全球陆表宽波段发射率反演方法及系统技术方案

本发明专利技术涉及卫星遥感技术领域，特别涉及一种全球陆表宽波段发射率反演方法及系统，该方法包括：S1：获取多种分辨率的地表反射率和反照率，并获取配套的土壤分类图数据；S2：对多种分辨率的地表反射率和反照率分别进行预处理；S3：对土壤分类图数据进行空间重采样，对经预处理后的多种分辨率的地表反射率和反照率进行空间匹配，并将经空间匹配后的地表反照率逐个像元进行标识；S4：判断陆地像元的地表类型；S5：建立窄波段发射率与宽波段发射率之间的换算关系，得到水体像元和冰雪像元宽波段发射率；S6：计算出陆地像元的宽波段发射率。本发明专利技术通过对反射率数据和反照率数据的处理，提高了宽波段发射率反演的精度。

【技术实现步骤摘要】

本专利技术涉及卫星遥感
，特别涉及一种全球陆表宽波段发射率反演方法及系统。
技术介绍
地表发射率为地表固有特性，受地表的组成成分、含水量和粗糙度等影响，能够刻画地表热辐射能力的强弱。地表发射率对岩石中的矿物成分具有指示性，常用于岩性识别和地质填图等领域。地表发射率除了对地表温度估算有着重要的影响，它和地表温度决定了地表辐射能量平衡中的长波辐射，是气候、水文、生态和生物地球化学模式中的关键输入参数。遥感是获得区域、全球尺度上陆表发射率的唯一手段。然而，地表温度和发射率耦合在一起，由传感器的辐射测量值进行反演属于病态问题，即使用N个观测值求解N+1 个未知数，必须采用一些策略构造多余观测，使方程组完备。很多遥感科学家致力于解决这类问题，提出了很多算法，例如参考通道、发射率归一化、独立于温度的光谱指数、日夜算法、光谱比、alpha发射率、灰体发射率，TES方法、光谱迭代平滑、多像元、优化、多层感知器网络、相关性算法和逐步求精方法。虽然有这么多算法可以使用，但真正用于业务化反演发射率的却很少。究其原因主要是，地表类型复杂多变，对算法的普适性提出了严峻的挑战。用于业务化反演发射率方法主要有ASTER的TES算法、中分辨率成像光谱仪 (Moderate-Resolution Imaging Spectroradiometer, M0DIS)的曰夜算法禾口归一化植被指数(Normalized Difference Vegetation Index, NDVI)阈值法。此外，一些学者在反演大尺度陆表发射率方面进行有益的尝试，并取得了显著进展，例如=Wilber等将地表划分为18个类型，根据实验室反演的发射率光谱，获得全球 10 X 10格网的12个窄波段(> 4. 5 μ m)和宽波段发射率(5-100 μ m)，并将它们用于辐射传输模式和NASA云与地球辐射能量系统(CERES)。Seemarm等提出了基线拟合方法(Baseline fit method)，由MODIS发射率反演产品(M0D11)测量全球陆表0. 05°空间分辨率、10个波段的发射率(3. 6-14. 3 μ m)，用于改善晴空时大气温湿度廓线回归反演的精度。Pequignot 等提出了多光谱方法(Multispectral Method, MSM)，由三年的AIRS数据生成了全球南北纬30°之间、空间分辨率为1° Xl0的月平均光谱发射率(3. 7-14.0 μ m，0.05 μ m光谱分辨率)。这些陆表发射率计算方面的尝试同样存在一定缺陷，Wilber等的工作属于典型的根据地表类型赋予发射率，无法反映地表发射率的真实变化。Seemarm等的工作使用单一传感器，无法生成长序列的全球陆表发射率。Pequignot等的工作和kemarm等的工作类似， 且空间分辨率太粗。当前的气候模式里面，对陆表发射率的处理很粗糙，经常当作常数处理。例如，在静止环境卫星(G0EQ业务化的数据处理算法里面，地表被看作发射率为0. 96的灰体；欧洲的中长期天气预报(ECMWF)模式在进行干旱监测时假设所有的地表类型的发射率为常数； NCAR的通用陆面模式(CLM2)里面由叶面积指数(LAI)计算冠层的发射率，分别将土壤和雪的发射率设置为0. 96和0. 97。具有一定时空分辨率、长时间序列的全球陆表宽波段发射率将会显著改善气候模式的精度，目前这样的数据集仍不具备。现有的发射率反演方法存在明显的缺陷。例如，ASTER的TES算法对于农田区域的发射率反演误差很大；MODIS的昼夜算法得到的发射率时序变化不明显，未能表征植被覆盖对发射率的影响；NDVI阈值法无法反演裸土发射率的巨大变化。土壤光谱发射率变化大，其发射率确定比较困难。专门针对土壤，生成1公里或 5公里空间分辨率发射率的算法，未见文献报道。Sobrino等人基于NDVI阈值法将地表区分土壤，部分植被覆盖和完全植被覆盖，分别获得其发射率，并给出了针对AVHRR、M0DIS、 SEVIRS、AASTR和TM等数据的数学表达式。Sobrino等人基于NDVI阈值法将地表区分土壤， 部分植被覆盖和完全植被覆盖，分别获得其发射率，并给出了针对AVHRR、MODIS、SEVIRS, AASTR和TM等数据的数学表达式。事实上地表土壤发射率变化范围约在0. 65-1. O之间，使用NDVI阈值法在全球尺度上用一个值代替或者用红光波段的反射率来表达，显然不合理。ASTER的TES算法对于农田区域的发射率反演误差很大；MODIS的昼夜算法得到的发射率时序变化不明显，未能表征植被覆盖对发射率的影响；NDVI阈值法无法反演裸土发射率的巨大变化。基于植被指数估算地表发射率是遥感反演发射率的常见方法，Sobrino等人基于NDVI阈值法来区分植被与非植被区，通过植被覆盖度获得像元的发射率，并给出了针对 AVHRR、MODIS、SEMRS、AASTR和TM等数据的数学表达式。然而，他们的结果多来自于对地面测量数据或者有限遥感数据的统计，并且难以处理高植被区和低植被区的情况，发射率产品的空间连续性差，将其运用于生成全球地表发射率产品必然存在较大的误差。
技术实现思路
(一)要解决的技术问题本专利技术要解决的技术问题是如何提供一种适用于全球陆表大尺度范围的宽波段发射率反演算法，以提高宽波段发射率反演的精度。(二)技术方案为解决上述技术问题，本专利技术提供了一种全球陆表宽波段发射率反演方法，包括以下步骤Sl 通过MODIS或AVHRR卫星遥感传感器获取多种分辨率的地表反射率和反照率， 并根据所述地表反射率和反照率获取多种分辨率的以及配套的ASTER宽波段发射率数据、 ASTER波谱库数据、M0DISUCSB发射率波谱库数据和土壤分类图数据；S2 对所述多种分辨率的地表反射率和反照率分别进行预处理；S3:对所述土壤分类图数据进行空间重采样，对经预处理后的多种分辨率的地表反射率和反照率进行空间匹配，并将进行空间匹配后的地表反照率逐个像元标示出水体像元、冰雪像元和陆地像元，通过进行空间匹配后的地表反射率的红波段和近红外波段对所标示的陆地像元计算归一化植被指数；S4:通过所述归一化植被指数判断出所述陆地像元的地表类型，所述陆地像元的地表类型分为土壤类型、植被类型和过渡区类型，并根据经空间重采样后的土壤分类图对所述陆地像元进行土壤类型的划分；S5 通过所述ASTER波谱库数据、以及MODIS UCSB发射率波谱库数据，建立窄波段发射率与宽波段发射率之间的换算关系，得到水体像元和冰雪像元宽波段发射率；S6:基于ASTER宽波段发射率数据，分别计算出陆地上土壤类型、植被类型和过渡区类型三个类型像元的宽波段发射率。其中，步骤S2具体包括S21 对所述多种分辨率的地表反射率和反照率进行判断，初步筛选出正常的像元和异常的像元；S22 从正常的像元中选取已被卫星遥感传感器标识好的像元作为训练样本，分别计算所述异常的像元和正常的像元与训练样本之间的相关系数或相似系数，并判断计算出的相关系数或相似系数是否大于或等于相关系数阈值或相似系数阈值，若是，则判定为正常的像元，否则判定为异常的像元；S23 基于地理位置、时间和归一化雪被指数判断云和雪；S24:通过时空插值滤本文档来自技高网...

【技术保护点】
１．一种全球陆表宽波段发射率反演方法，其特征在于，包括以下步骤：Ｓ１：通过ＭＯＤＩＳ或ＡＶＨＲＲ卫星遥感传感器获取多种分辨率的地表反射率和反照率，并根据所述地表反射率和反照率获取多种分辨率的以及配套的ＡＳＴＥＲ宽波段发射率数据、ＡＳＴＥＲ波谱库数据、ＭＯＤＩＳＵＣＳＢ发射率波谱库数据和土壤分类图数据；Ｓ２：对所述多种分辨率的地表反射率和反照率分别进行预处理；Ｓ３：对所述土壤分类图数据进行空间重采样，对经预处理后的多种分辨率的地表反射率和反照率进行空间匹配，并将进行空间匹配后的地表反照率逐个像元标示出水体像元、冰雪像元和陆地像元，通过进行空间匹配后的地表反射率的红波段和近红外波段对所标示的陆地像元计算归一化植被指数；Ｓ４：通过所述归一化植被指数判断出所述陆地像元的地表类型，所述陆地像元的地表类型分为：土壤类型、植被类型和过渡区类型，并根据经空间重采样后的土壤分类图对所述陆地像元进行土壤类型的划分；Ｓ５：通过所述ＡＳＴＥＲ波谱库数据、以及ＭＯＤＩＳ　ＵＣＳＢ发射率波谱库数据，建立窄波段发射率与宽波段发射率之间的换算关系，得到水体像元和冰雪像元宽波段发射率；Ｓ６：基于ＡＳＴＥＲ宽波段发射率数据，分别计算出陆地上土壤类型、植被类型和过渡区类型三个类型像元的宽波段发射率。...

【技术特征摘要】

【专利技术属性】
技术研发人员：赵祥，程洁，任华忠，高涛，梁顺林，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：11