从MODIS数据反演地表温度和发射率方法

摘要

一种从遥感数据MODIS反演地表温度和发射率的方法，包含三个步骤：第一步骤是利用大气辐射传输模拟软件MODTRAN4针对所获得遥感数据MODIS第29、31、32热红外波段的区域和季节以及大气模式进行正向模拟，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MODIS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。本发明得到的地表温度和发射率产品精度高，实用性强，操作相对简单。

主权项

1、一种从遥感数据MODIS反演地表温度和发射率的方法，其步骤为：第一步、建立MODIS传感器第29、31、32波段星上辐射亮度温度的模拟数据库1-1)选择所获影像的所在地区的大气剖面模式、大气路径、辐射模式和散射模式作为输入参数；1-2)选择常见地物在MODIS数据第29、31和32波段的发射率分别作为输入参数；1-3)输入所获得影像时间在所在地区温度变化范围的最低值，并限定最高值，模拟过程中地表温度变化；1-4)输入大气水汽含量初始值，限定最大值，模拟过程中大气水汽含量变化；1-5)输入MODIS卫星传感器高度，并默认大气气溶胶、二氧化碳等其它参数；1-6)根据MODIS数据第29、31、32波段的波长范围执行模拟，并输出MODIS数据第29、31、32波段模拟星上辐射亮度；1-7)将每次模拟得到星上辐射亮度转换成亮度温度，并和每次模拟输入的地表温度和发射率以及大气水汽含量一起建立相应的数据库；第二步、神经网络训练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MODIS第29、31、32波段的星上亮度温度和大气水汽含量作为神经网络的四个输入节点，地表温度和MODIS第29、31、32波段的发射率作为4个输出节点，进行训练和测试；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，输出的地表温度和发射率；2-4)将2-3中输出的地表温度和发射率和对应的地表温度和发射率对比，到达给定的精度就停止训练；第三步、反演地表温度和发射率3-1)对MODIS遥感影像数据的第29、31、32波段进行几何校正；3-2)将MODIS数据的第29、31、32波段的星上亮度转换成星上亮度温度，利用第2波段和19波段计算大气水汽含量；3-3)将3-2中转换后的星上亮度温度和大气水汽含量输入到第二步训练好的神经网络中，输出地表温度和MODIS第29、31、32波段的发射率；3-4)根据影像对应的地表进行相关验证和应用分析。