CN113012276B - 基于辐射度的地表高分辨率光谱信息遥感反演方法 - Google Patents

基于辐射度的地表高分辨率光谱信息遥感反演方法 Download PDF

Info

Publication number
CN113012276B
CN113012276B CN202110107797.5A CN202110107797A CN113012276B CN 113012276 B CN113012276 B CN 113012276B CN 202110107797 A CN202110107797 A CN 202110107797A CN 113012276 B CN113012276 B CN 113012276B
Authority
CN
China
Prior art keywords
bin
remote sensing
reflectivity
temperature
spectral information
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
CN202110107797.5A
Other languages
English (en)
Other versions
CN113012276A (zh
Inventor
卞尊健
李嘉昕
范腾远
曹彪
历华
杜永明
肖青
柳钦火
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202110107797.5A priority Critical patent/CN113012276B/zh
Publication of CN113012276A publication Critical patent/CN113012276A/zh
Application granted granted Critical
Publication of CN113012276B publication Critical patent/CN113012276B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • G01K11/006—Measuring temperature based upon physical or chemical changes not covered by groups G01K3/00, G01K5/00, G01K7/00 or G01K9/00 using measurement of the effect of a material on microwaves or longer electromagnetic waves, e.g. measuring temperature via microwaves emitted by the object
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Chemical & Material Sciences (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Radiation Pyrometers (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于辐射度的地表高分辨率光谱信息遥感反演方法，包括以下步骤：S1、三维场景重建；S2、角度归一化；S3、设定传感器和光源；S4、计算形状因子；S5、设定温度和反射率初值；S6、通过GPU快速辐射度方法输出模拟影像；S7、阈值判断；S8、优化面元的温度和反射率；S9、流程结束并输出结果。本发明充分考虑地表多次散射影响，使得反演的温度和反射率结果兼具稳定性和准确性；基于GPU而不是CPU的策略，令本发明更具有反演的实用性，该方法有望成为从无人机或有人机高分辨率地表温度和反射率生产的有效工具。

Description

基于辐射度的地表高分辨率光谱信息遥感反演方法
技术领域
本发明涉及一种迭代反演算法，尤其涉及复杂地表高分辨率光学波段遥感信号(温度和反射率)的优化反演方法。
背景技术
随着高空间分辨率卫星和无人机技术的快速发展，高空间分辨率遥感影像的应用越来越广泛。相对于已有的低空间分辨率数据，高空间分辨率数据可以提供地表更加精细的空间信息及其对应的光谱或者温度信息，在农业估产、城市规划、城市热岛、环境保护、干旱和火灾监测等领域，高空间分辨率遥感手段逐渐成为了研究和应用重要的数据来源。
以往的遥感反演算法和遥感产品大多基于极轨卫星和气象卫星低空间分辨率数据。目前，现有的基于高空间分辨率的遥感产品反演算法大多是直接从低分辨率迁移而来。相对于低空间分辨率数据，高空间分辨率数据除了能提供更多的信息量，也更容易受到地表三维结构的影响，即临近像元效应，而针对低空间分辨率的反演算法通常忽略该影响。对于低空间分辨率像元，空间分辨率通常大于500米，平坦地表的临近像元效应可忽略不计，而高分卫星和无人机获取的高空间分辨率像元的分辨率可达0.1米到10米，临近建筑或植被冠层对目标像元的影响难以忽略。因此需要在遥感反演过程中考虑临近像元产生的多次散射效应。
综上所述，现有的高空间分辨率反演算法和产品，没有考虑地表三维结构产生的多次散射影响，导致反演的地表温度和反射率结果存在不确定性，因此基于三维辐射度理论，通过辐射平衡和遥感观测作为约束，提出了一种考虑多次散射影响的高空间分辨率地表温度和反射率的反演方法。
发明内容
为了解决上述技术所存在的不足之处，本发明基于辐射度的三维辐射传输技术，提供了一种可以消除地表多次散射项的高空间分辨率温度和反射率的反演方法。其中，本专利声明基于GPU的辐射度方法进行优化反演，相对于现有的CPU方法例如基于图形学的辐射度模型RGM和利用有孔介质的快速辐射度模型RAPID，该基于GPU的方法速度更快，更加具有实用化的价值。
为了解决以上技术问题，本发明采用的技术方案是：基于辐射度的地表高分辨率光谱信息遥感反演方法，包括以下步骤：
S1、三维场景重建；
S2、角度归一化；
S3、设定传感器和光源；
S4、计算形状因子；
S5、设定温度和反射率初值；
S6、通过GPU快速辐射度方法输出模拟影像；
S7、阈值判断；
S8、优化面元的温度和反射率：对于不满足阈值的像元，需要对其所对应的面元温度进行修正，以模拟和实测影像比对结果作为约束，通过高斯-赛德尔迭代方法进行修改，优化公式为：
Figure GDA0003229281740000021
其中，Bi，step为优化后的辐射度结果，f为优化的比例；Bi，ini和Bj，ini分别为初始状态时候面元i和面元j的辐射度，Ei，ini表示初始状态面元的自身发射项；在循环过程中，Bi，ini和Bj，ini，Ei，ini也可认为是当前循环步长的上一个循环对应的状态；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子；
S9、流程结束并输出结果。
进一步地，步骤S1中，三维无人机/有人机观测平台得到一系列遥感图像，随后通过二维运动图像的三维重建的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息；SFM方法处理步骤包括：图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程构建和正射校正。
进一步地，步骤S2中，对不同角度观测的遥感信号进行匀色，以消除角度效应影响，并通过核驱动方法实现，核驱动方法如下：
Figure GDA0003229281740000031
其中，T为遥感观测信号；θ5为太阳观测天顶角；θv为传感器观测天顶角；
Figure GDA0003229281740000032
为传感器和太阳间相对方位角；KLSF为Li-Strahler-Friedl辐射传输核；KLI为Li-Strahler几何光学核；Kjump为临近像元核；fLSF、fLI、fjump分别为辐射传输核、几何光学核、临近像元核的核系数；fiso为各项同性核“1”的核系数。
进一步地，步骤S3中，根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵；根据太阳的位置设定光源向量。
进一步地，步骤S4中，通过计算机图形学的原理，逐面元计算面元间的形状因子，该形状因子与面元i和面元j的形状及角度有关，计算公式如下：
Figure GDA0003229281740000033
其中，Fi，j为形状因子；Ai和Aj分别为面元i和面元j的面积，则dAi和dAj分别为其微分结果；θi为面元i的角度；θj为面元j的角度；r为面元间的距离。
进一步地，步骤S5中，三维场景中植被面元的初始温度设定为空气温度+1℃，土壤和建筑面元的初始温度设定为空气温度+10℃；根据波谱库设定植被、土壤和建筑的初始光谱信息。
进一步地，步骤S6中，面元辐射度是指离开面元表面的辐射通量密度，面元的辐射度公式如下：
Figure GDA0003229281740000041
其中，Bi为面元i的辐射度；Ei表示面元的自身发射项；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子；Bj为面元j的辐射度；nf为面元的总数；
该公式表示面元的辐射度包括面元的发射项和与临近像元的多次散射项。
进一步地，步骤S7中，逐像元进行实测影像与模拟影像的比对，判断其差异是否满足阈值条件；通常条件下，温度阈值小于0.1℃认为满足条件跳过优化，反射率阈值小于0.001认为满足条件跳过优化。
进一步地，步骤S9中，重复步骤S6-S8，直到所有像元满足阈值条件；此时的面元温度和反射率则为地物真实的温度和反射率，对结果图像进行输出，保存为TIF格式。
本方法通过现有的软件和技术从无人机或者高分数据提取地表三维结构，在反演过程种以面元间的形状因子确定临近像元的影响，通过高斯-赛德尔的迭代方法以辐射平衡和高空间分辨率观测作为约束，不断进行地表辐射传输的优化得到，最终消除掉多次散射影响，得到地表真实的温度和反射率结果，
本发明针对复杂地表高分辨率无人机/有人机观测多次散射项影响，基于三维辐射度理论，提出了一种去除多次散射项影响得到地表真实温度和反射率的方法，特别地考虑了地表复杂三维结构造成的影响，消除或减小了临近地物对目标地物造成的遥感信号不确定性。
本发明充分考虑地表多次散射影响，使得反演的温度和反射率结果兼具稳定性和准确性；基于GPU而不是CPU的策略，令本发明更具有反演的实用性，该方法有望成为从无人机或有人机高分辨率地表温度和反射率生产的有效工具。
附图说明
图1为本发明的整体流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示的基于辐射度的地表高分辨率光谱信息遥感反演方法，包括以下步骤：
S1、三维场景重建；
三维无人机/有人机观测平台得到一系列遥感图像，随后通过二维运动图像的三维重建(Structure from motion)的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息；该步骤为进行观测结果多次散射项消除的前置步骤，SFM方法处理步骤包括：图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程(DEM)构建和正射校正。面元是组成复杂场景的基本单元，通常为三角形或者四边形。
S2、角度归一化；
对不同角度观测的遥感信号进行匀色，以消除角度效应影响，并通过核驱动方法实现，核驱动方法如下：
Figure GDA0003229281740000051
其中，T为遥感观测信号；θs为太阳观测天顶角；θv为传感器观测天顶角；
Figure GDA0003229281740000052
为传感器和太阳间相对方位角；K′LSF为Li-Strahler-Friedl辐射传输核；KLI为Li-Strahler几何光学核；Kjump为临近像元核；fLSF、fLI、fjump分别为辐射传输核、几何光学核、临近像元核的核系数；fiso为各项同性核“1”的核系数。
S3、设定传感器和光源；
根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵；根据太阳的位置设定光源向量。
S4、计算形状因子；
通过计算机图形学的原理，逐面元计算面元间的形状因子，该形状因子与面元i和面元j的形状及角度有关，计算公式如下：
Figure GDA0003229281740000061
其中，Fi，j为形状因子；Ai和Aj分别为面元i和面元j的面积，则dAi和dAj分别为其微分结果；θi为面元i的角度；θj为面元j的角度；r为面元间的距离。
S5、设定温度和反射率初值；
三维场景中植被面元的初始温度设定为空气温度+1℃，土壤和建筑面元的初始温度设定为空气温度+10℃；根据波谱库设定植被、土壤和建筑的初始光谱信息。
S6、通过GPU快速辐射度方法输出模拟影像；
面元辐射度是指离开面元表面的辐射通量密度，面元的辐射度公式如下：
Figure GDA0003229281740000062
其中，Bi为面元i的辐射度；Ei表示面元的自身发射项；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子；Bj为面元j的辐射度；nf为面元的总数；
该公式表示面元的辐射度包括面元的发射项和与临近像元的多次散射项。计算多次散射项时会考虑该面元与临近所有面元的贡献。平台基于Vulkan API框架可以实现Window、Linux和Andiron操作***的跨平台应用，以NVIDIA显卡设备作为运算单元。然后联立所有面元的辐射度方程计算辐射度结果。
S7、阈值判断；
逐像元进行实测影像与模拟影像的比对，判断其差异是否满足阈值条件；通常条件下，温度阈值小于0.1℃认为满足条件跳过优化，反射率阈值小于0.001认为满足条件跳过优化。
S8、优化面元的温度和反射率；
对于不满足阈值的像元，需要对其所对应的面元温度进行修正，以模拟和实测影像比对结果作为约束，通过高斯-赛德尔迭代方法进行修改，优化公式为：
Figure GDA0003229281740000071
其中，Bi，step为优化后的辐射度结果，f为优化的比例；Bi，ini和Bj，ini分别为初始状态时候面元i和面元j的辐射度，Ei，ini表示初始状态面元的自身发射项；在循环过程中，Bi，ini和Bj，ini，Ei，ini也可认为是当前循环步长的上一个循环对应的状态；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子。
S9、流程结束并输出结果。
重复步骤S6-S8，直到所有像元满足阈值条件；此时的面元温度和反射率则为地物真实的温度和反射率，对结果图像进行输出，保存为TIF格式。
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。

Claims (9)

1.基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述方法包括以下步骤：
S1、三维场景重建；
S2、角度归一化；
S3、设定传感器和光源；
S4、计算形状因子；
S5、设定温度和反射率初值；
S6、通过GPU快速辐射度方法输出模拟影像；
S7、阈值判断；
S8、优化面元的温度和反射率：对于不满足阈值的像元，需要对其所对应的面元温度进行修正，以模拟和实测影像比对结果作为约束，通过高斯-赛德尔迭代方法进行修改，优化公式为：
Figure FDA0003229281730000011
其中，Bi，step为优化后的辐射度结果，f为优化的比例；Bi，ini和Bj，ini分别为初始状态时候面元i和面元j的辐射度，Ei，ini表示初始状态面元的自身发射项；在循环过程中，Bi，ini和Bj，ini，Ei，ini也可认为是当前循环步长的上一个循环对应的状态；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子；
S9、流程结束并输出结果。
2.根据权利要求1所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S1中，三维无人机/有人机观测平台得到一系列遥感图像，随后通过二维运动图像的三维重建的方法进行地表三维重建得到地表三维结构信息及其对应的光谱或者温度信息；SFM方法处理步骤包括：图像对齐、稀疏点云构建、密集点云构建、格网构建、数字高程构建和正射校正。
3.根据权利要求2所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S2中，对不同角度观测的遥感信号进行匀色，以消除角度效应影响，并通过核驱动方法实现，核驱动方法如下：
Figure FDA0003229281730000021
其中，T为遥感观测信号；θs为太阳观测天顶角；θv为传感器观测天顶角；
Figure FDA0003229281730000022
为传感器和太阳间相对方位角；KLSF为Li-Strahler-Friedl辐射传输核；KLI为Li-Strahler几何光学核；Kjump为临近像元核；fLSF、fLI、fjump分别为辐射传输核、几何光学核、临近像元核的核系数；fiso为各项同性核“1”的核系数。
4.根据权利要求3所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S3中，根据传感器的位置、观测视场和视场角给定三维场景的观测矩阵；根据太阳的位置设定光源向量。
5.根据权利要求4所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S4中，通过计算机图形学的原理，逐面元计算面元间的形状因子，该形状因子与面元i和面元j的形状及角度有关，计算公式如下：
Figure FDA0003229281730000023
其中，Fi，j为形状因子；Ai和Aj分别为面元i和面元j的面积，则dAi和dAj分别为其微分结果；θi为面元i的角度；θj为面元j的角度；r为面元间的距离。
6.根据权利要求5所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S5中，三维场景中植被面元的初始温度设定为空气温度+1℃，土壤和建筑面元的初始温度设定为空气温度+10℃；根据波谱库设定植被、土壤和建筑的初始光谱信息。
7.根据权利要求6所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S6中，面元辐射度是指离开面元表面的辐射通量密度，面元的辐射度公式如下：
Figure FDA0003229281730000031
其中，Bi为面元i的辐射度；Ei表示面元的自身发射项；xi表示面元的透过率或者反射率，通过光线与面元的几何关系判断是透过率还是反射率；Fi，j为形状因子；Bj为面元j的辐射度；nf为面元的总数；
该公式表示面元的辐射度包括面元的发射项和与临近像元的多次散射项。
8.根据权利要求7所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S7中，逐像元进行实测影像与模拟影像的比对，判断其差异是否满足阈值条件；通常条件下，温度阈值小于0.1℃认为满足条件跳过优化，反射率阈值小于0.001认为满足条件跳过优化。
9.根据权利要求8所述的基于辐射度的地表高分辨率光谱信息遥感反演方法，其特征在于：所述步骤S9中，重复步骤S6-S8，直到所有像元满足阈值条件；此时的面元温度和反射率则为地物真实的温度和反射率，对结果图像进行输出，保存为TIF格式。
CN202110107797.5A 2021-01-27 2021-01-27 基于辐射度的地表高分辨率光谱信息遥感反演方法 Active CN113012276B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110107797.5A CN113012276B (zh) 2021-01-27 2021-01-27 基于辐射度的地表高分辨率光谱信息遥感反演方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110107797.5A CN113012276B (zh) 2021-01-27 2021-01-27 基于辐射度的地表高分辨率光谱信息遥感反演方法

Publications (2)

Publication Number Publication Date
CN113012276A CN113012276A (zh) 2021-06-22
CN113012276B true CN113012276B (zh) 2021-09-24

Family

ID=76385363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110107797.5A Active CN113012276B (zh) 2021-01-27 2021-01-27 基于辐射度的地表高分辨率光谱信息遥感反演方法

Country Status (1)

Country Link
CN (1) CN113012276B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113516767B (zh) * 2021-07-14 2023-12-29 中国科学院空天信息创新研究院 一种三维复杂地表遥感光学特征反演方法及***
CN113505486B (zh) * 2021-07-14 2023-12-29 中国科学院空天信息创新研究院 一种三维复杂地表叶面积指数反演方法及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101876700A (zh) * 2009-12-29 2010-11-03 北京航空航天大学 一种基于辐射度的复杂地形区域辐射传输模拟方法
CN102129669A (zh) * 2011-02-24 2011-07-20 武汉大学 一种航空遥感影像的最小二乘区域网匀色方法
CN103310443A (zh) * 2013-05-20 2013-09-18 华浩博达（北京）技术有限公司 高分辨率遥感影像快速处理方法及***
CN104657935A (zh) * 2015-03-09 2015-05-27 广西壮族自治区气象减灾研究所 一种近地面气温反演方法
US9305351B2 (en) * 2013-06-16 2016-04-05 Larry D. Partain Method of determining the probabilities of suspect nodules being malignant
CN106295096A (zh) * 2015-05-18 2017-01-04 中国科学院遥感与数字地球研究所 一种对遥感数据进行观测质量分级的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040158417A1 (en) * 2002-11-06 2004-08-12 Bonet Antonio Trias System and method for monitoring and managing electrical power transmission and distribution networks
CN101034476A (zh) * 2007-03-29 2007-09-12 上海大学 水下无阴影声纳遥感正射数字图像的计算机生成方法
CN101598798B (zh) * 2008-12-31 2012-01-04 中国资源卫星应用中心 一种对高光谱干涉数据进行光谱重建的***和方法
CN101762325A (zh) * 2010-01-13 2010-06-30 中国科学院安徽光学精密机械研究所 高精度太阳细分光谱辐照度测量方法与装置
CN102338871A (zh) * 2010-07-22 2012-02-01 曹春香 地表反射率计算方法和装置
CN102176001B (zh) * 2011-02-10 2013-05-08 哈尔滨工程大学 一种基于透水波段比值因子的水深反演方法
CN102901516B (zh) * 2012-09-29 2015-08-19 航天恒星科技有限公司 一种基于绝对辐射定标的多光谱影像辐射校正方法
CN103018736B (zh) * 2012-12-03 2014-11-26 北京航空航天大学 一种基于大气参数遥感反演的星载遥感器辐射定标方法
CN104279967B (zh) * 2014-05-23 2017-04-19 中国科学院光电研究院 基于高光谱图像的气溶胶光学厚度反演方法
US11461514B2 (en) * 2018-09-24 2022-10-04 Saudi Arabian Oil Company Reservoir simulation with pressure solver for non-diagonally dominant indefinite coefficient matrices
CN210427793U (zh) * 2019-07-02 2020-04-28 北方民族大学 基于取样光纤光栅的全光纤分光***
CN111370080B (zh) * 2020-03-05 2023-12-08 中国工程物理研究院上海激光等离子体研究所 一种基于人工神经网络算法的辐射温度反演方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101876700A (zh) * 2009-12-29 2010-11-03 北京航空航天大学 一种基于辐射度的复杂地形区域辐射传输模拟方法
CN102129669A (zh) * 2011-02-24 2011-07-20 武汉大学 一种航空遥感影像的最小二乘区域网匀色方法
CN103310443A (zh) * 2013-05-20 2013-09-18 华浩博达（北京）技术有限公司 高分辨率遥感影像快速处理方法及***
US9305351B2 (en) * 2013-06-16 2016-04-05 Larry D. Partain Method of determining the probabilities of suspect nodules being malignant
CN104657935A (zh) * 2015-03-09 2015-05-27 广西壮族自治区气象减灾研究所 一种近地面气温反演方法
CN106295096A (zh) * 2015-05-18 2017-01-04 中国科学院遥感与数字地球研究所 一种对遥感数据进行观测质量分级的方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
BRDF模型及其反演研究的现状及展望;刘佳 等;《遥感技术与应用》;20081231;第104-110页 *
Retrieving Soil and Vegetation Temperatures From Dual-Angle and Multipixel Satellite Observations;Zunjian Bian 等;《IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING》;20201231;第5536-5549页 *
Scale effects and scaling-up by geometrie-optical model;L.xiaowen 等;《SCIENCEINCHINA(SeriesE)》;20001231;第17-22页 *

Also Published As

Publication number Publication date
CN113012276A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
KR101165523B1 (ko) 다중 소스의 지리 정보를 이용한 지리공간 모델링 시스템 및 관련 방법
Yang et al. A novel method to estimate subpixel temperature by fusing solar-reflective and thermal-infrared remote-sensing data with an artificial neural network
CN113012276B (zh) 基于辐射度的地表高分辨率光谱信息遥感反演方法
CN104867179B (zh) 一种全谱段光学成像仪遥感影像仿真方法
CN103559506B (zh) 一种基于矢量边界的亚像元制图方法
CN101876700B (zh) 一种基于辐射度的复杂地形区域辐射传输模拟方法
CN104880701A (zh) 一种星载传感器成像仿真方法及装置
CN113447137A (zh) 一种面向无人机宽波段热像仪的地表温度反演方法
CN111666896A (zh) 一种基于线性融合模型的遥感影像时空融合方法
CN103743488B (zh) 遥感卫星地球临边背景特性的红外成像仿真方法
Kolláth et al. Measurements and modelling of aritificial sky brightness: Combining remote sensing from satellites and ground-based observations
Bi et al. Multi-View Analysis of High-Resolution Geomorphic Features in Complex Mountains Based on UAV–LiDAR and SfM–MVS: A Case Study of the Northern Pit Rim Structure of the Mountains of Lufeng, China
CN113505486A (zh) 一种三维复杂地表叶面积指数反演方法及***
CN115795402A (zh) 一种基于变分法的多源降水数据融合方法和***
CN113516767A (zh) 一种三维复杂地表遥感光学特征反演方法及***
Dai et al. LAI scale effect research based on compact airborne spectrographic imager data in the Heihe Oasis
Ceamanos et al. Using 3D information for atmospheric correction of airborne hyperspectral images of urban areas
Yin et al. Atmospheric correction of ground-based thermal infrared camera through dart model
Pereira et al. A comparison of MCScene and CameoSim simulations of a real scene
CN114169135B (zh) 一种针对起伏地表的日光诱导叶绿素荧光场景仿真方法
Zhang et al. Drone-Based Remote Sensing for Research onWind Erosion in Drylands: Possible Applications. Remote Sens. 2021, 13, 283
CN117554300B (zh) 山地地表反照率站点观测遥感空间降尺度方法
Zhao et al. Entire Chains Simulation System for Optical Remote Sensing Imaging
CN111121650B (zh) 一种利用dem辅助卫星影像测算建筑物高度的方法及***
Sundberg et al. Monte Carlo based hyperspectral scene simulation

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