团队成果 | 一种全球高分辨率地表温度时空融合方法

中国科学院空天信息创新研究院城市陆表环境遥感团队在地表温度（LST）数据融合方向取得重要进展，提出了一种全球时空融合模型GLOSTFM，能够集成多源卫星观测数据，显著提升地表温度数据的时空分辨率。该研究突破了现有方法的局限，为气候变化、城市热环境监测和农业应用提供了更精细的数据支持。研究成果发表于遥感顶级期刊 Remote Sensing of Environment（2024年影响因子：11.1），第一作者为孟庆岩研究员，通讯作者为博士研究生陈士泽。

研究背景 | Background

地表温度（LST）是气候研究、生态监测和农业管理中的关键参数。然而，现有卫星遥感数据在空间和时间分辨率上存在限制：

• 高空间分辨率卫星：重访周期较长，难以提供连续的时间序列数据。

• 低空间分辨率卫星：虽然具备高时间分辨率，但空间精度有限，难以满足精细尺度应用需求。

研究方法 | Methodology

图1 基于高斯-拉普拉斯金字塔原理的地表温度时空融合模型（GLOSTFM）示意图

针对上述挑战，研究团队提出了全球时空融合模型GLOSTFM，该模型基于图像金字塔技术，分层处理不同分辨率的数据，实现全球尺度的LST高精度融合。其核心技术包括：

• 基于高斯-拉普拉斯金字塔（GLP）方法 进行多尺度数据融合，保证空间精度的同时提升计算效率；

• 融合风云三号D卫星的中分辨率光谱成像仪（MERSI）与微波辐射计（MWRI）数据，结合红外与微波优势，实现全天候LST监测；

• 优化时空更新过程，有效填补数据空白区域，提高全球LST数据的时间连续性和空间完整性。

核心结论 | Results