CN116358709B - 一种基于被动微波多波段温度模型的地表温度反演方法 - Google Patents
一种基于被动微波多波段温度模型的地表温度反演方法 Download PDFInfo
- Publication number
- CN116358709B CN116358709B CN202310646722.3A CN202310646722A CN116358709B CN 116358709 B CN116358709 B CN 116358709B CN 202310646722 A CN202310646722 A CN 202310646722A CN 116358709 B CN116358709 B CN 116358709B
- Authority
- CN
- China
- Prior art keywords
- temperature
- coefficient
- historical
- multiband
- temperature data
- 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 55
- 230000010287 polarization Effects 0.000 claims abstract description 91
- 230000009467 reduction Effects 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 11
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000005211 surface analysis Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- NEBFIUZIGRTIFY-BJDJZHNGSA-N Ala-Met-Ser-Arg Chemical compound CSCC[C@H](NC(=O)[C@H](C)N)C(=O)N[C@@H](CO)C(=O)N[C@H](C(O)=O)CCCNC(N)=N NEBFIUZIGRTIFY-BJDJZHNGSA-N 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 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
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供一种基于被动微波多波段温度模型的地表温度反演方法，涉及空间信息技术领域，该方法包括：获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；输入当前垂直极化亮温数据至被动微波多波段温度模型，获取被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；时刻包括升轨时刻或降轨时刻。本发明不需要用到除传感器本身提供的多波段亮温数据以外的任何其他辅助数据，能够适用于全区域的地表温度反演，满足地表温度的应用需求。
Description
技术领域
本发明涉及空间信息技术领域，尤其涉及一种基于被动微波多波段温度模型的地表温度反演方法。
背景技术
相关技术中的温度反演模型多利用单个Ka波段（通常为36.5GHz）的亮温数据建立与实测地表温度之间的线性拟合关系，然而这些方法仅适用于进行过模型标定的特定区域，使其具备区域依赖性和相对局限性，无法在普适范围区域内使用。
发明内容
本发明提供一种基于被动微波多波段温度模型的地表温度反演方法，用以解决现有地表温度反演在普适范围内不够精确的技术问题，提供了一种基于被动微波多波段温度模型的地表温度反演方法的技术方案。
第一方面，本发明提供了一种基于被动微波多波段温度模型的地表温度反演方法，包括：
获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；
输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；
所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；
所述时刻包括升轨时刻或降轨时刻。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，在输入所述当前垂直极化亮温数据至被动微波多波段温度模型之前，所述方法还包括：
对于每一卫星格网，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块；
遍历所有卫星格网，根据所有卫星格网的被动微波多波段温度反演子模块构建所述被动微波多波段温度模型。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块，包括：
根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块；
根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块；
根据所述被动微波多波段温度反演升轨子模块以及所述被动微波多波段温度反演降轨子模块确定所述卫星格网的被动微波多波段温度反演子模块。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述目标波段包括10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块，包括：
根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第一系数、第二系数、第三系数、第四系数、第五系数以及第六系数，并拟合出所有单次项所对应的第七系数、第八系数、第九系数以及第十系数，并拟合出所有平方项所对应的第十一系数、第十二系数、第十三系数以及第十四系数，拟合出常数项所对应的第十五系数；
根据所述第一系数、第二系数、第三系数、第四系数、第五系数、第六系数、第七系数、第八系数、第九系数、第十系数、第十一系数、第十二系数、第十三系数、第十四系数以及第十五系数确定所述卫星格网的被动微波多波段温度反演升轨子模块。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述历史升轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据地球观测系统模型GEOS-5 FP模拟温度值获取的。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块，包括：
根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第十六系数、第十七系数、第十八系数、第十九系数、第二十系数以及第二十一系数，并拟合出所有单次项所对应的第二十二系数、第二十三系数、第二十四系数以及第二十五系数，并拟合出所有平方项所对应的第二十六系数、第二十七系数、第二十八系数以及第二十九系数，拟合出常数项所对应的第三十系数；
根据所述第十六系数、第十七系数、第十八系数、第十九系数、第二十系数、第二十一系数、第二十二系数、第二十三系数、第二十四系数、第二十五系数、第二十六系数、第二十七系数、第二十八系数、第二十九系数以及第三十系数确定所述卫星格网的被动微波多波段温度反演降轨子模块。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述历史降轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据陆面再分析数据集ERA5-Land模拟温度值获取的。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，所述交叉相乘项包括10.7GHz对应波段的亮温数据与18.7GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项，以及23.8GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项；
所述单次项包括10.7GHz对应波段的亮温数据单次项、18.7GHz对应波段的亮温数据单次项、23.8GHz对应波段的亮温数据单次项以及36.5GHz对应波段的亮温数据单次项；
所述平方项包括10.7GHz对应波段的亮温数据平方项、18.7GHz对应波段的亮温数据平方项、23.8GHz对应波段的亮温数据平方项以及36.5GHz对应波段的亮温数据平方项。
根据本发明提供的基于被动微波多波段温度模型的地表温度反演方法，在根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块之前，所述方法还包括：
在第一相关性程度大于第二相关性程度的情况下，确定所述目标波段；
所述第一相关性程度是根据历史垂直极化亮温数据与历史地表温度进行相关性分析确定的；
所述第二相关性程度是根据历史水平极化亮温数据与历史地表温度进行相关性分析确定的。
第二方面，本发明提供了一种基于被动微波多波段温度模型的地表温度反演装置，包括：
第一获取单元，所述第一获取单元用于获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；
第二获取单元，所述第二获取单元用于输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；
所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；
所述时刻包括升轨时刻或降轨时刻。
第三方面，本发明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基于被动微波多波段温度模型的地表温度反演方法。
第四方面，本发明还提供一种非暂态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基于被动微波多波段温度模型的地表温度反演方法。
本发明提供了一种基于被动微波多波段温度模型的地表温度反演方法，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定被动微波多波段温度模型，区分当前时刻为升轨时刻还是降轨时刻，获取所有目标波段中每一卫星格网内的当前垂直极化亮温数据，并将其输入至被动微波多波段温度模型，获取当前时刻下每一卫星格网对应的当前地表温度。本发明不需要用到除传感器本身提供的多波段亮温数据以外的任何其他辅助数据，计算效率高，解决了仅利用单波段亮温数据存在局限性和以往温度模型存在区域依赖性的技术难题，能够适用于全区域的地表温度反演，满足地表温度的应用需求。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之一；
图2是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之二；
图3是本发明提供的确定被动微波多波段温度反演子模块的流程示意图；
图4是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之三；
图5是本发明提供的基于被动微波多波段温度模型的地表温度反演装置的结构示意图；
图6是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
地表温度参数不仅能用于气候与水文模型，而且长时序地表温度数据集能被用于全球环境变化研究。与可见光-近红外遥感、热红外遥感相比，微波遥感不受天气和太阳光照的限制，具备全天时、全天候、大区域监测地表温度的能力。以往的温度反演模型多利用单个Ka波段（36.5 GHz）亮温数据建立与实测地表温度之间的线性拟合关系，这些方法仅在特定区域进行了模型标定，由于全球的实测站点温度数据数量有限，若采用实测温度数据建立温度反演模型会使得模型具有区域依赖性，在全范围内的应用将受到限制。为了突破仅利用单波段亮温数据所存在局限性，以及以往温度模型所存在区域依赖性的技术障碍，本发明提供了一种普适性的被动微波多波段温度反演新模型，并提供了一种基于被动微波多波段温度模型的地表温度反演方法，图1是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之一，所述基于被动微波多波段温度模型的地表温度反演方法，包括：
步骤101、获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；
步骤102、输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；
所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；
所述时刻包括升轨时刻或降轨时刻。
在步骤101中，所述时刻包括升轨时刻或降轨时刻，本发明为了使地表温度反演结果更为精确，将在升轨时刻以及在降轨时刻所采集到的不同的历史地表温度作为相关参数，参与到所述被动微波多波段温度模型的构建，从而获取在升轨时刻所需要用到的被动微波多波段温度模型，以及在降轨时刻所需要用到的被动微波多波段温度模型，以使得针对性的根据不同的时刻，采用不同的被动微波多波段温度模型确定当前地表温度。
可选地，所述当前时刻可以为升轨时刻，也可以为降轨时刻，所述目标波段是经过历史垂直极化亮温数据与历史地表温度的相关性分析后，确定出的最适合用于构建被动微波多波段温度模型的相关频率所对应的波段。对于每一卫星格网，将获取到其相对应卫星格网内的每一目标波段的当前垂直极化亮温数据。
在步骤102中，本发明首先根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合，确定出不同时刻下，不同卫星格网中的每一被动微波多波段温度反演子模型，然而根据所有的被动微波多波段温度反演子模型确定所述被动微波多波段温度模型，以使得在输入所述当前垂直极化亮温数据至被动微波多波段温度模型后，将针对不同时刻以及不同卫星格网，选择其相对应的被动微波多波段温度反演子模型，获取当前时刻下每一卫星格网对应的当前地表温度。
可选地，在根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块之前，所述方法还包括：
在第一相关性程度大于第二相关性程度的情况下，确定所述目标波段；
所述第一相关性程度是根据历史垂直极化亮温数据与历史地表温度进行相关性分析确定的；
所述第二相关性程度是根据历史水平极化亮温数据与历史地表温度进行相关性分析确定的。
可选地，在建立被动微波多波段温度反演子模块之前，本发明根据历史垂直极化亮温数据与历史地表温度进行相关性分析确定所述第一相关性程度，根据历史水平极化亮温数据与历史地表温度进行相关性分析确定所述第二相关性程度，比较所述第一相关性程度与所述第二相关性程度的大小，确定第一相关性程度大于第二相关性程度，即表明垂直极化下亮温数据与模型温度的相关性要高于水平极化下的相关性，在确定采用历史垂直极化亮温数据作为所述被动微波多波段温度反演子模块的构建参数后，确定所述目标波段。
本发明提供了一种基于被动微波多波段温度模型的地表温度反演方法，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定被动微波多波段温度模型，区分当前时刻为升轨时刻还是降轨时刻，获取所有目标波段中每一卫星格网内的当前垂直极化亮温数据，并将其输入至被动微波多波段温度模型，获取当前时刻下每一卫星格网对应的当前地表温度。本发明不需要用到除传感器本身提供的多波段亮温数据以外的任何其他辅助数据，计算效率高，解决了仅利用单波段亮温数据存在局限性和以往温度模型存在区域依赖性的技术难题，能够适用于全区域的地表温度反演，满足地表温度的应用需求。
图2是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之二，在输入所述当前垂直极化亮温数据至被动微波多波段温度模型之前，所述方法还包括：
步骤201、对于每一卫星格网，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块；
步骤202、遍历所有卫星格网，根据所有卫星格网的被动微波多波段温度反演子模块构建所述被动微波多波段温度模型。
在步骤201中，本发明为了使地表温度反演的结果更为精确，将针对不同的卫星格网，即针对不同的陆面区域，采用其相对应的历史垂直极化亮温数据与历史地表温度进行非线性拟合，从而确定出所述卫星格网的被动微波多波段温度反演子模块的模型参数。
在步骤202中，对于每一卫星格网，均执行步骤201，进而获取所有卫星格网相对应的每一被动微波多波段温度反演子模块，再根据所有被动微波多波段温度反演子模块构建所述被动微波多波段温度模型。
图3是本发明提供的确定被动微波多波段温度反演子模块的流程示意图，所述根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块，包括：
步骤301、根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块；
步骤302、根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块；
步骤303、根据所述被动微波多波段温度反演升轨子模块以及所述被动微波多波段温度反演降轨子模块确定所述卫星格网的被动微波多波段温度反演子模块。
可选地，为了更好的在本申请中描述如何实现历史垂直极化亮温数据与历史地表温度的非线性拟合，本发明提供了一种在所述目标波段为四个的情况下，所述被动微波多波段温度反演升轨子模块以及所述被动微波多波段温度反演降轨子模块的确定过程，具体地，所述目标波段包括10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段。
可选地，相比其他通道的亮温数据，89GHz的亮温与模型温度的相关性最低，且89GHz亮温更易受到天气（如云雨）的影响，19GHz以及22GHz的微波观测对植被及水汽更为敏感，10.7GHz微波观测对土壤湿度更为敏感，经过对不同波段下垂直极化亮温数据与地面温度之间的影响性测试，确定将10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段极化亮温数据作为模型构建参数，参与到被动微波多波段温度反演降轨模块的构建。
在步骤301中，本发明将根据历史升轨时刻下所对应的，所有目标波段中每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合，从而确定所述卫星格网的被动微波多波段温度反演升轨子模块。
可选地，所述根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块，包括：
根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第一系数、第二系数、第三系数、第四系数、第五系数以及第六系数，并拟合出所有单次项所对应的第七系数、第八系数、第九系数以及第十系数，并拟合出所有平方项所对应的第十一系数、第十二系数、第十三系数以及第十四系数，拟合出常数项所对应的第十五系数；
根据所述第一系数、第二系数、第三系数、第四系数、第五系数、第六系数、第七系数、第八系数、第九系数、第十系数、第十一系数、第十二系数、第十三系数、第十四系数以及第十五系数确定所述卫星格网的被动微波多波段温度反演升轨子模块。
可选地，所述历史升轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据地球观测系统模型GEOS-5 FP模拟温度值获取的，本发明能够实现在全球尺度上逐格网建立多波段温度反演模型，参与模型构建的输入数据包括历史升轨时刻所对应的10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段极化的亮温数据和根据地球观测系统模型GEOS-5 FP获取的历史地表温度，采用通用全局优化算法（Universal Global Optimization，UGO）建立亮温数据与地表温度数据之间最优的非线性拟合关系，该模型的公式如下所示：
式（1）中，代表地球观测系统模型GEOS-5 FP模拟获取的历史地表温度；/>代表10.7GHz对应波段的垂直极化亮温数据；/>代表18.7GHz对应波段的垂直极化亮温数据；23.8代表23.8GHz对应波段的垂直极化亮温数据；/>代表36.5GHz对应波段的垂直极化亮温数据；/>代表第一系数；/>代表第二系数；/>代表第三系数；/>代表第四系数；/>代表第五系数；/>代表第六系数；/>代表第七系数；/>代表第八系数；/>代表第九系数；/>代表第十系数；/>代表第十一系数；/>代表第十二系数；/>代表第十三系数；/>代表第十四系数；/>代表第十五系数。
可选地，所述根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块，包括：
根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第十六系数、第十七系数、第十八系数、第十九系数、第二十系数以及第二十一系数，并拟合出所有单次项所对应的第二十二系数、第二十三系数、第二十四系数以及第二十五系数，并拟合出所有平方项所对应的第二十六系数、第二十七系数、第二十八系数以及第二十九系数，拟合出常数项所对应的第三十系数；
根据所述第十六系数、第十七系数、第十八系数、第十九系数、第二十系数、第二十一系数、第二十二系数、第二十三系数、第二十四系数、第二十五系数、第二十六系数、第二十七系数、第二十八系数、第二十九系数以及第三十系数确定所述卫星格网的被动微波多波段温度反演降轨子模块。
可选地，所述交叉相乘项包括10.7GHz对应波段的亮温数据与18.7GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项，以及23.8GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项；
所述单次项包括10.7GHz对应波段的亮温数据单次项、18.7GHz对应波段的亮温数据单次项、23.8GHz对应波段的亮温数据单次项以及36.5GHz对应波段的亮温数据单次项；
所述平方项包括10.7GHz对应波段的亮温数据平方项、18.7GHz对应波段的亮温数据平方项、23.8GHz对应波段的亮温数据平方项以及36.5GHz对应波段的亮温数据平方项。
可选地，所述历史降轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据陆面再分析数据集ERA5-Land模拟温度值获取的，经过之前对于多个模型温度产品的验证，在升轨时刻（~2:00 P.M.）时，所述地球观测系统模型GEOS-5 FP模拟的地表温度精度最高；而在降轨时刻（~2:00 A.M.）时，陆面再分析数据集ERA5-Land模拟的地表温度精度最高，因此本发明在升轨时刻采用GEOS-5 FP模拟的温度数据，而在降轨时刻采用ERA5-Land模拟的温度数据来建立多波段温度反演模型。
可选地，采用通用全局优化算法（Universal Global Optimization，UGO）建立亮温数据与地表温度数据之间最优的非线性拟合关系，该模型的公式如下所示：
式（2）中，代表陆面再分析数据集ERA5-Land模拟获取的历史地表温度；/>代表10.7GHz对应波段的垂直极化亮温数据；/>代表18.7GHz对应波段的垂直极化亮温数据；23.8代表23.8GHz对应波段的垂直极化亮温数据；/>代表36.5GHz对应波段的垂直极化亮温数据；/>代表第十六系数；/>代表第十七系数；/>代表第十八系数；/>代表第十九系数；/>代表第二十系数；/>代表第二十一系数；/>代表第二十二系数；/>代表第二十三系数；/>代表第二十四系数；/>代表第二十五系数；/>代表第二十六系数；/>代表第二十七系数；/>代表第二十八系数；/>代表第二十九系数，/>代表第三十系数。
可选地，本发明利用相关卫星上搭载的微波辐射计传感器所提供多波段的微波亮温数据建立温度模型来反演地表温度。根据以往研究，18.7GHz以及23.8GHz的微波观测对植被及水汽更为敏感，10.7GHz微波观测对土壤湿度更为敏感，因此引入这三个频段的微波亮温信息结合36.5GHz亮温数据建立多波段温度反演模型。本发明所反演的地表温度精度较高，尤其根据不同时刻选择GEOS-5 FP或ERA5-Land的模型温度产品作为历史地表温度数据获取依据，为利用多波段被动微波亮温数据建立全球尺度普适性的温度模型提供了宝贵的参考数据，本发明将陆面再分析数据集ERA5-Land以及地球观测系统模型GEOS-5 FP的模拟温度值作为建立多波段温度模型的地表温度的输入参数，使得模型具备全球普适性。
本发明通过逐格网地建立了多波段温度反演模型，即针对于每一卫星格网，都有其特定的模型系数，本发明进而利用步骤101中所获取的多波段亮温数据和特定的模型系数，在全球尺度反演地表温度。
本发明克服了以往基于单个Ka波段与有限的站点实测数据建立的温度反演模型的区域依赖性问题，并结合了多波段亮温观测信息，通过逐格网建立模型的方式，提高了全球地表温度的反演精度。该模型建立完成后，不需要用到除传感器本身提供的多波段亮温数据以外的任何其他的辅助数据，计算效率高且具有明确的数学表达式，方便不同的用户使用，满足地表温度的应用需求，也可以为其他温度反演研究提供思路和参考，本发明可用于反演高精度的地表温度，因此在空间信息技术领域，尤其是定量遥感领域具有重要的应用价值。
图4是本发明提供的基于被动微波多波段温度模型的地表温度反演方法的流程示意图之三，本发明通过实测温度数据进行精度验证，通过模型温度数据以及亮温数据进行相关性分析，利用陆面再分析数据集ERA5-Land模拟温度值作为降轨时刻下的模型构建参数，利用地球观测系统模型GEOS-5 FP模拟温度值作为升轨时刻下的模型构建参数，并结合通用全局优化算法，确定多波段温度反演模型公式以及多波段温度反演模型系数，结合10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段垂直极化亮温数据逐格网的确定全球尺度地表温度，本发明利用覆盖全球不同地表类型的1240个站点实测数据对本发明建立的多波段温度模型反演的地表温度进行验证并与其他四种主流的被动微波温度反演模型（ESA CCI温度模型、de Jeu温度模型）及温度产品（AMSR2 LPRM温度产品、FY-3D温度产品）进行对比，选用的评价指标包括平均偏差Bias、均方根误差RMSE、无偏均方根误差ubRMSE及相关系数R。
验证结果如下：
表1为利用温度站点实测数据验证基于AMSR2亮温数据建立的多波段温度反演模型（MBTRM）及国际主流温度反演模型和温度产品的精度指标。
表1
表2为利用温度站点实测数据验证基于FY-3D亮温数据建立的多波段温度反演模型(MBTRM)及国际主流温度反演模型和温度产品的精度指标。
表2
本发明公开了一种普适性的被动微波多波段温度反演新模型，利用10.7GHz、18.7GHz、23.8GHz以及36.5 GHz的垂直极化微波亮温数据，通过提出的温度反演新模型在全球尺度上逐格网反演地表温度，被动微波多波段温度模型的建立主要基于多波段微波亮温数据对地表温度的强敏感性，采用通用全局优化算法分别在升轨时刻（~2:00 P.M.）和降轨时刻（~2:00 A.M.）逐格网得到多波段微波亮温数据，与陆面再分析数据集ERA5-Land模拟温度数据、地球观测系统模型GEOS-5 FP模拟温度数据进行最优非线性拟合，由此建立多波段温度反演模型。
本发明利用温度站点实测数据验证表明，相比于当前主流的被动微波温度反演模型（ESA CCI温度模型、de Jeu温度模型）及温度产品（AMSR2 LPRM温度产品、FY-3D温度产品），本发明显著提高了地表温度的反演精度，在全球范围内证明了该方法的普适性，能生成全球尺度高精度的温度数据集，本发明在微波遥感领域，尤其在微波遥感土壤温度领域具有重要的应用价值。
图5是本发明提供的基于被动微波多波段温度模型的地表温度反演装置的结构示意图，本发明提供了一种基于被动微波多波段温度模型的地表温度反演装置，包括第一获取单元1，所述第一获取单元用于获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据，所述第一获取单元1的工作原理可以参考前述步骤101，在此不予赘述。
所述基于被动微波多波段温度模型的地表温度反演装置还包括第二获取单元2，所述第二获取单元用于输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度，所述第二获取单元2的工作原理可以参考前述步骤102，在此不予赘述。
所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；
所述时刻包括升轨时刻或降轨时刻。
本发明提供了一种基于被动微波多波段温度模型的地表温度反演方法，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定被动微波多波段温度模型，区分当前时刻为升轨时刻还是降轨时刻，获取所有目标波段中每一卫星格网内的当前垂直极化亮温数据，并将其输入至被动微波多波段温度模型，获取当前时刻下每一卫星格网对应的当前地表温度。本发明不需要用到除传感器本身提供的多波段亮温数据以外的任何其他辅助数据，计算效率高，解决了仅利用单波段亮温数据存在局限性和以往温度模型存在区域依赖性的技术难题，能够适用于全区域的地表温度反演，满足地表温度的应用需求。
图6是本发明提供的电子设备的结构示意图。如图6所示，该电子设备可以包括：处理器（processor）610、通信接口（Communications Interface）620、存储器（memory）630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令，以执行基于被动微波多波段温度模型的地表温度反演方法，该方法包括：获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；所述时刻包括升轨时刻或降轨时刻。
此外，上述的存储器630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，本发明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）执行本发明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，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的一种基于被动微波多波段温度模型的地表温度反演方法，该方法包括：获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；所述时刻包括升轨时刻或降轨时刻。
又一方面，本发明还提供一种非暂态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方法提供的基于被动微波多波段温度模型的地表温度反演方法，该方法包括：获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；所述时刻包括升轨时刻或降轨时刻。
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发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于被动微波多波段温度模型的地表温度反演方法，其特征在于，包括：
获取当前时刻下所有目标波段中每一卫星格网内的当前垂直极化亮温数据；
输入所述当前垂直极化亮温数据至被动微波多波段温度模型，获取所述被动微波多波段温度模型输出的，当前时刻下每一卫星格网对应的当前地表温度；
所述被动微波多波段温度模型是根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合而确定的；
所述时刻包括升轨时刻或降轨时刻；
在输入所述当前垂直极化亮温数据至被动微波多波段温度模型之前，所述方法还包括：
对于每一卫星格网，根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块；
遍历所有卫星格网，根据所有卫星格网的被动微波多波段温度反演子模块构建所述被动微波多波段温度模型；
所述根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块，包括：
根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块；
根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块；
根据所述被动微波多波段温度反演升轨子模块以及所述被动微波多波段温度反演降轨子模块确定所述卫星格网的被动微波多波段温度反演子模块；
所述目标波段包括10.7GHz对应波段、18.7GHz对应波段、23.8GHz对应波段以及36.5GHz对应波段；
所述根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演升轨子模块，包括：
根据历史升轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第一系数、第二系数、第三系数、第四系数、第五系数以及第六系数，并拟合出所有单次项所对应的第七系数、第八系数、第九系数以及第十系数，并拟合出所有平方项所对应的第十一系数、第十二系数、第十三系数以及第十四系数，拟合出常数项所对应的第十五系数；
根据所述第一系数、第二系数、第三系数、第四系数、第五系数、第六系数、第七系数、第八系数、第九系数、第十系数、第十一系数、第十二系数、第十三系数、第十四系数以及第十五系数确定所述卫星格网的被动微波多波段温度反演升轨子模块。
2.根据权利要求1所述的基于被动微波多波段温度模型的地表温度反演方法，其特征在于，所述历史升轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据地球观测系统模型GEOS-5 FP模拟温度值获取的。
3.根据权利要求1所述的基于被动微波多波段温度模型的地表温度反演方法，其特征在于，所述根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演降轨子模块，包括：
根据历史降轨时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度，拟合出所有交叉相乘项所对应的第十六系数、第十七系数、第十八系数、第十九系数、第二十系数以及第二十一系数，并拟合出所有单次项所对应的第二十二系数、第二十三系数、第二十四系数以及第二十五系数，并拟合出所有平方项所对应的第二十六系数、第二十七系数、第二十八系数以及第二十九系数，拟合出常数项所对应的第三十系数；
根据所述第十六系数、第十七系数、第十八系数、第十九系数、第二十系数、第二十一系数、第二十二系数、第二十三系数、第二十四系数、第二十五系数、第二十六系数、第二十七系数、第二十八系数、第二十九系数以及第三十系数确定所述卫星格网的被动微波多波段温度反演降轨子模块。
4.根据权利要求3所述的基于被动微波多波段温度模型的地表温度反演方法，其特征在于，所述历史降轨时刻下所有目标波段中，每一卫星格网中的历史地表温度是根据陆面再分析数据集ERA5-Land模拟温度值获取的。
5.根据权利要求1-4中任一项所述的基于被动微波多波段温度模型的地表温度反演方法，其特征在于，
所述交叉相乘项包括10.7GHz对应波段的亮温数据与18.7GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、10.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与23.8GHz对应波段的亮温数据的相乘项、18.7GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项，以及23.8GHz对应波段的亮温数据与36.5GHz对应波段的亮温数据的相乘项；
所述单次项包括10.7GHz对应波段的亮温数据单次项、18.7GHz对应波段的亮温数据单次项、23.8GHz对应波段的亮温数据单次项以及36.5GHz对应波段的亮温数据单次项；
所述平方项包括10.7GHz对应波段的亮温数据平方项、18.7GHz对应波段的亮温数据平方项、23.8GHz对应波段的亮温数据平方项以及36.5GHz对应波段的亮温数据平方项。
6.根据权利要求1所述的基于被动微波多波段温度模型的地表温度反演方法，其特征在于，在根据历史时刻下所有目标波段中，每一卫星格网中的历史垂直极化亮温数据与历史地表温度进行非线性拟合确定所述卫星格网的被动微波多波段温度反演子模块之前，所述方法还包括：
在第一相关性程度大于第二相关性程度的情况下，确定所述目标波段；
所述第一相关性程度是根据历史垂直极化亮温数据与历史地表温度进行相关性分析确定的；
所述第二相关性程度是根据历史水平极化亮温数据与历史地表温度进行相关性分析确定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310646722.3A CN116358709B (zh) | 2023-06-02 | 2023-06-02 | 一种基于被动微波多波段温度模型的地表温度反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310646722.3A CN116358709B (zh) | 2023-06-02 | 2023-06-02 | 一种基于被动微波多波段温度模型的地表温度反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116358709A CN116358709A (zh) | 2023-06-30 |
| CN116358709B true CN116358709B (zh) | 2023-08-29 |
Family
ID=86905466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310646722.3A Active CN116358709B (zh) | 2023-06-02 | 2023-06-02 | 一种基于被动微波多波段温度模型的地表温度反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116358709B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
| CN113158570A (zh) * | 2021-04-26 | 2021-07-23 | 电子科技大学 | 一种融合多源卫星遥感的全天候地表温度近实时反演方法 |
| CN113255232A (zh) * | 2021-06-21 | 2021-08-13 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种海洋表面温度估算方法 |
| AU2021105233A4 (en) * | 2021-08-10 | 2021-10-07 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method of Retrieving Surface Temperature from Passive Microwave Remote Sensing Data AMSR E |
| CN114722350A (zh) * | 2022-04-14 | 2022-07-08 | 中国农业科学院农业资源与农业区划研究所 | 一种fy-3d被动微波数据云下地表温度反演与验证方法 |
| CN115270952A (zh) * | 2022-07-22 | 2022-11-01 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种时空无缝表达的地表温度重建方法、系统及装置 |
-
2023
- 2023-06-02 CN CN202310646722.3A patent/CN116358709B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738620A (zh) * | 2008-11-19 | 2010-06-16 | 中国农业科学院农业资源与农业区划研究所 | 从被动微波遥感数据amsr-e反演地表温度的方法 |
| CN113158570A (zh) * | 2021-04-26 | 2021-07-23 | 电子科技大学 | 一种融合多源卫星遥感的全天候地表温度近实时反演方法 |
| CN113255232A (zh) * | 2021-06-21 | 2021-08-13 | 国家卫星气象中心(国家空间天气监测预警中心) | 一种海洋表面温度估算方法 |
| AU2021105233A4 (en) * | 2021-08-10 | 2021-10-07 | Institute Of Agricultural Resources And Regional Planning, Chinese Academy Of Agricultural Sciences | Method of Retrieving Surface Temperature from Passive Microwave Remote Sensing Data AMSR E |
| CN114722350A (zh) * | 2022-04-14 | 2022-07-08 | 中国农业科学院农业资源与农业区划研究所 | 一种fy-3d被动微波数据云下地表温度反演与验证方法 |
| CN115270952A (zh) * | 2022-07-22 | 2022-11-01 | 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) | 一种时空无缝表达的地表温度重建方法、系统及装置 |
Non-Patent Citations (1)
| Title |
|---|
| FY-3C微波成像仪海面温度产品算法及精度检验;张淼等;《遥感学报》;第22卷(第5期);正文第1-3部分 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116358709A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Fan et al. | Evaluation and development of temperature-based empirical models for estimating daily global solar radiation in humid regions | |
| Hagemann et al. | Impact of a statistical bias correction on the projected hydrological changes obtained from three GCMs and two hydrology models | |
| WO2018145229A1 (zh) | 一种近地面气温的大面积精确反演方法 | |
| 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 | |
| CN110646587B (zh) | 结合多源遥感数据的高分辨率农业干旱监测方法及装置 | |
| Lin et al. | Deriving the spatiotemporal NPP pattern in terrestrial ecosystems of Mongolia using MODIS imagery | |
| CN111079835B (zh) | 一种基于深度全连接网络的Himawari-8大气气溶胶反演方法 | |
| CN102073039B (zh) | 热红外高光谱发射率模拟方法和系统 | |
| Lou et al. | An effective method for canopy chlorophyll content estimation of marsh vegetation based on multiscale remote sensing data | |
| Hu et al. | Detecting regional GPP variations with statistically downscaled solar-induced chlorophyll fluorescence (SIF) based on GOME-2 and MODIS data | |
| CN116358709B (zh) | 一种基于被动微波多波段温度模型的地表温度反演方法 | |
| Wan et al. | Accuracy Evaluation and Parameter Analysis of Land Surface Temperature Inversion Algorithm for Landsat‐8 Data | |
| CN111597692B (zh) | 一种地表净辐射估算方法、系统、电子设备和存储介质 | |
| CN114417728A (zh) | 基于温度和发射率及深度学习的近地表空气温度反演方法 | |
| CN116698691B (zh) | 大气细粒子aod反演方法、装置、电子设备及存储介质 | |
| Meenal et al. | Temperature based radiation models for the estimation of global solar radiation at horizontal surface in India | |
| CN103808413A (zh) | 基于噪声分离的温度与比辐射率分离的方法及装置 | |
| CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
| Qian et al. | An empirical model for estimating precipitable water vapor on the Tibetan Plateau | |
| CN114880883B (zh) | 山地地表土壤水分遥感估算方法、装置及电子设备 | |
| CN116796649A (zh) | 一种基于机器学习的spei粗分辨率数据空间降尺度方法及装置 | |
| CN114611699A (zh) | 土壤水分降尺度方法、装置、电子设备及存储介质 | |
| CN111914396B (zh) | 基于高分辨率dem数据的次网格地形三维地表太阳辐射强迫效应快速参数化方法 | |
| CN109444055A (zh) | 一种盐碱地土壤盐分含量的高光谱计算方法 | |
| CN105572677B (zh) | 利用短波辐射估算长波净辐射和下行辐射的方法和装置 |
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 |