CN114323288B - 一种基于asrer数据城市地表温度反演的方法 - Google Patents
一种基于asrer数据城市地表温度反演的方法 Download PDFInfo
- Publication number
- CN114323288B CN114323288B CN202111541924.9A CN202111541924A CN114323288B CN 114323288 B CN114323288 B CN 114323288B CN 202111541924 A CN202111541924 A CN 202111541924A CN 114323288 B CN114323288 B CN 114323288B
- Authority
- CN
- China
- Prior art keywords
- asrer
- data
- surface temperature
- calculating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 21
- 238000002834 transmittance Methods 0.000 claims abstract description 19
- 230000005855 radiation Effects 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 6
- 102220028712 rs112992946 Human genes 0.000 claims description 3
- 102220131033 rs145667920 Human genes 0.000 claims description 3
- 102220067506 rs150937126 Human genes 0.000 claims description 3
- 102220300875 rs1554026816 Human genes 0.000 claims description 3
- 102220042097 rs201566142 Human genes 0.000 claims description 3
- 102220212642 rs747431847 Human genes 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明提供了一种基于ASRER数据城市地表温度反演的方法，包括以下步骤：步骤1：计算大气水汽含量w值；步骤2：计算ASRER数据两个热红外波段对应的大气透过率t13和t14；步骤3：计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14；步骤4：反演计算地表温度Ts；步骤5：在完成步骤:1至步骤4的基础上，将以上参数计算得到的结果代入反演公式计算地表温度值。本发明通过不同的算法思路，使得ASRER数据反演地表温度算法技术得到改进和提升，利用ASRER数据热红外波段反演地表温度精度得到提高；通过简单而直接的逻辑关系及本发明的算法思路，能够较好地理解和掌握该算法技术，使得该算法技术能够得到广泛的应用。
Description
技术领域
本发明属于遥感影像对地观测技术领域，特别涉及一种基于ASRER数据城市地表温度反演的方法。
背景技术
随着遥感影像对地观测技术的不断发展，通过卫星传感器搭载热红外波相机可以实现对地表温度的反演和监测。八九十年代以来，遥感技术人员经过多方研究，遥感反演地表温度的算法得到广泛应用；到目前为止，遥感反演地表温度的算法大致形成了三种类型：单通道、双通道和多角度反演算法。双通道(劈窗)反演算法在遥感地表温度反演中具有广泛应用和研究。单通道地表温度遥感反演算法是通过一个热红外遥感波段提取地表温度，比起双通道反演算法需要多估计一个变量-大气有效温度，因此会比双通道反演算法具有更大的误差，由于双通道反演算法利用了两个热红外波段的辐射信息，通过解算热红外波段大气传输方程组，消除大气有效温度变量，使得地表温度反演结果比单通道算法更加准确，另外多角度反演算法和多通道反演算法思路类似，但是由于多角度热红外遥感数据并不普遍，使其没有双通道反演算法应用广泛。ASRER卫星的发射升空，其搭载两个新的热红外波段band13和band14，对于ASRER两个热红外波段，需要开发相应的地表温度反演算法。因此遥感技术人员经过多次算法研究出了适用于ASRER遥感数据的地表温度双通道—劈窗反演算法，这些算法在本质上都是对大气传输方程中的普朗克热辐射函数进行了统一的简化处理，并且都采用了泰勒线性展开低阶部分作为算法模型主要部分。
现阶段与本发明相近的反演算法技术不足之处有以下两点：
第一，该算法技术的反演精度稍低，原因在于其只取了大气传输方程泰勒线性展开的低阶部分，其高阶部分影响没有得到充分考虑，另外，大气透过率与大气水汽含量w的相关关系使用了简单的线性关系。
第二，该算法技术的逻辑结构比较复杂，对于非专业使用者而言较难理解，在一定程度上影响到了其现实实用性。该缺点原因在于该算法技术涉及的间接变量比较多，由此产生了较多的嵌套关系，使得非专业使用者理解具有一定困难。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种基于ASRER数据城市地表温度反演的方法，旨在解决现有类似算法技术的反演精度稍低和逻辑结构复杂的问题。通过对大气传输方程中普朗克辐射函数采取不同简化方式，充分考虑了高阶部分，同时利用三次多项式拟合大气透过率与大气水汽含量w的函数关系，在一定程度上提高了ASRER数据城市地表温度反演精度。同时本发明的逻辑结构简约，非常有利于非专业使用者理解和掌握。
为了实现上述目的，本发明采用的技术方案是：
一种基于ASRER数据城市地表温度反演的方法，包括以下步骤：
步骤1：计算大气水汽含量w：利用同期MODIS遥感数据计算大气水汽含量w，计算公式如下所示：
w=((0 .02-ln(b19/b2))/0 .651)²
其中，b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度值；
步骤2：计算ASRER数据两个热红外波段对应的大气透过率t13和t1：在步骤1计算的基础上，将像元（图像像素的大小）的大气水汽含量w计算大气透过率；
步骤3：计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14：首先计算目标区域的值被归一化指数NDVI；然后计算ASRER数据两个热红外波段对应的地表比辐射率；
步骤4：反演计算地表温度Ts：在完成步骤1至步骤3的基础上，将以上参数计算结果代入以下公式计算地表温度值：
Ts=[(C 13 B 14-C 13 B 14)+]/[2(C 13 A 14-C 13 A 14)]
上式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，涉及到的A、B、C、D、E参数均属于辐射函数参数。
所述步骤1中：计算大气水汽含量w：利用同期MODIS遥感数据计算大气水汽含量w，计算公式如下所示：
w=((0 .02-ln(b19/b2))/0.651)²
其中，b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度值；
所述步骤2中将像元（图像像素的大小）的大气水汽含量w代入如下公式计算大气透过率：
t13=0.9570356-0.0277340w-0.0333734w2+0.0028800w3，
t14=0.9456728-0.0857755w-0.0290912w2+0.0032169w3。
所述步骤3中计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14：
y13=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492，
y14=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490。
首先计算目标区域的值被归一化指数NDVI，计算公式如下：
NDVI=
然后按照以下公式计算ASRER数据两个热红外波段对应的地表比辐射率，
Pv=()2
其中，pv代表植被覆盖度，NDVI代表像元（图像像素的大小）的植被归一化指数值，NDVImin和NDVImax分别代表计算空间范围内植被归一化指数的最小值和最大值。
所述步骤4中所述:
Ts=[(C 13 B 14-C 13 B 14)+]/[2(C 13 A 14-C 13 A 14)]
式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，具体计算公式如下所示：
A13=0.0006678y13t13，
A14=0.0006188y14t14，
B13=-0.2333226y13t14，
B14=-0.1990475y13t13，
C13=0.1312942(1-t13)(1+(1-y13)t13)，
C14=0.1387986(1-t14)(1+(1-y14)t14)，
D13=21.1666266y13t13-26.7808503(1+(1-y13)t13)-B13(T13)，
D14=16.7224278y13t13-27.7043284(1+(1-y13)t13)-B14(T14)，
其中，B13(T13)和B14(T14)分别是ASRER数据两个热红外波段对应亮温T13和T14的普朗克热辐射值。
所述根据所有步骤中的参数计算得到的结果代入反演公式计算最终得到地表温度的反演值。
与现有技术相比，本发明具备以下有益效果：
（1）通过不同的算法思路，使ASRER数据反演地表温度技术得到改进和提升，使得利用ASRER数据热红外波段反演地表温度精度得到提高；通过简单而直接的逻辑关系，使得非专业使用者能够较好地理解和掌握该技术，使得该技术能够得到广泛应用；本发明能够突破传统遥感反演地表温度的劈窗算法技术的思路，为使用者提供一种实用而具有较强的可操作性的ASRER数据反演地表温度技术。
（2）ASRER卫星遥感数据具有信噪比高、现势性好和获取成本低等优势，通过简单易用的地表温度反演技术，可以大大促进热环境改善、生态环境演变等方面的研究水平，同时也可以实现ASRER卫星遥感监测地表温度业务化、流程化和工具化，从而带来广泛的社会、经济和生态效益。
附图说明
图1是本发明实施例提供的一种基于ASRER数据城市地表温度反演的方法流程图。
图2地表温度分布图。
图3地表温度反演结果图。
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，以下通过实施例，并结合附图，对本发明的一种基于ASRER数据城市地表温度反演的方法进行进一步详细说明。
图1是一种基于ASRER数据城市地表温度反演的方法流程图，主要包括以下步骤：
1）步骤1：计算大气水汽含量w：利用同期MODIS遥感数据计算大气水汽含量w，计算公式如下所示：
w=((0 .02-ln(b19/b2))/0 .651)²
其中，b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度值；
2）步骤2：计算ASRER数据两个热红外波段对应的大气透过率t13和t1：在步骤1计算的基础上，将像元（图像像素的大小）的大气水汽含量w计算大气透过率；
3）步骤3：计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14：首先计算目标区域的值被归一化指数NDVI；然后计算ASRER数据两个热红外波段对应的地表比辐射率；
4）步骤4：反演计算地表温度Ts：在完成步骤1至步骤3的基础上，将以上参数计算结果代入以下公式计算地表温度值：
Ts=[(C 13 B 14-C 13 B 14)+]/[2(C 13 A 14-C 13 A 14)]
上式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得。
对步骤1-4做进一步阐述：
进一步所述步骤2中计算大气水汽含量w：利用同期MODIS遥感数据计算大气水汽含量w，计算公式如下所示：
w=((0 .02-ln(b19/b2))/0 .651)²
其中，b19和b2对应与MODIS数据中的第19波段和第2波段对应的辐射灰度值；
进一步所述步骤2中将像元的大气水汽含量w代入如下公式计算大气透过率：
t13=0.9570356-0.0277340w-0.0333734w2+0.0028800w3，
t14=0.9456728-0.0857755w-0.0290912w2+0.0032169w3。
进一步所述步骤3中计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14：
y13=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492，
y14=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490。
首先计算目标区域的值被归一化指数NDVI，计算公式如下：
NDVI=
然后按照以下公式计算ASRER数据两个热红外波段对应的地表比辐射率，
Pv=()2
其中，pv代表植被覆盖度，NDVI代表像元（图像像素的大小）的植被归一化指数值，NDVImin和NDVImax分别代表计算空间范围内植被归一化指数的最小值和最大值。
进一步所述步骤4中所述:
Ts=[(C 13 B 14-C 13 B 14)+]/[2(C 13 A 14-C 13 A 14)]
式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，具体计算公式如下所示：
A13=0.0006678y13t13，
A14=0.0006188y14t14，
B13=-0.2333226y13t14，
B14=-0.1990475y13t13，
C13=0.1312942(1-t13)(1+(1-y13)t13)，
C14=0.1387986(1-t14)(1+(1-y14)t14)，
D13=21.1666266y13t13-26.7808503(1+(1-y13)t13)-B13(T13)，
D14=16.7224278y13t13-27.7043284(1+(1-y13)t13)-B14(T14)，
其中，B13(T13)和B14(T14)分别是ASRER数据两个热红外波段对应亮温T13和T14的普朗克热辐射值。
进一步所述通过上述所有步骤中的参数计算得到的结果代入反演公式计算最终得到地表温度分布图（如图2所示）和地表温度反演结果图（如图3所示）。
以上结合附图和实施例详细说明本发明的可实施方式，本发明提供了一种基于ASRER数据城市地表温度反演的方法，包括以下步骤：步骤1：计算大气水汽含量w值；步骤2：计算ASRER数据两个热红外波段对应的大气透过率t13和t14；步骤3：计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14；步骤4：反演计算地表温度Ts；步骤5：在完成步骤:1至步骤4的基础上，将以上参数计算得到的结果代入反演公式计算地表温度值。本发明通过不同的算法思路，使得ASRER数据反演地表温度算法技术得到改进和提升，利用ASRER数据热红外波段反演地表温度精度得到提高；通过简单而直接的逻辑关系及本发明的算法思路，能够较好地理解和掌握该算法技术，使得该算法技术能够得到广泛的应用。
上述描述中的实施方案可以进一步组合或者替换，且实施方案仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域普通技术人员对本发明的技术方案做出的各种变化和改进，均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。
Claims (2)
1. 一种基于ASRER数据城市地表温度反演的方法，其特征在于，包括以下步骤：
步骤1：计算大气水汽含量w：利用同期MODIS遥感数据计算大气水汽含量w，计算公式
如下式（1）所示：
w=((0 .02-ln(b19/b2))/0 .651)² （1）
其中，b19和b2分别为MODIS数据中的第19波段和第2波段对应的辐射灰度值；
步骤2：计算ASRER数据两个热红外波段对应的大气透过率t13和t1：在步骤1计算的基础上，将像元的大气水汽含量w计算大气透过率；
步骤3：计算ASRER数据两个热红外波段（波段13和波段14）对应的地表比辐射率y13和y14：首先计算目标区域的值被归一化指数NDVI；然后计算ASRER数据两个热红外波段对应的地表比辐射率；
步骤4：反演计算地表温度Ts：在完成步骤1至步骤3的基础上，将以上参数计算结果代入以下公式（2） 计算地表温度值：
Ts=[(C 13 B 14-C 13 B 14)+ ]/[2(C 13 A 14-C 13 A 14)] （2）
上式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得；
步骤1中计算大气水汽含量w前，对遥感数据进行预处理，对MODIS影像几何纠正，对ASRER数据多光谱进行大气校正；
步骤2中，将像元的大气水汽含量w代入如下公式计算大气透过率：
t13=0.9570356-0.0277340w-0.0333734w2+0.0028800w3，
t14=0.9456728-0.0857755w-0.0290912w2+0.0032169w3；
步骤3中，计算ASRER数据两个热红外波段对应的地表比辐射率y13和y14：
y13=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492，
y14=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490；
首先计算目标区域的值被归一化指数NDVI，计算公式如下：
NDVI=
2.然后按照以下公式计算ASRER数据两个热红外波段对应的地表比辐射率，
Pv=()2
其中，pv代表植被覆盖度，NDVI代表像元的植被归一化指数值，NDVImin和NDVImax分别代表计算空间范围内植被归一化指数的最小值和最大值；
步骤4中，所述公式（2）:
Ts=[(C 13 B 14-C 13 B 14)+]/[2(C 13 A 14-C 13 A 14)]
式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，具体计算公式如下所示：
A13=0.0006678y13t13，
A14=0.0006188y14t14，
B13=-0.2333226y13t14，
B14=-0.1990475y13t13，
C13=0.1312942(1-t13)(1+(1-y13)t13)，
C14=0.1387986(1-t14)(1+(1-y14)t14)，
D13=21.1666266y13t13-26.7808503(1+(1-y13)t13)-B13(T13)，
D14=16.7224278y13t13-27.7043284(1+(1-y13)t13)-B14(T14)，
其中，B13(T13)和B14(T14)分别是ASRER数据两个热红外波段对应亮温T13和T14的普朗克热辐射值；
根据上述所有步骤中的参数计算得到的结果代入反演公式计算最终得到地表温度的反演值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541924.9A CN114323288B (zh) | 2021-12-16 | 2021-12-16 | 一种基于asrer数据城市地表温度反演的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111541924.9A CN114323288B (zh) | 2021-12-16 | 2021-12-16 | 一种基于asrer数据城市地表温度反演的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114323288A CN114323288A (zh) | 2022-04-12 |
| CN114323288B true CN114323288B (zh) | 2023-12-26 |
Family
ID=81052369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111541924.9A Active CN114323288B (zh) | 2021-12-16 | 2021-12-16 | 一种基于asrer数据城市地表温度反演的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114323288B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101295022A (zh) * | 2008-06-25 | 2008-10-29 | 中国农业科学院农业资源与农业区划研究所 | 从遥感数据aster反演地表温度和发射率的方法 |
| CN104360351A (zh) * | 2014-12-04 | 2015-02-18 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感数据的农业区地表温度高精度反演方法 |
| WO2018145229A1 (zh) * | 2017-02-10 | 2018-08-16 | 广西壮族自治区气象减灾研究所 | 一种近地面气温的大面积精确反演方法 |
| CN110375860A (zh) * | 2019-07-09 | 2019-10-25 | 浙江大学 | 一种基于红外图像处理的近海岸发电站温排水环境检测装置和方法 |
| CN111323129A (zh) * | 2020-03-25 | 2020-06-23 | 长光卫星技术有限公司 | 一种基于宽波段热红外影像的地表温度反演方法 |
-
2021
- 2021-12-16 CN CN202111541924.9A patent/CN114323288B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101295022A (zh) * | 2008-06-25 | 2008-10-29 | 中国农业科学院农业资源与农业区划研究所 | 从遥感数据aster反演地表温度和发射率的方法 |
| CN104360351A (zh) * | 2014-12-04 | 2015-02-18 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感数据的农业区地表温度高精度反演方法 |
| WO2018145229A1 (zh) * | 2017-02-10 | 2018-08-16 | 广西壮族自治区气象减灾研究所 | 一种近地面气温的大面积精确反演方法 |
| CN110375860A (zh) * | 2019-07-09 | 2019-10-25 | 浙江大学 | 一种基于红外图像处理的近海岸发电站温排水环境检测装置和方法 |
| CN111323129A (zh) * | 2020-03-25 | 2020-06-23 | 长光卫星技术有限公司 | 一种基于宽波段热红外影像的地表温度反演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114323288A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111795936B (zh) | 一种基于查找表的多光谱遥感影像大气校正系统、方法及存储介质 | |
| CN102650587B (zh) | 基于sebal-hj模型的农作物生物量反演方法 | |
| CN104580894B (zh) | 一种红外焦平面的多点校正方法及系统 | |
| CN101320475B (zh) | 复杂背景条件下红外成像系统作用距离估算方法 | |
| CN102313526A (zh) | 一种多角度与多光谱遥感数据定量融合反演叶面积指数的方法 | |
| CN108896188A (zh) | 一种共口径高轨遥感卫星红外通道大气校正方法 | |
| CN114564767A (zh) | 一种基于太阳-云-卫星观测几何的云下地表温度估算方法 | |
| CN109632106B (zh) | 一种遥感地表温度产品角度效应校正方法 | |
| CN116359137A (zh) | 多水域城市生态环境遥感监测方法 | |
| CN103792009A (zh) | 地基大口径望远镜的红外辐射定标方法 | |
| CN115204691A (zh) | 基于机器学习和遥感技术的城市人为热排放量估算方法 | |
| CN114323288B (zh) | 一种基于asrer数据城市地表温度反演的方法 | |
| CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
| CN113836490B (zh) | 一种基于数据线性回归的starfm地表温度融合预测方法 | |
| CN114781148A (zh) | 一种热红外遥感云覆盖像元的地表温度反演方法及系统 | |
| McCarville et al. | Atmospheric correction of Landsat thermal infrared data: A calculator based on North American Regional Reanalysis (NARR) data | |
| CN116342469B (zh) | 基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法 | |
| Liu et al. | The First Result of Land Surface Temperature Retrieval from SDGSAT-1 Thermal Imager Spectrometer | |
| CN105300880B (zh) | 一种Landsat8热红外数据大气水汽含量反演方法 | |
| CN105426851A (zh) | 一种基于Landsat时间序列影像的不透水面监测方法和装置 | |
| CN112198814A (zh) | 一种高精度的热辐射方向性半经验半物理模拟方法 | |
| CN114964518B (zh) | 一种目标红外辐射值推演方法、装置及存储介质 | |
| Kim et al. | Spatiotemporal fusion of high resolution land surface temperature using thermal sharpened images from regression-based urban indices | |
| KR101353125B1 (ko) | 근적외선 파장을 이용한 지표면 반사도 산출 방법 | |
| CN118067245B (zh) | 地表温度获取方法和装置 |
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 |