从MODIS数据中反演近地表空气温度算法研究
  • 【摘要】

    提出利用RM(radiance transfer model)模型MODTRAN4和动态学习神经网络(neural network)从MODIS数据中反演近地表空气温度.MODTRAN4被用来模拟不同地面辐射状况下(包括不同的地表温度,近地表空气温度,发射率和大气水汽含量)卫星高度获得的辐射强度数据集.动态学习神经网络被用来反演计算,反演分析结果表明近地表空气温度不能直接精确地从MODIS数据中反... 展开>>提出利用RM(radiance transfer model)模型MODTRAN4和动态学习神经网络(neural network)从MODIS数据中反演近地表空气温度.MODTRAN4被用来模拟不同地面辐射状况下(包括不同的地表温度,近地表空气温度,发射率和大气水汽含量)卫星高度获得的辐射强度数据集.动态学习神经网络被用来反演计算,反演分析结果表明近地表空气温度不能直接精确地从MODIS数据中反演计算得到.如果能把地表温度和发射率以及大气水汽含量作为先验知识,则能够比较精确地反演近地表空气温度,模拟分析表明平均误差和标准偏差分别大约是0.8 K和0.9 K.如果考虑地表温度和发射率的误差,平均误差和标准偏差为1.5 K and 1.8 K.反演结果和地面气象站点数据比较表明合理地利用先验知识使得RM-NN能够从MODIS数据中比较精确地反演近地表空气温度. 收起<<

  • 【作者】

    毛克彪  张立新  周清波  李滋睿  马柱国  李丹丹 

  • 【作者单位】

    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

  • 【会议名称】

    中国农学会高新技术农业应用专业委员会2009年学术研讨会

  • 【会议时间】

    2009-11-01

  • 【会议地点】

    海口

  • 【主办单位】

    中国农学会

  • 【语种】

    chi

  • 【关键词】

    热红外遥感  神经网络  近地表空气温度  先验知识