基于卷积线性回归模型的城市地表温度高分辨率估算方法研究

为解决卫星热红外数据在空间分辨率与时间分辨率间的固有矛盾，研究人员提出了一种最小复杂度的卷积线性回归模型(CLRM)，通过建立不同时空分辨率LST(地表温度)间的线性相关关系，成功实现了30米分辨率LST的精准重建。该模型在Madrid、Brussels和Helsinki三个气候区验证中MAE(平均绝对误差)达1.5°C，为城市热岛监测提供了新工具。

　　

随着全球城市化进程加速，极端高温事件频发，城市热环境监测面临重大挑战。卫星遥感获取的地表温度(LST)是研究城市热岛效应的关键指标，但现有技术始终受困于"高空间分辨率与高时间分辨率不可兼得"的困境：极轨卫星如Landsat 8虽能提供30米空间分辨率的热红外数据，但16天的重访周期难以捕捉温度的日变化；而地球静止轨道卫星如SEVIRI虽可实现15分钟的高频观测，但3-11公里的空间分辨率又无法满足城市尺度的精细研究。这种分辨率矛盾严重制约了城市热环境的动态监测能力，特别是在需要高时空分辨率数据支持的热浪预警、城市规划等领域。

针对这一技术瓶颈，中国科学院遥感与数字地球研究所的研究团队在《Science of Remote Sensing》发表创新性研究成果。他们突破传统数据融合方法的复杂框架，提出了一种极简主义的卷积线性回归模型(Convolutional Linear-Regression Model, CLRM)。该模型仅基于两个核心假设：不同时空分辨率的LST之间存在线性相关，且这种关系可以通过卷积运算来表征。通过巧妙设计的三步算法框架，CLRM成功实现了无需精细分辨率参考图像的像素级温度重建。

研究团队采用多源卫星数据协同分析方法，整合了MODIS的每日观测、SEVIRI的高时间序列和Landsat 8的高空间分辨率数据。关键技术突破包括：1) 基于傅里叶变换的PSF(点扩散函数)卷积算法，精确模拟传感器光学响应；2) 双阶段回归模型，分别建立低分辨率像元间和高-低分辨率像元间的线性关系；3) 基于欧氏距离加权的空间插值算法，确保降尺度结果的物理合理性。

【研究结果】

1. 理论模型构建
   通过推导辐射传输方程，建立了从TOA(大气顶层)辐射到地表温度的物理反演模型。创新性地将大气下行辐射R^↓
   和上行辐射R^↑
   纳入考虑，解决了传统单通道算法在 urban地区的精度问题。

2. 光学空间响应建模
   提出各向异性高斯PSF模型，通过u/v向量表征像元在x/y方向的空间分布特性，精确描述MODIS和SEVIRI在不同观测角度下的有效分辨率变化。验证显示该模型能准确反映传感器在跨轨方向4.8km×沿轨方向2km的实际分辨率。

3. 多城市验证
   在马德里(干旱气候)、布鲁塞尔(温带气候)和赫尔辛基(寒带气候)的对比实验中：

• 温度重建MAE稳定在1.5-2.0°C区间
• RB(基于辐射)与TB(基于温度)策略的R²
  均超过0.8
• 对SEVIRI数据实现了3.2km→30m的10倍降尺度

1. 昼夜温度剖面重建
   首次实现基于静止卫星的每小时LST降尺度，揭示城市不同功能区温度日变化的显著差异：商业区昼夜温差达15°C，而郊区森林仅8°C。这一发现为城市热环境时序分析提供了新维度。

2. 与传统方法对比
   相较于STARFM(时空自适应反射率融合模型)，CLRM在三个测试区的RMSE降低32-45%，特别是在处理大视角MODIS数据时，温度重建精度提升显著。

这项研究的重要意义在于：首次证明极简线性模型能够胜任复杂的温度降尺度任务，打破了"模型复杂度与精度正相关"的传统认知。所提出的CLRM框架因其计算高效(单景处理时间<5分钟)、无需辅助数据和强物理可解释性等特点，为构建全球城市热环境监测网络提供了关键技术支撑。未来通过融入深度学习特征提取模块，有望在保持模型简洁性的同时进一步提升对非线性温度场的表征能力。研究团队已公开算法代码，这种开放共享的做法将加速该技术在全球城市气候研究中的应用。