CN108896185A - 基于归一化沙漠指数的遥感地表温度空间降尺度方法 - Google Patents
基于归一化沙漠指数的遥感地表温度空间降尺度方法 Download PDFInfo
- Publication number
- CN108896185A CN108896185A CN201810454339.7A CN201810454339A CN108896185A CN 108896185 A CN108896185 A CN 108896185A CN 201810454339 A CN201810454339 A CN 201810454339A CN 108896185 A CN108896185 A CN 108896185A
- Authority
- CN
- China
- Prior art keywords
- emissions reduction
- index
- temperature
- desert
- remote sensing
- 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
- 230000009467 reduction Effects 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010606 normalization Methods 0.000 title claims abstract description 18
- 238000002310 reflectometry Methods 0.000 claims abstract description 25
- 238000011160 research Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 9
- 238000007637 random forest analysis Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 9
- 238000002474 experimental method Methods 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000010200 validation analysis Methods 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000010276 construction Methods 0.000 abstract description 5
- 239000002689 soil Substances 0.000 description 9
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 7
- 208000027066 STING-associated vasculopathy with onset in infancy Diseases 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 241000132092 Aster Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- -1 vegetation Substances 0.000 description 1
- 238000012795 verification 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
-
- 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
-
- 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
- G01J2005/0077—Imaging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于归一化沙漠指数的遥感地表温度空间降尺度方法,包括以下步骤:a、获取晴空条件下覆盖研究区范围的多光谱和热红外遥感影像,并进行预处理;b、将多光谱反射率影像与热红外影像通过聚合的方法升尺度到同一低分辨率,以多光谱反射率影像构造一种新的干旱指数表征沙漠类地表;c、对预处理过的热红外遥感影像进行温度反演,得到研究区内的地表温度;d、以新型的干旱指数、植被指数、建筑指数和水体指数为尺度因子,以随机森林回归算法建立地表温度降尺度模型,利用该模型得到研究区的高分辨率的地表温度影像;e、对降尺度结果进行精度评价。本发明有利于提高在沙漠区域的降尺度精度。
Description
技术领域
本发明涉及降尺度领域,具体为一种基于归一化沙漠指数的遥感地表温度空间降尺度方法。
背景技术
地表温度是地表-大气界面长波辐射和湍流热通量交换的直接驱动力,是描述全球范围内地表能量物理交换过程和研究气候变化的重要指标。精准的地表温度产品对于监测城市热岛、生态环境、农业旱情以及监控全球气候、估算土壤水分等地表过程研究有着重要的意义。获取地表温度的传统途径是通过地面气象站的观测数据,观测站数据精度高,具有时间连续性,但是监测覆盖区域有限,不适用于大范围的温度监测。目前获取地表温度的主要方法是通过热红外遥感技术,热红外遥感数据可以获取大范围的地表温度,这对地表能量传递过程的研究和热环境研究提供了新的数据来源,但是现有的传感器获取的地表温度产品存在着严重的时空矛盾,极大限制了地表温度产品的应用,因此提高现有温度产品分辨率的问题亟待解决。
尺度转换是指将某一个尺度上所获得的信息和知识扩展到其他尺度上的过程,将低分辨率的地表温度数据与高分辨率的其他遥感数据结合应用,可以得到高分辨率的地表温度数据。空间降尺度是通过提高影像的空间分辨率来提升资源环境监测的精度,从而有助于更好的利用地表信息。因此有必要加强对热红外遥感数据降尺度的研究,从而得到高时间分辨率且具有更多空间细节信息的地表温度产品,以满足高时空分辨率地表温度的应用需求。
地表温度降尺度方法已有部分研究成果,目前研究降尺度的方法大部分都是基于统计模型建立的,即建立地表温度与不同遥感指数之间的统计关系,然后根据高空间分辨率的遥感指数数据实现地表温度的降尺度。在基于统计回归的降尺度研究中,遥感指数的选取应参考与地表温度存在有相关关系的生物物理变量,比如植被覆盖、土壤湿度状况等。不同类型的遥感指数可以用来表达不同下垫面区域内地表温度的变化情况。前人已经提出了众多较为成熟的遥感指数,例如用植被指数SAVI、建筑指数NDBI和水体指数NDWI来表征植被区、建筑区和水体区,并且都取得了较高的降尺度精度。但就干旱区沙漠地表的降尺度研究,仍缺乏相应的遥感指数,而现有的遥感因子又对沙漠光谱特性不够敏感,不易将沙漠与其他地物区分,对沙漠等高温地区温度估计不准确,导致在该下垫面类型上的降尺度精度要远小于在植被区域的精度。因此,传统方法在干旱沙漠区域的降尺度,精度低,无法满足应用的需求。
发明内容
发明目的:本发明目的是提供一种精度高的基于新型沙漠指数的遥感地表温度空间降尺度方法。
发明内容:为了解决上述技术问题,本发明提出一种基于归一化沙漠指数的遥感地表温度空间降尺度方法,包括以下步骤:
a、获取晴空条件下覆盖研究区范围的多光谱和热红外遥感影像,并进行预处理;
b、将多光谱反射率影像与热红外影像通过聚合的方法升尺度到同一低分辨率,以多光谱反射率影像来构造一种新型的干旱指数来表征沙漠类地表;
c、对经过预处理的热红外遥感影像,利用温度反演算法进行温度反演,得到研究区内的地表温度;
d、以新型的干旱指数、植被指数、建筑指数和水体指数作为尺度因子,以随机森林回归算法建立地表温度降尺度模型,该模型不再依赖于地表覆盖类型数据,利用该模型对研究区进行降尺度实验,得到研究区的高分辨率的地表温度影像;
e、利用地面站点实测温度数据和与降尺度结果同分辨率的地表温度数据对降尺度结果进行精度评价。
步骤a中的预处理为对原始遥感影像的多光谱和热红外影像进行校正,并将预处理得到的多光谱反射率影像重采样至与热红外遥感影像相同的分辨率,且统一裁剪至同一研究区域。
基于多光谱中的蓝波段与红波段反射率对沙地响应具有很大不同,而对于其他地物的响应几乎不变的特性,步骤b中的新型的干旱指数为归一化沙漠指数NDSI,ρR为红波段的反射率,ρB为蓝波段的反射率,则
步骤d中还包括对建立降尺度模型过程中存在的回归残差进行修正,即对降尺度结果进行残差修正,利用已建立好的、不再依赖于地表覆盖类数据的地表温度降尺度模型模拟出低分辨率的地表温度,与原始的地表温度之间的偏差即为回归残差,将此残差加入到降尺度结果中得到修正后的降尺度结果。
步骤e中决定系数R2和均方根误差RMSE指标综合考察降尺度结果精度,LSTj′为地表温度降尺度结果影像上第j个像元的温度值,LSTj为地表温度验证影像上第j个像元的温度值,为地表温度验证值的平均值,N为影像总像元数,则
有益效果:本发明和现有技术相比,具有如下显著性特点:本发明根据多光谱中的蓝波段与红波段反射率对沙地响应具有很大不同,而对于其他地物的响应几乎不变的特性,构造出一种归一化沙漠指数NDSI,该指数可以准确表达地表温度在沙漠区域的变化情况,并且易于将沙漠与裸土、植被、水体等其他地物类型区分开来,将该指数作为尺度因子参与到降尺度模型NDSI-RF构建当中,有利于有效提高在沙漠区域的降尺度精度,并且所构建的降尺度模型NDSI-RF不再依赖于地表覆盖类型数据,使得本发明的方法NDSI-RF在地表覆盖复杂的干旱区域也具有良好的适用性。
附图说明
图1是本发明的工作流程图;
图2是本发明的不同地物的光谱响应曲线;
图3是本发明的研究区范围及站点位置图;
图4是本发明的尺度因子空间分布图,其中图4(a)为本发明提出的归一化沙漠指数NDSI,图4(b)为建筑指数NDBI,图4(c)为水体指数NDWI,图4(d)为植被指数SAVI;
图5是本发明的反演温度与降尺度结果空间分布图,其中图5(a)位反演的地表温度810m,图5(b)为降尺度结果270m;
图6是本发明的降尺度结果与反演的270m分辨率地表温度之间的相关性散点图;
图7是本发明的降尺度结果的误差概率密度图;
图8是本发明的降尺度结果的误差空间分布图;
图9是本发明的降尺度结果与站点温度之间的相关性散点图;
图10是本发明的不同降尺度方法结果对比图,其中图10(a)为反演温度270m,图10(b)为DisTrad方法降尺度结果270m,图10(c)为TsHARP方法降尺度结果270m,图10(d)为本发明降尺度方法NDSI-RF降尺度结果270m;
图11是本发明提供的不同降尺度方法与反演温度之间的的相关性散点图:其中图11(a)为本发明降尺度方法NDSI-RF,图11(b)为DisTrad降尺度方法,图11(c)为TsHARP降尺度方法;
图12是本发明提供的不同降尺度方法与站点温度之间的的相关性散点图:其中图12(a)为本发明降尺度方法NDSI-RF,图12(b)为DisTrad降尺度方法,图12(c)为TsHARP降尺度方法。
具体实施方式
基于归一化沙漠指数的遥感地表温度空间降尺度方法具体包括以下步骤:
步骤1:获取遥感数据及预处理。获取晴空条件下覆盖研究区范围的多光谱和热红外遥感影像,并进行预处理。所采用的预处理主要包括影像的校正、裁剪、重采样等操作。对原始遥感影像的多光谱和热红外影像进行校正,并将预处理得到的多光谱反射率影像重采样至与热红外遥感影像相同的分辨率,且统一裁剪至同一研究区域。
步骤2:构造新型遥感沙漠指数-归一化沙漠指数NDSI。遥感指数是由单个或多个可见光近红外波段、短波红外波段组合衍生出来的,不同类型的遥感指数可以用来表达不同地表覆盖类型区域内地表温度的变化情况。在ENVI中的ASTER光谱库中有数百种物质的光谱特征,可以用来作为甄别不同物质的参考。本发明在ASTER光谱库中分析了沙子、草地、土壤、城市住宅区和水体的光谱特征曲线,如图2所示。从图中可以看出,沙土的反射率在波长为0.43μm(蓝波段)的位置处于最小值,其他物质在这个位置也同样处于最小值。在0.64-0.67μm(红波段)位置,沙土的反射率上升到了约0.4的位置,而其他地物的反射率近乎没有变化。这种强烈的差异对比,可以将沙土与其他地物明显的区分开来。本发明基于此特性来构造一种归一化沙漠指数NDSI来表征沙漠地表的温度变化。首先将多光谱反射率影像与热红外遥感影像通过聚合的方法升尺度至同一低分辨率,而后利用升尺度前和升尺度后的多光谱反射率影像来计算此归一化沙漠指数,最后将其作为尺度因子参与到降尺度模型构建中来。
式中,ρR和ρB分别表示红波段和蓝波段的反射率。
步骤3:地表温度反演。对经过预处理的热红外遥感影像,利用温度反演算法进行温度反演得到研究区内的地表温度。
步骤4:基于新型遥感沙漠指数的地表温度降尺度模型构建及降尺度实验。以步骤2中构造出的归一化沙漠指数NDSI连同植被指数SAVI、建筑指数NDBI和水体指数NDWI作为尺度因子。利用随机森林回归算法建立步骤3,反演得到的地表温度与尺度因子之间降尺度模型NDSI-RF,如公式(2)所示,此模型不再以地表覆盖类型数据作为输入。将步骤2中得到的高分辨的尺度因子代入到构建的降尺度模型NDSI-RF中进行研究区降尺度实验,得到研究区域内高分辨率的地表温度影像,如公式(3)所示,但在建立模型过程中还存在一定的残差,需要对降尺度结果进行残差修正。根据公式(4)可以得到残差ΔT,残差ΔT即为降尺度前的地表温度LSTL与由降尺度模型NDSI-RF模拟得到的低分辨率地表温度LSTL′之间的差异。根据公式(5)将此残差ΔT应用到降尺度后的地表温度影像上,得到最终的降尺度结果LSTH。
LSTL′=f(NDSIL,SAVIL,NDBIL,NDWIL) (2)
LSTH′=f(NDSIH,SAVIH,NDBIH,NDWIH) (3)
ΔT=LSTL′-LSTL (4)
LSTH=LSTH′+ΔT (5)
式中,下标L表示低分辨率下的变量;LSTL′表示由降尺度模型模拟得到的低分辨率地表温度;f表示降尺度模型。下标H表示高分辨率下的变量;LSTH′表示由降尺度模型模拟得到的高分辨率地表温度。
步骤5:精度评价。利用地面站点实测温度数据和与降尺度结果同分辨率的地表温度数据对降尺度结果进行精度评价,利用决定系数R2和均方根误差RMSE指标综合考察降尺度结果精度。
上式中,LSTj′表示地表温度降尺度结果影像上第j个像元的温度值,LSTj为地表温度验证影像上第j个像元的温度值,为地表温度验证值的平均值,N为影像总像元数。
如图3所示,本实施例中以张掖地区为例,对张掖地区的Landsat 8遥感影像进行降尺度实验,本实施例的实施流程如图1所示,具体包括以下步骤:
步骤1:获取2013年7月21日张掖市及周边范围内的Landsat 8多光谱和热红外遥感影像,并进行预处理。所采用的预处理主要包括影像的校正、裁剪、重采样等操作。运用遥感软件ENVI对遥感影像进行一系列的预处理,将预处理后得到的30m分辨率的多光谱反射率影像和100m热红外影像分别利用聚合平均的方式重采样至270m和810m分辨率,并将270m和810m两种分辨率的多光谱遥感影像和热红外影像统一裁剪至同一研究区域。
步骤2:构造新型遥感沙漠指数NDSI。利用步骤1中得到的张掖地区270m和810m两种分辨率下的Landsat 8多光谱反射率影像中的蓝波段和红波段来构造一种新型的沙漠指数NDSI,以其来表征沙漠区域的地表温度变化。图4(a)中即为本发明提出的新型沙漠指数NDSI。从图中可以看出,位于实验区西北位置的戈壁、西南位置的荒漠和东南位置的沙漠,在本发明提出的新型沙漠指数NDSI影像上表现为值大于0.25区域范围,并且从目视上,本发明构造的这种新型沙漠指数NDSI不仅能准确地表达出沙漠区域,而且也能明显的将沙漠与其他类型的地表给区分开来。
步骤3:地表温度反演。本发明利用Ren等在2017年提出的地表发射率估算法,如公式(8)所示,来改进单窗反演算法,以提高其对本研究区内沙漠区域的发射率估算精度,进而提高其在研究区沙漠区域的地表温度反演精度。利用上述改进的单窗反演算法对270m和810m分辨率的Landsat 8热红外影像进行温度反演分别得到研究区内270m和810m两种分辨率的地表温度影像。
ε=c+∑aλ·ρλ (8)
式中,ρλ表示波段反射率;aλ、c分别表示转换系数和常数项。该算法中通过利用Landsat数据的6个波段的反射率来估算裸土区域的发射率。aλ、c利用ASTER光谱库中27种不同的裸土样本的发射率和反射率回归得到。
步骤4:基于新型遥感沙漠指数的地表温度降尺度模型构建及降尺度实验。以步骤2中获得的810m分辨率的新型沙漠指数NDSI连同810m分辨率的NDBI、NDWI和SAVI作为尺度因子,其空间分布如图4所示。利用随机森林回归算法建立步骤3反演得到的地表温度与尺度因子之间的降尺度模型NDSI-RF,构建的此模型不再需要以地表覆盖类型数据作为输入数据。将270m分辨率的新型沙漠指数NDSI以及NDBI、NDWI和SAVI代入到构建的降尺度模型NDSI-RF中进行降尺度实验,得到张掖地区270m分辨率的地表温度影像。但在建立回归模型过程中存在一定的回归残差,需要对降尺度结果进行残差修正。
对于残差修正,首先利用降尺度模型NDSI-RF模拟出810m分辨率的地表温度,通过模拟的810m分辨率的地表温度与反演的810m分辨率的地表温度可求得降尺度模型的残差,将此残差加入到降尺度后的地表温度影像上,得到最终的降尺度结果,如图5所示。图5(a)表示反演的地表温度(810m)。图5(b)表示降尺度后的地表温度(270m)从图5(b)中可以看出,降尺度后的温度影像基本保留了图5(a)的温度特征,整体温度空间分布与降尺度之前分布相一致,温度空间变化趋势相同。利用提出的新型遥感沙漠指数NDSI而构建的降尺度模型NDSI-RF,一方面不在依赖于地表覆盖类型数据,另一方面,降尺度后的地表温度影像所表现出的温度细节信息更加丰富,反映出了不同地物之间的温度差异以及相同地物之间的细节信息。比如中部植被区和东南部沙漠区域降尺度后所表现出的温度细节相对于降尺度之前更加丰富,并且消除了降尺度之前影像上的马赛克效应。
步骤5:精度评价。利用反演得到的270m分辨率的地表温度和地面站点实测温度数据对降尺度结果进行精度评价,利用R2和RMSE指标综合考察降尺度结果精度,图6~图12为降尺度精度评价结果图。图6为降尺度结果与反演的270m分辨率的地表温度之间的相关性散点图。图6中横坐标表示本发明降尺度方法得到的270m分辨率的地表温度(单位:K),纵坐标表示反演得到的270m分辨率的地表温度(单位:K);图例中“LST”表示地表温度。从图中可以看出,利用提出的新型遥感沙漠指数而构建的降尺度模型,其降尺度结果与反演温度之间的R2达到了0.9以上,并且均方根误差也较小,约为1.2K。图7与图8为降尺度结果与反演温度(270m)之间的误差概率密度图和误差空间分布图,从图中可以看出本发明方法的降尺度结果误差集中在[-1,1)内,位于该误差区间内的像元数约占总像元数目的75%,精度较高。图9为地面站点的温度数据与降尺度结果的散点图,可以看出降尺度结果与地面站点温度十分接近,降尺度效果明显。图10和图11分别为利用不同的经典的降尺度方法所得到的降尺度结果与反演的地表温度之间的对比图和相关性散点图,图12为不同降尺度方法的降尺度结果与站点温度之间的相关性散点图。从图11与图12中可以发现,与其他降尺度方法相比,本发明的降尺度方法NDSI-RF的降尺度结果在具有最大R2的同时,又具有最小的RMSE,说明本发明的降尺度方法无论是降尺度效果还是降尺度精度均优于其它降尺度方法。
从精度评价的结果可以看出,无论是地面站点的直接验证,还是与反演温度之间的间接验证,利用提出的新型遥感沙漠指数而构建的降尺度模型,一方面不再依赖于地表覆盖类数据,另一方面,其降尺度精度最高,尤其是在沙漠区域的温度更加接近真实地面温度。与其它降尺度方法相比,本发明降尺度方法的各项精度评价指标均优于其它方法,精度最高。
Claims (5)
1.一种基于归一化沙漠指数的遥感地表温度空间降尺度方法,其特征在于包括以下步骤:
(a)获取晴空条件下覆盖研究区范围的多光谱和热红外遥感影像,并进行预处理;
(b)将多光谱反射率影像与热红外影像通过聚合的方法升尺度到同一低分辨率,以多光谱反射率影像来构造一种新型的干旱指数来表征沙漠类地表;
(c)对经过预处理的热红外遥感影像,利用温度反演算法进行温度反演,得到研究区内的地表温度;
(d)以新型的干旱指数、植被指数、建筑指数和水体指数作为尺度因子,以随机森林回归算法建立地表温度降尺度模型,对研究区进行降尺度实验,得到研究区的高分辨率的地表温度影像;
(e)利用地面站点实测温度数据和与降尺度结果同分辨率的地表温度数据对降尺度结果进行精度评价。
2.根据权利要求1所述的基于归一化沙漠指数的遥感地表温度空间降尺度方法,其特征在于:所述步骤(a)中的预处理为对原始遥感影像的多光谱和热红外影像进行校正,并将预处理得到的多光谱反射率影像重采样至与热红外遥感影像相同的分辨率,且统一裁剪至同一研究区域。
3.根据权利要求1所述的基于归一化沙漠指数的遥感地表温度空间降尺度方法,其特征在于:所述步骤(b)中的新型的干旱指数为归一化沙漠指数NDSI,ρR为红波段的反射率,ρB为蓝波段的反射率,则
4.根据权利要求1所述的基于归一化沙漠指数的遥感地表温度空间降尺度方法,其特征在于:所述步骤(d)中还包括对建立降尺度模型过程中存在的回归残差进行修正,即对降尺度结果进行残差修正,利用已建立好的、不再依赖于地表覆盖类数据的地表温度降尺度模型模拟出低分辨率的地表温度,与原始的地表温度之间的偏差即为回归残差,将此残差加入到降尺度结果中得到修正后的降尺度结果。
5.根据权利要求1所述的基于归一化沙漠指数的遥感地表温度空间降尺度方法,其特征在于:所述步骤(e)中决定系数R2和均方根误差RMSE指标综合考察降尺度结果精度,LSTj′为地表温度降尺度结果影像上第j个像元的温度值,LSTj为地表温度验证影像上第j个像元的温度值,为地表温度验证值的平均值,N为影像总像元数,则
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810454339.7A CN108896185B (zh) | 2018-05-14 | 2018-05-14 | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810454339.7A CN108896185B (zh) | 2018-05-14 | 2018-05-14 | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108896185A true CN108896185A (zh) | 2018-11-27 |
CN108896185B CN108896185B (zh) | 2020-10-16 |
Family
ID=64342926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810454339.7A Active CN108896185B (zh) | 2018-05-14 | 2018-05-14 | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108896185B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210004A (zh) * | 2019-06-05 | 2019-09-06 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发降尺度方法及装置 |
CN110319938A (zh) * | 2019-06-26 | 2019-10-11 | 西安空间无线电技术研究所 | 一种高空间分辨率地表温度生成方法 |
CN110440722A (zh) * | 2019-08-20 | 2019-11-12 | 福州大学 | 一种适于无中红外数据的建筑指数构建方法 |
CN111310309A (zh) * | 2020-01-20 | 2020-06-19 | 中国矿业大学 | 一种基于无人机热红外影像温度反演校正方法 |
CN113076796A (zh) * | 2021-02-08 | 2021-07-06 | 中国科学院地理科学与资源研究所 | 喀斯特石漠化的遥感制图方法及装置 |
CN113643409A (zh) * | 2021-08-24 | 2021-11-12 | 中国农业大学 | 植被生产速率的表征方法、装置以及存储介质 |
CN113779863A (zh) * | 2021-08-02 | 2021-12-10 | 中国农业科学院农业资源与农业区划研究所 | 一种基于数据挖掘的地表温度降尺度方法 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114418911A (zh) * | 2021-12-27 | 2022-04-29 | 北京师范大学 | 一种对遥感影像统计回归降尺度并提高水体清晰度的方法 |
CN114818386A (zh) * | 2022-06-20 | 2022-07-29 | 中国农业科学院农业资源与农业区划研究所 | 一种顾及温度滞后性效应的地表温度角度归一化方法 |
CN115270638A (zh) * | 2022-08-11 | 2022-11-01 | 北华航天工业学院 | 一种城市热环境降尺度时空分析与预测方法及系统 |
CN116050567A (zh) * | 2022-10-31 | 2023-05-02 | 北华航天工业学院 | 一种城市热环境的时空降尺度变化分析方法 |
CN117540530A (zh) * | 2023-10-10 | 2024-02-09 | 二十一世纪空间技术应用股份有限公司 | 一种基于高分辨率卫星影像的城市地表温度降尺度方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799561A (zh) * | 2010-02-05 | 2010-08-11 | 民政部国家减灾中心 | 一种基于减灾小卫星的雪灾遥感监测模拟评估方法 |
CN103439297A (zh) * | 2013-09-05 | 2013-12-11 | 太原理工大学 | 一种荒漠草原绿色植物鲜重遥感估算方法 |
CN106290197A (zh) * | 2016-09-06 | 2017-01-04 | 西北农林科技大学 | 水稻叶片全氮含量高光谱估测及估测模型构建方法 |
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
-
2018
- 2018-05-14 CN CN201810454339.7A patent/CN108896185B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799561A (zh) * | 2010-02-05 | 2010-08-11 | 民政部国家减灾中心 | 一种基于减灾小卫星的雪灾遥感监测模拟评估方法 |
CN103439297A (zh) * | 2013-09-05 | 2013-12-11 | 太原理工大学 | 一种荒漠草原绿色植物鲜重遥感估算方法 |
CN106290197A (zh) * | 2016-09-06 | 2017-01-04 | 西北农林科技大学 | 水稻叶片全氮含量高光谱估测及估测模型构建方法 |
CN106650689A (zh) * | 2016-12-30 | 2017-05-10 | 厦门理工学院 | 一种沿海城市时间序列土地利用信息提取方法 |
CN107748736A (zh) * | 2017-10-13 | 2018-03-02 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210004B (zh) * | 2019-06-05 | 2020-10-16 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发降尺度方法及装置 |
CN110210004A (zh) * | 2019-06-05 | 2019-09-06 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发降尺度方法及装置 |
CN110319938A (zh) * | 2019-06-26 | 2019-10-11 | 西安空间无线电技术研究所 | 一种高空间分辨率地表温度生成方法 |
CN110319938B (zh) * | 2019-06-26 | 2020-10-20 | 西安空间无线电技术研究所 | 一种高空间分辨率地表温度生成方法 |
CN110440722B (zh) * | 2019-08-20 | 2021-07-13 | 福州大学 | 一种适于无中红外数据的建筑指数构建方法 |
CN110440722A (zh) * | 2019-08-20 | 2019-11-12 | 福州大学 | 一种适于无中红外数据的建筑指数构建方法 |
CN111310309A (zh) * | 2020-01-20 | 2020-06-19 | 中国矿业大学 | 一种基于无人机热红外影像温度反演校正方法 |
CN113076796B (zh) * | 2021-02-08 | 2022-09-23 | 中国科学院地理科学与资源研究所 | 喀斯特石漠化的遥感制图方法及装置 |
CN113076796A (zh) * | 2021-02-08 | 2021-07-06 | 中国科学院地理科学与资源研究所 | 喀斯特石漠化的遥感制图方法及装置 |
CN113779863B (zh) * | 2021-08-02 | 2022-08-09 | 中国农业科学院农业资源与农业区划研究所 | 一种基于数据挖掘的地表温度降尺度方法 |
CN113779863A (zh) * | 2021-08-02 | 2021-12-10 | 中国农业科学院农业资源与农业区划研究所 | 一种基于数据挖掘的地表温度降尺度方法 |
CN113643409B (zh) * | 2021-08-24 | 2022-03-18 | 中国农业大学 | 植被生产速率的表征方法、装置以及存储介质 |
CN113643409A (zh) * | 2021-08-24 | 2021-11-12 | 中国农业大学 | 植被生产速率的表征方法、装置以及存储介质 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114417092B (zh) * | 2021-11-09 | 2023-06-27 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114418911A (zh) * | 2021-12-27 | 2022-04-29 | 北京师范大学 | 一种对遥感影像统计回归降尺度并提高水体清晰度的方法 |
CN114818386A (zh) * | 2022-06-20 | 2022-07-29 | 中国农业科学院农业资源与农业区划研究所 | 一种顾及温度滞后性效应的地表温度角度归一化方法 |
CN114818386B (zh) * | 2022-06-20 | 2022-10-14 | 中国农业科学院农业资源与农业区划研究所 | 一种顾及温度滞后性效应的地表温度角度归一化方法 |
CN115270638A (zh) * | 2022-08-11 | 2022-11-01 | 北华航天工业学院 | 一种城市热环境降尺度时空分析与预测方法及系统 |
CN115270638B (zh) * | 2022-08-11 | 2024-02-06 | 北华航天工业学院 | 一种城市热环境降尺度时空分析与预测方法及系统 |
CN116050567A (zh) * | 2022-10-31 | 2023-05-02 | 北华航天工业学院 | 一种城市热环境的时空降尺度变化分析方法 |
CN116050567B (zh) * | 2022-10-31 | 2023-12-15 | 北华航天工业学院 | 一种城市热环境的时空降尺度变化分析方法 |
CN117540530A (zh) * | 2023-10-10 | 2024-02-09 | 二十一世纪空间技术应用股份有限公司 | 一种基于高分辨率卫星影像的城市地表温度降尺度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108896185B (zh) | 2020-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108896185A (zh) | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 | |
CN107748736A (zh) | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 | |
Weng et al. | Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies | |
Yang et al. | Estimation of subpixel land surface temperature using an endmember index based technique: A case examination on ASTER and MODIS temperature products over a heterogeneous area | |
Li et al. | Using Landsat ETM+ imagery to measure population density in Indianapolis, Indiana, USA | |
Ren et al. | Developing a rapid method for 3-dimensional urban morphology extraction using open-source data | |
Chen et al. | Land use and land cover change detection using satellite remote sensing techniques in the mountainous Three Gorges Area, China | |
CN102034337B (zh) | 草原雪灾遥感监测与灾情评估系统及方法 | |
CN105608293A (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
Piyoosh et al. | Semi-automatic mapping of anthropogenic impervious surfaces in an urban/suburban area using Landsat 8 satellite data | |
CN102354328A (zh) | 全球陆表的lai产品反演方法及系统 | |
CN110186851A (zh) | 一种基于半监督自编码分析的高光谱影像土壤重金属浓度评估方法 | |
Ezimand et al. | Analyzing the effects of 2D and 3D urban structures on LST changes using remotely sensed data | |
Lemercier et al. | Multiscale evaluations of global, national and regional digital soil mapping products in France | |
Wang et al. | Deep segmentation and classification of complex crops using multi-feature satellite imagery | |
Wu et al. | Seasonal sensitivity analysis of impervious surface estimation with satellite imagery | |
Myint et al. | Examining lacunarity approaches in comparison with fractal and spatial autocorrelation techniques for urban mapping | |
Farifteh | Interference of salt and moisture on soil reflectance spectra | |
Xi et al. | Quantifying understory vegetation density using multi-temporal Sentinel-2 and GEDI LiDAR data | |
Novoa et al. | Quality assessment from a hydrological perspective of a digital elevation model derived from WorldView-2 remote sensing data | |
Chowdhury et al. | Application of remote sensing and GIS in groundwater studies: an overview | |
Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
Parmar et al. | Land use land cover change detection and its impact on land surface temperature of malana watershed kullu, Himachal Pradesh, India | |
Ma et al. | Quantitative analysis of land surface temperature-vegetation indexes relationship based on remote sensing | |
Sallam et al. | Application of Remote Sensing and Geo-Statistical Analysis for Soil Salinity Monitoring in Tina Plain Area of Egypt |
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 |