CN106768393B - 基于Landsat 8数据的海表温度反演方法及系统 - Google Patents
基于Landsat 8数据的海表温度反演方法及系统 Download PDFInfo
- Publication number
- CN106768393B CN106768393B CN201510812028.XA CN201510812028A CN106768393B CN 106768393 B CN106768393 B CN 106768393B CN 201510812028 A CN201510812028 A CN 201510812028A CN 106768393 B CN106768393 B CN 106768393B
- Authority
- CN
- China
- Prior art keywords
- data
- landsat
- surface temperature
- sea surface
- atmospheric
- 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
Links
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种基于Landsat 8数据的海表温度反演方法及系统。该方法包括:读入Landsat 8光学与热红外遥感图像及与其对应的大气廓线数据;基于水体与海水发射率数据,结合Landsat 8热红外传感器TIRS的光谱响应函数,以大气廓线为驱动,模拟在不同大气状况、不同海表温度与发射率等组合条件下TIRS两个通道在大气层顶的通道亮温;利用获得的大气柱水汽含量,将大气柱水汽含量分为若干区间,并结合劈窗算法构建各个水汽含量区间的海表温度反演算法,进而计算海表温度并输出结果。该系统包括遥感影像读入模块、大气水汽数据读入模块、数据处理模块和海表温度反演模块。本发明能够获取高精度的海表温度。
Description
技术领域
本发明涉及遥感热红外技术领域,更具体涉及一种基于Landsat 8数据的海表温度反演方法及系统。
背景技术
海表温度(Sea Surface Temperature,SST)是海面进行长波辐射和湍流通量交换的直接驱动力。海表温度表征了海表在不同状态下的热辐射信息与时空变化,作为重要的基础性参量,其已广泛的应用于各个领域,包括全球气候变化、大区域能量平衡、大气环流、海表温度热异常,冰川融雪等。
由于海洋表面复杂多样性,海表温度往往随时间和空间具有显著的变化。随着各个领域对具有时空连续性的海表温度产品需求量的增加,传统的海面站点式测量方式已经无法满足需求。庆幸的是,遥感技术,特别是热红外遥感技术的发展以及地面热辐射机理的研究深入,为进行全球尺度与区域尺度长时间序列海表温度的测量提供了可能。
从遥感观测到的热红外数据来反演海表温度可以追溯到上世纪七十年代,并引起了科学界的广泛关注。通过多年的研究与应用,科学界就遥感反演海表温度的精度基本达成一致,海面温度控制在0.5K以内。但是,由于从海表到达卫星传感器的辐射同时包含了海表和大气信息,所以从热红外数据直接反演海表温度必须同时消除海表本身的发射率效应和大气效应,而这并非易事。截止目前,基于热红外的辐射传输方程,根据不同的传感器设置与假设,人们已发展了多种消除发射率与大气效应的海表温度反演方法。2013年初发射的Landsat 8卫星搭载了新型的热红外传感器(TIRS),其100m的空间分辨率和两个热红外波段的设置为劈窗算法反演海表温度提供了新的思路。但是,到目前为止,高精度海表温度算法未被提出,阻碍了高精度海表温度产品的生产。因此,发展一种基于Landsat 8热红外数据的可操作性强的高精度海表温度反演方法具有重要意义。
发明内容
本发明要解决的技术问题是如何利用Landsat 8热红外遥感数据构建海表温度反演方法,获取高精度的海表温度。
为解决上述技术问题,本发明提供了一种基于Landsat 8热红外数据的海表温度反演方法,用于实现海表温度的获取,所述方法包括以下步骤:
S1:读入Landsat 8光学与热红外遥感图像,并读入与Landsat 8影像对应的大气廓线数据;
S2:基于水体与海水发射率数据,结合Landsat 8热红外传感器TIRS的光谱响应函数,以大气廓线为驱动,模拟在不同大气状况、不同海表温度与发射率等组合条件下TIRS两个通道在大气层顶的通道亮温,获得各个大气廓线对应的水汽含量,形成能够覆盖多种大气状况下的模拟数据集;
S3:基于得到的模拟数据集,利用获得的大气水汽含量,将大气水汽含量分为若干区间,并结合劈窗算法构建各个水汽含量区间的海表温度反演算法,进而计算海表温度并输出结果。
进一步地,作为较佳的实施例,对上述各步骤说明如下:
S1:在全球范围内选择了美国环境预报中心NCEP(National Centers forEnvironmental Prediction)海洋表面大气廓线库,提取其中的各层气压、海拔高程、温度、湿度信息;
输入:全球范围的海域内选择了NCEP 2.5°×2.5°海洋表面的56个样点在2013年和2014年每月15日12:00的大气廓线,共计1344条;
输出:各条大气在1000,925,850,700,600,500,400,300,250,200,150,100,70,50,30,20与10hpa共17层气压的高程、气温和湿度参数。
S2:基于水体与海水发射率数据,结合Landsat 8热红外传感器Thermal InfraredSensor(TIRS)的光谱响应函数,以S1中获得的NCEP大气廓线为驱动,利用大气辐射传输方程模型MODTRAN模拟在不同大气状况、不同海表温度与发射率等组合条件下TIRS两个通道在大气层顶的通道亮温,从而形成能够覆盖多种大气状况下的代表性模拟数据集;
输入:S1处理获得的NCEP大气廓线、海水发射率、海表温度、Landsat 8\TIRS两个热红外通道光谱响应函数。
处理:海表与大气耦合热辐射传输模拟。
输出:不同大气状况、不同海表温度与发射率组合下的Landsat 8/TIRS传感器两个热红外通道在大气层顶的通道亮温,以及S1中各个大气廓线对应的水汽柱含量。
S3:基于步骤S2得到的模拟数据集对应的地表温度、发射率、通道亮温等信息,利用步骤S2获得大气柱水汽含量,将大气柱水汽含量分为若干区间,并结合劈窗算法的基本原理构建了各个水汽含量区间的海表温度反演算法。
输入:S2步骤获得Landsat 8/TIRS传感器两个热红外通道在大气层顶的通道亮温模拟数据集以及S1中各个大气廓线对应的大气水汽柱含量;
处理:构建基于大气水汽含量的海表温度反演新型劈窗算法;
输出:0~2.5g/cm2,2.0~4.0g/cm2,3.5~6.0g/cm2以及>5.5g/cm2各个水汽含量区间对应的劈窗算法的系数及其模型误差。
本发明还提供一种基于Landsat 8热红外数据的海表温度反演系统,包括遥感影像读入模块、大气水汽数据读入模块、数据处理模块和海表温度反演模块;所述遥感影像读入模块读入Landsat 8光学与热红外遥感图像,并将其传送给所述数据处理模块;所述大气水汽数据集读入模块读入与Landsat 8影像对应的NCEP大气廓线数据,将其传送给所述数据处理模块;所述数据处理模块计算读入的Landsat 8热红外通道亮温,利用光学影像标示出云像元和陆地像元,并利用Landsat8热红外影像的地理位置和观测时间从读入的NCEP大气廓线数据中获得所对应的水汽含量;所述的海表温度反演模块利用所述的数据处理模块获得的Landsat 8热红外影像两个通道亮温、水汽含量调用劈窗算法计算海表温度,并输出结果。
进一步地,作为较佳的实施例,上述各模块的功能进一步说明如下:
遥感影像读入模块:
读入:Landsat 8热红外光学与热红外遥感影像;
大气水汽数据读入模块:
读入:读入与Landsat 8影像对应的NCEP大气廓线数据
数据处理模块:
输入:Landsat 8热红外光学与热红外遥感图像;Landsat 8影像地理位置与观测时间;NCEP大气廓线数据
处理:热红外遥感影像陆地与云像元去除,利用影像定标系数计算Landsat 8热红外通道亮温;通过空间和时间插值从NCEP大气廓线提取与Landsat8影像匹配的大气水汽含量数据;
输出:Landsat 8两个热红外通道亮温,大气水汽含量
海表温度反演模块
输入:Landsat 8两个热红外通道亮温,大气水汽含量
处理:通过大气水汽含量确定劈窗算法的系数,并利用Landsat 8通道亮温计算海表温度
输出:海表温度及辅助信息
与现有技术相比,本发明的有益效果如下:
本发明提供了一种基于Landsat 8热红外数据的海表温度反演方法,该方法能够获取高精度的海表温度,并且计算流程简单,易于操作;在定性评价方面,提供了100m空间分辨率的高精度海表温度数据;在定量评价方面,最终的海表温度估算的模型精度在低水汽和中高水汽含量(<4.0g/cm2)的条件下优于0.5K。
附图说明
图1为本发明的一个较佳实施例的系统结构示意图;
图2为本发明的一个较佳实施例的技术流程图;
图3为本发明使用的大气廓线中水汽含量与底层大气温度直方图;
图4为本发明在各个水汽区间对应的海表温度残差直方图;
图5为本发明的一个较佳实施例的一幅Landsat 8热红外遥感图像;
图6为本发明的一个较佳实施例的同区域反演的海表温度图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细描述。以下实施例用于说明本发明,但不能用来限制本发明的范围。
图1为本发明一个较佳实施例的系统结构示意图,基于Landsat 8热红外数据的海表温度反演系统包括Landsat8遥感影像读入模块、大气水汽数据读入模块、数据处理模块和海表温度反演模块;所述遥感影像读入模块读入Landsat 8光学与热红外遥感图像,并将其传送给所述数据处理模块;所述大气水汽数据集读入模块读入与Landsat 8影像对应的NCEP大气廓线数据,将其传送给所述数据处理模块;所述数据处理模块计算读入的Landsat8热红外通道亮温,利用光学影像标示出云像元和陆地像元,并利用Landsat8热红外影像的地理位置和观测时间从读入的NCEP大气廓线数据中获得所对应的水汽含量;所述的海表温度反演模块利用所述的数据处理模块获得的Landsat 8热红外影像两个通道亮温、水汽含量调用劈窗算法计算海表温度,并输出结果。
本发明的基于Landsat 8数据的海表温度反演方法的构建技术流程如图2所示,其包括如下步骤:
(1)海表大气廓线的获取
海表与大气之间的交互作用与陆表存在较大差异,为了保证海表温度的反演精度,此处从美国NCEP再分析数据中获得大气廓线。NCEP提供全球范围内1948年至今的每天0h、6h、12h和18h的28层大气参数(气温、气压、湿度、风速等)廓线,空间分辨率为1°×1°。本文使用了在此基础上经过采样获得2.5°×2.5°,该数据面向全球免费发布,提供了1000,925,850,700,600,500,400,300,250,200,150,100,70,50,30,20与10hpa共17层气压的气温和湿度等参数。在全球范围的海域内选择了56个样点,并提取它们各自在2013年和2014年每月15日12:00的NCEP大气廓线,共计1344条。图3中(a)图为这些廓线对应的大气水汽柱含量,(b)图为底层(1000hpa)大气温度直方图。从图中可以看出,所选取的海洋表面的大气廓线的水汽含量主要分布在1~5g/cm2之间,其中处于3~5g/cm2之间的数量最多,这说明海洋上大气廓线相对湿润。此外,从图3中(b)图可以看出,大气底层温度多处于常温的300K左右,低温情况较小。
(2)大气层的通道亮温模拟
将以上大气廓线带入大气辐射传输软件MODTRAN中模拟了Landsat8热红外传感器TIRS的两个热红外通道的大气的上行辐射下行辐射和上行透过率τi,并利用热辐射传输方程模拟了大气层顶的辐亮度Ii和亮温Ti:
上式中,B()为普朗克函数;SST为海洋表面温度,针对于每一条大气廓线底层大气温度Tair0,SST设置为8个等级,即SST=Tair0+[-10,-5,0,5,10,15,20,25]K;εi为海洋表面在第i通道的发射率。相比于陆地表面,海洋表面相对均匀,发射率随时间和空间的变化较小,因此可将海表发射率当做定值。由于目前还普遍缺少海表测量发射率数据,本发明从UCSB发射率数据库中选择出仅有的2条水体发射率曲线带入式(1)中进行模拟。基于1344条大气廓线,8个地表温度等级以及2个发射率样本,利用式(1)共模拟了21504种(=1344×8×2)情况下的Landsat 8两个热红外通道的亮温,为了使算法更接近于实际情况,在模拟的亮温中加入了两个通道亮温误差NEΔT(1通道:0.05K,2通道:0.06K)。
(3)劈窗算法构建
基于劈窗算法的原理,构建从Landsat 8两个热红外通道亮温T1和T2反演海表温度(SST,sea surface temperature)的新算法:
SST=a0+a1·T1+a2·T2+a3·(T1-T2)2+a4·wv+a5·wv2 (2)
其中,ak(k=0,1…5)为算法系数,wv为大气水汽含量(g/cm2),来源于NCEP数据。为了减少水汽对海表温度反演精度的影响,我们将大气水汽含量分为若干区间回归得到了ak。同时,为了最大可能的避免不同水汽区间系数导致的SST空间不连续性,各个区间设置了0.5g/cm2的重叠。当实际水汽值处于两个相邻水汽区间的重叠范围时,SST来自于两个区间系数反演值的均值。表1列出来各个水汽分区及其对应的各个系数与算法的均方根误差RMSE。从表1中可以看出,当水汽含量小于4.0g/cm2时,式(2)显示的劈窗算法获取的海表温度的误差整体上小于0.5K,随着水汽含量的增大,算法误差也变大。图4显示了各个水汽区间海表温度残差直方图,算法精度高。图4中:(a)wv<2.5g/cm2;(b)2.5<wv<4.0g/cm2;(c)3.5<wv<6.0g/cm2;(d)wv>5.5g/cm2;(e)所有水汽情况。
表1.所述劈窗算法在各个水汽区间的系数与海表温度均方根误差
本实施例为巴哈马东部地区大西洋海域,图5显示了该区域(北纬24.9°~27.0°N,西经74.6°~76.9°)在2014年2月14日获取的Landsat 8光学真彩色遥感影像(蓝光、绿光和红光的合成),图中黑色部分为海洋,白色部分为云,左下角浅色部分为陆地及其圈围海水。图6为利用本发明的劈窗算法反演的海表温度(白色部分为云),从图中可以看出海表温度存在明显的空间变异。
以上实施方式仅用于说明本发明,而非对本发明的限制。本领域的普通技术人员应当理解,对本发明的技术方案进行各种组合、修改或者等同替换,都不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于Landsat 8热红外数据的海表温度反演方法,其特征在于,包括如下步骤:
1)读入Landsat 8光学与热红外遥感图像,并读入与Landsat 8影像对应的大气廓线数据;
2)基于水体与海水发射率数据,结合Landsat 8热红外传感器TIRS的光谱响应函数,以大气廓线为驱动,模拟在不同大气状况、不同海表温度与发射率的组合条件下TIRS两个通道在大气层顶的通道亮温,获得各个大气廓线对应的水汽含量,形成能够覆盖多种大气状况下的模拟数据集;
3)基于得到的模拟数据集,利用获得的大气水汽含量,将大气水汽含量分为若干区间,并结合劈窗算法构建各个水汽含量区间的海表温度反演算法,进而计算海表温度并输出结果。
2.如权利要求1所述的方法,其特征在于:步骤1)所述大气廓线数据为美国环境预报中心NCEP海洋表面大气廓线数据,从中提取各层气压、海拔高程、温度和湿度信息。
3.如权利要求2所述的方法,其特征在于:步骤2)利用大气辐射传输方程模型MODTRAN进行所述模拟,得到大气层顶的辐亮度Ii和亮温Ti:
Ii=Bi(Ti)=[εiBi(SST)+(1-εi)Ri ↓]τi+Ri ↑,
其中,B()为普朗克函数;SST为海洋表面温度,针对于每一条大气廓线底层气温Tair0,SST设置为8个等级,即SST=Tair0+[-10,-5,0,5,10,15,20,25]K;εi为海洋表面在第i通道的发射率。
4.如权利要求3所述的方法,其特征在于:步骤2)通过空间和时间插值从NCEP大气廓线提取与Landsat8影像匹配的大气水汽含量数据。
5.如权利要求3所述的方法,其特征在于:步骤3)基于劈窗算法构建的从Landsat 8两个热红外通道亮温T1和T2反演海表温度的算法是:
SST=a0+a1·T1+a2·T1+a3·(T1-T2)2+a4·wv+a5·wv2,
其中,ak为算法系数,k=0,1…5,wv为大气水汽含量,来源于NCEP数据。
6.一种采用权利要求1所述方法的基于Landsat 8热红外数据的海表温度反演系统,其特征在于,包括遥感影像读入模块、大气水汽数据读入模块、数据处理模块和海表温度反演模块;所述遥感影像读入模块读入Landsat 8光学与热红外遥感图像,并将其传送给所述数据处理模块;所述大气水汽数据集读入模块读入与Landsat 8影像对应的大气廓线数据,将其传送给所述数据处理模块;所述数据处理模块计算读入的Landsat 8热红外通道亮温,利用光学影像标示出云像元和陆地像元,并利用Landsat8热红外影像的地理位置和观测时间从读入的大气廓线数据中获得所对应的水汽含量;所述海表温度反演模块利用所述数据处理模块获得的Landsat 8热红外影像两个通道亮温和水汽含量调用劈窗算法计算海表温度,并输出结果。
7.如权利要求6所述的系统,其特征在于:所述大气廓线数据为美国环境预报中心NCEP海洋表面大气廓线数据。
8.如权利要求7所述的系统,其特征在于:所述数据处理模块利用影像定标系数计算Landsat 8热红外通道亮温,通过空间和时间插值从NCEP大气廓线提取与Landsat8影像匹配的大气水汽含量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510812028.XA CN106768393B (zh) | 2015-11-20 | 2015-11-20 | 基于Landsat 8数据的海表温度反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510812028.XA CN106768393B (zh) | 2015-11-20 | 2015-11-20 | 基于Landsat 8数据的海表温度反演方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106768393A CN106768393A (zh) | 2017-05-31 |
CN106768393B true CN106768393B (zh) | 2019-03-22 |
Family
ID=58886627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510812028.XA Active CN106768393B (zh) | 2015-11-20 | 2015-11-20 | 基于Landsat 8数据的海表温度反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106768393B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109145494B (zh) * | 2018-09-11 | 2020-04-07 | 北京师范大学 | 一种海面温度反演方法及系统 |
CN109297605B (zh) * | 2018-10-09 | 2020-02-11 | 北京大学 | 一种基于中红外与热红外数据的地表温度反演方法 |
CN109470364B (zh) * | 2018-10-31 | 2020-12-08 | 南京信息工程大学 | 一种适用于被动微波资料的广义ri指数频率干扰检测及订正方法 |
CN109668635B (zh) * | 2019-01-16 | 2020-08-07 | 中国人民解放军61741部队 | 海表温度融合方法与系统 |
CN110866467A (zh) * | 2019-10-30 | 2020-03-06 | 核工业北京地质研究院 | 一种航空中红外高光谱数据温度和发射率反演方法 |
CN113408742B (zh) * | 2021-06-24 | 2023-06-02 | 桂林理工大学 | 一种基于机器学习的高精度海表温度反演方法 |
CN114674461A (zh) * | 2022-05-27 | 2022-06-28 | 自然资源部第二海洋研究所 | 海表温度的确定方法、装置及可读存储介质 |
CN115795781B (zh) * | 2022-09-23 | 2023-07-18 | 北京大学 | 一种基于地面红外辐射计的大气水汽含量估算方法和系统 |
CN115962851B (zh) * | 2022-11-29 | 2023-12-12 | 生态环境部卫星环境应用中心 | 基于温度遥感反演的核电温排水基准温度确定方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN103744069A (zh) * | 2013-12-31 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 一种针对airs超光谱卫星数据的甲烷廓线正交反演方法 |
CN103954973A (zh) * | 2014-04-12 | 2014-07-30 | 中国农业科学院农业资源与农业区划研究所 | 一个从viirs数据反演地表温度的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140016667A1 (en) * | 2012-07-13 | 2014-01-16 | Blue Water Satellite, Inc. | Method for monitoring water temperature |
-
2015
- 2015-11-20 CN CN201510812028.XA patent/CN106768393B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
CN103744069A (zh) * | 2013-12-31 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 一种针对airs超光谱卫星数据的甲烷廓线正交反演方法 |
CN103954973A (zh) * | 2014-04-12 | 2014-07-30 | 中国农业科学院农业资源与农业区划研究所 | 一个从viirs数据反演地表温度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106768393A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106768393B (zh) | 基于Landsat 8数据的海表温度反演方法及系统 | |
CN107655574B (zh) | 时序热红外遥感地表温度/发射率同时反演的方法及系统 | |
CN106932101B (zh) | Hj-1b卫星中红外和热红外通道联合的地表温度反演方法 | |
Ye et al. | Land surface temperature estimate from Chinese Gaofen-5 satellite data using split-window algorithm | |
Jin et al. | A generalized algorithm for retrieving cloudy sky skin temperature from satellite thermal infrared radiances | |
Niclos et al. | Accuracy assessment of land surface temperature retrievals from MSG2-SEVIRI data | |
Zhou et al. | Intercomparison of methods for estimating land surface temperature from a Landsat-5 TM image in an arid region with low water vapour in the atmosphere | |
Zhang et al. | Evaluation of cloud effects on air temperature estimation using MODIS LST based on ground measurements over the Tibetan Plateau | |
Kilic et al. | Sensitivity of evapotranspiration retrievals from the METRIC processing algorithm to improved radiometric resolution of Landsat 8 thermal data and to calibration bias in Landsat 7 and 8 surface temperature | |
Guha et al. | Annual assessment on the relationship between land surface temperature and six remote sensing indices using Landsat data from 1988 to 2019 | |
CN109871637B (zh) | 一种云天条件下近地面气温估算方法 | |
CN109297605B (zh) | 一种基于中红外与热红外数据的地表温度反演方法 | |
AU2021105120A4 (en) | Land surface temperature estimation method based on expert knowledge model data driving and machine learning | |
CN105204024B (zh) | 微波遥感表面温度向热红外遥感肤面温度转换的方法 | |
CN109446739A (zh) | 一种地表温度多通道热红外遥感反演方法 | |
CN101634711A (zh) | 从modis数据估算近地表空气温度方法 | |
Ma et al. | Feasibility of retrieving land surface heat fluxes from ASTER data using SEBS: a case study from the Namco area of the Tibetan plateau | |
Corumluoglu et al. | The effect of urban heat island on Izmir’s city ecosystem and climate | |
Wang et al. | An alternative split-window algorithm for retrieving land surface temperature from Visible Infrared Imaging Radiometer Suite data | |
Meng et al. | Retrieving land surface temperature from Landsat 8 TIRS data using RTTOV and ASTER GED | |
Meng et al. | Accuracy evaluation of the Landsat 9 land surface temperature product | |
Varentsov et al. | Observations of the urban boundary layer in a cold climate city | |
Şekertekin et al. | Analysing the effects of different land cover types on land surface temperature using satellite data | |
Kovalchuk et al. | Modeling the distribution of land surface temperature for Bystrytsia river basin using Landsat 8 data | |
Zhang et al. | A remote sensing model of CO2 flux for wheat and studying of regional distribution |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |