FY-3D/MWRI L1B亮溫LST反演與降尺度研究

朱瑜馨，吳門新，鮑艷松，李鑫川，張錦宗

(1.淮陰師范學(xué)院城市與環(huán)境學(xué)院，淮安 223300；2.國(guó)家氣象中心，北京 100081；3.南京信息工程大學(xué)大氣物理學(xué)院，南京 210044)

0 引言

陸表溫度(land surface temperature,LST)是指陸地表面最上層的熱力學(xué)溫度，是研究地表水熱平衡和全球氣候變化的重要參數(shù)。精確的陸表溫度產(chǎn)品是陸面水文模型、數(shù)字天氣及氣候預(yù)報(bào)模式的輸入?yún)?shù)，也是利用微波遙感技術(shù)進(jìn)行土壤水分反演的一個(gè)關(guān)鍵輸入?yún)⒘縖1]。目前，陸表溫度數(shù)據(jù)的獲取方式主要包括：地面氣象站點(diǎn)監(jiān)測(cè)與遙感反演。地面氣象站點(diǎn)監(jiān)測(cè)數(shù)據(jù)精度高，但時(shí)空不連續(xù)；基于遙感數(shù)據(jù)的LST反演可以獲取大范圍時(shí)空連續(xù)的數(shù)據(jù)，隨著遙感技術(shù)及計(jì)算機(jī)技術(shù)的發(fā)展，成為主要的LST獲取方式?；诳梢姽饧t外遙感數(shù)據(jù)的LST反演，空間分辨率高，精度相對(duì)較高[2]，常用的方法有單通道算法、劈窗算法、溫度與發(fā)射率分離算法等[3]，如MODIS(Moderate Resolution Imaging Spectroradiometer)，F(xiàn)Y-2/3 VIRR(FengYun-2/3 Visible Infrared Scanning Radiometer)，SEVIRI(Spinning Enhanced Visible and InfraRed Imager)產(chǎn)品等。但基于可見光紅外遙感數(shù)據(jù)的LST反演需要晴空條件以及儀器的無誤差條件[4]，因此，受云、大氣等的影響較大，存在大量的缺失像元或無效像元，不能進(jìn)行陸表溫度的全天候監(jiān)測(cè)?；谖⒉ㄝ椛溆?jì)的亮溫?cái)?shù)據(jù)反演LST，具有多極化及高時(shí)間分辨率等特點(diǎn)[1]，受大氣、云等環(huán)境影響相對(duì)較小，且能全天候、全天時(shí)監(jiān)測(cè)，但空間分辨率較低。二者各有優(yōu)缺點(diǎn)，又相互補(bǔ)充，為充分利用二者間的互補(bǔ)性進(jìn)行LST反演并降尺度，提供了可行性。

基于被動(dòng)微波遙感的地表溫度反演研究起始于20世紀(jì)80年代末期[5]。如利用SSM/I數(shù)據(jù)，AMSR數(shù)據(jù)建模進(jìn)行陸表溫度反演[6-7]，模型精度在1.5～3 K之間；以及以AMSR-E數(shù)據(jù)為基礎(chǔ)的陸表溫度反演等[8-11]。與可見光紅外數(shù)據(jù)相比，極少受到云或水蒸汽的影響，但空間分辨率遠(yuǎn)低于可見光紅外反演LST，且傳感器缺陷及軌道掃描間隙也導(dǎo)致了空間的不連續(xù)性。

根據(jù)Planck黑體輻射原理和Jeans近似，一般地物的微波輻射亮溫與其真實(shí)溫度存在簡(jiǎn)單的線性關(guān)系[12]，因此，本文利用FY-3D MWRI日亮溫?cái)?shù)據(jù)與FY-3C VIRR LST日數(shù)據(jù)，建立單通道、多極化回歸模型，選擇相關(guān)系數(shù)最高的頻率的水平和垂直極化數(shù)據(jù)建立二元一次回歸模型，進(jìn)行MWRI LST反演，并將反演后的LST數(shù)據(jù)通過層次貝葉斯模型與VIRR LST融合進(jìn)行降尺度，最終得到1 km空間連續(xù)的LST日數(shù)據(jù)。

目前，我國(guó)FY-3系列微波輻射計(jì)亮溫反演LST數(shù)據(jù)較少，僅僅有FY-3D MWRI 25km LST產(chǎn)品，但空間不連續(xù)，軌道間存在大量的缺失像元。本文基于FY-3C 1 km VIRR LST產(chǎn)品和FY-3D 10km MWRI L1B亮溫?cái)?shù)據(jù)，充分利用二者在空間完整性及時(shí)空分辨率等方面的互補(bǔ)性，進(jìn)行LST反演與降尺度，具有較強(qiáng)的應(yīng)用價(jià)值。本文以18°～54°N，73°～135°E區(qū)域?yàn)闃永齾^(qū)，進(jìn)行FY-3D MWRI L1B亮溫LST反演與降尺度研究，技術(shù)路線如圖1。

圖1 技術(shù)路線Fig.1 Technology roadmap

1 數(shù)據(jù)源及其預(yù)處理

1.1 數(shù)據(jù)源

本文用到的遙感數(shù)據(jù)為2020年2月1日FY-3D MWRI L1B降軌和升軌日數(shù)據(jù)、FY-3C VIRR LST日數(shù)據(jù)、MODIS LST日數(shù)據(jù)。

FY-3D MWRI的L1B降軌和升軌全球日數(shù)據(jù)，空間分辨率10 km，MWRI在10.65～89 GHz頻段內(nèi)設(shè)置5個(gè)頻率：10.65 GHz，18.70 GHz，23.80 GHz，36.50 GHz和89.00 GHz，每個(gè)頻率有垂直和水平極化模式。降軌數(shù)據(jù)自東向西通過樣例區(qū)的時(shí)間分別為：15∶53，17∶35，19∶16和20∶58；升軌數(shù)據(jù)經(jīng)過樣例區(qū)的軌道數(shù)據(jù)時(shí)間分別為：03∶12，04∶54，06∶35和08∶16。數(shù)據(jù)存儲(chǔ)格式為HDF(hierarchical data format)。

FY-3C VIRR LST日數(shù)據(jù)，空間分辨率1 km，投影類型為Hammer，10°×10°分塊，經(jīng)過樣例區(qū)的經(jīng)緯度編號(hào)如表1。數(shù)據(jù)存儲(chǔ)格式為HDF。為了盡量降低FY-3D MWRI亮溫?cái)?shù)據(jù)與MODIS LST 日數(shù)據(jù)之間的時(shí)間差異，本文采用MYD11A1的day LST來驗(yàn)證FY-3D MWRI反演LST降軌和升軌降尺度數(shù)據(jù)，空間分辨率為1 km，投影類型為正弦。經(jīng)過樣例區(qū)的行列號(hào)如表2。數(shù)據(jù)存儲(chǔ)格式為HDF。

表1 FY-3C VIRR LST 樣例區(qū)經(jīng)緯度編號(hào)及相對(duì)位置Tab.1 Longitude and latitude number and relative position of sample area of FY-3C VIRR LST

表2 MYD11A1 LST 樣例區(qū)行列號(hào)及相對(duì)位置Tab.2 Tile and relative position of sample area of MYD11A1 LST

1.2 數(shù)據(jù)預(yù)處理

1)投影與轉(zhuǎn)換。對(duì)于風(fēng)云3D MWRI亮溫?cái)?shù)據(jù)，利用其自帶的經(jīng)緯度圖層構(gòu)建GLT(geometric lookup file)，進(jìn)行幾何校正，輸出WGS-84地理坐標(biāo)系統(tǒng)。對(duì)FY-3C VIRR LST，首先進(jìn)行Hammar投影定義，然后轉(zhuǎn)換為WGS-84地理坐標(biāo)系統(tǒng)。對(duì)于MODIS LST，通過MRT工具直接進(jìn)行tile數(shù)據(jù)的拼接與投影轉(zhuǎn)換。

2)軌道拼接和裁剪并進(jìn)行區(qū)域裁剪，得到樣例區(qū)范圍的數(shù)據(jù)。

3)根據(jù)數(shù)據(jù)提供的有效范圍及質(zhì)量控制層進(jìn)行數(shù)據(jù)的質(zhì)量控制及異常值剔除。

根據(jù)MODIS LST效值范圍(7 500,65 535)剔除異常值，再根據(jù)質(zhì)量控制層選擇質(zhì)量標(biāo)識(shí)為0的質(zhì)量好的像元。VIRR LST是經(jīng)過了云處理后的數(shù)據(jù)。根據(jù)MWRI BT數(shù)據(jù)的有效范圍(-32 766,32 767)剔除異常值。

4)亮溫和陸表溫度值的計(jì)算。根據(jù)公式(1)—(3)，分別計(jì)算FY-3D MWRI亮溫、FY-3C VIRR LST和MODIS LST，即

BTMWRI=0.01·DN+327.68，

(1)

LSTVIRR=0.1·DN，

(2)

LSTMODIS=0.02·DN，

(3)

在進(jìn)行LST反演時(shí)，由于FY-3D MWRI亮溫與FY-3C VIRR LST存在空間分辨率差異，因此本文采用最近鄰插值算法進(jìn)行重采樣，將FY-3C VIRR LST升尺度至10 km。

2 偏差校正

因?yàn)榻y(tǒng)計(jì)回歸模型和層次貝葉斯融合降尺度模型均不能降低數(shù)據(jù)的系統(tǒng)誤差和隨機(jī)誤差，因此，文章首先以MODIS LST為參考值，進(jìn)行VIRR LST偏差校正。偏差校正前VIRR LST與MODIS LST散點(diǎn)圖，如圖2。

圖2 偏差校正前VIRR LST與MODIS LST散點(diǎn)圖Fig.2 Scatter plot of VIRR LST against MODIS LST before bias correction

VIRR LST與MODIS LST之間的相關(guān)系數(shù)為0.94，平均偏差為-10.82 K；誤差標(biāo)準(zhǔn)差為5.25 K，均方根誤差為12.03 K。

以VIRR LST為自變量，MODIS LST為因變量，建立回歸模型(公式(4))，R2=0883 2，P=0，<0.5，說明回歸模型成立，即

MODISLST=-1.490 3+1.045 1·VIRRLST。

(4)

將VIRR LST帶入回歸模型，完成偏差校正，校正后的VIRR LST與MODIS LST之間的散點(diǎn)圖如圖3。二者之間的平均偏差為4.67e-13 K；誤差標(biāo)準(zhǔn)差為5.21 K；均方根誤差為5.21 K。偏差校正后，平均偏差和均方根誤差明顯降低，散點(diǎn)圖分布更加對(duì)稱，說明校正效果明顯。校正后的VIRR LST如圖4。

圖3 偏差校正后VIRR LST與MODIS LST散點(diǎn)圖Fig.3 Scatter plot of VIRR LST against MODIS LST after bias correction

圖4 校正后的VIRR LSTFig.4 Spatial distribution of bias corrected VIRR LST

3 陸表溫度反演

反演算法采用單頻率水平極化和垂直極化的二元線性統(tǒng)計(jì)回歸模型：直接建立FY-3D MWRI L1B亮溫為自變量，F(xiàn)Y-3C VIRR LST為因變量的統(tǒng)計(jì)回歸關(guān)系，通過求解方程系數(shù)得到最小二乘解。FY-3C VIRR LST，分別與FY-3D MWRI L1B亮溫?cái)?shù)據(jù)5個(gè)頻率的水平和垂直極化數(shù)據(jù)進(jìn)行回歸分析，選擇相關(guān)系數(shù)最大的頻率的水平和垂直極化數(shù)據(jù)建立地表溫度反演模型，公式為：

LSTVIRR=ao+a1·BTH+a2·BTV，

(5)

式中：LSTVIRR為FY-3C VIRR LST；BTH為FY-3D MWRI L1B水平極化亮溫；BTV為FY-3D MWRI L1B垂直極化亮溫。

3.1 模型構(gòu)建

FY-3D MWRI降軌亮溫?cái)?shù)據(jù)與FY-3C VIRR LST的相關(guān)系數(shù)如表3。根據(jù)相關(guān)系數(shù)，選擇36.50 GHz頻率的水平和垂直極化數(shù)據(jù)與FY-3C VIRR LST建立回歸模型，公式為：

表3 FY-3D MWRI降軌數(shù)據(jù)與FY-3C VIRR LST的相關(guān)系數(shù)Tab.3 Correlation coefficient between FY-3D MWRI orbit dropping data and FY-3C VIRR LST

LSTFY-D=118.631 3+0.866 1·BTMWRIH-0.211 3·BTMWRIV，

(6)

FY-3D MWRI升軌亮溫?cái)?shù)據(jù)與FY-3C VIRR LST的相關(guān)系數(shù)如表4。

表4 FY-3D MWRI升軌數(shù)據(jù)與FY-3C VIRR LST的相關(guān)系數(shù)Tab.4 Correlation coefficient between FY-3D MWRI orbit lifting data and FY-3C VIRR LST

根據(jù)相關(guān)系數(shù)，選擇36.50 GHz頻率的水平和垂直極化數(shù)據(jù)與FY-3C VIRR LST建立回歸模型，即

LSTFY_R=124.091 9+0.818 6·BTMWRIH-0.217 7·BTMWRIV。

(7)

3.2 反演與驗(yàn)證

根據(jù)公式(6)和(7)反演得到FY-3D降軌和升軌2020年2月1日10 km 空間分辨率LST。以MYD11A1 Day LST為參考值，分別計(jì)算FY LST與MYD LST之間的平均偏差、誤差標(biāo)準(zhǔn)差、均方根誤差及相關(guān)系數(shù)，對(duì)反演得到的升軌和降軌數(shù)據(jù)進(jìn)行驗(yàn)證，驗(yàn)證結(jié)果如表5。從驗(yàn)證結(jié)果看，升軌數(shù)據(jù)與VIRR LST吻合度稍高，但升軌和降軌數(shù)據(jù)與VIRR LST的吻合度差異不大。反演結(jié)果見圖5。

表5 FY LST與MYD11A1 Day LST驗(yàn)證結(jié)果Tab.5 Validation results between FY-LST and MYD11A1 LST (K)

(a)FY-3D降軌反演LST(b)FY-3D升軌反演LST

圖6為MODIS LST與FY LST之間的散點(diǎn)圖。升軌數(shù)據(jù)中，絕對(duì)偏差在1 K內(nèi)的點(diǎn)對(duì)數(shù)為2 350；絕對(duì)偏差在1～2之間的點(diǎn)對(duì)數(shù)為2 096；絕對(duì)偏差在2～3之間的點(diǎn)對(duì)數(shù)為1 986；絕對(duì)偏差在3～4之間的點(diǎn)對(duì)數(shù)為2 046；絕對(duì)偏差大于4 K的點(diǎn)對(duì)數(shù)為12 270；最小絕對(duì)偏差為5.11e-05 K；最大絕對(duì)偏差為29.81 K。整體來看，匹配點(diǎn)基本對(duì)稱分布在1∶1線兩側(cè)。降軌數(shù)據(jù)中，絕對(duì)偏差在1 K內(nèi)的點(diǎn)對(duì)數(shù)為2 301；絕對(duì)偏差在1～2之間的點(diǎn)對(duì)數(shù)為2 265；絕對(duì)偏差在2～3之間的點(diǎn)對(duì)數(shù)為2 155；絕對(duì)偏差在3～4之間的點(diǎn)對(duì)數(shù)為1 999；絕對(duì)偏差大于4 K的點(diǎn)對(duì)數(shù)為16 222；最小絕對(duì)偏差為0.0 015 K；最大絕對(duì)偏差為39.50 K。升軌數(shù)據(jù)與降軌數(shù)據(jù)相比，升軌數(shù)據(jù)更貼近1∶1線，說明升軌數(shù)據(jù)偏差較降軌數(shù)據(jù)小。

(a)FY降軌LST與MODISLST散點(diǎn)圖(b)FY升軌LST與MODISLST散點(diǎn)圖

4 陸表溫度降尺度

在層次貝葉斯框架下，通過建立參數(shù)的層次嵌套結(jié)構(gòu)進(jìn)行偏差校正后的1 km空間分辨率VIRR LST與10 km空間分辨率FY-3D MWRI 反演LST的融合，得到1 km空間分辨率、較高精度的、時(shí)空完整的、局部細(xì)節(jié)信息豐富的融合LST，實(shí)現(xiàn)降尺度。

層次貝葉斯將隨機(jī)變量的聯(lián)合分布分解為一系列條件概率乘積的模式，核心算法為：通過構(gòu)建一個(gè)馬爾科夫鏈，迭代抽樣，每一步迭代的結(jié)果都依賴于前一次迭代抽樣的結(jié)果，最后收斂至平穩(wěn)的靜態(tài)分布——后驗(yàn)分布。此方法可以概述為：某一時(shí)空過程為Y，在該時(shí)空過程支配下的觀測(cè)數(shù)據(jù)為Z，與時(shí)空過程Y相關(guān)的一系列參數(shù)及與觀測(cè)數(shù)據(jù)模型相關(guān)的一系列參數(shù)組成的參數(shù)集為θ，在層次貝葉斯框架下，將Z，Y，θ的聯(lián)合概率分布表示為一組條件概率分布的乘積：[Z,Y,θ]=[Z|Y,θ][Y|θ][θ]。根據(jù)貝葉斯定理，結(jié)合觀測(cè)數(shù)據(jù)，更新、修正未知變量的先驗(yàn)，得到其后驗(yàn)分布[13-14]，具體公式為：

[Y,θ|Z]∝[Z|Y,θ][Y|θ][θ]。

(8)

層次的嵌套結(jié)構(gòu)表現(xiàn)為利用最近鄰距離插值得到空間完整的10 km LST作為層次貝葉斯過程參數(shù)的先驗(yàn)均值。

4.1 模型構(gòu)建

層次貝葉斯分3個(gè)階段建模：數(shù)據(jù)模型、過程模型和參數(shù)模型。

1)數(shù)據(jù)模型。FY-3C VIRR LST與FY-3D 反演LST的觀測(cè)誤差模型(公式(9)和(10))。

3)尺度無縫轉(zhuǎn)換。1 km VIRR LST與10 km MWRI LST間存在尺度差異，通過建立嵌套的參數(shù)正態(tài)分布，實(shí)現(xiàn)無縫尺度轉(zhuǎn)換(公式(11)和(12))[13-14]。

(9)

(10)

(11)

(12)

4.2 降尺度結(jié)果

丟棄前1 000次不穩(wěn)定迭代，經(jīng)過500次迭代抽樣，單鏈?zhǔn)諗俊１?和表7分別為部分節(jié)點(diǎn)抽樣統(tǒng)計(jì)。

表6 部分節(jié)點(diǎn)抽樣統(tǒng)計(jì)(升軌數(shù)據(jù))Tab.6 Sample statistics of partial nodes (orbit lifting)

表7 部分節(jié)點(diǎn)抽樣統(tǒng)計(jì)(降軌數(shù)據(jù))Tab.7 Sample statistics of part nodes (orbit dropping)

圖7為降軌和升軌LST融合降尺度結(jié)果。與10 km空間分辨率反演LST(圖4)對(duì)比分析，降尺度數(shù)據(jù)空間完整，局部細(xì)節(jié)信息增多。由于10 km空間分辨率原始亮溫?cái)?shù)據(jù)海洋像元標(biāo)識(shí)因軌道縫隙部分缺失，導(dǎo)致圖6中融合降尺度數(shù)據(jù)的東南方向未能做海洋像元屏蔽。

(a)降軌降尺度LST(b)升軌降尺度LST

圖8為降尺度LST與MODISLST散點(diǎn)圖。降尺度為1 km的降軌數(shù)據(jù)中，絕對(duì)偏差在1 K內(nèi)的點(diǎn)對(duì)數(shù)為602 484；絕對(duì)偏差在1～2 K之間的點(diǎn)對(duì)數(shù)為575 318；絕對(duì)偏差在2～3 K之間的點(diǎn)對(duì)數(shù)為502 309；絕對(duì)偏差在3～4 K之間的點(diǎn)對(duì)數(shù)為425 718；絕對(duì)偏差大于4 K的點(diǎn)對(duì)數(shù)為1 535 756；最小絕對(duì)偏差為0 K；最大絕對(duì)偏差為39.47 K。降尺度為1 km的升軌數(shù)據(jù)中，絕對(duì)偏差在1 K內(nèi)的點(diǎn)對(duì)數(shù)為582 063；絕對(duì)偏差在1～2之間的點(diǎn)對(duì)數(shù)為563 119；絕對(duì)偏差在2～3之間的點(diǎn)對(duì)數(shù)為501 844；絕對(duì)偏差在3～4之間的點(diǎn)對(duì)數(shù)為433 734；絕對(duì)偏差大于4 K的點(diǎn)對(duì)數(shù)為1 589 183；最小絕對(duì)偏差為0 K；最大絕對(duì)偏差為35.42 K。整體來看，匹配點(diǎn)基本對(duì)稱分布在1:1線兩側(cè)。升軌數(shù)據(jù)與降軌數(shù)據(jù)相比，升軌數(shù)據(jù)更貼近1:1線，說明升軌數(shù)據(jù)偏差較降軌數(shù)據(jù)小。

(a)降軌數(shù)據(jù)與MODIS散點(diǎn)圖(b)升軌數(shù)據(jù)與MODIS散點(diǎn)圖

表7為降尺度數(shù)據(jù)與MODISLST驗(yàn)證結(jié)果，由表可知，降軌和升軌融合降尺度LST精度相似。平均偏差，升軌降尺度LST更小。對(duì)比分析VIRRLST與MODISLST驗(yàn)證結(jié)果，可以看出，融合降尺度數(shù)據(jù)精度高于原始VIRRLST，接近偏差校正后的VIRRLST，說明融合降尺度不能降低數(shù)據(jù)的誤差，融合降尺度前的偏差校正是必要的。

表7 FY LST降尺度與MYD11A1 day LST驗(yàn)證結(jié)果Tab.7 Validation results between FY downscaling LST and MYD11A1 day LST (K)

層次貝葉斯的優(yōu)勢(shì)除了能保留被融合數(shù)據(jù)的局部細(xì)節(jié)信息外，還可以通過融合后驗(yàn)標(biāo)準(zhǔn)差反映融合降尺度結(jié)果的不確定性。圖9顯示了融合降尺度結(jié)果的融合后驗(yàn)標(biāo)準(zhǔn)差。對(duì)比分析VIRRLST和10 km空間分辨率FYLST，可以看出在VIRRLST和FYLST均有有效值的區(qū)域，融合后驗(yàn)標(biāo)準(zhǔn)差較小，而在VIRRLST和FYLST缺值區(qū)域融合后驗(yàn)標(biāo)準(zhǔn)差偏大。

(a)降軌數(shù)據(jù)融合后驗(yàn)標(biāo)準(zhǔn)差(b)升軌數(shù)據(jù)融合后驗(yàn)標(biāo)準(zhǔn)差

5 結(jié)論與討論

根據(jù)LST與微波亮溫之間存在的線性關(guān)系，建立FY-3D MWRI 單通道水平和垂直極化二元線性回歸模型進(jìn)行LST反演，并對(duì)反演LST通過層次貝葉斯融合模型進(jìn)行降尺度，得到了空間局部細(xì)節(jié)信息豐富的高空間分辨率LST數(shù)據(jù)，以MYD11A1 day LST數(shù)據(jù)為參考數(shù)據(jù)進(jìn)行驗(yàn)證。反演LST平均偏差分別為-1.28 K(降軌)和-0.81 K(升軌)；降尺度數(shù)據(jù)平均偏差分別為0.50 K(降軌)和0.25 K(升軌)。本研究結(jié)果表明，單通道水平和垂直極化二元線性模型反演LST簡(jiǎn)單可行，層次貝葉斯融合降尺度模型保持了原有細(xì)尺度數(shù)據(jù)的局部細(xì)節(jié)信息，通過融合后驗(yàn)標(biāo)準(zhǔn)差可以清楚表達(dá)融合結(jié)果的不確定性，為空間降尺度提供了新的思路與方法。

在LST反演與降尺度過程中，考慮到直接建立回歸模型得到1 km反演LST需要其他地表參數(shù)的遙感產(chǎn)品作為輔助，會(huì)引入更多的不確定性，同時(shí)受FY-3D MWRI L1B軌道間隙及輔助參數(shù)空間完整性的影響，不能得到空間完整的降尺度LST。因此，文章沒有直接建立回歸模型得到1 km反演LST，采用的策略為先將FY-3C VIRR LST升尺度至10 km來匹配FY-3D MWRI L1B數(shù)據(jù)，建立回歸模型得到粗尺度反演LST，再通過層次貝葉斯融合降尺度模型實(shí)現(xiàn)降尺度，這樣既可以得到空間完整的降尺度LST，且降尺度LST又同時(shí)保持了細(xì)尺度原始數(shù)據(jù)的細(xì)節(jié)信息，信息量大。本文在融合降尺度過程中僅僅采用了參數(shù)鏈接的先驗(yàn)均值方法，還有進(jìn)一步改進(jìn)的空間，在今后的研究中將側(cè)重研究LST空間變異過程模擬，并將此過程模型代替參數(shù)先驗(yàn)均值嵌入層次貝葉斯融合降尺度模型中，以解決在兩種數(shù)據(jù)均缺值區(qū)域融合不確定性偏大的問題。