一种从被动微波遥感数据ＡＭＳＲ－Ｅ反演地表温度的方法，包含三个步骤：第一步骤是美国对地观测数据中心提供的ＭＯＤＩＳ地表温度产品作为ＡＭＳＲ－Ｅ数据的地表温度数据，通过经纬度控制进行采集，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ＡＭＳＲ－Ｅ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产品精度高，克服了热红外受云和部分降雨的影响。
【技术实现步骤摘要】
本专利技术涉及一种从被动微波遥感数据AMSR-E反演地表温度的方法，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
当前主要的被动微波遥感数据有S匪、SSM、 AMSR。三种传感器的参数特征如表1 所示。 表1 :S匪R、 SSM、 AMSR-E主要仪器参数比较 <table>table see original document page 3</column></row><table> 其中S匪R传感器是1978年搭载Nimbus_7卫星上天，空间分辨率为150KM, 最低频率为6.6GHz。通过研究表明6.6，10.7GHz通道在低植被情况下对土壤水分 比较敏感。SSM/I在1987年发射升空，最低频率为19.3GHz，这个波段主要是用来 监测植被的信息。这两个传感器主要是研究海洋和大气。Wang[Wang， J. R. ， Effect of vegetation on soil moisturesensing observed from orbiting microwave radiometers. Remote Sens. Environ. ，1985，17 :141-151.]第 一 次对6. 6禾口 10. 7GHz 通道对土壤湿度的估计做了一些研究工作。Si卯el等[Sippel S.J. ， S.K.Hamilton, J. M. Melack， B. J. Choudhury， Determination of inundation area in the Amazon river floodplai皿sing the S匪R 37GHz polarization difference, Remote Sens. Environ. ， 1994， 48 :70-76.]的研究表明S匪R可用于季节灾害研究。Choudhury等 [Choudhury B. J. ， C. J. Tucker, R. E. Golus， W. W. Newcomb， Monitoringvegetation using Nimbus_7 scanning multichannel microwave radiometer' sdata. Int. J. Remote Sens. ，1987,8 :533-538.]对S匪R在植被监测做了大量的研究。McFar land [McFar land M. J. ， R.J. Miller, C. M. U. Neale， Land surfacetemperature derived from the SSM/I passive microwave brightnesstemperatures. IEEE Trans. Geosci. Remote Sens.， 1990， 28 :839-845.]， Calvet[Calvet， J. C. ， J. P. Wigneron， E. Mougin， Y. H. Kerr， BRITO J. L S. ， Plantwater content and temperature of the Amazon forest from satellite microwaveradiometry. IEEE Trans.Geosci. Remote Sens. ， 1994， 32 :397-408.]， Njoku[Njoku， E. G，1999， AMSR Land Surface Parameters Algorithmtheoretical Basis Document Version3. 0]等通过研究表明37GHz可用于陆地表面温度反演。这两个传感器的 空间分辨率大约在140KM左右。就其空间分辨率而言，S匪和SSM对陆地的监测还不是非 常的理想。AMSR-E是在S匪和SSM传感器研究的基础上，针对其在应用中的优缺点来设计 的，并在空间分辨率上有了很大的提高。因此，AMSRE将是第一个为在全球尺度上研究水文 和气候变化上提供比较合适的土壤湿度和地表温度变化的数据。 AMSR是改进型多频率、双极化的被动微波辐射计。2001年AMSR搭载在日本的对 地观测卫星ADE0S-II上升空。AMSR-E微波辐射计是在AMSR传感器的基础上改进设计的， 它搭载在NASA对地观测卫星Aqua于2002年发射升空。AMSR和AMSR-E这两个传感器的仪 器参数基本一致。最大区别在于AMSR是在上午10:30左右穿过赤道，而AMSR-E则是在下 午1:30左右。这两个传感器的传输基本相同，因此本专利技术主要介绍AMSR-E。 AMSR-E辐射 计在6. 9-89GHz范围内的6个频率，以双极化方式12个通道的微波辐射计。主要仪器参数 如表2所示[毛克彪，覃志豪，李满春，徐斌，AMSR被动微波数据介绍及主要应用研究领域 分析，遥感信息 2005， 3 :63-66.]。 表2AMSR-E的主要仪器参数特征 <table>table see original document page 4</column></row><table><table>table see original document page 4</column></row><table> AMSR-E通过测量来自地球表面的微波辐射来研究全球范围的水循环变化。在水文 应用研究中，为了取得两个降雨事件前后的土壤水分含量变化，频繁地获得研究区的数据 是非常重要的。卫星的时间分辨率主要取决于刈宽度、卫星高度和倾角。对于AMSR而言，除 了极地地区外，在不到两天的时间内，在升轨和降轨都可以将全球覆盖一次。图l是AMSR-E 降轨的亮度温度合成图[AMSR-E Team Leader Science Computing FacilityScience Software, 2004. 8. AMSR-E Browse&Quick look image :1-69]。从图l中可以看出，在高讳度和低纬度地区，数据覆盖比较区。在中纬度地区，由于受地球形状的影响，相对低纬度和 高纬度地区覆盖的周期可能相对要长。具体地说，在降轨时，AMSR-E基本是两天覆盖一次， 有的地方是一天或者三天。但在纬度55。以上的地区是一天覆盖一次。 目前AMSR-E数据主要用于土壤湿度、表面温度、植被等方面的研究。在数字天气 预报模型四维数据同化系统里面，大尺度的土壤水分含量参数是非常重要的。先前对这一 参数的取得主要是通过API(AntecedentPrecipitation Index)指数作为土壤湿度指数。Owe禾口 Van de Gried[Owe，M. ，A.A.van de Griend，Daily surface soil moisture model for large area semi—aridland application with limited climate data. J本文档来自技高网...
【技术保护点】
一种从遥感数据ＡＭＳＲ－Ｅ反演地表温度的方法，其步骤为：第一步、建立卫星上ＡＭＳＲ－Ｅ传感器第１０．７、１８．７、２３．８、３６．５和８９ＧＨｚＶ／Ｈ双极化星上辐射亮度温度和对应的ＭＯＤＩＳ地表温度产品的数据库：１－１）选择研究区或者监测区，并下载Ａｑｕａ卫星ＭＯＤＩＳ传感器数据反演的对应研究区或者监测区的地表温度参数和亮度温度参数；１－２）输入各频率的星上亮度温度和经纬度参数；１－３）输入ＭＯＤ１１＿Ｌ２ＬＳＴ＿１ＫＭ产品地表温度和经纬度参数；１－４）以经纬度作为控制条件，将多个ＭＯＤ１１＿Ｌ２ＬＳＴ＿１ＫＭ地表温度平均值作为对应ＡＭＳＲ＿Ｅ＿Ｌ２Ａ像元的地表实际温度；１－５）将每次采集得到每个ＡＭＳＲ＿Ｅ＿Ｌ２Ａ各频率的星上亮度温度，和对应的多个ＭＯＤ１１＿Ｌ２ＬＳＴ＿１ＫＭ地表温度的平均值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ＡＭＳＲ＿Ｅ＿Ｌ２Ａ第１０．７、１８．７、２３．８、３６．５和８９ＧＨｚＶ／Ｈ双极化星上辐射亮度温度１０个星上亮度温度作为神经网络的输入节点，地表温度作为输出节点，进行训练；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；２－４）将２－３中输出的地表温度和对应的地表温度对比。第三步、反演地表温度３－１）对ＡＭＳＲ－Ｅ遥感影像数据的第１０．７、１８．７、２３．８、３６．５和８９ＧＨｚＶ／Ｈ双极化星上辐射亮度温度Ｔ↓［１０．７Ｖ］、Ｔ↓［１０．７Ｈ］、Ｔ↓［１８．７Ｖ］、Ｔ↓［１８．７Ｈ］、Ｔ↓［２３．８Ｖ］、Ｔ↓［２３．８Ｈ］、Ｔ↓［３６．５Ｖ］、Ｔ↓［３６．５Ｈ］、Ｔ↓［８９Ｖ］、Ｔ↓［８９Ｈ］做几何校正；３－２）将３－１中Ｔ↓［１０．７Ｖ］、Ｔ↓［１０．７Ｈ］、Ｔ↓［１８．７Ｖ］、Ｔ↓［１８．７Ｈ］、Ｔ↓［２３．８Ｖ］、Ｔ↓［２３．８Ｈ］、Ｔ↓［３６．５Ｖ］、Ｔ↓［３６．５Ｈ］、Ｔ↓［８９Ｖ］、Ｔ↓［８９Ｈ］输入到第二步训练好的神经网络中，输出地表温度；３－３）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】
一种从遥感数据AMSR-E反演地表温度的方法，其步骤为第一步、建立卫星上AMSR-E传感器第10.7、18.7、23.8、36.5和89GHzV/H双极化星上辐射亮度温度和对应的MODIS地表温度产品的数据库1-1)选择研究区或者监测区，并下载Aqua卫星MODIS传感器数据反演的对应研究区或者监测区的地表温度参数和亮度温度参数；1-2)输入各频率的星上亮度温度和经纬度参数；1-3)输入MOD11_L2 LST_1KM产品地表温度和经纬度参数；1-4)以经纬度作为控制条件，将多个MOD11_L2 LST_1KM地表温度平均值作为对应AMSR_E_L2A像元的地表实际温度；1-5)将每次采集得到每个AMSR_E_L2A各频率的星上亮度温度，和对应的多个MOD11_L2 LST_1KM地表温度的平均值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AMSR_E_L2A第10.7、18.7、23.8、36.5和89GHz V/H双极化星上辐射亮度温度10个星上亮度温度作为神经网络的输入节点，地表温度作为输出节点，进行训练；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；2-4)将2-3中输出的地表温度和对应的地表温度对比。第三步、反演地表温度3-1)对AMSR-E遥感影像数据的第...
【专利技术属性】
技术研发人员：毛克彪，唐华俊，周清波，陈佑启，缪建明，任天志，
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，
类型：发明
国别省市：11[中国|北京]
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。