简介

基于遥感的地表温度（LST）数据集的降尺度处理对多个研究领域都至关重要，其中包括城市供暖、灌溉调度、火山监测等。即使技术不断发展，特别是卫星传感器的空间、时间和光谱分辨率不断提高，全球卫星最多也只能获得 60 米的地表温度数据集。在本研究中，我们利用谷歌地球引擎（GEE）平台的海量计算能力和大型数据集目录，设计了一个 1 米全自动、开源和用户友好的 LST 降尺度系统，命名为高空间分辨率-GEE 或 HSR-GEE。该系统能够将 Landsat-8 LST 与国家农业成像计划（NAIP）图像相结合，降尺度为 1 米高空间分辨率 LST，遍及美国本土和 Landsat-8 overpass 时间。HSR-GEE 仅使用红、绿、蓝和近红外波段，采用多种机器学习方法，包括稳健最小平方法 (RLS)、随机森林法 (RF) 和支持向量机 (SVM)，并与两种常见的经典方法进行比较：辐射表面温度分解程序 (DisTrad) 和热锐化 (TsHARP)。我们根据美国上空的多幅机载热图像验证了 HSR-GEE 的输出结果。RLS、RF、SVM、DisTrad 和 TsHARP 的 MAE 分别为 1.92 ℃、2.53 ℃、1.33 ℃、3.42 ℃ 和 3.4 ℃。RF 在视觉上显示出盐和胡椒效应，SVM 显示出土地覆被/用途形式，因此 RLS 似乎最适合 1 m LST 降尺度。HSR-GEE 是一个极具潜力的系统，可帮助不同背景的研究人员推进研究工作。HSR-GEE 是目前唯一基于 1 米 GEE 的降尺度系统，能够在几秒钟内通过五种不同方法（即 RLS、RF、SVM、DisTrad 和 TsHARP）得出所需的高分辨率 LST 信息。请研究界在美国本土实施这一动态系统，并在必要时对其进行改进。