CN109271605B - 高空间分辨率遥感地表温度数据计算方法与装置 - Google Patents
高空间分辨率遥感地表温度数据计算方法与装置 Download PDFInfo
- Publication number
- CN109271605B CN109271605B CN201811188908.4A CN201811188908A CN109271605B CN 109271605 B CN109271605 B CN 109271605B CN 201811188908 A CN201811188908 A CN 201811188908A CN 109271605 B CN109271605 B CN 109271605B
- Authority
- CN
- China
- Prior art keywords
- surface temperature
- spatial resolution
- earth
- earth surface
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K11/00—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供了一种高空间分辨率遥感地表温度数据计算方法与装置,涉及地表温度遥感估算领域。首先获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;然后根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;最后根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度,最终计算出来的高空间分辨率遥感地表温度的精确度高,从而实现了对低空间分辨率地表温度数据的空间降尺度。
Description
技术领域
本发明涉及地表温度遥感估算领域,具体而言,涉及一种高空间分辨率遥感地表温度数据计算方法与装置。
背景技术
地表温度是区域和全球尺度上地表能量平衡和水循环过程中的关键参数,用于评估地表能量与水文平衡、地表热惯量和土壤湿度,有助于获取全球表面温度及长期变化情况,对气候、气象和水文等研究具有重要意义。地表温度在空间上和时间上均存在很大的差异性。而通过卫星遥感技术获取地表温度时存在着空间分辨率和时间分辨率上的矛盾:空间分辨率高的卫星时间分辨率低,反之亦然。为了解决这个矛盾,通常需要通过低空间分辨率而高时间分辨率的数据得到高空间分辨率高时间分辨率的地表温度数据,该过程称为遥感地表温度的空间降尺度。
目前进行遥感地表温度空间降尺度的方法主要是利用不同空间分辨率的植被指数之间的差异,通过植被指数与地表温度之间的经验回归关系,将低空间分辨率地表温度数据进行降尺度得到高空间分辨率地表温度,但是该类方法只考虑了与温度相关的植被指数这一个参数的作用,而忽略了与地表温度密切相关的其他多个参数的作用,严重影响所估算得到的高空间分辨率地表温度的精度。
发明内容
有鉴于此,本发明实施例的目的在于提供一种高空间分辨率遥感地表温度数据计算方法与装置,以改善上述的问题。
第一方面,本发明实施例提供了一种高空间分辨率遥感地表温度数据计算方法,所述高空间分辨率遥感地表温度数据生成计算方法包括:
获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;
根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;
根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据。
第二方面,本发明实施例还提供了一种高空间分辨率遥感地表温度数据计算装置,所述高空间分辨率遥感地表温度数据生成计算装置包括:
信息获取单元,用于获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;
第一计算单元,用于根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;
第二计算单元,用于根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据。
与现有技术相比,本发明提供的高空间分辨率遥感地表温度数据计算方法与装置,首先获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;然后根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;最后根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度,将多种地表状态参数、多种空气状态参数的对高空间分辨率地表温度的因素考虑在内,从而最终计算出来的高空间分辨率遥感地表温度的精确度高,从而实现了对低空间分辨率地表温度数据的空间降尺度,且更符合实际。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的本地服务器与气象台服务器的交互示意图;
图2为本发明实施例提供的本地服务器的结构框图;
图3为本发明实施例提供的高空间分辨率遥感地表温度数据计算方法的流程图;
图4为本发明实施例提供的高空间分辨率遥感地表温度数据计算装置的功能模块框图。
图标:100-本地服务器;200-气象台服务器;300-高空间分辨率遥感地表温度数据计算装置;101-处理器;102-存储器;103-存储控制器;104-外设接口;401-信息获取单元;402-第一计算单元;403-第二计算单元。
具体实施方式
下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明较佳实施例所提供的高空间分辨率遥感地表温度数据计算方法与装置可应用于本地服务器100,该本地服务器100应用于高空间分辨率遥感地表温度数据计算***。如图1所示,高空间分辨率遥感地表温度数据计算***包含本地服务器100与气象台服务器200,本地服务器100与气象台服务器200之间建立通信连接。该本地服务器100可以是,但不限于,网络服务器、数据库服务器、云端服务器等等。图2示出了一种可应用于本发明实施例中的本地服务器100的结构框图。其中,本地服务器100包括高空间分辨率遥感地表温度数据计算装置300、外设接口104、存储器102、存储控制器103及处理器101。
外设接口104、所述存储器102、存储控制器103及处理器101,各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述高空间分辨率遥感地表温度数据计算装置200包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在服务器中的软件功能模块。所述处理器101用于执行存储器102中存储的可执行模块,例如,所述高空间分辨率遥感地表温度数据计算装置200包括的软件功能模块或计算机程序。
其中,存储器102可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器102Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。其中,存储器102用于存储程序,所述处理器101在接收到执行指令后,执行所述程序,前述本发明实施例任一实施例揭示的流过程定义的服务端所执行的方法可以应用于处理器101中,或者由处理器101实现。
处理器101可能是一种集成电路芯片,具有信号的处理能力。上述的处理器101可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器101也可以是任何常规的处理器101等。
外设接口104将各种输入/输出装置耦合至处理器101以及存储器102。在一些实施例中,外设接口104、处理器101以及存储控制器103可以在单个芯片中实现。在其他一些实例中,他们可以分别由独立的芯片实现。
请参阅图3,本发明实施例提供了一种高空间分辨率遥感地表温度数据计算方法,需要说明的是,本发明实施例所提供的高空间分辨率遥感地表温度数据计算装置,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。所述高空间分辨率遥感地表温度数据生成计算方法包括:
步骤S301:获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数。
所述预设的计算模型为先根据Penman-Monteith公式、地表能量平衡方程、多种地表状态参数、多种空气状态参数以及遥感低空间分辨率地表温度数据确定地表温度表达式;再对确定的地表温度表达式进行全微分得到的预设的计算模型。
其中,所述Penman-Monteith公式表达式为:
其中,LE为潜热通量;Δ为饱和水汽压对温度的斜率;Rn为地表净辐射;G为土壤热通量;ρ为空气密度;cp为定压比热;VPD为水汽压亏缺;γ为干湿球温度计常数;ra为空气动力学阻抗;rs为地表阻抗,上述的参数均可以向气象台服务器200获取。
结合上述Penman-Monteith公式和地表能量平衡方程确定地表温度表达式为其中,地表阻抗通过该地表温度公式反算得到,定义在某一低空间分辨率像元内,近地面太阳辐射及气象参数可视为均一不变的,因此,所述地表温度表达式可表示为与地表温度相关变量(Rn,Fv,ra,rs)的函数,即为:
可以理解地,本实施例中,所述多种空气状态参数可以包括但不限于空气动力学阻抗、风速、近地空气温度、大气比辐射率,所述多种地表状态参数包括但不限于地表净辐射、植被覆盖度、地表反射率、地表接收到的太阳短波辐射、地表比辐射率;全植被覆盖和裸土条件下土壤热通量与地表净辐射的比值以及植被高度。
所述地表温度表达式为G=f2(Fv,Rn)=[ΓvFv+Γs(1-Fv)]Rn, 其中,Rn为地表净辐射;Fv为植被覆盖度;ra为空气动力学阻抗;rs为地表阻抗;r为地表反射率;Rg为地表接收到的太阳短波辐射;εs为地表比辐射率;εa为大气比辐射率;σ为预设定的Stefan–Boltzmann常数;Ta为近地空气温度;TR为遥感低空间分辨率地表温度;Γv为在全植被覆盖条件下土壤热通量与地表净辐射的比值;Γs为裸土条件下土壤热通量与地表净辐射的比值,NDVI为预设定的归一化植被指数,NDVImax和NDVImin分别为预设定的归一化植被指数的最大值与最小值;zu为预设定的风速的观测高度、zt为预设定的气温的观测高度;h为植被高度;k为von Karman常数;u为风速,Ts为地表温度。
步骤S302:根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值。
步骤S303:根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据。
具体地,可以依据算式Ts,h=Ts,l+dTs计算出高空间分辨率遥感地表温度数据,其中,Ts,h为高空间分辨率地表温度,Ts,l为低空间分辨率地表温度。
请参阅图4,本发明实施例还提供了一种高空间分辨率遥感地表温度数据计算装置300,需要说明的是,本发明实施例所提供的高空间分辨率遥感地表温度数据计算装置300,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。所述高空间分辨率遥感地表温度数据生成计算装置300包括信息获取单元401、第一计算单元402以及第二计算单元403。
信息获取单元401用于获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数。
第一计算单元402用于根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值。
具体地,所述预设的计算模型为先根据Penman-Monteith公式、地表能量平衡方程、多种地表状态参数、多种空气状态参数以及遥感低空间分辨率地表温度数据确定地表温度表达式;再对确定的地表温度表达式进行全微分得到的预设的计算模型。进一步地,所述多种空气状态参数包括空气动力学阻抗、风速、近地空气温度、大气比辐射率,所述多种地表状态参数包括地表净辐射、植被覆盖度、地表反射率、地表接收到的太阳短波辐射、地表比辐射率;全植被覆盖和裸土条件下土壤热通量与地表净辐射的比值以及植被高度,
所述地表温度表达式为G=f2(Fv,Rn)=[ΓvFv+Γs(1-Fv)]Rn, 其中,Rn为地表净辐射;Fv为植被覆盖度;ra为空气动力学阻抗;rs为地表阻抗;r为地表反射率;Rg为地表接收到的太阳短波辐射;εs为地表比辐射率;εa为大气比辐射率;σ为预设定的Stefan–Boltzmann常数;Ta为近地空气温度;TR为遥感低空间分辨率地表温度;Γv为在全植被覆盖条件下土壤热通量与地表净辐射的比值;Γs为裸土条件下土壤热通量与地表净辐射的比值,NDVI为预设定的归一化植被指数,NDVImax和NDVImin分别为预设定的归一化植被指数的最大值与最小值;zu为预设定的风速的观测高度、zt为预设定的气温的观测高度;h为植被高度;k为von Karman常数;u为风速,Ts为地表温度。
具体地,所述第一计算单元402具体用于依据算式计算高空间分辨率地表温度与低空间分辨率地表温度的差值,其中, 其中,当不考虑地表阻抗的变化时drs=0,dTs为高空间分辨率地表温度与低空间分辨率地表温度的差值。
第二计算单元403用于根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据。
具体地,所述第二计算单元403具体用于依据算式Ts,h=Ts,l+dTs计算出高空间分辨率遥感地表温度数据,其中,Ts,h为高空间分辨率地表温度,Ts,l为低空间分辨率地表温度。
综上所述,本发明提供的高空间分辨率遥感地表温度数据计算方法与装置,首先获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;然后根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;最后根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度,将多种地表状态参数、多种空气状态参数的对高空间分辨率地表温度的因素考虑在内,从而最终计算出来的高空间分辨率遥感地表温度的精确度高,从而实现了对低空间分辨率地表温度数据的空间降尺度,且更符合实际。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (4)
1.一种高空间分辨率遥感地表温度数据计算方法,其特征在于,所述高空间分辨率遥感地表温度数据计算方法包括:
获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;
根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;
根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据;
其中,所述预设的计算模型为先根据Penman-Monteith公式、地表能量平衡方程、多种地表状态参数、多种空气状态参数以及遥感低空间分辨率地表温度数据确定地表温度表达式;再对确定的地表温度表达式进行全微分得到的预设的计算模型;
所述多种空气状态参数包括空气动力学阻抗、风速、近地空气温度、大气比辐射率,所述多种地表状态参数包括地表净辐射、植被覆盖度、地表反射率、地表接收到的太阳短波辐射、地表比辐射率、全植被覆盖和裸土条件下土壤热通量与地表净辐射的比值以及植被高度;
所述地表温度表达式为
G=f2(Fv,Rn)=[ΓvFv+Γs(1-Fv)]Rn,
其中,Rn为地表净辐射;Fv为植被覆盖度;ra为空气动力学阻抗;rs为地表阻抗;r为地表反射率;Rg为地表接收到的太阳短波辐射;εs为地表比辐射率;εa为大气比辐射率;σ为预设定的Stefan Boltzmann常数;Ta为近地空气温度;TR为遥感低空间分辨率地表温度;Γv为在全植被覆盖条件下土壤热通量与地表净辐射的比值;Γs为裸土条件下土壤热通量与地表净辐射的比值,NDVI为预设定的归一化植被指数,NDVImax和NDVImin分别为预设定的归一化植被指数的最大值与最小值;zu为预设定的风速的观测高度、zt为预设定的气温的观测高度;h为植被高度;k为von Karman常数;u为风速;ρ为空气密度;cp为定压比热;γ为干湿球温度计常数;Δ为饱和水汽压对温度的斜率;VPD为水汽压亏缺;G为土壤热通量;Ts为地表温度;
所述根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值的步骤包括:
2.根据权利要求1所述的高空间分辨率遥感地表温度数据计算方法,其特征在于,所述根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据的步骤包括:
依据算式Ts,h=Ts,l+dTs计算出高空间分辨率遥感地表温度数据,其中,Ts,h为高空间分辨率地表温度,Ts,l为低空间分辨率地表温度。
3.一种高空间分辨率遥感地表温度数据计算装置,其特征在于,所述高空间分辨率遥感地表温度数据计算装置包括:
信息获取单元,用于获取地球目标区域在卫星过境时刻的遥感低空间分辨率地表温度数据及多种地表状态参数、多种空气状态参数;所述多种空气状态参数包括空气动力学阻抗、风速、近地空气温度、大气比辐射率,所述多种地表状态参数包括地表净辐射、植被覆盖度、地表反射率、地表接收到的太阳短波辐射、地表比辐射率、全植被覆盖和裸土条件下土壤热通量与地表净辐射的比值以及植被高度;
第一计算单元,用于根据所述遥感低空间分辨率地表温度数据及所述多种地表状态参数、所述多种空气状态参数以及预设定的计算模型计算高空间分辨率地表温度与低空间分辨率地表温度的差值;其中,所述预设的计算模型为先根据Penman-Monteith公式、地表能量平衡方程、多种地表状态参数、多种空气状态参数以及遥感低空间分辨率地表温度数据确定地表温度表达式;再对确定的地表温度表达式进行全微分得到的预设的计算模型;
第二计算单元,用于根据遥感低空间分辨率地表温度数据、高空间分辨率地表温度与低空间分辨率地表温度的差值计算出高空间分辨率遥感地表温度数据;
所述地表温度表达式为
G=f2(Fv,Rn)=[ΓvFv+Γs(1-Fv)]Rn,
其中,Rn为地表净辐射;Fv为植被覆盖度;ra为空气动力学阻抗;rs为地表阻抗;r为地表反射率;Rg为地表接收到的太阳短波辐射;εs为地表比辐射率;εa为大气比辐射率;σ为预设定的Stefan Boltzmann常数;Ta为近地空气温度;TR为遥感低空间分辨率地表温度;Γv为在全植被覆盖条件下土壤热通量与地表净辐射的比值;Γs为裸土条件下土壤热通量与地表净辐射的比值,NDVI为预设定的归一化植被指数,NDVImax和NDVImin分别为预设定的归一化植被指数的最大值与最小值;zu为预设定的风速的观测高度、zt为预设定的气温的观测高度;h为植被高度;k为von Karman常数;u为风速;ρ为空气密度;cp为定压比热;γ为干湿球温度计常数;Δ为饱和水汽压对温度的斜率;VPD为水汽压亏缺;G为土壤热通量;Ts为地表温度;
4.根据权利要求3所述的高空间分辨率遥感地表温度数据计算装置,其特征在于,所述第二计算单元具体用于依据算式Ts,h=Ts,l+dTs计算出高空间分辨率遥感地表温度数据,其中,Ts,h为高空间分辨率地表温度,Ts,l为低空间分辨率地表温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811188908.4A CN109271605B (zh) | 2018-10-12 | 2018-10-12 | 高空间分辨率遥感地表温度数据计算方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811188908.4A CN109271605B (zh) | 2018-10-12 | 2018-10-12 | 高空间分辨率遥感地表温度数据计算方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109271605A CN109271605A (zh) | 2019-01-25 |
CN109271605B true CN109271605B (zh) | 2021-07-27 |
Family
ID=65196512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811188908.4A Active CN109271605B (zh) | 2018-10-12 | 2018-10-12 | 高空间分辨率遥感地表温度数据计算方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271605B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109885959B (zh) * | 2019-03-05 | 2019-09-27 | 中国科学院地理科学与资源研究所 | 一种地表温度鲁棒降尺度方法 |
CN110319938B (zh) * | 2019-06-26 | 2020-10-20 | 西安空间无线电技术研究所 | 一种高空间分辨率地表温度生成方法 |
CN110866364A (zh) * | 2019-11-20 | 2020-03-06 | 中国科学院遥感与数字地球研究所 | 基于机器学习的地表温度降尺度方法 |
CN111610159B (zh) * | 2020-05-11 | 2023-04-07 | 中科海慧(天津)科技有限公司 | 地表温度降尺度估算方法及植被水分胁迫监测方法 |
CN114383736B (zh) * | 2021-12-23 | 2023-10-24 | 北京市遥感信息研究所 | 一种基于交叉的红外遥感卫星温度分辨率评定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661811A (zh) * | 2012-04-13 | 2012-09-12 | 北京农业信息技术研究中心 | 遥感地表温度升尺度方法及*** |
CN106021868A (zh) * | 2016-05-10 | 2016-10-12 | 浙江大学 | 一种基于多规则算法的遥感数据降尺度方法 |
CN106595574A (zh) * | 2016-12-16 | 2017-04-26 | 鞍钢集团矿业有限公司 | 基于测量机器人露天矿边坡监测高程数据的处理方法 |
CN106771073A (zh) * | 2016-12-28 | 2017-05-31 | 中国科学院地理科学与资源研究所 | 一种基于端元信息模型估算土壤和植被蒸散发的方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103793596A (zh) * | 2014-01-14 | 2014-05-14 | 中国科学院地理科学与资源研究所 | 一种地表温度-植被指数特征空间干湿限选择的方法及装置 |
CN103810387A (zh) * | 2014-02-13 | 2014-05-21 | 中国科学院地理科学与资源研究所 | 基于modis数据的地表蒸散发全遥感反演方法及*** |
CN106169014B (zh) * | 2016-06-15 | 2018-06-12 | 中国水利水电科学研究院 | 基于遥感数据的区域地表感热/潜热通量反演方法及*** |
-
2018
- 2018-10-12 CN CN201811188908.4A patent/CN109271605B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102661811A (zh) * | 2012-04-13 | 2012-09-12 | 北京农业信息技术研究中心 | 遥感地表温度升尺度方法及*** |
CN106021868A (zh) * | 2016-05-10 | 2016-10-12 | 浙江大学 | 一种基于多规则算法的遥感数据降尺度方法 |
CN106595574A (zh) * | 2016-12-16 | 2017-04-26 | 鞍钢集团矿业有限公司 | 基于测量机器人露天矿边坡监测高程数据的处理方法 |
CN106771073A (zh) * | 2016-12-28 | 2017-05-31 | 中国科学院地理科学与资源研究所 | 一种基于端元信息模型估算土壤和植被蒸散发的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109271605A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271605B (zh) | 高空间分辨率遥感地表温度数据计算方法与装置 | |
Möller et al. | Multivariate probabilistic forecasting using ensemble Bayesian model averaging and copulas | |
Jensen et al. | Comparison of Vaisala radiosondes RS41 and RS92 at the ARM Southern Great Plains site | |
Demuth et al. | Evaluation of Advanced Microwave Sounding Unit tropical-cyclone intensity and size estimation algorithms | |
Mallick et al. | Reintroducing radiometric surface temperature into the P enman‐M onteith formulation | |
Zupanski et al. | A prototype WRF-based ensemble data assimilation system for dynamically downscaling satellite precipitation observations | |
English et al. | Contributions of clouds, surface albedos, and mixed-phase ice nucleation schemes to Arctic radiation biases in CAM5 | |
Li et al. | Evaluation of 10 year AQUA/MODIS land surface temperature with SURFRAD observations | |
CN103810387A (zh) | 基于modis数据的地表蒸散发全遥感反演方法及*** | |
Zhou et al. | Physically retrieving cloud and thermodynamic parameters from ultraspectral IR measurements | |
Margulis et al. | Variational assimilation of radiometric surface temperature and reference-level micrometeorology into a model of the atmospheric boundary layer and land surface | |
CN104820250A (zh) | 一种极轨气象卫星virr海洋上云检测的处理方法 | |
CN110321784B (zh) | 土壤水分估算的方法、装置、电子设备和计算机介质 | |
Oesting et al. | Spatial modeling of drought events using max-stable processes | |
Liu et al. | Identifying and analysing uncertainty structures in the TRMM microwave imager precipitation product over tropical ocean basins | |
Zheng et al. | Coupling SEBAL with a new radiation module and MODIS products for better estimation of evapotranspiration | |
Eswar et al. | Comparison of three remote sensing based models for the estimation of latent heat flux over India | |
Matsushima et al. | Soil moisture estimation using thermal inertia: Potential and sensitivity to data conditions | |
Corbari et al. | Mass and energy flux estimates at different spatial resolutions in a heterogeneous area through a distributed energy–water balance model and remote-sensing data | |
Gao et al. | A generalized split-window algorithm for land surface temperature estimation from MSG-2/SEVIRI data | |
Leng et al. | Generation of continuous surface soil moisture dataset using combined optical and thermal infrared images | |
Patel et al. | Modified Hargreaves equation for accurate estimation of evapotranspiration of diverse climate locations in India | |
Zhuo et al. | Multi-source hydrological soil moisture state estimation using data fusion optimisation | |
Errico et al. | Assimilation of satellite cloud and precipitation observations in numerical weather prediction models: Introduction to the JAS special collection | |
Ouda et al. | Evapotranspiration under changing climate |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |