面向 Landsat TIRS 切片窗派生表面温度产品的不确定性工作流程开发
地球物理
2025-11-18 v1
摘要
当前的 Landsat 二级表面温度产品采用单通道(SC)方法从二级辐射数据估计逐像元表面温度(ST)地图。然而，二级产品的不确定性存在一个已知问题，即其对云掩模的依赖导致不确定性容易被高估，而云掩模容易出现误报。自 Collection 3 起，切片窗(SW)方法将作为二级产品的表面温度算法，由于其在不同条件下的适应性， necessitates 为开发专门的不确定性工作流程。我们引入了基于总可降水水汽(TPW)的物理参数的改进后不确定性工作流程，以更充分地估计表面温度估计的不确定性。我们利用用于估计表面温度的 SW算法驱动讨论的不确定性方法。首先，鉴于 Landsat lacks 用于推导 TPW 的光学通道，我们创建了一个基于 XGBoost 的机器学习管线，将 TIRS 10 与 11 波段图像辐射与 TPW 相关联，其中使用 MODIS 产品作为参考。 resulting 模型方法在估计 TPW 时实现平均绝对误差为 0.54 [cm]，且决定系数(R2)最高可达 0.89。其次，我们提出了改进的(SW 基于)不确定性工作流程，还使用标准误差传播，但将不确定性作为 TPW 的函数。我们的工作填补了面向 Landsat 8 和 9 的操作表面温度算法及其相应不确定性工作流程之间的空白，以及使用基于机器学习的模型预测大气水汽，这些模型利用 Landsat 8 和 9 上的热红外传感器波段。
引用
@article{arxiv.2511.12729,
title = {Development of an Uncertainty Workflow to Support Landsat TIRS Split Window-Derived Surface Temperature Products},
author = {Amirhossein Hassanzadeh and Robert Mancini and Aaron Gerace and Rehman Eon and Matthew Montanaro},
journal= {arXiv preprint arXiv:2511.12729},
year = {2025}
}