点评：遥感数据信息缺失问题来源已久，提供一种对地表温度遥感信息恢复的方法确实关键。希望作者后续能提供相应数据产品，解决相应的迫切需求。
A practical reanalysis data and thermal infrared remote sensing data merging (RTM) method for reconstruction of a 1-km all-weather land surface temperature
一种实用的再分析数据和热红外遥感数据合并（RTM）方法，用于重建1公里的全天候陆地表面温度
From：电子科技大学
摘要：中高空间分辨率（例如1 km）的全天候的地表温度（LST）数据集需求旺盛，尤其是在经常被云雾覆盖的地区（即青藏高原）。合并卫星热红外（TIR）和无源微波（PMW）观测值是获得此类地表温度数据集的一种广泛采用的方法，而PMW数据的条带间隙会导致合并地表温度的数据严重不足或可靠性低，尤其是在低中纬度。幸运的是，重新分析的数据提供了时空连续的地表温度，因此有望与TIR数据合并以重建全天候地表温度，而不会出现此问题。但是，沿这一方向的研究很少。在此背景下，基于地表温度时间序列的分解模型，本研究提出了一种新颖的重新分析和热红外遥感数据合并（RTM）方法来重建1 km全天候地表温度。该方法用于合并青藏高原及其周围地区的水/中分辨率成像光谱仪（MODIS）和全球/中国土地数据同化系统（GLDAS / CLDAS）数据。结果表明，经地面实测地表温度验证后，RTM 地表温度的RMSE为2.03–3.98 K，全天候条件下的测定系数为0.82–0.93。此外，通过将RTM LST与现有的PMW-TIR合并的地表温度进行比较，发现前者的地表温度在准确性和图像质量方面有效地胜过后者，特别是在无源微波幅带覆盖区域上。此外，与基于增强型时空自适应反射融合模型（ESTARFM）的MODIS-CLDAS合并全天候地表温度相比，这两个地表温度的准确性相当，而RTM 地表温度的空间完整性更高。该方法有望以中等到高的时空分辨率大规模产生长期的全天候地表温度记录，这将有利于相关的研究和应用。
亮点：
- 提出了RTM方法，从TIR和再分析数据中重建1公里全天候地表温度。
- RTM 地表温度在准确性和图像质量方面优于TIR-MW合并的地表温度。
- 在数据完整性方面，RTM 地表温度优于基于ESTARFM的MODIS-CLDAS合并地表温度。
- 该方法具有以中/高分辨率获得长期全球地表温度记录的潜力。
1、研究区
2、结果展示：
引用格式：Zhang, X.;Zhou, J.; Liang, S.; Wang, D. A practical reanalysis data and thermal infraredremote sensing data merging (RTM) method for reconstruction of a 1-kmall-weather land surface temperature. RemoteSensing of Environment 2021, 260, doi:10.1016/j.rse.2021.112437.
