一种基于微波遥感与时空信息的云下像元LST估算方法与流程

技术特征：

1.一种基于微波遥感与时空信息的云下像元LST估算方法，包括如下步骤：

S1，地表覆盖分类：Landsat/TM遥感数据集经辐射校正、大气校正、重采样等预处理后，利用ENVI波段运算功能计算其NDVI，公式如下：

NDVI＝(b4-b3)/(b4+b3) 1

式中，b3、b4分别为第三通道和第四通道的反射率。

根据NDVI值，将地表覆盖分为6大类，分别是：NDVI＜0；0≤NDVI＜0.1；0.1≤NDVI＜0.3；0.3≤NDVI＜0.5；0.5≤NDVI＜0.7；NDVI≥0.7；

S2，像元分割：选用AMSR E数据集中的18.7、23.8、36.5与89GHz(H/V)8个通道参与地表温度反演，利用ENVI软件对18.7、23.8和36.5GHz(H/V)数据进行像元分割，使其与89GHz像元大小一致，在LST重建过程中，利用坐标约束实现地表亮温与地表温度的空间匹配；

S3，MODIS LST与AMSR_E亮度温度回归分析：微波辐射计在给定频段下接收到的辐射亮温表示为：

T_f＝τ_fε_fT_s+Δ 2

式中，T_f为亮温，T_s为地表温度，ε_f为地表辐射率，τ_f为大气透过率，Δ为其他改进项，包括大气上行辐射和下行辐射；上式简化为：

T_f＝ε_fT_s 3

S4，建立地表温度与地表亮温的多元回归模型：MODIS地表温度与AMSR_E地表亮温的多元回归模型如公式3所示：

${\mathrm{LST}}_{n\×1}^{MODIS}=T_n^{AMSR\_E}\×A_{8\×1}+B_{n\×1}---4$

$\begin{array}{ccc}LST=\left[\begin{array}{c}ls{t}_1\\ {\mathrm{lst}}_2\\ ...\\ ls{t}_{n-1}\\ {\mathrm{lst}}_n\end{array}\right]& A=\left[\begin{array}{c}{a}_1\\ a_2\\ ...\\ a_7\\ a_8\end{array}\right]& B=\left[\begin{array}{c}{b}_1\\ b_2\\ ...\\ b_{n-1}\\ b_n\end{array}\right]\end{array}$

$T=\left[\begin{array}{cccccccc}{t}_1^{18.7H}& t_1^{18.7V}& t_1^{23.8H}& t_1^{23.8V}& t_1^{36.5H}& t_1^{36.5V}& t_1^{89H}& t_1^{89V}\\ t_2^{18.7H}& t_2^{18.7V}& t_2^{23.8H}& t_2^{23.8V}& t_2^{36.5H}& t_2^{36.5V}& t_2^{89H}& t_2^{89V}\\ \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}& \mathrm{...}\\ t_{n-1}^{18.7H}& t_{n-1}^{18.7V}& t_{n-1}^{23.8H}& t_{n-1}^{23.8V}& t_{n-1}^{36.5H}& t_{n-1}^{36.5V}& t_{n-1}^{89H}& t_{n-1}^{89V}\\ t_n^{18.7H}& t_n^{18.7V}& t_n^{23.8H}& t_n^{23.8V}& t_n^{36.5H}& t_n^{36.5V}& t_n^{89H}& t_n^{89V}\end{array}\right]$

式中，LST为MODIS LST列向量，T为同期AMSR_E各通道地表亮温均值矩阵，A、B为待估参数，n为MODIS参与反演的像元数量；

S5，基于加权移动平均滤波的估计值改正：设自变量x以步长h做等距观测，对应观测结果y，即：

x_i＝x₀+ih 5

表1观测序列说明

对公式5做变换，得到：

$t=\frac{x-x_i}{h}---6$

则：

表2观测序列变形

构造平滑公式如下：

y′_i+t＝A_o+A₁t+A₂t²+...+A_mt^m 7

平滑多项式的系数由最小二乘原理确定，即：

$min\left(\mathrm{\δ}\right)=\min \[\underset{t}{\Σ}{(y_{i+t}^{\′}-y_{i+t})}^2\]---8$

即：

$min\left(\mathrm{\δ}\right)=\min \underset{t}{\Σ}{\left(\right(A_0+A_{1}t+A_2{t}^2+...+A_m{t}^m)-y_{i+t})}^2---9$

式中，t取最靠近i的2n+1个整数值(即平滑点数)，即t＝-n,-n+1,...0,...n-1,n，且应保证m＜2n+1＜N，

根据求解各系数A_i，根据最小二乘原理：

$\left\{\begin{array}{c}\frac{\∂\mathrm{\δ}}{\∂A_0}=\underset{t=-2}{\overset{2}{\Σ}}(y_{i+t}-A_0-A_{1}t-A_2{t}^2)=0\\ \frac{\∂\mathrm{\δ}}{\∂A_1}=\underset{t=-2}{\overset{2}{\Σ}}(y_{i+t}-A_0-A_{1}t-A_2{t}^2)t=0\\ \frac{\∂\mathrm{\δ}}{\∂A_2}=\underset{t=-2}{\overset{2}{\Σ}}(y_{i+t}-A_0-A_{1}t-A_2{t}^2)t^2=0\end{array}\right.---10;$

通过分析，采用五点加权二次平滑滤波法对含有初始估计值的MODIS地表温度时间序列进行重构，根据公式10求解权值系数，并将其作用到MODIS LST时间序列(以8Day数据产品、一年期为例)中，得到公式11：

$\left\{\begin{array}{c}\begin{array}{cc}y\left(i\right)=(-3\×y_0(i-2)+12\×y_0(i-1)+17\×y_0(i)+12\×y_0(i+1)-3\×y_0(i+2\left)\right)/35& (3\≤i\≤44)\end{array}\\ y\left(1\right)=(31\×y_0(1)+9\×y_0(2)-3\×y_0(3)-5\×y_0(4)+3\×y_0(5\left)\right)/35\\ y\left(2\right)=(9\×y_0(1)+13\×y_0(2)+12\×y_0(3)+6\×y_0(4)-5\×y_0(5\left)\right)/35\\ y\left(45\right)=(-5\×y_0(42)+6\×y_0(43)+12\×y_0(44)+13\×y_0(45)+9\×y_0(46\left)\right)/35\\ y\left(46\right)=(3\×y_0(42)-5\×y_0(43)-3\×y_0(44)+9\×y_0(45)+31\×y_0(46\left)\right)/35\end{array}\right.---11$

式中，y(i)为第_i期LST重构值，y₀(i)为含有初步估计值的第_i期温度值；

S6，LST重建精度评定：计算各区域LST重建均误差，公式如下：

$ME=\underset{i=1}{\overset{n}{\Σ}}\left|P_i-O_i\right|/n---12$

式中，ME为均误差，P_i为第_i个像元LST重建值，O_i为原始值，n统计像元量。

2.根据权利要求1所述的一种基于微波遥感与时空信息的云下像元LST估算方法，其特征在于，所述S1中的1式中，b3、b4分别为第三通道和第四通道的反射率。

3.根据权利要求1所述的一种基于微波遥感与时空信息的云下像元LST估算方法，其特征在于，所述S5中的10式中，采用的数值为，m＝2,2n+1＝5，t＝-2,-1,0,1,2；公式11为针对MODIS LST8Day产品一年期数据的计算公式。