Журнал

О журнале Новости Редколлегия Информация для авторов и рецензентов Публикационная этика Дискуссия Контакты ЛИЧНЫЙ КАБИНЕТ:
отправка и рецензирование статей
Архив
Том 22, 2025
Номер 1
Том 21, 2024
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 20, 2023
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 19, 2022
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 18, 2021
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 17, 2020
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 16, 2019 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 15, 2018 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 14, 2017 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6 Номер 7
Том 13, 2016 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 12, 2015 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5 Номер 6
Том 11, 2014 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 10, 2013 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 9, 2012 г.
Номер 1 Номер 2 Номер 3 Номер 4 Номер 5
Том 8, 2011 г.
Номер 1 Номер 2 Номер 3 Номер 4
Том 7, 2010 г.
Номер 1 Номер 2 Номер 3 Номер 4
Выпуск 6, 2009 г.
Том 1 Том 2
Выпуск 5, 2008 г.
Том 1 Том 2
Выпуск 4, 2007 г.
Том 1 Том 2
Выпуск 3, 2006 г.
Том 1 Том 2
Выпуск 2, 2005 г.
Том 1 Том 2
Выпуск 1, 2004 г.
Том 1
Поиск
Найти:
Подписка/отписка
на рассылку новостей
Ваш e-mail:
подписаться отписаться
English version
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 1. С. 9-25

Валидация значений температуры земной поверхности, вычисляемых по данным радиометра TIRS/Landsat-8, и их использование для анализа температурного режима орошаемых и посторошаемых почв Чуйской межгорной котловины (Республика Алтай)

Е.А. Мамаш 1 , И.А. Пестунов 1, 2 , С.Я. Кудряшова 3 , А.С. Чумбаев 3 
1 Федеральный исследовательский центр информационных и вычислительных технологий, Новосибирск, Россия
2 Институт автоматики и электрометрии СО РАН, Новосибирск, Россия
3 Институт почвоведения и агрохимии СО РАН, Новосибирск, Россия
Одобрена к печати: 21.11.2024
DOI: 10.21046/2070-7401-2025-22-1-9-25
Работа посвящена валидации значений температуры земной поверхности (англ. Land Surface Temperature — LST), вычисляемых с использованием различных алгоритмов восстановления LST по данным радиометра TIRS/Landsat-8, путём их сопоставления с наземными измерениями. Предложена модификация одного из существующих алгоритмов вычисления LST с применением альтернативного способа вычисления коэффициента эмиссии. Показано, что рассмотренный алгоритм обеспечивает наилучшую согласованность с наземными измерениями. С использованием предложенного алгоритма и данных Landsat выполнен анализ многолетней динамики температурного режима орошаемых и посторошаемых почв Чуйской межгорной котловины (Республика Алтай). Построены картограммы распределения значений LST для территории Чуйской котловины и ключевых участков с 1989 по 2022 г. на основе разновременных снимков Landsat. Для исследуемых участков Чуйской котловины, подвергнутых воздействию оросительных систем, показано наличие значимой корреляции между LST и нормализованными индексами влажности NDMI (англ. Normalized Difference Moisture Index), и растительности NDVI (англ. Normalized Difference Vegetation Index). Максимальные значения коэффициентов корреляции как с индексом влажности NDMI, так и с индексом растительности NDVI составляют 0,87 и приходятся на период функционирования оросительных систем в полную мощность. Показано, что функционирование оросительных систем приводит к существенному изменению характера распределения LST как для всей территории Чуйской котловины, так и для ключевых участков, которые расположены в зонах орошения.
Ключевые слова: валидация, температура земной поверхности, LST, Landsat, температурный режим почв, оросительные системы, Чуйская межгорная котловина
Полный текст

Список литературы:

  1. Варенцов M.И, Грищенко М. Ю., Константинов П. И. Сопоставление наземных и космических разномасштабных температурных данных на примере городов Российской Арктики для зимних условий // Исслед. Земли из космоса. 2021. № 2. С. 64–76. DOI: 10.31857/S0205961421020093.
  2. Волобуев В. Р. Введение в энергетику почвообразования. М.: Наука, 1974. 128 с.
  3. Воропай Н. Н., Истомина Е. А., Василенко О. В. Исследование температурного поля земной поверхности Тункинской котловины с использованием космических снимков Landsat // Оптика атмосферы и океана. 2011. Т. 24. № 1. С. 67–73.
  4. Горный В. И., Крицук С. Г., Латыпов И. Ш. и др. Теплофизические свойства поверхности городской среды (по результатам спутниковых съёмок Санкт-Петербурга и Киева) // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 3. С. 51–66. DOI: 10.21046/2070-7401-2017-14-3-51-66.
  5. Грищенко М. Ю., Михайлюкова П. Г. Сопоставление наземных и космических данных для исследования пространственной дифференциации теплового поля природной территории (на примере острова Кунашир, Большая Курильская гряда) // Геодезия и картография. 2022. Т. 83. № 3. С. 35–43. DOI: 10.22389/0016-7126-2022-981-3-35-43.
  6. Истомина Е. А., Василенко О. В. Анализ температурного поля ландшафтов Тункинской котловины с использованием космических снимков Landsat и наземных данных // География и природные ресурсы. 2015. № 4. С. 162–170.
  7. Кречетова И. М., Медведева Л. Н. Развитие мелиорации для кормопроизводства Республики Алтай // Орошаемое земледелие. 2020. № 3. С. 33–36. DOI: 10.35809/2618-8279-2020-3-6.
  8. Мамаш Е. А., Пестунов И. А., Синявский Ю. Н. Анализ закономерностей в распределении температурных полей крупных промышленных городов Сибири по данным Lаndsat-8 // Вычисл. технологии. 2022. Т. 27. № 3. С. 95–111. DOI: 10.25743/ICT.2022.27.3.008.
  9. Музылев Е. Л., Старцева З. П., Успенский А. Б. и др. Использование данных дистанционного зондирования при моделировании водного и теплового режимов сельских территорий // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 6. С. 108–136. DOI: 10.21046/2070-7401-2017-14-6-108-136.
  10. Пономарева Т. В., Пономарев Е. И., Литвинцев К. Ю. и др. Тепловое состояние нарушенных почв в криолитозоне Сибири на основе дистанционных данных и численного моделирования // Вычисл. технологии. 2022. Т. 27. № 3. С. 16–35. DOI: 10.25743/ICT.2022.27.3.003.
  11. Чинь Л. Х., Заблоцкий В. Р., Дао К. Х. Изучение многолетней динамики влажности почвы района Бак Бинь (провинция Бинь Тхуан, Вьетнам) по данным многозональной спутниковой съёмки Landsat // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 7. С. 89–101. DOI: 10.21046/2070-7401-2018-15-7-89-101.
  12. Чичулин А. В. Возможности физико-теоретических методов в экологии почв (на примере моделирования структуры почвенно-климатических ареалов) // Почвы и окружающая среда. 2023. Т. 6. № 4. С. 229–248. DOI: 10.31251/pos.v6i4.229.
  13. Anderson M. C., Allen R. G., Morse A., Kustas W. P. Use of Landsat thermal imagery in monitoring evapotranspiration and managing water resources // Remote Sensing of Environment. 2012. V. 122. P. 50–65. DOI: 10.1016/j.rse.2011.08.025.
  14. Berk A., Conforti P., Kennett R. et al. MODTRAN6®: А major upgrade of the MODTRAN® radiative transfer code // Proc. 6th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS). 2014. DOI: 10.1109/WHISPERS.2014.8077573.
  15. Bhattacharya S., Halder S., Nag S. et al. Assessment of drought using multi-parameter indices // Advances in Water Resources Management for Sustainable Use. Singapore: Springer, 2021. P. 243–255. DOI: 10.1007/978-981-33-6412-7_18.
  16. Bogdan E., Kamalova R., Suleymanov A. et al. Changing climatic indicators and mapping of soil temperature using Landsat data in the Yangan-Tau UNESCO global geopark // SOCAR Proc. 2022. P. 32–41. DOI: 10.5510/OGP2022SI200768.
  17. Brabyn L., Zawar-Reza P., Stichbury G. et al. Accuracy assessment of land surface temperature retrievals from Landsat 7 ETM+ in the Dry Valleys of Antarctica using iButton temperature loggers and weather station data // Environmental Monitoring and Assessment. 2014. V. 186. P. 2619–2628. DOI: 10.1007/s10661-013-3565-9.
  18. Cook M., Schott J. R., Mandel J., Raqueno N. Development of an operational calibration methodology for the Landsat thermal data archive and initial testing of the atmospheric compensation component of a land surface temperature (LST) product from the archive // Remote Sensing. 2014. V. 6. No. 11. P. 11244–11266. DOI: 10.3390/rs61111244.
  19. Dash P., Göttsche F., Olesen F., Fischer H. Separating surface emissivity and temperature using two-channel spectral indices and emissivity composites and comparison with a vegetation fraction method // Remote Sensing of Environment. 2005. V. 96. P. 1–17. DOI: 10.1016/j.rse.2004.12.023.
  20. Davies P., Gather U. The identification of multiple outliers // J. American Statistical Association. 1993. V. 88. No. 423. P. 782–792. https://doi.org/10.2307/2290763.
  21. Duguay-Tetzlaff A., Bento V. A., Göttsche F. M. et al. Meteosat land surface temperature climate data record: achievable accuracy and potential uncertainties // Remote Sensing. 2015. V. 7. No. 10. P. 13139–13156. DOI: 10.3390/rs71013139.
  22. Dyba K., Ermida S., Ptak M. et al. Evaluation of methods for estimating lake surface water temperature using Landsat 8 // Remote Sensing. 2022. V. 14. No. 15. Article 3839. 21 p. DOI: 10.3390/rs14153839.
  23. Ermida S., Soares P., Mantas V. et al. Google Earth Engine open-source code for land surface temperature estimation from the Landsat series // Remote Sensing. 2020. V. 12. No. 9. Article 1471. 21 p. DOI: 10.3390/rs12091471.
  24. Galve J. M., Sánchez J. M., García-Santos V. et al. Assessment of land surface temperature estimates from Landsat 8-TIRS in a high-contrast semiarid agroecosystem: Algorithms intercomparison // Remote Sensing. 2022. V. 14. No. 8. Article 1843. 22 p. DOI: 10.3390/rs14081843.
  25. Ghasempour F., Sekertekin A., Kutoglu H. How Landsat 9 is superior to Landsat 8: comparative assessment of land use land cover classification and land surface temperature // ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. 2023. V. X-4/W1-2022. P. 221–227. DOI: 10.5194/isprs-annals-X-4-W1-2022-221-2023.
  26. Hulley G., Hook S., Abbott E. et al. The ASTER Global Emissivity Database (ASTER GED): Mapping Earth’s emissivity at 100 meter spatial resolution // Geophysical Research Letters. 2015. V. 42. P. 7966–7976. DOI: 10.1002/2015GL065564.
  27. Jiménez-Muñoz J., Sobrino J., Plaza A. et al. Comparison between fractional vegetation cover retrievals from vegetation indices and spectral mixture analysis: Case study of PROBA/CHRIS data over an agricultural area // Sensors. 2009. V. 9. P. 768–793. DOI: 10.3390/s90200768.
  28. Jiménez-Muñoz J. C., Sobrino J. A., Skoković D. et al. Land surface temperature retrieval methods from Landsat-8 Thermal Infrared Sensor data // IEEE Geoscience and Remote Sensing Letters. 2014. V. 11. No. 10. P. 1840–1843. DOI: 10.1109/LGRS.2014.2312032.
  29. Kalnay E., Kanamitsu M., Kistler R. et al. The NCEP/NCAR 40-year reanalysis project // Bull. American Meteorological Soc. (BAMS). 1996. V. 77. Iss. 3. P. 437–471. DOI: 10.1175/1520-0477(1996)077<0437:TNYRP>2.0.CO;2.
  30. Koenig L., Hall D. Comparison of satellite, thermochron and air temperatures at Summit, Greenland, during the winter of 2008/09 // J. Glaciology. 2010. V. 56. Iss. 198. P. 735–741. DOI: 10.3189/002214310793146269.
  31. Li Z.-L., Tang B.-H., Wu H. et al. (2013a) Satellite-derived land surface temperature: Current status and perspectives // Remote Sensing of Environment. V. 131. P. 14–37. DOI: 10.1016/j.rse.2012.12.008.
  32. Li Z.-L., Wu H., Wang N. et al. (2013b) Land surface emissivity retrieval from satellite data // Intern. J. Remote Sensing. 2013. V. 34. P. 3084–3127. DOI: 10.1080/01431161.2012.716540.
  33. Malakar N., Hulley G., Hook S. et al. An operational land surface temperature product for Landsat thermal data: methodology and validation // IEEE Trans. Geoscience and Remote Sensing. 2018. V. 56. No. 10. P. 5717–5735. DOI: 10.1109/TGRS.2018.2824828.
  34. McCarville D., Buenemann M., Bleiweiss M., Barsi J. Atmospheric correction of Landsat thermal infrared data: A calculator based on North American Regional Reanalysis (NARR) data // American Soc. for Photogrammetry and Remote Sensing Annu. Conf. 2011. P. 319–330.
  35. Meng X., Cheng J., Guo H. et al. Accuracy evaluation of the Landsat 9 land surface temperature product // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2022. V. 15. P. 8694–8703. DOI: 10.1109/JSTARS.2022.3212736.
  36. Pérez Díaz C. L., Lakhankar T., Romanov P. et al. Evaluation of VIIRS land surface temperature using CREST-SAFE air, snow surface, and soil temperature data // Geosciences. 2015. V. 5. P. 334–360. DOI: 10.3390/geosciences5040334.
  37. Saunders R., Hocking J., Turner E. et al. An update on the RTTOV fast radiative transfer model (currently at version 12) // Geoscientific Model Development. 2018. V. 11. Iss. 7. P. 2717–2737. DOI: 10.5194/gmd-11-2717-2018.
  38. Sobrino J., Jimenez-Munoz J., Soria G. et al. Land surface emissivity retrieval from different VNIR and TIR sensors // IEEE Trans. Geoscience and Remote Sensing. 2008. V. 46. No. 2. P. 316–327. DOI: 10.1109/TGRS.2007.904834.
  39. Taloor A. K., Mandas D. S., Kothyari G. C. Retrieval of land surface temperature, normalized difference moisture index, normalized difference water index of the Ravi basin using Landsat data // Applied Computing and Geosciences. 2021. V. 9. Article 100051. 11 p. DOI: 10.1016/j.acags.2020.100051.
  40. Wang F., Qin Z., Song C. et al. An improved mono-window algorithm for land surface temperature retrieval from Landsat 8 Thermal Infrared Sensor data // Remote Sensing. 2015. V. 7. No. 4. P. 4268–4289. DOI: 10.3390/rs70404268.
  41. Wang M., Zhang Z., Hu T., Liu X. A practical single-channel algorithm for land surface temperature retrieval: Application to Landsat series data // J. Geophysical Research: Atmospheres. 2019. V. 124. P. 299–316. DOI: 10.1029/2018JD029330.
  42. Wang M., He C., Zhang Z. et al. Evaluation of three land surface temperature products from Landsat series using in situ measurements // IEEE Trans. Geoscience and Remote Sensing. 2023. V. 61. Article 5000119. 19 p. DOI: 10.1109/TGRS.2022.3232624.
  43. Xu C., Qu J. J., Hao X. et al. Surface soil temperature seasonal variation estimation in a forested area using combined satellite observations and in-situ measurements // Intern. J. Applied Earth Observation and Geoinformation. 2020. V. 91. Article 102156. DOI: 10.1016/j.jag.2020.102156.
  44. Xu C., Liao S., Huang L., Xia J. Soil temperature estimation at different depths over the central Tibetan Plateau integrating multiple Digital Earth observations and geo-computing // Intern. J. Digital Earth. 2023. V. 16. P. 4023–4043. DOI: 10.1080/17538947.2023.2264267.