从MODIS数据中反演近地表空气温度算法的研究.pdfVIP

中国农学会高新技术农业应用专业委员会2009年学术研讨会论文集 从MODIS数据中反演近地表空气温度算法研究 毛克彪L2,4，张立新3，周清波1，李滋睿1，马柱国4，李丹丹1 1．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，北京100081：2．遥感科学国家重点实验事，北京，100101；3．北京师范大学地理学与遥感科学学院，北京， 100875；4．中国科学院大气物理研究所东亚区域气候一环境重点实验室，北京100029) transfer 摘要：提出利用RM(radiancemodel)模型MODTRAN4和动态学习神经网络 (neural 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O．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为 K 1．5 and1．8K。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脒一NN 能够从MODIS数据中比较精确地反演近地表空气温度。 关键词：热红外遥感，神经网络；MoDTRAN；MODIS；近地表空气温度 The of for Near-surfaceAir fromMODISData StudyAlgorithmRetrieving Temperature Mao Dan．danl Ke-bia01,2,4，ZhangLi．xin3，ZhouQing．b01，LiZi．mil，MaZhu．gu04，Li ofResourcesRemote and Grassland DigitalAgriculture，MOA，Hulunber 1．KeyLaboratory Sensing Ecosystem ObservationandResearch of Resourcesand of Station，InstituteAgricultural RegionalPlanning，ChineseAcademy ofRemote AgdculturalSciences，Beijing100081，China．2．StateKeyLaboratory SensingScience，Jointly theInstituteofRemote ofChinese ofSciencesand Normal Sponsoredby SensingApplicationsAcademy Beijing of Normal University,Beijing，100101，China；3．SchoolGeography,Beijing of Climate-EnvironmentResearchfor East of KeyLaboratoryRegional TemperateAsia(RCE-TEA)。Institute of AtmosphericPhysics。ChineseAcademySciences，Beijing，100029，China on