基于体素辐射传输与能量平衡的异质地表温度动态模拟系统STREAM研究

推荐：针对大尺度异质地表温度(LST)时空动态模拟的难题，中国科学院团队开发了STREAM系统，通过LiDAR数据获取三维结构异质性，提出体素辐射度方法，结合GPU并行计算实现了高效模拟。验证显示其像素级MAE为2.04 K，在方向性异质性模拟中RMSE(0.48 K)优于一维模型(0.76 K)，为热红外遥感提供了创新框架。

　　

地表温度(LST)作为关键气候变量，深刻影响着水碳循环等地表过程。尽管热红外遥感(TIR)能提供全球观测数据，但其时间分辨率有限，难以捕捉LST的连续动态变化。现有辐射传输模型虽能结合能量平衡过程模拟LST变化，却因计算复杂度和场景重建难题，难以适用于大尺度(>数十米)异质性地表。这一瓶颈严重制约了城市热岛、干旱监测等应用的数据精度。

针对这一挑战，中国科学院空天信息创新研究院遥感科学国家重点实验室的研究团队在《International Journal of Applied Earth Observation and Geoinformation》发表了创新性研究。他们开发了STREAM系统（异质地表辐射传输与能量平衡追踪系统），通过融合无人机LiDAR数据的三维场景重建技术，将传统基于面的辐射度方法拓展至体素尺度，结合GPU并行计算，实现了大尺度场景下LST时空特征的高效精准模拟。

研究团队运用三大关键技术：1）基于LiDAR点云的体素化场景重建技术，通过地理参考方法计算叶面积密度(LAD)；2）创新的体素辐射度算法，引入双向可见性概率和热点校正因子（Kuusk模型）；3）耦合TRGMEB能量平衡框架，采用Stefan-Boltzmann定律计算体元发射辐射。通过无人机多时相多角度观测验证，系统在像素级验证中达到平均MAE 2.04 K，在方向性异质性模拟中RMSE(0.48 K)显著优于传统一维模型(0.76 K)。

【模型描述】
STREAM将场景离散为体素单元，每个体素作为均匀浑浊介质，植被元素通过LiDAR数据拟合为椭球体。通过迭代求解辐射传输与能量平衡方程，最终采用反向光线追踪生成热红外观测值。

【体素辐射度方法】
突破性地将辐射度方程从面元扩展到体元：
1）单次散射项整合太阳辐射、天空辐射和发射辐射
2）散射相位函数引入重碰撞概率修正（p=0.88(1-e^-0.7LAI0.75)）
3）形式因子计算采用Vulkan API实现GPU加速光线追踪

【测量验证】
在怀来遥感实验站的验证显示：
1）10米分辨率模拟RMSE(1.87 K)优于0.25米结果(2.90 K)
2）植被区域精度更高(平均RMSE 2.05 K vs 全域2.60 K)
3）方向异质性模拟中，柏树林DA达5.75 K，显著高于松林(1.90 K)

【模型对比】
与SCOPE模型比较显示：
1）LAI=2时温度范围偏差仅0.6 K
2）季节模拟平均RMSE 0.38 K
3）树冠聚集效应导致温度振幅差异达3.40 K（稀疏场景）

【应用价值】
研究发现固定观测角度下，60°与0°视角温差可达4.44 K，揭示了现有DTC模型在热点区域的系统误差。研究同时指出体素尺寸应小于目标最小冠层尺寸（建议<0.5倍冠层大小），而物种导向的LAD分配方法会使RMSE增加0.67 K。

这项研究为理解三维场景下的地表温度时空变异提供了新范式，其GPU加速架构使百米尺度场景模拟仅需2秒，较传统面元模型(TRGMEB)效率提升50倍。未来通过融合更高精度的风场模型和亚体元结构表征，有望进一步提升城市热环境、农业旱情等应用的模拟精度。研究成果对发展新一代地球系统模型中的地表过程参数化方案具有重要启示意义。