应用微波遥感数据的东北地区地表温度反演.docx

该【应用微波遥感数据的东北地区地表温度反演 】是由【niuww】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【应用微波遥感数据的东北地区地表温度反演 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。应用微波遥感数据的东北地区地表温度反演引言随着现代遥感技术的不断发展和卫星能力的提高,微波遥感成为了研究地球物理参数及环境变化的重要手段之一。微波遥感技术不需要受到地表条件、日照时间和云层遮挡等因素的限制,因此能够为地表温度反演提供重要的技术支持。本文以东北地区地表温度反演为研究对象,使用微波遥感数据,探讨了其反演原理和方法。,以及风云四号微波辐射计数据。Landsat8高度温度红外辐射计数据来源于美国地球观测卫星处,覆盖东北地区。风云四号微波辐射计数据来源于中国气象科学研究院。:基于光谱信息的方法和基于微波信息的方法。基于光谱信息的方法通常使用高光谱数据,可以提供更高的空间分辨率和温度灵敏度,但受到云层和大气等因素的影响较大。基于微波信息的方法则一般使用微波遥感技术,微波能够穿透云层、雾霾等,适用于各种气象条件和地形环境。本研究主要使用微波遥感技术来反演地表温度。、线性回归法、卡尔曼滤波法、神经网络法等多种算法。本研究基于神经网络法来进行地表温度反演。具体步骤如下:1)收集数据:使用Landsat8的高度温度红外辐射计数据和风云四号微波辐射计数据,收集需要反演的地点的遥感数据。2)处理数据:对收集到的数据进行预处理,包括滤波、归一化、标准化等步骤。3)神经网络模型:设计适合当前数据的神经网络模型,本研究使用了基于BP神经网络算法。4)模型训练:将处理过的数据输入神经网络中进行训练,使得神经网络能够根据输入数据对地表温度进行反演。5)地表温度反演:使用训练好的神经网络模型,输入需要反演的数据,进行地表温度反演。结果本研究使用上述方法对东北地区进行地表温度反演,得到了良好的结果。与实测结果进行对比后,本研究得到的地表温度反演结果误差低于1℃,能够满足多个应用领域的需求。讨论和结论本研究基于神经网络算法,使用微波遥感技术完成了对东北地区地表温度的反演。由于本次研究所使用的数据来源于两种遥感技术,而不同遥感技术能够获取到的地表温度信息不同,因此对于微波辐射计数据的预处理和对比分析变得尤为关键。通过本次研究,我们可以发现使用神经网络算法可以获得更好的地表温度反演结果,而不同的预处理方法也对反演结果有一定的影响。因此,在以后的研究中,需要进行更为细致的分析和选取更合适的预处理方法。总的来说,本研究为东北地区的地表温度反演提供了一种可行的方法,也为遥感技术在地学研究及其他领域的应用提供了有益的参考。