یک روش مبتنی بر فیزیک برای بازیابی دمای سطح زمین از داده های مادون قرمز میانی MODIS در طول روز

منطقه طیفی مادون‌قرمز میانی (‏MIR) ‏(‏۳ – ۵ μm )‏، که بیشتر لایه‌های مه در اتمسفر نفوذ می‌کند و نسبت به تغییرات در بخار آب جو حساسیت کمتری دارد، به نظر می‌رسد برای بازیابی دمای سطح زمین LST مناسب باشد. با این حال، در حال حاضر مطالعات اندکی در مورد بازیابی LST با داده‌های MIR وجود دارد زیرا حذف تابش خورشیدی از کل انرژی اندازه‌گیری شده در MIR در طول روز دشوار است. این مقاله یک روش مبتنی بر فیزیک را برای بازیابی LST از داده‌های MIR روزانه سیستم‌های اطلاعاتی مدرن پیشنهاد می‌کند. بازتابندگی دو جهته که تابش مستقیم خورشیدی بازتابیده را توصیف می‌کند ، با استفاده از روش Tang و Li تعیین می‌شود. قابلیت تابش جهت‌دار، که نشان‌دهنده سطح ساطع شده تشعشع است، توسط مدل تابع توزیع انعکاس دوسویه یعنی ، RossThick – LiSparse – R تعیین می‌شود. مقایسه میانی با استفاده از محصول LST مادیس MYD11_L2 ، برای سایت آزمایشی Baotou در Urad Qianqi، مغولستان داخلی، چین، دارای حداکثر خطای میانگین مربعات (‏RMSE)‏ به میزان ۱.۶۹ K و حداقل RMSE 1.31 K برای چهار صحنه تصاویر MODIS است. علاوه بر این، LST ها در محل اندازه‌گیر

The midinfrared (MIR) spectral region (3-5 μm), which penetrates most haze layers in the atmosphere and is less sensitive to variations in atmospheric water vapor, seems to be appropriate for retrieving land surface temperature (LST). However, there are currently few studies of LST retrieval with MIR data because it is difficult to eliminate solar irradiance from the total energy measured in the MIR during the daytime. This paper proposes a physics-based method to retrieve LST from MODIS daytime MIR data. The bidirectional reflectivity describing the reflected solar direct irradiance is determined using the method by Tang and Li. The directional emissivity, representing the surface emitted radiance, is determined by a kernel-driven bidirectional reflectance distribution function model, i.e., RossThick-LiSparse-R. Intercomparisons using the MODIS-derived LST product MYD11_L2, for the Baotou experimental site in Urad Qianqi, Inner Mongolia, China, have a maximum root-mean-square error (R