目录
- 数据概述
- 一、输入数据
- 二、生产流程与处理方法
- 步骤一：生成被动微波LST数据（PMW LST）
- 步骤二：CDF匹配提高高分辨率LST质量
- 步骤三：多分辨率卡尔曼滤波（MKF）融合生成全时空覆盖LST
- 三、模拟效果与实验结果
- 四、生成空间完整全天候LST
- 五、验证与精度评估
- 数据下载
- 下载方式1：国家青藏高原科学数据中心
- 下载方式2：Zenodo
- 数据处理-根据shp文件掩膜提取
- 参考
论文《A new land surface temperature fusion strategy based on cumulative distribution function matching and multiresolution Kalman filtering》（Xu & Cheng, 2021），该研究提出了一种基于累计分布函数匹配（CDF Matching）与多分辨率卡尔曼滤波（Multiresolution Kalman Filtering, MKF）相结合的地表温度（Land Surface Temperature, LST）融合策略，旨在生成高质量、全天候、时空连续的LST产品。
本博客将从输入数据、处理流程、模拟效果、验证结果等方面进行详细解释。
数据概述
一、输入数据
论文中融合LST数据所需的主要数据来源包括：
1. 卫星遥感数据
| 数据类型 | 数据产品 | 分辨率 | 用途 |
|---|---|---|---|
| 被动 |
![[yolov11改进系列]基于yolov11引入大型分离卷积注意力模块LSKA减少计算复杂性和内存的python源码+训练源码](https://i-blog.csdnimg.cn/direct/11602196b6ed4b3da3a333a965f43ab9.jpeg)
