10.11873/j.issn.1004-0323.2018.5.0793
基于BP神经网络的地表温度空间降尺度方法
基于统计模型的降尺度方法被广泛用于热红外影像的尺度转换中,然而,大多数算法都会受到复杂地表环境的影响,例如地表覆盖、季节等.为了解决地表温度与光谱指数函数关系的不确定性,提出了一种新型的基于BP神经网络的地表温度降尺度方法.首先,在粗分辨率的情况下,训练得到一个以光谱指数为输入,原始温度为输出的BP神经网络.之后,输入高分辨率的光谱指数进而得到高分辨率的温度结果.实验通过设置多种光谱指数组合和BP网络隐藏层节点数而展开.结果评价时,以原始温度影像为参照,在城镇、植被和水体区域内,该方法的RMSE、R2、Bias及相对精度优于传统的分层线性回归降尺度方法.实测验证表明:该算法的RMSE和Bias分别达0.98℃、0.51℃,明显优于分层线性回归的结果(RMSE为2.9℃,Bias为1.7℃),说明该方法具有较高的降尺度精度,这对于城市热环境的研究具有一定的应用价值.
地表温度、降尺度、BP神经网络、光谱指数、Landsat 8 OLI
33
TP79(遥感技术)
国家重点研发计划项目2017YFB0503905-05
2019-01-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
793-802