从MODIS数据中反演近地表空气温度算法研究
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。
热红外遥感 神经网络 近地表空气温度 先验知识
毛克彪 张立新 周清波 李滋睿 马柱国 李丹丹
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 100081 遥感科学国家重点实验室,北京,100101 中国科学院大 北京师范大学地理学与遥感科学学院,北京,100875 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 100081 中国科学院大气物理研究所东亚区域气候-环境重点实验室,北京 100029
国内会议
海口
中文
86-92
2009-11-01（万方平台首次上网日期，不代表论文的发表时间）