| 毛克彪,马莹,夏浪,沈心一.用MODIS数据反演近地表空气温度的RM-NN算法[J].高技术通讯(中文),2013,23(5):462~466 |
| 用MODIS数据反演近地表空气温度的RM-NN算法 |
|
| |
| DOI： |
| 中文关键词: 热红外遥感, 神经网络（NN）, MODTRAN, 中分辨率成像光谱仪(MODIS), 近地表空气温度 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 毛克彪 | 中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站/农业部农业信息技术重点实验室
陕西师范大学国土资源研究中心 | | 马莹 | 中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站/农业部农业信息技术重点实验室 | | 夏浪 | 中国农业科学院农业资源与农业区划研究所/呼伦贝尔草原生态系统国家野外科学观测研究站/农业部农业信息技术重点实验室 | | 沈心一 | 俄克拉荷马大学俄克拉荷马水文气象学与遥感实验室诺曼 |
|
| 摘要点击次数: 3383 |
| 全文下载次数: 2312 |
| 中文摘要: |
| 基于辐射传输模型(RM)和动态学习神经网络(NN)，成功进行了用MODIS数据反演近地表空气温度的研究，并给出了完成这种反演的RM NN算法。该算法用RM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，用动态学习神经网络来进行反演计算。反演分析结果表明，近地表空气温度不能直接精确地用MODIS数据反演计算得到，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0.8K 和0.9K，如果考虑地表温度和发射率的误差，平均误差和标准偏差分别为1.5K和1.8K。 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算法能够用MODIS数据比较精确地反演近地表空气温度。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
