基于深度动态学习神经网络和辐射传输模型地表温度反演算法研究

文献类型： 中文期刊

第一作者： 毛克彪

作者： 毛克彪;杨军;韩秀珍;唐世浩;袁紫晋;高春雨

作者机构：

关键词： 深度学习神经网络;辐射传输模型;地表温度;发射率

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2018 年 05 期

页码： 47-57

摘要： 【目的】地表温度反演是一个典型的病态反演问题,深度动态学习神经网络的出现提供了一条新的地表温度反演途径。文章以MODIS中红外和热红外波段作为参照模拟研究对象,利用深度动态学习神经网络和辐射传输模型(MODTRAN)进行地表温度反演研究,选择最适合于MODIS地表温度反演的波段组合,从而为国产卫星风云系列和高分数据红外波段反演地表温度提供参考算法。【方法】根据中红外波段受太阳的影响以及水汽波段的特征,将反演组合波段分成3组。第1组适合白天和晚上同时反演地表温度的组合(MODIS波段29、31、32和33);第2组适合白天的热红外波段和水汽波段组合(MODIS波段29、31、32、33和水汽波段);第3组是只适合晚上的中外波段(MODIS 20、22、23)与热红外波段(MODIS 29、31、32和33)的组合。【结果】利用辐射传输模型(MODTRAN)和深度动态神经网络(NN)反演分析表明,深度动态学习神经网络能够被用来精确地从单景MODIS数据中反演地表温度,克服了传统MODIS白天/黑夜产品算法的缺陷。3种类型的组合地表温度的平均反演误差都在1 K以下,最高精度为热红外波段与水汽波段的组合,平均最高精度为0.251 K,标准差是0.255 K,相关系数是1。【结论】利用深度动态学习神经网络和辐射传输模型彻底解决了地表温度和发射率病态反演难题,为风云系列卫星和高分数据地表温度反演算法提供参考算法模式,深度动态学习神经网络与辐射传输模型相结合反演地表温度和发射率在地表温度反演史上具有里程牌意义。

分类号： P407`TP183

  • 相关文献

[1]一个从MODIS数据同时反演地表温度和发射率的神经网络算法. 毛克彪,唐华俊,李丽英,许丽娜. 2007

[2]高光谱热红外遥感:现状与展望. 吴骅,李秀娟,李召良,段四波,钱永刚. 2021

[3]基于弹性动量深度学习神经网络的果体病理图像识别. 谭文学,赵春江,吴华瑞,高荣华. 2015

[4]基于多时相冠层结构参数对冠层光谱的敏感性分析. 齐腊,赵春江,黄文江,刘含海. 2009

[5]陆地观测卫星图像模拟技术研究. 徐大琦,杜永明,林军,杨贵军,刘强,柳钦火,沈占锋. 2015

[6]基于PROSAIL模型的温性草甸草原FPAR遥感反演. 李刚,张华,王道龙,张宏斌,辛晓平. 2014

[7]花青素对植物反射特性的影响及遥感估算:叶片尺度. 梁守真,隋学艳,王猛,王菲,韩冬锐,王国良,李洪忠,马万栋. 2024

[8]一个针对被动微波AMSR-E数据的土壤水分反演算法. 毛克彪,李丹丹,高懋芳,周清波,王道龙,唐华俊,陈仲新. 2009

[9]针对被动微波AMSR.E数据的土壤水分反演算法. 毛克彪,胡德勇,黄健熙,张武,张立新,邹金秋,唐华俊. 2010

[10]针对被动微波AMSR-E数据的土壤水分反演算法. 毛克彪,胡德勇,黄健熙,张武,张立新,邹金秋,唐华俊. 2010

[11]基于单通道算法的HJ-1B与Landsat 5 TM地表温度反演一致性研究. 罗菊花,张竞成,黄文江,杨贵军,顾晓鹤,杨浩. 2010

[12]基于空间内插的云下地表温度估计及精度分析. 涂丽丽,覃志豪,张军,刘梅,耿君. 2011

[13]翻耕对半干旱区高寒草甸地表水热条件的影响. 李乃杰,宜树华,秦彧,任世龙,陈建军. 2012

[14]农业旱灾监测中的地表温度遥感反演方法--以MODIS数据为例. 覃志豪,高懋芳,秦晓敏,李文娟,徐斌. 2005

[15]压砂种植模式对地表热场景观格局的影响. 候静,杜灵通,张学俭. 2016

[16]利用空间插值法估算云覆盖像元地表温度的可行性研究. 张军,覃志豪,刘梅,涂丽丽,周义,杨强. 2011

[17]长江三角洲地区地表温度年内变化规律与气候因子的关系分析. 徐永明,覃志豪,沈艳. 2010

[18]黑河中游绿洲化地表特征参数研究. 李芳,李元恒. 2019

[19]加尔各答市地表温度与不透水面比例季相相关性研究. 杨玉婷,汤家法,边金虎,李爱农,雷光斌,黄平,蒋梓淳. 2021

[20]吉林省地表温度时空变化及影响因素研究. 任景全,刘玉汐,王丽伟,王亮,王冬妮,郭春明,曹铁华. 2020

作者其他论文 更多>>

微信小程序