專利名稱：：從modis數(shù)據(jù)反演地表溫度和發(fā)射率方法
技術領域：
：本發(fā)明涉及一種從遙感數(shù)據(jù)MODIS反演地表溫度和發(fā)射率的方法，能夠應用在氣象、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：
：地表溫度是指地表表層的溫度，地表發(fā)射率是衡量地物在熱紅外波段輻射能力的一個非常重要的指標。地表溫度和發(fā)射率在氣候變化研究中是兩個非常重要的參數(shù)，其重要性己經(jīng)使熱紅外遙感成為遙感研究的一個重要領域，目前已經(jīng)開發(fā)了很多實用的地表溫度遙感反演方法，如熱輻射傳輸方程法、劈窗算法、單窗算法和多通道算法。許多反演算法是針對具體的傳感器開發(fā)的，例如Qinetal口001]針對NOAA-AVHRR開發(fā)了一個劈窗算法[QinZ.H.，OlmoG.D.,andKarnieliA.,DerivationofsplitwindowalgorithmanditssensitivityanalysisforretrievinglandsurfacetemperaturefromNOAA-advancedveryhighresolutionradiometerdata,Geo//^.2001,22,655-22,670.]，由于AVHRR傳感器上沒有近紅外波段反演大氣水汽含量，只能通過氣象站點或者其他傳感器獲得大氣參數(shù)。1999、2002年搭載MODIS遙感器的對地觀測衛(wèi)星發(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。MODIS是一個擁有36個波段的中分辨率遙感系統(tǒng)(如圖1)，每12天可獲得一次全球觀測數(shù)據(jù)，其飛行與太陽同步，每天同一區(qū)域至少可獲得晝夜兩景圖像，并且是免費接收，因此非常適合于中大尺度的區(qū)域資源環(huán)境動態(tài)監(jiān)測。在MODIS的36個波段中有8個是熱紅外波段(如表1)，因而非常合適于區(qū)域尺度的地表熱量空間差異分析。但是，目前針對MODIS遙感數(shù)據(jù)的地表溫度反演方法不是很多，萬正明等在1996和1997年在MODIS傳感器還沒有搭載衛(wèi)星上天之前，針對這個傳感器提出了兩禾中反演算法[WanZ.andDozierJ.,Ageneralizedsplit-windowalgorithmforretrievinglandsurfacetemperaturemeasurementfromspace,rra肌iewofeSera.，1996，34:892-905.;WanZ.M.,LiZ..L.，APhysics-BasedAlgorithmforRetrievingland-surfaceemissivityandtemperaturefromEOS/MODISdata,TE五五7ra肌Gmyc/.T^附o/e&"s.，1997，35:980-996.]。其中一個是劈窗算法，只反演地表溫度，該算法中發(fā)射率是通過地表分類數(shù)據(jù)和發(fā)射率庫匹配得到。由于受云等的影響，分類產(chǎn)品不具備實時性，所以地表發(fā)射率也不具備實時性；另外一個算法是能同時反演地表溫度和發(fā)射率，該算法同時需要白天和晚上的數(shù)據(jù)，由于數(shù)據(jù)匹配原因和該算法需要的一些參數(shù)需要其它同時搭載的傳感器或者其它反演產(chǎn)品獲得，使得同時反演的溫度產(chǎn)品分辨率從lxl公里降低到5x5公里。這兩個算法被美國宇航局(NASA)采用作為產(chǎn)品算法。但算法比較復雜，一般科研人員難以實現(xiàn)，比較復雜。國內(nèi)許多研究者針對MODIS傳感器的地表溫度反演做過一些研究，比如毛克彪和覃志豪等[毛克彪，覃志豪，施建成，宮鵬，針對MODIS數(shù)據(jù)的劈窗算法研究，武漢大學學報(信息科學版),2005(8):703-708.;毛克彪，覃志豪，施建成，用MODIS影像和劈窗算法反演山東半島的地表溫度,中國礦業(yè)大學學報(自然科學版)，2005(1):46-50.]。毛克彪等于2009年已經(jīng)針對MODIS數(shù)據(jù)申報了地表溫度反演方法專利一項[申請?zhí)?00910091030.7]。雖然該方法簡便實用，但只能反演地表溫度，而不能同時反演得到地表發(fā)射率。雖然MODIS衛(wèi)星傳感器搭載在美國衛(wèi)星上，但我國MODIS數(shù)據(jù)地面接收站比較多，比如農(nóng)業(yè)部資源遙感與數(shù)字農(nóng)業(yè)重點室，中國氣象局衛(wèi)星氣象中心，中國科學院地理所等都有接收站點。美國宇航局向全球發(fā)布MODIS溫度產(chǎn)品，其精度在美國本土比較準確，但在世界其它地區(qū)有些地方精度還是不夠，需要進一步提高[WAN,Z.,ZHANG,Y.,ZHANG,Q.andLI,Z.-L.,2002，Validationoftheland-surfacetemperatureproductsretrievedfromTerraModerateResolutionImagingSpectroradiometerdata.RemoteSensingofEnvironment,2002，83,163-180.]。特別需要我們根據(jù)世界各地本地的實際情況，進一步研究新算法或者做進一步的校正，以提高精度。表1MODIS遙感器技術參數(shù)<table>tableseeoriginaldocumentpage5</column></row><table><table>tableseeoriginaldocumentpage6</column></row><table>
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)MODIS同時反演地表溫度和發(fā)射率的方法，以克服現(xiàn)有地表溫度反演方法復雜，且難以滿足科研人員個人使用的需要，以及更加充實國內(nèi)研究人員針對熱紅外遙感器開發(fā)的產(chǎn)品算法，為我國2020之前計劃發(fā)射100顆衛(wèi)星上熱紅外傳感器提供地表溫度和發(fā)射率反演方法參考，而且還能進一步提高目前農(nóng)業(yè)部業(yè)務運行中地表溫度和發(fā)射率的反演精度，提高旱情監(jiān)測和農(nóng)作物估產(chǎn)精度[已經(jīng)擬定作為農(nóng)業(yè)部農(nóng)情監(jiān)測中的地表溫度和發(fā)射率反演方法之一]。為實現(xiàn)上述目的，本發(fā)明提供的從遙感數(shù)據(jù)MODIS同時反演地表溫度和發(fā)射率方法步驟為第一步、建立對地觀測衛(wèi)星上MODIS傳感器第29、31、32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MODIS數(shù)據(jù)第29、31和32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)輸入對地觀測衛(wèi)星MODIS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)MODIS數(shù)據(jù)第29、31、32波段的波長范圍執(zhí)行模擬，并輸出MODIS數(shù)據(jù)第29、31、32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換成亮度溫度，并和每次模擬輸入的地表溫度和發(fā)射率以及大氣水汽含量一起建立相應的數(shù)據(jù)庫。第二步、神經(jīng)網(wǎng)絡訓練和測試2-1)將第一步中模擬數(shù)據(jù)庫分成兩組，一組為訓練數(shù)據(jù)集；一組為測試數(shù)據(jù)集；2-2)將訓練數(shù)據(jù)集中的MODIS第29、31、32波段的星上亮度溫度和大氣水汽含量作為神經(jīng)網(wǎng)絡的四個輸入節(jié)點，地表溫度和MODIS第29、31、32波段的發(fā)射率作為4個輸出節(jié)點，進行訓練；2-3)將測試數(shù)據(jù)集的星上亮度溫度和大氣水汽含量輸入訓練好的神經(jīng)網(wǎng)絡，輸出地表溫度和發(fā)射率；2-4)將2-3中輸出的地表溫度和發(fā)射率和對應的地表溫度和發(fā)射率對比，達到給定精度時候就停止訓練。第三步、反演地表溫度和發(fā)射率3-1)對MODIS遙感影像數(shù)據(jù)的第2、19、29、31、32波段進行幾何校正；3-2)利用MODIS第19波段和第2波段計算比值T，然后利用這個比值計算大氣水汽含量W[KaufmanY.J"GaoBo-Cai.，RemoteSensingofWaterVaporintheNearIRfromEOS/MODIS,7>ww.Geosc/.及ewo化Sera.,1992，30:871-884.]:<formula>formulaseeoriginaldocumentpage8</formula>3-3)將MODIS數(shù)據(jù)的第29、31、32波段的星上亮度轉換成星上亮度溫度(T29、T31、T32);3-4)將3-2中W和3-3中T29、T31、T32輸入到第二步訓練好的神經(jīng)網(wǎng)絡中，輸出地表溫度和MODIS第29、31、32波段的發(fā)射率(E29、E31、E32);3-4)根據(jù)影像對應的地表進行相關驗證和應用分析。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MODIS傳感器高度為705KM。所述的方法，其中，第二步的2-4中，地表溫度平均誤差大于0.5K和MODIS第29、31、32波段的發(fā)射率都大于0.01時，將兩層隱含節(jié)點都加10，重復2-2繼續(xù)進行訓練和測試，至地表溫度平均誤差小于0.5K和MODIS第29、31、32波段的發(fā)射率平均誤差都小于0.01。本發(fā)明的有益效果是，利用地球物理參數(shù)之間存在關系，具體鄰近熱紅外波段之間的發(fā)射率存在線性關系，透過率和大氣水汽含量之間存在關系，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。提高了反演精度和減少計算時間，克服以往同一地點需要白天和晚上兩景數(shù)據(jù)的困難，特別當白天或者晚上有云或者降雨無數(shù)據(jù)的難點。為氣象預報、氣候變化研究、農(nóng)情監(jiān)測等提供了有效手段和技術支撐。其操作實用性比美國宇航局(NASA)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。下面結合附圖和實施例對本發(fā)明進一步說明。圖1MODIS遙感器。圖2是本發(fā)明的主流程示意圖。圖3是本發(fā)明建立MODIS傳感器第29、31、32波段星上輻射亮度溫度的模擬數(shù)據(jù)庫的流程示意圖。圖4是本發(fā)明采用的多層神經(jīng)網(wǎng)絡結構示意圖。圖5是本發(fā)明的神經(jīng)網(wǎng)絡訓練和測試流程示意圖。圖6是本發(fā)明的反演地表溫度和發(fā)射率的流程示意圖。圖7是利用第2和19波段估算的大氣水汽含量圖。圖8是采用本發(fā)明反演的地表溫度分布圖。圖9美國宇航局(NASA)提供的1KM地表溫度產(chǎn)品分布圖。圖10是本發(fā)明反演得到地表溫度與美國宇航局(NASA)提供地表溫度產(chǎn)品相對誤差分布圖。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方程為基礎，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3所示A(t;.)=《.(。、(e)石,.(7;)+[i—+(i-。(。)r,.(0)]A(rj(式3)式3中r,.(0表示z'波段(z'為表l中所示MODIS傳感器第29，31，32波段)在視角^的透過率，《.(e)表示z'波段在視角e的發(fā)射率，t;表示z波段的星上亮度溫度，t;表示地表溫度，7;表示大氣平均作用溫度，5,.(r》、馬(r》、s,(r,。)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4):2c力u"(式4)將能量和溫度聯(lián)系在一起別z;)(7;分別表示7:.、t;、z;。)是分譜輻射亮度，單位是『.附-2.戶一、^是波長，單位戶；/z是普朗克常數(shù)(6.6256xl0-34Js);c是光速(3xl08m/s);^是玻耳茲曼常數(shù)(1.38x10-23J/K);T是絕對溫度(K)。在式1中，每個波段z'(29，31，32)都有一個未知的發(fā)射率^.(e)，還有一個未知數(shù)7;，7;和r,.(^)，美國宇航局(NASA)的產(chǎn)品算法是通過假定白天和晚上的發(fā)射率不變，通過構造14個方程組來減少未知數(shù)的個數(shù)。毛克彪等(2005)[KebiaoMao,JianchengShi，ZhihaoQin,PengGong，WeiLiu，LinaXu,AMultiple-bandAlgorithmforRetrievingLand-SurfaceTemperatureandEmissivityfromMODISData,InternationalGeoscienceandRemoteSensingSymposium(IGARSS05),25-29July2005，5:3269-3272.]對美國JPL(噴汽推進實驗室)提供的光譜庫進行了分析。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5)來表示，因此，從理論上可以將3個波段發(fā)射率的未知數(shù)用一個來表示。，=4+A,(式5)式中4是常數(shù)，5,.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t;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6所示^"'+AT。(式6)10式6中C,.、D,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7所示式7中『表示大氣水汽含量，￡,.表示常數(shù)，巧表示系數(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)之間的關系不可能非常準確地描述出來，當用嚴格的數(shù)學方法解方程時，參數(shù)之間的估計誤差會傳遞，最后會導致所估計的目標參數(shù)誤差比較大。另外，式3中的普朗克函數(shù)(式4)是一個復雜的非線性方程，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)絡和最小二乘法是經(jīng)常被采用的方法，這兩個方法是將方程目標參數(shù)誤差最小，使主要誤差轉移到非目標參數(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陽Golden(2003)，MODTRAN4Version3Revision1User'sManual,AirForceRes.Lab.,HanscomAirForceBase,Mass.]禾口動態(tài)學習神經(jīng)網(wǎng)絡[TzengYC.,ChenK.S.，KaoW.L.,andFungA.K.,ADynamiclearningnerualnetworkforremotesensingapplications,Gecwl^mo^&"W"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，以及需要白天和晚上兩景數(shù)據(jù)的缺點。本方法主要包括三個步驟，如圖2。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MODIS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3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提供的光譜庫OJRL:htto:〃speclib.bl.nasa.gov)，選擇其中主要的80種常見地物在MODIS數(shù)據(jù)第29、31和32波段的發(fā)射率分別作為輸入?yún)?shù)，圖3中用0。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3設定為273K，并限定最高值，圖2中給定320K，用r。表示模擬過程中地表溫度變化，反復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，反復模擬過程中步階改變幅度為0.2g/cm2;5)輸入MODIS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，MODIS數(shù)據(jù)第29、31、32波段的波長范圍；7)執(zhí)行模擬，并輸出MODIS數(shù)據(jù)第29、31、32波段模擬星上輻射亮度；8)判斷『。+0.2g/cm2〈4g/cm2，如果小于，則繼續(xù)進行下一次模擬；9)判斷r。+2K。20K，如果小于，則繼續(xù)進行下一次模擬；10)判斷0。+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換成亮度溫度，并和每次模擬輸入的大氣水汽含量、地表溫度和發(fā)射率一起建立相應的數(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MODIS熱紅外波段的第29波段(范圍8.4-8.7"附)，第31波段(范圍10.78隱11.28"附)，第32波段(范圍11.77-12.27"附)，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)7;=_^——^(8);Uln(2x59500000/(5(7;)xA5)+1)即可計算得到星上對應的溫度，即式(3)等式左邊的T;.。建立MODIS數(shù)據(jù)第29、31和32波段的3個星上亮度溫度(T29、T31、T32)和大氣水汽含量與對應的地表溫度；、MODIS第29、31和32波段發(fā)射率(E29、E31、E32)數(shù)據(jù)庫。第二個步驟，是利用神經(jīng)網(wǎng)絡軟件，神經(jīng)網(wǎng)絡與傳統(tǒng)的方法不一樣，它不需要準確地知道反演算法(規(guī)則)。由于神經(jīng)網(wǎng)絡具備從復雜的和不精確的數(shù)據(jù)中提取信息，所以神經(jīng)網(wǎng)絡能夠被用來提取模式預測[HomikK.M.，StinchcombeM.，andWhiteH.，Multilayerfeedforwardnetworksareuniversalapproximators,7V畫/A^woA,1989，4(5):359-366]。如圖4所示，模擬得到的MODIS第29、31、32星上亮度溫度和大氣水分含量或者MODIS影像的第29、31、32星上亮12度溫度(T29、T31、T32)和大氣水汽含量(W)作為多層神經(jīng)網(wǎng)絡的4個輸入節(jié)點，地表溫度(LST)和MODIS數(shù)據(jù)的第29、31、32波段的發(fā)射率(E29、E31、E32)作為4個輸出節(jié)點。網(wǎng)絡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)絡每層的基本構成單元。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與權重(w)相乘加上偏差(2)通過激勵函數(shù)產(chǎn)生輸出信號。圖5是本實施例釆用的公知的動態(tài)學習神經(jīng)網(wǎng)絡的結構示意圖。圖4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)/(/^)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9所示。通過輸出對輸入的響應來獲得模擬的函數(shù)。在網(wǎng)絡的監(jiān)督訓練階段，訓練的模式被內(nèi)化到網(wǎng)絡里。在所有的訓練模式被輸入后，神經(jīng)元的權重通過輸出和期望輸出之間的誤差全局最小調整來獲得。誤差調整的等式如式io所示。五證^1X占饑-]2(10)式中乙,.是第p個模式的第z神經(jīng)元期望輸出，,是第p個模式的第Z神經(jīng)元的輸出。在式10中，z'是輸出單元的和。我們可以認為訓練的神經(jīng)網(wǎng)絡是由一組離散數(shù)據(jù)集分組得到的多個最小二乘法構成的內(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系和相互作用的因素很難描述清楚。但神經(jīng)網(wǎng)絡和傳統(tǒng)的方法不一樣，神經(jīng)網(wǎng)絡不需要準確地知道輸入?yún)?shù)和輸出參數(shù)之間的具體關系。神經(jīng)網(wǎng)絡通過訓練數(shù)據(jù)直接決定了輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的關系。本實施例采用動態(tài)學習神經(jīng)網(wǎng)絡(DL)對第一步驟中建立的數(shù)據(jù)庫進行訓練和測試。動態(tài)神經(jīng)網(wǎng)絡使用了卡曼濾波來增加訓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)絡的各節(jié)點權重被初始化為(-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)絡權重的更新是新輸入數(shù)據(jù)集基于先前的權重學習的基礎上，輸出節(jié)點的權重更新是相互獨立的。由于基于卡曼濾波的動態(tài)學習神經(jīng)網(wǎng)絡只需要兩個迭代過程就達到所要求的均方根閾值，而且反演結果很穩(wěn)定，所以均方根誤差通常設定為10e—3，迭代次數(shù)為2。更多的請參閱[TzengY.C.,ChenK.S.，KaoW.L.，andFungA.K.,ADynamiclearningnerualnetworkforremotesensingapplications,/EE五7>aws.Geosc!'.iemofe/Sews/打g,1994,32(5):1096-1102.]的介紹。本發(fā)明具體的神經(jīng)網(wǎng)絡訓練和測試流程如圖5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練數(shù)據(jù)集；一組為測試數(shù)據(jù)集；2)將模擬訓練數(shù)據(jù)集中的MODIS第29、31、32波段的星上亮度溫度和大氣水汽含量作為神經(jīng)網(wǎng)絡的輸入節(jié)點，地表溫度和MODIS第29、31、32波段的發(fā)射率作為4個輸出節(jié)點，進行訓練；3)將測試數(shù)據(jù)集的星上亮度溫度輸入訓練好的神經(jīng)網(wǎng)絡，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)射率與對應的地表溫度和發(fā)射率對比。如果地表溫度平均誤差大于0.5K和MODIS第29、31、32波段的發(fā)射率平均誤差都大于0.01時，將兩層隱含節(jié)點都加10，跳到第二步繼續(xù)進行訓練和測試；5)如果地表溫度平均誤差小于0.5K和MODIS第29、31、32波段的發(fā)射率平均誤差都小于0.01時，則訓練成功。在上述第二步驟中，本實施例是隨機地將模擬數(shù)據(jù)分成兩部分訓練數(shù)據(jù)是7760組，測試數(shù)據(jù)634組，訓練神經(jīng)網(wǎng)絡。通過不斷地調整隱含節(jié)點(從小往大遞增)，當兩個隱含層每個800節(jié)點時精度比較高，地表溫度的反演平均誤差在0.5K以下，各波段的發(fā)射率平均誤差在0.01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反演信息總結表隱含節(jié)點地表滔度波段29發(fā)射率波段31發(fā)射率波段32發(fā)射率RSDRSDRSDRSD100-1000.9951.630.9550扁0.9220.0160.9060.02200-2000.9%1.50.9580.0170.9380.0140.9380.015300-3000.9961.450.9580.0170.9420.0130.9380.015400-4000駕0.950.9750.0130.9680.010.9680.01500-5000.9941.770.9610.0160.9510.0130,9530.013600-6000.9990.550.9840.010.9780細0.9760.009700-70010.510駕0扁0.9850.0070.9860.007800-80010.480.9880扁0.9840.0070.9840扁900-90010.520.9860.010.9830.0080.9830細R:相關系數(shù);SD:標準偏差第三步驟是是利用第二模塊中訓練好的神經(jīng)網(wǎng)絡對遙感影像數(shù)據(jù)MODIS進行實際反演。我們選擇了一景MODIS/TERRA影像做實際反演分析(地點中國山東半島，時間是2005年9月上旬)。具體反演流程如圖6所示，過程如下1)對MODIS遙感影像數(shù)據(jù)的第2、19、29、31、32波段進行幾何校正；2)禾,式1計算MODIS第19波段和第2波段計算比值T，然后利用式2和比值T計算大氣水汽含量W，如圖7;3)利用第一步驟中的式8計算MODIS第29、31和32波段的星上亮度溫度T29、T31、T32和2)中計算得到的大氣水汽含量W輸入到第二模塊中訓練好的神經(jīng)網(wǎng)絡中，輸出地表溫度和MODIS第29、31、32波段的發(fā)射率E29、E31、E32;4)根據(jù)影像對應的地表進行相關驗證和應用分析；反演得到地表溫度結果如圖8。圖9是美國宇航局(NASA)對應的地表溫度產(chǎn)品圖。圖10是圖8與美國MODIS地表溫度產(chǎn)品圖9的相對誤差。Wang和Liang(2005)[Wang,W.,andS.Liang,ValidatingMODISlandsurfacetemperatureproduct,ispmsrs05，17-19,October，Beijing,China,2005.]利用美國通量(http:〃public.ornl.gov/ameriflux/datahandler.cfm)觀測到的地表實測數(shù)據(jù)和MODIS1KM地表溫度產(chǎn)品進行了比較，分析結果表明美國宇航局(NASA)產(chǎn)品算法中地表發(fā)射率需要調整。韓麗娟(2006)[韓麗娟，同化MODIS地表溫度產(chǎn)品和陸面過程模型研究地表蒸散，北京師范大學，博士學位論文，2006.]比較MODIDS地表溫度產(chǎn)品和地表實測數(shù)據(jù)也表明MODIS1KM產(chǎn)品在很多情況下都低估了地表溫度。這里我們利用973項目2004在小湯山地區(qū)測到的數(shù)據(jù)和利用RM-NN從MODIS數(shù)據(jù)中反演結果進行了比較(圖ll)，平均精度是1.03K，達到了目前的實用要求。1權利要求1、一種從遙感數(shù)據(jù)MODIS反演地表溫度和發(fā)射率的方法，其步驟為第一步、建立MODIS傳感器第29、31、32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MODIS數(shù)據(jù)第29、31和32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MODIS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)MODIS數(shù)據(jù)第29、31、32波段的波長范圍執(zhí)行模擬，并輸出MODIS數(shù)據(jù)第29、31、32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換成亮度溫度，并和每次模擬輸入的地表溫度和發(fā)射率以及大氣水汽含量一起建立相應的數(shù)據(jù)庫；第二步、神經(jīng)網(wǎng)絡訓練2-1)將第一步中模擬數(shù)據(jù)庫分成兩組，一組為訓練數(shù)據(jù)集；一組為測試數(shù)據(jù)集；2-2)將訓練數(shù)據(jù)集中的MODIS第29、31、32波段的星上亮度溫度和大氣水汽含量作為神經(jīng)網(wǎng)絡的四個輸入節(jié)點，地表溫度和MODIS第29、31、32波段的發(fā)射率作為4個輸出節(jié)點，進行訓練和測試；2-3)將測試數(shù)據(jù)集的星上亮度溫度輸入訓練好的神經(jīng)網(wǎng)絡，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)射率和對應的地表溫度和發(fā)射率對比，到達給定的精度就停止訓練；第三步、反演地表溫度和發(fā)射率3-1)對MODIS遙感影像數(shù)據(jù)的第29、31、32波段進行幾何校正；3-2)將MODIS數(shù)據(jù)的第29、31、32波段的星上亮度轉換成星上亮度溫度，利用第2波段和19波段計算大氣水汽含量；3-3)將3-2中轉換后的星上亮度溫度和大氣水汽含量輸入到第二步訓練好的神經(jīng)網(wǎng)絡中，輸出地表溫度和MODIS第29、31、32波段的發(fā)射率；3-4)根據(jù)影像對應的地表進行相關驗證和應用分析。2、如權利要求l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。3、如權利要求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、如權利要求l所述的方法，其中，第一步的l-5中，輸入MODIS衛(wèi)星傳感器高度為705KM。5、如權利要求l所述的方法，其中，第二步的2-4中，地表溫度平均誤差大于0.5K和MODIS第29、31、32波段的發(fā)射率平均誤差都大于0.01時，將兩層隱含節(jié)點都加10，重復2-2繼續(xù)進行訓練和測試，至地表溫度平均誤差小于0.5K和MODIS第29、31、32波段的發(fā)射率平均誤差都小于0.01。全文摘要一種從遙感數(shù)據(jù)MODIS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)MODIS第29、31、32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，建立訓練和測試數(shù)據(jù)庫。第二個步驟是利用神經(jīng)網(wǎng)絡對訓練和測試數(shù)據(jù)集反復訓練和測試。第三步驟是對MODIS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用分析。本發(fā)明得到的地表溫度和發(fā)射率產(chǎn)品精度高，實用性強，操作相對簡單。文檔編號G01S17/00GK101655564SQ200910092458公開日2010年2月24日申請日期2009年9月15日優(yōu)先權日2009年9月15日發(fā)明者李滋睿,毛克彪,王建明,王道龍,韓麗娟,黃健熙申請人:中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所;中國農(nóng)業(yè)大學;國家氣象中心