用MODIS数据反演近地表空气温度的RM-NN算法

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.

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

所属期刊栏目：23

分类号：TP3;X16

资助基金：973计划2010CB951503;国家科技支撑计划2013BAC03B00;863计划2012AA120905

在线出版日期：2013-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：462-466