利用MATLAB实现FY－3/MERSI地表温度反演及专题制图

杨何群，尹 球，周红妹，葛伟强

(上海市卫星遥感与测量应用中心，上海 201199)

利用MATLAB实现FY－3/MERSI地表温度反演及专题制图

杨何群，尹 球，周红妹，葛伟强

(上海市卫星遥感与测量应用中心，上海 201199)

我国新型自主研发的风云三号卫星MERSI(FY－3/MERSI)数据目前多见于试验研究，国家卫星气象中心(NSMC)发布的业务产品中尚缺乏地表温度(land surface temperature，LST)产品。为此，在分析FY－3/MERSI L1级数据HDF5格式及通道特点的基础上，采用Jiménez－Mun～oz和Sobrino普适性单通道地表温度反演算法，借助MATLAB编程，实现了直接利用MERSI数据进行250 m空间分辨率的LST反演与专题制图。详细介绍了LST反演算法的参数化流程，包括辐射定标、云检测处理以及地表比辐射率和大气水汽含量的估计等，并在反演LST的基础上，计算其他衍生指标，建立了FY－3/MERSI数据反演LST及制图流程。对上海市空间热环境监测分析的实验结果表明:该方法能根据设定范围对FY－3/MERSI L1数据进行快速、实时和自动处理，适用于业务化产品制作与共享，节省人力资源;形式丰富的MERSI专题制图产品可更直观、精细地揭示出上海城市热场空间格局与热岛效应特征。

FY－3/MERSI;地表温度;反演;专题制图;MATLAB

0 引言

地表温度(land surface temperature，LST)是描述地－气系统相互作用中物质和能量交换结果的重要物理参量，是地表热量平衡的产物［1－2］。地球上的植物生长与作物产量、地表水分蒸发与循环、城市生态与热岛效应、气候变迁与全球环境变化以及资源积累与人类生存等许多重要的自然、人文现象或过程，无不与其密切相关。地表温度蕴含了丰富的地学信息，是地面与空气界面的能量计数器。由于其在时空上具有高度变异性［3］，区域乃至全球性的动态监测与应用需完全依赖于卫星遥感技术。

作为中国首颗高性能综合探测卫星，中国自主研发的第二代极轨气象卫星系列风云三号(FY－3)是与美国气象与环境监测卫星NPOESS、欧洲极轨气象卫星METOP等相当的新一代卫星，可实现对地球－大气的全天候、全天时、三维、定量、多光谱的不间断观测［4］。其上搭载的中分辨率光谱成像仪(medium resolution spectral imager，MERSI)是最主要的光学成像载荷，具备从可见光—热红外20个通道的探测能力，可以探测大气、陆地、海洋的可见光反射辐射和热红外发射辐射。区别于其他同类星载传感器(如EOS/MODIS)的是，FY－3/MERSI加强了对地物精细观测的能力，将250 m分辨率通道从MODIS的2个增加到5个，特别是包含了一个中心波长位于 11.25 μm，光谱带宽达 2.5 μm 的热红外通道。由于空间分辨率和光谱响应均得以提高［5］，该通道可以更为精细地捕捉地表、洋面及云顶的热属性信息，同时也可为云检测和其他遥感产品的生成提供高分辨率热红外图像。

限于FY－3A(上午星)和FY－3B(下午星)是近年发射(前者2008年5月27日发射，后者2010年11月5日发射)，并各自经历长达半年多的在轨测试，目前，FY － 3/MERSI只见于试验研究［6－7］。国内遥感研究机构大都仍以EOS/MODIS数据为主要数据源进行相关领域的监测评估应用。随着卫星系统稳定、正常运行及数据的积累，有必要发展区域性FY－3/MERSI地表温度及衍生产品的业务化流程算法，这一方面有助于提升中国卫星遥感自主应用能力，另一方面可在业务系统中减少对国外遥感数据的依赖，确保热力要素相关监测的及时性和准确性。针对FY－3/MERSI的数据特点，本文探索通过MATLAB语言编程实现FY－3/MERSI区域地表温度反演及专题制图。

1 FY－3/MERSI数据及MATLAB优势

FY －3/MERSI传感器扫描角度为 ±55.4°，成像幅宽为2000 km，光谱范围为0.41 ～12.5 μm，共有20个离散通道，其中250 m分辨率通道有5个，1000 m分辨率通道有15个，量化等级均为12 bit(表1)。

表1 FY－3/MERSI光谱通道及性能指标Tab.1 FY －3/MERSI spectral channels and characteristics

在FY－3卫星绕地球运行过程中，MERSI探测的辐射信息在星上编排为MPT(medium resolution spectral picture transmission，中分辨率图像传输)数据，通过X波段传输通道发送至地面接收站，解码成为L0级数据。中国气象局DVBS(digital video broadcasting system，数字视频广播系统)及风云卫星遥感数据服务网(fy3.satellite.cma.gov.cn)实时发布MERSI L1级产品，它是原始L0级数据经过多站接收去重复、质量检验后进入定位定标预处理后生成的，存贮格式为HDF，使用的是HDF5版本。

MERSI数据开发应用的前提是实现对MERSI L1级数据HDF5文件的提取。目前常用的遥感处理软件(如ENVI)只支持MODIS 1B HDF4和HDFEOS格式的读取，还没有提供HDF5数据支持接口或插件，更不用说提供直接的MERSI LST反演操作，应用受到软件自身功能限制。C，Fortran等传统语言工具虽可读取HDF5文件，但程序代码较为复杂，且配置HDF库函数繁琐。

MATLAB作为美国MathWorks公司出品的商业数学软件，用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境，可以很容易地实现C或Fortran语言的几乎全部功能，而且它提供了一组HDF应用程序接口，可以方便访问HDF5文件，并且以矩阵计算为基础，可使图像处理编程大大简化。此外，MATLAB具有出色的图形处理功能及功能强大的模块集/工具箱。

2 LST反演算法

随着对热红外遥感基础理论问题研究的深入，LST物理反演算法有了很大发展。结合传感器成像特性，LST反演方法有单通道法、劈窗法、多通道法、多角度法以及温度与比辐射率分离算法，等等。由于FY－3/MERSI继承了FY－1的特点——单窗，即只有一个热红外通道，因而只适宜采用单通道反演法。经调研对比，发现 Jiménez－Mun～oz和 Sobrino［8］提出的普适性单通道算法相对简单实用。

2.1 Jiménez－Mun～oz和 Sobrino 单通道法

LST反演以地表热辐射传导方程为基础，即在晴空大气、局地热力平衡条件下，假定地球表面为朗伯发射体，并且忽略大气分子和气溶胶的散射，认为卫星热红外辐射传感器所接收的能量主要包括3个部分:经大气削弱后被传感器接收的地表热辐射能量、大气下行辐射经地表反射后再被大气削弱而最终被传感器接收的那部分能量和大气上行辐射能量。该方程的核心是Planck函数，数学描述为

式中:Bi(Ti)和Bi(Ts)分别为第i通道的星上辐射强度和地面辐射强度;Ti为第i通道的星上亮度温度;Ts为地表温度;τi为第i通道的大气透过率;εi为第i通道的比辐射率;θ为观测视角;分别为第i通道的大气下、上行辐射能量。

为了获得真实的地表温度，必须剔除掉卫星信号中由于大气影响而产生的噪声，即需要进行大气校正。Jiménez－ Mun～oz和 Sobrino以单个热红外通道为对象，在对Planck方程作一阶泰勒级数展开的基础上，推导并简化了辐射传输方程，从而提出了把大气校正包含在地表温度反演过程中的普适性单通道算法，即

其中，

式中:Ts为地表温度，K;Tb为亮度温度，K;λ为有效波长，μm;为传感器接收到的热辐射亮度，Wm－2sr－1μm－1;c1，c2为系数; ε 为地表比辐射率(无量纲); ψ1，ψ2，ψ3分别为大气水汽含量 w(g·cm－2)及有效波长λ的函数。

可以看出，Jiménez－ Mun～oz和 Sobrino 单通道法只需通道有效波长、地表比辐射率和整层大气水汽含量3个中间参数，而不象其他单通道算法［9］需要探空资料或地面观测的大气有效平均作用温度等，而且它可将相同的方程和系数应用于不同的传感器。基于该算法，应用Landsat TM数据的LST反演已得到广泛认可，均方根误差只在0.6～1.5 K左右［10］，说明将其应用于 FY－3A/MERSI数据也应有较高精度。

2.2 地表比辐射率估计

地表比辐射率ε作为先验知识参与地表温度反演，但由于其影响因素很多(包括地表物质结构、表面粗糙度、介电常数、含水量、波长及观测角度等等)，对其测量与计算至今尚未找到完善的数值解法和模型。Valor和 Casselles［11］提出了利用植被覆盖度Pv建立估算比辐射率的模型，同时考虑了混合像元的影响，适用于类似FY－3/MERSI中分辨率混合像元的传感器，计算方法为

利用遥感数据估算植被覆盖度Pv的常用方法有三波段梯度差法［12］和归一化植被指数NDVI像元二分法［13］，后者被证明具有较高精度，计算方法为

式中:NDVI=(ρ4－ ρ3)/(ρ4+ ρ3)，ρ4和 ρ3分别为经过大气校正的FY－3/MERSI近红外波段(0.815～0.915 μm)及红波段(0.600 ～0.700 μm)的反射率;NDVIs，NDVIv分别为裸露土壤或无植被建筑表面、完全植被覆盖像元的NDVI值，取值分别为0.05和 0.75。

2.3 大气水汽含量测算

大气水汽含量是指单位截面大气柱内所含水汽总量。目前水汽测量具有多种多样的形式，包括探空、红外、微波探测，以及近年兴建的GPS/MET站网等，而最成熟且最简便的仍是应用卫星遥感近红外波段的方法，能精确到像元尺度［14］。其中，Kaufman和Gao［15］通过大量实验研究，从差分吸收概念得出了利用近红外大气水汽吸收带及其边沿大气窗口区2通道比值法估算MODIS大气柱水汽含量的公式;胡秀清等［16］利用查找表方法，开发了基于FY －3/MERSI 0.905 μm，0.940 μm 及 0.980 μm 3个近红外水汽吸收通道加权反演水汽总量的算法，通过反演试验和结果检验也证明了FY－3/MERSI具有较强的近红外水汽探测能力，并能探测空中水汽空间分布的精细特征。但是，由于此算法还在优化过程中，本文将Kaufman和Gao算法，即

其中，

应用于FY－3/MERSI对应通道，测算水汽总量。式中: τa是大气透射率; ρ16，ρ18分别是 FY －3/MERSI第16通道(中心波长0.865 μm)和第18通道(中心波长 0.980 μm)的反射率。

对于系数α和β，可根据下垫面状况进行调整:完全植被覆盖的地表(NDVI≥0.75)，α =0.012，β =0.651; 混合型地表(0.05≤NDVI＜ 0.75)，α =0.020，β=0.651;地表为裸土或建筑用地等不透水面(NDVI＜0.05)，α = －0.040，β =0.651。

3LST反演及专题制图的MATLAB实现

3.1 MERSI HDF5数据的读取

目前LST的业务产品主要为1000 m分辨率的MODIS LST，而FY－3/MERSI因具有1个独具特色的250 m分辨率的热红外通道，为每日生成更精细的百米级地表温度产品提供了新数据源。上文所述的 Jiménez－ Mun～oz和 Sobrino 普适性单通道算法需涉及 FY －3/MERSI第 3，4，5，16，18 共 5 个通道，但只有用于计算NDVI与亮度温度Tb的第3，4，5通道为250 m分辨率，而用于反演大气水汽含量的16和18通道分辨率仅为1000 m。因此，FY－3/MERSI 250 m和1000 m二种分辨率数据均需作为输入数据源。为了空间匹配，对后者还需进行插值。另外，考虑到FY－3/MERSI采用的是多探元跨轨并扫成像模式，即250 m分辨率通道(通道1～5)是40个探元并扫，1000 m分辨率通道(通道6～20)是10个探元并扫，探元的非均匀性会使原始图像存在条带，即使采用星上校正装置根据发射前确定的校正系数也不能很好地消除，故而需进行均匀性校正和图像消旋［17］处理。

输入数据即为经过均匀性校正和图像消旋的FY－3/MERSI 250 m和1000 m L1产品。由于MERSI的光谱通道较多，再加上较宽的扫描范围，因而每隔5 min获取的1景数据量常常高达1.0 GB，如果要完全读入，必将导致MATLAB内存溢出，所以，这里只针对感兴趣研究区域进行相关数据读取，其技术路线如图1所示。

图1 FY－3/MERSI HDF5数据读取技术路线示意图Fig.1 Technical route diagram of reading FY －3/MERSI HDF5 data

通过图1所示步骤，形成了维数一致的5个通道DN计数值和2个地理位置的矩阵数据集，以及一些标量信息，便于后续反演处理。

3.2 数据预处理

3.2.1 辐射定标及反射率、亮温计算

采用非线性多项式对FY－3/MERSI数据进行辐射定标(红外通道是三次项定标，可见光通道是二次项定标)。由于MERSI数据存贮的是DN计数值，需先通过DN*=Slope(DN－Intercept)转换后再参与定标计算。但是，红外定标过程比较复杂，包括逐探元定标、多探元辐射响应差异光谱补偿和图像消旋处理。所以，MERSI存贮的是已经过定标的辐亮度值，只需通过Planck定律逆求解得到等效黑体亮温Teff，再进一步计算，获得亮温温度Tb。计算式为

式中:Lλ为经过定标的辐亮度，mW·m－2·sr－1·cm;v为通道中心波数，为 875.1379 cm－1;系数 A=1.0103，B= － 1.8521，c1=1.191066 × 10－5mW·m－2·sr－1·cm，c2=1.438833 K·cm。

式中:h为普朗克常数，h=6.626 ×10－34J·s;c为光速，c=2.99793 ×108m·s－1;k 为玻尔兹曼常数，k=1.3806 × 10－23J·K－1。

反射率则通过二次项定标计算，即

式中:ρTOAi为第i通道大气层顶(top of the atmos-phere，TOA)反射率;θ为太阳天顶角;为对应i通道的3个定标系数。参考权维俊［18］等利用MODTRAN辐射传输模型模拟和利用最小二乘回归方法建立的FY－3/MERSI第3，4通道参数化方程

3.2.2 云检测处理

需注意的是，在有云的情况下，利用热红外波段数据反演的不是真实的地表温度，而是云顶温度。为有效识别云像元，本文引进归一化云检测指数(cloud detection index，CDI)进行处理，计算式为

式中: ρ3，ρ18分别为 FY －3/MERSI第 3，18 通道的地物反射率。由于云在0.65 μm 和 0.94 μm 处(与FY－3/MERSI第3，18通道相对应)的光谱特征与其他地物的光谱特征形成明显反差:云在0.65 μm处具有高反射率，能良好区分出陆地和云的边界;水汽在0.94 μm处具有吸收谷。将它们归一化处理，便可以突出云的信息。根据CDI＞0或CDI≤0的阈值划分可以生成一个二值数据集，用0表示非云，1表示云，将其与地表温度数据集进行掩模计算，即可获得晴空地域地表温度信息。

但实际上，云顶温度作为云微物理属性的重要参量，对于天气分析与预报非常有用，对于业务应用实践并不需进行地表温度的去云运算，只需将云信息另行存储或标识。

3.3 LST反演及衍生指标提取

文中采用“植被指数→植被覆盖度→地表比辐射率”，“大气透射率→大气水汽含量”逐步进行估算，借助于MERSI数据自身对地表反射/发射属性的测量，以及MERSI近红外波段对水汽参数敏感的特性，以确保MERSI各像元能较精确地获得对应的地表比辐射率与大气透过率。这种参数化的方法克服了过去某种地表类型只用一个地表比辐射率以及同一景图像只用一个大气透过率的缺点，将对参数的估计从一个点扩大到对整个图像的各个像元的估计上，具有连续性变化，从而使LST反演更加符合实际情况。参照2.1 节中Jiménez－Mun～oz和Sobrino普适性单通道算法所涉及的公式，通过“地表比辐射率+大气水汽含量+热辐亮度→地表温度”的矩阵运算，即可快速实现FY－3/MERSI LST反演。

LST是热环境最基础的指标，尤其是城市空间热环境的主载体和量化基本。然而，仅凭LST的绝对值并不能完全反映热环境的空间格局和动态变化。因此，可在遥感反演地表温度的基础上，通过MATLAB设计相关程序搜索标识热岛中心，提取重点地标、地块温度，计算热场温度距平、热场强度归一化指数、热岛强度分级以及热岛比例指数等由LST衍生的指标，勾画热场等值线及热场横纵向剖面，分析与下垫面介质的对应关系，实现高温区分级、面积统计以及区域最高、最低和平均温度的统计等，从而多角度展示热环境空间形态及统计信息。这些指标在MATLAB中均可方便计算统计。

3.4 专题制图和结果保存

MATLAB具有强大的制图功能，特别是MATLAB提供的地图工具箱(mapping toolbox)，便于调用相关函数及图形用户界面(GUIs)，从而实现地理空间数据的分析及地图显示创建，而不需依赖于大家通常采用的通过ENVI等遥感处理软件将结果格式转换导入ArcGIS中，以人机交互方式统计面积、类型等相关信息，手动生成专题图。

经实验，在MATLAB中，只要事先设计好图形显示模板，调用 axesm，surfm，shaperead，geoloc2grid，mapprofile及contourm等函数处理显示栅格与矢量数据，设置投影方式、坐标轴及图形窗户属性等，添加标题、指北针、颜色条、文字注释、图标图例等，就可自动完成专题图的绘制与保存。

此外，为了方便地表温度及衍生指标数据的使用和共享，可遵循标准HDF5格式，利用MATLAB的hdf5write函数将研究区域数据集进行存贮输出，但事先需设计好该类HDF5文件的组织架构。通过创建一个新的HDF5文件，在指定位置(根组root group或子组subgroup)写入地表温度Ts数据集，同时可以添加属性描述信息。另外，在此已存在的HDF5文件基础上，再依次添加热场温度距平Ts_Ano、热场强度归一化指数HFII、经度longitude、纬度latitude、归一化云检测指数CDI、二值化云掩模Cloud Mask等数据集。

综上所述，采用FY－3/MERSI数据反演 LST算法及专题制图流程如图2所示。将各步骤的MATLAB代码串联编译为可执行程序。在此过程中，采取内存动态分配管理方法，随着流程的进行临时释放和加载数据。

图2 FY－3/MERSI数据LST反演及制图流程Fig.2Flow chart for FY －3/MERSI LST retrieval and mapping

4 应用实例

以上海及其周边地区LST反演及相关产品制图为例，所用数据为2010年9月21日 FY－3A/MERSI数据。针对一个5 min的 FY－3/MERSI HDF Granule文件，进行上海及周边地区LST计算及相关产品制图。从数据检测到文件读取、参数反演、产品制图直至结果保存，整个流程耗时仅120 s左右，运算速度快，无需人工干预即自动完成。图3为利用HDFView软件展示的FY－3/MERSI LST产品HDF5格式结构样例图。

图3 FY－3/MERSI LST产品HDF5格式结构样例Fig.3 Sample of HDF5 format for FY－3/MERSI LST product

从LST反演结果(图4)来看，上海市250 m LST分布产品的空间特征精细，区域内LST分布差异由

图4 上海市250m FY－3/MERSI LST分布图Fig.4 LST Spatial distribution map in Shanghai，retrieved from 250 m FY－3/MERSI data

外围到中心层次递进，城市热岛效应明显。具体地，城区地表温度相对较高，高温区域主要分布在人口密集的中心城区及北部宝山、嘉定等能耗大、热源强度高的工业区内;中心城区周边的近郊地区如闵行、浦东东北部、松江东部目前发展较快，已成为新的热力中心基质区域;其余周围零散分布一些热力斑块。相反地，郊区地表温度相对较低，东南部沿海和崇明县温度整体处于较低水平，比中心城区低约1.0～3.2℃;具有较大水域面积和较密植被的城中各大公园形成多个冷岛。水域的温度最低，可以看到在淀山湖区、长江口与沿海温度明显偏低，另外黄浦江也形成了一条穿越城市的长条形相对低温带。

LST统计直方图(图5)表明，2010年9月21日LST为23～34℃，且主要集中在27～30℃区间，像元点数多达1×104以上;30℃以上的高温区面积比例约占23%，说明城市整体温度较高。

鉴于2010年9月21日上海天气晴朗无风，城市热岛效应主要取决于下垫面介质和结构，以及城市建筑密度和高度［19］。以市中心 N 31.1°，E121.4°为原点，绘制城市热场横(EW向)、纵(SN向)剖面图(图6a和6b);对照上海市区土地覆盖/利用分布图(图略)，分析上海城市热场细部结构。

图5 上海市LST统计直方图Fig.5 Histogram of LST bins in Shanghai

图6 上海城市热场剖面Fig.6 Profiles of thermal variation in Shanghai

从图6可以看出，从远郊至近郊再到市区，地表温度基本呈逐渐升高趋势，不同下垫面的地表温度差异明显。高温区主要由工业用地、商业区以及交通等混合的密集建筑用地、居民区用地组成，这主要是由于这些区域工业生产和人为生活排放热较多，建筑物密集，不宜通风，气流扩散慢，导致温度很高;低温区主要由农田耕地、林地绿地、水体等介质组成，由于水体的热容量大，热传导率小，水体占低温区的比例最多，降温效果明显，而农田、耕地和林地绿地因覆盖林草植被，可通过蒸腾作用减少土壤或地表中的热量，地表温度也较低，因此也表明植被和水体在城市降温方面有着重要的作用，同时也说明可通过增加植被、水体等景观廊道的覆盖面积来降低城市热岛强度，优化城市空间布局。

以上分析说明，FY－3/MERSI数据获得的250 m地表温度能够精确反映出城市热场的分布格局以及城市热岛的特征和效应。通过累积每日数据和产品，可用于分析不同天气形式下城市热场形态特征，摸清城市热岛效应的日夜、季节、年代演变机理，为城市人居热环境的模拟调控、优化布局提供科学依据。

5 结语

本文在调研FY－3/MERSI HDF5数据结构及普适性单通道LST反演算法参数化过程的基础上，详细介绍了利用MATLAB语言编程实现FY－3/MERSI L1级数据LST反演及专题制图方法流程，并给出了应用分析实例。结果表明:

1)利用MATLAB建立的FY－3/MERSI 250 m LST反演及专题制图方法，不需依赖于GIS或遥感处理平台就能从海量的FY－3/MERSI数据中直接提取有效数据;处理过程中采取的内存动态分配管理方法，能快速实现LST反演及衍生产品制图，便于我们建立自动化、业务化工作流程，用于空间热环境监测服务。

2)基于FY－3/MERSI单窗特点，采用Jiménez－Mun～oz和Sobrino的普适性单通道算法，可获得较合理的LST反演结果。应用实例分析表明，FY－3/MERSI数据质量较好，能精细反映城市热场的分布格局及城市热岛效应，成为与MODIS匹敌的LST业务化产品，以满足日常应用需求。

3)需要注意的是，本文建立的流程目前只适用于白天地表温度反演，对于夜间地表温度的反演及产品制作还需另行设计修改。

针对FY－3/MERSI地表温度反演结果的定量精度验证、内部参数调整以及如何应用于城市热场特征机理研究是后续工作。

［1］Wan Z M，Dozier J.A Generalized Split－ window Algorithm for Retrieving Land Surface Temperature from Space［J］.IEEE Transactions on Geoscience and Remote Sensing，1996，34(4):892 －905.

［2］Sobrino J A，El Kharraz J，Li Z L.Suface Temperature and Water Vapour Retrieval from MODIS Data［J］.International Journal of Remote Sensing，2003，24:5161 －5182.

［3］Olesen F S，Kind O，Reutter H.High Resolution Time Series of IR Data from a Combination of AVHRR and METEOSAT［J］.Advances in Space Research，1995，16(10):141 －146.

［4］杨 军，董超华，卢乃锰，等.中国新一代极轨气象卫星——风云三号［J］.气象学报，2009，67(4):501 －509.Yang J，Dong C H，Lu N M，et al.FY － 3A:The New Generation Polar－ orbiting Meteorological Satellite of China［J］.Acta Meteorological Sinica，2009，67(4):501 － 509(in Chinese with English Abstract).

［5］毕研盟，杨忠东，陆其峰，等.FY－3气象卫星中分辨率光谱成像仪和扫描辐射计11μm红外窗区通道的比较［J］.红外与毫米波学报，2009，28(5):330 －334.Bi Y M，Yang Z D，Lu Q F，et al.Comparison of Infrared 11μm Window Channels for Medium Resolution Spectral Imager and Visible and Infrared Radiometer on FY － 3 Meteorology Satellite［J］.Journal of Infrared and Millimeter Waves，2009，28(5):330 － 334(in Chinese with English Abstract).

［6］向大享，刘良明，韩 涛.FY－3A MERSI数据干旱监测能力评价［J］.武汉大学学报:信息科学版，2010，35(3):334 －338.Xiang D X，Liu L M，Han T.Estimation of Drought Monitoring Ability of FY － 3A MERSI Data［J］.Geomatics and Information Science of Wuhan University，2010，35(3):334 －338(in Chinese with English Abstract).

［7］韩秀珍，郑 伟，刘 诚，等.基于MERSI和MODIS的太湖水体叶绿素 a含量反演［J］.地理研究，2011，30(2):291－300.Han X Z，Zhen W，Liu C，et al.Estimation of Chlorophyll－ a Using MERSI and MODIS Images in Taihu Lake，China［J］.Geographical Research，2011，30(2):291 － 300(in Chinese with English Abstract).

［8］Jiménez－ Mun～oz J C，Sobrino J A.A Generalized Single － channel Method for Retrieving Land Surface Temperature from Remote Sensing Data［J］.Journal of Geophysical Research，2003，108(D22):4688.

［9］覃志豪，Zhang M H，Arnon K，等.用陆地卫星TM 6数据演算地表温度的单窗算法［J］.地理学报，2001，56(4):456 －466.Qin Z H，Zhang M H，Arnon K，et al.Mono － window Algorithm for Retrieving Land Surface Temperature from Landsat TM6 data［J］.Acta Geographica Sinica，2001，56(4):456 － 466(in Chinese with English Abstract).

［10］Sobrino J A，Jiménez－ Mun～oz J C，Paolini L.Land Surface Temperature Retrieval from Landsat TM5［J］.Remote Sensing of Environment，2004，90(4):434 －440.

［11］Valor E，Casselles V.Mapping of Land Surface Emissivity from NDVI:Application to European，African，and South American Areas［J］.Remote Sensing of Environment，1996，57(3):167 －184.

［12］唐世浩，朱启疆，周宇宇，等.一种简单的估算植被覆盖度和恢复背景信息的方法［J］.中国图象图形学报，2003，8A(11):1304－1308.Tang S H，Zhu Q J，Zhou Y Y，et al.A Simple Method to Estimate Crown Cover Fraction and Rebuild the Background Information［J］.Journal of Image and Graphics，2003，8A(11):1304 － 1308(in Chinese with English Abstract).

［13］李苗苗，吴炳方，颜长珍，等.密云水库上游植被覆盖度的遥感估算［J］.资源科学，2004，26(4):153 －159.Li M M，Wu B F，Yan C Z，et al.Estimation of Vegetation Fraction in the Upper Basin of Miyun Reservoir by Remote Sensing［J］.Resources Science，2004，26(4):153 － 159(in Chinese with English Abstract).

［14］唐仁茂，陈英英，叶建元.探空、地面及卫星资料反演水汽含量的比较［J］.气象科学，2010，30(3):373 －377.Tang R M，Chen Y Y，Ye J Y.The Comparision of Water Vapor Content Retrieved by Radiosonde，Ground Station and Satellite Data［J］.Scientia Meteorologia Sinica，2010，30(3):373 － 377(in Chinese with English Abstract).

［15］Kaufman Y J，Gao B C.Remote Sensing of Water Vapor in the Near IR from EOS/MODIS［J］.IEEE Trans Geosci Remote Sens，1992，30(5):871 －884.

［16］胡秀清，黄意玢，陆其峰，等.利用FY－3A近红外资料反演水汽总量［J］.应用气象学报，2011，22(1):46 －56.Hu X Q，Huang Y B，Lu Q F，et al.Retrieving Precipitable Water Vapor Based on the Near－ infrared Data of FY －3A Satellite［J］.Journal of Applied Meterological Science，2011，22(1):46 －56(in Chinese with English Abstract).

［17］关 敏，郭 强.光学像消旋系统在FY－3 MERSI图像定位中的应用［J］.应用气象学报，2008，19(4):420 －427.Guan M，Guo Q.Offsetting Image Rotation System in FY －3 MERSI’s Geolocation［J］.Journal of Applied Meterological Science，2008，19(4):420 －427(in Chinese with English Abstract).

［18］权维俊，叶彩华，刘勇洪.基于FY－3A MERSI数据的地表反射率反演参数化方法［C］//中国气象学会.第七届全国优秀青年气象科技工作者学术研讨会论文集.北京:［s.n.］，2010.Quan W J，Ye C H，Liu Y H.A Parameterization Method of Surface Reflectance Based on FY －3A/MERSI Data［C］//Chinese Meteorological Society.The Proceedings of Seventh National Outstanding Young Meteorological Science and Technology Workers Symposium.Beijing:［s.n.］，2010(in Chinese).

［19］周红妹，周成虎，葛伟强，等.基于遥感和GIS的城市热场分布规律研究［J］.地理学报，2001，56(2):189 －197.Zhou H M，Zhou C H，Ge W Q，et al.The Surveying on Thermal Distribution in Urban Based on GIS and Remote Sensing［J］.Acta Geographica Sinica，2001，56(2):189 －197(in Chinese with English Abstract).

Utilization of MATLAB to Realize LST Retrieval and Thematic Mapping from FY－3/MERSI Data

YANG He－qun，YIN Qiu，ZHOU Hong－mei，GE Wei－qiang
(Shanghai Center for Satellite Remote Sensing and Measurement Application，Shanghai 201199，China)

Currently，application－oriented researches on the data of Medium Resolution Spectral Imager(MERSI)，which is on board China’s new generation polar orbit meteorological satellite FY － 3，are very insufficient，due to the reason that the data as a new source have been delivered only since 2008.With the normal operation of FY－3 satellite system，it is necessary to develop an operational module for FY－3/MERSI regional land surface temperature(LST)retrieval and its post－processing，since LST is required for a wide variety of scientific studies but FY －3/MERSI’s operational LST products have not yet been provided by National Satellite Meteorological Center(NSMC).Based on an analysis of FY －3/MERSI L1 data’s HDF5 format and its channel characteristics，the authors selected the generalized single － channel algorithm developed by Jiménez － Mun～oz ＆Sobrino to directly realize the LST retrieval at 250 m spatial resolution with MATLAB programming and the thematic mapping of LST derivative products.This paper describes the parametric processes of LST retrieval algorithm in detail，which include radiometric calibration，cloud detection，estimation of two intermediate parameters－ surface emissivity and atmospheric water vapor，and calculation of thermal indexes from LST.On these bases，an automatic flowchart for FY －3/MERSI LST retrieval and thematic mapping was established.Experimental results of this flowchart applied in Shanghai thermal environmental monitoring show that it can process FY－3/MERSI L1 data in a fast，real－ time and automatic way，thus suitable for operational products producing and sharing，with the saving of human resources.It is also proved that FY －3/MERSI data and various forms of LST products can reveal the spatial pattern of Shanghai thermal field and the urban heat island effect more finely and intuitively.

FY－3/MERSI;land surface temperature(LST);retrieval;thematic mapping;MATLAB

TP 79

A

1001－070X(2012)04－0062－09

2011－10－20;

2011－12－22

上海市科委重点项目“上海城市热环境灾害遥感监测评估预警系统研究”(编号:10511501700)、上海市科委重点海洋科技(临港新城)专项“上海海洋区域海雾灾害预警预报系统研究”(编号:10DZ1210802)共同资助。

10.6046/gtzyyg.2012.04.11

杨何群(1981－)，女，硕士，工程师，主要从事城市热岛、台风卫星气象应用研究。E－mail:hequn_yang@163.com。

(责任编辑:刁淑娟)