第1章 绪论
如何获取全天候地表温度对促进相关研究具有十分重要的意义。卫星热红外遥感地表温度虽然在反演理论方法和科学数据产品等方面已较为成熟，但热红外辐射难以穿透云雾的特点导致热红外遥感反演得到的地表温度在云下有大量缺失；被动微波遥感虽能获取云下地表温度，但由于物理机制和成像方式的限制，存在空间分辨率不足、精度较低、有较大轨道间隙等问题。通过卫星单源遥感难以直接获取中等空间分辨率、不受云雾影响的全天候地表温度。本章从原理、方法、产品和应用方面回顾并归纳了当前全天候地表温度的研究进展、发展态势和面临的主要问题（丁利荣等，2022）。
1.1背景
地表温度（land surface temperature，LST）在陆地表面与大气的相互作用中扮演着重要角色，是地表与大气能量交互过程的直接体现，对诸多地表过程具有重要影响（Anderson et al.，2008；Wu et al.，2015）。因此，LST在气候变化（Sruthi and Aslam，2015）、生态环境监测与评估（Meng et al.，2018）、水文过程模拟（Bai et al.，2019）、辐射收支与能量平衡（Kustas et al.，2016）等研究中均扮演着不可替代的角色。质量较高的LST数据还可以在地气模型和陆表过程的验证和修正中发挥重要作用（Chen et al.，2011；Cammalleri et al.，2014；Gong et al.，2017）。随着全球气候和陆表的持续变化，LST在上述领域的重要性日益突出，联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）与世界气象组织（World Meteorological Organization，WMO）均将LST作为表征气候变化的基本参量之一，与其直接或间接相关的地学研究也已广泛开展（Zhou et al.，2012）。
鉴于LST的重要性，学术界十分关注LST的准确获取。与传统的站点观测方式相比，通过遥感手段获取LST具有显著优势（Li Z L et al.，2013；Ford and Quiring，2019），如空间覆盖范围广、可提供长时间序列重复观测、获取成本较低等。因此，LST获取从20世纪70年代开始就已成为遥感科学的重要研究方向，利用卫星遥感反演LST也成为遥感科学领域长期而经典的研究主题之一。
长期以来，卫星热红外遥感是获取LST的主要途径，但当前学术界广泛使用的热红外LST受云影响，一般只包含晴空条件下的LST，云覆盖像元由于缺乏有效的热红外亮温观测数据，导致反演得到的LST存在显著的空间缺失。然而，云覆盖在全球尺度上广泛存在，因此就物理机制而言，单源卫星热红外遥感难以消除云覆盖的影响。图1-1展示了基于MODIS数据统计得到的2000～2014年全球平均云覆盖率（Wilson and Jetz，2016）。图1-1（a）和图1-1（b）显示了1月与7月的云覆盖率，可以发现全球超过一半的陆地范围内云覆盖率超过了50%；图1-1（c）为云覆盖率的年内标准差，除少数区域外，云覆盖率的标准差均低于20%，表明绝大部分区域云覆盖情况在一年中是相对稳定的；图1-1（d）为云覆盖率的年际标准差，与图1-1（c）相比，标准差高于20%的区域范围明显缩小，表明全球云覆盖率在年尺度上保持稳定，即云覆盖是常态。云覆盖导致的LST空间缺失，从另一个角度而言也意味着卫星热红外遥感LST时间分辨率的降低。
因此，随着地学及相关领域研究的持续发展，现有卫星热红外LST难以满足需求：使用者往往希望得到不受云覆盖影响的LST数据产品（Long et al.，2019）。这种不受云影响的LST当前主流称谓有“全天候地表温度”（all-weather LST）和“全天空地表温度”（all-sky LST）。其中，“全天候地表温度”这一概念的出发点是强调其获取不受云影响，“全天候”严格意义上包括各种天气状况，并非特指晴天和云覆盖天气，但其字面含义十分直观，便于非本专业人士理解，先前绝大多数研究采用了此称谓。相对地，“全天空地表温度”则主要强调天空状态，包含晴空和云覆盖的非晴空条件，相对于“全天候地表温度”含义更加具体，但对于非专业人士具有一定理解难度。为了便于理解并与先前研究一致，本书将不受云覆盖影响的LST称为“全天候地表温度”（Li et al.，2018b；Fu et al.，2019）。
图1-1根据MODIS数据统计得到的2000～2014年全球平均云覆盖率
经过多年发展，通过卫星热红外遥感获取LST的方法已经较为成熟，相关数据产品丰富。因此，填补热红外遥感LST产品中由云造成的空间缺失，进而提高LST空间覆盖率，是获取全天候LST的一个有效途径。如何填补卫星热红外LST的空间缺失进而获取全天候LST，近年来已成为学术界关注的焦点问题。作者在学术搜索引擎GoogleScholar上分别以“all-skyland surface temperature”（全天空地表温度）、“all-weather land surface temperature”（全天候地表温度）、“seamless land surface temperature”（空间无缝地表温度）和“cloudy land surface temperature”（云下地表温度）为关键词进行检索，2001～2020年的条目数如图1-2所示。4种关键词的检索结果在数量上都呈现总体上升趋势，表明学术界对具有全天候属性的LST有越来越强的需求。其中，“cloudy land surface temperature”检索条目数*多，表明学术界对云下LST的关注度*高，也从侧面反映了云下LST是获取全天候LST的关键。
图1-2基于Google Scholar的检索结果数目
注：检索时段：2001～2020年；检索时间：2021年6月9日。
鉴于获取全天候LST已经成为遥感LST领域的前沿和热点，以及相应数据产品的良好实用价值，本章将从原理、方法、产品和应用方面回顾当前全天候地表温度的研究进展和实际问题，并探讨全天候地表温度的研究方向。
1.2全天候地表温度获取基础
1.2.1基于热红外遥感的地表温度反演
先前的遥感LST反演绝大部分都是基于热红外遥感进行的，经过几十年的发展，热红外遥感LST反演已经趋于成熟，相应的数据产品具有较高精度。LiZL等（2013）先后对热红外LST反演做了全面而深入的回顾和总结。分裂窗算法（Wan and Dozier，1996）、单窗/单通道算法以及地表温度-发射率分离算法（Gillespie et al.，1998；Hulley et al.，2014）等一系列经典反演算法的发展，推动相关机构发布了众多卫星热红外遥感LST产品。例如，美国航空航天局（National Aeronautics and SpaceAdministration，NASA）发布了MODISLST产品（Wan and Dozier，1996），美国海洋与大气管理局（NationalOceanic and Atmospheric Administration，NOAA）发布了VIIRSLST产品（Yu et al.，2008），欧洲航天局（European Space Agency，ESA）和欧洲气象卫星应用组织发布了AATSR、SLSTR和SEVIRI LST产品（Trigo et al.，2008；Sobrino et al.，2016；Ghentetal.，2017）；中国气象局发布了VIRRLST产品（董立新等，2012）。作者在全球陆表特征参量反演团队中，也研制并发布了GLASSLST产品（Zhou et al.，2019；Ma et al.，2020；Liang et al.，2021）。这些LST产品在许多学科领域发挥了重要作用，促进了相关研究的发展（Liang et al.，2021）。
热红外遥感LST是全天候LST获取中十分重要的基础数据和参考源。此外，一些高质量的卫星热红外遥感LST产品的精度和空间分辨率已被学术界广泛接受。因此，全天候LST在精度和空间分辨率上大多对标当前被广泛使用的MODISLST产品。
1.2.2基于被动微波遥感的地表温度反演
相对于热红外谱区，被动微波波长较长，故来自地表表层的微波辐射可以穿透云层为卫星被动微波传感器所获取。因此，卫星被动微波遥感同样可以实现LST的反演，一些研究将基于被动微波遥感获得的原始分辨率的LST作为获取中分辨率（1km左右）全天候LST的重要基础数据之一。从20世纪80～90年代开始，学者们开始关注基于被动微波遥感反演LST。周芳成等（2014）和Duan等（2020）先后对被动微波LST反演现状和方向做了详细的回顾。由于篇幅所限，本章对现有被动微波遥感的LST反演算法仅做简述。
被动微波遥感的LST反演算法可以大致分为经验模型、半经验模型和物理模型。其中，经验模型的主要原理是建立LST“真值”/“相对真值”与被动微波通道亮温及其衍生参数之间的统计经验关系。第一种经验模型是单通道回归模型（毛克彪等，2006；Holmes et al.，2009）。第二种经验模型是建立多通道微波亮温、微波亮温衍生参数与LST之间的回归模型，通常称为多通道回归模型（李万彪等，1998；Wang et al.，2020）。
物理模型是以微波辐射传输方程为基础，LST与大气辐射、亮温、各通道微波地表发射率有关。相对于经验模型，物理模型意义明确。但是微波对土壤湿度十分敏感，土壤湿度对地表发射率有显著影响，存在方程的未知数个数多于方程个数的情况。针对物理模型这一问题，一些学者基于不同的假设来间接求解被动微波LST（Basist et al.，2002；潘广东等，2003）。半经验模型将不同通道微波地表发射率、通道亮温之间的相关性纳入被动微波辐射传输方程求解过程，使得半经验模型既简单易行，又兼具物理意义（Filyet al.，2003；Gaoetal.，2008；André et al.，2015；代冯楠，2016）。
1.3基于有效观测重构全天候地表温度
热红外LST虽会受云覆盖影响而缺乏有效观测值，但同一像元在时间序列上一般不会完全缺失。此外，在较大区域内，也极少出现所有像元均被云覆盖导致LST全部缺失的情况。被动微波虽存在条带现象导致空间覆盖不完全，但对同一目标像元，一般不会长时间缺乏观测。因此，基于有效LST观测获取全天候LST是可行的。
1.3.1基于时空插值
基于时空插值的方法是获取全天候LST*直接和使用数据源较少的一类方法，它往往只使用遥感LST作为基础数据，在部分研究中会使用少量其他辅助数据，如植被指数、地表覆盖类型等。这类方法可以分为空间加权插值、时间加权插值和时空加权插值三类。这三类方法都是基于现有遥感LST数据集中的有效值来重构由于云或其他原因造成的缺失值，操作简单易行。
1.空间加权插值
空间加权插值是基于某一区域LST数据中的有效值，在假设有效值与缺失值具有相同统计和几何结构的前提下，利用LST的空间相关性，通过插值的方法获得缺失像元的LST值（Fan et al.，2014；Kilibarda et al.，2014），其原理可以被简单表达为如下形式：
（1-1）式中，Ts为LST；(x0，y0)为需要重构LST的像元；则(xi，yi)为(x，y)空间邻近且具有有效LST观测值的像元；f为加权函数。
一些常用的LST空间插值方法包括地理统计法、样条函数、克里金插值、回归树等，都是直接将目标缺失像元周围空间邻近的有效像元作为重
展开
