1.一种普适性的针对无人机热红外数据的地表温度反演方法，其特征在于，所述地表温度反演方法包括以下步骤：S1，利用无人机搭载WIRIS Pro Sc热像仪对研究区进行航拍，对获取的热红外遥感数据进行温度漂移修正，然后进行拼接生成整个研究区的热红外正射图像；使用无人机搭载多光谱相机获取研究区的多光谱遥感数据，记录各个像控点的经纬度坐标信息，对多光谱遥感数据进行拼接处理，在拼接过程中导入各个像控点的经纬度坐标信息，生成具有准确定位信息的整个研究区的多光谱正射图像；以具有准确定位信息的多光谱正射图像为基准图像，对拼接后的热红外遥感图像进行空间配准；在无人机飞行过程中，利用温湿度计同步测量得到近地表气温与相对湿度；

S2，将WIRIS Pro Sc热像仪数据的灰度值转换为辐射温度；根据WIRIS Pro Sc有效波长、普朗克方程以及黑体辐射模拟计算结果，构建修正的从辐射温度计算WIRIS Pro Sc波段辐射亮度的公式，消除WIRIS Pro Sc宽波段特性带来的温度向辐射亮度转换过程的不确定性，得到表观辐射亮度；

S3，基于全球大气廓线库进行辐射传输模拟，拟合针对WIRIS Pro Sc波段的不同高度大气大气透过率、大气上行辐射亮度与近地表气温、绝对湿度、无人机高度之间关系，以及整层大气下行辐射亮度与近地表气温、绝对湿度之间关系，构建以近地表气温、绝对湿度以及无人机飞行高度为输入变量的计算无人机高度大气透过率、大气上行辐射以及整层大气下行辐射的通用经验方程；根据温湿度计获取的研究区近地表气温与相对湿度计算绝对湿度，结合无人机高度和近地表气温计算得到无人机高度的大气透过率、大气上行辐射亮度以及整层大气下行辐射亮度；结合无人机表观辐射亮度，计算得到地表发射辐射亮度；

S4，基于无人机多光谱图像计算归一化植被指数NDVI和归一化水体指数NDWI，将NDVI、NDWI和多光谱波段一起作为分类特征，运用随机森林算法进行土地覆盖分类，得到研究区的土地覆盖图；根据研究区的土地覆盖图和典型地物WIRIS Pro Sc波段比辐射率，计算得到研究区的地表比辐射率，生成研究区地表比辐射率空间分布图；

S5，基于获得的地表发射辐射亮度和地表比辐射率，计算得到地表温度对应的黑体辐射亮度；根据WIRIS Pro Sc有效波长、普朗克方程逆变换以及黑体辐射模拟计算结果，构建修正的从WIRIS Pro Sc波段辐射亮度计算温度的公式，消除WIRIS Pro Sc宽波段特性带来的辐射亮度向温度转换过程的不确定性，得到研究区的地表温度空间分布图；

步骤S1进一步包括以下步骤：

利用无人机搭载WIRIS Pro Sc热像仪进行航拍，获取热红外遥感数据；

采用基于代表性灰度值归一化处理方法修正热红外遥感数据的温度漂移，对温度漂移修正后的热红外遥感数据进行拼接处理，生成整个研究区的热红外正射图像；

在研究区域选择平坦、无遮挡、清晰易识别的地点布设地面像控点，利用RTK高精度定位设备记录各个像控点的经纬度；

使用无人机搭载多光谱相机获取研究区的多光谱遥感数据；

对多光谱遥感数据进行拼接处理，在拼接过程中导入像控点的经纬度信息，生成具有准确定位信息的整个研究区的多光谱正射图像；

以具有准确定位信息的多光谱正射图像为基准图像，对拼接后的热红外正射图像进行空间配准；

在无人机飞行的同时，使用温湿度计测量近地表的气温与相对湿度数据；

步骤S2进一步包括以下步骤：

将WIRIS Pro Sc热像仪数据的灰度值转换为辐射温度：Tb＝DN*0.025+173.15；

式中，Tb为辐射温度，单位为K；DN为像元灰度值；

将WIRIS Pro Sc波段的有效波长10.64μm代入普朗克方程，变换后得到从辐射温度向WIRIS Pro Sc波段辐射亮度转换的公式，并根据黑体辐射计算结果构建修正方程消除WIRIS Pro Sc宽波段特性在温度到辐射亮度转换过程中的不确定性，构建修正后的从辐射温度向WIRIS Pro Sc波段辐射亮度转换的公式：‑2 ‑1 ‑1 ‑2

式中，L为WIRIS Pro Sc波段辐射亮度，单位为W·m ·sr ·μm ；C1＝861.66W·m ·‑1 ‑1sr ·μm ；K2＝1352.23K；Tb为辐射温度，单位为K；

计算得到WIRIS Pro Sc波段表观辐射亮度。

2.根据权利要求1所述的普适性的针对无人机热红外数据的地表温度反演方法，其特征在于，步骤S3进一步包括以下步骤：根据TIGR全球大气廓线库提取所有大气温湿度垂直廓线，输入M0DTRAN大气辐射传输模型进行辐射传输模拟，计算得到不同高度的大气透过率、大气上行辐射亮度以及整层大气下行辐射亮度；

根据廓线库各大气廓线近地表气温与绝对湿度，分析与不同高度的大气透过率、大气上行辐射亮度以及整层大气下行辐射亮度之间的关系，构建以近地表气温、绝对湿度、无人机高度为自变量的大气透过率、大气上行辐射亮度以及大气下行辐射亮度通用经验方程；

以全球大气廓线模拟得到的不同高度大气透过率为因变量，无人机高度和近地表绝对湿度为自变量，构建得到不同高度的大气透过率计算公式：‑5 ‑2 ‑5

＝1.99×10 ·H‑1.34×10 ·ρv‑5.2×10 ·H·ρv+1.00269；

3

式中， 为大气透过率；H为无人机高度，单位为m；ρv为近地表绝对湿度，单位为g/m；

以全球大气廓线辐射模拟得到的不同高度大气上行辐射亮度为因变量，无人机高度、近地表气温和绝对湿度为自变量，构建得到不同高度的大气上行辐射亮度计算公式：↑ ‑5 ‑5

L＝3.7×10 ·H·(1‑τ)·T0‑0.01131·H·(1‑τ)+9.3×10 ·H+0.0863·(1‑τ)·T0‑16.8956·(1‑τ)‑0.05；

↑ ‑2 ‑1 ‑1

式中，L为大气上行辐射亮度，单位为W·m ·sr ·μm ；H为无人机高度，单位为m；

为大气透过率；T0为近地表气温，单位为K；

以全球大气廓线辐射模拟得到的整层大气下行辐射亮度为因变量，无人机高度、近地表气温和绝对湿度为自变量，构建得到整层大气下行辐射亮度计算公式为：↓

L ＝‑0.0061·(0.0558+0.08964·ρv)·T0+13.135·(0.0558+0.08964·ρv)‑‑4 ‑4

0.434411.97‑0.5468×10 ·ρv·T0‑0.3404×10 ·T0‑1.1774·ρv；

↓ ‑2 ‑1 ‑1

式中，L为大气下行辐射亮度，单位为W·m ·sr ·μm ；ρv为近地表绝对湿度，单位为3

g/m；T0为近地表气温，单位为K；

根据研究区实测近地表气温和相对湿度，计算绝对湿度：

3

式中，ρv为近地表绝对湿度，单位为g/m；RH为相对湿度，单位为％；P为大气压，单位为hPa，近地表大气压通常取1013hPa；es为饱和水汽压，单位为hPa，其计算公式为：式中，T为气温，单位为K；

根据研究区实测近地表气温、绝对湿度和无人机飞行高度，运用上面构建的大气辐射参数通用经验方程计算无人机高度大气透过率、大气上行辐射亮度和整层大气下行辐射亮度，根据下式计算得到地表发射辐射亮度：‑2 ‑1 ‑1

式中，Ls为地表发射辐射亮度，单位为W·m ·sr ·μm ；L为表观辐射亮度，单位为W·‑2 ‑1 ‑1 ↑ ↓m ·sr ·μm ； 为大气透过率；ε为地表比辐射率；L和L分别为大气的上行和下行辐射‑2 ‑1 ‑1亮度，单位为W·m ·sr ·μm 。

3.根据权利要求1所述的普适性的针对无人机热红外数据的地表温度反演方法，其特征在于，步骤S4进一步包括以下步骤：基于无人机多光谱图像目视选取林地、草地、裸土、水体、混凝土和沥青这6类地物的训练样本，并根据无人机多光谱图像计算归一化植被指数NDVI和归一化水体指数NDWI，将NDVI、NDWI和多光谱波段一起作为分类特征输入随机森林分类器进行土地覆盖分类，得到研究区的土地覆盖图；

根据研究区的土地覆盖图和6类地物的WIRIS Pro Sc波段比辐射率，计算得到研究区的地表比辐射率，生成研究区地表比辐射率空间分布图。

4.根据权利要求1所述的普适性的针对无人机热红外数据的地表温度反演方法，其特征在于，步骤S5进一步包括以下步骤：基于获得的地表发射辐射亮度和地表比辐射率，计算得到地表温度Ts对应的黑体辐射亮度B(Ts)：B(Ts)＝Ls/ε；

‑2 ‑1 ‑1

式中，B(Ts)为地表温度Ts对应的黑体辐射亮度，单位为W·m ·sr ·μm ；Ls为地表发‑2 ‑1 ‑1射辐射亮度，单位为W·m ·sr ·μm ；ε为地表比辐射率；

将WIRIS Pro Sc波段的有效波长10.64μm代入普朗克方程进行逆变换后得到从WIRIS Pro Sc波段辐射亮度向温度转换的公式，并根据黑体辐射计算结果构建修正方程消除WIRIS Pro Sc宽波段特性在辐射亮度到温度转换过程中的不确定性，构建修正后的从WIRIS Pro Sc波段辐射亮度计算温度的计算公式：‑2 ‑1 ‑1

式中，Ts为地表温度；C2＝1342.22K；K1＝873.45W·m ·sr ·μm ；B(Ts)为地表温度Ts‑2 ‑1 ‑1对应的黑体辐射亮度，单位为W·m ·sr ·μm ；

将计算得到的地表温度Ts对应的黑体辐射亮度代入上式，计算得到地表温度Ts。