基于BP神經(jīng)網(wǎng)絡(luò )的地表溫度空間降尺度方法
摘要:基于統計模型的降尺度方法被廣泛用于熱紅外影像的尺度轉換中,然而,大多數算法都會(huì )受到復雜地表環(huán)境的影響,例如地表覆蓋、季節等。為了解決地表溫度與光譜指數函數關(guān)系的不確定性,提出了一種新型的基于BP神經(jīng)網(wǎng)絡(luò )的地表溫度降尺度方法。首先,在粗分辨率的情況下,訓練得到一個(gè)以光譜指數為輸入,原始溫度為輸出的BP神經(jīng)網(wǎng)絡(luò )。之后,輸入高分辨率的光譜指數進(jìn)而得到高分辨率的溫度結果。實(shí)驗通過(guò)設置多種光譜指數組合和BP網(wǎng)絡(luò )隱藏層節點(diǎn)數而展開(kāi)。結果評價(jià)時(shí),以原始溫度影像為參照,在城鎮、植被和水體區域內,該方法的RMSE、R^2、Bias及相對精度優(yōu)于傳統的分層線(xiàn)性回歸降尺度方法。實(shí)測驗證表明:該算法的RMSE和Bias分別達0.98℃、0.51℃,明顯優(yōu)于分層線(xiàn)性回歸的結果(RMSE為2.9℃,Bias為1.7℃),說(shuō)明該方法具有較高的降尺度精度,這對于城市熱環(huán)境的研究具有一定的應用價(jià)值。
注: 保護知識產(chǎn)權,如需閱讀全文請聯(lián)系遙感技術(shù)與應用雜志社