极轨卫星地表温度时间可比性校正通用方法与系统与流程

1.本发明涉及遥感应用
技术领域：
：，具体而言，涉及极轨卫星地表温度时间可比性校正通用方法与系统。
背景技术：
：：2.地表温度（landsurfacetemperature，简称lst）是反映区域或全球尺度地表能量平衡和水分交换过程的重要指标。利用从卫星观测获取的热红外（thermalinfrared，简称tir）数据可以有效地反演地表温度。目前已经开发了多种成熟的地表温度反演算法，基于这些算法生成了一系列地表温度产品，例如来自中分辨率成像光谱仪（moderate-resolutionimagingspectroradiometer，缩写modis）terra和aqua平台的mod/mydlst产品。这些产品已经经过系统验证，具有约1k的精度。3.然而，由于卫星观测系统本身的设计特点和极轨卫星传感器的大视场，这些产品存在沿扫描线像元采集时间不一致的问题。在重访周期内，同一影像中不同像元或者不同日期影像中相同像元的观测时间（局地太阳时）会有显著变化（最大可达2小时的时间差）。极轨卫星地表温度像元之间这种时间不可比的缺陷，在一定程度上限制了地表温度数据在各个领域的实际应用。4.为了解决lst产品的时间不可比问题，研究人员发展了诸多算法。温度日变化(diurnaltemperaturecycle，简称dtc)模型可以用于描述一天内昼夜晴空地表温度的时间变化模式。目前，已有研究将dtc模型用于地表温度数据的时间可比性校正，如处理带有轨道漂移效应的美国国家海洋和大气管理局（noaa）甚高分辨率扫描辐射计（advancedveryhighresolutionradiometer，简称avhrr）lst数据。但是，dtc模型仅适用于全天晴空的条件，且通常情况下极轨卫星在一天内获取的lst测量数据有限，无法单独使用dtc模型模拟lst日变化周期模式。为了解决这些问题，研究人员构建了一种专门用于上午过境时段10:00-12:00的地表温度时间归一化经验模型，此外还发展了考虑累积太阳入射辐射对地表温度影响的随机森林算法。尽管这些方法较好地实现了地表温度的时间归一化，但主要针对卫星上午过境时段的lst产品。与一天内上午时段地表温度相比，下午时段的地表温度受到更多和更长时间的多重因素影响，其变化特征更加复杂，因此对其进行时间可比性校正更加具有挑战性。5.目前，针对极轨卫星下午过境时段或者能够适用于全天白天各个时段的时间可比性校正算法研究还很少，需要开发一种新的通用的极轨卫星地表温度时间可比性校正方法。技术实现要素：6.为了解决上述技术问题，本发明提供极轨卫星地表温度时间可比性校正通用方法与系统。7.第一方面，本发明提供了极轨卫星地表温度时间可比性校正通用方法，包括：获取极轨卫星过境时段晴空状态的地表温度数据，包括观测站点与静止卫星地表温度数据；分析极轨卫星过境时段晴空状态的所述地表温度数据的时间变化特征，构建地表温度时间变化率模型；根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集；根据所述时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建所述时间可比性校正参数的预测模型；对所述预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；获取极轨卫星数据实际的观测区域和时间，根据训练后的所述时间可比性校正参数预测模型，确定极轨卫星地表温度的实际时间可比性校正参数；根据所述地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及所述实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。8.第二方面，本发明提供了极轨卫星地表温度时间可比性校正通用系统，包括第一获取单元、第一构建单元、第一处理单元、第二构建单元、模型训练单元、第二处理单元与第三处理单元；所述第一获取单元，用于获取晴空状态的地表温度数据，包括极轨卫星过境时段观测站点与静止卫星在晴空状态的地表温度数据；所述第一构建单元，用于分析极轨卫星过境时段晴空状态的所述地表温度数据的时间变化特征，构建地表温度时间变化率模型；所述第一处理单元，用于根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集；所述第二构建单元，根据所述时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建所述时间可比性校正参数的预测模型；所述模型训练单元，用于对所述预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；所述第二处理单元，用于获取极轨卫星数据实际的观测区域和时间，根据训练后的所述时间可比性校正参数预测模型，确定极轨卫星地表温度的实际时间可比性校正参数；所述第三处理单元，用于根据所述地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及所述实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。9.在上述技术方案的基础上，本发明还可以做如下改进。10.进一步，获取极轨卫星过境时段晴空状态的地表温度数据，包括：收集站点观测的晴空状态的长波辐射数据，基于斯蒂芬玻尔兹曼方程计算得到极轨卫星过境时段站点观测所述地表温度数据，收集静止卫星所述地表温度数据，筛选观测站点与静止卫星在极轨卫星过境时段晴空状态的所述地表温度数据。11.进一步，根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集，包括：利用基准时间前后若干个观测时间的晴空状态的所述地表温度数据，采用时间插值方法获取静止卫星在基准时刻的所述地表温度数据，根据所述地表温度时间变化率模型，拟合极轨卫星过境时段的晴空状态的静止卫星所述地表温度与观测时间的关系，得到所述时间可比性校正参数的数据集。12.进一步，所述时间可比性校正参数的数据集中所述时间可比性校正参数对应的所述有效特征变量作为所述预测模型的自变量，所述时间可比性校正参数作为所述预测模型的因变量，利用所述自变量与所述因变量构建训练数据集，对所述预测模型进行集成回归模型训练。13.进一步，所述有效特征变量包括观测日期、短波宽波段反照率、大气可降水量、太阳高度角、纬度、归一化植被指数、数字地面高程、坡度和坡向。14.进一步，极轨卫星地表温度时间可比性校正通用方法还包括采用交叉验证的方法，对所述极轨卫星时间可比性校正后的地表温度进行验证，包括：通过时间插值方法计算具有统一局地太阳时的静止卫星的所述地表温度数据，作为用于交叉验证的基准数据；对所述基准数据进行重采样和重投影预处理；基于卫星观测角度约束条件，对预处理后用于对比分析的像元对进行筛选；针对不同时间差范围，利用筛选后的所述像元对针对所述极轨卫星时间可比性校正后的所述地表温度进行交叉验证分析。15.本发明的有益效果是：（1）本发明提出的极轨卫星地表温度时间可比性校正算法属于通用方法，适用于所有上午和下午晴空状态极轨卫星过境时段；（2）本发明提出的极轨卫星地表温度时间变化率通用算法不需要过多的输入参数，简单易行；（3）本发明提出的时间变化率模型能够准确地捕捉极轨卫星过境时段晴空地表温度随时间的变化特征，该模型具有较高的模拟精度；（4）本发明提出的流程应用过程中不需要考虑除极轨卫星过境时段外的天气情况，适用范围较广；（5）本发明提出的时间可比性校正参数预测模型建立过程中所应用的训练数据集和预测数据集空间分辨率相近，尽可能降低了尺度效应对结果的影响；（6）本发明能够有效缓解不同地表覆盖和不同季节下地表温度时间效应，获取时间可比性校正的晴空地表温度数据产品。附图说明16.图1为本发明实施例1提供的极轨卫星地表温度时间可比性校正通用方法的原理图；图2为7个站点地表温度时间变化率分布图；图3为4个观测日期时间可比性校正前后modis地表温度与时间插值后具有统一局地太阳时的goes-r16静止卫星地表温度散点图；图4为日期序列为2020009、2020114、2020274以及2020297的情况下校正前地表温度差值和校正后地表温度差值的分布直方图；图5为不同植被类型时间可比性校正后地表温度和原始地表温度验证结果统计指标，图5（a）为地表温度均方根误差，图5（b）为地表温度偏差；图6为本发明实施例2提供的极轨卫星地表温度时间可比性校正通用系统的原理图。具体实施方式17.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示例的本发明实施例的组件可以以各种不同的配置来布置和设计。18.实施例1作为一个实施例，如附图1所示，为解决上述技术问题，本实施例提供极轨卫星地表温度时间可比性校正通用方法，包括：获取极轨卫星过境时段晴空状态的地表温度数据，包括观测站点与静止卫星地表温度数据；分析极轨卫星过境时段晴空状态的地表温度数据的时间变化特征，构建地表温度时间变化率模型；根据晴空状态的静止卫星地表温度数据与地表温度时间变化率模型，得到时间可比性校正参数的数据集；根据时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建时间可比性校正参数的预测模型；对预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；获取极轨卫星数据实际的观测区域和时间，根据训练后的时间可比性校正参数预测模型，预测极轨卫星实际时间可比性校正参数；根据地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。19.可选的，获取极轨卫星过境时段晴空状态的地表温度数据，包括：收集站点观测的长波辐射数据，基于斯蒂芬玻尔兹曼方程计算得到观测站点的地表温度数据，收集静止卫星的地表温度数据，筛选观测站点和静止卫星在极轨卫星过境时段晴空状态的地表温度数据，具体过程如下：1）获取站点观测的地表温度数据：在实际应用过程中，收集站点长波辐射数据，基于斯蒂芬玻尔兹曼方程计算站点高时间分辨率(3分钟)地表温度：；其中，为卫星观测时间大气上行长波辐射(3–50)，单位：w·m-2，为卫星观测时间大气下行长波辐射(3-50)，单位：w·m-2，σ代表斯蒂芬玻尔兹曼常数(，σ代表斯蒂芬玻尔兹曼常数()，代表宽波段发射率，设为0.97，lst就是计算的站点地表温度；2）获取goes-r16静止卫星的高时间分辨率(5分钟或1小时)lst产品数据集；3）晴空状态地表温度数据筛选：由于时间可比性校正只适用于观测时间内晴空状态的地表温度数据，因此需要对所述地表温度数据进行筛选，以确保使用的数据为无云干扰的。通过模拟地表温度与极轨过境期间相应观测时间的非线性关系，对晴空地表温度进行初步筛选。在极轨卫星过境时段，如上午星过境时段9:00-12:00或下午星过境时段12:00-15:00，晴空状态地表温度与时间的关系可以通过二次曲线来模拟。因此，利用二次系数小于0和皮尔森相关系数r大于0.95的约束条件筛选极轨卫星过境时段的晴空状态的地表温度数据集。20.根据筛选的站点和静止卫星晴空地表温度数据，进一步地分析晴空状态的地表温度在极轨卫星过境时段的时间变化特征，构建地表温度时间变化率模型，具体过程如下：为了表征地表温度随时间的变化特征，并建立模型来开展地表温度的时间可比性校正,引入两个关键变量,第一个变量是地表温度时间变化率，用于表示地表温度变化的幅度;第二个变量是时间差，即极轨卫星实际观测时间和基准时间的差值，用于表示时间的变化。这两个变量可以进一步表示为：；；其中，表示时间可比性校正前的极轨卫星各像元实际观测时间，表示时间可比性校正的基准时间。基准时间是当地太阳时的一个常数，如上午可设置为10:30，下午可设置为13:30。为极轨卫星在实际观测时间的地表温度，表示极轨卫星在基准时刻的地表温度，即时间可比性校正后的地表温度。21.进一步基于晴空状态的地表温度数据，分析地表温度时间变化率随时间差的变化特征开展建模，本发明以下午过境时段为例，设定用于时间可比性校正的基准时间为13:30(局地太阳时)，基准时间的前后1.5小时为极轨卫星下午观测时段进行统计分析。通过观测时间前后2-4观测值采用时间插值算法计算基准时地表温度，结合极轨卫星时间观测地表温度计算地表温度时间变化率，并分析地表温度时间变化率与时间差的变化关系。如附图2所示7个站点地表温度时间变化率分布图，横轴为时间差，时间差为极轨卫星观测时间减去基准时间13:30的差值，单位为：h，纵轴为扩大1000倍的地表温度时间变化率，单位：%。设y为模拟的地表温度时间变化率，x为时间差，r为皮尔森相关系数，rmse（rootmeansquareerror,均方根误差）为均方根误差，rmse单位：k，mae为平均绝对误差(meanabsoluteerror，简称mae)，mae单位：k。图2（a）为第一个站点，，rmse=0.491，mae=0.400，r=0.990；图2（b）为第二个站点，，rmse=0.414，mae=0.315，r=0.995；图2（c）为第三个站点，，rmse=0.647，mae=0.468，r=0.980；图2（d）为第四个站点，，rmse=0.550，mae=0.428，r=0.994；图2（e）为第五个站点，，rmse=0.502，mae=0.385，r=0.963；图2（f）为第六个站点，，rmse=0.832，mae=0.613，r=0.977；图2（g）为第七个站点，，rmse=0.552，mae=0.432，r=0.988。22.根据晴空地表温度时间变化率随时间差的模拟结果可知，在极轨卫星过境时段地表温度时间变化率随时间差的变化呈现二次曲线状，因此，地表温度时间变化率的经验模型可表示为：；其中，和表示经验模型的参数。当时间差为0时，地表温度变化值和地表温度时间变化率相应的都为0。因此，该模型没有截距项。进一步，时间可比性校正后基准时的地表温度表示为：；；.根据以上模型可知，只需要得到参数和，结合时间可比性校正基准时、从极轨卫星数据中采集的实际观测时间及其实际观测的地表温度，最终就可以计算出极轨卫星时间可比性校正后的地表温度。23.可选的，根据晴空状态的静止卫星地表温度数据与地表温度时间变化率模型，得到时间可比性校正参数a和b的数据集，包括：本发明以modis下午过境时段日地表温度产品myd11a1为时间可比性校正的示例数据，使用goes-r16静止卫星数据进行时间可比性校正参数提取可以减少卫星观测数据像元尺度效应的干扰。这是因为该静止卫星数据具有高时间分辨率的观测特征，并且与示例数据modis地表温度数据（0.01°）具有相近的空间分辨率(0.02°)。24.基于所述筛选的晴空状态的静止卫星地表温度数据，利用基准时间前后若干个观测时间的晴空状态的地表温度数据，采用时间插值方法获取静止卫星在基准时刻的地表温度数据，根据地表温度时间变化率模型，拟合极轨卫星过境时段的晴空状态的静止卫星地表温度与观测时间的关系，得到时间可比性校正参数的数据集，具体过程如下：1）设定用于时间可比性校正的基准时间为13:30(局地太阳时)，基准时间的前后1.5小时为极轨卫星下午过境时段，计算极轨卫星观测时间与基准时间的时间差；2）针对所述晴空状态静止卫星数据，将瞬时观测时间(utc世界统一时间)转换为局地太阳时，利用基准时刻前后半小时内2-4个观测站点的地表温度值，采用时间插值方法获取基准时间（13:30局地太阳时）的地表温度，结合极轨卫星实际观测的地表温度计算地表温度时间变化率；3）根据上述地表温度时间变化率模型，结合地表温度时间变化率和时间差，拟合极轨卫星观测时段地表温度变化率的时间变化特征，得到时间可比性校正参数，将其作为预测模型训练数据集中的因变量。25.根据时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建时间可比性校正参数的预测模型，具体过程如下：参数对应的有效特征变量作为训练数据集中自变量。在实际应用过程中，特征筛选后，选取九个有效特征变量，包括：观测日期（thedayoftheyear，简称doy）、短波宽波段反照率（albedo）、大气可降水量（totalprecipitablewater，简称tpw）、太阳高度角（solarzenithangle，简称sza）、纬度（latitude，简称lat）、归一化植被指数（normalizeddifferencevegetationindex，简称ndvi）、数字地面高程（digitalelevationmodel，简称dem）、坡度（slope）和坡向（aspect）。针对实际的modis下午时段日地表温度数据产品myd11a1，相对应的特征变量数据从modis数据产品、goes-r数据产品和astergdem（advancedspacebornethermalemissionandreflectionradiometerglobaldigitalelevationmodel，先进星载热发射和反射辐射仪全球数字高程模型）数据中提取，作为训练数据的自变量。26.采用goes-r16近红外通道和红波段高级基线成像仪辐射数据，根据goes-r16产品定义和用户指南获取归一化植被指数ndvi数据。需要注意的是，这些计算得到的ndvi数据瞬时值，一天内会随着观测时间变化而变化，而训练需要逐日归一化植被指数ndvi值，因此，采用正午时间窗口平均方法从上午10:00到下午2:00的4小时时间窗口内最大值合成逐日ndvi值。此外，选用goes-r系列地球观测卫星高级基线成像仪地表反照率二级产品获取高频观测值的平均值，在上述4小时时间窗口内合成逐日的短波宽波段反照率albedo。27.利用goes-r系列地球观测卫星高级基线成像仪二级大气可降水量产品，在基准时刻通过对邻近观测进行时间插值来获取大气可降水量tpw变量。使用30米空间分辨率的aster（advancedspacebornethermalemissionandreflectionradiometer，先进星载热辐射和反射辐射计）数字高程模型提取数字地面高程dem、坡向aspect和坡度slope。采用纬度、观测日期和观测基准时间作为输入数据，根据太阳高度角变化规律计算得到太阳天顶角sza变量。doy变量可以从所获取的原始数据集中采集。28.在实际应用过程中，通过构建时间可比性校正参数与有效特征变量的关系，建立时间可比性校正参数预测模型。29.可选的，时间可比性校正参数作为因变量，时间可比性校正参数对应的有效特征变量作为自变量，利用自变量与因变量构建训练数据集，对预测模型进行集成回归模型训练。选用gbrt（gradientboostregressiontree，渐进梯度回归树）作为集成回归训练模型。利用训练数据集对预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型，具体过程如下：1）调整gbrt模型参数，设置如下：决策树的数量为500，决策树的最大深度为4，叶节点最小样本数为5，学习率为0.01，所应用的损失函数为平均值间平方差；2）在训练过程中，选择80%的数据集作为训练数据集，20%作为测试数据集。训练后，建立参数a和参数b的预测模型，输出预测的极轨卫星实际的可比性校正参数；3）利用不纯度减少指数(meandecreaseimpurity，简称mdi)的百分比值来评价所应用特征变量的重要性，确定静止卫星训练数据集中特征变量对时间可比性校正参数的影响。不纯度减少指数作为一种在树模型中常用的高效稳定的方法，能够衡量变量的重要性。参数a和参数b的预测模型特征重要性百分比统计值如下表所示：上表反映了不同特征变量对模型参数的影响程度，分析表明不同特征变量对模型预测结果的影响程度存在差异。对于参数a，数字地面高程dem和观测日期doy是最为重要的特征变量。而对于参数b，大气可降水量tpw是最重要的特征变量，其次才是数字地面高程dem和观测日期doy变量。此外，太阳高度角sza对于两个参数都具有重要的影响，而坡度slope和归一化植被指数ndvi的重要性比率相对较低。同时，纬度lat和短波宽波段反照率albedo的重要性对于参数a和参数b也存在显著区别。30.获取极轨卫星数据实际的观测区域和时间，根据训练后的时间可比性校正参数预测模型，确定极轨卫星地表温度实际时间可比性校正参数，具体过程如下：1)针对实际的modis下午时段的日地表温度数据myd11a1，从modis数据产品、goes-r数据产品和所述数字高程模型数据产品获取9个有效特征变量的对应值，其中采用modis植被指数产品（500米分辨率）提取归一化植被指数ndvi，应用modis500米空间分辨率的双向反射分布函数和反照率模型参数数据产品提取短波宽波段反照率albedo，其他变量参考训练数据集中的有效特征变量的获取方法，将上述提取的9个特征变量组合起来，即生成预测数据集；2）为了与modis地表温度数据一致，预测数据集所有数据重投影至wgs84投影系统，重采样至0.01°；3）结合时间可比性校正参数预测模型，输入预测数据集，计算出modis地表温度数据的实际时间可比性校正参数。31.根据地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及极轨卫星实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。32.可选的，极轨卫星地表温度时间可比性校正通用方法还包括采用交叉验证的方法，对极轨卫星时间可比性校正后的地表温度进行验证，包括：通过时间插值方法计算具有统一局地太阳时的静止卫星的地表温度数据，作为用于交叉验证的基准数据；对基准数据进行重采样和重投影预处理；基于卫星观测角度约束条件，对预处理后用于对比分析的像元对进行筛选；针对不同时间差范围，利用筛选后的像元对针对极轨卫星时间可比性校正后的地表温度进行交叉验证分析。33.在实际应用过程中，验证的具体的过程为：（1）基于所筛选的极轨卫星过境时段晴空静止卫星地表温度数据，获取基准时（局地太阳时13:30）时间一致的静止卫星地表温度，作为交叉验证的基准数据；（2）为了可以最大程度地筛选极轨卫星下午观测时间内的晴空状态的地表温度数据，尽可能地降低modis观测像元角度效应的干扰，采用观测角度vza差异小于15°且最大观测角度vza小于50°的约束条件。此外，去除地表温度差异大于10k的goes-r16和modis的像元对，对极轨卫星和goes-r16的像元对进行筛选，以降低不相关因素的影响，实现更有效验证；（3）对比验证过程相关系数r²、均方根误差rmse、标准差std（standarddeviation，简称std）和偏差值bias共四个指标进行定量评价分析；（4）在不同季节的4天(一年中的第009天、第114天、第274天和第297天)完成定量指标分析，所统计的像元观测时与基准时的时间差在0.5h-1.0h；（5）此外，在全年每个月选择3天共36天的地表温度数据，统计分析不同土地覆盖类型下的可比性校正结果。总体而言，在不同土地覆盖类型上，可比性校正后结果的精度均得到了较大程度的提高。34.可选的，根据上述训练数据集的自变量，准备对应的modis数据中时间可比性校正的预测模型的因变量，所有数据都重新投影到wgs84坐标系(worldgeodeticsystem,1984世界大地坐标系)并重采样至0.01°，将训练数据集的自变量输入预测模型中，获取modis极轨卫星地表温度时间可比性校正参数。通过对预测模型利用集成回归模型进行训练，得到时间可比性校正参数预测模型。35.通过时间插值算法计算具有统一局地太阳时的静止卫星地表温度数据，作为用于交叉验证的基准数据；对基准数据进行重采样和重投影预处理；基于卫星观测角度约束条件，对用于对比分析的像元对进行筛选；针对不同时间差范围，对不同日期极轨卫星时间可比性校正后的地表温度与静止卫星地表温度数据进行交叉验证分析。36.具体的，在实际应用过程中，为了验证时间可比性校正后的地表温度数据，将时间可比性校正后的地表温度与goes-r16静止卫星地表温度数据进行对比分析，使用2020年1月至2020年12月的goes-r16静止卫星地表温度数据（空间分辨率为0.02°，时间分辨率为5分钟或1小时）。37.交叉验证分析过程如下：（1）通过时间插值算法获取具有统一观测时间（基准时13:30局地太阳时）的goes-r16静止卫星地表温度数据，作为交叉验证的基准数据；（2）为了最大限度地减少modis数据和goes-r16地表温度数据因角度效应而产生的差异，使用了观测天顶角vza（viewingzenithangle，简称vza）角度差小于15°且vza角均小于50°的像元对，使用双线性方法将时间可比性校正的modis地表温度数据从0.01°聚合至0.02°，使其分辨率保持一致；（3）与goes-r16静止卫星地表温度进行交叉验证。如附图3所示4个观测日期时间可比性校正前后modis地表温度与时间插值后具有统一局地太阳时的goes-r16静止卫星地表温度散点图，所示日期序列为2020009、2020114、2020274与2020297，附图3中p1-p4，横坐标为原始modis地表温度(单位：k)，纵坐标为时间一致的静止卫星地表温度（单位：k），附图3中h1-h4，横坐标为可比性校正后地表温度(单位：k)，纵坐标为goes-r16静止卫星地表温度（单位：k），时间差范围是0.5-1.0小时。设样点数为n。附图3的h1中，n=733，rmse=2.33，bias=-2.08，r²=0.90；附图3的p1中，n=733，rmse=1.22，bias=-0.69，r²=0.91；附图3的h2中，n=1893，rmse=3.58，bias=-3.47，r²=0.94；附图3的p2中，n=1893，rmse=2.02，bias=-1.81，r²=0.94；附图3的h3中，n=1369，rmse=2.31，bias=-2.12，r²=0.83；附图3的p3中，n=1369，rmse=0.95，bias=-0.32，r²=0.84；附图3的h4中，n=929，rmse=2.69，bias=-2.02，r²=0.70；附图3的p4中，n=929，rmse=1.95，bias=0.72，r²=0.68。38.（4）如附图4所示日期序列为2020009、2020114、2020274以及2020297的情况下，校正前地表温度差值(校正前地表温度减去时间一致的goes-r16静止卫星地表温度，单位：k)和校正后地表温度差值（校正后地表温度减去时间一致的静止卫星goes-r16地表温度，单位：k）的分布直方图，时间差范围是0.5-1.0小时；纵坐标为频率（单位：%，每个柱值出现的频次占总频次的百分比），mean为平均值，stdev为方差；日期序列为2020009，校正前地表温度差值平均值mean=-2.08，校正前地表温度差值方差stdev=1.03，校正后地表温度差值平均值mean=-0.69，校正后地表温度差值方差stdev=1.01；日期序列为2020114，校正前地表温度差值平均值mean=-3.47，校正前地表温度差值方差stdev=0.86，校正后地表温度差值平均值mean=-1.81，校正后地表温度差值方差stdev=0.89；日期序列为2020297，校正前地表温度差值平均值mean=-2.12，校正前地表温度差值方差stdev=0.91，校正后地表温度差值平均值mean=-0.32，校正后地表温度差值方差stdev=0.88；日期序列为2020297，校正前地表温度差值平均值mean=-2.02，校正前地表温度差值方差stdev=1.77，校正后地表温度差值平均值mean=0.72，校正后地表温度差值方差stdev=1.81。39.（5）如附图5所示，不同植被类型时间可比性校正后地表温度和原始地表温度验证结果统计指标，图5（a）为地表温度均方根误差rmse，图5（b）为地表温度偏差bias，时间差值范围0.5-1.0小时。植被类型：1为常绿针叶林；2为常绿阔叶林；3为落叶针叶林；4为落叶阔叶林；5为混交林；6为封闭灌木林；7为开放灌木林；8为多树草原；9为稀树草原；10为草地；11为永久湿地；12为农田；13为城镇和建筑体；14为农田与自然植被混合体；15为冰或雪；16为裸地或低植被覆盖区。40.通过与时间插值后时间一致的goes-r16静止卫星数据集交叉验证，可以发现时间可比性校正后比校正前极轨卫星地表温度数据与时间一致的静止卫星地表温度数据一致性更强。41.本发明的有益效果是：（1）本发明提出的流程属于通用算法，适用于所有上午和下午晴空状态极轨卫星过境时段，如9:00-12:00或12:00-15:00；（2）本发明提出的极轨卫星地表温度时间变化率通用算法不需要过多的输入参数，模型简单易行；（3）本发明提出的时间变化率模型能够准确地捕捉极轨卫星过境时段晴空地表温度随时间的变化特征，该模型具有较高的模拟精度；（4）本发明提出的流程在应用过程中不需要考虑除极轨卫星过境时段外的天气情况，适用范围较广；（5）本发明提出的时间可比性校正参数预测模型在建立过程中所应用的训练数据集和预测数据集空间分辨率相近，尽可能降低了尺度效应对结果的影响；（6）本发明能够有效缓解不同地表覆盖和不同季节下地表温度时间效应，获取时间可比性校正的晴空地表温度数据产品。42.实施例2基于与本发明的实施例1中所示的方法相同的原理，如附图6所示，本发明的实施例中还提供了极轨卫星地表温度时间可比性校正通用系统，包括第一获取单元、第一构建单元、第一处理单元、第二构建单元、模型训练单元、第二处理单元与第三处理单元；第一获取单元，用于获取极轨卫星过境时段晴空状态的地表温度数据，包括观测站点与静止卫星地表温度数据；第一构建单元，用于分析极轨卫星过境时段晴空状态的地表温度数据的时间变化特征，构建地表温度时间变化率模型；第一处理单元，用于根据晴空状态的静止卫星地表温度数据与地表温度时间变化率模型，得到时间可比性校正参数的数据集；第二构建单元，用于根据时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建时间可比性校正参数的预测模型；模型训练单元，用于对预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；第二处理单元，用于获取极轨卫星数据实际的观测区域和时间，根据训练后的时间可比性校正参数预测模型，确定极轨卫星地表温度的实际时间可比性校正参数；第三处理单元，用于根据地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。43.可选的，获取极轨卫星过境时段晴空状态的地表温度数据，包括：收集观测站点观测的晴空状态的长波辐射数据，基于斯蒂芬玻尔兹曼方程计算得到观测站点地表温度数据，收集静止卫星的地表温度数据，筛选站点和静止卫星在极轨卫星过境时段晴空状态的地表温度数据。44.可选的，根据晴空状态的静止卫星地表温度数据与地表温度时间变化率模型，得到时间可比性校正参数的数据集，包括：利用基准时间前后若干个观测时间的晴空状态的地表温度数据，采用时间插值方法获取静止卫星在基准时刻的地表温度数据，根据地表温度时间变化率模型，拟合极轨卫星过境时段晴空状态的静止卫星地表温度与观测时间的关系，得到若干个时间可比性校正参数的数据集。45.可选的，时间可比性校正参数的数据集中时间可比性校正参数对应的有效特征变量作为预测模型的自变量，时间可比性校正参数作为预测模型的因变量，利用自变量与因变量构建训练数据集，对预测模型进行集成回归模型训练。46.可选的，有效特征变量包括观测日期、短波宽波段反照率、大气可降水量、太阳高度角、纬度、归一化植被指数、数字地面高程、坡度和坡向。47.可选的，极轨卫星地表温度时间可比性校正通用系统还包括交叉验证单元，用于采用交叉验证的方法，对极轨卫星时间可比性校正后的地表温度进行验证。采用交叉验证的方法包括：通过时间插值方法计算具有统一局地太阳时的静止卫星的地表温度数据，作为用于交叉验证的基准数据；对基准数据进行重采样和重投影预处理；基于卫星观测角度约束条件，对预处理后用于对比分析的像元对进行筛选；针对不同时间差范围，利用筛选后的像元对针对极轨卫星时间可比性校正后的地表温度进行交叉验证分析。48.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12当前第1页12
技术特征：
1.极轨卫星地表温度时间可比性校正通用方法，其特征在于，包括：获取极轨卫星过境时段晴空状态的地表温度数据，包括观测站点与静止卫星地表温度数据；分析极轨卫星过境时段晴空状态的所述地表温度数据的时间变化特征，构建地表温度时间变化率模型；根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集；根据所述时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建所述时间可比性校正参数的预测模型；对所述预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；获取极轨卫星数据实际的观测区域和时间，根据训练后的所述时间可比性校正参数预测模型，确定极轨卫星地表温度的实际时间可比性校正参数；根据所述地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及所述实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。2.根据权利要求1所述极轨卫星地表温度时间可比性校正通用方法，其特征在于，获取极轨卫星过境时段晴空状态的地表温度数据，包括：收集站点观测的长波辐射数据，基于斯蒂芬玻尔兹曼方程计算得到观测站点所述地表温度数据，收集静止卫星的所述地表温度数据，筛选观测站点与静止卫星在极轨卫星过境时段晴空状态的所述地表温度数据。3.根据权利要求1所述极轨卫星地表温度时间可比性校正通用方法，其特征在于，根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集，包括：利用基准时间前后若干个观测时间的晴空状态的所述地表温度数据，采用时间插值方法获取静止卫星在基准时刻的所述地表温度数据，根据所述地表温度时间变化率模型，拟合极轨卫星过境时段的晴空状态的静止卫星所述地表温度与观测时间的关系，得到所述时间可比性校正参数的数据集。4.根据权利要求1所述极轨卫星地表温度时间可比性校正通用方法，其特征在于，所述时间可比性校正参数的数据集中所述时间可比性校正参数对应的所述有效特征变量作为所述预测模型的自变量，所述时间可比性校正参数作为所述预测模型的因变量，利用所述自变量与所述因变量构建训练数据集，对所述预测模型进行集成回归模型训练。5.根据权利要求4所述极轨卫星地表温度时间可比性校正通用方法，其特征在于，所述有效特征变量包括观测日期、短波宽波段反照率、大气可降水量、太阳高度角、纬度、归一化植被指数、数字地面高程、坡度和坡向。6.根据权利要求1所述极轨卫星地表温度时间可比性校正通用方法，其特征在于，还包括采用交叉验证的方法，对所述极轨卫星时间可比性校正后的地表温度进行验证，包括：通过时间插值方法计算具有统一局地太阳时的静止卫星的所述地表温度数据，作为用于交叉验证的基准数据；对所述基准数据进行重采样和重投影预处理；基于卫星观测角度约束条件，对预处理后用于对比分析的像元对进行筛选；
针对不同时间差范围，利用筛选后的所述像元对针对所述极轨卫星时间可比性校正后的所述地表温度进行交叉验证分析。7.极轨卫星地表温度时间可比性校正通用系统，其特征在于，包括第一获取单元、第一构建单元、第一处理单元、第二构建单元、模型训练单元、第二处理单元与第三处理单元；所述第一获取单元，用于获取极轨卫星过境时段晴空状态的地表温度数据，包括观测站点与静止卫星地表温度数据；所述第一构建单元，用于分析极轨卫星过境时段晴空状态的所述地表温度数据的时间变化特征，构建地表温度时间变化率模型；所述第一处理单元，用于根据晴空状态的静止卫星地表温度数据与所述地表温度时间变化率模型，得到时间可比性校正参数的数据集；所述第二构建单元，用于根据所述时间可比性校正参数的数据集获取对应的有效特征变量数据集，构建所述时间可比性校正参数的预测模型；所述模型训练单元，用于对所述预测模型进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；所述第二处理单元，用于获取极轨卫星数据实际的观测区域和时间，根据训练后的所述时间可比性校正参数预测模型，确定极轨卫星地表温度的实际时间可比性校正参数；所述第三处理单元，用于根据所述地表温度时间变化率模型、极轨卫星实际观测的地表温度、极轨卫星实际观测时间及所述实际时间可比性校正参数，确定极轨卫星时间可比性校正后的地表温度。

技术总结
本发明属于遥感应用技术领域，涉及极轨卫星地表温度时间可比性校正通用方法与系统。该方法包括：获取极轨卫星过境时段晴空状态地表温度数据；分析极轨卫星过境时段晴空状态地表温度的时间变化特征，构建地表温度时间变化率模型；获取模型时间可比性校正参数数据集；获取对应的有效特征变量数据集，构建时间可比性校正参数的预测模型；进行集成回归模型训练，得到训练后的时间可比性校正参数预测模型；确定极轨卫星实际时间可比性校正参数；确定极轨卫星时间可比性校正后的地表温度。本发明通过地表温度时间变化率模型及时间可比性校正参数预测模型，提高了极轨卫星地表温度时间可比性校正精度和适用性。性校正精度和适用性。性校正精度和适用性。


技术研发人员：独文惠 李召良 姚娜 覃志豪 范锦龙
受保护的技术使用者：农业农村部规划设计研究院
技术研发日：2023.07.20
技术公布日：2023/8/21