EN中文

Journal of Geo-information Science >

2022 , Vol. 24 >Issue 4: 617 - 630

DOI: https://doi.org/10.12082/dqxxkx.2022.210422

Review of Urban Thermal Radiation Anisotropy

  • WEI Letian , 1 ,
  • JIANG Xiaoguang , 1, 2, * ,
  • WU Hua 3 ,
  • RU Chen 1
Expand
  • 1. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
  • 2. Key Laboratory of Quantitative Remote Sensing Information Technology, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China
  • 3. State Key Laboratory of Resources and Environment Information System, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
*JIANG Xiaoguang, E-mail:

Received date: 2021-07-23

  Revised date: 2021-09-28

  Online published: 2022-06-25

Supported by

National Natural Science Foundation of China(41971319)

Copyright

Copyright reserved © 2022
Fold

Abstract

Thermal radiation directionality refers to the phenomenon that thermal radiation values measured from different observation directions are different for a certain surface object, which is usually reflected in different directional radiance or different brightness temperature. With the emergence of high spatial resolution remotely sensed data and the demand for high-precision surface temperature products, the effect of thermal radiation anisotropy cannot be ignored. Now it has become one of the hottest issues concerned widely in the thermal infrared field. The thermal anisotropy is more obvious for the urban surface with diverse surface features and complex geometric structure. This article describes three observational experiments, including ground observation experiment, airborne observation experiment, and space observation experiment. These three methods have their own advantages and disadvantages and can be used in different situations. The observation data that represents the reality of urban radiation directionality often shows obvious thermal radiation anisotropy in urban areas during the daytime. In addition, a series of forward models of thermal radiation anisotropy carried out in urban areas are categorized and analyzed. These models can be divided into three categories: geometric three-dimensional model, radiative transfer model, and parameter model. According to existing academic papers, in-situ observation data are usually used to estimate the coefficients and verify the simulation accuracy of forward models. By combining these two approaches, observations and models, some scholars have made some achievements in this field. The purpose of studying thermal radiation anisotropy in urban areas is to obtain land surface parameters with higher accuracy. So, the exploration of true values of urban surface temperature are also included in this study. Furthermore, the impact factors of thermal radiation anisotropy are summarized, such as observation season and time, surface geometry, physical properties of surface materials, observation angle, FOV of sensor, etc. which influence the spatial and temporal patterns of intensity of thermal radiation anisotropy. At last, for the ultimate goal of improving the retrieval accuracy of urban surface temperature, five prospects are put forward: using high-resolution thermal infrared sensors to get the data of urban thermal background field, carrying out more thermal infrared multi-angle remote sensing experiments from different platforms, improving understanding of the mechanism of thermal radiation of non-isothermal heterogeneous pixels, performing validation of urban surface temperature, applying the research results into practice such as angle correction of satellite temperature products.

Key words： urban land surface temperature; thermal radiation anisotropy; complete surface temperature; directional brightness temperature; multi-angle observation; geometric three-dimensional model; radiative transfer model; parameter model

Cite this article

WEI Letian , JIANG Xiaoguang , WU Hua , RU Chen . Review of Urban Thermal Radiation Anisotropy[J]. Journal of Geo-information Science, 2022 , 24(4) : 617 -630 . DOI: 10.12082/dqxxkx.2022.210422

1 引言

根据普朗克定律,自然界中一切热力学温度大于绝对温度0 K的物体都能产生热辐射。地表温度（Land Surface Temperature, LST）作为表征热辐射的重要载体,也是研究城市热环境的主要参量之一。通过热红外遥感反演,可以同步获取大面积的瞬时地表温度。目前已有的热红外遥感反演算法包括单通道算法、多通道算法、多角度算法、多时相算法、高光谱反演算法和深度学习反演算法等[1,2],对于水平均一地表的温度反演精度能达到1 K以内。但是这些算法大多假设地表各向同性辐射,而自然界中并不存在这种理想物体[3],在陆表热红外遥感中,多数像元为组成成分复杂、温度分布不均一、内部具有几何结构的非同温混合像元[4],由于不同组分具有不同的发射率和温度,复杂的几何结构会导致组分可视面积比例随观测方向发生变化,因此,非均质地表的热辐射具有明显的方向性。这种现象表现为在同一时刻对同一地物从不同角度进行观测时,得到的地表温度观测值会存在差异,这个差异在植被冠层上可以达到15 K[5],在城市地区可以达到15.9 K[6]。
1962年Monteith等[7]发现了植被冠层的温度会随着观测角度发生变化这一现象,之后的研究多以植被冠层、农作物为对象,验证了热辐射方向性的存在。而对于城市地表温度来说,由于城市表面材料组成多样、三维几何结构复杂,导致在相对较小的几米距离内具有很强的空间异质性,因此温度的准确获取并非易事。直到21世纪初,随着星载红外传感器空间分辨率的提高与低空平台的迅速发展,获取和分析城市区域的地表温度逐渐成为可能[8,9,10]。正确认识热辐射方向性有助于提高城市地表温度的反演精度,纠正地表温度的角度效应能减小相邻图像对于同一地物的观测误差,提升真实性检验的可行性;有助于反演混合像元的组分温度,通过热辐射方向性建模研究热辐射值与组分参数之间的关系,建立方程组实现组分温度分离。城市热辐射方向性效应作为城市地表温度产品角度归一化的理论核心,是生产高精度温度产品的过程中必须要正视的问题。
目前对城市热辐射方向性主要有观测试验和正向模拟2种研究方法[8,11],多数研究会结合这两种手段,用观测数据和模拟数据改进模型,并对模型进行验证。本文的主体内容如图1所示,介绍了热辐射方向性的相关概念,整理了近年来以城市地表为研究对象的相关观测试验和模型,归纳了城市地表热辐射方向性的影响因素,最后基于目前的研究进展对未来工作进行了展望。
图1 本文的研究内容

Fig. 1 Research contents of this paper

2 定义及计算方法

2.1 热辐射方向性

地物从不同方向观测得到的热辐射值各异的现象称为热辐射方向性。对某一目标地物,垂直观测时的亮温值为 T b _nadir,当传感器观测天顶角为 θ、方位角为 φ时,该倾斜方向的亮温值为 T b _off nadir ( θ , φ ),其热辐射的方向性可以由式1[12]计算得到,即：
Δ T b _dir ( θ , φ ) = T b _ off nadir ( θ , φ ) - T b _nadir
式中： θ和 φ为传感器所在位置的天顶角和方位角; Δ T b _dir ( θ , φ )即该观测方向上的热辐射方向性。目前研究多以亮温为研究对象,以避免考虑方向性发射率和面对温度发射率分离的难题[13]。
在所有观测方向中,热辐射值各异性出现的最大值（ Δ T b _max）和最小值（ Δ T b _min）分别表示为：
Δ T b _max = max ( Δ T b _dir )
Δ T b _min = min ( Δ T b _dir )
热辐射方向性的强度 Λ表示为式（4）,其绝对值越大,热辐射方向性越强。
Λ = Δ T b _max - Δ T b _min

2.2 完全表面温度（ T c）

城市像元大多是混合像元,一个像元中包含多个性质均一、几何上相互可分的地表组成单位——组分,相比于像元平均温度,组分温度更精确地反映了地表的真实情况。水平和垂直表面的组分温度,可用于得到一个更能代表城市地表温度真值的数。正向模拟的过程中,利用多角度观测平台获取的各组分温度（ T i）,结合各组分所占的面积比例（ f i）估算得到的城市地表温度被称为城市完全表面温度（ T c）,计算公式如式（5）[14],考虑三维结构的城市地表温度都需要估算 T c,它包含了各水平面和垂直表面的热辐射贡献。
T c = ∑ i n f i T i
式中： T c为完全表面温度/K;n为组分个数; f i为组分 i在视场中所占权重; T i为组分 i的温度。
城市完全表面温度（ T c）是通过计算得到的,可能并不等于实际观测中任一方向的观测值,它常作为考虑城市三维结构的真实地表温度用于模型验证。

3 城市热辐射方向性观测试验

根据平台高度的不同,可以将热辐射方向性观测试验分为地面观测、机载观测和卫星观测。由于城市地表的三维结构复杂,需要获取垂直面上的数据,因此在地面观测试验中,除了常见的手持红外测温仪外,还会将测温仪搭载在桅杆、卡车和固定臂等具有一定高度的装置上收集数据。地面观测得到的是点数据,如果研究区域较大,则需要花费大量的人力和时间收集数据,但是方便重复观测,且精度较高。相比之下,航空飞机是一种较为常见的观测平台,可以自由设定航飞的时间和路径,适合观测范围较小的城市地区的热辐射,但是成本高昂且需要申请空域,这大大限制了航空试验的开展。基于卫星数据的城市热辐射观测相关研究较少,因为多角度热红外传感器本身就少,其优点在于可以同步大面积地获取地表数据。但也有一些研究利用长时间序列的MODIS和GOES数据,通过观测时间差较小的数据试图纠正观测亮温的方向性[15]。

3.1 基于地面平台试验

小区域的城市地表温度通常有2种实测方法：① 用热电偶和热敏电阻接触测量,可直接获取温度值;② 用红外相机获取瞬时视场内的辐射值,通过红外辐射测温法可间接估算地表温度。这2种方式获取的地表温度通常用作遥感观测或方向性模型的真实性检验。搭载在一定高度平台上的红外传感器,观测到的通常是建筑物和地面的混合表面,相关研究表明在多角度观测时仍能发现热辐射方向性[16]。
地面试验中对于城市地表温度真值的探索是非常有意义的,Voogt等[14]提出了考虑所有表面的完全地表温度（ T c）,各表面的温度是利用固定在卡车上的红外测温仪收集的,并运用多观测角度的航空数据进行验证,发现对于垂直的阴影表面,遥感观测温度可作为估计 T c的初始值。还有一些研究城市环境的大型项目提供了大量观测数据,如为期一年在法国图卢兹进行的CAPITOUL项目（http://medias.cnrs.fr/capitoul/）,通过搭载在屋顶、桅杆和探空气球上的各种仪器建立了高精度的城市地表和大气数据集,这为许多城市热辐射方向性研究提供了数据支撑[17,18,19,20]。
Sugawara等[21]在日本东京和札幌进行了航空试验和地面试验,研究区包括高度城市化区和轻型工业区,发现2种途径获取的温度值有所差异,他认为可能是人为热排放和城市内部几何结构的影响,研究结果表明由于城市几何结构导致的观测温度会是地面组分温度的2~4倍。Morrison等[22]通过长波红外相机获取地表辐射值,将结果与三维建模的结果进行对比验证,证明了城市热辐射方向性的强度可达6.18 K。Adderley等[16]通过架设的热敏相机收集城市长波辐射,发现温度方向性在白天强度更大,且日出日落时会出现最大值,达到3.5 K。SUM模型（Surface-sensor-sun Urban Model）中的实测数据来自多个观测平台,包括架设在三脚架和塔顶上的仪器和地面铺设的红外线管,在不同高度、方向和时间多次采集各表面的温度,用于模型的输入和验证[23]。
国内北京师范大学在房山实验基地自制了一套多角度热红外近地面观测系统,能够在一定高度获取多角度的地面观测数据,同时用手持红外测温仪采集组分温度[6,24]。结合固定视场内的组分亮温和不同观测方向各组分比例,可以模拟出所有方向上的亮温,随机选取多个角度与观测值对比验证,均方根误差RMSE为0.8 K,说明其模型能够较好地模拟目标观测场的方向亮温。

3.2 基于机载平台试验

航空飞机搭载红外相机是最常用的数据获取方法之一,可以同步获取大范围城市区域的数据,若有多台参数不同的红外相机,则可以研究不同视场角和空间分辨率对热辐射方向性强度的影响。
早在1992年,Voogt等[25]就将一台扫描式热成像仪搭载在直升机上,获取了加拿大温哥华市三处研究区（轻工业区、住宅区、市中心）的地表温度,发现均具有较强的温度各向异性,并首次对地表朝向与方向性强度的关系、热辐射方向性的尺度效应等重要问题展开讨论。Sugawara等[21,26]于1994—1998年利用航空飞机,多次获取了东京和札幌市多角度的地面长波上行辐射和辐射温度,通过对比垂直观测点的辐射量和半球上行辐射值,同样发现了热辐射方向性这一特征,并且认为这个辐射差值的大小会受到城市建筑的高宽比和不同表面之间温差的影响。2001年,Lagouarde等[27]在法国马赛市中心的密集建筑区和郊区的独立房屋进行了机载试验,发现城市温度取决于阳光阴影照射情况和地物发射率的方向性,且城市冠层结构越复杂,方向性亮温的变化范围越大。
在法国图卢兹进行的CAPITOUL项目中,搭载在航空飞机上的两台热红外相机提供了多角度观测数据,Lagouarde等[17]重点研究秋冬季节和夜间的航飞试验,发现了热点效应和夜间温度方向性效应的强度明显低于白天,这一点在之后的试验中被多次验证[12,28]。2010年夏天,Lagouarde等[29]还在法国南部对五类地物进行了航空试验,发现热辐射方向性的强度与地表温度高度相关,并运用空间聚合算法研究不同空间分辨率下地表温度的时序变化。
国内于2006年首次开展城市热辐射方向性的研究,余涛等[30]在哈尔滨工业大学内进行航空试验,对比同一目标在不同观测角度下的亮温后发现方向性亮温与材料特性、太阳-目标-传感器的几何关系有关。在黑河综合遥感联合试验中,机载红外广角双模式成像仪（WiDAS）利用广角镜头成像获取热辐射方向性信息,并通过数据处理实现了从包含同一地物目标的多景WiDAS影像中提取该地物的多角度信息[31]。Yang等[32,33]将热敏相机搭载在直升机上获取了较高分辨率的街区地表温度,包括各墙面、屋顶和道路的组分温度,用于估计 T c和热岛强度。

3.3 基于卫星平台试验

多角度观测的卫星传感器并不多,ATSR可以提供星下点和前视53°这2个方向的测量值,但是获取时间相差2 min,因此在研究不同方向的观测时精度难以保证[34]。自身拥有宽视场角的MODIS、AVHRR、VIIRS等传感器,通过轨道之间的重叠获取多角度数据[35]。如果获取时间差较大,需要考虑多角度观测数据的时间归一化的问题。
MODIS是搭载在Terra和Aqua卫星上的传感器,每一至两天可以重复观测整个地球表面,MODIS观测天顶角在-65°到65°之间变化,Hu等[15]收集了10年间温暖月份的MODIS温度产品研究纽约和芝加哥的温度方向性,发现热辐射方向性在白天最高可达9 K,夜间强度较弱;针对热辐射方向性现象的模型可以修正城市热岛强度指数2.3 K的影响。
对于能够长时间观测同一地区的静止卫星,Vinnikov等[36]引入了核驱动模型,减小两颗静止卫星（GOES-EAST和GOES-WEST）观测LST之间的差距,并用SURFRAD实测站点数据对模拟结果进行验证,大部分站点的误差不超过±0.5 K。

4 城市热辐射方向性模型

对热辐射方向性建模是了解其变化规律和影响因素的重要手段,建模的最终目的是通过数据处理将不同观测方向的像元辐射值纠正到同一个观测方向上,尽量减小由于热辐射方向性导致的温度反演误差,提高真实性检验的精度。城市热辐射方向性模型研究开始于21世纪初,目前处于方兴未艾的发展期,可以分为3类,分别是几何三维模型、辐射传输模型和参数化模型。

4.1 几何三维模型

几何三维模型最早用于研究植被冠层[37,38],它根据植被的几何结构和光照情况将像元分为光照植被、阴影植被、光照土壤、阴影土壤四分量,通过计算这四分量在像元中所占的面积比例和辐射值计算整个像元的辐射状况。当研究城市时,通常假设城市地表由屋顶、光照墙面、阴影墙面、光照路面、阴影路面等表面组成。
Wang等[39]针对稀疏建筑物建立了GUTA-sparse模型,将城市地表归为屋顶、墙、阴影地面和光照地面,并且根据墙的朝向赋予不同的温度。考虑到城市建筑物实际的密度和高宽比（H/W）,Wang等[40,41]在此基础上又提出了GUTA-osg[40]模型和GUTA-dense[41]模型,当观测天顶角较小时可用GUTA-dense模拟密集建筑物的地表辐射;当观测天顶角超过50°时,需要结合两模型模拟,因为阴影相互重叠的辐射贡献不可忽视。可以通过实际情况（观测天顶角和几何结构参数,来选择适用的模型。
SUM模型[23]是基于大量观测数据和模拟数据创建的城市地表-传感器-太阳模型,能模拟由于地表-传感器-太阳之间任一几何关系变化而引起的微尺度各表面温度的方向变化。之后Dyce等[42]又将SUM模型推广至拥有复杂植被冠层的城市地表,发展为SUMVEG,使其更符合实际的场景。

4.2 辐射传输模型

辐射传输模型可以模拟能量在地表和大气之间的传播和交换过程,模拟过程中需要输入许多参数,包括地物的温度和发射率、大气参数、几何结构参数和观测角度信息等。
SOLENE模型[43,44]于1993年被开发用于研究城市环境,它在模拟城市地表时,会将城市地表（墙面、屋顶、地面、路面）划分为规则格网,结合太阳辐射和地物可见度计算每个网格接收到的能量,然后通过迭代计算,最终得到瞬时表面温度。同时,还输出净太阳辐射、感热通量和红外辐射等参数。SOLENE适合微小尺度的热辐射分析,或者通过格网整合进行不同地表间和整个城市区域内的分析。
Kanda等[45]将每个建筑物视为6个面（屋顶、地板和4个垂直墙面）组成的规则体（图2）,建筑阵列的表面几何特征用平面面积指数和正面面积指数表示,通过设置太阳的高度角和方位角模拟任意时刻的太阳位置以及光照-阴影状况。通过能量平衡定律,能够计算得到每个像元每个面上的吸收和反射辐射值。之后Kawai等[46]使用高精度模型（High-Accurate Model）对结果进行对比验证,相对误差小于10%。Krayenhoff等[47]提出的TUF-3D模型同样假设城市地表由屋顶（Roof）、墙壁（Wall）和街道（Street）表面组成,它们还被进一步细分为相同的方形斑块（Patch）（图3）,TUF-3D模型根据2个斑块（Patch）的大小、方向和距离来确定两斑块之间的辐射、传导、对流量,根据能量平衡定律迭代估算地表温度。之后Krayenhoff等[48]结合TUF-3D和SUM模型分析渥太华的城市景观形态对热辐射各异性的影响,发现太阳高度角,短波辐照度和高宽比（H/W）对热辐射方向性的强度有显著影响。由于TUF-3D可以模拟出每个斑块的表面温度,因此还被用于 T c的模拟验证,Yang等[32]运用TUF-3D模拟了辐射亮温和 T c之间的转换公式,利用机载观测数据进行验证,RMSE均小于2 K。
图2 Kanda模型中城市冠层的规则建筑物阵列[45]

Fig. 2 Regular building array of urban canopy in Kanda's model

图3 TUF-3D模型的基本单元和建筑物构成[47]

Fig. 3 The basic unit and patch structure of TUF-3D

TITAN模型可模拟由三维结构导致的所有辐射分量,发现辐射温度的变化强度可高达10 K,且最终的输出信号与地物表面几何形状和材料特性有 关[49]。Dart模型是目前发展最完善、覆盖波段最全面、应用最广的三维辐射模型之一,能够模拟可见光到热红外波段的地球-大气辐射相互作用,并且内置核函数和离散坐标法能够精确模拟异质三维场景中的辐射传输[50,51],模拟场景下的城市建筑与方向亮温如图4所示。
图4 城市区域及方向亮温模拟

Fig. 4 Simulations of urban buildings and directional brightness temperature

基于简化的城市街道冠层,Zheng等[52]提出了模拟各表面辐射传输状况的分析模型ATIMOU,利用该模型能够分析在不同大气类型、表面（墙面、道路）的温度和发射率、H/W的情况下,各表面和大气对于热辐射测量值的贡献。并且发现增加H/W、降低道路发射率和升高墙面温度会增加三维结构的影响强度,从而导致热辐射测量值的上升。但是模型假设过于理想（建筑对称等高、街道无限长）,如想应用于实际情况模型仍需改进。

4.3 参数模型

参数模型大多是经验或半经验模型,将方向亮温或辐亮度用少量参数与可变系数加权和的形式表示,系数通常是由多次观测结果拟合得到的,因此没有明确的物理意义,但操作简单计算快速,被广泛使用。
通过大量数据模拟出来的核驱动模型就是一种参数模型,核驱动模型可以分为2类：第一类是基于热红外特性,考虑热点效应的核驱动模型[53];第二类是将反射率改为方向亮温或辐亮度的热红外BRDF核驱动模型。
第一类模型有RL、Vinnikov核驱动模型作为代表,Lagouarde等[17]将光学热点模型拓展到热红外领域,提出了RL模型,通过热点的各向异性和冠层结构影响因子这2个参数表示方向亮温。据此观测到在水平面上,方向亮温在-4~10 K之间变化,垂直平面上也能观察到2 K的变化。Vinnikov等[36]提出的三核驱动模型由同温核,发射率核和太阳核构成,运用该模型可以将不同卫星（如GOES-EAST和GOES-WEST）重叠观测的LST纠正到方向独立的等效物理温度。第二类模型以彭菁菁等[54]和Ren 等[55]为例,他们将BRDF核驱动模型推广到热红外领域,用几何光学核和体散射核模拟方向性亮温或热辐射值。随后,Ren等[56]用WiDAS多角度观测数据集验证了他的TIR-BRDF模型,当估算半球方向性亮温时,该模型的误差低于0.3 K。
在遥感估算 T c的过程中,当只有几个方向的观测亮温时,Jiang等[57]运用Vinnikov核驱动模型模拟出所有方向的辐射温度,同时研究 T c的最优观测角度,并发现由此计算得到的半球角积分亮温更接近 T c,在白天的平均绝对误差约为1 K[58]。Duffour 等[19]用实测数据集、SCOPE合成数据集、Vinnikov核驱动模型验证RL模型,结果显示RL模型在城市和植被冠层的精度能达到1 K,比Vinnikov模型能够更准确地描述热点,因此Duffour等[19]认为RL模型更具纠正卫星温度产品角度效应的潜力。但是,Jiang等[59]综合比较了多个核驱动模型后,认为Vinnikov模型的整体性能优于RL模型,这与Liu等[60]的研究结果是一致的。
Yang等[61,62,63,64]用参数模型纠正了热辐射方向性对于城市地表温度的影响,这是对城市地表温度真值的有益探索。由于城市具有复杂的几何三维结构,Yang等[61,62]引入天空可视因子表征三维结构对城市热辐射的影响,考虑了邻近像元的散射和反射效应,将发射率纠正为三维结构影响下的有效发射率,由此计算所得的城市地表温度与不考虑几何结构影响的结果相差2 K。随后,Yang等[63]在该模型的基础上进行了改进,将像元的离地辐射分为2大部分：发射辐射和反射辐射,其中反射辐射包括像元的发射辐射被墙壁反射的部分、大气下行辐射的反射辐射、邻近像元的反射辐射部分。并且用TUF-3D模型对改进模型进行精度评价,结果表明,当像元同温均一时,此模型对于发射率反演显示出很好的结果;使用该有效发射率从ASTER热红外图像中反演城市地表温度,与ASTER的标准LST产品高度相关。基于改进的模型,Yang等[64]进一步评估了城市地表温度对于感热通量的影响,发现考虑几何结构的地表温度用于估计感热通量可达18%的差异。
Wang等[65]提出的GUTA-T参数模型可用于模拟城市热各向异性的时间变化,通过参数化各组分方向亮温的时间变化,模拟热辐射方向性的季节和小时尺度的变化情况,该模型在利用卫星图像对城市热辐射方向性进行长时序监测方面具有巨大潜力,同时也为未来生产高精度的城市地表温度产品提供了一种角度归一化方法。
本文从原理假设、优缺点和适用场景对以上模型进行了归纳总结（表1）。
表1 常见的热辐射方向性模型

Tab. 1 Commonly used thermal radiation anisotropy models

模型 假设 优点 不足 适用场景
几何三
维模型		 GUTA-sparse[39] 建筑等高、方向随机 分布 将核驱动形式引入模型,线性结构使之更为灵活 至少需要4个方向的观测数据 建筑高距比小于1的稀疏城市表面
GUTA-osg[40] 建筑等高、方向随机 分布 运用布尔模型解决建筑物阴影重叠的情况 没有考虑多重散射和垂直墙面上的阴影 建筑高距比小于2的稀疏城市表面
GUTA-dense[41] 建筑等高、方向随机 分布 运用布尔模型解决建筑物阴影重叠的情况 没有考虑多重散射和发射率的方向性 建筑高距比大于2时,需结合GUTA-osg和GUTA-dense模拟
SUM[23] 建筑等高且屋顶均 水平 可以计算任一表面在观测视场角中所占的面积比例和光照情况 需要输入地表组分的温度和观测角度等信息,使其应用大大受限 简化的城市地表
SUMVEG[42] 阴影叶片具有相同程度的阴影,接收的辐射值相同 使用光线追踪法和间隙概率法来估计叶片在视场中的辐射贡献 需要输入地表组分的温度和植被的生物物理属性等大量信息 植被冠层和简化的城市地表
辐射传
输模型		 SOLENE[43,44] 对流热传递系数是恒定的;建筑内部温度是恒定的 可用于计算几何形态较复杂的城市热辐射 计算时间长,验证难度大 晴朗无云的大气环境,适合微小尺度的热辐射分析
TUF-3D[47] 表面由平行的平面组成;能被细分为相同的方形斑块 相较于其它辐射传输模型,模型输入较少 对建筑的几何形态过于理想化;对流模拟过程较粗糙 可模拟复杂的城市地表
TITAN[49] 建筑垂直于地面且等高;表面是朗伯体 可以得到总信号的所有辐射贡献 需要输入几何场景和大气等大量信息 简化的城市地表
DART[50,51] 将体素作为辐射相互作用的存储单元 可以直接模拟大气辐射传输;用户界面操作方便;维护更新及时 输入参数多,计算时间长 可模拟复杂的城市地表
ATIMOU[52] 建筑垂直于地面且等高;表面是朗伯体平面 能够给出LST的解析解,对于反演高精度的城市LST是一个有益的尝试 建筑对称等高、街道无限长等假设限制了其实际 应用 简化的城市地表
参数
模型		 RL[17] 同一水平冠层的散射体之间没有相互遮挡 关注热点效应 不考虑阴影效应;在夜间的拟合效果不佳;非线性形式限制其广泛运用
Vinnikov 三核驱动模型[36] 模型由各向同性核、发射率核和太阳核构成 低LAI的植被冠层的模拟效果好 模拟热点效应能力弱
TIR-BRDF模型[54,55] 冠层由叶片、光照土壤和阴影土壤组成 观测天顶角小于45°时,TIR-BRDF的模拟效果好 至少需要4个方向的观测数据
GUTA-T[65] 建筑等高、方向随机 分布 太阳天顶角约45°时,模拟效果好 仅适用于太阳天顶角30~50°的情况;没有考虑热滞后效应

5 热辐射方向性的影响因素

从像元尺度上看,热辐射方向性效应是材料发射率的方向性、组分温度分布、三维结构造成的多次散射和组分面积比例随观测方向变化共同作用的结果[66]。这在观测及模型模拟的结果中则显示为：热辐射方向性的强度受观测季节与时间、地表几何结构、材料物理属性、太阳-目标-传感器之间的空间位置、传感器参数的影响,其时空分布具有一定的规律性（表2）。
表2 城市区域热辐射方向性的影响因素总结

Tab. 2 Summary of influence factors on urban thermal radiation anisotropy

影响因素 主要参数
观测时间 季节、日尺度
地表几何结构 建筑高度、密度
高宽比（H/W）
观测表面方向、倾角
天空可视因子
材料物理属性 反射率
发射率
热导率
空间位置 观测距离
观测天顶角、方位角
太阳天顶角、方位角
传感器参数 视场角
空间分辨率
热辐射方向性具有日尺度和季节尺度,相关研究表明,白天的热辐射方向性明显强于夜晚,在 0~62°范围内观测,夜晚的热辐射方向性甚至会低于2 K,而且对方位角变化没有明显的响应。在季节尺度方面目前尚未达成共识,Lagouarde等[17]认为由于人为供暖,秋冬季节的热辐射方向性会更显著;而Coll等[67]得出了相反的结论,发现城市地区的热各向异性强度在夏季达到最大,冬季最小。一些研究中都猜想人为热排放会对热辐射方向性造成不小的影响,但是缺少相关定量研究。
城市几何结构和材料的物理属性都会对热辐射方向性的强度产生一定的影响,Voogt等[68]发现利用真实的建筑参数建模与简化的地表参数相比,前者热辐射方向性强度更大。在组分尺度上,Hu等[69]定量地探讨了城市形态对热辐射方向性的影响。城市的几何结构参数包括建筑物的高度和密度、高宽比（H/W）、各表面的方向和倾角、天空可视因子（目标地物能够观测到半球天空的比例）等;物理特征包括墙、街道、屋顶等各表面的反射率、发射率和热导率等属性[70,71]。城市三维结构对热辐射的影响主要是通过影响太阳辐射和空气运动实现的[72,73],例如密集建筑之间形成的小气候对热传递会产生如下影响：白天能够到达地表的短波辐射减少,向阳的墙壁面温度升高,同时还会形成阴影使温度分布更加复杂[74];夜间会阻挡地表的长波辐射,使热量难以向外发射。而且天空可视因子较小的区域通常风速也较小,这使得水平方向的空气交换也较少,最终会导致该区域热环境和空气质量的下降。
许多观测试验和模型都表明热辐射方向性与太阳-目标-传感器之间的空间位置有关[75,76],具体表现在观测距离、观测天顶角和方位角、太阳天顶角和方位角的变化会引发观测亮温方向特性的变化[28,36,69]。相关研究表明：观测距离越近,热辐射的方向性越明显,但是当距离减少到一定程度后,分布规律不明显[24]。除此之外,不同大小的视场角会造成视场内组分权重的变化,进而影响热辐射方向性的分布特征及强度。同理,空间分辨率也会影响方向亮温差的大小[25]。

6 结论及展望

6.1 问题及展望

研究热辐射方向性的目的,是提高地表温度的反演精度和反演组分温度。城市地表由于自身异质性和几何结构特性,不同观测方向接收到的热辐射不同,导致热辐射方向性较为显著。城市地表的热辐射方向性会导致难以获取地表真实温度,因此由城市地表温度估算所得的城市气象、水文参数均不能反映实际情况,只能展现出相对的分布状况[77]。例如,热辐射方向性可能会影响城市热岛效应的存在和强度。相关研究结果表明,夜间的遥感反演温度与 T c较相近,因此可以用于代表三维的城市表面温度及进一步估算城市热岛强度,而白天的数值则存在较大的差异[78]。目前对于城市地表热辐射方向性的研究尚未成熟,加上真实性检验困难,因此尚未出现高精度的城市地表温度产品。
观测试验和模型模拟是研究城市热辐射方向性的两大利器,它们相互补充相互验证。目前已有的模型还存在一些不足之处,部分模型缺少实测数据验证,或是局限过多使之仅适用于特定的研究区域,普适性较差。为缩短计算时间,常假设地表发射率各向同性、地物具有理想的规则结构（建筑相同形态、规则排列,街道无限长）来简化模型,但这并不符合城市区域的真实情况,这将导致模拟结果自身存在一定的误差。城市热辐射方向性模型五花八门,但是尚未形成体系,目前权威性较强、被广泛应用于交叉验证的模型有：Dart、TUF-3D和SUM。
未来,如何从热红外图像中估算能够代表地表真实情况的温度值必然是城市热红外领域要关注的问题之一。为切实提高城市地表反演温度,基于目前的研究现状,本文认为今后应加强以下几方面的工作：
（1）投入使用高分辨率的热红外传感器,或利用飞行高度较低的无人机平台,创建城市地区高精度的遥感数据库。该数据不仅能帮助了解城市区域的布局结构,从而更好地构建模型;多景包含同一地物的相邻图像还可用于热辐射方向性的分析,从而提高对热辐射方向性和热点效应的理解。
（2）开展热红外多角度遥感试验,为城市研究提供全面的方向辐射信息。目前从多角度高分辨率的遥感图像提取地物空间三维结构的技术已相对成熟,通过固定视场内不同方向的亮温,结合视场中组分的面积比估算组分温度,同时为地表温度的角度纠正提供数据支撑,从而将城市地表温度的反演精度提高至1 K以内[79]。
（3）开展非同温异质像元热辐射的机理研究。城市地表多为非同温异质像元,在这方面缺少基础性机理研究。非同温异质像元的内部多次散射和邻近效应对传感器接收到的辐射值产生了多少影响,像元内部的组分分布、比例、温差、发射率差异如何影响热辐射的方向性,城市像元的等效发射率如何定义以及能否用于地表温度的反演,精度如何,这些都是亟待回答的问题。
（4）发展城市地表温度的真实性检验。针对复杂三维地表需要开发新的采样和尺度转换方法,地面观测的角度和时间需要最大限度地接近遥感数据,还需要将点尺度的观测数据应用于复杂地表温度的验证。真实性检验的数据还可用于训练和优化模型,推动实现提高地表温度反演精度的最终目标。
（5）将研究结果应用于实际卫星温度产品的角度纠正。目前已有一些研究工作在探索相关可能性[80,81,82]。角度归一化有2种方式,① 将所有像元的温度都纠正为垂直方向观测时的值,② 将观测值转换成一个各向同性、与观测方向无关的等效温度。热辐射方向性的研究成果应致力于纠正温度产品的角度效应,使多源遥感产品之间更具可比性,减小长时间序列的数值对比中由于观测角度不同所带来的误差。

6.2 结论

高空间分辨率的热红外图像上,热辐射方向性的影响是不可忽视的,基于对城市高精度地表温度产品的需求,城市热辐射方向性已成为热红外领域的热点之一。热辐射方向性的研究成果应该用于估计地表参数,由于定量遥感的欠定性,反演算法多采用增加方程和减少未知数来求解,建立热辐射方向性模型正是增加方程个数的体现,引入实测数据则用于计算最合适的模型系数。在可见的未来,多角度遥感数据的出现,非同温异质像元机理性研究、适用性更广的方向性模型,城市地表温度真实性检验方法的发展必将推动城市热辐射方向性的研究,使其成果更好地指导城市地表参数的反演。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李召良, 段四波, 唐伯惠, 等. 热红外地表温度遥感反演方法研究进展[J]. 遥感学报, 2016,20(5):899-920.

[ Li Z L, Duan S B, Tang B H, et al. Review of methods for land surface temperature derived from thermal infrared remotely sensed data[J]. Journal of Remote Sensing, 2016,20(5):899-920. ] DOI: 10.11834/jrs.20166192

DOI

[2]
毛克彪, 杨军, 韩秀珍, 等. 基于深度动态学习神经网络和辐射传输模型地表温度反演算法研究[J]. 中国农业信息, 2018,30(5):47-57.

[ Mao K B, Yang J, Han X Z, et al. Retrieving land surface temperature based on deep dynamic learning NN algorithm and radiation transmission model[J]. China Agriculture Information, 2018,30(5):47-57. ] DOI: 10.12105/j.issn.1672-0423.20180506

DOI

[3]
阎广建, 李小文, 王锦地, 等. 宽波段热红外方向性辐射建模[J]. 遥感学报, 2000,4(3):189-193.

[ Yan G J, Li X W, Wang J D, et al. Modeling directional effects of thermal emission in wide band measurements[J]. Journal of Remote Sensing, 2000,4(3):189-193. ] DOI: 10.11834/jrs.20000305

DOI

[4]
徐希孺, 范闻捷, 陈良富. 开放的复杂目标热辐射特性的矩阵表达式[J]. 中国科学(D辑:地球科学), 2001,31(12):1046-1051.

[ Xu X R, Fan W J, Chen L F. Matrix expression of thermal radiation characteristics of open complex targets[J]. Science in China(Series D), 2001,31(12):1046-1051. ] DOI: 10.3969/j.issn.1674-7240.2001.12.011

DOI

[5]
Lagouarde J P, Dayau S, Moreau P, et al. Directional anisotropy of brightness surface temperature over vineyards: Case study over the medoc region (SW France)[J]. IEEE Geoscience & Remote Sensing Letters, 2013,11(2):574-578. DOI: 10.1109/LGRS.2013.2282492

DOI

[6]
马伟, 陈云浩, 占文凤, 等. 城市模拟目标的3维热辐射方向性模型[J]. 遥感学报, 2013,17(1):62-76.

[ Ma W, Chen Y H, Zhan W F, et al. Thermal anisotropy model for simulated three dimensional urban targets[J]. Journal of Remote Sensing, 2013,17(1):62-76. ] DOI: 10.11834/jrs.20131361

DOI

[7]
Monteith J L, Szeicz G. Radiative temperature in the heat balance of natural surfaces[J]. Quarterly Journal of the Royal Meteorological Society, 1962,88(378):496-507. DOI: 10.1002/qj.49708837811

DOI

[8]
Voogt J A, Oke T R. Thermal remote sensing of urban climates[J]. Remote Sensing of Environment, 2003,86(3):370-384. DOI: 10.1016/S0034-4257(03)00079-8

DOI

[9]
周纪, 陈云浩, 李京, 等. 城市区域热辐射方向性研究进展[J]. 地球科学进展, 2009,24(5):497-505.

[ Zhou J, Chen Y H, Li J, et al. Progress in thermal anisotropy of urban areas: A Review[J]. Advances in Earth Science, 2009,24(5):497-505.] DOI: 10.3321/j.issn:1001-8166.2009.05.005

DOI

[10]
Chen S S, Ren H Z, Ye X, et al. Geometry and adjacency effects in urban land surface temperature retrieval from high-spatial-resolution thermal infrared images[J]. Remote Sensing of Environment, 2021,262:112518. DOI: 10.1016/j.rse.2021.112518

DOI

[11]
Cao B, Liu Q H, Du Y M, et al. A review of earth surface thermal radiation directionality observing and modeling: Historical development, current status and perspectives[J]. Remote Sensing of Environment, 2019,232:111304. DOI: 10.1016/j.rse.2019.111304

DOI

[12]
Lagouarde J P, Hénon A, Kurz B, et al. Modelling daytime thermal infrared directional anisotropy over Toulouse city centre[J]. Remote Sensing of Environment, 2010,114(1):87-105. DOI: 10.1016/j.rse.2009.08.012

DOI

[13]
Bian Z J, Roujean J L, Cao B, et al. Modeling the directional anisotropy of fine-scale TIR emissions over tree and crop canopies based on UAV measurements[J]. Remote Sensing of Environment, 2021,252:112150. DOI: 10.1016/j.rse.2020.112150

DOI

[14]
Voogt J A, Oke T R. Complete urban surface temperatures[J]. Journal of Applied Meteorology, 1997,36(9):1117-1132. DOI: 10.1175/1520-0450(1997)036<1117:CUST>2.0.CO;2

DOI

[15]
Hu L Q, Monaghan A, Voogt J A, et al. A first satellite-based observational assessment of urban thermal anisotropy[J]. Remote Sensing of Environment, 2016,181:111-121. DOI: 10.1016/j.rse.2016.03.043

DOI

[16]
Adderley C, Christen A, Voogt J A. The effect of radiometer placement and view on inferred directional and hemispheric radiometric temperatures of an urban canopy[J]. Atmospheric Measurement Techniques Discussions, 2015,8(7):2699-2714. DOI: 10.5194/amt-8-2699-2015

DOI

[17]
Lagouarde J P, Irvine M. Directional anisotropy in thermal infrared measurements over Toulouse city centre during the CAPITOUL measurement campaigns: first results[J]. Meteorology & Atmospheric Physics, 2008,102(3-4):173-185. DOI: 10.1007/s00703-008-0325-4

DOI

[18]
Masson V, Gomes L, Pigeon G, et al. The Canopy and Aerosol Particles Interactions in TOulouse Urban Layer (CAPITOUL) experiment[J]. Meteorology and Atmospheric Physics, 2008,102(3-4):135-157. DOI: 10.1007/s00703-008-0289-4

DOI

[19]
Duffour C, Lagouarde J P, Roujean J L. A two parameter model to simulate thermal infrared directional effects for remote sensing applications[J]. Remote Sensing of Environment, 2016,186:250-261. DOI: 10.1016/j.rse.2016.08.012

DOI

[20]
Wang D D, Chen Y H, Hu L Q, et al. Modeling the angular effect of MODIS LST in urban areas: A case study of Toulouse, France[J]. Remote Sensing of Environment, 2021,257:112361. DOI: 10.1016/j.rse.2021.112361

DOI

[21]
Sugawara H, Takamura T. Longwave radiation flux from an urban canopy: evaluation via measurements of directional radiometric temperature[J]. Remote Sensing of Environment, 2006,104(2):226-237. DOI: 10.1016/j.rse.2006.01.024

DOI

[22]
Morrison W, Kotthaus S, Grimmond C S B, et al. A novel method to obtain three-dimensional urban surface temperature from ground-based thermography[J]. Remote Sensing and Environment, 2018,215:268-283. DOI: 10.1016/j.rse.2018.05.004

DOI

[23]
Soux A, Voogt J A, Oke T R. A model to calculate what a remote sensor 'sees' of an urban surface[J]. Boundary-Layer Meteorology, 2004,111(1):109-132. DOI: 10.1023/B:BOUN.0000010995.62115.46

DOI

[24]
占文凤, 陈云浩, 马伟, 等. 城市目标方向亮温观测的视场效应分析[J]. 遥感学报, 2010,14(2):372-386.

[ Zhan W F, Chen Y H, Ma W, et al. FOV effect analysis in directional brightness temperature observations for urban targets[J]. Journal of Remote Sensing, 2010,14(2):372-386. ] DOI: 10.11834/jrs.20100213

DOI

[25]
Voogt J A, Oke T R. Effects of urban surface geometry on remotely-sensed surface temperature[J]. International Journal of Remote Sensing, 1998,19(5):895-920. DOI: 10.1080/014311698215784

DOI

[26]
Sugawara H, Narita K I, Mikami T. Estimation of effective thermal property parameter on a heterogeneous urban surface[J]. Journal of the Meteorological Society of Japan, 2002,79(6):1169-1181. DOI: 10.2151/jmsj.79.1169

DOI

[27]
Lagouarde J P, Moreau P, Irvine M, et al. Airborne experimental measurements of the angular variations in surface temperature over urban areas: case study of Marseille (France)[J]. Remote Sensing of Environment, 2004,93(4):443-462. DOI: 10.1016/j.rse.2003.12.011

DOI

[28]
Lagouarde J P, Hénon A, Irvine M, et al. Experimental characterization and modelling of the nighttime directional anisotropy of thermal infrared measurements over an urban area: Case study of Toulouse (France)[J]. Remote Sensing of Environment, 2012,117(3-4):19-33. DOI: 10.1016/j.rse.2011.06.022

DOI

[29]
Lagouarde J P, Ommandoire D C, Irvine M, et al. Atmospheric boundary-layer turbulence induced surface temperature fluctuations. Implications for TIR remote sensing measurements[J]. Remote Sensing of Environment, 2013,138(2):189-198. DOI: 10.1016/j.rse.2013.06.011

DOI

[30]
余涛, 田启燕, 顾行发, 等. 城市简单目标方向亮温研究[J]. 遥感学报, 2006,10(5):661-669.

[ Yu T, Tian Q Y, Gu X F, et al. Modelling directional brightness temperature over a simple typical structure of urban areas[J]. Journal of Remote Sensing, 2006,10(5):661-669. ]

[31]
刘强, 肖青, 刘志刚, 等. 黑河综合遥感联合试验中机载WiDAS数据的预处理方法[J]. 遥感技术与应用, 2010,25(6):797-804.

[ Liu Q, Xiao Q, Liu Z G, et al. Image processing method of airborne WiDAS sensor in WATER Campaign[J]. Remote Sensing Technology and Application, 2010,25(6):797-804. ] DOI: 10.11873/j.issn.1004-0323.2010.6.797

DOI

[32]
Yang J X, Wong M S, Ho H C, et al. A semi-empirical method for estimating complete surface temperature from radiometric surface temperature, a study in Hong Kong city[J]. Remote Sensing of Environment, 2020,237:111540. DOI: 10.1016/j.rse.2019.111540

DOI

[33]
Yang J X, Menenti M, Wu Z F, et al. Assessing the impact of urban geometry on surface urban heat island using complete and nadir temperatures[J]. International Journal of Climatology, 2020,41(1):E3219-E3238. DOI: 10.1002/joc.6919

DOI

[34]
李召良, Stoll M P, 张仁华. 利用ATSR数据分解土壤和植被温度的研究[J]. 中国科学E辑:技术科学, 2000,30(S1):27-38.

[ Li Z L, Stoll M P, Zhang R H. Decomposition of soil and vegetation temperature using ATSR data[J]. Science in China(Series E), 2000,30(S1):27-38. ] DOI: 10.3321/j.issn:1006-9275.2000.z1.005

DOI

[35]
阎广建, 姜海兰, 闫凯, 等. 多角度光学定量遥感[J]. 遥感学报, 2021,25(1):83-108.

[ Yan G J, Jiang H L, Yan K, et al. Review of optical multi-angle quantitative remote sensing[J]. Journal of Remote Sensing, 2021,25(1):83-108. ] DOI: 10.11834/jrs.20218355

DOI

[36]
Vinnikov K Y, Yu Y, Goldberg M D, et al. Angular anisotropy of satellite observations of land surface temperature[J]. Geophysical Research Letters, 2012,39(23). DOI: 10.1029/2012GL054059

DOI

[37]
Jackson R D, Reginato R J, Pinter P J, et al. Plant canopy information extraction from composite scene reflectance of row crops[J]. Applied Optics, 1979,18(22):3775-3782. DOI: 10.1364/AO.18.003775

DOI PMID

[38]
Kimes D S, Kirchner J A. Directional radiometric measurements of row-crop temperatures[J]. International Journal of Remote Sensing, 1983,4(2):299-311. DOI: 10.1080/01431168308948548

DOI

[39]
Wang D D, Chen Y H, Zhan W F. A geometric model to simulate thermal anisotropy over a sparse urban surface (GUTA-sparse)[J]. Remote Sensing of Environment, 2018,209:263-274. DOI: 10.1016/j.rse.2018.02.051

DOI

[40]
Wang D D, Chen Y H, Cui Y H, et al. A geometric model to simulate urban thermal anisotropy for simplified neighborhoods[J]. IEEE Transactions on Geoscience & Remote Sensing, 2018,56(8):4930-4944. DOI: 10.1109/TGRS.2018.2842794

DOI

[41]
Wang D D, Chen Y H. A geometric model to simulate urban thermal anisotropy in simplified dense neighborhoods (GUTA-dense)[J]. IEEE Transactions on Geoscience & Remote Sensing, 2019,57(8):6226-6239. DOI: 10.1109/TGRS.2019.2904871

DOI

[42]
Dyce D R, Voogt J A. The influence of tree crowns on urban thermal effective anisotropy[J]. Urban Climate, 2018,23(SI):91-113. DOI: 10.1016/j.uclim.2017.02.006

DOI

[43]
Groleau D, Ragnaud F F, Rosant J M. Simulation of the radiative behaviour of an urban quarter of marseille with the solene model[C]. Fifth International Conference on Urban Climate, Lodz, Pologne, 2003.

[44]
Henon A, Mestayer P G, Groleau D, et al. High resolution thermo-radiative modeling of an urban fragment in Marseilles city center during the UBL-ESCOMPTE campaign[J]. Building & Environment, 2011,46(9):1747-1764. DOI: 10.1016/j.buildenv.2011.02.001

DOI

[45]
Kanda M, Kawai T, Nakagawa K. A simple theoretical radiation scheme for regular building arrays[J]. Boundary-Layer Meteorology, 2005,114(1):71-90. DOI: 10.1007/s10546-004-8662-4

DOI

[46]
Kawai T, Kanda M. 3-Dimensional radiation model for urban canopy[J]. Proceedings of Hydraulic Engineering, 2003,47:55-60. DOI: 10.2208/prohe.47.55

DOI

[47]
Krayenhoff E S, Voogt J A. A microscale three-dimensional urban energy balance model for studying surface temperatures[J]. Boundary-Layer Meteorology, 2007,123(3):433-461. DOI: 10.1007/s10546-006-9153-6

DOI

[48]
Krayenhoff E S, Voogt J A. Daytime thermal anisotropy of urban neighbourhoods: Morphological causation[J]. Remote Sensing, 2016,8(2):1-22. DOI: 10.3390/rs8020108

DOI

[49]
Fontanilles G, Briottet X, Fabre S, et al. Thermal Infrared Radiance Simulation with Aggregation Modeling (TITAN): An Infrared Radiative Transfer Model for Heterogeneous Three-dimensional Surface--Application over Urban Areas[J]. Applied Optics, 2008,47(31):5799-810. DOI: 10.1364/AO.47.005799

DOI

[50]
Gastellu-Etchegorry J P. 3D Modeling of satellite spectral images, radiation budget and energy budget of urban landscapes[J]. Meteorology & Atmospheric Physics, 2008,102(3-4SI):187-207. DOI: 10.1007/s00703-008-0344-1

DOI

[51]
Gastellu-Etchegorry J P, Yin T G, Nicolas L, et al. Discrete anisotropic radiative transfer (DART 5) for modeling airborne and satellite spectroradiometer and LIDAR acquisitions of natural and urban landscapes[J]. Remote Sensing, 2015,7(2):1667-1701. DOI: 10.3390/rs70201667

DOI

[52]
Zheng X, Gao M, Li Z, et al. Impact of 3-D Structures and Their Radiation on Thermal Infrared Measurements in Urban Areas[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020,58(12). DOI: 10.1109/TGRS.2020.2987880

DOI

[53]
Cao B, Roujean J L, Gastellu-Etchegorry J P, et al. A general framework of kernel-driven modeling in the thermal infrared domain[J]. Remote Sensing of Environment, 2021,252:112157. DOI: 10.1016/j.rse.2020.112157

DOI

[54]
彭菁菁, 刘强, 柳钦火, 等. 多角度热红外亮温值的模型拟合与应用[J]. 红外与毫米波学报, 2011,30(4):361-365,371.

[ Peng J J, Liu Q, Liu Q H, et al. Kernel-driven model fitting of multi-angle thermal infrared brightness temperature and its application[J]. Journal of Infrared and Millimeter Waves, 2011,30(4):361-365,371. ]

[55]
Ren H Z, Liu R Y, Yan G J, et al. Angular normalization of land surface temperature and emissivity using multiangular middle and thermal infrared data[J]. IEEE Transactions on Geoscience & Remote Sensing, 2014,52(8):4913-4931. DOI: 10.1109/TGRS.2013.2285924

DOI

[56]
Ren H Z, Yan G J, Liu R Y, et al. Determination of optimum viewing angles for the angular normalization of land surface temperature over vegetated surface[J]. Sensors, 2015,15(4):7537-7570. DOI: 10.3390/s150407537

DOI

[57]
Jiang L, Zhan W F, Voogt J A, et al. Remote estimation of complete urban surface temperature using only directional radiometric temperatures[J]. Building & Environment, 2018,135(MAY):224-236. DOI: 10.1016/j.buildenv.2018.03.005

DOI

[58]
Jiang L, Zhan W F, Zou Z X. Two methods for remote estimation of complete urban surface temperature[C]. ISPRS - International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Wuhan, China, 2017. DOI: 10.5194/isprs-archives-XLII-2-W7-479-2017

DOI

[59]
Jiang L, Zhan W F, Hu L Q, et al. Assessment of different kernel-driven models for daytime urban thermal radiation directionality simulation[J]. Remote Sensing of Environment, 2021,263:112562. DOI: 10.1016/j.rse.2021.112562

DOI

[60]
Liu X Y, Tang B H, Li Z L. Evaluation of three parametric models for estimating directional thermal radiation from simulation, airborne, and satellite data[J]. Remote Sensing, 2018,10(3):420. DOI: 10.3390/rs10030420

DOI

[61]
Yang J X, Wong M S, Menenti M, et al. Study of the geometry effect on land surface temperature retrieval in urban environment[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,109:77-87. DOI: 10.1016/j.isprsjprs.2015.09.001

DOI

[62]
Yang J X, Wong M S, Menenti M, et al. Modeling the effective emissivity of the urban canopy using sky view factor[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,105:211-219. DOI: 10.1016/j.isprsjprs.2015.04.006

DOI

[63]
Yang J X, Wong M S, Menenti M, et al. Development of an improved urban emissivity model based on sky view factor for retrieving effective emissivity and surface temperature over urban areas[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016,122:30-40. DOI: 10.1016/j.isprsjprs.2016.09.007

DOI

[64]
Yang J X, Wong M S, Menenti M. Effects of urban geometry on turbulent fluxes: A remote sensing perspective[J]. IEEE Geoscience and Remote Sensing Letters, 2016,13(12):1767-1771. DOI: 10.1109/LGRS.2016.2607759

DOI

[65]
Wang D D, Chen Y H, Voogt J A, et al. An advanced geometric model to simulate thermal anisotropy time-series for simplified urban neighborhoods (GUTA-T)[J]. Remote Sensing of Environment, 2020,237:111547. DOI: 10.1016/j.rse.2019.111547

DOI

[66]
符锴华. 基于3-D模拟的典型植被热辐射方向性研究[D]. 北京:中国科学院研究生院(遥感应用研究所), 2005.

[ Fu K H. The study on thermal infrared emission directionality of typical soil-vegetation canopy based on 3-D structure simulation model[D]. Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences, 2005. ]

[67]
Coll C, Galve J M, Niclòs R, et al. Angular variations of brightness surface temperatures derived from dual-view measurements of the Advanced Along-Track Scanning Radiometer using a new single band atmospheric correction method[J]. Remote Sensing of Environment, 2019,223:274-290. DOI: 10.1016/j.rse.2019.01.021

DOI

[68]
Voogt J A. Assessment of an urban sensor view model for thermal anisotropy[J]. Remote Sensing of Environment, 2008,112(2):482-495. DOI: 10.1016/j.rse.2007.05.013

DOI

[69]
Hu L Q, Wendel J. Analysis of urban surface morphologic effects on diurnal thermal directional anisotropy[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019,148:1-12. DOI: 10.1016/j.isprsjprs.2018.12.004

DOI

[70]
Pasha Y S, Fshari A A. Assessment and improvement of the accuracy of radiation heat transfer estimation in simplified urban canopy models[J]. Energy Procedia, 2017,143:532-539. DOI: 10.1016/j.egypro.2017.12.722

DOI

[71]
Zheng X P, Li Z L, Chen K S, et al. Assessment of the urban three-dimensional structural influence on the satellite thermal infrared measurement[C]. 2019 PhotonIcs & Electromagnetics Research Symposium - Spring (PIERS-Spring), Rome, Italy, 2019. DOI: 10.1109/PIERS-Spring46901.2019.9017315

DOI

[72]
Forouzandeh A, Richter T. Accurate prediction of heating energy demand of courtyard's surrounding envelopes using temperature correction factor[J]. Energy and Buildings, 2019,193:49-68. DOI: 10.1016/j.enbuild.2019.03.030

DOI

[73]
周伟奇, 田韫钰. 城市三维空间形态的热环境效应研究进展[J]. 生态学报, 2020,40(2):416-427.

[ Zhou W Q, Tian Y Y. Effects of urban three-dimensional morphology on thermal environment: a review[J]. Acta Ecologica Sinica, 2020,40(2):416-427. ] DOI: 10.5846/stxb201902250353

DOI

[74]
Hilland R, Voogt J A. The effect of sub-facet scale surface structure on wall brightness temperatures at multiple scales[J]. Theoretical and Applied Climatology, 2020,140(14):767-785. DOI: 10.1007/s00704-020-03094-7

DOI

[75]
Minnis P, Khaiyer M M. Anisotropy of land surface skin temperature derived from satellite data[J]. Journal of Applied Meteorology, 2000,39(7):1117-1129. DOI: 10.1175/1520-0450(2000)039<1117:AOLSST>2.0.CO;2

DOI

[76]
Pinheiro A C T, Privette J L, Mahoney R, et al. Directional effects in a daily AVHRR land surface temperature dataset over africa[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004,42(9):1941-1954. DOI: 10.1109/TGRS.2004.831886

DOI

[77]
杨英宝, 苏伟忠, 江南. 基于遥感的城市热岛效应研究[J]. 地理与地理信息科学, 2006,22(5):36-40.

[ Yang Y B, Su W Z, Jiang N. Application of remote sensing to study urban heat island effect[J]. Geography and Geo-Information Science, 2006,22(5):36-40. ] DOI: 10.3969/j.issn.1672-0504.2006.05.007

DOI

[78]
Li N N, Li X M. The impact of building thermal anisotropy on surface urban heat island intensity estimation: An observational case study in Beijing[J]. IEEE Geoscience and Remote Sensing Letters, 2020,17(12):2030-2034. DOI: 10.1109/LGRS.2019.2962383

DOI

[79]
赵艳华, 赵利民. 红外多角度观测的优势分析[J]. 航天返回与遥感, 2017,38(1):30-37.

[ Zhao Y H, Zhao L M. Analysis of advantages of multi-angle infrared observation[J]. Spacecraft Recovery & Remote Sensing, 2017,38(1):30-37. ] DOI: 10.3969/j.issn.1009-8518.2017.01.005

DOI

[80]
Ermida S L, DaCamara C C, Trigo I F, et al. Modelling directional effects on remotely sensed land surface temperature[J]. Remote Sensing and Environment, 2017,190:56-69. DOI: 10.1016/j.rse.2016.12.008

DOI

[81]
Ermida S L, Trigo I F, DaCamara C C, et al. Assessing the potential of parametric models to correct directional effects on local to global remotely sensed LST[J]. Remote Sensing and Environment, 2018,209:410-422. DOI: 10.1016/j.rse.2018.02.066

DOI

[82]
Ghent D J, Corlett G K, G Ttsche F M, et al. Global land surface temperature from the along-track scanning radiometers[J]. Journal of Geophysical Research Atmospheres, 2017,122(22):12167-12193. DOI: 10.1002/2017JD027161

DOI

Options
Outlines

/

〈 〉