CN114943142B - 高光谱地表反射率和大气参数一体化反演方法及装置 - Google Patents
高光谱地表反射率和大气参数一体化反演方法及装置 Download PDFInfo
- Publication number
- CN114943142B CN114943142B CN202210473418.9A CN202210473418A CN114943142B CN 114943142 B CN114943142 B CN 114943142B CN 202210473418 A CN202210473418 A CN 202210473418A CN 114943142 B CN114943142 B CN 114943142B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral
- surface reflectivity
- value
- inversion
- atmospheric
- 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
- 238000002310 reflectometry Methods 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000003287 optical effect Effects 0.000 claims abstract description 71
- 239000000443 aerosol Substances 0.000 claims abstract description 70
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 56
- 210000001747 pupil Anatomy 0.000 claims abstract description 35
- 238000001228 spectrum Methods 0.000 claims abstract description 30
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 230000009466 transformation Effects 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000012937 correction Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000002834 transmittance Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供一种高光谱地表反射率和大气参数一体化反演方法及装置,该方法包括:获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。本申请提供的高光谱地表反射率和大气参数一体化反演方法及装置,用于有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,提升高光谱地表反射率定量反演精度。
Description
技术领域
本申请涉及遥感技术领域,尤其涉及一种高光谱地表反射率和大气参数一体化反演方法及装置。
背景技术
地表反射率作为表征地表特征的固有属性,是植被生态、农业、地质、环境等科学研究中的基础参数,在地物识别、地质找矿、农业和植被精细分类等应用中具有非常重要的作用。
高光谱遥感技术是获取区域、乃至全球尺度上精细地表反射率波谱信息的最为有效方式,而基于高光谱遥感数据的地表反射率精确提取是满足其定量化遥感应用的前提和基础。
由于高光谱遥感载荷接收到的辐射信息既包含地物目标的反射信息,又包含大气的散射和吸收信息,因此,大气和地表信息的解耦是高光谱地表反射率精确提取的关键。
发明内容
本申请的目的是提供一种高光谱地表反射率和大气参数一体化反演方法及装置,用于有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,提升高光谱地表反射率定量反演精度。
本申请提供一种高光谱地表反射率和大气参数一体化反演方法,包括:
获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
可选地,所述获取高光谱载荷观测到的入瞳处辐亮度的观测值,包括:获取所述高光谱载荷采集的高光谱遥感影像;使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度;其中,所述绝对辐射定标系数包括:增益系数和偏置系数。
可选地,所述使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正为基于以下公式A计算得到的:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度;Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数。
可选地,所述一体化反演模型对应的反演公式为以下公式B:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段的光波对应的待反演的地表反射率;
p为典型地物地表反射率光谱稀疏表征的特征矩阵,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
可选地,所述将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值之前,所述方法还包括:预估所述待反演参数中气溶胶光学厚度的初始值以及水汽含量的初始值;基于所述气溶胶光学厚度的初始值以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值。
可选地,所述基于所述气溶胶光学厚度以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值,包括:将所述气溶胶光学厚度的初始值以及所述水汽含量的初始值输入大气辐射传输模型,得到所述待反演的地表反射率的初始值;基于所述特征矩阵以及所述待反演的地表反射率的初始值,确定所述待反演参数中地表反射率稀疏表征系数的初始值。
本申请还提供一种高光谱地表反射率和大气参数一体化反演装置,包括:
获取模块,用于获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;反演模块,用于将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
可选地,所述装置还包括:校正模块;所述获取模块,具体用于获取所述高光谱载荷采集的高光谱遥感影像;所述校正模块,用于使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度;其中,所述绝对辐射定标系数包括:增益系数和偏置系数。
可选地,所述使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正为基于以下公式A计算得到的:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度;Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数。
可选地,所述一体化反演模型对应的反演公式为以下公式B:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段的光波对应的待反演的地表反射率。
p为典型地物地表反射率光谱稀疏表征的特征矩阵,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
可选地,所述装置还包括:估算模块;所述估算模块,用于预估所述待反演参数中气溶胶光学厚度的初始值以及水汽含量的初始值;所述估算模块,还用于基于所述气溶胶光学厚度的初始值以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值。
可选地,所述估算模块,具体用于将所述气溶胶光学厚度的初始值以及所述水汽含量的初始值输入大气辐射传输模型,得到所述待反演的地表反射率的初始值;所述估算模块,具体还用于基于所述特征矩阵以及所述待反演的地表反射率的初始值,确定所述待反演参数中地表反射率稀疏表征系数的初始值。
本申请还提供一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现如上述任一种所述高光谱地表反射率和大气参数一体化反演方法的步骤。
本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述高光谱地表反射率和大气参数一体化反演方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述高光谱地表反射率和大气参数一体化反演方法的步骤。
本申请提供的高光谱地表反射率和大气参数一体化反演方法及装置,通过一体化反演模型可直接反演出高光谱地表反射率、气溶胶光学厚度和水汽含量这三个参数,能够有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,提升高光谱地表反射率定量反演精度,为高光谱遥感数据的进一步定量化研究和应用奠定基础,具有重要的理论意义和应用价值。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的高光谱地表反射率和大气参数一体化反演方法的流程示意图之一;
图2是本申请提供的高光谱地表反射率和大气参数一体化反演方法的流程示意图之二;
图3是本申请提供的高光谱地表反射率和大气参数一体化反演装置的结构示意图;
图4是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
目前,有学者提出并发展了仅依赖于高光谱数据的波谱信息而不使用其它辅助数据的大气参数(本专利提及的大气参数主要是指气溶胶光学厚度和水汽含量)和地表反射率分级逐步反演方法,即基于特定通道地表反射率已知等假设条件,首先反演气溶胶光学厚度和水汽含量等时空差异较大且显著影响辐射传输过程的大气参数,再将其作为输入,利用大气辐射传输方法反演地表反射率。由于大气和地表参数之间的强耦合性,在反演任何一个参数(例如气溶胶光学厚度)时,不可避免的需要对其它参数(水汽含量、地表反射率)进行假设,并且有些假设是非常苛刻的,例如基于暗目标的气溶胶光学厚度反演,需要假设暗目标存在且地表反射率已知。这种在假设其中某一个或者多个参数已知的分级逐步反演方法会给地表反射率的反演结果带来很大误差。
为了克服传统分级逐步参数反演方法在高光谱地表反射率、气溶胶光学厚度和水汽含量参数反演时需要相互假设的问题,本专利提出一种基于光谱稀疏表征的高光谱地表反射率、气溶胶光学厚度和水汽含量一体化反演方法。该方法可有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,为高光谱遥感数据的进一步定量化研究和应用奠定基础,具有重要的理论意义和应用价值。
在相关技术中,存在一种仅依赖于高光谱数据的波谱信息而不使用其它辅助数据的大气和地表反射率的分级逐步反演方法,即在已知特定通道地表反射率等假设条件下,首先反演气溶胶光学厚度和水汽含量等时空差异较大且显著影响辐射传输过程的大气参数。之后,再将其作为输入,利用大气辐射传输模型反演地表反射率。
然而,由于大气和地表参数之间的强耦合性,在反演任何一个参数(例如气溶胶光学厚度)时,不可避免的需要对其它参数(水汽含量、地表反射率)进行假设。并且有些假设的条件是非常苛刻的,例如,基于暗目标的气溶胶光学厚度反演,需要假设暗目标存在且地表反射率已知。这种在假设其中某一个或者多个参数已知的分级逐步反演方法会给地表反射率的反演结果带来很大误差。
为了克服传统分级逐步参数反演方法在高光谱地表反射率、气溶胶光学厚度和水汽含量参数反演时需要相互假设的问题,本申请提出一种基于光谱稀疏表征的高光谱地表反射率、气溶胶光学厚度和水汽含量的高光谱地表反射率和大气参数一体化反演方法。该方法可有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,为高光谱遥感数据的进一步定量化研究和应用奠定基础,具有重要的理论意义和应用价值。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的高光谱地表反射率和大气参数一体化反演方法进行详细地说明。
如图1所示,本申请实施例提供的一种高光谱地表反射率和大气参数一体化反演方法,该方法可以包括下述步骤101和步骤102:
步骤101、获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值。
示例性地,如图2所示,遥感卫星搭载的高光谱载荷采集拍摄区域反射的光谱,并得到高光谱遥感影像数据。在得到上述高光谱遥感影像数据后,需要对其进行预处理。
具体地,上述对高光谱遥感影像数据进行预处理的过程,可以包括以下步骤,即上述步骤101,可以包括以下步骤101a1和步骤101a2:
步骤101a1、获取所述高光谱载荷采集的高光谱遥感影像。
步骤202a2、使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度。
其中,所述绝对辐射定标系数包括:增益系数和偏置系数。
示例性地,高光谱遥感影像数据的处理过程,主要利用绝对辐射定标系数对高光谱载荷实际观测的高光谱图像(即上述高光谱遥感影像)进行绝对辐射校正,得到具有实际物理含义的高光谱辐亮度图像。
具体地,高光谱图像绝对辐射校正的采样如下公式一计算得到:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度(单位为:W/m2/μm/sr);Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数(单位为:W/m2/μm/sr)。上述obs表示该值为观测值,TOA为大气顶层。
示例性地,上述模拟值可以通过前向模型进行模拟,得到对应的模拟值mod表示该值为模型模拟值。
步骤102、将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值。
其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
示例性地,在得到上述观测值和模拟值之后,将上述观测值和模拟值输入到本申请实施例提供的一体化反演模型中,得到地表反射率、气溶胶光学厚度、以及水汽含量对应的值。
示例性地,区别于相关技术中的反演模型,本申请实施例提供的反演模型通过对待反演模型中的地表反射率进行稀疏表征,不仅能够解决同时反演地表反射率、气溶胶光学厚度和水汽含量病态反演问题,还能够提高反演精度。
具体地,以下针对本申请实施例提供的一体化反演模型对应的反演公式的推导过程进行详细描述。
可以理解的是,反演模型的工作原理为:在得到上述观测值以及模拟值/>之后,通过建立观测值和模拟值之间的代价函数,采用优化迭代的方式调整大气辐射传输模型的输入值(即待反演参数),使得大气辐射传输模型模拟值不断逼近高光谱载荷的实际观测值。
示例性地,上述观测值以及模拟值/>之间的变换关系可以通过以下公式二进行表示:
其中,f(xaot,xcwv,xρ)为待反演参数,xaot为550纳米(nm)波长的光波对应的气溶胶光学厚度;xcwv为水汽含量,xρ为地表反射率。ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数。通过上述公式一计算得到高光谱载荷的实际观测值之后,可以根据大气辐射传输模型(即上述前向模型)模拟出高光谱载荷入瞳处辐亮度的模拟值/>具体地,可以通过以下公式三计算得到该模拟值:
其中,Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值。
示例性地,联立上述公式一、公式二和公式三,可以得到反演模型对应的反演公式,即以下公式四:
示例性地,基于上述公式四可知,该反演模型中参与反演的方程数有N个,即N个通道的高光谱载荷的观测值和模拟值,而待反演的参数却有N+2个,即N个通道的地表反射率,以及两个大气参数:气溶胶光学厚度和水汽含量。这样的反演模型会存在病态反演的问题。
示例性地,为解决一体化病态反演问题,本申请实施例中提供了一种基于主成分变换的光谱稀疏表征方法对待反演的地表反射率光谱进行光谱稀疏表征,以降低待反演参数个数。由主成分分析法可知,对于上述反演模型对应的反演公式(即上述公式四)中的待反演参数地表反射率ρ(N×1)可以由以下公式五稀疏表示:
其中,C(M×1)为对应各个主成分的权重系数,即地表反射率稀疏表征系数CM;P(N×M)是对应地表反射率光谱的每个主成分值PN,M组成的矩阵。基于该矩阵,对选取的大量典型地物地表反射率光谱进行主成分变化分析,选取累计贡献率高于99.9%的主成分值PN,M作为典型地物地表反射率光谱稀疏表征的特征矩阵P(N×M)。且m≤10<M≤N。基于此,高光谱载荷的第i个波段的待反演地表反射率可以由以下公式六表示:
其中,pi,j为上述特征矩阵P中的第i行第j列的主成分值;Cj为上述m个主成分值中的第j个主成分值对应的地表反射率稀疏表征系数。
示例性地,将上述公式六代入上述公式四,可以得到本申请实施例提供的一体化反演模型对应的反演公式,即以下公式七:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段对应的待反演的地表反射率。
p为典型地物地表反射率光谱稀疏表征的特征矩阵,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
需要说明的是,上述公式七中各个参数的解释已在上述公式一至公式六中进行了详细的描述,为了避免重复,在此不再赘述。
示例性地,由上述公式七可知,本申请实施例提供的一体化反演模型对应的反演公式中的反演参数由之前的N+2减少为m+2(包括:m个主成分对应的地表反射率稀疏表征系数以及两个大气参数:气溶胶光学厚度和水汽含量),从而解决上述公式六中存在的病态反演问题。
在一种可能的实现方式中,在得到上述一体化反演模型后,可以直接对上述目标参数进行反演,得到上述目标参数中各个参数的值,但这样计算出的值与实际情况存在较大的误差。为了降低误差,可以对上述一体化反演模型对应的反演公式中的待反演参数进行初值估计。
示例性地,初值估计是一体化反演需要解决的关键问题,可靠的初值估计直接影响一体化反演结果的准确性和精度以及优化迭代收敛性。
示例性地,上述公式七中的待反演参数包括:气溶胶光学厚度、水汽含量、以及地表反射率系数。
具体地,上述步骤102之前,本申请实施例提供的高光谱地表反射率和大气参数一体化反演方法还可以包括以下步骤103和步骤104:
步骤103、预估所述待反演参数中气溶胶光学厚度的初始值以及水汽含量的初始值。
步骤104、基于所述气溶胶光学厚度的初始值以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值。
示例性地,上述待反演参数中的地表反射率稀疏表征系数可以基于上述气溶胶光学厚度的初始值以及所述水汽含量的初始值得到。
针对气溶胶光学厚度进行初值估计:
示例性地,气溶胶光学厚度初值估计主要在传统暗目标方法的基础上,采用一种不依赖短波红外通道的改进暗目标方法。具体地,植被地表的高光谱红光和蓝光通道地表反射率之间的关系如以下公式八:
其中,k为红蓝波段比值,为高光谱红光通道地表反射率;/>为高光谱蓝光通道地表反射率,分别可以通过以下公式九和公式十计算得到:
其中,为红光通道的表观反射率;/>为蓝光通道的表观反射率。/>为红光通道的大气反射率;/>为蓝光通道的大气反射率。
示例性地,结合上述公式八至公式十,可以建立气溶胶光学厚度反演模型,对应的公式如以下公式十一:
其中,上述550为550nm波长的光波。即气溶胶光学厚度为550nm波长的光波对应的气溶胶光学厚度,不同波长的光波对应的气溶胶光学厚度不完全同。
需要说明的是,采用约束优化算法对公式十一构建的气溶胶光学厚度初值估计模型进行气溶胶光学厚度初值估计,考虑到不同下垫面植被类型红、蓝通道之间的地表反射率关系并非总是固定,因此将二者之间的关系k引入到初值估计模型中进行动态调整,以增加气溶胶光学厚度初值估计的可靠性。
针对水汽含量进行初值估计:
示例性地,水汽含量初值估计主要在考虑气溶胶等大气分子引起程辐射的情况下,引入有效表观反射率Peff,可以由公式十二进行表示:
示例性地,假设地表反射率在水汽吸收通道和非水汽吸收通道之间与波长之间存在线性关系的条件下,计算出水汽吸收通道和非水汽吸收通道的有效表观反射率比值R(cwv)。基于以下公式十三,可以根据有效表观反射率比值和水汽含量的关系即可反演得到大气水汽含量:
其中,为水汽吸收通道的有效表观反射率;/>和/>分别为非水汽吸收通道的有效表观反射率;w1和w2分别为非水汽吸收通道的权重系数,由非水汽吸收通道与水汽吸收通道的距离确定。
考虑高光谱传感器获取的数据具有高光谱分辨率优势,同时减少高光谱数据信噪比的影响,采用水汽含量敏感性指数从0.94微米(μm)附近的通道中挑选出对水汽非常敏感的多水汽吸收通道以及对水汽最不敏感的参考波段参与水汽含量初值估计。利用大气辐射传输模型模拟不同地表特性、水汽含量条件下的大气透过率,由此建立有效表观反射率比值与水汽含量之间的定量转换模型,针对实际高光谱载荷实际观测数据计算的有效表观反射率比值构建的定量转换模型,即可估算得到水汽含量初值。
针对地表反射率稀疏表征系数初值估计:
示例性地,基于上述气溶胶光学厚度的初始值以及水汽含量初始值,采用传统的查找表方法计算得到地表反射率初值;然后,结合基于光谱库构建的典型地物主成分特征矩阵P(N×m),利用以下公式十四计算得到地表反射率稀疏表征系数初值估计:
具体地,上述步骤104,可以包括以下步骤104a1和步骤104a2:
步骤104a1、将所述气溶胶光学厚度以及所述水汽含量的初始值输入大气辐射传输模型,得到所述待反演的地表反射率的初始值。
步骤104a1、基于所述特征矩阵以及所述待反演的地表反射率的初始值,确定所述待反演参数中地表反射率稀疏表征系数的初始值。
举例说明,如图2所示,在对高光谱遥感影像进行数据预处理并得到上述观测值后,通过前向模型模拟出对应的模拟值。之后,参考典型地物波谱库对一体化反演模型的反演参数进行初值估计。最后,将反演参数的初值以及上述观测值和模拟值输入基于光谱稀疏表征的一体化反演模型进行一体化反演,得到接近于真实情况的地表反射率、气溶胶光学厚度以及水汽含量。
本申请实施例提供的高光谱地表反射率和大气参数一体化反演方法,提供了一种基于光谱稀疏表征的高光谱地表反射率、气溶胶光学厚度和水汽含量一体化反演方法。该方法可有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,提升高光谱地表反射率定量反演精度,为高光谱遥感数据的进一步定量化研究和应用奠定基础,具有重要的理论意义和应用价值。
需要说明的是,本申请实施例提供的高光谱地表反射率和大气参数一体化反演方法,执行主体可以为高光谱地表反射率和大气参数一体化反演装置,或者该高光谱地表反射率和大气参数一体化反演装置中的用于执行高光谱地表反射率和大气参数一体化反演方法的控制模块。本申请实施例中以高光谱地表反射率和大气参数一体化反演装置执行高光谱地表反射率和大气参数一体化反演方法为例,说明本申请实施例提供的高光谱地表反射率和大气参数一体化反演装置。
需要说明的是,本申请实施例中,上述各个方法附图所示的。高光谱地表反射率和大气参数一体化反演方法均是以结合本申请实施例中的一个附图为例示例性的说明的。具体实现时,上述各个方法附图所示的高光谱地表反射率和大气参数一体化反演方法还可以结合上述实施例中示意的其它可以结合的任意附图实现,此处不再赘述。
下面对本申请提供的高光谱地表反射率和大气参数一体化反演装置进行描述,下文描述的与上文描述的高光谱地表反射率和大气参数一体化反演方法可相互对应参照。
图3为本申请一实施例提供的高光谱地表反射率和大气参数一体化反演装置的结构示意图,如图3所示,具体包括:
获取模块301,用于获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;反演模块302,用于将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
可选地,所述装置还包括:校正模块;所述获取模块301,具体用于获取所述高光谱载荷采集的高光谱遥感影像;所述校正模块,用于使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度;其中,所述绝对辐射定标系数包括:增益系数和偏置系数。
可选地,所述使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正为基于以下公式A计算得到的:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度;Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数。
可选地,所述一体化反演模型对应的反演公式为以下公式B:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段的光波对应的待反演的地表反射率;
p为典型地物地表反射率光谱稀疏表征的特征矩阵,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
可选地,所述装置还包括:估算模块;所述估算模块,用于预估所述待反演参数中气溶胶光学厚度的初始值以及水汽含量的初始值;所述估算模块,还用于基于所述气溶胶光学厚度的初始值以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值。
可选地,所述估算模块,具体用于将所述气溶胶光学厚度的初始值以及所述水汽含量的初始值输入大气辐射传输模型,得到所述待反演的地表反射率的初始值;所述估算模块,具体还用于基于所述特征矩阵以及所述待反演的地表反射率的初始值,确定所述待反演参数中地表反射率稀疏表征系数的初始值。
本申请提供的高光谱地表反射率和大气参数一体化反演装置,可有效解决目前高光谱地表反射率、气溶胶光学厚度和水汽含量参数分级逐步反演方法的苛刻假设条件以及相互依赖等问题,提升高光谱地表反射率定量反演精度,为高光谱遥感数据的进一步定量化研究和应用奠定基础,具有重要的理论意义和应用价值。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行高光谱地表反射率和大气参数一体化反演方法,该方法包括:获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请还提供一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的高光谱地表反射率和大气参数一体化反演方法,该方法包括:获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
又一方面,本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的高光谱地表反射率和大气参数一体化反演方法,该方法包括:获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (6)
1.一种高光谱地表反射率和大气参数一体化反演方法,其特征在于,包括:
获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;
将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;
其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的;
所述获取高光谱载荷观测到的入瞳处辐亮度的观测值,包括:
获取所述高光谱载荷采集的高光谱遥感影像;
使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度;
其中,所述绝对辐射定标系数包括:增益系数和偏置系数;
所述使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正为基于以下公式A计算得到的:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度;Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数;
所述一体化反演模型对应的反演公式为以下公式B:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段的光波对应的待反演的地表反射率;
pi,j为典型地物地表反射率光谱稀疏表征的特征矩阵中第i行第j列的主成分值,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
2.根据权利要求1所述的方法,其特征在于,所述将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值之前,所述方法还包括:
预估所述待反演参数中气溶胶光学厚度的初始值以及水汽含量的初始值;
基于所述气溶胶光学厚度的初始值以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值。
3.根据权利要求2所述的方法,其特征在于,所述基于所述气溶胶光学厚度以及所述水汽含量的初始值,预估所述地表反射率稀疏表征系数的初始值,包括:
将所述气溶胶光学厚度的初始值以及所述水汽含量的初始值输入大气辐射传输模型,得到所述待反演的地表反射率的初始值;
基于所述特征矩阵以及所述待反演的地表反射率的初始值,确定所述待反演参数中地表反射率稀疏表征系数的初始值。
4.一种高光谱地表反射率和大气参数一体化反演装置,其特征在于,所述装置包括:
获取模块,用于获取高光谱载荷观测到的入瞳处辐亮度的观测值和前向模型模拟的入瞳处辐亮度的模拟值;
反演模块,用于将所述观测值和所述模拟值输入一体化反演模型,得到目标参数的值;
其中,所述目标参数包括:地表反射率,气溶胶光学厚度,水汽含量;在所述一体化反演模型中待反演的地表反射率由基于主成分变换的光谱稀疏进行表征的;
所述装置还包括:校正模块;
所述获取模块,具体用于获取所述高光谱载荷采集的高光谱遥感影像;
所述校正模块,用于使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正,得到所述高光谱遥感影像的每个波段对应的入瞳处辐亮度;
其中,所述绝对辐射定标系数包括:增益系数和偏置系数;
所述使用绝对辐射定标系数对所述高光谱遥感影像进行绝对辐射校正为基于以下公式A计算得到的:
其中,DNi和分别为所述高光谱遥感影像的第i个波段的量化比特数值和入瞳处辐亮度;Gi和Bi分别为所述绝对辐射定标系数的增益系数和偏置系数;
所述一体化反演模型对应的反演公式为以下公式B:
其中,f(xaot,xcwv,xC)为待反演参数,xaot为气溶胶光学厚度;xcwv为水汽含量,xC为地表反射率稀疏表征系数;所述地表反射率稀疏表征系数为基于地表反射率得到的;N为通道数量,一个通道对应一个波段,i为第i个波段对应的参数;Lp为大气程辐射;S为大气半球反照率;τ(μs)τ(μv)为大气总透过率;Es为大气层顶的太阳辐照度;μs为太阳天顶角;μv为所述高光谱载荷观测天顶角的余弦值;表示第i个波段的光波对应的待反演的地表反射率;
pi,j为典型地物地表反射率光谱稀疏表征的特征矩阵中第i行第j列的主成分值,m为所述特征矩阵中累计贡献率高于预设阈值的主成分数量;ε为模型误差,包括:所述观测值的实际误差以及所述前向模型的模拟误差。
5.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至3任一项所述高光谱地表反射率和大气参数一体化反演方法的步骤。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述高光谱地表反射率和大气参数一体化反演方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473418.9A CN114943142B (zh) | 2022-04-29 | 2022-04-29 | 高光谱地表反射率和大气参数一体化反演方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210473418.9A CN114943142B (zh) | 2022-04-29 | 2022-04-29 | 高光谱地表反射率和大气参数一体化反演方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114943142A CN114943142A (zh) | 2022-08-26 |
CN114943142B true CN114943142B (zh) | 2023-11-28 |
Family
ID=82907150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210473418.9A Active CN114943142B (zh) | 2022-04-29 | 2022-04-29 | 高光谱地表反射率和大气参数一体化反演方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114943142B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115170442B (zh) * | 2022-09-08 | 2022-12-02 | 中国科学院空天信息创新研究院 | 基于点光源的绝对辐射校正方法、装置、设备和介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN102736128A (zh) * | 2011-09-21 | 2012-10-17 | 中国科学院地理科学与资源研究所 | 无人机光学遥感影像数据处理方法及装置 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN103267533A (zh) * | 2013-05-08 | 2013-08-28 | 中国科学院光电研究院 | 一种实用型高光谱遥感图像大气自校正方法及装置 |
CN104279967A (zh) * | 2014-05-23 | 2015-01-14 | 中国科学院光电研究院 | 基于高光谱图像的气溶胶光学厚度反演方法 |
CN104483663A (zh) * | 2014-12-25 | 2015-04-01 | 武汉大学 | 一种高光谱遥感影像大气纠正方法及系统 |
CN105158172A (zh) * | 2015-08-22 | 2015-12-16 | 中国城市科学研究会 | 一种内陆ii类水体水色参数遥感反演的分析方法 |
CN107798154A (zh) * | 2016-08-31 | 2018-03-13 | 中国科学院遥感与数字地球研究所 | 一种火星大气沙尘气溶胶光学厚度反演方法 |
CN110726653A (zh) * | 2019-09-25 | 2020-01-24 | 中国电子科技集团公司第二十七研究所 | 基于天地一体化信息的pm2.5浓度监测方法 |
CN110990763A (zh) * | 2019-12-12 | 2020-04-10 | 中交信息技术国家工程实验室有限公司 | 一种基于大气尺度因子的地表温度估算方法 |
CN111735772A (zh) * | 2020-05-13 | 2020-10-02 | 中国科学院空天信息创新研究院 | 改进的级联神经网络的高光谱数据地表反射率反演方法 |
CN113128134A (zh) * | 2021-06-17 | 2021-07-16 | 中国矿业大学(北京) | 一种矿区生态环境演变驱动因子权重量化分析方法 |
-
2022
- 2022-04-29 CN CN202210473418.9A patent/CN114943142B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103203A (zh) * | 2011-01-19 | 2011-06-22 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的地表温度单窗反演方法 |
CN102288956A (zh) * | 2011-05-10 | 2011-12-21 | 中国资源卫星应用中心 | 一种遥感卫星多光谱数据的大气订正方法 |
CN102736128A (zh) * | 2011-09-21 | 2012-10-17 | 中国科学院地理科学与资源研究所 | 无人机光学遥感影像数据处理方法及装置 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN103267533A (zh) * | 2013-05-08 | 2013-08-28 | 中国科学院光电研究院 | 一种实用型高光谱遥感图像大气自校正方法及装置 |
CN104279967A (zh) * | 2014-05-23 | 2015-01-14 | 中国科学院光电研究院 | 基于高光谱图像的气溶胶光学厚度反演方法 |
CN104483663A (zh) * | 2014-12-25 | 2015-04-01 | 武汉大学 | 一种高光谱遥感影像大气纠正方法及系统 |
CN105158172A (zh) * | 2015-08-22 | 2015-12-16 | 中国城市科学研究会 | 一种内陆ii类水体水色参数遥感反演的分析方法 |
CN107798154A (zh) * | 2016-08-31 | 2018-03-13 | 中国科学院遥感与数字地球研究所 | 一种火星大气沙尘气溶胶光学厚度反演方法 |
CN110726653A (zh) * | 2019-09-25 | 2020-01-24 | 中国电子科技集团公司第二十七研究所 | 基于天地一体化信息的pm2.5浓度监测方法 |
CN110990763A (zh) * | 2019-12-12 | 2020-04-10 | 中交信息技术国家工程实验室有限公司 | 一种基于大气尺度因子的地表温度估算方法 |
CN111735772A (zh) * | 2020-05-13 | 2020-10-02 | 中国科学院空天信息创新研究院 | 改进的级联神经网络的高光谱数据地表反射率反演方法 |
CN113128134A (zh) * | 2021-06-17 | 2021-07-16 | 中国矿业大学(北京) | 一种矿区生态环境演变驱动因子权重量化分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114943142A (zh) | 2022-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Reconstruction of the full spectrum of solar-induced chlorophyll fluorescence: Intercomparison study for a novel method | |
CN108303044B (zh) | 一种叶面积指数获取方法及系统 | |
Gross et al. | Applying artificial neural network methodology to ocean color remote sensing | |
CN112348812B (zh) | 林分年龄信息测量方法及装置 | |
Wang et al. | Biophysical estimation in tropical forests using JERS‐1 SAR and VNIR imagery. II. Aboveground woody biomass | |
CN110907393B (zh) | 植物盐碱胁迫程度检测方法及装置 | |
Bayat et al. | Retrieval of land surface properties from an annual time series of Landsat TOA radiances during a drought episode using coupled radiative transfer models | |
CN114943142B (zh) | 高光谱地表反射率和大气参数一体化反演方法及装置 | |
Aires et al. | Statistical approaches to assimilate ASCAT soil moisture information—I. Methodologies and first assessment | |
CN114372707A (zh) | 一种基于遥感数据的高寒湿地退化程度监测方法 | |
CN114676636A (zh) | 一种综合植被和生境特征的草原区土壤水分快速反演方法 | |
CN106940219A (zh) | 一种在轨运行的宽波段卫星遥感器的光谱响应获取方法 | |
Durand et al. | Optical remote sensing of shallow-water environmental parameters: a feasibility study | |
CN113534083B (zh) | 基于sar的玉米留茬方式识别方法、装置和介质 | |
Zhao et al. | Retrieval of red solar-induced chlorophyll fluorescence with TROPOMI on the Sentinel-5 precursor mission | |
Zhang et al. | Retrieval of sun-induced chlorophyll fluorescence using statistical method without synchronous irradiance data | |
Zhou et al. | Analysis and optimization of NDVI definitions and areal fraction models in remote sensing of vegetation | |
Luciani et al. | Satellite Monitoring system of Subalpine lakes with open source software: The case of SIMILE Project | |
CN104198397A (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 | |
Liu et al. | A novel wavelength selection strategy for chlorophyll prediction by MWPLS and GA | |
Naethe et al. | A precise method unaffected by atmospheric reabsorption for ground-based retrieval of red and far-red sun-induced chlorophyll fluorescence | |
Matishov et al. | Satellite estimation of chlorophyll-a concentration and phytoplankton primary production in the Sea of Azov | |
Najah et al. | Performance of the ocean color algorithms: QAA, GSM, and GIOP in inland and coastal waters | |
CN113849490B (zh) | 一种卫星遥感反射率产品数据残差校正方法 | |
CN115953694B (zh) | 一种基于卫星遥感影像的叶龄空间分布检测方法 |
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 |