CN114781148A - 一种热红外遥感云覆盖像元的地表温度反演方法及系统 - Google Patents

一种热红外遥感云覆盖像元的地表温度反演方法及系统 Download PDF

Info

Publication number
CN114781148A
CN114781148A CN202210390603.1A CN202210390603A CN114781148A CN 114781148 A CN114781148 A CN 114781148A CN 202210390603 A CN202210390603 A CN 202210390603A CN 114781148 A CN114781148 A CN 114781148A
Authority
CN
China
Prior art keywords
surface temperature
image
ndvi
cloud
earth surface
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.)
Pending
Application number
CN202210390603.1A
Other languages
English (en)
Inventor
张霞
原琪翔
尚国琲
孙铭浩
李瑞青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hebei GEO University
Original Assignee
Hebei GEO University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hebei GEO University filed Critical Hebei GEO University
Priority to CN202210390603.1A priority Critical patent/CN114781148A/zh
Publication of CN114781148A publication Critical patent/CN114781148A/zh
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Algebra (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Operations Research (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Geology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种热红外遥感云覆盖像元的地表温度反演方法及系统，具体公开了基于FY‑3D MERSI‑II数据，首先对研究影像进行云识别，对有云遮挡覆盖的影像，利用NDVI估算云覆盖区地表温度的方法除云，即确定无云区的NDVI和LST之间的函数关系式，再利用NDVI短期内相对稳定这一特点用替换影像来获取云覆盖区的NDVI值，最后根据NDVI和LST之间的函数关系式来估算得到云覆盖区的地表温度；对无云的影像，采用普适性单通道算法直接进行地表温度反演，该算法计算简单快速，只需知道大气水汽含量，不需要大气廓线等参数就可以算出地表温度，省去了大气模拟误差，从而实现了对研究影像全天候地表温度反演。

Description

一种热红外遥感云覆盖像元的地表温度反演方法及系统
技术领域
本发明涉及航空运输不正常航班管理领域，尤其涉及一种热红外遥感云覆盖像元的地表温度反演方法及系统。
背景技术
利用热红外遥感获取地表温度，只有在晴空无云的情况下才有可能，因为云能够阻挡地表热辐射的传输而使空中的遥感器无法探测。因此，如何估算云覆盖区的地表温度，成为许多研究迫切需要解决的难题。虽然很多学者相继提出了多个地表温度遥感定量反演算法，但针对云覆盖区的地表温度估计，目前做的精度不够。热红外遥感数据中反演地表温度，仅适用于无云区域。云是近地表大气层的基本物理现象，对遥感有着重要的影响。因此，急需一种热红外遥感云覆盖像元的地表温度反演方法及系统，通过研究热红外遥感图像中云覆盖区的地表温度估计，直接影响着地表温度数据产品的应用。
发明内容
为了现有的技术问题，本发明提供了一种热红外遥感云覆盖像元的地表温度反演方法，包括以下步骤：
基于FY-3D MERSI-II数据，进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
基于第二影像，通过普适性单通道算法进行地表温度反演，获取第二影像的第一地表温度值LST；
采集第二影像的第一植被指数，生成第一植被指数和第一地表温度值LST的指数关系；
基于第一植被指数，通过获取替换影像的第二植被指数，估算第一影像的第三植被指数，并通过指数关系，生成第一影像的第二地表温度值LST`，其中，替换影像用于表示相对于第一影像，植被类型变化较小或者基本未发生变化的无云影像；
根据第一地表温度值LST和第二地表温度值LST`，获取FY-3DMERSI-II数据的地表温度。
优选地，在采集第二影像的第一植被指数的过程中，第一植被指数的表达式为：
(float(b4)-float(b3))/(float(b4)+float(b3))
其中，b3表示第二影像的红光波段，b4是第二影像的近红外波段。
优选地，在生成指数关系的过程中，通过获取第二影像的大气水汽含量、地表比辐射率、地表亮度温度，生成指数关系。
优选地，在生成指数关系的过程中，
根据第一植被指数，获取植被覆盖度；
根据第一植被指数和植被覆盖度，获取地表比辐射率，其中，地表比辐射率表示为：
(b1 lt 0)*0.995+
(b1 gt 0and b1 lt0.7)*
(0.9589+0.086*b2-0.0671*b2^2)+
(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)
式中，b1表示NDVI，b2表示FVC，
FVC＝(NDVI-NDVImin)/(NDVImax-NDVImin)
以NDVI累计百分比为5％的累计值为的NDVImin值，以NDVI累计百分比为95％的累计值为NDVImax的值。
优选地，根据第二影像的热红外第24和第25通道大气水汽含量，获取地表亮度温度，其中，地表亮度温度的表达式为：
W＝0.208W16+0.433W17+0.359W18
W16＝27.298-61.336R16+34.754R2 16
W17＝7.723-27.945R17+26.136R2 17
W18＝11.541-34.942R18+27.143R2 18
其中，Wi表示i通道的Ri回归计算的大气水汽含量；Ri表示i通道与4通道辐亮度之比。
优选地，在获取地表亮度温度的过程中，Ri的表达式为：
R16＝L16/L4
R17＝L17/L4
R18＝L18/L4
式中，Li是i通道辐亮度。
优选地，根据第二影像的第4、16、17、18波段，获取大气水汽含量。
优选地，在估算第二植被指数的过程中，第二植被指数的表达式为：
NDVIA＝aNNDVIB+bN
其中，NDVIA和NDVIB分别表示第一植被指数和第二植被指数，aN和bN表示第一回归系数。
优选地，在生成第二地表温度值LST`的过程中，第二地表温度值LST`的表达式为：
LSTA＝a线NDVIA云+b线
其中，LSTA表示第二地表温度值LST`，a线和b线表示第二回归系数，NDVIA云表示第三植被指数。
本发明还公开了一种热红外遥感云覆盖像元的地表温度反演系统，包括：
数据采集模块，用于采集FY-3D MERSI-II数据，并进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
温度值反演模块，用于基于第二影像，通过普适性单通道算法进行地表温度反演，获取第二影像的第一地表温度值LST；
指数关系生成模块，用于通过采集第二影像的第一植被指数，生成第一植被指数和第一地表温度值LST的指数关系；
估算模块，用于基于第一植被指数，通过获取替换影像的第二植被指数，估算第一影像的第三植被指数，并通过指数关系，生成第一影像的第二地表温度值LST`，其中，替换影像用于表示相对于第一影像，植被类型变化较小或者基本未发生变化的无云影像；
反演模块，用于根据第一地表温度值LST和第二地表温度值LST`，获取FY-3DMERSI-II数据的地表温度。
本发明公开了以下技术效果：
通过精度验证，表明了FY-3D MERSI-II的第25热红外通道反演的地表温度偏离真实值的程度更小，估算的更精确，更接近真实值，MAE和RMSE两值大小均小于1.5℃，对于干旱监测、生态评价、作物估产等实际应用，能够满足其精度要求。
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为本发明的具体实施流程图。
具体实施方式
下为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
如图1所示，本发明提供了一种热红外遥感云覆盖像元的地表温度反演方法，包括以下步骤：
基于FY-3D MERSI-II数据，进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
基于第二影像，通过普适性单通道算法进行地表温度反演，获取第二影像的第一地表温度值LST；
采集第二影像的第一植被指数，生成第一植被指数和第一地表温度值LST的指数关系；
基于第一植被指数，通过获取替换影像的第二植被指数，估算第一影像的第三植被指数，并通过指数关系，生成第一影像的第二地表温度值LST`，其中，替换影像用于表示相对于第一影像，植被类型变化较小或者基本未发生变化的无云影像；
根据第一地表温度值LST和第二地表温度值LST`，获取FY-3DMERSI-II数据的地表温度。
进一步优选地，在采集第二影像的第一植被指数的过程中，第一植被指数的表达式为：
(float(b4)-float(b3))/(float(b4)+float(b3))
其中，b3表示第二影像的红光波段，b4是第二影像的近红外波段。
进一步优选地，在生成指数关系的过程中，通过获取第二影像的大气水汽含量、地表比辐射率、地表亮度温度，生成指数关系。
进一步优选地，在生成指数关系的过程中，
根据第一植被指数，获取植被覆盖度；
根据第一植被指数和植被覆盖度，获取地表比辐射率，其中，地表比辐射率表示为：
(b1 lt 0)*0.995+
(b1 gt 0and b1 lt0.7)*
(0.9589+0.086*b2-0.0671*b2^2)+
(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)
b1表示NDVI，b2表示FVC，1t表示小于(＜)或者小于等于(≤)，gt表示大于(＞)或者大于等于(≥)，ge表示大于(＞)。
FVC＝(NDVI-NDVImin)/(NDVImax-NDVImin)
以NDVI累计百分比为5％的累计值为的NDVImin值，以NDVI累计百分比为95％的累计值为NDVImax的值，b1表示NDVI；
进一步优选地，根据第二影像的热红外第24和第25通道大气水汽含量，获取地表亮度温度，其中，地表亮度温度的表达式为：
W＝0.208W16+0.433W17+0.359W18
W16＝27.298-61.336R16+34.754R2 16
W17＝7.723-27.945R17+26.136R2 17
W18＝11.541-34.942R18+27.143R2 18
其中，Wi表示i通道的Ri回归计算的大气水汽含量；Ri表示i通道与4通道辐亮度之比。
进一步优选地，在获取地表亮度温度的过程中，Ri的表达式为：
R16＝L16/L4
R17＝L17/L4
R18＝L18/L4
式中，Li是i通道辐亮度。
进一步优选地，根据第二影像的第4、16、17、18波段，获取大气水汽含量。
进一步优选地，在估算第二植被指数的过程中，第二植被指数的表达式为：
NDVIA＝aNNDVIB+bN
其中，NDVIA和NDVIB分别表示第一植被指数和第二植被指数，aN和bN表示第一回归系数。
进一步优选地，在生成第二地表温度值LST`的过程中，第二地表温度值LST`的表达式为：
LSTA＝a线NDVIA云+b线
其中，LSTA表示第二地表温度值LST`，a线和b线表示第二回归系数。
本发明还公开了一种热红外遥感云覆盖像元的地表温度反演系统，包括：
数据采集模块，用于采集FY-3D MERSI-II数据，并进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
温度值反演模块，用于基于第二影像，通过普适性单通道算法进行地表温度反演，获取第二影像的第一地表温度值LST；
指数关系生成模块，用于通过采集第二影像的第一植被指数，生成第一植被指数和第一地表温度值LST的指数关系；
估算模块，用于基于第一植被指数，估算第一影像的第二植被指数，并通过指数关系，生成第一影像的第二地表温度值LST`；
反演模块，用于根据第一地表温度值LST和第二地表温度值LST`，获取FY-3DMERSI-II数据的地表温度。
实施例1：以下结合具体的实施例，阐述本发明的技术逻辑和实现过程：
步骤1：使用ENVI5.6软件，对无云区域数据的预处理。
根据公式计算得到各项参数：
(1)植被指数(NDVI)：(float(b4)-float(b3))/(float(b4)+float(b3))
b3是RED(红光波段)，b4是NIR(近红外波段)；
(2)植被覆盖度(FVC)：FVC＝(NDVI-NDVImin)/(NDVImax-NDVImin)
以NDVI累计百分比为5％的累计值为的NDVImin值，以NDVI累计百分比为95％的累计值为NDVImax的值，b1表示NDVI；
(3)地表比辐射率(BFSL)：
(b1 lt 0)*0.995+
(b1 gt 0 and b1 lt0.7)*
(0.9589+0.086*b2-0.0671*b2^2)+
(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)
b1表示NDVI，b2表示FVC，lt表示小于(＜)或者小于等于(≤)，gt表示大于(＞)或者大于等于(≥)，ge表示大于(＞)。
如：大于1的值赋予1，小于0的值赋予0
((b1 lt 0)*(0)+(b1 ge 0)*b1)or((b1 gt 1)*(1)+(b1 ge 0)*b1)
比辐射率计算公式
Figure BDA0003595335540000101
ε＝0.995水体
(4)辐射亮度：Radiance＝scales*(DN-offsets)
radiance_scales和radiance_offset这两项参数代表波段的增益和偏移量，是辐射定标的系数。
(5)地表亮度温度(Ts)：(b11/100)-273.15
b11是图像中的热红外第24和第25通道大气水汽含量：
通过MERSI-II传感器水汽吸收波段(16波段，0.905um；17波段，0.935um；18波段，0.940um)辐亮度与大气窗口波段(4波段，0.865um)辐亮度之比经过回归和加权平均得到大气水汽含量，即：
W16＝27.298-61.336R16+34.754R2 16
W17＝7.723-27.945R17+26.136R2 17
W18＝11.541-34.942R18+27.143R2 18
式中，Wi表示i通道的Ri回归计算的大气水汽含量；Ri表示i通道与4通道辐亮度之比：
R16＝L16/L4
R17＝L17/L4
R18＝L18/L4
式中，Li是i通道辐亮度。
由于，大气水汽含量可以更精确的表示为3个水汽吸收通道的线性组合，因此，经过加权，大气水汽含量计算式可写为：
W＝0.208W16+0.433W17+0.359W18；
(7)地表真实温度(T)：(b5/sqrt(sqrt(b6)))
b5亮度温度，b6比辐射率；
步骤2：根据步骤1得到的各项参数，使用普适性单通道法对研究影像A进行地表反演得到LST。
步骤3：确定无云区的NDVI和LST之间的函数关系式，再利用NDVI短期内相对稳定这一特点用替换影像来获取云覆盖区的NDVI值，最后根据NDVI和LST之间的函数关系式来估算得到云覆盖区的地表温度。
NDVIA＝aNNDVIB+bN
式中NDVIA和NDVIB是影像A和B的NVDI值，aN和bN是第一回归系数，由回归方法确定。
LSTA＝a线NDVIA云+b线
式中，LSTA代表影像A云覆盖区估算的LST；NDVIA云代表影像A云覆盖区NDVI的估算值；a线和b线是第二回归系数，由回归方法确定。
步骤4:选取比较常用的平均绝对误差和均方根误差对利用NDVI估算云覆盖区植被地表温度的结果进行精度评定。
平均绝对误差(Mean Absolute Error,MAE)为预测误差绝对值之平均，主要用来衡量预测值误差的大小，其值越小表明越接近真实值。公式为：
Figure BDA0003595335540000121
式中：LST为利用普适性单通道法反演的地表温度；LST`为利用NDVI估算出的云覆盖区下地表温度；n为云覆盖区域像元的个数。
均方根误差(Root of Mean Square,RMSE)公式为：
Figure BDA0003595335540000122
RMSE的值表示偏离真实值的程度，其值越小，表明估算越精确。
本发明还提到一种可作为替代技术的对比方案，利用空间插值法估算云覆盖像元的地表温度，是根据地表温度空间分布的连续性特征,借助云覆盖区周边最邻近无云像元的地表温度信息(已知地表温度反演算法获取)，通过一定的空间插值方法,对云覆盖区像元的地表温度进行估算。
地表热量平衡法是根据地表温度变化是地表热量平衡的结果这样一个事实来模拟估计云覆盖区地表温度。
Rn＝H+G+LLE
其中，Rn为净辐射，H为显热通量，G为土壤热通量，LLE为潜热通量。
上述对比方案与本专利方法比较：
(1)采用插值法估算云覆盖像元地表温度，仅当云量较小且云块离散分布时，有一定可行性，当云量较大或云量虽小但云块连续分布时，估算较困难；而利用NDVI估算云覆盖区的地表温度方法不受云量的大小、云块连续分布影响。
(2)地表热量平衡法，是一个复杂的过程，需要观测和计算各分量，利用地表热量平衡原理，建立数值模型，模拟分析云覆盖情况对地表温度变化的影响，进而根据这种影响构建云覆盖区地表温度估计方法；而利用NDVI估算云覆盖区的地表温度方法只需确定无云区的NDVI和LST之间的函数关系式，再利用NDVI短期内相对稳定这一特点用替换影像来获取云覆盖区的NDVI值，最后根据NDVI和LST之间的函数关系式来估算得到云覆盖区的地表温度，该方法通俗易懂，简单快捷。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (10)

1.一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于，包括以下步骤：
基于FY-3D MERSI-II数据，进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
基于所述第二影像，通过普适性单通道算法进行地表温度反演，获取所述第二影像的第一地表温度值LST；
采集所述第二影像的第一植被指数，生成所述第一植被指数和第一地表温度值LST的指数关系；
基于所述第一植被指数，通过获取替换影像的第二植被指数，估算所述第一影像的第三植被指数，并通过所述指数关系，生成所述第一影像的第二地表温度值LST`，其中，所述替换影像用于表示相对于所述第一影像，植被类型变化较小或者基本未发生变化的无云影像；
根据所述第一地表温度值LST和所述第二地表温度值LST`，获取所述FY-3D MERSI-II数据的地表温度。
2.根据权利要求1所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在采集所述第二影像的第一植被指数的过程中，所述第一植被指数的表达式为：
(float(b4)-float(b3))/(loat(h4)+float(b3))
其中，b3表示第二影像的红光波段，b4是第二影像的近红外波段。
3.根据权利要求2所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在生成指数关系的过程中，通过获取所述第二影像的大气水汽含量、地表比辐射率、地表亮度温度，生成所述指数关系。
4.根据权利要求3所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在生成所述指数关系的过程中，
根据所述第一植被指数，获取植被覆盖度；
根据所述第一植被指数和所述植被覆盖度，获取所述地表比辐射率，其中，所述地表比辐射率表示为：
(b1 lt 0)*0.995+
(b1 gt 0 and b1 lt0.7)*
(0.9589+0.086*b2-0.0671*b2^2)+
(b1ge0.7)*(0.9625+0.0614*b2-0.0461*b2^2)
式中，b1表示NDVI，b2表示FVC，
FVC＝(NDVI-NDVImin)/(NDVImax-NDVImin)
以NDVI累计百分比为5％的累计值为的NDVImin值，以NDVI累计百分比为95％的累计值为NDVImax的值。
5.根据权利要求4所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
根据所述第二影像的热红外第24和第25通道大气水汽含量，获取地表亮度温度，其中，所述地表亮度温度的表达式为：
W＝0.208W16+0.433W17+0.359W18
W16＝27.298-61.336R16+34.754R2 16
W17＝7.723-27.945R17++26.136R2 17
W18＝11.541-34.942R18+27.143R2 18
其中，Wi表示i通道的Ri回归计算的大气水汽含量；Ri表示i通道与4通道辐亮度之比。
6.根据权利要求5所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在获取地表亮度温度的过程中，所述Ri的表达式为：
R16＝L16/L4
R17＝L17/L4
R18＝L18/L4
式中，Li是i通道辐亮度。
7.根据权利要求6所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
根据所述第二影像的第4、16、17、18波段，获取所述大气水汽含量。
8.根据权利要求7所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在估算第二植被指数的过程中，所述第二植被指数的表达式为：
NDVIA＝aNNDVIB+bN
其中，NDVIA和NDVIB分别表示第一植被指数和第二植被指数，aN和bN表示第一回归系数。
9.根据权利要求8所述一种热红外遥感云覆盖像元的地表温度反演方法，其特征在于：
在生成第二地表温度值LST`的过程中，所述第二地表温度值LST`的表达式为：
LSTA＝a线NDVIA云+b线
其中，LSTA表示第二地表温度值LST`，a线和b线表示第二回归系数，NDVIA云表示第三植被指数。
10.一种热红外遥感云覆盖像元的地表温度反演系统，其特征在于，包括：
数据采集模块，用于采集FY-3D MERSI-II数据，并进行云识别，获取有云遮挡覆盖的第一影像和无云遮挡覆盖的第二影像；
温度值反演模块，用于基于所述第二影像，通过普适性单通道算法进行地表温度反演，获取所述第二影像的第一地表温度值LST；
指数关系生成模块，用于通过采集所述第二影像的第一植被指数，生成所述第一植被指数和第一地表温度值LST的指数关系；
估算模块，用于基于所述第一植被指数，通过获取替换影像的第二植被指数，估算所述第一影像的第三植被指数，并通过所述指数关系，生成所述第一影像的第二地表温度值LST`，其中，所述替换影像用于表示相对于所述第一影像，植被类型变化较小或者基本未发生变化的无云影像；
反演模块，用于根据所述第一地表温度值LST和所述第二地表温度值LST`，获取所述FY-3D MERSI-II数据的地表温度。
CN202210390603.1A 2022-04-14 2022-04-14 一种热红外遥感云覆盖像元的地表温度反演方法及系统 Pending CN114781148A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210390603.1A CN114781148A (zh) 2022-04-14 2022-04-14 一种热红外遥感云覆盖像元的地表温度反演方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210390603.1A CN114781148A (zh) 2022-04-14 2022-04-14 一种热红外遥感云覆盖像元的地表温度反演方法及系统

Publications (1)

Publication Number Publication Date
CN114781148A true CN114781148A (zh) 2022-07-22

Family

ID=82428215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210390603.1A Pending CN114781148A (zh) 2022-04-14 2022-04-14 一种热红外遥感云覆盖像元的地表温度反演方法及系统

Country Status (1)

Country Link
CN (1) CN114781148A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113855A (zh) * 2023-10-20 2023-11-24 中国科学院地理科学与资源研究所 一种单通道地表温度遥感方法及其系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293522A (zh) * 2013-05-08 2013-09-11 中国科学院光电研究院 一种中红外双通道遥感数据地表温度反演方法及装置
CN103902839A (zh) * 2014-04-18 2014-07-02 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
CN107560734A (zh) * 2017-03-06 2018-01-09 太原理工大学 一种Landsat8遥感反演地表温度方法
CN110516816A (zh) * 2019-08-30 2019-11-29 中国科学院、水利部成都山地灾害与环境研究所 基于机器学习的全天候地表温度生成方法及装置
CN113408929A (zh) * 2021-07-01 2021-09-17 福州大学 基于空间几何原理的四维遥感生态指数构建方法
CN113447137A (zh) * 2021-07-05 2021-09-28 电子科技大学 一种面向无人机宽波段热像仪的地表温度反演方法
CN114120147A (zh) * 2021-11-30 2022-03-01 上海交通大学 铁路隧道涌水流径沿线区域生态环境评价系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103293522A (zh) * 2013-05-08 2013-09-11 中国科学院光电研究院 一种中红外双通道遥感数据地表温度反演方法及装置
CN103902839A (zh) * 2014-04-18 2014-07-02 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
CN107560734A (zh) * 2017-03-06 2018-01-09 太原理工大学 一种Landsat8遥感反演地表温度方法
CN110516816A (zh) * 2019-08-30 2019-11-29 中国科学院、水利部成都山地灾害与环境研究所 基于机器学习的全天候地表温度生成方法及装置
CN113408929A (zh) * 2021-07-01 2021-09-17 福州大学 基于空间几何原理的四维遥感生态指数构建方法
CN113447137A (zh) * 2021-07-05 2021-09-28 电子科技大学 一种面向无人机宽波段热像仪的地表温度反演方法
CN114120147A (zh) * 2021-11-30 2022-03-01 上海交通大学 铁路隧道涌水流径沿线区域生态环境评价系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
程元良 等: "FY-3D MERSI-II 地表温度遥感反演与验证", 《遥感学报》 *
苏洁 等: "利用NDVI 估算云覆盖区的地表温度", 《地理空间信息》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117113855A (zh) * 2023-10-20 2023-11-24 中国科学院地理科学与资源研究所 一种单通道地表温度遥感方法及其系统
CN117113855B (zh) * 2023-10-20 2023-12-26 中国科学院地理科学与资源研究所 一种单通道地表温度遥感方法及其系统

Similar Documents

Publication Publication Date Title
Zhao et al. Reconstruction of daytime land surface temperatures under cloud-covered conditions using integrated MODIS/Terra land products and MSG geostationary satellite data
De Souza et al. Height estimation of sugarcane using an unmanned aerial system (UAS) based on structure from motion (SfM) point clouds
Chen et al. Improving estimates of fractional vegetation cover based on UAV in alpine grassland on the Qinghai–Tibetan Plateau
Wan et al. Quality assessment and validation of the MODIS global land surface temperature
Kuc et al. Sentinel-2 imagery for mapping and monitoring imperviousness in urban areas
Mustafa et al. Study for predicting land surface temperature (LST) using landsat data: a comparison of four algorithms
Kilic et al. Sensitivity of evapotranspiration retrievals from the METRIC processing algorithm to improved radiometric resolution of Landsat 8 thermal data and to calibration bias in Landsat 7 and 8 surface temperature
LI et al. Estimating grassland LAI using the Random Forests approach and Landsat imagery in the meadow steppe of Hulunber, China
CN111368817B (zh) 一种基于地表类型进行热效应定量评价方法及系统
CN106226260A (zh) 一种结合微波和红外遥感影像的土壤水分反演方法
US20160097679A1 (en) Method for estimating land surface termperature lapse rate using infrared image
CN109522516B (zh) 基于随机森林回归算法的土壤湿度检测方法、装置及电子设备
Alvarez-Mendoza et al. Improving NDVI by removing cirrus clouds with optical remote sensing data from Landsat-8–a case study in Quito, Ecuador
CN114821349B (zh) 顾及谐波模型系数和物候参数的森林生物量估算方法
Yi et al. Evaluation of MODIS surface reflectance products for wheat leaf area index (LAI) retrieval
Moosavi et al. Estimation of spatially enhanced soil moisture combining remote sensing and artificial intelligence approaches
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
KR101472206B1 (ko) 해수면 온도를 이용한 적외 영역 기후 피드백 산출 방법
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
CN117115669B (zh) 双条件质量约束的对象级地物样本自适应生成方法及系统
Jiang et al. Desertification in the south Junggar Basin, 2000–2009: Part I. Spatial analysis and indicator retrieval
Wang et al. Using multiresolution tree to integrate MODIS and MISR-L3 LAI products
Wang et al. Inversion of the hybrid machine learning model to estimate leaf area index of winter wheat from GaoFen-6 WFV imagery
Sameh et al. Automated mapping of urban heat Island to predict land surface temperature and land use/cover change using machine learning algorithms: Mansoura city
RU2635823C1 (ru) Способ мониторинга надпочвенного покрова импактных районов арктики

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220722

RJ01 Rejection of invention patent application after publication