CN114494377B - 像元尺度的方向性比辐射率模型的构建方法 - Google Patents
像元尺度的方向性比辐射率模型的构建方法 Download PDFInfo
- Publication number
- CN114494377B CN114494377B CN202210141117.6A CN202210141117A CN114494377B CN 114494377 B CN114494377 B CN 114494377B CN 202210141117 A CN202210141117 A CN 202210141117A CN 114494377 B CN114494377 B CN 114494377B
- Authority
- CN
- China
- Prior art keywords
- image data
- observation
- satellite
- load
- observation image
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 9
- 230000003068 static effect Effects 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims description 45
- 238000000034 method Methods 0.000 claims description 36
- 210000001747 pupil Anatomy 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 4
- 238000013076 uncertainty analysis Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000035699 permeability Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- -1 desert Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 108010018961 N(5)-(carboxyethyl)ornithine synthase Proteins 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Radiation Pyrometers (AREA)
Abstract
一种像元尺度的方向性比辐射率模型的构建方法，包括：对静止卫星的第一载荷采集的目标区域的静止卫星图像数据和极轨卫星的第二载荷采集的目标区域的极轨卫星图像数据进行筛选，得到多个第一观测图像数据对；对每个第一观测图像数据对中的第一极轨卫星图像数据的像元数据和第一静止卫星图像数据的像元数据进行空间配准；对多个第二观测图像数据对进行筛选，得到多个第三观测图像数据对，根据多个第三观测图像数据对，确定第一载荷和第二载荷之间的交叉比对系数；根据交叉比对系数对每个第二观测图像数据对中的第一静止卫星图像数据进行校准；针对多个第四观测图像数据对进行筛选，得到多个第五观测图像数据对，确定像元尺度方向性比辐射率模型。
Description
技术领域
本发明涉及遥感技术领域，尤其涉及一种像元尺度的方向性比辐射率模型的构建方法。
背景技术
地表比辐射率(Land Surface Emissivity，LSE)是自然地物的一种固有属性，不仅依赖于地表物体的组成，而且与物体的表面状态(表面粗糙度等)、物理性质(介电常数、含水量等)以及与所测定的波长和观测角度等因素有关。它是地表热能转换成辐射能量的内在的有效度量器，是精准获取国际地圈生物圈计划(IGBP)地表温度的关键参数。
热红外遥感是获取全球及区域性目标红外辐射特性(地表比辐射率和地表温度)的主要手段，例如Terra/MODIS、MSG/SEVIRI、Landsat8/OLI、Sentinel3/SLSTR等。高精度的载荷定标是保证热红外载荷获取数据精准性、稳定性的关键一环。除星上搭载黑体外，以地面为参照目标的场地替代定标和交叉定标是开展热红外载荷在轨定标及载荷辐射性能长期稳定性监测的重要手段，也是目前国际定标领域研究热点。场地替代定标需要在精准获取地面测试目标和大气特性数据的基础上，提供可与载荷观测进行比对的大气顶层辐射级数据产品，因此其核心是精准获取描述地面参考目标红外辐射特性变化的地表温度和地表比辐射率。然而，受遥感卫星运行轨道的影响，其在观测地表时通常存在一定的观测角度；而在地面的验证测量中，更多也更常见的一种方法是基于地表朗伯体假设的前提下，忽略地表热辐射方向性，认为其地表亮温具有各向同性特征，并以垂直测量值作为直接替代进行载荷的定标和验证，这势必会影响载荷定标及验证精度。进一步地，在交叉定标方面，2005年世界气象组织和气象卫星协调组织发起国际计划“全球天基交叉定标系统”(GlobalSpace-based Inter-Calibration System，GSICS)，是目前国际唯一业务化运行的交叉辐射定标系统，其交叉辐射定标技术也代表了目前国际上的最高水平。GSICS交叉辐射定标采取星下点(SNO)的方式，要求严格的时空谱角匹配，以消除因时空谱角多观测要素差异带来的目标热辐射差异，导致交叉匹配点集中在地球两极，目标种类单一，满足匹配条件的观测数据往往仅占总量的0.1％。因此，放宽交叉定标中约束条件并有效消除时空谱角多观测要素差异带来的目标热辐射差异是目前国际定标领域研究的难点和热点。然而，由于地表比辐射率会随着观测天顶角而改变，从而导致卫星观测亮度辐射值随着观测角度变化。因此，构建均一目标像元尺度的比辐射率方向性模型，校正因观测角度差异而导致的参考载荷和待定标载荷热辐射量值差异，是开展热红外载荷高精度、多能级在轨交叉定标的重中之重。
进一步地，针对IGBP关键参数--地表温度热红外遥感反演这一难题，国内外学者发展了诸多地表温度反演算法，一共可以分为两类，其中一类为将地表比辐射率视为已知值的温度反演算法，如单通道法、劈窗算法以及多角度算法；第二类方法旨在已知大气条件的情况下，同时反演地表温度与地表比辐射率。然而，以上大部分反演算法常常假设地表是同温朗伯体，对地表热辐射方向性的效应考虑不足，这进一步加剧了不同传感器地表温度产品之间的差异，这对利用多源遥感数据生产长时间序列角度归一化的地表温度产品造成了障碍。因此，构建均一目标像元尺度的比辐射率方向性模型，校正观测角度差异带来的影响，也是进一步提升地表温度反演精度，并保证多源地表温度一致性的关键。
当前，国内外学者对于地表热辐射/比辐射率方向性模型的构建展开了大量的研究。现流行的热辐射/比辐射率方向性模型大致可以分为辐射传输模型、几何光学模型、参数化模型以及混合模型等。然而，现有的热辐射/比辐射率方向性研究大多聚焦于植被冠层，对于土壤、沙漠以及水体等目标的比辐射率方向性模型的研究较少，并且此类模型大部分是基于实验室内部的理想条件所构建的，因此无法直接适用于实际的热红外辐射地基定标及验证。此外，也少有基于像元尺度的地表比辐射率方向性研究，而具有物理机理的热辐射方向性模型大多聚焦于单一下垫面的点尺度精细化描述，需要众多的输入参数，大量的迭代计算，并且其模型精度也受到输入参数精度的限制，因此也无法直接适用于现实多变自然条件下的光学遥感载荷定标及温度产品归一化应用需求。
发明内容
有鉴于此，本发明的主要目的在于提供一种像元尺度的方向性比辐射率模型的构建方法，以期至少部分地解决上述提及的技术问题中的至少之一。
为了实现上述目的，作为本发明的一个方面的实施例，提供了一种获取像元尺度方向性比辐射率模型的方法，包括：
对静止卫星的第一载荷采集的目标区域的静止卫星图像数据和极轨卫星的第二载荷采集的所述目标区域的极轨卫星图像数据进行筛选，得到多个第一观测图像数据对，其中，每个所述第一观测图像数据对包括第一静止卫星图像数据和与所述第一静止卫星图像数据时间匹配的第一极轨卫星图像数据；
对每个所述第一观测图像数据对中的第一极轨卫星图像数据的像元数据和第一静止卫星图像数据的像元数据进行空间配准，得到第一极轨卫星配准图像数据，其中，所述第一静止卫星图像数据和对应的第一极轨卫星配准图像数据组成第二观测图像数据对；
对多个所述第二观测图像数据对进行筛选，得到多个第三观测图像数据对，根据多个所述第三观测图像数据对，确定所述第一载荷和所述第二载荷之间的交叉比对系数，其中，每个所述第三观测图像数据对包括第二静止卫星图像数据和与所述第二静止卫星图像数据角度匹配的第二极轨卫星配准图像数据；
根据所述交叉比对系数对每个所述第二观测图像数据对中的所述第一静止卫星图像数据进行校准，得到第一静止卫星图像校准数据，其中，所述第一静止卫星图像校准数据和对应的所述第一极轨卫星配准图像数据组成第四观测图像数据对；
基于所述第一静止卫星图像校准数据的观测角度和所述第一极轨卫星配准图像数据的观测角度对多个所述第四观测图像数据对进行筛选，得到多个第五观测图像数据对，根据多个所述第五观测图像数据对和热红外大气辐射传输方程确定像元尺度方向性比辐射率模型，其中，每个所述第五观测图像数据对中的第二静止卫星图像校准数据与对应的第二极轨卫星配准图像数据具有对应的预定观测角度差。
根据本发明的实施例，上述构建方法还包括对所述像元尺度方向性比辐射率模型进行不确定度分析。
根据本发明的实施例，所述成像时间匹配包括：
每个所述第一观测图像数据对中的第一静止卫星图像数据的采集时间和第一极轨卫星图像数据的采集时间的差值的绝对值小于第一预设阈值。
根据本发明的实施例，所述角度匹配包括：
每个所述第三观测图像对中的第二静止卫星图像数据的观测角度和对应的第二极轨卫星配准图像数据的观测角度的差值的绝对值小于第二预设阈值。
根据本发明的实施例，所述根据多个所述第三观测图像数据对，确定所述第一载荷和所述第二载荷之间的交叉比对系数，包括：
在每个第三观测图像数据对中，根据所述第二静止卫星图像数据获取所述第一载荷的第一入瞳辐亮度；
在每个第三观测图像数据对中，根据所述第二极轨卫星配准图像数据数据获取所述第二载荷的第二入瞳辐亮度；
基于最小二乘法，根据多个第三观测图像数据对中各自的第一入瞳辐亮度和所述第二入瞳辐亮度，得到所述交叉比对系数。
根据本发明的实施例，所述根据多个第五观测图像数据对和热红外大气辐射传输方程确定像元尺度方向性比辐射率模型，包括：
在每个所述第五观测数据对中，根据所述热红外大气辐射传输方程和所述第二静止卫星图像校准数据、所述第二极轨卫星配准图像数据得到得到比辐射率；
根据多个所述第五观测图像数据对各自的比辐射率，得到像元尺度方向性比辐射率模型。
根据本发明的实施例，所述目标区域具备下垫面，所述目标区域面积大于等于5×5个像元。
根据本发明的实施例，所述第一预设阈值为10分钟，所述第二预设阈值为10度。
根据本发明的实施例提供的像元尺度的方向性比辐射率模型的构建方法，利用第二载荷不同观测角度数据对辐射差异性特点，建立方向性比辐射率模型(即比辐射率与观测角度的经验关系)，有效消除了现有技术方案中像元尺度比辐射率的方向性对热红外载荷外场定标与交叉定标的影响，有利提升了在轨绝对辐射定标精度。
本发明实施例提供的像元尺度的方向性比辐射率模型的构建方法，基于多平台、多传感器、多角度的卫星数据，挖掘像元尺度地表比辐射率随观测角度的变化规律，建立像元尺度地表比辐射率方向性模型，为国产卫星热红外载荷定标及高精度地表温度反演提供坚实的技术支撑。
附图说明
图1示意性的示出了根据本发明的实施例提供的像元尺度的方向性比辐射率模型的构建方法流程图；
图2示意性的示出了根据本发明实施例提供的极轨卫星图像的像元配准过程。
具体实施方式
本发明的目的是针对上述背景技术中的不足，提出了一种均一目标像元尺度比辐射率方向性建模方法。该方法相对传统比辐射率方向性建模方法，在模型适用性以及计算速度有非常大的优势，通过采用静止轨道和极轨卫星热红外载荷不同观测角度数据对辐射差异性的特点，挖掘像元尺度地表比辐射率随观测角度的变化规律，直接建立像元尺度地表比辐射率与观测天顶角之间的经验关系，解决传统物理模型及参数模型在土壤、戈壁、水体等均一目标适用性差且输入参数众多、迭代计算耗时等问题。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。
图1示意性的示出了根据本发明的实施例提供的像元尺度的方向性比辐射率模型的构建方法流程图；
如图1所示，为一种获取像元尺度方向性比辐射率模型的方法，包括步骤S1-S5。
S1：对静止卫星的第一载荷采集的目标区域的静止卫星图像数据和极轨卫星的第二载荷采集的目标区域的极轨卫星图像数据进行筛选，得到多个第一观测图像数据对，其中，每个第一观测图像数据对包括第一静止卫星图像数据和与第一静止卫星图像数据时间匹配的第一极轨卫星图像数据。
S2：对每个第一观测图像数据对中的第一极轨卫星图像数据的像元数据和第一静止卫星图像数据的像元数据进行空间配准，得到第一极轨卫星配准图像数据，其中，第一静止卫星图像数据和对应的第一极轨卫星配准图像数据组成第二观测图像数据对。
S3：对多个第二观测图像数据对进行筛选，得到多个第三观测图像数据对，根据多个第三观测图像数据对，确定第一载荷和第二载荷之间的交叉比对系数，其中，每个第三观测图像数据对包括第二静止卫星图像数据和与第二静止卫星图像数据角度匹配的第二极轨卫星配准图像数据。
S4：根据交叉比对系数对每个第二观测图像数据对中的第一静止卫星图像数据进行校准，得到第一静止卫星图像校准数据，其中，第一静止卫星图像校准数据和对应的第一极轨卫星配准图像数据组成第四观测图像数据对；
S5：基于第一静止卫星图像校准数据的观测角度和第一极轨卫星配准图像数据的观测角度对多个第四观测图像数据对进行筛选，得到多个第五观测图像数据对，根据多个第五观测图像数据对和热红外大气辐射传输方程确定像元尺度方向性比辐射率模型，其中，每个第五观测图像数据对中的第二静止卫星图像校准数据与对应的第二极轨卫星配准图像数据具有对应的预定观测角度差。
根据本发明的实施例，步骤S1具体包括步骤S11-S12。
S11：甄选目标区域。
基于现有国内外定标和真实性检验场目标/大气光学特性历史测量数据，面向热红外载荷定标和真实性检验需求，依据现有星载热红外载荷的空间分辨率和光谱范围，选定具备差异下垫面、地表均一、大气通透性好且红外辐射特性稳定的大面积均匀场地，场地面积不小于5×5个像元，大气通透性良好且稳定，比如国际对地观测委员会(CEOS)伪不变场(PICS)、敦煌沙漠、青海湖等。
根据本发明的实施例，通过甄选广泛地理分布差异下垫面，目标均一、稳定，且大气通透性好的目标区域，尽可能多的获取第一载荷和第二载荷的宽动态数据，有效降低第一载荷和第二载荷非线性响应而带来的定标不确定性。
本发明实施例提供的获取像元尺度方向性比辐射率模型的方法，为均一目标像元尺度比辐射率方向性建模方法，该方法提高了红外光学载荷(第一载荷或第二载荷)在轨定标及温度反演结果的精度。
S12：对静止卫星的第一载荷采集目标区域的图像和由极轨卫星的第二载荷采集所述目标区域的图像进行筛选。
第一载荷和第二载荷均为热红外光学载荷，选取具有相同或者相似的热红外谱段的第一载荷和第二载荷，结合卫星载荷云产品数据，判读目标区域上空云量，下载两个载荷晴天条件下过境目标区域3-5年长时间序列观测数据。
对第一载荷采集的目标区域的静止卫星图像数据和第二载荷采集的所述目标区域的极轨卫星图像数据进行筛选，得到多个第一观测数据对，每个第一观测图像数据对包括第一静止卫星图像数据和与第一静止卫星图像数据时间匹配的第一极轨卫星图像数据。第一静止卫星图像数据和与第一静止卫星图像数据时间匹配的第一极轨卫星图像数据的采集时间差值的绝对值小于10分钟，以尽可能地减少采集时间差异带来的红外辐射值变化影响。为了消除第一载荷和第二载荷因相应通道光谱响应函数设置差异引起的辐射值变化，对两个载荷进行相互校准。
根据本发明的实施例，步骤S2中：对每个第一观测图像数据对中的第一极轨卫星图像数据的像元数据和第一静止卫星图像数据的像元数据进行空间配准，得到的第一极轨卫星配准图像的像元辐亮度的步骤如下；
由于第一载荷和第二载荷通常具有不同的空间分辨率，需采用面积加权像素聚合算法(area-weighted pixel aggregation algorithm)将第一极轨卫星图像数据的像元数据配准到第一静止卫星图像数据的像元数据上。面积加权像素聚合算法描述如下：
ωj,i＝Sj,i/Sj (2)
其中，在式(1)-(2)中，其中，i是配准后极轨卫星图像的像元，j是极轨卫星图像的像元，Ri是第一极轨卫星配准图像数据的极轨卫星图像的像元i的辐亮度，N是在像元i内像元j的像元总数，ωj,i为像元j的权重，Sj,i为像元i和j重叠的面积大小，Sj像元j的面积大小，Rj是第一极轨卫星图像数据的极轨卫星图像像元j的辐亮度。
图2示意性的示出了根据本发明实施例提供的极轨卫星图像的像元空间匹配的过程。
如图2所示，在此图中，方形的点代表像元j四角的经纬度坐标，而圆形的点则代表目标像元i的四角的经纬度坐标。根据像元i和j的空间关系，使用多边形相交算法可以计算得到像元j的权重，进而使用公式(1)求得匹配后像元j的辐亮度。通常，像元的经纬度信息一般指像元中心的经纬度。因此，像元四角的经纬度需要根据相邻像元的经纬度信息来确定。
继续参考图1，根据本发明的实施例，在步骤S3中：
为了消除第一载荷和第二载荷因光谱差异引起的辐射值的变化，根据第一载荷和第二载荷观测几何中的数据，对多个所述第二观测图像数据对进行筛选，得到多个第三观测数据组。
第二静止卫星图像数据的观测角度和与第二静止卫星图像数据角度匹配的第二极轨卫星配准图像数据的观测角度差值的绝对值小于等于10度。
根据本发明的实施例，在每个第三观测图像数据对中，根据第二静止卫星图像数据获取第一载荷的第一入瞳辐亮度；在每个第三观测图像数据对中，根据第二极轨卫星配准图像数据数据获取第二载荷的第二入瞳辐亮度；基于最小二乘法，根据多个第三观测图像数据对中各自的第一入瞳辐亮度和第二入瞳辐亮度，得到交叉比对系数。
根据本发明的实施例，入瞳辐亮度公式表示如下：
La＝DNa×Gaina+Biasa (3)
式(3)为入瞳辐亮度的计算公式，式(3)中，DNa表示热红外光学载荷通道a获取图像像元的灰度值，Gaina表示各热红外光学载荷(第一载荷或第二载荷)通道a定标增益、Biasa表示热红外光学载荷通道a的偏置。Gaina和Biasa为各热红外光学载荷各个通道的定标系数。
根据本发明的实施例，在步骤S4中，将计算得到的交叉比对系数应用于0-65°观测角度范围的第二热红外载荷数据，进行两个热红外载荷的互校准。
根据本发明的实施例，步骤S5具体包括：
S51：基于大气辐射传输模型，根据第一载荷过境目标区域时刻ECMWF大气再分析资料得到静止卫星成像时刻的大气参数；
S52：基于大气辐射传输模型，根据第二载荷过境目标区域时刻ECMWF大气再分析资料得到极轨卫星成像时刻的大气参数；
根据本发明的实施例，分别收集两个载荷过境目标区域日期空间分辨率为0.25°、时间分辨率为1小时的ECMWF大气再分析资料，提取大气温湿压廓线，并结合目标区域分别于两个载荷之间的观测几何(观测天顶角、观测方位角)等信息，设置驱动大气辐射传输模型MODTRAN运行的输入文件，然后运行大气辐射传输模型MODTRAN，计算得到静止卫星和极轨卫星成像时刻的大气参数，例如，大气透过率、大气上行辐射、大气下行辐射；由于ECMWF大气再分析资料的时间分辨率为1小时，利用双线性插值的方法获取两个载荷成像时刻的大气透过率、大气上行辐射、大气下行辐射。
根据本发明的实施例，热红外大气辐射传输方程如下：
其中，c为通道，θs为观测天顶角，
为观测方位角，Lc为到达传感器大气层顶的辐射亮度；εc和Ts为通道比辐射率以及地表温度；Bc(Ts)表示在温度为Ts下的普朗克方程；Lat↓,c以及Lat↑,c分别表示大气下行辐射以及大气上行辐射；τc表示通道c大气透过率。
校准后第一载荷的入瞳辐亮度和第二载荷的入瞳辐亮度分别由(5)和(6)表示：
LLEO＝{εLEOB(TS,LEO)+[1-εLEO]Lαt↓,LEO}τLEO+Lαt↑,LEO (5)
LGEO＝{εGEOB(TS,GEO)+[1-εGEO]Lαt↓,GEO}τGEO+Lαt↑,GEO (6)
其中，LLEO与LGEO分别表示校准后第一载荷和第二载荷相应匹配通道入瞳辐亮度，Ts,GEO和Ts,LEO分别为第一载荷和第二载荷对应的地表温度数据，εLEO与εGEO分别为第一载荷和第二载荷相应通道地表比辐射率(即第一比辐射率和第二比辐射率)，Lαt↓,LEO与Lαt↓,GEO分别为第一载荷和第二载荷相应通道大气下行辐射，Lαt↑,LEO与Lαt↑,GEO分别为第一载荷和第二载荷相应通道大气上行辐射，τLEO和τGEO分别为第一载荷和第二载荷相应通道大气透过率。
第一载荷和第二载荷经过互校准后，假设两个热红外载荷同时观测目标区域时，在不同观测几何下，地表温度相同，即Ts,GEO＝Ts,LEO，则到达两个载荷入瞳辐亮度之间的差异仅仅由地表比辐射率与传输路径不同所造成。因此，可以得出：B(TS,LEO)＝B(TS,GEO)，联立公式(4)和(5)，并整理可得：
由公式(7)可知，在大气参数已知的条件下，通过计算得到相对地表比辐射率b随观测角度的相对变化量。
S53：针对多个第四观测图像数据对进行筛选，得到第五观测图像数据对，每个第五观测图像数据对具有对应的预定观测角度差(即第五观测图像数据对中第二静止卫星图像校准数据与第二极轨卫星配准图像数据的观测角度差)，不同所述第五观测图像数据对的预定观测角度差不同。
具体的，在0°-65°观测天顶角(观测角度)的范围内，将观测天顶角以5°为采样间隔(即对第四观测图像数据对进行筛选，得到预定观测角度差分别为5°、10°…65°的第五观测图像数据对)，每个区间采用稳健回归的方法，拟合得到观测角度区间内的方向性比辐射率b。
该方法的优势在于在无需求解地表温度的条件下反演获取目标区域的方向性比辐射率。
S54：将比辐射率初值带入参数b得到不同观测角度下方向性比辐射率的绝对值。
S55：从国际上现有公开的地表比辐射率产品中提取地表比辐射率数据，将其作为静止轨道卫星载荷相应通道的比辐射率初始值，利用计算得到的相对方向性比辐射率b，计算得到不同观测角度(即观测天顶角)下方向性比辐射率，并利用多项式拟合像元尺度方向性比辐射率与观测天顶角的经验关系即得到像元尺度的方向性比辐射率模型。
εh(θS)＝αh,1θS 2+αh,2θS+ah,0 (9)
式中，ah,0，ah,1，ah,2为拟合系数。
根据本发明的实施例，上述方法还包括，对所述方向性比辐射率模型进行不确定度分析。
根据本发明的实施例，综合考虑比辐射初值、传感器交叉校准等不确定性因素，基于误差传递理论，开展像元尺度比辐射率方向性模型不确定性分析，获取模型不确定度。
如果因变量φ是若干自变量x，y，…，u的非线性函数形式表示为公式
φ＝F(x,y,…,u) (10)
则因变量φ的标准偏差σφ与自变量x，y，…，u的标准偏差σx，σy，…，σu之间的关系如下公式所示:
如果自变量x，y，…，u是相互独立的，则独立变量的误差传递变为公式：
式中：
为自变量x，y，…，u的误差传递系数。自变量x，y，…，u的误差通过各自对因变量φ的贡献为/>
传递和引入到因变量φ的误差上，则独立变量的误差传递变为如下公式：
根据本发明的实施例提供的方向性比辐射率模型的构建方法，提出了一种均一目标像元尺度比辐射率方向性建模方法，利用静止卫星和极轨卫星热红外载荷不同观测角度数据对辐射差异性特点，计算不同观测天顶角向性比辐射率，建立方向性比辐射率与观测天顶角的经验关系，有效消除了现有技术方案中像元尺度比辐射率方向性对热红外载荷外场定标与交叉定标的影响，有利提升了光学传感器在轨绝对辐射定标精度。
根据本发明的实施例提供的方向性比辐射率模型的构建方法，通过甄选广泛地理分布差异下垫面，目标均一、稳定，且大气通透性好的目标区域，尽可能多的获取载荷宽动态数据，有效降低载荷非线性响应而带来的定标不确定性。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种像元尺度的方向性比辐射率模型的构建方法，包括：
对静止卫星的第一载荷采集的目标区域的静止卫星图像数据和极轨卫星的第二载荷采集的所述目标区域的极轨卫星图像数据进行筛选，得到多个第一观测图像数据对，其中，每个所述第一观测图像数据对包括第一静止卫星图像数据和与所述第一静止卫星图像数据时间匹配的第一极轨卫星图像数据；
对每个所述第一观测图像数据对中的第一极轨卫星图像数据的像元数据和第一静止卫星图像数据的像元数据进行空间配准，得到第一极轨卫星配准图像数据，其中，所述第一静止卫星图像数据和对应的第一极轨卫星配准图像数据组成第二观测图像数据对；
对多个所述第二观测图像数据对进行筛选，得到多个第三观测图像数据对，根据多个所述第三观测图像数据对，确定所述第一载荷和所述第二载荷之间的交叉比对系数，其中，每个所述第三观测图像数据对包括第二静止卫星图像数据和与所述第二静止卫星图像数据角度匹配的第二极轨卫星配准图像数据；
根据所述交叉比对系数对每个所述第二观测图像数据对中的所述第一静止卫星图像数据进行校准，得到第一静止卫星图像校准数据，其中，所述第一静止卫星图像校准数据和对应的所述第一极轨卫星配准图像数据组成第四观测图像数据对；
基于所述第一静止卫星图像校准数据的观测角度和所述第一极轨卫星配准图像数据的观测角度对多个所述第四观测图像数据对进行筛选，得到多个第五观测图像数据对，根据多个所述第五观测图像数据对和热红外大气辐射传输方程确定像元尺度方向性比辐射率模型，其中，每个所述第五观测图像数据对中的第二静止卫星图像校准数据与对应的第二极轨卫星配准图像数据具有对应的预定观测角度差。
2.如权利要求1所述的方法，其中，还包括对所述像元尺度方向性比辐射率模型进行不确定度分析。
3.如权利要求1所述的方法，其中，所述时间匹配包括：
每个所述第一观测图像数据对中的第一静止卫星图像数据的采集时间和第一极轨卫星图像数据的采集时间的差值的绝对值小于第一预设阈值。
4.如权利要求1所述的方法，其中，所述角度匹配包括：
每个所述第三观测图像对中的第二静止卫星图像数据的观测角度和对应的第二极轨卫星配准图像数据的观测角度的差值的绝对值小于第二预设阈值。
5.如权利要求1所述的方法，其中，所述根据多个所述第三观测图像数据对，确定所述第一载荷和所述第二载荷之间的交叉比对系数，包括：
在每个第三观测图像数据对中，根据所述第二静止卫星图像数据获取所述第一载荷的第一入瞳辐亮度；
在每个第三观测图像数据对中，根据所述第二极轨卫星配准图像数据获取所述第二载荷的第二入瞳辐亮度；
基于最小二乘法，根据多个第三观测图像数据对中各自的第一入瞳辐亮度和所述第二入瞳辐亮度，得到所述交叉比对系数。
6.如权利要求1所述的方法，其中，所述根据多个第五观测图像数据对和热红外大气辐射传输方程确定像元尺度方向性比辐射率模型，包括：
在每个所述第五观测图像数据对中，根据所述热红外大气辐射传输方程和所述第二静止卫星图像校准数据、和所述第二极轨卫星配准图像数据得到比辐射率；
根据多个所述第五观测图像数据对各自的比辐射率，得到像元尺度方向性比辐射率模型。
7.如权利要求1所述的方法，其中，所述目标区域具备下垫面，所述目标区域面积大于等于5×5个像元。
8.如权利要求3所述的方法，其中，所述第一预设阈值为10分钟。
9.如权利要求4所述的方法，其中，所述第二预设阈值为10度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210141117.6A CN114494377B (zh) | 2022-02-16 | 2022-02-16 | 像元尺度的方向性比辐射率模型的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210141117.6A CN114494377B (zh) | 2022-02-16 | 2022-02-16 | 像元尺度的方向性比辐射率模型的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114494377A CN114494377A (zh) | 2022-05-13 |
| CN114494377B true CN114494377B (zh) | 2023-05-26 |
Family
ID=81480568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210141117.6A Active CN114494377B (zh) | 2022-02-16 | 2022-02-16 | 像元尺度的方向性比辐射率模型的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114494377B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106932101A (zh) * | 2017-03-27 | 2017-07-07 | 鲁东大学 | Hj‑1b卫星中红外和热红外通道联合的地表温度反演方法 |
| CN113341434A (zh) * | 2020-02-18 | 2021-09-03 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种红外波段在轨传递定标方法及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103728609B (zh) * | 2014-01-16 | 2016-02-03 | 中国科学院地理科学与资源研究所 | 星载多光谱红外传感器交叉辐射定标方法 |
| CN103902839B (zh) * | 2014-04-18 | 2016-11-23 | 山东科技大学 | 卫星遥感产品支持的单通道法地表温度反演方法 |
| CN104482939A (zh) * | 2014-11-06 | 2015-04-01 | 中国资源卫星应用中心 | 一种基于时间序列的星载相机辐射交叉定标方法 |
| US10542243B2 (en) * | 2018-04-10 | 2020-01-21 | Intel Corporation | Method and system of light source estimation for image processing |
| DE102018207265A1 (de) * | 2018-05-09 | 2019-11-14 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Korrelation thermischer satellitenbilddaten zur generierung räumlich hochaufgelöster wärmekarten |
| CN109344536A (zh) * | 2018-10-30 | 2019-02-15 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种耦合多源数据的多层次被动微波土壤水分验证方法 |
| CN111460003B (zh) * | 2020-04-04 | 2024-04-16 | 南京国准数据有限责任公司 | 基于城市群尺度探测土地利用与地表温度耦合关系的方法 |
| CN113177512B (zh) * | 2021-05-20 | 2024-04-05 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种星星间交叉辐射定标的匹配阈值分析方法 |
-
2022
- 2022-02-16 CN CN202210141117.6A patent/CN114494377B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106932101A (zh) * | 2017-03-27 | 2017-07-07 | 鲁东大学 | Hj‑1b卫星中红外和热红外通道联合的地表温度反演方法 |
| CN113341434A (zh) * | 2020-02-18 | 2021-09-03 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种红外波段在轨传递定标方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114494377A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102279393B (zh) | 一种基于多光谱传感器对高光谱传感器交叉辐射定标方法 | |
| Li et al. | An evaluation of the use of atmospheric and BRDF correction to standardize Landsat data | |
| Francois et al. | Analytical parameterization of canopy directional emissivity and directional radiance in the thermal infrared. Application on the retrieval of soil and foliage temperatures using two directional measurements | |
| CN102901516B (zh) | 一种基于绝对辐射定标的多光谱影像辐射校正方法 | |
| Cheng et al. | Estimating the hemispherical broadband longwave emissivity of global vegetated surfaces using a radiative transfer model | |
| CN109883957B (zh) | 基于modis影像的表观反射率模型构建方法、系统及定标方法 | |
| CN101551275B (zh) | 机载多光谱扫描仪用于工业温排水监测的技术方法 | |
| CN112798013B (zh) | 一种对光学载荷在轨绝对辐射定标结果进行验证的方法 | |
| Coll et al. | Test of the MODIS land surface temperature and emissivity separation algorithm with ground measurements over a rice paddy | |
| Li et al. | Comparison of the MuSyQ and MODIS Collection 6 land surface temperature products over barren surfaces in the Heihe River Basin, China | |
| CN102540166A (zh) | 一种基于优化算法的高光谱传感器交叉辐射定标方法 | |
| CN103438900A (zh) | 三线阵相机影像协同绝对辐射定标和校正方法 | |
| Zhou et al. | The GLASS land surface temperature product | |
| CN104977024B (zh) | 一种日盲紫外遥感相机绝对辐射定标系数在轨修正方法 | |
| Jiang et al. | Retrieval of sea and land surface temperature from SVISSR/FY-2C/D/E measurements | |
| CN109632106B (zh) | 一种遥感地表温度产品角度效应校正方法 | |
| 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 | |
| Bendig et al. | Solar-induced chlorophyll fluorescence measured from an unmanned aircraft system: sensor etaloning and platform motion correction | |
| Meng et al. | Estimating land and sea surface temperature from cross-calibrated Chinese Gaofen-5 thermal infrared data using split-window algorithm | |
| Wang et al. | Water vapor retrievals from near-infrared channels of the advanced Medium Resolution Spectral Imager instrument onboard the Fengyun-3D satellite | |
| Tao et al. | Soil moisture retrieval from SAR and optical data using a combined model | |
| Zhang et al. | Development of the direct-estimation albedo algorithm for snow-free Landsat TM albedo retrievals using field flux measurements | |
| CN110968955B (zh) | 一种蒸发比观测的时空拓展方法 | |
| Wang et al. | Satellite-based daytime urban thermal anisotropy: A comparison of 25 global cities | |
| CN110736704A (zh) | 土壤水与蒸发比耦合模拟及相互转化的方法 |
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 |