导读 | Introduction
中国科学院空天信息创新研究院城市陆表环境遥感团队在地表温度（LST）数据融合方向取得重要进展，提出了一种全球时空融合模型GLOSTFM，能够集成多源卫星观测数据，显著提升地表温度数据的时空分辨率。该研究突破了现有方法的局限，为气候变化、城市热环境监测和农业应用提供了更精细的数据支持。研究成果发表于遥感顶级期刊 Remote Sensing of Environment（2024年影响因子：11.1），第一作者为孟庆岩研究员，通讯作者为博士研究生陈士泽。
研究背景 | Background
地表温度（LST）是气候研究、生态监测和农业管理中的关键参数。然而，现有卫星遥感数据在空间和时间分辨率上存在限制：
- 高空间分辨率卫星：重访周期较长，难以提供连续的时间序列数据。
- 低空间分辨率卫星：虽然具备高时间分辨率，但空间精度有限，难以满足精细尺度应用需求。
为解决这一问题，近年来，时空融合方法成为遥感领域的研究热点，如何融合多源数据，在提升空间精度的同时，确保时间连续性，仍然是亟待解决的难题。
研究方法 | Methodology
图1 基于高斯-拉普拉斯金字塔原理的地表温度时空融合模型（GLOSTFM）示意图
针对上述挑战，研究团队提出了全球时空融合模型GLOSTFM，该模型基于图像金字塔技术，分层处理不同分辨率的数据，实现全球尺度的LST高精度融合。其核心技术包括：
- 基于高斯-拉普拉斯金字塔（GLP）方法 进行多尺度数据融合，保证空间精度的同时提升计算效率；
- 融合风云三号D卫星的中分辨率光谱成像仪（MERSI）与微波辐射计（MWRI）数据，结合红外与微波优势，实现全天候LST监测；
- 优化时空更新过程，有效填补数据空白区域，提高全球LST数据的时间连续性和空间完整性。
核心结论 | Results
图2 GLOSTFM与现有LST产品全球空间覆盖对比
实验结果表明，GLOSTFM相比于传统方法，在LST时空融合方面具有显著优势：
- 全球适用性：不同于传统模型仅适用于特定区域，GLOSTFM可应用于全球范围；
- 高时空精度：可将时间分辨率提升至每日级别，并提供全球完整的LST数据；
- 多场景适应性：适用于城市热岛监测、农业干旱评估、气候变化研究等多个应用领域。
应用与展望 | Future Perspectives
图3 GLOSTFM在城市热岛监测中的应用示意图
GLOSTFM的应用为全球气候变化监测、城市规划优化和农业资源管理提供了更精准的数据支持。未来，研究团队将继续优化模型，以适应不同的气候带和地理环境，并结合地面观测数据，进一步提高泛化能力。
文章引用格式|Reference：
Meng, Q., Chen, S., Zhang, L., Zhu, X., Zhang, Y., & Atkinson, P. M. (2025). GLOSTFM: A global spatiotemporal fusion model integrating multi-source satellite observations to enhance land surface temperature resolution. Remote Sensing of Environment, 319, 114640. doi:https://doi.org/10.1016/j.rse.2025.114640
论文链接|Link：