Key points are not available for this paper at this time.
Die Oberflächentemperatur von Landflächen (LST) und ihre tägliche Variation sind wichtig für die Bewertung des Klimawandels, des Energieaustauschs zwischen Land und Atmosphäre sowie für den globalen Hydrologiekreislauf. Diese Merkmale sind von Satelliten aus durch thermische Infrarotmessungen beobachtbar, jedoch war es schwierig, dies sowohl bei hoher räumlicher als auch bei hoher zeitlicher Auflösung zu tun. Genaue zeitliche und räumliche Kenntnisse der LST sind entscheidend für die globale hydrologische Assimilation, um Schätzungen der Bodenfeuchtigkeit und der Evapotranspiration zu verbessern. Historisch gesehen hat die Satellitenerfassung der globalen LST bei hohen räumlichen Auflösungen (1 km) auf NOAA polarumlaufenden Satelliten beruht, die kürzlich durch Daten des Moderate Resolution Imaging Spectroradiometer (MODIS) an Bord des Earth Observing System (EOS) ergänzt wurden. Jedes Satelliteninstrument in einer Polarbahn liefert typischerweise ein bis zwei Beobachtungen pro Tag. Hohe zeitliche Stichproben der LST sind mit geostationären Satelliten erreichbar, jedoch ist die räumliche Auflösung zu grob, um verschiedene Bodenoberflächentypen (4–5 km) zu unterscheiden und mit geringerer Genauigkeit. Wir beschreiben einen Ansatz, der MODIS-Daten als Kalibrierungsquelle für Geostationary Environmental Satellite (GOES)-Daten verwendet und dann beide Datensätze nutzt, um halbstündliche LST-Werte mit einer räumlichen Auflösung von 1 km zu erzeugen und LST mit einer Genauigkeit von besser als 2 °C zurückzugeben. Der Ansatz erfordert eine gute Wolkenräumung, atmosphärische Korrektur und ein zugrunde liegendes LST-Modell, um Werte zwischen den Beobachtungen zu propagieren. Die abgerufene LST im Vergleich zu Bodendaten zeigt, dass der Ansatz mit etwa 2 °C genau ist.
Inamdar et al. (Di,) haben diese Frage untersucht.