一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法技术

本发明专利技术公开了一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，包括：获取MODIS数据；对获取的MODIS数据进行数据预处理，得到网络训练数据集；构建基于Transformer的深度学习网络，通过深度学习网络对网络训练数据集中的训练数据进行训练，生成地表热红外发射率反演模型；利用生成的地表热红外发射率反演模型反演地表热红外发射率，得到地表热红外发射率数据，并评定反演精度。本发明专利技术利用MODIS数据和Transformer网络构建一种不需大气校正的快速、高精度地表热红外发射率反演模型，有效解决了传统地表热红外发射率反演算法受大气和云干扰的问题，具有良好的准确性和普适性。准确性和普适性。准确性和普适性。

【技术实现步骤摘要】
一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法


[0001]本专利技术涉及空间信息科学和人工智能深度学习的
，具体涉及一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法。

技术介绍

[0002]地表发射率(Land Surface Emissivity，LSE)是地表物质的固有属性，反映着物体在某一特定波长下的发射辐射能力，随着地表特性的变化而变化。地表发射率的数值大小与物质的介电常数、地表物质的组成成分、观测波长、地表的粗糙度、湿度，以及观测几何有关。地表热红外发射率指热红外波段的地表发射率，是热红外遥感反演中的一个关键特征参数，也是气候模型研究中的一个重要输入参数，与地表温度有着同等重要的作用。地表热红外发射率的应用十分广泛，它不仅能够将地表信息从卫星观测亮温中分离出来，使得大气参数的反演精度获得提升；还可以提供区域乃至更大范围的地表变化信息，进而更精确地反演地表参数。地表发射率的精确反演对全球气候变化研究以及各种水文、地面同化模型等研究具有非常重要的意义。
[0003]随着探测技术手段的发展，利用卫星观测数据反演地表热红外发射率成为地表热红外发射率反演的主要手段，卫星观测数据具有获取方便、光谱和时间分辨率高、探测范围广、成本低等优势。但是卫星在大气层顶探测到的辐射值通常是地表发射率、地表温度和大气中各种成分的吸收和辐射等作用之间的耦合结果，使得地表发射率反演精度极度依赖于大气校正精度。而且传统基于卫星数据的地表热红外发射率反演方法依赖红外辐射传输方程和热红外遥感三大定律(普朗克定律、斯蒂芬
‑
玻尔兹曼定律、维恩位移定律)，虽然物理意义明确，但参数复杂、计算量大。
[0004]所以，需要一个新的技术方案来解决这些问题。

技术实现思路

[0005]专利技术目的：针对现有技术中存在的反演方法参数复杂、计算量大、反演精度受限于大气校正结果的问题，提供一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，利用MODIS数据和Transformer网络构建一种不需大气校正的快速、高精度地表热红外发射率反演模型，有效解决了由大气校正误差引起的发射率反演精度低的问题。
[0006]技术方案：为实现上述目的，本专利技术提供一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，包括如下步骤：
[0007]S1：获取MODIS数据；
[0008]S2：对获取的MODIS数据进行数据预处理，得到网络训练数据集；
[0009]S3：构建基于Transformer的深度学习网络，通过深度学习网络对网络训练数据集中的训练数据进行训练，生成地表热红外发射率反演模型；
[0010]S4：利用生成的地表热红外发射率反演模型反演地表热红外发射率，得到地表热
红外发射率数据，并评定反演精度。
[0011]进一步地，所述步骤S1中MODIS数据包括热红外波段观测值、大气参数、地表温度和发射率、其他数据。
[0012]所述热红外波段观测值包括MODIS02定标辐射数据；
[0013]所述大气参数包括MODIS04气溶胶光学厚度数据、MODIS05大气可降水量数据、MODIS07大气温湿廓线和臭氧含量数据；所述地表温度和发射率包括MODIS11地表温度数据和热红外波段地表发射率数据；所述其他数据包括MODIS03经纬度坐标数据、MODIS13归一化植被指数(NDVI)数据、MODIS35云掩膜数据。
[0014]进一步地，所述步骤S2中数据预处理包括MODIS02数据辐射定标、时空匹配和异常值剔除。
[0015]MODIS02数据辐射定标：利用辐射定标公式，得到热红外波段的卫星观测辐射值；
[0016]时空匹配：根据各个数据的获取时间和经纬度坐标，以影像像元为单位，将同一地理位置在同一时刻的数据对应匹配，每个像元对应的步骤S1中所有数据为一组，构建输入数据集；
[0017]异常值剔除：利用MODIS35云掩膜数据，将“确信晴空”和“可能晴空”像元视为无云像元，剔除有云的像元，绘制所建立数据集的箱型图，根据箱型图结果剔除数据中的异常值，得到可以输入到网络中进行训练的数据集。
[0018]进一步地，所述步骤S3中深度学习网络的构建方法为：
[0019]设计基于Transformer的深度学习网络，包括encoder
‑
decoder和attention机制，encoder由6个编码器叠加而成，decoder也由6个编码器叠加而成，损失函数选择均方误差损失函数，优化器选择Adam优化器。
[0020]深度学习网络的训练方法为：
[0021]将建立的数据集中地表热红外发射率作为标签，MODIS02热红外波段卫星观测数据、大气参数数据、云掩膜数据和归一化植被指数(NDVI)数据作为特征，送入深度学习网络进行训练，得到地表热红外发射率反演模型。
[0022]进一步地，所述步骤S4中地表热红外发射率数据的获取方法为：
[0023]在地表热红外发射率反演模型中输入大气参数数据、云掩膜数据和归一化植被指数(NDVI)数据，反演地表热红外发射率，得到地表热红外发射率数据。
[0024]进一步地，所述步骤S4中评定反演精度的方法为：
[0025]采用均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为精度评定指标，公式如下：
[0026]均方根误差(RMSE)：
[0027][0028]平均绝对百分比误差(MAPE)：
[0029][0030]式中，n为样本总数，为模型预测值，y＝{y1,y2,...,y
n
}为真实
值；均方根误差和平均绝对百分比误差的范围均为[0,+∞)，当预测值与真实值完全吻合时等于0，即完美预测；预测效果越差，上述两误差值越大。
[0031]本专利技术将深度学习方法应用于地表热红外发射率反演模型的生成，深度学习方法能够根据输入数据来独立地构建(训练)出数据间的基本规则，通过对多种大气参数数据和地表发射率的训练，充分逼近其复杂的非线性关系，在反演地表热红外发射率时不再需要大气校正，能够很好地解决由大气校正误差引起的发射率反演精度低的问题。
[0032]有益效果：本专利技术与现有技术相比，具备如下优点：
[0033]1、本专利技术综合利用多种MODIS产品数据，充分考虑多种影响地表热红外发射率的因素，尤其是大气参数因素，多角度全方位的因素考虑能使本模型能够适用于多种不同的情况，具有良好的普适性。
[0034]2、本专利技术提出利用Transformer网络构建地表热红外发射率反演模型，克服了传统反演方法参数复杂、计算量大的困难。
[0035]3、本专利技术提出利用Transformer网络构建地表热红外发射率反演模型，通过大量训练数据充分逼近大气参数和地表发射率复杂的非线性关系，在反演地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，其特征在于，包括如下步骤：S1：获取MODIS数据；S2：对获取的MODIS数据进行数据预处理，得到网络训练数据集；S3：构建基于Transformer的深度学习网络，通过深度学习网络对网络训练数据集中的训练数据进行训练，生成地表热红外发射率反演模型；S4：利用生成的地表热红外发射率反演模型反演地表热红外发射率，得到地表热红外发射率数据，并评定反演精度。2.根据权利要求1所述的一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，其特征在于，所述步骤S1中MODIS数据包括热红外波段观测值、大气参数、地表温度和发射率、其他数据。3.根据权利要求2所述的一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，其特征在于，所述热红外波段观测值包括MODIS02定标辐射数据；所述大气参数包括MODIS04气溶胶光学厚度数据、MODIS05大气可降水量数据、MODIS07大气温湿廓线和臭氧含量数据；所述地表温度和发射率包括MODIS11地表温度数据和热红外波段地表发射率数据；所述其他数据包括MODIS03经纬度坐标数据、MODIS13归一化植被指数(NDVI)数据、MODIS35云掩膜数据。4.根据权利要求1所述的一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，其特征在于，所述步骤S2中数据预处理包括MODIS02数据辐射定标、时空匹配和异常值剔除。5.根据权利要求4所述的一种基于MODIS数据和Transformer网络的地表热红外发射率反演方法，其特征在于，所述步骤S2中，MODIS02数据辐射定标：利用辐射定标公式，得到热红外波段的卫星观测辐射值；时空匹配：根据各个数据的获取时间和经纬度坐标，以影像像元为单位，将同一地理位置在同一时刻的数据对应匹配，每个像元对应的步骤S1中所有数据为一组，构建输入数据集；异常值剔除：利用MODIS35云掩膜数据，将“确信晴空”...

【专利技术属性】
技术研发人员：李俊，张玥杰，盛庆红，王博，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：