基于深度动态学习神经网络和辐射传输模型地表温度反演算法研究

【目的】地表温度反演是一个典型的病态反演问题,深度动态学习神经网络的出现提供了一条新的地表温度反演途径。文章以MODIS中红外和热红外波段作为参照模拟研究对象,利用深度动态学习神经网络和辐射传输模型(MODTRAN)进行地表温度反演研究,选择最适合于MODIS地表温度反演的波段组合,从而为国产卫星风云系列和高分数据红外波段反演地表温度提供参考算法。【方法】根据中红外波段受太阳的影响以及水汽波段的特征,将反演组合波段分成3组。第1组适合白天和晚上同时反演地表温度的组合(MODIS波段29、31、32和33);第2组适合白天的热红外波段和水汽波段组合(MODIS波段29、31、32、33和水汽波段);第3组是只适合晚上的中外波段(MODIS 20、22、23)与热红外波段(MODIS 29、31、32和33)的组合。【结果】利用辐射传输模型(MODTRAN)和深度动态神经网络(NN)反演分析表明,深度动态学习神经网络能够被用来精确地从单景MODIS数据中反演地表温度,克服了传统MODIS白天/黑夜产品算法的缺陷。3种类型的组合地表温度的平均反演误差都在1 K以下,最高精度为热红外波段与水汽波段的组合,平均最高精度为0.251 K,标准差是0.255 K,相关系数是1。【结论】利用深度动态学习神经网络和辐射传输模型彻底解决了地表温度和发射率病态反演难题,为风云系列卫星和高分数据地表温度反演算法提供参考算法模式,深度动态学习神经网络与辐射传输模型相结合反演地表温度和发射率在地表温度反演史上具有里程牌意义。     

“高分五号”卫星地表温度反演与验证

【目的】“高分五号”卫星是中国首颗同时具有4 个热红外通道的遥感卫星，文章目 的是促进中国遥感卫星的应用，提高地表温度反演能力。【方法】文章对“高分五号”卫 星分别采用两通道劈窗算法和四通道劈窗算法反演得到内蒙古地区2019 年3 月份的地表温 度，并通过实测站点温度数据对反演温度进行检验。【结果】两通道劈窗算法的温度RMS 为 2.168 K，四通道劈窗算法的温度RMS 为1.609 K，结果表明四通道劈窗算法反演精度更高。 将四通道劈窗算法应用到2019 年3 月至6 月获取的山东省部分区域数据，反演了地表温度， 用于区域尺度农情信息监测与定量评价，为农业精细化管理提供技术支持。【结论】研究结 果表明，“高分五号”卫星地表温度反演精度较高，其高空间分辨率的地表温度信息将在农 业干旱监测中发挥重要作用。     

热红外遥感及其在农业旱情监测中的应用研究进展

【目的】梳理目前热红外遥感研究进展,探讨热红外遥感技术在农业旱情监测方面的应用现状,为热红外遥感技术在土壤水分反演和旱情监测方面的应用探明发展道路。【方法】文章通过系统梳理和总结国内外热红外遥感及其在农业旱情监测中的应用研究进展,分析了目前研究存在的问题,并对未来热红外遥感在农业旱灾监测中的应用进行了展望。【结果】热红外遥感已经形成多源遥感数据和多时空分辨率数据并存的局面,地表温度遥感定量反演和地表蒸散发遥感估算已经取得较大进展,但热红外遥感数据产品系统生产仍然面临许多问题,尤其是时空尺度、云影响、像元间可比性和反演精度等问题,仍然需要开展深入的研究;目前农业旱情遥感监测已经取得了较大进展,国内外学者提出了多种不同的表征指数监测方法,但由于热红外遥感存在的许多固有问题,农业旱情遥感监测仍面临许多挑战,尤其是从热红外遥感前沿问题出发开展农业旱情遥感监测模型研究。【结论】在对地观测大数据时代背景下,热红外遥感及其在农业旱情遥感监测中的应用,迫切需要进一步深入研究全天候高精度地表温度遥感反演、高精度农田蒸散遥感定量估算、时空尺度转换与多尺度监测、旱情监测机理模型构建等前沿学术问题,同时,这些问题也是农业旱情遥感监测获得突破性进展的重要方向。热红外遥感理论与方法的发展,将有力地推动我国农业旱情监测精度的提高,为现代精准农业发展保驾护航。     

基于TM8卫星热红外数据地表温度反演及其应用

地表温度(LST)是农业旱灾监测模型和农作物估产模型的关键因子,在干旱遥感监测中有着广泛应用.针对TM 8卫星运行陆地成像仪(OLI)和热红外传感器(TIRS)数据波段特点,提出新的劈窗算法流程图,推导新的劈窗算法系数,对地表比辐射率和大气透过率这两个基本参数进行了分析.选取同一时刻珠三角区域的MODIS温度产品和气象站点观测值作为基准,对该算法进行精度分析.结果表明:LST散点图得出RMSE为0.3845;从LST差值直方图得出反演LST和产品LST误差范围主要集中在-0.6～0.6℃之间;对观测的气象站点值进行统计,产品站点温度均值、算法反演温度均值和站点观测温度均值分别为21.61、21.19、21.38℃,对高温区域的气象站点温度数据统计得出该算法的RMSD为0.742℃,误差小于1℃.从实例应用来看,该算法能快速有效地反演农业旱灾监测中所需要的LST参数,并获得较好的反演效果,能提高农业旱灾监测模型的反演精度.     

热红外遥感反演地表温度研究进展

介绍在遥感技术支持下用热红外波段反演地表温度的各种方法及其优缺点和适用情况;总结目前通道法反演地表温度的问题所在,引出其研究新方向:组分温度反演;最后,对热红外遥感反演地表温度作出总结和提出展望。     

基于光学和微波遥感数据的森林蓄积量估测模型研究

【目的】探讨综合光学遥感和微波遥感的多源数据森林蓄积量反演方法。【方法】以L波段ALOS PALSAR全极化数据和Landsat TM为数据源,结合地面调查样地数据,通过ALOS PALSAR提取不同极化状态的后向散射系数和极化比值等极化特征因子,Landsat TM数据提取光学遥感因子,以多元线性回归构建森林蓄积量模型。【结果】光学遥感反演方法、微波遥感反演方法、综合光学遥感和微波遥感的多源数据反演方法均可以实现森林蓄积量估测,其中,基于多源数据协同的反演模型为最优模型,决定系数R~2为0.674,模型检验均方根误差RMSE为13.38 m~3/hm~2。【结论】要比使用一种数据源的反演方法具有明显的优势,有效实现了森林蓄积量估测。     

基于MODIS影像的昼夜地表温度反演研究

地表温度是研究区域地表能量平衡和资源环境变化的重要参数之一,为获取研究区的时空分布状况有重要的作用。对云南会泽县MODIS的昼夜两景影像数据进行辐射校正、定标等反演出地表温度图,通过31和32波段之间的波段运算显示出明显的地表温度空间差异和不同的地物类型;在已有的温度反演算法基础上,将地表温度数据引入到温度反演算法中,得出32波段反演的地表温度要高于31波段反演的地表温度,而且昼间两波段间的温度差要比夜间的两波段之间的温度差大,这是因为白天的可见光和近红外也存在辐射,而且白天的地表吸收温度比夜间高,辐射增大,导致白天的温差大于夜间的温差。利用地表实测温度数据与热红外遥感数据相结合,提高了研究区地表温度反演的精度,降低了反演难度。     

基于MODIS数据的沙漠化地区地表宽波段反照率的反演方法研究——以新疆沙漠化地区为例

以新疆地区的MODIS遥感图像数据和地表野外同步观测的光谱数据为例,在野外数据量较少且有定标数据的条件下反演地表反照率。在窄波段反照率与宽波段反照率之间存在线性关系的前提下,通过与相同时段的MODIS图像数据的窄波段反照率建立多元线性回归方程,构建回归模型,实现窄波段到宽波段的反演。并应用该回归模型对新疆沙漠化地区的地表反照率进行反演验证,经统计分析,结果证明此方法简便可行,精度较高。     

基于MODIS影像的昼夜地表温度反演研究

地表温度是研究区域地表能量平衡和资源环境变化的重要参数之一,为获取研究区的时空分布状况有重要的作用。对云南会泽县MODIS的昼夜两景影像数据进行辐射校正、定标等反演出地表温度图,通过31和32波段之间的波段运算显示出明显的地表温度空间差异和不同的地物类型;在已有的温度反演算法基础上,将地表温度数据引入到温度反演算法中,得出32波段反演的地表温度要高于31波段反演的地表温度,而且昼间两波段间的温度差要比夜间的两波段之间的温度差大,这是因为白天的可见光和近红外也存在辐射,而且白天的地表吸收温度比夜间高,辐射增大,导致白天的温差大于夜间的温差。利用地表实测温度数据与热红外遥感数据相结合,提高了研究区地表温度反演的精度,降低了反演难度。     

近地表气温遥感反演方法综述

【目的】在农业研究中,近地表气温是影响作物发育速度的关键因子。尤其是在全球气温变暖趋势下,对区域尺度气温进行实时监测具有十分重要的科学意义和实用价值。文章对目前常用近地表气温遥感反演方法进行回顾和总结,对未来近地表气温遥感反演方向进行展望。【方法】随着遥感技术的不断发展,遥感近地表气温反演已成为目前获取高时间/空间分辨率区域气温的最有效方法。该文采用文献综述的方法,回顾和总结了近年来国内外近地表气温遥感反演研究进展,将其归纳为4类:大气廓线外推方法、地表温度—植被指数方法、基于数据统计的方法以及基于地表能量平衡的方法。最后对这些方法的优缺点进行评述和展望。【结果】近地表气温主要受辐射、湍流及平流等多种因素影响。因此,准确获取近地表气温十分困难。尽管目前已有多个行之有效的遥感反演方法,但这些方法大多依赖地面辅助数据,尤其是在有云情况下,由于无法有效获取诸如地表温度和地表反照率等气温反演的重要参量,目前的方法很难有效得到应用。【结论】国内外学者针对近地表气温遥感反演开展了大量研究,但是目前仍然缺乏独立于地面辅助数据的普适性方法。建议未来在有云条件和不同地形条件下大气辐射传输过程以及大气流动对气温影响的量化建模等方面加强研究,以提升近地表气温遥感反演精度和适用性。