CN115859663B - 一种考虑不确定度的地表温度反演精度评估方法 - Google Patents
一种考虑不确定度的地表温度反演精度评估方法 Download PDFInfo
- Publication number
- CN115859663B CN115859663B CN202211632505.0A CN202211632505A CN115859663B CN 115859663 B CN115859663 B CN 115859663B CN 202211632505 A CN202211632505 A CN 202211632505A CN 115859663 B CN115859663 B CN 115859663B
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- surface temperature
- atmospheric
- ground
- earth
- 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
Images
Classifications
-
- 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
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种考虑不确定度的地表温度反演精度评估方法,该方法通过降低地表温度不确定度较大的数据的影响,真实反映整体数据的验证精度,促进地表温度的有效应用。基于地面测量的地表温度,利用常规的地表温度反演精度评估方法和本发明提出的方法评估了地表温度反演精度。利用本发明提出的方法有效地剔除了偏离整体数据较大的异常值,而且本发明提出的方法评估的地表温度反演精度优于常规方法评估的地表温度反演精度。
Description
技术领域
本发明涉及一种考虑不确定度的地表温度反演精度评估方法,属于定量遥感技术领域。
背景技术
地表温度是地表能量平衡和地表-大气交互过程的关键物理量,被广泛应用于干旱监测,城市热环境监测,森林火灾监测和全球气候变化等研究。国内外学者利用多种地表温度遥感反演算法生产了一系列地表温度遥感产品。精确地评估地表温度的反演精度对地表温度产品的应用具有重要意义。
常规的地表温度反演精度评估方法假定每组遥感反演的地表温度(Ts)和地面测量的地表温度(Tg)之间差值ΔT(ΔT=Ts-Tg)的权重是一样的,利用地面测量的地表温度直接验证遥感反演的地表温度的精度。然而,由于地表温度反演算法本身具有不确定性以及反演算法的输入参数具有不确定性,使得遥感反演的地表温度具有不确定性。同样地,由于用于估算地面测量的地表温度的输入参数具有不确定性,使得地面测量的地表温度也具有不确定性。实际上,不确定性更大的观测数据应该赋予更小的权重。如果忽略遥感反演的地表温度的不确定性和地面测量的地表温度的不确定性,给每组观测数据赋予相同的权重,会导致地表温度的反演精度偏离实际值。因此,现有技术存在缺陷,需要改进。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种考虑不确定度的地表温度反演精度评估方法。
本发明的技术方案如下:
一种考虑不确定度的地表温度反演精度评估方法,利用地面测量的地表温度评估地表温度遥感反演精度的不确定度来源,不仅包括遥感反演的地表温度的不确定度和地面测量的地表温度的不确定度,而且包括遥感反演的地表温度与地面测量的地表温度在时间和空间上匹配引起的地表温度不确定度;根据不确定度传播定律,地表温度遥感反演精度评估的总不确定度表示为:
式中,utotal为地表温度遥感反演精度评估的总不确定度,usat为遥感反演的地表温度的不确定度,uground为地面测量的地表温度的不确定度,uspace为遥感反演的地表温度与地面测量的地表温度在空间上匹配引起的地表温度不确定度,utime为遥感反演的地表温度与地面测量的地表温度在时间上匹配引起的地表温度不确定度;
利用地面测量的地表温度评估地表温度遥感反演精度时,一组遥感反演的地表温度与地面测量的地表温度构成一组匹配数据对,所有的匹配数据对构成整个数据集;地表温度遥感反演精度取决于遥感反演的地表温度(Ts)与地面测量的地表温度(Tg)之间的差异ΔT(ΔT=Ts-Tg);假设每组匹配数据对之间相互独立,第k组匹配数据对的差值ΔTk(ΔTk=Tsk-Tgk)的权重wk表示为:
式中,N代表整个数据集中有N组匹配数据对;
ΔT的加权平均值ΔTwm表示为:
ΔTwm的不确定度表示为:
考虑到不确定度较大的匹配数据对会影响地表温度遥感反演精度,通过一致性检验和离群值测试将不确定度较大的匹配数据对剔除;
在0.05的置信水平下,利用公式(23)进行卡方检验来判断一致性检验是否失败:
Pr{χ2(v)>χobs 2}<0.05 (23)
ΔTk与其加权平均数ΔTwm的差值dk表示为:
dk=ΔTk-ΔTwm (24)
dk的不确定度udk表示为:
利用dk和udk进行离群值测试:
如果满足公式(26),则认为第k组匹配数据对相较于整个数据集的差异较大,属于偏离值;
在数据集进行了一致性检验以及对数据集中所有组的匹配数据对都进行了离群值测试后,当一致性检验成功且每组匹配数据对都不属于偏离值时,此时的数据集认为是符合条件的最大一致数据集;当一致性检验失败或某组匹配数据对属于偏离值时,则需要剔除偏离值,直到数据集通过一致性检验以及数据集中所有组的匹配数据对都通过离群值测试,此时的数据集为最终的最大一致数据集;
基于最大一致数据集中每组匹配数据对的权重,地表温度反演精度的评价指标Bias、STD和RMSE的新表达式表示为:
所述的考虑不确定度的地表温度反演精度评估方法,所述遥感反演的地表温度的不确定度估算:
利用分裂窗算法反演地表温度:
式中,Ts为遥感反演的地表温度,T31和T32分别为MODIS第31和32通道的星上亮温,ε为MODIS第31和32通道地表发射率的均值,即ε=(ε31+ε32)/2,Δε为MODIS第31和32通道地表发射率的差值,即Δε=ε31-ε32,A0、A1、A2、A3、A4、A5和A6为分裂窗算法系数;
为了提高地表温度的反演精度,利用观测天顶角、大气水汽含量、地表温度作为索引,将基于辐射传输模型构建的模拟数据集划分成不同的模拟数据子集,通过最小二乘法拟合确定每组模拟数据子集的分裂窗算法系数A0、A1、A2、A3、A4、A5和A6;其中观测天顶角划分6个值:0°、33.56°、44.42°、51.32°、56.25°、60°;大气水汽含量划分6个子区间:0-1.5g/cm2、1-2.5g/cm2、2-3.5g/cm2、3-4.5g/cm2、4-5.5g/cm2、5-6.5g/cm2;地表温度划分5个子区间:<280K、275-295K、290-310K、305-325K、>320K;
基于分裂窗算法系数,结合获取的MODIS第31和32通道的地表发射率、第31和32通道的星上亮温、观测天顶角、大气水汽含量,通过分裂窗算法反演地表温度;
遥感反演的地表温度的不确定度来源包括分裂窗算法本身的不确定度和算法输入参数的不确定度;分裂窗算法的输入参数包括星上亮温、地表发射率、大气水汽含量,其对应的不确定度分别为星上亮温不确定度、地表发射率不确定度、大气水汽含量不确定度;根据不确定度传播定律,遥感反演的地表温度的不确定度表示为:
式中,usat为遥感反演的地表温度的不确定度,ualg为分裂窗算法本身不确定度引起的地表温度不确定度,ubt为星上亮温不确定度引起的地表温度不确定度,uems为地表发射率不确定度引起的地表温度不确定度,uwv为大气水汽含量不确定度引起的地表温度不确定度;
利用分裂窗算法反演的地表温度和模拟数据中的真实地表温度的均方根误差表示分裂窗算法本身不确定度引起的地表温度不确定度ualg:
式中,E[]代表求算术平均值,Ts,ret为分裂窗算法反演的地表温度,Ts,act为模拟数据中的真实地表温度;
通过公式(7)中Ts对T31和T32进行求导,计算星上亮温不确定度引起的地表温度不确定度ubt:
通过公式(7)中Ts对ε31和ε32进行求导,计算地表发射率不确定度引起的地表温度不确定度uems:
将使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度与使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度的均方根误差表示大气水汽含量不确定度引起的地表温度不确定度uwv:
式中,E[]代表求算术平均值,Ts,cor为使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度,Ts,incor为使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度。
所述的考虑不确定度的地表温度反演精度评估方法,所述地面测量的地表温度的不确定度估算:
基于斯蒂芬-玻尔兹曼定律,通过大气上行长波辐射和大气下行长波辐射计算地面测量的地表温度:
式中,Tg为地面测量的地表温度,σ为斯蒂芬-玻尔兹曼常数(5.67×10-8W/m2/K4),Rup和Rdw分别为大气上行长波辐射和大气下行长波辐射;
地面测量的地表温度的不确定度来源包括大气上行长波辐射的不确定度、大气下行长波辐射的不确定度、地表宽波段发射率的不确定度;根据不确定度传播定律,地面测量的地表温度的不确定度表示为:
式中,uground为地面测量的地表温度的不确定度,uup和udw分别为大气上行长波辐射不确定度和大气下行长波辐射不确定度引起的地表温度不确定度,ubb为地表宽波段发射率不确定度引起的地表温度不确定度;
通过公式(13)中Tg对Rup进行求导,计算大气上行长波辐射不确定度引起的地表温度不确定度uup:
通过公式(13)中Tg对Rdw进行求导,计算大气下行长波辐射不确定度引起的地表温度不确定度udw:
通过公式(13)中Tg对εb进行求导,计算地表宽波段发射率不确定度引起的地表温度不确定度ubb:
所述的考虑不确定度的地表温度反演精度评估方法,以遥感反演的地表温度与地面测量的地表温度在空间上匹配的卫星像元为中心,通过其5×5窗口内遥感反演的地表温度的标准差计算uspace;以遥感反演的地表温度与地面测量的地表温度在时间上匹配的地面测量时间为中心,通过其前后3分钟内地面测量的地表温度的标准差计算utime。
针对常规的地表温度反演精度评估方法不能有效地评估地表温度反演精度的问题,通过耦合遥感反演的地表温度的不确定度和地面测量的地表温度的不确定度,提出了一种考虑不确定度的地表温度反演精度评估方法。该方法通过降低地表温度不确定度较大的数据的影响,真实反映整体数据的验证精度,促进地表温度的有效应用。基于地面测量的地表温度,利用常规的地表温度反演精度评估方法和本发明提出的方法评估了地表温度反演精度。从图2可以看出,利用本发明提出的方法有效地剔除了偏离整体数据较大的异常值,而且本发明提出的方法评估的地表温度反演精度优于常规方法评估的地表温度反演精度,RMSE值从3.4K降低到2.2K。
附图说明
图1考虑不确定度的地表温度反演精度评估的流程图
图2地表温度反演精度评估的结果图。(a)常规的地表温度反演精度评估方法,(b)考虑不确定度的地表温度反演精度评估方法。
具体实施方式
以下结合具体实施例,对本发明进行详细说明。
步骤1:数据获取与预处理
下载MODIS卫星数据产品,包括MYD11_L2、MYD05_L2、MYD021KM产品。其中,MYD11_L2产品用于获取地表发射率和观测天顶角,MYD05_L2用于获取大气水汽总量,MYD021KM用于获取星上亮温。数据来源为https://search.earthdata.nasa.gov/search。数据预处理过程包括:
(1)利用MODIS地理定位产品MYD03和MODIS重投影工具MRTSwath将MODIS数据产品转换为具有地理坐标的TIFF格式数据。
(2)将MYD11_L2产品中地表发射率和观测天顶角的计数值分别转换为地表发射率和观测天顶角:
VZA=0.5×DNVZA (1)
ε31=0.002×DNε31+0.49 (2)
ε32=0.002×DNε32+0.49 (3)
式中,DNVZA为观测天顶角的计数值,DNε31和DNε32分别为MODIS第31和32通道地表发射率的计数值,VZA为观测天顶角,ε31和ε32分别为MODIS第31和32通道的地表发射率。
(3)将MYD05_L2产品中大气水汽总量的计数值转换为大气水汽含量:
TCW=0.0010000000474974513×DNTCW (4)
式中,DNTCW为大气水汽含量的计数值,TCW为大气水汽含量。
(4)将MYD021KM产品中星上亮温的计数值转换为星上亮温:
T31=1304.413871/ln(1+729.541636/DNT31) (5)
T32=1196.978785/ln(1+474.684780/DNT32) (6)
式中,T31和T32分别为MODIS第31和32通道的星上亮温,DNT31和DNT32分别为MODIS第31和32通道星上亮温的计数值。
步骤2:遥感反演的地表温度的不确定度估算
利用分裂窗算法反演地表温度:
式中,Ts为遥感反演的地表温度,T31和T32分别为MODIS第31和32通道的星上亮温,ε为MODIS第31和32通道地表发射率的均值,即ε=(ε31+ε32)/2,Δε为MODIS第31和32通道地表发射率的差值,即Δε=ε31-ε32,A0、A1、A2、A3、A4、A5和A6为分裂窗算法系数。
为了提高地表温度的反演精度,利用观测天顶角、大气水汽含量、地表温度作为索引,将基于辐射传输模型构建的模拟数据集划分成不同的模拟数据子集,通过最小二乘法拟合确定每组模拟数据子集的分裂窗算法系数A0、A1、A2、A3、A4、A5和A6;其中观测天顶角划分6个值:0°、33.56°、44.42°、51.32°、56.25°、60°;大气水汽含量划分6个子区间:0-1.5g/cm2、1-2.5g/cm2、2-3.5g/cm2、3-4.5g/cm2、4-5.5g/cm2、5-6.5g/cm2;地表温度划分5个子区间:<280K、275-295K、290-310K、305-325K、>320K。
基于分裂窗算法系数,结合获取的MODIS第31和32通道的地表发射率、第31和32通道的星上亮温、观测天顶角、大气水汽含量,通过分裂窗算法反演地表温度。
遥感反演的地表温度的不确定度来源包括分裂窗算法本身的不确定度和算法输入参数的不确定度。分裂窗算法的输入参数包括星上亮温、地表发射率、大气水汽含量,其对应的不确定度分别为星上亮温不确定度、地表发射率不确定度、大气水汽含量不确定度。根据不确定度传播定律,遥感反演的地表温度的不确定度表示为:
式中,usat为遥感反演的地表温度的不确定度,ualg为分裂窗算法本身不确定度引起的地表温度不确定度,ubt为星上亮温不确定度引起的地表温度不确定度,uems为地表发射率不确定度引起的地表温度不确定度,uwv为大气水汽含量不确定度引起的地表温度不确定度。
利用分裂窗算法反演的地表温度和模拟数据中的真实地表温度的均方根误差表示分裂窗算法本身不确定度引起的地表温度不确定度ualg:
式中,E[]代表求算术平均值,Ts,ret为分裂窗算法反演的地表温度,Ts,act为模拟数据中的真实地表温度。
通过公式(7)中Ts对T31和T32进行求导,计算星上亮温不确定度引起的地表温度不确定度ubt:
通过公式(7)中Ts对ε31和ε32进行求导,计算地表发射率不确定度引起的地表温度不确定度uems:
将使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度与使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度的均方根误差表示大气水汽含量不确定度引起的地表温度不确定度uwv:
式中,E[]代表求算术平均值,Ts,cor为使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度,Ts,incor为使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度。
步骤3:地面测量的地表温度的不确定度估算
基于斯蒂芬-玻尔兹曼定律,通过大气上行长波辐射和大气下行长波辐射计算地面测量的地表温度:
式中,Tg为地面测量的地表温度,σ为斯蒂芬-玻尔兹曼常数(5.67×10-8W/m2/K4),Rup和Rdw分别为大气上行长波辐射和大气下行长波辐射。
地面测量的地表温度的不确定度来源包括大气上行长波辐射的不确定度、大气下行长波辐射的不确定度、地表宽波段发射率的不确定度。根据不确定度传播定律,地面测量的地表温度的不确定度表示为:
式中,uground为地面测量的地表温度的不确定度,uup和udw分别为大气上行长波辐射不确定度和大气下行长波辐射不确定度引起的地表温度不确定度,ubb为地表宽波段发射率不确定度引起的地表温度不确定度。
通过公式(13)中Tg对Rup进行求导,计算大气上行长波辐射不确定度引起的地表温度不确定度uup:
通过公式(13)中Tg对Rdw进行求导,计算大气下行长波辐射不确定度引起的地表温度不确定度udw:
通过公式(13)中Tg对εb进行求导,计算地表宽波段发射率不确定度引起的地表温度不确定度ubb:
步骤4:考虑不确定度的地表温度反演精度评估
利用地面测量的地表温度评估地表温度遥感反演精度的不确定度来源,不仅包括遥感反演的地表温度的不确定度和地面测量的地表温度的不确定度,而且包括遥感反演的地表温度与地面测量的地表温度在时间和空间上匹配引起的地表温度不确定度。根据不确定度传播定律,地表温度遥感反演精度评估的总不确定度表示为:
式中,utotal为地表温度遥感反演精度评估的总不确定度,usat为遥感反演的地表温度的不确定度,uground为地面测量的地表温度的不确定度,uspace为遥感反演的地表温度与地面测量的地表温度在空间上匹配引起的地表温度不确定度,utime为遥感反演的地表温度与地面测量的地表温度在时间上匹配引起的地表温度不确定度。
以遥感反演的地表温度与地面测量的地表温度在空间上匹配的卫星像元为中心,通过其5×5窗口内遥感反演的地表温度的标准差计算uspace;以遥感反演的地表温度与地面测量的地表温度在时间上匹配的地面测量时间为中心,通过其前后3分钟内地面测量的地表温度的标准差计算utime。
利用地面测量的地表温度评估地表温度遥感反演精度时,一组遥感反演的地表温度与地面测量的地表温度构成一组匹配数据对,所有的匹配数据对构成整个数据集。地表温度遥感反演精度取决于遥感反演的地表温度(Ts)与地面测量的地表温度(Tg)之间的差异ΔT(ΔT=Ts-Tg)。假设每组匹配数据对之间相互独立,第k组匹配数据对的差值ΔTk(ΔTk=Tsk-Tgk)的权重wk表示为:
式中,N代表整个数据集中有N组匹配数据对。
ΔT的加权平均值ΔTwm表示为:
ΔTwm的不确定度表示为:
考虑到不确定度较大的匹配数据对可能会影响地表温度遥感反演精度,因此需要通过一致性检验和离群值测试将不确定度较大的匹配数据对剔除。
在0.05的置信水平下,利用公式(23)进行卡方检验来判断一致性检验是否失败:
Pr{χ2(v)>χobs 2}<0.05 (23)
ΔTk与其加权平均数ΔTwm的差值dk表示为:
dk=ΔTk-ΔTwm (24)
dk的不确定度udk表示为:
利用dk和udk进行离群值测试:
如果满足公式(26),则认为第k组匹配数据对相较于整个数据集的差异较大,属于偏离值。
在数据集进行了一致性检验以及对数据集中所有组的匹配数据对都进行了离群值测试后,当一致性检验成功且每组匹配数据对都不属于偏离值时,此时的数据集认为是符合条件的最大一致数据集;当一致性检验失败或某组匹配数据对属于偏离值时,则需要剔除偏离值,直到数据集通过一致性检验以及数据集中所有组的匹配数据对都通过离群值测试,此时的数据集为最终的最大一致数据集。
基于最大一致数据集中每组匹配数据对的权重,地表温度反演精度的评价指标Bias、STD和RMSE的新表达式表示为:
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (1)
1.一种考虑不确定度的地表温度反演精度评估方法,其特征在于,包括以下步骤:
步骤1:数据获取与预处理
下载MODIS卫星数据产品,包括MYD11_L2、MYD05_L2、MYD021KM产品;其中,MYD11_L2产品用于获取地表发射率和观测天顶角,MYD05_L2用于获取大气水汽总量,MYD021KM用于获取星上亮温;数据预处理过程包括:
(1)利用MODIS地理定位产品MYD03和MODIS重投影工具MRTSwath将MODIS数据产品转换为具有地理坐标的TIFF格式数据;
(2)将MYD11_L2产品中地表发射率和观测天顶角的计数值分别转换为地表发射率和观测天顶角:
VZA=0.5×DNVZA (1)
ε31=0.002×DNε31+0.49 (2)
ε32=0.002×DNε32+0.49 (3)
式中,DNVZA为观测天顶角的计数值,DNε31和DNε32分别为MODIS第31和32通道地表发射率的计数值,VZA为观测天顶角,ε31和ε32分别为MODIS第31和32通道的地表发射率;
(3)将MYD05_L2产品中大气水汽总量的计数值转换为大气水汽含量:
TCW=0.0010000000474974513×DNTCW (4)
式中,DNTCW为大气水汽含量的计数值,TCW为大气水汽含量;
(4)将MYD021KM产品中星上亮温的计数值转换为星上亮温:
T31=1304.413871/ln(1+729.541636/DNT31) (5)
T32=1196.978785/ln(1+474.684780/DNT32) (6)
式中,T31和T32分别为MODIS第31和32通道的星上亮温,DNT31和DNT32分别为MODIS第31和32通道星上亮温的计数值;
步骤2:遥感反演的地表温度的不确定度估算
利用分裂窗算法反演地表温度:
式中,Ts为遥感反演的地表温度,T31和T32分别为MODIS第31和32通道的星上亮温,ε为MODIS第31和32通道地表发射率的均值,即ε=(ε31+ε32)/2,Δε为MODIS第31和32通道地表发射率的差值,即Δε=ε31-ε32,A0、A1、A2、A3、A4、A5和A6为分裂窗算法系数;
为了提高地表温度的反演精度,利用观测天顶角、大气水汽含量、地表温度作为索引,将基于辐射传输模型构建的模拟数据集划分成不同的模拟数据子集,通过最小二乘法拟合确定每组模拟数据子集的分裂窗算法系数A0、A1、A2、A3、A4、A5和A6;其中观测天顶角划分6个值:0°、33.56°、44.42°、51.32°、56.25°、60°;大气水汽含量划分6个子区间:0-1.5g/cm2、1-2.5g/cm2、2-3.5g/cm2、3-4.5g/cm2、4-5.5g/cm2、5-6.5g/cm2;地表温度划分5个子区间:<280K、275-295K、290-310K、305-325K、>320K;
基于分裂窗算法系数,结合获取的MODIS第31和32通道的地表发射率、第31和32通道的星上亮温、观测天顶角、大气水汽含量,通过分裂窗算法反演地表温度;
遥感反演的地表温度的不确定度来源包括分裂窗算法本身的不确定度和算法输入参数的不确定度;分裂窗算法的输入参数包括星上亮温、地表发射率、大气水汽含量,其对应的不确定度分别为星上亮温不确定度、地表发射率不确定度、大气水汽含量不确定度;根据不确定度传播定律,遥感反演的地表温度的不确定度表示为:
式中,usat为遥感反演的地表温度的不确定度,ualg为分裂窗算法本身不确定度引起的地表温度不确定度,ubt为星上亮温不确定度引起的地表温度不确定度,uems为地表发射率不确定度引起的地表温度不确定度,uwv为大气水汽含量不确定度引起的地表温度不确定度;
利用分裂窗算法反演的地表温度和模拟数据中的真实地表温度的均方根误差表示分裂窗算法本身不确定度引起的地表温度不确定度ualg:
式中,E[]代表求算术平均值,Ts,ret为分裂窗算法反演的地表温度,Ts,act为模拟数据中的真实地表温度;
通过公式(7)中Ts对T31和T32进行求导,计算星上亮温不确定度引起的地表温度不确定度ubt:
通过公式(7)中Ts对ε31和ε32进行求导,计算地表发射率不确定度引起的地表温度不确定度uems:
将使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度与使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度的均方根误差表示大气水汽含量不确定度引起的地表温度不确定度uwv:
式中,E[]代表求算术平均值,Ts,cor为使用正确的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度,Ts,incor为使用错误的大气水汽含量子区间对应的分裂窗算法系数反演的地表温度;
步骤3:地面测量的地表温度的不确定度估算
基于斯蒂芬-玻尔兹曼定律,通过大气上行长波辐射和大气下行长波辐射计算地面测量的地表温度:
式中,Tg为地面测量的地表温度,σ为斯蒂芬-玻尔兹曼常数(5.67×10-8W/m2/K4),Rup和Rdw分别为大气上行长波辐射和大气下行长波辐射;
地面测量的地表温度的不确定度来源包括大气上行长波辐射的不确定度、大气下行长波辐射的不确定度、地表宽波段发射率的不确定度;根据不确定度传播定律,地面测量的地表温度的不确定度表示为:
式中,uground为地面测量的地表温度的不确定度,uup和udw分别为大气上行长波辐射不确定度和大气下行长波辐射不确定度引起的地表温度不确定度,ubb为地表宽波段发射率不确定度引起的地表温度不确定度;
通过公式(13)中Tg对Rup进行求导,计算大气上行长波辐射不确定度引起的地表温度不确定度uup:
通过公式(13)中Tg对Rdw进行求导,计算大气下行长波辐射不确定度引起的地表温度不确定度udw:
通过公式(13)中Tg对εb进行求导,计算地表宽波段发射率不确定度引起的地表温度不确定度ubb:
步骤4:考虑不确定度的地表温度反演精度评估
利用地面测量的地表温度评估地表温度遥感反演精度的不确定度来源,不仅包括遥感反演的地表温度的不确定度和地面测量的地表温度的不确定度,而且包括遥感反演的地表温度与地面测量的地表温度在时间和空间上匹配引起的地表温度不确定度;根据不确定度传播定律,地表温度遥感反演精度评估的总不确定度表示为:
式中,utotal为地表温度遥感反演精度评估的总不确定度,usat为遥感反演的地表温度的不确定度,uground为地面测量的地表温度的不确定度,uspace为遥感反演的地表温度与地面测量的地表温度在空间上匹配引起的地表温度不确定度,utime为遥感反演的地表温度与地面测量的地表温度在时间上匹配引起的地表温度不确定度;
利用地面测量的地表温度评估地表温度遥感反演精度时,一组遥感反演的地表温度与地面测量的地表温度构成一组匹配数据对,所有的匹配数据对构成整个数据集;地表温度遥感反演精度取决于遥感反演的地表温度(Ts)与地面测量的地表温度(Tg)之间的差异ΔT(ΔT=Ts-Tg);假设每组匹配数据对之间相互独立,第k组匹配数据对的差值ΔTk(ΔTk=Tsk-Tgk)的权重wk表示为:
式中,N代表整个数据集中有N组匹配数据对;
ΔT的加权平均值ΔTwm表示为:
ΔTwm的不确定度表示为:
考虑到不确定度较大的匹配数据对会影响地表温度遥感反演精度,通过一致性检验和离群值测试将不确定度较大的匹配数据对剔除;
在0.05的置信水平下,利用公式(23)进行卡方检验来判断一致性检验是否失败:
Pr{χ2(v)>χobs 2}<0.05 (23)
ΔTk与其加权平均数ΔTwm的差值dk表示为:
dk=ΔTk-ΔTwm (24)
dk的不确定度udk表示为:
利用dk和udk进行离群值测试:
如果满足公式(26),则认为第k组匹配数据对相较于整个数据集的差异较大,属于偏离值;
在数据集进行了一致性检验以及对数据集中所有组的匹配数据对都进行了离群值测试后,当一致性检验成功且每组匹配数据对都不属于偏离值时,此时的数据集认为是符合条件的最大一致数据集;当一致性检验失败或某组匹配数据对属于偏离值时,则需要剔除偏离值,直到数据集通过一致性检验以及数据集中所有组的匹配数据对都通过离群值测试,此时的数据集为最终的最大一致数据集;
基于最大一致数据集中每组匹配数据对的权重,地表温度反演精度的评价指标Bias、STD和RMSE的新表达式表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632505.0A CN115859663B (zh) | 2022-12-19 | 2022-12-19 | 一种考虑不确定度的地表温度反演精度评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211632505.0A CN115859663B (zh) | 2022-12-19 | 2022-12-19 | 一种考虑不确定度的地表温度反演精度评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115859663A CN115859663A (zh) | 2023-03-28 |
CN115859663B true CN115859663B (zh) | 2023-06-30 |
Family
ID=85674070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211632505.0A Active CN115859663B (zh) | 2022-12-19 | 2022-12-19 | 一种考虑不确定度的地表温度反演精度评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115859663B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117574046B (zh) * | 2024-01-17 | 2024-05-14 | 中国科学院空天信息创新研究院 | 遥感反演地表温度的精度验证方法 |
Citations (4)
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 |
CN103954973A (zh) * | 2014-04-12 | 2014-07-30 | 中国农业科学院农业资源与农业区划研究所 | 一个从viirs数据反演地表温度的方法 |
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 |
CN114544003A (zh) * | 2022-02-24 | 2022-05-27 | 中国农业科学院农业资源与农业区划研究所 | 一种地表温度遥感产品不确定度的逐像元估算方法 |
-
2022
- 2022-12-19 CN CN202211632505.0A patent/CN115859663B/zh active Active
Patent Citations (4)
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 |
CN103954973A (zh) * | 2014-04-12 | 2014-07-30 | 中国农业科学院农业资源与农业区划研究所 | 一个从viirs数据反演地表温度的方法 |
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 |
CN114544003A (zh) * | 2022-02-24 | 2022-05-27 | 中国农业科学院农业资源与农业区划研究所 | 一种地表温度遥感产品不确定度的逐像元估算方法 |
Non-Patent Citations (2)
Title |
---|
MODIS影像中云覆盖像元地表温度估算研究;刘梅;《中国优秀硕士学位论文》;全文 * |
农业旱灾监测中的地表温度遥感反演方法—以MODIS数据为例;覃志豪 等;《自然灾害学报》;第第14卷卷(第第4期期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115859663A (zh) | 2023-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ciesielski et al. | Quality-controlled upper-air sounding dataset for DYNAMO/CINDY/AMIE: Development and corrections | |
CN109580003B (zh) | 一种静止气象卫星热红外数据估算近地面大气温度方法 | |
CN106569186B (zh) | 一种星载微波辐射计的偏差校正方法 | |
CN115859663B (zh) | 一种考虑不确定度的地表温度反演精度评估方法 | |
EP1685431B1 (en) | Correction of humidity measurement results of a radiosonde | |
CN111737912B (zh) | 一种基于深度神经网络的mwhts模拟亮温计算方法 | |
CN105930664B (zh) | 一种从被动微波数据估算瞬时地表发射率的方法 | |
CN104181511A (zh) | 一种地基微波辐射计定标方法 | |
CN114544003B (zh) | 一种地表温度遥感产品不确定度的逐像元估算方法 | |
Lu | Initial evaluation and assimilation of FY-3A atmospheric sounding data in the ECMWF System. | |
CN104820250A (zh) | 一种极轨气象卫星virr海洋上云检测的处理方法 | |
CN105204024A (zh) | 微波遥感表面温度向热红外遥感肤面温度转换的方法 | |
CN110793649B (zh) | 一种使用后向散射截面校正粗糙海面亮温的方法 | |
CN113484917A (zh) | 一种微波辐射计自动化定标的方法 | |
CN114880933A (zh) | 一种基于再分析资料的无探空站点地基微波辐射计大气温湿廓线反演方法及系统 | |
CN111982299B (zh) | 一种星载微波辐射计数据质量动态评分方法及系统 | |
CN113534194A (zh) | 联合gnss与测风激光雷达的对流层温湿廓线反演方法 | |
Zhigang et al. | Retrieving atmospheric temperature profiles from AMSU-A data with neural networks | |
CN111982307A (zh) | 星载微波辐射计在轨观测亮温不确定度的测试装置及方法 | |
CN116465502A (zh) | 一种地面站点辐射测温的大气校正方法 | |
CN109063684B (zh) | 一种近地表气温遥感监测方法 | |
CN115855272A (zh) | 一种生成近实时逐小时全天候地表温度的方法 | |
CN212658826U (zh) | 一种基于导航卫星系统的水汽观测系统 | |
Lukashevich et al. | LST quality evaluation service for heterogeneous Earth observation data | |
CN117574046B (zh) | 遥感反演地表温度的精度验证方法 |
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 |