青藏高原地表温度反演中地形效应的分析与误差校正方法研究

针对青藏高原(TP)复杂地形导致的地表温度(LST)反演误差问题，本研究创新性提出辐射-地形偏差校正项(RTBC)，通过随机森林(RF)模型量化地形效应贡献度，证实当天空视域因子(SVF≤0.25)时地形效应贡献率达86%，RTBC可使均方根误差(RMSE)平均降低1.2K。该研究为高精度山地热环境监测提供了新方法。

　　

青藏高原作为"地球第三极"，其独特的高海拔复杂地形对地表温度(LST)监测提出了严峻挑战。现有LST反演算法多基于平坦地表热红外辐射传输方程(TIRTE)，在崎岖地形区会产生显著误差。更棘手的是，高原地区气象站点稀疏分布，难以实现像元级误差分析。这些瓶颈严重制约了地形效应误差的精确表征，也限制了现有LST数据集的应用效果。

针对这一科学难题，国内研究人员在《International Journal of Applied Earth Observation and Geoinformation》发表创新成果。研究团队通过整合MODIS、VIIRS等5种LST产品，结合11个地面站点实测数据，首次实现了青藏高原全域像元级LST反演误差的量化。研究创新性提出辐射-地形偏差校正项(RTBC)，建立仅需单一大气参数的校正模型，并运用随机森林(RF)解析了地形因子的贡献机制。

关键技术包括：1) 基于多源LST产品标准差构建误差量化指标LST_std；2) 推导平坦/山地两种地表的TIRTE方程，建立RTBC理论模型；3) 利用30米分辨率NASADEM数据计算天空视域因子(SVF)等地形参数；4) 通过地面站点四分量辐射数据验证校正效果。

研究结果揭示：

1. 地形效应影响机制
   当SVF≤0.25时，地形因素可解释86%的LST反演误差(R²
   =0.86)。RTBC、SVF和高程是三大关键因子，其中RTBC在复杂地形区(SVF≤0.5)贡献度最高。

2. RTBC校正效果
   校正后99%像元的LST_std降低，在SVF=0.738的东南TP站点，RMSE平均降低1.2K，MAE降低1.1K。与传统方法相比，RTBC使RMSE额外降低约50%。

3. 参数敏感性分析
   RTBC对目标像元发射率和邻近像元LST最敏感。当发射率降低0.01或邻近像元LST升高10K时，RTBC变化可达0.5K。

这项研究突破性地解决了山地LST反演的核心难题：首次实现像元级误差量化，创建仅需水汽参数的实用化校正模型。RTBC为全球高山地区热环境监测提供了普适性解决方案，对气候变化研究、冰川消融预测等具有重要意义。研究还发现，现有LST产品在SVF<0.25区域的误差波动显著增大，这为未来卫星传感器设计提供了重要参考。该成果将推动复杂地形区地表能量平衡研究的范式转变。