Retrieval of Land-surface Temperature from AMSR2 Data Using a Deep Dynamic Learning Neural Network

• 作 者: MAO Kebiao ZUO Zhiyuan SHEN Xi
• 机 构: NationalHulunberGrasslandEcosystemObservationandResearchStation,StateKeyLaboratoryofRemoteSensingSci
• 出 处: 中国地理科学：英文版
• 发表日期: 2018年1期
• 关键词: 陆地表面温度 数据检索 神经网络 学习 活力 被动微波遥感 AMSR-E 扫描辐射计 radiometry Advanced Microwave Scanni
• 基金项目: Under the auspices of National Natural Science Foundation of China（No.41571427）, National Key Project of China（No.2016YFC0500203）, Open Fund of State Key Laboratory of Remote Sensing Science（No.OFSLRS

比从热遥感数据从被动微波遥感数据检索陆地表面温度(LST ) 是更困难的，因为在被动微波乐队的放射率能在热红外线的乐队比那些更容易变化。因此，造一种稳定的关系是很困难的。被动微波乐队放射率被土壤潮湿极大地影响，它与时间变化。这使开发一个一般物理算法困难。这份报纸建议一个方法利用多重卫星，传感器和分辨率结合了一个深有活力的学习神经网络从扫描辐射计 2 的先进微波( AMSR2 )获得的图象检索陆地表面温度，类似于扫描观察系统( AMSR-E )的辐射计土的先进微波的一个传感器。AMSR-E 和 MODIS