CN112666633B - 一种地表温度降尺度调节方法及系统 - Google Patents
一种地表温度降尺度调节方法及系统 Download PDFInfo
- Publication number
- CN112666633B CN112666633B CN202011533865.6A CN202011533865A CN112666633B CN 112666633 B CN112666633 B CN 112666633B CN 202011533865 A CN202011533865 A CN 202011533865A CN 112666633 B CN112666633 B CN 112666633B
- Authority
- CN
- China
- Prior art keywords
- downscaling
- surface temperature
- initial
- index
- scale
- 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
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种地表温度降尺度调节方法及系统,所述方法包括:获得待测地区地表温度的初始降尺度;根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;根据所述尺度调节因子对所述初始降尺度进行调节,提高了地表温度降尺度的精度。
Description
技术领域
本发明涉及地表温度技术领域,特别是涉及一种地表温度降尺度调节方法及系统。
背景技术
城市地表温度(Land Surface Temperature,LST)是研究城市化、城市热岛效应、全球气候变化、火灾过火面积评估、土壤水分蒸散发等领域的重要参数,利用遥感技术可获取区域或全球尺度的地表温度数据。
由于技术所限,卫星传感器无法同时满足高时间分辨率和高空间分辨率的要求,而许多研究应用需要同时满足高时间分辨率和高空间分辨率的LST影像。地表温度降尺度可以从两个方面考虑,一个是充分利用高时间分辨率影像,对低时间分辨率温度数据进行时间降尺度;另一个是利用高空间分辨率影像的地物特征信息,对低空间分辨率影像进行空间降尺度。
目前,大部分降尺度模型使用统计回归方法和比率调制方法,但线性回归模型有时无法表征LST与尺度因子之间的非线性关系,影响地表温度降尺度的精度。
发明内容
基于此,本发明的目的是提供一种地表温度降尺度调节方法及系统,提高了地表温度降尺度的精度。
为实现上述目的,本发明提供了如下方案:
一种地表温度降尺度调节方法,所述方法包括:
获得待测地区地表温度的初始降尺度;
根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
根据所述尺度调节因子对所述初始降尺度进行调节。
可选地,所述获得待测地区地表温度的初始降尺度,具体包括:
通过统计回归模型获得待测地区地表温度的初始降尺度。
可选地,所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数。
可选地,所述根据所述尺度调节因子对所述初始降尺度进行调节,具体包括:
通过尺度调节公式对所述初始降尺度进行调节,其中,T1表示调节后的地表温度,表示所述初始降尺度得到的地表温度,μ0表示所述初始降尺度中得到的地表温度的平均值,σ0表示所述初始降尺度中得到的地表温度的标准差,σ1表示所述尺度调节因子对应的指数的标准差。
可选地,所述多样性指标为香农多样性指标或者辛普森多样性指标。
本发明还公开了一种地表温度降尺度调节系统,所述系统包括:
初始降尺度获得模块,用于获得待测地区地表温度的初始降尺度;
尺度调节因子确定模块,用于根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
降尺度调节模块,用于根据所述尺度调节因子对所述初始降尺度进行调节。
可选地,所述初始降尺度获得模块,具体包括:
初始降尺度获得单元,用于通过统计回归模型获得待测地区地表温度的初始降尺度。
可选地,所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数。
可选地,所述降尺度调节模块,具体包括:
降尺度调节单元,用于通过尺度调节公式对所述初始降尺度进行调节,其中,T1表示调节后的地表温度,表示所述初始降尺度得到的地表温度,μ0表示所述初始降尺度中得到的地表温度的平均值,σ0表示所述初始降尺度中得到的地表温度的标准差,σ1表示所述尺度调节因子对应的指数的标准差。
可选地,所述多样性指标为香农多样性指标或者辛普森多样性指标。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种地表温度降尺度调节方法及系统,所述方法包括:获得待测地区地表温度的初始降尺度;根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;根据所述尺度调节因子对所述初始降尺度进行调节,提高了地表温度降尺度的精度。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明一种地表温度降尺度调节方法流程示意图;
图2为本发明一种地表温度降尺度调节系统结构示意图。
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。
本发明的目的是提供一种地表温度降尺度调节方法及系统,提高了地表温度降尺度的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种地表温度降尺度调节方法流程示意图,如图1所示,一种地表温度降尺度调节方法包括以下步骤:
步骤101:获得待测地区地表温度的初始降尺度;
步骤102:根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
步骤103:根据所述尺度调节因子对所述初始降尺度进行调节。
其中,步骤101,具体包括:
通过统计回归模型获得待测地区地表温度的初始降尺度。
所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数。所述多样性指标为香农多样性指标或者辛普森多样性指标。
其中,步骤103,具体包括:
通过尺度调节公式对所述初始降尺度进行调节,其中,T1表示调节后的地表温度,表示所述初始降尺度得到的地表温度,μ0表示所述初始降尺度中得到的地表温度的平均值,σ0表示所述初始降尺度中得到的地表温度的标准差,σ1表示所述尺度调节因子对应的指数的标准差。
本发明具体实施例中,景观因素指标,简称景观指数,是对城市地表覆盖的空间结构和形状的描述,设低空间分辨率影像的像元为一个景观,建立1000m×1000m的区域,计算该区域中的景观指数。其中多样性指标、聚散性指标和形状指标下的因子为景观级别指标结果,其余因子均为遥感分类级别指标结果,即每类地表覆盖都会有对应的数值。具体使用的景观指数包括:
①面积指标:PLAND(Percentage of Landscape,斑块面积所占景观面积比例)。
②密度指标:PD(Patch Density,斑块密度)。
③边缘指标:ED(Edge Density,边缘密度)。
④形状指标:LSI(Landscape Shape Index,景观形状指数)、FRAC_AM(Area-WeightedPatch Fractal Dimension,面积加权的平均斑块分维数)。
⑤多样性指标:SHDI(Shannon's Diversity Index,香农多样性指标)、SIDI(Simpson's Diversity Index,辛普森多样性指标)。
⑥聚散性指标:CONT(Contagion Index,聚集度)、COHESION(Patch CohesionIndex,斑块内聚指数)、AI(Aggregation Index,聚合指数)。
景观指数计算公式如表1所示。
表1景观指数计算公式
基于相关系数法,分别计算不同空间分辨率、不同地表覆盖类型下,城市地表特征参数与城市地表温度之间的相关系数。相关系数计算公式为:
基于Landsat 8影像,通过波段组合获得植被指数、建筑指数、水体指数等各种参数,包括:植被区域:NDVI(Normalized difference vegetation index,归一化差异植被指数)、Fv(Fractal Vegetation Index,分形植被指数)、SAVI(Soil-adjusted vegetationindex,土壤调整植被指数);水体区域:MNDWI(Modified normalized difference waterindex,修正归一化差水指数);不透水层区域:NDBI(Normalized difference built-upindex,归一化差积指数);裸土区域:BI(Bare soil index,裸土指数)。具体的计算方法如表2所示。
表2地表特征参数计算公式
注:TM影像1~5波段分别为蓝光、绿光、红光、近红外、中红外波段,公式中TMx表示x波段的反射率值;L为土壤调节系数,此处定位0.5;NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值,NDVIveg则代表完全被植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值
根据相关系数计算公式,计算得到空间分辨率为100m时,基于Landsat 8影像的城市地表特征参数与城市地表温度之间相关系数,如表3所示。
表3地表特征参数与地表温度相关系数表
计算得到空间分辨率为1000m时,基于Landsat 8重采样得到的地表特征参数与基于MODIS影像的城市地表温度之间相关系数,如表4所示。
表4地表特征参数与地表温度相关系数表
根据相关系数计算公式,可计算得出城市地表温度与地形因素、景观指数之间的相关系数,计算结果如表5所示。
表5城市地表温度尺度效应及其影响因素相关系数表
利用相关系数计算公式,计算得到空间分辨率为100m时,在不同的土地覆盖类型下,基于Landsat 8影像的城市地表特征参数与城市地表温度之间相关系数,如表6所示。
表6不同土地覆盖类型下地表特征参数与地表温度相关系数表
使用以下四组尺度因子进行城市地表温度空间降尺度:
第一组x1:NDVI。
第二组x2:NDVI、NDBI、MNDWI、BI。
第三组x3:NDVI、NDVI2。
第四组x4:NDBI、NDBI2。
城市地表温度空间降尺度统计回归模型假设尺度因子在低空间分辨率中地表特征参数在高空间分辨率影像下成立。统计回归模型为:
LSTm=f(SIm),其中,LSTm为MODIS(Moderate-resolution ImagingSpectroradiometer中分辨率成像光谱仪)地表温度产品影像的数值;SIm为代表地面特征参数的尺度因子;f()表示经过训练的统计回归模型。
统计回归模型可进一步运用在高空间分辨率影像上,公式表达为:
LST0=f(SIl),其中,LST0为基于高空间分辨率地表特征参数计算得出的预测地表温度。
预测地表温度与实际温度存在偏差,可通过LST0和LSTm之差计算得出,公式表达为:ΔLST=LSTm-LST0。
将残差数值ΔLST与预测地表温度LST0相加,即可得到高空间分辨率地表温度LSTf=LST0-ΔLST,其中,LSTf为城市地表空间降尺度结果。
建立1000m×1000m窗口,对LST数据进行正态统计分析,计算窗口下LST的平均值及方差。
选择景观因素作为尺度调节模型的调节因子。在景观指数中,景观指数的景观层面中的指数与地表温度尺度效应的相关关系明显强于斑块层面和类别层面的景观指数。
将景观指数中的类别层面和景观层面的指数进行去相关处理。利用相关系数,计算各景观指数之间的相关性,在相关性强的指数组内,挑选更有代表性的景观指数作为尺度调节的调节因子参与到地表温度降尺度结果的尺度调节过程中。景观指数之间的相关系数计算结果如表7-9所示。
表7景观指数间相关关系(景观层面)
表8景观指数间相关关系(类别-植被)
表9景观指数间相关关系(类别-建筑)
结合景观指数相关关系分析可知,景观层面上,多样性指标中的SHDI和SIDI与地表温度尺度效应相关性强,但两个多样性指标的相关性强,因此两个指标选取一个作为尺度调节因子即可。密度指标PD则与SHDI相对独立,且与LST尺度效应相关性较强。在类别层面,分维数COHESION指数与LST尺度效应相关性强,植被覆盖和建筑用地的分维数相关性强,两者选取一个作为尺度调节因子即可。由于研究区中有部分区域没有建筑用地覆盖,但所有子区域都有植被覆盖,因此选择植被类型下的分维数作为尺度调节因子。
综上所述本研究选取景观层面多样性指标中SHDI、密度指标PD和植被类型层面下的分维数指标COHESION作为尺度调节因子。这些尺度调节因子同时满足与地表温度尺度效应相关以及相互独立两个条件。
通过尺度调节公式对所述初始降尺度进行调节,其中,T1表示调节后的地表温度,表示所述初始降尺度得到的地表温度,μ0表示所述初始降尺度中得到的地表温度的平均值,σ0表示所述初始降尺度中得到的地表温度的标准差,σ1表示所述尺度调节因子对应的指数的标准差。
尺度调节过程如下:
由尺度调节公式可得基于景观指数的尺度调节的城市地表温度降尺度模型为:
ΔLST=LSTm-LST0
其中,LSTf为城市地表温度降尺度结果,SIf为高空间分辨率的地表特征参数,f(SIf)为在低空间分辨率中,地表特征参数与地表温度之间的函数关系式,ΔLST为基于统计回归模型的降尺度结果与低分辨率地表温度之间的残差,LST0为基于统计回归模型的降尺度结果,为基于统计回归模型的降尺度结果在景观区域中的均值,σ0为基于统计回归模型的降尺度结果在景观区域中的方差,LSTm为低空间分辨率的地表温度,LI为参与尺度调节的景观指数,g(LI)为景观指数与地表温度空间自相关程度之间的函数关系式。
尺度调节过程中,区域温度方差是重要的参数。统计真实地表温度区域方差、基于景观指数回归预测的区域方差和不考虑尺度效应的初步地表温度降尺度结果的区域方差。计算预测的地表温度区域方差、初步降尺度结果的地表温度区域方差的RMSE(均方根误差)和MAE(平均绝对误差),结果如表10所示。
表10地表温度区域方差精度评价
从表10可知,预测的LST区域方差与真实的LST区域方差更加接近,即尺度调节后的LST空间自相关关系更符合实际情况。本发明一种地表温度降尺度调节方法,通过尺度因子的调节提高了地表温度降尺度的精度。
图2为本发明一种地表温度降尺度调节系统结构示意图,如图2所示本发明一种地表温度降尺度调节系统包括:
初始降尺度获得模块201,用于获得待测地区地表温度的初始降尺度;
尺度调节因子确定模块202,用于根据景观因素中所述各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
降尺度调节模块203,用于根据所述尺度调节因子对所述初始降尺度进行调节。
初始降尺度获得模块201,具体包括:
初始降尺度获得单元,用于通过统计回归模型获得待测地区地表温度的初始降尺度。
所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数。所述多样性指标为香农多样性指标或者辛普森多样性指标。
降尺度调节模块203,具体包括:
降尺度调节单元,用于通过尺度调节公式对所述初始降尺度进行调节,其中,T1表示调节后的地表温度,表示所述初始降尺度得到的地表温度,μ0表示所述初始降尺度中得到的地表温度的平均值,σ0表示所述初始降尺度中得到的地表温度的标准差,σ1表示所述尺度调节因子对应的指数的标准差。
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。对于实施例公开的系统而言,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。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种地表温度降尺度调节方法,其特征在于,所述方法包括:
获得待测地区地表温度的初始降尺度;
根据景观因素中各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
根据所述尺度调节因子对所述初始降尺度进行调节;
所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数;
所述获得待测地区地表温度的初始降尺度,具体包括:
通过统计回归模型获得待测地区地表温度的初始降尺度;
所述根据所述尺度调节因子对所述初始降尺度进行调节,具体包括:
2.根据权利要求1所述的地表温度降尺度调节方法,其特征在于,所述多样性指标为香农多样性指标或者辛普森多样性指标。
3.一种地表温度降尺度调节系统,其特征在于,所述系统包括:
初始降尺度获得模块,用于获得待测地区地表温度的初始降尺度;
尺度调节因子确定模块,用于根据景观因素中各指标之间的相关性和各指标与尺度效应的相关系数确定地表温度降尺度的尺度调节因子;
降尺度调节模块,用于根据所述尺度调节因子对所述初始降尺度进行调节;
所述尺度调节因子包括景观因素中的密度指标、多样性指标和分维数;
所述初始降尺度获得模块,具体包括:
初始降尺度获得单元,用于通过统计回归模型获得待测地区地表温度的初始降尺度;
所述降尺度调节模块,具体包括:
4.根据权利要求3所述的地表温度降尺度调节系统,其特征在于,所述多样性指标为香农多样性指标或者辛普森多样性指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011533865.6A CN112666633B (zh) | 2020-12-22 | 2020-12-22 | 一种地表温度降尺度调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011533865.6A CN112666633B (zh) | 2020-12-22 | 2020-12-22 | 一种地表温度降尺度调节方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112666633A CN112666633A (zh) | 2021-04-16 |
CN112666633B true CN112666633B (zh) | 2022-07-29 |
Family
ID=75407858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011533865.6A Active CN112666633B (zh) | 2020-12-22 | 2020-12-22 | 一种地表温度降尺度调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112666633B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101575847B1 (ko) * | 2014-12-19 | 2015-12-08 | 한국해양과학기술원 | 북반구 기후 지수를 이용한 북서태평양 해수면 온도 변동성 진단 모델링 시스템 및 방법 |
CN107423537B (zh) * | 2017-01-25 | 2020-09-18 | 河海大学 | 一种基于自适应阈值的地表温度降尺度的方法 |
CN107748736B (zh) * | 2017-10-13 | 2021-11-26 | 河海大学 | 一种基于随机森林的多因子遥感地表温度空间降尺度方法 |
CN109115995B (zh) * | 2018-08-30 | 2019-10-18 | 清华大学 | 土壤水分信息获取方法、装置、计算机设备和存储介质 |
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 |
-
2020
- 2020-12-22 CN CN202011533865.6A patent/CN112666633B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112666633A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Estimating impervious surface distribution by spectral mixture analysis | |
Dennison et al. | The effects of vegetation phenology on endmember selection and species mapping in southern California chaparral | |
Weng et al. | Generating daily land surface temperature at Landsat resolution by fusing Landsat and MODIS data | |
EP2095330B1 (en) | Panchromatic modulation of multispectral imagery | |
Maselli et al. | Integration of high and low resolution NDVI data for monitoring vegetation in Mediterranean environments | |
Maselli | Definition of spatially variable spectral endmembers by locally calibrated multivariate regression analyses | |
CN108896185A (zh) | 基于归一化沙漠指数的遥感地表温度空间降尺度方法 | |
CN102800111B (zh) | 基于颜色协调性的彩色融合图像颜色质量评价方法 | |
CN106920235A (zh) | 基于矢量底图匹配的星载光学遥感影像自动校正方法 | |
Hu et al. | Quantifying the shape of urban street trees and evaluating its influence on their aesthetic functions based on mobile lidar data | |
Gala et al. | Monitoring prairie wet area with an integrated LANDSAT ETM+, RADARSAT-1 SAR and ancillary data from LIDAR | |
CN113324915B (zh) | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 | |
Rao et al. | Spatiotemporal data fusion using temporal high-pass modulation and edge primitives | |
Siddiqui et al. | Bangalore: urban heating or urban cooling? | |
CN107180158B (zh) | 一种基于温度变化速率的地表温度降尺度方法 | |
CN112666633B (zh) | 一种地表温度降尺度调节方法及系统 | |
CN109377476B (zh) | 遥感影像云检测特征参数的动态阈值获取方法及装置 | |
Sharma et al. | Principal component based fusion of land surface temperature (LST) and panchromatic (PAN) images | |
Xue et al. | Flood monitoring by integrating normalized difference flood index and probability distribution of water bodies | |
Franklin | Land cover stratification using Landsat Thematic Mapper data in Sahelian and Sudanian woodland and wooded grassland | |
Debbage | Sky-view factor estimation: A case study of Athens, Georgia | |
CN111199092A (zh) | 太阳辐射遥感估算方法、系统及数据处理装置 | |
Jain et al. | A remote sensing approach to establish relationships among different land covers at the micro level | |
CN114969425A (zh) | 一种基于地理加权回归的夜光遥感数据空间降尺度方法 | |
Li et al. | Multiple scattering in the remote sensing of natural surfaces |
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 |