一种基于ASRER数据城市地表温度反演的方法与流程

一种基于asrer数据城市地表温度反演的方法
技术领域
1.本发明属于遥感影像对地观测技术领域，特别涉及一种基于asrer数据城市地表温度反演的方法。


背景技术：

2.随着遥感影像对地观测技术的不断发展，通过卫星传感器搭载热红外波相机可以实现对地表温度的反演和监测。八九十年代以来，遥感技术人员经过多方研究，遥感反演地表温度的算法得到广泛应用；到目前为止，遥感反演地表温度的算法大致形成了三种类型：单通道、双通道和多角度反演算法。双通道(劈窗)反演算法在遥感地表温度反演中具有广泛应用和研究。单通道地表温度遥感反演算法是通过一个热红外遥感波段提取地表温度，比起双通道反演算法需要多估计一个变量-大气有效温度，因此会比双通道反演算法具有更大的误差，由于双通道反演算法利用了两个热红外波段的辐射信息，通过解算热红外波段大气传输方程组，消除大气有效温度变量，使得地表温度反演结果比单通道算法更加准确，另外多角度反演算法和多通道反演算法思路类似，但是由于多角度热红外遥感数据并不普遍，使其没有双通道反演算法应用广泛。asrer卫星的发射升空，其搭载两个新的热红外波段band13和band14，对于asrer两个热红外波段，需要开发相应的地表温度反演算法。因此遥感技术人员经过多次算法研究出了适用于asrer遥感数据的地表温度双通道—劈窗反演算法，这些算法在本质上都是对大气传输方程中的普朗克热辐射函数进行了统一的简化处理，并且都采用了泰勒线性展开低阶部分作为算法模型主要部分。
3.现阶段与本发明相近的反演算法技术不足之处有以下两点：第一，该算法技术的反演精度稍低，原因在于其只取了大气传输方程泰勒线性展开的低阶部分，其高阶部分影响没有得到充分考虑，另外，大气透过率与大气水汽含量w的相关关系使用了简单的线性关系。
4.第二，该算法技术的逻辑结构比较复杂，对于非专业使用者而言较难理解，在一定程度上影响到了其现实实用性。该缺点原因在于该算法技术涉及的间接变量比较多，由此产生了较多的嵌套关系，使得非专业使用者理解具有一定困难。


技术实现要素：

5.为了克服现有技术的不足，本发明的目的在于提供一种基于asrer数据城市地表温度反演的方法，旨在解决现有类似算法技术的反演精度稍低和逻辑结构复杂的问题。通过对大气传输方程中普朗克辐射函数采取不同简化方式，充分考虑了高阶部分，同时利用三次多项式拟合大气透过率与大气水汽含量w的函数关系，在一定程度上提高了asrer数据城市地表温度反演精度。同时本发明的逻辑结构简约，非常有利于非专业使用者理解和掌握。
6.为了实现上述目的，本发明采用的技术方案是：一种基于asrer数据城市地表温度反演的方法，包括以下步骤：
步骤1：计算大气水汽含量w：利用同期modis遥感数据计算大气水汽含量w，计算公式如下所示：w=((0 .02-ln(b19/b2))/0 .651)
²
其中，b19和b2对应与modis数据中的第19波段和第2波段对应的辐射灰度值；步骤2：计算asrer数据两个热红外波段对应的大气透过率t13和t1：在步骤1计算的基础上，将像元（图像像素的大小）的大气水汽含量w计算大气透过率；步骤3：计算asrer数据两个热红外波段对应的地表比辐射率y13和y14：首先计算目标区域的值被归一化指数ndvi；然后计算asrer数据两个热红外波段对应的地表比辐射率；步骤4：反演计算地表温度ts：在完成步骤1至步骤3的基础上，将以上参数计算结果代入以下公式计算地表温度值：ts=[(c
13b14-c
13b14
)+]/[2(c
13a14-c
13a14
)]上式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，涉及到的a、b、c、d、e参数均属于辐射函数参数。
[0007]
所述步骤1中：计算大气水汽含量w：利用同期modis遥感数据计算大气水汽含量w，计算公式如下所示：w=((0 .02-ln(b19/b2))/0.651)
²
其中，b19和b2对应与modis数据中的第19波段和第2波段对应的辐射灰度值；所述步骤2中将像元（图像像素的大小）的大气水汽含量w代入如下公式计算大气透过率：t13=0.9570356-0.0277340w-0.0333734w2+0.0028800w3，t14=0.9456728-0.0857755w-0.0290912w2+0.0032169w3。
[0008]
所述步骤3中计算asrer数据两个热红外波段对应的地表比辐射率y13和y14：y13=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492，y14=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490。
[0009]
首先计算目标区域的值被归一化指数ndvi，计算公式如下：ndvi=然后按照以下公式计算asrer数据两个热红外波段对应的地表比辐射率，p
v=
()2其中，pv代表植被覆盖度，ndvi代表像元（图像像素的大小）的植被归一化指数值，ndvimin和ndvimax分别代表计算空间范围内植被归一化指数的最小值和最大值。
[0010]
所述步骤4中所述:ts=[(c
13b14-c
13b14
)+]/[2
(c
13a14-c
13a14
)]式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，具体计算公式如下所示：a13=0.0006678y13t13，a14=0.0006188y14t14，b13=-0.2333226y13t14，b14=-0.1990475y13t13，c13=0.1312942(1-t13)(1+(1-y13)t13)，c14=0.1387986(1-t14)(1+(1-y14)t14)，d13=21.1666266y13t13-26.7808503(1+(1-y13)t13)-b13(t13)，d14=16.7224278y13t13-27.7043284(1+(1-y13)t13)-b14(t14)，其中，b13(t13)和b14(t14)分别是asrer数据两个热红外波段对应亮温t13和t14的普朗克热辐射值。
[0011]
所述根据所有步骤中的参数计算得到的结果代入反演公式计算最终得到地表温度的反演值。
[0012]
与现有技术相比，本发明具备以下有益效果：（1）通过不同的算法思路，使asrer数据反演地表温度技术得到改进和提升，使得利用asrer数据热红外波段反演地表温度精度得到提高；通过简单而直接的逻辑关系，使得非专业使用者能够较好地理解和掌握该技术，使得该技术能够得到广泛应用；本发明能够突破传统遥感反演地表温度的劈窗算法技术的思路，为使用者提供一种实用而具有较强的可操作性的asrer数据反演地表温度技术。
[0013]
（2）asrer卫星遥感数据具有信噪比高、现势性好和获取成本低等优势，通过简单易用的地表温度反演技术，可以大大促进热环境改善、生态环境演变等方面的研究水平，同时也可以实现asrer卫星遥感监测地表温度业务化、流程化和工具化，从而带来广泛的社会、经济和生态效益。
附图说明
[0014]
图1是本发明实施例提供的一种基于asrer数据城市地表温度反演的方法流程图。
[0015]
图2地表温度分布图。
[0016]
图3地表温度反演结果图。
具体实施方式
[0017]
为了使本发明的目的、技术方案及优点更加清楚明白，以下通过实施例，并结合附图，对本发明的一种基于asrer数据城市地表温度反演的方法进行进一步详细说明。
[0018]
图1是一种基于asrer数据城市地表温度反演的方法流程图，主要包括以下步骤：1）步骤1：计算大气水汽含量w：利用同期modis遥感数据计算大气水汽含量w，计算公式如下所示：w=((0 .02-ln(b19/b2))/0 .651)
²
其中，b19和b2对应与modis数据中的第19波段和第2波段对应的辐射灰度值；
2）步骤2：计算asrer数据两个热红外波段对应的大气透过率t13和t1：在步骤1计算的基础上，将像元（图像像素的大小）的大气水汽含量w计算大气透过率；3）步骤3：计算asrer数据两个热红外波段对应的地表比辐射率y13和y14：首先计算目标区域的值被归一化指数ndvi；然后计算asrer数据两个热红外波段对应的地表比辐射率；4）步骤4：反演计算地表温度ts：在完成步骤1至步骤3的基础上，将以上参数计算结果代入以下公式计算地表温度值：ts=[(c
13b14-c
13b14
)+]/[2(c
13a14-c
13a14
)]上式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得。
[0019]
对步骤1-4做进一步阐述：进一步所述步骤2中计算大气水汽含量w：利用同期modis遥感数据计算大气水汽含量w，计算公式如下所示：w=((0 .02-ln(b19/b2))/0 .651)
²
其中，b19和b2对应与modis数据中的第19波段和第2波段对应的辐射灰度值；进一步所述步骤2中将像元的大气水汽含量w代入如下公式计算大气透过率：t13=0.9570356-0.0277340w-0.0333734w2+0.0028800w3，t14=0.9456728-0.0857755w-0.0290912w2+0.0032169w3。
[0020]
进一步所述步骤3中计算asrer数据两个热红外波段对应的地表比辐射率y13和y14：y13=0.984pv+0.964(1-pv)+(1-0.964)(1-pv)0.492，y14=0.980pv+0.970(1-pv)+(1-0.970)(1-pv)0.490。
[0021]
首先计算目标区域的值被归一化指数ndvi，计算公式如下：ndvi=然后按照以下公式计算asrer数据两个热红外波段对应的地表比辐射率，p
v=
()2其中，pv代表植被覆盖度，ndvi代表像元（图像像素的大小）的植被归一化指数值，ndvimin和ndvimax分别代表计算空间范围内植被归一化指数的最小值和最大值。
[0022]
进一步所述步骤4中所述:ts=[(c
13b14-c
13b14
)+]/[2(c
13a14-c
13a14
)]式中各参数是由具体由计算出的大气透过率t13和t14、地表比辐射率y13和y14计算而得，具体计算公式如下所示：
a13=0.0006678y13t13，a14=0.0006188y14t14，b13=-0.2333226y13t14，b14=-0.1990475y13t13，c13=0.1312942(1-t13)(1+(1-y13)t13)，c14=0.1387986(1-t14)(1+(1-y14)t14)，d13=21.1666266y13t13-26.7808503(1+(1-y13)t13)-b13(t13)，d14=16.7224278y13t13-27.7043284(1+(1-y13)t13)-b14(t14)，其中，b13(t13)和b14(t14)分别是asrer数据两个热红外波段对应亮温t13和t14的普朗克热辐射值。
[0023]
进一步所述通过上述所有步骤中的参数计算得到的结果代入反演公式计算最终得到地表温度分布图（如图2所示）和地表温度反演结果图（如图3所示）。
[0024]
以上结合附图和实施例详细说明本发明的可实施方式，本发明提供了一种基于asrer数据城市地表温度反演的方法，包括以下步骤：步骤1：计算大气水汽含量w值；步骤2：计算asrer数据两个热红外波段对应的大气透过率t13和t14；步骤3：计算asrer数据两个热红外波段对应的地表比辐射率y13和y14；步骤4：反演计算地表温度ts；步骤5：在完成步骤:1至步骤4的基础上，将以上参数计算得到的结果代入反演公式计算地表温度值。本发明通过不同的算法思路，使得asrer数据反演地表温度算法技术得到改进和提升，利用asrer数据热红外波段反演地表温度精度得到提高；通过简单而直接的逻辑关系及本发明的算法思路，能够较好地理解和掌握该算法技术，使得该算法技术能够得到广泛的应用。
[0025]
上述描述中的实施方案可以进一步组合或者替换，且实施方案仅仅是对本发明的优选实施例进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域普通技术人员对本发明的技术方案做出的各种变化和改进，均属于本发明的保护范围。本发明的保护范围由所附权利要求及其任何等同物给出。