从MODIS数据估算近地表空气温度方法

摘要

本发明涉及一种从MODIS数据估算近地表空气温度的方法，能够应用在气象、环境监测、土地管理、农情监测、以及灾害监测等遥感应用部门。该方法，包含三个步骤：第一步骤是利用MODIS数据产品每个像元的地表温度和发射率以及大气水汽含量值作为先验知识，作为大气辐射传输模拟软件MODTRAN4的输入参数，并针对所获得遥感数据MODIS每个像元第29、31、32热红外波段在不同的区域和季节进行正向模拟，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，得到地表目标地区的近地表空气温度分布情况，可以用于气象预报、环境监测、农情监测和灾情监测等。

主权项

1、从MODIS数据估算近地表空气温度方法，其步骤为：第一步、建立MODIS遥感器第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)读出相应MODIS产品每个像元的地表温度(LST)、发射率(εi)和大气水汽含量(w)的值，对于每个像元，LST-2K≤LST≤LST+2K，εi-0.03≤εi≤εi+0.03，w-0.13w≤w≤w+0.13w，作为每个像元的先验知识输入到MODTRAN4中进行模拟并建立训练和测试数据库；1-3)读入MODIS数据对应的地表温度和发射率值，根据1-2)中限定的变化范围，模拟地表温度和近地表空气温度的可能变化变化；1-4)读入大气水汽含量初始值，根据1-2)中限定误差变化范围，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，针对每个像元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输入节点，近地表空气温度作为输出节点，进行训练；2-3)将测试数据集的星上亮度温度和大气水汽含量输入训练好的神经网络，输出近地表空气温度；第三步、反演近地表空气温度3-1)读取MODIS遥感影像数据的第29、31、32波段以及大气水汽含量数据；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(T29、T31、T32)和提取相应的大气水汽含量W；3-3)将3-2中T29、T31、T32、W输入到第二步训练好的神经网络中，输出近地表空气温度(NSAT)；3-4)根据影像对应的地表进行相关验证和应用分析。所述的方法，其中，第一步的1-3中，近地表空气温度变化范围是NSAT≤LST+15K，模拟过程中步阶改变幅度为2K。所述的方法，其中，第一步的1-4中，大气水汽含量初始值是读入的大气水汽含量(w)，限定范围为w-0.13w≤w≤w+0.13w，模拟过程中步阶改变幅度为0.2g/cm2。所述的方法，其中，第一步的1-5中，输入MODIS卫星传感器高度为705KM。所述的方法，其中，第二步的2-4中，近地表空气温度标准误差大于2K，将两层隐含节点都加5，重复2-2继续进行训练和测试，至近地表空气温度标准误差小于2K。