李火青， 吳新萍， 買買提艾力·買買提依明， 霍 文,楊興華， 楊 帆, 何 清， 劉永強(qiáng)，4*

1. 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院， 新疆 烏魯木齊 830046

2. 新疆且末縣塔中氣象站， 新疆 塔中 841000

3. 中國(guó)氣象局烏魯木齊沙漠氣象研究所， 新疆 烏魯木齊 830002

4. 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室， 新疆 烏魯木齊 830046

利用FTIR和MODIS數(shù)據(jù)估算塔克拉瑪干沙漠寬波段地表比輻射率

李火青1， 吳新萍2， 買買提艾力·買買提依明3， 霍 文3,楊興華3， 楊 帆3, 何 清3， 劉永強(qiáng)1，4*

1. 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院， 新疆 烏魯木齊 830046

2. 新疆且末縣塔中氣象站， 新疆 塔中 841000

3. 中國(guó)氣象局烏魯木齊沙漠氣象研究所， 新疆 烏魯木齊 830002

4. 綠洲生態(tài)教育部重點(diǎn)實(shí)驗(yàn)室， 新疆 烏魯木齊 830046

分析并提供了一個(gè)利用MODIS窄波段數(shù)據(jù)， 估算地表寬波段(8～14 μm)比輻射率的最優(yōu)估算方程， 并根據(jù)該方程獲得了塔克拉瑪干沙漠地區(qū)地表比輻射率特征分布情況。 首先， 沿塔克拉瑪干沙漠的兩條南北穿越公路， 使用傅里葉變換熱紅外光譜儀(FTIR)， 選取20個(gè)觀測(cè)點(diǎn)， 獲取實(shí)測(cè)的地表寬波段比輻射率。 其次， 利用MODIS溫度產(chǎn)品MOD11A1和MOD11C1熱紅外區(qū)域第29， 31和32波段和MOD09A1近紅外區(qū)域第7波段數(shù)據(jù)， 建立待定系數(shù)的地表寬波段比輻射率多元線性回歸估算方程。 通過FTIR的觀測(cè)值和MODIS數(shù)據(jù)確定該估算方程的系數(shù)， 并進(jìn)行誤差分析。 研究發(fā)現(xiàn)， 使用FTIR觀測(cè)值， 由MODIS第29， 31和32波段數(shù)據(jù)的線性回歸方程， 可以產(chǎn)生高精度的地表寬波段比輻射率。 加入MODIS第7波段后， 新的線性回歸估算方程的精度更高， 均方根誤差RMSE為0.004 5， 平均偏差Bias為0.000 1。 與文獻(xiàn)中的其他六種估算方程橫向?qū)Ρ龋?RMSE和Bias分別比其他六種估算方程低1和2個(gè)數(shù)量級(jí)。 最后， 利用該估算方程獲得了研究區(qū)的地表比輻射率分布圖， 結(jié)果顯示， 沙漠中心區(qū)域的值為0.880～0.910， 平均值為0.906； 有稀疏植被區(qū)域的值為0.910～0.940； 靠近沙漠邊緣的綠洲的值為0.950～0.980。

地表比輻射率； 塔克拉瑪干沙漠； MODIS； FTIR

引 言

地表比輻射率是估算地表長(zhǎng)波靜輻射的基本參數(shù)， 也是研究地表能量輻射平衡的關(guān)鍵參數(shù)， 廣泛應(yīng)用于地-氣間的物質(zhì)與能量交換的陸面模式、 數(shù)值預(yù)報(bào)、 全球氣候變化研究中[1-3]。 獲得寬波段比輻射率光譜數(shù)據(jù)， 是準(zhǔn)確計(jì)算比輻射率值最直接和有效的手段。 地表寬波段比輻射率光譜可以使用傅里葉變換熱紅外光譜儀(Fourier transform infrared spectrometer， FTIR)精確的測(cè)量[4-7]。 劉永強(qiáng)等[8]和Liu[9]利用FTIR首次研究了塔克拉瑪干沙漠腹地的地表比輻射率。 FTIR觀測(cè)方法的缺陷是不能獲取區(qū)域值， 而熱紅外遙感技術(shù)是快速獲取區(qū)域地表比輻射率的一種有效方法[10]。 但是， 熱紅外遙感只能獲得特定的窄波段比輻射率， 不能代表寬波段比輻射率。 因此， 在一些區(qū)域， 由于缺乏足夠的觀測(cè)數(shù)據(jù)獲取地表比輻射率， 其陸面模式中使用常數(shù)代替真實(shí)的寬波段比輻射率， 因而降低了地表溫度反演的精度[11-12]。 Van等指出， 地表比輻射率偏差0.009， 會(huì)使反演的地表溫度產(chǎn)生2～3 K的誤差[13]。

許多研究者利用熱紅外遙感的窄波段數(shù)據(jù)， 建立寬波段比輻射率的線性擬合方程， 估算地表比輻射率。 Ogawa等[14]把寬波段的波長(zhǎng)窗口確定為8～13.5 μm， 利用moderate resolution imaging spectrometer(MODIS)和advanced spaceborne thermal emission and reflection radiometer(ASTER)的比輻射率光譜庫(kù)數(shù)據(jù)建立了寬波段比輻射率方程。 其方程采用MODIS第7(2.105～2.155 μm)， 29(8.400～8.700 μm)， 31(10.780～11.280 μm)和32(11.770～12.270 μm)波段范圍的光譜庫(kù)數(shù)據(jù)， 以29， 31和32波段的最大最小值之差和7波段數(shù)據(jù)， 組成2個(gè)變量1個(gè)常量的線性回歸方程， 并且估算了撒哈拉沙漠地區(qū)地表的寬波段比輻射率。 Jin等[11]提出了一種基于MODIS熱紅外波段數(shù)據(jù)估算全球地表比輻射率的參數(shù)改進(jìn)方法， 給出了寬波段窗口為8～14 μm的估算方程。 該估算方程同樣使用MODIS和ASTER光譜庫(kù)數(shù)據(jù)， 采用MODIS第29， 31和32波段范圍的光譜庫(kù)數(shù)據(jù)， 組成了三個(gè)變量的線性回歸方程， 并應(yīng)用于陸面過程， 通過模擬地表通量的誤差， 驗(yàn)證估算方程的精度。 Tang等[15]比較了3～14和3～∞ μm兩個(gè)寬波段窗口比輻射率的差異， 利用MODIS熱紅外第29， 31， 32波段數(shù)據(jù)建立三個(gè)變量一個(gè)常量的線性組合方程， 同樣采用MODIS比輻射率光譜庫(kù)驗(yàn)證估算精度。 王新生等[16]僅利用MODIS的第31和32熱紅外波段， 建立2個(gè)變量1個(gè)常量的線性組合方程， 估算寬波段比輻射率， 并且計(jì)算了全國(guó)地表比輻射率的年際和季度變化特征， 但是對(duì)方程的可靠性沒有進(jìn)行驗(yàn)證。 Cheng等[17]針對(duì)地表長(zhǎng)波凈輻射， 提出了最佳的寬波段窗口為8～13.5 μm， 根據(jù)ASTER和MODIS的比輻射率光譜庫(kù)， 再結(jié)合地物(土壤、 巖石、 植被、 水、 冰/雪)樣本的觀測(cè)光譜數(shù)據(jù)， 使用MODIS第29和31波段， 獲得了2個(gè)變量1個(gè)常量的寬波段比輻射率估算方程。 上述文獻(xiàn)給出的寬波段比輻射率估算方程， 都是利用MODIS熱紅外第29， 31和32波段范圍的光譜庫(kù)數(shù)據(jù)建立方程， 在波段數(shù)和常數(shù)項(xiàng)的選擇上也不相同， Ogawa等[14]還用到了第7波段的數(shù)據(jù)。 但是， 由于缺少地面現(xiàn)場(chǎng)的觀測(cè)數(shù)據(jù)的驗(yàn)證， 僅使用光譜庫(kù)數(shù)據(jù)進(jìn)行驗(yàn)證， 導(dǎo)致這些估算方程在局部區(qū)域的適用性有限。

此外， Weng等[18]研究了一個(gè)新模型， 利用微波估算地物(雪， 沙漠， 植被)的比輻射率， 由于微波數(shù)據(jù)獲取的局限性， 不適宜估算較大區(qū)域的寬波段比輻射率。 Sobrino等[19]利用NOAA(national oceanic and atmospheric administration)氣象衛(wèi)星影像數(shù)據(jù)， 通過NDVI(normalized difference vegetation index), TISI(temperature-independent spectral indices)和TS-RAM(thermal infrared radiance ratio model)三種方法反演地表比輻射率， 由于NOAA氣象衛(wèi)星的影像分辨率較低， 反演的比輻射率結(jié)果精度低。

針對(duì)上述估算地表寬波段比輻射率方法的不足， 結(jié)合本研究區(qū)域——塔克拉瑪干沙漠的獨(dú)特性和FTIR實(shí)測(cè)數(shù)據(jù)， 實(shí)施估算方程的完善和改進(jìn)， 并分析研究區(qū)的地表比輻射率分布特征： (1) 估算方程同樣采用線性組合方法擬合地表寬波段比輻射率， 方程不僅利用MODIS熱紅外波段數(shù)據(jù)， 還增加近紅外波段數(shù)據(jù)； (2) 直接使用不同時(shí)期的FTIR實(shí)測(cè)寬波段比輻射率建立與驗(yàn)證估算方程， 而不是使用MODIS和ASTER的比輻射率光譜庫(kù)數(shù)據(jù)； (3) 橫向?qū)Ρ绕渌芯空呃肕ODIS數(shù)據(jù)得到的估算方程， 分析這些方程在塔克拉瑪干沙漠區(qū)域的估算精度； (4) 根據(jù)最佳的估算方程， 估算并分析研究區(qū)的地表寬波段比輻射率的分布特征。

1 研究區(qū)和數(shù)據(jù)

塔克拉瑪干沙漠位于塔里木盆地， 是世界第二大流動(dòng)沙漠， 南北方向最寬520 km， 東西方向從西部弧頂喀什到弧邊羅布泊長(zhǎng)達(dá)1 300 km， 面積337 600 km2， 海拔高度800～1 300 m， 地勢(shì)西高東低。 沙漠周邊被不連續(xù)的大小綠洲包圍， 沙漠內(nèi)部沙丘連綿起伏， 一般高70～80 m， 最高可達(dá)250 m， 多為流動(dòng)沙丘(圖1)。 沙漠土壤類型單一， 以粉沙為主， 其中極細(xì)沙最多， 占到輸沙量43.8%～75.5%， 主要成分都是石英， 還有少量的長(zhǎng)石和白云母[20]。 位于沙漠腹地的塔中站(39°00′ N， 83°40′ E， 1 099.3 m)的1996—2013年觀測(cè)數(shù)據(jù)表明， 沙漠腹地的年平均溫度為12.4 ℃， 年平均降水僅23.0 mm， 而年平均潛在蒸發(fā)量高達(dá)3 800.0 mm。 有記錄以來的最高溫度為45.6 ℃， 最低溫度為-32.7 ℃。 年平均風(fēng)速為2.5 m·s-1， 瞬時(shí)最大風(fēng)速為24.0 m·s-1[9]。

圖1 沿兩條沙面公路設(shè)置的FTIR觀測(cè)點(diǎn)(圖片來自Google Earth)

地表比輻射率與下墊面的土壤成分、 類型、 濕度和地表植被相關(guān)， 而研究區(qū)除周邊的過渡帶和綠洲之外， 其他區(qū)域無植被覆蓋， 而且其土壤成份、 類型和濕度常年穩(wěn)定不變。 在極端干旱的塔克拉瑪干沙漠， 地表比輻射率值常年穩(wěn)定。

1.1 FTIR觀測(cè)數(shù)據(jù)

采用便攜式傅里葉變換熱紅外光譜分析儀(FTIR)， 對(duì)塔克拉瑪干沙漠地表寬波段比輻射率進(jìn)行現(xiàn)場(chǎng)觀測(cè)。 沿著兩條沙漠公路(輪臺(tái)至民豐沙漠公路， 阿拉爾至和田沙漠公路)選點(diǎn)， 觀測(cè)點(diǎn)南北貫穿沙漠。 由于沙漠地表類型單一， 土壤成份及濕度變化極其微小， 每50～100 km選擇一個(gè)合適的觀測(cè)點(diǎn)， 在沙漠邊緣靠近綠洲過渡帶， 加密觀測(cè)點(diǎn)。 為了提高觀測(cè)結(jié)果的準(zhǔn)確性， 選擇在晴朗天氣下測(cè)量[5]。 輪臺(tái)至民豐沙漠公路的觀測(cè)時(shí)間為2013年10月16日—19日， 阿拉爾至和田沙漠公路的觀測(cè)時(shí)間為2014年9月27日， 共采集到20個(gè)觀測(cè)點(diǎn)的地表寬波段比輻射率光譜數(shù)據(jù)(圖1)。

1.2 MODIS數(shù)據(jù)

MODIS數(shù)據(jù)具有較高的光譜和時(shí)間分辨率， 每1～2 d可以獲得一次全球觀測(cè)數(shù)據(jù)， 對(duì)于監(jiān)測(cè)大范圍地表參數(shù)變化具有明顯優(yōu)勢(shì)[21]。 MODIS有36個(gè)通道， 其中通道1～19和26分布在可見光和近紅外波段， 其他16個(gè)通道分布在3～15 μm的熱紅外波段。 獲取地表比輻射率最合適的熱紅外波段的大氣窗口為8～14 μm， 相對(duì)應(yīng)的波段為第29～32， 由于第30波段有較強(qiáng)的臭氧吸收， 無法利用。 因此， 熱紅外波段選擇第29(8.400～8.700 μm)， 31(10.780～11.280 μm)和32波段(11.770～12.270 μm)。 此外， 處于近紅外區(qū)域的第7波段(2.105～2.155 μm)數(shù)據(jù)是地表和云的反射率， 能夠反映出地表土壤的屬性， 姚云軍等[22]指出， 第7波段對(duì)地表土壤的含水量敏感， 而地表比輻射率除了與地表土壤的類型、 結(jié)構(gòu)、 有機(jī)質(zhì)含量和表面特性有關(guān)之外， 土壤含水量是最重要的因素之一； Zhou等[23]也認(rèn)為， 第7波段的反射率與土壤和巖石的寬波段比輻射率相關(guān)性最高； 本研究區(qū)富含石英(SiO2)沙， 有較高的地表反射率。 因此， 研究中增加了第7波段的數(shù)據(jù)。

MODIS第29， 31和32波段數(shù)據(jù)的分辨率均為1 km， 第7波段數(shù)據(jù)分辨率為500 m。 所有影像數(shù)據(jù)對(duì)應(yīng)地表面積約1 300 km×500 km， 覆蓋整個(gè)塔克拉瑪干沙漠區(qū)域。 數(shù)據(jù)采集時(shí)間為2013年10月16日—18日。 MODIS數(shù)據(jù)可以從美國(guó)NASA(National Aeronautics and Space Administration)網(wǎng)站(http://modis.gsfc.nasa.gov)免費(fèi)獲取。

2 方 法

2.1 地表寬波段比輻射率的觀測(cè)與計(jì)算

利用便攜式傅里葉變換熱紅外光譜儀(Model 102F, Designs and Prototypes Ltd.)， 觀測(cè)地表比輻射率光譜數(shù)據(jù)。 Model 102F快速傅里葉變換紅外光譜分析儀(FTIR)的光通量為0.016 cm2·sr， 雜散輻射少， 其工作光譜范圍為2～16 μm， 光譜分辨率為2～24 cm-1。 其測(cè)量結(jié)果可以達(dá)到標(biāo)準(zhǔn)差小于1%[6]。 地表比輻射率光譜的計(jì)算見式(1)

(1)

式(1)中，ελ是波長(zhǎng)為λ時(shí)的地表比輻射率的光譜，Lλ(cm2·sr)是波長(zhǎng)為λ時(shí)的地表輻射量度，Bλ(T)(cm2·sr)是波長(zhǎng)為λ， 地表溫度為T(K)時(shí)的黑體輻射量度， 下行輻射Dλ(cm2·sr)采用標(biāo)定的漫反射金板進(jìn)行測(cè)量。 Liu等[9]和劉永強(qiáng)等[8]給出了塔克拉瑪干沙漠地表比輻射率光譜觀測(cè)的操作過程和觀測(cè)結(jié)果。

在陸面模式和數(shù)值預(yù)報(bào)模型中， 地表比輻射率一般使用寬波段比輻射率光譜的平均值。 波長(zhǎng)范圍在λ1～λ2之間的地表比輻射率的計(jì)算方法[24]

(2)

式(2)中，λ1和λ2是波長(zhǎng)范圍的上下限。 不同于Ogawa等[14[9]， 因此采用波長(zhǎng)8～14 μm計(jì)算寬波段比輻射率。 由于ελ和Bλ(T)是連續(xù)函數(shù)， 為便于計(jì)算， 將積分方程離散化， 見式(3)

(3)

2.2 MODIS數(shù)據(jù)估計(jì)寬波段的比輻射率

MODIS熱紅外單波段的地表比輻射率值算法[25]為

(4)

式(4)中，fi(λ)是第i波段的光譜響應(yīng)函數(shù)。 根據(jù)式(2)和式(4)， 寬波段比輻射率可以通過不同單波段的比輻射率線性組合[15]表示

(5)

式(5)中，

(6)

(7)

顯然，gi是組合系數(shù)， 與溫度為T時(shí)的黑體熱輻射亮度有關(guān)， 與單波段的比輻射率無關(guān)。 基于此， 利用MODIS的第29， 31和32波段的數(shù)據(jù)， 通過多元線性回歸方程的擬合， 可以得到寬波段比輻射率的估算方程。 由于MODIS第7波段與比輻射率高度相關(guān)， 增加第7波段數(shù)據(jù)到線性組合方程中， 并且分析增加第7波段前后對(duì)估算方程精度的影響。 定義寬波段地表比輻射率ε8～14方程為

(8)

或

(9)

其中，a1，a2，a3，a4，c為多元線性回歸方程的系數(shù)，ε29，ε31和ε32分別為MODIS第29， 31和32波段的比輻射率值，α7是MODIS第7波段的反射率值。

3 結(jié)果與討論

3.1 估算方程

根據(jù)20個(gè)觀測(cè)點(diǎn)的FTIR觀測(cè)值和同地點(diǎn)的MODIS影像值， 利用多元線性回歸方法， 擬合出式(8)和式(9)的系數(shù)， 建立對(duì)應(yīng)的地表寬波段比輻射率估算方程分別為

(10)

和

(11)

分析式(10)和式(11)的估算值與觀測(cè)值的均方根誤差(RMSE)， 分別為0.005 1和0.004 5， 估算方程在增加了第7波段的地表反射率后， RMSE減少了11.8%。 表1給出了式(11)的估算值和未參與建模的另外16個(gè)觀測(cè)值對(duì)比， 只有觀測(cè)點(diǎn)8的偏差(Bias)較大， 達(dá)到0.011， 其他觀測(cè)點(diǎn)的|Bias|≤0.007。 圖2給出了估算值對(duì)觀測(cè)值的擬合度， 顯然， 式(11)對(duì)塔克拉瑪干沙漠地表寬波段比輻射率的估算不僅有效， 而且精度高。

表1 FTIR觀測(cè)值與方程估算值的對(duì)比

3.2 估算方程對(duì)比

選擇文獻(xiàn)提供的六種光譜波長(zhǎng)范圍在8～14 μm內(nèi)的不同估算方程， 與式(11)進(jìn)行橫向?qū)Ρ取?對(duì)比六種估算方程給出的MODIS估算值與FTIR觀測(cè)值的RMSE和Bias(表2)， 可見六種方程的RMSE和Bias比式(11)分別大1和2個(gè)數(shù)量級(jí)， 并且均為負(fù)值， 即估算值與實(shí)測(cè)值相比偏大。 所以， 式(11)對(duì)塔克拉瑪干沙漠的地表比輻射率估算最優(yōu)。

圖2 地表寬波段比輻射率的FTIR觀測(cè)值與

文獻(xiàn)估算方程RMSEBias[26]ε8～14=0 4587ε31+0 5414ε320 0573-0 0563[14]?ε8～13 5=-0 226εmax-min-0 0757α7+0 9860 0256-0 0246[11]ε8～14=0 0139ε29+0 4606ε31+0 5256ε320 0559-0 0549[15]ε3～14=0 2543ε29+0 0803ε31+0 7204ε32-0 05900 0303-0 0294[16]ε8～14=0 314ε31+0 411ε32+0 2610 0525-0 0511[17]ε8～13 5=0 329ε29+0 572ε31+0 0950 0240-0 0227式(11)ε8～14=0 050ε29+0 391ε31+1 047ε32-0 122α7-0 4810 00450 0001

3.3 塔克拉瑪干沙漠地表比輻射率分布特征

選取2013年10月20日的塔克拉瑪干沙漠區(qū)域MODIS數(shù)據(jù)， 利用式(11)和第7， 29， 31和32波段數(shù)據(jù)， 估算研究區(qū)的地表寬波段比輻射率。 區(qū)域范圍為1 300km×500km， 包括整個(gè)塔克拉瑪干沙漠以及塔里木盆地周邊綠洲和天山南部及昆侖山北部分山區(qū)(圖3)。 可以看出， 塔克拉瑪干沙漠區(qū)域的地表比輻射率集中在0.880～0.910之間， 面積分布最大， 變化幅度較小。 沙漠中有稀疏植被區(qū)域的范圍在0.910～0.940之間， 靠近沙漠邊緣綠洲(輪臺(tái)、 阿拉爾、 且末、 喀什地區(qū)綠洲)的范圍在0.950～0.980之間。

圖3 塔克拉瑪干沙漠地區(qū)地表比輻射率分布特征

4 結(jié) 論

地表寬波段比輻射率是研究地表能量平衡的重要參數(shù)。 使用傅里葉變換熱紅外光譜儀， 南北穿越兩條沙漠公路， 獲得20個(gè)觀測(cè)點(diǎn)的地表寬波段比輻射率光譜數(shù)據(jù)， 計(jì)算出每個(gè)觀測(cè)點(diǎn)的地表比輻射率值。 結(jié)合同期的MODIS第29， 31和32波段1 km分辨率的地表比輻射率， 和第7波段500 m分辨率的地表反射率， 建立估算地表寬波段比輻射率多元線性回歸方程。

方程估算值與觀測(cè)值的誤差對(duì)比發(fā)現(xiàn)， 加入第7波段后的估算方程精度更高， 均方根誤差RMSE為0.004 5。 進(jìn)一步與其他六種估算方程橫向?qū)Ρ龋?RMSE和Bias分別比其他六種估算方程低1和2個(gè)數(shù)量級(jí)。 采用本估算方程計(jì)算了塔克拉瑪干沙漠區(qū)域的寬波段比輻射率分布特征， 沙漠中心區(qū)域的值為0.880～0.910， 平均值為0.906。 沙漠中有稀疏植被區(qū)域的值為0.910～0.940， 靠近沙漠邊緣綠洲的值為0.950～0.980。

估算方程的特別之處在于： 利用地表比輻射率的實(shí)測(cè)數(shù)據(jù)， 而不是光譜庫(kù)數(shù)據(jù)， 建立和驗(yàn)證估算方程， 不僅方程的精度高， 而且避免缺乏實(shí)證檢驗(yàn)而導(dǎo)致的誤差； 增加近紅外波段再次提高方程的精度。 該估算方程對(duì)極度干旱的塔克拉瑪干沙漠區(qū)域有較高的適用性， 為下一步進(jìn)行該區(qū)域的陸面和數(shù)值預(yù)報(bào)模式的模擬提供了支持。 該估算方程對(duì)其他植被覆蓋區(qū)和濕潤(rùn)地區(qū)的適用性有待于進(jìn)一步的研究。

[1] Sellers P J, Randall D A, Collatz G J, et al. Journal of Climate, 1996, 9(4): 676.

[2] Jiang G M, Li Z L. Remote Sensing of Environment, 2006, 105: 326.

[3] Liang S, Wang K, Zhang X, et al. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2010, 3(3): 225.

[4] Hook S J, and Kahle A B. Remote Sensing of Environment, 1996, 56(3): 172.

[5] Korb A R, Dybwad P, Wadsworth W, et al. Applied Optics, 1996, 35(10): 1679.

[6] Korb A R, Salisbury J W, D’Aria D M, et al. Journal of Geophysical Research: Solid Earth, 1999, 104(B7): 15339.

[7] Hori M, Aoki T, Tanikawa T, et al. Remote Sensing of Environment, 2006, 100(4): 486.

[8] LIU Yong-qiang， Ali Mamitimin， HUO Wen, et al(劉永強(qiáng), 艾力·買買提明, 霍 文, 等). Desert and Oasis Meteorology(沙漠與綠洲氣象), 2014, 8(3): 1.

[9] Liu Y, Mamtimin A, Huo W, et al. Journal of Mountain Science, 2014, 11(6): 1543.

[10] Sobrino J A, Raissouni N, Li Z L. Remote Sensing of Environment, 2001, 75(2): 256.

[11] Jin M, Liang S. Journal of Climate, 2006, 19(12): 2867.

[12] Hulley C C, Hook S J, Baldridge A M. Remote Sensing of Environment, 2010, 114: 1480.

[13] Van de Griend A A, Owe M. International Journal of Remote Sensing, 1993, 14(6): 1119.

[14] Ogawa K, Schmugge T. Earth Interactions, 2004, 8(7): 1.

[15] Tang B H, Wu H, Li C, et al. Optics Express, 2011, 19(1): 185.

[16] WANG Xin-sheng, XU Jing, LIU Fei, et al(王新生, 徐 靜, 柳 菲, 等). Acta Geographica Sinica(地理學(xué)報(bào)), 2012, 67(1): 93.

[17] Cheng J, Liang S, Yao Y, et al. IEEE Geoscience and Remote Sensing Letters, 2013, 10(2): 401.

[18] Weng F, Yan B, Grody N C. Journal of Geophysical Research: Atmospheres (1984—2012), 2001, 106(D17): 20115.

[19] Sobrino J A, Jiménez-Muoz J C, Sòria G, et al. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(2): 316.

[20] WANG Xun-ming, DONG Zhi-bao, CHEN Guang-ting(王訓(xùn)明, 董治寶, 陳廣庭). Journal of Desert Research(中國(guó)沙漠), 2001, 21(1): 56.

[21] Wan Z. Remote Sensing of Environment, 2014, 140(1): 36.

[22] YAO Yun-jun, QIN Qi-ming, ZHAO Shao-hua, et al(姚云軍， 秦其明， 趙少華， 等). Journal of Infrared and Millimeter Waves(紅外與毫米波學(xué)報(bào)), 2011, 30(1): 9.

[23] Zhou L, Dickinson R E, Ogawa K, et al. Geophysical Research Letters, 2013, 30(20): 2026.

[24] Wilber A C, Kratz D P, Gupta S K. Surface Emissivity Maps for Use in Sutellite Retrievlas of Longwave Radiation. NASA Tech. Publication NASA, 1999. 209362.

[25] Wan Z, Dozier J. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(4): 892.

[26] Wan Z, Li Z. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(4): 980.

Estimating Surface Broadband Emissivity of the Taklimakan Desert with

FTIR and MODIS Data

LI Huo-qing1, WU Xin-ping2, Ali Mamtimin3, HUO Wen3, YANG Xing-hua3, YANG Fan3, HE Qing3,LIU Yong-qiang1,4*

1. College of Resources and Environmental Sciences, Xinjiang University, Urumqi 830046, China

2. Tazhong Weather Station of Qiemo in Xinjiang, Tazhong 841000, China

3. Institute of Desert Meteorology, China Meteorological Administration, Urumqi 830002, China

4. Key Laboratory of Oasis Ecology (Ministry of Education), Urumqi 830046, China

Surface broadband emissivity in the thermal infrared region is an important parameteras for the studies of the surface energy balance. This paper analyzed and offered an equation to estimate the surface broadband emissivity for the spectral domains 8～14 μm against the MODIS data, and then, the distribution characteristic of surface emissivity for Taklimakan Desert was obtained with this equation. Firstly, along two highways crossing the Taklimakan Desert, twenty sample sites were selected and their spectral of broadband emissivity were observed with Fourier Transform Infrared spectrometer (FTIR). Secondly, using the Moderate Resolution Imaging Spectrometer (MODIS) land surface temperature and emissivity product MOD11A1 and MOD11C1, derived emissivities in three thermal infrared channels 29 (8.4～8.7 μm), 31 (10.78～11.28 μm) and 32 (11.77～12.27 μm) and MODIS surface reflectance products MOD09A1, derived reflectance in near-infrared channel 7 (2.105～2.155 μm), developing an empirical regression equation to convert these spectral emissivities and reflectance to a broadband emissivity. The FTIR data were used to determine the coefficients of the regression equation, another part of FTIR data were used to investigate the accuracy of equation. It was found that the equation consist of MODIS channels 29, 31 and 32 has more accuracy; furthermore, the accuracy is improved when channel 7 data was added in the regression equation. The root mean square error (RMSE) and Bias were 0.004 5 and 0.000 1, respectively. Comparing to other six equations originated from literatures, which also estimate the surface broadband emissivity from narrowband emissivities. The RMSE and Bias of our equation are lower one order and two orders of magnitude than other six equations, respectively. Lastly, our equation is applied in the Taklimakan Desert area to build a distribution image of emissivity based on MODIS data. It demonstrates that the emissivity of Taklimakan Desert is in the range of 0.880～0.910 over the central regions, the averaged value is 0.906; The emissivity is in the range of 0.910～0.940 where the areas covered by spare vegetation; The emissivity is in range of 0.950～0.980 where the regions near to the oasis.

Emissivity; Taklimakan Desert; MODIS; FTIR

Sep. 26, 2015; accepted Dec. 18, 2015)

2015-09-26，

2015-12-18

國(guó)家自然科學(xué)基金項(xiàng)目(41265002， 41175140)， 公益性行業(yè)(氣象)科研專項(xiàng)(GYHY201306066)資助

李火青， 1990年生， 新疆大學(xué)資源與環(huán)境科學(xué)學(xué)院碩士研究生 e-mail: 1092694095@qq.com *通訊聯(lián)系人 e-mail: lyqxju@163.com

TP722.6

A

10.3964/j.issn.1000-0593(2016)08-2414-06

*Corresponding author