full text
ISSN1002-6819
DOI10.3969/j.issn.1002-6819.2015.06.026

Cover

More Information
Summary:融合多源遥感数据生成高时空分辨率数据具有重要的应用价值。为了解决高空间分辨率数据重访周期长及云雨天气带来的数据短缺问题,该文基于增强自适应的遥感图像时空融合方法（enhanced spatial and temporal adaptive reflectance fusion model,ESTARFM）,使用多时相MODIS数据提供地物时间变化信息,结合ASTER影像提供的空间细节信息,选择多波段数据（可见光近红外数据和地表温度数据）共同作为输入变量融合生成高时空地表温度。融合结果分别与地表红外辐射计观测温度和ASTER温度产品进行了验证。验证结果表明：基于ESTARFM方法降尺度地表温度影像清晰,融合结果与地表红外辐射计观测温度呈显著的线性正相关关系,相关系数均高于为0.71,预测得到的地表温度与真实测得的数据的平均绝对偏差均低于2.00 K,均方根误差均低于2.60 K。与ASTER地表温度产品的验证中,整体验证结果的R2均在0.95以上。此外,ESTARFM方法在各个地类中的融合效果较好,均表现出非植被区域的相关性高于植被和水体,尤其在2012年8月27日非植被的R2达到0.91。
Bibliography:11-2047/S
remote sensing; temperature; satellite imagery; multi-source remote sensing; fusion data; high spatial resolution
Land surface temperature（LST） is a key parameter in investigating environmental, ecological processes and climate change at various scales, and is also valuable in the studies of evapotranspiration, soil moisture conditions, surface energy balance, and urban heat islands. However, it is difficult to acquire satellite LSTs with both high spatial and temporal resolutions due to tradeoffs between these parameters. The Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model（ESTARFM） algorithm was initially designed to predict surface reflectance and is based on the assumption that MODIS and Landsat surface reflectance are highly consistent over homogeneous areas. However, the ESTARFM method prediction results degrade somewhat when the method is used for heterogeneous fine-grained landscapes. This research extended the ESTARFM model from reflectivity range to thermal infrared for estima
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2015.06.026