CN111879440A - 一种地表温度计算方法及装置 - Google Patents

一种地表温度计算方法及装置 Download PDF

Info

Publication number
CN111879440A
CN111879440A CN202010785877.1A CN202010785877A CN111879440A CN 111879440 A CN111879440 A CN 111879440A CN 202010785877 A CN202010785877 A CN 202010785877A CN 111879440 A CN111879440 A CN 111879440A
Authority
CN
China
Prior art keywords
surface temperature
area
pixels
measured area
inversion
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.)
Pending
Application number
CN202010785877.1A
Other languages
English (en)
Inventor
王宏伟
祁元
张金龙
杨瑞
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.)
Northwest Institute of Eco Environment and Resources of CAS
Original Assignee
Northwest Institute of Eco Environment and Resources of CAS
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 Northwest Institute of Eco Environment and Resources of CAS filed Critical Northwest Institute of Eco Environment and Resources of CAS
Priority to CN202010785877.1A priority Critical patent/CN111879440A/zh
Publication of CN111879440A publication Critical patent/CN111879440A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • 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
    • G06F17/15—Correlation function computation including computation of convolution operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

本申请提供一种地表温度计算方法及装置，方法包括：获取研究区域的卫星遥感图像；利用反演算法对所述遥感图像计算，获得所述研究区中被测量区域的反演地表温度；根据所述反演地表温度、所述被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外研究区的其他区域的地形以及位置参数，预估出所述研究区其他区域的地表温度。在本申请实施例中，由于某一位置的地表温度与该位置的地形以及位置存在一定相关性，故可以利用研究区被测量区域反演出的反演地表温度、以及被测量区域的地形以及位置参数以及研究区中除被测量区域以外的其他区域的地形以及位置参数，计算出该其他区域的地表温度，从而得到了研究区在时空尺度上连续的地表温度。

Description

一种地表温度计算方法及装置
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种地表温度计算方法及装置。
背景技术
地表温度是地表物理研究的关键参数之一，在全球和区域的天气预报、干旱监测等领域具有重要意义。
目前，地表温度的获取主要通过卫星遥感反演和常规地面测量。卫星遥感在反演地表温度时，由于遥感影像覆盖问题，导致研究区同一时期部分区域没有遥感影像覆盖，同时，卫星遥感图像易受云层的影响，导致卫星遥感图像中云层覆盖的区域无法反演出地表温度，从而无法获取研究区在时空尺度连续的地表温度。而通过地面测量地表温度，需要耗费大量的财力人力，且目前大多数研究区内的测量点的数量有限，计算的地表温度空间精度较差。
发明内容
本申请实施例的目的在于提供一种地表温度计算方法及装置，用以获取研究区在时空尺度连续的地表温度。
第一方面，本申请实施例提供了一种地表温度计算方法，所述方法包括：获取研究区的卫星遥感图像；利用反演算法处理所述遥感图像，获得所述研究区中被测量区域的反演地表温度；根据所述反演地表温度、所述被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度。
在本申请实施例中，由于某一位置的地表温度与该位置的地形以及位置参数存在一定相关性，故可以利用被测量区域反演出的反演地表温度、以及被测量区域的地形以及位置参数以及研究区中除被测量区域以外的其他区域的地形以及位置参数，预估出该其他区域的地表温度，从而得到了研究区在时空尺度上连续的地表温度。
结合第一方面，在第一种可能的实现方式中，根据所述反演地表温度、所述被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度，包括：构建出所述被测量区域的反演地表温度与所述被测量区域的地形以及位置参数之间的回归函数关系式；根据所述回归函数关系式和所述其他区域的地形以及位置参数，从而预估出所述其他区域的地表温度。
在本申请实施例中，由于构建出的回归函数关系式可以综合表示地表温度与地形以及位置参数之间关系，故利用回归函数关系式可以快速地确定出其他区域的地表温度。
结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，构建出所述被测量区域的反演地表温度与所述被测量区域的地形以及位置参数之间的回归函数关系式，包括：构建出所述所有像元各自位置处的反演地表温度与所述所有像元各自位置处的海拔、坡度、坡向以及经纬度之间的所述回归函数关系式。
在本申请实施例中，由于海拔、坡度、坡向以及经纬度能够从各个方面全面的反映出地形与位置情况，故通过构建地表温度与海拔、坡度、坡向以及经纬度之间的回归函数关系，能够更好反映出研究区的地表温度与地形、位置的相关性。
结合第一方面的第二种可能的实现方式，在第三种可能的实现方式中，确定出所述所有像元中每个像元位置处的坡度以及坡向的步骤包括：根据预设的空间关系函数、每个像元位置处预设的南北方向高程变化率以及东西方向高程变化率，确定出该像元位置处的坡度以及坡向。
在本申请实施例中，由于某一位置的高程变化率即是反映出该位置在空间中相对于其它位置的变化，故利用高程变化率则能够准确的计算出对应的坡度以及坡向。
结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述空间关系函数为：
Figure BDA0002620828790000031
Figure BDA0002620828790000032
其中，针对每个像元：Slope表示该像元位置处的坡度、Aspect表示该像元位置处的坡向、fx表示该像元位置处的南北方向高程变化率、fy表示该像元位置处的东西方向高程变化率。
在本申请实施例中，通过预先设定好空间关系函数，从而能够快速且准确地计算出坡度以及坡向。
结合第一方面的第二种可能的实现方式，在第五种可能的实现方式中，所述回归函数关系式为：
LST≈a*DEM+b*Slope+c*Aspect+d*Latitude+e*Longitude+f
其中，LST表示所述所有像元的反演地表温度；DEM表示所述所有像元位置处的海拔；Slope表示所述所有像元位置处的坡度；Aspect表示所述所有像元位置处的坡向；Latitude表示所述所有像元位置处的纬度；Longitude表示所述所有像元位置处的经度；a、b、c、d、e以及f为基于所述所有像元位置处的地表温度与所述所有像元位置处的海拔、坡度、坡向以及经纬度之间的回归模拟系数。
在本申请实施例中，基于上式可知，通过一个回归函数关系式就表示出了被测量区域内的所有像元的反演地表温度与地形以及位置参数的关系，这样，仅利用一个回归函数关系式进行计算便可以确定出其它区域的地表温度，实现了其它区域的地表温度的快速确定。
结合第一方面的第一种可能的实现方式，在第六种可能的实现方式中，根据所述回归函数关系式和所述其他区域的地形以及位置参数，从而预估出所述其他区域的地表温度，包括：根据所述回归函数关系式、以及所述遥感图像中位于所述其他区域内的所有像元各自位置处的地形以及位置参数，预估出所述所有像元各自位置处的模拟地表温度；根据预设的地表温度残差值以及所述模拟地表温度，预估出所述所有像元各自位置处的地表温度，其中，所述其他区域的地表温度由所述所有像元各自位置处的地表温度组成。
在本申请实施例中，预估难免会出现误差，通过预设的地表温度残差值对预估出现的误差进行补偿，从而更准确的确定出其他区域的地表温度。
结合第一方面的第六种可能的实现方式，在第七种可能的实现方式中，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，确定出所述地表温度残差值的步骤包括：根据所述回归函数关系式、以及所述被测量区域内的所有像元各自的地形以及位置参数，预估出所述被测量区域内的所有像元各自位置处的模拟地表温度；根据预设的残差值算式、以及所述被测量区域内的所有像元各自位置处的反演地表温度与模拟地表温度，确定出所述反演地表温度与模拟地表温度之间的残差值；根据预设的克里金插值算式、以及所述地表温度与模拟地表温度之间的残差值，确定出所述地表温度残差值。
在本申请实施例中，由于地表温度残差值是基于被测量区域反演出的反演地表温度和被测量区域预估的地表温度的残差值计算得到的，故能够真实的反映出预估出现的误差。
结合第一方面的第七种可能的实现方式，在第八种可能的实现方式中，所述残差值算式为：
LSTr＝LST-LSTs
其中，LST表示所述被测量区域内的所有像元各自位置处的反演地表温度，LSTs表示所述被测量区域内的所有像元各自位置处的模拟地表温度，LSTr表示所述反演地表温度与模拟地表温度之间的残差值。
结合第一方面的第七种可能的实现方式，在第九种可能的实现方式中，所述克里金插值算式为：
Figure BDA0002620828790000051
其中，δ1表示所述被测量区域内的所有的n像元中第i个像元预设的观测权重系数，LSTr表示所述被测量区域内的所有的n像元中第i个像元预设的残差值，i依次取1到n，n为大于1的整数。
结合第一方面，在第十种可能的实现方式中，确定出所述研究区的步骤包括：将预设的完整研究区按下垫面类型分割成各子区域，其中，每个所述子区域为对应的一个所述研究区。
在本申请实施例中，由于不同下垫面类型的区域，其地表温度存在着差别，通过按下垫面类型将完整研究区分割成各子区域，并以子区域为单位进行地表温度的预测，能够更准确的预测出地表温度。
第二方面，本申请实施例提供了种地表温度计算装置，所述装置包括：图像获取模块，用于获取研究区的卫星遥感图像；图像处理模块，用于利用反演算法处理所述遥感图像，获得所述研究区中被测量区域的地表温度；根据所述地表温度、所述被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度。
结合第二方面，在第一种可能的实现方式中，所述图像处理模块，用于构建出所述被测量区域的反演地表温度与所述被测量区域的地形以及位置参数之间的回归函数关系式；根据所述回归函数关系式和所述其他区域的地形以及位置参数，从而预估出所述其他区域的地表温度。
结合第二方面的第一种可能的实现方式，在第二种可能的实现方式中，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，所述图像处理模块，用于构建出所述所有像元各自位置处的反演地表温度与所述所有像元各自位置处的海拔、坡度、坡向以及经纬度之间的所述回归函数关系式。
结合第二方面的第二种可能的实现方式，在第三种可能的实现方式中，图像处理模块，用于确定出所述所有像元中每个像元位置处的坡度以及坡向具体为：根据预设的空间关系函数、每个像元位置处预设的南北方向高程变化率以及东西方向高程变化率，确定出该像元位置处的坡度以及坡向。
结合第二方面的第三种可能的实现方式，在第四种可能的实现方式中，所述空间关系函数为：
Figure BDA0002620828790000061
Figure BDA0002620828790000062
其中，针对每个像元：Slope表示该像元位置处的坡度、Aspect表示该像元位置处的坡向、fx表示该像元位置处的南北方向高程变化率、fy表示该像元位置处的东西方向高程变化率。
结合第二方面的第二种可能的实现方式，在第五种可能的实现方式中，所述回归函数关系式为：
LST≈a*DEM+b*Slope+c*Aspect+d*Latitude+e*Longitude+f
其中，LST表示所述所有像元各的反演地表温度；DEM表示所述所有像元位置处的海拔；Slope表示所述所有像元位置处的坡度；Aspect表示所述所有像元位置处的坡向；Latitude表示所述所有像元位置处的纬度；Longitude表示所述所有像元位置处的经度；a、b、c、d、e以及f为基于所述所有像元位置处的反演地表温度与所述所有像元位置处的海拔、坡度、坡向以及经纬度之间的回归模拟系数。
结合第二方面的第一种可能的实现方式，在第六种可能的实现方式中，所述图像处理模块，用于根据所述回归函数关系式、以及所述遥感图像中位于所述其他区域内的所有像元各自位置处的地形以及位置参数，预估出所述所有像元各自位置处的模拟地表温度；根据预设的地表温度残差值以及所述模拟地表温度，预估出所述所有像元各自位置处的地表温度，其中，所述其他区域的地表温度由所述所有像元各自位置处的地表温度组成。
结合第二方面的第六种可能的实现方式，在第七种可能的实现方式中，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，所述图像处理模块，用于根据所述回归函数关系式、以及所述被测量区域内的所有像元各自的地形以及位置参数，预估出所述被测量区域内的所有像元各自位置处的模拟地表温度；根据预设的残差值算式、以及所述被测量区域内的所有像元各自位置处的反演地表温度与模拟地表温度，确定出所述反演地表温度与模拟地表温度之间的残差值；根据预设的克里金插值算式、以及所述地表温度与模拟地表温度之间的残差值，确定出所述地表温度残差值。
结合第二方面的第七种可能的实现方式，在第八种可能的实现方式中，所述残差值算式为：
LSTr＝LST-LSTs
其中，LST表示所述被测量区域内的所有像元各自位置处的反演地表温度，LSTs表示所述被测量区域内的所有像元各自位置处的模拟地表温度，LSTr表示所述反演地表温度与模拟地表温度之间的残差值。
结合第二方面的第七种可能的实现方式，在第九种可能的实现方式中，所述克里金插值算式为：
Figure BDA0002620828790000081
其中，δ1表示所述被测量区域内的所有的n像元中第i个像元预设的观测权重系数，LSTr表示所述被测量区域内的所有的n像元中第i个像元预设的残差值，i依次取1到n，n为大于1的整数。
结合第二方面，在第十种可能的实现方式中，所述图像处理模块，用于确定出所述研究区具体为：将预设的完整研究区按下垫面类型分割成各子区域，其中，每个所述子区域为对应的一个所述研究区。
第三方面，本申请实施例提供了一种电子设备，包括：存储器，用于存储程序；总线；处理器，所述处理器通过所述总线与所述存储器连接，所述处理器用于运行所述程序，以执行如第一方面或第一方面的任一种可能的实现方式所述的地表温度计算方法。
第四方面，本申请实施例提供了一种非易失计算机可读存储介质，存储有程序代码，当所述程序代码被计算机运行时执行如第一方面或第一方面的任一种可能的实现方式所述的地表温度计算方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供了一种地表温度计算方法的流程图；
图2为本申请实施例的第一应用场景图；
图3为本申请实施例的第二应用场景图；
图4为本申请实施例的第三应用场景图；
图5为本申请实施例提供了一种电子设备的结构框图；
图6为本申请实施例提供了一种地表温度计算方法的结构框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
请参阅图1，本申请实施例提供了一种地表温度计算方法，该地表温度计算方法可以由电子设备执行，该电子设备可以是终端或者服务器，该地表温度计算方法的流程可以包括：
步骤S100：获取研究区的卫星遥感图像。
步骤S200：利用反演算法处理该遥感图像，获得该研究区中被测量区域的反演地表温度。
步骤S300：根据该被测量区域的反演地表温度、该被测量区域的地形以及位置参数以及该研究区中除该被测量区域以外的其他区域的地形以及位置参数，预估出该其他区域的地表温度。
下面将结合应用场景对上述流程进行详细介绍。
步骤S100：获取研究区的卫星遥感图像。
本实施例中，电子设备中预设有一个需要确定地表温度的完整研究区，该完整研究区是一个空间尺寸相对较大的区域，比如完整研究区是一个流域、行政单元、自然地理单元等，且该完整研究区中包含各种下垫面类型。
若实际对地表温度的准确度要求不是很高，则可以以该完整研究区为单位来确定该完整研究区的地表温度，换言之，电子设备将该完整研究区整体作为一个研究区进行地表温度的确定。
若实际对地表温度的准确度要求比较高，则电子设备可以将该完整研究区按下垫面类型分割成各子区域，比如通过训练好的深度神经网络比如U-Net++网络将该完整研究区按下垫面类型分割成各子区域，并以每个子区域为单位来确定该子区域的地表温度，换言之，电子设备将该每个子区域作为一个研究区进行地表温度的确定。最终，该完整研究区的地表温度则是由各子区域各自的地表温度构成。
电子设备确定出研究区后，则需要获取卫星拍摄的该研究区的遥感图像。
本实施例中，电子设备获取该研究区的遥感图像的方式有多种；比如，其可以采用人工手动输入的方式，即工作人员手动将该研究区的遥感图像输入到电子设备中；又比如，其还可以采用自动爬取的方式，即电子设备可以自动访问提供遥感图像的数据源比如提供遥感图像的OMI网站，以自动从数据源上爬取该研究区的遥感图像。
如图2所示，下面通过一个假设来对方案进行介绍。
假设：下垫面类型的包括：林地、草地、湿地、水域、耕地、建设用地以及裸地，而图2所示的完整研究区Q中，其包含草地、耕地和建设用地。这样，电子设备便可以将完整研究区Q分割成草地区域Q1、耕地区域Q2以及建设用地区域Q3，草地区域Q1、耕地区域Q2以及建设用地区域Q3各自作为一个研究区，以对各研究区各自的地表温度进行计算。进一步的，电子设备则分别获取草地区域Q1、耕地区域Q2以及建设用地区域Q3各自的遥感图像。
进一步的，在获取到遥感图像后，电子设备可以继续执行步骤S200。
步骤S200：利用反演算法处理该遥感图像，获得该研究区中被测量区域的反演地表温度。
本实施例中，由于研究区范围大，卫星其沿轨道运行而对研究区进行拍摄时，可能只能拍摄到研究区的一部分而未将研究区全部拍摄到，以及也可能将研究区以外的部分也拍摄到。并且，在研究区被卫星拍摄到的区域中，如果存在云层，则会将卫星拍摄到的区域中的部分区域进一步遮挡。换言之，在卫星拍摄的研究区的遥感图像中，由于卫星轨道以及云层遮挡的原因，遥感图像可能只包含研究区的一部分区域，甚至还可能将研究区以外的部分也包含在内。这种情况下，电子设备获得遥感图像后，电子设备先将遥感图像与研究区比对，以判断遥感图像中是否包含研究区以外的部分。
若电子设备通过比对确定遥感图像中包含研究区以外的部分，电子设备则将研究区以外的部分从遥感图像中裁剪掉，获得裁剪后的遥感图像。然后，电子设备再通过预设的反演算法处理该裁剪后的遥感图像，从而获得研究区中被卫星拍摄到且未被云层遮挡的区域(为便于理解，后文将“研究区中被卫星拍摄到且未被云层遮挡的区域”统称为“被测量区域”)的反演地表温度。
若电子设备通过比对确定遥感图像中不包含研究区以外的部分，电子设备则直接通过预设的反演算法处理该遥感图像，从而获得被测量区域的反演地表温度。
需要说明的是，电子设备在利用反演算法处理后，获得的是遥感图像中位于该被测量区域内的各像元各自位置处的反演地表温度(为便于理解，后文将“遥感图像中位于该被测量区域内的所有像元各自位置处的反演地表温度”统称为“所有像元各自位置处的反演地表温度”)，换言之，该被测量区域的反演地表温度由该被测量区域内的所有像元各自位置处的反演地表温度组成。
继续对前述假设进行介绍：
首先说明的是，由于电子设备对草地区域Q1、耕地区域Q2以及建设用地区域Q3各自的遥感图像的处理逻辑都大致相同，为避免累述，本实施例以电子设备处理耕地区域Q2的遥感图像进行为例来说明。
如图3所示，在耕地区域Q2的遥感图像中，由于耕地区域Q2的遥感图像的两侧还包含了部分的草地区域Q1和部分的建设用地区域Q3，因此，电子设备需要先将部分的草地区域Q1和部分的建设用地区域Q3从耕地区域Q2的遥感图像中去除，从而获得如图4所示的裁剪后的遥感图像。显然，在裁剪后的遥感图像中，耕地区域Q2中的第一区域Q21在遥感图像中可见，耕地区域Q2中的第二区域Q22在裁剪后的遥感图像中在被云层遮挡，而耕地区域Q2中的第三区域Q23在裁剪后的遥感图像以外。因此，电子设备利用反演算法处理裁剪后的遥感图像，所获得的是第一区域Q21的反演地表温度。
在获得被测量区域的反演地表温度，电子设备可以进一步执行步骤S300。
步骤S300：根据该被测量区域的反演地表温度、该被测量区域的地形以及位置参数以及该研究区中除该被测量区域以外的其他区域的地形以及位置参数，预估出该其他区域的地表温度。
本实施例中，电子设备可以先确定出研究区的地形以及位置参数，再构建出被测量区域的反演地表温度与被测量区域的地形以及位置参数之间的回归函数关系式，最后根据构建出的回归函数关系式和其他区域的地形以及位置参数，从而预估出其他区域的地表温度。
可以理解到，研究区中每个像元位置处的地形以及位置参数包括该像元位置处的海拔、坡度、坡向以及经纬度。其中，研究区中每个像元位置处的海拔以及经纬度可以预设在电子设备中，故电子设备需要确定是研究区中每个像元位置处的坡度以及坡向。
作为确定出坡度以及坡向的示例性方式，电子设备中预设了研究区中每个像元位置处的南北方向高程变化率以及东西方向高程变化率，以及还预设了用于计算南北方向高程变化率和东西方向高程变化率的空间关系函数。比如，空间关系函数可以如下式1所示：
Figure BDA0002620828790000121
Figure BDA0002620828790000131
其中，在式1中，针对研究区中的每个像元：Slope表示该像元位置处的坡度、Aspect表示该像元位置处的坡向、fx表示该像元位置处的南北方向高程变化率、fy表示该像元位置处的东西方向高程变化率。
这样，电子设备根据空间关系函数、以及研究区中每个像元位置处预设的南北方向高程变化率以及东西方向高程变化率，从而确定出研究区中每个像元位置处的坡度以及坡向。
确定出研究区中每个像元位置处的坡度以及坡向后，电子设备便可以根据被测量区域中所有像元的反演地表温度以及被测量区域中所有像元位置处的地形以及位置参数，进行回归函数关系式的构建。
具体的，回归函数关系式可以如下式2所示：
LST≈a*DEM+b*Slope+c*Aspect+d*Latitude+e*Longitude+f (2)
其中，LST表示被测量区域内的所有像元的反演地表温度；DEM表示被测量区域内的所有像元位置处的海拔；Slope表示被测量区域内的所有像元位置处的坡度；Aspect表示被测量区域内的所有像元位置处的坡向；Latitude表示被测量区域内的所有像元位置处的纬度；Longitude表示被测量区域内的所有像元位置处的经度；a、b、c、d、e以及f为需要计算的回归模拟系数。
进一步的，电子设备可以基于被测量区域内的所有像元位置处的反演地表温度与被测量区域内的所有像元位置处的海拔、坡度、坡向以及经纬度之间的约等关系，计算出a、b、c、d、e以及f这五个的回归模拟系数，而计算出回归模拟系数则实现了对回归函数关系式的构建。
在构建出回归函数关系式后，作为确定其他区域的地表温度的一种示例性方式，电子设备可以直接根据回归函数关系式、以及其他区域内的所有像元各自位置处的地形以及位置参数，从而预估出其他区域内的所有像元各自位置处的地表温度，而其他区域内的所有像元各自位置处的地表温度则构成了其他区域的地表温度。
作为确定其他区域的地表温度的一种示例性方式，由于预估的地表温度难免存在误差，那么在预估其他区域的地表温度之前，电子设备可以先确定出用于补偿误差的地表温度残差值。然后利用地表温度残差值对预估其他区域的地表温度进行补偿，从而更准确的得到其他区域的地表温度。
具体的，在构建出回归函数关系式，电子设备可以根据回归函数关系式、以及被测量区域内的所有像元各自的地形以及位置参数，从而预估出被测量区域内的所有像元各自位置处的模拟地表温度。这样，电子设备便可以根据预设的残差值算式、以及被测量区域内的所有像元各自位置处的反演地表温度与确定出的模拟地表温度，进一步确定出该被测量区域内的所有像元各自的反演地表温度与模拟地表温度之间的残差值。最后，电子设备根据预设的克里金插值算式以及被测量区域内的所有像元各自的残差值，便可以确定出地表温度残差值。
其中，所述残差值算式为：
LSTr＝LST-LSTs (3)
所述克里金插值算式为：
Figure BDA0002620828790000141
其中，在式(3)和(4)中，δ1表示被测量区域内的所有的n像元中第i个像元预设的观测权重系数，LSTr表示被测量区域内的所有的n像元中第i个像元预设的残差值，i依次取1到n，n为大于1的整数，LST表示被测量区域内的所有像元各自位置处的反演地表温度，LSTs表示被测量区域内的所有像元各自位置处的模拟地表温度。
进一步的，电子设备根据回归函数关系式、以及其他区域内的所有像元各自位置处的地形以及位置参数，预估出其他区域内的所有像元各自位置处的模拟地表温度后，电子设备根据其他区域内的所有像元各自位置处的模拟地表温度以及地表温度残差值，比如，将其他区域内的所有像元各自位置处的模拟地表温度均加上该地表温度残差值，从而确定出其他区域内的所有像元各自位置处的地表温度。
本实施例中，若研究区内设有地表温度的监测点，电子设备还可以利用监测点监测的地表温度、其他区域内的所有像元各自位置处的地表温度以及验证关系式，去验证对其他区域内的所有像元各自位置处的地表温度预估的准确度如何。比如验证关系式可以如下式3所示：
Figure BDA0002620828790000151
Figure BDA0002620828790000152
其中，在式3中，n表示研究区内监测点的总数，n为大于1的整数，zi,act表示n个监测点中第i个监测点测得的自身位置处的地表温度，zi,est表示与第i个监测点的位置重叠的像元处计算的地表温度，S表示n个监测点所得测得的n个的地表温度的标准差，RMS表示均方根预测误差，RMSS表示标准均方根预测误差。
显然，通过验证关系式计算后，若获得的均方根预测误差以及标准均方根预测误差均小于预设的下限值，则表示对其他区域内的所有像元各自位置处的地表温度预估的准确度很高，否则，表示准确度还不够高。
请参阅图5，基于同一发明构思，本申请实施例提供了一种电子设备10，该电子设备10可以包括连接到网络的通信接口11、用于执行程序指令的一个或多个处理器12、总线13、和不同形式的存储器14，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。
存储器14用于存储程序，处理器12用于调用并运行存储器14中的程序以执行前述的地表温度计算方法。
请参阅图6，基于同一发明构思，本申请实施例提供了一种地表温度计算装置100，该地表温度计算装置100应用于电子设备，该地表温度计算装置100包括：
图像获取模块110，用于获取研究区的卫星遥感图像；
图像处理模块120，用于利用反演算法处理所述遥感图像，获得所述研究区中被测量区域的反演地表温度；根据所述反演地表温度、所述被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度。
需要说明的是，由于所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请一些实施例还提供了一种计算机可执行的非易失的程序代码的计算机可读储存介质，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该计算机可读存储介质上存储有程序代码，该程序代码被计算机运行时执行上述任一实施方式的地表温度计算方法的步骤。
本申请实施例所提供的地表温度计算方法的程序代码产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
综上所述，由于某一位置的地表温度与该位置的地形以及位置参数存在一定相关性，故可以利用被测量区域反演出的反演地表温度、以及被测量区域的地形以及位置参数以及研究区中除被测量区域以外的其他区域的地形以及位置参数，预估出该其他区域的地表温度，从而得到了研究区在时空尺度上连续的地表温度。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种地表温度计算方法，其特征在于，所述方法包括：
获取研究区的卫星遥感图像；
利用反演算法处理所述遥感图像，获得所述研究区中被测量区域的反演地表温度；
根据所述反演地表温度、所述研究区被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度。
2.根据权利要求1所述的地表温度计算方法，其特征在于，根据所述反演地表温度、所述研究区被测量区域的地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形以及位置参数，预估出所述其他区域的地表温度，包括：
构建出所述被测量区域的反演地表温度与所述被测量区域的地形、位置参数之间的回归函数关系式；
根据所述回归函数关系式和所述其他区域的地形、位置参数，从而预估出所述其他区域的地表温度。
3.根据权利要求2所述的地表温度计算方法，其特征在于，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，构建出所述被测量区域的反演地表温度与所述被测量区域的地形、位置参数之间的回归函数关系式，包括：
构建出所述被测量区域内所述所有像元的反演地表温度与所述所有像元位置处的海拔、坡度、坡向以及经纬度之间的所述回归函数关系式。
4.根据权利要求3所述的地表温度计算方法，其特征在于，所述回归函数关系式为：
LST≈a*DEM+b*Slope+c*Aspect+d*Latitude+e*Longitude+f
其中，LST表示所述所有像元的反演地表温度；DEM表示所述所有像元位置处的海拔；Slope表示所述所有像元位置处的坡度；Aspect表示所述所有像元位置处的坡向；Latitude表示所述所有像元位置处的纬度；Longitude表示所述所有像元位置处的经度；a、b、c、d、e以及f为基于所述所有像元的反演地表温度与所述所有像元位置处的海拔、坡度、坡向以及经纬度之间的回归关系而计算出的回归模拟系数。
5.根据权利要求2所述的地表温度计算方法，其特征在于，根据所述回归函数关系式和所述其他区域的地形、位置参数，从而预估出所述其他区域的地表温度，包括：
根据所述回归函数关系式、以及所述其他区域内的所有像元各自位置处的地形、位置参数，预估出所述所有像元各自位置处的模拟地表温度；
根据预设的地表温度残差值以及所述模拟地表温度，预估出所述所有像元各自位置处的地表温度，其中，所述其他区域的地表温度由所述所有像元各自位置处的地表温度组成。
6.根据权利要求5所述的地表温度计算方法，其特征在于，所述被测量区域的反演地表温度为：由所述遥感图像中位于所述被测量区域内的所有像元各自位置处的反演地表温度组成，确定出所述地表温度残差值的步骤包括：
根据所述回归函数关系式、以及所述被测量区域内的所有像元各自的地形以及位置参数，预估出所述被测量区域内的所有像元各自位置处的模拟地表温度；
根据预设的残差值算式、以及所述被测量区域内的所有像元各自位置处的反演地表温度与模拟地表温度，确定出所述反演地表温度与模拟地表温度之间的残差值；
根据预设的克里金插值算式、以及所述反演地表温度与模拟地表温度之间的残差值，确定出所述地表温度残差值。
7.根据权利要求6所述的地表温度计算方法，其特征在于，所述残差值算式为：
LSTr＝LST-LSTs
其中，LST表示所述被测量区域内的所有像元各自位置处的反演地表温度，LSTs表示所述被测量区域内的所有像元各自位置处的模拟地表温度，LSTr表示所述反演地表温度与模拟地表温度之间的残差值。
8.根据权利要求6所述的地表温度计算方法，其特征在于，所述克里金插值算式为：
Figure FDA0002620828780000031
其中，δl表示所述被测量区域内的所有的n像元中第i个像元预设的观测权重系数，LSTr表示所述被测量区域内的所有的n像元中第i个像元预设的残差值，i依次取1到n，n为大于1的整数。
9.根据权利要求1所述的地表温度计算方法，其特征在于，确定出所述研究区的步骤包括：
将预设的完整研究区按下垫面类型分割成各子区域，其中，每个所述子区域为对应的一个所述研究区。
10.一种地表温度计算装置，其特征在于，所述装置包括：
图像获取模块，用于获取研究区的卫星遥感图像；
图像处理模块，用于利用反演算法处理所述遥感图像，获得所述研究区中被测量区域的反演地表温度；根据所述反演地表温度、所述被测量区域的地形、位置地形以及位置参数以及所述研究区中除所述被测量区域以外的其他区域的地形、位置参数，预估出所述其他区域的地表温度。
CN202010785877.1A 2020-08-06 2020-08-06 一种地表温度计算方法及装置 Pending CN111879440A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010785877.1A CN111879440A (zh) 2020-08-06 2020-08-06 一种地表温度计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010785877.1A CN111879440A (zh) 2020-08-06 2020-08-06 一种地表温度计算方法及装置

Publications (1)

Publication Number Publication Date
CN111879440A true CN111879440A (zh) 2020-11-03

Family

ID=73210943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010785877.1A Pending CN111879440A (zh) 2020-08-06 2020-08-06 一种地表温度计算方法及装置

Country Status (1)

Country Link
CN (1) CN111879440A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114021371A (zh) * 2021-11-16 2022-02-08 中国科学院西北生态环境资源研究院 一种碳储量影响估算方法、装置、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10281896A (ja) * 1997-04-04 1998-10-23 Oki Electric Ind Co Ltd 地中温度の予測方法及び装置
CN102661811A (zh) * 2012-04-13 2012-09-12 北京农业信息技术研究中心 遥感地表温度升尺度方法及系统
US9911039B1 (en) * 2015-09-08 2018-03-06 National Technology & Engineering Solutions Of Sandia, Llc Searches over graphs representing geospatial-temporal remote sensing data
CN109063684A (zh) * 2018-08-28 2018-12-21 中国科学院寒区旱区环境与工程研究所 一种近地表气温遥感监测方法
CN109522516A (zh) * 2018-09-30 2019-03-26 广州地理研究所 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
CN109635309A (zh) * 2018-10-17 2019-04-16 广州地理研究所 一种地表温度空间降尺度方法
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
CN111199185A (zh) * 2019-11-26 2020-05-26 广州地理研究所 基于XGBoost学习算法的地表温度降尺度方法、系统及设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10281896A (ja) * 1997-04-04 1998-10-23 Oki Electric Ind Co Ltd 地中温度の予測方法及び装置
CN102661811A (zh) * 2012-04-13 2012-09-12 北京农业信息技术研究中心 遥感地表温度升尺度方法及系统
US9911039B1 (en) * 2015-09-08 2018-03-06 National Technology & Engineering Solutions Of Sandia, Llc Searches over graphs representing geospatial-temporal remote sensing data
CN109063684A (zh) * 2018-08-28 2018-12-21 中国科学院寒区旱区环境与工程研究所 一种近地表气温遥感监测方法
CN109522516A (zh) * 2018-09-30 2019-03-26 广州地理研究所 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
CN109635309A (zh) * 2018-10-17 2019-04-16 广州地理研究所 一种地表温度空间降尺度方法
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
CN111199185A (zh) * 2019-11-26 2020-05-26 广州地理研究所 基于XGBoost学习算法的地表温度降尺度方法、系统及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LINGHONG KE等: "Reconstruction of Time-Series MODIS LST in Central Qinghai-Tibet Plateau Using Geostatistical Approach", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
刘梅等: "一种利用NDVI估算云覆盖地区的植被表面温度研究", 《遥感技术与应用》 *
胡娟等: "引入低纬高原复杂地形因子的气象要素精细化估算模型", 《气象科技》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114021371A (zh) * 2021-11-16 2022-02-08 中国科学院西北生态环境资源研究院 一种碳储量影响估算方法、装置、电子设备及存储介质
CN114021371B (zh) * 2021-11-16 2023-03-03 中国科学院西北生态环境资源研究院 一种碳储量影响估算方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Azizian et al. Determining the best remotely sensed DEM for flood inundation mapping in data sparse regions
Janatian et al. A statistical framework for estimating air temperature using MODIS land surface temperature data
Dalezios et al. Spatial variability of reference evapotranspiration in Greece
Varga et al. Accuracy validation and comparison of global digital elevation models over Croatia
Weidner et al. Regional-scale back-analysis using TRIGRS: an approach to advance landslide hazard modeling and prediction in sparse data regions
Mount et al. Estimation of error in bankfull width comparisons from temporally sequenced raw and corrected aerial photographs
US8152366B2 (en) Estimation of subsurface thermal structure using sea surface height and sea surface temperature
Naz et al. Improving soil moisture and runoff simulations at 3 km over Europe using land surface data assimilation
EP3469516B1 (en) Method and system for improving the resolution of sensor data
CN107247690B (zh) 估算气温的方法及服务终端
Pasetto et al. Impact of sensor failure on the observability of flow dynamics at the Biosphere 2 LEO hillslopes
Yu et al. Spatial and temporal scale effect in simulating hydrologic processes in a watershed
Müller et al. Estimating spatially distributed soil texture using time series of thermal remote sensing–a case study in central Europe
Rózsa et al. An advanced residual error model for tropospheric delay estimation
Dungan et al. Alternative approaches for mapping vegetation quantities using ground and image data
Pirmoradian et al. Performance evaluation of IMERG and TMPA daily precipitation products over CONUS (2000–2019)
CN111879440A (zh) 一种地表温度计算方法及装置
Gibson et al. Variations in near‐surface debris temperature through the summer monsoon on Khumbu Glacier, Nepal Himalaya
Oruc Baci et al. Improving flood inundation modeling skill: Interconnection between model parameters and boundary conditions
Liang et al. Regional modeling of ionospheric peak parameters using GNSS data—An update for IRI
Tanim et al. Evaluation of spatial rainfall products in sparsely gauged region using copula uncertainty modeling with triple collocation
CN110991702B (zh) 山区降水量的计算方法、装置、计算机设备和存储介质
CA3154677C (en) System and method for probabilistic estimation and display of atmospheric gas data at a global scale
Abera et al. Water budget modelling of the Upper Blue Nile basin using the JGrass-NewAge model system and satellite data
Rahimi et al. Improving geometric construction of high resolution SAR images using Kriging-based surrogate modelling in mountainous terrain of Malaysia

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201103