Spatial downscaling of land surface temperature with the multi-scale geographically weighted regression

Abstract

ç”±äºŽæ˜Ÿè½½çƒ­çº¢å¤–ä¼ æ„Ÿå™¨ç ”å‘æŠ€æœ¯çš„å±€é™æ€§ï¼Œå•ä¸€ä¼ æ„Ÿå™¨å°šä¸èƒ½æä¾›å ¼å ·é«˜é¢‘æ¬¡ã€é«˜ç©ºé—´åˆ†è¾¨çŽ‡åœ°è¡¨æ¸©åº¦æ•°æ®ã€‚ååŒå ¶ä»–é¥æ„Ÿè¾ åŠ©æ•°æ®ï¼Œå¯¹ä½Žç©ºé—´åˆ†è¾¨çŽ‡ã€é«˜æ—¶é—´é¢‘æ¬¡åœ°è¡¨æ¸©åº¦äº§å“å¼€å±•é™å°ºåº¦ç ”ç©¶æˆä¸ºäº†è§£å†³è¿™ä¸€éš¾é¢˜çš„æœ‰æ•ˆé€”å¾„ã€‚ç„¶è€Œç”±äºŽçŽ°æœ‰åœ°è¡¨æ¸©åº¦é™å°ºåº¦æ–¹æ³•æœªå åˆ†è€ƒè™‘ä¸åŒåœ°è¡¨çŠ¶æ€å‚æ•°å¯¹åœ°è¡¨æ¸©åº¦ç©ºé—´åˆ†å¼‚æ ¼å±€çš„å°ºåº¦å½±å“å·®å¼‚ï¼Œé™å°ºåº¦åŽçš„åœ°è¡¨æ¸©åº¦æ•°æ®åœ¨å¼‚è´¨æ€§æ™¯è§‚åŒºåŸŸå­˜åœ¨ç²¾åº¦è¾ƒå·®å’Œç©ºé—´çº¹ç†ä¸æ¸ æ™°çš„é—®é¢˜ã€‚é‰´äºŽæ­¤ï¼Œæœ¬æ–‡ä»¥åŒ—äº¬å’Œå¼ æŽ–åœ°åŒºçš„8期MODISåœ°è¡¨æ¸©åº¦äº§å“ä¸ºä¾‹ï¼Œé€šè¿‡å¼•å ¥å¤šå°ºåº¦åœ°ç†åŠ æƒå›žå½’MGWR（Multiscale Geographically Weighted Regression）来分析归一化植被指数NDVI、数字高程模型DEMã€å¡åº¦å’Œç»çº¬åº¦å¯¹åœ°è¡¨æ¸©åº¦ç©ºé—´æ ¼å±€å½±å“çš„å°ºåº¦å·®å¼‚ï¼Œæå‡ºä¸€ç§é’ˆå¯¹MODIS地表温度产品的空间降尺度算法，并与TsHARPç®—æ³•ã€å¤šå ƒçº¿æ€§å›žå½’ç®—æ³•ã€åœ°ç†åŠ æƒå›žå½’ç®—æ³•å’Œéšæœºæ£®æž—å›žå½’ç®—æ³•è¿›è¡Œå®šé‡å¯¹æ¯”ã€‚ç»“æžœè¡¨æ˜Žï¼ŒåŸºäºŽMGWRæ¨¡åž‹çš„åœ°è¡¨æ¸©åº¦é™å°ºåº¦è½¬æ¢å‡½æ•°èƒ½å¤Ÿè‰¯å¥½åœ°æ­ç¤ºå¤šç§åœ°è¡¨çŠ¶æ€å‚æ•°ä¸Žåœ°è¡¨æ¸©åº¦é—´çš„ä¸åŒä½œç”¨å ³ç³»ï¼Œå ¶ä¸­NDVIå’Œå¡åº¦å¯¹åœ°è¡¨æ¸©åº¦åˆ†å¸ƒå ·æœ‰å ¨å±€å½±å“ï¼ŒDEM和经纬度对地表温度呈现出了局域性作用。与4种代表性方法相比，基于MGWR算法降尺度后的100 måˆ†è¾¨çŽ‡åœ°è¡¨æ¸©åº¦æ•°æ®å ·æœ‰æ›´å¥½çš„ç©ºé—´çº¹ç†ï¼Œåœ¨åŸŽé•‡å’Œæ²™æ¼ ç­‰æ¸©åº¦å¼‚è´¨æ€§æ˜Žæ˜¾åœ°åŒºä¿éšœäº†æ¸ æ™°çš„æ™¯è§‚çº¹ç†ï¼›å¦å¤–ï¼Œå¯¹äºŽæ‰€é€‰ç ”ç©¶åŒºçš„8期MODIS地表温度产品而言，利用MGWR算法降尺度后的地表温度均拥有更好的精度，在0—1 Kè¯¯å·®çº§åˆ«ä¸‹çš„é¢ç§¯å æ¯”å‡å¤§äºŽ57%ï¼Œå‡æ–¹æ ¹è¯¯å·®RMSE（Root-Mean-Square Error）均小于2.85 K，决定系数R2（coefficient of determination）均大于0.88。

Topics & Concepts