遥感反演地表温度的精度验证方法

技术领域

本发明涉及遥感技术领域，具体涉及一种遥感反演地表温度的精度验证方法。

背景技术

地表温度是表征区域到全球尺度地表物理过程的重要参数之一。由于热红外遥感对地观测技术几乎不受时间、地域、环境的限制，因此热红外遥感对地观测技术是高时效获取全球及区域性目标红外辐射特性（地表发射率和地表温度）的主要手段。

在实现本发明构思的过程中，发明人发现相关技术中至少存在如下问题：目前地表温度产品验证缺乏对辐射基准量值传递链路各不确定因素的细致分析，并且验证结果受测量设备、地-气环境变化等因素的影响，导致验证结果之间缺乏一致性对比和有效界定。

发明内容

有鉴于此，本发明的主要目的在于提供一种遥感反演地表温度的精度验证方法，以期至少部分地解决上述提及的技术问题中的至少之一。

本发明提供了一种遥感反演地表温度的精度验证方法，包括以下步骤：通过分裂窗算法对热红外遥感数据进行地表温度反演，得到多组遥感反演地表温度，并且对多组遥感反演地表温度进行不确定性分析，得到多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度；根据红外辐射计测量的与热红外遥感数据的成像时刻相匹配的通道辐亮度，基于红外辐射传输方程计算多组地面实测地表温度，对多组地面实测地表温度进行不确定性分析，得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度；对多组遥感反演地表温度和多组地面实测地表温度进行空间代表性和时间代表性进行分析，得到多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度；基于多组遥感反演地表温度和多组地面实测地表温度，建立地表温度绝对差异数据集，并且，基于多组遥感反演地表温度的不确定度、多组地面实测地表温度的不确定度、多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度，建立不确定度数据集；根据地表温度绝对差异数据集和不确定度数据集，利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，其中地表温度绝对差异融合的最优估计值用于表征地基验证结果，最优地表温度验证不确定度用于表征地基验证结果的不确定度。

根据本发明的实施例，根据地表温度绝对差异数据集和不确定度数据集，利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度包括：根据地表温度绝对差异数据集和不确定度数据集，对当前状态地表温度绝对差异和不确定度协方差进行估计，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值；基于当前状态的地表温度验证不确定度的估计值，确定当前状态的卡尔曼增益，其中卡尔曼增益用于表征地表温度绝对差异数据集的权重；基于卡尔曼增益以及地表温度绝对差异数据集，分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新，得到当前状态的地表温度绝对差异融合的最优估计值和当前状态的最优地表温度验证不确定度。

根据本发明的实施例，根据地表温度绝对差异数据集和不确定度数据集，利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度还包括：重复地表温度反演及不确定性分析、地面实测地表温度计算及不确定性分析、空间代表性和时间代表性分析、建立地表温度绝对差异数据集、建立不确定度数据集的操作，得到用于表征不同状态的多组地表温度绝对差异数据集和多组不确定度数据集；根据地表温度绝对差异数据集和不确定度数据集，利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度还包括：针对每个状态对应的多组地表温度绝对差异数据集和多组不确定度数据集，根据上一状态的地表温度绝对差异融合的最优估计值，以及上一状态的最优地表温度验证不确定度，对当前状态地表温度绝对差异和不确定度协方差进行估计，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值；重复确定当前状态的卡尔曼增益的操作以及分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新的操作，得到与每个状态对应的地表温度绝对差异融合的最优估计值和最优地表温度验证不确定度。

根据本发明的实施例，其中基于多组遥感反演地表温度和多组地面实测地表温度，建立地表温度绝对差异数据集包括：针对每组遥感反演地表温度和地面实测地表温度，计算遥感反演地表温度与地面实测地表温度的差值的绝对值；基于所有组的遥感反演地表温度与地面实测地表温度的差值的绝对值，建立地表温度绝对差异数据集；基于多组遥感反演地表温度的不确定度和多组地面实测地表温度的不确定度、多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度，建立不确定度数据集包括：基于每组遥感反演地表温度的不确定度和每组地面实测地表温度的不确定度、每组地表温度的空间代表性不确定度和每组地表温度的时间代表性不确定度计算每组地表温度验证不确定度；基于所有组的地表温度验证不确定度，建立不确定度数据集。

根据本发明的实施例，得到多组遥感反演地表温度包括：将大气廓线、地表温度、地表发射率和观测天顶角作为输入参数，输入大气辐射传输模型，得到不同观测条件的大气上行辐射、大气下行辐射和大气透过率光谱值，其中，大气廓线、地表温度、地表发射率和观测天顶角分别为在配置中心配置得到；基于不同观测条件的大气上行辐射、大气下行辐射和大气透过率光谱值，结合传感器分裂窗通道的光谱响应函数，获取传感器分裂窗通道处的大气上行辐射、传感器分裂窗通道处的大气下行辐射和传感器分裂窗通道处的大气透过率；基于传感器分裂窗通道处的大气上行辐射、传感器分裂窗通道处的大气下行辐射和传感器分裂窗通道处的大气透过率、地表温度、地表发射率，结合热红外辐射传输方程和普朗克反函数，得到传感器分裂窗通道的亮度温度；将传感器分裂窗通道的亮度温度作为模拟数据集，并且将模拟数据集划分为多个连续子区间；根据划分为多个连续子区间的模拟数据集，利用最小二乘法拟合生成多个连续子区间的分裂窗算法系数根据分裂窗算法系数和热红外遥感数据，利用分裂窗算法，得到多组遥感反演地表温度，其中，热红外遥感数据包括传感器通道地表发射率、星上亮度温度、观测天顶角、大气水汽含量。

根据本发明的实施例，得到多组遥感反演地表温度还包括对大气廓线、地表温度、地表发射率和观测天顶角进行配置，其中，对大气廓线、地表温度、地表发射率和观测天顶角进行配置包括：根据来自于大气数据库中未受到云污染的大气廓线，提取大气廓线的底层温度；根据大气廓线的底层温度设置地表温度，并且对地表发射率和观测天顶角进行配置，以使地表温度、地表发射率和观测天顶角适用于表征不同观测条件。

根据本发明的实施例，计算多组地面实测地表温度包括：根据红外辐射计测量的离地亮度温度数据，利用普朗克函数和红外辐射计光谱响应函数计算通道等效辐亮度；基于实测大气廓线数据，利用大气辐射传输模型和红外辐射计光谱响应函数，计算通道大气下行辐射；将实测发射率光谱或从光谱库提取地物的发射率光谱卷积至红外辐射计响应通道，得到通道等效地表发射率；基于红外辐射传输方程，将通道等效辐亮度、通道大气下行辐射、通道等效地表发射率，计算多组地面实测地表温度。

根据本发明的实施例，得到多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度包括：基于分裂窗算法本身的不确定度、分裂窗算法输入参数的不确定度，基于误差传递理论得到与多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度；其中，分裂窗算法输入参数的不确定度包括：地表发射率不确定度、大气水汽含量不确定度、星上亮度温度不确定度。

根据本发明的实施例，得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度包括：利用蒙特卡洛不确定度分析方法对多组地面实测地表温度进行不确定性分析，得到红外辐射计定标的不确定度、红外辐射计测量的不确定度、地表发射率的不确定度、大气廓线数据的不确定度、大气辐射传输模型的不确定度、大气下行辐射的不确定度；根据红外辐射计定标的不确定度、红外辐射计测量的不确定度、地表发射率的不确定度、大气廓线数据的不确定度、大气辐射传输模型的不确定度、大气下行辐射的不确定度，基于误差传递理论得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度。

根据本发明的实施例，得到多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度包括：将遥感反演地表温度和地面实测地表温度在空间上匹配的像元视为中心像元，计算包含中心像元的预设尺寸的像元内遥感反演地表温度的标准差，以作为地表温度的空间代表性不确定度；以遥感反演地表温度和地面实测地表温度以地面测量时间为基准进行时间匹配，计算预设时间段内地面测量地表温度的标准差，以作为地表温度的时间代表性不确定度。

根据本发明的实施例，在利用实测地表温度对遥感反演地表温度进行验证的过程中，分析了二者的绝对差异以及不同影响因素带来的不确定度，再利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，综合考虑了各影响因素引起的不确定度，降低了不确定较大的数据对地表温度验证精度的影响，使得验证结果满足一致性对比和有效界定的要求，真实反映了地表温度反演的精度。

附图说明

图1示出了根据本发明实施例的遥感反演地表温度的精度验证方法的流程图。

图2示出了根据本发明实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度的流程图。

图3示出了根据本发明另一实施例的遥感反演地表温度的精度验证方法的流程图。

图4示出了根据本发明另一实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

在本发明中所公开的范围的端点和任何值都不限于该精确的范围或值，这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说，各个范围的端点值之间、各个范围的端点值和单独的点值之间，以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围，这些数值范围应被视为在本发明中具体公开。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语（包括技术和科学术语）具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

需要说明的是，除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。若全文中涉及“第一”、“第二”等描述，则该“第一”、“第二”等描述仅用于区别类似的对象，而不能理解为指示或暗示其相对重要性、先后次序或者隐含指明所指示的技术特征的数量，应该理解为“第一”、“第二”等描述的数据在适当情况下可以互换。

根据本发明的实施例，地表温度在地表-大气相互作用以及能量交换的过程起到重要作用。全球气候观测系统组织与欧洲航天局的气候变化倡议项目将地表温度列为监测地球气候系统的基本气候变量之一，地表温度的时空变化信息在天气预报、大洋环流、干旱监测、极地监测及能量平衡等众多研究领域具有重要意义。

获取质量可靠的地表温度产品需要解决三个关键技术：需要精准的大气辐射校正；需要实现地表温度和发射率的有效分离，从而解决反演参数的欠定问题；需要实现地表温度产品全链路质量追溯及网络化验证，从而保证地表温度产品的可靠性和可追溯性。由于大气、环境、尺度等因素会影响地表温度反演过程，因此开展遥感反演地表温度的真实性检验，明确地表温度反演链路过程中的不确定来源是获取质量可靠的地表温度产品的关键。但目前地表温度产品验证缺乏对辐射基准量值传递链路各不确定因素的细致分析，并且验证结果受测量设备、地-气环境变化等因素的影响，导致验证结果之间缺乏一致性对比和有效界定。

有鉴于此，本发明的实施例提供了一种遥感反演地表温度的精度验证方法，在利用实测地表温度对遥感反演地表温度进行验证的过程中，分析了二者的绝对差异以及不同影响因素带来的不确定度，再利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，综合考虑了各影响因素引起的不确定度，降低了不确定较大的数据对地表温度验证精度的影响，使得验证结果满足一致性对比和有效界定的要求，真实反映了地表温度反演的精度。

以下将通过图1~图4对本发明实施例的遥感反演地表温度的精度验证方法进行详细描述。

图1示意性示出了根据本发明实施例的遥感反演地表温度的精度验证方法的流程图。

如图1所示，该实施例的遥感反演地表温度的精度验证方法包括操作S101~操作S105。

在操作S101，通过分裂窗算法对热红外遥感数据进行地表温度反演，得到多组遥感反演地表温度，并且对多组遥感反演地表温度进行不确定性分析，得到多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度。

在操作S102，根据红外辐射计测量的与热红外遥感数据的成像时刻相匹配的通道辐亮度，基于红外辐射传输方程计算多组地面实测地表温度，对多组地面实测地表温度进行不确定性分析，得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度。

在操作S103，对多组遥感反演地表温度和多组地面实测地表温度进行空间代表性和时间代表性进行分析，得到多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度。

在操作S104，基于多组遥感反演地表温度和多组地面实测地表温度，建立地表温度绝对差异数据集，并且，基于多组遥感反演地表温度的不确定度、多组地面实测地表温度的不确定度、多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度，建立不确定度数据集。

在操作S105，根据地表温度绝对差异数据集和不确定度数据集，利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度。其中地表温度绝对差异融合的最优估计值用于表征地基验证结果，最优地表温度验证不确定度用于表征地基验证结果的不确定度。

根据本发明的实施例，得到遥感反演地表温度和地面实测地表温度的过程会收到多种因素的影响，这些影响因素会增加遥感反演地表温度和地面实测地表温度的不确定度，影响了地表温度验证的精度。通过卡尔曼滤波融合算法可以确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，能够综合考虑各影响因素引起的不确定度，降低不确定较大的数据对地表温度验证精度的影响。利用地表温度绝对差异融合的最优估计值表征地基验证结果，利用最优地表温度验证不确定度表征地基验证结果的不确定度，可以直观地反映地表温度反演的精度。

图2示意性示出了根据本发明实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度的流程图。

如图2所示，该实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度的方法包括操作S201~操作S203。

在操作S201，根据地表温度绝对差异数据集和不确定度数据集，对当前状态地表温度绝对差异和不确定度协方差进行估计，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值。

在操作S202，基于当前状态的地表温度验证不确定度的估计值，确定当前状态的卡尔曼增益。其中卡尔曼增益用于表征地表温度绝对差异数据集的权重。

在操作S203，基于卡尔曼增益以及地表温度绝对差异数据集，分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新，得到当前状态的地表温度绝对差异融合的最优估计值和当前状态的最优地表温度验证不确定度。

根据本发明的实施例，在操作S201，可以在不同条件下分别得到地表温度绝对差异数据集和不确定度数据集，例如可以是：在不同时间段分别得到地表温度绝对差异数据集和不确定度数据集，也可以是使用不同传感器分别得到地表温度绝对差异数据集和不确定度数据集。不同状态可以对应不同条件下获得的地表温度绝对差异数据集和不确定度数据集。例如：当前状态可以对应当前条件获得的地表温度绝对差异数据集和不确定度数据集。

根据本发明的实施例，当前状态的地表温度绝对差异的估计值的计算方法如公式（1）所示：

（1）。

式中，

根据本发明的实施例，上一状态可以对应上一条件获得的地表温度绝对差异数据集和不确定度数据集。

根据本发明的实施例，在仅存在一个状态对应的数据集情况下，

根据本发明的实施例，当前状态的地表温度验证不确定度的估计值的计算方法如公式（2）所示：

（2）。

式中，

根据本发明的实施例，同理地，

根据本发明的实施例，在操作S202，确定当前状态的卡尔曼增益的计算方法如公式（3）所示：

（3）。

式中，

，/>

根据本发明的实施例，卡尔曼增益可以用于表征地表温度绝对差异数据集的权重。卡尔曼增益越大，说明地表温度绝对差异数据集越准确，地表温度绝对差异数据集所占权重越大。

根据本发明的实施例，在操作S203，当前状态的地表温度绝对差异融合的最优估计值的计算方法如公式（4）所示：

（4）。

式中，

根据本发明的实施例，将卡尔曼增益以及地表温度绝对差异数据集带入公式（1），卡尔曼增益越大，所对应的地表温度绝对差异数据集越准确，

当前状态的最优地表温度验证不确定度的计算方法如公式（5）所示：

（5）。

式中，

根据本发明的实施例，利用卡尔曼增益以及地表温度绝对差异数据集，分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新，对准确度高的地表温度绝对差异数据集赋予较大的权重，可以得到当前状态的地表温度绝对差异融合的最优估计值和当前状态的最优地表温度验证不确定度，从而降低了不确定较大的数据对地表温度验证精度的影响。

根据本发明的实施例，遥感反演地表温度的精度验证方法还包括操作11~操作13。

操作11，重复地表温度反演及不确定性分析、地面实测地表温度计算及不确定性分析、空间代表性和时间代表性分析、建立地表温度绝对差异数据集、建立不确定度数据集的操作，得到用于表征不同状态的多组地表温度绝对差异数据集和多组不确定度数据集。

操作12，针对每个状态对应的多组地表温度绝对差异数据集和多组不确定度数据集，根据上一状态的地表温度绝对差异融合的最优估计值，以及上一状态的最优地表温度验证不确定度，对当前状态地表温度绝对差异和不确定度协方差进行估计，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值。

操作13，重复确定当前状态的卡尔曼增益的操作以及分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新的操作，得到与每个状态对应的地表温度绝对差异融合的最优估计值和最优地表温度验证不确定度。

根据本发明的实施例，在操作11，不同状态的多组地表温度绝对差异数据集和多组不确定度数据集可以是不同条件下获得的多组地表温度绝对差异数据集和多组不确定度数据集，例如可以是不同时间段得到的地表温度绝对差异数据集和多组不确定度数据集，也可以是利用不同传感器得到的地表温度绝对差异数据集和多组不确定度数据集。由于不同传感器得到的地表温度绝对差异数据集和多组不确定度数据集会存在差异，并且同一传感器会随着使用时间段增加而逐渐受损，增加反演结果的不确定度，导致反演结果不准确，因此可以在不同时间段反演地表温度，得到不同时间段的多组地表温度绝对差异数据集和多组不确定度数据集，也可以利用多个传感器得到多组地表温度绝对差异数据集和多组不确定度数据集。

根据本发明的实施例，在操作12，根据上一状态的地表温度绝对差异融合的最优估计值，以及上一状态的最优地表温度验证不确定度，对当前状态地表温度绝对差异和不确定度协方差进行估计，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值例如可以是：利用上一条件获得的地表温度绝对差异融合的最优估计值，以及上一条件获得的最优地表温度验证不确定度，对当前条件获得地表温度绝对差异和不确定度协方差进行估计，得到当前条件获得的地表温度绝对差异的估计值，以及当前条件获得的地表温度验证不确定度的估计值。

根据本发明的实施例，在操作13，重复确定当前状态的卡尔曼增益的操作以及分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新的操作，得到与每个状态对应的地表温度绝对差异融合的最优估计值和最优地表温度验证不确定度例如可以是：分别确定每一状态的卡尔曼增益，并分别对每一状态的地表温度绝对差异的估计值和地表温度验证不确定度的估计值进行更新，分别得到每一状态对应的地表温度绝对差异融合的最优估计值和最优地表温度验证不确定度。

例如，在2011年得到地表温度绝对差异数据集和不确定度数据集。针对2011年：预设上一状态的地表温度绝对差异融合的最优估计值为某一值，并预设上一状态的最优地表温度验证不确定度为某一值，基于上述预设值计算2011年的地表温度绝对差异的估计值，以及2011年的地表温度验证不确定度的估计值；确定2011年的卡尔曼增益，利用2011年的卡尔曼增益和2011年的地表温度绝对差异数据集对2011年的地表温度绝对差异的估计值，以及2011年的地表温度验证不确定度的估计值进行更新，最终得到2011年的地表温度绝对差异融合的最优估计值和最优地表温度验证不确定度。

根据本发明的实施例，根据上一状态的地表温度绝对差异融合的最优估计值，以及上一状态的最优地表温度验证不确定度，对当前状态地表温度绝对差异和不确定度协方差进行估计，可以综合考虑到不同状态对地表温度反演精度的影响，从而准确地反映了地表温度反演的精度。

根据本发明的实施例，在操作S103，基于多组遥感反演地表温度和多组地面实测地表温度，建立地表温度绝对差异数据集包括操作21、操作22。

操作21，针对每组遥感反演地表温度和地面实测地表温度，计算遥感反演地表温度与地面实测地表温度的差值的绝对值。

操作22，基于所有组的遥感反演地表温度与地面实测地表温度的差值的绝对值，建立地表温度绝对差异数据集。

根据本发明的实施例，在操作21，针对每组遥感反演地表温度和地面实测地表温度，计算遥感反演地表温度与地面实测地表温度的差值的绝对值的计算公式如式（6）所示：

（6）。

式中，

根据本发明的实施例，在操作22，基于所有组的遥感反演地表温度与地面实测地表温度的差值的绝对值，建立地表温度绝对差异数据集例如可以是：分别对不同观测条件的地表温度进行反演，例如可以对不同地表类型、不同大气类型下的地表温度进行反演，获取多组不同地表类型、不同大气类型下的遥感反演地表温度以及地面实测地表温度。分别得到每组遥感反演地表温度与地面实测地表温度的差值的绝对值，由所有组的遥感反演地表温度与地面实测地表温度的差值的绝对值组成一个地表温度绝对差异数据集。

例如，对5种地表类型的地表温度进行反演，获取了5组不同地表类型下的遥感反演地表温度以及地面实测地表温度。分别得到每组遥感反演地表温度与地面实测地表温度的差值的绝对值，可以分别表示为：

根据本发明的实施例，在操作S103，基于多组遥感反演地表温度的不确定度和多组地面实测地表温度的不确定度、多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度，建立不确定度数据集包括操作31、操作32。

操作31，基于每组遥感反演地表温度的不确定度和每组地面实测地表温度的不确定度、每组地表温度的空间代表性不确定度和每组地表温度的时间代表性不确定度，按照公式（7）计算每组地表温度验证不确定度：

（7）。

其中，

操作32，基于所有组的地表温度验证不确定度，建立不确定度数据集。

根据本发明的实施例，操作32例如可以是：分别对不同地表类型、不同大气类型下的地表温度进行反演，获取了多组不同地表类型、不同大气类型下的遥感反演地表温度的不确定度、地面实测地表温度的不确定度、地表温度的空间代表性不确定度和地表温度的时间代表性不确定度，并按照公式（7）计算每组地表温度验证不确定度。基于所有组的地表温度验证不确定度，建立一个不确定度数据集。

例如：对5种地表类型的地表温度进行反演，分别获取了5组不同地表类型下的遥感反演地表温度的不确定度、地面实测地表温度的不确定度、地表温度的空间代表性不确定度和地表温度的时间代表性不确定度。按照公式（7）计算每组地表温度验证不确定度，可以分别表示为：

根据本发明的实施例，通过计算地表温度绝对差异数据集和不确定度数据集，可以综合考虑不同观测条件下的地表温度绝对差异和地表温度验证不确定度，使验证结果可以覆盖多种观测条件，可以综合考虑多种影响地表温度的反演精度的因素。

根据本发明的实施例，在操作S101，得到多组遥感反演地表温度包括操作41~操作46。

操作41，将大气廓线、地表温度、地表发射率和观测天顶角作为输入参数，输入大气辐射传输模型，得到不同观测条件的大气上行辐射、大气下行辐射和大气透过率光谱值，其中，大气廓线、地表温度、地表发射率和观测天顶角分别为在配置中心配置得到。

操作42，基于不同观测条件的大气上行辐射、大气下行辐射和大气透过率光谱值，结合传感器分裂窗通道的光谱响应函数，获取传感器分裂窗通道处的大气上行辐射、传感器分裂窗通道处的大气下行辐射和传感器分裂窗通道处的大气透过率。

操作43，基于传感器分裂窗通道处的大气上行辐射、传感器分裂窗通道处的大气下行辐射和传感器分裂窗通道处的大气透过率、地表温度、地表发射率，结合热红外辐射传输方程和普朗克反函数，得到传感器分裂窗通道的亮度温度。

操作44，将传感器分裂窗通道的亮度温度作为模拟数据集，并且将模拟数据集划分为多个连续子区间。

操作45，根据划分为多个连续子区间的模拟数据集，利用最小二乘法拟合生成多个连续子区间的分裂窗算法系数。

操作46，根据分裂窗算法系数和热红外遥感数据，利用分裂窗算法，得到多组遥感反演地表温度，其中，热红外遥感数据包括传感器通道地表发射率、星上亮度温度、观测天顶角、大气水汽含量。

根据本发明的实施例，在操作41，配置中心例如可以是配置界面等。

根据本发明的实施例，对大气廓线、地表温度、地表发射率和观测天顶角进行配置的操作包括：根据来自于大气数据库中未受到云污染的大气廓线，提取大气廓线的底层温度；根据大气廓线的底层温度设置地表温度，并且对地表发射率和观测天顶角进行配置，以使地表温度、地表发射率和观测天顶角适用于表征不同观测条件。

根据本发明的实施例，由于热红外遥感反演地表温度仅适用于晴空条件，因此可以从Thermodynamic Initial Guess Retrieval大气数据库中提取未受到云污染的大气廓线：例如可以将某一层相对湿度大于90%或者连续两层相对湿度大于85%的大气廓线视为受到云污染的大气廓线，剔除Thermodynamic Initial Guess Retrieval大气数据库中受到云污染的大气廓线。

根据本发明的实施例，为了使遥感反演地表温度更具有代表性，并且更贴近真实情况，提取未受到云污染的大气廓线的底层温度

根据本发明的实施例，为了使遥感反演地表温度涵盖大部分地表覆盖类型，地表发射率例如可以设置为：平均发射率

根据本发明的实施例，由于辐射传输模拟受观测角度的影响，为了使遥感反演地表温度具有普适性，需要设置多个观测天顶角。例如可以设置11个观测天顶角，分别为：0º、10.16º、20.33º、30.52º、35.63º、40.76º、45.91º，51.08º，56.31º，61.6º，67º。

根据本发明的实施例，不同观测条件例如可以是：不同地表类型、不同大气类型、不同地表温度、不同观测角度的一种或多种。

根据本发明的实施例，在操作42，获取传感器分裂窗通道处的大气上行辐射、传感器分裂窗通道处的大气下行辐射和传感器分裂窗通道处的大气透过率例如可以通过下式（8）计算：

（8）。

式中，

根据本发明的实施例，在操作43，在局部热平衡的晴空无云条件下，热红外辐射传输方程如下式（9）所示：

（9）。

式中，

根据本发明的实施例，亮度温度的计算公式如下式（10）所示：

（10）。

式中，

根据本发明的实施例，在操作44，为了提高地表温度的反演精度，需要将地表温度、观测天顶角、大气水汽含量和地表发射率划分为多个含有重叠范围的连续子区间，再基于上述区间，将模拟数据集划分为多个连续子区间，例如可以是：将地表温度划分为5个含有重叠范围的连续子区间：

根据本发明的实施例，在操作45及操作46，基于多个连续子区间的模拟数据集，利用最小二乘法拟合生成多个连续子区间的分裂窗算法系数；结合上述分裂窗算法系数，在地表发射率和大气水汽含量已知的情况下，依据传感器通道的地表发射率、星上亮度温度、观测天顶角、大气水汽含量，选取对应子区间的分裂窗算法系数，输入分裂窗算法，计算得到遥感反演地表温度。

分裂窗算法如下式（11）所示：

（11）。

式中，

根据本发明的实施例，在操作S102，计算多组地面实测地表温度包括操作51~操作54。

操作51，根据红外辐射计测量的离地亮度温度数据，利用普朗克函数和红外辐射计光谱响应函数计算通道等效辐亮度。

操作52，基于实测大气廓线数据，利用大气辐射传输模型和红外辐射计光谱响应函数，计算通道大气下行辐射。

操作53，将实测发射率光谱或从光谱库提取地物的发射率光谱卷积至红外辐射计响应通道，得到通道等效地表发射率。

操作54，基于红外辐射传输方程，根据将通道等效辐亮度、通道大气下行辐射、通道等效地表发射率，计算多组地面实测地表温度。

根据本发明的实施例，在操作51，计算通道等效辐亮度例如可以是：基于地面验证场与待验证红外载荷成像时刻相匹配的8-14

（12）。

式中，

利用式（8），将辐亮度数据与红外辐射计通道光谱响应函数进行卷积，得到通道等效辐亮度。

根据本发明的实施例，在操作52，计算通道大气下行辐射例如可以是：将地面验证场实测大气温湿度廓线、实测大气温湿度廓线和大气廓线底层温度作为输入参数，输入MODTRAN大气辐射传输模型，得到大气下行辐射，根据式（8）结合红外辐射计通道光谱响应函数，得到通道大气下行辐射。

根据本发明的实施例，在操作53，计算通道等效地表发射率例如可以是：获取实测发射率光谱；也可以是从ASTER光谱库提取地物的反射率光谱，再基于基尔霍夫定律，将ASTER光谱库提取地物的反射率光谱转换为发射率光谱，所用公式如下式（13）所示：

（13）。

式中

根据本发明的实施例，在操作54，计算地面实测地表温度例如可以是：忽略大气透过率和大气上行辐射的影响，基于红外辐射传输方程，结合通道等效辐亮度、通道大气下行辐射、通道等效地表发射率，由式（14）计算得到地面实测地表温度：

（14）。

式中

根据本发明的实施例，在操作S101，得到多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度包括：基于分裂窗算法本身的不确定度、分裂窗算法输入参数的不确定度，基于误差传递理论得到与多组遥感反演地表温度一一对应的多组遥感反演地表温度的不确定度；其中，分裂窗算法输入参数的不确定度包括：地表发射率不确定度、大气水汽含量不确定度、星上亮度温度不确定度。

根据本发明的实施例，基于误差传递理论，结合分裂窗算法本身的不确定度、地表发射率不确定度、大气水汽含量不确定度、星上亮度温度不确定度，通过式（15）得到遥感反演地表温度的不确定度：

（15）。

式中，

根据本发明的实施例，通过结合分裂窗算法本身的不确定度以及分裂窗算法输入参数的不确定度，可以综合考虑影响遥感反演地表温度的各种因素，可以得到更加精确的遥感反演地表温度的不确定度。

根据本发明的实施例，得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度包括：利用蒙特卡洛不确定度分析方法对多组地面实测地表温度进行不确定性分析，得到红外辐射计定标的不确定度、红外辐射计测量的不确定度、地表发射率的不确定度、大气廓线数据的不确定度、大气辐射传输模型的不确定度、大气下行辐射的不确定度。

根据红外辐射计定标的不确定度、红外辐射计测量的不确定度、地表发射率的不确定度、大气廓线数据的不确定度、大气辐射传输模型的不确定度、大气下行辐射的不确定度，基于误差传递理论得到与多组地面实测地表温度一一对应的多组地面实测地表温度的不确定度。

根据本发明的实施例，可以通过下式（16）得到地面实测地表温度的不确定度：

（16）。

式中，

根据本发明的实施例，得到多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度包括：将遥感反演地表温度和地面实测地表温度在空间上匹配的像元视为中心像元，计算包含中心像元的预设尺寸的像元内遥感反演地表温度的标准差，以作为空间代表性不确定度；以遥感反演地表温度和地面实测地表温度以地面测量时间为基准进行时间匹配，计算预设时间段内地面测量地表温度的标准差，以作为地表温度的时间代表性不确定度。

根据本发明的实施例，计算包含中心像元的预设尺寸的像元内遥感反演地表温度的标准差例如可以是：计算包含中心像元的3×3像元内遥感反演地表温度的标准差；预设时间段内地面测量地表温度的标准差例如可以是前后3分钟地面测量地表温度的标准差。

根据本发明的实施例，中心像元的预设尺寸可以根据实际情况自行设定，例如可以是：根据某测试场地的观测条件设定中心像元的预设尺寸为5×5。

根据本发明的实施例，预设时间段可以根据实际情况自行设定，例如可以是：根据测试仪器的性能设定预设时间段为前后5分钟。

图3示意性示出了根据本发明另一实施例的遥感反演地表温度的精度验证方法的流程图。

如图3所示，该另一实施例的遥感反演地表温度的精度验证方法包括操作S301~操作S311。

在操作S301，将在配置中心配置得到的大气廓线、地表温度、地表发射率和观测天顶角输入大气辐射传输模型，结合传感器分裂窗通道的光谱响应函数、红外辐射传输方程和普朗克反函数，得到传感器通道亮度温度。

在操作S302，根据不同大气条件、不同地表类型、不同地表温度和不同观测角度分别对应的传感器通道亮度温度，得到模拟数据集。

在操作S303，将模拟数据集划分为多个连续子区间，利用最小二乘法拟合生成多个连续子区间的分裂窗算法系数。

在操作S304，根据分裂窗算法系数，利用分裂窗算法，得到多组遥感反演地表温度。

在操作S305，对多组遥感反演地表温度进行不确定性分析，得到遥感反演地表温度的不确定度。

在操作S306，将地基验证中所使用红外辐射计测量的通道辐亮度、通道大气下行辐射、通道等效地表发射率输入至红外辐射传输方程。

在操作S307，利用红外辐射传输方程得到与多组遥感反演地表温度相匹配的多组地面实测地表温度。

在操作S308，对多组地面实测地表温度进行不确定分析，得到地面实测地表温度的不确定度。

在操作S309，对多组遥感反演地表温度和多组地面实测地表温度进行空间代表性和时间代表性进行分析，得到多组地表温度的空间代表性不确定度和多组地表温度的时间代表性不确定度。

在操作S310，利用卡尔曼滤波融合算法，根据遥感反演地表温度和地面实测地表温度之间的绝对差异和不确定度，计算当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值。

在操作S311，基于卡尔曼增益对当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值进行更新，得到地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度。

图4示意性示出了根据本发明另一实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度方法的流程图。

如图4所示，该另一实施例的利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度方法包括操作S401~操作S404。

在操作S401，获取上一状态的地表温度绝对差异的最优估计值以及上一状态的地表温度验证不确定度的最优估计值。

在操作S402，基于上一状态的地表温度绝对差异的最优估计值以及上一状态的地表温度验证不确定度的最优估计值，得到当前状态的地表温度绝对差异的估计值，以及当前状态的地表温度验证不确定度的估计值。

在操作S403，基于当前状态的地表温度验证不确定度的估计值，计算当前状态的卡尔曼增益。

在操作S404，结合当前状态的卡尔曼增益及地表温度绝对差异数据集，分别对当前状态的地表温度绝对差异的估计值和当前状态的地表温度验证不确定度的估计值进行更新。

本领域技术人员可以理解，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本发明中。特别地，在不脱离本发明精神和教导的情况下，本发明的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本发明的范围。

以上对本发明的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本发明的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本发明的范围由所附权利要求及其等同物限定。不脱离本发明的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本发明的范围之内。