地表温度是地表与大气相互作用的结果，与能量交换、水循环过程高度关联，并在陆地生态系统研究中发挥着重要作用。然而，由于热红外遥感技术难以穿透云雾，导致现有基于热红外遥感观测的地表温度产品存在大量空值区域，无法满足区域乃至全球尺度研究与应用需求。为实现地表温度时空无缝监测，中国科学院成都山地灾害与环境研究所山地遥感研究团队通过耦合多源遥感数据，在云雾覆盖像元地表温度信息重建方法研究中取得新进展。 

　　科研人员基于MODIS/Terra日尺度地表温度产品，根据地表能量平衡方程，确定了影响地表温度时空变化的关键因子，并提出云雾覆盖对地表温度的影响主要源于地表入射辐射能量的改变。该研究创新性地引入静止气象卫星，高频观测地表入射太阳辐射数据以表征不同像元的入射辐射差异，并采用机器学习方法建立地表温度与地表关键参量及地表入射累积太阳辐射之间的关系模型，进而实现云雾覆盖像元地表温度的准确估算，获得时空无缝的地表温度数据。相比于已有的基于能量平衡的重建方法，该方法降低了对地面实测数据及其他辅助数据的依赖，实现了“全遥感”估算。研究发现，地表温度重建结果准确表征了地表温度随地形、植被等因素的空间分布规律，验证结果表明重建精度总体控制在2K左右，具有较高的精度水平。该研究发展的方法高精度重构了云雾覆盖像元地表温度信息，为实现时空无缝地表温度时序监测提供了重要的方法参考。 

　　研究工作得到国家自然科学基金、中科院战略性先导科技专项（A类）、中科院“西部之光”人才培养计划“西部青年学者”项目等的支持。相关研究成果发表在Remote Sensing of Environment上。 　　  

云雾覆盖像元地表温度重建结果