一种从遥感数据ＡＳＴＥＲ反演地表温度和发射率的方法，包含三个步骤：第一步骤是利用大气辐射传输模拟软件ＭＯＤＴＲＡＮ４针对所获得遥感数据ＡＳＴＥＲ第１１、１２、１３、１５热红外波段的区域和季节以及大气模式进行正向模拟，建立训练和测试数据库。第二个步骤是利用神经网络对训练和测试数据集反复训练和测试。第三步骤是对ＡＳＴＥＲ实际影像数据进行反演计算，并进行实际地表验证和应用分析。本发明专利技术得到的产品精度高，特别是在邻近大气变化比较大时候。
【技术实现步骤摘要】
本专利技术涉及一种从遥感数据ASTER同时反演地表温度和发射率的方 法，能够应用在气象、环境监测、土地管理、农情监测、以及国防军事等 遥感部门。
技术介绍
1999 年搭载 ASTER(Advanced Spaceborne Thermal Emission and Reflection Radiometer)遥感器的对地观测卫星(TERRA)发射成功，为全 球和区域资源环境动态监测开辟了又一新的途径。ASTER由日本通产省 (METI)提供，主要用于解决土地利用与覆盖、自然灾害、短期天气变 动、水文等几个方面的问题。轨高705KM，为太阳同步近极地轨道，运 行周期98.88分钟，下行过赤道地方时为中午10:30 15min，地面重复访问 周期16天，设计运行时间为6年。ASTER是-一个拥有15个波段的高分 辨率传感器，在ASTER的15个波段中有5个是高分辨率的热红外波段， 因而非常适合于城市和小区域的地表热量空间差异分析。按照ASTER项 目的计划，其数据应用于全球变化研究中，如提升自然灾害的监测和预报 能力，短期气候变化和水循环等。针对ASTER本身及其数据产品的在更 广范围都得到了很好的应用，而且在科研工作中也起到了很好的促进作 用，ASTER使用情况至今一直很好，高空间分辨率、多波段、立体像对 等3个主要特点为研究人员在更广的研究领域中使用提供的有效的支持 、。ASTER是第一台用于制图和温度精确测量的星载高空间分辨率多通 道热红外成像仪。它由三个光学子系统组成可见光近红外(VNIR)、短 波红外(SWIR)和热红外(TIR)。 ASTER数据具有高空间、波谱和辐射分辨率，每景幅宽60X60KM。 VNIR在近红外波段(0.78-0.86um)提供能 生成立体像对的后视影像数据。表l中列出了各个子系统的相关参数 、。表l ASTER光学子系统<table>table see original document page 5</column></row><table>ASTER数据除去未经处理的原始数据Level O以外，其他的数据都经过 了不同程度的处理。目前用户可以申请到的数据产品有L1、 L2、 L3三个级 别。其中使用最多的是Level l产品。Level l类数据产品包括两种Level 1A (LlA)和LevellB(LlB)。 LIA数据是经过重构的未经处理的仪器数据，保 持了原有分辨率。L1A数据产品文件中包含了数据字典、类属头文件、云 量覆盖表、辅助数据以及三个子系统的数据，子系统数据中包括各子系统的专门头文件、各个波段的影像数据、辐射计校正表、几何校正表和补充 数据。L1B数据在L1A的基础上，使用L1A自带的参数完成辐射计反演和几 何重采样后生成的。所以在子系统文件中少了辐射计校正表和几何校正表 两项内容。在生产时用户可以根据需要选择采样方法，默认情况下采用 UTM投影，Cubic Convolution重采样方法。ASTER每天能获得并处理650 景左右L1A数据，L1B数据的最大产量为310左右。更高级别的数据产品 还有16种之多，是在L1数据产品的基础上进行处理后生成的，这些处理包 括了更细致全面的辐射校正等。ASTER数据在地表发射率、温度反演等的 应用潜力很大,利用SWIR数据来判断水体的浑浊度、水体表面的运动情况 以及地表岩石的判别等。ASTER还与MODIS合作形成一种新的用于地球 科学研究的仪器MASTER (MODIS/ASTERAirbone Simulator),用于辅助 星上ASTER仪器的反演和其它校准工作。ASTER是一个拥有15个波段的高分辨率传感器，其中有5个是高分 辨率的热红外波段，非常适合于城市和小区域的地表热量空间差异分析。 但是，目前针对ASTER遥感数据的地表温度反算法还很少，其主要原因 是获得大气参数非常的困难、 、 。 Gillespie et al(1998)针对ASTER数 据提出了一个多波段算法，该算法在星上亮温做完大气校正的基础上，同 时运用了 NEW (Normalized Emissivity Method) 、 Ration Algorithm、 MMD (Maximun-Minimum Difference)三个模块和迭代算法分离地表温度和发射率。计算过程非常复杂，而且三个模块都包含了经验关系，这些经验关系并不是对所有的地物都适用。Liang(2001)提出了一个优化迭代算法在大 气校正的基础上分离地表温度和发射率。Mao et al (2008)也提出在一个在 大气校正的基础上，用神经网络来分离地表温度和发射率，这3个方法虽 然精度很高，但受大气校正精度的影响很大，如果大气校正的精度保证不 了，后面分离算法的精度受到大大制约，从而带来比较大的误差。现有的 研究很多是直接应用ASTER的星上亮度温度来进行分析。由于大气的影 响，星上亮度温度与真正的地表温度有很大差距。在晴空时其差距为 3-6。C;在大气水分含量较高情况下，这种差异可以超过10°C。因此，为了更准确地分析区域热量空间差异，很有必要对提高地表温 度和发射率的反演精度。本专利技术针对以往算法中需要大气先做大气校正的 缺点，提出一个更实用的针对ASTER数据的地表温度和发射率反算法。 大气辐射传输模型模拟与神经网络结合是地表温度和发射率参数反演上 的一个很大的进步，操作适用性更强。
技术实现思路
本专利技术的目的在于提供一种从遥感数据ASTER反演地表温度和发射 率的方法，以克服现有的针对ASTER数据同时反演地表温度和发射率产 品反演算法的缺点。本专利技术不仅能有效地反演地表温度和发射率，而且还 能进一步提高近地表小尺度空气温度和地表蒸散发的估算精度。为实现上述目的，本专利技术提供的从遥感数据ASTER反演地表温度和 发射率的方法为第一步、建立ASTER卫星第11、 12、 13、 14波段星上辐射亮度温度 的模拟数据库1-1)选择所获影像的所在地区的大气剖面模式、大气路径、辐射模式 和散射模式作为输入参数；1-2)选择常见地物在ASTER数据第11、 12、 13和14波段的发射率分别作为输入参数；1-3)输入所获得影像时间在所在地区温度变化范围的可能最低值，并 限定最高值，模拟过程中地表温度变化；1-4)输入大气水汽含量初始值，限定最大值，模拟过程中大气水汽含 量变化；1-5)输入ASTER卫星传感器高度，并默认大气气溶胶、二氧化碳等 其它参数；1-6)根据ASTER数据第11、 12、 13、 14波段的波长范围执行模拟， 并输出ASTER数据第11、 12、 13、 14波段模拟星上辐射亮度；1- 7)将每次模拟得到星上辐射亮度转换成亮度温度，并和每次模拟输 入的地表温度和发射率一起建立相应的数据库。第二步、神经网络训练和测试2- 1)将第一步中模拟数据库分成两组， 一组为训练数据集； 一组为测 试数据集；2-2)将训练数据集中的ASTER第11、 12、 13、 14波段的星上亮度 温度作为神经网络的输入节点，地表温度和ASTER第11、 12、 13、 14波 段的发射率作为5个输出节点，进行训练本文档来自技高网...
【技术保护点】
一种从遥感数据ＡＳＴＥＲ反演地表温度和发射率的方法，其步骤为： 第一步、建立ＡＳＴＥＲ卫星第１１、１２、１３、１４波段星上幅射亮度温度的模拟数据库 １－１）选择所获影像的所在地区的大气剖面模式、大气路径、辐射模式和散射模式作为输入参数； １－２）选择常见地物在ＡＳＴＥＲ数据第１１、１２、１３和１４波段的发射率分别作为输入参数； １－３）输入所获得影像时间在所在地区温度变化范围的最低值，并限定最高值，模拟过程中地表温度变化； １－４）输入大气水汽含量初始值，限定最大值，模拟过程中大气水汽含量变化； １－５）输入ＡＳＴＥＲ卫星传感器高度，并默认大气气溶胶、二氧化碳等其它参数； １－６）根据ＡＳＴＥＲ数据第１１、１２、１３、１４波段的波长范围执行模拟，并输出ＡＳＴＥＲ数据第１１、１２、１３、１４波段模拟星上辐射亮度； １－７）将每次模拟得到星上辐射亮度转换成亮度温度，并和每次模拟输入的地表温度和发射率一起建立相应的数据库； 第二步、神经网络训练 ２－１）将第一步中模拟数据库分成两组，一组为训练数据集；一组为测试数据集； ２－２）将训练数据集中的ＡＳＴＥＲ第１１、１２、１３、１４波段的星上亮度温度作为神经网络的输入节点，地表温度和ＡＳＴＥＲ第１１、１２、１３、１４波段的发射率作为５个输出节点，进行训练； ２－３）将测试数据集的星上亮度温度输入训练好的神经网络，输出的地表温度和发射率； ２－４）将２－３中输出的地表温度和发射率和对应的地表温度和发射率对比； 第三步、反演地表温度和发射率 ３－１）对ＡＳＴＥＲ遥感影像数据的第１１、１２、１３、１４波段进行几何校正； ３－２）将ＡＳＴＥＲ数据的第１１、１２、１３、１４波段的星上亮度转换成星上亮度温度； ３－３）将３－２中转换后的星上亮度温度输入到第二步训练好的神经网络中，输出地表温度和ＡＳＴＥＲ第１１、１２、１３、１４波段的发射率； ３－４）根据影像对应的地表进行相关验证和应用分析。...
【技术特征摘要】
【专利技术属性】
技术研发人员：毛克彪，唐华俊，周清波，王秀峰，王道龙，苏胜娣，
申请(专利权)人：中国农业科学院农业资源与农业区划研究所，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。