文章标题：Land surface temperature retrieval from FY-3E/ MERSI using an optimized water vapor scaling method

发表期刊：GIScience & Remote Sensing

作者：刘伟汉，博士，研究方向为热红外定量遥感

程 洁，教 授/博导，长期从事定量遥感与地球辐射平衡研究

董立新，研究员，长期从事热红外与微波定量遥感研究

作者单位：北京师范大学 遥感与数字地球全国重点实验室；中国气象局 国家卫星气象中心

本文针对FY-3E/MERSI数据发展了一种温度与发射率分离（TES）算法反演地表温度（LST），融合了一种优化的水汽缩放（WVS）方法进行像元级大气校正，优化的WVS方法同时适用于灰体与非灰体像元，且无需外部发射率数据作为背景场输入。在SURFRAD站点的实测验证中，该方法的LST偏差为−0.61 K，RMSE为2.24 K；与GOES-16 LST产品的交叉对比中，平均偏差和RMSE分别为−0.21 K和1.64 K。模拟实验表明，相较于传统WVS方法，优化的WVS方法在湿润大气条件下对非灰体像元的LST反演精度提升显著。

本方法由大气校正与温度-发射率分离两个模块组成，并在大气校正模块中引入了一种优化的WVS方法。传统的WVS方法仅适用于灰体像元，非灰体像元的水汽缩放系数主要通过灰体像元空间内插获取；后续提出的改进版WVS方法通过输入外部发射率背景场实现非灰体像元分组以实现非灰体的水汽缩放。优化的WVS方法通过传统WVS的一次迭代，反演得到非灰体像元的初始地表发射率以作为分组依据，以此实现不依赖外部发射率数据的非灰体像元水汽缩放，随后反演最终的地表温度与发射率。研究方法流程如图1所示。

图1. 研究方法流程图

反演了2024年5月至2025年4月共12个月过境SURFRAD网络站点的FY-3E/MERSI LST，并与官方LST一同进行了地面验证，结果如图2所示。结果显示，反演的FY-3E/MERSI LST在七个SURFRAD站点的Bias在−1.63 K至0.10 K之间，RMSE在1.76 K至2.85 K之间，总体Bias和RMSE分别为-0.61 K和2.24 K，精度优于官方LST（总体Bias和RMSE分别为-0.69 K和2.62 K）。

图2. FY-3E/MERSI LST地面验证结果

为评估优化WVS方法的反演效果，以美国本土大陆为研究区，选择2024年1月15日、4月15日和7月15日的00:00 三个时间点分别代表不同季节下灰体/非灰体地物的自然分布。提取对应的MERRA-2晴天大气廓线构建了FY-3E/MERSI TOA模拟数据。通过向大气廓线引入水汽与温度扰动，分别测试在大气校正中不使用WVS、使用传统WVS（WVS_interp）和优化的WVS（WVS_opt）三种策略下，TES算法对FY-3E/MERSI LST的反演精度，结果如图3所示。无论对于灰体还是非灰体，随着水汽增加，不引入WVS方法的LST反演误差快速上升；相较于WVS_interp，WVS_opt对非灰体样本展现出更优秀的性能，反演的LST的RMSE在TPW ≥ 3 cm的湿润条件下具有明显更高的精度。

图3. 不同水汽校正策略下TES算法反演FY-3E/MERSI LST的RMSE随列水汽（TPW）变化的结果：（a）灰体样本；（b）非灰体样本。

https://doi.org/10.1080/15481603.2025.2507439(点击下载)

本研究得到了风云卫星先行应用计划（FY-APP-2022.0206）、国家自然科学基金（42071308；42192581）和风云三号03批气象卫星大型试验系统辐射校正场综合试验的支持。