一个用神经网络优化的针对ASTER数据反演地表温度和发射率的多波段算法.pdfVIP

第 3期 ,总第 73期 国　土 　资 　源 　遥 　感 No. 3, 2007　 2007年 9 月 15 日 R EM O TE SEN S IN G FO R LAN D R ESOU RC ES Sep t. , 2007　 一个用神经网络优化的针对 A STER 数据 反演地表温度和发射率的多波段算法 1～3 1 1 2 毛克彪 , 唐华俊 , 陈仲新 , 王永前 ( 1. 中国农业科学院农业资源与农业区划研究所 /农业部资源遥感与数字农业重点开放实验室 ,北 京 　100081; 2. 中国科学院遥感应用研究所 , 北京师范大学遥感科学国家重点实验室 , 北京 　 100 10 1; 3. 中国科学院研究生院 ,北京 　100049) 摘要 : 提出了针对 A STER 数据同时反演地表温度和发射率的多波段算法 。即利用 A STER 数据的第 11～14 热红 外波段建立热辐射传输方程 ,并同时对相应波段的发射率建立近似线性方程 ,得到 6个方程 6个未知数 ,从而形成 了针对 A STER 数据的同时反演地表温度和发射率的多通道算法 。利用 3种方法求解方程 : ①先分类 ,然后进行数 学计算 ; ②利用最小二乘法 ; ③利用神经网络方法 。利用辐射传输模型 MOD TRAN 4 模拟数据进行反演及验证分 析 ,结果表明 ,神经网络能够提高算法的精度和实用性 ,反演的地表温度平均误差为 0. 5 ℃,反演的发射率平均误 ( ) ( ) 差分别在 0. 007 11、12波段 和 0. 006 13、14 波段 以下 。 ( ) 关键词 : 亮度温度 ; 地表温度 L ST ; A STER; 神经网络 中图分类号 : TP 75　文献标识码 : A 　　　文章编号 : 100 1 - 070X (2007) 03 - 0018 - 05 的发射率建立线性方程组 。联立方程 ,从而形成针 0　引言 对 A STER 数据的地表温度和发射率同时反演的多 波段算法 ,并利用神经网络进行优化计算 。 1999 年搭载 A STER 遥感器 的对地观测卫星 ( ) EO S 发射成功 ,为全球和区域资源环境动态监测 1　多波段算法推导 开辟了又一新的途径 。A STER 是一个拥有 15个波 段的高分辨率传感器 ,其中有 5个热红外波段 ,非常 地表温度反演是以地表热辐射传导方程为基 适合于城市和小区域的地表热量空间差异分析 。目 础 ,即通过建立能量平衡方程来反演地表温度 。辐 前 ,国内对地表温度反演已经有一定的研究[ 1～7 ] ,但 射传输方程描述了卫星微波辐射计所观测到的辐射 是 ,针对 A STER 数据 的地表温度反演算法还很 总强度 ,不仅有来自地表的辐射 ,而且还有来自大气 少 [ 8 ] ,其主要原因是获得大气参数非常困难 。现有 的向上和向下的路径辐射 ,这些辐射成分在穿过大 的研究基本上是直接应用 A STER 的星上亮度温度 气层到达遥感器的过程中 ,还受到大气层吸收作用 来进行分析 。受大气影响 ,星上亮度温度与真正的 的影响而削减 。同