基于Savitzky-Golay濾波算法的FY-2F地表溫度產(chǎn)品時(shí)間序列重建

吳迪， 陳健， 石滿(mǎn)， 覃幫勇， 李盛陽(yáng)

(1.南京信息工程大學(xué)遙感與測(cè)繪工程學(xué)院，南京 210044； 2.中國(guó)科學(xué)院空間應(yīng)用工程與技術(shù)中心太空應(yīng)用重點(diǎn)實(shí)驗(yàn)室，北京 100094)

0 引言

地表溫度(land surface temperature, LST)在地—?dú)忾g物質(zhì)與能量交換過(guò)程中起著重要作用，是全球及區(qū)域尺度地表物理過(guò)程研究的關(guān)鍵參數(shù)，對(duì)生態(tài)、環(huán)境、水文、氣象氣候、生物地球化學(xué)以及農(nóng)業(yè)生產(chǎn)等研究具有重要意義[1-2]。傳統(tǒng)氣象站點(diǎn)可實(shí)時(shí)觀測(cè)獲取LST，但受站點(diǎn)分布、地形等因素影響，具有一定局限性且空間不連續(xù)[3-4]。隨著遙感技術(shù)的發(fā)展，目前已有許多傳感器可提供空間連續(xù)的LST產(chǎn)品，如EOS/MODIS，NOAA/AVHRR和FY/VISSR等，其中MODIS LST產(chǎn)品在天氣晴朗條件下精度可達(dá)1 K[5]。然而，受到云、氣溶膠、觀測(cè)角度和太陽(yáng)光照角度等影響，各種LST產(chǎn)品在時(shí)間和空間上均存在不同程度的缺失[6]，這限制了LST遙感產(chǎn)品的應(yīng)用。時(shí)間序列數(shù)據(jù)重建技術(shù)可以充分利用多種統(tǒng)計(jì)或數(shù)值分析方法，模擬LST的時(shí)間變化規(guī)律，從而插補(bǔ)缺失的觀測(cè)值[7-8]，因此利用時(shí)間序列重建技術(shù)重建LST數(shù)據(jù)，進(jìn)而得到較高時(shí)空分辨率的LST產(chǎn)品具有重要意義。

針對(duì)遙感反演的LST存在大量缺失值的情況，已有許多學(xué)者基于MODIS等數(shù)據(jù)開(kāi)展了LST的重建研究。Nguyen等[9]利用歸一化植被指數(shù)(normalized difference vegetation index,NDVI)時(shí)間序列諧波分析法(harmonic analysis of NDVI time-series，HANTS)重建越南紅河三角洲MODIS LST數(shù)據(jù)，并分析了該地區(qū)LST及土地利用時(shí)空變化規(guī)律； Neteler[10]提出了一種基于LST直方圖識(shí)別云污染像元的方法，并根據(jù)溫度梯度重建了MODIS LST數(shù)據(jù)； 臧琳等[11]基于統(tǒng)計(jì)模型和濾波算法聯(lián)合的LST重建方法建立LST與地表亮溫的統(tǒng)計(jì)模型，然后利用濾波算法對(duì)基于統(tǒng)計(jì)模型的結(jié)果進(jìn)行插值，基于LST時(shí)間序列的周期性進(jìn)一步控制反演誤差。以上研究均有效重建了MODIS的LST數(shù)據(jù)，并進(jìn)行了更加深入的應(yīng)用。但是，這些研究大多是針對(duì)MODIS等極軌衛(wèi)星數(shù)據(jù)開(kāi)展的研究，目前，針對(duì)靜止衛(wèi)星LST產(chǎn)品的重建研究仍比較缺乏。相較于極軌衛(wèi)星，靜止衛(wèi)星能夠提供1 d內(nèi)多個(gè)時(shí)相的觀測(cè)數(shù)據(jù)，可更準(zhǔn)確地獲取LST的時(shí)間變化規(guī)律，為準(zhǔn)確進(jìn)行LST重建提供了更多的信息。

風(fēng)云2號(hào)衛(wèi)星是我國(guó)自主研發(fā)的第一代地球同步軌道靜止氣象衛(wèi)星，由2顆試驗(yàn)星(FY-2A，B)和5顆業(yè)務(wù)星(FY-2C，D，E，F(xiàn)，G)組成，并根據(jù)觀測(cè)數(shù)據(jù)制作了多種定量產(chǎn)品數(shù)據(jù)。風(fēng)云衛(wèi)星可以提供包括LST在內(nèi)的多種遙感反演產(chǎn)品，其中LST分為逐時(shí)、日平均、候平均、旬平均及月平均產(chǎn)品。本文基于FY-2F LST日數(shù)據(jù)，利用LST隨時(shí)間變化規(guī)律，基于Savitzky-Golay(S-G)濾波算法，對(duì)2013年長(zhǎng)江三角洲(下文簡(jiǎn)稱(chēng)長(zhǎng)三角)地區(qū)LST進(jìn)行數(shù)據(jù)重建，以填補(bǔ)LST的缺失值，提高LST產(chǎn)品的可用性?；谠摲椒ㄖ亟ǖ腇Y-2F LST時(shí)間序列數(shù)據(jù)，可為長(zhǎng)三角地區(qū)熱環(huán)境研究提供較好的數(shù)據(jù)基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

長(zhǎng)三角位于中國(guó)大陸東部沿海，是中國(guó)第一大經(jīng)濟(jì)區(qū)。根據(jù)國(guó)務(wù)院2010年批準(zhǔn)的《長(zhǎng)江三角洲地區(qū)區(qū)域規(guī)劃》，長(zhǎng)三角包括江蘇省、浙江省和上海市2省1市，區(qū)域面積為21.07萬(wàn)km2。其中上海市為平原； 江蘇省以平原為主，間或有一些山地丘陵； 浙江省多山地。整個(gè)長(zhǎng)三角地區(qū)水網(wǎng)密布，自然資源豐富。屬亞熱帶濕潤(rùn)季風(fēng)氣候區(qū)，夏季高溫多雨，年均氣溫為15～17 ℃，年降水量約為1 000～1 800 mm。

長(zhǎng)三角地區(qū)地理位置優(yōu)越，并且具有良好的經(jīng)濟(jì)基礎(chǔ)，在中心城市帶動(dòng)下經(jīng)濟(jì)快速蓬勃發(fā)展，城市化進(jìn)程也隨之加速[12]。伴隨著經(jīng)濟(jì)活動(dòng)、城市化進(jìn)程，長(zhǎng)三角地區(qū)城市空間熱環(huán)境日益惡化，對(duì)環(huán)境、生態(tài)及人體健康造成極大的危害[13-14]。而LST是研究區(qū)域熱環(huán)境的重要因子，因此對(duì)長(zhǎng)三角地區(qū)LST進(jìn)行重建，從而獲得較高質(zhì)量的產(chǎn)品數(shù)據(jù)，對(duì)研究區(qū)域熱環(huán)境變化情況具有重要的意義。

1.2 數(shù)據(jù)源

FY-2F是靜止氣象衛(wèi)星風(fēng)云二號(hào)03批的首發(fā)星，于2012年1月成功發(fā)射，搭載了2個(gè)主要載荷(掃描輻射計(jì)和空間環(huán)境監(jiān)測(cè)器)。FY-2F提供包括LST在內(nèi)的多種遙感反演產(chǎn)品，LST產(chǎn)品數(shù)據(jù)可從國(guó)家衛(wèi)星氣象中心的風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)(http: //satellite.nsmc.org.cn/portalsite/default.aspx)免費(fèi)訂購(gòu)下載。

FY-2F衛(wèi)星能夠提供時(shí)間分辨率高達(dá)1 h的LST產(chǎn)品，為探究不同時(shí)間分辨率的數(shù)據(jù)質(zhì)量，分別統(tǒng)計(jì)了2013年長(zhǎng)三角地區(qū)逐時(shí)產(chǎn)品及日產(chǎn)品的空間缺值率(即一景圖像空間上的缺值率)，結(jié)果如表1所示。

表1 FY-2F LST產(chǎn)品空間缺值率統(tǒng)計(jì)

從表1中可以清楚地看到，F(xiàn)Y-2F LST逐時(shí)產(chǎn)品空間缺值率較大，全年空間缺值率超過(guò)90%的影像高達(dá)21.78%； 相較于逐時(shí)產(chǎn)品，日LST數(shù)據(jù)質(zhì)量顯著提高，全年有57.80%的數(shù)據(jù)空間缺值率低于10%，僅有1.73%的影像空間缺值率大于90%?？紤]到逐時(shí)產(chǎn)品的缺值率過(guò)高，重建難度較高，且在研究長(zhǎng)時(shí)間尺度地表熱環(huán)境變化時(shí)，應(yīng)用日產(chǎn)品效果更佳，因此將對(duì)FY-2F LST日產(chǎn)品進(jìn)行重建以便更好地進(jìn)行后續(xù)研究。本研究數(shù)據(jù)采用2013年FY-2F LST日均值產(chǎn)品，該數(shù)據(jù)存儲(chǔ)為HDF5格式，星下點(diǎn)空間分辨率為5 km，每幅影像可獲取覆蓋地球表面約1/3的圓盤(pán)標(biāo)稱(chēng)影像。由于數(shù)據(jù)不具備投影和經(jīng)緯度信息，因此根據(jù)風(fēng)云衛(wèi)星遙感數(shù)據(jù)服務(wù)網(wǎng)提供的經(jīng)緯度數(shù)據(jù)進(jìn)行了幾何糾正。

氣象數(shù)據(jù)為2013年長(zhǎng)三角地區(qū)氣象站點(diǎn)日平均LST觀測(cè)數(shù)據(jù)。長(zhǎng)三角地區(qū)共有46個(gè)氣象站點(diǎn)(江蘇省23個(gè)，浙江省22個(gè)，上海市1個(gè))，空間分布如圖1所示，該數(shù)據(jù)可從中國(guó)氣象數(shù)據(jù)網(wǎng)免費(fèi)下載(http: //data.cma.cn/site/index.html)。

圖1 研究區(qū)氣象站點(diǎn)分布示意圖

1.3 基于S-G濾波的LST重建方法

受研究區(qū)內(nèi)云量、傳感器等因素影響，LST遙感數(shù)據(jù)存在數(shù)值異?；蛉敝惮F(xiàn)象，F(xiàn)Y-2F LST逐時(shí)數(shù)據(jù)即存在大量缺值，即使是每日合成產(chǎn)品仍存在很多無(wú)效像元，嚴(yán)重影響了數(shù)據(jù)的可用性，因此能否精確地重建LST數(shù)據(jù)就尤為重要。本文基于LST長(zhǎng)時(shí)序變化特征，并結(jié)合濾波算法重建LST缺值。S-G濾波由Savitzky和Golay[15]在1964年首次提出，是一種在時(shí)域內(nèi)基于局部多項(xiàng)式最小二乘擬合的濾波方法。通過(guò)取點(diǎn)xi相鄰時(shí)相(前后)固定個(gè)數(shù)點(diǎn)擬合多項(xiàng)式，多項(xiàng)式在xi的值即為S-G濾波的模擬值。該濾波器最大的特點(diǎn)為在濾除噪聲的同時(shí)可以保持曲線(xiàn)的變化趨勢(shì)。在對(duì)FY-2F LST數(shù)據(jù)重建的過(guò)程中，S-G濾波方法能夠最大程度地保留原始數(shù)據(jù)，并且根據(jù)相鄰數(shù)據(jù)模擬出缺值。S-G濾波過(guò)程可表示為

，

(1)

當(dāng)像元長(zhǎng)時(shí)間連續(xù)缺失較多數(shù)據(jù)時(shí)，若單純使用S-G濾波進(jìn)行數(shù)據(jù)重建則可能與真實(shí)值相差較大。針對(duì)這一問(wèn)題本文篩選出某像元一段不存在缺值的數(shù)據(jù)作為研究對(duì)象，從該段數(shù)據(jù)中分別提取1～5個(gè)相鄰時(shí)相數(shù)據(jù)不參加S-G濾波，模擬出像元不同連續(xù)缺值情況，并將重建前、后LST值進(jìn)行對(duì)比。圖2中繪制出原始LST和5條不同連續(xù)缺值重建后曲線(xiàn)，方框代表模擬缺值，從圖中可以清楚地看到連續(xù)缺失數(shù)據(jù)越多，模擬結(jié)果與原始LST差值越大，當(dāng)連續(xù)缺失達(dá)到5個(gè)數(shù)據(jù)時(shí)誤差大于3 K。

圖2 不同連續(xù)缺值重建效果

因此，本文首先遍歷每一像元所有時(shí)相LST數(shù)據(jù)，并根據(jù)像元連續(xù)缺值情況將全年數(shù)據(jù)拆分為若干組，當(dāng)連續(xù)缺失5個(gè)及以上時(shí)相數(shù)據(jù)時(shí)該段LST不進(jìn)行重建。隨后，根據(jù)實(shí)測(cè)數(shù)據(jù)統(tǒng)計(jì)出LST最大、最小值作為閾值，判斷LST異常點(diǎn)，利用接口描述語(yǔ)言(interface description language，IDL)函數(shù)庫(kù)提供的S-G濾波函數(shù)重建異常點(diǎn)及缺失數(shù)據(jù)，并且保留原始有效數(shù)據(jù)不變，通過(guò)反復(fù)迭代達(dá)到最佳擬合效果。S-G濾波函數(shù)需設(shè)定窗口寬度m及多項(xiàng)式擬合階數(shù)Degree，通常情況下m值越大濾波結(jié)果越平滑；Degree一般設(shè)定在2～4范圍內(nèi)，階數(shù)越低濾波結(jié)果平滑，但會(huì)帶來(lái)誤差，較高階數(shù)可降低此項(xiàng)誤差但“過(guò)擬合”會(huì)帶來(lái)噪聲影響濾波結(jié)果[16-17]。為了確定S-G濾波LST重建最優(yōu)參數(shù)，本文在連續(xù)30 d數(shù)據(jù)中隨機(jī)選擇5 d數(shù)據(jù)并賦為缺值，再按照窗口寬度m=3,5,7及階數(shù)Degree=2,3,4組成9組參數(shù)組合進(jìn)行S-G濾波，經(jīng)實(shí)驗(yàn)平滑窗口寬度m取5，階數(shù)Degree為4時(shí)模擬LST與原始值最為接近。

2 結(jié)果與分析

2.1 LST重建結(jié)果

本研究對(duì)2013年FY-2F LST時(shí)間序列數(shù)據(jù)進(jìn)行了重建，通過(guò)IDL函數(shù)庫(kù)提供的S-G濾波函數(shù)迭代擬合，最終達(dá)到最優(yōu)擬合效果。S-G濾波能夠很好地將FY-2F LST數(shù)據(jù)缺失值補(bǔ)充完整，圖3展示了長(zhǎng)三角地區(qū)每一像元點(diǎn)重建前、后時(shí)間序列缺值率(即表示每個(gè)像元點(diǎn)長(zhǎng)時(shí)間序列上的缺值率，下文簡(jiǎn)稱(chēng)時(shí)相缺失率)。經(jīng)統(tǒng)計(jì)，長(zhǎng)三角地區(qū)重建前FY-2F LST平均時(shí)相缺失率為19.43%，其中單一像元最少缺失9.54%數(shù)據(jù)，最高時(shí)相缺失率則達(dá)到39.31%，整個(gè)長(zhǎng)三角地區(qū)南部數(shù)據(jù)時(shí)相缺失率高于北部。經(jīng)過(guò)重建后，F(xiàn)Y-2F LST時(shí)相缺失率明顯降低，長(zhǎng)三角大部分區(qū)域LST補(bǔ)充完整，平均時(shí)相缺失率下降至1.69%，可見(jiàn)S-G濾波方法具有良好的重建效果。

(a) 重建前時(shí)相缺失率 (b) 重建后時(shí)相缺失率

為了更直觀地展現(xiàn)LST重建效果，圖4選取不同空間缺值率的FY-2F LST原始數(shù)據(jù)與重建后數(shù)據(jù)進(jìn)行對(duì)比。從圖中可以看到，S-G濾波利用LST時(shí)序變化特征進(jìn)行數(shù)據(jù)重建，重建效率較高，即便研究區(qū)內(nèi)空間缺值率超過(guò)80%也能很好地完成重建工作，且能夠較好地保證LST空間一致性。

(a) 20130204重建前(b) 20130316重建前(c) 20131221重建前(d) 20130716重建前

(e) 20130204重建后(f) 20130316重建后(g) 20131221重建后(h) 20130716重建后

為了從LST時(shí)間序列角度評(píng)價(jià)重建效果，本文進(jìn)一步選取了南京站點(diǎn)作為驗(yàn)證點(diǎn)，對(duì)比站點(diǎn)實(shí)測(cè)值與重建前、后LST隨時(shí)間變化曲線(xiàn)，如圖5所示。

(a) 2013年

由南京站點(diǎn)2013年LST隨時(shí)間變化總體曲線(xiàn)(圖5(a))可以看出，本文重建方法可以有效地保留原始LST，并達(dá)到對(duì)缺值進(jìn)行補(bǔ)充的目的。實(shí)測(cè)數(shù)據(jù)與重建前、后LST相比變化趨勢(shì)一致，全年整體隨時(shí)間變化先升高后降低。從圖中也能看到，重建后的LST時(shí)間序列與實(shí)測(cè)數(shù)據(jù)仍然存在一定的誤差，其中8月份的差值達(dá)到了10 K左右。為了更清楚地觀察重建效果，分別提取4月及8月份數(shù)據(jù)如圖5(b)和(c)。S-G濾波方法對(duì)LST時(shí)間序列進(jìn)行濾波獲取其長(zhǎng)時(shí)間變化趨勢(shì)，結(jié)合相鄰時(shí)相點(diǎn)對(duì)缺值進(jìn)行補(bǔ)充，使其符合LST變化規(guī)律。圖5(b)中，實(shí)測(cè)數(shù)據(jù)與重建后FY-2F LST變化趨勢(shì)較為一致，相鄰2個(gè)時(shí)相FY-2F數(shù)據(jù)波動(dòng)更大； 8月份(圖5(c))存在連續(xù)缺失數(shù)據(jù)較多的情況，為了保證重建數(shù)據(jù)準(zhǔn)確性該段缺值未進(jìn)行補(bǔ)充，其余部分缺值經(jīng)S-G濾波擬合效果較好，但與實(shí)測(cè)LST差值偏大，這種情況受數(shù)據(jù)本身精度的影響較大。

2.2 精度驗(yàn)證

為了進(jìn)一步定量檢驗(yàn)重建后LST結(jié)果的精度，根據(jù)經(jīng)緯度提取了長(zhǎng)三角地區(qū)46個(gè)氣象站點(diǎn)重建前、后LST每日數(shù)據(jù)，并與相應(yīng)日期實(shí)測(cè)LST數(shù)據(jù)進(jìn)行對(duì)照。圖6(a)和(b)分別展示了氣象站點(diǎn)實(shí)測(cè)數(shù)據(jù)與LST重建前、后對(duì)比情況。從圖中可以看到FY-2F LST原始產(chǎn)品與實(shí)測(cè)數(shù)據(jù)具有較好的擬合精度，判定系數(shù)R2為0.75，而平均絕對(duì)誤差(mean absolute error,MAE)為4.88 K，原始LST產(chǎn)品精度較低。重建后樣本數(shù)由11 201個(gè)增加至13 621個(gè)，R2及MAE與重建前基本保持一致，因此利用S-G濾波對(duì)FY-2F LST進(jìn)行重建能夠保證數(shù)據(jù)精度，重建結(jié)果較為可信。

(a) 實(shí)測(cè)值與重建前LST (b) 實(shí)測(cè)值與重建后LST

經(jīng)過(guò)對(duì)比發(fā)現(xiàn)，氣象站點(diǎn)實(shí)測(cè)值與重建后LST值誤差較大，主要有以下3點(diǎn)原因： ①FY-2F原始LST產(chǎn)品在某些地區(qū)誤差較大，甚至超過(guò)10 K,由圖5可以看出，高誤差像元主要出現(xiàn)在夏季7—8月份，這可能受FY-2F LST產(chǎn)品本身反演算法的影響，也可能是該地區(qū)夏季云量較多，導(dǎo)致逐時(shí)數(shù)據(jù)缺失，進(jìn)而影響了日平均LST數(shù)據(jù)的計(jì)算； ②氣象站點(diǎn)實(shí)測(cè)值為“點(diǎn)數(shù)據(jù)”，而FY-2F LST數(shù)據(jù)為“面數(shù)據(jù)”，且空間分辨率為5 km，導(dǎo)致像元多為混合像元，由于兩者尺度不同，在匹配時(shí)必然帶來(lái)一定誤差[18-19]； ③本文是在FY-2F LST產(chǎn)品的基礎(chǔ)上進(jìn)行重建的，受原始產(chǎn)品質(zhì)量影響，無(wú)法解決一些時(shí)相的高誤差問(wèn)題。因此，重建后產(chǎn)品與重建前產(chǎn)品相比更加合理。

綜合以上分析，為了更加明確S-G濾波方法重建效果，本文隨后采取人工模擬缺值的方法排除由于數(shù)據(jù)問(wèn)題導(dǎo)致的影響，對(duì)比重建前、后數(shù)據(jù)驗(yàn)證S-G濾波重建數(shù)據(jù)的準(zhǔn)確性(圖7)。

圖7 重建前、后LST散點(diǎn)圖

通過(guò)隨機(jī)選取一些非缺值區(qū)域不參與S-G濾波，然后跟濾波之后的LST結(jié)果進(jìn)行對(duì)比。選取驗(yàn)證點(diǎn)的時(shí)候，要求在長(zhǎng)三角地區(qū)內(nèi)均勻分布，且影像按照不同季節(jié)隨機(jī)抽取，最大程度保證了驗(yàn)證結(jié)果的準(zhǔn)確性。從圖7中可見(jiàn)，重建前、后LST的MAE為1.35 K，R2為0.95，大部分樣本都位于1∶ 1線(xiàn)附近，重建后LST與原始值吻合度較好。因此，除去數(shù)據(jù)質(zhì)量等其他因素影響，利用S-G濾波方法進(jìn)行數(shù)據(jù)重建效果良好。

為了進(jìn)一步評(píng)價(jià)本文重建方法的魯棒性，本文使用相同方法對(duì)2014年和2015年FY-2F LST日均值數(shù)據(jù)進(jìn)行了重建，評(píng)價(jià)其R2和MAE，結(jié)果如表2所示。2014—2015年間站點(diǎn)實(shí)測(cè)值與重建前、后LST的R2和MAE基本持平，能夠保證重建后LST數(shù)據(jù)精度不變； 人工模擬缺值點(diǎn)驗(yàn)證結(jié)果良好，與2013年結(jié)果大體相同，模型魯棒性較好。

表2 2014—2015年LST重建精度評(píng)價(jià)

3 結(jié)論

本文利用S-G濾波方法，結(jié)合LST時(shí)間序列變化特征，對(duì)長(zhǎng)三角地區(qū)FY-2F LST產(chǎn)品進(jìn)行了數(shù)據(jù)重建，并對(duì)重建結(jié)果進(jìn)行了評(píng)價(jià)。結(jié)果表明：

1)長(zhǎng)三角地區(qū)FY-2F LST原始產(chǎn)品平均時(shí)相缺失率為19.43%，S-G濾波方法能夠有效地重建LST，重建后平均時(shí)相缺失率降低為1.69%。并且對(duì)于不同空間缺值率影像，該方法均能在保持LST空間一致性的基礎(chǔ)上對(duì)其進(jìn)行有效重建。

2)提取長(zhǎng)三角地區(qū)46個(gè)氣象站重建前、后LST值，結(jié)合站點(diǎn)LST進(jìn)行精度驗(yàn)證與誤差分析。重建后結(jié)果精度與重建前FY-2F LST產(chǎn)品基本持平，但與實(shí)測(cè)值間誤差較大，其原因?yàn)椋?產(chǎn)品本身質(zhì)量影響了重建結(jié)果精度； 進(jìn)行驗(yàn)證時(shí)，實(shí)測(cè)值為“點(diǎn)數(shù)據(jù)”，與遙感“面數(shù)據(jù)”因尺度問(wèn)題會(huì)進(jìn)一步擴(kuò)大誤差。

3)通過(guò)人為模擬驗(yàn)證區(qū)缺值，將重建后結(jié)果與重建前對(duì)比，發(fā)現(xiàn)重建精度較高，兩者R2為0.95，MAE為1.35 K。通過(guò)重建2014—2015年間FY-2F LST日均值產(chǎn)品驗(yàn)證S-G濾波模型適用性，其結(jié)果與2013年大體相同，表明S-G濾波法可以用來(lái)進(jìn)行LST重建。

本文在保持FY-2F LST原始產(chǎn)品精度的基礎(chǔ)上進(jìn)行數(shù)據(jù)重建，能夠有效提高產(chǎn)品質(zhì)量，為地表熱環(huán)境研究提供數(shù)據(jù)基礎(chǔ)。然而文中重建采用的S-G濾波方法僅考慮了LST時(shí)序變化規(guī)律，并未利用到其空間信息。在今后的研究中可結(jié)合多源遙感數(shù)據(jù)和下墊面特性等因子進(jìn)行空間上的重建，進(jìn)一步提高產(chǎn)品數(shù)據(jù)質(zhì)量。