崔建勇 張曼玉 宋冬梅 羅 升 單新建 王 斌

1)中國石油大學(華東)，海洋與空間信息學院，青島 266580 2)中國石油大學(華東)研究生院，青島 266580 3)海洋礦物資源實驗室青島海洋科學技術(shù)國家實驗室，青島 266071 4)四川省水利水電勘測設(shè)計研究院有限公司，成都 610072 5)中國地震局地質(zhì)研究所，北京 100029

0 引言

地表溫度(Land Surface Temperature，LST)是研究地表能量平衡和陸面過程的重要參數(shù)(Zhaoetal.，2017)，是區(qū)域以及全球尺度土壤水分、 蒸散發(fā)、 城市氣候變化、 植被、 生態(tài)監(jiān)測的關(guān)鍵因子(Chenetal.，2017)。準確獲得不同空間尺度的地表溫度對地震熱輻射異常的研究亦十分重要(陳順云等，2014)，有利于地震熱異常信息的精確提取(劉文寶等，2020)。不僅如此，異常是相對于正常而言的，沒有正常也就無所謂異常(陳順云等，2004)，而得到地表溫度年變基準場是熱異常提取的基礎(chǔ)與前提(陳順云等，2009)，因此高精度的地表溫度重建工作對于地震熱異常的精確提取是十分必要的。利用MODIS數(shù)據(jù)反演地表溫度具有速度快、 覆蓋面積廣、 觀測周期長等優(yōu)點，近年來已逐漸成為獲取LST的重要手段(Zhaoetal.，2020)。然而無論何時，約65%的全球表面被云層覆蓋，直接導致熱紅外遙感影像中存在大面積分布不均的缺值(Maoetal.，2019)，去除云及其他因素的干擾并實現(xiàn)對云覆蓋像素的地表溫度進行高精度補值的方法仍亟待完善(周義等，2014)。在全球和區(qū)域尺度進行的氣候變化以及地表能量平衡模型等研究中均需要長時間序列、 空間連續(xù)的地表溫度數(shù)據(jù)，有效的補值工作將為基于溫度的地表過程研究提供堅實的數(shù)據(jù)基礎(chǔ)。此外，大面積的數(shù)值缺失會對地表熱輻射異常的識別和分析造成嚴重影響。因此，云下像元地表溫度重建是利用熱紅外遙感識別發(fā)震信號不可缺少的重要環(huán)節(jié)。

迄今為止，關(guān)于地表溫度的補值方法主要有3類： 回歸法、 時空反距離加權(quán)法和時空克里金插值法。對于最常見的時空自回歸模型，其主要思想是將一些加權(quán)回歸方法集成到局部時空預測中，如在局部加權(quán)散點圖平滑方法(William，2012)的基礎(chǔ)上發(fā)展起來的時空異質(zhì)性地理局部回歸方法(樊子德等，2016)。目前，時空反距離加權(quán)方法也在不斷創(chuàng)新，利用輕量級集成模型的補值精度有所提高，且該模型在時空突變中表現(xiàn)出較好的魯棒性(Chengetal.，2020)。對于克里金插值法，起初將時間特性引入到普通克里金插值法中后，補值精度明顯提高(Yangetal.，2015)，隨后高精度的基于時空加權(quán)回歸克里金法的地理統(tǒng)計模型(Duetal.，2018)、 時空約束條件下的非均勻時空克里金插值法(Yongetal.，2018)和時空協(xié)同克里金法(Huetal.，2019)也相繼被提出，補值精度不斷提高。

隨著上述方法的不斷優(yōu)化，LST的可用性和補值精度均得到了很大提高，但現(xiàn)有方法必須依靠大量輔助數(shù)據(jù)或復雜模型，且模型的適用性較差。因此，本研究旨在開發(fā)一種基于少量輔助數(shù)據(jù)和非線性回歸模型的MODISLST高效率重建方法，其理論依據(jù)為一天中同類地物不同時刻LST的變化具有規(guī)律性。該方法的優(yōu)勢在于使用簡捷的回歸模型即可為空值像元生成更精確的LST，且補值過程不依賴于大量輔助數(shù)據(jù)。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

和田地區(qū)隸屬于新疆和田市，位于新疆維吾爾自治區(qū)南部，其中心位置為(37.12°N，79.92°E)，地勢北低南高，南越昆侖山口直達藏北高原，北臨塔里木盆地，且從西向東緩傾。和田地區(qū)自山麓向北，戈壁縱橫，位于河流沖積扇平原上的綠洲分布較為廣泛，扇緣與塔克拉瑪干沙漠相連，一直延伸到塔里木盆地的中心。本次實驗之所以將新疆和田地區(qū)作為研究區(qū)，是由于和田地區(qū)的地物覆蓋種類相對簡單，大部分為沙地，有少量植被覆蓋，其地形構(gòu)成主要為山脈和戈壁，四周有多條山脈，中間主要為戈壁灘以及少量綠洲。同時從氣候角度看，和田屬于明顯的大陸性氣候，降水量少，晴朗的天數(shù)較多，云量相對較低，且其白天溫度高，水分蒸發(fā)速度快，衛(wèi)星傳感器在對該區(qū)域進行探測時受水汽及云層影響較小，獲得的熱紅外輻射數(shù)據(jù)質(zhì)量較高。

綜上所述，新疆和田地區(qū)的地表溫度數(shù)據(jù)受云等其他干擾因素相對于中國其他地區(qū)更少，數(shù)據(jù)質(zhì)量相對較好，是進行地表溫度補值實驗的理想研究區(qū)。

1.2 遙感數(shù)據(jù)

本文所選取的數(shù)據(jù)產(chǎn)品來自MODIS(中分辨率成像光譜儀)傳感器，搭載于Terra和Aqua衛(wèi)星，其優(yōu)點為光譜范圍廣，具有36個中等分辨率水平的光譜波段，每1～2d對地球表面進行1次觀測，并提供陸海溫度、 陸地表面覆蓋、 云、 水汽、 火情等多種應用產(chǎn)品數(shù)據(jù)的免費服務(王慧等，2018)。

根據(jù)本實驗需求，選取8d合成、 空間分辨率為1km的MODISLST數(shù)據(jù)產(chǎn)品： MYD11A2和MOD11A2，下載2003—2015年共計13a的數(shù)據(jù)(1)https： ∥search.earthdata.nasa.gov/。。有研究表明(Kangetal.，2018)，凌晨數(shù)據(jù)缺值少，數(shù)據(jù)重建保真性好。為了獲得時空連續(xù)的地表溫度數(shù)據(jù)，本文將MYD11A2的凌晨數(shù)據(jù)作為重建對象，將MOD11A2上午、 晚上和MYD11A2下午的地表溫度作為補值數(shù)據(jù)，相關(guān)參數(shù)見表1。此外，本研究利用MODIS的MOD12Q1產(chǎn)品確定每個像元的地表覆蓋類型，針對各類地物分別建立回歸模型，將3種補值數(shù)據(jù)擬合回歸至凌晨時的地表溫度，為后續(xù)地表溫度補值做準備。MOD12Q1包含5種不同的土地覆蓋分類系統(tǒng)： 國際地圈生物圈計劃(IGBP)全球植被分類方案、 馬里蘭大學(UMD)植被分類方案、 MODIS提取葉面積指數(shù)/光合有效輻射分量(LAI/fPAR)方案、 MODIS提取凈第一生產(chǎn)力(NPP)方案和植被功能型(PFT)分類方案(王新闖等，2013)。

表1 MODIS地表溫度數(shù)據(jù)的相關(guān)參數(shù)

1.3 LST質(zhì)量評判和缺值率統(tǒng)計

MODIS數(shù)據(jù)集中包含LST的數(shù)據(jù)質(zhì)量文件(QC)，該文件描述了每個像元的溫度和發(fā)射率誤差，其中LSTerror≤1K的數(shù)據(jù)點對應的QC均<63，因此將QC≥63的情況視為缺值，據(jù)此對2003年1月1日研究區(qū)4種數(shù)據(jù)源(不同時間段)的缺值情況進行了統(tǒng)計。圖2 所示的灰度值表示地表溫度，單位為K，其中白色部分表示缺值區(qū)域。

圖1 新疆和田研究區(qū)示意圖

圖2 新疆和田地區(qū)MODIS地表溫度不同時段的缺值情況

從研究區(qū)不同時間段的MODIS地表溫度缺值情況對比結(jié)果來看，上午和下午的地表溫度數(shù)據(jù)缺值情況比晚上和凌晨更嚴重。其中，MYD11A2凌晨1：30的地表溫度數(shù)據(jù)缺值最少，MYD11A2下午1：30的數(shù)據(jù)缺值情況最差。為了分析不同季節(jié)LST的缺值率，對新疆和田地區(qū)13a共598期不同數(shù)據(jù)產(chǎn)品、 不同季節(jié)LST的缺值率進行了統(tǒng)計分析，結(jié)果如圖3 所示。從表中可以看出，秋季的數(shù)據(jù)質(zhì)量相對較好，夏季和冬季的數(shù)據(jù)質(zhì)量較差。從數(shù)據(jù)類型角度來看，Aqua傳感器MYD11A2凌晨的數(shù)據(jù)質(zhì)量相對較好，因此將其作為LST重建對象。

圖3 新疆和田地區(qū)(2003—2015年)四季地表溫度數(shù)據(jù)的質(zhì)量統(tǒng)計

2 研究方法

本文地表溫度重建的基本思想是： MODISLST數(shù)據(jù)可以獲取同類地物地表溫度在一天中隨時間變化的趨勢，且同類地物地表溫度隨時間變化具有相似的規(guī)律，據(jù)此本文提出了基于同類地物不同時刻地表溫度相關(guān)性的MODISLST重建算法。由于Aqua傳感器的MYD11A2凌晨數(shù)據(jù)缺值少、 數(shù)據(jù)重建保真性好，因此本研究將其作為MODISLST重建對象。即當MYD11A2凌晨數(shù)據(jù)某像元缺值時，通過對同類像元不同時刻地表溫度的相關(guān)性進行分析，分別建立凌晨時刻與MYD11A2下午、 MOD11A2上午和晚上同類地物地表溫度的回歸模型，按照回歸模型的相關(guān)性高低選取最優(yōu)值，分步實現(xiàn)凌晨地表溫度的重建。

該研究方法主要包括以下幾部分工作： 首先，對所用數(shù)據(jù)集進行拼接、 重投影、 裁剪等預處理； 然后，以LAI/fPAR作為地表覆蓋類型分類系統(tǒng)的依據(jù)，選取凌晨數(shù)據(jù)與其他3個時刻的同類地物像元，基于2階多項式擬合分別建立凌晨與其他3個數(shù)據(jù)源各類地物地表溫度的回歸模型，并將三者擬合回歸至凌晨時的地表溫度，通過對所建模型進行分析發(fā)現(xiàn)晚上與凌晨的地表溫度相關(guān)性最高，上午次之，下午最弱； 最后對凌晨地表溫度進行兩步重建： 先用晚上的擬合數(shù)據(jù)進行補值，然后取上午和下午擬合結(jié)果的最大值進行二次補值，完成對空值區(qū)域的地表溫度重建。

圖4 地表溫度重建技術(shù)的流程圖

2.1 數(shù)據(jù)預處理

本文所用的MODIS數(shù)據(jù)產(chǎn)品為HDF格式，借助NASA提供的MRT(MODIS Projection Tool)軟件對原始影像進行拼接、 裁剪與重投影處理。首先對2003—2015年每期(8d)的3個Tile文件進行拼接，然后挑選出LST＿Day＿1km和LST＿Night＿1km，以新疆和田地區(qū)為中心，對10°×10°范圍內(nèi)的區(qū)域進行裁剪，將其重投影為Geographic Lat/Lon，最終得到4種地表溫度數(shù)據(jù)： MOD＿DAY(上午10：30)、 MOD＿NIGHT(晚上10：30)、 MYD＿DAY(下午13：30)和MYD＿NIGHT(凌晨1：30)。

2.2 地表覆蓋類型的選取

MOD12Q1地表覆蓋類型數(shù)據(jù)產(chǎn)品提供5種分類系統(tǒng)，研究發(fā)現(xiàn)使用不同的分類系統(tǒng)對補值精度存在影響(圖5)，因此在補值前需要選擇一種適合的地表覆蓋類型分類系統(tǒng)。隨機選取1期MYD11A2凌晨地表溫度數(shù)據(jù)(2015-43為2015年第43期)，采用本研究所提出的方法依據(jù)不同的分類系統(tǒng)分別對其空值區(qū)域進行補值，并按照不同的分類系統(tǒng)及精度區(qū)間統(tǒng)計補值結(jié)果的精度(圖5)。從圖中可以看出，以LAI/fPAR分類系統(tǒng)為依據(jù)得到的補值結(jié)果的精度均高于其他4種分類系統(tǒng)，其中誤差≤1.5K的補值精度占比達80%以上。由此可知，使用LAI/fPAR分類系統(tǒng)得到的補值精度整體相對較高，該分類系統(tǒng)適用于后續(xù)的補值工作。

圖5 5種地表覆蓋類型補值精度的對比

2.3 LST回歸模型的建立

地表溫度重建就是根據(jù)大量已知數(shù)據(jù)求解溫度隨時間變化的規(guī)律和特征函數(shù)的過程，插值和擬合是實現(xiàn)這一過程的2種主要手段。擬合是基于大量有效值，找到一個連續(xù)曲面以最大限度地逼近這些點，而插值則是在建立連續(xù)曲面的過程中需顧及的待定點，多項式擬合是建立連續(xù)曲面用于回歸的常用方法，對于不同類型的數(shù)據(jù)，要選擇適合的擬合參數(shù)，否則會導致模型不穩(wěn)定、 計算效率偏低。本研究建立了不同時刻、 空間相近的同類地物溫度變化的時空回歸模型，并分析討論了不同擬合參數(shù)對模型精度的影響。

基于前文選取的2015年第43期凌晨地表溫度數(shù)據(jù)分別對地表覆蓋類型為水體、 稀樹草原和裸地的MOD＿DAY和MOD＿NIGHT與MYD＿NIGHT數(shù)據(jù)進行回歸擬合，地表覆蓋類型為LAI/fPAR分類系統(tǒng)，結(jié)果如圖6 所示。從圖中可以看出，1、 2、 3階多項式的擬合效果整體較好，當超過3階時就會出現(xiàn)過擬合現(xiàn)象。表2 是地表覆蓋類型分別為水體、 稀樹草原和裸地時MOD＿DAY、 MOD＿NIGHT與MYD＿NIGHT進行回歸擬合的效果評估，其中R2為相關(guān)系數(shù)，取值范圍為[0，1]，該值越接近1，則表示模型對數(shù)據(jù)的擬合程度越好(裘偉等，2014)。隨著擬合階數(shù)的不斷增大，R2也小幅增大，但復雜模型會存在精度穩(wěn)定性差、 計算效率偏低等問題，故本研究選取2階多項式進行擬合。從以上實驗結(jié)果中還可以看出，3種地物的MOD＿NIGHT地表溫度數(shù)據(jù)與MYD＿NIGHT地表溫度數(shù)據(jù)的擬合效果相比MOD＿DAY更好，其2階多項式擬合相關(guān)系數(shù)分別為0.940、 0.982、 0.965，而白天的相關(guān)系數(shù)為0.423、 0.890和0.590，說明晚上數(shù)據(jù)與凌晨數(shù)據(jù)的相關(guān)性最高。

圖6 不同地物的MOD＿DAY和MOD＿NIGHT與MYD＿NIGHT的溫度擬合圖

表2 溫度擬合的效果評估

2.4 兩步重建方法

本研究發(fā)現(xiàn)，在實驗區(qū)內(nèi)僅使用晚上的LST對凌晨數(shù)據(jù)進行補值后仍然存在空值像元，因此需借助上午和下午的數(shù)據(jù)進行2次補值，以提高LST的補值率。這種利用夜晚數(shù)據(jù)進行第1次補值，利用上午、 下午數(shù)據(jù)進行第2次補值的方法稱為地表溫度的兩步重建法。由于3種數(shù)據(jù)源的組合方式不同，補值精度存在較大差異，為此我們對比分析了5種補值方案，最終確定兩步重建的具體方案為： 首先，使用晚上的數(shù)據(jù)對凌晨LST進行補值，當存在缺值時再用上午和下午數(shù)據(jù)的最大值對其進行二次補值。地表溫度重建算法的具體流程如圖7 所示。

圖7 MODIS地表溫度兩步重建的算法流程圖

通過2.3節(jié)擬合分析可知，上午(10：30)、 下午(13：30)、 晚上(22：30)3種數(shù)據(jù)與凌晨(1：30)數(shù)據(jù)的相關(guān)性之間存在較大差異。隨機選取9期數(shù)據(jù)，建立以下5種補值方案。方案1： 單獨使用晚上數(shù)據(jù)補值； 方案2： 取上午、 下午和晚上數(shù)據(jù)的最大值補值； 方案3： 取上午和下午數(shù)據(jù)的最大值補值； 方案4： 單獨使用上午數(shù)據(jù)補值； 方案5： 單獨使用下午數(shù)據(jù)補值。分別從補值精度和補值率2個方面評價5種方案的補值效果，其結(jié)果如表3 所示。

表3 5種補值方案的效果對比

由表3 可知，單獨使用晚上數(shù)據(jù)(方案1)對凌晨地表溫度進行補值具有最高的精度，平均誤差為1.06K。由于白天數(shù)據(jù)受云層影響而缺值多，故當加入上午和下午數(shù)據(jù)聯(lián)合補值時(方案2)精度有所下降。但晚上數(shù)據(jù)也會存在缺值的情況，此時若單獨使用晚上數(shù)據(jù)進行補值，則無法對缺值區(qū)域的凌晨LST開展補值工作。而當三者聯(lián)合補值時補值率可達100%，因此本文考慮對凌晨地表溫度進行兩步重建。根據(jù)回歸模型相關(guān)性的高低和本節(jié)補值精度的對比分析確定兩步重建的具體方案為： 首先使用與凌晨數(shù)據(jù)相關(guān)性最高的晚上數(shù)據(jù)對空值區(qū)域的LST進行補值，對于剩余的小部分未補值的空值像元，取同一像元的上午、 下午與凌晨數(shù)據(jù)擬合結(jié)果中的最大值進行二次補值。此方法在確保補值精度的前提下提高了補值率，從而保證了重建數(shù)據(jù)的時空連續(xù)性。

3 研究結(jié)果

為了檢驗本文所提方法的有效性，選擇2003—2015年間的9期影像，隨機選取窗口大小分別為131×154(圖8a)和144×171(圖8b)的區(qū)域進行零值化處理，然后按照本文方法對該區(qū)域的地表溫度進行補值，將補值結(jié)果與該窗口的原有地表溫度數(shù)據(jù)進行對比分析，地表溫度重建前后的精度對比如表4 所示。從表中可以看出，該方法在2個不同區(qū)域的重建精度均較高，其中區(qū)域1地表溫度的重建精度為0.92K，區(qū)域2地表溫度的重建精度為1.05K。

圖8 零值化區(qū)域示意圖(白色區(qū)域)

表4 重建前后的精度對比

與此同時，為了驗證本文所提方法對其他3個時間段地表溫度數(shù)據(jù)重建的普適性，按照本文所述方法流程，分別對區(qū)域1和區(qū)域2的上午、 下午、 晚上數(shù)據(jù)也進行了補值，結(jié)果如表4 所示。從表中可以看出，基于該方法可以實現(xiàn)一天中4個時間段的溫度重建，且凌晨和晚上的地表溫度重建精度比上午和下午高。為了更加直觀地展示基于本文方法的重建效果，以2015年43期為例，對2個子區(qū)域的地表溫度重建前后的效果進行對比分析。從圖9 中可以看出，重建后的地表溫度數(shù)據(jù)與原始數(shù)據(jù)基本一致，且能夠較好地保留原始影像的紋理信息。因此，在以后的地震熱異常提取實驗中，可選擇缺值較少、 重建精度較高的凌晨和晚上數(shù)據(jù)作為異常提取對象。

圖9 不同區(qū)域、 不同時間地表溫度重建前后的效果對比(以2015年第43期為例)

對比圖10a 和圖10b 可見，基于本文方法的地表溫度重建結(jié)果與原圖像差異不大，紋理信息一致性較好，證實了本方法的有效性。隨后，又分別對補值前后共9期數(shù)據(jù)的補值精度和補值貢獻率進行了統(tǒng)計分析，如表5 所示。在補值精度方面，補值后的最小誤差為0.57K，9期的平均誤差為0.92K，且均<1.2K； 在補值貢獻方面，晚上數(shù)據(jù)的補值貢獻占比平均為0.996，上午和下午的數(shù)據(jù)補值貢獻極小。綜上所述，本文方法可基于少量輔助數(shù)據(jù)獲得較高精度的補值結(jié)果，大大提升了地表溫度補值效率。

圖10 地表溫度重建前后對比

表5 補值精度對比

為了進一步驗證本方法的有效性，選取與本文所用數(shù)據(jù)源相似的MODISLST補值方法(李楠等，2018)作為對比。該方法使用了較為經(jīng)典的空間域加權(quán)平均插值算法，充分利用了鄰近像素屬性的空間相關(guān)性和同類地物LST變化的相似性，其補值率和補值精度較高。具體方法為： 若數(shù)據(jù)A在(x，y)處存在空值，則用數(shù)據(jù)B(x，y)的值乘上A、B數(shù)據(jù)所在子區(qū)域的均值之比，結(jié)果見圖10c。通過對比可以明顯看出，對比方法的補值結(jié)果比原圖稍微偏高(顏色越亮表示值越大)，其中2004-43期和2015-25期影像的重建效果相對較好，2009-38期LST重建后影像子區(qū)域的分界線處存在顯著的階躍式變化，且與原始影像差別明顯。由此可知，此方法補值精度的穩(wěn)定性受各子區(qū)域因素的影響較大。

表6 現(xiàn)有方法的重建精度對比

使用對比方法補值后的最高精度為0.89K，平均精度為1.13K，最大誤差達1.6K，精度低于本文所提方法。綜上所述，本文所提方法的補值精度較高，算法穩(wěn)定性較強，避免了在對比方法中出現(xiàn)的“偏差”。此外，還將本文方法與近5年提出的地表溫度補值方法的補值精度進行了對比分析。 由表6 可知，本方法在使用少量輔助數(shù)據(jù)的前提下達到了良好的補值效果，再次證明了本文所提方法的優(yōu)越性。

4 結(jié)論

MODISLST產(chǎn)品因存在大量空值導致其應用受限。為了獲得時空連續(xù)的地表溫度產(chǎn)品，本文以一天中同類地物不同時刻地表溫度的變化規(guī)律為理論依據(jù)，提出了一種基于同類地物地表溫度日變化相關(guān)性的MODISLST重建算法。該算法主要包括以下2個步驟： 首先，建立上午、 下午和晚上分別與凌晨地表溫度的回歸模型，將3個時刻的地表溫度擬合回歸至凌晨，然后使用兩步重建法實現(xiàn)對凌晨LST的重建。本研究的主要結(jié)論如下：

1)對不同地表覆蓋類型的MOD11A2上午、 晚上和MYD11A2下午與MYD11A2凌晨地表溫度建立回歸模型分析可知，2階多項式的擬合效果更優(yōu)，且模型穩(wěn)定性較好； 2)對于該研究區(qū)，使用夜晚數(shù)據(jù)對凌晨地表溫度進行補值的精度最高，但不能完全保證重建地表溫度的時空連續(xù)性，若加入上午和下午地表溫度數(shù)據(jù)，則補值率可進一步得到提高； 3)基于本方法的地表溫度重建數(shù)據(jù)的區(qū)域連貫性更好，不會出現(xiàn)階躍式變化。通過與近5年提出的LST補值方法的對比發(fā)現(xiàn)，本方法所用輔助數(shù)據(jù)較少，且補值精度相對較高，補值后誤差均在1.2K以下，平均誤差為0.92K，最小誤差為0.57K，可滿足地表溫度補值要求，為后續(xù)地震前兆熱異常精細提取研究提供數(shù)據(jù)支撐。

雖然本文方法可以實現(xiàn)地表溫度的高效補值，但仍存在以下不足： 由于用來補值的輔助數(shù)據(jù)自身也存在空值，以致單獨使用晚上數(shù)據(jù)進行補值后的數(shù)據(jù)產(chǎn)品中仍存在缺值，盡管加入上午和下午數(shù)據(jù)進行第2步補值可提高補值率，但不可避免會引入誤差，未來可考慮使用更優(yōu)質(zhì)的數(shù)據(jù)源替代白天地表溫度數(shù)據(jù)。此外，該方法只對新疆和田區(qū)域進行了地表溫度補值驗證，未驗證算法的普適性。未來，我們將在算法的區(qū)域適用性方面不斷開展深入研究，在實驗中考慮加入S-G(Savitzky-Golay)濾波或深度學習模型以進一步完善地表溫度重建，從而提升地表溫度補值方法的普適性。