CN103954973B - 一个从viirs数据反演地表温度的方法 - Google Patents
一个从viirs数据反演地表温度的方法 Download PDFInfo
- Publication number
- CN103954973B CN103954973B CN201410144775.6A CN201410144775A CN103954973B CN 103954973 B CN103954973 B CN 103954973B CN 201410144775 A CN201410144775 A CN 201410144775A CN 103954973 B CN103954973 B CN 103954973B
- Authority
- CN
- China
- Prior art keywords
- viirs
- data
- surface temperature
- modis
- sensor
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000005855 radiation Effects 0.000 claims abstract description 4
- 230000005540 biological transmission Effects 0.000 claims abstract description 3
- 238000004088 simulation Methods 0.000 claims abstract description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000003643 water by type Substances 0.000 claims description 5
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 4
- 208000006011 Stroke Diseases 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000007613 environmental effect Effects 0.000 abstract description 5
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 abstract description 2
- 230000007704 transition Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 101100434216 Physarum polycephalum ARDC gene Proteins 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 230000009102 absorption Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002279 physical standard Substances 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种从NPP VIIRS数据获取地表温度的方法，可以为气象、农业旱灾和环境监测监测提供合适的地表温度数据。该方法克服VIIRS传感器没有水汽通道限制反演精度的缺点，使用同样运行在太阳同步轨道（将交点时间13:30）的Aqua卫星携带的MODIS传感器水汽数据获取VIIRS数据观测刈幅的水汽数据。本发明推导了适合于VIIRS传感器11um和12um的地表温度反演算法，利用大气辐射传输模型MODTRAN4模拟计算不同大气水汽（0.4—6.0 g/cm2，按0.1 g/cm2步长增加）含量下VIIRS M15和M16通道的透过率，制作了相应的查找表，通过全球地表类型（International Geosphere Biosphere Program，IGBP）数据估算VIIRS传感器M15和M16通道对应地物的发射率，最终实现了地表温度的反演。本发明对VIIRS传感器地表温度反演进行研究，有利于在农业环境数据监测中使用MODIS数据向VIIRS数据的平稳过渡。
Description
技术领域
本发明涉及一种利用对地观测卫星NPP携带的VIIRS传感器获得的地面热红外信息反演地表温度的方法，该方法克服VIIRS传感器没有水汽通道限制反演精度的缺点。能够应用在气象、农业旱灾和环境监测监测等遥感部门。
背景技术
地表发射的长波辐射是大气热量的主要来源，因此地表温度参数被广泛的运用到全球环境监测变化当中。另外，由于在大尺度区域上连续、稳定的获取地表温度的需要存在，从卫星数据反演获取地表温度成为唯一的可能。从卫星数据反演地表温度的算法大多是针对不同传感器特性设计不同的反演方法，现今使用较多的有单通道算法、双通道的分裂窗算法和多通道算法。单通道算法的经典代表是Qin[2001]年针对TM数据提出的反演算法[Qin Z,Karnieli A,Berliner P.Amono-window algorithm for retrieving land surface temperature from Landsat TM data and its application to the Israel-Egypt border region[J].International Journal of Remote Sensing,2001,22(18):3719-3746.]。分裂窗算法是针对AVHRR传感器4、5通道设计的两相邻热红外通道算法[McMillin,L.M.Estimation of sea surfacetemperature from two infrared window measurements with different absorptions[J].Journal of Geophysical Research,1975,80,5113–5117.]。现在比较成熟的多通道算法是Wan等人于1997年针对MODIS传感器提出的[Wan Z.M.,Li Z..L.,APhysics-Based Algorithm for Retrieving land-surface emissivity and temperature fromEOS/MODIS data,IEEE Trans.Geosci.Remote Sens.，1997,35:980-996.]物理基准(白天/夜间)的算法。
MODIS传感器由于数据质量较好、免费接收等原因，被广泛的运用到大尺度区域的环境变化监测中。国内覃志豪和毛克彪等人[覃志豪,高懋芳,秦晓敏,等.农业旱灾监测中的地表温度遥感反演方法[J].自然灾害学报,2005,14(4):64-71.；毛克彪,覃志豪,施建成,宫鹏,针对MODIS数据的劈窗算法研究,武汉大学学报(信息科学版),2005(8)：703-708.]也针对MODIS数据地表温度反演做了许多工作。相应MODIS数据接收环境也建设的较好，比如农业部资源遥感与数字农业重点室，中国气象局卫星气象中心等。但是由于MODIS传感器分别早已于1999年和2002年搭载在Terra和Aqua卫星上发射升空，其早已超出设计的5年正常运行期限，因此MODIS数据的可靠性随时间的推移越来越低。
2011年发射的NPP卫星携带的VIIRS传感器被用来取代MODIS传感器进行对地观测任务，其部分参数如表1所示。现阶段除了NOAA VIIRS地表温度全球业务产品[Neal Baker.Joint Polar Satellite System(JPSS)VIIRS Land SurfaceTemperature Algorithm Theoretical Basis Document[EO/BO].http://npp.gsfc.nasa.gov.]外，并没有其它针对VIIRS传感器地表温度的反演研究。由于VIIRS传感器没用可用于获取大气水汽的通道，NOAA VIIRS全球业务产品算法采用回归分析方法，不需要输入大气水汽和地表发射率数据，因此其反演精度的不确定性也较大，为1-3K。因此我们针对我国实际情况提出了适用的VIIRS传感器地表温度反演算法。
表1 VIIRS传感器部分技术参数
发明内容
本发明的目的在于提供一种从遥感数据VIIRS反演地表温度的方法，以克服现VIIRS传感器没有水汽通道影响反演精度的缺陷。本发明对算法中部分参数在保证精度的前提下进行相应简化，使得在旱灾监测、气象和水文等环境变化监测中更容易使用本发明。
为实现上述目的，本发明提供的从VIIRS遥感数据反演地表温度方法分为以下几个步骤：
第一步，通过Aqua卫星上携带的MODIS水汽通道产品计算VIIRS对应观测刈幅区域的水汽含量数据：
1-1)Aqua卫星和NPP卫星同时运行在降交点为13：30的太阳同步轨道上，其绕地一圈所需时间分别为99min和101min，因此两者观测地球上同一区域的时差不大，这使得从Aqua MODIS数据获取VIIRS近似时段的水汽数据成为可能。一幅VIIRS影像观测刈幅大于MODIS影像，因此需要先对MODIS数据进行投影、拼接，按照VIIRS象元对应的经纬度查找MODIS数据中的水汽值，生成VIIRS数据对应的水汽数据。
1-2)利用大气辐射传输模型MODTRAN4模拟计算不同大气水汽(0.4—6.0g/cm2，按0.1g/cm2步长增加)含量下VIIRS M15和M16通道的透过率τm15和τm16，制作成查找表。
第二步，通过全球地表类型IGBP(International Geosphere Biosphere Program)数据估算VIIRS传感器M15和M16通道对应地物的发射率εm15和εm16。
2-1)根据IGBP地表类型，将主要的地表重新分为冰雪、沙漠、农作物区、水域、林地、草地共六大类地表。以上地类中沙漠和水域的发射率为固定值。如果在以上地类中林地、草地、农作物区域植被指数NDVI(Normalized DifferenceVegetation Index)小于阈值Tmax、大于阈值Tmin时(Tmax＝0.6、Tmin＝0.1)，该区域的发射率采用混合象元分解方法计算[Sobrino J A,Raissouni N,Li Z L.A comp-arative study of land surface emissivity retrieval from NOAA data[J].Remote Sensing of Environment,2001,75(2):256-266.]，修正后的计算公式如下：
εm15＝0.986*(1-PV)+0.982*PV (1)
εm16＝0.996*(1-PV)+0.989*PV (2)
其中PV用式计算
PV＝(NDVI-0.05)/0.6 (3)，
NDVI由VIIRS M5和M7计算，如下式
NDVI＝(M7―M5)/(M7+M5) (4)，M5和M7分别表示在VIIRS传感器部分技术参数中可见光和近红外波长的M5波段和M7波段，其对应的波长分别为0.672μm和0.865μm。
第三步地表温度计算
利用VIIRS M5M7通道反射率计算NDVI，结合相应的地表分类数据，将VIIRS M15M16通道亮温带入式(5)即可反演地表温度。地表温度计算公式为：
QUOTE
Ts＝(Cm16(Bm15+Dm15)-Cm15(Dm16+Bm16))/(Cm16Am15-Cm15Am16) (5)
其中：QUOTE Am15＝0.1494τm15εm15
QUOTE Bm15＝0.1494Tm15+34.934τm15εm15-34.934
QUOTE Cm15＝(1-τm15)(1+(1-εm15)τm15)0.1494
QUOTE Dm15＝(1-τm15)(1+(1-εm15)τm15)34.934
QUOTE Am16＝0.1239τm16εm16
QUOTE Bm16＝0.1239Tm16+28.083τm16εm16-28.083
QUOTE Cm15＝(1-τm16)(1+(1-εm16)τm16)0.1239
QUOTE Dm16＝(1-τm16)(1+(1-εm16)τm16)28.083。
本发明考虑到VIIRS传感器缺乏水汽通道不能实时获取卫星成像时的大气水汽数据，在地表温度反演时使用标准大气模型可能会出现水汽估算误差，最终导致对温度反演精度的影响。另一方面，引入了地表分类数据来精确的估算地表发射率，避免了不区分地类仅仅使用NDVI值进行地表发射率的估算。对相应参数进行了简化计算，使得业务化运算更加高效。由于MODIS传感器超期服役带来的不确定性，本发明对VIIRS传感器地表温度反演进行研究，有利于在农业环境数据监测中使用MODIS数据向VIIRS数据的平稳过渡。
附图说明
图1本发明反演的地表温度。
具体实施方式
选用成像于2013年9月26日，05:16(UTC)的中国区域VIIRS数据，2013年9月26日，05:35(UTC)中国区域的Aqua MODIS数据做具体实测。
第一步，通过MODIS水汽数据计算VIIRS对应区域水汽。
1-1)对MODIS、VIIRS数据进行投影转换，利用等经纬度查找方式获取VIIRS水汽数据，本发明在ENVI下通过编程实现，主要使用envi_convert_file-coordinates函数实现。
1-2)通过MODTRAN水汽透过率查找表查找VIIRS M15和M16通道透过率τm15和τm16，表2列出了部分大气水汽含量下的透过率。
表2部分M15和M16通道大气透过率
| 水汽/g.cm-2 | 0.40 | 0.80 | 1.20 | 1.60 | 2.00 | 2.40 | 2.80 | 3.20 | 3.60 | 4.00 | 4.40 | 4.80 |
| M15透过率 | 0.94 | 0.91 | 0.88 | 0.84 | 0.80 | 0.75 | 0.70 | 0.65 | 0.59 | 0.53 | 0.48 | 0.43 |
| M16透过率 | 0.90 | 0.86 | 0.80 | 0.75 | 0.69 | 0.62 | 0.56 | 0.49 | 0.43 | 0.37 | 0.31 | 0.26 |
第二步，使用NDVI和地表类型数据进行地表发射率的计算。
2-1)使用M5、M7波段计算NDVI，结合地表类型数据对VIIRS对应的地表类型重新分类，主要分类为冰雪、水域、沙漠、草地、林地和农作物六大地类。
2-2)对于草地、农作物区域和林地，利用公式(1)来计算相应的发射率，因此整体的发射率数据如下：
冰雪，εm15＝0.991，εm16＝0.986
沙漠，εm15＝0.963，εm16＝0.985
水体，εm15＝0.990，εm16＝0.990
农作物和林地当0.1<＝NDVI<＝0.6时，计算公式如下
εm15＝0.986*(1-PV)+0.982*PV
εm16＝0.996*(1-PV)+0.989*PV
当NDVI>0.6时，εm15＝0.990，εm16＝0.990
计算后的M15和M16发射率。
第三步利用公式(5)和M15M16通道亮温Tm15和Tm16计算地表温度。
3-1)M15M16通道亮温转换，有以下公式进行
BT＝BrightnessTemperature*BrightnessTemperatureFactors[0]+BrightnessTemperatureFactors[1]
其中，BT为输入式(5)的亮温，BrightnessTemperature为从NOAA获取的卫星数据，BrightnessTemperatureFactors[0]和BrightnessTemperatureFactors[1]分别为获取数据的偏移系数和偏移量。
3-1)使用公式(5)计算地表温度，最终得到的地表温度结果如图1。
Claims (2)
1.一种从VIIRS遥感数据反演地表温度方法，其特征在于，包括以下几个步骤：
第一步，通过Aqua卫星上携带的MODIS水汽通道产品计算VIIRS对应观测刈幅区域的水汽含量数据：
1-1)Aqua卫星和NPP卫星同时运行在降交点为13：30的太阳同步轨道上，其绕地一圈所需时间分别为99min和101min，因此两者观测地球上同一区域的时差不大，这使得从Aqua MODIS数据获取VIIRS近似时段的水汽数据成为可能，一幅VIIRS影像观测刈幅大于MODIS影像，因此需要先对MODIS数据进行投影、拼接，按照VIIRS象元对应的经纬度查找MODIS数据中的水汽值，生成VIIRS数据对应的水汽数据；
1-2)利用大气辐射传输模型MODTRAN4模拟计算不同大气水汽含量下VIIRS M15和M16通道的透过率τm15和τm16，制作成查找表；
第二步，通过全球地表类型IGBP(International GeosphereBiosphere Program)数据估算VIIRS传感器M15和M16通道对应地物的发射率εm15和εm16；
2-1)根据IGBP地表类型，将主要的地表重新分为冰雪、沙漠、农作物区、水域、林地、草地共六大类地表，以上地类中沙漠和水域的发射率为固定值，如果在以上地类中林地、草地、农作物区域植被指数NDVI(Normalized Difference Vegetation Index)小于阈值Tmax、大于阈值Tmin时，该区域的发射率采用混合象元分解方法计算，修正后的计算公式如下：
εm15＝0.986*(1-PV)+0.982*PV
εm16＝0.996*(1-PV)+0.989*PV
其中PV用式计算
PV＝(NDVI-0.05)/0.6
NDVI由VIIRS M5和M7计算，如下式
NDVI＝(M7―M5)/(M7+M5)，
M5和M7分别表示在VIIRS传感器部分技术参数中可见光和近红外波长的M5波段和M7波段，其对应的波长分别为0.672μm和0.865μm；
第三步，地表温度计算：
利用VIIRS M5M7通道反射率计算NDVI，结合相应的地表分类数据，将VIIRS M15和M16通道亮温Tm15和Tm16带入以下公式即可反演地表温度，地表温度计算公式为：
Ts＝(Cm16(Bm15+Dm15)-Cm15(Dm16+Bm16))/(Cm16Am15-Cm15Am16)
其中
Am15＝0.1494τm15εm15
Bm15＝0.1494Tm15+34.934τm15εm15-34.934
Cm15＝(1-τm15)(1+(1-εm15)τm15)0.1494
Dm15＝(1-τm15)(1+(1-εm15)τm15)34.934
Am16＝0.1239τm16εm16
Bm16＝0.1239Tm16+28.083τm16εm16-28.083
Cm15＝(1-τm16)(1+(1-εm16)τm16)0.1239
Dm16＝(1-τm16)(1+(1-εm16)τm16)28.083。
2.根据权利要求1所述的从VIIRS遥感数据反演地表温度方法，其特征在于，Tmax＝0.6、Tmin＝0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410144775.6A CN103954973B (zh) | 2014-04-12 | 2014-04-12 | 一个从viirs数据反演地表温度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410144775.6A CN103954973B (zh) | 2014-04-12 | 2014-04-12 | 一个从viirs数据反演地表温度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103954973A CN103954973A (zh) | 2014-07-30 |
| CN103954973B true CN103954973B (zh) | 2016-08-31 |
Family
ID=51332269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410144775.6A Expired - Fee Related CN103954973B (zh) | 2014-04-12 | 2014-04-12 | 一个从viirs数据反演地表温度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103954973B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392503A (zh) * | 2017-08-18 | 2017-11-24 | 中国农业大学 | 一种玉米高温热害风险的评估方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104360351A (zh) * | 2014-12-04 | 2015-02-18 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感数据的农业区地表温度高精度反演方法 |
| CN106768393B (zh) * | 2015-11-20 | 2019-03-22 | 北京大学 | 基于Landsat 8数据的海表温度反演方法及系统 |
| CN106778516B (zh) * | 2016-11-24 | 2020-02-21 | 中国科学院地理科学与资源研究所 | 一种利用中国风云三号卫星遥感数据确定地表温度的方法及装置 |
| CN109001119A (zh) * | 2018-05-25 | 2018-12-14 | 上饶市中科院云计算中心大数据研究院 | 一种评价植被生长状态的遥感技术 |
| CN108731817B (zh) * | 2018-05-31 | 2020-05-05 | 中南林业科技大学 | 应用于林火热点判别的不同传感器红外辐射归一建模方法 |
| CN114049570B (zh) * | 2022-01-13 | 2022-04-22 | 山东大学 | 基于神经网络的星载遥感水汽空间反演方法及系统 |
| CN115859663B (zh) * | 2022-12-19 | 2023-06-30 | 中国农业科学院农业资源与农业区划研究所 | 一种考虑不确定度的地表温度反演精度评估方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
| CN103398780A (zh) * | 2013-06-26 | 2013-11-20 | 北京师范大学 | 基于fy-2c热红外波段的近地面气温反演方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100740347B1 (ko) * | 2006-05-25 | 2007-07-18 | 재단법인서울대학교산학협력재단 | 6.7 마이크로 채널을 이용한 구름상 추정 방법 |
-
2014
- 2014-04-12 CN CN201410144775.6A patent/CN103954973B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
| CN103398780A (zh) * | 2013-06-26 | 2013-11-20 | 北京师范大学 | 基于fy-2c热红外波段的近地面气温反演方法 |
Non-Patent Citations (2)
| Title |
|---|
| NPOESS/VIIRS及其云图产品的应用;赵增亮等;《气象科学》;20080630;第36卷(第3期);第341-344页 * |
| 风云卫星地表温度反演算法研究;胡菊旸;《中国优秀硕士学位论文全文数据库信息科技辑》;20121015(第10期);第1-65页 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107392503A (zh) * | 2017-08-18 | 2017-11-24 | 中国农业大学 | 一种玉米高温热害风险的评估方法 |
| CN107392503B (zh) * | 2017-08-18 | 2020-12-25 | 中国农业大学 | 一种玉米高温热害风险的评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103954973A (zh) | 2014-07-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103954973B (zh) | 一个从viirs数据反演地表温度的方法 | |
| Wei et al. | Downscaling SMAP soil moisture estimation with gradient boosting decision tree regression over the Tibetan Plateau | |
| Sabaghy et al. | Spatially enhanced passive microwave derived soil moisture: Capabilities and opportunities | |
| Qi et al. | Leaf area index estimates using remotely sensed data and BRDF models in a semiarid region | |
| McVicar et al. | The current and potential operational uses of remote sensing to aid decisions on drought exceptional circumstances in Australia: a review | |
| Gluch et al. | A multi-scale approach to urban thermal analysis | |
| Miralles et al. | Estimating spatial sampling errors in coarse-scale soil moisture estimates derived from point-scale observations | |
| Zhan et al. | The 250 m global land cover change product from the Moderate Resolution Imaging Spectroradiometer of NASA's Earth Observing System | |
| CN101629850A (zh) | 从modis数据反演地表温度方法 | |
| Orusa et al. | Landsat 8 thermal data to support urban management and planning in the climate change era: A case study in Torino area, NW Italy | |
| Kumar et al. | Retrieval of land surface temperature from Landsat-8 thermal infrared sensor data | |
| Fayshal | Simulating Land Cover Changes and It’s Impacts on Land Surface Temperature: A Case Study in Rajshahi, Bangladesh | |
| Eswar et al. | A simple model for spatial disaggregation of evaporative fraction: Comparative study with thermal sharpened land surface temperature data over India | |
| Gunawardena et al. | Estimation of above ground biomass in Horton Plains national park, Sri Lanka using optical, thermal and RADAR remote sensing data. | |
| Guermazi et al. | Water irrigation management using remote sensing techniques: a case study in Central Tunisia | |
| AU2021105441A4 (en) | Method for Retrieving Land Surface Temperature Based on Physical Model and VIIRS Data | |
| Wolff et al. | Optimized algorithm for evapotranspiration retrieval via remote sensing | |
| Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
| Tao et al. | Estimation of soil moisture using a vegetation scattering model in wheat fields | |
| Piles et al. | Soil moisture downscaling activities at the REMEDHUS Cal/Val site and its application to SMOS | |
| CN116776651A (zh) | 地表蒸散发测算方法、装置、电子设备及存储介质 | |
| Sun et al. | Further evaluation of the Sim-ReSET model for ET estimation driven by only satellite inputs | |
| Zhao et al. | Potential soil moisture product from the Chinese HY-2 scanning microwave radiometer and its initial assessment | |
| CN115269549A (zh) | 一种耦合物理-统计-深度学习的大气水汽反演方法 | |
| Dejun et al. | Retrieval of land surface temperature from FY3D MERSI-II based on re-fitting Split Window Algorithm |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160831 Termination date: 20200412 |