Ученые разработали модель для высокоразрешающего наблюдения за температурой поверхности суши
Исследовательская группа под руководством профессора Мэн Цинъяня из Института аэрокосмической информации Китайской академии наук успешно разработала Глобальную модель пространственно-временного слияния (GLOSTFM). Эта высокоэффективная модель использует данные из нескольких источников спутниковых наблюдений.
Интегрируя наблюдения в тепловом инфракрасном и микроволновом диапазонах со спутника Fengyun-3D (FY-3D), GLOSTFM повышает пространственно-временное разрешение данных о температуре поверхности суши. Результаты опубликованы в журнале Remote Sensing of Environment.
Температура поверхности суши — ключевой показатель для изучения изменения климата, экосистем и здоровья человека. Однако традиционные технологии дистанционного зондирования часто сталкиваются с проблемами, такими как ограниченное разрешение отдельных датчиков и влияние облачности, что приводит к пробелам в данных или снижению точности.
Для преодоления этих ограничений исследователи разработали модель GLOSTFM, которая сочетает принцип «пирамиды изображений» с многоисточниковыми спутниковыми данными. Этот метод накладывает высокоразрешающие тепловые инфракрасные изображения (с разрешением 1 км) на низкоразрешающие, но всепогодные микроволновые данные. Модель постепенно объединяет эти слои для создания глобального продукта данных о температуре поверхности суши с высоким разрешением. Используя ежедневную возможность повторного обзора FY-3D, GLOSTFM включает микроволновые данные для покрытия облачных областей, значительно сокращая потерю данных.
В этом исследовании ученые протестировали GLOSTFM в пяти репрезентативных регионах мира, включая крупные города, такие как Пекин и Шанхай, а также сельскохозяйственные зоны Австралии, получив впечатляющие результаты.
Слитые данные о температуре поверхности, сгенерированные GLOSTFM, демонстрируют высокую точность: оценки температуры в среднем отличаются от реальных измерений всего на 2.87 K. Кроме того, данные показывают коэффициент корреляции (R²) 0.98, что близко соответствует фактическим наблюдениям, делая модель надежным инструментом для климатических и экологических исследований.
Более того, GLOSTFM может обрабатывать 648 миллионов пикселей глобальных данных за 25 минут, что в десятки раз быстрее, чем традиционные модели. Эта возможность впервые позволяет обрабатывать масштабные данные практически в режиме реального времени.
Преодолевая компромисс между высоким разрешением и обширным охватом при мониторинге температуры поверхности суши, эта технология предоставляет высокоточные данные для поддержки климатического моделирования и инициатив по достижению углеродной нейтральности.