基于ETM数据地表温度反演实验单通道算法操作文档

基于ETM 数据煤田火区地表温度反演的研究实验操作步骤与流程

算法：单通道算法，其公式为

Τs =γ ε?1 ψ1L sensor +ψ2 +ψ3 +δ（1）

γ=

c 2L sensor

T sensor

2 λ4

c 1

L sensor +λ?1

?1

（2）

δ=?γL sensor +T sensor （3）

L sensor =L min λ + L max λ ?L min λ Q DN Q max （4）

T sensor =

K 2

ln 1+K

1L

λ

（5） K 1=666.09 mW ?cm ?2?sr ?1?um ?1 , K 2=1282.71K

ψ1=0.1471?ω2?0.1558ω+1.1234 （6） ψ2=?1.1836?ω2?0.3761ω?0.5289（7） ψ3=?0.0455?ω2+1.8719ω?0.3907 （8）

ω=0.177e +0.339 （9）

e =0.6108?exp 17.27 Τ0

?273

237.3+Τ

0?273

?RH （10）

先来说明单通道算法公式（1）中γ，L sensor ，δ，ψ1，ψ2，ψ3等这些参数的计算过程，地表比辐射率ε的计算过程稍后在说明。

（1）对于ψ1，ψ2，ψ3的计算，只要查阅资料得知相对湿度RH ，与温度Τ0后，就可以算出大气中水蒸汽的含量ω，进而可以根据公式算出ψ1，ψ2，ψ3。 （2）对于L sensor 的计算，也就是辐射校正的过程，主要目的在于把影像中像元的灰度值转化成辐亮度L sensor ，公式（4）中的L min λ ，L max λ ，Q max 在影像头文件中可以找到，Q DN 就是所要进行校正的影像。在ENVI 中的操作如下： Basic tools → band math ,然后点开出现如下左侧对话框：

对于ETM 数据热红外波段高增益就是L sensor =3.2+9.45?Q DN 255 然后点ok 出现如下右侧对话框：

选择b1为需要校正的波段

指定输出文件夹点ok即可。

（3）辐射校正完了进行大气校正。（特别注意：对于TM/ETM数据，大气校正的波段不能包含第六波段，大气校正之前需要把辐射校正完后的数据的BSQ格式转成BIL/BIP格式，完后还需要对影像各波段的波长中心值wavelength进行编辑。）如果是单波段数据需要先进行波段叠加（layer stacking）

具体操作如下：

Basic tools→layer stacking,全部选中所有的波段，指定输出文件夹点ok即可。

完了进行格式转换，如下：

Basic tools→convert data (BSQ,BIL,BIP),选择波段叠加后的影像，

点击ok后出现：

指定输出文件夹点击ok即可。

对输入数据进行头文件编辑，主要是对波长wavelenth（即每一波段的波长中心值）和波长宽度fwhm（每一波段的波长范围）的编辑。不是高光谱数据可以不对fwhm进行编辑。（envi——file——Edit Envi Header）

完后可以进行大气校正（使用的是FLAASH）

envi→spectral→flaash,出现如下对话框：

该对话框分三部分，上面主要为输入输出文件夹的设定，中间部分包含影像中心坐标，传感器类型，卫星飞行时间，下面部分主要是大气模型与气溶胶模型的反演，对于多光谱数据可以不做光谱打磨（spectral polishing）和高级设置（advanced settings）具体不在此说明，各项参数设置完后点击apply即可。

（4）进行T sensor的计算，Basic tools→band math输入公式后如下左侧图，指定b1,如下右图，b1就是辐射定标后的波段L sensor

最后指定文件夹输出即可。

（5）计算γ，公式（2）中c1，c2，λ都是常数，再利用波段运算就可得到: Basic tools→band math,如下图左侧，指定b1与b2的波段如下右图：

其中b1为L sensor波段，b2为T sensor波段

指定输出文件夹就好。

（6）计算δ，公式（3）中涉及到的已经全部为已知量，再利用波段运算就好。Basic tools→band math，如下图左侧，指定b1,b2和b3的波段如下右图:

其中b1为L sensor波段，b2为T sensor波段

B3为γ波段，指定输出文件夹就可以得到

δ波段。

下面主要介绍地表比辐射率ε的计算过程：

在文中我们主要通过归一化植被指数阈值法(NDVI THM)来确定比辐射率ε首先计算一副影像的NDVI，计算公式如下：

NDVI=ρ4?ρ3ρ4+ρ3

（1）在此之前需要对该景ETM影像的3,4波段进行表观反射率的计算（注意：不能用辐射校正后的数据，应该使用原始数据来计算表观反射率）具体操作如下：Basic Tools→Preprocessing→Calibration Utilities→Landsat Calibration后出现如下对话框，分别选择3波段与4波段，

点击ok之后，出现下面对话框：

传感器类型，飞行时间及太阳高度角都可以在头文件中找到。如上红色椭圆处都设置好了后，点击Edit Calibration Parameters按钮，出现如下对话框：

点击ok，指定输出文件夹就完成了对3波段的表观反射率计算，4波段的操作同上。

（2）完后，运用波段运算进行NDVI的计算，如下左图，指定b1,b2波段后如下右图（b1为4波段，b2为3波段），

点击ok就可得到NDVI的影像如下：

在影像上点击右键，再点击Quick statistics,就有如下统计图：

（3）根据上图及NDVI所占的百分比，可以确定出NDVImin，NDVImax，在根据如下公式计算植被覆盖度Ρν：

Ρν=NDVI?NDVI min

max min

2

对于本文而言，NDVImin=?0.01，NDVImax=0.4，再用波段运算计算Ρν，如下左图所示，指定b1波段（b1为ndvi波段）如下右图，输出可得到Ρν波段。

（4）计算完Ρν后，可根据如下公式计算地表比辐射率ε：

ε=0.9625+0.061Ρv?0.0461Ρv2

利用波段运算计算地表比辐射率ε，如下左图，指定B1（B1就是上面的Ρν波段）后如下右图所示，输出可得到ε波段：

到此，单通道算法公式中所有的参数

都已经确定。

下面利用波段运算，按照单通道算法的公式，进行地表温度的反演：

本文中ω为0.4877，ψ1,ψ2和ψ3分别为1.0824，-0.9938，0.5114.波段运算如下图所示，

指定b1,b2,b3,b4,各个波段（b1为γ波段，b2为ε波段，b3为L sensor波段，b4为δ波段）。如下图所示

最后的地表温度反演结果图如下：

最后进行密度分割，对于不同的温度区间着色，具体操作如下：

在主影像窗口点击overlay→density slice,选择结果影像图，清除默认区间，重新设置就好，并着色，如下图：

到此，地表温度反演的所有操作已经完成。

反演实验三

《地球物理反演概论》上机实验报告实验三：迭代法求解地震层析成像问题 姓名： 学号： 专业：地球物理学 指导教师：邵广周 完成时间：2017.12.21

一、实验内容 利用ART 及SIRT 迭代算法实现下图所示的地震层析成像问题。 ???? ??????????????????????= ????????????? ? ??????????????????????????????????????? ?020******* 0000 000200020002100100100010010010001001001111000000000111000000000111987 6543 21m m m m m m m m m 二、实验要求 编制相应的程序，在计算机上实现ART 及SIRT 迭代算法。将ART 及SIRT 算法的反演结果与实验二的结果进行对比分析，比较各反演方法的优缺点。 三、算法原理 对于线性反问题Gm=d ，系统的每一行对应着一个n 维超平面，共m 个超平面。Kaczmarz 算法的基本原理是：从事先给定的初始模型(0)m 开始，通过将初始模型投影到由G 的第一行定义的超平面上得到(1)m ，然后再将(1)m 投影到由G 的第二行定义的超平面上得到(2)m ，以此类推直到将所有m 个超平面投影完毕。重复上述迭代过程，直到解成功收敛。 Kaczmarz 算法流程： 1、令(0)0m = 2、for i=0，1，…，m ，()(1) () 11111 i i i T i i i T i i G m d m m G G G ++++++-=- 3、判断解是否收敛，如不收敛，返回步骤 如果Gm=d 有唯一解，Kaczmarz 算法将收敛于该解。如果系统有多个解，算法将收敛于与初始模型(0)m 最接近的那个解。特别地，如果(0)0m = ，我们将会

(完整word版)MODIS数据反演地表温度

表1 MODIS 部分波段及其参数[14] 波段 光谱范围 信噪比 主要用途 分辨率 1 620～670nm 128 陆地、云边界 250m 2 841～876nm 201 陆地、云边界 250m 19 915～965nm 250 大气水汽 1000m 31 10.780～11.280μm 0.05 地球表面和 云顶温度 1000m 32 11.770～12.270μm 0.05 1000m 劈窗算法介绍 McMillin （1975年）最早提出了劈窗算法，最先是用于海面温度的反演，这种方法是利用2个相邻的热红外窗口大气水汽吸收特性的差异，把海面温度表达成2个热红外窗口亮度温度的线性组合。Price （1984年）最先把劈窗算法推广到陆面温度的反演，通过引入比辐射率改正项来减小因陆地表面比辐射率变化而引起的误差。Becker 从理论上证明了用分裂窗技术反演地表温度的可行性，并且第一次从理论上给出了使用分裂窗技术时大气和比辐射率对地表温度反演的影响。Becker 和Li 根据热辐射传导的地方性特征，提出了著名的局地劈窗算法，已得到了较广泛的应用。Wan 和Dozier 在Becker 和Li 的研究基础上，于1996年提出了一种广义的地表温度反演劈窗算法。Sobrino 和Becker 用Lowtran 7对不同的大气、观测角度以及地表参数进行模拟，得出了各参数的表达式。在这些表达式里，大气和比辐射率的作用是耦合在一起的。而Sobrino 等则通过某些近似把这2种作用分开了，通过对大气向下热辐射的近似解和对Planck 辐射函数的线性化。覃志豪等推导了劈窗算法，该算法仅需要2个因素来进行地表温度的演算，即大气透过率和地表比辐射率 [15][ 16] 。在众多的劈窗算法中，覃志豪等提出的算法由于需要参数少、计算简单且精 度较高，被认为是较好的算法之一。本文主要针对这一算法进行介绍。 覃志豪 [15] 等提出的针对MODIS 数据反演地表温度的劈窗算法使用的公式如下: 0131232Ts A AT A T =+- （1） 其中：Ts 是地表温度，31T 、32T 分别是MODIS 第31、32通道的亮温。0A 、1A 、2A 是系数，分别定义如下： 01264.6036368.72575A E E =-+ 1110.440817A A E =++ 220.473453A A E =+

基于单窗算法反演地表温度的ENVI操作教程

单窗算法反演地表温度教程 1.1 算法原理 1.1.1 单窗算法 单窗算法(M Ｗ算法)是覃志豪于2001年提出的针对ＴM 数据只有一个热红外波段的地面温度反演算法。经过众多学者验证,单窗算法具有很高的反演精度，且同样适用于ＥTM ＋和land ｓat 8数据。公式如下: 式中,LS Ｔ为地表温度（Ｋ),T ｓｅns ｏr 是传感器上的亮度温度（K)，T a 是大气平均温度(K ）;a 、b 为参考系数，当地表温度为0-７0℃时,a = -６７.3５５351，ｂ = ０.４５860６；C 、D 为中间变量,计算公式为： 式中，为地表比辐射率,为地面到传感器的大气总透射率。 因此单窗算法反演地表温度的关键是计算得到亮度温度T senso 、地表比辐射率、大气透射率和大气平均作用温度Ｔa 。 1.1.2 参数计算 1.1. 2.1 辐射亮温计算 利用Pla ｎck 公式将图像像元对应传感器辐射强度值转换为对应的亮度温度值。公式如下 6666666666/)))1(()1((C T D T D C D C b D C a T a sensor s -++--+-- =

式中，T senso 为亮度温度值;λL 影像预处理后得到的光谱辐射值,单 位为 )/(2m sr m w μ??，K １ 、Ｋ2为常量,可由数据头文件获取。 计算图像辐射亮温之前，需采用辐射定标参数将像元灰度值DN 转换为热辐射强度值,公式如下： 式中,ＭL 为增益参数,A Ｌ为偏移参数，该参数可直接在影像通文件数据中获取，且ＥＮV Ｉ软件中已经集成,不需要自己在查找。 1.1. 2.2 地表比辐射率计算 根据覃志豪针对TM 影像提出的混合像元分解法来确定区域地表福辐射率。对于城市区域，我们简单的将其分为水体、自然表面和建筑表面三种,因此针对混合像元尺度上的地表比辐射率通过下式来估算： 式中,为混合像元的地表比辐射率；P V 为植被覆盖率；R Ｖ为植被的温度比率;R M 为建筑表面的温度比率; V 表示植被法地表比辐射率,ｍ表示建筑表面的地表比辐射率;d 表示辐射校正项。 根据覃志豪经验公式， V ＝０.986;m =0.97２。

地表温度反演实验报告

遥感原理与及应用 地表温度反演实验报告 专业：地理信息系统 班级： XXXXXXXX 姓名： XXX 学号： XXXXXX 成绩： 指导教师： XXX 2014年12月17日 一. 实验目的 1. 根据实际需要，学会在网上（如中国科学院遥

感与数字地球研究所数据共享网）下载研究区内的遥感数据； 2. 掌握在ENVI中实现简单的地表温度反演的原理与步骤。 二. 实验任务 1. 在中国科学院遥感与数字地球研究所数据共享网上订购并下载覆盖郫县的TM影像； 2. 在ENVI中实现简单的地表温度反演算法。 三. 实验数据 在中国科学院遥感与数字地球研究所数据共享网上下载的覆盖郫县地区的TM影像。

四. 实验原理 图1 TM 影像地表温度反演流程 1. 地表温度(Land Surface Temperature)反演公 式为: 2 1(1)K LST K In R ε=+， 其中，R m DN d =?+，2111607.76K W m sr m μ---=???，21260.56K K =。 2. 根据TM 辐射定标原理，热红外波段表观辐亮 度可以进一步写作: max min 6min 255L L R DN L -=?+， 其中LmaxBand6=15.303 , LminBand6=1.238。 3. 地表比辐射率ε为同温度下地表辐射能与黑体 辐射能的比率，其可以表示为: 1.0090.047(In )(0)NDVI NDVI ε=+>，

其中，4343 TM TM NDVI TM TM -=+，当0NDVI <=时(如水体)地表比辐射率取常数1。 五. 实验步骤 1. TM 数据下载 数 据查询和下载网址https://www.wendangku.net/doc/122608582.html,/query.html ，界面如图2 所示。 图2 中国科学院遥感与数字地球研究所数据共享 网址界面

一类MIMO系统的反演滑模控制方法研究与仿真

一类MIMO 系统的反演滑模控制方法研究与仿真 摘 要：针对一类具有参数不确定性及外部干扰的MIMO （多输入多输出）系统，提出了一种反演滑模控制方法进行位置跟踪控制。该控制律基于Lyaponov 定理设计，保证了系统的全局渐进稳定性，最后将此方法应用于一个2输入2输出的控制系统的设计中,仿真实例验证了该控制算法的有效性。 关键词：MIMO 系统，反演滑模控制，Lyaponov 定理 Study and Simulation of Backstepping Sliding Mode Control for MIMO system Abstract: In order to deal with the parameter uncertainties and external disturbances of MIMO system, a backstepping sliding mode control strategy is proposed. And based on L yapunov methods, the control law can guarantee that the system is asymptotically stable. Finally, the proposed method is used for a two-in and two-out system. And numerical simulations are investigated to verify the effectiveness of the proposed scheme. Key words: MIMO system, backstepping sliding mode control, Lyaponov methods 1. 引言 反演法又称反推法、反步法，其基本思想是将复杂的非线性系统分解成不超过系统阶数的子系统,然后为每一个子系统设计李雅普洛夫函数和中间虚拟控制量,一直回推到整个系统,直到完成整个控制律的设计，最终实现位置跟踪。而滑模变结构控制对系统中存在的不确定性具有极强的鲁棒性，由于滑动模态可以进行设计且与对象参数及扰动无关, 这就使得变结构控制具有快速响应、对参数变化及扰动不灵敏、无需系统在线辩识, 物理实现简单等优点。 本文通过结合滑模变结构控制和反演控制各自的优点,设计了一种针对MIMO 系统的反演滑模控制[1-6]方法。该方法将被控对象由SISO （单输入单输出）推广到MIMO 系统，一方面利用了反演控制动静态特性优良、稳定性好的特点,另一方面结合了滑模变结构控制结构简单、鲁棒性强的优势。在文中，首先运用了反演控制理论，逐步推导出其相应的控制策略,以提升系统动、静态控制精度。再引入滑模变结构控制增强控制器应对系统参数变化的能力。 2. 一类MIMO 系统模型描述 假设一类MIMO 系统的状态方程为 1222X X X AX Bu ?=?=+? （1） 其输出方程为 1Y X = （2） 其中112[,,....]T n X x x x =，2122[,,....]T n n n X x x x ++=，A 为n n ?的矩阵，B 为n n ?的矩阵，u 为n 维控制输入，12[,,....]T n Y y y y =为n 维系统输出。 考虑到系统的不确定性和外部扰动，将（1）式写成 22 222()()()=+()=+F X A A X B B u f t AX Bu AX Bu f t AX Bu =+?++?++?+?++ （3） 其中A ?，B ?为系统参数不确定性，()f t 为外加干扰，2F =()AX Bu f t ?+?+为系统的总的不确定性，且满足max F F ≤。

地表温度反演

地表温度反演

目录 一：单窗算法 (3) 1.1实验原理 (3) 1.1.1TM/ETM波段的热辐射传导方程： (3) 1.1.2化简后最终的单窗体算法模型为： (3) 1.1.3大气平均作用温度Ta的近似估计 (3) 1.1.4大气透射率t6的估计 (3) 1.1.5地表比辐射率的估计 (4) 1.1.6像元亮度温度计算 (4) 1.1.7遥感器接收的辐射强度计算 (4) 1.2操作步骤 (5) 1.2.1研究区示意图 (5) 1.3实验结果 (7) 1.3.1灰度图像 (7) 1.3.2密度分割后图像 (7) 二：单通道算法 (8) 2.1实验原理 (8) 2.1.1单通道算法模型为： (8) 2.1.2大气平均作用温度Ta的近似估计 (8) 2.1.3大气透射率t6的估计 (8) 2.1.5像元亮度温度计算 (8) 2.1.6遥感器接收的辐射强度计算 (9) 2.2操作步骤 (9) 研究区示意图 (9) 2.2.1计算L6 (10) 2.2.2T6e6的求算 (10) 2.2.3计算R (10) 2.2.4计算t (10) 2.3实验结果 (11) 2.3.1温度反演灰度图像 (11) 2.3.2密度分割后的图像 (11) 三：辐射方程 (12) 3.1实验过程 (12) 3.1.1数据准备 (12) 3.1.2地表比辐射率的估计 (12) 3.1.3计算同温度下黑体的辐射亮度值 (12) 3.1.4反演地表温度 (13) 3.2温度反演结果 (13)

一：单窗算法 1.1实验原理 1.1.1TM/ETM波段的热辐射传导方程： B6(T6)=t6(q)[ ε6B6(Ts)+(1-ε6)I6~]+I6_ Ts是地表温度； T6是TM6的亮度温度； t6是大气透射率； ε6是地表辐射率。 B6(T6)表示TM6遥感器所接收到的热辐射强度； B6(Ts)是地表在TM6波段区间内的实际热辐射强度，直接决取于地表温度； I6~和I6_分别是大气在TM6波段区间内的向上和向下热辐射强度。 1.1.2化简后最终的单窗体算法模型计算Ts（地表温度）： Ts={a(1-C-D)+[b(1-C-D)+C+D]T6-DTa}/C 式中 C6=τ6ε6(ε6为比辐射率，τ6为透射率） D6=(1-τ6)[1+t6(1-ε6)] a =-67.355351，b=0.458606 1.1.3大气平均作用温度Ta的近似估计 温度换算：T＝t＋273.15 本图为9月份拍摄，对于中纬度夏季平均大气Ta=16.0110+0.92621T0 取平均气温为25摄氏度时Ta = 312.15753 1.1.4大气透射率τ6的估计 τ6=0.974290-0.08007w，0.4≤w≤1.6。 w为水分含量，单位(g/cm2)，这里，取w=1.0，计算得到τ6=0.89422

长江口水体表层泥沙浓度的遥感反演与分析

长江口水体表层泥沙浓度的遥感反演与分析 【摘要】：水体悬浮泥沙浓度监测在海岸带环境管理中有重要的意义。常规船测法的成本较高，并且覆盖空间范围小，同步站点较少。卫星遥感数据具有明显的时间与空间优势，成为近岸Ⅱ类水体悬浮泥沙浓度反演与动态分析的重要数据源。本文以长江口及其附近水域为研究区，主要开展了以下工作：1)现场水体光谱测量。用ASDFieldSpec 光谱仪现场测量长江口Ⅱ类水体的反射率高光谱，同步采集表层0.5m 深处的水样，带回实验室用过滤称重法计算水样的泥沙浓度；同步测量流速、水体浊度等要素。2)对光谱数据进行处理，去除天空光等影响，计算水体的遥感反射率。光谱数据筛选，取平均以及一阶微分导数处理。3)分析水体反射率光谱的特征及其对表层泥沙浓度响应；基于最小二乘法，分别建立光谱反射率与泥沙浓度之间的指数形式和幂函数形式的拟合方程。选择对应常用卫星传感器波段，并且对泥沙浓度敏感的波长，建立泥沙浓度和光谱反射率之间的统计回归模式。4)对卫星遥感数据进行处理，然后从遥感数据中反演水体表层悬浮泥沙浓度；借助多期A VHRR和TM遥感影像反演的结果，对长江口泥沙分布进行遥感监测和分析。取得的成果和结论：1)水体反射光谱曲线随泥沙浓度不同而变化，并且存在两个反射峰(560～720nm和790～830nm)；波长大于500nm的光谱反射率与悬浮泥沙浓度之间具有明显的相关性，特别是690～830nm的相关系数大于0.8，对泥沙浓度较为敏感。2)基于最小二乘法，建立水体泥沙浓度和反射率之间的统

计回归模式，结果表明，利用715nm波长的光谱反射率与泥沙浓度的指数拟合回归方程对泥沙浓度估算的效果优于幂函数形式；用670nm、715nm和800nm波段建立的指数方程比810nm和860nm波段的指数方程的拟合程度高。参照常用卫星传感器的波段设置，建立了泥沙浓度和A VHRR、MODIS和TM对应波段反射率之间的统计回归模式。3)选择A VHRR、MODIS和TM数据作为主要数据源，对水体表层的泥沙浓度进行反演。根据不同时相遥感数据的结果，分析了长江口泥沙的分布受季节变化、潮流和径流影响的模式。特别是通过多年数据的分析发现，1998年、2004年和2006年分别为径流来水特丰、平水和特枯年，径流量变化对长江口泥沙分布格局有显著影响。【关键词】：遥感高光谱悬浮泥沙浓度长江口II类水体 【学位授予单位】：华东师范大学 【学位级别】：博士 【学位授予年份】：2007 【分类号】：P237;TV148.1 【目录】：摘要7-8ABSTRACT8-10附图10-12附表12-13目录13-15第一章绪论15-241.1选题背景和研究意义15-181.1.1选题背景15-181.1.2研究意义181.2国内外研究进展18-211.3研究思路和全文内容21-24第二章水色遥感的理论基础24-362.1水色遥感的原理

基于ETM数据地表温度反演实验单通道算法操作文档

基于ETM 数据煤田火区地表温度反演的研究实验操作步骤与流程 算法：单通道算法，其公式为 Τs =γ ε?1 ψ1L sensor +ψ2 +ψ3 +δ（1） γ= c 2L sensor T sensor 2 λ4 c 1 L sensor +λ?1 ?1 （2） δ=?γL sensor +T sensor （3） L sensor =L min λ + L max λ ?L min λ Q DN Q max （4） T sensor = K 2 ln 1+K 1L λ （5） K 1=666.09 mW ?cm ?2?sr ?1?um ?1 , K 2=1282.71K ψ1=0.1471?ω2?0.1558ω+1.1234 （6） ψ2=?1.1836?ω2?0.3761ω?0.5289（7） ψ3=?0.0455?ω2+1.8719ω?0.3907 （8） ω=0.177e +0.339 （9） e =0.6108?exp 17.27 Τ0 ?273 237.3+Τ 0?273 ?RH （10） 先来说明单通道算法公式（1）中γ，L sensor ，δ，ψ1，ψ2，ψ3等这些参数的计算过程，地表比辐射率ε的计算过程稍后在说明。 （1）对于ψ1，ψ2，ψ3的计算，只要查阅资料得知相对湿度RH ，与温度Τ0后，就可以算出大气中水蒸汽的含量ω，进而可以根据公式算出ψ1，ψ2，ψ3。 （2）对于L sensor 的计算，也就是辐射校正的过程，主要目的在于把影像中像元的灰度值转化成辐亮度L sensor ，公式（4）中的L min λ ，L max λ ，Q max 在影像头文件中可以找到，Q DN 就是所要进行校正的影像。在ENVI 中的操作如下： Basic tools → band math ,然后点开出现如下左侧对话框： 对于ETM 数据热红外波段高增益就是L sensor =3.2+9.45?Q DN 255 然后点ok 出现如下右侧对话框：

反演原理及公式介绍工科

第一章反演理论 第一节基本概念 一．反演和正演 1．反演 反演是一个很广的概念，根据地震波场、地球自由振荡、交变电磁场、重力场以及热学等地球物理观测数据去推测地球内部的结构形态及物质成分，来定量计算各种有关的物理参数，这些都可以归结为反演问题。在地震勘探中，反演的一个重要应用就是由地震记录得到波阻抗。 有反演，还有正演。要正确理解反演问题，还要知道正演的概念。 2．正演 正演和反演相反，它是对一个假设的地质模型，给定某些参数（如速度、层数、厚度）用理论关系式（数学模型）推导出某种可测量的量（如地震波）。在地震勘探中，正演的一个重要应用就是制作合成地震记录。 3．例子 考虑地球内部的温度分布，假定地球内部的温度随深度线性增加，其关系式可表示成：T(z)=a+bz 正演：给定a和b，求不同深度z的对应温度T(z) 反演：已经在不同点z测得T(z)，求a和b。 二．反演问题描述和公式表达的几个重要问题 1．应用哪种参数化方式——离散的还是连续的？ 2．地球物理数据的性质是什么？观测中的误差是什么？ 3．问题能不能作为数学问题提出，如果能够，它是不是适定的？ 4．对问题有无物理约束？ 5．能获得什么类型的解，达到什么精度？要求得到近似解、解的范围、还是精确解？ 6．问题是线性的还是非线性的？ 7．问题是欠定的、超定的、还是适定的？ 8．什么是问题的最好解法？ 9．解的置信界限是什么？能否用其它方法来评价？ 第二节反演的数学基础

一．解超定线性反问题 1．简单线性回归 可利用最小平方法确定参数a 、b 使误差的平方和最小。 ??? ? ???∑-∑∑∑-∑=-=∑∑-=2 2)()(x x n y x xy n b x b y n x b y a （1-2-1） 拟合公式为： bx a y +=? （1-2-2） 该方法的公式原来只适用于解超定问题，但同样适用于欠定问题，当我们有多个参数时，称为多元回归，在地球物理领域广泛采用这种方法。此过程用矩阵形式表示，则称为广义最小平方法矩阵方演。 2．非约束最小平方法反演——广义矩阵方法 由前面讨论可知，参数估计的最小平方方法用矩阵公式表示，所得到的算法等价于一个或多个模型参数的一个或多个数据集反演，步骤为： 问题定义→矩阵公式→最小平方解 线性问题采用广义矩阵形式 d=Gm （1-2-3） 对于精确的数据模型，参数m 为 m=G -1d （1-2-4） 但是由于试验误差，实际数据将不能精确拟合获得，故采用最小平方法求解。解的矩阵表示式为 d G G G m T T 1][?-= （1-2-5） 上式具体计算时可用奇异值分解方法 G=U ∧V T 最后，得 m ?=（G T G ）-1G T d=V ∧-1U T d （1-2-6）

基于劈窗算法的青岛地区地表温度反演研究

龙源期刊网 https://www.wendangku.net/doc/122608582.html, 基于劈窗算法的青岛地区地表温度反演研究作者：孙乐乐金宝轩 来源：《安徽农学通报》2017年第23期 摘要：地表温度对于地球资源环境监测的意义十分重要，在农业、环境生态相关领域研 究以及地表分析研究中都是重要的参数指标。气象测量难以大面积提供面状地温数据，而遥感监测成本低、时相性好、可提供面状数据等特点使其在地表温度监测中具有独特优势。该研究根据Landsat-8遥感数据，通过调整地表比辐射率估算方法后的劈窗地表温度反演算法实现了青岛地区地表温度的反演。并对结果与青岛市气象局网站提供的气象数据进行对比验证，反演结果总体符合实际情况，为沿海城市热能空间分布研究和城区规划提供参考依据。 关键词：地表温度；劈窗算法；Landsat-8 中图分类号 S511 文献标识码 A 文章编号 1007-7731（2017）23-0012-3 Abstract： As the key factor in the study of environment， ecology and land， land surface temperature（LST） plays a vital role in resource and environment monitoring. Comparing with traditional ground meteorological monitoring， remote sensing has more advantages in LST retrieving for it’s spatial continuity and lower cost. With the Landsat-8 data， we adjust the calculation of land emissivity and apply it to retrieve the LSD by a Split-Window algorithm. The analysis result evaluates the effectiveness of the Split-Window algorithm in peninsula regions and the result can provide a reference for the study of urban heat distribution and urban planning. Key words： Land surface temperature；Split-window algorithm；Landsat-8 地表温度LST（Land Surface Temperature）是地球资源环境监测评价中的一项重要指标，它直观反映了区域热能分布，对环境、生态相关领域研究以及地表分析研究都有重要意义。目前，部分学者已进行了相关研究并提出了基于遥感热红外波段的地表温度反演算法，按照所用波段的数量总体上分为单窗算法[1-3]与劈窗算法[4-6]2种。其中，覃志豪单窗算法[1]、Offer Rozenstein劈窗算法[6]是较为代表性的地表温度反演算法。劈窗算法早期多基于MODIS、NOAA/AVHRR等具有2个热红外波段的影像数据实现，其中MODIS数据在地表温度反演中效果较为理想，但由于其分辨率较低的缺陷使得其只能应用于大范围地区的地表温度反演。中小区域的地表温度反演多采用单通道遥感影像进行单窗算法地表温度反演[2，4]。 Landsat-8卫星于2013年发射升空，其携带OLI和TIRS 2个传感器。其中OLI （Operational Land Image）是陆地成像仪，TIRS（Thermal Infrared Sensor）是热红外传感器。TIRS传感器具有2个热红外波段10、11波段，其分辨率为100m，并且其两个热红外波段的波宽及中心波长与MODIS数据相近。因此Landsat-8数据在进行利用劈窗算法进行地表温度反演具有独特优势。本文利用Landsat-8数据基于劈窗算法对青岛地区地表温度进行反演，并结合气象数据对于结果进行评价分析。

基于热红外波段的地表温度反演实验报告

遥感原理与应用 地表温度反演 实验报告 专业：地理信息系统 班级：XXXXXXXX 姓名：XXX 学号：XXXXXX 成绩： 指导教师：XXX 2014年12月17日

一. 实验目的 1. 根据实际需要，学会在网上（如中国科学院遥感与数字地球研究所数据共享网）下载研究区内的遥感数据； 2. 掌握在ENVI中实现简单的地表温度反演的原理与步骤。 二. 实验任务 1. 在中国科学院遥感与数字地球研究所数据共享网上订购并下载覆盖郫县的TM影像； 2. 在ENVI中实现简单的地表温度反演算法。 三. 实验数据 在中国科学院遥感与数字地球研究所数据共享网上下载的覆盖郫县地区的TM影像。 四. 实验原理 图1 TM影像地表温度反演流程

1. 地表温度(Land Surface Temperature)反演公式为: 2 1(1) K LST K In R ε= +， 其中，R m DN d =?+，2111607.76K W m sr m μ---=???，21260.56K K =。 2. 根据TM 辐射定标原理，热红外波段表观辐亮度可以进一步写作: max min 6min 255 L L R DN L -= ?+， 其中LmaxBand6=15.303 , LminBand6=1.238。 3. 地表比辐射率ε为同温度下地表辐射能与黑体辐射能的比率，其可以表示为: 1.0090.047(In ) (0)NDVI NDVI ε=+>， 其中，4343 TM TM NDVI TM TM -=+，当0NDVI <=时(如水体)地表比辐射率取常数1。 五. 实验步骤 1. TM 数据下载 数据查询和下载网址https://www.wendangku.net/doc/122608582.html,/query .html ，界面如图2所示。 图2 中国科学院遥感与数字地球研究所数据共享网址界面

Landsat8 TIRS 地表温度反演

热红外遥感（Infrared Remote Sensing）是指传感器工作波段限于红外波段范围之内的遥感。即利用星载或机载传感器收集、记录地物的热红外信息，并利用这种热红外信息来识别地物和反演地表参数如温度、湿度和热惯量等。目前有很多的卫星携带了热红外传感器，包括ASTER、AVHRR、MODIS、TM/ETM+/ TIRS等。 目前，地表温度反演算法主要有以下三种：大气校正法（也称为辐射传输方程：Radiative Transfer Equation——RTE）、单通道算法和分裂窗算法。 本实例是基于大气校正法，利用Landsat8 TIRS反演地表温度。 基本原理：首先估计大气对地表热辐射的影响, 然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去, 从而得到地表热辐射强度, 再把这一热辐射强度转化为相应的地表温度。 具体实现为：卫星传感器接收到的热红外辐射亮度值Lλ由三部分组成：大气向上辐射亮度L↑，地面的真实辐射亮度经过大气层之后到达卫星传感器的能量；大气向下辐射到达地面后反射的能量。卫星传感器接收到的热红外辐射亮度值Lλ的表达式可写为（辐射传输方程）： Lλ = [εB(T S) + (1-ε)L↓]τ+ L↑（1.1） 式中，ε为地表比辐射率，T S为地表真实温度(K)，B(T S)为黑体热辐射亮度，τ为大气在热红外波段的透过率。则温度为T的黑体在热红外波段的辐射亮度B(T S)为： B(T S) = [Lλ - L↑- τ(1-ε)L↓]/τε（1.2） T s可以用普朗克公式的函数获取。

T S = K2/ln(K1/ B(T S)+ 1) （1.3） 对于TM，K1 =607.76 W/(m2*μm*sr)，K2 =1260.56K。 对于ETM+，K1=666.09 W/(m2*μm*sr)，K2 =1282.71K。 对于TIRS Band10，K1= 774.89 W/(m2*μm*sr)，K2 = 1321.08K。 从上可知此类算法需要2个参数：大气剖面参数和地表比辐射率。大气剖面参数在NASA提供的网站(https://www.wendangku.net/doc/122608582.html,/)中，输入成影时间以及中心经纬度可以获取大气剖面参数。适用于只有一个热红外波段的数据，如Landsat TM /ETM+/TIRS数据。 主要内容就是使用BandMath工具计算公式（1.2）和公式（1.3），处理流程如下图所示。

6 传递函数的测试及实时控制和反演技术

提纲
传递函数测试 及实时控制和反演
1.引言 2.传递函数和频响函数理论基础 3.传递函数测试和反演技术 4.传递函数的实时控制和反演 5.实时反演的结果和分析例图
东方所
北京东方振动和噪声技术研究所
振动、噪声、冲击、应变等全面解决方案
1
北京东方振动和噪声技术研究所
振动、噪声、冲击、应变等全面解决方案
2
1.引言
长期以来，国内外科技界一直在研究、 测试、发现各种系统的传递函数。对仪器 来说，传递函数就像人类DNA一样重要。 传递函数的实时测试和控制反演长期以来 是一个世界性的难题。 第一课题传函和频响函数测试。分为 幅频测量和相频测量。（07年解决） 第二个课题是把频响函数反演回去实 现控制。（10年12月24日解决）
北京东方振动和噪声技术研究所 振动、噪声、冲击、应变等全面解决方案 3
1.引言
传递函数波形复原的早期方案如结下图所示
波形 数采 DAQ FFT 幅频 相频 校正 IFFT 波形无缝拼 接及基线修 正基线修正 复原波形
窗函数
窗函数
北京东方振动和噪声技术研究所
振动、噪声、冲击、应变等全面解决方案
4
2.传递函数和频响函数理论基础
一 个物 理 系 统的动态传递特 性如右图所示： 输入波形x(t) 输出波形y(t)
2.传递函数和频响函数理论基础
传递函数和频响函数理论基础相关公式
y (t ) = ∫ h(τ ) x (t ?τ dτ ) （1）
?∞ ∞ 0 +∞
∞ H(P) = ∫ h(τ )e ? pτ dτ（2） 0
+∞ ? j 2π ft dt （4） H ( f ) = ∫ h(τ )e ? j 2π f τ dτ （3） X ( f ) = ∫?∞ x (t )e
X (ω ) = ∫
+∞
?∞
x(t )e ? jωt dt （5）H(f)=Y(f)/X(f)=H(f)|
e? jφ ( f )
（6）
H k = | H ( K f 0 / m ) | （7）
北京东方振动和噪声技术研究所
振动、噪声、冲击、应变等全面解决方案
5
北京东方振动和噪声技术研究所
振动、噪声、冲击、应变等全面解决方案
6

最优控制-遗传算法综述

最优控制论文 遗传算法的发展 摘要 最优控制是现代控制理论的核心，它研究的主要问题是：在满足一定约束条件下，寻求最优控制策略，使得性能指标取极大值或极小值。解决最优控制问题

的主要方法有古典变分法、极大值原理和动态规划。 最优控制理论已被应用于综合和设计最速控制系统、最省燃料控制系统、最 小能耗控制系统、线性调节器等。目前研究最优控制理论最活跃的领域有神经网 络优化、模拟退火算法、趋化性算法、遗传算法、鲁棒控制、预测控制、混沌优化 控制以及稳态递阶控制等。 作为一种比较新的一种新的优化算法—遗传算法(Genetic Algorithm, 简称G A ) 正在迅速发展。 遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的研究现状,描述了它的主要特点和基本原理,概述了它的理论、技术和应用领域,讨论了混合遗传算法和并行遗传算法,指出了遗传算法的研究方向,并对遗传算法的性能作了分析。

目录 1 前言 (1) 2 遗传算法基本理论..................................................... 1... 2.1 遗传算法的基本步骤.................................................. 1.. 2.2 遗传算法的现状..................................................... 2... 2.3 遗传算法的应用..................................................... 3... 2.3.1 函数优化 ..................................................... 3... 2.3.2 组合优化 ..................................................... 4... 2.3.3 生产调度问题 ................................................. 4... 2.3.4 自动控制 ..................................................... 4... 2.3.5 机器人学 ..................................................... 4... 2.3.6 图像处理 ..................................................... 4... 2.3.7 人工生命 ..................................................... 5... 2.3.8 遗传编程 ..................................................... 5... 2.3.9 机器学习 ..................................................... 5... 2.3.10 数据挖掘.................................................... 5... 3 遗传算法的研究方向................................................... 5... 参考文献............................................................ 7...

HJ_1A_B卫星CCD影像的武汉市东湖水色三要素遥感研究

第３６卷第１１期２０１１年１１月武汉大学学报·信息科学版 Ｇｅｏｍａｔｉｃｓ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｗｕｈａｎ　Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３６Ｎｏ．１１ Ｎｏｖ．２０１１ 收稿日期：２０１１－０９－ １５。项目来源：国家９７３计划资助项目（２０１１ＣＢ７０７１０６）；国家自然科学基金资助项目（４０９０６０９２，４１０７１２６１，４０６７６０９４） ；国家自然基金委创新研究群体科学基金资助项目（４１０２１０６１）；湖北省自然科学基金资助项目（２００９ＣＤＢ１０７）；武汉大学测绘遥感信息工程国家重点实验室专项科研经费资助项目；南昌大学“鄱阳湖环境与资源利用教育部重点实验室”开放课题资助项目（Ｚ０３９７５）；武汉大学博士生自主科研课题资助项目；９８５国家重点实验室仪器设备专项经费资助项目。 文章编号：１６７１－８８６０（２０１１）１１－１２８０－０４文献标志码：Ａ ＨＪ－ １Ａ／Ｂ卫星ＣＣＤ影像的武汉市东湖水色三要素遥感研究 陈莉琼１　田礼乔１　邱　凤１　陈晓玲１， ２，３ （１　武汉大学测绘遥感信息工程国家重点实验室，武汉市珞喻路１２９号，４３００７９ ）（２　江西师范大学鄱阳湖湿地与流域研究教育部重点实验室，南昌市紫阳大道９９号，３３００２２）（３　南昌大学鄱阳湖环境与资源利用教育部重点实验室，南昌市南京东路２３５号，３３００３１ ）摘　要：以武汉市东湖为研究区域，利用同步的ＭＯＤＩＳ－Ｔｅｒｒａ气溶胶光学厚度数据为输入参数，采用ＦＬＡＡＳＨ模型对２０１０年３月１１日ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像进行大气校正处理，并利用多年实测数据建立叶绿素ａ浓度、悬浮泥沙浓度、黄色物质吸收系数三要素神经网络反演模型，对水色三要素进行反演。通过对反演结果与实测数据的对比分析可知，悬浮泥沙浓度、黄色物质吸收系数和叶绿素ａ浓度的平均相对误差分别为２８．０５２％、１７．６２８％和３５．６２１％，表明ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器基本能满足ＩＩ类水体水色要素的遥感监测需求。 关键词：ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器；叶绿素ａ；悬浮泥沙；黄色物质中图法分类号：Ｐ２３７．９ 目前， 卫星遥感常用的水色传感器如ＭＯＤＩＳ等，虽然时间分辨率较高，但因为空间分辨率较低，１ｋｍ的空间分辨率难以满足中小型内陆湖泊水体水环境的监测需求；常用的陆地应用传感器如Ｌａｎｄｓａｔ　ＴＭ／ＥＴＭ＋等，其空间分辨率虽然达到３０ｍ，能对中小型内陆湖泊进行监测，但由于时间分辨率为１６ｄ，也难以满足高动态水体长时间序列的遥感动态监测需求。２００８年９月６日，我国自主知识产权的ＨＪ－ １Ａ／Ｂ卫星发射升空。目前，ＨＪ－１Ａ／Ｂ卫星ＣＣＤ传感器在内陆湖泊水色要素方面的研究尚不多见，而与之类似的传感器在ＩＩ类水体的研究也多见于在悬浮泥沙浓度 反演方面的探索［ １－ ３］。本文以武汉市东湖为研究区域，采用５次现场实测光谱与实验室分析所得的叶绿素ａ浓度、悬浮泥沙浓度、黄色物质（ｃｏｌｏｒｅｄ　ｄｉｓｓｏｌｖｅｄ　ｏｒ－ｇ ａｎｉｃ　ｍａｔｔｅｒ，ＣＤＯＭ）吸收系数建立和验证神经网络反演模型，然后应用于２０１０年３月１１日 ＨＪ－ １Ａ／Ｂ卫星ＣＣＤ影像，获取武汉市东湖水色三要素反演结果的空间分布，以期对ＨＪ－１Ａ／Ｂ卫星ＣＣＤ影像在内陆湖泊水环境遥感监测方面的能力进行评价。 １　研究区域和数据 武汉市东湖位于武昌区东北部，水域面积为 ２７．９ｋｍ２ ，平均水深约２．２１ｍ， 最深处达６ｍ，湖中１２０多个岛渚星罗棋布，１１２ｋｍ湖岸线曲折，环湖３４座山峰绵延起伏，是全国最大的城中湖泊。目前，最大的湖区是郭郑湖，面积１２．３４ ｋｍ ２，是富营养化比较严重的湖区［４］ 。笔者分别于２００７年９月２７日、２００８年１０ 月１６日、２４日、２００９年１月１４日、２０１０年３月１１日对武汉市东湖进行了５次观测，共获取了３６ 个站位的实测光谱数据和叶绿素ａ、悬浮泥沙浓度、黄色物质吸收系数等。

landsat遥感影像地表温度反演教育教案(大气校正法)

基于辐射传输方程的Landsat数据地表温度反演教程 一、数据准备 Landsa 8遥感影像数据一景，本教程以重庆市2015年7月26日的=行列号为（128，049）影像（LC81280402016208LGN00）为例。 同时需提前查询影像的基本信息（详见下表） 注：基本信息在影像头文件中均可查询到，采集时间为格林尼治时间。 二、地表温度反演的总体流程 三、具体步骤

1、辐射定标 地表温度反演主要包括两部分，一是对热红外数据，二是多光谱数据进行辐射 定标。 （1）热红外数据辐射定标 选择Radiometric Correction/Radiometric Calibration。在File Selection 对话框中，选择数据LC81230322013132LGN02_MTL_Thermal，单击Spectral Subset选择Thermal Infrared1（10.9），打开Radiometric Calibration面板。 （2）多光谱数据辐射定标 Scale factor 不能改变，否则后续 计算会报错。保持默认1即可。

选择要校正的多光谱数据 “LC81230322013132LGN02_MTL_MultiSpectral” 进行辐射定标。 因为后续需要对多光谱数据进行大气校正，可直接单击Apply Flaash Settings，如下图。 注意与热红外数据辐射定标是的差 别，设置后Scale factor值为0.1。 2、大气校正 本教程选择Flaash 校正法。FLAASH Atmospheric Correction，双击此工具，打开辐射定标的数据，进行相关的参数设置进行大气校正。 注意：如果在多光谱数据辐射定标时Scale factor值忘记设置，可在本步骤中打开辐射定标数时设置single scale faceor 值为0.1，若已设置，则默认值为1即可。