CN107655574B - 时序热红外遥感地表温度/发射率同时反演的方法及系统 - Google Patents
时序热红外遥感地表温度/发射率同时反演的方法及系统 Download PDFInfo
- Publication number
- CN107655574B CN107655574B CN201710732435.9A CN201710732435A CN107655574B CN 107655574 B CN107655574 B CN 107655574B CN 201710732435 A CN201710732435 A CN 201710732435A CN 107655574 B CN107655574 B CN 107655574B
- Authority
- CN
- China
- Prior art keywords
- emissivity
- temperature
- earth surface
- thermal infrared
- surface temperature
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000005855 radiation Effects 0.000 claims abstract description 55
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims abstract description 22
- 238000012512 characterization method Methods 0.000 claims description 9
- 210000001747 pupil Anatomy 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000002834 transmittance Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000003068 static effect Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- -1 vegetation Substances 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000012237 artificial material Substances 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
-
- 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
- G01J5/80—Calibration
- G01J5/804—Calibration using atmospheric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种时序热红外遥感地表温度/发射率同时反演的方法及系统。其中,时序热红外遥感地表温度/发射率同时反演的方法包括:对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;获取地表温度和发射率的初值;以及根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演。该方法提高了地表温度/发射率获取的精度,并且突破了现有算法中对于地表发射率、大气水汽含量、大气底层温度已知,大气校正完备以及两个时刻温度差足够大等条件的限制。
Description
技术领域
本公开属于定量遥感技术领域,涉及一种时序热红外遥感地表温度/发射率同时反演的方法及系统。
背景技术
热红外遥感对地观测技术作为空间对地观测技术的一种重要观测手段,因其几乎不受时间、地域、环境限制、可全天时对地观测的优势,在全球温度和气候变化研究中发挥着举足轻重的作用。精确的地表温度不仅有助于评估地表能量与水文平衡、热惯量和土壤湿度,而且有助于获取全球表面温度及掌握其长期的变化。国际地圈生物圈计划将地表温度列为优先测定的参数之一。
热红外(8μm~14μm)遥感地表温度/发射率反演一直是定量热红外遥感地表参数反演的热点与难题之一。这是因为即使假设大气纠正已经精确进行,热红外波段温度与发射率分离仍然是一个病态问题,即给定N个通道的观测辐射亮度,总有N+1个未知数(N个通道的发射率和1个温度)需要求解。
目前热红外遥感地表温度反演方法主要有:(1)单通道反演算法;(2)劈窗算法;(3)两温算法;(4)ASTER温度/发射率分离算法;(5)MODIS日夜算法;(6)高光谱热红外温度/发射率分离算法等。单通道算法就是采用单个热红外通道、单个观测时间的数据反演地表温度的算法,适用于如Landsat TM/ETM+、HJ-1B等具有一个热红外通道的传感器;劈窗算法是利用大气窗口10μm~13μm里,两个相邻通道上大气的吸收作用不同,通过两通道测量值的各种组合来剔除大气影响来反演地表温度;两温算法是在大气精确校正条件下,假定两个时刻发射率不变,减少未知数,使方程数目大于未知数数目,同时求解地表温度和地表发射率;ASTER TES算法通过利用5个热红外通道,探索相对发射率差值与最小发射率之间的关联关系进行发射率和温度的同时反演,存在的缺点是发射率谱之间的经验关系对于植被/水体等发射率波谱之间较为平缓的地类精度较低;MODIS日夜算法是利用MODIS中红外和热红外7个波段的白天和晚上两次观测数据组成14个非线性方程组,通过统计回归和最小二乘拟合方法求解这14个方程,反演地表温度和发射率,但日夜算法的假设条件较多,诸如假设MODIS的探空通道及其相应的算法能够提供大气水汽和温度廓线、地表发射率在白天和晚上是一样的,并且假设地表朗伯等。因此,亟需提出一种热红外遥感地表温度的反演方法,能够克服以上缺陷。
发明内容
(一)要解决的技术问题
本公开提供了一种时序热红外遥感地表温度/发射率同时反演的方法及系统,以至少部分解决以上所提出的技术问题。
(二)技术方案
根据本公开的一个方面,提供了一种时序热红外遥感地表温度/发射率同时反演的方法,包括:对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;获取地表温度和发射率的初值;以及根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演。
在本公开的一些实施例中,采用线性化表征温度变化采用的是一天中存在无云覆盖、大气状态稳定的时间段内的时序观测数据,该线性化表达式满足:
Ti=T0+K·(ti-t0)
其中,t0和ti是初始时刻和第i时刻的当地时间,T0和Ti是初始时刻和第i时刻的温度,K是斜率。
在本公开的一些实施例中,进行地表温度和发射率同时反演为根据地表温度和发射率的初值以及热红外地表出射辐射数据,并结合温度的线性化表达式求解每日时序地表出射辐射与地表温度线性化表征的联合方程组,该联合方程组满足:
其中,t0为初始时刻;ti为第i个观测时刻;λ为波长;为第i个观测时刻对应的地表出射辐射;为第i个观测时刻对应的地表等效温度;为第i个观测时刻对应的地表温度;ε(λ)为地表发射率;B为普朗克函数;为第i个观测时刻对应的大气下行辐射。
在本公开的一些实施例中,针对无云、大气波动较大、导致地表温度的时序变化难以满足线性化的情况,采用单个时刻观测数据进行反演,包括:基于地表发射率在一天中变化很小的假设,利用无云覆盖、大气状态稳定的时间段内的时序观测数据求解出来的地表发射率,将地表发射率作为一个恒量,用作其他时刻的地表发射率,然后基于普适性劈窗算法对地表温度进行反演。
在本公开的一些实施例中,获取地表温度的初值包括:采用普适性劈窗算法,利用热红外双通道数据进行地表温度的初值计算,该地表温度的初值计算满足:
ε=(εi+εj)/2
Δε=εi-εj
其中,为地表温度的初值;εi和εj为i和j相邻两热红外通道的地表发射率;ε为两个通道发射率的平均值;Δε为两个通道发射率的差值;Ti和Tj为两个相邻热红外通道的亮度温度;a0、a1、a2、a3、a4、a5、a6为系数。
在本公开的一些实施例中,普适性劈窗算法的系数的获取方法如下:基于大气辐射传输模型,在大气廓线数据库支持下,设置地表温度、地表发射率,结合传感器通道响应函数,对卫星入瞳亮度温度进行模拟;利用模拟的传感器入瞳亮度温度数据及其对应的地表温度通过多元回归拟合确定拟合系数。
在本公开的一些实施例中,获取发射率的初值包括:利用中分辨率成像光谱仪热红外地表发射率产品,通过光谱匹配和空间匹配获取静止卫星热红外通道地表发射率的初值。
在本公开的一些实施例中,对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据,包括:利用欧洲中期天气预报中心提供的大气廓线产品,结合静止卫星像元经纬度,利用双线性空间插值方法,获取静止卫星空间格网大气廓线;利用大气辐射传输模型,结合静止卫星像元观测角度、经纬度及太阳角度的信息,获取每日四个时刻静止卫星空间格网大气参数;以及基于静止卫星时序热红外数据,基于温度昼夜变化模型拟合时间域上的温度变化,插值得到因云或数据缺失像元的温度数据,获取静止卫星时序热红外地表出射辐射数据;其中,大气参数包括:大气上行辐射、大气下行辐射以及大气透过率。
在本公开的一些实施例中,静止卫星时序热红外数据与地表出射辐射之间满足:
L(T,λ)=τ(λ)Lag(Te,λ)+Ratm↑(λ)
其中,L(T,λ)为卫星传感器接收的辐射,即为静止卫星时序热红外数据;T为传感器入瞳处的亮度温度;λ为波长;τ(λ)为从地面到传感器方向的大气透过率;Lag(Te,λ)为地表出射辐射;Te为地表等效温度;Ratm↑(λ)为大气上行辐射;和/或温度昼夜变化模型由余弦形式和指数形式两部分组成,其中,余弦形式用于描述白天温度变化状况,指数形式用于描述夜间温度的变化状况。
根据本公开的另一个方面,提供了一种时序热红外遥感地表温度/发射率同时反演的系统,包括:时序数据热红外大气校正模块,对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;地表温度/发射率的初值获取模块,获取地表温度和发射率的初值;以及基于地表温度线性化表征的地表温度/发射率同时反演模块,根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演。
(三)有益效果
从上述技术方案可以看出,本公开提供的时序热红外遥感地表温度/发射率同时反演的方法及系统,具有以下有益效果:
利用某一时段内无云条件下的时序观测数据,基于地表温度线性化表征,实现温度/发射率的同时反演,在很大程度上减少并弥补了云覆盖对地表温度反演造成的影响,提高了地表温度/发射率获取的精度;同时解决了现有技术方案中需要同时具备中红外和热红外通道观测数据的限制,有效提高了数据的利用率;并且突破了现有算法中对于地表发射率、大气水汽含量、大气底层温度已知,大气校正完备以及两个时刻温度差足够大等条件的限制。
附图说明
图1为根据本公开实施例时序热红外遥感地表温度/发射率同时反演的方法流程图。
图2为根据本公开实施例对时序数据进行热红外大气校正的流程图。
图3为根据本公开实施例获取地表温度初值的流程图。
图4为根据本公开实施例获取地表发射率初值的流程图。
图5为根据本公开实施例采用线性化表征温度变化,进行地表温度和发射率同时反演的流程图。
图6为根据本公开实施例时序热红外遥感地表温度/发射率同时反演的系统的模块组成示意图。
具体实施方式
本公开提供了一种时序热红外遥感地表温度/发射率同时反演的方法及系统,利用某一时段内无云条件下的时序观测数据,基于地表温度线性化表征,实现温度/发射率的同时反演,在很大程度上减少并弥补了云覆盖对地表温度反演造成的影响,提高了地表温度/发射率获取的精度;同时突破了现有技术中对于地表发射率、大气水汽含量、大气底层温度已知等条件的限制。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
静止气象卫星拥有高时间分辨率、固定观测角和宽覆盖范围等特性,能够为时序地表温度反演提供更为优越的支持和帮助,而且有利于获取时序大范围观测角度一致的地表温度产品,因而本公开结合静止气象卫星来获得时序观测数据。本公开中时序对应的含义为时间序列,为了表达上的统一,均采用“时序”进行表达。
在本公开的第一个示例性实施例中,提供了一种时序热红外遥感地表温度/发射率同时反演的方法。
图1为根据本公开实施例时序热红外遥感地表温度/发射率同时反演的方法流程图。参照图1所示,本公开的时序热红外遥感地表温度/发射率同时反演的方法,包括:
步骤S102:对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;
图2为根据本公开实施例对时序数据进行热红外大气校正的流程图。参照图2所示,对热红外遥感的时序数据进行热红外大气校正的流程,包括:利用欧洲中期天气预报中心(European Center for Medium-range Weather Forecasts,ECMWF)提供的粗分辨率大气廓线产品,结合静止卫星像元经纬度,利用双线性空间插值方法,获取静止卫星空间格网大气廓线;再利用大气辐射传输模型,结合静止卫星像元观测角度、经纬度、太阳角度信息,获取每日四个时刻静止卫星空间格网大气参数;以及基于静止卫星时序热红外数据,构建基于温度昼夜变化模型的时序热红外数据大气校正方法,获取静止卫星时序热红外地表出射辐射数据。
本实施例中,ECMWF提供了0.5°×0.5°空间分辨率的大气廓线产品,静止卫星空间分辨率较高,如风云四号静止卫星热红外空间分辨率为1.25km、欧洲静止卫星MSG/SEVIRI空间分辨率为3km,因此,利用双线性空间插值方法,结合静止卫星像元经纬度,将WCMWF大气廓线产品插值到静止卫星空间格网上;
本实施例中,大气参数包括:大气上行辐射、大气下行辐射、大气透过率,获取大气参数是根据ECMWF提供的每日UTC 0:00,6:00,12:00和18:00共四个时刻的大气廓线数据,基于大气辐射传输模型MODTRAN5.0,结合静止卫星像元观测角度、经纬度、太阳角度信息,可以获取四个时刻的每日四个时刻静止卫星空间格网大气参数;
本实施例中,温度昼夜变化模型(Diurnal Temperature Cycle,DTC)由余弦形式和指数形式两部分组成,其中余弦形式是用于描述白天温度变化状况,而指数形式则是用于描述夜间温度的变化状况。DTC模型的主要功能是拟合时间域上的温度变化,插值得到因云或数据缺失像元的温度数据。
其中,温度昼夜变化模型的表达式如下:
其中,a为平均温度(℃);b为振幅;β为角频率;td为一日温度达到最大时对应的时刻,ts为一日温度开始衰减时对应的时刻,α为衰减系数。
步骤S104:获取地表温度和发射率的初值;
图3为根据本公开实施例获取地表温度初值的流程图;图4为根据本公开实施例获取地表发射率初值的流程图。
根据图3与图4,对地表温度和发射率的初值获取过程进行介绍。
如图3所示,获取地表温度的初值采用普适性劈窗算法(Generalized Split-Window algorithm,GSW),利用热红外双通道数据进行地表温度的初值Ts 0计算,其计算公式如下:
ε=(εi+εj)/2 (4)
Δε=εi-εj (5)
其中,εi和εj为i和j相邻两热红外通道的地表发射率;ε为两个通道发射率的平均值;Δε为两个通道发射率的差值;Ti和Tj为两个相邻热红外通道的亮度温度;a0、a1、a2、a3、a4、a5、a6为系数;
普适性劈窗算法的系数的获取方法如下:基于大气辐射传输模型,MODTRAN5.0,在TIGR大气廓线数据库支持下,通过合理设置地表温度、地表发射率,结合传感器通道响应函数,对卫星入瞳亮度温度进行模拟;利用模拟的传感器入瞳亮度温度数据及其对应的地表温度通过多元回归拟合,确定拟合系数;
得到的拟合系数即为普适性劈窗算法的系数,然后根据地表发射率、亮度温度和得到的拟合系数,通过公式(3)获取地表温度的初值。
本实施例中,利用中分辨率成像光谱仪(Moderate-resolution ImagingSpectrorameter,MODIS)热红外地表发射率产品,通过光谱匹配和空间匹配获取静止卫星热红外通道地表发射率的初值。
MODIS是当前世界上新一代“图谱合一”的光学遥感仪器,有36个离散光谱波段,光谱范围宽,从0.4μm(可见光)到14.4μm(热红外)全光谱覆盖。
本实施例中,采用是MODIS UCSB地物光谱库,本文中简称MODIS光谱库,MODIS光谱库包含丰富的地物样本实验室实测红外发射率信息,涵盖了岩石、矿物、土壤、植被、水体、冰雪等各类典型天然地物以及陨石、人造材料等物质,提供了光谱覆盖范围从中红外到热红外的连续观测地物光谱数据,MODIS光谱库的网址如下:
http://www.icess.ucsb.edu/modis/EMIS/html/em.html。
空间匹配是将MODIS和静止卫星数据聚合到相同的空间分辨率上,采用基于面积加权的聚合方法实现空间分辨率的转换。
其中,面积加权算法公式如下所示:
ωr=Ar,R/Ar (7)
其中,LR为目标像元R聚合后的辐亮度;Lr为像元r的辐亮度;N为像元R内包含像元r的数量;ωr为像元r在像元R中的权重;Ar,R为像元r落在目标像元R内部的面积;Ar为像元r的面积;
像元的经纬度通常代表的是像元中心地理位置,因此根据相邻像元的经纬度可计算出像元四个角点的经纬度信息;基于MODIS和静止卫星像元的空间位置关系,空间分辨率高的像元r的权重ωr,根据多边形相交算法计算出Ar,R,最后根据公式(7)(8)计算出聚合后的辐亮度LR,得到聚合到静止卫星空间尺度的地表发射率。
光谱匹配是为了消除MODIS和静止卫星之间的光谱响应差异。本实施例中主要采用自然地物(水体、冰雪、矿物、岩石、土壤和植被等)建立MODIS和静止卫星热红外通道之间的发射率转换关系,其转换关系如下:
其中,εMODIS,i和εMODIS,j是MODIS中i和j相邻两热红外通道的发射率;ki,mi,kj,mj为转换系数,可采用最小二乘法拟合获得。
通过进一步光谱匹配,得到静止卫星热红外通道地表发射率的初值。
步骤S106:根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演;
图5为根据本公开实施例采用线性化表征温度变化,进行地表温度和发射率同时反演的流程图。
参照图5,介绍地表温度和发射率同时反演的方法。
在热红外波段,对于处于局地热平衡的大气,不考虑大气散射的影响,热红外大气辐射传输方程为:
其中,L(T,λ)为卫星传感器接收的辐射;T为传感器入瞳处的亮度温度;λ为波长;Lag(Te,λ)为地表出射辐射;τ(λ)为从地面到传感器方向的大气透过率;ε(λ)为地表发射率;Ts为地表温度;Te为地表等效温度;Ratm↓(λ)为大气下行辐射;Ratm↑(λ)为大气上行辐射;B为普朗克函数。
总体而言,利用步骤S102得到的大气校正(大气透过率、大气上行辐射、大气下行辐射)后的时序数据,以及步骤S104得到的地表温度和发射率的初值,依据公式(9)从地表出射辐射Lag(Te,λ)中反演出地表发射率ε(λ)和地表温度Ts。
本公开采用采用线性化表征温度变化,进行反演的方法如下:由于一天中某一段时间内存在无云覆盖、大气状态稳定的情形,此时,地表温度变化属于自然升温(上午)或降温(下午、晚上)状态,假设该时间段内地表温度具有非常高的线性相关性,利用该时间段的时序观测数据,局部时间内地表温度的变化可采用线性表示,进而减少公式(9)中待反演未知数的个数,使得反演方程组适定,据此实现时序数据地表温度/发射率的同时反演;
其中,局部时间内地表温度的线性化表征如下式所示:
Ti=T0+K·(ti-t0) (10)
式中,t0和ti是初始时刻和第i时刻的当地时间,T0和Ti是初始时刻和第i时刻的温度,K是斜率。
每日时序地表出射辐射(即不考虑大气透过率和大气上行辐射)及地表温度线性化表征联合,其方程组可写为:
其中,t0为初始时刻;ti为第i个观测时刻;
从公式(11)所示方程组可以看出:N个观测时刻,有N+1个未知数;其中,N个地表温度和1个地表发射率为需要反演的未知数。因此,在增加如公式(10)所示的地表温度线性化表征约束方程后,可以将 共n个温度值表达为和K的函数,以此大大减少待反演的未知数个数;
然后结合公式(9)~(11),利用高斯牛顿迭代方法进行求解,即可实现地表温度/发射率的同时反演。
另外需要强调的是,上述方法是针对某一段时间内存在无云覆盖、大气状态稳定的情形,针对无云、大气波动较大、导致地表温度的时序变化难以满足线性化的情况,可以采用单个时刻观测数据的反演策略,基于地表发射率在一天中变化很小这一假设,利用无云时段求解出来的地表发射率,将其作为一个恒量,也用作其他时刻的地表发射率,然后基于普适性劈窗算法,即本文中的公式(3)对地表温度进行反演。
在本公开的第二个示例性实施例中,提供了一种时序热红外遥感地表温度/发射率同时反演的系统。
图6为根据本公开实施例时序热红外遥感地表温度/发射率同时反演的系统的模块组成示意图。如图6所示,本公开的时序热红外遥感地表温度/发射率同时反演的系统,包括:时序数据热红外大气校正模块;地表温度/发射率的初值获取模块;以及基于地表温度线性化表征的地表温度/发射率同时反演模块。
其中,时序数据热红外大气校正模块执行步骤S102,实现对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;
地表温度/发射率的初值获取模块执行步骤S104,获取地表温度和发射率的初值;
基于地表温度线性化表征的地表温度/发射率同时反演模块执行步骤S106,进行地表温度和发射率同时反演。
综上所述,本公开提供了一种时序热红外遥感地表温度/发射率同时反演的方法及系统,利用某一时段内无云条件下的时序观测数据,基于地表温度线性化表征,实现温度/发射率的同时反演,在很大程度上减少并弥补了云覆盖对地表温度反演造成的影响,提高了地表温度/发射率获取的精度;同时突破了现有技术中对于地表发射率、大气水汽含量、大气底层温度已知等条件的限制。
当然,根据实际需要,本公开提供的时序热红外遥感地表温度/发射率同时反演的方法及系统还包含其他的步骤和模块,由于同本公开的创新之处无关,此处不再赘述。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。并且上述实施例可基于设计及可靠度的考虑,彼此混合搭配使用或与其他实施例混合搭配使用,即不同实施例中的技术特征可以自由组合形成更多的实施例。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (7)
1.一种时序热红外遥感地表温度/发射率同时反演的方法,包括:
对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;
获取地表温度和发射率的初值;以及
根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演;
其中,所述采用线性化表征温度变化采用的是一天中存在无云覆盖、大气状态稳定的时间段内的时序观测数据,采用线性化表征温度变化得到温度的线性化表达式,该线性化表达式满足:
Ti=T0+K·(ti-t0)
其中,t0和ti是初始时刻和第i时刻的当地时间,T0和Ti是初始时刻和第i时刻的温度,K是斜率;
所述进行地表温度和发射率同时反演为根据所述地表温度和发射率的初值以及热红外地表出射辐射数据,并结合温度的线性化表达式求解每日时序地表出射辐射与地表温度线性化表征的联合方程组,所述联合方程组满足:
其中,t0为初始时刻;ti为第i个观测时刻;λ为波长;为第i个观测时刻对应的地表出射辐射;为第i个观测时刻对应的地表等效温度;为第i个观测时刻对应的地表温度;ε(λ)为地表发射率;B为普朗克函数;为第i个观测时刻对应的大气下行辐射;
针对无云、大气波动较大、导致地表温度的时序变化难以满足线性化的情况,采用单个时刻观测数据进行反演,包括:基于地表发射率在一天中变化很小的假设,利用无云覆盖、大气状态稳定的时间段内的时序观测数据求解出来的地表发射率,将地表发射率作为一个恒量,用作其他时刻的地表发射率,然后基于普适性劈窗算法对地表温度进行反演。
3.根据权利要求2所述的方法,其中,所述普适性劈窗算法的系数的获取方法如下:
基于大气辐射传输模型,在大气廓线数据库支持下,设置地表温度、地表发射率,结合传感器通道响应函数,对卫星入瞳亮度温度进行模拟;利用模拟的传感器入瞳亮度温度数据及其对应的地表温度通过多元回归拟合确定拟合系数。
4.根据权利要求1所述的方法,其中,所述获取发射率的初值包括:利用中分辨率成像光谱仪热红外地表发射率产品,通过光谱匹配和空间匹配获取静止卫星热红外通道地表发射率的初值。
5.根据权利要求1所述的方法,其中,所述对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据,包括:
利用欧洲中期天气预报中心提供的大气廓线产品,结合静止卫星像元经纬度,利用双线性空间插值方法,获取静止卫星空间格网大气廓线;
利用大气辐射传输模型,结合静止卫星像元观测角度、经纬度及太阳角度的信息,获取每日四个时刻静止卫星空间格网大气参数;以及
基于静止卫星时序热红外数据,基于温度昼夜变化模型拟合时间域上的温度变化,插值得到因云或数据缺失像元的温度数据,获取静止卫星时序热红外地表出射辐射数据;
其中,所述大气参数包括:大气上行辐射、大气下行辐射以及大气透过率。
6.根据权利要求5所述的方法,其中:
所述静止卫星时序热红外数据与地表出射辐射之间满足:
L(T,λ)=τ(λ)Lag(Te,λ)+Ratm↑(λ)
其中,L(T,λ)为卫星传感器接收的辐射,即为静止卫星时序热红外数据;T为传感器入瞳处的亮度温度;λ为波长;τ(λ)为从地面到传感器方向的大气透过率;Lag(Te,λ)为地表出射辐射;Te为地表等效温度;Ratm↑(λ)为大气上行辐射;和/或
所述温度昼夜变化模型由余弦形式和指数形式两部分组成,其中,余弦形式用于描述白天温度变化状况,指数形式用于描述夜间温度的变化状况。
7.一种时序热红外遥感地表温度/发射率同时反演的系统,包括:
时序数据热红外大气校正模块,对热红外遥感的时序数据进行热红外大气校正,获取静止卫星时序的热红外地表出射辐射数据;
地表温度/发射率的初值获取模块,获取地表温度和发射率的初值;以及
基于地表温度线性化表征的地表温度/发射率同时反演模块,根据地表温度和发射率的初值以及热红外地表出射辐射数据,采用线性化表征温度变化,进行地表温度和发射率同时反演;
其中,所述采用线性化表征温度变化采用的是一天中存在无云覆盖、大气状态稳定的时间段内的时序观测数据,采用线性化表征温度变化得到温度的线性化表达式,该线性化表达式满足:
Ti=T0+K·(ti-t0)
其中,t0和ti是初始时刻和第i时刻的当地时间,T0和Ti是初始时刻和第i时刻的温度,K是斜率;
所述进行地表温度和发射率同时反演为根据所述地表温度和发射率的初值以及热红外地表出射辐射数据,并结合温度的线性化表达式求解每日时序地表出射辐射与地表温度线性化表征的联合方程组,所述联合方程组满足:
其中,t0为初始时刻;ti为第i个观测时刻;λ为波长;为第i个观测时刻对应的地表出射辐射;为第i个观测时刻对应的地表等效温度;为第i个观测时刻对应的地表温度;ε(λ)为地表发射率;B为普朗克函数;为第i个观测时刻对应的大气下行辐射;
针对无云、大气波动较大、导致地表温度的时序变化难以满足线性化的情况,采用单个时刻观测数据进行反演,包括:基于地表发射率在一天中变化很小的假设,利用无云覆盖、大气状态稳定的时间段内的时序观测数据求解出来的地表发射率,将地表发射率作为一个恒量,用作其他时刻的地表发射率,然后基于普适性劈窗算法对地表温度进行反演。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732435.9A CN107655574B (zh) | 2017-08-23 | 2017-08-23 | 时序热红外遥感地表温度/发射率同时反演的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710732435.9A CN107655574B (zh) | 2017-08-23 | 2017-08-23 | 时序热红外遥感地表温度/发射率同时反演的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107655574A CN107655574A (zh) | 2018-02-02 |
CN107655574B true CN107655574B (zh) | 2020-01-31 |
Family
ID=61128769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710732435.9A Active CN107655574B (zh) | 2017-08-23 | 2017-08-23 | 时序热红外遥感地表温度/发射率同时反演的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107655574B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109446739B (zh) * | 2018-12-20 | 2020-01-10 | 中国农业科学院农业资源与农业区划研究所 | 一种地表温度多通道热红外遥感反演方法 |
CN110243409A (zh) * | 2019-06-18 | 2019-09-17 | 中国农业科学院农业资源与农业区划研究所 | 一种基于地表水热过程的生态干旱监测预报系统及方法 |
CN110567591B (zh) * | 2019-09-25 | 2020-07-28 | 核工业北京地质研究院 | 一种适用于地面热红外数据的温度/发射率反演方法 |
CN110781602B (zh) * | 2019-11-04 | 2021-06-15 | 中国科学院地理科学与资源研究所 | 基于特征空间法来获取时空连续的土壤水方法 |
CN112199634B (zh) * | 2020-10-14 | 2021-05-11 | 中国科学院空天信息创新研究院 | 基于贝叶斯模型平均方法的地表组分温度多算法集成算法 |
CN112597939B (zh) * | 2020-12-29 | 2023-11-07 | 中国科学院上海高等研究院 | 地表水体分类提取方法、系统、设备及计算机存储介质 |
CN112858178B (zh) * | 2021-01-11 | 2022-05-13 | 武汉大学 | 一种航空热红外高光谱影像温度和发射率反演方法 |
CN113776671B (zh) * | 2021-08-11 | 2022-12-23 | 吉林大学 | 昼夜遥感影像短波红外火山温度-发射率联合反演方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7171328B1 (en) * | 2004-08-30 | 2007-01-30 | Sandia Corporation | Method for measuring thermal properties using a long-wavelength infrared thermal image |
CN102542248A (zh) * | 2006-07-28 | 2012-07-04 | 电视广播有限公司 | 通过卫星系统自动探测地球表面的火点和例如云、薄雾、尘雾或类似的大气现象 |
CN106404178A (zh) * | 2016-08-30 | 2017-02-15 | 中国科学院地理科学与资源研究所 | 基于小波变换的高光谱热红外地表温度与发射率分离方法 |
CN106932101A (zh) * | 2017-03-27 | 2017-07-07 | 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 |
-
2017
- 2017-08-23 CN CN201710732435.9A patent/CN107655574B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7171328B1 (en) * | 2004-08-30 | 2007-01-30 | Sandia Corporation | Method for measuring thermal properties using a long-wavelength infrared thermal image |
CN102542248A (zh) * | 2006-07-28 | 2012-07-04 | 电视广播有限公司 | 通过卫星系统自动探测地球表面的火点和例如云、薄雾、尘雾或类似的大气现象 |
CN106404178A (zh) * | 2016-08-30 | 2017-02-15 | 中国科学院地理科学与资源研究所 | 基于小波变换的高光谱热红外地表温度与发射率分离方法 |
CN106932101A (zh) * | 2017-03-27 | 2017-07-07 | 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 |
Non-Patent Citations (4)
Title |
---|
"Generation of a time-consistent land surface temperature product from MODIS data";Si-Bo Duan 等;《Remote Sensing of Environment》;20131004;第339-349页 * |
"Temperature and Emissivity Retrievals From Hyperspectral Thermal Infrared Data Using Linear Spectral Emissivity Constraint";Ning Wang 等;《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》;20100909;第49卷(第4期);第1292页第3-4段 * |
"热红外地表温度遥感反演方法研究进展";李召良 等;《遥感学报》;20160925;第902页第4段,第909页第6段 * |
李召良 等."热红外地表温度遥感反演方法研究进展".《遥感学报》.2016,第902页第4段,第909页第6段. * |
Also Published As
Publication number | Publication date |
---|---|
CN107655574A (zh) | 2018-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Bisht et al. | Estimation of the net radiation using MODIS (Moderate Resolution Imaging Spectroradiometer) data for clear sky days | |
Duan et al. | Land-surface temperature retrieval from Landsat 8 single-channel thermal infrared data in combination with NCEP reanalysis data and ASTER GED product | |
Dash et al. | Land surface temperature and emissivity estimation from passive sensor data: Theory and practice-current trends | |
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 | |
McVicar et al. | Using covariates to spatially interpolate moisture availability in the Murray–Darling Basin: A novel use of remotely sensed data | |
CN109709558B (zh) | 一种星载微波遥感陆地上空pwv的物理反演方法 | |
Rigo et al. | Validation of satellite observed thermal emission with in-situ measurements over an urban surface | |
CN106768393B (zh) | 基于Landsat 8数据的海表温度反演方法及系统 | |
Maghrabi et al. | Precipitable water vapour estimation on the basis of sky temperatures measured by a single‐pixel IR detector and screen temperatures under clear skies | |
Li et al. | Evaluation of the NCEP and MODIS atmospheric products for single channel land surface temperature retrieval with ground measurements: A case study of HJ-1B IRS data | |
CN109871637A (zh) | 一种云天条件下近地面气温估算方法 | |
CN107644284A (zh) | 一种农田蒸散估算方法及系统 | |
Zeng et al. | Land surface temperature and emissivity retrieval from nighttime middle and thermal infrared images of Chinese Fengyun-3D MERSI-II | |
Jiao et al. | Global validation of clear-sky models for retrieving land-surface downward longwave radiation from MODIS data | |
CN103678884A (zh) | 一种基于hj卫星的地表实际蒸散发动态监测方法 | |
Wang et al. | Estimation of surface longwave radiation over the Tibetan plateau region using MODIS data for cloud-free skies | |
CN115541023A (zh) | 一种陆表温度、陆表比辐射率同步模拟反演方法及系统 | |
Gröbner et al. | Effective atmospheric boundary layer temperature from longwave radiation measurements | |
Liu et al. | Land surface temperature validation | |
Zhao et al. | An operational land surface temperature retrieval methodology for Chinese second-generation Huanjing disaster monitoring satellite data | |
Zhou et al. | Land surface albedo estimation with Chinese GF-1 WFV data in Northwest China | |
Zhou et al. | Retrieving K-band instantaneous microwave land surface emissivity based on passive microwave brightness temperature and atmospheric precipitable water vapor data | |
Meng et al. | Estimating Hourly Land Surface Temperature from FY-4A AGRI Using an Explicitly Emissivity-Dependent Split-Window Algorithm |
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 |