CN110659450B - 一种基于组分温度的地表温度角度归一化方法 - Google Patents

Abstract

本发明公开了一种基于组分温度的地表温度角度归一化方法，包括如下步骤：利用温度日变化模型描述植被和土壤的组分温度；结合方向性地表温度产品和方向性制备指数产品，构建混合像元地表温度模型；利用Bayesian优化算法求解混合像元地表温度模型，基于赤池信息量准则得到最佳邻域大小，获取植被和土壤的组分温度；利用双向反射分布函数得到参考方向上的植被覆盖度，将组分温度和植被覆盖度带入到混合像元地表温度模型，得到参考方向上的地表温度，从而完成角度归一化。本发明从地表温度的物理机理出发，从以往研究基于光照和阴影组分差异转换到基于植被和土壤组分差异，基于组分温度对地表温度进行高精度的角度归一化。

Description

一种基于组分温度的地表温度角度归一化方法

技术领域

本发明属于热红外遥感地表温度角度归一化技术领域，更具体的说是涉及一种基于组分温度的地表温度角度归一化方法。

背景技术

地表温度是区域和全球尺度上陆地表层系统过程中的关键参数，广泛应用于地表能量平衡、气候变化、资源环境监测，城市热岛研究等诸多领域。然而，大量的观测实验证明地表温度具有显著的方向各向异性，即地表温度的观测值会随着观测角度的变化而变化，从而降低了地表温度产品之间的可比性，极大地限制了地表温度的应用。因此，研究地表温度的角度归一化方法，将卫星反演的不同观测角度下的地表温度归一化到某一参考方向上(如垂直观测方向)是一项迫切并有意义的工作。

目前，通过借鉴可见光/近红外领域的方向性反射率模型已经发展了多种热辐射方向性模型用于地表温度的角度归一化。这些模型中，高精度的物理模型需要大量的地学参数作为输入无法应用到实际的地表温度角度归一化中；而简洁的参数化模型最少需要搭配一颗静止卫星建立模型校正数据集，因此只能实现某一区域低空间分辨率的地表温度角度归一化。另一方面，同反射率模型一样，这些热辐射方向性模型假设光照和阴影组分存在辐射差异，因此直接利用反射率模型中计算光照和阴影组分比例的方法。但是，不同于可见光/近红外的反射，热红外的辐射体现地表温度是对时间的记录，存在滞后性。所以，现有的热辐射方向性模型不能准确计算光照和阴影组分的比例，也就不能准确地进行地表温度的角度归一化。

因此，如何提供一种基于组分温度的地表温度角度归一化方法成为了本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于组分温度的地表温度角度归一化方法，从地表温度的物理机理出发，从以往研究基于光照和阴影组分差异转换到基于植被和土壤组分差异，基于组分温度对地表温度进行高精度的角度归一化。

为了实现上述目的，本发明采用如下技术方案：

一种基于组分温度的地表温度角度归一化方法，包括如下步骤：

(1)利用温度日变化模型描述植被和土壤的组分温度；

(2)结合方向性地表温度产品和方向性制备指数产品，构建混合像元地表温度模型的输入数据集；

(3)在得到混合像元地表温度模型正确输入的基础上，采用一维搜索算法确定需要遍历的邻域大小，使用权重模型考虑相邻组分温度之间的相关性，利用Bayesian优化算法求解混合像元地表温度模型，基于赤池信息量准则得到求解所需的最佳邻域大小，最终获取植被和土壤的组分温度；

(4)在获取植被和土壤的组分温度的基础上，利用可见光/近红外波段的双向反射分布函数得到参考方向上的植被覆盖度，将组分温度和植被覆盖度带入到混合像元地表温度模型，最终得到参考方向上的地表温度，从而完成角度归一化。

优选的，温度日变化模型采用DTC模型，将地表温度变化划分为白天和夜晚两个部分，其中白天的地表温度由余弦函数表示，夜晚的地表温度由双曲衰减函数表示，具体公式为：

其中，T_day为白天的地表温度，T_night为晚上的地表温度，T₀为日出时刻的地表温度，T_a为温度变化的幅度，

为余弦半周期宽，t_m为最大温度时刻，t_s为温度开始衰减时刻，δT为T(t→∞)之间的温度差，k为衰减系数，t为观测时间。

优选的，基于DTC模型，植被和土壤的组分温度表示为：

其中，T_0,v为植被日出时刻的地表温度，T_a,v为植被温度变化的幅度，

为植被余弦半周期宽，t_m,v为植被最大温度时刻，t_s,v为植被温度开始衰减时刻，δT_v为植被T(t→∞)之间的温度差，t为观测时间；T_0,s为土壤日出时刻的地表温度，T_a,s为土壤温度变化的幅度，

为土壤余弦半周期宽，t_m,s为土壤最大温度时刻，t_s,s为土壤温度开始衰减时刻，δT_s为土壤T(t→∞)之间的温度差。

优选的，混合像元地表温度模型由组分温度、植被覆盖度、组分有效发射率和和像元有效发射率组成，具体公式为：

其中，θ是观测角度，T(θ)是该观测角度下混合像元的方向性地表温度，f(θ)是该观测角度下混合像元的方向性植被覆盖度，T_v是植被的组分温度，T_s是土壤的组分温度，ε_v是植被的有效发射率，ε_s是土壤的有效发射率，ε是混合像元的有效发射率。

优选的，混合像元的方向性植被覆盖度由方向性植被指数计算获得，具体公式如下：

其中，NDVI是混合像元的方向性植被指数，NDVI_min和NDVI_max分别对应裸土的最小NDVI以及全植被覆盖的最大NDVI。

优选的，一维搜索算法包括二分法、等区间法或黄金分割法，用于确定需要迭代计算的邻域大小。

优选的，赤池信息量准则的表达公式为：

式中，k为参数的数量，n为观察数，RSS为残差平方和。

进一步，植被和土壤组分温度求解的步骤如下：

①结合公式(2)～(4)，混合像元地表温度可以表示为：

②采用一维搜索算法确定需要遍历的邻域大小h，并假设在h×h的邻域内，公式(7)中的DTC参数相等，即：

其中：

其中，T_ij表示在h×h的邻域内第i行第j列个像元的地表温度值，t_ij表示第i行第j列个像元的观测时间，f(θ)_ij表示第i行第j列个像元的方向性植被覆盖度。

③基于和中心像元之间的空间距离、时间距离、地形和地表覆盖等方面的相似性，给相邻像元分配不同的权重，得到权重矩阵W：

其中，w_ij表示h×h的矩阵内第i行第j列个像元所分配的权重，将公式(11)带入到公式(8)中，得到考虑组分温度相关性的混合像元地表温度输入数据集：

④利用Bayesian优化算法，求解公式(12)中的非线性方程组，得到植被和土壤组分温度的DTC参数，带入到公式(1)中，得到每次迭代下的组分温度；

⑤以赤池信息量准则作为每次迭代结果评价的指标，确定出最佳的邻域大小，获取最优的植被和土壤的组分温度。

进一步，将双向反射分布函数表示为各向同性核、体散射核和几何光学核的线性组合，具体公式为：

其中，θ_v为观测天顶角，θ_s为太阳天顶角，

为相对方位角，ρ是该方向下的双向反射率，

是体散射核，

是几何光学核，f_iso是各向同性核的系数，f_vol是体散射核的系数，f_geo是几何光学核的系数，各向同性核为定值1。

进一步，参考方向的地表温度求解的步骤如下：

1)将方向性的NDVI产品和方向性的BRDF产品，带入到双向反射分布函数中得到参考方向上的植被覆盖度；

2)将组分温度和参考方向的植被覆盖度带入到混合像元地表温度模型公式(3)中，最终得到参考方向上的地表温度。

本发明的有益效果在于：

本发明从地表温度的物理机理出发，从以往研究基于光照和阴影组分差异转换到基于植被和土壤组分差异，基于组分温度对地表温度进行高精度的角度归一化。

本发明具有突出的实用性，任何具有有效观测数据的传感器，都可以应用该方法进行地表温度角度效应的校正。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅附图1，本发明提供了一种基于组分温度的地表温度角度归一化方法，包括如下步骤：

(1)利用温度日变化模型描述植被和土壤的组分温度；

温度日变化模型温度日变化模型，可以为任意成熟的具有明确物理意义的DTC模型。例如可以将地表温度变化划分为白天和夜晚两个部分，其中白天的地表温度由余弦函数表示，夜晚的地表温度由双曲衰减函数表示，具体公式为：

其中，T_day为白天的地表温度，T_night为晚上的地表温度，T₀为日出时刻的地表温度，T_a为温度变化的幅度，

为余弦半周期宽，t_m为最大温度时刻，t_s为温度开始衰减时刻，δT为T(t→∞)之间的温度差，k为衰减系数，t为观测时间。

基于DTC模型，植被和土壤的组分温度表示为：

其中，T_0,v为植被日出时刻的地表温度，T_a,v为植被温度变化的幅度，

为植被余弦半周期宽，t_m,v为植被最大温度时刻，t_s,v为植被温度开始衰减时刻，δT_v为植被T(t→∞)之间的温度差，t为观测时间；T_0,s为土壤日出时刻的地表温度，T_a,s为土壤温度变化的幅度，

为土壤余弦半周期宽，t_m,s为土壤最大温度时刻，t_s,s为土壤温度开始衰减时刻，δT_s为土壤T(t→∞)之间的温度差。

(2)结合方向性地表温度产品和方向性制备指数产品，构建混合像元地表温度模型的输入数据集；

混合像元地表温度模型由组分温度、植被覆盖度、组分有效发射率和和像元有效发射率组成，具体公式为：

其中，θ是观测角度，T(θ)是该观测角度下混合像元的方向性地表温度，f(θ)是该观测角度下混合像元的方向性植被覆盖度，T_v是植被的组分温度，T_s是土壤的组分温度，ε_v是植被的有效发射率，ε_s是土壤的有效发射率，ε是混合像元的有效发射率。

混合像元的方向性植被覆盖度由方向性植被指数计算获得，具体公式如下：

其中，NDVI是混合像元的方向性植被指数，NDVI_min和NDVI_max分别对应裸土的最小NDVI以及全植被覆盖的最大NDVI，通常取植被指数空间分布图中置信区间的3％和97％。

(3)在得到混合像元地表温度模型正确输入的基础上，采用一维搜索算法确定需要遍历的邻域大小，使用权重模型考虑相邻组分温度之间的相关性，利用Bayesian优化算法求解混合像元地表温度模型，基于赤池信息量准则得到求解所需的最佳邻域大小，最终获取植被和土壤的组分温度。

一维搜索算法包括二分法、等区间法或黄金分割法等搜索算法，用于确定需要迭代计算的邻域大小。

权重模型即基于和中心像元之间的空间距离、时间距离、地形和地表覆盖等方面的相似性，给相邻像元分配不同的权重。

Bayesian优化算法求解混合像元地表温度模型，首先需要使用通过最小二乘法求解的值或实地调研等信息作为先验知识，然后利用Bayesian理论求解模型。

赤池信息量准则的表达公式为：

式中，k为参数的数量，n为观察数，RSS为残差平方和。

植被和土壤组分温度求解的步骤如下：

①结合公式(2)～(4)，混合像元地表温度可以表示为：

②采用一维搜索算法确定需要遍历的邻域大小h，并假设在h×h的邻域内，公式(7)中的DTC参数相等，即：

其中：

其中，T_ij表示在h×h的邻域内第i行第j列个像元的地表温度值，t_ij表示第i行第j列个像元的观测时间，f(θ)_ij表示第i行第j列个像元的方向性植被覆盖度。

③基于和中心像元之间的空间距离、时间距离、地形和地表覆盖等方面的相似性，给相邻像元分配不同的权重，得到权重矩阵W：

其中，w_ij表示h×h的矩阵内第i行第j列个像元所分配的权重，将公式(11)带入到公式(8)中，得到考虑组分温度相关性的混合像元地表温度输入数据集：

④利用Bayesian优化算法，求解公式(12)中的非线性方程组，得到植被和土壤组分温度的DTC参数，带入到公式(1)中，得到每次迭代下的组分温度；

⑤以赤池信息量准则作为每次迭代结果评价的指标，确定出最佳的邻域大小，获取最优的植被和土壤的组分温度。

(4)在获取植被和土壤的组分温度的基础上，利用可见光/近红外波段的双向反射分布函数得到参考方向上的植被覆盖度，将组分温度和植被覆盖度带入到混合像元地表温度模型，最终得到参考方向上的地表温度，从而完成角度归一化。

双向反射分布函数模型可以为任意的经验统计模型、物理模型和半经验模型，例如将双向发射率表示为各向同性核、体散射核和几何光学核的线性组合，具体公式为：

其中，θ_v为观测天顶角，θ_s为太阳天顶角，

为相对方位角，ρ是该方向下的双向反射率，

是体散射核，

是几何光学核，f_iso是各向同性核的系数，f_vol是体散射核的系数，f_geo是几何光学核的系数，各向同性核为定值1。

参考方向的地表温度求解的步骤如下：

1)将方向性的NDVI产品和方向性的BRDF产品，带入到双向反射分布函数中得到参考方向上的植被覆盖度；

2)将组分温度和参考方向的植被覆盖度带入到混合像元地表温度模型公式(3)中，最终得到参考方向上的地表温度。

本发明从地表温度的物理机理出发，从以往研究基于光照和阴影组分差异转换到基于植被和土壤组分差异，基于组分温度对地表温度进行高精度的角度归一化。

本发明具有突出的实用性，任何具有有效观测数据的传感器，都可以应用该方法进行地表温度角度效应的校正。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于组分温度的地表温度角度归一化方法，其特征在于，包括如下步骤：

(1)利用温度日变化模型描述植被和土壤的组分温度；

(2)结合方向性地表温度产品和方向性植被指数产品，构建混合像元地表温度模型的输入数据集；

(3)在得到混合像元地表温度模型正确输入的基础上，采用一维搜索算法确定需要遍历的邻域大小，基于和中心像元之间的空间距离、时间距离、地形和地表覆盖的相似性，给相邻像元分配不同的权重，利用Bayesian优化算法求解混合像元地表温度模型，基于赤池信息量准则得到求解所需的最佳邻域大小，最终获取植被和土壤的组分温度；

(4)在获取植被和土壤的组分温度的基础上，利用可见光/近红外波段的双向反射分布函数得到参考方向上的植被覆盖度，将组分温度和植被覆盖度带入到混合像元地表温度模型，最终得到参考方向上的地表温度，从而完成角度归一化。

2.根据权利要求1所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，温度日变化模型采用DTC模型，将地表温度变化划分为白天和夜晚两个部分，其中白天的地表温度由余弦函数表示，夜晚的地表温度由双曲衰减函数表示，具体公式为：

其中，T_day为白天的地表温度，T_night为晚上的地表温度，T₀为日出时刻的地表温度，T_a为温度变化的幅度，

为余弦半周期宽，t_m为最大温度时刻，t_s为温度开始衰减时刻，δT为T(t→∞)之间的温度差，k为衰减系数，t为观测时间。

3.根据权利要求2所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，基于DTC模型，植被和土壤的组分温度表示为：

其中，T_v表示植被的组分温度，T_s表示土壤的组分温度，T_0,v为植被日出时刻的地表温度，T_a,v为植被温度变化的幅度，

为植被余弦半周期宽，t_m,v为植被最大温度时刻，t_s,v为植被温度开始衰减时刻，δT_v为植被T(t→∞)之间的温度差，t为观测时间；T_0,s为土壤日出时刻的地表温度，T_a,s为土壤温度变化的幅度，

为土壤余弦半周期宽，t_m,s为土壤最大温度时刻，t_s,s为土壤温度开始衰减时刻，δT_s为土壤T(t→∞)之间的温度差。

4.根据权利要求3所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，混合像元地表温度模型由组分温度、植被覆盖度、组分有效发射率和和像元有效发射率组成，具体公式为：

其中，θ是观测角度，T(θ)是该观测角度下混合像元的方向性地表温度，f(θ)是该观测角度下混合像元的方向性植被覆盖度，T_v是植被的组分温度，T_s是土壤的组分温度，ε_v是植被的有效发射率，ε_s是土壤的有效发射率，ε是混合像元的有效发射率。

5.根据权利要求4所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，混合像元的方向性植被覆盖度由方向性植被指数计算获得，具体公式如下：

其中，NDVI是混合像元的方向性植被指数，NDVI_min和NDVI_max分别对应裸土的最小NDVI以及全植被覆盖的最大NDVI。

6.根据权利要求5所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，一维搜索算法包括二分法、等区间法或黄金分割法，用于确定需要迭代计算的邻域大小。

7.根据权利要求1所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，赤池信息量准则的表达公式为：

式中，k为参数的数量，n为观察数，RSS为残差平方和。

8.根据权利要求6所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，植被和土壤组分温度求解的步骤如下：

①使用公式(2)替代公式(3)的T_v和T_s，混合像元地表温度可以表示为：

②采用一维搜索算法确定需要遍历的邻域大小h，并假设在h×h的邻域内，植被组分和土壤组分的DTC参数相等，即：

其中：

其中，T_i,j表示在h×h的邻域内第i行第j列个像元的地表温度值，t_i,j表示第i行第j列个像元的观测时间，f(θ)_i,j表示第i行第j列个像元的方向性植被覆盖度；

③基于和中心像元之间的空间距离、时间距离、地形和地表覆盖等方面的相似性，给相邻像元分配不同的权重，得到权重矩阵W：

其中，w_i,j表示h×h的矩阵内第i行第j列个像元所分配的权重，将公式(11)带入到公式(7)中，得到考虑组分温度相关性的混合像元地表温度输入数据集：

④利用Bayesian优化算法，求解公式(12)中的非线性方程组，得到植被和土壤组分温度的DTC参数，带入到公式(1)中，得到每次迭代下的组分温度；

⑤以赤池信息量准则作为每次迭代结果评价的指标，确定出最佳的邻域大小，获取最优的植被和土壤的组分温度。

9.根据权利要求4或8所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，将双向反射分布函数表示为各向同性核、体散射核和几何光学核的线性组合，具体公式为：

其中，θ_v为观测天顶角，θ_s为太阳天顶角，

为相对方位角，ρ是该方向下的双向发射率，

是体散射核，

是几何光学核，f_iso是各向同性核的系数，f_vol是体散射核的系数，f_geo是几何光学核的系数，各向同性核为定值1。

10.根据权利要求9所述的一种基于组分温度的地表温度角度归一化方法，其特征在于，参考方向的地表温度求解的步骤如下：

1)将方向性的NDVI产品和方向性的BRDF产品，带入到双向反射分布函数中得到参考方向上的植被覆盖度；

2)将组分温度和参考方向的植被覆盖度带入到混合像元地表温度模型公式中，最终得到参考方向上的地表温度。

Images