地表温度反演的分裂窗算法，较好解决了大气校正问题，地表发射率校正主要采用分类赋值法、NDVI阈值法、VCM方法等，这几类地表发射率确定方法时效性差，无法准确地表征地表发射率的动态变化。

温度与发射率分离（Temperatuare and Emissivity Separation, TES）算法能够同时反演出地表温度和发射率，辅以水汽缩放(Water Vapor Scaling, WVS)方法，能够获得较好的温度与发射率反演精度。

孟翔晨等（2023）提出了结合静止星反演的高频次地表发射率和成熟的分裂窗算法的地表温度反演思路，实现了FY-4A/AGRI逐小时地表温度的高精度反演。

使用TES算法反演的逐小时发射率，合成8天的地表发射率数据，得到具有动态变化、高空间覆盖、高精度的地表发射率数据库。图1是合成的2019年1月份AGRI第12波段的地表发射率示意图。8天和逐月合成的地表发射率基本实现空间全覆盖。

图1 2019年1月15日地表发射率(a), 2019年1月9日-1月16日合成的地表发射率(b), 2019年1月合成的地表发射率(c)空间分布图

结合NOAA JPSS企业级地表温度反演方法，实现了地表温度高精度反演。图2显示了不同地表发射率数据支持下的地表温度反演结果和地面测量值的热力图。地表发射率动态数据库支持下的地表温度反演精度和准确性，优于基于VCM方法和TES算法。

图2 基于祁连山观测网(a-c)和Ozflux 观测网(d-f)的实测数据对2019年FY-4A/AGRI地表温度的验证结果。(a, d) 地表发射率动态数据库支持下的地表温度; (b, e) 植被覆盖度算法支持下的地表温度; (c, f) TES算法反演的地表温度

参考文献

Meng, X., Liu, W., Cheng, J., Guo, H., & Yao, B. (2023). Estimating Hourly Land Surface Temperature From FY-4A AGRI Using an Explicitly Emissivity-Dependent Split-Window Algorithm. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 16, 5474-5487 (下载)