基于注意力机制的超分辨率深度学习实现的高时空分辨率100米陆地表面温度反演

《Science of Remote Sensing》：Temporally Dense 100-m Land Surface Temperature Retrieval via Attention-Based Super-Resolution Deep Learning

土地表面温度（LST）对水文、农业和气候监测至关重要，但高分辨率LST数据存在时空分辨率不足的问题。本研究提出了一种基于深度学习的ASRRN模型，通过整合MODIS LST（1 km）与ECOSTRESS（70 m）数据，结合HLS的SWIR1和NDVI波段、Sentinel-1的SAR数据以及ASTER的DEM数据，利用残差学习和注意力机制提升空间特征提取能力。实验表明，ASRRN在12个美国站点和2个澳大利亚站点的评估中，相关系数（r）达0.984，RMSE为2.267 K，MAE为1.626 K，优于ESTARFM（r=0.898，RMSE=5.764 K）和传统CNN模型（如SRCNN和EDSR）。ASRRN通过蒙特卡洛dropout量化预测不确定性，并验证了其跨区域泛化能力，为高时空分辨率LST监测提供了新方法。

　　土地表面温度（LST）是理解地表水与能量交换的关键变量，为水文、水资源管理、气候监测和农业等领域的应用提供了重要的数据支持。然而，现有的LST观测方法往往受到空间分辨率低、时间覆盖不完整和云干扰等因素的限制。例如，ECOSTRESS任务虽然能够提供70米分辨率的LST观测，并且具有1-5天的重访周期，但其仍面临云污染、时间频率有限以及任务期限（预计至2029年结束）等问题。为了解决这些限制，研究人员开发了一种基于注意力机制的超分辨率深度残差网络（ASRRN），通过整合粗分辨率的MODIS LST数据和多种辅助数据集，生成具有密集时间覆盖的100米LST估计值。ASRRN结合了卷积层、残差学习和注意力机制，以提升空间特征提取的能力，同时使用蒙特卡洛丢弃（Monte Carlo Dropout）方法来量化模型的不确定性。研究结果表明，ASRRN在12个美国大陆地区的异质区域以及澳大利亚的两个地点的评估中，均优于ESTARFM、SRCNN和EDSR等方法，表现出更高的相关性、更低的均方根误差（RMSE）和平均绝对误差（MAE），并且能够生成时间密集的100米LST图像序列，而无需在预测时使用高分辨率的热红外观测数据。

研究的创新点在于，ASRRN不仅解决了传统数据融合方法在非均匀地表和数据稀缺区域的局限性，还通过引入注意力机制和多源辅助数据，提升了模型的泛化能力。与传统的线性假设不同，ASRRN能够捕捉复杂的非线性关系，这在地表温度的高时空分辨率重建中尤为重要。此外，该模型在训练过程中采用了一种分步的超分辨率策略，通过将10倍的下采样分解为两个步骤（从1000米到500米，再从500米到100米），从而提高了训练效率并减少了计算资源的消耗。同时，研究还通过蒙特卡洛丢弃技术对模型的预测不确定性进行了量化，使得ASRRN能够提供预测结果的置信度评估，这对于实际应用中需要准确温度数据的决策支持具有重要意义。

为了验证ASRRN的有效性，研究团队在12个美国大陆地区的不同地表覆盖和气候条件下进行了交叉验证，并与ECOSTRESS和USCRN的实地观测数据进行了对比。结果显示，ASRRN在这些区域的表现优于ESTARFM，其相关性达到0.984，而ESTARFM仅为0.898；同时，ASRRN的RMSE和MAE分别仅为2.267 K和1.626 K，显著低于ESTARFM的5.764 K和4.193 K。这些结果表明，ASRRN在提升LST的时空分辨率方面具有显著优势，特别是在处理数据缺失和异质地表的情况下。

在澳大利亚的两个全球验证站点中，ASRRN的表现也显示出良好的泛化能力。尽管其在澳大利亚的两个站点上的表现略逊于ubESTARFM，但通过迁移学习策略，利用本地数据对模型进行微调后，ASRRN在这些区域的性能得到了显著提升，显示出在不同气候和地表条件下，该模型的鲁棒性和适应性。这一结果进一步证明了ASRRN在不同区域间的适用性，并为未来在全球范围内应用该模型提供了依据。

此外，研究还探讨了不同辅助变量对ASRRN性能的影响。包括HLS的SWIR1和NDVI、Sentinel-1的VV和VH以及ASTER的数字高程模型（DEM）在内的多种辅助数据被用于模型训练。结果显示，SWIR1和NDVI对提升模型的准确性具有显著作用，而DEM虽然对模型性能的提升相对有限，但为模型提供了必要的地形信息。通过整合这些辅助变量，ASRRN能够在多种条件下生成更精确的LST估计值，从而更好地支持实际应用。

研究还发现，ASRRN在处理高分辨率LST数据时，相较于传统的数据融合方法，如ESTARFM，具有更高的效率和准确性。这主要归功于其深度残差网络结构和注意力机制，这些机制使得模型能够更有效地学习和提取地表温度的空间特征。此外，ASRRN在生成时间密集的LST序列时，无需依赖于高分辨率的热红外数据，这在实际应用中尤为重要，因为高分辨率的热红外数据往往受到云污染和低重访频率的限制。

在模型的不确定性评估方面，研究通过蒙特卡洛丢弃方法对预测结果进行了分析。结果显示，模型在某些LST值范围内（如300-320 K）存在较高的不确定性，这可能与地表条件的复杂性或训练数据的不足有关。然而，总体而言，ASRRN的预测结果在大部分区域表现出较高的置信度，这为模型的实际应用提供了可靠的基础。

研究还指出了当前模型的一些局限性。例如，ASRRN生成的100米LST估计值在某些情况下显得较为模糊，这主要由于模型采用均方误差（MSE）作为损失函数，以优化数值精度而非视觉清晰度。此外，由于MODIS和HLS等辅助数据的获取存在时间上的不匹配，导致生成的LST时间序列中出现一定的时空缺失。未来的研究可以探索如何通过更复杂的损失函数（如结合MSE与感知损失）来提升模型的视觉清晰度，同时保持其数值准确性。此外，如何有效填补MODIS等数据集中的时间空缺，也是未来研究的重要方向。

总的来说，ASRRN作为一种基于深度学习的高分辨率LST生成方法，克服了传统数据融合和超分辨率模型在时空分辨率和数据依赖性方面的局限性。该模型不仅能够生成具有高分辨率和密集时间覆盖的LST序列，还具备良好的泛化能力，可以在不同的地理和气候条件下应用。随着遥感技术的不断发展，ASRRN等基于深度学习的方法有望在更广泛的领域中发挥作用，包括气候监测、水文分析、农业管理和灾害预警等。