CN105572677A - 利用短波辐射估算长波净辐射和下行辐射的方法和装置 - Google Patents
利用短波辐射估算长波净辐射和下行辐射的方法和装置 Download PDFInfo
- Publication number
- CN105572677A CN105572677A CN201610167084.7A CN201610167084A CN105572677A CN 105572677 A CN105572677 A CN 105572677A CN 201610167084 A CN201610167084 A CN 201610167084A CN 105572677 A CN105572677 A CN 105572677A
- Authority
- CN
- China
- Prior art keywords
- radiation
- net
- long wave
- wave
- sample
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请提供了一种利用短波辐射估算长波净辐射和下行辐射的方法和装置,利用短波辐射估算长波净辐射的方法包括:获取短波净辐射样本和长波净辐射样本;建立短波净辐射样本和长波净辐射样本之间的数学关系;获取待处理的遥感图像;计算遥感图像对应的短波净辐射;将短波净辐射代入数学关系,得到遥感图像对应长波净辐射,进一步地,可根据长波净辐射获得长波下行辐射。通过本发明,无论在有云条件下还是在晴空条件下,均能够直接由短波辐射估算长波辐射,解决了现有技术中由于无法从有云条件下的遥感图像上获取长波辐射,而导致的长波辐射空间不连续的技术问题。
Description
技术领域
本申请涉及遥感技术领域,特别地,涉及一种利用短波辐射估算长波净辐射和下行辐射的方法和装置。
背景技术
目前利用遥感图像获取长波辐射(下行辐射和净辐射),主要集中在晴空条件下,因为利用遥感图像反演长波辐射主要依赖热红外波段,然而热红外波段很难穿透云层,致使利用遥感图像反演长波辐射几乎都集中在晴空条件下,有云条件下的长波辐射无法直接从遥感图像上获取,这样导致光学遥感图像反演的辐射产品空间不连续,难于被研究全球变化的模型采用,也难于准确刻画地表的热状况,限制了遥感反演的长波辐射在全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域的广泛应用。因此,发展有云条件下长波辐射计算方法十分迫切。
而发明人发现,短波辐射和长波辐射之间存在一定关系,例如,有云时,短波辐射减小,而相应的地表温度也低。一般情况下,有云时短波辐射估算相对较容易,因此,可以避开云层对热红外波段的影响,利用短波辐射来直接估算长波辐射。
针对现有技术中光学遥感反演的辐射产品空间不连续的技术问题,目前尚未提出有效的解决方案。
发明内容
本申请提供一种利用短波辐射估算长波净辐射和下行辐射的方法和装置,用于解决现有技术中光学遥感反演的辐射产品空间不连续的技术问题。
一方面,本发明提供了一种利用短波辐射估算长波净辐射的方法,该方法包括:获取短波净辐射样本和长波净辐射样本;建立短波净辐射样本和长波净辐射样本之间的数学关系;获取待处理的遥感图像;计算遥感图像对应的短波净辐射;将短波净辐射代入数学关系,得到遥感图像对应长波净辐射。
进一步地,获取短波净辐射样本和长波净辐射样本包括:通过辐射传输模型模拟生成短波净辐射样本和长波净辐射样本;和/或通过观测站点的数据获取短波净辐射样本和长波净辐射样本。
进一步地,辐射传输模型为MODTRAN5传输模型或SBDART传输模型。
进一步地,建立短波净辐射样本和长波净辐射样本之间的数学关系包括:获取地表反照率样本、大气底层平均温度样本和平均湿度样本以地表反照率样本、大气底层平均温度样本、平均湿度样本和短波净辐射样本为输入数据,以长波净辐射样本为输出数据,通过神经网络模型建立短波净辐射样本和长波净辐射样本之间的数学关系。
进一步地,大气底层平均温度样本为700mb到地面之间的平均温度。
进一步地,在晴空条件下时,将短波净辐射代入数学关系,得到遥感图像对应长波净辐射包括:利用晴空条件下的大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。进一步地,在有云条件下时,将短波净辐射代入数学关系,得到遥感图像对应长波净辐射包括:利用有云条件下的AIRS/AMSU数据获得大气温度和湿度廓线;利用大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
一方面,本发明提供了一种利用短波辐射估算长波下行辐射的方法,该方法包括:采用本发明提供的任意一种利用短波辐射估算长波净辐射的方法得到长波净辐射;计算长波上行辐射;以及将长波上行辐射与长波净辐射相叠加,以得到长波下行辐射。
进一步地,在有晴空条件下时,计算长波上行辐射包括:根据晴空条件下的光学地表温度产品数据和发射率产品数据,计算晴空条件下的长波上行辐射。
进一步地,在有云条件下时,计算长波上行辐射包括:根据有云条件下的微波地表温度产品数据和发射率产品数据,计算有云条件下的长波上行辐射。
另一方面,本发明提供了一种利用短波辐射估算长波净辐射的装置,该装置包括:第一获取模块,用于获取短波净辐射样本和长波净辐射样本;建模模块,用于建立短波净辐射样本和长波净辐射样本之间的数学关系;第二获取模块,用于获取待处理的遥感图像;第一计算模块,用于计算遥感图像对应的短波净辐射;第二计算模块,用于将短波净辐射代入数学关系,得到遥感图像对应长波净辐射。
进一步地,第一获取模块具体执行以下步骤:通过辐射传输模型模拟生成短波净辐射样本和长波净辐射样本;和/或通过观测站点的数据获取短波净辐射样本和长波净辐射样本。
进一步地,辐射传输模型为MODTRAN5传输模型或SBDART传输模型。
进一步地,建模模块具体执行以下步骤:获取地表反照率样本、大气底层平均温度样本和平均湿度样本以地表反照率样本、大气底层平均温度样本、平均湿度样本和短波净辐射样本为输入数据,以长波净辐射样本为输出数据,通过神经网络模型建立短波净辐射样本和长波净辐射样本之间的数学关系。
进一步地,大气底层平均温度样本为700mb到地面之间的平均温度。
进一步地,在晴空条件下时,第二计算模块具体执行以下步骤:利用晴空条件下的大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
进一步地,在有云条件下时,第二计算模块具体执行以下步骤:利用有云条件下的AIRS/AMSU数据获得大气温度和湿度廓线;利用大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
另一方面,本发明提供了一种利用短波辐射估算长波下行辐射的装置,该装置包括:长波净辐射估算模块,用于执行本发明提供的任意一种利用短波辐射估算长波净辐射的方法得到长波净辐射;长波上行辐射计算模块,用于计算长波下行辐射;以及长波下行辐射计算模块,用于将长波上行辐射与长波净辐射相叠加,以得到长波下行辐射。
进一步地,在有晴空条件下时,长波上行辐射计算模块具体执行以下步骤:根据晴空条件下的光学地表温度产品数据和发射率产品数据,计算晴空条件下的长波上行辐射。
进一步地,在有云条件下时,长波上行辐射计算模块具体执行以下步骤:根据有云条件下的微波地表温度产品数据和发射率产品数据,计算有云条件下的长波上行辐射。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为根据本发明实施例一利用短波辐射估算长波下行辐射的方法流程图;
图2为根据本发明实施例二利用短波辐射估算长波下行辐射的方法流程图;
图3为根据本发明实施例三利用短波辐射估算长波下行辐射的方法流程图;
图4为根据本发明实施例四利用短波辐射估算长波下行辐射的方法流程图;
图5为根据本发明实施例五利用短波辐射估算长波净辐射的装置框图;
图6为根据本发明实施例六利用短波辐射估算长波下行辐射的装置框图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明。需要指出的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例一
本发明实施例一提供了一种利用短波辐射估算长波下行辐射的方法,如图1所示,该方法包括如下的步骤S102至步骤S112。
步骤S102:获取短波净辐射样本和长波净辐射样本。
具体地,在获取样本数据时,可以通过辐射传输模型进行模拟,生成短波净辐射数据和长波净辐射数据分别作为短波净辐射样本和长波净辐射样本。
例如,以辐射传输模型为MODTRAN5为例,设置晴空条件下,不同大气温度/湿度廓线、气溶胶类型、水平气象视距、地表反射率\发射率、地表温度、云类型、云高度、云水含量、太阳天顶角、观测天顶角、相对方位角等一系列参数,利用MODTRAN5模拟得到各种参数值下的短波净辐射数据和长波净辐射数据,分别作为短波净辐射样本和长波净辐射样本。
例如,也可采用SBDART传输模型进行模拟,SBDART模型模拟所需参数包括大气温度/湿度廓线、气溶胶类型、气溶胶、地表反射率\发射率、地表温度、云参数、太阳天顶角、观测天顶角和相对方位角等,利用SBDART模拟得到各种参数值下的短波净辐射数据和长波净辐射数据,分别作为短波净辐射样本和长波净辐射样本。
采用上述模拟的方式获得数据样本,处理方式简单。
或者,在获取样本数据时,通过观测站点的数据获取短波净辐射样本和长波净辐射样本。例如,收集全球SURFRAD、Fluxnet等站点观测的晴空条件下短波净辐射数据和长波净辐射数据,分别作为短波净辐射样本和长波净辐射样本。采用该种实测的方式获得数据样本,数据关系更贴近实际情况。
步骤S104:建立短波净辐射样本和长波净辐射样本之间的数学关系。
在该步骤中,可采用现有技术中任意的数学模型建立二者的数学关系,例如支持向量回归模型,神经网络数学模型、多元非线性回归模型等。
以神经网络数学模型为例,通过神经网络数学模型建立短波净辐射样本和长波净辐射样本之间的数学关系的步骤具体包括:
获取地表反照率样本、大气底层平均温度样本和平均湿度样本。具体地,
反照率可以在合理数值范围(0.01-0.95)内根据实际情况在模型里面设定;大气底层平均温度样本和平均湿度可以在MODTRAN5内置的4种大气廓线中获得。
以地表反照率样本、大气底层平均温度样本、平均湿度样本和短波净辐射样本为输入数据,以长波净辐射样本为输出数据,设置神经网络的训练算法、隐藏的神经元个数、目标误差等参数,对神经网络模型进行训练,最终建立短波净辐射样本和长波净辐射样本之间的数学关系。
优选地,大气底层平均温度样本为700mb到地面之间的平均温度。
步骤S106:获取待处理的遥感图像。
该遥感图像可以为MODIS数据,或者为VIIRS等。
步骤S108:计算遥感图像对应的短波净辐射。
具体地,在该步骤中,典型的方法是利用辐射传输模型模拟生成遥感大气层顶部波段辐亮度和地表短波辐射的数据库,基于数据库建立查找表(Look-uptable),利用查找表联系遥感辐亮度和地表短波净辐射,实现短波净辐射的估算。
步骤S110:将短波净辐射代入数学关系,得到遥感图像对应长波净辐射。
在该步骤中,若该数学关系仅涉及短波净辐射和长波净辐射,则直接将上述步骤S108计算得到的短波净辐射代入数学关系进行计算,即可得到遥感图像对应长波净辐射。
若该数学关系还涉及其他参数,则首先获取其他参数。例如,以上述通过神经网络模型获得的数学关系为例,涉及的参数还包括地表反照率、大气底层平均温度和平均湿度,这些参数可通过MODIS的地表反照率产品和MODIS大气温度和湿度廓线产品中直接获得。步骤S112:根据长波净辐射获得长波下行辐射。
其中,长波下行辐射为长波净辐射与长波上行辐射之和。其中,长波上行辐射采用现有技术中任意的方法获得,例如,利用地表温度和发射率产品,结合玻尔兹曼定律直接得到长波上行辐射。
采用该实施例,与现有技术中通过遥感图像反演长波辐射相比,直接由短波辐射估计长波辐射,无论是晴空条件下还是有云条件下,均能够估算到长波辐射,从而填补了通过遥感图像无法反演有云条件下的长波辐射的情况,能够生成空间连续的长波辐射。
实施例二
本发明实施例二提供了一种利用短波辐射估算长波下行辐射的方法,在该方法中,以晴空条件为前提,如图2所示,该方法包括如下的步骤S202至步骤S220。
步骤S202:设置晴空条件的模拟参数,通过MODTRAN5传输模型模拟生成短波净辐射和长波净辐射。
步骤S204:收集观测站点观测的晴空条件下的短波净辐射和长波净辐射。
步骤S206:获取晴空条件下的地表返照率、大气底层平均温度和平均湿度。
步骤S208:以短波净辐射、地表返照率、大气底层平均温度和平均湿度作为输入数据样本,以长波净辐射为输出数据样本,通过神经网络模型建立短波净辐射样本和长波净辐射样本之间的数学关系。
步骤S210:获取晴空条件下的待处理的遥感图像。
步骤S212:计算遥感图像对应的短波净辐射。
步骤S214:利用晴空条件下的大气温度和湿度廓线、地表反照率产品获得晴空条件下的地表反照率、大气底层平均温度和平均湿度。
步骤S216:将遥感图像对应的短波净辐射,步骤S214获得的地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
步骤S218:根据晴空条件下的光学地表温度产品数据和发射率产品数据,计算晴空条件下的长波上行辐射。
步骤S220:将晴空条件下的长波上行辐射与长波净辐射相叠加,以得到晴空条件下的长波下行辐射。
采用该实施例,实现了在晴空条件下由短波辐射估算长波辐射。
实施例三
本发明实施例三提供了一种利用短波辐射估算长波下行辐射的方法,在该方法中,以有云条件为前提,如图3所示,该方法包括如下的步骤S302至步骤S322。
步骤S302:设置有云条件的模拟参数,通过SBDART传输模型模拟生成短波净辐射和长波净辐射。
步骤S304:收集观测站点观测的有云条件下的短波净辐射和长波净辐射。
步骤S306:获取有云条件下的地表返照率、大气底层平均温度和平均湿度。
步骤S308:以短波净辐射、地表返照率、大气底层平均温度和平均湿度作为输入数据样本,以长波净辐射为输出数据样本,通过神经网络模型建立短波净辐射样本和长波净辐射样本之间的数学关系。
步骤S310:获取有云条件下的待处理的遥感图像。
步骤S312:计算遥感图像对应的短波净辐射。
步骤S314:利用有云条件下的AIRS/AMSU数据获得云层下的大气温度和湿度廓线。
步骤S316:利用大气温度和湿度廓线、地表反照率产品获得有云条件下的地表反照率、大气底层平均温度和平均湿度。
步骤S318:将遥感图像对应的短波净辐射,步骤S316获得的地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
步骤S320:根据有云条件下的微波地表温度产品数据和发射率产品数据,计算有云条件下的长波上行辐射。
步骤S322:将有云条件下的长波上行辐射与长波净辐射相叠加,以得到有云条件下的长波下行辐射。
采用该实施例,实现了在有云条件下由短波辐射估算长波辐射。
实施例四
本发明实施例四提供了一种利用短波辐射估算长波下行辐射的方法,通过该方法能够得到成空间连续的长波辐射,如图4所示,该方法包括如下的步骤。
设置晴空情况下,不同大气温度和湿度廓线、气溶胶、地表类型、不同范围的地表温度、不同范围的观测和太阳角度等一系列条件,利用MODTRAN模拟得到各种条件下短波净辐射和长波净辐射,行成MODTRAN模拟库。
同时,收集全球SURFRAD、Fluxnet等站点观测的晴空条件下短波净辐射和长波净辐射,行成站点辐射数据。
以MODTRAN模拟库和站点辐射数据中的短波净辐射和长波净辐射作为数据样本,行成晴空条件下短波净辐射和长波净辐射之间的数学关系,得到ANN_晴空模型。
其中,ANN_晴空模型是通过神经网络模型(ArtificialNeuralNetwork-ANN)行成,神经网络结构可采用典型的三层结构,即,输入层、输出层和中间层。
中间层算法采用BP算法,输入和输出层采用线性算法,输入数据包括反照率、大气底层(700mb到地面)平均温度、平均湿度、短波净辐射,输出数据为长波净辐射。
同理,按照上述过程,分别获得有云条件下的MODTRAN模拟库和站点辐射数据,然后行成有云条件下短波净辐射和长波净辐射之间的数学关系,得到ANN_有云模型。
在建立ANN_晴空模型和ANN_有云模型之后,针对实际的遥感影像(MODIS数据),晴空条件下可以直接利用MODIS大气温度/湿度廓线、地表反照率产品获得ANN_晴空所需的输入数据,短波净辐射根据现有的算法对遥感影像计算获得,运行ANN_晴空模型直接得到晴空条件下长波净辐射。
相类似地,有云时候利用AIRS/AMSU数据获得云层下的大气温度和湿度廓线,利用该大气温度和湿度廓线、地表反照率产品获得ANN_有云所需的输入数据,短波净辐射根据现有的算法对遥感影像计算获得,运行ANN_有云模型直接得到有云时候的长波净辐射。
利用MODIS地表温度和发射率产品,结合玻尔兹曼定律直接得到晴空条件下长波上行辐射。有云时,利用微波AMSR-E的地表温度代替MODIS地表温度,同样得到有云时长波上行辐射。
在晴空条件下,将晴空时获得大长波上行辐射和晴空长波净辐射相加,得到晴空时的长波下行辐射。
同理,在有云条件下,将有云时长波上行辐射和有云时长波净辐射相加,得到有云时的长波下行辐射。
在该实施例中,引入一种全新思路,不需要预先计算云参数和大气参数,直接由短波辐射估算晴空及有云时候的长波辐射,弥补已有技术只能反演晴空条件下长波辐射的缺陷,为全球变化研究、地表辐射平衡/能量平衡、蒸散发估算、陆地或气候模式等领域提供技术支撑。
需要说明的是,上述各个利用短波辐射估算长波下行辐射方法实施例中均涉及了利用短波辐射估算长波净辐射的方法,关于利用短波辐射估算长波净辐射的方法,不再单独说明。
实施例五
该实施例五提供了一种利用短波辐射估算长波净辐射的装置,如图5所示,该装置包括第一获取模块10、建模模块20、第二获取模块30、第一计算模块40、第二计算模块50。
其中,第一获取模块10用于获取短波净辐射样本和长波净辐射样本;建模模块20用于建立短波净辐射样本和长波净辐射样本之间的数学关系;第二获取模块30用于获取待处理的遥感图像;第一计算模块40用于计算遥感图像对应的短波净辐射;第二计算模块50用于将短波净辐射代入数学关系,得到遥感图像对应长波净辐射。
优选地,第一获取模块具体执行以下步骤:通过辐射传输模型模拟生成短波净辐射样本和长波净辐射样本;和/或通过观测站点的数据获取短波净辐射样本和长波净辐射样本,其中,辐射传输模型为MODTRAN5传输模型或SBDART传输模型。
优选地,建模模块具体执行以下步骤:获取地表反照率样本、大气底层平均温度样本和平均湿度样本以地表反照率样本、大气700mb到地面之间平均温度样本、平均湿度样本和短波净辐射样本为输入数据,以长波净辐射样本为输出数据,通过神经网络模型建立短波净辐射样本和长波净辐射样本之间的数学关系。
优选地,在晴空条件下时,第二计算模块具体执行以下步骤:利用晴空条件下的大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
优选地,在有云条件下时,第二计算模块具体执行以下步骤:利用有云条件下的AIRS/AMSU数据获得大气温度和湿度廓线;利用大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及将短波净辐射、地表反照率、大气底层平均温度和平均湿度代入数学关系,得到遥感图像对应长波净辐射。
实施例六
该实施例六提供了一种利用短波辐射估算长波下行辐射的装置,如图6所示,该装置包括长波净辐射估算模块60、长波上行辐射计算模块70和长波下行辐射计算模块80。
其中,长波净辐射估算模块60用于执行本发明提供的任意一种利用短波辐射估算长波净辐射的方法得到长波净辐射;长波上行辐射计算模块70用于计算长波上行辐射;长波下行辐射计算模块80用于将长波上行辐射与长波净辐射相叠加,以得到长波下行辐射。
优选地,长波上行辐射计算模块70具体执行以下步骤:根据晴空条件下的光学地表温度产品数据和发射率产品数据,计算晴空条件下的长波上行辐射。
优选地,长波上行辐射计算模块80具体执行以下步骤:根据有云条件下的微波地表温度产品数据和发射率产品数据,计算有云条件下的长波上行辐射。
从以上各实施例的描述中,可以看出,本发明实施例解决了长波辐射空间不连续的技术问题。
需要说明的是,上述装置或系统实施例属于优选实施例,所涉及的模块并不一定是本申请所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于本申请的装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种利用短波辐射估算长波净辐射的方法,其特征在于,包括:
获取短波净辐射样本和长波净辐射样本;
建立所述短波净辐射样本和所述长波净辐射样本之间的数学关系;
获取待处理的遥感图像;
计算所述遥感图像对应的短波净辐射;
将所述短波净辐射代入所述数学关系,得到所述遥感图像对应长波净辐射。
2.如权利要求1所述的利用短波辐射估算长波净辐射的方法,其特征在于,获取短波净辐射样本和长波净辐射样本包括:
通过辐射传输模型模拟生成所述短波净辐射样本和所述长波净辐射样本;和/或
通过观测站点的数据获取所述短波净辐射样本和所述长波净辐射样本。
3.如权利要求1所述的利用短波辐射估算长波净辐射的方法,其特征在于,建立所述短波净辐射样本和所述长波净辐射样本之间的数学关系包括:
获取地表反照率样本、大气底层平均温度样本和平均湿度样本;
以所述地表反照率样本、所述大气底层平均温度样本、所述平均湿度样本和所述短波净辐射样本为输入数据,以所述长波净辐射样本为输出数据,通过神经网络模型建立所述短波净辐射样本和所述长波净辐射样本之间的数学关系。
4.如权利要求1所述的利用短波辐射估算长波净辐射的方法,其特征在于,在晴空条件下时,将所述短波净辐射代入所述数学关系,得到所述遥感图像对应长波净辐射包括:
利用晴空条件下的大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及
将所述短波净辐射、所述地表反照率、所述大气底层平均温度和所述平均湿度代入所述数学关系,得到所述遥感图像对应长波净辐射。
5.如权利要求1所述的利用短波辐射估算长波净辐射的方法,其特征在于,在有云条件下时,将所述短波净辐射代入所述数学关系,得到所述遥感图像对应长波净辐射包括:
利用有云条件下的AIRS/AMSU数据获得大气温度和湿度廓线;
利用所述大气温度和湿度廓线、地表反照率产品获得地表反照率、大气底层平均温度和平均湿度;以及
将所述短波净辐射、所述地表反照率、所述大气底层平均温度和所述平均湿度代入所述数学关系,得到所述遥感图像对应长波净辐射。
6.一种利用短波辐射估算长波下行辐射的方法,其特征在于,包括:
采用权利要求1至5中任一项所述的利用短波辐射估算长波净辐射的方法得到长波净辐射;
计算长波上行辐射;以及
将所述长波上行辐射与所述长波净辐射相叠加,以得到长波下行辐射。
7.如权利要求6所述的利用短波辐射估算长波下行辐射的方法,其特征在于,在晴空条件下时,计算长波上行辐射包括:
根据晴空条件下的光学地表温度产品数据和发射率产品数据,计算晴空条件下的长波上行辐射。
8.如权利要求6所述的利用短波辐射估算长波下行辐射的方法,其特征在于,在有云条件下时,计算长波上行辐射包括:
根据有云条件下的微波地表温度产品数据和发射率产品数据,计算有云条件下的长波上行辐射。
9.一种利用短波辐射估算长波净辐射的装置,其特征在于,包括:
第一获取模块,用于获取短波净辐射样本和长波净辐射样本;
建模模块,用于建立所述短波净辐射样本和所述长波净辐射样本之间的数学关系;
第二获取模块,用于获取待处理的遥感图像;
第一计算模块,用于计算所述遥感图像对应的短波净辐射;
第二计算模块,用于将所述短波净辐射代入所述数学关系,得到所述遥感图像对应长波净辐射。
10.一种利用短波辐射估算长波下行辐射的装置,其特征在于,包括:
长波净辐射估算模块,用于采用权利要求1至5中任一项所述的利用短波辐射估算长波净辐射的方法得到长波净辐射;
长波上行辐射计算模块,用于计算长波上行辐射;以及
长波下行辐射计算模块,用于将所述长波上行辐射与所述长波净辐射相叠加,以得到长波下行辐射。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610167084.7A CN105572677B (zh) | 2016-03-23 | 2016-03-23 | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610167084.7A CN105572677B (zh) | 2016-03-23 | 2016-03-23 | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105572677A true CN105572677A (zh) | 2016-05-11 |
CN105572677B CN105572677B (zh) | 2017-12-08 |
Family
ID=55883022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610167084.7A Active CN105572677B (zh) | 2016-03-23 | 2016-03-23 | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572677B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879923A (zh) * | 2019-12-04 | 2020-03-13 | 北京中科技达科技有限公司 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
CN114490905A (zh) * | 2022-01-24 | 2022-05-13 | 北京师范大学 | 一种晴空地表净长波辐射一体化反演方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
-
2016
- 2016-03-23 CN CN201610167084.7A patent/CN105572677B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及系统 |
Non-Patent Citations (2)
Title |
---|
王介民 等: ""关于地表反照率遥感反演的几个问题"", 《遥感技术与应用》 * |
陈征 等: ""基于GLASS数据估算中国陆表净辐射及其空间分布分析"", 《地理研究》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110879923A (zh) * | 2019-12-04 | 2020-03-13 | 北京中科技达科技有限公司 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
CN110879923B (zh) * | 2019-12-04 | 2023-08-11 | 北京中科技达科技有限公司 | 阴天条件下长波下行辐射估算方法、存储介质及电子设备 |
CN114490905A (zh) * | 2022-01-24 | 2022-05-13 | 北京师范大学 | 一种晴空地表净长波辐射一体化反演方法及系统 |
CN114490905B (zh) * | 2022-01-24 | 2024-02-09 | 北京师范大学 | 一种晴空地表净长波辐射一体化反演方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105572677B (zh) | 2017-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
Engerer et al. | Validating nine clear sky radiation models in Australia | |
Zhao et al. | Demand for multi-scale weather data for regional crop modeling | |
Draper et al. | Assessment of MERRA-2 land surface energy flux estimates | |
Liu et al. | Ultraviolet radiation over China: Spatial distribution and trends | |
CN102338869B (zh) | 下行短波辐射和光合有效辐射数据的反演方法及系统 | |
CN109522516B (zh) | 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备 | |
Feeley et al. | Where on Earth are the “tropics”? | |
CN103810387A (zh) | 基于modis数据的地表蒸散发全遥感反演方法及系统 | |
Otkin et al. | Validation of a large-scale simulated brightness temperature dataset using SEVIRI satellite observations | |
Kaspersen et al. | A spatiotemporal analysis of climatic drivers for observed changes in Sahelian vegetation productivity (1982–2007) | |
Cristóbal et al. | Estimation of surface energy fluxes in the Arctic tundra using the remote sensing thermal-based Two-Source Energy Balance model | |
CN105652284A (zh) | 一种长波下行辐射的确定方法和装置 | |
Siemann et al. | Development and analysis of a long-term, global, terrestrial land surface temperature dataset based on HIRS satellite retrievals | |
Park et al. | Improvement of satellite-based estimation of gross primary production through optimization of meteorological parameters and high resolution land cover information at regional scale over East Asia | |
Xu et al. | All-sky infrared radiance data assimilation of FY-4A AGRI with different physical parameterizations for the prediction of an extremely heavy rainfall event | |
CN105572677A (zh) | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 | |
CN105913149A (zh) | 一种联合多时相遥感数据和气象数据估算白天平均蒸散发的方法 | |
Schlager et al. | Generation of high-resolution wind fields from the WegenerNet dense meteorological station network in southeastern Austria | |
CN114781148A (zh) | 一种热红外遥感云覆盖像元的地表温度反演方法及系统 | |
CN103218532A (zh) | 绿水流估算方法及装置 | |
Queguiner et al. | Impact of the use of a CO 2 responsive land surface model in simulating the effect of climate change on the hydrology of French Mediterranean basins | |
Wei et al. | Simulating alpine vegetation net primary productivity by remote sensing in Qinghai Province, China | |
Hena et al. | A simple statistical model to estimate incident solar radiation at the surface from NOAA AVHRR satellite data | |
Wang et al. | Spatial distribution modeling of temperature increase for the uplifted mountain terrains and its characteristics in Southwest China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |