基于IDTCM的遥感地表温度时间归一化方法技术

本发明专利技术属于遥感应用技术领域，尤其涉及一种基于改进日内温度循环模型(Improved diurnal temperature cycle model，IDTCM)的遥感地表温度时间归一化方法。基于IDTCM的遥感地表温度时间归一化方法，包括如下步骤：数据预处理、基于DTCM进行改进得到IDTCM、进行遥感地表温度时间归一化和进行TASI航空遥感地表温度时间归一化。本发明专利技术建立了一个改进的日内温度循环模型，改进了现有模型无法克服风速波动的缺点，同时，基于改进的日内温度循环模型构建了遥感地表温度时间归一化方法。

【技术实现步骤摘要】

本专利技术属于遥感应用
，尤其涉及一种基于改进日内温度循环模型(Improveddiurnaltemperaturecyclemodel，IDTCM)的遥感地表温度时间归一化方法。
技术介绍
在PartonandLogan提出的一个地表温度日内循环模型的基础上，学术界相继改进和发展了其它若干种经验统计的日内温度循环模型。但是这些模型，大都基于在所考虑时间范围内天气晴朗，风速较小且恒定的假设。实际上，地表温度对于大气状况非常敏感。在真实的自然状况下，云量、风速的大小和波动的剧烈程度都会对日内温度循环模型应用的结果产生重要影响。如果不考虑天气条件的影响，直接将现有的日内温度循环模型应用到遥感地表温度的时间归一化中，将会对遥感地表温度的时间归一化结果带来一定的误差。卫星和航空遥感获得的地表温度(下文简称遥感地表温度)是研究全球与区域气候变化以及许多实际应用的重要参数。地表温度(Landsurfacetemperature,LST)随时间变化迅速，目前遥感只能获取瞬时的地表温度信息。不同时间获取的地表温度存在较大差异，需要进行时间归一化，即根据使用者的要求将其它时刻的遥感地表温度归一化至特定时刻。但目前进行遥感地表温度的时间归一化，尚无较为成熟的技术方法公开。日内温度循环模型(Diurnaltemperaturecyclemodel,DTCM)可以用于重建地表温度在整个昼夜周期内的连续变化。但是，该模型目前存在一定的缺点，并且尚未用于遥感地表温度的时间归一化中。本专利技术通过对实测的地表温度数据和气象数据进行分析研究，发现在天气相对比较晴朗的条件下，如果风速较大且波动比较剧烈时，同样会对日内温度循环模型的应用产生重要影响。因此，天气相对比较晴朗条件下，风速的大小和波动的剧烈程度也是影响日内温度循环模型的重要因素。但是，现阶段内在天气相对比较晴朗的条件下，考虑风速大小和波动剧烈程度对日内温度循环模型应用结果影响的研究还比较少。
技术实现思路
本专利技术为克服现有技术中的不足，提出基于IDTCM的遥感地表温度时间归一化方法，本专利技术建立了一个改进的日内温度循环模型，改进了现有模型无法克服风速波动的缺点，同时，基于改进的日内温度循环模型构建了遥感地表温度时间归一化方法。基于IDTCM的遥感地表温度时间归一化方法，包括：S1、数据预处理，包括实测站点真实地表温度Ts(t)数据的获取，机载热红外成像光谱仪(ThermalAirborneSpectrographicImager,TASI)航空遥感地表温度数据的获取和地表覆盖类型数据的获取，所述地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、浓密植被和水体四类，所述TASI航空遥感地表温度数据和地表覆盖类型数据的空间分辨率相同；S2、基于DTCM进行改进得到IDTCM，具体如下：S21、根据S1所述Ts(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：S211、选取多个S1所述Ts(t)，根据公式Ts‾(t)=T0+Tacos(πω(t-tm)),t<ts(T0+δT)+[Tacos(πω(ts-tm))-δT]exp[-(t-ts)k],t≥ts]]>结合Levenberg-Marquargt算法(Duan,S.-B.,Li,Z.-L.,Wang,N.,Wu,H.,&Tang,B.-H.Evaluationofsixland-surfacediurnaltemperaturecyclemodelsusingclear-skyinsituandsatellitedata[J].RemoteSensingofEnvironment,2012,Vol.124,15-25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响平均状态下的地表温度,t为时间，T0为日出时刻的地表温度，Ta为地表温度在一个昼夜周期中的变化幅度，ω为日照时长，tm为昼夜周期中最高地表温度的时刻，ts为地表温度呈指数函数衰减的起始时刻，δT为T0与T(t→∞)的差值，k为衰减系数，k=ωπ[tan-1(πω(ts-tm))-δTTasin-1(πω(ts-tm))];]]>S212、将S1所述Ts(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动；S22、根据天气条件对S21所述DTCM的影响，对S21所述DTCM进行拓展，即其中，Ts(t)为考虑天气条件影响的地表温度，T′s(t)为实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动，T′s(t)＝g(ρ)，函数g(·)表示影响因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间t为自变量的函数；S23、使用线性回归模型对S212所述地表温度的瞬时波动进行量化，即T′s(t)＝kWs(t)+b，其中，k为温度的波动和对应时刻风速线性回归的系数，Ws(t)为t时刻的风速，b为温度的波动和对应时刻风速线性回归的常数项；S24、根据S22述和S23所述T′s(t)＝kWs(t)+b，得到IDTCM；S3、对S2所述IDTCM进行遥感地表温度时间归一化，具体为：S31、tn+1时刻地表温度相对于tn时刻的变化为：ΔTs(tn→tn+1)=f(tn+1)-f(tn)=[Ts‾(tn+1)-Ts‾(tn)]+[Ts′(tn+1)-Ts′(tn)],]]>其中，ΔTs(tn→tn+1)为tn+1时刻相对于tn时刻平均天气状况下地表温度的变化，n为大于零的自然数,f(tn+1)表示tn+1时刻的地表温度，f(tn)表示tn时刻的地表温度，表示tn+1时刻没有考虑天气影响的平均状态下的地表温度,表示tn时刻没有考虑天气影响的平均状态下的地表温度，T′s(tn+1)表示tn+1时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动,T′s(tn)表示tn时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动；S32、将tn时刻的地表温度归一化至tn+1时刻，即Ts(tn+1)=Ts(tn)+[Ts‾(tn+1)-Ts‾(tn)]+[Ts&本文档来自技高网...

【技术保护点】
基于IDTCM的遥感地表温度时间归一化方法，其特征在于，包括如下步骤：S1、数据预处理，包括实测站点真实地表温度Ts(t)数据的获取，机载热红外成像光谱仪(Thermal Airborne Spectrographic Imager,TASI)航空遥感地表温度数据的获取和地表覆盖类型数据的获取，所述地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、浓密植被和水体四类，所述TASI航空遥感地表温度数据和地表覆盖类型数据的空间分辨率相同；S2、基于DTCM进行改进得到IDTCM，具体如下：S21、根据S1所述Ts(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：S211、选取多个S1所述Ts(t)，根据公式Ts‾(t)=T0+Tacos(πω(t-tm)),t<ts(T0+δT)+[Tacos(πω(ts-tm))-δT]exp[-(t-ts)k],t≥ts]]>结合Levenberg‑Marquargt算法(Duan,S.‑B.,Li,Z.‑L.,Wang,N.,Wu,H.,&Tang,B.‑H.Evaluation of six land‑surface diurnal temperature cycle models using clear‑sky in situ and satellite data[J].Remote Sensing of Environment,2012,Vol.124,15‑25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响平均状态下的地表温度,t为时间，T0为日出时刻的地表温度，Ta为地表温度在一个昼夜周期中的变化幅度，ω为日照时长，tm为昼夜周期中最高地表温度的时刻，ts为地表温度呈指数函数衰减的起始时刻，δT为T0与T(t→∞)的差值，k为衰减系数，k=ωπ[tan-1(πω(ts-tm))-δTTasin-1(πω(ts-tm))];]]>S212、将S1所述Ts(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时波动；S22、根据天气条件对S21所述DTCM的影响，对S21所述DTCM进行拓展，即其中，Ts(t)为考虑天气条件影响的地表温度，Ts′(t)为实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动，Ts′(t)＝g(ρ)，函数g(·)表示影像因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间t为自变量的函数；S23、使用线性回归模型对S212所述地表温度的瞬时波动进行量化，即Ts′(t)＝kWs(t)+b，其中，k为温度的波动和对应时刻风速线性回归的系数，Ws(t)为t时刻的风速，b为温度的波动和对应时刻风速线性回归的常数项；S24、根据S22述和S23所述Ts′(t)＝kWs(t)+b，得到IDTCM；S3、对S2所述IDTCM进行遥感地表温度时间归一化，具体为：S31、tn+1时刻地表温度相对于tn时刻的变化为：ΔTs(tn→tn+1)=f(tn+1)-f(tn)=[Ts‾(tn+1)-Ts‾(tn)]+[Ts′(tn+1)-Ts′(tn)],]]>其中，ΔTs(tn→tn+1)为tn+1时刻相对于tn时刻平均天气状况下地表温度的变化，n为大于零的自然数,f(tn+1)表示tn+1时刻的地表温度，f(tn)表示tn时刻的地表温度，表示tn+1时刻没有考虑天气影响的平均状态下的地表温度,表示tn时刻没有考虑天气影响的平均状态下的地表温度，Ts′(tn+1)表示tn+1时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动,Ts′(tn)表示tn时刻实际天气条件下地表温度相对于平均天气因素条件下地表温度的波动；S32、将tn时刻的地表温度归一化至tn+1时刻，即Ts(tn+1)=Ts(tn)+[Ts‾(tn+1)-Ts‾(tn)]+[Ts′(tn+1)-Ts′(tn)];]]>S4、对S2所述IDTCM进行TASI航空遥感地表温度时间归一化，具体为：S41、根据S1所述TASI航空遥感地表温度数据和地表覆盖类型数据，判断TASI航空遥感数据的每个像元的地物覆盖类型，在S2所述DTCM中找到每个像元的地物覆盖类型对应...

【技术特征摘要】
1.基于IDTCM的遥感地表温度时间归一化方法，其特征在于，包括如下步骤：
S1、数据预处理，包括实测站点真实地表温度Ts(t)数据的获取，机载热红外成像光谱仪
(ThermalAirborneSpectrographicImager,TASI)航空遥感地表温度数据的获取和地表
覆盖类型数据的获取，所述地表覆盖类型包括非植被覆盖区域(建筑、裸土、荒漠等)、植被、
浓密植被和水体四类，所述TASI航空遥感地表温度数据和地表覆盖类型数据的空间分辨率
相同；
S2、基于DTCM进行改进得到IDTCM，具体如下：
S21、根据S1所述Ts(t)拟合得到DTCM的参数和平均天气条件下的地表温度，具体为：
S211、选取多个S1所述Ts(t)，根据公式Ts‾(t)=T0+Tacos(πω(t-tm)),t<ts(T0+δT)+[Tacos(πω(ts-tm))-δT]exp[-(t-ts)k],t≥ts]]>结
合Levenberg-Marquargt算法(Duan,S.-B.,Li,Z.-L.,Wang,N.,Wu,H.,&Tang,B.-
H.Evaluationofsixland-surfacediurnaltemperaturecyclemodelsusing
clear-skyinsituandsatellitedata[J].RemoteSensingofEnvironment,2012,
Vol.124,15-25.)拟合得到不同地物覆盖类型的DTCM的参数，其中，为时间段内天气影响
平均状态下的地表温度,t为时间，T0为日出时刻的地表温度，Ta为地表温度在一个昼夜周期
中的变化幅度，ω为日照时长，tm为昼夜周期中最高地表温度的时刻，ts为地表温度呈指数
函数衰减的起始时刻，δT为T0与T(t→∞)的差值，k为衰减系数，k=ωπ[tan-1(πω(ts-tm))-δTTasin-1(πω(ts-tm))];]]>S212、将S1所述Ts(t)与DTCM模拟得到的地表温度进行对比，计算得到地表温度的瞬时
波动；
S22、根据天气条件对S21所述DTCM的影响，对S21所述DTCM进行拓展，即
其中，Ts(t)为考虑天气条件影响的地表温度，Ts′(t)为实际天气条
件下地表温度相对于平均天气因素条件下地表温度的波动，Ts′(t)＝g(ρ)，函数g(·)表示
影像因子对地表温度波动的映射关系，向量ρ为影响因子集合,f(t)表示地表温度是以时间
t为自变量的函数；
S23、使用线性回归模型对S212所述地表温度的瞬时波动进行量化，即Ts′(t)＝kWs(t)+
b，其中，k为温度的波动和对应时刻风速线性回归的系数，Ws(t)为t时刻的风速，b为温度的
波动和对应时刻风速线性回归的常数项；
S24、根据S22述和S23所述Ts′(t)＝kWs(t)+b，得到IDTCM；
S3、对S2所述IDTCM进行遥感地表温度时间归一化，具体为：
S31、tn+1时刻地表温度相对于tn时刻的变化为：
ΔTs(tn→tn+1)=f(tn+1)-f(tn)=[Ts‾(tn+1)-Ts‾(tn)]+[Ts′(tn+1)-Ts′(tn)],]]>其中，ΔTs(tn→tn+1)...

【专利技术属性】
技术研发人员：周纪，朱琳清，刘绍民，李国全，马晋，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51