CN109297605B - 一种基于中红外与热红外数据的地表温度反演方法 - Google Patents

一种基于中红外与热红外数据的地表温度反演方法 Download PDF

Info

Publication number
CN109297605B
CN109297605B CN201811172976.1A CN201811172976A CN109297605B CN 109297605 B CN109297605 B CN 109297605B CN 201811172976 A CN201811172976 A CN 201811172976A CN 109297605 B CN109297605 B CN 109297605B
Authority
CN
China
Prior art keywords
data
surface temperature
temperature inversion
algorithm
inversion algorithm
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
CN201811172976.1A
Other languages
English (en)
Other versions
CN109297605A (zh
Inventor
郑逸童
任华忠
董家集
郭金鑫
胡兴帮
陈姗姗
聂婧
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.)
Peking University
Original Assignee
Peking University
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 Peking University filed Critical Peking University
Priority to CN201811172976.1A priority Critical patent/CN109297605B/zh
Publication of CN109297605A publication Critical patent/CN109297605A/zh
Application granted granted Critical
Publication of CN109297605B publication Critical patent/CN109297605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01J5/48—Thermography; Techniques using wholly visual means
    • 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)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种基于中红外与热红外数据的地表温度反演方法，其步骤包括：1)模拟不同大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；2)根据大气柱水汽含量、云顶亮温和观测角度将所述模拟数据集中的模拟数据划分至若干子区间；3)结合劈窗算法原理分别构建日间数据、夜间数据的地表温度反演算法；4)利用日间数据的地表温度反演算法与夜间数据的地表温度反演算法计算待处理的实际遥感影像，根据实际遥感影像各像元的水汽含量、云顶亮温与观测角度所对应子区间选择对应的地表温度反演算法系数，然后结合地表分类产品得到实际遥感影像的地表发射率，获取地表温度反演结果。本发明能获取高精度的地表温度。

Description

一种基于中红外与热红外数据的地表温度反演方法
技术领域
本发明属于定量遥感反演的技术领域，特别涉及一种基于Sentinel-3A日夜中红外与热红外数据反演地表温度的方法。
背景技术
地表温度(Land surface temperature，LST)是地面与大气相互作用过程中的一个关键参数，在农业、气象、环境、生态等众多领域有广泛的应用，对地气的能量和物质交换、气象预测、全球水循环、气候变化等模型研究有重要意义。由于地表温度的时空分布情况相当复杂，常规的地面观测在实际中难以大范围获取地表温度，从而卫星遥感数据成为获取较高时空分辨率的全球尺度地表温度的唯一途径。
现有地表温度反演方法主要使用热红外(Thermal infrared，TIR)波段数据，而利用中红外(Middle infrared，MIR)波段数据的反演方法寥寥无几。与热红外数据相比，中红外数据同样能够记录地表热辐射信息，具备地表温度反演的条件，但对于白天的观测数据，中红外通道的辐射能量受到太阳辐射和地表辐射的共同影响，且二者强耦合于一体，难以分离，反演地表温度必须消除太阳辐射的影响，从而增加了反演的难度与挑战性。然而中红外数据具有大气透过率较高、对发射率敏感性较低的优势。相关研究发现，热红外数据反演地表温度的结果对发射率的敏感性约为中红外数据的两倍，0.02的发射率误差对反演结果的影响在8μm处约为1K，而在4μm处约为0.5K。利用中红外数据的优势，可以提高地表温度的反演精度。
欧空局于2016年初发射的Sentinel-3A卫星搭载了新一代沿轨扫描辐射计，设置了一个中红外通道(第7通道)与两个热红外通道(第8和第9通道)，其波段设置为地表温度反演方法提供了新的思路。如何充分利用中红外与热红外通道的优势与特点，构建一种针对Sentinel-3A日夜中红外与热红外数据的高精度地表温度反演方法，具有十分重要的意义。
发明内容
本发明要解决的技术问题是如何充分利用中红外与热红外数据的优势与特点，结合二者获取精度较高的地表温度。
为解决上述技术问题，本发明基于Sentinel-3A中红外与热红外数据发展了一种新型地表温度反演方法，用于获取高精度的地表温度，实现步骤如下：
步骤(1)：从TIGR大气数据库中选取全球范围内晴空条件下的946条大气廓线，提取每条廓线逐层的温湿压以及整体的大气柱水汽含量(Column water vapor，CWV)等大气信息。从ASTER与UCSB地物光谱数据库中选取60种典型地物光谱，结合Sentinel-3A的光谱响应函数，获取其60种典型地物在中红外与热红外通道的地表发射率。基于辐射传输方程，以大气廓线信息为驱动，利用大气传输模型MODTRAN模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成具有代表性的模拟数据集。
输入：TIGR大气数据库、ASTER与UCSB地物光谱数据库、Sentinel-3A中红外与热红外通道的光谱响应函数。
输出：不同的大气、地表与观测角度组合条件下各通道的云顶亮温，生成模拟数据集。
步骤(2)：基于步骤(1)生成的模拟数据集，根据大气柱水汽含量、云顶亮温和观测角度将模拟数据划分至若干子区间，即大气柱水汽含量、云顶亮温和观测角度构成一组参数，每一组参数对应一子区间(即一数据子集)。结合劈窗算法的基本原理，分别构建日间与夜间数据的地表温度反演算法。其中，日间数据的地表温度反演算法仅使用热红外数据(包括热红外通道的云顶亮温与发射率数据)，夜间数据的地表温度反演算法使用中红外与热红外数据。
输入：步骤(1)中获取的模拟数据集。
输出：不同的大气水汽含量、亮温和观测角度子区间对应的日间与夜间劈窗算法系数及其算法误差。
步骤(3)：将日间与夜间劈窗算法应用于实际的遥感影像，获取各像元的实际水汽含量、亮温与观测角度，结合前文划分的子区间，判断实际情况所在区间并选择对应的劈窗算法系数，结合由地表分类产品得到的地表发射率，获取地表温度反演结果。
输入：Sentinel-3A遥感影像、地表分类产品。
输出：地表温度反演结果。
本发明还提供实现上述方法的系统，包括模拟数据集生成模块、反演算法构建模块、实际数据输入模块和计算输出模块，各模块功能如下。
模拟数据集生成模块：用于模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；
反演算法构建模块：用于结合劈窗算法原理分别构建日间数据的地表温度反演算法、夜间数据的地表温度反演算法，计算不同子区间对应的日间数据的地表温度反演算法系数及其误差、夜间数据的地表温度反演算法系数及其误差；
实际数据输入模块：用于输入地表温度反演所需的实际数据，包括实际遥感影像以及各像元的大气柱水汽含量和地表发射率；
计算输出模块：通过影像成像时间、大气水汽含量、云顶亮温与观测角度确定劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。
与现有技术相比，本发明的优点在于：
(1)区别于传统劈窗通道的使用，将中红外数据引入夜间地表温度反演劈窗算法中，为中红外数据在温度反演方面的应用提供了新的思路及支持。
(2)充分利用中红外与热红外数据各自的优势与特点，在一定程度上提高了地表温度的反演精度，尤其在高水汽条件下，中红外数据的引入对反演结果的精度有明显改善。
附图说明
图1为本发明的总体系统结构示意图。
图2为本发明地表温度反演算法的具体技术流程图。
图3为本发明在各水汽区间对应的反演算法残差直方图(以垂直观测为例)：
(a)日间算法，CWV∈[0,2.5]；(b)夜间算法，CWV∈[0,2.5]；
(c)日间算法，CWV∈[2,3.5]；(d)夜间算法，CWV∈[2,3.5]；
(e)日间算法，CWV∈[3,4.5]；(f)夜间算法，CWV∈[3,4.5]；
(g)日间算法，CWV∈[4,5.5]；(h)夜间算法，CWV∈[4,5.5]；
(i)日间算法，CWV∈[5,6.5]；(j)夜间算法，CWV∈[5,6.5]。
具体实施方式
以下结合附图1、2和具体实施例对本发明作进一步描述。
图1展示了本发明的总体系统结构示意图，该反演系统包括模拟数据集生成模块、反演算法构建模块、实际数据输入模块和计算输出模块。模拟数据集生成模块的主要功能为模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；所述模拟数据集包括若干子区间，同一区间内的模拟数据具有相同区间范围的大气柱水汽含量、云顶亮温和相同的观测角度。反演算法构建模块的主要功能为结合劈窗算法原理分别构建日间数据和夜间数据的地表温度反演算法；其中日间数据的反演算法使用热红外数据，夜间数据的地表温度反演算法使用中红外与热红外数据。实际数据输入模块的主要功能为输入地表温度反演所需的实际数据，包括实际遥感影像以及各像元的大气柱水汽含量和地表发射率；其中，大气柱水汽含量通过Sentinel-3A湿度数据得到，地表发射率通过像元内的组分信息加权得到，组分比例通过结合地表分类产品与植被覆盖度获取，组分发射率由ASTER和UCSB地物光谱库中得到。计算输出模块的主要功能为通过影像成像时间、大气水汽含量、云顶亮温与观测角度确定相应的劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。
图2展示了本发明地表温度反演算法的具体技术流程，主要包括如下步骤：
(1)模拟数据集的生成
对于大气信息，本发明使用的是TIGR大气数据库的数据，其包含了从赤道到极地的全球范围内各种大气状况，共计2311条大气廓线。以相对湿度为参考，从其中筛选出晴空条件下的946条大气廓线(对于给定的大气廓线，如果廓线中某一层的相对湿度大于90％，则认为其受到云层干扰)，并提取其中的气温、气压、湿度等大气信息。对于地表信息，本发明从ASTER与UCSB地物光谱数据库中选取60种典型地物光谱，包括10种植被、20种土壤、20种岩石、5种水体和5种矿物，并结合Sentinel-3A的光谱响应函数，获取其在中红外与热红外通道的地表发射率。
以上述大气廓线信息为驱动，结合Sentinel-3A的光谱响应函数，利用大气传输模型MODTRAN模拟得到不同观测角度条件下中红外与热红外通道的大气上行辐射Ra↑、大气下行辐射Ra↓与大气上行透过率τ，结合通道发射率，通过式(1)的辐射传输方程得到大气层顶的亮温T：
B(T)＝[εB(Ts)+(1-ε)Ra↓]·τ+Ra↑ (1)
式中，B()表示普朗克函数，ε表示通道地表发射率，Ts表示地表温度。对于Ts，以大气廓线的底层温度T0为基础，考虑到日夜温度差异，日间以5K为间隔取T0-10K至T0+30K共9个等级，夜间取T0-20K至T0+10K共7个等级。同时，由于Sentinel-3A的幅宽较大(约1400km)，需要考虑不同观测角度对结果的影响，因此选取0°、15°、25°、35°和45°五个观测角度进行数据模拟。最终，日间算法得到共计2,554,200组模拟数据(946条大气廓线×60种地表发射率×9个地表温度×5个观测角度)，夜间算法得到共计1,986,600组模拟数据(946条大气廓线×60种地表发射率×7个地表温度×5个观测角度)。
(2)日夜劈窗算法的构建
基于上述模拟数据，根据劈窗算法的原理，充分考虑中红外与热红外数据的优势与特点，对日间与夜间观测数据分别构建不同形式的劈窗算法模型。对于日间数据，所用劈窗算法形式如下：
Figure BDA0001823009430000041
对于夜间数据，模型引入中红外通道：
Figure BDA0001823009430000042
式中，am和bn为模型系数(m＝0-7，n＝0-13)，可通过模拟数据回归分析得到；εij表示第i通道与第j通道发射率的平均值，Δεij表示第i通道与第j通道发射率的差值，Ti表示第i通道的云顶亮温(i,j＝7-9)。
为了确保地表温度的反演精度，利用模拟数据构建反演算法时，根据大气水汽含量、亮温与观测角度将模拟数据划分至若干子区间，通过回归分析分别获取各子区间的模型系数，最终得到模型系数查找表。为了最大可能的避免不同水汽区间造成反演结果的不连续性，各水汽区间设置了0.5g/cm2的重叠。以垂直观测为例，图3展示了不同水汽区间所对应反演算法的残差直方图。
(3)地表温度的反演与输出
将构建的反演算法应用于实际遥感影像。根据影像的成像时间与经纬度判断影像所在地为日间或夜间时刻，选择不同的反演模型；通过Sentinel-3A湿度数据得到各像元的大气柱水汽含量；通过像元内的组分信息加权得到像元地表发射率，其中组分比例通过结合地表分类产品与像元植被覆盖度获取，组分发射率由ASTER和UCSB地物光谱库中得到。最后综合影像各像元的大气柱水汽含量、云顶亮温与观测角度确定相应的劈窗算法系数，调用劈窗算法计算地表温度并输出反演结果。
以上实施方式仅用于说明本发明，而非对本发明的限制。尽管参照实施例对本发明进行了详细说明，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)

1.一种基于中红外与热红外数据的地表温度反演方法，其步骤包括：
1)模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；
2)根据大气柱水汽含量、云顶亮温和观测角度将所述模拟数据集中的模拟数据划分至若干子区间；
3)结合劈窗算法原理分别构建日间数据的地表温度反演算法、夜间数据的地表温度反演算法，计算不同子区间对应的日间数据的地表温度反演算法系数及其误差、夜间数据的地表温度反演算法系数及其误差；其中，日间数据的地表温度反演算法使用热红外数据，夜间数据的地表温度反演算法使用中红外与热红外数据；
4)利用日间数据的地表温度反演算法与夜间数据的地表温度反演算法计算待处理的实际遥感影像，根据实际遥感影像各像元的水汽含量、云顶亮温与观测角度所对应的子区间选择对应的地表温度反演算法系数，然后结合地表分类产品得到实际遥感影像对应的地表发射率，获取地表温度反演结果；
其中，所述日间数据的地表温度反演算法公式为：
Figure FDA0002269022340000011
Figure FDA0002269022340000012
所述夜间数据的地表温度反演算法公式为：
Figure FDA0002269022340000013
Figure FDA0002269022340000014
Figure FDA0002269022340000015
其中，am和bn为模型系数，m取值为0～7，n取值为0～13；εij表示第i通道与第j通道发射率的平均值，Δεij表示第i通道与第j通道发射率的差值，Ti表示第i通道的云顶亮温，i和j取值均为7～9。
2.如权利要求1所述的方法，其特征在于，生成所述模拟数据集的方法为：从TIGR大气数据库中选取全球范围内晴空条件下的M条大气廓线，提取每条大气廓线逐层的温湿压以及整体的大气柱水汽含量；从ASTER与UCSB地物光谱数据库中选取N种典型地物光谱，并结合Sentinel-3A的光谱响应函数，获取该N种典型地物在中红外与热红外通道的地表发射率；然后基于辐射传输方程，以大气廓线信息为驱动，利用大气传输模型MODTRAN模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成所述模拟数据集。
3.如权利要求2所述的方法，其特征在于，以大气廓线的底层温度T0为基础，日间以5K为间隔取T0-10K至T0+30K共9个等级，夜间取T0-20K至T0+10K共7个等级；选取0°、15°、25°、35°和45°五个观测角度进行数据模拟。
4.如权利要求2所述的方法，其特征在于，以相对湿度为参考，从其中筛选出晴空条件下的M条大气廓线；其中，对于给定的一条大气廓线，如果该大气廓线中任一层的相对湿度大于90％，则认为其不属于晴空条件下的M条大气廓线。
5.如权利要求1所述的方法，其特征在于，通过回归分析分别获取不同子区间对应的日间劈窗算法系数、夜间劈窗算法系数，最终得到系数查找表。
6.如权利要求1所述的方法，其特征在于，相邻子区间的水汽区间有部分重叠。
7.如权利要求6所述的方法，其特征在于，所述水汽区间的重叠部分为0.5g/cm2。
8.一种基于中红外与热红外数据的地表温度反演系统，其特征在于，包括模拟数据集生成模块、反演算法构建模块、实际数据输入模块和计算输出模块；其中：
模拟数据集生成模块，用于模拟不同的大气、地表与观测角度组合条件下中红外与热红外通道的云顶亮温，生成模拟数据集；所述模拟数据集包括若干子区间；
反演算法构建模块，用于结合劈窗算法原理分别构建日间数据的地表温度反演算法与夜间数据的地表温度反演算法，计算不同子区间对应的日间数据的地表温度反演算法系数及其误差、夜间数据的地表温度反演算法系数及其误差；所述日间数据的地表温度反演算法公式为：
Figure FDA0002269022340000021
Figure FDA0002269022340000022
所述夜间数据的地表温度反演算法公式为：
Figure FDA0002269022340000023
Figure FDA0002269022340000024
Figure FDA0002269022340000025
其中，am和bn为模型系数，m取值为0～7，n取值为0～13；εij表示第i通道与第j通道发射率的平均值，Δεij表示第i通道与第j通道发射率的差值，Ti表示第i通道的云顶亮温，i和j取值均为7～9；
实际数据输入模块，用于输入地表温度反演所需的实际数据，包括实际遥感影像以及各像元的大气柱水汽含量和地表发射率；
计算输出模块，通过遥感影像数据的成像时间、大气柱水汽含量、云顶亮温与观测角度确定劈窗算法系数，调用劈窗算法计算实际遥感影像对应的地表温度并输出反演结果；其中，劈窗算法包括日间数据的地表温度反演算法、夜间数据的地表温度反演算法；日间数据的地表温度反演算法使用热红外数据，夜间数据的地表温度反演算法使用中红外与热红外数据。
CN201811172976.1A 2018-10-09 2018-10-09 一种基于中红外与热红外数据的地表温度反演方法 Active CN109297605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811172976.1A CN109297605B (zh) 2018-10-09 2018-10-09 一种基于中红外与热红外数据的地表温度反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811172976.1A CN109297605B (zh) 2018-10-09 2018-10-09 一种基于中红外与热红外数据的地表温度反演方法

Publications (2)

Publication Number Publication Date
CN109297605A CN109297605A (zh) 2019-02-01
CN109297605B true CN109297605B (zh) 2020-02-11

Family

ID=65161858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811172976.1A Active CN109297605B (zh) 2018-10-09 2018-10-09 一种基于中红外与热红外数据的地表温度反演方法

Country Status (1)

Country Link
CN (1) CN109297605B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109632106B (zh) * 2019-01-03 2020-06-30 北京师范大学 一种遥感地表温度产品角度效应校正方法
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
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
CN112629666B (zh) * 2020-10-30 2021-12-07 中国矿业大学 一种适用于热红外无人机地表温度日变换模型构建方法
CN112816071B (zh) * 2021-01-06 2021-12-28 国家卫星气象中心(国家空间天气监测预警中心) 一种基于云顶高度算法的红外通道辐射稳定性监测方法
CN113408111B (zh) * 2021-06-01 2023-10-20 国家卫星气象中心(国家空间天气监测预警中心) 大气可降水量反演方法及系统、电子设备和存储介质
CN114169215B (zh) * 2021-08-06 2022-11-15 中国矿业大学(北京) 一种耦合遥感与区域气象模式的地表温度反演方法
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102789004B (zh) * 2012-07-20 2015-02-04 南京大学 夜间降雨率的卫星反演方法
US9878804B2 (en) * 2013-10-21 2018-01-30 Eric Olsen Systems and methods for producing temperature accurate thermal images
CN104502999B (zh) * 2014-12-10 2019-07-19 中国科学院遥感与数字地球研究所 一种基于静止卫星多通道数据的昼夜云检测方法与装置
CN106768393B (zh) * 2015-11-20 2019-03-22 北京大学 基于Landsat 8数据的海表温度反演方法及系统
CN107389198B (zh) * 2017-05-23 2019-09-20 三亚中科遥感研究所 一种基于辐射亮度的劈窗地表温度反演方法

Also Published As

Publication number Publication date
CN109297605A (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
CN109297605B (zh) 一种基于中红外与热红外数据的地表温度反演方法
Pahlevan et al. On-orbit radiometric characterization of OLI (Landsat-8) for applications in aquatic remote sensing
Ye et al. Land surface temperature estimate from Chinese Gaofen-5 satellite data using split-window algorithm
Ren et al. Improving land surface temperature and emissivity retrieval from the Chinese Gaofen-5 satellite using a hybrid algorithm
Wang et al. Consistent retrieval methods to estimate land surface shortwave and longwave radiative flux components under clear-sky conditions
CN108985959B (zh) 一种基于地表温度反演技术的小麦白粉病遥感监测方法
Gillespie et al. Residual errors in ASTER temperature and emissivity standard products AST08 and AST05
Sobrino et al. Canopy directional emissivity: Comparison between models
Cheng et al. Generating the 30-m land surface temperature product over continental China and USA from Landsat 5/7/8 data
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
Zhou et al. An improved temperature and emissivity separation algorithm for the advanced Himawari imager
CN108020322B (zh) 煤田火区的机载热红外高光谱遥感定量探测方法
Zhuge et al. Test of a modified infrared-only ABI cloud mask algorithm for AHI radiance observations
CN110866467A (zh) 一种航空中红外高光谱数据温度和发射率反演方法
Ye et al. Split-window algorithm for land surface temperature retrieval from Landsat-9 remote sensing images
CN113935956B (zh) 一种二向混合建模矿区土壤含水量数据缺失修复方法
CN114152350B (zh) 一种考虑城市三维几何结构影响的地表温度反演方法
CN112199634B (zh) 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
Zhang et al. Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements
Wang et al. Estimating high-resolution top of atmosphere albedo from Moderate Resolution Imaging Spectroradiometer data
CN114838827A (zh) 一种基于mersi-ⅱ遥感数据的地表温度反演通道选择方法
Ye et al. Land surface temperature retrieval based on thermal infrared channel decomposed split-window algorithm
Ye et al. A Modified Transfer-Learning-Based Approach for Retrieving Land Surface Temperature From Landsat-8 TIRS Data
Ye et al. Comparison of nighttime land surface temperature retrieval using mid-infrared and thermal infrared remote sensing data under different atmospheric water vapor conditions
Zhao et al. An operational land surface temperature retrieval methodology for Chinese second-generation Huanjing disaster monitoring satellite data

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