利用amsr_e被动微波数据反演地表温度的神经网络算法

利用amsr_e被动微波数据反演地表温度的神经网络算法

ID:34654672

大小:428.89 KB

页数:6页

时间:2019-03-08

利用amsr_e被动微波数据反演地表温度的神经网络算法_第1页
利用amsr_e被动微波数据反演地表温度的神经网络算法_第2页
利用amsr_e被动微波数据反演地表温度的神经网络算法_第3页
利用amsr_e被动微波数据反演地表温度的神经网络算法_第4页
利用amsr_e被动微波数据反演地表温度的神经网络算法_第5页
资源描述:

《利用amsr_e被动微波数据反演地表温度的神经网络算法》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、高技术通讯以刃年第卷第期田一」田以刃①利用被动微波数据反演地表温度的神经网络算法‘’‘‘‘‘‘‘毛克彪②“王道龙李滋春张立新”周清波唐华俊李丹丹‘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呼伦贝尔草原生态系统国家野外科学观测研究站北京口沉详开遥感科学国家重点实验室北京尧“北京师范大学地理学与遥感科学学院北京‘‘一料中国科学院大气物理研究所东亚区域气候环境重点实验室北京以摘要结合对地观测卫星多传感器多分辨率的特点,研究了利用一被动。微波数据反演地表温度的神经网络算法地表温度产品被作为地表温度实,一,测数据对应的平均温度被用作对应像元的

2、实际地表温度从而克服由于像元尺度太大和云的影响而难以获得地表实测数据的难点。反演结果分析表明,利用一。,神经网络能够精确地由数据反演地表温度当使用个频率个通道反演时,、、反演精度最高说明使用更多的通道能更好地消除土壤水分粗糙度大气和其它因素的。,。影响相对于温度产品用此算法反演的平均误差约低于,神经,一,关键词地表温度璐网络一对地表温度反演做。利用了许多研究这些研究,引言和结论是经验的其主要原因是由于被动微波的分辨率非常低,获得对应的地面实测数据非,。,许多研究表明陆地表面温度出常困难另外在辐射计视场里的复杂因子是变化,,,此是数字天气预报的一个重要参数在复的比如大

3、气水分和土壤水分的变化会改变发射和一一,。’合地面大气相互作用和大气地面的辐射通量后吸收以及散射同时许多研究汇叼」表明被动微波。区域和全球尺度的陆面过程模拟精度得到了很大的数据能够用来估计地表温度哪等’。,上〕,「】提高〔〕在热红外遥感领域许多利用热红外数据卯‘和调查了大气对用、。比如中分辨率成像光谱仪数据和先进甚测量地表温度的影响这些研究表明在没有高分辨率辐射仪数据反演海面温度和地陆地表面发射率、吸收以及散射的先验知识的条件一仁川。,。表温度的算法已经被提了出来相对于被动微下被动微波能够用来反演陆地表面温度等,,、,。‘洲提出了用迭代方法来量化湿度温波遥感这些算法

4、是比较成熟的但热红外遥感受。,云和大气水汽含量的影响很大微波具有穿透能度和植被参数但这个方法需要一个非常好的前向,,。力能克服热红外遥感的缺点因此利用被动微波数模型用于对地观测系统的先进微波扫描辐射仪。一据反演地表温度的研究日益受到重视和是对地观测卫星上的两,。一、、、在微波辐射计应用发展的过程中地表温度的个传感器能用来观测大气陆地海洋。’,、、、反演算法非常少耐等「〕开发了一个其它参数包括降雨海洋表面温度冰的浓度雪水,、、、。卫星温度探测器系统这个系统主要是利用当量湿度风速云中水的含量以及大气水汽含量一个具有个通道的红外探测器和一个具具有个波段,可用于反演海洋表面

5、温度、。有四个通道的微波探测器来获取大气剖面温度和反陆地表面温度以及大气性质传感器具有高。‘,,演全球海面和陆地表面温度等卿〕分辨率但受云的影响很大在晴朗的天气条件下地①国家自然科学基金粼为,计划司刁和中央级公益性科研院所基本科研业务费资助项目。男,年生,,热,空间数据挖掘,口应用等联系人,吐,画硼。②博士研究方向微波红外遥感山收稿一日期拱一©1994-2011ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.net高技术通讯年月第卷第期。,。表温度反演算法

6、精度比较高被动微波分辨率很低在地球物理参数反演中这是一个典型的病态反演,,,但受云的影响很小由于缺乏相应的地表实测数据在热红外地表温度反演中不同的地物类型的发射针对被动微波数据的地表温度反演算法研究进展缓率在热红外波段基本上是稳定的。在微波波段,发慢。被动微波和热红外遥感各有优势,在有云和无射率主要由介电常数决定,而介电常数又会受到物。,、、、云的情况下可以互补因此如何利用多传感器和理温度盐度水分土壤纹理以及其它因素的影,。,、仁,因此。和土壤水分,多分辨率各自的优势是遥感里面的一个重要研究内响发射率粗糙。“之容度岁和物理温度兀可以用等式,。,,,本研究分析了地球物

7、理参数之间的关系并利蜡兀用神经网络由一。、被动微波数据反演地表温来描述土壤水分粗糙度以及陆地表面温度是随。、,度这项研究最有意义的是发现了多传感器和多分天气时间和地点变化的这使得反演变得更加复,,辨率的优势即地表温度产品能够被用作对杂因为这些影响因素的不同组合能够得到相同和一。应的大尺度像元的地表真实不同的发射率,一温度多分辨率使得当大尺度像元存在云一,数据反演时用部分温度产品的像元的平利用神经网络由均值来代替,这就克服了当有云存在时获得地面数地表温度。据的困难〕。地球物理参数不是彼此独立的以往的地表温微波辐射计度反演算法没有充分地利用地球物理参数之间的关。,系

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。