文摘
这封信首先提出eigenpoint定量遥感产品的概念(QRSPs)讨论eigenhomogeneity和eigenaccuracy地表变量。根据的多孔eigenpoints位于小波QRSP的飞机。基于这些概念,这封信提出了一个基于eigenpoint验证QRSPs的多尺度方法。QRSPs的基本思想是在粗尺度上验证通过验证eigenpoints使用QRSP在小尺度。小尺度的QRSP最后验证使用观测数据在地面eigenpoints仪器。基于地面eigenpoints来源于预测QRSP可以作为观察当卫星经过研究区位置。实验结果表明,该方法是人力和节省时间的较理想的扫描方法,它是令人满意的执行在这些eigenpoints同步观测的效率和准确性。
1。介绍
相比与传统的基于离散观测地面点,定量遥感产品(QRSPs)检索与特定的光谱波段电磁信号提供二维分布信息对于地表变量为研究水文、地理、灾难等等(1]。因此,验证的准确性和可靠性QRSPs评估这些应用程序是至关重要的。
在遥感的开始,研究人员知道QRSPs验证的重要性和付费的许多努力;然而,它仍然是一个尚未解决的问题(2]。贝克尔和李3)之间的关系解决温度、发射率和观察。卖家et al。4)在1995年之前评估过去十年的发展领域的建模、卫星数据的算法开发和现场实验。Baret et al。5)表明,验证系统和框架QRSPs应该从系统之间的相互关系建立在地上,和条件,标准,和原则用于选择验证字段应该根据验证QRSPs制定。江et al。6]指出遥感验证系统的关键是取得同步数据。Zhang et al。2)提出了一个操作一个测试和两场比赛后验证方法通过引入分形信息QRSP指出之间的差异和相似之处的无尺度现象QRSP和海岸线长度的测量(维)和曲面面积(二维)。
近年来,验证一个QRSP multi-QRSPs一直延伸到验证。以MODIS的EOS项目为例,验证包括地表反照率、地面温度、双向反射,归一化植被指数,LAI植被初级生产力的气溶胶光学厚度,等等。气溶胶机器人网络和24地表关键验证字段在世界各地建立以验证模型和检索算法(7- - - - - -12]。
在黑河流域盟军遥测实验研究中,多尺度观测实验蒸散(ET)进行异构土地表面。Multi-instruments密集部署在构成一个观测矩阵的开发和验证评估模型。密集的观察和现场活动在黑河流域(有序的进行13,14]。陆地环境观测为验证等提供长期测量从遥感数据中检索从尺度的角度匹配。
迄今为止,QRSPs通常使用基于地面观测数据验证,聚集在协调现场活动相结合星载、机载和地面观测在一起(15]。理想情况下,在短同时观测间隔机载或卫星立交桥时,采取的验证数据同时测量一个平台上使用成像光谱仪遥感车辆,如汽艇和气球,在没有差距和重叠的扫描方式(2,16]。图1显示扫描观测的原理示意图。在图1,表示的视野涵盖范围(),表示飞行方向,IFOV表示,夹角的高度吗和,和表示空间分辨率。因为QRSPs往往更大的空间尺度上的观测数据,它需要很多次的观察来完成扫描获得验证数据。通常很难实现扫描观察异构表面因为间隔当机载或卫星经过样本地区是非常短的5]。更重要的是,这将消耗巨大的资金和人力进行扫描观察,因为瞬时视场(IFOV)测量仪比这小得多的机载或卫星17]。实际上,很少使用这种方法得到观测数据。
然而,如果没有这些观测数据,QRSPs无法连接之间的关系及其可靠性。在这封信中,提出了一种基于eigenpoint观察更可行的方法来代替扫描方法通过引入eigenhomogeneity的概念和eigenaccuracy QRSPs的验证,以地面温度的产品。使用该方法,可以快速而准确的收集所需的数据,而且它还可以扩展到其他类型的数据,如反照率和叶面积指数,用于验证相应的QRSPs。
2。Eigenpoint基础上的多尺度方法
验证QRSP,最重要的概念是真正的价值。一般来说,真正的QRSPs是通过仪器测量得到的值。众所周知,任何工具都有自己的测量精度,使测量过程的不确定性水平(2]。通过地表的温度测量作为一个例子,假设地表的温度是25.97°C,测量值将25°C的温度计精度1°C, 25.9°C的温度计精度0.1°C,和25.97°C的温度计精度0.01°C (18]。哪一种三个温度计是最适合测量地表的温度?在实践中,温度计,可以满足验证要求,选择粗精度。
在实际计算、检索和应用QRSP,如果一个精度足以描述表面能量平衡和质量交换的基本性质,我们称之为eigenaccuracy。用仪器获得的价值这个eigenaccuracy称为相对的真实价值。Eigenaccuracy相关的地表和观察到的变量是由实际的具体案例的研究。
理想情况下,如果同质地表,地表的每个组件发出的辐照度是相同的。整个表面的观测数据等于每个地下。然而,没有理想的均匀表面在现实世界中。所谓同质表面时可以只考虑所有子表面是否有相同的相对真实值的基础上eigenaccuracy。如果地表同质在某些eigenaccuracy,在这种情况下,只需要有一个观察获得验证数据。如果地表不均匀在某些eigenaccuracy,观察到的区域的面积必须配合陆地表面扫描测量的方式。事实上,一个传感器的精度是同质性的阈值决定。当测量变量的空间变化小于阈值,它不能检测到传感器,测量变量对应的地表被认为是同质。
为了方便起见,在这封信中,使用仪器测量获得的数据视为一种QRSP。在这封信中,空间各种QRSP抽象使用多孔小波变换(AWT)。AWT可以保留平移不变性;即翻译的原始信号必然意味着翻译相应的小波系数。
AWT的平移不变性属性保存代替upsampling过滤器,将采样操作在哪里表达了th分解级别,upsampled过滤器是通过插入0之间的任何两个连续系数缺乏大批杀害的情况下,在处理之前水平。因此,“多孔”这个名字的意思是“洞。”
AWT的基本思想是将信号分解在有限的精力投入到一个序列逼近和细节的渠道,他们每个人都有不同程度的决议和频率,通过过滤原始信号相当于银行的过滤器,由递归的卷积upsampled版本的低通滤波器和高通滤波器分析银行(19,20.]。细节通道被称为小波飞机与原始信号相同的大小。
AWT (21)是一个抽取非正交的多分辨率分解定义一个过滤器和克罗内克运营商表示一个allpass过滤器。在二维情况下,过滤器和细节,这意味着二维信号是由两个连续的近似之间的区别。
AWT假设原始信号是真正的卷积连续世界和一个扩展函数(22]。近似的组件在规模是由以下公式计算: 满足以下膨胀方程(23]: 低通滤波器。根据(1)和(2),近似组件在规模由公式计算
小波平面(规模)由公式计算
重建原始信号可以通过添加所有尺度的小波系数集最后近似规模(24]
在(5),表示分解的数量水平。表示小波系数。AWT的图像是通过过滤分离后的行和列,分别。具体地说,一个单一的小波平面产生在每个规模连续两个近似的减法没有大量毁灭。因此,小波和近似的飞机有相同的尺寸与原始图像(25]。
在这篇文章中,样条小波滤波器被选中。一维的低通滤波器和相应的二维低通面具
在这封信中,假设表示产品从远程数据检索时间。AWT分解的在空间位置()如下:
分解时完成下列方程是:
在(9),鉴于eigenhomogeneity。然后,确定eigenpoints eigenpoints QRSP转移到确定的。在这封信中,空间的各种量化使用标准差作为吗 在哪里,,分别表示空间不同,()的值和的平均值: 在哪里和分别表示同质性和异质性。根据(9),或多或少同质QRSP的空间分布,或标准差越高越低,更少或更多的区别和,或同质性越低就越高。
为了得到观测数据用于验证QRSP,仪器的具有挑战性的问题是IFOV通常远小于IFOV的传感器QRSP检索。一个实用方法是使用仪器的测量获得的数据转换的空间分辨率QRSP平均;然后转换后的数据被用来验证QRSP。这被称为scale-by-scale或多尺度验证。
假设验证QRSP之间的空间分辨率,采用仪器,我们现在确定的位置验证数据测量。基于(8)- (12),下列程序构成了基于多点观察方法(图2)。(1)找到的功能验证变量(如温度)随时间变化。如果没有这样的函数,构造它通过分析现有数据可以获得使用仪器扫描的方式。(2)使用函数来预测验证变量的形象时,卫星和机载经过地面。分解预测与AWT形象。考虑小波飞机之和作为初始窗口,并把它变成一个堆栈。(3)计算标准偏差的所有窗口堆栈使用(10)。如果(11)对于每一个窗口,然后流程就结束了,如果(12),(4)。(4)选择与最大标准差从堆栈窗口,和同样分成四个部分;然后将它们插入到堆栈。(5)循环(3)-(4),直到(11为每个窗口堆栈)。(6)数量和观察点的位置,分别获得的数量和中心窗口的堆栈。在这里,观察点称为eigenpoints。
3所示。实验结果和分析
图3显示同步观测的原理示意图相结合的卫星,以陆地卫星专题(TM)传感器的IFOV 30米,地上的手动工具,以热红外辐射计的IFOV 0.5米的身高1米。如何以及在哪里我们收集所需的数据来验证产品从TM数据检索使用的温度热红外辐射计在地上?因为间隔期间TM卫星经过地面太短,很难进行扫描观察需要多次使用热红外辐射计的测量。在本节中,该方法评估代替扫描观察通过选择地面观察点使用现有的热红外温度图像(伶猴)之间的同步观测TM和热红外辐射计传感器。
假设我们有伶猴和后缀表示成像时间。同时观察在下次发生。现在,我们想要确定同步观测使用的最佳点。首先,我们使用预测时间的伶猴然后推导出观察点使用该方法。
杰克逊et al。26)认为太阳辐射强度有一个罪与太阳辐射的关系在一个晴朗的日子。此外,我们认为,地面温度随太阳辐射强度以类似的方式
在(13),表示的最大热红外温度(甲)研究了表面当太阳是唯一辐射源在一个晴朗的日子。是研究表面的伶猴吗。表示小时的阳光。
为了获得罪研究表面的每个像素的函数,我们构造以下方程:
在(14),,,(),分别表示行、列和位置,甲在()时间,最大甲(在阳光小时的中间。解决方案(14使用最小二乘法()可以获得27]
在这项实验中,也就是说,中国的国家重点基础研究发展计划与格兰特2007号cb714401,九伶猴构造使用观测数据收集的手动工具在地上。这些伶猴是20分钟的时间间隔从7到10点5月20日,2008年,这些伶猴的维度在相对应的空间分辨率为0.5像素大小的TM数据。九个伶猴是用来获得罪热红外温度的函数。这些伶猴研究区域的范围大约在38个45°16′′′38°45 18′′′南纬度和100°20′′′100°18 22′′′西经(图3)。
在这个地区,日照时间是13从早上6点到7点。温度达到最大值在当地时间的12.5。本研究区域位于沙漠绿洲的黑河流域中游,甘肃临泽。这个地区有一个大陆干旱的沙漠气候。每年的平均温度是7.6°C,最高和最低的是,分别−27.3°C 1月和7月39.1°C。树冠高度平均5 - 6厘米。植被覆盖率不到10%。平均年降雨量为117.1毫米,210.5毫米,最小的只有82.9毫米。自然植被主要包括泡沫荆棘,红色的沙子,珍珠,和其它小灌木。土壤主要是棕灰色的沙漠土壤,土壤沙质土壤,扭曲。
两个例子的九伶猴,数字4和5显示两个伶猴8和9点5月20日,2008年。根据犯罪的关系,伶猴在卫星立体的时间可以预测。数据6和7分别显示了两个伶猴,从预测和获得扫描观察10.30点。然后该方法应用于预测伶猴eigenpoints。数据8和9显示eigenpoint分布,分别从数据中获得6和7使用该方法。eigenpoints用作同步观测获得点收集当TM卫星观测值。图10扫描时显示了eigenpoint分布实现的。验证工作是由使用观测值来验证热红外温度从TM数据检索。数据4- - - - - -10扩大了更好的视觉效果。
在这个实验中,使用eigenhomogeneity 0.6°C,和0.6°C是经验决定的,因为我们认为0.6°C是足够准确的验证温度从TM数据检索时描述地表能量平衡和质量交换。六AWT的分解级别执行,因为太多的分解水平没有做好抽象的结构模式表面温度而造成很多额外的计算或太少分解水平不会完全抽象的变量结构表面温度。表1显示的数量eigenpoints和这些点的平均山雀,分别。
第二和第三列在表1显示eigenpoints的数量和平均山雀eigenpoints从数据获得6和7使用该方法,分别。第四列在表1显示的数量和平均多观察点时执行的扫描方法。为了比较,热红外温度从TM数据检索第五列在表中添加1。
它可以从表中找到1只有25 eigenpoints选择使用该方法从预测伶猴,小于28分从观察中选择一个,远低于3600点用于扫描观察。因此,如果执行的测量只在25分同时在很短的时间(通常是15分钟)卫星经过地面时,它将花费最少的时间和人力来收集所需的验证数据。
从数据8和9,它还可以发现更多选择eigenpoints左上角的山雀裸露和干燥的土壤与太阳辐射差异很大,而少eigenpoints选择在其他地方的山雀潮湿的地面和植被与太阳辐射略有不同。第二行表1显示了这些eigenpoints的平均滴。可以看出,虽然少了很多eigenpoints用于该方法,验证数据的可靠性仍然是通过比较高19.3°C和19.5°C。相比之下,19.5°C, 19.3°C和19.6°C之间的区别只有0.1°C,并且在实践中,这可以忽略不计。因此,该方法的性能是令人满意的。
eigenpoints显示在图8得到了从图6这是预测使用(14),而eigenpoints显示在图中9得到了从图7使用观测数据的扫描方法构造。生产数据的差异6和7导致eigenpoint位置数据的差异8和9。不确定性来自三个方面:(1)热红外温度与时间的罪的关系并不完美,不能完全捕捉红外线温度和时间的关系;(2)执行扫描的点是不一样的对于每一个扫描,使观测值的表示不时可能不同;(3)预测的时间伶猴和构造伶猴不是完全相同,也会产生差异。
总的来说,获得的eigenpoints可以作为观察位置的精度水平与扫描方法。这些结果表明,使用该方法是可行的预测eigenpoints在美国卫星地面领域活动的效率和准确性。应该提到实验的执行时间函数可用。目前,eigenpoint方法的适用性受到限制的QRSPs可以表示为时间的函数。应用该方法的另一个限制是,仪器超过所需的扫描方法。
4所示。结论
验证定量遥感中扮演着关键角色,包括地面测量星载、机载观测,模型检索,QRSPs等等。很难完成大量的测量需要在理想扫描观察没有差距和重叠,因为间隔卫星经过地面很短。如何获得令人满意的验证数据与几个测量吗?
在这封信中,基于eigenpoint多尺度观测方法验证QRSPs提出为了替代扫描方法。这种方法最初的异质性有关QRSP的统计指数的多孔QRSP小波飞机和定义了使用eigenhomogeneity异质性和eigenaccuracy概念。在这封信中,eigenhomogeneity定义使用像素值的标准偏差。这两个概念进一步引入确定的eigenpoints获得观测数据用于验证QRSPs收集。当平均值之间的差异QRSP eigenpoint值和平均值的QRSP小于给定eigenhomogeneity,这些eigenpoints最佳观察位置,观察值获得这些eigenpoints可以用作验证数据。
扫描测量实施该方法是必要的。的地方很难得到扫描观察,如果可用的历史数据可以作为替代的扫描观察。幸运的是,底层的足迹,星载、机载和地面协调观察发生相对均匀,也不是经常难以执行扫描观察。
为了减少颞eigenpoint位置的变化,最好是采取协调前的扫描观察近观察。为了减少eigenpoint空间变化的位置,最好是选择区域潜在的足迹是尽可能均匀的战场协调进行观察。
因为有各种QRSPs检索,是不可能讨论一篇文章中的所有QRSPs。因此,这封信以热红外温度为范例。确实很难构建其他地表变量的时间的函数。这封信的方法不可能适用于这样的变量。然而,它不能限制了该方法的应用到其他地表变量随时间而变化,如净辐射。在这种情况下,构建它通过分析现有的数据如果没有这样的功能。
该方法包括以下几方面的意义。(1)它可以作为指导方针处理样品有一个星载时,机载和地面观测相协调。(2)它可以作为一个指令在选择新计划场测试站的位置。(3)它好处缩放28]QRSPs就是下一个困难的问题。
这封信使向前一小步的验证的QRSPs完美的实现还需要很长的路要走。毫不犹豫地,该方法是鼓舞人心的,它提供QRSPs验证的一个巨大的帮助。
利益冲突
作者宣称没有利益冲突有关的出版。
确认
作者感谢匿名审稿人的真诚的建议,帮助改善这封信。这项工作共同支持的中国自然科学基金项目(41371348和41371348)和中国国家基础研究计划(2010 cb950904和2010 cb428403)。