文章标题：A Spatial–Spectral Denoising Algorithm for Accurate Temperature and Emissivity Retrieval from Airborne Thermal Infrared Hyperspectral Data

发表期刊：IEEE Transactions on Geoscience and Remote Sensing

在线时间：2026年8月

文章作者：

周书贵，讲师，研究方向为热红外定量遥感

叶发旺，研究员，长期从事遥感与光谱地质理论技术及铀资源勘查应用研究

程   洁，教授，长期从事定量遥感与地球辐射平衡研究

作者单位：郑州大学 地球科学与技术学院；核工业北京地质研究院；北京师范大学 遥感与数字地球全国重点实验室

 

研究背景

地表温度和发射率是气候、水文、生态等模型中的关键参数，广泛应用于能量水分平衡、土壤湿度、城市热环境等研究。相较于卫星平台，搭载热红外高光谱成像仪的机载平台飞行高度更低，可获得更高的空间分辨率，受云层干扰更小，因而在矿产资源调查、城市热岛监测、农业遥感等领域具备独特优势。

但机载平台的高空间、高光谱分辨率也带来更强的仪器噪声。以Hyper-CAM LW为例，其多数波段的噪声等效温差（NEDT）超过0.5 K。噪声会显著降低大气校正和温度—发射率分离（TES）的精度：它不仅干扰大气参数的估计，还会放大发射率光谱对比度，导致最小LSE被低估，并进一步造成LST高估。现有大多数去噪算法主要用于提升图像清晰度、改善信噪比，且通常采用峰值信噪比（PSNR）、结构相似性指数（SSIM）等图像质量评价指标评估其性能。但这类算法大多难以充分保持去噪后高光谱传感器入瞳辐亮度的光谱保真度，对定量反演精度的提升效果有限。此外，无论是综合反演算法还是TES算法，均未显式设置噪声去除环节。因此，如何在抑制噪声的同时保留数据的物理真实性，成为该领域亟待解决的问题。

研究方法

针对上述问题，研究团队提出SSDATER（Spatial–Spectral Denoising Algorithm for Accurate Temperature and Emissivity Retrieval）方法。其核心思路是：在不同处理阶段，有针对性地用空间分辨率或光谱分辨率换取信噪比，分阶段降噪。具体而言，方法包含两个关键环节：

1.       空间聚合。假设局部区域大气均一，SSDATER对20×20像元窗口内的Hyper-CAM LW数据进行无监督分类，将光谱特征相似的像元聚为同类；随后选取窗口内的主导类别。当该主导类别在81个波段上的亮温标准差均小于1 K时，对该类别像元进行均值聚合。该过程在保留完整高光谱信息的前提下，有效提升亮温数据的信噪比，为后续利用发射率光谱平滑约束（ESSC）估计大气参数奠定基础。

图1 20×20像元块空间聚合示例。(a) 原始亮温曲线；(b) 经无监督分类后的主导类别亮温；(c) 聚合后的亮温，噪声明显降低且大气吸收特征得以保留。

2.       光谱聚合。在获得更优大气参数后，方法将81个高光谱波段合并为9个合成多光谱波段，利用相邻波段间的高相关性进一步降低噪声；随后利用TES算法同时反演LST和9波段LSE，再通过主成分分析（PCA）回归将多光谱LSE恢复为81波段高光谱LSE。该过程在保留空间分辨率的同时，显著削弱了仪器噪声对温度—发射率分离的影响。

 

研究结果

研究以2012年黑河流域TASI实测数据和对应探空廓线为基础，结合ASTER光谱库与MODTRAN辐射传输模拟生成Hyper-CAM LW仿真数据，并在仿真数据框架下对SSDATER进行了系统评估。在大气参数估计方面，与直接采用MERRA2再分析廓线以及原始ESSC算法相比，SSDATER估算的大气透过率、上行辐射和下行辐射整体更接近模拟参考值。

图2 不同方法估算的大气参数与模拟参考值的对比（上排）及绝对误差（下排）。SSDATER估算结果整体最接近模拟参考值曲线。

在LST反演精度方面，研究设置了三组对比实验：Group 1采用MERRA2大气参数+原始Hyper-CAM LW数据（剔除高噪声波段）；Group 2采用SSDATER大气参数+原始Hyper-CAM LW数据（剔除高噪声波段）；Group 3采用SSDATER大气参数+光谱聚合数据（9波段）。结果显示，Group 3的LST反演RMSE为1.01 K，低于Group 1的3.61 K和Group 2的1.91 K。尤其在采用相同SSDATER大气参数的条件下，Group 3相较Group 2将LST RMSE从1.91 K降至1.01 K，直接体现了光谱聚合降噪对反演精度的提升。在水体和植被等低LST、低光谱对比区域，SSDATER显著减小了噪声及大气校正误差引起的LST高估偏差。

在LSE反演方面，SSDATER同样表现最优。其反演的第40波段LSE空间分布在纹理和数值上均更接近模拟参考值，并能够更清晰地区分植被与建筑区。总体上，Group 3的平均LSE RMSE为0.016，低于Group 1的0.053和Group 2的0.036；在相同SSDATER大气参数条件下，光谱聚合使平均LSE RMSE由0.036进一步降至0.016。

图3 第40波段LSE空间分布对比。(a) 模拟参考LSE；(b)–(d) 分别为Group 1、Group 2、Group 3反演结果。Group 3在空间纹理和数值上均最接近模拟参考值。

 

研究结论与展望

总体来看，仿真评估结果表明，SSDATER能够在较强仪器噪声条件下有效改善大气参数估计以及地表温度和发射率反演精度，并通过分阶段的空间—光谱聚合兼顾数据物理真实性与降噪效果。需要指出的是，本研究目前完全基于模拟Hyper-CAM LW数据开展验证，尚未利用真实机载热红外高光谱观测进行独立检验。未来将结合实际机载观测，进一步评估该方法在复杂地表和大气条件下的鲁棒性与实际应用能力。

论文链接

https://ieeexplore.ieee.org/abstract/document/11643875  (DOI:10.1109/TGRS.2026.3721150)