CN105841819B - 一种有云条件下的地表温度的估算方法和装置 - Google Patents

一种有云条件下的地表温度的估算方法和装置 Download PDF

Info

Publication number
CN105841819B
CN105841819B CN201610167085.1A CN201610167085A CN105841819B CN 105841819 B CN105841819 B CN 105841819B CN 201610167085 A CN201610167085 A CN 201610167085A CN 105841819 B CN105841819 B CN 105841819B
Authority
CN
China
Prior art keywords
microwave
pixel
surface temperature
optics
data 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.)
Active
Application number
CN201610167085.1A
Other languages
English (en)
Other versions
CN105841819A (zh
Inventor
王天星
施建成
赵天杰
熊川
姬大彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Remote Sensing and Digital Earth of CAS
Original Assignee
Institute of Remote Sensing and Digital Earth of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Remote Sensing and Digital Earth of CAS filed Critical Institute of Remote Sensing and Digital Earth of CAS
Priority to CN201610167085.1A priority Critical patent/CN105841819B/zh
Publication of CN105841819A publication Critical patent/CN105841819A/zh
Application granted granted Critical
Publication of CN105841819B publication Critical patent/CN105841819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077Imaging

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)
  • Measuring Temperature Or Quantity Of Heat (AREA)

Abstract

本申请提供了一种有云条件下的地表温度的估算方法和装置。该方法包括获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本,建立二者的数学回归关系,然后获取目标区域内有云条件下的微波影像和光学影像,将微波影像对应的微波亮温数据代入数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;对于任一微波像元,按照其云层覆盖度采用不同的计算方法计算,能够得到空间连续的光学地表温度产品。

Description

一种有云条件下的地表温度的估算方法和装置
技术领域
本申请涉及遥感技术领域,特别地,涉及一种有云条件下的地表温度的估算方法和装置。
背景技术
本申请主要用于全球变化研究、干旱监测、火情监测、城市热环境监测等领域,为这些领域提供有用的技术支持。
利用光学遥感影像数据获取地表的温度是遥感应用的关键领域之一,地表温度的遥感反演主要靠热红外波段,然而热红外波段很难穿透云层,因此,当前利用遥感反演地表温度几乎都集中在晴空条件下,有云条件下的温度无法直接从遥感图像上获取,这样导致光学遥感反演的温度产品空间不连续,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,限制了遥感反演的地表温度在干旱监测、火情监测、城市热环境监测等领域的广泛应用。因此,发展有云条件下地表温度的测算方法十分迫切。
针对现有技术中光学遥感反演的温度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
本发明的主要目的在于提供一种有云条件下的地表温度的估算方法和装置,以解决现有技术中光学遥感反演的温度产品空间不连续的问题。
一方面,提供了一种有云条件下的地表温度的估算方法,该方法包括:获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本;建立光学地表温度数据样本和微波亮温数据样本的数学回归关系;获取目标区域内有云条件下的微波影像和光学影像,其中,微波影像和微波亮温数据样本对应第一分辨率,光学影像和光学地表温度数据样本对应第二分辨率,按照第一分辨率,目标区域被划分为多个微波像元,第一微波像元为多个微波像元中的任一个,按照第二分辨率,目标区域被划分为多个光学像元,第一分辨率大于第二分辨率;将微波影像对应的微波亮温数据代入数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;计算第一微波像元内的云层覆盖度;
若第一微波像元内的云层覆盖度等于1,则第一微波像元区域内光学地表温度为第一微波像元对应的微波地表温度;若第一微波像元内的云层覆盖度大于0且小于1,则第一微波像元内被云层覆盖区域的光学地表温度采用以下公式计算,
其中,LSTcioud为第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为第一微波像元对应的微波地表温度,LSTMODIS_i为第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为第一微波像元内晴空区域光学像元的个数,C为第一微波像元内的云层覆盖度,fi为第i个光学像元处对应的微波像元的空间点扩散函数。
进一步地,建立地表温度数据样本和微波亮温数据样本的数学回归关系包括:对地表温度数据样本和微波亮温数据样本进行空间匹配处理;以及将空间匹配处理后的地表温度数据样本和微波亮温数据样本按照预设数学模型建立数学回归关系。
进一步地,预设数学模型为人工神经网络模型或支持向量机模型。
进一步地,对地表温度数据样本和微波亮温数据样本进行空间匹配处理包括:对第一微波像元内的所有光学像元对应的光学地表温度数据样本求均值,以得到第一微波像元内光学地表温度数据样本对应的地表温度;以及将第一微波像元内光学地表温度数据样本对应的地表温度与第一微波像元内的微波亮温数据样本相匹配,以实现空间匹配。
进一步地,采用以下公式计算第一微波像元内的云层覆盖度:
其中,S表示第一微波像元内光学像元总数量,N表示第一微波像元内没有被云层覆盖的光学像元数量。
进一步地,光学地表温度数据样本为MODIS产品数据、VIIRS数据、ASTER 数据。
进一步地,微波亮温数据样本为AMSR-E微波亮温数据、AMSR-2微波亮温数据。
另一方面,提供了一种有云条件下的地表温度的估算装置,该装置包括:第一获取模块,用于获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本;建模模块,用于建立光学地表温度数据样本和微波亮温数据样本的数学回归关系;第二获取模块,用于获取目标区域内有云条件下的微波影像和光学影像,其中,微波影像和微波亮温数据样本对应第一分辨率,光学影像和光学地表温度数据样本对应第二分辨率,按照第一分辨率,目标区域被划分为多个微波像元,第一微波像元为多个微波像元中的任一个,按照第二分辨率,目标区域被划分为多个光学像元,第一分辨率大于第二分辨率;第一计算模块,用于将微波影像对应的微波亮温数据代入数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;第二计算模块,用于计算第一微波像元内的云层覆盖度;确定模块,用于当第一微波像元内的云层覆盖度等于1,确定第一微波像元区域内光学地表温度为第一微波像元对应的微波地表温度,当第一微波像元内的云层覆盖度大于0且小于1,则第一微波像元内被云层覆盖区域的光学地表温度采用以下公式计算,
其中,LSTcioud为第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为第一微波像元对应的微波地表温度,LSTMODIS_i为第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为第一微波像元内晴空区域光学像元的个数,C为第一微波像元内的云层覆盖度,fi为第i个光学像元处对应的微波像元的空间点扩散函数。
进一步地,建模模块具体执行以下步骤:对地表温度数据样本和微波亮温数据样本进行空间匹配处理;以及将空间匹配处理后的地表温度数据样本和微 波亮温数据样本按照预设数学模型建立数学回归关系。
进一步地,采用以下公式计算第一微波像元内的云层覆盖度:
其中,S表示第一微波像元内光学像元总数量,N表示第一微波像元内没有被云层覆盖的光学像元数量。
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他目的、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是根据本发明第一实施例的空间连续的地表温度的估算方法的流程图;
图2是根据本发明第二实施例的空间连续的地表温度的估算方法的流程图;
图3是根据本发明第三实施例的空间连续的地表温度的估算装置的框图。
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有云条件下的地表温度的估算方法,参见图1,该方法可以包括以下步骤S102至步骤S114。
步骤S102:获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本。
其中,光学地表温度数据样本可以为MODIS(Moderate Resolution ImagingSpectroradiometer,中分辨率成像光谱仪)产品数据、VIIRS(Visible infrared ImagingRadiometer,可见光红外成像辐射仪)数据或ASTER(Advanced Space-borne ThermalEmission and Reflection radiometer,先进星载热发射和反射辐射仪)数据。
微波亮温数据样本为AMSR-E(Advanced Microwave Scanning Radiometer-EarthObserving System,先进微波扫描辐射计-地球观测系统)微波亮温数据、AMSR-2(AdvancedMicrowave Scanning Radiometer-2,先进微波扫描辐射计-2)微波亮温数据。
步骤S104:建立光学地表温度数据样本和微波亮温数据样本的数学回归关系。
一般的,采集光学地表温度数据样本的传感器与采集微波亮温数据样本的传感器分辨率不同,因而,在建立二者的数学回归关系之前,需要将两种不同分辨率的数据样本进行空间匹配处理,使两种数据样本的数据元对应的物理区域大小相同。在匹配完成之后,将空间匹配处理后的地表温度数据样本和微波亮温数据样本按照预设数学模型建立数学回归关系。其中,预设数学模型可以是人工神经网络模型或支持向量机模型。
若假设微波亮温数据样本对应第一分辨率,光学地表温度数据样本对应第二分辨率,则按照第一分辨率,全球范围可以被划分为多个微波像元,按照第二分辨率,全球范围可以被划分为多个光学像元,一般情况下,第一分辨率大于第二分辨率,以多个微波像元中的任一个为例,设第一微波像元为任意一个微波像元,则完成该微波像元的空间匹配处理如下:
首先对第一微波像元内的所有光学像元对应的光学地表温度数据样本求均值,以得到第一微波像元内光学地表温度数据样本对应的地表温度,将第一微波像元内光学地表温度数据样本对应的地表温度与第一微波像元内的微波亮温数据样本相匹配,以实现空间匹配。
步骤S106:获取目标区域内有云条件下的微波影像和光学影像。
其中,微波影像对应第一分辨率,光学影像对应第二分辨率;
步骤S108:将微波影像对应的微波亮温数据代入数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度。
采用现有技术可计算得到微波影像对应的微波亮温数据,也即各个微波像 元对应的微波亮温数据。将计算得到的微波亮温数据代入数学回归关系,即可得到各个微波像元对应的微波地表温度。
在得到各个微波像元对应的微波地表温度后,进一步计算每个微波像元区域内光学地表温度。下述步骤仍然以上述第一微波像元为例进行说明。
步骤S110:计算第一微波像元内的云层覆盖度。
优选地,采用以下公式计算第一微波像元内的云层覆盖度:
其中,S表示第一微波像元内光学像元总数量,N表示第一微波像元内没有被云层覆盖的,也即晴空区域的光学像元数量。
步骤S112:若第一微波像元内的云层覆盖度等于1,则第一微波像元区域内光学地表温度为第一微波像元对应的微波地表温度。
也就是说,若第一微波像元完全被云层覆盖,直接用其对应的微波地表温度表示其区域内光学地表温度。
步骤S114:若第一微波像元内的云层覆盖度大于0且小于1,则第一微波像元内被云层覆盖区域的光学地表温度采用公式计算。
其中,LSTcioud为第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为第一微波像元对应的微波地表温度,LSTMODIS_i为第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为第一微波像元内晴空区域光学像元的个数,C为第一微波像元内的云层覆盖度,fi为第i个光学像元处对应的微波像元的空间点扩散函数。
其中,点扩散函数一种空间加权处理方案,在本实施例中,点扩散函数是一个独立的数学函数,与传感器的设计有关,一般可以采用类似正态分布的函数,微波像元区域的中间部分响应比较高,周围越来越低,点扩散函数最高的 响应是一般设置为1或某个更小的值,周围值越来越小,边界为0。
采用该实施例,将光学遥感影像和微波数据融合,实现有云条件下地表温度的计算,进而实现有云层情况下地表温度的恢复,能够得到空间连续的光学地表温度产品。
实施例二
在上述实施例一的基础上,本发明实施例二提供了一种优选的有云条件下的地表温度的估算方法,参见图2,该方法可以包括以下步骤。
第一,获取全球晴空条件下的MODIS地表温度产品数据。
其中,MODIS是EOS系列卫星上的最主要的仪器,其最大空间分辨率可达250米。MODIS的多波段数据可以同时提供反映陆地表面状况、云边界、云特性、海洋水色、浮游植物、生物地理、化学、大气中水汽、气溶胶、地表温度、云顶温度、大气温度、臭氧和云顶高度等特征的信息。其中MODIS仪器的地面分辨率为250m、500m和1000m,扫描宽度为2330km。在本实施例中,所用MODIS仪器热红外波段的地面分辨率为1000m,相应地,MODIS地表温度产品数据的空间分辨率为1000m。
第二,获取全球AMSR-E 36.5GHZ波段亮温数据。
AMSR-E是在AMSR传感器的基础上改进设计的,它搭载在NASA对地观测卫星Aqua于2002年发射升空,在6.9-89GHz范围内的6个频率,其空间分辨率包括50KM、25KM、15KM和5KM。在该实施例中,微波数据采用的是频率为36.5GHZ波段,分辨率为25KM的全球AMSR-E36.5GHZ波段亮温数据。
第三,通过神经网络建立二者之间的关系。
在该步骤中,MODIS地表温度值与ASMR-E微波亮温值之间的回归关系是利用神经网络模型建立的。其中,在建立MODIS地表温度值和ASMR-E微波亮温值之间的回归关系之前,根据微波像元大小计算MODIS地表温度的均值,该均值使得MODIS和AMSR-E空间位置上相匹配。
第四,获得实际某地理区域内有云条件下的AMSR-E亮温影像和MODIS温度影像。
AMSR-E亮温影像也即微波影像,MODIS温度影像也即光学影像。
第五,对于该地理区域内的任意一个微波像元,如果该微波像元全部被云覆盖,则将该微波像元对应的微波亮温数据代入上述数学关系,得到该微波像元对应的微波地表温度,将该微波像元对应的微波地表温度作为该微波像元的云下光学地表温度。
第六,如果该微波像元部分被云覆盖,则通过光学与微波的融合,计算得到该微波像元的云下光学地表温度。
具体地,可采用描述上述步骤S114时的采用的公式进行计算,此处不再赘述。
以上是本发明提供的有云条件下的地表温度的估算方法,本发明还提供了与之对应的有云条件下的地表温度的估算装置,具体地,该估算装置用于执行以上任意一种估算方法。
实施例三
与上述实施例一相对应,本发明实施例三提供了一种有云条件下的地表温度的估算装置,参见图3,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和确定模块60。
其中,第一获取模块10用于获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本。
建模模块20用于建立光学地表温度数据样本和微波亮温数据样本的数学回归关系。
第二获取模块30用于获取目标区域内有云条件下的微波影像和光学影像。其中,微波影像和微波亮温数据样本对应第一分辨率,光学影像和光学地表温度数据样本对应第二分辨率,按照第一分辨率,目标区域被划分为多个微波像元,第一微波像元为多个微波像元中的任一个,按照第二分辨率,目标区域被划分为多个光学像元,第一分辨率大于第二分辨率。
第一计算模块40用于将微波影像对应的微波亮温数据代入数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;
第二计算模块50用于计算第一微波像元内的云层覆盖度;
确定模块60用于当第一微波像元内的云层覆盖度等于1,确定第一微波像 元区域内光学地表温度为第一微波像元对应的微波地表温度,当第一微波像元内的云层覆盖度大于0且小于1,则第一微波像元内被云层覆盖区域的光学地表温度采用以下公式计算,
其中,LSTcioud为第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为第一微波像元对应的微波地表温度,LSTMODIS_i为第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为第一微波像元内晴空区域光学像元的个数,C为第一微波像元内的云层覆盖度,fi为第i个光学像元处对应的微波像元的空间点扩散函数。
优选地,建模模块20具体执行以下步骤:对地表温度数据样本和微波亮温数据样本进行空间匹配处理;以及将空间匹配处理后的地表温度数据样本和微波亮温数据样本按照预设数学模型建立数学回归关系。
优选地,采用以下公式计算第一微波像元内的云层覆盖度:
其中,S表示第一微波像元内光学像元总数量,N表示第一微波像元内没有被云层覆盖的光学像元数量。
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从不同角度对本申请进行了描述,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)

1.一种有云条件下的地表温度的估算方法,其特征在于,包括:
获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本;
建立所述光学地表温度数据样本和所述微波亮温数据样本的数学回归关系;
获取目标区域内有云条件下的微波影像和光学影像,其中,所述微波影像和所述微波亮温数据样本对应第一分辨率,所述光学影像和所述光学地表温度数据样本对应第二分辨率,按照所述第一分辨率,所述目标区域被划分为多个微波像元,第一微波像元为所述多个微波像元中的任一个,按照所述第二分辨率,所述目标区域被划分为多个光学像元,所述第一分辨率大于所述第二分辨率;
将所述微波影像对应的微波亮温数据代入所述数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;
计算所述第一微波像元内的云层覆盖度;
若所述第一微波像元内的云层覆盖度等于1,则所述第一微波像元区域内光学地表温度为所述第一微波像元对应的微波地表温度;
若所述第一微波像元内的云层覆盖度大于0且小于1,则所述第一微波像元内被云层覆盖区域的光学地表温度采用以下公式计算,
其中,LSTcloud为所述第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为所述第一微波像元对应的微波地表温度,LSTMODIS_i为所述第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为所述第一微波像元内晴空区域光学像元的个数,C为所述第一微波像元内的云层覆盖度,fi为所述第i个光学像元处对应的微波像元的空间点扩散函数。
2.如权利要求1所述的有云条件下的地表温度的估算方法,其特征在于,建立所述地表温度数据样本和所述微波亮温数据样本的数学回归关系包括:
对所述地表温度数据样本和所述微波亮温数据样本进行空间匹配处理;以及
将空间匹配处理后的所述地表温度数据样本和所述微波亮温数据样本按照预设数学模型建立所述数学回归关系。
3.如权利要求2所述的有云条件下的地表温度的估算方法,其特征在于,所述预设数学模型为人工神经网络模型或支持向量机模型。
4.如权利要求2所述的有云条件下的地表温度的估算方法,其特征在于,对所述地表温度数据样本和所述微波亮温数据样本进行空间匹配处理包括:
对所述第一微波像元内的所有光学像元对应的所述光学地表温度数据样本求均值,以得到所述第一微波像元内所述光学地表温度数据样本对应的地表温度;以及
将所述第一微波像元内所述光学地表温度数据样本对应的地表温度与所述第一微波像元内的微波亮温数据样本相匹配,以实现空间匹配。
5.如权利要求1所述的有云条件下的地表温度的估算方法,其特征在于,采用以下公式计算所述第一微波像元内的云层覆盖度:
其中,S表示所述第一微波像元内光学像元总数量,N表示所述第一微波像元内没有被云层覆盖的光学像元数量。
6.如权利要求1所述的有云条件下的地表温度的估算方法,其特征在于,所述光学地表温度数据样本为MODIS产品数据、VIIRS数据或ASTER数据。
7.如权利要求1所述的有云条件下的地表温度的估算方法,其特征在于,所述微波亮温数据样本为AMSR-E微波亮温数据或AMSR-2微波亮温数据。
8.一种有云条件下的地表温度的估算装置,其特征在于,包括:
第一获取模块,用于获取全球范围内晴空条件下的光学地表温度数据样本和微波亮温数据样本;
建模模块,用于建立所述光学地表温度数据样本和所述微波亮温数据样本的数学回归关系;
第二获取模块,用于获取目标区域内有云条件下的微波影像和光学影像,其中,所述微波影像和所述微波亮温数据样本对应第一分辨率,所述光学影像和所述光学地表温度数据样本对应第二分辨率,按照所述第一分辨率,所述目标区域被划分为多个微波像元,第一微波像元为所述多个微波像元中的任一个,按照所述第二分辨率,所述目标区域被划分为多个光学像元,所述第一分辨率大于所述第二分辨率;
第一计算模块,用于将所述微波影像对应的微波亮温数据代入所述数学回归关系进行计算,以得到的各个微波像元对应的微波地表温度;
第二计算模块,用于计算所述第一微波像元内的云层覆盖度;
确定模块,用于当所述第一微波像元内的云层覆盖度等于1,确定所述第一微波像元区域内光学地表温度为所述第一微波像元对应的微波地表温度,当所述第一微波像元内的云层覆盖度大于0且小于1,则所述第一微波像元内被云层覆盖区域的光学地表温度采用以下公式计算,
其中,LSTcloud为所述第一微波像元内被云层覆盖区域的光学地表温度,LSTAMSR为所述第一微波像元对应的微波地表温度,LSTMODIS_i为所述第一微波像元内晴空区域第i个光学像元对应的光学地表温度,N为所述第一微波像元内晴空区域光学像元的个数,C为所述第一微波像元内的云层覆盖度,fi为所述第i个光学像元处对应的微波像元的空间点扩散函数。
9.如权利要求8所述的有云条件下的地表温度的估算装置,其特征在于,所述建模模块具体执行以下步骤:
对所述地表温度数据样本和所述微波亮温数据样本进行空间匹配处理;以及
将空间匹配处理后的所述地表温度数据样本和所述微波亮温数据样本按照预设数学模型建立所述数学回归关系。
10.如权利要求8所述的有云条件下的地表温度的估算装置,其特征在于,采用以下公式计算所述第一微波像元内的云层覆盖度:
其中,S表示所述第一微波像元内光学像元总数量,N表示所述第一微波像元内没有被云层覆盖的光学像元数量。
CN201610167085.1A 2016-03-23 2016-03-23 一种有云条件下的地表温度的估算方法和装置 Active CN105841819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610167085.1A CN105841819B (zh) 2016-03-23 2016-03-23 一种有云条件下的地表温度的估算方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610167085.1A CN105841819B (zh) 2016-03-23 2016-03-23 一种有云条件下的地表温度的估算方法和装置

Publications (2)

Publication Number Publication Date
CN105841819A CN105841819A (zh) 2016-08-10
CN105841819B true CN105841819B (zh) 2018-06-08

Family

ID=56582940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610167085.1A Active CN105841819B (zh) 2016-03-23 2016-03-23 一种有云条件下的地表温度的估算方法和装置

Country Status (1)

Country Link
CN (1) CN105841819B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106918394B (zh) * 2017-01-24 2019-01-29 中国科学院地理科学与资源研究所 一种有效的modis地表温度角度校正方法
CN106932101B (zh) * 2017-03-27 2019-05-03 鲁东大学 Hj-1b卫星中红外和热红外通道联合的地表温度反演方法
CN108871586B (zh) * 2018-07-26 2020-08-18 成都信息工程大学 一种地基红外遥感地表温度的反演方法
CN110348107B (zh) * 2019-07-08 2022-06-24 中国农业科学院农业资源与农业区划研究所 一种云下像元真实地表温度重建方法
CN113237554B (zh) * 2021-05-07 2022-04-26 国家卫星气象中心(国家空间天气监测预警中心) 云下地表温度图像生成方法、装置和终端设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035710A (en) * 1999-05-28 2000-03-14 Lockheed Martin Missiles & Space Co. Cloud base height and weather characterization, visualization and prediction based on satellite meteorological observation
US7171328B1 (en) * 2004-08-30 2007-01-30 Sandia Corporation Method for measuring thermal properties using a long-wavelength infrared thermal image
CN102435586A (zh) * 2011-09-16 2012-05-02 北京师范大学 地表反照率产品的生成方法及系统
CN104897289A (zh) * 2015-06-23 2015-09-09 中国科学院遥感与数字地球研究所 一种Landsat 8卫星数据地表温度反演方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035710A (en) * 1999-05-28 2000-03-14 Lockheed Martin Missiles & Space Co. Cloud base height and weather characterization, visualization and prediction based on satellite meteorological observation
US7171328B1 (en) * 2004-08-30 2007-01-30 Sandia Corporation Method for measuring thermal properties using a long-wavelength infrared thermal image
CN102435586A (zh) * 2011-09-16 2012-05-02 北京师范大学 地表反照率产品的生成方法及系统
CN104897289A (zh) * 2015-06-23 2015-09-09 中国科学院遥感与数字地球研究所 一种Landsat 8卫星数据地表温度反演方法

Also Published As

Publication number Publication date
CN105841819A (zh) 2016-08-10

Similar Documents

Publication Publication Date Title
CN105841819B (zh) 一种有云条件下的地表温度的估算方法和装置
Mankoff et al. The Kinect: A low‐cost, high‐resolution, short‐range 3D camera
Purevdorj et al. Relationships between percent vegetation cover and vegetation indices
Hasan et al. Soil moisture retrieval from airborne L-band passive microwave using high resolution multispectral data
Tan et al. A comparison of radiometric correction techniques in the evaluation of the relationship between LST and NDVI in Landsat imagery
Leng et al. A practical algorithm for estimating surface soil moisture using combined optical and thermal infrared data
Guha et al. Annual assessment on the relationship between land surface temperature and six remote sensing indices using Landsat data from 1988 to 2019
Sugiura et al. Correction of low-altitude thermal images applied to estimating soil water status
Hu et al. A Landsat-5 atmospheric correction based on MODIS atmosphere products and 6S model
US20130202214A1 (en) Shape and photometric invariants recovery from polarisation images
Ghahremanloo et al. Soil moisture estimation using land surface temperature and soil temperature at 5 cm depth
Irvine-Fynn et al. Measuring glacier surface roughness using plot-scale, close-range digital photogrammetry
Chen et al. A new single-channel method for estimating land surface temperature based on the image inherent information: The HJ-1B case
Rajendran et al. Estimation of spatial variability of land surface temperature using Landsat 8 imagery
Ermida et al. A multi-sensor approach to retrieve emissivity angular dependence over desert regions
Maltese et al. Mapping soil water content under sparse vegetation and changeable sky conditions: Comparison of two thermal inertia approaches
Lou et al. An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data
JP4810604B2 (ja) 水稲作付け状況把握システム、水稲作付け状況把握方法、及び水稲作付け状況把握プログラム
Zhou et al. Assessment of bidirectional reflectance effects on desert and forest for radiometric cross-calibration of satellite sensors
Garkusha et al. Using Sentinel-1 data for monitoring of soil moisture
Caselles et al. Mapping land surface emissivity using AVHRR data application to La Mancha, Spain
Akhoondzadeh et al. Comparison of land surface temperature mapping using MODIS and ASTER images in semi-arid area
Wang et al. Soil moisture estimation for spring wheat in a semiarid area based on low-altitude remote-sensing data collected by small-sized unmanned aerial vehicles
Cheng et al. Exploring the applicability of the semi-empirical BRDF models at different scales using airborne multi-angular observations
CN105259145A (zh) 一种同时遥感岛礁水下地形和地物的方法

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