![]() |
|
以作者查詢圖書館館藏 、以作者查詢臺灣博碩士 、以作者查詢全國書目 、勘誤回報 、線上人數:20 、訪客IP:18.191.165.101
姓名 傅尚友(Shang-Yu Fu) 查詢紙本館藏 畢業系所 太空科學與工程研究所 論文名稱 高時空融合影像在氣膠光學厚度反演之自動化流程與長期驗證
(Automatic Image Fusion Procedure for High-Spatiotemporal AOD Retrieval and Long-term Validation)相關論文 檔案 [Endnote RIS 格式]
[Bibtex 格式]
[相關文章]
[文章引用]
[完整記錄]
[館藏目錄]
[檢視]
[下載]
- 本電子論文使用權限為同意立即開放。
- 已達開放權限電子全文僅授權使用者為學術研究之目的,進行個人非營利性質之檢索、閱讀、列印。
- 請遵守中華民國著作權法之相關規定,切勿任意重製、散佈、改作、轉貼、播送,以免觸法。
摘要(中) 大氣氣膠光學厚度(Aerosol Optical Depth, AOD)是空氣品質的重要指標之一,且具明顯的時間與空間分布變化之特性。對於大氣氣膠的觀測,除地面定點的測站量測外,衛星的觀測可獲取大範圍的AOD資訊,然而受限於衛星軌道與空間觀測特性,利用單一衛星將無法獲得完整的高時空解析之觀測。為了得到高時空解析的衛星觀測影像,前期研究改進Spatial-Temporal Adaptive Reflectance Fusion Mode (STARFM)方法,結合高時間解析的Himawari-8影像與高空間解析的Landsat-8影像之優勢,將大氣效應納入融合過程,以獲得高時空解析的大氣層頂反射率融合影像。再用Simultaneous Radiation Solution(SRS)反演獲取高時空解析大氣氣膠光學厚度資訊。為有效應用於實際觀測作業,本研究將建構自動化影像融合過程,並進行長期驗證,以確認此方法之可行性。前期反演方法經個案測試呈現,在太陽天頂角較大時段(早晨跟黃昏),AOD會有高估的現象,因此本研究假設兩張參考時間點影像調整到相似的亮度,並建構地表雙向反射查找表以加入雙向地表反射率(bidirectional reflectance distribution function, BRDF)模型,檢驗AOD反演誤差之改進。研究結果顯示,調整後之參考影像亮度與加入雙向地表反射率之修正,可有效地改進太陽天頂角較大時段AOD之反演誤差,以2019/4/23個案為例,高時空解析融合影像所反眼AOD最大相對誤差從86%降到44%,最小相對誤差也從16%降到0.17%,獲得相當的改進成效。因為本研究在不同地物時都用相同的異向參數,未來可以改善地物分類,然後根據地物設定不同的異向參數。希望未來能應用在反演氣膠種類跟監測短周期的污染事件。 摘要(英) Aerosol Optical Depth (AOD) is a pivotal indicator of air quality which highly varies in spatial and temporal. Due to the characteristics of satellite orbit and spatial observation, acquiring AOD in high spatiotemporal resolution by a single satellite is not viable. Therefore, this study proposed an automatic image fusion technique that employs a modified Spatial-Temporal Adaptive Reflectance Fusion Model (STARFM) algorithm to synthesize Landsat and Himawari imagery for high spatiotemporal AOD retrieval. Bidirectional reflectance distribution function (BRDF) was incorporated in the model for adjusting the brightness of two reference time points, which could alleviate the overestimated AOD values retrieved in the morning and the sunset (i.e., period of large solar zenith angle). An additional look-up table storing fine surface reflectivity was built for assisting this procedure. The results showed a significant reduction of maximum and minimum relative error to 44% and 0.17%, respectively. This automatic model presented a promised method for short-term air quality monitor. Future studies could be improved by more meticulous land cover data and associated anisotropy parameters. 關鍵字(中) ★ 氣膠光學厚度
★ 高時空解析影像融合
★ 雙向地表反射率
★ 自動化影像融合過程關鍵字(英) ★ Himawari-8
★ Landsat-8論文目次 摘要 iv
Abstract v
致謝 vi
目錄 vii
圖目錄 ix
表目錄 xii
第一章 緒論 1
1.1前言 1
1.2文獻回顧 3
1.2.2 高時空影像融合 3
1.2.3 氣膠光學厚度反演 4
1.3研究動機與目的 6
第二章 研究資料與模式 7
2.1 衛星觀測資料 7
2.1.1 Landsat-8 7
2.1.2 Himawari-8 9
2.2 地面觀測資料 10
2.2.1 AERONET 10
2.3 輻射傳送模式 11
第三章 研究內容與方法 12
3.1 資料處理 12
3.1.1 幾何校正 12
3.1.2 查找表 13
3.1.3 雙向反射分布函數(bidirectional reflectance distribution function, BRDF) 14
3.1.4 地物種類分類 16
3.2 高時空影像融合 18
3.2.1 光譜權重 19
3.2.2 時間權重 20
3.2.3 距離權重 20
3.2.4 Landsat-8影像轉成Himawari-8的觀測角度影像 21
3.3 氣膠光學厚度反演 22
3.3.1 輻射傳送原理 22
3.3.2 同時輻射率定法 22
3.3.3 地表反射率 22
3.3.4 查找表建立與查找方式 23
3.3.5 氣膠光學厚度計算 24
3.4 研究架構與流程 25
第四章 結果與討論 26
4.1 高時空影像融合 26
4.1.1 濾雲結果 26
4.1.2 Landsat-8影像經過亮度調整後影像融合結果 26
4.1.3 影像融合大氣層頂反射率結果 28
4.2 氣膠光學厚度反演 29
4.2.1 地表反射率用雙向地表反射率模型和用短波紅外反演出來的ρa跟T比較 29
4.2.2 跟地面測站AERONET比較 31
第五章 結論與展望 36
5.1 結論 36
5.2 展望 37
參考文獻 38參考文獻 1. Effects of Common Air Pollutants. 取自https://www.airnow.gov/sites/default/files/2018-03/common-air-pollutants-2011-lo.pdf
2. AERONET網站. 取自https://aeronet.gsfc.nasa.gov/
3. Gao, F., Masek, J., Schwaller, M., & Hall, F. (2006). On the blending of the Landsat and MODIS surface reflectance: Predicting daily Landsat surface reflectance. IEEE Transactions on Geoscience and Remote sensing, 44(8), 2207-2218.
4. 郭人維, 黃智遠, 張國恩, 林唐煌, & 劉振榮. (2020). 高時空融合影像在氣膠光學厚度反演之應用. Journal of Photogrammetry and Remote Sensing, 25(2), 51-69.
5. Landsat衛星介紹. 取自https://www.csrsr.ncu.edu.tw/rsrs/satellite/Landsat.php
6. USGS Earth Explorer. 取自https://earthexplorer.usgs.gov/
7. USGS Landsat-8.取自https://www.usgs.gov/core-science-systems/nli/landsat/landsat-8?qt-science_support_page_related_con=0#qt-science_support_page_related_con
8. eoPortal Himawari-8. 取自https://earth.esa.int/web/eoportal/satellite-missions/h/himawari-8-9
9. Vermote, E. F., Tanré, D., Deuze, J. L., Herman, M., & Morcette, J. J. (1997). Second simulation of the satellite signal in the solar spectrum, 6S: An overview. IEEE transactions on geoscience and remote sensing, 35(3), 675-686.
10. Kotchenova, S. Y., Vermote, E. F., Matarrese, R., & Klemm Jr, F. J. (2006). Validation of a vector version of the 6S radiative transfer code for atmospheric correction of satellite data. Part I: Path radiance. Applied optics, 45(26), 6762-6774.
11.DiCenso, A., Bayley, L., & Haynes, R. B. (2009). Accessing pre-appraised evidence: fine-tuning the 5S model into a 6S model.
12.Rahman, H., Pinty, B., & Verstraete, M. M. (1993). Coupled surface‐atmosphere reflectance (CSAR) model: 2. Semiempirical surface model usable with NOAA advanced very high resolution radiometer data. Journal of Geophysical Research: Atmospheres, 98(D11), 20791-20801.
13. Roujean, J. L., Leroy, M., & Deschamps, P. Y. (1992). A bidirectional reflectance model of the Earth′s surface for the correction of remote sensing data. Journal of Geophysical Research: Atmospheres, 97(D18), 20455-20468.
14. Henyey, L. G., & Greenstein, J. L. (1941). Diffuse radiation in the galaxy. The Astrophysical Journal, 93, 70-83.
15. Ranson, J. H. (1984). Acute pancreatitis: pathogenesis, outcome and treatment. Clinics in gastroenterology, 13(3), 843-863.
16. Kimes, D. S., & Sellers, P. J. (1985). Inferring hemispherical reflectance of the Earth′s surface for global energy budgets from remotely sensed nadir or directional radiance values. Remote Sensing of Environment, 18(3), 205-223.
17. Gillbro, T., Kriebel, A. N., & Wild, U. P. (1977). On the origin of the red emission of light adapted purple membrane of Halobacterium halobium. FEBS letters, 78(1), 57-60.
18. Woessner, P., & Hapke, B. (1987). Polarization of light scattered by clover. Remote sensing of environment, 21(3), 243-261.
19. Learn by Marketing. 取自http://www.learnbymarketing.com/methods/k-means-clustering/指導教授 林唐煌 審核日期 2021-8-3 推文 plurk
funp
live
udn
HD
myshare
netvibes
friend
youpush
delicious
baidu
網路書籤 Google bookmarks
del.icio.us
hemidemi
myshare