基于XGBoost的LST空间降尺度方法

颜佳楠，陈 虹，姚光林，吴 骅

(1.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京 100101；2.中国自然资源航空物探遥感中心，北京 100083；3.山东省第八地质矿产勘查院，山东 日照 276826)

0 引言

地表温度(Land Surface Temperature，LST)是环境监测中的重要参数，可用于探测城市热岛效应[1],监测森林火灾[2]和土地覆盖变化[3]，评估地表干旱程度[4]及管理水资源[5]。通过遥感卫星可以获取到大范围的LST，但是现有的卫星、遥感器受制于设备，无法获取兼顾时间分辨率高和空间分辨率高的LST。例如中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer，MODIS)一天内可以获取4次1 000 m分辨率的LST，而Landsat8卫星每16天获取一次100 m分辨率的LST。LST遥感产品时空分辨率相互制约的局限性影响LST的应用。因此，许多学者尝试针对MODIS数据，发展LST空间降尺度的方法，以期获得时空分辨率较高的LST遥感产品。

目前LST空间降尺度方法主要有2种：一种是基于融合的方法；另一种是基于回归的方法。基于融合的方法通过融合高时间分辨率和高空间分辨率的影像，预测高分辨率LST[6]。典型基于回归的方法是Kustas等提出的DisTrad算法，其针对的是植被覆盖区域，以NDVI为回归核，获取回归核与低分辨率温度之间的回归关系，并将此函数关系应用于高分辨率回归核与高分辨率LST[7]。Agam等人[8]基于TsHARP算法，将二次多项式回归改为一次多项式回归，把回归核换作植被覆盖度(FC)，精度有所提高。然而，LST-FC(NDVI)的回归关系在异质性地区表现较差[9]。针对这个问题，Essa等人[10]将回归核改为SAVI，NDBI，NDBal，NDMI等15个光谱指标，将此方法推广到异质性区域。……