基于局部非线性地理加权回归模型的地表温度降尺度算法研究

摘要：

地表温度(land surface temperature,LST)是反映地表状况的一个重要参数,能对地表-大气相互作用过程进行描述.由于受到卫星热红外传感器成像条件的制约,获取的卫星热红外遥感图像存在时间分辨率、空间分辨率难以兼顾的问题,导致反演的LST数据难以得到深入应用.采用LST降尺度算法可以解决此矛盾,获得高时空分辨率的地表温度数据.目前LST降尺度模型逐步由全局模型转向局部模型,但局部降尺度模型忽略了非线性关系.针对此问题,提出基于局部非线性地理加权回归(non-linear geographically weighted regression,NL-GWR)的地表温度降尺度算法.选择合适的研究区域,并分别选取归一化差异植被指数(normalized difference vegetation index,NDVI)、归一化差异建筑指数(normalized difference build-up index,NDBI)以及数字高程模型(digital elevation mod-el,DEM)作为辅助参数进行LST降尺度,将中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)地表温度空间分辨率从1000 m提升到100 m,并将基于地理加权回归(geographically weighted regression,GWR)与NL-GWR模型的降尺度结果进行对比分析.实验结果表明,考虑非线性关系的NL-GWR模型要优于GWR线性模型,能够获得较低的均方根误差(1.96℃)和平均绝对误差(1.63℃).

关键词：热红外遥感图像、地表温度、降尺度、局部非线性地理加权回归

所属期刊栏目：32

分类号：TP309.7(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市博士后特别资助;重庆市气象局开放基金;中国气象局省所科技创新发展专项;重庆市应用开发计划重点项目

在线出版日期：2020-12-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1003-1011