基于MODIS数据的组分温度反演研究.pdf

收稿日期“ “ 基金项目国家重点基础研究发展规划项目 H I G H IG J A B F K F B E F L H G 波段波段宽M 0 1 地面分 辨率M 1 信噪比主要用途 / 43 “ . 5 5 -3 “ N 5 55 5 55 “ 5 , 表面温度 5 “ N 3 5 - “ / 3 55 5 55 “ 5 , 云M表面温度 / “ N N 5 - / “ / N 55 5 55 “ 5 , 云顶高度M表面温度 “ 3 , - “ . 3 ,5 5 55 “ / , 云顶高度 通过统计分析波段 的辐射亮度值覆盖范 围窄标准偏差小且位于大气窗口边缘可以舍 去“图为沙地O土壤O植被和水体在3 - 0 1波 谱范围内比辐射率曲线P“ 图典型地物的比辐射率 Q R S “ T 1R U U R V R W XY Z [ V \ U ] W X _ R Y ‘ a \ ‘ W Z [ \ U 从图中可见沙O土壤在3 “ *0 16波段/ 4 7处 的比辐射率值和位于 5 “ , - / “ ,0 1之间6波段 波段 / 7的比辐射率差异较大在 5 “ , - / “ , 0 1之间的比辐射率变化较小2 而植被O水体在3 - 0 1间比辐射率变化小 总体上看同一地物的 比辐射率在波段 /相对稳定“因此本次研究 选择波段/ 4 两个比辐射率差异明显的波段用 于地表组分温度的提取“ “ b 大气校正 若假设地表为朗伯体且大气各向同性则热 辐射传输方程可简化为c d efg hf6 ij7 kfl5 fme n 5 fm6 okf7 e p 5 fl5 f6 7 式中q e f为传感器所接收的波长的热红外辐射亮 度2 h f6 ij7 为地表物理温度为i j6 单位 r7时的普 朗克黑体辐射亮度2 k f为波长f的地表比辐射率2 l5 f为从地面到传感器的大气透过率2 e n 5 f e p 5 f为波长 f的大气上行O 大气下行辐射“可见在地s气s传 感器的热传输中地面与大气都是热辐射源其辐 射能通过大气层被大气吸收O散射O发射则对地 表热辐射的研究必须对大气的干扰进行纠正c / d“ 本次研究根据式6 7的热辐射传输方程运用 ; A -7 /, B . 式中1 ;为普朗克常数/ C 3 C 0 C D E 79 BF GH 2 为光 速/ 9 D E IJ H 2 ’为波尔兹曼常数/ 3 9 I D E 70 9F K2 -为绝对温度/ K2 为波长/ J3 本次研究通过 LM N O P0 Q和9 两个波段的波谱响应函数导入 LM N R S TU模型/ 模拟建立地表宽波段黑体辐射 与地表温度, 0 EV9 EK/以E 3 K为间隔.之间 的查找表3经多项式回归分析/可分别得到波段0 Q 和9 的黑体辐射亮度与地表温度, -.之间的关系 式 0 Q, - . E 3 E E - 07 E 3 B C Q C -6 0 3 W 0 / , . , X E 3 Q Q Q . / 9 , - . E 3 E E E C - 07 E 3 0 E 9 0 -6 I 3 Q I C / , C . , X 3 E E E . Y Z 组分温度的反演 由式, 9 .可见/本次反演中要利用两个波段的 数据同时反演土壤温度, - 8. 4 植被温度, - 5. 4 两个 波段土壤与植被的地表发射率, * 8 / 0 Q/ *5 / 0 Q/ *8 / 9 / *5 / 9 . 和植被覆盖度, . W个参数3反演参数多于独立方 程数/应属于欠定性问题/而且两个热红外波段之 间存在高度相关性3因此本次研究采用遗传算法进 行组分温度反演/既能解决这种欠定性问题/又可 以很好地处理波段之间的相关性/从而保证组分温 度反演精度3 Z 3 [ 遗传算法原理 遗传算法是一类模拟达尔文的自然选择理论 的稳健的并行自适应启发式搜索优化技术3它使 用一种有指导的随机搜索技术来确定全局最优解/ 不是从单个个体开始/而是由随机产生的初始群体 开始搜索/在搜索最优解过程中/只需要通过目标 函数获得适应值信息/而不需要目标函数可导4连 续等其它辅助信息/搜索过程不会偏向于局部最优 解/不同于其它经典方法的智能搜索技术\ ] I 3 遗传算法反演主要包括以下步骤1第一步/为 缩小搜索范围/提高搜索效率/需对参数给出约束 范围/根据前人研究经验和该研究区实际情况给出 W个参数的取值范围1 \ E / / *8 / 0 Q\ E 3 I / E 3 Q / *5 / 0 Q\ E 3 Q E / E 3 Q Q / *8 / 9 \ E 3 I / E 3 Q / *5 / 9 \ E 3 Q E / E 3 Q Q / -8\ 0 W E / 9 9 E / -5\ 0 W E / 9 9 E / 然后采用实型编 码将W个参数进行初始化/形成基因/并组成不同 的染色体/每个染色体就是问题的一组可能解2第 二步/构造目标函数/以计算每个染色体的适应性/ 可表达为 _ “ ‘“ a b , ‘ “ b7“ b. 0/ , W . 式中1 _ “ ‘ “为第“ 像元的适应度2 “ b为第b波段第像 元利用式, 9 .计算得到的辐射亮度值2 ‘ “ b为第b波 段LM N O P图像中第“像元的辐射亮度观测值2 a 为波段数3 _ “ ‘ “越小/ 个体的适应性越强/被选中的 概率高/适应度低的可能被淘汰2由于本次研究是 最小化问题/常用的轮盘赌算法只适用于最大化问 题/所以采用锦标赛选择法根据其适应性大小进行 选择/达到优胜劣汰的目的/这一步不产生新的个 体2第三步/染色体分别以给定的杂交概率和变异 概率进行杂交和变异/以产生新的个体2重复执行 第二步和第三步的操作/直到得到稳定解为止/即 每次反演得到的组分温度变化很小/或通过设置最 大遗传代数来终止迭代3 遗传算法的有效性主要依赖于以下几个因素1 群体规模, c d e 8 “ f g . 4迭代次数, ah i j g k . 4杂交概率 , cl. 和变异概率, c J. 3 对这四个因素取不同值/将 会有不同的反演结果3需通过多次试验/选择它们 的最佳组合3表0为固定杂交概率, c lE 3 Q . 和变 异概率, c JE 3 E 0 . 值/不同群体规模, c d e 8 “ f g .和 迭代次数, ah i j g k .反演结果的对照表3表中可见/ 随着群体规模和迭代次数的增加其反演结果趋于 稳定/一般选择较大数目的初始种群可以同时处理 IEB 中国矿业大学学报第9 9卷 万方数据 更多的解因而容易找到全局最优解但群体规模 太大会增加每代迭代计算时间而且不能得到较高 的搜索效率经过多次试验当群体规模为“ 最 大迭代次数为 ;1 ’ 2 A B C D E F G H E I J K L GI E J M D N J O K N PQ K R R E I E G N S L S M D B N K L GJ K T EB G QB U K M K N E I B N K H EN K E J ; ;1 ’ 2 * , - . / 0 34 5 6 0 7 1 ‘ a b c d e 1f g hi j k e l 1m 2 A B C D E_ F G H E I J K L GI E J M D N J O K N PQ K R R E I E G N 0 2 3 7 指标草土壤沙地水体 反演值 A A 8 A 8 B 8 9 C *D E7F / G . 1 “ H 6 1 * 1 I . G 1 2 J I . - A K. * 2 / K I 6 / . - L 4 M / 1 - . 1 N . * 6 I * 2 A O M , 1 - 1 4J 1 - O 1 M / 4 J , 1 “ 7 ; 8 A R . O\Y7] O]3 7 L 1 *RU ’ L 1 3 1 - . 1 N I / M R * 2 5 O M , 1 ’ 1 4J 1 - O 1 * 2 8 ; 肖青机载遥感数据的定量化研究 F 北京中 国科学院7 P Q Q P 8 刘振华7赵英时 E_ F 5图像大气校正中E_ F ’ A 3 H‘与 5模型的应用研究 “ 遥感学报7 P Q Q P 7 P 8 Z A P P P R . ODY7D L /a5 HJ J I . , - . / */ M E_ F ’ 3 H‘ * 2 88 第期宋小宁等基于E_ F 5数据的组分温度反演研究 万方数据