1。2研究背景

 我们生活中了解的气温，主要是在气象观测站的观测场所中离地面1。5米高的百叶箱里面放置的温度表测量再处理后得到。由于这样设置的温度表可以避免阳光直射或者过于封闭造成温度过高，因而被用来测量温度，基本接近当地实际温度。但是分布在各点的气象站点只能获取有限点尺度上的气温信息，在空间上是间断的，因而研究特定区域的气温在水平空间分布状况及其内部结构特征等具有一定的困难。为了实现气温信息在时间、空间上的连续监测，我们结合全覆盖气温遥感具有覆盖面广，空间分辨率高，资料同步性强的特点。可以获得地球下垫面温度时空分布及其动态变化信息，弥补了传统手段的缺陷，不论在现实意义还是经济意义上，都是非常重要的。由于热红外遥感影像具有空间连续成像的特点，因此它成为提供地球下垫面温度时空信息的重要数据源。但是遥感热红外传感器接收到的能量中将近80%是地表发射的热辐射能量，其他为辐射复杂的大气信号，因此目前无法直接利用遥感数据热红外波段反演出气温。本文通关对过内外相关文献的综述，总结主要的全覆盖气温遥感反演的主要方法。

2全覆盖地表温度常见反演方法

虽然目前不能根据辐射传输原理直接反演出气温，但是可以利用热红外遥感数据通过建立气温与易测要素间的模型，进而对气温的遥感估算。表1 列举了目前常用于气温遥感估算的卫星及传感器属性。可以看出地球同步卫星如Meteosat、MSG、GMS和GOES可反演出分钟级的高时间分辨率气温数据，而极轨卫星NOAA、Terra/Aqua、Landsat 等可获取空间分辨率60 m～1 km的气温数据[1]。所以利用这些遥感数据发展的气温反演方法主要包括单因子统计方法、多因子统计方法、神经网络法、温度-植被指数分析法（TVX法）、能量平衡方法和大气温度廓线外推法五大类。

2。1单因子统计法来自优W尔Y论W文C网WWw.YoueRw.com 加QQ7520,18766

采用这种反演方法可以得到地表温度和地表气温间的函数关系，或者直接通过建立单个波段热红外传感器的通道亮度。建立的简单一元线性回归模型，即：

                                             （1）

式中：Ta为估算的气温值；X指代LST或热红外亮度温度值；a0、a1为回归系数。

这种方法具有模型易建、简单的优点，但建立的模型依赖数据时空分布的精确度，若将一个模型应用于其他时刻、区域进行气温反演, 误差可高达数十摄氏度。所以在采用这种反演方法必须考虑其他的影响因素。

2。2、多因子统计方法

在地表温度反演的研究中采用多因子统计方法反演温度所占比重较大。多因子统计方法主要是考虑地形、空间位置、土壤湿度和时间等影像因素建立的地表温度反演气温模型。以多元回归模型为例：

                    （2）

式中各符号的意义为：Ta瞬时或平均气温；a0，a1，…，an为反演方程回归系数；X1，X2，…，Xn是影响温度的各种的变量因子，ε为误差项。具体反演成果我们从下面列举的研究成果中可以看出。

从上面的多因子统计方法中我们可以看出利用地表温度反演气温的模型中，考虑的影响因素多种多样，因此多因子统计方法的精度优于单因子统计方法，但是这两种方法的本质缺点相同，就是建立某个区域的气温反演模型不能用于其他时刻或区域中，否则误差很大。