地温反演论文

《地温反演论文》由会员分享，可在线阅读，更多相关《地温反演论文（3页珍藏版）》请在金锄头文库上搜索。

1、基于ASTER和MODIS数据的劈窗算法分析前言：赵老师您好，因为时间比较紧，在看完资料后没有很好的消化吸收，很难有自己 的独特的见解，文章里面有一些自己的想法，但是可能不成熟，如果有不对的地方请指正， 本文是一篇学习型的论文，是在查阅各种资料后对劈窗算法的总结。另外老师我对遥感方面 很有兴趣，希望以后有问题能向老师请教。摘要：随着现代遥感技术的发展，获取的遥感数据越来越多。例如 Landsat TM ， ASTER,MODIS,NOVAA/AVHRR等。目前对地表温度的反演主要有利用热红外遥感和微波遥感。 其中，微波的地表辐射机理研究还不成熟，而且受空间分辨率的影响，使得地面实测资料的 获得

2、十分困难。因此，本文主要学习分析了针对热红外的地表温度反演方法，并详细学习了 ASTER和MODIS数据的地表温度的劈窗算法（分裂窗算法）。关键词：热红外遥感，ASTER,MODIS,劈窗算法地表温度被定义为地面的皮肤温度。地表温度是全球气候变化研究的关键参数之一，传 统的方法是根据地面有限观测点的数据来分析区域地表温度的差别。近20 年来，遥感技术 的飞速发展为快速获取地表温度的时空差异信息提供了新的途径。目前已经开发了很多针对 热红外数据的使用地表温度遥感反演方法。总结当前的地表温度遥感反演方法，大致可分为 单通道方法、分裂窗方法、单通道多角度地表温度反演方法、多角度与多通道相结合的方法

3、和地表大气参数一体化反演方法。这些算法各有优劣。然而现阶段用得最多的是劈窗算法。 劈窗算法以地表热辐射传导方程为基础，利用大气窗口内两个热红外通道对大气吸收作用的 不同，对其进行一定的线性组合从而消除大气对辐射的影响，进而进行大气和地表比辐射率 的修正劈窗算法降低了对大气参数的敏感性，所需的参数少，其模型简单易操作，且反演的 精度在可接受范围内，因此是目前人们应用最普遍的方法。接下来针对ASTER数据和MODIS 数据的劈窗算法进行分析。首先对数据种类做出说明。热红外遥感在地表温度反演中具有重要地位，但是每个传感 器的设计都具有很强的针对性，几乎每个通道的研究对象都是非常明确的。针对不同的数据

4、 会有与之相适应的不同的反演研究方法。因此为了分析针对ASTER数据和MODIS数据的劈 窗算法，我们有必要在这里了解ASTER数据和MODIS数据的特点。1999年搭载ASTER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 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。其主要特点为高空间分辨率，多波段，立体像。MODIS是美国国家航空航天局、日本国际贸易与工业厅和加拿大空间局、多伦多大学共 同合作发射的卫星TERRA上的一

5、个中分辨率传感器。有36个可见光-红外的光谱波段，空间 分辨率为 250-1000 米。而且其 36 个波段分别针对海洋、陆地、水汽等来设计的。 MODIS 数据可以覆盖全球，具有较合适的探测精度以及较宽的动态范围，因而可以用来探测多种地 表类型。针对ASTER数据的数据特点，现阶段地温反演研究中用到劈窗算法如下。因为ASTER的 第10波段受大气的影响比较大，第13和14波段受大气的影响最小,因此最适合于建立辐射 传输方程来反演地表温度。具体方法为，先对Planck函数做线性简化，然后从MODIS的近 红外波段反演大气水汽含量，通过建立大气水汽含量与 ASTER 热红外波段透过率的关系，从

6、而可以从同一颗星上计算得到透过率，使透过率的求算精确到每一个象元，保证了透过率求 算的实时性。同时利用 ASTER 可见光和近红外对地表进行分类,然后通过 JPL 提供的光谱数 据库来获得每种地物的发射率。最后用大气模拟校正法对算法的验证表明该算法可行。在劈窗算法中，通过地面分类信息来确定地表发射率。但在地表分类精度不能保证或者 地表类型不能确定时，劈窗算法就有一定的局限性。针对这种情况，提出了针对ASTER数据 的同时反演地表温度和发射率的多波段算法。即选择ASTER的第11、12、13和14建立辐 射传输方程组，然后通过分析ASTER热红外波段数据发射率的特点，建立了 ASTER4个热红

7、外波段发射率的线性关系，从而得到了6个未知数和6个方程。因为大气辐射传输模型模拟 保证了地球物理参数之间的物理关系，而神经网络则内含了分类信息和优化计算的能力。因 此，大气辐射传输模型和神经网络复合来反演地表参数是当前反演技术的一个进步。利用MODTRAN4模拟数据精度分析评价表明精度很高，平均精度在0. 250C以下。针对ASTER 的劈窗算法思路如下图ASTER/VIRAETER/TIRMODIS/XIRWuMiDa分类P臥k函数V大气水汽含量叮发射率简化大气透过率劈窗算法地表温度针对MODIS数据的地表温度和发射率劈窗反演算法，即在分析MODIS的多个热红外波 段的基础上，选择最适合反演

8、地表温度的第 31 和 32 波段建立热辐射传输方程组。通过对 MODIS 第 31 波段和 32 波段的热辐射强度和温度之间的关系进行计算，其中大气水汽含量 与ASTER数据中的计算方法一致。因此，先反演大气水汽含量，然后通过MODTRAN模拟大 气水汽含量和热红外波段大气透过率的关系计算得到 MODIS3132 的透过率。由于是从同 一景 MODIS 数据中获得大气水汽含量，因此，提出的大气透过率估计方法保证了地表温度 反演过程中所需大气参数的同步获取。对于地表发射率的估计，也是从同一景MODIS数据 的红波段和近红外波段来进行估计。通过MODIS的可见光波段、近红外和中红外波段数据， 完

9、全可以获得地表温度反演所需要的基本参数。最后用国际上通用的大气模拟验证对文中的 方法进行了参数敏感性分析，分析表明该算法对大气水汽含量和发射率都不敏感，特别是大 气水汽含量的误差在一 80%130%时，地表温度的反演误差在0. 191. 1C之间，并且 从实际影像反演中确认了这一结论。最后对算法精度进行了评价，当用大气模拟得到的透过 率时，精度为0. 32cc；当透过率是从大气水汽含量的指数关系计算得到时,精度为0. 32C； 当透过率是从大气水汽含量的线性关系计算得到时，精度为0. 49C。由于地球物理参数之 间存在着相互制约关系，这些关系不能严格地用数学方法来描述，这就决定了大气辐射传输

10、模型和神经网络的集成是解决地球物理参数 （地表温度和发射率）病态反演问题的最好方法 之一。其设计思路主要如下图简化央气透过率劈窗算法MODIS31/32MODIS2/19Plandk函数辐射率估计大气水汽含量辐射率地表温度MODE1/2it地表温度的热红外遥感反演是一项复杂的系统工程，就目前的研究进展来看，大体上偏 重于对一些现有模型的应用或改进。对于劈窗算法，地温反演的关键在于地表发射率和 大气透过率这两个参数的获取。目前阶段发射率的订正非常困难，其不仅与地表的物体组成 成分及物理性质相关，还依赖于辐射能的波长和观测角度等，从而使得发射率的精确测量难 度相当大。由于地温反演是一个典型的病态反

11、演问题，即所能建立的方程数目小于未知数， 因此必须对某些未知数进行假设使之成为已知的参数，而这种假设需要获取很多先验的知识。 这也是地温反演日后的热点研究方向，如已有的参数弱固定方法等。劈窗算法中我们假设了 发射率和大气透过率为已知，减少了反演参数，但这两个参数本身的误差也将带来反演的误 差，因此我认为日后就劈窗算法而言，如果数据结构没有改变，要改进其精度，就必须对这 两项参数的估计上减小误差，或者简化物理模型。卓越工程师培养结课总结：这个学期上这门课也是我第一次较为深入的接触到遥感方面 的知识，以前更是从来没有听说过的地表温度反演。我觉得在遥感这项新技术中，利用新技 术的手段，却立足于传统的

12、数学方法（我的观点），二者结合产生的地表温度反演机制十分 吸引人。也正是由于技术的发展，数据种类众多，从而也产生了众多的反演方法以及反演模 型，从而也提供了一个没有不可能的创新的场所，地温反演对整个人类来说都十分重要，而 这种充斥着创新的新兴领域远比普通行业更有其魅力及价值。通过这一个学期的学习，我大 致了解了各种数据的特点，也深入学习了多种反演方法及其机理，以及反演参数的计算方法 等，但是由于时间关系，对最终的简化方程的推导并没有很理解，因此对最终的简化方程也 没有很深刻的印象，这也是为什么我在这篇论文里面只提机理，而没有给出方程的原因。这 么课这个学期就结束了，却也把我领进了遥感技术的大门，即便现在可能这方面知识仍然浅 薄，不过有热情，梦想不再遥远。