CN103439757A - 一种利用modis遥感热红外数据的云检测方法 - Google Patents
一种利用modis遥感热红外数据的云检测方法 Download PDFInfo
- Publication number
- CN103439757A CN103439757A CN2013104082843A CN201310408284A CN103439757A CN 103439757 A CN103439757 A CN 103439757A CN 2013104082843 A CN2013104082843 A CN 2013104082843A CN 201310408284 A CN201310408284 A CN 201310408284A CN 103439757 A CN103439757 A CN 103439757A
- Authority
- CN
- China
- Prior art keywords
- cloud
- wave band
- emissivity
- wave
- lambda
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000005855 radiation Effects 0.000 claims description 39
- RAFNCPHFRHZCPS-UHFFFAOYSA-N di(imidazol-1-yl)methanethione Chemical compound C1=CN=CN1C(=S)N1C=CN=C1 RAFNCPHFRHZCPS-UHFFFAOYSA-N 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 8
- 238000004064 recycling Methods 0.000 claims description 3
- 239000002689 soil Substances 0.000 abstract description 17
- 239000004576 sand Substances 0.000 abstract description 14
- -1 snow Substances 0.000 abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 16
- 239000003643 water by type Substances 0.000 description 14
- 238000010586 diagram Methods 0.000 description 8
- 239000002131 composite material Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 101150064138 MAP1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种利用MODIS遥感热红外数据的云检测方法,主要是利用云与下垫物的在MODIS数据长波辐射波段的比辐射率的差异进行云检测。由于云与植被、裸土、雪、沙地和水域等下垫物的物质性质和表面状况不同,从而它们在长波波段的比辐射率不相同。本发明进一步提出了云指数(TCDI)方法,利用云与其它下垫物的比辐射率的差异来进行云检测,该方法不受太阳光的影响,白天和晚上的云都可以检测。
Description
技术领域
本发明涉及云检测领域,具体地,涉及一种利用MODIS遥感热红外数据的云检测方法。
背景技术
目前云检测大都是利用云与植被、土壤、雪和水域等下垫物在反射率或辐射亮温值的差异进行检测的。但地物反射率受太阳高度角、方位角、日照时间等因素的影响,只能检测白天的云;另外云与植被、土壤、雪等背景物体的辐射亮温随温度的变化也比较大。因此,不管利用反射率还是辐射亮温都不能很稳定地检测24个小时的云。
发明内容
本发明的目的在于提供一种利用MODIS遥感热红外数据的云检测方法,使其能稳定地检测不同下垫物上的云。
为了实现上述目的,本发明采用如下技术方案:
利用云与下垫面物体的在MODIS数据长波辐射波段的比辐射率的差异进行云检测。
包括如下步骤:
(1)首先,按下式计算MODIS数据的任意两个长波段的比辐射率关系:
式中:n1和n2表示MODIS数据的任意两个长波段的波段数;h为普朗克常数;c为光速;λn1和λn2分别为第n1和n2波段的中心波长;L'n1和L'n2分别是第n1波段和n2波段的实际物体辐射亮度,其可以通过MODIS遥感图像获得;εn1和εn2分别是第n1波段和n2波段的比辐射率,两个未知变量;
(2)其次,设定第n1和n2波段中某一个长波辐射波段的比辐射率值为0-1之间的某一固定值,然后分别计算云与不同下垫物在另一个长波辐射波段的比辐射率,通过给该另一长波辐射波段的比辐射率设定阈值的方法,来进行云检测。
进一步地,步骤(1)中,计算完第n1和n2波段的比辐射率关系后,先根据上式分别画出云与不同下垫物的第n1及n2波段的比辐射率关系曲线图,根据该曲线图,找出云与不同下垫物差异较大的位置对应的某一波段的比辐射率值作为步骤(2)中所述的某一固定值。
进一步地,采用归一化云指数TCDI方法进行云检测,包括如下步骤:
(1)首先,假设ε29=0.9后,依据下式所表达关系求出假设ε29条件下的ε30和ε32;
式中:n1和n2表示MODIS数据的任意两个长波段的波段数;h为普朗克常数;c为光速;λn1和λn2分别为第n1和n2波段的中心波长;L'n1和L'n2分别是第n1波段和n2波段的实际物体辐射亮度,其可以通过MODIS遥感图像获得;εn1和εn2分别是第n1波段和n2波段的比辐射率,两个未知变量;
(2)再利用归一化云指数方法TCDI=(ε30-ε32)/(ε30+ε32)获得TCDI遥感图像,最后通过设定阈值的方法检测出云覆盖范围。
与现有技术相比,本发明具有以下有益效果:
1、本发明利用比辐射率的特征进行云检测是一种全新的研究手段。由于云与植被、裸土、雪、沙地和水域等下垫物的物质性质和表面状况不同,从而它们在长波波段的比辐射率不相同。本发明利用云与其它下垫物的比辐射率的差异来进行云检测,能稳定地检测不同下垫物上的24个小时的云。
2、由于目前比辐射率的计算方法还不是特别成熟,都存在些误差,本发明在假设某一个波段比辐射率的条件下,通过分析云与其它下垫物的比辐射率特性差异,提出了云检测指数(TCDI)方法。该方法利用云与其背景物体比辐射率特征差异进行云检测,所以不受太阳光的影响,白天和晚上的云都可以检测。另外,虽然比辐射率也受温度影响,但影响程度远小于辐射亮温。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为云、植被、裸土、雪、沙地和水域的ε29和ε32的关系曲线图;
图2为云、植被、裸土、雪、沙地和水域的MODIS数据热辐射波段比辐射率曲线图;
图3为植被区域的8月份modis数据1、2、1合成图(左)及本发明的云检测结果图(右)的对比图;
图4为水域区域的8月份modis数据1、4、3合成图(左)及本发明的云检测结果图(右)的对比图;
图5为雪和裸土区域的12月份modis数据1、6、26合成图(左)及本发明的云检测结果图(右)的对比图;
图6为沙地区域的8份modis数据1、4、3合成图(左)及本发明的云检测结果图(右)的对比图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明提供了一种利用云与植被、裸土、雪、沙地和水域等下垫物在MODIS数据长波辐射波段的比辐射率的差异进行云检测的方法。
1.理论依据
根据地球辐射与太阳辐射的相互效应传感器接收的地球辐射可分为三段,分别是短波辐射(0.3~2.5μm)、中红外辐射(2.5~6μm)、长波辐射(6μm以上)。短波辐射以地球表面对太阳光的反射为主,地球自身的热辐射可忽略不计。地球长辐射可只考虑地表物体自身的热辐射,在这个区域内太阳辐照的影响极小。介于两者之间的中红外波段太阳辐射和热辐射的影响均有,两者都不能忽略。如果使用短波或中红外波段则必须充分考虑影响太阳辐射的时间、经纬度、地区、季节等多种要素,这样会增加监测的难度,降低实用性。若使用地球长波辐射,则只从地物本身的性质角度去考虑即可,这样将复杂的问题得以简化并提高监测精度。
虽然对于地球的长波辐射可只考虑地表物体自身的热辐射,但其辐射亮度L与地物的比辐射率ε、地物的温度T及波长λ有关。对遥感数据的某一个波段来说,波长λ可以看作是固定的,地物的辐射亮度L随温度T的变化而变化,所以直接利用辐射亮度L无法稳定地提取地物信息。而对遥感数据的某一个波段来说,地物的比辐射率ε是相对稳定的参数,它与地物的性质、表面状况有关。由于云与植被、裸土、雪、沙地和水域等下垫物的物质性质和表面状况不同,所以它们的比辐射率不相同。因此可利用云与植被、裸土、雪、沙地和水域等下垫物在长波比辐射率的差异,进行云的检测。
2.云检测模型(归一化云指数TCDI)的建立
根据1900年普朗克用量子物理的新概念,推导出的热辐射定理和基尔霍夫定理得出:
L'λ=ελ2hc2/λ5(ech/λkT-1) (1)
公式(1)中:L'λ是实际物体辐射亮度,ελ是光谱比辐射率;h为普朗克常数;c为光速;λ为某一波段的中心波长;k为玻尔兹曼常数;T是与地表温度相同的黑体温度,单位(K)。
虽然通过ελ能检测云,但从公式(1)不能直接获得ελ,因为有两个未知变量ελ和T,所以不能直接获得ελ。
下面公式(1)中具体引入MODIS数据的29、32波段进行公式推理,因为这两个波段都是长波辐射波段,不用考虑地物对太阳光的反射辐射,只考虑地物的热辐射,所以可以得出
由公式(2)和(3)获得(4)和(5)
由公式(4)和(5)获得(6)和(7)
由公式(6)和(7)可以获得(8)
公式(8)中L'29和L'32可以通过MODIS遥感图像获得;ε29和ε32分别是第29波段和32波段的比辐射率,两个未知变量,无法同时获得。依据比辐射率的变化范围,假定ε29在0—1的之间变化时,通过公式(8)可以确定相应的ε32,用此方法可以画出云与植被、裸土、雪、沙地和水域等下垫物上的ε29和ε32的关系曲线图(见图1)。从图1可见ε29在0—1之间变化时ε32的大小顺序永远是沙地>裸土>植被>水域>雪>薄云>厚云。依据这个规律,通过设定阈值,我们就可以分开云与其它背景地物。另外,从曲线图1还可见ε29从0到1之间变化时,不同地物遥感象元上ε32的差距是增大的,因此为了得到明显的结果,一般假设ε29=0.9后通过公式(8)计算ε32的值,从而区分云与背景地物。
对MODIS数据的所有长波辐射波段,在云与植被、裸土、雪、沙地和水域等不同下垫面上,进行了类似于第29和32波段的比辐射率关系研究。通过多次的实验,证明了任取其中的两个波段都能得到类似于第29和第32波段的关系。因此任取两个MODIS数据的长波辐射波段都可以进行云检测。
但为了获得最好的方法,在MODIS数据的所有长波辐射波段,对云、植被、裸土、雪、沙地和水域等地物的比辐射率特征进行了比较研究。在假设某一个波段比辐射率的条件下,通过类似公式(8)中的比辐射率的关系,可以获得云、植被、裸土、雪、沙地和水域等地物在MODIS数据其它9个热辐射波段的比辐射率图(见图2)。MODIS数据共有10个长波辐射波段,所以可以得到10幅比辐射率图。通过对比这10幅比辐射率图,得出假设ε29=0.9时云与植被、裸土、雪、沙地和水域等地物比辐射率差别最明显,在第30波段上,云的比辐射率比其它地物要高,而第32波段上,云的比辐射率要比其它地物低,因此将其归一化处理,得到归一化云指数TCDI表示为TCDI=(ε30-ε32)/(ε30+ε32),该方法不仅可以突出的云的信息,而且可以部分消除了卫星扫描角及大气程辐射的影响。
归一化云指数TCDI方法具体云检测步骤为:
(1)首先,假设ε29=0.9后,依据下式所表达关系求出假设ε29条件下的ε30和ε32;
式中:n1和n2表示MODIS数据的任意两个长波段的波段数;h为普朗克常数;c为光速;λn1和λn2分别为第n1和n2波段的中心波长;L'n1和L'n2分别是第n1波段和n2波段的实际物体辐射亮度,其可以通过MODIS遥感图像获得;εn1和εn2分别是第n1波段和n2波段的比辐射率,两个未知变量;
(2)再利用归一化云指数方法TCDI=(ε30-ε32)/(ε30+ε32)获得TCDI遥感图像,最后通过设定阈值的方法检测出云覆盖范围。
利用本发明的上述方法对沙漠、雪、植被、水体和裸土等多种下垫物,且在白天和晚上都可以相对稳定地进行云检测。经过多次的多个区域的云检测实例验证,本方法的云检测效果都比较理想。
本发明选取四幅代表性影像(如图3~图6所示),通过目视判读可以看出,本发明可以较精确地检测出在不同下垫物上空的云。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种利用MODIS遥感热红外数据的云检测方法,其特征在于,利用云与下垫物的在MODIS数据长波辐射波段的比辐射率的差异进行云检测。
2.根据权利要求1所述的云检测方法,其特征在于,包括如下步骤:
(1)首先,按下式计算MODIS数据的任意两个长波段的比辐射率关系:
式中:n1和n2表示MODIS数据的任意两个长波段的波段数;h为普朗克常数;c为光速;λn1和λn2分别为第n1和n2波段的中心波长;L'n1和L'n2分别是第n1波段和n2波段的实际物体辐射亮度,其可以通过MODIS遥感图像获得;εn1和εn2分别是第n1波段和n2波段的比辐射率,两个未知变量;
(2)其次,设定第n1和n2波段中某一个长波辐射波段的比辐射率值为0-1之间的某一固定值,然后分别计算云与不同下垫物在另一个长波辐射波段的比辐射率,通过给该另一长波辐射波段的比辐射率设定阈值的方法,来进行云检测。
3.根据权利要求2所述的云检测方法,其特征在于,步骤(1)中,计算完第n1和n2波段的比辐射率关系后,先根据上式分别画出云与不同下垫物的第n1及n2波段的比辐射率关系曲线图,根据该曲线图,找出云与不同下垫物差异较大的位置对应的某一波段的比辐射率值作为步骤(2)中所述的某一固定值。
4.根据权利要求1所述的云检测方法,其特征在于,采用归一化云指数TCDI方法进行云检测,包括如下步骤:
(1)首先,假设ε29=0.9后,依据下式所表达关系求出假设ε29条件下的ε30和ε32;
式中:n1和n2表示MODIS数据的任意两个长波段的波段数;h为普朗克常数;c为光速;λn1和λn2分别为第n1和n2波段的中心波长;L'n1和L'n2分别是第n1波段和n2波段的实际物体辐射亮度,其可以通过MODIS遥感图像获得;εn1和εn2分别是第n1波段和n2波段的比辐射率,两个未知变量;
(2)再利用归一化云指数方法TCDI=(ε30-ε32)/(ε30+ε32)获得TCDI遥感图像,最后通过设定阈值的方法检测出云覆盖范围。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310408284.3A CN103439757B (zh) | 2013-09-10 | 2013-09-10 | 一种利用modis遥感热红外数据的云检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310408284.3A CN103439757B (zh) | 2013-09-10 | 2013-09-10 | 一种利用modis遥感热红外数据的云检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103439757A true CN103439757A (zh) | 2013-12-11 |
CN103439757B CN103439757B (zh) | 2015-11-25 |
Family
ID=49693461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310408284.3A Expired - Fee Related CN103439757B (zh) | 2013-09-10 | 2013-09-10 | 一种利用modis遥感热红外数据的云检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103439757B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728612A (zh) * | 2013-12-23 | 2014-04-16 | 中北大学 | 基于目标红外辐射光谱和带模式的被动测距方法 |
CN103995302A (zh) * | 2014-05-07 | 2014-08-20 | 中国农业科学院农业资源与农业区划研究所 | 一种有效的卷云监测方法 |
CN104820250A (zh) * | 2015-04-14 | 2015-08-05 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN105890775A (zh) * | 2016-06-30 | 2016-08-24 | 王永福 | 一种红外热源的免疫系统与方法 |
CN106127717A (zh) * | 2016-06-15 | 2016-11-16 | 中国科学院遥感与数字地球研究所 | 一种基于modis逐日积雪覆盖图像的去云方法及装置 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
CN108627879A (zh) * | 2018-05-10 | 2018-10-09 | 中南林业科技大学 | 一种多源气象卫星云检测方法 |
CN109186777A (zh) * | 2018-09-26 | 2019-01-11 | 北京空间机电研究所 | 基于在轨推扫的红外图像的非均匀校正方法、装置、系统及应用 |
CN113176211A (zh) * | 2021-04-27 | 2021-07-27 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
CN113391376A (zh) * | 2021-06-29 | 2021-09-14 | 南京信息工程大学 | 一种amsu-a资料陆地云检测方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901563A (zh) * | 2012-11-01 | 2013-01-30 | 中国科学院地理科学与资源研究所 | 一种同时确定地表窄波段和宽波段比辐射率的方法及装置 |
-
2013
- 2013-09-10 CN CN201310408284.3A patent/CN103439757B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102901563A (zh) * | 2012-11-01 | 2013-01-30 | 中国科学院地理科学与资源研究所 | 一种同时确定地表窄波段和宽波段比辐射率的方法及装置 |
Non-Patent Citations (2)
Title |
---|
宋小宁等: "MODIS图象的云检测及分析", 《中国图象图形学报》, vol. 8, no. 9, 30 September 2003 (2003-09-30), pages 1079 - 1083 * |
海全胜等: "利用遥感手段判识沙尘暴的一种新方法", 《红外与毫米波学报》, vol. 28, no. 2, 30 April 2009 (2009-04-30), pages 129 - 132 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103728612B (zh) * | 2013-12-23 | 2017-02-15 | 中北大学 | 基于目标红外辐射光谱和带模式的被动测距方法 |
CN103728612A (zh) * | 2013-12-23 | 2014-04-16 | 中北大学 | 基于目标红外辐射光谱和带模式的被动测距方法 |
CN103995302A (zh) * | 2014-05-07 | 2014-08-20 | 中国农业科学院农业资源与农业区划研究所 | 一种有效的卷云监测方法 |
CN103995302B (zh) * | 2014-05-07 | 2016-11-16 | 中国农业科学院农业资源与农业区划研究所 | 一种有效的卷云监测方法 |
CN104820250A (zh) * | 2015-04-14 | 2015-08-05 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN104820250B (zh) * | 2015-04-14 | 2017-03-15 | 国家卫星气象中心 | 一种极轨气象卫星virr海洋上云检测的处理方法 |
CN106127717B (zh) * | 2016-06-15 | 2019-04-30 | 中国科学院遥感与数字地球研究所 | 一种基于modis逐日积雪覆盖图像的去云方法及装置 |
CN106127717A (zh) * | 2016-06-15 | 2016-11-16 | 中国科学院遥感与数字地球研究所 | 一种基于modis逐日积雪覆盖图像的去云方法及装置 |
CN105890775A (zh) * | 2016-06-30 | 2016-08-24 | 王永福 | 一种红外热源的免疫系统与方法 |
CN107909607A (zh) * | 2017-12-11 | 2018-04-13 | 河北省科学院地理科学研究所 | 一种年度区域植被覆盖度计算方法 |
CN108627879A (zh) * | 2018-05-10 | 2018-10-09 | 中南林业科技大学 | 一种多源气象卫星云检测方法 |
CN109186777A (zh) * | 2018-09-26 | 2019-01-11 | 北京空间机电研究所 | 基于在轨推扫的红外图像的非均匀校正方法、装置、系统及应用 |
CN113176211A (zh) * | 2021-04-27 | 2021-07-27 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
CN113176211B (zh) * | 2021-04-27 | 2023-03-14 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
CN113391376A (zh) * | 2021-06-29 | 2021-09-14 | 南京信息工程大学 | 一种amsu-a资料陆地云检测方法 |
CN113391376B (zh) * | 2021-06-29 | 2022-06-03 | 南京信息工程大学 | 一种amsu-a资料陆地云检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103439757B (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439757B (zh) | 一种利用modis遥感热红外数据的云检测方法 | |
Rongali et al. | A mono-window algorithm for land surface temperature estimation from Landsat 8 thermal infrared sensor data: a case study of the Beas River Basin, India | |
Wang et al. | Detecting daytime and nighttime land surface temperature anomalies using thermal infrared remote sensing in Dandong geothermal prospect | |
Liao et al. | Surface urban heat island detected by all-weather satellite land surface temperature | |
Romaguera et al. | Detecting geothermal anomalies and evaluating LST geothermal component by combining thermal remote sensing time series and land surface model data | |
Lazzarini et al. | Temperature-land cover interactions: The inversion of urban heat island phenomenon in desert city areas | |
Zeng et al. | The influence of the landscape pattern on the urban land surface temperature varies with the ratio of land components: Insights from 2D/3D building/vegetation metrics | |
Langer et al. | Spatial and temporal variations of summer surface temperatures of wet polygonal tundra in Siberia-implications for MODIS LST based permafrost monitoring | |
Ordonez-Etxeberria et al. | A systematic search of sudden pressure drops on Gale crater during two Martian years derived from MSL/REMS data | |
KR101807579B1 (ko) | 지표면 도시열섬강도의 시공간적 분포에 영향을 주는 변수 분석 시스템 및 방법 | |
US20160097679A1 (en) | Method for estimating land surface termperature lapse rate using infrared image | |
Wang et al. | Heat, salt and volume transports by eddies in the vicinity of the Luzon Strait | |
Xu et al. | Dynamical coupling between Hurricane Matthew and the middle to upper atmosphere via gravity waves | |
Baldinelli et al. | Spaceborne detection of roof and impervious surface albedo: Potentialities and comparison with airborne thermography measurements | |
CN110659450B (zh) | 一种基于组分温度的地表温度角度归一化方法 | |
Acero et al. | Influence of vegetation on the morning land surface temperature in a tropical humid urban area | |
Shwetha et al. | Prediction of land surface temperature under cloudy conditions using microwave remote sensing and ANN | |
CN101329173A (zh) | 一种浑浊水体大气校正方法 | |
Bergès et al. | EPSAT-SG: a satellite method for precipitation estimation; its concepts and implementation for the AMMA experiment | |
He et al. | Retrieval of rugged mountainous areas land surface temperature from high-spatial-resolution thermal infrared remote sensing data | |
CN103954974A (zh) | 一种用于城市地区的颗粒物光学厚度遥感监测方法 | |
Deb et al. | Retrieval and applications of atmospheric motion vectors derived from Indian geostationary satellites INSAT-3D/INSAT-3DR | |
Zhou et al. | Impacts of the diurnal cycle of solar radiation on spiral rainbands | |
Yingjie et al. | Floating solar park impacts urban land surface temperature distribution pattern | |
Sorkhabi | An LSTM deep learning framework for history-based tornado prediction using meteorological data and damage assessment using NDVI anomalies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151125 Termination date: 20170910 |
|
CF01 | Termination of patent right due to non-payment of annual fee |