一种基于hj-1birs卫星数据反演lst的方法

文档序号:6229128阅读:326来源:国知局
一种基于hj-1b irs卫星数据反演lst的方法
【专利摘要】本发明针对国产HJ-1B卫星IRS传感器数据提供一种地表温度(LST)反演技术,该技术主要包括以下步骤:利用MODIS的植被指数产品反演地表发射率(LSE);利用单窗算法反演LST;利用遥感图像时空融合技术将不同时相的LST数据变换到基准时相下;区域数据镶嵌与裁切。本发明利用遥感图像时空融合技术,通过国外MODIS传感器高精度的LST产品来提高HJ-1B?IRS数据LST反演的精度,同时实现了生产大区域同时相HJ-1B?IRS?LST产品的目的。
【专利说明】—种基于HJ-1B IRS卫星数据反演LST的方法
【技术领域】
[0001]本发明涉及一种基于HJ-1B IRS卫星数据反演LST的方法,该方法是一种利用国产HJ-1B卫星IRS传感器数据反演地表温度LST的实用技术方法,能够应用在农业和环境监测等领域,属于卫星遥感【技术领域】。
【背景技术】
[0002]陆地表面温度(Land Surface Temperature, LST)是一个重要的地球物理参数。利用卫星遥感数据提取海洋温度(Sea Surface Temperature, SST)技术已较为成熟,可以在全球范围内达到IK的精度。由于陆地表面比海洋表面复杂得多,导致陆地表面温度反演的精度较低,陆地表面温度反演成了 一个亟待解决的科学难题。
[0003]随着遥感技术的发展,对地热红外遥感在环境质量与灾害监测、气象气候热场监测、农业干旱监测、城市热岛调查等方面发挥着重要的作用,为了满足我国不断发展的热红外定量化应用需求,我国于2008年9月6日在太原卫星发射中心成功地发射了环境一号
A、B卫星(HJ-1A、B卫星)。其中HJ-1B上搭载了红外相机IRS,热红外通道的光谱范围是1015?1215 μ m,星下点空间分辨率为300m,量化等级为lObit,幅宽为720km。但由于存在传感器本身温控技术水平低、绝对定标系数不精确等问题,导致HJ-1B IRS数据的LST反演精度不高、不稳定,严重制约了其定量化应用。
[0004]为了提高HJ-1B IRS数据LST反演精度,国内科学家已经做了很多有价值的工作,有学者以发射前实验室定标为基础,利用星上黑体定标数据对HJ-1B热红外通道进行星上定标,有学者以青海湖不同时相的美国TERRA卫星MODIS传感器31通道数据对HJ-1B热红外通道进行交叉定标,提高了 HJ-1B热红外通道定标系数的精度,还有学者根据HJ-1B IRS数据的特点开发了专门的单窗LST反演算法,这些工作使得反演的LST数据更加精确,但距离国外传感器反演的LST数据精度还有一定差距,比如美国TERRA卫星MODIS传感器的LST数据产品。
[0005]国外科研人员利用某些地物在热红外波段比辐射率的稳定性和大气层顶太阳中波波段的辐射率变化极小的现象,利用MODIS的31和32两个热红外波段,开发了白天/黑夜适用的推广的分裂窗口 LST算法,该算法通过实地测量验证,在晴空条件下精度可达到IK0由于TERRA卫星与HJ-1B卫星轨道设计相似,两者成像时间通常相差半个小时以内,可以假定两种数据反演的LST数值上将会非常接近,并且TERRA卫星重访周期短,同一地区每天都有成像数据,所以对于HJ-1B IRS数据几乎都可以找到对应的MODIS数据,因此本发明的出发点便是利用MODIS LST数据来提高HJ-1B IRS数据LST反演的精度。

【发明内容】

[0006]本发明的目的是针对HJ-1B IRS数据在定量遥感中的应用,提供一种有效的LST反演技术。本技术利用遥感图像时空融合技术,通过国外传感器MODIS高精度的LST反演产品来提高HJ-1B IRS数据LST反演的精度,同时实现了大区域内不同实相HJ-1B IRS数据反演LST到同一时像的目的,是一种针对国产HJ-1B IRS数据反演地表温度LST的实用技术方法。
[0007]本发明的基本思路为:对于单景或多景获取时间在一个月以内的、地理位置相近的多景HJ-1B IRS数据,利用单窗LST算法反演对应时像的地表温度,根据每景HJ-1B IRS数据的获取时间与地理范围下载对应的美国TERRA卫星MODIS传感器数据反演的LST产品M0D11A1/2数据,然后利用遥感图像时空融合的办法将不同时像的多景HJ-1B IRS LST数据逐像素变换到一个固定的时像下。本发明是一种利用HJ-1B IRS数据生产大区域的、固定时像下的LST产品的技术。
[0008]本发明是一种从HJ-1B IRS数据反演LST的方法,该方法具体步骤如下:
[0009]步骤一、获取时间在一个月以内的、地理位置相近的η景HJ-1B IRS数据,其中,η≥1,根据获取时间及地理位置下载对应的MODIS的植被指数产品,利用该产品反演每景HJ-1B IRS 数据对应的地表发射率(Land Surface Emissivity, LSE);
[0010]步骤二、利用单窗算法反演每景HJ-1B IRS数据的LST ;
[0011]步骤三、下载与每景HJ-1B IRS数据获取时间及地理位置对应的MODIS地表温度产品,并选定某 一时像作为基准时相,利用遥感图像时空融合技术将步骤二中获取的不同时相的HJ-1B IRS LST数据变换到基准时相下;
[0012]步骤四、将变换到基准时相下的η景HJ-1B IRS LST数据镶嵌成一幅图,并根据矢量数据裁切出该区域的LST反演结果。
[0013]步骤一中所述对于η(η≥1)景获取时间在一个月以内的、地理位置相近的多景HJ-1B IRS数据,处理的对象是多景数据主要是针对定量遥感对LST反演的具体需求而言的,实际应用中研究区域通常是大区域,比如真个中国区域,或者省级行政区域,通常需要多景HJ-1B IRS数据才能完成覆盖,为了保证多景HJ-1B IRS数据地表温度的相似性,限定数据的获取时间在一个月以内。步骤一中所述的MODIS的植被指数产品为与HJ-1B卫星成像时间接近的TERRA卫星获取的数据生产的,目前最适用的产品为16天合成的M0D13Q1植被指数产品,标识名称:MODIS/Terra Vegetation Indicesl6_Day L3Global250m SlNGrid V005。步骤一中所述的反演每景HJ-1B IRS数据对应的地表发射率(Land SurfaceEmissivity, LSE),反演的方法采用 Van de Griend and Owe’s (1993)提出的 NDVI 域值法。
[0014]步骤二中所述单窗算法基于Jim6nez_ _Mufioz and Sobrin (2003)提出的针对Landsat TM/ETM+数据第6波段的LST反演算法,经过扩展应用于HJ-1B IRS数据的LST反演。
[0015]步骤三中所述的与每景HJ-1B IRS数据获取时间及地理位置对应的MODIS地表温度产品,优先选用与HJ-1B IRS数据同一天成像的,此时成像时间相差半小时以内,对应的数据名称为 MODIS/Terra MODllAlDaily daytime I km SIN Grid LST,由于该数据部分区域可能出现缺失,对于缺失的部分可以采用时间相近的8天合成LST产品,名称为MODIS/Terra M0DllA28_Day daytime I km SIN Grid LST。步骤三中所述的遥感图像时空融合技术基于 Gao et al.(2006)提出的融合框架 spatial and temporal adaptive reflectancefusion model (STARFM),该框架原本针对Landsat TM/ETM+第I~5、7波段地表反射率数据与对应的MODIS数据的融合,经过扩展应用于HJ-1B IRS LST数据与对应的MODIS数据的融合。[0016]步骤四是根据定量遥感应用的实际情况设计的,目的是为了获得某一大区域固定时像下的LST数据,并根据HJ-1B IRS数据的特性开发了包含融合的数据镶嵌算法。
[0017]本发明与现有技术相比有如下特点:克服了 HJ-1B IRS由于传感器本身不够成熟导致的LST反演精度低且不稳定的问题,本发明依赖MODIS数据进行HJ-1B IRS数据的LST反演,由于MODIS传感器先进,且其采用的LST劈窗算法精度高,本发明HJ-1B IRS LST反演结果在稳定性与精度上都优于现有的单窗算法结果。本发明对多景数据采用遥感时空融合技术实现了生产大区域、同时像的LST产品,更加贴近实际目前定量遥感对大区域目标LST研究的需求,扩展了 HJ-1B IRS数据LST反演的定量应用价值。
【专利附图】

【附图说明】:
[0018]图1是HJ-1B IRS数据LST反演流程图
[0019]图2是地表发射率LSE与植被指数NDVI之间的函数关系示例图
[0020]图3是陕西省LST时空融合结果图
[0021]图中符号说明如下:
[0022]图1中,t1; V..tn表示多景数据不同的成像时间,\表示遥感图像时空融合的目标基准时刻。
【具体实施方式】:
[0023]采用本发明实现HJ-1B IRS卫星数据反演LST的实施例如图1所示,现结合附图对其进行描述。
[0024]图1所示反演流程的输入数据为同区域内多景HJ-1B IRS卫星数据,该数据IRS传感器有4个波段,可用于LST反演的是波长位于10.5-12.5 μ m的第四波段,空间分辨率300米,幅宽720千米,最大视场角30°。数据获取时间不同,为t1; t2,时刻,限定在I个月以内,根据HJ-1B IRS卫星数据下载对应的MODIS数据,具体为16天合成的M0D13Q1植被指数产品及每天或8天合成的M0D11A1/A2地表温度产品。MODIS数据通过网络下载,网址:http: //reverb, echo, nasa.gov/reverb/。
[0025]图1所示地表发射率估算。地表发射率(LSE)即比辐射率,是物体的出射度与同温度黑体出射度之比。利用同时像MODIS的NDVI数据估算LSE,按照数值将NDVI数据分成6个分段,当NDVI值位于0.157到0.727时,根据Griend and Owe’ s(1993)的研究结果,NDVI与LSE的关系曲线可以利用一个对数函数拟合,具体见图2,地表发射率ε由以下公式计算:
[0026]ε = 1.0094+0.047 X In (NDVI)
[0027]对于NDVI值低于0.157的象素,根据经验地表主要为裸地和水体,地表发射率取值0.955,对于NDVI超过0.727的象素,认为全部为植被覆盖,地表发射率取值0.99。
[0028]图1所示地表温度反演。HJ-1B IRS数据LST反演采用单窗算法,该单窗算法基于Jimenez- Munoz and Sobrin (2003)提出的针对 Landsat TM/ETM+ 数据第 6 波段的 LST 反演算法框架,并根据HJ-1B IRS第四波段数据特征简化计算步骤、拟合关键参数得到。ETs为LST,单位为K,则该算法计算公式为:
[0029]Ts = Y [ ε ( Ψ !Lsensor+ Ψ 2) + Ψ 3] + δ[0030]其中:
[_]
【权利要求】
1.一种基于HJ-1B IRS卫星数据反演陆地表面温度的方法,该方法是一种针对国产HJ-1B IRS数据反演陆地表面温度(Land Surface Temperature, LST)的实用技术方法,其特征在于包含以下步骤: 步骤一、获取时间在一个月以内的、地理位置相近的η景HJ-1B IRS数据,其中η≥1,根据获取时间及地理位置下载对应的MODIS的植被指数产品,利用该产品反演每景HJ-1BIRS 数据对应的地表发射率(Land Surface Emissivity, LSE); 步骤二、利用单窗算法反演每景HJ-1B IRS数据的LST ; 步骤三、下载与每景HJ-1B IRS数据获取时间及地理位置对应的MODIS地表温度产品,并选定某一时相作为基准时相,利用遥感图像时空融合技术将步骤二中获取的不同时相的HJ-1B IRS LST数据变换到基准时相下; 步骤四、将变换到基准时相下的η景HJ-1B IRS LST数据镶嵌成一幅图,并根据矢量数据裁切出该区域的LST反演结果。
2.根据权利要求1中所述的方法,其特征在于:步骤一中所述的反演每景HJ-1BIRS数据对应的地表发射率(Land Surface Emissivity, LSE)的方法采用NDVI域值法。
3.根据权利要求1中所述的方法 ,其特征在于:步骤二中所述的单窗算法为在适用于Landsat TM/ETM+数据第6波段的LST反演算法的基础上,经过扩展得到的HJ-1B IRS数据的LST反演算法。
4.根据权利要求1中所述的方法,其特征在于:步骤三中所述的遥感图像时空融合技术米用 STARFM融合框架(spatial and temporal adaptive reflectance fusion model),HJ-1B IRS数据的空间分辨率为300米,MODIS LST产品空间分辨率1000米,为了实现数据的象素点对应,采 用三次卷积插值的方式将MODIS LST产品重采样到空间分辨率300米。
5.根据权利要求1中所述的方法,其特征在于:步骤三中所述的变换到基准时相下的HJ-1B IRS LST数据镶嵌成一幅图的方法采用的是一种考虑数据融合的HJ-1B IRS数据镶嵌算法,该算法假定在一个区域内有m景数据重叠,数据获取的时间有η个,分别为tptytn,m景数据在进行遥感图像时空融合处理的目标时间为\,记Pkem(^yaj)表示重叠区域m景数据中的第k景数据,数据获取时间为按照地理坐标对应的象素位置(x,y)的象素值,则镶嵌融合后的象素值P(x,y, 的计算公式为:
【文档编号】G01J5/00GK103983360SQ201410241023
【公开日】2014年8月13日 申请日期:2014年5月30日 优先权日:2014年5月30日
【发明者】胡昌苗, 单小军, 李宏益, 唐亮, 赵理君, 郑柯 申请人:中国科学院遥感与数字地球研究所
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1