摘要:
地表溫度(land surface temperature, LST)是反映地表狀況的一個重要參數,能對地表-大氣相互作用過程進行描述。由于受到衛星熱紅外傳感器成像條件的制約,獲取的衛星熱紅外遙感圖像存在時間分辨率、空間分辨率難以兼顧的問題,導致反演的LST數據難以得到深入應用。采用LST降尺度算法可以解決此矛盾,獲得高時空分辨率的地表溫度數據。目前LST降尺度模型逐步由全局模型轉向局部模型,但局部降尺度模型忽略了非線性關系。針對此問題,提出基于局部非線性地理加權回歸(non-linear geographically weighted regression, NL-GWR)的地表溫度降尺度算法。選擇合適的研究區域,并分別選取歸一化差異植被指數(normalized difference vegetation index, NDVI)、歸一化差異建筑指數(normalized difference build-up index, NDBI)以及數字高程模型(digital elevation model, DEM)作為輔助參數進行LST降尺度,將中分辨率成像光譜儀(moderate resolution imaging spectroradiometer, MODIS)地表溫度空間分辨率從1 000 m提升到100 m,并將基于地理加權回歸(geographically weighted regression, GWR)與NL-GWR模型的降尺度結果進行對比分析。實驗結果表明,考慮非線性關系的NL-GWR模型要優于GWR線性模型,能夠獲得較低的均方根誤差(1.96 ℃)和平均絕對誤差(1.63 ℃)。