论文部分内容阅读
本文研究地表温度的反演及实现，着重探讨遗传算法在地表温度反演中的应用。研究中使用MODIS对同一地区白天和夜间两次观测的7个红外波段的模拟数据，同时反演出地表温度、大气温度湿度廓线、通道平均比辐射率等多个未知参量。从数学角度可以将本文的研究对象概括为非线性大气辐射传输方程的多维空间寻优问题。
遗传算法直接对求解问题的目标函数进行搜索，具有适应性好、搜索效率高、多点并行搜索、全局优化求解能力强等诸多优点，非常适合于解决非线性优化问题和多维空间寻优问题。因此，完全可以考虑将遗传算法应用于地表温度等多个未知参量的同步反演。
论文中，作者详细论述了基于遗传算法的地表温度反演方案的设计及实现过程。与昼夜联合反演算法[Wan＆ Li1997]相比，基于遗传算法的反演方案采用群体搜索策略，完全不需要统计回归分析的过程。此外，作者结合地物比辐射率在不同波段之间的联系，对反演方案的编码策略进行了合理的改进，一定程度上提高了反演效率。
误差分析表明，基于遗传算法的反演方案效果较好。其中，地表温度反演误差小于1 K的数据高达66.33％，而反演误差大于2 K的数据仅占12.33％。
灵敏度分析表明，基于遗传算法的反演方案对噪声不敏感。在作为输入的亮度温度模拟观测数据中加入均值为0，方差为1 K的高斯噪声后，反演结果无显著变化。