System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術屬于地表溫度反演,具體而言,涉及基于虛擬通道的地表溫度分裂窗遙感反演方法與系統。
技術介紹
1、地表溫度是地-氣系統相互作用的關鍵驅動因素,也是地區到全球尺度上水和能量平衡中最重要的物理參數之一。自上世紀七十年代以來,學者們開發并使用了各種地表溫度反演算法來生產地表溫度產品,這些方法主要有:單通道算法、分裂窗算法與溫度發射率分離算法。landsat-8(landsat?8?satellite,陸地衛星8號)衛星搭載的熱紅外傳感器共設置有2個空間分辨率為100m的熱紅外通道。作為landsat系列衛星的重要組成部分,為時間連續百米級地表溫度數據提供了重要支撐。由于視場外雜散光的影響,landsat-8熱紅外傳感器數據的定標精度沒有達到設計目標,第11通道的不確定性遠大于第10通道,使得landsat-8?熱紅外傳感器在大氣窗口內僅存在一個可用的熱紅外通道,無法使用現有的分裂窗算法來反演地表溫度,為獲取時間連續的百米級地表溫度數據造成了困擾。
2、現有技術公開了一種根據衛星的熱紅外雙通道數據對應的波譜響應函數和設定的模擬方案生成衛星對應的分裂窗系數,用于地表溫度的反演,并具體公開了以下的技術特征:根據衛星的熱紅外雙通道數據的波譜響應函數和不同的大氣傳輸模型的模擬設置,更新tp5文件;根據所述更新后的tp5文件和大氣輻射傳輸模式,生成多組雙通道亮溫數據;根據所述多組雙通道亮溫數據進行分組回歸,建立多維度回歸系數查找表;根據所述多維度回歸系數查找表,生成所述衛星對應的分裂窗系數。該方法要求衛星傳感器在大氣窗口內至少
技術實現思路
1、為了解決上述技術問題,本專利技術提供基于虛擬通道的地表溫度分裂窗遙感反演方法與系統。
2、第一方面,本專利技術提供了基于虛擬通道的地表溫度分裂窗遙感反演方法,包括構建模擬數據集、構建虛擬通道、確定分裂窗系數與確定目標地表溫度;
3、構建模擬數據集,包括:
4、從tigr數據庫中篩選晴空條件下的大氣廓線數據,將大氣廓線數據輸入至輻射傳輸模型,模擬大氣參數;
5、將地物波譜數據與傳感器光譜響應函數卷積,模擬通道有效地表發射率;
6、將大氣參數與地表發射率輸入至熱紅外輻射傳輸模型,得到terra?modis星上亮溫模擬數據與landsat-8?tirs的星上亮溫模擬數據作為模擬數據集;
7、構建虛擬通道,包括:
8、根據modis產品、lai產品、植被聚集指數與modis?l1b數據進行星上亮溫角度歸一化;
9、構建pso-bp神經網絡模型進行時間校正與光譜轉化,將若干個觀測天頂角下的terra?modis星上亮溫模擬數據中第31和32通道的星上亮溫模擬數據與觀測天頂角為0°下landsat-8?tirs第10通道的星上亮溫模擬數據作為輸入,將對應觀測天頂角下landsat-8tirs第11通道的星上亮溫模擬數據作為輸出,對pso-bp神經網絡模型進行訓練,基于訓練后的pso-bp神經網絡模型得到landsat-8?tirs第11通道的虛擬通道;
10、確定分裂窗系數,包括:
11、基于landsat-8?tirs星上亮溫模擬數據,根據分裂窗算法,根據平均地表發射率、地表溫度與大氣水汽含量分組率定分裂窗系數;
12、通過分裂窗算法確定地表溫度的近似值;
13、確定目標地表溫度,包括:
14、根據平均地表發射率、地表溫度的近似值與大氣水汽含量重新選擇分裂窗系數,確定目標地表溫度。
15、第二方面,本專利技術提供了基于虛擬通道的地表溫度分裂窗遙感反演系統,包括模擬數據集構建單元、虛擬通道構建單元、分裂窗系數確定單元與目標地表溫度確定單元;
16、模擬數據集構建單元,用于:
17、從tigr數據庫中篩選晴空條件下的大氣廓線數據,將大氣廓線數據輸入至輻射傳輸模型,模擬大氣參數;
18、將地物波譜數據與傳感器光譜響應函數卷積,模擬通道有效地表發射率;
19、將大氣參數與地表發射率輸入至熱紅外輻射傳輸模型,得到terra?modis星上亮溫模擬數據與landsat-8?tirs的星上亮溫模擬數據作為模擬數據集;
20、虛擬通道構建單元,用于:
21、根據modis產品、lai產品、植被聚集指數與modis?l1b數據進行星上亮溫角度歸一化;
22、構建pso-bp神經網絡模型進行時間校正與光譜轉化,將若干個觀測天頂角下的terra?modis星上亮溫模擬數據中第31和32通道的星上亮溫模擬數據與觀測天頂角為0°下landsat-8?tirs第10通道的星上亮溫模擬數據作為輸入,將對應觀測天頂角下landsat-8tirs第11通道的星上亮溫模擬數據作為輸出,對pso-bp神經網絡模型進行訓練,基于訓練后的pso-bp神經網絡模型得到landsat-8?tirs第11通道的虛擬通道;
23、分裂窗系數確定單元,用于:
24、基于landsat-8?tirs星上亮溫模擬數據,根據分裂窗算法,根據平均地表發射率、地表溫度與大氣水汽含量分組率定分裂窗系數;
25、通過分裂窗算法確定地表溫度的近似值;
26、目標地表溫度確定單元,用于:
27、根據平均地表發射率、地表溫度的近似值與大氣水汽含量重新選擇分裂窗系數,確定目標地表溫度。
28、在上述技術方案的基礎上,本專利技術還可以做如下改進。
29、進一步,大氣參數包括通道透過率、大氣上行輻射與大氣下行輻射。
30、進一步,對pso-bp神經網絡模型進行訓練時,將模擬數據集中的設定比例作為訓練集,剩下的部分作為測試集;將輸入的訓練集參數歸一化到0與1之間;初始化pso-bp神經網絡模型的參數,pso-bp神經網絡模型對訓練集進行訓練;設置pso-bp神經網絡模型的隱藏層層數,每個隱藏層包含若干個隱藏層節點,設置學習率、訓練次數與目標最小誤差,采用量化共軛梯度法進行優化;使用pso算法迭代尋優,粒子種群數量為5,設定迭代次數、認知學習因子、社會學習因子、慣性因子、最大速度、最小速度、最大邊界與最小邊界。
31、進一步,對于包含土壤組分和植被組分兩種組分的混合像元,根據植被覆蓋度校正地表溫度的方向性效應,包括:
32、設植被覆蓋度為,傳感器第i通道的亮度溫度為,表示傳感器第i通道植被組分貢獻的亮度溫度,表示混合像元中土壤部分的地表發射率,表示傳感器第i通道土壤組分貢獻的亮度溫度,表示大氣透過率,表示混合像元中植被組分的地表發射率,表示第i通道大氣下行輻射中被土壤組分反射的部分,表示第i通道大氣下行輻射中被植被組分反射的部分,表示將第i通道大氣按照植被覆蓋度劃分為植被與土壤時植被貢獻的部分,表示將第i通道大氣按照植被覆蓋本文檔來自技高網...
【技術保護點】
1.基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,包括構建模擬數據集、構建虛擬通道、確定分裂窗系數與確定目標地表溫度;
2.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,大氣參數包括通道透過率、大氣上行輻射與大氣下行輻射。
3.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,對PSO-BP神經網絡模型進行訓練時,將模擬數據集中的設定比例作為訓練集,剩下的部分作為測試集;將輸入的訓練集參數歸一化到0與1之間;初始化PSO-BP神經網絡模型的參數,PSO-BP神經網絡模型對訓練集進行訓練;設置PSO-BP神經網絡模型的隱藏層層數,每個隱藏層包含若干個隱藏層節點,設置學習率、訓練次數與目標最小誤差,采用量化共軛梯度法進行優化;使用PSO算法迭代尋優,粒子種群數量為5,設定迭代次數、認知學習因子、社會學習因子、慣性因子、最大速度、最小速度、最大邊界與最小邊界。
4.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,對于包含土壤組分和植被組分兩種組分的混合像元,根據植被覆蓋度
5.?根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,依據葉面積指數,植被聚集指數數據和觀測天頂角,對Terra?MODIS第31和32通道的亮度溫度進行角度歸一化,獲得觀測天頂角為0°時的亮度溫度。
6.?根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,通過FR97算法計算Landsat-8?TIRS第10通道和第11通道的地表發射率;通過ERA5再分析數據提供的大氣相對濕度估算大氣水汽含量。
7.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,將Landsat-8星上亮溫模擬數據依據平均發射率分為兩組,低于第一設定閾值的模擬數據為第一發射率組,高于第二設定閾值的模擬數據為第二發射率組;第一設定閾值大于第二設定閾值,得到包含重疊區域的第二發射率組與第二發射率組;對地表溫度與大氣水汽含量進行分組。
8.基于虛擬通道的地表溫度分裂窗遙感反演系統,其特征在于,包括模擬數據集構建單元、虛擬通道構建單元、分裂窗系數確定單元與目標地表溫度確定單元;
...【技術特征摘要】
1.基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,包括構建模擬數據集、構建虛擬通道、確定分裂窗系數與確定目標地表溫度;
2.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,大氣參數包括通道透過率、大氣上行輻射與大氣下行輻射。
3.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,對pso-bp神經網絡模型進行訓練時,將模擬數據集中的設定比例作為訓練集,剩下的部分作為測試集;將輸入的訓練集參數歸一化到0與1之間;初始化pso-bp神經網絡模型的參數,pso-bp神經網絡模型對訓練集進行訓練;設置pso-bp神經網絡模型的隱藏層層數,每個隱藏層包含若干個隱藏層節點,設置學習率、訓練次數與目標最小誤差,采用量化共軛梯度法進行優化;使用pso算法迭代尋優,粒子種群數量為5,設定迭代次數、認知學習因子、社會學習因子、慣性因子、最大速度、最小速度、最大邊界與最小邊界。
4.根據權利要求1所述基于虛擬通道的地表溫度分裂窗遙感反演方法,其特征在于,對于包含土壤組分和植被組分兩種組分的混合像元,根據植被覆蓋度校正地...
【專利技術屬性】
技術研發人員:趙偉,趙俊力,唐伯惠,楊艷青,吳久江,
申請(專利權)人:中國科學院,水利部成都山地災害與環境研究所,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。