编辑：不止GIS
文章简介
论文名称：Improving estimation of diurnal land surface temperatures by integrating weather modeling with satellite observations（通过结合天气模型与卫星观测改进昼夜地表温度估算）
第一作者及单位：Wei Chen（香港大学）
通讯作者及单位：周宇宇（教授|香港大学）
文章发表期刊：《Remote Sensing of Environmenta》（中科院1区Top期刊|最新影响因子：11.1）
期刊平均审稿速度：3.3个月(参考)
从卫星观测和天气模型中获取的地表温度（LST）被广泛用于研究地表-大气能量交换和辐射平衡，然而，基于卫星的LST在空间和时间分辨率之间存在权衡，并且因云层导致观测缺失，同时天气模型在校准和模拟中存在潜在偏差和计算成本高的局限性。为了减轻这些限制，该研究提出了一种WRFM框架（图1），通过结合天气研究和预报（WRF）模型与MODIS卫星数据，并使用形态变换技术，在1公里空间分辨率和每小时时间分辨率下估算LST。
图1|提出的框架结合了WRFM和卫星观测，以估算1公里分辨率下的每小时地表温度 (LST) (A)，并基于卫星和现场LST观测数据评估WRFM生成的LST (B)。
该研究在美国爱荷华州的八个县（包括城市和农村地区）测试了该框架（图2），以生成2019年6月1日至8月31日期间每小时的1公里分辨率LST。在与现场LST测量数据进行评估时，WRFM框架在晴天和多云条件下分别表现出2.63 K和3.75 K的均方根误差（RMSE），显示了其捕捉每小时LST的能力。
图2|WRF模型中用于模拟研究区域地表温度（LST）的嵌套域 (A) 和 SXF SURFRAD 站点 (B)。最内层域 (C) 的模拟结果用于生成研究区域的WRFM-LSTs，背景显示了土地覆盖类型。
图3|研究期间，SURFRAD观测的LST与WRFM生成的LST在晴天 (A) 和多云 (B) 条件下的散点密度图，红色表示点密度较高，蓝色表示点密度较低。研究期间，SURFRAD (Stn-LST) 测量与WRFM (WRFM-LST) 框架的LST日变化平均值 (C)。
此外，通过与卫星LST观测数据的评估显示，WRFM框架能够有效减少WRF模拟中LST的偏差幅度，使研究区域内的平均RMSE从白天的4.34 K和夜间的4.12 K分别降低到2.89 K和2.75 K（图4），同时仍能捕捉到LST的每小时变化模式。总体而言，WRFM能够有效整合卫星观测和天气模型的互补优势，并能在具有复杂景观（如城市）的区域中生成具有高时空分辨率的LST。
图4|WRF模拟的LST (A&C) 和 WRFM生成的LST (B&D) 与MODIS观测的LST之间的均方根误差 (RMSE)，分别在上午11点和晚上11点计算。城市区域的边界以黑色标出。
文章信息：Wei Chen, Yuyu Zhou, Ulrike Passe, Tao Zhang, Chenghao Wang, Ghassem R. Asrar, Qi Li, Huidong Li,Improving estimation of diurnal land surface temperatures by integrating weather modeling with satellite observations,Remote Sensing of Environment,Volume 315,2024,114393,ISSN 00344257,https://doi.org/10.1016/j.rse.2024.114393.
