近日，中国科学院空天信息创新研究院（空天院）研究员孟庆岩研究团队提出了一种新型时空融合模型（GLOSTFM），可用于生成全球地表温度（LST）产品，通过集成多源卫星观测数据，有效提升了地表温度数据的时空分辨率，为气候变化、城市热环境监测和农业应用提供了更精细的数据支持。
地表温度是气候研究、生态监测和农业管理中的关键参数。然而，现有卫星遥感数据存在空间和时间分辨率受限的问题。例如，高空间分辨率卫星一般重访间隔较久，数据时间连续性低，而低空间分辨率卫星虽然具有较高的时间分辨率，但难以满足精细尺度的应用需求。因此，如何有效融合多源LST数据，既提高空间覆盖与分辨率，又保证时间连续性，一直是遥感领域的研究热点。
为应对LST数据时空分辨率提升的挑战，研究团队提出全球GLOSTFM。该模型的创新之处在于其独特的构建原理和技术框架。GLOSTFM基于图像金字塔技术，将来自多源卫星的数据进行融合，通过分层处理的方式，解决不同空间和时间分辨率数据的融合问题。图像金字塔技术是一种将数据层次化处理的算法，通过逐级融合不同分辨率的图像，最大化地保留空间信息的精度，同时避免数据量过大的问题。
GLOSTFM综合中国风云三号D卫星的中分辨率光谱成像仪（MERSI）和微波辐射计（MWRI）的数据。MERSI提供1km的空间分辨率，适用于高精度的地表温度监测，而MWRI的25km空间分辨率则具有全天候监测能力，能够在恶劣天气条件下提供连续的数据支持。通过这种多源数据的融合，GLOSTFM在确保计算效率的同时，充分发挥了光学传感器和微波传感器各自的优势，大幅提升全球地表温度数据的时空连续性。
图1 基于高斯-拉普拉斯金字塔原理的地表温度时空融合模型（GLOSTFM）示意图
GLOSTFM的优势与应用
1.全球适用性：不同于传统融合方法仅适用于特定区域，GLOSTFM可在全球尺度上适用，为多种应用场景提供数据支持。
2.高时空精度：相比于现有的LST产品，该方法可将时间分辨率提高到每日级别，同时提供较为完整的全球空间覆盖，有效填补数据空白。
3.多场景应用：高分辨率的LST数据可广泛应用于城市热岛监测、农业干旱评估、气候变化研究和生态系统管理等领域。
图2 GLOSTFM对比MWRI、MERSI以及MODIS等产品时空覆盖更加全面
GLOSTFM的提出为遥感数据的精细化处理提供新的思路，未来研究将进一步优化模型，使其更加适应不同气候带和地理环境，并结合地面观测数据，提高模型的泛化能力。同时，GLOSTFM的成功应用将有助于全球气候变化监测、城市规划优化和农业资源管理，为应对全球变暖和环境变化提供更加精准的科学数据支撑。
图3 GLOSTFM在城市热岛监测中发挥的重要作用
上述研究成果“GLOSTFM: A global spatiotemporal fusion model integrating multi-source satellite observations to enhance land surface temperature resolution” 发表于遥感领域顶级期刊《Remote Sensing of Environment》（中国科学院一区）。空天院研究员孟庆岩为第一作者，博士生陈士泽为通信作者。该研究得到国家自然科学基金项目、风云三号03批气象卫星工程地面应用系统生态监测评估应用项目、中国科学院青年创新促进会项目等多项资助支持。
论文链接：https://doi.org/10.1016/j.rse.2025.114640
动态新闻