用遗传算法反演连续植被的组分温度

由于热红外多波段数据间具有高度的相关性和混合像元的大量存在，使得多波段陆面温度反演精度难以提高，并且难以得到组分温度信息。在连续植被热辐射方向性规律上的基础上，以喜直型连续植被为例，进行了大量的Monte-Carlo模拟，建立了组分有效比辐射率与土壤表面比辐射率和植被叶面积指数之间的经验函数关系，并以此构造目标函数，采用遗传算法，从热红外多角度数据中，同时反演混合像元组分温度和土壤比辐射率以及叶面积指数。通过对模拟的观测数据进行遗传算法反演的大量试验，结果表明，遗传算法反演组分温度非常稳健，在宽松的先验知识条件下，遗传算法可以解决不确定性反演问题。遗传算法反演结果和野外实测数据作了比较，证实了反演原理的正确性，为基于热红外方向性辐射模型反演组分温度，提供了新方法。     

利用AMTIS数据反演植被和土壤温度

遥感陆面温度 (LST)是目前遥感界面临的重要课题 ,组分温度反演则为LST反演的主攻目标。如果混合像元组分间的温度及发射率存在明显差别 ,就可以从多角度热辐射亮度变化中分离出组分温度的信息。在热辐射矩阵模型的基础上 ,讨论了确定可反演参数和反演组分温度的方法 ,并以AMTIS多角度热红外图像为数据源 ,在进行几何和大气纠正后 ,尝试利用矩阵反演方法分解混合像元中的植被和土壤温度。误差分析表明土壤温度反演结果较好 ,但植被温度的反演精度不高     

利用遗传算法优化神经网络实现混合像元组分参数的反演

采用热红外多波段遥感数据反演陆面温度(LST),由于波段间信息高度相关,以及难以直接反演混合像元组分温度,使得LST的反演精度和应用价值都受到很大的限制.在建立非同温混合像元热辐射方向性模型基础上指出,热红外多角度遥感提供了反演组分温度的可能性,但是,由于该模型是采用蒙特卡洛方法模拟而建立起来的数值概念模型,采用一般反演方法很难同时提取所有参数信息.为了有效获取各参数信息,使用神经网络模型.由于待反演参数中,组分温度、土壤比辐射率和叶面积指数(LAI)都是多角度辐射亮度的非线性函数,然而,使用经典的误差后传(BP)算法容易陷入局部最优解区域;虽然遗传算法(GA)可以搜索到全局最优解,但在微机上实现算法速度太慢,因此,采用GA训练神经网络,得到网络权重,然后再以GA训练得到的权重作为BP算法的初始权重,继续训练神经网络,直到获得满意结果.这样既可以发挥BP算法快速寻优的特点,又能得到网络权重的最优组合.数值模拟的结果表明,基于非同温混合像元热辐射方向性模型,采用GA优化的神经网络模型反演多维参数效果比较理想.     

Sentinel-3 SLSTR数据的组分温度反演

陆表温度是全球气候观测系统的基本变量。由于地表目标多数为具有三维结构、组成成分复杂、温度分布不均一的混合像元,因此相较于平均温度,组分温度具有更明确的物理意义和应用价值,对地—气相互作用过程和水分循环的定量分析研究具有重要意义。本研究针对Sentinel-3 SLSTR数据,基于CBT-P模型和CE-P模型构建了植被—土壤组分温度反演框架,并分析了劈窗算法和LAI对反演误差的影响。使用小汤山、漯河、塞罕坝3地实测数据进行结果验证,结果表明,5个验证点的植被组分温度反演结果的绝对偏差在0.1—1.6 K之间,平均绝对偏差为1.1 K,土壤组分温度反演结果的绝对偏差在0.5—1.4 K之间,平均绝对偏差为0.8 K,在中纬度的稀疏连续植被和垄行植被冠层中取得了较高的精度,初步证明了本研究提出的Sentinel-3 SLSTR双通道双角度地表组分温度反演算法的可行性。     

陆面温度反演的新进展

指出了利用多通道数据反演陆面温度所存在的问题,在说明非同温混合像元热辐射方向性规律的基础上,对利用多角度数据进行陆面组分温度反演进行了可行性分析。     

耦合双时相与邻近像元信息的极轨卫星地表组分温度反演

与混合像元的地表温度相比,植被和土壤的组分温度具有更明确的物理意义。因此,本文提出了一种从具有广泛应用的极轨卫星地表温度产品中分离出植被和土壤组分温度的算法。该算法使用温度日变化模型作为桥梁连接极轨卫星一日内的两次观测,利用多像元数据进行模型求解,从而得到过境时刻的地表植被和土壤组分温度。论文针对MODIS数据开展了地表组分温度的反演,并利用实测站点数据和高分辨率卫星数据对反演结果进行了验证。结果表明,该算法可以提供合理的植被和土壤组分温度信息,反演温度的误差变化范围为1.4 K到2.5 K。此外,对观测时刻组合方式的分析表明该算法只需要一次白天观测和一次夜晚观测就可以得到精度较好的分离结果,并且两次观测可以来自于不同传感器,进一步表明了算法具有良好的可操作性。     

从宽波段热红外图像反演组分温度的相关问题讨论——通道响应函数和比辐射率波段变化的影响

对于宽波段传感器,不一定能直接由普朗克定律或者斯蒂芬玻尔兹曼定律建立温度与辐射亮度的关系。在知道传感器通道响应函数和像元组分比辐射率波段变化的情况下,只要恰当地拟合出黑体温度和其宽波段热辐射的对应经验关系式,并计算一个通道响应函数加权平均的比辐射率,则从混合像元的宽波段多角度热红外观测仍可较准确地反演组分温度。以AMTIS为例,文中给出了两种拟合宽波段传感器亮度温度和辐射亮度之间关系的方式:一种是从斯蒂芬玻尔兹曼定律的形式出发的;另一种则是用普朗克定律,选择一个合适的波长,使得AMTIS传感器随温度变化的热辐射曲线和普朗克函数在某个波长处的热辐射曲线两者之间尽可能地平行。文中以两个例子说明了这两种方式在宽波段传感器组分温度反演中的应用和误差,分析了比辐射率波段变化对组分温度反演的影响。     

联合热红外与微波的作物辐射方向性模型研究

热红外遥感提供地表表层辐射信息为主,被动微波遥感可更好地提供植被和土壤背景垂直结构的辐射信息。结合热红外与被动微波遥感的优势协同反演植被和土壤组分温度是提高组分温度反演精度的一种思路。本文在对热红外辐射传输模型和微波辐射模型进行比较的基础上,构建均匀作物的统一场景,将统一场景的参数分为直接参数和间接参数。基于统一场景,修改微波辐射模型的场景结构及叶倾角分布,并增加组分温度参数以计算辐射亮温,最终构建热红外与微波辐射联合模拟模型(UEasmmes模型)。针对均匀玉米作物,利用UEasmmes模型进行联合模拟,分析了组分温度、组分发射率、叶面积指数LAI及叶倾角分布LAD对热红外与微波的方向性亮温DBT的敏感性响应差异。分析结果表明:协同热红外与被动微波遥感反演植被和土壤组分温度是可行的,但对于如何克服组分发射率、LAI及LAD对植被有效发射率的影响而导致的微波辐射亮温变化以及实现热红外表皮温度与微波等效温度之间的转化仍是需要深入研究和探讨的问题。     

利用ATSR—2数据提取地表组分温度

发展了一种迭代算法，能够利用ATSR－2双角观测同时进行大气校正和反演地表的组分（植被和土壤）温度。在算法中，全球通用二次方（QUAD）算法用于进行大气校正，LSF模型用于计算等效方向发射率，通过迭代的方法，同时反演地表组分温度和进行大气校正。结果表明，在可接受的范围内，土壤温度和植被温度可以被分离开来，而且，反演出的两个方向发射率的差和经过大气校正后的两个方向亮温的差有很好的相关性。更进一步的敏感性和不确定性分析表明，如果利用USM进行分阶段反演，可以得到更好的结果。     

基于分裂窗算法的温度反演研究及应用

分析了MODIS热红外数据的特点,利用MODIS热红外数据,实现了2004年7月23日的湖北省地区组分温度的反演。     

比辐射率封闭法测定技术及误差分析

劈窗算法是目前由热红外遥感图像数据获取陆面温度最主要的方法。由于进行地面像元尺度实时陆面温度同步测量的困难,尚无法直接对现有各劈窗算法进行评判。该文借助于辐射传输模型ＬＯＷＴＲＡＮ７及其提供的６ 种标准大气模式,进行模拟计算,分析了６ 种主要劈窗算法对大气廓线误差和比辐射率的敏感度,作为对劈窗算法适用性的一间接判据。     

FY-3D MERSI-II地表温度遥感反演与验证

地表温度是是决定地表辐射能量收支的重要变量,在岩石圈、水圈、生物圈和大气圈的能量平衡和水量平衡研究中起着重要作用。利用热红外遥感技术可实现区域和全球尺度地表温度的快速获取,其受到了研究者的广泛关注。目前,FY-3D是国内光谱分辨率最高的对地观测卫星,极大的提高了对地观测能力,其搭载的中分辨率光谱成像仪（MERSI-II）经过大幅升级改进,性能有了显著提升,热红外数据的空间分辨率达到了250 m。本文使用大气辐射传输模型MODTRAN 5模拟了MERSI-II传感器热红外通道星上观测数据。在此基础上,构建了通用劈窗地表温度反演模型,结合ASTER GED全球地表发射率产品以及MERSI-II自身大气水汽反演算法,发展了地表温度遥感反演方法。最后,利用2019-08内蒙古乌海沙漠地区及美国SURFRAD多个站点的实测地表温度数据对本文提出的方法进行了验证。研究结果表明,相较地表实测数据,构建的劈窗算法反演的地表温度RMSE在1.6—2.6 K,反演精度达到了预期目标,还具有较高的空间分辨率,可以用于业务化的地表温度的反演,同时也说明其辐射定标精度有了一定保证,有效满足了区域和全球尺度地表温度遥感监测应用需求。     

地表温度反演的算法综述

地表温度是研究地球表面的重要参数,被称为地表的皮肤温度。反演地表温度对自然灾害监测、城市热岛等有着重要意义,利用热红外遥感技术是反演地表温度的主要方式。本文阐述了目前主要用于反演地表温度的各算法特性、优缺点和适用情况,对各种算法进行对比分析,并指出反演地表温度存在的问题及解决问题的方向,并对反演地表温度发展趋势进行了展望。     

CBERS-02 IRMSS热红外数据地表温度反演及其在城市热岛效应定量化分析中的应用

针对CBERS-02IRMSS的热红外通道特性，对Jimenez-Munoz和Sobfino提出的普适性单通道地表温度反演算法进行改进，并利用该传感器热红外遥感数据反演北京地区和苏锡常地区的地表温度；利用2004年8月17日在青海湖的野外实测数据对该算法的地表温度反演结果进行的验证表明，改进的单通道反演算法应用于CBERS-02IRMSS传感器热红外数据的地表温度反演具有很高的反演精度。并在此基础上，运用城市热场变异指数对北京地区和苏锡常地区的城市热岛效应进行分析，运用中国研制的热红外卫星遥感数据给出了城市热岛效应的定量化描述。结果表明，CBERS-02IRMSS热红外遥感数据完全可以满足定量化应用的要求，具有很大的应用潜力。     

一种适用于ASTER数据同时反演大气水汽含量和地表温度的三通道算法

提出了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法,即利用ASTER数据的第12,13,14三个热红外波段建立三个热辐射传输方程。再利用MODTRAN软件分别模拟ASTER 12,13,14波段透过率与大气水汽含量的关系,通过分析可知ASTER三个热红外波段的透过率与大气水汽含量的关系可用近似线性方程表示,从而得到另外三个方程。这样就构成了一个包含六个未知数、六个方程的方程组,形成了针对ASTER数据同时反演大气水汽含量与地表温度的三通道算法。由于各参数都可以通过方程组计算出来,所以,这种算法仅需要ASTER数据就可反演出大气水汽含量与地面温度,且关键参数大气透过率的计算精度提升到了AS-TER数据一个像元（15×15）m2的程度。     

Landsat 8热红外数据定标参数的变化及其对地表温度反演的影响

Landsat系列卫星上的TIRS热红外传感器数据已被大量应用,针对TIRS数据的地表温度反演也相继开发出一些算法,并有一些研究对TIRS数据的定标及其地表温度反演算法的精度进行了对比。本文主要就TIRS热红外传感器定标参数的变化,结合这些定标参数变化的时间点对有关地表温度反演算法的适用性和有效性进行分析,特别是对劈窗算法是否适合当前的TIRS数据进行了讨论,以使用户能够对Landsat 8 TIRS热红外数据的正确使用有进一步的认识。总的看来,由于视域外杂散光的影响,TIRS数据的定标精度仍达不到设计目标,TIRS第11波段的不确定性仍成倍大于TIRS 10波段。因此,在Landsat团队未彻底解决这一问题之前,同时用TIRS第10、第11这两个差距较大的波段构成的劈窗算法来反演地表温度,其精度存在较大的不确定性,US6-S团队仍在致力于改进第11波段的精度,改进后的波段可以用劈窗策法。目前应以TIRS第10单波段的方式来反演地表温度为宜。