[发明专利]多通道热红外数据地表温度反演方法、装置及电子设备

权利要求书

1.多通道热红外数据地表温度反演方法，其特征在于，包括：

根据大气辐射传输方程，得到大气顶部热辐射的表达式；

根据所述大气顶部热辐射的表达式，得到地表温度的第一表达式；

根据所述地表温度的第一表达式以及两个相邻热红外通道对大气吸收不同的特性去除大气影响，将所述地表温度表示为相邻热红外通道的亮度温度与发射率的函数，将所述亮度温度转换为所述热红外通道的辐亮度，得到所述地表温度的第二表达式；

根据观测天顶角和大气水汽含量以及所述地表温度的第二表达式，得到所述地表温度的第三表达式；

根据地表发射率之间与可见光-近红外通道观测值的函数关系，代替所述地表发射率，得到所述地表温度的目标表达式；

构建深度神经网络模型，对所述地表温度的目标表达式中的各个变量进行拟合，并对所述深度神经网络模型进行模型训练；

将训练好的所述深度神经网络模型应用于目标区域多通道热红外数据的地表温度反演，得到地表温度反演结果。

2.根据权利要求1所述多通道热红外数据地表温度反演方法，其特征在于，构建深度神经网络模型，包括：

使用LSTM网络作为编码-解码器对输入向量进行编码与解码；

解码后的向量通过注意力机制赋予权重；

对赋予权重的向量进行特征提取，利用inception结构对各个所述特征进行拟合，得到所述地表温度的目标表达式的各个变量之间的关系。

3.根据权利要求1所述多通道热红外数据地表温度反演方法，其特征在于，所述深度神经网络模型包括输入层、LSTM层、Attention层、inception层、卷积层、池化层、全连接层与输出层；所述输入层为预设大小的向量；所述LSTM层包括遗忘门、输入门与输出门；所述inception层为横向卷积核排列结构；所述卷积层由卷积核和激活函数两部分组成，通过局部感知和参数共享两种策略提取局部特征；所述激活函数采用relu函数将卷积后的结果进行非线性映射；池化层采用最大池化；所述全连接层将多维的向量转换成一维；所述输出层输出所述地表温度；在所述深度神经网络模型中添加残差结构对网络不同层次之间进行跳跃连接。

4.根据权利要求1所述多通道热红外数据地表温度反演方法，其特征在于，通过大气辐射传输模拟设备模拟可见光-近红外通道以及所述热红外通道的辐亮度并生成训练集与测试集，对深度神经网络进行训练与测试，并根据测试的结果调整所述深度神经网络模型的结构。

5.根据权利要求1所述多通道热红外数据地表温度反演方法，其特征在于，得到所述地表温度反演结果后，还包括通过MODIS的温度产品对所述地表温度反演结果进行交叉验证。

6.多通道热红外数据地表温度反演装置，其特征在于，包括获取单元、第一表达式获取单元、第二表达式获取单元、第三表达式获取单元、目标表达式获取单元、模型构建单元与输入输出单元；

所述获取单元，用于根据大气辐射传输方程，得到大气顶部热辐射的表达式；

所述第一表达式获取单元，用于根据所述大气顶部热辐射的表达式，得到地表温度的第一表达式；

所述第二表达式获取单元，用于根据所述地表温度的第一表达式以及两个相邻TIR通道对大气吸收不同的特性去除大气影响，将所述地表温度表示为相邻TIR通道的亮度温度与发射率的函数，将所述亮度温度转换为所述热红外通道的辐亮度，得到所述地表温度的第二表达式；

所述第三表达式获取单元，用于根据观测天顶角和大气水汽含量以及所述地表温度的第二表达式，得到所述地表温度的第三表达式；

所述目标表达式获取单元，用于根据地表发射率之间与可见光-近红外通道观测值的函数关系，代替所述地表发射率，得到所述地表温度的目标表达式；

所述模型构建单元，用于构建深度神经网络模型，对所述地表温度的目标表达式中的各个变量进行拟合，并对所述深度神经网络模型进行模型训练；

所述输入输出单元，用于将训练好的所述深度神经网络模型应用于目标区域多通道热红外数据的地表温度反演，得到地表温度反演结果。

7.一种电子设备，其特征在于，包括:

处理器和存储器；

所述存储器，用于存储计算机操作指令；

所述处理器，用于通过调用所述计算机操作指令，执行权利要求1至5中任一项所述的方法。