利用FY-3卫星的黎明-黄昏轨道和下午轨道数据，对SLST进行每日多次监测，该数据的分辨率为250米

《International Journal of Digital Earth》：Daily multi-time monitoring of SLST jointly using FY-3 dawn-dusk and afternoon orbit satellite data with 250 m resolution

本研究利用FY-3E和FY-3D卫星的MERSI数据，开发了250米分辨率每日多时相雪地/地表温度反演算法，解决了冬奥会户外赛事场区雪地温度监测的难题。通过计算自然雪、人工雪及裸地等不同地表的发射率，结合Sobrino非线性算法和地形校正，实现了北京、延庆、张家口等冬奥赛区雪地温度的精确监测，验证显示相关系数>91%，平均误差-1.18K至1.15K，RMSE0.78K-2.19K。该成果为冰雪运动安全评估和赛事服务提供了高精度温度数据支撑。

　　雪/土地表面温度（SLST）对雪的融化、形态变化以及地-大气之间的能量交换具有重要影响。它也是影响冬季奥运会（OWG）户外滑雪活动的关键因素之一。目前，尚无在百米分辨率下提供每日SLST的产品，难以有效支持OWG的相关服务。本文研究中，计算了自然积雪、人工积雪及其他地表类型的地表发射率（LSE），并基于热红外辐射传输模型，开发了一种统一的算法，从风云三号E（FY-3E）晨昏轨道和风云三号D（FY-3D）下午轨道卫星的250米分辨率数据中反演SLST。同时，在OWG户外竞赛场地及其周边区域，实现了SLST的每日多次监测（晨、午、昏）。通过与地面实测数据的验证，结果显示出相关系数超过91%。每个站点的平均偏差范围为-1.18K至1.15K，而均方根误差（RMSE）范围为0.78K至2.19K。这些结果对2022年北京冬奥会的规划提供了重要帮助，并与气象团队共享。

在冬季奥运会等大型冰雪运动赛事中，SLST对于保障比赛顺利进行至关重要。过高或过低的SLST都会对雪的状态产生显著影响，例如，SLST过高会导致雪迅速融化，而过低则可能使雪面变硬，这都会对运动员的安全和比赛表现产生影响。因此，精准的SLST监测对于冰雪运动的组织和管理具有重要意义。现有的SLST监测方法在空间分辨率上通常局限于1公里，难以满足高精度监测的需求。尤其是在地形复杂、混合像素较多的户外竞赛区域，这一局限性更为明显。风云三号E和风云三号D卫星搭载的中分辨率红外成像光谱仪（MERSI）提供了250米空间分辨率的数据，为SLST的精细化监测提供了可靠的数据来源。此外，该卫星的热红外双通道（10.8和12.0微米）数据具有较高的精度，能够实现SLST的精细反演和多时间点的监测。

为了确保SLST的反演精度，本文首先计算了不同地表类型的LSE。其中，自然积雪的LSE通常依赖于其颗粒大小、表面状态以及物理特性等。人工积雪由于其形成机制不同，其颗粒大小和物理特性也有所差异，因此在LSE计算中需进行区分。此外，植被覆盖和裸土等非雪地表的LSE也需要进行计算，以确保反演算法的全面性。通过对这些地表类型的LSE进行分类和计算，可以提高SLST反演的准确性。同时，由于研究区域地形复杂，可能存在一定的定位偏差，因此需要对数据进行地理精细校正，以确保地表特征与卫星影像的匹配度。

在反演过程中，本文采用了Sobrino算法，该算法在高水汽含量条件下表现更佳，能够有效提高SLST反演的精度。通过对比不同卫星通道的亮温数据，结合地表发射率和视场角的修正，实现了SLST的高精度反演。同时，考虑到传感器噪声对反演结果的影响，本文还对噪声误差进行了分析，并评估了其在不同大气水汽条件下的表现。结果表明，传感器噪声在干大气条件下对SLST的误差影响较小，而在湿大气条件下则更为显著。因此，在实际应用中，需要对这些因素进行综合考虑，以提高SLST反演的准确性。

研究区域涵盖了北京、延庆和张家口的竞赛场地，地理位置为东经113°00′至117°10′，北纬39°06′至42°51′。该区域地形复杂，包括北部山区、南部平原和中部过渡区。由于地形的复杂性，地表温度的反演可能会受到地形遮挡的影响，尤其是在山谷地区，遮挡效应可能显著影响相邻像素的辐射值。因此，地形校正对于SLST的反演具有重要意义。然而，本文考虑到地形校正的复杂性，仅对研究区域中的部分区域进行了地形不确定性分析，并未进行实际的地形校正。通过对研究区域中天空可见度因子的统计分析，发现73%的区域天空可见度因子高于0.7，表明这些区域对SLST的反演影响较小，因此无需进行地形校正。此外，部分区域的天空可见度因子较低，可能对SLST的反演产生一定影响，但整体上仍可以接受。

SLST的反演结果不仅对冬奥会的赛事组织具有重要意义，也对其他冰雪监测和地表能量平衡研究提供了参考。通过对不同时间点（晨、午、昏）的SLST进行反演，可以更全面地了解地表温度的变化趋势，为冰雪运动的科学管理提供数据支持。同时，本文提出的统一算法也为其他高分辨率地表温度反演提供了新的思路，特别是在干大气条件下，该算法能够实现更高的反演精度。

在实际应用中，SLST的反演需要结合多种辅助数据，如地表发射率、大气水汽含量、传感器噪声等。通过对这些因素的综合分析，可以更准确地评估SLST的不确定性，并进一步提高反演结果的可靠性。此外，混合像素的存在也是影响SLST反演精度的重要因素之一。由于研究区域的高分辨率数据，使得部分像素可能包含非雪地表（如裸土、岩石、树木等），这些非雪地表的长波辐射可能对SLST的反演结果产生干扰。因此，在反演过程中，需要对混合像素进行识别和处理，以减少其对SLST反演精度的影响。

本文的研究成果不仅在冬奥会的应用中具有重要意义，也对其他冰雪监测和环境研究提供了参考。通过建立高精度的SLST反演算法，可以更准确地反映地表温度的变化，为相关领域的研究和应用提供数据支持。此外，本文还对SLST的反演误差进行了详细分析，为后续研究提供了误差评估的依据。在干大气条件下，SLST的反演误差较小，而在湿大气条件下则较大，这表明大气水汽含量是影响SLST反演精度的重要因素之一。

总之，本文的研究成果表明，基于风云三号E和风云三号D卫星的热红外数据，结合高精度的LSE计算和地形不确定性分析，可以实现对SLST的高精度反演。这种反演方法不仅适用于冬奥会等大型冰雪赛事，也可以推广到其他冰雪监测和地表能量平衡研究中。通过本文的研究，为冰雪运动的科学管理和环境监测提供了新的技术支持。