CN113836731A - 陆表稳定目标大气层顶反射率模型的构建方法和装置 - Google Patents
陆表稳定目标大气层顶反射率模型的构建方法和装置 Download PDFInfo
- Publication number
- CN113836731A CN113836731A CN202111147453.3A CN202111147453A CN113836731A CN 113836731 A CN113836731 A CN 113836731A CN 202111147453 A CN202111147453 A CN 202111147453A CN 113836731 A CN113836731 A CN 113836731A
- Authority
- CN
- China
- Prior art keywords
- reflectivity
- atmospheric
- model
- target
- layer top
- 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
- 238000002310 reflectometry Methods 0.000 title claims abstract description 346
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000008859 change Effects 0.000 claims abstract description 32
- 230000001932 seasonal effect Effects 0.000 claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims description 30
- 238000010276 construction Methods 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 230000003287 optical effect Effects 0.000 claims description 12
- 239000000443 aerosol Substances 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 10
- 238000001556 precipitation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000005316 response function Methods 0.000 claims description 7
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000006641 stabilisation Effects 0.000 description 11
- 238000011105 stabilization Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本公开实施例提供了一种陆表稳定目标大气层顶反射率模型的构建方法和装置。该方法包括：根据目标区域的目标晴空影像和与目标晴空影像对应的区域参数集合，确定目标区域的时间序列的目标特性数据集，其中，目标特性数据集包括大气层顶反射率子集和大气参数子集；根据大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；根据大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；以及根据大气层顶反射率单变量模型和大气参数化模型，构建陆表稳定目标的大气层顶反射率模型。
Description
技术领域
本公开实施例涉及遥感技术领域，更具体地，涉及一种陆表稳定目标大气层顶反射率模型的构建方法、构建装置、电子设备、计算机可读存储介质及计算机程序产品。
背景技术
遥感载荷在轨辐射定标是保证遥感数据产品辐射精度和稳定性的重要手段，是遥感数据产品定量化应用的前提。卫星发射后，遥感载荷在轨辐射定标的核心是精确获取卫星载荷测量时的入瞳辐射参考值，从而准确计算卫星载荷辐射定标系数。其中，大气层顶(Top of the Atmosphere，TOA)反射率模型可以为提高高分辨陆地卫星的在轨辐射定标精度与频次奠定基础。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：相关技术中的大气层顶反射率模型的精度较低。
发明内容
有鉴于此，本公开实施例提供了一种陆表稳定目标大气层顶反射率模型的构建方法、构建装置、电子设备、计算机可读存储介质及计算机程序产品。
本公开实施例的一个方面提供了一种陆表稳定目标大气层顶反射率模型的构建方法，包括：
根据目标区域的目标晴空影像和与上述目标晴空影像对应的区域参数集合，确定上述目标区域的时间序列的目标特性数据集，其中，上述目标特性数据集包括大气层顶反射率子集和大气参数子集；
根据上述大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；
根据上述大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；以及
根据上述大气层顶反射率单变量模型和上述大气参数化模型，构建上述大气层顶反射率模型。
本公开实施例的另一个方面提供了一种陆表稳定目标大气层顶反射率模型的构建装置，包括：
确定模块，用于根据目标区域的目标晴空影像和与上述目标晴空影像对应的区域参数集合，确定上述目标区域的时间序列的目标特性数据集，其中，上述目标特性数据集包括：大气层顶反射率子集和大气参数子集；
第一构建模块，用于根据上述大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；
第二构建模块，用于根据上述大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；以及
第三构建模块，用于根据上述大气层顶反射率单变量模型和上述大气参数化模型，构建上述大气层顶反射率模型。
本公开实施例的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开实施例的另一个方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
根据本公开的实施例，由于大气层顶反射率子集中观测几何和大气参数均会对大气层顶反射率模型的精度造成影响，因此根据观测几何和大气参数引起的陆表稳定目标大气层顶反射率的变化规律分别构建大气层顶反射率单变量模型和大气参数化模型，并根据大气层顶反射率单变量模型和大气参数化模型构建大气层顶反射率模型，可以较为充分考虑观测几何和大气参数对大气层顶反射率的影响，从而至少部分地克服了相关技术中的大气层顶反射率模型的精度较低的技术问题，进而达到了提高大气层顶反射率模型的预测精度的技术效果。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的应用陆表稳定目标大气层顶反射率模型的构建方法的示例性系统架构；
图2示意性示出了根据本公开实施例的陆表稳定大气层顶反射率模型的构建方法的流程图；
图3示意性示出了本公开实施例的陆表稳定目标区域示意图；
图4示意性示出了根据本公开实施例的目标特性数据集构建过程的流程图；
图5示意性示出了根据本公开实施例的2010～2020年Aqua\MODIS的B7波段大气层顶反射率的时间序列数据散点图；
图6示意性示出了根据本公开实施例的大气顶层反射率模型计算待定标的目标传感器各波段的大气层顶反射率预测值的流程图。
图7示意性示出了根据本公开实施例的大气层顶反射率模型计算的Sentinel2B\MSI大气顶层反射率预测值与Sentinel2B\MSI卫星实际的反射率观测值比对示意图；
图8示意性示出了根据本公开实施例的大气层顶反射率模型计算的Landsat8\OLI大气顶层反射率预测值与Landsat8\OLI卫星实际的反射率观测值比对示意图；
图9示意性示出了根据本公开的实施例的陆表稳定大气层顶反射率模型的构建装置的框图；以及
图10示意性示出了根据本公开实施例的实现陆表稳定大气层顶反射率模型的构建方法的电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
实现遥感载荷在轨辐射定标的主流方法有交叉定标方法和场地定标方法。交叉定标方法依赖于参考卫星载荷的辐射定标精度，且为实现高精度定标需制定严格的匹配约束条件，在一定程度上限制了交叉定标频次和辐射参考值的动态范围。以地面目标测量值为参照基准的场地定标方法受尺度效应、大气条件、环境变化等不确定因素影响，辐射定标精度能达到5％～7％。
针对卫星在轨辐射定标中大气层顶辐射参考值精准性需要进一步提高的需求，外场自动辐射定标方法和伪不变场(Pseudo-Invariant Calibration Sites，PICS)定标方法已成为当前卫星载荷在轨定标的主要趋势。外场自动辐射定标方法利用自动观测设备连续测量地表和大气参数，能够降低星-地时间匹配差异以及人为测量影响，从而提高卫星载荷入瞳辐亮度模拟精度。PICS定标方法一方面通过较为严格的条件筛选地表和大气特性，以得到较为稳定的地球目标区域，另一方面构建高精度PICS TOA反射率模型，以降低时空匹配差异引起的辐射基准传递误差。
在大气层顶反射率模型构建的研究中，相关技术中建立了一个简化的绝对辐射定标模型，该模型考虑太阳天顶角(Solar Zenith Angle，SZA)变化对大气层顶表观反射率的影响，能够计算在近似星下点观测条件(±7.5°)的情况下，目标上空的大气层顶反射率。随后其他学者对这一模型进行了改进，但未从根本上分析不同因素引起的稳定目标大气层顶反射率的变化规律。
发明人发现，由于大气层顶反射率的变化规律与观测几何和大气参数等因素息息相关，因此，在构建大气层顶反射率模型时，可以根据观测几何和大气层顶反射率关系，构建大气层顶反射率单变量模型，并根据大气参数和大气层顶反射率，构建大气参数化模型，最终根据大气层顶反射率单变量模型和大气参数化模型，构建大气层顶反射率模型。由于较为充分地考虑了观测几何和大气参数等因素对大气层顶反射率大气层顶反射率的影响，因此，能够提高大气层顶反射率模型的预测精度。
有鉴于此，本公开的实施例提供了一种陆表稳定目标大气层顶反射率模型的构建方法、构建装置、电子设备、计算机可读存储介质及计算机程序产品。该方法包括根据目标区域的目标晴空影像和与目标晴空影像对应的区域参数集合，确定目标区域的时间序列的目标特性数据集，其中目标特性数据集包括大气层顶反射率子集和大气参数子集；然后根据大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；再根据大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；结合大气层顶反射率单变量模型和大气参数化模型，构建所述大气层顶反射率模型。
图1示意性示出了根据本公开实施例的可以应用陆表稳定目标大气层顶反射率模型的构建方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有大气层顶反射率模型的构建应用。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等。
服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是，本公开实施例所提供的大气层顶反射率模型的构建方法一般可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的大气层顶反射率模型的构建装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。或者，本公开实施例所提供的大气层顶反射率模型的构建方法也可以由服务器105执行。相应地，本公开实施例所提供的大气层顶反射率模型的构建装置一般可以设置于服务器105中。本公开实施例所提供的大气层顶反射率模型的构建方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的大气层顶反射率模型的构建装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
图2示意性示出了根据本公开实施例的陆表稳定大气层顶反射率模型的构建方法的流程图。
如图2所示，该方法可以包括操作S201～S204。
在操作S201，根据目标区域的目标晴空影像和与目标晴空影像对应的区域参数集合，确定目标区域的时间序列的目标特性数据集，其中，目标特性数据集可以包括大气层顶反射率子集和大气参数子集。
在操作S202，根据大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型。
在操作S203，根据大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型。
在操作S204，根据大气层顶反射率单变量模型和大气参数化模型，构建大气层顶反射率模型。
根据本公开的实施例，大气参数子集的获取来源可以利用遥感数据产品获取，也可以从气象水文观测站获取。
根据本公开的实施例，在选定陆表稳定目标区域的情况下，根据目标区域的目标晴空影像和与目标晴空影像对应的区域参数集合，确定目标区域的时间序列的目标特性数据集，从而根据大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型。其中，构建大气层顶反射率单变量模型的方法可以包括控制变量法。
根据本公开的实施例，根据大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型，从而根据大气层顶反射率单变量模型和大气参数化模型，构建大气层顶反射率模型。
根据本公开的实施例，由于大气层顶反射率子集中观测几何和大气参数均会对大气层顶反射率模型的精度造成影响，因此根据观测几何和大气参数引起的陆表稳定目标大气层顶反射率的变化规律分别构建大气层顶反射率单变量模型和大气参数化模型，并根据大气层顶反射率单变量模型和大气参数化模型构建大气层顶反射率模型，可以较为充分考虑观测几何和大气参数对大气层顶反射率的影响，从而至少部分地克服了相关技术中的大气层顶反射率模型的精度较低的技术问题，进而达到了提高大气层顶反射率模型的预测精度的技术效果。
大气参数子集包括至少一组大气参数，每组大气参数可以包括以下至少一项：气溶胶光学厚度、水汽含量、风速、降水量、臭氧含量和大气温度。
大气层顶反射率子集包括至少一组大气层顶反射率，每组大气层顶反射率至少包括以下一项：观测天顶角、观测方位角、太阳天顶角、太阳方位角、TOA反射率，每组大气层顶反射率对应于一个波段。
根据本公开的实施例，上述构建方法还可以包括如下操作。
获取多个陆表稳定目标候选区域。利用约束条件从多个候选区域中选定一个或多个陆表稳定目标区域，其中，约束条件包括满足预设阈值的区域参数。
根据本公开的实施例，区域参数及对应约束条件如表1所示。
表1
| 区域参数 | 预设阈值 |
| 场地面积 | ＞3km×3km |
| 地表反射率 | NIR-SWIR＞0.3：VIS＞0.15 |
| 空间均匀性 | ＜3％ |
| 时间稳定性 | ＜10％(方向效应消除后) |
| 云覆盖率 | ＜60％(1年) |
| 气溶胶光学厚度(550nm) | ＜0.4(晴空时) |
| 水汽含量 | ＜2.0g/cm<sup>2</sup>(晴空时) |
| 场地环境 | 场地远离人类活动、工业污染等区域 |
| 方向效应 | θ<sub>s</sub>及θ<sub>s</sub>小于60°时，方向效应小于60％ |
根据本公开的实施例，不同于外场自动辐射定标方法和伪不变场定标方法，针对于陆表稳定目标，本实施例的如表1所示的约束条件放宽了其约束的参数及预设阈值。区域参数中云覆盖率应至少小于60％以便获取足够的晴空影像。在从候选区域中确定目标区域时，应至少考虑如下筛选条件，候选区域的地表反射率的空间均匀性应在1年中小于3％，且地表反射率的时间稳定性应在10年以上小于10％。
根据本公开的实施例，空间均匀性及时间稳定性的计算如公式(1)和(2)所示。
其中，ρs表示候选区域某一像素的地表反射率，
表示候选区所有像素地表反射率均值，σ(ρs)表示候选区所有像素地表反射率的标准差；ρt表示候选区域第t时间的地表反射率，
表示候选区在多年以内的地表反射率均值，σ(ρt)表示候选区地表反射率在多年以内的标准差。CVS表示目标区域的空间均匀性，CVt表示目标区域的时间稳定性。
根据本公开的实施例，空间均匀性CVS和时间稳定性CVt分别表达了地表反射率随空间、时间的变化趋势，是评价辐射定标场稳定性的重要指标之一。
根据本公开的实施例，大气层顶反射率模型的构建方法还可以包括如下操作。
获取目标区域的遥感影像，其中，遥感影像包括按照时间顺序排列的多个初始影像，其中，初始影像包括云标记。针对每个初始影像，在初始影像的云掩膜膨胀半径内的云标记满足第一预设条件的情况下，将初始影像确定为目标晴空影像。
根据本公开的实施例，第一预设条件可以指每个初始影像中的云标记的数量满足预设阈值，其中，预设阈值可以根据实际需求具体设定，例如预设阈值可以为90％。
根据本公开的实施例，云掩膜膨胀半径可以根据目标区域的云顶高度计算不同观测角度下云的影响半径并结合实际需求具体设定，例如可以为5km。云标记可以指初始影像的像素中存在云而设定的标记。
根据本公开的实施例，可以利用云掩膜产品对初始影像进行逐景筛选。在该初始影像的云标记数量满足第一预设条件的情况下，将该初始影像确定为初始晴空影像。再经过二次筛选后得到的初始晴空影像确定为目标晴空影像。二次筛选的方式可以包括利用MATLAB数学工具筛选或者人工筛选，例如可以通过人工目视判读检查。
根据本公开的实施例，在初始影像的云掩膜膨胀半径内的云标记满足第一预设条件的情况下，将初始影像确定为目标晴空影像，可以包括如下操作。
在初始影像的云标记满足第一预设条件的情况下，对初始影像添加合格影像标记。将具有合格影像标记的初始影像确定为初始晴空影像。对初始晴空影像进行二次筛选，得到目标晴空影像。
根据本公开的实施例，在二次筛选时，可以对符合要求的初始晴空影像添加合格影像标记，例如可以标记为1，在完成多个初始晴空影像的二次筛选后，可以将具有合格影像标记的初始晴空影像确定为目标晴空影像。此外还可以提取对应于目标晴空影像的过境时刻的数字计数(Digital Number，DN)值、大气层顶反射率、观测角度以及大气参数，以构建该目标晴空影像的陆表稳定的目标特性数据集。
根据本公开的实施例，根据大气层顶反射率单变量模型和大气参数化模型，构建大气层顶反射率模型，可以包括如下操作。
根据大气层顶反射率单变量模型和大气参数化模型，构建通道式大气层顶反射率模型。利用光谱拓展方法处理通道式大气层顶反射率模型，得到大气层顶反射率模型，其中，大气层顶反射率模型为光谱连续的陆表稳定大气层顶反射率模型。
根据本公开的实施例，公式(3)表示通道式大气层顶反射率模型的模型形式。
其中，ρi表示i波段的地表反射率，θs表示太阳天顶角，θv表示观测天顶角，
表示相对方位角，AOD表示气溶胶光学厚度，WVC表示水汽含量，O3表示臭氧含量，T表示大气温度，
表示第i波段模型预测反射率。
根据本公开的实施例，在实际建立过程中，通道式大气层顶反射率模型可以包括更多参数。
根据本公开的实施例，在建立通道式大气层顶反射率模型后，利用光谱拓展方法将通道式大气层顶反射率模型拓展为光谱连续的陆表稳定大气层顶反射率模型，其中，光谱拓展方法是一种通道式大气层顶反射率模型的外推方法，即将通道式大气层顶反射率模型拓展为光谱连续的大气层顶反射率模型。
根据大气层顶反射率单变量模型和大气参数化模型，构建通道式大气层顶反射率模型，可以包括如下操作：
根据卫星观测反射率采用最小二乘拟合确定模型系数，同时优选残差平方和最小的拟合方案作为目标方案。
根据本公开的实施例，根据公式(4)确定实测反射率和预测反射率之间的残差平方和：
其中，J表示残差平方和，i表示波段数，
表示第j个卫星观测反射率值，
表示与卫星观测反射率
对应的模型预测反射率值，m表示大气层顶反射率子集中卫星观测反射率总数。
根据本公开的实施例，根据公式(3)可以针对不同的目标区域建立不同的通道式大气层顶反射率模型，例如可以建立公式(5)所示的通道式大气层顶反射率模型。
其中，
表示模型预测反射率，i表示第i波段，n表示波段总数，θs表示太阳天顶角，θv表示观测天顶角，Θ表示太阳与传感器针对同一目标区域在立体空间上的散射角，a1表示第一模型系数，a2表示第二模型系数，a3表示第三模型系数，a4表示第四模型系数，a5表示第五模型系数，a6表示第六模型系数，a7表示第七模型系数，a8表示第八模型系数，a9表示第九模型系数，DOY表示年积日。
根据本公开的实施例，大气层顶反射率模型的构建方法还可以包括如下操作。
获取第一条件下的待定标的目标传感器的参考反射率，其中，第一条件为覆盖待定标的目标传感器的观测几何条件和大气条件；
利用通道式大气层顶反射率模型生成与待定标的目标传感器对应的通道式大气层顶反射率预测值；
根据参考反射率和通道式大气层顶反射率预测值，确定光谱拓展比值系数；
根据光谱拓展比值系数和参考反射率，确定光谱式大气顶层反射率预测值；以及
根据光谱式大气顶层反射率预测值和目标传感器的光谱响应函数确定待定标的目标传感器大气顶层反射率预测值。
根据本公开的实施例，通道式大气层顶反射率预测值为目标传感器观测几何及大气条件下、大气顶层反射率子集对应波段的表观反射率，利用已构建的通道式大气层顶反射率模型生成通道式大气层顶反射率预测值。
根据本公开的实施例，参考反射率可以指利用高光谱卫星载荷取的大气顶层反射率。
根据本公开的实施例，光谱拓展比值系数可以用等效波段的参考反射率与通道式大气层顶反射率预测值的比值进行表示。
根据本公开的实施例，通过高光谱卫星载荷建立参考反射率的数据库。在观测角度等观测几何及大气参数条件相似的情况下，假设波谱形状不变，则通道式大气层顶反射率模型生成的通道式大气层顶反射率预测值与参考反射率之间的相对差异体现为波谱整体性的拉伸，可以用光谱拓展比值系数表示。通过光谱拓展比值系数可以对数据库的参考反射率进行校正，得到校正后的参考反射率即为光谱式大气顶层反射率预测值。校正的具体计算如公式(6)～(8)所示。
ρ′TOA(λ)＝ρTOA(λ)·coeλ (6)
式中，ρ′TOA(λ)波长为λ的光谱式大气顶层反射率预测值；ρTOA(λ)表示数据库中的参考反射率；coei表示中心波长为λi的第i波段光谱拓展比值系数；coeλ表示由n个波段的中心波长λi及对应波段的光谱拓展比值系数coei插值出的波长为λ上的光谱拓展比值系数；
表示通道式大气层顶反射率模型生成的第i个波段的通道式大气层顶反射率预测值；n表示建立的通道式大气层顶反射率模型的波段总数；ρ′TOA，i表示参考光谱的等效波段的参考反射率；Γ(λ)表示建立通道式大气层顶反射率模型时所用卫星载荷第i个波段的光谱响应函数。
最后，待定标的目标传感器大气顶层反射率预测值由下式计算：
式中，
为待定标的目标传感器第i个波段TOA反射率模型模拟值；ρ′TOA(λ)波长为λ的光谱式大气顶层反射率预测值；Γ(λ)target表示待定标的目标传感器第i个波段的光谱响应函数。
根据本公开的实施例，大气层顶反射率模型的构建方法还可以包括如下操作。
计算目标传感器大气顶层反射率预测值和目标传感器实际反射率观测值之间的误差，评价大气层顶反射率模型的模型预测值与卫星观测值间相对差异。
根据本公开的实施例，为了更清楚的阐述大气层顶反射率模型的构建过程，以下将结合具体实施例进行举例说明。
图3示意性示出了本公开实施例的陆表稳定目标区域示意图。
根据本公开的实施例，格尔木市附近的一个5km*5km场地的空间均匀性小于3％，时间稳定性小于10％。云覆盖率小于60％，并满足表1所列的其他约束条件，可以将其确定为陆表目标之一，Landsat/OLI卫星于某一时刻过境该目标区域时的影像如图3所示。
根据本公开的实施例，为建立该陆表稳定目标的目标特性数据集，分别收集并下载了2010年至2020年11年的Aqua\MODIS数据产品MYD021KM、MYD03、MYD35_L2等数据，以及云探测卫星Coludsat的2B-CLDCLASS-LIDAR云分类产品。其中，MYD021KM是经过辐射校正后的标准数据文件，MYD03是MODIS的数据地理定位文件，MYD35_L2是云掩膜产品。可以从2B-CLDCLASS-LIDAR云分类产品获取研究区的云顶高度。
此外，该目标区域远离市区、人为到达条件差、未布设自动观测设备。陆表的大气参数可以从网站获取，其中，从空间分辨率为0.25°×0.25°的ERA5数据库和空间分辨率为0.75°×0.75°的EAC4数据库，分别下载2010～2020年陆表的降水量、降水类型、水汽含量、气溶胶光学厚度、风速、臭氧含量等大气参数。
图4示意性示出了根据本公开实施例的目标特性数据集构建过程的流程图。
在长时间跨度的卫星遥感影像以及地表/大气遥感定量产品收集与下载的基础上，基于云卫星(Coludsat)的2B-CLDCLASS-LIDAR云分类产品确定目标区域的平均云顶高度约11.0050km，目标区域的海拔为2.844km，即云顶相对高度约8.1610km。
如图4所示，通过分析不同观测角度下的云影响半径，确定MODIS影像云筛选时的云掩膜膨胀半径为5km.；采用MYD35_L2云掩膜产品结合MYD03地理定位产品对初始影像进行逐景(每一帧图像)筛选以得到初始晴空影像，仅当膨胀后的目标区域所有像素全部无云时，该初始影像标记为1，反之标记为0。
对初始晴空影像进行二次筛选，如目视判读检查，同时提取被标记为1的影像的过境时间、观测天顶角、方位角等观测几何、大气层顶反射率。
采用克里金插值方法计算EAC4数据库和ERA5数据库中影像过境时刻的陆表降水量、降水类型、水汽含量、气溶胶光学厚度、风速、臭氧含量等大气参数，建成目标区域的目标特性数据集。
图5示意性示出了根据本公开实施例的2010～2020年Aqua\MODIS的B7波段大气层顶反射率的时间序列数据散点图。
由于大气层顶反射率变化受观测几何影响，可以采用控制变量法初步构建大气层顶反射率单变量模型，大气层顶反射率单变量模型如公式(9)～(11)所示。观测天顶角引起的不同波段的大气层顶反射率变化可使用二次函数表达，太阳天顶角引起的大气层顶反射率化表现为太阳天顶角余弦的一次函数。相对方位角引起的大气层顶反射率变化实质上是由于相同观测天顶角及太阳天顶角、不同太阳方位角及观测方位角所产生的多次散射不一致导致的。由于核驱动模型具有刻画散射体特性的优势，故引入散射角并采用Ross-Li模型体散射核的简化表达式，该表达式用于描述相对方位角引起的大气层顶反射率的变化。
ρTOA，i＝b0，i+b1，i×cos(θs) (10)
ρTOA，i＝c0，i+c1，i×cosΘ+c2，i×sinΘ (11)
其中，a、b、c为模型参数；θv为观测天顶角；θs为太阳天顶角；Θ为散射角，其余弦可以为：
i为Aqua\MODIS的B1、B2、B3、B4、B5、B7波段。
由于不同的候选位置的维度可能不同，其中中纬度地区受地球自转及公转影响，其季节性变化明显，春、夏、秋、冬各个季节的气溶胶光学厚度、降水量、风速等大气参数表现明显的季节性循环规律特征，使得晴空条件下的大气层顶反射率剔除观测几何影响后，还有季节性变化。为表征季节性变化，针对每个波段各自建立大气参数化模型。
针对该目标区域，根据晴空条件下每个波段大气层顶反射率模型残差的季节性变化建立的大气参数化模型如公式(12)所示。建立大气参数化模型时，尽管Aqua\MODIS的B1、B2、B3、B4、B5、B7波段的d0，i振幅不同，但d1，i均为0.0174，即周期约361.1026天，近似1年。
f(DOY)＝d0，i×sin(d1，i×DOY)+1 (12)
其中，DOY表示年积日，为Aqua\MODIS的B1、B2、B3、B4、B5、B7波段。
公式(13)为耦合观测几何及大气季节性变化建立的目标区域的通道式大气层顶反射率模型。
图6示意性示出了根据本公开实施例的大气顶层反射率模型计算待定标的目标传感器各波段的大气层顶反射率预测值的流程图。
如图6所示，首先提取EO-1\Hyperion或GF-5\AHSI高光谱卫星载荷过境目标区域时的光谱式参考反射率，建立参考反射率的数据库；其次，根据上述方法分别计算每个波段的通道式大气层顶反射率模型的通道式大气层顶反射率预测值。
计算每个波段的光谱拓展比值系数，并插值到各个波长上。依据光谱拓展比值系数，对大气参数条件及观测几何相似时的参考反射率的波谱形状做整体性的拉伸，得到光谱式大气层顶反射率预测值。通过光谱响应函数和光谱式大气层顶反射率预测值卷积计算可得待定标的目标传感器各波段的大气层顶反射率预测值。
图7示意性示出了根据本公开实施例的大气层顶反射率模型计算的Sentinel2B\MSI大气顶层反射率预测值与Sentinel2B\MSI卫星实际的反射率观测值比对示意图。
根据本公开的实施例，计算目标传感器大气顶层反射率预测值和反射率观测值之间的误差，评价大气层顶反射率模型的模型预测值与卫星观测值间相对差异。统计所有波段模型计算的Sentinel2B\MSI大气顶层反射率预测值与反射率观测值之间相对误差的均值、标准差及均方根误差，结果如表2所示。
表2
图8示意性示出了根据本公开实施例的大气层顶反射率模型计算的Landsat8\OLI大气顶层反射率预测值与Landsat8\OLI卫星实际的反射率观测值比对示意图。
统计所有波段模型计算的Landsat8\OLI大气顶层反射率预测值与反射率观测值之间相对误差的均值、标准差及均方根误差，结果如表3所示。
表3
由表2以及表3可以看出，Sentinel-2B/MSI传感器在B3、B4、B8A波段的观测反射率与预测反射率的平均相对误差分别为：0.64％、-0.70％、0.01％，均方根误差在0.0036以内，相对误差的标准差不超过1.43％。Landsat-8/OLI传感器在B3、B4、B5波段的观测反射率与预测反射率的平均相对误差分别为：1.83％、1.36％、0.07％，RMSE在0.0057以内，相对误差的标准差不超过1.83％。由于MSI、OLI与MODIS传感器在短波红外波段显著的光谱响应函数差异，导致大气层顶反射率模型在Sentinel2B/MSI、Landsat-8/OLI传感器B12、B7波段的第三预测反射率与观测大气层顶反射率的均方根误差最高，分别为0.0117、0.0080。对于蓝色波段，2个传感器的预测反射率与观测反射率的平均相对误差标准差分别为1.87％、2.08％。因此，本公开实施例提供的大气层顶反射率模型能有效预测各种“太阳-目标-传感器”的观测几何、地表\大气条件的大气层顶反射率，且符合辐射定标要求。
由上述实施例可知，大气层顶反射率模型的构建方法能够实现晴空条件下、满足约束条件的任意卫星载荷不同波段大气层顶反射率预测，为卫星载荷绝对辐射定标提供入瞳处辐亮度参考；此外还支持在卫星载荷交叉定标中，对参考卫星或待定标卫星的时间、角度差异进行校正，有效提升卫星载荷在轨辐射定标精度与频次。
图9示意性示出了根据本公开的实施例的陆表稳定大气层顶反射率模型的构建装置的框图。
如图9所示，陆表稳定目标大气层顶反射率模型的构建装置900可以包括确定模块910、第一构建模块920、第二构建模块930和第三构建模块940。
确定模块910，用于根据目标区域的目标晴空影像和与目标晴空影像对应的区域参数集合，确定目标区域的时间序列的目标特性数据集，其中，目标特性数据集包括大气层顶反射率子集和大气参数子集。
第一构建模块920，用于根据大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型。
第二构建模块930，用于根据大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型。
第三构建模块940，用于根据大气层顶反射率单变量模型和大气参数化模型，构建大气层顶反射率模型。
根据本公开的实施例，由于大气层顶反射率子集中观测几何和大气参数均会对大气层顶反射率模型的精度造成影响，因此根据观测几何和大气参数引起的陆表稳定目标大气层顶反射率的变化规律分别构建大气层顶反射率单变量模型和大气参数化模型，并根据大气层顶反射率单变量模型和大气参数化模型构建大气层顶反射率模型，可以较为充分考虑观测几何和大气参数对大气层顶反射率的影响，从而至少部分地克服了相关技术中的大气层顶反射率模型的精度较低的技术问题，进而达到了提高大气层顶反射率模型的预测精度的技术效果。
根据本公开的实施例，第三构建模块940可以包括第一构建单元和第二构建单元。
第一构建单元，用于根据大气层顶反射率单变量模型和大气参数化模型，构建通道式大气层顶反射率模型。
第二构建单元，用于利用光谱拓展方法处理通道式大气层顶反射率模型，得到大气层顶反射率模型，其中，大气层顶反射率模型为光谱连续的陆表稳定目标大气层顶反射率模型。
根据本公开的实施例，第一构建单元可以包括第一确定子单元和第二确定子单元。
建立子单元，用于根据卫星观测反射率采用最小二乘拟合确定模型系数，同时将残差平方和最小的拟合方案确定为目标方案。
根据本公开的实施例，根据以下公式确定卫星观测反射率和模型预测反射率之间的残差平方和：
其中，J表示残差平方和，i表示波段数，
表示第j个卫星观测反射率值，
表示与卫星观测反射率
对应的模型预测反射率值，m表示大气层顶反射率子集中卫星观测反射率总数。
根据本公开的实施例，根据以下公式表示通道式大气层顶反射率模型：
其中，
表示模型预测反射率，i表示第i波段，n表示波段总数，θs表示太阳天顶角，θv表示观测天顶角，Θ表示太阳与传感器针对同一目标区域在立体空间上的散射角，a1表示第一模型系数，a2表示第二模型系数，a3表示第三模型系数，a4表示第四模型系数，a5表示第五模型系数，a6表示第六模型系数，a7表示第七模型系数，a8表示第八模型系数，a9表示第九模型系数，DOY表示年积日。
根据本公开的实施例，构建装置900还可以包括第一获取模块和第二确定模块。
第一获取模块，用于获取目标区域的遥感影像，其中，遥感影像包括按照时间顺序排列的多个初始影像，其中，初始影像包括云掩膜膨胀半径和云标记。
第二确定模块，用于针对每个初始影像，在初始影像的云掩膜膨胀半径内的云标记满足第一预设条件的情况下，将初始影像确定为目标晴空影像。
根据本公开的实施例，第二确定模块可以包括添加单元、确定单元和二次筛选单元。
添加单元，用于在初始影像的云标记满足第一预设条件的情况下，对初始晴空影像添加合格影像标记。
确定单元，用于将具有合格影像标记的初始影像确定为初始晴空影像。
二次筛选单元，用于对初始晴空影像进行二次筛选，得到目标晴空影像。
根据本公开的实施例，构建装置900还可以包括第二获取模块、第一生成模块、第三确定模块、第四确定模块和第五确定模块。
第二获取模块，用于获取第一条件下的待定标的目标传感器的参考反射率，其中，第一条件为覆盖待定标的目标传感器的观测几何条件和大气条件。
第一生成模块，用于利用通道式大气层顶反射率模型生成与待定标的目标传感器对应的通道式大气层顶反射率预测值。
第三确定模块，用于根据参考反射率和通道式大气层顶反射率预测值，确定光谱拓展比值系数。
第四确定模块，用于根据光谱拓展比值系数和参考反射率，确定光谱式大气顶层反射率预测值。
第五确定模块，用于根据光谱式大气顶层反射率预测值和目标传感器的光谱响应函数确定待定标的目标传感器大气顶层反射率预测值。
根据本公开的实施例，构建装置900还可以包括计算模块。
计算模块，用于计算目标传感器大气顶层反射率预测值和反射率观测值之间的误差，评价大气层顶反射率模型的模型预测值与卫星观测值间相对差异。
根据本公开的实施例，区域参数包括以下至少一项：场地面积、地表反射率、空间均匀性、时间稳定性、云覆盖率、气溶胶光学厚度、水汽含量、场地环境、方向效应。
大气参数子集包括至少一组大气参数，每组大气参数包括以下至少一项：气溶胶光学厚度、水汽含量、风速、降水量、臭氧含量和大气温度。
大气层顶反射率子集包括至少一组大气层顶反射率，每组大气层顶反射率至少包括以下一项：观测天顶角、观测方位角、太阳天顶角、太阳方位角、TOA反射率，每组大气层顶反射率对应于一个波段。
根据本公开的实施例的模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路。
需要说明的是，本公开的实施例中大气层顶反射率模型的构建装置部分与本公开的实施例中大气层顶反射率模型的构建方法部分是相对应的，大气层顶反射率模型的构建装置部分的描述具体参考大气层顶反射率模型的构建方法部分，在此不再赘述。
图10示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图10示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示，根据本公开实施例的电子设备1000包括处理器1001，其可以根据存储在只读存储器(Read-Only Memory，ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(Random Access Memory，RAM)1003中的程序而执行各种适当的动作和处理。处理器1001例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1001还可以包括用于缓存用途的板载存储器。处理器1001可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 1003中，存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备1000还可以包括输入/输出(I/O)接口1005，输入/输出(I/O)接口1005也连接至总线1004。系统1000还可以包括连接至I/O接口1005的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1006；包括诸如阴极射线管(CRT)、液晶显示器(Liquid Crystal Display，LCD)等以及扬声器等的输出部分1007；包括硬盘等的存储部分1008；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1010上，以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
本公开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可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM(Erasable Programmable Read Only Memory，EPROM)或闪存)、便携式紧凑磁盘只读存储器(Computer Disc Read-Only Memory，CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的大气层顶反射率模型的构建方法。
在该计算机程序被处理器1001执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。
Claims (14)
1.一种陆表稳定目标大气层顶反射率模型的构建方法，包括：
根据目标区域的目标晴空影像和与所述目标晴空影像对应的区域参数集合，确定所述目标区域的时间序列的目标特性数据集，其中，所述目标特性数据集包括大气层顶反射率子集和大气参数子集；
根据所述大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；
根据所述大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；以及
根据所述大气层顶反射率单变量模型和所述大气参数化模型，构建所述大气层顶反射率模型。
2.根据权利要求1所述的方法，其中，所述根据所述大气层顶反射率单变量模型和所述大气参数化模型，构建所述大气层顶反射率模型，包括：
根据所述大气层顶反射率单变量模型和所述大气参数化模型，构建通道式大气层顶反射率模型；以及
利用光谱拓展方法处理所述通道式大气层顶反射率模型，得到所述大气层顶反射率模型，其中，所述大气层顶反射率模型为光谱连续的陆表稳定目标大气层顶反射率模型。
3.根据权利要求2所述的方法，其中，所述根据所述大气层顶反射率单变量模型和所述大气参数化模型，构建所述通道式大气层顶反射率模型，包括：
根据卫星观测反射率采用最小二乘拟合确定模型系数，同时将残差平方和最小的拟合方案确定为目标方案。
4.根据权利要求3所述的方法，其中，根据以下公式确定所述卫星观测反射率和模型预测反射率之间的残差平方和：
其中，J表示残差平方和，i表示波段数，
表示第j个卫星观测反射率值，
表示与卫星观测反射率
对应的模型预测反射率值，m表示大气层顶反射率子集中卫星观测反射率总数。
5.根据权利要求2～4中任一项所述的方法，其中，根据以下公式表示所述通道式大气层顶反射率模型：
其中，
表示模型预测反射率，i表示第i波段，n表示波段总数，θs表示太阳天顶角，θv表示观测天顶角，Θ表示太阳与传感器针对同一目标区域在立体空间上的散射角，a1表示第一模型系数，a2表示第二模型系数，a3表示第三模型系数，a4表示第四模型系数，a5表示第五模型系数，a6表示第六模型系数，a7表示第七模型系数，a8表示第八模型系数，a9表示第九模型系数，DOY表示年积日。
6.根据权利要求1～4中任一项所述的方法，还包括：
获取所述目标区域的遥感影像，其中，所述遥感影像包括按照时间顺序排列的多个初始影像，其中，所述初始影像包括云标记；
针对每个所述初始影像，在所述初始影像的云掩膜膨胀半径内的云标记满足第一预设条件的情况下，将所述初始晴空影像确定为所述初始晴空影像。
7.根据权利要求6所述的方法，其中，所述在所述初始影像的云掩膜膨胀半径内的云标记满足第一预设条件的情况下，将所述初始影像确定为所述目标晴空影像，包括：
在所述初始影像的云标记满足所述第一预设条件的情况下，对所述初始晴空影像添加合格影像标记；
将具有所述合格影像标记的初始影像确定为所述初始晴空影像；以及
对所述初始晴空影像进行二次筛选，得到所述目标晴空影像。
8.根据权利要求2～4中任一项所述的方法，还包括：
获取第一条件下的待定标的目标传感器的参考反射率，其中，第一条件为覆盖所述待定标的目标传感器的观测几何条件和大气条件；
利用所述通道式大气层顶反射率模型生成与所述待定标的目标传感器对应的通道式大气层顶反射率预测值；
根据所述通道式大气层顶反射率预测值，从多种所述参考反射率中确定目标参考反射率；
根据所述目标参考反射率和所述通道式大气层顶反射率预测值，确定光谱拓展比值系数；
根据所述光谱拓展比值系数和所述目标参考反射率，确定光谱式大气顶层反射率预测值；以及
根据所述光谱式大气顶层反射率预测值和所述目标传感器的光谱响应函数确定所述待定标的目标传感器大气顶层反射率预测值。
9.根据权利要求1～4中任一项所述的方法，还包括：
计算所述目标传感器大气顶层反射率预测值和所述反射率观测值之间的误差，评价大气层顶反射率模型的模型预测值与卫星观测值间相对差异。
10.根据权利要求1～4中任一项所述的方法，其中，所述区域参数集合包括以下至少一项：场地面积、地表反射率、空间均匀性、时间稳定性、云覆盖率、气溶胶光学厚度、水汽含量、场地环境、方向效应；
所述大气参数子集包括至少一组大气参数，每组所述大气参数包括以下至少一项：气溶胶光学厚度、水汽含量、风速、降水量、臭氧含量和大气温度；
大气层顶反射率子集包括至少一组大气层顶反射率，每组所述大气层顶反射率至少包括以下一项：观测天顶角、观测方位角、太阳天顶角、太阳方位角、TOA反射率，每组所述大气层顶反射率对应于一个波段。
11.一种陆表稳定目标大气层顶反射率模型的构建装置，包括：
确定模块，用于根据目标区域的目标晴空影像和与所述目标晴空影像对应的区域参数集合，确定所述目标区域的时间序列的目标特性数据集，其中，所述目标特性数据集包括大气层顶反射率子集和大气参数子集；
第一构建模块，用于根据所述大气层顶反射率子集中观测几何参数引起的陆表稳定目标大气层顶反射率的规律性变化，构建大气层顶反射率单变量模型；
第二构建模块，用于根据所述大气参数子集中大气参数季节性变化引起的陆表稳定目标大气层顶反射率的变化规律构建大气参数化模型；以及
第三构建模块，用于根据所述大气层顶反射率单变量模型和所述大气参数化模型，构建所述大气层顶反射率模型。
12.一种电子设备，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1～10中任一项所述的方法。
13.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1～10中任一项所述的方法。
14.一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现权利要求1～10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111147453.3A CN113836731B (zh) | 2021-09-28 | 2021-09-28 | 陆表稳定目标大气层顶反射率模型的构建方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111147453.3A CN113836731B (zh) | 2021-09-28 | 2021-09-28 | 陆表稳定目标大气层顶反射率模型的构建方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113836731A true CN113836731A (zh) | 2021-12-24 |
| CN113836731B CN113836731B (zh) | 2023-06-20 |
Family
ID=78967316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111147453.3A Active CN113836731B (zh) | 2021-09-28 | 2021-09-28 | 陆表稳定目标大气层顶反射率模型的构建方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113836731B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115824971A (zh) * | 2022-11-17 | 2023-03-21 | 中国科学院空天信息创新研究院 | 实现陆表遥感地表反射率产品质量可追溯的方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140142912A1 (en) * | 2012-11-16 | 2014-05-22 | Universiti Brunei Darussalam | Automating weather model configurations |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 |
| CN107219497A (zh) * | 2017-05-17 | 2017-09-29 | 武汉大学 | 用于大观测角传感器的交叉辐射定标方法及系统 |
| KR101970098B1 (ko) * | 2017-12-29 | 2019-04-18 | 강릉원주대학교산학협력단 | 정지궤도 인공위성의 자외선 및 가시광선 영역의 관측 자료를 이용한 지표면 반사도 및 방향성 반사도 함수 결정 방법 및 시스템 |
| CN110163035A (zh) * | 2018-02-11 | 2019-08-23 | 青岛星科瑞升信息科技有限公司 | 一种先验数据支持的云阴影识别方法 |
| CN111753439A (zh) * | 2020-07-09 | 2020-10-09 | 中国科学院空天信息创新研究院 | 一种国产多角度偏振卫星传感器的气溶胶光学厚度反演方法 |
| CN112964666A (zh) * | 2021-02-03 | 2021-06-15 | 中国电子科技集团公司第二十八研究所 | 一种基于地表双向反射的大气二氧化碳含量计算方法 |
-
2021
- 2021-09-28 CN CN202111147453.3A patent/CN113836731B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140142912A1 (en) * | 2012-11-16 | 2014-05-22 | Universiti Brunei Darussalam | Automating weather model configurations |
| CN106407656A (zh) * | 2016-08-29 | 2017-02-15 | 中国科学院遥感与数字地球研究所 | 一种基于高分辨率卫星影像数据的气溶胶光学厚度反演方法 |
| CN107219497A (zh) * | 2017-05-17 | 2017-09-29 | 武汉大学 | 用于大观测角传感器的交叉辐射定标方法及系统 |
| KR101970098B1 (ko) * | 2017-12-29 | 2019-04-18 | 강릉원주대학교산학협력단 | 정지궤도 인공위성의 자외선 및 가시광선 영역의 관측 자료를 이용한 지표면 반사도 및 방향성 반사도 함수 결정 방법 및 시스템 |
| CN110163035A (zh) * | 2018-02-11 | 2019-08-23 | 青岛星科瑞升信息科技有限公司 | 一种先验数据支持的云阴影识别方法 |
| CN111753439A (zh) * | 2020-07-09 | 2020-10-09 | 中国科学院空天信息创新研究院 | 一种国产多角度偏振卫星传感器的气溶胶光学厚度反演方法 |
| CN112964666A (zh) * | 2021-02-03 | 2021-06-15 | 中国电子科技集团公司第二十八研究所 | 一种基于地表双向反射的大气二氧化碳含量计算方法 |
Non-Patent Citations (1)
| Title |
|---|
| 胡斯勒图: "基于卫星数据的地表下行短波辐射估算: 方法、 进展及问题", 中国科学 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115824971A (zh) * | 2022-11-17 | 2023-03-21 | 中国科学院空天信息创新研究院 | 实现陆表遥感地表反射率产品质量可追溯的方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113836731B (zh) | 2023-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Molero et al. | SMOS disaggregated soil moisture product at 1 km resolution: Processor overview and first validation results | |
| Woldemeskel et al. | Merging gauge and satellite rainfall with specification of associated uncertainty across Australia | |
| Jose et al. | Bias Correction and trend analysis of temperature data by a high-resolution CMIP6 Model over a Tropical River Basin | |
| Liu et al. | Estimation of surface and near-surface air temperatures in arid northwest china using landsat satellite images | |
| Ermida et al. | A multi-sensor approach to retrieve emissivity angular dependence over desert regions | |
| 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 | |
| Yun et al. | Mitigating atmospheric effects in InSAR measurements through high-resolution data assimilation and numerical simulations with a weather prediction model | |
| Takala et al. | New snow water equivalent processing system with improved resolution over Europe and its applications in hydrology | |
| Zhao et al. | A novel regional drought monitoring method using GNSS-derived ZTD and precipitation | |
| Huerta et al. | PISCOeo_pm, a reference evapotranspiration gridded database based on FAO Penman-Monteith in Peru | |
| He et al. | Water vapor retrieval from MERSI NIR channels of Fengyun-3B satellite using ground-based GPS data | |
| Hdidou et al. | Impact of the variational assimilation of ground-based GNSS zenith total delay into AROME-Morocco model | |
| CN113836731B (zh) | 陆表稳定目标大气层顶反射率模型的构建方法和装置 | |
| Zhu et al. | A coalescent grid model of weighted mean temperature for China region based on feedforward neural network algorithm | |
| Salehi et al. | Spatial and temporal resolution improvement of actual evapotranspiration maps using Landsat and MODIS data fusion | |
| Li et al. | Temporal and spatial variations of global solar radiation over the Qinghai–Tibetan Plateau during the past 40 years | |
| Ru et al. | An extended SW-TES algorithm for land surface temperature and emissivity retrieval from ECOSTRESS thermal infrared data over urban areas | |
| Yang et al. | Land contamination correction for passive microwave radiometer data: Demonstration of wind retrieval in the great lakes using SSM/I | |
| Wu et al. | Improving the capability of water vapor retrieval from Landsat 8 using ensemble machine learning | |
| Tao et al. | Estimation of soil moisture using a vegetation scattering model in wheat fields | |
| CN113408111A (zh) | 大气可降水量反演方法及系统、电子设备和存储介质 | |
| Huerta et al. | High-resolution gridded hourly precipitation dataset for Peru (PISCOp_h) | |
| CN114065931B (zh) | 基于物理模型和神经网络融合的陆地水汽反演方法及系统 | |
| Dumitrescu et al. | A Romanian daily high-resolution gridded dataset of snow depth (2005-2015) | |
| Huang et al. | A global grid model for the estimation of zenith tropospheric delay considering the variations at different altitudes |
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 |