A two-step framework for reconstructing remotely sensed land surface temperatures contaminated by cloud
A two-step framework for reconstructing remotely sensed land surface temperatures contaminated by cloud
复制标题
重建受云污染的遥感地表温度的两步框架
DOI：
10.1016/j.isprsjprs.2018.04.005
复制
发表时间：
2018-07
影响因子：
12.7
通讯作者：
Hong Yang
中科院分区：
文献类型：
--
作者：
Zeng Chao;Long Di;Shen Huanfeng;Wu Penghai;Cui Yaokui;Hong Yang
陆面温度是陆面过程中最重要的参数之一。虽然卫星获得的LST可以提供有价值的信息，但其价值往往受到云污染的限制。本文提出了一种两步式的星载LST重建框架。首先，一个多时相重建算法被引入到恢复无效的LST值使用多个LST图像参考相应的遥感植被指数。然后，所有的云污染的地区暂时充满了假设的晴空LST值。其次，表面能量平衡方程为基础的程序是用来纠正填充值。利用短波辐射资料，将晴天的地表温度修正为多云条件下的真实的地表温度。一系列的实验已被执行，以证明所开发的方法的有效性。定量评价结果表明，该方法可以恢复不同地表类型的LST，平均误差在3-6 K之间。实验还表明，多时间LST图像之间的时间间隔有更大的影响比污染区域的大小的结果。
Land surface temperature (LST) is one of the most important parameters in land surface processes. Although satellite-derived LST can provide valuable information, the value is often limited by cloud contamination. In this paper, a two-step satellite-derived LST reconstruction framework is proposed. First, a multi-temporal reconstruction algorithm is introduced to recover invalid LST values using multiple LST images with reference to corresponding remotely sensed vegetation index. Then, all cloud-contaminated areas are temporally filled with hypothetical clear-sky LST values. Second, a surface energy balance equation-based procedure is used to correct for the filled values. With shortwave irradiation data, the clear-sky LST is corrected to the real LST under cloudy conditions. A series of experiments have been performed to demonstrate the effectiveness of the developed approach. Quantitative evaluation results indicate that the proposed method can recover LST in different surface types with mean average errors in 3–6 K. The experiments also indicate that the time interval between the multi-temporal LST images has a greater impact on the results than the size of the contaminated area.
登录
查看更多内容
用于城市区域测绘和分析的温度和植被调整 NTL 城市指数
DOI：
10.1016/j.isprsjprs.2017.11.016
发表时间：
2018
影响因子：
12.7
作者：
Xiya Zhang;Peijun Li
通讯作者：
Peijun Li
影响因子：
13.5
作者：
Qihao Weng;Peng Fu
通讯作者：
Qihao Weng;Peng Fu
影响因子：
8.2
作者：
Wan, ZM;Dozier, J
通讯作者：
Dozier, J
DOI：
10.1016/j.isprsjprs.2017.10.017
发表时间：
2018
影响因子：
12.7
作者：
R. Niclós;Lluís Pérez-Planells;C. Coll;J. A. Valiente;E. Valor
通讯作者：
R. Niclós;Lluís Pérez-Planells;C. Coll;J. A. Valiente;E. Valor
DOI：
--
发表时间：
2011
期刊：
--
影响因子：
--
作者：
ei Lua;Valentijn Venusb;Andrew Skidmoreb;Tiejun Wangb;Geping Luoa
通讯作者：
ei Lua;Valentijn Venusb;Andrew Skidmoreb;Tiejun Wangb;Geping Luoa