占文凤教授团队发布2003-2019年全球1KM分辨率逐日地表日均温数据产品
- ：数据中心
- ：2021-08-06
近日，南京大学占文凤教授团队通过国家生态科学数据中心提供的科技计划项目数据汇聚发布服务发布了2003-2019年全球1公里分辨率逐日地表日均温数据产品，用户可在线访问获取。相关研究成果已在Remote Sensing of Environment、ISPRS Journal of Photogrammetry and Remote Sensing等期刊上发表。
地表日均温度是评估全球地表温度月均、年均与长期变化趋势的基础，在地表热属性估计、蒸散发制图与全球气候变化等领域应用广泛。卫星热红外遥感已成为周期性地获取大范围地表温度的常用手段，但传统遥感地表日均温度估算方法（即直接平均瞬时晴空观测）未能顾及云下地表温度信息（晴空采样偏差）及对地表温度日变化过程采样不足（瞬时采样偏差），这极大地影响了地表日均温度的估算精度及其长期趋势，但目前能够同时纠正这两类固有采样偏差并获取逐日、无缝遥感地表日均温度的估算框架仍然缺失，这极大地阻碍了全球高时空分辨率地表温度日均温数据集的生产。
研究团队以MODIS数据为基础，设计了耦合地表温度年变化（Annual Temperature Cycle, ATC）模型和日变化（Diurnal Temperature Cycle, DTC）模型的全球地表日均温度估算框架，生产了全球2003至2019年1公里分辨率的地表日均温度数据产品。采用框架精度验证和产品精度评估两种方式对产品的精度进行了全面综合验证，结果表明：传统基于MODIS地表温度产品的地表日均温度估算方法存在平均偏高约2.0 K的系统性偏差，本产品能有效纠正这一系统性偏差，其平均绝对误差达到1.0 K左右，较传统估算方法精度提升了50%。该数据产品能够有效为全球蒸散发、城市热环境监测、地球系统模拟、变暖趋势分析等研究提供数据支撑。
本研究及数据制备得到国家重点研发计划（2016YFA0600200、2017YFA0603604）和国家自然科学基金(41671420)等项目的支持。其中，“基于多源卫星遥感的高分辨率全球碳同化系统研究”项目（2016YFA0600200）主要致力于发展生物圈和大气圈关键参数多源遥感协同反演技术、陆地生态系统模型与遥感数据同化方法、多源卫星与地面观测数据联合碳同化算法，进而建立耦合生态系统模型的高分辨率全球碳同化系统，联合同化多源观测数据，优化生态系统模型关键参数、光合和呼吸碳通量、重点区域人为源碳通量，定量揭示全球陆地生态系统和重点区域人为源碳通量时空格局、生态系统碳源汇驱动机制。项目制备生成的全球聚集指数、叶面积指数、叶片叶绿素含量、土壤湿度、总初级生产力（GPP）、净初级生产力（NPP）、净生态系统生产力（NEP）等数据产品，也将逐步在国家生态科学数据中心上线共享。
论文信息：
1. Hong, F., Zhan, W.*, Göttsche, F.-M., Lai, J., Liu, Z., Hu, L., Fu, P., Huang, F., Li, J., Li, H., Wu, H. A simple yet robust framework to estimate accurate daily mean land surface temperature from thermal observations of tandem polar orbiters. Remote Sensing of Environment, 2021, 112612. https://doi.org/10.1016/j.rse.2021.112612
2. Liu, Z., Zhan, W., Lai, J., Hong, F., Quan, J., Bechtel, B., Huang, F., Zou, Z. (2019). Balancing prediction accuracy and generalization ability: A hybrid framework for modelling the annual dynamics of satellite-derived land surface temperatures. ISPRS Journal of Photogrammetry and Remote Sensing, 151, 189-206.
3. Hong, F., Zhan, W., Göttsche, F.M., Liu, Z., Zhou, J., Huang, F., Lai, J., Li, M. (2018). Comprehensive assessment of four-parameter diurnal land surface temperature cycle models under clear-sky. ISPRS Journal of Photogrammetry and Remote Sensing, 142, 190-204.
4. Hong, F., Zhan, W., & Liu, Z. (2018). A general framework for the generation of physically true daily mean land surface temperature under all-weather conditions. In AGU Fall Meeting Abstracts, Vol. 2018, pp. GC31J-1365.
数据链接：点击这里
全球碳同化项目数据发布主页：点击这里