一种逐小时无缝地表温度的生成方法及系统

1.本发明涉及地表温度产品领域，尤其涉及一种逐小时无缝地表温度的生成方法及系统。


背景技术：

2.地表温度是地球系统的一个重要参数，在地-气相互作用和能量交换中起着重要的作用，在干旱监测、城市热岛、能量平衡等领域有着重要的应用。而逐小时的地表温度产品在冻融状态识别、夏季高温热浪监测等方面具有广阔的应用前景。
3.目前获取地表温度的途径主要有:地面站点实测，这种方法虽然准确但是空间不连续。遥感反演，遥感反演是目前获取大尺度地表温度的有效方法，但是受到云的影响较大，无法生成空间完整的地表温度。微波遥感虽然能穿透云雾，但是轨道间隙的存在也使其无法做到完全的空间完整。模式模拟，模式模拟的地表温度虽然时空连续，但是其空间分辨率低，且精度较差。因此，亟需一种保证时空连续，且可以保证高精度的逐小时无缝地表温度的生成方法及系统。


技术实现要素：

4.本发明的目的是提供一种逐小时无缝地表温度的生成方法及系统，以保证一种时空连续，且可以保证地表温度的高精度。
5.为实现上述目的，本发明提供了如下方案：
6.一种逐小时无缝地表温度生成方法，所述方法包括：
7.通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据；
8.通过所述ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据；所述cldas地表温度数据为cldas系统输出逐小时的地表温度；
9.使用多尺度卡尔曼滤波算法融合所述ahi地表温度数据和偏差校正后的cldas地表温度数据，生成逐小时无缝地表温度。
10.可选地，所述通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据之前，还包括：
11.根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温；
12.根据天顶角计算每个像元的水汽缩放系数；
13.所述离地亮温和所述水汽缩放系数均为所述温度发射率分离算法中的参数。
14.可选地，所述根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温，具体包括：
15.根据大气水汽参数的每个像元的大气层顶亮温，采用如下公式计算每个像元的离地亮温：
[0016][0017]ai,k
＝p
i,k
+q
i,k
w+r
i,k
w2(k＝1,2,3...n)
[0018]
其中，t
g，i
为第i个像元的离地亮温，a
i,0
和a
i,k
分别为第i个像元处的波段0和波段k对应的拟合参数，a
i,0
为常数，w为大气水汽参数，tk为大气层顶的波段k的亮温，t0为大气层顶的波段0的亮温，n为波段的数量，p
i,k
、q
i,k
和r
i,k
分别为第i个像元处的波段k对应的常数项拟合系数、一次项拟合系数和二次项拟合系数。
[0019]
可选地，所述根据天顶角计算每个像元的水汽缩放系数，具体包括：
[0020]
根据天顶角，采用如下公式计算每个像元的水汽缩放系数：
[0021][0022]
其中，γi是第i个像元的水汽缩放系数，i≥3，γ1是第1个像元的水汽缩放系数，γ2是第2个像元的水汽缩放系数，γ1和γ2均为常数，θ是天顶角，τi(θ,γ1)是水汽缩放系数为γ1时的大气透过率，τi(θ,γ2)是水汽缩放系数为γ2时的大气透过率，ai为第i个像元的模型参数数据，t
g，i
为第i个像元的离地亮温，b()为普朗克函数，ii↑
(θ,γ1)为水汽缩放系数为γ1时的大气上行辐射，i
toa,i
为卫星观测到第i个像元的辐亮度。
[0023]
可选地，所述通过所述ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据，具体包括：
[0024]
当cldas像元对应的区域晴天比例大于标准阈值时，则将所述反演的ahi地表温度数据聚合至所述cldas地表温度数据的尺度上，获取聚合后的ahi地表温度数据；
[0025]
通过所述聚合后的ahi地表温度数据和所述cldas地表温度数据，构建ahi地表温度数据与所述cldas地表温度数据的关系模型；
[0026]
通过所述关系模型对所述cldas地表温度数据进行偏差校正，获取偏差校正后的cldas地表温度数据。
[0027]
可选地，所述关系模型为：
[0028]
[0029]
其中，lst
ahi_aggrerated
为偏差校正后的cldas地表温度数据，lst’cldas
为cldas地表温度数据，a和b均为拟合系数。
[0030]
为实现上述目的，本发明还提供了一种逐小时无缝地表温度生成系统，所述系统包括：
[0031]
反演ahi地表温度模块，用于通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据；
[0032]
cldas地表温度偏差校正模块，用于通过所述ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据；
[0033]
逐小时无缝地表温度生成模块，用于使用多尺度卡尔曼滤波算法融合所述ahi地表温度数据和所述偏差校正后cldas地表温度数据，生成逐小时无缝地表温度。
[0034]
可选地，所述反演ahi地表温度模块，用于通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据之前，还包括：
[0035]
离地亮温计算子模块，用于根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温；
[0036]
水汽缩放系数计算子模块，用于根据天顶角计算每个像元的水汽缩放系数；
[0037]
所述离地亮温和所述水汽缩放系数均为所述温度发射率分离算法中的参数。
[0038]
可选地，所述离地亮温计算子模块，用于根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温，具体包括：
[0039]
根据大气水汽参数的每个像元的大气层顶亮温，采用如下公式计算每个像元的离地亮温：
[0040][0041]ai,k
＝p
i,k
+q
i,k
w+r
i,k
w2(k＝1,2,3...n)
[0042]
其中，t
g，i
为第i个像元的离地亮温，a
i,0
和a
i,k
分别为第i个像元处的波段0和波段k对应的拟合参数，a
i,0
为常数，w为大气水汽参数，tk为大气层顶的波段k的亮温，t0为大气层顶的波段0的亮温，n为波段的数量；p
i,k
、qi,k和r
i,k
分别为第i个像元处的波段k对应的常数项拟合系数、一次项拟合系数和二次项拟合系数。
[0043]
可选地，所述水汽缩放系数计算子模块，用于根据天顶角计算每个像元的水汽缩放系数，具体包括：
[0044]
根据天顶角，采用如下公式计算每个像元的水汽缩放系数：
[0045][0046]
其中，γi是第i个像元的水汽缩放系数，i≥3，γ1是第1个像元的水汽缩放系数，γ2是第2个像元的水汽缩放系数，γ1和γ2均为常数，θ是天顶角，τi(θ,γ1)是水汽缩放系数为γ1时的大气透过率，τi(θ,γ2)是水汽缩放系数为γ2时的大气透过率，ai为第i个像元的模型参数数据，t
g，i
为第i个像元的离地亮温，b()为普朗克函数，ii↑
(θ,γ1)为水汽缩放系数为γ1时的大气上行辐射，i
toa,i
为卫星观测到第i个像元的辐亮度。
[0047]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0048]
本发明基于ahi热红外波段的辐亮度，采用温度发射率分离算法反演ahi地表温度；以反演的ahi地表温度为基准，对cldas地表温度进行偏差校正以消除其系统误差；采用多尺度卡尔曼滤波融合ahi地表温度和偏差校正之后的cldas地表温度生成无缝逐小时地表温度，并提高cldas地表温度的精度。生成的逐小时的无缝地表温度数据在冻融状态监测、陆面水文过程模拟和高温热浪监测等研究领域具有广阔的应用前景。
附图说明
[0049]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1为本发明一种逐小时无缝地表温度的生成方法的流程示意图；
[0051]
图2为本发明一种逐小时无缝地表温度的生成方法的实施例流程示意图；
[0052]
图3为本发明一种逐小时无缝地表温度的生成系统的模块示意图。
具体实施方式
[0053]
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。
[0054]
本发明的目的是提供一种逐小时无缝地表温度的生成方法及系统，以保证一种时空连续，且可以保证地表温度的高精度。
[0055]
为使本发明的上述目的、特征和优点能够更加明显易懂，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。
[0056]
本发明提供了一种逐小时无缝地表温度生成方法，如图1所示，包括：
[0057]
步骤101：通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据。
[0058]
步骤102：通过ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据；cldas地表温度数据为cldas系统输出逐小时的地表温度。
[0059]
步骤103：使用多尺度卡尔曼滤波算法融合ahi地表温度数据和偏差校正后的cldas地表温度数据，生成逐小时无缝地表温度。
[0060]
进一步地，在执行步骤101之前，即通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据之前，还包括：
[0061]
根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温。
[0062]
根据天顶角计算每个像元的水汽缩放系数。
[0063]
离地亮温和水汽缩放系数均为温度发射率分离算法中的参数。
[0064]
具体地，通过水汽缩放系数计算大气参数，结合离地亮温进行大气校正，将大气校正之后的结果输入温度发射率分离算法。
[0065]
进一步地，根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温，具体包括：
[0066]
根据大气水汽参数的每个像元的大气层顶亮温，采用如下公式计算每个像元的离地亮温：
[0067][0068]ai,k
＝p
i,k
+q
i,k
w+r
i,k
w2(k＝1,2,3...n)
[0069]
其中，t
g，i
为第i个像元的离地亮温，a
i,0
和a
i,k
分别为第i个像元处的波段0和波段k对应的拟合参数，a
i,0
为常数，w为大气水汽参数，tk为大气层顶的波段k的亮温，t0为大气层顶的波段0的亮温，n为波段的数量；p
i,k
、q
i,k
和r
i,k
分别为第i个像元处的波段k对应的常数项拟合系数、一次项拟合系数和二次项拟合系数。
[0070]
进一步地，根据天顶角计算每个像元的水汽缩放系数，具体包括：
[0071]
根据天顶角，采用如下公式计算每个像元的水汽缩放系数：
[0072][0073]
其中，γi是第i个像元的水汽缩放系数，i≥3，γ1是第1个像元的水汽缩放系数，γ2是第2个像元的水汽缩放系数，γ1和γ2均为常数，θ是天顶角，τi(θ,γ1)是水汽缩放系数为γ1时的大气透过率，τi(θ,γ2)是水汽缩放系数为γ2时的大气透过率，ai为第i个像元的模型参数数据，t
g，i
为第i个像元的离地亮温，b()为普朗克函数，ii↑
(θ,γ1)为水汽缩放系数为γ1时的大气上行辐射，i
toa,i
为卫星观测到第i个像元的辐亮度。
[0074]
进一步地，执行步骤201，即通过ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据，具体包括：
[0075]
当cldas像元对应的区域晴天比例大于标准阈值时，则将反演的ahi地表温度数据聚合至cldas地表温度数据的尺度上，获取聚合后的ahi地表温度数据。
[0076]
通过聚合后的ahi地表温度数据和cldas地表温度数据，构建ahi地表温度数据与cldas地表温度数据的关系模型。
[0077]
通过关系模型对cldas地表温度数据进行偏差校正，获取偏差校正后的cldas地表温度数据。
[0078]
其中，关系模型为：
[0079][0080]
其中，lst
ahi_aggrerated
为偏差校正后的cldas地表温度数据，lst’cldas
为cldas地表温度数据，a和b均为拟合系数。
[0081]
示例性的，如图2示出了上述方法的步骤，至少包括：
[0082]
步骤一：获取实验数据，主要包括：ahi全圆盘数据、merra-2、myd13a2、mcd12q1、mod10c1、camel、cldas地表温度、站点实测数据。具体包括:ahi 11、13、14、15波段的辐亮度,大气廓线数据，归一化植被指数，冰雪覆盖，土地利用，发射率背景场，cldas地表温度数据和实测验证数据。
[0083]
步骤二：通过归一化植被指数产品识别浓密植被像元，冰雪覆盖产品识别冰雪像元，土地利用产品识别水体像元，并将浓密植被像元、冰雪像元和水体像元确定为灰体像
元，将灰体像元的最小发射率赋值为0.96；剩余像元为非灰体像元，通过camel发射率产品来确定非灰体像元的最小发射率；通过最小发射率-观测角度-算法系数查找表获取灰体像元与非灰体像元的多通道水汽依赖算法的系数。其中，最小发射率-观测角度-算法系数查找表表征为不同像元在不同观测角度下与不同的多通道水汽依赖算法的系数的对应关系。
[0084]
通过大气廓线数据获取的大气水汽数据，并根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温，采用如下公式计算每个像元的离地亮温。
[0085][0086]ai,k
＝p
i,k
+q
i,k
w+r
i,k
w2(k＝1,2,3...n)
[0087]
其中，t
g，i
为第i个像元的离地亮温，a
i,0
和a
i,k
分别为第i个像元处的波段0和波段k对应的拟合参数，a
i,0
为常数，w为大气水汽参数，tk为大气层顶的波段k的亮温，t0为大气层顶的波段0的亮温，n为波段的数量；p
i,k
、q
i,k
和r
i,k
分别为第i个像元处的波段k对应的常数项拟合系数、一次项拟合系数和二次项拟合系数。
[0088]
根据天顶角计算每个像元的水汽缩放系数，采用如下公式计算每个像元的水汽缩放系数：
[0089][0090]
其中，γi是第i个像元的水汽缩放系数，i≥3，γ1是第1个像元的水汽缩放系数，γ2是第2个像元的水汽缩放系数，γ1和γ2均为常数，θ是天顶角，τi(θ,γ1)是水汽缩放系数为γ1时的大气透过率，τi(θ,γ2)是水汽缩放系数为γ2时的大气透过率，ai为第i个像元的模型参数数据，t
g，i
为第i个像元的离地亮温，b()为普朗克函数，ii↑
(θ,γ1)为水汽缩放系数为γ1时的大气上行辐射，i
toa,i
为卫星观测到第i个像元的辐亮度。
[0091]
merra-2校正大气参数数据、多通道水汽依赖算法的系数、离地亮温和水汽缩放系数均为温度发射率分离算法的参数。
[0092]
步骤三：通过温度发射率分离算法反演获取高分辨率的ahi地表温度数据。
[0093]
步骤四：将ahi地表温度数据与cldas地表温度数据进行时空匹配。
[0094]
进一步地，进行空间匹配时，当cldas像元对应的区域晴天比例大于标准阈值时，则将反演的ahi地表温度数据聚合至cldas地表温度数据的尺度上，获取聚合后的ahi地表温度数据。优选的，标准阈值为对应的晴天比例为60％。
[0095]
通过聚合后的ahi地表温度数据和cldas地表温度数据，构建ahi地表温度数据与cldas地表温度数据的关系模型。
[0096]
示例性的，采用区域平均的方法将ahi地表温度聚合到cldas地表温度的尺度上，每个cldas地表温度像元与3*3个ahi地表温度的像元对应的空间范围一致，将3*3个ahi地表温度进行平均得到的平均值作为cldas对应位置的ahi的地表温度值。
[0097]
关系模型为：
[0098][0099]
其中，lst
ahi_aggrerated
为偏差校正后的cldas地表温度数据，lst’cldas
为cldas地表温度数据，a和b均为拟合系数。
[0100]
具体地，将生成的关系模型应用至全天候的cldas地表温度像元中，对cldas地表温度数据进行偏差校正，获取偏差校正后的cldas地表温度数据，并计算cldas地表温度的均方根误差。
[0101]
步骤五：使用多尺度卡尔曼滤波算法融合ahi地表温度数据、偏差校正后的cldas地表温度数据和cldas地表温度的均方根误差，生成逐小时无缝地表温度。
[0102]
步骤六：将生成的逐小时无缝地表温度与实测数据进行比对，结果表明，生成的逐小时无缝地表温度可以实现3k的产品精度。
[0103]
为实现上述目的，本发明还提供了一种逐小时无缝地表温度生成系统，包括：
[0104]
模块201：反演ahi地表温度模块，用于通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据。
[0105]
模块202：cldas地表温度偏差校正模块，用于通过ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据。
[0106]
模块203：逐小时无缝地表温度生成模块，用于使用多尺度卡尔曼滤波算法融合ahi地表温度数据和偏差校正后cldas地表温度数据，生成逐小时无缝地表温度。
[0107]
进一步地，反演ahi地表温度模块，用于通过温度发射率分离算法对ahi热红外波段的辐亮度进行反演获取ahi地表温度数据之前，还包括：
[0108]
模块2011：离地亮温计算子模块，用于根据大气水汽参数的每个像元的大气层顶亮温，计算每个像元的离地亮温。
[0109]
模块2012：水汽缩放系数计算子模块，用于根据天顶角计算每个像元的水汽缩放系数。
[0110]
离地亮温和水汽缩放系数均为温度发射率分离算法中的参数。
[0111]
具体地，根据大气水汽参数的每个像元的大气层顶亮温，采用如下公式计算每个像元的离地亮温：
[0112][0113]ai,k
＝p
i,k
+q
i,k
w+r
i,k
w2(k＝1,2,3...n)
[0114]
其中，t
g，i
为第i个像元的离地亮温，a
i,0
和a
i,k
分别为第i个像元处的波段0和波段k对应的拟合参数，a
i,0
为常数，w为大气水汽参数，tk为大气层顶的波段k的亮温，t0为大气层顶的波段0的亮温，n为波段的数量；p
i,k
、q
i,k
和r
i,k
分别为第i个像元处的波段k对应的常数项拟合系数、一次项拟合系数和二次项拟合系数。
[0115]
具体地，根据天顶角，采用如下公式计算每个像元的水汽缩放系数：
[0116][0117]
其中，γi是第i个像元的水汽缩放系数，i≥3，γ1是第1个像元的水汽缩放系数，γ2是第2个像元的水汽缩放系数，γ1和γ2均为常数，θ是天顶角，τi(θ,γ1)是水汽缩放系数为γ1时的大气透过率，τi(θ,γ2)是水汽缩放系数为γ2时的大气透过率，ai为第i个像元的模型参数数据，t
g，i
为第i个像元的离地亮温，b()为普朗克函数，ii↑
(θ,γ1)为水汽缩放系数为γ1时的大气上行辐射，i
toa,i
为卫星观测到第i个像元的辐亮度。
[0118]
进一步地，cldas地表温度偏差校正模块，用于通过ahi地表温度数据对cldas地表温度数据进行偏差校正，获取校正后的cldas地表温度数据之前，还包括：
[0119]
模块2021：ahi地表温度聚合子模块，用于获取聚合后的ahi地表温度数据。
[0120]
模块2022：关系模型构建子模块，用于构建ahi地表温度数据与cldas地表温度数据的关系模型。
[0121]
进一步地，将ahi地表温度数据与cldas地表温度数据进行匹配，当cldas像元对应的区域晴天比例大于标准阈值时，通过ahi地表温度聚合子模块将反演的ahi地表温度数据聚合至cldas地表温度数据的尺度上，获取聚合后的ahi地表温度数据。优选的，标准阈值为对应的晴天比例为60％。
[0122]
通过聚合后的ahi地表温度数据和cldas地表温度数据，构建ahi地表温度数据与cldas地表温度数据的关系模型。
[0123]
具体地，采用区域平均的方法将ahi地表温度聚合到cldas地表温度的尺度上，每个cldas地表温度像元与3*3个ahi地表温度的像元对应的空间范围一致，将3*3个ahi地表温度进行平均得到的平均值作为cldas对应位置的ahi的地表温度值。
[0124]
具体地，将生成的关系模型应用至全天候的cldas地表温度像元中，对cldas地表温度数据进行偏差校正，获取偏差校正后的cldas地表温度数据，并计算cldas地表温度的均方根误差。
[0125]
其中，关系模型为：
[0126][0127]
其中，lst
ahi_aggrerated
为偏差校正后的cldas地表温度数据，lst’cldas
为cldas地表温度数据，a和b均为拟合系数。
[0128]
模块203，逐小时无缝地表温度生成模块，用于使用多尺度卡尔曼滤波算法融合ahi地表温度数据和偏差校正后cldas地表温度数据，生成逐小时无缝地表温度。
[0129]
模块204，数据比对模块，用于将生成的逐小时无缝地表温度与实测数据进行比对，生成的逐小时无缝地表温度可以实现3k的产品精度。
[0130]
本发明的优点有如下几点：
[0131]
1.可以有效填补市场中逐小时无缝地表温度产品的空白：
[0132]
在1小时，0.02
°
的方向的高时空分辨率无缝地表温度产品在冻融状态识别、夏季高温热浪监测等方面具有广阔的应用前景。
[0133]
2.生成的逐小时无缝地表温度精度高：
[0134]
本发明提出的方法通过偏差校正建立ahi地表温度与cldas地表温度之间的关系，提高了cldas地表温度的精度，同时利用多尺度卡尔曼滤波进一步消除不同尺度地表温度之间的不一致性，从而提升了产品精度并填补了缺失值。与地面实测站点的精度验证结果表明，可以实现约3k的产品精度，精度较高。
[0135]
3.所提出的生成逐小时无缝地表温度的数据融合方法的可操作性强，可靠性强：本发明中的偏差校正算法为线性校正方案，该方法直观、易于理解，并能达到较高精度，与累积分布直方图匹配等方法相比可操作性较强。
[0136]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0137]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上，本说明书内容不应理解为对本发明的限制。