陆表温度（LST）在地-气相互作用过程中扮演着重要的角色， 是全球变化研究的关键参数。 陆表发射率是陆表温度反演的关键输入参数之一。 中红外谱区（3~5 μm）介于可见光-近红外谱区（038~25 μm）与热红外谱区（8~14 μm）之间， 地物的发射率在该谱区表现出独特的光谱特性， 可用于霜冻监测、 矿物成分分析等研究。 由于传感器在中红外谱区探测到的能量既有来自于地物自身发射的热辐射能量， 又有反射的太阳辐射能量， 这两部分的能量分离机理比较复杂， 因此中红外谱区发射率特性分析的相关文献较少。 本文针对单一均匀地表和具有混合像元的复杂地表计算了MODIS红外通道的有效发射率， 发现通道有效发射率在单一均匀地表下与温度的耦合效应不强烈； 但在复杂地表下， 通道有效发射率与混合像元内的成分比例以及成分的地表温度具有耦合效应。 在误差允许的范围内， 混合像元的有效发射率可以忽略成分地表温度的影响。 发射率误差对陆表温度反演精度的敏感性随着波长的变化而变化。 在热红外波段， 敏感性是其在中红外波段的2倍左右， 说明利用中红外波段进行陆表温度反演具有一定的优势。

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段, 可通过对携带位置信息的影像进行分类提取, 得到植被盖度、 温度指数等一系列因子指标。 利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。 无人机飞行面积约为205 km2, 为了得到更加精确的植被、 温度等因子, 需要对无人机红外影像进行配准, 通过优化SIFT匹配参数和RANSAC粗差剔除后, 获取了可靠的匹配结果, 即经过算法匹配后的影像与原影像进行了误差比对, 能够满足后期的应用需要, 这也是本文的创新点之一。 将影像进行配准后进行二维影像拼接, 将多张红外影像按照航向重叠度不低于60%, 旁向重叠度不低于50%的概率进行拼接, 得到拼接后的红外影像图。 另外比较了SIFT和SUFT两种算法, 利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像, 利用地面同步测量数据对拼接后的红外影像进行算法匹配, 并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演, 得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。 通过对两种算法的对比得到更加优化的算法模型, 并对该模型进行回归分析和精度检验, 得到该模型的相关系数R2为0767, 匹配精度为8151%, 模型精度较高。 本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。

将美国NPP卫星可见光红外成像辐射仪(Visible Infrared Imaging Radiometer, VIIRS)的中红外通道(中心波长3.697 μm)作为检验基准, 使用菲涅尔反射定理建立中红外和被验证通道的海表反射率关系, 对四个太阳反射通道(中心波长位于0.672、0.862、1.238和1.602 μm)进行了基于海水表面耀斑区反射率精度验证并深入分析该方法的不确定度.结果表明:VIIRS四个通道的验证不确定度分别为3.8%、3.9%、4.1%和4.1%, 这一方法可实现VIIRS部分光学通道的在轨较高精度验证.

传感器入瞳处接收到的中红外波段(3~5 μm)能量包含反射的太阳能量与地物自身的发射能量。 通常该波段反射的太阳能量很弱, 但在海面太阳耀斑区等特定情况下, 被中红外通道探测到的反射太阳能量是比较可观的, 且其对大气影响的敏感性较低, 同时, 对于搭载有在轨定标系统的卫星传感器, 使用黑体定标后的中红外波段的在轨辐射性能相当稳定的。 因此, 考虑将中红外波段的海面耀斑区反射率作为用于反射太阳波段交叉定标的基准。 基于这个想法, 构建了改进的、 适用于VIIRS(visible infrared imaging radiometer)中红外波段的非线性劈窗模型来计算南印度洋海面耀斑区中红外反射率。 首先统计得到VIIRS M12和M13波段海面反射率的限定关系, 然后使用非线性劈窗算法模拟计算海面反射率, 模拟模型的不确定度为083%。 在此基础上使用VIIRS的M12波段（中心波长为3697 μm)太阳耀斑区数据计算选取的样本区的海面反射率。 然后使用两种方法对反射率精度进行验证, 精度分别为029%和023%, 假设M12和M13波段海面反射率相等的反射率计算结果精度分别为248%和103%。 该计算模型大大提高了精度, 说明该模型用于VIIRS M12中红外波段计算海洋耀斑区反射率是有效可行的, 其精度能够满足中红外波段海面反射率作为波段间定标基准的需求。Window Model