刘英，朱蓉，钱嘉鑫，党超亚，岳辉

(西安科技大学 测绘科学与技术学院，西安 710054)

0 引言

地表温度(land surface temperature，LST)是反映地球表面与大气之间能量平衡和影响地表水循环的重要物理参数之一[1-3]，主要用于植被监测[4-5]、土壤水分监测[6-7]、城市热岛效应[8-9]等方面研究。获取地表温度的方法有地面观测和热红外遥感反演等[10]，其中地面观测获取地表温度精度高但覆盖范围小，而热红外遥感能获得较大范围内的地表温度，且能表现LST的空间分布特征，成为获取地表温度的主要手段。但热红外传感器无法同时满足高时空分辨率的数据要求，限制了地表温度在不同区域尺度上的应用。为解决热红外传感器所获取地表温度的这一问题，相关学者提出了多种地表温度降尺度方法。

目前，卫星遥感地表温度空间降尺度的方法主要基于地表参数统计回归、数据融合、调制分配及光谱混合模型等展开[11]。其中，基于地表参数统计回归的温度降尺度法主要原理为“尺度不变性”，将低分辨率下的地表温度与光谱指数的关系应用到高分辨率下，最常用的方法是Kustas等[12]于2003年提出的DisTrad(disaggregation procedure for radiometric surface temperature)法以及Agam等[13]于2007年在前者基础上提出的TsHARP (an algorithm for sharpening thermal imagery)法。DisTrad方法基于归一化植被指数(normalized difference vegetation index，NDVI)和LST间的统计关系提出，但该方法并未充分考虑土壤水分在降尺度模型中的作用，TsHARP方法用更能表征植被状态的植被覆盖度代替NDVI与LST建立线性关系，从而达到降尺度目的。数据融合和空间滤波均能提高空间分辨率，基于这一特性，Fasbender等[14]提出了贝叶斯方法；……