一种基于MODIS数据的近地表气温直减率生成方法

一种基于modis数据的近地表气温直减率生成方法
技术领域
1.本发明属于遥感近地表气温直减率生成技术领域，具体涉及一种基于modis(moderate-resolution imaging spectroradiometer，中分辨率成像光谱仪)数据的近地表气温直减率生成方法。


背景技术：

2.近地表气温直减率(near-surface air temperature lapse rates,satlr)是指距离地表2m高度处的空气温度随着海拔的升高而降低的速率。satlr可用于近地表气温数据匮乏的山区气温空间分布特征分析和地表环境模拟，对山地气候变化和水文过程研究有重要意义。此外，satlr的研究也可以提高区域近地表气温降尺度的准确性，为高空间分辨率近地表气温数据集的研发提供输入数据支持。目前，常用的satlr估算方法是基于站点实测气温和高程数据进行简单的线性回归，也有少数研究采用多元线性回归模型来估算satlr，即以高程、经度和纬度等多个自变量建立多元回归模型，将高程自变量前的系数作为satlr。然而，上述satlr估算研究难以描绘出大区域范围内空间连续的satlr。随着遥感技术的不断进步，一些学者将卫星热红外遥感应用到大尺度近地表气温数据的获取中，为定量获取空间连续的satlr提供了可能。但仍需面临以下问题：(1)基于遥感热红外地表温度数据来估算近地表气温的方法中，大多将高程作为输入参数。同时，satlr也是近地表气温估算模型中高程影响因子的回归系数，在估算近地表气温的过程中已经间接将satlr纳入估算模型。因此，基于遥感热红外地表温度估算的近地表气温产品大多不能用于估算satlr。(2)估算近地表气温的过程中，大多需要采用多种辅助地表变量与站点实测气温值作为辅助参数输入，才能实现高精度的近地表气温估算，这会引起很大的不确定性。


技术实现要素：

3.本发明提供了一种基于modis数据的近地表气温直减率生成方法，用于生成高时间分辨率、空间连续的近地表气温直减率产品，以减少近地表气温生成过程中诸多辅助参数带来的不确定性。
4.本发明采用的技术方案如下：
5.一种基于modis数据的近地表气温直减率生成方法，该方法包括下列步骤：
6.步骤1、基于目标区域的modis数据提取轮廓线数据，并对提取的轮廓线数据进行数据预处理以统一数据的时空分辨率，并进行时空匹配；
7.所述轮廓线数据包括：大气温度轮廓线、大气压廓线、地表温度和地表气压；
8.步骤2、根据公式估算目标区域的近地表气温t
a1
；
9.其中，表示步骤1获取的大气压廓线中的距离地表最近的大气压，表示的上一个高度的地表气压，即对应的上层大气压，ps表示步骤1获取地表气压；表示
对应的大气温度，表示对应的大气温度；
10.步骤3、对估算的目标区域的近地表气温t
a1
进行平均化参数处理：
[0011][0012]
其中，ta表示平均化参数处理估算的近地表气温，ts表示步骤1获取的近地表温度；
[0013]
步骤4，基于近地表气温ta和高程数据的线性回归，采用滑窗方式逐像元估算近地表气温直减率；
[0014]
其中，近地表气温ta和高程数据的线性关系为：ta＝a
×
z+b，其中，z表示高程，a和b表示线性方程的斜率和截距，且a用于表征估算的近地表气温直减率；
[0015]
在逐像元估算近地表气温直减率时，判断滑动窗口内的像元值是否满足预置的检验条件，若不满足则变换滑动窗口大小，直到满足滑动窗口内的像元值满足预置的检验条件，得到最优的移动窗口大小，再对滑动窗口内的近地表气温ta和高程z进行线性回归，将获取的a作为当前滑动窗口内中心像元的近地表气温直减率的估算值，以生成逐日空间连续的逐日空间连续的。
[0016]
进一步的，步骤4中的检验条件具体为：显著性水平大于或等于指定值(显著性水平一般为很小的数，例如0.1、0.05等)，且高程差大于或等于指定值(具体取值为经验值，高程差是值移动窗口内像元的最大值与最小值之差，通常认为高程差大于10m时，估算的气温直减率比较可信)，且滑动窗口内的有效像元(像元值满足取值限定，即像元值在合理范围内)数量大于或等于指定值。
[0017]
进一步的，步骤4中，滑动窗口的优选初始大小设定为11
×
11。
[0018]
本发明提供的技术方案至少带来如下有益效果：
[0019]
(1)本发明减少了传统近地表气温直减率估算方法中对于多种辅助地表变量与气象站点实测值的依赖性；
[0020]
(2)本发明逐像元判断遥感数据其领域像元是否满足要求，根据判断结果变换移动窗口大小，严格控制模型的输入数据，以获取可信的逐日空间连续satlr；
[0021]
(3)本发明生产的近地表气温直减率具有时间分辨率高，空间连续等特点。
附图说明
[0022]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0023]
图1是本发明实施例提供的一种基于modis数据的近地表气温直减率生成方法的处理流程示意图；
[0024]
图2是本发明实施例中，基于站点实测气温的近地表气温验证结果，图中(a)是利用mod07_l2提供的大气压廓线和气温廓线估算近地表气温的验证结果，图中(b)是经过平均化参数方案处理后近地表气温的验证结果。
具体实施方式
[0025]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0026]
本发明实施例提供了一种基于modis数据的近地表气温直减率生成方法，其目的在于提供一种利用modis大气产品生成近地表气温直减率数据的方法，本发明实施例中，利用mod07_l2产品(modis大气产品)直接生成近地表气温数据，减少近地表气温生成过程中诸多辅助参数带来的不确定性；利用移动窗口卷积，严格控制移动窗口内数据，进而生成高时间分辨率、空间连续的近地表气温直减率产品。
[0027]
如图1所示，本发明实施例提供的基于modis数据的近地表气温直减率生成方法可以分为四个阶段：
[0028]
(1)利用mod07_l2大气产品估算目标区域(本实施例中以青藏高原作为目标区域)的近地表气温。
[0029]
mod07_l2提供了20个高度处的气温数据，但这些气温数据与近地表气温缺乏对应关系。根据气温随海拔增加而下降的特点，利用mod07_l2提供的大气温度轮廓线、大气压廓线和地表气压来估算近地表气温，公式如下：
[0030][0031]
式中，t
a1
表示mod07_l2估算的气温；p
l1
是mod07_l2产品20个高度中距离地表最近的大气压；是对应的上层大气压；ps是mod07_l2提供的地表大气压；表示对应的大气温度，表示对应的大气温度。
[0032]
(2)mod07_l2产品以及估算近地表气温的过程都存在一定的不确定性，估算得到的气温需要进一步采用平均化参数方案处理。公式如下：
[0033][0034]
式中，ta表示平均化参数方案估算的气温，t
a1
表示mod07_l2估算的气温，ts表示mod07_l2提供的地表温度数据。
[0035]
(3)对移动窗口内多个像元的近地表气温和高程数据进行线性回归来估算satlr。公式如下：
[0036]
ta＝a
×
z+b (3)
[0037]
式中，ta是气温，z是高程，a和b均为回归系数(a和b分别对应线性方程中的斜率和截距)，其中a是估算的satlr。
[0038]
由于satlr是局部准确的，在逐像元估算satlr值的过程中，判断移动窗口内的像元值是否满足预置的检验条件，若不满足则变换移动窗口大小，确定最优的移动窗口大小后，对移动窗口内的近地表气温和高程进行线性回归，获取satlr值作为移动窗口内中心像元的satlr值。最后，对每个有效像元重复以上过程，生产逐日空间连续的satlr。
[0039]
以青藏高原作为目标区域，本发明实施例提供的基于modis数据的近地表气温直减率生成方法的具体实现为：
[0040]
首先，选取数据，包括：
[0041]
(1)modis大气产品(mod07_l2)，mod07_l2产品包括的大气温度轮廓线、大气压廓线、地表气压和地表温度数据将用于本发明。大气温度廓线分布在20个垂直大气压水平，受到云的影响，mod07_l2仅能提供晴天的大气温度廓线和大气压廓线；
[0042]
(2)中国气象局(cma)提供的青藏高原86个站点处的气温观测数据，时间分辨率为逐日，由距离地面2m的观测仪器测量得到，采用一天中四个观测时刻(北京时间02:00、08:00、14:00和20:00)的数值平均得到日均温；
[0043]
(3)美国航天飞机雷达地形测绘任务(shuttle radar topography mission,srtm)采集并制作而成的数字高程模型(dem)。将上述数据进行预处理，统一时空分辨率，并进行时空匹配。其实施方式可以被分为以下四步。
[0044]
(1)廓线数据提取与转换。
[0045]
由于mod07_l2产品提供了20层多个类型的数据，根据需要提取出逐日的大气温度数据、大气压数据、地表气压和地表温度数据。对提取出的数据进行投影转换、拼接并根据目标区域进行裁剪，去除背景值，以免影响近地表气温估算。
[0046]
(2)近地表气温估算。
[0047]
利用步骤(1)得到的大气温度数据、大气压数据和地表气压，基于公式(1)得到近地表气温。mod07_l2大气廓线数据估算得到的是瞬时近地表气温，包含日间和夜间多个时刻的近地表气温。考虑到cma提供的日均近地表气温数据是基于一天中四个时刻观测的瞬时气温数据平均后得到的日平均近地表气温，因此本方法首先利用mod07_l2产品估算了一天中多个时刻(10:30和22:30)的瞬时近地表气温，再将其平均得到日平均近地表气温。基于站点实测气温的近地表气温验证结果如图2中的(a)所示，估算的近地表气温值与站点实测气温的r2是0.59，rmse是5.96℃，mbe是-1.74℃，可以看出，估算的近地表气温效果并不理想。
[0048]
(3)平均化参数方案处理近地表气温。
[0049]
本实施例使用平均化参数化方案对近地表气温进行处理，即对估算得到的近地表气温与地表温度逐像元求均值。基于站点实测气温的近地表气温验证结果如图2中的(b)所示，处理后的近地表气温值与站点实测气温的r2是0.83，rmse是3.90℃，mbe是1.52℃，使用平均化参数方案处理后的近地表气温精度有较大提升，可用于进行气温直减率的估算。
[0050]
(4)空间连续近地表气温直减率估算。
[0051]
本实施例利用移动窗口内多个像元的近地表气温和高程数据进行线性回归来估算空间连续的satlr(公式(3))。由于satlr是局部准确的，在移动窗口内的近地表气温和高程相关性较高且存在一定的高程差(即移动窗口内像元的最大值与最小值之差)的情况下，计算得到的satlr才可信。此外，获取的气温存在缺失像元过多的问题。
[0052]
作为一种优选的处理方式，本实施例中，将窗口初始大小设定为11
×
11，若显著性水平小于0.1、高程差小于10m或移动窗口内的有效像元数量小于像元总数的一半，则继续扩大窗口大小，直到同时满足上述检验条件，才对移动窗口内的气温和高程进行线性回归估算satlr，将此时的satlr作为移动窗口中心像元的值。若移动窗口大小到达31，仍不满足检验条件，则移动窗口中心像元无法估算得到有效的satlr值，即当移动窗口大小超过指定值时，则表示当前中心像元的satlr值估计失败，跳过该像元，继续处理下一个像元。对每个有效像元重复以上过程，得到逐日空间连续的satlr。
[0053]
本实施例应用在青藏高原，satlr比较深的像元主要集中在青藏高原北部、西南部和中部，而satlr较浅的像元主要集中在青藏高原东南部，这些区域海拔较低且地形复杂。青藏高原的satlr在春季和夏季较深，冬季次之，而在秋季最浅。青藏高原有部分小区域常年存在逆温现象，借助高清在线地图判断可知，这些小区域多是湖泊或者盆地。这些小区域在夏季更容易出现较深的逆温，而在春季、秋季和冬季，出现逆温的区域变小，且逆温值变浅。
[0054]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
[0055]
以上所述的仅是本发明的一些实施方式。对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。