FY-4A云覆盖地表温度重建:结合时空特征的新型模型
版权申诉
5星 · 超过95%的资源 195 浏览量
更新于2024-06-28
1
收藏 456KB DOCX 举报
"本文探讨了如何利用时空特征来重建FY-4A卫星云覆盖像元的地表温度,旨在解决地表温度数据的缺失问题,提高遥感地表温度产品的连续性和完整性。"
地表温度(LST)是环境科学研究中至关重要的参数,它涉及地表能量平衡、水文过程以及气候变化的监测。随着航天遥感技术的进步,多种传感器能提供连续的LST数据,但遇到云覆盖时,这些数据会出现缺失,影响到地表温度的时空连续性,限制了其在气候分析和环境监测中的应用。
目前,重建LST数据的方法主要分为两大类:空间插值和时间序列重建。空间插值方法,如距离反比法,利用地表温度的空间相关性来填补缺失值。这种方法在高分辨率卫星数据中效果较好,但对于空间分辨率较低的地球静止气象卫星(如FY-4A)则不太适用,因为低分辨率可能导致地表温度的空间相关性减弱。另外,当缺失区域扩大,重建精度会显著下降。
时间序列重建方法通常基于日间温度循环(DTC)模型,通过捕捉LST的昼夜变化规律来填补空缺。DTC模型在少量缺失值情况下表现良好,但空缺值数量增多时,其重建效果会显著恶化。当有效观测值少于模型参数时,模型无法建立,无法实现所有LST空值的修复。
针对这些问题,文章提出了一个考虑时空特征的FY-4A LST重建模型。该模型结合了LST的时间演变特性与空间相似性,首先用这两种特性来初步填补LST数据集的空缺。然后,为了进一步提升重建的准确性和数据质量,对填补后的LST时间序列应用Savitzky-Golay(S-G)滤波器进行平滑处理,去除噪声。
该模型旨在提供一种解决方案,以生成连续无云的FY-4A LST数据集,从而提高遥感数据分析的可靠性和准确性。通过对LST时空特性的深入挖掘,此方法有望增强对地表温度动态变化的理解,尤其对于云覆盖率高的地区,将极大地提升遥感数据的应用潜力。
2022-06-12 上传
105 浏览量
2022-11-29 上传
2021-04-06 上传
2021-09-20 上传
2023-02-23 上传
2022-06-02 上传
罗伯特之技术屋
- 粉丝: 4415
- 资源: 1万+
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手