加急见刊

基于BP神经网络的地表温度空间降尺度方法

汪子豪; 秦其明; 孙元亨; 张添源; 任华忠 北京大学地球与空间科学学院遥感与地理信息系统研究所; 北京100871; 空间信息集成与3S工程应用北京市重点实验室; 北京100871; 地理信息基础软件与应用国家测绘地理信息局工程技术研究中心; 北京100871

摘要：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、R^2、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。

注: 保护知识产权,如需阅读全文请联系遥感技术与应用杂志社