[发明专利]一种基于劈窗算法下的无人机红外水面测温精度校正方法

权利要求书

1.一种基于劈窗算法下的无人机红外测温精度校正方法，其特征在于，包括以下步骤：

(1)通过无人机上搭载的红外热像仪进行水域水面温度的瞬时测量；

(2)在红外热像仪镜头前加置分别加置10.5-11.3um、11.5-12.5um的红外滤光片，用以获取这两个波段下的红外辐射通道；

(3)无人机飞临目标水域，在同一高度同一飞行路径上分别用步骤(2)中两个不同的滤光片进行测温成像，获取各自通道下的温度T₁,T₂；

(4)建立劈窗算法红外测温校正模型：

T_S＝A₁·T₁+A₂·T₂

其中A₁,A₂为相关参数，T₁,T₂分别为10.5-11.3um，11.5-12.5um红外滤光片测得的温度，T_S为目标水域校正后真实温度；

(5)船只搭载走航式水质仪对相应水域进行同步实测，利用最小二乘法求解步骤(4)中的参数A₀,A₁,A₂，从而完成校正。

2.根据权利要求1所述的一种基于劈窗算法下的无人机红外测温精度校正方法，其特征在于，所述步骤(4)中建立劈窗算法红外测温校正模型的方法如下：

(4.1)建立大气辐射传输模型：

L_toa(λ₁)＝τ(λ₁)·(ε(λ₁)B(λ₁,T)+(1-ε(λ₁))L_atm↓(λ₁))+L_atm↑(λ₁)

L_toa(λ₂)＝τ(λ₂)·(ε(λ₂)B(λ₂,T)+(1-ε(λ₂))L_atm↓(λ₂))+L_atm↑(λ₂)

其中λ₁为10.5-11.3um波段的波长，λ₂为11.5-12.5um波段的波长，ε(λ₁)、ε(λ₂)分别为λ₁和λ₂波长下水面发射率，τ(λ₁)、τ(λ₂)分别为λ₁和λ₂波长下大气透过率，L_toa(λ₁)、L_toa(λ₂)分别为λ₁和λ₂波长下红外热像仪接收的辐亮度，L_atm↓(λ₁)、L_atm↓(λ₂)分别为λ₁和λ₂波长下大气向下辐射通量，L_atm↑(λ₁)、L_atm↑(λ₂)分别为λ₁和λ₂波长下大气向上辐射通量，T为温度，B(λ₁,T)、B(λ₂,T)分别为λ₁和λ₂波长、温度为T下的目标水面的辐亮度；

(4.2)建立辐亮度L到温度T的转化模型其中K₁,K₂为相关参数，通过黑体定标得出；

(4.3)建立大气辐射的温度传输模型：

T_S-T_toa＝k_λ·f(T_a(z),p_e(z))

其中T_S为目标水面温度，T_toa为红外热像仪温度，f(T_a(z),p_e(z))为大气温度和湿度廓线的泛函数，k_λ为波段λ的相关参数，T_a(z)为大气湿度函数，p_e(z)为湿度廓线函数，z为从地面到无人机的高度；

则根据两通道的独立成像消去大气温度和湿度廓线的泛函数的影响有：

进一步有：

简化公式有T_S＝A₁·T₁+A₂·T₂，即得劈窗算法下的红外测温校正模型，其中