面向风云静止卫星地表温度产品的缺失数据修复方法对比

静止卫星地表温度数据是研究昼夜温度变化规律及全球气候变化的重要参数。但常见的静止卫星地表温度数据,如风云二号F星地表温度产品(FY-2F LST)由于受到云、雾霾和气溶胶等大气因素的影响,往往会出现数值缺失的现象。针对该问题,一系列基于温度昼夜变化模型(diurnal temperature cycle,DTC)的静止卫星地表温度产品空值数据修复方法被提出,如VAN2006方法;此外,常见的三次样条插值(Cubic spline)和智能的反向传播网络(back-propagation network,BP)利用像元时间连续性原理,通过温度预测实现地表温度产品空值数据修复在理论上也是可行的。模拟不同类型的像元缺失情况分析和比较了3种方法的温度修复结果。研究表明,在空值数量较少的情况下,3种方法修复结果都比较理想,其中Cubic spline方法效果最好;随着空值数量增加,3种方法修复效果都不同程度变差,其中VAN2006衰退较缓慢,Cubic spline衰退最快;当空值数目继续增多且达到一定数量时,VAN2006仍可以较为真实的还原地表温度数据,并且优于BP,其中Cubic spline修复结果最差,难以反映实际地表温度。对14种不同空间大小空值区域实验研究进一步说明3种方法对地表温度空值修复具有可行性,但修复效果与空值区域大小无关,时间序列中空值数量是最主要的影响因素。

基于Savitzky-Golay滤波算法的FY-2F地表温度产品时间序列重建

卫星遥感技术可获取大面积、空间连续的地表温度(land surface temperature,LST),为全球变化、生态环境和农业生产等领域提供了宝贵的数据源,但受到云、气溶胶、观测角度和太阳光照角度等影响,遥感反演的LST在时间和空间上均存在不同程度的缺失,限制了LST遥感产品的应用。以长江三角洲地区为研究区,以风云2号F星(FY-2F) LST日均值产品为数据源,利用LST时间序列特征,基于Savitzky-Golay(S-G)滤波算法进行了LST长时间序列的重建研究。结果表明,研究区重建前FY-2F LST产品的平均时相缺失率为19.43%,经滤波后缺失率降低为1.69%,并能够保证LST空间一致性。通过模拟验证,S-G滤波重建LST的拟合精度为 0.95,平均绝对误差为1.35 K,具有较高的精度,可以用于进一步热环境时空分布规律的研究。

风云静止卫星地表温度产品空值数据稳健修复

静止卫星地表温度数据是研究昼夜气候和环境变化的重要参数。但现有发布的静止卫星地表温度数据由于受到云等大气因素的影响,往往出现数值缺失现象。针对该问题,提出基于昼夜变化模型的风云静止卫星地表温度空值数据的稳健修复方法。由多项式、傅里叶函数和高斯函数构建新的昼夜变化模型,并利用LevenbergMarquardt算法进行模型参数的求解与优化,进而实现空值修复。以风云2号F星数据(FY-2F)为例,模拟不同类型的像元缺失情况进行修复,并将不同模型修复结果与真实温度值比较,同时也对真实数据进行了测试。结果表明:本文提出的修复方法能有效对温度空值数据修复,且优于传统方法。