基于DCT-PLS算法的MODIS LST缺值填补方法研究

受云层、传感器误差等因素影响,中分辨率成像光谱仪(MODIS)获取的地表温度产品(LST)在时间和空间上存在大量缺失数据,严重影响了基于时间序列数据的分析与应用.本文引进一种基于离散余弦变换与惩罚最小二乘的多维数据快速平滑方法(DCT-PLS),利用数据集自身的时间和空间信息填补缺值.本文在粤港澳大湾区开展实证研究,将DCT-PLS算法用于填补该地区2001年1月-2017年12月的月值MODIS LST数据缺值,并引入人工模拟缺值对算法进行误差分析与精度验证.算法误差分析结果表明,填补误差主要来源于三维算法对数据集中有偏LST时间信息的使用,并因此产生显著高估或低估的填补结果.基于此,本文提出了利用MODIS LST数据集自身时间序列信息自动计算获取有效辅助LST信息的优化策略,从而实现填补算法计算效率和精度的提升:平均计算时间从12.0 s提高至1.7 s,平均R从0.94提高至0.97,平均RMSE从1.94 K提高至0.74 K(相较于三维算法).在大湾区的填补结果表明(日间结果:R=0.98、RMSE=0.79 K;夜间结果:R=0.99、RMSE=0.56K),优化后的DCT-PLS算法可以快速鲁棒地填补MODIS LST月值数据产品中的缺值,并且具有稳定性强、不依赖外部数据集的计算特性,能够适应长时间序列MODIS LST缺值填补.