西安理工大学机械与精密仪器工程学院，陕西 西安 710048
提出一种新型的侧向纯转动拉曼散射激光雷达探测技术，其采用双基地的收发系统结构，利用侧向接收系统的俯仰扫描功能实现对与温度具有相反依存关系的高低量子数的侧向纯转动拉曼散射光谱的探测，该技术为从地表到特定高度大气温度的无盲区探测提供了技术支持。侧向纯转动拉曼散射激光雷达的初步观测实验采用整段等距离分辨率和分段等距离分辨率两种云台转动方案，反演结果表明侧向纯转动拉曼散射激光雷达可实现1400 m高度范围内大气温度的精细探测，且分段等距离分辨率云台转动方案在近地表312 m高度范围内能够获得更为精细的大气温度空间分布特征。
大气光学 激光雷达 近地表大气温度 侧向纯转动拉曼散射 无盲区探测 俯仰扫描
随着城市化的加速，城市热岛效应问题逐渐突显。为研究城市空间扩张和社会经济发展对地表热岛效应的影响，基于2000―2020年共5期 Landsat遥感影像，利用辐射传导方程法对合肥和南昌的地表温度进行反演，采用归一化方法将研究区的地表热岛效应分为4个等级，并对两市地表热岛效应的时空演变特征进行分析研究，进而运用地理探测器对热岛效应强度的影响因子进行综合性分析。结果表明：(1) 在2000―2015年，合肥市的城市扩展系数由1.70降低到1.08，最后趋于1.25，2015―2020年降低到0.56；在2000―2020年，南昌市的城市扩展系数在1.34～1.60范围内上下波动；合肥市和南昌市分别在2011年和2018年完成了产业结构转型，朝着以第三产业拉动为导向的趋势演进；城市在空间的扩展与社会经济的发展和政府的决策支持密不可分；(2) 合肥市和南昌市主城区持续扩展均呈现非线性的增长趋势；合肥地表热岛效应主要在东北和西南方向上扩展，而南昌主要呈现出东南-西北方向的扩展模式；合肥和南昌地表热岛效应面积分别由45.17 km2和40.80 km2增加到351.61 km2和274.07 km2，且热岛发展力度和范围与城市快速发展的规模和方向较为一致；(3) 合肥市和南昌市的各影响因子对热岛效应强度的解释力从大到小为：人口密度(0.891/0.844)、建成区面积 (0.842/0.810)、人均GDP (0.788/0.773)、第二产业占比 (0.679/0.711)、第三产业占比 (0.582/0.636)，其中人口密度的影响最大，产业结构中第二产业作用较高于第三产业；各因素相互作用均比单一因子对地表热岛效应强度的影响程度更大。研究结果能给合肥和南昌市及类似城市的规划提供参考和思路，合理布局建成区的绿色空间以及控制城市人口数量可以有效缓解城市地表热岛效应发展速度。
城市地表热岛效应 地表温度 Landsat 地理探测器 urban surface heat island effect surface temperature Landsat geographical detector 大气与环境光学学报
2023, 18(6): 602
光学 精密工程
2023, 31(16): 2319
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所，安徽 合肥 230031
2 合肥工业大学仪器科学与光电工程学院，安徽 合肥 230009
场景定标是大视场遥感器在轨替代定标的常用方法，具有定标频率高、无需同步测量的优点。冰雪场景通常使用格陵兰冰盖（75°S，123°E）和南极冰盖（73.375°N，40°W）作为目标，由于其海拔较高（通常大于2 km），故受到大气影响较小，能够得到数据质量较好的定标样本。此外，冰雪在可见光范围以内光谱较为平坦，因而比较方便借助于其他定标方法实现波段传递。基于对前人极地场景定标方法的研究，将冰雪场景的地表双向反射分布函数（BRDF）和大气参数代入辐射传输模型之后，对我国高分五号卫星大气气溶胶多角度偏振探测仪（DPC）载荷的在轨辐射响应变化进行测试，得出的结论与沙漠场景和海洋场景的定标结果吻合度较高，且定标结果的离散度更小。所提方法可以对载荷在轨运行期间的探测数据提供长期监测、校正，并有助于业务化应用产品的质量提升。
在轨辐射定标 冰雪场景 辐射传输 地表双向反射分布函数模型 光学学报
2023, 43(18): 1812005
1 中国科学院空天信息创新研究院 遥感卫星应用国家工程实验室，北京 100094
2 新疆维吾尔自治区交通规划勘察设计研究院，乌鲁木齐 830006
3 中国科学院大学，北京 100049
4 大连海事大学 信息科学技术学院，辽宁 大连 116026
5 中国农业科学院农业资源与农业区划研究所 农业部农业信息技术重点实验室，北京 100081
地表比辐射率方向性研究是国际热红外定量遥感研究领域的热点与难点，现有的热红外沙地比辐射率方向性模型存在先验参数较多、精度较低、适用性差等问题。论文基于5个伪不变定标场，即Algeria3_1km、Algeria5_1km、Libya1_1km、Mauritania1_1km及Mauritania2_1km，综合利用长时序极轨卫星载荷AQUA/MODIS与静止轨道卫星载荷MSG/SEVIRI多角度观测数据，经过载荷相互校准、大气纠正、影像数据时空匹配等处理，基于热红外辐射传输方程，获取0~65°观测天顶角范围内各研究区方向性比辐射率，建立公里级像元尺度比辐射率方向性模型，并对其进行了不确定度评估。结果表明：地表比辐射率随观测天顶角增大而降低，其方向性效应随波段中心波长的增加而减小，Algeria5_1km区域的方向性效应最小，Mauritania1_1km区域的方向性效应最强；各研究区比辐射率方向性模型不确定度均随观测天顶角的增大而增大，模型不确定度均优于3%。
热红外遥感 地表比辐射率 方向性模型 误差传递理论 thermal infrared remote sensing land surface emissivity directional model error propagation theory
1 北京建筑大学 测绘与城市空间信息学院，北京0266
2 代表性建筑与古建筑数据库教育部工程研究中心，北京100044
3 北京城建勘测设计研究院有限责任公司，北京100101
4 华南农业大学 资源环境学院，广东广州51062
为了解决地铁建设和运营阶段会对地面造成不同程度的影响，特别是海岛建设地铁，其地形地貌环境复杂，土层不稳定，地面形变研究困难等问题。基于哨兵-1的38景影像数据和自主采集的隧道点云数据，采用永久散射体合成孔径雷达测量技术、差分干涉测量短基线集时序分析技术和激光雷达技术对厦门岛范围内的地铁2号线沿线区域进行研究。将合成孔径雷达的两种技术结果进行精度对比，并与水准数据进行比较，验证其准确性，最后结合激光雷达技术对该地铁内部隧道扫描获取点云数据进行形变结果对比。实验表明，PS-InSAR技术形变速率在-24.21~24.19 mm/y之间，而基于SBAS-InSAR 技术的形变速率则在-22.86~33.79 mm/y，两种方法在形变监测过程中表现基本一致；与水准测量结果对比得到二者之间存在一定误差，误差集中在±7 mm以内，部分与水准点距离较远的误差在13 mm左右；而地下隧道沉降在-43.4~104.1 mm之间，中误差为28.44 mm，其结果与地面形变差异巨大。经过多次验证得知地下轨道交通隧道受到地面形变的影响较小。
激光雷达 合成孔径雷达 地表形变 隧道形变 LiDAR synthetic aperture radar surface deformation tunnel deformation 光学 精密工程
2023, 31(13): 1988
1 安徽建筑大学环境与能源工程学院, 安徽 合肥 230601
2 安徽省建设领域碳达峰碳中和战略研究院, 安徽 合肥 230601
为研究合肥市近二十年的城市格局演变和热岛效应变化，基于2005、2009、2015、2020年每年10月份的Landsat卫星影像对合肥地区进行了土地分类以及地表温度反演，并提取归一化差值裸地与建筑指数 (NDBBI)、植被覆盖度 (FVC)、改进的归一化差异水体指数 (MNDWI) 以及人口密度进行了多元回归分析，进而建立数学模型对合肥主城区的热岛效应及影响因子进行了分析。结果表明：(1) 从2005年到2020年，强热岛区增加了15.03 km2。热岛标准差椭圆分布方向为东北—西南方向，椭圆的范围逐年扩大，热岛质心集中在蜀山经开区，且81.90%的强热岛区为较高与高核密度工业区。(2) 地理探测器分析结果表明各影响因子对地表温度的解释力从大到小为：NDBBI (0.542)、MNDWI (0.409)、FVC (0.379) 和人口密度 (0.018)。(3) 岭回归处理后的多元线性模型 (R2= 0.654) 研究结果表明，影响地表温度的主要因子为NDBBI，而人口密度的影响则较小。(4) 地理加权回归模型 (GWR) 的分析表明，各点的相关系数R2在0.489～0.667之间，建筑物与道路密集的城建区R2最高。NDBBI高值集中在经开区等地，最高值达到0.9以上，在GWR模型中人口的系数依然很小，FVC系数高值区集中在植被覆盖率高的区域，而 MNDWI高值区则主要分布于水域。
地表温度 热岛效应 地理探测器 岭回归 多元回归模型 surface temperature heat island effect geographic detector ridge regression multiple regression model 大气与环境光学学报
2023, 18(2): 153
1 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
3 中国科学院大学材料与光电研究中心，北京 100049
4 佛山科学技术学院物理与光电工程学院，广东 佛山 528051
5 粤港澳智能微纳光电技术联合实验室，广东 佛山 528051
针对GF-5卫星搭载的多角度偏振探测仪（DPC）平台上气溶胶细粒子反演算法中半经验模型不适用于城市地表偏振反射率估算的问题。基于DPC的经验正交函数方法，开展了气溶胶细粒子光学厚度反演研究。基于米散射计算气溶胶辐射贡献，采用经验正交函数方法计算地表贡献，利用多角度偏振数据以及矢量辐射传输方程，反演气溶胶细粒子光学厚度。本研究的反演结果与中分辨率成像光谱仪的气溶胶细粒子光学厚度产品分布趋势具有一致性，然后与AERONET北京、香河、香港站点的测量结果进行定量对比，相关系数为0.97、0.96、0.9，平均绝对误差为0.08、0.07、0.12，均方根误差为0.12、0.11、0.17，验证了算法的高精度与合理性。最后呈现2019年中国部分地区的气溶胶细粒子光学厚度月平均数据，并分析山东地区气溶胶细粒子光学厚度变化情况，发现6月是全年最高的时期，均值为0.7。上述结果验证了本文算法的可靠性，可为DPC有效监测气溶胶的时空分布提供技术支持
大气光学 多角度偏振探测仪 反演 地表偏振反射率 气溶胶细粒子 光学厚度 激光与光电子学进展
2023, 60(9): 0901003
1 福州大学环境与安全工程学院, 遥感信息工程研究所, 福建 福州 350116
2 福建省水土流失遥感监测评估与灾害防治重点实验室, 福建 福州 350116
美国地质调查局(USGS) 2020年12月正式发布了基于Landsat热红外光谱数据生产的2级地表温度产品(Landsat Collection 2 Level-2 surface temperature, LC2L2ST), 但目前还鲜有该地表温度产品的相关研究报道。 由于美国地质调查局已宣布自2022年开始将不提供除该产品之外的其他地表温度数据, 因此有必要对该产品进行适时的评估。 在同类遥感卫星产品中, MODIS地表温度产品的质量最被广大用户认可, 应用也最为广泛, 因此首次将Landsat新型热红外地表温度产品与MODIS地表温度产品进行交互对比, 以评估新产品与MODIS地表温度产品的一致性。 分别选取了我国的不同地区(福州、 太湖、 银川、 敦煌)作为试验区, 以20对同日过空的LC2L2ST与MODIS地表温度影像为数据源进行交互对比。 影像涵盖植被、 水体、 建筑、 荒漠等地物以及不同的季节。 在试验区影像上选取一系列均质样区(ROI), 通过各样区的地表温度均值散点进行拟合回归分析, 研究二者地表温度间的差异及定量关系, 并提出彼此转换的模型。 结果表明, Landsat地表温度新产品与MODIS地表温度产品具有很高的相关性, 4个试验区的决定系数(R2)皆大于0.98, 集成4个试验区的总R2也接近0.98; 但LC2L2ST比MODIS的地表温度平均高0.90 ℃(RMSE=2.29 ℃)。 分析发现, 二者地表温度数据间的差异与其在空间分辨率、 观测角度、 地物类型和季节的不同有关。 从不同地物和季节来看, LC2L2ST在晚秋和冬季略低于MODIS的地表温度, 而在夏季极端高温的城镇、 荒漠地区则明显高于MODIS的地表温度, 且偏差可近7 ℃。 总的看来, Landsat新型地表温度产品与MODIS同类产品的相关性显著, 但在夏季的城市和沙漠地区的差异较大, 因此, LC2L2ST新产品在夏季高温季节的适用性仍有待进一步基于地面实测温度的验证。 鉴于两种地表温度数据产品仍存在着一定差距, 因此二者如要协同使用, 需要进行转换。 本研究基于4个试验区的560个ROI样区构建了二者地表温度间的转换方程, 并通过验证发现, 经转换后的两数据差异性得到大幅缩小。 因此, 必要的数据转换有利于二者数据的协同使用, 可为长时间序列的地表温度变化监测提供连续的遥感数据。
热红外光谱数据 地表温度 交互对比 Landsat Collection 2 Level-2 Landsat Collection 2 Level-2 MODIS MODIS Thermal infrared spectral data Land surface temperature Cross comparison
1 中国科学院 空天信息创新研究院，数字地球重点实验室，北京00094
2 可持续发展大数据国际研究中心，北京100094
3 中国科学院 空天信息创新研究院，北京100094
4 中国科学院大学，北京10009
5 陆军勤务学院，重庆401311
青藏高原地表反射率在自然资源监测、生态环境保护和地球科学研究等方面有着重要应用。MOD09A1反射率数据由于云等因素的影响产生了大量异常像元，使得数据存在信息损失不完整的问题。考虑到邻近时序遥感影像具有高相关性，同类地物光谱具备高相似性，本文针对青藏高原地区提出了一种基于残缺多时相数据与地表覆盖分类信息的地表反射率深度学习重建方法。首先，以多时相MOD09A1反射率数据和MCD12Q1地表覆盖分类数据为基础，通过异常像元去除、有效图层提取、投影转换与拼接，得到目标区域基础反射率图像及辅助数据；其次，根据残差网络基本原理，构建了基于多时相数据与地表覆盖分类信息融合的深度学习网络模型；然后，利用MOD09A1数据完整区域裁剪的云掩膜样本、基于地表覆盖分类和K-means聚类算法生成的增广样本对模型进行训练；最后，将训练好的模型用于缺失数据区域地表反射率重建。通过两组对比试验表明，本文方法降低了对多时相辅助影像数据量和完整性的要求，在多时相数据残缺情况下，结合地表覆盖分类信息可实现对青藏高原大范围地表反射率的修复与重建。
地表反射率 青藏高原 深度学习 MODIS数据 缺失数据重建 surface reflectance Tibetan Plateau deep learning MODIS data reconstruction of missing data 
