CN112629666B - 一种适用于热红外无人机地表温度日变换模型构建方法 - Google Patents

一种适用于热红外无人机地表温度日变换模型构建方法 Download PDF

Info

Publication number
CN112629666B
CN112629666B CN202011372915.7A CN202011372915A CN112629666B CN 112629666 B CN112629666 B CN 112629666B CN 202011372915 A CN202011372915 A CN 202011372915A CN 112629666 B CN112629666 B CN 112629666B
Authority
CN
China
Prior art keywords
temperature
model
unmanned aerial
aerial vehicle
image
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
Application number
CN202011372915.7A
Other languages
English (en)
Other versions
CN112629666A (zh
Inventor
汪云甲
王腾
赵峰
原刚
张雷昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Publication of CN112629666A publication Critical patent/CN112629666A/zh
Application granted granted Critical
Publication of CN112629666B publication Critical patent/CN112629666B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/08—Adaptations of balloons, missiles, or aircraft for meteorological purposes; Radiosondes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
    • G01J2005/0077—Imaging

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Processing (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明公开了一种适用于热红外无人机地表温度日变换模型构建方法，涉及无人机热红外技术领域；本发明首先测量地表点的温度，然后将测得的温度构建温度变化模型，并通过无人机采集热红外影像数据，将采集到的热红外影像数据进行地表温度反演，然后对基于无人机地表温度日变化模型进行温度反演，最后对模型精度进行评价。

Description

一种适用于热红外无人机地表温度日变换模型构建方法
技术领域
本发明涉及无人机热红外技术领域，尤其涉及一种适用于热红外无人机地表温度日变换模型构建方法。
背景技术
地表温度作为众多基础学科和应用领域的一个关键参数，在煤火监测、气候变化、农业、城市热岛、自然灾害等众多领域发挥重要作用。
现获取地表温度方式主要有三大类：地面测温手段、无人机测温以及卫星遥感温度获取。地面测量手段主要有测温枪、温度传感器等，该测温方式主要为点测温，无法获得面状温度数据，极大的限制了其应用范围。而卫星遥感则能够在短时间内获取大范围地表温度数据，但其空间分辨率低，目前，静止卫星数据分辨率在千米级别，能够在一天能对同一地区进行数次拍摄，可用于研究地表温度日变化规律，但在这种分辨率级别下，大部分像元为混合像元，温度值无法代表某种地物，而其他卫星分辨率最高能够到达90m，但其重访周期长，无法为相关领域研究提供连续的观测数据。而无人机热红外技术其分辨率高，且能够在短时间能对同一区域进行重复观测，为地表温度相关研究提供了一个新的技术支持。
无人机热红外技术已成为获取地表温度的重要手段，在煤火监测、精准农业、城市监测、工程测量、灾害监测、地下水测量、生物监测等诸多领域得到广泛应用。但无人机热红外技术其采集范围有限，大范围温度监测时需要多次采集、拼接得到整个研究区温度监测结果。而地表温度变化较快，在大范围监测中会存在温度“色差”问题，难以对区域温度进行整体评价，使其在应用中受到一定限制。目前，采用地表温度日变化模型模拟一天中地表温度随时间的变化情况，将温度进行时间归一化，能够较好的解决上述问题。
地表温度日变化模型是基于热传导方程或能量平衡方程建立，主要分为四大类：纯物理模型、物理模型、半经验模型以及统计模型。
不同模型最终呈现的数学表达基本相同，且都包含5-6个自由参数，也就意味着需要5-6 个地表温度数据才能进行参数求解，才能够描述地表温度随时间变化的情况，然而对同一区域一天内进行5-6次重复监测将消耗大量的人力、物力、财力。这使得该模型在实际应用中，存在较大的局限性。如何获得温度变化连续且需重复观测次数较少的模型，成为一大难题。因此，现急需一种低成本、低时耗、高效率的无人机热红外日变换模型构建方法。
发明内容
本发明所要解决的技术问题是针对背景技术中测温范围不广、测温区域受限的问题提供一种适用于热红外无人机地表温度日变换模型构建方法。
本发明为解决上述技术问题采用以下技术方案：
一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，包含以下步骤：
步骤1、测量地表点温度；
步骤2、利用日变化模型对地面测温点温度数据进行模拟；
步骤3、利用无人机采集红外影像数据；
步骤4、对采集到的热红外影像数据地表温度进行反演；
步骤5、对基于无人机地表温度日变化模型进行温度反演；
步骤6、对模型进行精度评价。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤1，测量地表点温度，采用地表点温度测量仪器，将其固定到某一地面测温点，根据需要设置采样间隔，采用间隔为30min，测温点要保证全天处于阳光照射下，同时，避免人为热源影响导致测温不准确。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤2，利用日变化模型对地面测温点温度数据进行模拟，采用GOT01模型进行参数求解：
Figure BDA0002806664160000021
Figure BDA0002806664160000022
Figure BDA0002806664160000023
式中，To为残余温度；Ta为温度幅度；ω为当天昼长，可通过气象网查询；tm为最大温度时刻；ts为温度衰减时刻；δT温度差值，To和T(t→∞)之间的差值；k为衰减系数。
模拟后可得到地面测温点温度日变化模型，由于拟合得到模型参数仅在该点适用，不能将其利用到无人机温度影像数据中。
由于同一区域内天气状况相同，则其模拟的到的气象参数相同，即最大温度时刻tm和温度衰减时刻tm可适用于整幅无人机影像数据。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤3，利用无人机采集红外影像数据，采用的无人机型号是DJI M210 V2无人机，并搭载Zenmuse XT 2双光热红外镜头，具体步骤如下：
组装好热红外无人机相机后，根据研究区情况，选定航向重叠度和旁向重叠度均设置为 90％，同时设置采集范围、规划航线，设置采集参数，在地面测试无人机和相机完好后，开始采集作业；
同时，可根据实际情况在试验区布置吸热材料，如矩形铝箔、矩形黑色泡沫等，利用GPS RTK技术测量其中心坐标作为地面控制点；
根据本发明只需在对同一区域进行2-3次拍摄即可得到地表温度日变化模型，采用GOT01 模型进行实例展示，其仅需两景白天温度影像即可得到白天温度变化模型，在增加一景夜间温度影像，则可获得全天温度变化模型，并对同一区域进行3次白天拍摄影像，两景用于求得白天温度变化模型，另外一景用于验证该模型精度情况。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤4，对采集到的热红外影像数据地表温度进行反演，具体步骤如下：
首先，需对采集到的热红外数据进行预处理工作，包扣去除模糊影像，剔除非航线内影像，对影像格式进行转换等；
对温度影像进行辐射定标。温度影像中DN值于真实的地表温度存在一定的差异，需根据不同相机参数进行相应转换，其数学关系如下：
Ts＝mDN+n
式中，DN表示热红外影像像素的DN值；m和n分别表示拟合系数。本次实例采用仪器参数为m为0.04，n为-273；
将辐射定标后的无人机影像数据，地面控制点数据导入无人机航拍数据处理专用软件如 PIX 4D、3C和photoscan，基于视立体密集匹配算法和运动恢复结构算法为立体像对搜索同名像点；使用自动空中三角测量和区域网平差算法平差出所有影像的精确的x(北坐标)、y(东坐标)、h(高程)、
Figure BDA0002806664160000031
(航向倾角)、ω(旁向倾角)、k(像片旋角)，该过程能同时完成检校相机的畸变参数的工作；然后使用影像互相关方法为全部影像的所有像元生成三维点云，通过不规则三角网法生成数字地表模型(DSM)，DSM与全部已定向的影像一起使用数字正射纠正技术和逆向纹理映射的方式生成研究区温度正射影像图。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤5，对基于无人机地表温度日变化模型进行温度反演，具体步骤如下：
将生成的研究区温度正射影像图，结合温度反演模型进行求解各个像元的温度幅度Ta值以及温度差值δT；
Figure BDA0002806664160000041
Figure BDA0002806664160000042
式中，Tn为第n景温度影像；tn为第n景温度影像拍摄时间。要确保且t1，t2小于，ts即前两景影像为白天影像，且t3大于ts，即为夜间温度影像；
在此，可发现各个像元的残余温度T0并未进行求解，这是因为残余温度T0为一常量，在基于一景温度影像求取任意时刻温度时，该常量将被消除。最终模型如下：
Figure BDA0002806664160000043
式中，Tt所求时刻温度影像，t为时间。至此，基于热红外无人机温度影像模型建立成功，基于该模型可利用该区域一景温度影像，反演任意时刻温度影像图，研究区域温度日变化。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤6，对模型进行精度评价，具体步骤如下：
采集三景白天温度影像，其中两景用于建立白天温度变化模型，剩余一景用于评估该模型精度；
利用最终模型模拟得到温度影像，并将其与真实温度影像做差同时求取绝对值，得到温度绝对值差影像，进行精度评定，得到最终结果。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、本发明能够获得温度变化连续且需重复观测次数较少的模型；
2、本发明采用地表温度日变化模型模拟一天中地表温度随时间的变化情况，将温度进行时间归一化；
3、本发明的热红外日变换模型构建方法热红外日变换模型构建方法。
附图说明
图1为根据本发明的地表温度周期日变化模拟方法的示例性流程图；
图2为根据本发明的晴空条件下某观测地地表温度周期日变化模拟曲线图；
图3为本发明实例分析区域可见光影像；
图4为无人机于2020年7月8日11:20测量获得的地表温度产品；
图5为无人机于2020年7月8日16:30测量获得的地表温度产品；
图6为无人机于2020年7月8日17:30测量获得的地表温度产品；
图7为根据本发明方法反演得到2020年7月8日下午17：30温度影像；
图8为模型反演影像与真实影像绝对值差影像。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做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。
如图1所示，一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，包含以下步骤：
步骤1、测量地表点温度；
步骤2、利用日变化模型对地面测温点温度数据进行模拟；
步骤3、利用无人机采集红外影像数据；
步骤4、对采集到的热红外影像数据地表温度进行反演；
步骤5、对基于无人机地表温度日变化模型进行温度反演；
步骤6、对模型进行精度评价。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤1，测量地表点温度，采用地表点温度测量仪器，将其固定到某一地面测温点，根据需要设置采样间隔，采用间隔为30min，测温点要保证全天处于阳光照射下，同时，避免人为热源影响导致测温不准确。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤2，利用日变化模型对地面测温点温度数据进行模拟，采用GOT01模型进行参数求解：
Figure BDA0002806664160000051
Figure BDA0002806664160000052
Figure BDA0002806664160000061
式中，To为残余温度；Ta为温度幅度；ω为当天昼长，可通过气象网查询；tm为最大温度时刻；ts为温度衰减时刻；δT温度差值，To和T(t→∞)之间的差值；k为衰减系数。
模拟后可得到地面测温点温度日变化模型，由于拟合得到模型参数仅在该点适用，不能将其利用到无人机温度影像数据中。
由于同一区域内天气状况相同，则其模拟的到的气象参数相同，即最大温度时刻tm和温度衰减时刻tm可适用于整幅无人机影像数据。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤3，利用无人机采集红外影像数据，采用的无人机型号是DJI M210 V2无人机，并搭载Zenmuse XT 2双光热红外镜头，具体步骤如下：
组装好热红外无人机相机后，根据研究区情况，选定航向重叠度和旁向重叠度均设置为 90％，同时设置采集范围、规划航线，设置采集参数，在地面测试无人机和相机完好后，开始采集作业；
同时，可根据实际情况在试验区布置吸热材料，如矩形铝箔、矩形黑色泡沫等，利用GPS RTK技术测量其中心坐标作为地面控制点；
根据本发明只需在对同一区域进行2-3次拍摄即可得到地表温度日变化模型，采用GOT01 模型进行实例展示，其仅需两景白天温度影像即可得到白天温度变化模型，在增加一景夜间温度影像，则可获得全天温度变化模型，并对同一区域进行3次白天拍摄影像，两景用于求得白天温度变化模型，另外一景用于验证该模型精度情况。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤4，对采集到的热红外影像数据地表温度进行反演，具体步骤如下：
首先，需对采集到的热红外数据进行预处理工作，包扣去除模糊影像，剔除非航线内影像，对影像格式进行转换等；
对温度影像进行辐射定标。温度影像中DN值于真实的地表温度存在一定的差异，需根据不同相机参数进行相应转换，其数学关系如下：
Ts＝mDN+n
式中，DN表示热红外影像像素的DN值；m和n分别表示拟合系数。本次实例采用仪器参数为m为0.04，n为-273；
将辐射定标后的无人机影像数据，地面控制点数据导入无人机航拍数据处理专用软件如 PIX 4D、3C和photoscan，基于视立体密集匹配算法和运动恢复结构算法为立体像对搜索同名像点；使用自动空中三角测量和区域网平差算法平差出所有影像的精确的x(北坐标)、y(东坐标)、h(高程)、
Figure BDA0002806664160000074
(航向倾角)、ω(旁向倾角)、k(像片旋角)，该过程能同时完成检校相机的畸变参数的工作；然后使用影像互相关方法为全部影像的所有像元生成三维点云，通过不规则三角网法生成数字地表模型(DSM)，DSM与全部已定向的影像一起使用数字正射纠正技术和逆向纹理映射的方式生成研究区温度正射影像图。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤5，对基于无人机地表温度日变化模型进行温度反演，具体步骤如下：
将生成的研究区温度正射影像图，结合温度反演模型进行求解各个像元的温度幅度Ta值以及温度差值δT；
Figure BDA0002806664160000071
Figure BDA0002806664160000072
式中，Tn为第n景温度影像；tn为第n景温度影像拍摄时间。要确保且t1，t2小于，ts即前两景影像为白天影像，且t3大于ts，即为夜间温度影像；
在此，可发现各个像元的残余温度T0并未进行求解，这是因为残余温度T0为一常量，在基于一景温度影像求取任意时刻温度时，该常量将被消除。最终模型如下：
Figure BDA0002806664160000073
式中，Tt所求时刻温度影像，t为时间。至此，基于热红外无人机温度影像模型建立成功，基于该模型可利用该区域一景温度影像，反演任意时刻温度影像图，研究区域温度日变化。
作为本发明一种适用于热红外无人机地表温度日变换模型构建方法的进一步优选方案，所述步骤6，对模型进行精度评价，具体步骤如下：
采集三景白天温度影像，其中两景用于建立白天温度变化模型，剩余一景用于评估该模型精度；
利用最终模型模拟得到温度影像，并将其与真实温度影像做差同时求取绝对值，得到最后结果。
实施实例
本次实例中，共采集了三景白天温度影像，其中两景用于建立白天温度变化模型，剩余一景用于评估该模型精度。
利用最终模型模拟得到2020年7月8日下午17：30温度影像如图4 所示，并将其与真实温度影像做差同时求取绝对值，结果如图5 所示。
Δabs＝|Tt-Treal|
Δabs为温度绝对值差，Treal为t时刻真实温度影像。
模拟影像与真实影像温度平均仅差1.8℃，标准差为1.4℃，这表明了本发明的可靠性。另一方面，我们发现两者之差最高可达到24.1℃，但进一步分析可以发现，95％像元均相差在4℃以下，且两者相差较大的像元均分布在存在阴影的像元内，如树的阴影、台阶的阴影，这部分像元并没有在阳光直射下，与本发明应用条件不符合(晴天且风速无明显变化的太阳直射地区)。
同时，我们在通过对模拟影像与真实影像温度仅做差值处理发现，其平均值为0.03℃，几乎为0℃，标准差为2.3℃，其中46.6％的像元为负值，53.4％为正值，正负值所占半分比大致相同，且近似符合正态分布。
按照下式计算此次模拟精度，式中N表示区域内像元数量，得出模型精度σ为2.3146℃。
Figure BDA0002806664160000081
若将其中差异异常区域去除，剔除规则如下：
Δabs＞mean(Δabs)+2*std
式中，mean(Δabs)表示温度绝对值差的平均值，即1.8℃；std表示温度绝对值差的标准差，即1.4℃。共剔除了24560个异常值，占比4.49％，根据图6，可知剔除区域大多位于阴影区域，剔除后重新计算模型精度达到1.9961℃，表明该方法具有较好的精度。综上所述，本发明仅需在对同一区域获取2-3景无人机地表温度影像，即可得到较高精度的地表温度当天日变化模型。
最后应说明的几点是：首先，在本申请的描述中，需要说明的是，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变，则相对位置关系可能发生改变；
其次：本发明公开实施例附图中，只涉及到与本公开实施例涉及到的结构，其他结构可参考通常设计，在不冲突情况下，本发明同一实施例及不同实施例可以相互组合；
最后：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，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。

Claims (6)

1.一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，包含以下步骤：
步骤1、测量地表点温度；
步骤2、利用日变化模型对地面测温点温度数据进行模拟；
步骤3、利用无人机采集红外影像数据；
步骤4、对采集到的热红外影像数据地表温度进行反演；
步骤5、对基于无人机地表温度日变化模型进行温度反演；
步骤6、对模型进行精度评价；
所述步骤2，利用日变化模型对地面测温点温度数据进行模拟，采用GOT01模型进行参数求解：
Figure FDA0003325810660000011
Figure FDA0003325810660000012
Figure FDA0003325810660000013
式中，T0为残余温度；Ta为温度幅度；ω为当天昼长，可通过气象网查询；tm为最大温度时刻；ts为温度衰减时刻；δT为温度差值，T0和T(t→∞)之间的差值；k为衰减系数；t为时间；
模拟后可得到地面测温点温度日变化模型，由于拟合得到模型参数仅在该点适用，不能将其利用到无人机温度影像数据中；
由于同一区域内天气状况相同，则其模拟到的气象参数相同，即最大温度时刻tm和温度衰减时刻ts可适用于整幅无人机影像数据。
2.根据权利要求1所述的一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，所述步骤1，测量地表点温度，采用地表点温度测量仪器，将其固定到某一地面测温点，根据需要设置采样间隔，采用间隔为30min，测温点要保证全天处于阳光照射下，同时，避免人为热源影响导致测温不准确。
3.根据权利要求1所述的一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，所述步骤3，利用无人机采集红外影像数据，采用的无人机型号是DJIM210V2无人机，并搭载Zenmuse XT2双光热红外镜头，具体步骤如下：
组装好热红外无人机相机后，根据研究区情况，选定航向重叠度和旁向重叠度均设置为90％，同时设置采集范围、规划航线，设置采集参数，在地面测试无人机和相机完好后，开始采集作业；
同时，可根据实际情况在试验区布置吸热材料，吸热材料包括矩形铝箔、矩形黑色泡沫，利用GPS RTK技术测量其中心坐标作为地面控制点；
只需在对同一区域进行2-3次拍摄即可得到地表温度日变化模型，采用GOT01模型进行实例展示，其仅需两景白天温度影像即可得到白天温度变化模型，再增加一景夜间温度影像，则可获得全天温度变化模型，并对同一区域进行3次白天拍摄影像，两景用于求得白天温度变化模型，另外一景用于验证该模型精度情况。
4.根据权利要求1所述的一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，所述步骤4，对采集到的热红外影像数据地表温度进行反演，具体步骤如下：
首先，需对采集到的热红外数据进行预处理工作，包括去除模糊影像、剔除非航线内影像和对影像格式进行转换；
对温度影像进行辐射定标；温度影像中DN值与真实的地表温度存在一定的差异，需根据不同相机参数进行相应转换，其数学关系如下：
Ts＝mDN+n
式中，DN表示热红外影像像素的DN值；m和n分别表示拟合系数；采用仪器参数为m为0.04，n为-273；
将辐射定标后的无人机影像数据，地面控制点数据导入无人机航拍数据处理专用软件，专用软件包括PIX4D、3C和photoscan，基于视立体密集匹配算法和运动恢复结构算法为立体像对搜索同名像点；使用自动空中三角测量和区域网平差算法平差出所有影像的精确的北坐标x、东坐标y、高程h、航向倾角φ、旁向倾角ω、像片旋角k，该过程能同时完成检校相机的畸变参数的工作；然后使用影像互相关方法为全部影像的所有像元生成三维点云，通过不规则三角网法生成数字地表模型DSM，数字地表模型DSM与全部已定向的影像一起使用数字正射纠正技术和逆向纹理映射的方式生成研究区温度正射影像图。
5.根据权利要求4所述的一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，所述步骤5，对基于无人机地表温度日变化模型进行温度反演，具体步骤如下：
将生成的研究区温度正射影像图，结合温度反演模型进行求解各个像元的温度幅度Ta值以及温度差值δT；
Figure FDA0003325810660000021
Figure FDA0003325810660000022
式中，Tn为第n景温度影像；tn为第n景温度影像拍摄时间；t1,t2小于ts，即前两景影像为白天影像，且t3大于ts，即为夜间温度影像；
在此，可发现各个像元的残余温度T0并未进行求解，这是因为残余温度T0为一常量，在基于一景温度影像求取任意时刻温度时，该常量将被消除；最终模型如下：
Figure FDA0003325810660000031
式中，Tt为所求时刻温度影像；至此，基于热红外无人机温度影像模型建立成功，基于该模型可利用该区域一景温度影像，反演任意时刻温度影像图，研究区域温度日变化。
6.根据权利要求1所述的一种适用于热红外无人机地表温度日变换模型构建方法，其特征在于，所述步骤6，对模型进行精度评价，具体步骤如下：
采集三景白天温度影像，其中两景用于建立白天温度变化模型，剩余一景用于评估该模型精度；
利用最终模型模拟得到温度影像，并将其与真实温度影像做差同时求取绝对值，得到温度绝对值差影像，进行精度评定，得到最终结果。
CN202011372915.7A 2020-10-30 2020-11-30 一种适用于热红外无人机地表温度日变换模型构建方法 Active CN112629666B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202011188100 2020-10-30
CN2020111881003 2020-10-30

Publications (2)

Publication Number Publication Date
CN112629666A CN112629666A (zh) 2021-04-09
CN112629666B true CN112629666B (zh) 2021-12-07

Family

ID=75306833

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011372915.7A Active CN112629666B (zh) 2020-10-30 2020-11-30 一种适用于热红外无人机地表温度日变换模型构建方法

Country Status (1)

Country Link
CN (1) CN112629666B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114627252B (zh) * 2022-02-10 2024-05-14 北京大学深圳研究生院 获取地表温度分布的无人机和地表温度分布图的获取方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843939A (zh) * 2017-10-24 2018-03-27 防灾科技学院 基于无人机热红外影像的煤火识别方法
CN109297605A (zh) * 2018-10-09 2019-02-01 北京大学 一种基于中红外与热红外数据的地表温度反演方法
CN111310309A (zh) * 2020-01-20 2020-06-19 中国矿业大学 一种基于无人机热红外影像温度反演校正方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7303658B2 (ja) * 2019-04-24 2023-07-05 株式会社トプコン 赤外線写真画像の処理方法、赤外線写真画像の処理装置、および赤外線写真画像の処理用プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107843939A (zh) * 2017-10-24 2018-03-27 防灾科技学院 基于无人机热红外影像的煤火识别方法
CN109297605A (zh) * 2018-10-09 2019-02-01 北京大学 一种基于中红外与热红外数据的地表温度反演方法
CN111310309A (zh) * 2020-01-20 2020-06-19 中国矿业大学 一种基于无人机热红外影像温度反演校正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Capturing the diurnal cycle of land surface temperature using an unmanned aerial vehicle;Yoann Malbeteau等;《Remote Sensing》;20180905;第10卷;第3页最后一段-第9页第3段、图1-5 *
无人机热红外城市地表温度精细特征研究;田慧慧等;《遥感技术与应用》;20190630;第34卷(第3期);第553-563页 *

Also Published As

Publication number Publication date
CN112629666A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN108020211B (zh) 一种无人机航空摄影估测入侵植物生物量的方法
Webster et al. Three-dimensional thermal characterization of forest canopies using UAV photogrammetry
CN108007438B (zh) 无人机航空摄影遥感湿地植物生物量的估测方法
US7944547B2 (en) Method and system of generating 3D images with airborne oblique/vertical imagery, GPS/IMU data, and LIDAR elevation data
WO2014200258A1 (ko) 적외선 영상을 이용한 지표온도감률 추정 방법
Conte et al. Structure from Motion for aerial thermal imagery at city scale: Pre-processing, camera calibration, accuracy assessment
KR101895231B1 (ko) 인공위성을 이용한 일 최고기온 산출 방법
Chen et al. Modeling of mean radiant temperature based on comparison of airborne remote sensing data with surface measured data
CN115762067B (zh) 一种基于激光点云与视频数据融合的山体滑坡监测***
Jiang et al. UAV-based oblique photogrammetry for 3D reconstruction of transmission line: Practices and applications
Taddia et al. UAVs to assess the evolution of embryo dunes
Cilek et al. Generation of high-resolution 3-D maps for landscape planning and design using UAV technologies
CN112629666B (zh) 一种适用于热红外无人机地表温度日变换模型构建方法
Bertin et al. Geomorphic change detection using cost-effective structure-from-motion photogrammetry: Evaluation of direct georeferencing from consumer-grade UAS at Orewa beach (New Zealand)
Osama et al. A digital terrain modeling method in urban areas by the ICESat-2 (Generating precise terrain surface profiles from photon-counting technology)
Niederheiser et al. Dense image matching of terrestrial imagery for deriving high-resolution topographic properties of vegetation locations in alpine terrain
Liu et al. Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images
Suba et al. Using photogrammetric UAV measurements as support for classical topographical measurements in order to obtain the topographic plan for urban areas.
Liu et al. High-spatial-resolution nighttime light dataset acquisition based on volunteered passenger aircraft remote sensing
Yijing et al. Construction and analysis of 3D scene model of landscape space based on UAV oblique photography and 3D laser scanner
CN112950763A (zh) 一种变电站工程中实景建模的方法
Witek et al. An experimental approach to verifying prognoses of floods using an unmanned aerial vehicle
Susam Topographical Analyses of Unmanned Aerial Vehicle-Based Very High-Resolution Digital Surface Models for Archaeological Sites
Chen et al. 3D model construction and accuracy analysis based on UAV tilt photogrammetry
Gosteva et al. Search of Changes in the Temperature of Urban Environment with Use of Satellite Data on the Example of the Krasnoyarsk

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