Land Surface Temperature (LST)

Die Landoberflächentemperatur (Land Surface Temperature – LST) gehört zu den essentiellen Klimavariablen (ECVs), ist Teil des Oberflächenenergiebudgets und wird als Indikator für das sich wandelnde Klima verwendet. LST kann mit Hilfe von fernerkundlichen Techniken aus unterschiedlicher Ferne detektiert werden. Beobachtungen aus dem All – wie in TIMELINE mit den AVHRR Sensoren – liefern großflächige Daten in meist hoher temporaler Auflösung.

Im TIMELINE wird die LST mit Hilfe der SurfTemp Software berechnet, welche aus L1b-TOA Reflektanzen (TOA reflectance) und Strahlungstemperaturen (brightness temperatures) LST und die Band-Emissivitäten ableitet. Die verwendeten Algorithmen haben eine vergleichbar hohe Genauigkeit und tiefe Sensitivität gegenüber den Input-Bändern  (Frey et al. 2017). Für die Sensoren der Generation AVHRR/2 und AVHRR/3 wird der Algorithmus von Becker & Li (1990) verwendet. Für die Sensoren der Generation AVHRR/1 – welche nur ein Band im thermalen Infrarot besitzen – wird der Qin et al. (2001) Algorithmus verwendet. Für beide Ansätze wurden für eine Vielzahl von atmosphärischen Bedingungen und geometrischen Konfigurationen neue Koeffizienten berechnet. Die Abbildung unten zeigt die erreichbare Genauigkeit und Präzision anhand des quadratischen Mittelwerts (RMS) und der Standardabweichung (STDEV).
 

Erreichbare Performanz der Becker and Li 1990 (a und b) und Qin et al. 2001 (c and d)
Algorithmen für verschiedene Wasserdampfklassen (Frey et al. 2017)

Beide Algorithmen benötigen die Oberflächenemissivität als Input. Diese wird mit der Vegetation Cover Method (VCM) von Caselles et al. (2012) berechnet.

Literatur-Angaben:

Frey, CM; Künzer, C & Dech, S (2017) Assessment of Mono- and Split-Window Approaches for Time Series Processing of LST from AVHRR—A TIMELINE Round Robin. Remote sensing, 9(1): 72.

Caselles, E; Valor, E; Abad, F & Caselles, V (2012) Automatic classification-based generation of thermal infrared land surface emissivity maps using AATSR data over Europe. Remote Sens. Environ. 124, 321-333.

Becker, F; Li, ZL (1990) Towards a local split window method over land surfaces. Int. J. Remote Sens. 11, 369-393.

Qin, Z; Karnieli, A & Berliner, P (2001) A mono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region. Int. J. Remote Sens., 22(18), 3719-3746.

Frey, CM; Künzer, C & Dech, S (2012) Quantitative comparison of the operational NOAA-AVHRR LST product of DLR and the MODIS LST product V005. International Journal of Remote Sensing, 33 (22), 7165-7183.