Метод оценки степени температурной однородности подстилающей поверхности по спутниковым данным

Пространственное разрешение обычно понимается как способность различить рядом стоящие пиксели на поверхности. Вместе с тем, если поверхность гомогенна, возможно потребуется дополнительный признак гомогенности для подтверждения факта равенства оценок пикселей.

В статье рассмотрена возможность формирования новой экстремальной спектральной сигнатуры, характеризующей степень температурной гомогенности поверхности земляной поверхности на базе измерения поверхностной температуры спутниковыми средствами. Температурно-гомогенным участком принято называть те участки, в которых яркостная температура на верхней границе (TC) атмосферы не зависит от излучательности. Вместе с тем, равенство ТС(Е) = С; С = const возможно в двух случаях: (а) если Е изменяется от Еmin до Еmax, однако, TC при этом не изменяется; (б) если E неизменяется и равно постоянной величине то TC также не изменяется. Предложен метод оценки температурной однородности исследуемой поверхности земли. Сформирован новый показатель температурной однородности исследуемых участков земной поверхности. С применением метода вариационной оптимизации показано, что если яркостная температура на верхней границе атмосферы постоянна в принятых пределах излучательности исследуемого участка, то предлагаемый показатель гомогенности достигает максимума при некотором принятом ограничительном условии. При условии соблюдения этого ограничения факт максимума принятого показателя может быть использован в качестве признака температурной однородности участка.

1. Li Z.L., Tang B.H., Wu H., Ren H., Yan G., Wan Z., Trigo I.F., Sobrino J.A. Satellite-derived land surface temperature: current status and perspectives// Remote Sens. Environ. – 2013. – vol. 131. – P. 14-37.

2. Barsi J.A., Barker J.L., Schott J.R. An atmospheric correction parameter calculator for a single thermal band earth-sensing instrument // In processdings of the 2003 IEEE International Geoscience and Remote Sensing Semposium. IGARSS 03. Melbourne, Australia. 21 – 25 July 2003. – vol. 5. – P. 3014-3016.

3. Tang H., Li Z.L. Introduction // In quantitative remote sensing in thermal infrared. – Springer: Germany, 2014. – P. 1-4.

4. Li Z.L., Wu H., Wang N., Qiu S., Sobrino J.A., Wan Z., Tang B.H., Yan G. Land surface emissivity retrieval from satellite data // Int. J. Remote Sens. – 2013. – vol. 34. – P. 3084-3127.

5. Walker J.J., De Beurs K.M., Wynne R.H., Gao F. Evaluation of landsat and MODIS data fusion products for analysis of dryland forest phenology // Remote Sens. Environ. – 2012. – vol. 117. – P. 381-393.

6. Copertino V.A., Di Pietro M., Scavone G., Telesca V. Comparison of algorithms to retrieve land surface temperature from Landsat-7 ETM+IR data in the Basilicata Ionian band // Tethys. – 2012. – vol. 9. – P. 25-34.

7. US Geological Survey Landsat Missions. [Электронный ресурс]. – Режим доступа: https://www.usgs.gov/core-science-systems/nli/landsat/landsat-5?qt-science_support_page_related_con=0#qt-science_support_page_related_con (дата обращения: 12.09.2021).

8. US Geological Survey Landsat Missions. [Электронный ресурс]. – Режим доступа: https://www.usgs.gov/core-science-systems/nli/landsat/landsat-7?qt-science_support_page_related_con=0#qt-science_support_page_related_con (дата обращения: 12.09.2020).

9. US Geological Survey Landsat Missions. [Электронный ресурс]. – Режим доступа: https://www.usgs.gov/core-science-systems/nli/landsat/landsat-8?qt-science_support_page_related_con=0#qt-science_support_page_related_con (дата обращения: 12.09.2020).

10. Guillevic P., Göttsche F., Nickeson J., Hulley G., Ghent D., Yu Y., Trigo I., Hook S., Sobrino J.A., Remedios J., Roman M., Camacho F. Land surface temperature product validation best practice protocol version 1.1 // Good Practices for Satellite-Derived Land Product Validation. Land Product Validation Subgroup. – 2018. – vol. 58, DOI:10.5067/doc/ceoswgcv/lpv/lst.001.

11. Avdan U., Jovanovska G. Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data // J. Sensors. – vol. 2016. – 8 p., DOI:10.1155/2016/1480307.

12. US Geological Survey Using the USGS Landsat Level-1 data product. [Электронный ресурс]. – Режим доступа: https://www.usgs.gov/core-science-systems/nli/landsat/using-usgs-landsat-level-1-data-product (дата обращения: 25.07.2021).

13. Qin Z., Karnieli A., Berliner P. A mono-window algorithm for retrieving land surface temperature from landsat TM data and its application to the Israel – Egypt border region // International Journal of Remote Sensing. – 2010. – vol. 22(18). – P. 3719-3746.

14. Carlson T.N., Ripley D.A. On the relation between NDVI, fractional vegetation cover, and leaf area index // Remote Sens. Environ. – 1997. vol. 62. -P. 241-252, DOI:10.1016/S0034-4257(97)00104-1.

15. Sobrino J.A., Jimenez-Munoz J.C., Paolinin L. Land surface temperature retrieval from LANDSAT TM5 // Remote. Sens. Environ. – 2004. – vol. 90. – P. 434-440, DOI:10.1016/j.rse.2004.02.003.

16. Rouse J.W., Haas R.H., Schell J.A., Deering D.W. Monitoring Vegetation Sestems in the Great Plains with ERTS // NASA: Washington, DC, 1974. – Pp. 309-317.