【CN110111379A】一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方
基于MODIS数据的洞庭湖生态经济区生态环境质量演变研究
future development planning. The research results can provide an important theoretical basis for the sustainable development of the area around Dongting Lake.Key words Dongting Lake ecological economic zone; Google Earth Engine; ecological quality; remote sensing ecological ind ex生态环境质量是生态系统在时间和空间上的要素、结构及功能综合表征，反映各种限制因素、景观要素和生态水文过程相互作用的结果[1]。
因此，对于区域生态环境的正确认识及评价对我国生态文化建设和生态环境维护意义重大。
卫星遥感技术能快速覆盖大面积区域并及时获取地表信息，已被广泛应用于生态环境评估领域 [2， 3]。
各种各样的遥感指数已被广泛应用于森林、草地、城市和湖泊等生态环境的评估中[4-7]，如归一化植被指数（NDVI）、增强植被指数（EVI）、叶面积指数（LAI）等[8-10]，这些单一遥感指数是地域生态环境评估的关键之一。
然而，由于生态指标影响因素的复杂性和多样性，仅采用一种遥感指数来量化生态系统的状况是不够的[11]，使用多个指标的综合生态指数来量化评估生态状况更具优势，也更加全面。
早在2006年，生态环境部根据生物丰度指数、植被覆盖指数、水网密度指数、土地退化指数和环境质量指数构建的生态环境状态指数（EI），在区域生态环境质量评估方面取得了普遍应用[12]。
但是，综合指数构建普遍面临评价指标提取困难、数据空间精度较低和数据更新慢等问题。
基于卫星遥感信息结合了绿度、湿度、热度、干度的遥感生态指数（RSEI），可以较好地解决上述问题[13]。
RSEI 的指标易于获取且计算简捷，无须人为设定权重和摘要 快速城镇化对地区生态环境质量产生重要影响，及时评估生态环境质量变化对城市生态管理和规划具有重要意义。
基于MODIS数据的多因子协同作用下森林火灾预测监测研究共3篇
基于MODIS数据的多因子协同作用下森林火灾预测监测研究共3篇基于MODIS数据的多因子协同作用下森林火灾预测监测研究1随着全球气候变化和人类活动的增加，森林火灾的发生频率和规模也在不断增加。
为了及时预防和控制森林火灾，需要采取一系列科学的方法进行预测监测。
而基于MODIS（Moderate Resolution Imaging Spectroradiometer）数据的多因子协同作用下对森林火灾的预测监测是目前较为有效的方法之一。
MODIS是一种被广泛应用于地球观测的遥感传感器，具有高时间分辨率、适应广泛的波段、覆盖面积大等特点，可提供丰富的用于森林火灾预测监测的信息。
研究表明，多种因素的协同作用会对森林火灾的发生和发展产生深远影响，而利用MODIS数据进行多因子协同作用下的火灾预测能够更好地提高预测精度和实时性。
在火灾预测监测中，MODIS数据可用于提取多种火险指数，如地表温度、反射率、NDVI（Normalized Difference Vegetation Index）等，这些指数可以反映出植被的生长状态、空气湿度、火源强度等因素。
同时，MODIS数据还可用于提取地表特征，如地形、植被覆盖、水体以及土地利用类型等，这些信息对火灾预测也具有重要意义。
在多因子协同作用下，利用MODIS数据进行森林火灾预测的方法也较为丰富。
基于机器学习算法的火灾预测模型，如支持向量机（SVM）、决策树（DT）和随机森林（RF）等，能够在多种因素的作用下，对火灾概率进行准确预测。
此外，基于地统计学方法的空间分析也可用于分析森林火灾在不同环境条件下的分布规律，从而提高火灾预测的准确性。
然而，基于MODIS数据的多因子协同作用下森林火灾预测监测研究还存在一些挑战。
首先，由于MODIS数据本身存在噪声和缺失值，如何有效地处理这些数据成为研究的重要问题。
其次，由于森林火灾受多种影响因素的影响，建立精确的预测模型也需充分考虑各种因素之间的相互作用性。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究
MODIS（Moderate Resolution Imaging Spectroradiometer）是NASA通过Terra和Aqua 卫星发射的一种轨道遥感仪，它可以很好地捕捉地球表面的各种现象。
MODIS数据的解译
非常重要，可以提供关于大气、海洋和地表的信息。
其中，MODIS在森林火险中的应用非
常重要，下面将详细介绍。
首先，MODIS可以提供有关植被指数、植被盖度、陆地表面温度和火点位置等信息，
这对森林火险的监测非常有帮助。
例如，NDVI（Normalized Difference Vegetation Index）监测植被盖度，当植被盖度低于一定水平时，森林火险等级会升高，从而提示相关部门注
意火灾的可能性。
其次，MODIS还可以提供大尺度地表覆盖和地表变化的信息，这对火险评估模型的建
立非常有帮助。
例如，当森林覆盖率高的区域突然出现大规模土地利用变化，如森林砍伐、开垦耕地等，将导致该区域森林火险等级升高，因此需要及时进行监测。
此外，MODIS还可以监测大气中的气体污染物，如CO、NO2、SO2等，这些污染物可以加剧森林火灾的发生。
因此，长期的污染物监测对于减少火灾的风险非常关键。
总之，MODIS数据的解译对于森林火险的监测非常重要，并能够提供有关植被指数、
植被盖度、陆地表面温度和火点位置等信息，这些信息有助于进行火险评估模型的建立，
及时监测森林覆盖的改变，以及长期污染物的监测等，从而保护森林和生态环境。
MODIS数据解译及其在森林火险中的应用研究
MODIS数据解译及其在森林火险中的应用研究MODIS（Moderate Resolution Imaging Spectroradiometer）是一种由美国国家航空航天局（NASA）于1999年发射的卫星传感器，用于观测地球表面的数据。
MODIS能够提供高空间分辨率和时间分辨率的数据，并且可以获取多光谱波段的遥感影像。
1.火点监测：MODIS可以实时监测火点的位置和强度，并生成火点分布图。
这对于预警火灾蔓延和进行灭火工作非常重要。
2.火焰温度监测：MODIS可以测量火焰的辐射温度，并生成火焰温度分布图。
通过监测火焰温度，可以评估火势的大小和危险程度。
3.热点监测：MODIS可以检测地表温度的异常变化，并生成热点图。
热点通常表示火灾或其他热源的存在，因此可以用于发现火灾的起源和蔓延路径。
4.烟雾监测：MODIS能够探测烟雾的光学特征，并生成烟雾图。
烟雾的存在可以帮助评估火灾的强度和范围，以及对人类健康和环境的影响。
5.植被监测：MODIS可以提供植被指数等植被信息，用于评估植被的生长状况和干旱程度。
这对于预测火险等级和制定防火计划非常重要。
6.火险预警：通过对MODIS数据的分析和处理，可以建立火险预警模型。
这些模型可以根据火点信息、火焰温度、热点和植被指数等参数，评估当前地区的火险等级，并提供预警信息，帮助相关部门采取适当的防火措施。
MODIS数据在森林火险中的应用研究中起到了关键作用。
它可以提供关于火点、火焰温度、热点、烟雾和植被等方面的信息，帮助评估火灾的大小和危险程度，预警火灾蔓延路径，并制定防火计划。
通过合理利用MODIS数据，可以更好地应对森林火险，减少火灾带来的损失和影响。
一种改进的MODIS数据大气可降水量反演算法
一种改进的MODIS数据大气可降水量反演算法摘要：大气可降水量（PWV）对降水与气候、大气校正、InSAR大气效应的去除、灾害性天气预报等方面具有重要的意义，也是当前GNSS气象学领域所研究的重要分支。
本文在MODIS近红外反演可降水量原理基础上，采用预测误差平方和最小法的组合预测模型改进了MODIS三通道加权平均算法中权重因子的确定方法。
研究区域内确定了一组最优权系数ω(0.31,0.17,0.52)，改进的加权平均三通道比值法精度较二通道比值法精度提高33.5%，较三通道比值法精度提高21.7％，得到高时空分辨率且比较准确的大气可降水量，便于进行更广阔的大气可降水量研究应用。
关键词: 大气可降水量；MODIS；组合预测模型；通道比值法；0.引言大气可降水量（precipitable water vapor），表示单位面积垂直空气柱内水汽总量全部转化为降水的量，大气可降水量也称为大气水汽含量。
大气可降水量（PWV）对降水与气候、大气校正、InSAR大气效应的去除、灾害性天气预报等方面具有重要的意义。
国内外学者在研究MODIS遥感影像反演大气水汽含量，将反演得到的数据和同地的探空数据进行对比，发现对单一通道的水汽值进行加权运算是有必要的，但是权重因子具体如何选取需要进行研究，因此本文主要对研究区域的MODIS三通道比值法反演PWV进行权重因子的优化改进。
1.MODIS反演大气可降水量概述MODIS(Moderate Resolution Imaging Spectrum-radiometer)传感器是 EOS(Earth Observing System)系列卫星中安装在TERRA和AQUA两颗卫星上的中分辨率成像光谱仪。
数据由美国国家宇航局NASA免费提供，可以动态分析地球上陆地、海洋及大气的变迁过程。
1.1 MODIS反演大气可降水量原理反演方法基于大气中水汽对下垫面反射的太阳辐射的吸收。
MODIS的这五个通道位于近红外波段，在17、18、19这三个通道，水汽吸收太阳辐射能力强，作为大气吸收通道。
一种基于数据网格技术的MODIS空间数据服务模型研究
一种基于数据网格技术的MODIS空间数据服务模型研究曾怡;李国庆【期刊名称】《遥感信息》【年(卷),期】2011(000)006【摘要】This paper presents a research on utilizing the data grid technology to integrate heterogeneous distributed MODIS data sources. We studied and implemented a three-layer structure for data interoperation, and designed an extensible XML-based spatial data access language to support the cross-border data computation,and developed a data catalogue service to facilitate users. The system deployed on Spatial Information Grid platform,and the performance is introduced finally.%介绍了MODIS数据共享与资源服务现状,研究了一种基于3层结构的MODIS数据服务模型,详细介绍了数据服务模型的管理和分发机制.为了确保数据服务模型的可扩展性和平台无关性,设计了基于XML的可扩展性数据访问语言和数据目录服务.最后给出了在空间信息网格试验床上的示范验证,并对实验结果进行分析.【总页数】6页(P92-97)【作者】曾怡;李国庆【作者单位】北京林业大学信息学院,北京100083;中国科学院对地观测与数字地球科学中心,北京100086【正文语种】中文【中图分类】TP751【相关文献】1.一种基于网格优化的空间数据访问与存储研究 [J], 杨毅2.一种基于剖分的空间数据存储调度服务模型 [J], 杜根远;苗放;熊德兰3.一种基于移动Agent的网格数据库服务模型 [J], 吴荣珍4.基于网格技术的分布式异构空间数据访问及集成研究 [J], 赵丹5.一种基于赋值技术与动态网格的空间数据组织策略及应用 [J], 杨俊;李雪铭;曹永强;孙才志;李党辉因版权原因，仅展示原文概要，查看原文内容请购买。
融合MODIS与Landsat数据生成高时间分辨率Landsat数据
融合MODIS与Landsat数据生成高时间分辨率Landsat数据融合MODIS与Landsat数据生成高时间分辨率Landsat数据邬明权;王洁;牛铮;赵永清;王长耀【期刊名称】《红外与毫米波学报》【年(卷),期】2012(031)001【摘要】遥感数据时空融合技术是一种低空间分辨率影像与中空间分辨率影像在时间域和空间域的融合技术,利用遥感数据时空融合技术获得的融合影像既具备低空间分辨率影像的高时间分辨率特征,又具备中空间分辨率影像的高空间分辨率特征.提出了一种新的遥感数据时空融合方法(STDFA).该方法从时序MODIS数据中提取地物的时间变化信息,结合早期Landsat-TM影像的纹理信息,融合出具有MODIS时间分辨率和TM空间分辨率的影像.以江苏省南京市江宁区为研究区,以Landsat红波段和近红外波段为融合波段,对该方法进行了测试.结果显示,该方法能够产生高精度的中空间分辨率影像,融合影像与真实影像间的相关系数达到0.939.融合影像计算的NDVI与真实中空间分辨率影像计算的NDVI间的相关性达到0.938.%Spatial and temporal fusion of remote sensing data is a technology that can generate dense time series and high spatial resolution data whose spatial resolution is similar with high spatial resolution date, and temporal resolution is the same as the one with high temporal resolution data. This paper presented a new spatial and temporal data fusion model (STDFM) for blending Landsat and MOD1S surface reflectance. Temporal change information was detected from sequence coarser resolution surface images, and new high。
基于MODIS和Landsat的青藏高原两代 GIMMS NDVI性能评价
基于MODIS和Landsat的青藏高原两代 GIMMS NDVI性能评价杜加强;王跃辉;师华定;房世峰;何萍;刘伟玲;阴俊齐【期刊名称】《农业工程学报》【年(卷),期】2016(032)022【摘要】GIMMS NDVI dataset must be re-calculated every time when New year’s data are added, due to the GIMMS NDVI data set is dynamic in nature, and this leads to differences between GIMMS NDVI3g and GIMMS NDVIg throughout their overlapping period (1981-2006). How to understand and treat these discrepancies is premise and basis for comprehensive utilizing the datasets of GIMMS NDVIg and GIMMSNDVI3g to scie ntifically detect vegetation’s historic variations, forecast its future tendency and guide the ecological protection and construction. With MODIS NDVI datasets from 2000 to 2012 and 495 Landsat samples of 20 km × 20 km from 2000 to 2006, performances of GI MMS NDVIg and GIMMS NDVI3g were evaluated during the period from 2000 to 2006, and long-term variation of vegetation monitoring used both GIMMS datasets during 1982-2006 were compared and analyzed in this paper. Firstly, absolute values of GIMMS NDVIg, GIMMS NDVI3g and MODIS NDVI with Landsat NDVI were compared. Then, the differences between a Landsat sample-pair (i.e., two 20 × 20 km2 Landsat samples acquired for the same location at different years) and GIMMS NDVIg, GIMMS NDVI3g andMODIS NDVI datasets at the same time points were evaluated. Besides, GIMMS NDVIg and GIMMS NDVI3g with MODIS NDVI during 2000-2006 in term of temporal trends by applying a simple linear regression model based monthly anomalies and the seasonal Mann-Kendall trend test were compared at region, and correlations were conducted at pixel scales. Finally, trends of GIMMS NDVIg with that of GIMMS NDVI3g in three seasons (spring, summer and autumn) and growing season during 1982-2006 were compared at region and pixel scales. The results showed that almost equal capability of capturing variations of seasonal and monthly phenology for both GIMMS datasets was found. The NDVI value of GIMMS NDVI3g was generally larger than that of GIMMS NDVIg, or even larger than NDVI of MODIS NDVI. Compared with GIMMS NDVI3g, patterns and trends of GIMMS NDVIg were more similar to that of MODIS NDVI and Landsat. Although spatial patterns of GIMMS NDVI3g change in growing season during 1982-2006 resembled that of GIMMS NDVIg, wider range characterized significant increase in spring NDVI were detected with GIMMS NDVIg, and the discrepancies between both GIMMS NDVI datasets mainly concentrated in the hinterland of the Tibetan Plateau. The increase trend of vegetation growth in spring using GIMMS NDVIg was more severe than that using GIMMS NDVI3g, but the opposite situation was found in summer. The remarkable difference of NDVI variation in spring may lead to differences in the analysis of the phenology using both GIMMS NDVI datasets of the Qinghai Tibet Plateau. Long-term NDVI datasets are the basic data for many ecological models, the differencesamong these datasets may influence the accuracy of model results. Before conducting the relevant research using NDVI datasets, the applicability of NDVI datasets is needed to evaluate, and it is the premise to obtain more consistent with the actual situation objective results. Combined with other ecological datasets, such as vegetation coverage fraction, leaf area and vegetation production of historical field data is important to identify the similarities and differences between the two GIMMS NDVI datasets and establish a connection between them for reasonably monitoring vegetation dynamics.%由于AVHRR NDVI数据集本质上具有动态变化的特点，使得数据重叠时段（1981－2006年）的第1代GIMMS NDVIg（简称NDVIg）数据集与第3代GIMMS NDVI3g（简称NDVI3g）数据集也不完全相同。
基于MODIS和GPS的D-InSAR大气延迟改正
基于MODIS和GPS的D-InSAR大气延迟改正
杨成生;张勤;赵超英;朱武;王亚男;王宏宇
【期刊名称】《大地测量与地球动力学》
【年(卷),期】2010(030)003
【摘要】利用西安地区2006年7月至2009年7月7期GPS观测数据及相应的MODIS数据,分析MODIS水汽的校正模型.运用西安地区的Envisat数据和MODIS水汽数据进行D-InSAR大气延迟改正,实验结果表明:在大气状态变化缓慢时,利用MODIS数据对D-InSAR结果有一定的改善.
【总页数】5页(P127-131)
【作者】杨成生;张勤;赵超英;朱武;王亚男;王宏宇
【作者单位】长安大学地质工程与测绘学院,西安,710054;长安大学地质工程与测绘学院,西安,710054;长安大学地质工程与测绘学院,西安,710054;长安大学地质工程与测绘学院,西安,710054;长安大学地质工程与测绘学院,西安,710054;长安大学地质工程与测绘学院,西安,710054
【正文语种】中文
【中图分类】P225.1;P412.25
【相关文献】
1.大气延迟改正模型在GPS定位测量中的精度分析 [J], 刘锋
2.基于GPS和美国环境预报中心观测信息的InSAR大气延迟改正方法研究 [J], 常亮
3.基于MODIS与GPS的D-InSAR大气延迟改正量提取 [J], 王江涛;邓喀中;范洪冬;刘晓菲;李斌
4.用GPS改正InSAR大气延迟误差的研究 [J], 罗海滨;何秀凤
5.基于GPS和MODIS的ENVISAT ASAR数据干涉测量中大气改正方法研究 [J], 宋小刚;李德仁;单新建;廖明生;程亮
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
[0005] 本发明具有以下有益效果：
将地表温度日较差数据空间分辨率由1000 m提高至30 m，可以获取更精细的地表温度
日较差纹理信息。
附图说明 [0006] 图1是由MODIS数据获得的空间分辨率为1000 m地表温度日较差数据图2为基于 MODIS与Landsat数据的改进型地表温度日较差降尺度获得的空间分辨率为30 m地表温度 日较差数据。
3
CN 110111379 A
说 明 书
1/3 页
一种基于MODIS与Landsat数据的改进型地表温度日较差降尺 度估算方法
技术领域 [0001] 本发明涉及干旱、土壤水分遥感监测领域，具体涉及一种基于MODIS与Landsat数 据的改进型地表温度日较差降尺度估算方法。
背景技术 [0002] 目前遥感监测干旱和土壤水分是热点问题。不管是监测干旱还是土壤水分，对于 大众服务来讲 ，均需要被告知地表最高温 度和地表最低温度分 别是多 少。现有获取地表温 度日较差的方法主要是依据MODIS数据，获取空间分辨率为1000 m地表温度日较差，空间分 辨率低 ，掩盖了地表温度日较差空间差异信息 ，仅适 用于大尺度 ，地形简单 ，空间异 质性小 的区域。
( 19 )中华人民 共和国国家知识产权局
( 12 )发明专利申请
(21)申请号 201910370284 .6
(22)申请日 2019 .05 .06
(71)申请人 新疆农业大学 地址 830052 新疆维吾尔自治区乌鲁木齐 市沙依巴克区南昌路42号
(72)发明人 王新军 陈蓓
(74)专利代理机构 西安合创非凡知识产权代理 事务所(普通合伙) 61248
2
CN 110111379 A
权 利 要 求 书
2/2 页
星夜晚过境时刻；t max为MODIS卫星白天过境时刻；p 是一个周期 ,通常为24 h，P 1为2倍的 MODIS夜晚过境时刻与白天过境时刻的差值，单位：h，即 2✖（tmax - tmin），w1、w2为时间权 重；α是土壤热扩散率，单位cm2/h。
具体实施方式 [0007] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术 人 员进一步理解本发明 ，但不以 任何形式限 制本发明。应当指出的是 ，对本领域的普通技术 人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明 的保护范围。 [0008] 土壤温度日变化曲线与太阳辐射日变化曲线相似，土壤的热量是由于地面接受了 太阳 辐射 增温 后 ，向 下传导给土壤 ，土壤才得以 增温 ，因此温 度和辐射二者有直接 相关关 系。随 离地表的 距离向下的 增加 ，温度变化振幅越小 ，向下传输过程中 ，每层土壤都要留下 一部分热量 ，所以 越往下获得的 热量越小 ，增温幅 度越小 ，同时 热量的 传导需 要一定的时 间 ，每层达到最高或最低温的时间也越滞后。基于上述的 土壤热传导理论建立土壤日温差 模型，以Landsat卫星数据和MODIS MOD11A2地表温度产品为数据源，获取空间分辨率为30m
发明内容 [0003] 为解决上述问题，本发明提供了一种基于MODIS与Landsat数据的改进型地表温度 日较差降尺度估算方法。 [0004] 为实现上述目的，本发明采取的技术方案为：
一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法，基于土壤热 传导理论建立土壤温度日较差模型，以Landsat卫星数据和MODIS MOD11A2地表温度产品为 数据源，获取空间分辨率为30m的地表温度日较差数据；具体包括如下计算步骤：
通过日最高温（Tmax）估算的地温日
较差， 为最终估算的地表温度日较差，TTM为由TM或TIRS传感器数据计算得到的地表温度
数据单位℃；Tmax为MODIS数据获得的白天地表温度单位℃ ；Tmin为MODIS数据获得的夜晚地 表温度单位℃ ，t 为地表温度日较差的待估算时刻 ，即Landsat卫星过境时间 ；t min为MODIS卫
2 .如权利要求1所述的一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度 估算方法，其特征在于：具体包括如下步骤
令Z=0， = ，可以如下式推导：
由：
；
； 可得：
由：Leabharlann ；； ；可得：
；
其中， 为土壤深度为Zcm，时间为t时的地表温度， 为地表温度变化周期函数，
为通过日最低温（Tmin）估算的地温日较差，
具体包括如下步骤 令Z=0， = ，可以如下式推导：
由：
；
； 可得：
由：
；
4
CN 110111379 A
说 明 书
； ；
2/3 页
可得：
；
其中 ， 为土壤深度为Zcm，时间为t时的地表温度， 为地表温度变化周期函
数， 为通过日最低温（Tmin）估算的地温日较差，
通过日最高温（Tmax）估算的地
温日较差， 为最终估算的地表温度日较差，TTM为由TM或TIRS传感器数据计算得到的地表 温度数据单位℃；Tmax为MODIS数据获得的白天地表温度单位℃ ；Tmin为MODIS数据获得的夜 晚地表温度单位℃，t 为地表温度日较差的待估算时刻，即Landsat卫星过境时间 ；t min为 MODIS卫星夜晚过境时刻；tmax为MODIS卫星白天过境时刻；p是一个周期 ,通常为24 h，P1为2 倍的MODIS夜晚过境时刻与白天过境时刻的差值，单位：h，即 2✖（tmax - tmin），w1、w2为时间 权重；α是土壤热扩散率，单位cm2/h。
代理人 杨蕾
(51)Int .Cl . G06T 7/41(2017 .01)
(10)申请公布号 CN 110111379 A (43)申请公布日 2019.08.09
( 54 )发明 名称 一种基于MODIS与Landsat数据的改进型地
表温度日较差降尺度估算方法 ( 57 )摘要
本发明公开了一种基于MODIS与Landsat数 据的改进型地表温度日较差降尺度估算方法，基 于 土 壤 热 传 导 理 论 建 立 土 壤日 较 差 模 型 ，以 Landsat卫星数据和MODIS MOD11A2地表温度产 品为数 据源 ，获取空间分辨率为30m的 地表温 度 日较差数据。本发明将地表温度日较差数据空间 分辨率由1000 m提高至30 m，可以获取更精细的 地表温度日较差纹理信息。
权利要求书2页 说明书3页 附图1页
CN 110111379 A
CN 110111379 A
权 利 要 求 书
1/2 页
1 .一种基于MODIS与Landsat数据的改进型地表温度日较差降尺度估算方法，其特征在 于 ：基于土壤热传导理论建立土壤日较差模型 ，以 某一时刻Landsat卫星数据和MODIS MOD11A2地表温度产品为数据源，获取空间分辨率为30m的地表温度日较差数据。