FY-4A云覆盖地表温度重建：结合时空特征的新型模型

"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。