基于多源空间信息的缺资料地区地表日均大气温度空间分布数据获取研究

干旱区地理 ›› 2014, Vol. 37 ›› Issue (6): 1240-1247.

基于多源空间信息的缺资料地区地表日均大气温度空间分布数据获取研究

蔡明勇^1，2，杨胜天¹，曾红娟³，王志伟¹，董国涛⁴

1 北京师范大学地理学与遥感科学学院，遥感科学国家重点实验室，环境遥感与数字城市北京市重点实验室，北京 100875；
2 环境保护部卫星环境应用中心，北京 100094； 3 长江水利委员会水土保持监测中心站，湖北武汉 430000；
4 黄河水利委员会黄河水利科学研究院，河南郑州 450003

收稿日期:2014-01-18 修回日期:2014-03-02 出版日期:2014-11-25
通讯作者: 杨胜天（1965-），男，博士，教授，主要从事水文水资源遥感、环境遥感和地理信息系统研究. Email： yangshengtian@bnu.edu.cn
作者简介:蔡明勇（1986-），男，博士研究生，主要从事水文水资源遥感、生态水文建模与国际河流研究. Email： caimingyong@126.com
基金资助:
国家自然科学基金面上项目（41271414）；中央高校基本科研业务费专项资金，中央级公益性科研院所基本科研业务费专项资
金（HKY-JBYW-2013-22）

Muti-source spatial data based on daily average temperature simulation in data sparse regions

CAI Ming-yong^1，2，YANG Sheng-tian¹，ZENG Hong-juan³，WANG Zhi-wei¹，DONG Guo-tao⁴

1 School of Geography, State Key Laboratory of Remote Sensing Science, Key Laboratory for Remote Sensing of Environment and Digital Cities,
Beijing Normal University, Beijing 100875, China; 2 Satellite Environment Center of MEP, Beijing 100094, China;
3 Changjiang Soil and Water Conservation Monitoring Center, Changjiang Water Resources Commission, Wuhan 430010, Hubei, China;
4 Yellow River Institute of Hydraulic Research, Yellow River Conservancy Commission, Zhengzhou 450003, Henan, China

Received:2014-01-18 Revised:2014-03-02 Online:2014-11-25

摘要/Abstract

摘要： 地表大气温度是区域水循环研究与模型模拟中的关键因子，其日尺度的空间分布信息是众多生态、水文模型的重要输入。对于缺资料地区，尤其是在地形复杂地区，地表大气温度空间分布数据往往难以获得。基于多源空间信息，首先利用KLEMEN法反演得到研究区卫星过境时刻瞬时地表气温空间分布信息，然后通过建立的时间尺度转化方程实现研究区日均气温空间分布数据的获取。结果表明：研究中所提取的瞬时气温数据精度较高， RMSE 为2.33℃， R²约为0.78；所建立的时间尺度转化方程可信度高， R²约为0.98， RMSE 约为2 ℃；在不依赖于地面观测数据的条件下，研究所提取的日均气温数据总体精度 R²为0.90，RMSE为4.63 ℃，且高温部分模拟精度高于低温部分。研究方法具有很好的可移植性，可应用于其他缺资料地区。

关键词: 大气温度, 多源空间信息, 缺资料, 尺度转化

Abstract: The spatial distribution of the daily average surface air temperature is vital for many hydro-ecological applications. The air temperature usually recorded at fixed-point stations provides little distribution information， and easily suffers from the scarce amount and uneven distribution of the stations in the data sparse regions. In this study，a method based on multi-source spatial data was developed to decrease the dependence on the conventional stations
observations in the daily average surface air temperature estimation， especially for data sparse regions. The method consists of two parts： step1， instantaneous surface air temperature when the satellite（Terra）passed by was retrieved using the Klemen method on the basis of Moderate Resolution Imaging Spectroradiometer（MODIS）products together with Shuttle Radar Topography Mission（STRM）products； step2， the instantaneous data from step1 was transformed to daily mean value using time scale transformation equations built up using the NCEP/NCAR re-analysis temperature data. The instantaneous surface air temperature simulations were evaluated against in situ measurement from a field test site（from August 2009 to September 2009， at Ahyz）， and the derived daily average surface air temperature was validated using observations from Zhaosu station（2006-2012） . The results indicate as follows：（1）the derived instantaneous surface air temperature using Klemen method on the basis of muti-source spatial data show
good consistence with the field measurements， the root mean square error （RMSE） of the simulations is 2.33℃ and the R² between the derived and observed values is 0.78；（2）the R² and RMSE of the statistical equations built up for surface air temperature time scale transformation in this study is 0.98 and about 2.00 ℃ respectively，demonstrating the validity and effectiveness of this transformation method；（3）the overall R² and RMSE of the sim-
ulated daily mean surface air temperature is 0.90 and 4.63 ℃， and the simulation has a higher accuracy at high temperatures（above 0 ℃）compared with the simulations at low temperatures（below 0 ℃）， which may result from the characteristic of the Klemen method. More work could be done to improve the simulation accuracy at low temperatures（below 0 ℃）to achieve better overall accuracy， and the re-calibration of the coefficients in Klemen method
and the adjustment of the simulation at low temperatures（below 0 ℃）from Klemen method are possible ways. The method developed in this study is designed for the spatial-temporal distribution estimation of the daily average surface air temperature， and it is useful for the reason that the spatial-temporal distribution of surface air temperature is significant in various hydrological and ecological modeling or applications. This method benefits from its independence from the station observations， and is alternative for large area daily average temperature simulation， especially data sparse regions.

Key words: air temperature, muti-source spatial data, data sparse region, time scale transformation

中图分类号:

TP79

蔡明勇，杨胜天，曾红娟，王志伟，董国涛. 基于多源空间信息的缺资料地区地表日均大气温度空间分布数据获取研究[J]. 干旱区地理, 2014, 37(6): 1240-1247.

CAI Ming-yong，YANG Sheng-tian，ZENG Hong-juan，WANG Zhi-wei，DONG Guo-tao. Muti-source spatial data based on daily average temperature simulation in data sparse regions[J]. , 2014, 37(6): 1240-1247.

参考文献

［1］白爱娟，假拉，徐维新. 基于潜在蒸散量对青海湖流域干旱气候以及影响因素的分析［J］ . 干旱区地理， 2011， 34 （6）： 949-957.

［2］曹雯，申双和，段春锋. 西北地区生长季参考作物蒸散变化成因的定量分析［J］ . 地理学报， 2011， 66 （3）： 407-415.

［3］李宝富，陈亚宁，陈忠升，等. 西北干旱区山区融雪期气候变化对径流量的影响［J］ . 地理学报， 2012， 67 （11）： 1461-1470.

［4］马丽娟，赵景峰，张宏俊，等. 气候变化背景下冰川积雪融水对博斯腾湖水位变化的影响［J］ . 干旱区地理， 2010， 33 （2）： 201-216.

［5］ ANDERSON S. An evaluation of spatial interpolation methods on air temperature in Phoenix［J/OL］ . Arizona State： Department of Geography， Arizona State University， 2002. Retrieved from the World Wide Web：http： //www.cobblestoneconcepts.com/ucgis2summer/anderson/anderson.htm.

［6］杨强，覃志豪，王涛，等. 榆林地区1970-2010年气候因子变化特征分析［J］ . 干旱区地理， 2012， 35 （5）： 695-707.

［7］ FLORIO E N， LELE S R， CHANG Y C， et al. Integrating AVHRR satellite data and NOAA ground observations to predict surface air temperature： A statistical approach［J］. International Journal of Remote Sensing， 2004， 25 （15）： 2979-2994．

［8］怀保娟，李忠勤，孙美平，等. SRM融雪径流模型在乌鲁木齐河源区的应用研究［J］ . 干旱区地理， 2013， 36 （1）： 41-48.

［9］ TANG B H， BI Y Y， LI Z L， et al. Generalized split window algorithm for estimate of land surface temperature from Chinese Geo-stationary Fengyun Meteorological Satellite（FY-2C）data［J］.Sensors， 2008， 8： 933-951.

［10］王宾宾，马耀明，马伟强. 青藏高原那曲地区MODIS地表温度估算［J］ . 遥感学报， 2012， 16 （6）： 1289-1309.

［11］ MAO K， QIN Z， SHI J， et al. A practical split window algorithm for retrieving land-surface temperature from MODIS data ［J］ . International Journal of Remote Sensing， 2005， 26 （5）： 3181-3204.

［12］权维俊，韩秀珍，陈洪滨. 基于AVHRR和VIRR数据的改进型Becker “分裂窗” 地表温度反演算法［J］ . 气象学报， 2012， 70（6）： 1356-1366.

［13］姚永慧，张百平，韩芳，等. 基于Modis地表温度的横断山区气温估算及其时空规律分析［J］ . 地理学报， 2011， 66 （7）： 917-927.

［14］韩秀珍，李三妹，窦芳丽. 气象卫星遥感地表温度推算近地表气温方法研究［J］ . 气象学报， 2012， 70 （5）： 1107-1118.

［15］ GEORGY V M， ROGER L K， 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 & Remote Sensing， 2006， 43 （1）： 78-110.

［16］ COLOMBI A， DE MICHELE C， PEPE M， et al. Estimation of daily mean air temperature from MODIS LST in Alpine areas ［J］ . EARSeL eProceedings， 2007， 6 （1）： 38-46.

［17］齐述华，王军邦，张庆员，等. 利用MODIS遥感影像获取近地层气温的方法研究［J］ . 遥感学报， 2005， 9 （5）： 570-575.

［18］ GOWARD S N， XUE Y K， CZAJKOWSKI K P. Evaluating land surface moisture conditions from the remotely sensed temperature/vegetation index measurements： An exploration with the simplified simple biosphere model ［J］ . Remote Sensing of Environment，2002， 79： 225-242.

［19］ 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 （2）： 262-274.

［20］田苗，王鹏新，孙威. 基于地表温度与植被指数特征空间反演地表参数的研究进展［J］ . 地球科学进展， 2010， 25 （7）： 698-704.

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

［22］ PAPE R， LOFFLER J. Modelling spatio-temporal near surface temperature variation in high mountain landscapes ［J］ . Ecological Modelling， 2004， 178 （3/4）： 483-501.

［23］ SUN Y J， WANG J F， ZHANG R H， et al. Air temperature retrieval from remote sensing data based on thermodynamics ［J］ . Theoretical and Applied Climatology， 2005， 80 （1）： 37-48.

［24］ ZAKŠEK K， SCHROEDTER-HOMSCEIDT M. Parameterization of air temperature in high temporal and spatial resolution from a combination of the SEVIRI and MODIS Instruments［J］ . ISPRS Journal of Photogrammetry and Remote Sensing， 2009， 64（4）：414-421.

［25］ ALLEN R G， PEREIRA L S， DIRK R， et al. Crop evapotranspiration guidelines for computing crop water requirements ［M］ . FAO Irrigation and Drainage Paper， Rome， 1998， 56： 17-64.