发明名称 从被动微波遥感数据AMSR-E反演地表温度的方法
摘要 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。本发明得到的产品精度高,克服了热红外受云和部分降雨的影响。
申请公布号 CN101738620A 申请公布日期 2010.06.16
申请号 CN200810226669.7 申请日期 2008.11.19
申请人 中国农业科学院农业资源与农业区划研究所 发明人 毛克彪;唐华俊;周清波;陈佑启;缪建明;任天志
分类号 G01S17/95(2006.01)I 主分类号 G01S17/95(2006.01)I
代理机构 中科专利商标代理有限责任公司 11021 代理人 周长兴
主权项 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10.7、18.7、23.8、36.5和89GHzV/H双极化星上辐射亮度温度T10.7V、T10.7H、T18.7V、T18.7H、T23.8V、T23.8H、T36.5V、T36.5H、T89V、T89H做几何校正;3-2)将3-1中T10.7V、T10.7H、T18.7V、T18.7H、T23.8V、T23.8H、T36.5V、T36.5H、T89V、T89H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。
地址 100081 北京市海淀区中关村南大街12号