CN112199837B - 遥感混合像元地表温度分解方法、装置、电子设备及介质 - Google Patents
遥感混合像元地表温度分解方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN112199837B CN112199837B CN202011064788.4A CN202011064788A CN112199837B CN 112199837 B CN112199837 B CN 112199837B CN 202011064788 A CN202011064788 A CN 202011064788A CN 112199837 B CN112199837 B CN 112199837B
- Authority
- CN
- China
- Prior art keywords
- temperature
- vegetation
- surface component
- pixel
- soil
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Geometry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Radiation Pyrometers (AREA)
- Cultivation Of Plants (AREA)
Abstract
本申请公开了一种遥感混合像元地表温度分解方法、装置、电子设备及介质。该方法可以包括:获取初始数据;根据初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。本发明确定每个像元的实际真实供给土壤水分的同步变化状况,克服了PCACA法和两阶段法在土壤和植被供水源的同步变化上的不确定性,从而提高了特征空间法的精度。
Description
技术领域
本发明涉及定量遥感及应用领域,更具体地,涉及一种遥感混合像元地表温度分解方法、装置、电子设备及介质。
背景技术
地表水分蒸散的定量遥感是在全球变化,区域尺度和全球尺度水平衡和水循环、农业、生态、水文、气象等领域的应用具有非常重要的科学意义和应用价值,是目前定量遥感的热门课题。早期该领域的学者采用像元尺度土壤蒸发和植被蒸腾不分的大叶模型,这种模型脱离了实际。后来学术界发展了二源和二层蒸散模型,能够既能反演土壤蒸散又反演植被蒸腾。在许多领域取得了长足进展。这种模型的关键技术就是有分解混合像元的土壤表面组分温度和植被冠层表面组分温度。目前,混合像元温度的分解有如下几种方法:
1)两角度法:建立两个观测角度的混合像元温度(LST)—植被覆盖率(f)的加权方程,试图闭合这方程组,能够求解出土壤表面组分温度和植被冠层表面组分温度。然而,由于不同观测角度得到不同面积的观测目标,导致两角度法的加权方程组不闭合。只能采用重采样方法,虽然可以解决这一问题,但是误差增大。并且由于目前广为使用的卫星数据源NOAA-AVHRR、MODIS、LANSAD、TM等卫星数据,均没有两角度的数据,限制了这种方法的广泛应用。
2)植—空等温法:该方法假设植物均处于充分供水的不受水分胁迫状态,导致植物冠层表面温度等于参考高度的空气温度,进而根据混合像元温度加权方程获取组分土壤表面温度,近似实现混合像元温度的分解。这种植物均处于充分供水的不受水分胁迫状态的假设偏离了绝大多数的实际状况,特别不适用干旱和半干旱地区,也不适用较长时间不下雨的湿润地区。
3)TSEB-SM模型法:这模型分解混合像元温度的思路是:首先获取混合像元的净辐射通量,采用了Beer定律分解净辐射通量,其实质是通过叶面积指数和叶角等参数确定植被孔隙和非空隙的比例,将混合像元的净辐射通量分配给土壤和植被,再运用PT模型获取潜热通量和显热通量,反推土壤表面组分温度和植被冠层表面组分温度,最后以混合像元温度LST进行反向率定。这方法的不确定性主要是采用了Beer定律分解净辐射通量。
4)特征空间法:混合像元组分排序对比法(PCACA)先确定每个像元等湿度斜率后闭合组分温度加权方程,从而分解出土壤和植被的组分温度。方法假设土壤表面组分和植被冠层表面组分的供水源是完全同步变化的。而后,有学者提出两阶段梯形特征空间法,方法假设土壤表面组分和植被冠层表面组分的供水源是完全不同步变化。实践发现,实际的土壤表面组分和植被冠层表面组分的供水源是不一定完全同源同步变化,也不一定完全非同源同步变化。
因此,有必要开发一种基于组分热惯量加权方程的遥感混合像元地表温度分解方法、装置、电子设备及介质。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种遥感混合像元地表温度分解方法、装置、电子设备及介质,其确定每个像元的实际真实供给土壤水分的同步变化状况,克服了PCACA法和两阶段法在土壤和植被供水源的同步变化上的不确定性,从而提高了特征空间法的精度。
第一方面,本公开实施例提供了一种遥感混合像元地表温度分解方法,包括:
获取初始数据;
根据所述初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;
根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。
优选地,通过公式(1)计算植被覆盖率:
其中,fi为第i个像元的植被覆盖率,NDVIi为第i个像元的归一化植被指数,NDVImax为归一化植被指数的最大值,NDVImin为归一化植被指数的最小值。
优选地,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:
计算土壤表面组分反射率与植被冠层表面组分反射率;
计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;
根据所述土壤表面组分反射率、所述植被冠层表面组分反射率、所述土壤表面组分比辐射率与所述植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
优选地,通过公式(2)计算土壤表面组分的净辐射通量密度:
通过公式(3)计算植被冠层表面组分的净辐射通量密度:
其中,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,εmi、εvi分别为第i像元的混合像元的、植被的比辐射率,εa为试验区代表性的空气比辐射率,To、e0为试验区气象站百叶箱空气温度和湿度。
优选地,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度。
优选地,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
作为本公开实施例的一种具体实现方式,
第二方面,本公开实施例还提供了一种遥感混合像元地表温度分解装置,包括:
初始模块,获取初始数据;
计算模块,根据所述初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;
温度分解模块,根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。
优选地,通过公式(1)计算植被覆盖率:
其中,fi为第i个像元的植被覆盖率,NDVIi为第i个像元的归一化植被指数,NDVImax为归一化植被指数的最大值,NDVImin为归一化植被指数的最小值。
优选地,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:
计算土壤表面组分反射率与植被冠层表面组分反射率;
计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;
根据所述土壤表面组分反射率、所述植被冠层表面组分反射率、所述土壤表面组分比辐射率与所述植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
优选地,通过公式(2)计算土壤表面组分的净辐射通量密度:
通过公式(3)计算植被冠层表面组分的净辐射通量密度:
其中,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,εmi、εvi分别为第i像元的混合像元的、植被的比辐射率,εa为试验区代表性的空气比辐射率,To、e0为试验区气象站百叶箱空气温度和湿度。
优选地,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度。
优选地,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
第三方面,本公开实施例还提供了一种电子设备,该电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现所述的遥感混合像元地表温度分解方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的遥感混合像元地表温度分解方法。
其有益效果在于:
(1)从热惯量的体积加权系数发展为植被覆盖率加权系数的混合像元热惯量和土壤、植被冠层表面组分热惯量的加权方程;
(2)提出先以迭代方法获取土壤温度组分,再与混合像元温度加权方程求解出植被温度,实现新的混合像元温度的分解。
与现有技术相比,本方法没有两角度法的那种不确定性,即不同观测角度得到不同面积的观测目标,导致两角度法的加权方程组不闭合;不需要等温法(植被冠层温度等于空气温度)方法的那种假设,等温法必须假设植物均处于充分供水的不受水分胁迫状态时,组分植物冠层温度等于参考高度的空气温度,因此等温法与大部分现实情况不符;克服了TSEB-SM模型分解法采用了Beer定律分解净辐射通量的不确定性,从而提高了混合像元温度分解的精度;克服了PCACA法和两阶段法在判断土壤表面组分中的土壤水分与植被冠层表面组分中的土壤水分之间的同步性变化判断的误差,从而提高了混合像元温度分解的精度。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的遥感混合像元地表温度分解方法的步骤的流程图。
图2示出了根据本发明的一个实施例的试验区混合像元温度LST分布图。
图3示出了根据本发明的一个实施例的试验区每个像元的土壤表面组分温度分布图。
图4示出了根据本发明的一个实施例的试验区每个像元的植被冠层表面组分温度分布图。
图5示出了根据本发明的一个实施例的试验区每个像元的土壤蒸发分布图。
图6示出了根据本发明的一个实施例的试验区每个像元的植被蒸腾分布图。
图7示出了根据本发明的一个实施例的一种遥感混合像元地表温度分解装置的框图。
附图标记说明:
201、初始模块;202、计算模块;203、温度分解模块。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明提供一种遥感混合像元地表温度分解方法,包括:
获取初始数据。
具体地,获取初始数据包括:MODIS、TM的可见光和近红外多光谱数据、叶面积指数和植被覆盖率反演或产品下载,即叶面积指数和植被覆盖率的产品;MODIS、TM的混合像元地表温度(LST)产品下载或反演;太阳直接辐射通量密度(W/m2)、大气短波与长波的下行辐射通量密度数据(W/m2)、其他气象强迫数据的采集;地区气象台网站的空气温度和地表温度的采集,包含上午卫星过境时间以及净辐射等于零时刻,即日最低时刻的地表温度。
根据初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度。在一个示例中,通过公式(1)计算植被覆盖率:
其中,fi为第i个像元的植被覆盖率,NDVIi为第i个像元的归一化植被指数,NDVImax为归一化植被指数的最大值,NDVImin为归一化植被指数的最小值。
在一个示例中,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:计算土壤表面组分反射率与植被冠层表面组分反射率;计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;根据土壤表面组分反射率、植被冠层表面组分反射率、土壤表面组分比辐射率与植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
在一个示例中,通过公式(2)计算土壤表面组分的净辐射通量密度:
通过公式(3)计算植被冠层表面组分的净辐射通量密度:
其中,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,εmi、εvi分别为第i像元的混合像元的、植被的比辐射率,εa为试验区代表性的空气比辐射率,To、e0为试验区气象站百叶箱空气温度和湿度。
具体地,进行叶面积指数和植被覆盖率的反演,通过公式(1)计算每个像元的植被覆盖率fi,其中,通过公式(6)计算归一化植被指数:
其中,IRi为第i像元的近红外波段反射光谱辐射,Ri为第i像元的红光波段反射光谱辐射。
运用梯形法或三角法进行混合像元反射率的分解,获取土壤表面组分反射率和植被冠层表面组分反射率,通过如下方程求出每个像元i土壤表面组分反射率αsi和植被冠层表面组分的反射率αvi:
其中,为第i像元的等反射率线的斜率,是αm~f散点图上干湿边斜率之间的内插值,由两个极端的等反射率斜率线的线性内插而获取,αi,f=0、αi,f=1分别为通过αmi的等斜率线与f=0、f=1的等植被覆盖率线的交点反射率。
如果植被反射率αvi变化不大,近似相等,αsi可以根据下式求得:
获取土壤表面组分和植被冠层表面组分的比辐射率,混合像元的比辐射率与土壤表面组分和植被冠层表面组分的比辐射率有如下方程组求解:
其中,ε为该地物的比辐射率。下标m、s、v分别为混合像元、土壤表面组分和植被冠层表面组分比辐射率。
根据辐射平衡方程确定每个像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,则有:
则有土壤表面组分的净辐射通量密度为公式(2),植被冠层表面组分的净辐射通量密度为公式(3)。
根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。在一个示例中,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度。
在一个示例中,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
具体地,中午时刻(或近中午的卫星过境时刻)混合像元温度加权方程为:
Tm,an=fTv,an+(1-f)Ts.an (11)
其中中午时刻(afternoon)下标为an,则对于每个像元i,可以通过公式(5)计算植被冠层表面组分温度。
根据物理学原理,多组分物体的热惯量服从体积加权表达式:
由于土壤热惯量的土壤温度日不变深度与表达植被伪热惯量的土壤深度相近,体积加权系数转化表层面积加权系数,则对于每个像元i,有:
其中,Δt1~2、T0~1、T0~2分别为物体表面的第1和第2驱动时间之间的平均净辐射通量、热驱动时间、第1和第2驱动时间的物体表面温度。混合像元、土壤表面组分和植被冠层表面组分的下标分别为m、s、v。凌晨时刻(early morning)下标为em,中午(或上午卫星过境时刻)的下标为an。
公式(13)与公式(14)联合求解,能够计算土壤表面组分温度Ts,an:
其中,RNm、RNs、RNm分别为中午或上午卫星过境时刻的混合像元、土壤表面组分和植被冠层表面组分的净辐射通量密度。热惯量加权方程中的中的分母Tmi,an-Tmi,em为在驱动时间内的地表混合像元温度的增温值,是热惯量简化方程中的三大形成因子之一,三大形成因子为:驱动时间内的平均净辐射通量密度、热驱动时间、在驱动时间内的地表温度的增温值。
则对于每个像元i,可以通过以植被覆盖率为加权系数的热惯量线性加权方程,即公式(4)迭代计算土壤表面组分温度,公式(4)两边均有Tsi,an,以迭代方式求出,其中Tmi,an为第i像元中午混合像元组分温度,Tmi,em为第i像元凌晨混合像元组分温度,Tsi,em为第i像元凌晨土壤表面组分温度,Tvi,em为第i像元凌晨植被冠层表面组分温度。
本方法以混合像元组分热惯量线性加权方程,建立以植被覆盖率为加权系数的热惯量线性加权方程,并运用迭代方法分解混合像元组分温度。
本发明还提供一种遥感混合像元地表温度分解装置,包括:
初始模块,获取初始数据。
具体地,获取初始数据包括:MODIS、TM的可见光和近红外多光谱数据、叶面积指数和植被覆盖率反演或产品下载,即叶面积指数和植被覆盖率的产品;MODIS、TM的混合像元地表温度(LST)产品下载或反演;太阳直接辐射通量密度(W/m2)、大气短波与长波的下行辐射通量密度数据(W/m2)、其他气象强迫数据的采集;地区气象台网站的空气温度和地表温度的采集,包含上午卫星过境时间以及净辐射等于零时刻,即日最低时刻的地表温度。
计算模块,根据初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度。在一个示例中,通过公式(1)计算植被覆盖率:
其中,fi为第i个像元的植被覆盖率,NDVIi为第i个像元的归一化植被指数,NDVImax为归一化植被指数的最大值,NDVImin为归一化植被指数的最小值。
在一个示例中,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:计算土壤表面组分反射率与植被冠层表面组分反射率;计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;根据土壤表面组分反射率、植被冠层表面组分反射率、土壤表面组分比辐射率与植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
在一个示例中,通过公式(2)计算土壤表面组分的净辐射通量密度:
通过公式(3)计算植被冠层表面组分的净辐射通量密度:
其中,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,εmi、εvi分别为第i像元的混合像元的、植被的比辐射率,εa为试验区代表性的空气比辐射率,To、e0为试验区气象站百叶箱空气温度和湿度。
具体地,进行叶面积指数和植被覆盖率的反演,通过公式(1)计算每个像元的植被覆盖率fi,其中,通过公式(6)计算归一化植被指数。运用梯形法或三角法进行混合像元反射率的分解,获取土壤表面组分反射率和植被冠层表面组分反射率,通过公式(7)求出每个像元i土壤表面组分反射率αsi和植被冠层表面组分的反射率αvi。
如果植被反射率αvi变化不大,近似相等,αsi可以根据公式(8)求得。
获取土壤表面组分和植被冠层表面组分的比辐射率,混合像元的比辐射率与土壤表面组分和植被冠层表面组分的比辐射率有加权方程为公式(9)。
根据辐射平衡方程确定每个像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,则有公式(10)。则有土壤表面组分的净辐射通量密度为公式(2),植被冠层表面组分的净辐射通量密度为公式(3)。
温度分解模块,根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。在一个示例中,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度。
在一个示例中,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
具体地,中午时刻(或近中午的卫星过境时刻)混合像元温度加权方程为公式(11),则对于每个像元i,可以通过公式(5)计算植被冠层表面组分温度。
根据物理学原理,多组分物体的热惯量服从体积加权表达式为公式(12),由于土壤热惯量的土壤温度日不变深度与表达植被伪热惯量的土壤深度相近,体积加权系数转化表层面积加权系数,则对于每个像元i,有公式(13)。
公式(13)与公式(14)联合求解,能够计算土壤表面组分温度Ts,an为公式(15),上式中的分子分母相约,消去得到公式(16)。则对于每个像元i,可以通过以植被覆盖率为加权系数的热惯量线性加权方程,即公式(4)迭代计算土壤表面组分温度,公式(4)两边均有Tsi,an,以迭代方式求出,其中,Tmi,an为第i像元中午混合像元组分温度,Tmi,em为第i像元凌晨混合像元组分温度,Tsi,em为第i像元凌晨土壤表面组分温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,量纲为摄氏度。
本装置以混合像元组分热惯量线性加权方程,建立以植被覆盖率为加权系数的热惯量线性加权方程,并运用迭代方法分解混合像元组分温度。
本发明还提供一种电子设备,电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述的遥感混合像元地表温度分解方法。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的遥感混合像元地表温度分解方法。
为便于理解本发明实施例的方案及其效果,以下给出四个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
实施例1
图1示出了根据本发明的一个实施例的遥感混合像元地表温度分解方法的步骤的流程图。
如图1所示,该遥感混合像元地表温度分解方法包括:步骤101,获取初始数据;步骤102,根据初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;步骤103,根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。
图2示出了根据本发明的一个实施例的试验区混合像元温度LST分布图,右侧定标带表示温度。
遥感数据Landsat 8OIL影像图,空间分辨率分辨率是30m,像元个数为500×500=250000像元。确定空间范围,Landsat 8OIL影像图面积19.7公里×15公里,如图2所示。
试验区的地面数据和气象数据如表1所示。
表1
图3示出了根据本发明的一个实施例的试验区每个像元的土壤表面组分温度分布图,右侧定标带表示温度。
根据采集的参数和公式(4),用迭代法获取的试验区每个像元的土壤表面组分温度℃分布图,如图3所示。迭代算法是在MATLAN软件中独立编写法的。
图4示出了根据本发明的一个实施例的试验区每个像元的植被冠层表面组分温度分布图,右侧定标带表示温度。
根据土壤表面组分温度分布图以及公式(5),运用非迭代算法获取试验区每个像元的植被冠层表面组分温度分布图,如图4所示。
由于梯形特征空间二源蒸散模型的核心是混合像元温度分解方法。特征空间模型的PCACA模型和两阶段模型中的每个像元的等湿度斜率线的确定均是根据土壤理论干湿线和植被理论干湿性的斜率进行线性内插获取的。实践发现实际的土壤表面组分和植被冠层表面组分的供水源不一定同源同步(PCACA模型),也不一定绝对非同源同步(两阶段模型)。实际上,Tsi-Tvi就是每个像元的等湿度斜率线的斜率,因此运用每个像元点实际的斜率Tsi-Tvi与由PCACA模型及两阶段模型内插的斜率比较,就可确定每个像元点是适合PCACA模型的完全同步类型还是两阶段模型的完全不同步类型,还是两者之间的过渡性同步类型。这信息明显克服了PCACA模型以及两阶段模型的不确定性,从而提高了精度。
图5示出了根据本发明的一个实施例的试验区每个像元的土壤蒸发分布图,右侧定标带表示辐射通量密度。
根据土壤表面组分温度Tsi对同植被覆盖率的干点温度和湿点温度,建立每个像元点可能利用能量切割方程,从而获取每个像元点的土壤蒸发值,即二源蒸散模型的目标信息-土壤蒸发分布图,如图5所示。
图6示出了根据本发明的一个实施例的试验区每个像元的植被蒸腾分布图,右侧定标带表示辐射通量密度。
根据植被冠层表面组分温度Tvi对同植被覆盖率的干点温度和湿点温度,建立每个像元点可能利用能量切割方程,从而获取每个像元点的植被蒸腾值,即二源蒸散模型的另一目标信息-植被蒸腾分布图,如图6所示。
由于没有进行卫星像元尺度的地毯式扫描式的土壤表面组分温度和植被冠层表面组分温度地面温度的测量,也没有具有卫星像元尺度代表性的土壤蒸发通量和植被蒸腾通量实测数据。因此运用均质分布的无植被密云水库水面温度和水面蒸的实测值对其反演值进行验证,验证结果如表2所示,验证结果表明,本方法精度较高。
表2
实测水面潜热通量 | 反演水面潜热通量 | 实测水面温度 | 反演水面温度 |
668.7W/m<sup>2</sup> | 699.31W/m<sup>2</sup> | 26.5℃ | 26.34℃ |
实施例2
图7示出了根据本发明的一个实施例的一种遥感混合像元地表温度分解装置的框图。
如图7所示,该遥感混合像元地表温度分解装置,包括:
初始模块201,获取初始数据;
计算模块202,根据初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;
温度分解模块203,根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度。
作为可选方案,通过公式(1)计算植被覆盖率:
其中,fi为第i个像元的植被覆盖率,NDVIi为第i个像元的归一化植被指数,NDVImax为归一化植被指数的最大值,NDVImin为归一化植被指数的最小值。
作为可选方案,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:
计算土壤表面组分反射率与植被冠层表面组分反射率;
计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;
根据土壤表面组分反射率、植被冠层表面组分反射率、土壤表面组分比辐射率与植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
作为可选方案,通过公式(2)计算土壤表面组分的净辐射通量密度:
通过公式(3)计算植被冠层表面组分的净辐射通量密度:
其中,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度,εmi、εvi分别为第i像元的混合像元的、植被的比辐射率,εa为试验区代表性的空气比辐射率,To、e0为试验区气象站百叶箱空气温度和湿度。
作为可选方案,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度。
作为可选方案,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
实施例3
本公开提供一种电子设备包括,该电子设备包括:存储器,存储有可执行指令;处理器,处理器运行存储器中的可执行指令,以实现上述遥感混合像元地表温度分解方法。
根据本公开实施例的电子设备包括存储器和处理器。
该存储器用于存储非暂时性计算机可读指令。具体地,存储器可以包括一个或多个计算机程序产品,该计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。该易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。该非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
该处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制电子设备中的其它组件以执行期望的功能。在本公开的一个实施例中,该处理器用于运行该存储器中存储的该计算机可读指令。
本领域技术人员应能理解,为了解决如何获得良好用户体验效果的技术问题,本实施例中也可以包括诸如通信总线、接口等公知的结构,这些公知的结构也应包含在本公开的保护范围之内。
有关本实施例的详细说明可以参考前述各实施例中的相应说明,在此不再赘述。
实施例4
本公开实施例提供一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现所述的遥感混合像元地表温度分解方法。
根据本公开实施例的计算机可读存储介质,其上存储有非暂时性计算机可读指令。当该非暂时性计算机可读指令由处理器运行时,执行前述的本公开各实施例方法的全部或部分步骤。
上述计算机可读存储介质包括但不限于:光存储介质(例如:CD-ROM和DVD)、磁光存储介质(例如:MO)、磁存储介质(例如:磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如:存储卡)和具有内置ROM的媒体(例如:ROM盒)。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (7)
1.一种遥感混合像元地表温度分解方法,其特征在于,包括:
获取初始数据;
根据所述初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;
根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度;
其中,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度;
其中,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
3.根据权利要求1所述的遥感混合像元地表温度分解方法,其中,计算土壤表面组分与植被冠层表面组分的净辐射通量密度包括:
计算土壤表面组分反射率与植被冠层表面组分反射率;
计算土壤表面组分比辐射率与植被冠层表面组分比辐射率;
根据所述土壤表面组分反射率、所述植被冠层表面组分反射率、所述土壤表面组分比辐射率与所述植被冠层表面组分比辐射率,计算土壤表面组分与植被冠层表面组分的净辐射通量密度。
5.一种遥感混合像元地表温度分解装置,其特征在于,包括:
初始模块,获取初始数据;
计算模块,根据所述初始数据,计算植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度;
温度分解模块,根据植被覆盖率、土壤表面组分与植被冠层表面组分的净辐射通量密度,建立以植被覆盖率为加权系数的热惯量线性加权方程,进行温度分解,迭代计算土壤表面组分温度与植被冠层表面组分温度;
其中,建立以植被覆盖率为加权系数的热惯量线性加权方程,即通过公式(4)迭代计算土壤表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tmi,em为第i像元凌晨混合像元温度,Tvi,em为第i像元凌晨植被冠层表面组分温度,Tsi,em为第i像元凌晨土壤表面组分温度,RNsi、RNvi为第i像元的土壤表面组分和植被冠层表面组分的净辐射通量密度;
其中,通过公式(5)计算植被冠层表面组分温度:
其中,Tmi,an为第i像元中午混合像元温度,Tvi,an为第i像元中午植被冠层表面组分温度,Tsi.an为第i像元中午土壤表面组分温度。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有可执行指令;
处理器,所述处理器运行所述存储器中的所述可执行指令,以实现权利要求1-4中任一项所述的遥感混合像元地表温度分解方法。
7.一种计算机可读存储介质,其特征在于,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-4中任一项所述的遥感混合像元地表温度分解方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064788.4A CN112199837B (zh) | 2020-09-30 | 2020-09-30 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011064788.4A CN112199837B (zh) | 2020-09-30 | 2020-09-30 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112199837A CN112199837A (zh) | 2021-01-08 |
CN112199837B true CN112199837B (zh) | 2021-04-23 |
Family
ID=74014061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011064788.4A Active CN112199837B (zh) | 2020-09-30 | 2020-09-30 | 遥感混合像元地表温度分解方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112199837B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113899468B (zh) * | 2021-09-30 | 2022-11-25 | 中国科学院大气物理研究所 | 一种地表温度的测量方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866385A (zh) * | 2010-06-24 | 2010-10-20 | 浙江大学 | 一种目标地块地表温度的模拟与优化方法 |
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908196B (zh) * | 2009-06-03 | 2012-07-18 | 北京师范大学 | 基于植被-土壤水分响应关系的植被盖度估算方法 |
CN101629850A (zh) * | 2009-08-24 | 2010-01-20 | 中国农业科学院农业资源与农业区划研究所 | 从modis数据反演地表温度方法 |
CN101963664B (zh) * | 2010-09-28 | 2013-03-20 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
CN102176002B (zh) * | 2010-12-30 | 2013-07-24 | 中国科学院地理科学与资源研究所 | 基于地表水热通量遥感反演的干旱监测方法及系统 |
CN106203686A (zh) * | 2016-06-30 | 2016-12-07 | 上海海洋大学 | 基于灰色系统的西北太平洋柔鱼冬春生群体丰度预测方法 |
-
2020
- 2020-09-30 CN CN202011064788.4A patent/CN112199837B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101866385A (zh) * | 2010-06-24 | 2010-10-20 | 浙江大学 | 一种目标地块地表温度的模拟与优化方法 |
CN106918394A (zh) * | 2017-01-24 | 2017-07-04 | 中国科学院地理科学与资源研究所 | 一种有效的modis地表温度角度校正方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112199837A (zh) | 2021-01-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lindberg et al. | SOLWEIG 1.0–Modelling spatial variations of 3D radiant fluxes and mean radiant temperature in complex urban settings | |
Stisen et al. | Moving beyond run‐off calibration—Multivariable optimization of a surface–subsurface–atmosphere model | |
Long et al. | A two-source trapezoid model for evapotranspiration (TTME) from satellite imagery | |
Jia et al. | Estimation of sensible heat flux using the Surface Energy Balance System (SEBS) and ATSR measurements | |
Verhoef et al. | Some practical notes on the parameter kB− 1 for sparse vegetation | |
Hofierka et al. | Physically-based land surface temperature modeling in urban areas using a 3-D city model and multispectral satellite data | |
Nichol | Visualisation of urban surface temperatures derived from satellite images | |
Caparrini et al. | Variational estimation of soil and vegetation turbulent transfer and heat flux parameters from sequences of multisensor imagery | |
Lagouarde et al. | Experimental characterization and modelling of the nighttime directional anisotropy of thermal infrared measurements over an urban area: Case study of Toulouse (France) | |
Manners et al. | Radiative transfer over resolved topographic features for high‐resolution weather prediction | |
Ali et al. | Experimental validation of the dynamic thermal behavior of two types of agricultural greenhouses in the Mediterranean context | |
Sannigrahi et al. | Changing dynamics of urban biophysical composition and its impact on urban heat island intensity and thermal characteristics: the case of Hyderabad City, India | |
Waters et al. | Sebal | |
Xiong et al. | Simplifying the revised three-temperature model for remotely estimating regional evapotranspiration and its application to a semi-arid steppe | |
Yeom et al. | Mapping rice area and yield in northeastern Asia by incorporating a crop model with dense vegetation index profiles from a geostationary satellite | |
Marshall et al. | On parameterizing soil evaporation in a direct remote sensing model of ET: PT‐JPL | |
Li et al. | Variational retrieval of cloud parameters from GOES sounder longwave cloudy radiance measurements | |
Samain et al. | Use of a Kalman filter for the retrieval of surface BRDF coefficients with a time-evolving model based on the ECOCLIMAP land cover classification | |
Landier et al. | Calibration of urban canopies albedo and 3D shortwave radiative budget using remote-sensing data and the DART model | |
CN112199837B (zh) | 遥感混合像元地表温度分解方法、装置、电子设备及介质 | |
Wu et al. | A fast and accurate mean radiant temperature model for courtyards: Evidence from the Keyuan Garden in central Guangdong, China | |
Li et al. | Diverse cooling effects of green space on urban heat island in tropical megacities | |
Huang et al. | Temporal patterns of thermal emission directionality of crop canopies | |
Qualls et al. | Directional radiometric temperature profiles within a grass canopy | |
Calcagno et al. | Distributed estimation of actual evapotranspiration through remote sensing techniques |
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 |