通过渐进自训练降尺度获取 Landsat 的 30 米地表温度
大气与海洋物理
2026-04-01 v1
摘要
地表温度（LST）是表征地表能量平衡和水热过程的关键参数。虽然 Landsat 提供了 40 多年来宝贵的 LST 观测，但其热波段的固有空间分辨率（如 100 m）仍不足以满足精细尺度研究的需求。为了解决这一问题，本研究提出了一种渐进自训练框架，将 Landsat LST 降尺度至 30 m，无需依赖精细尺度的真实地面真值，同时保持最小的数据依赖。该框架通过一个预训练阶段和两个微调阶段，以粗到细的方式逐步优化跨模态融合网络，以精炼热细节。与 SDGSAT-1 30 m LST 的空间验证以及利用原位测量进行的时间验证证实了其可靠性和准确性，站均 MAE 和 RMSE 均比官方立方乘积产品优约 0.4 K。进一步的性能比较实验表明，所提出的框架在保持空间异质性的同时，一致地重建了连贯的精细尺度热模式。多空间分辨率评估和消融研究验证了所提出策略和网络设计的有效性。总体而言，该框架为提升 Landsat LST 的空间分辨率提供了稳定的途径，为精细尺度地表过程研究和局部环境监测提供了精细分辨率的数据支持。
引用
@article{arxiv.2603.29478,
title = {30-meter Land Surface Temperature from Landsat via Progressive Self-Training Downscaling},
author = {Huanfeng Shen and Chan Li and Menghui Jiang and Penghai Wu and Guanhao Zhang and Tian Xie},
journal= {arXiv preprint arXiv:2603.29478},
year = {2026}
}