一种从遥感数据ＭＯＤＩＳ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ＭＯＤＩＳ第２９、３１、３２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ＭＯＤＩＳ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地表温度和发射率产品精度高，实用性强，操作相对简单。
【技术实现步骤摘要】
本专利技术涉及一种从遥感数据MODIS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
地表温度是指地表表层的温度，地表发射率是衡量地物在热红外波段辐射 能力的一个非常重要的指标。地表温度和发射率在气候变化研究中是两个非常 重要的参数，其重要性己经使热红外遥感成为遥感研究的一个重要领域，目前 已经开发了很多实用的地表温度遥感反演方法，如热辐射传输方程法、劈窗算 法、单窗算法和多通道算法。许多反演算法是针对具体的传感器开发的，例如 Qin et al 口001]针对NOAA-AVHRR开发了一个劈窗算法，由于AVHRR传感器上 没有近红外波段反演大气水汽含量，只能通过气象站点或者其他传感器获得大 气参数。1999、 2002年搭载MODIS遥感器的对地观测卫星发射成功，为全球 和区域资源环境动态监测开辟了又一新的途径。MODIS是一个拥有36个波段 的中分辨率遥感系统(如图1)，每1 2天可获得一次全球观测数据，其飞行 与太阳同步，每天同一区域至少可获得昼夜两景图像，并且是免费接收，因此 非常适合于中大尺度的区域资源环境动态监测。在MODIS的36个波段中有8 个是热红外波段(如表1)，因而非常合适于区域尺度的地表热量空间差异分析。 但是，目前针对MODIS遥感数据的地表温度反演方法不是很多，万正明等在 1996和1997年在MODIS传感器还没有搭载卫星上天之前，针对这个传感器提 出了两禾中反演算法。其中一个是劈窗算法，只反演 地表温度，该算法中发射率是通过地表分类数据和发射率库匹配得到。由于受 云等的影响，分类产品不具备实时性，所以地表发射率也不具备实时性；另外 一个算法是能同时反演地表温度和发射率，该算法同时需要白天和晚上的数据， 由于数据匹配原因和该算法需要的一些参数需要其它同时搭载的传感器或者其 它反演产品获得，使得同时反演的温度产品分辨率从lxl公里降低到5x5公里。 这两个算法被美国宇航局(NASA)采用作为产品算法。但算法比较复杂， 一般 科研人员难以实现，比较复杂。国内许多研究者针对MODIS传感器的地表温度反演做过一些研究，比如毛 克彪和覃志豪等。毛克彪等于2009年已经针对MODIS数据申报了地表温度 反演方法专利一项。虽然该方法简便实用，但只能反演 地表温度，而不能同时反演得到地表发射率。虽然MODIS卫星传感器搭载在美 国卫星上，但我国MODIS数据地面接收站比较多，比如农业部资源遥感与数字 农业重点室，中国气象局卫星气象中心，中国科学院地理所等都有接收站点。 美国宇航局向全球发布MODIS温度产品，其精度在美国本土比较准确，但在世 界其它地区有些地方精度还是不够，需要进一步提高。特别需要我们根据世界各地本地的 实际情况，进一步研究新算法或者做进一步的校正，以提高精度。表1 MODIS遥感器技术参数<table>table see original document page 5</column></row><table><table>table see original document page 6</column></row><table>
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MODIS同时反演地表温度和发射率的方法，以克服现有地表温度反演方法复杂，且难以满足科研人员个人使用的需要，以及更加充实国内研究人员针对热红外遥感器开发的产品算法，为我国2020之前计划发射100颗卫星上热红外传感器提供地表温度和发射率反演方法参考，而且还能进一步提高目前农业部业务运行中地表温度和发射率的反演精度，提高旱情监测和农作物估产精度。为实现上述目的，本专利技术提供的从遥感数据MODIS同时反演地表温度和发射率方法步骤为第一步、建立对地观测卫星上MODIS传感器第29、 31、 32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MODIS数据第29、 31和32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)输入对地观测卫星MODIS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MODIS数据第29、 31、 32波段的波长范围执行模拟，并输出MODIS数据第29、 31、 32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以及大气水汽含量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MODIS第29、 31、 32波段的星上亮度温度和大气水汽含量作为神经网络的四个输入节点，地表温度和MODIS第29、 31、 32波段的发射率作为4个输出节点，进行训练；2-3)将测试数据集的星上亮度温度和大气水汽含量输入训练好的神经网络，输出地表温度和发射率；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，达到给定精度时候就停止训练。第三步、反演地表温度和发射率3- 1)对MODIS遥感影像数据的第2、 19、 29、 31、 32波段进行几何校正；3-2)利用MODIS第19波段和第2波段计算比值T，然后利用这个比值计算大气水汽含量W[Kaufman Y. J" Gao Bo-Cai.， Remote Sensing of Water Vapor inthe Near IR from EOS/MODIS, 7>ww. Geosc/.及ewo化Sera., 1992， 30:871-884.]:<formula>formula see original document page 8</formula>3-3)将MODIS数据的第29、 31、 32波段的星上亮度转换成星上亮度温度(T29、 T31、 T32);3-4)将3-2中W和3-3中T29、 T31、 T32输入到第二步训练好的神经网络中，输出地表温度和MODIS第29、 31、 32波段的发射率(E29、 E31、 E32);3-4)根据影像对应的地表进行相关验证和应用分析。所述的方法，其中，第一步的l-3中，温度变化范围的最低值和最高值为所在地区历史上的温度变化范围最低值和最高值，模拟过程中步阶改变幅度为2K。所述的方法，其中，第一步的l-4中，大气水汽含量初始值和最大值为所在地区历史上大气水汽含量的最小值和最大值，模拟过程中步阶改变幅度为0.2g/cm2。所述的方法，其中，第一步的l-5中，输入MODIS传感器高度为705KM。所述的方法，其中，第二步的2-4中，地表温度平均误差大于0.5 K和MODIS第29、 31、 32波段的发射率都大于0.01时，将两层隐含节点都加10，重复本文档来自技高网...
【技术保护点】
一种从遥感数据ＭＯＤＩＳ反演地表温度和发射率的方法，其步骤为： 第一步、建立ＭＯＤＩＳ传感器第２９、３１、３２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ＭＯＤＩＳ数据第２９、３１和３２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ＭＯＤＩＳ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ＭＯＤＩＳ数据第２９、３１、３２波段的波长范围执行模拟，并输出ＭＯＤＩＳ数据第２９、３１、３２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以及大气水汽含量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ＭＯＤＩＳ第２９、３１、３２波段的星上亮度温度和大气水汽含量作为神经网络的四个输入节点，地表温度和ＭＯＤＩＳ第２９、３１、３２波段的发射率作为４个输出节点，进行训练和测试； 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，到达给定的精度就停止训练； 第三步、反演地表温度和发射率 ３－１）对ＭＯＤＩＳ 遥感影像数据的第２９、３１、３２波段进行几何校正； ３－２）将ＭＯＤＩＳ数据的第２９、３１、３２波段的星上亮度转换成星上亮度温度，利用第２波段和１９波段计算大气水汽含量； ３－３）将３－２中转换后的星上亮度温度和大气水汽含量输入 到第二步训练好的神经网络中，输出地表温度和ＭＯＤＩＳ第２９、３１、３２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，王道龙，李滋睿，王建明，韩丽娟，黄健熙，
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，中国农业大学，国家气象中心，
类型：发明
国别省市：11[]
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。