專利名稱::從遙感數(shù)據(jù)aster反演地表溫度和發(fā)射率的方法
技術(shù)領(lǐng)域:
:本發(fā)明涉及一種從遙感數(shù)據(jù)ASTER同時反演地表溫度和發(fā)射率的方法,能夠應(yīng)用在氣象、環(huán)境監(jiān)測、土地管理、農(nóng)情監(jiān)測、以及國防軍事等遙感部門。
背景技術(shù):
:1999年搭載ASTER(AdvancedSpaceborneThermalEmissionandReflectionRadiometer)遙感器的對地觀測衛(wèi)星(TERRA)發(fā)射成功,為全球和區(qū)域資源環(huán)境動態(tài)監(jiān)測開辟了又一新的途徑。ASTER由日本通產(chǎn)省(METI)提供,主要用于解決土地利用與覆蓋、自然災(zāi)害、短期天氣變動、水文等幾個方面的問題。軌高705KM,為太陽同步近極地軌道,運行周期98.88分鐘,下行過赤道地方時為中午10:3015min,地面重復(fù)訪問周期16天,設(shè)計運行時間為6年。ASTER是-一個擁有15個波段的高分辨率傳感器,在ASTER的15個波段中有5個是高分辨率的熱紅外波段,因而非常適合于城市和小區(qū)域的地表熱量空間差異分析。按照ASTER項目的計劃,其數(shù)據(jù)應(yīng)用于全球變化研究中,如提升自然災(zāi)害的監(jiān)測和預(yù)報能力,短期氣候變化和水循環(huán)等。針對ASTER本身及其數(shù)據(jù)產(chǎn)品的在更廣范圍都得到了很好的應(yīng)用,而且在科研工作中也起到了很好的促進作用,ASTER使用情況至今一直很好,高空間分辨率、多波段、立體像對等3個主要特點為研究人員在更廣的研究領(lǐng)域中使用提供的有效的支持[ASTERReferenceGuideVersion1.0,ERSDAC,EarthRemoteSensingDataAnalysisCenter,March,2003.]、[李海濤,田慶久,ASTER數(shù)據(jù)產(chǎn)品的特性及其計劃介紹,遂感/認,2004,3:52-55.]。ASTER是第一臺用于制圖和溫度精確測量的星載高空間分辨率多通道熱紅外成像儀。它由三個光學(xué)子系統(tǒng)組成可見光近紅外(VNIR)、短波紅外(SWIR)和熱紅外(TIR)。ASTER數(shù)據(jù)具有高空間、波譜和輻射分辨率,每景幅寬60X60KM。VNIR在近紅外波段(0.78-0.86um)提供能生成立體像對的后視影像數(shù)據(jù)。表l中列出了各個子系統(tǒng)的相關(guān)參數(shù)[ASTERReferenceGuideVersion1.0,ERSDAC,EarthRemoteSensingDataAnalysisCenter,March,2003.]、[李海濤,田慶久,ASTER數(shù)據(jù)產(chǎn)品的特性及其計劃介紹,遂感,息,2004,3:52-55.]。表lASTER光學(xué)子系統(tǒng)<table>tableseeoriginaldocumentpage5</column></row><table>ASTER數(shù)據(jù)除去未經(jīng)處理的原始數(shù)據(jù)LevelO以外,其他的數(shù)據(jù)都經(jīng)過了不同程度的處理。目前用戶可以申請到的數(shù)據(jù)產(chǎn)品有L1、L2、L3三個級別。其中使用最多的是Levell產(chǎn)品。Levell類數(shù)據(jù)產(chǎn)品包括兩種Level1A(LlA)和LevellB(LlB)。LIA數(shù)據(jù)是經(jīng)過重構(gòu)的未經(jīng)處理的儀器數(shù)據(jù),保持了原有分辨率。L1A數(shù)據(jù)產(chǎn)品文件中包含了數(shù)據(jù)字典、類屬頭文件、云量覆蓋表、輔助數(shù)據(jù)以及三個子系統(tǒng)的數(shù)據(jù),子系統(tǒng)數(shù)據(jù)中包括各子系統(tǒng)的專門頭文件、各個波段的影像數(shù)據(jù)、輻射計校正表、幾何校正表和補充數(shù)據(jù)。L1B數(shù)據(jù)在L1A的基礎(chǔ)上,使用L1A自帶的參數(shù)完成輻射計反演和幾何重采樣后生成的。所以在子系統(tǒng)文件中少了輻射計校正表和幾何校正表兩項內(nèi)容。在生產(chǎn)時用戶可以根據(jù)需要選擇采樣方法,默認情況下采用UTM投影,CubicConvolution重采樣方法。ASTER每天能獲得并處理650景左右L1A數(shù)據(jù),L1B數(shù)據(jù)的最大產(chǎn)量為310左右。更高級別的數(shù)據(jù)產(chǎn)品還有16種之多,是在L1數(shù)據(jù)產(chǎn)品的基礎(chǔ)上進行處理后生成的,這些處理包括了更細致全面的輻射校正等。ASTER數(shù)據(jù)在地表發(fā)射率、溫度反演等的應(yīng)用潛力很大,利用SWIR數(shù)據(jù)來判斷水體的渾濁度、水體表面的運動情況以及地表巖石的判別等。ASTER還與MODIS合作形成一種新的用于地球科學(xué)研究的儀器MASTER(MODIS/ASTERAirboneSimulator),用于輔助星上ASTER儀器的反演和其它校準(zhǔn)工作。ASTER是一個擁有15個波段的高分辨率傳感器,其中有5個是高分辨率的熱紅外波段,非常適合于城市和小區(qū)域的地表熱量空間差異分析。但是,目前針對ASTER遙感數(shù)據(jù)的地表溫度反算法還很少,其主要原因是獲得大氣參數(shù)非常的困難[GillespieA.,RokugawaS.,TsuneoMatsunaga,StevenCothernJ.,SimonHook,andKahleA.,ATemperatureandemissivityseparationalgorithmforAdvancedSpaceborneThermalEmissionandReflectionRadiometer(ASTER)images.7"ra肌ie膨feiSfe服'"g:1998,36:1113-1126.]、[LiangS.L.,Anoptimizationalgorithmforseparatinglandsurfacetemperatureandemissivityfrommultispectralthermalinfraredimagery,ZE朋Thms1.Sem7'"g,2001,39(2):264-274.]、。Gillespieetal(1998)針對ASTER數(shù)據(jù)提出了一個多波段算法,該算法在星上亮溫做完大氣校正的基礎(chǔ)上,同時運用了NEW(NormalizedEmissivityMethod)、RationAlgorithm、MMD(Maximun-MinimumDifference)三個模塊和迭代算法分離地表溫度和發(fā)射率。計算過程非常復(fù)雜,而且三個模塊都包含了經(jīng)驗關(guān)系,這些經(jīng)驗關(guān)系并不是對所有的地物都適用。Liang(2001)提出了一個優(yōu)化迭代算法在大氣校正的基礎(chǔ)上分離地表溫度和發(fā)射率。Maoetal(2008)也提出在一個在大氣校正的基礎(chǔ)上,用神經(jīng)網(wǎng)絡(luò)來分離地表溫度和發(fā)射率,這3個方法雖然精度很高,但受大氣校正精度的影響很大,如果大氣校正的精度保證不了,后面分離算法的精度受到大大制約,從而帶來比較大的誤差?,F(xiàn)有的研究很多是直接應(yīng)用ASTER的星上亮度溫度來進行分析。由于大氣的影響,星上亮度溫度與真正的地表溫度有很大差距。在晴空時其差距為3-6。C;在大氣水分含量較高情況下,這種差異可以超過10°C。因此,為了更準(zhǔn)確地分析區(qū)域熱量空間差異,很有必要對提高地表溫度和發(fā)射率的反演精度。本發(fā)明針對以往算法中需要大氣先做大氣校正的缺點,提出一個更實用的針對ASTER數(shù)據(jù)的地表溫度和發(fā)射率反算法。大氣輻射傳輸模型模擬與神經(jīng)網(wǎng)絡(luò)結(jié)合是地表溫度和發(fā)射率參數(shù)反演上的一個很大的進步,操作適用性更強。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種從遙感數(shù)據(jù)ASTER反演地表溫度和發(fā)射率的方法,以克服現(xiàn)有的針對ASTER數(shù)據(jù)同時反演地表溫度和發(fā)射率產(chǎn)品反演算法的缺點。本發(fā)明不僅能有效地反演地表溫度和發(fā)射率,而且還能進一步提高近地表小尺度空氣溫度和地表蒸散發(fā)的估算精度。為實現(xiàn)上述目的,本發(fā)明提供的從遙感數(shù)據(jù)ASTER反演地表溫度和發(fā)射率的方法為第一步、建立ASTER衛(wèi)星第11、12、13、14波段星上輻射亮度溫度的模擬數(shù)據(jù)庫1-1)選擇所獲影像的所在地區(qū)的大氣剖面模式、大氣路徑、輻射模式和散射模式作為輸入?yún)?shù);1-2)選擇常見地物在ASTER數(shù)據(jù)第11、12、13和14波段的發(fā)射率分別作為輸入?yún)?shù);1-3)輸入所獲得影像時間在所在地區(qū)溫度變化范圍的可能最低值,并限定最高值,模擬過程中地表溫度變化;1-4)輸入大氣水汽含量初始值,限定最大值,模擬過程中大氣水汽含量變化;1-5)輸入ASTER衛(wèi)星傳感器高度,并默認大氣氣溶膠、二氧化碳等其它參數(shù);1-6)根據(jù)ASTER數(shù)據(jù)第11、12、13、14波段的波長范圍執(zhí)行模擬,并輸出ASTER數(shù)據(jù)第11、12、13、14波段模擬星上輻射亮度;1-7)將每次模擬得到星上輻射亮度轉(zhuǎn)換成亮度溫度,并和每次模擬輸入的地表溫度和發(fā)射率一起建立相應(yīng)的數(shù)據(jù)庫。第二步、神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測試2-1)將第一步中模擬數(shù)據(jù)庫分成兩組,一組為訓(xùn)練數(shù)據(jù)集;一組為測試數(shù)據(jù)集;2-2)將訓(xùn)練數(shù)據(jù)集中的ASTER第11、12、13、14波段的星上亮度溫度作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點,地表溫度和ASTER第11、12、13、14波段的發(fā)射率作為5個輸出節(jié)點,進行訓(xùn)練;2-3)將測試數(shù)據(jù)集的星上亮度溫度輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),輸出的地表溫度和發(fā)射率;2-4)將2-3中輸出的地表溫度和發(fā)射率和對應(yīng)的地表溫度和發(fā)射率對比。第三步、反演地表溫度和發(fā)射率3-1)對ASTER遙感影像數(shù)據(jù)的第11、12、13、14波段進行幾何校正;3-2)將ASTER數(shù)據(jù)的第11、12、13、14波段的星上亮度轉(zhuǎn)換成星上亮度溫度(Tll、T12、T13、T14);3-3)將3-2中T11、T12、T13、T14輸入到第二步訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,輸出地表溫度和ASTER第11、12、13、14波段的發(fā)射率(Ell、E12、E13、14);3-4)根據(jù)影像對應(yīng)的地表進行相關(guān)驗證和應(yīng)用分析。所述的方法,其中,第一步的l-3中,溫度變化范圍的最低值和最高值為所在地區(qū)歷史上的溫度變化范圍最低值和最高值,模擬過程中步階改變幅度為2K。所述的方法,其中,第一步的l-4中,大氣水汽含量初始值和最大值為所在地區(qū)歷史上大氣水汽含量的最小值和最大值,模擬過程中步階改變幅度為0.2g/cm2。所述的方法,其中,第一步的l-5中,輸入ASTER衛(wèi)星傳感器高度為705KM。所述的方法,其中,第二步的2-4中,地表溫度標(biāo)準(zhǔn)誤差大于1.3K和ASTER第ll、12、13、14波段的發(fā)射率都大于0.015時,將兩層隱含節(jié)點都加5,重復(fù)2-2繼續(xù)進行訓(xùn)練和測試,至地表溫度標(biāo)準(zhǔn)誤差小于1.3K和ASTER第ll、12、13、14波段的發(fā)射率都小于0.015。本發(fā)明的有益效果是,利用地球物理參數(shù)之間存在關(guān)系,具體鄰近熱紅外波段之間的發(fā)射率存在線性關(guān)系,透過率和大氣水汽含量之間存在關(guān)系,利用大氣輻射傳輸模型進行模擬可以很好地利用這些潛在的信息,有效地減少未知數(shù)和解決病態(tài)反演中方程不夠的難題。提高了反演精度和計算時間,克服以往需要從外部(MODIS和同化系統(tǒng))獲得大氣參數(shù)的困難。為高分辨率城市熱點效應(yīng),地?zé)岜O(jiān)測,環(huán)境效益評價(房屋等保溫效果),礦產(chǎn)分析等提高了有效手段和技術(shù)支撐。其操作實用性比日本ASTER數(shù)據(jù)產(chǎn)品分發(fā)中心的產(chǎn)品算法要簡單,精度要高。圖l是本發(fā)明的主流程示意圖。圖2是本發(fā)明建立ASTER衛(wèi)星第11、12、13、14波段星上幅射亮度溫度的模擬數(shù)據(jù)庫的流程示意圖。圖3是本發(fā)明采用的多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖。圖4是本發(fā)明的神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測試流程示意圖。圖5是本發(fā)明的反演地表溫度和發(fā)射率的流程示意圖。圖6是本發(fā)明實施例中采用的ASTER1B數(shù)據(jù)第3、2、1波段合成圖像。圖7是日本ASTER數(shù)據(jù)中心發(fā)布的圖6地區(qū)的地表溫度產(chǎn)品AST08。圖8是采用本發(fā)明的反演方法對圖6進行處理后的地表溫度圖。圖9反演得到地表溫度與日本提供地表溫度產(chǎn)品(AST08)相對誤差分布圖圖10是本發(fā)明反演得到地表發(fā)射率與日本提供地表發(fā)射率產(chǎn)品(AST05)相對誤差直方圖。圖11是采用本發(fā)明得到的地表實測數(shù)據(jù)與反演結(jié)果的對比圖。具體實施例方式地表溫度反演是以地表熱輻射傳導(dǎo)方程為基礎(chǔ),即通過建立能量平衡方程來反演地表溫度。輻射傳輸方程描述了衛(wèi)星的微波輻射計所觀測到的輻射總強度,不僅有來自地表的輻射,而且還有來自大氣的向上和向下的路徑輻射。這些輻射成分在穿過大氣層到達遙感器的過程中,還受到大氣層的吸收作用的影響而削減。同時,地表和大氣的輻射也在這一過程中產(chǎn)生不可忽略的影響。地表溫度的反演公式可以簡化為式1所示<formula>formulaseeoriginaldocumentpage10</formula>式l中"。表示z波段G'為表l中所示ASTER傳感器第10,11,12,13,14波段)在視角S的透過率,s'(。表示z波段在視角^的發(fā)射率,7表示''波段的星上亮度溫度,f、表示地表溫度,《。表示大氣平均作用溫度,A(。、A(T^、Af'J分別表示星上輻射強度、地面輻射強度和大氣平均作用輻射強度,具體表示的是普朗克函數(shù)(式2):<formula>formulaseeoriginaldocumentpage10</formula>將能量和溫度聯(lián)系在一起W^(K分別表示T、K、T。)是分譜輻射亮度,單位是『附—義是波長,單位戶;^是普朗克常數(shù)(6.6256xl(T34j's);c是光速(3xl08m/s);^是玻耳茲曼常數(shù)(1.38xl(T23J/K);T是絕對溫度(K)。在式1中,每個波段''(10,11,12,13,14)都有一個未知的發(fā)射率£'(。,還有一個未知數(shù)^。對于另外兩個未知數(shù)《。和"。,以往通常是用低分辨率的MODIS數(shù)據(jù)和同化模型計算得到,但方程的個數(shù)仍能少于未知數(shù)。在日本ASTER數(shù)據(jù)產(chǎn)品分發(fā)中心,地表溫度產(chǎn)品算法是通過NEW(NormalizedEmissivityMethod)、RationAlgorithm、MMD(Maximun-MinimumDifference)三個模塊來構(gòu)造新的方程(Gillespieetal.1998)。Maoetal.(2007)[MaoKebiao,JianchengShi,ZhaoliangLi,andHuajunTang,AnRM-NNalgorithmforretrievinglandsurfacetemperatureandemissivityfromEOS/MODISdata,JournalofGeophysicalResearch,2007,112,,l-17.]對美國JPL(噴汽推進實驗室)提供的ASTER光譜庫進行了分析。對于具體的地物類型,光譜曲線基本上是穩(wěn)定的。鄰近波段可以通過一個線性方程(式3)來表示,因此,從理論上可以將5個波段發(fā)射率的未知數(shù)用一個來表示。<formula>formulaseeoriginaldocumentpage11</formula>(式3)式中4是常數(shù),A是系數(shù),可以通過統(tǒng)計回歸得到。另外,不同波段的大氣平均作用溫度^都是由地表空氣溫度和大氣剖面決定的,其表達式可以描述如式4所示<formula>formulaseeoriginaldocumentpage11</formula>(式4)式4中e'、"'是可以通過模擬不同大氣狀態(tài)計算得到。在熱紅外波段,大氣透過率主要受大氣水汽含量的影響,其表達式如式5所示<formula>formulaseeoriginaldocumentpage11</formula>(式5)式5中『表示大氣水汽含量,£'表示常數(shù),《表示系數(shù),這個可以用大氣輻射傳輸模擬軟件模擬得到。因此,在理想狀態(tài)下,是可以構(gòu)造足夠的方程來計算得到地表溫度和發(fā)射率。但由于不同地球物理參數(shù)之間的關(guān)系不可能非常準(zhǔn)確地描述出來,當(dāng)用嚴(yán)格的數(shù)學(xué)方法解方程時,參數(shù)之間的估計誤差會傳遞,最后會導(dǎo)致所估計的目標(biāo)參數(shù)非常大。另外,式1中的普朗克函數(shù)(式2)是一個復(fù)雜的非線性方程,以往大多數(shù)方法都是通過對普朗克函數(shù)進行泰勒展開取一次線性近似求解方程,這也會帶來一定的誤差。因此,在地球物理參數(shù)反演中,神經(jīng)網(wǎng)絡(luò)和最小二乘法是經(jīng)常采用的方法,這兩個方法是將方程目標(biāo)參數(shù)誤差最小,使主要誤差轉(zhuǎn)移到非目標(biāo)參數(shù)上。本發(fā)明的創(chuàng)新點在于將公知的大氣輻射傳輸軟件MOTRAN4[Berk,A.,G.Anderson,P.Acharya,M.Hoke,J.Chetwynd,L.Bernstein,E.Shettle,M.Matthew,andS.Adler-Golden(2003),MODTRAN4Version3Revision1User'sManual,AirForceRes.Lab.,HanscomAirForceBase,Mass.]和動態(tài)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)[TzengY.C.,ChenK.S.,KaoW.L.,andFungA.K.,ADynamiclearningnerualnetworkforremotesensingapplications,7>wm.Gecwc/.TemofeSm^"g,1994,32(5):1096-1102.]來解反演方程,從而充分利用了地球物理參數(shù)之間的潛在信息,克服以往算法需要先做大氣校正的缺點。本方法主要包括三個步驟,如圖l。第一個步驟是采用美國空軍和海軍研究實驗室共同開發(fā)的MODTRAN4大氣輻射傳輸軟件模擬衛(wèi)星傳感器(本實施例中是ASTER傳感器)獲得所在地的各種地表類型的輻射和各種可能的大氣狀態(tài)的正向過程,建立數(shù)據(jù)庫。具體模擬計算流程如圖2所示,過程如下1)選擇所獲影像的所在地區(qū)的大氣剖面模式、大氣路徑、輻射模式和散射模式作為輸入?yún)?shù);2)從美國JPL提供的ASTER光譜庫(URL:http:〃speclib.ipl.nasa.gov),選擇其中主要的80種常見地物在ASTER數(shù)據(jù)第11、12、13和14波段的發(fā)射率分別作為輸入?yún)?shù)(這個可以根據(jù)當(dāng)?shù)厍闆r選取20種左右,因為在一景影像中,遙感分去20種地物類型已經(jīng)不錯了,這樣可以提高模擬效率和反演精度),圖2中用化來計算模擬過程中地物數(shù)目;3)輸入所獲得影像時間在所在地區(qū)溫度變化范圍的可能最低值,圖2設(shè)定為273K,并限定最高值,圖2中給定320K,用^。表示模擬過程中地表溫度變化,反復(fù)模擬過程中步階改變幅度為2K;4)輸入大氣水汽含量初始值0.2g/cm2,限定最大值為4g/cm2,用『。表示模擬過程中大氣水汽含量變化,反復(fù)模擬過程中步階改變幅度為0.2g/cmS5)輸入ASTER衛(wèi)星傳感器高度為705KM,大氣氣溶膠、二氧化碳等其它參數(shù)默認;6)根據(jù)表1中,ASTER數(shù)據(jù)第11、12、13、14波段的波長范圍;7)執(zhí)行模擬,并輸出ASTER數(shù)據(jù)第11、12、13、14波段模擬星上輻射亮度;8)判斷^+0.2g/cm、4g/cm27,如果小于,則繼續(xù)進行下一次模擬;9)判斷^+2K〈320K,如果小于,則繼續(xù)進行下一次模擬;10)判斷"+1<80,如果小于,則繼續(xù)進行下一次模擬;11)將每次模擬得到星上輻射亮度轉(zhuǎn)換成亮度溫度,并和每次模擬輸入的地表溫度和發(fā)射率一起建立相應(yīng)的數(shù)據(jù)庫。在上述第一步驟中,本實施例是選擇中緯度夏季模式、斜路徑、熱輻射模式、單次散射。將ASTER熱紅外波段的第11波段(范圍8.475-8.825,),第12波段(范圍8.925-9.275,),第13波段(范圍10.25-10.95訓(xùn)),第14波段(范圍10.95-11.65謂)各中心波長和星上輻射亮度代入式8(該式8是由式2變化得到的)'義xln(2x59500000/(S(7;)x;i5)+1)(8)即可計算得到星上對應(yīng)的溫度,即式(1)等式左邊的S。建立ASTER數(shù)據(jù)第11-14波段的4個星上亮度溫度(Tll、T12、T13、T14)和對應(yīng)的地表溫度K、ASTER第11-14波段發(fā)射率(Ell、E12、E13、E14)數(shù)據(jù)庫。第二個步驟,是利用神經(jīng)網(wǎng)絡(luò)軟件,神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的方法不一樣,它不需要準(zhǔn)確地知道反演算法(規(guī)則)。由于神經(jīng)網(wǎng)絡(luò)具備從復(fù)雜的和不精確的數(shù)據(jù)中提取信息,所以神經(jīng)網(wǎng)絡(luò)能夠被用來提取模式預(yù)測[HomikK.M.,StinchcombeM.,andWhiteH.,Multilayerfeedforwardnetworksareuniversalapproximators,iVewra/iVemwA:,1989,4(5):359-366]。如圖3所示,模擬得到的ASTER第11、12、13、14星上亮度溫度或者ASTER影像的第ll、12、13、14星上亮度溫度(Tll、T12、T13、T14)作為多層神經(jīng)網(wǎng)絡(luò)的4個輸入節(jié)點,地表溫度(LST)和ASTER數(shù)據(jù)的第11、12、13、14波段的發(fā)射率(Ell、E12、E13、E14)作為5個輸出節(jié)點。網(wǎng)絡(luò)包含了多層基本處理單元,最小的基本單元被稱之為神經(jīng)元。單個的神經(jīng)元是神經(jīng)網(wǎng)絡(luò)每層的基本構(gòu)成單元。單個神經(jīng)元是處理一個或多個輸入信號的基本單元(1)輸入信號x與權(quán)重(w)相乘加上偏差o;(2)通過激勵函數(shù)產(chǎn)生輸出信號。圖3是本實施例采用的公知的動態(tài)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。圖3中每個神經(jīng)元的輸入信息是系統(tǒng)的輸入信號或者上一層的輸出信號。激勵函數(shù)/^0有許多種形式,最常見的激勵函數(shù)是非線性的sigmoid函數(shù),如式6所示。通過輸出對輸入的響應(yīng)來獲得模擬的函數(shù)。在網(wǎng)絡(luò)的監(jiān)督訓(xùn)練階段,訓(xùn)練的模式被內(nèi)化到網(wǎng)絡(luò)里。在所有的訓(xùn)練模式被輸入后,神經(jīng)元的權(quán)重通過輸出和期望輸出之間的誤差全局最小調(diào)整來獲得。誤差調(diào)整的等式如式7所示?!晗?IX4ZH[;-]2式中;是第^個模式的第''神經(jīng)元期望輸出,是第^個模式的第''神經(jīng)元的輸出。在式7中,''是輸出單元的和。我們可以認為訓(xùn)練的神經(jīng)網(wǎng)絡(luò)是由一組離散數(shù)據(jù)集分組得到的多個最小二乘法構(gòu)成的內(nèi)插方程組。很明顯,方程近似的精度很大程度上取決于訓(xùn)練數(shù)據(jù)。對于從遙感數(shù)據(jù)中反演地球物理參數(shù),對于其中非線性的關(guān)系和相互作用的因素很難描述清楚。但神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)的方法不一樣,神經(jīng)網(wǎng)絡(luò)不需要準(zhǔn)確地知道輸入?yún)?shù)和輸出參數(shù)之間的具體關(guān)系。神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練數(shù)據(jù)直接決定了輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的關(guān)系。本實施例采用動態(tài)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)(DL)對第一步驟中建立的數(shù)據(jù)庫進行訓(xùn)練和測試。動態(tài)神經(jīng)網(wǎng)絡(luò)使用了卡曼濾波來增加訓(xùn)練時的收斂速度并且提高了解非線性問題的能力,神經(jīng)網(wǎng)絡(luò)的各節(jié)點權(quán)重被初始化為(-l,l)之間的隨機數(shù)??鼮V波過程是均方根估計迭代的過程,每次網(wǎng)絡(luò)權(quán)重的更新是新輸入數(shù)據(jù)集基于先前的權(quán)重學(xué)習(xí)的基礎(chǔ)上,輸出節(jié)點的權(quán)重更新是相互獨立的。由于基于卡曼濾波的動態(tài)學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)只需要兩個迭代過程就達到所要求的均方根閾值,而且反演結(jié)果很穩(wěn)定,所以均方根誤差通常設(shè)定為10e—3,迭代次數(shù)為2。更多的請參閱[TzengY.C.,ChenK.S.,KaoW.L.,andFungA.K.,ADynamiclearningnerualnetworkforremotesensingapplications,7am1.Geos"'.W證她iSem7力g,1994,32(5):1096-1102.]的介紹。本發(fā)明具體的神經(jīng)網(wǎng)絡(luò)訓(xùn)練和測試流程如圖4所示,過程如下1)將第一模塊中模擬得到的數(shù)據(jù)庫分成兩組一組為訓(xùn)練數(shù)據(jù)集;一組為測試數(shù)據(jù)集;2)將模擬訓(xùn)練數(shù)據(jù)集中的ASTER第11、12、13、14波段的星上亮度溫度作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點,地表溫度和ASTER第11、12、13、14波段的發(fā)射率作為5個輸出節(jié)點,進行訓(xùn)練;3)將測試數(shù)據(jù)集的星上亮度溫度輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),輸出的地表溫度和發(fā)射率;4)將第三步中輸出的地表溫度和發(fā)射率和對應(yīng)的地表溫度和發(fā)射率對比。如果地表溫度標(biāo)準(zhǔn)誤差大于1.3K和ASTER第ll、12、13、14波段的發(fā)射率都大于0.015時,將兩層隱含節(jié)點都加5,跳到第二步繼續(xù)進行訓(xùn)練和測試;5)如果地表溫度標(biāo)準(zhǔn)誤差小于1.3K和ASTER第11、12、13、14波段的發(fā)射率都小于0.015時,則訓(xùn)練成功。在上述第二步驟中,本實施例是隨機地將模擬數(shù)據(jù)分成兩部分訓(xùn)練數(shù)據(jù)是7387組,測試數(shù)據(jù)1505組,訓(xùn)練神經(jīng)網(wǎng)絡(luò)。通過不斷地調(diào)整隱含節(jié)點(從小往大遞增),當(dāng)兩個隱含層每個800節(jié)點時精度比較高,地表溫度的反演標(biāo)準(zhǔn)誤差在1.3K以下,各波段的發(fā)射率標(biāo)準(zhǔn)誤差在0.015以下,達到目前的實用要求。部分反演信息表如表2所示。表2反演信息總結(jié)表<table>tableseeoriginaldocumentpage15</column></row><table>R:相關(guān)系數(shù);SD:標(biāo)準(zhǔn)偏差。第三步驟是是利用第二模塊中訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對遙感影像數(shù)據(jù)ASTER進行實際反演。具體訓(xùn)練和測試流程如圖5所示,過程如下1)對ASTER遙感影像數(shù)據(jù)的第11、12、13、14波段進行幾何校正;2)將第一步驟中得到的星上亮度溫度Tll、T12、T13、T14輸入到第二模塊中訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,輸出地表溫度和ASTER第11、12、13、14波段的發(fā)射率E11、E12、E13、14;3)根據(jù)影像對應(yīng)的地表進行相關(guān)驗證和應(yīng)用分析;反演得到地表溫度結(jié)果如圖8。圖8與圖7所示的日本ASTER數(shù)據(jù)產(chǎn)品分發(fā)中心提供的地表溫度產(chǎn)品AST08的相對誤差如圖9所示。得到的發(fā)射率相對誤差的直方圖如圖11所示。對比圖6、圖7和圖8,對比A和B區(qū)域(圖7中標(biāo)示),在有云的地方,顯然本發(fā)明的反演結(jié)果要好一些。其主要原因可能是圖7中所釆用的反演算法受大氣校正的影響比較大,因為日本ASTER數(shù)據(jù)中心是通過用的低分辨率遙感數(shù)據(jù)MODIS獲得大氣參數(shù),然后用大氣同化模型來做大氣校正的,其分辨率都在l公里以上,而ASTER熱紅外波段分辨率是90米,在大氣狀態(tài)變化比較大的地方,誤差是比較大。從圖9可以看出,日本ASTER數(shù)據(jù)分發(fā)中心提供的AST08地表溫度產(chǎn)品的地表溫度值普遍比本發(fā)明的反演結(jié)果高,從圖10表結(jié)果來看,日本ASTER數(shù)據(jù)分發(fā)中心反演的發(fā)射率比本發(fā)明的結(jié)果低。原因是因為日本ASTER數(shù)據(jù)中心提供的AST08高估了地表溫度產(chǎn)品。其中主要有兩個原因,一個是大氣校正存在誤差,另外一個是日本ASTER數(shù)據(jù)產(chǎn)品分發(fā)中心的地表溫度和發(fā)射率分離算法使用運用了NEW(NormalizedEmissivityMethod)方法來減少這個未知數(shù),這個方法對于水,植被和某些土壤不是非常的適合。特別是在水覆蓋的地方,誤差比較大,這個與本發(fā)明的反演結(jié)果對比圖9中可以看到。由于地表的溫度不是均一的,而且地面測量只可能是點狀測量,因此獲得衛(wèi)星過境時與像元分辨率一致的地面數(shù)據(jù)非常的困難。另外,即使獲得了實測數(shù)據(jù),實時大氣剖面數(shù)據(jù)、地表發(fā)射率的測量以及影像和實測數(shù)據(jù)的配準(zhǔn)仍然存在誤差。由于這些原因,使得用實地測量法驗證算法精度非常的困難。本發(fā)明還選擇四個氣象數(shù)據(jù)和小湯山地區(qū)測到的兩個數(shù)據(jù),對相應(yīng)的ASTER影像進行了反演分析,圖ll是本發(fā)明的地表觀測數(shù)據(jù)與反演結(jié)果的對比圖,平均精度在1.6K,能夠滿足目前的應(yīng)用需求。權(quán)利要求1、一種從遙感數(shù)據(jù)ASTER反演地表溫度和發(fā)射率的方法,其步驟為第一步、建立ASTER衛(wèi)星第11、12、13、14波段星上幅射亮度溫度的模擬數(shù)據(jù)庫1-1)選擇所獲影像的所在地區(qū)的大氣剖面模式、大氣路徑、輻射模式和散射模式作為輸入?yún)?shù);1-2)選擇常見地物在ASTER數(shù)據(jù)第11、12、13和14波段的發(fā)射率分別作為輸入?yún)?shù);1-3)輸入所獲得影像時間在所在地區(qū)溫度變化范圍的最低值,并限定最高值,模擬過程中地表溫度變化;1-4)輸入大氣水汽含量初始值,限定最大值,模擬過程中大氣水汽含量變化;1-5)輸入ASTER衛(wèi)星傳感器高度,并默認大氣氣溶膠、二氧化碳等其它參數(shù);1-6)根據(jù)ASTER數(shù)據(jù)第11、12、13、14波段的波長范圍執(zhí)行模擬,并輸出ASTER數(shù)據(jù)第11、12、13、14波段模擬星上輻射亮度;1-7)將每次模擬得到星上輻射亮度轉(zhuǎn)換成亮度溫度,并和每次模擬輸入的地表溫度和發(fā)射率一起建立相應(yīng)的數(shù)據(jù)庫;第二步、神經(jīng)網(wǎng)絡(luò)訓(xùn)練2-1)將第一步中模擬數(shù)據(jù)庫分成兩組,一組為訓(xùn)練數(shù)據(jù)集;一組為測試數(shù)據(jù)集;2-2)將訓(xùn)練數(shù)據(jù)集中的ASTER第11、12、13、14波段的星上亮度溫度作為神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點,地表溫度和ASTER第11、12、13、14波段的發(fā)射率作為5個輸出節(jié)點,進行訓(xùn)練;2-3)將測試數(shù)據(jù)集的星上亮度溫度輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò),輸出的地表溫度和發(fā)射率;2-4)將2-3中輸出的地表溫度和發(fā)射率和對應(yīng)的地表溫度和發(fā)射率對比;第三步、反演地表溫度和發(fā)射率3-1)對ASTER遙感影像數(shù)據(jù)的第11、12、13、14波段進行幾何校正;3-2)將ASTER數(shù)據(jù)的第11、12、13、14波段的星上亮度轉(zhuǎn)換成星上亮度溫度;3-3)將3-2中轉(zhuǎn)換后的星上亮度溫度輸入到第二步訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中,輸出地表溫度和ASTER第11、12、13、14波段的發(fā)射率;3-4)根據(jù)影像對應(yīng)的地表進行相關(guān)驗證和應(yīng)用分析。2、如權(quán)利要求1所述的方法,其中,第一步的1-3中,溫度變化范圍的最低值和最高值為所在地區(qū)歷史上的溫度變化范圍最低值和最高值,模擬過程中步階改變幅度為2K。3、如權(quán)利要求l所述的方法,其中,第一步的l-4中,大氣水汽含量初始值和最大值為所在地區(qū)歷史上大氣水汽含量的最小值和最大值,模擬過程中步階改變幅度為0.2g/cm2。4、如權(quán)利要求l所述的方法,其中,第一步的l-5中,輸入ASTER衛(wèi)星傳感器高度為705KM。5、如權(quán)利要求l所述的方法,其中,第二步的2-4中,地表溫度標(biāo)準(zhǔn)誤差大于1.3K和ASTER第11、12、13、14波段的發(fā)射率都大于0.015時,將兩層隱含節(jié)點都加5,重復(fù)2-2繼續(xù)進行訓(xùn)練和測試,至地表溫度標(biāo)準(zhǔn)誤差小于UK禾口ASTER第11、12、13、14波段的發(fā)射率都小于0.015。全文摘要一種從遙感數(shù)據(jù)ASTER反演地表溫度和發(fā)射率的方法,包含三個步驟第一步驟是利用大氣輻射傳輸模擬軟件MODTRAN4針對所獲得遙感數(shù)據(jù)ASTER第11、12、13、15熱紅外波段的區(qū)域和季節(jié)以及大氣模式進行正向模擬,建立訓(xùn)練和測試數(shù)據(jù)庫。第二個步驟是利用神經(jīng)網(wǎng)絡(luò)對訓(xùn)練和測試數(shù)據(jù)集反復(fù)訓(xùn)練和測試。第三步驟是對ASTER實際影像數(shù)據(jù)進行反演計算,并進行實際地表驗證和應(yīng)用分析。本發(fā)明得到的產(chǎn)品精度高,特別是在鄰近大氣變化比較大時候。文檔編號G01S7/497GK101295022SQ20081011562公開日2008年10月29日申請日期2008年6月25日優(yōu)先權(quán)日2008年6月25日發(fā)明者周清波,唐華俊,毛克彪,王秀峰,王道龍,蘇勝娣申請人:中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所