澳门新葡萄新京威尼斯

科研进展
王宁练教授研究团队提出了针对低分辨率微波地表温度数据的逐级降尺度方法,为高质量全天候地表温度数据的融合提供重要基础


近年来,融合热红外和微波数据生成高质量全天候地表温度数据的研究受到广泛关注,但目前研究存在的问题是:由于热红外和微波数据之间较大的空间尺度差异,造成生成的地表温度数据中云覆盖区的精度明显低于晴空条件下的精度。空间降尺度可以缩小微波和热红外数据之间的尺度差异,但现有的降尺度模型主要针对中高分辨率的热红外地表温度数据,而低分辨微波地表温度数据的降尺度方法研究很少。

尺度效应是影响地表温度降尺度结果精度的重要因素,为减弱其对微波地表温度降尺度的影响,王宁练教授团队的张泉等人提出了一种针对微波地表温度数据的逐级降尺度方法。首先在初始分辨率和目标分辨率之间设置一组中间分辨率序列,然后在每个分辨率级别使用适用于热红外数据的从初始分辨率到目标分辨率的直接降尺度方法将微波地表温度从初始分辨率逐级降尺度到目标分辨率。研究结果表明,逐级降尺度方法精度明显高于直接降尺度方法,尤其是在地表异质性较强区域。这为提升微波和热红外地表温度数据的融合精度提供了重要的数据基础。该成果已在中科院SCI二区期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing发表。

 

1 研究区概况,包括YGP(云贵高原东部),BSH(晋南豫西边界)和CIM(内蒙古中部)三个不同地形、植被、气候类型分区。


2 AMSR-E地表温度数据的降尺度技术路线。

3 三个研究区逐级降尺度和直接降尺度结果对比。(a) 0.25°的MODIS LST. (b) 原始MODIS LST. (c) 逐级降尺度后的LST. (d) 直接降尺度后的LST. (e) MODIS NDVI. (f) SRTM高程或地形数据.


4 三个实验区原始MODIS LST与逐级和直接降尺度后LST的散点图。黑色虚线为1:1线,红色直线是散点的趋势线。

 

原文来源:https://doi.org/10.1109/JSTARS.2020.3022997