CN117232659A - 一种基于无人机热红外遥感的地表温度反演方法 - Google Patents
一种基于无人机热红外遥感的地表温度反演方法 Download PDFInfo
- Publication number
- CN117232659A CN117232659A CN202311511982.6A CN202311511982A CN117232659A CN 117232659 A CN117232659 A CN 117232659A CN 202311511982 A CN202311511982 A CN 202311511982A CN 117232659 A CN117232659 A CN 117232659A
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- atmospheric
- radiation
- thermal infrared
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 105
- 230000005855 radiation Effects 0.000 claims abstract description 116
- 230000008569 process Effects 0.000 claims abstract description 41
- 210000001747 pupil Anatomy 0.000 claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 17
- 238000005316 response function Methods 0.000 claims abstract description 16
- 230000001174 ascending effect Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000002834 transmittance Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 14
- 230000005457 Black-body radiation Effects 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 241000132092 Aster Species 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 241000490229 Eucephalus Species 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 241000592183 Eidolon Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
本发明公开了一种基于无人机热红外遥感的地表温度反演方法，包括：通过无人机获取热红外遥感影像、多光谱遥感影像、无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，以及各个地面像控点的经纬度坐标信息；根据热像仪波谱响应函数计算中心有效波长，基于拼接和配准后的热红外正射影像将辐射温度转换为入瞳处辐射亮度；根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和大气下行辐射；采用地物类型混合像元法计算得到热红外像元的地表发射率；构建得到地表温度计算方程，反演得到地表温度。本发明能够基于无人机热红外遥感数据反演高精度地表温度，并为城市微热环境监测提供技术支撑。
Description
技术领域
本发明属于无人机遥感技术领域，具体涉及一种基于无人机热红外遥感的地表温度反演方法。
背景技术
地表温度是大气与地表之间物质与能量相互作用过程的重要参数之一，在城市热环境监测、高温热浪风险评估、区域地表蒸散发、旱灾监测、土壤湿度估算等多个领域发挥着重要作用。随着城市化进程的加速，水泥、沥青等不透水面替代了林地、草地等自然植被，土地覆盖变化和人为热排放改变了城市局地气候，导致了城市热岛等一系列环境问题，引起广泛关注。无人机热红外遥感影像具有空间分辨率高的优势，能够精细表征热环境空间格局，对城市微气候、人居环境、生态环境等研究具有重要意义。
地面观测只能获取点尺度的地表温度观测数据，无法获取地表温度空间差异的细节信息。卫星遥感凭借其大面积、长时间的连续观测优势，已经被广泛应用于地表温度反演研究。但是，星载热红外传感器的空间分辨率较低，一般为数十米到几百米，无法精细表征空间细节。并且，卫星传感器接收的信号受云和大气的影响较大，会造成数据缺失或误差，影响地表温度完整性和质量。相比于卫星遥感，无人机搭载的热像仪可以获取厘米级的热红外遥感影像，为高分辨率地表温度反演提供了数据支撑。已有一些学者开展了基于无人机热红外数据的地表温度反演研究。简单的方法直接根据热像仪厂商提供的方程将灰度值转换为辐射温度值，以辐射温度作为地表温度研究局地热环境。然而，直接转换得到的是无人机高度的表观辐射温度，没有考虑地表发射率以及大气的影响，与真实的地表温度存在较大差异。一些学者计算地物发射率对无人机热像仪获取的辐射温度进行修正，但仍然没有考虑大气对热红外辐射信号的影响。还有些研究以观测的近地表2m处的温湿度代替无人机传感器与地表之间的温湿度进行计算，消除大气影响。但是温度和湿度的垂直分布具有显著差异，直接以近地表温湿度代替无人机与地表之间温湿度会带来一定的误差。
近年来，也有一些学者考虑引入大气温湿度廓线数据对地表温度进行反演，例如，专利号为CN113447137B的发明中公开了一种面向无人机宽波段热像仪的地表温度反演方法。然而，第一，这类方法采用的仍然是传统的大气廓线获取方法，包括直接获取历史时期探空站数据（探空气球释放时间为7时15分和19时15分）或者在历史时期探空站数据基础上通过同化系统生成的再分析数据，探空时间和无人机飞行时间可能有很大出入，此外，探空站在全国布点极少，通常与研究区有较远距离，由于时间和空间的差异，这种方式获取的大气廓线与无人机飞行时刻大气廓线会有较大差异，给地表温度反演带来较大不确定性。第二，这类方法多是基于卫星热红外数据反演得到的地表温度，空间分辨率较低，无法精细表征空间细节；原因在于，基于无人机热红外数据进行地表温度反演过程中，忽视大气和地物发射率对地表温度反演的影响，或者使用近地表气象数据代替传感器与地表之间的气象数据，都会给无人机地表温度反演结果带来一定的误差；另外，由于WIRIS Pro Sc传感器的响应函数并非均一，斯特芬-波尔茨曼定律将整个热红外波段看作一个整体，因此直接采用斯特芬-波尔茨曼定律从辐射值计算温度会带来一定误差。
发明内容
解决的技术问题：本发明提供了一种基于无人机热红外遥感的地表温度反演方法，基于无人机热像仪数据，通过无人机搭载温湿度传感器同步获取的大气温湿度廓线数据去除大气影响得到真实的地面热辐射，并运用地物类型混合像元法计算地表发射率，最后计算得到高精度的地表温度；本发明能够基于无人机热红外遥感数据反演高精度地表温度，为城市微热环境监测提供技术支撑。
技术方案：
一种基于无人机热红外遥感的地表温度反演方法，所述地表温度反演方法包括以下步骤：
S1，通过无人机获取热红外遥感影像、多光谱遥感影像，通过机载温湿度观测系统获取无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，以及通过RTK高精度定位设备获取各个地面像控点的经纬度坐标信息；
S2，结合各个地面像控点的经纬度坐标信息和多光谱遥感影像，生成具有地理定位的多光谱正射遥感影像；以配准后的多光谱正射影像为基准影像，对拼接后的热红外正射影像进行几何配准；
S3，基于无人机热像仪的波谱响应函数，计算得到波段中心有效波长，结合中心有效波长和普朗克方程建立辐射温度与辐射亮度的转换方程，基于配准后的热红外正射影像将辐射温度转换为入瞳处辐射亮度；
S4，结合无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，获取大气温湿度廓线数据，根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和整层大气的下行辐射；
S5，基于无人机多光谱遥感影像，运用决策树监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图；采用地物类型混合像元法计算得到热红外像元的地表发射率，得到研究区地表发射率空间分布图；
S6，根据入瞳处辐射亮度L、大气上行辐射、大气下行辐射/>、大气透过率/>和热红外像元的地表发射率/>，采用下述公式计算得到地表温度/>的黑体辐射/>：
；
式中，B(Ts)为地表温度Ts对应的黑体辐射亮度，单位为；L为遥感传感器入瞳处辐射亮度，单位为/>；/>为无人机高度的大气透过率；/>为地表发射率；/>为无人机高度的大气上行热辐射，单位为/>；/>为整层大气下行热辐射，单位为/>；
将波段中心有效波长代入普朗克方程进行逆变换和化简，构建得到地表温度计算方程，计算出地表温度：
式中，Ts为地表温度，单位为K；B(Ts)为地表温度Ts的黑体辐射，单位为。
进一步地，步骤S1中，所述无人机上搭载有WIRIS Pro Sc热像仪、多光谱成像仪、机载大气温湿度观测系统和RTK高精度定位设备；
所述WIRIS Pro Sc热像仪通过DJI GS Pro地面站软件设定飞行区域、航线、高度、航向与旁向重叠参数以及成像时间间隔，在无人机飞行过程中对研究区域进行航拍成像，以获取研究区域的热红外遥感影像；
所述多光谱成像仪在无人机飞行过程中对研究区域进行航拍成像，以获取研究区域的多光谱遥感影像；
所述机载大气温湿度观测系统在无人机匀速垂直起降时，等时间间隔记录无人机上升和下降过程中不同飞行高度的大气温度和湿度；
所述RTK高精度定位设备记录各个地面像控点的经纬度坐标信息。
进一步地，所述机载大气温湿度观测系统包括固定底座、iButton DS1923温湿度记录仪和防辐射罩；所述iButton DS1923温湿度记录仪通过底座固定在无人机上；防辐射罩覆盖在iButton DS1923温湿度记录仪外侧，用于隔绝太阳光。
进一步地，步骤S3中，基于配准后的热红外正射影像，将辐射温度转换为入瞳处辐射亮度的过程包括以下步骤：
S31，获取WIRIS Pro Sc热像仪的波谱响应函数，统计具有响应值的热红外波段最小和最大波长值，采用下述公式计算WIRIS Pro Sc光谱响应函数的中心有效波长：
式中，为WIRIS Pro Sc热红外波段的中心有效波长，单位为/>；/>、/>分别为热红外波段波长的最小值和最大值，单位为/>；/>为波长/>处的光谱响应值；
S32，对普朗克方程进行变换，得到辐射温度向入瞳处辐射亮度L转换的方程：
式中，c是光速，值为2.998×108m·s-1；h是普朗克常数，值为6.626×10-34J·s；k是玻尔兹曼常数，值为1.3806×10-23J·K-1；是WIRIS Pro Sc热红外波段的中心有效波长；
将步骤S31中计算得到的中心有效波长代入步骤S32中的入瞳处辐射亮度L的计算公式，得到：
式中，，/>。
进一步地，步骤S4中，根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和整层大气下行辐射的过程包括以下步骤：
S41，将实测的大气温湿度廓线数据输入MODTRAN大气辐射传输模型，计算得到无人机高度的大气透过率和大气上行辐射；
S42，将实测的无人机飞行高度以下的大气廓线与无人机飞行高度以上的标准大气廓线整合得到整个大气层的温湿度廓线，将整个大气层的温湿度廓线输入MODTRAN模型辐射传输模拟得到整层大气下行辐射。
进一步地，步骤S5中，采用地物类型混合像元法计算得到热红外像元的地表发射率的过程包括以下步骤：
S51，从ASTER波谱库中提取无人机成像范围内各典型地物的发射率曲线，按照地物类型分别进行平均，得到地物平均发射率曲线；根据WIRIS Pro Sc波谱响应函数计算典型地物对应的WIRIS Pro Sc热红外波段发射率：
式中，为地物类型i的WIRIS Pro Sc热红外波段发射率；/>为地物类型i在波长/>处的发射率；/>、/>分别为传感器波长的最小值和最大值；/>为波长/>处的光谱响应值；
S52，基于无人机多光谱影像运用包括决策树在内的监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图；运用地物类型混合像元法计算热红外像元的地表发射率：
式中，为热红外像元的WIRIS Pro Sc的波段发射率；N为热红外像元内的地物类型数；/>为热红外像元内地物类型i的WIRIS Pro Sc波段发射率；/>为热红外像元内地物类型i的面积比例。
有益效果：
第一，本发明的基于无人机热红外遥感的地表温度反演方法，能够适用于WIRISPro Sc机载热像仪或者其它采用FLIR Tau2热红外机芯的无人机载热像仪，如FLIR DuoPro、大疆H20T等，能够基于无人机热红外遥感数据反演高精度地表温度，为城市微热环境监测提供技术支撑；
第二，本发明的基于无人机热红外遥感的地表温度反演方法，通过设计机载温湿度观测系统同步获取成像时的大气温湿度垂直廓线，在此基础上消除大气影响得到准确的离地辐射亮度，能够获取飞行时准确的大气温湿度廓线信息，从而能够准确消除大气吸收和自身热辐射的影响反演得到高精度的地表温度，解决了现有技术基于传统的大气廓线获取手段带来的地表温度反演不确定性高的问题；
第三，本发明的基于无人机热红外遥感的地表温度反演方法，根据ASTER光谱库和热像仪光谱响应函数计算出各类典型地物的发射率，结合决策树分类获取的土地覆盖信息，采用地物类型混合像元方法计算热红外像元的发射率，相比传统的基于植被指数计算的方法能够有效反映热红外像元内多种地物发射率的综合作用，准确表征地表的发射率；
第四，本发明的基于无人机热红外遥感的地表温度反演方法，计算出WIRIS ProSc传感器中心有效波长基于普朗克定律从辐射值计算温度值，而不是采用斯特芬-波尔茨曼定律，普朗克定律精细表征地物在不同波长的辐射差异，消除了采用斯特芬-波尔茨曼定律带来的地表温度反演误差大的问题。
附图说明
图1为本发明的基于无人机热红外遥感的地表温度反演方法流程图；
图2为研究区域的地表发射率空间分布图；
图3为研究区域的地表温度空间分布图；
图4为实测地面点地表温度与反演地表温度散点图。
具体实施方式
下面的实施例可使本专业技术人员更全面地理解本发明，但不以任何方式限制本发明。
图1为本发明的基于无人机热红外遥感的地表温度反演方法流程图。参见图1，本发明公开了一种基于无人机热红外遥感的地表温度反演方法，所述地表温度反演方法包括以下步骤：
S1，通过无人机获取热红外遥感影像、多光谱遥感影像，通过机载温湿度观测系统获取无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，以及通过RTK高精度定位设备获取各个地面像控点的经纬度坐标信息；
S2，结合各个地面像控点的经纬度坐标信息和多光谱遥感影像，生成具有地理定位的多光谱正射遥感影像；以配准后的多光谱正射影像为基准影像，对拼接后的热红外正射影像进行几何配准；
S3，基于无人机热像仪的波谱响应函数，计算得到波段中心有效波长，结合中心有效波长和普朗克方程建立辐射温度与辐射亮度的转换方程，基于配准后的热红外正射影像将辐射温度转换为入瞳处辐射亮度；
S4，结合无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，获取大气温湿度廓线数据，根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和大气下行辐射；
S5，基于无人机多光谱遥感影像，运用决策树监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图；采用地物类型混合像元法计算得到热红外像元的地表发射率，得到研究区地表发射率空间分布图；
S6，根据入瞳处辐射亮度L、大气上行辐射、大气下行辐射/>、大气透过率/>和热红外像元的地表发射率/>，采用下述公式计算得到地表温度/>的黑体辐射/>：
；
式中，B(Ts)为地表温度Ts对应的黑体辐射亮度，单位为；L为遥感传感器入瞳处辐射亮度，单位为/>；/>为无人机高度的大气透过率；/>为地表发射率；/>为无人机高度的大气上行热辐射，单位为/>；/>为整层大气下行热辐射，单位为/>；
将波段中心有效波长代入普朗克方程进行逆变换和化简，构建得到地表温度计算方程，计算出地表温度：
式中，Ts为地表温度，单位为K；B(Ts)为地表温度Ts的黑体辐射，单位为。
一，无人机遥感数据获取
利用无人机搭载WIRIS Pro Sc热像仪进行航拍成像，通过DJI GS Pro等地面站软件设定飞行区域、航线、高度、航向与旁向重叠等参数，并设定WIRIS Pro Sc热像仪的成像时间间隔，进行飞行实验获取热红外遥感影像。
此外，还利用无人机搭载多光谱成像仪进行航拍，获取多光谱遥感影像，该数据用于地表覆盖分类及地表发射率计算，对多光谱仪型号参数无明确要求。
在无人机飞行过程中选择固定、清晰、无遮挡、易识别的地点布设地面像控点，利用RTK高精度定位设备记录各个像控点的经纬度坐标信息。
二、实时大气温湿度廓线观测
利用固定底座、iButton DS1923温湿度记录仪和小型防辐射罩构建了一套机载大气温湿度观测系统，底座用于将iButton DS1923温湿度记录仪固定在无人机上，防辐射罩用于避免太阳直射对温度记录值的影响。无人机匀速垂直起降，iButton DS1923等时间间隔记录上升和下降过程中的大气温度和湿度，无人机以等时间间隔记录飞行高度信息。
三、数据处理
数据处理分为两部分：对遥感影像进行处理和对大气温湿度数据进行处理。
（1）对遥感影像进行处理
利用无人机正射影像处理软件分别对无人机热红外影像和多光谱影像进行拼接处理。在多光谱影像预处理过程中，导入像控点信息提高影像的空间定位精度，生成具有准确地理定位的多光谱正射遥感影像。由于热红外数据无法在处理过程中设置像控点信息，以配准后的多光谱正射影像为基准影像，对拼接后的热红外正射影像进行几何配准，提高数据的空间定位精度。
（2）对大气温湿度数据进行处理
分别读取无人机上升和下降两个阶段的高度数据以及iButton DS1923温湿度传感器记录的大气温湿度数据，根据高度数据的时间记录和温湿度数据的时间记录进行关联，得到上升和下降阶段的温度和湿度的垂直廓线，对上升和下降阶段数据按高度进行平均，作为无人机热像仪成像时的温度和湿度大气垂直廓线。
四、入瞳处辐射亮度计算
Workswell公司只提供了直接将无人机热红外影像灰度值转换成辐射温度的公式：
（1）
式中，为辐射温度（单位：K）；DN为像元灰度值。
为了消除大气自身热辐射及吸收对无人机接受的热红外信号的影响，需要将辐射温度转换为入瞳处辐射亮度。
首先获取WIRIS Pro Sc热像仪的波谱响应函数，统计得到具有响应值的热红外波段最小和最大波长值，采用下述公式计算WIRIS Pro Sc光谱响应函数的中心有效波长：
（2）
式中，为WIRIS Pro Sc热红外波段的中心有效波长（单位：/>）；/>、/>分别为传感器波长最小值和最大值（单位：/>）；/>为波长/>处的光谱响应值，在本发明中，经计算得到WIRIS Pro Sc的中心有效波长为10.64/>。
将计算得到WIRIS Pro Sc的中心有效波长10.64代入普朗克方程进行变换后，得到将辐射温度转换为辐射亮度的公式：
（3）
式中，，/>。
五、大气参数计算
反演地表温度关键在于消除大气对遥感热红外信号的影响，需要获取大气透过率以及大气上、下行辐射这3个大气参数。将实测的大气温湿度廓线输入MODTRAN大气辐射传输模型，计算得到无人机高度的大气透过率和大气上行辐射。而大气下行辐射为地表半球方向的整层大气热辐射，将实测的无人机飞行高度以下的大气廓线与无人机飞行高度以上的标准大气廓线整合得到整个大气层的温湿度廓线，输入MODTRAN模型辐射传输模拟得到大气下行辐射。
六、地表发射率计算
从ASTER波谱库中提取无人机成像范围内各典型地物的发射率曲线，按照地物类型分别进行平均，得到地物平均发射率曲线。再根据WIRIS Pro Sc波谱响应函数计算典型地物对应的WIRIS Pro Sc热红外波段发射率：
（4）
式中，为地物类型i的WIRIS Pro Sc热红外波段发射率；/>为地物类型i在波长/>处的发射率；/>、/>分别为传感器波长最小值和最大值（/>）；f(λ)为波长/>处的光谱响应值。
基于无人机多光谱影像运用决策树等监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图。由于无人机热像仪分辨率低于多光谱，1个热红外像元内包含多个多光谱像元，即包含若干个地物像元。运用地物类型混合像元法计算热红外像元的地表发射率（公式5），得到研究区地表发射率空间分布图：
（5）
式中，为热红外像元的WIRIS Pro Sc波段发射率；N为该像元内地物类型数；/>为该像元内地物类型i的WIRIS Pro Sc波段发射率；/>为该像元内地物类型i的面积比例。
七、地表温度反演
无人机传感器接收到的热红外波段辐射能量主要由三部分组成：地表热辐射、地面到无人机飞行高度的大气上行辐射、地表反射的整层大气下行辐射。因此，传感器接收到的辐射能量表示为：
(6)
式中，L为遥感传感器入瞳处辐射亮度（单位：）；/>为无人机高度的大气透过率；/>为地表发射率；B(Ts)为地表温度Ts对应的黑体辐射亮度（单位：/>）；为无人机高度的大气上行热辐射（单位：/>），/>为整层大气的下行热辐射（单位：/>）。
基于公式6进行变换得到地表温度Ts的黑体辐射B(Ts)计算公式：
(7)
根据入瞳处辐射亮度L、大气上行辐射、大气下行辐射/>、大气透过率/>和地表发射率/>，利用公式7计算得到B(Ts)，然后将计算得到的传感器波段中心有效波长（10.64/>）代入普朗克方程进行逆变换和化简，得到地表温度计算公式：
（8）
式中，Ts为地表温度（单位：K），B(Ts)为地表温度Ts的黑体辐射（单位：）。
实例
本发明基于无人机载热像仪获取的热红外数据进行地表温度反演，以下为示例的具体实施步骤，具体技术流程见图1。
（1）以南京信息工程大学中苑校园及周边地区为研究区开展无人机观测实验，利用大疆经纬M300无人机搭载WIRIS Pro Sc热像仪获取热红外数据，无人机飞行高度设为330m，航向重叠率设为80%，旁向重叠率设为75%，热像仪成像间隔为1秒。同时利用无人机载大气温湿度观测系统（内置iButton DS1923温湿度传感器）获取温湿度廓线数据。利用大疆精灵4多光谱版无人机获取研究区的多光谱数据，并在无人机飞行过程中选择5个清晰、无遮挡、易识别的地点布设了像控点，利用中海达Qmini A10手持RTK高精度定位设备记录各个像控点的经纬度坐标信息。
（2）利用Pix4D Mapper正射影像处理软件对无人机热红外影像和多光谱影像分别进行拼接处理，生成整个研究区的热红外和多光谱正射影像。在多光谱影像处理过程中，导入5个像控点信息以提高影像的空间定位精度。
（3）基于具有准确地理定位的多光谱正射影像，对热红外正射影像进行几何配准。选择地物特征较为明显的道路交叉口和轮廓清晰的建筑物作为地面控制点，利用二阶多项式模型建立坐标转换方程，消除热红外影像的定位误差。
（4）读取无人机上升和下降两个阶段的pos数据，从中提取飞行高度信息和对应的时间，读取iButtonDS1923记录的大气温湿度数据及对应的时间，根据时间记录将高度数据和温湿度进行关联，得到上升和下降阶段的温度和湿度的垂直廓线，对上升和下降阶段数据按高度进行平均，作为无人机热像仪成像时研究区的温度和湿度大气垂直廓线。
（5）根据公式1，将研究区无人机热红外影像的灰度值转换成辐射温度。
（6）根据公式3，将辐射温度转换为入瞳处的辐射亮度。
（7）将实测的大气温湿度垂直廓线输入MODTRAN大气辐射传输模型计算无人机飞行高度的大气透过率和大气上行辐射，传感器高度设为无人机飞行高度330m，大气温湿度廓线设为iButton DS1923记录的0~330m温湿度廓线，波长范围设置为WIRIS Pro Sc的波长范围。将实测的330m以下高度大气廓线与330m以上高度的标准大气廓线整合得到整个大气层的温湿度廓线，输入MODTRAN进行辐射传输模拟得到整层大气下行辐射。
（8）基于计算得到的大气透过率以及大气上、下行辐射，可以消除热辐射传输过程中大气的影响，得到离地辐射亮度值（）。为了验证消除大气影响对还原离地辐射亮度值的准确性，获取无人机上升阶段过程中不同高度（30m、130m、230m、330m）的热红外影像，提取影像中心点的入瞳处辐射亮度值，分别计算这4个高度对应的大气透过率以及大气上、下行辐射，并计算去除大气影响后得到的离地辐射亮度（表1）。
从表1中可以看出，去除大气影响后得到的离地辐射亮度在13.64~13.80之间，在不同高度计算得到的离地辐射亮度均与地表辐射亮度比较接近。可见，本发明可以有效消除大气对地表温度反演的影响。
（9）从ASTER波谱库中提取典型的林地、草地、裸土、沥青、水泥和水体这6种地物类型的发射率曲线，按照地物类型分别进行平均，得到这6种地物平均发射率曲线。根据WIRISPro Sc波谱响应函数，运用公式4计算这6种典型地物对应的WIRIS Pro Sc热红外波段发射率（如表2所示）。
基于研究区多光谱影像提取6种地物的感兴趣区，运用决策树分类方法进行监督分类图，将研究区分为这6种地物类型，得到土地覆盖图。统计热红外影像像元内这6种地物类型的面积比例，运用地物类型混合像元法计算得到研究区地表发射率空间分布图（图2）。
（10）根据入瞳处辐射亮度、大气上行辐射、大气下行辐射、大气透过率和地表发射率，利用公式7计算得到地表温度Ts对应的黑体辐射，然后将地表温度Ts对应的黑体辐射代入公式8计算得到地表温度。图3给出了反演得到的南京信息工程大学中苑校园及周边地区地表温度空间分布图。图4给出了实测地面点地表温度与对应的反演地表温度之间的散点图，大部分样本集聚在1:1线周围，判定系数R2为0.91，表明反演精度较高。
本发明的结果说明通过无人机同步获取大气温湿度廓线能够有效消除大气吸收和热辐射的影响得到准确的离地辐射亮度，结合地物发射率反演得到的地表温度能够精细表征地表温度场空间细节，能够为城市微热环境监测等研究提供技术支撑。
以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。
Claims (6)
1.一种基于无人机热红外遥感的地表温度反演方法，其特征在于，所述地表温度反演方法包括以下步骤：
S1，通过无人机获取热红外遥感影像、多光谱遥感影像，通过机载温湿度观测系统获取无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，以及通过RTK高精度定位设备获取各个地面像控点的经纬度坐标信息；
S2，结合各个地面像控点的经纬度坐标信息和多光谱遥感影像，生成具有地理定位的多光谱正射遥感影像；以配准后的多光谱正射影像为基准影像，对拼接后的热红外正射影像进行几何配准；
S3，基于无人机热像仪的波谱响应函数，计算得到波段中心有效波长，结合中心有效波长和普朗克方程建立辐射温度与辐射亮度的转换方程，基于配准后的热红外正射影像将辐射温度转换为入瞳处辐射亮度；
S4，结合无人机上升和下降过程中不同飞行高度对应的大气温度和湿度数据，获取大气温湿度廓线数据，根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和整层大气下行辐射；
S5，基于无人机多光谱遥感影像，运用决策树监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图；采用地物类型混合像元法计算得到热红外像元的地表发射率，得到研究区地表发射率空间分布图；
S6，根据入瞳处辐射亮度L、大气上行辐射 、大气下行辐射/>、大气透过率/>和热红外像元的地表发射率/>，采用下述公式计算得到地表温度/>的黑体辐射/>：
；
式中，B(Ts)为地表温度Ts对应的黑体辐射亮度，单位为；L为遥感传感器入瞳处辐射亮度，单位为/>；/>为无人机高度的大气透过率；/>为地表发射率；为无人机高度的大气上行热辐射，单位为/>；/>为整层大气下行热辐射，单位为/>；
将波段中心有效波长代入普朗克方程进行逆变换和化简，构建得到地表温度计算方程，计算出地表温度：
；
式中，Ts为地表温度，单位为K；B(Ts)为地表温度Ts的黑体辐射，单位为。
2.根据权利要求1所述的基于无人机热红外遥感的地表温度反演方法，其特征在于，步骤S1中，所述无人机上搭载有WIRIS Pro Sc热像仪、多光谱成像仪、机载大气温湿度观测系统和RTK高精度定位设备；
所述WIRIS Pro Sc热像仪通过DJI GS Pro地面站软件设定飞行区域、航线、高度、航向与旁向重叠参数以及成像时间间隔，在无人机飞行过程中对研究区域进行航拍成像，以获取研究区域的热红外遥感影像；
所述多光谱成像仪在无人机飞行过程中对研究区域进行航拍成像，以获取研究区域的多光谱遥感影像；
所述机载大气温湿度观测系统在无人机匀速垂直起降时，等时间间隔记录无人机上升和下降过程中不同飞行高度的大气温度和湿度；
所述RTK高精度定位设备记录各个地面像控点的经纬度坐标信息。
3.根据权利要求2所述的基于无人机热红外遥感的地表温度反演方法，其特征在于，所述机载大气温湿度观测系统包括固定底座、iButton DS1923温湿度记录仪和防辐射罩；所述iButton DS1923温湿度记录仪通过底座固定在无人机上；防辐射罩覆盖在iButtonDS1923温湿度记录仪外侧，用于隔绝太阳光。
4.根据权利要求1所述的基于无人机热红外遥感的地表温度反演方法，其特征在于，步骤S3中，基于配准后的热红外正射影像，将辐射温度转换为入瞳处辐射亮度的过程包括以下步骤：
S31，获取WIRIS Pro Sc热像仪的波谱响应函数，统计具有响应值的热红外波段最小和最大波长值，采用下述公式计算WIRIS Pro Sc光谱响应函数的中心有效波长：
；
式中，为WIRIS Pro Sc热红外波段的中心有效波长，单位为/>；/>、/>分别为热红外波段波长的最小值和最大值，单位为/>；/>为波长/>处的光谱响应值；
S32，对普朗克方程进行变换，得到辐射温度向入瞳处辐射亮度L转换的方程：
；
式中，c是光速，值为2.998×108m·s-1；h是普朗克常数，值为6.626×10-34J·s；k是玻尔兹曼常数，值为1.3806×10-23J·K-1；是WIRIS Pro Sc热红外波段的中心有效波长；
将步骤S31中计算得到的中心有效波长代入步骤S32中的入瞳处辐射亮度L的计算公式，得到：
；
式中，，/>。
5.根据权利要求1所述的基于无人机热红外遥感的地表温度反演方法，其特征在于，步骤S4中，根据大气温湿度廓线数据得到无人机高度的大气透过率、大气上行辐射和整层大气下行辐射的过程包括以下步骤：
S41，将实测的大气温湿度廓线数据输入MODTRAN大气辐射传输模型，计算得到无人机高度的大气透过率和大气上行辐射；
S42，将实测的无人机飞行高度以下的大气廓线与无人机飞行高度以上的标准大气廓线整合得到整个大气层的温湿度廓线，将整个大气层的温湿度廓线输入MODTRAN模型辐射传输模拟得到整层大气下行辐射。
6.根据权利要求1所述的基于无人机热红外遥感的地表温度反演方法，其特征在于，步骤S5中，采用地物类型混合像元法计算得到热红外像元的地表发射率的过程包括以下步骤：
S51，从ASTER波谱库中提取无人机成像范围内各典型地物的发射率曲线，按照地物类型分别进行平均，得到地物平均发射率曲线；根据WIRIS Pro Sc波谱响应函数计算典型地物对应的WIRIS Pro Sc热红外波段发射率：
；
式中，为地物类型i的WIRIS Pro Sc热红外波段发射率；/>为地物类型i在波长/>处的发射率；/>、/>分别为传感器波长的最小值和最大值；/>为波长/>处的光谱响应值；
S52，基于无人机多光谱影像运用包括决策树在内的监督分类方法进行土地覆盖分类，得到高分辨率地表类型分布图；运用地物类型混合像元法计算热红外像元的地表发射率：
；
式中，为热红外像元的WIRIS Pro Sc的波段发射率；N为热红外像元内的地物类型数；为热红外像元内地物类型i的WIRIS Pro Sc波段发射率；/>为热红外像元内地物类型i的面积比例。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511982.6A CN117232659B (zh) | 2023-11-14 | 2023-11-14 | 一种基于无人机热红外遥感的地表温度反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511982.6A CN117232659B (zh) | 2023-11-14 | 2023-11-14 | 一种基于无人机热红外遥感的地表温度反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117232659A true CN117232659A (zh) | 2023-12-15 |
| CN117232659B CN117232659B (zh) | 2024-02-23 |
Family
ID=89097004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311511982.6A Active CN117232659B (zh) | 2023-11-14 | 2023-11-14 | 一种基于无人机热红外遥感的地表温度反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117232659B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576362A (zh) * | 2024-01-16 | 2024-02-20 | 国科大杭州高等研究院 | 一种基于遮挡比的低分辨率热红外影像飞机识别方法 |
| CN118500553A (zh) * | 2024-07-17 | 2024-08-16 | 南京信息工程大学 | 一种普适性的针对无人机热红外数据的地表温度反演方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007003308A (ja) * | 2005-06-22 | 2007-01-11 | Pasuko:Kk | 地表面温度推定方法及びそのためのプログラム |
| CN107687900A (zh) * | 2017-09-01 | 2018-02-13 | 中国科学院上海技术物理研究所 | 一种适用于机载热红外成像光谱仪大气校正系统和方法 |
| CN111398182A (zh) * | 2020-02-17 | 2020-07-10 | 华北理工大学 | 一种基于像元三分模型的地表热环境时空分异效应定量评价方法 |
| CN111707376A (zh) * | 2020-06-30 | 2020-09-25 | 电子科技大学 | 一种面向宽波段热红外传感器的地表温度反演方法 |
| 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 |
| CN116754076A (zh) * | 2023-05-22 | 2023-09-15 | 华南理工大学 | 一种城市复杂三维场景高异质性地表温度的反演方法 |
-
2023
- 2023-11-14 CN CN202311511982.6A patent/CN117232659B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007003308A (ja) * | 2005-06-22 | 2007-01-11 | Pasuko:Kk | 地表面温度推定方法及びそのためのプログラム |
| CN107687900A (zh) * | 2017-09-01 | 2018-02-13 | 中国科学院上海技术物理研究所 | 一种适用于机载热红外成像光谱仪大气校正系统和方法 |
| CN111398182A (zh) * | 2020-02-17 | 2020-07-10 | 华北理工大学 | 一种基于像元三分模型的地表热环境时空分异效应定量评价方法 |
| CN111707376A (zh) * | 2020-06-30 | 2020-09-25 | 电子科技大学 | 一种面向宽波段热红外传感器的地表温度反演方法 |
| 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 |
| CN116754076A (zh) * | 2023-05-22 | 2023-09-15 | 华南理工大学 | 一种城市复杂三维场景高异质性地表温度的反演方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117576362A (zh) * | 2024-01-16 | 2024-02-20 | 国科大杭州高等研究院 | 一种基于遮挡比的低分辨率热红外影像飞机识别方法 |
| CN117576362B (zh) * | 2024-01-16 | 2024-05-24 | 国科大杭州高等研究院 | 一种基于遮挡比的低分辨率热红外影像飞机识别方法 |
| CN118500553A (zh) * | 2024-07-17 | 2024-08-16 | 南京信息工程大学 | 一种普适性的针对无人机热红外数据的地表温度反演方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117232659B (zh) | 2024-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117232659B (zh) | 一种基于无人机热红外遥感的地表温度反演方法 | |
| Webster et al. | Three-dimensional thermal characterization of forest canopies using UAV photogrammetry | |
| CN109581372B (zh) | 一种生态环境遥感监测方法 | |
| CN102183237B (zh) | 一种地基双波段云高测量的装置和方法 | |
| CN110716185B (zh) | 一种用于星载微波辐射计的在轨辐射校正方法 | |
| CN112051222A (zh) | 一种基于高分卫星影像的河湖水质监测方法 | |
| CN101634711B (zh) | 从modis数据估算近地表空气温度方法 | |
| CN105678085A (zh) | 一种pm2.5浓度的估算方法及系统 | |
| CN111767865A (zh) | 一种利用航拍影像和激光数据反演红树林生物量的方法 | |
| CN109580003A (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 | |
| CN113920438B (zh) | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 | |
| CN113447137B (zh) | 一种面向无人机宽波段热像仪的地表温度反演方法 | |
| CN103575395A (zh) | 一种外场绝对辐射定标方法和系统 | |
| CN114910430B (zh) | 基于超光谱遥感的痕量气体水平分布探测交通污染源方法 | |
| CN103728609A (zh) | 星载多光谱红外传感器交叉辐射定标方法 | |
| US20210181173A1 (en) | Method and device for measuring atmospheric parameters to estimate the quality of the air and the climate variables | |
| CN116754076B (zh) | 一种城市复杂三维场景高异质性地表温度的反演方法 | |
| Unger et al. | Modeling of the urban heat island pattern based on the relationship between surface and air temperatures | |
| CN115453555A (zh) | 一种草地生产力的无人机快速监测方法及系统 | |
| CN116227990A (zh) | 无人机生态环境碳收支评估方法、系统及监测数据采集设备 | |
| CN117541114B (zh) | 一种快速评价城市室外场景高空间分辨率热舒适度的方法 | |
| CN112629666B (zh) | 一种适用于热红外无人机地表温度日变换模型构建方法 | |
| CN112948352B (zh) | 一种构建大气光学湍流时空特征及概率化数据库的方法 | |
| CN113063740A (zh) | 一种基于多源遥感数据的小麦冠层氮含量监测方法 | |
| CN115165786B (zh) | 一种基于成像仪对红外高光谱大气探测仪的等效晴空辐射订正方法 |
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 |