IEEE GRSM: 极轨与静止卫星生成全天候地表温度的最新技术与产品进展

学术   2024-10-27 19:47   湖南  

  第一时间获取气象科研资讯

气象学家公众号交流群

加入

地表温度LST是理解地表能量收支、地气相互作用以及水文循环的核心参数,一直是定量遥感研究领域的热点。然而,云层覆盖往往阻碍热红外遥感TIR对LST的观测,导致大量数据空缺,限制了其在气候变化、生态监测及城市规划中的应用。近期发表于《IEEE Geoscience and Remote Sensing Magazine》(IF = 16.2)的一篇综述文章,深入探讨了这一问题,详细回顾了生成当前全天候LST的最新方法,梳理了26种现有的全天候LST产品及其应用实例,并对多个产品在不同应用场景中的表现进行了对比分析。点击文末“阅读原文”,阅读研究原文。


为什么云层填补对LST遥感产品至关重要?

热红外遥感技术是监测全球LST变化的主要手段,但在云层覆盖的情况下,热红外传感器难以获取有效数据,导致地表温度时空分布出现大量空白。这些空缺对LST产品的使用造成了显著的影响。例如,下图展示了全球不同区域每年平均的晴空天数,除干旱和半干旱地区外,大部分陆地区域每年晴空天数少于150天。
图1:基于Aqua卫星MODIS MYD21A1D产品(a, c)和MYD21A1N产品(b, d)的年均晴空天数(a, b)与云层持续时间(c, d)统计(单位:天)


填补LST产品方法总结

为有效填补LST产品的空缺,科研工作者们提出了多种解决方案。根据输入数据的不同,文章将这些方法归纳为四大类:

1. 时空插值法

该方法通过邻近区域和时间的晴空LST数据来推测云层覆盖下的地表温度。它假设空间上相邻或时间上相近的像元具有相似的温度变化特征。然而,对于连续的云天或云层范围较大的区域,精度容易下降,难以准确捕捉温度的高频变化。此外,云层对LST具有冷却或保温作用,而插值方法往往忽略了这一效应。

2. 基于地表能量平衡的物理估算

该方法利用地表能量平衡模型,结合地表与大气之间的能量交换过程来推算云覆盖下的地表温度。物理过程清晰明了,能够对不同影响因素进行量化分析。但该方法对输入数据的要求较高,因而难以实现实时生产。

3. 被动微波技术

被动微波技术能够穿透云层,直接获取云层覆盖下的地表温度信号。然而,微波数据存在轨道缝隙,发射率数据难以获取,并且微波信号较弱,导致分辨率较低。

4. 模拟温度估算

基于陆面模式模拟的地表温度可以补充遥感观测中的数据空缺。该方法通过融合模拟数据和遥感数据,生成全天候LST产品。然而,由于模拟数据在偏远地区的精度较低,相关结果容易受到影响。

最新的全天候LST产品表现如何?

根据不同的方法论,该综述对26款全天候LST产品进行了总结和分类,并在不同应用场景下对产品的表现进行了评估。综述表明,这些产品在瞬时和日均尺度上的均方根误差分别低于4K和2.5K,略低于晴空反演结果。此外,这些产品已广泛应用于城市热岛效应、公共健康、种群分布、土壤湿度估算等多个研究领域。

图2.全天候LST产品的应用场景总结


各产品对比与应用场景分析

文章对不同方法生成的产品在多种应用场景中的表现进行了详细比较。研究发现:插值法生成的LST产品在细节纹理方面表现优异,但其通常忽略了云层的辐射强迫效应。在干旱与半干旱地区,由于这些区域土壤热容量较低,即使云遮挡较少,容易进行插值,但对云辐射强迫敏感,仍可能导致显著的偏差。基于地表模式融合的产品在城市地区应用时存在一定的纹理问题,这可能是模拟数据分辨率较粗且模拟过程没有准确的地表覆盖数据驱动导致的。



研究结论

该研究通过对最新全天候LST产品的详细分析,该文为研究人员对如何选择合适的LST产品以及如何进一步优化全天候LST算法提供了宝贵意见。随着机器学习、微波技术和模拟温度模型的不断发展,未来的LST产品将在更大范围内为气候、农业和生态研究提供支持。
文章还指出了未来LST恢复领域的几大潜在方向,特别包括了关注利用地球静止卫星数据恢复完整的昼夜温度变化,整合多源高分辨率热红外遥感数据制作高分辨率全天候地表温度产品,校正轨道漂移,全天候地表温度实时生产等。

来源:大气环境遥感





声明:欢迎转载、转发。气象学家公众号转载信息旨在传播交流,其内容由作者负责,不代表本号观点。文中部分图片来源于网络,如涉及内容、版权和其他问题,请联系小编(微信:qxxjgzh)处理。


往期推荐
 获取ERA5/ERA5-Land再分析数据(36TB/32TB)
 获取全球GPM降水数据,半小时/逐日(4TB)
 获取1998-2019 TRMM 3B42逐日降水数据
 获取最新版本CMIP6降尺度数据集30TB
 EC数据商店推出Python在线处理工具箱
★ EC打造实用气象Python工具Metview
★ 机器学习简介及在短临天气预警中的应用
★ Nature-地球系统科学领域的深度学习及理解
★ 灵魂拷问:ChatGPT对气象人的饭碗是福是祸?
★ 气象局是做啥的?气象局的薪水多少?

气象学家
【气象学家】公众号平台为您把握最新AI4Science、解读最新气象科研进展、分享气象实用编程技巧、追踪气象即时资讯。致力于提升我国天气和气候预报、预测水平。欢迎加入气象AI和气象行业交流群以及气象博士群!与12W+专业人士一起交流互动!
 最新文章