基于多层感知器网络的FTIR高光谱数据温度和发射率光谱同步反演

文章以土壤为例,首先指出了典型的温度反射率分离算法由高光谱FTIR数据反演温度和发射率的局限; 当地物出射能量的真值和地物真实温度对应的黑体辐射在数值上的差别与仪器的噪声等效光谱辐射亮度在相同的数量级上时,产生奇异发射率的概率很大, 野外测量时这种现象在714和1 250 cm-1附近经常发生。针对这个局限,构建了一个三层的感知器(MLP)网络,利用ASTER光谱库中的土壤发射率光谱生成训练样本,MODIS光谱库中的土壤发射率光谱生成测试样本,对网络进行训练和测试,取得了比较好的结果。同时利用光谱平滑迭代算法(ISSTES)由测试样本反演土壤的温度和发射率,并与MLP方法的结果进行比较,MLP方法反演的土壤发射率精度在可接受的范围之内,略低于ISSTES算法,MLP方法的优点在于,它能够克服典型的温度发射率算法的局限,可以作为典型的温度发射率分离算法有益的补充。     

基于相关性的中红外温度与发射率分离算法

温度和发射率是耦合在一起的.在精确获得大气参数的情况下,由传感器的辐射测量反演地表的温度与发射率,仍然是一个病态问题,必须采取一定的策略进行温度与发射率的分离.因此,温度与发射率的分离是红外遥感的核心问题.文章在分析无太阳直射光影响时大气下行辐射和含有大气残留的地表发射率之间关系的基础上,提出了一个针对野外测量中红外高光谱数据的温度与发射率分离算法.该算法利用大气下行辐射和含有大气残留的地表发射率之间的相关性作为判据来优化地表温度,进而获得地表发射率.基于模拟的中红外高光谱数据,对算法的精度进行评价.结果表明,该算法能够获得较高的地表温度和发射率反演精度;具有较广的适用范围,对测量过程中大气下行辐射变化不敏感;同时算法具有一定的抗噪性.