报告详情
基于DLSTEF深度学习模型的地表温度时空融合
编号：2199
访问权限：仅限参会人
更新：2024-04-12 10:16:24 浏览：842次
快闪报告
报告开始：2024年05月18日 16:20（Asia/Shanghai）
报告时间：5min
所在会场：[S7] 主题7、遥感与地理信息科学 [S7-3] 主题7、遥感与地理信息科学 专题7.3（18日下午，305）
暂无文件
摘要
地表温度 (Land Surface Temperature, LST)是研究地表与大气之间物质和能量交换、气候变化等方面不可或缺的参数，遥感是大范围LST的常见获取手段。然而，受遥感影像时空分辨率的制约，难以直接获取高时间和高空间分辨率的LST数据，从而难以支撑大范围、精尺度的LST监测。鉴于此，本研究基于图像融合理念，以Landsat8和MODIS遥感数据为研究对象，以澳大利亚南部Griffith为研究地点，将高空间低时间分辨率的Landsat8 LST、低空间高时间分辨率的MODIS LST，以及对应反射率图像利用深度学习模型DLSTEF进行融合，其中反射率产品主要用以提升其空间细节，从而获得2022年份高时空分辨率的每日LST。与现有的时空融合算法（STARFM、ESTARFM、EDCSTFN）相比，本方法可以更好地反映空间细节信息，整体温度精度对比时空融合算法有一定提升。
关键词
地表温度,深度学习
报告人
金辰昊
硕士研究生 海南大学稿件作者
全部评论
重要日期
-
会议日期
05月17日
2024
至05月20日
2024
-
03月31日 2024
初稿截稿日期
-
03月31日 2024
报告提交截止日期
-
05月20日 2024
注册截止日期
主办单位
青年地学论坛理事会
承办单位
厦门大学近海海洋环境科学国家重点实验室
中国科学院城市环境研究所
自然资源部第三海洋研究所
中国科学院城市环境研究所
自然资源部第三海洋研究所
联系方式
- 辜克兢（会务总协调、会场安排、学术安排）
- gu******@xmu.edu.cn
- 139********
- 柳欣（会务总协调）
- li******@xmu.edu.cn
- 138********
- 孙佳妮（会务总协调）
- sc******@chytey.com
- 152********
- 窦恒（会场安排、学术安排）
- do******@chytey.com
- 186********
- 李招英（会场技术服务）
- li******@xmu.edu.cn
- 138********
- 刘琳（学术安排）
- ll******@iue.ac.cn
- 133********
- 李虎（学术安排）
- hl******@iue.ac.cn
- 189********
- 柳欣（学术安排）
- li******@xmu.edu.cn
- 138********
- 胡勤梅（会议注册）
- ma******@chytey.com
- 135********
- 孙晓笛（会议注册）
- xi******@xmu.edu.cn
- 188********
- 许心雅（会议财务）
- xu******@xmu.edu.cn
- 180********
- 朱佳（商业赞助）
- zh******@xmu.edu.cn
- 139********
- 张君（海报张贴）
- ju******@xmu.edu.cn
- 138********
- 卢巍（海报张贴）
- lu******@chytey.com
- 189********
- 李璟（酒店预订及咨询）
- li******@chytey.com
- 186********
发表评论