李冉, 王猛猛,2, 张正加, 胡添, 刘修国
1. 中国地质大学(武汉) 地理与信息工程学院, 武汉 430070;
2. 武昌理工学院 人工智能学院, 武汉 430223;
3. 卢森堡科学技术研究院 环境研究与创新部, 卢森堡 4422
作为陆地表层系统中的关键参数,地表温度LST(Land Surface Temperature)是地表和大气能量交换的直接驱动因子(Anderson 等,2008;Karnieli 等,2010),被广泛应用于生态环境监测(Wu 等,2015c)、气候变化感知(Jin 等,2005)、作物蒸散发估算(Li 等,2017b)和城市热环境分析(Weng,2009)等研究领域。在实际生产中,无论是指导农田耕种、灌溉和排水所需的地表蒸散发数据,还是研究土地扩张和污染物排放等城市热环境变化所需的地表温度数据,都要有足够的时间和空间精度以满足现实需求(Zhan 等,2013)。作为获取区域性或全球性地表温度产品最可靠的途径(杨敏,2017),热红外遥感反演拥有地面定点观测等传统方法难以比拟的技术优势,因而得到长足的发展。1960 年以来,大约有80 种热红外辐射计搭载于240多颗卫星上,用来获取地表温度、云顶温度、大气水汽,降水量等一系列地球参量。但传感器的设计必须在扫描幅宽和像元尺寸之间做出取舍(Li 等,2020),导致遥感影像的高时间分辨率和高空间分辨率难以兼得,这一点可以从表1所示的各类传感器参数中得到证实(数据主要来源于世界气象组织,仅列出常用及具有开创意义的传感器,更多热红外遥感卫星的类型及参数可访问:http://www.wmo-sat.info/oscar/satellites[2020-07-28])。

表1 部分卫星传感器的热红外波段参数Table 1 Thermal infrared band parameters of some satellite sensors
既然通过单一传感器难以获得高时空分辨率的地表温度产品,多传感器的数据融合技术便应运而生。……