澜沧江流域基于重建的MODIS地表温度数据的空气温度空间化制图（英文）

空气温度是一个非常重要的气候变量,通常由气象台站观测获得。对其时空特征的精确估算是很多模型的基础,但是由于台站分布密度的不均和研究区复杂的地形,往往使其空间化的结果较差。目前,随着遥感技术的发展,使用热红外遥感数据估算的地表温度,结合地面观测数据,建立回归模型可以提高区域空气温度估算的精度。由于云和其它大气因素会影响遥感反演的地表温度数据结果,因此本研究本文将2001-2010年的LST历史数据作为先验知识,用以建立LST背景库,并提出了基于LST背景库的Savitzky-Golay(SG)滤波算法来实现LST时间序列数据的重建工作。将重建后的LST与研究区12个气象站空气温度数据进行了时序分析和回归分析,结果表明在月尺度合成序列上LST-TA的一致性较好,且具有非常好的线性相关关系,80%的台站的决定系数高于0.5。通过对比分析发现,加入植被指数(NDVI)的各月空气温度回归模型比直接用LST建立的回归模型精度更高。因此,本研究使用LST-NDVI模型对澜沧江流域2010年12个月份的空气温度进行空间化制图,并分析了其年内时空格局特征。