MODIS地表温度插值算法取得新进展

MODIS地表温度产品(MODIS LST)是目前最广泛使用的地表温度产品之一。然而,由于云的影响或大气干扰等情况,该产品存在大面积的数据缺失,如青藏高原地区数据缺失比例在50%以上。目前发展的插值方法大多不能有效解决这种大范围缺值的情形。针对这个问题,PermaLab团队最近提出了一种地表温度插值算法,以待插影像的多幅时间上邻近的影像作为参考影像,基于经验正交函数插值方法(DINEOF)与贝叶斯数据融合方法得到缺失数据的等效晴空温度(Clear-sky equivalent LST)。

等效晴空温度一种未考虑云效应的理论晴空温度,与真实受云影响的地表温度在数值上仍然存在偏差。实现等效晴空温度的插法在多方面的作用:1)目前有很多插值方法将恢复云下温度的步骤分为两步,第一步首先得到等效晴空温度,再将其校正到真实云下温度,因此可靠的等效晴空温度算法在这类方法中具有重要作用;2)对于夜间影像数据,等效晴空温度可以作为最终的结果。因为夜间没有太阳辐射,因此相比于日间数据而言,夜间地表温度受云的影响非常小,其误差在可接受范围内;3)等效晴空数据能够描述地表温度的时空分布模式,该数据可以直接应用在很多不需要较高精度地表温度数据的研究中,如冻土制图,干旱监测,数值天气预报以及城市热岛效应等。

方法的验证是以青藏高原MODIS地表温度数据为例,设计了两个验证实验,一个实验针对大面积的真实缺失数据情形,另一个实验人工构建了数据缺失区域。两个验证实验均对比了该插值方法与其他多种方法(Yu方法、HANTS、Co-Kriging方法)的插值表现。实验结果表明新方法对大面积LST缺失区域插值是有效的,能取得较好插值精度,插值精度高于其他多种方法,在人工构建的大面积数据缺失实验中,该方法的插值结果与真实数据的对比表明,日间影像和夜间影像与真实数据的相关性都很高,其相关系数均在0.9以上。

该工作以“A Bayesian Approach for Interpolating Clear-sky MODIS Land Surface Temperatures on Areas with Extensive Missing Data”以题发表“IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing”。第一作者陈玉红,通讯作者南卓铜。/文:陈玉红;核:南卓铜

Chen Y, Nan Z*, Zhao S, Xu Y. A Bayesian approach for interpolating clear-sky MODIS land surface temperatures on areas with extensive missing data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2020. https://doi.org/10.1109/JSTARS.2020.3038188

新方法(b)与Yu方法(c)、HANTS方法(d)、Co-Kriging(e)插值等效晴空LST上的对比。(a)是原LST。
Previous Article
Next Article