wordpress英文主题改成中文版网络推广优化服务
目录
- 数据概述
- 📥 一、数据输入
- 🔧 二、处理框架与方法
- 机器学习模型对比与选择
- 📊 三、输出结果与精度评估
- 数据下载
- 参考
《Generating a 30 m Hourly Land Surface Temperatures Based on Spatial Fusion Model and Machine Learning Algorithm》，发表于 Sensors 期刊（2024年），由 Su Qin 等人撰写，提出了一种融合地球同步卫星、极轨卫星与机器学习方法的融合框架，用于生成30米空间分辨率、1小时时间分辨率的地表温度（LST）数据集。
以下是对该论文的详细解读，从数据输入、处理流程、预测模型、精度评估、适用性与局限性等多个方面进行系统总结
地表温度（LST）是气候变化、城市热岛、水文循环等研究中的关键参数。然而，高时空分辨率的LST数据获取存在挑战：
- 极轨卫星（如MODIS、Landsat）：空间分辨率高，时间分辨率低
- 地球同步卫星（如FY-4A）：时间分辨率高，空间分辨率低
因此，研究提出一种融合不同卫星数据和机器学习算法的框架，以实现高时空分辨率的LST预测。