中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
衛星遙感全天候地表溫度--反演重建與應用(精) 版權信息
- ISBN：9787030707062
- 條形碼：9787030707062 ; 978-7-03-070706-2
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
衛星遙感全天候地表溫度--反演重建與應用(精) 內容簡介
本書是一本關于衛星遙感全天候地表溫度的專著，較為系統地論述了全天候地表溫度的反演、重建、數據產品及部分典型應用，是筆者研究團隊近年來相關研究的階段性總結。全書內容以全天候地表溫度為核心展開，主要包括：國內外研究進展與發展態勢，被動微波遙感反演全天候地表溫度，被動微波遙感影像的軌道間隙填補，全天候地表溫度的近實時反演，基于新型時間分解模型的全天候地表溫度重建方法，中國陸域全天候地表溫度數據集生成，全天候地表溫度的應用（冰川地區的降尺度、近地表氣溫估算、城市熱島效應分析、大城市地表溫度日較差分析）等。 本書有關內容對于遙感反演與應用、多源數據融合、遙感產品生成與檢驗等有一定的參考價值。本書可供從事遙感、地理信息、資源、水文、氣象、災害、環境等學科的科研工作者參考，也可供高校地理學、遙感、地理信息等專業的師生參考。
衛星遙感全天候地表溫度--反演重建與應用(精) 目錄
目錄
前言
第1章 緒論 1
1.1 背景 1
1.2 全天候地表溫度獲取基礎 4
1.2.1 基于熱紅外遙感的地表溫度反演 4
1.2.2 基于被動微波遙感的地表溫度反演 5
1.3 基于有效觀測重構全天候地表溫度 5
1.3.1 基于時空插值 5
1.3.2 基于能量平衡方程插值 7
1.3.3 有效觀測重構的局限性 10
1.4 多源數據集成獲取全天候地表溫度 10
1.4.1 熱紅外與被動微波遙感集成 10
1.4.2 熱紅外遙感與再分析數據集成 13
1.4.3 多源數據集成的局限性 13
1.5 全天候地表溫度產品及其應用 14
1.5.1 全天候地表溫度產品回顧 14
1.5.2 全天候地表溫度的應用 16
1.6 本章小結 17
第2章 基于被動微波遙感的全天候地表溫度反演 19
2.1 研究區與數據 19
2.1.1 研究區 19
2.1.2 研究數據 20
2.2 研究方法 23
2.2.1 被動微波輻射傳輸方程 23
2.2.2 神經網絡 24
2.2.3 數據集構建 26
2.2.4 方法實現 27
2.3 結果分析 29
2.3.1 不同神經網絡的對比結果 29
2.3.2 確定*優輸入參數組合 34
2.3.3 基于實測數據的直接驗證 37
2.3.4 反演結果的交叉比較 42
2.4 本章小結 46
第3章 被動微波遙感影像的軌道間隙填補 47
3.1 研究區與數據 48
3.1.1 研究區 48
3.1.2 研究數據 49
3.2 被動微波亮溫時間序列特征 49
3.2.1 青藏高原實驗區 49
3.2.2 華南實驗區 52
3.3 研究方法 55
3.4 結果分析 58
3.4.1 青藏高原實驗區間隙填補結果 58
3.4.2 華南實驗區間隙填補結果 61
3.4.3 基于模擬缺失值的結果評價 64
3.4.4 極化比與頻率比對間隙填補的影響分析 66
3.4.5 空間無縫被動微波地表溫度生成 68
3.5 本章小結 71
第4章 被動微波與熱紅外遙感集成反演近實時全天候地表溫度 72
4.1 研究數據 73
4.1.1 遙感數據 73
4.1.2 地面站點實測數據 74
4.2 研究方法 76
4.2.1 近實時空間無縫被動微波亮溫重構 76
4.2.2 近實時全天候地表溫度反演 77
4.2.3 NRT-AW方法實現 78
4.2.4 NRT-AW方法評價方案 80
4.3 結果分析 80
4.3.1 AMSR2亮溫軌道間隙填補 80
4.3.2 基于MODIS地表溫度的交叉比較 82
4.3.3 基于實測數據的直接檢驗 86
4.3.4 討論 90
4.4 本章小結 92
第5章 再分析數據與熱紅外遙感集成重建全天候地表溫度 93
5.1 研究區與數據 94
5.1.1 研究區 94
5.1.2 遙感數據 94
5.1.3 再分析數據 95
5.1.4 地面站點實測數據 95
5.2 研究方法 96
5.2.1 新型地表溫度時間分解模型 96
5.2.2 低頻時間分量的參數化 97
5.2.3 晴空高頻時間分量的參數化 97
5.2.4 非晴空高頻時間分量的參數化 98
5.2.5 RTM方法實現 102
5.2.6 RTM方法評價方案 103
5.3 結果分析 103
5.3.1 RTM方法應用前后的地表溫度 103
5.3.2 基于MODIS和AATSR地表溫度的交叉比較 106
5.3.3 基于實測數據的直接檢驗 107
5.3.4 RTM地表溫度與TCD地表溫度的比較 110
5.3.5 RTM方法的潛在應用 112
5.4 本章小結 113
第6章 中國陸域全天候地表溫度數據集生成與檢驗 114
6.1 研究區與數據 114
6.1.1 研究區 114
6.1.2 研究數據 114
6.2 研究方法 116
6.3 結果與分析 118
6.3.1 TRIMS LST示例 118
6.3.2 基于MODIS地表溫度的交叉比較 122
6.3.3 基于實測數據的直接檢驗 124
6.3.4 TRIMS LST與其他全天候遙感地表溫度數據集的對比 128
6.4 本章小結 131
第7章 青藏高原冰川地區全天候地表溫度的降尺度 132
7.1 研究區與數據 133
7.1.1 研究區 133
7.1.2 全天候地表溫度 134
7.1.3 其他地表參數產品 134
7.1.4 地面站點實測數據 135
7.2 研究方法 135
7.2.1 降尺度理論基礎 135
7.2.2 降尺度算法選擇 136
7.2.3 移動窗口降尺度 137
7.2.4 評價指標 138
7.3 結果分析 139
7.3.1 影響因子分析 139
7.3.2 降尺度窗口尺寸 140
7.3.3 降尺度結果分析 140
7.3.4 圖像質量評價 146
7.4 本章小結 148
第8章 基于全天候地表溫度的青藏高原近地表氣溫估算 149
8.1 研究數據 150
8.1.1 遙感數據 150
8.1.2 地面站點實測數據 151
8.1.3 其他數據 152
8.2 研究方法 152
8.2.1 近地表氣溫估算方法 152
8.2.2 近地表氣溫估算模型訓練 155
8.2.3 模型評價方案 156
8.3 結果分析 156
8.3.1 模型檢驗 156
8.3.2 模型評價 157
8.3.3 全天候近地表氣溫檢驗 162
8.4 本章小結 167
第9章 基于全天候地表溫度的城市熱島效應研究 168
9.1 研究區與數據 169
9.1.1 研究區 169
9.1.2 研究數據 169
9.2 研究方法 171
9.3 結果分析 171
9.3.1 AW-LST和MYD-LST之間的一致性比較 171
9.3.2 不同天空條件下的SUHI強度 176
9.3.3 SUHI晴空偏差的時間變化 184
9.3.4 每日地表溫度圖像選取對SUHI強度量化的影響 185
9.4 本章小結 186
第10章 基于全天候地表溫度的大城市溫度日較差變化研究 187
10.1 研究區與數據 187
10.1.1 研究區 187
10.1.2 研究數據 188
10.2 研究方法 189
10.2.1 統計分析指標 189
10.2.2 DTR分布指數與重分類 189
10.3 結果分析 191
10.3.1 DTR年內變化 196
10.3.2 DTR的年際變化 200
10.3.3 DTR與地表覆蓋類型的關系 201
10.4 本章小結 211
參考文獻 213
前言
第1章 緒論 1
1.1 背景 1
1.2 全天候地表溫度獲取基礎 4
1.2.1 基于熱紅外遙感的地表溫度反演 4
1.2.2 基于被動微波遙感的地表溫度反演 5
1.3 基于有效觀測重構全天候地表溫度 5
1.3.1 基于時空插值 5
1.3.2 基于能量平衡方程插值 7
1.3.3 有效觀測重構的局限性 10
1.4 多源數據集成獲取全天候地表溫度 10
1.4.1 熱紅外與被動微波遙感集成 10
1.4.2 熱紅外遙感與再分析數據集成 13
1.4.3 多源數據集成的局限性 13
1.5 全天候地表溫度產品及其應用 14
1.5.1 全天候地表溫度產品回顧 14
1.5.2 全天候地表溫度的應用 16
1.6 本章小結 17
第2章 基于被動微波遙感的全天候地表溫度反演 19
2.1 研究區與數據 19
2.1.1 研究區 19
2.1.2 研究數據 20
2.2 研究方法 23
2.2.1 被動微波輻射傳輸方程 23
2.2.2 神經網絡 24
2.2.3 數據集構建 26
2.2.4 方法實現 27
2.3 結果分析 29
2.3.1 不同神經網絡的對比結果 29
2.3.2 確定*優輸入參數組合 34
2.3.3 基于實測數據的直接驗證 37
2.3.4 反演結果的交叉比較 42
2.4 本章小結 46
第3章 被動微波遙感影像的軌道間隙填補 47
3.1 研究區與數據 48
3.1.1 研究區 48
3.1.2 研究數據 49
3.2 被動微波亮溫時間序列特征 49
3.2.1 青藏高原實驗區 49
3.2.2 華南實驗區 52
3.3 研究方法 55
3.4 結果分析 58
3.4.1 青藏高原實驗區間隙填補結果 58
3.4.2 華南實驗區間隙填補結果 61
3.4.3 基于模擬缺失值的結果評價 64
3.4.4 極化比與頻率比對間隙填補的影響分析 66
3.4.5 空間無縫被動微波地表溫度生成 68
3.5 本章小結 71
第4章 被動微波與熱紅外遙感集成反演近實時全天候地表溫度 72
4.1 研究數據 73
4.1.1 遙感數據 73
4.1.2 地面站點實測數據 74
4.2 研究方法 76
4.2.1 近實時空間無縫被動微波亮溫重構 76
4.2.2 近實時全天候地表溫度反演 77
4.2.3 NRT-AW方法實現 78
4.2.4 NRT-AW方法評價方案 80
4.3 結果分析 80
4.3.1 AMSR2亮溫軌道間隙填補 80
4.3.2 基于MODIS地表溫度的交叉比較 82
4.3.3 基于實測數據的直接檢驗 86
4.3.4 討論 90
4.4 本章小結 92
第5章 再分析數據與熱紅外遙感集成重建全天候地表溫度 93
5.1 研究區與數據 94
5.1.1 研究區 94
5.1.2 遙感數據 94
5.1.3 再分析數據 95
5.1.4 地面站點實測數據 95
5.2 研究方法 96
5.2.1 新型地表溫度時間分解模型 96
5.2.2 低頻時間分量的參數化 97
5.2.3 晴空高頻時間分量的參數化 97
5.2.4 非晴空高頻時間分量的參數化 98
5.2.5 RTM方法實現 102
5.2.6 RTM方法評價方案 103
5.3 結果分析 103
5.3.1 RTM方法應用前后的地表溫度 103
5.3.2 基于MODIS和AATSR地表溫度的交叉比較 106
5.3.3 基于實測數據的直接檢驗 107
5.3.4 RTM地表溫度與TCD地表溫度的比較 110
5.3.5 RTM方法的潛在應用 112
5.4 本章小結 113
第6章 中國陸域全天候地表溫度數據集生成與檢驗 114
6.1 研究區與數據 114
6.1.1 研究區 114
6.1.2 研究數據 114
6.2 研究方法 116
6.3 結果與分析 118
6.3.1 TRIMS LST示例 118
6.3.2 基于MODIS地表溫度的交叉比較 122
6.3.3 基于實測數據的直接檢驗 124
6.3.4 TRIMS LST與其他全天候遙感地表溫度數據集的對比 128
6.4 本章小結 131
第7章 青藏高原冰川地區全天候地表溫度的降尺度 132
7.1 研究區與數據 133
7.1.1 研究區 133
7.1.2 全天候地表溫度 134
7.1.3 其他地表參數產品 134
7.1.4 地面站點實測數據 135
7.2 研究方法 135
7.2.1 降尺度理論基礎 135
7.2.2 降尺度算法選擇 136
7.2.3 移動窗口降尺度 137
7.2.4 評價指標 138
7.3 結果分析 139
7.3.1 影響因子分析 139
7.3.2 降尺度窗口尺寸 140
7.3.3 降尺度結果分析 140
7.3.4 圖像質量評價 146
7.4 本章小結 148
第8章 基于全天候地表溫度的青藏高原近地表氣溫估算 149
8.1 研究數據 150
8.1.1 遙感數據 150
8.1.2 地面站點實測數據 151
8.1.3 其他數據 152
8.2 研究方法 152
8.2.1 近地表氣溫估算方法 152
8.2.2 近地表氣溫估算模型訓練 155
8.2.3 模型評價方案 156
8.3 結果分析 156
8.3.1 模型檢驗 156
8.3.2 模型評價 157
8.3.3 全天候近地表氣溫檢驗 162
8.4 本章小結 167
第9章 基于全天候地表溫度的城市熱島效應研究 168
9.1 研究區與數據 169
9.1.1 研究區 169
9.1.2 研究數據 169
9.2 研究方法 171
9.3 結果分析 171
9.3.1 AW-LST和MYD-LST之間的一致性比較 171
9.3.2 不同天空條件下的SUHI強度 176
9.3.3 SUHI晴空偏差的時間變化 184
9.3.4 每日地表溫度圖像選取對SUHI強度量化的影響 185
9.4 本章小結 186
第10章 基于全天候地表溫度的大城市溫度日較差變化研究 187
10.1 研究區與數據 187
10.1.1 研究區 187
10.1.2 研究數據 188
10.2 研究方法 189
10.2.1 統計分析指標 189
10.2.2 DTR分布指數與重分類 189
10.3 結果分析 191
10.3.1 DTR年內變化 196
10.3.2 DTR的年際變化 200
10.3.3 DTR與地表覆蓋類型的關系 201
10.4 本章小結 211
參考文獻 213
展開全部
衛星遙感全天候地表溫度--反演重建與應用(精) 節選
第1章 緒論 如何獲取全天候地表溫度對促進相關研究具有十分重要的意義。衛星熱紅外遙感地表溫度雖然在反演理論方法和科學數據產品等方面已較為成熟，但熱紅外輻射難以穿透云霧的特點導致熱紅外遙感反演得到的地表溫度在云下有大量缺失；被動微波遙感雖能獲取云下地表溫度，但由于物理機制和成像方式的限制，存在空間分辨率不足、精度較低、有較大軌道間隙等問題。通過衛星單源遙感難以直接獲取中等空間分辨率、不受云霧影響的全天候地表溫度。本章從原理、方法、產品和應用方面回顧并歸納了當前全天候地表溫度的研究進展、發展態勢和面臨的主要問題（丁利榮等，2022）。 1.1背景 地表溫度（land surface temperature，LST）在陸地表面與大氣的相互作用中扮演著重要角色，是地表與大氣能量交互過程的直接體現，對諸多地表過程具有重要影響（Anderson et al.，2008；Wu et al.，2015）。因此，LST在氣候變化（Sruthi and Aslam，2015）、生態環境監測與評估（Meng et al.，2018）、水文過程模擬（Bai et al.，2019）、輻射收支與能量平衡（Kustas et al.，2016）等研究中均扮演著不可替代的角色。質量較高的LST數據還可以在地氣模型和陸表過程的驗證和修正中發揮重要作用（Chen et al.，2011；Cammalleri et al.，2014；Gong et al.，2017）。隨著全球氣候和陸表的持續變化，LST在上述領域的重要性日益突出，聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）與世界氣象組織（World Meteorological Organization，WMO）均將LST作為表征氣候變化的基本參量之一，與其直接或間接相關的地學研究也已廣泛開展（Zhou et al.，2012）。 鑒于LST的重要性，學術界十分關注LST的準確獲取。與傳統的站點觀測方式相比，通過遙感手段獲取LST具有顯著優勢（Li Z L et al.，2013；Ford and Quiring，2019），如空間覆蓋范圍廣、可提供長時間序列重復觀測、獲取成本較低等。因此，LST獲取從20世紀70年代開始就已成為遙感科學的重要研究方向，利用衛星遙感反演LST也成為遙感科學領域長期而經典的研究主題之一。 長期以來，衛星熱紅外遙感是獲取LST的主要途徑，但當前學術界廣泛使用的熱紅外LST受云影響，一般只包含晴空條件下的LST，云覆蓋像元由于缺乏有效的熱紅外亮溫觀測數據，導致反演得到的LST存在顯著的空間缺失。然而，云覆蓋在全球尺度上廣泛存在，因此就物理機制而言，單源衛星熱紅外遙感難以消除云覆蓋的影響。圖1-1展示了基于MODIS數據統計得到的2000～2014年全球平均云覆蓋率（Wilson and Jetz，2016）。圖1-1（a）和圖1-1（b）顯示了1月與7月的云覆蓋率，可以發現全球超過一半的陸地范圍內云覆蓋率超過了50%；圖1-1（c）為云覆蓋率的年內標準差，除少數區域外，云覆蓋率的標準差均低于20%，表明絕大部分區域云覆蓋情況在一年中是相對穩定的；圖1-1（d）為云覆蓋率的年際標準差，與圖1-1（c）相比，標準差高于20%的區域范圍明顯縮小，表明全球云覆蓋率在年尺度上保持穩定，即云覆蓋是常態。云覆蓋導致的LST空間缺失，從另一個角度而言也意味著衛星熱紅外遙感LST時間分辨率的降低。 因此，隨著地學及相關領域研究的持續發展，現有衛星熱紅外LST難以滿足需求：使用者往往希望得到不受云覆蓋影響的LST數據產品（Long et al.，2019）。這種不受云影響的LST當前主流稱謂有“全天候地表溫度”（all-weather LST）和“全天空地表溫度”（all-sky LST）。其中，“全天候地表溫度”這一概念的出發點是強調其獲取不受云影響，“全天候”嚴格意義上包括各種天氣狀況，并非特指晴天和云覆蓋天氣，但其字面含義十分直觀，便于非本專業人士理解，先前絕大多數研究采用了此稱謂。相對地，“全天空地表溫度”則主要強調天空狀態，包含晴空和云覆蓋的非晴空條件，相對于“全天候地表溫度”含義更加具體，但對于非專業人士具有一定理解難度。為了便于理解并與先前研究一致，本書將不受云覆蓋影響的LST稱為“全天候地表溫度”（Li et al.，2018b；Fu et al.，2019）。 圖1-1根據MODIS數據統計得到的2000～2014年全球平均云覆蓋率 經過多年發展，通過衛星熱紅外遙感獲取LST的方法已經較為成熟，相關數據產品豐富。因此，填補熱紅外遙感LST產品中由云造成的空間缺失，進而提高LST空間覆蓋率，是獲取全天候LST的一個有效途徑。如何填補衛星熱紅外LST的空間缺失進而獲取全天候LST，近年來已成為學術界關注的焦點問題。作者在學術搜索引擎GoogleScholar上分別以“all-skyland surface temperature”（全天空地表溫度）、“all-weather land surface temperature”（全天候地表溫度）、“seamless land surface temperature”（空間無縫地表溫度）和“cloudy land surface temperature”（云下地表溫度）為關鍵詞進行檢索，2001～2020年的條目數如圖1-2所示。4種關鍵詞的檢索結果在數量上都呈現總體上升趨勢，表明學術界對具有全天候屬性的LST有越來越強的需求。其中，“cloudy land surface temperature”檢索條目數*多，表明學術界對云下LST的關注度*高，也從側面反映了云下LST是獲取全天候LST的關鍵。 圖1-2基于Google Scholar的檢索結果數目 注：檢索時段：2001～2020年；檢索時間：2021年6月9日。 鑒于獲取全天候LST已經成為遙感LST領域的前沿和熱點，以及相應數據產品的良好實用價值，本章將從原理、方法、產品和應用方面回顧當前全天候地表溫度的研究進展和實際問題，并探討全天候地表溫度的研究方向。 1.2全天候地表溫度獲取基礎 1.2.1基于熱紅外遙感的地表溫度反演 先前的遙感LST反演絕大部分都是基于熱紅外遙感進行的，經過幾十年的發展，熱紅外遙感LST反演已經趨于成熟，相應的數據產品具有較高精度。LiZL等（2013）先后對熱紅外LST反演做了全面而深入的回顧和總結。分裂窗算法（Wan and Dozier，1996）、單窗/單通道算法以及地表溫度-發射率分離算法（Gillespie et al.，1998；Hulley et al.，2014）等一系列經典反演算法的發展，推動相關機構發布了眾多衛星熱紅外遙感LST產品。例如，美國航空航天局（National Aeronautics and SpaceAdministration，NASA）發布了MODISLST產品（Wan and Dozier，1996），美國海洋與大氣管理局（NationalOceanic and Atmospheric Administration，NOAA）發布了VIIRSLST產品（Yu et al.，2008），歐洲航天局（European Space Agency，ESA）和歐洲氣象衛星應用組織發布了AATSR、SLSTR和SEVIRI LST產品（Trigo et al.，2008；Sobrino et al.，2016；Ghentetal.，2017）；中國氣象局發布了VIRRLST產品（董立新等，2012）。作者在全球陸表特征參量反演團隊中，也研制并發布了GLASSLST產品（Zhou et al.，2019；Ma et al.，2020；Liang et al.，2021）。這些LST產品在許多學科領域發揮了重要作用，促進了相關研究的發展（Liang et al.，2021）。 熱紅外遙感LST是全天候LST獲取中十分重要的基礎數據和參考源。此外，一些高質量的衛星熱紅外遙感LST產品的精度和空間分辨率已被學術界廣泛接受。因此，全天候LST在精度和空間分辨率上大多對標當前被廣泛使用的MODISLST產品。 1.2.2基于被動微波遙感的地表溫度反演 相對于熱紅外譜區，被動微波波長較長，故來自地表表層的微波輻射可以穿透云層為衛星被動微波傳感器所獲取。因此，衛星被動微波遙感同樣可以實現LST的反演，一些研究將基于被動微波遙感獲得的原始分辨率的LST作為獲取中分辨率（1km左右）全天候LST的重要基礎數據之一。從20世紀80～90年代開始，學者們開始關注基于被動微波遙感反演LST。周芳成等（2014）和Duan等（2020）先后對被動微波LST反演現狀和方向做了詳細的回顧。由于篇幅所限，本章對現有被動微波遙感的LST反演算法僅做簡述。 被動微波遙感的LST反演算法可以大致分為經驗模型、半經驗模型和物理模型。其中，經驗模型的主要原理是建立LST“真值”/“相對真值”與被動微波通道亮溫及其衍生參數之間的統計經驗關系。**種經驗模型是單通道回歸模型（毛克彪等，2006；Holmes et al.，2009）。第二種經驗模型是建立多通道微波亮溫、微波亮溫衍生參數與LST之間的回歸模型，通常稱為多通道回歸模型（李萬彪等，1998；Wang et al.，2020）。 物理模型是以微波輻射傳輸方程為基礎，LST與大氣輻射、亮溫、各通道微波地表發射率有關。相對于經驗模型，物理模型意義明確。但是微波對土壤濕度十分敏感，土壤濕度對地表發射率有顯著影響，存在方程的未知數個數多于方程個數的情況。針對物理模型這一問題，一些學者基于不同的假設來間接求解被動微波LST（Basist et al.，2002；潘廣東等，2003）。半經驗模型將不同通道微波地表發射率、通道亮溫之間的相關性納入被動微波輻射傳輸方程求解過程，使得半經驗模型既簡單易行，又兼具物理意義（Filyet al.，2003；Gaoetal.，2008；André et al.，2015；代馮楠，2016）。 1.3基于有效觀測重構全天候地表溫度 熱紅外LST雖會受云覆蓋影響而缺乏有效觀測值，但同一像元在時間序列上一般不會完全缺失。此外，在較大區域內，也極少出現所有像元均被云覆蓋導致LST全部缺失的情況。被動微波雖存在條帶現象導致空間覆蓋不完全，但對同一目標像元，一般不會長時間缺乏觀測。因此，基于有效LST觀測獲取全天候LST是可行的。 1.3.1基于時空插值 基于時空插值的方法是獲取全天候LST*直接和使用數據源較少的一類方法，它往往只使用遙感LST作為基礎數據，在部分研究中會使用少量其他輔助數據，如植被指數、地表覆蓋類型等。這類方法可以分為空間加權插值、時間加權插值和時空加權插值三類。這三類方法都是基于現有遙感LST數據集中的有效值來重構由于云或其他原因造成的缺失值，操作簡單易行。 1.空間加權插值 空間加權插值是基于某一區域LST數據中的有效值，在假設有效值與缺失值具有相同統計和幾何結構的前提下，利用LST的空間相關性，通過插值的方法獲得缺失像元的LST值（Fan et al.，2014；Kilibarda et al.，2014），其原理可以被簡單表達為如下形式： （1-1）式中，Ts為LST；(x0，y0)為需要重構LST的像元；則(xi，yi)為(x，y)空間鄰近且具有有效LST觀測值的像元；f為加權函數。 一些常用的LST空間插值方法包括地理統計法、樣條函數、克里金插值、回歸樹等，都是直接將目標缺失像元周圍空間鄰近的有效像元作為重
書友推薦
- >
二體千字文
- >
我從未如此眷戀人間
- >
羅庸西南聯大授課錄
- >
隨園食單
- >
中國歷史的瞬間
- >
自卑與超越
- >
山海經
- >
唐代進士錄
本類暢銷
