基于ASTER数据的地表温度遥感反演与产品检验——以黑河流域为例
The remote sensing inversion and validation of land surface temperature based on ASTER data:A case study of the Heihe River basin作者机构:华北理工大学人工智能学院唐山063210 华北理工大学河北省工业智能感知重点实验室唐山063210 自然资源部咨询研究中心北京100100
出 版 物:《自然资源遥感》 (Remote Sensing for Natural Resources)
年 卷 期:2023年第35卷第1期
页 面:198-204页
核心收录:
学科分类:08[工学] 0804[工学-仪器科学与技术]
基 金:国家自然科学基金项目“沙尘气溶胶影响下的地表长波辐射遥感估算”(编号:41801264) 河北省自然科学基金项目“沙尘气溶胶影响下的地表温度反演研究”(编号:D202009074)共同资助。
摘 要:针对黑河流域的地表类型特点和大气特征,基于ASTER发射率产品和植被覆盖度法(vegetation cover method,VCM)计算了研究区地表发射率,并利用改进的多层前馈神经网络(multilayer feedforword neural network,MFNN)算法估算了区域大气水汽含量,通过对输入参数分组构建系数查找表,发展了适用于ASTER数据遥感反演地表温度的分裂窗算法。为检验算法的适应性和精度,利用黑河流域2019年的地表温度实测数据和MODIS温度产品对算法进行评价。结果表明,与站点数据相比,均方根误差在1.81~3.01 K之间;在与MODIS数据产品交叉验证中,本文提出的算法误差和偏差相对较小,均方根误差在1.11~1.75 K之间。总体来说,利用本算法反演得到的温度产品精度可满足气象气候学研究的需要,算法的构建思路也可为类似的热红外传感器提供借鉴。