[发明专利]一种基于GWDM的地表温度降尺度方法

说明书

本发明请求保护一种基于地理加权杜宾模型(Geographically WeightedDurbin Model,GWDM)的地表温度空间降尺度方法。高时空分辨率的地表温度在环境生态和气候系统的研究中至关重要。但由于技术上的限制，卫星热传感器无法同时提供高时间分辨率和高空间分辨率的热红外图像。空间降尺度方法在假设尺度不变性的前提下，结合低空间分辨率LST和来源于其他卫星传感器的具有高空间分辨率的辅助数据来提高温度图像的时空分辨率。但是空间非平稳和空间自相关并存于大多数空间变量中，在降尺度过程中应充分考虑地表温度的空间特征作为空间变量。然而，以往对地表温度降尺度的研究仅考虑了空间非平稳，忽略了自变量和因变量间的空间自相关。

技术领域

本发明属于遥感图像处理技术领域，细分为地表温度降尺度方向，涉及一种基于GWDM(Geographically Weighted Durbin Model地理加权杜宾模型)的地表温度降尺度算法。

背景技术

地表温度是影响环境生态和气候系统的关键物理参数之一，被广泛应用于各种科学研究，包括从局部到全球尺度的环境建模、土壤水分研究、地表城市热岛与环境监测、环境生物地球化学过程模拟和气候变化评估。近年来，LST的重要性得到了越来越多的关注。

目前较大范围的地表温度获取方式仍主要是通过卫星搭载的热传感器来获取，其能够从宏观和动态两方面探测和描述地表温度的空间差异和时间差异)，而常规的地面站点观测方式难以获得区域和全球尺度的地表温度时空分布。然而受到卫星遥感成像技术的制约，目前常用的热红外传感器所提供的热红外数据通常存在空间分辨率与时间分辨率的矛盾，无法在单一卫星或传感器上同时获取高空间分辨率的地表温度数据。同时热混合效应和云层覆盖的影响也进一步减少了可用的热红外影像。为了获得高分辨率的时空数据，需要采用选定的方法对热红外数据进行处理，地表温度降尺度就是其中一种有效且常用的方法。

虽然研究人员通过各种统计回归方法，从线性到非线性，从全局到局部，努力提高LST降尺度算法的准确性和可靠性，但仍有一些问题需要进一步研究。其中最关键的问题是，这些统计降尺度算法主要是解决地表温度与尺度因子之间的空间非平稳性，而没有考虑地表温度与地表温度之间，以及地表温度与尺度因子之间的空间自相关。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种基于GWDM的地表温度降尺度方法。本发明的技术方案如下：

一种基于GWDM的地表温度降尺度方法，其包括以下步骤：

将空间杜宾模型SDM引入地理加权回归，同时考虑地区间的空间非平稳和地表温度数据间以及地表温度与尺度因子之间的空间自相关，用于描述地表温度和尺度因子之间的关系；地理加权杜宾模型GWDM是对地理加权回归模型GWR的扩展，将空间杜宾模型SDM引入地理加权回归模型GWR，用于描述地理变量的地理非平稳性和地表温度间的空间自相关性，以及地表温度与尺度因子间的空间自相关性；空间自相关性是指地理变量可能呈现出空间依赖效应，气流和地表存在热传递现象，使得热运动产生，LST在空间上会互相影响，可能会存在自相关性，权重矩阵是基于两个观测点之间的地理空间距离来计算。

进一步的，所述GWDM模型表示如下：

式中，(u_i,v_i)表示点i在地理空间坐标中的位置信息；y_i和x_ik是GWDM方法点i处的因变量和第k个自变量；β₀(u_i,v_i)和β_k(u_i,v_i)分别为自变量x_k在点i处的截距和局部回归系数；ρ(u_i,v_i)是因变量的自回归系数；是第k个自变量的自回归系数；ε_i是点i的回归残差；是空间邻接矩阵，大小为(u×v)×(u×v)；Y是因变量矩阵；n是像素总数。