CN112580562A - 一种农田地表温度提取方法、存储介质及系统 - Google Patents
一种农田地表温度提取方法、存储介质及系统 Download PDFInfo
- Publication number
- CN112580562A CN112580562A CN202011565825.XA CN202011565825A CN112580562A CN 112580562 A CN112580562 A CN 112580562A CN 202011565825 A CN202011565825 A CN 202011565825A CN 112580562 A CN112580562 A CN 112580562A
- Authority
- CN
- China
- Prior art keywords
- farmland
- surface temperature
- longitude
- latitude
- data
- 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
Images
Classifications
-
- 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
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种农田地表温度提取方法,其包括,通过MODIS数据获取地表温度数据;计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息;将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度。本发明还提供一种存储介质及一种农田地表温度提取系统,本发明提供的农田地表温度提取方法、存储介质及系统相对于其他传统方法具有监测面积广,监测速度快,监测数据准等优点。
Description
技术领域
本发明涉及地表温度提取技术领域,尤其涉及一种农田地表温度提取方法、存储介质及系统。
背景技术
地表温度就是地面的温度。太阳的热能被辐射到达地面后,一部分被反射,一部分被地面吸收,使地面增热,对地面的温度进行测量后得到的温度就是地表温度,地表温度还会由所处地点环境而有所不同。在农作物的生长过程中,地表温度起到了关键性作用,在生态监测、气象预报、土地管理、农情监测和全球气候变化等许多研究领域都有重要应用。
传统的地表温度监测大多数依靠观测点的数据,其中应用最多的气象站点的观测数据。
由于气象站点观测自身的局限性,监测范围小,难以形成规模化的栅格测量数据,并且测量精度存在一定的问题。在农业应用中,个人用户获取气象站点监测数据的难度和成本较大,实际应用中存在着诸多不便。
发明内容
有鉴于此,本发明提供一种农田地表温度提取方法、存储介质及系统解决传统由于气象站点观测自身的局限性,监测范围小,难以形成规模化的栅格测量数据,并且测量精度存在一定的问题。
为了达到上述目的,本发明解决技术问题的技术方案是提供一种农田地表温度提取方法,其包括:通过MODIS数据获取地表温度数据;计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息;将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度。
进一步,所述通过MODIS数据获取地表温度数据包括:获取MODIS数据;得到MODIS数据上的代表白天及夜晚地表温度的两个波段。
进一步,所述计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息包括:确定农田的形状并获取待提取温度农田边界的经纬度;利用农田形状及边界的经纬度计算农田中心点的经纬度。
进一步,所述将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度包括:将农田中心点的经纬度转换为MODIS数据的图形坐标;获取MODIS数据图像坐标点的地表温度;将获取到的地表温度进行单位转换。
进一步,在提取地表温度前,需确认MODIS数据的坐标系是否为WGS84,若不是则需要将数据投影到WGS84坐标系下。
进一步,所述将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中的实现通过公式:
其中,Lng为中心点的经度,Lat为中心点的纬度,X、Y为图像坐标中的坐标点,Lat0为影像左上角像元左上角点的经纬度,其在图像中的坐标是0,0;Latlr为影像右下角像元右下角点的经纬度,其在图像中的坐标是Width,Height;Width是图像的宽度,Height是图像的高度;ceiling()函数是向上取整函数。
进一步,将获取到的地表温度进行单位转换的实现为通过公式:
t=T-273.15℃
其中T为MODIS影像记录的热力学温度,单位是开尔文K,t为经转换得到的地表温度,单位为摄氏度℃。
本发明还提供一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述农田地表温度提取方法。
本发明还提供一种农田地表温度提取系统,其包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被所述处理器执行时,实现农田地表温度提取方法。
与现有技术相比,本发明所提供的农田地表温度提取方法、存储介质及系统具有以下有益效果:
通过将农田中心点的经纬度转换成MODIS数据的图像坐标,可以利用'LST_Day_1km'和'LST_Night_1km'两个波段快速得到田块的地表温度,相对于其他传统方法具有监测面积广,监测速度快,监测数据准等优点,具有一定的推广价值。
附图说明
图1为本发明一个实施例提供的一种农田地表温度提取方法的步骤流程示意图;
图2为本发明一个实施例提供的一种农田地表温度提取方法的原理示意图;
图3为图1中步骤S1另一个实施例的步骤流程示意图;
图4为图1中步骤S2另一个实施例的步骤流程示意图;
图5为图1中步骤S3另一个实施例的步骤流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1-2,本发明提供的一种农田地表温度提取方法,其包括:
S1,通过MODIS数据获取地表温度数据;
具体的,MODIS数据是TERRA、AQUA卫星上的中分辨率成象光谱仪获取的数据,MODIS数据主要有三个特点,其一,NASA对MODIS数据实行全世界免费接收的政策,这样的数据接收和使用政策对于目前我国大多数科学家来说是不可多得的、廉价并且实用的数据资源;其二,MODIS数据涉及波段范围广、数据分辨率比NOAA-AVHRR有较大的进展,其三,TERRA和AQUA卫星都是太阳同步极轨卫星,TERRA在地方时上午过境,AQUA将在地方时下午过境。TERRA与AQUA上的MODIS数据在时间更新频率上相配合,加上晚间过境数据,对于接收MODIS数据来说,可以得到每天最少2次白天和2次黑夜更新数据。这样的数据更新频率,对实时地球观测和应急处理有较大的实用价值。
MODIS数据获取国内外均有多种开放渠道,对公众开放。本发明使用的是NASA官方提供的MODIS的全球每日1km空间分辨率地表温度数据,包含12个波段。由于本发明不涉及地表温度反演过程,故只需要产品中提供的白天和夜晚的温度反演结果,其波段名称分别为:'LST_Day_1km'和'LST_Night_1km'。
在本实施例中,通过MODIS数据获取到每个经纬度对应的白天及黑夜的地表温度数据。
S2,计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息;
具体的,每块农田都是以几何形状的方式存在,待需要得到具体某一块农田的地面温度时,计算该农田几何形状的中心点,并获取中心点的经纬度,然后以中心点的经纬度作为农田的地表温度位置信息,即将该中心点的经纬度的地表温度认定为对应农田的地表温度。
可以理解,每块农田的中心点获取方式可以是通过遥感技术先获取其边界的坐标-经纬度,然后计算出中心点的坐标-经纬度。
S3,将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度;
具体的,在获取到待提取温度农田的中心经纬度后,计算该中心点在MODIS影像上的图像坐标,将中心点的位置转换至图像坐标上的计算公式如下:
其中,Lng为中心点的经度,Lat为中心点的纬度,X、Y为图像坐标中的坐标点,Lat0为影像左上角像元左上角点的经纬度,其在图像中的坐标是(0,0);Latlr为影像右下角像元右下角点的经纬度,其在图像中的坐标是(Width,Height);Width是图像的宽度,Height是图像的高度;ceiling()函数是向上取整函数,代表函数内求得的结果需要进行向上取整。
经过以上公式计算,即可将田块中心点经纬度转换为MODIS影像的图像坐标。
再根据图像坐标(X,Y),针对'LST_Day_1km'和'LST_Night_1km'两个波段,提取得到MODIS白天和夜晚的温度反演结果。最后,由于MODIS地表温度数据的单位是热力学温度K,还需通过转换公式将其转换为国内常用的摄氏度℃,转换公式为:
t=T-273.15℃
其中,T为MODIS影像记录的热力学温度,单位是开尔文K,t为经转换得到的地表温度,单位为摄氏度℃。进行单位转换后,即可得到最终的田块当日白天和夜晚的地表温度结果。
进一步的,在提取地表温度前,需确认MODIS数据的坐标系是否为WGS84,若不是则需要将数据投影到WGS84坐标系下,这样才可进行数据提取。
可以理解,WGS84坐标系的几何意义是:坐标系的原点位于地球质心,z轴指向(国际时间局)BIH1984.0定义的协议地球极(CTP)方向,x轴指向BIH1984.0的零度子午面和CTP赤道的交点,y轴通过右手规则确定。
请参阅图3,步骤S1还包括子步骤:
S11,获取MODIS数据;
具体的,利用卫星数据获取NASA官方提供的MODIS数据。
S12,得到MODIS数据上的代表白天及夜晚地表温度的两个波段;
具体的,获取MODIS数据上的'LST_Day_1km'和'LST_Night_1km'两个波段。
请参阅图4,步骤S2还包括子步骤:
S21,确定农田的形状并获取待提取温度农田边界的经纬度;
具体的,利用遥感技术获取待提取温度农田的形状,并获取其边界对应的经纬度。
S22,利用农田形状及边界的经纬度计算农田中心点的经纬度;
具体的,计算出农田形状的中心点,并获取该中心点的经纬度。
请参阅图5,步骤S3还包括子步骤:
S31,将农田中心点的经纬度转换为MODIS数据的图形坐标;
具体的,将中心点的经纬度转为MODIS数据中对应的图形坐标点。
S32,获取MODIS数据图像坐标点的地表温度;
具体的,利用'LST_Day_1km'和'LST_Night_1km'两个波段得到该图像坐标点的地表温度,即为农田中心点的地表温度。
S33,将获取到的地表温度进行单位转换;
具体的,将MODIS地表温度数据的热力学温度K,通过转换公式转换为国内常用的摄氏度℃。
本发明还提供一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述方法步骤。存储介质可以包括如软盘、光盘、DVD、硬盘、闪存、U盘、CF卡、SD卡、MMC卡、SM卡、记忆棒(Memory Stick)、XD卡等。
计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可以是个人计算机设备、服务器或其他网络设备等)用以执行本发明方法的全部或部分步骤。
本发明还提供一种农田地表温度提取系统,农田地表温度提取系统包括处理器和存储器,存储器上存储有计算机程序,计算机程序被处理器执行时,实现农田地表温度提取方法。
与现有技术相比,本发明所提供的农田地表温度提取方法、存储介质及系统具有以下有益效果:
通过将农田中心点的经纬度转换成MODIS数据的图像坐标,可以利用'LST_Day_1km'和'LST_Night_1km'两个波段快速得到田块的地表温度,相对于其他传统方法具有监测面积广,监测速度快,监测数据准等优点,具有一定的推广价值。
以上所述本发明的具体实施方式,并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形,均应包含在本发明的保护范围内。
Claims (9)
1.一种农田地表温度提取方法,其特征在于,包括:
通过MODIS数据获取地表温度数据;
计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息;
将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度。
2.如权利要求1所述的一种农田地表温度提取方法,其特征在于,所述通过MODIS数据获取地表温度数据包括:
获取MODIS数据;
得到MODIS数据上的代表白天及夜晚地表温度的两个波段。
3.如权利要求1所述的一种农田地表温度提取方法,其特征在于,所述计算待提取温度农田中心的经纬度,并以该经纬度作为待提取温度农田的地表温度位置信息包括:
确定农田的形状并获取待提取温度农田边界的经纬度;
利用农田形状及边界的经纬度计算农田中心点的经纬度。
4.如权利要求1所述的一种农田地表温度提取方法,其特征在于,所述将待提取温度农田中心的经纬度转换至MODIS数据对应的坐标中,得到农田地表温度包括:
将农田中心点的经纬度转换为MODIS数据的图形坐标;
获取MODIS数据图像坐标点的地表温度;
将获取到的地表温度进行单位转换。
5.如权利要求1所述的一种农田地表温度提取方法,其特征在于:
在提取地表温度前,需确认MODIS数据的坐标系是否为WGS84,若不是则需要将数据投影到WGS84坐标系下。
7.如权利要求4所述的一种农田地表温度提取方法,其特征在于:
将获取到的地表温度进行单位转换的实现为通过公式:
t=T-273.15℃
其中T为MODIS影像记录的热力学温度,单位是开尔文K,t为经转换得到的地表温度,单位为摄氏度℃。
8.一种存储介质,其特征在于:
所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1-7中任一项中所述的农田地表温度提取方法。
9.一种农田地表温度提取系统,其特征在于,包括:
存储器和处理器,存储器中存储有所述处理器的可执行指令;其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1-7中任一项所述的农田地表温度提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565825.XA CN112580562B (zh) | 2020-12-25 | 2020-12-25 | 一种农田地表温度提取方法、存储介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011565825.XA CN112580562B (zh) | 2020-12-25 | 2020-12-25 | 一种农田地表温度提取方法、存储介质及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580562A true CN112580562A (zh) | 2021-03-30 |
CN112580562B CN112580562B (zh) | 2023-04-07 |
Family
ID=75140669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011565825.XA Active CN112580562B (zh) | 2020-12-25 | 2020-12-25 | 一种农田地表温度提取方法、存储介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580562B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475324A (zh) * | 2023-11-16 | 2024-01-30 | 中国科学院东北地理与农业生态研究所 | 基于湖泊表面温度时间序列的湖冰物候信息提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
US20190057171A1 (en) * | 2017-02-10 | 2019-02-21 | Guangxi Institute of Meteorlogical Disaster- Reducing Research | Novel nonlinear method for area-wide near surface air temperature precision retrieval |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN111738066A (zh) * | 2020-05-11 | 2020-10-02 | 杭州电子科技大学 | 综合多源遥感信息的网格化水稻纹枯病生境评价方法 |
-
2020
- 2020-12-25 CN CN202011565825.XA patent/CN112580562B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
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 |
US20190057171A1 (en) * | 2017-02-10 | 2019-02-21 | Guangxi Institute of Meteorlogical Disaster- Reducing Research | Novel nonlinear method for area-wide near surface air temperature precision retrieval |
CN110658325A (zh) * | 2019-09-29 | 2020-01-07 | 中国矿业大学(北京) | 一种确定sm监测中lst/fvc空间的方法 |
CN111738066A (zh) * | 2020-05-11 | 2020-10-02 | 杭州电子科技大学 | 综合多源遥感信息的网格化水稻纹枯病生境评价方法 |
Non-Patent Citations (1)
Title |
---|
XINGYUXIAXIANG: "《https://max.book118.com/html/2018/0118/149370890.shtm》", 18 January 2018 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117475324A (zh) * | 2023-11-16 | 2024-01-30 | 中国科学院东北地理与农业生态研究所 | 基于湖泊表面温度时间序列的湖冰物候信息提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112580562B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11333796B2 (en) | Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data | |
Lun et al. | Assessment of GCMs simulation performance for precipitation and temperature from CMIP5 to CMIP6 over the Tibetan Plateau | |
WO2018145229A1 (zh) | 一种近地面气温的大面积精确反演方法 | |
Tu et al. | Surface urban heat island effect and its relationship with urban expansion in Nanjing, China | |
Palmer et al. | Satellite or ground-based measurements for production of site specific hourly irradiance data: Which is most accurate and where? | |
Kidd et al. | Derivation of sky-view factors from lidar data | |
Sun et al. | Microwave and meteorological fusion: A method of spatial downscaling of remotely sensed soil moisture | |
CN103983360B (zh) | 一种基于hj-1b irs卫星数据反演lst的方法 | |
Luo et al. | Estimation of land surface evapotranspiration over the Heihe River basin based on the revised three‐temperature model | |
CN112580562B (zh) | 一种农田地表温度提取方法、存储介质及系统 | |
Xia et al. | Modeling daily temperatures via a phenology-based annual temperature cycle model | |
Xu et al. | Fine-resolution mapping of the circumpolar Arctic Man-made impervious areas (CAMI) using sentinels, OpenStreetMap and ArcticDEM | |
CN113793023A (zh) | 一种基于卫星遥感的区域绿色发展指标评价方法 | |
Kuang et al. | A 30-meter resolution national urban land-cover dataset of China, 2000–2015 | |
Wang | Application of remote sensing technology in different natural disasters | |
Sharma et al. | Production of Multi-Features Driven Nationwide Vegetation Physiognomic Map and Comparison to MODIS Land Cover Type Product | |
Deb et al. | Retrieval and applications of atmospheric motion vectors derived from Indian geostationary satellites INSAT-3D/INSAT-3DR | |
Murakami et al. | Spatiotemporal heatwave risk modeling combining multiple observations | |
Kuang et al. | A 30-meter Resolution Dataset of China’s Urban Impervious Surface Area and Green Space Fractions, 2000–2018 | |
CN107688569B (zh) | 一种基于卫星遥感影像的路径站址协议管理方法及系统 | |
Lei et al. | Estimation of land surface latent heat flux over the Tibetan Plateau using geostationary satellite data | |
Li et al. | Generation of global 1 km all-weather instantaneous and daily mean land surface temperature from MODIS data | |
Zou et al. | Enhanced modeling of remotely sensed Annual Land surface temperature cycle | |
Tabassum et al. | Assessment of drought risk by using vegetation indices from remotely sensed data: A perspective from hot and arid district of Pakistan | |
Wu et al. | Land Geoparcel-Based Spatial Downscaling for the Microwave Remotely Sensed Soil Moisture Product |
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 |