Από RemoteSensing Wiki

Πρωτότυπος τίτλος: Satellite Remote Sensing of Global Land Surface Temperature: Definition, Methods, Products, and Applications

Συγγραφείς: Zhao-Liang Li, Hua Wu, Si-Bo Duan, Wei Zhao, Huazhong Ren, Xiangyang Liu, Pei Leng, Ronglin Tang, Xin Ye, Jinshun Zhu, Yingwei Sun, Menglin Si, Meng Liu, Jiahao Li, Xia Zhang, Guofei Shang, Bo-Hui Tang, Guangjian Yan and Chenghu Zhou

DOI: https:// doi.org/10.1029/2022RG000777

Εισαγωγή

Η Land Surface Temperature (LST) αποτελεί μια κρίσιμη μεταβλητή του κλιματικού συστήματος της Γης, καθώς αντικατοπτρίζει την ανταλλαγή ενέργειας και υγρασίας μεταξύ εδάφους και ατμόσφαιρας και επηρεάζει βασικές διεργασίες όπως η ανάπτυξη της βλάστησης, η εξατμισοδιαπνοή, η υγρασία εδάφους και η ένταση των αστικών θερμικών νησίδων. Από τη δεκαετία του 1960 έως σήμερα, πλήθος θερμικών αισθητήρων στο φάσμα TIR (8–14 μm) έχουν τοποθετηθεί σε δορυφορικές αποστολές όπως NOAA, Landsat, Terra/Aqua, MSG και FY, επιτρέποντας την παγκόσμια και τακτική μέτρηση της LST σε μεγάλη κλίμακα. Κατά τις τελευταίες έξι δεκαετίες έχουν αναπτυχθεί πολλές μέθοδοι ανάκτησης LST – από split-window και single-channel έως πιο προηγμένα TES και φυσικά day/night μοντέλα – οι οποίες έχουν οδηγήσει σε μια μεγάλη γκάμα δορυφορικών προϊόντων (π.χ. MODIS, Landsat C2, ASTER, SEVIRI, Copernicus). Καθώς η δημοσιευμένη βιβλιογραφία αυξάνεται ραγδαία, με τον αριθμό σχετικών άρθρων το 2020 να είναι σχεδόν τριπλάσιος σε σχέση με το 2013, καθίσταται αναγκαία μια συστηματική ανασκόπηση των μεθόδων, των προϊόντων, των αβεβαιοτήτων και των εφαρμογών της LST ώστε οι χρήστες να κατανοήσουν την τρέχουσα τεχνολογική κατάσταση, τους περιορισμούς αλλά και τις προοπτικές εξέλιξης.

Ορισμός της Δορυφορικής Land Surface Temperature (LST)

Η Land Surface Temperature (LST) ορίζεται ως η θερμοδυναμική θερμοκρασία ενός πολύ λεπτού στρώματος στην επιφάνεια του εδάφους, της βλάστησης ή άλλων επιφανειακών υλικών, η οποία αλληλεπιδρά με την ατμόσφαιρα. Στο πλαίσιο της τηλεπισκόπησης, η LST αντιστοιχεί στη θερμοκρασία της «οπτικά ορατής» επιφάνειας που βρίσκεται μέσα στο Instantaneous Field of View (IFOV) του αισθητήρα (Εικόνα 1), και το πάχος της αντιστοιχεί στο βάθος διείσδυσης της θερμικής ακτινοβολίας.

Το βάθος αυτό είναι μικρό στην TIR περιοχή, και δίνεται από την εξίσωση:

όπου λ0 είναι το μήκος κύματος και 𝑘 το φανταστικό μέρος του δείκτη διάθλασης. Για μήκη κύματος γύρω στα 10 μm, το βάθος διείσδυσης κυμαίνεται μόλις από 1 έως 100 μm, πράγμα που σημαίνει ότι η LST είναι ουσιαστικά skin temperature.

Η LST που ανακτάται από δορυφορικά δεδομένα είναι ραδιομετρική θερμοκρασία, η οποία προκύπτει από τη μετρούμενη ακτινοβολία μετά την αφαίρεση των ατμοσφαιρικών επιδράσεων και τη διόρθωση ως προς την εκπομπή της επιφάνειας. Η θεμελιώδης εξίσωση που συνδέει τη μετρούμενη ακτινοβολία με τη δορυφορικά παραγόμενη θερμοκρασία είναι:

Η τιμή αυτή είναι κατευθυντική, δηλαδή εξαρτάται από τη γωνία θέασης και αντιπροσωπεύει ένα σταθμισμένο άθροισμα των θερμοκρασιών όλων των επιφανειακών στοιχείων μέσα στο pixel:

Έτσι, η δορυφορική LST δεν αντιστοιχεί απαραίτητα στη θερμοκρασία ενός μεμονωμένου υλικού, αλλά σε μια συνδυασμένη θερμοκρασία πολλών επιφανειακών στοιχείων μέσα στο pixel. Αυτό έχει σημαντικές συνέπειες για την ερμηνεία της LST σε ετερογενή περιβάλλοντα.

Τέλος, η LST διαφέρει από άλλους τύπους θερμοκρασιών που χρησιμοποιούνται σε εφαρμογές, όπως η αεροδυναμική θερμοκρασία (για υπολογισμό αισθητής θερμότητας) ή η ολοκληρωμένη ημισφαιρική θερμοκρασία (για υπολογισμό εξερχόμενης μακροκύματης ακτινοβολίας). Συνεπώς, για εφαρμογές μοντελοποίησης απαιτούνται συχνά πρόσθετες διορθώσεις.

Μέθοδοι Ανάκτησης LST από Δορυφορικά TIR Δεδομένα

Η ανάκτηση της θερμοκρασίας επιφάνειας (LST) από δεδομένα θερμικής υπέρυθρης ακτινοβολίας (TIR) είναι ένα υποκαθορισμένο και ασταθές πρόβλημα, επειδή ο δορυφόρος μετρά ακτινοβολίες που εξαρτώνται τόσο από την επιφανειακή θερμοκρασία όσο και από την εκπομπή (LSE), αλλά και από τη δομή και σύσταση της ατμόσφαιρας. Για N διαθέσιμα θερμικά κανάλια, υπάρχουν N εξισώσεις με N άγνωστες εκπομπές plus μία ακόμη άγνωστη θερμοκρασία, οπότε απαιτούνται πρόσθετες υποθέσεις ή περιορισμοί.

Οι μέθοδοι ανάκτησης ταξινομούνται σε τέσσερις βασικές κατηγορίες:

Single Channel (SC) Algorithm Η μέθοδος χρησιμοποιεί ένα TIR κανάλι και λύνει την εξίσωση μεταφοράς ακτινοβολίας, εφόσον είναι γνωστή η εκπομπή του pixel.

Απαιτεί:

• εκ των προτέρων γνώση LSE
• ακριβή ατμοσφαιρικά προφίλ ή WVC

Πλεονέκτημα: απλή και εφαρμόσιμη σε όλους τους αισθητήρες.

Περιορισμός: ευαίσθητη σε λάθη ατμόσφαιρας και απαιτεί εκπομπή για κάθε pixel.

Split Window (SW) / Dual Window (DW) Algorithm

Χρησιμοποιεί δύο γειτονικά κανάλια (συνήθως 11 και 12 μm) ώστε η διαφορά της ατμοσφαιρικής απορρόφησης να επιτρέψει τον υπολογισμό LST χωρίς πλήρες προφίλ.

Πλεονεκτήματα:

• γρήγορη, αξιόπιστη σε πολλούς αισθητήρες
• δεν απαιτεί αναλυτικά ατμοσφαιρικά προφίλ

Περιορισμοί:

• χρειάζεται γνωστές εκπομπές στα SW κανάλια
• μειωμένη ακρίβεια σε υψηλή υγρασία ή μεγάλες γωνίες θέασης.

Physics-Based Day/Night (D/N) Algorithm Χρησιμοποιεί ημερήσιες και νυχτερινές παρατηρήσεις σε MIR και TIR για ταυτόχρονη ανάκτηση LST και LSE.

Βασίζεται στην υπόθεση ότι η εκπομπή δεν αλλάζει σημαντικά μεταξύ ημέρας–νύχτας και ότι το MIR κανάλι περιέχει τόσο εκπομπή όσο και ανακλασμένη ηλιακή ακτινοβολία.

Πλεονεκτήματα:

• ανακτά LST & LSE χωρίς ακριβή ατμοσφαιρικά προφίλ
• πιο σταθερή λύση λόγω MIR πληροφορίας

Περιορισμοί:

• απαιτεί λήψεις ημέρας/νύχτας σε κοντινό χρόνο
• απαιτεί όμοια γεωμετρία θέασης
• απαιτεί πολύ καλή συνεγγραφή εικόνων
• υπολογιστικά πολύπλοκη

TES (Temperature and Emissivity Separation) Algorithm

Ανακτά ταυτόχρονα LST και LSE χρησιμοποιώντας πολλά TIR κανάλια, αφού πρώτα γίνει ακριβής ατμοσφαιρική διόρθωση.

Βασίζεται σε εμπειρική σχέση μεταξύ "spectral contrast" και "minimum emissivity" ώστε να μειώσει τον αριθμό άγνωστων.

Πλεονεκτήματα:

• κατάλληλο για επιφάνειες με έντονη φασματική διαφοροποίηση (έδαφος, πέτρωμα)

Περιορισμοί:

• απαιτεί υψηλής ακρίβειας ατμοσφαιρική διόρθωση
• φτωχότερη απόδοση σε “gray bodies” με σχεδόν επίπεδο φάσμα (νερό, πυκνή βλάστηση)