s'abonner
Une équipe de recherche, dirigée par le professeur Meng Qingyan de l’Institut de recherche sur l’information aérospatiale de l’Académie chinoise des sciences, a réussi à développer le modèle de fusion spatio-temporelle globale (GLOSTFM), un modèle de fusion spatio-temporelle à haute efficacité qui utilise des données satellitaires multi-sources.
En intégrant les observations thermiques infrarouges et micro-ondes du satellite Fengyun-3D (FY-3D), GLOSTFM améliore la résolution spatio-temporelle des données de température de surface terrestre (LST). Les résultats ont été publiés dans Remote Sensing of Environment.
La LST est un indicateur crucial pour la recherche sur le changement climatique, les écosystèmes et la santé humaine. Cependant, les technologies de télédétection traditionnelles sont souvent confrontées à des défis, tels que la résolution spatio-temporelle limitée des capteurs individuels et les interférences de la couverture nuageuse, ce qui peut entraîner des lacunes dans les données ou une diminution de la précision.
Pour remédier à ces limitations, les chercheurs ont développé le modèle GLOSTFM, qui combine le principe de la « pyramide d’images » avec des données satellitaires multi-sources. Cette technique superpose des images infrarouges thermiques à haute résolution (avec une résolution de 1 km) à des données micro-ondes à basse résolution mais par tous les temps. Le modèle fusionne progressivement ces couches pour produire un produit LST global à haute résolution spatio-temporelle. En utilisant la capacité de revisite quotidienne du FY-3D, GLOSTFM intègre des données micro-ondes pour couvrir les zones couvertes de nuages, réduisant ainsi considérablement la perte de données.
Dans cette étude, les chercheurs ont testé GLOSTFM dans cinq régions représentatives du monde, y compris de grandes villes telles que Pékin et Shanghai, ainsi que des zones agricoles en Australie, donnant des résultats impressionnants.
Les données de température de surface du sol fusionné générées par GLOSTFM font preuve d’une grande précision, avec des estimations de température moyennes de seulement 2,87 K par rapport aux mesures réelles. De plus, les données montrent un coefficient de corrélation (R²) de 0,98, ce qui correspond étroitement aux observations réelles, ce qui en fait un outil fiable pour la recherche sur le climat et l’environnement.
De plus, GLOSTFM peut traiter 648 millions de pixels de données mondiales en 25 minutes, ce qui est des dizaines de fois plus rapide que les modèles traditionnels. Cette capacité permet pour la première fois de traiter des données à grande échelle en temps quasi réel.
En surmontant le compromis entre la haute résolution et la couverture étendue dans la surveillance de la température de la surface terrestre, cette technologie fournit des données de haute précision qui soutiennent la modélisation climatique et les initiatives de neutralité carbone.
